基于本体知识表示的机器人任务处理方法及系统

摘要

本发明提供一种基于本体知识表示的机器人任务处理方法及系统，方法包括：获取任务，创建任务实例；依据所述任务实例和存储的基本动作序列生成动作实例；依次获取所述动作实例的物体实例数据，若所述物体实例数据满足所述动作执行条件则执行所述动作实例；若所述基本动作序列包含的所有动作实例均执行，则所述任务执行成功。本发明与机器人的感知系统、控制系统相结合，实现基于知识的机器人自主控制。本发明对机器人任务执行支撑具有高度完整性，良好可扩展性和较强通用性。

说明书

技术领域

本发明涉及智能服务机器人技术领域，尤其涉及一种基于本体知识表示的机器人任务处理方法及系统。

背景技术

受益于人工智能和机器人技术的迅猛发展，近年来机器人的感知能力得到了明显提升。机器人可以完成一些基本的物体识别、导航和抓取任务，但对于复杂不确定环境作业，任务执行缺少自适应能力。认知推理能力不足，成为制约机器人发展的关键瓶颈问题。具体表现在：机器人缺乏常识认知，对于环境认知大多也仅停留在物体检测层面，物体分类、定位等相对简单的信息不能有效满足进一步理解目标物品、操作目标物品以提供复杂场景作业的要求。

本体是一种有效表现概念层次结构和语义的模型，也是机器人利用知识的重要工具。汉阳大学I.Suh等人提出了基于本体的多层次机器人知识框架OMRKF，该框架通过定义感知(Perception)、模型(Model)、活动(Activity)和上下文信息(Context)4类知识实现机器人语义认知表征，通过定义知识公理及规则实现本体推理，具有语义知识请求查询能力。不来梅大学M.Tenorth等人提出了一种基于本体的知识处理系统KnowRob，其构建了一个融合多源异构信息的语义框架，兼有知识表达和知识推理功能。

以上提出的知识框架，都是以本体作为知识表示及推理基础，可以为机器人提供丰富的语义信息。但OMRKF试图通过将低层事实存储在一个分层的符号体系结构中来解决基础问题，该方法导致面临复杂实体或动作时难以扩展。KnowRob构建语义知识模型主要采用百科全书形式，缺乏针对任务的顶层设计，语义知识查询推理与组织调用能力不足。

发明内容

本发明提供一种基于本体知识表示的机器人任务处理方法及系统，用以解决现有技术中机器人任务处理时扩展性、通用性和完整性不足的缺陷，能够令机器人依据不同环境状态，自主动态地组织动作序列完成指定任务。

本发明提供一种基于本体知识表示的机器人任务处理方法，包括：

获取任务，创建任务实例；

依据所述任务实例和存储的基本动作序列生成动作实例；

依次获取所述动作实例的物体实例数据，依据存储的动作执行条件判断所述物体实例数据是否满足所述动作执行条件，若所述物体实例数据满足所述动作执行条件则执行所述动作实例；

若所述基本动作序列包含的所有动作实例均执行，则所述任务执行成功。

根据本发明提供的一种基于本体知识表示的机器人任务处理方法，所述若所述物体实例数据满足所述动作执行条件则执行所述动作实例之后，还包括：

若所述物体实例数据不满足所述动作执行条件，通过动态规划更新所述基本动作序列，若所述更新的基本动作序列包含的所有动作实例均执行，则所述任务执行成功。

根据本发明提供的一种基于本体知识表示的机器人任务处理方法，所述若所述物体实例数据满足所述动作执行条件则执行所述动作实例之后，还包括：

若经过动态规划后，若所述更新的基本动作序列中存在任一动作物体实例数据不满足所述动作执行条件，则所述任务执行失败。

根据本发明提供的一种基于本体知识表示的机器人任务处理方法，所述若所述物体实例数据满足所述动作执行条件则执行所述动作实例，包括：

若所述物体实例数据满足所述动作执行条件，则根据物体实例数据选择最优操控算子，根据所述最优操控算子对应的操作算法执行所述动作实例。

根据本发明提供的一种基于本体知识表示的机器人任务处理方法，所述依次获取所述动作实例的物体实例数据，包括：

按照所述基本动作序列的次序获取所述动作实例的物体实例数据，其中，所述物体实例数据包括物体类别、感知时间、物体属性和状态。

根据本发明提供的一种基于本体知识表示的机器人任务处理方法，所述根据物体实例数据选择最优操控算子，根据所述最优操控算子对应的操作算法执行所述动作实例，包括：

获取所述动作实例对应的操控算子，所述操控算子包括基本动作、操作对象、服务名称、请求数据、应答数据和服务数据类型；

根据物体实例数据计算所述物体实例数据包含的操作对象与所述操控算子的相似度；

根据操作对象与所述操控算子的相似度，确定最优操控算子，根据所述最优操控算子对应的操作算法执行所述动作实例。

本发明还提供一种基于本体知识表示的机器人任务处理系统，包括：

任务获取模块，用于获取任务，创建任务实例；

动作生成模块，用于依据所述任务实例和存储的基本动作序列生成动作实例；

执行判断模块，用于依次获取所述动作实例的物体实例数据，依据存储的动作执行条件判断所述物体实例数据是否满足所述动作执行条件，若所述物体实例数据满足所述动作执行条件则执行所述动作实例；若所述基本动作序列包含的所有动作实例均执行，则所述任务执行成功。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于本体知识表示的机器人任务处理方法的步骤。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于本体知识表示的机器人任务处理方法的步骤。

本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于本体知识表示的机器人任务处理方法的步骤。

本发明提供的基于本体知识表示的机器人任务处理方法及系统，以本体知识表征及推理为研究基础，提供了多样化的知识类型、灵活的推理方法，同时与机器人的感知系统、控制系统相结合，实现基于知识的机器人自主控制。本发明对机器人任务执行支撑具有高度完整性，良好可扩展性和较强通用性。

附图说明

为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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。

图1是本发明实施例提供的基于本体知识表示的机器人任务处理方法的流程示意图之一；

图2是本发明实施例提供的基于本体知识表示的机器人任务处理方法的流程示意图之二；

图3是本发明实施例提供的基于本体知识表示的机器人任务处理系统的结构示意图之一；

图4是本发明实施例提供的基于本体知识表示的机器人任务处理系统的结构示意图之二；

图5是本发明实施例提供知识库与感知系统的同步通信流程图；

图6是本发明实施例提供的操控算子结构示意图；

图7是本发明实施例提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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。

下面结合图1-图2描述本发明，如图1所示基于本体知识表示的机器人任务处理方法，包括：

S101、获取任务，创建任务实例；

需要说明的是，所述获取任务可以是从用户端接收任务指令，所述创建任务实例可以通过查询知识库中当前任务定义的相关静态知识生成，所述静态知识通过常识知识和任务背景构建，用于描述抽象类别、固有属性和类别间关系等概念及概念间关系。

S102、依据所述任务实例和存储的基本动作序列生成动作实例；

需要说明的是，所述生成动作实例可以是基本动作序列中的各动作在任务实例约束下生成，任务实例及动作实例作为临时知识通过prolog（逻辑编程语言）内存存储。

S103、依次获取所述动作实例的物体实例数据，依据存储的动作执行条件判断所述物体实例数据是否满足所述动作执行条件，若所述物体实例数据满足所述动作执行条件则执行所述动作实例；

需要说明的是，每个动作执行前，需要通过查询知识库，获取环境当前状态等动态知识，判断当前动作是否满足执行条件，所述的动态知识是由感知系统获取的实时数据转化生成，用于表征对象实例及对象尺寸、位姿、状态等具体事件；

S104、若所述基本动作序列包含的所有动作实例均执行，则所述任务执行成功。

需要说明的是，若该任务定义的基本动作序列中所有基本动作均成功执行，机器人任务执行完成，也就是说，若上述过程中任一个基本动作未成功执行，则任务执行失败。

在本发明实施例中，所述基于本体知识表示的机器人任务处理方法能够将本体知识表征及推理以任务实例和动作实例等形式体现，提供了多样化的知识类型、灵活的推理方法，同时与机器人的感知系统结合获取所述动作实例的物体实例数据，与控制系统相结合执行所述动作实例，实现基于知识的机器人自主控制。本发明对机器人任务执行支撑具有高度完整性，良好可扩展性和较强通用性。

在本发明的至少一个实施例中，所述依次获取所述动作实例的物体实例数据包括：通过知识库与感知系统交互依次获取所述动作实例的物体实例数据。具体为：

以待查询物体类别为参数，通过单一接口向感知系统发送物体感知请求；

基于神经网络算法感知环境，返回所有含有物体类别标签的感知数据；

对返回数据进行常识知识查询筛选，若类别标签与查询类别相同或为查询类别的子类，则生成该类别标签对应物体实例；

获取知识库中所有属于查询类别的物体实例数据，所述物体实例数据包含：物体类别、感知时间、物体属性和状态等信息。

本发明实施例实现了本体概念类与物理世界物体间的对接，同时借助数据驱动方式实现了对不确定环境下环境认知，也是不确定环境下任务执行的基础。

在本发明的至少一个实施例中，所述若所述物体实例数据满足所述动作执行条件则执行所述动作实例之后，还包括：

若所述物体实例数据不满足所述动作执行条件，通过动态规划更新所述基本动作序列，若所述更新的基本动作序列包含的所有动作实例均执行，则所述任务执行成功。

本发明实施例将任务定义为多个基本动作执行序列，并以知识形式保存在本体知识库中。机器人根据先验任务知识执行各基本动作。任务执行过程中，若某一基本动作不满足动作执行条件，通过动作知识推理，采用动态规划的方法，从深度和广度两个方向探寻新动作，获取新动作序列并执行，直至该基本动作满足执行条件并成功执行。

需要说明的是，采用动态规划时，若达到设定的最大探索深度后，该物体实例数据对应的基本动作仍未能满足执行条件，任务执行失败，其中，最大深度一般设置为2。需要说明的是，如图2所示的基于本体知识表示的机器人任务处理方法包括如下步骤：

S201、查询知识库创建任务实例并获取基本动作执行序列；

S202、根据任务约束，如操作对象，目标状态等，生成动作实例；

S203、依次查询知识库判定各基本动作是否满足动作执行条件，若满足，则执行；

若不满足，则通过动作知识推理，从深度和广度两个方向探寻新动作，获取新动作序列并执行，直至该基本动作满足执行条件并成功执行。

S204、机器人依次完成所有基本动作后，任务即完成；否则任务失败。

在本发明实施例中，提出了基于知识推理的任务动态规划方法，机器人依据不同环境状态，自主动态地组织动作序列完成指定任务。

在本发明的至少一个实施例中，所述若所述物体实例数据满足所述动作执行条件则执行所述动作实例之后，还包括：

若经过动态规划后，若所述更新的基本动作序列中存在任一动作物体实例数据不满足所述动作执行条件，则所述任务执行失败。

需要说明的是，所述基本动作序列是根据知识库中存储的静态知识和动态知识进行更新的，也就是说，若知识库中不存在满足执行条件的基本动作序列时，无论生成什么基本动作序列，都会有动作无法执行，因此导致任务失败。

在本发明的至少一个实施例中，所述若所述物体实例数据满足所述动作执行条件则执行所述动作实例，包括：

若所述物体实例数据满足所述动作执行条件，则根据物体实例数据选择最优操控算子，根据所述最优操控算子对应的操作算法执行所述动作实例。

需要说明的是，所述操控算子是与机器人操作系统（Robot Operating System ，ROS）进行深度融合的知识驱动型操控算子，实现机器人知识库与原子操作算法对接。如图6所示，所述操控算子定义为算法类实例，通过属性定义实现基本动作约束、操作对象约束，实现与基于ROS开发的基本动作算法关联。充分利用已存在的大量机器人基本动作算法，通过操控算子实现知识引导机器人动作执行。

本发明实施例定义了机器人操控算子，建立了基本动作与操作对象间关联，同时与ROS系统深度融合，实现知识体系与机器人操作互通。

在本发明的至少一个实施例中，所述则根据物体实例数据选择最优操控算子，包括：通过机器人操作对象相似度，确定最优操控算子，执行相应操作算法。首先，从本体知识库中查询对应当前动作的所有操控算子；其次，逐一计算当前动作操作对象与各操控算子中的操作对象物体相似度；最后，选取物体相似度最高的操控算子，最终完成当前操作动作执行。

其中，操作对象相似度（在本实施例中，操作对象即为物体）可表示为：{SIM=

所述操控算子定义为一种算法类实例，通过属性基本动作约束，通过属性、操作对象约束，实现与基于ROS开发的基本动作算法关联。如图6所示，其中基本动作为知识表征中基本动作类；操作对象为知识表征中物体类；服务名称、请求数据、应答数据、服务数据类型分别为基于ROS基本动作算法中定义的服务名、获取请求数据函数名、应答数据名和服务数据类型名。

本发明实施例提出了操作相似度模型，机器人面向新物体操作时，根据操作相似度实现动作算法自主选择，赋予机器人操作泛化能力。

在本发明的至少一个实施例中，所述依次获取所述动作实例的物体实例数据，包括：

按照所述基本动作序列的次序获取所述动作实例的物体实例数据，其中，所述物体实例数据包括物体类别、感知时间、物体属性和状态。

本发明实施例中，设计了知识库与神经网络目标检测算法接口，借助新型感知算法多类别检测识别能力，完成知识库实例补全，增强机器人外部环境认知。

下面对本发明实施例提供的基于本体知识表示的机器人任务处理系统进行描述，下文描述的基于本体知识表示的机器人任务处理系统与上文描述的基于本体知识表示的机器人任务处理方法可相互对应参照。如图3所示的基于本体知识表示的机器人任务处理系统，包括：

任务获取模块301，用于获取任务，创建任务实例；

动作生成模块302，用于依据所述任务实例和存储的基本动作序列生成动作实例；

执行判断模块303，用于依次获取所述动作实例的物体实例数据，依据存储的动作执行条件判断所述物体实例数据是否满足所述动作执行条件，若所述物体实例数据满足所述动作执行条件则执行所述动作实例；若所述基本动作序列包含的所有动作实例均执行，则所述任务执行成功。

在本发明的至少一个实施例中，所述执行判断模块中若所述物体实例数据满足所述动作执行条件则执行所述动作实例之后，还包括：

若所述物体实例数据不满足所述动作执行条件，通过动态规划更新所述基本动作序列，若所述更新的基本动作序列包含的所有动作实例均执行，则所述任务执行成功。

在本发明的至少一个实施例中，所述执行判断模块中若所述物体实例数据满足所述动作执行条件则执行所述动作实例之后，还包括：

若经过动态规划后，若所述更新的基本动作序列中存在任一动作物体实例数据不满足所述动作执行条件，则所述任务执行失败。

在本发明的至少一个实施例中，所述执行判断模块中若所述物体实例数据满足所述动作执行条件则执行所述动作实例，包括：

若所述物体实例数据满足所述动作执行条件，则根据物体实例数据选择最优操控算子，根据所述最优操控算子对应的操作算法执行所述动作实例。

如图4所示，本发明实施例还提供一种基于本体知识表示的机器人任务处理系统，包括：知识表征层，知识推理层和任务规划控制层；

所述知识表征层包括本体知识库模块、知识获取模块和感知系统模块；

需要说明的是，知识库由静态知识和动态知识构成。其中静态知识，通过知识获取模块中常识知识和任务背景构建，用于描述抽象类别、固有属性和类别间关系等概念及概念间关系；动态知识，由感知系统模块获取的实时数据转化生成，用于表征对象实例及对象尺寸、位姿、状态等具体事件。

所述知识推理层包括语法树解析器、规则集、感知融合模块和查询谓词；

需要说明的是，通过语法树解析器将网络本体语言（Web Ontology Language，OWL）文件转化为内存存储的三元组列表，采用基于规则的推理方法，通过谓词查询及反向链接算法，实现用户自定义的推理过程即动态规划过程。

任务规划控制层包括机器人控制系统模块和机器人动作组件。

需要说明的是，机器人控制系统模块包括动态任务规划和动作控制功能。机器人规划控制层将控制决策转换为知识推理任务，以知识支持方式，通过查询知识库并结合机器人动作组件实现机器人控制。

在本发明的至少一个实施例中，如图5提供的本体知识库模块与感知系统的同步通信流程图所示，查询本体知识库模块中动态知识，进而获得物体实例数据包括如下步骤：

S501、本体知识库模块调用查询谓词，以待查询物体类别为参数，通过单一接口向感知系统发送物体感知请求；

S502、感知系统收到感知请求后，基于神经网络算法感知环境，并返回的所有含有物体类别标签的感知数据；

S503、知识推理层中感知融合模块，对感知系统返回数据进行常识知识查询筛选，若类别标签与查询类别相同或为查询类别的子类，则生成该类别标签对应物体实例；

S504、返回查询结果：知识库中所有属于查询类别的物体实例数据，所述物体实例数据包含：物体类别、感知时间、物体属性和状态等信息。

若实施异步实时通信，感知融合模块实时监听感知系统物体感知数据，实时创建物体实例。物体实例数据表示包含：物体类别、感知时间、物体属性和状态等信息。

本发明所公开的基于本体知识表示的机器人任务处理系统以本体知识表征及推理为研究基础，设计了知识库与神经网络目标检测算法接口，借助新型感知算法多类别检测识别能力，完成知识库实例补全，增强机器人外部环境认知；定义了机器人操控算子，建立基本动作与操作对象间关联，同时与ROS系统深度融合，实现知识体系与机器人操作互通；提出了操作相似度模型，机器人面向新物体操作时，根据操作相似度实现动作算法自主选择，赋予机器人操作泛化能力；提出了基于知识推理的任务动态规划方法，机器人依据不同环境状态，自主动态组织动作序列完成指定任务。该框架对机器人任务执行支撑具有高度完整性，良好可扩展性和较强通用性。

在本发明的至少一个实施例中，所述知识表征层采用描述逻辑形式，其中包含描述对象所需的类、属性、实例等内容，通过已有类衍生新类、面向具体对象形成实例的方式，构建并扩展本体知识库。静态知识基于常识知识和任务背景手动构建，用于描述抽象类别、固有属性和类别间关系等概念及概念间关系；动态知识由感知系统获取的实时数据转化生成，用于表征对象实例及对象尺寸、位姿、状态等具体事件。

在本发明的至少一个实施例中，所述知识推理层为了提升速度，选择完全基于内存的基础框架，语法树解析器将OWL本体文件转化为三元组列表，采用基于规则的推理方法，根据特定的场景定制规则，通过谓词查询实现用户自定义的推理过程。知识库与感知系统提供两种交互方式：基于请求-响应模式的同步通信，知识库查询推理过程中，按需感知对象，生成对象实例（动态知识），并实现知识库同步更新；基于通道广播模式的异步通信，通过被动侦听已发布的对象检测结果实现知识库异步更新。

在本发明的至少一个实施例中，所述规划控制层将控制决策转换为知识推理任务，以知识支持方式，通过查询知识库并结合机器人动作组件实现机器人控制。其中动态任务规划模块通过查询知识库获得任务定义，并采用动态规划算法，获得任务执行动作原语序列。动作控制模块通过知识查询获得操作对象特征，根据操作相似度模型确定最优操控算子，基于ROS通信机制执行对应基本动作。

本发明设计了知识库与基于深度学习感知算法交互机制，仅需定义单个知识库与感知系统间通信接口，即可实现上百种甚至上千种物体及不同抽象层级类别物体感知。同步按需通信中，用户查询知识库相应类别物体时，向感知系统发送物体感知请求，并对感知系统返回的所有含有物体类别标签的感知数据进行常识知识查询筛选，若类别标签与查询类别相同或为查询类别的子类，则生成该类别标签对应物体实例，最终返回知识库中所有属于查询类别的物体实例。同步通信流程如图2所示。异步实时通信中，监听感知系统物体识别数据，实时创建物体实例，获得物体实例数据。

类别特征和尺寸特征可通过感知算法实时获取。物体形状、材料特征为静态特征，可直接定义在知识库中。基于物体操作相似度模型的操控算子查找推理过程，首先查找对应基本动作的所有操控算子，然后逐一计算当前操作对象与操控算子中的操作对象物体相似度，选取相似度最高的操控算子，最终完成当前操作动作执行。

采用机器人采用本系统执行任务时包括如下流程：

机器人接到任务执行指令，首先查询任务知识创建任务实例并获取动作执行序列，同时各动作继承任务约束生成动作实例。任务实例及动作实例作为临时知识通过prolog内存存储。服务机器人任务执行面临的常常是非结构化的复杂环境，任务知识表征作为先验任务领域知识仅仅定义了机器人任务执行的基本动作序列，难以覆盖所有应用情况。本发明实施例基于本体知识模型将动作、状态空间通过知识本体表示，将任务定义为多个基本动作执行序列，机器人根据先验任务知识执行各基本动作。任务执行过程中，若某一基本动作不满足动作执行条件，通过动作知识推理，从深度和广度两个方向探寻新动作，获取新动作序列并执行，直至该基本动作满足执行条件并成功执行。机器人依次完成所有基本动作后，任务即完成，否则任务失败。

图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行基于本体知识表示的机器人任务处理方法，该方法包括：

获取任务，创建任务实例；

依据所述任务实例和存储的基本动作序列生成动作实例；

依次获取所述动作实例的物体实例数据，依据存储的动作执行条件判断所述物体实例数据是否满足所述动作执行条件，若所述物体实例数据满足所述动作执行条件则执行所述动作实例；

若所述基本动作序列包含的所有动作实例均执行，则所述任务执行成功。

此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于本体知识表示的机器人任务处理方法，该方法包括：获取任务，创建任务实例；

依据所述任务实例和存储的基本动作序列生成动作实例；

依次获取所述动作实例的物体实例数据，依据存储的动作执行条件判断所述物体实例数据是否满足所述动作执行条件，若所述物体实例数据满足所述动作执行条件则执行所述动作实例；

若所述基本动作序列包含的所有动作实例均执行，则所述任务执行成功。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于本体知识表示的机器人任务处理方法，该方法包括：获取任务，创建任务实例；

依据所述任务实例和存储的基本动作序列生成动作实例；

依次获取所述动作实例的物体实例数据，依据存储的动作执行条件判断所述物体实例数据是否满足所述动作执行条件，若所述物体实例数据满足所述动作执行条件则执行所述动作实例；

若所述基本动作序列包含的所有动作实例均执行，则所述任务执行成功。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：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。