CN102084382A - 用于快速精确路径计划的方法和*** - Google Patents

用于快速精确路径计划的方法和*** Download PDF

Info

Publication number
CN102084382A
CN102084382A CN2009801242378A CN200980124237A CN102084382A CN 102084382 A CN102084382 A CN 102084382A CN 2009801242378 A CN2009801242378 A CN 2009801242378A CN 200980124237 A CN200980124237 A CN 200980124237A CN 102084382 A CN102084382 A CN 102084382A
Authority
CN
China
Prior art keywords
configuration space
node structure
discrete
space node
space
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
Application number
CN2009801242378A
Other languages
English (en)
Inventor
K·I·特罗瓦托
A·波波维奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN102084382A publication Critical patent/CN102084382A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
    • A61B17/34—Trocars; Puncturing needles
    • A61B17/3417—Details of tips or shafts, e.g. grooves, expandable, bendable; Multiple coaxial sliding cannulas, e.g. for dilating
    • A61B17/3421—Cannulas
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
    • A61B17/34—Trocars; Puncturing needles
    • A61B17/3417—Details of tips or shafts, e.g. grooves, expandable, bendable; Multiple coaxial sliding cannulas, e.g. for dilating
    • A61B17/3421—Cannulas
    • A61B2017/3443—Cannulas with means for adjusting the length of a cannula

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Navigation (AREA)
  • Endoscopes (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

一种***(200)，其执行方法(130-180)以便产生用于任何类型路径规划应用的最佳路径。在操作中，***(200)构建代表包括由一个或多个参数表征的多种状态的离散配置空间的配置空间节点结构，并且采用对配置空间节点结构的每个节点明确地进行量化的离散参数值和/或采用用作经过离散配置空间的自由空间区域的搜索向导的探索值来增加配置空间节点结构。

Description

用于快速精确路径计划的方法和***
技术领域
本发明涉及用于计划最佳路径以避免障碍的方法和***。该路径计划应用的例子包括但不限于(1)用于在患者内仪器的外科手术路径的计划，(2)用于在特定环境中的机器人、车辆、飞机、轮船等的运动/行进路径的计划，(3)通过各种经济***、紧急***等的有条件和无条件状态的流路径的计划，以及(4)在陆地和/或水中的指定主体上或者经过陆地和/或水体的指定主体的街道、公路、水路的路程路径的计划。
背景技术
可以使用1996年阿姆斯特丹大学Karen I.Trovato的A* Planning in Discrete Configuration Spaces of Autonomous System中所教导的框架执行该路径计划应用。
特别地，必须能够根据离散参数描述路径计划应用。也就是说，由关键参数表征路径计划应用，每个参数具有一个或多个有效离散参数值范围。将所有可能参数范围的组合称为配置空间，并且配置空间的每种状态为这些参数中的每个参数提供了唯一设置。
将所允许的造成从配置空间中的一种状态变化或者转换到在某个范围内的另一种状态的行为表述为“邻域”。换言之，邻域是表示在部分或者全部配置空间内的核心状态转换的可允许后继的集合。由于配置空间是离散空间，所以可以将配置空间的每种状态视为二维或三维图形中的“节点”，并且可以将配置空间中能够造成在两种或多种状态之间变化的任何事件或者运动视为在节点之间的“转换”。
还可以基于“游戏规则”确定“邻域”，这样可能存在根据任务空间自身的特定属性或者任务空间内的物理对象/状态流所选择的一些邻近部。转换也可以基于诸如单行街道的环境。分配给每个转换的是用于在初始状态和邻近状态之间改变所施加的开销。因此，可以将配置空间中的状态与在它们之间的邻域转换的组合视为以状态作为节点并且以所允许的转换作为定向边缘的曲线图。
对于许多路径计划应用，通常由于机械限制、与障碍物相互作用、或者所施加的规则，存在定义非法状态的约束。因此，在配置空间中可能存在可识别的节点禁区。在一些曲线图中，沿着节点自身移除到这些节点的转换。或者，可以将节点标记为非法的，或者到节点的转换可能具有无限(难达到的并且很高的)开销，用∞代表。这些技术中的每个带来避免受约束节点的搜索。
利用路径计划，可以将“目标”位置映射到离散配置空间中的一个或多个等价“目标”节点。因为表达***的参数公式可能具有多于一种描述***“目标”的解决方法，所以可能存在多个“目标”节点。例如，你手臂的左手和右手配置都可以达到相同位置。***“开始”简单地转换到特定开始节点。
找到最期望的从当前***节点引导到期望“目标”的一系列事件类似于找到从当前节点到“目标”节点的最佳转换路径，其引起最小开销同时回避所有非法节点。路径计划的目标通常具有对成功的标准，有时被称为空间可变量度、开销量度、或者目的函数(objection function)(例如，最快、最短、最不贵等)。在许多情况下，可以将其直接转化为节点之间的特定转换引起的开销。因此，可以通过使用配置空间节点、转换、开销、禁止区域以及“目标”计划路径并且通过定义或设置“开始节点”，来找到所期望的事件系列。诸如A*的曲线图搜索方法提供了确定最佳路径的有效机制。
本发明通过促进使用离散参数值对配置空间节点结构的每个节点明确地进行量化扩展了由Trovato所教导的主题框架在计划最佳路径以回避障碍中的使用。
发明内容
本发明的一种形式是一种用于根据路径计划应用来计划最佳路径的方法。该方法包括在数据存储介质内的配置空间节点结构的构建，配置空间节点结构表示包括由一个或多个参数表征的多个状态的离散配置空间。该方法还包括利用对配置空间节点结构的每个节点明确地进行量化的离散参数值增加在数据存储介质内构建的配置空间节点结构。
本发明的第二种形式是一种用于根据路径计划应用来计划最佳路径的采用数据存储介质(即，用于存储数据的任何介质)和数据处理设备(即，用于执行涉及所存储的数据以产生信息的操作的任何设备)的***。在操作中，数据处理设备在数据存储介质内构建配置空间节点结构，配置空间节点结构表示包括由至少一个参数表征的多个状态的离散配置空间。数据处理设备还利用对配置空间节点结构的每个节点明确地进行量化的离散参数值增加在数据存储介质内的配置空间节点结构的构建。
结合附图阅读下列本发明各个实施例的详细描述，本发明的前述形式和其它形式以及本发明的各种特征和优点将变得更加显而易见。详细描述和附图仅仅是说明性的而不是限制，本发明的范围由所附权利要求及其等同替代定义。
附图说明
图1图示说明了根据本发明的离散参数值模式和探索值模式的方框图；
图2图示说明了显示本发明的离散参数值模式的示例性离散配置空间；
图3图示说明了显示本发明的探索值模式的示例性离散配置空间；
图4图示说明了表示根据本发明的离散参数值采集方法的流程图；
图5图示说明了本领域中已知的示例性非完整邻域；
图6图示说明了根据本发明的示例性邻域线(thread)采样；
图7图示说明了表示根据本发明的离散参数值管理方法的流程图；
图8图示说明了表示根据本发明的基线构建方法的流程图；
图9图示说明了表示根据本发明的用于利用明确离散状态参数确定从“种子”节点到“目标”的最佳路径的A*算法的流程图；
图10图示说明了具有自由空间节点稀疏表示的示例性离散配置空间；
图11图示说明了表示根据本发明的稀疏自由空间构建方法的流程图；
图12图示说明了具有障碍节点的稀疏表示的示例性离散配置空间；
图13图示说明了表示根据本发明的稀疏障碍构建方法的流程图；
图14图示说明了根据本发明的探索值生成和检索方法的流程图；
图15图示说明了根据本发明的示例性充分连接的邻域；
图16图示说明了根据本发明的对于支气管树中所有自由空间点的示例性计算探索；
图17图示说明了利用根据本发明的探索以及利用本领域中已知的简单欧几里德探索所计划的示例性路径；
图18图示说明了根据本发明的***的方框图。
具体实施方式
本发明基于三个(3)主要发明原理。
第一，可以通过使配置空间节点结构内的每个节点包含对配置空间节点结构的每个节点明确地进行量化的离散参数值、而不是依赖从本领域中众所周知的离散配置空间索引中推断出的离散参数值，使得用于路径计划应用的离散配置空间更精确。这意味着甚至在粗糙离散配置空间中也可以精确地计算路径的高分辨率计算。这还意味着可以使用较低的分辨率配置空间节约内存，或者使以前不可能的路径计划应用在时间和内存上易处理。
第二，当必需时，可以在障碍表示和所计算的状态和方向之间隔离配置空间存储，并且“按需”分配，使得仅扩展节点包含状态的全部细节，诸如在所有N个维度中浮点精度的所经过状态。由于典型地，扩展覆盖远少于整个配置空间，所以该节约可以达到大约20×标称配置空间。同样，许多需要64位机的路径计划应用现在可以使用32位机。
第三，在A*算法中，可以使用探索值指导通过离散配置空间的自由空间(无障碍)区域的搜索。对于路径计划应用，如果探索值首先对通过自由空间的与目标的精确距离(计入障碍周围距离)进行估计，就可以实现最快的不完整A*算法执行。
本领域的技术人员应该理解，根据特定但是简单易懂的例子提供了图1-18的下列描述，以用于说明本发明的前述原理的目的，并且不是要限制这种发明性原理的实现。具体而言，可能从这里的发明性原理的描述中省略已知功能和操作的不必要细节，从而使本发明易懂。但是，技术人员将理解如何将本发明的发明性原理实现于任何类型的路径计划应用(即，外科手术工具路径计划、车辆路径计划、经济***路径计划等)，并且将进一步理解在本发明的精神和所附权利要求的范围内存在许多变化。
图1图示说明了对于任何类型路径计划应用的设置阶段100和路径计划阶段101，包括但不限于(1)对于在患者内仪器的外科手术路径计划，(2)对于在特定环境内机器人、车辆、飞机、轮船等的运动/行进路径计划，(3)通过经济***、紧急***等的各种有条件和无条件状态的流路径的计划，以及(4)在陆地和/或水中的特定主体上或者经过陆地和/或水中的特定主体的街道、公路、水路等的路程路径计划。
一般而言，设置阶段100可以最低限度地包括(1)构建表示包括由一个或多个参数表征的多个状态的离散配置空间的配置空间节点结构，(2)识别对造成在离散配置空间中的状态之间的改变或转换的所有允许动作进行包封的邻域，以及(3)用公式表示代表在计划通过离散配置空间的路径中成功的标准的量度。此外，一般而言，路径计划阶段101可以最低限度地包括(1)识别或者定义在离散配置空间内的种子节点，以及(2)利用种子节点基于所述量度发起通过配置空间节点结构的开销波传播，以找到开始节点和目标节点之间最期望的事件系列。
本发明引入了可以合并入路径计划应用的设置阶段100和/或路径计划阶段101的离散参数值模式103。一般而言，配置空间节点结构包括多个节点，每个节点在由参数表征的离散配置空间中的不同离散位置、流动点等处，并且离散参数值模式103提供了：当反对从本领域众所周知的离散配置空间的索引中所推断的离散值时，使用对配置空间节点结构的节点明确地进行量化的离散参数值。为了本发明的目的，在这里将术语“明确地进行量化”广泛地定义为数目、测量、量、或者涉及特定配置空间节点结构中节点的任何其它可应用参数的精确表达。
例如，图2图示说明了在具有由x和y位置参数表征的状态的10×10二维布置的离散配置空间110内的路径111。如本领域中已知的，根据从i、j标号推断出的离散参数值，来自在直接邻近部之间无障碍转换产生1单位开销，而来自在对角的邻近部之间无障碍转换产生1.4单位开销。然而，作为对依靠从离散配置空间110的i、j标号所推断出的、通过线条112示例性表示的离散参数值的替代，如将在这里进一步解释的，离散参数值模式103使用对配置空间节点结构的路径111的x和y位置参数明确地进行量化的离散参数值。这导致根据配置空间节点结构内任何类型的节点转换的精确开销计算。
本发明还引入了探索值模式104，可以将其合并入路径计划应用的设置阶段100和/或路径计划阶段101。一般而言，探索值模式104提供了使用表示通过离散配置空间的自由空间区域的搜索向导的探索值。具体而言，探索值对通过自由空间区域与一个或者多个目标的精确距离(计入障碍周围的距离)进行估计，由此获得用于配置空间节点结构的最优可容许探索值。例如，图3基于种子节点S和目标节点G之间的直线欧几里德距离图示说明了示例性可容许探索113，当用于指导不完整路径时，由于在该路径上存在障碍，所以其不是最优的。通过比较，可容许探索114计入在障碍周围的距离，并且因此是为了不完整路径计划目的的优选和可容许探索。
现在为了有助于进一步理解本发明的发明性原理的目的，将对如图4-18中所示的离散参数值模式102和探索值模式103的各个示例性实施例进行描述，其中，本领域的普通技术人员将意识到，本发明的各种益处包括但不限于通过离散参数值模式102实现配置空间节点结构的固有离散误差改进，以及当搜索最佳路径时通过探索值模式103实现时间效率的改进。
A.离散参数值模式(数据采集)
图4图示说明了表示本发明的采集方法的离散参数值的流程图120。该方法的目标是在路径计划应用的设置阶段101(图1)期间采集离散配置空间的状态的实际离散参数值的实际集合，从而有助于在路径计划应用的路径计划阶段102(图1)期间的最佳搜索。
流程图120的阶段S121包含对造成在离散配置空间中状态之间的变化或者转换的所有所允许行为进行包封的邻域的采样。例如，图5图示说明了用于气管镜或者有源或嵌套套管的线的示例性非完整邻域123。阶段S121可以采用采样过程将邻域123的连续线转化成对每个节点的x、y、z位置参数明确地进行量化的离散参数值的数字序列，例如，基于“x”、“y”或者“z”的最小单位规格的线的奈奎斯特-香侬(Nyquist-Shannon)采样将为每个节点提供离散的x、y、z值。图6基于x单位规格图示说明了线124的示例性采样。
流程图120的阶段S122包含将所选择的量度用公式表示为在阶段S121期间所采集的明确离散参数值的函数。例如，使用图1中所示的离散配置空间，量度可以是本地欧几里德量度，其中，在每个状态(i，j)处，通过
Figure BPA00001280012000071
给出按照方向箭头从状态(i，j)转换到邻近状态的开销，其中，dx和dy是根据对应于状态(i，j)的节点的x、y位置的明确离散参数值。
参考图1和4，可以在适合于特定路径计划应用的设置阶段100和/或路径计划阶段101期间实现流程120。
B.离散参数值模式(数据管理)
图7图示说明了表示本发明的离散参数值管理方法的流程图130。该方法的目的是利用离散参数值增加配置空间节点结构，而没有对执行该方法的***的速度和内存容量的任何负面影响。
流程图130的阶段S131包括在任何类型的数据存储介质内构建配置空间节点结构，其中，可以利用在流程图130的阶段S132期间对节点明确地进行量化的离散参数值增加所构建的配置空间节点结构。实践中，用于为阶段S131所选择的配置空间节点结构的构建方案取决于许多因素，特别是对于在给定路径计划应用中所需精度的配置空间存储需求，以及将需要明确离散参数值来实现所期望精度的自由空间节点的实际和相对数目。为了有助于理解流程图130，现在将在这里描述三种(2)示例性构建方案。
1、基线构建
在这里仅称为“基线构建”的第一构建方案适合于具有大约相等数目和均匀分布的自由空间节点和障碍节点的离散配置空间，诸如图2中所示的离散配置空间110。这可以根据阅读障碍图以确定自由空间节点相对于障碍节点的数目、或者通过路径计划应用的固有性质确定。
例如，图8图示说明了表示本发明的基线构建方法的流程图140。流程图140的阶段S141包含创建保存所有自由空间节点的索引列表，并且流程图140的阶段S142包含构建对于每个自由空间节点具有细节指针的配置空间节点结构，该细节指针指向对于自由空间节点的对应离散参数值以及任何其它相关细节信息。下面是具有细节指针的配置空间节点结构的基线构建的例子：
typedef struct csnode{
    COSTTYPE cost_to_goal；//float
    struct csnode *vector；
    int heap_location；//index into heap  (tree[i])
    CSDETAILNODE *details；//pointer where details reside.
}CSNODE；
typedef struct csdetailnode {
    COSTTYPE h1；//heuristic float value.Can be computed on the fly，or stored
    ORIENTATIONTYPE alpha，theta，phi；//rotation about x，y，z
    XYZMM Xmm，Ymm，Zmm；//float
    THREADTYPE thread；//each thread maps to a radius and orientation
    CSNODE*myCSNODE；//pointer back to the CSNODE that owns these details}
CSDETAILNODE；
在该基线构建例子中，核心配置空间信息(CSNODE)包括指示到达最近目标的剩余开销的到目标开销(cost_to_goal)，该向量指向当朝向最近目标时将要到达的下一个节点，在分类期间使用位置堆叠(heap_location)，并且细节指针指向细节配置空间信息(CSDETAILNODE)。通过比较，细节配置空间信息(CSDETAILNODE)包括探索浮点值、节点在三(3)维中的取向、指示节点在离散配置空间内的实际x、y、z位置的明确离散参数值、以及返回核心配置空间信息(CSNODE)的指针。
在用于诸如气管镜操纵或者有源套管配置的肺部配置空间的示例路径计划应用中，使用如上所定义的512×512×600配置空间节点结构。在该例子中，程序能够生成选项的比较。它计算对于具有每个位置中所有变量的“全负荷”配置空间所需的内存，并且将对于“全负荷”配置空间所需的内存分离成如这里之前所描述的核心配置空间信息和细节配置空间信息。下面是程序的示例性输出：
#CSnodes：157,286,400
       Sizeof Each ORIG is：80 bytes
       Totaling 12,582,912,000 bytes
NOW：
      Sizeof each NEW CS node is 24
      Total CS bytes ＝3,774,873,600
     Number of Free space elements：725,038at bytes each
for DETAILS：64
       Details total bytes ＝46,402,432
       Totaling 3,821,276,032
Better to break CS into Details，saving：8,761,635,968
因此，可以将标称(初始)配置空间在大小上从12千兆字节减小到小于4千兆字节。由于如果整个配置空间节点结构可以不经过内存分页而适合内存，算法就更快动态运行，所以该高分辨率问题可以无困难地在当前的64位机上运行。请注意程序自身需要内存和用于分类所需的堆空间。
参考图7和8，流程图130(图7)的阶段S132可以实现在配置空间节点结构中的开销波传播，从而以根据所选择的量度的开销值填充根据流程图150(图8)所构建的配置空间节点结构的部分或者全部。在该情况下，开销值是明确离散状态参数的函数，从而，利用明确离散状态参数增加配置空间节点结构作为种子自由空间节点的细节配置空间信息，或者仅在开销波传播期间分配改进的自由空间节点，如在这里进一步所解释的。
例如，图9图示说明了表示用于利用根据本发明的明确离散参数值基于如图2中所示的邻域123确定从“种子”节点到“目标”的最佳路径的A*算法的流程图150。具体而言，为了开始开销波传播或者A*，将“种子”节点放置在堆内。将堆平衡成在根部维持最低开销值的二进制树。流程图150的步骤S151包含从堆中取出的最低开销节点。将从堆中取出的节点称为“本部”。假定使用众所周知的算法确保堆保持正确。
步骤S151还包含用于为本部节点分配CSDETAILNODE、从而获得本部节点的细节配置空间信息、特别是本部节点的明确离散参数值(XYZMM)的“种子”的细节指针。这提供了开销波传播所期望的进动(precession)，而不对执行流程图150的***的速度和内存容量有任何负面影响。
流程图150的步骤S152包含测试“停止标准”测试。存在许多可以被执行以确定过程是否可以停止的测试。“停止标准”可以包括但不限于测试堆是否为空的以及(2)当前(“本部”)节点的到目标开销值是否大于(靶)“开始”或者“目标”。这使得搜索在填充整个空间之前终止，但是仍然给出“开始”或者“目标”之间的最佳路径。
如果满足“停止标准”，那么就终止流程图150。否则，如果不满足“停止标准”，那么流程图150的步骤S153包含生成能够允许转换的邻域。基于通过其α、θ和
Figure BPA00001280012000101
给出的“本部”节点取向以及其“本部”x、y、z位置计算“本部”节点的邻近部。以α、θ和
Figure BPA00001280012000102
旋转标称邻域、并且随后将已经旋转的邻域相对于“本部”节点的x、y、z位置平移得到邻域。用于点旋转和平移的方法对于本领域的技术人员是众所周知的。
在步骤S154期间，对像素不是完全方形的情况下，诸如在x∶y∶z的比率可以是1∶1∶1.3的CT图像中，执行旋转，并且随后对值进行缩放。随后，将所得到的邻域平移到当前扩展节点的位置。
一旦为当前“本部”节点计算了邻近部，流程图150就继续进行到步骤S154，在步骤S154处，选择邻域的下一条线(F)(如果存在)。如果不存在更多线，那么流程图150返回步骤S151。否则，如果存在线(F)，那么流程图150继续进行到步骤S155，从而选择沿着线(F)(如果存在)的下一个邻域。
如果沿着该线(F)不存在更多邻域，那么流程图150返回步骤S151。如果存在另一个邻域(n)，那么流程图150继续进行到步骤156，从而对邻近部的开销值进行测试。如果它是无限的，或者存在邻近部是不可通过的另一个指示，那么流程图150返回步骤S151。另一个指示可能是邻域具有比某些预定阈值更高的开销值，其小于无限大但是太高以至于不能通过。例如，该阈值可以是当前(在“本部”节点处)所行进距离的函数。
如果邻近部不具有无限开销，流程图150就继续进行到步骤S157，以为新的邻近部计算所提出的新的开销F(n’)。由于邻域可能已经具有开销，所以将其表示为F(n’)。在A*算法中，可以使用探索h(n)指导搜索。然而，完全有效的值是h＝0，其导致从所有“种子”节点填充空间直到满足“停止标准”/其为真为止。优选地，在这里随后将根据图14描述探索值。
流程图150其后继续进行到步骤S158，以将所计算的开销F(n’)与在n处预先存在的开销F(n)进行比较。如果所计算的F(n’)大于预先存在的开销F(n)，那么经由“本部”节点到达n比之前所确定的任何方式开销更多(即，没有改进)，并且流程图150返回步骤S153。如果所计算的F(n’)小于预先存在的开销F(n)，那么该值是比之前的方向有改进，从而，流程图150继续进行到步骤S159将邻近节点添加到堆，或者如果邻近节点已经在堆上，那么对该节点的值进行更新，并且对堆进行调整。在将改进邻近节点添加到头部的情况下，为邻近节点分配CSDETAILNODE，由此获得邻近节点的细节配置空间信息，特别是邻近节点的明确离散参数值(XYZMM)。这再次提供了开销波传播所期望的进动，而不对执行流程图150的***的速度和内存容量有任何负面影响。
步骤S159还包含分配给n的新的到目标代价，其为新的α、θ和
Figure BPA00001280012000111
通过将标称节点的θ和旋转到父节点的θ和
Figure BPA00001280012000113
来计算α、θ和的值，其中，从当前线计算α的值。给所修订的通往“种子”节点的最佳路径的向量分配以到“本部”的指针。可选地但是优选地，对线(thread)的数目进行存储。由于线的数目直接映射到控制参数，即，例如向上/向下和向左/向右转动气管镜的量、或者嵌套导管的形状和相对取向、或者汽车的操控以及向前/向后。
一旦满足停止标准，所得到的计划的路径将比本领域中之前所实现的更加精确并且更快获得。
2、稀疏自由空间构建
在这里仅称为“稀疏自由空间构建”的第二构建方案适合于与诸如图10中所示的离散配置空间115的自由空间节点相比具有明显更多障碍节点的配置空间。这可以从阅读障碍图从而确定相对于障碍节点数目的自由空间节点数目、或者通过诸如汽车停车计划或肺部导航计划的路径计划应用的固有性质确定。对于符合对给定路径计划应用中所需精度的配置空间需求的稀疏自由空间构建，可以将整个数据集实际上存储成每个自由空间节点的细节区段，同时障碍节点可以指向相同的空(NULL)位置。
例如，图11图示说明了表示本发明的稀疏自由空间构建方法的流程图160。流程图160的阶段S161包含创建空位置，每个故障节点指向空位置，或者可替换地，可以创建指示空的默认故障节点，并且流程图160的阶段S162包含包括所有细节配置空间信息特别是明确离散参数值的每个自由空间节点。下面是具有为配置空间节点结构预分配的详细自由空间节点的稀疏自由空间构建的例子：
typedef struct csnode{
         COSTTYPE cost_to_goal；//float
         struct csnode *vector；
         int heap_location；//index into heap  (tree[i])
         ORIENTATIONTYPE alpha，theta，phi；//rotation about x，y，z
         XYZMM Xmm，Ymm，Zmm；//float
         THREADTYPE thread；//each thread maps to a radius and orientation
         COSTTYPE h1；//heuristic float value.Can be computed on the fly，or stored}CSNODE；
该稀疏自由空间构建利用三维配置空间的稀疏性质以及任何禁止(障碍)状态不需要存储方向、到目标开销(cost_to_goal)或者除了不能通过的信息之外的任何信息的事实。类似地，可以实际上将整个数据集存储在细节区段中，仅将细节索引(detail Index)留在配置空间中。
由于索引过多并且对整个数据集进行详细存储，所以最初这可能看起来仅增加了所需要的内存。然而，为了节约细节的开支，障碍节点可以指向相同的位置(诸如空(NULL))。如果存在许多障碍，这可以节约大量空间。使用该技术可能需要内存大约一半的千兆字节。
例如，存在512×512×600＝157,286,400个配置状态，每个仅具有一个索引。对与少于420万的自由空间状态，4字节整数或者指针可以提供需要总共629,145,600字节的索引。如果存在少于65536个状态，2字节整数无疑将是足够的。对于该应用，存在725,038个自由空间节点，每个需要80字节。该内存需求总共是687,148,640字节，使该应用在32位机中非常易实现。
然而，该内存节约将增大对于移到细节的变量的接入时间。由于在该应用中的内存分页可能使它格外慢，所以第一优先是确保配置空间适合在本地(高速)内存(RAM)内。
参考图7和11，流程图130(图7)的阶段S132可以在配置空间节点结构中实现开销波传播，以根据所选择量度的开销值填充根据流程图160(图11)构建的配置空间节点结构的部分或整体。在该情况下，开销值是明确离散状态参数的函数，从而，在开销波传播之前以明确离散状态参数增加配置空间节点结构。例如，在执行用于根据图9中所示的流程图150确定从“种子”节点到目标的最佳路径的A*算法之前将对所有细节自由空间节点进行预分配。
3、稀疏障碍构建
在这里仅称为“稀疏障碍构建”的第三构建方案适合于与诸如图12中所示的离散配置空间116的障碍节点相比具有明显更多自由空间节点的配置空间。这可以从阅读障碍图从而确定相对于障碍节点数目的自由空间节点数目、或者通过诸如公开健身房、领空或者腹腔镜外科手术的路径计划应用的固有性质确定。对于符合对给定路径计划应用中所需精度的配置空间需求的稀疏障碍构建，可以将整个数据集实际上存储在对于每个自由空间节点的按需分配的细节区段，同时障碍节点可以指向相同的空位置。
例如，图13图示说明了表示本发明的稀疏障碍构建方法的流程图170。流程图170的阶段S171包含创建对自由空间节点的无开销空间变量以及对障碍节点的无限空间变量，并且流程图170的阶段S172包含包括所有配置空间信息特别是(按需分配的)明确离散参数值的每个自由空间节点。下面是对配置空间节点结构的详细自由空间节点的稀疏障碍构建的例子：
typedef struct csnode {
         CSDETAILNODE *details；//pointer where details reside.
}CSNODE；
typedef struct csdetailnode {
         COSTTYPE cost_to_goal；//float
         struct csnode *vector；
         int heap_location；//index into heap  (tree[i])
         COSTTYPE h1；//heuristic float value.Can be computed on the fly，or stored
         ORIENTATIONTYPE alpha，theta，phi；//rotation about x，y，z
    XYZMM Xmm，Ymm，Zmm；//float
    THREADTYPE thread；//each thread maps to a radius and orientation
    CSNODE*myCSNODE；//pointer back to the CSNODE that owns these details10}CSDETAILNODE；
在稀疏障碍表示的上下文中，如果空间是三维邻域，其包含对于每个维度的两个(邻近)邻近部，加上对角线，可以将邻域的总“直径”估计为三(3)。采用欧几里德量度并且无障碍，扩展的路径将是在连续空间中pi×D×长度的节点体积；但是它不是，它是离散的。更恰当的是，在长度上存在八(8)个邻近部。如果配置空间是上述之一，具有512×512×600＝157,286,400个配置状态，那么4字节整数需要总共629,145,600字节用于基本配置空间。对于从一个角到相反对角的路径，路径的中心大约是940＝sqrt(5122+5122+6002)，假定具有1∶1∶1的长度比率(立方体素)。最差可能情况是所选择的路径大部分是对角的。如果在每个增量上存在八个(8)邻近部，那么总内存需求可能仅是用于大约7520个“详细”状态的。这意味着可以以少至602K加上具有629兆字节的基本配置空间解决整个问题。与较早使用的配置空间相比，相同的空间将需要12.5千兆字节。
参考图7和13，流程图130(图7)的阶段S132可以在配置空间节点结构中实现开销波传播，从而利用根据所选择量度的开销值填充根据流程图170(图13)构建的配置空间节点结构的部分或整体。在该情况下，开销值是明确离散状态参数的函数，其中，例如，根据图9中所示并且之前在这里描述的流程图50的相应阶段S151和S159，以明确离散状态参数增加配置空间节点结构作为种子自由空间节点的完整数据集合，或者在开销波传播期间“按需”分配改进的自由空间节点。
C.探索值模式
再次参考图1，通过探索值模式103提供现实的可允许探索，用于指导在具有障碍的空间中的A*搜索。探索明显改进了算法的时间效率。具体而言，探索值模式103在设置阶段100期间对自由空间的每个节点的探索值进行预计算和存储，并且在路径计划阶段101期间特别是对于不完整6D计划使用那些值。如将示出的，探索值模式103节约了时间，并且允许有效地计划多条路径。
图14图示说明了表示根据本发明的探索值生成和检索方法的流程图180。一般而言，探索表示经过自由空间与目标的距离，计入在障碍周围的距离，与图3中所示的直接欧几里德距离相反。另外，可以从自由空间和障碍的配置空间中仅预计算探索一次，或者按照需要重新计算，从而其后可以为了计划不同的路径为相同配置空间重复使用该探索。
具体地，流程图180的阶段S182包含充分连接的邻域的配置，其允许算法访问配置空间中的所有自由空间点，从而计算每个自由空间状态中的探索。在邻域中心的节点是有助于在自由空间区域中充分连接的邻近部的最佳节点。图15图示说明了用于由连接到在邻域的中心处的节点的26个(26)节点组成的探索计算的充分连接的邻域190的例子。
流程图的阶段S183包含基于阶段S182(例如，图15)的充分连接的邻域生成探索。例如，可以以两种方式对如在这里之前所描述的流程图150(图9)的实现进行修改，以确保基于充分连接的邻域生成合适的探索。第一修改是算法初始化中的改变，其中，必须为A*算法的开始定义一个种子或多个种子。这可以是例如在气管的整个平面的单一状态、或者状态的集合。第二修改是停止标准中的改变，从而如果访问了自由空间中的所有节点，例如，到达沿着气管平面的所有自由空间节点，就停止算法。
流程图180的阶段186保存在设置期间阶段S183的结果，其为在自由空间的每个状态中具有所计算的探索值的配置空间，例如，对于图16中所示的支气管树191中的所有自由点计算的示例性探索。可以在内存或者硬盘驱动(HD)的三维图像中保存该信息。例如，数据可以是原始格式或者是分析图像格式。例如，因为可以在这些格式中保存浮点而不是对DICOM公共的仅12比特整数，所以这些是优选的。可以在路径计划期间在阶段S185处检索每个图像元素(配置状态)中，即在自由空间每个位置中的信息。探索的预计算允许采用单独一次探索计算的多个路径计划(来自相同种子的不同目标点)。
流程图180的阶段S184包含使用探索来指导在配置空间中的搜索。在当探索是零(h(n)＝0)时的情况下，不提供指导，并且算法访问自由空间中的所有点。利用避免障碍的探索，可以使用比纯欧几里德测量更好的近似指导不完整的邻域。在嵌套套管构建中，这还影响实现目标所需的导管的数目。例如，图17示出了在具有根据流程图180生成的探索的嵌套套管配置中的路径计划的例子192，以及具有在本领域中已知的纯欧几里德测量中所生成的探索的嵌套套管配置中的路径计划的例子193。使用如左边所示的本发明的探索，与欧几里德探索193相比较，计算时间减少了超过50％，并且导管的数目减少了超过40％。此外，已证实能够在少于.5秒的时间内计算探索，这纯粹节约了时间。
D.规划计划***
现在参考图18，图示说明了用于根据本发明的路径计划应用的***200。***200包括数据处理设备210和数据存储介质220。为了实现之前在这里结合图1-17所解释的本发明的各种发明性原理，数据处理设备210使用设置单元211和计划单元212。一般而言，设置单元211执行在数据存储介质220内构建适合于特定路径计划应用的配置空间节点结构(“CSDS”)所必须的所有任务，并且计划单元212如所需传播开销波以利用开销值填充配置空间节点结构，开销值是明确离散参数值和/或探索值的函数，根据本发明，如对特定路径计划应用所期望的那样。结果是得到了以适合于特定路径计划应用的格式的最佳路径240。
虽然已经图示说明和描述了本发明的各个实施例，但是本领域的技术人员应该理解，如这里所描述的方法和***是说明性的，并且可以进行各种变化和修改，并且可以用等价物代替其要素，而不脱离本发明的真实范围。另外，可以进行许多修改使本发明所教导的内容适应实体路径计划，而不脱离其主要范围。因此，本发明不是想要限制于作为预期实现本发明的最佳模式所公开的特定实施例，而是本发明包括所有落入所附权利要求范围内的所有实施例。

Claims (15)

1.一种用于根据路径计划应用来计划路径的方法，所述方法包括：
(S131)在数据存储介质(220)内构建配置空间节点结构，所述配置空间节点结构表示包括由至少一个参数表征的多个状态的离散配置空间；以及
(S132)利用对所述配置空间节点结构的每个节点明确地进行量化的离散参数值增加在所述数据存储介质(220)内构建的所述配置空间节点结构。
2.如权利要求1所述的方法，其中，(S121)从对应于所述离散配置空间的邻域的离散采样导出所述离散参数值。
3.如权利要求1所述的方法，还包括：
(150)在所述配置空间节点结构中传播开销波，以利用根据所述离散参数值的开销值填充所述配置空间节点结构的至少一部分。
4.如权利要求3所述的方法，其中，(160)在所述配置空间节点结构中所述开销波的所述传播之前利用所述离散参数值增加所述配置空间节点结构。
5.如权利要求3所述的方法，其中，(150，170)响应于所述配置空间节点结构中所述开销波的所述传播利用所述离散参数值增加所述配置空间节点结构。
6.如权利要求1所述的方法，还包括：
(S183)在所述配置空间节点结构中传播开销波，以利用探索值填充所述配置空间节点结构的至少一部分，所述探索值表示通过所述离散配置空间的自由空间区域的搜索向导。
7.如权利要求6所述的方法，其中，(S182)从邻域配置中导出所述探索值，该邻域配置连接对应于所述离散配置空间的所述自由空间区域的所述配置空间节点结构的每个节点。
8.一种***(200)，包括：
数据存储介质(220)和用于根据路径计划应用来计划最佳路径的数据处理设备(210)；
其中，可操作(S131)所述数据处理设备(210)，以在所述数据存储介质(220)内构建配置空间节点结构，所述配置空间节点结构表示包括由至少一个参数表征的多个状态的离散配置空间；以及
其中，还可操作(S132)所述数据处理设备(210)，以利用对所述配置空间节点结构的每个节点明确地进行量化的离散参数值增加在所述数据存储介质(220)内的所述配置空间节点结构的构建。
9.如权利要求8所述的***(200)，其中，还可操作(S121)所述数据处理设备(210)，以从对应于所述离散配置空间的邻域的离散采样导出所述离散参数值。
10.如权利要求8所述的***(200)，其中，还可操作(150)所述数据处理设备(210)，以在所述配置空间节点结构中传播开销波从而利用根据所述离散参数值的开销值填充所述配置空间节点结构的至少一部分。
11.如权利要求10所述的***(200)，其中，(160)在所述配置空间节点结构中所述开销波的所述传播之前，利用所述离散参数值增加所述配置空间节点结构。
12.如权利要求10所述的***(200)，其中，(150，170)响应于所述配置空间节点结构中所述开销波的所述传播利用所述离散参数值增加所述配置空间节点结构。
13.如权利要求1所述的***(200)，其中，还可操作(S183)所述数据处理设备(210)在所述配置空间节点结构中传播开销波，以利用探索值填充所述配置空间节点结构的至少一部分，其中，所述探索值表示通过所述离散配置空间的自由空间区域的搜索向导。
14.如权利要求13所述的***(200)，其中，(S182)从邻域配置导出所述探索值，其中，所述邻域配置连接对应于所述离散配置空间的所述自由空间区域的所述配置空间节点结构的每个节点。
15.一种数据处理设备(210)，包括：
设置单元(211)和用于根据路径计划应用计划最佳路径的路径计划单元(212)；
其中，可操作(S131)所述设置单元(211)以在所述数据存储介质(220)内构建配置空间节点结构，所述配置空间节点结构表示包括由至少一个参数表征的多个状态的离散配置空间；以及
其中，可操作(S132)所述设置单元(211)和所述路径计划单元(212)中的至少一个，以利用对所述配置空间节点结构的每个节点明确地进行量化的离散参数值增加在所述数据存储介质(220)内的所述配置空间节点结构的构建。
CN2009801242378A 2008-06-26 2009-06-19 用于快速精确路径计划的方法和*** Pending CN102084382A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US7588608P 2008-06-26 2008-06-26
US61/075,886 2008-06-26
US9922308P 2008-09-23 2008-09-23
US61/099,223 2008-09-23
PCT/IB2009/052650 WO2009156931A2 (en) 2008-06-26 2009-06-19 Method and system for fast precise path planning

Publications (1)

Publication Number Publication Date
CN102084382A true CN102084382A (zh) 2011-06-01

Family

ID=41343115

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009801242378A Pending CN102084382A (zh) 2008-06-26 2009-06-19 用于快速精确路径计划的方法和***

Country Status (5)

Country Link
US (1) US9946979B2 (zh)
EP (1) EP2297547A2 (zh)
JP (1) JP2011525984A (zh)
CN (1) CN102084382A (zh)
WO (1) WO2009156931A2 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111612257A (zh) * 2020-05-26 2020-09-01 广西翔路建设有限责任公司 基于空间归化的最短路径求解方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011525984A (ja) * 2008-06-26 2011-09-29 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 高速且つ正確な経路プランニングのための方法及びシステム
CN102264313A (zh) * 2008-12-29 2011-11-30 皇家飞利浦电子股份有限公司 补偿同轴插管的规划和装配
JP5744753B2 (ja) * 2008-12-29 2015-07-08 コーニンクレッカ フィリップス エヌ ヴェ 曲率の相互作用、多数の曲率半径、及び、適応的近傍に対する計画
JP2012236244A (ja) * 2011-05-10 2012-12-06 Sony Corp ロボット装置、ロボット装置の制御方法、並びにロボット装置制御用プログラム
KR102165437B1 (ko) * 2014-05-02 2020-10-14 한화디펜스 주식회사 이동 로봇의 경로 계획 장치
US10134135B1 (en) * 2015-08-27 2018-11-20 Hrl Laboratories, Llc System and method for finding open space efficiently in three dimensions for mobile robot exploration
CN105606088B (zh) * 2016-02-01 2019-05-28 北京理工大学 一种基于动态环境的路径规划方法
US11480068B2 (en) 2019-10-15 2022-10-25 General Electric Company Systems and method of servicing a turbomachine
CN113128743B (zh) * 2020-01-15 2024-05-28 北京京东振世信息技术有限公司 一种拣货路径规划方法和装置
CN116380110B (zh) * 2023-06-07 2023-08-04 上海伯镭智能科技有限公司 一种基于大数据无人驾驶车辆实时路径规划方法
CN117236543B (zh) * 2023-11-10 2024-02-02 四川农业大学 一种藏羌传统村落最佳观景路线规划方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5625559A (en) * 1993-04-02 1997-04-29 Shinko Electric Co., Ltd. Transport management control apparatus and method for unmanned vehicle system
US6834229B2 (en) * 2000-02-09 2004-12-21 Travelfusion Limited Integrated journey planner
WO2007042986A2 (en) * 2005-10-11 2007-04-19 Koninklijke Philips Electronics, N.V. 3d tool path planning, simulation and control system
EP1867952A1 (en) * 2006-06-13 2007-12-19 Harman/Becker Automotive Systems GmbH Optimum route determination employing an estimation function

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0317020B1 (en) * 1987-11-20 1995-04-19 Koninklijke Philips Electronics N.V. Method and apparatus for path planning
US6560512B1 (en) * 2002-01-04 2003-05-06 Machine Consciousness, Inc. Relational robotic controller
EP1932627A3 (en) * 2003-03-21 2014-08-13 Black & Decker, Inc. Vibration reduction apparatus for power tool and power tool incorporating such apparatus
JP4944542B2 (ja) * 2006-08-22 2012-06-06 日立Ｇｅニュークリア・エナジー株式会社 構造材からのニッケル及びコバルトの溶出抑制方法
US20140230030A1 (en) * 2006-11-22 2014-08-14 Raj Abhyanker Method and apparatus for geo-spatial and social relationship analysis
US20080270158A1 (en) * 2007-04-30 2008-10-30 Fatdoor, Inc. Method and apparatus for geo-spatial and social relationship analysis
JP2011525984A (ja) * 2008-06-26 2011-09-29 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 高速且つ正確な経路プランニングのための方法及びシステム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5625559A (en) * 1993-04-02 1997-04-29 Shinko Electric Co., Ltd. Transport management control apparatus and method for unmanned vehicle system
US6834229B2 (en) * 2000-02-09 2004-12-21 Travelfusion Limited Integrated journey planner
WO2007042986A2 (en) * 2005-10-11 2007-04-19 Koninklijke Philips Electronics, N.V. 3d tool path planning, simulation and control system
EP1867952A1 (en) * 2006-06-13 2007-12-19 Harman/Becker Automotive Systems GmbH Optimum route determination employing an estimation function

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YAHJA A ET AL: "an efficient on-line path planner for outdoor mobile robots", 《ROBOTICS AND AUTONOMOUS SYSTEMS,ELSEVIER SCIENCE PUBLISHERS》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111612257A (zh) * 2020-05-26 2020-09-01 广西翔路建设有限责任公司 基于空间归化的最短路径求解方法
CN111612257B (zh) * 2020-05-26 2023-05-02 广西北投公路建设投资集团有限公司 基于空间归化的最短路径求解方法

Also Published As

Publication number Publication date
US9946979B2 (en) 2018-04-17
WO2009156931A3 (en) 2011-01-20
WO2009156931A2 (en) 2009-12-30
US20110093191A1 (en) 2011-04-21
EP2297547A2 (en) 2011-03-23
JP2011525984A (ja) 2011-09-29

Similar Documents

Publication Publication Date Title
CN102084382A (zh) 用于快速精确路径计划的方法和***
Niu et al. An energy-efficient path planning algorithm for unmanned surface vehicles
US11875678B2 (en) Unstructured vehicle path planner
Krüsi et al. Driving on point clouds: Motion planning, trajectory optimization, and terrain assessment in generic nonplanar environments
JP2021536604A (ja) コンピュータビジョンシステム
US20200271451A1 (en) System and Method for Surface Feature Detection and Transversal
Besselmann et al. VDB-mapping: a high resolution and real-time capable 3D mapping framework for versatile mobile robots
Stepanas et al. OHM: GPU based occupancy map generation
Li et al. An overview on sensor map based localization for automated driving
Zhang et al. Exploration with global consistency using real-time re-integration and active loop closure
CN116448134B (zh) 基于风险场与不确定分析的车辆路径规划方法及装置
CN116136417B (zh) 一种面向越野环境的无人驾驶车辆局部路径规划方法
Cheng et al. Visibility optimization using variational approaches
Ugur et al. Fast and efficient terrain-aware motion planning for exploration rovers
Fickenscher et al. Cell-based update algorithm for occupancy grid maps and hybrid map for ADAS on embedded GPUs
Jonsson An optimal pathfinder for vehicles in real-world digital terrain maps
Ma et al. A robust fusion terrain-aided navigation method with a single Beam Echo Sounder
JP5296934B1 (ja) 経路マップ生成方法、経路マップ一部情報抽出方法、システム、及びコンピュータ・プログラム
Domınguez et al. Internal simulation for autonomous robot exploration of lava tubes
Verstraete Dealing with rounding errors in geometry processing
Wang et al. A Parallel Mapping and Planning Strategy for Micro Aerial Vehicle
CN117516574A (zh) 一种基于A-star及可视图的无人车全局路径规划算法
da Veiga Martins Topologic Maps for Robotic Exploration of Underground Flooded Mines
KR102497535B1 (ko) 계층적 정점 응집 맵을 이용한 실시간 지형 모델링 및 렌더링 방법
Martins Mapas Topológicos para Exploração Robótica de Minas Subterrâneas Submersas

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20110601