CN107564111A - 基于计算机视觉的电力线空间安全分析方法 - Google Patents
基于计算机视觉的电力线空间安全分析方法 Download PDFInfo
- Publication number
- CN107564111A CN107564111A CN201710395606.3A CN201710395606A CN107564111A CN 107564111 A CN107564111 A CN 107564111A CN 201710395606 A CN201710395606 A CN 201710395606A CN 107564111 A CN107564111 A CN 107564111A
- Authority
- CN
- China
- Prior art keywords
- power line
- computer vision
- space safety
- line
- safety analysis
- 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 Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于计算机视觉的电力线空间安全分析方法,该方法包括:利用快速拼图技术,确定电力线的空间位置与走向并进行线性航线规划;利用计算机视觉技术对电力线通道进行三维重建;利用同名核线和悬链线模型实现电力线半自动测量;通过点云滤波算法和交互功能实现地面密集三维点云的分类;基于已测量的电力线和已分类的地面密集三维点云,利用GIS空间分析方法对电力线进行空间安全分析。本发明利用计算机视觉技术和无人机航拍实现电力线空间安全分析,可提高电力线通道巡检的效率和可靠性,同时可降低电力线通道巡检的成本和风险。
Description
技术领域
本发明属于计算机视觉与摄影测量领域,特别涉及无人机影像的三维重建技术、非立体环境下的电力线量测技术和GIS空间分析技术。
背景技术
随着无人机技术越发成熟,利用无人机进行电力线路巡检,不仅能够降低巡检成本,还提高了电力巡检工作的效率。目前国家电网和南方电网等相关部门正在着力推进无人机班组建设、完善各类保障支撑体系,为无人机在电力行业的广泛应用做好全面的准备工作。
目前无人机电力巡检主要分为三类:人工判断、机载激光LIDAR的定量分析、基于摄影测量技术的定量分析。人工判断即通过人眼观测无人机拍摄影像分析缺陷的方法。但是,该方法缺乏定量分析,且工作效率低下。依据无人机拍摄的照片或视频,巡检人员可以直观的对电力线通道情况进行定性的分析,但无法获取几何信息进行定量分析,例如无法获取电力线和地障 (树木、房屋等)之间的空间距离。并且单纯的人工识别判读,只是将原本在野外执行的工作量分摊了一部分到内业完成,并没有从实质上提高工作效率。
利用无人机搭载激光LIDAR进行电力线通道巡检。虽然该方法能够进行定量分析,并且工作效率高。但存在硬件设备贵和运维费用高的问题。目前,能够搭载LIDAR的无人机需要较大的机身承载量和较高的飞行稳定性,因此配套的无人机也会成本更高。激光LIDAR的方案不可能成为电力巡线的首选。
相对于前两种方法,搭载相机的航空摄影测量技术在保证相对低成本的同时,还能够对电力线进行三维可视化观测。针对这一方法在电力巡检行业的应用,部分企业进行了深入的探索,并逐渐形成了一套自动提取电力线的方案。
但这些自动提取方案本身存在一定的应用限制。尤其在当前无人机小型化(旋翼无人机)、搭载相机普通化和飞行低空化的背景下,传统的电力线自动提取方案存在两个很大的问题:
(1)随着旋翼无人机逐渐成为电力线巡检的主要飞行硬件,其搭载的相机也由传统昂贵的量测相机逐渐演变为低廉的单反甚至微单相机。相机性能的减弱,会对获取的无人机影像造成直接的影响。同时,由于无人机小型化,其稳定性也会出现一定的减弱,因此最终获取的无人机影像容易会出现模糊、抖动等现象。这一特性,不仅直接影响单张电力线的提取,更会使原本连续额提取的电力线出现割断,影响后续的自动处理。
(2)由于旋翼无人机的主导化,巡线无人机的飞行高度逐渐呈现低空化的特征。随着无人机与电力线之间的间距减小,无人机飞行航线与电力线方向不一致而引发的电力线相对位置的变化越发严重。电力线的错位,将直接影响后续电力线的整体链接,导致最后电力线的三维重建失败。
为了解决现行无人机通道巡检中自动提取电力线方案的不足,本方案针对旋翼无人机电力巡检的特点,提出了一套基于计算机视觉的电力线空间安全分析方法。该方案通过半自动电力线提取,避免了旋翼无人机巡检过程中出现的电力线提取失败以及电力线错位的情况,以最小的代价构建了电力线三维模型并基于GIS空间分析技术对电力线进行了空间安全分析。获取电力线三维空间范围内的障碍物,包括树木、违章建筑和跨越电力线等。
发明内容
本发明的目的是解决传统电力线自动提取方案对于旋翼无人机巡检过程中的不适应,提出利用计算机视觉的技术对电力线的无人机航拍影像进行高效率和高精度的处理和分析,实现电力线的空间安全分析的方法。
本发明提供了一种基于计算机视觉的电力线空间安全分析方法,包括以下步骤:
步骤1,利用快速拼图技术,快速绘制巡检区域的正射影像。基于拼接后的正射影像,确定待巡检电力线的空间位置与走向。
步骤2,依据电力线的走向对旋翼无人机进行线状航线规划,并获取沿电力线方向的双航带无人机影像。要求航带内任意相邻三张影像必须有重叠,且航带间相邻两张影像的重叠区必须覆盖电力线。
步骤3,电力线通道三维重建,包括以下子步骤,
步骤3.1,对所有无人机航拍影像进行特征点提取;
步骤3.2,根据影像GPS信息和整体灰度特征,统计可能有重叠的影像对,对所有可能有重叠的影像对进行特征点匹配;
步骤3.3,利用匹配的特征点、初始相机内外参数和初始相机GPS位置进行平差解算,获取精确的相机内外参数;
步骤3.4,利用精确的相机内外参数和匹配的特征点对航拍影像进行正射纠正和拼接,获取快拼图;
步骤3.5,利用精确的相机内外参数对航拍的影像进行密集点云匹配,获取地面密集三维点云。
步骤3.6,对电塔之间的电力线进行等区域划分,以电力线和背景地物之间的清晰度、反差为基本原则选取最优像对。并基于步骤3.3中的平差结果,对航带间的相邻两张影像进行核线重采样;。
步骤3.7,利用同名核线的原理和核线与电力线近似垂直的特征,在某一根电力线上测量5个及以上的点;
步骤3.8,以步骤3.7提取的电力线同名点为输入,依据悬链线模型实现电力线的三维模型构建。
步骤3.9,利用间接定位技术,将步骤3.8提取的电力线三维模型反投影到原始影像对进行电力线对比,优化提取结果。
步骤4,电线空间安全分析,包括以下子步骤,
步骤4.1,点云滤波并对地面密集三维点云进行分类,从所有地面三维密集点云中,将电塔、电力线以及噪点提取出来并及进行标记。
步骤4.2,电力线空间安全分析,利用电力线完整空间三维坐标、地面三维点云(不包含电塔、电力线以及噪点)和GIS空间分析算法,对电力线进行空间安全分析,获取电力线三维空间范围内是否存在障碍物,包括树木、违章建筑和跨越电力线等。
附图说明:
图1为利用快速拼图技术,确定待巡检电力线的空间位置与走向。
图2为对无人机航拍影像进行计算机视觉自动三维重建处理的流程图。
图3为电塔之间的电力线进行等区域划分。
图4非立体环境下电力线量测方法示意图。
图5提取电力线的影像反投影。
图6为电力线安全分析结果。
图7为基于计算机视觉的电力线空间安全分析方法的处理流程图。
具体实施方式:
下面结合附图和实施例对本发明做进一步详细描述。
本发明的实施例包括四个步骤:
步骤1,利用快速拼图技术,快速绘制巡检区域的正射影像。基于拼接后的正射影像,确定待巡检电力线的空间位置与走向。参见图1。
步骤2,依据电力线的走向对旋翼无人机进行线状航线规划,并获取沿电力线方向的双航带无人机影像。要求航带内任意相邻三张影像必须有重叠,且航带间相邻两张影像的重叠区必须覆盖电力线。
航拍影像航带内要求三度重叠且航带间要求重叠覆盖电力线,是为了保证航拍影像计算机视觉三维重建结果的可靠性和满足电力线测量的基本要求。
步骤3,对无人机航拍影像计算机视觉三维重建处理,参见图2:
步骤3.1,对所有航拍影像进行SIFT特征点提取,每一个特征点都具备128 维向量特征,为了提高运行效率,利用GPU并行加速技术实现SIFT特征点提取的并行处理;
步骤3.2,根据影像GPS信息和整体灰度特征,统计可能有重叠的影像对,对所有可能有重叠的影像对进行SIFT特征点匹配,匹配的方法是根据SIFT特征点128维向量之间的相关性来判断是否为同名点;
步骤3.3,利用匹配的特征点、初始相机内外参数和初始相机GPS位置进行平差解算,获取精确的相机内外参数,平差解算的数学模型是描述物体成像几何原理的共线方程:
式中:
x,y为像点的像平面坐标;
x0,y0,f为影像的内方位元素;
dx,dy为像点的像点的相机畸变改正值;
XS,YS,ZS为摄站点的物方空间坐标;
X,Y,Z为物方点的物方空间坐标;
为相机姿态三个角元素组成的旋转矩阵;
平差解算是一个复杂的反复迭代计算的过程,平差解算实现计算出准确的相机内外参数,剔除匹配特征点中的粗差点,并输出剩下相对可靠的匹配特征点的物方三维坐标;
由于平差解算没有控制点的参与,因此计算出的相机外参数是***相对值,而不是绝对值,但相对值满足空间安全分析的要求。
步骤3.4,利用精确的相机内外参数和匹配的特征点对航拍影像进行正射纠正和拼接,获取快拼图,具体实施方式是:
首先,将平差解算后的已知物方坐标的相对可靠匹配特征点构成地面稀疏三维点云,并对点云进行去噪和滤波分类处理,将噪点和高层建筑尽可能从地面点云中提取出来,各自作为单独的层,剩下的点即为地面层,对地面层的点构建三角网,并用内插的方法获取区域的间隔较大的DEM;
然后,利用区域的间隔较大的DEM、航拍影像和相机内外参数,即可应用共线方程原理对每张航拍影像进行正射纠正,获取每张航拍影像对应的正射影像;
最后,利用泰森多边形的理论将所有单张正射影像拼接成一张完整的正射影像,即为快拼图。
步骤3.5,利用精确的相机内外参数对航拍的影像进行密集点云匹配,获取地面密集三维点云,密集匹配的基本方法是SGM半全局匹配算法,具体实施如下:
首先,统计所有相邻且重叠度满足一定条件的航拍影像对,并对这些影像对进行核线重采样,核线重采样的方法是严格水平核线的采样方法,即将两张航拍影像沿着基线方向投影到地面平均水平面上;
其次,对上述影像对的核线影像进行SGM半全局匹配,同名点必然在同名核线上,因此对核线影像进行SGM半全局匹配实质上是一维匹配的过程,速度相对较快,另外还可以采用多核并行计算的方法整体提高匹配效率;
最后,对所有统计的影像对核线影像SGM匹配的结果进行融合,融合算法会尽可能剔除粗差点,并利用平差方法整体提高点云精度,融合的结果即为地面密集三维点云。
步骤3.6,对电塔之间的电力线进行等区域划分,以电力线和背景地物之间的清晰度、反差为基本原则选取最优像对。参见图3。
步骤4,利用相机内外参数和原始航拍影像进行非立体环境下的电力线测量,包括以下子步骤:
步骤4.1,航线方向与电力线近似平行,对航带间的相邻两张航拍影像进行核线重采样,获取的核线影像上的电力线近似竖直,核线重采样的方法是严格水平核线的采样方法,即将两张航拍影像沿着基线方向投影到地面平均水平面上。
步骤4.2,利用同名核线的原理和核线与电力线近似垂直的特征,在某一根电力线上测量5个及以上的点,测量电力线上点的方法具体参考示意图4;
步骤4.3,根据某一根电力线上的所有测量点的空间三维坐标,反向拟合出电力线悬链线参数,在剖面上悬链线公式为:
其中x0,y0为最低点坐标,A,a为悬链线参数。
步骤4.4,利用间接定位技术,将步骤3.4提取的电力线三维模型反投影到原始影像对进行电力线对比,优化提取结果。参考图5;
步骤5,地面三维密集点云分类,通过自动滤波算法和线上线下分类交互功能,从所有地面三维密集点云中,将电塔、电力线以及噪点提取出来标记为某一层。
步骤6,电力线空间安全分析,具体实施如下:
首先,将电力线完整空间三维坐标分为若干段,每段长度可以根据实际需求进行配置;
其次,以某一根电力线为单位,获取电力线一定宽度的剖面,获取地面密集三维点云分布在剖面内的地面点,即排除电塔、电力线以及噪点外的所有点;
最后,利用GIS空间分析算法和剖面内的地面点,对每段电力线进行空间安全分析,获取分析的结果。参考图6。
综上所述,借助本发明的上述技术方案,可以解决传统方案对于旋翼无人机电力巡检的不适用性,提高电力线通道巡检的效率和可靠性,同时降低电力线通道巡检的成本和风险。
以上所述具体实施方案仅为对本发明精神作举例说明,并不用以限制本发明,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包含范围之内。
Claims (5)
1.一种基于计算机视觉的电力线空间安全分析方法,其特征在于,包括以下步骤:
步骤1,利用快速拼图技术,快速绘制巡检区域的正射影像。基于拼接后的正射影像,确定待巡检电力线的空间位置与走向。
步骤2,依据电力线的走向对旋翼无人机进行线状航线规划,并获取沿电力线方向的双航带无人机影像。
步骤3,电力线通道三维重建,包括以下子步骤,
步骤3.1,基于计算机视觉技术对步骤2获取的无人机影像进行平差、影像拼接和三维重建处理,获取沿电力线方向的正射影像与地面密集三维点云。
步骤3.2,对电塔之间的电力线进行等区域划分,以电力线和背景地物之间的清晰度、反差为基本原则选取最优像对。并基于步骤3.1中的平差结果,进行核线影像的提取。
步骤3.3,利用核线与电力线相交的特性,对步骤3.2中的像对提取电力线同名点。
步骤3.4,以步骤3.3提取的电力线同名点为输入,依据悬链线模型实现电力线的三维模型构建。
步骤3.5,利用间接定位技术,将步骤3.4提取的电力线三维模型反投影到原始影像对进行电力线对比,优化提取结果。
步骤4,电线空间安全分析,包括以下子步骤,
步骤4.1,点云滤波并对地面密集三维点云进行分类,分为电力线、地面点和噪点三类;
步骤4.2,基于已测量的电力线和已分类的地面密集三维点云,利用GIS空间分析方法对电力线进行空间安全分析。
2.根据权利要求1所述的一种基于计算机视觉的电力线空间安全分析方法,其特征在于,步骤1与步骤2中,利用快速拼图技术,对电塔和电力线的位置及走向进行了快速、精确的定位,针对电力线特征,进行了线状航线规划。
3.根据权利要求1所述的一种基于计算机视觉的电力线空间安全分析方法,其特征在于,步骤3中,利用半自动电力线提取有效的避免了电力线与背景地物反差过小引起的电力线误提取,和无人机飞行航线与电力线方向不一致引起的电力线错位。
4.根据权利要求1所述的一种基于计算机视觉的电力线空间安全分析方法,其特征在于,步骤3中,利用间接定位技术,将电力线三维模型反投影到原始影像,通过反投影电力线与影像中真实电力线的比对,对提取的电力线模型进行检查和优化。
5.根据权利要求1所述的一种基于计算机视觉的电力线空间安全分析方法,其特征在于,步骤4中,基于电力线三维模型、地面密集三维点云和GIS空间分析算法,对电力线进行空间安全分析,获取电力线三维空间范围内的障碍物,包括树木、违章建筑和跨越电力线等。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710395606.3A CN107564111A (zh) | 2017-05-31 | 2017-05-31 | 基于计算机视觉的电力线空间安全分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710395606.3A CN107564111A (zh) | 2017-05-31 | 2017-05-31 | 基于计算机视觉的电力线空间安全分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107564111A true CN107564111A (zh) | 2018-01-09 |
Family
ID=60972929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710395606.3A Pending CN107564111A (zh) | 2017-05-31 | 2017-05-31 | 基于计算机视觉的电力线空间安全分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107564111A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108759788A (zh) * | 2018-03-19 | 2018-11-06 | 深圳飞马机器人科技有限公司 | 无人机影像定位定姿方法及无人机 |
CN109000621A (zh) * | 2018-04-04 | 2018-12-14 | 广州优飞信息科技有限公司 | 一种电网树障检测方法 |
CN109032175A (zh) * | 2018-07-13 | 2018-12-18 | 辽宁东科电力有限公司 | 基于阿基米德螺旋线的无人机电力巡检路径计算方法 |
CN109191458A (zh) * | 2018-09-30 | 2019-01-11 | 广东电网有限责任公司 | 一种架空输电线路危险点的检测方法及*** |
WO2020082366A1 (zh) * | 2018-10-26 | 2020-04-30 | 深圳市大疆创新科技有限公司 | 电力线路检测方法、装置、无人机及计算机可读存储介质 |
CN111473774A (zh) * | 2020-02-28 | 2020-07-31 | 山东理工大学 | 无人机单航带倾斜摄影电力线障碍物巡检方法 |
CN111780725A (zh) * | 2020-05-29 | 2020-10-16 | 武汉理工大学 | 一种应用于机械结构摄影测量的同名点匹配方法 |
CN114266830A (zh) * | 2021-12-28 | 2022-04-01 | 北京建筑大学 | 地下大空间高精度定位方法 |
CN117491142A (zh) * | 2024-01-02 | 2024-02-02 | 西南科技大学 | 快速检测花岗岩颗粒表面破碎特征的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103779808A (zh) * | 2013-12-30 | 2014-05-07 | 国家电网公司 | 基于LiDAR的输电线路智能巡检*** |
CN104050715A (zh) * | 2014-06-23 | 2014-09-17 | 华北电力大学 | 输电线路及走廊的高精度三维重建方法 |
CN104091168A (zh) * | 2014-07-18 | 2014-10-08 | 深圳供电局有限公司 | 基于无人机影像的电力线自动提取定位方法 |
WO2016127205A1 (en) * | 2015-02-10 | 2016-08-18 | Nearmap Australia Pty Ltd | Corridor capture |
-
2017
- 2017-05-31 CN CN201710395606.3A patent/CN107564111A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103779808A (zh) * | 2013-12-30 | 2014-05-07 | 国家电网公司 | 基于LiDAR的输电线路智能巡检*** |
CN104050715A (zh) * | 2014-06-23 | 2014-09-17 | 华北电力大学 | 输电线路及走廊的高精度三维重建方法 |
CN104091168A (zh) * | 2014-07-18 | 2014-10-08 | 深圳供电局有限公司 | 基于无人机影像的电力线自动提取定位方法 |
WO2016127205A1 (en) * | 2015-02-10 | 2016-08-18 | Nearmap Australia Pty Ltd | Corridor capture |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108759788A (zh) * | 2018-03-19 | 2018-11-06 | 深圳飞马机器人科技有限公司 | 无人机影像定位定姿方法及无人机 |
CN109000621A (zh) * | 2018-04-04 | 2018-12-14 | 广州优飞信息科技有限公司 | 一种电网树障检测方法 |
CN109032175B (zh) * | 2018-07-13 | 2021-08-06 | 辽宁东科电力有限公司 | 基于阿基米德螺旋线的无人机电力巡检路径计算方法 |
CN109032175A (zh) * | 2018-07-13 | 2018-12-18 | 辽宁东科电力有限公司 | 基于阿基米德螺旋线的无人机电力巡检路径计算方法 |
CN109191458A (zh) * | 2018-09-30 | 2019-01-11 | 广东电网有限责任公司 | 一种架空输电线路危险点的检测方法及*** |
WO2020082366A1 (zh) * | 2018-10-26 | 2020-04-30 | 深圳市大疆创新科技有限公司 | 电力线路检测方法、装置、无人机及计算机可读存储介质 |
CN111473774A (zh) * | 2020-02-28 | 2020-07-31 | 山东理工大学 | 无人机单航带倾斜摄影电力线障碍物巡检方法 |
CN111780725A (zh) * | 2020-05-29 | 2020-10-16 | 武汉理工大学 | 一种应用于机械结构摄影测量的同名点匹配方法 |
CN111780725B (zh) * | 2020-05-29 | 2022-05-13 | 武汉理工大学 | 一种应用于机械结构摄影测量的同名点匹配方法 |
CN114266830A (zh) * | 2021-12-28 | 2022-04-01 | 北京建筑大学 | 地下大空间高精度定位方法 |
