检测公交车道的方法、装置、电子设备和存储介质与流程

本公开的各实现方式涉及数据处理，更具体地，涉及用于在道路中检测公交车道的方法、装置、电子设备和存储介质。

背景技术：

随着导航技术以及在线车辆调度技术的发展，目前已经提供了越来越多的驾驶辅助相关的应用。这些应用可以向司机提供导航服务并且将车辆引导至期望的地点。然而，车辆在行驶过程中可能会经过包括公交车道的道路。如果车辆在限行时间进入公交车道，则可能会干扰正常的交通秩序并且产生罚单。此时，如何以更为准确的方式确定道路中的公交车道，成为一个研究热点。

技术实现要素：

期望能够开发并实现一种以更为有效的方式检测公交车道的技术方案。期望该技术方案能够与现有应用程序相兼容，并且以更为有效的方式引导司机的驾驶行为，并且维护正常的交通秩序。

根据本公开的第一方面，提供了一种用于在道路中检测公交车道的方法。在该方法中，获取在所述道路中的第一路段内采集的第一组图像。在所述第一组图像中识别公交车道标志。在所述第一组图像中识别公交车道线。基于分别在所述第一组图像内识别的所述公交车道标志和所述公交车道线，在所述第一路段中检测所述公交车道。

根据本公开的第二方面，提供了一种用于在道路中检测公交车道的装置。该装置包括：获取模块，配置用于获取在道路中的第一路段内采集的第一组图像；公交车道标志识别模块，配置用于在第一组图像中识别公交车道标志；公交车道线识别模块，配置用于在第一组图像中识别公交车道线；以及检测模块，配置用于基于分别在第一组图像内识别的公交车道标志和公交车道线，在第一路段中检测公交车道。

根据本公开的第三方面，提供了一种电子设备，包括：存储器和处理器；其中存储器用于存储一条或多条计算机指令，其中一条或多条计算机指令被处理器执行以实现根据本公开的第一方面的方法。

根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有一条或多条计算机指令，其中一条或多条计算机指令被处理器执行实现根据本公开的第一方面的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时根据本公开的第一方面的方法。

附图说明

结合附图并参考以下详细说明，本公开各实现方式的特征、优点及其他方面将变得更加明显，在此以示例性而非限制性的方式示出了本公开的若干实现方式。在附图中：

图1示意性示出了其中可以使用根据本公开的一个示例性实现方式的技术方案的道路环境的框图；

图2示意性示出了根据本公开的示例性实现方式的用于在道路中检测公交车道的过程的框图；

图3示意性示出了根据本公开的示例性实现方式的用于在道路中检测公交车道的方法的流程图；

图4示意性示出了根据本公开的示例性实现方式的用于识别公交车道线的过程的框图；

图5a示意性示出了根据本公开的示例性实现方式的用于基于线性物体的朝向来确认公交车道线的过程的框图；

图5b示意性示出了根据本公开的示例性实现方式的用于基于线性物体的位置来确认公交车道线的过程的框图；

图6示意性示出了根据本公开的示例性实现方式的用于识别公交车道线的过程的框图；

图7示意性示出了根据本公开的示例性实现方式的用于基于线性物体的区域来识别公交车道线的过程的框图；以及

图8示意性示出了根据本公开的示例性实现的用于在道路中检测公交车道的计算设备/服务器的框图。

具体实施方式

下面将参照附图更详细地描述本公开的优选实现。虽然附图中显示了本公开的优选实现，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实现所限制。相反，提供这些实现是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实现”和“一个实现”表示“至少一个示例实现”。术语“另一实现”表示“至少一个另外的实现”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

在下文中，首先参见图1描述根据本公开的一个示例性实现方式的应用环境。图1示意性示出了其中可以使用根据本公开的一个示例性实现方式的技术方案的道路环境100的框图。道路环境100可以包括一个或多个道路，道路可以包括一个或多个车道，并且在有些道路中可能会设置公交车道。如图1所示，道路110包括左、中、右三个车道，并且右侧车道为公交车道130。在路面区域中，可以使用公交车道线(例如，黄色实线或者虚线)来来表示公交车道，并且在道路附近可以设置交通标志122来表示公交车道。

通常，在公交车道的开始位置处设置公交标志122，并且使用公交车道线来表示公交车道的有效范围。道路110可以包括多个路段，并且多个路段中的某个(某些)路段可能会包括公交车道。例如，图1中的第一路段120和第二路段122包括公交车道。当司机驾驶车辆在道路110上行驶时，有时可能会忽略交通标志和/或路面上的公交车道线，进而导致出现占用公交车道的行为。

目前已经提出了向司机提醒附近公交车道的技术方案。然而，这些技术方案的准确性并不令人满意。因而，期望可以以更为方便并且有效的方式来确定道路中的公交车道。为了至少部分地解决上述技术方案中的不足，根据本公开的示例性实现方式，提出了基于在路段内采集到的图像来确定公交车道。首先参见图2描述根据本公开的一个示例性实现方式的概要。

图2示意性示出了根据本公开的示例性实现方式的用于在道路中检测公交车道的过程200的框图。如图2所示，可以获取从道路中的各个路段(例如，第一路段120)采集的一组图像(例如，第一组图像210)。可以针对第一组图像210中的每个图像220、…、230进行处理，以便确定在第一路段120中是否包括公交车道。具体地，可以在图像220中分别识别公交车道标志240和公交车道线250。继而，可以基于公交车道标志240和公交车道线250两者，来确定在第一路段120中是否存在公交车道。利用本公开的示例性实现方式，可以综合考虑公交车道标志和公交车道线两方面因素，进而提高识别的准确性。

在下文中，参见图3描述根据本公开的一个示例性实现方式的更多细节。图3示意性示出了根据本公开的示例性实现方式的用于在道路中检测公交车道的方法300的流程图。在框310处，可以获取在道路110中的第一路段120内采集的第一组图像210。将会理解，在此并不限制如何采集上述图像。例如，专业采集车可以在各个道路中行驶并且采集图像。又例如，可以从在第一路段120内行驶的普通车辆中部署的采集设备，获取第一组图像210。

在本公开的上下文中，将以在线车辆分配应用为示例描述用于识别公交车道的更多细节。通常而言，接受在线车辆分配应用调度的网约车中会部署图像采集设备。在线车辆分配应用可以接收来自这些采集设备的图像，以便用于后期处理。具体地，可以在应用的服务器处基于来自这些采集设备的图像，识别在各个道路中是否包括公交车道。以此方式，可以充分利用网约车遍布各个道路的优势，进而以更为方便并且快捷的方式采集有关大量道路中的各个路段的图像。

在框320处，可以在第一组图像210中识别公交车道标志240。可以针对第一组图像210中的每个图像进行处理，在下文中，将以图像220为示例描述有关图像识别的更多细节。根据本公开的一个示例性实现方式，可以基于目前已知的和/或将在未来开发的多种图像识别技术来识别公交车道标志240。例如，可以在图像220中检测蓝色方框区域，以便识别公交车道标志240。又例如，可以基于机器学习技术，来从图像220中识别公交车道标志240。

在框330处，可以在第一组图像210中识别公交车道线。在下文中，将参见图4描述有关识别公交车道的更多细节。图4示意性示出了根据本公开的示例性实现方式的用于识别公交车道线的过程400的框图。根据本公开的一个示例性实现方式，可以基于分割检测算法来获得图像220中的路面区域中的各个像素的分类。如图所示，可以将路面区域中的每个像素进行分类，并且每个像素可以被分类至多个分类中的一个分类。继而，可以利用各个像素的分类，基于具有相同分类的相邻像素来确定路面区域中的至少一个物体的轮廓。

将会理解，并不限制有关分割检测的具体算法，而是可以基于目前已经开发和/或将在未来开发的多种算法确定路面区域中的各个物体的轮廓。在此的物体例如可以是路面上的各种交通标志的图案。例如，轮廓图410中的轮廓412、414、416和418分别表示在路面区域中所确定的多个物体的轮廓。进一步，可以基于各个物体的轮廓来识别图像中的公交车道线。利用本公开的示例性实现方式，可以将识别公交车道的问题转化为像素分类的问题，进而简化识别公交车道的操作。

根据本公开的一个示例性实现方式，可以基于各个物体的轮廓来从多个物体中确定线性物体。进一步，可以根据线性物体中的各个点的位置，来确定线性物体的函数。如函数图420所示，对于细长形状的线性物体而言，可以利用直线函数来表示这些线性物体的函数。可以基于数学运算来确定分别确定线性物体的轮廓412、414、416和418所在的直线的函数422、424、426和428。

继而，可以基于线形物体的函数以及图像中的与线性物体相关联的颜色，确定公交车道线。将会理解，路面区域中绘制的道路交通标线可以包括白色或黄色的实线和虚线。不同的组合方式具有不同的含义，因而可以基于线形物体的函数以及相关颜色，来识别公交车道线。具体地，如果线形物体的函数包括至少一个实线(或者虚线)并且颜色为预定颜色(例如，黄色)，可以将该线性物体标记为公交车道线。

根据本公开的一个示例性实现方式，可以基于至少一个实线或者虚线的朝向和位置，将线性物体标识为公交车道线。在下文中，将分别参见图5a和图5b提供更多细节。图5a示意性示出了根据本公开的示例性实现方式的用于基于线性物体的朝向来确认公交车道线的过程500a的框图。将会理解，公交车道线通常沿着道路的方向绘制，因而对于部署在沿着道路行驶的车辆中的采集设备的视角而言，公交车道线从近到远向前延伸。通常而言，公交车道线在图像中的朝向具有预定范围，例如该范围可以包括竖直方向的正负60度(或者其他数值)之间的角度。

如图5a所示，可以基于线性物体的函数所表示的朝向，来确认该线性物体是否为公交车道线。如图5a所示，可以将函数424所表示的直线的朝向510与预定的朝向范围520进行比较。如果朝向510在朝向范围520之内，则可以认为线性物体为公交车道线。如果朝向510在朝向范围520之外，则可以认为线性物体不是公交车道线。利用本公开的示例性实现方式，可以基于简单的数学运算，来过滤掉路面区域中绘制的其他图案。

根据本公开的一个示例性实现方式，可以识别出的实线(或虚线)物体的位置，来确认该物体是否为公交车道线。图5b示意性示出了根据本公开的示例性实现方式的用于基于线性物体的位置来确认公交车道线的过程500b的框图。如图5b所示，假设从图像220中识别出线性的物体530，并且如函数图540所示确定了该物体的函数542。在已经确认函数542的朝向满足朝向范围520之后，可以进一步基于物体530的位置来进行验证。可以基于图像220中的三维空间关系，来确定物体530的位置。如果发现该位置位于车道中央或者不符合公交车道线绘制规则的其他位置，则可以认为物体530不是公交车道线。

根据本公开的一个示例性实现方式，可以按照如图5a和5b所示的过程来识别图像220中的公交车道线。返回图4，由于轮廓416和418所对应的颜色为白色而并非黄色，可以确定轮廓416和418不是公交车道线。又例如，轮廓414和412的朝向和位置均满足要求并且相对应的颜色为黄色，因而可以确定图4中的轮廓414和412对应于公交车道线。

在下文中，参见图6描述从另一图像中识别公交车道线的过程。图6示意性示出了根据本公开的示例性实现方式的用于识别公交车道线的过程600的框图。如图6所示，图像230是第一组图像210中的另一图像，可以基于分割检测算法来获得图像230中的路面区域中的各个像素的分类。如轮廓图610所示，基于各个像素的分类可以确定轮廓612、614、616以及618。如函数图620所示，可以确定各个轮廓所对应的函数622、624、626以及628。进一步，可以基于各个函数所在直线的朝向、位置和相对应的颜色，确定轮廓612和614对应于公交车道线。

在道路交通规则中，为保持公交专用道的连续性，在较小路口和车辆需要跨越专用道的位置设置黄色网状线，在网状线内车辆可跨越专用道。因而，网状线表示公交车道中的允许其他车辆使用的部分。因而，如果线形物体的函数包括网状线并且颜色为黄色，则可以确定该线性物体对应于公交车道线。在下文中，将参见图7描述基于网状线来识别公交车道线的更多细节。

图7示意性示出了根据本公开的示例性实现方式的用于基于线性物体的区域来识别公交车道线的过程700的框图。如图7所示，图像710是第一组图像210中的另一图像，并且平面图720示意性示出了了图像710中的道路的平面图。可以从图像710中识别网状线722所在的区域712。如果确定图像710中包括网状线722，则可以认为该网状线所在的区域712包括公交车道线。

上文已经描述了如何确定一组图像210中的各个图像中的公交车道标志240和公交车道线250。在下文中，返回图3描述基于公交车道标志240和公交车道线250来确定公交车道的更多细节。在图3的框340处，可以基于分别在第一组图像210内识别的公交车道标志240和公交车道线250，在第一路段120中检测公交车道。

根据本公开的一个示例性实现方式，可以基于多种方式来检测公交车道。例如，可以基于机器学习技术，利用预先采集到的训练图像来获得公交车道模型。在此，该公交车道模型可以包括公交车道标志、公交车道线和公交车道之间的关联关系。具体地，可以在采集到的大量训练图像中分别识别公交车道标志和公交车道线，进一步可以在这些训练图像中标注公交车道。进一步，可以基于识别公交车道标志和公交车道线、以及标注的公交车道来训练该公交车道模型。在向训练后的模型输入从第一组图像210中识别出的各个公交车道标志和公交车道线时，该模型可以输出第一组图像210中的公交车道。

将会理解，公交车道可以具有各自的有效时间。例如，某些公交车道在每天的给定时间段禁止其他车辆通行，某些公交车道在工作日的给定时间段禁止其他车辆通行。此时，可以在第一组图像210中识别公交车道的限行时段。例如，可以从公交车道标志240中识别限行时段，又例如，可以从公交车道所在路面识别限行时段。继而，可以基于限行时段和当前时间的比较，在第一路段中检测公交车道。如果当前时间属于限行时段，则将该车道标识为公交车道；否则，将该车道标识为普通车道。

根据本公开的一个示例性实现方式，可以进一步获取采集各个图像的车辆的罚单信息。如果确定某个车辆在第一路段120内行驶期间曾经收到占用公交车道的罚单，则可以确认该车道属于公交车道。

上文已经描述了确定道路110中的一个路段内的公交车道的过程。可以针对道路110中的每个路段执行上述过程。具体地，对于道路中的第二路段122，可以获取在第二路段122内采集的第二组图像，并且可以在第二组图像中识别公交车道标志和公交车道线。进一步，可以基于分别在第二组图像122内识别的公交车道标志和公交车道线，在第二路段122中检测公交车道。

将会理解，公交车道通常会延续较长的距离，因而可以聚合分别在多个路段中检测的公交车道，以便确定整个道路中的公交车道。例如，可以聚合在第一路段120中检测的公交车道以及在第二路段122中检测的公交车道，以确定道路110中的公交车道。利用本公开的示例性实现方式，可以基于从行驶在各个道路的大量网约车处的采集设备获取的大量图像，以方便并且有效的方式确定各个道路中的公交车道。

根据本公开的一个示例性实现方式，可以不断地基于从最新采集到的图像中确定的公交车道来更新地图数据。具体地，可以从道路110的地图数据中获取历史公交车道。进一步，可以比较历史公交车道和道路公交车道以确定公交车道变化的增量，进而更新地图数据。利用本公开的示例性实现方式，可以不断地基于最新的公交车道数据来更新地图数据，以便于基于最新的地图数据来提供进一步的服务。

根据本公开的一个示例性实现方式，可以基于确定的公交车道来向车辆提供导航服务。假设确定某个车辆正在道路110内行驶，向车辆提供公交车道的相关信息。如果车辆正在公交车道内行驶，可以提供警报消息以使得车辆离开公交车道。利用本公开的示例性实现方式，可以及时向司机提醒附近的公交车道，以便降低道路风险。

将会理解，上文仅以示例方式描述了在车辆分配应用中确定公交车道的过程。根据本公开的一个示例性实现方式，还可以在其他应用中使用上文描述的技术方案。例如，可以在车辆导航应用中使用上文描述的技术方案。可以在司机驾驶车辆进入公交车道时，提醒司机离开公交车道。又例如，可以自动驾驶应用中使用上文描述的技术方案。可以在车辆进入公交车道时，指示车辆离开公交车道。

根据本公开的一个示例性实现方式，提供一组用于在道路中检测公交车道的技术方案。

ts1：提供了一种用于在道路中检测公交车道的方法，包括：获取在道路中的第一路段内采集的第一组图像；在第一组图像中识别公交车道标志；在第一组图像中识别公交车道线；以及基于分别在第一组图像内识别的公交车道标志和公交车道线，在第一路段中检测公交车道。

ts2：根据ts1的方法，其中在第一组图像中识别公交车道线包括：针对第一组图像中的图像，基于分割检测获得图像中的路面区域中的各个像素的分类；基于各个像素的分类，确定路面区域中的至少一个物体的轮廓；以及基于至少一个物体的轮廓识别图像中的公交车道线。

ts3：根据ts2的方法，其中基于至少一个物体的轮廓识别图像中的公交车道线包括：基于至少一个物体的轮廓确定至少一个物体中的线性物体的函数；以及基于线形物体的函数以及图像中的与线性物体相关联的颜色，确定公交车道线。

ts4：根据ts3的方法，其中基于线形物体的函数以及图像中的与线性物体相关联的颜色，确定公交车道线包括响应于以下至少任一项，将线性物体标识为公交车道线：线形物体的函数包括至少一个实线或者虚线并且颜色为预定颜色；以及线形物体的函数包括网状线并且颜色为预定颜色。

ts5：根据ts4的方法，进一步包括：基于至少一个实线或者虚线的朝向和位置，将线性物体标识为公交车道线。

ts6：根据ts1的方法，其中基于分别在第一组图像内识别的公交车道标志和公交车道线，在第一路段中检测公交车道包括：基于公交车道模型、公交车道标志和公交车道线，检测公交车道，公交车道模型包括公交车道标志、公交车道线和公交车道之间的关联关系。

ts7：根据ts6的方法，进一步包括：在第一组图像中识别公交车道的限行时段；以及基于限行时段和当前时间，在第一路段中检测公交车道。

ts8：根据ts1的方法，其中获取在道路中的第一路段内采集的第一组图像包括：从在第一路段内行驶的车辆中部署的采集设备，获取第一组图像。

ts9：根据ts8的方法，进一步包括：基于车辆在第一路段内行驶期间所获得的罚单，更新公交车道。

ts10：根据ts1的方法，进一步包括：获取在道路中的第二路段内采集的第二组图像；在第二组图像中识别公交车道标志；在第二组图像中识别公交车道线；以及基于分别在第二组图像内识别的公交车道标志和公交车道线，在第二路段中检测公交车道。

ts11：根据ts10的方法，进一步包括：聚合在第一路段中检测的公交车道以及在第二路段中检测的公交车道，以确定道路中的道路公交车道。

ts12：根据ts11的方法，进一步包括：从道路的地图数据中获取历史公交车道；以及基于历史公交车道和道路公交车道的比较，更新地图数据。

ts13：根据ts12的方法，进一步包括：响应于确定车辆在道路内行驶，向车辆提供公交车道的相关信息。

上文已经参见图2至图7描述了用于在道路中检测公交车道的过程。根据本公开的示例性实现方式，提供了一种用于在道路中检测公交车道的装置。该装置包括：获取模块，配置用于获取在道路中的第一路段内采集的第一组图像；公交车道标志识别模块，配置用于在第一组图像中识别公交车道标志；公交车道线识别模块，配置用于在第一组图像中识别公交车道线；以及检测模块，配置用于基于分别在第一组图像内识别的公交车道标志和公交车道线，在第一路段中检测公交车道。

根据本公开的一个示例性实现方式，其中公交车道线识别模块包括：像素分类模块，配置用于针对第一组图像中的图像，基于分割检测获得图像中的路面区域中的各个像素的分类；轮廓确定模块，配置用于基于各个像素的分类，确定路面区域中的至少一个物体的轮廓；以及识别模块，配置用于基于至少一个物体的轮廓识别图像中的公交车道线。

根据本公开的一个示例性实现方式，其中识别模块包括：函数确定模块，配置用于基于至少一个物体的轮廓确定至少一个物体中的线性物体的函数；以及公交车道线确定模块，配置用于基于线形物体的函数以及图像中的与线性物体相关联的颜色，确定公交车道线。

根据本公开的一个示例性实现方式，公交车道线确定模块包括：第一确定模块，配置用于响应于确定线形物体的函数包括至少一个实线或者虚线并且颜色为预定颜色，确定所述公交车道线；以及第二确定模块，配置用于响应于确定线形物体的函数包括网状线并且颜色为预定颜色，确定所述公交车道线。

根据本公开的一个示例性实现方式，该装置进一步包括确认模块，配置用于：基于至少一个实线或者虚线的朝向和位置，将线性物体标识为公交车道线。

根据本公开的一个示例性实现方式，其中检测模块包括：公交车道检测模块，配置用于基于公交车道模型、公交车道标志和公交车道线，检测公交车道，公交车道模型包括公交车道标志、公交车道线和公交车道之间的关联关系。

根据本公开的一个示例性实现方式，该装置进一步包括：时段识别模块，配置用于在第一组图像中识别公交车道的限行时段；以及基于时段的检测模块，配置用于基于限行时段和当前时间，在第一路段中检测公交车道。

根据本公开的一个示例性实现方式，其中获取模块包括：图像模块，配置用于从在第一路段内行驶的车辆中部署的采集设备，获取第一组图像。

根据本公开的一个示例性实现方式，该装置进一步包括：更新模块，配置用于基于车辆在第一路段内行驶期间所获得的罚单，更新公交车道。

根据本公开的一个示例性实现方式，获取模块进一步配置用于获取在道路中的第二路段内采集的第二组图像；公交车道标志识别模块进一步配置用于在第二组图像中识别公交车道标志；公交车道线识别模块进一步配置用于在第二组图像中识别公交车道线；以及检测模块进一步配置用于基于分别在第二组图像内识别的公交车道标志和公交车道线，在第二路段中检测公交车道。

根据本公开的一个示例性实现方式，该装置进一步包括：聚合模块，配置用于聚合在第一路段中检测的公交车道以及在第二路段中检测的公交车道，以确定道路中的道路公交车道。

根据本公开的一个示例性实现方式，该装置进一步包括：历史获取模块，配置用于从道路的地图数据中获取历史公交车道；以及地图更模块，配置用于基于历史公交车道和道路公交车道的比较，更新地图数据。

根据本公开的一个示例性实现方式，该装置进一步包括：提供模块，配置用于响应于确定车辆在道路内行驶，向车辆提供公交车道的相关信息。

图8示意性示出了根据本公开的示例性实现的用于在道路中检测公交车道的计算设备/服务器800的框图。应当理解，图8所示出的计算设备/服务器800仅仅是示例性的，而不应当构成对本文所描述的实施例的功能和范围的任何限制。

如图8所示，计算设备/服务器800是通用计算设备的形式。计算设备/服务器800的组件可以包括但不限于一个或多个处理器或处理单元810、存储器820、存储设备830、一个或多个通信单元840、一个或多个输入设备850以及一个或多个输出设备860。处理单元810可以是实际或虚拟处理器并且能够根据存储器820中存储的程序来执行各种处理。在多处理器系统中，多个处理单元并行执行计算机可执行指令，以提高计算设备/服务器800的并行处理能力。

计算设备/服务器800通常包括多个计算机存储介质。这样的介质可以是计算设备/服务器800可访问的任何可以获得的介质，包括但不限于易失性和非易失性介质、可拆卸和不可拆卸介质。存储器820可以是易失性存储器(例如寄存器、高速缓存、随机访问存储器(ram))、非易失性存储器(例如，只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、闪存)或它们的某种组合。存储设备830可以是可拆卸或不可拆卸的介质，并且可以包括机器可读介质，诸如闪存驱动、磁盘或者任何其他介质，其可以能够用于存储信息和/或数据(例如用于训练的训练数据)并且可以在计算设备/服务器800内被访问。

计算设备/服务器800可以进一步包括另外的可拆卸/不可拆卸、易失性/非易失性存储介质。尽管未在图8中示出，可以提供用于从可拆卸、非易失性磁盘(例如“软盘”)进行读取或写入的磁盘驱动和用于从可拆卸、非易失性光盘进行读取或写入的光盘驱动。在这些情况中，每个驱动可以由一个或多个数据介质接口被连接至总线(未示出)。存储器820可以包括计算机程序产品825，其具有一个或多个程序模块，这些程序模块被配置为执行本公开的各种实施例的各种方法或动作。

通信单元840实现通过通信介质与其他计算设备进行通信。附加地，计算设备/服务器800的组件的功能可以以单个计算集群或多个计算机器来实现，这些计算机器能够通过通信连接进行通信。因此，计算设备/服务器800可以使用与一个或多个其他服务器、网络个人计算机(pc)或者另一个网络节点的逻辑连接来在联网环境中进行操作。

输入设备850可以是一个或多个输入设备，例如鼠标、键盘、追踪球等。输出设备860可以是一个或多个输出设备，例如显示器、扬声器、打印机等。计算设备/服务器800还可以根据需要通过通信单元840与一个或多个外部设备(未示出)进行通信，外部设备诸如存储设备、显示设备等，与一个或多个使得用户与计算设备/服务器800交互的设备进行通信，或者与使得计算设备/服务器800与一个或多个其他计算设备通信的任何设备(例如，网卡、调制解调器等)进行通信。这样的通信可以经由输入/输出(i/o)接口(未示出)来执行。

根据本公开的示例性实现方式，提供了一种计算机可读存储介质，其上存储有一条或多条计算机指令，其中一条或多条计算机指令被处理器执行以实现上文描述的方法。

这里参照根据本公开实现的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实现的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实现，上述说明是示例性的，并非穷尽性的，并且也不限于所公开的各实现。在不偏离所说明的各实现的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实现的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文公开的各实现。