JP7458940B2 - 画像処理装置 - Google Patents
画像処理装置 Download PDFInfo
- Publication number
- JP7458940B2 JP7458940B2 JP2020146631A JP2020146631A JP7458940B2 JP 7458940 B2 JP7458940 B2 JP 7458940B2 JP 2020146631 A JP2020146631 A JP 2020146631A JP 2020146631 A JP2020146631 A JP 2020146631A JP 7458940 B2 JP7458940 B2 JP 7458940B2
- Authority
- JP
- Japan
- Prior art keywords
- road
- roadside
- feature
- type
- vehicle
- 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
- 238000012545 processing Methods 0.000 title claims description 33
- 238000000605 extraction Methods 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 13
- 230000006399 behavior Effects 0.000 description 38
- 238000010586 diagram Methods 0.000 description 34
- 238000000034 method Methods 0.000 description 25
- 238000009825 accumulation Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 7
- 244000025254 Cannabis sativa Species 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000003449 preventive effect Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 241000209094 Oryza Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 240000004050 Pentaglottis sempervirens Species 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000010426 asphalt Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
図1は、本実施形態における画像処理装置の全体構成を示す図である。
画像処理装置1は、センサ部100と、路端種別特徴部200と、走行路判定部300と、警報制御部400を有している。
図2は、センサ部の構成を説明する図である。
本実施例においては、先に示したように基本的には、ステレオカメラを前提とした実施例を記載する。ただし、先にも示したように、図2中段(2)、図2下段(3)にも示すように、センサ部100は、カメラ部150を有する単眼カメラであってもよく、また、カメラ部170とLidar部180を組み合わせたFusionセンサであってもよいし、このほかのTOFセンサや、ミリ波とカメラなどとのFusionセンサなどであってもよい。
図3は、路端種別特徴部の構成を説明する図である。
路端種別特徴部200は、路端特徴量抽出部210と、自車挙動推定部220と、路端特徴地図生成部230と、内側特徴優先部240と、内側特徴種別判定部250とを有している。
図4は、路端特徴量抽出部の構成を説明する図である。路端特徴量抽出部210は、立体物累積部211、移動体部212、低段差部213、マイナス段差部214、段差なし路端部215、及び走行路区分立体物部216を備えている。
図9は、自車挙動推定部の構成を説明する図である。
自車挙動推定部220では、自車の挙動をCAN情報である車速センサの結果や、ヨーレートもしくは操舵角度などの車両情報を活用し、図10(1)に示すような4輪モデルによる自車両の挙動予測を挙動推定演算部221にて実施する。
本実施形態では、高精度地図位置推定部224の結果を活用しても良い。高精度地図1110は、例えば、走行車線1111と、走行車線1111から分岐する分岐車線1112と、分岐車線1112の路端1113と、分岐1114と、中央分離帯1115と、反対車線1116と、反対車線1116に合流する合流車線1117と、合流車線1117の路端1118の情報を含んでいる。図11(2)に示すような自動運転のために高精度地図がもともと準備されているような場合には、この高精度地図と自車位置姿勢の推定を実施する手法であってもよい。もしくは高精度GNSSを活用して、このような高精度地図上の位置を把握する手法であってもよい。これら自車挙動推定部220では、これら複数の手法で並列して自車挙動を推定し、その中から精度の高いものを採用する。
図12は、路端特徴地図生成部の構成を説明する図である。
路端特徴地図生成部230では、毎フレーム抽出された路端特徴量抽出部210で得られた路端の特徴量を、自車挙動推定部220で得られた結果を利用して、図13に記載するように、自車両真上から見た俯瞰図である路端特徴地図において時系列に並べる。
図13は、路端特徴地図の一例を示す図である。
図13に示すようなシーンにおいては、図13の上側に示される走行路1311では、車両V0が中央分離帯側の走行路1311Aを走行し、ステレオカメラで検知範囲1320の検知を行う。そして、路端特徴量抽出部210によって車両V0の進行方向左側の路端特徴量が抽出され、自車挙動推定部220の推定情報に基づき、路端特徴地図生成部230によって、その時系列の結果が俯瞰の地図上に示される。このシーンにおいては、側溝1313が走行路1311Bの白線よりも路幅方向外側(側方)にあり、さらにその外側に複数の建築物1315が並んで配置されている。このような場合には、側溝1313の特徴量と、その奥の建築物1315に対する立体物累積(路端特徴量)1331とが、それぞれ2種類とも抽出できる。なお、側溝1313は、走行路1311Bに沿って連続して設けられているが、一部に蓋1314が被せられて部分的に途切れた箇所があり、走行方向における特徴量の隙間となる。
図14は、内側特徴優先部による内側特徴優先処理を実行した後の路端特徴地図の一例を示す図である。
路端種別特徴部200の内側特徴優先部240は、走行路の側方に複数の特徴量が重複して存在する場合に、重複する外側の特徴量を消去する処理を行う。本実施例においては、走行領域の内側に近い特徴量、つまり、路幅方向において自車両に近い方の路端特徴量を優先させるための処理として、自車両走行方向から見て内側の特徴量を路端特徴量として優先し、その外側に存在する特徴量を消去する処理を実装する。図14に示すように、自車両から見て最も内側にある路端特徴量1331、1333、1334のみを残し、その外側にある重複した特徴量1401~1406を俯瞰の地図上から削除する。これによりまず内側に存在する路端の特徴量を優先して選定することが可能となる。
本実施形態では、内側特徴種別判定部250により、まず、どのような路端種別の特徴量が現状存在するかを判定し、さらに、これらの種別ごとの特徴量の横位置の最頻値を算出する。例えば、図14において上側に示される例の場合には、車両V0から見て、路幅方向外側5mの位置(横位置)にマイナス段差の特徴量(側溝1313の特徴量)が存在し、この特徴量の半分くらいの量(走行方向に沿った長さ)ではあるものの、さらに路幅方向外側である8mの位置(横位置)に、建築物1315を抽出した立体物累積(路端特徴量)1331が存在する。このように図14において残っている特徴量を車両の進行方向に対して投影するように累計する。つまり、横位置別にどのような種別の特徴量が、どの程度進行方向に並んでいるかを調査する。ある種別の累積結果が蓄積されることにより、内側路端候補の種別を特定する。このように種別と大まかな横位置を抽出することで、この後に適切に路端候補を連結するための判断材料に利用する情報とする。
図15は、走行路判定部の構成を説明する図、図16は、連結路端候補生成条件を示す図である。
走行路判定部300は、路端特徴量の種別に応じた走行路の判定を行う。この種別に応じた走行路判定部300では、路端種別特徴部200で抽出された複数種類の路端特徴量を地図上に投票し、内側優先でノイズ除去した地図上の路端特徴量とその種別情報を活用して、最終的な走行路判定を実施する。走行路判定部300は、連結路端候補生成部310と、路端候補連結部320と、走行路区分判定部330を有している。
図16(2)に示す表の見方としては、路面高は、地図1点における特徴量の投票量を意味しており、背の高い物体であるほど、ステレオカメラの視差画像上で多くの奥行き情報を得ることができるため投票量が多く、信頼度が高くなる。路面高は地図上の投票量の多さでこの閾値以上の投票量があれば路端候補として連結する。
図17は、図16の条件に基づいて、連結路端候補生成部310によって同一の特徴量種別の路端候補を連結した例を示す。
内側優先により外側の路端特徴量が削除されている状況において、図17の上側に示される走行路1311Aを走行する車両V0の左側の路端について連結を説明する。
次に、生成された路端候補を連結する条件を図18に示す。特に複数種の路端候補に対する連結を実施するが、複数種の中に移動体を含むような場合と、走行路区分立体物が含まれる場合には条件が異なる。
図19から図21までに、上記の連結路端候補同士をさらに連結する路端候補連結部320において路端候補の連結例を示す。この路端連結結果を利用して、走行路区分判定部330において、最終路端位置と種別を確定する。図19から図21では、太い黒破線によって、路端候補の連結後の最終結果を示すこととする。
図19の上側に示されている車両V0にとっての左側路端を考慮すると、こちらの路端は、路端候補1701と1704との間のように側溝1313の路端が途切れている個所において、500cm以上進行方向から離れた位置に再度側溝1313がでてきて、側溝1313を塞ぐ蓋1314が、500cm以上続いている。このため、横位置の異なる方向に接続可能かを検討するが、進行方向に対する横位置を200cmよりも離れた図で上側に示された位置に建築物1315の路端候補1702がある。
図20は、車両含む路端連結例を説明する図である。
図20では、移動体である車両を含む路端候補の連結結果を示す。図20の上側に示される走行路1311の路端は、図19と同様であるため、図20の下側に示される走行路1312の路端についてのみ説明する。図20の下側に示される走行路1312Aを走行している後方車両にとっての路端連結結果を示す。
図21は、走行路区分を含む路端連結例を説明する図である。
図21の上側に示される車両V0の左側路端を連結する路端連結例について説明する。これまでと異なり、工事中の現場に一般車両が入らないように複数の三角ポール2101が走行路1311Bに並べられている。したがって、側溝1313の一部の路端候補1701と、走行路区分である三角ポール2101を連結した路端候補2102の2つが、路幅方向内側に存在するので、この2つの路端候補1701と2102とを接続し、最終結果の路端2111として検知する。走行路区分の連結成分より内側にできた路端候補についてはそもそも連結対象として取り扱わない。
走行路判定部300では、上記の路端連結結果が片側に複数存在するような場合において、より内側の路端を優先して採用するとともに、奥行き別に路端の種別を決定する。これを左右について実施することで、奥行き別の横位置を決定する。さらに、この結果を利用しながら、空間的に滑らかな走行路区分となるように、曲線フィッティングを実施する。時系列の情報も活用したうえで曲線フィッティングすることで、空間的に滑らかで、時間的に安定的な路端の位置を算出する。
図22は、警報制御部の構成を説明する図、図23は、路端種別に対する警報と制御マージンの情報を示す図である。
警報制御部400は、種別に応じた走行路判定の結果を利用して、警報制御を実施するかどうかを判定し、最終的なドライバに対する警報や車両制御を実施する。警報制御部400は、自車挙動予測部410と、路端種別接触逸脱判定部420と、警報部430と、制御部440とを有する。
図24は、画像処理装置により実行される認識処理の内容を説明するフローチャートである。本フローでは、ステレオカメラを利用して路端を検知し、さらに、警報制御を実施する処理を行う。
110 左右カメラ部
120 ステレオマッチング部
130 3D点群生成部
150 カメラ部
170 カメラ部
180 Lidar部
200 路端種別特徴部
210 路端特徴量抽出部
211 立体物累積部(壁、障害物)
212 移動体部(車など)
213 低段差部(路肩ブロック)
214 マイナス段差部
215 段差なし路端部
216 走行路区分立体物部
220 自車挙動推定部
221 挙動推定演算部
222 相対位置姿勢推定部
223 自己地図位置推定部
224 高精度地図位置推定部
230 路端特徴地図生成部
231 路端認識用時系列地図生成部
232 自己位置推定用地図生成部
233 高精度地図情報付加更新部
240 内側特徴優先部
250 内側特徴種別判定部
300 走行路判定部
310 連結路端候補生成部
320 路端候補連結部
330 走行路区分判定部
400 警報制御部
410 自車挙動予測部
420 路端種別接触逸脱判定部
430 警報部
440 制御部
Claims (11)
- 車載カメラの撮像画像に基づいて走行路の路端を検知する画像処理装置であって、
前記撮像画像から前記走行路と複数のオブジェクトとの間に形成される前記路端の路端特徴量を前記オブジェクトの種別ごとに抽出し、該抽出した前記路端の路端特徴量を用いて前記路端の種別を判定する路端種別特徴部と、
前記路端の種別ごとの路端特徴量を用いて路端候補を抽出し、前記路端の種別毎に、前記路端候補の連結を実施し、該連結された前記路端候補の情報を用いて自車両の走行路の判定を行う走行路判定部と、を備え、
前記路端種別特徴部は、
前記撮像画像の情報を利用して前記路端の種別情報と位置情報を含む前記路端特徴量を抽出する路端特徴量抽出部と、
前記自車両の挙動を推定する自車挙動推定部と、
該推定した前記自車両の挙動の推定結果に基づいて前記路端の種別ごとに前記路端特徴量を時系列に並べた路端特徴地図を生成する路端特徴地図生成部と、
前記路端特徴地図において前記自車両に最も近い路幅方向内側に位置する前記路端の路端特徴量を保持し、路幅方向外側に重複して存在する他の路端の路端特徴量を前記路端特徴地図から削除する内側特徴優先部と、を有し、
前記走行路判定部は、
前記路端特徴地図に保持されている前記路端の路端特徴量を利用して、同一の特徴量種別の前記路端候補を選別する連結路端候補生成部と、
同一種別の前記路端候補の情報を利用して、互いに種別が異なる前記路端候補をさらに連結するかどうかを判定する路端候補連結部と、
該路端候補連結部によって連結された前記路端候補の情報を利用して最終路端位置と種別を確定する走行路区分判定部と、
を有することを特徴とする画像処理装置。 - 前記撮像画像から前記走行路の路面よりも低い位置にある領域と前記走行路との間の段差を、前記オブジェクトの1つの種別として認識することを特徴とする請求項1に記載の画像処理装置。
- 前記撮像画像が有するテクスチャ情報を利用して前記走行路の路面と同じ高さ位置にある領域と前記走行路との間の境界を、前記オブジェクトの1つの種別として認識することを特徴とする請求項1に記載の画像処理装置。
- 前記撮像画像から走行路区分を示す立体物を前記オブジェクトの1つの種別として認識し、
前記オブジェクトの特徴量を連結可能な走行方向の間隔が、他の種別のオブジェクトと比較して長いことを特徴とする請求項1に記載の画像処理装置。 - 前記撮像画像から移動体である立体物を前記オブジェクトの1つの種別として認識し、 前記オブジェクトの特徴量を連結可能な路幅方向の間隔が、他の種別のオブジェクトと比較して大きいことを特徴とする請求項1に記載の画像処理装置。
- 前記自車両の挙動は、該自車両の車両情報と前記ステレオカメラの撮像画像を用いて認識されることを特徴とする請求項1に記載の画像処理装置。
- 前記オブジェクトの種別に応じて、前記オブジェクトの特徴量の連結性を判断する際の路面高さの閾値を変更することを特徴とする請求項1に記載の画像処理装置。
- 前記オブジェクトの種別に応じて、前記オブジェクトの特徴量を路端候補として選別するための最小長の閾値を変更することを特徴とする請求項1に記載の画像処理装置。
- 前記オブジェクトの種別に応じて、前記オブジェクトの特徴量の連結性を判断する際のオブジェクト間の最大間隔の閾値を変更することを特徴とする請求項1に記載の画像処理装置。
- 前記オブジェクトの種別に応じて、警報と車両制御の制御マージンを変更することを特徴とする請求項1に記載の画像処理装置。
- 前記路端を構成するオブジェクトの種別が複数あると認識された場合に、前記警報及び車両制御の制御マージンには、前記複数のオブジェクトの種別の中で最も大きな制御マージンを使用することを特徴とする請求項10に記載の画像処理装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020146631A JP7458940B2 (ja) | 2020-09-01 | 2020-09-01 | 画像処理装置 |
PCT/JP2021/029533 WO2022050006A1 (ja) | 2020-09-01 | 2021-08-10 | 画像処理装置 |
DE112021003141.4T DE112021003141T5 (de) | 2020-09-01 | 2021-08-10 | Bildverarbeitungsvorrichtung |
CN202180040948.8A CN115769286A (zh) | 2020-09-01 | 2021-08-10 | 图像处理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020146631A JP7458940B2 (ja) | 2020-09-01 | 2020-09-01 | 画像処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022041437A JP2022041437A (ja) | 2022-03-11 |
JP7458940B2 true JP7458940B2 (ja) | 2024-04-01 |
Family
ID=80492015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020146631A Active JP7458940B2 (ja) | 2020-09-01 | 2020-09-01 | 画像処理装置 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP7458940B2 (ja) |
CN (1) | CN115769286A (ja) |
DE (1) | DE112021003141T5 (ja) |
WO (1) | WO2022050006A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7441258B2 (ja) | 2022-03-25 | 2024-02-29 | 本田技研工業株式会社 | 制御装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012081096A1 (ja) | 2010-12-15 | 2012-06-21 | トヨタ自動車株式会社 | 走行支援装置、走行支援方法、及び車輌 |
JP2015148887A (ja) | 2014-02-05 | 2015-08-20 | 株式会社リコー | 画像処理装置、物体認識装置、移動体機器制御システム及び物体認識用プログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009053818A (ja) | 2007-08-24 | 2009-03-12 | Toshiba Corp | 画像処理装置及びその方法 |
-
2020
- 2020-09-01 JP JP2020146631A patent/JP7458940B2/ja active Active
-
2021
- 2021-08-10 CN CN202180040948.8A patent/CN115769286A/zh active Pending
- 2021-08-10 WO PCT/JP2021/029533 patent/WO2022050006A1/ja active Application Filing
- 2021-08-10 DE DE112021003141.4T patent/DE112021003141T5/de active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012081096A1 (ja) | 2010-12-15 | 2012-06-21 | トヨタ自動車株式会社 | 走行支援装置、走行支援方法、及び車輌 |
JP2015148887A (ja) | 2014-02-05 | 2015-08-20 | 株式会社リコー | 画像処理装置、物体認識装置、移動体機器制御システム及び物体認識用プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2022041437A (ja) | 2022-03-11 |
CN115769286A (zh) | 2023-03-07 |
WO2022050006A1 (ja) | 2022-03-10 |
DE112021003141T5 (de) | 2023-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11685360B2 (en) | Planning for unknown objects by an autonomous vehicle | |
US11400925B2 (en) | Planning for unknown objects by an autonomous vehicle | |
CN109254289B (zh) | 道路护栏的检测方法和检测设备 | |
CN107918758B (zh) | 能够进行环境情景分析的车辆 | |
US10234864B2 (en) | Planning for unknown objects by an autonomous vehicle | |
JP6566132B2 (ja) | 物体検出方法及び物体検出装置 | |
JP4650079B2 (ja) | 物体検出装置、および方法 | |
JP6783949B2 (ja) | 交通標識情報を用いた道路検出 | |
US9257045B2 (en) | Method for detecting a traffic lane by means of a camera | |
JP6017180B2 (ja) | 車載用環境認識装置 | |
JP7222799B2 (ja) | 道路種別判定装置および運転支援装置 | |
JP4614098B2 (ja) | 周辺状況認識装置及び方法 | |
KR20220040473A (ko) | 긴급 차량들의 검출 | |
JP7028066B2 (ja) | 検知装置及び検知システム | |
CN108974007B (zh) | 确定主动巡航控制的兴趣物体 | |
JP2015069289A (ja) | 車線認識装置 | |
JP5355209B2 (ja) | ナビゲーション装置、自車の走行車線の判定方法および判定プログラム | |
US11403951B2 (en) | Driving assistance for a motor vehicle when approaching a tollgate | |
CN110319846A (zh) | 一种用于车辆的可行驶区域提取方法及系统 | |
JP7458940B2 (ja) | 画像処理装置 | |
JP7454685B2 (ja) | 車両走行路内のデブリの検出 | |
KR20180075985A (ko) | 주행환경 감응형 자율 조향 예측 장치 및 그 방법 | |
Janda et al. | A road edge detection approach for marked and unmarked lanes based on video and radar | |
JP5746996B2 (ja) | 道路環境認識装置 | |
EP3593337A1 (en) | Planning for unknown objects by an autonomous vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230207 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230711 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230907 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240205 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240220 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240319 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7458940 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |