一种测量障碍物距离的方法及装置与流程

本申请涉及车辆控制技术领域，尤其涉及一种测量障碍物距离的方法及装置。

背景技术：

自动驾驶技术是目前机动车领域的一类重要技术，也是目前各大厂商的热门研究方向。自动驾驶技术主要依靠人工智能、视觉计算、雷达、监控装置和全球定位系统等的协同合作，让车载电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。而障碍物识别作为自动驾驶中的重要环节，直接影响到了自动驾驶过程中的安全性。

目前的自动驾驶技术通过雷达获取当前道路前方障碍物与本车的距离，但当在某个区域存在多个障碍物且多个障碍物之间存在部分遮挡时，雷达只会获取该区域与本车距离最近的障碍物的位置，而会忽略其它被部分遮挡的障碍物，这会使得车辆在自动驾驶过程中的驾驶策略出现安全隐患。例如当行人被隔离栏(也可以是绿化带、建筑墙壁，指示牌等设施)部分遮挡时，车辆的雷达可能只将右侧的隔离栏判定为该方向上的障碍物而忽略掉行人，导致无法获取所述车辆与行人的距离，这会导致车辆的驾驶策略例如路径选择、行驶速度及刹车时刻等存在安全隐患。

技术实现要素：

为了解决现有技术存在的上述技术问题，本申请提供了一种量障碍物距离的方法及装置，能够精确地获得车辆与障碍物之间的距离，提升自动驾驶过程中的安全性。

本申请实施例提供了一种测量障碍物距离的方法，所述方法包括：

获取拍摄图像中障碍物的位置框；所述拍摄图像为车辆上的摄像头拍摄到所述车辆当前行驶方向上的实时图像；

将雷达的坐标系转换为所述拍摄图像的坐标系；

获取所述障碍物的所述位置框在所述雷达坐标系中对应的雷达点云区域；

根据所述雷达点云区域内的数据点与所述雷达的坐标系的原点之间的距离对所述数据点进行聚类以获取所述车辆与所述障碍物的距离。

可选的，所述将雷达的坐标系转换为拍摄图像的坐标系包括：

根据所述摄像头与所述雷达的相对位置，将所述雷达的坐标系转换为所述摄像头的坐标系；

将所述摄像头的坐标系转换为所述拍摄图像的坐标系。

可选的，所述获取所述障碍物的所述位置框在所述雷达坐标系中对应的雷达点云区域，具体为：

确定所述障碍物的所述位置框在所述雷达坐标系中对应的雷达点云区域；

保留所述障碍物的所述位置框对应的所述雷达点云区域并裁减去除其它雷达点云区域。

可选的，所述根据所述雷达点云区域内的数据点与所述雷达的坐标系的原点之间的距离对所述数据点进行聚类以获取所述车辆与所述障碍物的距离，具体为：

根据所述雷达点云区域内的数据点与所述雷达的坐标系的原点之间的距离对所述数据点进行聚类以获得所述障碍物的数目；

获取所述车辆与每个所述障碍物的距离。

可选的，所述方法还包括：

根据所述车辆与所述障碍物的距离以及所述位置框偏离所述车辆的当前行驶方向的角度获取所述障碍物在所述车辆的所述当前行驶方向上的投影距离。

本申请实施例还提供了一种测量障碍物距离的装置，所述装置包括：第一获取单元、坐标转换单元、第二获取单元和第三获取单元；

所述第一获取单元，用于获取拍摄图像中障碍物的位置框；所述拍摄图像为车辆上的摄像头拍摄到所述车辆当前行驶方向上的实时图像；

所述坐标转换单元，用于将雷达的坐标系转换为所述拍摄图像的坐标系；

所述第二获取单元，用于获取所述障碍物的所述位置框在所述雷达坐标系中对应的雷达点云区域；

所述第三获取单元，用于根据所述雷达点云区域内的数据点与所述雷达的坐标系的原点之间的距离对所述数据点进行聚类以获取所述车辆与所述障碍物的距离。

可选的，所述转换单元具体包括：第一转换子单元和第二转换子单元；

所述第一转换子单元，根据所述摄像头与所述雷达的相对位置，将所述雷达的坐标系转换为所述摄像头的坐标系；

所述第二转换子单元，用于将所述摄像头的坐标系转换为所述拍摄图像的坐标系。

可选的，所述第二获取单元具体包括：位置确定子单元和裁剪子单元；

所述位置确定子单元，用于确定所述障碍物的所述位置框在所述雷达坐标系中对应的雷达点云区域；

所述裁剪子单元，用于保留所述障碍物的所述位置框对应的所述雷达点云区域并裁减去除其它雷达点云区域。

可选的，所述第三获取单元具体包括：数目确定子单元和距离获取子单元；

所述数目确定子单元，用于根据所述雷达点云区域内的数据点与所述雷达的坐标系的原点之间的距离对所述数据点进行聚类以获得所述障碍物的数目；

所述距离获取子单元，用于获取所述车辆与每个所述障碍物的距离。

可选的，所述装置还包括：第四获取单元；

所述第四获取单元，用于根据所述车辆与所述障碍物的距离以及所述位置框偏离所述车辆的当前行驶方向的角度获取所述障碍物在所述车辆的所述当前行驶方向上的投影距离。

本申请所述方法具有以下优点：

本申请提供了一种测量障碍物距离的方法，所述方法包括：获取拍摄图像中障碍物的位置框，在拍摄图像中确定所述障碍物相对所述车辆的方向；所述拍摄图像为车辆上的摄像头拍摄到所述车辆当前行驶方向上的实时图像；将雷达的坐标系转换为拍摄图像的坐标系，以获得所述雷达坐标系中的点云在拍摄图像的坐标系中的位置；获取所述障碍物的所述位置框在所述雷达坐标系中对应的雷达点云区域；根据所述雷达点云区域内的数据点与所述雷达的坐标系的原点之间的距离对所述雷达点云区域内的数据点进行聚类以获取所述车辆与所述障碍物的距离，所述点云区域内存在所述障碍物，雷达以若干数据点组成的点云来表征所述障碍物，将表征同一个障碍物的数据点作为同一类，则在雷达点云区域内的该类数据点在雷达的坐标系上距离坐标系原点的距离相同，并且该类的距离即为所述车辆与障碍物之间的距离。利用本申请提供的方法，能够精确地获得车辆与障碍物之间的距离，提升了自动驾驶过程中的安全性与流畅性。

附图说明

为了更清楚地说明本申请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申请中记载的一些实施例，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它的附图。

图1为本申请实施例一提供的一种测量障碍物距离的方法的流程图；

图2为本申请实施例一提供的测量障碍物距离的方法的场景示意图；

图3为本申请实施例一提供的测量障碍物距离的方法的另一种场景示意图；

图4为本申请实施例二提供的另一种测量障碍物距离的方法的流程图；

图5为本申请实施例二提供的测量障碍物距离的方法的场景示意图；

图6为本申请实施例二提供的一种测量障碍物距离的装置的示意图；

图7为本申请实施例二提供的另一种测量障碍物距离的装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例一：

本申请实施例一提供了一种测量障碍物距离的方法，下面结合附图具体说明。

参见图1，该图为本申请实施例一提供的一种测量障碍物距离的方法的流程图。

还可以参见图2，该图为本申请实施例一提供的测量障碍物距离的方法的场景示意图。

本申请实施例所述方法包括以下步骤：

s101：获取拍摄图像中障碍物的位置框。

所述拍摄图像为车辆上的摄像头拍摄到所述车辆当前行驶方向上的实时图像。前将所述拍摄图像输入预设神经网络中进行深度学习以判断所述拍摄图像中是否具有障碍物，若是，则用矩形框包含所述障碍物，具体可参见图2所示的场景，所述位置框为恰好完全包含所述障碍物的矩形框。本申请对障碍物的数量不作具体限定，因此可能会从所述拍摄图像中获取多个位置框。

此外，在一类可能的场景下，由于多个障碍物之间会有部分遮挡，例如所述车辆前方存在两个障碍物，其中的第一障碍物对第二障碍物形成遮挡，具体可以参见图3所示的场景，由于拍摄图像是二维图像，只包含障碍物在所述拍摄图像的坐标系上的位置信息，并不包含障碍物与所述车辆的距离信息，因此可能会出现一个位置框中包括了多个障碍物的情况，本申请对于所述位置框中的障碍物的数目不作具体限定。

需要注意的是，所述摄像头可以设置于所述车辆的顶端，也可以设置于所述车辆的点后挡风玻璃处分别用于拍摄前进和倒车时的实时图像，还可以设置于其它合适位置，本申请对此不作具体限定。

s102：将雷达的坐标系转换为所述拍摄图像的坐标系。

所述拍摄图像的坐标系为基于所述拍摄图像建立的二维坐标系，在一种可能的实现方式中，所述拍摄图像的坐标系以所述拍摄图像的中点为坐标原点，以水平方向和竖直方向分别为两个坐标轴的方向建立平面直角坐标系。

所述雷达的坐标系为基于所述雷达建立的二维坐标系，在一种可能的实现方式中，所述雷达的坐标系以雷达为坐标原点，以水平方向、竖直方向和车辆当前的前进方向分别为三个坐标轴的方向建立空间直角坐标系。

由于拍摄图像是二维图像，只包含障碍物在所述拍摄图像的坐标系上的位置信息，根据所述拍摄图像并不能确定所述障碍物与所述车辆的距离。而雷达扫描所得的雷达点云分布于三维空间中，包含了所述障碍物与所述车辆的距离信息，因此可以根据所述拍摄图像中的所述障碍物的位置框在所述雷达扫描所得的点云中获取所述障碍物对应的点云，但由于所述拍摄图像是二维图像，因此所述拍摄图像的坐标系为二维坐标系，而所述雷达的坐标系为三维坐标系，因此需要将所述雷达的坐标系转化为拍摄图像的坐标系。

下面具体说明坐标变换的过程：

a：根据所述摄像头与所述雷达的相对位置，将所述雷达的坐标系转换为所述摄像头的坐标系。

b：将所述摄像头的坐标系转换为所述拍摄图像的坐标系。

下面说明一种实现坐标变换的方法：

所述摄像头的坐标系为以所述摄像头为原点的真实物理环境的坐标系，在一种可能的实现方式中，所述摄像头的坐标系以所述摄像头为坐标原点，以水平方向和竖直方向分别为两个坐标轴的方向建立平面直角坐标系。

所述拍摄图像的坐标系与所述摄像头的坐标系均为二维坐标系，所述转换过程涉及坐标的比例变换，通过坐标系的转换可以实现将所述拍摄图像的坐标系上的点映射到所述摄像头的坐标系上，对于拍摄图像的坐标系上的点p(x，y)，其映射在所述摄像头的坐标系上为p1(x1，y1)，则有：

公式(1)其中的k为比例系数，k的取值可由所述摄像头的性能参数决定，k值可被预先测出，并且当所述摄像头的工作状态固定时，k的取值固定。

先以所述摄像头为坐标原点，以水平方向、竖直方向和所述车辆的前进方向分别为坐标轴建立辅助三维直角坐标系，将所述摄像头的原二维坐标系上的点p1(x1，y1)映射在所述辅助三维直角坐标系中为p2(x1，y1，z1)，其中z1为所述摄像头与点p1的距离在所述车辆的前进方向上的投影距离。

所述车辆上的所述摄像头与所述雷达的位置确定后，两者的相对位置也确定，用所述雷达在所述辅助三维直角坐标系中的位置(x0，y0，z0)来表示所述雷达与所述摄像头的相对位置，其中x0，y0和z0均已知，将辅助三维直角坐标系中的p2(x1，y1，z1)映射到雷达的坐标系中为p3(x2，y2，z2)，其中z2为所述雷达与点p3的距离在所述车辆的前进方向上的投影距离，则有：

x2＝x1-x0(2)

y2＝y1-y0(3)

z2＝z1-z0(4)

本申请对所述车辆上安装所述雷达的位置不作具体限定，在一种可能的实现方式中，所述雷达可以安装在车辆最前方与最后方，分别用于检测前进和倒车时的车辆行驶路径上的障碍物。此外，所述坐标转换过程可以在所述车辆的车载电脑上完成，也可以由远程在终端完成，本申请对此不作具体限定。

还可以通过其他方法实现坐标变换，本申请对此不做具体限定。

s103：获取所述障碍物的所述位置框在所述雷达坐标系中对应的雷达点云区域。

完成坐标转换后获取所述位置框中的点映射到所述雷达的坐标系后对应的所述雷达点云区域，即确定了所述雷达点云区域在所述雷达坐标系中水平方向上的位置和竖直方向上的位置。

由于所述雷达扫描所得的点云分布于三维空间中，可能存在许多非障碍物也被雷达扫描到，因此为了提高后续对数据点进行聚类的效率，还可以对所述雷达扫描所得的点云进行裁剪。

在一种可能的实现方式中，对所述雷达扫描所得的点云进行裁剪后只保留所述障碍物的所述位置框对应的雷达点云区域，能够去除扫描其它非障碍物所得的雷达点云区域的影响，可参见图2所示，图2中障碍物位置框的四个顶点与雷达连接的虚线构成的区域即为所述障碍物的所述位置框对应的雷达点云区域。

在另一种可能的实现方式中，按照所述摄像头的拍摄角度范围对所述雷达扫描所得的点云进行裁剪，裁剪后的雷达点云区域为所述摄像头的拍摄区域，在摄像头的拍摄角度确认后，所述裁剪可预先完成，若所述摄像头拍摄到了所述障碍物，则裁剪所得的点云区域内必然存在所述障碍物所述位置框对应的雷达点云区域，既能够去除扫描其它非障碍物所得的雷达点云区域的影响，同时节省裁剪雷达点云的用时。

s104：根据所述雷达点云区域内的数据点与所述雷达的坐标系的原点之间的距离对所述数据点进行聚类以获取所述车辆与所述障碍物的距离。

所述点云区域内存在所述障碍物，雷达以若干数据点组成的点云来表征所述障碍物，将表征同一个障碍物的数据点会成为同一类，因此雷达点云区域内的该类数据点在雷达的坐标系上距离坐标系原点的距离相同，并且该类的距离即为所述车辆与障碍物之间的距离，按照雷达点云区域内的数据点与雷达的坐标系的原点之间的距离对所述数据点进行聚类，可以获取每个类别对应的障碍物与车辆之间的距离。

在一种可能的实现方式中，若因为多个障碍物互相遮挡而导致所述位置框中实际包含了多个障碍物，可参见图3所示场景，按照与所述车辆的距离对所述位置框对应的雷达点云区域内的数据点进行聚类后会得到多个类，每一类都对应一个障碍物，每类所对应的距离则为该类所对应的障碍物与所述车辆的距离。

需要注意的是，上述步骤只是为了方便说明本申请所述方法的流程，并不构成对本申请所述方法的限定。

本申请实施例提供了一种测量障碍物距离的方法，所述方法通过获取拍摄图像中障碍物的位置框，在拍摄图像中确定所述障碍物相对所述车辆的方向；所述拍摄图像为车辆上的摄像头拍摄到所述车辆当前行驶方向上的实时图像；将所述拍摄图像的坐标系转换为雷达的坐标系，由于拍摄图像为二维图像，只能确定所述障碍物相对所述车辆的方向，无法确定所述车辆与所述障碍物之间的真实距离，因此可以通过坐标变换的方式，将所述拍摄图像的位置关系映射到雷达坐标系中；获取所述障碍物的所述位置框在所述雷达坐标系中对应的雷达点云区域；根据所述雷达点云区域内的数据点与所述雷达的坐标系的原点之间的距离对所述雷达点云区域内的数据点进行聚类以获取所述车辆与所述障碍物的距离，对于所述点云区域内存在的所述障碍物，雷达进行扫描后以若干数据点组成的点云来表征所述障碍物，将表征同一个障碍物的数据点划分为同一类，该类数据点与所述雷达的坐标系的原点之间的距离即表征了所述车辆与障碍物之间的距离。利用本申请实施例提供的方法，能够精确地获得车辆与障碍物之间的距离，提升了自动驾驶过程中的安全性与流畅性。

实施例二：

本申请实施例二还提供了另一种测量障碍物距离的方法，下面结合附图具体说明。

参见图4，该图为本申请实施例二提供的另一种测量障碍物距离的方法的流程图。

还可以参见图5，该图为本申请实施例二提供的测量障碍物距离的方法的场景示意图。

本申请实施例所述方法包括以下步骤：

s101：获取拍摄图像中障碍物的位置框。

s102a：根据所述摄像头与所述雷达的相对位置，将所述雷达的坐标系转换为所述摄像头的坐标系。

s102b：将所述摄像头的坐标系转换为所述拍摄图像的坐标系。

s103a：确定所述障碍物的所述位置框在所述雷达坐标系中对应的雷达点云区域。

s103b：保留所述障碍物的所述位置框对应的所述雷达点云区域并裁减去除其它雷达点云区域。

s104a：根据所述雷达点云区域内的数据点与所述雷达的坐标系的原点之间的距离对所述数据点进行聚类以获得所述障碍物的数目。

因多个障碍物互相遮挡而导致所述位置框中实际包含了多个障碍物，按照与所述车辆的距离对所述位置框对应的雷达点云区域内的数据点进行聚类后会得到多个类，每一类都对应一个障碍物，确定所述类的数目即确定了所述障碍物的数目，每类所对应的距离则为该类所对应的障碍物与所述车辆的距离。

s104b：获取所述车辆与每个所述障碍物的距离。

s105：根据所述车辆与所述障碍物的距离以及所述位置框偏离所述车辆的当前行驶方向的角度获取所述障碍物在所述车辆的所述当前行驶方向上的投影距离。

具体可参见图5所示，图5中l为所述车辆与所述障碍物的距离，β为位置框偏离车辆的当前行驶方向的角度，d为所述障碍物在所述车辆的所述当前行驶方向上的投影距离。由于所述障碍物往往不会处于所述车辆的正前方，所以通常l＞d，若所述车辆与所述障碍物有潜在碰撞风险时，由于所述车辆的当前行驶方向不同于所述车辆与所述障碍物的连线的方向，按照l做出的驾驶策略可能会存在安全隐患，例如可能会导致车辆的刹车时刻较晚。因此可以获取所述投影距离d以使所述车辆可以根据所述投影距离做出更加正确安全的驾驶策略。

所述投影距离可由下列公式求出：

d＝l×cosβ(5)

需要注意的是，上述步骤只是为了方便说明本申请所述方法的流程，并不构成对本申请所述方法的限定，还可以对上述步骤进行适当的调整以获得其它可能的实现方式，例如在一种可能的实现方式中，可将原s102a修改为“根据所述摄像头与所述雷达的相对位置，将所述雷达的坐标系转换为所述摄像头的坐标系”同时将原s102b调整为“将所述摄像头的坐标系转换为所述拍摄图像的坐标系”，调整后的坐标转换过程与调整前的坐标转换过程相反，也可以实现确定所述障碍物的所述位置框在所述雷达坐标系中对应的雷达点云区域。

利用本申请实施例提供的方法，能够精确地获得车辆与障碍物之间的距离，同时根据所述位置框偏离所述车辆的当前行驶方向的角度能够获取所述障碍物在所述车辆的所述当前行驶方向上的投影距离，以使所述车辆可以根据所述投影距离做出更加正确安全的驾驶策略，进一步提升了自动驾驶过程中的安全性与流畅性。

实施例三：

基于上述实施例提供的测量障碍物距离的方法，本申请实施例三还提供了一种测量障碍物距离的装置，下面结合附图具体说明。

参见图6，该图为本申请实施例三提供的一种测量障碍物距离的装置的结构图。

本申请实施例所述装置包括：第一获取单元601、坐标转换单元602、第二获取单元603和第三获取单元604。

所述第一获取单元601，用于获取拍摄图像中障碍物的位置框；所述拍摄图像为车辆上的摄像头拍摄到所述车辆当前行驶方向上的实时图像。

所述坐标转换单元602，用于将雷达的坐标系转换为拍摄图像的坐标系。

所述第二获取单元603，用于获取所述障碍物的所述位置框在所述雷达坐标系中对应的雷达点云区域。

所述第三获取单元604，用于根据所述雷达点云区域内的数据点与所述雷达的坐标系的原点之间的距离对所述数据点进行聚类以获得所述障碍物的数目距离对所述数据点进行聚类以获取所述车辆与所述障碍物的距离。

需要注意的是，本申请实施例所述“第一”、“第二”和“第三”等词只是为了方便对所述装置进行说明，并不构成对所述装置的限定。

本申请实施例提供了一种测量障碍物距离的装置，所述装置通过第一获取单元获取拍摄图像中障碍物的位置框，在拍摄图像中确定所述障碍物相对所述车辆的方向；所述拍摄图像为车辆上的摄像头拍摄到所述车辆当前行驶方向上的实时图像；通过坐标转换单元将雷达的坐标系转换为拍摄图像的坐标系；通过第二获取单元获取所述障碍物的所述位置框在所述雷达坐标系中对应的雷达点云区域；通过第三获取单元根据与所述雷达的坐标系的原点之间的距离对所述雷达点云区域内的数据点进行聚类以获取所述车辆与所述障碍物的距离，由于所述点云区域内存在所述障碍物，雷达以若干数据点组成的点云来表征所述障碍物，因此聚类后表征同一个障碍物的数据点会成为同一类，并且该类的距离即为所述车辆与障碍物之间的距离。利用本申请实施例提供的装置，能够精确地获得车辆与障碍物之间的距离，提升自动驾驶过程中的安全性与流畅性。

实施例四：

本申请实施例四还提供了另一种测量障碍物距离的装置，下面结合附图具体说明。

参见图7，该图为本申请实施例四提供的另一种测量障碍物距离的装置的流程图。

在实施例三所述装置的基础上本申请实施例所述装置还包括：第四获取单元705。

所述第四获取单元705，用于根据所述车辆与所述障碍物的距离以及所述位置框偏离所述车辆的当前行驶方向的角度获取所述障碍物在所述车辆的所述当前行驶方向上的投影距离。

本实施例所述装置的转换单元具体包括：第一转换子单元602a和第二转换子单元602b。

所述第一转换子单元602a，用于根据所述摄像头与所述雷达的相对位置，将所述雷达的坐标系转换为所述摄像头的坐标系。

所述第二转换子单元602b，用于将所述摄像头的坐标系转换为所述拍摄图像的坐标系。

本实施例所述装置的第二获取单元具体包括：位置确定子单元603a和裁剪子单元604b。

所述位置确定子单元603a，用于确定所述障碍物的所述位置框在所述雷达坐标系中对应的雷达点云区域。

所述裁剪子单元604b，用于保留所述障碍物的所述位置框对应的所述雷达点云区域并裁减去除其它雷达点云区域。

本实施例所述装置的第三获取单元具体包括：数目确定子单元604a和距离获取子单元604b。

所述数目确定子单元604a，用于根据所述雷达点云区域内的数据点与所述雷达的坐标系的原点之间的距离对所述数据点进行聚类以获得所述障碍物的数目距离对所述数据点进行聚类以获得所述障碍物的数目。

所述距离获取子单元604b，用于获取所述车辆与每个所述障碍物的距离。

需要注意的是，本申请实施例中“第一”、“第二”、“第三”和“第四”等词只是为了方便对所述装置进行说明，并不构成对所述装置的限定。

本申请实施例提供的装置，不仅能够精确地获得车辆与障碍物之间的距离，同时所述第四获取单元利用所述车辆与所述障碍物的距离以及所述位置框偏离所述车辆的当前行驶方向的角度获取所述障碍物在所述车辆的所述当前行驶方向上的投影距离，以使所述车辆可以根据所述投影距离做出更加正确安全的驾驶策略，进一步提升了自动驾驶过程中的安全性与流畅性。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

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。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元及模块可以是或者也可以不是物理上分开的。另外，还可以根据实际的需要选择其中的部分或者全部单元和模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。