基于人工智能的AGV货物掉落检测方法与系统与流程

基于人工智能的agv货物掉落检测方法与系统
技术领域
1.本发明涉及人工智能技术领域，具体涉及一种基于人工智能的agv货物掉落检测方法与系统。


背景技术：

2.agv又名无人搬运车、自动导航车和激光导航车，其显著特点的是无人驾驶。agv上装备有自动导向系统，该系统可以保障在不需要人工引航的情况下就能够沿预定的路线自动行驶，并将货物或物料自动从起始点运送到目的地。agv的另一个特点是柔性好、自动化程度高和智能化水平高，agv的行驶路径可以根据仓储货位要求、生产工艺流程等的改变而灵活改变，并且运行路径改变的费用与传统的输送带、刚性的传送线相比非常低廉。
3.发明人在实践中，发现上述现有技术存在以下缺陷：agv小车在运输货物时，由于货物装载时的整齐性及运输路径环境等因素影响，易发生货物掉落的情况，尤其是纸箱类型货物，易造成箱内物品的损坏，货物掉落也会变成路径障碍物，因此，通过货物掉落的情况分析货物掉落的原因，进而根据掉落的原因采取相应的措施是目前亟待解决的问题。


技术实现要素：

4.为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的agv货物掉落检测方法与系统，所采用的技术方案具体如下：
5.第一方面，本发明一个实施例提供了一种基于人工智能的agv货物掉落检测方法，该方法包括以下具体步骤：
6.当货物掉落时，根据每帧图像中所述货物相对于agv小车的平稳程度和位置偏移程度得到所述货物的掉落概率；
7.根据连续多帧图像中的所述掉落概率，得到随着时间变化的变化曲线函数；所述连续多帧图像是采集的所述货物掉落之前的视频图像；
8.根据所述变化曲线函数中多个时间段内的最大掉落概率序列中，起始时间段和结束时间段中对应的两个所述最大掉落概率建立关于所述货物掉落平稳趋势的直线函数，根据所述变化曲线函数与所述直线函数中对应时间段中所述最大掉落概率的偏离程度判断所述货物掉落的原因。
9.进一步地，所述货物掉落的判断方法，包括：
10.根据接收到的所述agv小车周围的声音频率的变化，对接收到的所述连续多帧图像进行目标检测以识别所述agv小车、所述货物以及色带；
11.根据所述视频图像中所述agv小车的坐标和所述货物的坐标的最大距离，以确定所述agv小车和所述货物之间的疑似掉落距离，进而根据所述疑似掉落距离确认所述货物是否掉落。
12.进一步地，所述根据所述变化曲线函数与所述直线函数中对应时间段中所述最大掉落概率的偏离程度判断所述货物掉落的原因，包括：
13.当所述偏离程度小于偏离程度阈值时，判定是由于货物装载不规范造成的货物掉落；否则，判定是由于行驶路面问题造成的货物掉落。
14.进一步地，所述当所述货物掉落时，还包括：
15.根据所述色带的像素点确定所述色带的直线方程；
16.通过掉落货物的所述中心点坐标和所述直线方程计算所述掉落货物与所述色带的距离，进而根据距离判断所述掉落货物是否阻碍道路通行。
17.进一步地，所述平稳程度是根据所述货物与所述agv小车之间的中心点距离得到的。
18.进一步地，所述位置偏移程度是根据相邻货物之间的距离与标准相邻货物之间的距离的差异得到的。
19.第二方面，本发明另一个实施例提供了一种基于人工智能的agv货物掉落检测系统，该系统具体包括：
20.概率获取单元，用于当货物掉落时，根据每帧图像中所述货物相对于agv小车的平稳程度和位置偏移程度得到所述货物的掉落概率；
21.函数建立单元，用于根据连续多帧图像中的所述掉落概率，得到随着时间变化的变化曲线函数；所述连续多帧图像是采集的所述货物掉落之前的视频图像；
22.原因分析单元，用于根据所述变化曲线函数中多个时间段内的最大掉落概率序列中，起始时间段和结束时间段中对应的两个所述最大掉落概率建立关于所述货物掉落平稳趋势的直线函数，根据所述变化曲线函数与所述直线函数中对应时间段中所述最大掉落概率的偏离程度判断所述货物掉落的原因。
23.进一步地，所述概率获取单元，包括：
