基于全球离散网格的无人机城市路径规划方法及设备

1.本发明实施例涉及无人机路径规划技术领域，尤其涉及一种基于全球离散网格的无人机城市路径规划方法及设备。


背景技术：

2.近年来，无人机技术取得了迅速发展，无人机的空中路径规划任务正成为航空器的关键技术之一。在无人机空中路径规划过程中，面临不确定性的飞行环境，包括城市、国家、全球范围等尺度不一致的飞机空间。在城市环境中，可能具有海量的城市地面建筑、树木植被、电力通信杆塔等障碍物，以及很多人为设置的禁飞区等虚拟空间，需要建立统一的管理机制，对数据进行处理分析，在此基础上完成路径规划。目前，无人机现有规划方法由于计算方式的限制，无法适应长距离、大范围和多尺度的真实地理空间范围中的快速计算，缺少在对大范围城市进行空中路径规划的方法。因此，开发一种基于全球离散网格的无人机城市路径规划方法及设备，可以有效克服上述相关技术中的缺陷，就成为业界亟待解决的技术问题。


技术实现要素：

3.针对现有技术存在的上述问题，本发明实施例提供了一种基于全球离散网格的无人机城市路径规划方法及设备。
4.第一方面，本发明的实施例提供了一种基于全球离散网格的无人机城市路径规划方法，包括：步骤1，采用等级纬度离散网格计算方法，对城市环境内的模型进行计算，将城市映射为离散网格；步骤2，采用全球离散网格对城市环境的描述结果建立自适应网格模型；步骤3，采用改进的粒子种群算法pso，在网格模型中进行路径规划，确定无人机飞行路径。
5.在上述方法实施例内容的基础上，本发明实施例中提供的基于全球离散网格的无人机城市路径规划方法，步骤1具体包括：步骤1.1，建立全球离散网格的计算方法；步骤1.2，根据城市内的所有模型，将模型转换为全球离散网格；其中，步骤1.1具体包括：
[0006][0007]
其中，n为划分的层级，从0开始，第0层具有2个网格；lon、lat、alt为所处位置的经度、纬度、大地高度；l为在第0级网格经度方向上的网格长度的一半；x为经度索引；y为纬度索引；z为高度索引。
[0008]
在上述方法实施例内容的基础上，本发明实施例中提供的基于全球离散网格的无人机城市路径规划方法，步骤2具体包括：步骤2.1，将城市内所有的网格模型索引进行分析，将城市内所有的网格模型转换为高度自适应的网格；步骤2.2，在步骤2.1的基础上，继续进行网格分析，形成尺度自适应的网格。
[0009]
在上述方法实施例内容的基础上，本发明实施例中提供的基于全球离散网格的无人机城市路径规划方法，步骤3具体包括：步骤3.1：对计算的目标函数进行设置；步骤3.2：基于无人机飞行的特点，对初始化方法进行改进，完成粒子种群算法pso的初始化；步骤3.3：根据目标函数的值，确定最优粒子，按照最优粒子的维度，对其他粒子的维度和位置进行更新；步骤3.4：按照不同策略对最优粒子和其他粒子进行迭代，完成位置的更新，并结合步骤3.3实时修改维度，得出无人机飞行路径。
[0010]
在上述方法实施例内容的基础上，本发明实施例中提供的基于全球离散网格的无人机城市路径规划方法，步骤3.2中，通过使用航向角和俯仰角对轨迹进行描述，完成pso粒子的初始化过程，从起点通过此公式计算得到每个途经点，并计算得到其余点角度的值，若发现线路与障碍物网格相交，则在碰撞点的附件重新随机选点，直到得到一个可行的线路，完成路径的初始化。
[0011]
在上述方法实施例内容的基础上，本发明实施例中提供的基于全球离散网格的无人机城市路径规划方法，步骤3.3中，对维度值不相同的例子进行维度统一，通过目标函数得到目前最佳的粒子，以此粒子的维度为最佳，通过该粒子每个途经点在其路径网格上的位置百分比，计算其他粒子的途经点位置，包括：
[0012][0013]
其中，i∈1,2,...,s，j∈1,2,...,d
best
，n∈0,1,2,...,d
best
+1，n＝0时为起点网格，n＝d
best
+1时为终点网格，d
best
为最佳粒子的维度，d
now
为当前粒子维度，p
i,j,new
为新的网格位置，func为bresenham算法，计算得到两个网格之间的所有网格个数总和，g
best,n
为全局最佳位置的第n个维度，pi,n为个人当前位置的第n个维度。
[0014]
