CN108335291A - 一种隧道病害影像预处理方法 - Google Patents
一种隧道病害影像预处理方法 Download PDFInfo
- Publication number
- CN108335291A CN108335291A CN201810066918.4A CN201810066918A CN108335291A CN 108335291 A CN108335291 A CN 108335291A CN 201810066918 A CN201810066918 A CN 201810066918A CN 108335291 A CN108335291 A CN 108335291A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- cloud
- section
- point cloud
- affiliated facility
- 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 24
- 241000282693 Cercopithecidae Species 0.000 title claims abstract description 11
- 230000007547 defect Effects 0.000 title claims abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 18
- 230000011218 segmentation Effects 0.000 claims abstract description 5
- 238000013461 design Methods 0.000 claims abstract description 4
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 5
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
一种隧道病害影像预处理方法，包括：(1)采用三维激光扫描仪获取盾构隧道的点云信息，断面内各点点云坐标简写为(x，z)；(2)对所述每一断面根据隧道管片拼装结构特点划分圆弧段，采用分段圆弧拟合，提取超出拟合残差外的点云，即为隧道内部附属设施点云，对每段圆弧分别采用最小二乘法进行圆弧拟合，圆方程为(x‑x0)2+(z‑z0)2＝r2，求得拟合后的残差，残差大于某个阈值的点即为隧道内部附属设施点云，记入集合A；(3)在根据点云灰度信息获得隧道影像时，由于渗漏水的灰度值较低，因此将集合A中点云的灰度值设为所有点云灰度值的最大值，与隧道渗漏水区分，从而去除附属设施干扰。
Description
技术领域
本发明属于隧道工程技术领域，特别涉及一种隧道病害影像预处理方法。
背景技术
随着我国地下交通建设规模的逐年扩大，隧道结构安全愈发重要。三维激光扫描技术能快速获取扫描物体的三维点云坐标，具有高效率、高精度、高密度的特性，除此之外，扫描物体的点云携带扫描反射值，能用于较为真实直观地绘制扫描物体的影像，为隧道结构安全监测提供了一种全新的技术手段。
在隧道内部，渗漏水是隧道结构变形的表观病害，对隧道结构稳定、行车安全和地面建设等带来诸多不良影响甚至威胁。目前隧道渗漏水勘探主要是采取人工巡查的方法，耗时耗力，且会存在遗漏的情况，因而采用三维激光扫描技术代替人工排查成为隧道巡检的必然趋势。
基于三维激光扫描技术可生成隧道点云灰度影像，经过预处理、纠正、分类等步骤即可提取隧道渗漏水病害，但由于隧道内部人工附属设施较多，如逃生平台、触网、消防设备、电力设备、里程牌等极大地影响了渗漏水的判读，另外由于隧道影像为灰度影像，信息量较少，从而导致隧道渗漏水识别效果不佳。
发明内容
本发明的目的是通过提供一种基于三维激光扫描点云的隧道病害影像预处理方法，以解决现有技术中盾构隧道病害影像由于干扰物的问题无法进行目标物识别的问题。
本发明的技术方案是，一种隧道病害影像预处理方法，该预处理方法包括：(1)采用三维激光扫描仪获取盾构隧道的点云信息，包括点云位置信息(x，y，z和灰度值(i)，其中，X轴指向水平方向，Y轴指向隧道轴线方向，Z轴指向竖直方向，在垂直于隧道轴线方向上的任一断面内，由于断面内所有点的y坐标一致，因此断面内各点点云坐标简写为(x，z)；
(2)对所述每一断面根据隧道管片拼装结构特点划分圆弧段，采用分段圆弧拟合，提取超出拟合残差外的点云，即为隧道内部附属设施点云，对每段圆弧分别采用最小二乘法进行圆弧拟合，圆方程为(x-x0)2+(z-z0)2＝r2，求得拟合后的残差，残差大于某个阈值的点即为隧道内部附属设施点云，记入集合A。
(3)在根据点云灰度信息获得隧道影像时，由于隧道渗漏水点云的灰度值较低，因此将集合A，即隧道附属设施中点云的灰度值设为所有点云灰度值的最大值，与隧道渗漏水分离，从而去除附属设施干扰。
(4)生成经过预处理后的隧道影像。
本发明利用三维激光点云数据能真实反映盾构隧道内部结构的特点，分割隧道管壁与隧道内部附属设施，在生成隧道影像过程中将隧道内部附属设施点云灰度值统一改变，达到影像预处理效果。因而，本发明的创新关键是，在盾构隧道影像病害提取的处理过程中，直接利用点云数据进行图像预处理。主要方法是：分段圆弧拟合求取点云拟合残差，根据残差阈值提取隧道内部附属设施并进行灰度值重设，因而可以较好地剔除隧道内部附属设施的影响。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
图1本发明实施例中涉及的隧道断面圆弧划分示意图。
图2本发明实施例中经预处理后的隧道影像示例图。
具体实施方式
本发明的基于三维激光扫描点云的隧道病害影像预处理方法，主要步骤如下：
1)采用三维激光扫描技术获取盾构隧道点云信息，包括点云位置信息(x，y，z)和灰度信息(i)，其中X轴指向水平方向，Y轴指向隧道轴线方向，Z轴指向竖直方向，在垂直于隧道轴线方向上的任一断面内，断面内所有点的y坐标一致，因此断面内各点点云坐标简写为(x，z)。
2)对每一断面均采用分段圆弧拟合，提取超出拟合残差外的点云，即为隧道内部附属设施点云。
首先针对每一断面根据隧道管片拼装结构特点划分圆弧段，共分为六段，如图1所示。盾构隧道管片拼装有通缝拼装和错缝拼装两种，通缝拼装管片所对应的圆心角分别是16°、4×65°、84°，错缝拼装管片所对应的圆心角分别是20°、2×68.75°、3×67.5°，底部段圆弧被列车轨道覆盖且受限于扫描仪视线(300°视角范围)，因而只考虑轨道之上的五段圆弧。对每一段管片均采用圆弧拟合，提取超出拟合残差外的点云，即为隧道内部附属设施点云。圆弧拟合有平均值法、加权平均法、最小二乘法等，前两者算法较为粗糙，拟合效果差，而最小二乘法能通过最小化误差的平方和找到一组数据的最佳函数匹配，因此本文中对每段圆弧分别采用最小二乘法进行圆弧拟合，圆方程为(x-x0)2+(z-z0)2＝r2，求得拟合后的残差，残差大于(0.02～0.1)阈值范围内的点即为隧道内部附属设施点云，记入集合A。
具体推导如下，根据圆方程建立间接平差的函数模型：
(x-x0)2+(z-z0)2＝r2
其中x0与z0为拟合的圆心坐标，r为拟合的圆半径。
可得误差方程：
将上述方程线性化可得：
式中
由此可得误差方程的矩阵形式：
其中
根据最小二乘原理，上式的必须满足的要求，求解可得：
另外由下式求得拟合后的残差：
若σ＞σ阈，则当前点为隧道附属设施点云集合A。
3)在根据点云灰度信息获得隧道影像时，隧道渗漏水易发生镜面反射，从而激光反射值小，假设影像灰度范围为0～255，则渗漏水的灰度值一般在0～120区间范围内，因此将集合A中隧道附属设施点云的灰度值设为所有点云灰度值的最大值(如255)，则附属设施即可与隧道渗漏水区分。正由于在隧道影像上，由于隧道渗漏水的灰度值比较低，将集合A中点云的灰度值设为所有点云灰度值的最大值即可达到去除附属设施干扰的目的。
4)生成经过预处理后的隧道影像，如图2所示。可以很明显地看到隧道内部管线、触网、管道、螺栓孔等均已变成白色，与渗漏水病害完全区分开来。
值得说明的是，虽然前述内容已经参考若干具体实施方式描述了本发明创造的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (3)
1.一种隧道病害影像预处理方法，其特征在于，该预处理方法包括：
(1)采用三维激光扫描仪获取盾构隧道的点云信息，包括点云位置信息(x，y，z)和灰度值(i)，其中，X轴指向水平方向，Y轴指向隧道轴线方向，Z轴指向竖直方向，在垂直于隧道轴线方向上的任一断面内，由于断面内所有点的y坐标一致，因此断面内各点点云坐标简写为(x，z)；
(2)对所述每一断面根据隧道管片拼装结构特点划分圆弧段，采用分段圆弧拟合，提取超出拟合残差外的点云，即为隧道内部附属设施点云，对每段圆弧分别采用最小二乘法进行圆弧拟合，圆方程为(x-x0)2+(z-z0)2＝r2，求得拟合后的残差，残差大于某个阈值的点即为隧道内部附属设施点云，记入集合A；
(3)在根据点云灰度信息获得隧道影像时，由于隧道渗漏水点云的灰度值较低，因此将集合A，即隧道附属设施中点云的灰度值设为所有点云灰度值的最大值，与隧道渗漏水分离，从而去除附属设施干扰；
(4)生成经过预处理后的隧道影像。
2.如权利要求1所述的隧道病害影像预处理方法，其特征在于，在步骤(2)中，
对所述每一断面根据隧道管片拼装结构及扫描仪视角特点划分为5段圆弧，求得拟合后的残差，若残差大于(0.02～0.1)阈值范围内的点即为隧道内部附属设施点云，记入集合A。
3.如权利要求1所述的隧道病害影像预处理方法，其特征在于，在步骤(3)根据点云灰度信息获得隧道影像时，隧道渗漏水易发生镜面反射，从而激光反射值变小，
假设影像灰度范围为0～N，渗漏水的灰度值在0～M区间范围内，将集合A中隧道附属设施点云的灰度值设为所有点云灰度值的最大值N，则附属设施即可与隧道渗漏水区分，从而去除附属设施干扰，N和M是正整数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810066918.4A CN108335291B (zh) | 2018-01-24 | 2018-01-24 | 一种隧道病害影像预处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810066918.4A CN108335291B (zh) | 2018-01-24 | 2018-01-24 | 一种隧道病害影像预处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108335291A true CN108335291A (zh) | 2018-07-27 |
| CN108335291B CN108335291B (zh) | 2021-11-02 |
Family
ID=62925383
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810066918.4A Active CN108335291B (zh) | 2018-01-24 | 2018-01-24 | 一种隧道病害影像预处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108335291B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110322428A (zh) * | 2019-05-07 | 2019-10-11 | 武汉汉宁轨道交通技术有限公司 | 检测隧道病害的方法、装置及电子设备 |
| CN110765543A (zh) * | 2019-11-26 | 2020-02-07 | 上海勘察设计研究院(集团)有限公司 | 一种基于扫描点云的双圆盾构隧道横径解算方法 |
| CN110909657A (zh) * | 2019-11-19 | 2020-03-24 | 上海勘察设计研究院(集团)有限公司 | 一种隧道表观病害图像识别的方法 |
| CN111102935A (zh) * | 2019-12-31 | 2020-05-05 | 武汉汉宁轨道交通技术有限公司 | 隧道结构检测方法、装置和电子设备 |
| CN111415344A (zh) * | 2020-03-19 | 2020-07-14 | 北京城建勘测设计研究院有限责任公司 | 一种马蹄形隧道的病害检测方法及装置 |
| CN111612847A (zh) * | 2020-04-30 | 2020-09-01 | 重庆见芒信息技术咨询服务有限公司 | 机器人抓取操作的点云数据匹配方法及系统 |
| CN113744323A (zh) * | 2021-08-11 | 2021-12-03 | 深圳蓝因机器人科技有限公司 | 点云数据处理方法和装置 |
| CN113960049A (zh) * | 2021-10-19 | 2022-01-21 | 中南大学 | 一种隧道表面病害检测装置及检测方法 |
| CN114119355A (zh) * | 2021-11-29 | 2022-03-01 | 北京工业大学 | 一种盾构隧道掉块风险预警方法与系统 |
| CN116626706A (zh) * | 2023-05-12 | 2023-08-22 | 北京交通大学 | 轨道交通隧道侵限检测方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104792274A (zh) * | 2015-04-02 | 2015-07-22 | 同济大学 | 一种圆形隧道收敛变形的测量方法 |
| CN105547602A (zh) * | 2015-11-04 | 2016-05-04 | 上海大学 | 一种地铁隧道管片渗漏水的远距离测量方法 |
-
2018
- 2018-01-24 CN CN201810066918.4A patent/CN108335291B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104792274A (zh) * | 2015-04-02 | 2015-07-22 | 同济大学 | 一种圆形隧道收敛变形的测量方法 |
| CN105547602A (zh) * | 2015-11-04 | 2016-05-04 | 上海大学 | 一种地铁隧道管片渗漏水的远距离测量方法 |
Non-Patent Citations (4)
| Title |
|---|
| KANG,ZZ ET AL: "Continuous Extraction of subway Tunnel Cross Sections Based ob Terrestrial Point Clouds", 《REMOTE SENSING》 * |
| 宫玮清: "基于椭圆拟合的隧道断面监测算法研究", 《第十二届海峡两岸隧道与地下工程学术与研究研讨会》 * |
| 张立朔 等: "基于激光点云的隧道形变分析方法", 《HTTP://KNS.CNKI.NET/KCMS/DETAIL/31.1339.TN.20171114.0852.014.HTML》 * |
| 许正文 等: "盾构隧道断面检测技术研究", 《大坝与安全》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110322428A (zh) * | 2019-05-07 | 2019-10-11 | 武汉汉宁轨道交通技术有限公司 | 检测隧道病害的方法、装置及电子设备 |
| CN110322428B (zh) * | 2019-05-07 | 2021-07-30 | 武汉汉宁轨道交通技术有限公司 | 检测隧道病害的方法、装置及电子设备 |
| CN110909657A (zh) * | 2019-11-19 | 2020-03-24 | 上海勘察设计研究院(集团)有限公司 | 一种隧道表观病害图像识别的方法 |
| CN110765543A (zh) * | 2019-11-26 | 2020-02-07 | 上海勘察设计研究院(集团)有限公司 | 一种基于扫描点云的双圆盾构隧道横径解算方法 |
| CN110765543B (zh) * | 2019-11-26 | 2023-02-28 | 上海勘察设计研究院(集团)有限公司 | 一种基于扫描点云的双圆盾构隧道横径解算方法 |
| CN111102935B (zh) * | 2019-12-31 | 2021-09-28 | 武汉汉宁轨道交通技术有限公司 | 隧道结构检测方法、装置和电子设备 |
| CN111102935A (zh) * | 2019-12-31 | 2020-05-05 | 武汉汉宁轨道交通技术有限公司 | 隧道结构检测方法、装置和电子设备 |
| CN111415344B (zh) * | 2020-03-19 | 2023-06-20 | 北京城建勘测设计研究院有限责任公司 | 一种马蹄形隧道的病害检测方法及装置 |
| CN111415344A (zh) * | 2020-03-19 | 2020-07-14 | 北京城建勘测设计研究院有限责任公司 | 一种马蹄形隧道的病害检测方法及装置 |
| CN111612847A (zh) * | 2020-04-30 | 2020-09-01 | 重庆见芒信息技术咨询服务有限公司 | 机器人抓取操作的点云数据匹配方法及系统 |
| CN111612847B (zh) * | 2020-04-30 | 2023-10-20 | 湖北煌朝智能自动化装备有限公司 | 机器人抓取操作的点云数据匹配方法及系统 |
| CN113744323A (zh) * | 2021-08-11 | 2021-12-03 | 深圳蓝因机器人科技有限公司 | 点云数据处理方法和装置 |
| CN113744323B (zh) * | 2021-08-11 | 2023-12-19 | 深圳蓝因机器人科技有限公司 | 点云数据处理方法和装置 |
| CN113960049A (zh) * | 2021-10-19 | 2022-01-21 | 中南大学 | 一种隧道表面病害检测装置及检测方法 |
| CN114119355A (zh) * | 2021-11-29 | 2022-03-01 | 北京工业大学 | 一种盾构隧道掉块风险预警方法与系统 |
| CN116626706A (zh) * | 2023-05-12 | 2023-08-22 | 北京交通大学 | 轨道交通隧道侵限检测方法及系统 |
| CN116626706B (zh) * | 2023-05-12 | 2024-01-16 | 北京交通大学 | 轨道交通隧道侵限检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108335291B (zh) | 2021-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108335291A (zh) | 一种隧道病害影像预处理方法 | |
| CN108230344A (zh) | 一种隧道渗漏水病害自动识别方法 | |
| CN108225184B (zh) | 一种盾构隧道三维激光扫描点云数据除噪的方法 | |
| CN103839268B (zh) | 一种地铁隧道表面裂缝的检测方法 | |
| CN108133212A (zh) | 一种基于深度学习的定额发票金额识别系统 | |
| CN105809668A (zh) | 基于线扫描三维点云的物体表面变形特征提取方法 | |
| CN110415241A (zh) | 一种基于计算机视觉的混凝土构件表面质量检测方法 | |
| Vivekananthan et al. | Concrete bridge crack detection by image processing technique by using the improved OTSU method | |
| CN109238268A (zh) | 不规则小天体导航形心的最优外接椭圆提取方法 | |
| CN110009633A (zh) | 一种基于反向高斯差分的钢轨表面缺陷检测方法 | |
| CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
| CN105389793A (zh) | 一种自动识别物体表面裂缝走向及宽度的方法 | |
| Wang | Automatic extraction of building outline from high resolution aerial imagery | |
| CN109410183A (zh) | 基于点云数据的平面提取方法、系统、装置及存储介质 | |
| CN116245400A (zh) | 一种基于高分遥感的矿区景观格局演变分析方法 | |
| CN104992455A (zh) | 塌陷坑检测方法及装置 | |
| CN111476723A (zh) | 一种Landsat-7扫描线纠正器失效的遥感图像丢失像素恢复方法 | |
| CN113487563B (zh) | 一种基于el图像的光伏组件隐裂自适应检测方法 | |
| Wu et al. | Aerial image recognition and matching for inspection of large-scale photovoltaic farms | |
| Kim et al. | Tree and building detection in dense urban environments using automated processing of IKONOS image and LiDAR data | |
| CN113362296B (zh) | 一种隧道裂缝提取方法及系统 | |
| JP2005346665A (ja) | 海岸線抽出方法及び海岸線抽出システム | |
| Habib et al. | Occlusion-based methodology for the classification of LiDAR data | |
| CN104616262A (zh) | 一种基于太阳宁静色球背景处理的Hα去云方法 | |
| CN113436120A (zh) | 一种图像模糊值识别方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 200093 No. 38 Shui Feng Road, Yangpu District, Shanghai. Applicant after: SGIDI ENGINEERING CONSULTING (Group) Co.,Ltd. Address before: No. 258, Xiushan Road, Chongming Industrial Park, Chongming District, Shanghai 202150 Applicant before: SHANGHAI GEOTECHNICAL INVESTIGATIONS & DESIGN INSTITUTE Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 200093 No. 38 Shui Feng Road, Yangpu District, Shanghai. Patentee after: Shanghai Survey, Design and Research Institute (Group) Co.,Ltd. Address before: 200093 No. 38 Shui Feng Road, Yangpu District, Shanghai. Patentee before: SGIDI ENGINEERING CONSULTING (Group) Co.,Ltd. |