发明内容
为了解决上述技术问题,本发明的目的在于提供一种轮胎磨损度识别方法,所采用的技术方案具体如下:
获取轮胎图像,对所述轮胎图像预处理得到轮胎区域;
分割所述轮胎区域得到花纹沟区域和花纹表面区域;
基于所述花纹沟区域,根据所述花纹沟区域和正常花纹沟区域的灰度差异得到花纹沟灰度相似度;根据所述花纹沟区域和正常花纹沟区域的面积占比差异得到花纹沟面积相似度;获取花纹沟区域的直线边缘,在所述直线边缘两侧划分区域,计算每个区域之间的灰度变化率,所述花纹沟区域和正常花纹沟区域的灰度变化率差异得到花纹沟尖锐度相似度;根据所述花纹沟区域和正常花纹沟区域的宽度差异得到花纹沟宽度相似度;所述花纹沟灰度相似度、所述花纹沟面积相似度、所述花纹沟尖锐度相似度和所述花纹沟宽度相似度加权求和得到结构磨损程度;
基于所述花纹表面区域,由所述花纹表面区域的各像素点对应的灰度共生矩阵的特征参数构成像素点的特征向量;根据所述花纹表面区域和正常花纹表面区域的像素点的特征向量差异得到材料磨损程度;
所述结构磨损程度和所述材料磨损程度加权求和得到轮胎磨损程度。
优选的,所述分割所述轮胎区域得到花纹沟区域和花纹表面区域,包括:
利用边缘检测算法对所述轮胎区域进行边缘提取得到多条花纹边缘;利用大津阈值分割法得到灰度阈值,基于所述灰度阈值,将所述轮胎区域的像素点分为两类;计算两类像素点的像素均值,最大像素均值对应的像素点为花纹表面像素点,最小像素均值对应的像素点为花纹沟像素点;
结合所述花纹表面像素点和所述花纹边缘得到所述花纹表面区域;结合所述花纹沟像素点和所述花纹边缘得到所述花纹沟区域。
优选的,所述根据所述花纹沟区域和正常花纹沟区域的灰度差异得到花纹沟灰度相似度,包括:
计算花纹沟区域的第一灰度均值和正常花纹沟区域的第二灰度均值;所述第一灰度均值和所述第二灰度均值的相似度为花纹沟灰度相似度。
优选的,所述根据所述花纹沟区域和正常花纹沟区域的面积占比差异得到花纹沟面积相似度,包括:
所述花纹沟区域和所述花纹表面区域的面积之比为第一面积占比;所述正常花纹沟区域和正常花纹表面区域的面积之比为第二面积占比;所述第一面积占比和所述第二面积占比的相似度为花纹沟面积相似度。
优选的,所述根据所述花纹沟区域和正常花纹沟区域的宽度差异得到花纹沟宽度相似度,包括:
基于任意花纹沟区域的多个边缘点,判断边缘点是否共线;
基于共线的边缘点,拟合共线的边缘点得到拟合直线,作所述拟合直线的垂线;以所述垂线和拟合直线的交点为起始点,沿着垂线方向获取起始点两侧的像素点的灰度值,灰度值小的像素点所在的一侧为起始方向;沿着所述起始方向,找到所述垂线上与所述起始点的灰度差值大于预设灰度阈值的点作为终止点;
所述起始点和所述终止点的距离为花纹沟区域的宽度;
获取多个花纹沟区域的宽度均值,花纹沟区域的宽度均值和正常花纹沟区域的宽度均值的相似度为花纹沟宽度相似度。
优选的,所述由所述花纹表面区域的各像素点对应的灰度共生矩阵的特征参数构成像素点的特征向量,包括:
获取花纹表面区域各像素点对应四个方向的四个初始灰度共生矩阵;
将所述四个初始灰度共生矩阵求均值得到各像素点对应的灰度共生矩阵;
由所述灰度共生矩阵的能量、对比度、逆差矩和熵构成像素点对应的灰度共生矩阵的特征向量。
优选的,所述花纹沟灰度相似度、所述花纹沟面积相似度、所述花纹沟尖锐度相似度和所述花纹沟宽度相似度加权求和得到结构磨损程度,包括:
