CN117910184B - 一种样条曲线转化为道路平面设计参数的方法及系统 - Google Patents
一种样条曲线转化为道路平面设计参数的方法及系统 Download PDFInfo
- Publication number
- CN117910184B CN117910184B CN202410311326.XA CN202410311326A CN117910184B CN 117910184 B CN117910184 B CN 117910184B CN 202410311326 A CN202410311326 A CN 202410311326A CN 117910184 B CN117910184 B CN 117910184B
- Authority
- CN
- China
- Prior art keywords
- curve
- curvature
- road
- points
- spline
- 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
- 238000013461 design Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 238000009499 grossing Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000012886 linear function Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012417 linear regression Methods 0.000 claims description 8
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Generation (AREA)
Abstract
本发明公开了一种样条曲线转化为道路平面设计参数的方法及系统，涉及道路设计技术领域，通过收集样条曲线，消除样条曲线的随机误差波动，获得样条曲线对应的稳健曲率曲线，对稳健曲率曲线进行卷积平滑处理，通过加权处理获取一组卷积系数来获取中心点值，获得平滑曲率曲线，基于道路特征将平滑曲率曲线分割成最小序列线段组合，所述最小序列线段组合组成曲率特征曲线；所述最小序列线段为线性变化的线段，基于曲率特征曲线，对样条曲线进行优化，对初始生成的道路的每个构成部分的参数进行迭代优化，获得道路设计参数；精确地得到道路正确的平面线位信息和道路设计参数，为后续施工提供方便。
Description
技术领域
本发明涉及道路设计技术领域，具体是一种样条曲线转化为道路平面设计参数的方法及系统。
背景技术
样条曲线具有良好的局部性与连续性，并能有效地表示复杂的自由曲线形状，因此应用范围十分广泛。
道路设计领域：样条曲线与公路线形具有相似性。利用它基本上能解决平面线形不通过控制点的问题。特别是在山区公路或立交匝道路线布设过程中，一方面要求线形满足技术标准和严格的控制条件，另一方面要求具有足够的光滑性和平顺性线形布设要求。采用传统设计方法，利用导线及其交点布设线形时，往往难以达到两全其美。究其原因，主要在于传统线形设计理论和方法存在诸多不足。为此技术人员提出了用三次样条曲线布设道路线形的设计方法。
遥感提取道路信息领域：计算机从航空遥感数字影像中自动提取地物信息领域中，对于道路提取，较多采用的方法是通过样条曲线提取识别出的道路信息。
车道检测领域：在车道线检测领域，一般采用样条曲线模型对图像中不同的车道进行检测，可较好地实现道路模型高效性与可靠性之间的平衡。
3D点云中进行道路重构领域：在对无人机扫描的3D点云数据中，利用机器学习算法提取后的道路中线一般是用样条曲线进行拟合给出重构的结果。
样条曲线的曲率连续和光滑性，使得其可以被应用于道路设计和点云中道路提取的相关应用中。但是样条曲线容易产生质量较差的曲率图，同时道路平面的曲率相对于样条曲线，除了光滑和连续的要求外，需要满足道路设计中的曲率规范，即：道路平面线位是由直线+缓和曲线+圆曲线+缓和曲线+直线组成，这些参数是反映道路平面设计成功的重要设计参数。样条曲线中无法反映出这些设计参数，给设计施工带来了不便。
如何将反映道路信息的样条曲线，最终转化为符合道路平面线形特征的设计参数是急需解决的问题。
针对上述问题，本发明是在对平面设计里最基本的线形控制单元[直线,圆曲线,缓和曲线]进行研究，特别是对三者的组合的研究之后，提出的一种可以将样条曲线转化为平面线形的方法，同时给出平面线形的详细设计参数，为后续的工程实施的各个环节提供方便。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种样条曲线转化为道路平面设计参数的方法及系统，将样条转为道路平面线位和道路平面设计参数，精确地得到道路正确的平面线位信息和道路设计参数，为后续施工提供方便。
为实现上述目的，提出一种样条曲线转化为道路平面设计参数的方法，包括以下步骤：
步骤一：收集样条曲线，并消除样条曲线的随机误差波动，获得样条曲线对应的稳健曲率曲线；
步骤二：对稳健曲率曲线进行卷积平滑处理，通过加权处理获取一组卷积系数来获取中心点值，连接中心点，获得平滑曲率曲线；
步骤三：基于道路特征将平滑曲率曲线分割成最小序列线段组合，所述最小序列线段组合组成曲率特征曲线；所述最小序列线段为线性变化的线段；
步骤四：基于曲率特征曲线，对样条曲线采用Levenberg-Marquardt算法进行优化，对初始生成的道路的每个构成部分的参数进行迭代优化，获得道路设计参数；
所述消除样条曲线的随机误差波动，包括：
步骤11：从样条曲线中均匀采样，获得L1个采样点；对于每个采样点，执行步骤12至步骤16；
