CN117576040A - 镜头脏污的检测方法、装置、设备和介质 - Google Patents
镜头脏污的检测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117576040A CN117576040A CN202311558399.0A CN202311558399A CN117576040A CN 117576040 A CN117576040 A CN 117576040A CN 202311558399 A CN202311558399 A CN 202311558399A CN 117576040 A CN117576040 A CN 117576040A
- Authority
- CN
- China
- Prior art keywords
- pixel
- ray
- candidate
- pixel point
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 claims abstract description 151
- 238000011109 contamination Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 11
- 230000005855 radiation Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 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
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000704 physical effect Effects 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
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种镜头脏污的检测方法、装置、设备和介质,包括:获取目标镜头所采集的历史采集图像和当前采集图像,并根据历史采集图像和当前采集图像的像素点灰度值,从当前采集图像中确定候选检测区域;确定候选检测区域的区域质心,并以区域质心为起点向候选检测区域的区域边缘生成至少一条候选射线;将候选射线在当前采集图像中覆盖的像素点作为射线像素点,根据射线像素点在当前采集图像中的像素点灰度值,对目标镜头进行脏污检测。本发明降低了镜头脏污误检发生的概率,提高了对于镜头脏污检测的准确率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种镜头脏污的检测方法、装置、设备和介质。
背景技术
摄像头作为智能驾驶车辆不可或缺的传感器,由于长期暴露在车辆外部,在雨天、路过泥泞路段等场景下,镜头容易受到污染,镜头表面飞溅的泥点等脏污对图像的采集质量产生影响,进一步影响智能驾驶对于车辆的控制。
为了保证车辆智能驾驶的安全性及可靠性,需要及时检测镜头是否存在脏污,现有技术大多采用帧间差分法来进行镜头脏污检测。
发明内容
本发明提供了一种镜头脏污的检测方法、装置、设备和介质,以提高对于镜头脏污检测的准确率。
根据本发明的一方面,提供了一种镜头脏污的检测方法,包括:
获取目标镜头所采集的历史采集图像和当前采集图像,并根据所述历史采集图像和所述当前采集图像的像素点灰度值,从所述当前采集图像中确定候选检测区域;
确定所述候选检测区域的区域质心,并以所述区域质心为起点向所述候选检测区域的区域边缘生成至少一条候选射线;
将所述候选射线在所述当前采集图像中覆盖的像素点作为射线像素点,根据所述射线像素点在所述当前采集图像中的像素点灰度值,对所述目标镜头进行脏污检测。
根据本发明的另一方面,提供了一种镜头脏污的检测装置,包括:
检测区域确定模块,用于获取目标镜头所采集的历史采集图像和当前采集图像,并根据所述历史采集图像和所述当前采集图像的像素点灰度值,从所述当前采集图像中确定候选检测区域;
候选射线生成模块,用于确定所述候选检测区域的区域质心,并以所述区域质心为起点向所述候选检测区域的区域边缘生成至少一条候选射线;
脏污检测模块,用于将所述候选射线在所述当前采集图像中覆盖的像素点作为射线像素点,根据所述射线像素点在所述当前采集图像中的像素点灰度值,对所述目标镜头进行脏污检测。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序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本发明任一项所述的镜头脏污的检测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一项所述的镜头脏污的检测方法。
镜头上的脏污在采集图像中存在越靠近脏污边缘则越明亮的特点,即越靠近脏污边缘则像素点灰度值越大,因此本发明的技术方案通过从当前采集图像中确定候选检测区域,确定候选检测区域的区域质心,并以区域质心为起点向候选检测区域的区域边缘生成至少一条候选射线,将候选射线在当前采集图像中覆盖的像素点作为射线像素点,根据射线像素点在当前采集图像中的像素点灰度值,对目标镜头进行脏污检测,从而通过判断区域质心向区域边缘之间像素点灰度值的变化情况,来对镜头进行脏污检测,降低了镜头脏污误检发生的概率,提高了对于镜头脏污检测的准确率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种镜头脏污的检测方法的流程图;
图2A为本发明实施例二提供的一种镜头脏污的检测方法的流程图;
图2B为本发明实施例二提供的一种候选射线的示意图;
图3A为本发明实施例三提供的一种镜头脏污的检测方法的流程图;
图3B为本发明实施例三提供的一种远端像素点和近端像素点的示意图;
图4为本发明实施例四提供的一种镜头脏污的检测装置的结构示意图;
图5是实现本发明实施例的镜头脏污的检测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“目标”、“候选”、“历史”、“当前”、“第一”、“第二”、“远端”、“近端”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
由于镜头采集的图像中脏污的位置及形状变化较小,现有技术大多采用帧间差分法来进行镜头脏污检测,并通过像素点灰度值的特点来检测镜头是否存在脏污。但是在有些场景下,如车辆直行场景,车辆前方有颜色较暗的楼房或高架桥等建筑物时,采集到图像的特征与脏污特征有相似之处,容易造成误检,导致镜头脏污检测的准确率较低。
实施例一
图1为本发明实施例一提供的一种镜头脏污的检测方法的流程图,本实施例可适用于对镜头上是否存在脏污进行检测的情况,该方法可以由镜头脏污的检测装置来执行,该参数分析模型的训练装置可以采用硬件和/或软件的形式实现,例如通过具备智能驾驶功能的车辆来实现等。如图1所示,该方法包括:
S101、获取目标镜头所采集的历史采集图像和当前采集图像,并根据历史采集图像和当前采集图像的像素点灰度值,从当前采集图像中确定候选检测区域。
其中,目标镜头表示具有影像采集能力以及生成影像能力的光学设备,目标镜头可以搭载在任意具有移动能力的设备上,例如可以搭载在汽车中等。
历史采集图像表示在历史时刻中利用目标镜头采集到的环境图像,而当前采集图像则表示在当前时刻中利用目标镜头采集到的环境图像。其中,环境图像表示目标镜头所属设备所处环境的图像,当前时刻可以理解为最新的时间节点,而历史时刻则表示处于当前时刻之前的至少一个历史时间节点。
像素点灰度值是对像素点亮度的数值表达,像素点灰度值范围从0~255来衡量。候选检测区域表示疑似因为目标镜头存在脏污而导致当前采集图像出现的脏污图像区域。
由于目标镜头的脏污是持续存在的,因此可以采用帧间差分法计算当前采集图像与历史采集图像之间像素点的灰度值差值,来判断当前采集图像中的候选检测区域。
在S101的一种实施方式中,获取目标镜头所采集的当前采集图像,以及至少一张历史采集图像。确定当前采集图像中各像素点的像素点灰度值,以及历史采集图像中各像素点的像素点灰度值,进而计算当前采集图像与历史采集图像之间相同位置像素点的灰度值差值,并根据灰度值差值从当前采集图像中确定至少一个检测像素点,根据检测像素点所组成的连通区域从当前采集图像中确定候选检测区域。其中,检测像素点表示相同位置像素点的灰度值差值较小的像素点,即疑似因为目标镜头的脏污而导致当前采集图像出现的脏污像素点。
可以理解的是,当前采集图像与历史采集图像之间相同位置像素点的灰度值差值较小,可能是因为目标镜头的脏污所导致的,还可能因为颜色较暗的楼房或高架桥等建筑物所导致的,因此需要进一步对候选检测区域进行校验。
S102、确定候选检测区域的区域质心,并以区域质心为起点向候选检测区域的区域边缘生成至少一条候选射线。
其中,候选射线的数量可以根据候选检测区域的区域面积来设定,候选射线的数量与候选检测区域的区域面积成正比,可以理解的是,为了保证检测的准确性,当候选检测区域的区域面积越大时,则需要设置越多数量的候选射线来参与计算,相应的,当候选检测区域的区域面积越小时,为了加快检测效率,则可以设置越少数量的候选射线来参与计算。
预先建立各区域面积区间与射线数量之间的映射关系,即每个区域面积区间都对应一个可直接确定的射线数量。例如,设置的区域面积区间包括(0,A1)、[A1,A2)、[A2,A3)以及[A3,A4],建立区域面积区间(0,A1)与射线数量x1之间的映射关系,区域面积区间[A1,A2)与射线数量x2之间的映射关系,区域面积区间[A2,A3)与射线数量x3之间的映射关系,区域面积区间[A3,A4]与射线数量x4之间的映射关系。即当区域面积属于区域面积区间(0,A1)时,则设置射线数量为x1;当区域面积属于区域面积区间[A1,A2)时,则设置射线数量为x2;当区域面积属于区域面积区间[A2,A3)时,则设置射线数量为x3;当区域面积属于区域面积区间[A3,A4]时,则设置射线数量为x4。
在S102的一种实施方式中,根据候选检测区域中各像素点的像素点坐标确定区域质心,且根据候选检测区域的区域面积确定相适配的候选射线数量。按照确定的候选射线数量以区域质心为射线起点向区域边缘生成至少一条候选射线。可选的,各候选射线之间的射线夹角可以进行均匀设置,即设置360°/x作为各候选射线之间的射线夹角,x为候选射线数量。
S103、将候选射线在当前采集图像中覆盖的像素点作为射线像素点,根据射线像素点在当前采集图像中的像素点灰度值,对目标镜头进行脏污检测。
其中,若候选检测区域是因为目标镜头上的脏污导致的,由于脏污的物理特性,那么候选检测区域会存在脏污边缘虚化现象,即在经过候选检测区域边缘时,像素点的像素点灰度值有一个逐步增加的过程,因此可以通过判断候选射线中各射线像素点之间像素点灰度值的大小关系,来对目标镜头进行脏污检测。
在S103的一种实施方式中,确定各候选射线中包括的射线像素点,针对任一候选射线,计算相邻的射线像素点之间的灰度值差值,并判断是否存在连续n个灰度值差值都满足差值阈值,若是则确定该候选射线满足脏污边缘虚化特征。基于上述过程对所有候选射线进行遍历,确定满足脏污边缘虚化特征的候选射线的射线数量,进而计算满足脏污边缘虚化特征的候选射线的射线数量占射线总数量的比例值,并进一步判定该比例值是否大于预设的比例值阈值(如80%),若是,则确定候选检测区域存在脏污边缘虚化现象,即确定目标镜头上存在脏污;若否,则确定候选检测区域不存在脏污边缘虚化现象,即确定目标镜头上不存在脏污。
镜头上的脏污在采集图像中存在越靠近脏污边缘则越明亮的特点,即越靠近脏污边缘则像素点灰度值越大,因此本发明的技术方案通过从当前采集图像中确定候选检测区域,确定候选检测区域的区域质心,并以区域质心为起点向候选检测区域的区域边缘生成至少一条候选射线,将候选射线在当前采集图像中覆盖的像素点作为射线像素点,根据射线像素点在当前采集图像中的像素点灰度值,对目标镜头进行脏污检测,从而通过判断区域质心向区域边缘之间像素点灰度值的变化情况,来对镜头进行脏污检测,可以较好的排除背景中静止建筑物导致的误检,降低了镜头脏污误检发生的概率,提高了对于镜头脏污检测的准确率。
实施例二
图2A为本发明实施例二提供的一种镜头脏污的检测方法的流程图,本实施例对上述实施例进行进一步优化与扩展,并可以与上述各个可选实施方式进行结合。如图2A所示,该方法包括:
S201、获取目标镜头所采集的历史采集图像和当前采集图像,并确定历史采集图像中第一像素点的第一像素点灰度值,以及当前采集图像中第二像素点的第二像素点灰度值。
其中,第一像素点与第二像素点具有相同的像素点位置,换言之,将历史采集图像和当前采集图像中,具有相同像素点位置的像素点分别作为第一像素点和第二像素点。像素点位置表示像素点在图像中的相对位置。将第一像素点的像素点灰度值作为第一像素点灰度值,将第二像素点的像素点灰度值作为第二像素点灰度值。可以理解的是,第一像素点以及第二像素点并不是指的某一个具体像素点,而是代指历史采集图像和当前采集图像中所有具有相同像素点位置的像素点。
S202、根据第一像素点灰度值和第二像素点灰度值,确定第一灰度值差值,并根据第一灰度值差值从第二像素点中确定至少一个检测像素点。
在S202的一种实施方式中,将第一像素点灰度值与第二像素点灰度值进行差值计算,确定第一像素点与第二像素点之间的灰度值差值作为第一灰度值差值。根据第一灰度值差值以及预设的第一差值阈值,从第二像素点中确定至少一个检测像素点。
可选的,根据第一灰度值差值从第二像素点中确定至少一个检测像素点,包括:
若第一灰度值差值的绝对值小于第一差值阈值,则将第二像素点作为检测像素点。
其中,第一差值阈值可以根据经验进行设置。
具体的,确定第一灰度值差值对应的绝对值,并将该绝对值与预设的第一差值阈值进行比对,若该绝对值小于第一差值阈值,则表示第一像素点的第一像素点灰度值与第二像素点的第二像素点灰度值相近,进而将第二像素点作为检测像素点。
通过若第一灰度值差值的绝对值小于第一差值阈值,则将第二像素点作为检测像素点,实现了对疑似因为目标镜头的脏污而导致当前采集图像出现的脏污像素点(即检测像素点)的确定,并且由于引入了绝对值的构思,从而提高了阈值比对的合理性。
S203、根据检测像素点所组成的连通区域确定候选检测区域。
其中,连通区域可以理解为检测像素点所连接成的封闭图像区域。
在S203的一种实施方式中,确定当前采集图像中包含的所有检测像素点,进而根据各检测像素点在当前采集图像的像素点位置,确定检测像素点在当前采集图像中所组成的连通区域,进而将该连通区域作为当前采集图像中的候选检测区域。
通过确定历史采集图像中第一像素点的第一像素点灰度值,以及当前采集图像中第二像素点的第二像素点灰度值;其中,第一像素点与第二像素点具有相同的像素点位置;根据第一像素点灰度值和第二像素点灰度值,确定第一灰度值差值,并根据第一灰度值差值从第二像素点中确定至少一个检测像素点;根据检测像素点所组成的连通区域确定候选检测区域,实现了对疑似因为目标镜头存在脏污而导致当前采集图像出现的脏污图像区域(即候选检测区域)的确定,起到了对脏污进行初步检测的效果。
S204、确定检测像素点的像素点数量,并根据检测像素点的横坐标和值以及像素点数量,确定第一比值;根据检测像素点的纵坐标和值以及像素点数量,确定第二比值。
在S204的一种实施方式中,对各检测像素点的横坐标进行求和得到横坐标和值,并计算横坐标和值与像素点数量之间的比值作为第一比值;并且,对各检测像素点的纵坐标进行求和得到纵坐标和值,并计算纵坐标和值与像素点数量之间的比值作为第二比值。
示例性的,第一比值和第二比值可以通过如下公式确定:
其中,x′表示第一比值,y′表示第二比值,∑x表示横坐标和值,∑y表示纵坐标和值,n表示像素点数量。
S205、将第一比值作为质心横坐标值且将第二比值作为质心纵坐标值,得到区域质心。
通过确定检测像素点的像素点数量,并根据检测像素点的横坐标和值以及像素点数量,确定第一比值;根据检测像素点的纵坐标和值以及像素点数量,确定第二比值;将第一比值作为质心横坐标值且将第二比值作为质心纵坐标值,得到区域质心,实现了对候选检测区域的区域质心的确定,为后续生成候选射线奠定了基础。
S206、确定候选检测区域在当前采集图像中对应的区域外接矩形,并确定区域外接矩形的矩形边长。
在S206的一种实施方式中,根据候选检测区域的区域位置确定候选检测区域在当前采集图像中对应的区域外接矩形,并进一步获取区域外接矩形的矩形边长。
S207、根据矩形边长确定射线长度,并以区域质心为起点按照射线长度向候选检测区域的区域边缘生成至少一条候选射线。
在S207的一种实施方式中,根据矩形边长以及预设的冗余比例值进行乘积计算,确定冗余长度,进而将冗余长度的一半作为射线长度。例如,设置冗余比例值为1.3,假设矩形边长为L,则射线长度l=L*1.3/2。
确定射线长度后,以区域质心为射线起点按照射线长度生成向候选检测区域的区域边缘方向的至少一条候选射线。
通过确定候选检测区域在当前采集图像中对应的区域外接矩形,并确定区域外接矩形的矩形边长;根据矩形边长确定射线长度,并以区域质心为起点按照射线长度向候选检测区域的区域边缘生成至少一条候选射线,从而保证射线长度设置的合理性,避免射线长度过长加剧脏污检测的耗时,以及避免射线长度过短影响脏污检测的准确度。
S208、将候选射线在当前采集图像中覆盖的像素点作为射线像素点,根据射线像素点在当前采集图像中的像素点灰度值,对目标镜头进行脏污检测。
图2B为本发明实施例二提供的一种候选射线的示意图,如图2B所示,20表示区域质心,21表示候选检测区域,22表示候选射线。
实施例三
图3A为本发明实施例三提供的一种镜头脏污的检测方法的流程图,本实施例对上述实施例中“根据射线像素点在当前采集图像中的像素点灰度值,对目标镜头进行脏污检测”进行进一步优化与扩展,并可以与上述各个可选实施方式进行结合。如图3A所示,该方法包括:
S301、将同一候选射线覆盖的射线像素点作为射线像素点集合,并将射线像素点集合中位置相邻的两个射线像素点作为相邻像素点对。
其中,将同一候选射线覆盖的射线像素点作为一个射线像素点集合,换言之,每条候选射线对应一个射线像素点集合。根据各射线像素点的像素点坐标确定各射线像素点集合中位置相邻的射线像素点,进而将位置相邻的两个射线像素点作为相邻像素点对。可以理解的是,相邻像素点对并不是指的某两个位置相邻的射线像素点,而是代指所有位置相邻的两个射线像素点。例如,假设某一射线像素点集合分别包括射线像素点A、射线像素点B、射线像素点C和射线像素点D,则射线像素点A和射线像素点B为相邻像素点对;射线像素点B和射线像素点C为相邻像素点对;射线像素点C和射线像素点D为相邻像素点对。
S302、将各相邻像素点对中远端像素点的像素点灰度值减去近端像素点的像素点灰度值,得到第二灰度值差值。
其中,远端像素点表示各相邻像素点对中距离区域质心较远的射线像素点,近端像素点表示各相邻像素点对中距离区域质心较近的射线像素点。
在S302的一种实施方式中,针对任一射线像素点集合中的任一相邻像素点对,计算两个射线像素点分别与区域质心之间的距离,并将距离区域质心较远的射线像素点作为远端像素点,且将距离区域质心较近的射线像素点作为近端像素点。通过将远端像素点的像素点灰度值减去近端像素点的像素点灰度值,计算得到第二灰度值差值。
图3B为本发明实施例三提供的一种远端像素点和近端像素点的示意图,如图3B所示,假设300表示区域质心,候选射线301包括相邻像素点对302、相邻像素点对303、相邻像素点对304、相邻像素点对305,相邻像素点对302包括射线像素点306和射线像素点307,相邻像素点对303包括射线像素点307和射线像素点308,相邻像素点对304包括射线像素点308和射线像素点309,相邻像素点对305包括射线像素点309和射线像素点310。
其中,如图可知,在相邻像素点对302中,射线像素点306为近端像素点,射线像素点307为远端像素点;在相邻像素点对303中,射线像素点307为近端像素点,射线像素点308为远端像素点;在相邻像素点对304中,射线像素点308为近端像素点,射线像素点309为远端像素点;在相邻像素点对305中,射线像素点309为近端像素点,射线像素点310为远端像素点。
S303、将第二灰度值差值大于第二差值阈值的相邻像素点对作为目标像素点对。
其中,第二差值阈值可以根据经验进行设置。
在S303的一种实施方式中,针对任一射线像素点集合中的任一相邻像素点对,若包含的远端像素点与近端像素点之间的第二灰度值差值大于第二差值阈值,则将该相邻像素点对作为目标像素点对。
继续以图3B为例,例如,若射线像素点307与射线像素点306之间的第二灰度值差值大于第二差值阈值,则将相邻像素点对302作为目标像素点对;又例如,若射线像素点309与射线像素点308之间的第二灰度值差值大于第二差值阈值,则将相邻像素点对304作为目标像素点对。
S304、根据目标像素点对的像素点对数量从候选射线中确定目标射线,并根据目标射线的目标射线数量对目标镜头进行脏污检测。
在S304的一种实施方式中,针对任一候选射线对应的射线像素点集合,确定包含的目标像素点对的数量作为像素点对数量,并根据各目标像素点对的连续相邻关系,从像素点对数量中再进一步确定相邻像素点对数量,进而根据相邻像素点对数量以及预设的数量阈值,对该候选射线是否为目标射线进行判定。基于上述流程对每一候选射线是否为目标射线都进行判定,进而确定目标射线的目标射线数量,最终根据目标射线数量的多少对目标镜头进行脏污检测。
通过将同一候选射线覆盖的射线像素点作为射线像素点集合,并将射线像素点集合中位置相邻的两个射线像素点作为相邻像素点对;将各相邻像素点对中远端像素点的像素点灰度值减去近端像素点的像素点灰度值,得到第二灰度值差值;将第二灰度值差值大于第二差值阈值的相邻像素点对作为目标像素点对;根据目标像素点对的像素点对数量从候选射线中确定目标射线,并根据目标射线的目标射线数量对目标镜头进行脏污检测,从而利用相邻射线像素点之间的灰度值差值,对候选射线是否满足脏污边缘虚化特征进行判定,进而根据满足脏污边缘虚化特征的候选射线(目标射线)的数量来对脏污进行检测,使得仅基于图像处理手段就可以实现脏污检测,使得脏污检测具备易实现、成本低以及方便快捷的优点;并且,可以较好的排除背景中静止建筑物导致的误检,降低了镜头脏污误检发生的概率,提高了对于镜头脏污检测的准确率。
可选的,根据目标像素点对的像素点对数量从候选射线中确定目标射线,包括:
根据各目标像素点对在射线像素点集合中的相邻关系,从像素点对数量中确定连续相邻的至少两个目标像素点对的相邻像素点对数量;在相邻像素点对数量大于数量阈值的情况下,将射线像素点集合对应的候选射线作为目标射线。
其中,根据是否包含相同的射线像素点来确定各目标像素点对在射线像素点集合中的相邻关系。继续以图3B为例,假设相邻像素点对302、相邻像素点对303、相邻像素点对304、相邻像素点对305均为目标像素点,由于相邻像素点对302和相邻像素点对303共同包含射线像素点307,因此相邻像素点对302和相邻像素点对303具有相邻关系;由于相邻像素点对303和相邻像素点对304共同包含射线像素点308,因此相邻像素点对303和相邻像素点对304具有相邻关系;由于相邻像素点对304和相邻像素点对305共同包含射线像素点309,因此相邻像素点对304和相邻像素点对305具有相邻关系。
可以理解的是,若至少两个目标像素点对之间具有连续的相邻关系,则可以认为该至少两个目标像素点对是连续相邻的,相应的,该至少两个目标像素点对的数量即为相邻像素点对数量。
继续以图3B为例,假设相邻像素点对302、相邻像素点对303、相邻像素点对304、相邻像素点对305均为目标像素点,则确定相邻像素点对302、相邻像素点对303、相邻像素点对304、相邻像素点对305是连续相邻的,相邻像素点对数量为4。又假设,相邻像素点对302、相邻像素点对303、相邻像素点对304均为目标像素点,则确定相邻像素点对302、相邻像素点对303、相邻像素点对304是连续相邻的,相邻像素点对数量为3。又假设,相邻像素点对302、相邻像素点对303、相邻像素点对305均为目标像素点,则确定相邻像素点对302、相邻像素点对303是连续相邻的,相邻像素点对数量为2。
若任一射线像素点集合包括的相邻像素点对数量大于预设数量阈值,则可以将射线像素点集合对应的候选射线作为目标射线。值得说明的是,若相邻像素点对数量大于预设数量阈值,则可以理解为对应候选射线(目标射线)具有较多连续射线像素点满足脏污边缘虚化特性,换言之,即对应候选射线(目标射线)满足脏污边缘虚化特性。
通过根据各目标像素点对在射线像素点集合中的相邻关系,从像素点对数量中确定连续相邻的至少两个目标像素点对的相邻像素点对数量;在相邻像素点对数量大于数量阈值的情况下,将射线像素点集合对应的候选射线作为目标射线,一方面可以实现对满足脏污边缘虚化特性目标射线的确定,另一方面由于引入数量阈值判定机制,不仅可以保证目标射线确定的精准性,还可以避免目标射线确定耗费大量的时间。
可选的,根据目标射线的目标射线数量对目标镜头进行脏污检测,包括:
确定候选射线的候选射线数量,并根据目标射线数量和候选射线数量确定目标比例值;在目标比例值大于比例值阈值的情况下,确定目标镜头存在脏污。
其中,目标比例值可以根据经验进行设置,例如设置目标比例值为80%。
可以理解的是,目标射线表示满足脏污边缘虚化特性的候选射线,而若目标射线数量在候选射线数量中的占比(目标比例值)较大(大于比例值阈值),则可以确定候选检测区域满足脏污边缘虚化特性,也即候选检测区域是因为目标镜头上的脏污导致的,也即目标镜头上存在脏污。
通过确定候选射线的候选射线数量,并根据目标射线数量和候选射线数量确定目标比例值;在目标比例值大于比例值阈值的情况下,确定目标镜头存在脏污,使得只有满足脏污边缘虚化特性的目标射线在候选射线中占比较大时,才会判定目标镜头存在脏污,进一步保证了脏污检测的准确性。
实施例四
图4为本发明实施例四提供的一种镜头脏污的检测装置的结构示意图。如图4所示,该装置包括:
检测区域确定模块41,用于获取目标镜头所采集的历史采集图像和当前采集图像,并根据历史采集图像和当前采集图像的像素点灰度值,从当前采集图像中确定候选检测区域;
候选射线生成模块42,用于确定候选检测区域的区域质心,并以区域质心为起点向候选检测区域的区域边缘生成至少一条候选射线;
脏污检测模块43,用于将候选射线在当前采集图像中覆盖的像素点作为射线像素点,根据射线像素点在当前采集图像中的像素点灰度值,对目标镜头进行脏污检测。
可选的,检测区域确定模块41,具体用于:
确定历史采集图像中第一像素点的第一像素点灰度值,以及当前采集图像中第二像素点的第二像素点灰度值;其中,第一像素点与第二像素点具有相同的像素点位置;
根据第一像素点灰度值和第二像素点灰度值,确定第一灰度值差值,并根据第一灰度值差值从第二像素点中确定至少一个检测像素点;
根据检测像素点所组成的连通区域确定候选检测区域。
可选的,检测区域确定模块41,具体还用于:
若第一灰度值差值的绝对值小于第一差值阈值,则将第二像素点作为检测像素点。
可选的,候选射线生成模块42,具体用于:
确定检测像素点的像素点数量,并根据检测像素点的横坐标和值以及像素点数量,确定第一比值;
根据检测像素点的纵坐标和值以及像素点数量,确定第二比值;
将第一比值作为质心横坐标值且将第二比值作为质心纵坐标值,得到区域质心。
可选的,候选射线生成模块42,具体还用于:
确定候选检测区域在当前采集图像中对应的区域外接矩形,并确定区域外接矩形的矩形边长;
根据矩形边长确定射线长度,并以区域质心为起点按照射线长度向候选检测区域的区域边缘生成至少一条候选射线。
可选的,脏污检测模块43,具体用于:
将同一候选射线覆盖的射线像素点作为射线像素点集合,并将射线像素点集合中位置相邻的两个射线像素点作为相邻像素点对;
将各相邻像素点对中远端像素点的像素点灰度值减去近端像素点的像素点灰度值,得到第二灰度值差值;其中,远端像素点表示各相邻像素点对中距离区域质心较远的射线像素点,近端像素点表示各相邻像素点对中距离区域质心较近的射线像素点;
将第二灰度值差值大于第二差值阈值的相邻像素点对作为目标像素点对;
根据目标像素点对的像素点对数量从候选射线中确定目标射线,并根据目标射线的目标射线数量对目标镜头进行脏污检测。
可选的,脏污检测模块43,具体还用于:
根据各目标像素点对在射线像素点集合中的相邻关系,从像素点对数量中确定连续相邻的至少两个目标像素点对的相邻像素点对数量;
在相邻像素点对数量大于数量阈值的情况下,将射线像素点集合对应的候选射线作为目标射线。
可选的,脏污检测模块43,具体还用于:
确定候选射线的候选射线数量,并根据目标射线数量和候选射线数量确定目标比例值;
在目标比例值大于比例值阈值的情况下,确定目标镜头存在脏污。
本发明实施例所提供的镜头脏污的检测装置可执行本发明任意实施例所提供的镜头脏污的检测方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5示出了可以用来实施本发明的实施例的电子设备50的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图5所示,电子设备50包括至少一个处理器51,以及与至少一个处理器51通信连接的存储器,如只读存储器(ROM)52、随机访问存储器(RAM)53等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器51可以根据存储在只读存储器(ROM)52中的计算机程序或者从存储单元58加载到随机访问存储器(RAM)53中的计算机程序,来执行各种适当的动作和处理。在RAM 53中,还可存储电子设备50操作所需的各种程序和数据。处理器51、ROM 52以及RAM 53通过总线54彼此相连。输入/输出(I/O)接口55也连接至总线54。
电子设备50中的多个部件连接至I/O接口55,包括:输入单元56,例如键盘、鼠标等;输出单元57,例如各种类型的显示器、扬声器等;存储单元58,例如磁盘、光盘等;以及通信单元59,例如网卡、调制解调器、无线通信收发机等。通信单元59允许电子设备50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51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51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51执行上文所描述的各个方法和处理,例如镜头脏污的检测方法。
在一些实施例中,镜头脏污的检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元58。在一些实施例中,计算机程序的部分或者全部可以经由ROM 52和/或通信单元59而被载入和/或安装到电子设备50上。当计算机程序加载到RAM 53并由处理器51执行时,可以执行上文描述的镜头脏污的检测方法的一个或多个步骤。备选地,在其他实施例中,处理器51可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行镜头脏污的检测方法。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中,计算机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计算机程序。计算机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。备选地,计算机可读存储介质可以是机器可读信号介质。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)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算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服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (11)
1.一种镜头脏污的检测方法,其特征在于,包括:
获取目标镜头所采集的历史采集图像和当前采集图像,并根据所述历史采集图像和所述当前采集图像的像素点灰度值,从所述当前采集图像中确定候选检测区域;
确定所述候选检测区域的区域质心,并以所述区域质心为起点向所述候选检测区域的区域边缘生成至少一条候选射线;
将所述候选射线在所述当前采集图像中覆盖的像素点作为射线像素点,根据所述射线像素点在所述当前采集图像中的像素点灰度值,对所述目标镜头进行脏污检测。
2.根据权利要求1所述的方法,其特征在于,所述根据所述历史采集图像和所述当前采集图像的像素点灰度值,从所述当前采集图像中确定候选检测区域,包括:
确定所述历史采集图像中第一像素点的第一像素点灰度值,以及所述当前采集图像中第二像素点的第二像素点灰度值;其中,所述第一像素点与所述第二像素点具有相同的像素点位置;
根据所述第一像素点灰度值和所述第二像素点灰度值,确定第一灰度值差值,并根据所述第一灰度值差值从所述第二像素点中确定至少一个检测像素点;
根据所述检测像素点所组成的连通区域确定所述候选检测区域。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一灰度值差值从所述第二像素点中确定检测像素点,包括:
若所述第一灰度值差值的绝对值小于第一差值阈值,则将所述第二像素点作为所述检测像素点。
4.根据权利要求2所述的方法,其特征在于,所述确定所述候选检测区域的区域质心,包括:
确定所述检测像素点的像素点数量,并根据所述检测像素点的横坐标和值以及所述像素点数量,确定第一比值;
根据所述检测像素点的纵坐标和值以及所述像素点数量,确定第二比值;
将所述第一比值作为质心横坐标值且将所述第二比值作为质心纵坐标值,得到所述区域质心。
5.根据权利要求1所述的方法,其特征在于,所述以所述区域质心为起点向所述候选检测区域的区域边缘生成至少一条候选射线,包括:
确定所述候选检测区域在所述当前采集图像中对应的区域外接矩形,并确定所述区域外接矩形的矩形边长;
根据所述矩形边长确定射线长度,并以所述区域质心为起点按照所述射线长度向所述候选检测区域的区域边缘生成至少一条候选射线。
6.根据权利要求5所述的方法,其特征在于,所述根据所述射线像素点在所述当前采集图像中的像素点灰度值,对所述目标镜头进行脏污检测,包括:
将同一所述候选射线覆盖的所述射线像素点作为射线像素点集合,并将所述射线像素点集合中位置相邻的两个所述射线像素点作为相邻像素点对;
将各所述相邻像素点对中远端像素点的像素点灰度值减去近端像素点的像素点灰度值,得到第二灰度值差值;其中,所述远端像素点表示各所述相邻像素点对中距离所述区域质心较远的所述射线像素点,所述近端像素点表示各所述相邻像素点对中距离所述区域质心较近的所述射线像素点;
将所述第二灰度值差值大于第二差值阈值的所述相邻像素点对作为目标像素点对;
根据所述目标像素点对的像素点对数量从所述候选射线中确定目标射线,并根据所述目标射线的目标射线数量对所述目标镜头进行脏污检测。
7.根据权利要求6所述的方法,其特征在于,所述根据所述目标像素点对的像素点对数量从所述候选射线中确定目标射线,包括:
根据各所述目标像素点对在所述射线像素点集合中的相邻关系,从所述像素点对数量中确定连续相邻的至少两个所述目标像素点对的相邻像素点对数量;
在所述相邻像素点对数量大于数量阈值的情况下,将所述射线像素点集合对应的所述候选射线作为所述目标射线。
8.根据权利要求6所述的方法,其特征在于,所述根据所述目标射线的目标射线数量对所述目标镜头进行脏污检测,包括:
确定所述候选射线的候选射线数量,并根据所述目标射线数量和所述候选射线数量确定目标比例值;
在所述目标比例值大于比例值阈值的情况下,确定所述目标镜头存在脏污。
9.一种镜头脏污的检测装置,其特征在于,包括:
检测区域确定模块,用于获取目标镜头所采集的历史采集图像和当前采集图像,并根据所述历史采集图像和所述当前采集图像的像素点灰度值,从所述当前采集图像中确定候选检测区域;
候选射线生成模块,用于确定所述候选检测区域的区域质心,并以所述区域质心为起点向所述候选检测区域的区域边缘生成至少一条候选射线;
脏污检测模块,用于将所述候选射线在所述当前采集图像中覆盖的像素点作为射线像素点,根据所述射线像素点在所述当前采集图像中的像素点灰度值,对所述目标镜头进行脏污检测。
10.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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中任一项所述的镜头脏污的检测方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行权利要求1-8中任一项所述的镜头脏污的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311558399.0A CN117576040A (zh) | 2023-11-21 | 2023-11-21 | 镜头脏污的检测方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311558399.0A CN117576040A (zh) | 2023-11-21 | 2023-11-21 | 镜头脏污的检测方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117576040A true CN117576040A (zh) | 2024-02-20 |
Family
ID=89860224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311558399.0A Pending CN117576040A (zh) | 2023-11-21 | 2023-11-21 | 镜头脏污的检测方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117576040A (zh) |
-
2023
- 2023-11-21 CN CN202311558399.0A patent/CN117576040A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112560684B (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
CN112991459B (zh) | 一种相机标定方法、装置、设备以及存储介质 | |
CN116952958B (zh) | 缺陷检测方法、装置、电子设备及存储介质 | |
CN115272290A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN114332487A (zh) | 基于图像的积水预警方法、装置、设备、存储介质及产品 | |
CN117036457A (zh) | 一种屋顶面积的测量方法、装置、设备及存储介质 | |
CN117576040A (zh) | 镜头脏污的检测方法、装置、设备和介质 | |
CN115546764A (zh) | 一种障碍物检测方法、装置、设备及存储介质 | |
CN109993778A (zh) | 一种确定目标位置的方法及装置 | |
CN114005098A (zh) | 高精地图车道线信息的检测方法、装置和电子设备 | |
CN114494680A (zh) | 积水检测方法、装置、设备及存储介质 | |
CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
CN114994671B (zh) | 基于雷达图像的目标检测方法、装置、设备及介质 | |
CN115424441B (zh) | 基于微波雷达的道路弯道优化方法、装置、设备及介质 | |
CN116823924B (zh) | 缺陷区域面积的确定方法、装置、电子设备以及存储介质 | |
CN117423091A (zh) | 一种障碍物检测方法、装置、电子设备和存储介质 | |
CN118037683A (zh) | 一种极片缺陷确定方法、装置、设备及存储介质 | |
CN117350995A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
CN116824638A (zh) | 动态物体特征点检测方法、装置、电子设备及存储介质 | |
CN116994207A (zh) | 一种暴力分拣的检测方法、装置、电子设备及存储介质 | |
CN117037032A (zh) | 图像的目标检测方法、装置、设备及介质 | |
CN118071713A (zh) | 波纹补偿器故障检测方法、装置、电子设备及存储介质 | |
CN115187585A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN116512838A (zh) | 一种空气悬架的控制方法、装置、设备及介质 | |
CN115424442A (zh) | 基于雷达图的车辆行驶事件检测方法、装置、设备和介质 |
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 |