本发明公开了一种高精度激光3D轮廓手机结构件检测方法，包括：步骤1)使用激光测量仪预先扫描一下样品，设定样品的扫描参数，包括激光功率，图像曝光时间，采集范围，采集样品的激光扫描图像样本；步骤2)放置手机结构件到移动工作台上，固定激光测量头在正上方，伺服电机带动工作台托板移动，完成检测，系统在2秒内完成表面轮廓检测，采样次数St＝pl/sstep，pl是产品测量长度，sstep是采样步长；步骤3)建立轮廓标准数据模型；步骤4)测量前导入3D模型CAD数据，数据由几千到上万个三角面片组成，沿着和扫描方向垂直的路径截取3D模型的切片图等。
1.一种高精度激光3D轮廓手机结构件检测方法，其特征在于，包括：
步骤1)使用激光测量仪预先扫描一下样品，设定样品的扫描参数，包括激光功率，图像曝光时间，采集范围，采集样品的激光扫描图像样本；
步骤2)放置手机结构件到移动工作台上，固定激光测量头在正上方，伺服电机带动工作台托板移动，完成检测，系统在2秒内完成表面轮廓检测，采样次数St＝pl/sstep，pl是产品测量长度，sstep是采样步长；
步骤4)测量前导入3D模型CAD数据，数据由几千到上万个三角面片组成，沿着和扫描方向垂直的路径截取3D模型的切片图，在结构件3D数据的每个空间三角形和切片平面形成相交线，计算相交线和空间三角形的每条边的交点，判断交点是否在三角形的端点构成的线段之间，如果在2条线段之间，记录交点坐标作为切片采样点；
切片采样点记录完成后，对切片采样点进行排序，形成断面轮廓数据，其中，在轮廓数据集合中检测关键点，切面轮廓线用关键点的序列表示；
并且，每个切面数据使用(x1，pt1),(x2，pt2),(x3，pt3),(x4，pt4),...,(xn，ptn)序列关键点组成；ptn代表数据点类型,在检测过程中平坦数据点和曲率大的数据点判断的标准采用不同的加权因子，包括：使用ptn＝1表示数据点类型是平坦点，ptn＝2表示数据点是拐点，当数据点曲率大于某个范围即设置成拐点；
将众多的切片数据按照着坐标轴排列起来，形成数据高度数据，高度数据就是切片曲线上高度值，矩阵形高程数据表示成2D灰度伪彩图，其中，图像上灰度计算公式如式(2)所示，由此，将模型的Z轴数据转换成灰度值，为后续的匹配检测更加方便；
Pg(x,y)＝255*(z(x,y)-z1)/(z2-z1) (2)步骤5)3D点云匹配步骤，在检测前首先对结构件实际测量3D点云和输入标准模型进行配准，计算出实际测量结构件相对于标准模型的位移和旋转角度，其中，模型配准算法是迭代最近邻ICP算法，其中，ICP算法的判断规则是：产品测量高度图生成后，将高度图转换成灰度伪彩图；
步骤6)实际产品高度图和参考模型高度图生成后，将两者进行配准处理，配准的方法使用2D轮廓定位的方法；
步骤7)产品配准操作后，对模型和实际产品测量高度数据的距离差进行计算，实际手机结构件测量的数据和模型数据进行比较，对于比较方法采用最小二乘法和欧式距离的计算方法，根据不同的数据点类型采用不同的匹配度计算方法；
其中，包括：将激光图像采集和激光控制融合在一起，系统测量前首先标定样品图像的统计量，记录标准样品的图像亮度均值、激光线宽，在测量过程中每次测量完成后，检测激光图像的线宽、均值是否满足要求，如果满足要求则输出测量结果，否则通知用户重新测量或者多输出结果进行优化处理后再输出结果，通过这种方式保证输出结果的测量精度。
2.根据权利要求1所述的高精度激光3D轮廓手机结构件检测方法，其特征在于，在以上测试方法之前，还包括：将手机结构件放置到测试平台上，并使用蓝色波长405nm的半导体线结构光激光器发出的激光线光源照射手机结构件，其中，对称设置的第一CMOS摄像模组和第二CMOS摄像模组采集激光线图像，获取上表面3D点云数据，其中，摄像头光轴和激光线光平面夹角选择了
3.根据权利要求1所述的高精度激光3D轮廓手机结构件检测方法，其特征在于，步骤3)具体包括：测量前导入3D模型CAD数据，然后进行归一化；
或者，使用标准样本采样获得3D点云数据，然后重采样、滤波后生成标准三维点云。
4.根据权利要求1所述的高精度激光3D轮廓手机结构件检测方法，其特征在于，步骤3)具体包括：使用标准样品实际测量的3D轮廓尺寸数据滤波处理后作为标准模板。
5.根据权利要求1所述的高精度激光3D轮廓手机结构件检测方法，其特征在于，步骤6)具体包括：a)在参考模型图中，人工通过软件界面选取显著性定位点特征，计算定位特征的几何量特征，包括：长度、高度、宽度、面积、轮廓线法向量和分割值特征,将轮廓的几何特征作为模板参数进行保存；
b)使用参考模型的分割值对产品高度图进行二值分割，使用Blob算法进行斑点检测，检测到的斑点特征和参考模型图定位点特征进行比较，找出最相似的斑点作为产品的位置特征点，比较产品位置特征点和参考模型图定位点位移关系，从而实现实际产品和参考模型配准。
6.根据权利要求1所述的高精度激光3D轮廓手机结构件检测方法，其特征在于，步骤7)具体包括：对于ptn＝1平坦平面类型数据点，先对参考点集拟合平面模型，使用最小二乘法计算，然后计算实际采样点到平面或者平面方程的距离，计算超出判断不同严重级别误差阈值距离的点的数目、位置，最后使用决策树分类器输出最终结果；
对于ptn＝2转折处测量点，使用最小二乘法拟合出拐点的圆弧曲面模型，然后计算出实际曲面模型和参考点集的曲面模型的半径之间的距离dis，将dis值作为判断的依据；
其中，在计算参数化模型过程中为了避免干扰，使用迭代算法过滤掉一定比例的杂乱数据点；其中，过滤比例从10％到60％。
一种高精度激光3D轮廓手机结构件检测方法
技术领域
[0001] 本发明属于一种高精度激光3D轮廓手机结构件检测方法。
背景技术
[0002] 随着移动终端(手机)的发展，手机结构件的品质要求越来越高。以往检测手机结构件大多数厂家采用目视观察为主，主观性很大，质量难于稳定。行业内少部分企业使用机器视觉的方法检测手机结构件，例如华为技术有限公司、三星公司等，也部署了一些测试装备到手机生产线上，这些测试装备和检测系统的主流还是采用2D视觉技术，使用不同角度的光源将轮廓拍摄出来，然后使用图像处理算法进行分析处理。这种2D视觉的方法数据扰动较大，往往光照强度、材质变化、光源角度的小的变化都会对数据产生很大的影响，检测结果不准确。一些AOI厂家使用统计机器学习的方法和三色LED多角度光源制造图像检测装备，可以一定程度地实现缺陷的有无检测，不能准确量化尺寸方面的缺陷。
[0003] 1常规2D机器视觉使用正面或者侧面拍照的方法，图像特征易受光照的影响，产生误测结果；
[0004] 2、另外一种处理表面检测的方法是使用智能图像算法，例如用机器学习方法进行图像特征分类，通过大量样本训练实现分类，但这种方法不能量化大小，同时需要较长的时间进行训练和学习；
[0005] 2、目前的激光轮廓度仪可以输出表面点云，但测量的宽度较窄，精度和效率不理想，同时对于混合材质的测量不可靠。
[0006] 3、使用深度数据进行检测，涉及到3D点云配准问题，目前的主流3D点云配准算法是适应自由曲面配准的迭代最近邻算法(ICP)，用于3D视觉检测效率低，不能满足在线测试需求。
发明内容
[0007] 本发明所要解决的技术问题是提供一种高精度激光3D轮廓手机结构件检测方法，用于解决现有技术存在的问题。
[0008] 本发明解决上述技术问题所采取的技术方案如下：
[0009] 一种高精度激光3D轮廓手机结构件检测方法，具体包括：
[0010] 步骤1)使用激光测量仪预先扫描一下样品，设定样品的扫描参数，包括激光功率，图像曝光时间，采集范围，采集样品的激光扫描图像样本；
[0011] 步骤2)放置手机结构件到移动工作台上，固定激光测量头在正上方，伺服电机带动工作台托板移动，完成检测，系统在2秒内完成表面轮廓检测，采样次数St＝pl/sstep，pl是产品测量长度，sstep是采样步长；
[0012] 步骤3)建立轮廓标准数据模型；
[0013] 步骤4)测量前导入3D模型CAD数据，数据由几千到上万个三角面片组成，沿着和扫描方向垂直的路径截取3D模型的切片图，在结构件3D数据的每个空间三角形和切片平面形成相交线，计算相交线和空间三角形的每条边的交点，判断交点是否在三角形的端点构成的线段之间，如果在2条线端之间记录交点坐标作为切片采样；
[0014] 切片采样点记录完成后，对切片采样点进行排序，形成断面轮廓数据，其中，在轮廓数据集合中检测关键点，切面轮廓线用关键点的序列表示；
[0015] 并且，每个切面数据使用(x1，pt1),(x2，pt2),(x3，pt3),(x4，pt4),...,(xn，ptn)序列关键点组成；ptn代表数据点类型,在检测过程中平坦数据点和曲率大的数据点判断的标准采用不同的加权因子，包括：
[0016] 使用ptn＝1表示数据点类型是平坦点，ptn＝2表示数据点是拐点，当数据点曲率大于某个范围即设置成拐点；
[0017] 将众多的切片数据按照着坐标轴排列起来，形成数据高度数据，高度数据就是切片曲线上高度值，矩阵形高程数据可以表示成2D灰度伪彩图，其中，图像上灰度计算公式如式(2)所示，由此，将模型的Z轴数据转换成灰度值，为后续的匹配检测更加方便；
[0018] Pg(x,y)＝255*(z(x,y)-z1)/(Z2-Z1) (2)
[0019] 步骤5)3D点云匹配步骤，在检测前首先对结构件实际测量3D点云和输入标准模型进行配准，计算出实际测量结构件相对于标准模型和位移和旋转角度，其中，模型配准算法是迭代最近邻ICP算法，其中，ICP算法的判断规则是：
[0020]
[0021] 产品测量高度图生成后，将高度图转换成灰度伪彩图；
[0022] 步骤6)实际产品高度图和参考模型高度图生成后，将两者进行配准处理，配准的方法使用2D轮廓定位的方法；
[0023] 步骤7)产品配准操作后，对模型和实际产品测量高度数据的距离差进行计算，实际手机结构件测量的数据和模型数据进行比较，对于比较方法采用最小二乘法和欧式距离的计算方法，根据不同的数据点类型采用不同的匹配度计算方法；
[0024] 步骤8)测量过程的反馈控制和数据质量监控；
[0025] 其中，包括：将激光图像采集和激光控制融合在一起，系统测量前首先标定样品图像的统计量，记录标准样品的图像亮度均值、激光线宽，在测量过程中每次测量完成后，检测激光图像的线宽、均值是否满足要求，如果满足要求则输出测量结果，否则通知用户重新测量或者多输出结果进行优化处理后再输出结果。通过这种方式保证输出结果的测量精度。
[0026] 优选的是，在以上测试方法之前，还包括：
[0027] 将手机结构件(4)放置到测试平台上，并使用蓝色波长405nm的半导体线结构光激光器发出的激光线光源(1)照射手机结构件，其中，对称设置的第一CMOS摄像模组(2)和第二CMOS摄像模组(3)采集激光线图像，获取上表面3D点云数据，其中，摄像头光轴和激光线光平面夹角选择了45度，其中，成像公示如下：
[0028]
[0029] 其中，
[0030] 优选的是，步骤3)具体包括：
[0031] 测量前导入3D模型CAD数据，然后进行归一化；
[0032] 或者，使用标准样本采样获得3D点云数据，然后重采样、滤波后生成标准三维点云。
[0033] 优选的是，步骤3)具体包括：
[0034] 使用标准样品实际测量的3D轮廓尺寸数据滤波处理后作为标准模板。
[0035] 优选的是，步骤6)具体包括：
[0036] a)在参考模型图中，人工通过软件界面选取显著性定位点特征，例如圆孔、方孔、直角边等，计算定位特征的几何量特征，包括：长度、高度、宽度、面积、轮廓线法向量和分割值特征,将轮廓的几何特征作为模板参数进行保存；
[0037] b)使用参考模型的分割值对产品高度图进行二值分割，使用Blob算法进行斑点检测，检测到的斑点特征和参考模型图定位点特征进行比较，找出最相似的斑点作为产品的位置特征点，比较产品位置特征点和参考模型图定位点位移关系，从而实现实际产品和参考模型配准。
[0038] 优选的是，步骤7)具体包括：
[0039] 对于ptn＝1平坦平面类型数据点，先对参考点集拟合平面模型，使用最小二乘法计算，然后计算实际采样点到平面或者平面方程的距离，计算超出判断不同严重级别误差阈值距离的点的数目、位置，最后使用本专利定义决策树分类器输出最终结果；
[0040] 对于ptn＝2转折处测量点，使用最小二乘法拟合出拐点的圆弧曲面模型，然后计算出实际曲面模型和参考点集的曲面模型的半径之间的距离dis，将dis值作为判断的依据；
[0041] 其中，在计算参数化模型过程中为了避免干扰，使用迭代算法过滤掉一定比例的杂乱数据点；其中，过滤比例从10％到60％。
[0042] 本发明使用激光轮廓扫描技术测量手机结构件深度尺寸进行检测，真实客观地测量结构件权限体现的物理量，检测数据精度高，误报和漏报概率低，能实现0误报率。在更换检测型号时候不用进行机器学习训练，系统柔性化程度高，可实现快速换型。检测结果和光斑的位置有关，和光斑的强度无关，当激光光源亮度发生变化时，激光线中心变动远远小于激光线宽的变化，因此检测结果的一致性好。
[0043] 本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0044] 下面结合附图对本发明进行详细的描述，以使得本发明的上述优点更加明确。其中，
[0045] 图1是本发明高精度激光3D轮廓手机结构件检测方法的示意图；
[0046] 图2是本发明高精度激光3D轮廓手机结构件检测方法的流程示意图；
[0047] 图3是本发明高精度激光3D轮廓手机结构件检测方法的原理图。
具体实施方式
[0048] 以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
[0049] 另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0050] 其中，本发明测手机结构件方法过程如下：
[0051] 1、放置手机结构件到测试平台上，使用蓝色波长405nm的半导体线结构光激光器照射手机结构件，双CMOS摄像头采集激光线图像，获取上表面3D点云数据，为了达到最高测量精度，摄像头光轴和激光线光平面夹角选择了45度。根据公式(1)，增大激光器光平面和摄像头光轴之间的夹角可以提高测量精度，但受限于结构尺寸，故在针对手机结构测量方法中使用45度的系统结构角度。成像结构如图1所示。
[0052]
[0053] 其中，
[0054] 图1说明如下:1、激光线光源；2、第一CMOS摄像模组；3、第二CMOS摄像模组；4、手机结构件；5、测试样品。
[0055] 2、使用激光测量仪预先扫描一下样品，设定样品的扫描参数，包括激光功率，图像曝光时间，采集范围。采集样品的激光扫描图像样本。
[0056] 3、手机结构件正常检测运行过程如下，放置手机结构件到移动工作台上，固定激光测量头在正上方，伺服电机带动工作台托板移动，完成检测，系统在2秒内完成表面轮廓检测。采样次数St＝pl/sstep，pl是产品测量长度，sstep是采样步长。系统可以根据产品不同大小和结构复杂程度设置采样步长。
[0057] 4、轮廓比较需要建立标准数据模型，标准模型建立方法之一是测量前导入3D模型CAD数据，然后进行归一化；另外一种方式是使用标准样本采样获得3D点云数据，然后重采样、滤波后生成标准三维点云。标准模型建立方法之二是使用标准样品实际测量的3D轮廓尺寸数据滤波处理后作为标准模板。
[0058] 5、测量前导入3D模型CAD数据采用主流3D CAD设计软件支持的格式stl格式，数据由几千到上万个三角面片组成，为了实现轮廓快速比对和测量，本发明专利采用计算几何的方法，沿着和扫描方向垂直的路径截取3D模型的切片图，在结构件3D数据的每个空间三角形和切片平面形成相交线，计算相交线和空间三角形的每条边的交点，判断交点是否在三角形的端点构成的线段之间，如果在2条线端之间记录交点坐标作为切片采样点。切片采样点记录完成后，对切片采样点进行排序，形成断面轮廓数据。直接使用断面轮廓数据测量会产生较多的误判，并且数据量也较大，因此在轮廓数据集合中检测关键点，切面轮廓线用关键点的序列表示。对于每种型号的结构件，根据固定步长创建多组切面数据，在本发明中使用了0.025mm、0.05、0.075mm,0.1mm,0.2mm五种步长创建切面模型数据。每个切面数据使用(x1，pt1),(x2，pt2),(x3，pt3),(x4，pt4),...,(xn，ptn)序列关键点组成。ptn代表数据点类型,在检测过程中平坦数据点和曲率大的数据点判断的标准采用不同的加权因子，我们使用ptn＝1表示数据点类型是平坦点，ptn＝2表示数据点是拐点，当数据点曲率大于某个范围即设置成拐点。将众多的切片数据按照着坐标轴排列起来，形成数据高度数据，高度数据就是切片曲线上高度值，矩阵形高程数据可以表示成2D灰度伪彩图。图像上灰度计算公式如式(2)所示，这样就把模型的Z轴数据转换成灰度值，为后续的匹配检测更加方便。
[0059] Pg(x,y)＝255*(z(x,y)-z1)/(Z2-Z1) (2)
[0060] 6、3D点云匹配，在检测前首先对结构件实际测量3D点云和输入标准模型进行配准，计算出实际测量结构件相对于标准模型和位移和旋转角度。目前常用的模型配准算法是迭代最近邻ICP算法。ICP算法的判断规则是：
[0061]ICP算法主要用于自由曲面三维拼接领域，在规则结构检测领域匹配的精度和效率不高。实际上手机结构件点云可以在一个基准平面用数字高度表示，因此我们使用高度图来表示手机结构件测量结果。由于测试过程可能会略微有些倾斜，因此在高度图生成之前使用ICP算法进行倾斜角度纠正，角度搜索范围限制在+/-n度之内，n值使用软件设置，随着搜索范围的减小，计算量大大降低。
[0062] 产品测量高度图生成后，将高度图转换成灰度伪彩图，图像中浅色代表凸出的结构特征，深色代表凹进去结构特征。本专利按照灰度图像的处理方法处理灰度伪彩图，使用2D图像检测方法进行后处理。
[0063] 7、实际产品高度图和参考模型高度图生成后，将两者进行配准处理，配准的方法使用2D轮廓定位的方法，这种方法速度很快，几十毫秒即可完成定位计算。配准过程如下：
[0064] a)在参考模型图中，人工通过软件界面选取显著性定位点特征，例如圆孔、方孔、直角边等，计算定位特征的几何量特征(长度、高度、宽度、面积、轮廓线法向量)和分割值特征,将轮廓的几何特征作为模板参数进行保存；
[0065] b)使用参考模型的分割值对产品高度图进行二值分割，使用Blob算法进行斑点检测，检测到的斑点特征和参考模型图定位点特征进行比较，找出最相似的斑点作为产品的位置特征点，比较产品位置特征点和参考模型图定位点位移关系，从而实现实际产品和参考模型配准。
[0066] 8、产品配准操作后，需要对模型和实际产品测量高度数据的距离差进行计算，实际手机结构件测量的数据和模型数据进行比较，对于比较方法采用最小二乘法和欧式距离的计算方法。根据不同的数据点类型采用不同的匹配度计算方法。对于ptn＝1平坦平面类型数据点，先对参考点集拟合平面模型，使用最小二乘法计算，然后计算实际采样点到平面或者平面方程的距离，计算超出判断不同严重级别误差阈值距离的点的数目、位置，最后使用本专利定义决策树分类器输出最终结果。对于ptn＝2转折处测量点，使用最小二乘法拟合出拐点的圆弧曲面模型，然后计算出实际曲面模型和参考点集的曲面模型的半径之间的距离dis，将dis值作为判断的依据。在计算参数化模型过程中为了避免干扰，必须使用迭代算法过滤掉一定比例的杂乱数据点，本专利使用的过滤比例从10％到60％,根据不同产品类型系统进行调整。
[0067] 9、测量过程的反馈控制和数据质量监控。在结构光测量系统中光源的稳定性十分重要。本专利将激光图像采集和激光控制融合在一起，系统测量前首先标定样品图像的统计量，记录标准样品的图像亮度均值、激光线宽，在测量过程中每次测量完成后，检测激光图像的线宽、均值是否满足要求，如果满足要求则输出测量结果，否则通知用户重新测量或者多输出结果进行优化处理后再输出结果。通过这种方式保证输出结果的测量精度。激光器的控制通过制作的一块激光控制板完成，控制信号采用0-3v范围的电压信号。
[0068] 使用激光轮廓扫描技术测量手机结构件深度尺寸进行检测，真实客观地测量结构件权限体现的物理量，检测数据精度高，误报和漏报概率低，能实现0误报率。在更换检测型号时候不用进行机器学习训练，系统柔性化程度高，可实现快速换型。检测结果和光斑的位置有关，和光斑的强度无关，当激光光源亮度发生变化时，激光线中心变动远远小于激光线宽的变化，因此检测结果的一致性好。将理论模型的3D点云数据转换成数字高程数据，并以2D灰度图像表示。这样可以用2D图像算法来处理3D数据。
[0069] 其中，本案需要保护的要点，概括如下：
[0070] 1、创新性提出了激光光平面和双目CMOS传感器大角度成像结构用于精密结构件检测，设计的角度为45度，通过这种方式实现手机结构件测量精度优化。
[0071] 2、为适应不同材质手机结构件测量，在测量过程中激光光强进行监控，根据图像检测到线宽和光斑散射程度自动调整激光能量，实现高稳定测量过程。
[0072] 3、将3D轮廓数据转化成2D灰度图或者伪彩色图，使用2D视觉Blob定位算法和灰度比较算法实现轮廓数据的快速配准，快速检测。
[0073] 4、检测模板STL数据处理方法，将模板3D点云数据转换归一化的2D图像。
[0074] 5、实际测量点云数据用矩阵化数字高度数据表示，转化成测量深度图像，调用2D轮廓检测算法进行定位，定位后的数据和模型高度数据进行相减运算，相减后残差图像设置一个阈值进行分割，使用Blob检测统计分割图有效缺陷的面积，长度，宽度特征。
[0075] 6、参考模型和实际产品距离比较采用了不同的方法，平坦表面使用平面线性模型进行比较，转折处使用了圆弧模型进行比较。
[0076] 7、设计了树形分类器用于缺陷判断，首先使用弱分类器区分显著性缺陷和明显好的产品，然后对疑似缺陷结合缺陷特征分布进行进一步区分，直到误检率和漏检率满足客户要求。
[0077] 需要说明的是，对于上述方法实施例而言，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
[0078] 本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
[0079] 而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
[0080] 最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。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。
