一种数据处理方法、装置、设备、介质及产品与流程

1.本技术涉及自动驾驶技术领域，尤其涉及一种数据处理方法、平台、设备、计算机可读存储介质以及计算机程序产品。


背景技术：

2.自动驾驶技术是指通过传感器数据采集以及人工智能等技术的协同合作，实现在没有人参与的情况下自动控制车辆。传感器数据采集的准确与否，对自动驾驶技术具有较大影响。
3.传感器能够对车辆的周围环境进行数据采集，并将采集到数据输入至车辆的其他功能模块，帮助车辆完成自动驾驶。由于自动驾驶需要车辆的多种数据，因此通常采用多传感器进行数据采集。
4.通常情况下，多传感器数据采集仅执行采集数据采集功能，将采集到的原始数据输入至车辆的其他功能模块，但是当传感器出现故障时，可能存在采集数据出错或不完整，影响传感器数据的可靠性，进而影响自动驾驶的安全性。


技术实现要素：

5.本技术提供了一种数据处理方法，该方法通过对于第一传感器采集的第一数据、第二传感器采集的第二数据进行处理，生成第三数据，根据第一数据、第二数据以及第三数据中的至少一个数据进行数据处理的方法。本技术还提供了上述方法对应的装置、设备、计算机可读存储介质以及计算机程序产品。
6.第一方面，本技术提供了一种数据处理方法，该方法包括：
7.获取第一传感器采集的第一数据，以及第二传感器采集的第二数据，第一传感器和第二传感器是通过不同原理进行数据采集的传感器；
8.根据第一传感器和第二传感器的关联关系，生成第三数据；
9.根据第一数据、第二数据和第三数据中的至少一个数据进行数据处理。
10.在一些可能的实现方式中，根据第一传感器和第二传感器的关联关系，生成第三数据，包括：
11.根据第二传感器与第一传感器的相对位置信息，将第二数据转换为第三数据，第三数据和第一数据为同一坐标系中的数据；
12.根据第一数据、第二数据和第三数据中的至少一个数据进行数据处理，包括：
13.当第一数据和第三数据匹配时，根据第一数据和第二数据进行数据处理。
14.在一些可能的实现方式中，第一数据为第一传感器按照第一采样频率采集的数据，第二数据为第二传感器按照第二采样频率采集的数据，第一采样频率和第二采样频率不相等；
15.根据第一传感器和第二传感器的关联关系，生成第三数据，包括：
16.根据第一采样频率和第二采样频率，将第二数据转换为第三数据，第三数据为第
二传感器按照第一采样频率采集数据的推理值；
17.根据第一数据、第二数据和第三数据中的至少一个数据进行数据处理，包括：
18.根据第一数据和第三数据进行数据处理。
19.在一些可能的实现方式中，第一传感器为相机，第二传感器为激光雷达，第一数据为图像，第二数据为激光点云，根据第二传感器与第一传感器的相对位置信息，将第二数据转换为第三数据，第三数据和第一数据为同一坐标系中的数据，包括：
20.根据激光雷达与相机的相对位置，将激光点云转化为基于相机对应坐标系下的投影。
21.在一些可能的实现方式中，当第一数据和第三数据匹配时，根据第一数据和第二数据进行数据处理，包括：
22.当图像和激光点云的着色程度匹配时，根据图像和激光点云进行数据处理。
23.在一些可能的实现方式中，根据第一采样频率和第二采样频率，将第二数据转换为第三数据，第三数据为第二传感器按照第一采样频率采集数据的推理值，包括：
24.根据第一采样频率和第二采样频率，以及车辆的运动信息，将第二数据转换为第三数据，第三数据为第二传感器按照第一采样频率采集数据的推理值。
25.第二方面，本技术提供了一种数据处理装置，该装置包括：
26.通信模块，用于获取第一传感器采集的第一数据，以及第二传感器采集的第二数据，第一传感器和第二传感器是通过不同原理进行数据采集的传感器；
27.生成模块，用于根据第一传感器和第二传感器的关联关系，生成第三数据；
28.处理模块，用于根据第一数据、第二数据和第三数据中的至少一个数据进行数据处理。
29.在一些可能的实现方式中，生成模块具体用于：
30.根据第二传感器与第一传感器的相对位置信息，将第二数据转换为第三数据，第三数据和第一数据为同一坐标系中的数据；
31.处理模块具体用于：
32.当第一数据和第三数据匹配时，根据第一数据和第二数据进行数据处理。
33.在一些可能的实现方式中，第一数据为第一传感器按照第一采样频率采集的数据，第二数据为第二传感器按照第二采样频率采集的数据，第一采样频率和第二采样频率不相等；
34.生成模块具体用于：
35.根据第一采样频率和第二采样频率，将第二数据转换为第三数据，第三数据为第二传感器按照第一采样频率采集数据的推理值；
36.处理模块具体用于：
37.根据第一数据和第三数据进行数据处理。
38.在一些可能的实现方式中，第一传感器为相机，第二传感器为激光雷达，第一数据为图像，第二数据为激光点云，生成模块具体用于：
39.根据激光雷达与相机的相对位置，将激光点云转化为基于相机对应坐标系下的投影。
40.在一些可能的实现方式中，处理模块具体用于：
41.当图像和激光点云的着色程度匹配时，根据图像和激光点云进行数据处理。
42.在一些可能的实现方式中，生成模块具体用于：
43.根据第一采样频率和第二采样频率，以及车辆的运动信息，将第二数据转换为第三数据，第三数据为第二传感器按照第一采样频率采集数据的推理值。
44.第三方面，本技术提供一种设备，所述设备包括处理器和存储器。所述处理器、所述存储器进行相互的通信。所述处理器用于执行所述存储器中存储的指令，以使得设备执行如第一方面或第一方面的任一种实现方式中的数据处理方法。
45.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，所述指令指示设备执行上述第一方面或第一方面的任一种实现方式所述的数据处理方法。
46.第五方面，本技术提供了一种包含指令的计算机程序产品，当其在设备上运行时，使得设备执行上述第一方面或第一方面的任一种实现方式所述的数据处理方法。
47.本技术在上述各方面提供的实现方式的基础上，还可以进行进一步组合以提供更多实现方式。
48.从以上技术方案可以看出，本技术实施例具有以下优点：
49.本技术实施例提供了一种数据处理方法，通过获取第一传感器采集的第一数据，以及第二传感器采集的第二数据，其中第一传感器和第二传感器为通过不同原理进行数据采集的传感器，根据第一传感器和第二传感器的关联关系生成第三数据，然后根据第一数据、第二数据和第三数据中的至少一个数据进行数据处理，如此，实现对于多传感器采集数据的数据处理，避免了采集数据出错以及采集数据不完整的问题，提高了数据处理的准确性。
50.进一步地，可以通过第一传感器和第二传感器的相对位置关系生成第三数据，实现多传感器数据采集的空间对齐。同样地，也可以通过第一传感器和第二传感器采集频率的不同生成第三数据，实现多传感器数据采集的时间对齐，有效提高数据处理的准确性。
附图说明
51.为了更清楚地说明本技术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技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
52.图1为本技术实施例提供的一种数据处理方法的流程示意图；
53.图2为本技术实施例提供的另一种数据处理方法的流程示意图；
54.图3为本技术实施例提供的又一种数据处理方法的流程示意图；
55.图4为本技术实施例提供的一种数据处理装置装置的架构示意图。
具体实施方式
56.下面将结合本技术中的附图，对本技术提供的实施例中的方案进行描述。
57.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情
况下可以互换，这仅仅是描述本技术的实施例中对相同属性的对象在描述时所采用的区分方式。
58.为了便于理解本技术的技术方案，下面对本技术涉及的一些技术术语进行介绍。
59.自动驾驶车辆中安装有多种传感器对车辆周围的环境进行环境感知与数据收集，主要包括视觉类摄像机以及雷达类传感器。视觉类摄像机主要用于获取图像数据，通常包括单目摄像机、双目摄像机、全景相机、红外相机等。雷达类传感器主要用于获取点云数据实现测距，通常包括激光雷达、毫米波雷达以及超声波雷达等。在一些可能的实现方式中，对车辆周围环境进行数据收集的还包括全球定位系统(global positioning system，gps)以及惯性传感器(inertial measurement unit，imu)。
60.不同的传感器分别具有各自的优点，例如单目摄像机主要用于对特征类符号的检测与识别，红外相机用于在夜晚条件下进行识别，毫米波雷达用于高速行驶环境下等。但是通常多传感器的数据采集仅执行采集数据的功能，当传感器出现故障时，可能存在采集数据错误或者遗漏，或者可能由于传感器本身的设置造成数据遗漏，影响传感器数据采集的准确度，严重情况可能威胁自动驾驶车辆的安全性。
61.有鉴于此，本技术提供一种数据处理方法，该方法应用于车辆的处理设备，处理设备是指具有数据处理能力的设备，在本实施例中可以为车辆中的控制器。具体地，处理设备获取第一传感器采集的第一数据，以及第二传感器采集的第二数据，第一传感器和第二传感器是通过不同原理进行数据采集的传感器，然后根据第一传感器和第二传感器的关联关系，生成第三数据，根据第一数据、第二数据和第三数据中的至少一个数据进行数据处理。如此，能够提供一种准确度较高的数据处理方法。接下来，将结合附图对本技术实施例提供的数据处理方法进行介绍。
62.参见图1所示的数据处理方法的流程图，该方法包括如下步骤：
63.s102：处理设备获取第一传感器采集的第一数据，以及第二传感器采集的第二数据，第一传感器和第二传感器是通过不同原理进行数据采集的传感器。
64.第一传感器和第二传感器是指通过不同原理进行数据采集的传感器，具体地，第一传感器和第二传感器可以分别为视觉类摄像机和雷达类传感器，也可以分别为视觉类摄像机中两种不同的传感器，或者分别为不同种雷达类传感器。
65.s104：处理设备根据第一传感器和第二传感器的关联关系，生成第三数据。
66.由于第一传感器和第二传感器虽然是通过不同原理进行数据采集的传感器，但是因为同时安装在车上并同时进行工作，因此具有关联关系，关联关系可以是第一传感器和第二传感器的相对位置关系，也可以是两者采集相同时段的车辆环境信息，也可以既包括相对位置关系，又包括采集相同时段的车辆环境信息。
67.处理设备根据第一传感器和第二传感器的关联关系，对第二传感器采集到的第二数据进行处理，生成第三数据，其中，第三数据与第一数据、第二数据均具有关联关系。具体地，可以根据第二传感器相对于第一传感器的相对位置，将第二数据通过坐标变换，转化为在第一数据的坐标系下的第三数据。也可以根据第一传感器的采样频率，将第二传感器采集到的第二数据转换为与第一传感器采样频率相同的第三数据。
68.s106：处理设备根据第一数据、第二数据和第三数据中的至少一个数据进行数据处理。
69.处理设备可以对第一数据、第二数据和第三数据进行多种数据处理，例如可以通过第三数据对第一数据和第二数据进行验证，对验证后的第一数据和第二数据进行处理。也可以选择第一数据、第二数据和第三数据中所需要的数据，进行下一步数据处理。具体可以根据第一数据与第二数据所检测到的位置信息，进行原始级别的数据评价，也可以根据所检测到的尺寸信息，进行目标级别的数据评价。其中，尺寸信息是在第一数据或第二数据基础上经过处理得到的信息，能够进行目标级别的数据评价。
70.如此，本技术通过获取第一传感器采集的第一数据，以及第二传感器采集的第二数据，其中第一传感器和第二传感器为通过不同原理进行数据采集的传感器，根据第一传感器和第二传感器的关联关系生成第三数据，然后根据第一数据、第二数据和第三数据中的至少一个数据进行数据处理，提供了一种数据处理的方法，能够实现对于多传感器采集数据的数据处理，避免了采集数据出错以及采集数据不完整的问题，提高了数据处理的准确性。同时,所采集的第一数据和第二数据可以为包括位置信息与尺寸信息的感知结果提供交叉后校验。
71.在一些可能的实现方式中，本实施例能够通过空间对齐的数据采集，进行数据处理，参见图2所示的另一种数据处理方法的流程图，该方法包括如下步骤：
72.s202：处理设备获取第一传感器采集的第一数据，以及第二传感器采集的第二数据，第一传感器和第二传感器是通过不同原理进行数据采集的传感器。
73.在一些可能的实现方式中，第一传感器和第二传感器可以分别为相机和激光雷达，也可以为相机和毫米波雷达，也可以为激光雷达和毫米波雷达。第一传感器和第二传感器位于车辆的不同位置，并且基于车辆是出厂设置具有预设的采集角度。
74.s204：处理设备根据第二传感器与第一传感器的相对位置信息，将第二数据转换为第三数据，第三数据和第一数据为同一坐标系中的数据。
75.在一些可能的实现方式中，第一传感器为激光雷达，第二传感器为相机，激光雷达和相机的相对位置包括两者的前后、上下、左右、俯仰、偏转、横滚的相对位置，具体可以通过在空间中的六自由度表示。
76.处理设备可以直接获取第二传感器相对于第一传感器的相对位置信息，其中相对位置信息包括六自由度。处理设备也可以分别获取第二传感器和第一传感器的位置信息以及采集角度，进而获取第二传感器相对于第一传感器的相对位置信息。
77.第二传感器相对于第一传感器的相对位置信息包括六自由度，即第二传感器如何通过前后、上下、左右的平移，以及俯仰、偏转、横滚的旋转得到第一传感器相同的采集点与采集角度。根据上述变换，对第二数据进行对应的变换，将第二数据转化为在第一传感器采集点通过采集角度采集到的第三数据。
78.具体地，第一传感器可以为相机，第二传感器可以为激光雷达，处理设备根据相机和激光雷达的相对位置信息，将激光雷达所采集的点云数据通过坐标转换，转化为与相机所采集的图片的采集位置相对应的图像，与图片的采集位置对应的图像为第三数据。即通过对于第二数据六个自由度的坐标变换，将第二数据投影到图像上。
79.s206：当第一数据和第三数据匹配时，处理设备根据第一数据和所述第二数据进行数据处理。
80.在一些可能的实现方式中，将第三数据的点云数据投影到第一数据的图片上进行
可视化比较，当第一数据和第三数据匹配时，处理设备确定所采集的第一数据和第二数据匹配，因此可以根据第一数据和第二数据进行数据处理。
81.具体地，可以通过图片上某些目标物的激光点云的深度信息的着色差异，可视化地判断第一数据与第三数据是否匹配，当第一数据与第三数据匹配时，表明第一数据与第二数据匹配，因此可以根据第一数据和第二数据进行数据处理。
82.也可以通过量化指标判断第一数据与第三数据是否匹配，例如可以通过重投影误差、角度误差等是否在预设范围判断第一数据与第三数据是否匹配。
83.处理设备可以分别通过可视化与量化指标对于第一数据与第三数据的匹配程度进行评价，也可以通过可视化进行感官上的评价，通过量化指标进行精细评价。
84.当第一数据与第三数据不匹配时，分析第一数据与第三数据不匹配的原因，一种可能的情况为，第一数据和第二数据的采集存在问题，因此基于相对位置对第二数据转化后的第三数据存在问题。另一中可能的情况为，第一数据与第二数据的采集均不存在问题，第一传感器与第二传感器的相对位置可能存在问题，具体可能由于车辆的磨损、碰撞等因素造成。对应地，可以检查第一数据与第二数据的采集，以及第一传感器与第二传感器之间的相对位置关系。
85.进一步地，当第一传感器与第二传感器的相对位置关系存在问题时，可以对相对参数进行实时修正，确定出准确的相对位置关系。在一些可能的实现方式中，可以通过神经网络模型确定第一数据与第二数据的相对参数。
86.具体地，相对参数模型可以通过预先在不同位置采集到的数据以及对应的相对位置参数对神经网络模型进行训练所获得，该相对参数模型能够根据采集到的第一数据和第二数据，确定出采集第一数据的第一传感器与采集第二数据的第二传感器之间具有六个自由度的相对位置关系，生成相对参数。可以将该模型生成的相对参数与根据出厂配置获取的相对参数进行对比，确定准确的第一传感器与第二传感器的相对参数。在一些可能的实现方式中，为了避免第一传感器与第二传感器之间的相对参数存在问题所导致的误判，还可以预先对于第一传感器与第二传感器之间的相对参数进行验证。
87.具体地，处理设备可以加载已经离线标定过的多传感器之间的外参，对于第一数据与第二数据进行处理，例如将第二数据转化为在第一传感器坐标下的第三数据，通过感官评价与量化评价对于外参进行验证。当不存在问题时，继续后续步骤，当存在问题时们对于外参进行实时修正，实现外参更新。其中，外参更新可以通过加载适用于当前自动驾驶环境的外参标定模型进行在线修正以及更新。外参标定模型可以通过神经网络预先训练获得。
88.如此，能够获得在第一传感器在第一采集位置采集到的第一数据、第二传感器采集到的第二数据，以及第二传感器采集到的第二数据转化为第一采集位置数据，实现了第一传感器所采集的第一数据与第二传感器所采集的第二数据在空间上的对齐。
89.进一步地，处理设备可以根据上述数据对距离信息进行原始级别的数据评价，也可以根据所得到的数据检测到的尺寸信息，进行目标级别的数据评价。
90.以上对本实施例实现空间对齐的数据采集后进行数据处理的步骤进行介绍，下面结合图3，对本实施例实现时间对齐的数据采集后进行数据处理的具体步骤进行介绍，具体包括：
91.s302：处理设备获取第一传感器采集的第一数据，以及第二传感器采集的第二数据，第一传感器和第二传感器是通过不同原理进行数据采集的传感器。
92.第一数据为第一传感器按照第一采样频率采集的数据，第二数据为第二传感器按照第二采样频率采集的数据，第一采样频率和第二采样频率不相等。
93.在一些可能的实现方式中，第一传感器和第二传感器可以分别为相机和超声波雷达。不同传感器之前的采样频率通常不同，对应的采集周期也不同，例如，相机的采样周期可以为30ms，超声波雷达的采样周期为100ms。
94.其中，第一采样频率和第二采样频率不相等可以是由于第一传感器和第二传感器的性能差异造成的，也可能是根据预先设定造成的，本技术在此不做限制。
95.s304：处理设备根据第一采样频率和第二采样频率，将第二数据转换为第三数据，第三数据为所述第二传感器按照第一采样频率采集数据的推理值。
96.处理设备根据第一传感器对应的第一采样频率和第二传感器对应的第二采样频率，通过预设的运动补偿模型，将第二传感器采集到的数据转化为第三数据，第三数据的采样频率与第二传感器的采样频率相同。
97.具体地，处理设备根据第一采样频率和第二采样频率确定对应的第一采样周期和第二采样周期，确定出第一传感器进行数据采样而第二传感器不进行数据采样的待补偿点。处理设备获取车辆的运动信息，根据车辆的运动信息，生成运动补偿模型，该运动补偿模型用于根据第一数据与第二数据，确定出该待补偿点的第二传感器所采集到的数据，记为第三数据。其中，第三数据为根据第一数据和第二数据以及车辆的运动信息推理得到的推理值。
98.s306：处理设备根据第一数据和第三数据进行数据处理。
99.处理设备根据第一传感器按照第一频率采样获得的第一数据，和第二传感器按照第一频率获得的第三数据进行数据处理。
100.如此，能够获得第二传感器所采集的具有第一采样频率的采样数据，即在第一传感器所采集每一个采集点的第一数据，都能够获取该点对应的第二传感器所采集的第二传感器数据，实现第一传感器与第二传感器的时间对齐。
101.同样地，处理设备可以根据上述数据对距离信息进行原始级别的数据评价，也可以根据所得到的数据检测到的尺寸信息，进行目标级别的数据评价。
102.基于上述内容描述，本技术实施例提供了一种数据处理方法，通过获取第一传感器采集的第一数据，以及第二传感器采集的第二数据，根据第一传感器和第二传感器的关联关系生成第三数据，然后根据第一数据、第二数据和第三数据中的至少一个数据进行数据处理，实现对于多传感器采集数据的数据处理，避免了采集数据出错以及采集数据不完整的问题，提高了数据处理的准确性。
103.进一步地，可以通过第一传感器和第二传感器的相对位置关系生成第三数据，实现多传感器数据采集的空间对齐，也可以通过第一传感器和第二传感器采集频率的不同生成第三数据，实现多传感器数据采集的时间对齐，有效提高数据处理的准确性。
104.以上结合图1对本技术实施例提供的数据处理方法进行了详细介绍，接下来，将结合附图对本技术实施例提供的数据处理装置进行介绍。
105.参见图4所示的数据处理装置的结构示意图，该装置400包括：通信模块402、生成
模块404以及处理模块406。
106.通信模块，用于获取第一传感器采集的第一数据，以及第二传感器采集的第二数据，第一传感器和第二传感器是通过不同原理进行数据采集的传感器；
107.生成模块，用于根据第一传感器和第二传感器的关联关系，生成第三数据；
108.处理模块，用于根据第一数据、第二数据和第三数据中的至少一个数据进行数据处理。
109.在一些可能的实现方式中，生成模块具体用于：
110.根据第二传感器与第一传感器的相对位置信息，将第二数据转换为第三数据，第三数据和第一数据为同一坐标系中的数据；
111.处理模块具体用于：
112.当第一数据和第三数据匹配时，根据第一数据和第二数据进行数据处理。
113.在一些可能的实现方式中，第一数据为第一传感器按照第一采样频率采集的数据，第二数据为第二传感器按照第二采样频率采集的数据，第一采样频率和第二采样频率不相等；
114.生成模块具体用于：
115.根据第一采样频率和第二采样频率，将第二数据转换为第三数据，第三数据为第二传感器按照第一采样频率采集数据的推理值；
116.处理模块具体用于：
117.根据第一数据和第三数据进行数据处理。
118.在一些可能的实现方式中，第一传感器为相机，第二传感器为激光雷达，第一数据为图像，第二数据为激光点云，生成模块具体用于：
119.根据激光雷达与相机的相对位置，将激光点云转化为基于相机对应坐标系下的投影。
120.在一些可能的实现方式中，处理模块具体用于：
121.当图像和激光点云的着色程度匹配时，根据图像和激光点云进行数据处理。
122.在一些可能的实现方式中，生成模块具体用于：
123.根据第一采样频率和第二采样频率，以及车辆的运动信息，将第二数据转换为第三数据，第三数据为第二传感器按照第一采样频率采集数据的推理值。
124.根据本技术实施例的数据处理装置400可对应于执行本技术实施例中描述的方法，并且数据处理装置400的各个模块的上述和其它操作和/或功能分别为了实现图1中的各个方法的相应流程，为了简洁，在此不再赘述。
125.本技术提供一种设备，用于实现数据处理方法。所述设备包括处理器和存储器。所述处理器、所述存储器进行相互的通信。所述处理器用于执行所述存储器中存储的指令，以使得设备执行数据处理方法。
126.本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在设备上运行时，使得设备执行上述数据处理方法。
127.本技术提供了一种包含指令的计算机程序产品，当其在设备上运行时，使得设备执行上述数据处理方法。
128.另外需说明的是，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
部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本技术提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。
129.通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本技术可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用cpu、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本技术而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、u盘、移动硬盘、rom、ram、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，训练设备，或者网络设备等)执行本技术各个实施例所述的方法。
130.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
131.所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、训练设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、训练设备或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的训练设备、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。