CN106327536A - 一种基于切面点云的领围测量方法 - Google Patents
一种基于切面点云的领围测量方法 Download PDFInfo
- Publication number
- CN106327536A CN106327536A CN201610744217.2A CN201610744217A CN106327536A CN 106327536 A CN106327536 A CN 106327536A CN 201610744217 A CN201610744217 A CN 201610744217A CN 106327536 A CN106327536 A CN 106327536A
- Authority
- CN
- China
- Prior art keywords
- point
- collar
- tangent plane
- distance
- neck
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 238000007619 statistical method Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G06T3/06—
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Abstract
本发明涉及服装定制领域,公开了一种基于切面点云的领围测量方法,包括步骤一、根据体感采集设备采集人体三维的RGB‑D格式的点云集,将上半身的点云集投影至YOZ面,确定领围的后颈点P和前颈点Q,进而得到基准领围切面PQ;步骤二、对离所述的基准领围切面PQ有一定距离阈值的点云集进行平滑滤波,去除噪声点;步骤三、利用极坐标统计方法对平面滤波后的点云集进行计算,得到最终领围的围度值L;步骤四、利用区域最小搜索法搜索围度值L,得到最优领围的围度值Lobj。本发明操作方便,易于实现,可实现快速精确测量,重复性好。
Description
技术领域
本发明涉及服装定制领域,尤其涉及一种基于切面点云的领围测量方法。
背景技术
在服装制衣领域,目前人体测量方法主要分为手工式和非接触式,手工式是指利用皮尺等丈量工具,按照一定的丈量规则对人体的各部分参数进行测量,这是使用比较广泛的一种方法,该方法操作简单,工具简易,但测量时间长,效率低下,并且测量双方会有身体接触的尴尬。非接触式测量是指利用光学扫描,摄像机成像的方法来获得被测量人体的数据,具有速度快,自动化程度高等优点,但测量设备造价高,目前使用并未普及。主要有莫尔条纹法、激光测量法、白光相位法、红外线测量法和立体摄像测量法。
现在人体尺寸和形体测量中的挑战性问题是三维人体点云数据的处理,尤其人体特征界标的确定、体型分析与比较等技术。关于人体特征界标的找取算法,最早出现的是1998年由Clemson大学的Roy P.Parges提出了半自动提取人体特征点的算法,扫描前手动标出特征点,然后再自动提取这些突出点;之后,提出了改进的半自动提取算法,利用彩色CCD采取RGB信息,人体特征点可利用三维点云数据的彩色信息得到,该算法准确度高重复性差,但不适合大型测量,可作为校验用;2000年Buxton提出利用人体轮廓的几何信息,如进行人体表面和曲线拟合等算法后再根据人体体型进行找取特征点,国内也于2005年也是根据曲线拟合找取人体特征点,但该算法复杂、费时;Allen,Curless于2003年提出了模板映射方法,该算法实用性差,需要有复杂的三维人体数据库。相比较而言,国内对人体特征点找取算法的研究较少。东华大学、中科院、重庆大学、浙江大学等因为其他研究需要对人体特征点的找取算法进行了不同的研究,基本是基于三维重建后的人体模型,测得值存在较大误差。
发明内容
为了解决现有问题,本发明提供了一种基于切面点云的领围测量方法,借助体感采集设备采集需要测量的人体三维RGB-D格式的点云集,利用平滑滤波、极坐标统计、凸包计算及最小围度搜索法,来获得最优领围的围度值。
本发明可通过以下技术方案实现:
一种基于切面点云的领围测量方法,其特征在于,包括:
步骤一、根据体感采集设备采集人体三维的RGB-D格式的点云集,将上半身的点云集投影至YOZ面,确定领围的后颈点P和前颈点Q,进而得到基准领围切面PQ;
步骤二、对离所述基准领围切面PQ有一定距离阈值的点云集进行平滑滤波,去除噪声点;
步骤三、利用极坐标统计方法对平面滤波后的点云集进行计算,得到最终领围的围度值L;
步骤四、利用区域最小L搜索法,得到最优领围的围度值Lobj
进一步,所述步骤一中确定领围的后颈点P和前颈点Q的方法包括:
步骤Ⅰ,在YOZ平面上,搜索最大Y点位置Ymax、最小Y点位置Ymin;
步骤Ⅱ,将平面点云集沿Y方向分割成N个切面位置,针对每个切片点yk,k∈[1,N]位置,分别搜索Z最大值和最小值,分别得到两条曲线zmin=f1(yk),k∈[1,N],zmax=f2(yk),k∈[1,N];
步骤Ⅲ、在有向夹角θ的矢量长度不小于0.05的前提下,沿着zmin曲线向下搜索,计算各点的所述有向夹角θ,当所述有向夹角θ为全局极小值时,该点即为后颈点P;
步骤Ⅳ,计算zmax曲线中各点与zmin曲线中后颈点P的距离,距离最小的点为前颈点Q。
进一步,所述步骤二中的平滑滤波的方法包括:
步骤ⅰ、计算任一空间点到基准领围切面PQ的距离阈值D,在一定距离阈值D范围内的切面点云集表示为:
R={rs=(xs,ys,zs)|D≤Dthr,s∈[1,M]},
其中M为所述切面点云集的个数,Dthr为点云至所述基准领围切面PQ的距离阈值;
步骤ⅱ、对于所述切面点云集中任一点rs=(xs,ys,zs),相邻点云个数的统计为:
d为领域距离阈值;
步骤ⅲ、在相邻点云集中,先计算任意两个点的距离,再计算平均距离Ls,则所述平均距离Ls表示为,
滤波后的点云集表示为:
Rf1={rs=(xs,ys,zs),s∈[1,Nf]|Ns>Nthr,Ls>Lthr},其中Nf为滤波后的点云个数,Nthr表示相邻点云个数阈值,Lthr表示平均距离阈值。
进一步,所述步骤三中极坐标统计的方法包括:
Step1:先对Rf1点云集中的所有点的X坐标值、Y坐标值和Z坐标值分别求和,再取平均值,得到Rf1点云集中心点rc=(xc,yc,zc),
Step2:沿所述中心点做一圈共360个径向分格,每个栅格为1°,计算每个所述栅格内离所述中心点rc的最远点、点总数和平均距离,则最远点点集、点总数函数及平均距离点点集分别表示为Lmax(t)、Ln(t)和Lmean(t),其中t∈[1,360],则最优切面点云集表示为:
Lo(t)=Lmean(t)+coef*(Lmax(t)-Lmean(t)),其中coef为加权系数,
对Lo(t)先进行平滑滤波,再进行凸包计算,进而最终领围的围度值L表示为:
其中Nnull为凸包点总数。
进一步,所述步骤四中区域最小搜索法包括:
Stepⅰ:定义所述的基准领围切面为(Yb,θb),则搜索切面为(Yb±ΔY,θb±Δθ);
Stepⅱ:利用如权利要求4所述的极坐标统计方法,对每个所述的搜索切面重新计算所述的最终领围的围度值,比较得到最小值即为最优围度值Lobj,其中,
本发明有益的技术效果在于:
利用计算机程序自动找取后颈点和前颈点,无需事先标记特征点,利用平滑滤波和极坐标统计,得到最终领围的围度值,再结合最小搜索法对其进行优化,进而获得最优围度值,可实现快速精确测量,重复性好的效果。
附图说明
图1为本发明的流程图;
图2为颈部特征点提取示意图。
具体实施方式
下面结合附图,对本发明的具体实施例做进一步阐述。
图1为本发明的流程图,如图所示,一种基于切面点云的领围测量方法,包括如下步骤:
1.基准领围切面的基本定位:
步骤Ⅰ,根据体感采集设备采集人体三维的RGB-D格式的点云集,将上半身的点云集投影至YOZ面,如图2所示;
步骤Ⅱ,在YOZ平面上,搜索最大Y点位置Ymax、最小Y点位置Ymin;
步骤Ⅲ,将平面点云集沿Y方向分割成N个切面位置,针对每个切片点yk,k∈[1,N]位置,分别搜索Z最大值和最小值,分别得到两条曲线zmin=f1(yk),k∈[1,N],zmax=f2(yk),k∈[1,N];
步骤Ⅳ、在有向夹角θ的矢量长度不小于0.05的前提下,沿着zmin曲线向下搜索,计算各点的所述有向夹角θ,当所述有向夹角θ为全局极小值时,该点即为后颈点P;
步骤Ⅴ,计算zmax曲线中各点与zmin曲线中后颈点P的距离,距离最小的点为前颈点Q。
2.单切面领围的计算
由于体感采集设备采集点云时存在很多噪声,本发明采用基于统计分析的极坐标圆采用法进行围度计算。
⑴平滑滤波:先统计各点一定领域内的点云数,如果数目大约设定数且领域内点云平均距离小于设定值,则保留该点云,否则滤除。
假设将每个点云定义为qw=(xw,yw,zw),表示第w个空间点坐标。
切面点云定义:
任一平面可定义为(x-qw)·nw=0,nw=(nx,ny,nz)为qw点处的法线矢量,则该平面方程可表示为xnx+yny+znz+a=0,a=-(xwnx+ywny+zwnz)。D为点(x,y,z)至该平面距离:
步骤ⅰ、计算点云集中任一空间点到基准领围切面PQ的距离D,在一定距离D范围内的切面点云集表示为:
R={rs=(xs,ys,zs)|D≤Dthr,s∈[1,M]},
其中M为该切面点云集的个数,Dthr为点云至该平面投影距离阈值;
步骤ⅱ、对于所述切面点云集中任一点rs=(xs,ys,zs),一定领域范围内的相邻点云个数的统计为:
d为领域距离阈值;
步骤ⅲ、利用如下方程式,计算平均距离Ls,
