[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN118392202A - 一种全局最优路径规划方法、电子设备及介质 - Google Patents

一种全局最优路径规划方法、电子设备及介质 Download PDF

Info

Publication number
CN118392202A
CN118392202A CN202410429392.7A CN202410429392A CN118392202A CN 118392202 A CN118392202 A CN 118392202A CN 202410429392 A CN202410429392 A CN 202410429392A CN 118392202 A CN118392202 A CN 118392202A
Authority
CN
China
Prior art keywords
lane
road
global
cost
path planning
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
CN202410429392.7A
Other languages
English (en)
Inventor
周明明
乔恩科
赵洋
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.)
BAIC Motor Co Ltd
Original Assignee
BAIC Motor Co Ltd
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 BAIC Motor Co Ltd filed Critical BAIC Motor Co Ltd
Priority to CN202410429392.7A priority Critical patent/CN118392202A/zh
Publication of CN118392202A publication Critical patent/CN118392202A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种全局最优路径规划方法、电子设备及介质。该方法可以包括：导航模块接收任务信息，通过地图信息进行道路级全局路径规划，获得有向道路编号集；提取有向道路编号集中道路编号对应的所有车道信息，构建车道级全局路径；提取导航路径，循环获取后继车道，直到到达最后一条规划道路或者长度满足提路长度要求。本发明根据全局静态地图以及业务层下发的起点和终点信息，以最短距离和通过路口数量的为代价，进行道路级全局路径和车道级全局路径设计，规划出一条代价值最小的全局路径，满足无人车应对复杂环境的需求。

Description

一种全局最优路径规划方法、电子设备及介质
技术领域
本发明涉及路径规划领域，更具体地，涉及一种全局最优路径规划方法、电子设备及介质。
背景技术
路径规划是依据某种特定的优化策略(比如代价最小，规划时间最短，寻路最短等)在保证能避开障碍物的前提下，找到从起始点到目标点的最优路径。面对环境地图的复杂多变，无人车需要的路径规划算法应具有应对复杂环境变化的能力，同时降低时间成本，单一算法往往很难适用于不同的环境。
目前尚需开发一种全局最优路径规划方法。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提出了一种全局最优路径规划方法、电子设备及介质，其能够根据全局静态地图以及业务层下发的起点和终点信息，以最短距离和通过路口数量的为代价，进行道路级全局路径和车道级全局路径设计，规划出一条代价值最小的全局路径，满足无人车应对复杂环境的需求。
第一方面，本公开实施例提供了一种全局最优路径规划方法，包括：
导航模块接收任务信息，通过地图信息进行道路级全局路径规划，获得有向道路编号集；
提取所述有向道路编号集中道路编号对应的所有车道信息，构建车道级全局路径；
提取导航路径，循环获取后继车道，直到到达最后一条规划道路或者长度满足提路长度要求。
优选地，所述任务信息包括起点信息和终点信息。
优选地，所述道路级全局路径规划包括：
以道路为节点，起点所在道路为起点，道路长度和通过路口数量为代价值，根据道路中车道的拓扑关系判断道路的连通关系，采用Astar算法，构建从起点到终点的有向道路拓扑关系，规划一条代价值最小的道路级全局路径，获得所述有向道路编号集。
优选地，所述Astar算法为：
f(n)＝g(n)+h(n)
其中，函数f(n)是节点n的当前代价值，函数g(n)是从初始节点到当前节点n的实际代价值，h(n)是启发函数，为当前节点n到目标节点最短路径的估计代价。
优选地，构建车道级全局路径包括：
以所有车道信息的每一条车道为节点，根据车道拓扑关系，以换道代价最小为约束条件，构建车道级全局路径。
优选地，换道代价赋值规则为：
将提取的每一条车道作为节点，如果节点间存在前序后继关系，则代价值为0；如果节点间存在同向平行关系且为虚线换道，则代价值为10；如果节点类型为转弯，则代价值为2。
优选地，构建车道级全局路径包括：
以最后停靠车道为起点，通过Dijkstra算法向前搜索，搜索至当前车道，如果存在相邻车道属于同一道路，则选取能够到达下级搜索车道的作为当前道路下的推荐车道。
优选地，所述Dijkstra算法为：
计算每一个节点距离起点的总移动代价，建立优先队列；
对于所有待遍历的节点，放入所述优先队列中会按照代价进行排序；
在算法运行的过程中，每次都从所述优先队列中选出代价最小的作为下一个遍历的节点，直到到达终点为止。
第二方面，本公开实施例还提供了一种电子设备，该电子设备包括：
存储器，存储有可执行指令；
处理器，所述处理器运行所述存储器中的所述可执行指令，以实现所述的全局最优路径规划方法。
第三方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现所述的全局最优路径规划方法。
本发明的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施例中，相同的参考标号通常代表相同部件。
图1示出了全局最优路径规划方法的步骤的流程图。
图2示出了根据本发明的一个实施例的全局最优路径规划方法的步骤的流程图。
图3示出了根据本发明的一个实施例的车道示例的示意图。
具体实施方式
下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
为便于理解本发明实施例的方案及其效果，以下给出三个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。
实施例1
图1示出了根据全局最优路径规划方法的步骤的流程图。
如图1所示，该全局最优路径规划方法包括：步骤101，导航模块接收任务信息，通过地图信息进行道路级全局路径规划，获得有向道路编号集；步骤102，提取有向道路编号集中道路编号对应的所有车道信息，构建车道级全局路径；步骤103，提取导航路径，循环获取后继车道，直到到达最后一条规划道路或者长度满足提路长度要求。
在一个示例中，任务信息包括起点信息和终点信息。
在一个示例中，道路级全局路径规划包括：
以道路为节点，起点所在道路为起点，道路长度和通过路口数量为代价值，根据道路中车道的拓扑关系判断道路的连通关系，采用Astar算法，构建从起点到终点的有向道路拓扑关系，规划一条代价值最小的道路级全局路径，获得有向道路编号集。
在一个示例中，Astar算法为：
f(n)＝g(n)+h(n)
其中，函数f(n)是节点n的当前代价值，函数g(n)是从初始节点到当前节点n的实际代价值，h(n)是启发函数，为当前节点n到目标节点最短路径的估计代价。
在一个示例中，构建车道级全局路径包括：
以所有车道信息的每一条车道为节点，根据车道拓扑关系，以换道代价最小为约束条件，构建车道级全局路径。
在一个示例中，换道代价赋值规则为：
将提取的每一条车道作为节点，如果节点间存在前序后继关系，则代价值为0；如果节点间存在同向平行关系且为虚线换道，则代价值为10；如果节点类型为转弯，则代价值为2。
在一个示例中，构建车道级全局路径包括：
以最后停靠车道为起点，通过Dijkstra算法向前搜索，搜索至当前车道，如果存在相邻车道属于同一道路，则选取能够到达下级搜索车道的作为当前道路下的推荐车道。
在一个示例中，Dijkstra算法为：
计算每一个节点距离起点的总移动代价，建立优先队列；
对于所有待遍历的节点，放入优先队列中会按照代价进行排序；
在算法运行的过程中，每次都从优先队列中选出代价最小的作为下一个遍历的节点，直到到达终点为止。
具体地，本方案需要的设备：高精地图、组合惯导、自动驾驶车辆。
高精地图：提供道路编号、道路边界、车道数量、路口编号、路口边界、车道编号、车道线类型、车道边界、车道类型、车道拓扑关系、红绿灯信息等。
组合惯导：提供自动驾驶车辆的定位信息。
任务信息：提供起点、终点信息。
图2示出了根据本发明的一个实施例的全局最优路径规划方法的步骤的流程图。
如图2所示，导航模块接收任务信息提供的起点和终点，以及高精地图信息，做道路级全局路径规划。以道路为节点，起点所在道路为起点，道路长度和通过路口数量为代价值，根据道路中车道的拓扑关系判断道路的连通关系，采用Astar算法，构建从起点到终点的有向道路拓扑关系，规划一条代价值最小的道路级全局路径，保存有向道路编号集。道路长度越短，通过路口数量越少，代价值越低。道路长度选取规则为：同向平行道路中最左侧车道的长度。Astar算法为：
f(n)＝g(n)+h(n)
其中，函数f(n)是节点n的当前代价值，函数g(n)是从初始节点到当前节点n的实际代价值，h(n)是启发函数，为当前节点n到目标节点最短路径的估计代价，是一个预测值。此外通过对h(n)，g(n)两个函数值相加求代价函数大小时，两个函数值必须使用相同的距离衡量单位。
提取有向道路编号集中道路编号对应的所有车道信息，以每一条车道为节点，根据车道拓扑关系，换道代价最小为约束条件，构建车道级全局路径。
为能够最终到达终点道路最右侧车道，搜索时以最后停靠车道为起点，通过Dijkstra算法向前搜索，搜索至起点车道(车辆所在车道)，如果存在相邻车道属于同一道路，则选取能够到达下级搜索车道的作为当前道路下的推荐车道。环岛车道比较特殊，根据交通规则如果进入环岛和出环岛路口不相邻，那么进入环岛后应该先向环岛内并道，因此校验如果存在两条相邻规划车道都是环岛车道，那么选择靠近左侧的车道作为推荐车道。
车道代价值赋值规则：将提取的每一条车道作为节点，如果节点间存在前序后继关系，则代价值为0；如果节点间存在同向平行关系且为虚线换道，则代价值为10(可标定)；如果节点类型为转弯，则代价值为2(可标定)。
Dijkstra算法中，需要计算每一个节点距离起点的总移动代价。同时，还需要一个优先队列结构。对于所有待遍历的节点，放入优先队列中会按照代价进行排序。在算法运行的过程中，每次都从优先队列中选出代价最小的作为下一个遍历的节点。直到到达终点为止。
导航路径按照“三车道”模型进行提取，将车辆当前所处车道及其后续一定路径长度内的、属于道路规划结果的车道作为“三车道”模型中的当前导航车道，当前车道左侧的车道作为“三车道”模型中的左侧导航车道，当前车道右侧的车道作为“三车道”模型中的右侧导航车道。循环获取后继车道，直到到达最后一条规划道路或者长度满足提路长度要求。
提取的路径信息周期性发给决策规划模块，作为判断车辆驾驶意图和局部路径规划的重要参考。
图3示出了根据本发明的一个实施例的车道示例的示意图。
如图3所示，若车辆从4站点A到达5站点B，根据本方案使用的算法最终计算的路线为(1_1_-2—2_1_-2—3_1_-2—4_1_-2—4_1_-1—5_1_-1—6_1_-1—6_1_-2—7_1_-1—8_1_-1—8_1_-2—8_1_-3—9_1_-2)，则路线中经过了1个路口，代价为5(可标定)，即总代价为5，(3_1_-2—4_1_-2)为前序后继关系，代价值为0，所以车到站点A的代价为0；(4_1_-2—4_1_-1)为同方向虚线换道，代价为10，所以路线中总换道次数4次，总的换道代价为40；(6_1_-2—7_1_-1—8_1_-1)为转弯，代价值为2，所以路线中总转弯2次，总的转弯代价为4；(4_1_-1—5_1_-1—6_1_-1)为掉头，本方案中暂不考虑。因此，车辆从4站点A到达5站点B总代价为59(5+0+10+40+4)。
实施例2
本公开提供一种电子设备，该电子设备包括：存储器，存储有可执行指令；处理器，处理器运行存储器中的可执行指令，以实现上述全局最优路径规划方法。
根据本公开实施例的电子设备包括存储器和处理器。
该存储器用于存储非暂时性计算机可读指令。具体地，存储器可以包括一个或多个计算机程序产品，该计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
该处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制电子设备中的其它组件以执行期望的功能。在本公开的一个实施例中，该处理器用于运行该存储器中存储的该计算机可读指令。
本领域技术人员应能理解，为了解决如何获得良好用户体验效果的技术问题，本实施例中也可以包括诸如通信总线、接口等公知的结构，这些公知的结构也应包含在本公开的保护范围之内。
有关本实施例的详细说明可以参考前述各实施例中的相应说明，在此不再赘述。
实施例3
本公开实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现所述的全局最优路径规划方法。
根据本公开实施例的计算机可读存储介质，其上存储有非暂时性计算机可读指令。当该非暂时性计算机可读指令由处理器运行时，执行前述的本公开各实施例方法的全部或部分步骤。
上述计算机可读存储介质包括但不限于：光存储介质(例如：CD－ROM和DVD)、磁光存储介质(例如：MO)、磁存储介质(例如：磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如：存储卡)和具有内置ROM的媒体(例如：ROM盒)。
本领域技术人员应理解，上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果，并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。

Claims (10)

1.一种全局最优路径规划方法，其特征在于，包括：
导航模块接收任务信息，通过地图信息进行道路级全局路径规划，获得有向道路编号集；
提取所述有向道路编号集中道路编号对应的所有车道信息，构建车道级全局路径；
提取导航路径，循环获取后继车道，直到到达最后一条规划道路或者长度满足提路长度要求。
2.根据权利要求1所述的全局最优路径规划方法，其中，所述任务信息包括起点信息和终点信息。
3.根据权利要求1所述的全局最优路径规划方法，其中，所述道路级全局路径规划包括：
以道路为节点，起点所在道路为起点，道路长度和通过路口数量为代价值，根据道路中车道的拓扑关系判断道路的连通关系，采用Astar算法，构建从起点到终点的有向道路拓扑关系，规划一条代价值最小的道路级全局路径，获得所述有向道路编号集。
4.根据权利要求3所述的全局最优路径规划方法，其中，所述Astar算法为：
f(n)＝g(n)+h(n)
其中，函数f(n)是节点n的当前代价值，函数g(n)是从初始节点到当前节点n的实际代价值，h(n)是启发函数，为当前节点n到目标节点最短路径的估计代价。
5.根据权利要求1所述的全局最优路径规划方法，其中，构建车道级全局路径包括：
以所有车道信息的每一条车道为节点，根据车道拓扑关系，以换道代价最小为约束条件，构建车道级全局路径。
6.根据权利要求5所述的全局最优路径规划方法，其中，换道代价赋值规则为：
将提取的每一条车道作为节点，如果节点间存在前序后继关系，则代价值为0；如果节点间存在同向平行关系且为虚线换道，则代价值为10；如果节点类型为转弯，则代价值为2。
7.根据权利要求5所述的全局最优路径规划方法，其中，构建车道级全局路径包括：
以最后停靠车道为起点，通过Dijkstra算法向前搜索，搜索至当前车道，如果存在相邻车道属于同一道路，则选取能够到达下级搜索车道的作为当前道路下的推荐车道。
8.根据权利要求7所述的全局最优路径规划方法，其中，所述Dijkstra算法为：
计算每一个节点距离起点的总移动代价，建立优先队列；
对于所有待遍历的节点，放入所述优先队列中会按照代价进行排序；
在算法运行的过程中，每次都从所述优先队列中选出代价最小的作为下一个遍历的节点，直到到达终点为止。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，存储有可执行指令；
处理器，所述处理器运行所述存储器中的所述可执行指令，以实现权利要求1-8中任一项所述的全局最优路径规划方法。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-8中任一项所述的全局最优路径规划方法。
CN202410429392.7A 2024-04-10 2024-04-10 一种全局最优路径规划方法、电子设备及介质 Pending CN118392202A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410429392.7A CN118392202A (zh) 2024-04-10 2024-04-10 一种全局最优路径规划方法、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410429392.7A CN118392202A (zh) 2024-04-10 2024-04-10 一种全局最优路径规划方法、电子设备及介质

Publications (1)

Publication Number Publication Date
CN118392202A true CN118392202A (zh) 2024-07-26

Family

ID=92006452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410429392.7A Pending CN118392202A (zh) 2024-04-10 2024-04-10 一种全局最优路径规划方法、电子设备及介质

Country Status (1)

Country Link
CN (1) CN118392202A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118587039A (zh) * 2024-08-05 2024-09-03 太湖能谷(杭州)科技有限公司 一种智慧化补能平台及补能方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118587039A (zh) * 2024-08-05 2024-09-03 太湖能谷(杭州)科技有限公司 一种智慧化补能平台及补能方法

Similar Documents

Publication Publication Date Title
US11733058B2 (en) Methods and systems for generating parking routes
US20090125229A1 (en) Corridor mapping with alternative routes
CN110530393A (zh) 车道级路径规划方法、装置、电子设备及可读存储介质
US20180149488A1 (en) Guide route setting apparatus and guide route setting method
EP2169502A1 (en) System for integrating dynamically observed and static information for route planning in a graph based planner
US20080120022A1 (en) Method and Device for Determining a Route with Points of Interest
CN113985871A (zh) 泊车路径规划方法、泊车路径规划装置、车辆及存储介质
JP2008039480A (ja) 経路探索装置
EP3674665B1 (en) Route planning algorithm for efficiently searching through meaningful links within a defined topology
CN113532448B (zh) 一种自动驾驶车辆的导航方法及其系统、驾驶控制设备
WO2016103921A1 (ja) 情報処理装置
CN118392202A (zh) 一种全局最优路径规划方法、电子设备及介质
JP2015021836A (ja) ナビゲーション装置、経路計算装置
WO2010109762A1 (ja) ナビゲーションシステム、ナビゲーション方法、ナビゲーション方法を実行するためのコンピュータプログラム及びそのコンピュータプログラムを記録した記録媒体
CN113157842A (zh) 一种地图生成方法、装置、电子设备及可读存储介质
CN114485706A (zh) 一种路线规划方法、装置、存储介质及电子设备
JP6912859B2 (ja) 地図更新装置、地図更新方法、コンピュータプログラム及びコンピュータプログラムを記録した記録媒体
CN113701774A (zh) 推荐车道突变的路径规划方法和装置
CN112346480A (zh) 一种室内无人机及其控制方法、计算机可读存储介质
CN113778102B (zh) Avp全局路径规划系统、方法、车辆及存储介质
CN114910083B (zh) 定位方法以及定位装置、电子设备、存储介质
JP2001027544A (ja) パーソナルナビゲーション装置及びこれに利用される記憶媒体
JP5576161B2 (ja) 経路探索装置
JP4677767B2 (ja) ナビゲーション装置及び情報提示方法
CN113052350A (zh) 一种路径规划方法、装置、电子设备及存储介质

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