CN114266830B (zh) * | 2021-12-28 | 2022-07-15 | 北京建筑大学 | 地下大空间高精度定位方法 |
CN117491142A (zh) * | 2024-01-02 | 2024-02-02 | 西南科技大学 | 快速检测花岗岩颗粒表面破碎特征的方法 |
CN117491142B (zh) * | 2024-01-02 | 2024-03-12 | 西南科技大学 | 快速检测花岗岩颗粒表面破碎特征的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107564111A (zh) | 基于计算机视觉的电力线空间安全分析方法 | |
CN110221311B (zh) | 基于tls和uav自动化提取高郁闭林分树高的方法 | |
CN107314762B (zh) | 基于无人机单目序列影像的电力线下方地物距离检测方法 | |
CN106356757B (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
CN107392247B (zh) | 一种电力线下方地物安全距离实时检测方法 | |
Polat et al. | An experimental analysis of digital elevation models generated with Lidar Data and UAV photogrammetry | |
Piermattei et al. | Suitability of ground-based SfM–MVS for monitoring glacial and periglacial processes | |
CN109598794B (zh) | 三维gis动态模型的构建方法 | |
CN108734143A (zh) | 一种巡检机器人的基于双目视觉的输电线路在线检测方法 | |
CN104091168B (zh) | 基于无人机影像的电力线自动提取定位方法 | |
CN107527328B (zh) | 一种兼顾精度与速度的无人机影像几何处理方法 | |
CN110288586A (zh) | 一种基于可见光图像数据的多尺度输电线路缺陷检测方法 | |
CN110084785B (zh) | 一种基于航拍图像的输电线垂弧测量方法及*** | |
CN110428501B (zh) | 全景影像生成方法、装置、电子设备及可读存储介质 | |
Sun et al. | Measuring the distance of vegetation from powerlines using stereo vision | |
CN113192193A (zh) | 基于Cesium三维地球框架的高压输电线路走廊三维重建方法 | |
CN113096250A (zh) | 基于无人机航拍影像序列的三维建筑模型库***构建方法 | |
CN109816780B (zh) | 一种双目序列影像的输电线路三维点云生成方法及装置 | |
CN117315146B (zh) | 基于跨尺度多源数据的三维模型的重建方法及存储方法 | |
CN109000621A (zh) | 一种电网树障检测方法 | |
Ali-Sisto et al. | A method for vertical adjustment of digital aerial photogrammetry data by using a high-quality digital terrain model | |
Zefri et al. | In-depth investigation of applied digital photogrammetry to imagery-based RGB and thermal infrared aerial inspection of large-scale photovoltaic installations | |
CN112906719A (zh) | 基于消费级深度相机的立木因子测量方法 | |
CN115272815A (zh) | 一种基于图像的电缆隧道环境异常识别方法 | |
CN116030208A (zh) | 一种真实无人机虚拟仿真输电线路场景搭建方法及*** |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180109 |