CN117708065B - 海量点云智能管理方法及计算机存储介质 - Google Patents
海量点云智能管理方法及计算机存储介质 Download PDFInfo
- Publication number
- CN117708065B CN117708065B CN202410161337.4A CN202410161337A CN117708065B CN 117708065 B CN117708065 B CN 117708065B CN 202410161337 A CN202410161337 A CN 202410161337A CN 117708065 B CN117708065 B CN 117708065B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- data
- folder
- mileage
- grid
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000000903 blocking effect Effects 0.000 claims abstract description 24
- 238000010276 construction Methods 0.000 claims abstract description 23
- 230000008520 organization Effects 0.000 claims abstract description 8
- 238000009826 distribution Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000009827 uniform distribution Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000009430 construction management Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种海量点云智能管理方法及计算机存储介质，该海量点云智能管理方法包括以下步骤：在隧道全施工周期中采集的点云数据，整理形成新的点云数据组织结构(x，y，z，k，t)，其中x、y、z为点云的三维空间坐标数据，k为点云所在位置的里程值，t为点云采集的时间属性，并建立数据总集根文价夹；将点云按里程进行分段保存形成里程分块数据文件夹；在里程分块数据的基础上，通过X、Y方向划分格网建立格网分块数据，形成格网分块数据文件夹；在格网分块数据的基础上，在时间属性上建立采集时间分块数据，形成采集时间分块数据文件夹，在最底层的采集时间分块数据文件夹中保存点云文件，并在数据总集根文价夹中建立分块索引文件。
Description
技术领域
本发明属于工程测量领域，尤其是针对隧道工程建设中全施工周期不同时间、不同部位、不同工序采集的海量三维点云数据管理，提出了一种隧道全施工周期的海量点云智能管理方法及计算机存储介质。
背景技术
利用高速激光扫描的方式，大范围、高精度地测定对象结构表面点(x，y，z)坐标、反射率、颜色(R，G，B)相关数据，然后利用测得的大量、密集的坐标数据就能够精准地构造出1：1比例下的三维点云结构，为进行地隧道施工，修复工程等项目提供可靠依据。具有高精度、实时、快速、高效等优势，完美地突破了现阶段空间信息技术关于实时性以及准确性地难题。三维激光扫描技术对比与传统测量技术，具备高效率、高精度等显著优点。故通过三维激光扫描仪测得隧道点云数据，能够成功对隧道三维空间形态进行复制重现。再结合计算机技术将其处理计算，提取隧道特征轴线与特征断面，可实现对隧道空间结构状态及变形信息进行高效、高精度、立体可视化地分析与测量，进而实现其在隧道工程中的施工超欠挖控制等重要应用。
在隧道施工过程中需要及时了解当前施工状态，因此，会在全施工周期中不同时间、不同部位、不同工序时多次的采集隧道的点云数据。这些数据具有海量、时序、零碎、重复等特性，如何准确、高效、智能地进行融合、存储和管理，最终形成格式规范、信息全面、调阅便捷的点云大数据资源，为隧道施工管理提供真实、准确、可追溯的数据基础是当前研究面临的关键难点。
发明内容
本发明的一个目的在于提供一种隧道全施工周期的海量点云智能管理方法及计算机存储介质，以解决上述背景技术中提出的如何准确、高效、智能地进行融合、存储和管理隧道全施工周期中不同时间、不同部位、不同工序情况下多次采集的点云数据难题。
为实现上述目的，本发明提供如下技术方案：
一种海量点云智能管理方法，包括以下步骤：
在隧道全施工周期中采集的点云数据，整理形成新的点云数据组织结构(x，y，z，k，t)，其中x、y、z为点云的三维空间坐标数据，k为点云所在位置的里程值，t为点云采集的时间属性，并建立数据总集根文价夹；
将点云按里程进行分段保存形成里程分块数据文件夹；
在里程分块数据的基础上，通过X、Y方向划分格网建立格网分块数据，形成格网分块数据文件夹；
在格网分块数据的基础上，在时间属性上建立采集时间分块数据，形成采集时间分块数据文件夹，
在最底层的采集时间分块数据文件夹中保存点云文件，并在数据总集根文价夹中建立分块索引文件。
作为优选的一个方面，还包括步骤：在应用程序调用点云数据时，根据分块规则，计算得到点云所在的文件夹路径，根据索引进行调用。
作为优选的一个方面，将点云按里程进行分段保存的公式如下：
；其中，L1、L2为里程分段点，kL1、kL2为两点对应的里程值；
建立格网分块数据的公式如下：
；其中，xmin和xmax指该格网分块在X方向的最大值和最小值，ymin和ymax指该格网分块在Y方向的最大值和最小值；
建立采集时间分块数据的公式如下：
；其中，t1、t2为时间分块的前后时间点。
作为优选的一个方面，在所述建立数据总集根文价夹的步骤中，通过对原始点云数据抽稀预处理，整理形成新的点云数据组织结构。
作为优选的一个方面，在所述建立数据总集根文价夹的步骤中，还通过对原始点云数据去噪预处理，整理形成新的点云数据组织结构。
作为优选的一个方面，所述对原始点云数据抽稀以及去噪的预处理具体包括以下步骤：
在不改变原始点云分布特征的情况下，采用空间降采样方法进行抽稀；
利用隧道断面设计数据，设置阈值通过直通滤波去除偏离施工轮廓面的噪点；
使用高斯滤波法进行轮廓面的平滑处理，消除边界突出；
调整滤波参数，重复以上步骤，直至预处理后的点云通过质量检查。
作为优选的一个方面，预处理后的点云满足全局均匀分布、带权重均匀分布、各向异性分布和高范数度量下的分布，通过质量检查。
作为优选的一个方面，所述在时间属性上建立采集时间分块数据，其中，按自然时间段分类建立采集时间分块数据。
作为优选的一个方面，所述在时间属性上建立采集时间分块数据，其中，按施工阶段分类建立采集时间分块数据。
一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上任一所述的海量点云智能管理方法。
与现有技术相比，本发明的有益效果是：
本发明通过对隧道全施工周期中不同时间、不同部位、不同工序情景下获取的海量、时序、零碎、重复等特征的点云数据，进行准确、高效、智能地融合、存储和管理，最终形成格式规范、信息全面、调阅便捷的点云大数据资源，进一步可建立隧道轮廓面三维模型，从而最终实现超欠挖量、支护混凝土量和实际所需的衬砌混凝土量等关键施工指标的高精度计算，为隧道施工管理提供真实、准确、可追溯的数据基础。
参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因而受到限制。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。
应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一个实施例提供的海量点云智能管理方法步骤示意图。
图2为本发明方法一个实施例提供的点云数据存储管理结构示意图。
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中的技术方案，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的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。
参见图1、图2所示，本发明实施例的一种海量点云智能管理方法，该海量点云智能管理方法可应用于隧道全施工周期的点云数据管理。具体的，该海量点云智能管理方法包括以下步骤：
S1、在隧道全施工周期中采集的点云数据，进行去噪、抽稀预处理后，重新组织点云数据特征，形成新的点云数据组织结构(x，y，z，k，t)，其中x、y、z为点云的三维空点坐标数据，k为点云所在位置的里程值，t为点云采集的时间属性，并建立数据总集根文价夹；
S2、基于隧道点云线性分布且施工阶段单次采集范围小的特点，将点云按里程进行分段保存，形成里程分块数据文件夹，公式如下：
；其中，L1、L2为里程分段点，kL1、kL2为两点对应的里程值； />构成了里程分块数据文件夹的数据集合。
S3、在里程分块数据的基础上，通过X、Y方向划分格网，建立格网分块数据，形成格网分块数据文件夹，公式如下：
；其中，xmin和xmax指该格网分块在X方向的最大值和最小值，ymin和ymax指该格网分块在Y方向的最大值和最小值； />构成了格网分块数据文件夹的数据集合。
S4、在格网分块数据的基础上，在时间属性上，建立采集时间分块数据，形成采集时间分块数据文件夹，公式如下：
；其中，t1、t2为时间分块的前后时间点； />采集时间分块数据文件夹的数据集合。
S5、通过S2到S4进行点云的分块后，在最底层的采集时间分块数据文件夹中保存点云文件，并在数据总集根文价夹中建立分块索引文件；其中，数据总集根文价夹、里程分块数据文件夹、格网分块数据文件夹、采集时间分块数据文件夹的层级分布如图2中的点云数据存储管理结构示意图所示。在索引文件中，里程索引文件结构（编号，里程范围）；格网索引文件结构（编号，格网xmin，格网xmax，格网ymin，格网ymax）；时间索引文件结构（编号，时间范围）。
S6、在应用程序条用数据时，根据分块规则，计算得到点云所在的文件夹路径，根据索引进行调用。
其中，在所述S1中对原始点云数据抽稀、去噪的预处理，具体包括以下步骤：
S11、顾及隧道三维空间特点，不改变原始点云分布特征的情况下，采用空间降采样方法进行抽稀，准确反映几何特征；
S12、利用隧道断面设计数据，设置阈值通过直通滤波去除偏离施工轮廓面的噪点；
S13、使用高斯滤波法进行轮廓面的平滑处理，消除边界突出；
S14、调整滤波参数（调整滤波阈值），重复以上步骤，直至预处理后的点云通过质量检查。通过质量检查的点云数据具有以下特点：全局均匀的分布、带权重的均匀分布、各向异性分布和高范数度量下的分布。
在所述S4中，在时间属性上，建立采集时间分块数据，其中时间属性，可以是按自然时间段分类，也可以采用施工阶段分类，或根据实际需要自定义某个时间段来分类。
此外，本申请实施方式还提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一种海量点云智能管理方法。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来。在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。该计算机软件产品可以包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施方式或者实施方式的某些部分所述的方法。该计算机软件产品可以存储在内存中，内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其它数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其它类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其它内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其它光学存储、磁盒式磁带，磁带磁磁盘存储或其它磁性存储设备或任何其它非传输介质，可用于存储可以被计算设备访问的信息。
应该理解，以上描述是为了进行图示说明而不是为了进行限制。通过阅读上述描述，在所提供的示例之外的许多实施方式和许多应用对本领域技术人员来说都将是显而易见的。因此，本教导的范围不应该参照上述描述来确定，而是应该参照所附权利要求以及这些权利要求所拥有的等价物的全部范围来确定。出于全面之目的，所有文章和参考包括专利申请和公告的公开都通过参考结合在本文中。在前述权利要求中省略这里公开的主题的任何方面并不是为了放弃该主体内容，也不应该认为发明人没有将该主题考虑为所公开的发明主题的一部分。
Claims (10)
1.一种海量点云智能管理方法，其特征在于，包括以下步骤：
在隧道全施工周期中采集的点云数据，整理形成新的点云数据组织结构(x，y，z，k，t)，其中x、y、z为点云的三维空间坐标数据，k为点云所在位置的里程值，t为点云采集的时间属性，并建立数据总集根文价夹；
将点云按里程进行分段保存形成里程分块数据文件夹；
在里程分块数据的基础上，通过X、Y方向划分格网建立格网分块数据，形成格网分块数据文件夹；
在格网分块数据的基础上，在时间属性上建立采集时间分块数据，形成采集时间分块数据文件夹，
在最底层的采集时间分块数据文件夹中保存点云文件，并在数据总集根文价夹中建立分块索引文件。
2.如权利要求1所述的海量点云智能管理方法，其特征在于，还包括步骤：在应用程序调用点云数据时，根据分块规则，计算得到点云所在的文件夹路径，根据索引进行调用。
3.如权利要求1所述的海量点云智能管理方法，其特征在于，将点云按里程进行分段保存的公式如下：
；其中，L1、L2为里程分段点，kL1、kL2为两点对应的里程值；
建立格网分块数据的公式如下：
；其中，xmin和xmax指该格网分块在X方向的最大值和最小值，ymin和ymax指该格网分块在Y方向的最大值和最小值；
建立采集时间分块数据的公式如下：
；其中，t1、t2为时间分块的前后时间点。
4.如权利要求3所述的海量点云智能管理方法，其特征在于，在所述建立数据总集根文价夹的步骤中，通过对原始点云数据抽稀预处理，整理形成新的点云数据组织结构。
5.如权利要求4所述的海量点云智能管理方法，其特征在于，在所述建立数据总集根文价夹的步骤中，还通过对原始点云数据去噪预处理，整理形成新的点云数据组织结构。
6.如权利要求5所述的海量点云智能管理方法，其特征在于，所述对原始点云数据抽稀以及去噪的预处理具体包括以下步骤：
在不改变原始点云分布特征的情况下，采用空间降采样方法进行抽稀；
利用隧道断面设计数据，设置阈值通过直通滤波去除偏离施工轮廓面的噪点；
使用高斯滤波法进行轮廓面的平滑处理，消除边界突出；
调整滤波参数，重复以上步骤，直至预处理后的点云通过质量检查。
7.如权利要求6所述的海量点云智能管理方法，其特征在于，预处理后的点云满足全局均匀分布、带权重均匀分布、各向异性分布和高范数度量下的分布，通过质量检查。
8.如权利要求1所述的海量点云智能管理方法，其特征在于，所述在时间属性上建立采集时间分块数据，其中，按自然时间段分类建立采集时间分块数据。
9.如权利要求1所述的海量点云智能管理方法，其特征在于，所述在时间属性上建立采集时间分块数据，其中，按施工阶段分类建立采集时间分块数据。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1-9任一所述的海量点云智能管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410161337.4A CN117708065B (zh) | 2024-02-05 | 2024-02-05 | 海量点云智能管理方法及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410161337.4A CN117708065B (zh) | 2024-02-05 | 2024-02-05 | 海量点云智能管理方法及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117708065A CN117708065A (zh) | 2024-03-15 |
| CN117708065B true CN117708065B (zh) | 2024-04-26 |
Family
ID=90153836
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410161337.4A Active CN117708065B (zh) | 2024-02-05 | 2024-02-05 | 海量点云智能管理方法及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117708065B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106887020A (zh) * | 2015-12-12 | 2017-06-23 | 星际空间（天津）科技发展有限公司 | 一种基于LiDAR点云的道路纵横断面获取方法 |
| CN113808226A (zh) * | 2021-09-15 | 2021-12-17 | 中铁第一勘察设计院集团有限公司 | 一种通用隧道断面提取与去噪方法 |
| CN117171375A (zh) * | 2023-08-28 | 2023-12-05 | 武汉大学 | 地下洞室海量点云数据的双层快速索引方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220237151A1 (en) * | 2021-01-22 | 2022-07-28 | Scality, S.A. | Fast and efficient storage system implemented with multiple cloud services |
-
2024
- 2024-02-05 CN CN202410161337.4A patent/CN117708065B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106887020A (zh) * | 2015-12-12 | 2017-06-23 | 星际空间（天津）科技发展有限公司 | 一种基于LiDAR点云的道路纵横断面获取方法 |
| CN113808226A (zh) * | 2021-09-15 | 2021-12-17 | 中铁第一勘察设计院集团有限公司 | 一种通用隧道断面提取与去噪方法 |
| CN117171375A (zh) * | 2023-08-28 | 2023-12-05 | 武汉大学 | 地下洞室海量点云数据的双层快速索引方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| Dual-Neighborhood Feature Aggregation Network for Point Cloud Semantic Segmentation;Minghong Chen 等;ICTAI;20221231;76-81 * |
| 基于BIM技术的曲线PC轨道梁 精密三维检测技术研究;李军民 等;建筑技术开发;20230731;第50卷(第7期);67-69 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117708065A (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112784403B (zh) | 基于点云数据建立节理岩体离散元模型的数值模拟方法 | |
| US20020030677A1 (en) | Method and apparatus for generating atomic parts of graphic representation through skeletonization for interactive visualization applications | |
| CN110544298B (zh) | 变电站建模方法、装置、计算机设备和存储介质 | |
| CN111612888B (zh) | 一种文物建筑图形的自动生成方法、系统及存储介质 | |
| Shen et al. | Exponential soft shadow mapping | |
| CN110222447B (zh) | 一种基于八叉树的自适应网格划分方法及系统 | |
| CN114387375A (zh) | 一种海量点云数据多视图渲染方法 | |
| CN115797568A (zh) | 一种基于三维gis与bim集成的建模方法及装置 | |
| CN115164868A (zh) | 机器人定位方法、装置、机器人及存储介质 | |
| CN113468286A (zh) | 一种基于三角面片个数划分的三维金字塔构建方法 | |
| Su et al. | An adaptive and rapid 3D Delaunay triangulation for randomly distributed point cloud data | |
| CN117708065B (zh) | 海量点云智能管理方法及计算机存储介质 | |
| US7333104B2 (en) | Method and program of converting three-dimensional shape data into cell internal data | |
| CN114818061A (zh) | 基于Revit API和Dynamo的预制构件BIM模型点云生成方法 | |
| CN110309166B (zh) | 一种可溯源的地理高程数据补齐方法 | |
| CN116258804A (zh) | 基于数模分离与压缩优化的bim模型轻量化方法 | |
| CN113342999A (zh) | 一种基于多层跳序树结构的变分辨率点云简化方法 | |
| CN114332412B (zh) | 一种顾及比例尺的三维模型数据抽稀简化方法及装置 | |
| Lai et al. | Repairing triangular meshes for reverse engineering applications | |
| CN117058300B (zh) | 一种基于kd树加速光线与未裁剪曲面交点计算的方法 | |
| CN117274536B (zh) | 一种实景三维模型重构方法及装置 | |
| Xu et al. | A Spatial Clustering Filtering Method for Airborne LiDAR Point Cloud Based on Dual Distance. | |
| Liu et al. | Recovery of sharp features in mesh models | |
| Bærentzen et al. | Reconstruction of a Botanical Tree from a 3D Point Cloud | |
| CN116580147A (zh) | 一种基于激光点云的道路路面三维快速重建方法 |
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 | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: 230000 No.96, Wangjiang East Road, Hefei City, Anhui Province Applicant after: CHINA TIESIJU CIVIL ENGINEERING Group Applicant after: THE SECOND CONSTRUCTION CO., LTD. OF CTCE Group Applicant after: WUHAN University Address before: 215000 No. 9, litanghe Road, Xiangcheng District, Suzhou City, Jiangsu Province Applicant before: THE SECOND CONSTRUCTION CO., LTD. OF CTCE Group Country or region before: China Applicant before: CHINA TIESIJU CIVIL ENGINEERING Group Applicant before: WUHAN University |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |