一种指针表自适应畸变的自动读数方法及装置与流程

本申请实施例涉及图像处理技术领域，尤其涉及一种指针表自适应畸变的自动读数方法及装置。

背景技术：

目前，指针表在生活和工业中的很多领域得到了广泛的应用。随着图像处理技术的发展进步，对于指针表的读数方式也越来越趋向于智能化。在一些场景中，会基于图像识别技术进行指针表的自动读数。

传统的使用图像识别技术进行指针表自动读数的方法，一种是采用卷积神经网络算法(cnn)，其通过图像特征提取，精细化分类，实现所有刻度训练并识别。另一种是通过霍夫变换，检测圆和指针位置，并通过换算，计算出指针变读数。上述两种读数识别方式容易受图像噪声的影响，其读数精度相对较低。

技术实现要素：

本申请实施例提供一种指针表自适应畸变的自动读数方法及装置，能够提高指针表的读数精度。

在第一方面，本申请实施例提供了一种指针表自适应畸变的自动读数方法，包括：

获取摄像头拍摄图像，基于所述摄像头拍摄图像进行指针表检测，截取出包含指针表图像特征的原始图像；

基于像素坐标的投影映射对所述原始图像进行透视变换，得到对应的正视图像；

定位所述正视图像中的表盘刻度及指针，基于所述指针相对所述表盘刻度的旋转角度计算指针表读数。

进一步的，所述获取摄像头拍摄图像，基于所述摄像头拍摄图像进行指针表检测，截取出包含指针表图像特征的原始图像，包括：

将摄像头拍摄图像输入预先训练的目标检测模型，通过目标检测输出对应的原始图像。

进一步的，所述目标检测模型的构建流程包括：

采集包含指针表图像特征的图像作为训练样本；

将所述训练样本输入resnet-50网络进行模型训练，得到对应的目标检测模型。

进一步的，所述基于像素坐标的投影映射对所述原始图像进行透视变换，得到对应的正视图像，包括：

定位所述原始图像中椭圆表盘的第一标识点，所述第一标识点至少包括椭圆圆心以及长轴、短轴与椭圆的交点；

确定所述第一标识点映射为正圆表盘的第二标识点；

根据所述第一标识点和所述第二标识点计算透视变换矩阵；

基于所述透视变换矩阵对所述原始图像的像素坐标进行坐标转换，得到所述正视图像。

进一步的，定位所述正视图像中的表盘刻度及指针，包括：

基于目标检测算法分别检测所述正视图像中的表盘刻度及指针。

进一步的，将所述旋转角度输入预先设置的读数计算模型，输出对应的指针表读数，所述读数计算模型预先根据所述旋转角度与所述指针表读数的对应关系构建。

进一步的，在基于所述指针相对所述表盘刻度的旋转角度计算指针表读数之后，还包括：

基于预先设置的读数阈值，在检测到所述指针表读数大于等于或小于等于所述读数阈值时，输出相应的提示信息。

在第二方面，本申请实施例提供了一种指针表自适应畸变的自动读数装置，包括：

获取模块，用于获取摄像头拍摄图像，基于所述摄像头拍摄图像进行指针表检测，截取出包含指针表图像特征的原始图像；

变换模块，用于基于像素坐标的投影映射对所述原始图像进行透视变换，得到对应的正视图像；

定位模块，用于定位所述正视图像中的表盘刻度及指针，基于所述指针相对所述表盘刻度的旋转角度计算指针表读数。

在第三方面，本申请实施例提供了一种电子设备，包括：

存储器以及一个或多个处理器；

所述存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的指针表自适应畸变的自动读数方法。

在第四方面，本申请实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的指针表自适应畸变的自动读数方法。

本申请实施例通过获取摄像头拍摄图像，基于摄像头拍摄图像进行指针表检测，截取出包含指针表图像特征的原始图像，并基于像素坐标的投影映射对原始图像进行透视变换，得到对应的正视图像，最终通过定位正视图像中的表盘刻度及指针，基于指针相对表盘刻度的旋转角度计算指针表读数。采用上述技术手段，可以消除摄像头拍摄图像的角度畸变，减少拍摄角度对指针表自动读数的影响，进而提高指针表自动读数的精度，保障自动读数的准确率。

附图说明

图1是本申请实施例一提供的一种指针表自适应畸变的自动读数方法的流程图；

图2是本申请实施例一中的目标检测模型的构建流程图；

图3是本申请实施例一中的透视变换流程图；

图4是本申请实施例一中的指针表原始图像示意图；

图5是本申请实施例一中的指针表正视图像示意图；

图6是本申请实施例二提供的另一种指针表自适应畸变的自动读数方法的流程图；

图7是本申请实施例三提供的一种指针表自适应畸变的自动读数装置的结构示意图；

图8是本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

本申请提供的指针表自适应畸变的自动读数算法，旨在进行指针表的自动读数时，对图像进行角度畸变的消除处理，以得到对应指针表正面视角的图像。并进一步基于对应的正视图像进行图像识别，确定指针表读数。以此来保障指针表自动读数的高精度，减少图像噪声影响读数精度。对于传统的使用卷积神经网络算法或霍夫变换算法的自动读数方式，由于没有较好的考虑图像噪声对识别精度的影响，在进行指针表自动读数时，受图像噪声的干扰，指针表自动读数的精度相对较低。基于此，提供本申请实施例的一种指针表自适应畸变的自动读数方法，以解决现有指针表自动读数干扰多、精度低的技术问题。

实施例一：

图1给出了本申请实施例一提供的一种指针表自适应畸变的自动读数方法的流程图，本实施例中提供的指针表自适应畸变的自动读数方法可以由指针表自适应畸变的自动读数设备执行，该指针表自适应畸变的自动读数设备可以通过软件和/或硬件的方式实现，该指针表自适应畸变的自动读数设备可以是两个或多个物理实体构成，也可以是一个物理实体构成。一般而言，该指针表自适应畸变的自动读数设备可以是计算机、服务器主机等处理设备。

下述以指针表自适应畸变的自动读数设备为执行指针表自适应畸变的自动读数方法的主体为例，进行描述。参照图1，该指针表自适应畸变的自动读数方法具体包括：

s110、获取摄像头拍摄图像，基于所述摄像头拍摄图像进行指针表检测，截取出包含指针表图像特征的原始图像。

示例性的，在进行指针表自动读数时，通过对应指针表设置摄像头，由摄像头对应指针表进行拍摄，得到相应的图像，定义为摄像头拍摄图像。或者通过巡检机器人进行巡检获取巡检环境的图像数据，作为摄像头拍摄图像。进一步的，以机器人巡检为例进行描述，巡检机器人在进行巡检时，通过自身配置的摄像头实时拍摄巡检环境，获取相应的图像数据。图像数据中即包含了对应指针表拍摄的图像数据。进一步的，基于巡检机器人拍摄得到的摄像头拍摄图像，可通过巡检机器人自身配置的处理设备进行图像处理以实现自动读数，也可以将摄像头拍摄图像发送至后台服务器，由后台服务器进行图像处理。

具体的，基于获取到的摄像头拍摄图像，在进行图像处理时，首先需要基于摄像头拍摄图像进行对应指针表的目标检测，并根据目标检测结果从摄像头拍摄图像中截取出包含指针表图像特征的图像，定义为原始图像。需要说明的是，在进行图像获取时，为了保障进行自动读数的图像样本质量，可对应指针表连续拍摄多张图像，并从中筛选出一张图像质量最高的摄像头拍摄图像做进一步的图像处理。在基于摄像头拍摄图像进行目标(指针表)检测时，将摄像头拍摄图像输入预先训练的目标检测模型，通过目标检测输出对应的原始图像。目标检测模型基于神经网络构建，该目标检测模型可以是resnet-50目标检测模型。实际应用中，根据模型构建需要选择相应的网网络进行模型构建。以resnet-50目标检测模型为例，参照图2，其目标检测模型的构建流程包括：

s1101、采集包含指针表图像特征的图像作为训练样本；

s1102、将所述训练样本输入resnet-50网络进行模型训练，得到对应的目标检测模型。

具体的，在进行目标检测模型构建时，预先采集大量包含指针表图像特征的图像作为模型训练样本。其可以通过互联网下载或者实地拍摄等方式构建该训练样本。并且，在进行训练样本采集时，需要采集包含指针表不同视角拍摄的图像，且训练样本的图像数量需要满足一定数量，以保障模型进行目标检测的稳定性。基于采集到的训练样本，输入resnet-50网络进行模型训练，得到对应的目标检测模型。其中，resnet-50目标检测模型以该摄像头拍摄图像作为模型输入，包含指针表图像特征的原始图像作为模型输出进行构建。resnet-50目标检测模型主要由卷积层和池化层构成，网络中层的命名规则由其类别和在网络中第几次出现的编号构成，例如conv8表示网络中的第8个卷积层，upsamplling表示网络中的上采样层，网络中每层的输出特征图尺寸表示为“分辨率宽×分辨率高×通道数”，经过多层卷积层级池化层，最终得到图像中各个目标的矩形框及分类，以完成目标的检测。池化层是一种图像下采样操作，虽然会减少卷积特征层的参数，加快模型运算速度，但是会对上一层的卷积特征图造成语义信息的损失。另一方面，浅层的卷积特征包含的背景噪声小，对小目标具有更好的表征能力。同时，当目标被遮挡时，只存在目标的局部特征，由于浅层的卷积层通常对目标的局部或者小目标较为敏感，因此本申请实施例增加网络浅层的特征输出层，同时增加目标局部特征学习的训练样本，从而加强对遮挡目标和小目标的识别能力。

在完成目标检测模型构建之后，对应获取到的摄像头拍摄图像，均输入该目标检测模型进行目标检测，得到对应的原始图像。需要说明的是，根据实际需要，基于该目标检测模型截取出的包含指针表图像特征的原始图像，可以是包含背景图像数据的固定图像规格的原始图像，也可以是只截取出指针表图像特征的原始图像。对于只截取出指针表图像特征的原始图像，其消除了背景图像噪声，在进一步的图像处理过程中，可以减少图像背景对识别精度的干扰。

s120、基于像素坐标的投影映射对所述原始图像进行透视变换，得到对应的正视图像。

基于上述步骤s110得到的原始图像，由于在对应指针表进行拍摄时，摄像头的拍摄视角是无法保障完全对应指针表正面进行拍摄的。特别是巡检机器人进行图像拍摄时，其拍摄图像的视角不定，即截取出的原始图像相对于指针表正面视角拍摄的图像而言存在一定的角度畸变，需要消除这一倾斜角度的影响，提供指针表正面视角的图像进行指针读数的自动识别，以此来进一步提高指针表读数的识别精度。

其中，基于透视变换的原理，将原始图像的像素坐标进行投影映射，得到对应的正视图像。参照图3，原始图像的透视变换流程包括：

s1201、定位所述原始图像中椭圆表盘的第一标识点，所述第一标识点至少包括椭圆圆心以及长轴、短轴与椭圆的交点；

s1202、确定所述第一标识点映射为正圆表盘的第二标识点；

s1203、根据所述第一标识点和所述第二标识点计算透视变换矩阵；

s1204、基于所述透视变换矩阵对所述原始图像的像素坐标进行坐标转换，得到所述正视图像。

可以理解的是，参照图4，受拍摄角度的影响，对应指针表原始图像的表盘呈椭圆状。对应的，通过透视变换，得到的指标表正视图像如图5所示，其表盘呈正圆形状。在进行透视变换时，预先确定原始图像上的第一标识点。通过表盘检测确定原始图像上的椭圆表盘，进一步的，标定表盘的椭圆圆心、长轴、短轴与椭圆的交点。表盘检测同样可以通过目标检测算法实现，并进一步基于检测到的椭圆表盘进行第一标识点的标定，得到第一标识点的坐标。同样的，根据原始图像的投影映射原理，原始图像椭圆表盘的圆心和长轴应当对应正视图像正圆表盘的圆心和半径，基于此对正视图像的正圆表盘进行第二标识点标定，得到第二标识点的坐标，第二标识点与第一标识点对应。

进一步的，基于第一标识点和第二标识点即可进行透视变换得到正视图像。透视变换(perspectivetransformation)的本质是将图像(原始图像)投影到一个新的视平面(得到正视图像)。其通用变换公式为：

其中，(u，v)为原始图像的像素坐标，(x＝x′/w′，y＝y′/w′)为变换之后的正视图像的像素坐标。进一步转换得到透视变换矩阵如下：

表示图像线性变换；

t2＝[a13a23]^t用于产生图像透视变换；

t3＝[a31a32]表示图像平移。

进一步基于上述透视变换矩阵得到透视变换后的正视图像的像素坐标表达为：

则基于上述公式，在给定透视变换前后的四对像素坐标(即第一标识点和第二标识点)，即可求得透视变换矩阵。反之，给定透视变换矩阵，即可基于原始图像的各个像素点坐标计算透视变换后的正视图像的各个像素点坐标(x，y)，完成正视图像的转换。

s130、定位所述正视图像中的表盘刻度及指针，基于所述指针相对所述表盘刻度的旋转角度计算指针表读数。

具体的，基于已确定的正视图像，即可进行指针表读数的自动识别。基于该正视图像分别进行表盘刻度和指针的识别。采用目标检测算法分别检测所述正视图像中的表盘刻度及指针，参照上述步骤s110中基于目标检测模型检测指针表的方式，本申请实施例通过构建基于表盘刻度的目标检测模型和指针的目标检测模型，进而检测识别得到正视图像上的表盘刻度和指针。通过标定表盘刻度和指针的位置，确定指针相对表盘刻度的旋转角度。可以了解的是，以图5的正视图像为例，在已知表盘刻度的起始刻度(“0”)、终止刻度(“100”)以及表盘刻度对应的角度值的前提下，基于指针相对表盘刻度的旋转角度即可对应确定当前指针指示的表盘刻度值，进而提取该表盘刻度值，完成指针表自动读数。

进一步的，在进行自动读数时，将所述旋转角度输入预先设置的读数计算模型，输出对应的指针表读数，所述读数计算模型预先根据所述旋转角度与所述指针表读数的对应关系构建。可以理解的是，指针相对表盘刻度的每一个旋转角度值，都对应一个表盘刻度值。举例而言，表盘刻度值为“0～100”，定义起始刻度所对应的角度为“0°”，表盘刻度的起始刻度到终止刻度的角度值是从“0°～300°”。则指针相对表盘的旋转角度在“0°～300°”取值时，其对应的表盘刻度值为“0～100”。以此得到读数计算模型如下：

c＝φ/3φ＝(0，300)

其中，c为表盘刻度值，φ为旋转角度值，取值为“0～300”。可以理解的是，当指针相对表盘刻度的旋转角度值超过300°时，即表示当前表盘刻度读数超标或者异常。

最终，根据上述自动读数得到的表盘刻度读数信息，将其填入预先设置的检测数据表中，并作为当前时刻的相关检测数据存储。检测数据表对应不同的检测场景可以是温度检测数据表、湿度检测数据表和气压检测数据表等。以温度检测为例，当自动读数得到的表盘刻度读数为“25”时，则表明当前检测环境的温度为25℃，将这一表盘刻度读数填入检测数据表，表示当前温度数据为25℃。在实际应用中，也可以根据识别到的表盘刻度读数，基于预先设置的数据类型及数据单位信息，直接整合生成相应的检测数据输出。

此外，在一个实施例中，为了进一步保障指针表自动读数的准确率，还通过检测原始图像的表盘刻度和指针，并通过ocr识别指针表上的标识刻度值，基于标定的表盘刻度、指针及对应的标识刻度值即可确定当前指针指示的刻度值落在哪一个刻度值范围内。并进一步基于已确定的刻度值范围验证上述指针表自动读数确定的刻度值。可以理解的是，若自动读数确定的刻度值不在该刻度值范围内，则这一刻度值可能出错。

此外，在一个实施例中，还基于已确定的正视图像上对应表盘圆心的像素坐标，以及通过目标检测标定的表盘刻度，验证表盘刻度是否标定准确。如图5所示，可以理解的是，在正视图像上，表盘刻度上每一个像素坐标与圆心像素坐标的距离应当相同，则通过比对圆心与表盘刻度各个像素坐标的距离，若存在差异，则需要调整表盘刻度的位置标定，保障表盘刻度的精准定位。

上述，通过获取摄像头拍摄图像，基于摄像头拍摄图像进行指针表检测，截取出包含指针表图像特征的原始图像，并基于像素坐标的投影映射对原始图像进行透视变换，得到对应的正视图像，最终通过定位正视图像中的表盘刻度及指针，基于指针相对表盘刻度的旋转角度计算指针表读数。采用上述技术手段，可以消除摄像头拍摄图像的角度畸变，减少拍摄角度对指针表自动读数的影响，进而提高指针表自动读数的精度，保障自动读数的准确率。

实施例二：

在上述实施例的基础上，图6给出了本申请实施例二提供的另一种指针表自适应畸变的自动读数方法的流程图，其中，该指针表自适应畸变的自动读数方法包括：

s210、获取摄像头拍摄图像，基于所述摄像头拍摄图像进行指针表检测，截取出包含指针表图像特征的原始图像；

s220、基于像素坐标的投影映射对所述原始图像进行透视变换，得到对应的正视图像；

s230、定位所述正视图像中的表盘刻度及指针，基于所述指针相对所述表盘刻度的旋转角度计算指针表读数；

s240、基于预先设置的读数阈值，在检测到所述指针表读数大于等于或小于等于所述读数阈值时，输出相应的提示信息。

本申请实施例在完成指针表的自动读数之后，还进一步根据识别到的指针读数比对预先设置的读数阈值，并在指针读数达到相应指标时，输出提示信息以提示用户。举例而言，在温度检测场景中，预先设置低温报警值“25℃”和高温报警值“50℃”，则根据自动读数的结果，若检测到温度低于低温报警值，则输出低温报警提示，若检测到温度高于高温报警值“50℃”，则输出高温报警提示。以此来实现基于自动读数的报警提示。

此外，在一个实施例中，还基于每一次自动读数得到的历史数据，当某一读数持续一段时间逼近读数阈值时，则输出提示信息以提示用户这一情况。以此来及时提示用户解决相关指标的请在风险情况。

实施例三：

在上述实施例的基础上，图7为本申请实施例三提供的一种指针表自适应畸变的自动读数装置的结构示意图。参考图7，本实施例提供的指针表自适应畸变的自动读数装置具体包括：获取模块31、变换模块32和定位模块33。

其中，获取模块31用于获取摄像头拍摄图像，基于所述摄像头拍摄图像进行指针表检测，截取出包含指针表图像特征的原始图像；

变换模块32用于基于像素坐标的投影映射对所述原始图像进行透视变换，得到对应的正视图像；

定位模块33用于定位所述正视图像中的表盘刻度及指针，基于所述指针相对所述表盘刻度的旋转角度计算指针表读数。

上述，通过获取摄像头拍摄图像，基于摄像头拍摄图像进行指针表检测，截取出包含指针表图像特征的原始图像，并基于像素坐标的投影映射对原始图像进行透视变换，得到对应的正视图像，最终通过定位正视图像中的表盘刻度及指针，基于指针相对表盘刻度的旋转角度计算指针表读数。采用上述技术手段，可以消除摄像头拍摄图像的角度畸变，减少拍摄角度对指针表自动读数的影响，进而提高指针表自动读数的精度，保障自动读数的准确率。

具体的，还包括：

提示模块，用于基于预先设置的读数阈值，在检测到所述指针表读数大于等于或小于等于所述读数阈值时，输出相应的提示信息。

本申请实施例三提供的指针表自适应畸变的自动读数装置可以用于执行上述实施例一、二提供的指针表自适应畸变的自动读数方法，具备相应的功能和有益效果。

实施例四：

本申请实施例四提供了一种电子设备，参照图8，该电子设备包括：处理器41、存储器42、通信模块43、输入装置44及输出装置45。该电子设备中处理器的数量可以是一个或者多个，该电子设备中的存储器的数量可以是一个或者多个。该电子设备的处理器、存储器、通信模块、输入装置及输出装置可以通过总线或者其他方式连接。

存储器42作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请任意实施例所述的指针表自适应畸变的自动读数方法对应的程序指令/模块(例如，指针表自适应畸变的自动读数装置中的.获取模块、变换模块和定位模块)。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

通信模块43用于进行数据传输。

处理器41通过运行存储在存储器中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的指针表自适应畸变的自动读数方法。

输入装置44可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置45可包括显示屏等显示设备。

上述提供的电子设备可用于执行上述实施例一、二提供的指针表自适应畸变的自动读数方法，具备相应的功能和有益效果。

实施例五：

本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种指针表自适应畸变的自动读数方法，该指针表自适应畸变的自动读数方法包括：获取摄像头拍摄图像，基于所述摄像头拍摄图像进行指针表检测，截取出包含指针表图像特征的原始图像；基于像素坐标的投影映射对所述原始图像进行透视变换，得到对应的正视图像；定位所述正视图像中的表盘刻度及指针，基于所述指针相对所述表盘刻度的旋转角度计算指针表读数。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如cd-rom、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如dram、ddrram、sram、edoram，兰巴斯(rambus)ram等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的指针表自适应畸变的自动读数方法，还可以执行本申请任意实施例所提供的指针表自适应畸变的自动读数方法中的相关操作。

上述实施例中提供的指针表自适应畸变的自动读数装置、存储介质及电子设备可执行本申请任意实施例所提供的指针表自适应畸变的自动读数方法，未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的指针表自适应畸变的自动读数方法。

上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由权利要求的范围决定。