所述结构磨损程度的计算公式为:
其中,
为所述结构磨损程度;
为所述花纹沟灰度相似度;
为所述花纹沟尖锐度相似度;
为所述花纹沟宽度相似度;
为所述花纹沟面积相似度;
为自然常数;
为所述花纹沟灰度相似度的权重;
为所述花纹沟尖锐度相似度的权重;
为所述花纹沟宽度相似度的权重;
为所述花纹沟面积相似度的权重。
本发明实施例至少具有如下有益效果:
本发明利用数据处理技术。该方法是一种应用电子设备进行识别的方法,利用生产领域人工智能系统完成轮胎磨损程度检测。首先获取轮胎图像中的轮胎区域;分割轮胎区域得到花纹沟区域和花纹表面区域;根据花纹沟区域和正常花纹沟区域的灰度差异得到花纹沟灰度相似度;根据花纹沟区域和正常花纹沟区域的面积占比差异得到花纹沟面积相似度;根据花纹沟区域和正常花纹沟区域的灰度变化率差异得到花纹沟尖锐度相似度;根据花纹沟区域和正常花纹沟区域的宽度差异得到花纹沟宽度相似度;花纹沟灰度相似度、花纹沟面积相似度、花纹沟尖锐度相似度和花纹沟宽度相似度加权求和得到结构磨损程度,从结构上和材料上分别考虑轮胎的磨损程度,提高轮胎磨损程度检测的准确性;基于花纹表面区域,由花纹表面区域的各像素点对应窗口的灰度共生矩阵的特征参数构成像素点的特征向量;根据花纹表面区域和正常花纹表面区域的像素点的特征向量差异得到材料磨损程度;结构磨损程度和材料磨损程度加权求和得到轮胎磨损程度。本发明实施例通过分析待检测轮胎的结构磨损程度和材料磨损程度,进而得到轮胎的磨损程度,达到了实时获取轮胎实际磨损程度的目的,同时还提高了轮胎磨损程度效率和精准度。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种轮胎磨损度识别方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例提供了一种轮胎磨损度识别方法的具体实施方法,该方法适用于轮胎磨损程度检测场景。利用RGB相机采集轮胎图像,其中RGB相机的光轴垂直于轮胎胎面。为了解决仅从轮胎的花纹深度这一个轮胎特征来确定轮胎的磨损程度,其精确度不高的问题。本发明实施例利用生产领域人工智能系统完成轮胎磨损程度检测,从轮胎的结构上的磨损和材料上的磨损两个方面来考虑轮胎的磨损程度,其中结构上的磨损从花纹沟变窄、花纹沟变浅、花纹沟边缘钝化和花纹沟消失四个方面来分析,而材料上的磨损通过分析花纹表面区域的纹理特征来分析,进而结合结构上的磨损和材料上的磨损得到轮胎的磨损程度,达到了实时获取轮胎实际磨损程度的目的,同时还提高了轮胎磨损程度效率和精准度。
下面结合附图具体的说明本发明所提供的一种轮胎磨损度识别方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种轮胎磨损度识别方法的步骤流程图,该方法包括以下步骤:
步骤S100,获取轮胎图像,对轮胎图像预处理得到轮胎区域。
利用RGB相机采集轮胎图像,对轮胎图像进行灰度化处理,并采用滤波器对灰度化后的轮胎图像进行去噪处理得到轮胎灰度图像,在本发明实施例中利用高斯滤波对轮胎灰度图像去噪。采用伽马变换对滤波后的轮胎灰度图像进行增强操作,以减弱图像采集过程中由于成像环境过暗或者过亮对图像整体灰度的影响。
对轮胎灰度图像采用区域生长法进行分离轮胎区域和背景区域。由于轮胎灰度图像的背景一般存在于图像的边角处,因此选择轮胎灰度图像的四个角作为初始种子点,将这四个初始种子点标记属于背景区域
,根据灰度值相似设计生长规则并确定生长阈值。搜索所有生长点八邻域内的像素点,并与生长点进行对比,判断该点是否满足生长规则,将满足生长规则的像素点归并到背景区域
,同时作为新的生长点进行生长,得到最终的背景区域
。然后去除背景区域
,得到轮胎区域。
步骤S200,分割轮胎区域得到花纹沟区域和花纹表面区域。
轮胎磨损分为结构上的磨损和材料上的磨损。轮胎磨损时,花纹沟的结构形状会发生一定程度上的变化,表现为花纹沟变细,花纹沟变浅,花纹沟的边缘钝化甚至部分花纹沟消失,这种磨损被称为结构上的磨损;同时,轮胎在磨损时,轮胎花纹表面的材料属性会发生一定程度上的变化,表现为花纹表面材料的纹理特征发生变化,如粗糙程度和均匀程度等发生变化,这种磨损被称为材料上的磨损。结合结构上的磨损和材料上的磨损可以得到轮胎的磨损程度。
故基于结构上的磨损和材料上的磨损,首先将轮胎区域内的花纹沟区域和花纹表面区域分割开。具体的:
步骤一,利用边缘检测算法对轮胎区域进行边缘提取得到多条花纹边缘,采用canny边缘检测算子对轮胎灰度图像上的轮胎区域内的花纹沟进行边缘提取,将边缘点存入集合,采用高斯滤波器平滑轮胎灰度图像,并对轮胎灰度图像上轮胎区域内的各像素点求取其梯度幅值和方向,判断每个像素与其梯度方向上相邻像素的梯度幅值大小,进行非极大值抑制,然后采用双阈值算法检测边缘并将边缘相连,得到多条花纹边缘。
以花纹边缘为界,将花纹沟的像素和花纹表面的像素分割开来,由于花纹沟相较于花纹表面有一定的深度,在成像时,花纹沟的区域相较于附近区域的花纹表面偏暗一些,灰度值偏小。
步骤二,利用大津阈值分割法得到灰度阈值,基于灰度阈值,将轮胎区域的像素点分为两类。
利用大津阈值分割法,根据灰度直方图得到最好的类间分离的灰度阈值,根据灰度阈值将轮胎区域的像素点分为两类,使得两类像素点的灰度距离最大。由于轮胎花纹沟区域较暗,故轮胎花纹沟区域的灰度值较小,计算两类像素点的像素均值,最大像素均值对应的像素点为花纹表面像素点,最小像素均值对应的像素点为花纹沟像素点。
步骤三,结构花纹表面像素点和提取出的花纹边缘得到花纹表面区域,结合花纹沟像素点和花纹边缘得到花纹沟区域,或者在得到花纹表面区域后,使轮胎区域减去花纹表面区域得到花纹沟区域。
对正常轮胎的图像也进行正常花纹沟区域和正常花纹沟表面区域的提取。需要说明的是,正常轮胎为没有结构上的磨损和材料上的磨损的轮胎。
步骤S300,基于花纹沟区域,根据花纹沟区域和正常花纹沟区域的灰度差异得到花纹沟灰度相似度;根据花纹沟区域和正常花纹沟区域的面积占比差异得到花纹沟面积相似度;获取花纹沟区域的直线边缘,在直线边缘两侧划分区域,计算每个区域之间的灰度变化率,花纹沟区域和正常花纹沟区域的灰度变化率差异得到花纹沟尖锐度相似度;根据花纹沟区域和正常花纹沟区域的宽度差异得到花纹沟宽度相似度;花纹沟灰度相似度、花纹沟面积相似度、花纹沟尖锐度相似度和花纹沟宽度相似度加权求和得到结构磨损程度。
计算结构上的磨损程度时,考虑到待检测轮胎的花纹沟区域相对于正常轮胎的正常花纹沟区域会出现花纹沟的深浅变化,可以用花纹沟区域的灰度值高低来表示。花纹沟越深,则在轮胎灰度图像中花纹沟区域的颜色越暗,对应的灰度值越小。此外,考虑部分花纹沟消失情况,待检测轮胎的花纹沟区域相对于正常花纹沟区域的相对面积会有所改变。其次,考虑待检测轮胎的花纹沟区域相对于正常花纹沟区域的粗细比较,花纹沟越粗,反映待检测轮胎的磨损度越低。最后,考虑待检测轮胎的花纹沟区域相对于正常花纹沟区域的花纹沟边缘的尖锐程度,花纹沟边缘越尖锐,越能反映待检测轮胎的磨损度越低。
请参阅图2,计算结构上的结构磨损程度的步骤,具体的:
步骤S301,根据花纹沟区域和正常花纹沟区域的灰度差异得到花纹沟灰度相似度。
灰度信息代表灰度图像上的颜色明暗信息,可以反映出花纹沟的深浅程度。计算待检测轮胎的花纹沟区域的第一灰度均值和正常花纹沟区域的第二灰度均值。
第一灰度均值和第二灰度均值的相似度为花纹沟灰度相似度。
其中,
为第一灰度均值;
为第二灰度均值;
为花纹沟灰度相似度的调节参数。在本发明实施例中,花纹沟灰度相似度的调节参数的取值为5,在其他实施例中实施者可根据实际情况调整该取值。
步骤S302,根据花纹沟区域和正常花纹沟区域的面积占比差异得到花纹沟面积相似度。
求取花纹沟相对面积相似度,花纹沟相对面积指的是花纹沟的面积相对于花纹表面面积的比重,花纹沟相对面积可以反映花纹沟部分消失的情况。
获取待检测轮胎的花纹沟区域内像素点数量为花纹沟区域的面积,获取待检测轮胎的花纹表面区域内像素点数量为花纹表面区域的面积;同理,获取正常轮胎的正常花纹沟区域和正常花纹表面区域的面积。
花纹沟区域和花纹表面区域的面积之比为第一面积占比;正常花纹沟区域和正常花纹表面区域的面积之比为第二面积占比;第一面积占比和第二面积占比的相似度为花纹沟面积相似度。
其中,
为第一面积占比;
为第二面积占比;
为花纹沟面积相似度的调节参数。在本发明实施例中,花纹沟面积相似度的调节参数的取值为10,在其他实施例中实施者可根据实际情况调整该取值。
步骤S303,获取花纹沟区域的直线边缘,在直线边缘两侧划分区域,计算每个区域之间的灰度变化率,花纹沟区域和正常花纹沟区域的灰度变化率差异得到花纹沟尖锐度相似度。
计算花纹沟边缘点内外两侧的灰度渐变速率来表征花纹沟的尖锐度,正常的轮胎的边缘比较尖锐,而受磨损的轮胎的边缘会钝化,在轮胎灰度图像中表现为边缘区域的灰度变化速率很大,有磨损的轮胎边缘比较平滑,在轮胎灰度图像中表现为边缘区域的灰度变化速率很小。
首先采用霍夫变换提取待检测花纹沟区域中的直线边缘,以直线边缘为中心,按照边缘间隔
在直线的两侧用平行于直线边缘的且于直线边缘长短相同的边缘划分区域,也即沿着直线边缘的垂线的方向每间隔三个像素点获取一条与直线边缘平行且长短相同的边缘,进而划分区域。在直线边缘的左右两侧均划分三个区域,一共划分为六个区域。
计算每个区域之间的灰度变化率。具体的:获取这每个区域的灰度均值作为该区域灰度层级,进一步的,计算待检测轮胎的灰度变化率。
对待检测轮胎的花纹沟区域中的所有直线边缘均求灰度变化率,并计算所有直线边缘对应的灰度变化率均值作为花纹沟区域的灰度变化率均值。
其中,
为花纹沟区域的灰度变化率均值;
为正常花纹沟区域的灰度变化率均值;
为花纹沟尖锐度相似度的调节参数。在本发明实施例中,花纹沟尖锐度相似度的调节参数的取值为1,在其他实施例中实施者可根据实际情况调整该取值。
步骤S304,根据花纹沟区域和正常花纹沟区域的宽度差异得到花纹沟宽度相似度。
花纹沟相对宽度可以反映花纹沟的粗细程度,一定程度上也可以反映待检测轮胎的结构上的磨损程度。
基于任意花纹沟区域的多个边缘点,判断边缘点是否共线。具体的:以任意边缘点
为中心,在最小半径内寻找邻域内的边缘点。在本发明实施例中最小半径为5,在其他实施例中实施者可根据实际情况调整该取值,最小半径的设置应小于花纹沟的宽度。将得到的最小半径内的
个边缘点按照列坐标的大小排序,连接第一个边缘点和最后一个边缘点得到一条线段作为基线
。进一步的,计算除第一个边缘点和最后一个边缘点外的
个边缘点到基线
的点到基线距离,当
个边缘点的点到基线距离均小于预设距离阈值时,认为这
个边缘点共线。在本发明实施例中预设距离阈值为3,在其他实施例中实施者可根据实际情况调整该取值。
基于共线的边缘点,拟合共线的
个边缘点得到拟合直线,也即对共线的
个边缘点进行最小二乘法拟合得到拟合直线,作拟合直线的垂线。以垂线和拟合直线的交点为起始点,沿着垂线方向获取起始点两侧的像素点的灰度值,将灰度值小的像素点所在的一侧作为起始方向。需要说明的是,获取起始方向即获取花纹沟内部的方向,由于花纹沟内部颜色较深,故起始点两侧灰度值小的像素点为花纹沟内部的点,灰度值大的像素点为花纹沟外侧的点。
沿着起始方向,找到垂线上与起始点的灰度差值大于预设灰度阈值的点作为终止点。在本发明实施例中预设灰度阈值为40。需要说明的是,找大于预设灰度阈值的点作为终止点是因为花纹沟区域和花纹表面区域的像素点的像素值相差较大,故认为大于预设灰度阈值的点为花纹沟和花纹表面的临界点,在终止点之前的小于预设灰度阈值的像素点仍为花纹沟内部的像素点。
起始点和终止点的距离为花纹沟区域的宽度。获取多个花纹沟区域的宽度均值,花纹沟区域的宽度均值和正常花纹沟区域的宽度均值的相似度为花纹沟宽度相似度。
其中,
为花纹沟区域的宽度均值;
为正常花纹沟区域的宽度均值;
为花纹沟宽度相似度的调节参数。在本发明实施例中,花纹沟宽度相似度的调节参数的取值为0.2,在其他实施例中实施者可根据实际情况调整该取值。
步骤S305,花纹沟灰度相似度、花纹沟面积相似度、花纹沟尖锐度相似度和花纹沟宽度相似度加权求和得到结构磨损程度。
其中,
为花纹沟灰度相似度;
为花纹沟尖锐度相似度;
为花纹沟宽度相似度;
为花纹沟面积相似度;
为自然常数;
为花纹沟灰度相似度的权重;
为花纹沟尖锐度相似度的权重;
为花纹沟宽度相似度的权重;
为花纹沟面积相似度的权重。在本发明实施例中,花纹沟灰度相似度的权重
的取值为0.3;花纹沟尖锐度相似度的权重的取值为0.2;花纹沟宽度相似度的权重的取值为0.3;花纹沟面积相似度的权重的取值为0.2。
步骤S400,基于花纹表面区域,由花纹表面区域的各像素点对应的灰度共生矩阵的特征参数构成像素点的特征向量;根据花纹表面区域和正常花纹表面区域的像素点的特征向量差异得到材料磨损程度。
得到结构上的结构磨损程度后,进一步的获取材料上的材料磨损程度。材料上的磨损主要反映在花纹表面区域的纹理特征变化上,采用灰度共生矩阵对花纹表面区域进行特征描述,并计算相对于正常花纹表面区域的材料磨损程度。
首先,对花纹表面区域进行灰度级量化。在本发明实施例将灰度量化成8级,在其他实施例中实施者可根据实际情况调整该取值。在花纹表面区域内选择
的滑动窗口滑动。对于花纹表面区域内任意像素点
,对于该点的灰度共生矩阵的方向取
,
,
,
四个方向,也即获取花纹表面区域各像素点对应四个方向的四个初始灰度共生矩阵。
进一步,将四个初始灰度共生矩阵求均值得到各像素点对应的最终的灰度共生矩阵。
由灰度共生矩阵的能量
、对比度
、逆差矩
和熵
构成像素点对应的灰度共生矩阵的特征向量
。
先求取灰度共生矩阵的能量
,该值反映了纹理的均匀程度和粗细程度,对灰度共生矩阵
中的每个元素求平方和;然后求取灰度共生矩阵的对比度
,该值反应像素与其周围像素的亮度对比情况,如果纹理沟纹越深,对比度越大;进一步的,求取灰度共生矩阵的逆差矩
,逆差矩可以反映图像纹理的同质性,如果逆差矩大说明局部的图像纹理分布的比较均匀;最后求取灰度共生矩阵的熵
,熵可以反映图像纹理的信息量,如果灰度共生矩阵中的元素分布比较分散,熵越大。
得到花纹表面区域上每个像素点的特征向量,对每个像素点的特征向量在四个维度上分别求均值得到平均特征向量值,同理计算正常花纹表面区域的在四个维度上的平均特征向量值。
根据花纹表面区域和正常花纹表面区域的平均特征向量值差异得到纹理特征相似度,对该纹理特征相似度进行取值范围调节,得到结构磨损程度。
其中,
为花纹表面区域上像素点在第
个维度上的平均特征向量值;
为正常花纹表面区域上像素点在第
个维度上的平均特征向量值;
为材料磨损程度的调节参数。在本发明实施例中该材料磨损程度的调节参数为50,在其他实施例中实施者可根据实际情况调整该取值。
其中,材料磨损程度
反应了材料上的磨损程度
与纹理特征相似度
的相对关系,纹理特征相似度
越大说明待检测轮胎与正常轮胎的纹理越接近,材料磨损程度越小。
步骤S500,结构磨损程度和材料磨损程度加权求和得到轮胎磨损程度。
结合待检测轮胎的结构磨损程度和材料磨损程度进而得到轮胎的轮胎磨损程度。
其中,
为结构磨损程度;
为材料磨损程度;
为结构磨损程度权重;
为材料磨损程度权重。在本发明实施例中结构磨损程度权重
的取值为0.7,材料磨损程度权重的取值为0.3,在其他实施例中可根据实际情况调整该取值。
根据得到的轮胎磨损程度的大小将轮胎的磨损程度分为三个程度:轻度磨损、中度磨损和重度磨损。在本发明实施例中,当轮胎磨损程度的取值在
时,该轮胎磨损程度对应的轮胎的磨损程度为轻度磨损;当轮胎磨损程度的取值在
时,该轮胎磨损程度对应的轮胎的磨损程度为中度磨损;当轮胎磨损程度的取值在
时,该轮胎磨损程度对应的轮胎的磨损程度为重度磨损。
综上所述,本发明利用数据处理技术。该方法是一种应用电子设备进行识别的方法,利用生产领域人工智能系统完成轮胎磨损程度检测。首先获取轮胎图像中的轮胎区域;分割轮胎区域得到花纹沟区域和花纹表面区域;根据花纹沟区域和正常花纹沟区域的灰度差异得到花纹沟灰度相似度;根据花纹沟区域和正常花纹沟区域的面积占比差异得到花纹沟面积相似度;根据花纹沟区域和正常花纹沟区域的灰度变化率差异得到花纹沟尖锐度相似度;根据花纹沟区域和正常花纹沟区域的宽度差异得到花纹沟宽度相似度;花纹沟灰度相似度、花纹沟面积相似度、花纹沟尖锐度相似度和花纹沟宽度相似度加权求和得到结构磨损程度;基于花纹表面区域,由花纹表面区域的各像素点对应窗口的灰度共生矩阵的特征参数构成像素点的特征向量;根据花纹表面区域和正常花纹表面区域的像素点的特征向量差异得到材料磨损程度;结构磨损程度和材料磨损程度加权求和得到轮胎磨损程度。本发明实施例通过分析待检测轮胎的结构磨损程度和材料磨损程度,进而得到轮胎的磨损程度,达到了实时获取轮胎实际磨损程度的目的,同时还提高了轮胎磨损程度效率和精准度。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。