CN108805843B - 一种基于直线段平移和延伸的隧道砼衬砌缝去除方法 - Google Patents

一种基于直线段平移和延伸的隧道砼衬砌缝去除方法 Download PDF

Info

Publication number
CN108805843B
CN108805843B CN201810641144.3A CN201810641144A CN108805843B CN 108805843 B CN108805843 B CN 108805843B CN 201810641144 A CN201810641144 A CN 201810641144A CN 108805843 B CN108805843 B CN 108805843B
Authority
CN
China
Prior art keywords
straight line
line segment
extension
width
translation
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
CN201810641144.3A
Other languages
English (en)
Other versions
CN108805843A (zh
Inventor
瞿中
陈思琪
杨迪
刘妍
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.)
Hefei Minglong Electronic Technology Co ltd
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201810641144.3A priority Critical patent/CN108805843B/zh
Publication of CN108805843A publication Critical patent/CN108805843A/zh
Application granted granted Critical
Publication of CN108805843B publication Critical patent/CN108805843B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/12—Edge-based segmentation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于直线段平移和延伸的隧道砼衬砌缝去除算法，解决的是隧道砼衬砌表面衬砌缝对裂缝检测存在干扰的技术问题，通过采用包括步骤1，接收二次渗流模型检测的二值图像，提取显著直线段，得到直线段集合Line；步骤2，对集合Line中的所有直线段进行归类；步骤3，遍历直线段集合Line,根据平移方向准则判定当前直线段的平移方向，根据延伸宽度准则和步骤2中对直线段进行归类的结果判定当前直线段的延伸宽度，然后再对所有直线段进行平移和延伸处理，得到初步结果图像；步骤4，对步骤3所得的初步结果图像进行渗流去噪，并输出最终结果图的技术方案，较好的解决了该问题，可用于隧道裂缝检测相关领域中。

Description

一种基于直线段平移和延伸的隧道砼衬砌缝去除方法
技术领域
本发明涉及隧道砼衬砌缝去除领域，具体涉及一种基于直线段平移和延伸的隧道砼衬砌缝去除方法。
背景技术
隧道是当前交通基础设施的重要组成部分。近年来，隧道安全监测受到了广泛的关注和重视。隧道在运营过程中，存在着开裂、变形、渗漏水等不同程度的病害，这些病害严重威胁着隧道的运营安全。而裂缝一直是隧道病害的主要形式。借助于计算机视觉，基于数字图像处理的裂缝识别技术避免了人工仪器检测的主观性及安全问题，能够对隧道裂缝缺陷进行定性和定量分析。裂缝检测算法是裂缝识别模块的重要组成部分。为了应对温度、湿度等变化对隧道砼衬砌结构造成的胀缩变形，以及地基不均匀沉降、地震波等对衬砌结构造成的破坏，在隧道模筑砼衬砌施工过程中，常常设置将各部分结构分开的预留缝，称为变形缝，包括伸缩缝，沉降缝和防震缝等。此外，砼衬砌的分层分段浇筑易形成施工冷缝，主要分为纵向施工缝及环向施工缝。这几类施工缝统称为衬砌缝。
然而，在裂缝检测的过程中，由于隧道砼衬砌表面的固有衬砌缝与裂缝易复杂连接，且灰度相似，存在现有的裂缝检测无法准确提取单一的裂缝像素，同时已有的衬砌缝去除算法存在缺陷。因此，提供一种能够较完善的解决上述问题的基于直线段平移和延伸的隧道砼衬砌缝去除方法十分有必要。
发明内容
本发明所要解决的技术问题是现有技术中存在的隧道砼衬砌表面衬砌缝对裂缝检测存在干扰的技术问题。提供一种新的基于直线段平移和延伸的隧道砼衬砌缝去除方法，该算法能够精确、高效地去除砼衬砌缝。
为解决上述技术问题，采用的技术方案如下：
一种基于直线段平移和延伸的隧道砼衬砌缝去除方法，包括：
步骤1，接收二次渗流模型检测的二值图像，提取显著直线段，得到直线段集合Line；
步骤2，对直线段集合Line中的所有直线段进行归类；
步骤3，遍历直线段集合Line,根据平移方向准则判定当前直线段的平移方向，根据延伸宽度准则和步骤2中直线段进行归类的结果判定当前直线段的延伸宽度，对集合Line中的所有直线段进行平移和延伸，得出初步结果图像；
步骤4，对步骤3的初步结果图像进行渗流去噪，并输出最终结果图。
本发明的工作原理：首先通过LSD算法提取显著直线段；然后根据直线段的倾斜度和长度，按照提出的极坐标下角度区域模型将直线段归类，并根据提出的直线段平移方向和延伸宽度两个准则判定直线段平移方向和延伸宽度；最后平移和延伸直线段，并进行渗流去噪，提取出较真实的裂缝。
上述方案中，为进一步优化该算法，步骤2包括：
用
Figure GDA0003252396430000031
计算直线段集合Line中的直线段l的长度lengthl，用
Figure GDA0003252396430000032
计算直线段集合Line中的直线段l的倾斜度θl，修正倾斜度θl使直线段l的倾斜度属于[0°，180°]；
定义极坐标下的角度区域模型，把[0°，180°]均分为Interval个角度子区域，根据直线段倾斜度将直线段归入相应的角度子区域进行直线段归类，设置累加器统计出每个角度子区域内直线段的数量；
Interval为不大于180的正整数。
进一步地，所述平移方向准则为：
直线段l倾斜度
Figure GDA0003252396430000033
则判定像素P(x，y±offset)的灰度值是否为255，平移方向为垂直方向，朝向灰度值为255的判定像素的一侧；
直线段l倾斜度
Figure GDA0003252396430000034
则判定P(x±offset，y)的灰度值是否为255，平移方向为水平方向，朝向灰度值为255的判定像素的一侧；
根据直线段两个端点(x1，y1)和(x2，y2)的坐标，计算直线段中点坐标
Figure GDA0003252396430000035
判定与中点坐标p(x，y)在垂直或水平方向固定距离为offset的两个像素的灰度值。
进一步地，所述延伸宽度准则为：
直线段l的长度满足0＜lengthl≤len1时，延伸宽度为0；
直线段l的长度满足len1＜lengthl＜len2时，当
Figure GDA0003252396430000041
延伸宽度为0，当
Figure GDA0003252396430000042
时延伸宽度为width1；
直线段l的长度满足len2≤lengthl时，延伸宽度为width2。
其中，lengthl为计算出的直线段l的取整长度，len1为裂缝所在边缘直线段长度的极大抑制阈值，len2为衬砌缝所在边缘直线段长度的极小抑制阈值，width1直线段延伸的较小宽度，width2直线段延伸的较大宽度，
Figure GDA0003252396430000043
为直线段l的倾斜度θl所属角度区域下的直线段的数量，NThr为各角度子区域中直线段数量的极小值阈值。
上述参数值按需取值，本发明取值如下：6≤len1≤9[pixel]，len2＝35[pixel]，NThr＝10，width1＝3[pixel]，width2＝5[pixel]。
本发明可采用各种直线段提取算法或方法，进一步地，所述直线段提取采用的是其中一种叫LSD(Line Segment Detector)算法的方法提取显著直线段。
由于隧道砼衬砌结构表面的特殊性、检测环境的差异性、光照不均匀、污点污迹、掉块、渗漏水等影响，伴随固有衬砌缝与裂缝易复杂连接，且灰度相似，现有的裂缝检测无法准确提取单一的裂缝像素。衬砌缝去除算法的研究尚处于初级阶段，已有的隧道砼衬砌接缝去除算法不能很好的适应线性特征较明显的裂缝，影响了裂缝提取的精确度。
现有的例如基于直线段特征单元提取的隧道砼衬砌接缝去除算法，标记可处理的最小直线段特征单元线(Unit-Line)以去除衬砌接缝，但是仍然存在部分线性特征较明显的裂缝被当作衬砌接缝被去除的情况。
该算法的主要思想是：首先，在去除长度过短和角度概率偏小的直线段的基础上，进行单像素步长的搜索计算，将衬砌接缝分割为可处理的单像素宽的直线段特征单元线(Unit-Line)；然后，根据单元线的特征信息去除部分衬砌接缝，并运用基于渗流模型的去噪算法得到隧道砼衬砌表面真实裂缝。该算法可大致分为直线段特征提取及合并归类、分割单像素宽直线段特征单元线和标记待去除单元线三个部分。
本发明的有益效果：本发明的衬砌缝去除算法综合性能达到较好的满意度，能够精确、高效地提取出真实裂缝，具有较强的鲁棒性，且时间开销较少。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1，基于直线段平移和延伸的隧道砼衬砌缝去除方法流程示意图。
图2，极坐标下角度区域模型示意图。
图3，原数据图像示意图。
图4，二次渗流模型检测结果示意图。
图5，LSD直线段检测结果示意图。
图6，直线段平移延伸标记示意图。
图7，直线段平移延伸结果示意图。
图8，本实施例最终结果图。
图9，现有的算法最终结果图。
图10，人工提取真实裂缝示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例1
本实施例提供一种基于直线段平移和延伸的隧道砼衬砌缝去除方法，对如图3所述的4幅实际隧道砼衬砌表面图像数据进行隧道砼衬砌缝去除实验，过程如图1包括：
步骤1，接收如图4的二次渗流模型检测的二值图像，用LSD算法提取显著直线段如图5，得出直线段集合Line；
步骤2，用
Figure GDA0003252396430000061
计算直线段集合Line中的直线段l的长度lengthl，用
Figure GDA0003252396430000062
计算直线段集合Line中的直线段l的倾斜度θl，修正倾斜度θl使直线段l的倾斜度属于[0°，180°]；定义极坐标下的角度区域模型，把[0°，180°]均分为60个角度子区域，根据直线段倾斜度将直线段归入相应的角度子区域进行直线段归类，设置累加器统计出每个角度子区域内直线段的数量，完成对直线段集合Line中的直线段进行归类的过程；
步骤3，遍历直线段集合Line，根据平移方向准则判定当前直线段的平移方向，根据延伸宽度准则和步骤2中直线段进行归类的结果判定当前直线段的延伸宽度，对直线段集合Line中的所有直线段进行平移和延伸，直线段的平移和延伸标记如图6，得出初步结果图像如图7；
步骤4，对步骤3的初步结果图像进行渗流去噪，并输出最终结果图如图8。
其中，平移方向准则为：直线段l倾斜度
Figure GDA0003252396430000071
则判定像素P(x，y±offset)的灰度值是否为255，平移方向为垂直方向，朝向灰度值为255的判定像素的一侧；
直线段l倾斜度
Figure GDA0003252396430000072
则判定P(x±offset，y)的灰度值是否为255，平移方向为水平方向，朝向灰度值为255的判定像素的一侧；
根据直线段两个端点(x1，y1)和(x2，y2)的坐标，计算直线段中点坐标
Figure GDA0003252396430000073
判定与中点坐标p(x，y)在垂直或水平方向固定距离为offset的两个像素的灰度值。
延伸宽度规则为：直线段l的长度满足0＜lengthl≤len1时，延伸宽度为0；
直线段l的长度满足len1＜lengthl＜len2时，当
Figure GDA0003252396430000074
延伸宽度为0，当
Figure GDA0003252396430000075
时延伸宽度为width1；
直线段l的长度满足len2≤lengthl时，延伸宽度为width2。
其中，lengthl为计算出的直线段的取整长度，len1为裂缝所在边缘直线段长度的极大抑制阈值，len2为衬砌缝所在边缘直线段长度的极小抑制阈值，width1直线段延伸的较小宽度，width2直线段延伸的较大宽度，
Figure GDA0003252396430000081
为直线段l的倾斜度θl所属角度区域下的直线段的数量，NThr为各角度子区域中直线段数量的极小值阈值。
本实施例中，6≤len1≤9[pixel]，len2＝35[pixel]，NThr＝10，width1＝3[pixel]，width2＝5[pixel]。
同时本实施例采用了现有的算法进行试验，得到的结果图如图9。采用人工提取的真实裂缝如图10。对比后，从图8和图9可以看出，对于第a1和a2幅图像，现有算法与本实施例算法检测效果都较好；对于第a3和a4幅图像，现有算法存在部分误检和断裂，本实施例算法大致检测出整体裂缝，但也存在个别毛刺和断裂等。
表1为本实施例衬砌缝去除算法与现有算法的量化分析。从性能指标可以看出，本实施例算法精确率和召回率较高，均在85％以上，只有少数图像精确率低于现有算法。同时，本文算法加权调和平均值F1在90％左右，准确率较高，假阳性率低，噪声率也控制在一定范围内，说明算法的综合性能比较稳定，能有效去除衬砌缝等背景噪声对裂缝检测精度的影响；
表2为本实施例衬砌缝去除算法与现有算法的时间效率分析。从时间指标可以看出，本文算法主要时间集中在直线段平移和延伸这部分，LSD直线段检测和最后的渗流去噪时间较少，总时间相对现有算法而言，开销较小且上下波动不大。
表1
Figure GDA0003252396430000082
Figure GDA0003252396430000091
表2
Figure GDA0003252396430000092
综合考虑，即本文衬砌缝去除算法综合性能达到较好的满意度，能够精确、高效地提取出真实裂缝，具有较强的鲁棒性。
本实施例采用的现有算法为基于直线段特征单元提取的隧道砼衬砌接缝去除算法，作为现有技术，本实施例不再赘述。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员能够理解本发明，但是本发明不仅限于具体实施方式的范围，对本技术领域的普通技术人员而言，只要各种变化在所附的权利要求限定和确定的本发明精神和范围内，一切利用本发明构思的发明创造均在保护之列。

Claims (5)

1.一种基于直线段平移和延伸的隧道砼衬砌缝去除方法，其特征在于：所述隧道砼衬砌缝去除算法包括：
步骤1，接收二次渗流模型检测的二值图像，提取显著直线段，得出直线段集合Line；
步骤2，对直线段集合Line中的所有直线段进行归类；
步骤3，遍历直线段集合Line,根据平移方向准则判定当前直线段的平移方向，根据延伸宽度准则和步骤2中直线段归类的结果判定当前直线段的延伸宽度，对直线段集合Line中的所有直线段进行平移和延伸，得出初步结果图像；
步骤4，对步骤3的初步结果图像进行渗流去噪，并输出最终结果图；
步骤2包括：
用
Figure FDA0003252396420000011
计算直线段集合Line中的直线段l的长度lengthl，用
Figure FDA0003252396420000012
计算直线段集合Line中的直线段l的倾斜度θl，修正倾斜度θl使直线段l的倾斜度属于[0°,180°]；
定义极坐标下的角度区域模型，把[0°,180°]均分为Interval个角度子区域，根据直线段倾斜度θl将直线段归入相应的角度子区域完成直线段归类，设置累加器统计出每个角度子区域内直线段的数量；
Interval为不大于180的正整数。
2.根据权利要求1所述的基于直线段平移和延伸的隧道砼衬砌缝去除方法，其特征在于：所述平移方向准则为：
直线段l倾斜度
Figure FDA0003252396420000021
则判定像素P(x，y±offset)的灰度值是否为255，平移方向为垂直方向，朝向灰度值为255的判定像素的一侧；
直线段l倾斜度
Figure FDA0003252396420000022
则判定P(x±offset，y)的灰度值是否为255，平移方向为水平方向，朝向灰度值为255的判定像素的一侧；
根据直线段两个端点(x1，y1)和(x2，y2)的坐标，计算直线段中点坐标
Figure FDA0003252396420000023
判定与中点坐标p(x，y)在垂直或水平方向固定距离为offset的两个像素的灰度值。
3.根据权利要求1所述的基于直线段平移和延伸的隧道砼衬砌缝去除方法，其特征在于：所述延伸宽度准则为：
直线段l的长度满足0＜lengthl≤len1时，延伸宽度为0；
直线段l的长度满足len1＜lengthl＜len2时，当
Figure FDA0003252396420000026
延伸宽度为0，当
Figure FDA0003252396420000025
时延伸宽度为width1；
直线段l的长度满足len2≤lengthl时，延伸宽度为width2；
其中，lengthl为计算出的直线段l的取整长度，len1为裂缝所在边缘直线段长度的极大抑制阈值，len2为衬砌缝所在边缘直线段长度的极小抑制阈值，width1直线段延伸的较小宽度，width2直线段延伸的较大宽度，
Figure FDA0003252396420000024
为直线段l的倾斜度θl所属角度区域下的直线段的数量，NThr为各角度子区域中直线段数量的极小值阈值。
4.根据权利要求3所述的基于直线段平移和延伸的隧道砼衬砌缝去除方法，其特征在于：
所述6≤len1≤9[pixel]，len2＝35[pixel]，NThr＝10，width1＝3[pixel]，width2＝5[pixel]。
5.根据权利要求1-4任一所述的基于直线段平移和延伸的隧道砼衬砌缝去除方法，其特征在于：所述的显著直线段提取采用的是LSD算法。
CN201810641144.3A 2018-06-21 2018-06-21 一种基于直线段平移和延伸的隧道砼衬砌缝去除方法 Active CN108805843B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810641144.3A CN108805843B (zh) 2018-06-21 2018-06-21 一种基于直线段平移和延伸的隧道砼衬砌缝去除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810641144.3A CN108805843B (zh) 2018-06-21 2018-06-21 一种基于直线段平移和延伸的隧道砼衬砌缝去除方法

Publications (2)

Publication Number Publication Date
CN108805843A CN108805843A (zh) 2018-11-13
CN108805843B true CN108805843B (zh) 2022-03-11

Family

ID=64084190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810641144.3A Active CN108805843B (zh) 2018-06-21 2018-06-21 一种基于直线段平移和延伸的隧道砼衬砌缝去除方法

Country Status (1)

Country Link
CN (1) CN108805843B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115509422B (zh) * 2022-10-14 2023-07-04 北京世冠金洋科技发展有限公司 一种调整模型间连线路径的方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103268409A (zh) * 2013-05-14 2013-08-28 长安大学 一种测量隧道衬砌岩石裂缝宽度的方法
CN107154040A (zh) * 2017-05-08 2017-09-12 重庆邮电大学 一种隧道衬砌表面图像裂缝检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103268409A (zh) * 2013-05-14 2013-08-28 长安大学 一种测量隧道衬砌岩石裂缝宽度的方法
CN107154040A (zh) * 2017-05-08 2017-09-12 重庆邮电大学 一种隧道衬砌表面图像裂缝检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于直线段特征单元提取的隧道砼衬砌接缝去除算法";安世全等;《计算机科学》;20170731;第44卷(第7期);论文第3节 *
"多特征提取与渗流模型相结合的隧道砼衬砌表面裂缝检测算法研究";白羚;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20180415(第04期);C034-610 *

Also Published As

Publication number Publication date
CN108805843A (zh) 2018-11-13

Similar Documents

Publication Publication Date Title
CN107154040B (zh) 一种隧道衬砌表面图像裂缝检测方法
CN116703907B (zh) 一种基于机器视觉的汽车铸件表面缺陷检测方法
CN108230344B (zh) 一种隧道渗漏水病害自动识别方法
CN108038883B (zh) 一种应用于公路路面视频图像的裂缝检测及识别方法
CN111667470B (zh) 一种基于数字图像的工业管道探伤内壁检测方法
CN115082462A (zh) 一种流体输送管外观质量检测方法及系统
CN110530278B (zh) 利用多线结构光测量间隙面差的方法
CN111046950B (zh) 一种图像处理方法、装置、存储介质和电子装置
CN109300125B (zh) 一种复杂环境下城轨列车受电弓滑板图像提取方法
CN111507971A (zh) 一种隧道表面缺陷检测方法
JP2019211277A (ja) ひび割れ変化判定装置および方法
CN111369516A (zh) 基于红外图像识别的变压器套管发热缺陷检测方法
CN113763363B (zh) 一种排水管道破裂缺陷检测及等级评定方法
CN113077437B (zh) 工件质量检测方法及其系统
CN112115848A (zh) 低质量指纹图像的残缺区域处理方法
CN117078680B (zh) 一种巡检机器人用管廊支吊架异常检测方法
CN105447489A (zh) 一种图片ocr识别系统的字符与背景粘连噪声消除方法
CN108805843B (zh) 一种基于直线段平移和延伸的隧道砼衬砌缝去除方法
CN111127381A (zh) 一种受电弓滑板不平行检测方法
CN112508913A (zh) 基于图像检测的电缆截面边沿检测方法
CN109767426B (zh) 一种基于图像特征识别的盾构隧道渗漏水检测方法
CN110378866B (zh) 一种基于无人机巡检的渠道衬砌破损图像识别方法
CN106530273B (zh) 高精度fpc直线线路检测与缺陷定位方法
CN108961288B (zh) 一种轨腰塞钉销及引线检测图像智能识别方法
CN115205560A (zh) 一种基于单目相机的先验地图辅助室内定位方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240809

Address after: 230000 B-1015, wo Yuan Garden, 81 Ganquan Road, Shushan District, Hefei, Anhui.

Patentee after: HEFEI MINGLONG ELECTRONIC TECHNOLOGY Co.,Ltd.

Country or region after: China

Address before: 400065 Chongqing Nan'an District huangjuezhen pass Chongwen Road No. 2

Patentee before: CHONGQING University OF POSTS AND TELECOMMUNICATIONS

Country or region before: China