24.图像处理单元，用于根据接收到的所述agv小车周围的声音频率的变化，对接收到的所述连续多帧图像进行目标检测以识别所述agv小车、所述货物以及色带；
25.掉落检测单元，用于根据所述视频图像中所述agv小车的坐标和所述货物的坐标的最大距离，以确定所述agv小车和所述货物之间的疑似掉落距离，进而根据所述疑似掉落距离确认所述货物是否掉落。
26.进一步地，所述原因分析单元中所述根据所述变化曲线函数与所述直线函数中对应时间段中所述最大掉落概率的偏离程度判断所述货物掉落的原因，包括：
27.当所述偏离程度小于偏离程度阈值时，判定是由于货物装载不规范造成的货物掉落；否则，判定是由于行驶路面问题造成的货物掉落。
28.进一步地，所述概率获取单元，包括：
29.方程获取单元，用于根据所述色带的像素点确定所述色带的直线方程；
30.距离分析单元，用于通过掉落货物的所述中心点坐标和所述直线方程计算所述掉落货物与所述色带的距离，进而根据距离判断所述掉落货物是否阻碍道路通行。
31.本发明至少存在以下有益效果：根据货物相对于agv小车的平稳程度和货物的位置偏移程度获取货物的掉落概率，进而根据货物掉落概率的变化程度分析货物掉落的原因，能够根据货物掉落的原因及时采取相应的措施，以防止后续发生货物掉落的可能性，进而降低了货物掉落的概率，也提高了agv小车的运输效率。
附图说明
32.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，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的介绍，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它附图。
33.图1为本发明一个实施例所提供的一种基于人工智能的agv货物掉落检测方法的流程图；
34.图2为本发明一个实施例所提供的一种基于人工智能的agv货物掉落检测方法的步骤流程图；
35.图3为本发明另一个实施例所提供的一种基于人工智能的agv货物掉落检测系统的结构框图；
36.图4为本发明实施例所提供的关于概率获取单元的结构框图。
具体实施方式
37.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能的agv货物掉落检测方法与系统，其具体实施方式、结构、特征及其作用，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
38.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
39.本发明实施例以下面这个应用场景为例对本发明进行说明：
40.该应用场景为：载有货物的agv小车，沿着色带的导引方向行进，在色带的延伸方向上设有多个相机，所设置的相机用于采集视野范围内的由色带形成的运输线路及其周边区域的图像。
41.由于利用色带进行引导的agv运输小车，其通常货物为纸箱包装的物品，该货物在运输的过程中，会由于货物自身摆放以及外部原因导致的掉落现象。因此，本发明实施例提供了一种基于人工智能的agv货物掉落检测方法，根据采集到的图像信息分析小车在行进过程中货物的平稳趋势判断货物的掉落原因。
42.下面结合附图具体的说明本发明所提供的一种基于人工智能的agv货物掉落检测方法与系统的具体方案。
43.参照附图1和附图2，本发明实施例提供了一种基于人工智能的agv货物掉落检测方法，该方法包括：
44.步骤s001，当货物掉落时，根据每帧图像中货物相对于agv小车的平稳程度和位置偏移程度得到货物的掉落概率。
45.具体的，本发明实施例通过声音检测和图像处理以确认是否货物掉落。
46.考虑到agv小车沿色带路径行驶时，若出现货物掉落情况会产生异常声音，因此，本发明实施例在agv小车外部安装声音传感器，进而能够时刻采集agv小车周围环境的声音信息。
47.根据接收到的agv小车周围的声音频率的变化，对接收到的连续多帧图像进行目标检测以识别agv小车、货物以及色带，具体为：设定声音频率阈值f
max
，当声音传感器获取的周围环境的声音频率f小于声音频率阈值f
max
时，认为无任何货物掉落；否则，当声音传感器接收到的声音频率f大于声音频率阈值f
max
时，认为当前agv小车可能存在货物掉落情况。
48.当agv小车行驶过程中声音传感器检测到的声音频率f大于声音频率阈值f
max
时，当前agv小车向服务端发送自身位置信息，触发覆盖该位置视野范围内的rgb相机，将rgb相机拍摄的视频图像传输给服务端，进而对视频图像中的连续多帧图像进行分析，以确认货物是否掉落。其中，rgb相机部署在agv小车的行驶路径中以记录其运输状态信息。
49.需要说明的是，(1)agv小车的位置信息可通过gps、马伦传感器等定位传感器得到。
50.(2)rgb相机的启动主要根据agv小车的位置信息进行设置，即当agv小车处于当前rgb相机的视野范围内时，rgb相机开始启动并拍摄记录当前agv小车的运输状态。
51.3)rgb相机根据当前的货物运输场景进行部署，将货物运输环境划分为不同的区域，在不同区域的中心位置部署rgb相机，以便其视野能够更好的覆盖自身所属区域。
52.本发明实施例利用语义分割的方式对接收到的连续多帧图像中的agv小车、货物以及色带进行目标识别。
53.优选的，本发明实施例采用编码器
‑
解码器结构的dnn网络进行目标检测，具体的训练内容为：
54.1)将采集到的含有agv小车、货物以及色带的图像作为训练数据集，对数据集进行标注，其中属于agv小车的像素区域为标注1，属于货物的像素区域标注为2，属于小车引导色带的区域标注为3，其余标注为0.其中随机选择数据集的80％作为训练集，剩余的20％作为验证集。
55.2)将图像数据和标签数据输入dnn网络中，利用编码器抽取图像特征，并将通道数变换为类别个数；然后通过解码器将特征图的高和宽变换为输入图像的尺寸，从而输出每个像素的类别。
56.3)dnn网络中的损失函数使用交叉熵损失函数。
57.进一步地，根据视频图像中agv小车的坐标和货物的坐标的最大距离，以确定agv小车和货物之间的疑似掉落距离，进而根据疑似掉落距离确认货物是否掉落。
58.具体的，本发明实施例中根据疑似掉落距离判断agv小车是否货物掉落的具体方法如下：
59.1)提取视频图像中的最后一帧图像，利用上述的dnn网络检测货物、agv小车和色带。
60.2)对于dnn网络得到的货物像素点区域利用连通域分析法，得到每个货物的最小外接矩形和对应最小外接矩形的中心点坐标(x
i
，y
i
)，其中，x
i
为第i个货物的中心点坐标的横坐标；y
i
为第i个货物的中心点坐标的纵坐标。
61.3)对于agv小车像素点区域同样采用连通域分析法，进而获得agv小车的最小外接矩形和对应最小外接矩形的中心点坐标(x
agv
，y
agv
)。
62.4)根据agv小车的最小外接矩形的中心点坐标(x
agv
，y
agv
)和货物的最小外接矩形的中心点坐标(x
i
，y
i
)计算agv小车和货物之间的疑似掉落距离，其疑似掉落距离的计算公
式如下：
[0063][0064]
其中，d
i
为agv小车和第i个货物之间的疑似掉落距离；δ为图像中像素点关于真实距离的缩放系数，且根据rgb相机标定获得。
[0065]
5)设定一个距离阈值h,将每个货物与agv小车之间的疑似掉落距离d
i
都与距离阈值h进行比较，若疑似掉落距离d
i
小于距离阈值h，则说明该货物属于agv小车当前携带的货物，未发生掉落；否则，说明该货物为掉落货物，即当前行驶的agv小车存在货物掉落。
[0066]
进一步地，当货物掉落时，根据每帧图像中货物相对于agv小车的平稳程度和位置偏移程度得到货物的掉落概率。
[0067]
具体的，考虑到agv小车在行驶过程中，出现货物掉落的原因主要分为外部因素和内部因素，其中外部因素是指agv小车的行驶路面问题，例如agv小车在行驶途中撞到其他物体、出现打滑、地面凹凸导致车身振动等问题；内部因素是指货物装载不规范，即货物在装载时未放置平稳或者规整，而agv小车在行驶途中的速度问题导致货物的不稳定性逐渐累积，直到超过货物放置的稳定要求，出现货物掉落。
[0068]
基于货物掉落原因的分析，本发明实施例对agv小车运行途中的货物状态进行分析，通过每帧图像中货物相对于agv小车的平稳程度和货物的位置偏移程度获取货物的掉落概率，则货物的掉落概率获取的具体过程为：
[0069]
1)当货物掉落时，采集货物掉落之前的视频图像以得到连续多帧图像。
[0070]
2)获取每帧图像中货物相对于agv小车的平稳程度，该平稳程度根据货物与agv小车之间的中心点距离得到的，具体为：对于当前agv小车上的货物,获取所有货物的最小外接矩形的中心点坐标，进而得到中心点集合a＝{(x1，y1)，(x2，y2)......(x
i
，y
i
)......}，根据每个货物的中心点坐标(x
i
，y
i
)和agv小车的中心点坐标(x
agv
，y
agv
)计算每个货物与agv小车之间的距离d
i
，其中，距离的计算公式为：
[0071][0072]
进一步的，根据每个货物到agv小车的距离，计算货物相对于agv小车的平稳程度k，计算方法如下：
[0073][0074]
其中，d
j
为第j个货物与agv小车之间的距离；d
j+1
为第j+1个货物与agv小车之间的距离；m为货物的总数量。
[0075]
3)获取每帧图像中货物的位置偏移程度，该位置偏移程度是根据相邻货物之间的距离与标准相邻货物之间的距离的差异得到的。为了更好的表达当前agv小车和货物各自的运动情况，本发明实施例根据货物的运动情况进行分析，以得到相邻货物之间的位置变化情况，具体为：首先根据货物的中心点坐标得到相邻货物之间的距离w
i
，然后根据所有货物之间的距离得到货物的位置偏移程度r，其中，获取货物的位置偏移程度r的公式如下：
[0076]
[0077]
其中，w
f_max
为标准相邻货物之间的距离。
[0078]
4)将每帧图像中货物相对于agv小车的平稳程度k和货物的位置偏移程度r通过映射函数f(x)＝1
‑
e
‑
x
映射到同一区间(0，1)内，进而将映射值采用加权求和的方式得到货物的掉落概率s，计算方法如下：
[0079]
s＝α*f(k)+β*f(r)
[0080]
其中，α为平稳程度的影响系数；β为位置偏移程度的影响系数。
[0081]
优选的，本发明实施例中取α＝0.6，β＝0.4。
[0082]
步骤s002，根据连续多帧图像中的掉落概率，得到随着时间变化的变化曲线函数；连续多帧图像是采集的货物掉落之前的视频图像。
[0083]
具体的，本发明实施例对得到的每帧图像分别获取其当前帧图像所对应的时间戳，并利用上述货物的掉落概率获取过程得到连续多帧图像所对应的货物的掉落概率，然后以时间为横坐标，货物的掉落概率为纵坐标构建二维函数，利用数据拟合的方法，建立当前时间段agv小车运输货物的状态曲线，也即是掉落概率的变化曲线函数f1(t)，该函数反映了随时间增加货物的掉落概率的变化关系。
[0084]
步骤s003，根据变化曲线函数中多个时间段内的最大掉落概率序列中，起始时间段和结束时间段中对应的两个最大掉落概率建立关于货物掉落平稳趋势的直线函数，根据变化曲线函数与直线函数中对应时间段中最大掉落概率的偏离程度判断货物掉落的原因。
[0085]
具体的，本发明实施例根据时间段经验值，对变化曲线函数f1(t)在其时间轴上进行分段，得到多个时间段分别为t1，t2，...，t
n
，并获取每个时间段内货物的最大掉落概率以形成最大掉落概率序列{s1，s2，...，s
n
}。
[0086]
基于变化曲线函数f1(t)得到的最大掉落概率，本发明实施例以最大掉落概率序列中起始时间段和结束时间段中对应的两个最大掉落概率点(t1，s1)、点(t
n
，s
n
