基于场景内容可视化点云数据的方法 技术领域 本发明涉及点云数据的可视化领域， 且更具体而言涉及基于场景内容的点云数据 的可视化。
背景技术 三维 (3D) 型感测系统常用于产生在各种应用中使用的位置的 3D 图像。 例如， 使用 这种 3D 图像来创建用于军事操作或民事活动的安全训练或计划环境、 用于产生拓扑地图 或者用于地点的监视。 这种感测系统典型地通过捕获与位置相关的高程数据而工作。 3D 型 感测系统的一个示例是光检测和定距 (LIDAR) 系统。 LIDAR 型 3D 感测系统通过记录来自单 个激光脉冲的多个定距回声以产生帧 ( 有时也被称为图像帧 ) 来产生数据。 因此， LIDAR 数 据的每个图像帧将包含对应于传感器孔径内的多个定距回声的三维点的集合 (3D 点云 )。 这些点可以被组织成代表三维空间中规则栅格上的值的 “体素 (voxel)” 。 3D 成像中使用的 体素类似于在 2D 成像装置的背景下使用的像素。这些帧可以被处理以重构该位置的 3D 图
像。就这方面而言， 应当理解， 3D 点云中的每个点具有表示 3D 中场景内的实际表面的个体 x、 y 和 z 值。
为了进一步帮助解读 3D 点云， 使用色图来增强点云数据的可视化。即， 对于 3D 点 云中的每一点， 根据诸如海拔的预定义变量选择颜色。 因此， 颜色中的变化一般用于识别地 平面以上不同高度或海拔的点。然而， 尽管使用这种常规色图， 3D 点云仍难以解读。 发明内容
本发明的实施例提供基于场景内容使用色图可视化空间或点云数据的系统和方 法。 在本发明的第一实施例中， 提供一种用于改善位置的空间数据的可视化和解读的方法。 该方法包括 ： 从多个场景标签选择用于该位置的辐射测量图像数据的第一部分的第一场景 标签， 以及选择空间数据的第一部分， 其中该空间数据包括与辐射测量图像数据的第一部 分相关的多个三维 (3D) 数据点。该方法还包括基于第一场景标签从多个颜色空间函数选 择用于空间数据的第一部分的第一颜色空间函数， 该多个颜色空间函数中的每一个根据多 个 3D 数据点的海拔坐标限定色调、 饱和度和强度 (HSI) 值。该方法还包括使用与空间数据 的第一部分相关的多个 3D 数据点使用从第一颜色空间函数选择的 HSI 值显示空间数据的 第一部分。在该方法中， 多个场景标签与多个分类相关联， 其中， 该多个颜色空间函数中的 每一个表示与多个分类中的每一个相关的 HSI 值中的不同预定义的变化。
在本发明的第二实施例中， 提供用于改善位置的空间数据的可视化和解读的系 统。 该系统包括用于接收与位置相关的空间数据和辐射测量图像数据的存储元件以及通信 地耦合到该存储元件的处理元件。在该系统中， 处理元件被配置成从多个场景标签选择用 于该位置的辐射测量图像数据的第一部分的第一场景标签以及选择空间数据的第一部分， 其中该空间数据的第一部分包括与辐射测量图像数据的第一部分相关的多个三维 (3D) 数 据点。 该处理元件还被配置成从多个颜色空间函数选择用于空间数据的第一部分的第一颜色空间函数， 该选择基于第一场景标签， 且该多个颜色空间函数中的每一个根据多个 3D 数 据点的海拔坐标限定色调、 饱和度和强度 (HSI) 值。该系统还被配置成使用与空间数据的 第一部分相关的多个 3D 数据点使用从第一颜色空间函数选择的 HSI 值显示空间数据的第 一部分。 在该系统中， 多个场景标签与多个分类相关联， 其中该多个颜色空间函数中的每一 个表示与多个分类中的每一个相关的 HSI 值中的不同预定义的变化。
在本发明的第三实施例中， 提供一种计算机可读介质， 其上存储有用于改善位置 的空间数据的可视化和解读的计算机程序。该计算机程序包括多个代码部分， 该多个代码 部分可以被计算机执行。 该计算机程序包括用于从多个场景标签选择用于该位置的辐射测 量图像数据的第一部分的第一场景标签且选择空间数据的第一部分的代码部分， 该空间数 据包括与辐射测量图像数据的第一部分相关的多个三维 (3D) 数据点。该计算机程序还包 括用于从多个颜色空间函数选择用于空间数据的第一部分的第一颜色空间函数的代码部 分， 该选择基于第一场景标签， 且该多个颜色空间函数中的每一个根据多个 3D 数据点的海 拔坐标限定色度、 饱和度和强度 (HSI) 值。该计算机程序还包括用于使用与空间数据的第 一部分相关的多个 3D 数据点使用从第一颜色空间函数选择的 HSI 值显示空间数据的第一 部分的代码部分。 在该计算机程序中， 多个场景标签与多个分类相关联， 其中该多个颜色空 间函数中的每一个表示与多个分类中的每一个相关的 HSI 值中的不同预定变化。 附图说明 图 1 示出根据本发明的实施例用于收集 3D 点云数据的示例性数据收集系统。
图 2 示出根据本发明的实施例包含获取的 3D 点云数据的示例性图像帧。
图 3A 示出城市位置的示意图， 说明通常在城市位置内观察到的对象的类型。
图 3B 示出自然或乡村位置的示意图， 说明通常在自然或乡村位置内观察到的对 象的类型。
图 4A 示出有助于理解在自然或乡村位置中包含的某些限定的海拔或高度的图 示。
图 4B 示出有助于理解在城市位置包含的某些限定的海拔或高度的图示。
图 5 是基于根据海拔或地平面上的高度而变化的 HSI 颜色空间在本发明的实施例 中使用的用于自然区域或位置的示例性归一化色图的图形表示。
图 6 是基于根据海拔或地平面上的高度而变化的 HSI 颜色空间在本发明的实施例 中使用的用于城市区域或位置的示例性归一化色图的图形表示。
图 7 示出图 5 和 6 的色图的备选表示。
图 8A 示出根据本发明的实施例获取的示例性辐射测量图像。
图 8B 示出根据本发明的实施例在执行特征检测之后图 8A 的示例性辐射测量图 像。
图 8C 示出根据本发明的实施例在执行特征检测和区域限定之后图 8A 的示例性辐 射测量图像。
图 9A 示出根据本发明的实施例在添加颜色数据之后与图 8A 中的辐射测量图像相 关联的 3D 点云数据 900 的顶视图。
图 9B 示出根据本发明的实施例在添加颜色数据之后与图 8A 中的辐射测量图像相
关联的 3D 点云数据 900 的透视图。
图 10 示出根据本发明的实施例的辐射测量图像的谱分析的示例性结果。
图 11A 示出根据本发明的实施例在基于谱分析添加颜色数据之后 3D 点云数据的 顶视图。
图 11B 示出根据本发明的实施例在基于谱分析添加颜色数据之后 3D 点云数据的 透视图。
图 12 示出包含大量 3D 点云数据的帧如何分割成多个子帧。 具体实施方式
参考附图描述本发明， 其中贯穿附图， 相似的参考标号用于指示相似或等价的元 件。附图未按比例绘制， 且提供它们仅用于说明本发明的一些实施例。下面参考说明性示 例应用描述本发明的若干方面。 应当理解， 提出各种特定细节、 关系和方法是为了提供本发 明的透彻理解。 然而本领域技术人员容易意识到本发明可以不使用特定细节中的一个或多 个实践或者可以使用其他方法实践。在其他实例中， 不详细示出已知结构或操作以避免混 淆本发明。 本发明不受行为或事件的所示顺序限制， 因为一些行为可以以不同顺序发生和 / 或与其他行为或事件同步发生。而且， 并不需要所有示出的行为或事件来实施根据本发明 的方法。 3D 成像系统产生 3D 点云数据的一个或多个帧。 这种 3D 成像系统的一个示例是常 规 LIDAR 成像系统。一般地， 这种 LIDAR 系统使用高能激光器、 光学检测器以及定时电路来 确定与目标的距离。在常规 LIDAR 系统中， 一个或多个激光脉冲用于照射一场景。每个脉 冲触发定时电路， 该定时电路与检测器阵列结合工作。 一般而言， 系统测量用于光脉冲的每 个像素的经过从激光器到目标且返回到检测器阵列的往返路径的时间。 来自目标的反射光 在检测器阵列中被检测到且其往返传播时间被测量以确定到该目标上的一点的距离。 针对 包含目标的很多点获得计算出的范围或距离信息， 由此形成 3D 点云。该 3D 点云可以用于 呈现对象的 3D 形状。
一般而言， 解释 3D 点云来识别场景中的对象可能是困难的。因为 3D 点云仅仅相 对于参考位置指定空间信息， 最多只提供场景中的对象的高度和形状。一些常规系统还将 强度图像与 3D 点云数据一起提供以帮助观察者确定高度差。然而， 人类视皮层典型地基于 关于场景的信息 ( 包括场景中不同对象的形状、 大小和颜色 ) 的组合解释被观察对象。因 此， 即使与强度图像相关联， 常规 3D 点云一般并不为视皮层提供足够的信息来适当地识别 通过 3D 点云成像的很多对象。一般而言， 人类视皮层通过基于原先观察的对象或原先观察 的场景识别场景中的被观察对象而工作。因此， 由视皮层对场景中的对象进行的正确识别 不仅依赖于对象的的性质， 还依赖于识别场景中不同类型的对象之间的已知关联。
为了克服常规 3D 点云显示系统的限制且促进人类视皮层对 3D 点云的解读， 本发 明的实施例提供了用于基于辐射测量图像向 3D 点云数据的不同区域应用不同色图的系统 和方法。 具体地， 根据辐射测量图像中的相关区域的标记或分类， 将与不同地形类型相关的 不同色图与 3D 点云数据相关联。例如， 如果辐射测量图像的区域示出人造地形的区域 ( 例 如， 地形以诸如建筑、 路面、 车辆的人工或人造特征为主的区域 )， 则与在这种区域中典型观 察到的颜色范围相关的色图被应用于 3D 点云的相应区域。对照地， 如果辐射测量图像的区
域示出自然地形的区域 ( 例如， 由植物或诸如水、 树木、 沙漠的其他自然特征为主的区域 )， 则与这些类型的区域中典型观察到的颜色范围相关的色图被应用于 3D 点云的相应区域。 因此， 通过向 3D 点云的不同部分应用不同色图， 在 3D 点云的不同部分中更可能与对象的形 状相关的颜色被呈现给观察者且更容易被人类视皮层识别。
当在此使用时， 术语 “辐射测量图像” 指的是通过使用在一个或多个电磁波长上工 作的一个或多个传感器或检测器获得的位置的二维表示 ( 图像 )。
图 1 中示出根据本发明的实施例用于收集 3D 点云数据和相关图像数据的示例性 数据收集系统 100。如图 1 所示， 要成像的物理体积 108 可以包含诸如树木、 车辆和建筑的 一个或多个对象 104、 106。出于本发明的目的， 物理体积 108 可以理解成地理位置。例如， 地理位置可以是具有树木的丛林或森林区域的一部分或者是具有各种建筑或其他人造结 构的城市或城镇的一部分。
在本发明的各个实施例中， 使用各种不同传感器成像物理体积 108。如图 1 所示， 使用一个或多个传感器 102-i、 102-j 收集 3D 点云数据， 且使用一个其他的辐射测量图像传 感器 103-i、 103-j 收集相关辐射测量图像的数据。传感器 102-i、 102-j、 103-i 和 103-j 可 以是任意远程布置的传感器或成像装置。 例如， 举例而非限制性而言， 传感器 102-i、 102-j、 103-i 和 103-j 可以定位为在高处的观察结构、 飞机、 航天器或太空对象上操作。 即， 从相对 于物理体积 108 升高的固定或移动的任意位置获取该远程数据。而且， 尽管传感器 102-i、 102-j、 103-i 和 103-j 示为分离的成像系统， 传感器 102-i、 102-j、 103-i 和 103-j 中的两个 或更多个可以组合成单个成像系统。另外， 单个传感器可以配置成以两个或更多不同姿态 获得数据。例如， 飞机或航天器上的单个传感器可以配置成当它在物理体积 108 上方移动 时获得图像数据。
在一些实例中， 传感器 102-i 和 102-j 与对象 104 之间的视线部分地被另一对象 ( 阻挡对象 )106 模糊。在 LIDAR 系统的情况中， 阻挡对象 106 可以包含诸如来自树木的叶 子的自然材料或者诸如防空网的人造材料。应当意识到， 在很多情形中， 阻挡对象 106 将本 质上多少是有孔的。 因此， 传感器 102-i、 102-j 将能够检测到对象 104 的通过阻挡对象 106 的有孔区域可见的部分。对象 104 的通过这种有孔区域可见的部分将根据传感器的特定位 置变化。
通过从诸如传感器 102-i 和 102-j 的若干姿势收集数据， 可以获得 3D 点云数据的 聚集。 典型地， 数据的聚集借助于登记过程实现。 登记过程通过在传感器旋转和位置方面校 正帧之间的差异来组合来自两个或更多帧的数据， 使得数据可以以有意义的方式组合。本 领域技术人员应当意识到， 存在可用于登记这种数据的若干不同技术。 在这种登记之后， 来 自两个或更多帧的聚集的 3D 点云数据可以被分析以改善阻挡对象 106 阻挡的对象 104 的 识别。然而， 本发明的实施例不仅限于所聚集的数据。即， 可以使用多个图像帧或单个图像 帧产生 3D 点云数据。
在本发明的各个实施例中， 传感器 103-i 和 103-j 收集的辐射测量图像数据可以 包括用于从各个辐射测量传感器获取的图像的强度数据， 每个传感器与特定范围的波长 ( 即谱带 ) 相关。因此， 在本发明的各个实施例中， 辐射测量图像数据可以包括多谱 ( ～ 4 个带 )、 超谱 ( ＞ 100 个带 ) 和 / 或全色 ( 单带 ) 图像数据。另外， 这些带可以包括人眼可 见或不可见的波长。在本发明的各个施例中， 可以使用任意类型的聚集或融合技术执行 3D 点云数据 的聚集或多带辐射测量图像的融合。基于与 3D 点云数据和辐射测量图像数据相关的元数 据， 聚集或融合可以基于待组合的数据的登记或对准。元数据可以包括适于促进登记过程 的信息， 包括关于传感器或被成像位置的附加信息。 举例而非限制性而言， 元数据包括识别 图像获取的日期和 / 或时间的信息、 识别被成像的地理位置的信息或指定传感器的位置的 信息。例如， 识别被成像的地理位置的信息可以包括可在元数据中提供的矩形图像的 4 个 角的地理坐标。
尽管将一般以某位置的一组 3D 点云数据与和相同位置相关的相应一组辐射测量 图像数据组合的方式描述本发明的各个实施例， 本发明在此方面不受限制。在本发明的各 个实施例中， 任意数目的 3D 点云数据组和任意数目的辐射测量图像数据组可以组合。例 如， 可以在本发明的各个实施例中使用 3D 点云数据和 / 或辐射测量图像数据的拼嵌。
图 2 是根据本发明的实施例包含获取的 3D 点云数据 200 的示例性图像帧。在本 发明的一些实施例中， 可以从传感器 102-i、 102-j 以不同姿态获得的这种 3D 点云数据的两 个或更多帧聚集 3D 点云数据 200， 如图 1 所示， 且使用合适的登记过程登记。这样， 3D 点云 数据 200 限定了体积中的一组数据点的位置， 每个数据点可以通过三维空间中 x、 y或z轴 上的位置限定。使用传感器 102-i、 102-j 执行的测量以及后续登记过程 ( 如果使用聚集 ) 来限定每个数据点的 x、 y、 z 位置。即， 每个数据点与地理位置和海拔相关。 在本发明的各个实施例中， 3D 点云数据是用于改善可视化而编码的颜色。例如， 根据每一点的海拔或 z 轴位置选择 3D 点云数据的每一点的显示颜色。为了判断针对各个 z 轴坐标位置的点显示哪个特定颜色， 可以使用色图。例如， 红色可以用于位于小于 3 米的 高度的所有点， 绿色可以用于 3 米至 5 米之间的高度处的所有点， 且蓝色可用于高于 5 米的 所有点。更详细的色图可以使用沿着 z 轴以较小增量变化的更大范围的颜色。尽管色图的 使用在可视化由 3D 点云数据表达的结构中具有一些帮助， 向 3D 点云数据中的所有点应用 单个常规色图用于改善可视化的目的时一般来说效果不好。 首先， 诸如在常规红色、 绿色或 蓝色 (RGB) 色图中提供太宽的颜色范围提供的 3D 点云的颜色编码的差异与在对象中典型 观察到的颜色差异不一致。 第二， 提供单个常规色图为一些类型的场景提供不正确的着色。 因此， 本发明的实施例替代地提供改善的 3D 点云可视化， 其对成像位置中多种类型地形使 用多个色图， 其中可以针对典型与地形相关的不同类型的特征 ( 即， 建筑、 树木、 道路、 水) 调节该多个色图。 这种配置允许通过对每个区域使用与这些区域中的对象类型相关的颜色 来颜色编码 3D 点云数据的不同区域， 这允许人类视皮层的 3D 点云数据的改善解释。
尽管可以使用任意类型的不同色图， 在本发明的一些实施例中， 可以针对每一种 类型的场景使用根据色调、 饱和度和强度 (HSI 颜色空间 ) 限定的非线性色图。当在此使 用时， “色调” 指的是纯颜色、 “饱和度” 指的是程度或颜色对比度， 且 “强度” 指的是颜色亮 度。因而， HSI 颜色空间中的特定颜色被称为三元组的一组 HSI 值 (h， s， i) 唯一地表示。 h 的值一般可从 0 至 360° (0° ≤ h ≤ 360° )。s 和 i 的值一般从 0 至 1(0 ≤ s ≤ 1)， (0 ≤ i ≤ 1)。为方便起见， 当在此讨论时， h 的值有时被表示为归一化值， 该归一化值被计 算为 h/360。
明显地， HSI 颜色空间以人类一般觉察颜色的方式建模且因此在创建用于可视化 用于不同场景的 3D 点云数据的不同色图时是有用的。而且， HSI 三元组可以容易转换为其
他颜色空间定义， 诸如公知的 RGB 颜色空间系统， 其中红色、 绿色和蓝色 “原色” 的组合用于 表示所有其他颜色。 因此， HSI 颜色空间中表示的颜色可以容易地转化成在基于 RGB 的装置 中使用的 RGB 值。相反， RGB 颜色空间中表示的颜色可以数学地转换到 HSI 颜色空间。这 种关系的实例在下面的表中示出 ：
RGB (1， 0， 0) (0.5， 1， 0.5) (0， 0， 0.5)
HSI (0°， 1， 0.5) (120°， 1， 0.75) (240°， 1， 0.25) 结果 红色 绿色 蓝色如上所述， 解读 3D 点云数据的难点之一在于人类视皮层一般期望特定范围的颜 色与被观察的特定类型的地形相关。这概念性地参考图 3A 或 3B 说明。图 3A 示出城市位 置 300 的示意图， 说明城市位置 300 内通常观察到的对象类型或特征。图 3B 示出自然或乡 村位置 350 的示意图， 说明自然或乡村位置 350 内通常观察到的对象类型或特征。如图 3A 所示， 城市区域 300 一般以诸如建筑 302、 车辆 304 和道路或街道 306 的人工或人造特征为 主。对于明显较小的范围， 城市区域 300 可以包括植物区域 308， 诸如包括植物和树木的区 域。对照地， 如图 3B 所示， 自然区域 350 一般以植物区域 352 为主， 尽管可能包括较小范围 的车辆 354、 建筑 356 以及街道或道路 358。因此， 当观察者被呈现以在图 3A 中的城市区域 300 的视图时， 原先的经验将导致观察到的对象将主要具有与人工或人造地形相关的颜色 的预期。例如， 这种地形可以包括与诸如黑色、 白色或灰色阴影相关的建筑或构造材料。对 照地， 当观察者被呈现以图 3B 中自然区域 350 的视图时， 原先的经验将导致被观察的对象 将主要具有与诸如褐色、 红色和绿色的自然地形相关的颜色的预期。因此， 当褐色、 红色或 绿色为主的色图应用于城市区域时， 观察者一般将难以解读场景中的对象， 因为城市区域 中的对象与正常期望的用于城市区域的颜色类型不相关。 类似地， 当黑色、 白色和灰色阴影 为主的色图应用于乡村区域时， 观察者一般将难以解读所观察的对象的类型， 因为在自然 区域中典型地遇见的对象与在城市区域中正常遇到的颜色的类型典型地是不相关的。
因此， 在本发明的各个实施例中， 应用于成像位置的不同区域的色图被选择以适 于该位置中对象的类型。例如， 例如， 图 4A 概念性地示出可如何针对自然区域开发色图。 图 4A 是有助于理解自然或乡村位置内包含的某些限定海拔或高度值的视图。图 4A 示出 树荫 404 下方位于地面 401 上的对象 402， 该树荫还可限定有孔阻挡物。可以观察到， 树木 404 将从地平面 405 延伸到高于地面 401 某高度的树梢层 410。树梢层 410 的实际高度将 取决于所包括的树的类型。然而， 预期的树梢高度可以落在已知地理区域内的可预测范围 内。例如， 图 4A 示出热带环境中的树木 404， 具体是估计为具有约 40 米的树梢高度的棕榈 树。 因此， 用于这种区域的色图可以至少原则上基于这种区域内正常观察到的树木、 泥土和 地表植物的类型。在图 4A 中所示的热带环境的情况中， 可以开发这种色图 ： 在树梢层 410 使用绿色色调提供数据点且在地平面 405 使用褐色色调提供数据点。
类似地， 图 4B 概念性地示出如何针对城市区域开发色图。 图 4B 是有助于理解城市 位置内包含的某些限定海拔或高度层的视图。图 4B 示出对象位于矮城市结构 454( 例如房屋 ) 和高城市结构 456( 例如多层建筑 ) 旁边的地面 451 上。可以观察到， 矮城市结构 454 将从地平面 405 延伸到地面 451 上方某高度的矮城市结构层 458。还可以观察到， 高城市 结构 456 将从地面 405 延伸到地面 451 上方某高度的高城市结构层 460。层 458、 460 的实 际高度将取决于涉及的结构的类型。然而， 预期的高和矮结构高度可以落在已知地理区域 内的可预测范围内。例如， 图 4B 示出具有高度分别估计为约 25 或 50 米的结构的 2 层房屋 和 4 层建筑的城市区域。 因此， 这种区域的色图可以至少部分地基于在这种区域中的高 456 和矮 454 结构和这种区域的路面中通常观察到的颜色类型。在如图 4B 所示的环境的情况 中， 可以开发这种色图 ： 在高结构层 460 使用灰色色调 ( 例如混凝土 ) 提供数据点， 且在矮 结构层 458 使用黑色或红色色调 ( 例如， 红砖和黑瓦 ) 提供数据点， 且在地平面 405 使用深 灰色调 ( 例如， 沥青 ) 提供数据点。在一些实施例中， 为了简化色图， 所有结构可以与相同 颜色范围相关联。例如， 在一些实施例中， 城市位置可以与只指定灰度阴影的色图相关联。
在本发明的一些实施例中， 一些类型的对象可以位于若干类型的区域中， 诸如基 于地面的车辆。一般而言， 基于地面的车辆将一般具有预定目标高度范围 406 内的高度。 即， 这种对象的结构将从地平面 405 延伸到某高度上限 408。 实际高度上限将取决于特定车 辆类型。例如， 卡车、 公共汽车或军用车辆的典型高度一般约为 3.5 米。轿车的典型高度一 般约为 1.5 米。因此， 在乡村和城市色图中， 这些高度的数据点可以被提供以不同颜色以允 许容易地区分这些对象， 而不管被观察的场景的类型如何。 例如， 在各个场景中并不典型地 遇见的颜色可以用于向观察者强调这种对象的位置。 现在参考图 5， 基于根据海拔或地平面之上的高度而变化的 HSI 颜色空间， 存在用 于诸如自然或乡村区域的包含自然地形的区域或位置的示例性归一化色图 500 的曲线图 表示。作为理解色图 500 的帮助， 提供如原先图 4A 中识别的各种参考点。例如， 色图 500 示出地平面 405、 对象高度范围 406 的高度上限 408 以及树梢层 410。在图 5 中， 可以观察 到， 用于色调 502、 饱和度 504 和强度 506 的归一化曲线均在地平面 405( 海拔为零 ) 和目 标范围的高度上限 408( 在该示例中约 4.5 米 ) 之间的值的预定范围上线性变化。用于色 调 502 的归一化曲线在高度上限 408 到达峰值， 且此后随着海拔增加到树梢层 410 而稳定 地且以一般线性的方式减小。
代表饱和度和强度的归一化曲线也在目标范围的上限高度 408 具有局部峰值。然 而， 用于饱和度和强度的归一化曲线 504 和 506 是非单调的， 意味着它们的值并不随着增加 的高度 ( 海拔 ) 而稳定地增加或减小。根据本发明的实施例， 这些曲线中的每一个的值可 以首先在目标高度范围 408 上方在预定海拔范围内减小， 且然后值增加。例如， 在图 5 中可 以观察到， 在约 22.5 米处归一化饱和度曲线 504 中存在拐点。类似地， 在归一化强度曲线 506 中在约 42.5 米处存在拐点。归一化饱和度曲线 504 和归一化强度曲线 506 的非线性部 分中的过渡和转折可以通过限定这些曲线中的每一个为诸如正弦曲线的周期性函数实现。 本发明仍然在此方面不受限制。值得注意， 归一化饱和度曲线 504 在树梢层 ( 在这种情况 中约为 40 米 ) 返回其峰值。
值得注意， 用于饱和度和强度的归一化曲线 504、 506 导致当观看 3D 点云数据时的 聚光灯效果。换种说法， 约处于目标高度范围的高度上限处的数据点将具有峰值饱和度和 强度。该视觉效果很像在目标顶部上闪烁光， 由此促进识别目标的存在和类型。当观看 3D 点云数据时， 饱和度曲线 504 中在树梢层的第二峰值具有类似的视觉效果。然而， 在这种情
况中， 不是聚光灯效果， 树梢层的饱和度值的峰值形成很像阳光照在树梢顶部的视觉效果。 强度曲线 506 在其到达树梢层时显示出局部峰值。组合的效果极大地帮助 3D 点云数据的 可视化和解读， 使得数据具有更自然的外观。
现在参考图 6， 基于根据海拔或地平面之上的高度变化的 HSI 颜色空间， 存在用于 诸如城市区域的包含人工或人造地形的区域或位置的示例性归一化色图 600 的曲线图标 识。作为理解色图 600 的帮助， 提供如原先图 4B 中识别的各种参考点。例如， 色图 600 示 出地平面 405、 对象高度范围 406 的高度上限 408 以及高结构层 460。在图 6 中， 可以观察 到， 用于色调 602 和饱和度 604 的归一化曲线在地平面 405 和高结构层 460 之间是 0， 而强 度 604 在相同的范围上变化。这种色图提供了灰度阴影的色图， 它表示通常与城市位置中 对象相关的颜色。从图 6 还可以观察到， 强度 606 与图 5 中的强度 506 相同地变化。这提 供了当观察与城市位置相关的 3D 点云数据时类似的聚光灯效果。这不仅提供如上所述用 于 3D 点云数据的更自然的着色， 而且还提供与 3D 点云数据的自然区域中的类似照射效果。 即， 包含自然和人工特征的 3D 点云数据中的相邻区域将看上去被相同源照射。然而， 本发 明在此方面不受限制， 且在本发明的其他实施例中， 用于 3D 点云的不同部分的强度可以不 同地变化。 现在参考图 7， 示出分别与自然和城市位置相关的示例性色图 500 和 600 的备选 表示， 其对于获得用于一组 3D 点云数据的所得着色的更直观的理解是有用的。如前面在图 4A 中所示， 目标高度范围 406 从地平面 405 延伸到高度上限 408。因此， 图 7 使用对应于 从 -0.08(331° ) 至 0.20(72° ) 的海拔范围的色调值、 从 0.1 到 1 的饱和度和强度值提供 用于自然区域或位置的色图。即， 如用于图 7 的自然位置的示例性色图所示， 目标高度范围 406 内的颜色从深褐色变化到黄色。
再次参考图 7 中用于自然位置的示例性色图， 位于从目标高度范围的高度上限 408 延伸到树梢层 410 的高度处的数据点的色调值从 0.20(72° ) 变化到 0.34(122.4° )， 强度值从 0.6 变化到 1.0 且饱和度值从 0.4 变化到 1。即， 目标高度范围的高度上限 408 和 树木区域的树梢层 410 内的颜色从亮浅绿色变成具有低饱和度绿色的暗浅色， 且然后返回 到亮浅高饱和度绿色， 如图 7 所示。这是由于使用用于饱和度和强度色图的正弦曲线而不 使用用于色调的线性色图。
用于自然区域或位置的图 7 中的色图示出最靠近地面的点云数据的色调将针对 对应于从 0 米到目标高度范围的约高度上限 408 的海拔的 z 轴坐标快速地变化。在该示例 中， 高度上限约为 4.5 米。然而， 本发明的实施例在此方面不受限制。例如， 在该海拔范围 内， 数据点在色调方面可以 ( 在 0 米开始 ) 从深褐色变化到中褐色且变化到浅褐色、 变化到 黄褐色且然后变化到黄色 ( 在约 4.5 米 )。为方便起见， 图 7 中用于自然位置的示例性色 图的色调通过分派深褐色、 中褐色、 浅褐色和黄色来粗略表示。然而， 应当理解， 如图 7 中示 意， 在用于自然区域或位置的色图中使用的实际颜色变化可以明显更加细微。
再次参考图 7 中用于自然位置的示例性色图， 深褐色有利地被选择为用于最低海 拔的自然区域或位置的点云数据， 因为它提供用于表示泥土或地球的有效视觉象征。色调 然后稳定地从该深褐色色调过渡到中褐色、 浅褐色且然后是黄褐色色调， 所有色调是用于 表示岩石和其他地面覆盖的有用象征。 当然， 在任意自然场景内在这些海拔处的对象、 植物 或地形的实际色调可以是其他色调。例如， 地面可以覆盖有绿草。然而， 在本发明的一些实
施例中， 出于可视化 3D 点云数据的目的， 发现一般地以这些色调表示低海拔 (0 至 5 米 ) 点 云数据是有用的， 最靠近地球表面使用深褐色色调。
图 7 中用于自然区域或位置的色图还针对具有对应于海拔约 4.5 米的 z 坐标的点 云数据定义从黄褐色色调到黄色色调的过渡。注意 4.5 米是目标高度范围 406 的大致高度 上限 408。选择在目标高度范围的高度上限处过渡到黄色的用于自然区域的色图具有若干 优点。为了意识到这些优点， 重要的是首先理解约处于高度上限 406 的点云数据通常能够 形成对应于场景中对象的形状的轮廓或形状。
如图 5 所示， 通过选择图 7 中用于自然区域或位置的色图以在上限高度 408 以黄 色色调显示 3D 点云数据， 实现若干优点。黄色色调提供与用于较低海拔的点云数据的深褐 色色调的明显对比。这通过以与地形表面鲜明对比地显示车辆轮廓， 来帮助人实现车辆的 可视化。然而， 还可以获得另一优点。黄色色调是用于阳光照射在车辆的顶部的有用视觉 象征。就这方面而言， 应当回忆起， 饱和度和强度曲线还示出高度上限 408 处的峰值。视觉 效果是形成强烈阳光突显车辆顶部的外观。这些特征的组合极大地帮助包含在 3D 点云数 据内的目标的可视化。
再次参考图 7 中用于自然位置的示例性色图， 可以观察， 对于恰好高于高度上限 408( 约 4.5 米 ) 的高度， 用于自然区域或位置中的点云数据的色调被限定为对应于植物叶 子的亮绿色。 亮绿色与图 5 中限定的峰值饱和度和强度值一致。 如上面参考图 5 所述， 亮绿 色调的饱和度和强度将从靠近高度上限 408( 在该示例中对应于 4.5 米 ) 的峰值下降。 饱和 度曲线 50 具有对应于约 22 米的海拔的空值。强度曲线在对应于约 42 米的海拔处具有空 值。最后， 饱和度和强度曲线 504、 506 均具有树梢层 410 处的第二峰值。值得注意， 贯穿高 度上限 408 以上的海拔， 色调保持绿色。因此， 目标高度范围 406 的高度上限 408 以上的 3D 点云数据的视觉外观看上去从亮绿色变化为中绿色、 暗橄榄绿且最终在树梢层 410 变成橙 绿， 如图 7 中用于自然位置的示例性色图的的过渡所示。用于这些海拔的 3D 点云数据的外 观中的过渡将对应于与图 5 中示出的曲线限定的绿色色调相关的饱和度和强度中的变化。
注意， 饱和度和强度曲线 504、 506 中的第二峰值出现在树梢层 410。 如图 7 中用于 自然位置的示例性色图中所示， 色调是橙绿色。该组合的视觉效果是形成在自然场景内亮 阳光照射树梢的外观。对照地， 饱和度和强度曲线 504 和 506 中的空值将形成树梢层之下 的阴影下层植物和叶子的视觉外观。
在图 7 中示出用于诸如城市位置的由人造或人工特征为主的区域或位置的 3D 点 云数据的类似着色效果。如前面在图 4B 中所示， 目标高度范围 406 从地平面 405 延伸到高 度上限 408。因此， 图 7 使用对应于从 0.1 延伸到 1 的海拔范围的强度值提供用于城市区域 的示例性色图。即， 目标高度范围 406 内的颜色从深灰色变化到白色， 如图 7 所示。
再次参考图 7 中用于城市位置的示例性色图， 位于从目标高度范围的高度上限 408 延伸到高结构层 460 的高度的数据点的强度值从 0.6 变化到 1.0， 如前面在图 6 中所示。 即， 如图 7 中用于城市位置的示例性实施例的过渡所示， 目标高度范围的高度上限 408 和高 结构层 460 内的颜色从白色或浅灰色变化为中灰色， 且然后返回到白色或浅灰色。这是由 于使用了用于强度色图的正弦曲线。
图 7 中的色图示出诸如城市区域的由人工或人造特征为主的位置中最靠近地面 的点云数据的强度将针对对应于从 0 米到目标高度范围的大致高度上限 408 的海拔的 z 轴快速变化。在该示例中， 高度上限约为 4.5 米。然而， 本发明的实施例在此方面不受限制。 例如， 在该海拔范围内， 数据点在颜色方面 ( 在 0 米开始 ) 可以从深灰色变化到中灰变化到 浅灰色， 且然后变化为白色 ( 在约 4.5 米 )。为方便起见， 图 7 中用于城市位置的颜色通过 分派深灰色、 中灰色、 浅灰色和白色粗略地表示。然而， 应当理解， 如图 7 中表示， 在用于城 市位置和由人工或人造特征为主的其他位置的色图中使用的实际颜色变化显著地更加细 微。
再次参考图 7 中用于城市区域的示例性色图， 深灰色有利地选择为用于最低海拔 的点云数据， 因为它提供表示路面的有效视觉象征。 在该示例性色图内， 色调从该深灰色稳 定地过渡到中灰色、 浅灰色且然后到白色， 所有颜色是用于表示符号、 信号、 人行道、 胡同、 楼梯、 斜坡和其他类型的行人可到达或车辆可到达结构的有用象征。 当然， 这些海拔的对象 的实际颜色可以是其他颜色。例如， 街道或路面可以在其上具有各种标记。然而， 出于可视 化城市位置或由人工或人造特征主导的其他位置中的 3D 点云数据的目的， 发现一般性地 以灰度阴影表示低海拔 (0 至 5 米 ) 点云数据是有用的， 最靠近地表使用深灰色。
图 7 中用于城市区域的示例性色图还针对具有对应于海拔约 4.5 米的 z 坐标的城 市位置中的点云数据限定从浅灰色到白色的过渡。注意 4.5 米是目标高度范围 406 的大致 高度上限 408。选择用于城市区域的色图以在目标高度范围的高度上限过渡到白色具有若 干优点。为了意识到这些优点， 重要的是， 首先理解大约位于高度上限 406 处的点云数据通 常可以形成对应于场景中对象或感兴趣的形状的轮廓或形状。
通过选择图 7 中用于城市区域的示例性色图以在高度上限 408 处以白色显示用于 城市位置的 3D 点云数据， 实现若干优点。白色提供与用于较低海拔的点云数据的深灰色的 显著对比。这帮助人例如通过与地形表面鲜明对比地显示车辆轮廓实现车辆的可视化。然 而， 也获得了其他优点。白色是阳光照射在对象的顶部上的有用视觉象征。就这方面而言， 应当注意强度曲线还在高度上限 408 处显示峰值。视觉效果是形成强烈阳光突显诸如车辆 的对象的顶部的外观。这些特征的组合极大地帮助包含在 3D 点云数据中目标的可视化。
再次参考图 7 中用于城市区域的示例性色图， 可以观察到， 对于恰好高于高度上 限 408( 约 4.5 米 ) 的高度， 用于城市位置中的点云数据的颜色被限定为从浅灰色过渡到中 灰色， 直到在强度曲线 604 的空值处约 22 米处。22 米以上， 用于城市位置的点云数据的颜 色被限定为从中灰色过渡到浅灰色或白色， 在高结构层 460 具有强度峰值。这种组合的视 觉效果是形成亮阳光照射城市场景内高结构的顶部的外观。强度曲线 604 中的空值将形成 建筑物的阴影侧面和高结构层 460 以下的其他结构的外观。
如上所述， 在向成像位置的不同部分应用各种色图之前， 针对成像位置中的每个 部分获得场景标签或分类。该过程参考图 8A-8C 概念性地描述。首先， 如参考图 1 所述， 可 以获得来自收集了 3D 点云数据的感兴趣的位置的辐射测量图像 800 的图像数据， 诸如图 8A 的示例性图像。尽管不包括任何高度信息， 该图像数据可以包括感兴趣的位置中的各个 对象的大小、 形状和边缘信息。这种信息可以在本发明中用于场景标记。即， 这种信息可以 用于确定位于 3D 点云的特定部分中的一个或多个类型的特征的数目且这些特征可以用于 确定用于该 3D 点云的各个部分的场景标签。例如， 角点检测器可以用作区域是被自然特征 ( 例如树木或水 ) 还是人造特征 ( 诸如建筑或车辆 ) 主导的决定因素。例如， 如图 3A 所示， 由于一般在城市区域中发现的很大数目的建筑 302、 道路 306 和其他人造结构， 城市区域将倾向于具有更多的角点特征。对照地， 如图 3B 所示， 由于典型地与自然对象相关的不规则 图案和形状， 自然区域将倾向于包括较少数目的这种角点特征。 因此， 在获得用于感兴趣的 位置的辐射测量图像 800 之后， 可以使用特征检测算法分析辐射测量图像 800。例如， 图 8B 示出使用角点检测算法分析图 8A 的结果。出于说明性目的， 在辐射测量图像 800 中由角点 检测算法发现的角点由标记 802 识别。
尽管参考角点检测描述用于图 8B 的特征检测， 本发明的实施例在此方面不受限 制。 在本发明的各个实施例中， 任意类型的特征可以用于场景标签且因此被识别， 包括但不 限于边缘、 角点、 斑点和 / 或脊检测。而且， 在本发明的一些实施例中， 识别的特征可以进一 步用于确定一个或多个特定大小的对象的位置。确定辐射测量图像中特征的数目可以通 过向辐射测量图像数据应用各种类型的特征检测算法实现。例如， 角点检测算法可以包括 Harris 算子、 Shi-Tomasi、 等高线曲率、 最小吸收同值核区 (SUSAN) 以及来自加速分段测试 的特征 (FAST) 的算法等等。然而， 任意特征检测算法可以用于检测辐射测量图像中的特定 类型的特征。
然而， 本发明的实施例不仅仅限制于几何方法。在本发明的一些实施例中， 辐 射测量数据本身的分析可以用于场景标签或分类。例如， 可以执行谱分析以使用来自多 谱图像的近 ( ～ 750-900nm) 和 / 或中 ( ～ 1550-1750nm) 红外 (IR) 带以及红色 (R) 带 ( ～ 600-700nm) 发现植物的区域。在这种实施例中， 归一化差异植被指数的计算 (NDVI ＝ (IR-R)/(IR+R)) 可以用于识别健康植物的区域。在这种分析中， 区域可以根据健康区域的 数量被标记 ( 例如， ＜ 0.1 ： 没有植物， 0.2-0.3 ： 灌木或草地， 0.6-0.8 ： 温带和 / 或热带雨 林 )。 然而， 本发明的各个实施例不限于使用任意特定带来识别特征。 在本发明的各个实施 例中， 任何数目和类型的谱带可以被评估以识别特征且提供特征或区域的标记或分类。
在本发明的各个实施例中， 特征检测不限于一种方法。 而是， 在本发明的各个实施 例中， 可以使用任意数目的特征检测方法。例如几何和辐射测量分析方法的组合可以用于 识别辐射测量图像 800 中的特征。
一旦在辐射测量图像 800 中检测出感兴趣的特征 ( 用于分类或标记目的 )， 辐射测 量图像 800 可以被分割成多个区域 804 以形成例如如图 8C 所示的栅格 806。尽管图 8C 中 示出方形区域 804 的栅格 806， 本发明在此方面不受限制且辐射测量图像可以根据任意方 法分割。可以对该区域中角点的数目设置阈值限制。一般而言， 这种阈值限制可以实验地 确定且可以根据地理位置变化。 一般而言， 在城市和自然区域的基于角点的分类的情况中， 期望典型的城市区域包含较大数目的与角点相关的像素。因此， 如果辐射测量图像的区域 中的角点的数目大于或等于阈值， 则城市色图用于 3D 点云数据的相应部分。
尽管辐射测量图像可以分配为栅格化到区域中， 在本发明的一些实施例中， 辐射 测量图像可以基于特征 ( 即， 标记 802) 的位置分割成区域。例如， 可以通过首先识别辐射 测量图像 800 中具有大数目的识别特征的位置且使栅格 806 居中以针对这种区域提供最小 数目的区域， 来选择区域 804。 区域 804 的第一区域的位置被选择为使得最小数目用于这些 位置。其他区域 804 的指定则可从该初始位置进行。在针对辐射测量图像的每个部分选择 色图之后， 3D 点云数据可以被登记或与辐射测量图像对准。 如前所述， 这种登记可基于与辐 射测量图像和 3D 点云数据相关的元数据。备选地， 在使用谱分析方法的实施例中， 辐射测 量图像的每个像素可以被认为是分离的区域。因此， 色图可以在辐射测量图像中从像素到像素变化。
尽管在图 8C 中仅示出栅格的一个示例性实施例， 本发明在此方面不受限制。在本 发明的各个实施例中， 3D 点云数据可以分割成任意大小和 / 或形状的区域。 例如， 可使用比 图 8C 的栅格更小的栅格尺寸， 以改善最终融合图像的颜色分辨率。例如， 如果栅格 804 之 一包括具有建筑和树木的区域， 诸如图 3A 中的区域 300， 将一个栅格分类为只有城市且应 用相应的色图可能导致很多树木和其他自然特征具有不正确的着色。 然而通过使用较小尺 寸的区域， 树木和其他自然特征根据周围城市特征着色的可能性减小， 因为被标记为乡村 或自然的区域的数目可能增加。换句话说， 如果多个栅格应用于图 3A 中的区域 300， 区域 300 将不被认为是只有城市。 而是， 第一色图可应用于包含树木 308 的栅格且第二颜色图像 可应用于包含建筑 302 的栅格。类似地， 这种较小尺寸的栅格增加了图 3B 中的区域 350 中 的建筑 356 被正确着色而不根据周围树木 352 着色的可能性。
在 3D 点云数据和辐射测量图像被登记之后， 用于每个区域 804 的色图然后用于向 3D 点云数据添加颜色数据。该过程的一组示意性结果在图 9A 和 9B 中示出。图 9A 和 9B 示 出在根据本发明的实施例添加颜色数据之后 3D 点云数据 900 的顶视图和透视图。具体而 言， 图 9A 和 9B 示出 3D 点云数据 900， 其包括基于自然和城市位置的识别以及分别针对图 5 和图 6 中的自然和城市位置限定的 HSI 值的应用的颜色。如图 9A 和 9B 所示， 点云数据 900 中的建筑 902 现在根据图 6 按灰度被高效地颜色编码以促进其识别。 类似地， 点云数据 900 中的其他对象 904 也可以根据图 5 在点云数据 900 中高效地颜色编码以促进其识别为自然 区域。因此， 颜色的组合简化了 3D 点云数据的可视化和解读且以更加有意义的方式向观察 者呈现 3D 点云数据。 尽管参考示例性城市或自然场景标签和相应色图描述了对 3D 点云数据各部分的 分类， 但本发明的实施例不仅仅限于这些两种类型的场景标签。 在本发明的实施例中， 可以 使用任意数目和类型的场景标签。 例如， 除了自然和城市区域标签之外， 一个分类方案可以 包括用于农业或半农业区域 ( 以及相应的色图 ) 的标签。而且， 对于这些区域中的每一个， 这些区域的子类也可以被标记且具有不同的色图。例如， 农业和半农业区域可以根据庄稼 或植物类型以及用途类型被标记。城市区域也可以根据用途 ( 例如， 住宅、 工业、 商业等 ) 被标记。类似地， 自然区域可以根据植物类型或存在的水文特征被标记。然而， 本发明的各 个实施例不仅仅限于任何单个类型的分类方案且任和类型的分类方案可以与本发明的各 个实施例一起使用。
而且， 如前所述， 辐射测量图像的每个像素可以被视为辐射测量图像的不同区域。 因此， 谱分析方法还可以用于识别辐射测量图像中的特定类型的对象。这种谱分析的示例 性结果在图 10 中示出。如图 10 所示， 基于对象反射和 / 或吸收的波长或频带， 谱分析可以 用于识别不同类型的特征。图 10 示出对于某些波长的电磁辐射， 一般可通过评估多谱或超 谱图像的一个或多个谱带识别植物 ( 绿色 )、 建筑和其他结构 ( 紫色 ) 以及水体 ( 青色 )。 这种结果可以与 3D 点云数据组合以提供对象的更精确的标记。
例如， 如前所述， 归一化差异植被指数 (NDVI) 值可以用于识别辐射测量图像中的 植物和其他特征且在 3D 点云数据中向相关点应用色图。例如， 这种特征标签的示例性结果 在图 11A 和 11B 中示出。图 11A 和 11B 示出根据本发明的实施例在使用 NVDI 值进行标记 来添加颜色数据之后 3D 点云数据的顶视图和透视图。如图 11A 和 11B 所示， 使用与各种绿
色色调相关的色图着色与树木和其他植物相关的 3D 点云数据。使用与黑色、 褐色或较暗黄 色的各种色调相关的色图着色诸如地面或其他对象的其他特征。
尽管关于基本恒定高度的地平面讨论了本发明的各个实施例， 在很多情况中， 地 平面高度可以变化。如果不顾及， 3D 点云数据表示的场景内的地平面的这种高度变化可能 使得场景和对象可视化变得困难。
在本发明的一些实施例中， 为了顾及当向 3D 数据应用色图时地形高度中的变化， 3D 点云数据表示的场景的体积可以分割成多个子体积。这参考图 12 概念性地示出。如图 12 所示， 3D 点云数据的每个帧 1200 可以分割成多个子体积 1202。与 3D 点云数据的每个帧 表示的整个体积相比， 各个子体积 1202 可以被选择为明显小于总体积。每个子体积 1202 的确切尺寸可以基于场景内出现的所选择对象的期望大小以及地形高度变化来选择。 在子 体积 1202 方面， 本发明仍然不限于任何特定大小。
每个子体积 1002 可以与 3D 点云数据表示的地形表面的特定部分对准。根据本发 明的一个实施例， 可以针对每个子体积限定地平面 405。 地平面 405 可被确定为子体积内的 最低海拔 3D 点云数据点。例如， 在 LIDAR 型定距装置的情况中， 这将是子体积内定距装置 接收的最后返回。通过针对每个子体积建立参考地平面， 可以确保用于 3D 点云的各个部分 的色图将正确参考该场景的该部分的真实地平面。 鉴于本发明的上述描述， 应当意识到本发明可以以硬件、 软件或硬件和软件的组 合实现。 根据本发明的设置的方法可以以一个处理系统中的集总方式或不同元件跨越若干 互连系统的分布式方式实现。 任意种类的计算机系统或适于实施此处描述的方法的其他设 备是适合的。 硬件和软件的典型组合可以是通用计算机处理器或具有计算机程序的数字信 号处理器， 当该计算机程序被装载和执行时控制计算机系统， 使得它实施此处描述的方法。
本发明还可以嵌入在计算机程序产品中， 该计算机程序产品包含能够实现此处描 述的方法的实施方式的所有特征， 当装载在计算机系统中时， 该计算机程序产品能够实施 这些方法。本上下文中的计算机程序或应用意味着旨在直接或在以下过程之后导致具有 信息处理能力的系统执行特定功能的一组指令中以任何语言、 代码或注释所写的任何表达 式： a) 转换成另一语言、 代码或注释 ； b) 以不同材料形式重现。
尽管上面已经描述了本发明的各个实施例， 应当理解它们仅以举例而非限制性方 式示出。根据此处的公开， 在不偏离本发明的精神或范围的条件下可以对公开的实施例做 出各种变化。因而， 本发明的宽度和范围不应受任意上述实施例限制。而是， 本发明的范围 根据下面的权利要求及其等价物限定。
尽管已经参考一个或多个实施方式示出和描述了本发明， 本领域技术人员在阅读 和理解本说明书和附图时将想到等价的备选和修改。另外， 尽管仅参考若干实施方式之一 公开了本发明的特定特征， 这种特征可以与其他实施方式的一个或多个其他特征组合， 对 于任意给定或特定应用， 这可能是希望和有利的。
在此使用的术语仅为了描述特定实施例的目的且并不旨在限制本发明。 当在此使 用时， 除非上下文明确指出， 单数形式 “一个” 和 “该” 旨在也包括复数形式。而且， 就某种 意义而言， 至于在详细描述和 / 或其他权利要求中使用术语 “包括 ( 动名词 )” 、 “包括 ( 动 词 )” 、 “具有 ( 动名词 )” 、 “具有 ( 动词 )” 和 “具有 ( 介词 )” 或者其变形， 这些术语旨在以 类似于术语 “包含” 的方式表示包括。
除非另有限定， 在此使用的所有术语具有与本发明所属的领域的技术人员通常理 解的相同意思。 还应当理解， 除非此处明确限定， 诸如在常用字典中限定的术语应被解读为 具有与其相关领域的上下文中一致的意义且其不应以理想化或过于形式化的意思解读。