裂缝SLAM模型构建方法、装置、设备及存储介质

裂缝slam模型构建方法、装置、设备及存储介质
技术领域
1.本发明涉及计算机技术领域，尤其涉及裂缝slam模型构建方法、装置、设备及存储介质。


背景技术：

2.桥梁、矿井等建筑是国家的基础设施，千百年来，桥梁、矿井已经成为人们生产生活中不可或缺的部分。一直以来，桥梁的安全状态都依赖于人工检测，而容易出现安全问题的桥梁通常造在崇山峻岭中或者大山大河之上，人工检测危险性极高，桥梁、矿井是用混凝土等建筑材料堆砌而成，长时间会在使用荷载或外界物理、化学因素的作用下，不断扩展，从而引起混凝土碳化、保护层剥落，并在桥梁内部形成力学间断面，需要定期的对其健康状况做出评估，而裂缝作为最主要的桥梁病害之一，严重影响运营，更为严重的会发生桥毁人亡的事故。因此，对裂缝进行有效的检测定位以及标注位置至关重要。
3.目前针对人工检测方法的缺陷，国内外提出了几种解决办法。例如采用爬行式机器人附着在桥梁的底面对裂缝进行检测，以及采用液压伸臂机构装载工业相机对桥梁底面裂缝进行检测；甚者还有使用航模飞机搭载相机对桥底裂缝进行检测。现代工业自动化生产中涉及到各种各样的缺陷标记的问题，对小型部件标注比较容易，但对于桥梁、矿洞等大型的标注问题，由于高度和结构的复杂，导致手动标注难度很大，所以采用自动化标注的方法变得至关重要。
4.桥梁等混凝土类裂缝检测设备得到广泛应用，但在建筑的裂缝位置定位标注以及受损程度的三维模型一直没有成熟的方案，比如传统人员都是用笔在桥等位置做个标记。该方法的检测效率低、准确性差、稳定性差、检测项目受限，需要人工操作或由于桥梁高而无法进行标注，此种方式劳动强度大，标注效果难有保证。


技术实现要素：

5.本发明提供了裂缝slam模型构建方法、装置、设备及存储介质，可以实现对待检测区域中的裂缝进行自动标注，有助于提高后期对裂缝的维修效率。
6.根据本发明的一方面，提供了一种裂缝检测方法，所述方法包括：
7.实时通过爬壁机器人对待检测区域进行裂缝检测，确定裂缝检测结果；
8.在基于爬壁机器人对待检测区域进行裂缝检测的过程中，实时获取所述爬壁机器人的目标位姿信息；
9.基于所述目标位姿信息，在预先构建的待检测区域slam模型中对所述裂缝检测结果进行标注，生成裂缝slam模型；其中，所述待检测区域slam模型中包括所述待检测区域中的特征点，在对所述裂缝检测结果进行标注的过程中，将所述特征点与所述裂缝检测结果进行融合。
10.根据本发明的另一方面，提供了一种裂缝slam模型构建装置，所述装置包括：
11.裂缝检测结果确定模块，用于实时通过爬壁机器人对待检测区域进行裂缝检测，
确定裂缝检测结果；
12.目标位姿信息获取模块，用于在基于爬壁机器人对待检测区域进行裂缝检测的过程中，实时获取所述爬壁机器人的目标位姿信息；
13.裂缝标注模块，用于基于所述目标位姿信息，在预先构建的待检测区域slam模型中对所述裂缝检测结果进行标注，生成裂缝slam模型；其中，所述待检测区域slam模型中包括所述待检测区域中的特征点，在对所述裂缝检测结果进行标注的过程中，将所述特征点与所述裂缝检测结果进行融合。
14.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
15.至少一个处理器；以及
16.与所述至少一个处理器通信连接的存储器；其中，
17.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的裂缝slam模型构建方法。
18.根据本发明的另一方面，提供了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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的裂缝slam模型构建方法。
19.本发明实施例的裂缝slam模型构建方案，实时通过爬壁机器人对待检测区域进行裂缝检测，确定裂缝检测结果；在基于爬壁机器人对待检测区域进行裂缝检测的过程中，实时获取所述爬壁机器人的目标位姿信息；基于所述目标位姿信息，在预先构建的待检测区域slam模型中对所述裂缝检测结果进行标注，生成裂缝slam模型；其中，所述待检测区域slam模型中包括所述待检测区域中的特征点，在对所述裂缝检测结果进行标注的过程中，将所述特征点与所述裂缝检测结果进行融合。通过本发明实施例提供的技术方案，可以实现对待检测区域中的裂缝进行自动标注，有助于提高后期对裂缝的维修效率。
20.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明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
21.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。
22.图1是本发明实施例一提供的一种裂缝slam模型构建方法的流程图；
23.图2是本发明实施例一提供的一种bowsule模型的架构示意图；
24.图3是本发明实施例一提供的一种裂缝slam模型的示意图；
25.图4是本发明实施例二提供的一种裂缝slam模型构建装置的结构示意图；
26.图5是实现本发明实施例的裂缝slam模型构建方法的电子设备的结构示意图。
具体实施方式
27.为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
28.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
29.实施例一
30.图1为本发明实施例一提供了一种裂缝slam模型构建方法的流程图，本实施例可适用于对裂缝进行标注的情况，该方法可以由裂缝slam模型构建装置来执行，该裂缝slam模型构建装置可以采用硬件和/或软件的形式实现，该裂缝slam模型构建装置可配置于电子设备中。如图1所示，该方法包括：
31.s110、实时通过爬壁机器人对待检测区域进行裂缝检测，确定裂缝检测结果。
32.其中，待检测区域可以为桥梁、煤矿、道路等建筑物的部分区域或全部区域，本发明实施例对待检测对象及待检测对象中的待检测区域不做限定。
33.在本发明实施例中，通过爬壁机器人对待检测区域实时进行裂缝检测，确定裂缝检测结果。其中，裂缝检测结果可以包括待检测区域的各个位置是否包含裂缝。可选的，可以通过爬壁机器人上的超声波检测装置、声发射检测装置，对待检测区域中的内部裂缝缺陷进行有效的检测，也可以通过结构光、tof对待检测区域的表面裂缝缺陷进行有效的检测。
34.可选的，通过爬壁机器人对待检测区域进行裂缝检测，确定裂缝检测结果，包括：通过爬壁机器人实时获取待检测区域的图像数据及冲击弹性波数据；分别根据所述图像数据及所述冲击弹性波数据对所述待检测区域进行裂缝检测，确定裂缝检测结果；其中，所述裂缝检测结果包括基于图像数据确定的表面裂缝检测结果及基于所述冲击弹性波数据确定的深度裂缝检测结果。这样设置的好处在于，可以准确对待检测区域的各个位置进行裂缝检测。
35.示例性的，在爬壁机器人在待检测区域爬行的过程中，可以通过爬壁机器人上的摄像头实时采集待检测区域的图像数据，然后电子设备获取爬壁机器人传输的图像数据，并根据图像数据对待检测区域进行表面裂缝检测，确定表面裂缝检测结果。表面裂缝检测结果可以包括是否包含表面裂缝以及表面裂缝的受损程度，其中，表面裂缝的受损程度可以通过表面裂缝的宽度表征，表面裂缝宽度越大，表示受损程度越大，反之，表面裂缝宽度越小，表示受损程度越小。例如，可以对图像数据进行图像分析，判断图像数据中是否包含裂缝，若是，则说明待检测区域中包含表面裂缝。当确定待检测区域中包含表面裂缝时，可进一步测量裂缝宽度，以反映裂缝受损程度。在爬壁机器人在待检测区域爬行的过程中，还可以通过爬壁机器人实时获取待检测区域的冲击弹性波数据，电子设备获取爬壁机器人传
输的冲击弹性波数据，根据冲击弹性波数据对待检测区域进行深度裂缝检测，确定深度裂缝检测结果。其中，深度裂缝检测结果可以包括是否包含深度裂缝以及深度裂缝的受损程度，其中，深度裂缝的受损程度可以通过深度裂缝的深度表征，表面裂缝深度越大，表示受损程度越大，反之，深度裂缝宽度越小，表示受损程度越小。例如，可以对冲击弹性数据进行图像分析，判断冲击弹性数据中是否包含裂缝，若是，则说明待检测区域中包含深度裂缝。当确定待检测区域中包含深度裂缝时，可进一步测量裂缝深度，以反映裂缝受损程度。在本发明实施例中，可以将表面裂缝检测结果和深度裂缝检测结果作为对待检测区域的裂缝检测结果。
36.可选的，分别根据所述图像数据及所述冲击弹性波数据对所述待检测区域进行裂缝检测，确定裂缝检测结果，包括：将所述图像数据输入至预先训练的裂缝检测模型中，根据所述裂缝检测模型的输出结果确定所述表面裂缝检测结果；将所述冲击弹性波数据输入至所述裂缝检测模型中，根据所述裂缝检测模型的输出结果确定所述深度裂缝检测结果。这样设置的好处在于，可以准确、快速的获取裂缝检测结果。
37.其中，裂缝检测模型可以理解为通过对图像数据或冲击弹性波数据进行分析，快速确定裂缝检测结果的机器学习模型。裂缝检测模型可以为卷积神经网络中的bowsule分类模型。示例性的，裂缝检测模型的构建过程可以包括如下步骤：第一步，建立bowsule模型；第二步，采集大量的裂缝图片,采用算法对裂缝图像进行旋转等变换扩充数据集，并对图像进行预处理，生成样本集；第三步，利用样本集对bowsule模型进行训练，生成裂缝检测模型。例如，图2为本发明实施例提供的一种bowsule模型的架构示意图。如图2所示，bowsule模型中包括一个带有16通道的7*7的卷积层，其步幅为2，且带有leakyrelu非线性激活函数。所有其他层都可以是capsule层，从主bowsule层开始。每一个bowsule层可以都设置一个4*4的姿态矩阵和一个logistic回归单元。b＝16种主bowsule类型中每一个的4*4姿态以该位置为中心的所有更低层leakyrelu的输出的线性变换。主bowsule可通过在更低层leakyrelu的同一个集合的加权和上应用sigmoid函数而得到的。主bowsule之后跟着三个3*3卷积bowsule层，其中每一层可以都带有16种bowsule类型，步幅分别为2和1，卷积bowsule的最后一层可以连接到最后的bowsule层，该层的每一个输出类别可以都有一个bowsule。
38.示例性的，待检测区域为整个桥梁，爬壁机器人在实时获取桥梁的图像数据及冲击弹性波数据的过程中，可以结合窗口滑动算法在图像数据及冲击弹性波数据上进行裂缝检测，然后采用图像金字塔和roi区域相结合的搜索策略加快裂缝检测速度。
39.s120、在基于爬壁机器人对待检测区域进行裂缝检测的过程中，实时获取所述爬壁机器人的目标位姿信息。
40.在本发明实施例中，基于爬壁机器人对待检测区域进行裂缝检测的过程中，可以通过爬壁机器人上设置的惯性测量单元(inertial measurement unit，imu)实时获取爬壁机器人的目标位姿信息，也可以通过对爬壁机器人采集的连续两帧图像的图像特征变化进行分析，确定爬壁机器人的目标位姿信息。需要说明的是，本发明实施例对爬壁机器人的目标位姿信息的确定方式不做限定。
41.可选的，在基于爬壁机器人对待检测区域进行裂缝检测的过程中，实时获取所述爬壁机器人的目标位姿信息，包括：在基于爬壁机器人对待检测区域进行裂缝检测的过程
中，通过所述爬壁机器人上的惯性测量单元imu实时获取所述爬壁机器人的初始位姿信息；在基于爬壁机器人对待检测区域进行裂缝检测的过程中，通过所述爬壁机器人实时获取的所述待检测区域的连续两帧图像，确定所述爬壁机器人的位姿变化信息；基于卡尔曼滤波算法对所述初始位姿信息及所述位姿变化信息进行融合，确定所述爬壁机器人的目标位姿信息。这样设置的好处在于，可以精确的获取爬壁机器人的目标位姿信息。
42.具体的，爬壁机器人上设置有imu，在爬壁机器人在待检测区域爬行的过程中，通过imu实时获取爬壁机器人在待检测区域的各个位置的位姿信息，将该位姿信息作为初始位姿信息。另外，爬壁机器人上设置有摄像头，在爬壁机器人在待检测区域爬行的过程中，通过摄像头实时采集待检测区域的各个位置的图像，从而在爬壁机器人爬行走完整个待检测区域后，可以获取多帧连续的图像，通过人工智能算法提取多帧连续的图像的图像特征，然后通过对连续两帧图像的图像特征进行对比，确定爬壁机器人的位姿变化信息。基于卡尔曼滤波器对初始位置信息及位姿变化信息进行融合，将融合后得到的位姿信息作为爬壁机器人的目标位姿信息。
43.s130、基于所述目标位姿信息，在预先构建的待检测区域slam模型中对所述裂缝检测结果进行标注，生成裂缝slam模型；其中，所述待检测区域slam模型中包括所述待检测区域中的特征点，在对所述裂缝检测结果进行标注的过程中，将所述特征点与所述裂缝检测结果进行融合。
44.其中，预先构建的待检测区域模型可以为基于同步定位与地图构建(simultaneous localization and mapping，slam)技术构建的三维slam模型。例如，可以通过爬壁机器人获取待检测区域的各个特征点，然后通过slam技术，根据待检测区域的各个特征点，构建待检测区域slam模型。可以理解的是，待检测区域slam模型中包括待检测区域中的各个特征点。在本发明实施例中，根据目标位置信息，在待检测区域模型中，对裂缝检测结果进行标注，这样可以在待检测区域模型中清楚的标注出包含裂缝的位置区域以及不包含裂缝的位置区域。由于待检测区域slam模型中包括待检测区域中的各个特征点，因此，在对裂缝检测结果进行标注的过程中，基于目标位姿信息，在待检测区域slam模型中将特征点与裂缝检测结果进行融合，生成裂缝slam模型。其中，裂缝检测结果可以包括是否包含裂缝、裂缝受损程度以及裂缝类型(表面裂缝及深度裂缝)。在对裂缝检测结果进行标注的过程中，对应不同的裂缝受损程度及不同的裂缝类型，采用不同的颜色曲面网格进行标注。图3为本发明实施例提供的一种裂缝slam模型的示意图。通过对待检测区域模型进行裂缝标注后，当需要对裂缝进行维修时，可以基于裂缝标注后的待检测区域模型(也即slam模型)准确定位到裂缝所处位置，有助于提高后期对裂缝的维修效率。
45.本发明实施例的裂缝slam模型构建方法，实时通过爬壁机器人对待检测区域进行裂缝检测，确定裂缝检测结果；在基于爬壁机器人对待检测区域进行裂缝检测的过程中，实时获取所述爬壁机器人的目标位姿信息；基于所述目标位姿信息，在预先构建的待检测区域slam模型中对所述裂缝检测结果进行标注，生成裂缝slam模型；其中，所述待检测区域slam模型中包括所述待检测区域中的特征点，在对所述裂缝检测结果进行标注的过程中，将所述特征点与所述裂缝检测结果进行融合。通过本发明实施例提供的技术方案，可以实现对待检测区域中的裂缝进行自动标注，有助于提高后期对裂缝的维修效率。
46.实施例二
47.图4为本发明实施例二提供的一种裂缝slam模型构建装置的结构示意图。如图4所示，该装置包括：
48.裂缝检测结果确定模块410，用于实时通过爬壁机器人对待检测区域进行裂缝检测，确定裂缝检测结果；
49.目标位姿信息获取模块420，用于在基于爬壁机器人对待检测区域进行裂缝检测的过程中，实时获取所述爬壁机器人的目标位姿信息；
50.裂缝标注模块430，用于基于所述目标位姿信息，在预先构建的待检测区域slam模型中对所述裂缝检测结果进行标注，生成裂缝slam模型；其中，所述待检测区域slam模型中包括所述待检测区域中的特征点，在对所述裂缝检测结果进行标注的过程中，将所述特征点与所述裂缝检测结果进行融合。
51.可选的，所述裂缝检测结果确定模块，包括：
52.数据获取单元，用于通过爬壁机器人实时获取待检测区域的图像数据及冲击弹性波数据；
53.裂缝检测结果确定单元，用于分别根据所述图像数据及所述冲击弹性波数据对所述待检测区域进行裂缝检测，确定裂缝检测结果；其中，所述裂缝检测结果包括基于图像数据确定的表面裂缝检测结果及基于所述冲击弹性波数据确定的深度裂缝检测结果。
54.可选的，所述裂缝检测结果确定单元，用于：
55.将所述图像数据输入至预先训练的裂缝检测模型中，根据所述裂缝检测模型的输出结果确定所述表面裂缝检测结果；
56.将所述冲击弹性波数据输入至所述裂缝检测模型中，根据所述裂缝检测模型的输出结果确定所述深度裂缝检测结果。
57.可选的，所述目标位姿信息获取模块，用于：
58.在基于爬壁机器人对待检测区域进行裂缝检测的过程中，通过所述爬壁机器人上的惯性测量单元imu实时获取所述爬壁机器人的初始位姿信息；
59.在基于爬壁机器人对待检测区域进行裂缝检测的过程中，通过所述爬壁机器人实时获取的所述待检测区域的连续两帧图像，确定所述爬壁机器人的位姿变化信息；
60.基于卡尔曼滤波算法对所述初始位姿信息及所述位姿变化信息进行融合，确定所述爬壁机器人的目标位姿信息。
61.可选的，所述裂缝检测结果包括：是否存在裂缝及裂缝受损程度。
62.本发明实施例所提供的裂缝slam模型构建装置可执行本发明任意实施例所提供的裂缝slam模型构建方法，具备执行方法相应的功能模块和有益效果。
63.实施例三
64.图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
65.如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连
接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
66.电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
67.处理器11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11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11执行上文所描述的各个方法和处理，例如裂缝slam模型构建方法。
68.在一些实施例中，裂缝slam模型构建方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的裂缝slam模型构建方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行裂缝slam模型构建方法。
69.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。
70.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
71.在本发明的上下文中，计算机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计算机程序。计算机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。备选地，计算机可读存储介质可以是机器可读信号介质。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)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
72.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：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电子设备。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。
73.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)、区块链网络和互联网。
74.计算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服务中，存在的管理难度大，业务扩展性弱的缺陷。
75.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，本发明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，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
76.上述具体实施方式，并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。