本申请涉及计算机技术领域，尤其涉及一种点云数据融合的方法及装置。
背景技术：
随着电子地图导航技术的不断进步和发展，车辆自动驾驶技术被越来越多的研究所以及公司重视，而车辆自动驾驶技术必须要依据高精度地图。
目前，在制作高精度电子地图的过程中，需要采集道路的位置信息，而采集道路的位置信息通常通过采集车携带的激光向四周发射激光，并接收碰到物体而返回的激光，记录激光返回的时间与激光返回的强度，并根据时间计算物体的坐标位置，根据强度确定激光是接触到什么物体返回的，并以此形成激光点云(也即，点云)，通过激光点云模拟现实的三维世界中的道路。
但是在实际采集中，同一段道路在采集时有可能会被重复采集，如，第一天采集了a道路，并在a道路的终点停止第一天的采集，而第二天需要在a道路的终点处继续采集，但是由于采集车不能准确的确定a道路的终点具体是哪里，因此，为了保证采集的数据不出现任何遗漏，通常都是在a道路终点前的某一点b开始继续采集，点b到a道路的终点之间这段道路就会被重复采集，由于每次采集的偏差通常都是不同的，因此，两次采集点b到a道路的终点之间的这段道路的点云数据是不同的，为了消除点云数据间的偏差，保持所采集到的点b到a道路的终点之间的这段道路的点云数据是一致的，因此，需要对所采集到的点b到a道路的终点之间的这段道路的点云数据进行融合。
点云数据融合方式通常是在三维可视环境下，人工选择两份待融合的点云数据，分别在两份待融合的点云数据中选取表示同一个物体上的同一点的点云数据，并作为一个特征点对，以此在两份待融合的点云数据中选取多个特征点对，根据选取出的特征点对计算偏差，在按照一定的偏移方法将两份待融合的点云数据进行融合。
但是，本申请的发明人发现：人工在三维可视环境中选取特征点时，每一对特征点的选取通常都需要十分钟，如果需要融合的点云数据长度很长，则在选取特征点时需要耗费大量的时间，效率较低，并且，由于三维可视环境不能无限放大比例，因此，人工选取的每一对特征点的选取位置不能达到完全的匹配，存在误差。
技术实现要素：
有鉴于此，本申请实施例提供一种点云数据融合方法及装置，能够有效的提高选取特征点的效率，并且，能够在选取每一个特征点对的选取位置能够达到精确的匹配。
为解决上述技术问题，本申请实施例公开一种点云数据融合方法，该方法包括：
获取待融合的两份点云数据，其中，所述点云数据包括：点三维坐标以及点强度值，且，所述待融合的两份点云数据均包含有在同一道路区域所采集的点云数据；
根据所述点强度值，分别从两份点云数据中提取各特征物；
根据提取出的各特征物以及各特征物对应的点三维坐标集，确定待融合的两份点云数据中的各特征点对；
根据确定出的各特征点对，对两份点云数据进行融合。
为了实现上述点云数据融合方法，本申请实施例公开一种点云数据融合装置，该装置包括：
获取模块，用于获取待融合的两份点云数据，其中，所述点云数据包括：点三维坐标以及点强度值，且，所述待融合的两份点云数据均包含有在同一道路区域所采集的点云数据；
提取模块，用于根据所述点强度值，分别从两份点云数据中提取各特征物；
确定模块，用于根据提取出的各特征物以及各特征物对应的点三维坐标集，确定待融合的两份点云数据中的各特征点对；
融合模块，用于根据确定出的各特征点对，对两份点云数据进行融合。
本申请实施例公开一种点云数据融合方法及装置，该方法包括：获取待融合的两份点云数据，其中，该点云数据包括：点三维坐标以及点强度值，且，该待融合的两份点云数据均包含有在同一道路区域所采集的点云数据，根据该点强度值，分别从两份点云数据中提取各特征物，根据提取出的各特征物以及各特征物对应的点三维坐标集，确定待融合的两份点云数据中的各特征点对，根据确定出的各特征点对，对两份点云数据进行融合。通过上述方法，可由装置自动根据强度值提取特征物，并计算特征物的几何中心，作为特征点，有效的提高选取特征点的效率，并且，在选取每一个特征点对时选取位置能够达到精确的匹配。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的点云数据融合的方法过程示意图；
图2为本申请实施例中一种点云数据融合结果示意图；
图3为本申请实施例中另一种点云数据融合结果示意图；
图4为本申请另一实施例提供的点云数据融合的方法流程示意图；
图5为本申请实施例中提取特征点的方法过程示意图；
图6为本申请实施例提供的一种点云数据融合装置结构示意图；
图7为本申请实施例提供的混合导航系统的组成框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、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。
图1为本申请实施例提供的点云数据融合过程，进一步包括以下步骤：
s101：获取待融合的两份点云数据。
在实际制作高精度电子地图的过程中，需要采集道路的位置信息，而采集道路的位置信息通常通过采集车携带的激光向四周发射激光，并接收碰到物体而返回的激光，记录激光返回的时间与激光返回的强度，并根据时间计算物体的坐标位置，根据强度确定激光是接触到什么物体返回的，并以此形成激光点云(也即，点云)，通过激光点云模拟现实的三维世界中的道路。
但是在实际采集中，同一段道路在采集时有可能会被重复采集，如，第一天采集了a道路，并在a道路的终点停止第一天的采集，而第二天需要在a道路的终点处继续采集，但是由于采集车不能准确的确定a道路的终点具体是哪里，因此，为了保证采集的数据不出现任何遗漏，通常都是在a道路终点前的某一点b开始继续采集，点b到a道路的终点之间这段道路就会被重复采集，由于每次采集的偏差通常都是不同的，因此，两次采集点b到a道路的终点之间的这段道路的点云数据是不同的，为了消除点云数据间的偏差，保持所采集到的点b到a道路的终点之间的这段道路的点云数据是一致的，因此，需要对所采集到的点b到a道路的终点之间的这段道路的点云数据进行融合。
而在点云融合的过程中，首先需要获取待融合的两份点云数据，其中，该点云数据包括：点三维坐标以及点强度值，并且，该待融合的两份点云数据均包含有在同一道路区域所采集的点云数据，也就是说，所采集的两份点云数据中有一部分点云数据是在同一道路区域采集的，如，点云数据a采集了道路1的a点到b点的点云数据，而点云数据b也采集了道路1的a点到b点的点云数据。
在此需要说明的是，在实际应用中，有三种情况会出现对相同的道路区域采集两次，说明如下：
第一种情况，采集车在第一次采集了道路1中a到b点之间的道路，第二次继续采集该道路1时，为了保证采集的数据不出现任何遗漏，从位于b点前的c点开始采集，采集了从c点到b点再到b点后的d点之间的道路，这会使得c点到b点之间的道路被采集了两次，这种被采集了两次的点云数据叫做同向接边数据。
第二种情况，高速路通常都是顺行和逆行都是分开的，并且顺行和逆行之间是存在栏杆或者细杆或者牌子的，采集车在采集该高速的点云数据时，都是顺行的时候采集一次，逆行的采集一次，这就使得顺行和逆行之间所存在栏杆或者细杆或者牌子被采集了两次，这种被采集了两次的点云数据叫做上下线分离数据。
第三种情况，有些主路与主路的路口是由盘桥相连接的，也就是，想要从主路到达另一条主路时，需要通过盘桥才可以，第一次采集了主路1，并且在主路1到盘桥的交界处a停止采集，第二次为了保证采集的数据不出现任何遗漏，从位于主路1上并到交界处a的点b开始第二次采集，这样点b到交界处a被采集了两次，这种被采集了两次的点云数据叫做盘桥与主路接边数据。
以上三种被采集了两次的点云数据都需要进行融合，消除偏差。
s102：根据所述点强度值，分别从两份点云数据中提取各特征物。
由于想要进行点云数据的融合，则需要知道点云数据中的每个点需要移动多少，需要移动到哪个位置，因此，在本申请中，需要分别从找到两份点云数据中找到一个点，找到的这两个点是在道路上相同位置所采集的点，并计算这两个点之间的距离，才可以知道需要移动多少距离，才能将在同一位置上所采集的点移动到同一位置上，因此，在本申请中，找到两份点云数据中在道路上的同一位置所采集的点。
进一步的，由于同一次采集的点云数据中，不同的采集区域也会出现偏差，也就是说，同一次采集过程中，每一段道路的偏差是不同的，有的道路在采集时偏差大，有的道路在采集时偏差小，如，在同一次采集的过程中，采集从a点到b点之间的道路的偏差是20毫米，而从b点到c点之间的道路的偏差则是25毫米，因此，在本申请中，为了能够更加精确的对两份待融合的点云数据进行融合，需要在两份待融合的点云数据中，每隔一段距离选取一对点(这一对点是在相同的位置上被选取的)云数据，可以每隔相同的距离选取一对点，也可以隔不同的距离选取一对点，具体在两份点云数据中选取多少个点对可以根据实际情况来设定。
在此需要说明的是，选取的点对越多，并且，所选取的点对越均匀，则点云数据在融合时越精确，反之，则越不精确。
在此需要说明的是，在点云数据中一共选取五个点对，每隔10米选取一个点对，就比在10米之内选取五个点对要均匀。
进一步的，在本申请中，找到两份点云数据中在道路上的同一位置所采集的点，首先需要确定位于道路上同一位置的物体，也就是特征物。
进一步的，由于遇到不同材质的物体返回的激光的强度值就会不同，也就是说，根据强度值可以唯一确定出材质，进而确定出物体，因此，在本申请中，可以根据点云数据中包含的强度值，分别从两份点云数据中提取各特征物，如，在两份点云数据中提取道路标线块(即，特征物)。
在此需要说明的是，在本申请中，为了能够自动选取合适的点对，针对同向接边数据可以提取道路标线块作为特征物，针对上下线分离数据可以提取起到隔离作用的栏杆或者起到悬挂各种指示牌的细杆或者位于顺行和逆行之间的牌子作为特征物，针对盘桥与主路接边数据可以提取道路标线块或者路边的细杆或牌子作为特征物。
s103：根据提取出的各特征物以及各特征物对应的点三维坐标集，确定待融合的两份点云数据中的各特征点对。
由于需要知道提取出的各特征物哪两个特征物是位于同一道路位置，因此，在本申请中，需要将提取出的各特征物以就近原则进行匹配，具体可以根据提取出的各特征物对应的点三维坐标集将提取出的特征物以就近原则进行匹配，以此确定位于道路区域相同位置的两个特征物。
在此需要说明的是，就近原则指的是如果两个特征物对应点坐标集之间的误差不超过预设的阈值时，这说明这两个特征物是位于道路区域相同位置的两个物体，如果超过预设的阈值时，这说明这两个特征物不是位于道路区域相同位置的两个物体。
进一步的，当将提取出的各特征物以就近原则进行匹配后，需要针对任一确定出的位于道路区域相同位置的两个特征物，确定每个特征物的几何中心，并将确定出的两个几何中心作为特征点对。
在此需要说明的是，对任一确定出的位于道路区域相同位置的两个特征物，也可以分别在两个特征物的相同位置各确定一个点，并将确定出的点对作为特征点对，也就是说，只要能够保证在两个特征物的相同位置确定特征点即可，如，在两个特征物上相同的角点位置各确定一个点，作为特征点对，因此，在本申请中，如果提取道路标线块作为特征物，则可计算道路标线块的几何中心线，取几何中心线的中心点作为特征点，如果提取起到隔离作用的栏杆或者起到悬挂各种指示牌的细杆作为特征物，则直接计算栏杆或细杆的几何中心作为特征点，如果牌子作为特征物，则可以计算上边缘线的中心作为特征点，或者计算下边缘线的中心作为特征点。
s104：根据确定出的各特征点对，对两份点云数据进行融合。
由于在确定出各特征点对后，需要知道点云数据中的每个点需要移动多少，需要移动到哪个位置，因此，在本申请中，需要计算各特征点对的三维坐标偏差值，例如，两个特征点对的x坐标相减，y坐标相减，z坐标相减，再根据计算出的每个特征点对的三维坐标偏差值，对两份点云数据进行融合。
在此需要说明的是，由于采集车在两次采集待融合的点云数据虽然是有偏差的，但是采集偏差会在一定范围之内，也就是说，两次采集待融合的点云数据的距离差也在一定范围之内，因此，在本申请中，如果计算出的各特征点对的三维坐标偏差值中，有一个特征点对的三维坐标偏差值超过预设的阈值，如，是否超过50厘米，说明采集的两份点云数据中有一份点云数据是有问题的，需要分析点云数据的偏差这么大的原因，找出出现问题的点云数据，并重新处理待融合的点云数据，再进行融合。
进一步的，由于选取的点对越多，并且，所选取的点对越均匀，则点云数据在融合时越精确，因此，在本申请中，在计算各特征点对的三维坐标偏差值后，需要判断在点云数据中选取的特征点对的分布是否满足预设的需求(如，分布均匀)，选取的特征点对的数量是否满足预设的需求，如果选取的特征点对的数量不满足预设的需求或者在点云数据中选取的特征点对不满足预设的需求，则在已选取的特征点对的基础上，可选择人工去选取特征点对，并将人工选取的特征点对补充到确定出的特征点对中，并计算新选取出的特征点对的三维坐标偏差值，确定特征点对的三维坐标偏差值是否超过预设的阈值。
另外，在本申请中，针对于在同向接边的点云数据中选取的特征点对的分布是否满足预设的需求而言，相邻两个特征点对之间必须小于预设的阈值，如，200米；针对于在上下线分离的点云数据中选取的特征点对的分布是否满足预设的需求而言，相邻两个特征点对之间必须小于预设的阈值，如，2000米；针对于在盘桥与主路接边的点云数据中选取的特征点对的分布是否满足预设的需求而言，相邻两个特征点对之间必须小于预设的阈值，如，200米，预设的阈值具体是多少根据实际情况而定，上述阈值可以相同，也可以不同。
在此需要说明的是，由于道路标线块通常都是分布均匀且数量也符合预设的要求，因此，选用道路标线块作为特征物，进而得到的特征点对通常是选取的特征点对的数量满足预设的需求或者在点云数据中选取的特征点对均匀的，除非道路上的标线块不清晰或者有残缺。如果选用牌子作为特征物，由于牌子在道路上的分布通常都是不均匀且数量也不会满足预设的要求，因此，选用牌子作为特征物，进而得到的特征点对通常是选取的特征点对的数量不满足预设的需求或者在点云数据中选取的特征点对是不均匀的，可选择人工去介入执行。
另外，人工在待融合的点云数据中选取特征点对时，可在两份点云数据的位于同一位置的物体上的角点，在尽量大的比例下获取对应位置的三维坐标。
进一步的，如果计算出的各特征点对的三维坐标偏差值均不超过预设的阈值，且，各特征点对的分布满足预设的需求(如，均匀分布)，则可以将两份点云数据进行融合。
而本申请在将两份点云数据进行融合时具体可以，根据计算出的每个特征点对的三维坐标偏差值，确定待融合的两份点云数据包含的在同一道路区域所采集的点云数据中的每个点移动的距离，根据确定出的每个点的移动的距离，将待融合的两份点云数据中在相同位置上采集的点移动到同一坐标位置。
在此需要说明的是，在根据确定出的每个点的移动的距离，将待融合的两份点云数据中在相同位置上采集的点移动到同一坐标位置时，如果无法确定两份待融合的点云数据中哪一份点云数据是精确的，则两份点云数据都需要进行移动，使得待融合的两份点云数据中在相同位置上采集的点移动到同一坐标位置，而两份点云数据中没有在相同位置上采集的点直接进行适当的偏移拉伸即可，如，图2所示，在图2中，两条平行的线代表两份待融合的点云数据，其中a点到b点之间的点云数据是在相同的位置采集的，出现弯折的点云数据为两份待融合的点云数据融合后的点云数据，为了尽可能的还原道路的形状，因此点b要位于点a左边。如果可以明确确定哪份点云数据是精确的，则可以针对在相同位置上采集的两份点云数据，以精确的点云数据的坐标位置为准，将另一份点云数据中的点移动到精确的的点云数据的坐标位置处，如图3所示，在图3中，两条平行的线代表两份待融合的点云数据，其中a点到b点之间的点云数据是在相同的位置采集的，出现弯折的点云数据为两份待融合的点云数据融合后的点云数据。
通过上述方法，可由装置自动根据强度值提取特征物，并计算特征物的几何中心，作为特征点，有效的提高选取特征点的效率，并且，在选取每一个特征点对时选取位置能够达到精确的匹配。
最后，需要对融合后的点云数据进行分析，确定融合后的点云数据是否满足生产的需要，如果不满足，则对融合后的点云数据进行调整。
另外，在此需要说明的是，当相同的位置被采集三次以上时，也可以使用本申请中的方法来对三次以上的点云数据进行融合，具体可以先将其中的两份点云数据进行融合，后续，再将融合后的点云数据与另一份点云数据进行融合，以此类推，直到所有的点云均融合完毕为止。
这里，结合图4和图5所示实施例，对上述点云数据的融合方法作进一步说明：
参照图4所示，按照功能点可以将整个流程分成三个主要部分：
第一部分：点云数据分类
分析点云数据质量，并将需要融合的数据进行分类，分类原则如下：
1.同向本线类型，首先是道路本线，区分进入路，退出路，进入路与退出路至少有2000米的重叠区。
2.上下线分离数据：同一条道路的两个方向点云，两个方向中心线相隔不超过30米，距离过大的，点云很难找到特征点，而且没有融合的必要。
3.主岔路接边，岔路与主路重合区域至少要有1000米。
第二部分：提取特征点，参照图5所示，针对同向本线的算法流程如下：
1)数据输入：针对同向点云数据，按照道路前进方向，准备好需要融合的数据，并输入给程序
2)按照点云数据的点强度值的差异性，提取道路面上的道路标线块
3)针对某个车道对提取的标准形状的标线块，计算其几何中心线
4)按照坐标位置的就近原则匹配相对应的线，
5)提取对应的每条线的中心点的三维坐标，作为一个特征点对
6)判断提取的所有特征点对的三维偏差值，如果有一个值超过输入的阈值，比如阈值定义的是50cm
7)如果有超过50cm的偏差值，需要分析点云数据的偏差这么大的原因，或者重新处理数据，再进行融合
8)判断所有提取的特征点分布是否均匀，如要求每100米至少有一个特征点，如果不满足，则可人工选点，并交互的补充到程序提取结果中
9)人工选点的方法，找对应物体的角点，在尽量大的比例下获取对应位置的三维坐标
10)特征点完善之后，进行程序的融合，融合的方法见第三部分：数据融合
11)对融合的数据结果进行分析，看看融合结果是否满足生产需要。
需要说明的是：同向数据融合，基本上很少有特征点对分布不符合要求的，除非路上标线非常不清晰。
2.针对上下线分离算法流程
上下线分离，算法流程与同向本线算法相近，不过特征点提取的对象不一样，其主要提取对象：
1)中央隔离带上的细杆，计算其几何中心，作为匹配特征点；
2)道路两侧的高大路牌，计算牌子的上边缘线的中心，作为匹配特征点。
上下线分离，会出现特征点分布不均的情况，根据阈值设定，可选择人工选点进行干预。
3.针对主路岔路接边数据算法流程
主岔路接边的算法流程与同向本线相近，提取的特征点主要是路面标线，可以加上路边的杆子。
第三部分：数据融合，数据融合的方法主要采用以下的两种，以同向接边为例，一种是无法判断哪份数据精准的，两份点云数据都偏移拉伸；另一种是选择一条为基准，另一条以基准进行偏移拉伸调整。
以上为本申请实施例提供的点云数据融合方法，基于同样的思路，本申请实施例还提供一种点云数据融合装置，如图6所示。
图6为本申请实施例提供的一种点云数据融合装置结构示意图，该装置包括：
获取模块601，用于获取待融合的两份点云数据，其中，所述点云数据包括：点三维坐标以及点强度值，且，所述待融合的两份点云数据均包含有在同一道路区域所采集的点云数据；
提取模块602，用于根据所述点强度值，分别从两份点云数据中提取各特征物；
确定模块603，用于根据提取出的各特征物以及各特征物对应的点三维坐标集，确定待融合的两份点云数据中的各特征点对；
融合模块604，用于根据确定出的各特征点对，对两份点云数据进行融合。
所述确定模块603进一步用于，根据提取出的各特征物对应的点三维坐标集，确定位于道路区域相同位置的两个特征物，针对任一确定出的位于道路区域相同位置的两个特征物，确定每个特征物的几何中心，并将确定出的两个几何中心作为特征点对。
所述融合模块604进一步用于，分别计算每个特征点对的三维坐标偏差值，根据计算出的每个特征点对的三维坐标偏差值，对两份点云数据进行融合。
所述融合模块604进一步用于，根据计算出的每个特征点对的三维坐标偏差值，确定待融合的两份点云数据包含的在同一道路区域所采集的点云数据中的每个点移动的距离，根据确定出的每个点的移动的距离，将待融合的两份点云数据中在相同位置上采集的点移动到同一坐标位置。
所述点云数据包括：同向接边数据、盘桥与主路接边数据或上下分离数据中的一个。
当所述点云数据为同向接边数据或所述点云数据为盘桥与主路接边数据时，所述特征物包括：道路标线块，当所述点云数据为上下分离数据时，所述特征物包括：道路隔离带上的细杆。
此外，本发明提供了一种混合导航系统，如图7所示，该混合导航系统包括：数据模块705、搜索模块710、导航模块715、娱乐模块720、通信模块725、车载趣驾操作系统700、传感系统750以及用户交互模块。可选地，用户交互模块包括信息入口模块730、智能语音交互模块735、分析模块740及显示模块745。其中：
数据模块705，用于存储并更新电子地图数据，该电子地图数据为上述任一相关实施例中公开的地图区域信息更新的装置处理后的导航电子地图数据；
搜索模块710，用于根据用户指令执行搜索操作并输出搜索结果；
导航模块715，用于根据得到的导航指令为用户提供二维/三维路径规划及导航服务；
娱乐模块720，用于提供游戏、音乐及其他影音娱乐项目；通信模块725，用于获取更新的地图数据、动态交通信息、一对一或群组的语音/视频通讯；
信息入口模块730，用于接收用户通过触屏或按键手动输入的指令；
智能语音交互模块735，用于接收用户语音指令、进行语音唤醒和语音控制，以及用于语音输出执行用户语音指令的结果；
分析模块740，用于对用户语音指令进行语音识别、语意分析及指令转换，并用于通知相应的模块执行识别出来的用户语音指令；其中，用户语音指令为任意语种的任意一种句型的表达；
显示模块745，用于显示搜索模块提供的搜索结果，导航模块提供的导航路径、数据模块提供的地图数据、以及通信模块提供的动态交通信息，采用语音、二维/三维图示、和/或文字的方式显示；
车载趣驾操作系统700，用于为上述各模块提供运行环境和支持；
传感系统750，用于监测车辆状态和路况信息，为所述趣驾操作系统提供实时动态信息。
需要说明的是，由于前述任一实施例所述的在点云数据融合方法及装置具有上述技术效果，因此，采用了前述任一实施例所述的点云数据融合方法及装置的混合导航系统也应具备相应的技术效果，其具体实施过程与上述实施例类似，兹不赘述。
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。