步骤12：将该采样点作为计算点；收集与计算点相邻的N个采样点的曲率，组成曲
率集合M；其中，曲率集合；其中，i为相邻的采样点的
编号，vi为第i个采样点的曲率；N为预设的相邻的采样点的数量；
步骤13：为第i个相邻的采样点设置权重pi，权重pi初始为1；
步骤14：通过对N个相邻的采样点的曲率集合进行平差计算，获得计算点的改正曲率V；
步骤15：重新计算各个相邻的采样点的权重；具体地，第i个相邻的采样点的权重pi的值更新为：
；
其中:；
m0为单位权重误差，ri为多余观测分量，k为根据经验预设的参数；k在前3次更新权重pi时设置为1，后续更新权重pi时基于经验设置为3；
步骤16：迭代执行步骤14-步骤16，直至所有的权重pi达到收敛为止，获得计算点的最终改正曲率V；
将所有的计算点的最终改正曲率V按照计算点的顺序进行依次连接，获得稳健曲率曲线；
所述对稳健曲率曲线进行卷积平滑处理，通过加权处理获取一组卷积系数来获取中心点值，连接中心点，获得平滑曲率曲线，包括：
步骤21：从稳健曲率曲线中以均匀采样的方式，获得L2个曲率特征点；对每个曲率特征点，执行步骤22至步骤24；
步骤22：将该曲率特征点作为计算特征点；将该计算特征点的编号标记为j；选择
第j个计算特征点、第j个计算特征点的前H个曲率特征点和后H个曲率特征点，共组成个曲率特征点的最终改正曲率组成实际曲率特征集合Rj，其中，实际曲率特征集
合；其中，Vj为第j个计算特征点的最终改正
曲率；其中，H为基于经验设置的数量参数；
步骤23：使用多项式曲线拟合方式对实际曲率特征集合进行拟合，获得拟合出的多项式函数Yj；
步骤24：获得实际曲率特征集合中第H+1个元素在多项式函数Yj中，对应的拟合值yj；
将所有计算特征点对应的拟合值按照道路的前进方向进行依次连接，获得平滑曲率曲线；
所述基于道路特征将平滑曲率曲线分割成最小序列线段组合的方式为：
预设置一个线路基本单元；所述线路基本单元包括直线段、缓和曲线段、圆曲线段、缓和曲线段、直线段；
利用所述线路基本单元，采用线性分段函数和动态规划算法来获得拐点，并使用拐点逼近平滑曲率曲线，获得曲率特征曲线；
所述采用线性分段函数和动态规划算法来获得拐点，并使用拐点逼近平滑曲率曲线，获得曲率特征曲线，包括：
步骤31：随机从平滑曲率曲线中选择两个点，选择的点在平滑曲率曲线中的横坐标分别标记为a和b；
步骤32：采用动态规划算法，从a和b中选择一个横坐标c，该横坐标c平滑曲率曲线上对应的点作为一个拐点；
各个拐点按照道路前进顺序和线路基本单元的拐点顺序进行依次连接，获得曲率特征曲线；
所述动态规划算法的递归公式为：
;
其中，F(a,b)表示从横坐标a对应的点到横坐标b对应的点之间的连接线段配置的最小成本；计算出所有的a<b时的F(a,b)；
Efit(a,b)表示线性回归计算出的垂直误差值；
则Efit表达如下：
；
Efit(a,b)表示线性回归计算出的垂直误差值；先通过使用线性回归方法拟合平滑曲率曲线中，横坐标a和横坐标b之间的曲线，获得对应的线性函数，用lslope和lyint分别表示该线性函数的斜率和y轴上的截距；
其中，[]分别为横坐标i在平滑曲率曲线上对应点的横坐
标和纵坐标；
Ecost是预设的惩罚值，该惩罚值取值应较大，使得生成的曲率变化图贴合道路平面线位的曲率特征；一般的Ecost取值可以为0.8；
所述对初始生成的道路的每个构成部分的参数进行迭代优化，获得道路设计参数，包括：
步骤41：根据曲率特征曲线上转折点的顺序依次获得每两个相邻转折点之间的曲率线段的线段类型；
步骤42：从样条曲线上，获得曲率特征曲线上各个横坐标对应的纵坐标，获得每样条曲线各个点的空间坐标；
步骤43：基于各个拐点的横坐标，从样条曲线上找到曲率特征曲线中各条曲率线段对应的道路曲线；可以理解的是，每条道路曲线对应于一条曲率线段，从而每条道路曲线对应于一种线段类型；
步骤44：若线段类型为直线段，则对道路曲线使用线性函数进行Levenberg-Marquardt算法优化；
若线段类型为圆曲线段，则对道路曲线使用圆函数进行Levenberg-Marquardt算法优化；
若线段类型为缓和曲线段，则对道路曲线使用Levenberg-Marquardt算法进行如下公式的有理逼近；
;
;
其中，；
A(t)=；
其中，C(t)、S(t)为拟合的目标函数，t为目标函数对应的自变量。
提出一种样条曲线转化为道路平面设计参数的系统，包括随机误差消除模块、平滑模块、拐点筛选模块以及样条曲线优化模块；其中，各个模块之间通过电性方式连接；
随机误差消除模块，用于收集样条曲线，并消除样条曲线的随机误差波动，获得样条曲线对应的稳健曲率曲线，并将样条曲线发送至样条曲线优化模块，将稳健曲率曲线发送至平滑模块；
平滑模块，用于对稳健曲率曲线进行卷积平滑处理，通过加权处理获取一组卷积系数来获取中心点值，连接中心点，获得平滑曲率曲线，并将平滑曲率曲线发送至拐点筛选模块；
拐点筛选模块，用于基于道路特征将平滑曲率曲线分割成最小序列线段组合，所述最小序列线段组合组成曲率特征曲线；所述最小序列线段为线性变化的线段，并将曲率特征曲线发送至样条曲线优化模块；
样条曲线优化模块，用于基于曲率特征曲线，对样条曲线采用Levenberg-Marquardt算法进行优化，对初始生成的道路的每个构成部分的参数进行迭代优化，获得道路设计参数。
提出一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行上述的样条曲线转化为道路平面设计参数的方法。
提出一种计算机可读存储介质，其上存储有可擦写的计算机程序；
当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行上述的样条曲线转化为道路平面设计参数的方法。
与现有技术相比，本发明的有益效果是：
1.本发明提出了一种稳定且高效的将样条曲线转为道路设计平面线位和设计参数的方法。该方法基于稳健估计，能对噪声，非均匀采样的数据点也能表现出准确性和稳定性。
2.本发明解决了道路设计和道路提取[遥感图像中提取道路，车道道路检测，3D点云数据提取道路]中给出样条曲线后，一方面无法真实地反映道路特征，另一方面在施工中的困难。在上述领域中，将处理后得到的样条曲线后，本发明可以将样条转为道路平面线位和道路平面设计参数，精确的得到道路正确的平面线位信息和道路设计参数，为后续施工提供方面。
附图说明
图1为本发明实施例1中样条曲线转化为道路平面设计参数的方法的流程图；
图2为本发明实施例1中样条曲线的示例图；
图3为本发明实施例1中经过随机误差波动消除后的稳健曲率曲线的示例图；
图4为本发明实施例1中经过卷积平滑处理后的平滑曲率曲线的示例图；
图5为本发明实施例1中的道路平面线位的曲率图的分段示例图；
图6为本发明实施例1中的实际的样条曲线所形成的曲率特征曲线示例图；
图7为本发明实施例1中的曲率特征曲线的各线路段的曲率对比示例图；
图8为本发明实施例1中经过优化后的样条曲线修正示例图；
图9为本发明实施例2中样条曲线转化为道路平面设计参数系统的模块连接关系图；
图10为本发明实施例3中的电子设备结构示意图；
图11为本发明实施例4中的计算机可读存储介质结构示意图。
具体实施方式
下面将结合实施例对本发明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前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1
如图1所示，一种样条曲线转化为道路平面设计参数的方法，包括以下步骤：
步骤一：收集样条曲线，并消除样条曲线的随机误差波动，获得样条曲线对应的稳健曲率曲线；
步骤二：对稳健曲率曲线进行卷积平滑处理，通过加权处理获取一组卷积系数来获取中心点值，连接中心点，获得平滑曲率曲线；
步骤三：基于道路特征将平滑曲率曲线分割成最小序列线段组合，所述最小序列线段组合组成曲率特征曲线；所述最小序列线段为线性变化的线段；
步骤四：基于曲率特征曲线，对样条曲线采用Levenberg-Marquardt算法进行优化，对初始生成的道路的每个构成部分的参数进行迭代优化，获得道路设计参数；
其中，所述样条曲线是经过一系列给定点的光滑曲线，可以包括紧贴道路的样条和随手绘制的样条；如图2所示，为一条样条曲线的示例图；
需要说明的是，绘制的样条中包含了绘制过程中的点集，所述点集会随机波动误差，传统的计算特征值计算方法,提取的特征值不可避免受到误差干扰。因此需要解决如何最小化误差干扰的问题；
所述消除样条曲线的随机误差波动，包括：
步骤11：从样条曲线中均匀采样，获得L1个采样点；对于每个采样点，执行步骤12至步骤16；
步骤12：将该采样点作为计算点；收集与计算点相邻的N个采样点的曲率，组成曲
率集合M；其中，曲率集合；其中，i为相邻的采样点的编
号，vi为第i个采样点的曲率；N为预设的相邻的采样点的数量；
步骤13：为第i个相邻的采样点设置权重pi，权重pi初始为1；
步骤14：通过对N个相邻的采样点的曲率集合进行平差计算，获得计算点的改正曲率V；
步骤15：重新计算各个相邻的采样点的权重；具体的，第i个相邻的采样点的权重pi的值更新为：
；
其中:；
m0为单位权重误差，ri为多余观测分量，k为根据经验预设的参数；在一个优选的实施例中，k在前3次更新权重pi时设置为1，后续更新权重pi时基于经验设置为3；
步骤16：迭代执行步骤14-步骤16，直至所有的权重pi达到收敛为止，获得计算点的最终改正曲率V；
将所有的计算点的最终改正曲率V按照计算点的顺序进行依次连接，获得稳健曲率曲线；
一条经过上述计算获得稳健曲率曲线的示例图如图3所示；图3的曲线图中横轴为道路前进方向，横轴的每个坐标为与道路初始位置的距离，纵轴为每个横坐标对应的曲率值；
需要说明的是，提取样条曲线的各个点的曲率值后，由于样条曲线的曲率分布一般不平稳，因此需要对稳健曲率曲线进行平滑操作，从而消除波动的同时确保特征值形状和宽度较少的改变；
进一步的，所述对稳健曲率曲线进行卷积平滑处理，通过加权处理获取一组卷积系数来获取中心点值，连接中心点，获得平滑曲率曲线，包括：
步骤21：从稳健曲率曲线中以均匀采样的方式，获得L2个曲率特征点；对每个曲率特征点，执行步骤22至步骤24；
步骤22：将该曲率特征点作为计算特征点；将该计算特征点的编号标记为j；选择
第j个计算特征点、第j个计算特征点的前H个曲率特征点和后H个曲率特征点，共组成个曲率特征点的最终改正曲率组成实际曲率特征集合Rj，其中，实际曲率特征
集合；其中，Vj为第j个计算特征点的最
终改正曲率；其中，H为基于经验设置的数量参数；
步骤23：使用多项式曲线拟合方式对实际曲率特征集合进行拟合，获得拟合出的
多项式函数Yj；可以理解的是，对于实际曲率特征集合中的每个元素，均可对应一个二维坐
标（j,Vj）,所有二维坐标在空间坐标系中可以构成一条二维曲线，因此，可以使用多项式曲
线拟合方法，将该二维曲线使用多项式函数方式进行表达；在一个优选的实施例中，多项式
函数Yj的最大系数设置为-2；
步骤24：获得实际曲率特征集合中第H+1个元素在多项式函数Yj中，对应的拟合值yj；可以理解的是，所述实际曲率特征集合即为卷积系数的组合，其中第H+1个元素既是实际曲率特征集合的中心点，也对应了第j个计算特征点；
将所有计算特征点对应的拟合值按照道路的前进方向进行依次连接，获得平滑曲率曲线；
一条经过上述计算后，将稳健曲率曲线转化为平滑曲率曲线的示例图如图4中的红色曲线所示；
需要说明的是，在对样条曲线提取平滑后的曲率后，样条曲线仅满足曲率连续的特征，而道路平面线有来自设计规范的特征，因此还需要解决如何将连续曲率特征转换为道路线性特征的问题；
