CN105046052A - 一种受限空间内的移动对象最短距离计算方法 - Google Patents
一种受限空间内的移动对象最短距离计算方法 Download PDFInfo
- Publication number
- CN105046052A CN105046052A CN201510348705.7A CN201510348705A CN105046052A CN 105046052 A CN105046052 A CN 105046052A CN 201510348705 A CN201510348705 A CN 201510348705A CN 105046052 A CN105046052 A CN 105046052A
- Authority
- CN
- China
- Prior art keywords
- viewing area
- convex polygon
- bee
- summit
- space
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种受限空间内的移动对象最短距离计算方法，属于计算机空间数据库中的移动对象管理技术领域。本发明通过对室内空间中的障碍物进行建模，计算移动对象进行可视区域。利用将移动对象和障碍空间的边界顶点构建的最大夹角差方法，求出障碍空间中的最佳顶点，并且构建可视区域。在此基础上，本发明利用可视区域，根据移动对象和可视区域的位置关系进行区分，对于在可视区域中的移动对象利用欧式距离计算方法直接进行距离计算；不在可视区域中的移动对象通过构造带权有向图的方法，利用迪杰斯克拉算法，求出移动对象与目标对象之间的最短距离。
Description
技术领域
本发明涉及一种受限空间内的移动对象最短距离计算方法，属于计算机空间数据库中的移动对象管理技术领域。
背景技术
各种普及的智能移动终端、车载导航等，都具备互通互联的功能，并且能够根据GPS、北斗、Bluetooth、RFID等技术实现位置共享。工业界分析师预测，无线、移动终端将超过台式电脑，移动计算技术应运而生。移动计算技术促进了基于位置的服务(LBS)，基于位置的服务也在人们的日常生活中扮演着越来越重要角色，如：智能交通、路径规划和物流追踪等众多领域。基于位置的服务依赖于对移动对象的有效管理。
不同于室外环境，在室内环境下移动对象之间距离相对较小而且对象之间有可能具有障碍物的阻挡，对查询的精度要求更高，因此，不能简单地将距离抽象为两点之间的欧式距离进行近似计算[1]。近年来，针对障碍空间中的移动对象距离计算已经取得了一定的成果，提出了3D几何网络模型(3DGeometricNetworkModel)[2]和基于连通图(AccessibilityBaseGraph)的门模型[3]等，但是这些模型结构只是简单对室内空间进行建模，忽略了移动对象与障碍空间的位置关系，导致没有障碍物阻挡的移动对象也需要通过复杂的计算得到距离，降低了算法的性能。可视区域模型区分了移动对象与障碍空间的位置关系，但是已有的可视区域生成算法(如：多次穿越障碍算法MTO)[6]需要连续扫描，重复穿越障碍空间导致可视区域生成算法效率较低。文献[3]提出基于连通图的室内空间模型，以门作为节点记录各个门之间最短距离，计算两个对象最短距离时，只需找到与目标对象最近的一扇门，将移动对象与门之间的距离和门所记录的距离相加就是两个移动对象之间的最短距离；文献[4]在欧氏空间中提出了确定对象的安全区域概念，所谓安全区域即空间中某一些目标对象结果集对应的一个空间范围，一个室内空间可以有多个安全区域。在安全区域内，查询对象具有相同的最近邻查询结果集。当查询点在某个结果集的安全区域内移动时，不再需要重复查询。因而事先生成安全区域可以节省大量的实时计算开销，但不足之处是对于那些空间位置范围变化较大的移动对象需要不断更新安全区域；文献[5-7]提出可视区域的概念，在可视区域内查询对象与目标对象的之间的最短距离不受障碍空间的影响，但是传统的可视区域算法效率较低。本文利用最大夹角差的方法提高了可视区域算法的效率，便于高效计算移动对象之间的最短距离，确定多目标优化对象的空间属性。
上文中提到的文献来源于如下的期刊：
[1]GuY，YuXN，YuG.MethodforContinuousReverseK-NearestNeighborQueriesinObstructedSpatialDatabases[J].JournalofSoftware，2014，25(8)：1806-1816.
[2]LeeJ.ASpatialAccess-OrientedImplementationofA3-DGisTopologicalDataModelForUrbanEntities[J].GeoInformatica，2004，8(3)：237-264.
[3]LuH，CaoX，JensenCS.AFoundationforEfficientIndoorDistance-AwareQueryProcessing[C]//DataEngineering(ICDE)，2012IEEE28thInternationalConferenceon.IEEE，2012：438-449.
[4]NutanongSarana，ZhangRui，TaninEgemen，KulikLars.TheV*Diagram：AQueryDependentApproachtoMovingKnnQueries//ProceedingsoftheVLDB.Auckland，NewZealand，2008：1095-1106.
[5]GaoY，ZhengB，ChenG，etal.VisibleReverseK-NearestNeighborQueryProcessinginSpatialDatabases[J].KnowledgeandDataEngineering，IEEETransactionson，2009，21(9)：1314-1327.
[6]XuH，LiZ，LuY，etal.GroupVisibleNearestNeighborQueriesinSpatialDatabases[M]//Web-AgeInformationManagement.SpringerBerlinHeidelberg，2010：333-344.
[7]NutanongS，aninE，ZhangR.VisibleNearestNeighborQueries[M]//AdvancesinDatabases：Concepts，SystemsandApplications.SpringerBerlinHeidelberg，2007：876-883.
