CN111652956B - 一种元网格轮廓边界优化方法、介质及终端设备 - Google Patents
一种元网格轮廓边界优化方法、介质及终端设备 Download PDFInfo
- Publication number
- CN111652956B CN111652956B CN202010424898.0A CN202010424898A CN111652956B CN 111652956 B CN111652956 B CN 111652956B CN 202010424898 A CN202010424898 A CN 202010424898A CN 111652956 B CN111652956 B CN 111652956B
- Authority
- CN
- China
- Prior art keywords
- boundary
- grid
- meta
- negative buffer
- ground object
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20128—Atlas-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种元网格轮廓边界优化方法,包括:获取待优化元网格框架,对所述待优化元网格框架中的地物进行负缓冲区处理,生成地物负缓冲区;对所述地物负缓冲区的边界进行特征点提取,得到多个边界特征点;根据所述边界特征点,通过多边形算法对所述地物负缓冲区进行处理,在所述地物负缓冲区内生成多个封闭多边形;对同一个所述地物负缓冲区内的多个封闭多边形进行聚合处理,得到聚合多边形;对所述聚合多边形中各个边界线段的中点进行连线,形成标准的元网格边界;本发明可以对元网格锯齿状边界进行优化修复,生成边界清晰的元网格,令该元网格可以直观、准确的体现地物对于周边环境的影响范围和覆盖范围,提高元网格的成图质量。
Description
技术领域
本发明涉及元网格边界优化领域,尤其涉及一种元网格轮廓边界优化方法、介质及终端设备。
背景技术
网格化管理将管理区域按照一定的标准划分成为网格,并依托管理信息化平台对网格开展各项管理工作。因此,网格的划分是开展网格化管理的基础,如何进行网格的划分,则是基础中的关键因素。网格的划分一般是基于GIS结合地理信息、业务信息等进行划分。现阶段网格生成采用的较普遍做法是挑选对业务熟悉的人员,根据工作经验从自身业务维度出发,采用全手工的方式在电子地图上人工绘制网格。为提高网格划分效率,不少人员根据网格管理现状及需求,利用GIS(Geographic Information System)技术研究自动生成网格的划分方法,其中“一种基于地理信息的元网格生成方法”,提出了自动划分最小网格——元网格的方法,使各个业务可根据管理需求采用聚合元网格的方式构建业务管理网格,对提升网格划分的质量和效率,确保网格的可持续化维护都具有相当重要的意义。
现有技术提出了“一种基于地理信息的元网格生成方法”,其利用GIS工具通过对地理信息的分析和识别构建出元网格框架,在元网格框架内再拾取元网格框架内的建筑物、池塘、绿地等地物信息,计算出此类地物的边界特征点,然后再利用泰森多边形算法,将元网格框架拆分为多个封闭的多边形区域,其中每个建筑物、池塘、绿地等地物对象所对应的多边形区域即为元网格。按照上述方法完成元网格构建后,再基于业务规则在GIS平台上将这些元网格进行自下而上的聚类,从而得到不同管理业务所需要的管理业务网格,最终形成支撑业务精细化管理的基础。
然而,根据现有技术“一种基于地理信息的元网格生成方法”划分出来的元网格,当建筑物、池塘、绿地等地物对象间距较小时存在锯齿状边界的问题,如下图1所示。此情况下,生成的元网格将切割周边的其他地物,影响元网格的美观性,此外也破坏了元网格与地物对象之间一对一的匹配规则。
因此,目前市面上亟需一种元网格轮廓边界优化策略,可以对元网格锯齿状边界进行优化修复,生成边界清晰的元网格,令该元网格可以直观、准确的体现地物对于周边环境的影响范围和覆盖范围,提高元网格的成图质量。
发明内容
本发明提供了一种元网格轮廓边界优化方法,可以对元网格锯齿状边界进行优化修复,生成边界清晰的元网格,令该元网格可以直观、准确的体现地物对于周边环境的影响范围和覆盖范围,提高元网格的成图质量。
为了解决上述技术问题,本发明实施例提供了一种元网格轮廓边界优化方法,包括:
获取待优化元网格框架,对所述待优化元网格框架中的地物进行负缓冲区处理,生成地物负缓冲区;
对所述地物负缓冲区的边界进行特征点提取,得到多个边界特征点;
根据所述边界特征点,通过多边形算法对所述地物负缓冲区进行处理,在所述地物负缓冲区内生成多个封闭多边形;
对同一个所述地物负缓冲区内的多个封闭多边形进行聚合处理,得到聚合多边形;
对所述聚合多边形中各个边界线段的中点进行连线,形成标准的元网格边界。
作为优选方案,在所述获取待优化元网格框架之前,还包括:对元网格边界进行判断,当确定元网格边界为锯齿状边界,且元网格边界跨越地物时,提取所述元网格所在的元网格框架作为待优化元网格框架。
作为优选方案,所述对所述待优化元网格框架中的地物进行负缓冲区处理,生成地物负缓冲区的步骤中,具体为:
对所述待优化元网格框架中的地物的边界进行向内收缩处理,将收缩后形成的边界作为负缓冲区的边界,生成地物负缓冲区。
作为优选方案,所述对所述待优化元网格框架中的地物的边界进行向内收缩处理的步骤中,所述向内收缩的距离为0.5米。
作为优选方案,所述对所述地物负缓冲区的边界进行特征点提取,得到多个边界特征点的步骤中,具体为:
提取所述地物负缓冲区的边界的各个端点,当确定相邻两个端点的间距大于预设阈值时,在所述两个端点连线的边界上设置中间点,直至所有相邻的两个端点的间距小于预设阈值时,完成特征点提取。
作为优选方案,所述预设阈值为1米。
作为优选方案,所述多边形算法为泰森多边形算法。
作为优选方案,在所述形成标准的元网格边界之后,还包括:对下一个待优化元网格框架进行遍历优化,直至所有的待优化元网格框架遍历优化后,完成对元网格轮廓边界的优化。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一项所述的元网格轮廓边界优化方法。
本发明实施例还提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如上述任一项所述的元网格轮廓边界优化方法。
相比于现有技术,本发明实施例具有如下有益效果:
本发明技术方案通过获取待优化元网格框架,对所述待优化元网格框架中的地物进行负缓冲区处理,生成地物负缓冲区;对所述地物负缓冲区的边界进行特征点提取,得到多个边界特征点;根据所述边界特征点,通过多边形算法对所述地物负缓冲区进行处理,在所述地物负缓冲区内生成多个封闭多边形;对同一个所述地物负缓冲区内的多个封闭多边形进行聚合处理,得到聚合多边形;对所述聚合多边形中各个边界线段的中点进行连线,形成标准的元网格边界;可以对元网格锯齿状边界进行优化修复,生成边界清晰的元网格,令该元网格可以直观、准确的体现地物对于周边环境的影响范围和覆盖范围,提高元网格的成图质量。
附图说明
图1:为现有技术中生成的具有锯齿状边界的元网格图像示意图;
图2:为本发明实施例提供的一种元网格轮廓边界优化方法的步骤流程图;
图3:为本发明实施例中即将进行优化处理的元网格图像示意图;
图4:为本发明实施例中的地物边界负缓冲区处理效果示意图;
图5:为本发明实施例中的负缓冲区边界特征点提取效果示意图;
图6:为本发明实施例中的泰森多边形算法处理图像效果示意图;
图7:为本发明实施例中的多边形聚合后的效果示意图;
图8:为本发明实施例中的优化后的元网格最终轮廓边界示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参照图2,为本发明实施例提供的一种元网格轮廓边界优化方法的步骤流程图;该方法包括步骤101至步骤105,各步骤具体如下:
步骤101,获取待优化元网格框架,对所述待优化元网格框架中的地物进行负缓冲区处理,生成地物负缓冲区。
在本实施例中,在所述获取待优化元网格框架之前,还包括:对元网格边界进行判断,当确定元网格边界为锯齿状边界,且元网格边界跨越地物时,提取所述元网格所在的元网格框架作为待优化元网格框架。
具体地,当出现以下两种情况时,即判定元网格边界不满足要求,需重新生成元网格边界:(1)元网格出现锯齿状边界;(2)元网格边界跨越建筑物、池塘、绿地等地物。如图3所示,当出现以上情况时,需提取元网格所在的元网格框架,并将元网格框架进行记录保存,留作下一阶段使用。对于本阶段保存的元网格框架,本步骤挑选其中任意一个元网格框架,开始后续一系列处理操作。
在本实施例中,所述对所述待优化元网格框架中的地物进行负缓冲区处理,生成地物负缓冲区的步骤中,具体为:对所述待优化元网格框架中的地物的边界进行向内收缩处理,将收缩后形成的边界作为负缓冲区的边界,生成地物负缓冲区。在本实施例中,所述向内收缩的距离为0.5米。
具体地,对于选定的元网格框架内的建筑物、池塘、绿地等地物,开展负缓冲区处理,即在此类地物边界的基础上向内收缩边界(建议收缩0.5米),将收缩之后的形成的边界作为负缓冲区的边界。地物边界负缓冲区处理效果如下图4所示,其中多边形内部是负缓冲区处理后的地物多边形,多边形边界为处理前的地物多边形轮廓。
步骤102,对所述地物负缓冲区的边界进行特征点提取,得到多个边界特征点。
在本实施例中,所述对所述地物负缓冲区的边界进行特征点提取,得到多个边界特征点的步骤中,具体为:提取所述地物负缓冲区的边界的各个端点,当确定相邻两个端点的间距大于预设阈值时,在所述两个端点连线的边界上设置中间点,直至所有相邻的两个端点的间距小于预设阈值时,完成特征点提取。在本实施例中,所述预设阈值为1米。
具体地,在新生成的负缓冲区边界上,提取特征点。首先提取负缓冲区边界的各个端点信息,其次分析相邻两端点的间距并判断间距是否小于1米,然后对于间距大于1米的两端点在两端点连线的边界上设置中间点,最后继续遍历,直至所有端点相距都小于1米。提取负缓冲区边界特征点如下图5所示。
步骤103,根据所述边界特征点,通过多边形算法对所述地物负缓冲区进行处理,在所述地物负缓冲区内生成多个封闭多边形。在本实施例中,所述多边形算法为泰森多边形算法。
生成的效果如下图6所示,对于提取的边界特征点,执行泰森多边形算法,从而生成了众多不规则的封闭多边形。
步骤104,对同一个所述地物负缓冲区内的多个封闭多边形进行聚合处理,得到聚合多边形。
具体地,针对各个的负缓冲区对象,根据边界特征点执行泰森多边形后会生成众多多边形,本步骤将所有同一对象的多边形进行聚合,聚合后提取多边形的边界轮廓,则该边界轮廓即为各个负缓冲区对象的边界。聚合后的效果图如下图7所示。
步骤105,对所述聚合多边形中各个边界线段的中点进行连线,形成标准的元网格边界。
具体地,为进一步平滑上一阶段的负缓冲区对象边界,本步骤分别计算各个边界线段的中点,将边界线段中点进行连线,连线后组成的边界即为各个负缓冲区对象的最终边界。如下图8所示,为处理优化后的效果图。通过将图3和图8进行对比,可以发现元网格轮廓边界得到了极大的优化,原先锯齿状的边界已经变得平滑。至此,选定的元网格框架内的元网格完成构建,通过上述步骤解决了元网格锯齿状边界以及切割地物的问题。
在本实施例中,在所述形成标准的元网格边界之后,还包括:对下一个待优化元网格框架进行遍历优化,直至所有的待优化元网格框架遍历优化后,完成对元网格轮廓边界的优化。
选定的元网格框架内元网格边界构建完成后,开始下一个元网格框架的遍历,重复上述步骤。当所有的元网格框架遍历结束时,区域内的所有不满足要求的元网格边界全部完成优化。
本发明的目的是提出元网格轮廓边界的优化方法,该方法基于GIS技术采用编程的方式通过代码自动化执行;通过本方法生成的元网格解决了相距较近的地物所对应的元网格存在锯齿状边界的问题,并且在每个元网格覆盖的范围中有且仅有一个地物对象,避免产生一个元网格切割多个地物的情况产生,确保可以准确描述元网格内地物的影响范围。另外,通过本方法可以生成边界清晰、美观的元网格,该元网格可以在电子地图中直观、准确的体现地物对于周边环境的影响范围和覆盖范围。该优化方法完全由程序自动化执行,因此不仅可以节省人力,减少人工对于元网格优化的工作量,还可以提高元网格的成图质量,提高后续在网格化展示中网格的美观性。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的元网格轮廓边界优化方法。
本发明实施例还提供了一种终端设备,所述终端设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现上述任一实施例所述的元网格轮廓边界优化方法。
优选地,所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序),所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,通用处理器可以是微处理器,或者所述处理器也可以是任何常规的处理器,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区,其中,程序存储区可存储操作系统、至少一个功能所需的应用程序等,数据存储区可存储相关数据等。此外,所述存储器可以是高速随机存取存储器,还可以是非易失性存储器,例如插接式硬盘,智能存储卡(SmartMedia Card,SMC)、安全数字(Secure Digital,SD)卡和闪存卡(Flash Card)等,或所述存储器也可以是其他易失性固态存储器件。
需要说明的是,上述终端设备可包括,但不仅限于,处理器、存储器,本领域技术人员可以理解,上述终端设备仅仅是示例,并不构成对终端设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种元网格轮廓边界优化方法,其特征在于,包括:
获取待优化元网格框架,对所述待优化元网格框架中的地物进行负缓冲区处理,生成地物负缓冲区;
对所述地物负缓冲区的边界进行特征点提取,得到多个边界特征点;
根据所述边界特征点,通过多边形算法对所述地物负缓冲区进行处理,在所述地物负缓冲区内生成多个封闭多边形;
对同一个所述地物负缓冲区内的多个封闭多边形进行聚合处理,得到聚合多边形;
对所述聚合多边形中各个边界线段的中点进行连线,形成标准的元网格边界。
2.如权利要求1所述的元网格轮廓边界优化方法,其特征在于,在所述获取待优化元网格框架之前,还包括:对元网格边界进行判断,当确定元网格边界为锯齿状边界,且元网格边界跨越地物时,提取所述元网格所在的元网格框架作为待优化元网格框架。
3.如权利要求1所述的元网格轮廓边界优化方法,其特征在于,所述对所述待优化元网格框架中的地物进行负缓冲区处理,生成地物负缓冲区的步骤中,具体为:
对所述待优化元网格框架中的地物的边界进行向内收缩处理,将收缩后形成的边界作为负缓冲区的边界,生成地物负缓冲区。
4.如权利要求3所述的元网格轮廓边界优化方法,其特征在于,所述对所述待优化元网格框架中的地物的边界进行向内收缩处理的步骤中,所述向内收缩的距离为0.5米。
5.如权利要求1所述的元网格轮廓边界优化方法,其特征在于,所述对所述地物负缓冲区的边界进行特征点提取,得到多个边界特征点的步骤中,具体为:
提取所述地物负缓冲区的边界的各个端点,当确定相邻两个端点的间距大于预设阈值时,在所述两个端点连线的边界上设置中间点,直至所有相邻的两个端点的间距小于预设阈值时,完成特征点提取。
6.如权利要求5所述的元网格轮廓边界优化方法,其特征在于,所述预设阈值为1米。
7.如权利要求1所述的元网格轮廓边界优化方法,其特征在于,所述多边形算法为泰森多边形算法。
8.如权利要求1所述的元网格轮廓边界优化方法,其特征在于,在所述形成标准的元网格边界之后,还包括:对下一个待优化元网格框架进行遍历优化,直至所有的待优化元网格框架遍历优化后,完成对元网格轮廓边界的优化。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1-8中任一项所述的元网格轮廓边界优化方法。
10.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如权利要求1-8中任一项所述的元网格轮廓边界优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010424898.0A CN111652956B (zh) | 2020-05-19 | 2020-05-19 | 一种元网格轮廓边界优化方法、介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010424898.0A CN111652956B (zh) | 2020-05-19 | 2020-05-19 | 一种元网格轮廓边界优化方法、介质及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652956A CN111652956A (zh) | 2020-09-11 |
CN111652956B true CN111652956B (zh) | 2023-07-07 |
Family
ID=72348122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010424898.0A Active CN111652956B (zh) | 2020-05-19 | 2020-05-19 | 一种元网格轮廓边界优化方法、介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652956B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101541013B (zh) * | 2008-03-18 | 2010-08-11 | 中国移动通信集团天津有限公司 | 一种无线小区覆盖分布的快速生成方法 |
CN105354881B (zh) * | 2015-11-24 | 2017-03-15 | 中国石油化工股份有限公司 | 基于离散属性数据的网格变形优化算法 |
CN108229740B (zh) * | 2017-12-29 | 2022-02-11 | 百度在线网络技术(北京)有限公司 | 一种商圈边界的确定方法、装置、服务器及存储介质 |
CN109359170B (zh) * | 2018-11-02 | 2020-05-12 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
-
2020
- 2020-05-19 CN CN202010424898.0A patent/CN111652956B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111652956A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111862292B (zh) | 输电线路走廊的数据渲染方法、装置和计算机设备 | |
CN111553963B (zh) | 一种基于地理信息的元网格生成方法及装置 | |
CN102592268A (zh) | 一种分割前景图像的方法 | |
CN110647596B (zh) | 地图数据处理方法和装置 | |
CN112785710B (zh) | Osgb三维模型建筑物快速单体化方法、系统、存储器及设备 | |
CN112634452B (zh) | 铁路bim模型轻量化方法和装置 | |
CN111090712A (zh) | 一种数据处理方法、装置、设备及计算机存储介质 | |
CN115600307B (zh) | 一种从城市场景的Mesh模型中生成单体化建筑的方法 | |
CN111581711B (zh) | 杆塔建模方法、装置、终端设备及计算机可读存储介质 | |
CN116229003A (zh) | 一种基于多源数据的三维模型单体化快速构建方法 | |
CN103971586A (zh) | 电子地图生成方法及装置 | |
CN104123479A (zh) | 一种电网特殊区域数据栅格转矢量的质量控制方法 | |
CN114387417A (zh) | 一种三维建筑建模方法、装置及三维建筑群建模方法 | |
CN111652956B (zh) | 一种元网格轮廓边界优化方法、介质及终端设备 | |
CN117132508B (zh) | 基于gis+bim技术的数字孪生数据驱动方法及系统 | |
CN112614207A (zh) | 等值线绘制方法、装置和设备 | |
CN115033972B (zh) | 一种建筑主体结构批量单体化方法、系统及可读存储介质 | |
CN114511862A (zh) | 表格识别方法、装置及电子设备 | |
CN111476308A (zh) | 基于先验几何约束的遥感影像分类方法、装置和电子设备 | |
CN115168112B (zh) | 动态区段变更下的区段数据还原方法、装置、设备及介质 | |
CN115984147B (zh) | 基于齿科扫描仪点云自适应处理方法、设备及介质 | |
CN114155346B (zh) | 用于地形匹配的数据处理方法和装置 | |
CN114707758A (zh) | 一种台风灾害预测方法、装置及计算机设备 | |
CN116824404A (zh) | 历史文化名城图形图像标准化处理方法、系统、终端及存储介质 | |
CN115205537A (zh) | 一种星型形状约束下的直角建筑物屋顶交互式提取方法 |
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 |