本發(fā)明涉及目標(biāo)追蹤，尤其涉及一種基于云臺(tái)的視覺(jué)追蹤校正方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著智能設(shè)備和移動(dòng)互聯(lián)網(wǎng)技術(shù)的發(fā)展，人們可以隨手記錄自己的精彩生活，為了進(jìn)一步的提高拍攝質(zhì)量，手持性云臺(tái)設(shè)備作為提高拍攝質(zhì)量的一種便攜性設(shè)備逐漸受到人們的追捧。其中，手持性云臺(tái)設(shè)備中的視覺(jué)追蹤系統(tǒng)對(duì)穩(wěn)定拍攝目標(biāo)畫(huà)面起著至關(guān)重要的作用，以實(shí)現(xiàn)精確地定位和跟蹤動(dòng)態(tài)目標(biāo)，并在多變的環(huán)境中保持高度的穩(wěn)定性和準(zhǔn)確性。然而，由于外界環(huán)境的復(fù)雜性，如光照變化、遮擋、以及目標(biāo)的快速移動(dòng)，現(xiàn)有云臺(tái)的視覺(jué)追蹤系統(tǒng)面臨著一系列挑戰(zhàn)。尤其是在追蹤精度和實(shí)時(shí)性方面，傳統(tǒng)云臺(tái)的視覺(jué)追蹤系統(tǒng)往往難以滿(mǎn)足高性能的要求，即現(xiàn)有云臺(tái)的視覺(jué)追蹤系統(tǒng)的無(wú)法動(dòng)態(tài)調(diào)整與視覺(jué)追蹤算法，以致對(duì)相關(guān)目標(biāo)定位和校正的準(zhǔn)確率較低。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的主要目的在于解決現(xiàn)有云臺(tái)的視覺(jué)追蹤系統(tǒng)的無(wú)法動(dòng)態(tài)調(diào)整與視覺(jué)追蹤算法，以致對(duì)相關(guān)目標(biāo)定位和校正的準(zhǔn)確率較低的問(wèn)題。

2、本發(fā)明第一方面提供了一種基于云臺(tái)的視覺(jué)追蹤校正方法，應(yīng)用于視覺(jué)追蹤校正系統(tǒng)，所述視覺(jué)追蹤校正系統(tǒng)包括激光雷達(dá)模塊、感知融合模塊和追蹤校正模塊，所述基于云臺(tái)的視覺(jué)追蹤校正方法包括：獲取所述云臺(tái)的目標(biāo)區(qū)域圖像和所述激光雷達(dá)模塊采集的目標(biāo)點(diǎn)云數(shù)據(jù)，并分別對(duì)所述目標(biāo)區(qū)域圖像和所述目標(biāo)點(diǎn)云數(shù)據(jù)進(jìn)行多重?cái)?shù)據(jù)增強(qiáng)，得到增強(qiáng)后的目標(biāo)區(qū)域圖像和增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)；提取所述增強(qiáng)后的目標(biāo)區(qū)域圖像中的目標(biāo)圖像邊界和目標(biāo)圖像類(lèi)別，并基于所述目標(biāo)圖像邊界和所述目標(biāo)圖像類(lèi)別，確定所述目標(biāo)區(qū)域圖像中的目標(biāo)圖像特征，以及基于所述目標(biāo)圖像特征，通過(guò)所述追蹤校正模塊進(jìn)行圖像居中，得到初始視覺(jué)追蹤結(jié)果；基于所述增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)對(duì)應(yīng)的點(diǎn)云坡度，分離出所述增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)中的非地面點(diǎn)云數(shù)據(jù)，并基于所述非地面點(diǎn)云數(shù)據(jù)對(duì)應(yīng)的分段聚類(lèi)半徑，對(duì)所述非地面點(diǎn)云數(shù)據(jù)進(jìn)行目標(biāo)聚類(lèi)，得到聚類(lèi)后的非地面點(diǎn)云數(shù)據(jù)；提取所述聚類(lèi)后的非地面點(diǎn)云數(shù)據(jù)的目標(biāo)點(diǎn)云特征，并計(jì)算出所述目標(biāo)圖像特征和所述目標(biāo)點(diǎn)云特征的特征融合度；基于所述特征融合度，通過(guò)所述感知融合模塊對(duì)所述目標(biāo)圖像特征和所述目標(biāo)點(diǎn)云特征進(jìn)行特征融合，得到目標(biāo)融合特征，并基于所述目標(biāo)融合特征，通過(guò)所述追蹤校正模塊生成下一時(shí)刻的預(yù)測(cè)目標(biāo)狀態(tài)；基于所述預(yù)測(cè)目標(biāo)狀態(tài)，生成下一時(shí)刻所述云臺(tái)的動(dòng)態(tài)追蹤校正參數(shù)，并基于所述動(dòng)態(tài)追蹤校正參數(shù)，對(duì)所述初始視覺(jué)追蹤結(jié)果中的拍攝目標(biāo)進(jìn)行視覺(jué)追蹤校正，得到云臺(tái)的視覺(jué)追蹤校正結(jié)果。

3、可選的，在本發(fā)明第一方面的第一種實(shí)現(xiàn)方式中，所述分別對(duì)所述目標(biāo)區(qū)域圖像和所述目標(biāo)點(diǎn)云數(shù)據(jù)進(jìn)行多重?cái)?shù)據(jù)增強(qiáng)，得到增強(qiáng)后的目標(biāo)區(qū)域圖像和增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)，包括：對(duì)所述目標(biāo)區(qū)域圖像進(jìn)行高斯濾波和圖像灰度化，得到灰度化后的目標(biāo)區(qū)域圖像，并對(duì)灰度化后的目標(biāo)區(qū)域圖像進(jìn)行多曝光融合的圖像增強(qiáng)，得到增強(qiáng)后的目標(biāo)區(qū)域圖像；基于預(yù)設(shè)點(diǎn)云分割策略，分割出所述目標(biāo)點(diǎn)云數(shù)據(jù)的多個(gè)體素網(wǎng)格，并計(jì)算出各所述體素網(wǎng)格的中心點(diǎn)坐標(biāo)，以及基于各所述中心點(diǎn)坐標(biāo)對(duì)所述目標(biāo)點(diǎn)云數(shù)據(jù)進(jìn)行降采樣，生成增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)。

4、可選的，在本發(fā)明第一方面的第二種實(shí)現(xiàn)方式中，所述提取所述增強(qiáng)后的目標(biāo)區(qū)域圖像中的目標(biāo)圖像邊界和目標(biāo)圖像類(lèi)別，并基于所述目標(biāo)圖像邊界和所述目標(biāo)圖像類(lèi)別，確定所述目標(biāo)區(qū)域圖像中的目標(biāo)圖像特征，以及基于所述目標(biāo)圖像特征，通過(guò)所述追蹤校正模塊進(jìn)行圖像居中，得到初始視覺(jué)追蹤結(jié)果，包括：提取所述增強(qiáng)后的目標(biāo)區(qū)域圖像中的原始特征圖，并計(jì)算出所述原始特征圖各個(gè)位置的全局平均池化特征；利用所述全局平均池化特征融合所述原始特征圖，得到融合后的原始特征圖，并預(yù)測(cè)所述融合后的原始特征圖中的預(yù)測(cè)邊界框，以及匹配所述預(yù)測(cè)邊界框?qū)?yīng)真實(shí)邊界框的多種圖像邊框參量；計(jì)算出所述圖像邊框參量對(duì)應(yīng)的邊框綜合損失值，并基于所述邊框綜合損失值，更新所述圖像邊框參量直至滿(mǎn)足預(yù)設(shè)的邊框損失閾值，生成所述增強(qiáng)后的目標(biāo)區(qū)域圖像中的目標(biāo)圖像邊界；計(jì)算出所述目標(biāo)圖像邊界內(nèi)各個(gè)圖像目標(biāo)的類(lèi)別概率，以及基于所述類(lèi)別概率，確定所述增強(qiáng)后的目標(biāo)區(qū)域圖像中的目標(biāo)圖像類(lèi)別，并基于所述目標(biāo)圖像邊界和所述目標(biāo)圖像類(lèi)別，提取所述目標(biāo)區(qū)域圖像中各個(gè)圖像目標(biāo)在二維空間上的目標(biāo)圖像特征；基于所述目標(biāo)圖像特征，從各所述圖像目標(biāo)中確定對(duì)滿(mǎn)足預(yù)設(shè)相對(duì)運(yùn)動(dòng)目標(biāo)的拍攝目標(biāo)，并通過(guò)所述追蹤校正模塊對(duì)所述拍攝目標(biāo)進(jìn)行圖像居中，得到初始視覺(jué)追蹤結(jié)果。

5、可選的，在本發(fā)明第一方面的第三種實(shí)現(xiàn)方式中，所述基于所述增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)對(duì)應(yīng)的點(diǎn)云坡度，分離出所述增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)中的非地面點(diǎn)云數(shù)據(jù)，并基于所述非地面點(diǎn)云數(shù)據(jù)對(duì)應(yīng)的分段聚類(lèi)半徑，對(duì)所述非地面點(diǎn)云數(shù)據(jù)進(jìn)行目標(biāo)聚類(lèi)，得到聚類(lèi)后的非地面點(diǎn)云數(shù)據(jù)，包括：劃分所述增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)的多個(gè)點(diǎn)云局部領(lǐng)域，并計(jì)算出各所述點(diǎn)云局部領(lǐng)域?qū)?yīng)的局部平面法線；計(jì)算出各所述點(diǎn)云局部領(lǐng)域?qū)?yīng)的點(diǎn)坐標(biāo)與所述局部平面法線的夾角，得到點(diǎn)云坡度，并判斷所述點(diǎn)云坡度是否小于預(yù)設(shè)的坡度閾值；若所述點(diǎn)云坡度不小于預(yù)設(shè)的坡度閾值，則分割出所述點(diǎn)云局部領(lǐng)域?qū)?yīng)的目標(biāo)點(diǎn)云數(shù)據(jù)中作為非地面點(diǎn)云數(shù)據(jù)，以及移出所述增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)中的地面點(diǎn)云數(shù)據(jù)，并計(jì)算出各所述非地面點(diǎn)云數(shù)據(jù)對(duì)應(yīng)點(diǎn)云局部領(lǐng)域的聚類(lèi)半徑；基于所述聚類(lèi)半徑，對(duì)所述非地面點(diǎn)云數(shù)據(jù)進(jìn)行初始目標(biāo)聚類(lèi)，以及在初始目標(biāo)聚類(lèi)中，基于預(yù)設(shè)的分段閾值，調(diào)整所述聚類(lèi)半徑，得到分段聚類(lèi)半徑，并基于所述分段聚類(lèi)半徑，對(duì)初始目標(biāo)聚類(lèi)的結(jié)果進(jìn)行二次聚類(lèi)合并，直至所述分段聚類(lèi)半徑大于預(yù)設(shè)的半徑閾值，得到聚類(lèi)后的非地面點(diǎn)云數(shù)據(jù)。

6、可選的，在本發(fā)明第一方面的第四種實(shí)現(xiàn)方式中，所述提取所述聚類(lèi)后的非地面點(diǎn)云數(shù)據(jù)的目標(biāo)點(diǎn)云特征，并計(jì)算出所述目標(biāo)圖像特征和所述目標(biāo)點(diǎn)云特征的特征融合度，包括：提取所述聚類(lèi)后的非地面點(diǎn)云數(shù)據(jù)中的多種點(diǎn)云邊框結(jié)構(gòu)信息，并基于所述點(diǎn)云邊框結(jié)構(gòu)信息，確定所述聚類(lèi)后的非地面點(diǎn)云數(shù)據(jù)在三維空間上的目標(biāo)點(diǎn)云特征；對(duì)所述目標(biāo)圖像特征和所述目標(biāo)點(diǎn)云特征進(jìn)行時(shí)空坐標(biāo)的同步匹配，并計(jì)算出匹配后的目標(biāo)點(diǎn)云特征中三維點(diǎn)在匹配后的目標(biāo)圖像特征中二維圖像的三維邊界框投影；計(jì)算出所述三維邊界框投影的二維投影邊界框與所述目標(biāo)圖像特征中對(duì)應(yīng)目標(biāo)圖像邊界和目標(biāo)圖像類(lèi)別之間的邊界交集區(qū)域和邊界并集區(qū)域，并比較所述邊界交集區(qū)域和所述邊界并集區(qū)域之間的重合度，得到特征融合度。

7、可選的，在本發(fā)明第一方面的第五種實(shí)現(xiàn)方式中，所述基于所述特征融合度，通過(guò)所述感知融合模塊對(duì)所述目標(biāo)圖像特征和所述目標(biāo)點(diǎn)云特征進(jìn)行特征融合，得到目標(biāo)融合特征，并基于所述目標(biāo)融合特征，通過(guò)所述追蹤校正模塊生成下一時(shí)刻的預(yù)測(cè)目標(biāo)狀態(tài)，包括：基于所述特征融合度，通過(guò)所述感知融合模塊對(duì)所述目標(biāo)圖像特征和所述目標(biāo)點(diǎn)云特征中多種邊界框參數(shù)進(jìn)行參數(shù)的一致性調(diào)整，并計(jì)算調(diào)整后的目標(biāo)圖像特征和調(diào)整后的目標(biāo)點(diǎn)云特征之間的加權(quán)邊界框參數(shù)；基于所述加權(quán)邊界框參數(shù)，生成目標(biāo)融合特征，并獲取所述云臺(tái)視覺(jué)追蹤時(shí)的過(guò)程噪聲矩陣；基于所述目標(biāo)融合特征和所述過(guò)程噪聲矩陣，通過(guò)所述追蹤校正模塊中的狀態(tài)轉(zhuǎn)移模型映射出下一時(shí)刻的預(yù)測(cè)目標(biāo)狀態(tài)。

8、可選的，在本發(fā)明第一方面的第六種實(shí)現(xiàn)方式中，所述基于所述預(yù)測(cè)目標(biāo)狀態(tài)，生成下一時(shí)刻所述云臺(tái)的動(dòng)態(tài)追蹤校正參數(shù)，包括：提取所述預(yù)測(cè)目標(biāo)狀態(tài)的預(yù)測(cè)目標(biāo)特征，并對(duì)比所述預(yù)測(cè)目標(biāo)特征和所述目標(biāo)融合特征之間的特征相似度；獲取所述云臺(tái)的當(dāng)前位置參數(shù)和上一時(shí)刻的歷史位置參數(shù)，以及判斷所述特征相似度是否大于預(yù)設(shè)相似度閾值，若所述特征相似度大于預(yù)設(shè)相似度閾值，基于所述當(dāng)前位置參數(shù)和所述歷史位置參數(shù)之間的位置差生成下一時(shí)刻所述云臺(tái)的動(dòng)態(tài)追蹤校正參數(shù)；若所述特征相似度不大于預(yù)設(shè)相似度閾值，則計(jì)算出所述預(yù)測(cè)目標(biāo)狀態(tài)和所述目標(biāo)融合特征對(duì)應(yīng)的當(dāng)前目標(biāo)狀態(tài)之間的狀態(tài)差異值，并基于所述狀態(tài)差異值生成下一時(shí)刻所述云臺(tái)的動(dòng)態(tài)追蹤校正參數(shù)。

9、本發(fā)明第二方面提供了一種基于云臺(tái)的視覺(jué)追蹤校正裝置，應(yīng)用于視覺(jué)追蹤校正系統(tǒng)，所述視覺(jué)追蹤校正系統(tǒng)包括激光雷達(dá)模塊、感知融合模塊和追蹤校正模塊，所述基于云臺(tái)的視覺(jué)追蹤校正裝置包括：數(shù)據(jù)增強(qiáng)模塊，用于獲取所述云臺(tái)的目標(biāo)區(qū)域圖像和所述激光雷達(dá)模塊采集的目標(biāo)點(diǎn)云數(shù)據(jù)，并分別對(duì)所述目標(biāo)區(qū)域圖像和所述目標(biāo)點(diǎn)云數(shù)據(jù)進(jìn)行多重?cái)?shù)據(jù)增強(qiáng)，得到增強(qiáng)后的目標(biāo)區(qū)域圖像和增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)；特征提取模塊，用于提取所述增強(qiáng)后的目標(biāo)區(qū)域圖像中的目標(biāo)圖像邊界和目標(biāo)圖像類(lèi)別，并基于所述目標(biāo)圖像邊界和所述目標(biāo)圖像類(lèi)別，確定所述目標(biāo)區(qū)域圖像中的目標(biāo)圖像特征，以及基于所述目標(biāo)圖像特征，通過(guò)所述追蹤校正模塊進(jìn)行圖像居中，得到初始視覺(jué)追蹤結(jié)果；目標(biāo)聚類(lèi)模塊，用于基于所述增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)對(duì)應(yīng)的點(diǎn)云坡度，分離出所述增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)中的非地面點(diǎn)云數(shù)據(jù)，并基于所述非地面點(diǎn)云數(shù)據(jù)對(duì)應(yīng)的分段聚類(lèi)半徑，對(duì)所述非地面點(diǎn)云數(shù)據(jù)進(jìn)行目標(biāo)聚類(lèi)，得到聚類(lèi)后的非地面點(diǎn)云數(shù)據(jù)；計(jì)算模塊，用于提取所述聚類(lèi)后的非地面點(diǎn)云數(shù)據(jù)的目標(biāo)點(diǎn)云特征，并計(jì)算出所述目標(biāo)圖像特征和所述目標(biāo)點(diǎn)云特征的特征融合度；狀態(tài)預(yù)測(cè)模塊，用于基于所述特征融合度，通過(guò)所述感知融合模塊對(duì)所述目標(biāo)圖像特征和所述目標(biāo)點(diǎn)云特征進(jìn)行特征融合，得到目標(biāo)融合特征，并基于所述目標(biāo)融合特征，通過(guò)所述追蹤校正模塊生成下一時(shí)刻的預(yù)測(cè)目標(biāo)狀態(tài)；追蹤校正模塊，用于基于所述預(yù)測(cè)目標(biāo)狀態(tài)，生成下一時(shí)刻所述云臺(tái)的動(dòng)態(tài)追蹤校正參數(shù)，并基于所述動(dòng)態(tài)追蹤校正參數(shù)，對(duì)所述初始視覺(jué)追蹤結(jié)果中的拍攝目標(biāo)進(jìn)行視覺(jué)追蹤校正，得到云臺(tái)的視覺(jué)追蹤校正結(jié)果。

10、本發(fā)明第三方面提供了一種基于云臺(tái)的視覺(jué)追蹤校正設(shè)備，包括：存儲(chǔ)器和至少一個(gè)處理器，所述存儲(chǔ)器中存儲(chǔ)有指令；所述至少一個(gè)處理器調(diào)用所述存儲(chǔ)器中的所述指令，以使得所述基于云臺(tái)的視覺(jué)追蹤校正設(shè)備執(zhí)行上述的基于云臺(tái)的視覺(jué)追蹤校正方法的各個(gè)步驟。

11、本發(fā)明的第四方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有指令，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行上述的基于云臺(tái)的視覺(jué)追蹤校正方法的各個(gè)步驟。

12、上述基于云臺(tái)的視覺(jué)追蹤校正方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。本發(fā)明實(shí)施例中，通過(guò)獲取云臺(tái)的目標(biāo)區(qū)域圖像和激光雷達(dá)模塊采集的目標(biāo)點(diǎn)云數(shù)據(jù)，并分別對(duì)目標(biāo)區(qū)域圖像和目標(biāo)點(diǎn)云數(shù)據(jù)進(jìn)行多重?cái)?shù)據(jù)增強(qiáng)，得到增強(qiáng)后的目標(biāo)區(qū)域圖像和增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)；提取增強(qiáng)后的目標(biāo)區(qū)域圖像中的目標(biāo)圖像邊界和目標(biāo)圖像類(lèi)別，并基于目標(biāo)圖像邊界和目標(biāo)圖像類(lèi)別，確定目標(biāo)區(qū)域圖像中的目標(biāo)圖像特征，以及基于目標(biāo)圖像特征，通過(guò)追蹤校正模塊進(jìn)行圖像居中，得到初始視覺(jué)追蹤結(jié)果；基于增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)對(duì)應(yīng)的點(diǎn)云坡度，分離出增強(qiáng)后的目標(biāo)點(diǎn)云數(shù)據(jù)中的非地面點(diǎn)云數(shù)據(jù)，并基于非地面點(diǎn)云數(shù)據(jù)對(duì)應(yīng)的分段聚類(lèi)半徑，對(duì)非地面點(diǎn)云數(shù)據(jù)進(jìn)行目標(biāo)聚類(lèi)，得到聚類(lèi)后的非地面點(diǎn)云數(shù)據(jù)；提取聚類(lèi)后的非地面點(diǎn)云數(shù)據(jù)的目標(biāo)點(diǎn)云特征，并計(jì)算出目標(biāo)圖像特征和目標(biāo)點(diǎn)云特征的特征融合度；基于特征融合度，通過(guò)感知融合模塊對(duì)目標(biāo)圖像特征和目標(biāo)點(diǎn)云特征進(jìn)行特征融合，得到目標(biāo)融合特征，并基于目標(biāo)融合特征，通過(guò)追蹤校正模塊生成下一時(shí)刻的預(yù)測(cè)目標(biāo)狀態(tài)；基于預(yù)測(cè)目標(biāo)狀態(tài)，生成下一時(shí)刻云臺(tái)的動(dòng)態(tài)追蹤校正參數(shù)，并基于動(dòng)態(tài)追蹤校正參數(shù)，對(duì)初始視覺(jué)追蹤結(jié)果中的拍攝目標(biāo)進(jìn)行視覺(jué)追蹤校正，得到云臺(tái)的視覺(jué)追蹤校正結(jié)果。相比于現(xiàn)有技術(shù)，本技術(shù)通過(guò)提取攝像頭采集的目標(biāo)區(qū)域圖像對(duì)應(yīng)的目標(biāo)圖像特征，以及提取激光雷達(dá)采集的目標(biāo)點(diǎn)云數(shù)據(jù)對(duì)應(yīng)的目標(biāo)點(diǎn)云特征，進(jìn)而計(jì)算出目標(biāo)圖像特征與目標(biāo)點(diǎn)云特征之間的特征融合度，從而融合目標(biāo)圖像特征和目標(biāo)點(diǎn)云特征生成目標(biāo)融合特征，進(jìn)而通過(guò)預(yù)測(cè)下個(gè)時(shí)刻的預(yù)測(cè)目標(biāo)狀態(tài)，生成對(duì)應(yīng)的動(dòng)態(tài)追蹤校正參數(shù)對(duì)初始視覺(jué)追蹤結(jié)果中的拍攝目標(biāo)進(jìn)行視覺(jué)追蹤校正，得到云臺(tái)的視覺(jué)追蹤校正結(jié)果。利用圖像數(shù)據(jù)和點(diǎn)云數(shù)據(jù)實(shí)現(xiàn)對(duì)目標(biāo)的快速和準(zhǔn)確追蹤，即使在復(fù)雜和動(dòng)態(tài)變化的環(huán)境中也能保持高追蹤性能，實(shí)現(xiàn)了云臺(tái)對(duì)相關(guān)目標(biāo)的動(dòng)態(tài)調(diào)整與視覺(jué)追蹤，提高了對(duì)相關(guān)目標(biāo)校正的準(zhǔn)確率。

13、本發(fā)明的其他特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書(shū)中闡述，并且，部分地從說(shuō)明書(shū)中變得顯而易見(jiàn)，或者通過(guò)實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)在說(shuō)明書(shū)、權(quán)利要求書(shū)以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。

14、為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合所附附圖，作詳細(xì)說(shuō)明如下。