CN111325712B - 用于检测图像有效性的方法及装置 - Google Patents
用于检测图像有效性的方法及装置 Download PDFInfo
- Publication number
- CN111325712B CN111325712B CN202010065461.2A CN202010065461A CN111325712B CN 111325712 B CN111325712 B CN 111325712B CN 202010065461 A CN202010065461 A CN 202010065461A CN 111325712 B CN111325712 B CN 111325712B
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- sequence
- bit vector
- historical
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000004044 response Effects 0.000 claims abstract description 28
- 239000013598 vector Substances 0.000 claims description 187
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例公开了用于检测图像有效性的方法及装置。该方法的一具体实施方式包括:查询历史图像序列中与待处理图像对应的至少一个近邻图像;响应于存在上述至少一个近邻图像,计算上述至少一个近邻图像中每个近邻图像与上述待处理图像的余弦距离,得到余弦距离序列;响应于上述余弦距离序列中存在小于第一设定距离阈值的余弦距离,将上述待处理图像标记为无效图像。该实施方式提高了识别待处理图像的有效性的准确性。
Description
技术领域
本公开的实施例涉及图像处理技术领域,具体涉及用于检测图像有效性的方法及装置。
背景技术
电子地图能够提供准确的道路信息和建筑物的位置信息,为人们的出行带来了极大方便。为了构建电子地图,图像采集设备可以采集实际中的道路图像,并根据采集的道路图像之间的相关性(例如可以是位置关系、采集时间关系等)构建电子地图。
发明内容
本公开的实施例提出了用于检测图像有效性的方法及装置。
第一方面,本公开的实施例提供了一种用于检测图像有效性的方法,该方法包括:查询历史图像序列中与待处理图像对应的至少一个近邻图像;响应于存在上述至少一个近邻图像,计算上述至少一个近邻图像中每个近邻图像与上述待处理图像的余弦距离,得到余弦距离序列;响应于上述余弦距离序列中存在小于第一设定距离阈值的余弦距离,将上述待处理图像标记为无效图像。
在一些实施例中,上述查询历史图像序列中与待处理图像对应的至少一个近邻图像,包括:获取上述待处理图像的待处理图像位向量和上述历史图像序列的历史图像位向量序列;通过上述待处理图像位向量和历史图像位向量序列中历史图像位向量之间的汉明距离确定近邻图像。
在一些实施例中,上述获取上述待处理图像的待处理图像位向量和上述历史图像序列的历史图像位向量序列,包括:获取上述待处理图像的待处理图像特征向量,并将上述待处理图像特征向量转换为待处理图像位向量;获取上述历史图像序列对应的历史图像位向量序列。
在一些实施例中,上述通过上述待处理图像位向量和历史图像位向量序列中历史图像位向量之间的汉明距离确定近邻图像,包括:计算上述历史图像位向量序列中的每个历史图像位向量与上述待处理图像位向量之间的汉明距离,得到对应上述历史图像位向量序列的汉明距离序列;响应于上述汉明距离序列中存在小于设定阈值的目标汉明距离,将目标汉明距离对应的历史图像设置为近邻图像。
在一些实施例中,上述计算上述至少一个近邻图像中每个近邻图像与上述待处理图像的余弦距离,得到余弦距离序列,包括:获取上述至少一个近邻图像的每个近邻图像的历史图像特征向量,得到对应上述至少一个近邻图像的至少一个历史图像特征向量;计算上述至少一个历史图像特征向量中每个历史图像特征向量与上述待处理图像特征向量之间的余弦距离,得到对应上述至少一个历史图像特征向量的余弦距离序列。
在一些实施例中,上述方法还包括:响应于上述余弦距离序列中存在大于第一设定距离阈值,且小于第二设定距离阈值的连续设定数量的余弦距离,将上述待处理图像标记为无效图像,其中,上述第二设定距离阈值大于第一设定距离阈值。
第二方面,本公开的实施例提供了一种用于检测图像有效性的装置,该装置包括:近邻图像查询单元,被配置成查询历史图像序列中与待处理图像对应的至少一个近邻图像;余弦距离计算单元,响应于存在上述至少一个近邻图像,被配置成计算上述至少一个近邻图像中每个近邻图像与上述待处理图像的余弦距离,得到余弦距离序列;第一有效性标记单元,响应于上述余弦距离序列中存在小于第一设定距离阈值的余弦距离,被配置成将上述待处理图像标记为无效图像。
在一些实施例中,上述近邻图像查询单元包括:位向量获取子单元,被配置成获取上述待处理图像的待处理图像位向量和上述历史图像序列的历史图像位向量序列;近邻图像查询子单元,被配置成通过上述待处理图像位向量和历史图像位向量序列中历史图像位向量之间的汉明距离确定近邻图像。
在一些实施例中,上述位向量获取子单元包括:待处理图像位向量获取模块,被配置成获取上述待处理图像的待处理图像特征向量,并将上述待处理图像特征向量转换为待处理图像位向量;历史图像位向量序列获取模块,被配置成获取上述历史图像序列对应的历史图像位向量序列。
在一些实施例中,上述近邻图像查询子单元包括:汉明距离计算模块,被配置成计算上述历史图像位向量序列中的每个历史图像位向量与上述待处理图像位向量之间的汉明距离,得到对应上述历史图像位向量序列的汉明距离序列;近邻图像设置模块,响应于上述汉明距离序列中存在小于设定阈值的目标汉明距离,被配置成将目标汉明距离对应的历史图像设置为近邻图像。
在一些实施例中,上述余弦距离计算单元包括:历史图像特征向量获取子单元,被配置成获取上述至少一个近邻图像的每个近邻图像的历史图像特征向量,得到对应上述至少一个近邻图像的至少一个历史图像特征向量;余弦距离计算子单元,被配置成计算上述至少一个历史图像特征向量中每个历史图像特征向量与上述待处理图像特征向量之间的余弦距离,得到对应上述至少一个历史图像特征向量的余弦距离序列。
在一些实施例中,上述装置还包括:第二有效性标记单元,响应于上述余弦距离序列中存在大于第一设定距离阈值,且小于第二设定距离阈值的连续设定数量的余弦距离,被配置成将上述待处理图像标记为无效图像,其中,上述第二设定距离阈值大于第一设定距离阈值。
第三方面,本公开的实施例提供了一种电子设备,包括:一个或多个处理器;存储器,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器执行上述第一方面的用于检测图像有效性的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述第一方面的用于检测图像有效性的方法。
本公开的实施例提供的用于检测图像有效性的方法及装置,首先,查询历史图像序列中与待处理图像对应的至少一个近邻图像;然后,在存在上述至少一个近邻图像时,计算上述至少一个近邻图像中每个近邻图像与上述待处理图像的余弦距离,得到余弦距离序列;最后,在上述余弦距离序列中存在小于第一设定距离阈值的余弦距离时,将上述待处理图像标记为无效图像。本申请提高了识别待处理图像的有效性的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于检测图像有效性的方法的一个实施例的流程图;
图3是根据本公开的用于检测图像有效性的方法的一个应用场景的示意图;
图4是根据本公开的用于检测图像有效性的方法的又一个实施例的流程图;
图5是根据本公开的用于检测图像有效性的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的实施例的用于检测图像有效性的方法或用于检测图像有效性的装置的示例性系统架构100。
如图1所示,系统架构100可以包括图像采集车辆101、102、103,网络104和服务器105。网络104用以在图像采集车辆101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
图像采集车辆101、102、103通过网络104与服务器105交互,以接收或发送消息等。图像采集车辆101、102、103上可以安装有各种图像采集设备,例如激光扫描设备、图像拍摄设备、点云数据采集设备等。
图像采集车辆101、102、103可以是具有多个图像采集单元和图像处理单元的各种车辆,包括但不限于电动汽车、油电混合汽车和内燃机汽车等等。
服务器105可以是提供各种服务的服务器,例如对图像采集车辆101、102、103发来的图像进行处理的电子地图服务器。电子地图服务器可以对接收到的图像等数据进行分析、拼接、定位等处理,以生成电子地图。
需要说明的是,本公开的实施例所提供的用于检测图像有效性的方法一般由服务器105执行,相应地,用于检测图像有效性的装置一般设置于服务器105中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块,在此不做具体限定。
应该理解,图1中的图像采集车辆、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的图像采集车辆、网络和服务器。
继续参考图2,示出了根据本公开的用于检测图像有效性的方法的一个实施例的流程200。该用于检测图像有效性的方法包括以下步骤:
步骤201,查询历史图像序列中与待处理图像对应的至少一个近邻图像。
在本实施例中,用于检测图像有效性的方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式获取图像采集车辆101、102、103采集的待处理图像。其中,待处理图像可以是实际中的道路图像。相应的,历史图像序列可以是与道路相关的、或与待处理图像对应的道路相关的图像序列。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(Ultra Wideband)连接、以及其他现在已知或将来开发的无线连接方式。
现有技术中,由于环路、路线重复等原因,可以使得图像采集设备出现在同一位置的重复图像采集。当出现重复图像时,构建电子地图的服务器可能出现对图像中物体(例如可以是建筑物)定位的多次计算。由于重复图像也存在时间或位置的微小误差,进而使得服务器对同一物体的位置进行了多次计算,并且计算结果可能不同。进而对整个电子地图的精度造成影响。
为此,本申请的执行主体在从图像采集车辆101、102、103获取到待处理图像后,首先将待处理图像与历史图像序列进行比较,进而确定历史图像序列中与待处理图像相关的近邻图像。其中,历史图像序列中的历史图像按照采集顺序或时间顺序进行排序。例如,图像采集车辆101在道路上连续采集图像,则执行主体可以将图像采集车辆101采集的图像按照采集时间先后排序得到历史图像序列。近邻图像可以认为是与待处理图像相似度超过一定阈值的图像。例如,从不同角度对同一物理进行多次图像采集,则可以认为不同角度采集的多个图像之间为近邻图像关系。
在本实施例的一些可选的实现方式中,上述查询历史图像序列中与待处理图像对应的至少一个近邻图像,可以包括以下步骤:
第一步,获取上述待处理图像的待处理图像位向量和上述历史图像序列的历史图像位向量序列。
为了获取近邻图像,执行主体可以获取待处理图像的待处理图像位向量和历史图像位向量序列。其中,位向量是由一些二进制位组成的向量。通过位向量可以较为精确的描述图像,进而可以找出与待处理图像相关的近邻图像。
第二步,通过上述待处理图像位向量和历史图像位向量序列中历史图像位向量之间的汉明距离确定近邻图像。
得到位向量后,可以对待处理图像位向量和历史图像位向量之间进行逻辑比较,进而得到汉明距离。其中汉明距离是位向量之间对应数字进行异或运算后得到的数据。
在本实施例的一些可选的实现方式中,上述获取上述待处理图像的待处理图像位向量和上述历史图像序列的历史图像位向量序列,可以包括以下步骤:
第一步,获取上述待处理图像的待处理图像特征向量,并将上述待处理图像特征向量转换为待处理图像位向量。
为了获取到位向量,执行主体可以首先通过多种方式从待处理图像中获取待处理图像特征向量。其中,待处理图像特征向量可以是颜色特征、物体结构特征、图像纹理特征等。之后,再将待处理图像特征向量转换为待处理图像位向量。
第二步,获取上述历史图像序列对应的历史图像位向量序列。
需要说明的是,历史图像序列的历史图像位向量序列是预先就获取到的,不是每次对待处理图像进行处理时才进行数据处理得到。历史图像位向量序列可以是在得到每个待处理图像后,对待处理图像进行处理得到位向量,将该位向量加入到历史图像位向量序列,使得该待处理图像的位向量成为历史图像位向量。如此重复操作,可以将历史得到的图像都生成对应的历史图像序列和历史图像位向量序列。
在本实施例的一些可选的实现方式中,上述通过上述待处理图像位向量和历史图像位向量序列中历史图像位向量之间的汉明距离确定近邻图像,可以包括以下步骤:
第一步,计算上述历史图像位向量序列中的每个历史图像位向量与上述待处理图像位向量之间的汉明距离,得到对应上述历史图像位向量序列的汉明距离序列。
执行主体可以计算每个历史图像位向量与上述待处理图像位向量之间的汉明距离,进而得到对应历史图像位向量序列的汉明距离序列。
第二步,响应于上述汉明距离序列中存在小于设定阈值的目标汉明距离,将目标汉明距离对应的历史图像设置为近邻图像。
汉明距离距离的大小能够反映对应的两张图像的相似度。执行主体可以将小于设置阈值的汉明距离作为目标汉明距离,并将目标汉明距离对应的历史图像设置为近邻图像。即,通过汉明距离实现了对历史图像的筛选,从历史图像中筛选出与待处理图像相似度较高的近邻图像。
步骤202,响应于存在上述至少一个近邻图像,计算上述至少一个近邻图像中每个近邻图像与上述待处理图像的余弦距离,得到余弦距离序列。
实际中,历史图像序列中可能存在近邻图像,也可能不存在近邻图像。例如,图像采集车辆101、102、103沿着直线路线采集图像,通常采集的图像都不相同。此种情况下,待处理图像无法从历史图像序列中找到近邻图像,也反过来说明图像采集车辆101、102、103没有重复走同一条线路。当历史图像序列中存在近邻图像时,执行主体可以认为图像采集车辆101、102、103存在走历史路线的可能。此时,执行主体可以进一步计算上述至少一个近邻图像中每个近邻图像与上述待处理图像的余弦距离,得到余弦距离序列。其中,余弦距离可以是待处理图像的特征向量在空间的角度差。
在本实施例的一些可选的实现方式中,上述计算上述至少一个近邻图像中每个近邻图像与上述待处理图像的余弦距离,得到余弦距离序列,可以包括以下步骤:
第一步,获取上述至少一个近邻图像的每个近邻图像的历史图像特征向量,得到对应上述至少一个近邻图像的至少一个历史图像特征向量。
上述得到近邻图像的过程中使用到了待处理图像特征向量,类似的,执行主体可以预先得到近邻图像的历史图像特征向量。
第二步,计算上述至少一个历史图像特征向量中每个历史图像特征向量与上述待处理图像特征向量之间的余弦距离,得到对应上述至少一个历史图像特征向量的余弦距离序列。
执行主体可以计算每个历史图像特征向量与待处理图像特征向量之间的余弦距离,进而得到对应至少一个历史图像特征向量的余弦距离序列。
步骤203,响应于上述余弦距离序列中存在小于第一设定距离阈值的余弦距离,将上述待处理图像标记为无效图像。
当余弦距离序列中存在小于第一设定距离阈值的余弦距离时,说明当前的待处理图像与某历史图像相似度很高。此时,执行主体可以认为多个图像采集车辆(例如可以是图像采集车辆101和图像采集车辆102)对同一物体进行了多次采集,或同一图像采集车辆对同一物体进行了多次采集,也即图像采集车辆在某一位置重复采集了图像。此时,执行主体可以将待处理图像标记为无效图像,有利于对待处理图像的有效性的准确判断,避免该待处理图像在后续处理过程中增加电子地图的标记误差。
在本实施例的一些可选的实现方式中,上述方法还包括:响应于上述待处理图像为无效图像,发出告警信号。
当存在无效图像的待处理图像时,执行主体可以发出告警信号,以使得控制器或技术人员对图像采集车辆101、102、103的行驶路线或图像采集位置进行调整。
继续参见图3,图3是根据本实施例的用于检测图像有效性的方法的应用场景的一个示意图。在图3的应用场景中,服务器105将图像采集车辆102采集的待处理图像与历史图像序列进行比较,确定出近邻图像。然后,服务器105计算近邻图像与待处理图像的预先距离。最后,服务器105检测到图像采集车辆102采集的待处理图像与图像采集车辆101采集的待处理图像之间的余弦距离小于第一设定距离阈值,说明图像采集车辆101之前采集过于图像采集车辆102采集的待处理图像相似的图像。服务器105可以标记图像采集车辆102采集的待处理图像为无效图像。
本公开的上述实施例提供的方法首先,查询历史图像序列中与待处理图像对应的至少一个近邻图像;然后,在存在上述至少一个近邻图像时,计算上述至少一个近邻图像中每个近邻图像与上述待处理图像的余弦距离,得到余弦距离序列;最后,在上述余弦距离序列中存在小于第一设定距离阈值的余弦距离时,将上述待处理图像标记为无效图像。本申请提高了识别待处理图像的有效性的准确性。
进一步参考图4,其示出了用于检测图像有效性的方法的又一个实施例的流程400。该用于检测图像有效性的方法的流程400,包括以下步骤:
步骤401,查询历史图像序列中与待处理图像对应的至少一个近邻图像。
步骤401的内容与步骤201的内容相同,此处不再一一赘述。
步骤402,响应于存在上述至少一个近邻图像,计算上述至少一个近邻图像中每个近邻图像与上述待处理图像的余弦距离,得到余弦距离序列。
步骤402的内容与步骤202的内容相同,此处不再一一赘述。
步骤403,响应于上述余弦距离序列中存在小于第一设定距离阈值的余弦距离,将上述待处理图像标记为无效图像。
步骤403的内容与步骤203的内容相同,此处不再一一赘述。
步骤404,响应于上述余弦距离序列中存在大于第一设定距离阈值,且小于第二设定距离阈值的连续设定数量的余弦距离,将上述待处理图像标记为无效图像。
上述余弦距离小于第一设定距离阈值的情况可以认为是待处理图像和历史图像相似度极高,这通常是图像采集车辆101、102、103在同一位置多次采集图像时出现的情况。实际中,由于图像采集车辆101、102、103采集图像有时间间隔,当多次对同一物体采集图像,而不在同一位置时,可能出现待处理图像和历史图像相似度不高的情况。此时,容易将待处理图像认为是对不同物体采集的图像。例如,图像采集车辆101、102、103先后两次在物体的两个面的交界处分别采集了物体的一面的图像和另一面的图像。此时两个图像可能差别较大,无法标记第二次获取的图像无效。但由于图像采集车辆101、102、103可以连续采集图像,第二次获取的图像会与位置相近的多个第一次采集的图像都具有一定程度的相似性。
因此,本申请的执行主体可以在余弦距离序列中存在大于第一设定距离阈值,且小于第二设定距离阈值的连续设定数量的余弦距离时,将上述待处理图像标记为无效图像。其中,连续设定数量可以根据实际需要而定。上述第二设定距离阈值大于第一设定距离阈值。如此,进一步提高了识别无效图像的准确性。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于检测图像有效性的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于检测图像有效性的装置500可以包括:近邻图像查询单元501、余弦距离计算单元502和第一有效性标记单元503。其中,近邻图像查询单元501被配置成查询历史图像序列中与待处理图像对应的至少一个近邻图像;余弦距离计算单元502,响应于存在上述至少一个近邻图像,被配置成计算上述至少一个近邻图像中每个近邻图像与上述待处理图像的余弦距离,得到余弦距离序列;第一有效性标记单元503,响应于上述余弦距离序列中存在小于第一设定距离阈值的余弦距离,被配置成将上述待处理图像标记为无效图像。
在本实施例的一些可选的实现方式中,上述近邻图像查询单元501可以包括:位向量获取子单元(图中未示出)和近邻图像查询子单元(图中未示出)。其中,位向量获取子单元被配置成获取上述待处理图像的待处理图像位向量和上述历史图像序列的历史图像位向量序列;近邻图像查询子单元被配置成通过上述待处理图像位向量和历史图像位向量序列中历史图像位向量之间的汉明距离确定近邻图像。
在本实施例的一些可选的实现方式中,上述位向量获取子单元可以包括:待处理图像位向量获取模块(图中未示出)和历史图像位向量序列获取模块(图中未示出)。其中,待处理图像位向量获取模块被配置成获取上述待处理图像的待处理图像特征向量,并将上述待处理图像特征向量转换为待处理图像位向量;历史图像位向量序列获取模块被配置成获取上述历史图像序列对应的历史图像位向量序列。
在本实施例的一些可选的实现方式中,上述近邻图像查询子单元可以包括:汉明距离计算模块(图中未示出)和近邻图像设置模块(图中未示出)。其中,汉明距离计算模块被配置成计算上述历史图像位向量序列中的每个历史图像位向量与上述待处理图像位向量之间的汉明距离,得到对应上述历史图像位向量序列的汉明距离序列;近邻图像设置模块,响应于上述汉明距离序列中存在小于设定阈值的目标汉明距离,被配置成将目标汉明距离对应的历史图像设置为近邻图像。
在本实施例的一些可选的实现方式中,上述余弦距离计算单元502可以包括:历史图像特征向量获取子单元(图中未示出)和余弦距离计算子单元(图中未示出)。其中,历史图像特征向量获取子单元被配置成获取上述至少一个近邻图像的每个近邻图像的历史图像特征向量,得到对应上述至少一个近邻图像的至少一个历史图像特征向量;余弦距离计算子单元被配置成计算上述至少一个历史图像特征向量中每个历史图像特征向量与上述待处理图像特征向量之间的余弦距离,得到对应上述至少一个历史图像特征向量的余弦距离序列。
在本实施例的一些可选的实现方式中,上述用于检测图像有效性的装置500还可以包括:第二有效性标记单元(图中未示出),响应于上述余弦距离序列中存在大于第一设定距离阈值,且小于第二设定距离阈值的连续设定数量的余弦距离,被配置成将上述待处理图像标记为无效图像,其中,上述第二设定距离阈值大于第一设定距离阈值。
本实施例还提供了一种电子设备,包括:一个或多个处理器;存储器,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器执行上述的用于检测图像有效性的方法。
本实施例还提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现上述的用于检测图像有效性的方法。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如,图1中的服务器105)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:查询历史图像序列中与待处理图像对应的至少一个近邻图像;响应于存在上述至少一个近邻图像,计算上述至少一个近邻图像中每个近邻图像与上述待处理图像的余弦距离,得到余弦距离序列;响应于上述余弦距离序列中存在小于第一设定距离阈值的余弦距离,将上述待处理图像标记为无效图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括近邻图像查询单元、余弦距离计算单元和第一有效性标记单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一有效性标记单元还可以被描述为“用于标记无效图像的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种用于检测图像有效性的方法,包括:
通过待处理图像的待处理图像位向量和历史图像序列的历史图像位向量序列中历史图像位向量之间的汉明距离,查询所述历史图像序列中与所述待处理图像对应的至少一个近邻图像;
响应于存在所述至少一个近邻图像,计算所述至少一个近邻图像中每个近邻图像与所述待处理图像的余弦距离,得到余弦距离序列;
响应于所述余弦距离序列中存在小于第一设定距离阈值的余弦距离,将所述待处理图像标记为无效图像;
响应于所述余弦距离序列中存在大于第一设定距离阈值,且小于第二设定距离阈值的连续设定数量的余弦距离,将所述待处理图像标记为无效图像,其中,所述第二设定距离阈值大于第一设定距离阈值;
响应于所述待处理图像为无效图像,发出告警信号,并根据所述告警信号对采集所述待处理图像的图像采集车辆的行驶路线或图像采集位置进行调整。
2.根据权利要求1所述的方法,其中,所述查询历史图像序列中与待处理图像对应的至少一个近邻图像,包括:
获取所述待处理图像的待处理图像位向量和所述历史图像序列的历史图像位向量序列;
通过所述待处理图像位向量和历史图像位向量序列中历史图像位向量之间的汉明距离确定近邻图像。
3.根据权利要求2所述的方法,其中,所述获取所述待处理图像的待处理图像位向量和所述历史图像序列的历史图像位向量序列,包括:
获取所述待处理图像的待处理图像特征向量,并将所述待处理图像特征向量转换为待处理图像位向量;
获取所述历史图像序列对应的历史图像位向量序列。
4.根据权利要求3所述的方法,其中,所述通过所述待处理图像位向量和历史图像位向量序列中历史图像位向量之间的汉明距离确定近邻图像,包括:
计算所述历史图像位向量序列中的每个历史图像位向量与所述待处理图像位向量之间的汉明距离,得到对应所述历史图像位向量序列的汉明距离序列;
响应于所述汉明距离序列中存在小于设定阈值的目标汉明距离,将目标汉明距离对应的历史图像设置为近邻图像。
5.根据权利要求4所述的方法,其中,所述计算所述至少一个近邻图像中每个近邻图像与所述待处理图像的余弦距离,得到余弦距离序列,包括:
获取所述至少一个近邻图像的每个近邻图像的历史图像特征向量,得到对应所述至少一个近邻图像的至少一个历史图像特征向量;
计算所述至少一个历史图像特征向量中每个历史图像特征向量与所述待处理图像特征向量之间的余弦距离,得到对应所述至少一个历史图像特征向量的余弦距离序列。
6.一种用于检测图像有效性的装置,包括:
近邻图像查询单元,被配置成通过待处理图像的待处理图像位向量和历史图像序列的历史图像位向量序列中历史图像位向量之间的汉明距离,查询所述历史图像序列中与所述待处理图像对应的至少一个近邻图像;
余弦距离计算单元,响应于存在所述至少一个近邻图像,被配置成计算所述至少一个近邻图像中每个近邻图像与所述待处理图像的余弦距离,得到余弦距离序列;
第一有效性标记单元,响应于所述余弦距离序列中存在小于第一设定距离阈值的余弦距离,被配置成将所述待处理图像标记为无效图像;
第二有效性标记单元,响应于所述余弦距离序列中存在大于第一设定距离阈值,且小于第二设定距离阈值的连续设定数量的余弦距离,被配置成将所述待处理图像标记为无效图像,其中,所述第二设定距离阈值大于第一设定距离阈值;
响应于所述待处理图像为无效图像,发出告警信号,并根据所述告警信号对采集所述待处理图像的图像采集车辆的行驶路线或图像采集位置进行调整。
7.根据权利要求6所述的装置,其中,所述近邻图像查询单元包括:
位向量获取子单元,被配置成获取所述待处理图像的待处理图像位向量和所述历史图像序列的历史图像位向量序列;
近邻图像查询子单元,被配置成通过所述待处理图像位向量和历史图像位向量序列中历史图像位向量之间的汉明距离确定近邻图像。
8.根据权利要求7所述的装置,其中,所述位向量获取子单元包括:
待处理图像位向量获取模块,被配置成获取所述待处理图像的待处理图像特征向量,并将所述待处理图像特征向量转换为待处理图像位向量;
历史图像位向量序列获取模块,被配置成获取所述历史图像序列对应的历史图像位向量序列。
9.根据权利要求8所述的装置,其中,所述近邻图像查询子单元包括:
汉明距离计算模块,被配置成计算所述历史图像位向量序列中的每个历史图像位向量与所述待处理图像位向量之间的汉明距离,得到对应所述历史图像位向量序列的汉明距离序列;
近邻图像设置模块,响应于所述汉明距离序列中存在小于设定阈值的目标汉明距离,被配置成将目标汉明距离对应的历史图像设置为近邻图像。
10.根据权利要求9所述的装置,其中,所述余弦距离计算单元包括:
历史图像特征向量获取子单元,被配置成获取所述至少一个近邻图像的每个近邻图像的历史图像特征向量,得到对应所述至少一个近邻图像的至少一个历史图像特征向量;
余弦距离计算子单元,被配置成计算所述至少一个历史图像特征向量中每个历史图像特征向量与所述待处理图像特征向量之间的余弦距离,得到对应所述至少一个历史图像特征向量的余弦距离序列。
11.一种电子设备,包括:
一个或多个处理器;
存储器,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行权利要求1至5中任一所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010065461.2A CN111325712B (zh) | 2020-01-20 | 2020-01-20 | 用于检测图像有效性的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010065461.2A CN111325712B (zh) | 2020-01-20 | 2020-01-20 | 用于检测图像有效性的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111325712A CN111325712A (zh) | 2020-06-23 |
CN111325712B true CN111325712B (zh) | 2024-01-23 |
Family
ID=71167018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010065461.2A Active CN111325712B (zh) | 2020-01-20 | 2020-01-20 | 用于检测图像有效性的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111325712B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090021809A (ko) * | 2007-08-28 | 2009-03-04 | 인하대학교 산학협력단 | 영역 필터링을 이용한 영역 기반 이미지 검색 방법 |
TW201131392A (en) * | 2010-03-08 | 2011-09-16 | Alibaba Group Holding Ltd | Computerized look-up method of nearest replica picture and apparatus |
CN104021234A (zh) * | 2014-06-30 | 2014-09-03 | 中国科学院自动化研究所 | 一种基于自适应位分配哈希算法的大规模图像库检索方法 |
CN106845357A (zh) * | 2016-12-26 | 2017-06-13 | 银江股份有限公司 | 一种基于多通道网络的视频人脸检测和识别方法 |
CN107679250A (zh) * | 2017-11-01 | 2018-02-09 | 浙江工业大学 | 一种基于深度自编码卷积神经网络的多任务分层图像检索方法 |
CN108108764A (zh) * | 2017-12-26 | 2018-06-01 | 东南大学 | 一种基于随机森林的视觉slam回环检测方法 |
CN108256532A (zh) * | 2018-01-10 | 2018-07-06 | 武汉斗鱼网络科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN108280187A (zh) * | 2018-01-24 | 2018-07-13 | 湖南省瞬渺通信技术有限公司 | 一种基于卷积神经网络深度特征的分级图像检索方法 |
CN108334644A (zh) * | 2018-03-30 | 2018-07-27 | 百度在线网络技术(北京)有限公司 | 图像识别方法和装置 |
CN109034237A (zh) * | 2018-07-20 | 2018-12-18 | 杭州电子科技大学 | 基于卷积神经元网络路标和序列搜索的回环检测方法 |
CN109556596A (zh) * | 2018-10-19 | 2019-04-02 | 北京极智嘉科技有限公司 | 基于地面纹理图像的导航方法、装置、设备及存储介质 |
CN109871803A (zh) * | 2019-02-18 | 2019-06-11 | 清华大学 | 机器人回环检测方法和装置 |
CN109934862A (zh) * | 2019-02-22 | 2019-06-25 | 上海大学 | 一种点线特征结合的双目视觉slam方法 |
CN110084298A (zh) * | 2019-04-23 | 2019-08-02 | 北京百度网讯科技有限公司 | 用于检测图像相似度的方法及装置 |
CN110084268A (zh) * | 2019-03-18 | 2019-08-02 | 浙江大华技术股份有限公司 | 图像比对方法、人脸识别方法及装置、计算机存储介质 |
CN110296705A (zh) * | 2019-06-28 | 2019-10-01 | 苏州瑞久智能科技有限公司 | 一种基于距离度量学习的视觉slam回环检测方法 |
CN110442738A (zh) * | 2019-07-31 | 2019-11-12 | 北京明略软件系统有限公司 | 图片去重方法和装置,存储介质及电子装置 |
CN110502651A (zh) * | 2019-08-15 | 2019-11-26 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN110660098A (zh) * | 2018-06-28 | 2020-01-07 | 北京京东尚科信息技术有限公司 | 基于单目视觉的定位方法和装置 |
CN110689323A (zh) * | 2019-09-30 | 2020-01-14 | 深圳市珍爱捷云信息技术有限公司 | 图片审核方法、装置、计算机设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2397424A1 (en) * | 2002-08-09 | 2004-02-09 | Mohammed Lamine Kherfi | Content-based image retrieval using positive and negative examples |
CN105612555B (zh) * | 2013-10-18 | 2019-08-20 | 皇家飞利浦有限公司 | 针对mdx的基于图像的roi追踪 |
JP2018051728A (ja) * | 2016-09-30 | 2018-04-05 | ファナック株式会社 | 対象物の三次元位置を検出する検出方法および検出装置 |
-
2020
- 2020-01-20 CN CN202010065461.2A patent/CN111325712B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090021809A (ko) * | 2007-08-28 | 2009-03-04 | 인하대학교 산학협력단 | 영역 필터링을 이용한 영역 기반 이미지 검색 방법 |
TW201131392A (en) * | 2010-03-08 | 2011-09-16 | Alibaba Group Holding Ltd | Computerized look-up method of nearest replica picture and apparatus |
CN104021234A (zh) * | 2014-06-30 | 2014-09-03 | 中国科学院自动化研究所 | 一种基于自适应位分配哈希算法的大规模图像库检索方法 |
CN106845357A (zh) * | 2016-12-26 | 2017-06-13 | 银江股份有限公司 | 一种基于多通道网络的视频人脸检测和识别方法 |
CN107679250A (zh) * | 2017-11-01 | 2018-02-09 | 浙江工业大学 | 一种基于深度自编码卷积神经网络的多任务分层图像检索方法 |
CN108108764A (zh) * | 2017-12-26 | 2018-06-01 | 东南大学 | 一种基于随机森林的视觉slam回环检测方法 |
CN108256532A (zh) * | 2018-01-10 | 2018-07-06 | 武汉斗鱼网络科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN108280187A (zh) * | 2018-01-24 | 2018-07-13 | 湖南省瞬渺通信技术有限公司 | 一种基于卷积神经网络深度特征的分级图像检索方法 |
CN108334644A (zh) * | 2018-03-30 | 2018-07-27 | 百度在线网络技术(北京)有限公司 | 图像识别方法和装置 |
CN110660098A (zh) * | 2018-06-28 | 2020-01-07 | 北京京东尚科信息技术有限公司 | 基于单目视觉的定位方法和装置 |
CN109034237A (zh) * | 2018-07-20 | 2018-12-18 | 杭州电子科技大学 | 基于卷积神经元网络路标和序列搜索的回环检测方法 |
CN109556596A (zh) * | 2018-10-19 | 2019-04-02 | 北京极智嘉科技有限公司 | 基于地面纹理图像的导航方法、装置、设备及存储介质 |
CN109871803A (zh) * | 2019-02-18 | 2019-06-11 | 清华大学 | 机器人回环检测方法和装置 |
CN109934862A (zh) * | 2019-02-22 | 2019-06-25 | 上海大学 | 一种点线特征结合的双目视觉slam方法 |
CN110084268A (zh) * | 2019-03-18 | 2019-08-02 | 浙江大华技术股份有限公司 | 图像比对方法、人脸识别方法及装置、计算机存储介质 |
CN110084298A (zh) * | 2019-04-23 | 2019-08-02 | 北京百度网讯科技有限公司 | 用于检测图像相似度的方法及装置 |
CN110296705A (zh) * | 2019-06-28 | 2019-10-01 | 苏州瑞久智能科技有限公司 | 一种基于距离度量学习的视觉slam回环检测方法 |
CN110442738A (zh) * | 2019-07-31 | 2019-11-12 | 北京明略软件系统有限公司 | 图片去重方法和装置,存储介质及电子装置 |
CN110502651A (zh) * | 2019-08-15 | 2019-11-26 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN110689323A (zh) * | 2019-09-30 | 2020-01-14 | 深圳市珍爱捷云信息技术有限公司 | 图片审核方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111325712A (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11054518B2 (en) | Method and apparatus for determining obstacle speed | |
US10650236B2 (en) | Road detecting method and apparatus | |
CN112598762B (zh) | 三维车道线信息生成方法、装置、电子设备和介质 | |
CN109285188B (zh) | 用于生成目标物体的位置信息的方法和装置 | |
US11416005B2 (en) | Method and apparatus for controlling unmanned vehicle to perform route verification | |
CN110163153B (zh) | 用于识别交通标志牌边界的方法及装置 | |
EP3796262B1 (en) | Method and apparatus for calibrating camera | |
CN112328731B (zh) | 车辆车道级定位方法、装置、电子设备和计算机可读介质 | |
CN116182878B (zh) | 道路曲面信息生成方法、装置、设备和计算机可读介质 | |
CN114894205B (zh) | 三维车道线信息生成方法、装置、设备和计算机可读介质 | |
CN113607185A (zh) | 车道线信息显示方法、装置、电子设备和计算机可读介质 | |
CN112598731B (zh) | 车辆定位方法、装置、电子设备和计算机可读介质 | |
CN113255619A (zh) | 车道线识别及定位方法、电子设备和计算机可读介质 | |
CN111461980B (zh) | 点云拼接算法的性能估计方法和装置 | |
CN116740382B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN111325712B (zh) | 用于检测图像有效性的方法及装置 | |
CN116758498A (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN112880675B (zh) | 用于视觉定位的位姿平滑方法、装置、终端和移动机器人 | |
CN111383337B (zh) | 用于识别对象的方法和装置 | |
CN110634159A (zh) | 一种目标检测方法和装置 | |
CN114387498A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN110136181B (zh) | 用于生成信息的方法和装置 | |
CN111401194A (zh) | 用于自动驾驶车辆的数据处理方法和装置 | |
CN115848358B (zh) | 车辆泊车方法、装置、电子设备和计算机可读介质 | |
CN112815959B (zh) | 车辆车道级定位系统、方法、装置和电子设备 |
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 |