在上述方法实施例内容的基础上，本发明实施例中提供的基于全球离散网格的无人机城市路径规划方法，步骤3.4中，对最优粒子和普通粒子进行定义，最优粒子为当前目标函数值最小的粒子，其他粒子为普通粒子，两种粒子分别按照不同的策略进行位置的更新，并且随着每次迭代相互转化。
[0015]
第二方面，本发明的实施例提供了一种基于全球离散网格的无人机城市路径规划装置，包括：第一主模块，用于实现步骤1，采用等级纬度离散网格计算方法，对城市环境内的模型进行计算，将城市映射为离散网格；第二主模块，用于实现步骤2，采用全球离散网格对城市环境的描述结果建立自适应网格模型；第三主模块，用于实现步骤3，采用改进的粒子种群算法pso，在网格模型中进行路径规划，确定无人机飞行路径。
[0016]
第三方面，本发明的实施例提供了一种电子设备，包括：
[0017]
至少一个处理器；以及
[0018]
与处理器通信连接的至少一个存储器，其中：
[0019]
存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方
面的各种实现方式中任一种实现方式所提供的基于全球离散网格的无人机城市路径规划方法。
[0020]
第四方面，本发明的实施例提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种实现方式中任一种实现方式所提供的基于全球离散网格的无人机城市路径规划方法。
[0021]
本发明实施例提供的基于全球离散网格的无人机城市路径规划方法及设备，通过自适应大小的网格管理全球离散网格，减少网格的数量，加快无人机在规划时进行碰撞检测的速度，在规划时灵活设置维度大小，得到更优的路径。
附图说明
[0022]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]
图1为本发明实施例提供的基于全球离散网格的无人机城市路径规划方法流程图；
[0024]
图2为本发明实施例提供的基于全球离散网格的无人机城市路径规划装置结构示意图；
[0025]
图3为本发明实施例提供的电子设备的实体结构示意图；
[0026]
图4为本发明实施例提供的改进的子种群算法pso的流程图；
[0027]
图5为本发明实施例提供的无人机运动角度分解原理示意图。
具体实施方式
[0028]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外，本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，这种结合不受步骤先后次序和/或结构组成模式的约束，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
[0029]
本发明实施例提供了一种基于全球离散网格的无人机城市路径规划方法，参见图1，该方法包括：步骤1，采用等级纬度离散网格计算方法，对城市环境内的模型进行计算，将城市映射为离散网格；步骤2，采用全球离散网格对城市环境的描述结果建立自适应网格模型；步骤3，采用改进的粒子种群算法pso，在网格模型中进行路径规划，确定无人机飞行路径。
[0030]
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于全球离散网格的无人机城市路径规划方法，步骤1具体包括：步骤1.1，建立全球离散网格的计算方法；步骤1.2，根据城市内的所有模型，将模型转换为全球离散网格；其中，步骤1.1
具体包括：
[0031][0032]
其中，n为划分的层级，从0开始，第0层具有2个网格；lon、lat、alt为所处位置的经度、纬度、大地高度；l为在第0级网格经度方向上的网格长度的一半；x为经度索引；y为纬度索引；z为高度索引；min为取最小值符号。
[0033]
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于全球离散网格的无人机城市路径规划方法，步骤2具体包括：步骤2.1，将城市内所有的网格模型索引进行分析，将城市内所有的网格模型转换为高度自适应的网格；步骤2.2，在步骤2.1的基础上，继续进行网格分析，形成尺度自适应的网格。
[0034]
