点云配准方法、装置、设备以及存储介质与流程

1.本公开涉及计算机应用技术领域，具体涉及人工智能技术领域的自动驾驶和深度学习技术，尤其涉及点云配准方法、装置、设备以及存储介质。


背景技术：

2.高精地图作为自动驾驶系统中重要的一部分，是推动自动驾驶发展的关键因素之一。传统地图精度低，只能够提供道路级别的路线规划。高精地图通过提供高精度定位、车道级路径规划能力以及丰富的道路元素信息，可以帮助提前知晓位置信息，精确规划行驶路线，预知路面复杂信息更好地规避潜在风险，等等。
3.高精地图的生产依赖于车载移动测量这项技术。车载移动测量是一种相对成熟的测绘采集方式，通过移动测量采集真实世界的影像和点云数据，对数据进行作业处理，从而完成对现实世界地理信息的构建。因此，如何准确地对点云数据进行配准是生产高精地图的关键。


技术实现要素：

4.本公开提供了一种点云配准方法、装置、设备以及存储介质。
5.根据第一方面，提供了一种点云配准方法，包括：获取目标点云数据；将目标点云数据划分为多个点云集合；确定各点云集合之间的重合度以及从重合度大于预设阈值的两个点云集合中确定出固定点云集合和配准点云集合；确定固定点云集合和配准点云集合之间的目标配准矩阵；根据目标配准矩阵，将固定点云集合和配准点云集合进行配准。
6.根据第二方面，提供了一种点云配准装置，包括：点云获取单元，被配置成获取目标点云数据；点云划分单元，被配置成将目标点云数据划分为多个点云集合；重合度确定单元，被配置成确定各点云集合之间的重合度以及从重合度大于预设阈值的两个点云集合中确定出固定点云集合和配准点云集合；矩阵确定单元，被配置成确定固定点云集合和配准点云集合之间的目标配准矩阵；点云配准单元，被配置成根据目标配准矩阵，将固定点云集合和配准点云集合进行配准。
7.根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，上述指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面所描述的方法。
8.根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，上述计算机指令用于使计算机执行如第一方面所描述的方法。
9.根据第五方面，一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现如第一方面所描述的方法。
10.根据本公开的技术可以提高点云配准的准确度。
11.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
12.附图用于更好地理解本方案，不构成对本公开的限定。其中：
13.图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
14.图2是根据本公开的点云配准方法的一个实施例的流程图；
15.图3是根据本公开的点云配准方法的一个应用场景的示意图；
16.图4是根据本公开的点云配准方法的另一个实施例的流程图；
17.图5是根据本公开的点云配准装置的一个实施例的结构示意图；
18.图6是用来实现本公开实施例的点云配准方法的电子设备的框图。
具体实施方式
19.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
20.需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
21.图1示出了可以应用本公开的点云配准方法或点云配准装置的实施例的示例性系统架构100。
22.如图1所示，系统架构100可以包括采集车辆101、网络102和服务器103。网络102用以在采集车辆101和服务器103之间提供通信链路的介质。网络102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。
23.采集车辆101上可以安装有激光雷达，用于采集行驶环境的点云数据。采集车辆101可以将得到的点云数据通过网络102上传至服务器103，以供服务器103对点云数据进行配准。
24.服务器103可以是提供各种服务的服务器，例如对点云数据进行配准的后台服务器。后台服务器可以利用配准的点云数据生成高精地图，并将高精地图反馈给采集车辆101。
25.需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
26.需要说明的是，本公开实施例所提供的点云配准方法一般由服务器105执行。相应地，点云配准装置一般设置于服务器105中。
27.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。
28.继续参考图2，示出了根据本公开的点云配准方法的一个实施例的流程200。本实施例的点云配准方法，包括以下步骤：
29.步骤201，获取目标点云数据。
30.本实施例中，点云配准方法的执行主体可以首先获取目标点云数据。这里，目标点
云数据可以是采集车辆上安装的激光雷达在目标区域采集的点云数据。在一些具体的实践中，采集车辆可以在目标区域的双向道路上行驶，对目标区域的正向道路和反向道路采集两遍点云数据，从而避免目标区域的高架桥、山路、隧道以及树木对点云数据的遮挡。
31.步骤202，将目标点云数据划分为多个点云集合。
32.执行主体在得到目标点云数据后，可以对其进行划分。具体的，执行主体可以按照预设时间段t，将目标点云数据中每t时间内采集的点云数据作为一个点云集合，从而得到多个点云集合。或者，执行主体可以按照数据量v，将目标点云数据中每v个点云点作为一个点云集合，从而得到多个点云集合。
33.步骤203，确定各点云集合之间的重合度以及从重合度大于预设阈值的两个点云集合中确定出固定点云集合和配准点云集合。
34.执行主体在得到各点云集合后，可以计算各点云集合之间的重合度。具体的，执行主体可以计算每两个点云集中中点云点之间的距离。对于单个点云点来说，如果存在至少一个点云点与其的距离小于预设阈值，则认定这两个点云点重合。如果不存在点云点与其的距离小于预设阈值，则认定该点云点不与其它点云点重合。执行主体可以根据重合的点云点占各点云集合中点云点的比例来确定重合度。
35.可以理解的是，如果两个点云集合之间的重合度大于预设重合度阈值，则可以认为两个点云集合匹配。执行主体可以将匹配的两个点云集合进行配准。在配准时，执行主体可以首先确定出两个点云集合中的固定点云集合和配准点云集合。具体的，执行主体可以将两个点云集合中精度较高的点云集合作为固定点云集合，另一个精度较低的点云集合作为配准点云集合。或者，执行主体可以将重合的点云点比例较大的点云集合作为固定点云集合，另一个作为配准点云集合。
36.步骤204，确定固定点云集合和配准点云集合之间的目标配准矩阵。
37.在确定固定点云集合和配准点云集合后，执行主体可以通过各种方式确定目标配准矩阵。具体的，执行主体可以直接选取基准点云和待配准点云中的最邻近点构成对应点集，将所有对应点对的空间距离平方的平均值作为误差，通过迭代计算，当误差满足最小二乘函数时确定目标配准矩阵。
38.步骤205，根据目标配准矩阵，将固定点云集合和配准点云集合进行配准。
39.在确定目标配准矩阵后，执行主体可以对配准点云集合进行刚体变换，实现固定点云集合和配准点云集合的配准。
40.继续参见图3，其示出了根据本公开的点云配准方法的一个应用场景的示意图。在图3的应用场景中，采集车辆301在双向道路上采集到了正向点云数据和反向点云数据。然后将正向点云数据和反向点云数据发送给服务器302。服务器302按预设时间段进行划分，得到多个点云集合。将重合度最高的两个点云集合作为对应的点云集合。然后将对应的两个点云集合中精度高的一者作为固定点云集合，另一者作为配准点云集合。确定出二者之间的目标配准矩阵。利用目标配准矩阵将二者配准。最后服务器302利用配准后的点云数据生产高精地图，并将生产的高精地图发送给各车辆以供使用。
41.本公开的上述实施例提供的点云配准方法，可以提高点云数据配准的准确度。
42.继续参见图4，其示出了根据本公开的点云配准方法的另一个实施例的流程400。如图4所示，本实施例的方法可以包括以下步骤：
43.步骤401，获取目标点云数据。
44.步骤402，对目标点云数据按照预设时间段进行划分，得到多个点云集合。
45.本实施例中，执行主体可以对目标点云数据进行分段，经过解算，每10s存为一个点云las文件。目标点云数据一般为pcap格式，通常一个小时的采集数据可高达几gb。对于目标pcap数据，可依据时间划分为10s一个pcap，数据量为40mb左右，转换为las格式数据大小为300mb左右。以采集车辆70km/h的车速计算(高速场景)，该单位数据对应实际的轨迹距离约200m。数据大小既能保证每个文件数据量不是太大，又可以使得每个单位覆盖的距离比较长，适合做后续的配准工作。
46.步骤403，确定各点云集合的外包围框；根据各点云集合的外包围框之间的重合度，确定各点云集合之间的重合度。
47.执行主体可以进一步确定各点云集合的外包围框。这里，外包围框可以是能够包括点云集合中所有点云点的立体结构，为方便计算，外包围框一般为长方体。然后，根据各点云集合的外包围框之间的重合度，确定各点云集合之间的重合度。具体的，执行主体可以将外包围框之间的重合度直接作为各点云集合之间的重合度。或者，对外包围框之间的重合度乘以适当的缩小系数，得到各点云集合之间的重合度。
48.在本实施例的一些可选的实现方式中，执行主体在确定各点云集合的外包围框之前，还可以对各点云集合进行过滤操作。具体的，执行主体可以通过以下至少一种方式实现对点云集合的滤波：
49.a.对于目标点云数据，首先使用半径滤波遍历点云中每一点，统计点半径r＝10cm范围内的点数s，如果点数s小于阈值30，那么被认为是离群点，过滤掉该部分离群点(噪点)。
50.b.通过对移动测量场景中的点云进行数据分析，地面的点云数据量大，特征不明显，不利于进行配准计算，所以需要对地面进行过滤。根据组合导航的输出轨迹得到组合导航安装位置所在的绝对高度h，以此为标准过滤绝对高度在h以下的点云点。
51.c.最后，使用体素滤波再次过滤点云，体素滤波是将点云划分为一个个1cm*1cm*1cm的立方体单元，每个立方体仅保留立方体中心点，使得在保留点云表面曲面信息的同时实现数据的降采样，大大降低数据量。
52.通过本实现方式的滤波，能够大大降低点云的数据量，提高计算速度。
53.步骤404，获取各点云集合的精度；将重合度大于预设阈值的两个点云集合中精度高的点云集合作为固定点云集合，将精度低的点云集合作为配准点云集合。
54.本实施例中，如果两个点云集合的重合度大于预设阈值，则可以认定该两个点云集合为匹配点云集合对。执行主体可以将匹配点云集合对中精度高的点云集合作为固定点云集合，将精度低的点云集合作为配准点云集合。这里，点云集合的精度可以由激光雷达在采集过程中计算得到并直接输出。
55.步骤405，确定固定点云集合和配准点云集合之间的初始配准矩阵。
56.本实施例中，执行主体可以首先利用现有的点云配准算法，确定固定点云集合和配准点云集合之间的初始配准矩阵。上述点云配准算法可以包括但不限于icp(iterative closest point，最近点迭代)算法。
57.在本实施例的一些可选的实现方式中，执行主体可以将固定点云集合和配准点云
集合之间的最邻近点作为对应点对；将对应点对的空间距离平方的平均值作为误差，通过迭代计算，响应于确定误差满足预设条件，确定初始配准矩阵。
58.本实现方式中，执行主体可以计算对应点对的空间距离平方的平均值，将其作为误差。如果上述误差满足最小二乘函数，则认定其满足预设条件。此时，可以得到初始配准矩阵。
59.步骤406，对初始配准矩阵进行调整，确定目标配准矩阵。
60.在得到初始配准矩阵后，可以对其进行调整，将调整后的配准矩阵作为目标配准矩阵。例如，执行主体可以将上述初始配准矩阵中的某一个参数进行调整，或者对初始配准矩阵乘以某一系数等等。
61.在本实施例的一些可选的实现方式中，初始配准矩阵包括旋转矩阵。执行主体可以通过步骤4061～4062对初始配准矩阵进行调整：
62.步骤4061，根据旋转矩阵，确定目标点云数据所在坐标系的三个坐标轴对应的欧拉角表达式。
63.步骤4062，调整至少一个欧拉角表达式，根据调整后的欧拉角表达式确定目标配准矩阵。
64.本实现方式中，初始配准矩阵可以表示为
[0065][0066]
该矩阵可分解为旋转矩阵r和平移向量t两个部分，即
[0067]
其中，
[0068][0069][0070]
在得到变换矩阵之后，现有的点云配准方法一般是直接对点云坐标乘以变换矩阵，实现整体点云的旋转与平移。但在移动测量场景下，经过对组合导航的轨迹进行数据分析，点云数据的横滚角通常变化较小，可以对该旋转量置零。由旋转矩阵r计算出x,y,z三轴的欧拉角θ
x
，θy，θz，计算公式如下：
[0071]
θ
x
＝atan2(r
32
,r
33
)；
[0072][0073]
θz＝atan2(r
21
,r
11
)。
[0074]
横滚角对应于θy，令θy＝0后，r＝r
x
(θ
x
)*ry(0)*rz(θz),其中
[0075][0076][0077][0078]
执行主体可以利用上述矩阵对配准点云集合进行刚性变换。
[0079]
在本实施例的一些可选的实现方式中，执行主体可以通过步骤4063～4065对初始配准矩阵或通过步骤4061～4062进行进一步调整：
[0080]
步骤4063，根据平移向量以及预设距离阈值，确定平滑距离。
[0081]
步骤4064，基于固定点云集合和配准点云集合之间的重合部分的点云与其它部分点云之间的距离、平滑距离以及固定点云集合对应的行驶距离，确定权重。
[0082]
步骤4065，根据权重以及初始配准矩阵，确定目标配准矩阵。
[0083]
在变换之前，还需要依据点云中的点到相邻点云距离的远近进行加权，然后进行刚体变换，避免相邻点云在配准后断开或道路要素变化太突兀。根据平移向量t计算加权变换的点云距离范围d。令换的点云距离范围d。令表示平移的欧氏距离每变化1m，用20m的点云来进行平滑。
[0084]
设点云中的点到该点云一侧边界的距离为s，该点云沿行车轨迹的长度范围为l，权重参数为α。
[0085]
权重的计算公式为
[0086]
综上，得到的目标配准矩阵为对配准点云集合按该目标配准矩阵进行坐标变换，完成移动测量中的点云精准配准。
[0087]
步骤407，根据配准的点云数据，生成高精地图。
[0088]
本实施例中，执行主体还可以根据配准的点云数据，生成高精地图。由于对目标点云数据进行了充分利用，并提高了配准的精度，则使得高精地图的生成效率和准确度都有所提高。
[0089]
本公开的上述实施例提供的点云配准方法，可以降低参与配准计算的点云的数据量，从而提供计算效率；并且通过对配准矩阵进行平滑、加权等处理，使得移动测量场景中点云的配准更加高效和精确。
[0090]
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种点云配准装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各
种电子设备中。
[0091]
如图5所示，本实施例的点云配准装置500包括：点云获取单元501、点云划分单元502、重合度确定单元503、矩阵确定单元504和点云配准单元505。
[0092]
点云获取单元501，被配置成获取目标点云数据。
[0093]
点云划分单元502，被配置成将目标点云数据划分为多个点云集合。
[0094]
重合度确定单元503，被配置成确定各点云集合之间的重合度以及从重合度大于预设阈值的两个点云集合中确定出固定点云集合和配准点云集合。
[0095]
矩阵确定单元504，被配置成确定固定点云集合和配准点云集合之间的目标配准矩阵。
[0096]
点云配准单元505，被配置成根据目标配准矩阵，将固定点云集合和配准点云集合进行配准。
[0097]
在本实施例的一些可选的实现方式中，矩阵确定单元504可以进一步被配置成：确定固定点云集合和配准点云集合之间的初始配准矩阵；对初始配准矩阵进行调整，确定目标配准矩阵。
[0098]
在本实施例的一些可选的实现方式中，矩阵确定单元504可以进一步被配置成：将固定点云集合和配准点云集合之间的最邻近点作为对应点对；将对应点对的空间距离平方的平均值作为误差，通过迭代计算，响应于确定误差满足预设条件，确定初始配准矩阵。
[0099]
在本实施例的一些可选的实现方式中，初始配准矩阵包括旋转矩阵；。矩阵确定单元504可以进一步被配置成：根据旋转矩阵，确定目标点云数据所在坐标系的三个坐标轴对应的欧拉角表达式；调整至少一个欧拉角表达式，根据调整后的欧拉角表达式确定目标配准矩阵。
[0100]
在本实施例的一些可选的实现方式中，初始配准矩阵包括平移向量。矩阵确定单元504可以进一步被配置成：根据平移向量以及预设距离阈值，确定平滑距离；基于固定点云集合和配准点云集合之间的重合部分的点云与其它部分点云之间的距离、平滑距离以及固定点云集合对应的行驶距离，确定权重；根据权重以及初始配准矩阵，确定目标配准矩阵。
[0101]
在本实施例的一些可选的实现方式中，重合度确定单元503可以进一步被配置成：确定各点云集合的外包围框；根据各点云集合的外包围框之间的重合度，确定各点云集合之间的重合度。
[0102]
在本实施例的一些可选的实现方式中，重合度确定单元503可以进一步被配置成：对各点云集合进行滤波操作，确定滤波后各点云集合的外包围框。
[0103]
在本实施例的一些可选的实现方式中，重合度确定单元503可以进一步被配置成：获取各点云集合的精度；将重合度大于预设阈值的两个点云集合中精度高的点云集合作为固定点云集合，将精度低的点云集合作为配准点云集合。
[0104]
在本实施例的一些可选的实现方式中，点云划分单元502可以进一步被配置成：对目标点云数据按照预设时间段进行划分，得到多个点云集合。
[0105]
在本实施例的一些可选的实现方式中，装置500还可以包括高精地图生成单元，被配置成：根据配准的点云数据，生成高精地图。
[0106]
应当理解，点云配准装置500中记载的各单元5分别与图2中描述的方法中的各个
步骤相对应。由此，上文针对点云配准方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。
[0107]
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
[0108]
根据本公开的实施例，本公开还提供了还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
[0109]
图6示出了根据本公开实施例的执行点云配准方法的电子设备600的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0110]
如图6所示，电子设备600包括处理器601，其可以根据存储在只读存储器(rom)602中的计算机程序或者从存储器608加载到随机访问存储器(ram)603中的计算机程序，来执行各种适当的动作和处理。在ram 603中，还可存储电子设备600操作所需的各种程序和数据。处理器601、rom 602以及ram 603通过总线604彼此相连。i/o接口(输入/输出接口)605也连接至总线604。
[0111]
电子设备600中的多个部件连接至i/o接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储器608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0112]
处理器601可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器601的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器601执行上文所描述的各个方法和处理，例如点云配准方法。例如，在一些实施例中，点云配准方法可被实现为计算机软件程序，其被有形地包含于机器可读存储介质，例如存储器608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到ram 603并由处理器601执行时，可以执行上文描述的点云配准方法的一个或多个步骤。备选地，在其他实施例中，处理器601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行点云配准方法。
[0113]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0114]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。上述程序代码可以封装成计算机程序产品。这些程序代码或计算机程序产品可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器601执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0115]
在本公开的上下文中，机器可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读存储介质可以是机器可读信号存储介质或机器可读存储介质。机器可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学存储设备、磁存储设备、或上述内容的任何合适组合。
[0116]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0117]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
[0118]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务(“virtual private server”，或简称“vps”)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以是分布式系统的服务器，或者是结合了区块链的服务器。
[0119]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。
[0120]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开的保护范围之内。