自动驾驶测试场景的确定方法及其装置

摘要

本申请公开了一种自动驾驶测试场景的确定方法及其装置，该确定方法包括：根据历史场景库，确定K个场景参数和每个场景参数对应的累积分布函数；对所述每个场景参数对应的累积分布函数的概率区间进行N等分，得到N个概率子层；根据预置矩阵R，从所述每个场景参数对应的概率子层中随机抽取M个场景参数概率样本点；根据每个场景参数概率样本点，获取第i个目标场景样本中的K个场景参数对应的K个场景参数值，由所述K个场景参数值组合构成所述第i个目标场景样本，通过上述过程，能够以较少的场景数量较好的覆盖整个场景空间，降低仿真模拟的负担并且提高算法评估的效率。

权利要求

1.一种自动驾驶测试场景的确定方法，其特征在于，所述确定方法包括：根据历史场景库，确定K个场景参数和每个场景参数对应的累积分布函数，其中，通过每个场景参数的参数取值在自动驾驶测试场景中的概率分布，确定每个场景参数对应的累积分布函数；

对所述每个场景参数对应的累积分布函数的概率区间进行N等分，得到N个概率子层；

根据预置矩阵R，从所述每个场景参数对应的概率子层中随机抽取M个场景参数概率样本点；

根据每个场景参数概率样本点，获取第i个目标场景样本中的K个场景参数对应的K个场景参数值;

由所述K个场景参数值组合构成所述第i个目标场景样本。

2.根据权利要求1所述的确定方法，其特征在于，所述确定方法还包括：从所述历史场景库中随机抽取N个历史场景样本，每个历史场景样本中包含K个历史场景参数；

根据所述N个历史场景样本和对应的K个场景参数，构建预置矩阵R。

3.根据权利要求2所述的确定方法，其特征在于，所述根据所述N个历史场景样本和对应的K个场景参数，构建预置矩阵R，包括：从所述K个场景参数中获取一个场景参数k，确定所述场景参数k在所述N个历史场景样本中分别对应的值；

将N个历史场景样本按照所述场景参数k的值的预置顺序，构建N×K预置矩阵R, 所述预置矩阵R中的每一个元素rik表示所述历史场景样本中的第i个历史场景样本中的第k个场景参数在N个历史场景样本中按照预置顺序排序后的排序序号。

4.根据权利要求1‑3任一项所述的确定方法，其特征在于，所述根据所述预置矩阵R，从所述每个场景参数对应的概率子层中随机抽取M个场景参数概率样本点，包括：根据预置矩阵R，获取第i个历史场景样本中每个场景参数的排序序号；

根据所述每个场景参数的排序序号，确定所述第i个目标场景样本中的每个场景参数对应的概率子层；

从所述每个场景参数对应的概率子层中随机抽取M个场景参数概率样本点。

5.根据权利要求1所述的确定方法，其特征在于，所述根据所述每个场景参数概率样本点获取第i个目标场景样本中的K个场景参数对应的K个场景参数值，包括：对每一个场景参数概率样本点进行对应的逆累积分布函数转换得到K个场景参数分别对应的K个场景参数值，所述K个场景参数值为第i个目标场景样本中的K个场景参数对应的数值。

6.一种自动驾驶测试场景的确定装置，其特征在于，所述确定装置包括：第一确定模块，用于根据历史场景库，确定K个场景参数和每个场景参数对应的累积分布函数，其中，通过每个场景参数的参数取值在自动驾驶测试场景中的概率分布，确定每个场景参数对应的累积分布函数；

第一处理模块，用于对所述每个场景参数对应的累积分布函数的概率区间进行N等分，得到N个概率子层；

第一采样模块，用于根据预置矩阵R，从所述每个场景参数对应的概率子层中随机抽取M个场景参数概率样本点；

获取模块，用于根据每个场景参数概率样本点，获取第i个目标场景样本中的K个场景参数对应的K个场景参数值，由所述K个场景参数值组合构成所述第i个目标场景样本。

7.根据权利要求6所述的确定装置，其特征在于，所述确定装置还包括：第二采样模块，用于从所述历史场景库中随机抽取N个历史场景样本，每个历史场景中包含K个场景参数；

第二构建模块，用于根据所述N个历史场景样本和对应的K个场景参数构建预置矩阵R。

8.根据权利要求6所述的确定装置，其特征在于，所述确定装置还包括：第二处理模块，用于对每一个场景参数概率样本点进行对应的逆累积分布函数转换得到K个场景参数分别对应的K个场景参数值，所述K个场景参数值为第i个目标场景样本中的K个场景参数对应的数值。

9.一种电子设备，其特征在于，包括更新器、存储器和总线，存储器存储有更新器可执行的机器可读指令，当电子设备运行时，更新器与存储器之间通过总线进行通信，机器可读指令被更新器运行时执行如权利要求1‑5中任一项所述的自动驾驶测试场景的确定方法的步骤。

10.一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程序，计算机程序被更新器运行时执行如权利要求1‑5中任一项所述的自动驾驶测试场景的确定方法的步骤。

说明书

自动驾驶测试场景的确定方法及其装置

技术领域

[0001] 本申请涉及自动驾驶技术领域，具体而言，涉及一种自动驾驶测试场景的确定方法及其装置。

背景技术

[0002] 自动驾驶是依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让计算机可以在没有任何人类主动操作下，自动安全地操作机动车辆。

[0003] 为保证自动驾驶车辆的行驶安全，需要利用自动驾驶场景库对自动驾驶算法进行仿真模拟评估，评估自动驾驶算法的表现，需要在所有场景下遍历所有的场景参数，理论上
无法做到，现有技术中通过在自动驾驶场景库中随机抽取场景参数，然后对随机抽取的场
景参数进行组合形成新的测试场景，以对自动驾驶算法进行模拟训练。

[0004] 由于需要大量的测试场景对自动驾驶算法进行测试，因此需要重复抽取场景参数组合成新的测试场景，但由于是随机抽取场景参数组合的测试场景会出现重复或者相似的
情况，无法覆盖到所有自动驾驶的测试参加，即现有自动驾驶测试场景确定的有效率较低。

发明内容

[0005] 本申请实施例的目的在于提供一种自动驾驶测试场景的确定方法及其装置，该方法在少量测试场景样本的情况下能更全面的覆盖到整个场景空间并且增加了确定的自动
驾驶测试场景的有效率。

[0006] 为了实现上述目的，本申请实施例采用的技术方案如下：

[0007] 第一方面，本申请实施例提出一种自动驾驶测试场景的确定方法，确定方法包括：

[0008] 根据历史场景库，确定K个场景参数和每个场景参数对应的累积分布函数；

[0009] 对每个场景参数对应的累积分布函数的概率区间进行N等分，得到N个概率子层；

[0010] 根据预置矩阵R，从每个场景参数对应的概率子层中随机抽取M个场景参数概率样本点；

[0011] 根据每个场景参数概率样本点，获取第i个目标场景样本中的K个场景参数对应的K个场景参数值，由K个场景参数值组合构成第i个目标场景样本；

[0012] 确定i个目标场景样本，根据i个目标场景样本构成目标自动驾驶场库。

[0013] 可选地，确定方法还包括：

[0014] 从历史场景库中随机抽取N个历史场景样本，每个历史场景中包含K个历史场景参数；

[0015] 根据N个历史场景样本和对应的K个历史场景参数，构建预置矩阵R。

[0016] 可选地，根据N个历史场景样本和对应的K个历史场景参数，构建预置矩阵R，包括：

[0017] 从K个历史场景参数中获取一个历史场景参数k，确定历史场景参数k在N个历史场景样本中分别对应的值。

[0018] 将N个历史场景样本按照历史场景参数k的值的预置顺序，构建N×K预置矩阵R, 预置矩阵R中的每一个元素rik表示历史场景样本中的第i个历史场景样本中的第k个历史场
景参数在N个历史场景样本中按照预置顺序排序后的排序序号。

[0019] 可选地，根据上述任一项的自动驾驶测试场景的确定方法，根据预置矩阵R，从每个场景参数对应的概率子层中随机抽取M个场景参数概率样本点，包括：

[0020] 根据预置矩阵R，获取第i个历史场景样本点中每个场景参数的排序序号；

[0021] 根据每个场景参数的排序序号，确定第i个目标场景样本中的每个场景参数对应的概率子层；

[0022] 从每个场景参数对应的概率子层中随机抽取M个场景参数概率样本点。

[0023] 可选地，根据每个场景参数概率样本点获取第i个目标场景样本中的K个场景参数对应的K个场景参数值，包括：

[0024] 对每一个场景参数概率样本点进行对应的逆累积分布函数转换得到K个场景参数分别对应的K个场景参数值，K个场景参数值为第i个目标场景样本中的K个场景参数对应的
数值。

[0025] 第二方面，本申请实施例还提出一种自动驾驶测试场景的确定装置，该确定装置包括：

[0026] 第一确定模块，用于根据历史场景库，确定K个场景参数和每个场景参数对应的累积分布函数；

[0027] 第一处理模块，用于对每个场景参数对应的累积分布函数的概率区间进行N等分，得到N个概率子层；

[0028] 第一采样模块，用于根据预置矩阵R，从每个场景参数对应的概率子层中随机抽取M个场景参数概率样本点；

[0029] 获取模块，用于根据每个场景参数概率样本点，获取第i个目标场景样本中的K个场景参数对应的K个场景参数值，由K个场景参数值组合构成第i个目标场景样本。

[0030] 可选地，确定装置还包括：

[0031] 第二采样模块，用于从历史场景库中随机抽取N个历史场景样本，每个历史场景中包含K个历史场景参数；

[0032] 第二构建模块，用于根据N个历史场景样本和对应的K个历史场景参数构建预置矩阵R。

[0033] 可选地，确定装置还包括：

[0034] 第二处理模块，用于对每一个场景参数概率样本点进行对应的逆累积分布函数转换得到K个场景参数分别对应的K个场景参数值，K个场景参数值为第i个目标场景样本中的
K个场景参数对应的数值。

[0035] 第三方面，本申请实施例还提出一种电子设备，包括：处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储介质之间
通过总线通信，处理器执行机器可读指令，以执行上述自动驾驶测试场景的确定方法的步
骤。

[0036] 第四方面，本申请实施例还提出一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行如上述的自动驾驶测试场景的确定
方法的步骤。

[0037] 本申请公开了一种自动驾驶测试场景的确定方法及其装置，该确定方法包括：根据历史场景库，确定K个场景参数和每个场景参数对应的累积分布函数；对每个场景参数对
应的累积分布函数的概率区间进行N等分，得到N个概率子层；根据预置矩阵R，从每个场景
参数对应的概率子层中随机抽取M个场景参数概率样本点；根据每个场景参数概率样本点，
获取第i个目标场景样本中的K个场景参数对应的K个场景参数值，由K个场景参数值组合构
成第i个目标场景样本，通过上述过程，能够以较少的场景数量较好的覆盖整个场景空间，
降低仿真模拟的负担并且提高算法评估的效率。

[0038] 本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请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

[0039] 为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对
范围的限定，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
些附图获得其他相关的附图。

[0040] 图1示出了本申请实施例所提供的一种自动驾驶测试场景的确定方法的流程示意图一。

[0041] 图2示出了本申请实施例所提供的一种根据预置矩阵R确定每个场景参数对应概率子层方法的流程示意图一。

[0042] 图3示出了本申请实施例所提供的一种自动驾驶测试场景的确定装置的结构示意图一。

[0043] 图4示出了本申请实施例所提供的一种电子设备的结构示意图。

具体实施方式

[0044] 下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在
此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因
此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的
范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做
出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0045] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本公开的
描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

[0046] 为了降低自动驾驶仿真模拟的负担和提高算法评估的效率，本申请提出一种自动驾驶测试场景的确定方法，参见图1，图1示出了本申请实施例所提供的一种自动驾驶测试
场景的确定方法的流程示意图一，具体的，该确定方法包括：

[0047] S110、根据历史场景库，确定K个场景参数和每个场景参数对应的累积分布函数。

[0048] 这里，历史场景库包括多个历史时间段内训练自动驾驶算法时所用到的自动驾驶测试场景，确定多个历史场景库中自动驾驶测试场景涉及的多个场景参数的种类K，K表示
构成自动驾驶场景的场景参数种类，例如,某一个自动驾驶场景中的场景参数包括天气、前
车车速、温度和后车车速，那么K的取值为4。

[0049] 获取每个场景参数在自动驾驶测试场景中的参数取值，通过统计参数取值的概率分布确定每个场景参数对应的累积分布函数。

[0050] S120、对每个场景参数对应的累积分布函数的概率区间进行N等分，得到N个概率子层。

[0051] 在一具体实施例中，对每个场景参数对应的累积分布函数的概率区间[0,1]进行N等分，每个场景参数得到[0,1/N]、[1/N,2/N]、... [N‑1/N,1]共计N个概率子层，其中N的取
值范围为[1,N]，且N的取值可以根据最后需要的目标自动驾驶测试场景的数量决定，N的值
越大，说明目标自动驾驶测试场景的数量需求越大。

[0052] K个场景参数对应N×K个概率子层，例如某一场景涉及3个场景参数，对每一个场景参数进行N等分后，每一个场景参数都存在N个概率子层，3个场景参数，就有N×3个概率
子层，其中每一个场景参数概率区间[0,1]上的任意一个概率点表示该概率点对应的场景
参数值在历史场景库中的分布概率。

[0053] S130、根据预置矩阵R，从每个场景参数对应的概率子层中随机抽取M个场景参数概率样本点。

[0054] 这里，预置矩阵R是根据历史场景库构建的用来描述各个场景参数间相关关系的矩阵，使用预置矩阵R代替随机矩阵对随机抽取的场景参数值进行随机组合，排除各个场景
参数之间的伪相关性，根据预置矩阵R可以确定进行随机组合的K个场景中每个场景参数具
体的概率子层，并从所确定的每个场景参数对应的概率子层中随机抽取M个场景参数概率
样本点，其中M的数量是根据最后的构建目标场景库中场景样本数量的需求确定的，在概率
子层N的数量确定的情况下，可以通过增加M的数量扩充目标场景样本的数量，例如，N=2，M=
1时，参数随机组合后得到2个目标场景样本，N=2，M=2时，参数随机组合后得到4个目标场景
样本。

[0055] 参见图2，为本申请实施例所提供的一种根据预置矩阵R确定每个场景参数对应概率子层方法的流程示意图，具体的，该方法包括：

[0056] S1301、从历史场景库中随机抽取N个历史场景样本。

[0057] 这里每个历史场景样本中包含K个历史场景参数，例如，从历史场景库中随机抽取x（1 x11，y12，z13）、x（2 x21，y22，z 23）、x（3 x31，y32，z 33）、x（4 x41，y42，z 43）这4个历史场景样本，每
个历史样本中包括车速x、天气y和温度z这三个历史场景参数值，且x11、x21 、x31 、x41是车速
x对应值，y12、y22 、y32 、y42是天气y对应值，z13、z23 、z33 、z43是温度z对应值。

[0058] S1302、从K个历史场景参数中获取一个历史场景参数k，确定历史场景参数k在N个历史场景样本中分别对应的值。

[0059] k表示某一具体的场景参数，例如，k为车速，那么从车速x、天气y和温度z这三个历史场景参数中选取车速x这一历史场景参数，确定车速x在历史场景样本x1、x2、x3、x4这4个
历史场景样本中分别对应的值，若x1=（35，40，19）、x2=（28，75，32）、x3=（40，30，17）、x4=（55，
55，29），那么4个历史场景样本中车速x对应值x11、x21 、x31 、x41分别为35、28、40、55。

[0060] S1303、将N个历史场景样本按照历史场景参数k的值的预置顺序，构建N×K预置矩阵R。

[0061] 其中，预置矩阵R中的每一个元素rik表示历史场景样本中的第i个历史场景样本中的第k个历史场景参数，在N个历史场景样本中按照预置顺序排序后的排序序号，i的取值为
[1,N]，k的取值为[1,K]。

[0062] 这里边预置顺序是预先指定的顺序，可以是从小到大顺序或者从大到小的顺序，例如将上述车速x11、x21 、x31 、x41对应的值35、28、40、55按照从小到大的顺序将x1、x2、x3、x4
构建成如下4×3矩阵A：

[0063]             （1）

[0064] 公式（1）中，A表示将随机抽取的历史场景样本x1、x2、x3、x4按照车速值从小到大顺序排序得到矩阵A，矩阵A中从上到下每一行。分别对应历史场景样本x2、x1、x3、x4，矩阵A从
左到右每一列分别表示4个历史场景样本中车速x、天气y和温度z对应的值，也就是说，x2对
应矩阵A中的第一个样本，x1对应矩阵A中的第二个样本，x3对应矩阵A中的第三个样本，x4对
应矩阵A中的第四个样本。

[0065] 根据公式（1）中历史场景样本中的每个历史场景参数按照预置顺序排序后得到的排序序号，构建N×K预置矩阵R ：

[0066]             （2）

[0067] 公式（2）中，R表示预置矩阵R，其中，预置矩阵R中的每一个元素由rik表示，i表示预置矩阵R中的每个元素对应的行数，k表示预置矩阵R中每个元素对应的场景参数，例如，预
置矩阵R中每一列从左到右依次表示车速x、天气y和温度z。

[0068] S1304、根据预置矩阵R，获取第i个历史场景样本中每个场景参数的排序序号。

[0069] 例如，若i=2，k=3，由公式（2）可知，r23=2，表示排序后的历史场景样本中第2个历史场景样本中的第三个场景参数温度z在4个历史场景样本中的所有温度值中按照从小到大
排序后的排序序号为2。

[0070] S1305、根据每个场景参数的排序序号，确定第i个目标场景样本中的每个场景参数对应的概率子层。

[0071] 例如，根据r23=2，可确定第2个目标场景样本中的场景参数温度对应的概率子层是2，也就是[1/N,2/N]。

[0072] S1306、从每个场景参数对应的概率子层中随机抽取M个场景参数概率样本点。

[0073] 例如每个场景参数分成4个概率子层，M=1,r23=2，则确定的第二个概率子层为[1/4,1/2]，从概率子层[1/4,1/2]中随机抽取1个场景概率样本点3/8。

[0074] 返回图1，S140、根据每个场景参数概率样本点，获取第i个目标场景样本中的K个场景参数对应的K个场景参数值，由K个场景参数值组合构成第i个场景样本。

[0075] 这里，对每一个场景参数概率样本点进行对应的逆累积分布函数转换，得到K个场景参数分别对应的K个场景参数值，K个场景参数值为第i个目标场景样本中的K个场景参数
对应的数值。

[0076] 例如，在获取第1个目标场景样本中的场景参数车速对应值时，确定i=1，k=1,根据预置矩阵R查找对应元素r11=1，则在车速的第一个概率子层[0,1/N]随机抽取一个场景参数
温度的概率样本点，对该概率样本点进行对应的逆累积分布函数转换得到该温度概率下的
温度值，将该温度值作为第1个目标场景样本中的场景参数车速x的值，按照此方法依次获
取第1个目标场景样本中其它场景参数温度和天气的值，这些值组成第1个目标场景样本。

[0077] 在本申请一具体实施例中，可以利用如下公式确定第i个目标场景样本中的每个场景参数对应的值：

[0078]         （3）

[0079] 公式（3）中，其中，  表示第i个目标场景样本中第k个场景参数对应的值，i表示目标场景样本，k表示场景参数；N表示每个场景参数划分的概率子层的个数；  表示根
据预置矩阵确定的第i个目标场景样本中的第k个场景参数对应的概率子层； 表示第i个
目标场景样本中的第k个场景参数在[0,1]上均匀分布的随机变量；
表示第i个目标场景样本中的第k个场景参数具体在哪一个概率子层中随机抽取的样本点；
 表示对第k个场景参数的概率样本点进行取反运算从而获取第i个目标场景样本中第
k个场景参数对应的值。

[0080] 例如，i=1，k=1时， 表示第1个目标场景样本中第1个场景参数对应的值，若预置矩阵为公式（2），则由公式（2）可知， 的值为1，也就是说第1个目标场景样本中第1个场
景参数在第一个概率子层随机取点，若概率子层N是4， 随机取值1/4，则根据公式（3）计
算得到结果 ,表示在第1个概率子层[0,1/4]上随机取得概率样本点1/
16,用该参数对应的累积分布函数取反得到第1个目标场景样本中第1个场景参数对应的
值,在预置矩阵R不同的情况下，会影响到概率样本点的取值区间。

[0081] 图3示出了本申请实施例所提供的一种自动驾驶测试场景的确定装置的结构示意图一，具体的，该确定装置包括：第一确定模块210、第一处理模块220、第一采样模块230、获
取模块240。

[0082] 第一确定模块210，用于根据历史场景库，确定K个场景参数和每个场景参数对应的累积分布函数；

[0083] 第一处理模块220，用于对每个场景参数对应的累积分布函数的概率区间进行N等分，得到N个概率子层；

[0084] 第一采样模块230，用于根据预置矩阵R，从每个场景参数对应的概率子层中随机抽取M个场景参数概率样本点；

[0085] 获取模块240，用于根据每个场景参数概率样本点，获取第i个目标场景样本中的K个场景参数对应的K个场景参数值，由K个场景参数值组合构成第i个目标场景样本；

[0086] 确定装置还包括：

[0087] 第二采样模块，用于从历史场景库中随机抽取N个历史场景样本，每个历史场景中包含K个历史场景参数。

[0088] 第二构建模块，用于根据N个历史场景样本和对应的K个历史场景参数构建预置矩阵R。

[0089] 其中，第二构建模块还用于：

[0090] 从K个历史场景参数中获取一个历史场景参数k，确定历史场景参数k在N个历史场景样本中分别对应的值。

[0091] 将N个历史场景样本按照历史场景参数k的值的预置顺序，构建N×K预置矩阵R, 预置矩阵R中的每一个元素rik表示历史场景样本中的第i个历史场景样本中的第k个历史场
景参数在N个历史场景样本中按照预置顺序排序后的排序序号。

[0092] 根据预置矩阵R，从每个场景参数对应的概率子层中随机抽取M个场景参数概率样本点，包括：

[0093] 根据预置矩阵R，获取第i个历史场景样本中每个场景参数的排序序号；

[0094] 根据每个场景参数的排序序号，确定第i个目标场景样本中的每个场景参数对应的概率子层；

[0095] 从每个场景参数对应的概率子层中随机抽取M个场景参数概率样本点。

[0096] 第二处理模块，用于对每一个场景参数概率样本点进行对应的逆累积分布函数转换得到K个场景参数分别对应的K个场景参数值，K个场景参数值为第i个目标场景样本中的
K个场景参数对应的数值。

[0097] 参见图4，图4示出了本申请实施例所提供的一种电子设备的结构示意图，如图4中所示，电子设备300包括处理器310、存储器320和总线330。

[0098] 存储器320存储有处理器310可执行的机器可读指令，当电子设备300运行时，处理器310与存储器320之间通过总线330通信，机器可读指令被处理器310执行时，可以执行如
上述图1和图2所示方法实施例中的方法的步骤，具体实现方式可参见方法实施例，在此不
再赘述。

[0099] 本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的方法
的步骤，具体实现方式可参见方法实施例，在此不再赘述。

[0100] 需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排它性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而
且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者设备所固有
的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要
素的过程、方法、物品或者设备中还存在另外的相同要素。

[0101] 最后应说明的是：以上实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进
行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本
申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想
到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应
技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围
之内。因此，本申请的保护范围应以权利要求的保护范围为准。