CN112991180A - 图像拼接方法、装置、设备以及存储介质 - Google Patents
图像拼接方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN112991180A CN112991180A CN202110322611.8A CN202110322611A CN112991180A CN 112991180 A CN112991180 A CN 112991180A CN 202110322611 A CN202110322611 A CN 202110322611A CN 112991180 A CN112991180 A CN 112991180A
- Authority
- CN
- China
- Prior art keywords
- image frame
- sequence
- image
- determining
- homography matrix
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000011159 matrix material Substances 0.000 claims abstract description 111
- 230000004044 response Effects 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 239000000126 substance Substances 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Studio Devices (AREA)
Abstract
本公开提供了图像拼接方法、装置、设备以及存储介质,涉及人工智能领域,具体为计算机视觉和深度学习技术领域,可用在图像拼接场景下。具体实现方案为:获取针对目标对象连续扫描得到的图像序列;确定图像序列中任意两相邻图像帧之间的单应矩阵,得到单应矩阵序列;根据单应矩阵序列,确定图像序列中的各图像帧是否满足预设条件;响应于确定图像序列中的各图像帧满足预设条件,根据单应矩阵序列,对图像序列中的各图像帧进行拼接。本实现方式可以对图像序列中的各图像帧进行拼接。
Description
技术领域
本公开涉及人工智能领域,具体为计算机视觉和深度学习技术领域,尤其涉及图像拼接方法、装置、设备以及存储介质,可用在图像拼接场景下。
背景技术
图像拼接(image mosaic)是一个日益流行的研究领域,它已经成为照相绘图学、计算机视觉、图像处理和计算机图形学研究中的热点。图像拼接解决的问题一般式,通过对齐一系列空间重叠的图像,构成一个无缝的、高清晰的图像,它具有比单个图像更高的分辨率和更大的视野。图像拼接技术的应用前景十分广阔,深入研究图像拼接技术有着很重要的意义。
发明内容
提供了一种图像拼接方法、装置、设备以及存储介质。
根据第一方面,提供了一种图像拼接方法,包括:获取针对目标对象连续扫描得到的图像序列;确定图像序列中任意两相邻图像帧之间的单应矩阵,得到单应矩阵序列;根据单应矩阵序列,确定图像序列中的各图像帧是否满足预设条件;响应于确定图像序列中的各图像帧满足预设条件,根据单应矩阵序列,对图像序列中的各图像帧进行拼接。
根据第二方面,提供了一种图像拼接装置,包括:图像序列获取单元,被配置成获取针对目标对象连续扫描得到的图像序列;矩阵序列获取单元,被配置成确定图像序列中任意两相邻图像帧之间的单应矩阵,得到单应矩阵序列;条件判断单元,被配置成根据单应矩阵序列,确定图像序列中的各图像帧是否满足预设条件;图像拼接单元,被配置成响应于确定图像序列中的各图像帧满足预设条件,根据单应矩阵序列,对图像序列中的各图像帧进行拼接。
根据第三方面,提供了一种图像拼接电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,上述指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面所描述的方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,上述计算机指令用于使计算机执行如第一方面所描述的方法。
根据第五方面,一种计算机程序产品,包括计算机程序,上述计算机程序在被处理器执行时实现如第一方面所描述的方法。
根据本公开的技术提供了一种准确快速的图像拼接方法,可以对图像序列中的各图像帧进行拼接。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
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是根据本公开的图像拼接方法的一个实施例的流程图;
图3是根据本公开的图像拼接方法的一个应用场景的示意图;
图4是根据本公开的图像拼接方法的另一个实施例的流程图;
图5是根据本公开的图像拼接装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的图像拼接方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
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图像拼接方法或图像拼接装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括图像采集设备101、终端设备102、网络103和服务器104。网络103用以在图像采集设备101、终端设备102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。
用户可以使用图像采集设备101对目标对象进行连续扫描,得到图像序列。然后,可以将图像序列通过网络103发送给终端设备102或服务器104。上述图像采集设备101可以是各种类型的设备,例如可以是照相机、摄像机或带有拍照功能的手机、平板电脑等等。
终端设备102可以通过网络103接收图像采集设备101采集的图像序列。并对图像序列进行预处理或者进行拼接。终端设备102上可以安装有各种客户端应用,例如图像处理类应、图像浏览类应用等。终端设备102可以进一步将得到的拼接图像输出给其它电子设备。
终端设备102可以是硬件,也可以是软件。当终端设备102为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备102为软件时,可以安装在上述所列举的电子设备中。其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。
服务器104可以是提供各种服务的服务器,例如对图像采集设备101采集的图像序列进行拼接处理的后台服务器。后台服务器可以对图像序列中的各图像帧进行各种预处理后,对各图像帧进行拼接,并将得到的拼接图像反馈给终端设备102。
需要说明的是,服务器104可以是硬件,也可以是软件。当服务器104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104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。
需要说明的是,本公开实施例所提供的图像拼接方法可以由终端设备102执行,也可以由服务器104执行。相应地,图像拼接装置可以设置于终端设备102中,也可以设置于服务器104中。当执行主体为终端设备102时,上述架构100中也可以不包括服务器104。当执行主体为服务器104时,上述架构100中也可以不包括终端设备102。
应该理解,图1中的图像采集设备、终端设备、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设备、终端设备、网络和服务器。
继续参考图2,示出了根据本公开的图像拼接方法的一个实施例的流程200。本实施例的图像拼接方法,包括以下步骤:
步骤201,获取针对目标对象连续扫描得到的图像序列。
本实施例中,图像拼接方法的执行主体可以通过各种方式获取针对目标对象连续扫描得到的图像序列。上述图像序列可以由图像采集设备对目标对象进行连续扫描得到。上述目标对象可以是各种类型的对象,例如可以是物体,也可以是环境。上述图像序列可以包括多个图像帧,每个图像帧都包括目标对象的一部分内容。相邻的两个图像帧之间包括重叠区域。
步骤202,确定图像序列中任意两相邻图像帧之间的单应矩阵,得到单应矩阵序列。
执行主体在获取到图像序列后,可以确定图像序列中任意两相邻图像帧之间的单应矩阵,得到单应矩阵序列。这里,单应矩阵也可以称为单应性矩阵,用来描述物体在世界坐标系和像素坐标系之间的位置映射关系。执行主体可以通过各种方式来确定两相邻图像帧之间的单应矩阵。例如,执行主体可以首先确定采集图像序列的图像采集设备的内参和外参,然后将内参和外参代入现有的计算单应矩阵的公式中,即可得到单应矩阵。或者,执行主体可以提取两相邻图像帧的特征点,将前一图像帧的特征点与后一图像帧的特征点进行匹配,根据匹配的特征点的坐标,确定单应矩阵。本实施例中,单应矩阵的计算可以采用RANSAC(RANdom SAmple Consensus,随机抽样一致)、LMeDS(最小中值法)等算法。
在得到两相邻图像帧之间的单应矩阵后,执行主体可以按照两相邻图像帧在图像序列中的位置,确定单应矩阵在单应矩阵序列中的位置。可以理解的是,单应矩阵序列中的各单应矩阵的顺序与单应矩阵对应的两图像帧在图像序列中的顺序一致。
步骤203,根据单应矩阵序列,确定图像序列中的各图像帧是否满足预设条件。
执行主体在得到单应矩阵序列后,可以依据单应矩阵序列中的各单应矩阵判断图像序列中的各图像帧是否满足预设条件。这里,预设条件可以是判断各图像帧是否正确的条件。具体的,执行主体可以分别计算各单应矩阵的判别式的值。根据判别式的值,判断图像序列中的各图像帧是否满足预设条件。例如,相邻图像帧之间的相似性应较大,则单应矩阵的判别式的值的比值应在一定范围内。或者,相邻图像帧的缩放和平移不会太大,则单应矩阵的判别式本身应在一定范围内。或者,执行主体还可以判断各单应矩阵是否相似,如果各单应矩阵相似,则可以认为各图像帧满足预设条件。
步骤204,响应于确定图像序列中的各图像帧满足预设条件,根据单应矩阵序列,对图像序列中的各图像帧进行拼接。
如果执行主体确定图像序列中的各图像帧满足预设条件,则可以根据单应矩阵序列,对图像序列中的各图像帧进行拼接。如果图像序列中的各图像帧不满足预设条件,可以认定为各图像帧之间的相似度较小,不适合进行拼接。在拼接时,执行主体可以根据单元矩阵序列,对各图像帧中的各像素进行坐标变换,变换后,相邻两图像帧中重叠区域的像素的坐标相同,从而实现图像的拼接。
继续参见图3,其示出了根据本公开的图像拼接方法的一个应用场景的示意图。在图3的应用场景中,相机301对环境进行连续扫描,得到图像序列,并将上述图像序列发送给终端302。终端302在接收到上述图像序列后,计算图像序列中任意两相邻图像帧之间的单应矩阵,得到单应矩阵序列。通过单应矩阵序列中的各单应矩阵,判断图像序列中的各图像帧满足预设条件,则利用各单应矩阵,对各图像帧进行拼接,得到拼接图像。
本公开的上述实施例提供的图像拼接方法,可以在对图像序列中的各图像帧进行拼接前,利用图像序列对应的单应矩阵序列对各图像帧进行判断,从而避免了拼接后图像不可控的畸变和错误。
继续参见图4,其示出了根据本公开的图像拼接方法的另一个实施例的流程400。如图4所示,本实施例的方法可以包括以下步骤:
步骤401,获取针对目标对象连续扫描得到的图像序列。
步骤402,确定图像序列中的各图像帧的特征点;根据各图像帧的特征点,确定图像序列中任意两相邻图像帧之间的单应矩阵。
本实施例中,执行主体可以首先确定图像序列中的各图像帧的特征点。具体的,执行主体可以利用现有的多种特征点识别算法来确定各图像帧的特征点。具体的,上述特征点识别算法例如可以包括SIFT(Scale-invariant feature transform,尺度不变特征变换)、SURF(Speeded Up Robust Features,加速稳健特征)、ORB(Oriented FAST andRotated BRIEF)、基于深度学习的特征点识别(卷积神经网络)等算法。然后,执行主体可以对两相邻图像帧的特征点进行匹配,确定相邻两图像帧之间的匹配特征点。并根据匹配特征点的位置,确定两相邻图像帧之间的单应矩阵。最后,根据各单应矩阵对应的两相邻图像帧在图像序列中的位置,确定各单应矩阵的位置,得到单应矩阵序列。本实施例中,单应矩阵的大小可以为3×3。
步骤403,确定单应矩阵序列中的各单应矩阵的判别式的值;确定以下至少一项是否满足:各单应矩阵的判别式的值位于第一预设范围内、单应矩阵序列中相邻两单应矩阵的判别式的值的比值位于第二预设范围内;响应于确定以上至少一项满足,确定图像序列中的各图像帧满足预设条件。
本实施例中,执行主体可以分别确定单应矩阵序列中的各单应矩阵的判别式的值。3×3矩阵判别式的几何意义是3个向量在空间中张成的体积。一般来说,扫描过程中,相邻帧的扫描比较相似,所以其单应矩阵判别式的比值应在一定范围内。即,单应矩阵序列中相邻两单应矩阵的判别式的值的比值位于第二预设范围内。扫描过程中,相邻帧的扫描比较相似,所以其单应矩阵判别式的比值应在一定范围内。即,各单应矩阵的判别式的值位于第一预设范围内。如果以上至少一项满足,则可以认定图像序列中的各图像帧满足预设条件。
步骤404,响应于确定图像序列中的各图像帧满足预设条件,将图像序列中的首个图像帧作为目标图像帧,将目标图像帧的后一图像帧作为候选图像帧。
本实施例中,如果执行主体确定图像序列中的各图像帧满足预设条件,则可以将图像序列中的首个图像帧作为目标图像帧,将目标图像帧的后一图像帧作为候选图像帧。
步骤405,基于目标图像帧以及候选图像帧,执行以下拼接步骤:
在确定出目标图像帧和候选图像帧后,执行主体可以执行以下拼接步骤4051~4053。
步骤4051,确定目标图像帧与候选图像帧之间的重叠区域。
执行主体可以通过各种方式确定目标图像帧与候选图像帧之间的重叠区域。这里,重叠区域是指目标图像帧与候选图像帧的共有区域。具体的,执行主体可以通过比较目标图像帧与候选图像帧的各像素来确定重叠区域。或者,执行主体可以通过将目标图像帧与候选图像帧的特征点进行比较,确定重叠区域。
步骤4052,根据重叠区域以及目标图像帧,确定预设拼接条件是否满足。
在确定目标图像帧与候选图像帧之间的重叠区域后,可以结合重叠区域以及目标图像帧,确定候选图像帧是否满足预设拼接条件。这里,预设拼接条件可以包括但不限于:重叠区域与目标图像帧的比例在预设数值范围内、重叠区域包括的像素数量小于预设数量阈值、重叠区域在目标图像帧中的横坐标与目标图像帧的宽度比值在预设数值范围内。如果上述预设拼接条件满足,则可以执行步骤4053。
步骤4053,响应于确定候选图像帧满足预设拼接条件,根据目标图像帧与候选图像帧之间的单应矩阵,拼接目标图像帧与候选图像帧。
执行主体可以根据目标图像帧与候选图像帧之间的单应矩阵,拼接目标图像帧与候选图像帧。具体的,执行主体可以将目标图像帧中的重叠区域删除,然后,将候选图像帧中的各像素根据单应矩阵变换位置后拼接至删除处理后的目标图像帧。或者,执行主体可以将候选图像帧中的重叠区域删除,将删除处理后的候选图像帧根据单应矩阵变换位置后拼接至目标图像帧。或者,执行主体可以直接将候选图像帧中的各像素根据单应矩阵变换位置后边与目标图像帧中的各像素叠加,完成目标图像帧与候选图像帧的拼接。
在本实施例的一些可选的实现方式中,上述步骤4053具体可以通过图4中未示出的以下步骤来实现:确定目标图像帧与候选图像帧之间的重叠区域中各像素的拼接权重;根据目标图像帧与候选图像帧之间的单应矩阵、拼接权重以及各像素的像素值,拼接目标图像帧与候选图像帧。
本实现方式中,执行主体在拼接目标图像帧与候选图像帧时,可以分别确定重叠区域中各像素的拼接权重。具体的,执行主体可以根据重叠区域中各像素的位置来确定拼接权重。可以理解的是,为了使拼接后的图像过渡自然,重叠区域中越靠近目标图像帧的像素的像素值应越接近目标图像帧的像素的像素值,越靠近候选图像帧的像素的像素值应越接近候选图像帧的像素的像素值。举例来说,重叠区域的像素的像素值=(1-γ)×P1+γ×P2。其中,γ为权重,P1为目标图像帧的像素的像素值,P2为候选图像帧的像素的像素值。γ可由公式计算而来:γ=255/(N+ε),ε=1e-9,N为重叠区域中每行像素的数量值。在一些具体的应用场景中,为了计算方便,对于重叠区域中的每行像素,执行主体可以将n个像素的权重设置为相同值。
在确定重叠区域中每个像素的拼接权重后,执行主体可以根据目标图像帧与候选图像帧之间的单应矩阵、拼接权重以及各像素的像素值,拼接目标图像帧与候选图像帧。
在本实施例的一些可选的实现方式中,执行主体可以通过图4中未示出的以下步骤来确定各像素的拼接权重:对于重叠区域中的每行像素,根据该行像素中像素的数量以及预设数值,确定该行像素中每个像素的拼接权重。
本实现方式中,执行主体可以首先确定重叠区域中每行像素中像素的数量。然后根据上述数量以及预设数值,确定每行像素中各像素的拼接权重。对于每行像素,例如,执行主体可以将该行像素中像素的数量与预设数值做比值m,然后,将该行像素中以m为单位进行划分,得到多个像素单位。每个像素单位的拼接权重相同。
步骤406,将拼接得到的图像帧作为新的目标图像帧,将新的目标图像帧的后一图像帧作为新的候选图像帧,继续执行拼接步骤。
执行主体在拼接目标图像帧和候选图像帧后,可以将拼接得到的图像帧作为新的目标图像帧,将新的目标图像帧的后一图像帧作为新的候选图像帧,继续执行拼接步骤,从而能够实现对图像序列中的各图像帧进行拼接。
步骤407,响应于确定预设拼接条件不满足,将候选图像帧的后一图像帧作为新的候选图像帧,确定目标图像帧与候选图像帧之间的单应矩阵,继续执行拼接步骤。
本实施例中,如果预设拼接条件不满足,则认为目标图像帧于候选图像帧之间的差距太大,不能进行拼接。则此时执行主体可以将候选图像帧的后一图像帧作为新的候选图像帧,然后计算目标图像帧与新的候选图像帧之间的单应矩阵。并继续执行拼接步骤4051~4053。
需要说明的是,如果图像序列中有部分图像帧满足预设拼接条件,则可以对满足预设条件的图像帧进行拼接。
本公开的上述实施例提供的图像拼接方法,可以在不满足预设拼接条件时,跳过候选图像帧,从而避免拼接得到的图像出现畸变错误的情况。还可以在拼接时,为每个像素确定拼接权重,实现过渡拼接,使得拼接得到的图像效果更好。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种图像拼接装置的一个实施例,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,本实施例的图像拼接装置500包括:图像序列获取单元501、矩阵序列获取单元502、条件判断单元503和图像拼接单元504。
图像序列获取单元501,被配置成获取针对目标对象连续扫描得到的图像序列。
矩阵序列获取单元502,被配置成确定图像序列中任意两相邻图像帧之间的单应矩阵,得到单应矩阵序列。
条件判断单元503,被配置成根据单应矩阵序列,确定图像序列中的各图像帧是否满足预设条件。
图像拼接单元504,被配置成响应于确定图像序列中的各图像帧满足预设条件,根据单应矩阵序列,对图像序列中的各图像帧进行拼接。
在本实施例的一些可选的实现方式中,条件判断单元503可以进一步被配置成:确定单应矩阵序列中的各单应矩阵的判别式的值;确定以下至少一项是否满足:各单应矩阵的判别式的值位于第一预设范围内、单应矩阵序列中相邻两单应矩阵的判别式的值的比值位于第二预设范围内;响应于确定以上至少一项满足,确定图像序列中的各图像帧满足预设条件。
在本实施例的一些可选的实现方式中,图像拼接单元504可以进一步被配置成:将图像序列中的首个图像帧作为目标图像帧,将目标图像帧的后一图像帧作为候选图像帧;基于目标图像帧以及候选图像帧,执行以下拼接步骤:确定目标图像帧与候选图像帧之间的重叠区域;根据重叠区域以及目标图像帧,确定预设拼接条件是否满足;响应于确定预设拼接条件满足,根据目标图像帧与候选图像帧之间的单应矩阵,拼接目标图像帧与候选图像帧。
在本实施例的一些可选的实现方式中,图像拼接单元504可以进一步被配置成:将拼接得到的图像帧作为新的目标图像帧,将新的目标图像帧的后一图像帧作为新的候选图像帧,继续执行拼接步骤。
在本实施例的一些可选的实现方式中,图像拼接单元504可以进一步被配置成:响应于确定预设拼接条件不满足,将候选图像帧的后一图像帧作为新的候选图像帧,确定目标图像帧与候选图像帧之间的单应矩阵,继续执行拼接步骤。
在本实施例的一些可选的实现方式中,图像拼接单元504可以进一步被配置成:确定目标图像帧与候选图像帧之间的重叠区域中各像素的拼接权重;根据目标图像帧与候选图像帧之间的单应矩阵、拼接权重以及各像素的像素值,拼接目标图像帧与候选图像帧。
在本实施例的一些可选的实现方式中,图像拼接单元504可以进一步被配置成:对于重叠区域中的每行像素,根据该行像素中像素的数量以及预设数值,确定该行像素中每个像素的拼接权重。
在本实施例的一些可选的实现方式中,矩阵序列获取单元502可以进一步被配置成:确定图像序列中的各图像帧的特征点;根据各图像帧的特征点,确定图像序列中任意两相邻图像帧之间的单应矩阵。
应当理解,图像拼接装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对图像拼接方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息均得到了用户的授权,用户个人信息的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了根据本公开实施例的执行图像拼接方法的电子设备600的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储器608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储电子设备600操作所需的各种程序和数据。处理器601、ROM 602以及RAM 603通过总线604彼此相连。I/O接口(输入/输出接口)605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储器608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器601可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器601执行上文所描述的各个方法和处理,例如图像拼接方法。例如,在一些实施例中,图像拼接方法可被实现为计算机软件程序,其被有形地包含于机器可读存储介质,例如存储器608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由处理器601执行时,可以执行上文描述的图像拼接方法的一个或多个步骤。备选地,在其他实施例中,处理器601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像拼接方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。上述程序代码可以封装成计算机程序产品。这些程序代码或计算机程序产品可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器601执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读存储介质可以是机器可读信号存储介质或机器可读存储介质。机器可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学存储设备、磁存储设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以是分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开的保护范围之内。
Claims (19)
1.一种图像拼接方法,包括:
获取针对目标对象连续扫描得到的图像序列;
确定所述图像序列中任意两相邻图像帧之间的单应矩阵,得到单应矩阵序列;
根据所述单应矩阵序列,确定所述图像序列中的各图像帧是否满足预设条件;
响应于确定所述图像序列中的各图像帧满足预设条件,根据所述单应矩阵序列,对所述图像序列中的各图像帧进行拼接。
2.根据权利要求1所述的方法,其中,所述根据所述单应矩阵序列,确定所述图像序列中的各图像帧是否满足预设条件,包括:
确定所述单应矩阵序列中的各单应矩阵的判别式的值;
确定以下至少一项是否满足:各单应矩阵的判别式的值位于第一预设范围内、所述单应矩阵序列中相邻两单应矩阵的判别式的值的比值位于第二预设范围内;
响应于确定以上至少一项满足,确定所述图像序列中的各图像帧满足预设条件。
3.根据权利要求1所述的方法,其中,所述根据所述单应矩阵序列,对所述图像序列中的各图像进行拼接,包括:
将所述图像序列中的首个图像帧作为目标图像帧,将所述目标图像帧的后一图像帧作为候选图像帧;
基于所述目标图像帧以及所述候选图像帧,执行以下拼接步骤:
确定所述目标图像帧与所述候选图像帧之间的重叠区域;
根据所述重叠区域以及所述目标图像帧,确定预设拼接条件是否满足;
响应于确定所述预设拼接条件满足,根据所述目标图像帧与所述候选图像帧之间的单应矩阵,拼接所述目标图像帧与所述候选图像帧。
4.根据权利要求3所述的方法,其中,所述根据所述单应矩阵序列,对所述图像序列中的各图像进行拼接,包括:
将拼接得到的图像帧作为新的目标图像帧,将新的目标图像帧的后一图像帧作为新的候选图像帧,继续执行所述拼接步骤。
5.根据权利要求3所述的方法,其中,所述根据所述单应矩阵序列,对所述图像序列中的各图像进行拼接,包括:
响应于确定所述预设拼接条件不满足,将所述候选图像帧的后一图像帧作为新的候选图像帧,确定所述目标图像帧与所述候选图像帧之间的单应矩阵,继续执行所述拼接步骤。
6.根据权利要求3所述的方法,其中,所述根据所述目标图像帧与所述候选图像帧之间的单应矩阵,拼接所述目标图像帧与所述候选图像帧,拼接所述目标图像帧与所述候选图像帧,包括:
确定所述目标图像帧与所述候选图像帧之间的重叠区域中各像素的拼接权重;
根据所述目标图像帧与所述候选图像帧之间的单应矩阵、所述拼接权重以及各像素的像素值,拼接所述目标图像帧与所述候选图像帧。
7.根据权利要求6所述的方法,其中,所述确定所述目标图像帧与所述候选图像帧之间的重叠区域中各像素的拼接权重,包括:
对于所述重叠区域中的每行像素,根据该行像素中像素的数量以及预设数值,确定该行像素中每个像素的拼接权重。
8.根据权利要求1所述的方法,其中,所述确定所述图像序列中任意两相邻图像帧之间的单应矩阵,包括:
确定所述图像序列中的各图像帧的特征点;
根据各图像帧的特征点,确定所述图像序列中任意两相邻图像帧之间的单应矩阵。
9.一种图像拼接装置,包括:
图像序列获取单元,被配置成获取针对目标对象连续扫描得到的图像序列;
矩阵序列获取单元,被配置成确定所述图像序列中任意两相邻图像帧之间的单应矩阵,得到单应矩阵序列;
条件判断单元,被配置成根据所述单应矩阵序列,确定所述图像序列中的各图像帧是否满足预设条件;
图像拼接单元,被配置成响应于确定所述图像序列中的各图像帧满足预设条件,根据所述单应矩阵序列,对所述图像序列中的各图像帧进行拼接。
10.根据权利要求9所述的装置,其中,所述条件判断单元进一步被配置成:
确定所述单应矩阵序列中的各单应矩阵的判别式的值;
确定以下至少一项是否满足:各单应矩阵的判别式的值位于第一预设范围内、所述单应矩阵序列中相邻两单应矩阵的判别式的值的比值位于第二预设范围内;
响应于确定以上至少一项满足,确定所述图像序列中的各图像帧满足预设条件。
11.根据权利要求9所述的装置,其中,所述图像拼接单元进一步被配置成:
将所述图像序列中的首个图像帧作为目标图像帧,将所述目标图像帧的后一图像帧作为候选图像帧;
基于所述目标图像帧以及所述候选图像帧,执行以下拼接步骤:
确定所述目标图像帧与所述候选图像帧之间的重叠区域;
根据所述重叠区域以及所述目标图像帧,确定预设拼接条件是否满足;
响应于确定所述预设拼接条件满足,根据所述目标图像帧与所述候选图像帧之间的单应矩阵,拼接所述目标图像帧与所述候选图像帧。
12.根据权利要求11所述的装置,其中,所述图像拼接单元进一步被配置成:
将拼接得到的图像帧作为新的目标图像帧,将新的目标图像帧的后一图像帧作为新的候选图像帧,继续执行所述拼接步骤。
13.根据权利要求11所述的装置,其中,所述图像拼接单元进一步被配置成:
响应于确定所述预设拼接条件不满足,将所述候选图像帧的后一图像帧作为新的候选图像帧,确定所述目标图像帧与所述候选图像帧之间的单应矩阵,继续执行所述拼接步骤。
14.根据权利要求11所述的装置,其中,所述图像拼接单元进一步被配置成:
确定所述目标图像帧与所述候选图像帧之间的重叠区域中各像素的拼接权重;
根据所述目标图像帧与所述候选图像帧之间的单应矩阵、所述拼接权重以及各像素的像素值,拼接所述目标图像帧与所述候选图像帧。
15.根据权利要求14所述的装置,其中,所述图像拼接单元进一步被配置成:
对于所述重叠区域中的每行像素,根据该行像素中像素的数量以及预设数值,确定该行像素中每个像素的拼接权重。
16.根据权利要求9所述的装置,其中,所述矩阵序列获取单元进一步被配置成:
确定所述图像序列中的各图像帧的特征点;
根据各图像帧的特征点,确定所述图像序列中任意两相邻图像帧之间的单应矩阵。
17.一种执行图像拼接方法的电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110322611.8A CN112991180B (zh) | 2021-03-25 | 2021-03-25 | 图像拼接方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110322611.8A CN112991180B (zh) | 2021-03-25 | 2021-03-25 | 图像拼接方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112991180A true CN112991180A (zh) | 2021-06-18 |
