CN112767705A - 基于实景监控的车辆定位寻找方法和*** - Google Patents
基于实景监控的车辆定位寻找方法和*** Download PDFInfo
- Publication number
- CN112767705A CN112767705A CN202011546771.2A CN202011546771A CN112767705A CN 112767705 A CN112767705 A CN 112767705A CN 202011546771 A CN202011546771 A CN 202011546771A CN 112767705 A CN112767705 A CN 112767705A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- internal area
- area
- target
- 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 43
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 238000001914 filtration Methods 0.000 claims description 47
- 230000009467 reduction Effects 0.000 claims description 47
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 19
- 238000010191 image analysis Methods 0.000 claims description 9
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 9
- 239000000284 extract Substances 0.000 description 7
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
-
- 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
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了基于实景监控的车辆定位寻找方法和***,其通过对停车场内部区域进行拍摄而得到相应的内部区域图像,再对该内部区域图像进行分析处理以此确定车辆特征信息并寻找相应的目标车辆,并且还提取包括目标车辆的目标图像帧进行分析而获得目标车辆当前停泊的停车位的车位特征信息,最后确定目标车辆当前停泊的位置区域,其能够帮助用户在停车场中快速地和准确地定位寻找出车辆的实际停放位置、提高停车场车位的运转效率以及提高停车场管理的智能化和自动化水平。
Description
技术领域
本发明涉及停车场管理的技术领域,特别涉及基于实景监控的车辆定位寻找方法和***。
背景技术
随着汽车保有率的不断增长,停车问题已经成为用户自驾出行的首要考虑问题。现有的停车场通常会实时显示内部停车位的占用信息,以此提示用户是否能够进入内部进行停车,但是这种方式只能通过简单的提示方式或者禁止驶入方式来对停车场进行管理,其无法帮助用户在停车场中快速地和准确地定位寻找出车辆的实际停放位置,这样容易使得用户需要花费大量的时间来寻找自己的车辆,从而严重地降低停车场停车位的运转效率和不利于提高停车场管理的智能化和自动化水平。
发明内容
针对现有技术存在的缺陷,本发明提供基于实景监控的车辆定位寻找方法和***,其通过对停车场内部区域进行拍摄,以此获得相应的内部区域图像,并对该内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息,并根据该车辆特征信息,确定用户所需要寻找的目标车辆,以及从该内部区域图像中提取包括该目标车辆的目标图像帧,再对该目标图像帧进行分析处理,以此确定该目标车辆当前停泊的停车位的车位特征信息,并根据该车位特征信息,确定该目标车辆当前停泊的位置区域;可见,该基于实景监控的车辆定位寻找方法和***通过对停车场内部区域进行拍摄而得到相应的内部区域图像,再对该内部区域图像进行分析处理以此确定车辆特征信息并寻找相应的目标车辆,并且还提取包括目标车辆的目标图像帧进行分析而获得目标车辆当前停泊的停车位的车位特征信息,最后确定目标车辆当前停泊的位置区域,其通过实景监控的方式对停车场内部区域进行拍摄以从包含众多车辆的图像中根据车辆特征信息甄别出目标车辆,进而对目标车辆对的图像进行分析处理以此确定目标车辆停泊的停车位的车位特征信息,从而最终确定目标车辆当前停泊的位置区域,其能够帮助用户在停车场中快速地和准确地定位寻找出车辆的实际停放位置、提高停车场车位的运转效率以及提高停车场管理的智能化和自动化水平。
本发明提供基于实景监控的车辆定位寻找方法,其特征在于,其包括如下步骤:
步骤S1,对停车场内部区域进行拍摄,以此获得相应的内部区域图像,并对所述内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息;
步骤S2,根据所述车辆特征信息,确定用户所需要寻找的目标车辆,以及从所述内部区域图像中提取包括所述目标车辆的目标图像帧;
步骤S3,对所述目标图像帧进行分析处理,以此确定所述目标车辆当前停泊的停车位的车位特征信息,并根据所述车位特征信息,确定所述目标车辆当前停泊的位置区域;
进一步,在所述步骤S1中,对停车场内部区域进行拍摄,以此获得相应的内部区域图像,并对所述内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息具体包括:
步骤S101,对所述停车场内部区域进行扫描拍摄,以此获得相应的全景内部区域图像,并对所述全景内部区域图像依次进行图像背景噪声降噪滤波处理和像素灰度化处理,以此获得灰度化全景内部区域图像;
步骤S102,对所述灰度化全景内部区域图像进行识别处理,以此确定所述灰度化全景内部区域图像中存在的关于停车场内部建筑结构柱对应的像素区域,并从所述灰度化全景内部区域图像中剔除所述建筑结构柱对应的像素区域,以此得到预处理后的灰度化全景内部区域图像;
步骤S103,对所述预处理后的灰度化全景内部区域图像进行车辆牌号和车辆外形轮廓的识别处理,以此得到停车场内部区域中停放车辆的车辆牌号信息和车辆外形轮廓信息,以此作为所述车辆特征信息;
进一步,在所述步骤S101中,对所述停车场内部区域进行扫描拍摄,以此获得相应的全景内部区域图像,并对所述全景内部区域图像依次进行图像背景噪声降噪滤波处理和像素灰度化处理,以此获得灰度化全景内部区域图像具体包括:
第一、利用下面公式(1),对所述全景内部区域图像进行图像背景噪声降噪滤波,
在上述公式(1)中,(R,G,B)i,j表示进行图像背景噪声降噪滤波后的所述全景内部区域图像的图像矩阵中第i行第j列的像素点的RGB值,R表示降噪滤波后对应像素点的红色阈值,G表示降噪滤波后对应像素点的绿色阈值,B表示降噪滤波后对应像素点的蓝色阈值,(R0,G0,B0)i+n,j+m表示所述全景内部区域图像的图像矩阵中第i+n行第j+m列的像素点的RGB值,R0表示降噪滤波前对应像素点的红色阈值,G0表示降噪滤波前对应像素点的绿色阈值,B0表示降噪滤波前对应像素点的蓝色阈值,n表示所述全景内部区域图像的图像矩阵像素点行数的增加值,m表示所述全景内部区域图像的图像矩阵像素点列数的增加值,l表示n或者m的取值上限;
第二、利用下面公式(2),进行图像背景噪声降噪滤波后的图形矩阵进行灰度化处理,
Hi,j=[(299R+587G+114B+500)/1000]i,j (2)
在上述公式(2)中,Hi,j表示进行图像背景噪声降噪滤波后的图形矩阵灰度化后第i行第j列的像素点的灰度值;
然后,将所述全景内部区域图像的每一个像素点进行上述对应的降噪滤波处理和像素灰度化处理,从而得到所述灰度化全景内部区域图像;
以及,
在所述S102中,对所述灰度化全景内部区域图像进行识别处理,以此确定所述灰度化全景内部区域图像中存在的关于停车场内部建筑结构柱对应的像素区域,并从所述灰度化全景内部区域图像中剔除所述建筑结构柱对应的像素区域,以此得到预处理后的灰度化全景内部区域图像具体包括:
利用下面公式(3),从所述灰度化全景内部区域图像中剔除所述建筑结构柱对应的像素区域,得到预处理后的灰度化全景内部区域图像,
Yi,j=Hi,j×δ[δ(Hi,j-Z)] (3)
在上述公式(3)中,Yi,j表示剔除所述建筑结构柱对应的像素区域后第i行第j列的像素点的灰度值,Z表示所述停车场内部建筑结构柱的标准灰度值,δ[]表示单位冲激函数、且当括号内的值等于0时单位冲激函数的函数值为1,当括号内的值不等于0时单位冲激函数的函数值为0;
最后,对所述灰度化全景内部区域图像的每一个像素值进行上述公式(3)对应的处理,从而得到所述预处理后的灰度化全景内部区域图像;
进一步,在所述步骤S2中,根据所述车辆特征信息,确定用户所需要寻找的目标车辆,以及从所述内部区域图像中提取包括所述目标车辆的目标图像帧具体包括:
步骤S201,将所述用户需要寻找的目标车辆的目标车牌号码与所述车辆牌号信息进行匹配处理,以此从停车场内部区域停放的所有车辆中寻找确定所述目标车辆;
步骤S202,将所述内部区域图像划分为若干图像帧,再从若干所述图像帧中摘选与所述车辆外形轮廓信息相匹配的图像帧,以此作为包含所述目标车辆的目标图像帧;
进一步,在所述步骤S3中,对所述目标图像帧进行分析处理,以此确定所述目标车辆当前停泊的停车位的车位特征信息,并根据所述车位特征信息,确定所述目标车辆当前停泊的位置区域具体包括:
步骤S301,对所述目标图像帧进行放大处理,并识别放大处理后的所述目标图像帧中的所述目标车辆当前停泊的停车位的车位编号信息,以此作为所述车位特征信息;
步骤S302,将所述车位编号信息与所述停车场内部区域的车位编号分布信息进行匹配处理,以此确定所述目标车辆当前停泊的位置区域;
步骤S303,根据所述位置区域,生成相应的车辆定位指示信号,并将所述车辆定位指示信号发送给所述用户。
本发明还提供基于实景监控的车辆定位寻找***,其特征在于,其包括停车场内部区域拍摄模块、内部区域图像分析模块、目标车辆寻找模块、目标图像帧确定模块和车辆停泊位置区域确定模块;其中,
所述停车场内部区域拍摄模块用于对停车场内部区域进行拍摄,以此获得相应的内部区域图像;
所述内部区域图像分析模块用于对所述内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息;
所述目标车辆寻找模块用于根据所述车辆特征信息,确定用户所需要寻找的目标车辆;
所述目标图像帧确定模块用于从所述内部区域图像中提取包括所述目标车辆的目标图像帧;
所述车辆停泊位置区域确定模块用于对所述目标图像帧进行分析处理,以此确定所述目标车辆当前停泊的停车位的车位特征信息,并根据所述车位特征信息,确定所述目标车辆当前停泊的位置区域;
进一步,所述停车场内部区域拍摄模块对停车场内部区域进行拍摄,以此获得相应的内部区域图像具体包括:
对所述停车场内部区域进行扫描拍摄,以此获得相应的全景内部区域图像
以及,
所述内部区域图像分析模块对所述内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息具体包括:
对所述全景内部区域图像依次进行图像背景噪声降噪滤波处理和像素灰度化处理,以此获得灰度化全景内部区域图像;
再对所述灰度化全景内部区域图像进行识别处理,以此确定所述灰度化全景内部区域图像中存在的关于停车场内部建筑结构柱对应的像素区域,并从所述灰度化全景内部区域图像中剔除所述建筑结构柱对应的像素区域,以此得到预处理后的灰度化全景内部区域图像;
最后对所述预处理后的灰度化全景内部区域图像进行车辆牌号和车辆外形轮廓的识别处理,以此得到停车场内部区域中停放车辆的车辆牌号信息和车辆外形轮廓信息,以此作为所述车辆特征信息;
进一步,所述目标车辆寻找模块根据所述车辆特征信息,确定用户所需要寻找的目标车辆具体包括:
将所述用户需要寻找的目标车辆的目标车牌号码与所述车辆牌号信息进行匹配处理,以此从停车场内部区域停放的所有车辆中寻找确定所述目标车辆;
以及,
所述目标图像帧确定模块从所述内部区域图像中提取包括所述目标车辆的目标图像帧具体包括:
将所述内部区域图像划分为若干图像帧,再从若干所述图像帧中摘选与所述车辆外形轮廓信息相匹配的图像帧,以此作为包含所述目标车辆的目标图像帧;
进一步,所述车辆停泊位置区域确定模块对所述目标图像帧进行分析处理,以此确定所述目标车辆当前停泊的停车位的车位特征信息,并根据所述车位特征信息,确定所述目标车辆当前停泊的位置区域具体包括:
对所述目标图像帧进行放大处理,并识别放大处理后的所述目标图像帧中的所述目标车辆当前停泊的停车位的车位编号信息,以此作为所述车位特征信息;
再将所述车位编号信息与所述停车场内部区域的车位编号分布信息进行匹配处理,以此确定所述目标车辆当前停泊的位置区域;
最后根据所述位置区域,生成相应的车辆定位指示信号,并将所述车辆定位指示信号发送给所述用户。
相比于现有技术,该基于实景监控的车辆定位寻找方法和***通过对停车场内部区域进行拍摄,以此获得相应的内部区域图像,并对该内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息,并根据该车辆特征信息,确定用户所需要寻找的目标车辆,以及从该内部区域图像中提取包括该目标车辆的目标图像帧,再对该目标图像帧进行分析处理,以此确定该目标车辆当前停泊的停车位的车位特征信息,并根据该车位特征信息,确定该目标车辆当前停泊的位置区域;可见,该基于实景监控的车辆定位寻找方法和***通过对停车场内部区域进行拍摄而得到相应的内部区域图像,再对该内部区域图像进行分析处理以此确定车辆特征信息并寻找相应的目标车辆,并且还提取包括目标车辆的目标图像帧进行分析而获得目标车辆当前停泊的停车位的车位特征信息,最后确定目标车辆当前停泊的位置区域,其通过实景监控的方式对停车场内部区域进行拍摄以从包含众多车辆的图像中根据车辆特征信息甄别出目标车辆,进而对目标车辆对的图像进行分析处理以此确定目标车辆停泊的停车位的车位特征信息,从而最终确定目标车辆当前停泊的位置区域,其能够帮助用户在停车场中快速地和准确地定位寻找出车辆的实际停放位置、提高停车场车位的运转效率以及提高停车场管理的智能化和自动化水平
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的基于实景监控的车辆定位寻找方法的流程示意图。
图2为本发明提供的基于实景监控的车辆定位寻找***的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参阅图1,为本发明实施例提供的基于实景监控的车辆定位寻找方法的流程示意图。该基于实景监控的车辆定位寻找方法包括如下步骤:
步骤S1,对停车场内部区域进行拍摄,以此获得相应的内部区域图像,并对该内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息;
步骤S2,根据该车辆特征信息,确定用户所需要寻找的目标车辆,以及从该内部区域图像中提取包括该目标车辆的目标图像帧;
步骤S3,对该目标图像帧进行分析处理,以此确定该目标车辆当前停泊的停车位的车位特征信息,并根据该车位特征信息,确定该目标车辆当前停泊的位置区域。
上述技术方案的有益效果为:该基于实景监控的车辆定位寻找方法通过对停车场内部区域进行拍摄而得到相应的内部区域图像,再对该内部区域图像进行分析处理以此确定车辆特征信息并寻找相应的目标车辆,并且还提取包括目标车辆的目标图像帧进行分析而获得目标车辆当前停泊的停车位的车位特征信息,最后确定目标车辆当前停泊的位置区域,其通过实景监控的方式对停车场内部区域进行拍摄以从包含众多车辆的图像中根据车辆特征信息甄别出目标车辆,进而对目标车辆对的图像进行分析处理以此确定目标车辆停泊的停车位的车位特征信息,从而最终确定目标车辆当前停泊的位置区域,其能够帮助用户在停车场中快速地和准确地定位寻找出车辆的实际停放位置、提高停车场车位的运转效率以及提高停车场管理的智能化和自动化水平。
优选地,在该步骤S1中,对停车场内部区域进行拍摄,以此获得相应的内部区域图像,并对该内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息具体包括:
步骤S101,对该停车场内部区域进行扫描拍摄,以此获得相应的全景内部区域图像,并对该全景内部区域图像依次进行图像背景噪声降噪滤波处理和像素灰度化处理,以此获得灰度化全景内部区域图像;
步骤S102,对该灰度化全景内部区域图像进行识别处理,以此确定该灰度化全景内部区域图像中存在的关于停车场内部建筑结构柱对应的像素区域,并从该灰度化全景内部区域图像中剔除该建筑结构柱对应的像素区域,以此得到预处理后的灰度化全景内部区域图像;
步骤S103,对该预处理后的灰度化全景内部区域图像进行车辆牌号和车辆外形轮廓的识别处理,以此得到停车场内部区域中停放车辆的车辆牌号信息和车辆外形轮廓信息,以此作为该车辆特征信息。
上述技术方案的有益效果为:由于不同车辆的车牌号码和车辆外形轮廓并不相同,通过对拍摄得到的全景内部区域图像进行图像背景噪声降噪滤波处理和像素灰度化处理后,再将从该灰度化全景内部区域图像中剔除该建筑结构柱对应的像素区域,能够将该建筑物结构柱形成遮挡像素进行有效的剔除,从而提高后续识别处理的准确性,而对该预处理后的灰度化全景内部区域图像进行车辆牌号和车辆外形轮廓的识别处理,能够快速地识别得到不同车辆各自的车辆牌号信息和车辆外形轮廓信息。
优选地,在该步骤S101中,对该停车场内部区域进行扫描拍摄,以此获得相应的全景内部区域图像,并对该全景内部区域图像依次进行图像背景噪声降噪滤波处理和像素灰度化处理,以此获得灰度化全景内部区域图像具体包括:
第一、利用下面公式(1),对该全景内部区域图像进行图像背景噪声降噪滤波,
在上述公式(1)中,(R,G,B)i,j表示进行图像背景噪声降噪滤波后的该全景内部区域图像的图像矩阵中第i行第j列的像素点的RGB值,R表示降噪滤波后对应像素点的红色阈值,G表示降噪滤波后对应像素点的绿色阈值,B表示降噪滤波后对应像素点的蓝色阈值,(R0,G0,B0)i+n,j+m表示该全景内部区域图像的图像矩阵中第i+n行第j+m列的像素点的RGB值,R0表示降噪滤波前对应像素点的红色阈值,G0表示降噪滤波前对应像素点的绿色阈值,B0表示降噪滤波前对应像素点的蓝色阈值,n表示该全景内部区域图像的图像矩阵像素点行数的增加值,m表示该全景内部区域图像的图像矩阵像素点列数的增加值,l表示n或者m的取值上限;
第二、利用下面公式(2),进行图像背景噪声降噪滤波后的图形矩阵进行灰度化处理,
Hi,j=[(299R+587G+114B+500)/1000]i,j (2)
在上述公式(2)中,Hi,j表示进行图像背景噪声降噪滤波后的图形矩阵灰度化后第i行第j列的像素点的灰度值;
然后,将该全景内部区域图像的每一个像素点进行上述对应的降噪滤波处理和像素灰度化处理,从而得到该灰度化全景内部区域图像;
以及,
在该S102中,对该灰度化全景内部区域图像进行识别处理,以此确定该灰度化全景内部区域图像中存在的关于停车场内部建筑结构柱对应的像素区域,并从该灰度化全景内部区域图像中剔除该建筑结构柱对应的像素区域,以此得到预处理后的灰度化全景内部区域图像具体包括:
利用下面公式(3),从该灰度化全景内部区域图像中剔除该建筑结构柱对应的像素区域,得到预处理后的灰度化全景内部区域图像,
Yi,j=Hi,j×δ[δ(Hi,j-Z)] (3)
在上述公式(3)中,Yi,j表示剔除该建筑结构柱对应的像素区域后第i行第j列的像素点的灰度值,Z表示该停车场内部建筑结构柱的标准灰度值,δ[]表示单位冲激函数、且当括号内的值等于0时单位冲激函数的函数值为1,当括号内的值不等于0时单位冲激函数的函数值为0;
最后,对该灰度化全景内部区域图像的每一个像素值进行上述公式(3)对应的处理,从而得到该预处理后的灰度化全景内部区域图像。
上述技术方案的有益效果为:利用公式(1)对全景内部区域图像进行图像背景噪声降噪滤波,从而利用公式(1)将图像中的噪声抹平,提高了图像的真实程度,保证了进行降噪滤波后全景内部区域的完整性以及真实性;然后利用公式(2)进行图像背景噪声降噪滤波后的图形矩阵进行灰度化处理,从而利用公式(2)将图像可以转换成保留图像特征的灰度值图像;最后利用公式(3)从灰度化全景内部区域图像中剔除建筑结构柱对应的像素区域,得到预处理后的灰度化全景内部区域图像,从而利用公式(3)将建筑结构柱对应的像素区域可以完整剔除,保证了图像处理的可靠性和准确性。
优选地,在该步骤S2中,根据该车辆特征信息,确定用户所需要寻找的目标车辆,以及从该内部区域图像中提取包括该目标车辆的目标图像帧具体包括:
步骤S201,将该用户需要寻找的目标车辆的目标车牌号码与该车辆牌号信息进行匹配处理,以此从停车场内部区域停放的所有车辆中寻找确定该目标车辆;
步骤S202,将该内部区域图像划分为若干图像帧,再从若干该图像帧中摘选与该车辆外形轮廓信息相匹配的图像帧,以此作为包含该目标车辆的目标图像帧。
上述技术方案的有益效果为:由于车辆车牌号码的唯一性,通过将该目标车牌号码与该车辆牌号信息进行匹配处理,能够快速地和可靠地寻找确定目标车辆,而将该内部区域图像划分为若干图像帧,再从若干该图像帧中摘选与该车辆外形轮廓信息相匹配的图像帧,能够提高对不同图像帧进行识别匹配的准确性和可靠性。
优选地,在该步骤S3中,对该目标图像帧进行分析处理,以此确定该目标车辆当前停泊的停车位的车位特征信息,并根据该车位特征信息,确定该目标车辆当前停泊的位置区域具体包括:
步骤S301,对该目标图像帧进行放大处理,并识别放大处理后的该目标图像帧中的该目标车辆当前停泊的停车位的车位编号信息,以此作为该车位特征信息;
步骤S302,将该车位编号信息与该停车场内部区域的车位编号分布信息进行匹配处理,以此确定该目标车辆当前停泊的位置区域;
步骤S303,根据该位置区域,生成相应的车辆定位指示信号,并将该车辆定位指示信号发送给该用户。
上述技术方案的有益效果为:通过对该目标图像帧进行放大处理和识别处理,能够准确地识别得到该目标车辆当前停泊的停车位的车位编号信息,并结合停车场的车位编号布局,即可快速地确定该目标车辆当前停泊的位置区域,最后将相应的车辆定位指示信息发送给用户,即可帮助用户快速地寻找到目标车辆。
参阅图2,为本发明实施例提供的基于实景监控的车辆定位寻找***的结构示意图。该基于实景监控的车辆定位寻找方法包括停车场内部区域拍摄模块、内部区域图像分析模块、目标车辆寻找模块、目标图像帧确定模块和车辆停泊位置区域确定模块;其中,
该停车场内部区域拍摄模块用于对停车场内部区域进行拍摄,以此获得相应的内部区域图像;
该内部区域图像分析模块用于对该内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息;
该目标车辆寻找模块用于根据该车辆特征信息,确定用户所需要寻找的目标车辆;
该目标图像帧确定模块用于从该内部区域图像中提取包括该目标车辆的目标图像帧;
该车辆停泊位置区域确定模块用于对该目标图像帧进行分析处理,以此确定该目标车辆当前停泊的停车位的车位特征信息,并根据该车位特征信息,确定该目标车辆当前停泊的位置区域。
上述技术方案的有益效果为:该基于实景监控的车辆定位寻找***通过对停车场内部区域进行拍摄而得到相应的内部区域图像,再对该内部区域图像进行分析处理以此确定车辆特征信息并寻找相应的目标车辆,并且还提取包括目标车辆的目标图像帧进行分析而获得目标车辆当前停泊的停车位的车位特征信息,最后确定目标车辆当前停泊的位置区域,其通过实景监控的方式对停车场内部区域进行拍摄以从包含众多车辆的图像中根据车辆特征信息甄别出目标车辆,进而对目标车辆对的图像进行分析处理以此确定目标车辆停泊的停车位的车位特征信息,从而最终确定目标车辆当前停泊的位置区域,其能够帮助用户在停车场中快速地和准确地定位寻找出车辆的实际停放位置、提高停车场车位的运转效率以及提高停车场管理的智能化和自动化水平。
优选地,该停车场内部区域拍摄模块对停车场内部区域进行拍摄,以此获得相应的内部区域图像具体包括:
对该停车场内部区域进行扫描拍摄,以此获得相应的全景内部区域图像
以及,
该内部区域图像分析模块对该内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息具体包括:
对该全景内部区域图像依次进行图像背景噪声降噪滤波处理和像素灰度化处理,以此获得灰度化全景内部区域图像;
再对该灰度化全景内部区域图像进行识别处理,以此确定该灰度化全景内部区域图像中存在的关于停车场内部建筑结构柱对应的像素区域,并从该灰度化全景内部区域图像中剔除该建筑结构柱对应的像素区域,以此得到预处理后的灰度化全景内部区域图像;
最后对该预处理后的灰度化全景内部区域图像进行车辆牌号和车辆外形轮廓的识别处理,以此得到停车场内部区域中停放车辆的车辆牌号信息和车辆外形轮廓信息,以此作为该车辆特征信息。
上述技术方案的有益效果为:由于不同车辆的车牌号码和车辆外形轮廓并不相同,通过对拍摄得到的全景内部区域图像进行图像背景噪声降噪滤波处理和像素灰度化处理后,再将从该灰度化全景内部区域图像中剔除该建筑结构柱对应的像素区域,能够将该建筑物结构柱形成遮挡像素进行有效的剔除,从而提高后续识别处理的准确性,而对该预处理后的灰度化全景内部区域图像进行车辆牌号和车辆外形轮廓的识别处理,能够快速地识别得到不同车辆各自的车辆牌号信息和车辆外形轮廓信息。
优选地,该目标车辆寻找模块根据该车辆特征信息,确定用户所需要寻找的目标车辆具体包括:
将该用户需要寻找的目标车辆的目标车牌号码与该车辆牌号信息进行匹配处理,以此从停车场内部区域停放的所有车辆中寻找确定该目标车辆;
以及,
该目标图像帧确定模块从该内部区域图像中提取包括该目标车辆的目标图像帧具体包括:
将该内部区域图像划分为若干图像帧,再从若干该图像帧中摘选与该车辆外形轮廓信息相匹配的图像帧,以此作为包含该目标车辆的目标图像帧。
上述技术方案的有益效果为:由于车辆车牌号码的唯一性,通过将该目标车牌号码与该车辆牌号信息进行匹配处理,能够快速地和可靠地寻找确定目标车辆,而将该内部区域图像划分为若干图像帧,再从若干该图像帧中摘选与该车辆外形轮廓信息相匹配的图像帧,能够提高对不同图像帧进行识别匹配的准确性和可靠性。
优选地,该车辆停泊位置区域确定模块对该目标图像帧进行分析处理,以此确定该目标车辆当前停泊的停车位的车位特征信息,并根据该车位特征信息,确定该目标车辆当前停泊的位置区域具体包括:
对该目标图像帧进行放大处理,并识别放大处理后的该目标图像帧中的该目标车辆当前停泊的停车位的车位编号信息,以此作为该车位特征信息;
再将该车位编号信息与该停车场内部区域的车位编号分布信息进行匹配处理,以此确定该目标车辆当前停泊的位置区域;
最后根据该位置区域,生成相应的车辆定位指示信号,并将该车辆定位指示信号发送给该用户。
上述技术方案的有益效果为:通过对该目标图像帧进行放大处理和识别处理,能够准确地识别得到该目标车辆当前停泊的停车位的车位编号信息,并结合停车场的车位编号布局,即可快速地确定该目标车辆当前停泊的位置区域,最后将相应的车辆定位指示信息发送给用户,即可帮助用户快速地寻找到目标车辆。
从上述实施例的内容可知,该基于实景监控的车辆定位寻找方法和***通过对停车场内部区域进行拍摄,以此获得相应的内部区域图像,并对该内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息,并根据该车辆特征信息,确定用户所需要寻找的目标车辆,以及从该内部区域图像中提取包括该目标车辆的目标图像帧,再对该目标图像帧进行分析处理,以此确定该目标车辆当前停泊的停车位的车位特征信息,并根据该车位特征信息,确定该目标车辆当前停泊的位置区域;可见,该基于实景监控的车辆定位寻找方法和***通过对停车场内部区域进行拍摄而得到相应的内部区域图像,再对该内部区域图像进行分析处理以此确定车辆特征信息并寻找相应的目标车辆,并且还提取包括目标车辆的目标图像帧进行分析而获得目标车辆当前停泊的停车位的车位特征信息,最后确定目标车辆当前停泊的位置区域,其通过实景监控的方式对停车场内部区域进行拍摄以从包含众多车辆的图像中根据车辆特征信息甄别出目标车辆,进而对目标车辆对的图像进行分析处理以此确定目标车辆停泊的停车位的车位特征信息,从而最终确定目标车辆当前停泊的位置区域,其能够帮助用户在停车场中快速地和准确地定位寻找出车辆的实际停放位置、提高停车场车位的运转效率以及提高停车场管理的智能化和自动化水平
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.基于实景监控的车辆定位寻找方法,其特征在于,其包括如下步骤:
步骤S1,对停车场内部区域进行拍摄,以此获得相应的内部区域图像,并对所述内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息;
步骤S2,根据所述车辆特征信息,确定用户所需要寻找的目标车辆,以及从所述内部区域图像中提取包括所述目标车辆的目标图像帧;
步骤S3,对所述目标图像帧进行分析处理,以此确定所述目标车辆当前停泊的停车位的车位特征信息,并根据所述车位特征信息,确定所述目标车辆当前停泊的位置区域。
2.如权利要求1所述的基于实景监控的车辆定位寻找方法,其特征在于:在所述步骤S1中,对停车场内部区域进行拍摄,以此获得相应的内部区域图像,并对所述内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息具体包括:
步骤S101,对所述停车场内部区域进行扫描拍摄,以此获得相应的全景内部区域图像,并对所述全景内部区域图像依次进行图像背景噪声降噪滤波处理和像素灰度化处理,以此获得灰度化全景内部区域图像;
步骤S102,对所述灰度化全景内部区域图像进行识别处理,以此确定所述灰度化全景内部区域图像中存在的关于停车场内部建筑结构柱对应的像素区域,并从所述灰度化全景内部区域图像中剔除所述建筑结构柱对应的像素区域,以此得到预处理后的灰度化全景内部区域图像;
步骤S103,对所述预处理后的灰度化全景内部区域图像进行车辆牌号和车辆外形轮廓的识别处理,以此得到停车场内部区域中停放车辆的车辆牌号信息和车辆外形轮廓信息,以此作为所述车辆特征信息。
3.如权利要求2所述的基于实景监控的车辆定位寻找方法,其特征在于:在所述步骤S101中,对所述停车场内部区域进行扫描拍摄,以此获得相应的全景内部区域图像,并对所述全景内部区域图像依次进行图像背景噪声降噪滤波处理和像素灰度化处理,以此获得灰度化全景内部区域图像具体包括:
第一、利用下面公式(1),对所述全景内部区域图像进行图像背景噪声降噪滤波,
在上述公式(1)中,(R,G,B)i,j表示进行图像背景噪声降噪滤波后的所述全景内部区域图像的图像矩阵中第i行第j列的像素点的RGB值,R表示降噪滤波后对应像素点的红色阈值,G表示降噪滤波后对应像素点的绿色阈值,B表示降噪滤波后对应像素点的蓝色阈值,(R0,G0,B0)i+n,j+m表示所述全景内部区域图像的图像矩阵中第i+n行第j+m列的像素点的RGB值,R0表示降噪滤波前对应像素点的红色阈值,G0表示降噪滤波前对应像素点的绿色阈值,B0表示降噪滤波前对应像素点的蓝色阈值,n表示所述全景内部区域图像的图像矩阵像素点行数的增加值,m表示所述全景内部区域图像的图像矩阵像素点列数的增加值,l表示n或者m的取值上限;
第二、利用下面公式(2),进行图像背景噪声降噪滤波后的图形矩阵进行灰度化处理,
Hi,j=[(299R+587G+114B+500)/1000]i,j (2)
在上述公式(2)中,Hi,j表示进行图像背景噪声降噪滤波后的图形矩阵灰度化后第i行第j列的像素点的灰度值;
然后,将所述全景内部区域图像的每一个像素点进行上述对应的降噪滤波处理和像素灰度化处理,从而得到所述灰度化全景内部区域图像;
以及,
在所述S102中,对所述灰度化全景内部区域图像进行识别处理,以此确定所述灰度化全景内部区域图像中存在的关于停车场内部建筑结构柱对应的像素区域,并从所述灰度化全景内部区域图像中剔除所述建筑结构柱对应的像素区域,以此得到预处理后的灰度化全景内部区域图像具体包括:利用下面公式(3),从所述灰度化全景内部区域图像中剔除所述建筑结构柱对应的像素区域,得到预处理后的灰度化全景内部区域图像,
Yi,j=Hi,j×δ[δ(Hi,j-Z)] (3)
在上述公式(3)中,Yi,j表示剔除所述建筑结构柱对应的像素区域后第i行第j列的像素点的灰度值,Z表示所述停车场内部建筑结构柱的标准灰度值,δ[]表示单位冲激函数、且当括号内的值等于0时单位冲激函数的函数值为1,当括号内的值不等于0时单位冲激函数的函数值为0;
最后,对所述灰度化全景内部区域图像的每一个像素值进行上述公式(3)对应的处理,从而得到所述预处理后的灰度化全景内部区域图像。
4.如权利要求2所述的基于实景监控的车辆定位寻找方法,其特征在于:在所述步骤S2中,根据所述车辆特征信息,确定用户所需要寻找的目标车辆,以及从所述内部区域图像中提取包括所述目标车辆的目标图像帧具体包括:
步骤S201,将所述用户需要寻找的目标车辆的目标车牌号码与所述车辆牌号信息进行匹配处理,以此从停车场内部区域停放的所有车辆中寻找确定所述目标车辆;
步骤S202,将所述内部区域图像划分为若干图像帧,再从若干所述图像帧中摘选与所述车辆外形轮廓信息相匹配的图像帧,以此作为包含所述目标车辆的目标图像帧。
5.如权利要求3所述的基于实景监控的车辆定位寻找方法,其特征在于:在所述步骤S3中,对所述目标图像帧进行分析处理,以此确定所述目标车辆当前停泊的停车位的车位特征信息,并根据所述车位特征信息,确定所述目标车辆当前停泊的位置区域具体包括:
步骤S301,对所述目标图像帧进行放大处理,并识别放大处理后的所述目标图像帧中的所述目标车辆当前停泊的停车位的车位编号信息,以此作为所述车位特征信息;
步骤S302,将所述车位编号信息与所述停车场内部区域的车位编号分布信息进行匹配处理,以此确定所述目标车辆当前停泊的位置区域;
步骤S303,根据所述位置区域,生成相应的车辆定位指示信号,并将所述车辆定位指示信号发送给所述用户。
6.基于实景监控的车辆定位寻找***,其特征在于,其包括停车场内部区域拍摄模块、内部区域图像分析模块、目标车辆寻找模块、目标图像帧确定模块和车辆停泊位置区域确定模块;其中,
所述停车场内部区域拍摄模块用于对停车场内部区域进行拍摄,以此获得相应的内部区域图像;
所述内部区域图像分析模块用于对所述内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息;
所述目标车辆寻找模块用于根据所述车辆特征信息,确定用户所需要寻找的目标车辆;
所述目标图像帧确定模块用于从所述内部区域图像中提取包括所述目标车辆的目标图像帧;
所述车辆停泊位置区域确定模块用于对所述目标图像帧进行分析处理,以此确定所述目标车辆当前停泊的停车位的车位特征信息,并根据所述车位特征信息,确定所述目标车辆当前停泊的位置区域。
7.如权利要求5所述的基于实景监控的车辆定位寻找***,其特征在于:所述停车场内部区域拍摄模块对停车场内部区域进行拍摄,以此获得相应的内部区域图像具体包括:
对所述停车场内部区域进行扫描拍摄,以此获得相应的全景内部区域图像
以及,
所述内部区域图像分析模块对所述内部区域图像进行分析处理,以此确定停车场内部区域中停放车辆的车辆特征信息具体包括:
对所述全景内部区域图像依次进行图像背景噪声降噪滤波处理和像素灰度化处理,以此获得灰度化全景内部区域图像;
再对所述灰度化全景内部区域图像进行识别处理,以此确定所述灰度化全景内部区域图像中存在的关于停车场内部建筑结构柱对应的像素区域,并从所述灰度化全景内部区域图像中剔除所述建筑结构柱对应的像素区域,以此得到预处理后的灰度化全景内部区域图像;
最后对所述预处理后的灰度化全景内部区域图像进行车辆牌号和车辆外形轮廓的识别处理,以此得到停车场内部区域中停放车辆的车辆牌号信息和车辆外形轮廓信息,以此作为所述车辆特征信息。
8.如权利要求6所述的基于实景监控的车辆定位寻找***,其特征在于:所述目标车辆寻找模块根据所述车辆特征信息,确定用户所需要寻找的目标车辆具体包括:
将所述用户需要寻找的目标车辆的目标车牌号码与所述车辆牌号信息进行匹配处理,以此从停车场内部区域停放的所有车辆中寻找确定所述目标车辆;
以及,
所述目标图像帧确定模块从所述内部区域图像中提取包括所述目标车辆的目标图像帧具体包括:
将所述内部区域图像划分为若干图像帧,再从若干所述图像帧中摘选与所述车辆外形轮廓信息相匹配的图像帧,以此作为包含所述目标车辆的目标图像帧。
9.如权利要求7所述的基于实景监控的车辆定位寻找***,其特征在于:所述车辆停泊位置区域确定模块对所述目标图像帧进行分析处理,以此确定所述目标车辆当前停泊的停车位的车位特征信息,并根据所述车位特征信息,确定所述目标车辆当前停泊的位置区域具体包括:
对所述目标图像帧进行放大处理,并识别放大处理后的所述目标图像帧中的所述目标车辆当前停泊的停车位的车位编号信息,以此作为所述车位特征信息;
再将所述车位编号信息与所述停车场内部区域的车位编号分布信息进行匹配处理,以此确定所述目标车辆当前停泊的位置区域;
最后根据所述位置区域,生成相应的车辆定位指示信号,并将所述车辆定位指示信号发送给所述用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011546771.2A CN112767705A (zh) | 2020-12-24 | 2020-12-24 | 基于实景监控的车辆定位寻找方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011546771.2A CN112767705A (zh) | 2020-12-24 | 2020-12-24 | 基于实景监控的车辆定位寻找方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112767705A true CN112767705A (zh) | 2021-05-07 |
Family
