CN109242016B - 一种空间曲线的相似性判断方法 - Google Patents
一种空间曲线的相似性判断方法 Download PDFInfo
- Publication number
- CN109242016B CN109242016B CN201811002453.2A CN201811002453A CN109242016B CN 109242016 B CN109242016 B CN 109242016B CN 201811002453 A CN201811002453 A CN 201811002453A CN 109242016 B CN109242016 B CN 109242016B
- Authority
- CN
- China
- Prior art keywords
- space
- curve
- image
- point
- attribute
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种空间曲线的相似性判断方法,其技术特点包括以下步骤:步骤1、把待比较的两条空间曲线的起点平移到同一位置;步骤2、分别构造两条空间曲线的投影面,并将两条空间曲线到投影面的距离值、一阶导数值、二阶导数值、曲率值等属性值分别转化为投影线对应位置处的灰度值,以此定义出属性图像;步骤3、统计属性图像的灰度直方图,计算待比较曲线的灰度直方图并归一化处理,基于余弦相似度计算方法得出属性图像的相似度,再根据各属性图像对刻画曲线形状的强弱而定义的权重统计出两条空间曲线的相似度。本发明不需要对曲线进行多次平移、旋转和比例缩放变换,把对模型的NP难的求解问题转化成一种新的多项式的求解算法。
Description
技术领域
本发明属于图像处理和图形变换技术领域,涉及空间曲线的相似性判断方法,尤其是一种空间曲线的相似性判断方法。
背景技术
目前,在计算机图像、模式识别和蛋白质结构预测、机器人轨迹规划、控制***、三维磁场和流场、大脑和心脏的三维模型等应用邻域内均涉及到轨迹曲线的分析问题,其中曲线的相似性判断是一个基础性的共性问题。由于曲线相似性判定问题的复杂性和应用的广泛性,在各个相关领域,都有许多学者作了大量的研究工作。
现阶段针对空间曲线相似性的判断方法,主要采用相似性函数定义法和特征值法。相似性函数定义法在一定程度上比特征值法效果好,但是在实际运用中,曲线是由离散的点构造而成,在判别过程中要将曲线用函数的形式表达很困难,而且对于曲线的拟合有很高的要求,最后还要将曲线进行平移和伸缩变换。相似性函数定义法由于需要将三维空间曲线转化到二维图像中,先要对齐曲线起点,并且构造投影成图像的投影面,再通过投影来提取曲线分布的特征,导致其计算相似性的前准备工作步骤稍显繁。特征值法虽然识别速度较快,但是由于提取特征的方法众多,各个提取特征算法并不是效果很好,导致识别准确率降低。
发明内容
本发明的目的在于克服现有技术的不足,提供一种设计合理、计算过程简易、计算数据量大幅减少且识别速度快、识别精度高的空间曲线的相似性判断方法。
本发明解决其技术问题是采取以下技术方案实现的:
一种空间曲线的相似性判断方法,包括以下步骤:
步骤1、把待比较的两条空间曲线的起点平移到同一位置;
步骤2、分别构造两条空间曲线的投影面,并将两条空间曲线上各点到投影面的垂直距离值、一阶导数值、二阶导数值、曲率值转化为投影点对应位置处的灰度值,从而构造出上述四个属性图像;
步骤3、分别统计距离属性图像的直方图、一阶导数属性图像的直方图、二阶导数属性图像的直方图以及曲率属性图像的直方图,并分别做归一化,再计算各自的巴氏相关系数,得出两曲线所对应的距离属性图像、一阶导数属性图像、二阶导数属性图像、曲率属性图像等相似度,最终根据各属性图像对所刻画曲线形状的强弱而定义的权重,统计推断出两空间曲线的相似度。
而且,所述步骤1的具体步骤包括:
(1)建立任意曲线方程:
pi(t)=Ai+Bit+Cit2+Dit3,其中,t为参数;
(2)把待比较的两条空间曲线的起点(xold(t),yold(t),zold(t))平移到同一位置,得到新坐标(xnew(t),ynew(t),znew(t)):
其中,Tx,Ty,Tz代表平移矩阵的坐标平移量;x(t),y(t),z(t)代表曲线上任一点坐标;
而且,所述步骤2的构造两条空间曲线的投影面的具体方法为:以空间曲线到起点A和终点B构成的连线h距离最远的垂线g,其中g与h的交点C,以垂线g为法向量且过连线h的平面定义为该条空间曲线的投影平面α;
而且,所述步骤2的两条空间曲线上各点到投影面的垂直距离值、一阶导数值、二阶导数值、曲率值的计算步骤包括:
(1)已知法向量(A,B,C),(x0,y0,z0)为该平面经过的一点坐标,则由此定义出的平面方程为:
A(x-x0)+B(y-y0)+C(z-z0)=0
(2)计算距离值:
曲面上任意点x(t),y(t),z(t)到了平面方程Ax+By+Cz+D=0的距离为d,其中D=A·x0+B·y0+C·z0,则d的计算如下:
(3)计算一阶导数值、二阶导数值和曲率值:
对于任意曲线方程:
pi(t)=Ai+Bit+Cit2+Dit3
其中,t为参数,其一阶导数的计算为:
p′i(t)=Bi+2Cit+3Dit2
其二阶导数为:
p″i(t)=2Ci+6Dit
对于空间曲线f(x(t),y(t),z(t)),曲率K的计算如下:
对于曲线方程参数(t)在点M(a,b,c)的导数:
对于三维空间曲线f(x(t),y(t),z(t)),曲率k可以推广:
而且,所述步骤2的构造四个属性图像的具体方法为:空间曲线在投影面上垂直投影获得二维的投影线,将空间曲线到投影点距离值、一阶导数值、二阶导数值、曲率值,转化为投影线对应位置处的灰度值,进而构造出相应的属性图像。
而且,所述步骤3的巴氏相关系数的计算公式如下:
其中p(i),p'(i)分别代表两空间曲线所对应的属性图像的直方图数据,对每个相同i的数据点乘积开平方以后相加得出的结果即为图像相似度值ρ(p,p'),范围为0到1之间;ρ1代表距离属性图像的相似度,ρ2代表一阶导数属性图像的相似度,ρ3代表二阶导数属性图像的相似度,ρ4代表曲率属性图像的相似度。
而且,所述步骤3的根据各属性图像对所刻画曲线形状的强弱而定义的权重,统计推断出两空间曲线的相似度的计算公式为:
Ω=(ρ1×ω1+ρ2×ω2+ρ3×ω3+ρ4×ω4)
上式中,ω1代表两条空间曲线上各点到投影面的垂直距离值占刻画曲线形状的权重;ω2代表两条空间曲线上各点的一阶导数值占刻画曲线形状的权重;ω3代表两条空间曲线上各点的二阶导数值占刻画曲线形状的权重;ω4代表两条空间曲线上各点的曲率值占刻画曲线形状的权重。
本发明的优点和积极效果是:
1、本发明在步骤1和步骤2中利用空间曲线进行投影形成图像,在步骤3中以能刻画空间曲线几何形状的各属性值作为投影点的灰度值构造相应的属性图像,从而将三维图形的相似性比较转化为二维图像的比较,有效利用空间曲线的几何性质中空间曲线上的点到特定投影面的距离、一阶导数、二阶导数以及曲率等不受坐标系影响的几何特性,将对空间曲线的相似性判断转化为图像的处理;步骤4中给出相似度系数的计算公式,判断曲线是否相似,无需对数据预处理,数据量大大减少,方便运算储存,降低了三维空间的复杂度,简化了问题,提高了识别速度和精度,改善了人机相互的效果。
2、本发明不需要对曲线进行多次平移、旋转和比例缩放变换,把对模型的NP难的求解问题转化成一种新的多项式的求解算法,减少了数据处理量,提高了识别速度和精度。
附图说明
图1是本发明的处理流程图;
图2是本发明的空间曲线投影图像的距离的灰度直方图;
图3是本发明的空间曲线投影图像的一阶导数的灰度直方图;
图4是本发明的空间曲线投影图像的二阶导数的灰度直方图;
图5是本发明的空间曲线投影图像的曲率的灰度直方图。
具体实施方式
以下结合附图对本发明实施例作进一步详述:
一种空间曲线的相似性判断方法,如图1所示,包括以下步骤:
步骤1、把待比较的两条空间曲线的起点平移到同一位置;
所述步骤1的具体步骤包括:
(1)建立任意曲线方程:
pi(t)=Ai+Bit+Cit2+Dit3,其中,t为参数;
(2)把待比较的两条空间曲线的起点(xold(t),yold(t),zold(t))平移到同一位置,得到新坐标(xnew(t),ynew(t),znew(t)):
其中,Tx,Ty,Tz代表平移矩阵的坐标平移量;x(t),y(t),z(t)代表曲线上任一点坐标;
步骤2、分别构造两条空间曲线的投影面,并将两条空间曲线上各点到投影面的垂直距离值、一阶导数值、二阶导数值、曲率值转化为投影点对应位置处的灰度值,从而构造出如图2至图5所示的上述四个属性图像E1,E2,E3,E4;
在本实施例中,所述步骤2的构造两条空间曲线的投影面的具体方法为:以空间曲线到起点A和终点B构成的连线h距离最远的垂线g,其中g与h的交点C,以垂线g为法向量且过连线h的平面定义为该条空间曲线的投影平面α;
在本实施例中,所述步骤2的两条空间曲线上各点到投影面的垂直距离值、一阶导数值、二阶导数值、曲率值的计算步骤包括:
(1)已知法向量(A,B,C),(x0,y0,z0)为该平面经过的一点坐标,则由此定义出的平面方程为:
A(x-x0)+B(y-y0)+C(z-z0)=0
(2)计算距离值:
曲面上任意点x(t),y(t),z(t)到了平面方程Ax+By+Cz+D=0的距离为d,其中D=A·x0+B·y0+C·z0,则d的计算如下:
(4)计算一阶导数值、二阶导数值和曲率:
对于任意曲线方程:
pi(t)=Ai+Bit+Cit2+Dit3
其中,t为参数,其一阶导数的计算为:
p′i(t)=Bi+2Cit+3Dit2
其二阶导数为:
p″i(t)=2Ci+6Dit
对于空间曲线f(x(t),y(t),z(t)),曲率K的计算如下:
对于曲线方程参数(t)在点M(a,b,c)的导数:
对于三维空间曲线f(x(t),y(t),z(t)),曲率k可以推广:
在本实施例中,所述步骤2的构造四个属性图像的具体方法为:空间曲线在投影面上垂直投影获得二维的投影线l,将空间曲线到投影点距离值、一阶导数值、二阶导数值、曲率值d1,d2,d3,d4,转化为投影线对应位置处的灰度值λ1,λ2,λ3,λ4,进而构造出相应的属性图像E1,E2,E3,E4。
