CN114240984B - 一种圆形标志点边缘提取方法及其应用 - Google Patents

一种圆形标志点边缘提取方法及其应用 Download PDF

Info

Publication number
CN114240984B
CN114240984B CN202111576370.6A CN202111576370A CN114240984B CN 114240984 B CN114240984 B CN 114240984B CN 202111576370 A CN202111576370 A CN 202111576370A CN 114240984 B CN114240984 B CN 114240984B
Authority
CN
China
Prior art keywords
point
points
edge
evaluated
mark
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
CN202111576370.6A
Other languages
English (en)
Other versions
CN114240984A (zh
Inventor
尹仕斌
郭寅
郭磊
孙博
杜学强
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.)
Yi Si Si Hangzhou Technology Co ltd
Original Assignee
Yi Si Si Hangzhou Technology 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 Yi Si Si Hangzhou Technology Co ltd filed Critical Yi Si Si Hangzhou Technology Co ltd
Priority to CN202111576370.6A priority Critical patent/CN114240984B/zh
Publication of CN114240984A publication Critical patent/CN114240984A/zh
Application granted granted Critical
Publication of CN114240984B publication Critical patent/CN114240984B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种圆形标志点边缘提取方法，先提取疑似边缘点，组成点集Q；再将点集Q所在圆周等分为N段，依次对各段进行编号；将点集Q中各点与其所在段的编号进行关联；对于点集Q中的点分别进行筛选，将各点八邻域中还包含两个同属于点集Q中的点标记为种子点；任选一个种子点记为待评价点，再找到新的待评价点，判断新的待评价点是否为真实边缘点：遍历各点，直到满足条件，圆形标志点边缘提取完成，本发明还涉及一种利用边缘点对圆形标志点成像质量进行评估的方法，将成像不佳的标志点剔除，本方法能够有效抑制噪声点的干扰，获得准确的边缘点。

Description

一种圆形标志点边缘提取方法及其应用
技术领域
本发明涉及视觉测量领域，具体涉及一种圆形标志点边缘提取方法及其应用。
背景技术
圆形标志点被广泛用于视觉测量过程，如标定过程中，利用设有圆形标志点的靶标进行相机标定；在摄影测量系统中，利用圆形标志点构建全局精度控制场。标志点的误检和漏检(准确率和召回率)都可能影响标定/测量的精度；因此，需要准确获取标志点边缘，进而拟合出标志点圆心坐标。现有的边缘点提取方法，仅通过阈值设置筛选符合要求的边缘点，容易混入噪点，影响边缘提取的准确性。
发明内容
为了解决上述技术问题，本发明提供一种圆形标志点边缘提取方法及其应用，本方法能够有效抑制噪声点的干扰，获得准确的边缘点，提高后续标志点圆心的提取精度，可用于各类型圆形标志点的实时识别、检测；还利用边缘点判断圆形标志点的成像质量，将成像质量不佳的圆形标志点剔除。
技术方案如下：
一种圆形标志点边缘提取方法，先依据边缘提取方法确定单个圆形标志点的ROI区域，基于ROI区域内各像素点的水平梯度sobelx和垂直梯度sobely提取疑似边缘点，组成点集Q；
包括如下步骤：
1)计算获取点集Q中各点的梯度值和梯度方向；将点集Q所在圆周等分为N段，N取值为偶数且N≥4；依次对各段进行编号；将点集Q中各点与其所在段的编号进行关联；
2)对于点集Q中的点分别进行筛选，将各点八邻域中还包含两个同属于点集Q中的点标记为种子点；
3)任选一个种子点记为待评价点，以其为起始位置在点集Q中按照方向A筛选真实边缘点；所述方向A为顺时针或逆时针；
对起始位置的待评价点的八邻域按照与所述筛选方向相同的方向进行筛选，找出第一个点集Q中的点记为新的待评价点；
按照如下方法判断新的待评价点是否为真实边缘点：①以待评价点为中心确定八邻域；②依据待评价点的梯度方向将所述八邻域划为两部分，去掉前一待评价点所在侧的邻域及梯度方向所在的邻域，将剩下邻域作为检索邻域；③按照方向A查找第一个属于点集Q的点，作为新的待评价点；能对应找到新的待评价点的待评价点记为真实边缘点，反之退出判断；
对于新的待评价点采用相同方法判断其是否为真实边缘点；
4)若步骤3)得到的所有真实边缘点同时满足以下两个条件，则认为圆形标志点边缘提取完成，反之在其余种子点中重新任选一个种子点进行步骤3)；若步骤2)中所有种子点最终得到的真实边缘点均不能满足条件，则认为ROI区域划定有误，重新划定ROI区域进行判定；
条件一：步骤3)最终获取的真实边缘点的数量占点集Q中点数量的比例满足预设条件；
条件二：首次和末次的待评价点所在段的编号相同或相邻。
进一步，步骤1)点集Q中各点所在圆弧段的编号按照如下方法确定：
其中，g为具体点所在圆弧的编号；sobelx、sobely为同一点的水平梯度、垂直梯度；表示向下取整，％表示取余数运算；atan2表示求取/>弧度表示的反正切值。
优选，ROI区域的获取方法为：
对图像进行二值化处理，对二值化图像进行连通域处理，将连通域最小外接矩形所在的区域，记为ROI区域；
当所述标志点为反光标志点，二值化的阈值设为40～70；
当所述标志点为哑光标志点，进行两次二值化处理：第一次的二值化处理的阈值取值为40～80，将背景点剔除后，利用剩余的像素点灰度图进行第二次二值化处理，第二次的二值化处理的阈值取值为150～200。
进一步，梯度值＝|sobelx|+|sobely|；其中，水平梯度sobelx和垂直梯度sobely利用sobel算法求取。
本发明还提出了一种利用圆形标志点边缘提取方法进行标志点成像质量评估的方法，包括：
利用边缘点进行椭圆拟合获取标志点圆心坐标、长轴和短轴，若长轴、短轴之比大于预设值，则表示标志点的形变大、成像质量差。
进一步，沿梯度方向在单个边缘点的两侧分别查找与边缘点距离最近且梯度值小于阈值的像素点，计算被找到的两个边缘点之间的距离；对其他边缘点采用相同的处理，获取距离均值，若距离均值超出预设距离，则标志点离焦、成像质量差。
本方法先通过梯度对像素点进行初步筛选获取，再利用像素点在圆周上的分布情况，为各个疑似边缘点关联编号，再确定种子点、搜索范围和搜索方向，获得准确的边缘点，能够有效抑制噪声点的干扰。提高后续标志点圆心的提取精度，作为本方法的一种应用，利用拟合得到的长轴、短轴判断标志点的成像质量，将成像质量不佳的标志点剔除。本方法快速、准确，可用于各类型圆形标志点的实时识别、检测。
本方法可有效检测像素宽度超过6个像素的标志点，对于图像分辨率4096×3068，且圆形标志点在40个以内的图像，本方法处理时间为20um，满足实时性需求。
附图说明
图1为反光标志点实际采集图；
图2a为当标志点为黑色时各段圆弧的编号；
图2b为当标志点为白色时各段圆弧的编号。
具体实施方式
以下结合附图和具体实施方式对本发明的技术方案进行详细描述。
一种圆形标志点边缘提取方法，先依据边缘提取方法确定单个圆形标志点的ROI区域，基于ROI区域内各像素点的水平梯度sobelx和垂直梯度sobely提取疑似边缘点，组成点集Q；
具体而言，以当前像素点为起点、沿梯度方向查找多个像素点，若当前像素点的梯度值大于预设值A(90～130)，且梯度值大于被查找到的各像素点的梯度值，则保留该像素点记为疑似边缘点，否则剔除；
再利用如下步骤，获取真实边缘点：
1)计算获取点集Q中各点的梯度值和梯度方向；将点集Q所在圆周等分为N段，N取值为偶数且N≥4；依次对各段进行编号；将点集Q中各点与其所在段的编号进行关联；
其中，梯度值＝|sobelx|+|sobely|；水平梯度sobelx和垂直梯度sobely利用sobel算法求取；
如图2a所示，当标志点为黑色时，将点集Q所在圆周等分为8段，沿圆周逆时针方向为每段圆弧编号；
如图2b所示；当标志点为白色时，将点集Q所在圆周等分为8段，沿圆周顺时针方向为每段圆弧编号；
2)对于点集Q中的点分别进行筛选，将各点八邻域中还包含两个同属于点集Q中的点标记为种子点；
3)任选一个种子点记为待评价点，以其为起始位置在点集Q中按照方向A筛选真实边缘点；方向A为顺时针或逆时针；
对起始位置的待评价点的八邻域按照与筛选方向相同的方向进行筛选，找出第一个点集Q中的点记为新的待评价点；
按照如下方法判断新的待评价点是否为真实边缘点：①以待评价点为中心确定八邻域；②依据待评价点的梯度方向将八邻域划为两部分，去掉前一待评价点所在侧的邻域及梯度方向所在的邻域，将剩下邻域作为检索邻域；③按照方向A查找第一个属于点集Q的点，作为新的待评价点；能对应找到新的待评价点的待评价点记为真实边缘点，反之退出判断；
对于新的待评价点采用相同方法判断其是否为真实边缘点；
4)若步骤3)得到的所有真实边缘点同时满足以下两个条件，则认为圆形标志点边缘提取完成，反之在其余种子点中重新任选一个种子点进行步骤3)；若步骤2)中所有种子点最终得到的真实边缘点均不能满足条件，则认为ROI区域划定有误，重新划定ROI区域进行判定；
条件一：步骤3)最终获取的真实边缘点的数量占点集Q中点数量的比例满足预设条件；具体实施时，可以设置比例为0.8～0.95；
条件二：首次和末次的待评价点所在段的编号相同或相邻。
其中，步骤1)点集Q中各点所在圆弧段的编号按照如下方法确定：
其中，g为具体点所在圆弧的编号；sobelx、sobely为同一点的水平梯度、垂直梯度；表示向下取整，％表示取余数运算；atan2表示求取/>弧度表示的反正切值。
当N取值4，点集Q中各点所在圆弧段的编号：
当N取值8，点集Q中各点所在圆弧段的编号：
作为一种优选的实施方式，ROI区域的获取方法为：
对图像进行二值化处理，对二值化图像进行连通域处理，将连通域最小外接矩形所在的区域，记为ROI区域；
由于工业现场环境复杂多样，需根据使用环境设置不同类型的标志点，通常标志点类型包括：反光标志点、哑光标志点、白色标志点、黑色标志点；其中，反光标志点对光照敏感，容易将曝光不足或过曝的点混入边缘；哑光标志点灰度变化大、曝光程度不一致、识别难度高；针对各类型标志点可以进行不同的处理：
当标志点为反光标志点(如图1)，二值化的阈值设为40～70；本实施例中，取值50；
当标志点为哑光标志点，进行两次二值化处理：第一次的二值化处理的阈值取值为40～80，将背景点剔除后，利用剩余的像素点灰度图进行第二次二值化处理，第二次的二值化处理的阈值取值为150～200。
本发明还提出了一种利用圆形标志点边缘提取方法进行标志点成像质量评估的方法，包括：
利用边缘点进行椭圆拟合获取标志点圆心坐标、长轴和短轴，若长轴、短轴之比大于预设值，则表示标志点的形变大、成像质量差。
进一步，沿梯度方向在单个边缘点的两侧分别查找与边缘点距离最近且梯度值小于阈值的像素点，计算被找到的两个边缘点之间的距离；对其他边缘点采用相同的处理，获取距离均值，若距离均值超出预设距离，则标志点离焦、成像质量差。
圆形标志点成像质量评估方法具体应用过程：采集标定板或被测物表面的标志点图像，图像中包括多个特征点，分别获取每个标定点的边缘点，再利用边缘点评估标志点的成像质量，若标志点成像质量差，则将该标志点去除，利用其它标志点进行后续计算，提高后续计算的精度。
前面对本发明具体示例性实施方案所呈现的描述是出于说明和描述的目的。前面的描述并不想要成为毫无遗漏的，也不是想要把本发明限制为所公开的精确形式，显然，根据上述教导很多改变和变化都是可能的。选择示例性实施方案并进行描述是为了解释本发明的特定原理及其实际应用，从而使得本领域的其它技术人员能够实现并利用本发明的各种示例性实施方案及其不同选择形式和修改形式。本发明的范围旨在由所附权利要求书及其等价形式所限定。

Claims (6)

1.一种圆形标志点边缘提取方法，先依据边缘提取方法确定单个圆形标志点的ROI区域，基于ROI区域内各像素点的水平梯度sobelx和垂直梯度sobely提取疑似边缘点，组成点集Q；
其特征在于，包括如下步骤：
1)计算获取点集Q中各点的梯度值和梯度方向；将点集Q所在圆周等分为N段，N取值为偶数且N≥4；依次对各段进行编号；将点集Q中各点与其所在段的编号进行关联；
2)对于点集Q中的点分别进行筛选，将各点八邻域中还包含两个同属于点集Q中的点标记为种子点；
3)任选一个种子点记为待评价点，以其为起始位置在点集Q中按照方向A筛选真实边缘点；所述方向A为顺时针或逆时针；
对起始位置的待评价点的八邻域按照与所述筛选方向相同的方向进行筛选，找出第一个点集Q中的点记为新的待评价点；
按照如下方法判断新的待评价点是否为真实边缘点：①以待评价点为中心确定八邻域；②依据待评价点的梯度方向将所述八邻域划为两部分，去掉前一待评价点所在侧的邻域及梯度方向所在的邻域，将剩下邻域作为检索邻域；③按照方向A查找第一个属于点集Q的点，作为新的待评价点；能对应找到新的待评价点的待评价点记为真实边缘点，反之退出判断；
对于新的待评价点采用相同方法判断其是否为真实边缘点；
4)若步骤3)得到的所有真实边缘点同时满足以下两个条件，则认为圆形标志点边缘提取完成，反之在其余种子点中重新任选一个种子点进行步骤3)；若步骤2)中所有种子点最终得到的真实边缘点均不能满足条件，则认为ROI区域划定有误，重新划定ROI区域进行判定；
条件一：步骤3)最终获取的真实边缘点的数量占点集Q中点数量的比例满足预设条件；
条件二：首次和末次的待评价点所在段的编号相同或相邻。
2.如权利要求1所述圆形标志点边缘提取方法，其特征在于：步骤1)点集Q中各点所在圆弧段的编号按照如下方法确定：
其中，g为具体点所在圆弧的编号；sobelx、sobely为同一点的水平梯度、垂直梯度；表示向下取整，％表示取余数运算；atan2表示求取/>弧度表示的反正切值。
3.如权利要求1所述圆形标志点边缘提取方法，其特征在于ROI区域的获取方法为：
对图像进行二值化处理，对二值化图像进行连通域处理，将连通域最小外接矩形所在的区域，记为ROI区域；
当所述标志点为反光标志点，二值化的阈值设为40～70；
当所述标志点为哑光标志点，进行两次二值化处理：第一次的二值化处理的阈值取值为40～80，将背景点剔除后，利用剩余的像素点灰度图进行第二次二值化处理，第二次的二值化处理的阈值取值为150～200。
4.如权利要求1所述圆形标志点边缘提取方法，其特征在于：梯度值＝|sobelx|+|sobely|；其中，水平梯度sobelx和垂直梯度sobely利用sobel算法求取。
5.利用权利要求1所述圆形标志点边缘提取方法进行标志点成像质量评估的方法，其特征在于，包括：
利用边缘点进行椭圆拟合获取标志点圆心坐标、长轴和短轴，若长轴、短轴之比大于预设值，则表示标志点的形变大、成像质量差。
6.如权利要求5所述的方法，其特征在于：沿梯度方向在单个边缘点的两侧分别查找与边缘点距离最近且梯度值小于阈值的像素点，计算被找到的两个边缘点之间的距离；对其他边缘点采用相同的处理，获取距离均值，若距离均值超出预设距离，则标志点离焦、成像质量差。
CN202111576370.6A 2021-12-22 2021-12-22 一种圆形标志点边缘提取方法及其应用 Active CN114240984B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111576370.6A CN114240984B (zh) 2021-12-22 2021-12-22 一种圆形标志点边缘提取方法及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111576370.6A CN114240984B (zh) 2021-12-22 2021-12-22 一种圆形标志点边缘提取方法及其应用

Publications (2)

Publication Number Publication Date
CN114240984A CN114240984A (zh) 2022-03-25
CN114240984B true CN114240984B (zh) 2024-05-31

Family

ID=80760888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111576370.6A Active CN114240984B (zh) 2021-12-22 2021-12-22 一种圆形标志点边缘提取方法及其应用

Country Status (1)

Country Link
CN (1) CN114240984B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117115242B (zh) * 2023-10-17 2024-01-23 湖南视比特机器人有限公司 标志点的识别方法、计算机存储介质和终端设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111079802A (zh) * 2019-12-02 2020-04-28 易思维（杭州）科技有限公司 一种基于梯度信息的匹配方法
CN111079803A (zh) * 2019-12-02 2020-04-28 易思维（杭州）科技有限公司 基于梯度信息的模板匹配方法
WO2020155792A1 (en) * 2019-01-31 2020-08-06 Boe Technology Group Co., Ltd. Pupil positioning method and apparatus, vr/ar apparatus and computer readable medium

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020155792A1 (en) * 2019-01-31 2020-08-06 Boe Technology Group Co., Ltd. Pupil positioning method and apparatus, vr/ar apparatus and computer readable medium
CN111079802A (zh) * 2019-12-02 2020-04-28 易思维（杭州）科技有限公司 一种基于梯度信息的匹配方法
CN111079803A (zh) * 2019-12-02 2020-04-28 易思维（杭州）科技有限公司 基于梯度信息的模板匹配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种新的用于光学测量的圆点检测算法;盖绍彦;达飞鹏;杨伟光;;东南大学学报(自然科学版);20100320(第02期);全文 *
视觉测量中环形编码标志点的精确识别算法研究;倪章松;成垒;顾艺;陈然;刘甍;钟凯;李中伟;;新技术新工艺;20161225(第12期);全文 *

Also Published As

Publication number Publication date
CN114240984A (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
CN111243032B (zh) 一种棋盘格角点全自动检测方法
CN112508826B (zh) 一种印刷品缺陷检测方法
CN107463918B (zh) 基于激光点云与影像数据融合的车道线提取方法
CN108759973B (zh) 一种水位测量方法
CN105488454B (zh) 基于单目视觉的前方车辆检测与测距
CN110136120B (zh) 一种基于机器视觉的丝网印刷样板尺寸测量方法
CN110807355B (zh) 一种基于移动机器人的指针仪表检测与读数识别方法
CN109900711A (zh) 基于机器视觉的工件缺陷检测方法
CN109859226B (zh) 一种图形分割的棋盘格角点亚像素的检测方法
CN108986129B (zh) 标定板检测方法
CN111950330A (zh) 一种基于目标检测的指针式仪表示数检测方法
CN104331695B (zh) 一种鲁棒的圆形标志符形状质量检测方法
CN107358628B (zh) 基于靶标的线阵图像处理方法
CN105823416A (zh) 多相机测量物体的方法和装置
CN115439476B (zh) 基于图像分析的丝印缺陷检测方法及装置
CN107230212B (zh) 一种基于视觉的手机尺寸的测量方法及系统
CN113724193A (zh) Pcba零部件尺寸及间隙高精度视觉测量方法
CN111401357A (zh) 基于文本检测的指针式仪表读数方法
CN108009556A (zh) 一种基于定点图像分析的河道漂浮物检测方法
CN109190742A (zh) 一种基于灰度特征的编码特征点的解码方法
CN114240984B (zh) 一种圆形标志点边缘提取方法及其应用
CN114005108A (zh) 一种基于坐标变换的指针式仪表度数识别方法
CN107992788B (zh) 识别交通灯的方法、装置及车辆
CN105389818B (zh) 元件的定位方法和系统
CN113554688B (zh) 一种基于单目视觉的o型密封圈尺寸测量方法

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
CB02 Change of applicant information

Country or region after: China

Address after: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051

Applicant after: Yi Si Si (Hangzhou) Technology Co.,Ltd.

Address before: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051

Applicant before: ISVISION (HANGZHOU) TECHNOLOGY Co.,Ltd.

Country or region before: China

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant