本發(fā)明涉及計(jì)算機(jī)圖形學(xué)領(lǐng)域，尤其涉及一種基于GPU及面向深度圖像的實(shí)時(shí)三維重構(gòu)方法。

背景技術(shù)：

實(shí)時(shí)三維重構(gòu)技術(shù)用于實(shí)時(shí)獲取現(xiàn)實(shí)空間中物體的三維模型，三維重構(gòu)技術(shù)廣泛用于在涉及計(jì)算機(jī)技術(shù)的多個(gè)方向，包括計(jì)算機(jī)動(dòng)畫、計(jì)算機(jī)輔助設(shè)計(jì)、機(jī)器人、虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)、3D打印等。經(jīng)過多年的發(fā)展，三維重構(gòu)技術(shù)取得了很大進(jìn)步，但是三維重構(gòu)仍然有一些問題沒有解決，比如在重建速度、重建范圍、重建精度方面。

一個(gè)有效的實(shí)時(shí)三維重構(gòu)方法最主要的困難在于在保持重建精度的情況下達(dá)到實(shí)時(shí)處理的效果，同時(shí)重建范圍還要足夠大。在三維重構(gòu)的過程中涉及到大量運(yùn)算，比如在數(shù)據(jù)配準(zhǔn)階段以前無法做到實(shí)時(shí)處理。深度相機(jī)未出現(xiàn)之前，三維圖像生成大多是使用多幅圖通過計(jì)算對(duì)應(yīng)特征點(diǎn)的方式合成，三維圖像的生成需要大量運(yùn)算，而且精度也不夠精確。隨著硬件技術(shù)的發(fā)展，深度相機(jī)隨之出現(xiàn)，深度相機(jī)可以獲取較高精度的深度圖像數(shù)據(jù)，而且獲取速率也非常快，非常適合用于三維重構(gòu)技術(shù)。雖然深度相機(jī)的出現(xiàn)可以獲取到較高精度的深度數(shù)據(jù)，實(shí)時(shí)三維技術(shù)還是存在很多問題，如實(shí)時(shí)三維重構(gòu)技術(shù)涉及到大量運(yùn)算，在CPU上是無法達(dá)到實(shí)時(shí)處理的要求，但隨著GPU技術(shù)的發(fā)展，三維技術(shù)中涉及到的大量運(yùn)算開始在GPU上進(jìn)行操作，才使實(shí)時(shí)三維重構(gòu)技術(shù)看到了一絲曙光，但還是存在問題，比如由于三維重構(gòu)要處理大量數(shù)據(jù)，對(duì)顯存的要求非常大，所以在處理非常大的場(chǎng)景是還是存在問題。

因此，本領(lǐng)域的技術(shù)人員致力于開發(fā)一種基于GPU及面向深度圖像的實(shí)時(shí)三維重構(gòu)方法，不僅能夠達(dá)到實(shí)時(shí)處理的需要，還可以重建較大的場(chǎng)景。

技術(shù)實(shí)現(xiàn)要素：

有鑒于現(xiàn)有技術(shù)的上述缺陷，本發(fā)明所要解決的技術(shù)問題是開發(fā)一種基于GPU及面向深度圖像的實(shí)時(shí)三維重構(gòu)方法，不僅能夠達(dá)到實(shí)時(shí)處理的需要，還可以重建較大的場(chǎng)景，保證精度的前提下，實(shí)現(xiàn)實(shí)時(shí)三維重構(gòu)。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于GPU及面向深度圖像的實(shí)時(shí)三維重構(gòu)方法，方法的計(jì)算在GPU上進(jìn)行，包括數(shù)據(jù)預(yù)處理階段、數(shù)據(jù)配準(zhǔn)階段、數(shù)據(jù)融合階段和三維模型提取階段；其中，

數(shù)據(jù)預(yù)處理階段包括數(shù)據(jù)截?cái)唷?shù)據(jù)濾波和數(shù)據(jù)分層；

數(shù)據(jù)配準(zhǔn)階段設(shè)置為用于求解深度圖像數(shù)據(jù)在全局坐標(biāo)下的位姿；

數(shù)據(jù)融合階段設(shè)置為用于將深度圖像數(shù)據(jù)融合到改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型中；

三維模型提取階段設(shè)置為從改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型中提取出三維網(wǎng)格模型。

進(jìn)一步地，數(shù)據(jù)截?cái)嘣O(shè)置為將不在最大范圍值和最小范圍值的范圍內(nèi)的深度圖像數(shù)據(jù)中的像素點(diǎn)設(shè)置為0；

數(shù)據(jù)濾波設(shè)置為過濾深度圖像數(shù)據(jù)中的噪點(diǎn)；

數(shù)據(jù)分層設(shè)置為將深度圖像數(shù)據(jù)分為三層，其中每層是上層數(shù)據(jù)量的四分之一。

進(jìn)一步地，數(shù)據(jù)配準(zhǔn)階段使用高斯牛頓方法解誤差方程，得到迭代公式，求取位姿。

進(jìn)一步地，數(shù)據(jù)濾波設(shè)置為采用雙邊濾波過濾深度圖像數(shù)據(jù)中的噪點(diǎn)。

進(jìn)一步地，數(shù)據(jù)融合階段采用改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)存儲(chǔ)三維模型數(shù)據(jù)。

進(jìn)一步地，改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)將有向距離場(chǎng)均勻分成N個(gè)部分，當(dāng)深度圖像數(shù)據(jù)的范圍超過改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型時(shí)，更新存儲(chǔ)模型。

進(jìn)一步地，更新儲(chǔ)存模型是將最久沒有使用過的部分中的三維數(shù)據(jù)提取出來，用于儲(chǔ)存新的三維數(shù)據(jù)。

進(jìn)一步地，數(shù)據(jù)融合階段使用數(shù)據(jù)配準(zhǔn)階段求到的位姿轉(zhuǎn)換到局部坐標(biāo)下，使用小孔成像原理轉(zhuǎn)換到成像平面所在的平面中，并且計(jì)算臨時(shí)距離值，當(dāng)臨時(shí)距離值在設(shè)定的范圍內(nèi)時(shí)，更新體素的距離值。

進(jìn)一步地，三維模型提取階段將體素轉(zhuǎn)換為三維點(diǎn)，獲得三維點(diǎn)之后使用移動(dòng)立方體方法網(wǎng)格化。

進(jìn)一步地，GPU使用多線程并行計(jì)算。

技術(shù)效果

有效地利用GPU多線程并行處理的特點(diǎn)，在GPU上實(shí)現(xiàn)實(shí)時(shí)三維重構(gòu)，在保證高精度的前提下實(shí)現(xiàn)實(shí)時(shí)三維模型重構(gòu)。

有效利用GPU顯存，可以用于構(gòu)建大場(chǎng)景的三維模型。

以下將結(jié)合附圖對(duì)本發(fā)明的構(gòu)思、具體結(jié)構(gòu)及產(chǎn)生的技術(shù)效果作進(jìn)一步說明，以充分地了解本發(fā)明的目的、特征和效果。

附圖說明

圖1是本發(fā)明的一個(gè)較佳實(shí)施例的一種基于GPU及面向深度圖像的實(shí)時(shí)三維重構(gòu)方法的流程示意圖；

圖2是本發(fā)明的一個(gè)較佳實(shí)施例的一種基于GPU及面向深度圖像的實(shí)時(shí)三維重構(gòu)方法的深度圖像數(shù)據(jù)格式示意圖；

圖3是本發(fā)明的一個(gè)較佳實(shí)施例的一種基于GPU及面向深度圖像的實(shí)時(shí)三維重構(gòu)方法的改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型格式示意圖；

圖4是本發(fā)明的一個(gè)較佳實(shí)施例的一種基于GPU及面向深度圖像的實(shí)時(shí)三維重構(gòu)方法的改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型中的計(jì)算距離值的方式示意圖；

圖5是本發(fā)明的一個(gè)較佳實(shí)施例的一種基于GPU及面向深度圖像的實(shí)時(shí)三維重構(gòu)方法的改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型變換示意圖。

具體實(shí)施方式

如圖所示，本發(fā)明的一較佳實(shí)施例提供一種基于GPU及面向深度圖像的實(shí)時(shí)三維重構(gòu)方法，所有計(jì)算都在GPU上進(jìn)行。區(qū)別于串行計(jì)算，GPU可以并發(fā)處理大量計(jì)算，即進(jìn)行多線程并行處理。為了使GPU的計(jì)算性能發(fā)揮到最大，需要考慮：1、合理分配線程以保證處理速度達(dá)到最大，GPU中的線程數(shù)量雖然很多，但是也要采用合理的分配方式才可以達(dá)到合理利用的目的；2、合理分配顯存以及寄存器達(dá)到高效處理，GPU中的顯存有限，有效存儲(chǔ)數(shù)據(jù)更加關(guān)鍵，至于GPU中的高速寄存器，數(shù)量更是小，使用時(shí)要更加注意；3、合理分配線程的處理任務(wù)，由于GPU中的每個(gè)線程的處理速度沒有CPU中的快，且對(duì)分支非常敏感，只有同一線程組內(nèi)的線程執(zhí)行的分支越少，性能就越高。本發(fā)明的一較佳實(shí)施例提供的一種基于GPU及面向深度圖像的實(shí)時(shí)三維重構(gòu)方法在保證精度的前提下，實(shí)現(xiàn)實(shí)時(shí)三維重構(gòu)。

本發(fā)明的一較佳實(shí)施例中，以深度圖像X和改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型S為例，對(duì)一種基于GPU及面向深度圖像的實(shí)時(shí)三維重構(gòu)方法進(jìn)行詳細(xì)說明，在本實(shí)施例中，輸入流為一幀深度圖像數(shù)據(jù)X以及改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)S，本發(fā)明的計(jì)算在GPU進(jìn)行，面向深度圖像的實(shí)時(shí)三維重構(gòu)分為數(shù)據(jù)預(yù)處理階段、數(shù)據(jù)配準(zhǔn)階段、數(shù)據(jù)融合階段和三維模型提取階段四個(gè)階段。

其中數(shù)據(jù)預(yù)處理包括數(shù)據(jù)截?cái)唷?shù)據(jù)濾波和數(shù)據(jù)分層。獲取一幀深度圖像之后，首先將深度圖像數(shù)據(jù)上傳至顯存。數(shù)據(jù)截?cái)嗖僮鲗⒉辉谧畲笞钚》秶捣秶鷥?nèi)的深度圖像數(shù)據(jù)中的像素點(diǎn)設(shè)置為0，執(zhí)行下一步驟；數(shù)據(jù)濾波操作采用雙邊濾波過濾掉深度圖像數(shù)據(jù)中的噪點(diǎn)，執(zhí)行下一步驟；數(shù)據(jù)分層操作將深度圖像數(shù)據(jù)分成三層，其中每層是上層的數(shù)據(jù)量的四分之一，執(zhí)行下一步驟。

具體步驟為：首先獲取一幀深度圖像數(shù)據(jù)X，深度數(shù)據(jù)格式如圖2所示，其中每個(gè)方格代表一個(gè)深度點(diǎn)，深度數(shù)據(jù)的大小是640*480個(gè)像素點(diǎn)，也就是X有640*480個(gè)數(shù)據(jù)點(diǎn)，標(biāo)記x_i表示X中第i個(gè)像素點(diǎn)，并且深度圖像可以按照小孔成像原理轉(zhuǎn)換成三維點(diǎn)云數(shù)據(jù)。將深度圖像數(shù)據(jù)上傳至GPU進(jìn)行數(shù)據(jù)截?cái)嗵幚?，在該階段首先設(shè)置最大值cut_far和最小值cut_near，將深度圖像數(shù)據(jù)中不在cut_far與cut_near之間的深度圖像像素點(diǎn)的值設(shè)置為0，此步驟中在GPU上處理，并且為每個(gè)深度數(shù)據(jù)像素分配一個(gè)線程進(jìn)行處理，對(duì)于X，則要分配640*480個(gè)線程，處理結(jié)束之后進(jìn)行下一步數(shù)據(jù)濾波操作；在數(shù)據(jù)濾波操作過程中采用雙邊濾波算法，同樣在GPU上進(jìn)行處理，并為每個(gè)深度數(shù)據(jù)像素分配一個(gè)線程，處理結(jié)束之后進(jìn)行下一步數(shù)據(jù)分層操作。在數(shù)據(jù)分層操作步驟中，標(biāo)記深度圖像數(shù)據(jù)為第一層深度數(shù)據(jù)，首先在GPU上申請(qǐng)兩張二維數(shù)據(jù)表，分別標(biāo)記為第二層深度數(shù)據(jù)與第三層深度數(shù)據(jù)，大小分別是第一層深度數(shù)據(jù)的四分之一和八分之一，既第二層深度數(shù)據(jù)表的長(zhǎng)寬大小是第一層深度數(shù)據(jù)表的二分之一，第三層深度數(shù)據(jù)表的長(zhǎng)寬大小是第二層深度數(shù)據(jù)表的四分之一，對(duì)于深度圖像X，第一層就是X，標(biāo)記為X¹，第二層標(biāo)記為X²，第三層標(biāo)記為X³，那么X¹的大小是640*480，X²的大小是320*240，X³的大小是160*120。第二層深度數(shù)據(jù)和三層深度數(shù)據(jù)初始化在GPU上完成，為第二深度數(shù)據(jù)表中的每個(gè)數(shù)據(jù)分配一個(gè)線程，用于為第二層深度數(shù)據(jù)表賦值，在第一層深度數(shù)據(jù)每行中每隔一個(gè)數(shù)據(jù)取一個(gè)數(shù)據(jù)賦值給第二層深度數(shù)據(jù)，完成第二層深度數(shù)據(jù)賦值。為第三次深度數(shù)據(jù)表中的每個(gè)數(shù)據(jù)分配一個(gè)線程，在第二層深度數(shù)據(jù)每行中每隔一個(gè)數(shù)據(jù)取一個(gè)數(shù)據(jù)賦值給第三層深度數(shù)據(jù)，完成第三次深度數(shù)據(jù)處理化，進(jìn)行下一步驟。

數(shù)據(jù)配準(zhǔn)階段用于求解深度圖像數(shù)據(jù)在全局坐標(biāo)下的位姿。初始化位姿是上一幀深度數(shù)據(jù)的位姿，使用高斯牛頓方法解誤差方程，可以得到迭代公式，通過計(jì)算迭代公式優(yōu)化位姿，當(dāng)位姿迭代一定次數(shù)后，或者位姿發(fā)生的變化在一定范圍內(nèi)，則停止迭代，如果求到的位姿與上一幀深度數(shù)據(jù)的位姿相比，發(fā)生的變化在設(shè)定范圍內(nèi)，則認(rèn)為成功求取位姿，在成功求取位姿的情況下，執(zhí)行下一步。

具體步驟為：數(shù)據(jù)配準(zhǔn)階段用于求解當(dāng)前深度圖像在改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)的位姿，首先本發(fā)明采用改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)存儲(chǔ)三維模型數(shù)據(jù)，如圖3所示，在本示例中S即是改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)。有向距離場(chǎng)是將三維重建空間分成很多相等的小立方體空間，每個(gè)小空間稱為體素，使用公式將三維點(diǎn)P(p_x,p_y,p_z)轉(zhuǎn)換為體素T(t_x,t_y,t_z)，其中l(wèi)_x表示體素在x軸上代表的距離大小，l_y表示體素在y軸上代表的距離大小，l_z表示體素在z軸上代表的距離大小。每個(gè)體素存儲(chǔ)兩個(gè)值，一個(gè)用于存儲(chǔ)到三維重建空間中物體表面的最近距離d，另一個(gè)存儲(chǔ)權(quán)重值w，兩個(gè)值都是用short類型表示，最近距離d和權(quán)重值w的初始值都是零，其中d為零時(shí)，表示體素在物體上，為正負(fù)時(shí)表示體素在物體的兩面。在二維圖像中的表示如圖4所示，在圖中每個(gè)原點(diǎn)表示體素，黑色實(shí)線表示物體表面，在計(jì)算體素存儲(chǔ)值時(shí)，只計(jì)算兩條虛線范圍內(nèi)的體素值，在三維模型中是當(dāng)距離值小于設(shè)定范圍時(shí)更新體素距離值。在本發(fā)明中使用改進(jìn)方法存儲(chǔ)三維模型數(shù)據(jù)，如圖3所示，虛線表示將有向距離場(chǎng)分成K部分，這K部分可以組合移動(dòng)，當(dāng)新的深度數(shù)據(jù)的范圍超過三維數(shù)據(jù)存儲(chǔ)模型時(shí)，將最久沒有使用過的部分移動(dòng)到前面，如圖5所示，三維存儲(chǔ)模型分成abcdef六部分，當(dāng)新的深度圖像數(shù)據(jù)加入且超過存儲(chǔ)模型的范圍，從f中提取出三維網(wǎng)格模型并初始化f，然后將f放到a的前面，三維存儲(chǔ)模型變成fabcde，當(dāng)下次出現(xiàn)超出范圍的情況時(shí)，按照上述方法操作。

數(shù)據(jù)配準(zhǔn)階段在GPU上迭代執(zhí)行，為每個(gè)深度數(shù)據(jù)分配一個(gè)線程，也就是分配640*480個(gè)線程，初始時(shí)將上一幀深度數(shù)據(jù)的位姿作為當(dāng)前深度數(shù)據(jù)的初始位姿。在一次迭代過程中按照下列步驟計(jì)算，并且從高層深度圖像數(shù)據(jù)X³開始計(jì)算：首先將深度圖像數(shù)據(jù)按照小孔成像原理轉(zhuǎn)換成三維點(diǎn)云數(shù)據(jù)，將三維點(diǎn)云按照當(dāng)前位姿轉(zhuǎn)換到全局坐標(biāo)，求取該點(diǎn)的體素值，然后求該三維點(diǎn)在三個(gè)方向上的梯度值向量，接著求梯度值向量與梯度值向量倒數(shù)的乘積a，然后將所有深度數(shù)據(jù)點(diǎn)求得的a累加到A中，體素中距離值和梯度值向量的乘積b，然后將所有深度數(shù)據(jù)點(diǎn)求得的b累加到B中，然后按照公式ξ^k+1＝ξ^k-A^-1B求解，將ξ加入到初始位姿中，其中ξ表示六維向量，每次迭代初始值是零，按照上述步驟迭代計(jì)算，當(dāng)ξ^k+1-ξ^k<α或者迭代一定次數(shù)時(shí)結(jié)束迭代，其中α是設(shè)置的界限值。如果求到的位姿相對(duì)于上一幀數(shù)據(jù)的移動(dòng)位置在一定范圍內(nèi)，則認(rèn)為成功求到當(dāng)前深度圖像數(shù)據(jù)的位姿，否則處理下一幀深度圖像。進(jìn)行下一步操作。

數(shù)據(jù)融合階段用于將深度圖像數(shù)據(jù)融合到已有的改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型中，在融合的過程中，如果當(dāng)前深度圖像數(shù)據(jù)的位姿不在改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型中，更新改進(jìn)三維截?cái)嘤邢蚓嚯x場(chǎng)模型，然后再存儲(chǔ)數(shù)據(jù)。其中三維網(wǎng)格模型提取階段在掃描結(jié)束后用于從改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型中提取出三維網(wǎng)格模型。

具體步驟為：數(shù)據(jù)融合階段用于將當(dāng)前深度圖像數(shù)據(jù)融合進(jìn)改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型中，具體操作如下：在GPU上執(zhí)行，圖3為三維模型存儲(chǔ)結(jié)構(gòu)，將三維空間分為相等的小立方體，如在xyz軸上小立方體的個(gè)數(shù)分別cx、cy和cz，首先分配線程數(shù)量是cx*cy，每個(gè)線程按照從0到cz訪問每個(gè)體素，使用數(shù)據(jù)配準(zhǔn)階段求到的位姿的逆矩陣將體素轉(zhuǎn)換到局部坐標(biāo)下，接著使用小孔成像原理將體素轉(zhuǎn)換到成像平面所在的平面中，如果轉(zhuǎn)換后的位置在成像平面上，則計(jì)算當(dāng)前體素的距離值，將該位置上的深度值減去體素到該位置的距離作為該體素的臨時(shí)距離值，如果該臨時(shí)距離值在設(shè)定的范圍內(nèi)，更新該體素的距離值，更新方法按照公式進(jìn)行，其中d_i為體素i的距離值，d^new為該體素的臨時(shí)距離值，w_i為體素中存儲(chǔ)的權(quán)重值，w^new為新的權(quán)重值，其中w_i公式w_i＝min(w^new+w_i,w_max)進(jìn)行更新。所有體素執(zhí)行上步操作之后，進(jìn)行下一步操作。

三維模型提取階段用于從改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型中提取出三維網(wǎng)格模型。本發(fā)明采用改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)作為三維數(shù)據(jù)存儲(chǔ)模型，改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)將有向距離場(chǎng)均勻分成幾部分，當(dāng)深度圖像數(shù)據(jù)融合進(jìn)改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型時(shí)，如果深度圖像數(shù)據(jù)的范圍超過改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型，則更新存儲(chǔ)模型，更新方法是將最久沒有使用過的部分中的三維數(shù)據(jù)提取出來，然后用于存儲(chǔ)新的三維數(shù)據(jù)。改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)中每個(gè)體素存儲(chǔ)的距離值表示該體素到物體的最近距離，如果距離值為零，表示該體素被物體占據(jù)；如果為正，表示該體素在物體的外面；如果為負(fù)，表示該體素在物體的外面。相鄰體素的乘積小于或等于零，且該體素的權(quán)重值不為零，則從該體素中提取三維數(shù)據(jù)點(diǎn)。

具體步驟為：三維模型提取階段用于從改進(jìn)的三維截?cái)嘤邢蚓嚯x場(chǎng)模型中提取三維網(wǎng)格模型，使用的方法在GPU上執(zhí)行，首先分配線程數(shù)量是cx*cy，每個(gè)線程按照從0到cz訪問每個(gè)體素，當(dāng)前體素中存儲(chǔ)的距離值與下一個(gè)要訪問的體素的距離值的乘積小于或等于零，且該體素的權(quán)重值不為0時(shí)，將該點(diǎn)作為一個(gè)三維點(diǎn)，然后按照公式α(t_x,t_y,t_z)＝(t_x·l_x,t_y·l_y,t_z·l_z)將體素T(t_x,t_y,t_z)轉(zhuǎn)換為三維點(diǎn)P(p_x,p_y,p_z)，獲得三維點(diǎn)之后可以使用移動(dòng)立方體方法網(wǎng)格化。

本發(fā)明的一較佳實(shí)施例中的一種基于GPU及面向深度圖像的實(shí)時(shí)三維重構(gòu)方法，能夠有效地利用GPU多線程并行處理的特點(diǎn)，在GPU上實(shí)現(xiàn)實(shí)時(shí)三維重構(gòu)，在保證高精度的前提下實(shí)現(xiàn)實(shí)時(shí)三維模型重構(gòu)。

以上詳細(xì)描述了本發(fā)明的較佳具體實(shí)施例。應(yīng)當(dāng)理解，本領(lǐng)域的普通技術(shù)人員無需創(chuàng)造性勞動(dòng)就可以根據(jù)本發(fā)明的構(gòu)思作出諸多修改和變化。因此，凡本技術(shù)領(lǐng)域中技術(shù)人員依本發(fā)明的構(gòu)思在現(xiàn)有技術(shù)的基礎(chǔ)上通過邏輯分析、推理或者有限的實(shí)驗(yàn)可以得到的技術(shù)方案，皆應(yīng)在由權(quán)利要求書所確定的保護(hù)范圍內(nèi)。