CN105469445B - 一种步长可变地图生成方法 - Google Patents

一种步长可变地图生成方法 Download PDF

Info

Publication number
CN105469445B
CN105469445B CN201510903501.5A CN201510903501A CN105469445B CN 105469445 B CN105469445 B CN 105469445B CN 201510903501 A CN201510903501 A CN 201510903501A CN 105469445 B CN105469445 B CN 105469445B
Authority
CN
China
Prior art keywords
map
point
barrier point
barrier
dimensional
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.)
Active
Application number
CN201510903501.5A
Other languages
English (en)
Other versions
CN105469445A (zh
Inventor
程洪
陈诗南
况逸群
郑亚莉
杨路
王富奎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201510903501.5A priority Critical patent/CN105469445B/zh
Publication of CN105469445A publication Critical patent/CN105469445A/zh
Application granted granted Critical
Publication of CN105469445B publication Critical patent/CN105469445B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种步长可变地图生成方法，它包括如下步骤：S1：三维地图分层处理，三维地图的输入之后，根据机器人的高度，将机器人分为底盘部分，躯干部分，头部三层，将三维地图也按这种分法分为3层三维地图，分别为底盘部分地图，躯干部分地图，头部地图；S2：二维障碍点地图生成，将躯干部分地图映射到二维地图，形成二维障碍点地图；S3：非障碍点地图生成，由二维障碍点地图生成非障碍点地图；S4：建立非障碍节点间联系，构成一张完整的步长可变地图。该方法将大数据量的三维地图压缩成小数据量的二维地图，方便路径规划算法在其基础上的实现非障碍点地图是步长可变地图，数据量小，运算量小，大大简化了路径规划计算量。

Description

一种步长可变地图生成方法
技术领域
本发明属于计算机图形技术和机器人导航领域，特别是一种步长可变地图生成方法。
背景技术
机器人感知环境的一种有效方法是利用一张先验地图把环境给存储起来，然后根据传感器对机器人自身定位，从而确定机器人与环境的关系。目前地图表示主要有两种，格子地图和合成地图。
格子地图，就是将周围的环境用一个个格子表示，如果有障碍物，那就是1，如果没，那就是0。但是考虑到传感器信号不是那么精确，现在普遍使用的是Certainty GridMap(确定性格子地图)，传感器信号返回后并不是直接转换成0，1，而是一个概率值，表示这个格子有障碍物的可能性，如果几次传感器的读数都表面同一个格子里面有障碍物，则这个格子有障碍物的可能性就很高。这样做的好处是可以避免传感器误差。格子地图的好处是比较精确，对机器人周围的环境表示比较完整。但是缺点是太耗内存，比较耗计算资源。尤其是一些处理速度和存储容量都有限制的微控制器。
合成地图综合了格子地图和节点地图。在局部用格子表示，在全局用节点表示。是目前广泛使用的地图表示法。但是这种表示法有个问题就是如何有效的将格子地图和节点地图融合在一起。
发明内容
本发明的目的在于克服现有技术的不足，提供一种步长可变地图生成方法，该方法将大数据量的三维地图压缩成小数据量的二维地图，方便路径规划算法在其基础上的实现非障碍点地图是步长可变地图，数据量小，运算量小，提高数据处理的实时性非障碍点地图具有节点间联系，大大简化路径规划计算量。
本发明的目的是通过以下技术方案来实现的：一种步长可变地图生成方法，它包括如下步骤：
S1：三维地图分层处理，三维地图的输入之后，根据机器人的高度，将机器人分为底盘部分，躯干部分，头部三层，将三维地图也按这种分法分为3层三维地图，分别为底盘部分地图，躯干部分地图，头部地图；
S2：二维障碍点地图生成，将躯干部分地图映射到二维地图，形成二维障碍点地图；
S3：非障碍点地图生成，由二维障碍点地图生成非障碍点地图；
S4：建立非障碍节点间联系，构成一张完整的步长可变地图。
所述的三维地图分层处理步骤包括如下子步骤：
S11：利用坐标跟踪和转换库对三维环境地图进行坐标变换，使得三维环境地图的坐标系的xoy平面与地面平行；
S12：通过KD-tree方法对三维环境地图的数据组织和排序；
S13：根据机器人的高度将机器人分为底盘部分，躯干部分以及头部；
S14：将三维环境地图按机器人的分层进行水平切割，分成三层不同的三维环境地图。
所述的二维障碍点地图生成步骤包括如下子步骤：
S21：将步骤S1中得到的三层三维环境地图中的躯干部分三维图映射到二维平面；
S22：对得到的二维平面地图进行去噪处理，以二维地图上的每个障碍点作为圆点，以阈值半径r0作为半径画圆，判断在该圆内的障碍点个数是否大于阈值K，如果大于，则保留该点，否则去处；
S23：对去噪处理后的二维地图作进一步的降采样处理，得到一张二维障碍点地图。
所述的非障碍点地图生成包括如下子步骤：
S31：在一张障碍图中，给定一个初始的非障碍点，计算最靠近该非障碍点的障碍点，非障碍点到障碍点的距离为r，已知机器人底盘半径为R，如果r大于R，则说明该初始的非障碍点有效，否则，重新选取初始的非障碍点，再次重复以上过程；
S32：以选取的非障碍点作为圆点，r为半径画初始圆，将初始圆作k等分，k＞1，除障碍点外的等分点为非障碍点候选点；
S33：选取一个等分点编号为A，按字母表顺序逆时针编号；
S34：定义一个i，i＝1；
S35：确定了第i代的非障碍点之后，计算第i+1代的非障碍点，按照编号顺序规则，计算第i+1代第1个非障碍候选点到最近障碍点的距离ri+1,1，判断ri+1,1是否大于R小于4R，如果满足，则将该点定为非障碍点，并以该点为圆心，ri+1,1为半径画圆，做k等分，判断哪些等分点包含在已知圆内，并抛弃这些包含在已知圆内的点，如果ri+1,1不满足大于R小于4R，则抛弃该点；
S36：将第i+1代所有的非障碍候选点按照步骤1方法运行；
S37：i＝i+1，重复S35和S36。
所述的步骤S32中k等分一般为16等分，k越大，生成的非障碍点越多；将初始圆做k等分时以最靠近该障碍非障碍点的障碍点为一个等分点。
所述步骤S33中选取的等分点最好为位于经过障碍点与初始非障碍点的直径上不是障碍点的等分点。
所述的建立非障碍节点间联系包括：连接两个非障碍点o1o2，在o1o2中寻找Q1Q1’和Q2Q2’，使得Q1Q1’＝Q2Q2’＝2R，p1和p2分别为Q1Q1’和Q2Q2’与o1o2的交点，p1和p2求解如下：
已知：
则：
当向量p1p2和向量o1o2方向相反时，o1和o2可以相互连接，即机器人可以在o1和o2间通行；当向量p1p2和向量o1o2同向时，计算p1p2的中点o3，并求该点到障碍物的最近距离rc，若rc大于R，o1和o2可以相互连接，否则，o1和o2不可以相互连接。
所述的中点o3的计算方法为：设o3的坐标为(x3,y3),则
本发明的有益效果是：本发明提供了一种步长可变地图生成方法，该方法将大数据量的三维地图压缩成小数据量的二维地图，方便路径规划算法在其基础上的实现非障碍点地图是步长可变地图，数据量小，运算量小，提高了数据处理的实时性非障碍点地图具有节点间联系，大大简化了路径规划计算量。
附图说明
图1为本发明的方法流程图；
图2为初始非障碍点生成示意图；
图3为非障碍点生成示意图a；
图4为非障碍点生成示意图b；
图5为非障碍点生成示意图c；
图6为非障碍点生成示意图d；
图7为建立非障碍节点联系示意图a；
图8为建立非障碍节点联系示意图b。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，从即时定位和建图(SLAM)系统中得到室内场景的三维环境地图，由于三维地图数据量太大，需经过三维地图分层处理模块进行三维环境地图分层，通过二维障碍点地图生成模块将数据压缩，选取机器人躯干部分三维图作为压缩源，映射为二维地图，即生成了二维障碍物地图，该模块不但对数据降维，而且还确保了机器人躯干部分三维图信息不丢失，便于机器人的路径规划和避障。在给定一个初始的非障碍点之后，非障碍点地图生成模块会根据该点，计算并生成所有非障碍点，形成一张非障点地图。通过建立非障碍节点间联系模块，确立了非障碍点之间的连接关系，最后将障碍点地图和非障碍点地图保存，形成一张先验的步长可变地图，作为机器人的导航地图。
一种步长可变地图生成方法，它包括如下步骤：
S1：三维地图分层处理，三维地图的输入之后，根据机器人的高度，将机器人分为底盘部分，躯干部分，头部三层，将三维地图也按这种分法分为3层三维地图，分别为底盘部分地图，躯干部分地图，头部地图；
S2：二维障碍点地图生成，将躯干部分地图映射到二维地图，形成二维障碍点地图；
S3：非障碍点地图生成，由二维障碍点地图生成非障碍点地图；
S4：建立非障碍节点间联系，构成一张完整的步长可变地图。
所述的三维地图分层处理步骤包括如下子步骤：
S11：利用坐标跟踪和转换库对三维环境地图进行坐标变换，使得三维环境地图的坐标系的xoy平面与地面平行；
S12：通过KD-tree方法对三维环境地图的数据组织和排序，可采用PCL库里面的函数来实现的；
S13：根据机器人的高度将机器人分为底盘部分，躯干部分以及头部；
S14：将三维环境地图按机器人的分层进行水平切割，分成三层不同的三维环境地图。
所述的二维障碍点地图生成步骤包括如下子步骤：
S21：将步骤S1中得到的三层三维环境地图中的躯干部分三维图映射到二维平面；
S22：对得到的二维平面地图进行去噪处理，以二维地图上的每个障碍点作为圆点，以阈值半径r0作为半径画圆，判断在该圆内的障碍点个数是否大于阈值K，如果大于，则保留该点，否则去处；
S23：对去噪处理后的二维地图作进一步的降采样处理，得到一张二维障碍点地图。
如图2所示，所述的非障碍点地图生成包括如下子步骤：
S31：在一张障碍图中，给定一个初始的非障碍点(图中星点)，如图3所示，计算最靠近该非障碍点的障碍点(图中方点)，非障碍点到障碍点的距离为r，已知机器人底盘半径为R，如果r大于R，则说明该初始的非障碍点有效，否则，重新选取初始的非障碍点，再次重复以上过程；
S32：以选取的非障碍点作为圆点，r为半径画初始圆，将初始圆作k等分，k＞1，k等分一般为16等分，k越大，生成的非障碍点越多，将初始圆做k等分时以最靠近该障碍非障碍点的障碍点为一个等分点，示意图进行16等分，除障碍点外的等分点(图中的圆点)为非障碍点候选点；
S33：选取一个等分点编号为A，按字母表顺序逆时针编号，选取的等分点最好为位于经过障碍点与初始非障碍点的直径上不是障碍点的等分点；
S34：定义一个i，i＝1；
S35：确定了第i代的非障碍点之后，计算第i+1代的非障碍点，按照编号顺序规则，计算第i+1代第1个非障碍候选点到最近障碍点的距离ri+1,1，如图4所示判断ri+1,1是否大于R小于4R，如果满足，则将该点定为非障碍点，并以该点为圆心，ri+1,1为半径画圆，做k等分，判断哪些等分点包含在已知圆内，并抛弃这些包含在已知圆内的点，如果ri+1,1不满足大于R小于4R，则抛弃该点，如图5所示，抛弃的点为空心白点；
S36：将第i+1代所有的非障碍候选点按照步骤1方法运行，如图6所示；
S37：i＝i+1，重复S35和S36。
如图8所示，所述的建立非障碍节点间联系包括：连接两个非障碍点o1o2，在o1o2中寻找Q1Q1’和Q2Q2’，使得Q1Q1’＝Q2Q2’＝2R，p1和p2分别为Q1Q1’和Q2Q2’与o1o2的交点，p1和p2求解如下：
已知：
则：
当向量p1p2和向量o1o2方向相反时，o1和o2可以相互连接，即机器人可以在o1和o2间通行；当向量p1p2和向量o1o2同向时，计算p1p2的中点o3，并求该点到障碍物的最近距离rc，若rc大于R，o1和o2可以相互连接，否则，o1和o2不可以相互连接。
所述的中点o3的计算方法为：设o3的坐标为(x3,y3),则

Claims (8)

1.一种步长可变地图生成方法，其特征在于：它包括如下步骤：
S1：三维地图分层处理，三维地图的输入之后，根据机器人的高度，将机器人分为底盘部分，躯干部分，头部三层，将三维地图也按这种分法分为3层三维地图，分别为底盘部分地图，躯干部分地图，头部地图；
S2：二维障碍点地图生成，将躯干部分地图映射到二维地图，形成二维障碍点地图；
S3：非障碍点地图生成，由二维障碍点地图生成非障碍点地图；
S4：建立非障碍节点间联系，构成一张完整的步长可变地图。
2.根据权利要求1所述的一种步长可变地图生成方法，其特征在于：所述的三维地图分层处理步骤包括如下子步骤：
S11：利用坐标跟踪和转换库对三维环境地图进行坐标变换，使得三维环境地图的坐标系的xoy平面与地面平行；
S12：通过KD-tree方法对三维环境地图的数据组织和排序；
S13：根据机器人的高度将机器人分为底盘部分，躯干部分以及头部；
S14：将三维环境地图按机器人的分层进行水平切割，分成三层不同的三维环境地图。
3.根据权利要求2所述的一种步长可变地图生成方法，其特征在在于：所述的二维障碍点地图生成步骤包括如下子步骤：
S21：将步骤S1中得到的三层三维环境地图中的躯干部分三维图映射到二维平面；
S22：对得到的二维平面地图进行去噪处理，以二维地图上的每个障碍点作为圆点，以阈值半径r0作为半径画圆，判断在该圆内的障碍点个数是否大于阈值K，如果大于，则保留该点，否则去除；
S23：对去噪处理后的二维地图作进一步的降采样处理，得到一张二维障碍点地图。
4.根据权利要求3所述的一种步长可变地图生成方法，其特征在在于：所述的非障碍点地图生成包括如下子步骤：
S31：在一张障碍图中，给定一个初始的非障碍点，计算最靠近该非障碍点的障碍点，非障碍点到障碍点的距离为r，已知机器人底盘半径为R，如果r大于R，则说明该初始的非障碍点有效，否则，重新选取初始的非障碍点，再次重复以上过程；
S32：以选取的非障碍点作为圆点，r为半径画初始圆，将初始圆作k等分，k＞1，除障碍点外的等分点为非障碍点候选点；
S33：选取一个等分点编号为A，按字母表顺序逆时针编号；
S34：定义一个i，i＝1；
S35：确定了第i代的非障碍点之后，计算第i+1代的非障碍点，按照编号顺序规则，计算第i+1代第1个非障碍候选点到最近障碍点的距离ri+1,1，判断ri+1,1是否大于R小于4R，如果满足，则将该点定为非障碍点，并以该点为圆心，ri+1,1为半径画圆，做k等分，判断哪些等分点包含在已知圆内，并抛弃这些包含在已知圆内的点，如果ri+1,1不满足大于R小于4R，则抛弃该点；
S36：将第i+1代所有的非障碍候选点按照S35方法运行；
S37：i＝i+1，重复S35和S36。
5.根据权利要求4所述的一种步长可变地图生成方法，其特征在在于：所述的步骤S32中k等分一般为16等分，k越大，生成的非障碍点越多；将初始圆做k等分时以最靠近该障碍非障碍点的障碍点为一个等分点。
6.根据权利要求5所述的一种步长可变地图生成方法，其特征在于：所述步骤S33中选取的等分点最好为位于经过障碍点与初始非障碍点的直径上不是障碍点的等分点。
7.根据权利要求4所述的一种步长可变地图生成方法，其特征在在于：所述的建立非障碍节点间联系包括：连接两个非障碍点o1o2，在o1o2中寻找Q1Q1’和Q2Q2’，使得Q1Q1’＝Q2Q2’＝2R，p1和p2分别为Q1Q1’和Q2Q2’与o1o2的交点，p1和p2求解如下：
已知：
则：
当向量p1p2和向量o1o2方向相反时，o1和o2可以相互连接，即机器人可以在o1和o2间通行；当向量p1p2和向量o1o2同向时，计算p1p2的中点o3，并求该点到障碍物的最近距离rc，若rc大于R，o1和o2可以相互连接，否则，o1和o2不可以相互连接。
8.根据权利要求7所述一种步长可变地图生成方法，其特征在在于：所述的中点o3的计算方法为：设o3的坐标为(x3,y3),则
CN201510903501.5A 2015-12-08 2015-12-08 一种步长可变地图生成方法 Active CN105469445B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510903501.5A CN105469445B (zh) 2015-12-08 2015-12-08 一种步长可变地图生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510903501.5A CN105469445B (zh) 2015-12-08 2015-12-08 一种步长可变地图生成方法

Publications (2)

Publication Number Publication Date
CN105469445A CN105469445A (zh) 2016-04-06
CN105469445B true CN105469445B (zh) 2018-06-29

Family

ID=55607103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510903501.5A Active CN105469445B (zh) 2015-12-08 2015-12-08 一种步长可变地图生成方法

Country Status (1)

Country Link
CN (1) CN105469445B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106054900B (zh) * 2016-08-08 2018-11-09 电子科技大学 基于深度摄像头的机器人临时避障方法
CN106227218A (zh) * 2016-09-27 2016-12-14 深圳乐行天下科技有限公司 一种智能移动设备的导航避障方法及装置
CN109425352A (zh) * 2017-08-25 2019-03-05 科沃斯机器人股份有限公司 自移动机器人路径规划方法
CN109426248A (zh) * 2017-08-25 2019-03-05 科沃斯机器人股份有限公司 自移动机器人及其行走方法、显示障碍物分布的方法
GB2577915B (en) 2018-10-10 2021-06-16 Dyson Technology Ltd Path planning
JP7371357B2 (ja) * 2019-06-07 2023-10-31 マツダ株式会社 移動体外部環境認識装置
CN110489510B (zh) * 2019-08-23 2022-05-20 腾讯科技（深圳）有限公司 道路数据的处理方法、装置、可读存储介质和计算机设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1975747A (zh) * 2006-10-12 2007-06-06 中山大学 一种rpg游戏场景路径的自动生成方法及装置
CN101944240A (zh) * 2010-08-20 2011-01-12 浙江大学 多机器人三维几何地图的融合方法
CN102682466A (zh) * 2011-03-17 2012-09-19 腾讯科技（深圳）有限公司 三维角色扮演游戏中实现动态阻挡的方法、装置及系统
CN103278153A (zh) * 2013-04-27 2013-09-04 中南大学 一种基于空间二维映射的汽车起重机三维路径规划方法
CN104238560A (zh) * 2014-09-26 2014-12-24 深圳市科松电子有限公司 一种非线性路径规划方法及系统
CN104267728A (zh) * 2014-10-16 2015-01-07 哈尔滨工业大学 一种基于可达区域质心矢量的移动机器人避障方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1975747A (zh) * 2006-10-12 2007-06-06 中山大学 一种rpg游戏场景路径的自动生成方法及装置
CN101944240A (zh) * 2010-08-20 2011-01-12 浙江大学 多机器人三维几何地图的融合方法
CN102682466A (zh) * 2011-03-17 2012-09-19 腾讯科技（深圳）有限公司 三维角色扮演游戏中实现动态阻挡的方法、装置及系统
CN103278153A (zh) * 2013-04-27 2013-09-04 中南大学 一种基于空间二维映射的汽车起重机三维路径规划方法
CN104238560A (zh) * 2014-09-26 2014-12-24 深圳市科松电子有限公司 一种非线性路径规划方法及系统
CN104267728A (zh) * 2014-10-16 2015-01-07 哈尔滨工业大学 一种基于可达区域质心矢量的移动机器人避障方法

Also Published As

Publication number Publication date
CN105469445A (zh) 2016-04-06

Similar Documents

Publication Publication Date Title
CN105469445B (zh) 一种步长可变地图生成方法
WO2020134082A1 (zh) 一种路径规划方法、装置和移动设备
CN103247041B (zh) 一种基于局部采样的多几何特征点云数据的分割方法
US11300964B2 (en) Method and system for updating occupancy map for a robotic system
CN101324663B (zh) 激光雷达点云数据的快速分块与栅格化算法
CN110501017A (zh) 一种基于orb_slam2的移动机器人导航地图生成方法
JP4372477B2 (ja) ２分木を巡回する方法およびシステム
CN107677279A (zh) 一种定位建图的方法及系统
CN104616349B (zh) 基于局部曲面变化因子的散乱点云数据精简处理方法
CN104504709B (zh) 一种基于特征球的室外场景三维点云数据的分类方法
CN104821013A (zh) 基于大地坐标系数字高程模型的地表面积提取方法及系统
JP2020537271A (ja) ボリュームデータの密度座標ハッシュ化
US11307049B2 (en) Methods, apparatuses, systems, and storage media for storing and loading visual localization maps
CN103236079A (zh) 一种基于三维模型体素化的内部球改进构造方法
CN105184786B (zh) 一种浮点型三角形特征描述方法
CN110110763A (zh) 一种基于最大公共子图的栅格地图融合方法
CN108984741A (zh) 一种地图生成方法及装置、机器人和计算机可读存储介质
CN111243094B (zh) 一种基于点灯法的三维模型精确体素化方法
CN115661374B (zh) 一种基于空间划分和模型体素化的快速检索方法
CN109271441A (zh) 一种高维数据可视化聚类分析方法及系统
CN113837275A (zh) 基于扩张坐标注意力的改进YOLOv3目标检测方法
CN113610983A (zh) 一种离散点空间曲面三角网格自动剖分方法
CN104764937A (zh) 一种电磁环境复杂度快速网格剖分显示方法
CN116482711A (zh) 一种用于着陆区自主选择的局部静态环境感知方法及装置
CN109191484B (zh) 一种从机载激光雷达点云中快速提取平面片的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant