本发明涉及图像识别技术领域，具体涉及基于视觉检测的桥梁性能评估系统，包括采集层、处理层及评价层；桥梁的图像数据通过采集层上传，并于采集层中完成后去雾优化后向处理层中发送，处理层基于接收到的桥梁图像数据，进行桥梁图像数据对称图像的生成，并进一步执行对称图像与原图相似性比对，本发明中系统在运行的过程中，利用了桥梁的结构对称的特性，在配合图像识别的方式对桥梁进行了全面的检测，能够有效的通过系统输出结果来评定桥梁是否存在形变的问题，且在完成评定后，还能够一定程度的对存在问题的桥梁上的位置进行捕获及反馈，达到进一步辅助系统使用者，对桥梁进行定点检测、维护的目的。
1.基于视觉检测的桥梁性能评估系统，其特征在于，包括采集层、处理层及评价层；
桥梁的图像数据通过采集层上传，并于采集层中完成后去雾优化后向处理层中发送，处理层基于接收到的桥梁图像数据，进行桥梁图像数据对称图像的生成，并进一步执行对称图像与原图相似性比对，比对结果反馈至评价层中，通过评价层完成相似性比对结果综合评价的输出；
处理层包括镜像模块及计算模块，镜像模块用于接收优化模块完成去雾优化处理后的桥梁图像数据，对桥梁图像数据进行镜像处理，计算模块用于计算镜像处理后的桥梁图像数据与原桥梁图像数据的相似度；
计算模块对镜像处理后的桥梁图像数据与原桥梁图像数据的相似度计算公式为：
式中：n为相似度比对点的集合；u为相似度比对点的序号；αi,1、αi,n、αi,n+1为镜像处理后的桥梁图像数据i中对应序号的拾取点坐标；βj,1、βj,n、βj,n+1为原桥梁图像数据j中对应序号‑1的拾取点坐标；δ 为校正系数；
其中，δ的取值与κ(i,j)的计算逻辑相同，δ的取值在通过κ(i,j)的计算逻辑进行求取时所应用的图像数据为完成去雾优化处理后的桥梁图像数据及该桥梁对应图纸中对应部分的桥梁图纸数据，κ(i,j)越大则桥梁越安全。
2.根据权利要求1所述的基于视觉检测的桥梁性能评估系统，其特征在于，所述采集层包括无人机模组、输入模块及优化模块，无人机模组用于采集桥梁的图像数据，输入模块用于输入无人机模组在采集桥梁的图像数据时的位置坐标，优化模块用于对无人机模组采集的桥梁图像数据进行去雾优化处理；
其中，所述输入模块中输入的无人机模组在采集桥梁图像数据时的位置坐标及角度通过系统端用户手动输入，系统端用户在确定无人机执行桥梁图像数据采集任务时的位置坐标角度时，参考桥梁构建时所使用的建筑图纸，获取桥梁图纸中桥梁中轴线，使无人机模组处于系统端用户输入的位置坐标上时，无人机模组的中轴线及摄像端均处于桥梁中轴线上。
3.根据权利要求2所述的基于视觉检测的桥梁性能评估系统，其特征在于，所述优化模块中对于桥梁图像数据的去雾优化处理，通过如下公式求取经去雾优化处理后输出的图像，公式为：式中：I(x)为原始图像；t(x)为大气透射率；|ω|为窗口ωk的元素个数；ak及bk为线性L
4.根据权利要求3所述的基于视觉检测的桥梁性能评估系统，其特征在于，所述无人机模组在采集到桥梁图像数据后，进一步参考桥梁图纸中桥梁中轴线对桥梁图像数据进行分割，获取一半的桥梁图像数据，以获取到的一半桥梁图像数据作为优化模块处理目标；
其中，优化模块在对一半桥梁图像数据进行去雾处理时，对一半桥梁图像数据进行质量评价，公式为：
式中，v1,v2,∑1,∑2分别为自然图像和失真图像MVG模型的均值及方差矩阵；T取局部最大方差的0.6～0.9倍；
优化模块中系统端用户手动设定有去雾判定阈值，上式求取D(v1,v2,∑1,∑2)通过去雾判定阈值进行判定，D(v1,v2,∑1,∑2)处于去雾判定阈值内时，对该一半桥梁图像数据进行去雾优化处理，反之则对该一半桥梁图像数据向处理层发送。
5.根据权利要求4所述的基于视觉检测的桥梁性能评估系统，其特征在于，所述计算模块在进行相似度计算时所应用的原桥梁图像数据即优化模块中未进行去雾优化的另一半桥梁图像数据，另一半所述桥梁图像数据在被应用进行相似度计算时，执行去雾优化的操作。
6.根据权利要求1所述的基于视觉检测的桥梁性能评估系统，其特征在于，所述相似度计算公式中通过系统端用户手动设定以δ求取的值作为直接输出结果或使δ不参与公式运算，δ不参与公式运算时，δ取值为1。
7.根据权利要求5所述的基于视觉检测的桥梁性能评估系统，其特征在于，所述评价层包括设定模块、评价模块及嗅探模块，设定模块用于设定安全评价阈值，评价模块用于接收处理层中计算模块计算得到的相似度及设定模块设定的安全评价阈值，应用安全评价阈值与相似度进行比对，判定桥梁是否安全，嗅探模块用于捕捉相似度计算公式计算过程中应用的各拾取点差值对应拾取点，对各拾取点差值进行由大至小排序，进一步对各拾取点差值对应拾取点进行对应排序。
8.根据权利要求7所述的基于视觉检测的桥梁性能评估系统，其特征在于，所述嗅探模块中得到的排序的拾取点实时向系统端用户发送，向系统端用户发送的拾取点数量及位置通过系统端用户手动设定，嗅探模块向系统端用户发送的拾取点集合时系统默认为排序的拾取点中前三组拾取点。
9.根据权利要求7所述的基于视觉检测的桥梁性能评估系统，其特征在于，所述嗅探模块中获取到的拾取点及评价模块中评价的桥梁是否安全评价结果于评价层中储存。
10.根据权利要求8所述的基于视觉检测的桥梁性能评估系统，其特征在于，所述无人机模组通过局域网络与输入模块相连接，所述输入模块通过介质电性连接有优化模块，所述优化模块通过介质电性连接有镜像模块，所述镜像模块通过介质电性连接有计算模块，所述计算模块通过介质电性连接有设定模块及评价模块，所述评价模块通过介质电性连接有嗅探模块。
基于视觉检测的桥梁性能评估系统
技术领域
[0001] 本发明涉及图像识别技术领域，具体涉及基于视觉检测的桥梁性能评估系统。
背景技术
[0002] 桥梁，一般会指架设在江河湖海上，使车辆行人等能顺利通行的构筑物。为适应现代高速发展的交通行业，桥梁亦引申为跨越山涧、不良地质或满足其他交通需要而架设的使通行更加便捷的建筑物。
[0003] 申请号为201910854419.6公开了一种桥梁监测方法，其特征在于，包括：将桥梁沿其长度方向分隔为多个子区域；在各所述子区域内设置多个监测点(10)，各所述监测点(10)均包括信息采集装置(11)，且同一所述子区域内的所有所述监测点(10)的数据汇集至同一局部监测站(20)，不司的所述子区域对应不同的所述局部监测站(20)：各所述局部监测站(20)在其所有的所述监测点(10)的数据收集完成后发送给监控中心(30)，并通过所述监控中心(30)对接收的数据进行分析处理。
[0004] 该申请在于解决：近年来也有通过无线技术对桥梁、隧道、建筑物进行监测的方法。而在现有的桥梁监测方法中通常存在监测距离短、数据流量大以及成本高的问题。
[0005] 然而，针对于桥梁竣工后期的维护工作，目前均有人工对桥梁指定点位进行检测来实现桥梁的定期维护，此种方式耗费了大量的人力资源，且检测维护往往存在一定局限，无法对桥梁建筑的全局进行检测。
发明内容
[0006] 针对现有技术所存在的上述缺点，本发明提供了基于视觉检测的桥梁性能评估系统，解决了针对于桥梁竣工后期的维护工作，目前均有人工对桥梁指定点位进行检测来实现桥梁的定期维护，此种方式耗费了大量的人力资源，且检测维护往往存在一定局限，无法对桥梁建筑的全局进行检测的问题。
[0007] 为实现以上目的，本发明通过以下技术方案予以实现：
[0008] 基于视觉检测的桥梁性能评估系统，包括采集层、处理层及评价层；
[0009] 桥梁的图像数据通过采集层上传，并于采集层中完成后去雾优化后向处理层中发送，处理层基于接收到的桥梁图像数据，进行桥梁图像数据对称图像的生成，并进一步执行对称图像与原图相似性比对，比对结果反馈至评价层中，通过评价层完成相似性比对结果综合评价的输出；
[0010] 处理层包括镜像模块及计算模块，镜像模块用于接收优化模块完成去雾优化处理后的桥梁图像数据，对桥梁图像数据进行镜像处理，计算模块用于计算镜像处理后的桥梁图像数据与原桥梁图像数据的相似度；
[0011] 计算模块对镜像处理后的桥梁图像数据与原桥梁图像数据的相似度计算公式为：
[0012]
[0013] 式中：n为相似度比对点的集合；u为相似度比对点的序号；αi,1、αi,n、αi,n+1为镜像处理后的桥梁图像数据i中对应序号的拾取点坐标；βj,1、βj,n、βj,n+1为原桥梁图像数据j中对应‑1序号的拾取点坐标；δ 为校正系数；
[0014] 其中，δ的取值与κ(i,j)的计算逻辑相同，δ的取值在通过κ(i,j)的计算逻辑进行求取时所应用的图像数据为完成去雾优化处理后的桥梁图像数据及该桥梁对应图纸中对应部分的桥梁图纸数据，κ(i,j)越大则桥梁越安全。
[0015] 更进一步地，所述采集层包括无人机模组、输入模块及优化模块，无人机模组用于采集桥梁的图像数据，输入模块用于输入无人机模组在采集桥梁的图像数据时的位置坐标，优化模块用于对无人机模组采集的桥梁图像数据进行去雾优化处理；
[0016] 其中，所述输入模块中输入的无人机模组在采集桥梁图像数据时的位置坐标及角度通过系统端用户手动输入，系统端用户在确定无人机执行桥梁图像数据采集任务时的位置坐标角度时，参考桥梁构建时所使用的建筑图纸，获取桥梁图纸中桥梁中轴线，使无人机模组处于系统端用户输入的位置坐标上时，无人机模组的中轴线及摄像端均处于桥梁中轴线上。
[0017] 更进一步地，所述优化模块中对于桥梁图像数据的去雾优化处理，通过如下公式求取经去雾优化处理后输出的图像，公式为：
[0018]
[0019] 式中：I(x)为原始图像；t(x)为大气透射率；|ω|为窗口ωk的元素个数；ak及bk为L线性系数；I为引导图像；x为像素的位置。
[0020] 更进一步地，所述无人机模组在采集到桥梁图像数据后，进一步参考桥梁图纸中桥梁中轴线对桥梁图像数据进行分割，获取一半的桥梁图像数据，以获取到的一半桥梁图像数据作为优化模块处理目标；
[0021] 其中，优化模块在对一半桥梁图像数据进行去雾处理时，对一半桥梁图像数据进行质量评价，公式为：
[0022]
[0023] 式中，v1,v2,∑1,∑2分别为自然图像和失真图像MVG模型的均值及方差矩阵；T取局部最大方差的0.6～0.9倍；
[0024] 优化模块中系统端用户手动设定有去雾判定阈值，上式求取D(v1,v2,∑1,∑2)通过去雾判定阈值进行判定，D(v1,v2,∑1,∑2)处于去雾判定阈值内时，对该一半桥梁图像数据进行去雾优化处理，反之则对该一半桥梁图像数据向处理层发送。
[0025] 更进一步地，所述计算模块在进行相似度计算时所应用的原桥梁图像数据即优化模块中未进行去雾优化的另一半桥梁图像数据，另一半所述桥梁图像数据在被应用进行相似度计算时，执行去雾优化的操作。
[0026] 更进一步地，所述相似度计算公式中通过系统端用户手动设定以δ求取的值作为直接输出结果或使δ不参与公式运算，δ不参与公式运算时，δ取值为1。
[0027] 更进一步地，所述评价层包括设定模块、评价模块及嗅探模块，设定模块用于设定安全评价阈值，评价模块用于接收处理层中计算模块计算得到的相似度及设定模块设定的安全评价阈值，应用安全评价阈值与相似度进行比对，判定桥梁是否安全，嗅探模块用于捕捉相似度计算公式计算过程中应用的各拾取点差值对应拾取点，对各拾取点差值进行由大至小排序，进一步对各拾取点差值对应拾取点进行对应排序。
[0028] 更进一步地，所述嗅探模块中得到的排序的拾取点实时向系统端用户发送，向系统端用户发送的拾取点数量及位置通过系统端用户手动设定，嗅探模块向系统端用户发送的拾取点集合时系统默认为排序的拾取点中前三组拾取点。
[0029] 更进一步地，所述嗅探模块中获取到的拾取点及评价模块中评价的桥梁是否安全评价结果于评价层中储存。
[0030] 更进一步地，所述无人机模组通过局域网络与输入模块相连接，所述输入模块通过介质电性连接有优化模块，所述优化模块通过介质电性连接有镜像模块，所述镜像模块通过介质电性连接有计算模块，所述计算模块通过介质电性连接有设定模块及评价模块，所述评价模块通过介质电性连接有嗅探模块。
[0031] 采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：
[0032] 1、本发明提供一种基于视觉检测的桥梁性能评估系统，该系统在运行的过程中，利用了桥梁的结构对称的特性，在配合图像识别的方式对桥梁进行了全面的检测，能够有效的通过系统输出结果来评定桥梁是否存在形变的问题，且在完成评定后，还能够一定程度的对存在问题的桥梁上的位置进行捕获及反馈，达到进一步辅助系统使用者，对桥梁进行定点检测、维护的目的。
[0033] 2、本发明中系统运行过程中，考虑到桥梁所处环境在由系统进行图像数据采集时，采集的图像数据可能存在模糊的问题，进一步配置了对桥梁图像数据进行去雾优化处理的过程，从而使得系统采集的用于检测桥梁性能的桥梁图像数据能够更加清晰，从而以此一定程度的提升系统输出结果的精度。
[0034] 3、本发明中系统在应用桥梁结构对称图像对桥梁进行性能检测的基础上，还采用相似度比较的方式作为系统输出的最终数字化结果，以此数字化结果来显现桥梁的实际性能，能够为系统用户在读取系统输出结果，根据输出结果对桥梁进行性能判定分析时，带来便利及更为快捷的读取体验。
附图说明
[0035] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
[0036] 图1为基于视觉检测的桥梁性能评估系统的结构示意图；
[0037] 图2为本发明中桥梁中轴线求取过程演示示意图；
[0038] 图中的标号分别代表：1、桥梁；2、辅助线；3、中轴线。
具体实施方式
[0039] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0040] 下面结合实施例对本发明作进一步的描述。
[0041] 实施例一
[0042] 本实施例的基于视觉检测的桥梁性能评估系统，如图1‑2所示，包括采集层、处理层及评价层；
[0043] 桥梁的图像数据通过采集层上传，并于采集层中完成后去雾优化后向处理层中发送，处理层基于接收到的桥梁图像数据，进行桥梁图像数据对称图像的生成，并进一步执行对称图像与原图相似性比对，比对结果反馈至评价层中，通过评价层完成相似性比对结果综合评价的输出；
[0044] 处理层包括镜像模块及计算模块，镜像模块用于接收优化模块完成去雾优化处理后的桥梁图像数据，对桥梁图像数据进行镜像处理，计算模块用于计算镜像处理后的桥梁图像数据与原桥梁图像数据的相似度；
[0045] 计算模块对镜像处理后的桥梁图像数据与原桥梁图像数据的相似度计算公式为：
[0046]
[0047] 式中：n为相似度比对点的集合；u为相似度比对点的序号；αi,1、αi,n、αi,n+1为镜像处理后的桥梁图像数据i中对应序号的拾取点坐标；βj,1、βj,n、βj,n+1为原桥梁图像数据j中对应‑1序号的拾取点坐标；δ 为校正系数；
[0048] 其中，δ的取值与κ(i,j)的计算逻辑相同，δ的取值在通过κ(i,j)的计算逻辑进行求取时所应用的图像数据为完成去雾优化处理后的桥梁图像数据及该桥梁对应图纸中对应部分的桥梁图纸数据，κ(i,j)越大则桥梁越安全；
[0049] 采集层包括无人机模组、输入模块及优化模块，无人机模组用于采集桥梁的图像数据，输入模块用于输入无人机模组在采集桥梁的图像数据时的位置坐标，优化模块用于对无人机模组采集的桥梁图像数据进行去雾优化处理；
[0050] 其中，输入模块中输入的无人机模组在采集桥梁图像数据时的位置坐标及角度通过系统端用户手动输入，系统端用户在确定无人机执行桥梁图像数据采集任务时的位置坐标角度时，参考桥梁构建时所使用的建筑图纸，获取桥梁图纸中桥梁中轴线，使无人机模组处于系统端用户输入的位置坐标上时，无人机模组的中轴线及摄像端均处于桥梁中轴线上；
[0051] 评价层包括设定模块、评价模块及嗅探模块，设定模块用于设定安全评价阈值，评价模块用于接收处理层中计算模块计算得到的相似度及设定模块设定的安全评价阈值，应用安全评价阈值与相似度进行比对，判定桥梁是否安全，嗅探模块用于捕捉相似度计算公式计算过程中应用的各拾取点差值对应拾取点，对各拾取点差值进行由大至小排序，进一步对各拾取点差值对应拾取点进行对应排序；
[0052] 无人机模组通过局域网络与输入模块相连接，输入模块通过介质电性连接有优化模块，优化模块通过介质电性连接有镜像模块，镜像模块通过介质电性连接有计算模块，计算模块通过介质电性连接有设定模块及评价模块，评价模块通过介质电性连接有嗅探模块；
[0053] 在本实施例中，由输入模块输入无人机模组在采集桥梁的图像数据时的位置坐标，驱动无人机到达该坐标位置后，再通过无人机模组采集桥梁的图像数据，优化模块后置运行对无人机模组采集的桥梁图像数据进行去雾优化处理，镜像模块进一步的接收优化模块完成去雾优化处理后的桥梁图像数据，对桥梁图像数据进行镜像处理，并通过计算模块计算镜像处理后的桥梁图像数据与原桥梁图像数据的相似度，设定模块同步的于系统中设定安全评价阈值，最后通过评价模块接收处理层中计算模块计算得到的相似度及设定模块设定的安全评价阈值，应用安全评价阈值与相似度进行比对，判定桥梁是否安全，并由嗅探模块捕捉相似度计算公式计算过程中应用的各拾取点差值对应拾取点，对各拾取点差值进行由大至小排序，进一步对各拾取点差值对应拾取点进行对应排序；
[0054] 参见图2所示，图中完整的示出了系统中应用的桥梁中轴线的产生过程，通过桥梁中轴线的确定，能够为无人机带来拍摄位置及无人机上搭载的摄像头的方向的确定；
[0055] 这里我们将无人机上搭载的摄像头看做一点，只要确保无人机的中心位置及摄像头处于桥梁中轴线上，即可通过无人机对桥梁的图像数据进行完整的采集；
[0056] 此外上述记载相似度计算公式中，应用了坐标拾取的方式来定义相似度，由此可以通过提升坐标拾取应用数量的方式，来进一步提升该相似度计算公式最终输出的结果精度，且以此一定程度的为系统用户带来了可控精度的操作方式。
[0057] 实施例2
[0058] 在具体实施层面，在实施例1的基础上，本实施例参照图1对实施例1中基于视觉检测的桥梁性能评估系统做进一步具体说明：
[0059] 优化模块中对于桥梁图像数据的去雾优化处理，通过如下公式求取经去雾优化处理后输出的图像，公式为：
[0060]
[0061] 式中：I(x)为原始图像；t(x)为大气透射率；|ω|为窗口ωk的元素个数；ak及bk为L线性系数；I为引导图像；x为像素的位置。
[0062] 通过上式计算，能够实现桥梁图像数据的去雾处理，从而使得桥梁图像能够得到较佳的优化处理后，再被系统进行进一步处理，以达到提升系统输出评价结果精度的目的。
[0063] 如图1所示，无人机模组在采集到桥梁图像数据后，进一步参考桥梁图纸中桥梁中轴线对桥梁图像数据进行分割，获取一半的桥梁图像数据，以获取到的一半桥梁图像数据作为优化模块处理目标；
[0064] 其中，优化模块在对一半桥梁图像数据进行去雾处理时，对一半桥梁图像数据进行质量评价，公式为：
[0065]
[0066] 式中，v1,v2,Σ1,∑2分别为自然图像和失真图像MVG模型的均值及方差矩阵；T取局部最大方差的0.6～0.9倍；
[0067] 优化模块中系统端用户手动设定有去雾判定阈值，上式求取D(v1,v2,∑1,∑2)通过去雾判定阈值进行判定，D(v1,v2,∑1,∑2)处于去雾判定阈值内时，对该一半桥梁图像数据进行去雾优化处理，反之则对该一半桥梁图像数据向处理层发送。
[0068] 通过上式计算，能够使得系统中采集层所获取的桥梁图像数据在进行去雾优化处理前，能够通过判定的方式来决策是否进行去雾优化处理，从而以此较大限度的规避了采集层所获取的桥梁图像数据已清晰，但仍执行了去雾优化处理的不必要的处理过程，从而达到一定程度提升系统运行速度的效果。
[0069] 实施例3
[0070] 在具体实施层面，在实施例1的基础上，本实施例参照图1对实施例1中基于视觉检测的桥梁性能评估系统做进一步具体说明：
[0071] 计算模块在进行相似度计算时所应用的原桥梁图像数据即优化模块中未进行去雾优化的另一半桥梁图像数据，另一半桥梁图像数据在被应用进行相似度计算时，执行去雾优化的操作。
[0072] 如图1所示，相似度计算公式中通过系统端用户手动设定以δ求取的值作为直接输出结果或使δ不参与公式运算，δ不参与公式运算时，δ取值为1。
[0073] 如此设置，可以为系统用户在使用该系统时带来了一定程度的可控效果，使得系统输出的相似度判定结果精度能够被系统用户自适应控制，达到降低系统输出结果精度提升系统输出结果速度的目的。
[0074] 如图1所示，嗅探模块中得到的排序的拾取点实时向系统端用户发送，向系统端用户发送的拾取点数量及位置通过系统端用户手动设定，嗅探模块向系统端用户发送的拾取点集合时系统默认为排序的拾取点中前三组拾取点。
[0075] 通过上述设置，能够使得系统在输出相似度判定结果后，进一步对桥梁上存在隐患的点位进行输出，以便于工作人员后续对桥梁进行针对性点位维保工作的开展。
[0076] 如图1所示，嗅探模块中获取到的拾取点及评价模块中评价的桥梁是否安全评价结果于评价层中储存。
[0077] 通过上述设置，以便于系统用户后续对桥梁的先验数据进行读取分析。
[0078] 综上而言，上述实施例中系统在运行的过程中，利用了桥梁的结构对称的特性，在配合图像识别的方式对桥梁进行了全面的检测，能够有效的通过系统输出结果来评定桥梁是否存在形变的问题，且在完成评定后，还能够一定程度的对存在问题的桥梁上的位置进行捕获及反馈，达到进一步辅助系统使用者，对桥梁进行定点检测、维护的目的；此外，还考虑到桥梁所处环境在由系统进行图像数据采集时，采集的图像数据可能存在模糊的问题，进一步配置了对桥梁图像数据进行去雾优化处理的过程，从而使得系统采集的用于检测桥梁性能的桥梁图像数据能够更加清晰，从而以此一定程度的提升系统输出结果的精度，同时，系统在应用桥梁结构对称图像对桥梁进行性能检测的基础上，还采用相似度比较的方式作为系统输出的最终数字化结果，以此数字化结果来显现桥梁的实际性能，能够为系统用户在读取系统输出结果，根据输出结果对桥梁进行性能判定分析时，带来便利及更为快捷的读取体验。
[0079] 以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
