CN103389042A - 基于深度图像的地面自动检测以及场景高度计算的方法 - Google Patents
基于深度图像的地面自动检测以及场景高度计算的方法 Download PDFInfo
- Publication number
- CN103389042A CN103389042A CN2013102895596A CN201310289559A CN103389042A CN 103389042 A CN103389042 A CN 103389042A CN 2013102895596 A CN2013102895596 A CN 2013102895596A CN 201310289559 A CN201310289559 A CN 201310289559A CN 103389042 A CN103389042 A CN 103389042A
- Authority
- CN
- China
- Prior art keywords
- ground
- image
- depth
- camera
- pixel
- 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
Landscapes
- Image Processing (AREA)
Abstract
一种基于深度图像的地面自动检测以及场景高度计算的方法，如果某点计算得到的h满足H1＜h＜H2且d＜Thsmooth，那么判断此点位于地面上；将所有满足条件的点提取出来，并通过二值图像标记法找到面积最大的一块区域，此区域即被认定为是地面；在判断了地面以后，将L_matrix矩阵中地面区域的l3进行平均，得到一个，此即为平面法向量在摄像机坐标系下的表示；而地面区域h的平均值即为摄像机的安装高度；对任意图像点，其高度计算公式为：
Description
技术领域
本发明涉及一种地面检测及高度测量方法，具体为一种基于深度图像的地面自动检测以及场景高度计算的方法。
背景技术
在现代智能监控***以及智能机器人应用中，地面的检测对于目标检测以及机器人的路径规划都有着相当重要的意义，但是传统的光学以及声学传感器均不能够很稳定的检测到地面。
发明内容
本发明所解决的技术问题在于提供一种基于深度图像的地面自动检测以及场景高度计算的方法，其利用深度图像进行地面的自动检测，再依据地面检测的结果，计算场景中所有点距离地面的高度。这些高度信息使得智能监控***以及智能机器人对于场景的理解更加深入，透彻。
本发明所解决的技术问题采用以下技术方案来实现：
一种基于深度图像的地面自动检测以及场景高度计算的方法，具体步骤如下：
步骤（1）、背景建模
首先对完全静止的场景，利用深度摄像机采集M帧深度图像depthm,m=1,2,…，M，对M帧深度图像的进行累加，得到累加和图像S，同时统计每一像素上在M帧深度图像中有效深度值出现的次数，得到一幅表示M帧图像中有效值出现次数的图像Valid，其图像值计算如下：
；
令
，即可得到经过多帧平滑以后的背景深度图；
步骤（2）、利用深度摄像机内参数矩阵的参数，计算背景在深度摄像机坐标系下的坐标，像素(u,v)处背景在摄像机坐标系下的坐标计算方法为： 
，并将xc(u,v), yc(u,v) ,zc(u,v)保存起来，得到三幅与背景深度图同样大小的图像xc, yc ,zc；
步骤（3）、在背景深度图像Valid的下半部分中，对每个像素(u’,v’)，选取三个分别位于 
的点，其中bias表示选取的像素距离当前需要判断的像素的图像距离；
步骤（4）、分别在图像xc, yc ,zc中，读取四个点(u’,v’)，
的图像值，并按照下列方式排列成点的坐标：
步骤（5）、利用p2,p3,p4拟合平面，令
，利用叉积计算拟合平面的法向量 
，并计算此平面与p1的距离d(u,v)=(p1-p2) ×l3，以及摄像机坐标系原点与此平面的距离h(u,v)=-p2×l3，此处的×号表示两个向量之间的点乘；同时将l3作为一个向量按照图像坐标(u’,v’)的顺序保存起来，即L_matrix(u’,v’)=l3；
步骤（6）、对所有的点做步骤（3）、步骤（4）、步骤（5）的操作，得到所有点的d以及h；
步骤（7）、利用先验知识，输入估计的摄像头高度范围H1,H2，如果某点计算得到的h满足H1＜h ＜H2且d＜Thsmooth，那么判断此点位于地面上；其中Thsmooth是用于判断p1,p2,p3,p4是否在同一个平面上的阈值；
步骤（8）、将所有满足步骤（7）给出条件的点提取出来，并通过二值图像标记法找到面积最大的一块区域，此区域即被认定为是地面；
步骤（9）、在判断了地面以后，将L_matrix矩阵中地面区域的l3进行平均，得到一个
，此即为平面法向量在摄像机坐标系下的表示；而地面区域h的平均值 
即为摄像机的安装高度；
步骤（10）、对任意图像点
，其高度即可按照如下式子计算：
作为优选方案：步骤（7）中设
。
与现有技术相比，本发明的有益效果是：该方法其利用深度图像进行地面的自动检测，再依据地面检测的结果，计算场景中所有点距离地面的高度。这些高度信息使得智能监控***以及智能机器人对于场景的理解更加深入，透彻。
具体实施方式
为了使本发明的技术手段、创作特征、工作流程、使用方法达成目的与功效易于明白了解，下面进一步阐述本发明。
为了更好的理解本发明，首先对一些概念进行了定义或说明。
1、深度图像：是指由深度摄像机输出并包含场景深度信息的图像，与普通图像表示场景的灰度或者颜色不同，深度图像表示的是场景点与深度摄像机之间的距离信息。
2、深度摄像机：是指能够利用以下三种技术之一或者三种技术进行融合得到场景深度信息的摄像机，这三种技术指：
结构光编码（structure light coding），
双目视觉技术（binocular）,
飞行时间法（time of flight）。
3、深度摄像机内参数（intrinsic parameters）矩阵：该矩阵由深度摄像机的焦距f ，象元尺寸dx,dy，归一化焦距
，以及光心在图像坐标系中的坐标(u0,v0)表示为 
。
4、地面：是指场景中能够占据深度图像中下半部分最大面积的一块平面，要求在安装深度摄像机的时候，通过调整摄像头安装角度使得深度图像下半部分能够很好的反映地面的深度信息。
一种基于深度图像的地面自动检测以及场景高度计算的方法，具体步骤如下：
步骤（1）、背景建模
首先对完全静止（不存在运动前景目标）的场景，利用深度摄像机采集M帧深度图像depthm,m=1,2,…，M，对M帧深度图像的进行累加，得到累加和图像S，同时统计每一像素上在M帧深度图像中有效深度值出现的次数，得到一幅表示M帧图像中有效值出现次数的图像Valid，其图像值计算如下：
令
，即可得到经过多帧平滑以后的背景深度图；
步骤（2）、利用深度摄像机内参数（intrinsic parameters）矩阵的参数，计算背景在深度摄像机坐标系下的坐标，像素(u,v)处背景在摄像机坐标系下的坐标计算方法为： 
，并将xc(u,v), yc(u,v) ,zc(u,v)保存起来，得到三幅与背景深度图同样大小的图像xc, yc ,zc。
步骤（3）、在背景深度图像Valid的下半部分中，对每个像素(u’,v’)，选取三个分别位于
的点，其中bias表示选取的像素距离当前需要判断的像素的图像距离，需要说明的是，三个点的排列方式并不严格要求按照给出的坐标选取，也可以是按照任意规则选取三个点，这种选点方式的变化，并不改变本发明的实质。
步骤（4）、分别在图像xc, yc ,zc中，读取四个点
，
的图像值，并按照下列方式排列成点的坐标：
步骤（5）、利用p2,p3,p4拟合平面，令
，利用叉积计算拟合平面的法向量 ，并计算此平面与p1的距离d(u,v)=(p1-p2) ×l3，以及摄像机坐标系原点与此平面的距离h(u,v)=-p2×l3，此处的×号表示两个向量之间的点乘；同时将l3作为一个向量按照图像坐标(u’,v’)的顺序保存起来，即L_matrix(u’,v’)=l3。
步骤（6）、对所有的点做步骤（3）, 步骤（4）, 步骤（5）的操作，得到所有点的d以及h。
步骤（7）、利用先验知识，输入估计的摄像头高度范围H1,H2，如果某点计算得到的h满足H1＜h ＜H2且d＜Thsmooth，其中Thsmooth是用于判断p1,p2,p3,p4是否在同一个平面上的阈值，一般设为，那么判断此点位于地面上。
步骤（8）、将所有满足步骤（7）给出条件的点提取出来，并通过二值图像标记法找到面积最大的一块区域，此区域即被认定为是地面。
步骤（9）、在判断了地面以后，将L_matrix矩阵中地面区域的l3进行平均，得到一个
，此
即为平面法向量在摄像机坐标系下的表示；而地面区域h的平均值即为摄像机的安装高度。
步骤（10）、对任意图像点
，其高度即可按照如下式子计算：
以上显示和描述了本发明的基本原理、主要特征及本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明的要求保护范围由所附的权利要求书及其等效物界定。
Claims (2)
1.一种基于深度图像的地面自动检测以及场景高度计算的方法，其特征在于，具体步骤如下：
步骤（1）、背景建模
首先对完全静止的场景，利用深度摄像机采集M帧深度图像depthm,m=1,2,…，M，对M帧深度图像的进行累加，得到累加和图像S，同时统计每一像素上在M帧深度图像中有效深度值出现的次数，得到一幅表示M帧图像中有效值出现次数的图像Valid，其图像值计算如下：
令
，即可得到经过多帧平滑以后的背景深度图；
步骤（2）、利用深度摄像机内参数矩阵的参数，计算背景在深度摄像机坐标系下的坐标，像素(u,v)处背景在摄像机坐标系下的坐标计算方法为： 
，并将xc(u,v), yc(u,v) ,zc(u,v)保存起来，得到三幅与背景深度图同样大小的图像xc, yc ,zc；
步骤（3）、在背景深度图像Valid的下半部分中，对每个像素(u’,v’)，选取三个分别位于 的点，其中bias表示选取的像素距离当前需要判断的像素的图像距离；
步骤（4）、分别在图像xc, yc ,zc中，读取四个点(u’,v’)，的图像值，并按照下列方式排列成点的坐标：
步骤（5）、利用p2,p3,p4拟合平面，令
，利用叉积计算拟合平面的法向量 
，并计算此平面与p1的距离d(u,v)=(p1-p2) ×l3，以及摄像机坐标系原点与此平面的距离h(u,v)=-p2×l3，此处的×号表示两个向量之间的点乘；同时将l3作为一个向量按照图像坐标(u’,v’)的顺序保存起来，即L_matrix(u’,v’)=l3；
步骤（6）、对所有的点做步骤（3）、步骤（4）、步骤（5）的操作，得到所有点的d以及h；
步骤（7）、利用先验知识，输入估计的摄像头高度范围H1,H2，如果某点计算得到的h满足H1＜h ＜H2且d＜Thsmooth，那么判断此点位于地面上；其中Thsmooth是用于判断p1,p2,p3,p4是否在同一个平面上的阈值；
步骤（8）、将所有满足步骤（7）给出条件的点提取出来，并通过二值图像标记法找到面积最大的一块区域，此区域即被认定为是地面；
步骤（9）、在判断了地面以后，将L_matrix矩阵中地面区域的l3进行平均，得到一个
，此即为平面法向量在摄像机坐标系下的表示；而地面区域h的平均值 
即为摄像机的安装高度；
步骤（10）、对任意图像点
，其高度即可按照如下式子计算：
2.根据权利要求1所述的基于深度图像的地面自动检测以及场景高度计算的方法，其特征在于，步骤（7）中设。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2013102895596A CN103389042A (zh) | 2013-07-11 | 2013-07-11 | 基于深度图像的地面自动检测以及场景高度计算的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2013102895596A CN103389042A (zh) | 2013-07-11 | 2013-07-11 | 基于深度图像的地面自动检测以及场景高度计算的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103389042A true CN103389042A (zh) | 2013-11-13 |
Family
ID=49533391
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2013102895596A Pending CN103389042A (zh) | 2013-07-11 | 2013-07-11 | 基于深度图像的地面自动检测以及场景高度计算的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103389042A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104361575A (zh) * | 2014-10-20 | 2015-02-18 | 湖南戍融智能科技有限公司 | 深度图像中的自动地面检测及摄像机相对位姿估计方法 |
| CN105832336A (zh) * | 2016-03-18 | 2016-08-10 | 京东方科技集团股份有限公司 | 身高测量***和方法 |
| CN107016697A (zh) * | 2017-04-11 | 2017-08-04 | 杭州光珀智能科技有限公司 | 一种高度测量方法及装置 |
| WO2017152529A1 (zh) * | 2016-03-09 | 2017-09-14 | 京东方科技集团股份有限公司 | 基准平面的确定方法和确定*** |
| CN107220632A (zh) * | 2017-06-12 | 2017-09-29 | 山东大学 | 一种基于法向特征的路面图像分割方法 |
| WO2017201638A1 (en) * | 2016-05-23 | 2017-11-30 | Intel Corporation | Human detection in high density crowds |
| CN107633210A (zh) * | 2017-08-28 | 2018-01-26 | 上海欧忆能源科技有限公司 | 工地违章登高监控***、方法、装置、介质及设备 |
| CN108399641A (zh) * | 2018-03-12 | 2018-08-14 | 北京华捷艾米科技有限公司 | 重新检测地面的判定方法及装置 |
| CN108460333A (zh) * | 2018-01-19 | 2018-08-28 | 北京华捷艾米科技有限公司 | 基于深度图的地面检测方法及装置 |
| CN111429509A (zh) * | 2020-03-24 | 2020-07-17 | 北京大学深圳研究生院 | 一种目标物高度的集中测算方法 |
| CN111586299A (zh) * | 2020-05-09 | 2020-08-25 | 北京华捷艾米科技有限公司 | 一种图像处理方法和相关设备 |
| CN111652136A (zh) * | 2020-06-03 | 2020-09-11 | 苏宁云计算有限公司 | 基于深度图像的行人检测方法及装置 |
| CN112419390A (zh) * | 2020-11-26 | 2021-02-26 | 北京华捷艾米科技有限公司 | 一种人体身高测量方法及*** |
| CN112739975A (zh) * | 2018-09-28 | 2021-04-30 | 松下知识产权经营株式会社 | 尺寸测量装置以及尺寸测量方法 |
| CN112750205A (zh) * | 2019-10-30 | 2021-05-04 | 南京深视光点科技有限公司 | 平面动态检测***及检测方法 |
| CN114708318A (zh) * | 2022-04-12 | 2022-07-05 | 西安交通大学 | 一种基于深度相机的未知待测面曲率测定方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08263658A (ja) * | 1995-03-20 | 1996-10-11 | Fujitsu Denso Ltd | 指紋登録方法及び指紋照合装置 |
| JPH1196355A (ja) * | 1997-09-18 | 1999-04-09 | Olympus Optical Co Ltd | 画像のラベリング方法及びその装置 |
| EP1280072A2 (en) * | 2001-07-25 | 2003-01-29 | Nec Corporation | Image retrieval apparatus and image retrieving method |
| US20040032494A1 (en) * | 2002-08-13 | 2004-02-19 | Wataru Ito | Object-detection-condition modifiable object detection method and object detection apparatus using the method |
| CN101013028A (zh) * | 2006-01-31 | 2007-08-08 | 欧姆龙株式会社 | 图像处理方法以及图像处理装置 |
| CN102693539A (zh) * | 2012-03-13 | 2012-09-26 | 夏东 | 一种用于智能监控***的宽基线快速三维标定方法 |
-
2013
- 2013-07-11 CN CN2013102895596A patent/CN103389042A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08263658A (ja) * | 1995-03-20 | 1996-10-11 | Fujitsu Denso Ltd | 指紋登録方法及び指紋照合装置 |
| JPH1196355A (ja) * | 1997-09-18 | 1999-04-09 | Olympus Optical Co Ltd | 画像のラベリング方法及びその装置 |
| EP1280072A2 (en) * | 2001-07-25 | 2003-01-29 | Nec Corporation | Image retrieval apparatus and image retrieving method |
| US20040032494A1 (en) * | 2002-08-13 | 2004-02-19 | Wataru Ito | Object-detection-condition modifiable object detection method and object detection apparatus using the method |
| CN101013028A (zh) * | 2006-01-31 | 2007-08-08 | 欧姆龙株式会社 | 图像处理方法以及图像处理装置 |
| CN102693539A (zh) * | 2012-03-13 | 2012-09-26 | 夏东 | 一种用于智能监控***的宽基线快速三维标定方法 |
Cited By (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104361575B (zh) * | 2014-10-20 | 2015-08-19 | 湖南戍融智能科技有限公司 | 深度图像中的自动地面检测及摄像机相对位姿估计方法 |
| CN104361575A (zh) * | 2014-10-20 | 2015-02-18 | 湖南戍融智能科技有限公司 | 深度图像中的自动地面检测及摄像机相对位姿估计方法 |
| WO2017152529A1 (zh) * | 2016-03-09 | 2017-09-14 | 京东方科技集团股份有限公司 | 基准平面的确定方法和确定*** |
| US10319104B2 (en) | 2016-03-09 | 2019-06-11 | Boe Technology Group Co., Ltd. | Method and system for determining datum plane |
| CN105832336B (zh) * | 2016-03-18 | 2019-01-22 | 京东方科技集团股份有限公司 | 身高测量***和方法 |
| CN105832336A (zh) * | 2016-03-18 | 2016-08-10 | 京东方科技集团股份有限公司 | 身高测量***和方法 |
| US10424078B2 (en) | 2016-03-18 | 2019-09-24 | Boe Technology Group Co., Ltd. | Height measuring system and method |
| WO2017156894A1 (zh) * | 2016-03-18 | 2017-09-21 | 京东方科技集团股份有限公司 | 身高测量***和方法 |
| US10402633B2 (en) | 2016-05-23 | 2019-09-03 | Intel Corporation | Human detection in high density crowds |
| WO2017201638A1 (en) * | 2016-05-23 | 2017-11-30 | Intel Corporation | Human detection in high density crowds |
| CN107016697B (zh) * | 2017-04-11 | 2019-09-03 | 杭州光珀智能科技有限公司 | 一种高度测量方法及装置 |
| CN107016697A (zh) * | 2017-04-11 | 2017-08-04 | 杭州光珀智能科技有限公司 | 一种高度测量方法及装置 |
| CN107220632A (zh) * | 2017-06-12 | 2017-09-29 | 山东大学 | 一种基于法向特征的路面图像分割方法 |
| CN107220632B (zh) * | 2017-06-12 | 2020-02-18 | 山东大学 | 一种基于法向特征的路面图像分割方法 |
| CN107633210A (zh) * | 2017-08-28 | 2018-01-26 | 上海欧忆能源科技有限公司 | 工地违章登高监控***、方法、装置、介质及设备 |
| CN108460333A (zh) * | 2018-01-19 | 2018-08-28 | 北京华捷艾米科技有限公司 | 基于深度图的地面检测方法及装置 |
| US10776932B2 (en) | 2018-03-12 | 2020-09-15 | BeiJing Hjimi Technology Co., Ltd | Determining whether ground is to be re-detected |
| CN108399641B (zh) * | 2018-03-12 | 2019-10-11 | 北京华捷艾米科技有限公司 | 重新检测地面的判定方法及装置 |
| CN108399641A (zh) * | 2018-03-12 | 2018-08-14 | 北京华捷艾米科技有限公司 | 重新检测地面的判定方法及装置 |
| CN112739975B (zh) * | 2018-09-28 | 2023-06-13 | 松下知识产权经营株式会社 | 尺寸测量装置以及尺寸测量方法 |
| CN112739975A (zh) * | 2018-09-28 | 2021-04-30 | 松下知识产权经营株式会社 | 尺寸测量装置以及尺寸测量方法 |
| CN112750205A (zh) * | 2019-10-30 | 2021-05-04 | 南京深视光点科技有限公司 | 平面动态检测***及检测方法 |
| CN112750205B (zh) * | 2019-10-30 | 2023-05-16 | 南京深视光点科技有限公司 | 平面动态检测***及检测方法 |
| CN111429509A (zh) * | 2020-03-24 | 2020-07-17 | 北京大学深圳研究生院 | 一种目标物高度的集中测算方法 |
| CN111586299A (zh) * | 2020-05-09 | 2020-08-25 | 北京华捷艾米科技有限公司 | 一种图像处理方法和相关设备 |
| CN111586299B (zh) * | 2020-05-09 | 2021-10-19 | 北京华捷艾米科技有限公司 | 一种图像处理方法和相关设备 |
| CN111652136A (zh) * | 2020-06-03 | 2020-09-11 | 苏宁云计算有限公司 | 基于深度图像的行人检测方法及装置 |
| CN111652136B (zh) * | 2020-06-03 | 2022-11-22 | 苏宁云计算有限公司 | 基于深度图像的行人检测方法及装置 |
| CN112419390A (zh) * | 2020-11-26 | 2021-02-26 | 北京华捷艾米科技有限公司 | 一种人体身高测量方法及*** |
| CN114708318A (zh) * | 2022-04-12 | 2022-07-05 | 西安交通大学 | 一种基于深度相机的未知待测面曲率测定方法 |
| CN114708318B (zh) * | 2022-04-12 | 2024-05-28 | 西安交通大学 | 一种基于深度相机的未知待测面曲率测定方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103389042A (zh) | 基于深度图像的地面自动检测以及场景高度计算的方法 | |
| US8588516B2 (en) | Interpolation image generation apparatus, reconstructed image generation apparatus, method of generating interpolation image, and computer-readable recording medium storing program | |
| CN105956539B (zh) | 一种应用背景建模和双目视觉原理的人体身高测量方法 | |
| CN106650701B (zh) | 基于双目视觉的室内阴影环境下障碍物检测方法及装置 | |
| CN105627932A (zh) | 一种基于双目视觉的测距方法及装置 | |
| CN103735269B (zh) | 一种基于视频多目标跟踪的高度测量方法 | |
| US20200410688A1 (en) | Image Segmentation Method, Image Segmentation Apparatus, Image Segmentation Device | |
| CN104504688A (zh) | 基于双目立体视觉的客流密度估计的方法和*** | |
| CN108364292B (zh) | 一种基于多幅视角图像的光照估计方法 | |
| CN105282530B (zh) | 基于背景建模的自动白平衡实现方法及装置 | |
| JP2014112055A (ja) | カメラ姿勢の推定方法およびカメラ姿勢の推定システム | |
| KR20170073675A (ko) | Led 디스플레이에 이용되는 영상 처리 방법 및 장치 | |
| CN109163775B (zh) | 一种基于带式运输机的质量测量方法及装置 | |
| CN104200453B (zh) | 基于图像分割和可信度的视差图像校正方法 | |
| CN112991459B (zh) | 一种相机标定方法、装置、设备以及存储介质 | |
| CN104299220A (zh) | 一种对Kinect深度图像中的空洞进行实时填充的方法 | |
| CN105957107A (zh) | 行人检测与跟踪方法及装置 | |
| CN110322572A (zh) | 一种基于双目视觉的水下涵隧内壁三维信息恢复方法 | |
| CN107991665A (zh) | 一种基于定焦相机的对标靶三维坐标连续测量方法 | |
| CN111027415A (zh) | 一种基于偏振图像的车辆检测方法 | |
| CN110617772A (zh) | 一种非接触式线径测量装置及方法 | |
| CN110188640B (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
| CN104537627A (zh) | 一种深度图像的后处理方法 | |
| CN104346614A (zh) | 一种实景下的西瓜图像处理和定位方法 | |
| CN109816710B (zh) | 一种双目视觉***高精度且无拖影的视差计算方法 |
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: 20131113 |