CN110221604A - 一种基于遗传算法的快速全局路径规划方法 - Google Patents
一种基于遗传算法的快速全局路径规划方法 Download PDFInfo
- Publication number
- CN110221604A CN110221604A CN201910405236.6A CN201910405236A CN110221604A CN 110221604 A CN110221604 A CN 110221604A CN 201910405236 A CN201910405236 A CN 201910405236A CN 110221604 A CN110221604 A CN 110221604A
- Authority
- CN
- China
- Prior art keywords
- barrier
- genetic algorithm
- map
- present position
- generation
- 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
- 230000002068 genetic effect Effects 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000004888 barrier function Effects 0.000 claims abstract description 45
- 230000007613 environmental effect Effects 0.000 claims description 7
- 210000000349 chromosome Anatomy 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 238000002921 genetic algorithm search Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Aviation & Aerospace Engineering (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种基于遗传算法的快速全局路径规划方法，在二维栅格地图上实现，此方法对比于传统遗传算法有两点改进，一方面有效空格都是选自于障碍物的边缘，减少了有效空格随机选择的范围；另一方面判断加入了方向判断，会实时判断现在位置和终点位置连线的有效性再去选择有效空格，能够减少无关有效空格的选择，然后基于这两方面设计出一种算法生成的可行路径作为初始种群，规定初始种群的数量为60个，迭代次数为20次，然后利用遗传算法求解出全局无碰撞最短路径。本发明帮助机器人在已知二维环境下更加迅速地计算出全局最优路径，提高机器人的导航效率。
Description
技术领域
本发明属于机器人导航技术领域，是一种基于遗传算法的快速全局路径规划方法，在二维环境里，能更好的帮助机器人去实现在已经环境下的导航，提高寻找到全局最短无碰撞路径的效率。
背景技术
随着最近几十年来科学技术的飞速发展和社会的需要，服务机器人也得到了迅猛发展，无论是商用，家用，导游，医疗，教育，安保等各个方面都需要大量的机器人去帮助我们执行任务或者提供服务，特别是在老龄化日益加重的中国这个问题的紧迫性更加明显。
为了机器人自主实现导航，需要最基本的三个条件：(1)明确起点和终点；(2)避开障碍物；(3)寻找到全局的最优路径。为此机器人需要根据周围的环境实时地计算出一条全局无碰撞最优路径，目前一些传统的全局路径规划算法例如A*，D*等算法在这个方面普遍都存在计算效率过低的问题。
发明内容
为了提高已有机器人实现全局路径规划时的效率问题，本发明提供一种基于遗传算法的快速全局路径规划方法，帮助机器人在已知二维环境下更加迅速地计算出全局最优路径，提高机器人的导航效率。
为了解决上述技术问题，本发明所采用的技术方案是：
一种基于遗传算法的快速全局路径规划方法，包括以下步骤：
S1：获取环境地图，地图的表达形式为二维栅格地图，获取其中的有效可行格，障碍物以及障碍物周围边缘有效格；
S2：根据二维栅格地图获取的信息，计算生成可行路径；
S3：把产生的可行路径作为初始种群，利用遗传算法求解出全局无碰撞最短路径。
进一步，所述步骤S1中，所述的二维栅格地图是灰度图，白色表示的有效区域，深色表示的是障碍物，无论是使用激光雷达加上采用建图算法生成的占据栅格地图还是普通的家居二维黑白平面图都可以作为环境地图使用。
再进一步，所述步骤S2中，所述的根据二维地图生成可行路径，包括以下步骤：
2.1：获取环境地图，地图的表达形式为二维栅格地图，获取其中的有效可行格，障碍物以及障碍物周围边缘有效格；
2.2：二维地图环境初始化；
2.3：检查现在的位置是否为某个障碍物I的临近点，是的话随机选择障碍物I周围任意一个有效空格，并且更新现在的位置为m；不是的话不更新现在的位置；
2.4：现在的位置到终点位置进行方向推演，标记碰到的障碍物；
2.5：判断是否与除了I之外的障碍物发生碰撞，是的话把现在的位置设定为子起点，接着下一步；不是的话连接到现在位置和终点位置，结束算法；
2.6：标记除了障碍物I之外的碰到的第一个障碍物为J，检查障碍物J周围是否存在有效点能连接到现在的位置，是的话继续第七步，不是的话选择J障碍物周围的随意有效点作为子终点，重新回到第一步，把子起点和子终点作为一个递归函数的方式来求解；
2.7：移动到障碍物J周围的随意有效点n,更新现在位置为n；
2.8：重复2.2到2.7直到机器人到达终点。
所述步骤S3中，所述的利用产生的可行路径进行遗传算法求解，根据适应度函数进行染色体选择复制，这里的染色体就是可行路径的表示，由一串二维坐标组成，种群总数为60，根据适应度函数计算初始种群中每个个体的适应度函数，排名前20％的个体直接进入下一代，剩下60％的个体被选择复制交叉产生下一代，最后20％的个体被选择变异操作产生下一代，就这样一直通过遗传算法选择交叉变异迭代20次，结束后最后选择种群中最优的个体解打印出来，直到算出最优解。
本发明中，在二维栅格地图上实现仿真，寻找最短无碰撞路径，假设起点为PS，终点为Pg,地图上有效点类似于用P1＝(1,1)，P2＝(2,2)点的样式表示可以行走的有效空格，d表示两点之间的欧式距离，该问题的公式表达为：将此函数作为遗传算法的适应度函数，则一条可行路径的表示方式[P1,P2,P3.........Pn-1,Pn-1]这样就相当于是把这样的一条可行路径编码，作为初始种群中的一个个体，然后再利用遗传算法经过有限次数的选择交叉变异就可以求解出最优个体，即为无碰撞最短路径。本发明的重点在于可行路径的生成，对比于传统遗传算法有两点改进，一方面是基于障碍物边缘选择有效候选点，而不是随机选择地图上有效点，并且本发明生成的是可变长度染色体，对动态环境的适应性比较强，第二点是加入了方向判断，会每次判断当前的位置和终点位置连线，这样的选择能够减少遗传算法搜寻空间，并且避免无效路径的产生，从而达到提高寻找全局最优路径的效率。
本发明的有益效果为：基于遗传算法的快速全局路径方法一方面减少了无效路径的生成，另一方面提高了算法生成路径的效率，从而保证了机器人全局路径规划的准确性和快速性，而且方法简单可靠，即使在复杂动态的二维地图环境下，它是基于障碍物边缘的选择候选点也不用担心环境的多变。
附图说明
图1是本发明方法整体的流程图；
图2是本发明可行路径生成流程图；
图3是本发明基于遗传算法求解出最短无碰撞路径的流程图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1～图3，一种基于遗传算法的快速全局路径规划方法，针对利用遗传算法寻找最优全局路径的不足进行改进，一个是加入了指向性因子，每次都连接当前位置和终点位置，根据判断碰到的障碍物从而选择下一个有效候选点，另一个是基于障碍物边缘的选择有效候选点，这样的选择能够减少遗传算法初始种群的数量，并且避免无效路径的产生，从而达到提高寻找全局最优路径的效率，具体实施主要包括以下步骤，如图1所示。
S1：获取环境地图，地图的表达形式为二维栅格地图；
S2：根据二维栅格地图获取的信息，计算生成可行路径；
S3：把产生的可行路径作为初始种群，利用遗传算法求解出全局无碰撞最短路径。
所述步骤S1中，二维栅格地图是灰度图，白色的表示为可行区域，黑色的并表示为障碍物
所述步骤S2中，根据二维地图生成可行路径，如图2所示，具体为以下几个步骤：
2.1：选取二维地图上所有障碍物边缘角(水平，垂直，斜线)周围方向的有效空格；
2.2：二维地图环境初始化；
2.3：检查现在的位置是否为某个障碍物I的临近点，是的话随机选择障碍物I周围任意一个有效空格，并且更新现在的位置为m；不是的话不更新现在的位置；
2.4：现在的位置到终点位置进行方向推演，标记碰到的障碍物；
2.5：判断是否与除了I之外的障碍物发生碰撞，是的话把现在的位置设定为子起点，接着下一步；不是的话连接到现在位置和终点位置，结束算法；
2.6：标记除了障碍物I之外的碰到的第一个障碍物为J，检查障碍物J周围是否存在有效点能连接到现在的位置，是的话继续第七步，不是的话选择J障碍物周围的随意有效点作为子终点，重新回到第一步，把子起点和子终点作为一个递归函数的方式来求解；
2.7：移动到障碍物J周围的随意有效点n,更新现在位置为n；
2.8：重复2.2到2.7直到机器人到达终点。
所述步骤S3中，利用产生的可行路径进行遗传算法求解，根据适应度函数进行染色体选择复制，这里的染色体就是可行路径的表示，由一串二维坐标组成，适应度就是为每个染色体长度的值，种群总数为60，根据适应度函数计算初始种群中每个个体的适应度函数，排名前20％的个体直接进入下一代，剩下60％的个体被选择复制交叉产生下一代，最后20％的个体被选择变异操作产生下一代，一直迭代20次，知道算出最优解，具体步骤如图3所示。
Claims (4)
1.一种基于遗传算法的快速全局路径规划方法，其特征在于，所述方法包括以下步骤：
S1：获取环境地图，地图的表达形式为二维栅格地图，获取其中的有效可行格，障碍物以及障碍物周围边缘有效格；
S2：根据二维栅格地图获取的信息，计算生成可行路径；
S3：把产生的可行路径作为初始种群，利用遗传算法求解出全局无碰撞最短路径。
2.如权利要求1所述的一种基于遗传算法的快速全局路径规划方法，其特征在于，所述步骤S1中，所述的二维栅格地图是灰度图，白色表示的有效区域，深色表示的是障碍物，无论是使用激光雷达加上采用建图算法生成的占据栅格地图还是普通的家居二维黑白平面图都可以作为环境地图使用。
3.如权利要求1或2所述的一种基于遗传算法的快速全局路径规划方法，其特征在于，所述步骤S2中，所述的根据二维地图生成可行路径，包括以下步骤：
2.1：获取环境地图，地图的表达形式为二维栅格地图，获取其中的有效可行格，障碍物以及障碍物周围边缘有效格；
2.2：二维地图环境初始化；
2.3：检查现在的位置是否为某个障碍物I的临近点，是的话随机选择障碍物I周围任意一个有效空格，并且更新现在的位置为m；不是的话不更新现在的位置；
2.4：现在的位置到终点位置进行方向推演，标记碰到的障碍物；
2.5：判断是否与除了I之外的障碍物发生碰撞，是的话把现在的位置设定为子起点，接着下一步；不是的话连接到现在位置和终点位置，结束算法；
2.6：标记除了障碍物I之外的碰到的第一个障碍物为J，检查障碍物J周围是否存在有效点能连接到现在的位置，是的话继续第七步，不是的话选择J障碍物周围的随意有效点作为子终点，重新回到第一步，把子起点和子终点作为一个递归函数的方式来求解；
2.7：移动到障碍物J周围的随意有效点n,更新现在位置为n；
2.8：重复2.2到2.7直到机器人到达终点。
4.如权利要求1或2所述的一种基于遗传算法的快速全局路径规划方法，其特征在于，所述步骤S3中，所述的利用产生的可行路径进行遗传算法求解，根据适应度函数进行染色体选择复制，这里的染色体就是可行路径的表示，由一串二维坐标组成，种群总数为60，根据适应度函数计算初始种群中每个个体的适应度函数，排名前20％的个体直接进入下一代，剩下60％的个体被选择复制交叉产生下一代，最后20％的个体被选择变异操作产生下一代，就这样一直通过遗传算法选择交叉变异迭代20次，结束后最后选择种群中最优的个体解打印出来，直到算出最优解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910405236.6A CN110221604A (zh) | 2019-05-16 | 2019-05-16 | 一种基于遗传算法的快速全局路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910405236.6A CN110221604A (zh) | 2019-05-16 | 2019-05-16 | 一种基于遗传算法的快速全局路径规划方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110221604A true CN110221604A (zh) | 2019-09-10 |
Family
ID=67821313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910405236.6A Pending CN110221604A (zh) | 2019-05-16 | 2019-05-16 | 一种基于遗传算法的快速全局路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110221604A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110645991A (zh) * | 2019-10-30 | 2020-01-03 | 深圳市银星智能科技股份有限公司 | 一种基于节点调节的路径规划方法、装置及服务器 |
| CN110823240A (zh) * | 2019-11-19 | 2020-02-21 | 齐鲁工业大学 | 一种具有航向约束的跟随机器人路径规划方法及系统 |
| CN111103801A (zh) * | 2019-12-31 | 2020-05-05 | 芜湖哈特机器人产业技术研究院有限公司 | 基于遗传算法的移动机器人重定位方法及移动机器人 |
| CN111750867A (zh) * | 2020-07-08 | 2020-10-09 | 北京洛必德科技有限公司 | 一种用于机器人自主巡逻的方法及系统 |
| CN113634905A (zh) * | 2021-07-16 | 2021-11-12 | 深圳泰德激光科技有限公司 | 激光打标的控制方法、装置及计算机存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6539294B1 (en) * | 1998-02-13 | 2003-03-25 | Komatsu Ltd. | Vehicle guidance system for avoiding obstacles stored in memory |
| CN102169347A (zh) * | 2011-03-08 | 2011-08-31 | 浙江工业大学 | 基于协作协进化和多种群遗传算法的多机器人路径规划系统 |
| KR20120013057A (ko) * | 2010-08-04 | 2012-02-14 | 중앙대학교 산학협력단 | 로봇 경로 제어 방법 및 장치 |
| CN104035438A (zh) * | 2013-11-14 | 2014-09-10 | 扬州西岐自动化科技有限公司 | 一种基于种群多样性的自适应多目标机器人避障算法 |
| CN106444755A (zh) * | 2016-09-22 | 2017-02-22 | 江苏理工学院 | 基于改进遗传算法的移动机器人路径规划方法及系统 |
| CN106774329A (zh) * | 2016-12-29 | 2017-05-31 | 大连理工大学 | 一种基于椭圆切线构造的机器人路径规划方法 |
| CN108196545A (zh) * | 2018-01-03 | 2018-06-22 | 浙江同筑科技有限公司 | 采用自抗扰控制技术的agv磁导航控制方法 |
| CN108983776A (zh) * | 2018-07-19 | 2018-12-11 | 深圳市欢创科技有限公司 | 一种机器人控制方法及其装置、电子设备 |
-
2019
- 2019-05-16 CN CN201910405236.6A patent/CN110221604A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6539294B1 (en) * | 1998-02-13 | 2003-03-25 | Komatsu Ltd. | Vehicle guidance system for avoiding obstacles stored in memory |
| KR20120013057A (ko) * | 2010-08-04 | 2012-02-14 | 중앙대학교 산학협력단 | 로봇 경로 제어 방법 및 장치 |
| CN102169347A (zh) * | 2011-03-08 | 2011-08-31 | 浙江工业大学 | 基于协作协进化和多种群遗传算法的多机器人路径规划系统 |
| CN104035438A (zh) * | 2013-11-14 | 2014-09-10 | 扬州西岐自动化科技有限公司 | 一种基于种群多样性的自适应多目标机器人避障算法 |
| CN106444755A (zh) * | 2016-09-22 | 2017-02-22 | 江苏理工学院 | 基于改进遗传算法的移动机器人路径规划方法及系统 |
| CN106774329A (zh) * | 2016-12-29 | 2017-05-31 | 大连理工大学 | 一种基于椭圆切线构造的机器人路径规划方法 |
| CN108196545A (zh) * | 2018-01-03 | 2018-06-22 | 浙江同筑科技有限公司 | 采用自抗扰控制技术的agv磁导航控制方法 |
| CN108983776A (zh) * | 2018-07-19 | 2018-12-11 | 深圳市欢创科技有限公司 | 一种机器人控制方法及其装置、电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 鞠成恩 等: "基于遗传算法的目标追踪过程中路径规划研究", 《传感器与微系统》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110645991A (zh) * | 2019-10-30 | 2020-01-03 | 深圳市银星智能科技股份有限公司 | 一种基于节点调节的路径规划方法、装置及服务器 |
| CN110823240A (zh) * | 2019-11-19 | 2020-02-21 | 齐鲁工业大学 | 一种具有航向约束的跟随机器人路径规划方法及系统 |
| CN111103801A (zh) * | 2019-12-31 | 2020-05-05 | 芜湖哈特机器人产业技术研究院有限公司 | 基于遗传算法的移动机器人重定位方法及移动机器人 |
| CN111103801B (zh) * | 2019-12-31 | 2022-05-17 | 芜湖哈特机器人产业技术研究院有限公司 | 基于遗传算法的移动机器人重定位方法及移动机器人 |
| CN111750867A (zh) * | 2020-07-08 | 2020-10-09 | 北京洛必德科技有限公司 | 一种用于机器人自主巡逻的方法及系统 |
| CN111750867B (zh) * | 2020-07-08 | 2022-02-11 | 北京洛必德科技有限公司 | 一种用于机器人自主巡逻的方法及系统 |
| CN113634905A (zh) * | 2021-07-16 | 2021-11-12 | 深圳泰德激光科技有限公司 | 激光打标的控制方法、装置及计算机存储介质 |
| CN113634905B (zh) * | 2021-07-16 | 2023-09-29 | 深圳泰德激光技术股份有限公司 | 激光打标的控制方法、装置及计算机存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110221604A (zh) | 一种基于遗传算法的快速全局路径规划方法 | |
| CN106840168B (zh) | 清洁机器人及其动态环境下全覆盖路径规划方法 | |
| CN108375379A (zh) | 基于变异的双重dqn的快速路径规划方法及移动机器人 | |
| CN109725327A (zh) | 一种多机构建地图的方法及系统 | |
| EP3611799A1 (en) | Array element arrangement method for l-type array antenna based on inheritance of acquired characteristics | |
| CN113792850B (zh) | 字体生成模型训练方法、字库建立方法、装置及设备 | |
| CN102778229A (zh) | 未知环境下基于改进蚁群算法的移动Agent路径规划方法 | |
| CN113297662B (zh) | 一种基于扫描线的户型归属自动识别方法 | |
| CN110533096A (zh) | 基于K-means聚类的多元宇宙算法的DNA存储编码优化方法 | |
| CN103473482B (zh) | 基于差分进化和构象空间退火的蛋白质三维结构预测方法 | |
| CN110473251A (zh) | 基于网格空间索引的自定义范围空间数据面积统计方法 | |
| CN106776729A (zh) | 一种大规模知识图谱路径查询预测器构造方法 | |
| CN115965169A (zh) | 路径规划方法、智能设备及计算机可读存储介质 | |
| CN110274607A (zh) | 智能化路径规划方法、装置及计算机可读存储介质 | |
| CN104581949B (zh) | 小区栅格化方法及装置 | |
| CN112163808A (zh) | 一种基于对立学习的自适应鲸鱼算法求解物流中心选址问题的方法 | |
| CN117933748B (zh) | 一种基于机器学习的城市土地利用规划方法及系统 | |
| CN103337084B (zh) | 一种基于人工地物特征的地物图斑自动生成方法 | |
| CN111289999A (zh) | 一种基于遗传算法的伪卫星布设方法 | |
| Aineto et al. | Observation decoding with sensor models: Recognition tasks via classical planning | |
| CN102521654A (zh) | Rna遗传算法的超临界水氧化反应动力学模型参数估计方法 | |
| CN107426757A (zh) | 一种天线设备扫描方法及系统 | |
| CN105574824A (zh) | 基于脊波字典的多目标遗传优化压缩感知图像重构方法 | |
| Javed et al. | Position Vectors Based Efficient Indoor Positioning System. | |
| CN117392427A (zh) | 分子结构识别方法、装置、电子设备和存储介质 |
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 |