进一步的，所述基于道路特征将平滑曲率曲线分割成最小序列线段组合的方式为：
预设置一个线路基本单元；所述线路基本单元包括直线段、缓和曲线段、圆曲线段、缓和曲线段、直线段，可以理解的是，所述线路基本单元组成一个梯形形状；如图5所示的道路平面线位的曲率图中的梯形曲线所示；在该梯形曲线中，存在4个拐点；因此，需要从平滑曲率曲线中找到各个拐点对应的位置；
利用所述线路基本单元，采用线性分段函数和动态规划算法来获得拐点，并使用拐点逼近平滑曲率曲线，获得曲率特征曲线；
具体地，所述采用线性分段函数和动态规划算法来获得拐点，并使用拐点逼近平滑曲率曲线，获得曲率特征曲线，包括：
步骤31：随机从平滑曲率曲线中选择两个点，选择的点在平滑曲率曲线中的横坐标分别标记为a和b；
步骤32：采用动态规划算法，从a和b中选择一个横坐标c，该横坐标c平滑曲率曲线上对应的点作为一个拐点；
各个拐点按照道路前进顺序和线路基本单元的拐点顺序进行依次连接，获得曲率特征曲线；
所述动态规划算法的递归公式为：
;
其中，F(a,b)表示从横坐标a对应的点到横坐标b对应的点之间的连接线段配置的最小成本；计算出所有的a<b时的F(a,b) ,以确保F(a,b)是严格的三角形；
Efit(a,b)表示线性回归计算出的垂直误差值；具体地，先通过使用线性回归方法拟合平滑曲率曲线中，横坐标a和横坐标b之间的曲线，获得对应的线性函数，用lslope和lyint分别表示该线性函数的斜率和y轴上的截距；
Ecost是预设的惩罚值，该惩罚值取值应较大，使得生成的曲率变化图贴合道路平面线位的曲率特征；一般的Ecost取值可以为0.8；
则Efit表达如下：
；
其中，[]分别为横坐标i在平滑曲率曲线上对应点的横
坐标和纵坐标；
一个经过分段后的道路平面线位的分段示例如图5所示，图5中下方的梯形曲线即为图5上方的曲线的曲率特征曲线，梯形图形的每个拐点对应上方曲线的拐点；图5中，ZH、HY、YH和HZ分别对应直线段和缓和曲线段之间的拐点、缓和曲线段和圆曲线段之间的拐点、圆曲线段和缓和曲线段之间的拐点以及缓和曲线段和直线段之间的拐点；图5中的a和b分别表示一次函数的参数，具体的:
1.直线的半径是无穷大的圆，故曲率为零，用一个线性函数表示变化，则: y = ax+b = 0，则a=0，b=0；
2.缓和曲线的半径是变化的曲线，故曲率是线性变化，用线性函数表示: y = ax+
b，a0，b0；
3.圆的半径是一个常数，故曲率是一个常数，用线性函数表述: y = ax+ b,即y是
与x无关的常数，故a=0，b0；
一个实际的样条曲线所形成的曲率特征曲线的示例图如图6中的蓝色曲线所示；
需要说明的是，步骤三生成的曲率特征图，只是使得曲率特征符合道路的变化特征，因此，从样条曲线的曲率图转化为道路特征后，还需要解决如何计算出最佳的道路设计参数，使得误差最小的问题；
进一步的，所述基于曲率特征曲线，对样条曲线采用Levenberg-Marquardt算法进行优化，对初始生成的道路的每个构成部分的参数进行迭代优化，获得道路设计参数，包括：
步骤41：根据曲率特征曲线上转折点的顺序依次获得每两个相邻转折点之间的曲率线段的线段类型；可以理解的是，所述线段类型包括直线段、缓和曲线段以及圆曲线段；
步骤42：从样条曲线上，获得曲率特征曲线上各个横坐标对应的纵坐标，获得每样条曲线各个点的空间坐标；
步骤43：基于各个拐点的横坐标，从样条曲线上找到曲率特征曲线中各条曲率线段对应的道路曲线；可以理解的是，每条道路曲线对应于一条曲率线段，从而每条道路曲线对应于一种线段类型；
步骤44：若线段类型为直线段，则对道路曲线使用线性函数进行Levenberg-Marquardt算法优化；
若线段类型为圆曲线段，则对道路曲线使用圆函数进行Levenberg-Marquardt算法优化；
若线段类型为缓和曲线段，则对道路曲线使用Levenberg-Marquardt算法进行如下公式的有理逼近；
;
;
其中，；
A(t)=；
其中，C(t)、S(t)为拟合的目标函数，t为目标函数对应的自变量。
图7为经过优化后，曲率特征曲线的各线路段的曲率对比示例图；其中，图中红色线条中，曲率为零的部分为直线部分，直线部分的长度为直线段的设计参数。曲率为线性函数的部分为缓和曲线，斜率和长度为缓和曲线段的设计参数；即可给出如图8所示的样条曲线修正后的最终结果。
具体的，需要说明的是，Levenberg-Marquardt算法为现有技术，其具体实现过程如下：
目标：对应函数关系：
其中 r为各道路曲线对应的各个组成部分的方程式 [分别为：直线表达式，圆弧段表达式，缓和曲线的有理逼近表达式], w为对应的各个模块的空间坐标集数据，p为各个组成模块对应的参数值。
步骤1： 设置初始条件：
取初始点p0，终止控制常数，最大迭代次数Q；
计算0=||w-r(p0)||，0=0.0001，v=10;
步骤2：对于第q次迭代，q=1,2,3...Q；
计算;
其中 Jq为雅可比矩阵，I为单位矩阵，λq为在第k次迭代后，计算出的0的值。
步骤3：构造增量正规方程，求解增量正规方程获得;其
中εq在第q次迭代后计算出的值；
对求解的结果进行分析：
（1）若||w-r(pq+)||<，则令p(q+1)=pq+q，若||q||<，停止迭代，输出结
果；否则令λ(q+1)=，并转至步骤2；
（2）若||w-r(pq+)||，则令λ(q+1)=v，重新解增量正规方程得到，并
返回（1）；
完成上述的三个步骤后，即可得到最优化的参数结果。
实施例2
如图9所示，一种样条曲线转化为道路平面设计参数的系统，包括随机误差消除模块、平滑模块、拐点筛选模块以及样条曲线优化模块；其中，各个模块之间通过电性方式连接；
其中，所述随机误差消除模块主要用于收集样条曲线，并消除样条曲线的随机误差波动，获得样条曲线对应的稳健曲率曲线，并将样条曲线发送至样条曲线优化模块，将稳健曲率曲线发送至平滑模块；
其中，所述平滑模块主要用于对稳健曲率曲线进行卷积平滑处理，通过加权处理获取一组卷积系数来获取中心点值，连接中心点，获得平滑曲率曲线，并将平滑曲率曲线发送至拐点筛选模块；
其中，所述拐点筛选模块主要用于基于道路特征将平滑曲率曲线分割成最小序列线段组合，所述最小序列线段组合组成曲率特征曲线；所述最小序列线段为线性变化的线段，并将曲率特征曲线发送至样条曲线优化模块；
其中，所述样条曲线优化模块主要用于基于曲率特征曲线，对样条曲线采用Levenberg-Marquardt算法进行优化，对初始生成的道路的每个构成部分的参数进行迭代优化，获得道路设计参数。
实施例3
图10是本申请一个实施例提供的电子设备结构示意图。如图10所示，根据本申请的又一方面还提供了一种电子设备100。该电子设备100可包括一个或多个处理器以及一个或多个存储器。其中，存储器中存储有计算机可读代码，计算机可读代码当由一个或多个处理器运行时，可以执行如上所述的样条曲线转化为道路平面设计参数的方法实现。
根据本申请实施方式的方法或装置也可以借助于图10所示的电子设备的架构来实现。如图10所示，电子设备100可包括总线101、一个或多个CPU102、ROM103、RAM104、连接到网络的通信端口105、输入/输出组件106、硬盘107等。电子设备100中的存储设备，例如ROM103或硬盘107可存储本申请提供的样条曲线转化为道路平面设计参数的方法实现。样条曲线转化为道路平面设计参数的方法实现可包括以下步骤：步骤一：收集样条曲线，并消除样条曲线的随机误差波动，获得样条曲线对应的稳健曲率曲线；步骤二：对稳健曲率曲线进行卷积平滑处理，通过加权处理获取一组卷积系数来获取中心点值，连接中心点，获得平滑曲率曲线；步骤三：基于道路特征将平滑曲率曲线分割成最小序列线段组合，所述最小序列线段组合组成曲率特征曲线；所述最小序列线段为线性变化的线段；步骤四：基于曲率特征曲线，对样条曲线采用Levenberg-Marquardt算法进行优化，对初始生成的道路的每个构成部分的参数进行迭代优化，获得道路设计参数；
进一步地，电子设备100还可包括用户界面108。当然，图10所示的架构只是示例性的，在实现不同的设备时，根据实际需要，可以省略图10示出的电子设备中的一个或多个组件。
实施例4
图11是本申请一个实施例提供的计算机可读存储介质结构示意图。如图11所示，是根据本申请一个实施方式的计算机可读存储介质200。计算机可读存储介质200上存储有计算机可读指令。当计算机可读指令由处理器运行时，可执行参照以上附图描述的根据本申请实施方式的样条曲线转化为道路平面设计参数的方法实现。计算机可读存储介质200包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器可包括随机存取存储器(RAM)和高速缓冲存储器(cache)等。非易失性存储器可包括只读存储器(ROM)、硬盘、闪存等。
另外，根据本申请的实施方式，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质存储有机器可读指令，所述机器可读指令能够由处理器运行以执行与本申请提供的方法步骤对应的指令，在该计算机程序被中央处理单元(CPU)执行时，执行本申请的方法中限定的上述功能。
可能以许多方式来实现本申请的方法和装置、设备。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明，本申请的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本申请实施为记录在记录介质中的程序，这些程序包括用于实现根据本申请的方法的机器可读指令。因而，本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。
另外，本申请的实施方式中提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
如上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明。应理解的是，以上所述仅为本发明的具体实施方式，并不用于限制本发明。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等均应包含在本发明的保护范围之内。
以上预设的参数均由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制，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法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (7)
1.一种样条曲线转化为道路平面设计参数的方法，其特征在于，包括以下步骤：
步骤一：收集样条曲线，并消除样条曲线的随机误差波动，获得样条曲线对应的稳健曲率曲线；
步骤二：对稳健曲率曲线进行卷积平滑处理，通过加权处理获取一组卷积系数来获取中心点值，连接中心点，获得平滑曲率曲线；
步骤三：基于道路特征将平滑曲率曲线分割成最小序列线段组合，所述最小序列线段组合组成曲率特征曲线；所述最小序列线段为线性变化的线段；
步骤四：基于曲率特征曲线，对样条曲线采用Levenberg-Marquardt算法进行优化，对初始生成的道路的每个构成部分的参数进行迭代优化，获得道路设计参数；
所述基于道路特征将平滑曲率曲线分割成最小序列线段组合的方式为：
预设置一个线路基本单元；
利用所述线路基本单元，采用线性分段函数和动态规划算法来获得拐点，并使用拐点逼近平滑曲率曲线，获得曲率特征曲线；
所述线路基本单元包括直线段、缓和曲线段、圆曲线段、缓和曲线段、直线段；
所述对稳健曲率曲线进行卷积平滑处理，通过加权处理获取一组卷积系数来获取中心点值，连接中心点，获得平滑曲率曲线，包括：
步骤21：从稳健曲率曲线中以均匀采样的方式，获得L2个曲率特征点；对每个曲率特征点，执行步骤22至步骤24；
步骤22：将该曲率特征点作为计算特征点；将该计算特征点的编号标记为j；选择第j个计算特征点、第j个计算特征点的前H个曲率特征点和后H个曲率特征点，共组成个曲率特征点的最终改正曲率组成实际曲率特征集合Rj，其中，实际曲率特征集合；其中，Vj为第j个计算特征点的最终改正曲率；其中，H为基于经验设置的数量参数；
步骤23：使用多项式曲线拟合方式对实际曲率特征集合进行拟合，获得拟合出的多项式函数Yj；
步骤24：获得实际曲率特征集合中第H+1个元素在多项式函数Yj中，对应的拟合值yj；
将所有计算特征点对应的拟合值按照道路的前进方向进行依次连接，获得平滑曲率曲线；
所述对初始生成的道路的每个构成部分的参数进行迭代优化，获得道路设计参数，包括：
步骤41：根据曲率特征曲线上转折点的顺序依次获得每两个相邻转折点之间的曲率线段的线段类型；
步骤42：从样条曲线上，获得曲率特征曲线上各个横坐标对应的纵坐标，获得每样条曲线各个点的空间坐标；
步骤43：基于各个拐点的横坐标，从样条曲线上找到曲率特征曲线中各条曲率线段对应的道路曲线；
步骤44：若线段类型为直线段，则对道路曲线使用线性函数进行Levenberg-Marquardt算法优化；
若线段类型为圆曲线段，则对道路曲线使用圆函数进行Levenberg-Marquardt算法优化；
若线段类型为缓和曲线段，则对道路曲线使用Levenberg-Marquardt算法进行如下公式的有理逼近；
;
;
其中，；
；
其中，C(t)、S(t)为拟合的目标函数，t为目标函数对应的自变量。
2.根据权利要求1所述的一种样条曲线转化为道路平面设计参数的方法，其特征在于，所述消除样条曲线的随机误差波动，包括：
步骤11：从样条曲线中均匀采样，获得L1个采样点；对于每个采样点，执行步骤12至步骤16；
步骤12：将该采样点作为计算点；收集与计算点相邻的N个采样点的曲率，组成曲率集合M；其中，曲率集合；其中，i为相邻的采样点的编号，vi为第i个采样点的曲率；N为预设的相邻的采样点的数量；
步骤13：为第i个相邻的采样点设置权重pi，权重pi初始为1；
步骤14：通过对N个相邻的采样点的曲率集合进行平差计算，获得计算点的改正曲率V；
步骤15：重新计算各个相邻的采样点的权重；具体地，第i个相邻的采样点的权重pi的值更新为：
；
其中:；
m0为单位权重误差，ri为多余观测分量，k为根据经验预设的参数；k在前3次更新权重pi时设置为1，后续更新权重pi时基于经验设置为3；
步骤16：迭代执行步骤14-步骤16，直至所有的权重pi达到收敛为止，获得计算点的最终改正曲率V；
将所有的计算点的最终改正曲率V按照计算点的顺序进行依次连接，获得稳健曲率曲线。
3.根据权利要求2所述的一种样条曲线转化为道路平面设计参数的方法，其特征在于，所述采用线性分段函数和动态规划算法来获得拐点，并使用拐点逼近平滑曲率曲线，获得曲率特征曲线，包括：
步骤31：随机从平滑曲率曲线中选择两个点，选择的点在平滑曲率曲线中的横坐标分别标记为a和b；
步骤32：采用动态规划算法，从a和b中选择一个横坐标c，该横坐标c平滑曲率曲线上对应的点作为一个拐点；
各个拐点按照道路前进顺序和线路基本单元的拐点顺序进行依次连接，获得曲率特征曲线。
4.根据权利要求3所述的一种样条曲线转化为道路平面设计参数的方法，其特征在于，所述动态规划算法的递归公式为：
;
其中，F(a,b)表示从横坐标a对应的点到横坐标b对应的点之间的连接线段配置的最小成本；计算出所有的a<b时的F(a,b)；
Efit(a,b)表示线性回归计算出的垂直误差值；
则Efit表达如下：
；
Efit(a,b)表示线性回归计算出的垂直误差值；先通过使用线性回归方法拟合平滑曲率曲线中，横坐标a和横坐标b之间的曲线，获得对应的线性函数，用lslope和lyint分别表示该线性函数的斜率和y轴上的截距；
其中，分别为横坐标i在平滑曲率曲线上对应点的横坐标和纵坐标；
Ecost是预设的惩罚值。
5.一种样条曲线转化为道路平面设计参数的系统，其基于权利要求1-4中任意一项所述的一种样条曲线转化为道路平面设计参数的方法实现，其特征在于，包括随机误差消除模块、平滑模块、拐点筛选模块以及样条曲线优化模块；其中，各个模块之间通过电性方式连接；
随机误差消除模块，用于收集样条曲线，并消除样条曲线的随机误差波动，获得样条曲线对应的稳健曲率曲线，并将样条曲线发送至样条曲线优化模块，将稳健曲率曲线发送至平滑模块；
平滑模块，用于对稳健曲率曲线进行卷积平滑处理，通过加权处理获取一组卷积系数来获取中心点值，连接中心点，获得平滑曲率曲线，并将平滑曲率曲线发送至拐点筛选模块；
拐点筛选模块，用于基于道路特征将平滑曲率曲线分割成最小序列线段组合，所述最小序列线段组合组成曲率特征曲线；所述最小序列线段为线性变化的线段，并将曲率特征曲线发送至样条曲线优化模块；
样条曲线优化模块，用于基于曲率特征曲线，对样条曲线采用Levenberg-Marquardt算法进行优化，对初始生成的道路的每个构成部分的参数进行迭代优化，获得道路设计参数；
所述基于道路特征将平滑曲率曲线分割成最小序列线段组合的方式为：
预设置一个线路基本单元；
利用所述线路基本单元，采用线性分段函数和动态规划算法来获得拐点，并使用拐点逼近平滑曲率曲线，获得曲率特征曲线；
所述线路基本单元包括直线段、缓和曲线段、圆曲线段、缓和曲线段、直线段；
所述对稳健曲率曲线进行卷积平滑处理，通过加权处理获取一组卷积系数来获取中心点值，连接中心点，获得平滑曲率曲线，包括：
步骤21：从稳健曲率曲线中以均匀采样的方式，获得L2个曲率特征点；对每个曲率特征点，执行步骤22至步骤24；
步骤22：将该曲率特征点作为计算特征点；将该计算特征点的编号标记为j；选择第j个计算特征点、第j个计算特征点的前H个曲率特征点和后H个曲率特征点，共组成个曲率特征点的最终改正曲率组成实际曲率特征集合Rj，其中，实际曲率特征集合/>；其中，Vj为第j个计算特征点的最终改正曲率；其中，H为基于经验设置的数量参数；
步骤23：使用多项式曲线拟合方式对实际曲率特征集合进行拟合，获得拟合出的多项式函数Yj；
步骤24：获得实际曲率特征集合中第H+1个元素在多项式函数Yj中，对应的拟合值yj；
将所有计算特征点对应的拟合值按照道路的前进方向进行依次连接，获得平滑曲率曲线；
所述对初始生成的道路的每个构成部分的参数进行迭代优化，获得道路设计参数，包括：
步骤41：根据曲率特征曲线上转折点的顺序依次获得每两个相邻转折点之间的曲率线段的线段类型；
步骤42：从样条曲线上，获得曲率特征曲线上各个横坐标对应的纵坐标，获得每样条曲线各个点的空间坐标；
步骤43：基于各个拐点的横坐标，从样条曲线上找到曲率特征曲线中各条曲率线段对应的道路曲线；
步骤44：若线段类型为直线段，则对道路曲线使用线性函数进行Levenberg-Marquardt算法优化；
若线段类型为圆曲线段，则对道路曲线使用圆函数进行Levenberg-Marquardt算法优化；
若线段类型为缓和曲线段，则对道路曲线使用Levenberg-Marquardt算法进行如下公式的有理逼近；
;
;
其中，；
；
其中，C(t)、S(t)为拟合的目标函数，t为目标函数对应的自变量。
6.一种电子设备，其特征在于，包括：处理器和存储器，其中，
所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，在后台中执行权利要求1-4中任意一项所述的样条曲线转化为道路平面设计参数的方法。
7.一种计算机可读存储介质，其特征在于，其上存储有可擦写的计算机程序；
当所述计算机程序在计算机设备上运行时，使得所述计算机设备在后台中执行权利要求1-4中任意一项所述的样条曲线转化为道路平面设计参数的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410311326.XA CN117910184B (zh) | 2024-03-19 | 2024-03-19 | 一种样条曲线转化为道路平面设计参数的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410311326.XA CN117910184B (zh) | 2024-03-19 | 2024-03-19 | 一种样条曲线转化为道路平面设计参数的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117910184A CN117910184A (zh) | 2024-04-19 |
| CN117910184B true CN117910184B (zh) | 2024-06-07 |
Family
ID=90692523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410311326.XA Active CN117910184B (zh) | 2024-03-19 | 2024-03-19 | 一种样条曲线转化为道路平面设计参数的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117910184B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112762946A (zh) * | 2020-12-17 | 2021-05-07 | 武汉光庭信息技术股份有限公司 | 一种道路分段处理方法及系统 |
| CN113177256A (zh) * | 2021-05-21 | 2021-07-27 | 中铁二局集团有限公司 | 一种道路曲线的曲线要素通用获取方法 |
| CN113847924A (zh) * | 2021-09-06 | 2021-12-28 | 西安交通大学 | 一种基于参数曲线优化的导航路径规划方法、系统 |
| CN113932827A (zh) * | 2021-11-09 | 2022-01-14 | 启迪云控(上海)汽车科技有限公司 | 道路曲线的生成方法、装置、存储介质及车辆 |
| CN114912159A (zh) * | 2022-07-18 | 2022-08-16 | 中国铁路设计集团有限公司 | 一种轨道交通线路平面几何线形的拟合方法 |
| CN116520822A (zh) * | 2023-03-13 | 2023-08-01 | 中国人民解放军国防科技大学 | 一种光滑的曲率参数化表示的路径生成方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7668663B2 (en) * | 2005-12-20 | 2010-02-23 | Roche Molecular Systems, Inc. | Levenberg-Marquardt outlier spike removal method |
| US20090144030A1 (en) * | 2007-12-04 | 2009-06-04 | Tele Atlas North America, Inc. | Computer readable storage medium storing instructions for applying clothoid curve values to roadways in a geographic data information system |
-
2024
- 2024-03-19 CN CN202410311326.XA patent/CN117910184B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112762946A (zh) * | 2020-12-17 | 2021-05-07 | 武汉光庭信息技术股份有限公司 | 一种道路分段处理方法及系统 |
| CN113177256A (zh) * | 2021-05-21 | 2021-07-27 | 中铁二局集团有限公司 | 一种道路曲线的曲线要素通用获取方法 |
| CN113847924A (zh) * | 2021-09-06 | 2021-12-28 | 西安交通大学 | 一种基于参数曲线优化的导航路径规划方法、系统 |
| CN113932827A (zh) * | 2021-11-09 | 2022-01-14 | 启迪云控(上海)汽车科技有限公司 | 道路曲线的生成方法、装置、存储介质及车辆 |
| CN114912159A (zh) * | 2022-07-18 | 2022-08-16 | 中国铁路设计集团有限公司 | 一种轨道交通线路平面几何线形的拟合方法 |
| CN116520822A (zh) * | 2023-03-13 | 2023-08-01 | 中国人民解放军国防科技大学 | 一种光滑的曲率参数化表示的路径生成方法 |
Non-Patent Citations (4)
| Title |
|---|
| 改扩建公路平面线形参数识别原理及其应用;张航;张肖磊;张汉龙;;公路;20170125(第01期);全文 * |
| 有理三次样条曲线在公路线形设计中的应用研究;何祎;中国公路学报;19980330;第11卷(第01期);全文 * |
| 样条曲线在道路平面线形中的应用研究;杨鹏;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑;20120515;全文 * |
| 道路平面线形拟合方法比较研究;张航 等;武汉理工大学学报(交通科学与工程版);20180815(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117910184A (zh) | 2024-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110307838B (zh) | 机器人重定位方法、装置、计算机可读存储介质及机器人 | |
| CN105550691B (zh) | 基于尺度空间的自适应山谷山脊线提取方法及系统 | |
| CN112233249B (zh) | 基于密集点云的b样条曲面拟合方法及装置 | |
| CN109035170B (zh) | 基于单网格图分段映射的自适应广角图像校正方法及装置 | |
| CN114529837A (zh) | 建筑物轮廓提取方法、系统、计算机设备及存储介质 | |
| CN113450353B (zh) | 一种叶面积指数精度的优化方法和装置 | |
| CN112348836A (zh) | 一种自动提取建筑物轮廓的方法及装置 | |
| CN112861983A (zh) | 图像匹配方法、装置、电子设备以及存储介质 | |
| CN117710603B (zh) | 一种直线几何结构约束下无人机图像三维建筑物建模方法 | |
| CN117910184B (zh) | 一种样条曲线转化为道路平面设计参数的方法及系统 | |
| CN106251307B (zh) | 基于Extended Smoothlets变换的图像近似方法 | |
| CN113159103A (zh) | 图像匹配方法、装置、电子设备以及存储介质 | |
| CN108961391B (zh) | 一种基于曲率滤波的表面重构方法 | |
| CN115546185A (zh) | 血管图像的轮廓提取方法、装置、设备及存储介质 | |
| CN113496468B (zh) | 深度图像的修复方法、装置和存储介质 | |
| CN114581328A (zh) | 一种料堆点云数据插补方法、装置、设备及介质 | |
| CN109919998B (zh) | 卫星姿态确定方法、装置和终端设备 | |
| CN112233153A (zh) | 图像匹配方法、装置、电子设备及存储介质 | |
| CN112084938A (zh) | 一种基于图结构提高平面目标表征稳定性的方法及装置 | |
| CN113255405A (zh) | 车位线识别方法及其系统、车位线识别设备、存储介质 | |
| CN114596416B (zh) | 一种三维地物模型修复方法、系统、设备和存储介质 | |
| CN114332388B (zh) | 基于栅格距离变换的dsm漏洞修补方法 | |
| KR100522865B1 (ko) | 디지털 이미지로부터의 도로추출 방법 | |
| CN118072271A (zh) | 基于三次样条的自适应车道线拟合方法、装置和电子设备 | |
| CN118470372A (zh) | 图像方向场计算方法、计算机设备及可读存储介质 |
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 | ||
| GR01 | Patent grant |