CN114299137A - 激光光斑中心定位方法及测试系统 - Google Patents
激光光斑中心定位方法及测试系统 Download PDFInfo
- Publication number
- CN114299137A CN114299137A CN202111610932.4A CN202111610932A CN114299137A CN 114299137 A CN114299137 A CN 114299137A CN 202111610932 A CN202111610932 A CN 202111610932A CN 114299137 A CN114299137 A CN 114299137A
- Authority
- CN
- China
- Prior art keywords
- spot
- laser
- image
- laser spot
- light
- 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.)
- Pending
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提出了一种激光光斑中心定位方法及测试系统。方法包括:获取激光光斑图像;对获取的激光光斑图像进行光斑保边界去噪预处理;确定预处理后的激光光斑图像的光斑面积;根据光斑面积计算半径并构造disk掩膜;使用掩膜对激光光斑图像进行遍历和模板匹配,确定激光光斑图像中的光斑最大能量中心点。本发明提出的激光光斑中心定位方法及测试系统,大大节省了光斑质量测试试验成本,有效实现远距离下激光光斑中心实时定位。并且该方法在近场光斑与远场不规则光斑的中心检测均具有优异鲁棒性和准确性,提高了光斑性能检验精度,从而指导该类产品的指标设计,缩短同类产品的研制周期与经费。
Description
技术领域
本发明涉及激光技术领域,尤其涉及一种激光光斑中心定位方法及测试系统。
背景技术
远近程自适应的激光光斑中心定位是一个极为困难的问题,在近距离光斑标轴中,由于光斑能量聚集,形状规则,很容易实现能量中心提取,然而随着距离增加,激光在远距离大气中传输因为大气湍流、热晕、粒子散射等大气效应导致光斑发散,光斑分离成不规则形状,无法通过边界拟合等方法得到精确的目标能量中心,存在偏差。
激光光斑中心定位应用广泛,能提高包括远程激光红外复合探测系统、远程激光测距系统、远程激光切割、远程激光照射系统的光斑性能检验精度和激光与图像中心的配准精度。
对近场光斑的检测主要方法(几何中心法、质心法、加权插值法、最小二乘圆拟合法、特征点识别和空间中心矩)要求光斑分割精确度较高,否则边界零散像素值会加权到光斑中心计算中,使计算的光斑中心产生偏移。在远场光斑的检测和中心定位过程中,光斑发散,光斑分离成不规则形状,上述方法或者在实时性上,或者在稳定性上均无法达到理想效果。
发明内容
本发明要解决的技术问题是如何保证算法在不同距离下,不同光斑大小,不同规则度的光斑均能找到其能量中心,如何提高激光光斑中心定位精度,如何提高连续多帧的激光光斑中心定位稳定度,本发明提出一种激光光斑中心定位方法及测试系统。
根据本发明实施例的激光光斑中心定位方法,包括:
获取激光光斑图像;
对获取的激光光斑图像进行光斑保边界去噪预处理;
确定预处理后的激光光斑图像的光斑面积;
根据所述光斑面积计算半径并构造disk掩膜;
使用掩膜对激光光斑图像进行遍历和模板匹配,确定激光光斑图像中的光斑最大能量中心点。
根据本发明的一些实施例,采用基于双边滤波的光斑去噪算法进行光斑保边界去噪预处理处理。
在本发明的一些实施例中,确定预处理后的激光光斑图像的光斑面积包括:
将预处理得到的预处理图像与激光光斑图像作差后进行图像增强得到增强图像;
结合Ostu算法与形态学滤波对所述增强图像进行阈值分割后生成二值化图像;
基于所述二值化图像计算光斑面积。
根据本发明的一些实施例,图像增强采用以下方法之一:伽马拉伸、DDE增强及自适应直方图。
在本发明的一些实施例中,采集的所述激光光斑图像为连续激光光斑视频帧数据。
根据本发明的一些实施例,获取的所述激光光斑图像为对由激光光源向距离范围在1米至100km的目标发射激光形成的光斑采集的。
