CN109359591A - 基于点云数据自动识别大直径盾构隧道中隔墙的方法 - Google Patents
基于点云数据自动识别大直径盾构隧道中隔墙的方法 Download PDFInfo
- Publication number
- CN109359591A CN109359591A CN201811203022.2A CN201811203022A CN109359591A CN 109359591 A CN109359591 A CN 109359591A CN 201811203022 A CN201811203022 A CN 201811203022A CN 109359591 A CN109359591 A CN 109359591A
- Authority
- CN
- China
- Prior art keywords
- point
- cloud data
- point cloud
- board
- converged
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Lining And Supports For Tunnels (AREA)
Abstract
本发明提供一种基于点云数据自动识别大直径盾构隧道中隔墙的方法,包括步骤:S1:通过一三维激光扫描装置获取一大直径盾构隧道每一通道的各断面的点云数据;S2:计算各所述扫描点与对应所述断面竖直方向所呈的夹角θ;S3:根据所述夹角θ自所述点云数据中提取获得不同种类的一第一点云集和一第二点云集;所述种类包括隧道管片端点云集和中隔墙端点云集;S4:识别并确定所述第一点云集和所述第二点云集的种类。本发明的一种基于点云数据自动识别大直径盾构隧道中隔墙的方法,可根据点云数据自动识别大直径盾构隧道中隔墙,可减少人工操作时间。
Description
技术领域
本发明涉及点云自动识别领域,尤其涉及一种基于点云数据自动识别大直径盾构隧道中隔墙的方法。
背景技术
近年来中国地下空间开发利用速度和基础设施建设速度正在不断加快,盾构法隧道技术也得到了迅速的发展,尤其在越江交通隧道领域,大直径盾构隧道大行其道。为隧道运营时通风及逃生等安全问题考虑,需要在隧道内设置中隔墙使隧道上、下行线运行于两独立空间内。
三维激光扫描技术是近年来发展的一种新型测量技术,具有测量效率高、测量信息丰富、测量精度高等优势。目前隧道三维激光扫描主要用于获取隧道轴线、全断面、水平直径、内壁激光反射率影像等测量成果上,在大直径盾构隧道内由于中隔墙的设置,使得隧道断面一侧呈圆弧状,一侧成直线段状,为自动化椭圆拟合求取直径带来不便,因此需要手动判断圆弧端和直线段端,再分别通过圆弧拟合和直线拟合求取水平直径。
因此,为了减少人工操作时间并充分利用三维激光扫描技术优势,目前尚缺乏且需要一种根据点云数据自动识别大直径盾构隧道中隔墙的方法。
发明内容
针对上述现有技术中的不足,本发明提供一种基于点云数据自动识别大直径盾构隧道中隔墙的方法,可根据点云数据自动识别大直径盾构隧道中隔墙,可减少人工操作时间。
为了实现上述目的,本发明提供一种基于点云数据自动识别大直径盾构隧道中隔墙的方法,包括步骤:
S1:通过一三维激光扫描装置获取一大直径盾构隧道每一通道的各断面的点云数据,所述点云数据包括所述断面内各扫描点的三维坐标(x,y,z),其中x表示当前断面X轴的坐标值,y表示当前断面Y轴的坐标值,z表示当前所述断面Z轴的坐标值;所述X轴沿所述断面的水平方向设置,所述Y轴沿当前所述断面的轴向设置,所述Z轴沿当前所述断面的竖直方向设置;
S2:计算各所述扫描点与对应所述断面竖直方向所呈的夹角θ;
S3:根据所述夹角θ自所述点云数据中提取获得不同种类的一第一点云集和一第二点云集;所述种类包括隧道管片端点云集和中隔墙端点云集;
S4:识别并确定所述第一点云集和所述第二点云集的种类。
优选地,所述夹角θ朝向当前所述断面的X轴正向的为正值,所述夹角θ朝向当前所述断面的X轴负向的为负值。
优选地,所述S3步骤进一步包括步骤:
S31:设置一第一夹角范围和一第二夹角范围;
S32:自所述点云数据中提取所述夹角θ在所述第一夹角范围内的所述点云数据形成所述第一点云集;自所述点云数据中提取所述夹角θ在所述第二夹角范围内的所述点云数据形成所述第二点云集。
优选地,所述第一夹角范围为:-127°<θ<-34°;所述第二夹角范围为:34°<θ<127°。
优选地,所述S4进一步包括步骤:
对所述第一点云集和所述第二点云集采用最小二乘法进行直线拟合,直线方程为:x=k·y+b,其中k表示斜率,b表示截距;
分别计算所述第一点云集和所述第二点云集直线拟合后的中误差;
比较两所述中误差的大小,较小的一所述中误差所对应的所述第一点云集或所述第二点云集为所述中隔墙端点云集;较大的一所述中误差所对应的所述第一点云集或所述第二点云集为所述隧道管片端点云集。
优选地,所述中误差的计算步骤包括:
建立一误差方程vn:vn=yn·k+b-xn (1);
其中,xn为第n所述点云数据的当前断面X轴的坐标值,yn为第n所述点云数据的当前断面Z轴的坐标值;
根据所述误差方程vn建立一误差矩阵V;
其中满足VTV=min,min为VTV的最小值;求解获得:
利用一中误差公式计算获得所述中误差:
其中,σ为所述中误差,n为所述第一点云集或所述第二点云集中所述点云数据的个数。
优选地,所述S4步骤后还包括步骤:
S5:根据所述第一点云集直线拟合后的中误差和所述第二点云集直线拟合后的中误差,判断当前断面位于所述大直径盾构隧道的一中隔墙的左侧或右侧。
优选地,所述S5步骤中:
当所述第一点云集直线拟合后的中误差小于所述第二点云集直线拟合后的中误差时,判断当前断面位于所述中隔墙的右侧;
当所述第一点云集直线拟合后的中误差大于所述第二点云集直线拟合后的中误差时,判断当前断面位于所述中隔墙的左侧。
本发明由于采用了以上技术方案,使其具有以下有益效果:
通过三维激光扫描装置对大直径盾构隧道点云的自动采集、第一夹角范围和第二夹角范围的设置、结合最小二乘法的直线拟合、以及中误差的计算判断,实现了可根据点云数据自动识别大直径盾构隧道中隔墙,可减少人工操作时间的技术效果。
附图说明
图1为本发明实施例的基于点云数据自动识别大直径盾构隧道中隔墙的方法的流程图;
图2为本发明实施例的大直径盾构隧道一断面的结构示意图;
图3为图2的点云图。
具体实施方式
下面根据附图1-3,给出本发明的较佳实施例,并予以详细描述,使能更好地理解本发明的功能、特点。
请参阅图1~图3,本发明实施例的一种基于点云数据自动识别大直径盾构隧道中隔墙的方法,包括步骤:
S1:通过一三维激光扫描装置获取一大直径盾构隧道1每一通道的各断面的点云数据,点云数据包括断面内各扫描点的三维坐标(x,y,z),其中x表示当前断面X轴的坐标值,y表示当前断面Y轴的坐标值,z表示当前断面Z轴的坐标值;X轴沿断面的水平方向设置,Y轴沿当前断面的轴向设置,Z轴沿当前断面的竖直方向设置。
本实施例中,大直径盾构隧道1采用通用双面楔形环错缝拼装,包括左右两个通道,每环由8块管片构成,分为1个封顶块、2个邻接块、5个标准块,大直径盾构隧道1径向位置设置中隔墙11,分隔上下行线,一般仅在旁通道处可通视。由于中隔墙11的通视阻挡作用,采用三维激光扫描大直径盾构隧道1时,只能获取中隔墙11左侧或右侧单通道内的扫描点云信息;本实施例中,将三维激光扫描装置的中心坐标作为原点坐标。
S2:计算各扫描点与对应断面竖直方向所呈的夹角θ。
S3:根据夹角θ自点云数据中提取获得不同种类的一第一点云集和一第二点云集;种类包括隧道管片端点云集和中隔墙端点云集。
其中,S3步骤进一步包括步骤:
S31:设置一第一夹角范围和一第二夹角范围;
S32:自点云数据中提取夹角θ在第一夹角范围内的点云数据形成第一点云集;自点云数据中提取夹角θ在第二夹角范围内的点云数据形成第二点云集。
第一夹角范围为:-127°<θ<-34°;第二夹角范围为:34°<θ<127°。夹角θ朝向当前断面的X轴正向的为正值,夹角θ朝向当前断面的X轴负向的为负值。
S4:识别并确定第一点云集和第二点云集的种类。
其中,S4进一步包括步骤:
对第一点云集和第二点云集采用最小二乘法进行直线拟合,直线方程为:x=k·y+b,其中k表示斜率,b表示截距;
分别计算第一点云集和第二点云集直线拟合后的中误差;
比较两中误差的大小,较小的一中误差所对应的第一点云集或第二点云集为中隔墙端点云集;较大的一中误差所对应的第一点云集或第二点云集为隧道管片端点云集。
本实施例中,中误差的计算步骤包括:
建立一误差方程vn:vn=yn·k+b-xn (1);
其中,xn为第n点云数据的当前断面X轴的坐标值,yn为第n点云数据的当前断面Z轴的坐标值;
根据误差方程vn建立一误差矩阵V;
其中满足VTV=min,min为VTV的最小值;求解获得:
利用一中误差公式计算获得中误差:
其中,σ为中误差,n为第一点云集或第二点云集中点云数据的个数。
S5:根据第一点云集直线拟合后的中误差和第二点云集直线拟合后的中误差,判断当前断面位于大直径盾构隧道的一中隔墙的左侧或右侧。
其中,S5步骤中:
当第一点云集直线拟合后的中误差小于第二点云集直线拟合后的中误差时,判断当前断面位于中隔墙的右侧;
当第一点云集直线拟合后的中误差大于第二点云集直线拟合后的中误差时,判断当前断面位于中隔墙的左侧。
例如,当第一点云集直线拟合后的中误差小于第二点云集直线拟合后的中误差时,第一点云为中隔墙端点云集,当前断面对应大直径盾构隧道1的右侧通道,中隔墙位于X轴的负向;反之,当前断面对应大直径盾构隧道1的左侧通道,中隔墙位于X轴的正向。
以上结合附图实施例对本发明进行了详细说明,本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而,实施例中的某些细节不应构成对本发明的限定,本发明将以所附权利要求书界定的范围作为本发明的保护范围。
Claims (8)
1.一种基于点云数据自动识别大直径盾构隧道中隔墙的方法,包括步骤:
S1:通过一三维激光扫描装置获取一大直径盾构隧道每一通道的各断面的点云数据,所述点云数据包括所述断面内各扫描点的三维坐标(x,y,z),其中x表示当前断面X轴的坐标值,y表示当前断面Y轴的坐标值,z表示当前所述断面Z轴的坐标值;所述X轴沿所述断面的水平方向设置,所述Y轴沿当前所述断面的轴向设置,所述Z轴沿当前所述断面的竖直方向设置;
S2:计算各所述扫描点与对应所述断面竖直方向所呈的夹角θ;
S3:根据所述夹角θ自所述点云数据中提取获得不同种类的一第一点云集和一第二点云集;所述种类包括隧道管片端点云集和中隔墙端点云集;
S4:识别并确定所述第一点云集和所述第二点云集的种类。
2.根据权利要求1所述的基于点云数据自动识别大直径盾构隧道中隔墙的方法,其特征在于,所述夹角θ朝向当前所述断面的X轴正向的为正值,所述夹角θ朝向当前所述断面的X轴负向的为负值。
3.根据权利要求2所述的基于点云数据自动识别大直径盾构隧道中隔墙的方法,其特征在于,所述S3步骤进一步包括步骤:
S31:设置一第一夹角范围和一第二夹角范围;
S32:自所述点云数据中提取所述夹角θ在所述第一夹角范围内的所述点云数据形成所述第一点云集;自所述点云数据中提取所述夹角θ在所述第二夹角范围内的所述点云数据形成所述第二点云集。
4.根据权利要求3所述的基于点云数据自动识别大直径盾构隧道中隔墙的方法,其特征在于,所述第一夹角范围为:-127°<θ<-34°;所述第二夹角范围为:34°<θ<127°。
5.根据权利要求4所述的基于点云数据自动识别大直径盾构隧道中隔墙的方法,其特征在于,所述S4进一步包括步骤:
对所述第一点云集和所述第二点云集采用最小二乘法进行直线拟合,直线方程为:x=k·y+b,其中k表示斜率,b表示截距;
分别计算所述第一点云集和所述第二点云集直线拟合后的中误差;
比较两所述中误差的大小,较小的一所述中误差所对应的所述第一点云集或所述第二点云集为所述中隔墙端点云集;较大的一所述中误差所对应的所述第一点云集或所述第二点云集为所述隧道管片端点云集。
6.根据权利要求5所述的基于点云数据自动识别大直径盾构隧道中隔墙的方法,其特征在于,所述中误差的计算步骤包括:
建立一误差方程vn:vn=yn·k+b-xn (1);
其中,xn为第n所述点云数据的当前断面X轴的坐标值,yn为第n所述点云数据的当前断面Z轴的坐标值;
根据所述误差方程vn建立一误差矩阵V;
V=[v1,v2,…,vn]T,L=[x1,x2,…,xn]T
其中满足VTV=min,min为VTV的最小值;求解获得:
利用一中误差公式计算获得所述中误差:
其中,σ为所述中误差,n为所述第一点云集或所述第二点云集中所述点云数据的个数。
7.根据权利要求6所述的基于点云数据自动识别大直径盾构隧道中隔墙的方法,其特征在于,所述S4步骤后还包括步骤:
S5:根据所述第一点云集直线拟合后的中误差和所述第二点云集直线拟合后的中误差,判断当前断面位于所述大直径盾构隧道的一中隔墙的左侧或右侧。
8.根据权利要求7所述的基于点云数据自动识别大直径盾构隧道中隔墙的方法,其特征在于,所述S5步骤中:
当所述第一点云集直线拟合后的中误差小于所述第二点云集直线拟合后的中误差时,判断当前断面位于所述中隔墙的右侧;
当所述第一点云集直线拟合后的中误差大于所述第二点云集直线拟合后的中误差时,判断当前断面位于所述中隔墙的左侧。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811203022.2A CN109359591B (zh) | 2018-10-16 | 2018-10-16 | 基于点云数据自动识别大直径盾构隧道中隔墙的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811203022.2A CN109359591B (zh) | 2018-10-16 | 2018-10-16 | 基于点云数据自动识别大直径盾构隧道中隔墙的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109359591A true CN109359591A (zh) | 2019-02-19 |
CN109359591B CN109359591B (zh) | 2020-09-08 |
Family
ID=65349173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811203022.2A Active CN109359591B (zh) | 2018-10-16 | 2018-10-16 | 基于点云数据自动识别大直径盾构隧道中隔墙的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109359591B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110706153A (zh) * | 2019-12-12 | 2020-01-17 | 湖南联智科技股份有限公司 | 一种基于原始点云数据的隧道断面快速提取方法 |
CN112907601A (zh) * | 2021-03-30 | 2021-06-04 | 中铁工程装备集团隧道设备制造有限公司 | 一种基于特征变换的隧道拱架点云自动提取方法及装置 |
CN113538385A (zh) * | 2021-07-21 | 2021-10-22 | 上海勘察设计研究院(集团)有限公司 | 基于深度学习的隧道表观病害类型及等级判别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012056255A1 (en) * | 2010-10-25 | 2012-05-03 | Seraphim Amvrazis | Method of mapping and control of surfaces of tunnels during the construction project |
US20140207411A1 (en) * | 2013-01-21 | 2014-07-24 | Systèmes Pavemetrics Inc. | Method and apparatus for compensating lateral displacements and low speed variations in the measure of a longitudinal profile of a surface |
CN104392476A (zh) * | 2014-12-04 | 2015-03-04 | 上海岩土工程勘察设计研究院有限公司 | 基于最小包围盒算法提取隧道三维轴线的方法 |
TW201627631A (zh) * | 2015-01-23 | 2016-08-01 | 正修科技大學 | 隧道變形之立體影像量測方法及其裝置 |
CN107270825A (zh) * | 2017-05-11 | 2017-10-20 | 上海岩土工程勘察设计研究院有限公司 | 一种大圆盾构隧道直径解算方法 |
CN107957241A (zh) * | 2017-12-29 | 2018-04-24 | 石家庄铁道大学 | 地铁隧道截面圆心确定装置及方法 |
-
2018
- 2018-10-16 CN CN201811203022.2A patent/CN109359591B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012056255A1 (en) * | 2010-10-25 | 2012-05-03 | Seraphim Amvrazis | Method of mapping and control of surfaces of tunnels during the construction project |
US20140207411A1 (en) * | 2013-01-21 | 2014-07-24 | Systèmes Pavemetrics Inc. | Method and apparatus for compensating lateral displacements and low speed variations in the measure of a longitudinal profile of a surface |
CN104392476A (zh) * | 2014-12-04 | 2015-03-04 | 上海岩土工程勘察设计研究院有限公司 | 基于最小包围盒算法提取隧道三维轴线的方法 |
TW201627631A (zh) * | 2015-01-23 | 2016-08-01 | 正修科技大學 | 隧道變形之立體影像量測方法及其裝置 |
CN107270825A (zh) * | 2017-05-11 | 2017-10-20 | 上海岩土工程勘察设计研究院有限公司 | 一种大圆盾构隧道直径解算方法 |
CN107957241A (zh) * | 2017-12-29 | 2018-04-24 | 石家庄铁道大学 | 地铁隧道截面圆心确定装置及方法 |
Non-Patent Citations (2)
Title |
---|
李家平 等: ""基于盾构隧道激光扫描点云的收敛直径定点计算方法"", 《工程勘察》 * |
李家平: ""基于点云数据的单圆盾构隧道水平弦长检测"", 《浙江水利水电学院学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110706153A (zh) * | 2019-12-12 | 2020-01-17 | 湖南联智科技股份有限公司 | 一种基于原始点云数据的隧道断面快速提取方法 |
CN112907601A (zh) * | 2021-03-30 | 2021-06-04 | 中铁工程装备集团隧道设备制造有限公司 | 一种基于特征变换的隧道拱架点云自动提取方法及装置 |
CN112907601B (zh) * | 2021-03-30 | 2021-09-24 | 中铁工程装备集团隧道设备制造有限公司 | 一种基于特征变换的隧道拱架点云自动提取方法及装置 |
CN113538385A (zh) * | 2021-07-21 | 2021-10-22 | 上海勘察设计研究院(集团)有限公司 | 基于深度学习的隧道表观病害类型及等级判别方法 |
CN113538385B (zh) * | 2021-07-21 | 2022-10-25 | 上海勘察设计研究院(集团)有限公司 | 基于深度学习的隧道表观病害类型及等级判别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109359591B (zh) | 2020-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359591A (zh) | 基于点云数据自动识别大直径盾构隧道中隔墙的方法 | |
CN106091972B (zh) | 一种基于移动窗口投影点密度的建筑物变化检测方法 | |
CN105673041B (zh) | 一种地铁盾构施工通用环管片拼装点位确定方法 | |
CN104575075B (zh) | 一种基于北斗的城市路网车辆坐标校正方法及装置 | |
CN103389081B (zh) | 管桁架次杆相贯口空间的定位方法 | |
CN106089242A (zh) | 一种盾构隧道管片普适性排版选型和实时拼装选型的方法 | |
CN103706673B (zh) | 一种圆管构件的节点部件径向定位方法 | |
CN106640092B (zh) | 一种用于隧道施工的盾构机姿态复核方法 | |
CN108413988A (zh) | 机器人末端经纬仪坐标系快速标定方法 | |
CN105138738B (zh) | 一种三维渗透张量计算方法 | |
CN106643673B (zh) | 一种基于基线的地铁隧道水平位移变形监测方法 | |
CN109374047A (zh) | 一种地下工程岩体结构特征快速量测分析方法 | |
CN103926569B (zh) | 三坐标雷达网基于交叉定位点关联的集中式与分布式压制干扰鉴别方法 | |
CN101929858A (zh) | 1:500、1:200大比例尺平地0.25米等高距精密测绘方法 | |
CN106052625B (zh) | 测量筒体同心度的方法 | |
CN110706153A (zh) | 一种基于原始点云数据的隧道断面快速提取方法 | |
CN112857315A (zh) | 基于三维激光扫描的钢管柱垂直度测量方法 | |
CN109341704A (zh) | 一种地图精度确定方法及装置 | |
CN206944906U (zh) | 针头角度量角器 | |
CN113673011A (zh) | 基于点云数据智能识别运营期隧道侵界的方法 | |
CN108612075A (zh) | 一种监测深基坑水平位移的方法 | |
CN109443139A (zh) | 导流罩线型检验方法 | |
CN206420437U (zh) | 一种盾构法隧道表观质量检测*** | |
CN105441614B (zh) | 一种高炉五通球组对方法 | |
CN102564383B (zh) | 基于轴面角确定三轴磁传感器轴间角的方法 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 200093 No. 38 Shui Feng Road, Yangpu District, Shanghai. Patentee after: Shanghai Survey, Design and Research Institute (Group) Co.,Ltd. Address before: 200093 No. 38 Shui Feng Road, Yangpu District, Shanghai. Patentee before: SGIDI ENGINEERING CONSULTING (Group) Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |