CN115965712A

CN115965712A - 一种建筑物二维矢量图构建方法、系统、设备及存储介质

Info

Publication number: CN115965712A
Application number: CN202310250911.9A
Authority: CN
Inventors: 徐博; 韩兆晨; 朱庆; 陈敏; 陈学业; 聂可
Original assignee: Shenzhen Planning And Natural Resources Data Management Center Shenzhen Spatial Geographic Information Center; Southwest Jiaotong University
Current assignee: Shenzhen Planning And Natural Resources Data Management Center Shenzhen Spatial Geographic Information Center; Southwest Jiaotong University
Priority date: 2023-03-16
Filing date: 2023-03-16
Publication date: 2023-04-14
Anticipated expiration: 2043-03-16
Also published as: CN115965712B

Abstract

本发明公开了一种建筑物二维矢量图构建方法、系统、设备及存储介质，通过获取建筑物点云数据来提取立面点云并投影立面点云，获得建筑物立面点云二维图，通过RANSAC算法对建筑物立面点云二维图进行直线段检测，对直线段检测检测结果进行优化处理，得到相应的建筑物边界线段，再基于各建筑物边界线段进行建筑物多边形轮廓拓扑构建，得到各建筑物多边形矢量轮廓，就可以精准、高效地完成建筑物的边界轮廓提取，且提取的建筑物多边形矢量轮廓规则化程度及完整性高，可以满足地籍测量的实际要求。

Description

一种建筑物二维矢量图构建方法、系统、设备及存储介质

技术领域

本发明属于建筑边界提取技术领域，具体涉及一种建筑物二维矢量图构建方法、系统、设备及存储介质。

背景技术

建筑物二维矢量轮廓作为地籍调查及房地产管理的关键信息，可服务于城市和农村的规划建设，为国家基础比例尺地图数据的更新提供基础资料。其中农村地籍测量成果质量则是保证农民土地权益合法化，保护农用耕地的基本保障。由于屋檐的存在，以及对院墙和房屋附属结构的量测需求，传统的基于图像的检测方法主要通过高分辨率遥感影像分类算法提取建筑物的像素，然后追踪建筑物的边界获取实例轮廓，其精度上难以满足需求，实际生产过程中仍然需要大量的人工编辑，精确可靠的提取方法仍亟待解决。近年来，随着深度卷积神经网络的不断发展，大量建筑物提取的网络被提出，包括由粗到精的边界细化网络(CBR-Net)，多路径混合注意力网络(MHA-Net)，结构优化的U-net等，但由于这些神经网络只考虑了建筑物顶面，且容易受到阴影、遮挡等各种因素影响，提取精度仍十分有限，难以满足地籍测量的实际要求。

发明内容

本发明的目的是提供一种建筑物二维矢量图构建方法、系统、设备及存储介质，用以解决现有技术中存在的上述问题。

为了实现上述目的，本发明采用以下技术方案：

第一方面，提供一种建筑物二维矢量图构建方法，包括：

获取无人机倾斜摄影得到的建筑物点云数据；

从建筑物点云数据中提取建筑物立面点云，并将建筑物立面点云投影到二维平面上，形成建筑物立面点云二维图；

基于RANSAC算法对建筑物立面点云二维图进行直线段检测，得到各初始建筑物边界线段；

对各初始建筑物边界线段进行预处理，得到优化后的各建筑物边界线段；

基于各建筑物边界线段进行建筑物多边形轮廓拓扑构建，形成各建筑物多边形矢量轮廓；

提取各建筑物多边形矢量轮廓及其内部点云来得到建筑物二维矢量图。

基于上述技术内容，通过获取建筑物点云数据来提取立面点云并投影立面点云，获得建筑物立面点云二维图，通过RANSAC算法对建筑物立面点云二维图进行直线段检测，对直线段检测检测结果进行优化处理，得到相应的建筑物边界线段，再基于各建筑物边界线段进行建筑物多边形轮廓拓扑构建，得到各建筑物多边形矢量轮廓，就可以精准、高效地完成建筑物的边界轮廓提取，且提取的建筑物多边形矢量轮廓规则化程度及完整性高，可以满足地籍测量的实际要求。

在一个可能的设计中，所述从建筑物点云数据中提取建筑物立面点云，包括：获取建筑物点云数据中点云的实际距离特征、法向量特征和点密度特征；根据设定的距离特征条件、法向量特征条件和点密度特征条件来对比实际距离特征、法向量特征和点密度特征，提取出建筑物立面点云。

在一个可能的设计中，在将建筑物立面点云投影到二维平面上后，所述方法还包括：对投影后的建筑物立面点云进行投影点密度局部非极大值抑制处理。

在一个可能的设计中，在基于RANSAC算法对建筑物立面点云二维图进行直线段检测时，所述方法还包括：采用最小二乘法对RANSAC算法的直线段检测结果进行直线拟合优化，得到各初始建筑物边界线段。

在一个可能的设计中，所述对各初始建筑物边界线段进行预处理，包括：根据设定直线段精度条件剔除各初始建筑物边界线段中的错误线段，并合并分段线段。

在一个可能的设计中，所述对各初始建筑物边界线段进行预处理，包括：通过估计检测得到各初始建筑物边界线段主方向；根据主方向调整各初始建筑物边界线段，以满足设定规则几何特性约束条件。

在一个可能的设计中，所述基于各建筑物边界线段进行建筑物多边形轮廓拓扑构建，形成各建筑物多边形矢量轮廓，包括：

根据各建筑物边界线段之间的邻接关系确定拓扑关系，并根据拓扑关系对相邻建筑物边界线段拓扑求交，得到拓扑图；

从拓扑图中找出拓扑后形成的各边界闭环，将各边界闭环作为相应的建筑物多边形矢量轮廓。

第二方面，提供一种建筑物二维矢量图构建系统，包括获取单元、投影单元、检测单元、优化单元、拓扑单元和提取单元，其中：

获取单元，用于获取无人机倾斜摄影得到的建筑物点云数据；

投影单元，用于从建筑物点云数据中提取建筑物立面点云，并将建筑物立面点云投影到二维平面上，形成建筑物立面点云二维图；

检测单元，用于基于RANSAC算法对建筑物立面点云二维图进行直线段检测，得到各初始建筑物边界线段；

优化单元，用于对各初始建筑物边界线段进行预处理，得到优化后的各建筑物边界线段；

拓扑单元，用于基于各建筑物边界线段进行建筑物多边形轮廓拓扑构建，形成各建筑物多边形矢量轮廓；

提取单元，提取各建筑物多边形矢量轮廓及其内部点云来得到建筑物二维矢量图。

第三方面，提供一种建筑物二维矢量图构建设备，包括：

存储器，用于存储指令；

处理器，用于读取所述存储器中存储的指令，并根据指令执行上述第一方面中任意一种所述的方法。

第四方面，提供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指令，当所述指令在计算机上运行时，使得所述计算机执行第一方面中任意一种所述的方法。同时，还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行第一方面中任意一种所述的方法。

有益效果：本发明通过获取建筑物点云数据来提取立面点云并投影立面点云，获得建筑物立面点云二维图，通过RANSAC算法对建筑物立面点云二维图进行直线段检测，对直线段检测检测结果进行优化处理，得到相应的建筑物边界线段，再基于各建筑物边界线段进行建筑物多边形轮廓拓扑构建，得到各建筑物多边形矢量轮廓，就可以精准、高效地完成建筑物的边界轮廓提取，且提取的建筑物多边形矢量轮廓规则化程度及完整性高，可以满足地籍测量的实际要求。本发明通过对立面投影点的非极大值抑制保证了边界位置的准确性与唯一性；通过整体的主方向估计及边界优化调整，保证了边界线段整体的规则化；同时，通过线段拓扑图的构建及闭合检测，能够有效的探测与保持线段之间的拓扑关系，得到闭合的矢量边界；最后通过闭合多边形及其内点云分布情况，能有效区分房屋和附属院墙等结构，得到语义化的矢量场景。

附图说明

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作简单地介绍，显而易见地，下面描述中的附图仅仅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。

图1为本发明实施例中方法的步骤示意图；

图2为本发明实施例中加权RANSAC方法进行直线段检的示意图；

图3为本发明实施例中建筑物边界线段优化过程示意图；

图4为本发明实施例中建筑物边界拓扑构建过程示意图；

图5为本发明实施例中系统的构成示意图；

图6为本发明实施例中设备的构成示意图。

具体实施方式

在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。

应当理解，除非另有明确的规定和限定，术语“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在实施例中的具体含义。

在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实施例中，可以不以非必要的细节来示出众所周知的过程、结构和技术，以避免使得实施例不清楚。

实施例1：

本实施例提供一种建筑物二维矢量图构建方法，可应用于相应的数据处理服务器，如图1所示，方法包括以下步骤：

S1.获取无人机倾斜摄影得到的建筑物点云数据。

具体实施时，可预先通过无人机对需要地籍测量的建筑地带进行倾斜摄影，获取到建筑物点云数据。无人机倾斜摄影技术广泛用于地质调查、监测、预警、评估以及地质灾害应急现场处置等场景。倾斜摄影是摄影机主光轴明显偏离铅垂线或水平方向并按一定倾斜角进行的摄影。倾斜摄影装置是一种机载装置，其5台高空间分辨率面阵数码相机以一定角度安装在航空摄影稳定平台上。该高空间分辨率面阵数码相机摄影装置包括下视相机、前视相机、后视相机、左视相机及右视相机。下视相机为垂直摄影，用于制作DEM（DigitalElevation Model，数字高程模型）及正射影像，前视相机、后视相机、左视相机和右视相机都为倾斜摄影，用于获取地物侧面纹理影像，倾斜角度在15-45°之间。相机之间通过时间同步装置进行成像时间精确对准，由姿态测量装置提供影像姿态和位置参数。由处理器对以上部件进行数据采集控制，发送同源触发信号启动该多台面阵相机，实现同步数据采集以及存储维护。通过相应的倾斜影像数据处理软件，对采集到的倾斜影像进行预处理，包括调色、纠偏、校正、镶嵌、融合等系列处理，形成符合应用需求的倾斜摄影点云数据。

S2.从建筑物点云数据中提取建筑物立面点云，并将建筑物立面点云投影到二维平面上，形成建筑物立面点云二维图。

具体实施时，数据处理服务器获取到建筑物点云数据后，从建筑物点云数据中获取点云的实际距离特征、法向量特征和点密度特征；然后根据设定的距离特征条件、法向量特征条件和点密度特征条件来对比实际距离特征、法向量特征和点密度特征，提取出建筑物立面点云。在提取出建筑物立面点云后，将建筑物立面点云投影到二维平面上，再对投影后的建筑物立面点云进行投影点密度局部非极大值抑制处理，以保证后续边界位置的准确性与唯一性，最后形成建筑物立面点云二维图待用。

S3.基于RANSAC算法对建筑物立面点云二维图进行直线段检测，得到各初始建筑物边界线段。

具体实施时，在得到建筑物立面点云二维图后，可基于RANSAC算法对建筑物立面点云二维图进行直线段检测，同时，采用最小二乘法对RANSAC算法的直线段检测结果进行直线拟合优化，得到各初始建筑物边界线段。

RANSAC（Random Sample Consensus）算法是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，或者说是一种通过使用观测到的数据点来估计数学模型参数的迭代方法。RANSAC算法的基本假设是样本中包含正确数据(inliers，可以被模型描述的数据，常称为内点、内群点、正确样本)，也包含异常数据(outliers，偏离正常范围很远、无法适应数学模型的数据，常称为外点、离群点、噪声点)。RANSAC算法迭代过程包括：1.在数据中随机选择n个点设定为内群；2.计算适合内群的模型，如线性直线模型y=ax+b；3.把其它刚才没选到的点带入刚才建立的模型中，计算是否为内群点；4.记下内群数量；5.重复以上步骤，迭代k次，比较哪次计算中内群数量最多,内群最多的那次所建的模型就是我们所要求的解。RANSAC主要应用于包括直线拟合、平面拟合、单应性矩阵拟合等场景。

由于噪声点的存在以及周围线段对目标直线提取过程中的干扰，本实施例采用加权RANSAC方法对获取的立面点进行直线段检测，具体如图2所示，假设1为目标直线，但通常RANSAC在运算过程中，假设2由于获取了更多的内点而更容易被提取，这不但降低了拟合的精度，也会造成部分点的错误分割。因此，本实施例对投票点与假设直线之间在距离和法向量上的一致性进行加权，使得错误假设（假设2）的内点评价普遍降低，最终使其因总权值较低（相对假设1）而被抑制。加权RANSAC方法具体的权函数定义如下：

其中，d表示内点到直线模型的距离，σ_d表示d的先验中误差；θ表示内点法向量与直线模型法向量之间的角度差，σ_θ表示θ的先验中误差；K表示内点的点密度。迭代过程中，距离阈值通常设置为1.96σ_θ，迭代一定次数后，选取各内点权值之和最大的直线模型作为最优直线模型，即

在使用加权RANSAC算法确定出某条直线模型的内点后，采用最小二乘方法对该直线模型的内点重新拟合，以获得精度更高的检测结果。

S4.对各初始建筑物边界线段进行预处理，得到优化后的各建筑物边界线段。

具体实施时，由于部分直线段受到噪声等因素影响，存在分段、精度有限等情况，需要进行整体的优化，即对各初始建筑物边界线段进行预处理，得到优化后的各建筑物边界线段。预处理包括根据设定直线段精度条件剔除各初始建筑物边界线段中的错误线段，并合并分段线段。同时，预处理还包括通过估计检测得到各初始建筑物边界线段主方向，然后根据主方向调整各初始建筑物边界线段，以满足设定规则几何特性约束条件，通过整体的主方向估计及边界优化调整，保证了边界线段整体的规则化，具体包括以下几个方面的内容：

（1）、基于法向量获取立面点时，由于法向量估计存在误差，部分植被枝干或其他噪声点被错误提取，生成错误线段，如图3中的(a)部分所示，本实施例通过统计每条检测线段的平均投影密度和内部点的粗糙度，设置一定阈值，将错误线段剔除，如图3中的(d)部分所示，剔除错误线段后的效果如图3中的(b)部分所示。

（2）、在采用RANSAC算法拟合直线时，受连通性检测等算法参数设置影响，立面线段可能会破碎成多个小段，如图3中的(a)部分所示，不利于后续拓扑关系的构建，本实施例通过计算线段的方向和距离，将方向和距离近似一致的两线段的内点归为一类，重新拟合生成新的直线段，如图3中的(e)部分所示，线段合并后的效果如图3中的(b)部分所示。

（3）、建筑物轮廓通常具备垂直、平行等规则的几何特性，只经过上述过程获取的建筑物边界线段难以满足要求，存在方向偏移的问题。本实施例首先统计范围内的所有线段的方向，确立建筑物的主方向，然后将其他线段调整为与主方向一致或垂直，主方向调整如图3中的(f)部分所示，主方向调整后的效果如图3中的(c)部分所示。

S5.基于各建筑物边界线段进行建筑物多边形轮廓拓扑构建，形成各建筑物多边形矢量轮廓。

具体实施时，在得到优化后的各建筑物边界线段后，即可基于各建筑物边界线段进行建筑物多边形轮廓拓扑构建，形成各建筑物多边形矢量轮廓。拓扑构建具体过程包括：根据各建筑物边界线段之间的邻接关系确定拓扑关系，并根据拓扑关系对相邻建筑物边界线段拓扑求交，得到拓扑图；然后从拓扑图中找出拓扑后形成的各边界闭环，将各边界闭环作为相应的建筑物多边形矢量轮廓。通过线段拓扑图的构建及闭合检测，能够有效的探测与保持线段之间的拓扑关系，得到闭合的矢量边界。

对于地籍测量而言，建筑物需要获得较为完整的闭合边界，满足对于面积、土方的测量要求，同时，需区分房屋与一般院墙，并估算房屋面积，因而需要构建直线段之间的拓扑关系，进行线段求交，得到矢量化的多边形。本实施例采用线段拓扑图的方式，实现线段间拓扑关联的构建，恢复矢量多边形的结构，具体过程如图4中的所示：

（1）拓扑图构建。

拓扑图通常用来表示目标对象及其相互之间的邻接关系,本实施例以检测获取的建筑物直线段为顶点，以线段之间的邻接关系为边构建拓扑图，进而获取各线段之间的拓扑关系。如图4中的(d)部分所示，拓扑图中的8个顶点表示检测到的8条建筑物边界线段，线条连接的两顶点表示对应的线段相邻，顶点1、5、6、7、8和顶点1、2、3、4构成两个闭环，分别对应房屋边界和院落边界。

构建各线段之间的拓扑关系即确定线段是否相邻，本实施例首先以建筑物立面点为对象构建三角网，并限定三角网中三角形的边长，如图4中的(c)部分所示。遍历三角网各面片的边，保留端点属于不同直线段的短边，根据短边端点编号即可获取各线段之间的邻接关系。

（2）基于拓扑图分析连接相邻线段。

线段的邻接包含如图4中的(e)部分所示的垂直和平行两种情况。对于垂直的两相邻直线段可直接求取交点，计算交点在各线段上的投影，根据投影长度确定相交后两线段的端点。对于相隔一定距离的平行相邻线段，基于长线段更可靠的考虑，首先选择长线段中距离短线段更近的端点为关键点，计算该关键点在短线段上的投影点，连接关键点和投影点，根据关键点在短线段上的投影长度确定短线段的端点；距离较近的平行线段，则可根据关键点在短线段上的投影，直接将短线段合并到长线段。

考虑到房屋分布密集时，可能出现错误邻接关系，需要对依靠三角网建立的各线段之间的邻接关系进行错误剔除。需根据原始点云在该处的点投影密度，判别连接边的合理性。

（3）基于拓扑图最小环检测提取单个建筑物。

拓扑图构建好后，通过搜索图中的闭环，即可获取具有闭合边界的建筑物轮廓。如图4中的(f)部分所示，顶点构成的闭环表示院落及房屋的边界。通过统计各闭环内的屋顶点分布情况，区分院墙与房屋多边形。

S6.提取各建筑物多边形矢量轮廓及其内部点云来得到建筑物二维矢量图。

具体实施时，在获得各建筑物多边形矢量轮廓后，即可提取各建筑物多边形矢量轮廓及其内部点云来组成建筑物二维矢量图。最后，通过闭合多边形及其内点云分布情况，能有效区分房屋和附属院墙等结构，得到语义化的矢量场景。通过本实施例方法的流程可以精准、高效地完成建筑物的边界轮廓提取，且提取的建筑物多边形矢量轮廓规则化程度及完整性高，可以满足地籍测量的实际要求。

实施例2：

本实施例提供一种建筑物二维矢量图构建系统，如图5所示，包括获取单元、投影单元、检测单元、优化单元、拓扑单元和提取单元，其中：

进一步地，所述投影单元具体还用于对投影后的建筑物立面点云进行投影点密度局部非极大值抑制处理。所述检测单元具体还用于采用最小二乘法对RANSAC算法的直线段检测结果进行直线拟合优化。

实施例3：

本实施例提供一种建筑物二维矢量图构建设备，如图6所示，在硬件层面，包括：

数据接口，用于建立处理器与外部设备的数据对接，以获取无人机倾斜摄影得到的建筑物点云数据；

存储器，用于存储指令；

处理器，用于读取所述存储器中存储的指令，并根据指令执行实施例1中的建筑物二维矢量图构建方法。

可选地，该计算机设备还包括内部总线。处理器与存储器和数据接口可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构）总线、PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(Extended Industry Standard Architecture，扩展工业标准结构）总线等。所述总线可以分为地址总线、数据总线、控制总线等。

所述存储器可以但不限于包括随机存取存储器（Random Access Memory，RAM）、只读存储器（Read Only Memory，ROM）、闪存（Flash Memory）、先进先出存储器（First InputFirst Output，FIFO）和/或先进后出存储器（First In Last Out，FILO）等。所述处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（NetworkProcessor，NP）等；还可以是数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（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。

实施例4：

本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上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行实施例1中的建筑物二维矢量图构建方法。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒（Memory Stick）等，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。

本实施例还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行实施例1中的建筑物二维矢量图构建方法。其中，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。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。

Claims

1.一种建筑物二维矢量图构建方法，其特征在于，包括：

获取无人机倾斜摄影得到的建筑物点云数据；

2.根据权利要求1所述的一种建筑物二维矢量图构建方法，其特征在于，所述从建筑物点云数据中提取建筑物立面点云，包括：获取建筑物点云数据中点云的实际距离特征、法向量特征和点密度特征；根据设定的距离特征条件、法向量特征条件和点密度特征条件来对比实际距离特征、法向量特征和点密度特征，提取出建筑物立面点云。

3.根据权利要求1所述的一种建筑物二维矢量图构建方法，其特征在于，在将建筑物立面点云投影到二维平面上后，所述方法还包括：对投影后的建筑物立面点云进行投影点密度局部非极大值抑制处理。

4.根据权利要求1所述的一种建筑物二维矢量图构建方法，其特征在于，在基于RANSAC算法对建筑物立面点云二维图进行直线段检测时，所述方法还包括：采用最小二乘法对RANSAC算法的直线段检测结果进行直线拟合优化，得到各初始建筑物边界线段。

5.根据权利要求1所述的一种建筑物二维矢量图构建方法，其特征在于，所述对各初始建筑物边界线段进行预处理，包括：根据设定直线段精度条件剔除各初始建筑物边界线段中的错误线段，并合并分段线段。

6.根据权利要求1所述的一种建筑物二维矢量图构建方法，其特征在于，所述对各初始建筑物边界线段进行预处理，包括：通过估计检测得到各初始建筑物边界线段主方向；根据主方向调整各初始建筑物边界线段，以满足设定规则几何特性约束条件。

7.根据权利要求6所述的一种建筑物二维矢量图构建方法，其特征在于，所述基于各建筑物边界线段进行建筑物多边形轮廓拓扑构建，形成各建筑物多边形矢量轮廓，包括：

8.一种建筑物二维矢量图构建系统，其特征在于，包括获取单元、投影单元、检测单元、优化单元、拓扑单元和提取单元，其中：

9.一种建筑物二维矢量图构建设备，其特征在于，包括：

存储器，用于存储指令；

处理器，用于读取所述存储器中存储的指令，并根据指令执行权利要求1-7任意一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行权利要求1-7任意一项所述的方法。