发明内容
本申请的目的是提供一种点胶平台的相机标定方法,该点胶平台的相机标定方法可以实现点胶平台中相机的精确标定,从而有效保证产品点胶质量;本申请的另一目的是提供一种点胶平台的相机标定装置、设备及计算机可读存储介质,均具有上述有益效果。
第一方面,本申请提供了一种点胶平台的相机标定方法,包括:
获取相机在预设行程范围内移动时拍摄标定块获得的点云图像;
确定所述点云图像中的特征点,并计算各所述特征点在所述点云图像中的坐标,生成第一点集;
计算各所述特征点在点胶平台坐标系下的坐标,生成第二点集;
根据所述第一点集和所述第二点集计算获得所述点胶平台坐标系与相机坐标系之间的转换关系;
利用所述转换关系对所述相机进行标定。
优选的,所述计算各所述特征点在所述点云图像中的坐标,包括:
在所述点云图像中选择初始特征点,并获取初始特征点坐标;
利用与所述初始特征点距离不超出第一阈值的临近点拟合平面方程;
利用与所述初始特征点距离超出所述第一阈值但不超出第二阈值的临近点拟合圆柱轴线方程;
计算所述平面方程和所述圆柱轴线方程的交点坐标;
根据所述初始特征点坐标和所述交点坐标计算所述初始特征点与所述交点之间的距离;
当所述距离不超出第三阈值时,将所述交点坐标作为所述特征点在所述点云图像中的坐标;
当所述距离超出所述第三阈值时,将所述初始特征点坐标作为所述特征点在所述点云图像中的坐标。
优选的,所述临近点的获取过程包括:
利用Kd树最邻近算法获得与所述初始特征点距离不超出所述第二阈值的所有临近点。
优选的,所述利用与所述初始特征点距离不超出第一阈值的临近点拟合平面方程,包括:
通过RANSAC算法对与所述初始特征点距离不超出第一阈值的临近点进行拟合,获得所述平面方程。
优选的,所述计算各所述特征点在点胶平台坐标系下的坐标,包括:
获取所述特征点在标定块坐标系下的坐标;
将所述特征点在所述标定块坐标系下的坐标转换为所述特征点在所述点胶平台坐标系下的坐标。
优选的,所述根据所述第一点集和所述第二点集计算获得所述点胶平台坐标系与相机坐标系之间的转换关系,包括:
利用间接平差函数对所述第一点集和所述第二点集进行计算,获得所述点胶平台坐标系与相机坐标系之间的转换关系。
优选的,所述利用所述转换关系对所述相机进行标定之前,还包括:
根据各所述特征点在所述点云图像中的坐标和所述转换关系计算获得各重投影目标点坐标;
根据各所述重投影目标点坐标和各所述特征点在点胶平台坐标系下的坐标计算获得各所述特征点对应的重投影误差;
若所有所述重投影误差中的最大重投影误差不超出第四阈值,则执行所述利用所述转换关系对所述相机进行标定的步骤。
第二方面,本申请还公开了一种点胶平台的相机标定装置,包括:
点云图像获取模块,用于获取相机在预设行程范围内移动时拍摄标定块获得的点云图像;
第一点集生成模块,用于确定所述点云图像中的特征点,并计算各所述特征点在所述点云图像中的坐标,生成第一点集;
第二点集生成模块,用于计算各所述特征点在点胶平台坐标系下的坐标,生成第二点集;
转换关系计算模块,用于根据所述第一点集和所述第二点集计算获得所述点胶平台坐标系与相机坐标系之间的转换关系;
相机标定模块,用于利用所述转换关系对所述相机进行标定。
第三方面,本申请还公开了一种点胶平台的相机标定设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上所述的任一种点胶平台的相机标定方法的步骤。
第四方面,本申请还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的任一种点胶平台的相机标定方法的步骤。
本申请所提供的一种点胶平台的相机标定方法,包括获取相机在预设行程范围内移动时拍摄标定块获得的点云图像;确定所述点云图像中的特征点,并计算各所述特征点在所述点云图像中的坐标,生成第一点集;计算各所述特征点在点胶平台坐标系下的坐标,生成第二点集;根据所述第一点集和所述第二点集计算获得所述点胶平台坐标系与相机坐标系之间的转换关系;利用所述转换关系对所述相机进行标定。
可见,本申请所提供的点胶平台的相机标定方法,通过建立点胶平台坐标系与相机坐标系之间的转换关系,实现点胶平台中相机的精确标定,先将相机以任意安装位置固定在点胶平台中,通过拍摄标定块获得标定块中的特征点在相机点云图像和点胶平台坐标系下的坐标,并计算相机坐标系和点胶平台坐标系之间的转换关系,从而完成相机与任意位姿的点胶平台的标定,实现了点胶平台中相机的精确标定,进一步提高了产品点胶质量。
本申请所提供的一种点胶平台的相机标定装置、设备及计算机可读存储介质,均具有上述有益效果,在此不再赘述。
具体实施方式
本申请的核心是提供一种点胶平台的相机标定方法,该点胶平台的相机标定方法可以实现点胶平台中相机的精确标定,从而有效保证产品点胶质量;本申请的另一核心是提供一种点胶平台的相机标定装置、设备及计算机可读存储介质,也具有上述有益效果。
为了对本申请实施例中的技术方案进行更加清楚、完整地描述,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行介绍。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
请参考图1,图1为本申请所提供的一种点胶平台的相机标定方法的流程示意图,该点胶平台的相机标定方法可包括:
S101:获取相机在预设行程范围内移动时拍摄标定块获得的点云图像;
本步骤旨在实现点云图像的获取,该点云图像是指相机对点胶平台中的标定块进行拍摄所获得的图像。具体而言,先将相机和标定块安装于点胶平台上,再按照预先设定的形成范围移动相机,并在相机移动过程中对标定块进行拍摄,即可获得多张点云图像。
其中,上述预设行程范围是指预先设定的相机在点胶平台中的移动范围,其具体行程范围由技术人员根据实际需求进行设定,本申请对此不做限定。可以理解的是,预设行程范围越大,所获得的点云图像更为全面,从而可以有效保证相机标定结果的准确性。此外,该种相机标定方法可适用于多种类型的点胶平台,如四轴点胶机、五轴点胶机等。
S102:确定点云图像中的特征点,并计算各特征点在点云图像中的坐标,生成第一点集;
本步骤旨在实现相机坐标系下特征点坐标的获取。具体而言,首先确定点云图像中的特征点,由于点云图像是对标定块进行拍摄所获得的图像,因此,该特征点即为指标定块上的特征点;进一步,计算点云图像中各特征点在点云图像中的坐标,也即特征点在相机坐标系下的坐标,由此,即可利用各点云图像中的各特征点在相机坐标系下的坐标生成第一点集。
作为一种优选实施例,上述计算各特征点在点云图像中的坐标,可以包括:在点云图像中选择初始特征点,并获取初始特征点坐标;利用与初始特征点距离不超出第一阈值的临近点拟合平面方程;利用与初始特征点距离超出第一阈值但不超出第二阈值的临近点拟合圆柱轴线方程;计算平面方程和圆柱轴线方程的交点坐标;根据初始特征点坐标和交点坐标计算初始特征点与交点之间的距离;当距离不超出第三阈值时,将交点坐标作为特征点在点云图像中的坐标;当距离超出第三阈值时,将初始特征点坐标作为特征点在点云图像中的坐标。
本优选实施例提供了一种相机坐标系下第一点集的计算方法。由于人为选择特征点的坐标不够准确,因此,本优选实施例提供了一种自动化提取特征点的实现方法。具体而言,首先在点云图像中手动选择特征点,将其作为初始特征点进行实际特征点的获取;进一步,获取该初始特征点的临近点,该临近点是指与初始特征点之间的距离不超出预设距离(对应于上述第二阈值,第一阈值小于第二阈值)的点,将这些临近点划分为两部分,分别为与初始特征点距离不超出第一阈值的临近点(所有临近点中与初始特征点距离较近的部分临近点),以及与初始特征点距离超出第一阈值但不超出第二阈值的临近点(所有临近点中与初始特征点距离较远的部分临近点);进一步,利用距离初始特征点较近的临近点拟合平面方程,利用距离初始特征点较远的临近点拟合圆柱轴线方程,进而获得两方程的交点,如若该交点与初始特征点之间的距离不超出预设阈值,即上述第三阈值,则说明该交点即为实际的特征点,将该交点的坐标作为特征点坐标即可;反之,如若交点与初始特征点之间的距离已超出第三阈值,则说明该初始特征点即为实际的特征点,将该初始特征点的坐标作为特征点坐标即可。
可以理解的是,上述第一阈值、第二阈值以及第三阈值的具体取值并不唯一,均可由技术人员根据实际情况进行设定,本申请对此不做限定。其中,第一阈值小于第二阈值。
作为一种优选实施例,上述临近点的获取过程可以包括:利用Kd树最邻近算法获得与初始特征点距离不超出第二阈值的所有临近点。
本优选实施例提供了一种临近点的获取方法,即基于Kd树最邻近算法实现,其具体实现过程参照已有技术即可,本申请在此不再赘述。当然,Kd树最邻近算法仅为本优选实施例所提供的一种实现方式,并不唯一,还可以采用其他类型的临近点搜索算法,本申请对此不做限定。
作为一种优选实施例,上述利用与初始特征点距离不超出第一阈值的临近点拟合平面方程,可以包括:通过RANSAC(Random Sample Consensus)算法对与初始特征点距离不超出第一阈值的临近点进行拟合,获得平面方程。
本优选实施例提供的一种平面方程的拟合方法,即基于RANSAC算法实现,RANSAC算法是一种根据一组包含异常数据的样本数据集,计算出数据的数学模型参数,得到有效样本数据的算法,其具体实现过程参照已有技术即可,本申请在此不再赘述。当然,RANSAC算法仅为本优选实施例所提供的一种实现方式,并不唯一,还可以采用其他类型的方程拟合算法,本申请对此不做限定。此外,圆柱轴线方程同样也可以基于该RANSAC算法实现,因此,作为一种优选实施例,上述利用与初始特征点距离超出第一阈值但不超出第二阈值的临近点拟合圆柱轴线方程,可以包括:通过RANSAC算法对与初始特征点距离超出第一阈值但不超出第二阈值的临近点进行拟合,获得圆柱轴线方程。
S103:计算各特征点在点胶平台坐标系下的坐标,生成第二点集;
本步骤旨在实现点胶平台坐标系下特征点坐标的获取,即计算点云图像中各特征点在点胶平台坐标系下的坐标,由此,即可利用各点云图像中的各特征点在点胶平台坐标系下的坐标生成第二点集。在此基础上,基于相机坐标系下的第一点集和点胶平台坐标系下的第二点集,即可计算获得相机坐标系与点胶坐标系之间的转换关系,从而利用该转换关系实现相机在点胶平台中的位置标定。
作为一种优选实施例,上述计算各特征点在点胶平台坐标系下的坐标,可以包括:获取特征点在标定块坐标系下的坐标;将特征点在标定块坐标系下的坐标转换为特征点在点胶平台坐标系下的坐标。
本优选实施例提供了一种点胶平台坐标系下第二点集的计算方法。具体而言,由于标定块在完成安装后是固定于点胶平台上的,即标定块固定,因此,标定块上特征点的位置相较于标定块也是固定的,即特征点在标定块坐标系中的坐标是固定的,因此,可以先获取各特征点在标定块坐标系下的坐标,再将其转换至点胶平台坐标系下,从而实现第二点集的获取。
S104:根据第一点集和第二点集计算获得点胶平台坐标系与相机坐标系之间的转换关系;
S105:利用转换关系对相机进行标定。
以上步骤旨在实现点胶平台坐标系与相机坐标系之间转换关系的获取,进而基于两坐标系之间的转换关系实现相机在点胶平台上位置的标定。需要说明的是,上述S102与S103的执行顺序并不唯一,图1所示执行顺序仅为本申请实施例所提供的一种实现形式,为保证工作效率,二者也可同时执行,本申请对此不做限定。
作为一种优选实施例,上述根据第一点集和第二点集计算获得点胶平台坐标系与相机坐标系之间的转换关系,可以包括:利用间接平差函数对第一点集和第二点集进行计算,获得点胶平台坐标系与相机坐标系之间的转换关系。
本优选实施例提供了一种点胶平台坐标系与相机坐标系之间转换关系的计算方法,即基于间接平差函数实现,具体为将点胶平台坐标系下的第二点集和相机坐标系下的第一点集代入间接平差函数模型,从而实现两坐标系转换关系的计算。此外,点胶平台坐标系与相机坐标系之间的转换关系具体可以为转换矩阵,该转换矩阵包括旋转矩阵和平移矩阵,其中,为避免出现万向锁的问题,旋转矩阵具体可以采用四元数表示。
作为一种优选实施例,上述利用转换关系对相机进行标定之前,还可以包括:根据各特征点在点云图像中的坐标和转换关系计算获得各重投影目标点坐标;根据各重投影目标点坐标和各特征点在点胶平台坐标系下的坐标计算获得各特征点对应的重投影误差;若所有重投影误差中的最大重投影误差不超出第四阈值,则执行利用转换关系对相机进行标定的步骤。
为进一步保证相机标定结果的准确性,在获得点胶平台坐标系与相机坐标系之间的转换关系之后,还可以对该转换关系进行误差计算,以获得更为准确的转换关系。具体的,先利用转换关系对各特征点在点云图像中的坐标进行计算,获得各特征点对应的重投影目标点坐标,再利用坐标信息计算各特征点与其对应的重投影目标点之间的距离,获得上述重投影误差,进一步,从所有重投影误差中找出取值最大的重投影误差,即上述最大重投影误差,若该最大重投影误差的取值不超出第四阈值,则说明该转换关系准确,可以基于该转换关系进行后续相机标定步骤,反之则说明上述转换关系不准确,需要重新计算该转换关系,直至获得最大重投影误差不超出第四阈值的转换关系。当然,上述第四阈值的具体取值并不唯一,由技术人员根据实际情况进行设定即可,本申请对此不做限定。
可见,本申请所提供的点胶平台的相机标定方法,通过建立点胶平台坐标系与相机坐标系之间的转换关系,实现点胶平台中相机的精确标定,先将相机以任意安装位置固定在点胶平台中,通过拍摄标定块获得标定块中的特征点在相机点云图像和点胶平台坐标系下的坐标,并计算相机坐标系和点胶平台坐标系之间的转换关系,从而完成相机与任意位姿的点胶平台的标定,实现了点胶平台中相机的精确标定,进一步提高了产品点胶质量。
本申请实施例提供了另一种点胶平台的相机标定方法,该实施例以五轴点胶平台中3d相机的标定为例,对本申请所提出的点胶平台的相机标定方法进行具体介绍。
请参考图2,图2为本申请所提供的另一种点胶平台的相机标定方法的流程示意图,其具体实现流程如下:
1、安装相机与标定块:
请参考图,图3为本申请所提供的一种五轴点胶平台的结构示意图,将3d相机1和涂胶针头2固定安装在五轴点胶平台上,跟随五轴点胶平台沿X轴和Z轴运动;将标定块3固定安装在AC转台4上,可以跟随五轴点胶平台沿Y轴运动,并进行A轴和C轴转动。
2、设定五轴运动轨迹:
根据标定块的特征点分布,多次移动五轴点胶平台以带动3d相机以合适的位姿拍摄标定块,使得标定块上的特征点成像清晰,便于提取。其中,可以尽量大行程范围(预设行程范围)的移动五轴点胶平台,以保证实际测量时的五轴位姿在标定时的行程范围内。
3、相机采集标定块的点云图像:
每次五轴点胶平台移动到步骤2设定的位姿时,则使用3d相机拍摄当前时刻的标定块的点云图像。请参考图4,图4为本申请所提供的一种点云图像,其中,凸起圆柱即为特征点。
4、获得特征点在点云中的坐标M:
将点云图像中的特征圆柱的顶面圆心作为特征点,由于人为选择特征点的坐标不够准确,因此可以建立自动提取特征点的算法。请参考图5,图5为本申请所提供的一种相机坐标系下特征点坐标的获取方法的流程示意图,其具体实现流程可包括:
401、在点云图像中,手动获取圆柱顶面圆心“附近”的一个点(初始特征点)的三维坐标,以通过该点求得最终的顶面圆心特征点;
402、将输入点坐标作为搜索点,利用Kd树最近邻算法找到该输入点附近设定阈值范围内(第二阈值)的所有点(临近点),并根据与该输入点的距离远近进行排序;
403、在最近邻搜索的所有点范围内,根据距离排序的索引选择距离输入点较近的点集(即与初始特征点距离不超出第一阈值的临近点),使用RANSAC算法拟合平面,获得拟合平面方程,表示为:
Ax+By+Cz+D=0
404、在最近邻搜索的所有点范围内,根据距离排序的索引选择距离输入点较远的点集(即与初始特征点距离超出第一阈值但不超出第二阈值的临近点),使用RANSAC算法拟合圆柱,获得圆柱轴线的方程,表示为:
405、圆柱轴线与顶面平面的交点即为圆柱体顶面的圆心,将轴线与平面两方程联立,获得:
因此,交点坐标(x交,y交,z交)可以表示为:
(mt+x0,nt+y0,pt+z0)
406、将输入点坐标表示为(x入,y入,z入),由此,计算求得交点与输入点之间的距离:
如若Difference小于预设阈值(第三阈值),则说明交点为特征点,输出交点坐标作为特征点在点云中的坐标M;如若Difference大于预设阈值,则说明初始特征点为特征点,输出初始特征点坐标特征点在点云中的坐标M。
5、获得特征点在五轴下的坐标N:
通过加工精度可以保证标定块上特征点的位置精度,而标定块通过定位销固定在AC转台上,因此,可以将标定块数模中的特征点坐标(即标定块坐标系下的特征点坐标)转换到五轴点胶平台基准坐标系下,获得特征点在五轴下的坐标N。
6、根据MN坐标计算转换矩阵T:
通过步骤4和步骤5分别获得特征点在相机拍摄点云中和五轴坐标系下的坐标,由此,即可通过两个点集的多点拟合获得两者之间的转换矩阵T。
由于两个点集为欧式变换,为避免万向锁问题,可以使用四元数表示旋转矩阵,其中,四元数是由实数加上三个虚数单位i、j、k组成,且具有如下关系:i2=j2=k2=-1,每个四元数均为1、i、j、k的线性组合,即四元数一般可以表示为:a+bi+cj+dk,a、b、c、d均为实数。由此,将五轴坐标系与相机点云之间的旋转矩阵用四元数表示为:R(a,b,c,d),平移向量表示为:(t1,t2,t3),t1、t2、t3是指平移向量在X轴、Y轴、Z轴方向上的三个分量,则五轴坐标系与相机点云之间的转换关系可以表示为:
由于旋转矩阵具有a2+b2+c2+d2-1=0的限制条件,即四元数的模为1,因此,可以使用限制条件的间接平差函数模型:
由此,即可根据该函数模型中的系数阵计算方法,使用附有限制条件的间接平差原理获得五轴坐标系与相机坐标系之间转换关系T。
7、计算重投影误差:
3d相机在步骤2设定的五轴位姿下拍摄标定块,根据步骤4自动提取特征点在相机点云中的坐标:Pcam(xcam,ycam,zcam),根据步骤5获得特征点在五轴坐标系下的坐标:Pma(xma,yma,zma),使用步骤6中求解获得的相机坐标系与五轴坐标系的转换关系T,计算重投影目标点Pre(xre,yre,zre)和重投影误差Error,公式为:
如果点集中重投影误差的最大值小于设定阈值(第四阈值),则表示标定成功;如果重投影误差的最大值大于设定阈值,则表示标定失败,重新进行标定即可。
可见,本申请实施例所提供的点胶平台的相机标定方法,通过建立点胶平台坐标系与相机坐标系之间的转换关系,实现点胶平台中相机的精确标定,先将相机以任意安装位置固定在点胶平台中,通过拍摄标定块获得标定块中的特征点在相机点云图像和点胶平台坐标系下的坐标,并计算相机坐标系和点胶平台坐标系之间的转换关系,从而完成相机与任意位姿的点胶平台的标定,实现了点胶平台中相机的精确标定,进一步提高了产品点胶质量。
为解决上述技术问题,本申请还提供了一种点胶平台的相机标定装置,请参考图6,图6为本申请所提供的一种点胶平台的相机标定装置的结构示意图,该点胶平台的相机标定装置可包括:
点云图像获取模块100,用于获取相机在预设行程范围内移动时拍摄标定块获得的点云图像;
第一点集生成模块200,用于确定点云图像中的特征点,并计算各特征点在点云图像中的坐标,生成第一点集;
第二点集生成模块300,用于计算各特征点在点胶平台坐标系下的坐标,生成第二点集;
转换关系计算模块400,用于根据第一点集和第二点集计算获得点胶平台坐标系与相机坐标系之间的转换关系;
相机标定模块500,用于利用转换关系对相机进行标定。
可见,本申请实施例所提供的点胶平台的相机标定装置,通过建立点胶平台坐标系与相机坐标系之间的转换关系,实现点胶平台中相机的精确标定,先将相机以任意安装位置固定在点胶平台中,通过拍摄标定块获得标定块中的特征点在相机点云图像和点胶平台坐标系下的坐标,并计算相机坐标系和点胶平台坐标系之间的转换关系,从而完成相机与任意位姿的点胶平台的标定,实现了点胶平台中相机的精确标定,进一步提高了产品点胶质量。
作为一种优选实施例,上述第一点集生成模块200可以包括:
初始特征点选择单元,用于在点云图像中选择初始特征点,并获取初始特征点坐标;
平面方程拟合单元,用于利用与初始特征点距离不超出第一阈值的临近点拟合平面方程;
圆柱轴线拟合方程,用于利用与初始特征点距离超出第一阈值但不超出第二阈值的临近点拟合圆柱轴线方程;
交点坐标计算单元,用于计算平面方程和圆柱轴线方程的交点坐标;
距离计算单元,用于根据初始特征点坐标和交点坐标计算初始特征点与交点之间的距离;
第一距离判定单元,用于当距离不超出第三阈值时,将交点坐标作为特征点在点云图像中的坐标;
第二距离判定单元,用于当距离超出第三阈值时,将初始特征点坐标作为特征点在点云图像中的坐标。
作为一种优选实施例,上述第一点集生成模块200还可包括临近点获取单元,用于利用Kd树最邻近算法获得与初始特征点距离不超出第二阈值的所有临近点。
作为一种优选实施例,上述平面方程拟合单元可具体用于通过RANSAC算法对与初始特征点距离不超出第一阈值的临近点进行拟合,获得平面方程。
作为一种优选实施例,上述第二点集生成模块300可具体用于获取特征点在标定块坐标系下的坐标;将特征点在标定块坐标系下的坐标转换为特征点在点胶平台坐标系下的坐标。
作为一种优选实施例,上述转换关系计算模块400可具体用于利用间接平差函数对第一点集和第二点集进行计算,获得点胶平台坐标系与相机坐标系之间的转换关系。
作为一种优选实施例,该点胶平台的相机标定装置还可包括误差判定模块,用于在上述利用转换关系对相机进行标定之前,根据各特征点在点云图像中的坐标和转换关系计算获得各重投影目标点坐标;根据各重投影目标点坐标和各特征点在点胶平台坐标系下的坐标计算获得各特征点对应的重投影误差;若所有重投影误差中的最大重投影误差不超出第四阈值,则执行利用转换关系对相机进行标定的步骤。
对于本申请提供的装置的介绍请参照上述方法实施例,本申请在此不做赘述。
为解决上述技术问题,本申请还提供了一种点胶平台的相机标定设备,请参考图7,图7为本申请所提供的一种点胶平台的相机标定设备的结构示意图,该点胶平台的相机标定设备可包括:
存储器10,用于存储计算机程序;
处理器20,用于执行计算机程序时可实现如上述任意一种点胶平台的相机标定方法的步骤。
对于本申请提供的设备的介绍请参照上述方法实施例,本申请在此不做赘述。
为解决上述问题,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时可实现如上述任意一种点胶平台的相机标定方法的步骤。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本申请提供的计算机可读存储介质的介绍请参照上述方法实施例,本申请在此不做赘述。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的技术方案进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请的保护范围内。