CN111679308A - 一种基于多传感器融合的无人车定位方法 - Google Patents
一种基于多传感器融合的无人车定位方法 Download PDFInfo
- Publication number
- CN111679308A CN111679308A CN201910246791.9A CN201910246791A CN111679308A CN 111679308 A CN111679308 A CN 111679308A CN 201910246791 A CN201910246791 A CN 201910246791A CN 111679308 A CN111679308 A CN 111679308A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- unmanned vehicle
- dimensional
- represented
- state
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000004927 fusion Effects 0.000 title claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于多传感器融合的无人车定位方法,主要基于GPS、IMU、三维激光雷达传感器实现城市级的无人车定位。整个方法整体上是基于一个无迹卡尔曼滤波器实现,能够很好的拟合非线性***,并且对高阶项的损失很小,计算复杂度低。状态预测部分利用IMU测量的运动信息来估计前后时刻的状态变化,校正部分则是利用每帧激光点云数据计算与地图的匹配位置来对IMU的估计状态进行校正,避免IMU随时间不断偏移,最终实现了一种低成本的可用于城市级定位的解决方案。
Description
技术领域
本发明涉及无人驾驶领域,尤其涉及无人车定位、传感器和***
背景技术
近年来,随着人工智能的兴起,无人驾驶也越来越多的出现在人们的视野,各类无人车也正为人类提供便捷的服务,但是无人车要保证清楚地执行自己的规划,就必须要明白自己身处何方。因此,无人车的定位技术可以说是无人驾驶技术的核心。
目前已有的全局定位大多是基于RTK的差分GNSS定位***,这种***在开阔环境下的定位精度可达厘米级,但是无人车往往需要在城市的高楼大厦下穿梭,由于受建筑物遮挡影响严重,无人车仅通过GNSS 定位***的信号无法得到高精度的位置。
激光雷达定位技术在无人车定位中的作用逐渐凸显,它对环境的适应性强,对于GNSS定位***来说是干扰的建筑物环境,对于激光雷达来说反而提供了丰富的定位特征;另一方面,在非常开阔的环境下,当激光雷达扫描不到有效的定位特征时,恰好是GNSS能够发挥最佳定位作用的时候。
这两者融合起来可以为无人车提供可靠的定位信息。
发明内容
本发明的目的是提供一种可以实现城市级高精度定位的方法,同时满足低成本应用的解决方案。
为解决上述提出的问题,本发明的技术方案是:一种基于多传感器融合的无人车定位方法,包括获取当前无人车位置对应的三维激光点云数据,其中所述的三维激光点云数据包括各个激光点的三维空间立体坐标以及所述的三维激光点云数据中各个激光点对应的反射强度值。
作为一种基于多传感器融合的无人车定位方法的优选方案,所述的三维激光点云数据由三维激光传感器或其他具有相同功能的传感器测量获得。
作为一种基于多传感器融合的无人车定位方法的优选方案,对所述的三维激光点云数据进行滤波处理以减少数据噪声得到降噪的激光采样数据,其中所述的滤波处理包括但不限于体素滤波、中值滤波、统计滤波。
作为一种基于多传感器融合的无人车定位方法的优选方案,根据预先计算的先验位置计算所述的降噪的激光采样数据与点云地图的最佳匹配转换关系,从而得到无人车在点云地图中的位置,其中所述的无人车在点云地图中的位置包括三维空间中的三维立体坐标以及三维空间中的三个旋转方向的变化。
作为一种基于多传感器融合的无人车定位方法的优选方案,所述的点云地图包括但不限于周围环境中的建筑物形状、地面路边沿的轮廓、道路两旁树木的结构以及花坛的外形,并且所述的点云地图中各个特征的位置坐标均统一在一个全球的坐标系下。
作为一种基于多传感器融合的无人车定位方法的优选方案,所述的全球的坐标系由全球导航卫星*** (GNSS)通过投影变换计算得到,其中所述的投影变换是指通用横轴墨卡托投影以及包括在此基础上经过任何偏移;
作为一种基于多传感器融合的无人车定位方法的优选方案,所述的预先计算的先验位置在***初始化时由全球导航卫星***经过所述的投影变换计算得到,所属的预先计算的先验位置在***正常运行时由***的状态估计器根据***的运动状态进行预测得到。
作为一种基于多传感器融合的无人车定位方法的优选方案,所述的***状态估计器是一个以无迹卡尔曼滤波器为基础的贝叶斯滤波器,但不仅限于所述的无迹卡尔曼滤波器这种贝叶斯滤波器;
作为一种基于多传感器融合的无人车定位方法的优选方案,所述的***的运动状态由惯性测量单元测量得到,测量的运动状态包括***在三维空间中三个维度方向上的加速度以及绕三个轴的旋转角速度;
作为一种基于多传感器融合的无人车定位方法的优选方案,***的位置用X表示,***的速度用V 表示,***在三维空间中的旋转姿态用四元数Q表示,***所选用的惯性测量单元中加速度计与陀螺仪的零偏分别用Bacc和Bgyro表示,则所述***的状态由{X V QBacc Bgyro}表示;
作为一种基于多传感器融合的无人车定位方法的优选方案,所述的预测是指根据***前一时刻的状态以及当前时刻的运动状态来计算***当前时刻的状态,前后两时间之间的时间差用dt来表示,所述加速度计的测量结果用Acc表示,所述陀螺仪的测量结果用Gyro表示,可以递推地计算得到下一时刻***的状态:
X(t)=X(t-1)+V(t-1)*dt;
V(t)=V(t-1)+(Acc(t)-Bacc(t-1))*dt;
Q(t)=Q(t-1)*{1,0.5*(Gyro-Bgyro(t-1))*dt};
Bacc(t)=Bacc(t-1);
Bgyro(t)=Bgyro(t-1);
与现有技术相比,本发明的优点在于:
1、本发明提供的定位方法可以在弱GPS或无GPS的环境下提供高精度的定位;
2、本发明提供的定位方法可以更稳定的定位无人车的位置,便于无人车的决策控制;
3、本发明提供的定位方法是一套低成本的方案,可以快速部署在无人车上。
附图说明
图1是本申请的基于多传感器融合的无人车定位方法的一个实施例的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明作进一步地详细描述。
一种基于多传感器融合的无人车定位方法,包括获取当前无人车位置对应的三维激光点云数据,其中所述的三维激光点云数据包括各个激光点的三维空间立体坐标以及所述的三维激光点云数据中各个激光点对应的反射强度值;
所述的三维激光点云数据由三维激光传感器或其他具有相同功能的传感器测量获得
对所述的三维激光点云数据进行滤波处理以减少数据噪声得到降噪的激光采样数据,其中所述的滤波处理包括但不限于体素滤波、中值滤波、统计滤波;
根据预先计算的先验位置计算所述的降噪的激光采样数据与点云地图的最佳匹配转换关系,从而得到无人车在点云地图中的位置,其中所述的无人车在点云地图中的位置包括三维空间中的三维立体坐标以及三维空间中的三个旋转方向的变化。
所述的点云地图包括但不限于周围环境中的建筑物形状、地面路边沿的轮廓、道路两旁树木的结构以及花坛的外形,并且所述的点云地图中各个特征的位置坐标均统一在一个全球的坐标系下。
所述的全球的坐标系由全球导航卫星***(GNSS)通过投影变换计算得到,其中所述的投影变换是指通用横轴墨卡托投影以及包括在此基础上任何偏移;
所述的预先计算的先验位置在***初始化时由全球导航卫星***经过所述的投影变换计算得到,所属的预先计算的先验位置在***正常运行时由***的状态估计器根据***的运动状态进行预测得到。本发明中的GNSS是基于一种RTK-GPS技术,在信号较好时可以得到厘米级的定位;
所述的***状态估计器是一个以无迹卡尔曼滤波器为基础的贝叶斯滤波器,***的位置用X表示,***的速度用V表示,***在三维空间中的旋转姿态用四元数Q表示,***所选用的惯性测量单元中加速度计与陀螺仪的零偏分别用Bacc和Bgyro表示,则所述***的状态由{X V Q Bacc Bgyro}表示;
所述的***的运动状态由惯性测量单元测量得到,这个惯性测量单元选用的是一个MEMS六轴IMU,包括三周加速度计和三周陀螺仪,测量的运动状态包括***在三维空间中三个维度方向上的加速度以及绕三个轴的旋转角速度;
所述的预测是指根据***前一时刻的状态以及当前时刻的运动状态来计算***当前时刻的状态,前后两时间之间的时间差用dt来表示,所述加速度计的测量结果用Acc表示,所述陀螺仪的测量结果用Gyro 表示,可以递推地计算得到下一时刻***的状态:
X(t)=X(t-1)+V(t-1)*dt;
V(t)=V(t-1)+(Acc(t)-Bacc(t-1))*dt;
Q(t)=Q(t-1)*{1,0.5*(Gyro-Bgyro(t-1))*dt};
Bacc(t)=Bacc(t-1);
Bgyro(t)=Bgyro(t-1);
由此可以根据这个递推公式不断地由上一个时刻估计下一个时刻的***状态,再根据激光与点云地图的计算转换结果得到激光的位置作为状态估计器中X和Q的观测量对***状态进行观测校正从而得到新的***状态,由此不断重复预测和观测校正的步骤,即可实时获得***的状态。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (3)
1.一种基于多传感器融合的无人车定位方法,其特征在于,包括:
获取当前无人车位置对应的三维激光点云数据,其中所述的三维激光点云数据包括各个激光点的三维空间立体坐标以及所述的三维激光点云数据中各个激光点对应的反射强度值;
所述的三维激光点云数据由三维激光传感器或其他具有相同功能的传感器测量获得
对所述的三维激光点云数据进行滤波处理以减少数据噪声得到降噪的激光采样数据,其中所述的滤波处理包括但不限于体素滤波、中值滤波、统计滤波;
根据预先计算的先验位置计算所述的降噪的激光采样数据与点云地图的最佳匹配转换关系,从而得到无人车在点云地图中的位置,其中所述的无人车在点云地图中的位置包括三维空间中的三维立体坐标以及三维空间中的三个旋转方向的变化
所述的点云地图包括但不限于周围环境中的建筑物形状、地面路边沿的轮廓、道路两旁树木的结构以及花坛的外形,并且所述的点云地图中各个特征的位置坐标均统一在一个全球的坐标系下。
2.根据权利要求1所述的方法,其特征在于:所述的全球的坐标系由全球导航卫星***(GNSS)通过投影变换计算得到,其中所述的投影变换是指通用横轴墨卡托投影以及包括在此基础上经过任何偏移;
所述的预先计算的先验位置在***初始化时由全球导航卫星***经过所述的投影变换计算得到,所述的预先计算的先验位置在***正常运行时由***的状态估计器根据***的运动状态进行预测得到。
3.根据权利要求2所述的方法,其特征在于:所述的***状态估计器是一个以无迹卡尔曼滤波器为基础的贝叶斯滤波器,但不仅限于所述的无迹卡尔曼滤波器这种贝叶斯滤波器;
所述的***的运动状态由惯性测量单元测量得到,测量的运动状态包括***在三维空间中三个维度方向上的加速度以及绕三个轴的旋转角速度;
***的位置用X表示,***的速度用V表示,***在三维空间中的旋转姿态用四元数Q表示,***所选用的惯性测量单元中加速度计与陀螺仪的零偏分别用Bacc和Bgyro表示,则所述***的状态由{X V Q Bacc Bgyro}表示;
所述的预测是指根据***前一时刻的状态以及当前时刻的运动状态来计算***当前时刻的状态,前后两时间之间的时间差用dt来表示,所述加速度计的测量结果用Acc表示,所述陀螺仪的测量结果用Gyro表示,可以递推地计算得到下一时刻***的状态:
X(t)=X(t-1)+V(t-1)*dt;
V(t)=V(t-1)+(Acc(t)-Bacc(t-1))*dt;
Q(t)=Q(t-1)*{1,0.5*(Gyro-Bgyro(t-1))*dt};
Bacc(t)=Bacc(t-1);
Bgyro(t)=Bgyro(t-1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910246791.9A CN111679308A (zh) | 2019-03-11 | 2019-03-11 | 一种基于多传感器融合的无人车定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910246791.9A CN111679308A (zh) | 2019-03-11 | 2019-03-11 | 一种基于多传感器融合的无人车定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111679308A true CN111679308A (zh) | 2020-09-18 |
Family
ID=72433282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910246791.9A Pending CN111679308A (zh) | 2019-03-11 | 2019-03-11 | 一种基于多传感器融合的无人车定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111679308A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113927157A (zh) * | 2021-12-17 | 2022-01-14 | 武汉锐科光纤激光技术股份有限公司 | 激光设备输出功率的控制方法、装置、计算机设备及介质 |
CN113984044A (zh) * | 2021-10-08 | 2022-01-28 | 杭州鸿泉物联网技术股份有限公司 | 一种基于车载多感知融合的车辆位姿获取方法及装置 |
CN114543801A (zh) * | 2020-11-24 | 2022-05-27 | 北京振兴计量测试研究所 | 地面无人平台运动特性检测装置、方法、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011252833A (ja) * | 2010-06-03 | 2011-12-15 | Mitsubishi Electric Corp | 位置標定装置、位置標定方法および位置標定プログラム |
CN102944224A (zh) * | 2012-11-09 | 2013-02-27 | 大连理工大学 | 一种无人驾驶车的自动环境感知***及其工作方法 |
CN106908775A (zh) * | 2017-03-08 | 2017-06-30 | 同济大学 | 一种基于激光反射强度的无人车实时定位方法 |
CN107015238A (zh) * | 2017-04-27 | 2017-08-04 | 睿舆自动化(上海)有限公司 | 基于三维激光雷达的无人车自主定位方法 |
CN108732603A (zh) * | 2017-04-17 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 用于定位车辆的方法和装置 |
CN109341706A (zh) * | 2018-10-17 | 2019-02-15 | 张亮 | 一种面向无人驾驶汽车的多特征融合地图的制作方法 |
CN109641538A (zh) * | 2016-07-21 | 2019-04-16 | 国际智能技术公司 | 使用车辆创建,更新地图的***和方法 |
-
2019
- 2019-03-11 CN CN201910246791.9A patent/CN111679308A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011252833A (ja) * | 2010-06-03 | 2011-12-15 | Mitsubishi Electric Corp | 位置標定装置、位置標定方法および位置標定プログラム |
CN102944224A (zh) * | 2012-11-09 | 2013-02-27 | 大连理工大学 | 一种无人驾驶车的自动环境感知***及其工作方法 |
CN109641538A (zh) * | 2016-07-21 | 2019-04-16 | 国际智能技术公司 | 使用车辆创建,更新地图的***和方法 |
CN106908775A (zh) * | 2017-03-08 | 2017-06-30 | 同济大学 | 一种基于激光反射强度的无人车实时定位方法 |
CN108732603A (zh) * | 2017-04-17 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 用于定位车辆的方法和装置 |
CN107015238A (zh) * | 2017-04-27 | 2017-08-04 | 睿舆自动化(上海)有限公司 | 基于三维激光雷达的无人车自主定位方法 |
CN109341706A (zh) * | 2018-10-17 | 2019-02-15 | 张亮 | 一种面向无人驾驶汽车的多特征融合地图的制作方法 |
Non-Patent Citations (2)
Title |
---|
叶宗民: "基于探测器阵列的激光远场特性测量误差分析", 光电技术应用, vol. 32, no. 1, pages 81 - 85 * |
陈允芳;叶泽田;张恒铁;石波;: "多传感器组合的移动车载数据采集***研究", 传感器与微***, no. 12, pages 23 - 25 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114543801A (zh) * | 2020-11-24 | 2022-05-27 | 北京振兴计量测试研究所 | 地面无人平台运动特性检测装置、方法、设备及存储介质 |
CN113984044A (zh) * | 2021-10-08 | 2022-01-28 | 杭州鸿泉物联网技术股份有限公司 | 一种基于车载多感知融合的车辆位姿获取方法及装置 |
CN113927157A (zh) * | 2021-12-17 | 2022-01-14 | 武汉锐科光纤激光技术股份有限公司 | 激光设备输出功率的控制方法、装置、计算机设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11243081B2 (en) | Slam assisted INS | |
CN110243358B (zh) | 多源融合的无人车室内外定位方法及*** | |
CN109946732B (zh) | 一种基于多传感器数据融合的无人车定位方法 | |
CN107656301B (zh) | 一种基于多源信息融合的车载定位方法 | |
WO2020038285A1 (zh) | 车道线的定位方法和装置、存储介质、电子装置 | |
CN106767752B (zh) | 一种基于偏振信息的组合导航方法 | |
CN110307836B (zh) | 一种用于无人清扫车辆贴边清扫的精确定位方法 | |
AU2022201558A1 (en) | Pose estimation method and device, related equipment and storage medium | |
CN108362288B (zh) | 一种基于无迹卡尔曼滤波的偏振光slam方法 | |
CN111426320B (zh) | 一种基于图像匹配/惯导/里程计的车辆自主导航方法 | |
CN103207634A (zh) | 一种智能车辆中差分gps与惯性导航数据融合的***和方法 | |
CN111679308A (zh) | 一种基于多传感器融合的无人车定位方法 | |
CN108387236B (zh) | 一种基于扩展卡尔曼滤波的偏振光slam方法 | |
CN103697889A (zh) | 一种基于多模型分布式滤波的无人机自主导航与定位方法 | |
CN105928515B (zh) | 一种无人机导航*** | |
CN111288989A (zh) | 一种小型无人机视觉定位方法 | |
CN113984044A (zh) | 一种基于车载多感知融合的车辆位姿获取方法及装置 | |
CN116047565A (zh) | 一种多传感器数据融合定位*** | |
Andert et al. | Optical-aided aircraft navigation using decoupled visual SLAM with range sensor augmentation | |
CN113503872A (zh) | 一种基于相机与消费级imu融合的低速无人车定位方法 | |
CN115290090A (zh) | 基于多传感器信息融合的slam地图构建方法 | |
Abdelaziz et al. | LiDAR/Visual SLAM-Aided Vehicular Inertial Navigation System for GNSS-Denied Environments | |
Zahran et al. | Augmented radar odometry by nested optimal filter aided navigation for UAVS in GNSS denied environment | |
CN116380057B (zh) | 一种gnss拒止环境下无人机自主着陆定位方法 | |
CN117760417B (zh) | 一种基于4d毫米波雷达与imu的融合定位方法及*** |
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 |