本发明涉及车辆安全行驶技术领域，特别涉及一种车辆前方目标物检测方法及系统。
背景技术：
随着我国汽车保有量的逐年增长，出行交通压力也急剧增大，汽车行驶过程中的安全性面临越来越严峻的挑战。为此，汽车驾驶辅助系统应运而生，该系统可以对车辆周围的危险状态进行实时监测。举例而言，汽车驾驶辅助系统中的aeb(autonomousemergencybrace，自动紧急制动系统)一旦检测到自身车辆(简记为“自车”)与前方目标物有碰撞危险将要发生时，可以提前预警，甚至干预车辆。可见，汽车驾驶辅助系统在保护驾驶员、乘员、行人以及其它车辆方面的重要性不言而喻。然而，对于汽车驾驶辅助系统而言，准确地进行自车前方目标物的检测是实现上述功能的基础。
目前，可以利用雷达以发射电磁波的方式(称为“雷达检测方式”)来探测自车前方的目标物；还可以利用摄像头采集自车前方目标物的目标图像并基于图像识别的方式(称为“图像识别方式”)，识别出该目标图像中位于自车前方的目标物。
虽然上述两种方式均可实现目标物检测，但是二者具有各自的缺点：对于雷达检测方式而言，由于雷达自身物理性质的限制，往往对目标物的检测准确度不高；对于图像识别方式而言，摄像头容易受到外界环境的影响，在恶劣环境中对目标物的检测准确度也不高。因此，亟需一种能够准确检测出车辆前方目标物的检测方案。
技术实现要素：
本发明实施例的目的在于提供一种车辆前方目标物检测方法及系统，以提高车辆前方目标物检测的准确性，从而提高车辆行驶的安全性。
为达到上述目的，本发明实施例公开了一种车辆前方目标物检测方法，所述目标物检测方法包括：
获取当前的第一类目标物信息和第二类目标物信息；其中，所述第一类目标物信息为按照雷达检测方式得到的各个目标物的状态信息，所述第二类目标物信息为按照图像识别方式得到的各个目标物的状态信息，所述状态信息包括：目标物相对于自车的横向距离和纵向距离、以及目标物的速度和加速度；
确定所述第一类目标物信息对应的第一加权系数和所述第二类目标物信息对应的第二加权系数；其中，所述第一加权系数与所述第二加权系数之和为1；
根据所述第一加权系数和所述第二加权系数，对所述第一类目标物信息和所述第二类目标物信息进行加权求和，实现对车辆前方目标物的检测。
优选地，所述获取当前的第一类目标物信息和第二类目标物信息的步骤包括：
获取按照雷达检测方式直接检测到的第一类原始信息，并确定所述第一类原始信息为第一类目标物信息；
获取按照图像识别方式直接识别出的第二类原始信息，并确定所述第二类原始信息为第二类目标物信息。
优选地，所述获取当前的第一类目标物信息和第二类目标物信息的步骤包括：
获取按照雷达检测方式直接检测到的第一类原始信息，去除所述第一类原始信息中的无效目标物，并确定去除所述无效目标物之后的第一类原始信息为第一类目标物信息；
获取按照图像识别方式直接识别出的第二类原始信息，并确定所述第二类原始信息为第二类目标物信息。
优选地，确定满足以下情况中任意一种的目标物为无效目标物：
1)与自车的横向距离和纵向距离均为零；
2)自身长度为零；
3)自身宽度为零；
4)与自车的横向距离大于横向设定值；
5)利用雷达检测方式检测到目标物的存在概率小于概率设定值；其中，所述存在概率为雷达检测到目标物的次数与雷达连续检测目标物的检测次数的比值。
优选地，所述获取按照雷达检测方式直接检测到的第一类原始信息的步骤包括：若在本周期之前的n1个周期内某一目标物以雷达检测方式被连续检测到n1次，则确定该目标物为第一类原始目标物，将该第一类原始目标物的状态信息确定为第一类原始信息；
所述获取按照图像识别方式直接识别出的第二类原始信息的步骤包括：若在本周期之前的n2个周期内某一目标物以图像识别方式被连续检测到n2次，则确定该目标物为第二类原始目标物，将该第二类原始目标物的状态信息确定为第二类原始信息。
优选地，所述获取按照雷达检测方式直接检测到的第一类原始信息，并确定所述第一类原始信息为第一类目标物信息的步骤包括：若在本周期之前的m1个周期内某一目标物连续检测不到的次数为m1，则确定该目标物为消亡目标物，将该消亡目标物的状态信息从所述第一类原始信息中剔除，并确定剔除消亡目标物之后的第一类原始信息为第一类目标物信息；
所述获取按照图像识别方式直接识别出的第二类原始信息，并确定所述第二类原始信息为第二类目标物信息的步骤包括：若在本周期之前的m2个周期内某一目标物连续检测不到的次数为m2，则确定该目标物为消亡目标物，将该消亡目标物的状态信息从所述第二类原始信息中剔除，并确定剔除消亡目标物之后的第二类原始信息为第二类目标物信息。
优选地，所述第一类原始信息为基于第一周期t1检测得到的目标物的状态信息，所述第二类原始信息为基于第二周期t2检测得到的目标物的状态信息；其中，所述第一生物周期t1由雷达发射电磁波的频率来确定，所述第二生物周期t2由摄像头的采样频率来确定。
优选地，所述确定所述第一类目标物信息对应的第一加权系数和所述第二类目标物信息对应的第二加权系数的步骤之前，还包括：
基于卡尔曼预测方式，获得所述第一类目标物信息中的各个目标物在下一次检测的第一类预测信息、所述第二类目标物信息中的各个目标物在下一次检测的第二类预测信息；
若所述第一类预测信息与所述第一类目标信息具有一致性，则利用所述第一类预测信息对所述第一类目标物信息进行更新；或若所述第二类预测信息与所述第二类目标信息具有一致性，则利用所述第二类预测信息对所述第二类目标物信息进行更新。
为达到上述目的，本发明实施例公开了一种车辆前方目标物检测系统，所述目标物检测系统包括：雷达、摄像头、处理器；其中，
雷达，用于以发射和接收电磁波的方式检测自车前方的目标物；
摄像头，用于采集自车前方目标物的目标图像，并基于图像识别的方式识别出该目标图像中位于自车前方的目标物；
处理器，用于获取当前的第一类目标物信息和第二类目标物信息；确定所述第一类目标物信息对应的第一加权系数和所述第二类目标物信息对应的第二加权系数；根据所述第一加权系数和所述第二加权系数，对所述第一类目标物信息和所述第二类目标物信息进行加权求和，实现对车辆前方目标物的检测；其中，所述第一类目标物信息为按照雷达检测方式得到的各个目标物的状态信息，所述第二类目标物信息为按照图像识别方式得到的各个目标物的状态信息，所述状态信息包括：目标物相对于自车的横向距离和纵向距离、以及目标物的速度和加速度；所述第一加权系数与所述第二加权系数之和为1。
优选地，所述目标物检测系统还包括去除模块，用于去除第一类原始信息中的无效目标物；其中，第一类原始信息为所述雷达按照雷达检测方式直接检测到的第一类原始信息。
本发明实施例提供的一种车辆前方目标物检测方法及系统，在检测目标物的过程中，获取第一类目标物信息和第二类目标物信息，并根据第一类加权系数和第二类加权系数分别对第一类目标物信息和第二类目标物信息进行加权求和，最终得到当前车辆前方的目标物信息。
需要说明的是，以雷达检测方式检测目标物，具有价格低廉、对天气不敏感等的优点，但是容易漏检静止物体，对目标物的检测受到限制；另一方面，以图像识别方式检测目标物基于图像识别方式，容易受到外界环境的影响，尤其是在恶劣气候下的检测准确性差。本方案将雷达检测方式和图像识别方式集成于一体，实现了两种方式在功能上的优势互补，使得利用本方案进行当前车辆前方目标物的检测时，同时具有了对天气不敏感和识别更加准确的优点，提高了车辆前方目标物检测的准确性；另外，为两种方式设置了对应的加权系数，增大处于优势的一方的权重并降低处于劣势的一方的权重，进一步提高了车辆前方目标物检测的准确性，进而提高了车辆行驶的安全性。
附图说明
为了更清楚地说明本发明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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种车辆前方目标物检测方法的流程示意图；
图2为本发明实施例提供的另一种车辆前方目标物检测方法的流程示意图；
图3为本发明实施例提供的一种车辆前方目标物检测系统的架构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
为了提高车辆前方目标物检测的准确性，从而提高车辆行驶的安全性，本发明实施例提供了一种车辆前方目标物检测方法及系统。下面首先对本发明实施例提供的一种车辆前方目标物检测方法进行详细介绍。
如图1所示，为本发明实施例提供的一种车辆前方目标物检测方法的流程示意图，所述目标物检测方法可以包括以下步骤：
s101：获取当前的第一类目标物信息和第二类目标物信息。
其中，所述第一类目标物信息为按照雷达检测方式得到的各个目标物的状态信息，所述第二类目标物信息为按照图像识别方式得到的各个目标物的状态信息。
需要说明的是，“第一类目标物信息”和“第二类目标物信息”中提及的“第一类”、“第二类”仅用于区别以雷达检测方式检测到的状态信息和以图像识别方式检测到的状态信息，并不用于对目标物的状态信息的限定。
可以理解的是，对于自身车辆而言，前方目标物可以包括如下情况，如无目标物、一个目标物或多个目标物。因此，第一类目标物信息和第二类目标物信息也可以相应的包括如下情况：第一类目标物信息或第二类目标物信息中无目标物的状态信息、第一类目标物信息或第二类目标物信息中仅包含一个目标物的状态信息、以及第一类目标物信息或第二类目标物信息中包含有多个目标物的状态信息。
具体的，目标物的状态信息可以包括：目标物相对于自车的横向距离和纵向距离、以及目标物的速度和加速度。需要说明的是，这里仅仅是对目标物的状态信息的具体内容进行了举例说明，这是本发明实施例提供的一种具体实现方式，并不应该构成对本发明的限定，本领域内的技术人员可以根据实际应用中的具体情况进行合理的设置。
s102：确定所述第一类目标物信息对应的第一加权系数和所述第二类目标物信息对应的第二加权系数。
其中，所述第一加权系数与所述第二加权系数之和为1。
需要说明的是，以雷达检测方式检测目标物，具有价格低廉、对天气不敏感等的优点，但是容易漏检静止物体，对目标物的检测受到限制；另一方面，以图像识别方式检测目标物基于图像识别方式，容易受到外界环境的影响，尤其是在恶劣气候下的检测准确性差。
具体的，可以依据检测目标物的环境条件来确定第一加权系数和第二加权系数。可以理解的是，雷达检测方式和图像识别方式实际上可以进行优势互补，这样，当检测目标物的环境比较恶劣的情况下，第一类目标物信息的可靠性更高，因此可以增大第一加权系数的数值、同时降低第二加权系数的数值，以减小可靠性较低的第二类目标信息所占有的比例；同样的，对于检测环境较佳的情况下，第二类目标物信息的可靠性更高，因此可以增大第二加权系数的数值、同时降低第一加权系数的数值，以减小可靠性较低的第一类目标物信息所占有的比例。
需要说明的是，这里仅仅列举了确定第一加权系数和第二加权系数的具体实现方式，当然还可以有其他可行的实现方式，例如还可以考虑图像识别方式的拍摄视野范围或者拍摄距离的影响，举例而言，当拍摄视野范围较大或拍摄距离较远时，可以适当增大第一加权系数的数值、同时降低第二加权系数的数值。
s103：根据所述第一加权系数和所述第二加权系数，对所述第一类目标物信息和所述第二类目标物信息进行加权求和，实现对车辆前方目标物的检测。
具体的，利用第一加权系数对第一类目标物信息中的各个目标物的状态信息进行加权处理，利用第二加权系数对第二类目标物信息中的各个目标物进行加权处理，然后再对加权处理之后得到的结果进行求和，最终得到自车前方目标物的检测结果。
本方案将雷达检测方式和图像识别方式集成于一体，实现了两种方式在功能上的优势互补，使得利用本方案进行当前车辆前方目标物的检测时，同时具有了对天气不敏感和识别更加准确的优点，提高了车辆前方目标物检测的准确性；另外，为两种方式设置了对应的加权系数，增大处于优势的一方的权重并降低处于劣势的一方的权重，进一步提高了车辆前方目标物检测的准确性，进而提高了车辆行驶的安全性。
一种实现方式中，可以按照如下方式获取当前的第一类目标物信息和第二类目标物信息：
(11)获取按照雷达检测方式直接检测到的第一类原始信息，并确定所述第一类原始信息为第一类目标物信息。
(12)获取按照图像识别方式直接识别出的第二类原始信息，并确定所述第二类原始信息为第二类目标物信息。
需要说明的是，在这种实现方式中，这里的第一类原始信息是按照雷达检测方式直接获得的，也就是说，该第一类原始信息的数据是由前端设备即雷达采集得到的，此时自身车辆中的整车控制器可以将雷达所采集到的数据即第一类原始信息作为第一类目标物信息；这里的第二类原始信息是按照图像识别方式直接获得的，也就是第二类原始信息的数据是由前端设备即摄像头采集到目标图像后，由后端的图像处理器经过对目标图像进行图像识别后得到的数据，同样的，此时自身车辆中的整车控制器可以将经由图像识别处理后得到的数据即第二类原始信息作为第二类目标物信息。简而言之，这种实现方式中，利用的数据是两种方式直接获得的数据，这样为自车前方目标物的实时性检测提供了保障。
另一种实现方式中，可以按照如下方式获取当前的第一类目标物信息和第二类目标物信息：
(21)获取按照雷达检测方式直接检测到的第一类原始信息，去除所述第一类原始信息中的无效目标物，并确定去除所述无效目标物之后的第一类原始信息为第一类目标物信息。
(22)获取按照图像识别方式直接识别出的第二类原始信息，并确定所述第二类原始信息为第二类目标物信息。
需要说明的是，在这种实现方式中，这里的第一类原始信息并非是按照雷达检测方式直接获得的，鉴于雷达自身物理性质的限制，直接获得的第一类原始信息中会存在一定程度的无效目标物，例如路边静止的物体等等，可以理解的是，对于这样的目标物的状态信息进行采集是没有意义的，因此需要进一步从雷达直接采集到的第一类原始信息中去除掉。
然而，对于这里的第二类原始信息是按照图像识别方式直接获得的，鉴于图像识别方式可以识别出目标物类型，例如行人或车辆等等，因此通过图像识别可以直接获得具有实际意义的特定目标物的状态信息，也就不需要对第二类再进行无效目标物的去除的步骤。另外，这里步骤(22)与步骤(12)相同，此处不再一一赘述。
可以理解的是，通过将雷达检测到的无效目标物的状态信息从第一类原始信息中去除，能够进一步保证检测到的目标物的准确性。
具体地，当满足以下1)至5)所列情况中任意一种时，确定满足条件的目标物为无效目标物：
1)与自车的横向距离和纵向距离均为零；
2)自身长度为零；
3)自身宽度为零；
4)与自车的横向距离大于横向设定值；
5)利用雷达检测方式检测到目标物的存在概率小于概率设定值；其中，所述存在概率为雷达检测到目标物的次数与雷达连续检测目标物的检测次数的比值。
需要说明的是，情况1)主要通过判断目标物相对于自车的距离信息，来确定其为无效目标物，情况2)和情况3)是基于目标物的自身尺寸来判断其为无效目标物。可以理解的是，雷达检测目标物是基于一定频率发射无线电波的，情况1)至情况3)主要是针对于瞬间消失的目标物，这里所提及的“瞬间消失的目标物”是指在上一周期检测到了该目标物，而在本周期检测中却未检测到该目标物，称这样的目标物为瞬间消失的目标物。
情况4)主要是针对有效目标物，但是这样的目标物在横向距离大于横向设定值，例如离自车车道较远的车道中的有效目标物(车辆或行人等)；还需要特别说明的是，如果检测到的有效目标物为行人或自行车，是存在横穿马路的可能性的，也就是存在横向运动，因此需要设定较大横向设定值，以便保证行人或自行车能够安全通过。需要说明的是，对于有效目标物为车辆的情况，横向设定值可以基于实际道路的车道宽度，例如可以设定为2m；而对于有效目标为行人或自行车的情况，横向设定值可以基于行人或自行车的横向运动速度来设定，例如可以设定为4m。
情况5)主要是参考本周期之前的检测结果，相当于对目标物出现进行了多次重复试验，当出现概率达到一定程度的时候，例如90％，可以较为肯定的判断该目标物的存在，相当于对目标物存在的可能性进行了判断，这样能够将因偶然因素出现误判的情况屏蔽掉，能够进一步保证雷达检测结果的准确性。
有鉴于上述情况5)提及的以多个检测周期为基础构成的多次重复试验的思想，可以对目标物从出现到消亡的过程都进行这样的处理，具体可参见如下两种实现方式。
一种实现方式中，可以按照如下方式获取按照雷达检测方式直接检测到的第一类原始信息：若在本周期之前的n1个周期内某一目标物以雷达检测方式被连续检测到n1次，则确定该目标物为第一类原始目标物，将该第一类原始目标物的状态信息确定为第一类原始信息；
所述获取按照图像识别方式直接识别出的第二类原始信息的步骤包括：若在本周期之前的n2个周期内某一目标物以图像识别方式被连续检测到n2次，则确定该目标物为第二类原始目标物，将该第二类原始目标物的状态信息确定为第二类原始信息。
需要说明的是，这种实现方式中，在获取第一类原始信息中，通过检测某一目标物被连续检测的次数是否达到n1次，也就是说，当发生次数足够多时，可以认为该目标物存在，因此可以将其确定为第一类原始目标物。
另一种实现方式中，可以按照如下方式获取按照雷达检测方式直接检测到的第一类原始信息，并确定所述第一类原始信息为第一类目标物信息：若在本周期之前的m1个周期内某一目标物连续检测不到的次数为m1，则确定该目标物为消亡目标物，将该消亡目标物的状态信息从所述第一类原始信息中剔除，并确定剔除消亡目标物之后的第一类原始信息为第一类目标物信息；
所述获取按照图像识别方式直接识别出的第二类原始信息，并确定所述第二类原始信息为第二类目标物信息的步骤包括：若在本周期之前的m2个周期内某一目标物连续检测不到的次数为m2，则确定该目标物为消亡目标物，将该消亡目标物的状态信息从所述第二类原始信息中剔除，并确定剔除消亡目标物之后的第二类原始信息为第二类目标物信息。
需要说明的是，这种实现方式中，在获取第一类原始信息中，通过检测某一目标物未被检测的次数是否达到m1次，也就是说，当发生次数足够多时，可以认为该目标物已消亡，因此可以将其从第一类原始目标物中剔除。
具体的，所述第一类原始信息为基于第一周期t1检测得到的目标物的状态信息，所述第二类原始信息为基于第二周期t2检测得到的目标物的状态信息；其中，所述第一生物周期t1由雷达发射电磁波的频率来确定，所述第二生物周期t2由摄像头的采样频率来确定。举例而言，第一周期t1或第二周期t2的数值可以设置为60ms。
需要说明的是，这里并不需要对第一周期t1或第二周期t2的数值，本领域内的技术人员可以根据实际应用中的具体情况进行合理的设置。
进一步地，如图2所示，在图1所示的方法实施例的基础之上，在步骤s102中确定所述第一类目标物信息对应的第一加权系数和所述第二类目标物信息对应的第二加权系数之前，还可以包括以下步骤：
s104：基于卡尔曼预测方式，获得所述第一类目标物信息中的各个目标物在下一次检测的第一类预测信息、所述第二类目标物信息中的各个目标物在下一次检测的第二类预测信息。
一种具体实现方式中，可以按照以下方式进行卡尔曼预测：
x(k│k-1)＝ax(k-1│k-1)+bu(k-1)
x(k│k)＝x(k│k-1)+k(k)(z(k)-hx(k|k-1))
p(k│k-1)＝ap(k-1|k-1)a^t+q
k(k)＝(p(k│k-1)h^t)/(hp(k│k-1)h^t)+r
其中，x(k)为k时刻的目标物的状态信息；x(k|k-1)为根据x(k-1)得到的目标物的状态信息预测值；x(k|k)为根据k时刻的观测值z(k)对x(k|k-1)进行修正得到的目标物的状态信息最优预测；u(k-1)为目标物运动方程的输入量；
s105：若所述第一类预测信息与所述第一类目标信息具有一致性，则利用所述第一类预测信息对所述第一类目标物信息进行更新；或若所述第二类预测信息与所述第二类目标信息具有一致性，则利用所述第二类预测信息对所述第二类目标物信息进行更新。
需要说明的是，通过卡尔曼预测方式，获取第一类目标物信息中的各个目标物在下一次检测的第一类预测信息、所述第二类目标物信息中的各个目标物在下一次检测的第二类预测信息，即基于卡尔曼预测方式分别获取了下一周期的第一类预测信息和第二类预测信息，这样，通过比较预测出来的第一类预测信息与实际测得的第一类目标物信息的一致性，以及比较预测出来的第二类预测信息和第二类目标物信息的一致性，来判断该目标物的可信度，若具有一致性则表明该目标物存在，此时可以用第一类预测信息替代第一类目标物信息，以及用第二累预测信息替代第二类目标物信息，从而实现了对目标物的持续性方面提高了目标物检测的准确性。
对应于上述车辆前方目标物检测方法，本发明实施例提供了一种车辆前方目标物检测系统，所述目标物检测系统包括：雷达10、摄像头20、处理器30。
其中，雷达10，用于以发射和接收电磁波的方式检测自车前方的目标物；
摄像头20，用于采集自车前方目标物的目标图像，并基于图像识别的方式识别出该目标图像中位于自车前方的目标物；
处理器30，用于获取当前的第一类目标物信息和第二类目标物信息；确定所述第一类目标物信息对应的第一加权系数和所述第二类目标物信息对应的第二加权系数；根据所述第一加权系数和所述第二加权系数，对所述第一类目标物信息和所述第二类目标物信息进行加权求和，实现对车辆前方目标物的检测；其中，所述第一类目标物信息为按照雷达检测方式得到的各个目标物的状态信息，所述第二类目标物信息为按照图像识别方式得到的各个目标物的状态信息，所述状态信息包括：目标物相对于自车的横向距离和纵向距离、以及目标物的速度和加速度；所述第一加权系数与所述第二加权系数之和为1。
具体的，所述目标物检测系统还包括去除模块，用于去除第一类原始信息中的无效目标物；其中，第一类原始信息为所述雷达10按照雷达检测方式直接检测到的第一类原始信息。
需要说明的是，以雷达检测方式检测目标物，具有价格低廉、对天气不敏感等的优点，但是容易漏检静止物体，对目标物的检测受到限制；另一方面，以图像识别方式检测目标物基于图像识别方式，容易受到外界环境的影响，尤其是在恶劣气候下的检测准确性差。本方案将雷达检测方式和图像识别方式集成于一体，实现了两种方式在功能上的优势互补，使得利用本方案进行当前车辆前方目标物的检测时，同时具有了对天气不敏感和识别更加准确的优点，提高了车辆前方目标物检测的准确性；另外，为两种方式设置了对应的加权系数，增大处于优势的一方的权重并降低处于劣势的一方的权重，进一步提高了车辆前方目标物检测的准确性，进而提高了车辆行驶的安全性。
对于系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机可读取存储介质中，这里所称的存储介质，如：rom/ram、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。