发明内容
本申请实施例提供一种给无人机巡采巡查赋予人工智能的方法、移动AI装置、无人机地面站系统和计算机可读存储介质,以解决现有无人机巡采巡查时,不能自动对采查数据进行处理,以获得所需要的信息进行风险预警和/或无人机智能作业等,导致人力成本较高,效率和智能化程度较低的问题。
第一方面,本申请实施例提供一种给无人机巡采巡查赋予人工智能的方法,应用于移动AI装置,所述移动AI装置用于分别与无人机地面站设备、以及后台服务器系统通信连接,所述无人机地面站设备与无人机通信连接,所述方法包括:
接收所述无人机地面站设备发送的携带有位置信息的采查数据,所述采查数据包括视觉数据、听觉数据和嗅觉数据中的至少一种,所述采查数据是所述无人机对采查任务进行巡采巡查过程中采集的数据,所述位置信息用于描述采集所述采查数据时所述无人机所处的位置;
根据所述位置信息,确定所述采查数据对应的人工智能算法模型;
使用所述人工智能算法模型对所述采查数据进行处理,得到人工智能计算结果;
将所述人工智能计算结果推送至所述后台服务器系统;和/或,根据人工智能计算结果向无人机地面站设备发送无人机飞控指令和吊舱动作指令中的至少一种,无人机飞控指令用于指示无人机执行对应的飞行动作,吊舱动作指令用于指示无人机吊舱设备执行对应的动作。本申请实施例通过移动AI装置给无人机赋予了大脑,移动AI装置自动对无人机采集的采查数据进行处理,得到人工智能计算结果后,一方面可将人工智能计算结果推送至后台服务系统,实现风险预警和/或数据监测。例如,人工智能计算结果包括风险预警信息和/或数据监测信息时,移动AI装置将风险预警信息和/或数据监测信息推送至后台服务器系统,实现风险预警和/或数据监测;另一方面也可根据人工智能计算结果给无人机地面站设备发送指令。例如,人工智能计算结果包括无人机飞控指令和/或吊舱动作指令,无人机和无人机吊舱设备通过无人机地面站设备接收到对应指令后,主动执行对应的动作,以实现无人机智能作业。
综上所述,本申请实施例通过移动AI装置给无人机赋予了大脑,实现了风险预警和/或数据监测、无人机智能作业,降低了人力成本,提高了效率和智能化程度。
在第一方面的一些可能的实现方式中,所述方法还包括:
向后台服务器系统发送携带有所述移动AI装置的唯一ID的请求,所述请求用于指示所述后台服务器系统查找所述唯一ID对应的版本信息;
接收所述后台服务器系统发送的所述唯一ID对应的版本信息;
根据所述唯一ID对应的版本信息和本地版本信息,确定更新信息,所述更新信息包括以下至少一项:需要版本更新的算法包的ID、需要增加的算法包的ID和需要删除的算法包的ID,每个所述算法包对应一个人工智能算法模型,所述人工智能算法模型是基于采查任务或者采查策略建立并预先训练完成的模型;
根据所述更新信息进行更新操作。
在第一方面的一些可能的实现方式中,根据所述更新信息进行更新操作,包括:
若所述更新信息包括需要版本更新的算法包的ID,根据所述需要版本更新的算法包的ID从所述后台服务器系统下载对应版本的算法包;
使用从所述后台服务器系统下载的对应版本的算法包更新本地对应的算法包,并更新本地版本文件;
若所述更新信息包括需要增加的算法包的ID,从所述后台服务器系统下载与所述需要增加的算法包的ID对应的算法包;
若所述更新信息包括需要删除的算法包的ID,从本地存储的算法包中删除与所述需要删除的算法包的ID对应的算法包。
在第一方面的一些可能的实现方式中,根据所述位置信息,确定所述采查数据对应的人工智能算法模型,包括:
根据预先存储的位置范围和采查任务之间的对应关系,确定所述位置信息对应的采查任务以及所述采查任务对应的人工智能算法模型,每个所述采查数据对应一个或多个采查任务,每个采查任务对应一个人工智能算法模型。
在第一方面的一些可能的实现方式中,所述移动AI装置包括人工智能计算模块、无线网络通信模块和电池模块;
所述人工智能计算模块分别与所述无线网络通信模块、以及所述电池模块连接;
所述电池模块还与所述无线网络通信模块连接。
需要说明的是,现有技术中,无人机地面站接收到无人机采集的采查数据之后,一般是通过散装的硬件和后台服务器系统通信,以将无人机采集的采查数据传输至后台系统。散装的硬件不方便携带,容易丢失且稳定性不高。
另外,无人机地面站接收到采查数据之后,只能简单地将采查数据发送至后台服务器系统,不能对该采查数据进行智能处理且实现风险预警。
而在该实现方式中,将人工智能计算模块、无线网络通信模块和电池模块集成为一个移动AI装置,移动AI装置方便携带,不易丢失且稳定性更高,还可以对地面站传输的采查数据进行智能处理后,再将处理结果传输回后台服务器系统。
第二方面,本申请实施例提供一种移动AI装置,所述移动AI装置包括人工智能计算模块、无线网络通信模块和电池模块,所述无线网络通信模块用于与后台服务器系统连接;
所述人工智能计算模块分别与所述电池模块、以及所述无线网络通信模块连接,所述电池模块还与所述无线网络通信模块连接;
所述人工智能计算模块用于接收所述无人机地面站设备发送的携带有位置信息的采查数据,所述采查数据包括视觉数据、听觉数据和嗅觉数据中的至少一种,所述采查数据是无人机对采查任务进行巡采巡查过程中采集的数据,所述位置信息用于描述采集所述采查数据时所述无人机所处的位置;根据所述位置信息,确定所述采查数据对应的人工智能算法模型;使用所述人工智能算法模型对所述采查数据进行处理,得到人工智能计算结果;
所述无线网络通信模块用于获取所述人工智能计算模块的人工智能计算结果,将所述人工智能计算结果推送至所述后台服务器系统,和/或,根据人工智能计算结果向无人机地面站设备发送无人机飞控指令和吊舱动作指令中的至少一种,无人机飞控指令用于指示无人机执行对应的飞行动作,吊舱动作指令用于指示无人机吊舱设备执行对应的动作。
本申请实施例中,不仅将人工智能计算模块、无线网络通信模块和电池模块等集成在一个移动AI装置中,通过移动AI装置中的人工智能计算模块还可以自动对无人机采集的采查数据进行处理,得到人工智能计算结果。一方面,移动AI装置方便携带,不易丢失且稳定性更高,可以对无人机地面站传输的采查数据进行智能处理。另一方面,使用移动AI装置自动对无人机采集的采查数据进行智能处理,不用人工查看采查数据以获得相关信息,降低了人力成本,提高了效率和智能化程度。
在第二方面的一些可能的实现方式中,所述人工智能计算模块具体用于:
根据预先存储的位置范围和采查任务之间的对应关系,确定所述位置信息对应的采查任务以及所述采查任务对应的人工智能算法模型,每个所述采查数据对应一个或多个采查任务,每个采查任务对应一个人工智能算法模型。
在第二方面的一些可能的实现方式中,所述人工智能计算模块还用于:
向后台服务器系统发送携带有所述移动AI装置的唯一ID的请求,所述请求用于指示所述后台服务器系统查找所述唯一ID对应的版本信息;
接收所述后台服务器系统发送的所述唯一ID对应的版本信息;
根据所述唯一ID对应的版本信息和本地版本信息,确定更新信息,所述更新信息包括以下至少一项:需要版本更新的算法包的ID、需要增加的算法包的ID和需要删除的算法包的ID,每个所述算法包对应一个人工智能算法模型,所述人工智能算法模型是基于采查任务或者采查策略建立并预先训练完成的模型;
根据所述更新信息进行更新操作。
在第二方面的一些可能的实现方式中,所述人工智能计算模块具体用于:
若所述更新信息包括需要版本更新的算法包的ID,根据所述需要版本更新的算法包的ID从所述后台服务器系统下载对应版本的算法包;
使用从所述后台服务器系统下载的对应版本的算法包更新本地对应的算法包,并更新本地版本文件;
若所述更新信息包括需要增加的算法包的ID,从所述后台服务器系统下载与所述需要增加的算法包的ID对应的算法包;
若所述更新信息包括需要删除的算法包的ID,从本地存储的算法包中删除与所述需要删除的算法包的ID对应的算法包。
在第二方面的一些可能的实现方式中,所述无线网络通信模块包括路由器和路由器网口,所述路由器包括4G路由器或者5G路由器。
在第二方面的一些可能的实现方式中,所述电池模块包括可充电电池和充电口。
在第二方面的一些可能的实现方式中,所述移动AI装置还包括与所述人工智能计算模块和所述无线网络通信模块连接,用于显示所述人工智能计算模块和所述无线网络通信模块工作状态的运行状态显示模块。
第三方面,本申请实施例提供一种无人机地面站系统,包括无人机地面站设备和移动AI装置;所述无人机地面站设备用于与无人机连接,所述移动AI装置用于与后台服务器系统连接;所述移动AI装置和所述无人机地面站设备连接;
所述无人机地面站设备用于接收所述无人机发送的携带有位置信息的采查数据,将所述采查数据传输至所述移动AI装置;其中,所述采查数据是无人机对采查任务进行巡采巡查过程中采集的数据,所述采查数据包括视觉数据、听觉数据和嗅觉数据中的至少一种,所述位置信息用于描述采集所述采查数据时所述无人机所处的位置;
所述移动AI装置用于接收所述采查数据;根据所述位置信息,确定所述采查数据对应的人工智能算法模型;使用所述人工智能算法模型对所述采查数据进行处理,得到人工智能计算结果;将所述人工智能计算结果推送至所述后台服务器系统,和/或,根据人工智能计算结果向无人机地面站设备发送无人机飞控指令和吊舱动作指令中的至少一种,无人机飞控指令用于指示无人机执行对应的飞行动作,吊舱动作指令用于指示无人机吊舱设备执行对应的动作。
在第三方面的一些可能的实现方式中,所述移动AI装置还用于:
向所述后台服务器系统发送携带有所述移动AI装置的唯一ID的请求,所述请求用于指示所述后台服务器系统查找所述唯一ID对应的版本信息;
接收所述后台服务器系统发送的所述唯一ID对应的版本信息;
根据所述唯一ID对应的版本信息和本地版本信息,确定更新信息,所述更新信息包括以下至少一项:需要版本更新的算法包的ID、需要增加的算法包的ID和需要删除的算法包的ID,每个所述算法包对应一个人工智能算法模型,所述人工智能算法模型是基于采查任务或者采查策略建立并预先训练完成的模型;
根据所述更新信息进行更新操作。
在第三方面的一些可能的实现方式中,所述移动AI装置具体用于:
若所述更新信息包括需要版本更新的算法包的ID,根据所述需要版本更新的算法包的ID从所述后台服务器系统下载对应版本的算法包;
使用从后台服务器系统下载的对应版本的算法包更新本地对应的算法包,并更新本地版本文件;
若所述更新信息包括需要增加的算法包的ID,从所述后台服务器系统下载与所述需要增加的算法包的ID对应的算法包;
若所述更新信息包括需要删除的算法包的ID,从本地存储的算法包中删除与所述需要删除的算法包的ID对应的算法包。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面任一项所述的方法。
第五方面,本申请实施例提供一种计算机程序产品,当计算机程序产品在移动AI装置上运行时,使得移动AI装置执行上述第一方面中任一项所述的方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。
下面首先对本申请实施例提供的移动AI(Artificial Intelligence,人工智能)脑件进行介绍。
请参见图1,图1为本申请实施例提供的移动AI脑件结构示意框图。如图1所示,该移动AI脑件包括人工智能计算模块11、无线网络通信模块12和电池模块13。人工智能计算模块11分别与无线网络通信模块12、以及电池模块13连接。电池模块13还与无线网络通信模块12连接。电池模块13为人工智能计算模块11和无线网络通信模块12供电。无线网络通信模块12可以用于与后台服务器系统连接。
在一些实施例中,该移动AI脑件还可包括运行状态显示模块14,运行状态显示模块14与人工智能计算模块11和无线网络通信模块12连接,用于显示人工智能计算模块11和无线网络通信模块12的工作状态。运行状态显示模块14还与电池模块13连接,电池模块13为运行状态显示模块14供电。
人工智能计算模块11可以具体外现为一个人工智能计算板,该人工智能计算板可以为但不限于Jetson TX2或AGX Xavier等型号。一般情况下,人工智能计算板的计算能力越高越好。例如,AGX Xavier的计算能力可以达到32T,故可以选取AGX Xavier作为上述人工智能计算模块11。
人工智能计算模块11可以用于接收无人机地面站设备发送的携带有位置信息的采查数据;根据位置信息,确定采查数据对应的人工智能算法模型;使用人工智能算法模型对采查数据进行处理,得到人工智能计算结果。
其中,该采查数据可以是无人机执行采查任务过程中采集的数据,而该位置信息用于描述采集采查数据时无人机所处的位置。该采查数据包括视觉数据、听觉数据和嗅觉数据中的至少一种,视觉数据可以具体为图片数据或者视频数据,听觉数据可以具体为音频数据。一般情况下,视觉数据可以是指通过无人机上搭载的图像传感器或者云台相机等采集的数据,听觉数据可以是指通过无人机上搭载的声音传感器采集的数据,嗅觉传感器可以是指通过无人机上搭载的气味传感器采集的数据。
具体应用中,无人机可以根据预先规划出的航班信息进行巡采巡查作业,以对采查任务进行巡采巡查。无人机在巡采巡查的过程中,可以通过搭载的云台相机拍摄视频或者图片,并将拍摄的视频或者图片实时回传至无人机地面站设备。无人机在拍摄视频或者图片的时候会实时记录自身的位置信息,即无人机采集每一帧图像时,会记录采集该帧图像时所处位置的位置信息。该位置信息一般是GPS位置信息。
无人机地面站设备可以实时接收无人机回传的采查数据,并将该采查数据传输至移动AI脑件中的人工智能计算模块11。具体应用中,无人机地面站设备上集成有HDMI采集卡,通过该HDMI采集卡,无人机地面站设备可以将无人机采集的图像帧传输至移动AI脑件。该HDMI采集卡可以为但不限于Acasis 4K或者Capture HDMI GEN2等型号。
移动AI脑件中的人工智能计算模块11可以使用人工智能算法模型对无人机地面站设备传输的采查数据进行人工智能计算,得到人工智能计算结果。
具体来说,人工智能计算模块11内预先加载有多个人工智能算法模型,该人工智能算法模型是预先训练完成的。每一个采查任务对应一个人工智能算法模型。另外,该人工智能计算模块11内还预先加载有位置范围和采查任务的对应关系,基于该对应关系,可以确定出携带有位置信息的采查数据对应的采查任务。
例如,采查任务为检测某个区域内的网格梁覆盖区域的裸露情况,根据采查范围等设置该采查任务对应的经纬度范围(即位置范围)。当某个图片的位置信息落入到该位置范围内,则认为该图片对应的采查任务是检测某个区域内的网格梁覆盖区域的裸露情况。反之,如果某个图片的位置信息没有落入到该位置范围,则认为该图片对应的采查任务不是检测某个区域内的网格梁覆盖区域的裸露情况。
需要说明的是,一张图片可以对应一个采查任务,也可以对应至少两个采查任务。也就是说,人工智能计算模块11可能使用一个人工智能算法模型来对采查数据进行处理,也可能同时使用多个人工智能算法模型来对采查数据进行处理。人工智能算法模型包括但不限于图像识别算法模型、目标检测算法模型、目标跟踪算法模型、声源识别算法模型、声源识别抓拍算法模型、气味源识别算法模型、气味源识别抓拍算法模型和避障算法等。
人工智能计算模块11可以实时获取无人机地面站设备传输的携带有位置信息的采查数据。采查数据包括视觉数据、听觉数据和嗅觉数据中的至少一种,对于每一个采查数据,人工智能计算模块11可以根据该采查数据所携带的位置信息,以及预先存储的位置范围和采查任务之间的对应关系,确定该采查数据对应的采查任务。
需要说明的是,对于一个图片来说,其可能存在对应的采查任务,也可能不存在对应的采查任务。另外,一个图片还可以对应一个或多个采查任务,例如,某一个图片的位置信息落入到两个采查任务对应的位置范围,当一个图片对应一个或多个采查任务时,此时该图片对应一个或多个人工智能算法模型。
人工智能计算模块11根据采查数据携带的位置信息确定出采查任务之后,可以从预先存储的多个人工智能算法模型中选取出该采查任务的模型,将该模型作为人工智能算法模型。人工智能算法模型是基于采查任务建立的,每个采查任务均有其各自的人工智能算法模块。
人工智能计算模块11确定出人工智能算法模型之后,可以将该采查数据输入至人工智能算法模型,获得该人工智能算法模型输出的人工智能计算结果。
人工智能计算模块11在获得人工智能计算结果之后,可以通过无线网络通信模块12将人工智能计算结果推送至后台服务器系统。
上述无线网络通信模块12可以包括但不限于路由器和路由器网口,该路由器可以是4G路由器,也可以是5G路由器,4G路由器或者5G路由器可以为但是不限于USR-G806等型号。
上述电池模块13可以包括可充电电池和充电口,该可充电电池可以是锂电池,例如,该可充电电池为18650锂电池。
需要指出的是,人工智能计算模块11、无线网络通信模块12、电池模块13和运行状态显示模块14集成在移动AI脑件。具体来说,该移动AI脑件为可移动的装置,可以包括一个壳体,在该壳体内集成有人工智能计算模块11、无线网络通信模块12、电池模块13和运行状态显示模块14,这四个模块之间的连接关系可以参见上文相应内容。在该壳体表面留有对应的接口,例如,充电接口、路由器网口、HDMI接口、USB接口、以太网接口和存储卡插槽等。另外,该壳体表面还有相应的按键,例如,电源键、Force recovery键和reset键等。
需要说明的是,移动AI脑件中的人工智能算法模型是预先加载的。当满足一定的更新条件(例如,增加采查任务、删除采查任务或者需要版本更新等)时,移动AI脑件可以执行更新操作。此时,移动AI脑件可以从远程后台服务器系统中下载到对应的版本信息,并根据远程后台服务器系统上的版本信息和本地的版本信息,进行更新操作。
具体地,人工智能计算模块还用于:向后台服务器系统发送携带有移动AI脑件的唯一ID的请求,请求用于指示后台服务器系统查找唯一ID对应的版本信息;接收后台服务器系统发送的唯一ID对应的版本信息;根据唯一ID对应的版本信息和本地版本信息,确定更新信息,更新信息包括以下至少一项:需要版本更新的算法包的id、需要增加的算法包的id和需要删除的算法包的id,每个算法包对应一个人工智能算法模型,人工智能算法模型是基于采查任务或者采查策略建立并预先训练完成的模型;根据该更新信息进行更新操作。
更具体地,若更新信息包括需要版本更新的算法包的id,根据需要版本更新的算法包的id从后台服务器系统下载对应版本的算法包;使用从后台服务器系统下载的对应版本的算法包更新本地对应的算法包,并更新本地版本文件。若更新信息包括需要增加的算法包的id,从后台服务器系统下载与需要增加的算法包的id对应的算法包;若更新信息包括需要删除的算法包的id,从本地存储的算法包中删除与需要删除的算法包的id对应的算法包。
需要说明的是,人工智能计算模块11对采查数据进行人工智能计算后,一方面可以将人工智能计算结果推送至后台服务器系统,例如,人工智能计算结果包括风险预警信息和数据监测信息中的至少一种,将风险预警信息和数据监测信息中的至少一种信息推送至后台服务器系统,以实现风险预警和/或数据监测等;另一方面也可能根据人工智能计算结果向无人机地面站设备发送无人机飞控指令及吊舱动作指令中的至少一种指令;无人机及其吊舱设备通过无人机地面站设备接收到无人机飞控指令或者吊舱动作指令后,主动执行相应的动作,以实现无人机智能作业。其中,无人机飞控指令是指给无人机发送指令,用于指示无人机执行对应的飞行动作,例如给无人机发送悬停指令,指示无人机执行悬停的动作;吊舱动作指令是指给搭载在无人机上的设备(或称为无人机吊舱设备)发送指令,用于指示无人机吊舱设备执行对应的动作,例如给搭载在无人机上的云台相机发送将拍摄角度调整为45°的指令,指示云台相机将拍摄角度调整为45°。
由上可见,本申请实施例将人工智能计算模块11、无线网络通信模块12、电池模块13和运行状态显示模块14等集成在一个移动AI脑件中,并通过移动AI脑件中的人工智能计算模块11还可以自动对无人机采集的采查数据进行处理,得到人工智能计算结果。一方面,移动AI脑件方便携带,不易丢失且稳定性更高,可以对无人机地面站传输的采查数据进行智能处理。另一方面,使用移动AI脑件自动对无人机采集的采查数据进行智能处理,不用人工查看采查数据以获得相关信息,降低了人力成本,提高了效率和智能化程度。
相较而言,现有技术中,利用无人机进行巡采巡查作业时,如果需要将无人机采集的采查数据实时回传至后台服务器系统,需要携带路由器、电源、各种的连接线等硬件,且这些硬件均是散装的,室外作业时携带十分不方便。另外,散装的硬件也很容易丢失,且通过各种连接线将各个散装硬件连接起来的稳定性也很差。
现有技术中,室外作业的场景下,无人机地面站系统在接收到无人机回传的采查数据之后,一般不能对该采查数据进行处理,而是将该采查数据回传至后台服务器系统,由后台服务器系统进行处理。
本申请实施例中,将路由器、电池、人工智能计算模块等硬件均集成在一个移动AI脑件中,便于携带,不易丢失且稳定性高。另外,通过增加人工智能计算模块,使得无人机地面站系统可以对无人机采集的采查数据进行处理,即,使得无人机地面站系统具有了智能处理采查数据的能力。
还需要指出的是,在无人机地面站系统对采查数据进行处理的方式相较于在后台服务器系统对采查数据进行处理的方式,前者的实时性会更高。
另外,本申请实施例在无人机地面站系统中增加了移动AI脑件,移动AI脑件通过无人机地面站设备与无人机通信,相当于给无人机装上了大脑(即移动AI脑件)。此外,移动AI脑件可以对无人机采查数据进行智能处理,得到人工智能计算结果(例如预警信息),并将该人工智能计算结果推送至后台服务器系统,以进行风险预警。
移动AI脑件得到人工智能计算结果后,还可以根据该人工智能计算结果给无人机发生对应的指令,无人机接收到指令后,可以自动执行对应的动作,例如,悬停,调整云台角度等,实现无人机智能作业。比如,无人机接收到飞控指令后,进行悬停,避免撞机事件发生。
也就是说,人工智能计算结果包括风险预警信息、数据监测信息、无人机飞控指令和吊舱动作指令中的至少一种。
为了更好地介绍移动AI脑件的结构,下面将结合图2进行介绍说明。
图2是本申请实施例提供的移动AI脑件的又一种结构示意框图,如图2所示,该移动AI脑件包括人工智能计算板21、无线路由器22、电池23、运行状态显示面板24、电池的充电接口25、路由器网口26、HDMI接口27、USB接口28、以太网接口29和存储卡插槽。
人工智能计算板21与无线路由器22通过网线连接,人工智能计算板21还与USB接口28和HDMI接口27连接。电池23与人工智能计算板21、无线路由器22、运行状态显示面板24连接,为人工智能计算板21、无线路由器22和运行状态显示面板24供电。无线路由器22还与路由器网口26连接。以太网接口29通过USB接口28与人工智能计算板21连接。存储卡插槽与人工智能计算板21连接。
具体应用中,无人机地面站设备中包括HDMI采集卡,无人机地面站设备依次通过HDMI采集卡、USB接口28,将采查数据传输至人工智能计算板21。该USB接口28可以包括第一USB接口和第二USB接口,第一USB接口可以与无人机地面站设备的HDMI采集卡、人工智能计算板21连接,第二USB接口可以与人工智能计算板21连接,但不与HDMI采集卡连接。
在一些实施例中,无人机地面站设备还可以包括遥控器和移动终端设备,无人机驾驶员可以使用遥控器控制无人机进行巡采巡查作业,移动终端设备(例如笔记本)与无人机连接,实时接收无人机巡采巡查拍摄得到的图片数据或者视频数据。
运行状态显示面板24与人工智能计算板21、无线路由器22连接,可用于显示人工智能计算板21以及无线路由器22的工作状态。运行状态显示面板24还与电池23连接,可用于显示电池23的电量情况。
移动AI脑件可以用于与无人机地面站设备组成无人机地面站系统,以对无人机采集的采查数据进行处理。下面将对本申请实施例提供的无人机地面站系统进行介绍。
请参见图3,图3是本申请实施例提供的无人机巡采巡查系统架构示意框图。如图3所示,该系统可以包括无人机31、无人机地面站系统32和后台服务器系统33。
无人机地面站系统32可以包括无人机地面站设备321和移动AI脑件322。移动AI脑件322中可以包括人工智能计算板、电池和无线路由器。
无人机31可以与无人机地面站设备321通信连接,无人机地面站设备321与移动AI脑件322连接,移动AI脑件322与后台服务器系统33通信连接。
无人机地面站设备321和移动AI脑件322之间可以存在两路数据,一路数据是采查数据,具体通过HDMI通道传输,另一路数据是飞行数据,具体通过UDP通道传输。
具体应用中,外场工作人员只需要通过HDMI采集线连接无人机地面站设备321和移动AI脑件322,以及连接移动AI脑件322和无人机地面站设备321以形成局域网,这个无人机地面站系统32即可正常工作。
移动AI脑件322通过无线路由器可以将采查数据推送至后台服务器系统33。该后台服务器系统33可以是指云服务器。
在一些实施例中,上述移动AI脑件还用于:向后台服务器系统发送携带有移动AI脑件的唯一ID的请求,请求用于指示后台服务器系统查找唯一ID对应的版本信息;接收后台服务器系统发送的唯一ID对应的版本信息;根据唯一ID对应的版本信息和本地版本信息,确定更新信息,更新信息包括以下至少一项:需要版本更新的算法包的id、需要增加的算法包的id和需要删除的算法包的id,每个算法包对应一个人工智能算法模型,人工智能算法模型是基于采查任务或者采查策略建立并预先训练完成的模型;根据更新信息进行更新操作。
更具体地,若更新信息包括需要版本更新的算法包的id,根据需要版本更新的算法包的id从后台服务器系统下载对应版本的算法包;使用从后台服务器系统下载的对应版本的算法包更新本地对应的算法包,并更新本地版本文件。若更新信息包括需要增加的算法包的id,从后台服务器系统下载与需要增加的算法包的id对应的算法包;若更新信息包括需要删除的算法包的id,从本地存储的算法包中删除与需要删除的算法包的id对应的算法包。
该系统的一般工作流程可以为:
首先,无人机驾驶员通过移动设备(例如手机)领取同一个采查策略下的多个采查任务,以及对应的航班信息。该航班信息包括无人机飞行航线等信息。然后,移动设备将航班信息传输至无人机。
需要指出的是,采查策略可以包括但不限于周期采查、时点采查、气候采查和专项行动。
其中,周期采查是指按照周期进行巡采巡查作业,比如每天采查、每周采查。时点采查是指在节假日或者某日进行巡采巡查作业,比如清明节采查。气候采查是指在某种天气中进行巡采巡查作业,比如台风天采查。专项行动是指紧急情况下或者发生意外情况下等进行巡采巡查作业,比如发生交通事故时的采查。
同一个采查策略下可以包括多个采查任务,例如,周期采查这一个采查策略下包括河流是否有漂流物以及河岸是否有违建物这两个采查任务。
此外,在进行飞行作业之前,可以将该采查策略下的各个采查任务对应的人工智能算法模型均加载到人工智能计算板中。
需要指出的是,预先建立各个采查任务的人工智能算法模型,并使用相关的数据对每个采查任务对应的人工智能算法模型进行训练。迭代训练多次之后,可以得到训练完成的人工智能算法模型。
例如,采查任务是检测某个区域的网络梁覆盖区域是否裸露,该采查任务对应的预测模型为卷积神经网络。此时,通过无人机等设备采集大量的包括网格梁覆盖区域的图片;通过人工方式选择并标注网格梁图片,形成训练数据集;将训练数据集的图片转化为目标图片,再从目标图片中提取多个掩码图,然后再将掩码图切割成掩码图像块后,将掩码图像块输入至预先构建的卷积神经网络模型,通过卷积神经网络模型的softmax函数层预测图像块属于网格梁类别的概率值,然后判断预测类别和标注的类别是否一致,依次迭代训练多次,直到模型趋于收敛,得到训练好的卷积神经网络模型。该训练好的卷积神经网络模型即为该采查任务对应的预测模型。该卷积神经网络的输入是图像,输出是该图像内的网络梁覆盖区域异常与否的检测结果(或称人工智能计算结果)。
采查任务不同,人工智能算法模型的结构和类别可能会有一些不同。但训练过程均是采集对应的训练样本数据集,然后使用该训练样本数据集进行训练,得到人工智能算法模型。
接着,无人机在获取到航班信息之后,可以根据该航班信息进行飞行作业,采集到该采查任务对应的采查数据。例如,采查任务是网格梁覆盖区域是否异常时,所采集的采查数据是某个区域的网格梁覆盖区域的视觉数据,即图片或视频。无人机可以将所拍摄的图片或视频实时回传至无人机地面站设备。
无人机地面站设备将无人机采集到图片或视频传输至人工智能计算板。人工智能计算板从预先存储的人工智能算法模型中选取采查任务对应的人工智能算法模型,然后使用该人工智能算法模型对每一帧图片进行处理,得到人工智能计算结果。
最后,人工智能计算板可以通过无线路由器将视频和人工智能计算结果等数据推送至后台服务器系统。
在介绍完本申请实施例提供的移动AI脑件以及包括该移动AI脑件的系统架构之后,下面将对应用于移动AI脑件的方法进行介绍。
请参见图4,图4是本申请实施例提供的给无人机巡采巡查赋予人工智能的方法的流程示意框图,该方法可以应用于移动AI脑件,移动AI脑件分别与无人机地面站设备、以及后台服务器系统通信连接。关于移动AI脑件的相关介绍可以参见上文对应内容,在此不再赘述。
该方法可以包括以下步骤:
步骤S401、移动AI脑件接收无人机地面站设备发送的携带有位置信息的采查数据,该采查数据包括视觉数据、听觉数据和嗅觉数据中的至少一种,采查数据是无人机对采查任务进行巡采巡查过程中采集的数据,该位置信息用于描述采集采查数据时无人机所处的位置。
具体应用中,无人机地面站设备在获取到无人机回传的采查数据,例如视觉数据,具体为图片或者视频之后,可以将图片或者视频传输至移动AI脑件。该无人机地面站设备可以为但不限于PC。
步骤S402、移动AI脑件根据位置信息,确定采查数据对应的人工智能算法模型。
在一些实施例中,每个采查任务均对应一个人工智能算法模型,如果同一个采查策略下包括多个采查任务,移动AI脑件中则存储有多个人工智能算法模型。此时,可以根据位置信息确定出人工智能算法模型,使用人工智能算法模型来对该采查数据进行处理。
具体应用中,可以根据预先存储的位置范围和采查任务之间的对应关系,确定位置信息对应的采查任务,以及确定该采查任务对应的人工智能算法模型;然后,每个采查任务对应一个人工智能算法模型。
而在另一些实施例中,移动AI脑件中可以只有一个混合多任务模型,该模型可以对所有采查任务的采查数据进行处理。具体应用中,可以先建立各个采查任务的人工智能算法模型,然后对各个采查任务的模型进行训练,得到训练好的人工智能算法模型。然后,再将这个多个训练好的人工智能算法模型混合成一个模型,得到一个混合多任务的人工智能算法模型。此时,可以不用从多个采查任务中选取出对应的人工智能算法模型,而是直接使用该混合多任务的人工智能算法模型对采查数据进行处理。
步骤S403、移动AI脑件使用人工智能算法模型对采查数据进行处理,得到人工智能计算结果。
具体地,将该采查数据输入至人工智能算法模型,获取到该人工智能算法模型的输出结果,该输出结果即为该采查数据的人工智能计算结果。例如,采查任务是网格梁覆盖区域是否异常,人工智能计算结果则为该图像内的网格梁覆盖区域异常检测结果。
步骤S404、移动AI脑件将人工智能计算结果推送至后台服务器系统。
需要说明的是,移动AI脑件中的人工智能算法模型是预先加载的,当需要更新本地存储的人工智能算法模型时,移动AI脑件可以与后台服务器系统进行数据交互,从后台服务器系统中下载到最新版本的人工智能算法模型。
后台服务器系统上的人工智能算法模型是预先存储的,工作人员可以通过打包流程将人工智能算法模型上传至后台服务器系统。
具体来说,可以使用一个采查任务对应的训练数据来对人工智能算法模型进行训练,得到训练完成的人工智能算法模型。然后,将算法调用接口和该采查任务对应的人工智能算法模型封装在一个“独立”的文件夹中。“独立”是指每个算法包运行环境互不依赖,只依赖于移动AI脑件固有环境,以保证各个算法包可以独立运行。
可以理解的是,每个采查任务对应一个人工智能算法预测模型,可以将每个采查任务对应的人工智能算法模型放在一个独立的文件夹中,多个采查任务对应有多个人工智能算法模型,则由多个独立的文件。
在封装至文件夹之后,可以将多个独立的文件夹进行打包。例如,假设有三个采查任务的人工智能算法模型,此时有三个独立的文件夹,分别将这三个独立的文件夹打包成三个算法包。
打包完成后,再登陆基于后台服务器系统的平台,将各个打包好的算法包上传至平台,并填写上各个算法包的相关信息。该相关信息可以例如为版本号、算法id和适用场景等信息。上传至后台服务器系统的各个算法包可以供移动AI脑件下载。每个算法包对应一个id。
在一些实施例中,AI脑件在得到人工智能计算结果之后,除了可以将该人工智能计算结果推送至后台服务器系统之外,还可以根据该人工智能计算结果向无人机地面站设备发送相应的控制指令。
参见图5示出的本申请实施例提供的给无人机巡采巡查赋予人工智能的方法的另一种流程示意框图,该方法可以应用于移动AI脑件,具体可以包括以下步骤:
步骤S501、移动AI脑件接收无人机地面站设备发送的携带有位置信息的采查数据,该采查数据包括视觉数据、听觉数据和嗅觉数据中的至少一种,该采查数据是无人机对采查任务进行巡采巡查过程中采集的数据,该位置信息用于描述采查上述采查数据时无人机所出的位置。
步骤S502、移动AI脑件根据位置信息,确定采查数据对应的人工智能算法模型。
步骤S503、移动AI脑件使用人工智能算法模型对采查数据进行处理,得到人工智能计算结果。
步骤S504、移动AI脑件根据人工智能计算结果向无人机地面站设备发送无人机飞控指令和吊舱动作指令中的至少一种。无人机飞控指令用于指示无人机执行对应的飞行动作,吊舱动作指令用于指示无人机吊舱设备执行对应的动作。
具体应用中,移动AI脑件使用通信协议与无人机地面站设备进行交互,无人机地面站使用通信协议与无人机进行交互,以实现无人机与移动AI脑件进行交互,无人机通过无人机地面站设备接收移动AI脑件发送的无人机飞控指令和/或吊舱动作指令,无人机或吊载在无人机上的设备收到指令后,对收到的指令进行解析,然后主动执行相应的动作。例如,移动AI脑件使用避障算法模型对采查数据进行处理,发现前方有障碍物,该移动AI脑件使用通信协议给无人机地面站设备发送悬停指令,无人机地面站设备使用通信协议给无人机发送悬停指令,无人机对收到的悬停指令进行解析后,主动执行悬停动作。
需要说明的是,步骤S501~S504的相关介绍可以参见上文对应内容,在此不再赘述。
在其它一些实施例中,移动AI脑件在得到人工智能结果之后,可以将人工智能计算结果推送至后台服务器系统,同时,也根据人工智能计算结果向无人机地面站设备发送无人机飞控指令和吊舱指令中的至少一种指令。
在一些实施例中,参见图6示出的模型更新流程示意框图,上述方法还可以包括:
步骤S601、向后台服务器系统发送携带有移动AI脑件的唯一ID的请求,该请求用于指示后台服务器系统查找唯一ID对应的版本信息。
需要说明的是,该唯一ID是预先给移动AI脑件分配的标识,每一个移动AI脑件都有一个唯一ID。
后台服务器系统上存储有最新版本的算法包,该最新版本的算法包可以是由工作人员上传的,即在需要版本更新时,工作人员可以先将最新版本的算法包上传至服务器。
具体应用中,后台服务器系统在获取到移动AI脑件的请求后,可以根据该请求携带的唯一ID,找到该唯一ID对应的移动AI脑件的最新版本信息,并将所查找到的最新版本信息返回至移动AI脑件。
步骤S602、接收后台服务器系统发送的唯一ID对应的版本信息。
步骤S603、根据唯一ID对应的版本信息和本地版本信息,确定更新信息,更新信息包括以下至少一项:需要版本更新的算法包的id、需要增加的算法包的id和需要删除的算法包的id,该算法包包括至少一个人工智能算法模型,人工智能算法模型是基于采查任务或者采查策略建立并预先训练完成的模型。
步骤S604、根据更新信息进行更新操作。
具体应用中,将移动AI脑件本地的版本信息和后台服务器系统上的版本信息进行比对,如果某个算法包,本地版本信息和后台服务器系统上的版本信息不一致,则认为该算法包是需要版本更新的算法包,记录该算法包的id。并且将后台服务器系统上的版本信息中的版本作为最新版本。然后,移动AI脑件可以根据需要版本更新的算法包的id,从后台服务器系统上下载到该最新版本的算法包。
如果某个算法包,在本地版本信息中没有该算法包的相关信息,但在后台服务器系统上的版本信息中有该算法包的相关信息,则认为该算法包是需要增加的算法包,可以记录该算法包的id。然后,移动AI脑件可以根据该需要增加的算法包的id,从后台服务器系统上下载到算法包的id对应的算法包。其余算法包不变。
如果某个算法包,则本地版本信息中有该算法包的相关信息,但在后台服务器系统上的版本信息中没有该算法包的相关信息,则认为该算法包时需要删除的算法包,并记录该算法包的id。然后,移动AI脑件可以根据该需要删除的算法包的id,找到本地对应的算法包,并删除该算法包。其它算法包不变。
需要说明的是,每个算法包对应一个人工智能算法模型。从多个人工智能算法模型中可以确定出携带有位置信息的采查数据所对应的采查任务的人工智能算法模型。
另外,移动AI脑件从后台服务器系统下载到新增的算法包,或者删除本地存储的算法包之后,可以更新本地的版本文件。
在构建人工智能算法模型时,可以基于采查任务进行构建。即基于采查任务建立各个采查任务的人工智能算法模型;也可以基于采查策略进行构建。即对同一个采查策略下的多个采查任务分别建立人工智能算法模型。此时,训练完成后可以得到同一个采查策略下的各个采查任务的人工智能算法模型。
在得到训练完成的人工智能算法模型之后,根据无人机巡采巡查需求,将采查任务对应的人工智能算法模型,或者采查策略对应的人工智能算法模型进行打包,得到算法包,并将该算法包输入至移动AI脑件。移动AI脑件接收到算法包之后,可以将其进行持久化存储。
具体地,上述步骤S604的具体过程可以包括:若更新信息包括需要版本更新的算法包的id,根据需要版本更新的算法包的id从后台服务器系统下载对应版本的算法包;使用从后台服务器系统下载的对应版本的算法包更新本地对应的算法包,并更新本地版本文件。若更新信息包括需要增加的算法包的id,从后台服务器系统下载与需要增加的算法包的id对应的算法包。若更新信息包括需要删除的算法包的id,从本地存储的算法包中删除与需要删除的算法包的id对应的算法包。
具体地,移动AI脑件在确定出需要版本更新的算法包的id之后,可以根据算法包id,从后台服务器系统中下载最新版本的算法包(即对应版本的算法包)。移动AI脑件从后台服务器系统下载到最新版本的算法包之后,可以将本地旧版本的算法包替换成最新版本的算法包,并根据该最新版本的算法包更新本地版本文件。
需要说明的是,移动AI脑件下载算法包,或者替换算法包失败都可以用日志记录,这样可以避免重复下载,提高更新效率。另外,在一次更新过程中,更新结果日志也可以反馈给后台服务器系统。并且,无人机驾驶员可以通过移动终端上的应用程序查看反馈给后台服务器系统的更新结果日志,这样,无人机驾驶员可以得知更新是否成功等信息。如果更新失败,无人机驾驶员可以通过记录的日志解决问题(例如,网络故障、权限问题等),并再次更新。
需要说明的是,本实施例和上文各个实施例的相同之处,可以参见上文相应内容,在此不再赘述。
对应于上文实施例的给无人机巡采巡查赋予人工智能的方法,图7示出了本申请实施例提供给无人机巡采巡查赋予人工智能的装置的结构示意框图,为了便于说明,仅示出了与本申请实施例相关的部分。该装置可以集成于AI脑件。
参照图7,该装置可以包括:
数据接收模块71,用于接收无人机地面站设备发送的携带有位置信息的采查数据,采查数据包括视觉数据、听觉数据和嗅觉数据中的至少一种,采查数据是无人机对采查任务进行巡采巡查过程中采集的数据,位置信息用于描述采集采查数据时无人机所处的位置;
模型选取模块72,用于根据位置信息,确定采查数据对应的人工智能算法模型;
人工智能计算模块73,用于使用人工智能算法模型对采查数据进行处理,得到人工智能计算结果;
发送模块74,用于将人工智能计算结果发送至后台服务器系统;和/或,根据人工智能计算结果向无人机地面站设备发送无人机飞控指令和吊舱动作指令中的至少一种,无人机飞控指令用于指示无人机执行对应的飞行动作,吊舱动作指令用于指示无人机吊舱设备执行对应的动作。
在一些可能的实现方式中,上述模型选取模块具体用于:根据预先存储的位置范围和采查任务之间的对应关系,确定位置信息对应的采查任务以及该采查任务对应的人工智能算法模型,每个采查数据对应一个或多个采查任务,每个采查任务对应一个人工智能算法模型。
在一些可能的实现方式中,上述装置可以包括人工智能计算模块、无线网络通信模块和电池模块;人工智能计算模块分别与无线网络通信模块、以及电池模块连接;电池模块还与无线网络通信模块连接。
在一些可能的实现方式中,上述装置还可以包括更新模块,用于:
向后台服务器系统发送携带有移动AI脑件的唯一ID的请求,请求用于指示后台服务器系统查找唯一ID对应的版本信息;
接收后台服务器系统发送的唯一ID对应的版本信息;
根据唯一ID对应的版本信息和本地版本信息,确定更新信息,更新信息包括以下至少一项:需要版本更新的算法包的id、需要增加的算法包的id和需要删除的算法包的id,每个算法包对应一个人工智能算法模型,人工智能算法模型是基于采查任务或者采查策略建立并预先训练完成的模型;
根据更新信息进行更新操作。
在一些可能的实现方式中,上述更新模块具体用于:
若更新信息包括需要版本更新的算法包的id,根据需要版本更新的算法包的id从后台服务器系统下载对应版本的算法包;
使用从后台服务器系统下载的对应版本的算法包更新本地对应的算法包,并更新本地版本文件。
若更新信息包括需要增加的算法包的id,从后台服务器系统下载与需要增加的算法包的id对应的算法包;
若更新信息包括需要删除的算法包的id,从本地存储的算法包中删除与需要删除的算法包的id对应的算法包。
上述给无人机巡采巡查赋予人工智能的装置具有实现上述给无人机巡采巡查赋予人工智能的方法的功能,该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现,硬件或软件包括一个或多个与上述功能相对应的模块,模块可以是软件和/或硬件。
需要说明的是,上述装置/模块之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
图8为本申请一实施例提供的移动AI脑件的结构示意图。如图8所示,该实施例的移动AI脑件8包括:至少一个处理器80、存储器81以及存储在所述存储器81中并可在所述至少一个处理器80上运行的计算机程序82,所述处理器80执行所述计算机程序82时实现上述任意各个无人机巡采巡查赋予人工智能的方法实施例中的步骤。
所述移动AI脑件8可以为服务器等计算设备。该移动AI脑件可包括,但不仅限于,处理器80、存储器81。本领域技术人员可以理解,图8仅仅是移动AI脑件8的举例,并不构成对移动AI脑件8的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器80可以是中央处理单元(Central Processing Unit,CPU),该处理器80还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81在一些实施例中可以是所述移动AI脑件8的内部存储单元,例如移动AI脑件8的硬盘或内存。所述存储器81在另一些实施例中也可以是所述移动AI脑件8的外部存储设备,例如所述移动AI脑件8上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器81还可以既包括所述移动AI脑件8的内部存储单元也包括外部存储设备。所述存储器81用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供一种计算机程序产品,当计算机程序产品在移动AI脑件上运行时,使得移动AI脑件执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,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、或者计算机软件和电子硬件的结合来实现。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。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。