本發(fā)明涉及計算機技術領域，尤其涉及一種魚眼相機的標定方法及裝置。

背景技術：

隨著計算機視覺技術的不斷發(fā)展，復雜場景的實時繪制已經成為可能，其生成的全景圖像被應用于醫(yī)學成像、軍事遙感、虛擬現實世界和車載安全等眾多領域。全景圖像拼接技術首先采集各個方向的圖像，然后利用相鄰兩個方向圖像重疊部分的像素相似性，將多幅圖像拼接成一幅大的圖像。為了使其最大程度地接近現實場景，通常采用特殊的魚眼鏡頭采集圖像。

魚眼鏡頭是一種超廣角鏡頭，因其前鏡片呈拋物狀向鏡頭前部凸出，與魚眼睛頗為相似而得名。魚眼鏡頭的視角可接近或等于180°(部分特殊魚眼鏡頭的視野寬度甚至可達220°至230°)，并且其價格經濟實惠，已在諸多領域得到了廣泛的應用，例如：計算機視覺、虛擬現實、行車安全以及視覺監(jiān)控等。

雖然魚眼鏡頭可以獲得很大的視角，但是根據物理成像的規(guī)律，焦距越短，視角越大，為了獲得較廣的視野，魚眼鏡頭的焦距為16mm或者更短。因此，魚眼相機采集的圖像通常都引入了桶形畸變，所成圖像除了畫面中心點的景物保持不變外，其他本應該水平或者豎直的景物都發(fā)生了相應的變化。圖1示出魚眼相機所采集的圖像發(fā)生桶形畸變的示意圖。如圖1所示，由于魚眼相機所采集的圖像發(fā)生桶形畸變，因此圖像的內容不能很好地被使用者所理解。為了符合人眼的觀察習慣，在進行圖像拼接之前，需要對魚眼鏡頭的相關參數進行精確地校正，這個校正的過程在計算機視覺中稱為標定。

與常規(guī)的小孔成像原理不同，魚眼鏡頭的成像基于非相似原理。圖2示出魚眼相機投影模型的示意圖。如圖2所示，將魚眼鏡頭近似看成是一個半球模型，世界坐標系中的點M＝(X_W,Y_W,Z_W)發(fā)出的光線首先通過魚眼相機光心O，映射到相機坐標系上的點P＝(X_C,Y_C,Z_C)，投影關系如式1所示：

其中，R是世界坐標系和相機坐標系之間的旋轉矩陣，t是一個三維的平移向量。從M出發(fā)的光線投影到成像平面，由于光路彎曲，因此投影成點m，而一般透視投影的投影點為m′。該投影關系如式2所示：

其中，

λ為非零度因子，K為內參數矩陣，f_x和f_y分別是圖像水平軸和垂直軸的尺度因子，c_x和c_y是圖像坐標系原點在像素坐標系中的坐標。

該投影過程是非線性的，根據投影函數g的不同，可以提出不同的魚眼相機模型。

隨著魚眼相機在車載360全景、視頻監(jiān)控和機器人視覺等方面的廣泛應用，魚眼相機的標定成為一個重要的課題。近年來，相關技術中提出了多種魚眼相機標定的方法。例如，一種較普遍的方法為基于球面模型的魚眼圖像校正法，在這種方法中，只要球面模型被確定，就決定了其畸變校正的效果，這就可能存在校正強度不夠或者過校正的問題，且不具有效果的調節(jié)能力。在另一種方法中，需要從不同視角采集多幅標定的圖像，這種方法的實時性不高，不能很好地應用于行車安全和視覺監(jiān)控等方面。

技術實現要素：

技術問題

有鑒于此，本發(fā)明要解決的技術問題是，魚眼相機的標定的精確度較低。

解決方案

為了解決上述技術問題，根據本發(fā)明的一實施例，提供了一種魚眼相機的標定方法，包括：

檢測畸變圖中的第一組特征點；

對所述畸變圖進行投影處理，得到所述畸變圖對應的投影圖；

檢測所述投影圖中的第二組特征點；

對所述投影圖進行反投影處理，得到所述畸變圖，并確定所述第一組特征點和所述第二組特征點在所述畸變圖的圖像坐標系中的坐標；

根據所述第一組特征點和所述第二組特征點的位置確定所述第一組特征點和所述第二組特征點與預先設置的目標點的對應關系；

根據所述對應關系以及所述目標點在世界坐標系中的坐標，確定所述第一組特征點和所述第二組特征點在世界坐標系中對應的坐標；

根據所述第一組特征點和所述第二組特征點在所述圖像坐標系中的坐標以及在所述世界坐標系中對應的坐標，對所述魚眼相機進行標定，并得到所述畸變圖對應的校正圖。

對于上述方法，在一種可能的實現方式中，所述第一組特征點為預先放置于所述魚眼相機的采集范圍中央的棋盤格標定布對應的特征點；

所述第二組特征點為預先放置于所述魚眼相機的采集范圍內、所述棋盤格標定布兩側的多邊形標定布對應的特征點。

對于上述方法，在一種可能的實現方式中，所述多邊形標定布為矩形標定布。

對于上述方法，在一種可能的實現方式中，對所述畸變圖進行投影處理，得到所述畸變圖對應的投影圖，包括：

將水平面作為投影面，并將所述畸變圖投影在水平面上，得到所述畸變圖對應的投影圖。

對于上述方法，在一種可能的實現方式中，檢測畸變圖中的第一組特征點，包括：采用角點檢測算法檢測所述畸變圖中的第一組特征點；

檢測所述投影圖中的第二組特征點，包括：采用所述角點檢測算法檢測所述投影圖中的第二組特征點。

為了解決上述技術問題，根據本發(fā)明的另一實施例，提供了一種魚眼相機的標定裝置，包括：

第一組特征點檢測模塊，用于檢測畸變圖中的第一組特征點；

投影模塊，用于對所述畸變圖進行投影處理，得到所述畸變圖對應的投影圖；

第二組特征點檢測模塊，用于檢測所述投影圖中的第二組特征點；

反投影模塊，用于對所述投影圖進行反投影處理，得到所述畸變圖，并確定所述第一組特征點和所述第二組特征點在所述畸變圖的圖像坐標系中的坐標；

對應關系確定模塊，用于根據所述第一組特征點和所述第二組特征點的位置確定所述第一組特征點和所述第二組特征點與預先設置的目標點的對應關系；

坐標確定模塊，用于根據所述對應關系以及所述目標點在世界坐標系中的坐標，確定所述第一組特征點和所述第二組特征點在世界坐標系中對應的坐標；

標定與校正模塊，用于根據所述第一組特征點和所述第二組特征點在所述圖像坐標系中的坐標以及在所述世界坐標系中對應的坐標，對所述魚眼相機進行標定，并得到所述畸變圖對應的校正圖。

對于上述裝置，在一種可能的實現方式中，所述第一組特征點為預先放置于所述魚眼相機的采集范圍中央的棋盤格標定布對應的特征點；

所述第二組特征點為預先放置于所述魚眼相機的采集范圍內、所述棋盤格標定布兩側的多邊形標定布對應的特征點。

對于上述裝置，在一種可能的實現方式中，所述多邊形標定布為矩形標定布。

對于上述裝置，在一種可能的實現方式中，所述投影模塊用于：

將水平面作為投影面，并將所述畸變圖投影在水平面上，得到所述畸變圖對應的投影圖。

對于上述裝置，在一種可能的實現方式中，所述第一組特征點檢測模塊用于：采用角點檢測算法檢測所述畸變圖中的第一組特征點；

所述第二組特征點檢測模塊用于：采用所述角點檢測算法檢測所述投影圖中的第二組特征點。

有益效果

通過檢測畸變圖中的第一組特征點，對畸變圖進行投影處理得到畸變圖對應的投影圖，檢測投影圖中的第二組特征點，對投影圖進行反投影處理，得到畸變圖，并確定第一組特征點和第二組特征點在畸變圖的圖像坐標系中的坐標，根據第一組特征點和第二組特征點的位置確定第一組特征點和第二組特征點與預先設置的目標點的對應關系，根據對應關系以及目標點在世界坐標系中的坐標，確定第一組特征點和第二組特征點在世界坐標系中對應的坐標，根據第一組特征點和第二組特征點在圖像坐標系中的坐標以及在世界坐標系中對應的坐標，對魚眼相機進行標定，并得到畸變圖對應的校正圖，根據本發(fā)明實施例的魚眼相機的標定方法及裝置能夠利用單幅圖像完成相機內外參數的標定，能夠提高標定的精確度，簡化標定過程，并能夠提高標定的實時性。

根據下面參考附圖對示例性實施例的詳細說明，本發(fā)明的其它特征及方面將變得清楚。

附圖說明

包含在說明書中并且構成說明書的一部分的附圖與說明書一起示出了本發(fā)明的示例性實施例、特征和方面，并且用于解釋本發(fā)明的原理。

圖1示出魚眼相機所采集的圖像發(fā)生桶形畸變的示意圖；

圖2示出魚眼相機投影模型的示意圖；

圖3示出根據本發(fā)明一實施例的魚眼相機的標定方法的實現流程圖；

圖4示出根據本發(fā)明一實施例的魚眼相機的標定方法中的畸變圖的示意圖；

圖5示出根據本發(fā)明一實施例的魚眼相機的標定方法中第一組特征點51的示意圖；

圖6示出根據本發(fā)明一實施例的魚眼相機的標定方法中投影圖的示意圖；

圖7示出根據本發(fā)明一實施例的魚眼相機的標定方法中反投影得到的畸變圖以及第二組特征點71的示意圖；

圖8示出相關技術中對單幅魚眼圖像進行標定的結果的示意圖；

圖9示出根據本發(fā)明一實施例的魚眼相機的標定方法中對單幅魚眼圖像進行標定的結果的示意圖；

圖10示出根據本發(fā)明另一實施例的魚眼相機的標定裝置的結構框圖；

圖11示出了本發(fā)明的另一個實施例的一種魚眼相機的標定設備的結構框圖。

具體實施方式

以下將參考附圖詳細說明本發(fā)明的各種示例性實施例、特征和方面。附圖中相同的附圖標記表示功能相同或相似的元件。盡管在附圖中示出了實施例的各種方面，但是除非特別指出，不必按比例繪制附圖。

在這里專用的詞“示例性”意為“用作例子、實施例或說明性”。這里作為“示例性”所說明的任何實施例不必解釋為優(yōu)于或好于其它實施例。

另外，為了更好的說明本發(fā)明，在下文的具體實施方式中給出了眾多的具體細節(jié)。本領域技術人員應當理解，沒有某些具體細節(jié)，本發(fā)明同樣可以實施。在一些實例中，對于本領域技術人員熟知的方法、手段、元件和電路未作詳細描述，以便于凸顯本發(fā)明的主旨。

實施例1

圖3示出根據本發(fā)明一實施例的魚眼相機的標定方法的實現流程圖。如圖3所示，該方法包括：

在步驟S301中，檢測畸變圖中的第一組特征點。

其中，畸變圖為魚眼相機采集的圖像。

在一種可能的實現方式中，第一組特征點為預先放置于魚眼相機的采集范圍中央的棋盤格標定布對應的特征點；第二組特征點為預先放置于魚眼相機的采集范圍內、棋盤格標定布兩側的多邊形標定布對應的特征點。其中，多邊形標定布可以預先放置于棋盤格標定布左右兩側等距處。

在一種可能的實現方式中，多邊形標定布為矩形標定布。

在其他實現方式中，多邊形標定布還可以為菱形標定布、三角形標定布或者梯形標定布等，在此不作限定。

圖4示出根據本發(fā)明一實施例的魚眼相機的標定方法中的畸變圖的示意圖。如圖4所示，魚眼相機的圖像發(fā)生了畸變。

圖5示出根據本發(fā)明一實施例的魚眼相機的標定方法中第一組特征點51的示意圖。其中，第一組特征點51可以為棋盤格格點，例如，可以為棋盤格的內角點。為了便于說明，在圖5中未對所有棋盤格格點進行標注。

在一種可能的實現方式中，檢測畸變圖中的第一組特征點，包括：采用角點檢測算法檢測畸變圖中的第一組特征點。

在步驟S302中，對畸變圖進行投影處理，得到畸變圖對應的投影圖。

由于魚眼相機一般安裝在車身四周，與水平地面之間存在一個傾斜角，導致魚眼相機采集的圖像中會產生較大的畸變。由圖4所示的畸變圖可知，棋盤格兩側的矩形圖像比棋盤格圖像的畸變程度更大，矩形變成了上窄下寬的梯形或者其他不規(guī)則的形狀，而不是標準的平行四邊形?；儓D中標定布的跨度較大，畸變圖中部棋盤格上的特征點較容易被檢測到，但兩側矩形邊緣的特征點可能無法被檢測到，這會影響后續(xù)的標定，導致標定結果的準確度較低，從而對后續(xù)的車載圖像拼接、圖像處理帶來累積誤差，影響實用效果。為了修正這些不足，在本實施例中，在檢測畸變圖中的第一組特征點后，可以對畸變圖進行投影處理，例如，以水平地面作為投影面，得到俯視投影圖，從而讓三維空間中的二維形狀的原像表現出三維的視覺效果，也就是說，將前視圖(畸變圖)中不規(guī)則的圖像進行投影得到俯視圖(投影圖)中規(guī)則的矩形，這樣，原圖像中的形狀可以被很好地保留，且標定后的圖像也不會失真，也可以使投影變換后的圖像上的特征點更容易被檢測到。

在一種可能的實現方式中，對畸變圖進行投影處理，得到畸變圖對應的投影圖，包括：將水平面作為投影面，并將畸變圖投影在水平面上，得到畸變圖對應的投影圖。

投影的公式如式4所示：

其中，u,v為畸變圖中的坐標，為變換矩陣，投影圖中的坐標為x,y；其中，

已知投影變換對應的幾個點，就可以求取變換矩陣，根據變換矩陣可以得到投影圖。

為了推及至一般的情況，即從任意的四邊形投影到另外一個四邊形，可以選擇一種規(guī)則的圖像作為中間圖形，例如：矩形、正方形或者菱形等。在一種可能的實現方式中，可以取一個正方形，并利用該正方形來模擬求解變換矩陣的參數的過程。設正方形的四個特征點分別為(0,0)、(1,0)、(0,1)、(1,1)，變換后的四個特征點對應的坐標分別為(x₀,y₀)、(x₁,y₁)、(x₂,y₂)、(x₃,y₃)，根據變換公式得到：

a₃₁＝x₀；

a₁₁+a₃₁-a₁₃x₁＝x₁；

a₂₁+a₃₁-a₂₃x₂＝x₂；

a₁₁+a₂₁+a₃₁-a₁₃x₃-a₂₃x₃＝x₃；

a₃₂＝y(tǒng)₀；

a₁₂+a₃₂-a₂₃y₁＝y(tǒng)₁；

a₂₂+a₃₂-a₂₃y₂＝y(tǒng)₂；

a₁₂+a₂₂+a₃₂-a₂₃y₃-a₂₃y₃＝y(tǒng)₃。

定義幾個輔助變量：

Δx₁＝x₁-x₂；

Δx₂＝x₃-x₂；

Δx₃＝x₀-x₁+x₂-x₃；

Δy₁＝y(tǒng)₁-y₂；

Δy₂＝y(tǒng)₃-y₂；

Δy₃＝y(tǒng)₀-y₁+y₂-y₃。

當Δx₃和Δy₃都為0時，變換后的平面與原來的平面是平行的，可以得到：

a₁₁＝x₁-x₀；

a₂₁＝x₂-x₁；

a₃₁＝x₀；

a₁₂＝y(tǒng)₁-y₀；

a₂₂＝y(tǒng)₂-y₁；

a₃₂＝y(tǒng)₀；

a₁₃＝0；

a₁₂＝0。

當Δx₃和/或Δy₃不為0時，可以得到：

a₁₁＝x₁-x₀+a₁₂x₁；

a₂₁＝x₃-x₀+a₁₂x₂；

a₃₁＝x₀；

a₁₂＝y(tǒng)₁-y₀+a₁₃y₁；

a₂₂＝y(tǒng)₃-y₀+a₂₃y₃；

a₃₂＝0；

上述過程求解出的變換矩陣可以將一個正方形變換成一個凸四邊形。同理，也可以將一個任意凸四邊形變換成一個正方形。

對圖4所示的畸變圖進行如上述過程所示的變換，可以將畸變圖中的非標準的四邊形投影到水平地面上，得到標準的矩形，如圖6所示。圖6示出根據本發(fā)明一實施例的魚眼相機的標定方法中投影圖的示意圖。

在步驟S303中，檢測投影圖中的第二組特征點。

進行投影處理得到投影圖中，圖像中的邊緣區(qū)域(例如圖6中的矩形區(qū)域)的特征點更容易被檢測。

在一種可能的實現方式中，檢測投影圖中的第二組特征點，包括：采用角點檢測算法檢測投影圖中的第二組特征點。

在步驟S304中，對投影圖進行反投影處理，得到畸變圖，并確定第一組特征點和第二組特征點在畸變圖的圖像坐標系中的坐標。

圖7示出根據本發(fā)明一實施例的魚眼相機的標定方法中反投影得到的畸變圖以及第二組特征點71的示意圖。其中，第二組特征點71可以為多邊形的頂點。

在步驟S305中，根據第一組特征點和第二組特征點的位置確定第一組特征點和第二組特征點與預先設置的目標點的對應關系。

其中，預先設置的目標點在世界坐標系中的坐標已知。

在步驟S306中，根據對應關系以及目標點在世界坐標系中的坐標，確定第一組特征點和第二組特征點在世界坐標系中對應的坐標。

用(X_W,Y_W,Z_W)表示世界坐標系中的坐標，用(X_C,Y_C,Z_C)表示相機坐標系中的坐標，用(x,y)表示圖像坐標系中的坐標，用(u,v)表示像素坐標系中的坐標，四個坐標系之間的轉換關系如下：

其中，f表示魚眼相機的焦距，d_x表示第一參數表中的每個像素在圖像平面的水平軸方向上的物理尺寸，d_y表示第一參數表中的每個像素在圖像平面的垂直軸方向上的物理尺寸。為魚眼相機的外部參數矩陣，R為3×3的正交旋轉矩陣，t為三維平移向量，R和t為外部參數。為內部參數矩陣，a_x、a_y、u₀和v₀為內部參數。

在步驟S307中，根據第一組特征點和第二組特征點在圖像坐標系中的坐標以及在世界坐標系中對應的坐標，對魚眼相機進行標定，并得到畸變圖對應的校正圖。

在本實施例中，第一組特征點和第二組特征點在很大程度上已經布滿了整個圖像。設(X,Y,Z)為空間中的一個三維點，它在成像平面對應的像素坐標系中的坐標為(u,v)，在考慮畸變的情況下，列出方程組：

r²＝a²+b²；

θ＝a tan(r)；

θ′＝θ(1+k₁θ²+k₂θ⁴+k₃θ⁶+k₄θ⁸)；

u＝f_xx′+c_x；

v＝f_yy′+c_y。

其中，r表示投影點到圖像中心點的距離，k₁～k₄表示魚眼相機的畸變參數，f_x表示內部參數矩陣的水平軸的尺度因子，f_y表示內部參數矩陣的垂直軸的尺度因子。利用矩陣的L-U分解求解方程組，可得到魚眼相機的內外參數，從而完成魚眼相機的標定。

圖8示出相關技術中對單幅魚眼圖像進行標定的結果的示意圖。如圖8所示，在相關技術中，若使用單幅魚眼圖像，則圖像中部的棋盤格部分能夠得到較好的校正，但其他部分的校正效果較差。

圖9示出根據本發(fā)明一實施例的魚眼相機的標定方法中對單幅魚眼圖像進行標定的結果的示意圖。

下面給出根據本實施例進行實驗得到的示例性的部分標定結果：

圖9所示的圖像的平均誤差為：0.0975531像素；

總體平均誤差為：0.0975531像素；

相機的內部參數矩陣為：

畸變系數(包括兩個徑向畸變系數和兩個切向畸變系數)為：

[0.045846,0.605714,-0.657144,-0.0388607]。

通過實驗得到的數據以及圖9所示的校正圖，可以看出，根據本實施例提供的魚眼相機的標定方法進行相機標定的平均誤差很小，且內部參數矩陣中得到的中心點值與中心點的理論值相差很小，且標定后的圖像畸變得到了很大的改善，標定結果更為精確。

根據本發(fā)明實施例的魚眼相機的標定方法能夠利用單幅圖像完成相機內外參數的標定，能夠提高標定的精確度，簡化標定過程，并能夠提高標定的實時性。此外，根據本發(fā)明實施例的魚眼相機的標定方法具有普遍性，能夠應用于多領域。

實施例2

圖10示出根據本發(fā)明另一實施例的魚眼相機的標定裝置的結構框圖。如圖10所示，該裝置包括：第一組特征點檢測模塊181，用于檢測畸變圖中的第一組特征點；投影模塊182，用于對所述畸變圖進行投影處理，得到所述畸變圖對應的投影圖；第二組特征點檢測模塊183，用于檢測所述投影圖中的第二組特征點；反投影模塊184，用于對所述投影圖進行反投影處理，得到所述畸變圖，并確定所述第一組特征點和所述第二組特征點在所述畸變圖的圖像坐標系中的坐標；對應關系確定模塊185，用于根據所述第一組特征點和所述第二組特征點的位置確定所述第一組特征點和所述第二組特征點與預先設置的目標點的對應關系；坐標確定模塊186，用于根據所述對應關系以及所述目標點在世界坐標系中的坐標，確定所述第一組特征點和所述第二組特征點在世界坐標系中對應的坐標；標定與校正模塊187，用于根據所述第一組特征點和所述第二組特征點在所述圖像坐標系中的坐標以及在所述世界坐標系中對應的坐標，對所述魚眼相機進行標定，并得到所述畸變圖對應的校正圖。

在一種可能的實現方式中，所述第一組特征點為預先放置于所述魚眼相機的采集范圍中央的棋盤格標定布對應的特征點；所述第二組特征點為預先放置于所述魚眼相機的采集范圍內、所述棋盤格標定布兩側的多邊形標定布對應的特征點。

在一種可能的實現方式中，所述多邊形標定布為矩形標定布。

在一種可能的實現方式中，所述投影模塊182用于：將水平面作為投影面，并將所述畸變圖投影在水平面上，得到所述畸變圖對應的投影圖。

在一種可能的實現方式中，所述第一組特征點檢測模塊用于：采用角點檢測算法檢測所述畸變圖中的第一組特征點；所述第二組特征點檢測模塊用于：采用所述角點檢測算法檢測所述投影圖中的第二組特征點。

根據本發(fā)明實施例的魚眼相機的標定裝置能夠利用單幅圖像完成相機內外參數的標定，能夠提高標定的精確度，簡化標定過程，并能夠提高標定的實時性。

實施例3

圖11示出了本發(fā)明的另一個實施例的一種魚眼相機的標定設備的結構框圖。所述魚眼相機的標定設備1100可以是魚眼相機或者與魚眼相機相連的個人計算機PC等，在此不作限定。本發(fā)明具體實施例并不對計算節(jié)點的具體實現做限定。

所述魚眼相機的標定設備1100包括處理器(processor)1110、通信接口(Communications Interface)1120、存儲器(memory)1130和總線1140。其中，處理器1110、通信接口1120、以及存儲器1130通過總線1140完成相互間的通信。

通信接口1120用于與網絡設備通信，其中網絡設備包括例如虛擬機管理中心、共享存儲等。

處理器1110用于執(zhí)行程序。處理器1110可能是一個中央處理器CPU，或者是專用集成電路ASIC(Application Specific Integrated Circuit)，或者是被配置成實施本發(fā)明實施例的一個或多個集成電路。

存儲器1130用于存放文件。存儲器1130可能包含高速RAM存儲器，也可能還包括非易失性存儲器(non-volatile memory)，例如至少一個磁盤存儲器。存儲器1130也可以是存儲器陣列。存儲器1130還可能被分塊，并且所述塊可按一定的規(guī)則組合成虛擬卷。

在一種可能的實施方式中，上述程序可為包括計算機操作指令的程序代碼。該程序具體可用于：實現實施例1或者實施例2中各步驟的操作。

本領域普通技術人員可以意識到，本文所描述的實施例中的各示例性單元及算法步驟，能夠以電子硬件、或者計算機軟件和電子硬件的結合來實現。這些功能究竟以硬件還是軟件形式來實現，取決于技術方案的特定應用和設計約束條件。專業(yè)技術人員可以針對特定的應用選擇不同的方法來實現所描述的功能，但是這種實現不應認為超出本發(fā)明的范圍。

如果以計算機軟件的形式來實現所述功能并作為獨立的產品銷售或使用時，則在一定程度上可認為本發(fā)明的技術方案的全部或部分(例如對現有技術做出貢獻的部分)是以計算機軟件產品的形式體現的。該計算機軟件產品通常存儲在計算機可讀取的非易失性存儲介質中，包括若干指令用以使得計算機設備(可以是個人計算機、服務器、或者網絡設備等)執(zhí)行本發(fā)明各實施例方法的全部或部分步驟。而前述的存儲介質包括U盤、移動硬盤、只讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發(fā)明揭露的技術范圍內，可輕易想到變化或替換，都應涵蓋在本發(fā)明的保護范圍之內。因此，本發(fā)明的保護范圍應以所述權利要求的保護范圍為準。