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于全球离散网格的无人机城市路径规划方法，步骤3具体包括：步骤3.1：对计算的目标函数进行设置；步骤3.2：基于无人机飞行的特点，对初始化方法进行改进，完成粒子种群算法pso的初始化；步骤3.3：根据目标函数的值，确定最优粒子，按照最优粒子的维度，对其他粒子的维度和位置进行更新；步骤3.4：按照不同策略对最优粒子和其他粒子进行迭代，完成位置的更新，并结合步骤3.3实时修改维度，得出无人机飞行路径。
[0035]
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于全球离散网格的无人机城市路径规划方法，步骤3.2中，通过使用航向角和俯仰角对轨迹进行描述，完成pso粒子的初始化过程，从起点通过此公式计算得到每个途经点，并计算得到其余点角度的值，若发现线路与障碍物网格相交，则在碰撞点的附件重新随机选点，直到得到一个可行的线路，完成路径的初始化。
[0036]
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于全球离散网格的无人机城市路径规划方法，步骤3.3中，对维度值不相同的例子进行维度统一，通过目标函数得到目前最佳的粒子，以此粒子的维度为最佳，通过该粒子每个途经点在其路径网格上的位置百分比，计算其他粒子的途经点位置，包括：
[0037][0038]
其中，i∈1,2,...,s，j∈1,2,...,d
best
，n∈0,1,2,...,d
best
+1，n＝0时为起点网格，n＝d
best
+1时为终点网格，d
best
为最佳粒子的维度，d
now
为当前粒子维度，p
i,j,new
为新的网格位置，func为bresenham算法，计算得到两个网格之间的所有网格个数总和，g
best,n
为全局最佳位置的第n个维度，pi,n为个人当前位置的第n个维度。
[0039]
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基
于全球离散网格的无人机城市路径规划方法，步骤3.4中，对最优粒子和普通粒子进行定义，最优粒子为当前目标函数值最小的粒子，其他粒子为普通粒子，两种粒子分别按照不同的策略进行位置的更新，并且随着每次迭代相互转化。
[0040]
本发明实施例提供的基于全球离散网格的无人机城市路径规划方法，通过自适应大小的网格管理全球离散网格，减少网格的数量，加快无人机在规划时进行碰撞检测的速度，在规划时灵活设置维度大小，得到更优的路径。
[0041]
在另一实施例中，基于全球离散网格的无人机城市路径规划方法包括：步骤1，基于城市内的地形、建筑物、禁飞区等模型数据，进行模型数据与全球离散网格的转换。该步骤细分为几个子步骤：
[0042]
步骤a1，建立全球离散网格的计算方法，计算公式如(1)式所示。采用第23层级的网格。具体实施时，根据实际情况自行设定。
[0043]
步骤a2，通过城市内的所有模型，将模型转换为全球离散网格。实施中具体实现包括：
[0044]
在osgearth中，遍历城市内所有模型，在每个模型中，建立模型的包围盒。通过包围盒的范围，建立包围盒内所有的离散网格。采用osgearth中的射线求交方法，将这些网格的12条边以此与模型进行计算，得到每个模型对应的所有全球离散网格。
[0045]
步骤2：通过步骤1中得到的城市内所有模型的全球离散网格，建立自适应网格模型对网格进行管理。实施中具体实现包括：
[0046]
步骤b1，首先将城市内所有的网格模型索引(x,y,z)进行分析，建立一个空的list，将具有相同的(x,y)索引构造为pair((x,y),z)数据对，存放到list中；完成后，对list中所有数据进行处理，分析每个pair((x,y),z)数据对，查看相同(x,y)索引对应的z值是否连续，若连续，则将其转换为一个高度范围(z_min,z_max)，若不连续，则转换为多个高度范围。通过上述步骤，将城市内所有的网格模型转换为高度自适应的网格。
[0047]
步骤b2，在步骤b1的基础上，继续进行网格分析。此时，通过(x,y)索引，构造一个四叉树，并把步骤b1得到的高度范围按照队列的形式，附加到对应四叉树的子节点上。，对四叉树每个节点进行分析，若此节点为一个满的小四叉树，则分析这个节点下的4个子节点是否具有相同的高度范围，若其具有相同高度范围，则将4个子节点删去，把高度范围赋予父节点。通过多次迭代，形成尺度自适应的网格。
[0048]
通过步骤b1、步骤b2，本方法采用四叉树管理全球离散网格，形成自适应大小的网格索引，减少原有离散网格数量，加快检测和搜索两者的速度。
[0049]
步骤3：完成步骤1、步骤2之后，本方法构建城市内所有模型对应的全球离散网格，在此基础上，进行路径规划。
[0050]
本发明提出一种改进的pso路径规划方法。首先根据一种基于路径特点的随机化方法对粒子进行初始化，并且通过不同的位置更新策略对最优粒子和普通粒子进行更新，在上述过程中，若粒子的维度不一致，则通过维度计算统一每个粒子维度的大小(如图4所示)。
[0051]
实施例中具体实施包括：
[0052]
首先设其维度途经点的个数是d，粒子总数是s，粒子的位置和速度为为：
[0053][0054][0055]
其中，i∈1,2,...,s，j∈1,2,...,d，和为在序号为i的粒子的第j个途经点的位置和速度的值。起点和终点的坐标位置用表示，本次实施例起点和终点坐标为(6854450,2616325,2097156)，(6854585,2616214,2097170)。
[0056]
步骤c1：本发明首先设置计算的目标函数，以此评估每个粒子的状态值。
[0057]
在路径规划中，首先考虑的是路径的长度。
[0058][0059]
其中，nw是所有的途经点数量，包括起点(x1,y1,z1)和终点f
l
的值始终小于1，并且值越小，路径越短。
[0060]
为飞行过程中的安全条件，无人机路径不应与地形或地上障碍物等相交。目标函数应该对此进行描述，包括：
[0061][0062][0063]
其中，aij为一条路径中，每个航路点之间经过的每一个网格编号。若此网格的高度值zij低于网格中的地形高度则为1，其余为0。
[0064]
步骤c2：发明基于无人机飞行的特点，对初始化方法进行改进。如图5所示，将无人机的运动进行分解，使用航向角θ和俯仰角对轨迹进行为，从起点通过此公式计算得到每个途经点。其中rand(l/5)为分布在(0,l/5)的随机数。
[0065][0066][0067]
首先，计算起点的两个角度，起点到终点的线段为路径的最短距离。所以首先计算
起点和终点之间连线下，无人机的航向角和俯仰角，包括：
[0068][0069][0070]
其中，θ
i,0，
为起点航向角和俯仰角，rand(pi/2)为分布在(-pi/2,pi/2)的随机数，atan为反三角函数。基于此公式对所有粒子的起点的航向角和俯仰角进行随机初始化。
[0071]
根据上式得到第一个航点的位置，此时最短距离为此航点到终点的连线，结合连线间的角度，以二者的进行一定比例的加权计算，通过下式计算得到该航点的角度的值。
[0072][0073][0074]
其中,θ
i,j+1,
为第j+1个途经点的航向角和俯仰角，r3是分布在(0,1)的随机数，通过r3的值使无人机飞行的方向保持在上一次运动和朝向终点方向之间，atan为反三角函数。
[0075]
并且，在上述计算过程中，若发现线路与障碍物网格相交，则在碰撞点的附件重新随机选点，直到得到一个可行的线路。通过上述过程，完成路径的初始化。
[0076]
步骤c3：在完成初始化后，每个粒子的维度值不一定相同，对维度值进行统一。通过目标函数得到目前最佳的粒子，以此粒子的维度为最佳。通过该粒子每个途经点在其路径网格上的位置百分比，计算其他粒子的途经点位置，如(2)式所示。通过上述计算，可对所有粒子的维度进行统一。
[0077]
步骤c4：将粒子分为最优粒子和普通粒子。最优粒子是指当前目标函数值最小的粒子，其他粒子为普通粒子。两种粒子分别按照不同的策略进行位置的更新，并且随着每次迭代相互转化。首先，普通粒子按照如下公式进行计算：
[0078]vi,j
(k+1)＝ωv
i,j
(k)+c1r1(p
i,j,best
(k)-p
i,j
)+c2r2(g
best,j
(k)-p
i,j
)
[0079]
pi,j(k+1)＝pi,j(k)+vi,j(k+1)
[0080][0081]
vmin《vi,j(k+1)《vmax
[0082]
其中，ω为惯性系数，k为当前迭代次数，k
max
为最大迭代次数。v
min
，vmax分别为最小速度值和最大速度值，若速度vi,j(k+1)》vmax，则把其设为[v
min
,v
max
]中的一个随机值，v
min
，vmax根据不同情况可设置不同大小。pi,j,
best
(k)为第k次迭代的第i个粒子的第j个维
度的最佳位置，g
best
,j(k)为第k次迭代的全局最佳粒子的第j个维度，pi,j(k)为第k次迭代的第i个粒子的第j个维度。
[0083]
最佳粒子位置更新方法是在迭代过程中随机对途经点进行删除，比较删减前后的目标函数值小，则保留当前路径，否则还原为删减前的路径。通过多次迭代，重复执行步骤c4，最终得到最后的结果。在此过程中，若维度发生变化，则按照步骤c3进行更新维度。通过以上步骤，本发明建立城市环境的全球离散网格，并通过一种新的管理方式对网格进行有效管理，加快网格检索速度。在此基础上，通过对改进的pso算法的使用，输入起点和终点坐标，规划出一条无人机飞行的路径。
[0084]
本发明各个实施例的实现基础是通过具有处理器功能的设备进行程序化的处理实现的。因此在工程实际中，可以将本发明各个实施例的技术方案及其功能封装成各种模块。基于这种现实情况，在上述各实施例的基础上，本发明的实施例提供了一种基于全球离散网格的无人机城市路径规划装置，该装置用于执行上述方法实施例中的基于全球离散网格的无人机城市路径规划方法。参见图2，该装置包括：第一主模块，用于实现步骤1，采用等级纬度离散网格计算方法，对城市环境内的模型进行计算，将城市映射为离散网格；第二主模块，用于实现步骤2，采用全球离散网格对城市环境的描述结果建立自适应网格模型；第三主模块，用于实现步骤3，采用改进的粒子种群算法pso，在网格模型中进行路径规划，确定无人机飞行路径。
[0085]
本发明实施例提供的基于全球离散网格的无人机城市路径规划装置，采用图2中的若干模块，通过自适应大小的网格管理全球离散网格，减少网格的数量，加快无人机在规划时进行碰撞检测的速度，在规划时灵活设置维度大小，得到更优的路径。
[0086]
需要说明的是，本发明提供的装置实施例中的装置，除了可以用于实现上述方法实施例中的方法外，还可以用于实现本发明提供的其他方法实施例中的方法，区别仅仅在于设置相应的功能模块，其原理与本发明提供的上述装置实施例的原理基本相同，只要本领域技术人员在上述装置实施例的基础上，参考其他方法实施例中的具体技术方案，通过组合技术特征获得相应的技术手段，以及由这些技术手段构成的技术方案，在保证技术方案具备实用性的前提下，就可以对上述装置实施例中的装置进行改进，从而得到相应的装置类实施例，用于实现其他方法类实施例中的方法。例如：
[0087]
基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于全球离散网格的无人机城市路径规划装置，还包括：第一子模块，用于实现步骤1具体包括：步骤1.1，建立全球离散网格的计算方法；步骤1.2，根据城市内的所有模型，将模型转换为全球离散网格；其中，步骤1.1具体包括：
[0088]
[0089]
其中，n为划分的层级，从0开始，第0层具有2个网格；lon、lat、alt为所处位置的经度、纬度、大地高度；l为在第0级网格经度方向上的网格长度的一半；x为经度索引；y为纬度索引；z为高度索引。
[0090]
基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于全球离散网格的无人机城市路径规划装置，还包括：第二子模块，用于实现步骤2具体包括：步骤2.1，将城市内所有的网格模型索引进行分析，将城市内所有的网格模型转换为高度自适应的网格；步骤2.2，在步骤2.1的基础上，继续进行网格分析，形成尺度自适应的网格。
[0091]
基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于全球离散网格的无人机城市路径规划装置，还包括：第三子模块，用于实现步骤3具体包括：步骤3.1：对计算的目标函数进行设置；步骤3.2：基于无人机飞行的特点，对初始化方法进行改进，完成粒子种群算法pso的初始化；步骤3.3：根据目标函数的值，确定最优粒子，按照最优粒子的维度，对其他粒子的维度和位置进行更新；步骤3.4：按照不同策略对最优粒子和其他粒子进行迭代，完成位置的更新，并结合步骤3.3实时修改维度，得出无人机飞行路径。
[0092]
基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于全球离散网格的无人机城市路径规划装置，还包括：第四子模块，用于实现步骤3.2中，通过使用航向角和俯仰角对轨迹进行描述，完成pso粒子的初始化过程，从起点通过此公式计算得到每个途经点，并计算得到其余点角度的值，若发现线路与障碍物网格相交，则在碰撞点的附件重新随机选点，直到得到一个可行的线路，完成路径的初始化。
[0093]
基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于全球离散网格的无人机城市路径规划装置，还包括：第五子模块，用于实现步骤3.3中，对维度值不相同的例子进行维度统一，通过目标函数得到目前最佳的粒子，以此粒子的维度为最佳，通过该粒子每个途经点在其路径网格上的位置百分比，计算其他粒子的途经点位置，包括：
[0094][0095]
其中，i∈1,2,...,s，j∈1,2,...,d
best
，n∈0,1,2,...,d
best
+1，n＝0时为起点网格，n＝d
best
+1时为终点网格，d
best
为最佳粒子的维度，d
now
为当前粒子维度，p
i,j,new
为新的网格位置，func为bresenham算法，计算得到两个网格之间的所有网格个数总和，g
best,n
为全局最佳位置的第n个维度，pi,n为个人当前位置的第n个维度。
[0096]
基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于全球离散网格的无人机城市路径规划装置，还包括：第六子模块，用于实现步骤3.4中，对最优粒子和普通粒子进行定义，最优粒子为当前目标函数值最小的粒子，其他粒子为普通粒子，两种粒子分别按照不同的策略进行位置的更新，并且随着每次迭代相互转化。
[0097]
本发明实施例的方法是依托电子设备实现的，因此对相关的电子设备有必要做一下介绍。基于此目的，本发明的实施例提供了一种电子设备，如图3所示，该电子设备包括：至少一个处理器(processor)、通信接口(communications interface)、至少一个存储器
(memory)和通信总线，其中，至少一个处理器，通信接口，至少一个存储器通过通信总线完成相互间的通信。至少一个处理器可以调用至少一个存储器中的逻辑指令，以执行前述各个方法实施例提供的方法的全部或部分步骤。
[0098]
此外，上述的至少一个存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个方法实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0099]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0100]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的一些部分所述的方法。
[0101]
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。基于这种认识，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0102]
需要说明的是，术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句"包括
……
"限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0103]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；
而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。