擦窗机器人的碰撞识别方法和装置与流程

本发明属于智能家居技术领域，特别是涉及一种擦窗机器人的碰撞识别方法、一种擦窗机器人的碰撞识别装置、一种擦窗机器人和一种计算机可读存储介质。

背景技术：

为了帮助人们解决高层擦窗、室外擦窗难的问题，擦窗机器人应运而生。

擦窗机器人，又称自动擦窗机、智能擦窗器等，是智能家居设备中的一种。擦窗机器人可以凭借自身底部的真空泵或者风机装置，牢牢地吸附在玻璃上，然后借助一定的人工智能手段，自动探测窗户的边角距离、规划擦窗路径，利用自身吸附在玻璃上的力度来带动机身底部的抹布擦掉玻璃上的脏污。

擦窗机器人对安全性的要求较高，因此，在擦窗机器人工作过程中的故障检测就显得尤为重要。目前，大多数擦窗机器人都是采用前后挡机械开关对工作过程中的边框或障碍物进行检测。但是，在机器人行走环境比较复杂的情况下，机械开关不能被触发，使得控制系统无法检测到边框或障碍，容易导致机器人顶死或卡死不动，影响机器人的工作安全。

技术实现要素：

有鉴于此，本发明实施例提供了一种擦窗机器人的碰撞识别方法和装置，以解决现有技术中在复杂环境下无法准确识别擦窗机器人的行走状态的问题。

本发明实施例的第一方面提供了一种擦窗机器人的碰撞识别方法，包括：

在擦窗机器人工作过程中，分别采集多个三轴加速度；

采用所述多个三轴加速度，计算所述擦窗机器人的合加速度；

确定多个合加速度的最大偏差值；

若所述多个合加速度的最大偏差值大于预设的碰撞阈值，则识别所述擦窗机器人当前为碰撞状态。

本发明实施例的第二方面提供了一种擦窗机器人的碰撞识别装置，包括：

采集模块，用于在擦窗机器人工作过程中，分别采集多个三轴加速度；

计算模块，用于采用所述多个三轴加速度，计算所述擦窗机器人的合加速度；

确定模块，用于确定多个合加速度的最大偏差值；

识别模块，用于若所述多个合加速度的最大偏差值大于预设的碰撞阈值，则识别所述擦窗机器人当前为碰撞状态。

本发明实施例的第三方面提供了一种擦窗机器人，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上述擦窗机器人的碰撞识别方法的步骤。

本发明实施例的第一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上述擦窗机器人的碰撞识别方法的步骤。

与现有技术相比，本发明实施例包括以下优点：

本发明实施例，在擦窗机器人的工作过程中，通过分别采集多个三轴加速度，可以采用多个三轴加速度计算出擦窗机器人的合加速度，从而在确定多个合加速度的最大偏差值后，通过将合加速度的最大偏差值与预设的碰撞阈值进行比较，若合加速度的最大偏差值大于预设的碰撞阈值，则可以识别擦窗机器人当前为碰撞状态。本发明实施例采用三轴加速度对擦窗机器人的行走状态进行识别，解决了现有技术中在复杂环境下无法准确识别擦窗机器人的行走状态的问题，提高了擦窗机器人碰撞识别的准确性，保障了擦窗机器人的工作安全。

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的介绍。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是本发明一个实施例的一种擦窗机器人的碰撞识别方法的步骤流程示意图；

图2是本发明一个实施例的擦窗机器人的系统模块示意图；

图3是本发明一个实施例的另一种擦窗机器人的碰撞识别方法的步骤流程示意图；

图4是本发明一个实施例的用于存储合加速度的数组的结构示意图；

图5本发明一个实施例的擦窗机器人的碰撞识别过程示意图；

图6是本发明一个实施例的一种擦窗机器人的碰撞识别装置的示意图；

图7是本发明一个实施例的一种擦窗机器人的示意图。

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，本领域技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本发明。在其他情况中，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。

下面通过具体实施例来说明本发明的技术方案。

参照图1，示出了本发明一个实施例的一种擦窗机器人的碰撞识别方法的步骤流程示意图，具体可以包括如下步骤：

s101、在擦窗机器人工作过程中，分别采集多个三轴加速度；

需要说明的是，本方法可以应用于擦窗机器人。擦窗机器人是一种智能家居设备，可以凭借自身底部的真空泵或者风机装置，牢牢地吸附在玻璃上，然后借助一定的人工智能手段，自动探测窗户的边角距离、规划擦窗路径，并利用自身吸附在玻璃上的力度来带动机身底部的抹布擦掉玻璃上的脏污。

本方法的执行主体可以是擦窗机器人的主控制器单元。上述主控制器单元可以集成于擦窗机器人的其他组件中，例如单片机中，也可以以独立组件的形式装配于擦窗机器人中，本实施例对此不作限定。

在本发明实施例中，主控制器单元可以通过控制其他检测单元实现对擦窗机器人工作过程中的故障检测。

通常，擦窗机器人都是通过吸附在玻璃并按照一定的路径行走从而完成整个擦窗的过程。在工作过程中，既要防止擦窗机器人从玻璃上跌落，也要注意躲避行走路径上的其他障碍物。

在本发明实施例中，为了增加擦窗机器人采用前后挡机械开关对工作过程中的边框或障碍物进行检测时的准确率，可以通过采集三轴加速度的方式对碰撞状态进行识别。

如图2所示，是本发明一个实施例的擦窗机器人的系统模块示意图，包括单片机、电源模块、加速度传感器和轮组模块。其中，电源模块用于给系统供电；加速度传感器用于采集擦窗机器人的三轴加速度数据；单片机通过读取三轴加速度原始数据，识别擦窗机器人的运动状态(如正常行走、碰撞或停止状态)，根据擦窗机器人的当前运动状态，发出控制信号控制轮组模块执行相应的操作。若擦窗机器人处于正常行走状态，则控制其继续行走，若擦窗机器人处于碰撞或停止状态，则改变其运行方向。

因此，在擦窗机器人工作过程中，可以通过加速度传感器采集多个三轴加速度，上述多个三轴加速度可以是指多个连续时刻的三轴加速度。

s102、采用所述多个三轴加速度，计算所述擦窗机器人的合加速度；

在本发明实施例中，在采集得到多个三轴加速度后，可以进一步计算出擦窗机器人此时的合加速度。

在具体实现中，可以按照设定的时间间隔采集多个三轴加速度，并采用同一时刻的三轴加速度分别计算该时刻的合加速度，从而得到多个合加速度数据。

s103、确定多个合加速度的最大偏差值；

通常，当擦窗机器人发生碰撞时，将会出现明显的碰撞震荡信号。该信号可以通过计算多个合加速度的偏差值来进行识别。

因此，在本发明实施例中，在计算得到多个合加速度后，可以确定这些合加速度的最大偏差值，通过将最大偏差值与设定的碰撞阈值进行比较，从而识别出擦窗机器人是否发生了碰撞。

s104、若所述多个合加速度的最大偏差值大于预设的碰撞阈值，则识别所述擦窗机器人当前为碰撞状态。

在本发明实施例中，当多个合加速度的最大偏差值大于预设的碰撞阈值时，可以识别该机器人当前发生了碰撞，需要变更擦窗机器人的行走路径。

在本发明实施例中，在擦窗机器人的工作过程中，通过分别采集多个三轴加速度，可以采用多个三轴加速度计算出擦窗机器人的合加速度，从而在确定多个合加速度的最大偏差值后，通过将合加速度的最大偏差值与预设的碰撞阈值进行比较，若合加速度的最大偏差值大于预设的碰撞阈值，则可以识别擦窗机器人当前为碰撞状态。本发明实施例采用三轴加速度对擦窗机器人的行走状态进行识别，解决了现有技术中在复杂环境下无法准确识别擦窗机器人的行走状态的问题，提高了擦窗机器人碰撞识别的准确性，保障了擦窗机器人的工作安全。

参照图3，示出了本发明一个实施例的另一种擦窗机器人的碰撞识别方法的步骤流程示意图，具体可以包括如下步骤：

s301、在擦窗机器人工作过程中，分别采集多个三轴加速度；

需要说明的是，本方法可以应用于擦窗机器人，本方法的执行主体可以是擦窗机器人的主控制器单元，上述主控制单元可以集成于配置于擦窗机器人上的单片机中。

通常，擦窗机器人可以采用前后挡机械开关对工作过程中的边框或障碍物进行检测。但是，在机器人行走环境比较复杂的情况下，机械开关不能被触发，使得控制系统无法检测到边框或障碍，容易导致机器人顶死或卡死不动，影响机器人的工作安全。

因此，为了提高障碍检测的准确率，本发明实施例可以通过采集三轴加速度的方式对碰撞状态进行识别，上述三轴加速度包括x轴加速度、y轴加速度和z轴加速度。

s302、采用所述多个三轴加速度，计算所述擦窗机器人的合加速度；

在本发明实施例中，计算擦窗机器人的合加速度时，首先可以通过中值滤波算法分别确定多个x轴加速度的中值、多个y轴加速度的中值和多个z轴加速度的中值。

中值滤波法是一种非线性平滑技术，它能够将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，让周围的像素值接近的真实值，从而消除孤立的噪声点。

然后，可以采用多个x轴加速度的中值、多个y轴加速度的中值和多个z轴加速度的中值，计算擦窗机器人的合加速度。

在具体实现中，可以通过计算多个x轴加速度的中值、多个y轴加速度的中值和多个z轴加速度的中值的平方和，然后以上述平方和的平方根作为擦窗机器人的合加速度。

例如，可以以如下公式计算擦窗机器人的合加速度：

其中，e为合加速度，x为多个x轴加速度的中值、y为多个y轴加速度的中值，z为多个z轴加速度的中值。

s303、按照生成合加速度的先后顺序，将多个合加速度存储至预置的数组中；

由于每个合加速度均是对应于某一时刻的加速度值，因此，各个合加速度值具有相应的时间先后顺序。

在本发明实施例中，在计算得到多个合加速度后，可以将多个合加速度存储至包括多个元素位的预置数组中，每个元素位中分别存储一个合加速度。

如图4所示，是本发明一个实施例的用于存储合加速度的数组的结构示意图。该数组包括j个元素位。

在本发明实施例中，当图4所示的数组的多个元素位均被填满时，可以按照先进先出原则，在删除第一个元素位中存储的合加速度并依次向前移动其他元素位中存储的合加速度后，从而将新生成的合加速度存储至最后一个元素位中。

以图4所示的数组为例，存储的合加速度可以遵循右进左出原则。当擦窗机器人开始工作后，采集到的第一个合加速度数据存储在一维数组的最后一个元素中，即dj元素位。然后，在将上述合加速度数据左移到前一个元素位dj-1中后，可以填充新生成的合加速度数据到最后一个元素位即dj元素位中，依次填满整个一维数组。

当再次采集到新的合加速度数据后，删除第一个元素位d0中的数据，将整个一维数组左移一位，再把新的合加速度数据填充到最后一个元素位dj中。

s304、计算所述数组多个元素位中存储的合加速度的滑动差值最大值和滑动差值最小值，以所述滑动差值最大值和滑动差值最小值之间的差值作为所述多个合加速度的最大偏差值；

通常，当擦窗机器人发生碰撞时，将会出现明显的碰撞震荡信号。

因此，在本发明实施例中，在计算得到多个合加速度后，可以确定这些合加速度的最大偏差值，通过将最大偏差值与设定的碰撞阈值进行比较，从而识别出擦窗机器人是否发生了碰撞。

在具体实现中，可以通过滑动最大差值算法计算数组多个元素位中存储的合加速度的滑动差值最大值和滑动差值最小值，然后，以滑动差值最大值和滑动差值最小值之间的差值作为多个合加速度的最大偏差值。

s305、若所述多个合加速度的最大偏差值大于预设的碰撞阈值，则识别所述擦窗机器人当前为碰撞状态；

s306、若所述多个合加速度的最大偏差值不大于预设的碰撞阈值，则计算所述数组多个元素位中存储的合加速度的累积差值；

通常，当擦窗机器人行走在阻力较大的环境下时，速度缓慢，此时擦窗机器人遇到边框或障碍物，将不会出现明显的碰撞震荡信号，无法通过这类信号识别出碰撞的发生。

针对此种情况，本发明实施例通过引入滑动差值积分算法，可以识别出合加速度波动比较稳定的停止状态。滑动差值积分算法可以计算得到合加速度的累积差值。

在本发明实施例中，可以首先确定滑动长度，以及滑动长度中的初始合加速度，然后分别计算上述滑动长度中其他合加速度与初始合加速度之间的多个合加速度差值，通过加总多个合加速度差值作为累积差值。

在具体实现中，可以首先确定滑动平均值滑动长度l(l＝j+1)。通常，干扰信号的宽度比较小，因此合理选择滑动长度能够有效过滤掉干扰信号。

将后l-1个合加速度数据依次与第1个合加速度数据相减，得到l-1个差值dj，其中，j＝0,1,2.....,l-1；然后，对l-1个差值dj求和，便可以得到累积差值d＝d0+d1+d2+.....+dl-1。

s307、若所述累积差值小于预设的停止阈值，则识别所述擦窗机器人当前为停止状态。

如果上述累积差值d小于预设的停止阈值，则可以认为擦窗机器人当前为停止状态。

在本发明实施例中，通过利用三轴加速度的实时变化可以实现对擦窗机器人行走状态的快速识别，提高擦窗机器人识别边框或障碍物的准确性，并可以降低机器人的结构制作难度。

为了便于理解，下面结合以一个完整的示例，对本发明的擦窗机器人的碰撞识别方法作一介绍。

如图5所示，本发明一个实施例的擦窗机器人的碰撞识别过程示意图。初始时，可以通过单片机控制配置在擦窗机器人上的加速度传感器采集三轴加速度数据，经中值滤波后，计算出合加速度。计算出的上述合加速度可以按照设定时间被读取并存储至一维数组中。

然后，可以利用滑动最大差值算法，计算在n个采样周期内，合加速度的最大偏差值△a，并将△a与设定的碰撞阈值进行比较。

如果△a大于碰撞阈值，表示擦窗机器人当前已经发生了碰撞，需要改变行走方向。如果△a不大于碰撞阈值，则可以进一步利用滑动差值积分算法，计算上述n个采样周期内，合加速度的累积差值d，并将d与预设的停止阈值进行比较。

如果上述累积差值d小于预设的停止阈值，则可以认为擦窗机器人当前为停止状态，此时，也可以改变擦窗机器人的行走方向。

需要说明的是，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。

参照图6，示出了本发明一个实施例的一种擦窗机器人的碰撞识别装置的示意图，具体可以包括如下模块：

采集模块601，用于在擦窗机器人工作过程中，分别采集多个三轴加速度；

计算模块602，用于采用所述多个三轴加速度，计算所述擦窗机器人的合加速度；

确定模块603，用于确定多个合加速度的最大偏差值；

识别模块604，用于若所述多个合加速度的最大偏差值大于预设的碰撞阈值，则识别所述擦窗机器人当前为碰撞状态。

在本发明实施例中，所述多个三轴加速度包括多个x轴加速度、多个y轴加速度和多个z轴加速度，所述算模块602具体可以包括如下子模块：

中值确定子模块，用于分别确定多个x轴加速度的中值、多个y轴加速度的中值和多个z轴加速度的中值；

合加速度计算子模块，用于采用所述多个x轴加速度的中值、多个y轴加速度的中值和多个z轴加速度的中值，计算所述擦窗机器人的合加速度。

在本发明实施例中，所述合加速度计算子模块具体可以包括如下单元：

合加速度计算单元，用于计算所述多个x轴加速度的中值、多个y轴加速度的中值和多个z轴加速度的中值的平方和，以所述平方和的平方根作为所述擦窗机器人的合加速度。

在本发明实施例中，所述装置还可以包括如下模块：

存储模块，用于按照生成合加速度的先后顺序，将多个合加速度存储至预置的数组中，所述数组包括多个元素位，当所述数组的多个元素位均被填满时，按照先进先出原则，在删除第一个元素位中存储的合加速度并依次向前移动其他元素位中存储的合加速度后，将新生成的合加速度存储至最后一个元素位中。

在本发明实施例中，所述确定模块603具体可以包括如下子模块：

最大偏差值计算子模块，用于计算所述数组多个元素位中存储的合加速度的滑动差值最大值和滑动差值最小值，以所述滑动差值最大值和滑动差值最小值之间的差值作为所述多个合加速度的最大偏差值。

在本发明实施例中，所述装置还可以包括如下模块：

累积差值计算模块，用于若所述多个合加速度的最大偏差值不大于预设的碰撞阈值，则计算所述数组多个元素位中存储的合加速度的累积差值；

停止状态识别模块，用于若所述累积差值小于预设的停止阈值，则识别所述擦窗机器人当前为停止状态。

在本发明实施例中，所述累积差值计算模块具体可以包括如下子模块：

滑动长度确定子模块，用于确定滑动长度，以及，

初始合加速度确定子模块，用于确定所述滑动长度中的初始合加速度；

合加速度差值计算子模块，用于分别计算所述滑动长度中其他合加速度与所述初始合加速度之间的多个合加速度差值；

累积差值加总子模块，用于加总所述多个合加速度差值作为所述累积差值。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述得比较简单，相关之处参见方法实施例部分的说明即可。

参照图7，示出了本发明一个实施例的一种擦窗机器人的示意图。如图7所示，本实施例的擦窗机器人700包括：处理器710、存储器720以及存储在所述存储器720中并可在所述处理器710上运行的计算机程序721。所述处理器710执行所述计算机程序721时实现上述擦窗机器人的碰撞识别方法各个实施例中的步骤，例如图1所示的步骤s101至s104。或者，所述处理器710执行所述计算机程序721时实现上述各装置实施例中各模块/单元的功能，例如图6所示模块601至604的功能。

示例性的，所述计算机程序721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720中，并由所述处理器710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，该指令段可以用于描述所述计算机程序721在所述擦窗机器人700中的执行过程。例如，所述计算机程序721可以被分割成采集模块、计算模块、确定模块和识别模块，各模块具体功能如下：

采集模块，用于在擦窗机器人工作过程中，分别采集多个三轴加速度；

计算模块，用于采用所述多个三轴加速度，计算所述擦窗机器人的合加速度；

确定模块，用于确定多个合加速度的最大偏差值；

识别模块，用于若所述多个合加速度的最大偏差值大于预设的碰撞阈值，则识别所述擦窗机器人当前为碰撞状态。

所述擦窗机器人700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。所述擦窗机器人700可包括，但不仅限于，处理器710、存储器720。本领域技术人员可以理解，图7仅仅是擦窗机器人700的一种示例，并不构成对擦窗机器人700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，例如所述擦窗机器人700还可以包括输入输出设备、网络接入设备、总线等。

所述处理器710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)、现成可编程门阵列(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720可以是所述擦窗机器人700的内部存储单元，例如擦窗机器人700的硬盘或内存。所述存储器720也可以是所述擦窗机器人700的外部存储设备，例如所述擦窗机器人700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)等等。进一步地，所述存储器720还可以既包括所述擦窗机器人700的内部存储单元也包括外部存储设备。所述存储器720用于存储所述计算机程序721以及所述擦窗机器人700所需的其他程序和数据。所述存储器720还可以用于暂时地存储已经输出或者将要输出的数据。

本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/终端设备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，并不用于限制本发明的保护范围。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，可以参见其他实施例的相关描述。

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/终端设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/终端设备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。另一方面，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，机械或其他的形式。

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完成，所述的计算机程序可存储于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。所述计算机可读存储介质可以包括：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，所述计算机可读存储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，计算机可读存储介质不包括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。