基于XYZ轴平台的样本图像自动采集方法及装置与流程

本发明涉及图像处理技术领域，特别涉及一种基于xyz轴平台的样本图像自动采集方法、一种计算机可读存储介质、一种计算机设备及一种基于xyz轴平台的样本图像自动采集装置。

背景技术：

相关技术中，机器学习往往需要用到大量的样本图像，而现有对于样本图像的获取通常是采用人工对样本进行各个角度的拍摄，由于拍摄的图像包含有各种背景，所以还需要通过人工在拍摄的图像中寻找到样本的具体位置，并根据样本的具体位置截取出样本图像，并对样本图像进行标注；可见，通过人工获取样本图像的流程繁琐，不仅获取样本图像的效率低，而且容易出现各个样本图像尺寸不一等情况，从而影响后续机器学习的准确率。

技术实现要素：

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种基于xyz轴平台的样本图像自动采集方法，通过控制xyz轴平台运动，以自动采集所有角度和所有位置的采样图像，并通过机器视觉自动分析采样图像以获取样本图像，从而提高了获取样本图像的效率和后续机器学习的准确率。

本发明的第二个目的在于提出一种计算机可读存储介质。

本发明的第三个目的在于提出一种计算机设备。

本发明的第四个目的在于提出一种基于xyz轴平台的样本图像自动采集装置。

为达到上述目的，本发明第一方面实施例提出了基于xyz轴平台的样本图像自动采集方法，该方法包括以下步骤：获取所述目标样本的当前图像，以及根据所述目标样本的当前图像判断所述xyz轴平台是否正确归零；如果所述xyz轴平台正确归零，则控制所述xyz轴平台根据预设运动路径进行运动，以获取采样图像；对所述采样图像进行深度分析，以获取样本图像，并对所述样本图像进行标注。

根据本发明实施例的基于xyz轴平台的样本图像自动采集方法，其中，xyz轴平台上放置目标样本，首先获取目标样本的当前图像，以及根据目标样本的当前图像判断xyz轴平台是否正确归零；如果xyz轴平台正确归零，则控制所述xyz轴平台根据预设运动路径进行运动，以获取采样图像；然后对采样图像进行深度分析，以获取样本图像，并对样本图像进行标注；由此，通过控制xyz轴平台运动，以自动采集所有角度和所有位置的采样图像，并通过机器视觉自动分析采样图像以获取样本图像，从而提高了获取样本图像的效率和后续机器学习的准确率。

另外，根据本发明上述实施例提出的基于xyz轴平台的样本图像自动采集方法还可以具有如下附加的技术特征：

可选地，根据所述目标样本的图像判断所述xyz轴平台是否正确归零，包括：将所述目标样本的当前图像与上一张图像相减，以获得第一图像；对所述第一图像进行分析，以获取所述第一图像中的轴平台底座区域；获取所述目标样本的当前图像中对应所述轴平台底座区域的第二图像；根据轴平台底座的目标样本，在所述第二图像中通过直方图匹配查找所述目标样本所在区域，并计算所述目标样本所在区域的中心点；获取所述第二图像中对应所述目标样本所在区域的第三图像；对所述第三图像进行多次旋转，并将多次旋转后的第三图像分别与所述目标样本进行模板匹配以获得多个匹配值，以及获取所述多个匹配值中最大匹配值所对应的旋转角度；根据所述目标样本所在区域的中心点和所述旋转角度判断所述xyz轴平台是否正确归零。

可选地，根据所述目标样本所在区域的中心点和所述旋转角度判断所述xyz轴平台是否正确归零，包括：获取所述xyz轴平台的初始位置的原点和初始角度；将所述xyz轴平台的初始位置的原点与所述目标样本所在区域的中心点进行比较以获得第一比较结果，并将所述xyz轴平台的初始角度与所述旋转角度进行比较以获得第二比较结果；根据所述第一比较结果和所述第二比较结果判断所述xyz轴平台是否正确归零。

可选地，对所述采样图像进行深度分析，以获取样本图像，包括：对所述采样图像进行分析，以获取所述采样图像中的轴平台底座区域；获取所述采样图像中对应所述轴平台底座区域的第四图像；对所述第四图像进行预处理，以获得所述第四图像中的所有轮廓集，并根据所述第四图像中的所有轮廓集获得轮廓居中的区域；获取所述采样图像中对应所述轮廓居中的区域的第五图像；将所述第五图像作为所述样本图像。

为达到上述目的，本发明第二方面实施例提出了一种计算机可读存储介质，其上存储有样本图像自动采集程序，该样本图像自动采集程序被处理器执行时实现如上述的基于xyz轴平台的样本图像自动采集方法。

根据本发明实施例的计算机可读存储介质，通过存储基于xyz轴平台的样本图像自动采集程序，这样基于xyz轴平台的样本图像自动采集程序被处理器执行时实现上述的基于xyz轴平台的样本图像自动采集方法，从而提高了获取样本图像的效率和后续机器学习的准确率。

为达到上述目的，本发明第三方面实施例提出了一种样本图像自动采集系统，包括xyz轴平台、图像拍摄装置和照明装置，还包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述的基于xyz轴平台的样本图像自动采集方法。

根据本发明实施例的样本图像自动采集系统，通过存储器存储可在处理器上运行的计算机程序，以便处理器在执行该计算机程序时，实现如上述的基于xyz轴平台的样本图像自动采集方法，从而提高了获取样本图像的效率和后续机器学习的准确率。

为达到上述目的，本发明第四方面实施例提出了一种基于xyz轴平台的样本图像自动采集装置，所述xyz轴平台上放置目标样本，包括：控制模块，用于控制所述xyz轴平台进行运动；第一获取模块，用于获取所述目标样本的当前图像，并根据所述目标样本的当前图像判断所述xyz轴平台是否正确归零；第二获取模块，用于在所述xyz轴平台正确归零时控制所述xyz轴平台根据预设运动路径进行运动进行运动，以获取采样图像；采集模块，用于对所述采样图像进行深度分析，以获取样本图像，并对所述样本图像进行标注。

根据本发明实施例的基于xyz轴平台的样本图像自动采集装置，通过控制模块控制xyz轴平台进行运动，再通过第一获取模块获取目标样本的当前图像，并根据目标样本的当前图像判断xyz轴平台是否正确归零，接着通过第二获取模块在xyz轴平台正确归零时控制所述xyz轴平台根据预设运动路径进行运动，以获取采样图像，最后通过采集模块对采样图像进行深度分析，以获取样本图像，并对样本图像进行标注；由此，通过控制xyz轴平台运动，以自动采集所有角度和所有位置的采样图像，并通过机器视觉自动分析采样图像以获取样本图像，从而提高了获取样本图像的效率和后续机器学习的准确率。

附图说明

图1为根据本发明一个实施例的基于xyz轴平台的样本图像自动采集方法的流程示意图；

图2为根据本发明一个实施例的判断xyz轴平台是否正确归零的流程示意图；

图3为根据本发明一个实施例的对采样图像进行深度分析，以获取样本图像的流程示意图；

图4为根据本发明另一个实施例的基于xyz轴平台的样本图像自动采集方法的流程示意图；

图5为根据本发明另一个实施例的判断xyz轴平台是否正确归零的流程示意图；

图6为根据本发明另一个实施例的对采样图像进行深度分析，以获取样本图像的流程示意图；

图7为根据本发明一个实施例的样本图像自动采集系统的结构示意图；

图8为根据本发明一个实施例的运动路径的线路示意图。

图9为根据本发明一个实施例的基于xyz轴平台的样本图像自动采集装置的方框示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

请参阅图1，图1为根据本发明实施例的基于xyz轴平台的样本图像自动采集方法流程示意图，如图1所示，该基于xyz轴平台的样本图像自动采集方法包括以下步骤：

步骤101，获取目标样本的当前图像，以及根据目标样本的当前图像判断xyz轴平台是否正确归零。

需要说明的是，目标样本放置在xyz轴平台上，通过xyz轴平台对目标样本进行角度和位置的变换。

作为一个实施例，可在目标样本上方安装摄像头，并通过摄像头获取目标样本的当前图像。

作为一个实施例，如图2所示，根据目标样本的当前图像判断xyz轴平台是否正确归零，包括以下步骤：

步骤201，将目标样本的当前图像与上一张图像相减，以获得第一图像。

作为一个实施例，可使获取到的每张目标样本的当前图像的尺寸一致。

步骤202，对第一图像进行分析，以获取第一图像中的轴平台底座区域。

也就是说，第一图像中包括有轴平台底座区域，在获取第一图像后，对第一图像进行分析，找到第一图像中的轴平台底座区域。

步骤203，获取目标样本的当前图像中对应轴平台底座区域的第二图像。

也就是说，根据在第一图像中找到的轴平台底座区域，在目标样本的当前图像中找到对应的区域，并对该区域进行截取以获取第二图像。

需要说明的是，在分析前先对目标样本的当前图像进行处理，以获取第二图像，为后续匹配模板降低时间，从而提高定位效率。

步骤204，根据轴平台底座的目标样本，在第二图像中通过直方图匹配查找目标样本所在区域，并计算目标样本所在区域的中心点。

需要说明的是，标注图片粘贴在轴平台底座上。

也就是说，通过直方图匹配查找目标样本在第二图像中的区域，并计算该区域的中心点。

步骤205，获取第二图像中对应目标样本所在区域的第三图像。

也就是说，在第二图像中找到目标样本所在区域后，在第二图像中截取该区域，以获得第三图像。

步骤206，对第三图像进行多次旋转，并将多次旋转后的第三图像分别与目标样本进行模板匹配以获得多个匹配值，以及获取多个匹配值中最大匹配值所对应的旋转角度。

也就是说，在获取完第三图像之后，对第三图像进行多次旋转，每次旋转之后获得的图像均与目标样本进行模板匹配，从而获得对应的多个匹配值，获取多个匹配值中的最大匹配值，进而获取最大匹配值所对应的旋转角度。

步骤207，根据目标样本所在区域的中心点和旋转角度判断xyz轴平台是否正确归零。

作为一个实施例，获取xyz轴平台的初始位置的原点和初始角度；将xyz轴平台的初始位置的原点与目标样本所在区域的中心点进行比较以获得第一比较结果，并将xyz轴平台的初始角度与旋转角度进行比较以获得第二比较结果；根据第一比较结果和第二比较结果判断xyz轴平台是否正确归零。

需要说明的是，作为一个实施例，如果第一比较结果和第二比较结果均小于1％，则判断xyz轴平台正确归零，如果第一比较结果和第二比较结果中存在一项大于等于1％，则判断xyz轴平台未正确归零；如果判断xyz轴平台未正确归零，则根据预先获取的xyz轴平台的采样位置和采样角度循环控制xyz轴平台运行并获取目标样本的当前图像，以重新判断xyz轴平台是否正确归零。

步骤102，如果xyz轴平台正确归零，则控制所述xyz轴平台根据预设运动路径进行运动，以获取采样图像。

需要说明的是，预先通过最优路径算法获取xyz轴平台的运动路径，并根据运动路径控制xyz轴平台进行各个位置及各个角度的高速变换，每变换一个位置或角度即获取一张采样图像。

需要说明的是，如果判断此时xyz轴平台正确归零，则此时xyz轴平台的位置及角度为运动路径的起点。

作为一个实施例，先在起点位置旋转4个角度每个角度采集一张采样图像，然后根据预设运动路径运动到下一个位置，然后同样旋转4个角度每个角度采集一张采样图像，以此类推，直至采集完所有运动路径的采样图像。

作为一个实施例，以xyz轴平台的中心为预设运动路径的起点，控制xyz轴平台按照如图8所示的运动路径进行运动，其中a点为运动路径的起点，其为xyz轴平台的中心，b点为运动路径的终点，运动路径通过xyz轴平台的中心点向外走，以保证每一步都不走空，每一步都进行4个角度的旋转拍摄。

步骤103，对采样图像进行深度分析，以获取样本图像，并对样本图像进行标注。

作为一个实施例，如图3所示，对采样图像进行深度分析，以获取样本图像，包括以下步骤：

步骤301，对采样图像进行分析，以获取采样图像中的轴平台底座区域。

步骤302，获取采样图像中对应轴平台底座区域的第四图像。

也就是说，在获取采样图像中的轴平台底座区域后，对该区域进行截取以得到第四图像。

步骤303，对第四图像进行预处理，以获得第四图像中的所有轮廓集，并根据第四图像中的所有轮廓集获得轮廓居中的区域。

需要说明的是，可通过对第四图像进行中值平滑、膨胀、腐蚀、自动增益和锐化等处理，从而获取第四图像中的所有轮廓集，并在所有轮廓集中筛选居中的轮廓，以获得轮廓居中的区域。

步骤304，获取采样图像中对应轮廓居中的区域的第五图像。

也就是说，在获得采样图像中轮廓居中的区域后，对该区域进行截取以得到第五图像。

步骤305，将第五图像作为样本图像。

由此，通过机器视觉对采样图像进行深度分析，最终截取到准确的样本图像。

作为一个实施例，在获取样本图像后，还判断判断样本图像是否采集完整；如果xyz轴平台的所有预设运动路径的位置和角度均已进行采样完毕，则判断样本图像采集完整，则结束样本图像采集；如果xyz轴平台还存在未采集的位置或角度，则判断样本图像未采集完整，则控制xyz轴平台运动到未采集的位置或角度，以对样本图像进行采集。

综上所述，根据本发明实施例的基于xyz轴平台的样本图像自动采集方法，其中，xyz轴平台上放置目标样本，首先获取目标样本的当前图像，以及根据目标样本的当前图像判断xyz轴平台是否正确归零；如果xyz轴平台正确归零，则控制所述xyz轴平台根据预设运动路径进行运动，以获取采样图像；然后对采样图像进行深度分析，以获取样本图像，并对样本图像进行标注；由此，通过控制xyz轴平台运动，以自动采集所有角度和所有位置的采样图像，并通过机器视觉自动分析采样图像以获取样本图像，从而提高了获取样本图像的效率和后续机器学习的准确率。

图4为根据本发明另一个实施例的基于xyz轴平台的样本图像自动采集方法的流程示意图，如图4所示，该基于xyz轴平台的样本图像自动采集方法包括以下步骤：

步骤401，将目标样本放置到xyz轴平台上。

步骤402，控制xyz轴平台运动。

需要说明的是，其运动路径根据最优路径算法获得。

步骤403，判断xyz轴是否正确归零。如果正确，则执行步骤404；如果错误，则返回执行步骤402。

步骤404，控制xyz轴平台运动到第n个位置。

步骤405，控制图像拍摄装置拍照，以获取采样图像。

步骤406，对采样图像进行分析，以获取样本图像。

步骤407，标注样本图像的编号、位置信息和角度信息。

步骤408，保存样本图像。

步骤409，判断是否还有位置为采样。如果是，则返回执行步骤404；如果否，则结束采样。

图5为根据本发明另一个实施例的判断xyz轴平台是否正确归零的流程示意图，如图5所示，该流程图包括以下步骤：

步骤501，获取图像pic1。

需要说明的是，作为一个实施例，可通过安装在目标样本上方的摄像头获取图像pic1。

步骤502，与上一张图像pic0相减，得到pic2。

步骤503，分析pic2中的非黑色区域以得到区域rec1。

需要说明的是，非黑色区域为xyz轴平台底座的位置。

步骤504，截取图像pic1中对应rec1区域的图像pic3。

步骤505，在pic3中通过直方图匹配查找flag1标志的区域rec2，并计算rec2的中心点p2。

需要说明的是，flag1为xyz轴平台底座上贴的标志。

步骤506，截取图像pic3中对应rec2区域的图像pic4。

步骤507，对图像pic4进行旋转，旋转后再与flag1进行模板匹配得到匹配值，经过多次旋转后得到最大匹配值，并获得对应最大匹配值的旋转角度angel2。

步骤508，判断p1与p2，angel1与angel2之间偏差是否均小于1％。如果是，则判断xyz轴平台归零成功；如果否，则重新循环控制xyz轴平台运动并拍照，直至将xyz轴平台成功归零。

需要说明的是，预先设定p1为xyz轴平台的原点位置，angel1为xyz轴平台的初始角度。

图6为根据本发明另一个实施例的对采样图像进行深度分析，以获取样本图像的流程示意图，如图6所示，该流程图包括以下步骤：

步骤601，在采用图像中查找颜色为c的区域。

需要说明的是，xyz轴平台底座的颜色为c。

步骤602，截取采样图像中对应颜色为c的区域，以得到第一图像。

步骤603，对第一图像进行中值平滑处理。

需要说明的是，通过对第一图像进行中值平滑处理，从而去除第一图像中小的噪点。

步骤604，对第一图像进行膨胀、腐蚀操作。

需要说明的是，通过对第一图像进行膨胀、腐蚀操作，从而去除大的噪点及一些干扰纹理。

步骤605，分析第一图像中相邻像素块的亮度差，并自动增益暗的区域。

需要说明的是，通过分析第一图像中相邻像素块的亮度差，并自动增益暗的区域，从而去除阴影效果。

步骤606，对第一图像进行锐化处理。

需要说明的是，通过对第一图像进行锐化处理，从而强化轮廓。

步骤607，获取第一图像中的所有轮廓集。

步骤608，筛除大小不合适、轮廓不方正、轮廓中心不居中的轮廓，以获取轮廓居中的区域。

步骤609，截取第一图像中对应轮廓居中的区域，以获取样本图像，并标注样本图像的编号、位置及方向。

另外，本发明实施例还提出了一种计算机可读存储介质，其上存储有样本图像自动采集程序，该样本图像自动采集程序被处理器执行时实现如上述的基于xyz轴平台的样本图像自动采集方法。

根据本发明实施例的计算机可读存储介质，通过存储基于xyz轴平台的样本图像自动采集程序，这样基于xyz轴平台的样本图像自动采集程序被处理器执行时实现上述的基于xyz轴平台的样本图像自动采集方法，从而提高了获取样本图像的效率和后续机器学习的准确率。

另外，本发明实施例还提出了一种样本图像自动采集系统，如图7所示，该样本图像自动采集系统包括：xyz轴平台、图像拍摄装置和照明装置，还包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述计算机程序时，实现如上述的基于xyz轴平台的样本图像自动采集方法。

根据本发明实施例的样本图像自动采集系统，通过存储器存储可在处理器上运行的计算机程序，以便处理器在执行该计算机程序时，实现如上述的基于xyz轴平台的样本图像自动采集方法，从而提高了获取样本图像的效率和后续机器学习的准确率。

为了实现上述实施例，本发明实施例提出了一种基于xyz轴平台的样本图像自动采集装置，如图9所示，该基于xyz轴平台的样本图像自动采集装置包括：控制模块801、第一获取模块802、第二获取模块803和采集模块804。

其中，控制模块801，用于控制xyz轴平台进行运动；

第一获取模块802，用于获取目标样本的当前图像，并根据目标样本的当前图像判断xyz轴平台是否正确归零；

第二获取模块803，用于在xyz轴平台正确归零时控制所述xyz轴平台根据预设运动路径进行运动，以获取采样图像；

采集模块804，用于对采样图像进行深度分析，以获取样本图像，并对样本图像进行标注。

作为一个实施例，第一获取模块802还用于，将目标样本的当前图像与上一张图像相减，以获得第一图像；对第一图像进行分析，以获取第一图像中的轴平台底座区域；获取目标样本的当前图像中对应轴平台底座区域的第二图像；根据轴平台底座的目标样本，在第二图像中通过直方图匹配查找目标样本所在区域，并计算目标样本所在区域的中心点；获取第二图像中对应目标样本所在区域的第三图像；对第三图像进行多次旋转，并将多次旋转后的第三图像分别与目标样本进行模板匹配以获得多个匹配值，以及获取多个匹配值中最大匹配值所对应的旋转角度；根据目标样本所在区域的中心点和旋转角度判断xyz轴平台是否正确归零。

作为一个实施例，第一获取模块802还用于，获取xyz轴平台的初始位置的原点和初始角度；将xyz轴平台的初始位置的原点与目标样本所在区域的中心点进行比较以获得第一比较结果，并将xyz轴平台的初始角度与旋转角度进行比较以获得第二比较结果；根据第一比较结果和第二比较结果判断xyz轴平台是否正确归零。

作为一个实施例，采集模块804还用于，对采样图像进行分析，以获取采样图像中的轴平台底座区域；获取采样图像中对应轴平台底座区域的第四图像；对第四图像进行预处理，以获得第四图像中的所有轮廓集，并根据第四图像中的所有轮廓集获得轮廓居中的区域；获取采样图像中对应轮廓居中的区域的第五图像；将第五图像作为样本图像。

由此可见，本申请的基于xyz轴平台的样本图像自动采集装置操作简单、对人员素质要求低，自动高效的采集所有位置及角度的样本图片，中间无需人员操作，根据xyz轴平台底座的初始位置的原点和初始角度对xyz轴平台进行定位，提高了定位准确度，保证了后续样品采集的精度，并通过机器视觉自动分析样本位置，自动截取准确的样本图像，从而提高样本图像的采集效率。

需要说明的是，上述关于基于xyz轴平台的样本图像自动采集方法的描述同样适用于该基于xyz轴平台的样本图像自动采集装置，在此不做赘述。

综上所述，根据本发明实施例的基于xyz轴平台的样本图像自动采集装置，通过控制模块控制xyz轴平台进行运动，再通过第一获取模块获取目标样本的当前图像，并根据目标样本的当前图像判断xyz轴平台是否正确归零，接着通过第二获取模块在xyz轴平台正确归零时控制所述xyz轴平台根据预设运动路径进行运动，以获取采样图像，最后通过采集模块对采样图像进行深度分析，以获取样本图像，并对样本图像进行标注；由此，通过控制xyz轴平台运动，以自动采集所有角度和所有位置的采样图像，并通过机器视觉自动分析采样图像以获取样本图像，从而提高了获取样本图像的效率和后续机器学习的准确率。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。

本发明是参照根据本发明实施例的方法、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。本发明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。

尽管已描述了本发明的优选实施例，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优选实施例以及落入本发明范围的所有变更和修改。

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

在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；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或两个元件的相互作用关系。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本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不应理解为必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。