CN116051613A - 一种基于图像分析的不动产测绘方法 - Google Patents

一种基于图像分析的不动产测绘方法 Download PDF

Info

Publication number
CN116051613A
CN116051613A CN202310262873.9A CN202310262873A CN116051613A CN 116051613 A CN116051613 A CN 116051613A CN 202310262873 A CN202310262873 A CN 202310262873A CN 116051613 A CN116051613 A CN 116051613A
Authority
CN
China
Prior art keywords
image
point
dimensional
real estate
pixel points
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
Application number
CN202310262873.9A
Other languages
English (en)
Inventor
宋朝辉
孙本存
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yanzhou District Natural Resources Bureau Of Jining City
Original Assignee
Yanzhou District Natural Resources Bureau Of Jining City
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yanzhou District Natural Resources Bureau Of Jining City filed Critical Yanzhou District Natural Resources Bureau Of Jining City
Priority to CN202310262873.9A priority Critical patent/CN116051613A/zh
Publication of CN116051613A publication Critical patent/CN116051613A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G06T7/85—Stereo camera calibration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像分析的不动产测绘方法，属于不动产测绘技术领域，具体包括以下步骤：划定不动产测绘区域，通过双目相机获取不动产的二维图像，对二维图像进行预处理获得二维图像；通过标定板对摄像机进行立体标定，对二维图像进行畸变校正；通过线性变换使左图像和右图像的极线处于同一水平线；若存在像素点在两次立体匹配中获得的匹配像素点不同，则该像素点为遮挡点，对遮挡点进行填充；根据左右图像素点二维坐标计算匹配点对在不动产中的三维坐标，根据三维坐标在三维立体空间中建立不动产的三维模型，生成不动产测绘模型；本发明实现了不动产测绘过程中三维模型中遮挡点的检测与填充。

Description

一种基于图像分析的不动产测绘方法
技术领域
本发明涉及不动产测绘技术领域，具体涉及一种基于图像分析的不动产测绘方法。
背景技术
不动产，是指依自然性质或法律规定不可移动的财产，如土地、房屋、探矿权、采矿权等土地定着物，与土地尚未脱离的土地生成物、因自然或者人力添附于土地并且不能分离的其他物；为了更好地对不动产产权人的权益进行保护，需要对不动产进行测绘。
现有技术中，不动产测绘所获取地数据有限，常通过三维重建的方法建立不动产的三维模型，根据三维模型对不动产进行规划，从不同的视角通过摄像机捕获不动产左右两侧图像，然后再利用三角测量原理获取物体的深度信息，通过这些深度信息重建出物体的三维模型。
然而由于摄像机角度或者不动产本身特征的干扰，双目视觉图像中存在某些被遮挡的像素点，遮挡点只能在一个摄像机中成像，而在另一幅摄像机图像中不存在匹配像素点，因此在匹配过程中必然会出现错误匹配，继而形成错误的视差图和深度图，产生误匹配幻影。
发明内容
本发明的目的在于提供一种基于图像分析的不动产测绘方法，解决以下技术问题：
由于摄像机角度或者不动产本身特征的干扰，双目视觉图像中存在某些被遮挡的像素点，遮挡点只能在一个摄像机中成像，而在另一幅摄像机图像中不存在匹配像素点，因此在匹配过程中必然会出现错误匹配，继而形成错误的视差图和深度图，产生误匹配幻影。
本发明的目的可以通过以下技术方案实现：
一种基于图像分析的不动产测绘方法，包括以下步骤：
划定不动产测绘区域，基于双目相机获取所述测绘区域若干个角度的二维图像，对所述二维图像进行预处理，任一二维图像均包括左图像和右图像，对双目相机进行立体标定获取相机参数，基于所述相机参数对所述二维图像进行畸变校正，并对畸变校正后的左图像和右图像进行立体校正；
对立体校正后的左图像和右图像进行初次立体匹配获得初始视差图，再将左图像和右图像对调进行二次立体匹配，若存在像素点在两次立体匹配中获得的匹配像素点不同，则该像素点为遮挡点，否则为有效像素点，选择遮挡点周围的有效像素点对遮挡点进行填充，获得完整的视差图；
获取左图像中和右图像中所有像素点与对应匹配像素点的二维坐标，根据所述二维坐标获取不动产各点的三维坐标，根据所述三维坐标在空间中建立所述不动产的三维模型，将所有二维图像对应的三维模型进行匹配，生成不动产测绘模型。
作为本发明进一步的方案：所述立体匹配的过程为：
将左图像中任一像素点命名为待匹配点，以所述待匹配点为中心建立左窗口Wl，所述左窗口Wl的像素大小为v*v，v为正奇数，获取所述左窗口Wl内所有像素点的灰度值，获取所述待匹配点所在极线，沿所述极线根据视差由小到大逐点获取右图像中的右窗口Wr1，Wr2，…，Wrn，n为正整数，所有右窗口均与左窗口Wl像素尺寸相同，分别获取所有右窗口内所有像素点的灰度值，将左窗口Wl依次与所有右窗口进行叠加，分别计算所述左窗口Wl与右窗口Wr1，Wr2，…，Wrn中重叠像素点的灰度值的差值，获取所述灰度值的差值的绝对值之和，提取数值最小的所述绝对值之和对应的右窗口，则该右窗口中心像素点为待匹配点的匹配像素点，根据待匹配点与匹配像素点的视差值，建立左图像相对于右图像的初始视差图。
作为本发明进一步的方案：所述立体匹配遮挡点检测的过程为：
将左图像与右图像进行对调，对调后的左右图像进行二次立体匹配，获得右图像相对于左图像的初始视差图，获取对调前初次立体匹配时左图像中的点q与右图像中匹配点q1的视差值d1，获取对调后右图像中点q1与左图像中新匹配点q2的视差值d2，若|d1-d2|>c，c为预设阈值，则点q为无效像素点，标记为遮挡点，否则为有效像素点。
作为本发明进一步的方案：选定所述遮挡点，以所述遮挡点为中心向外等角度发射8条射线，获取每条射线接触的第一个有效像素点，获取8个有效像素点的视差值，提取视差值中的次最小值对遮挡点进行填充，获得完整视差图。
作为本发明进一步的方案：所述立体校正的过程为：
将右图像平面相对于左图像平面的旋转矩阵R分解成两个矩阵Rl和Rr，将左右摄像机各旋转半圈，使得左右摄像机的光轴平行，构造变换矩阵Rrect使得基线与成像平面平行，通过合成旋转矩阵与变换矩阵相乘获得左右摄像机的整体旋转矩阵，左右摄像机坐标系乘以各自的整体旋转矩阵，使左右摄像机的主光轴平行，且成像平面与基线平行。
作为本发明进一步的方案：将所有二维图像对应生成的三维模型进行匹配，选取三维模型之间不重合的区域，获取相同像素点在所有三维模型的坐标值，计算所有像素点坐标值的平均坐标值，将所述平均坐标值作为不动产测绘模型中像素点的最终坐标。
作为本发明进一步的方案：所述双目相机沿不动产侧面间隔固定角度周向进行拍摄，任一角度对应的二维图像均与相邻角度二维图像画面重叠。
作为本发明进一步的方案：所述预处理的过程为选取二维图像中灰度值高于第一预设阈值的区域一，以及选取二维图像中灰度值低于第二预设阈值的区域二，基于图像直方图均衡化对区域一和区域二进行处理。
本发明的有益效果：
本发明通过双目视觉对不动产进行三维重建，首先通过双目相机获取不动产的左右图像，双目相机虽不能完全实现成像面共面，但是能降低后续图像处理的计算量，经过立体标定和立体校正，使左右图像的极线共线，成像面共面，从而便于对左右图像进行立体匹配，对左右图像进行两次立体匹配，提取在两次匹配中匹配像素点不同的像素点，则该像素点为遮挡点，获取该点周围的有效像素点进行填充，于是获得了完整的匹配图像，获取匹配点对在各自图像中的二维坐标，根据二维坐标计算该匹配点对在不动产上的三维坐标，从而在三维空间中建立不动产的模型；本发明实现了对双目视觉图像三维重建中出现的遮挡点自动检测和填充，避免了误匹配幻影对三维重建效果的影响。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的流程示意图。
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它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为一种基于图像分析的不动产测绘方法，
一种基于图像分析的不动产测绘方法，包括以下步骤：
划定不动产测绘区域，基于双目相机获取所述测绘区域若干个角度的二维图像，对所述二维图像进行预处理，任一二维图像均包括左图像和右图像，对双目相机进行立体标定获取相机参数，基于所述相机参数对所述二维图像进行畸变校正，并对畸变校正后的左图像和右图像进行立体校正；
对立体校正后的左图像和右图像进行初次立体匹配获得初始视差图，再将左图像和右图像对调进行二次立体匹配，若存在像素点在两次立体匹配中获得的匹配像素点不同，则该像素点为遮挡点，否则为有效像素点，选择遮挡点周围的有效像素点对遮挡点进行填充，获得完整的视差图；
获取左图像中和右图像中所有像素点与对应匹配像素点的二维坐标，根据所述二维坐标获取不动产各点的三维坐标，根据所述三维坐标在空间中建立所述不动产的三维模型，将所有二维图像对应的三维模型进行匹配，生成不动产测绘模型；
本发明通过双目视觉对不动产进行三维重建，首先通过双目相机获取不动产的左右图像，双目相机虽不能完全实现成像面共面，但是能降低后续图像处理的计算量，经过立体标定和立体校正，使左右图像的极线共线，成像面共面，从而便于对左右图像进行立体匹配，对左右图像进行两次立体匹配，提取在两次匹配中匹配像素点不同的像素点，则该像素点为遮挡点，获取该点周围的有效像素点进行填充，于是获得了完整的匹配图像，获取匹配点对在各自图像中的二维坐标，根据二维坐标计算该匹配点对在不动产上的三维坐标，从而在三维空间中建立不动产的模型；本发明实现了对双目视觉图像三维重建中出现的遮挡点自动检测和填充，避免了误匹配幻影对三维重建效果的影响。
在本发明的一种优选的实施例中，所述立体匹配的过程为：
将左图像中任一像素点命名为待匹配点，以所述待匹配点为中心建立左窗口Wl，所述左窗口W1的像素大小为v*v，v为正奇数，获取所述左窗口Wl内所有像素点的灰度值，获取所述待匹配点所在极线，沿所述极线根据视差由小到大逐点获取右图像中的右窗口Wr1，Wr2，…，Wrn，n为正整数，所有右窗口均与左窗口Wl像素尺寸相同，分别获取所有右窗口内所有像素点的灰度值，将左窗口Wl依次与所有右窗口进行叠加，分别计算所述左窗口Wl与右窗口Wr1，Wr2，…，Wrn中重叠像素点的灰度值的差值，获取所述灰度值的差值的绝对值之和，提取数值最小的所述绝对值之和对应的右窗口，则该右窗口中心像素点为待匹配点的匹配像素点，根据待匹配点与匹配像素点的视差值，建立左图像相对于右图像的初始视差图。
在本实施例的一种优选的情况中，所述立体匹配遮挡点检测的过程为：
将左图像与右图像进行对调，对调后的左右图像进行二次立体匹配，获得右图像相对于左图像的初始视差图，获取对调前初次立体匹配时左图像中的点q与右图像中匹配点q1的视差值d1，获取对调后右图像中点q1与左图像中新匹配点q2的视差值d2，若|d1-d2|>c，c为预设阈值，则点q为无效像素点，标记为遮挡点，否则为有效像素点；
点q和点q1为不动产上的一点在左右图像中的一对成像点；初次立体匹配获得了左图像的视差图，把左右图像位置对调，再进行立体匹配获得右图像的视差图，对照左右视差图来看原匹配点对是否能够相互匹配成功，将c设定为1个像素点。
在本实施例的另一种优选的情况中，选定所述遮挡点，以所述遮挡点为中心向外等角度发射8条射线，获取每条射线接触的第一个有效像素点，获取8个有效像素点的视差值，提取视差值中的次最小值对遮挡点进行填充，获得完整视差图；
对于遮挡区像素，因为其是背景像素，所以不能选择周围的前景像素视差值的，应该选择周围背景像素的视差值，由于背景像素视差值比前景像素小，所以在收集周围的有效视差值后，应选择次最小视差值。
在本发明的另一种优选的实施例中，所述立体校正的过程为：
将右图像平面相对于左图像平面的旋转矩阵R分解成两个矩阵Rl和Rr，将左右摄像机各旋转半圈，使得左右摄像机的光轴平行，构造变换矩阵Rrect使得基线与成像平面平行，通过合成旋转矩阵与变换矩阵相乘获得左右摄像机的整体旋转矩阵，左右摄像机坐标系乘以各自的整体旋转矩阵，使左右摄像机的主光轴平行，且成像平面与基线平行。
在本发明的另一种优选的实施例中，将所有二维图像对应生成的三维模型进行匹配，选取三维模型之间不重合的区域，获取相同像素点在所有三维模型的坐标值，计算所有像素点坐标值的平均坐标值，将所述平均坐标值作为不动产测绘模型中像素点的最终坐标。
在本发明的另一种优选的实施例中，所述双目相机沿不动产侧面间隔固定角度周向进行拍摄，任一角度对应的二维图像均与相邻角度二维图像画面重叠。
在本发明的另一种优选的实施例中，所述预处理的过程为选取二维图像中灰度值高于第一预设阈值的区域一，以及选取二维图像中灰度值低于第二预设阈值的区域二，基于图像直方图均衡化对区域一和区域二进行处理。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (8)

1.一种基于图像分析的不动产测绘方法，其特征在于，包括以下步骤：
划定不动产测绘区域，基于双目相机获取所述测绘区域若干个角度的二维图像，所述二维图像均包括左图像和右图像，对所述二维图像进行预处理，对双目相机进行立体标定获取相机参数，基于所述相机参数对预处理后的二维图像进行畸变校正，并对畸变校正后的左图像和右图像进行立体校正；
对立体校正后的左图像和右图像进行初次立体匹配获得初始视差图，再将左图像和右图像对调进行二次立体匹配，若存在像素点在两次立体匹配中获得的匹配像素点不同，则该像素点为遮挡点，否则为有效像素点，选择遮挡点周围的有效像素点对遮挡点进行填充，获得完整的视差图；
获取左图像中和右图像中所有像素点与对应匹配像素点的二维坐标，根据所述二维坐标获取不动产各点的三维坐标，根据所述三维坐标在空间中建立所述不动产的三维模型，将所有二维图像对应的三维模型进行匹配，生成不动产测绘模型。
2.根据权利要求1所述的一种基于图像分析的不动产测绘方法，其特征在于，所述立体匹配的过程为：
将左图像中任一像素点命名为待匹配点，以所述待匹配点为中心建立左窗口Wl，所述左窗口W1的像素大小为v*v，v为正奇数，获取所述左窗口Wl内所有像素点的灰度值，获取所述待匹配点所在极线，沿所述极线根据视差由小到大逐点获取右图像中的右窗口Wr1，Wr2，…，Wrn，n为正整数，所有右窗口均与左窗口Wl像素尺寸相同，分别获取所有右窗口内所有像素点的灰度值，将左窗口Wl依次与所有右窗口进行叠加，分别计算所述左窗口W1与右窗口Wr1，Wr2，…，Wrn中重叠像素点的灰度值的差值，获取所述灰度值的差值的绝对值之和，提取数值最小的所述绝对值之和对应的右窗口，则该右窗口中心像素点为待匹配点的匹配像素点，根据待匹配点与匹配像素点的视差值，建立左图像相对于右图像的初始视差图。
3.根据权利要求2所述的一种基于图像分析的不动产测绘方法，其特征在于，其特征在于，所述立体匹配遮挡点检测的过程为：
将左图像与右图像进行对调，对调后的左右图像进行二次立体匹配，获得右图像相对于左图像的初始视差图，获取对调前初次立体匹配时左图像中的点q与右图像中匹配点q1的视差值d1，获取对调后右图像中点q1与左图像中新匹配点q2的视差值d2，若|d1-d2|>c，c为预设阈值，则点q为无效像素点，标记为遮挡点，否则为有效像素点。
4.根据权利要求3所述的一种基于图像分析的不动产测绘方法，其特征在于，其特征在于，选定所述遮挡点，以所述遮挡点为中心向外等角度发射8条射线，获取每条射线接触的第一个有效像素点，获取8个有效像素点的视差值，提取视差值中的次最小值对遮挡点进行填充，获得完整视差图。
5.根据权利要求1所述的一种基于图像分析的不动产测绘方法，其特征在于，所述立体校正的过程为：
将右图像平面相对于左图像平面的旋转矩阵R分解成两个矩阵Rl和Rr，将左右摄像机各旋转半圈，使得左右摄像机的光轴平行，构造变换矩阵Rrect使得基线与成像平面平行，通过合成旋转矩阵与变换矩阵相乘获得左右摄像机的整体旋转矩阵，左右摄像机坐标系乘以各自的整体旋转矩阵，使左右摄像机的主光轴平行，且成像平面与基线平行。
6.根据权利要求1所述的一种基于图像分析的不动产测绘方法，其特征在于，将所有二维图像对应生成的三维模型进行匹配，选取三维模型之间不重合的区域，获取相同像素点在所有三维模型的坐标值，计算所有像素点坐标值的平均坐标值，将所述平均坐标值作为不动产测绘模型中像素点的最终坐标。
7.根据权利要求1所述的一种基于图像分析的不动产测绘方法，其特征在于，所述双目相机沿不动产侧面间隔固定角度周向进行拍摄，任一角度对应的二维图像均与相邻角度二维图像画面重叠。
8.根据权利要求1所述的一种基于图像分析的不动产测绘方法，其特征在于，所述预处理的过程为选取二维图像中灰度值高于第一预设阈值的区域一，以及选取二维图像中灰度值低于第二预设阈值的区域二，基于图像直方图均衡化对区域一和区域二进行处理。
CN202310262873.9A 2023-03-17 2023-03-17 一种基于图像分析的不动产测绘方法 Pending CN116051613A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310262873.9A CN116051613A (zh) 2023-03-17 2023-03-17 一种基于图像分析的不动产测绘方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310262873.9A CN116051613A (zh) 2023-03-17 2023-03-17 一种基于图像分析的不动产测绘方法

Publications (1)

Publication Number Publication Date
CN116051613A true CN116051613A (zh) 2023-05-02

Family

ID=86133436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310262873.9A Pending CN116051613A (zh) 2023-03-17 2023-03-17 一种基于图像分析的不动产测绘方法

Country Status (1)

Country Link
CN (1) CN116051613A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015024407A1 (zh) * 2013-08-19 2015-02-26 国家电网公司 基于电力机器人的双目视觉导航***及方法
CN110487253A (zh) * 2019-09-18 2019-11-22 机械工业勘察设计研究院有限公司 一种基于多旋翼无人机高精度不动产测量方法
CN114998532A (zh) * 2022-08-05 2022-09-02 中通服建设有限公司 一种基于数字图像重建的三维影像视觉传达优化方法
CN115164769A (zh) * 2022-07-06 2022-10-11 安徽农业大学 一种基于倾斜摄影技术的三维不动产测算方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015024407A1 (zh) * 2013-08-19 2015-02-26 国家电网公司 基于电力机器人的双目视觉导航***及方法
CN110487253A (zh) * 2019-09-18 2019-11-22 机械工业勘察设计研究院有限公司 一种基于多旋翼无人机高精度不动产测量方法
CN115164769A (zh) * 2022-07-06 2022-10-11 安徽农业大学 一种基于倾斜摄影技术的三维不动产测算方法
CN114998532A (zh) * 2022-08-05 2022-09-02 中通服建设有限公司 一种基于数字图像重建的三维影像视觉传达优化方法

Similar Documents

Publication Publication Date Title
CN105225482B (zh) 基于双目立体视觉的车辆检测***和方法
Hirschmuller Stereo processing by semiglobal matching and mutual information
CN113034568B (zh) 一种机器视觉深度估计方法、装置、***
CN111028295A (zh) 一种基于编码结构光和双目的3d成像方法
CN112801074B (zh) 一种基于交通摄像头的深度图估计方法
WO2008029345A1 (en) Method for determining a depth map from images, device for determining a depth map
Zou et al. A method of stereo vision matching based on OpenCV
CN110853151A (zh) 一种基于视频的三维立体点集恢复方法
Remondino 3-D reconstruction of static human body shape from image sequence
CN108876861B (zh) 一种地外天体巡视器的立体匹配方法
CN110458952B (zh) 一种基于三目视觉的三维重建方法和装置
CN117036641A (zh) 一种基于双目视觉的公路场景三维重建与缺陷检测方法
CN112991420A (zh) 一种视差图的立体匹配特征提取及后处理方法
CN113112588A (zh) 基于rgb-d深度相机重建的地下管井三维可视化方法
CN107590444A (zh) 静态障碍物的检测方法、装置及存储介质
CN114998328A (zh) 一种基于机器视觉的工件喷涂缺陷检测方法、***及可读存储介质
CN106023189B (zh) 一种基于匹配优化的光场数据深度重建方法
CN110992463B (zh) 一种基于三目视觉的输电导线弧垂的三维重建方法及***
CN115375745A (zh) 基于偏振微透镜光场影像视差角的绝对深度测量方法
CN113643427A (zh) 一种双目测距及三维重建方法
Ling et al. A dense 3D reconstruction approach from uncalibrated video sequences
CN114998532B (zh) 一种基于数字图像重建的三维影像视觉传达优化方法
CN112637582B (zh) 模糊边缘驱动的单目视频虚拟视图三维模糊表面合成方法
CN110487254B (zh) 一种用于rov的水下目标尺寸快速测量方法
CN112017259A (zh) 一种基于深度相机与热像仪的室内定位与建图方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20230502

RJ01 Rejection of invention patent application after publication