目标位置确定方法、装置、电子设备以及存储介质与流程

1.本发明实施例涉及自动驾驶技术领域，尤其涉及一种目标位置确定方法、装置、电子设备以及存储介质。


背景技术：

2.行车安全要求自动驾驶具有极高精度的感知能力，传感器视野全面覆盖，能有效感知危险的交通状况与交通行为。摄像机是自动驾驶系统最早使用的传感器之一，也是各汽车制造商和汽车研究人员的首选传感器，但其受外界环境变化影响大，如夜晚、降雨、大雾等都会较大程度的影响摄像机的感知效果；激光雷达使用许多个更为稠密的激光束照射物体，接收物体反射的激光进而得到物体的距离信息，具有比毫米波雷达更为庞大且稠密的数据量以及更高的精度，但是对极端环境的适应能力要低很多且价格昂贵，因此，亟需改进。


技术实现要素：

3.本发明提供一种目标位置确定方法、装置、电子设备以及存储介质，以提高车辆周围目标物体的位置确定的准确性。
4.第一方面，本发明实施例提供了一种目标位置确定方法，该方法包括：
5.根据车辆所处场景中目标物体的图像数据，确定目标物体的目标区域；
6.根据车辆所处场景中所述目标物体的第一点云数据和所述目标区域，确定所述目标物体的候选点云；
7.根据所述目标区域与所述候选点云之间的匹配度，从所述候选点云中确定目标点云；
8.根据所述目标点云，确定所述目标物体的位置。
9.第二方面，本发明实施例还提供了一种目标位置确定装置，该装置包括：
10.目标区域确定模块，用于根据车辆所处场景中目标物体的图像数据，确定目标物体的目标区域；
11.候选点云确定模块，用于根据车辆所处场景中所述目标物体的第一点云数据和所述目标区域，确定所述目标物体的候选点云；
12.目标点云确定模块，用于根据所述目标区域与所述候选点云之间的匹配度，从所述候选点云中确定目标点云；
13.位置确定模块，用于根据所述目标点云，确定所述目标物体的位置。
14.第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
15.一个或多个处理器；
16.存储器，用于存储一个或多个程序；
17.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本发明任一实施例所提供的目标位置确定方法。
18.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例所提供的目标位置确定方法。
19.本发明实施例的技术方案，通过根据车辆所处场景中目标物体的图像数据，确定目标物体的目标区域，之后根据车辆所处场景中目标物体的第一点云数据和目标区域，确定目标物体的候选点云，进而根据目标区域与候选点云之间的匹配度，从候选点云中确定目标点云，最后根据目标点云，确定目标物体的位置。上述技术方案，通过图像数据与点云数据结合，来确定车辆所处场景中目标物体的位置，提高了目标物体的位置确定的准确性，为自动驾驶中车辆周围环境中目标物体的位置确定提供了一种新思路。
附图说明
20.图1是本发明实施例一提供的一种目标位置确定方法的流程图；
21.图2是本发明实施例二提供的一种目标位置确定方法的流程图；
22.图3是本发明实施例三提供的一种目标位置确定方法的流程图
23.图4是本发明实施例四提供的一种目标位置确定装置的结构示意图；
24.图5是本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
25.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
26.实施例一
27.图1是本发明实施例一提供的一种目标位置确定方法的流程图，本实施例可适用于自动驾驶中车辆周围目标物体位置确定的情况，尤其适用于极端环境下(恶劣的天气条件或黑暗环境)，自动驾驶中车辆周围目标物体位置确定的情况。该方法可以由目标位置确定装置来执行，该装置可以由软件和/或硬件的方式实现，并可集成于承载目标位置确定功能的电子设备中，如车载控制器中。
28.如图1所示，该方法具体可以包括：
29.110、根据车辆所处场景中目标物体的图像数据，确定目标物体的目标区域。
30.其中，目标物体是指车辆所处场景中的物体，例如其他车辆等。所谓目标区域是指图像采集设备中采集到的车辆周围的场景中图像数据中目标物体所在的区域。图像采集设备可以是车辆上安装的摄像头，示例性的，可以是四组摄像头，可以采集车辆前后左右方位的图像数据。
31.本实施例中，获取图像采集设备采集车辆所处场景中的目标物体的图像数据，进而基于目标检测模型，得到图像数据中目标物体的目标区域。其中，目标检测模型可以是yolo
‑
v3模型。
32.需要说明的是，在获取到目标物体的图像数据后，还可以基于预设校正参数，对图像数据进行校正处理。其中，预设校正参数是本领域技术人员根据实际情况设定的。进一步的，对校正后的图像数据基于目标检测模型进行目标物体检测，得到目标物体的目标区域。
33.s120、根据车辆所处场景中目标物体的第一点云数据和目标区域，确定目标物体
的候选点云。
34.其中，第一点云数据是指通过毫米波雷达采集到的车辆所处场景中目标物体的点云数据。需要说明的是，车辆上安装有四组毫米波雷达，可以采集车辆前后左右方位的目标物体的点云数据；同时需要预先将毫米波雷达和图像采集设备的采集时间同步，使得每一帧毫米波雷达采集的点云数据对应图像采集设备采集的一帧图像数据。所谓候选点云是指与目标区域相关的点云数据。
35.本实施例中，获取毫米波雷达采集车辆所处场景中目标物体的第一点云数据，进而基于雷达平面坐标系和图像平面坐标系之间的转换关系，将第一点云数据投影到图像平面坐标系，得到第二点云数据。根据第二点云数据和目标区域之间的位置关系，确定目标物体的候选点云。具体的，将第二点云数据中落入目标区域的点云数据，作为目标物体的候选点云。
36.s130、根据目标区域与候选点云之间的匹配度，从候选点云中确定目标点云。
37.可选的，可以将候选点云与目标区域之间的距离，作为目标区域和候选点云之间的匹配度，进而根据匹配度，从候选点云中确定目标点云。
38.其中，目标点云是指与目标区域最匹配的点云数据。
39.示例性的，可以对匹配度进行排序，根据排序结果和设定阈值，从候选点云中确定目标点云。具体的，将匹配度按照从小到大的顺序排序，将排序结果中大于设定阈值的匹配度对应的候选点云，作为目标点云。其中，设定阈值可以由本领域技术人员根据实际情况设定。
40.s140、根据目标点云，确定目标物体的位置。
41.本实施例中，根据目标点云，获取毫米波雷达中采集的目标点云对应的目标物体的基本信息，其中基本信息包括目标物体的位置和速度等信息。进一步的，根据目标物体的基本信息，利用卡尔曼滤波算法，确定目标物体的位置。
42.本发明实施例的技术方案，通过根据车辆所处场景中目标物体的图像数据，确定目标物体的目标区域，之后根据车辆所处场景中目标物体的第一点云数据和目标区域，确定目标物体的候选点云，进而根据目标区域与候选点云之间的匹配度，从候选点云中确定目标点云，最后根据目标点云，确定目标物体的位置。上述技术方案，通过图像数据与点云数据结合，来确定车辆所处场景中目标物体的位置，提高了目标物体的位置确定的准确性，为自动驾驶中车辆周围环境中目标物体的位置确定提供了一种新思路。
43.实施例二
44.图2是本发明实施例二提供的一种目标位置确定方法的流程图，在上述实施例的基础上，对“根据目标物体的第一点云数据和目标区域，确定目标物体的候选点云”进一步优化，提供一种可选实施方案。
45.如图2所示，该方法具体可以包括：
46.s210、根据车辆所处场景中目标物体的图像数据，确定目标物体的目标区域。
47.s220、将目标区域进行三维转换，得到点云锥。
48.本实施例中，可以基于三维转换模型，将目标区域进行三维转换，得到目标区域对应的点云锥。
49.s230、基于雷达平面坐标系和图像平面坐标系之间的转换关系，将第一点云数据
投影到图像平面坐标系，得到第二点云数据。
50.本实施例中，对第一点云数据进行聚类，得到聚类后的点云数据。示例性的，可以基于dnscan(density
‑
based spatial clustering of applications with noise)算法对第一点云数据进行聚类，得到聚类后的点云数据。
51.进一步的，基于雷达平面坐标系和图像平面坐标系之间的转换关系，将聚类后的点云数据投影到图像平面坐标系，得到第二点云数据。
52.可以理解的是，通过对第一点云数据进行聚类，可以过滤掉无关点云数据，从而使得后续目标位置的确定更加准确。
53.s240、根据第二点云数据与点云锥之间的位置关系，确定目标物体的候选点云。
54.本实施例中，将第二点云数据中落入点云锥中的点云数据，作为目标物体的候选点云；将落入点云锥外的第二点云数据剔除掉。
55.s250、根据目标区域与候选点云之间的匹配度，从候选点云中确定目标点云。
56.s260、根据目标点云，确定目标物体的位置。
57.本发明实施例的技术方案，通过根据车辆所处场景中目标物体的图像数据，确定目标物体的目标区域，将目标区域进行三维转换，得到点云锥。基于雷达平面坐标系和图像平面坐标系之间的转换关系，将第一点云数据投影到图像平面坐标系，得到第二点云数据，之后根据第二点云数据与点云锥之间的位置关系，确定目标物体的候选点云，进而根据目标区域与候选点云之间的匹配度，从候选点云中确定目标点云，最后根据目标点云，确定目标物体的位置。上述技术方案，通过图像数据与点云数据结合，来确定车辆所处场景中目标物体的位置，提高了目标物体的位置确定的准确性，为自动驾驶中车辆周围环境中目标物体的位置确定提供了一种新思路。
58.实施例三
59.图3是本发明实施例三提供的一种目标位置确定方法的流程图，在上述实施例的基础上，对“根据目标区域与候选点云之间的匹配度，从候选点云中确定目标点云”进一步优化，提供一种可选实施方案。
60.如图3所示，该方法具体可以包括：
61.s310、根据车辆所处场景中目标物体的图像数据，确定目标物体的目标区域。
62.s320、根据车辆所处场景中目标物体的第一点云数据和目标区域，确定目标物体的候选点云。
63.s330、针对每一候选点云，根据该候选点云的点云坐标、目标区域的基本信息和采集设备的焦距，确定该候选点云与目标区域的匹配度。
64.其中，基本信息包括目标区域的尺寸信息和目标区域的中心点坐标；尺寸信息包括目标区域的宽度和高度。采集设备的焦距包括水平方向焦距和垂直方向焦距。
65.可选的，根据该候选点云的点云坐标，确定目标物体与车辆的第一距离。示例的，可以将点云坐标的横坐标的平方与纵坐标的平方相加，将相加后的结果作为目标物体与车辆的第一距离。
66.在确定第一距离后，可以根据第一距离、尺寸信息中的宽度或高度、以及采集设备的焦距，确定目标物体的估计高度和估计宽度。
67.示例性的，可以根据第一距离、尺寸信息中的高度、以及采集设备的垂直方向焦
距，确定目标物体的估计高度，例如可以通过如下公式确定：
[0068][0069]
其中，h表示目标物体的估计高度，f
y
表示采集设备的垂直方向焦距，|y2‑
y1|表示尺寸信息中的高度，r表示第一距离。
[0070]
示例性的，可以根据第一距离、尺寸信息中的宽度、以及采集设备的水平方向焦距，确定目标物体的估计宽度，例如可以通过如下公式确定：
[0071][0072]
其中，w表示目标物体的估计宽度，f
x
表示采集设备的水平方向焦距，|x2‑
x1|表示尺寸信息中的宽度，r表示第一距离。
[0073]
在确定目标物体的估计高度和宽度后，可以根据目标物体的宽度或高度、采集设备的焦距、以及尺寸信息中的宽度或高度，确定目标物体与车辆之间的第二距离。
[0074]
示例性的，若目标物体的高度已知，则根据目标物体的高度、采集设备的垂直方向焦距、以及尺寸信息中的高度，确定目标物体与车辆之间的第二距离。例如，可以通过如下公式确定：
[0075][0076]
其中，r'表示目标物体与车辆之间的第二距离，h'表示目标物体的高度，|y2‑
y1|表示尺寸信息中的高度，f
y
表示采集设备的垂直方向焦距。
[0077]
示例性的，若目标物体的宽度已知，则根据目标物体的宽度、采集设备的水平方向焦距、以及尺寸信息中的宽度，确定目标物体与车辆的第二距离。例如可以通过如下公式确定：
[0078][0079]
其中，r'表示目标物体与车辆之间的第二距离，w'表示目标物体的宽度，|x2‑
x1|表示尺寸信息中的宽度，f
x
表示采集设备的水平方向焦距。
[0080]
进一步的，将第一距离、估计高度、估计宽度、候选点云中心点坐标、第二距离和基本信息输入至神经网络模型中，得到该候选点云与目标区域的匹配度。其中，神经网络模型可以是径向基神经网络。
[0081]
具体的，将第一距离、估计高度、估计宽度、候选点云中心点坐标、第二距离和基本信息输入至神经网络模型中，经过神经网络模型处理，得到该候选点云与目标区域的匹配度。
[0082]
可以理解的是，通过神经网络模型确定候选点云的目标区域的匹配度，可以增强匹配度的准确性。
[0083]
s340、根据各候选点云与目标区域之间的匹配度，从候选点云中确定目标点云。
[0084]
s350、根据目标点云，确定目标物体的位置。
[0085]
本发明实施例的技术方案，通过根据车辆所处场景中目标物体的图像数据，确定目标物体的目标区域，之后根据车辆所处场景中目标物体的第一点云数据和目标区域，确定目标物体的候选点云，并针对每一候选点云，根据该候选点云的点云坐标、目标区域的基本信息和采集设备的焦距，确定该候选点云与目标区域的匹配度，进而根据各候选点云与目标区域之间的匹配度，从候选点云中确定目标点云，最后根据目标点云，确定目标物体的位置。上述技术方案，通过图像数据与点云数据结合，来确定车辆所处场景中目标物体的位置，提高了目标物体的位置确定的准确性，为自动驾驶中车辆周围环境中目标物体的位置确定提供了一种新思路。
[0086]
实施例四
[0087]
图4是本发明实施例四提供的一种目标位置确定装置的结构示意图，本实施例可适用于自动驾驶中车辆周围目标物体位置确定的情况，尤其适用于极端环境下(恶劣的天气条件或黑暗环境)，自动驾驶中车辆周围目标物体位置确定的情况。该装置可以由软件和/或硬件的方式实现，并可集成于承载目标位置确定功能的电子设备中，如车载控制器中。
[0088]
如图4所示，该装置具体可以包括目标区域确定模块410、候选点云确定模块420、目标点云确定模块430和位置确定模块440，其中，
[0089]
目标区域确定模块410，用于根据车辆所处场景中目标物体的图像数据，确定目标物体的目标区域；
[0090]
候选点云确定模块420，用于根据车辆所处场景中目标物体的第一点云数据和目标区域，确定目标物体的候选点云；
[0091]
目标点云确定模块430，用于根据目标区域与候选点云之间的匹配度，从候选点云中确定目标点云；
[0092]
位置确定模块440，用于根据目标点云，确定目标物体的位置。
[0093]
本发明实施例的技术方案，通过根据车辆所处场景中目标物体的图像数据，确定目标物体的目标区域，之后根据车辆所处场景中目标物体的第一点云数据和目标区域，确定目标物体的候选点云，进而根据目标区域与候选点云之间的匹配度，从候选点云中确定目标点云，最后根据目标点云，确定目标物体的位置。上述技术方案，通过图像数据与点云数据结合，来确定车辆所处场景中目标物体的位置，提高了目标物体的位置确定的准确性，为自动驾驶中车辆周围环境中目标物体的位置确定提供了一种新思路。
[0094]
进一步地，候选点云确定模块420包括点云堆得到单元、第二点云数据得到单元和候选点云确定单元，其中，
[0095]
点云堆得到单元，用于将目标区域进行三维转换，得到点云锥；
[0096]
第二点云数据得到单元，用于基于雷达平面坐标系和图像平面坐标系之间的转换关系，将第一点云数据投影到图像平面坐标系，得到第二点云数据；
[0097]
候选点云确定单元，用于根据第二点云数据与点云锥之间的位置关系，确定目标物体的候选点云。
[0098]
进一步地，目标点云确定模块430包括匹配度确定单元和目标点云确定单元，其中，
[0099]
匹配度确定单元，用于针对每一候选点云，根据该候选点云的点云坐标、目标区域
的基本信息和采集设备的焦距，确定该候选点云与目标区域的匹配度；基本信息包括目标区域的尺寸信息和目标区域的中心点坐标；
[0100]
目标点云确定单元，用于根据各候选点云与目标区域之间的匹配度，从候选点云中确定目标点云。
[0101]
进一步地，匹配度确定单元包括第一距离确定子单元、估计信息确定子单元、第二距离确定子单元和匹配度确定子单元，其中，
[0102]
第一距离确定子单元，用于根据该候选点云的点云坐标，确定目标物体与车辆的第一距离；
[0103]
估计信息确定子单元，用于根据第一距离、尺寸信息中的宽度或高度、以及采集设备的焦距，确定目标物体的估计高度和估计宽度；
[0104]
第二距离确定子单元，用于根据目标物体的宽度或高度、采集设备的焦距、以及尺寸信息中的宽度或高度，确定目标物体与车辆之间的第二距离；
[0105]
匹配度确定子单元，用于将第一距离、估计高度、估计宽度、候选点云中心点坐标、第二距离和基本信息输入至神经网络模型中，得到该候选点云与目标区域的匹配度。
[0106]
进一步地，候选点云确定模块420还包括聚类点云确定单元，其中该距离点云单元用于：
[0107]
对第一点云数据进行聚类，得到聚类后的点云数据；
[0108]
相应的，第二点云数据得到单元还用于：
[0109]
基于雷达平面坐标系和图像平面坐标系之间的转换关系，将聚类后的点云数据投影到图像平面坐标系，得到第二点云数据。
[0110]
进一步地，目标点云确定模块430具体用于：
[0111]
对匹配度进行排序，根据排序结果和设定阈值，从候选点云中确定目标点云。
[0112]
进一步地，该装置还包括校正处理模块，该校正处理模块具体用于：
[0113]
基于预设校正参数，对图像数据进行校正处理。
[0114]
上述目标位置确定装置可执行本发明任意实施例所提供的目标位置确定方法，具备执行方法相应的功能模块和有益效果。
[0115]
实施例五
[0116]
图5是本发明实施例五提供的一种电子设备的结构示意图，图5示出了适于用来实现本发明实施例实施方式的示例性设备的框图。图5显示的设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0117]
如图5所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
[0118]
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
[0119]
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
[0120]
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器(高速缓存32)。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd
‑
rom,dvd
‑
rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明实施例各实施例的功能。
[0121]
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
[0122]
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0123]
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的目标位置确定方法。
[0124]
实施例六
[0125]
本发明实施例六还提供一种计算机可读存储介质，其上存储有计算机程序(或称为计算机可执行指令)，该程序被处理器执行时用于执行本发明实施例所提供的目标位置确定方法，该方法包括：
[0126]
根据车辆所处场景中目标物体的图像数据，确定目标物体的目标区域；
[0127]
根据车辆所处场景中目标物体的第一点云数据和目标区域，确定目标物体的候选点云；
[0128]
根据目标区域与候选点云之间的匹配度，从候选点云中确定目标点云；
[0129]
根据目标点云，确定目标物体的位置。
[0130]
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、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。在本文件中，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。
[0131]
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0132]
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0133]
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言诸如“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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(lan)或广域网(wan)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0134]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明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各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明实施例进行了较为详细的说明，但是本发明实施例不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。