物流包裹的分拣方法、分拣装置及分拣终端与流程

本发明属于物流管理技术领域，尤其涉及一种物流包裹的分拣方法、分拣装置、终端及计算机可读存储介质。

背景技术：

目前，在物流公司将配送物品(包裹)通过物流运输配送给用户的过程中，需要进行分拣，例如将包裹按照地址信息进行分类，将目的地相同或相近的物品统一进行装车、运载和配送。

传统的物流分拣是由人工方式进行，在进行包裹装车时，通常是工作人员根据包裹的分拣顺序依次装车，难以做到对运载车辆装载空间的合理利用，装载不合理时会影响物流的配送效率。

技术实现要素：

有鉴于此，本发明提供了一种物流包裹的分拣方法、分拣装置、终端及计算机可读存储介质，以解决现有技术中采用人工分拣装载，难以做到对运载车辆装载空间的合理利用的问题。

本发明实施例的第一方面提供了一种物流包裹的分拣方法，包括：

获取目标包裹的三维图像信息，其中，所述三维图像信息至少包括所述目标包裹在预定场景中的多个三维坐标；

将所述三维图像信息输入预设的特征提取模型，得到所述目标包裹的三维几何特征；

获取所述目标包裹的收件信息，其中，所述收件信息至少包括收件地址信息；

基于所述收件地址信息，确定用于运载所述目标包裹的目标运输工具；

基于所述目标包裹的三维几何特征，确定所述目标包裹在所述目标运输工具上的装载位置。

本发明实施例的第二方面提供了一种物流包裹的分拣装置，包括：

三维图像获取单元，用于获取目标包裹的三维图像信息，其中，所述三维图像信息至少包括所述目标包裹在预定场景中的多个三维坐标；

三维特征提取单元，用于将所述三维图像信息输入预设的特征提取模型，得到所述目标包裹的三维几何特征；

收件信息获取单元，用于获取所述目标包裹的收件信息，其中，所述收件信息至少包括收件地址信息；

第一确定单元，用于基于所述收件地址信息，确定用于运载所述目标包裹的目标运输工具；

第二确定单元，用于基于所述目标包裹的三维几何特征，确定所述目标包裹在所述目标运输工具上的装载位置。

本发明实施例的第三方面提供了一种分拣终端，包括存储器、处理器以及存储在所述存储器中并可在所述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任一项所述物流包裹的分拣方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如任一项所述物流包裹的分拣方法的步骤。

本发明与现有技术相比存在的有益效果是：

本发明一方面通过获取目标包裹的三维图像信息，利用预设的特征提取模型提取目标包裹的三维几何特征；另一方面通过获取目标包裹的收件地址信息，基于该收件地址信息为该目标包裹分配运输工具；由于三维几何特征反映了物体可占据空间的大小，在提取到目标包裹的三维几何特征之后，可根据该三维几何特征确定该目标包裹在为其分配的运输工具上的装载位置。因而，本发明通过客观提取到的三维几何特征实现包裹装载位置的分配，可以减少人工方式进行包裹装载的主观影响，提高对装载空间的合理利用程度，并有利于自动化分拣的实现和提高物流配送效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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发明的一些实施例，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。

图1是本发明实施例提供的物流包裹的分拣方法的实现流程图；

图2是本发明实施例提供的物流包裹的分拣装置的结构示意图；

图3是本发明实施例提供的分拣终端的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。

参见图1，其示出了本发明实施例提供的物流包裹的分拣方法的实现流程图，详述如下：

在步骤101中、获取目标包裹的三维图像信息，其中，所述三维图像信息至少包括所述目标包裹在预定场景中的多个三维坐标。

在物流包裹的自动分拣场景中，可以将物流包裹置于传送带上，利用传送带依次进行包裹的传送，在传送带的一个指定位置可以设置三维图像传感器，例如三维激光图像传感器或者三维红外图像传感器，该三维图像传感器的监视场景即为预定场景，当被传送的包裹经过该预定场景时，通过三维图像传感器采集被传送包裹(即目标包裹)的三维图像信息，该三维图像信息至少包括了目标包裹在该预定场景中的多个三维坐标信息。例如，对于一个三维形状为立方体的包裹，其三维图像信息至少包括其多个顶点位置的三维坐标信息。

可选的，上述步骤101可以包括：

获取所述目标包裹在所述预定场景中俯视的二维平面图像信息；

获取所述目标包裹在所述预定场景中的高度信息；

基于所述俯视的二维平面图像信息以及所述高度信息进行三维图像重构，得到所述目标包裹的三维图像信息。

在本发明实施例中，可以通过二维图像传感器获取目标包裹在预定场景中俯视的二维平面图像信息；还可以通过测距传感器获取目标包裹在所述预定场景中的高度信息；由此，基于获取的俯视的二维平面图像信息以及获取的高度信息进行三维图像重构，将高度信息作为二维平面图像上各个像素点的深度要素融合到二维平面图像，得到所述目标包裹的三维图像信息。

可选的，上述步骤101可以包括：

获取指定模式图案的结构光在所述目标包裹上的反射图案；

基于所述反射图案与所述指定模式图案的图案形变，计算所述目标包裹的三维图像信息。

在本发明实施例中，还可以在预定场景，利用指定模式图案的结构光对目标包裹进行照射，获取指定模式图案的结构光在所述目标包裹上的反射图案，目标包裹的形状会使指定模式图案产生形变，通过该形变进行计算，可以得到目标包裹的三维图像信息。

例如，通过结构光投射器投射指定模式图案(例如条形图案)的结构光，若投射于平面上，图像传感器获取的平面上的二维图像上仍然为条形图案，若投射的平面上存在一物体(例如包裹)，图像传感器获取的平面上的二维图像将是产生形变的条形图案。那么，通过使用各种结构光原理和算法(例如三角测量原理)，可以计算出平面上物体的精确三维表面信息。也即可以得到物体的三维图像信息。

在步骤102中、将所述三维图像信息输入预设的特征提取模型，得到所述目标包裹的三维几何特征。

在本发明实施例中，所提取的三维几何特征至少包括目标包裹在所述预定场景中的长度、宽度和高度，在这里，长度、宽度和高度分别可以对应预定场景中的三个三维坐标方向上的距离。

在本发明实施例中，利用预设的特征提取模型可以快速提取三维图像信息中的关键点信息，得到目标包裹的三维几何特征。

可选的，所述特征提取模型为卷积神经网络，所述卷积神经网络包括第一卷积层、第二卷积层和输出层；

所述第一卷积层用于从所述三维图像信息中提取边信息；所述边信息是指目标包裹的三维图像信息中相交平面的交线所在边的信息。

所述第二卷积层用于从所述边信息中提取端点信息；所述端点信息是指边信息对应的各个边的端点的信息。

所述输出层用于从所述端点信息中提取第一端点坐标、第二端点坐标、第三端点坐标、第四端点坐标第五端点坐标和第六端点坐标，其中，所述第一端点坐标和所述第二端点坐标分别表示高度坐标最大和高度坐标最小的端点，所述第三端点坐标和所述第四端点坐标分别表示宽度坐标最大和宽度坐标最小的端点，所述第五端点坐标和所述第六端点坐标分别表示长度坐标最大和长度坐标最小的端点；

其中，所述高度坐标、宽度坐标和长度坐标分别对应于三维坐标中的三个空间方向，例如，对于三维坐标(x,y,z)中，可以用z表示高度方向上的坐标，x表示长度方向上的坐标，y表示宽度方向上的坐标。

在本发明实施例中，利用卷积神经网络提取三维图像信息中六个端点信息，这六个端点信息可以表示目标包裹的三维几何形状。例如，第一端点坐标和第二端点坐标的高度方向上的坐标差值反映了目标包裹的最大高度，第三端点坐标和第四端点坐标的宽度方向上的坐标差值反映了目标包裹的最大宽度，第五端点坐标和第六端点坐标的长度方向上的坐标差值反映了目标包裹的最大长度。而目标包裹的最大高度、最大宽度和最大长度反应了该目标包裹的最大几何形状。从而有利于为该目标包裹选取可容纳该目标包裹的装载位置。

需要说明的是，本发明通过获取目标包裹的三维图像信息，并利用卷积神经网络提取三维图像信息的三维几何特征(第一端点坐标、第二端点坐标、第三端点坐标、第四端点坐标第五端点坐标和第六端点坐标)，通过这六个三维坐标来表征目标包裹的三维大小，进而为目标包裹匹配合适的装载位置，对于不同形状的包裹均可以适用，例如，通过这六个三维坐标所匹配的容纳空间，对于非标准立方体形状的包裹，也仍然能够装载，解决了现有技术中对于非标准立方体形状的包裹难以客观描述其大小的问题。

可选的，在所述将所述三维图像信息输入预设的特征提取模型，得到所述目标包裹的三维几何特征之前还包括：

获取一定数量的三维图像样本组成训练集；

利用所述训练集采用有监督学习的方式对所述卷积神经网络进行训练；

利用梯度下降法最小化损失函数对所述卷积神经网络中的权重参数进行逐层反向调节，以提高所述卷积神经网络的精度。

在本发明实施例中，利用有监督学习的方式对卷积神经网络进行训练，确定卷积神经网络的各卷积层的参数(卷积核)。有利于提高卷积神经网络的输出精度。

在步骤103中、获取所述目标包裹的收件信息，其中，所述收件信息至少包括收件地址信息。

在本发明实施例中，通过获取目标包裹的收件信息，确定收件地址，可以得到该包裹的发件去向，进而可以根据该发件去向来选取驶往该发件去向的车辆等运输工具。

可选的，所述收件信息还包括收件人联系号码，在上述步骤102之后还可以包括：

基于所述三维几何特征，计算所述目标包裹的体积信息；

将所述体积信息发送给所述收件人联系号码。

在本发明实施例中，利用提取的三维几何特征，可以计算目标包裹的体积信息，通过将目标包裹的体积信息发送给目标包裹的收件人，可以使得收件人能够及时的了解到其要收到的包裹的体积，解决收件人由于包裹体积过大而不方便取件和携带的问题。

在步骤104中、基于所述收件地址信息，确定用于运载所述目标包裹的目标运输工具。

在本发明实施例中，多个运输工具分别发往不同的地区，通过收件地址信息可以确定包裹发往的地区，进而确定可运载所述目标包裹的目标运输工具。

在步骤105中、基于所述目标包裹的三维几何特征，确定所述目标包裹在所述目标运输工具上的装载位置。

在本发明实施例中，通过提取目标包裹的三维几何特征，确定目标包裹的最大体积，进而可以在运输工具上选取适合装载该目标包裹的空间位置。

可选的，上述步骤105可以包括：

获取所述目标运输工具上设置的各包裹装载窗格的装载空间的三维几何特征；

从所述各包裹装载窗格的装载空间的三维几何特征中选取与所述目标包裹的三维几何特征匹配的目标包裹装载窗格；

将所述目标包裹装载窗格确定为所述目标包裹在所述目标运输工具上的装载位置。

在本发明实施例中，各物流运输工具上设置有多个用于装载包裹的包裹装载窗格，可以预先获取各个物流运输工具上的各个包裹装载窗格的大小以及三维几何特征。在这里，包裹装载窗格的三维几何特征是指其容纳空间的三维几何特征，可以包括可容纳的最大高度、最大长度和最大宽度。通过将目标包裹的三维几何形状与各个包裹装载窗格的三维几何特征进行匹配，可以选取与所述目标包裹的三维几何特征匹配的目标包裹装载窗格，并将所述目标包裹装载窗格确定为所述目标包裹在所述目标运输工具上的装载位置。

本发明能够合理的为不同大小形状的包裹分配与其大小形状匹配的装载位置，有利于实现物流包裹分拣的自动化装载，以及装载空间的合理利用。

由上可知，本发明一方面通过获取目标包裹的三维图像信息，利用预设的特征提取模型提取目标包裹的三维几何特征；另一方面通过获取目标包裹的收件地址信息，基于该收件地址信息为该目标包裹分配运输工具；由于三维几何特征反映了物体可占据空间的大小，在提取到目标包裹的三维几何特征之后，可根据该三维几何特征确定该目标包裹在为其分配的运输工具上的装载位置。因而，本发明通过客观提取到的三维几何特征实现包裹装载位置的分配，可以减少人工方式进行包裹装载的主观影响，提高对装载空间的合理利用程度，并有利于自动化分拣的实现和提高物流配送效率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。

图2示出了本发明实施例提供的物流包裹的分拣装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：

如图2所示，物流包裹的分拣装置2包括：三维图像获取单元21，三维特征提取单元22，收件信息获取单元23，第一确定单元24和第二确定单元25。

三维图像获取单元21，用于获取目标包裹的三维图像信息，其中，所述三维图像信息至少包括所述目标包裹在预定场景中的多个三维坐标；

三维特征提取单元22，用于将所述三维图像信息输入预设的特征提取模型，得到所述目标包裹的三维几何特征；

收件信息获取单元23，用于获取所述目标包裹的收件信息，其中，所述收件信息至少包括收件地址信息；

第一确定单元24，用于基于所述收件地址信息，确定用于运载所述目标包裹的目标运输工具；

第二确定单元25，用于基于所述目标包裹的三维几何特征，确定所述目标包裹在所述目标运输工具上的装载位置。

可选的，物流包裹的分拣装置2还包括：

三维特征获取单元，用于获取所述目标运输工具上设置的各包裹装载窗格的装载空间的三维几何特征；

装载窗格选取单元，用于从所述各包裹装载窗格的装载空间的三维几何特征中选取与所述目标包裹的三维几何特征匹配的目标包裹装载窗格；

第二确定单元25具体用于，将所述目标包裹装载窗格确定为所述目标包裹在所述目标运输工具上的装载位置。

可选的，物流包裹的分拣装置2还包括：

二维图像获取单元，用于获取所述目标包裹在所述预定场景中俯视的二维平面图像信息；

高度信息获取单元，用于获取所述目标包裹在所述预定场景中的高度信息；

三维图像获取单元21具体用于，基于所述俯视的二维平面图像信息以及所述高度信息进行三维图像重构，得到所述目标包裹的三维图像信息。

可选的，物流包裹的分拣装置2还包括：

反射图案获取单元，用于获取指定模式图案的结构光在所述目标包裹上的反射图案；

三维图像获取单元21具体用于，基于所述反射图案与所述指定模式图案的图案形变，计算所述目标包裹的三维图像信息。

可选的，所述特征提取模型为卷积神经网络，所述卷积神经网络包括第一卷积层、第二卷积层和输出层；

所述第一卷积层用于从所述三维图像信息中提取边信息；

所述第二卷积层用于从所述边信息中提取端点信息；

所述输出层用于从所述端点信息中提取第一端点坐标、第二端点坐标、第三端点坐标、第四端点坐标第五端点坐标和第六端点坐标，其中，所述第一端点坐标和所述第二端点坐标分别表示高度坐标最大和高度坐标最小的端点，所述第三端点坐标和所述第四端点坐标分别表示宽度坐标最大和宽度坐标最小的端点，所述第五端点坐标和所述第六端点坐标分别表示长度坐标最大和长度坐标最小的端点；

其中，所述高度坐标、宽度坐标和长度坐标分别对应于三维坐标中的三个空间方向。

可选的，物流包裹的分拣装置2还包括：

训练集获取单元，用于在所述将所述三维图像信息输入预设的特征提取模型，得到所述目标包裹的三维几何特征之前，获取一定数量的三维图像样本组成训练集；

监督训练单元，用于利用所述训练集采用有监督学习的方式对所述卷积神经网络进行训练，并利用梯度下降法最小化损失函数对所述卷积神经网络中的权重参数进行逐层反向调节，以提高所述卷积神经网络的精度。

可选的，所述收件信息还包括收件人联系号码，物流包裹的分拣装置2还包括：

体积计算单元，用于在所述将所述三维图像信息输入预设的特征提取模型，得到所述目标包裹的三维几何特征之后，基于所述三维几何特征，计算所述目标包裹的体积信息；

体积信息发送单元，用于将所述体积信息发送给所述收件人联系号码。

由上可知，本发明一方面通过获取目标包裹的三维图像信息，利用预设的特征提取模型提取目标包裹的三维几何特征；另一方面通过获取目标包裹的收件地址信息，基于该收件地址信息为该目标包裹分配运输工具；由于三维几何特征反映了物体可占据空间的大小，在提取到目标包裹的三维几何特征之后，可根据该三维几何特征确定该目标包裹在为其分配的运输工具上的装载位置。因而，本发明通过客观提取到的三维几何特征实现包裹装载位置的分配，可以减少人工方式进行包裹装载的主观影响，提高对装载空间的合理利用程度，并有利于自动化分拣的实现和提高物流配送效率。

图3是本发明一实施例提供的分拣终端的示意图。如图3所示，该实施例的分拣终端3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个物流包裹的分拣方法实施例中的步骤，例如图1所示的步骤101至步骤105。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能，例如图2所示单元21至25的功能。

示例性的，所述计算机程序32可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述终端3中的执行过程。例如，所述计算机程序32可以被分割成三维图像获取单元，三维特征提取单元，收件信息获取单元，第一确定单元和第二确定单元，各单元具体功能如下：

三维图像获取单元，用于获取目标包裹的三维图像信息，其中，所述三维图像信息至少包括所述目标包裹在预定场景中的多个三维坐标；

三维特征提取单元，用于将所述三维图像信息输入预设的特征提取模型，得到所述目标包裹的三维几何特征；

收件信息获取单元，用于获取所述目标包裹的收件信息，其中，所述收件信息至少包括收件地址信息；

第一确定单元，用于基于所述收件地址信息，确定用于运载所述目标包裹的目标运输工具；

第二确定单元，用于基于所述目标包裹的三维几何特征，确定所述目标包裹在所述目标运输工具上的装载位置。

所述分拣终端3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述分拣终端可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是分拣终端3的示例，并不构成对分拣终端3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。

所称处理器30可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器31可以是所述分拣终端3的内部存储单元，例如分拣终端3的硬盘或内存。所述存储器31也可以是所述分拣终端3的外部存储设备，例如所述终端3上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。进一步地，所述存储器31还可以既包括所述分拣终端3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所述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精神和范围，均应包含在本发明的保护范围之内。