ID=75694016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011546771.2A Pending CN112767705A (zh) | 2020-12-24 | 2020-12-24 | 基于实景监控的车辆定位寻找方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112767705A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201629053U (zh) * | 2010-07-14 | 2010-11-10 | 厦门科拓通讯技术有限公司 | 停车场智能车位综合信息*** |
US20160318523A1 (en) * | 2015-04-30 | 2016-11-03 | Lg Electronics Inc. | Driver assistance for a vehicle |
CN108399782A (zh) * | 2018-02-11 | 2018-08-14 | 广州广电物业管理有限公司 | 室外反向导车的方法、装置、***、设备及存储介质 |
CN210200007U (zh) * | 2019-06-28 | 2020-03-27 | 北京联合展图科技有限公司 | 一种停车场寻车导航装置 |
-
2020
- 2020-12-24 CN CN202011546771.2A patent/CN112767705A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201629053U (zh) * | 2010-07-14 | 2010-11-10 | 厦门科拓通讯技术有限公司 | 停车场智能车位综合信息*** |
US20160318523A1 (en) * | 2015-04-30 | 2016-11-03 | Lg Electronics Inc. | Driver assistance for a vehicle |
CN108399782A (zh) * | 2018-02-11 | 2018-08-14 | 广州广电物业管理有限公司 | 室外反向导车的方法、装置、***、设备及存储介质 |
CN210200007U (zh) * | 2019-06-28 | 2020-03-27 | 北京联合展图科技有限公司 | 一种停车场寻车导航装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111382704B (zh) | 基于深度学习的车辆压线违章判断方法、装置及存储介质 | |
CN108268867B (zh) | 一种车牌定位方法及装置 | |
CN102708691B (zh) | 基于车牌车型匹配的虚假车牌识别方法 | |
KR101246120B1 (ko) | 전후면 번호판 영상 기반 차량번호 인식 시스템 | |
CN108182691B (zh) | 识别限速标志的方法、装置及车辆 | |
CN111178359A (zh) | 车牌号码识别方法、装置和设备及计算机存储介质 | |
CN112115800A (zh) | 一种基于深度学习目标检测的车辆组合识别***及方法 | |
CN112528994B (zh) | 一种自由角度车牌检测方法、车牌识别方法和识别*** | |
CN112767705A (zh) | 基于实景监控的车辆定位寻找方法和*** | |
CN109543610B (zh) | 车辆检测跟踪方法、装置、设备及存储介质 | |
US20220405527A1 (en) | Target Detection Methods, Apparatuses, Electronic Devices and Computer-Readable Storage Media | |
CN112634650B (zh) | 基于音视频监控的停车场管理方法和*** | |
CN111161542B (zh) | 车辆识别方法及装置 | |
CN106920398A (zh) | 一种智能车牌识别*** | |
Bachtiar et al. | Parking management by means of computer vision | |
CN112861724A (zh) | 一种中药识别*** | |
CN111723710A (zh) | 一种基于神经网络的车牌识别方法 | |
CN111046876A (zh) | 基于纹理检测技术的车牌字符快速识别方法及其*** | |
CN117727019A (zh) | 一种车牌属性识别方法、装置和设备 | |
CN114627653B (zh) | 基于双目识别的5g智能道闸管理*** | |
CN116013091B (zh) | 基于车流量大数据的隧道监控***与分析方法 | |
CN112597916B (zh) | 人脸图像抓拍质量分析方法和*** | |
CN114566063A (zh) | 一种智能车位引导管理的方法、装置以及存储介质 | |
CN117854052A (zh) | 基于图像识别的车牌号码提取方法及*** | |
CN114639094A (zh) | 车牌识别方法、图像处理设备以及计算机可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210507 |