)重新建立关于货物掉落平稳趋势的直线函数f2(t)，且货物掉落平稳趋势反映的是由于内部因素造成的货物掉落的概率变化趋势，进而获取最大掉落概率序列{s1，s2，...，s
n
}所对应的时刻在直线函数上的映射概率，计算相同时刻下变化曲线函数f1(t)的最大掉落概率和直线函数f2(t)的映射概率的差值，以得到货物的掉落概率的偏离程度m，计算偏离程度的公式如下：
[0087][0088]
其中，f2(t
i
)为t
i
时刻的映射概率；s
i
为t
i
时刻的最大掉落概率。
[0089]
如果随着时间的增加，agv小车运输货物的掉落概率在逐渐增大，且是平稳增加的一个过程，则得到的变化曲线函数f1(t)与直线函数f2(t)对应时刻的掉落概率的偏离程度非常小，则此时货物掉落的原因属于内部因素；否则属于外部因素。因此，本发明实施例设定一个偏离程度阈值m
mid
，当偏离程度m＜偏离程度阈值m
mid
时，认为当前agv小车发生货物掉落是货物装载不规范造成的，也即是内部因素造成的，则提醒该辆agv小车的货物装载人员进行规范装载；否则，认为当前agv小车发生货物掉落是行驶路面问题造成的，也即是外部因素造成的，需要通知工作人员对当前区域的路面信息进行及时检查，以防止后续agv小车通过该位置区域时，也发生货物掉落情况。
[0090]
进一步地，当检测到agv小车存在货物掉落时，本发明实施例通过分析图像中货物
掉落位置与色带位置的关系，判断当前掉落的货物是否会影响后续agv小车的运行，并采取相应的措施进行相关处理。
[0091]
具体的，本发明实施例根据获取掉落位置与色带位置之间的距离判断当前掉落的货物是否会影响后续agv小车的运行，其具体的判断方法如下：
[0092]
1)根据色带的像素点进行直线拟合得到色带的直线方程。
[0093]
对色带区域的图像进行二值化得到二值化图像，属于色带区域的像素点的像素值置为1，其他像素点的像素值置为0。对二值化图像进行细化，得到只含有单像素的色带线条信息。
[0094]
优选的，本发明实施例中的细化方法采用zhang快速并行细化，在其他实施例中还可以采用、hilditch细化算法、deutch细化算法等。
[0095]
对得到的单像素色带信息进行直线拟合，对属于色带的单像素点进行拟合，可以得到属于色带的直线方程，色带的直线方程利用如下公式进行表达：
[0096]
y＝k*x+b
[0097]
其中，k为色带信息在当前图像中的斜率；b为直线的截距。
[0098]
需要说明的是，本发明实施例采用最小二乘法进行直线拟合。
[0099]
2)通过掉落货物的中心点坐标和直线方程计算掉落货物与色带的距离，进而根据距离判断掉落货物是否影响所述agv小车的运输效率。
[0100]
根据每个掉落货物的中心点坐标(x
i
，y
i
)计算该掉落货物到当前色带的距离，具体的计算公式为：
[0101][0102]
其中，w为根据相机标定原理得到的像素点距离到真实距离的比例；l
i
为第i个掉落货物到该色带的距离。
[0103]
进一步地，根据先验理论，每个agv小车行驶在色带上时，其左右两侧距离色带的最大距离为p
max
，将每个掉落货物到色带的距离l
i
与该最大距离p
max
进行比较，若距离l
i
小于最大距离p
max
，则说明当前掉落货物会对后续运输货物的agv小车造成运输障碍，影响agv小车的运输效率；否则，说明当前掉落货物不会造成任何影响。
[0104]
若检测到当前agv小车掉落的货物会对后续运输小车造成线路堵塞，则根据检测到掉落货物位所对应的相机的位置信息，提醒工作人员立刻进行相关掉落货物的回收，相关掉落物品为工作人员在现场看到的所有掉落货物。
[0105]
工作人员完成货物回收后，向当前位置的相机发生清除缓存控制指令，将当前位置的相机内存储的多张视频图像信息进行删除，以防止相机的内存占用率过满，无法进行后续图像的缓存。
[0106]
