机场跑道角点检测方法、装置、计算机设备及存储介质与流程

1.本发明涉及图像识别技术领域，尤其涉及一种机场跑道角点检测方法、装置、计算机设备及存储介质。


背景技术：

2.随着机载航电技术的发展，诞生了许多飞行辅助系统。其中增强视景系统可以提升飞行员对外界环境的感知，增强飞行安全。跑道角点检测在增强视景系统中起到了重要作用。
3.目前，主要通过不规则四边形检测技术检测机场跑道角点，即使用基于深度学习的目标检测算法预测目标框的位置和大小的同时，也预测四个矩形框的角点偏移量，用于调整其角点位置，使之成为不规则四边形框。
4.通过上述技术预测的四个角点需在方框的四条边上(如图1所示)，但在飞机近着陆过程中，摄像头观测到的机场跑道的角点并不一定都在方框的四条边上，可能一条边上有两个角点，也可能该角点不落在边上，因此通过现有技术检测的机场跑道角点的准确率较低。


技术实现要素：

5.本发明提供一种机场跑道角点检测方法、装置、计算机设备及存储介质，用于提高机场跑道角点的检测准确率。
6.本发明实施例提供一种机场跑道角点检测方法，所述方法包括：
7.将待检测的舱外机载图像输入到机场跑道检测模型中，预测得到机场跑道中心相对于网格左上点的坐标、机场跑道宽高相对于所述舱外机载图像的值、四个机场跑道角点的偏差量；
8.根据所述机场跑道中心相对于网格左上点的坐标、跑道宽高相对于所述舱外机载图像的值、四个跑道角点的偏差量，计算机场跑道四个角点在所述舱外机载图像中的像素坐标。
9.本发明实施例提供一种机场跑道角点检测装置，所述装置包括：
10.预测模块，用于将待检测的舱外机载图像输入到机场跑道检测模型中，预测得到机场跑道中心相对于网格左上点的坐标、机场跑道宽高相对于所述舱外机载图像的值、四个机场跑道角点的偏差量；
11.计算模块，用于根据所述机场跑道中心相对于网格左上点的坐标、跑道宽高相对于所述舱外机载图像的值、四个跑道角点的偏差量，计算机场跑道四个角点在所述舱外机载图像中的像素坐标。
12.一种计算机设备，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机场跑道角点检测方法。
13.一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机场跑道角点检测方法。
14.本发明提供的一种机场跑道角点检测方法、装置、计算机设备及存储介质，首先将待检测的舱外机载图像输入到机场跑道检测模型中，预测得到机场跑道中心相对于网格左上点的坐标、机场跑道宽高相对于所述舱外机载图像的值、四个机场跑道角点的偏差量；根据所述机场跑道中心相对于网格左上点的坐标、跑道宽高相对于所述舱外机载图像的值、四个跑道角点的偏差量，计算机场跑道四个角点在所述舱外机载图像中的像素坐标。由于本技术使用了水平和垂直方向的角点偏移量训练的机场跑道检测模型，使机场跑道检测模型可以预测任意不规则四边形的四个角点在图像中的位置，且申请通过将图像分割成sxs的网格，取置信度最大的网格预测机场跑道，可有效降低背景干扰和误检测率。从而通过本技术可以提高机场跑道角点的检测准确率。
附图说明
15.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，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。
16.图1是现有技术中的不规则四边形方框示意图；
17.图2是本发明一实施例中机场跑道角点检测方法的流程图；
18.图3是本发明一实施例中机场跑道角点检测方法的架构图；
19.图4是本发明一实施例中机场跑道检测模型的训练流程图；
20.图5是本发明一实施例中机场跑道检测模型的架构图；
21.图6是本发明一实施例中角点偏差量示意图；
22.图7是本发明一实施例中机场跑道角点检测装置的一原理框图；
23.图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
24.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
25.在一实施例中，如图2和图3所示，提供了一种机场跑道角点检测方法，该方法包括如下步骤：
26.s201，将待检测的舱外机载图像输入到机场跑道检测模型中，预测得到机场跑道中心相对于网格左上点的坐标、机场跑道宽高相对于所述舱外机载图像的值、四个机场跑道角点的偏差量。
27.在本实施例中，舱外机载图像输入到机场跑道检测模型后，会将舱外机载图像划分成多个网格，然后预测每个网格的机场跑道中心相对于网格左上点的坐标、机场跑道宽高相对于所述舱外机载图像的值、四个机场跑道角点的偏差量。
28.机场跑道检测模型的输出维度为sxsxn，其中sxs表示分割的网格数，n为每个网格对应的预测结果，取预测结果中置信度最大的网格作为机场跑道检测模型输出，设第i行第j列的网格置信度最大，机场跑道检测模型的预测量输出为：
[0029][0030]
其中，为第i行第j列的网格置信度，为机场跑道中心相对于网格左上点的坐标，机场跑道宽高相对于所述舱外机载图像的值。
[0031]
为四个机场跑道角点的偏差量。具体的，为四个机场跑道角点的分别对应的水平偏差量，为四个机场跑道角点的分别对应的垂直偏差量。
[0032]
需要说明的是，本实施例中的水平偏差量为预测的包围跑道的宽高，最大方框的四个坐标和四个机场跑道角点的坐标计算得到的。针对水平偏差量的计算方式为：最大方框各角点的横坐标减去机场跑道角点的横坐标比上预测的包围跑道的宽；针对垂直偏差量的计算方式为：最大方框各角点的纵坐标减去机场跑道角点的纵坐标比上预测的包围跑道的高。
[0033]
在本实施例中，机场跑道检测模型可参考yolov3，使用了darknet53网络，并最终得到13x13，26x26，52x52的图像网格。与yolov3不同的是，本模型未使用anchor boxes，而是直接预测目标的位置、大小和角点偏移量。同时，在预测过程中，未使用非极大值抑制，而是直接取图像网格中置信度最大的网格数据作为预测结果输出。
[0034]
s202，根据所述机场跑道中心相对于网格左上点的坐标、跑道宽高相对于所述舱外机载图像的值、四个跑道角点的偏差量，计算机场跑道四个角点在所述舱外机载图像中的像素坐标。
[0035]
具体的，步骤s202计算机场跑道四个角点在所述舱外机载图像中的像素坐标包括：
[0036]
s2021，根据机场跑道中心相对于网格左上点的坐标、跑道宽高相对于所述舱外机载图像的值，得到跑道最大包围矩形框的中心点和宽高。
[0037]
例如，若第i行第j列的网格置信度最大，则机场跑道检测模型的预测量输出为：
[0038]
其中，为四个机场跑道角点的分别对应的水平偏差量，为四个机场跑道角点的分别对应的垂直偏差量。为第i行第j列的网格置信度，为机场跑道中心相对于网格左上点的坐标，机场跑道宽、高相对于所述舱外机载图像的值。
[0039]
根据下述公式计算跑道最大包围矩形框的中心点和宽高：
[0040][0041][0042][0043][0044]
其中，为最大包围矩形框的中心点的横坐标，为最大包围矩形框的中心点的纵坐标；为跑道最大包围矩形框的宽，为跑道最大包围矩形框的高。gw表示每个网格的宽，gh表示每个网格的高，w表示舱外机载图像的宽，h表示舱外机载图像的高。
[0045]
s2022，根据所述四个跑道角点的偏差量和所述四个跑道角点的偏差量，计算机场跑道四个角点在所述舱外机载图像中的像素坐标。
[0046]
在本实施例中，根据四个跑道角点的偏差量和四个跑道角点的偏差量可求得预测的跑道四个角点坐标：左上角点右上角点左下角点右下角点各个角点坐标的计算公式如下：
[0047][0048][0049][0050][0051][0052][0053][0054][0055]
如图3所示机场跑道检测模型使用流程图中，在采集到舱外机载数据(即舱外机载图像)之后，将舱外机载数据输入到已训练模型中(机场跑道检测模型)，预测得到机场跑道中心位置、机场跑道大小和机场跑道角点偏移量，然后根据预测的结果计算得到机场跑道四个角点的坐标，从而通过机场跑道检测模型实现了预测机场跑道角度坐标的预测，进而提高了场跑道角点的检测准确率。
[0056]
本发明提供的一种机场跑道角点检测方法，首先将待检测的舱外机载图像输入到机场跑道检测模型中，预测得到机场跑道中心相对于网格左上点的坐标、机场跑道宽高相对于所述舱外机载图像的值、四个机场跑道角点的偏差量；根据所述机场跑道中心相对于网格左上点的坐标、跑道宽高相对于所述舱外机载图像的值、四个跑道角点的偏差量，计算
机场跑道四个角点在所述舱外机载图像中的像素坐标。由于本技术使用了水平和垂直方向的角点偏移量训练的机场跑道检测模型，使机场跑道检测模型可以预测任意不规则四边形的四个角点在图像中的位置，且申请通过将图像分割成sxs的网格，取置信度最大的网格预测机场跑道，可有效降低背景干扰和误检测率。从而通过本技术可以提高机场跑道角点的检测准确率。
[0057]
在一实施例中，如图4和图5所示，提供了一种机场跑道检测模型的训练过程，该模型的训练过程如下所示：
[0058]
s401，获取舱外机载样本图像，并将舱外机载样本图像划分成多个网格。
[0059]
其中，所述舱外机载样本图像中标注有四个机场跑道角点的坐标。
[0060]
s402，根据四个机场跑道角点的坐标，计算舱外机载样本图像的真实量。
[0061]
其中，所述真实量包括每个网格的网格置信度、网格的机场跑道中心相对于网格左上点的坐标、机场跑道宽高相对于所述舱外机载图像的值、四个机场跑道角点的偏差量。若跑道方框中心点落在某个网格中，则将该网格置信度p设为1，不包含跑道中心点的网格置信度p皆设为0，其余标签值也都为0，即对于不包含跑道中心的网格的网格置信度、网格的机场跑道中心相对于网格左上点的坐标、机场跑道宽高相对于所述舱外机载图像的值、四个机场跑道角点的偏差量无需进行计算，均设置为0。
[0062]
具体的，所述根据所述四个机场跑道角点的坐标，计算舱外机载样本图像的真实量，包括：
[0063]
s4021，根据所述四个机场跑道角点的坐标，计算包围跑道的最大方框的宽高wb，hb和中心点位置xb，yb；
[0064]
在本实施例中，可通过x1，x2，x3，x4表示跑道四个角点在像素中的横坐标，y1，y2，y3，y4表示跑道四个角点在像素中的纵坐标。
[0065]
在标注四个机场跑道角点的坐标后，需得到包围跑道的最大方框，包括方框的宽高wb，hb和中心点位置xb，yb，如下式所示：
[0066]
xb＝[max(x1，x2，x3，x4)+min(x1，x2，x3，x4)]/2
[0067]
yb＝[max(y1，y2，y3，y4)+min(y1，y2，y3，y4)]/2
[0068]
wb＝max(x1，x2，x3，x4)-min(x1，x2，x3，x4)
[0069]
hb＝max(y1，y2，y3，y4)-min(y1，y2，y3，y4)
[0070]
s4022，根据包围跑道的最大方框的宽高wb，hb和中心点位置xb，yb，以及舱外机载样本图像的宽和高、每个网格的宽和高，计算每个网格的机场跑道中心相对于网格左上点的坐标，机场跑道宽高相对于舱外机载图像的值。
[0071]
具体的，通过下述公式计算每个网格的机场跑道中心相对于网格左上点的坐标，机场跑道宽高相对于所述舱外机载图像的值：
[0072]
x＝(xb％gw)/gw[0073]
y＝(yb％gh)/gh[0074]
w＝wb/w
[0075]
h＝hb/h
[0076]
其中，x为每个网格的机场跑道中心相对于网格左上点的横坐标，y为每个网格的机场跑道中心相对于网格左上点的纵坐标，w为机场跑道宽相对于所述舱外机载图像的值，
h为机场跑道高相对于所述舱外机载图像的值；
[0077]
s4023，根据所述包围跑道的宽高wb，hb，所述最大方框的四个坐标和所述四个机场跑道角点的坐标，计算四个机场跑道角点的偏差量。
[0078]
具体的，通过下述公式计算每个网格的机场跑道中心相对于网格左上点的坐标，机场跑道宽高相对于所述舱外机载图像的值：
[0079]
x＝(xb％gw)/gw[0080]
y＝(yb％gh)/gh[0081]
w＝wb/w
[0082]
h＝hb/h
[0083]
其中，x为每个网格的机场跑道中心相对于网格左上点的横坐标，y为每个网格的机场跑道中心相对于网格左上点的纵坐标，w为机场跑道宽相对于所述舱外机载图像的值，h为机场跑道高相对于所述舱外机载图像的值；gw为每个网格的宽，gh为每个网格的高，w为舱外机载图像的宽，h为舱外机载图像的高。
[0084]
具体的，通过下述公式计算四个机场跑道角点的偏差量：
[0085]
α
xn
＝s
xn
/wb[0086]
α
yn
＝s
yn
/hb[0087]sxn
＝|x
n-xn|
[0088]syn
＝|y
n-yn|
[0089]
其中，α
xn
为水平偏差量，α
yn
垂直偏差量；xn为最大方框的第n个角点的横坐标，xn为第n个机场跑道角点的横坐标，yn为最大方框的第n个角点的纵坐标，yn为第n个机场跑道角点的纵坐标。s
yn
和s
yn
在方框中的含义见图6所示。例如在图6中，第1机场跑道角点的偏差量s
x1
＝|x
1-x1|，其中x1为最大方框的左上角的角点的横坐标，x1为跑道(方框内置的四边形)的左上角的角点的横坐标。
[0090]
进一步的，本实施例在根据四个机场跑道角点的坐标，计算舱外机载样本图像的真实量之后，可使用数据增强方法，对图像和不规则四边形框同时进行平移、放大缩小、旋转、光亮度调整等处理方法，用于增加数据集的差异性。需要说明过的是，进行平移、放大缩小和旋转过程中，若有任意一个跑道角点超出图像区域，则将该网格的置信度设为0。
[0091]
s403，将舱外机载样本图像输入到所述机场跑道检测模型中，得到舱外机载样本图像的预测量。
[0092]
其中，所述预测量包括每个网格的网格置信度、网格的机场跑道中心相对于网格左上点的预测坐标、机场跑道宽高相对于所述舱外机载图像的预测值、四个机场跑道角点的预测偏差量。
[0093]
s404，计算所述预测量和所述真实量的损失函数值，根据损失函数值反向传播更新所述机场跑道检测模型的参数。
[0094]
在本发明提供的一个可选实施例中，计算所述预测量和所述真实量的损失函数值，包括：通过二值化交叉熵损失函数l
obj
＝bce(pre，truth)，计算网格置信度的损失：通过损失函数l
box
＝1-iou，计算位置和大小的损失，通过smoothl1损失函数l
bias
＝smoothl1(pre，truth)，计算跑道角点偏差量的损失。其中，iou为预测跑道区域和真实跑道区域的交值和并值之比。
[0095]
若所述真实量中的网格置信度为1，将所述l
obj
、所述l
box
和所述l
bias
的加权值确定为对应网格的损失值；若所述真实量中的网格置信度为0，将所述l
obj
确定为对应网格的损失值；对所有网格的损失值进行相加得到所述损失函数值。
[0096]
由于场景中由于只存在一个机场跑道，因此只设计了一个目标检测方框。通过将图像分割成sxs的网格，取其中置信度最大的网格作为机场跑道的预测网格，可以有效减少背景误检测情况。且由于本技术使用了水平和垂直方向的角点偏移量训练的机场跑道检测模型，使机场跑道检测模型可以预测任意不规则四边形的四个角点在图像中的位置。
[0097]
在飞机进近着陆过程中，通过将舱外机载图像输入进基于改进yolo的机场跑道检测模型中，得到机场跑道的目标方框，同时得到机场跑道的四个角点相对于该方框的水平和垂直的滑动偏移量，进而得到机场跑道四个角点在图像中的像素坐标。该发明可用于辅助飞行员进行进近着陆任务，为飞行员提供目视参考。
[0098]
应理解，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。
[0099]
在一实施例中，提供一种机场跑道角点检测装置，该机场跑道角点检测装置与上述实施例中机场跑道角点检测方法一一对应。如图7所示，该机场跑道角点检测装置包括：预测模块10、计算模块20。各功能模块详细说明如下：
[0100]
预测模块10，用于将待检测的舱外机载图像输入到机场跑道检测模型中，预测得到机场跑道中心相对于网格左上点的坐标、机场跑道宽高相对于所述舱外机载图像的值、四个机场跑道角点的偏差量；
[0101]
计算模块20，用于根据所述机场跑道中心相对于网格左上点的坐标、跑道宽高相对于所述舱外机载图像的值、四个跑道角点的偏差量，计算机场跑道四个角点在所述舱外机载图像中的像素坐标。
[0102]
在一个可选的实施例中，所示装置还包括：
[0103]
获取模块30，用于获取舱外机载样本图像，并将所述舱外机载样本图像划分成多个网格，所述舱外机载样本图像中标注有四个机场跑道角点的坐标；
[0104]
计算模块20，用于根据所述四个机场跑道角点的坐标，计算舱外机载样本图像的真实量，所述真实量包括每个网格的网格置信度、网格的机场跑道中心相对于网格左上点的坐标、机场跑道宽高相对于所述舱外机载图像的值、四个机场跑道角点的偏差量；
[0105]
预测模块10，用于将所述舱外机载样本图像输入到所述机场跑道检测模型中，得到舱外机载样本图像的预测量，所述预测量包括每个网格的网格置信度、网格的机场跑道中心相对于网格左上点的预测坐标、机场跑道宽高相对于所述舱外机载图像的预测值、四个机场跑道角点的预测偏差量；
[0106]
训练模块40，用于计算所述预测量和所述真实量的损失函数值，根据损失函数值反向传播更新所述机场跑道检测模型的参数。
[0107]
在一个可选的实施例中，计算模块20，具体用于：
[0108]
根据所述四个机场跑道角点的坐标，计算包围跑道的最大方框的宽高wb，hb和中心点位置xb，yb；
[0109]
根据所述包围跑道的最大方框的宽高wb，hb和中心点位置xb，yb，以及所述舱外机
载样本图像的宽和高、每个网格的宽和高，计算每个网格的机场跑道中心相对于网格左上点的坐标，机场跑道宽高相对于所述舱外机载图像的值；
[0110]
根据所述包围跑道的宽高wb，hb，所述最大方框的四个坐标和所述四个机场跑道角点的坐标，计算四个机场跑道角点的偏差量。
[0111]
在一个可选的实施例中，计算模块20，具体用于：
[0112]
通过下述公式计算每个网格的机场跑道中心相对于网格左上点的坐标，机场跑道宽高相对于所述舱外机载图像的值：
[0113]
x＝(xb％gw)/gw[0114]
y＝(yb％gh)/gh[0115]
w＝wb/w
[0116]
h＝hb/h
[0117]
其中，x为每个网格的机场跑道中心相对于网格左上点的横坐标，y为每个网格的机场跑道中心相对于网格左上点的纵坐标，w为机场跑道宽相对于所述舱外机载图像的值，h为机场跑道高相对于所述舱外机载图像的值；
[0118]gw
为每个网格的宽，gh为每个网格的高，w为舱外机载图像的宽，h为舱外机载图像的高。
[0119]
在一个可选的实施例中，计算模块20，具体用于：
[0120]
α
xn
＝s
xn
/wb[0121]
α
yn
＝s
yn
/hb[0122]sxn
＝|x
n-xn|
[0123]syn
＝|y
n-yn|
[0124]
其中，α
xn
为水平偏差量，α
yn
垂直偏差量；xn为最大方框的第n个角点的横坐标，xn为第n个机场跑道角点的横坐标，yn为最大方框的第n个角点的纵坐标，yn为第n个机场跑道角点的纵坐标。
[0125]
在一个可选的实施例中，训练模块40，具体用于：
[0126]
通过二值化交叉熵损失函数l
obj
＝bce(pre，truth)，计算网格置信度的损失：
[0127]
通过损失函数l
box
＝1-iou，计算位置和大小的损失，所述iou为预测跑道区域和真实跑道区域的交值和并值之比；
[0128]
通过smoothl1损失函数l
bias
＝smoothl1(pre，truth)，计算跑道角点偏差量的损失；
[0129]
若所述真实量中的网格置信度为1，将所述l
obj
、所述l
box
和所述l
bias
的加权值确定为对应网格的损失值；若所述真实量中的网格置信度为0，将所述l
obj
确定为对应网格的损失值；
[0130]
对所有网格的损失值进行相加得到所述损失函数值。
[0131]
在一个可选的实施例中，计算模块20，具体用于：
[0132]
根据所述机场跑道中心相对于网格左上点的坐标、跑道宽高相对于所述舱外机载图像的值，得到跑道最大包围矩形框的中心点和宽高；
[0133]
根据所述四个跑道角点的偏差量和所述四个跑道角点的偏差量，计算机场跑道四个角点在所述舱外机载图像中的像素坐标。
[0134]
关于机场跑道角点检测装置的具体限定可以参见上文中对于机场跑道角点检测计算方法的限定，在此不再赘述。上述机场跑道角点检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0135]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种机场跑道角点检测方法。
[0136]
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
[0137]
将待检测的舱外机载图像输入到机场跑道检测模型中，预测得到机场跑道中心相对于网格左上点的坐标、机场跑道宽高相对于所述舱外机载图像的值、四个机场跑道角点的偏差量；
[0138]
根据所述机场跑道中心相对于网格左上点的坐标、跑道宽高相对于所述舱外机载图像的值、四个跑道角点的偏差量，计算机场跑道四个角点在所述舱外机载图像中的像素坐标。
[0139]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0140]
将待检测的舱外机载图像输入到机场跑道检测模型中，预测得到机场跑道中心相对于网格左上点的坐标、机场跑道宽高相对于所述舱外机载图像的值、四个机场跑道角点的偏差量；
[0141]
根据所述机场跑道中心相对于网格左上点的坐标、跑道宽高相对于所述舱外机载图像的值、四个跑道角点的偏差量，计算机场跑道四个角点在所述舱外机载图像中的像素坐标。
[0142]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0143]
所属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。
[0144]
以上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。