CN103034550A - 基于人工免疫系统的虚实交互碰撞检测系统及方法 - Google Patents
基于人工免疫系统的虚实交互碰撞检测系统及方法 Download PDFInfo
- Publication number
- CN103034550A CN103034550A CN2012105253981A CN201210525398A CN103034550A CN 103034550 A CN103034550 A CN 103034550A CN 2012105253981 A CN2012105253981 A CN 2012105253981A CN 201210525398 A CN201210525398 A CN 201210525398A CN 103034550 A CN103034550 A CN 103034550A
- Authority
- CN
- China
- Prior art keywords
- collision
- module
- detection
- artificial immune
- actual situation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种基于人工免疫系统的虚实交互碰撞检测系统及方法,该系统包括:坐标集建立模组,用于建立人手特征坐标集及虚拟物体面片坐标;粗检测模组,采用包围盒方法划分对象,对虚实物体进行粗糙的碰撞检测;判断模组,判断该粗检测模组的检测结果是否为碰撞;精检测模组,于该判断模组的判断结果为碰撞时,在粗检测基础上采用人工免疫算法进行精确检测;以及碰撞处理模组,对精确检测获得的精确碰撞部分虚拟物体面片坐标集,通过本发明,可以很好地解决AR应用中虚拟与实际物体交互中的碰撞检测发生的检测问题。
Description
技术领域
本发明关于一种碰撞检测系统及方法,特别是涉及一种基于人工免疫系统的虚实交互碰撞检测系统及方法。
背景技术
包围盒(bounding box)是由Clark提出的,基本思想是使用简单的几何形体包围虚拟场景中复杂的几何物体,当对两个物体进行碰撞检测时,首先检查两个物体最外层的包围盒是否相交,若不相交,则说明两个物体没有发生碰撞,否则再对两个物体进行检测。基于这个原理,包围盒适合对远距离物体的碰撞检测,若距离很近,其物体之间的包围盒很容易相交,会产生大量的二次检测,这样就增大了计算量。
包围盒的类型主要有AABB(Aligned Axis Bounding Box)沿坐标轴的包围盒、包围球、OBB(Oriented Bounding Box)方向包围盒和k-DOP(k DiscreteOrientation Polytopes)离散方向多面体等。
AABB是包含几何对象且各边平行于坐标轴的最小六面体,两个AABB包围盒相交当且仅当它们三个坐标轴上的投影均重叠,只要存在一个方向上的投影不重叠,那么它们就不相交。AABB间的相交测试和包围体的更新速度比其他算法效率高,因此使用最广泛,尤其适用于多物体运动的大规模环境和变形体碰撞检测。
OBB包围盒的相交测试基于分离轴的理论的,它的构造关键在于包围盒最佳方向的确定,最佳方向必须保证在该方向上包围盒的尺寸最小。由于其较好的紧密性,大大提高了算法的效率,但需要较多的存储空间,构造和更新包围体的速度都比较慢,不能有效地处理变形体等情况。
k-DOP使用k/2对的平行平面来包围物体,如果在由k-DOP的边构成的固定方向集合种的某个方向上的投影不重叠,则包围盒必不相交;如果在所有方向上的投影都重叠,则包围盒必相交。通过调整k的取值,k-DOP可以在简单性、紧密性中达到一定的折衷,从而提高碰撞检测的效率。
包围盒是目前应用最为广泛的碰撞检测方法,包围盒本身的简单性和所包围物体的紧密性是相互矛盾的,简单性越高其紧密性差,反之如此,所以如何解决这个矛盾是包围盒技术的关键。
