本發(fā)明涉及虛擬現(xiàn)實(shí)技術(shù)領(lǐng)域，尤其涉及一種VR頭戴設(shè)備的手勢(shì)跟蹤方法以及VR頭戴設(shè)備。

背景技術(shù)：

虛擬現(xiàn)實(shí)技術(shù)是仿真技術(shù)的一個(gè)重要分支方向。虛擬現(xiàn)實(shí)技術(shù)使用計(jì)算機(jī)，利用相關(guān)技術(shù)和軟、硬件工具生成實(shí)時(shí)動(dòng)態(tài)的、三維立體而且紋理逼真的圖像和場(chǎng)景，并使其可以模仿人類的各種感知，并利用傳感器與用戶進(jìn)行交互。從1963年虛擬現(xiàn)實(shí)技術(shù)萌芽至今，虛擬現(xiàn)實(shí)技術(shù)的理論已經(jīng)比較完善，而且近年來(lái)，虛擬現(xiàn)實(shí)技術(shù)在軍事仿真、娛樂(lè)游戲、醫(yī)療、建筑等多個(gè)行業(yè)中得到廣泛和深入的研究和使用。

在現(xiàn)有的虛擬現(xiàn)實(shí)設(shè)備的人機(jī)交互過(guò)程中，除了傳統(tǒng)的按鍵操作之外，還有手勢(shì)識(shí)別功能，VR頭戴設(shè)備通過(guò)設(shè)置在設(shè)備中的攝像頭采集視野中的圖像，并從圖像中分離識(shí)別手部圖像，對(duì)手部圖像進(jìn)行模型匹配來(lái)判別手勢(shì)類別或者跟蹤手勢(shì)坐標(biāo)。其中分離識(shí)別動(dòng)作建立模型訓(xùn)練的基礎(chǔ)上且通常采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行手勢(shì)數(shù)據(jù)訓(xùn)練。

在現(xiàn)有的虛擬現(xiàn)實(shí)設(shè)備跟蹤手勢(shì)坐標(biāo)的過(guò)程中，通常是采集手勢(shì)深度數(shù)據(jù)并利用CNN進(jìn)行回歸訓(xùn)練得到模型。而現(xiàn)有CNN網(wǎng)絡(luò)的訓(xùn)練核心是對(duì)二維圖卷積提取特征，僅僅利用手勢(shì)深度數(shù)據(jù)進(jìn)行訓(xùn)練，所獲得的信息可以說(shuō)是從二維平面上提取的信息，手部的三維空間立體結(jié)構(gòu)基本沒(méi)有得到有效利用，由于CNN采集到的信息是平面信息，所以CNN的訓(xùn)練難度大，得到的數(shù)據(jù)誤差大、跟蹤的手勢(shì)坐標(biāo)也不夠準(zhǔn)確。

技術(shù)實(shí)現(xiàn)要素：

為解決現(xiàn)有VR頭戴設(shè)備圖像采集時(shí)，手部的三維空間立體結(jié)構(gòu)基本沒(méi)有得到有效利用，導(dǎo)致數(shù)據(jù)誤差大、跟蹤手勢(shì)坐標(biāo)不準(zhǔn)確的問(wèn)題，本發(fā)明公開了一種VR頭戴設(shè)備的手勢(shì)跟蹤方法。

一種VR頭戴設(shè)備的手勢(shì)跟蹤方法，包括以下步驟：

通過(guò)攝像頭采集得到多個(gè)訓(xùn)練圖像；

從多個(gè)所述訓(xùn)練圖像中分離多個(gè)手部深度圖像；

對(duì)多個(gè)所述手部深度圖像中的三維手勢(shì)的關(guān)鍵點(diǎn)進(jìn)行標(biāo)記，利用手部深度圖像形成原始點(diǎn)云數(shù)據(jù)，所述關(guān)鍵點(diǎn)包括掌心和多個(gè)手部關(guān)節(jié)；

計(jì)算根據(jù)手部深度圖像形成的原始點(diǎn)云數(shù)據(jù)的法向量和曲率；

將法向量、曲率和手部深度圖像去均值歸一化到[-1,1]；

搭建CNN網(wǎng)絡(luò)，所述CNN網(wǎng)絡(luò)的輸入端分別輸入根據(jù)多個(gè)訓(xùn)練圖像生成并歸一化后的法向量、曲率和手部深度圖像三路數(shù)據(jù)，輸出端輸出包括掌心在內(nèi)的多個(gè)關(guān)節(jié)點(diǎn)的三維坐標(biāo)；

訓(xùn)練完成的CNN網(wǎng)絡(luò)作為三維手勢(shì)的特征提取器，通過(guò)深度攝像頭采集實(shí)時(shí)動(dòng)作深度圖像，所述特征提取器提取所述實(shí)時(shí)動(dòng)作深度圖像中的法向量、曲率和手部深度圖像信息，輸出實(shí)時(shí)動(dòng)作深度圖像中三維手勢(shì)的三維坐標(biāo)，所述處理器對(duì)識(shí)別出的三維手勢(shì)進(jìn)行跟蹤。

進(jìn)一步的，計(jì)算所述原始點(diǎn)云數(shù)據(jù)的法向量和曲率時(shí)，使用kd-tree算法構(gòu)建所述原始點(diǎn)云的樹結(jié)構(gòu)，并利用原始點(diǎn)云的樹結(jié)構(gòu)查找計(jì)算手部深度圖像原始點(diǎn)云數(shù)據(jù)的法向量和曲率。

進(jìn)一步的，利用隨機(jī)森林算法將通過(guò)攝像頭采集得到的多幅訓(xùn)練圖像中的手部深度圖像與背景深度數(shù)據(jù)分離；對(duì)所述手部深度圖像進(jìn)行降噪。

進(jìn)一步的，將降噪后的手部深度圖像歸一化降維，生成256×256的二維圖像；

將降噪后的手部深度圖像中的關(guān)鍵點(diǎn)進(jìn)行標(biāo)記，所述關(guān)鍵點(diǎn)包括多個(gè)關(guān)節(jié)點(diǎn)和掌心；

生成手部深度圖像中任一點(diǎn)的圖像坐標(biāo)m＝(x，y)^T；

利用手部深度圖像中任一點(diǎn)的圖像中坐標(biāo)m＝(x，y)^T和相機(jī)坐標(biāo)系下的空間坐標(biāo)的關(guān)系求解所述手部深度圖像中任一點(diǎn)的相機(jī)坐標(biāo)系中的空間坐標(biāo)x_c，y_c和z_c，圖像坐標(biāo)和相機(jī)坐標(biāo)系下空間坐標(biāo)的關(guān)系如下：

其中z_c為相機(jī)的光軸；

在相機(jī)坐標(biāo)系下建立對(duì)應(yīng)所述手部深度圖像且包括多個(gè)關(guān)節(jié)點(diǎn)和掌心坐標(biāo)的原始點(diǎn)云；利用kd-tree算法構(gòu)建對(duì)應(yīng)原始點(diǎn)云數(shù)據(jù)的樹結(jié)構(gòu)，并分別利用原始點(diǎn)云數(shù)據(jù)的樹結(jié)構(gòu)查找計(jì)算法向量和曲率。

為了提高處理效率，并盡可能的保存圖像特征，搭建CNN網(wǎng)絡(luò)之前，利用PCA算法對(duì)手部深度圖像降維到96×96。

進(jìn)一步的，所述CNN網(wǎng)絡(luò)包括卷積層、池化層和全連接層，其中所述卷積層包括并行的第一卷積通道、第二卷積通道和第三卷積通道，所述第一卷積通道、第二卷積通道和第三卷積通道的輸入端分別輸入法向量、曲率和手部深度圖像。

進(jìn)一步的，所述第一卷積通道、第二卷積通道和第三卷積通道均包括三級(jí)卷積，且每一級(jí)卷積層后均跟隨一層池化層，第一卷積通道、第二卷積通道和第三卷積通道輸出至全連接層，所述全連接層包括三級(jí)全連接層。

優(yōu)選的，所述CNN網(wǎng)絡(luò)的激活函數(shù)為Relu函數(shù)。

優(yōu)選的，所述卷積層的卷積核為5×5，所述池化層的池化核為2×2。

本發(fā)明在對(duì)原始手勢(shì)深度數(shù)據(jù)的預(yù)處理過(guò)程中對(duì)數(shù)據(jù)的法向量、曲率這兩種三維空間特征信息進(jìn)行了提取，并在橫向尺度和縱向?qū)由钌献隽烁倪M(jìn)。通過(guò)對(duì)采集數(shù)據(jù)三維空間描述信息的提取和利用，彌補(bǔ)了手部深度圖像特征紋理單一的不足，強(qiáng)化了手勢(shì)深度數(shù)據(jù)所具有的三維空間特征，三維手勢(shì)無(wú)需做分類，因此本發(fā)明所提供的方法可以適用于對(duì)連續(xù)變動(dòng)手勢(shì)的追蹤，同時(shí)，由于在采集數(shù)據(jù)中增加了三維空間的描述信息，因此可以最大可能的排除相機(jī)采集角度帶來(lái)的誤差。本發(fā)明提高了CNN訓(xùn)練模型的精確度，進(jìn)而提高了VR頭戴設(shè)備對(duì)手勢(shì)跟蹤的精確度。

一種VR頭戴設(shè)備，采用VR頭戴設(shè)備的手勢(shì)跟蹤方法控制，所述VR頭戴設(shè)備的手勢(shì)跟蹤方法包括以下步驟：

通過(guò)攝像頭采集得到多個(gè)訓(xùn)練圖像；

從多個(gè)所述訓(xùn)練圖像中分離多個(gè)手部深度圖像；

對(duì)多個(gè)所述手部深度圖像中的三維手勢(shì)的關(guān)鍵點(diǎn)進(jìn)行標(biāo)記，利用手部深度圖像形成原始點(diǎn)云數(shù)據(jù)，所述關(guān)鍵點(diǎn)包括掌心和多個(gè)手部關(guān)節(jié)；

計(jì)算根據(jù)手部深度圖像形成的原始點(diǎn)云數(shù)據(jù)的法向量和曲率；

將法向量、曲率和手部深度圖像去均值歸一化到[-1,1]；

搭建CNN網(wǎng)絡(luò)，所述CNN網(wǎng)絡(luò)的輸入端分別輸入根據(jù)多個(gè)訓(xùn)練圖像生成并歸一化后的法向量、曲率和手部深度圖像三路數(shù)據(jù)，輸出端輸出包括掌心在內(nèi)的多個(gè)關(guān)節(jié)點(diǎn)的三維坐標(biāo)；

訓(xùn)練完成的CNN網(wǎng)絡(luò)作為三維手勢(shì)的特征提取器，通過(guò)深度攝像頭采集實(shí)時(shí)動(dòng)作深度圖像，所述特征提取器提取所述實(shí)時(shí)動(dòng)作深度圖像中的法向量、曲率和手部深度圖像信息，輸出實(shí)時(shí)動(dòng)作深度圖像中三維手勢(shì)的三維坐標(biāo)，所述處理器對(duì)識(shí)別出的三維手勢(shì)進(jìn)行跟蹤。

本發(fā)明所公開的VR頭戴式設(shè)備，所采用的手勢(shì)跟蹤方法中提取融合的三維手勢(shì)的空間特征，并且通過(guò)CNN網(wǎng)絡(luò)充分利用手部三維信息，提升了卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果，足以滿足高精確度的仿真場(chǎng)景，擴(kuò)大了VR頭戴式設(shè)備的使用范圍。同時(shí)由于本發(fā)明可以對(duì)連續(xù)變化的手勢(shì)實(shí)現(xiàn)識(shí)別，因此可以脫離實(shí)體控制按鍵，實(shí)現(xiàn)遠(yuǎn)距離多種手部命令控制。

附圖說(shuō)明

為了更清楚地說(shuō)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一簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明所公開的VR頭戴設(shè)備手勢(shì)跟蹤方法一種實(shí)施例的流程圖；

圖2為圖1所公開的VR頭戴設(shè)備手勢(shì)跟蹤方法中所搭建的CNN網(wǎng)絡(luò)的網(wǎng)絡(luò)架構(gòu)圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，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(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

參見圖1所示為本發(fā)明所公開的VR頭戴設(shè)備的手勢(shì)跟蹤方法一種實(shí)施例的流程示意圖。具體來(lái)說(shuō)，本實(shí)施例所公開的跟蹤方法包括圖像預(yù)處理、三維特征提取、搭建卷積神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練、識(shí)別、利用識(shí)別結(jié)果操控等幾個(gè)步驟，以下按照上述過(guò)程分別詳細(xì)描述。

首先為建立卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行前期準(zhǔn)備。通過(guò)攝像頭采集多個(gè)訓(xùn)練樣本圖像。訓(xùn)練樣本圖像優(yōu)選在5000張左右，也可以根據(jù)實(shí)際識(shí)別精度的要求調(diào)整訓(xùn)練樣本圖像的數(shù)量，訓(xùn)練樣本圖像中均包含一個(gè)三維手勢(shì)圖像。攝像頭可以選擇使用設(shè)置在VR頭戴設(shè)備上的攝像頭，也可以選擇其它獨(dú)立設(shè)置的高清攝像頭。對(duì)訓(xùn)練樣本圖像預(yù)處理時(shí)，假定三維手勢(shì)是距離攝像頭最近的目標(biāo)物體，考慮到VR頭戴設(shè)備的應(yīng)用場(chǎng)景，對(duì)于VR頭戴式設(shè)備會(huì)采集到的圖像數(shù)據(jù)來(lái)說(shuō)，圖像背景中人體數(shù)據(jù)較多，其它因素基本可以忽略。利用隨機(jī)森林算法將訓(xùn)練圖像中的手部深度圖像塊和背景物體的深度圖像分離，提取出對(duì)應(yīng)每一個(gè)三維手勢(shì)圖像的手部深度圖像塊作為手部深度圖像，并進(jìn)一步對(duì)手部深度圖像進(jìn)行去噪處理，去除手部深度圖像上的噪點(diǎn)，完成圖像分離預(yù)處理。

將降噪后的手部深度圖像圖像歸一化降維，獲得分辨率為256×256的二維圖像。256×256的像素選擇是基于長(zhǎng)期對(duì)VR生成圖像的處理經(jīng)驗(yàn)，這一分辨率可以盡可能保持圖像信息的完整并降低后續(xù)圖像處理系統(tǒng)的信息處理量。在本實(shí)施例中，識(shí)別手勢(shì)的最終目的是可以自動(dòng)判定三維手勢(shì)，并利用三維手勢(shì)圖像特征的變化產(chǎn)生的控制信號(hào)進(jìn)行VR頭戴設(shè)備的下一步操作。在本方法中，識(shí)別的基準(zhǔn)在于形成不同手勢(shì)變化時(shí)手部各個(gè)指關(guān)節(jié)會(huì)產(chǎn)生對(duì)應(yīng)的變化以及各個(gè)指關(guān)節(jié)會(huì)出現(xiàn)不同位置的組合，所以在對(duì)手部深度圖像預(yù)處理時(shí)，對(duì)手部各個(gè)指關(guān)節(jié)的圖像坐標(biāo)進(jìn)行標(biāo)記，同時(shí)標(biāo)記圖像中掌心的圖像坐標(biāo)，生成每一個(gè)關(guān)鍵點(diǎn)的二維圖像坐標(biāo)。

標(biāo)記完成后，通過(guò)計(jì)算機(jī)系統(tǒng)記錄手部深度圖像中任一點(diǎn)的圖像坐標(biāo)m＝(x，y)^T，利用手部深度圖像中任一點(diǎn)的圖像坐標(biāo)m＝(x，y)^T和相機(jī)坐標(biāo)系下的空間坐標(biāo)的關(guān)系求解所述手部深度圖像中任一點(diǎn)的相機(jī)坐標(biāo)系中的空間坐標(biāo)x_c，y_c和z_c，圖像坐標(biāo)和相機(jī)坐標(biāo)系下空間坐標(biāo)的關(guān)系如下：

其中z_c為相機(jī)的光軸；

在z_c已知的條件下，可以求出每一點(diǎn)對(duì)應(yīng)x_c和y_c，利用相機(jī)坐標(biāo)系下的空間坐標(biāo)建立對(duì)應(yīng)每一幅手部深度圖像且包括關(guān)節(jié)點(diǎn)和掌心坐標(biāo)的原始點(diǎn)云。

為了在彌補(bǔ)手部深度圖像特征紋理單一的缺點(diǎn)，在本實(shí)施例中，對(duì)訓(xùn)練樣本的預(yù)處理重點(diǎn)增加了手勢(shì)的三維空間特征。具體來(lái)說(shuō)，三維空間特征優(yōu)選包括根據(jù)手部深度圖像生成的原始點(diǎn)云數(shù)據(jù)中包含的法向量和曲率。在獲得對(duì)應(yīng)每一幅手部深度圖像且包括關(guān)節(jié)點(diǎn)和掌心坐標(biāo)的原始點(diǎn)云后，首先計(jì)算根據(jù)手部深度圖像形成的原始點(diǎn)云數(shù)據(jù)的法向量和曲率。原始點(diǎn)云數(shù)據(jù)的法向量可以通過(guò)擬合法計(jì)算，曲率可以通過(guò)拋物面擬合法計(jì)算。在擬合計(jì)算的過(guò)程中，為了提高運(yùn)算的速率，使用kd-tree算法構(gòu)建原始點(diǎn)云的樹結(jié)構(gòu)，并利用原始點(diǎn)云的樹結(jié)構(gòu)查找計(jì)算原始點(diǎn)云數(shù)據(jù)的法向量和曲率。

在得到原始點(diǎn)云數(shù)據(jù)的法向量和曲率后，對(duì)手部深度圖像、對(duì)應(yīng)每一幅手部深度圖像的法向量和曲率進(jìn)一步進(jìn)行去均值，利用方差歸一化至[-1,1],并進(jìn)一步利用PCA算法將手部深度圖像降維到96×96，減少后續(xù)卷積神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)處理量，同時(shí)保證有效特征保留充分。

獲得歸一化后的曲率、法向量和降維到96×96的手部深度圖像后，基本完成了對(duì)訓(xùn)練圖像的預(yù)處理。

下一步利用預(yù)處理后的圖像和數(shù)據(jù)訓(xùn)練CNN網(wǎng)絡(luò)。在本實(shí)施例中，參見圖2所示，搭建的CNN網(wǎng)絡(luò)包括并行的第一卷積通道，第二卷積通道和第三卷積通道，其中第一卷積通道、第二卷積通道和第三卷積通道的輸入端分別輸入預(yù)處理生成的對(duì)應(yīng)手部深度圖像的原始點(diǎn)云的法向量、曲率和手部深度圖像，在并行的第一卷積通道、第二卷積通道和第三卷積通道中均包括三級(jí)卷積，如圖2所示C1,C2,C3，在每一級(jí)卷積層后均跟隨一層池化層,如圖2所示P1,P2,P3，即采樣層，第一卷積通道、第二卷積通道和第三卷積通道輸出至全連接層。全連接層包括三級(jí)全連接層,如圖2所示f1,f2,f3，其中優(yōu)選第一級(jí)全連接層f1包括1024個(gè)神經(jīng)元，第二級(jí)全連接層f2包括1024個(gè)神經(jīng)元，第三級(jí)全連接層f3包括512個(gè)神經(jīng)元。第三級(jí)全連接層f3輸出包、對(duì)應(yīng)手部深度圖像中多個(gè)關(guān)節(jié)點(diǎn)，包括掌心在內(nèi)的三維坐標(biāo)3J，其中J代表關(guān)節(jié)數(shù)。如圖2所示，在本實(shí)施例中，優(yōu)選每一級(jí)卷積層的卷積核為5×5，優(yōu)選選擇8個(gè)卷積核，池化層的池化核為2×2。在CNN網(wǎng)絡(luò)中，激活函數(shù)為Relu函數(shù)。

通過(guò)訓(xùn)練得到的CNN網(wǎng)絡(luò)作為三維手勢(shì)的特征提取器存儲(chǔ)在VR頭戴式設(shè)備的存儲(chǔ)單元中。當(dāng)VR頭戴式設(shè)備運(yùn)行時(shí)，通過(guò)VR頭戴式及設(shè)備本身帶有的深度攝像頭采集含有三維手勢(shì)的實(shí)時(shí)動(dòng)作深度圖像，對(duì)實(shí)時(shí)動(dòng)作深度圖像進(jìn)行預(yù)處理，將實(shí)時(shí)動(dòng)作深度圖像中的手部深度圖像和背景深度圖像區(qū)分開，提取前部的手部深度圖像，并對(duì)手部深度圖像進(jìn)行去噪。對(duì)手部深度圖像進(jìn)行降維，將圖像分辨率降為256×256，根據(jù)實(shí)時(shí)動(dòng)作深度圖像建立點(diǎn)云數(shù)據(jù)，利用點(diǎn)云數(shù)據(jù)計(jì)算法向量和曲率，并將實(shí)時(shí)動(dòng)作深度圖像、法向量和曲率輸入至CNN網(wǎng)絡(luò)的三個(gè)卷積通道的輸入端，利用特征提取器識(shí)別實(shí)時(shí)動(dòng)作深度圖像中的三維手勢(shì)，并生成識(shí)別出的三維手勢(shì)中關(guān)節(jié)點(diǎn)和掌心的坐標(biāo)，定位三維手勢(shì)動(dòng)作，并將識(shí)別結(jié)果輸出至處理器，處理器對(duì)識(shí)別出的手勢(shì)進(jìn)行跟蹤。

本發(fā)明在對(duì)原始手勢(shì)深度數(shù)據(jù)的預(yù)處理過(guò)程中對(duì)數(shù)據(jù)的法向量、曲率這兩種三維空間特征信息進(jìn)行了提取，并在橫向尺度和縱向?qū)由钌献隽烁倪M(jìn)。通過(guò)對(duì)采集數(shù)據(jù)三維空間描述信息的提取和利用，彌補(bǔ)了手部深度圖像特征紋理單一的不足，強(qiáng)化了手勢(shì)深度數(shù)據(jù)所具有的三維空間特征，三維手勢(shì)無(wú)需做分類，因此本發(fā)明所提供的方法可以適用于對(duì)連續(xù)變動(dòng)手勢(shì)的追蹤，同時(shí)，由于在采集數(shù)據(jù)中增加了三維空間的描述信息，因此可以最大可能的排除相機(jī)采集角度帶來(lái)的誤差。本發(fā)明提高了CNN訓(xùn)練模型的精確度，進(jìn)而提高了VR頭戴設(shè)備對(duì)手勢(shì)跟蹤的精確度。

本發(fā)明同時(shí)公開了一種VR頭戴式顯示設(shè)備，采用如上述實(shí)施例所詳細(xì)描述的VR頭戴式顯示設(shè)備的手勢(shì)跟蹤方法。手勢(shì)跟蹤方法的具體數(shù)據(jù)采集、處理和識(shí)別過(guò)程參見上述實(shí)施例，在此不再贅述，本發(fā)明所公開的VR頭戴式顯示設(shè)備具有同樣的技術(shù)效果。

最后應(yīng)說(shuō)明的是：以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。