本發(fā)明涉及無人機技術領域，尤其涉及一種云臺姿態(tài)檢測方法及裝置。

背景技術：

隨著控制理論的不斷發(fā)展，無人飛行器也受到各國研究者的關注，世界上產生了各式各樣的飛行器，對于其中機械結構簡單、占地體積小旋翼類飛行器尤為引人關注。目前機載云臺的姿態(tài)表述方法可分為：歐拉角、四元數和旋轉矩陣，四元數避免了歐拉角所帶有的奇異性問題，但歐拉角表述姿態(tài)更直觀；四元數與旋轉矩陣相比，旋轉矩陣需要9個變量來表述姿態(tài)，四元數只需要更少的4個變量來表述姿態(tài)，四元數的積分運算及歸一化運算比旋轉矩陣更方便，但四元數在進行向量旋轉的時候沒有旋轉矩陣方便。

技術實現要素：

本發(fā)明的主要目的在于提出一種云臺姿態(tài)檢測方法及裝置，能夠通過姿態(tài)航向系統(tǒng)獲取云臺姿態(tài)數據，采用不同的算法進行云臺姿態(tài)表述，并對云臺姿態(tài)進行補償和校正，提高了云臺姿態(tài)檢測的準確性。

為實現上述目的，本發(fā)明提供的一種云臺姿態(tài)檢測方法，包括：

獲取云臺的慣性測量單元的數據，所述慣性測量單元的數據包括陀螺儀的角速度數據和加速度計數據；

對所述慣性測量單元的數據進行四元數積分運算；

將所述慣性測量單元的數據由四元數表述轉換成旋轉矩陣表述；

將所述慣性測量單元的數據由旋轉矩陣表述轉換成歐拉角表述；

其中，所述對所述慣性測量單元的數據進行四元數積分運算包括：

以所述旋轉矩陣表述為反饋，對所述四元數表述進行反饋校正。

可選地，所述陀螺儀的角速度數據包括機體三軸角速度。

可選地，所述以所述旋轉矩陣表述為反饋，對所述四元數表述進行反饋校正包括：

將所述旋轉矩陣表述與大地坐標系中的重力加速度進行乘積運算，得到機體坐標系下的加速度數據；

將所述機體坐標系下的加速度數據與所述加速度計數據進行交叉乘積運算，得到旋轉差向量；

對所述旋轉差向量進行放大，作為校準角速度參與云臺姿態(tài)數據的四元數積分運算。

可選地，所述將所述旋轉矩陣表述與大地坐標系中的重力加速度進行乘積運算，得到機體坐標系下的加速度數據包括：

通過無人機導航系統(tǒng)獲取實時加速度數據，將所述實時加速度數據與所述大地坐標系中的重力加速度進行加運算，得到補償后的加速度數據；

將所述旋轉矩陣表述與所述補償后的加速度數據進行乘積運算，得到機體坐標系下的加速度數據。

可選地，對所述慣性測量單元的數據進行四元數積分運算之前包括：

獲取無人機偏航角，通過磁編碼器計算無人機偏航角與云臺偏航角的偏差，從而得到云臺偏航角；

以所述歐拉角表述為反饋，對所述云臺偏航角進行差值運算，以對所述云臺偏航角進行糾偏。

作為本發(fā)明的另一方面，提供的一種云臺姿態(tài)檢測裝置，其特征在于，包括：

姿態(tài)數據獲取模塊，用于獲取云臺的慣性測量單元的數據，所述慣性測量單元的數據包括陀螺儀的角速度數據和加速度計數據；

四元數積分模塊，用于對所述慣性測量單元的數據進行四元數積分運算；

旋轉矩陣模塊，用于將所述慣性測量單元的數據由四元數表述轉換成旋轉矩陣表述；

歐拉角模塊，用于將所述慣性測量單元的數據由旋轉矩陣表述轉換成歐拉角表述；

反饋校正模塊，用于以所述旋轉矩陣表述為反饋，對所述四元數表述進行反饋校正。

可選地，所述陀螺儀的角速度數據包括機體三軸角速度。

可選地，所述反饋校正模塊包括：

坐標系轉換單元，用于將所述旋轉矩陣表述與大地坐標系中的重力加速度進行乘積運算，得到機體坐標系下的加速度數據；

校正單元，用于將所述機體坐標系下的加速度數據與所述加速度計數據進行交叉乘積運算，得到旋轉差向量；

放大更新單元，用于對所述旋轉差向量進行放大，作為校準角速度參與云臺姿態(tài)數據的四元數積分運算。

可選地，所述坐標系轉換單元包括：

補償單元，用于通過無人機導航系統(tǒng)獲取實時加速度數據，將所述實時加速度數據與所述大地坐標系中的重力加速度進行加運算，得到補償后的加速度數據；

乘積運算單元，用于將所述旋轉矩陣表述與所述補償后的加速度數據進行乘積運算，得到機體坐標系下的加速度數據。

可選地，還包括：

偏航角糾偏模塊，用于獲取無人機偏航角，通過磁編碼器計算無人機偏航角與云臺偏航角的偏差，從而得到云臺偏航角；以所述歐拉角表述為反饋，對所述云臺偏航角進行差值運算，以對所述云臺偏航角進行糾偏。

本發(fā)明提出的一種云臺姿態(tài)檢測方法及裝置，該方法包括：獲取云臺的慣性測量單元的數據，所述慣性測量單元的數據包括陀螺儀的角速度數據和加速度計數據；對所述慣性測量單元的數據進行四元數積分運算；將所述慣性測量單元的數據由四元數表述轉換成旋轉矩陣表述；將所述慣性測量單元的數據由旋轉矩陣表述轉換成歐拉角表述；其中，所述對所述慣性測量單元的數據進行四元數積分運算包括：以所述旋轉矩陣表述為反饋，對所述四元數表述進行反饋校正，通過姿態(tài)航向系統(tǒng)獲取云臺姿態(tài)數據，采用不同的算法進行云臺姿態(tài)表述，并對云臺姿態(tài)進行補償和校正，提高了云臺姿態(tài)檢測的準確性，相比于卡爾曼濾波或其他姿態(tài)融合算法，該算法具有運算量少的優(yōu)點，適合于運算資源不多的云臺系統(tǒng)，有助于云臺的小型化；相比于只利用陀螺儀和加速度計進行姿態(tài)解算的云臺姿態(tài)解算方法，該算法充分利用了云臺系統(tǒng)所具有的的硬件資源，包括利用了云臺電機板的磁編碼器數據、飛控的航向角數據、飛控的加速度數據，可獲得更精確的姿態(tài)數據。

附圖說明

圖1為本發(fā)明實施例一提供的一種云臺姿態(tài)檢測方法流程圖；

圖2為本發(fā)明實施例一提供的機載云臺系統(tǒng)硬件結構示意圖；

圖3為圖1中步驟s21的方法流程圖；

圖4為本發(fā)明實施例一提供的云臺姿態(tài)檢測方法的數據處理流程圖；

圖5為本發(fā)明實施例一提供的加速度補償的數據處理流程圖；

圖6為本發(fā)明實施例一提供的偏航角校正的數據處理流程圖；

圖7為本發(fā)明實施例二提供的一種云臺姿態(tài)檢測裝置示范性結構框圖；

圖8為圖7中反饋校正模塊的示范性結構框圖；

圖9為本發(fā)明實施例二提供的另一種云臺姿態(tài)檢測裝置示范性結構框圖。

本發(fā)明目的的實現、功能特點及優(yōu)點將結合實施例，參照附圖做進一步說明。

具體實施方式

應當理解，此處所表述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

在后續(xù)的表述中，使用用于表示元件的諸如“模塊”、“部件”或“單元”的后綴僅為了有利于本發(fā)明的說明，其本身并沒有特定的意義。因此，"模塊"與"部件"可以混合地使用。

實施例一

如圖1所示，在本實施例中，一種云臺姿態(tài)檢測方法，包括：

s10、獲取云臺的慣性測量單元的數據，所述慣性測量單元的數據包括陀螺儀的角速度數據和加速度計數據；

s20、對所述慣性測量單元的數據進行四元數積分運算；

s30、將所述慣性測量單元的數據由四元數表述轉換成旋轉矩陣表述；

s40、將所述慣性測量單元的數據由旋轉矩陣表述轉換成歐拉角表述；

其中，所述方法還包括：

s21、以所述旋轉矩陣表述為反饋，對所述四元數表述進行反饋校正。

在本實施例中，通過姿態(tài)航向系統(tǒng)獲取云臺姿態(tài)數據，所述云臺姿態(tài)數據包括慣性測量單元的數據，采用不同的算法進行云臺姿態(tài)表述，并對云臺姿態(tài)進行補償和校正，提高了云臺姿態(tài)檢測的準確性，相比于卡爾曼濾波或其他姿態(tài)融合算法，該算法具有運算量少的優(yōu)點，適合于運算資源不多的云臺系統(tǒng)，有助于云臺的小型化；相比于只利用陀螺儀和加速度計進行姿態(tài)解算的云臺姿態(tài)解算方法，該算法充分利用了云臺系統(tǒng)所具有的的硬件資源，包括利用了云臺電機板的磁編碼器數據、飛控的航向角數據、飛控的加速度數據，可獲得更精確的姿態(tài)數據。

在本實施例中，主要適用于機載云臺系統(tǒng)，該系統(tǒng)硬件圖如圖2所示，包括：云臺、飛控系統(tǒng)、無人機、磁編碼器和電機m，其中，云臺姿態(tài)檢測設備選用mpu6000；飛控系統(tǒng)中設置有姿態(tài)航向系統(tǒng)ahrs(attitudeandheadingreferencesystem)，所述姿態(tài)航向系統(tǒng)包括陀螺儀和加速度計，用于獲取機體三軸角速度及加速度數據；所述云臺通過控制器局域網絡can(controllerareanetwork)與無人機及飛控系統(tǒng)進行通信；所述云臺通過串行外設接口spi(serialperipheralinterface)與磁編碼器及mpu6000進行通信。

在本實施例中，四元數算法只需要四個變量就能表述云臺姿態(tài)，比如：三軸角速度，適用于云臺姿態(tài)的短期表述；而旋轉矩陣的表述方法在進行向量旋轉時比較方便；但歐拉角的姿態(tài)表述更為直觀，適用于云臺姿態(tài)的對外輸出，如輸出給姿態(tài)控制器及上位機。

在本實施例中，陀螺儀檢測到的是機體角速度信息，響應速度快，但是會受到零點隨溫度漂移產生的積分干擾和積分漂移，在陀螺儀檢測到機體坐標系三軸的角速度之后，可以利用四元數積分法簡單快速的計算出實時姿態(tài)。

在本實施例中，四元數與旋轉矩陣的轉換公式為：

其中，qx、qy、qz、qw為四元數算法的四個變量，r(q)為旋轉矩陣。

在本實施例中，加速度傳感器用于測量支持力向量，在靜止時，測量得到的支持力矢量與重力加速度矢量方向相反，大小相等，響應速度也非常高，但是會受到機體振動等引起的高頻干擾；結合兩個姿態(tài)傳感器的特點進行考慮，姿態(tài)解算的總體思想為：陀螺儀積分，以獲得高響應性能；長時間內利用加速度計融合校正，以糾正積分漂移。

如圖3所示，在本實施例中，所述步驟s21包括：

s211、將所述旋轉矩陣表述與大地坐標系中的重力加速度進行乘積運算，得到機體坐標系下的加速度數據；

s212、將所述機體坐標系下的加速度數據與所述加速度計數據進行交叉乘積運算，得到旋轉差向量；

s213、對所述旋轉差向量進行放大，作為校準角速度參與云臺姿態(tài)數據的四元數積分運算。

在本實施例中，所述云臺姿態(tài)檢測方法的數據處理流程圖如圖4所示，其中，模塊1表示陀螺儀的角速度數據，模塊2表示加速度計數據，gef為大地坐標系中的重力加速度。

在本實施例中，所述步驟s211包括：

通過無人機導航系統(tǒng)獲取實時加速度數據，將所述實時加速度數據與所述大地坐標系中的重力加速度進行加運算，得到補償后的加速度數據；

將所述旋轉矩陣表述與所述補償后的加速度數據進行乘積運算，得到機體坐標系下的加速度數據。

在本實施例中，大地坐標系是地球坐標系，機體坐標系是云臺本身的坐標系，加速度計數據為機體坐標系下測量到的云臺加速度值，為gbf+abf，此時的加速度數據除了帶有重力加速度gbf外，還帶有線加速度abf；而大地坐標系中的重力加速度是一個常數，表示為gef＝g＝9.8m/s^2。

在步驟s211中，因為云臺加速度計實際測量本身存在偏差，為了得云臺加速度計實際測量不斷的趨近正確的值，把云臺姿態(tài)的旋轉矩陣當作一個負反饋，以將云臺最后輸出來的姿態(tài)更加準確。

在本實施例中，云臺在進行線性加速度運動時，加速度計檢測值為gbf+abf，此時的加速度數據除了帶有重力加速度gbf外，還帶有線加速度abf，此時仍然使用加速度數據進行姿態(tài)融合的話，將會導致姿態(tài)檢測出現較大偏差，普遍的方法是調整加速度的融合權重值到足夠小(過小將影響校正陀螺儀的效果)，以減少高頻的線加速度abf(比如震動帶來的高頻線加速度)對姿態(tài)檢測的影響。但當無人機進行低頻的線加速運動時(長時間的向某一方向加速運動或刷鍋動作等)，以上方法將不能過濾掉線加速度abf導致的姿態(tài)檢測誤差。針對以上問題，本方案一方面通過can把無人機機導航系統(tǒng)的解算的真實加速度數據auav發(fā)送給云臺進行加速度補償，無人機具有定位傳感器包括gps、氣壓計、光流傳感器以及超聲波等，所解算的加速度數據auav誤差更小。另一方面，動態(tài)計算補償后的加速度模長，并與重力加速度權重對比，評估補償后的加速度數據的可信度，并根據可信度動態(tài)調整加速度融合權重，以提高對加速度計噪音的過濾效果。

在本實施例中，增加了加速度補償后的云臺姿態(tài)檢測方法的數據處理流程圖如圖5所示，其中，模塊3表示無人機導航系統(tǒng)獲取實時加速度數據。

在本實施例中，所述云臺姿態(tài)數據還包括偏航角，相應地，對所述慣性測量單元的數據進行四元數積分運算之前包括：

獲取無人機偏航角，通過磁編碼器計算無人機偏航角與云臺偏航角的偏差，從而得到云臺偏航角；

以所述歐拉角表述為反饋，對所述云臺偏航角進行差值運算，以對所述云臺偏航角進行糾偏。

機載云臺由于大小與成本的限制，除了陀螺儀外并不裝配磁羅盤等其他可直接測量云臺偏航角的傳感器器件。因此以上方法搭建的ahrs系統(tǒng)所解算出來的偏航角不指北，并且由于陀螺儀的溫漂及積分誤差的原因，將會導致偏航角yaw發(fā)生緩慢漂移，最終導致云臺在鎖頭狀態(tài)時(云臺穩(wěn)定在大地上的某一偏航角)，所拍攝的畫面將會發(fā)生持續(xù)緩慢的偏移。針對以上問題，本方案采用現有傳感器，包括陀螺儀、加速度計、磁編碼器以及無人機的傳感器信息，進行偏航角的融合校正。

在本實施例中，增加了偏航角融合校正后的云臺姿態(tài)檢測方法的數據處理流程圖如圖6所示，其中，模塊4表示通過磁編碼器計算得到的云臺偏航角。

其中，無人機與云臺的偏差角yawoffset_from_uav_to_gimbal的計算方法是：云臺與無人機的姿態(tài)關系為：

因為我們只需要計算無人機相對于云臺的航向偏差，故可認為云臺的航向為0，因此令：

rgimbal＝rψrθ

無人機的對于云臺的相對航向為：

yawoffset_from_uav_to_gimbal＝atan2(-ruav12，ruav22)

各軸的旋轉矩陣為：

實施例二

如圖7所示，在本實施例中，一種云臺姿態(tài)檢測裝置，包括：

姿態(tài)數據獲取模塊10，用于獲取云臺的慣性測量單元的數據，所述慣性測量單元的數據包括陀螺儀的角速度數據和加速度計數據；

四元數積分模塊20，用于對所述慣性測量單元的數據進行四元數積分運算；

旋轉矩陣模塊30，用于將所述慣性測量單元的數據由四元數表述轉換成旋轉矩陣表述；

歐拉角模塊40，用于將所述慣性測量單元的數據由旋轉矩陣表述轉換成歐拉角表述；

反饋校正模塊50，用于以所述旋轉矩陣表述為反饋，對所述四元數表述進行反饋校正。

在本實施例中，通過姿態(tài)航向系統(tǒng)獲取云臺姿態(tài)數據，所述云臺姿態(tài)數據包括慣性測量單元的數據，采用不同的算法進行云臺姿態(tài)表述，并對云臺姿態(tài)進行補償和校正，提高了云臺姿態(tài)檢測的準確性，相比于卡爾曼濾波或其他姿態(tài)融合算法，該算法具有運算量少的優(yōu)點，適合于運算資源不多的云臺系統(tǒng)，有助于云臺的小型化；相比于只利用陀螺儀和加速度計進行姿態(tài)解算的云臺姿態(tài)解算方法，該算法充分利用了云臺系統(tǒng)所具有的的硬件資源，包括利用了云臺電機板的磁編碼器數據、飛控的航向角數據、飛控的加速度數據，可獲得更精確的姿態(tài)數據。

在本實施例中，主要適用于機載云臺系統(tǒng)，該系統(tǒng)硬件圖如圖2所示，包括：云臺、飛控系統(tǒng)、無人機、磁編碼器和電機m，其中，云臺姿態(tài)檢測設備選用mpu6000；飛控系統(tǒng)中設置有姿態(tài)航向系統(tǒng)ahrs(attitudeandheadingreferencesystem)，所述姿態(tài)航向系統(tǒng)包括陀螺儀和加速度計，用于獲取機體三軸角速度及加速度數據；所述云臺通過控制器局域網絡can(controllerareanetwork)與無人機及飛控系統(tǒng)進行通信；所述云臺通過串行外設接口spi(serialperipheralinterface)與磁編碼器及mpu6000進行通信。

在本實施例中，四元數算法只需要四個變量就能表述云臺姿態(tài)，比如：三軸角速度，適用于云臺姿態(tài)的短期表述；而旋轉矩陣的表述方法在進行向量旋轉時比較方便；但歐拉角的姿態(tài)表述更為直觀，適用于云臺姿態(tài)的對外輸出，如輸出給姿態(tài)控制器及上位機。

在本實施例中，陀螺儀檢測到的是機體角速度信息，響應速度快，但是會受到零點隨溫度漂移產生的積分干擾和積分漂移，在陀螺儀檢測到機體坐標系三軸的角速度之后，可以利用四元數積分法簡單快速的計算出實時姿態(tài)。

在本實施例中，四元數與旋轉矩陣的轉換公式為：

其中，qx、qy、qz、qw為四元數算法的四個變量，r(q)為旋轉矩陣。

在本實施例中，加速度傳感器用于測量支持力向量，在靜止時，測量得到的支持力矢量與重力加速度矢量方向相反，大小相等，響應速度也非常高，但是會受到機體振動等引起的高頻干擾；結合兩個姿態(tài)傳感器的特點進行考慮，姿態(tài)解算的總體思想為：陀螺儀積分，以獲得高響應性能；長時間內利用加速度計融合校正，以糾正積分漂移。

如圖8所示，在本實施例中，所述反饋校正模塊包括：

坐標系轉換單元51，用于將所述旋轉矩陣表述與大地坐標系中的重力加速度進行乘積運算，得到機體坐標系下的加速度數據；

校正單元52，用于將所述機體坐標系下的加速度數據與所述加速度計數據進行交叉乘積運算，得到校正后的加速度計數據；

放大更新單元53，用于對所述校正后的加速度計數據進行放大，作為更新后的加速度計數據參與云臺姿態(tài)數據的四元數積分運算。

在本實施例中，所述云臺姿態(tài)檢測方法的數據處理流程圖如圖4所示，其中，模塊1表示陀螺儀的角速度數據，模塊2表示加速度計數據，gef為大地坐標系中的重力加速度。

在本實施例中，所述坐標系轉換單元包括：

補償單元，用于通過無人機導航系統(tǒng)獲取實時加速度數據，將所述實時加速度數據與所述大地坐標系中的重力加速度進行加運算，得到補償后的加速度數據；

乘積運算單元，用于將所述旋轉矩陣表述與所述補償后的加速度數據進行乘積運算，得到機體坐標系下的加速度數據。

在本實施例中，大地坐標系是地球坐標系，機體坐標系是云臺本身的坐標系，加速度計數據為機體坐標系下測量到的云臺加速度值，為gbf+abf，此時的加速度數據除了帶有重力加速度gbf外，還帶有線加速度abf；而大地坐標系中的重力加速度是一個常數，表示為gef＝g＝9.8m/s^2。

因為云臺加速度計實際測量本身存在偏差，為了得云臺加速度計實際測量不斷的趨近正確的值，把云臺姿態(tài)的旋轉矩陣當作一個負反饋，以將云臺最后輸出來的姿態(tài)更加準確。

在本實施例中，云臺在進行線性加速度運動時，加速度計檢測值為gbf+abf，此時的加速度數據除了帶有重力加速度gbf外，還帶有線加速度abf，此時仍然使用加速度數據進行姿態(tài)融合的話，將會導致姿態(tài)檢測出現較大偏差，普遍的方法是調整加速度的融合權重值到足夠小(過小將影響校正陀螺儀的效果)，以減少高頻的線加速度abf(比如震動帶來的高頻線加速度)對姿態(tài)檢測的影響。但當無人機進行低頻的線加速運動時(長時間的向某一方向加速運動或刷鍋動作等)，以上方法將不能過濾掉線加速度abf導致的姿態(tài)檢測誤差。針對以上問題，本方案一方面通過can把無人機機導航系統(tǒng)的解算的真實加速度數據auav發(fā)送給云臺進行加速度補償，無人機具有定位傳感器包括gps、氣壓計、光流傳感器以及超聲波等，所解算的加速度數據auav誤差更小。另一方面，動態(tài)計算補償后的加速度模長，并與重力加速度權重對比，評估補償后的加速度數據的可信度，并根據可信度動態(tài)調整加速度融合權重，以提高對加速度計噪音的過濾效果。

在本實施例中，增加了加速度補償后的云臺姿態(tài)檢測方法的數據處理流程圖如圖5所示，其中，模塊3表示無人機導航系統(tǒng)獲取實時加速度數據。

如圖9所示，在本實施例中，所述云臺姿態(tài)數據還包括偏航角，相應地，所述云臺姿態(tài)檢測裝置還包括：

偏航角糾偏模塊60，用于獲取無人機偏航角，通過磁編碼器計算無人機偏航角與云臺偏航角的偏差，從而得到云臺偏航角；以所述歐拉角表述為反饋，對所述云臺偏航角進行差值運算，以對所述云臺偏航角進行糾偏。

機載云臺由于大小與成本的限制，除了陀螺儀外并不裝配磁羅盤等其他可直接測量云臺偏航角的傳感器器件。因此以上方法搭建的ahrs系統(tǒng)所解算出來的偏航角不指北，并且由于陀螺儀的溫漂及積分誤差的原因，將會導致偏航角yaw發(fā)生緩慢漂移，最終導致云臺在鎖頭狀態(tài)時(云臺穩(wěn)定在大地上的某一偏航角)，所拍攝的畫面將會發(fā)生持續(xù)緩慢的偏移。針對以上問題，本方案采用現有傳感器，包括陀螺儀、加速度計、磁編碼器以及無人機的傳感器信息，進行偏航角的融合校正。

在本實施例中，增加了偏航角融合校正后的云臺姿態(tài)檢測方法的數據處理流程圖如圖6所示，其中，模塊4表示通過磁編碼器計算得到的云臺偏航角。

其中，無人機與云臺的偏差角yawoffset_from_uav_to_gimbal的計算方法是：云臺與無人機的姿態(tài)關系為：

因為我們只需要計算無人機相對于云臺的航向偏差，故可認為云臺的航向為0，因此令：

rgimbal＝rψrθ

無人機的對于云臺的相對航向為：

yawoffset_from_uav_to_gimbal＝atan2(-ruav12，ruav22)

各軸的旋轉矩陣為：

需要說明的是，在本文中，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者裝置不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者裝置所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括該要素的過程、方法、物品或者裝置中還存在另外的相同要素。

上述本發(fā)明實施例序號僅僅為了表述，不代表實施例的優(yōu)劣。

通過以上的實施方式的表述，本領域的技術人員可以清楚地了解到上述實施例方法可借助軟件加必需的通用硬件平臺的方式來實現，當然也可以通過硬件，但很多情況下前者是更佳的實施方式?；谶@樣的理解，本發(fā)明的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟件產品的形式體現出來，該計算機軟件產品存儲在一個存儲介質(如rom/ram、磁碟、光盤)中，包括若干指令用以使得一臺終端設備(可以是手機，計算機，服務器，空調器，或者網絡設備等)執(zhí)行本發(fā)明各個實施例所述的方法。

以上僅為本發(fā)明的優(yōu)選實施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內容所作的等效結構或等效流程變換，或直接或間接運用在其他相關的技術領域，均同理包括在本發(fā)明的專利保護范圍內。