一种箱体的识别方法和装置与流程

1.本技术涉及智能识别技术领域，尤其涉及一种箱体的识别方法和装置。


背景技术：

2.目前，集装箱被广泛的应用在物流运输中，在运输过程中，箱体若出现破损、鼓肚箱等情况，对于运输是非常不便的。因此，需要监测集装箱的箱体情况。
3.目前所采用的集装箱箱体识别系统通过高清相机拍摄图片信息，根据图片信息对集装箱进行箱体识别。但是图像识别技术对于集装箱的箱体残损情况的识别具有很大局限，当集装箱的箱体情况为鼓肚箱时，无法根据图像有效识别。


技术实现要素：

4.有鉴于此，本技术提供了一种箱体的识别方法和装置，目的在于解决无法有效识别集装箱的箱体情况为鼓肚箱的问题。
5.为了实现上述目的，本技术提供了以下技术方案：
6.本技术的第一方面提供了一种箱体的识别方法，所述方法包括：
7.获取箱体的原始点云识别数据；
8.对所述原始点云数据进行预处理，得到点云识别数据，其中，所述预处理至少包括如下一种：筛选和解析；
9.对所述点云识别数据通过预设的平面拟合算法进行平面拟合，得到所述箱体的三维图像；
10.根据所述三维图像，得到所述箱体的最大突出距离；
11.判断所述最大突出距离是否大于预设的第一阈值；
12.若所述最大突出距离大于所述预设的第一阈值，则判断所述箱体为鼓肚箱。
13.可选的，所述对所述点云识别数据通过预设的平面拟合算法进行平面拟合，得到所述箱体的三维图像，包括：
14.根据所述点云识别数据，得到点云数；
15.获取多次迭代数对应的多个内点总数，其中，每次迭代的过程包括：从所述点云识别数据中获取三个点云，根据所述三个点云构建平面；计算所述点云识别数据中各个点云到所述平面的距离；计算内点的数量，得到点云总数，其中，所述内点为所述平面的距离小于预设的第二阈值的点云；
16.判断所述内点总数是否大于所述点云数的一半；
17.若所述内点总数大于或等于所述点云数的一半，则根据所述平面和所述点云识别数据，得到所述三维图像。
18.可选的，根据根据所述三维图像，得到所述箱体的最大突出距离，包括：
19.以所述三维图像中的一点作为零点，建立立体直角坐标系；
20.基于所述三维图像和所述立体直角坐标系，得到所述箱体在所述立体直角坐标系
中的坐标信息；
21.基于所述坐标信息，得到所述箱体的最大突出距离。
22.可选的，所述方法还包括：
23.若所述内点总数小于或等于所述点云数的一半，则削减预设的最大迭代次数，将当前迭代数加一，其中，所述当前迭代数的初始值为零；
24.判断所述当前迭代数是否大于削减后的最大迭代次数；
25.若所述当前迭代数大于所述最大迭代次数，则根据所述多个内点总数中内点总数最大的平面和所述点云识别数据，得到所述三维图像。
26.可选的，所述削减迭代次数，通过如下公式实现：
[0027][0028]
其中，所述p为获得正确平面的概率，所述t为所述内点总数，所述i
′
max
为削减后的最大迭代次数，所述n为所述平面上点云的总数量。
[0029]
可选的，所述获取箱体的原始点云识别数据，包括：
[0030]
在所述箱体经过激光雷达时，通过所述激光雷达采集所述箱体的箱体数据，得到所述原始点云识别数据。
[0031]
可选的，所述对所述原始点云数据进行筛选，包括：
[0032]
判断所述原始点云数据中的点云是否在所述箱体的检测范围；
[0033]
若所述原始点云数据中的点云不在所述箱体的检测范围，则剔除所述原始点云数据中的点云，得到所述点云识别数据。
[0034]
本技术的第二方面提供了一种箱体的识别装置，所述装置包括：获取模块，处理模块、图像建立模块和判断模块；
[0035]
所述获取模块，用于获取箱体的原始点云识别数据；
[0036]
所述处理模块，用于对所述原始点云数据进行预处理，得到点云识别数据，其中，所述预处理至少包括如下一种：筛选和解析；
[0037]
所述图像建立模块，用于对所述点云识别数据通过预设的平面拟合算法进行平面拟合，得到所述箱体的三维图像；
[0038]
所述处理模块，还用于根据所述三维图像，得到所述箱体的最大突出距离；
[0039]
所述判断模块，用于判断所述最大突出距离是否大于预设的第一阈值；
[0040]
若所述最大突出距离大于所述预设的第一阈值，则判断所述箱体为鼓肚箱。
[0041]
可选的，
[0042]
所述图像建立模块，还用于根据所述点云识别数据，得到点云数；
[0043]
所述图像建立模块，还用于获取多次迭代数对应的多个内点总数，其中，每次迭代的过程包括：：从所述点云识别数据中获取三个点云，根据所述三个点云构建平面；计算所述点云识别数据中各个点云到所述平面的距离；计算内点的数量，得到点云总数，其中，所述内点为点云到所述平面的距离小于预设的第二阈值的点云；
[0044]
所述图像建立模块，还用于判断所述内点总数是否大于所述点云数的一半；
[0045]
若所述内点总数大于或等于所述点云数的一半，则所述图像建立模块，还用于根据所述平面和所述点云识别数据，得到所述三维图像。
[0046]
可选的，所述处理模块，还用于以所述三维图像中的一点作为零点，建立立体直角坐标系；
[0047]
所述处理模块，还用于基于所述三维图像和所述立体直角坐标系，得到所述箱体在所述立体直角坐标系中的坐标信息；
[0048]
所述处理模块，还用于基于所述坐标信息，得到所述箱体的最大突出距离。
[0049]
可选的，若所述内点总数小于或等于所述点云数的一半，则所述图像建立模块，还用于削减预设的最大迭代次数，将当前迭代数加一；
[0050]
所述图像建立模块，还用于判断所述当前迭代数是否大于削减后的最大迭代次数；
[0051]
若所述当前迭代数大于所述最大迭代次数，则所述图像建立模块，还用于根据所述多个内点总数中内点总数最大的平面和所述点云识别数据，得到所述三维图像。
[0052]
可选的，所述图像建立模块，还用于所述削减迭代次数，通过如下公式实现：
[0053][0054]
其中，所述p为获得正确平面的概率，所述t为所述内点总数，所述i
′
max
为削减后的最大迭代次数，所述n所述平面上点云的总数量。
[0055]
可选的，所述获取模块，用于获取箱体的原始点云识别数据，包括：
[0056]
所述获取模块，还用于在所述箱体经过激光雷达时，通过所述激光雷达采集所述箱体的箱体数据，得到所述原始点云识别数据。
[0057]
可选的，所述判断模块，还用于判断所述原始点云数据中的点云是否在所述箱体的检测范围；
[0058]
若所述原始点云数据中的点云不在所述箱体的检测范围，则所述处理模块，还用于剔除所述原始点云数据中的点云，得到所述点云识别数据。
[0059]
本技术公开了一种箱体的识别方法和装置，该方法包括：获取箱体的原始点云识别数据；对所述原始点云数据进行预处理，得到点云识别数据，其中，所述预处理至少包括如下一种：筛选和解析；对所述点云识别数据通过预设的平面拟合算法进行平面拟合，得到所述箱体的三维图像；根据所述三维图像，得到所述箱体的最大突出距离；判断所述最大突出距离是否大于预设的第一阈值；若所述最大突出距离大于所述预设的第一阈值，则判断所述箱体为鼓肚箱。本技术通过根据箱体的点云识别数据，得到箱体的三维数据，计算箱体的最大突出距离，并根据最大距离判断该箱体是否为鼓肚箱，解决无法有效识别集装箱的箱体情况为鼓肚箱的问题。
附图说明
[0060]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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技术中记载的一些实施例，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。
[0061]
图1为本技术实施例提供的一种箱体的识别方法的流程示意图；
[0062]
图2为本技术实施例提供的另一种箱体的识别方法的流程示意图；
[0063]
图3为本技术实施例提供的一种箱体的识别装置的结构示意图；
[0064]
图4为本技术实施例提供的另一种箱体的识别方法的流程示意图；
[0065]
图5为本技术实施例提供的一种决策树的结构示意图；
[0066]
图6为本技术实施例提供的一种原始点云数据的结构示意图；
[0067]
图7为本技术实施例提供的一种点云识别数据的结构示意图；
[0068]
图8为本技术实施例提供的一种三维图像的示例图；
[0069]
图9为本技术实施例提供的一种根据三个点云获取到的平面示例图；
[0070]
图10为本技术实施例提供的一种平面的法向量与z轴夹角的示例图；
[0071]
图11为本技术实施例提供的平面识别算法各优化时间指标示意图；
[0072]
图12为本技术实施例提供的另一种箱体的识别装置的结构示意图。
具体实施方式
[0073]
下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
[0074]
下面结合图1，介绍本技术实施例提供的一种箱体的识别方法，可以通过步骤s101-s106实现。
[0075]
s101：获取箱体的原始点云识别数据。
[0076]
具体的，在箱体经过激光雷达时，通过激光雷达采集箱体的箱体数据，得到原始点云识别数据。
[0077]
s102：对原始点云数据进行预处理，得到点云识别数据。
[0078]
具体的，对原始点云数据进行筛选，具体的筛选过程为判断原始点云数据中的点云是否在箱体的检测范围。若原始点云数据中的点云不在箱体的检测范围，则剔除原始点云数据中的点云，得到点云识别数据。通过对原始点云数据的筛选，能够避免采集非箱体的数据，避免无用数据影响判断结果。
[0079]
具体的，对原始点云数据进行解析，具体的解析过程为将获取的原始点云数据包的数据存储格式从pcap解析成pcd或csv，并仅保留点云识别数据的坐标信息和反射率信息，能够避免数据冗杂，提高箱体数据识别效率。
[0080]
s103：对点云识别数据通过预设的平面拟合算法进行平面拟合，得到箱体的三维图像。
[0081]
具体的，根据点云识别数据，得到点云数。从点云识别数据中获取三个点云，根据三个点云构建平面。计算点云识别数据中各个点云到平面的距离。计算内点总数，其中，内点为平面的距离小于预设的第二阈值的点云。判断内点总数是否大于点云数的一半。若内点总数大于或等于点云数的一半，则根据平面和点云识别数据，得到三维图像。通过该平面拟合算法，能够得到箱体的侧面三维图像，能够根据该侧面三维图像进行箱体识别。
[0082]
s104：根据三维图像，得到箱体的最大突出距离。
[0083]
具体的，能够以三维图像中的一点作为零点，建立立体直角坐标系。基于三维图像和立体直角坐标系，得到箱体在立体直角坐标系中的坐标信息。基于坐标信息，得到箱体的
最大突出距离。通过将三维图像放置立体坐标系当中，能够根据三维图像在立体坐标系中的坐标信息，得到该箱体的最大突出距离、突出面积、突出体积等参数。后续能够根据这些参数对箱体情况进行分析。
[0084]
s105：判断最大突出距离是否大于预设的第一阈值。
[0085]
具体的，根据得到的箱体的最大突出距离，判断该最大突出距离是否大于预设的第一阈值。
[0086]
需要说明的是，能够根据业务需求，调整预设的阈值大小。
[0087]
s106：若最大突出距离大于预设的阈值，则判断箱体为鼓肚箱。
[0088]
具体的，当最大突出距离大于预设的阈值时，该箱体为鼓肚箱。
[0089]
通过本技术实施例提供的方法，能够通过根据箱体的点云识别数据，得到箱体的三维数据，计算箱体的最大突出距离，并根据最大距离判断该箱体是否为鼓肚箱，解决无法有效识别集装箱的箱体情况为鼓肚箱的问题。
[0090]
下面结合图2，介绍本技术提供的一种箱体识别方法，可以通过如下步骤s201-s205实现。
[0091]
在本技术实施例中，采用如图3所示的一种箱体识别装置，该装置包括：感知模块301、检测模块302和数据通信模块303。其中检测模块302由预处理模块304、箱面数据提取模块305、特征提取模块306和算法检测模块307组成。该装置能够通过消息队列遥测传输(message queuing telemetry transport，mqtt)协议接入所在港口的局域网。
[0092]
s201：获取原始点云数据。
[0093]
具体的，感知模块301用于进行原始点云数据的采集和保存。感知模块301通过激光雷达和触发式机制采集箱体的原始点云数据，并将该原始点云数据传输到所在港口的局域网内进行保存，能够保证原始点云数据的安全性。
[0094]
具体的，感知模块301采用触发式机制采集数据，当有车经过时，激光雷达才会开始采集数据，避免因大量采集无效数据导致占用存储空间与传输信道。
[0095]
具体的，感知模块301的检测范围包括箱体的侧箱面，前箱面和后箱面，激光雷达的数据采集频率大于5hz，实际采集效率能够根据实际需求进行调整。
[0096]
s202：对原始点云数据进行预处理。
[0097]
具体的，预处理模块304对原始点云数据进行解析和筛选，得到点云识别数据。
[0098]
具体的，预处理模块304能够识别车辆的停车位置，判断原始点云数据中的点云是否在箱体的检测范围。若原始点云数据中的点云不在箱体的检测范围，则剔除原始点云数据中的点云，得到点云识别数据。其中箱体的检测范围包括该箱体的侧箱面，前箱面和后箱面。
[0099]
具体的，预处理模块304将获取的原始点云数据包的数据存储格式从pcap解析成pcd或csv，并仅保留点云识别数据的坐标信息和反射率信息。
[0100]
具体的，原始点云数据如图6所示，处理后得到的点云识别数据如图7所示。
[0101]
s203：进行平面拟合。
[0102]
具体的，箱面数据提取模块305根据预处理模块输出的点云识别数据作为输入数据，根据该点云识别数据进行平面拟合，得到箱体的侧面三维图像。
[0103]
具体的，箱面数据提取模块305根据点云识别数据，得到点云数。从点云识别数据
中获取三个点云，根据三个点云构建平面。计算点云识别数据中各个点云到平面的距离。计算内点总数，其中，内点为平面的距离小于预设的第二阈值的点云。判断内点总数是否大于点云数的一半。若内点总数大于或等于点云数的一半，则根据平面和点云识别数据，得到三维图像，该三维图像如图8。
[0104]
具体的，当点云识别数据为运输车空载时，则结束流程。当点云识别数据为两个箱体的点云识别数据时，即双箱情况时，能够根据点云识别数据获取两个箱体的箱体数据，并根据两个箱体的箱体数据，分别得到三维图像。
[0105]
s204：进行箱体识别，得到识别结果。
[0106]
具体的，特征提取模块306能够以三维图像中的一点作为零点，建立立体直角坐标系。基于三维图像和立体直角坐标系，得到箱体在立体直角坐标系中的坐标信息。基于坐标信息，得到箱体的最大突出距离。通过将三维图像放置立体坐标系当中，能够根据三维图像在立体坐标系中的坐标信息，得到该箱体的最大突出距离、突出面积、突出体积等参数，并将这些参数输入给算法检测模块307中。
[0107]
具体的，在双箱情况时，特征提取模块306分别对两个三维图像进行特征提取。
[0108]
具体的，算法检测模块307将接收到的箱体参数输入到如图5所示的决策树中，由决策树给出识别结果，将决策结果发送给数据通信模块303，其中，该决策树中的std指用于分类的指标，gini指基尼系数反应了决策树每个节点分类的纯度，samples是节点中样本的个数，value是各个类别样本的数量，本处即不鼓，微鼓和鼓包的数量。
[0109]
具体的，算法检测模块307能够按照集装箱数量、负载情况分别给出检测结果。其中负载情况分为单箱、前箱和后箱，检测结果分为正常、轻微和严重。
[0110]
s205：反馈识别结果。
[0111]
具体的，数据通信模块303接收来自算法检测模块307的识别结果，将该识别结果上传至所在港口的局域网内进行保存，其中，传输数据时的数据延迟维持在毫秒级，并对数据进行加密和执行用户加密机制，保障了数据的安全性。
[0112]
通过本技术的实施例，能够通过激光雷达对集装箱箱体数据的三维数据采集，并根据采集到的识别数据，可以精准高效的得到识别结果。
[0113]
下面结合图4，介绍本技术提供的一种箱体识别方法，可以由步骤s401-s409实现。
[0114]
s401：根据点云识别数据，得到点云数。
[0115]
具体的，能够从点云识别数据中，获取点云数和各个点云的坐标值和反射率信息。
[0116]
具体的，下述描写的步骤s402-s404为一次迭代过程。
[0117]
s402：从点云识别数据中获取三个点云，根据三个点云构建平面。
[0118]
具体的，根据三个点云的坐标信息构建平面，通过如下解平面方程实现：
[0119][0120]
ax+by+cz-d＝0。其中，a、b、c为三个点云，向量n为所求平面的法向量，d为常数，a、b、c为平面方程的常系数，(x，y，z)为平面上一点的坐标。
[0121]
具体的，根据三个点云获取到的平面如图9所示。
[0122]
s403：计算点云识别数据中各个点云到平面的距离。
[0123]
具体的，计算点云到平面的数据通过如下解点面距离公式实现：
[0124]
其中，d为点云到平面的距离。
[0125]
s404：计算内点总数。
[0126]
具体的，内点为平面的距离小于预设的第二阈值的点云。
[0127]
具体的，预设的第二阈值能够根据实际需求进行调整。
[0128]
s405：判断内点总数是否大于点云数的一半。
[0129]
s406：若内点总数大于或等于点云数的一半，则根据平面和点云识别数据，得到三维图像。
[0130]
s407：削减预设的最大迭代次数，当前迭代数加一。
[0131]
具体的，削减最大迭代次数通过如下公式实现：
[0132][0133]
其中，i为最大迭代次数，p为获得正确平面的概率，t为内点总数，i
′
max
为削减后的最大迭代次数，n为平面上点云的总数量，当前迭代数的初始值为零。
[0134]
s408：判断当前迭代数是否大于最大迭代次数。
[0135]
具体的，若当前迭代数大于最大迭代次数，则进入步骤s409，若当前迭代数小于或等于最大迭代次数，则进入步骤s403。
[0136]
可以理解的是，重新进入步骤s403中后，所取的三个点云与之前选取的三个点云不能完全相同。
[0137]
s409：若当前迭代数大于最大迭代次数，则根据内点总数最大的平面和点云识别数据，得到三维图像。
[0138]
具体的，当当前迭代数大于最大迭代次数时，选取内点总数最大的平面和点云识别数据，认为该平面为最优解，并根据该平面得到三维图像。
[0139]
具体的，能够根据该三维图像，得到点面距离特征值、峰峰值(ptp)、方差(var)、标准差(std)、均值(avg)、拟合平面特征值以及法向量与z轴夹角。其中，法向量与z轴夹角如图10所示,该角度为拟合平面特征值，不同点对应的角度变化越大，说明该平面的起伏越大。
[0140]
需要说明的是，平面拟合的方法包括但不限于原始随机采样一致(random sample consensus，ransac)算法，优化ransac算法以及成分分析技术(principal components analysis，pca)，平面识别算法各优化时间指标如图11所示。
[0141]
通过本技术实施例，能够根据点云识别数据，构建三维图形，进而根据三维图像获取用于箱体检测的各项参数。
[0142]
下面结合图12，介绍本技术提供的一种箱体的识别装置，该装置包括：获取模块121，处理模块122、图像建立模块123和判断模块124。
[0143]
获取模块121，用于获取箱体的原始点云识别数据。
[0144]
处理模块122，用于对原始点云数据进行预处理，得到点云识别数据，其中，预处理至少包括如下一种：筛选和解析。
[0145]
图像建立模块123，用于对点云识别数据通过预设的平面拟合算法进行平面拟合，
得到箱体的三维图像。
[0146]
处理模块122，还用于根据三维图像，得到箱体的最大突出距离。
[0147]
判断模块124，用于判断最大突出距离是否大于预设的第一阈值。
[0148]
若最大突出距离大于预设的第一阈值，则判断箱体为鼓肚箱。
[0149]
具体的，图像建立模块123，还用于根据点云识别数据，得到点云数。
[0150]
图像建立模块123，还用于从点云识别数据中获取三个点云，根据三个点云构建平面。
[0151]
图像建立模块123，还用于计算点云识别数据中各个点云到平面的距离。
[0152]
图像建立模块123，还用于计算内点总数，其中，内点为平面的距离小于预设的第二阈值的点云。
[0153]
图像建立模块123，还用于判断内点总数是否大于点云数的一半。
[0154]
若内点总数大于或等于点云数的一半，则图像建立模块123，还用于根据平面和点云识别数据，得到三维图像。
[0155]
具体的，处理模块122，还用于以三维图像中的一点作为零点，建立立体直角坐标系。
[0156]
处理模块122，还用于基于三维图像和立体直角坐标系，得到箱体在立体直角坐标系中的坐标信息。
[0157]
处理模块122，还用于基于坐标信息，得到箱体的最大突出距离。
[0158]
具体的，若内点总数小于或等于点云数的一半，则图像建立模块123，还用于削减最大迭代次数，当前迭代数加一，其中，当前迭代数的初始值为零。
[0159]
图像建立模块123，还用于判断当前迭代数是否大于最大迭代次数。
[0160]
若当前迭代数大于最大迭代次数，则图像建立模块123，还用于根据多个内点总数中内点总数最大的平面和点云识别数据，得到三维图像。
[0161]
具体的，图像建立模块123，还用于削减迭代次数，通过如下公式实现：
[0162][0163]
其中，p为获得正确平面的概率，t为内点总数，i
′
max
为削减后的最大迭代次数，n为平面上点云的总数量。
[0164]
具体的，获取模块121，用于获取箱体的原始点云识别数据，包括：
[0165]
获取模块121，还用于在箱体经过激光雷达时，通过激光雷达采集箱体的箱体数据，得到原始点云识别数据。
[0166]
具体的，判断模块124，还用于判断原始点云数据中的点云是否在箱体的检测范围。
[0167]
若原始点云数据中的点云不在箱体的检测范围，则处理模块122，还用于剔除原始点云数据中的点云，得到点云识别数据。
[0168]
通过本技术实施例提供的装置，能够通过根据箱体的点云识别数据，得到箱体的三维数据，计算箱体的最大突出距离，并根据最大距离判断该箱体是否为鼓肚箱，解决无法有效识别集装箱的箱体情况为鼓肚箱的问题。
[0169]
本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第
四”等(如果存在)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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。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。
[0170]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0171]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑业务划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0172]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0173]
另外，在本技术各个实施例中的各业务单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件业务单元的形式实现。
[0174]
集成的单元如果以软件业务单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0175]
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的业务可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些业务存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
[0176]
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已。
[0177]
以上，以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，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技术各实施例技术方案的范围。