CN112361977A - 一种基于权重分配的直线间距测量方法 - Google Patents
一种基于权重分配的直线间距测量方法 Download PDFInfo
- Publication number
- CN112361977A CN112361977A CN202011248438.3A CN202011248438A CN112361977A CN 112361977 A CN112361977 A CN 112361977A CN 202011248438 A CN202011248438 A CN 202011248438A CN 112361977 A CN112361977 A CN 112361977A
- Authority
- CN
- China
- Prior art keywords
- distance
- points
- straight line
- values
- point
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于权重分配的直线间距测量方法,包括如下步骤:S1:在待测图像中的两条平行直线各选取一个区域;S2:选用Canny边缘提取法对两个区域分别进行边缘检测,得到两个边缘图像;S3:分别遍历两个区域的边缘图像中的所有点,得到点集A、B;S4:对点集A、B中的所有点分别进行最小二乘直线拟合,得到直线A1、B1;S5:以直线A1为参考,为点集A中的所有点分配权重;S6:根据点集A中所有点与直线B1的距离与每个点对应的权重计算得到直线A1、B1的间距。本发明可有效剔除边缘噪声点,按照权重分配的方式对边缘点进行筛选分组,降低了常规机器视觉技术中存在的测量误差,有效的提高了直线间距测量的精度和稳定性。
Description
技术领域
本发明属于视觉测量领域,具体涉及一种基于权重分配的直线间距测量方法。
背景技术
近年来,随着自动化生产的快速发展,对于产品尺寸测量的要求越来越高。传统的手工测量精度低、效率低下,且测出的产品良率存在不稳定性。机器视觉测量是指利用相机获取待测物体图像,并结合图像处理算法进行待测目标几何信息的测量方式。机器视觉以非接触、通用性强、易于实现自动化等优点,目前已经得到了广泛应用。利用机器视觉技术的常规直线间距测量方法为:边缘检测-霍夫直线检测或最小二乘法直线拟合-直线方程计算-直线间距测量,但由于某些产品边缘不明确,导致直线检测过程中噪声点较多,直线方程计算不准确,间距测量存在一定误差,且测量结果稳定性较差。
发明内容
为降低由于某些产品边缘不明确带来的测量误差,本发明提供了一种基于权重分配的直线间距测量方法。
本发明通过下述技术方案实现:
一种基于权重分配的直线间距测量方法,包括如下步骤:
S1:在待测图像中的两条平行直线各选取一个区域;
S2:选用Canny边缘提取法对两个区域分别进行边缘检测,得到两个边缘图像;
S3:分别遍历两个区域的边缘图像中的所有点,得到点集A、B;
S4:对点集A、B中的所有点分别进行最小二乘直线拟合,得到直线A1、B1;
S5:以直线A1为参考,为点集A中的所有点分配权重;
S6:根据点集A中所有点与直线B1的距离与每个点对应的权重计算得到直线A1、B1的间距。
在上述方案的基础上,进一步地有,步骤S2中的边缘检测方法具体包括:
计算图像中的梯度,并将梯度幅值归一化到0~255的范围,设置高阈值tH和低阈值tL,tH=2*tL,且0≤tL,tH≤255,提取目标边缘的边缘点。
在上述方案的基础上,进一步地有,步骤S5为点集A中的所有点分配权重的依据为:
点集A中的所有点到直线A1的距离值的加权平均数。
点集A中的所有点到直线A1的距离值的中位数。
在上述方案的基础上,进一步地有,步骤S5中参考直线的选择依据为:
点集A、B中所有点分别到直线A1、B1的距离值的标准差的大小。
步骤S5参考直线的选择包括如下步骤:
S501:计算点集A中所有点到直线A1的距离,得到距离值集A2;计算点集B中所有点到直线B1的距离,得到距离值集B2;
S502:计算距离值集A2中所有值的标准差б1,计算距离值集B2中所有值的标准差б2;
S503:比较标准差б1和标准差б2的大小,选择标准差更大的距离值所对应的直线作为参考直线。
在上述方案的基础上,进一步地有,步骤S5包括子步骤:
S51:以直线A1为参考,计算点集A中所有点到直线A1的距离,得到距离值集A2,及所有距离值的中位数a;
在上述方案的基础上,进一步地有,步骤S5还包括子步骤:
S051:计算点集A中所有点到直线A1的距离,得到距离值集A2;计算点集B中所有点到直线B1的距离,得到距离值集B2;
S052:计算距离值集A2中所有值的标准差б1,计算距离值集B2中所有值的标准差б2;
S053:比较标准差б1和标准差б2的大小,选择标准差更大的距离值所对应的直线作为参考直线;
S054:设定步骤S053得到的参考直线为A1,计算距离值集A2中所有距离值的中位数a;
在上述方案的基础上,进一步地有,步骤S6还包括子步骤:
S61:分别计算点集A中权重为a1的点到直线B1距离值的平均数L1、权重为a2的点到直线B1的距离值的平均数L2;
S62:计算直线A1、B1之间的距离L:
L=a1*L1+a2*L2。
与现有技术相比,本发明具有如下的优点和有益效果:
本发明可有效剔除边缘噪声点,以直线的标准差为依据在两条待测直线之间选择参考直线,减少除参考直线外的另一条直线拟合精度带来的影响;按照权重分配的方式对边缘点进行筛选分组,通过对边缘点的筛选分配,使所有有效的边缘点都能参与计算,降低了常规机器视觉技术中存在的测量误差,有效的提高了直线间距测量的精度和稳定性。
附图说明
结合附图,可以得到对本发明实施例的进一步理解,从本发明的权利要求和优选实施例的以下描述可以获得本发明的其它特征和优点。在不超出本发明的范围的情况下,在这种情况下可以按任何期望的方式将图中所示的不同实施例的单独特征加以组合。在附图中:
图1为实施例2的方法流程图;
图2为实施例3的方法流程图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:
在本实施例中,一种基于权重分配的直线间距测量方法,包括如下步骤:
S1:在待测图像中的两条平行直线各选取一个ROI(感兴趣区域);
S2:选用Canny边缘提取法对两个区域分别进行边缘检测,得到两个边缘图像;
S3:分别遍历两个ROI区域的边缘图像中的所有点,得到点集A、B;
S4:对点集A、B中的所有点分别进行最小二乘直线拟合,得到直线A1、B1;
S51:以直线A1为参考,计算点集A中所有点到直线A1的距离,得到距离值集A2,及所有距离值的中位数a;
S61:分别计算点集A中权重为a1的点到直线B1距离值的平均数L1、权重为a2的点到直线B1的距离值的平均数L2;
S62:通过公式L=a1*L1+a2*L2,按照权重分配的方法来计算直线A1、B1之间的距离L。
本实施例可有效剔除边缘噪声点,按照权重分配的方式对边缘点进行筛选分组,降低了常规机器视觉技术中存在的测量误差,有效的提高了直线间距测量的精度和稳定性。
为了进一步实现本发明的目的,本发明还提出了第二个实施例。
实施例2:
本发明可用于测量手机屏产品的长度和宽度。以长度计算为例,如图1所示,本实施例的步骤如下:
①首先通过相机采集得到产品图像,在手机屏图像的宽度方向上各选取一个ROI(感兴趣区域),记为ROI_Left和ROI_Right;
②分别对两个ROI区域进行Canny边缘检测,得到两个边缘图像;
③遍历两个边缘图像中的所有点,记为P_Left,P_Right;
④根据P_Left和P_Right对两个ROI区域中的手机屏边缘进行最小二乘直线拟合,得到两条直线的方程Line1:A1x+B1y+C1=0,Line2:A2x+B2y+C2=0;
⑥判断Disi与DisMedian的关系,两者差值大于0的点舍弃,所有小于0的点记为Pc_Left,求解Pc_Left中所有点到该直线距离值的加权平均数T;
⑦判断Pc_Left中所有点到该直线的距离与T的关系,大于T的点分配权重为a1,小于T的点分配权重为a2,a1+a2=1,0<a1<1,0<a2<1;
⑨按权重分配计算出手机屏宽度方向上两直线间距L=a1L1+a2L2;
使用上述技术方案对自动化生产车间中的手机屏产品进行长度和宽度的测量,共测试100组数据,与人工复检的结果相比,本实施例中算法的平均测量误差在0.02mm以内,重复精度在0.005mm以内,测量精度较高,具有较好的应用前景。
为了进一步实现本发明的目的,本发明还提出了第三个实施例。
实施例3:
本发明中算法同样可应用于部分精密量块的尺寸测量,主要是测量量块的宽度,如图2所示,本实施例的步骤如下:
①首先通过相机采集得到量块图像,在量块图像的长度方向上各选取一个ROI,记为ROI_Left和ROI_Right,并分别对两个ROI区域进行Canny边缘检测,去除大部分噪声点,得到两个边缘图像;
②遍历两个边缘图像中的所有点,记为P_Left,P_Right;
③根据P_Left和P_Right对两个ROI区域中的手机屏边缘进行最小二乘直线拟合,得到两条直线的方程Line1:A1x+B1y+C1=0,Line2:A2x+B2y+C2=0;
⑥判断STD1和STD2的关系,选择标准差较大的直线作为参考直线,减少除参考直线外的另一条直线拟合精度带来的影响,参考直线对应的所有距离值的中位数记为DisMedian;
⑦判断参考直线中每一个距离值与DisMedian的关系,两者差值大于0的点舍弃,剔除参与拟合参考直线所有点中的边缘噪声点,所有小于0的点记为Pc_Left,求解Pc_Left中所有点到该直线距离值的加权平均数T;
⑧判断Pc_Left中所有点到该直线的距离与T的关系,大于T的点分配权重为a1,小于T的点分配权重为a2,通过对边缘点的筛选分配,使所有有效的边缘点都能参与计算,减少测量误差,a1+a2=1,0<a1<1,0<a2<1;
⑩按权重分配计算出精密量块的宽度为L=a1L1+a2L2;
本实施例对2级精密量块进行宽度的测量,共测试100组数据,与量块的标准宽度相比,本发明中算法的平均测量误差在0.005mm以内,重复精度在0.002mm以内,测量精度较高,具有较好的应用前景。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种基于权重分配的直线间距测量方法,其特征在于,包括如下步骤:
S1:在待测图像中的两条平行直线各选取一个区域;
S2:选用Canny边缘提取法对两个区域分别进行边缘检测,得到两个边缘图像;
S3:分别遍历两个区域的边缘图像中的所有点,得到点集A、B;
S4:对点集A、B中的所有点分别进行最小二乘直线拟合,得到直线A1、B1;
S5:以直线A1为参考,为点集A中的所有点分配权重;
S6:根据点集A中所有点与直线B1的距离与每个点对应的权重计算得到直线A1、B1的间距。
2.根据权利要求1所述的一种基于权重分配的直线间距测量方法,其特征在于,所述步骤S2中的边缘检测方法具体包括:
计算图像中的梯度,并将梯度幅值归一化到0~255的范围,设置高阈值tH和低阈值tL,tH=2*tL,且0≤tL,tH≤255,提取目标边缘的边缘点。
3.根据权利要求1所述的一种基于权重分配的直线间距测量方法,其特征在于,所述步骤S5为点集A中的所有点分配权重的依据为:
点集A中的所有点到直线A1的距离值的加权平均数。
5.根据权利要求1所述的一种基于权重分配的直线间距测量方法,其特征在于,所述步骤S5中参考直线的选择依据为:
点集A、B中所有点分别到直线A1、B1的距离值的标准差的大小。
6.根据权利要求1所述的一种基于权重分配的直线间距测量方法,其特征在于,所述步骤S5中参考直线的选择包括如下步骤:
S501:计算点集A中所有点到直线A1的距离,得到距离值集A2;计算点集B中所有点到直线B1的距离,得到距离值集B2;
S502:计算距离值集A2中所有值的标准差б1,计算距离值集B2中所有值的标准差б2;
S503:比较标准差б1和标准差б2的大小,选择标准差更大的距离值所对应的直线作为参考直线。
8.根据权利要求1所述的一种基于权重分配的直线间距测量方法,其特征在于,所述步骤S5还包括子步骤:
S051:计算点集A中所有点到直线A1的距离,得到距离值集A2;计算点集B中所有点到直线B1的距离,得到距离值集B2;
S052:计算距离值集A2中所有值的标准差б1,计算距离值集B2中所有值的标准差б2;
S053:比较标准差б1和标准差б2的大小,选择标准差更大的距离值所对应的直线作为参考直线;
S054:设定步骤S053得到的参考直线为A1,计算距离值集A2中所有距离值的中位数a;
9.根据权利要求7所述的一种基于权重分配的直线间距测量方法,其特征在于,所述步骤S6还包括子步骤:
S61:分别计算点集A中权重为a1的点到直线B1距离值的平均数L1、权重为a2的点到直线B1的距离值的平均数L2;
S62:计算直线A1、B1之间的距离L:
L=a1*L1+a2*L2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011248438.3A CN112361977B (zh) | 2020-11-10 | 2020-11-10 | 一种基于权重分配的直线间距测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011248438.3A CN112361977B (zh) | 2020-11-10 | 2020-11-10 | 一种基于权重分配的直线间距测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112361977A true CN112361977A (zh) | 2021-02-12 |
CN112361977B CN112361977B (zh) | 2021-05-28 |
Family
ID=74509296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011248438.3A Active CN112361977B (zh) | 2020-11-10 | 2020-11-10 | 一种基于权重分配的直线间距测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112361977B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240629A (zh) * | 2021-04-15 | 2021-08-10 | 广东工业大学 | 基于边缘的图像匹配窄间隙焊缝初始点定位装置和方法 |
CN113628232A (zh) * | 2021-05-11 | 2021-11-09 | 深圳市汇川技术股份有限公司 | 剔除拟合线中干扰点的方法、视觉识别设备及存储介质 |
CN115409845A (zh) * | 2022-11-03 | 2022-11-29 | 成都新西旺自动化科技有限公司 | 一种异形高精度均衡对位方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1524492A1 (en) * | 2003-10-16 | 2005-04-20 | Fanuc Ltd | Three-dimensional measurement apparatus |
CN104331876A (zh) * | 2014-10-09 | 2015-02-04 | 北京配天技术有限公司 | 直线检测、图像处理的方法及相关装置 |
CN104482872A (zh) * | 2014-12-31 | 2015-04-01 | 中联重科股份有限公司 | 基于平行结构光的路缘边界检测方法及装置、工程机械 |
CN105160311A (zh) * | 2015-08-26 | 2015-12-16 | 清华大学 | 直线段匹配方法及装置 |
CN105571502A (zh) * | 2015-12-29 | 2016-05-11 | 上海交通大学 | 搅拌摩擦焊接中焊缝间隙的测量方法 |
US9692937B1 (en) * | 2014-12-22 | 2017-06-27 | Accusoft Corporation | Methods and apparatus for identifying lines in an image and using identified lines |
CN107818563A (zh) * | 2017-10-26 | 2018-03-20 | 西安工程大学 | 一种输电线路分裂导线间距空间测量与定位方法 |
CN108088381A (zh) * | 2017-12-13 | 2018-05-29 | 湖北汽车工业学院 | 一种基于图像处理的非接触式微小间隙宽度测量方法 |
CN110244717A (zh) * | 2019-06-03 | 2019-09-17 | 武汉理工大学 | 基于既有三维模型的港口起重机攀爬机器人自动寻路方法 |
CN110674732A (zh) * | 2019-09-21 | 2020-01-10 | 福建农林大学 | 一种融合多元数据的沥青路面车辙三维尺寸自动检测及定位方法 |
CN111879241A (zh) * | 2020-06-24 | 2020-11-03 | 西安交通大学 | 基于机器视觉的手机电池尺寸测量方法 |
-
2020
- 2020-11-10 CN CN202011248438.3A patent/CN112361977B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1524492A1 (en) * | 2003-10-16 | 2005-04-20 | Fanuc Ltd | Three-dimensional measurement apparatus |
CN104331876A (zh) * | 2014-10-09 | 2015-02-04 | 北京配天技术有限公司 | 直线检测、图像处理的方法及相关装置 |
US9692937B1 (en) * | 2014-12-22 | 2017-06-27 | Accusoft Corporation | Methods and apparatus for identifying lines in an image and using identified lines |
CN104482872A (zh) * | 2014-12-31 | 2015-04-01 | 中联重科股份有限公司 | 基于平行结构光的路缘边界检测方法及装置、工程机械 |
CN105160311A (zh) * | 2015-08-26 | 2015-12-16 | 清华大学 | 直线段匹配方法及装置 |
CN105571502A (zh) * | 2015-12-29 | 2016-05-11 | 上海交通大学 | 搅拌摩擦焊接中焊缝间隙的测量方法 |
CN107818563A (zh) * | 2017-10-26 | 2018-03-20 | 西安工程大学 | 一种输电线路分裂导线间距空间测量与定位方法 |
CN108088381A (zh) * | 2017-12-13 | 2018-05-29 | 湖北汽车工业学院 | 一种基于图像处理的非接触式微小间隙宽度测量方法 |
CN110244717A (zh) * | 2019-06-03 | 2019-09-17 | 武汉理工大学 | 基于既有三维模型的港口起重机攀爬机器人自动寻路方法 |
CN110674732A (zh) * | 2019-09-21 | 2020-01-10 | 福建农林大学 | 一种融合多元数据的沥青路面车辙三维尺寸自动检测及定位方法 |
CN111879241A (zh) * | 2020-06-24 | 2020-11-03 | 西安交通大学 | 基于机器视觉的手机电池尺寸测量方法 |
Non-Patent Citations (1)
Title |
---|
玻璃厚度测量图像算法研究: "孙峰等", 《工业控制计算机》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240629A (zh) * | 2021-04-15 | 2021-08-10 | 广东工业大学 | 基于边缘的图像匹配窄间隙焊缝初始点定位装置和方法 |
CN113240629B (zh) * | 2021-04-15 | 2023-09-19 | 广东工业大学 | 基于边缘的图像匹配窄间隙焊缝初始点定位装置和方法 |
CN113628232A (zh) * | 2021-05-11 | 2021-11-09 | 深圳市汇川技术股份有限公司 | 剔除拟合线中干扰点的方法、视觉识别设备及存储介质 |
CN113628232B (zh) * | 2021-05-11 | 2024-02-27 | 深圳市汇川技术股份有限公司 | 剔除拟合线中干扰点的方法、视觉识别设备及存储介质 |
CN115409845A (zh) * | 2022-11-03 | 2022-11-29 | 成都新西旺自动化科技有限公司 | 一种异形高精度均衡对位方法及系统 |
CN115409845B (zh) * | 2022-11-03 | 2023-02-03 | 成都新西旺自动化科技有限公司 | 一种异形高精度均衡对位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112361977B (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112361977B (zh) | 一种基于权重分配的直线间距测量方法 | |
CN109035276B (zh) | 一种图像边缘提取方法、装置及自动驾驶系统 | |
CN115082467B (zh) | 基于计算机视觉的建材焊接表面缺陷检测方法 | |
CN103292701B (zh) | 基于机器视觉的精密器件在线尺寸测量方法 | |
CN106651828B (zh) | 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法 | |
CN109284786B (zh) | 基于分布和结构匹配生成对抗网络的sar图像地物分类方法 | |
CN110906875B (zh) | 一种孔径测量的视觉处理方法 | |
CN111080582B (zh) | 工件内外表面缺陷检测方法 | |
CN106548462A (zh) | 基于薄板样条插值的非线性sar图像几何校正方法 | |
CN113724193B (zh) | Pcba零部件尺寸及间隙高精度视觉测量方法 | |
CN109115800B (zh) | 一种产品毛刺的快速检测及长度精确测量方法 | |
CN108613630A (zh) | 基于图像处理技术的两线型管水准器气泡偏移量测量方法 | |
CN112651968A (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
CN115035106B (zh) | 一种带钢缺陷智能检测方法 | |
CN107341824B (zh) | 一种图像配准的综合评价指标生成方法 | |
CN112381781B (zh) | 基于3d点云的胶路缺陷检测方法 | |
CN106937109B (zh) | 低成本判断摄像头分辨率水平的方法 | |
CN114529613A (zh) | 一种圆阵列标定板的特征点高精度坐标提取方法 | |
CN112241964A (zh) | 一种用于线结构光非接触测量的光条中心提取方法 | |
CN116188544A (zh) | 一种结合边缘特征的点云配准方法 | |
CN111582270A (zh) | 基于高精度的桥梁区域视觉靶标特征点的识别追踪方法 | |
CN117437223B (zh) | 一种高速板对板连接器缺陷智能检测方法 | |
CN114037835A (zh) | 粮食籽粒质量估算方法、装置、设备及存储介质 | |
CN116399241B (zh) | 一种贴片式电感几何参数测量方法及系统 | |
CN113607546A (zh) | 一种裂纹测量方法 |
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 |