CN112991180B CN112991180B (zh) | 2023-10-31 |
Family
ID=76333708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110322611.8A Active CN112991180B (zh) | 2021-03-25 | 2021-03-25 | 图像拼接方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112991180B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642584A (zh) * | 2021-08-13 | 2021-11-12 | 北京百度网讯科技有限公司 | 文字识别方法、装置、设备、存储介质和智能词典笔 |
CN113870142A (zh) * | 2021-09-29 | 2021-12-31 | 北京百度网讯科技有限公司 | 用于增强图像对比度的方法、装置及计算机程序产品 |
CN114119990A (zh) * | 2021-09-29 | 2022-03-01 | 北京百度网讯科技有限公司 | 用于图像特征点匹配的方法、装置及计算机程序产品 |
CN114418861A (zh) * | 2022-03-31 | 2022-04-29 | 南京云创大数据科技股份有限公司 | 一种摄像头图像拼接处理方法和系统 |
CN115797164A (zh) * | 2021-09-09 | 2023-03-14 | 同方威视技术股份有限公司 | 固定视场中的图像拼接方法、装置、系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170347022A1 (en) * | 2016-05-24 | 2017-11-30 | Microsoft Technology Licensing, Llc | Method and apparatus for generating panoramic images |
WO2019134516A1 (zh) * | 2018-01-05 | 2019-07-11 | Oppo广东移动通信有限公司 | 全景图像生成方法、装置、存储介质及电子设备 |
CN110097063A (zh) * | 2019-04-30 | 2019-08-06 | 网易有道信息技术(北京)有限公司 | 电子设备的数据处理方法、介质、装置和计算设备 |
CN110738599A (zh) * | 2019-10-14 | 2020-01-31 | 北京百度网讯科技有限公司 | 图像拼接方法、装置、电子设备及存储介质 |
CN111275622A (zh) * | 2020-01-18 | 2020-06-12 | 中国人民解放军陆军工程大学 | 图像拼接方法、装置及终端设备 |
CN112184544A (zh) * | 2019-07-04 | 2021-01-05 | 杭州海康威视数字技术股份有限公司 | 图像拼接的方法和装置 |
-
2021
- 2021-03-25 CN CN202110322611.8A patent/CN112991180B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170347022A1 (en) * | 2016-05-24 | 2017-11-30 | Microsoft Technology Licensing, Llc | Method and apparatus for generating panoramic images |
WO2019134516A1 (zh) * | 2018-01-05 | 2019-07-11 | Oppo广东移动通信有限公司 | 全景图像生成方法、装置、存储介质及电子设备 |
CN110097063A (zh) * | 2019-04-30 | 2019-08-06 | 网易有道信息技术(北京)有限公司 | 电子设备的数据处理方法、介质、装置和计算设备 |
CN112184544A (zh) * | 2019-07-04 | 2021-01-05 | 杭州海康威视数字技术股份有限公司 | 图像拼接的方法和装置 |
CN110738599A (zh) * | 2019-10-14 | 2020-01-31 | 北京百度网讯科技有限公司 | 图像拼接方法、装置、电子设备及存储介质 |
CN111275622A (zh) * | 2020-01-18 | 2020-06-12 | 中国人民解放军陆军工程大学 | 图像拼接方法、装置及终端设备 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642584A (zh) * | 2021-08-13 | 2021-11-12 | 北京百度网讯科技有限公司 | 文字识别方法、装置、设备、存储介质和智能词典笔 |
CN113642584B (zh) * | 2021-08-13 | 2023-11-28 | 北京百度网讯科技有限公司 | 文字识别方法、装置、设备、存储介质和智能词典笔 |
CN115797164A (zh) * | 2021-09-09 | 2023-03-14 | 同方威视技术股份有限公司 | 固定视场中的图像拼接方法、装置、系统 |
CN115797164B (zh) * | 2021-09-09 | 2023-12-12 | 同方威视技术股份有限公司 | 固定视场中的图像拼接方法、装置、系统 |
CN113870142A (zh) * | 2021-09-29 | 2021-12-31 | 北京百度网讯科技有限公司 | 用于增强图像对比度的方法、装置及计算机程序产品 |
CN114119990A (zh) * | 2021-09-29 | 2022-03-01 | 北京百度网讯科技有限公司 | 用于图像特征点匹配的方法、装置及计算机程序产品 |
CN114119990B (zh) * | 2021-09-29 | 2023-10-27 | 北京百度网讯科技有限公司 | 用于图像特征点匹配的方法、装置及计算机程序产品 |
CN114418861A (zh) * | 2022-03-31 | 2022-04-29 | 南京云创大数据科技股份有限公司 | 一种摄像头图像拼接处理方法和系统 |
CN114418861B (zh) * | 2022-03-31 | 2022-07-01 | 南京云创大数据科技股份有限公司 | 一种摄像头图像拼接处理方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112991180B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112991180B (zh) | 图像拼接方法、装置、设备以及存储介质 | |
CN112862877B (zh) | 用于训练图像处理网络和图像处理的方法和装置 | |
US20210272306A1 (en) | Method for training image depth estimation model and method for processing image depth information | |
CN114550177B (zh) | 图像处理的方法、文本识别方法及装置 | |
CN113674421B (zh) | 3d目标检测方法、模型训练方法、相关装置及电子设备 | |
CN113436100B (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
CN112784765B (zh) | 用于识别动作的方法、装置、设备以及存储介质 | |
CN114792355B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN114067051A (zh) | 三维重建处理方法、装置、电子设备以及存储介质 | |
CN116109824A (zh) | 基于扩散模型的医学影像及像素级标注生成方法及装置 | |
CN113221771A (zh) | 活体人脸识别方法、装置、设备、存储介质及程序产品 | |
CN114359932B (zh) | 文本检测方法、文本识别方法及装置 | |
CN113255664B (zh) | 图像处理方法、相关装置及计算机程序产品 | |
CN114119990B (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
US20230005171A1 (en) | Visual positioning method, related apparatus and computer program product | |
CN113781653B (zh) | 对象模型生成方法、装置、电子设备及存储介质 | |
CN116862762A (zh) | 一种视频超分方法、装置、设备及存储介质 | |
CN113112398A (zh) | 图像处理方法和装置 | |
CN113610856A (zh) | 训练图像分割模型和图像分割的方法和装置 | |
CN112991179B (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN114820908B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN116309160B (zh) | 图像分辨率修复方法、装置、设备及存储介质 | |
CN113870142B (zh) | 用于增强图像对比度的方法、装置 | |
CN113312979B (zh) | 图像处理方法、装置、电子设备、路侧设备及云控平台 | |
CN115205939B (zh) | 人脸活体检测模型训练方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |