CN112434593B - 一种基于投影图提取道路外侧线的方法及系统 - Google Patents

一种基于投影图提取道路外侧线的方法及系统 Download PDF

Info

Publication number
CN112434593B
CN112434593B CN202011304138.2A CN202011304138A CN112434593B CN 112434593 B CN112434593 B CN 112434593B CN 202011304138 A CN202011304138 A CN 202011304138A CN 112434593 B CN112434593 B CN 112434593B
Authority
CN
China
Prior art keywords
pixel
gray value
road
line
pixels
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
CN202011304138.2A
Other languages
English (en)
Other versions
CN112434593A (zh
Inventor
侯国强
惠念
周智颖
罗跃军
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.)
Heading Data Intelligence Co Ltd
Original Assignee
Heading Data Intelligence Co Ltd
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 Heading Data Intelligence Co Ltd filed Critical Heading Data Intelligence Co Ltd
Priority to CN202011304138.2A priority Critical patent/CN112434593B/zh
Publication of CN112434593A publication Critical patent/CN112434593A/zh
Application granted granted Critical
Publication of CN112434593B publication Critical patent/CN112434593B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于投影图提取道路外侧线的方法及系统，该方法包括：将激光点云数据中的道路俯视投影为二维图像；以道路方向为所述二维图像的行的方向，根据所述二维图像中每行的像素点数和像素灰度值提取道路外侧线。将激光点云数据中的道路外侧投影为二维图像数据,再基于二维图像中每行像素点个数和灰度值提取道路外侧线，减少了高精度地图中道路外侧线提取的时间，极大的提高了高精度地图制作的时间。

Description

一种基于投影图提取道路外侧线的方法及系统
技术领域
本发明涉及自动驾驶高精度地图制作领域，尤其涉及一种基于投影图提取道路外侧线的方法及系统。
背景技术
高精度地图，通俗来讲就是精度更高、数据维度更多的电子地图。精度更高体现在精确到厘米级别，数据维度更多体现在其包括了除道路信息之外的与交通相关的周围静态信息。例如车道线的位置、类型、宽度、坡度和曲率等车道信息以及交通标志、交通信号灯、车道限高、下水道口、障碍物及其他道路细节等车道周边的固定对象信息。
道路外侧线是制作高精度地图的要素之一，在制作高精度地图时首先需要将道路外侧线等要素提取出来，然后辅助人工进行制图，采用人工选取道路外侧线轮廓进行选点绘制，耗时长。
发明内容
本发明针对现有技术中存在的技术问题，提供一种基于投影图提取道路外侧线的方法及系统，解决现有技术中耗时长的问题。
本发明解决上述技术问题的技术方案如下：一种基于投影图提取道路外侧线的方法，包括：
步骤1，将激光点云数据中的道路俯视投影为二维图像；
步骤2，以道路方向为所述二维图像的行的方向，根据所述二维图像中每行的像素点数和像素灰度值提取道路外侧线。
一种基于投影图提取道路外侧线的系统，包括：二维图像生成模块和道路外侧线提取模块；
所述二维图像生成模块，用于将激光点云数据中的道路俯视投影为二维图像；
所述道路外侧线提取模块，用于以道路方向为所述二维图像的行的方向，根据所述二维图像中每行的像素点数和像素灰度值提取道路外侧线。
本发明的有益效果是本发明提供的一种基于投影图提取道路外侧线的方法及系统，将激光点云数据中的护栏投影为二维图像数据,再基于二维图像中每行像素点个数和灰度值提取道路外侧线，减少了高精度地图中道路外侧线提取的时间，极大的提高了高精度地图制作的时间。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述步骤2包括：
步骤201，统计所述二维图像的中间区域的各行的像素个数的均值及像素灰度值的均值，根据所述像素个数的均值及像素灰度值的均值确定所述道路外侧线的粗略位置；
步骤202，对所述粗略位置进行分块，根据各个分块区域内的像素个数和像素灰度值确定所述道路外侧线的精确位置。
进一步，所述步骤201包括：
步骤20101，统计所述二维图像中每行的像素个数；
步骤20102，设置所述二维图像的中间区域，确定所述中间区域的各行的像素个数的均值及像素灰度值的均值；
步骤20103，设置像素个数差异性阈值和灰度值差异性阈值，统计像素个数差异性超过所述像素个数差异性阈值且灰度值差异性超过所述灰度值差异性阈值的行，判定该行所在位置为所述道路外侧线的粗略位置；
所述像素个数差异性为该行的像素个数与中间区域的各行的像素个数的均值的差值，所述灰度值差异性为该行的像素灰度值与所述中间区域的各行的像素灰度值的均值的差值。
进一步，所述步骤20101还包括：设置每行的像素个数的最低阈值，统计所述二维图像中大于所述最低阈值的每行的像素个数。
进一步，所述步骤202包括：
步骤20201，对所述步骤20103中确定的行进行分块，每个分块区域为n*n区域；
步骤20202，统计各个分块区域中每行的像素个数和像素灰度值均值；
步骤20203，设置像素个数差异度阈值和灰度值差异度阈值，确定各个分块区域中像素个数差异度超过所述像素个数差异度阈值且灰度值差异度超过所述灰度值差异度阈值的行的位置，根据该行的位置位置确定所述道路外侧线的精确位置；
所述像素个数差异度阈值为该行的像素个数与中间区域的各行的像素个数的均值的差值，所述灰度值差异度为该行的像素灰度值与所述中间区域的各行的像素灰度值的均值的差值。
进一步，所述步骤20203之后还包括：
步骤20204，对步骤20203中确定的每个分块区域中的行进行所有点的连线，得到直线或曲线型的所述道路外侧线的精确位置。
采用上述进一步方案的有益效果是：在道路外侧线处像素密度要远大于图像中间区域的像素密度，在材质变化处像素灰度值也会发生剧烈变化，因此以图像中间区域各行像素个数及像素灰度值的均值为基准，参考该基准先根据各行的像素个数和像素灰度值确定道路外侧线的粗略位置，再根据粗略位置进行分块，在各个分块区域里面找到精确位置，保证提取的道路外侧线的结果的精确性。
附图说明
图1为本发明提供的一种基于投影图提取道路外侧线的方法的流程图；
图2为本发明提供的一种基于投影图提取道路外侧线的系统的实施例的结构框图；
图3为本发明实施例提供的一种电子设备的实体结构示意图。
附图中，各标号所代表的部件列表如下：
101、二维图像生成模块，102、道路外侧线提取模块，201、处理器，202、通信接口，203、存储器，204、通信总线。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示为本发明提供的一种基于投影图提取道路外侧线的方法的流程图，由图1可知，该方法包括：
步骤1，将激光点云数据中的道路俯视投影为二维图像。
高精度地图所用的数据一般为激光点云数据，因此需要先将激光点云数据中的道路俯视投影为二维图像数据。
道路外侧线是指道路路面与道路路缘石/道路护栏立面相交形成的线状对象。
步骤2，以道路方向为二维图像的行的方向，根据二维图像中每行的像素点数和像素灰度值提取道路外侧线。
本发明提供的一种基于投影图提取道路外侧线的方法，将激光点云数据中的道路外侧投影为二维图像数据,再基于二维图像中每行像素点个数和灰度值提取道路外侧线，减少了高精度地图中道路外侧线提取的时间，极大的提高了高精度地图制作的时间。
对于没有路缘石和护栏等隔离的道路，取道路路面材质边缘处，任何道路向量都有左右两条道路外侧线。以投影图的中心线为基准，图像的上半部分与下半部分各有一条道路外侧线。
实施例1
本发明提供的实施例1为本发明提供的一种基于投影图提取道路外侧线的方法的实施例，该实施例包括：
步骤1，将激光点云数据中的道路俯视投影为二维图像。
步骤2，以道路方向为二维图像的行的方向，根据二维图像中每行的像素点数和像素灰度值提取道路外侧线。
优选的，步骤2包括：
步骤201，统计二维图像的中间区域的各行的像素个数的均值及像素灰度值的均值，根据像素个数的均值及像素灰度值的均值确定道路外侧线的粗略位置。
进一步的，步骤201包括：
步骤20101，统计二维图像中每行的像素个数。
具体的，步骤20101还包括：设置每行的像素个数的最低阈值，统计二维图像中大于最低阈值的每行的像素个数。
由于二维图像中可能有一些杂点，因此设置一个较小的最低阈值(例如为10)，在每行中统计大于这个阈值的像素个数，得到每行像素个数。
步骤20102，设置二维图像的中间区域，确定中间区域的各行的像素个数的均值及像素灰度值的均值。
该中间区域可以根据经验和实际情况(例如道路宽度、图片大小以及数据精度要求)设置。
步骤20103，设置像素个数差异性阈值和灰度值差异性阈值，统计像素个数差异性超过像素个数差异性阈值且灰度值差异性超过灰度值差异性阈值的行，判定该行所在位置为道路外侧线的粗略位置。
可能不止一行的像素个数差异性超过像素个数差异性阈值且灰度值差异性超过灰度值差异性阈值，根据各个满足要求的行的位置确定道路外侧线的粗略位置。
像素个数差异性为该行的像素个数与中间区域的各行的像素个数的均值的差值，灰度值差异性为该行的像素灰度值与中间区域的各行的像素灰度值的均值的差值。
从道路外侧线的特征来看，在道路外侧线处像素密度要远大于图像中间区域的像素密度，在材质变化处像素灰度值也会发生剧烈变化，因此以图像中间区域各行像素个数及像素灰度值的均值为基准，分别向道路两侧计算远大于(可设差异性阈值)该基准的行，取靠近图像中间的行为道路外侧线的粗略位置。
该像素个数差异性阈值和灰度值差异性阈值可以根据经验及实际情况设置。
步骤202，对粗略位置进行分块，根据各个分块区域内的像素个数和像素灰度值确定道路外侧线的精确位置。
步骤202包括：
步骤20201，对步骤20103中确定的行进行分块，每个分块区域为n*n区域。
具体的，n的值可根据高精度地图的精度要求进行取值，例如n＝10。
步骤20202，统计各个分块区域中每行的像素个数和像素灰度值均值。
步骤20203，设置像素个数差异度阈值和灰度值差异度阈值，确定各个分块区域中像素个数差异度超过像素个数差异度阈值且灰度值差异度超过灰度值差异度阈值的行的位置，根据该行的位置位置确定道路外侧线的精确位置。
像素个数差异度阈值为该行的像素个数与中间区域的各行的像素个数的均值的差值，灰度值差异度为该行的像素灰度值与中间区域的各行的像素灰度值的均值的差值。
该像素个数差异度阈值和灰度值差异度阈值可以与步骤20103中确定的像素个数差异性阈值和灰度值差异性阈值相同或不同，根据实际情况和经验设置。
步骤20204，对步骤20203中确定的每个分块区域中的行进行所有点的连线，得到直线或曲线型的道路外侧线的精确位置。
得到每个区域的道路外侧线位置，再根据每个块的特征将所有点连线，处理为直线或曲线，即可得到道路外侧线位置，该处理可以为最小二乘法等。
实施例2
本发明提供的实施例2为本发明提供的一种基于投影图提取道路外侧线的系统的实施例，如图2所示为本发明提供的一种基于投影图提取道路外侧线的系统的实施例的结构框图，由图2可知，该系统包括：二维图像生成模块101和道路外侧线提取模块102。
二维图像生成模块101，用于将激光点云数据中的道路俯视投影为二维图像。
道路外侧线提取模块102，用于以道路方向为二维图像的行的方向，根据二维图像中每行的像素点数和像素灰度值提取道路外侧线。
图3为本发明实施例提供的一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器201、通信接口202、存储器203和通信总线204，其中，处理器201，通信接口202，存储器203通过通信总线204完成相互间的通信。处理器201可以调用存储在存储器203上并可在处理器201上运行的计算机程序，以执行上述各实施例提供的基于投影图提取道路外侧线的方法，例如包括：步骤1，将激光点云数据中的道路俯视投影为二维图像；步骤2，以道路方向为二维图像的行的方向，根据二维图像中每行的像素点数和像素灰度值提取道路外侧线
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的基于投影图提取道路外侧线的方法，例如包括：步骤1，将激光点云数据中的道路俯视投影为二维图像；步骤2，以道路方向为二维图像的行的方向，根据二维图像中每行的像素点数和像素灰度值提取道路外侧线。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于投影图提取道路外侧线的方法，其特征在于，所述方法包括：
步骤1，将激光点云数据中的道路俯视投影为二维图像；
步骤2，以道路方向为所述二维图像的行的方向，根据所述二维图像中每行的像素点数和像素灰度值提取道路外侧线；
所述步骤2包括：
步骤201，统计所述二维图像的中间区域的各行的像素个数的均值及像素灰度值的均值，根据所述像素个数的均值及像素灰度值的均值确定所述道路外侧线的粗略位置；
步骤202，对所述粗略位置进行分块，根据各个分块区域内的像素个数和像素灰度值确定所述道路外侧线的精确位置；
所述步骤201包括：
步骤20101，统计所述二维图像中每行的像素个数；
步骤20102，设置所述二维图像的中间区域，确定所述中间区域的各行的像素个数的均值及像素灰度值的均值；
步骤20103，设置像素个数差异性阈值和灰度值差异性阈值，统计像素个数差异性超过所述像素个数差异性阈值且灰度值差异性超过所述灰度值差异性阈值的行，判定该行所在位置为所述道路外侧线的粗略位置；
所述像素个数差异性为该行的像素个数与中间区域的各行的像素个数的均值的差值，所述灰度值差异性为该行的像素灰度值与所述中间区域的各行的像素灰度值的均值的差值；
步骤20201，对所述步骤20103中确定的行进行分块，每个分块区域为n*n区域；
步骤20202，统计各个分块区域中每行的像素个数和像素灰度值均值；
步骤20203，设置像素个数差异度阈值和灰度值差异度阈值，确定各个分块区域中像素个数差异度超过所述像素个数差异度阈值且灰度值差异度超过所述灰度值差异度阈值的行的位置，根据该行的位置确定所述道路外侧线的精确位置；
所述像素个数差异度阈值为该行的像素个数与中间区域的各行的像素个数的均值的差值，所述灰度值差异度为该行的像素灰度值与所述中间区域的各行的像素灰度值的均值的差值。
2.根据权利要求1所述的方法，其特征在于，所述步骤20101还包括：设置每行的像素个数的最低阈值，统计所述二维图像中大于所述最低阈值的每行的像素个数。
3.根据权利要求1所述的方法，其特征在于，所述步骤20203之后还包括：
步骤20204，对步骤20203中确定的每个分块区域中的行进行所有点的连线，得到直线或曲线型的所述道路外侧线的精确位置。
4.一种基于投影图提取道路外侧线的系统，其特征在于，所述系统包括：二维图像生成模块和道路外侧线提取模块；
所述二维图像生成模块，用于将激光点云数据中的道路俯视投影为二维图像；
所述道路外侧线提取模块，用于以道路方向为所述二维图像的行的方向，根据所述二维图像中每行的像素点数和像素灰度值提取道路外侧线；
所述道路外侧线提取模块提取道路外侧线的过程包括：
步骤201，统计所述二维图像的中间区域的各行的像素个数的均值及像素灰度值的均值，根据所述像素个数的均值及像素灰度值的均值确定所述道路外侧线的粗略位置；
步骤202，对所述粗略位置进行分块，根据各个分块区域内的像素个数和像素灰度值确定所述道路外侧线的精确位置；
所述步骤201包括：
步骤20101，统计所述二维图像中每行的像素个数；
步骤20102，设置所述二维图像的中间区域，确定所述中间区域的各行的像素个数的均值及像素灰度值的均值；
步骤20103，设置像素个数差异性阈值和灰度值差异性阈值，统计像素个数差异性超过所述像素个数差异性阈值且灰度值差异性超过所述灰度值差异性阈值的行，判定该行所在位置为所述道路外侧线的粗略位置；
所述像素个数差异性为该行的像素个数与中间区域的各行的像素个数的均值的差值，所述灰度值差异性为该行的像素灰度值与所述中间区域的各行的像素灰度值的均值的差值；
步骤20201，对所述步骤20103中确定的行进行分块，每个分块区域为n*n区域；
步骤20202，统计各个分块区域中每行的像素个数和像素灰度值均值；
步骤20203，设置像素个数差异度阈值和灰度值差异度阈值，确定各个分块区域中像素个数差异度超过所述像素个数差异度阈值且灰度值差异度超过所述灰度值差异度阈值的行的位置，根据该行的位置确定所述道路外侧线的精确位置；
所述像素个数差异度阈值为该行的像素个数与中间区域的各行的像素个数的均值的差值，所述灰度值差异度为该行的像素灰度值与所述中间区域的各行的像素灰度值的均值的差值。
5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3任一项所述基于投影图提取道路外侧线的方法的步骤。
6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3任一项所述基于投影图提取道路外侧线的方法的步骤。
CN202011304138.2A 2020-11-19 2020-11-19 一种基于投影图提取道路外侧线的方法及系统 Active CN112434593B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011304138.2A CN112434593B (zh) 2020-11-19 2020-11-19 一种基于投影图提取道路外侧线的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011304138.2A CN112434593B (zh) 2020-11-19 2020-11-19 一种基于投影图提取道路外侧线的方法及系统

Publications (2)

Publication Number Publication Date
CN112434593A CN112434593A (zh) 2021-03-02
CN112434593B true CN112434593B (zh) 2022-05-17

Family

ID=74694521

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011304138.2A Active CN112434593B (zh) 2020-11-19 2020-11-19 一种基于投影图提取道路外侧线的方法及系统

Country Status (1)

Country Link
CN (1) CN112434593B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111881790A (zh) * 2020-07-14 2020-11-03 武汉中海庭数据技术有限公司 一种高精度地图制作中道路人行横道自动化提取方法和装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011191884A (ja) * 2010-03-12 2011-09-29 Suzuki Motor Corp 白線検出装置
CN109726708B (zh) * 2019-03-13 2021-03-23 东软睿驰汽车技术（沈阳）有限公司 一种车道线识别方法及装置
CN110443225B (zh) * 2019-08-15 2021-07-30 安徽卡思普智能科技有限公司 一种基于特征像素统计的虚实车道线识别方法及其装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111881790A (zh) * 2020-07-14 2020-11-03 武汉中海庭数据技术有限公司 一种高精度地图制作中道路人行横道自动化提取方法和装置

Also Published As

Publication number Publication date
CN112434593A (zh) 2021-03-02

Similar Documents

Publication Publication Date Title
CN111179152B (zh) 一种道路标识识别方法及装置、介质、终端
US10429193B2 (en) Method and apparatus for generating high precision map
CN109074490B (zh) 通路检测方法、相关装置及计算机可读存储介质
US20210358153A1 (en) Detection methods, detection apparatuses, electronic devices and storage media
JP6326641B2 (ja) 画像処理装置および画像処理方法
KR20210043628A (ko) 장애물 감지 방법, 지능형 주행 제어 방법, 장치, 매체, 및 기기
CN114067001B (zh) 车载相机角度标定方法、终端及存储介质
CN111047640A (zh) 容量瓶容积的校准方法、装置、终端设备及存储介质
CN113362385A (zh) 一种基于深度图像的货物体积测量方法及设备
CN115533902A (zh) 一种基于视觉引导的拆垛方法、装置、电子设备及系统
CN110738223A (zh) 一种激光雷达的点云数据聚类方法及装置
CN115014328A (zh) 一种栅格地图的动态加载方法、装置、设备和介质
CN112434593B (zh) 一种基于投影图提取道路外侧线的方法及系统
CN113780070A (zh) 一种人行横道预警标识检测方法及系统
CN111488762A (zh) 一种车道级定位方法、装置及定位设备
KR20220131378A (ko) 포지셔닝 방법, 장치, 전자 기기 및 저장 매체
CN112529011A (zh) 目标检测方法及相关装置
CN110557622B (zh) 基于结构光的深度信息获取方法及装置、设备及介质
CN112446314B (zh) 一种基于投影图提取护栏高程的方法及系统
CN114898306B (zh) 一种检测目标朝向的方法、装置及电子设备
CN116402903A (zh) 一种相机外参标定方法、装置、设备、介质及程序产品
CN112800351B (zh) 轨迹相似度判断方法、系统及计算机介质
CN114898321A (zh) 道路可行驶区域检测方法、装置、设备、介质及系统
JP6492603B2 (ja) 画像処理装置、システム、画像処理方法、およびプログラム
CN112020722B (zh) 基于三维传感器数据识别路肩

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