步骤3、分别统计距离属性图像的直方图、一阶导数属性图像的直方图、二阶导数属性图像的直方图以及曲率属性图像的直方图,并分别做归一化,再计算各自的巴氏相关系数,得出两曲线所对应的距离属性图像、一阶导数属性图像、二阶导数属性图像、曲率属性图像等相似度,最终根据各属性图像对所刻画曲线形状的强弱而定义的权重,统计推断出两空间曲线的相似度。
所述步骤3的巴氏相关系数的计算公式如下:
其中p(i),p'(i)分别代表两空间曲线所对应的属性图像的直方图数据,对每个相同i的数据点乘积开平方以后相加得出的结果即为图像相似度值ρ(p,p'),范围为0到1之间;ρ1代表距离属性图像的相似度,ρ2代表一阶导数属性图像的相似度,ρ3代表二阶导数属性图像的相似度,ρ4代表曲率属性图像的相似度;
所述步骤3的根据各属性图像对所刻画曲线形状的强弱而定义的权重,统计推断出两空间曲线的相似度的计算公式为:
Ω=(ρ1×ω1+ρ2×ω2+ρ3×ω3+ρ4×ω4)
上式中,ω1代表两条空间曲线上各点到投影面的垂直距离值占刻画曲线形状的权重;ω2代表两条空间曲线上各点的一阶导数值占刻画曲线形状的权重;ω3代表两条空间曲线上各点的二阶导数值占刻画曲线形状的权重;ω4代表两条空间曲线上各点的曲率值占刻画曲线形状的权重。
在本实施例中,定义两条空间曲线上各点到投影面的垂直距离值占刻画曲线形状权重的10%;定义两条空间曲线上各点的一阶导数值占刻画曲线形状权重的30%;定义两条空间曲线上各点的二阶导数值占刻画曲线形状权重的30%;定义两条空间曲线上各点的曲率占刻画曲线形状权重的30%;
则曲线的相似度的计算公式为:
Ω=(ρ1×10%+ρ2×30%+ρ3×30%+ρ4×30%)
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (7)
1.一种空间曲线的相似性判断方法,其特征在于:包括以下步骤:
步骤1、把待比较的两条空间曲线的起点平移到同一位置;
步骤2、分别构造两条空间曲线的投影面,并将两条空间曲线上各点到投影面的垂直距离值、一阶导数值、二阶导数值、曲率值转化为投影点对应位置处的灰度值,从而构造出四个属性的图像;
步骤3、分别统计距离属性图像的直方图、一阶导数属性图像的直方图、二阶导数属性图像的直方图以及曲率属性图像的直方图,并分别做归一化,再计算各自的巴氏相关系数,得出两曲线所对应的距离属性图像、一阶导数属性图像、二阶导数属性图像、曲率属性图像的相似度,最终根据各属性图像对所刻画曲线形状的强弱而定义的权重,统计推断出两空间曲线的相似度。
2.根据权利要求1所述的一种空间曲线的相似性判断方法,其特征在于:所述步骤1的具体步骤包括:
(1)建立任意曲线方程:
pi(t)=Ai+Bit+Cit2+Dit3,其中,t为参数;
(2)把待比较的两条空间曲线的起点(xold(t),yold(t),zold(t))平移到同一位置,得到新坐标(xnew(t),ynew(t),znew(t)):
其中,Tx,Ty,Tz代表平移矩阵的坐标平移量;x(t),y(t),z(t)代表曲线上任一点坐标。
3.根据权利要求1所述的一种空间曲线的相似性判断方法,其特征在于:所述步骤2的构造两条空间曲线的投影面的具体方法为:以空间曲线到起点A和终点B构成的连线h距离最远的垂线g,其中g与h的交点C,以垂线g为法向量且过连线h的平面定义为该条空间曲线的投影平面α。
4.根据权利要求1所述的一种空间曲线的相似性判断方法,其特征在于:所述步骤2的两条空间曲线上各点到投影面的垂直距离值、一阶导数值、二阶导数值、曲率值的计算步骤包括:
(1)已知法向量(A,B,C),(x0,y0,z0)为该平面经过的一点坐标,则由此定义出的平面方程为:
A(x-x0)+B(y-y0)+C(z-z0)=0
(2)计算距离值:
曲面上任意点x(t),y(t),z(t)到平面方程Ax+By+Cz+D=0的距离为d,其中D=-(A·x0+B·y0+C·z0),则d的计算如下:
(3)计算一阶导数值、二阶导数值和曲率值:
对于任意曲线方程:
pi(t)=Ai+Bit+Cit2+Dit3
其中,t为参数,其一阶导数的计算为:
p′i(t)=Bi+2Cit+3Dit2
其二阶导数为:
p″i(t)=2Ci+6Dit
对于空间曲线f(x(t),y(t),z(t)),曲率k的计算如下:
对于曲线方程参数t在点M(a,b,c)的导数:
对于三维空间曲线f(x(t),y(t),z(t)),曲率k可以推广:
5.根据权利要求1所述的一种空间曲线的相似性判断方法,其特征在于:所述步骤2的构造四个属性图像的具体方法为:空间曲线在投影面上垂直投影获得二维的投影线,将空间曲线到投影点距离值、一阶导数值、二阶导数值、曲率值,转化为投影线对应位置处的灰度值,进而构造出相应的属性图像。
6.根据权利要求1所述的一种空间曲线的相似性判断方法,其特征在于:所述步骤3的巴氏相关系数的计算公式如下:
其中p(i),p’(i)分别代表两空间曲线所对应的属性图像的直方图数据,对每个相同i的数据点乘积开平方以后相加得出的结果即为图像相似度值ρ(p,p’),范围为0到1之间;ρ1代表距离属性图像的相似度,ρ2代表一阶导数属性图像的相似度,ρ3代表二阶导数属性图像的相似度,ρ4代表曲率属性图像的相似度。
7.根据权利要求6所述的一种空间曲线的相似性判断方法,其特征在于:所述步骤3的根据各属性图像对所刻画曲线形状的强弱而定义的权重,统计推断出两空间曲线的相似度的计算公式为:
Ω=(ρ1×ω1+ρ2×ω2+ρ3×ω3+ρ4×ω4)
上式中,ω1代表两条空间曲线上各点到投影面的垂直距离值占刻画曲线形状的权重;ω2代表两条空间曲线上各点的一阶导数值占刻画曲线形状的权重;ω3代表两条空间曲线上各点的二阶导数值占刻画曲线形状的权重;ω4代表两条空间曲线上各点的曲率值占刻画曲线形状的权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811002453.2A CN109242016B (zh) | 2018-08-30 | 2018-08-30 | 一种空间曲线的相似性判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811002453.2A CN109242016B (zh) | 2018-08-30 | 2018-08-30 | 一种空间曲线的相似性判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242016A CN109242016A (zh) | 2019-01-18 |
CN109242016B true CN109242016B (zh) | 2019-09-17 |
Family
ID=65068074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811002453.2A Expired - Fee Related CN109242016B (zh) | 2018-08-30 | 2018-08-30 | 一种空间曲线的相似性判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242016B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109903278B (zh) * | 2019-02-25 | 2020-10-27 | 南京工程学院 | 基于形状直方图的超声乳腺肿瘤形态量化特征提取方法 |
CN111028208B (zh) * | 2019-11-22 | 2023-05-23 | 华南理工大学 | 一种板材成形件回弹量的评估方法 |
CN111814116B (zh) * | 2020-07-13 | 2024-03-26 | 全芯智造技术有限公司 | 用于分析晶圆失效指标的方法和设备以及计算机可读介质 |
CN112149311B (zh) * | 2020-10-12 | 2021-10-26 | 北京中恒利华石油技术研究所 | 一种基于数量规约的非线性多元统计回归测井曲线预测方法 |
CN117788165B (zh) * | 2024-02-27 | 2024-05-14 | 薪海数字科技(烟台)有限公司 | 基于人工智能的企业供应链交易风险预测方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020958A (zh) * | 2012-11-22 | 2013-04-03 | 北京理工大学 | 一种基于曲率尺度空间的血管自动匹配方法 |
CN106774312A (zh) * | 2016-12-05 | 2017-05-31 | 遨博(北京)智能科技有限公司 | 一种为移动机器人确定移动轨迹的方法和装置 |
CN107533650A (zh) * | 2015-02-27 | 2018-01-02 | 爱德克斯公司 | 曲线匹配和预审 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6473690B1 (en) * | 2001-08-24 | 2002-10-29 | Navigation Technologies Corp. | Three-dimensional space curve comparison using spatial angle variance metric and applications thereof |
CN101110101A (zh) * | 2006-07-17 | 2008-01-23 | 松下电器产业株式会社 | 识别图像的方法及设备 |
CN101290681B (zh) * | 2008-05-26 | 2010-06-02 | 华为技术有限公司 | 视频目标跟踪方法、装置及自动视频跟踪*** |
-
2018
- 2018-08-30 CN CN201811002453.2A patent/CN109242016B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020958A (zh) * | 2012-11-22 | 2013-04-03 | 北京理工大学 | 一种基于曲率尺度空间的血管自动匹配方法 |
CN107533650A (zh) * | 2015-02-27 | 2018-01-02 | 爱德克斯公司 | 曲线匹配和预审 |
CN106774312A (zh) * | 2016-12-05 | 2017-05-31 | 遨博(北京)智能科技有限公司 | 一种为移动机器人确定移动轨迹的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109242016A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242016B (zh) | 一种空间曲线的相似性判断方法 | |
CN101853523B (zh) | 一种采用草图创建三维人脸模型的方法 | |
CN112348864B (zh) | 一种融合线激光轮廓特征的三维点云自动配准方法 | |
Zhu et al. | AdaFit: Rethinking learning-based normal estimation on point clouds | |
CN110349247A (zh) | 一种基于语义理解的室内场景cad三维重建方法 | |
CN104008564A (zh) | 一种人脸表情克隆方法 | |
Lu et al. | Attention-based dense point cloud reconstruction from a single image | |
Yao et al. | Using deep learning in semantic classification for point cloud data | |
CN105243139A (zh) | 一种基于深度学习的三维模型检索方法及其检索装置 | |
CN109658444A (zh) | 一种基于多模态特征的规则三维彩色点云配准方法 | |
CN110019914A (zh) | 一种支持三维场景交互的三维模型数据库检索方法 | |
CN113379898A (zh) | 一种基于语义分割的三维室内场景重建方法 | |
CN109034131A (zh) | 一种半自动人脸关键点标注方法及存储介质 | |
Ma et al. | 3DMAX-Net: A multi-scale spatial contextual network for 3D point cloud semantic segmentation | |
CN107729806A (zh) | 基于三维人脸重建的单视图多姿态人脸识别方法 | |
CN109325994A (zh) | 一种基于三维人脸数据增强的方法 | |
CN102289661A (zh) | 一种基于谱匹配的三维网格模型的匹配方法 | |
Zhou et al. | Gala3d: Towards text-to-3d complex scene generation via layout-guided generative gaussian splatting | |
Xue et al. | Point cloud registration method for pipeline workpieces based on PCA and improved ICP algorithms | |
Zhang et al. | 3D human body skeleton extraction from consecutive surfaces using a spatial–temporal consistency model | |
Che et al. | A novel framework of hand localization and hand pose estimation | |
Zou et al. | Shape-based retrieval and analysis of 3D models using fuzzy weighted symmetrical depth images | |
He et al. | Gvgen: Text-to-3d generation with volumetric representation | |
CN108986212B (zh) | 一种基于裂缝消除的三维虚拟地形lod模型的生成方法 | |
CN105957141B (zh) | 一种基于对称结构的三维花朵建模方法 |
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 | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190917 Termination date: 20200830 |