本發(fā)明涉及圖像處理應(yīng)用領(lǐng)域，特別是涉及一種物體三維模型構(gòu)建方法。

背景技術(shù)：

雙目立體視覺技術(shù)是一種被動(dòng)式的三維測(cè)量技術(shù)，包括相機(jī)標(biāo)定、圖像對(duì)匹配、三維信息還原等主要過程?；陔p目立體視覺的物體三維模型構(gòu)建方法是通過兩個(gè)已標(biāo)定的、以不同角度擺放的單目相機(jī)同時(shí)拍攝兩幅被測(cè)物圖像，然后建立兩幅圖像的像素點(diǎn)之間的對(duì)應(yīng)關(guān)系，獲得被測(cè)物的三維點(diǎn)云坐標(biāo)數(shù)據(jù)，從而構(gòu)建被測(cè)物三維模型。

立體視覺技術(shù)可以獲得稠密的被測(cè)物三維點(diǎn)云坐標(biāo)，無需向被測(cè)物體投影光柵等輔助信息，人機(jī)交互友好，硬件配置要求低，成本便宜，自動(dòng)化程度高，并且可以實(shí)現(xiàn)實(shí)時(shí)采集，當(dāng)前是物體三維重建領(lǐng)域中比較流行的一種技術(shù)。

立體匹配方法是雙目立體視覺技術(shù)的核心問題。然而，現(xiàn)有的基于特征點(diǎn)匹配的物體三維模型構(gòu)建方法中，特征點(diǎn)的提取和計(jì)算效率低，越是魯棒的特征點(diǎn)比如sift特征點(diǎn)或surf特征點(diǎn)，其相應(yīng)的計(jì)算時(shí)間就越長(zhǎng)，導(dǎo)致計(jì)算效率低下。因此當(dāng)需要提取較多的特征點(diǎn)用于三維重建時(shí)，利用這些特征點(diǎn)就不合適了。因?yàn)樘卣鼽c(diǎn)的數(shù)量越多，物體重建系統(tǒng)花費(fèi)在特征點(diǎn)的提取和計(jì)算上的時(shí)間就越長(zhǎng)，進(jìn)而導(dǎo)致物體重建系統(tǒng)總體性能降低，無法滿足人們?nèi)找嬖鲩L(zhǎng)的對(duì)三維重建性能的需求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種物體三維模型構(gòu)建方法，基于圖像處理實(shí)現(xiàn)構(gòu)建物體三維模型，對(duì)圖像特征點(diǎn)的提取以及圖像處理更高效。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

一種物體三維模型構(gòu)建方法，包括：

第一攝像裝置和第二攝像裝置以不同角度對(duì)物體同時(shí)拍攝，獲得物體圖像，分別描述為第一圖像和第二圖像；

在圖像中提取特征點(diǎn)，包括：對(duì)于圖像中像素，若在該像素預(yù)設(shè)鄰域內(nèi)，像素值滿足第一預(yù)設(shè)條件的像素的數(shù)量滿足第二預(yù)設(shè)條件，則將該像素定義為特征點(diǎn)；

為所述特征點(diǎn)構(gòu)建描述子，所述特征點(diǎn)的描述子為由所述特征點(diǎn)在各層卷積方向圖中對(duì)應(yīng)像素的值構(gòu)成的向量；

在所述第一圖像和所述第二圖像中，根據(jù)所述特征點(diǎn)的描述子尋找出相匹配的特征點(diǎn)，建立匹配關(guān)系得到視差圖；

利用所述視差圖、所述第一攝像裝置或所述第二攝像裝置的內(nèi)參數(shù)和外參數(shù)，獲得所述特征點(diǎn)對(duì)應(yīng)空間點(diǎn)的空間位置，以構(gòu)建物體三維模型。

可選地，所述在圖像中提取特征點(diǎn)還包括：

利用harris響應(yīng)函數(shù)計(jì)算各所述關(guān)鍵點(diǎn)對(duì)應(yīng)的響應(yīng)值，按照響應(yīng)值大小從大到小對(duì)各所述關(guān)鍵點(diǎn)排序，取前n個(gè)關(guān)鍵點(diǎn)作為最終的關(guān)鍵點(diǎn)集合。

可選地，所述為所述特征點(diǎn)構(gòu)建描述子包括：

對(duì)拍攝的圖像分別沿x方向和y方向求梯度，得到梯度圖；

將每對(duì)梯度圖對(duì)平面內(nèi)多個(gè)方向進(jìn)行投影，對(duì)每對(duì)梯度圖計(jì)算梯度方向圖；

對(duì)得到的所述梯度方向圖進(jìn)行至少三種不同高斯核的卷積運(yùn)算，得到卷積方向圖；

根據(jù)得到的所述卷積方向圖為所述特征點(diǎn)構(gòu)建描述子。

可選地，所述將每對(duì)梯度圖對(duì)平面內(nèi)多個(gè)方向進(jìn)行投影，對(duì)每對(duì)梯度圖計(jì)算梯度方向圖包括：

基于計(jì)算得到的梯度圖dx和dy，根據(jù)計(jì)算式dxcosθ1+dysinθ2計(jì)算梯度方向圖，其中t表示計(jì)算t個(gè)方向梯度圖，t為正整數(shù)，i＝0,1,…,t-1。

可選地，對(duì)每對(duì)梯度圖計(jì)算平面內(nèi)8個(gè)方向的梯度方向圖；

對(duì)得到的所述梯度方向圖進(jìn)行三種不同高斯核的卷積運(yùn)算，得到24個(gè)卷積方向圖，表示為其中，高斯核表示為j＝0,1,2，q＝3。

可選地，所述利用所述視差圖、所述第一攝像裝置或所述第二攝像裝置的內(nèi)參數(shù)和外參數(shù)，獲得所述特征點(diǎn)對(duì)應(yīng)空間點(diǎn)的空間位置包括：

利用相似三角形性質(zhì)，由所述視差圖計(jì)算所述特征點(diǎn)對(duì)應(yīng)空間點(diǎn)的深度；

基于第一攝像裝置的內(nèi)參數(shù)、外參數(shù)以及計(jì)算得到的特征點(diǎn)深度，計(jì)算所述特征點(diǎn)對(duì)應(yīng)空間點(diǎn)的空間位置。

可選地，所述在所述第一圖像和所述第二圖像中，根據(jù)所述特征點(diǎn)的描述子尋找出相匹配的特征點(diǎn)包括：

對(duì)于第一圖像中每一特征點(diǎn)，在第二圖像中搜索匹配特征點(diǎn)，計(jì)算兩圖像中搜索出的匹配特征點(diǎn)的描述子之間的歐式距離，當(dāng)歐式距離小于第一閾值時(shí)匹配成功。

可選地，所述在所述第一圖像和所述第二圖像中，根據(jù)所述特征點(diǎn)的描述子尋找出相匹配的特征點(diǎn)還包括：利用約束條件對(duì)匹配成功的所述特征點(diǎn)進(jìn)行篩選，剔除不滿足約束條件的特征點(diǎn)。

可選地，所述約束條件包括：

唯一性約束條件，具體為：由所述第一圖像匹配所述第二圖像得到第一視差圖，由所述第二圖像匹配所述第一圖像得到第二視差圖，同一像素匹配后在兩視差圖中的誤差不超過預(yù)設(shè)誤差允許范圍；

或/和順序一致性約束條件，具體為：若所述第一圖像中像素(u0，v0)匹配所述第二圖像中像素(u，v)，當(dāng)所述第一圖像中像素(u0+1，v0)匹配所述第二圖像時(shí)，匹配位置不能出現(xiàn)在像素(u，v)左邊；

或/和視差連續(xù)性約束條件，具體為：在視差圖中像素(u0，v0)的視差與其鄰域內(nèi)各像素視差的差值不能超過第二閾值。

可選地，在所述利用約束條件對(duì)匹配成功的所述特征點(diǎn)進(jìn)行篩選，剔除不滿足約束條件的特征點(diǎn)之后還包括：

在預(yù)設(shè)界定范圍內(nèi)，對(duì)不滿足約束條件的特征點(diǎn)進(jìn)行重匹配，若在所述預(yù)設(shè)界定范圍內(nèi)無法找到匹配點(diǎn)，則利用線性插值法在得到的所述視差圖中構(gòu)建其對(duì)應(yīng)位置的視差。

由上述技術(shù)方案可知，本發(fā)明所提供的物體三維模型構(gòu)建方法，首先，將第一攝像裝置和第二攝像裝置以不同角度對(duì)物體同時(shí)拍攝，獲得物體圖像，分別描述為第一圖像和第二圖像，其次在圖像中提取特征點(diǎn)，并為特征點(diǎn)構(gòu)建描述子，然后在第一圖像和第二圖像中，根據(jù)特征點(diǎn)的描述子尋找出相匹配的特征點(diǎn)，建立匹配關(guān)系得到視差圖，進(jìn)一步利用視差圖、第一攝像裝置或第二攝像裝置的內(nèi)參數(shù)和外參數(shù)，獲得特征點(diǎn)對(duì)應(yīng)空間點(diǎn)的空間位置，以構(gòu)建出物體三維模型。

本發(fā)明物體三維模型構(gòu)建方法，通過提取特征點(diǎn)并為特征點(diǎn)構(gòu)建描述子，利用特征點(diǎn)的描述子進(jìn)行特征匹配來構(gòu)建物體三維模型，與現(xiàn)有物體三維模型構(gòu)建方法相比，計(jì)算效率更高。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例提供的一種物體三維模型構(gòu)建方法的流程圖；

圖2為本發(fā)明實(shí)施例中對(duì)圖像計(jì)算卷積方向圖的計(jì)算方法示意圖；

圖3為本發(fā)明實(shí)施例中對(duì)圖像像素構(gòu)建描述子的示意圖；

圖4為本發(fā)明實(shí)施例中由視差圖求圖像深度的示意圖；

圖5為本發(fā)明實(shí)施例中對(duì)圖像中特征點(diǎn)進(jìn)行匹配的方法流程圖。

具體實(shí)施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明中的技術(shù)方案，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范圍。

請(qǐng)參考圖1，本發(fā)明實(shí)施例提供的一種物體三維模型構(gòu)建方法，包括步驟：

s10：第一攝像裝置和第二攝像裝置以不同角度對(duì)物體同時(shí)拍攝，獲得物體圖像，分別描述為第一圖像和第二圖像。

比如，對(duì)于人臉三維模型構(gòu)建，使用兩臺(tái)已完成標(biāo)定的攝像裝置，兩臺(tái)攝像裝置以不同角度同時(shí)對(duì)人臉拍攝，各拍攝得到一幅圖像，分別對(duì)應(yīng)描述為第一圖像和第二圖像。

s11：在圖像中提取特征點(diǎn)，包括：對(duì)于圖像中像素，若在該像素預(yù)設(shè)鄰域內(nèi)，像素值滿足第一預(yù)設(shè)條件的像素的數(shù)量滿足第二預(yù)設(shè)條件，則將該像素定義為特征點(diǎn)。

本步驟中，對(duì)于圖像中每一像素檢測(cè)是否為特征點(diǎn)，檢測(cè)方法為：對(duì)于圖像中像素，若在該像素預(yù)設(shè)鄰域內(nèi)，像素值滿足第一預(yù)設(shè)條件的像素的數(shù)量滿足第二預(yù)設(shè)條件，則該像素確定為特征點(diǎn)。

其中，像素值指像素的灰度值。第一預(yù)設(shè)條件為像素值高于預(yù)設(shè)閾值或者低于預(yù)設(shè)閾值。

比如，在待檢測(cè)像素周圍16個(gè)像素區(qū)域內(nèi)，像素值滿足第一預(yù)設(shè)條件的像素?cái)?shù)量占該區(qū)域像素總數(shù)量的3/4及以上，則將該像素定義為特征點(diǎn)。

通過上述方法提取出特征點(diǎn)，得到的特征點(diǎn)容易出現(xiàn)過分聚集的情況，提取出的特征點(diǎn)質(zhì)量不高，鑒于此，在本方法的另一具體實(shí)施例中，在本步驟中通過上述方法提取得到特征點(diǎn)后，還包括：

利用harris響應(yīng)函數(shù)計(jì)算各所述特征點(diǎn)對(duì)應(yīng)的響應(yīng)值，對(duì)各所述特征點(diǎn)按照響應(yīng)值大小從大到小排序，取前n個(gè)特征點(diǎn)作為最終的特征點(diǎn)集合。

其中，harris響應(yīng)函數(shù)表示為r＝det(m)-ktr(m)²，k表示閾值，在具體實(shí)施時(shí)opencv中通常設(shè)為0.04，det(m)表示harris橢圓的長(zhǎng)短軸之積ab，tr(m)表示harris橢圓的長(zhǎng)短軸之和a+b。

s12：為所述特征點(diǎn)構(gòu)建描述子，所述特征點(diǎn)的描述子為由所述特征點(diǎn)在各層卷積方向圖中對(duì)應(yīng)像素的值構(gòu)成的向量。

在圖像中為特征點(diǎn)構(gòu)建描述子，本步驟具體包括以下過程：

s120：對(duì)拍攝的圖像分別沿x方向和y方向求梯度，得到梯度圖。具體得到與原始圖像尺寸一致的梯度圖像，分別表示為dx和dy。

s121：將每對(duì)梯度圖對(duì)平面內(nèi)多個(gè)方向進(jìn)行投影，對(duì)每對(duì)梯度圖計(jì)算梯度方向圖。

根據(jù)上步驟得到的梯度圖像dx和dy，由dxcosθ1+dysinθ2計(jì)算得到梯度方向圖，其中t表示計(jì)算t個(gè)方向梯度圖，t為正整數(shù)，i＝0,1,…,t-1。

計(jì)算梯度方向圖時(shí)在平面內(nèi)選擇的方向數(shù)量越多，計(jì)算精度越高，但隨之會(huì)降低數(shù)據(jù)運(yùn)算速率，因此在具體實(shí)施時(shí)，可根據(jù)情況選擇投影方向的數(shù)量，以兼顧計(jì)算精度和運(yùn)算效率。

優(yōu)選的，本實(shí)施例中綜合考慮計(jì)算精度和運(yùn)算效率，計(jì)算平面內(nèi)8個(gè)方向的梯度方向圖，相應(yīng)i＝0,1,…,7，t＝8。

s122：對(duì)得到的所述梯度方向圖進(jìn)行至少三種不同高斯核的卷積運(yùn)算，得到卷積方向圖。

對(duì)圖像進(jìn)行不同高斯核卷積運(yùn)算的種數(shù)越多，對(duì)圖像特征提取以及物體三維模型構(gòu)建的精度越高，但會(huì)降低數(shù)據(jù)處理速率，增加計(jì)算量。因此在具體實(shí)施時(shí)，要根據(jù)實(shí)際情況，兼顧考慮計(jì)算精度和數(shù)據(jù)運(yùn)算效率來選擇高斯卷積運(yùn)算的種數(shù)。

優(yōu)選的，本實(shí)施例中對(duì)圖像進(jìn)行三種不同高斯核的卷積運(yùn)算。以對(duì)平面內(nèi)8個(gè)方向計(jì)算梯度方向圖的情況為例，請(qǐng)參考圖2和圖3所示，對(duì)上步驟得到的8個(gè)梯度方向圖分別進(jìn)行三種不同高斯核的高斯卷積，可得到24個(gè)卷積方向圖，表示為其中，高斯核表示為j＝0,1,2，q＝3。其中，q＝3表示當(dāng)前像素的描述子由周圍三層固定距離的像素的卷積方向圖決定，r表示當(dāng)前像素到處于第三層的像素的距離。

s123：根據(jù)得到的所述卷積方向圖為所述特征點(diǎn)構(gòu)建描述子。

以上述實(shí)例中對(duì)梯度方向圖進(jìn)行三種不同高斯核的卷積運(yùn)算的情況為例，會(huì)得到24個(gè)卷積梯度方向圖。

每一層卷積方向圖距離特征點(diǎn)像素的距離表示為(i＝0,1,2，q＝3)。其中，到特征點(diǎn)像素距離為r0的像素從高斯核為∑0的卷積方向圖中取其對(duì)應(yīng)位置的像素值，到特征點(diǎn)像素距離為r1的像素從高斯核為∑1的卷積方向圖中取其對(duì)應(yīng)位置的像素值，到特征點(diǎn)像素距離為r2的像素從高斯核為∑2的卷積方向圖中取其對(duì)應(yīng)位置的像素值，則圖像像素(u，v)的描述子表示為：

s13：在所述第一圖像和所述第二圖像中，根據(jù)所述特征點(diǎn)的描述子尋找出相匹配的特征點(diǎn)，建立匹配關(guān)系得到視差圖。

本步驟中進(jìn)行特征匹配，在第一圖像和第二圖像中利用特征點(diǎn)的描述子尋找相匹配的特征點(diǎn)。具體的，本步驟中具體包括以下步驟：

s130：對(duì)于第一圖像中每一特征點(diǎn)，在第二圖像中搜索匹配特征點(diǎn)，可利用快速最近鄰算法在第二圖像中尋找匹配特征點(diǎn)，然后計(jì)算兩圖像中搜索出的匹配特征點(diǎn)的描述子之間的歐式距離，當(dāng)歐式距離小于第一閾值時(shí)匹配成功。則建立匹配關(guān)系，得到視差圖。

s14：利用所述視差圖、所述第一攝像裝置或所述第二攝像裝置的內(nèi)參數(shù)和外參數(shù)，獲得所述特征點(diǎn)對(duì)應(yīng)空間點(diǎn)的空間位置數(shù)據(jù)，以構(gòu)建物體三維模型。

本步驟中具體包括以下過程：

s140：利用相似三角形性質(zhì)，由所述視差圖計(jì)算所述特征點(diǎn)對(duì)應(yīng)空間點(diǎn)的深度。

參考圖4所示，p(x，y，z)表示特征點(diǎn)對(duì)應(yīng)的空間點(diǎn)，x1表示空間點(diǎn)p在第一攝像裝置成像面上(即第一圖像中)像點(diǎn)的x坐標(biāo)值，x2表示空間點(diǎn)p在第二攝像裝置成像面上(即第二圖像中)像點(diǎn)的x坐標(biāo)值，f表示攝像裝置焦距，tx表示兩幅圖像之間光心的距離，即在同一空間坐標(biāo)系中描述的兩幅圖像之間光心的距離。利用p點(diǎn)與其在兩圖像中像點(diǎn)構(gòu)成的三角形，和p點(diǎn)與光心o1、o2構(gòu)成的三角形之間的相似性質(zhì)，計(jì)算p點(diǎn)深度，具體計(jì)算公式表示為：其中d表示匹配特征點(diǎn)的視差。

s141：基于第一攝像裝置的內(nèi)參數(shù)、外參數(shù)以及計(jì)算得到的特征點(diǎn)深度，計(jì)算所述特征點(diǎn)對(duì)應(yīng)空間點(diǎn)的空間位置。

在具體實(shí)施時(shí)，計(jì)算公式表示為：其中，表示特征點(diǎn)像平面坐標(biāo)，表示特征點(diǎn)對(duì)應(yīng)空間點(diǎn)的位置，([r1|t1])^-1表示所述第一攝像裝置外參數(shù)矩陣的逆矩陣，表示所述第一攝像裝置內(nèi)參數(shù)矩陣的逆矩陣。

需要說明的是，在本方法其它實(shí)施例中，也可采用第二攝像裝置的內(nèi)參數(shù)矩陣、外參數(shù)矩陣來計(jì)算。

根據(jù)計(jì)算獲得的三維點(diǎn)云空間位置，構(gòu)建出物體的三維模型，進(jìn)一步可輸出顯示。

本實(shí)施例物體模型三維構(gòu)建方法，利用高效的特征點(diǎn)檢測(cè)方法和特征點(diǎn)描述子計(jì)算方法對(duì)圖像進(jìn)行特征匹配，與現(xiàn)有物體三維模型構(gòu)建方法計(jì)算更高效。

請(qǐng)參考圖5，本發(fā)明又一實(shí)施例提供的物體三維模型構(gòu)建方法，在上述實(shí)施例內(nèi)容的基礎(chǔ)上，在所述步驟s13中還包括：

步驟s131：利用約束條件對(duì)匹配成功的所述特征點(diǎn)進(jìn)行篩選，剔除不滿足約束條件的特征點(diǎn)。

具體包括根據(jù)以下幾種約束條件對(duì)特征點(diǎn)進(jìn)行篩選：

第一種篩選方法：判斷是否滿足唯一性約束條件。唯一性約束條件具體為：由所述第一圖像匹配所述第二圖像得到第一視差圖，由所述第二圖像匹配所述第一圖像得到第二視差圖，同一像素匹配后在兩視差圖中的誤差不超過預(yù)設(shè)誤差允許范圍。若不滿足該約束條件則將該匹配特征點(diǎn)剔除。

第二種篩選方法：判斷是否滿足順序一致性約束條件。順序一致性約束條件具體為：若所述第一圖像中像素(u0，v0)匹配所述第二圖像中像素(u，v)，當(dāng)所述第一圖像中像素(u0+1，v0)匹配所述第二圖像時(shí)，匹配位置不能出現(xiàn)在像素(u，v)左邊。若不滿足該約束條件，則將該匹配特征點(diǎn)剔除。

第三種篩選方法，判斷是否滿足視差連續(xù)性約束條件。視差連續(xù)性約束條件具體為：在視差圖中像素(u0，v0)的視差與其鄰域內(nèi)各像素視差的差值不能超過第二閾值。若不滿足該約束條件，則將該匹配特征點(diǎn)剔除。

對(duì)于上述三種約束性條件判斷，在本方法中具體實(shí)施時(shí)，可以采用其中的任意一種、兩種或者三種，在一種具體實(shí)施方式中，可以依次進(jìn)行上述三種約束性判斷。通過對(duì)匹配特征點(diǎn)進(jìn)行約束性判斷，刪除其中誤匹配點(diǎn)。

進(jìn)一步的，在步驟s131之后還包括步驟s132：在預(yù)設(shè)界定范圍內(nèi)，對(duì)不滿足約束條件的特征點(diǎn)進(jìn)行重匹配，若在所述預(yù)設(shè)界定范圍內(nèi)無法找到匹配點(diǎn)，則利用線性插值法在得到的所述視差圖中構(gòu)建其對(duì)應(yīng)位置的視差。

本實(shí)施例方法通過重匹配方法，進(jìn)一步優(yōu)化匹配結(jié)果。

因此，本實(shí)施例物體模型三維構(gòu)建方法，首先利用標(biāo)定好的兩個(gè)攝像裝置采集兩幅被測(cè)物體圖像，接著對(duì)圖像提取關(guān)鍵特征點(diǎn)并計(jì)算描述子及初匹配，再用約束條件剔除誤匹配，并進(jìn)行重匹配，得到匹配結(jié)果，最后重建出被測(cè)物三維點(diǎn)云坐標(biāo)并顯示，得到精度高，效果好的被測(cè)物三維重建模型，因此實(shí)現(xiàn)了一種準(zhǔn)確率高、效率快、易操作、低成本的物體三維模型構(gòu)建方法。

本方法可應(yīng)用于人臉三維重建，也可應(yīng)用于其它被測(cè)物三維模型構(gòu)建。

以上對(duì)本發(fā)明所提供的一種物體三維模型構(gòu)建方法進(jìn)行了詳細(xì)介紹。本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以對(duì)本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。