则滤波后的点云集表示为:
Rf1={rs=(xs,ys,zs),s∈[1,Nf]|Ns>Nthr,Ls>Lthr},其中Nf为滤波后的点云个数,Nthr表示相邻点云个数阈值,Lthr表示平均距离阈值。
⑵极坐标统计的方法如下:
Step1:利用以下方程式,计算Rf1的中心点rc=(xc,yc,zc),
Step2:沿所述中心点做一圈共360个径向分格,每个栅格为1°,计算每个所述栅格内离所述中心点rc的最远点、点总数和平均距离,则最远点点集、点总数函数及平均距离点点集分别表示为Lmax(t)、Ln(t)和Lmean(t),其中t∈[1,360],则最优切面点云集表示为:
Lo(t)=Lmean(t)+coef*(Lmax(t)-Lmean(t)),其中coef为加权系数,0≤coef≤1,优选coef=0.5。
对Lo(t)先进行一定长度的平滑滤波,得到Lof(t),再对之进行凸包计算,得到凸包点云集Lnull(t):{pj=(xj,yj,zj),j∈[1,Nnull]},Nnull为凸包点数,作为最终围度计算曲线。
进而利用以下方程式,得到最终领围的围度值L。
3.最优领围的定位与计算
考虑到个体差异,最优领围的计算采取领围区域最小搜索法,具体方法为:
在基准领围切面PQ位置,进行垂直方向±ΔY及±Δθ的切面搜索;
假设基准领围切面PQ的位置为(Yb,θb),则搜索切面为(Yb±ΔY,θb±Δθ),按照上文所述的极坐标统计方法重新计算每个搜索切面的围度值,得到最小的围度值即为最优领围值:
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,因此,本发明的保护范围由所附权利要求书限定。
Claims (5)
1.一种基于切面点云的领围测量方法,其特征在于,包括:
步骤一、根据体感采集设备采集人体三维的RGB-D格式的点云集,将人体上半身侧向的点云集投影至YOZ平面,确定领围的后颈点P和前颈点Q,进而得到基准领围切面PQ;
步骤二、对离所述的基准领围切面PQ有一定距离阈值的点云集进行平滑滤波,去除噪声点;
步骤三、利用极坐标统计方法对平面滤波后的点云集进行计算,得到最终领围的围度值L;
步骤四、利用区域最小搜索法搜索围度值L,得到最优领围的围度值Lobj。
2.如权利要求1所述的领围测量方法,其特征在于,所述步骤一中确定领围的后颈点P和前颈点Q的方法包括:
步骤Ⅰ,在YOZ平面上,搜索最大Y点位置Ymax、最小Y点位置Ymin;
步骤Ⅱ,将平面点云集沿Y方向分割成N个切面位置,针对每个切片点的yk,k∈[1,N]位置,分别搜索对应位置的Z最大值和最小值,分别得到两条曲线zmin=f1(yk),k∈[1,N],zmax=f2(yk),k∈[1,N];
步骤Ⅲ、在有向夹角θ的矢量长度不小于0.05的前提下,沿着zmin曲线向下搜索,计算各点的所述有向夹角θ,当所述有向夹角θ为全局极小值时,该点即为后颈点P;
步骤Ⅳ,计算zmax曲线中各点与zmin曲线中后颈点P的距离,距离最小的点为前颈点Q。
3.如权利要求1或2所述的领围测量方法,其特征在于,所述步骤二中的平滑滤波的方法包括:
步骤ⅰ、计算人体三维的点云集中任一空间点到所述基准领围切面PQ的距离D,在一定距离D范围内的切面点云集表示为:
R={rs=(xs,ys,zs)|D≤Dthr,s∈[1,M]},
其中M为所述切面点云集的个数,Dthr为点云至所述基准领围切面PQ的距离阈值;
步骤ⅱ、对于所述切面点云集中任一点rs=(xs,ys,zs),在一定领域距离阈值d内,相邻点云个数的统计表示为:
d为领域距离阈值;
步骤ⅲ、在相邻点云集中,先计算任意两个点的距离,再计算平均距离Ls,则所述平均距离Ls表示为:
滤波后的点云集表示为:
Rf1={rs=(xs,ys,zs),s∈[1,Nf]|Ns>Nthr,Ls>Lthr},其中Nf为滤波后的点云个数,Nthr表示相邻点云个数阈值,Lthr表示平均距离阈值。
4.如权利要求3所述的领围测量方法,其特征在于,所述步骤三中极坐标统计的方法包括:
Step1:先对Rf1点云集中的所有点的X坐标值、Y坐标值和Z坐标值分别求和,再取平均值,得到Rf1点云集的中心点rc=(xc,yc,zc),
Step2:沿所述中心点做一圈共360个径向分格,每个栅格为1°,计算每个所述栅格内离所述中心点rc的最远点、点总数和平均距离,则最远点点集、点总数函数及平均距离点点集分别表示为Lmax(t)、Ln(t)和Lmean(t),其中t∈[1,360],则最优切面点云集表示为:
Lo(t)=Lmean(t)+coef*(Lmax(t)-Lmean(t)),其中coef为加权系数,
对Lo(t)先进行平滑滤波,再进行凸包计算,进而最终领围的围度值L表示为:
其中Nnull为凸包点总数。
5.如权利要求4所述的领围测量方法,其特征在于,所述步骤四中区域最小搜索法包括:
Stepⅰ:定义所述的基准领围切面为(Yb,θb),则搜索切面为(Yb±ΔY,θb±Δθ);
Stepⅱ:利用如权利要求4所述的极坐标统计方法,对每个所述的搜索切面重新计算所述的最终领围的围度值,比较得到最小值即为最优围度值Lobj,其中,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610744217.2A CN106327536B (zh) | 2016-08-26 | 2016-08-26 | 一种基于切面点云的领围测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610744217.2A CN106327536B (zh) | 2016-08-26 | 2016-08-26 | 一种基于切面点云的领围测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106327536A true CN106327536A (zh) | 2017-01-11 |
CN106327536B CN106327536B (zh) | 2019-04-09 |
Family
ID=57791431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610744217.2A Active CN106327536B (zh) | 2016-08-26 | 2016-08-26 | 一种基于切面点云的领围测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106327536B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389213A (zh) * | 2018-01-24 | 2018-08-10 | 上海工程技术大学 | 一种基于切面点云的粘连围度测量方法 |
CN110986788A (zh) * | 2019-11-15 | 2020-04-10 | 华南农业大学 | 一种基于三维点云牲畜表型体尺数据的自动测量方法 |
CN112581622A (zh) * | 2020-12-08 | 2021-03-30 | 浙江蓝天制衣有限公司 | 一种基于点-线-面的人体领围弧线长度获取方法 |
CN112964172A (zh) * | 2020-12-08 | 2021-06-15 | 聚时科技(上海)有限公司 | 基于结构光相机的航空叶片表面量测方法及量测设备 |
CN113724270A (zh) * | 2021-08-25 | 2021-11-30 | 华南农业大学 | 一种牲畜表面点云智能分割方法及其系统 |
CN114140459A (zh) * | 2021-12-09 | 2022-03-04 | 中铁二院工程集团有限责任公司 | 基于原始激光点云的铁路横断面测量方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102178530A (zh) * | 2011-01-24 | 2011-09-14 | 天津大学 | 基于三维点云数据的人体尺寸自动测量方法 |
-
2016
- 2016-08-26 CN CN201610744217.2A patent/CN106327536B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102178530A (zh) * | 2011-01-24 | 2011-09-14 | 天津大学 | 基于三维点云数据的人体尺寸自动测量方法 |
Non-Patent Citations (4)
Title |
---|
周亮: "基于点云模型的人体尺寸测量方法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
孙晶晶: "基于三维人体测量的服装板型设计研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
李晓久 等: "基于非接触式测量的人体点云简化方法", 《纺织学报》 * |
程达丽: "基于点云数据的人体特征尺寸提取", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389213A (zh) * | 2018-01-24 | 2018-08-10 | 上海工程技术大学 | 一种基于切面点云的粘连围度测量方法 |
CN108389213B (zh) * | 2018-01-24 | 2021-06-11 | 上海工程技术大学 | 一种基于切面点云的粘连围度测量方法 |
CN110986788A (zh) * | 2019-11-15 | 2020-04-10 | 华南农业大学 | 一种基于三维点云牲畜表型体尺数据的自动测量方法 |
CN110986788B (zh) * | 2019-11-15 | 2020-10-23 | 华南农业大学 | 一种基于三维点云牲畜表型体尺数据的自动测量方法 |
CN112581622A (zh) * | 2020-12-08 | 2021-03-30 | 浙江蓝天制衣有限公司 | 一种基于点-线-面的人体领围弧线长度获取方法 |
CN112964172A (zh) * | 2020-12-08 | 2021-06-15 | 聚时科技(上海)有限公司 | 基于结构光相机的航空叶片表面量测方法及量测设备 |
CN112964172B (zh) * | 2020-12-08 | 2022-08-26 | 聚时科技(上海)有限公司 | 基于结构光相机的航空叶片表面量测方法及量测设备 |
CN113724270A (zh) * | 2021-08-25 | 2021-11-30 | 华南农业大学 | 一种牲畜表面点云智能分割方法及其系统 |
CN113724270B (zh) * | 2021-08-25 | 2023-08-08 | 华南农业大学 | 一种牲畜表面点云智能分割方法及其系统 |
CN114140459A (zh) * | 2021-12-09 | 2022-03-04 | 中铁二院工程集团有限责任公司 | 基于原始激光点云的铁路横断面测量方法 |
CN114140459B (zh) * | 2021-12-09 | 2023-04-07 | 中铁二院工程集团有限责任公司 | 基于原始激光点云的铁路横断面测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106327536B (zh) | 2019-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106327536A (zh) | 一种基于切面点云的领围测量方法 | |
CN106780591B (zh) | 一种基于颅面稠密对应点云的颅面形态分析及面貌复原方法 | |
CN106485740B (zh) | 一种结合稳定点和特征点的多时相sar图像配准方法 | |
CN103604371B (zh) | 移动终端及其物体测量方法 | |
CN104463164B (zh) | 一种基于伞骨法与冠高比的树木冠层结构信息提取方法 | |
CN103632146B (zh) | 一种基于头肩距的人体检测方法 | |
CN105631852B (zh) | 基于深度图像等高线的室内人体检测方法 | |
CN102178530A (zh) | 基于三维点云数据的人体尺寸自动测量方法 | |
WO2015096507A1 (zh) | 一种利用山体轮廓区域约束识别定位建筑物的方法 | |
CN105286871A (zh) | 一种基于视频处理的人体身高测量方法 | |
CN103948196A (zh) | 人体数据的测量方法 | |
CN105938619A (zh) | 一种融合RGB和Depth信息的视觉里程计实现方法 | |
CN107273846A (zh) | 一种人体体型参数确定方法及装置 | |
CN107016697B (zh) | 一种高度测量方法及装置 | |
CN104657713B (zh) | 一种可抗姿态和表情变化的三维人脸校准方法 | |
CN106127732B (zh) | 微波图像中人体性别检测方法和装置 | |
CN105046316B (zh) | 一种基于高斯过程回归的激光双向行人计数方法 | |
CN105956544A (zh) | 一种基于结构指数特征的遥感影像道路交叉口提取的方法 | |
CN103035006A (zh) | 一种LiDAR辅助下基于LEGION的高分辨率航空影像分割方法 | |
CN106500594A (zh) | 融合反射强度和几何特征的铁路轨道半自动检测方法 | |
CN106709432B (zh) | 基于双目立体视觉的人头检测计数方法 | |
CN104156966B (zh) | 一种基于移动终端的伪3d实时虚拟试衣方法 | |
CN104951767A (zh) | 基于关联程度的三维人脸识别技术 | |
CN107680130A (zh) | 一种基于图像人体测量的方法及系统 | |
CN105205809B (zh) | 一种基于dem数据的月球穹窿识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |