扫地机及其清扫区域的命名方法，计算机可读存储介质与流程

本申请涉及扫地机器人技术领域，尤其涉及一种扫地机及其清扫区域的命名方法，计算机可读存储介质。

背景技术：

目前，市面上的扫地机分为lds传感器扫地机与vslam扫地机，扫地机在进行一次全屋清扫后，会得出当前全屋的地图信息，并且将其保存在扫地机当中，以供下次清扫使用。一般扫地机都会将地图划分成多个区域，供由用户自行选择区域进行清扫，得出的区域命名一般为清扫区域1、清扫区域2…，清扫区域命名较为单一，并且需要用户自行进行清扫区域名称的修改。

技术实现要素：

本申请实施例通过提供一种扫地机及其清扫区域的命名方法，计算机可读存储介质，旨在解决清扫区域命名单一，且需要用户手动修改清扫区域名称的问题。

为实现上述目的，本申请一方面提供一种扫地机清扫区域的命名方法，所述扫地机清扫区域的命名方法包括以下步骤：

获取扫地机的清扫区域；

对所述清扫区域进行分割得到至少两个清扫子区域，获取各个清扫子区域中的家具信息；

根据每个所述清扫子区域中的所述家具信息对每个所述清扫子区域进行命名。

可选地，所述根据每个所述清扫子区域中的所述家具信息对每个所述清扫子区域进行命名的步骤包括：

依次遍历每个所述清扫子区域中的家具属性；

根据每个所述清扫子区域中的家具属性对每个所述清扫子区域进行命名。

可选地，所述根据每个所述清扫子区域中的家具属性对每个所述清扫子区域进行命名的步骤包括：

若所述家具属性为预设属性，则获取所述预设属性的家具所在清扫子区域的面积；

根据所述面积对所述清扫子区域进行命名。

可选地，所述根据每个所述清扫子区域中的家具属性对每个所述清扫区域进行命名的步骤，还包括：

在有至少两个清扫子区域中的家具属性相同时，按照遍历顺序以及所述家具属性对具有相同家具属性的所述清扫子区域进行命名。

可选地，所述根据每个所述清扫子区域中的家具属性对每个所述清扫子区域进行命名的步骤之后，包括：

在根据所述家具属性对所述清扫子区域命名失败时，按照所述遍历顺序对命名失败的清扫子区域进行命名。

可选地，所述获取扫地机的清扫区域的步骤之前，包括：

在扫地机清扫的过程中，获取清扫的轨迹信息，并通过摄像头识别家具信息以及所述家具的位置信息；

根据清扫的轨迹信息生成所述清扫区域；

将所述家具信息与所述位置信息进行关联。

可选地，所述根据清扫的轨迹信息生成所述清扫区域的步骤，以及所述对所述清扫区域进行分割得到至少两个清扫子区域，获取各个清扫子区域中的家具信息的步骤之间，还包括：

构建所述清扫区域对应的栅格地图，并将所述家具的位置信息存储至所述栅格地图中；

所述对所述清扫区域进行分割得到至少两个清扫子区域，获取各个清扫子区域中的家具信息的步骤包括：

根据所述栅格地图对所述清扫区域分割得到至少两个所述清扫子区域；

根据所述清扫子区域在所述栅格地图中的位置信息以及所述家具在所述栅格地图中的位置信息，确定所述各个清扫子区域中的家具信息。

可选地，所述通过摄像头识别家具信息以及所述家具的位置信息的步骤包括：

通过所述摄像头采集扫地机在清扫过程中的环境图片；

采用深度学习算法，对所述环境图片进行画框操作以框出所述环境图片中的家具；

提取框内家具对应的家具点云信息，根据所述家具点云信息获取家具对应的二维坐标，所述家具点云信息是指家具轮廓的三维坐标。

此外，为实现上述目的，本申请另一方面还提供一种扫地机，所述扫地机包括存储器、处理器及存储在存储器上并在处理器上运行的扫地机清扫区域的命名程序，所述处理器执行所述扫地机清扫区域的命名程序时实现如上所述扫地机清扫区域的命名方法的步骤。

此外，为实现上述目的，本申请另一方面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上存储有扫地机清扫区域的命名程序，所述扫地机清扫区域的命名程序被处理器执行时实现如上所述扫地机清扫区域的命名方法的步骤。

本实施例通过获取扫地机的清扫区域；对清扫区域进行分割得到至少两个清扫子区域，获取各个清扫子区域中的家具信息；根据每个清扫子区域中的家具信息对每个清扫子区域进行命名。通过家具信息对清扫区域进行命名，解决了清扫区域命名单一，且需要用户手动修改清扫区域名称的技术问题，使得清扫区域命名多样化，且无需用户手动修改清扫区域名称。

附图说明

图1为本申请实施例方案涉及的硬件运行环境的扫地机结构示意图；

图2为本申请扫地机清扫区域的命名方法第一实施例的流程示意图；

图3为本申请扫地机清扫区域的命名方法第二实施例的流程示意图；

图4为本申请扫地机清扫区域的命名方法第二实施例的流程示意图；

图5为本申请扫地机清扫区域的命名方法中获取扫地机的清扫区域的步骤之前的流程示意图；

图6为本申请扫地机清扫区域的命名方法中根据每个所述清扫子区域中的家具属性对每个所述清扫子区域进行命名的流程示意图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

本申请实施例的主要解决方案是：获取扫地机的清扫区域；对所述清扫区域进行分割得到至少两个清扫子区域，获取各个清扫子区域中的家具信息；根据每个所述清扫子区域中的所述家具信息对每个所述清扫子区域进行命名。

由于现有的扫地机对清扫区域的命名比较单一，且需要用户自行进行清扫区域名称的修改。因此，本申请通过获取扫地机的清扫区域；对清扫区域进行分割得到至少两个清扫子区域，获取各个清扫子区域中的家具信息；根据每个清扫子区域中的家具信息对每个清扫子区域进行命名。通过家具信息对清扫区域进行命名，解决了清扫区域命名单一，且需要用户手动修改清扫区域名称的技术问题，使得清扫区域命名多样化，且无需用户手动修改清扫区域名称。

如图1所示，图1为本申请实施例方案涉及的硬件运行环境的扫地机结构示意图。

如图1所示，该扫地机可以包括：处理器1001，例如cpu，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，扫地机还可以包括摄像头、rf(radiofrequency，射频)电路，传感器、遥控器、音频电路、wifi模块、检测器等等。当然，所述扫地机还可配置陀螺仪、气压计、湿度计、温度传感器等其他传感器，在此不再赘述。

本领域技术人员可以理解，图1中示出的扫地机结构并不构成对扫地机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及扫地机清扫区域的命名程序。

在图1所示的扫地机中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中扫地机清扫区域的命名程序，并执行以下操作：

获取扫地机的清扫区域；

对所述清扫区域进行分割得到至少两个清扫子区域，获取各个清扫子区域中的家具信息；

根据每个所述清扫子区域中的所述家具信息对每个所述清扫子区域进行命名。

参考图2，图2为本申请扫地机清扫区域的命名方法第一实施例的流程示意图。

本申请实施例提供了扫地机清扫区域的命名方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

扫地机清扫区域的命名方法包括：

步骤s10，获取扫地机的清扫区域；

在本实施例中，扫地机设有摄像头，摄像头用于拍摄扫地机在清扫过程中的周围环境，产生环境图像，以及进行运动建图，以获取扫地机的清扫区域，其中，该清扫区域可以为整个房屋，超市、商场、酒店等等。

进一步地，参考图5，所述获取扫地机的清扫区域的步骤之前，包括：

步骤s11，在扫地机清扫的过程中，获取清扫的轨迹信息，并通过摄像头识别家具信息以及所述家具的位置信息；

步骤s12，根据清扫的轨迹信息生成所述清扫区域；

步骤s13，将所述家具信息与所述位置信息进行关联。

在本实施例中，扫地机设有激光雷达、超声波传感器、红外测距传感器以及碰撞传感器等，扫地机通过激光雷达来探测清扫过程中的环境信息，根据超声波传感器以及碰撞传感器检测清扫过程中的障碍物的位置以及尺寸等，同时，还可以利用红外测距传感器中红外信号遇到障碍物距离的不同反射的强度也不同的原理，进行障碍物远近的检测。

当扫地机接收到清扫指令时，获取上一次清洁完成后预存的地图信息，根据该地图信息进行清扫，其中，若扫地机初次进行清扫操作，则通过激光雷达、超声波传感器、红外传感器，摄像头以及碰撞传感器等检测周围的环境信息，识别清扫区域中家具信息等。在清扫的过程中，扫地机会自动获取清扫的轨迹信息，即清扫的具体路径信息，如，通过传感器采集在清扫过程中的坐标数据，基于该坐标数据形成清扫轨迹。进一步地，扫地机还设有图像识别模块，该图像识别模块用于根据摄像头拍摄的环境图像，识别扫地机扫描过的清扫区域中的家具信息以及家具的位置信息，其中，家具信息包括家具轮廓、家具尺寸参数(如面积，长度，宽度等参数)；家具的位置信息为家具的在地图上的二维坐标。此外，扫地机在识别到家具时，为了能快速知道每个家具对应的位置信息，还需要将每个家具与其对应的位置信息进行关联，如，橱柜与厨房关联，沙发与客厅关联，马桶与卫生间关联等等。

扫地机在完成全局清扫后，根据清扫的轨迹信息生成清扫区域，如，获取清扫的轨迹信息中的开始坐标和结束坐标，若开始坐标与结束坐标相同，则说明进行了闭环清扫操作，清扫轨迹坐标所围成的区域即为清扫区域；若开始坐标与结束坐标不一致，则根据用户预先设定的条件确定清扫区域，如，对房间进行清扫，扫地机根据在房间的清扫轨迹信息确定房间的清扫面积，当清扫面积大于设定清扫面积(如房间面积的三分之二)，则将房间归入清扫区域。

进一步，扫地机根据清扫的轨迹信息生成清扫区域后，还需要构建该清扫区域对应的栅格地图，如，确定栅格地图的栅格边长，横向栅格数量、纵向栅格数量和原点坐标，再根据确定的栅格信息构建清扫区域的栅格地图。其中，栅格地图是指把环境划分成一系列栅格，其中每一栅格给定一个可能值，表示该栅格被占据的概率，此外，栅格地图用于存储二维坐标。扫地机在构建栅格地图后，还需要将家具的位置信息存储至栅格地图中，即将家具对应的二维坐标填入栅格地图中，以使通过栅格地图可快速确定家具的坐标信息。

步骤s20，对所述清扫区域进行分割得到至少两个清扫子区域，获取各个清扫子区域中的家具信息；

在本实施例中，通过扫地机构建的栅格地图对清扫区域进行分割，以获取至少两个清扫子区域，具体地，获取栅格地图中的障碍物信息，如，墙壁的边界信息，障碍物尺寸、障碍物的数量等，根据栅格地图中的障碍物信息以及标注的家具位置信息对清扫区域进行分割得到多个两个清扫子区域。其中，不同的清扫区域，其分割得到的清扫子区域会有所差别，如，当清扫区域为整个房屋时，对栅格地图进行分割得到的清扫子区域可包括客厅、卧室、卫生间、餐厅、厨房、阳台等等；当清扫区域为酒店时，对栅格地图进行分割得到的清扫子区域可包括卧室、卫生间、厨房等等。

此外，不同的清扫子区域会设置有不同的家具，如，在卧室中设有床，在卫生间中设有马桶、在客厅中设有沙发、在餐厅中设有餐桌、在厨房中设有橱柜等等。因此，在分割得到多个清扫子区域时，还需要获取每个清扫子区域的家具信息，具体地，根据清扫子区域在栅格地图中的位置信息以及家具在栅格地图中的位置信息，确定各个清扫子区域中的家具信息，如，清扫子区域a在栅格地图中的位置信息为{(1，1)，(1，3)，(3，1)，(3，3)}，家具a在栅格地图中的位置信息为(2，2)，家具b在栅格地图中的位置信息为(5，1)，则可以确定家具a在清扫子区域a中。

步骤s30，根据每个所述清扫子区域中的所述家具信息对每个所述清扫子区域进行命名。

目前的扫地机会将地图划分成多个区域，供由用户自行选择区域进行清扫，但对于每个区域的命名比较单一，一般命名为房间1、房间2…，同时，需要用户手动修改区域的命名。而本申请是根据每个清扫子区域中的家具信息对每个清扫子区域进行命名，如，若清扫子区域中的家具为马桶，则将该清扫子区域命名为卫生间；若清扫子区域中的家具为餐桌，则将该清扫子区域命名为餐厅；若清扫子区域中的家具为沙发，则将该清扫子区域命名为客厅；若清扫子区域中的家具为床，则将该清扫子区域命名为卧室。

可选地，在确定每个清扫子区域的名称后，还可以设置每个清扫子区域的清扫模式，以使扫地机根据每个清扫子区域对应的清扫模式执行清扫操作，其中，清扫模式包括但不限定于地毯模式、地板模式、瓷砖模式、快速清扫模式、标准清扫模式、深度清扫模式、自动清扫模式等。具体地，根据地面的清扫难易程度设置清扫子区域的清扫模式，如，厨房地面可能会存在油污等比较难清扫的物质，则设置厨房的清扫模式为深度清扫模式(清扫时间最长，清洁效果最好)；对于只存在灰尘的清扫子区域地面，如，卧室，书房等，设置标准清扫模式。其中，清扫难易程度可根据地面灰尘的厚度、垃圾的数量(如头发，纸碎等)，油污厚度等。通过设置每个清扫子区域的清扫模式，保证了清扫的干净度，提高了清扫的效率。

本实施例获取扫地机的清扫区域；对清扫区域进行分割得到至少两个清扫子区域，获取各个清扫子区域中的家具信息；根据每个清扫子区域中的家具信息对每个清扫子区域进行命名。通过家具信息对清扫区域进行命名，解决了清扫区域命名单一，且需要用户手动修改清扫区域名称的技术问题，使得清扫区域命名多样化，且无需用户手动修改清扫区域名称。

进一步地，参考图3，提出本申请扫地机清扫区域的命名方法第二实施例。

所述扫地机清扫区域的命名方法第二实施例与所述扫地机清扫区域的命名方法第一实施例的区别在于，所述根据每个所述清扫子区域中的所述家具信息对每个所述清扫子区域进行命名的步骤包括：

步骤s31，依次遍历每个所述清扫子区域中的家具属性；

步骤s32，根据每个所述清扫子区域中的家具属性对每个所述清扫子区域进行命名。

在本实施例中，扫地机在分割得到多个清扫子区域后，会生成对应的清扫子区域列表，该列表中存储有每个清扫子区域对应的家具信息，其中，家具信息包括家具属性、家具形状、家具大小、家具面积等，本申请的家具属性包括餐桌，马桶，沙发，冰箱，洗衣机等等。扫地机在对清扫子区域进行命名时，自动遍历清扫子区域列表，并获取每个清扫子区域中的家具属性，从而根据家具属性对每个清扫子区域进行命名。

进一步地，参考图6，所述根据每个所述清扫子区域中的家具属性对每个所述清扫子区域进行命名的步骤包括：

步骤s320，若所述家具属性为预设属性，则获取所述预设属性的家具所在清扫子区域的面积；

步骤s321，根据所述面积对所述清扫子区域进行命名。

在一些家庭中，餐厅与客厅是连在一起的，或者是有一些家具可以设于不同的清扫子区域，如，冰箱可以设于餐厅，也可以设于厨房；饮水机可以设于客厅，也可以设于厨房。因此，对于这些特殊的情况，需要制定不同的命名方法，具体地，当扫地机遍历到的家具属性为预设属性(如餐桌，冰箱，饮水机等)，则获取预设属性的家具所在清扫子区域的面积，再根据面积对清扫子区域进行命名，如，若家具属性为餐桌，则获取餐桌所在清扫子区域的面积，将该面积与设定的餐厅面积进行比较，若该面积达到设定的餐厅面积，则将清扫子区域命名为餐厅；若该面积大于设定的餐厅面积，则将清扫子区域命名为客厅。又或者是，若家具属性为冰箱，则获取冰箱所在清扫子区域的面积，将该面积与设定的厨房面积进行比较，若该面积达到设定的厨房面积，则将清扫子区域命名为厨房；若该面积大于设定的厨房面积，则将清扫子区域命名为客厅。

进一步地，当家具属性为预设属性是，还可以获取预设属性的家具所在清扫子区域的其他家具属性，根据其他家具属性确定清扫子区域的命名，如，若家具属性为冰箱，再获取冰箱所在清扫子区域的其他家具属性，当获取到的其他家具属性为橱柜，则将清扫子区域命名为厨房。

在一实施例中，扫地机在清扫整个房屋时，整个房屋中可能会存在多个卧室，而每个卧室中对应的家具属性均为床，此时，还需要根据遍历顺序对清扫子区域进行命名。具体地，在有至少两个清扫子区域中的家具属性相同时，按照遍历顺序以及家具属性对具有相同家具属性的所述清扫子区域进行命名。如，扫地机在遍历清扫子区域列表时，获取到3个清扫子区域的家具属性为床，此时，需要获取遍历到这3个清扫子区域的遍历顺序，若遍历顺序为清扫子区域a，清扫子区域b和清扫子区域c，则清扫子区域a，清扫子区域b和清扫子区域c分别对应的命名为卧室1，卧室2，卧室3。

需要说明的是，若本次清扫子区域的命名是在上一次的基础上进行的，也即扫地机在上一次清扫时，已进行了清扫子区域的命名，本次命名需要将上一次命名失败的清扫子区域进行命名，如，清扫子区域d命名失败，当遍历到清扫子区域d的家具属性为床时，获取上一次命名为卧室的数量，若上一次命名为卧室的数量为3个，则将清扫子区域d命名为卧室4，其中，对具有相同家具属性且命名失败的清扫子区域命名时，与遍历顺序无关。

在一实施例中，有一些家具可设于多个清扫子区域，如，椅子，饮水机，空调等等，当根据上述家具属性进行清扫子区域的命名时，可能会出现命名失败的情况，即不能确定清扫子区域的具体名称。具体地，在根据家具属性对清扫子区域命名失败时，按照遍历顺序对命名失败的清扫子区域进行命名。如，若当前命名失败的清扫子区域的遍历顺序为清扫子区域a，清扫子区域b和清扫子区域c，则将清扫子区域a命名为房间1，清扫子区域b命名为房间2，清扫子区域c命名为房间3。

本实施例通过家具属性对清扫区域命名自动命名，无需用户手动修改清扫区域的名称，以及由于不同家具对应的家具属性不同，因此清扫区域对应的命名多样化。

进一步地，参考图4，提出本申请扫地机清扫区域的命名方法第三实施例。

所述扫地机清扫区域的命名方法第三实施例与所述扫地机清扫区域的命名方法第一实施例和第二实施例的区别在于，所述通过摄像头识别家具信息以及所述家具的位置信息的步骤包括：

步骤s110，通过所述摄像头采集扫地机在清扫过程中的环境图片；

步骤s111，采用深度学习算法，对所述环境图片进行画框操作以框出所述环境图片中的家具；

步骤s112，提取框内家具对应的家具点云信息，根据所述家具点云信息获取家具对应的二维坐标，所述家具点云信息是指家具轮廓的三维坐标。

在本实施例中，主要采用深度相机摄像头采集扫地机在清扫过程中的环境图片，以及识别图片中的家具信息，其中，本申请采用的深度相机摄像头包括rgb摄像头和tof摄像头，rgb摄像头用于图像特征点匹配和三角测量间接计算等，tof摄像头通过发出经调制的脉冲红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息，进一步结合传统的相机拍摄，就能将物体的三维轮廓以不同颜色代表不同距离的地形图方式呈现出来。

具体地，通过rgb摄像头采集扫地机在清扫过程中的环境图片，采用ai深度学习算法对原始的环境图片进行画框操作，以框出环境图片中的家具，其中，深度学习算法是机器学习中一种基于对数据进行表征学习的方法，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，如，图像，声音和文本；通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。进一步结合tof中的深度图片对框内实际家具的点云信息进行提取，其中，家具点云信息是指在一个三维坐标系统中的一组向量的集合，用于表征家具轮廓。由于栅格地图存储的是家具的二维坐标，因此，在获取到家具的三维坐标时，去除z轴的坐标即可得到家具的二维坐标。

本实施例通过深度相机拍摄扫地机在清扫过程中的环境图片，通过ai深度学习算法以及结合tof中的深度图像可以准确地识别环境图片中的家具以及家具的位置信息，保证清扫子区域的命名的准确性。

此外，本申请还提供一种扫地机，所述扫地机包括存储器、处理器及存储在存储器上并在处理器上运行的扫地机清扫区域的命名方法程序，所述扫地机获取扫地机的清扫区域；对清扫区域进行分割得到至少两个清扫子区域，获取各个清扫子区域中的家具信息；根据每个清扫子区域中的家具信息对每个清扫子区域进行命名。通过家具信息对清扫区域进行命名，解决了清扫区域命名单一，且需要用户手动修改清扫区域名称的技术问题，使得清扫区域命名多样化，且无需用户手动修改清扫区域名称。

此外，本申请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上存储有扫地机清扫区域的命名方法程序，所述扫地机清扫区域的命名方法程序被处理器执行时实现如上所述扫地机清扫区域的命名方法的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本申请可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

尽管已描述了本申请的可选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括可选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。