基于激光雷达系统的测距方法、装置及可读存储介质与流程

本发明涉及计算机技术，尤其涉及一种基于激光雷达系统的测距方法、装置及可读存储介质。

背景技术：

随着科技的发展和社会的进步，自动驾驶技术成为交通领域的发展趋势。在无人驾驶设备执行自动驾驶任务时，往往需要利用设置在其上的摄像头捕捉其周围的环境，并利用视觉图像算法计算环境中障碍物与无人驾驶设备之间的距离，以对无人驾驶设备的自动驾驶策略进行调整。

但是，由于视觉图像算法属于经验算法，在利用视觉图像算法对环境中障碍物与无人驾驶设备之间的距离进行计算时，其计算获得的距离的精准度无法得到保证，因此，现有技术中会采用在无人驾驶设备上架设激光雷达的方式，以利用激光雷达测距为该视觉图像算法提供测距精准度的校准。

但是，基于测距原理的差异，现有的激光雷达测距装置的测量范围远远小于视觉图像算法所能测算的范围，这使得在利用激光雷达测距装置对视觉图像算法进行测距精准度校准时，其所能校准的测距范围较小，无法满足无人驾驶设备的测距校准需求。

技术实现要素：

针对上述提及的由于现有激光雷达测距装置的测量范围远远小于视觉图像算法测算的距离范围，而导致的在利用激光雷达测距装置对视觉图像算法进行测距精准度校准时，校准的测距范围无法匹配，校准效率较低的问题，本发明提供了一种基于激光雷达系统的测距方法、装置及可读存储介质。

一方面，本发明提供了一种基于激光雷达系统的测距方法，包括：

接收激光雷达系统的多个激光雷达测量获得的测距数据；其中，所述测距数据包括激光雷达与其测量范围内的各障碍物之间的距离；

根据各测距数据建立三维坐标模型；其中，所述三维坐标模型中包括有每一个激光雷达的坐标以及每一个激光雷达所测量的障碍物的坐标；

根据所述三维坐标模型确定目标无人驾驶设备与各障碍物之间的距离。

在其中一种可选的实施方式中，多个激光雷达中包括固定架设的激光雷达和/或架设在各无人驾驶设备上的激光雷达。

在其中一种可选的实施方式中，所述测距数据还包括激光雷达的时间戳，所述时间戳用于表示激光雷达测量获得距离的时刻；

相应的，所述根据各测距数据建立三维坐标模型，包括：

根据各测距数据的时间戳，建立在各时刻下的三维坐标模型。

在其中一种可选的实施方式中，多个激光雷达中包括架设在目标无人驾驶设备上的目标激光雷达；

所述根据各测距数据建立三维坐标模型，包括：

根据所述目标无人驾驶设备上架设的目标激光雷达所获得的目标测距数据，建立以所述目标无人驾驶设备所在位置为原点的三维坐标系；

根据各所述测距数据中除所述目标测距数据以外的其他测距数据，确定其他激光雷达的坐标以及所述其他激光雷达测量范围内的各障碍物的坐标，获得三维坐标模型；其中，所述其他激光雷达为所述激光雷达系统的多个激光雷达中除所述目标激光雷达以外的激光雷达。

在其中一种可选的实施方式中，所述根据所述三维坐标模型确定各障碍物与所述目标无人驾驶设备之间的距离之后，还包括：

将所述目标无人驾驶设备与各障碍物之间的距离发送至目标无人驾驶设备，以供所述目标无人驾驶设备根据各距离对视觉图像算法进行测距校准。

在其中一种可选的实施方式中，所述接收激光雷达系统的多个激光雷达测量获得的测距数据之前，还包括：

向激光雷达系统的各激光雷达发送包括同步时钟信号的测距指令，以使所述各激光雷达根据接收测距指令按照同步时钟信号执行测距。

在其中一种可选的实施方式中，所述测距指令是按照预设的时间周期发送至各激光雷达的。

另一方面，本发明提供了一种基于激光雷达系统的测距方法系统，包括：

通信模块，用于接收激光雷达系统的多个激光雷达测量获得的测距数据；其中，所述测距数据包括激光雷达与其测量范围内的各障碍物之间的距离；

处理模块，用于根据各测距数据建立三维坐标模型；其中，所述三维坐标模型中包括有每一个激光雷达的坐标以及每一个激光雷达所测量的障碍物的坐标；还用于根据所述三维坐标模型确定目标无人驾驶设备与各障碍物之间的距离。

在其中一种可选的实施方式中，所述通信模块通过无线通信的方式与多个激光雷达连接，其中，所述多个激光雷达包括固定架设的激光雷达和/或架设在各无人驾驶设备上的激光雷达。

在其中一种可选的实施方式中，所述测距数据还包括激光雷达的时间戳，所述时间戳用于表示激光雷达测量获得距离的时刻；

所述处理模块具体用于根据各测距数据的时间戳，建立在各时刻下的三维坐标模型。

在其中一种可选的实施方式中，多个激光雷达中包括架设在目标无人驾驶设备上的目标激光雷达；

所述处理模块具体用于根据所述目标无人驾驶设备上架设的目标激光雷达所获得的目标测距数据，建立以所述目标无人驾驶设备所在位置为原点的三维坐标系；根据各所述测距数据中除所述目标测距数据以外的其他测距数据，确定其他激光雷达的坐标以及所述其他激光雷达测量范围内的各障碍物的坐标，获得三维坐标模型；其中，所述其他激光雷达为所述激光雷达系统的多个激光雷达中除所述目标激光雷达以外的激光雷达。

在其中一种可选的实施方式中，所述通信模块在根据所述三维坐标模型确定各障碍物与所述目标无人驾驶设备之间的距离之后，还用于将所述目标无人驾驶设备与各障碍物之间的距离发送至目标无人驾驶设备，以供所述目标无人驾驶设备根据各距离对视觉图像算法进行测距校准。

在其中一种可选的实施方式中，所述通信模块在接收激光雷达系统的多个激光雷达测量获得的测距数据之前，还用于向激光雷达系统的各激光雷达发送包括同步时钟信号的测距指令，以使所述各激光雷达根据接收测距指令按照同步时钟信号执行测距。

在其中一种可选的实施方式中，所述通信模块是按照预设的时间周期将所述测距指令发送至各激光雷达的。

再一方面，一种基于激光雷达系统的测距装置，其特征在于，包括：存储器、与所述存储器连接的处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，

所述处理器运行所述计算机程序时执行权利要求1-7任一项所述的方法。

最后一方面，本发明提供了一种可读存储介质，包括程序，当其在终端上运行时，使得终端执行如前任一项所述的方法。

本发明提供的基于激光雷达系统的测距方法、装置及可读存储介质，通过接收激光雷达系统的多个激光雷达测量获得的测距数据；其中，所述测距数据包括激光雷达与其测量范围内的各障碍物之间的距离；根据各测距数据建立三维坐标模型；根据所述三维坐标模型确定目标无人驾驶设备与各障碍物之间的距离，本申请通过利用多个激光雷达测量的测距数据，建立三维坐标模型，并根据三维坐标模型确定目标无人驾驶设备与障碍物之间的距离，相对于现有技术中的通过单激光雷达进行视觉图像算法的测距校准的方式来说，采用本申请的测距方法可实现距离范围更大的测距校准任务，有效提高了对视觉图像算法的校准效率和准确率。

附图说明

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

图1为本发明所基于的网络架构的示意图；

图2为本发明实施例一提供的一种基于激光雷达系统的测距方法的流程示意图；

图3为本发明实施例二提供的一种基于激光雷达系统的测距方法的流程示意图；

图4为本发明实施例三提供的一种基于激光雷达系统的测距装置的结构示意图；

图5为本发明实施例四提供的一种基于激光雷达系统的测距装置的硬件结构示意图。

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

随着科技的发展和社会的进步，自动驾驶技术成为交通领域的发展趋势。在无人驾驶设备执行自动驾驶任务时，往往需要利用设置在其上的摄像头捕捉其周围的环境，并利用视觉图像算法计算环境中障碍物与无人驾驶设备之间的距离，以对无人驾驶设备的自动驾驶策略进行调整。

但是，由于视觉图像算法属于经验算法，在利用视觉图像算法对环境中障碍物与无人驾驶设备之间的距离进行计算时，其计算获得的距离的精准度无法得到保证，因此，现有技术中会采用在无人驾驶设备上架设激光雷达的方式，以利用激光雷达测距为该视觉图像算法提供测距精准度的校准。

但是，基于测距原理的差异，现有的激光雷达测距装置的测量范围远远小于视觉图像算法所能测算的范围，这使得在利用激光雷达测距装置对视觉图像算法进行测距精准度校准时，其所能校准的测距范围较小，无法满足无人驾驶设备的测距校准需求。

需要说明的是，为了更好的解释本申请，图1为本发明所基于的网络架构的示意图，如图1所示，本发明提供的基于激光雷达系统的测距方法的执行主体具体可为基于激光雷达系统的测距装置1，该基于激光雷达系统的测距装置1所基于的网络架构还包括无人驾驶设备2和激光雷达系统3。

其中，该基于激光雷达系统的测距装置1可通过硬件和/或软件的方式实现，其具体可与由多个激光雷达组成的激光雷达系统3进行通信连接和数据交互，以接收激光雷达系统3测量获得的测距数据，基于激光雷达系统的测距装置1还可与无人驾驶设备2进行通信连接和数据交互，以为无人驾驶设备2提供相应的可用于校准其内设置的视觉图像算法的距离信息。

图2为本发明实施例一提供的一种基于激光雷达系统的测距方法的流程示意图。

如图2所示，该基于激光雷达系统的测距方法包括：

步骤101、接收激光雷达系统的多个激光雷达测量获得的测距数据；其中，所述测距数据包括激光雷达与其测量范围内的各障碍物之间的距离。

步骤102、根据各测距数据建立三维坐标模型；其中，所述三维坐标模型中包括有每一个激光雷达的坐标以及每一个激光雷达所测量的障碍物的坐标。

步骤103、根据所述三维坐标模型确定目标无人驾驶设备与各障碍物之间的距离。

为了解决上述提及的现有激光雷达测距装置的测量范围远远小于视觉图像算法测算的距离范围而导致的在利用激光雷达测距装置对视觉图像算法进行测距精准度校准时，校准的测距范围无法匹配，校准效率较低的问题，本发明实施例一提供了一种基于激光雷达系统的测距方法。

需要说明的是，本实施方式所基于的激光雷达系统中包括有多个激光雷达，每个激光雷达均可独立实现测距任务。其中该多个激光雷达中可包括固定架设的激光雷达，和/或，架设在各无人驾驶设备上的激光雷达。

首先，基于激光雷达的测距装置将接收各激光雷达测量获得的测距数据；其中，每个激光雷达发送的测距数据中均包括有该激光雷达在其测量范围内测量获得的其自身与各障碍物之间的距离。

随后，可根据获取的各距离建立三维坐标模型，其中三维坐标模型中包括有每一个激光雷达的坐标以及每一个激光雷达所测量的障碍物的坐标。最后，可根据所述三维坐标模型确定目标无人驾驶设备与各障碍物之间的距离。

具体来说，在本申请中，由于采用了包括有多个激光雷达的激光雷达系统进行测距，且该多个激光雷达是位于不同位置的，因此，通过获取这些激光雷达测量的测距数据，可构建三维坐标模型，该三维坐标模型中可包括有每一激光雷达以及其可测量获得的障碍物的坐标。当然，在构建三维坐标模型时，需结合各测距数据，以实现对同一障碍物或同一激光雷达的坐标的确定；也就是说，针对某一障碍物来说，不同的激光雷达测量出来的距离是不同的，因此，在将各测距数据进行整合时，可参考这些被多个激光雷达测距的障碍物，以实现对三维坐标模型的建立，进而得到一个测距范围较大的位置体系。此外，当完成对该三维坐标模型的构建之后，还需确定待校准的目标无人驾驶设备的坐标，以及该三维坐标模型上全部障碍物与该目标驾驶设备之间的距离。

本发明提供的基于激光雷达系统的测距方法，通过接收激光雷达系统的多个激光雷达测量获得的测距数据；其中，所述测距数据包括激光雷达与其测量范围内的各障碍物之间的距离；根据各测距数据建立三维坐标模型；根据所述三维坐标模型确定目标无人驾驶设备与各障碍物之间的距离，本申请通过利用多个激光雷达测量的测距数据，建立三维坐标模型，并根据三维坐标模型确定目标无人驾驶设备与障碍物之间的距离，相对于现有技术中的通过单激光雷达进行视觉图像算法的测距校准的方式来说，采用本申请的测距方法可实现距离范围更大的测距校准任务，有效提高了对视觉图像算法的校准效率和准确率。

优选的，在其他可选的实施方式中，测距数据还包括激光雷达的时间戳，所述时间戳用于表示激光雷达测量获得距离的时刻。因此，在本实施方式中，，基于激光雷达系统的测距装置根据利用测距数据中的时间戳，选出在同一测量的时刻获得的距离，并构建该时刻下的三维坐标模型，进而得到每一测量的时刻下的三维坐标模型，即建立以时间轴为维度的动态三维坐标模型，从而为校准无人驾驶设备上承载的视觉图像算法模型提供更精准的数据。

优选的，在其他可选的实施方式中，多个激光雷达中包括架设在目标无人驾驶设备上的目标激光雷达。而在根据各测距数据建立三维坐标模型时，可具体包括：根据所述目标无人驾驶设备上架设的目标激光雷达所获得的目标测距数据，建立以所述目标无人驾驶设备所在位置为原点的三维坐标系；根据各所述测距数据中除所述目标测距数据以外的其他测距数据，确定其他激光雷达的坐标以及所述其他激光雷达测量范围内的各障碍物的坐标，获得三维坐标模型；其中，所述其他激光雷达为所述激光雷达系统的多个激光雷达中除所述目标激光雷达以外的激光雷达。在本实施方式中，为了提高三维坐标模型的建立效率以提高校准效率，可将激光雷达系统中的一个激光雷达设置在目标无人驾驶设备上，以使以该目标激光雷达与目标无人驾驶设备的位置重合，提高对测距数据的处理效率，提高了建立三维坐标模型的建立效率。

本发明提供的基于激光雷达系统的测距方法，通过接收激光雷达系统的多个激光雷达测量获得的测距数据；其中，所述测距数据包括激光雷达与其测量范围内的各障碍物之间的距离；根据各测距数据建立三维坐标模型；根据所述三维坐标模型确定目标无人驾驶设备与各障碍物之间的距离，本申请通过利用多个激光雷达测量的测距数据，建立三维坐标模型，并根据三维坐标模型确定目标无人驾驶设备与障碍物之间的距离，相对于现有技术中的通过单激光雷达进行视觉图像算法的测距校准的方式来说，采用本申请的测距方法可实现距离范围更大的测距校准任务，有效提高了对视觉图像算法的校准效率和准确率。

在实施例一的基础上，图3为本发明实施例二提供的一种基于激光雷达系统的测距方法的流程示意图。

如图3所示，该基于激光雷达系统的测距方法包括：

步骤201、向激光雷达系统的各激光雷达发送包括同步时钟信号的测距指令，以使所述各激光雷达根据接收测距指令按照同步时钟信号执行测距。

步骤202、接收激光雷达系统的多个激光雷达测量获得的测距数据；其中，所述测距数据包括激光雷达与其测量范围内的各障碍物之间的距离。

步骤203、根据各测距数据建立三维坐标模型；其中，所述三维坐标模型中包括有每一个激光雷达的坐标以及每一个激光雷达所测量的障碍物的坐标。

步骤204、根据所述三维坐标模型确定目标无人驾驶设备与各障碍物之间的距离。

步骤205、将所述目标无人驾驶设备与各障碍物之间的距离发送至目标无人驾驶设备，以供所述目标无人驾驶设备根据各距离对视觉图像算法进行测距校准。

本实施方式所基于的激光雷达系统中包括有多个激光雷达，每个激光雷达均可独立实现测距任务。其中该多个激光雷达中可包括固定架设的激光雷达，和/或，架设在各无人驾驶设备上的激光雷达。

与实施例一不同的是，在本实施例二中，激光雷达系统的测距装置首先会向激光雷达系统的各激光雷达发送包括有同步时钟信号的测距指令，以使各激光雷达按照测距指令中的同步时钟信息同步进行测距。随后，与实施例一类似的是，基于激光雷达的测距装置将接收各激光雷达测量获得的测距数据；其中，每个激光雷达发送的测距数据中均包括有该激光雷达在其测量范围内测量获得的其自身与各障碍物之间的距离。通过这样的方式获得的测距数据的同步性较高，有效提高了测量精度。优选的，在本实施例二中，基于激光雷达系统的测距装置是按照预设的时间周期将所述测距指令发送至各激光雷达的。

随后，可根据获取的各距离建立三维坐标模型，其中三维坐标模型中包括有每一个激光雷达的坐标以及每一个激光雷达所测量的障碍物的坐标。最后，可根据所述三维坐标模型确定目标无人驾驶设备与各障碍物之间的距离。

具体来说，在本申请中，由于采用了包括有多个激光雷达的激光雷达系统进行测距，且该多个激光雷达是位于不同位置的，因此，通过获取这些激光雷达测量的测距数据，可构建三维坐标模型，该三维坐标模型中可包括有每一激光雷达以及其可测量获得的障碍物的坐标。当然，在构建三维坐标模型时，需结合各测距数据，以实现对同一障碍物或同一激光雷达的坐标的确定；也就是说，针对某一障碍物来说，不同的激光雷达测量出来的距离是不同的，因此，在将各测距数据进行整合时，可参考这些被多个激光雷达测距的障碍物，以实现对三维坐标模型的建立，进而得到一个测距范围较大的位置体系。此外，当完成对该三维坐标模型的构建之后，还需确定待校准的目标无人驾驶设备的坐标，以及该三维坐标模型上全部障碍物与该目标驾驶设备之间的距离。

最后，基于激光雷达系统的测距装置将所述目标无人驾驶设备与各障碍物之间的距离发送至目标无人驾驶设备，以供所述目标无人驾驶设备根据各距离对视觉图像算法进行测距校准。

优选的，在其他可选的实施方式中，测距数据还包括激光雷达的时间戳，所述时间戳用于表示激光雷达测量获得距离的时刻。因此，在本实施方式中，，基于激光雷达系统的测距装置根据利用测距数据中的时间戳，选出在同一测量的时刻获得的距离，并构建该时刻下的三维坐标模型，进而得到每一测量的时刻下的三维坐标模型，即建立以时间轴为维度的动态三维坐标模型，从而为校准无人驾驶设备上承载的视觉图像算法模型提供更精准的数据。

优选的，在其他可选的实施方式中，多个激光雷达中包括架设在目标无人驾驶设备上的目标激光雷达。而在根据各测距数据建立三维坐标模型时，可具体包括：根据所述目标无人驾驶设备上架设的目标激光雷达所获得的目标测距数据，建立以所述目标无人驾驶设备所在位置为原点的三维坐标系；根据各所述测距数据中除所述目标测距数据以外的其他测距数据，确定其他激光雷达的坐标以及所述其他激光雷达测量范围内的各障碍物的坐标，获得三维坐标模型；其中，所述其他激光雷达为所述激光雷达系统的多个激光雷达中除所述目标激光雷达以外的激光雷达。在本实施方式中，为了提高三维坐标模型的建立效率以提高校准效率，可将激光雷达系统中的一个激光雷达设置在目标无人驾驶设备上，以使以该目标激光雷达与目标无人驾驶设备的位置重合，提高对测距数据的处理效率，提高了建立三维坐标模型的建立效率。

本发明提供的基于激光雷达系统的测距方法，通过接收激光雷达系统的多个激光雷达测量获得的测距数据；其中，所述测距数据包括激光雷达与其测量范围内的各障碍物之间的距离；根据各测距数据建立三维坐标模型；根据所述三维坐标模型确定目标无人驾驶设备与各障碍物之间的距离，通过利用多个激光雷达测量的测距数据，建立三维坐标模型，并根据三维坐标模型确定目标无人驾驶设备与障碍物之间的距离，相对于现有技术中的通过单激光雷达进行视觉图像算法的测距校准的方式来说，采用本申请的测距方法可实现距离范围更大的测距校准任务，有效提高了对视觉图像算法的校准效率和准确率。

图4为本发明实施例三提供的一种基于激光雷达系统的测距装置的结构示意图，如图4所示，该基于激光雷达系统的测距装置包括：

通信模块10，用于接收激光雷达系统的多个激光雷达测量获得的测距数据；其中，所述测距数据包括激光雷达与其测量范围内的各障碍物之间的距离；

处理模块20，用于根据各测距数据建立三维坐标模型；其中，所述三维坐标模型中包括有每一个激光雷达的坐标以及每一个激光雷达所测量的障碍物的坐标；还用于根据所述三维坐标模型确定目标无人驾驶设备与各障碍物之间的距离。

在其中一种可选的实施方式中，所述通信模块10通过无线通信的方式与多个激光雷达连接，其中，所述多个激光雷达包括固定架设的激光雷达和/或架设在各无人驾驶设备上的激光雷达。

在其中一种可选的实施方式中，所述测距数据还包括激光雷达的时间戳，所述时间戳用于表示激光雷达测量获得距离的时刻；

所述处理模块20具体用于根据各测距数据的时间戳，建立在各时刻下的三维坐标模型。

在其中一种可选的实施方式中，多个激光雷达中包括架设在目标无人驾驶设备上的目标激光雷达；

所述处理模块20具体用于根据所述目标无人驾驶设备上架设的目标激光雷达所获得的目标测距数据，建立以所述目标无人驾驶设备所在位置为原点的三维坐标系；根据各所述测距数据中除所述目标测距数据以外的其他测距数据，确定其他激光雷达的坐标以及所述其他激光雷达测量范围内的各障碍物的坐标，获得三维坐标模型；其中，所述其他激光雷达为所述激光雷达系统的多个激光雷达中除所述目标激光雷达以外的激光雷达。

在其中一种可选的实施方式中，所述通信模块10在根据所述三维坐标模型确定各障碍物与所述目标无人驾驶设备之间的距离之后，还用于将所述目标无人驾驶设备与各障碍物之间的距离发送至目标无人驾驶设备，以供所述目标无人驾驶设备根据各距离对视觉图像算法进行测距校准。

在其中一种可选的实施方式中，所述通信模块10在接收激光雷达系统的多个激光雷达测量获得的测距数据之前，还用于向激光雷达系统的各激光雷达发送包括同步时钟信号的测距指令，以使所述各激光雷达根据接收测距指令按照同步时钟信号执行测距。

在其中一种可选的实施方式中，所述通信模块10是按照预设的时间周期将所述测距指令发送至各激光雷达的。

所述领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程以及相应的有益效果，可以参考前述方法实施例中的对应过程，在此不再赘述。

本发明提供的基于激光雷达系统的测距装置，通过接收激光雷达系统的多个激光雷达测量获得的测距数据；其中，所述测距数据包括激光雷达与其测量范围内的各障碍物之间的距离；根据各测距数据建立三维坐标模型；根据所述三维坐标模型确定目标无人驾驶设备与各障碍物之间的距离，本申请通过利用多个激光雷达测量的测距数据，建立三维坐标模型，并根据三维坐标模型确定目标无人驾驶设备与障碍物之间的距离，相对于现有技术中的通过单激光雷达进行视觉图像算法的测距校准的方式来说，采用本申请的测距方法可实现距离范围更大的测距校准任务，有效提高了对视觉图像算法的校准效率和准确率。

图5为本发明实施例四提供的一种基于激光雷达系统的测距装置的硬件结构示意图。如图5所示，该基于激光雷达系统的测距装置包括：存储器41、处理器42及存储在存储器41上并可在处理器42上运行的计算机程序，处理器42运行计算机程序时执行上述任一实施例的方法。

本发明还提供一种可读存储介质，包括程序，当其在终端上运行时，使得终端执行上述任一实施例的方法。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，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，或者对其中部分或者全部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发明各实施例技术方案的范围。