样本图像增强方法、装置、电子设备及计算机可读存储介质与流程

1.本技术涉及图像数据处理技术领域，尤其涉及样本图像增强方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.随着计算机技术的发展，车辆的辅助自动驾驶技术和导航技术也在日益进步，自动驾驶和导航都需要用到车载相机，车载相机在使用前，需要标定和位姿计算，当使用代码生成的mask图片对相机模型进行训练时，由于代码生成的车道线图片与真实车道线图片存在差异，会导致模型误差增大，进而影响自动驾驶的安全性和导航的准确性，因此，如何得到准确的车道线样本图像是一个需要解决的技术问题。


技术实现要素：

3.为解决或部分解决相关技术中存在的问题，本技术提供一种样本图像增强方法、装置、电子设备及计算机可读存储介质，能够将通过代码生成的车道线样本图像进行增强，使其与真实车道线图像更加吻合，进而减小模型误差。
4.本技术第一方面提供一种样本图像增强方法，该方法包括：
5.获取待处理样本图像，所述待处理样本图像中至少包括一组车道线；
6.在所述车道线上，随机选取至少一个车道线段确定为待处理车道线段；
7.对所述待处理车道线段进行增强处理，以改变所述待处理车道线段的形状，生成增强后的车道线样本图像。
8.作为本技术一种可能的实施方式，在该实施方式中，所述对所述待处理车道线段进行增强处理，以改变所述待处理车道线段的形状，包括：
9.在所述待处理车道线的边缘沿所述车道线方向添加预设宽度的模拟车道线。
10.作为本技术一种可能的实施方式，在该实施方式中，所述对所述待处理车道线段进行增强处理，以改变所述待处理车道线段的形状，包括：以所述待处理车道线段中的至少一个像素点为中心点，在预设的取值范围内随机选择一个值作为半径，生成样本增强区域，其中，所述样本增强区域的颜色与所述样本图像中所述车道线所在的道路颜色一致。
11.作为本技术一种可能的实施方式，在该实施方式中，所述对所述待处理车道线段进行增强处理，以改变所述待处理车道线段的形状，包括：
12.将所述待处理车导线段的起始和/或结束位置向偏离所述车道线的方向偏移。作为本技术一种可能的实施方式，在该实施方式中，所述获取待处理样本图像，所述待处理样本图像中至少包括一组车道线，包括：
13.获取道路实景图像，基于所述道路实景图像中车道线的数量和位置生成所述待处理样本图像，其中，所述待处理样本图像中的数量与所述道路实景图像中车道线的数量一致，所述待处理样本图像中车道线在所述待处理样本图像中的位置与所述道路实景图像中的车道线在所述道路实景图像中的位置一致。
14.作为本技术一种可能的实施方式，在该实施方式中，所述在所述车道线上，随机选取至少一个车道线段确定为待处理车道线段，包括：
15.在所述车道线上，随机选取不重复的至少一个随机长度的车道线确定为待处理车道线段。
16.作为本技术一种可能的实施方式，在该实施方式中，所述随机选取不重复的至少一个随机长度的车道线确定为待处理车道线段，包括：
17.在至少一条车道线上随机选取至少一个起始点，分别以所述起始点为起点，在所述起始点所在的车道线上沿相同方向在预设长度范围内选取随机长度的车道线作为待处理车道线，其中，各所述待处理车道线不重复。
18.作为本技术一种可能的实施方式，在该实施方式中，所述在所述待处理车道线段的边缘沿所述车道线方向添加预设宽度的模拟车道线，包括：
19.确定所述待处理样本图像中车道线区域的灰度值和非车道线区域的灰度值；
20.将所述待处理车道线段边缘预设宽度的区域的灰度值调整为所述车道线区域的灰度值，生成模拟车道线段。
21.本技术第二方面提供一种样本图像增强装置，该样本图像增强装置包括：
22.图像获取模块，用于获取待处理样本图像，所述待处理样本图像中至少包括一组车道线；
23.待处理车道线段确定模块，用于在所述车道线上，随机选取至少一个车道线段确定为待处理车道线段；
24.增强模块，用于对所述待处理车道线段进行增强处理，以改变所述待处理车道线段的形状，生成增强后的车道线样本图像，生成增强后的车道线样本图像。
25.本技术第三方面提供一种电子设备，包括：
26.处理器；以及
27.存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
28.本技术第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
29.本技术实施例在对实景道路的车道线样本图像进行处理时，在通过代码生成的车道线上，随机选取随机长度的车道线作为待处理车道线，并在待处理车道线的边缘沿车道线方向添加预设的随机宽度的模拟车道线，生成增强后的车道线样本图像，使得车道线样本图像中的车道线中存在毛刺，更接近实景车道线图像的真实情况，提升车道线样本图像的真实性和准确性，提升相机标定的准确性。
30.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
31.通过结合附图对本技术示例性实施方式进行更详细地描述，本技术的上述以及其它目的、特征和优势将变得更加明显，其中，在本技术示例性实施方式中，相同的参考标号通常代表相同部件。
32.图1是本技术实施例示出的样本图像增强方法的流程示意图；
33.图2是本技术实施例示出的待处理样本图像示意图；
34.图3是本技术实施例示出的车道线示意图；
35.图4是本技术实施例示出的起始点示意图；
36.图5是本技术实施例示出的待处理车道线段示意图；
37.图6是本技术实施例提供的一种待处理车道线段增强方法的流程示意图；
38.图7是本技术实施例提供的一种增强后的样本图像示意图；
39.图8是本技术实施例提供的一种样本图像增强装置的结构示意图；
40.图9是本技术实施例示出的电子设备的结构示意图。
具体实施方式
41.下面将参照附图更详细地描述本技术的实施方式。虽然附图中显示了本技术的实施方式，然而应该理解，可以以各种形式实现本技术而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本技术更加透彻和完整，并且能够将本技术的范围完整地传达给本领域的技术人员。
42.在本技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
43.应当理解，尽管在本技术可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。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该特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
44.随着计算机技术的发展，车辆的辅助自动驾驶技术和导航技术也在日益进步，自动驾驶和导航都需要用到车载相机，车载相机在使用前，需要标定和位姿计算，当使用代码生成的mask图片对相机模型进行训练时，由于代码生成的车道线图片与真实车道线图片存在差异，会导致模型误差增大，进而影响自动驾驶的安全性和导航的准确性，因此，如何得到准确的车道线样本图像是一个需要解决的技术问题
45.针对上述问题，本技术实施例提供一种样本图像增强方法，能够在对实景道路的车道线样本图像进行处理时，在通过代码生成的车道线上，随机选取随机长度的车道线作为待处理车道线，并在待处理车道线的边缘沿车道线方向添加预设的随机宽度的模拟车道线，生成增强后的车道线样本图像，使得车道线样本图像中的车道更接近实景车道线图像的真实情况，提升车道线样本图像的真实性和准确性，提升相机标定的准确性。
46.以下结合附图详细描述本技术实施例的技术方案。
47.图1是本技术实施例示出的样本图像增强方法的流程示意图。
48.参见图1，本技术实施例提供的样本图像增强方法包括：
49.步骤s101，获取待处理样本图像，所述待处理样本图像中至少包括一组车道线。
50.在本技术实施例中，待处理样本图像是指针对实景道路车道线生成的至少包括一组车道线的图像，该样本图像可以用于对相机进行标定。可选的，待处理样本图像中可以包括两条车道线、三条车道线、四条车道线或更多的车道线，对此，本技术不做限定。在本技术实施例中，待处理样本图像可以通过预设的代码生成，可选的，在通过代码生成待处理样本图像时，如图2所示，可以基于实景道路情况，将路面颜色设置为黑色，将车道线颜色设置为白色，便于区分，同时，根据实景道路图片中车道线之间的距离、长度、走向确定待处理样本图像中车道线之间的距离、长度及走向。在本技术实施例中，在生成待处理样本图像时，待处理样本图像的视角可以是车辆上相机在拍摄实景道路时的视角，可以想象，待处理样本图像由一个虚拟相机拍摄，该虚拟相机距离道路的高度以及该虚拟相机的拍摄角度可以是车辆上相机距离道路的高度和拍摄角度。
51.作为本技术一种可能的实施方式，为方便说明，以一个具体实施例为例，如图3所示，待处理样本图像中包括一组车道线，分别为左车道线和右车道线，其中，每条车道线由在同一直线上的不连续的线段组成，为方便说明，如图3所示，每条车道线只显示一段完整的车道线段。当然，在本技术实施例中，待处理样本图像中车道线是否连续、是否在同一直线、是否为直线都可以根据实际情况选择，对此，本技术不做限制。
52.步骤s102，在所述车道线上，随机选取至少一个车道线段确定为待处理车道线段。
53.在本技术实施例中，在对待处理样本图像进行处理时，随机在待处理样本图像的车道线上选取至少一个车道线段确定为待处理车道线段，其中，可以只在一条车道线上选取至少一个待处理车道线段，也可以在多条车道线上都选取至少一个待处理车道线段，也可以在每条车道线上都选取至少一个待处理车道线段，对此，本技术不做限制。
54.作为本技术一种可能的实施方式，为方便说明，接前述实施例，如图4所示，在随机选取待处理车道线段时，可以在条车道线上随机选择至少一个起始点，并根据每个起始点，按照车道线方向，选择随机长度的车道线作为待处理车道线段。在本技术实施例中，待处理车道线段的长度应该在一个可控的范围内，理论上不能超出该车道线的长度，为取得更好的模拟效果，待处理车道线段的长度应该不超过10cm。在本技术实施例中，如图4所示，在左车道线上，随机选择起始点a和b，在右车道线上，随机选择起始点c、d、e，其中，两条车道线的方向分别为a-b和c-d-e，在选取待处理车道线段时，分别以a、b、c、d、e为起点，按照各自所在车道线的方向，选取随机长度的车道线段确定为待处理车道线段，其中，每条待处理车道线段之间不存在重复车道线。
55.步骤s103，对所述待处理车道线段进行增强处理，以改变所述待处理车道线段的形状，生成增强后的车道线样本图像，生成增强后的车道线样本图像。
56.在本技术实施例中，在确定待处理车道线段之后，通过对待处理车道线段进行增强处理，改变待处理车道线段的形状，实现样本图像的增强。在本技术实施例中，对待处理车道线段的增强处理包括：
57.在所述待处理车道线的边缘沿所述车道线方向添加预设宽度的模拟车道线；和/或
58.以所述待处理车道线段中的至少一个像素点为中心点，在预设的取值范围内随机选择一个值作为半径，生成样本增强区域，其中，所述样本增强区域的颜色与所述样本图像中所述车道线所在的道路颜色一致；和/或
59.将所述待处理车导线段的起始和/或结束位置向偏离所述车道线的方向偏移。
60.在本技术实施例中，模拟车道线是指在待处理车道线段边缘添加的模拟车道线毛刺的部分，其中，模拟车道线与待处理样本图像中车道线的颜色相同。在本技术实施例中，待处理车道线段的边缘是指车道线的左右边缘，具体的，可以是车道线左右两边与路面接触的区域。预设宽度是指从车道线边缘开始，垂直于车道线走向方向的宽度，可选的，该宽度可以在1-10cm之间，当然，对于宽度的具体值，本技术不做限制。
61.作为本技术一种可能的实施方式，为方便说明，接前述实施例为例，在确定待处理车道线段之后，在每个待处理车道线段的边缘添加预设宽度的模拟车道线，如图5所示，可选的，在待处理车道线段的边缘添加模拟车道线时，可以是在待处理车道线段的左边缘，也可以是在待处理车道线段的右边缘，对此，本技术不做限制。
62.在本技术实施例中，对待处理车道线段的增强处理还可以是通过选取待处理车道线上的至少一个像素点，以其中一个像素点为例，以该像素点为中心，以随机选取的一个值为半径确定一个圆形的增强区域，其中，该随机选取的值是在一个预设范围类的值，将该增强区域的颜色调整为与该样本图像中车道线所在道路的路面的颜色一致，使其从视觉上看是车道线缺失了一小块，更符合实际情况中车道线的使用情况。
63.在本技术实施例中，对待处理车道线段的增强处理还可以是将该待处理车道线段的起始位置和/或结束位置进行小距离的偏移，使得该待处理车道线段的起始端和/或终止端向偏离该车道线所在方向的方向偏移。其中，偏移距离不宜过大，应该保证整条车道线在整体感官上处于一条直线上，对于具体的偏移距离，可以根据实际情况确定，本技术不做限制。
64.在本技术实施例中，待处理样本图像在经过本技术提供的图像增强方法进行增强后，可以作为神经网络的输入，通过神经网络预测相机外参，经过本技术提供的样本增强方法增强后的样本图像，可以大大提高神经网络对外参预测的准确性。其中，该神经网络可以是hnet神经网络，可选的，视神经网络的具体选择可以根据实际情况确定，本技术不做限制。
65.本技术实施例在对实景道路的车道线样本图像进行处理时，在通过代码生成的车道线上，随机选取随机长度的车道线作为待处理车道线，并在待处理车道线的边缘沿车道线方向添加预设的随机宽度的模拟车道线，生成增强后的车道线样本图像，使得车道线样本图像中的车道线中存在毛刺，更接近实景车道线图像的真实情况，提升车道线样本图像的真实性和准确性，提升相机标定的准确性。
66.作为本技术一种可能的实施方式，在该实施方式中，所述获取待处理样本图像，所述待处理样本图像中至少包括一组车道线，包括：
67.获取道路实景图像，基于所述道路实景图像中车道线的数量和位置生成所述待处理样本图像，其中，所述待处理样本图像中的数量与所述道路实景图像中车道线的数量一致，所述待处理样本图像中车道线在所述待处理样本图像中的位置与所述道路实景图像中的车道线在所述道路实景图像中的位置一致。
68.在本技术实施例中，在生成待处理样本图像时，为更好的还原实景道路中的车道线的分布情况，可以根据道路的实景图像中车道线的分布情况生成待处理样本图像。可选的，在生成待处理样本图像时，先确定道路实景图像中车道线的数量和每条车道线的位置，
保证待处理样本图像中车道线的数量与道路实景图像中车道线的数量一致，待处理样本图像中车道线在待处理样本图像中的位置与道路实景图像中的车道线在道路实景图像中的位置一致。根据实景道路图片中车道线之间的距离、长度、走向确定待处理样本图像中车道线之间的距离、长度及走向。在本技术实施例中，在生成待处理样本图像时，待处理样本图像的视角可以是车辆上相机在拍摄实景道路时的视角，可以想象，待处理样本图像由一个虚拟相机拍摄，该虚拟相机距离道路的高度以及该虚拟相机的拍摄角度可以是车辆上相机距离道路的高度和拍摄角度。
69.本技术实施例根据道路实景图像生成待处理样本图像，保证待处理样本图像与道路实景图像之间的关联性，确保待处理样本图像的准确性。
70.作为本技术一种可能的实施方式，在该实施方式中，所述在所述车道线上，随机选取至少一个车道线段确定为待处理车道线段，包括：
71.在所述车道线上，随机选取不重复的至少一个随机长度的车道线确定为待处理车道线段。
72.在本技术实施例中，在确定待处理样本图像中车道线上的待处理车道线段时，随机在待处理样本图像的车道线上选取至少一个车道线段确定为待处理车道线段，其中，可以只在一条车道线上选取至少一个待处理车道线段，也可以在多条车道线上选取都至少一个待处理车道线段，也可以在每条车道线上都选取至少一个待处理车道线段，对此，本技术不做限制。在本技术实施例中，每条车道线上的待处理车道线段不存在重复的车道线。
73.作为本技术一种可能的实施方式，为方便说明，以一个具体实施例为例，在待处理样本图像中确定待处理车道线段时，在每条车道线上，都随机选择至少一段待处理车道线段，其中，每个待处理车道线段的长度随机选择，其每个待处理车道线段不重复。
74.本技术实施例通过在车道线上将至少一个不重复的随机长度的车道线段确定为待处理车道线段，便于后续处理，增强待处理样本图像的真实性。
75.作为本技术一种可能的实施方式，在该实施方式中，所述随机选取不重复的至少一个随机长度的车道线确定为待处理车道线段，包括：
76.在至少一条车道线上随机选取至少一个起始点，分别以所述起始点为起点，在所述起始点所在的车道线上沿相同方向在预设长度范围内选取随机长度的车道线作为待处理车道线，其中，各所述待处理车道线不重复。
77.在本技术实施例中，如图4所示，在随机选取待处理车道线段时，可以在条车道线上随机选择至少一个起始点，并根据每个起始点，按照车道线方向，选择随机长度的车道线作为待处理车道线段。在本技术实施例中，待处理车道线段的长度应该在一个可控的范围内，理论上不能超出该车道线的长度，为取得更好的模拟效果，待处理车道线段的长度应该不超过10cm。在本技术实施例中，如图4所示，在左车道线上，随机选择起始点a和b，在右车道线上，随机选择起始点c、d、e，其中，两条车道线的方向分别为a-b和c-d-e，在选取待处理车道线段时，分别以a、b、c、d、e为起点，按照各自所在车道线的方向，选取随机长度的车道线段确定为待处理车道线段，其中，每条待处理车道线段之间不存在重复车道线。
78.本技术实施例通过在车道线上随机选择起始点，并基于起始点确定待处理车道线段，保证每个待处理车道线段之间不重复，保证待处理样本图像的准确性。
79.作为本技术一种可能的实施方式，在该实施方式中，如图6所示，所述在所述待处
理车道线段的边缘沿所述车道线方向添加预设宽度的模拟车道线，包括：
80.步骤s601，确定所述待处理样本图像中车道线区域的灰度值和非车道线区域的灰度值。
81.在本技术实施例中，待处理样本图像中包括车道线区域和非车道线区域，在对待处理车道线段进行处理时，先确定待处理样本图像中车道线区域和非车道线区域的灰度值。作为本技术一种可能的实施方式，接前述实施例，待处理样本图像中车道线区域为白色，非车道线区域为黑色，分别确定待处理样本图像中车道线区域和非车道线区域的灰度值。作为本技术一种可能的实施方式，车道线区域和非车道线区域的颜色可以根据实际情况选择，对此，本技术不做限制。
82.步骤s602，将所述待处理车道线段边缘预设宽度的区域的灰度值调整为所述车道线区域的灰度值，生成模拟车道线段。
83.在本技术实施例中，在确定待处理样本图像中车道线区域的灰度值和非车道线区域的灰度值之后，将前述实施例中确定的待处理车道线段的灰度值调整为待处理样本图像中车道线区域的灰度值，保证待处理车道线段的灰度值与待处理样本图像中车道线区域的灰度值一致，生成模拟车道线段。
84.作为本技术一种可能的实施方式，为方便说明，以一个具体实施例为例，如图7所示，待处理样本图像中，车道线区域的灰度值为255，非车道线区域的灰度值为0，将前述实施例中确定的待处理车道线段的灰度值调整为255，形成模拟车道线段。可选的，待处理样本图像中车道线区域的灰度值和非车道线区域的灰度值可以根据实际情况选择，对此，本技术不做限制。
85.本技术实施例通过调整待处理车道线段的灰度值，使待处理车道线段的灰度值与待处理样本图像中车道线区域的灰度值相同，生成模拟车道线段，对待处理样本图像实现增强，提升待处理样本图像的真实性，保证相机标定的准确性。
86.本技术实施例在对实景道路的车道线样本图像进行处理时，在通过代码生成的车道线上，随机选取随机长度的车道线作为待处理车道线，并在待处理车道线的边缘沿车道线方向添加预设的随机宽度的模拟车道线，生成增强后的车道线样本图像，使得车道线样本图像中的车道线中存在毛刺，更接近实景车道线图像的真实情况，提升车道线样本图像的真实性和准确性，提升相机标定的准确性。
87.与前述应用功能实现方法实施例相对应，本技术还提供了一种样本图像增强装置、电子设备及相应的实施例。
88.图8是本技术实施例示出的样本图像增强装置的结构示意图。
89.参见图8，本技术实施例提供的样本图像增强装置80包括：图像获取模块810、待处理车道线段确定模块820、以及增强模块830，其中：
90.图像获取模块810，用于获取待处理样本图像，所述待处理样本图像中至少包括一组车道线；
91.待处理车道线段确定模块820，用于在所述车道线上，随机选取至少一个车道线段确定为待处理车道线段；
92.增强模块830，用于对所述待处理车道线段进行增强处理，以改变所述待处理车道线段的形状，生成增强后的车道线样本图像，生成增强后的车道线样本图像。
93.作为本技术一种可能的实施方式，在该实施方式中，所述待处理车道线段确定模块820包括：
94.车道线确定单元，用于在至少一条车道线上随机选取至少一个起始点，分别以所述起始点为起点，在所述起始点所在的车道线上沿相同方向在预设长度范围内选取随机长度的车道线作为待处理车道线，其中，各所述待处理车道线不重复。
95.作为本技术一种可能的实施方式，在该实施方式中，所述增强模块830包括：
96.灰度值确定单元830，用于确定所述待处理样本图像中车道线区域的灰度值和非车道线区域的灰度值；
97.灰度值调节单元830，用于将所述待处理车道线段边缘预设宽度的区域的灰度值调整为所述车道线区域的灰度值，生成模拟车道线段
98.作为本技术一种可能的实施方式，在该实施方式中，图像获取模块810在获取待处理样本图像，所述待处理样本图像中至少包括一组车道线时，可以用于：
99.获取道路实景图像，基于所述道路实景图像中车道线的数量和位置生成所述待处理样本图像，其中，所述待处理样本图像中车道线的数量与所述道路实景图像中车道线的数量一致，所述待处理样本图像中车道线在所述待处理样本图像中的位置与所述道路实景图像中的车道线在所述道路实景图像中的位置一致。
100.作为本技术一种可能的实施方式，在该实施方式中，待处理车道线段确定模块820在所述车道线上，随机选取至少一个车道线段确定为待处理车道线段时，用于：
101.在所述车道线上，随机选取不重复的至少一个随机长度的车道线确定为待处理车道线段。
102.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。
103.本技术实施例在对实景道路的车道线样本图像进行处理时，在通过代码生成的车道线上，随机选取随机长度的车道线作为待处理车道线，并在待处理车道线的边缘沿车道线方向添加预设的随机宽度的模拟车道线，生成增强后的车道线样本图像，使得车道线样本图像中的车道线中存在毛刺，更接近实景车道线图像的真实情况，提升车道线样本图像的真实性和准确性，提升相机标定的准确性。
104.图9是本技术实施例示出的电子设备的结构示意图。
105.参见图9，电子设备90包括存储器910和处理器920。
106.处理器920可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
107.存储器910可以包括各种类型的存储单元，例如系统内存、只读存储器(rom)和永久存储装置。其中，rom可以存储处理器920或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用
大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器910可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(例如dram，sram，sdram，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器910可以包括可读和/或写的可移除的存储设备，例如激光唱片(cd)、只读数字多功能光盘(例如dvd-rom，双层dvd-rom)、只读蓝光光盘、超密度光盘、闪存卡(例如sd卡、min sd卡、micro-sd卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
108.存储器910上存储有可执行代码，当可执行代码被处理器920处理时，可以使处理器920执行上文述及的方法中的部分或全部。
109.此外，根据本技术的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本技术的上述方法中部分或全部步骤的计算机程序代码指令。
110.或者，本技术还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质)，其上存储有可执行代码(或计算机程序或计算机指令代码)，当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时，使处理器执行根据本技术的上述方法的各个步骤的部分或全部。
111.以上已经描述了本技术的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。