综上所述，本发明实施例提供了一种基于人工智能的agv货物掉落检测方法，该方法通过声音传感器初步判断agv小车的货物掉落，同时触发agv小车位置区域的相机进行视频图像传输至服务端，服务端通过分析最后一帧图像中货物与agv小车之间的距离确定agv小车是否存在货物掉落现象，进而根据连续多帧图像中由货物相对于agv小车的平稳程度和货物的位置偏移程度得到的货物的掉落概率，分析货物掉落的原因以采取相应的措施，进而当存在掉落货物时，根据掉落货物到色带的距离判断掉落货物是否影响agv小车的运
行以采取相应的措施。根据货物相对于agv小车的平稳程度和货物的位置偏移程度获取货物的掉落概率，进而根据货物掉落概率的变化程度分析货物掉落的原因，能够根据货物掉落的原因及时采取相应的措施，以防止后续发生货物掉落的可能性，进而降低了货物掉落的概率，也提高了agv小车的运输效率。
[0107]
基于与上述方法相同的发明构思，本发明实施例提供了一种基于人工智能的agv货物掉落检测系统。
[0108]
参见附图3，本发明实施例提供了一种基于人工智能的agv货物掉落检测系统，该系统具体包括：概率获取单元10、函数建立单元20以及原因分析单元30。
[0109]
概率获取单元10用于当货物掉落时，根据每帧图像中货物相对于agv小车的平稳程度和位置偏移程度得到货物的掉落概率。
[0110]
函数建立单元20用于根据连续多帧图像中的掉落概率，得到随着时间变化的变化曲线函数；连续多帧图像是采集的货物掉落之前的视频图像。
[0111]
原因分析单元30用于根据变化曲线函数中多个时间段内的最大掉落概率序列中，起始时间段和结束时间段中对应的两个最大掉落概率建立关于货物掉落平稳趋势的直线函数，根据变化曲线函数与直线函数中对应时间段中最大掉落概率的偏离程度判断货物掉落的原因。
[0112]
进一步地，参见附图4，概率获取单元10包括图像处理单元11和掉落检测单元12。
[0113]
图像处理单元11用于根据接收到的agv小车周围的声音频率的变化，对接收到的连续多帧图像进行目标检测以识别agv小车、货物以及色带。
[0114]
掉落检测单元12用于根据视频图像中agv小车的坐标和货物的坐标的最大距离，以确定agv小车和货物之间的疑似掉落距离，进而根据疑似掉落距离确认货物是否掉落。
[0115]
进一步地，原因分析单元30中根据变化曲线函数与直线函数中对应时间段中最大掉落概率的偏离程度判断货物掉落的原因，包括：
[0116]
当偏离程度小于偏离程度阈值时，判定是由于货物装载不规范造成的货物掉落；否则，判定是由于行驶路面问题造成的货物掉落。
[0117]
进一步地，参见附图4，概率获取单元10还包括方程获取单元13和距离分析单元14。
[0118]
方程获取单元13用于根据色带的像素点确定色带的直线方程。
[0119]
距离分析单元14用于通过掉落货物的中心点坐标和直线方程计算掉落货物与色带的距离，进而根据距离判断掉落货物是否阻碍道路通行。
[0120]
综上所述，本发明实施例提供了一种基于人工智能的agv货物掉落检测系统，该系统在确认货物掉落时，利用概率获取单元10根据每帧图像中货物相对于agv小车的平稳程度和位置偏移程度得到货物的掉落概率；在函数建立单元20根据连续多帧图像中的掉落概率，得到随着时间变化的变化曲线函数；进而建立货物掉落平稳趋势的直线函数，根据变化曲线函数与直线函数中对应时间段中最大掉落概率的偏离程度判断货物掉落的原因。根据货物相对于agv小车的平稳程度和货物的位置偏移程度获取货物的掉落概率，进而根据货物掉落概率的变化程度分析货物掉落的原因，能够根据货物掉落的原因及时采取相应的措施，以防止后续发生货物掉落的可能性，进而降低了货物掉落的概率，也提高了agv小车的运输效率。
[0121]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0122]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0123]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。