根据本发明实施例的激光光斑中心定位测试系统,包括:
激光发射源,用于发射激光;
靶标,用于接收激光;
采集单元,用于获取所述靶标上的激光光斑图像;
处理设备,所述处理设备采用如上所述的激光光斑中心定位方法对获取的激光光斑图像进行中心定位。
根据本发明的一些实施例,所述靶标为可移动靶标,且高度可调节。
在本发明的一些实施例中,所述处理设备为存储有运行确定激光光斑中心定位方法程序的便携式计算机。
根据本发明的一些实施例,所述采集单元为以下之一:CCD相机、CMOS相机、可见光采集单元、低照度采集单元、微光采集单元、红外采集单元及紫外采集单元。
综上所述,本发明提出的激光光斑中心定位方法及测试系统,大大节省了光斑质量测试试验成本,有效实现远距离下激光光斑中心实时定位。并且该方法在近场光斑与远场不规则光斑的中心检测均具有优异鲁棒性和准确性,提高了包括机载舰载激光武器、机载光电雷达、地面防空激光照射、激光测距与激光打击等系统的光斑性能检验精度,从而指导该类产品的指标设计,缩短同类产品的研制周期与经费。
附图说明
图1为根据本发明实施例的激光光斑中心定位方法流程图;
图2为根据本发明实施例的激光光斑中心定位方法流程图;
图3为根据本发明实施例的激光光斑中心定位测试系统示意图;
图4为根据本发明实施例的伽马拉伸前16位原始图像灰度分布
图5为根据本发明实施例的伽马拉伸后8位增强图像灰度分布;
图6为根据本发明实施例的disk掩膜示意图;
图7为根据本发明实施例的disk掩膜遍历卷积示意图;
图8为根据本发明实施例的近场光斑中心检测示意图;
图9为根据本发明实施例的远场光斑中心检测示意图;
图10为根据本发明实施例的近场光斑中心偏移量示意图;
图11为根据本发明实施例的远场光斑中心偏移量示意图;
图12为根据本发明实施例的激光光斑中心定位测试系统工作流程图。
附图标记:
测试系统100,
激光发射源10,靶标20,采集单元30,处理设备40。
具体实施方式
为更进一步阐述本发明为达成预定目的所采取的技术手段及功效,以下结合附图及较佳实施例,对本发明进行详细说明如后。
本发明中说明书中对方法流程的描述及本发明说明书附图中流程图的步骤并非必须按步骤标号严格执行,方法步骤是可以改变执行顺序的。而且,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
如图1所示,根据本发明实施例的激光光斑中心定位方法,包括:
S100,获取激光光斑图像;
S200,对获取的激光光斑图像进行光斑保边界去噪预处理;
S300,确定预处理后的激光光斑图像的光斑面积;
S400,根据光斑面积计算半径并构造disk掩膜;
S500,使用掩膜对激光光斑图像进行遍历和模板匹配,确定激光光斑图像中的光斑最大能量中心点。
根据实施例的激光光斑中心定位方法,通过图像亮斑区域增强,自适应掩膜生成,全图遍历找出极值确定能量中心等关键步骤实现激光光斑中心定位,提高了激光光斑中心定位的精度和稳定度。
根据本发明的一些实施例,步骤S200中,采用基于双边滤波的光斑去噪算法进行光斑保边界去噪预处理处理。
在本发明的一些实施例中,步骤S300中,确定预处理后的激光光斑图像的光斑面积包括:
S310,将预处理得到的预处理图像与激光光斑图像作差后进行图像增强得到增强图像;
S320,结合Ostu算法与形态学滤波对增强图像进行阈值分割后生成二值化图像;
S330,基于二值化图像计算光斑面积。
根据本发明的一些实施例,步骤S310中,图像增强采用以下方法之一:伽马拉伸、DDE增强及自适应直方图。
在本发明的一些实施例中,S100中,采集的激光光斑图像为连续激光光斑视频帧数据。
根据本发明的一些实施例,获取的激光光斑图像为对由激光光源向距离范围在1米至100km的目标发射激光形成的光斑采集的。
如图3所示,根据本发明实施例的激光光斑中心定位测试系统100,包括:靶标20、采集单元30和处理设备40。
其中,激光发射源10用于发射激光,靶标20用于接收激光,采集单元30用于获取靶标20上的激光光斑图像。处理设备40采用如上所述的激光光斑中心定位方法对获取的激光光斑图像进行中心定位。
根据本发明的一些实施例,靶标20为可移动靶标20,且高度可调节。
在本发明的一些实施例中,处理设备40为存储有运行确定激光光斑中心定位方法程序的便携式计算机。
根据本发明的一些实施例,采集单元30为以下之一:CCD相机、CMOS相机、可见光采集单元、低照度采集单元、微光采集单元、红外采集单元及紫外采集单元。
综上所述,本发明提出的激光光斑中心定位方法及测试系统100,大大节省了光斑质量测试试验成本,有效实现远距离下激光光斑中心实时定位。并且该方法在近场光斑与远场不规则光斑的中心检测均具有优异鲁棒性和准确性,提高了包括机载舰载激光武器、机载光电雷达、地面防空激光照射、激光测距与激光打击等系统的光斑性能检验精度,从而指导该类产品的指标设计,缩短同类产品的研制周期与经费。
下面参照附图详细描述根据本发明的激光光斑中心定位方法及测试系统100,应用领域包括但不限于机载舰载星载车载地基等载体的激光照射、光电雷达、激光切割,激光测距等系统的光斑性能检验与光斑标定。值得理解的是,下述描述仅是示例性描述,而不应理解为对本发明的具体限制。
结合图2和图12所示,激光光斑中心定位方法,包括:
A1,输入连续激光光斑视频帧数据进行采集和存储;
A2,采用基于双边滤波的光斑去噪算法进行光斑保边界去噪处理;
A3,将滤波结果与原图作差后进行伽马拉伸实现图像增强,接着结合Ostu算法与形态学滤波即最大类间方差对其进行阈值分割后生成二值化图像计算其光斑面积;
A4,根据步骤A3得到的面积求出半径构造自适应大小的disk掩膜,使用掩膜对光斑图像进行遍历和模板匹配;
A5,找到一定孔径下光斑最大能量并最终返回中心点,提升目标远程高精度定位;
A6,算法在得出实时光斑能量中心的同时生成并保存光斑历史帧图像的定位信息与稳定精度。
如图3所示,激光光斑中心定位测试系统100由高度可调的移动靶标20、涵盖激光波段的近红外CCD相机和运行光斑中心定位算法的便携式计算机组成。图3为远距光斑中心检测系统示意图,在近场进行光斑中心查找后,在远距离放置靶标20,将激光器打到靶标20上。采用近红外CCD探测器(0.78~3um)对光斑进行分析,由于其对相关光学谱段范围的激光光束有响应,为此使用近红外探测器对成型激光光斑进行分析,从而采集图像用于光斑中心检测。
其中,激光光斑中心定位及测试系统100首先通过双边滤波对光斑进行保边界去噪处理,并将滤波结果与原图作差后进行伽马拉伸实现图像增强,在进行阈值分割后用二值化图像计算得到光斑面积。根据面积构造自适应大小的disk掩膜,使用掩膜对光斑图像进行模板匹配,找到一定孔径下光斑最大能量并最终返回中心点,从而使得目标远程定位结果更精确,图2为具体远距光斑中心检测流程图。
光斑图像滤波选取双边滤波进行图像增强处理,先通过滤波提取高频分量并滤除噪声点,同时将高频信息叠加到原图上,图像增强则对叠加图像进行伽马拉伸实现光斑增强,提升主要灰度范围细节(图4、5),进而利于下一步使用最大类间方差进行光斑分离。
双边滤波是一种经典的图像滤波方法,是由高斯滤波改进而来,式1为高斯滤波的函数式,对于高斯函数,是一种利用空间距离作为权值系数的函数,通过高斯核与原图相卷积,从而确定光斑中心,临近中心则权重越大。而式2中双边滤波不仅考虑空间信息,也考虑目标灰度信息,灰度值越接近中心点,则权值越大,将空间信息和灰度信息相乘,共同确定权值,式3为双边滤波权重公式。
w(i,j)=ws(i,j)*wr(i,j) (3);
采取先对增强图像进行二值化再确定光斑面积的方法,具体为:
需要检测的图像中仅有光斑和背景,为二分类问题。通过双边滤波对光斑边界进行增强后,可通过类间方差法实现自适应二值化分割。
最大类间方差法进行阈值分割是将一幅图像分成两部分C0和C1。设置阈值T,将小于阈值T的部分定义为背景C0,大于部分定义为前景C1。C0包含的灰度级有[1,..,T-2.T-1],C1包含的灰度级有[T,T+1,...,L].对于每一个灰度级的所有像素,被定义成前景的概率为Pi,可由式4计算,每一类出现的概率分别为w0和w1,式5~6分别为前景和背景的总概率,各类的平均灰度级为μ0和μ1,如下公式7~8。
其中μT是整幅图像的平均灰度,如下
前景和背景的方差由式10~11可得,为此使两类的类内方差和满足类间方差最大,即式12中最大,此时说明前景和背景方差最大,像素错误分类的概率越小,从而来确定分割阈值T,达到自适应阈值分割,实现图像二值化。
最终根据二值化图像确定光斑面积。
为提高光斑中心定位精度,构造disk掩膜,具体为:
通过面积可以构建一个圆形掩膜,用圆形掩膜去卷积光斑图像,提取特征,此时特征图中对应的最大值即为最大能量中心,返回最大值即为最大能量点。以下为半径公式:
构造图6所示disk掩膜并在原图上进行滑动卷积,如图7所示为滑动卷积示意图,掩膜从左上角开始一直遍历整个图像,与原图做卷积,当掩膜完全覆盖对应大小的光斑时,此时其覆盖范围的能量即灰度相加最大,卷积图像中最大值对应的位置的圆心为能量中心。
图12为本发明的一种远近程自适应的激光光斑中心定位算法的流程图,具体实施步骤为:
步骤S1,在远程光斑到达的位置放置移动标靶,调整高度和位置使远程光斑达到靶标;
步骤S2,对输入连续激光光斑视频帧数据进行采集和存储,通过激光发射频率和CCD帧频计算获取每次光斑最亮的峰值帧图像,以此来执行自适应的激光光斑中心定位算法;
步骤S3,采用基于双边滤波的光斑去噪算法进行光斑保边界去噪处理;
步骤S4,将滤波结果与原图作差后进行伽马拉伸实现图像增强,接着结合Ostu算法与形态学滤波即最大类间方差对其进行阈值分割后生成二值化图像计算其光斑面积;
步骤S5,根据S1-S4步骤得到的面积求出半径构造自适应大小的disk掩膜,使用掩膜对光斑图像进行遍历和模板匹配;
步骤S6,找到一定半径下光斑最大能量并最终返回中心点,提升目标远程高精度定位;
步骤S7,算法在得出实时光斑能量中心的同时生成并保存光斑历史帧图像的定位信息与稳定精度。
其中,步骤S1可以加除色卡外的其他增强激光光斑显示的材料或物体,远场光斑的距离不唯一可在1公里到100公里范围内也可以在1米内做该实验,靶标大小不唯一。
步骤S2采用CCD相机样式和波段不唯一,包括但不限于CCD相机、CMOS相机、可见光、低照度、微光、红外、紫外等采集单元。
步骤S3采用的双边滤波去噪处理包括但不限于高斯滤波,中值滤波,引导滤波、盒子滤波、非线性局域滤波。
步骤S4用的图像增强包括但不限于伽马拉伸,DDE增强,自适应直方图等算法。
综上所述,本发明使用的远距光斑中心检测系统为间接式的光斑能量形态采集系统,激光光斑不直接入射到感光采集器件中,既不需要大规模CCD探测器,也不需要复杂的能量缩放光学系统,所需材料均能轻易采购到,且价格低廉,大大降低了系统成本;
虽然是间接式光斑能量形态采集系统,但因光斑里靶标较远,CCD采集单元礼靶标较近,且角度尽量小,能保证光斑采集的精度和采集效率;
本发明所提的一种远近程自适应的激光光斑中心定位算法及测试系统100是所有需要光斑检测和中心定位的产品和系统必要的关键步骤,该方法不仅适合近场光斑中心检测也适用于几公里外的远程激光光斑中心检测和标定(如图8、图9),系统对历史帧的光斑中心进行存储,并实时显示光斑中心和历史帧光斑中心,这个测试过程操作方便、使用简单;
本发明所提的一种远近程自适应的激光光斑中心定位算法及测试系统100是相比较其他方法,激光光斑中心的检测稳定性极高:通过对连续30帧打击光斑进行能量中心分析,对比不同算法发现本文的算法在近场具有较小的离群值,差距在1个像素之内左右,而圆拟合方法中心偏移为2个像素,,质心法同样也由较好的实验效果。但在远场测试中,质心法中心偏移值在±2个像素之内,,而圆拟合方法在±3个像素之内本文算法依然可以保持像素差距在±1个像素之内,具有优异的鲁棒性与准确性。图10和图11所示为不同距离场景下光斑中心偏移量。
本发明所提的一种远近程自适应的激光光斑中心定位算法采用了基于采集到的光斑去动态生成disk圆形掩膜的大小,不同于传统的固定大小半径的形状去找形心或者质心的方法。该方法能自适应改变光斑掩膜大小,而且该方法操作简单,计算量低,因本身远程激光光斑较大,遍历时间较短保证了其自适应性与实时性。
通过具体实施方式的说明,应当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解,然而所附图示仅是提供参考与说明之用,并非用来对本发明加以限制。
Claims (10)
1.一种激光光斑中心定位方法,其特征在于,包括:
获取激光光斑图像;
对获取的激光光斑图像进行光斑保边界去噪预处理;
确定预处理后的激光光斑图像的光斑面积;
根据所述光斑面积计算半径并构造disk掩膜;
使用掩膜对激光光斑图像进行遍历和模板匹配,确定激光光斑图像中的光斑最大能量中心点。
2.根据权利要求1所述的激光光斑中心定位方法,其特征在于,采用基于双边滤波的光斑去噪算法进行光斑保边界去噪预处理处理。
3.根据权利要求1所述的激光光斑中心定位方法,其特征在于,确定预处理后的激光光斑图像的光斑面积包括:
将预处理得到的预处理图像与激光光斑图像作差后进行图像增强得到增强图像;
结合Ostu算法与形态学滤波对所述增强图像进行阈值分割后生成二值化图像;
基于所述二值化图像计算光斑面积。
4.根据权利要求3所述的激光光斑中心定位方法,其特征在于,图像增强采用以下方法之一:伽马拉伸、DDE增强及自适应直方图。
5.根据权利要求1所述的激光光斑中心定位方法,其特征在于,采集的所述激光光斑图像为连续激光光斑视频帧数据。
6.根据权利要求1-5中所述的激光光斑中心定位方法,其特征在于,获取的所述激光光斑图像为对由激光光源向距离范围在1米至100km的目标发射激光形成的光斑采集的。
7.一种激光光斑中心定位测试系统,其特征在于,包括:
激光发射源,用于发射激光;
靶标,用于接收激光;
采集单元,用于获取所述靶标上的激光光斑图像;
处理设备,所述处理设备采用如权利要求1-5中任一项所述的激光光斑中心定位方法对获取的激光光斑图像进行中心定位。
8.根据权利要求7所述的激光光斑中心定位测试系统,其特征在于,所述靶标为可移动靶标,且高度可调节。
9.根据权利要求7所述的激光光斑中心定位测试系统,其特征在于,所述处理设备为存储有运行确定激光光斑中心定位方法程序的便携式计算机。
10.根据权利要求7所述的激光光斑中心定位测试系统,其特征在于,所述采集单元为以下之一:CCD相机、CMOS相机、可见光采集单元、低照度采集单元、微光采集单元、红外采集单元及紫外采集单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111610932.4A CN114299137A (zh) | 2021-12-27 | 2021-12-27 | 激光光斑中心定位方法及测试系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111610932.4A CN114299137A (zh) | 2021-12-27 | 2021-12-27 | 激光光斑中心定位方法及测试系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114299137A true CN114299137A (zh) | 2022-04-08 |
Family
ID=80969647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111610932.4A Pending CN114299137A (zh) | 2021-12-27 | 2021-12-27 | 激光光斑中心定位方法及测试系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114299137A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115393440A (zh) * | 2022-10-27 | 2022-11-25 | 长春理工大学 | 一种光端机信标光斑中心定位方法、存储介质及电子设备 |
CN117315011A (zh) * | 2023-11-30 | 2023-12-29 | 吉林珩辉光电科技有限公司 | 一种大气湍流中光斑中心定位方法及装置 |
-
2021
- 2021-12-27 CN CN202111610932.4A patent/CN114299137A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115393440A (zh) * | 2022-10-27 | 2022-11-25 | 长春理工大学 | 一种光端机信标光斑中心定位方法、存储介质及电子设备 |
CN115393440B (zh) * | 2022-10-27 | 2023-01-24 | 长春理工大学 | 一种光端机信标光斑中心定位方法、存储介质及电子设备 |
CN117315011A (zh) * | 2023-11-30 | 2023-12-29 | 吉林珩辉光电科技有限公司 | 一种大气湍流中光斑中心定位方法及装置 |
CN117315011B (zh) * | 2023-11-30 | 2024-04-02 | 吉林珩辉光电科技有限公司 | 一种大气湍流中光斑中心定位方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410256B (zh) | 基于互信息的点云与影像自动高精度配准方法 | |
CN106875415B (zh) | 一种动态背景中弱小动目标的连续稳定跟踪方法 | |
CN109477710B (zh) | 基于点的结构化光系统的反射率图估计 | |
CN105488815B (zh) | 一种支持目标尺寸变化的实时对象跟踪方法 | |
US7430303B2 (en) | Target detection method and system | |
JP6305171B2 (ja) | シーン内の物体を検出する方法 | |
CN114299137A (zh) | 激光光斑中心定位方法及测试系统 | |
CN110879994A (zh) | 基于形状注意力机制的三维目测检测方法、系统、装置 | |
CN112508903B (zh) | 一种卫星望远镜镜片表面疵病轮廓检测方法 | |
CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN111047650B (zh) | 一种用于飞行时间相机的参数标定方法 | |
CN112164117A (zh) | 一种基于Kinect相机的V-SLAM位姿估算方法 | |
CN104574312A (zh) | 标靶图像求圆心的方法和装置 | |
CN107145831B (zh) | 基于矢量概率扩散和马尔科夫随机场高光谱影像分类方法 | |
Li et al. | Road markings extraction based on threshold segmentation | |
CN115760893A (zh) | 一种基于核相关滤波算法的单雾滴粒径和速度测量方法 | |
Yang et al. | An RGB channel operation for removal of the difference of atmospheric scattering and its application on total sky cloud detection | |
CN116579955B (zh) | 一种新能源电芯焊缝反光点去噪和点云补全方法及系统 | |
CN109978982B (zh) | 一种基于倾斜影像的点云快速上色方法 | |
CN117372498A (zh) | 一种基于三维点云的多姿态螺栓尺寸测量方法 | |
CN114332629B (zh) | 基于高速视觉耦合轮廓特征提取的多农药雾滴撞击叶面延迟性的测量方法 | |
CN109658359B (zh) | 大气悬浮物检测系统及其检测方法 | |
CN112557400B (zh) | 一种卫星望远镜镜片表面疵病轮廓检测系统及方法 | |
Sun et al. | A vision system based on TOF 3D imaging technology applied to robotic citrus harvesting | |
CN110501709B (zh) | 目标检测系统、自主车辆以及其目标检测方法 |
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 |