总的来说,基于包围盒的传统的碰撞检测算法存在不足,包围盒的紧密性较差,用于检测碰撞不够精确,扩大了检测的区域,有些还没有碰撞的物体,也可能会被检测为已碰撞,无法满足更精确和更及时地碰撞需要。
AR(增强现实)碰撞检测技术包括在AR应用中检测虚实碰撞事件的发生并在碰撞发生后进行快速碰撞响应。无论是检测碰撞的发生还是对于碰撞的响应,都要求实时处理,对于碰撞响应,更要求有较快的实时渲染算法和较高的检测精度,因此,传统的包围盒碰撞检测无法满足其碰撞检测的需要。
发明内容
为克服上述现有技术的不足,本发明之目的在于提供一种基于人工免疫系统的虚实交互碰撞检测系统及方法,其引入了启发式的基于人工免疫的碰撞检测算法,建立实时处理模型,可以很好地解决AR应用中虚拟与实际物体交互中的碰撞检测发生的检测问题。
为达上述及其它目的,本发明提出一种基于人工免疫系统的虚实交互碰撞检测系统,至少包括:
坐标集建立模组,用于建立人手特征坐标集及虚拟物体面片坐标;
粗检测模组,采用包围盒方法划分对象,对虚实物体进行粗糙的碰撞检测;
判断模组,判断该粗检测模组的检测结果是否为碰撞;
精检测模组,于该判断模组的判断结果为碰撞时,在粗检测基础上采用人工免疫算法进行精确检测;以及
碰撞处理模组,对精确检测获得的精确碰撞部分虚拟物体面片坐标集。
进一步地,该精检测模组还包括:
模式集建立模组,利用数据挖掘方法挖掘出训练数据中的使用模式,建立自体模式集和异己模式集,该自体模式集为粗糙碰撞部分虚拟物体面片坐标集,该异己模式集为对手势进行识别后得到的坐标集;
抗体群生成模组,以异己模式集的坐标集作为父代抗原,经编码后利用遗传算子对它们进行变异和增殖,生成一个大的候选抗体库;
克隆变异模组,采用克隆变异算法结合多个用户的信息反馈,进行交叉变异生成新的抗体;以及
否定选择模组,对克隆变异后的抗体库进行否定选择,删除其中的自体模式。
进一步地,该克隆变异模组针对用户的反馈,要利用规则提升方法对规则进行提升。
进一步地,该规则提升方法通过计算个体与个体之间的亲和度实现。
进一步地,该粗检测模组采用AABB包围盒方法进行粗检测。
为达到上述及其他目的,本发明还提供一种基于人工免疫系统的虚实交互碰撞检测方法,包括如下步骤:
步骤一,建立人手特征坐标集及虚拟物体面片坐标;
步骤二,采用包围盒方法划分对象,对虚实物体进行粗糙的碰撞检测;
步骤三,判断粗检测的结果是否为碰撞,若没有碰撞,则结束;否则进入步骤四;
步骤四,利用人工免疫算法对粗检测的结果进行精确检测;以及
步骤五,对精确检测获得的精确碰撞部分虚拟物体面片坐标集。
进一步地,步骤四还包括如下步骤:
建立自体模式集和异己模式集,并以自体模式集的坐标集作为初始抗体,以异己模式集的坐标集作为抗原;
在自体模式集与异己模式集基础上,以异己模式集的坐标集作为父代抗原,经编码后利用遗传算子对它们进行变异和增殖,生成一个大的候选抗体库;
采用克隆变异算法结合多个用户的信息反馈,进行交叉变异生成新的抗体;以及
对克隆变异后的抗体库进行否定选择,删除其中的自体模式。
进一步地,该自体模式集为用AABB包围盒算法进行粗糙碰撞部分的虚拟物体面片坐标集,该异己模式集是对手势进行识别后得到的坐标集。
进一步地,该克隆变异算法针对用户的反馈,要利用规则提升方法对规则进行提升。
进一步地,该规则提升方法通过计算个体与个体之间的亲和度实现。
与现有技术相比,本发明一种基于人工免疫系统的虚实交互碰撞检测系统及方法从生物免疫原理出发,将碰撞检测的过程视做抗体培养和抗原检测的过程,很好地解决了AR应用中虚拟与实际物体交互中的碰撞检测发生的检测问题,由分析可知,应用人工免疫原理的开销主要集中在抗体生成阶段,尤其是当初始模式集规模很大的时候.运用克隆变异和否定选择的约束可以大大减少空间和时间的需求。
附图说明
图1为本发明一种基于人工免疫系统的虚实交互碰撞检测系统的系统架构图;
图2为本发明一种基于人工免疫系统的虚实交互碰撞检测方法的步骤流程图;
图3为本发明较佳实施例中人工免疫算法的步骤流程图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式,本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用,本说明书中的各项细节亦可基于不同观点与应用,在不背离本发明的精神下进行各种修饰与变更。
在介绍本发明之前,先进行本发明的问题定义。在本发明中,把AR中用人手对虚拟物体进行抓取垃圾这类碰撞检测中存在的问题,用免疫系统的免疫思想来解决。对人工免疫原理的应用是功能上的模拟而非所有部件的实现.在生物体中,抗体对抗原物质的识别是依靠抗体表面的受体与特定抗原的抗原决定基问化学健的“结合”,碰撞检测中的检测是指手势和被抓取物体模式间的匹配。
图1为本发明一种基于人工免疫系统的虚实交互碰撞检测系统的系统架构图。如图1所示,本发明一种基于人工免疫系统的虚实交互碰撞检测系统,至少包括:坐标集建立模组10、粗检测模组11、判断模组12、精检测模组13以及碰撞处理模组14。
坐标集建立模组10用于建立人手特征坐标集及虚拟物体面片坐标;粗检测模组11采用包围盒方法划分对象,对虚实物体进行粗糙的碰撞检测,在本发明较佳实施例中,则采用AABB包围盒方法进行粗检测,由于包围盒碰撞监测方法为现有技术,在此不予赘述;判断模组12,判断粗检测模组11的检测结果是否为碰撞;精检测模组13于判断模组12的判断结果为碰撞时,在粗检测基础上采用人工免疫算法进行精确检测;碰撞处理模组14,对精检测结果进行处理,即对精确检测获得的精确碰撞部分虚拟物体面片坐标集。
精检测模组13包括模式集建立模组130、抗体群生成模组131、克隆变异模组132以及否定选择模组133,模式集建立模组130利用数据挖掘方法挖掘出训练数据中的使用模式,建立起“自体模式集”和“异己模式集”,这些模式是对坐标集的描述,其中自体模式主要是用AABB包围盒算法进行粗糙碰撞部分的虚拟物体面片坐标集,异己模式是对手势进行识别后得到的坐标集,模式集建立模组130以自体模式集的坐标集作为初始抗体,以异己模式集的坐标集作为抗原;抗体群生成模组131以异己模式集的坐标集作为父代抗原,经编码后利用遗传算子对它们进行变异和增殖,生成一个大的候选抗体库;克隆变异模组132采用克隆变异算法结合多个用户的信息反馈,进行交叉变异生成新的抗体;否定选择模组133对克隆变异后的抗体进行否定选择,删除其中的自体模式。
克隆变异和否定选择是抗体生成和演化过程中两个重要过程,也是现代免疫学中比较完善的两个理论学说。克隆变异学说认为机体免疫系统事先就存在能识别各种抗原的细胞克隆,每个克隆细胞表面都有针对不同特定抗原的受体,不同抗原选择与之相适应的受体结合,从而刺激该细胞克隆的增殖分化,产生免疫应答而生成多样性的各种抗体。该学说说明了抗体形成的机制,解释了免疫系统对抗原的识别、免疫记忆等形成的原因,说明抗体的生成演化向着接近已有抗原的方向进行。利用这一原理可以构建垃圾邮件检测中入侵行为规则集,使检测器的构造不是盲目的进行。否定选择学说认为机体内先产生大量随机抗体,其中对“自己”抗原物质产生破坏的将被清除(否则将导致自身免疫功能疾病),剩余的抗体可以检测一切外来抗原物质。因此,在本发明中分阶段使用两个过程:根据保留数据挖掘出异常模式,并根据经验知识补充之,以这些模式作为父代抗原,经编码后利用遗传算子对它们进行变异和增殖,生成一个大的候选抗体库,对其中每一个个体要进行适应度测定,计算与现有抗原的相似度,这样做是因为假设所有新生成的个体都是以现有异常模式为基础的,而非一种不可能存在的模式,这样做有利于保障检测效率,节约存储空间;再进行否定选择,删除其中的自体模式.最后生成一个较完备的异己模式库.
图2为本发明一种基于人工免疫系统的虚实交互碰撞检测方法的步骤流程图。如图2所示,本发明一种基于人工免疫系统的虚实交互碰撞检测方法,包括如下步骤:
步骤201,建立人手特征坐标集及虚拟物体面片坐标;
步骤202,采用包围盒方法划分对象,对虚实物体进行粗糙的碰撞检测,在本发明较佳实施例中,则采用AABB包围盒方法进行粗检测;
步骤203,判断粗检测的结果是否为碰撞,若没有碰撞,则结束;否则进入步骤204;
步骤204,利用人工免疫算法对粗检测的结果进行精确检测;以及
步骤205,对精检测结果进行处理,即对精确检测获得的精确碰撞部分虚拟物体面片坐标集。
步骤204进一步包括如下步骤:
建立“自体模式集”和“异己模式集”,并以自体模式集的坐标集作为初始抗体,以异己模式集的坐标集作为抗原,这些模式是对坐标集的描述,其中自体模式主要是用AABB包围盒算法进行粗糙碰撞部分的虚拟物体面片坐标集,异己模式是对手势进行识别后得到的坐标集;
在自体模式集与异己模式集基础上,以异己模式集的坐标集作为父代抗原,经编码后利用遗传算子对它们进行变异和增殖,生成一个大的候选抗体库;
采用克隆变异算法结合多个用户的信息反馈,进行交叉变异生成新的抗体;以及
对克隆变异后的抗体库进行否定选择,删除其中的自体模式。
图3为本发明较佳实施例中人工免疫算法的步骤流程图,以下将配合图3并通过具体算法对本发明之人工免疫算法作进一步描述。为方便下述的算法设计,这里先给出免疫系统的一些初始设定:
BC-初始为空的B细胞集//bc为B细胞集中的B细胞,代表“自体”信息,即AABB包围盒算法进行粗糙碰撞部分的虚拟物体面片坐标集;B细胞分泌抗体;
MC-初始为空的记忆B细胞集//mc为记忆B细胞集中的记忆细胞,代表被用户确认的“非己”信息;
R-抗体二进制表示;
Kt-初始记忆细胞数目;
Ka-亲和力阀值;
ε-匹配阈值;
Kl-克隆常量;
Km-变异常量;
Ag-抗原;代表用户做出的手势所产生的坐标信息
本发明较佳实施例中人工免疫算法如下:
克隆变异算法:
用户手势是会发生变化的,有时用户对正确手势模糊不清,或很难做出正确手势,以致产生结果不一定准确,本发明提供了克隆变异的算法来结合多个用户的信息反馈,进行交叉变异可以生成新的抗体。
针对用户的反馈,要对规则进行提升,规则的提升算法:
系统内的规则克隆变异和系统外的用户反馈共同决定规则的变化。
其中,亲和力的计算按下式进行:
亲合度计算,个体C(m1,m2,...,ml)与个体h(n1,n2,...,nl)之间的亲和度按欧氏距离由下式计算:
可见,本发明一种基于人工免疫系统的虚实交互碰撞检测系统及方法从生物免疫原理出发,将碰撞检测的过程视做抗体培养和抗原检测的过程,由分析可知,应用人工免疫原理的开销主要集中在抗体生成阶段,尤其是当初始模式集规模很大的时候.运用克隆变异和否定选择的约束可以大大减少空间和时间的需求.亲和力阀值的确定在克隆变异时也很关键,需要经验知识来确定。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下,对上述实施例进行修饰与改变。因此,本发明的权利保护范围,应如权利要求书所列。
Claims (10)
1.一种基于人工免疫系统的虚实交互碰撞检测系统,至少包括:
坐标集建立模组,用于建立人手特征坐标集及虚拟物体面片坐标;
粗检测模组,采用包围盒方法划分对象,对虚实物体进行粗糙的碰撞检测;
判断模组,判断该粗检测模组的检测结果是否为碰撞;
精检测模组,于该判断模组的判断结果为碰撞时,在粗检测基础上采用人工免疫算法进行精确检测;以及
碰撞处理模组,对精确检测获得的精确碰撞部分虚拟物体面片坐标集。
2.如权利要求1所述的基于人工免疫系统的虚实交互碰撞检测系统,其特征在于,该精检测模组还包括:
模式集建立模组,利用数据挖掘方法挖掘出训练数据中的使用模式,建立自体模式集和异己模式集,该自体模式集为粗糙碰撞部分虚拟物体面片坐标集,该异己模式集为对手势进行识别后得到的坐标集;
抗体群生成模组,以异己模式集的坐标集作为父代抗原,经编码后利用遗传算子对它们进行变异和增殖,生成一个大的候选抗体库;
克隆变异模组,采用克隆变异算法结合多个用户的信息反馈,进行交叉变异生成新的抗体;以及
否定选择模组,对克隆变异后的抗体库进行否定选择,删除其中的自体模式。
3.如权利要求2所述的基于人工免疫系统的虚实交互碰撞检测系统,其特征在于:该克隆变异模组针对用户的反馈,要利用规则提升方法对规则进行提升。
4.如权利要求2所述的基于人工免疫系统的虚实交互碰撞检测系统,其特征在于:该规则提升方法通过计算个体与个体之间的亲和度实现。
5.如权利要求2所述的基于人工免疫系统的虚实交互碰撞检测系统,其特征在于:该粗检测模组采用AABB包围盒方法进行粗检测。
6.一种基于人工免疫系统的虚实交互碰撞检测方法,包括如下步骤:
步骤一,建立人手特征坐标集及虚拟物体面片坐标;
步骤二,采用包围盒方法划分对象,对虚实物体进行粗糙的碰撞检测;
步骤三,判断粗检测的结果是否为碰撞,若没有碰撞,则结束;否则进入步骤四;
步骤四,利用人工免疫算法对粗检测的结果进行精确检测;以及
步骤五,对精确检测获得的精确碰撞部分虚拟物体面片坐标集。
7.如权利要求6所述的一种基于人工免疫系统的虚实交互碰撞检测方法,其特征在于,步骤四还包括如下步骤:
建立自体模式集和异己模式集,并以自体模式集的坐标集作为初始抗体,以异己模式集的坐标集作为抗原;
在自体模式集与异己模式集基础上,以异己模式集的坐标集作为父代抗原,经编码后利用遗传算子对它们进行变异和增殖,生成一个大的候选抗体库;
采用克隆变异算法结合多个用户的信息反馈,进行交叉变异生成新的抗体;以及
对克隆变异后的抗体库进行否定选择,删除其中的自体模式。
8.如权利要求7所述的一种基于人工免疫系统的虚实交互碰撞检测方法,其特征在于:该自体模式集为用AABB包围盒算法进行粗糙碰撞部分的虚拟物体面片坐标集,该异己模式集是对手势进行识别后得到的坐标集。
9.如权利要求7所述的一种基于人工免疫系统的虚实交互碰撞检测方法,其特征在于:该克隆变异算法针对用户的反馈,要利用规则提升方法对规则进行提升。
10.如权利要求9所述的一种基于人工免疫系统的虚实交互碰撞检测方法,其特征在于:该规则提升方法通过计算个体与个体之间的亲和度实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105253981A CN103034550A (zh) | 2012-12-07 | 2012-12-07 | 基于人工免疫系统的虚实交互碰撞检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105253981A CN103034550A (zh) | 2012-12-07 | 2012-12-07 | 基于人工免疫系统的虚实交互碰撞检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103034550A true CN103034550A (zh) | 2013-04-10 |
Family
ID=48021473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012105253981A Pending CN103034550A (zh) | 2012-12-07 | 2012-12-07 | 基于人工免疫系统的虚实交互碰撞检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103034550A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046710A (zh) * | 2015-07-23 | 2015-11-11 | 北京林业大学 | 基于深度图分割与代理几何体的虚实碰撞交互方法及装置 |
US9626737B2 (en) | 2013-11-15 | 2017-04-18 | Canon Information And Imaging Solutions, Inc. | Devices, systems, and methods for examining the interactions of objects in an enhanced scene |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101539804A (zh) * | 2009-03-11 | 2009-09-23 | 上海大学 | 基于增强虚拟现实与异型屏的实时人机互动方法及系统 |
CN102082700A (zh) * | 2009-11-27 | 2011-06-01 | 上海电机学院 | 一种网络入侵的检测方法 |
-
2012
- 2012-12-07 CN CN2012105253981A patent/CN103034550A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101539804A (zh) * | 2009-03-11 | 2009-09-23 | 上海大学 | 基于增强虚拟现实与异型屏的实时人机互动方法及系统 |
CN102082700A (zh) * | 2009-11-27 | 2011-06-01 | 上海电机学院 | 一种网络入侵的检测方法 |
Non-Patent Citations (1)
Title |
---|
陈明: "增强现实虚实交互的若干关键问题研究", 《中国博士学位论文全文数据库 信息科技辑》, 15 January 2011 (2011-01-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9626737B2 (en) | 2013-11-15 | 2017-04-18 | Canon Information And Imaging Solutions, Inc. | Devices, systems, and methods for examining the interactions of objects in an enhanced scene |
CN105046710A (zh) * | 2015-07-23 | 2015-11-11 | 北京林业大学 | 基于深度图分割与代理几何体的虚实碰撞交互方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103246884B (zh) | 基于深度图像序列的实时人体动作识别方法及装置 | |
CN106296628B (zh) | 检测异常情形的方法和装置 | |
CN101984443B (zh) | 一种改进的柔性织物碰撞处理方法 | |
CN101739721B (zh) | 基于时变和无序多图像的四维场景建模方法 | |
CN106777822B (zh) | 二维高含量颗粒增强复合材料三相细观模型及建立方法 | |
CN109214366A (zh) | 局部目标重识别方法、装置及系统 | |
CN109934847A (zh) | 弱纹理三维物体姿态估计的方法和装置 | |
CN107704799A (zh) | 一种人体动作识别方法及设备、计算机可读存储介质 | |
CN103324784B (zh) | 一种基于局部约束的网格模型碰撞处理方法 | |
CN109902390A (zh) | 一种基于小样本扩充的有利储层发育区预测方法 | |
CN105261069A (zh) | 基于gpu的软组织器官元球模型自动生成与碰撞检测的方法 | |
CN106127104A (zh) | 一种Android平台下基于人脸关键点的预测系统及其方法 | |
CN108182218A (zh) | 一种基于地理信息系统的视频人物识别方法、系统及电子设备 | |
CN103927530A (zh) | 一种最终分类器的获得方法及应用方法、系统 | |
CN103034550A (zh) | 基于人工免疫系统的虚实交互碰撞检测系统及方法 | |
CN103150476B (zh) | 一种基于数据站场的系统效能评估方法 | |
CN105205786B (zh) | 一种图像深度恢复方法及电子设备 | |
CN103839280A (zh) | 一种基于视觉信息的人体姿态跟踪方法 | |
CN105608239A (zh) | 三坐标程序编写系统及方法 | |
CN110298225A (zh) | 一种遮挡环境下的人脸五官定位的方法 | |
CN109783586A (zh) | 基于聚类重采样的水军评论检测系统及方法 | |
CN106407551A (zh) | 一种软测量建模方法 | |
CN106529374A (zh) | 一种级联式人脸关键点定位方法和系统 | |
Bonte et al. | Validation of CME detection software (CACTus) by means of simulated data, and analysis of projection effects on CME velocity measurements | |
TWI413018B (zh) | 體積識別方法及系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C05 | Deemed withdrawal (patent law before 1993) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130410 |