CN113838075B - 单目测距方法、装置及计算机可读存储介质 - Google Patents
单目测距方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113838075B CN113838075B CN202010584067.XA CN202010584067A CN113838075B CN 113838075 B CN113838075 B CN 113838075B CN 202010584067 A CN202010584067 A CN 202010584067A CN 113838075 B CN113838075 B CN 113838075B
- Authority
- CN
- China
- Prior art keywords
- images
- image
- sub
- edge
- monocular
- 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 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 230000010354 integration Effects 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000010606 normalization Methods 0.000 claims abstract description 6
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 5
- 238000011946 reduction process Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
- G01C3/10—Measuring distances in line of sight; Optical rangefinders using a parallactic triangle with variable angles and a base of fixed length in the observation station, e.g. in the instrument
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Optical Distance (AREA)
Abstract
一种单目测距方法,包括步骤:采集包含目标物体的第一图像及第二图像;分别对所述第一图像及所述第二图像进行降噪处理并分割成多个第一子图像以及多个第二子图像;分别对所述多个第一子图像及所述多个第二子图像进行边缘提取得到多个第一边缘图像及多个第二边缘图像;使用模拟积分算法分别累加所述多个第一边缘图像及所述多个第二边缘图像中的灰度信息并将灰度积分信息进行自适应归一化处理;分别计算所述多个第一边缘图像及所述多个第二边缘图像中的物距并据以计算出所述目标物体的距离。本发明还公开了一种单目测距装置及计算机可读存储介质。本发明可以精准计算取得所述目标物体的距离。
Description
技术领域
本发明是关于测距技术领域,尤其是关于一种单目测距方法、装置及计算机可读存储介质。
背景技术
利用摄像头测定物体距离的技术,目前主流为双目测距及单目测距。由于双目测距方法中,各摄像头所拍摄之图像间的特征对应性不易确定,所以精准度不够可靠。相比较而言,单目测距方法,由于只需要单个摄像头,不仅成本较低,且结构简单,使其在测距应用上占有一定的地位。
目前对于立体物体的单目测距,一般采用散焦图像测距算法,例如Subbarao提出的算法。该算法采用动态参照技术,通过高斯卷积准模糊处理后,按照平面测距来处理,然而该算法存在一定的误差。
发明内容
有鉴于此,需要一种单目测距方法、装置及计算机可读存储介质,可以提高单目摄像头测距的精准度。
本发明提供一种单目测距方法,所述方法包括以下步骤:获取摄像镜头参数;采集包含目标物体的第一图像及第二图像;分别对所述第一图像及所述第二图像进行降噪处理;分割降噪后的所述第一图像为多个第一子图像以及分割降噪后的所述第二图像为多个第二子图像;分别对所述多个第一子图像及所述多个第二子图像进行边缘提取得到多个第一边缘图像及多个第二边缘图像;使用模拟积分算法分别累加所述多个第一边缘图像及所述多个第二边缘图像中的灰度信息;对所述多个第一边缘图像及所述多个第二边缘图像中的灰度积分信息进行自适应归一化处理;分别计算所述多个第一边缘图像及所述多个第二边缘图像中的物距;以及使用高斯融合算法整合计算取得的多个物距,以计算出所述目标物体的距离。
本发明还提供一种单目测距装置,所述单目测距装置包括:摄像头;处理器;以及存储器,用于存储至少一个计算机程序,其中,所述计算机程序包含由所述处理单元执行的指令,使得所述处理单元执行以下步骤:获取所述摄像头的摄像镜头参数;采集包含目标物体的第一图像及第二图像;分别对所述第一图像及所述第二图像进行降噪处理;分割降噪后的所述第一图像为多个第一子图像以及分割降噪后的所述第二图像为多个第二子图像;分别对所述多个第一子图像及所述多个第二子图像进行边缘提取得到多个第一边缘图像及多个第二边缘图像;使用模拟积分算法分别累加所述多个第一边缘图像及所述多个第二边缘图像中的灰度信息;对所述多个第一边缘图像及所述多个第二边缘图像中的灰度积分信息进行自适应归一化处理;分别计算所述多个第一边缘图像及所述多个第二边缘图像中的物距;以及使用高斯融合算法整合计算取得的多个物距,以计算出所述目标物体的距离。
本发明还提供一种计算器可读存储介质,存储有可执行程序,所述可执行程序被处理器执行时,实现所述单目测距方法。
相较于现有技术,利用上述单目测距方法、装置及计算机可读存储介质,可以使用单目摄像头精准测量目标物体的距离。
附图说明
图1为根据本发明一实施例之单目散焦测距的原理示意图。
图2为根据本发明一实施例之单目测距方法的流程图。
图3为根据本发明一实施例之单目测距装置的方块图。
主要元件符号说明
步骤 | S202~S220 |
单目测距装置 | 300 |
处理器 | 302 |
存储器 | 304 |
摄像机 | 306 |
具体实施方式
请参阅图1,所示为本发明一实施例中单目散焦测距的原理示意图。使用单目摄像头测量距离的方法一般使用散焦测距算法,散焦指的是缺乏聚焦,利用摄像头未正确对焦而产生影像模糊的程度作为估测物体距离的依据。该算法最少只需要两张不同摄像镜头参数所拍摄的图像,利用物体深度、摄像镜头参数和图像模糊度之间的关系来获取物体的深度信息。由图1可知,目标物体表面发射的光通过半径为D/2的孔径光栏后,根据几何光学的物像关系:1/u+1/v=1/f,其中,u是目标物体表面的物距,v是像距,f是焦距。当像点和摄像平面不重合时,目标物体在摄像面上形成不是清晰的像点,而是与孔径光栏形状相同的模糊光斑。孔径光栏具有圆对称性,所以模糊光斑为一个圆形光斑,其光斑半径R1、R2与光学系统的光学参数,包括透镜孔径D、两次摄像平面距透镜的距离s1、s2,及目标物体的物距u之间有如下公式所示的关系,并且不受光线频率的影响。因此,在已知光学参数的情况下,只要测量出目标物体上某点模糊光斑的半径,就能计算出该点的物距u。
R1-1/2×D×s1×(1/f-1/u-1/s1)
R2-1/2×D×s2×(1/f-1/u-1/s2)
R1/R2=(s1-u)/(s2-u)
请参阅图2,所示为本发明一实施例中单目测距方法的流程图。
步骤S202,获取摄像镜头参数,其中,所述参数包括内部参数。
步骤S204,采集包含目标物体的第一图像及第二图像。在一实施例中,所述目标物体包含立体物。
步骤S206,分别对所述第一图像及所述第二图像进行降噪处理。在一实施例中,采用高斯降噪的方法以降低由于所述摄像镜头震动带来的噪声。
步骤S208,将降噪后的所述第一图像分割成多个第一子图像,将降噪后的所述第二图像分割成多个第二子图像。在一实施例中,对降噪后的所述第一图像的分割方式与对降噪后的所述第二图像的分割方式相同,且所述多个第一子图像的数量与所述多个第二子图像的数量相同。
步骤S210,分别对所述多个第一子图像及所述多个第二子图像进行边缘提取。一般来说,图像边缘的对应为图像中灰度发生急剧变化的区域边界,利用边缘检测算法,可提取出图像中物体与背景的交界线。在一实施例中,使用横向和纵向两个方向的Sobel运算元对所述多个第一子图像及所述多个第二子图像进行边缘提取。
步骤S212,将提取出来的边缘图像导到新图像,分别得到多个第一边缘图像及多个第二边缘图像。
步骤S214,利用模拟积分算法分别累加所述多个第一边缘图像及所述多个第二边缘图像中的灰度信息。此步骤可以更准确地定位所述多个第一边缘图像及所述第二边缘图像中的物体边缘的内边界边缘和外边界边缘
步骤S216,对所述多个第一边缘图像及所述多个第二边缘图像中的灰度积分信息进行自适应归一化处理,以降低目标物体的表面颜色对测距的影响。
步骤S218,分别计算所述多个第一边缘图像及所述多个第二边缘图像中的物距。具体地,物距的计算是分别根据所述多个第一边缘图像及所述多个第二边缘图像中边缘区域的模糊程度及步骤S202中取得的内部参数进行计算。
步骤S220,采用高斯融合算法整合计算取得的多个物距,以计算出目标物体的距离。
请参阅图3,所示为本发明一实施例中单目测距装置300的方块图,所述单目测距装置300可以是数字相机、手机、平板、车载终端等具有摄像功能的计算器设备。所述单目测距装置300包括处理器302、存储器304以及摄像机306,其中,所述处理器302与所述存储器304、所述摄像机306相互连接。
所述处理器302是所述单目测距装置300的控制中心,利用各种接口和线路连接所述单目测距装置300的各个部分,通过运行或加载存储在所述存储器304内的应用程序,以及调用存储在所述存储器304内的数据和指令,执行所述单目测距装置300的各种功能和处理数据,从而对目标物体测距;所述摄像机306用于采集包含目标物体的图像。在一实施例中,所述摄像机306包含单目摄像镜头。
具体地,所述处理器302可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
所述存储器304可以包括用于数据或指令的大容量存储器。举例来说而非限制,所述存储器304可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,所述存储器304可包括可移除或不可移除(或固定)的介质。在合适的情况下,所述存储器304可在数据处理装置的内部或外部。在特定实施例中,所述存储器304是非易失性固态存储器。在特定实施例中,所述存储器304包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
所述处理器302通过读取并执行所述存储器304中存储的计算机程序指令,以实现上述实施例中的任意一种单目测距方法。
另外,结合上述实施例中的单目测距方法,本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种单目测距方法。
总结来说,单目测距方法、装置及计算机可读存储介质,可精确计算目标物体的距离,且对立体物体的测距一样适用。
值得注意的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种单目测距方法,其特征在于,所述方法包括以下步骤:
获取摄像镜头参数;
采集包含目标物体的第一图像及第二图像;
分别对所述第一图像及所述第二图像进行降噪处理;
分割降噪后的所述第一图像为多个第一子图像以及分割降噪后的所述第二图像为多个第二子图像;
分别对所述多个第一子图像及所述多个第二子图像进行边缘提取,得到多个第一边缘图像及多个第二边缘图像;
使用模拟积分算法分别累加所述多个第一边缘图像及所述多个第二边缘图像中的灰度信息;
对所述多个第一边缘图像及所述多个第二边缘图像中的灰度积分信息进行自适应归一化处理;
分别计算所述多个第一边缘图像及所述多个第二边缘图像中的物距;以及
使用高斯融合算法整合计算取得的多个物距,以计算出所述目标物体的距离。
2.如权利要求1所述之单目测距方法,其特征在于,所述分别对所述第一图像及所述第二图像进行降噪处理的步骤,包括:
使用高斯降噪算法对所述第一图像及所述第二图像进行降噪处理。
3.如权利要求1所述之单目测距方法,其特征在于,所述多个第一子图像的数量与所述多个第二子图像的数量相同。
4.如权利要求1所述之单目测距方法,其特征在于,所述分别对所述多个第一子图像及所述多个第二子图像进行边缘提取,得到多个第一边缘图像及多个第二边缘图像的步骤包括:
使用Sobel运算元对所述多个第一子图像及所述多个第二子图像进行边缘提取。
5.如权利要求4所述之单目测距方法,其特征在于,所述Sobel运算元包含横向Sobel运算元以及纵向Sobel运算元。
6.一种单目测距装置,其特征在于,所述单目测距装置包括:
摄像头;
处理器;以及
存储器,用于存储至少一个计算机程序,其中,所述计算机程序包含由所述处理器执行的指令,使得所述处理器执行以下步骤:
获取所述摄像头的摄像镜头参数;
采集包含目标物体的第一图像及第二图像;
分别对所述第一图像及所述第二图像进行降噪处理;
分割降噪后的所述第一图像为多个第一子图像以及分割降噪后的所述第二图像为多个第二子图像;
分别对所述多个第一子图像及所述多个第二子图像进行边缘提取,得到多个第一边缘图像及多个第二边缘图像;
使用模拟积分算法分别累加所述多个第一边缘图像及所述多个第二边缘图像中的灰度信息;
对所述多个第一边缘图像及所述多个第二边缘图像中的灰度积分信息进行自适应归一化处理;
分别计算所述多个第一边缘图像及所述多个第二边缘图像中的物距;以及
使用高斯融合算法整合计算取得的多个物距,以计算出所述目标物体的距离。
7.如权利要求6所述之单目测距装置,其特征在于,所述分别对所述第一图像及所述第二图像进行降噪处理的步骤,包括:
使用高斯降噪算法对所述第一图像及所述第二图像进行降噪处理。
8.如权利要求6所述之单目测距装置,其特征在于,所述多个第一子图像的数量与所述多个第二子图像的数量相同。
9.如权利要求6所述之单目测距装置,其特征在于,所述分别对所述多个第一子图像及所述多个第二子图像进行边缘提取,得到多个第一边缘图像及多个第二边缘图像的步骤包括:
使用Sobel运算元对所述多个第一子图像及所述多个第二子图像进行边缘提取。
10.一种计算器可读存储介质,其特征在于,存储有可执行程序,所述可执行程序被处理器执行时,实现如权利要求1至5任一所述的单目测距方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010584067.XA CN113838075B (zh) | 2020-06-23 | 2020-06-23 | 单目测距方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010584067.XA CN113838075B (zh) | 2020-06-23 | 2020-06-23 | 单目测距方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113838075A CN113838075A (zh) | 2021-12-24 |
CN113838075B true CN113838075B (zh) | 2024-01-09 |
Family
ID=78964227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010584067.XA Active CN113838075B (zh) | 2020-06-23 | 2020-06-23 | 单目测距方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113838075B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114638880B (zh) * | 2022-05-23 | 2022-08-12 | 中国科学技术大学先进技术研究院 | 平面测距方法、单目摄像头及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899554A (zh) * | 2015-05-07 | 2015-09-09 | 东北大学 | 一种基于单目视觉的车辆测距方法 |
CN109059895A (zh) * | 2018-03-28 | 2018-12-21 | 南京航空航天大学 | 一种基于手机摄像头和传感器的多模态室内测距及定位方法 |
CN109883391A (zh) * | 2019-03-20 | 2019-06-14 | 北京环境特性研究所 | 基于微透镜阵列数字成像的单目测距方法 |
CN110297232A (zh) * | 2019-05-24 | 2019-10-01 | 合刃科技(深圳)有限公司 | 基于计算机视觉的单目测距方法、装置及电子设备 |
CN110470219A (zh) * | 2019-08-16 | 2019-11-19 | 福建农林大学 | 基于边缘频谱保留的散焦图像测距方法及装置 |
JP2020006788A (ja) * | 2018-07-06 | 2020-01-16 | 株式会社明電舎 | 建築限界判定装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105517677B (zh) * | 2015-05-06 | 2018-10-12 | 北京大学深圳研究生院 | 深度图/视差图的后处理方法和装置 |
-
2020
- 2020-06-23 CN CN202010584067.XA patent/CN113838075B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899554A (zh) * | 2015-05-07 | 2015-09-09 | 东北大学 | 一种基于单目视觉的车辆测距方法 |
CN109059895A (zh) * | 2018-03-28 | 2018-12-21 | 南京航空航天大学 | 一种基于手机摄像头和传感器的多模态室内测距及定位方法 |
JP2020006788A (ja) * | 2018-07-06 | 2020-01-16 | 株式会社明電舎 | 建築限界判定装置 |
CN109883391A (zh) * | 2019-03-20 | 2019-06-14 | 北京环境特性研究所 | 基于微透镜阵列数字成像的单目测距方法 |
CN110297232A (zh) * | 2019-05-24 | 2019-10-01 | 合刃科技(深圳)有限公司 | 基于计算机视觉的单目测距方法、装置及电子设备 |
CN110470219A (zh) * | 2019-08-16 | 2019-11-19 | 福建农林大学 | 基于边缘频谱保留的散焦图像测距方法及装置 |
Non-Patent Citations (5)
Title |
---|
Deep Monocular Depth Estimation via Integration of Global and Local Predictions;Youngjung Kim;《IEEE》;全文 * |
Robust Vehicle Detection and Distance Estimation Under Challenging Lighting Conditions;Mahdi Rezaei;《IEEE》;全文 * |
基于单目视觉的测距算法研究;曾素娣;《中国优秀硕士学位论文全文数据库》;全文 * |
多传感器信息融合的服务机器人导航方法;张圣祥;庄礼鸿;;单片机与嵌入式系统应用(03);全文 * |
红外图像处理在汽车防撞系统中的运用;弓振鹏;丁鼎;;汽车科技(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113838075A (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107533753B (zh) | 图像处理装置 | |
CN110248097B (zh) | 追焦方法、装置、终端设备、计算机可读存储介质 | |
CN113766125B (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 | |
CN110191287B (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 | |
JP2012058188A (ja) | 校正装置、距離計測システム、校正方法および校正プログラム | |
CN109559353B (zh) | 摄像模组标定方法、装置、电子设备及计算机可读存储介质 | |
CN113572958B (zh) | 一种自动触发摄像机聚焦的方法及设备 | |
CN110490196B (zh) | 主体检测方法和装置、电子设备、计算机可读存储介质 | |
JP2015072155A (ja) | 画像処理装置、撮像装置及び画像処理方法 | |
JP6466038B1 (ja) | 画像処理装置および画像処理方法 | |
CN112200851A (zh) | 一种基于点云的目标检测方法、装置及其电子设备 | |
CN114463184B (zh) | 图像拼接方法、装置及存储介质、电子设备 | |
CN113838075B (zh) | 单目测距方法、装置及计算机可读存储介质 | |
CN110399823B (zh) | 主体跟踪方法和装置、电子设备、计算机可读存储介质 | |
CN105335959B (zh) | 成像装置快速对焦方法及其设备 | |
JP5968379B2 (ja) | 画像処理装置およびその制御方法 | |
JP2015207090A (ja) | 画像処理装置、及びその制御方法 | |
JP2021051347A (ja) | 距離画像生成装置及び距離画像生成方法 | |
CN116681732B (zh) | 一种基于复眼形态视觉的目标运动识别方法及系统 | |
JP2013251005A (ja) | 画像補正方法 | |
JP6201798B2 (ja) | システム、情報処理装置、情報処理方法、および情報処理プログラム | |
CN110689007B (zh) | 主体识别方法和装置、电子设备、计算机可读存储介质 | |
CN110688926B (zh) | 主体检测方法和装置、电子设备、计算机可读存储介质 | |
CN112634298B (zh) | 图像处理方法及装置、存储介质、终端 | |
CN114762019A (zh) | 摄像机系统 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 530033 plant B of Foxconn Nanning science and Technology Park, No. 51 Tongle Avenue, Jiangnan District, Nanning City, Guangxi Zhuang Autonomous Region Applicant after: Nanning Fulian Fugui Precision Industry Co.,Ltd. Address before: 530007 the Guangxi Zhuang Autonomous Region Nanning hi tech Zone headquarters road 18, China ASEAN enterprise headquarters three phase 5 factory building Applicant before: NANNING FUGUI PRECISION INDUSTRIAL Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |