路线评测方法、装置、电子设备和介质与流程

本公开涉及人工智能技术领域，更具体地，涉及一种路线评测方法、装置、电子设备和介质。

背景技术：

随着ar增强现实技术的发展，ar导航技术也随之兴起。从最初的车载ar导航，到ar园区导航，再到某些大型企业正在研究的ar室内精准导航，ar导航技术正面临着一次技术革新。基于gps的传统导航，是将实际路面等比缩放成二维地图，真实建筑在地图上对应的点、线、面均为二维平面，因此仅依赖gps技术很难实现更精准的室内空间导航(如办公楼103室到308室)，而ar室内精准导航技术可以满足这项需求。

技术实现要素：

有鉴于此，本公开提供了一种便捷、效率高和有效性好的用于ar实景导航技术的路线评测方法、路线评测装置、电子设备和计算机可读存储介质。

本公开的一个方面提供了一种用于ar实景导航技术的路线评测方法，包括以下步骤：

确定实景空间模型，其中，所述实景空间模型为所述ar实景导航技术中的实景空间模型；

确定三维最优路线：根据所述实景空间模型，确定起点和终点；根据起点和终点，确定所述三维最优路线，其中，所述三维最优路线为从所述起点到所述终点的最优路线；

确定三维导航路线，其中，所述三维导航路线为基于所述ar实景导航技术确定的从所述起点到所述终点的路线；

基于所述三维最优路线生成第一平面视图，和基于所述三维导航路线生成第二平面视图；以及

路线评测：计算所述第一平面视图和所述第二平面视图的相似度值，通过所述相似度值判断所述三维导航路线是否为所述三维最优路线。

根据本公开实施例的用于ar实景导航技术的路线评测方法，通过降维处理，降维后的第一平面视图和第二平面视图即可使用深度学习算法计算二者之间的相似度，以此实现自动评测，使得测试人员无需人工记录所到之处，也不需人为计算当前ar实景导航技术所指方向是否正确，只需模拟用户使用，根据ar实景导航技术所指方向前行，便可自动判断三维导航路线是否为三维最优路线。本公开既可以在ar实景导航技术上线前为评测人员提供便利，提升评测效率；也可以在ar实景导航技术小流量、灰度阶段或上线后用于导航监控和实时评估。

在某些实施例中，基于所述三维最优路线生成第一平面视图包括：基于所述三维最优路线生成第一主视图、第一俯视图和第一侧视图；基于所述三维导航路线生成第二平面视图包括：基于所述三维导航路线生成第二主视图、第二俯视图和第二侧视图；以及

路线评测包括：计算所述第一主视图和所述第二主视图的第一相似度值，计算所述第一俯视图和所述第二俯视图的第二相似度值，计算所述第一侧视图和所述第二侧视图的第三相似度值，通过所述第一相似度值、所述第二相似度值和所述第三相似度值判断所述三维导航路线是否为所述三维最优路线。

在某些实施例中，所述确定三维最优路线包括：

根据所述实景空间模型，标注从所述起点到所述终点途经的m个第一标定点，并存储第一标定点信息，其中m为大于等于1的整数；

在所述实景空间模型中，根据所述第一标定点信息绘制出每个所述第一标定点；以及

连接所述起点、每个所述第一标定点和所述终点，以形成所述三维最优路线。

在某些实施例中，所述第一标定点信息包括：

所述第一标定点在所述实景空间模型中的第一位置坐标；和

第一顺序，其中，从所述起点开始，途径所述第一标定点的顺序为所述第一顺序，

所述形成所述三维最优路线包括：

在所述实景空间模型中，根据所述第一位置坐标绘制出每个所述第一标定点；

根据所述第一顺序将所述起点、每个所述第一标定点和所述终点连线。

在某些实施例中，所述第一标定点信息还包括第一频度，所述第一频度为经过所述第一标定点的次数；

所述根据所述第一标定点信息绘制出每个所述第一标定点包括：根据所述第一频度给所述第一标定点着色，

其中，所述第一标定点的初始着色为第一颜色，其余着色为第二颜色，所述第二颜色的深度与所述第一频度成正比。

在某些实施例中，所述路线评测方法还包括：根据所述第一频度判断所述三维最优路线是否重复绕路，

所述形成所述三维最优路线还包括给所述连线着色，其中，所述连线的初始颜色为第一色，重复绕路着色为第二色，所述第二色的深度与所述重复绕路的次数成正比。

在某些实施例中，所述确定三维导航路线包括：

评测人员基于所述ar实景导航技术的路线行进，途经n个第二标定点时，存储第二标定点信息，其中n为大于等于1的整数；

在所述实景空间模型中，根据所述第二标定点信息绘制出每个所述第二标定点；以及

连接所述起点、每个所述第二标定点和所述终点，以形成所述三维导航路线。

在某些实施例中，所述第二标定点信息包括：

所述第二标定点在所述实景空间模型中的第二位置坐标；和

第二顺序，其中，从所述起点开始，途径所述第二标定点的顺序为所述第二顺序，

所述形成所述三维导航路线包括：

在所述实景空间模型中，根据所述第二位置坐标绘制出每个所述第二标定点；以及

根据所述第二顺序将所述起点、每个所述第二标定点和所述终点连线。

在某些实施例中，所述第二标定点信息还包括第二频度，所述第二频度为经过所述第二标定点的次数，

所述根据所述第二标定点信息绘制出每个所述第二标定点包括根据所述第二频度给所述第二标定点着色，其中，所述第二标定点的初始着色为第三颜色，其余着色为第四颜色，所述第四颜色的颜色深度与所述第二频度成正比。

在某些实施例中，所述路线评测方法还包括：根据所述第二频度判断所述三维导航路线是否重复绕路，

所述形成所述三维导航路线还包括给所述连线着色，其中，所述三维导航路线中的连线的初始颜色为第三色，重复绕路着色为第四色，所述第四色的深度与所述三维导航路线中的连线的重复绕路次数成正比。

在某些实施例中，所述确定三维最优路线包括：在所述实景空间模型中，根据第一位置坐标绘制出每个第一标定点，根据从所述起点开始，途径所述第一标定点的第一顺序将所述第一标定点连线，

所述降维处理包括：将所述三维最优路线的所有所述第一位置坐标分别拆分成第一主坐标、第一俯坐标和第一侧坐标，将所有的所述第一主坐标依次连线生成所述第一主视图，将所有的所述第一俯坐标依次连线生成所述第一俯视图，将所有的所述第一侧坐标依次连线生成所述第一侧视图。

在某些实施例中，所述确定三维导航路线包括：在所述实景空间模型中，根据第二位置坐标绘制出每个第二标定点，根据从所述起点开始，途径所述第二标定点的第二顺序将所述第二标定点连线，

所述降维处理包括：将所述三维导航路线的所有所述第二位置坐标拆分成第二主坐标、第二俯坐标和第二侧坐标，将所有的所述第二主坐标依次连线生成所述第二主视图，将所有的所述第二俯坐标依次连线生成所述第二俯视图，将所有的所述第二侧坐标依次连线生成所述第二侧视图。

在某些实施例中，所述路线评测包括：

提取所述第一主视图、所述第二主视图、所述第一俯视图、所述第二俯视图、所述第一侧视图和所述第二侧视图的图像特征；

计算所述第一主视图和所述第二主视图的图像特征的第一相似度值；

计算所述第一俯视图和所述第二俯视图的图像特征的第二相似度值；

计算所述第一侧视图和所述第二侧视图的图像特征的第三相似度值；

设定对应的第一相似度阈值、第二相似度阈值和第三相似度阈值；

将所述第一相似度值与所述第一相似度阈值比较，将所述第二相似度值与所述第二相似度阈值比较，将所述第三相似度值与所述第三相似度阈值比较；以及

通过比较结果判断所述三维导航路线是否为所述三维最优路线。

在某些实施例中，所述第一相似度阈值、所述第二相似度阈值和所述第三相似度阈值彼此相等。

本公开的另一个方面提供了用于ar实景导航技术的路线评测装置，包括：

生成模块，所述生成模块用于确定实景空间模型，其中，所述实景空间模型为所述ar实景导航技术中的实景空间模型；

绘制模块，所述绘制模块用于确定三维最优路线和三维导航路线，其中，所述确定三维最优路线包括：根据所述实景空间模型，确定起点和终点；根据起点和终点，确定所述三维最优路线，其中，所述三维最优路线为从所述起点到所述终点的最优路线；所述三维导航路线为基于所述ar实景导航技术确定的从所述起点到所述终点的路线；

降维模块，所述降维模块用于降维处理，所述降维处理包括：基于所述三维最优路线生成第一平面图，和基于所述三维导航路线生成第二平面视图；以及

评测模块，所述评测模块用于路线评测，所述路线评测包括：计算所述第一平面视图和所述第二平面视图的相似度值，通过所述相似度值判断所述三维导航路线是否为所述三维最优路线。

本公开的另一方面提供了一种电子设备，包括一个或多个处理器以及一个或多个存储器，其中，所述存储器用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现如上所述的用于ar实景导航技术的路线评测方法。

本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的用于ar实景导航技术的路线评测方法。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的可以应用方法、装置的示例性系统架构；

图2示意性示出了根据本公开实施例的用于ar实景导航技术的路线评测方法的流程图；

图3示意性示出了根据本公开实施例的确定三维最优路线的流程图；

图4示意性示出了根据本公开实施例的确定三维导航路线的流程图；

图5示意性示出了根据本公开实施例的降维处理的流程图；

图6示意性示出了根据本公开实施例的路线测评的流程图；

图7示意性示出了根据本公开实施例的用于ar实景导航技术的路线评测装置的框图；

图8示意性示出了根据本公开实施例的绘制模块的框图；

图9示意性示出了根据本公开实施例的降维模块的框图；

图10示意性示出了根据本公开实施例的评测模块的框图；

图11示意性示出了根据本公开实施例的用于ar实景导航技术的路线评测方法的流程图；

图12示意性示出了根据本公开实施例的导航路线生成单元记录每个点信息的流程图；

图13示意性示出了根据本公开实施例的路线绘制模块的路线渲染单元绘制流程；

图14示意性示出了根据本公开实施例的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在使用类似于“a、b或c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b或c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。

ar室内精准导航技术的实现方式是根据手机摄像头或ar眼镜获取实景图像信息，在云端进行图像识别和实时路线计算，并在手机屏幕上渲染出方向标识等虚拟模型。由于ar室内精准导航技术正处于初步探索阶段，对于这项技术的测试方法也暂未成熟。在实现本公开构思的过程中，发明人发现在项目上线前的导航路线评测阶段存在以下难点：

第一，路径评测方法暂不成熟，测试人员实地测试时，需要自行记录路线，人工计算并核对导航路线是否符合预期。而测试人员处在真实场景中，很难在脑海中实时想象整体路线并快速计算，这无疑为测试人员增添了压力，且测试过程耗时较长，测试成本高。

第二，传统的平面导航会定期获取用户位置，利用gps技术可以很快获取到用户所在经纬度，计算出当前位置在等比缩放后的平面地图上的坐标，再按顺序绘制出路线。而ar室内精准导航技术使用图像识别技术获取用户位置，无法利用gps技术直接获取位置经纬度，且由于存在楼层差异，不仅要获取用户的平面位置，还要获取到楼层高度。因此基于ar室内精准导航技术的路线绘制相比于传统导航路线绘制更加复杂。

第三，基于ar室内精准导航技术的路线是空间曲线，利用当前深度学习技术较难实现三维图像相似度对比，为ar室内精准导航技术的自动评测工作增添了难度。

第四，对导航路线的评测不仅要考虑是否顺利到达终点，更要评估路线的有效性。在判断路径是否最优时，需考虑导航路线是否重叠或绕路。因此在绘制导航路线时，如何体现有效性，也是导航路线评测的难点之一。

本公开的实施例提供了一种用于ar实景导航技术的路线评测方法、路线评测装置10、电子设备和计算机可读存储介质。路线评测方法包括确定实景空间模型、确定三维最优路线、确定三维导航路线、降维处理和路线评测。其中，实景空间模型为ar实景导航技术中的实景空间模型；根据实景空间模型，确定起点和终点；根据起点和终点，确定三维最优路线，其中，三维最优路线为从起点到终点的最优路线；三维导航路线为基于ar实景导航技术确定的从起点到终点的路线；降维处理是基于三维最优路线生成第一平面视图，和基于三维导航路线生成第二平面视图；以及路线评测为计算第一平面视图和第二平面视图的相似度值，通过相似度值判断三维导航路线是否为三维最优路线。

需要说明的是，本公开用于ar实景导航技术的路线评测方法、路线评测装置10、电子设备、计算机可读存储介质和计算机程序可用于人工智能领域，也可用于除人工智能领域之外的任意领域，例如金融领域，这里对本公开的领域不做限定。

图1示意性示出了根据本公开实施例的可以应用用于ar实景导航技术的路线评测方法、路线评测装置10、电子设备、计算机可读存储介质和计算机程序的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的用于ar实景导航技术的路线评测方法一般可以由服务器105执行。相应地，本公开实施例所提供的路线评测装置10一般可以设置于服务器105中。本公开实施例所提供的用于ar实景导航技术的路线评测方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的路线评测装置10也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

以下将基于图1描述的场景，通过图2～图6对公开实施例的用于ar实景导航技术的路线评测方法进行详细描述。

图2示意性示出了根据本公开实施例的用于ar实景导航技术的路线评测方法的流程图。

如图2所示，该实施例的路线评测方法包括操作s210～操作s250。

在操作s210，确定实景空间模型，其中，实景空间模型为ar实景导航技术中的实景空间模型。需要解释的是，实景空间模型为将实际的空间实景等比例缩小或放大后建立的模型，ar实景导航技术可以基于空间实景模型实现其导航功能。由于路线评测方法是针对ar实景导航技术作评测的，因此，路线评测方法中所用的实景空间模型可以为ar实景导航技术中的实景空间模型。

在操作s220，确定三维最优路线：根据实景空间模型，确定起点和终点；根据起点和终点，确定三维最优路线，其中，三维最优路线为从起点到终点的最优路线。可以理解的是，对ar实景导航技术进行测评时，要根据实景空间模型，确定起点和终点，评测人员可以根据起点和终点，设计一条从起点到终点的最优路线，该最优路线可以作为三维最优路线。

在操作s230，确定三维导航路线，其中，三维导航路线为基于ar实景导航技术确定的从起点到终点的路线。换言之，三维导航路线为确定起点和终点后，ar实景导航技术指导的路线。

在操作s240，降维处理：基于三维最优路线生成第一平面视图，和基于三维导航路线生成第二平面视图。

在操作s250，路线评测：计算第一平面视图和第二平面视图的相似度值，通过相似度值判断三维导航路线是否为三维最优路线。

作为一种可能实现的方式，基于三维最优路线生成第一平面视图包括基于三维最优路线生成第一主视图、第一俯视图和第一侧视图，基于三维导航路线生成第二平面视图包括基于三维导航路线生成第二主视图、第二俯视图和第二侧视图。

路线评测包括计算第一主视图和第二主视图的第一相似度值，计算第一俯视图和第二俯视图的第二相似度值，计算第一侧视图和第二侧视图的第三相似度值，通过第一相似度值、第二相似度值和第三相似度值判断三维导航路线是否为三维最优路线。

其中，由于三维最优路线和三维导航路线均为三维视图，操作s240可对三维最优路线和三维导航路线作降维处理，分别生成对应的三视图。操作s250可计算每个视图之间的相似度，例如，降维后的图像可使用深度学习算法计算导航路线和最优路线的每个视图之间的相似度，以此实现自动评测。

由此，通过降维处理可以便于路线测评时自动计算第一主视图和第二主视图的第一相似度值，计算第一俯视图和第二俯视图的第二相似度值，计算第一侧视图和第二侧视图的第三相似度值，通过第一相似度值、第二相似度值和第三相似度值判断三维导航路线是否为三维最优路线。从而实现自动评测ar实景导航技术。

根据本公开实施例的用于ar实景导航技术的路线评测方法，通过降维处理，降维后的第一平面视图和第二平面视图即可使用深度学习算法计算二者之间的相似度，以此实现自动评测，使得测试人员无需人工记录所到之处，也不需人为计算当前ar实景导航技术所指方向是否正确，只需模拟用户使用，根据ar实景导航技术所指方向前行，便可自动判断三维导航路线是否为三维最优路线。本公开既可以在ar实景导航技术上线前为评测人员提供便利，提升评测效率；也可以在ar实景导航技术小流量、灰度阶段或上线后用于导航监控和实时评估。

图3示意性示出了根据本公开实施例的确定三维最优路线的流程图。

操作s220确定三维最优路线包括操作s221～操作s223。

在操作s221，根据实景空间模型，标注从起点到终点途经的m个第一标定点，并存储第一标定点信息，其中m为大于等于1的整数。可以理解的是，在确定三维最优路线时，评测人员可以对所设计的最优路线上除起点和终点以外的点进行标注，也即标注从起点到终点途经的每个第一标定点，标注后，第一标定点信息可以被存储下来。

在操作s222，在实景空间模型中，根据第一标定点信息绘制出每个第一标定点。

在操作s223，连接起点、每个第一标定点和终点，以形成三维最优路线。

由此，通过上述操作，可以便于确定三维最优路线，进而三维最优路线可以服务于用于ar实景导航技术的路线评测方法。

作为一种可实现的方式，第一标定点信息可以包括第一标定点在实景空间模型中的第一位置坐标和第一顺序，其中，从起点开始，途径第一标定点的顺序为第一顺序，例如，途径的第一个第一标定点为1号标定点，途径的第二个第一标定点为2号标定点，途径的第三个第一标定点为3号标定点，以此类推。这里的1号、2号、3号等等即为第一顺序。

因此，形成三维最优路线包括：在实景空间模型中，根据第一位置坐标绘制出每个第一标定点；以及根据第一顺序将起点、每个第一标定点和终点连线。通过第一位置坐标和第一顺序，可以便于形成三维最优路线。

作为一种可实现的方式，第一标定点信息还包括第一频度，第一频度为经过第一标定点的次数，例如，第一频度的初始值为0，首次经过第一标定点记为1，第二次经过该第一标定点记为2，第三次经过该第一标定点记为3，以此类推。

根据第一标定点信息绘制出每个第一标定点包括：根据第一频度给第一标定点着色，其中，第一标定点的初始着色为第一颜色，其余着色为第二颜色，第二颜色的深度与第一频度成正比。换言之，第一频度的数值越大，第二颜色的深度越深。由此，可以醒目地提醒评测人员途径每个第一标定点的次数，便于评测人员对评测结果做出判断。

在一些实施例中，路线评测方法还包括：根据第一频度判断三维最优路线是否重复绕路。例如，某个第一标定点的第一频度为非0，则说明需要多次经过这一第一标定点，在该第一标定点存在绕路的可能。

另外，形成三维最优路线还包括给连线着色，其中，连线的初始颜色为第一色，重复绕路着色为第二色，第二色的深度与重复绕路的次数成正比。换言之，绕路次数越多，第二色的深度越深。

由此，可以便于评测人员发现三维最优路线中的绕路情况，从而及时地对三维最优路线进行纠正，以得到合理的三维最优路线，从而提高对ar实景导航技术的路线评测的准确性。

图4示意性示出了根据本公开实施例的确定三维导航路线的流程图。

操作s230确定三维导航路线包括操作s231～操作s233。

在操作s231，评测人员基于ar实景导航技术的路线行进，途经n个第二标定点时，存储第二标定点信息，其中n为大于等于1的整数。可以理解的是，基于ar实景导航技术的路线行进过程中，可以自动存储第二标定点信息，但是并不限于此。

在操作s232，在实景空间模型中，根据第二标定点信息绘制出每个第二标定点。

在操作s233，连接起点、每个第二标定点和终点，以形成三维导航路线。

由此，通过上述操作，可以便于确定三维导航路线，进而三维导航路线可以服务于用于ar实景导航技术的路线评测方法。

作为一种可实现的方式，第二标定点信息包括第二标定点在实景空间模型中的第二位置坐标和第二顺序，其中，从起点开始，途径第二标定点的顺序为第二顺序，例如，途径的第一个第二标定点为1号标定点，途径的第二个第二标定点为2号标定点，途径的第三个第二标定点为3号标定点，以此类推。这里的1号、2号、3号等等即为第二顺序。

因此，形成三维导航路线包括：在实景空间模型中，根据第二位置坐标绘制出每个第二标定点；以及根据第二顺序将起点、每个第二标定点和终点连线。通过第二位置坐标和第二顺序，可以便于形成三维导航路线。

作为一种可实现的方式，第二标定点信息还包括第二频度，第二频度为经过第二标定点的次数，例如，第二频度的初始值为0，首次经过第二标定点记为1，第二次经过该第二标定点记为2，第三次经过该第二标定点记为3，以此类推。

根据第二标定点信息绘制出每个第二标定点包括：根据第二频度给第二标定点着色，其中，第二标定点的初始着色为第三颜色，其余着色为第四颜色，第四颜色的颜色深度与第二频度成正比。换言之，第二频度的数值越大，第四颜色的深度越深。由此，可以醒目地提醒评测人员途径每个第二标定点的次数，同样便于评测人员对评测结果做出判断。

在一些实施例中，路线评测方法还包括：根据第二频度判断三维导航路线是否重复绕路。例如，某个第二标定点的第二频度为非0，则说明需要多次经过这一第二标定点，在该第二标定点存在绕路的可能。

另外，形成三维导航路线还包括给连线着色，其中，三维导航路线中的连线的初始颜色为第三色，重复绕路着色为第四色，第四色的深度与三维导航路线中的连线的重复绕路次数成正比。换言之，绕路次数越多，第四色的深度越深。

由此，可以便于评测人员发现三维导航路线中的绕路情况，从而对ar实景导航技术的路线给出评测结果，便于技术人员对ar实景导航技术作进一步地改进。

在本公开的实施例中，确定三维最优路线包括：在实景空间模型中，根据第一位置坐标绘制出每个第一标定点，根据从起点开始，途径第一标定点的第一顺序将第一标定点连线。

图5示意性示出了降维处理的流程图。

操作s240降维处理包括操作s241～操作s244。

在操作s241，将三维最优路线的所有第一位置坐标分别拆分成第一主坐标、第一俯坐标和第一侧坐标。

在操作s242，将所有的第一主坐标依次连线生成第一主视图。

在操作s243，将所有的第一俯坐标依次连线生成第一俯视图。

在操作s244，将所有的第一侧坐标依次连线生成第一侧视图。

在本公开的实施例中，确定三维导航路线包括：在实景空间模型中，根据第二位置坐标绘制出每个第二标定点，根据从起点开始，途径第二标定点的第二顺序将第二标定点连线。

参考图5所示的降维处理的流程图，操作s240降维处理还包括操作s245～操作s248。

在操作s245，将三维导航路线的所有第二位置坐标拆分成第二主坐标、第二俯坐标和第二侧坐标。

在操作s246，将所有的第二主坐标依次连线生成第二主视图。

在操作s247，将所有的第二俯坐标依次连线生成第二俯视图。

在操作s248，将所有的第二侧坐标依次连线生成第二侧视图。

由此，可以实现对三维最优路线和三维导航路线进行降维处理，得到的第一主视图、第二主视图、第一俯视图、第二俯视图、第一侧视图和第二侧视图可以作为操作250路线测评的输入，从而实现自动判断三维导航路线是否为三维最优路线。

图6示意性示出了根据本公开实施例的路线评测的流程图。

操作s250路线评测包括操作s251～操作s227。

在操作s251，提取第一主视图、第二主视图、第一俯视图、第二俯视图、第一侧视图和第二侧视图的图像特征。

在操作s252，计算第一主视图和第二主视图的图像特征的第一相似度值。

在操作s253，计算第一俯视图和第二俯视图的图像特征的第二相似度值。

在操作s254，计算第一侧视图和第二侧视图的图像特征的第三相似度值。

在操作s255，设定对应的第一相似度阈值、第二相似度阈值和第三相似度阈值。

在操作s256，将第一相似度值与第一相似度阈值比较，将第二相似度值与第二相似度阈值比较，将第三相似度值与第三相似度阈值比较。

在操作s257，通过比较结果判断三维导航路线是否为三维最优路线。

由此，通过第一相似度值与第一相似度阈值比较、第二相似度值与第二相似度阈值比较、第三相似度值与第三相似度阈值比较分别得到比较结果，通过比较结果可以便于判断三维导航路线是否为三维最优路线。从而实现自动评测ar实景导航技术。

作为一种可能实现的方式，第一相似度阈值、第二相似度阈值和第三相似度阈值可以彼此相等。

作为另一种可能实现的方式，第一相似度阈值、第二相似度阈值和第三相似度阈值也可以彼此不等。

作为再一种可能实现的方式，第一相似度阈值、第二相似度阈值和第三相似度阈值还可以其中的两个相等，并且与两个以外的另一个不等。

基于上述用于ar实景导航技术的路线评测方法，本公开还提供了一种用于ar实景导航技术的路线评测装置10。以下将结合图7-图10对路线评测装置10进行详细描述。

图7示意性示出了根据本公开实施例的路线评测装置10的结构框图。

路线评测装置10包括生成模块1、绘制模块2、降维模块3和评测模块4。

生成模块1用于执行操作s210确定实景空间模型，其中，实景空间模型为ar实景导航技术中的实景空间模型。

绘制模块2用于执行操作s220确定三维最优路线和操作s230确定三维导航路线，其中，确定三维最优路线包括：根据实景空间模型，确定起点和终点；根据起点和终点，确定三维最优路线，其中，三维最优路线为从起点到终点的最优路线；三维导航路线为基于ar实景导航技术确定的从起点到终点的路线。

降维模块3用于执行操作s240降维处理，降维处理包括：基于三维最优路线生成第一平面视图，和基于三维导航路线生成第二平面视图，基于三维最优路线生成第一平面视图包括基于三维最优路线生成第一主视图、第一俯视图和第一侧视图，基于三维导航路线生成第二平面视图包括基于三维导航路线生成第二主视图、第二俯视图和第二侧视图。

评测模块4用于执行操作s250路线评测，路线评测包括：计算第一平面视图和第二平面视图的相似度值，通过相似度值判断三维导航路线是否为三维最优路线。换言之，路线评测包括计算第一主视图和第二主视图的第一相似度值，计算第一俯视图和第二俯视图的第二相似度值，计算第一侧视图和第二侧视图的第三相似度值，通过第一相似度值、第二相似度值和第三相似度值判断三维导航路线是否为三维最优路线。

图8示意性示出了根据本公开实施例的绘制模块2的结构框图。绘制模块2包括最优路线标注单元21和路线渲染单元22。

最优路线标注单元21用于执行操作s221根据实景空间模型，标注从起点到终点途经的每个第一标定点，并存储第一标定点在实景空间模型中的第一位置坐标；和标注第一顺序，其中，从起点开始，途径第一标定点的顺序为第一顺序。

路线渲染单元22用于执行操作s222在实景空间模型中，根据第一位置坐标绘制出每个第一标定点；以及执行操作s223根据第一顺序将起点、每个第一标定点和终点连线，以形成三维最优路线。

图8示意性示出了根据本公开实施例的绘制模块2的结构框图。绘制模块2还包括导航路线标注单元23。

导航路线标注单元23用于执行操作s231评测人员基于ar实景导航技术的路线行进，途经每个第二标定点时，存储第二标定点在实景空间模型中的第二位置坐标；和标注第二顺序，其中，从起点开始，途径第二标定点的顺序为第二顺序。

例如，路线渲染单元22还用于执行操作s232在实景空间模型中，根据第二位置坐标绘制出每个第二标定点；以及执行操作s233根据第二顺序将起点、每个第二标定点和终点连线，以形成三维导航路线。

图9示意性示出了根据本公开实施例的绘制模块2的结构框图。降维模块3包括三视图生成单元31和三视图渲染单元32。

三视图生成单元31用于执行操作s241将三维最优路线的所有第一位置坐标分别拆分成第一主坐标、第一俯坐标和第一侧坐标；以及，执行操作s245将三维导航路线的所有第二位置坐标分别拆分成第二主坐标、第二俯坐标和第二侧坐标。

三视图渲染单元32用于执行操作s242将所有的第一主坐标依次连线生成第一主视图，执行操作s243将所有的第一俯坐标依次连线生成第一俯视图，执行操作s244将所有的第一侧坐标依次连线生成第一侧视图，执行操作s246将所有的第二主坐标依次连线生成第二主视图，执行操作s247将所有的第二俯坐标依次连线生成第二俯视图，以及，执行操作s248将所有的第二侧坐标依次连线生成第二侧视图。

图10示意性示出了根据本公开实施例的绘制模块2的结构框图。评测模块4包括特征提取单元41和相似度评估单元42。

特征提取单元41用于执行操作s251提取第一主视图、第二主视图、第一俯视图、第二俯视图、第一侧视图和第二侧视图的图像特征。

相似度评估单元42用于执行操作s252～操作s227，计算第一主视图和第二主视图的图像特征的第一相似度值，计算第一俯视图和第二俯视图的图像特征的第二相似度值，计算第一侧视图和第二侧视图的图像特征的第三相似度值，以及，通过第一相似度值、第二相似度值和第三相似度值判断三维导航路线是否为三维最优路线。

由于上述路线评测装置10是基于用于ar实景导航技术的路线评测方法设置的，因此上述路线评测装置10的有益效果与路线评测方法的相同，这里不再赘述。

另外，根据本公开的实施例，生成模块1、绘制模块2、降维模块3和评测模块4中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。

根据本公开的实施例，生成模块1、绘制模块2、降维模块3和评测模块4中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。

或者，生成模块1、绘制模块2、降维模块3和评测模块4中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

下面参照图11-图13详细描述根据本公开实施例的用于ar实景导航技术的路线评测装置。值得理解的是，下述描述仅是示例性说明，而不是对本公开的具体限制。

本公开提出一种用于ar实景导航技术的路线评测装置。将完整的楼内空间等比缩放为三维模型，建立空间坐标系，存储每个标定点的坐标及标注信息。评测前需根据起点和终点标注最优路线的点集，实地测试时，系统自动绘制最优路线和实际导航路线，此时两条路线均是三维的。再将两条三维路线降维，分别进行三视图投影(正视图、俯视图和侧视图)。最后使用深度学习模型分别计算两条路线各个视图的相似度，三个视图相似度数值均高于标准值时，判定为最优路线，反之非最优解。

本路线评测装置包括室内空间模型生成模块、路线绘制模块、路线降维模块和路线评测模块。

室内空间模型生成模块：首先将完整实景等比缩放成三维空间模型，模型需包含楼内所有楼层和标定点，建立空间坐标系。然后计算并存储所有标定点在空间模型中的位置坐标，用于后续路线的绘制。

路线绘制模块：用于绘制三维的最优路线和导航路线。

路线降维模块：将三维的最优路线和导航路线降维，生成每条路线的三视图，作为评测模块的输入数据。

路线评测模块：经过路线降维模块处理后，最优路线和导航路线分别降维成三张平面图(共六张图)。将六张图分成三组，每组包含最优路线和导航路线的同类视图。使用深度学习模型分别计算每组图的相似度，从而判断路线是否最优。

路线生成模块包含最优路线标注单元、导航路线生成单元和路线渲染单元。

最优路线标注单元：标注最优路线途经的标定点，存储路线点集。每个标定点信息包含以下属性：该点的三维坐标、路线经过该点的顺序和频度。

坐标：该点在等比缩放的空间模型中的位置坐标，记录该点在xyz轴的投影。

顺序：从起点算起，经过的第几个标定点。

频度：经过该点的频度，初始值为0，首次经过记为1。

通过顺序和频度属性可以推断出导航路线的基本结构，以及导航路线是否重复或绕路。

导航路线生成单元：实时生成导航路线点集。测试人员严格按照导航所指路线前行，当经过标定点时，实时存储当前位置标定点信息，存储方式和标定点属性同最优路线标注单元，到达终点时结束绘制。

路线渲染单元：通过渲染引擎绘制路线。首先在三维空间模型中绘制出每个标定点，点的颜色需根据频度的不同而变化。初始颜色为绿色(频度为1)，重复的点设为红色(频度大于1)，且频度越高红色越深。相同频度的点颜色和深度一致。然后绘制标定点连线，初始颜色设为绿色。最后根据路线点集信息判断是否存在环路，如存在则将环路中各线段颜色变换为红色，如环路重复则颜色加深，重复频度越高红色越深，且相同重复频度的环路颜色一致。

路线降维模块包含三视图生成单元和三视图渲染单元。

三视图生成单元：经过路线生成模块处理，最优路线和导航路线分别生成相应点集，作为三视图生成单元的输入数据。三视图生成单元分别将最优路线点集和导航路线点集拆分成三个单视图点集。以导航路线的正视图为例，首先计算各点在正视图上的投影，由于正视图的坐标平面为xoz，因此投影点y轴坐标值均为0。除坐标外，其余字段复用即可。同理，每个路线均可拆分成正视图点集、俯视图点集和侧视图点集。

三视图渲染单元：使用路线渲染单元的绘制策略，渲染出最优路线的正视图a1、侧视图a2、俯视图a3；导航路线的正视图b1、侧视图b2、俯视图b3。将同组视图(a1和b1、a2和b2、a3和b3)两张图片分别传输至路线评测模块提取图片特征，计算图片相似度。

路线评测模块包括特征提取单元和相似度评估单元。最优路线和导航路线经过路线降维模块处理，可生成6张视图。其中同视图为一组，路线评测模块可计算每组视图的相似度。

特征提取单元：使用卷积神经网络模型，逐一提取图片特征。

相似度评估单元：计算同组视图的图像相似度，如三组均高于标准值，则判定导航路线为最优路线，反之非最优。

图11为本公开用于ar实景导航技术的路线评测方法的流程图。如图11所示，基本流程是：根据用户输入的起点和终点，分别在坐标空间绘制最优路线和导航路线，并生成六张视图。分别将同组视图输入深度学习评测模型中，计算出每组视图的图像相似度。若相似度均大于标准值，则判定导航路线最优并输出结果；反之则系统报警，并输出相似度分值。具体步骤如下：

步骤501：用户输入起点和终点，此时调起两个线程f1和f2，f1绘制导航路线a，对应步骤502；f2绘制最优路线b，对应步骤503。

步骤502：路线绘制模块的导航路线生成单元获取导航路线途经的标定点集合，路线渲染单元在室内空间模型生成模块中的空间坐标系绘制导航路线a。

步骤503：判断是否已存在最优路线的三视图，如存在则对应步骤507，否则对应步骤505。

步骤504：路线降维模块的三视图生成单元计算导航路线a的标定点集中各点在三个视图上的投影点坐标，生成各视图的投影标定点集合。其中，每个投影点的属性与原标定点一致，均包含坐标、顺序、频度，顺序与频度复用原标定点即可。路线降维模块的三视图绘制单元根据投影标定点集合绘制三个平面视图：正视图a1、侧视图a2、俯视图a3。

步骤505：根据起点和终点，在路线绘制模块的最优路线标注单元中查找相应最优路线标定点集合，路线渲染单元在室内空间模型生成模块中的空间坐标系绘制导航路线b。

步骤506：路线降维模块的三视图生成单元计算导航路线b的标定点集中各点在三个视图上的投影点坐标，生成各视图的投影标定点集合。原理同步骤504。路线降维模块的三视图绘制单元根据投影标定点集合绘制三个平面视图：正视图b1、侧视图b2、俯视图b3，并存储三视图。后续多次测试可直接查询最优路线的三视图，无需重复绘制。

步骤507：根据起点和终点，查找对应导航路线b的三视图：正视图b1、侧视图b2、俯视图b3。

步骤508：收集到六个视图，将六张图作为路线评测模块的输入，特征提取单元分别提取六张图的特征，相似度评估单元分别计算三组视图a1和b1、a2和b2、a3和b3的相似度s1、s2、s3。

步骤509：路线评测模块的相似度评估单元判断s1、s2、s3与标准值s的大小关系，若均大于s则认为导航路线为最优，对应步骤510；反之非最优，可认为导航所指路线不准确，对应步骤511。

步骤510：导航路线为最优，路线评测模块输出结果。

步骤511：导航路线非最优，路线评测模块通知系统报警。

步骤512：系统报警，并输出三视图相似度分值。

图12为路线绘制模块的导航路线生成单元记录每个点信息的流程图。用户根据导航规划的路线行走，每到达一个标定点，执行如图12所示的流程。

步骤601：获取当前用户位置，计算该位置的空间坐标。

步骤602：根据当前点坐标，判断当前位置是否为终点，是则结束存储。反之则继续存储。

步骤603：判断是否首次经过当前标定点，是则对应步骤604，否则对应步骤605。

步骤604：存储当前标定点信息，其属性包含该点的空间坐标、顺序(从起点算，当前点是路过的第几个标定点)和频度(经过该点的频度，此处值为1)。

步骤605：按标定点坐标查找该点信息的存储位置，记录其顺序和频度两个属性。其中，频度加1；顺序应为一个序列，包含每次经过该点的顺序值，将当前顺序存入序列。

步骤606：前往下一个标定点，到达后返回步骤601，重复全流程。直至到达终点，流程结束。

图13为路线绘制模块的路线渲染单元绘制流程。首先绘制点集，并根据标定点的频度属性为其着色；然后绘制连线，初始颜色设为绿色；最后判断路线中是否存在环路，如存在，则计算环路重复数，并根据重复数为连线着色。

步骤701：按路线途经点的顺序(根据顺序属性查找)在坐标空间中绘制所有标定点，并根据标定点的频度属性着色。频度为1着绿色，频度大于1着红色，且红色深度与频度成正比关系，相同频度的点颜色和深度一致。

步骤702：按路线顺序依次绘制连线，初始绘制颜色为绿色。

步骤703：根据点集信息判断路线是否存在环路，并记录环路的重复数。是则对应步骤704；否则完成绘制。

步骤704：将环路中的各段连线变换为红色，红色深度与环路重复数成正比关系，相同重复数深度一致。

本公开的用于ar实景导航技术的路线评测方法，建立了空间坐标系模型、提出了三维路线绘制策略和降维策略，并结合深度学习技术实现了三维导航路线的自动评测。证明了用于ar实景导航技术的路线评测方法的可行性，提高了测试效率。其优势如下：

本公开建立了空间坐标系模型，规范标定点的存储方式，实现了三维导航路线的绘制，解决了自动评测的第一个难点。

本公开绘制的三维路线，对无效或低效路径做了特殊着色处理，加以区分。意在从导航的准确性和有效性两个方面，更全面地评测导航路线。

本公开将三维导航路线作降维处理，生成三视图投影，切实解决了三维图像处理计算量大，无法实现自动评测的问题。为基于深度学习算法进行三维图像处理的研究提供了可行思路。

本公开将ar实景导航技术的测试领域的人工路径评测过程实现自动化，减轻测试人员的压力，提升了测试效率和测试准确性，为ar实景导航技术的自动化测试发展奠定了基础。除本文提到的基本使用方式外，还可基于此方法加以优化，拓宽其用途：

(1)本公开提供了ar实景导航技术的自动评测思路，将人工评测过程实现自动化，该评测方法随着ar实景导航场景的增加，其提效作用也会更加显著。此外，随着同一场景使用范围的扩大(起点终点不断变化)，最优路线数据量也逐渐增多。在产品测试过程中，测试人员不仅要验证导航算法的正确性，对于同一场景还需多次反复测试，关注导航算法的性能、准确率、稳定性等。对于这类测试，可将实际行走拍摄的导航画面录制成视频，代替相机流传输给导航算法，实现评测的全流程自动化，更大程度的释放人力。

(2)本公开同样可用于产品上线前的灰度测试、线上监控等阶段。当本评测方法得以广泛应用，最优路线的三视图数量将逐渐完备，在用户使用过程中，评测系统可定期获取用户当前所在位置，判断从起点到当前位置的子路线是否正确，如路线错误，系统及时报警，从而实现线上实时监控，对于统计用户使用情况，评估导航准确性和有效性均有较大帮助。

图14示意性示出了根据本公开实施例的适于实现用于ar实景导航技术的路线评测方法的电子设备的方框图。

如图14所示，根据本公开实施例的电子设备900包括处理器901，其可以根据存储在只读存储器(rom)902中的程序或者从存储部分908加载到随机访问存储器(ram)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如cpu)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在ram903中，存储有电子设备900操作所需的各种程序和数据。处理器901、rom902以及ram903通过总线904彼此相连。处理器901通过执行rom902和/或ram903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除rom902和ram903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备900还可以包括输入/输出(i/o)接口905，输入/输出(i/o)接口905也连接至总线904。电子设备900还可以包括连接至i/o接口905的以下部件中的一项或多项：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至输入/输出(i/o)接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的用于ar实景导航技术的路线评测方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的rom902和/或ram903和/或rom902和ram903以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例用于ar实景导航技术的路线评测方法。

在该计算机程序被处理器901执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分909被下载和安装，和/或从可拆卸介质911被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如java，c++，python，“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。