发明内容
本发明为解决的技术问题：
本发明的目的是提出一种在受限空间内的移动对象抽象模型，以解决移动对象之间的距离计算问题。利用该方法能确定查询对象的可视区域，利用可视区域对移动对象和障碍空间的空间位置关系进行分类。对那些在可视区域中的移动对象直接进行距离计算，那些不在可视区域中的移动对象利用迪杰斯克拉算法进行最短距离计算。
本发明为解决其技术问题采用如下技术方案：
一种受限空间内的移动对象最短距离方法，包括如下步骤：
(1)首先将现实世界中的移动对象建模在二维平面内，将现实世界中的移动对象对应于二维平面上的点，将空间中的障碍物对应于二维平面内的凸多边形；
(2)每一个查询对象p在平面内都有一个“可视区域”与之对应记为VISA(p)，根据目标对象与可视区域的位置关系分为2中情况：一种是目标对象在可视区域内，另外一种是目标对象不可视区域内；
(3)对于在可视区域内的目标对象，这些点与查询点的最短距离就是两者之间的欧式距离。对于不在可视区域内的点，两者之间的最短距离是经过凸多边形的顶点所构建的一条路径所求出的最短距离。
其中确定每一个移动对象的可视区域，包括：
首先基于可以区域的方法，是将查询点与凸多边形的任意两个顶点构建一个夹角差，可视区域的核心思想就是查询点相对于凸多边形的夹角差最大的原则。对于凸多边形的顶点，每次任取2个顶点，与查询点构建一次夹角差，循环去顶点最后得到一个最大的夹角差，记录得到最大夹角差的两个顶点记为最佳顶点。
在进行夹角差的计算时，还包括：
对于查询点和凸多边形的不同位置关系还需要对夹角差进行调整计算，如果查询点在凸多边形的一侧即查询点在位于凸多边形的整体上方或者下方，那么通过夹角差计算出的夹角直接为结果，但是如果查询点不在凸多边形的一侧，就需要进行调整，其中调整方法为180度减去原先的夹角差，得到调整后的夹角差。
一种受限空间内的移动对象最短距离方法，包括以下步骤：
对于在查询点对应的可视区域内的目标对象，两者之间的最短距离就是欧式距离；对于不在可视区域内的目标对象，两者之间求最短距离需要将目标对象与受限空间的顶点连接，顶点所构成的边的长度就是现实世界中两者之间的距离。同理也需要将目标对象与凸多边形的每一个顶点连接，最后构成一幅有向图，图的边长是路径代价，最后根据迪杰斯克拉算法求出查询点与目标对象之间的最短距离，以及在这一条最短路径上所经历的顶点。
本发明采用以上技术方案与现有技术相比，具有以下有益效果：
(1)本发明基于对构建最大夹角差的方法对移动对象可视区域算法进行了改进，提高了算法的效率。
(2)本发明利用移动对象与可视区域的位置关系对移动对象进行分类，改进了已有算法对所有移动对象利用一种距离算法的缺陷。
(3)本发明对于在可视区域的目标对象直接利用两点之间的欧式距离计算；对于不在可视区域的目标对象，利用有向图的方法，基于迪杰斯克拉算法，计算出移动对象之间的最短距离。
附图说明
图1是本发明的原理示意图。其中p是查询点，q1-q10是目标对象点，v1-v5是凸多边形的顶点，整个二维平面是现实空间的建模，阴影部分是查询点p所对应的的可视区域VISA(p)。对于此时的查询点p，与之对应的最佳顶点best_point是v2和v5。
图2是当障碍空间内具有多个障碍物时，需要对每个凸多边形的可视区域求交集得到可视区域。其中S1-S3是障碍空间中的凸多边形，p是查询点，vi是凸多边形的顶点，其中阴影部分就是查询点p对应的可视区域VISA(p)。对于此时的查询点p，与之对应的最佳顶点best_point是S1的v1和S3的v2。
图3是对于凸多边形S1的可视区域示意图，其中凸多边形S1是障碍空间中的障碍物。p是查询点，阴影部分是S1的可视区域。
图4是对于凸多边形S2的可视区域示意图，其中凸多边形S3是障碍空间中的障碍物。p是查询点，阴影部分是S1的可视区域。
图5是对于凸多边形S3的可视区域示意图，其中凸多边形S3是障碍空间中的障碍物。p是查询点，阴影部分是S3的可视区域。
图6是基于有向图的移动对象距离算法示意图。有向图中结点v0-v5是凸多边形的顶点，p是查询点，q是目标对象点。有向图的边长是两结点之间的距离。
图7是移动对象可视区域确定流程图。根据移动对象可视区域的计算过程确定流程图结构。
图8是求夹角差时查询点在凸多边形的上下一侧示意图。其中p是查询点，θ是查询点和顶点之间的连线直接的夹角差，因为此时p在凸多边形的下方，所以无需调整夹角差。
图9是求夹角差时查询点不在凸多边形的上下一侧示意图。其中p是查询点，θ′是查询点和顶点之间的连线直接的夹角差，因为此时p不在凸多边形的上方或者下方，所以需调整夹角差，根据θ＝180°-θ′得到新的夹角差。
具体实施方式
下面结合附图对本发明创造做进一步详细说明。
对于受限空间的移动对象之间的空间距离，因为不同于室外情况，室内空间中的空间结构更加复杂，而且移动对象之间的相对空间距离更加小。如果用传统的两点之间的欧式距离替代移动对象之间的距离，那么由此产生的误差便很大。而且在受限空间中，移动对象之间往往有障碍物的阻挡，彼此之间的最短距离需要绕过受限空间。本发明基于查询对象和障碍空间的顶点构建最大夹角差的思想，给每一个移动对象确定一个可视区域，目标对象根据是否在可视区域，分为2中情况，分别有不同的方法来计算。
区分目标对象与可视区域的位置关系如图1所示，每一个移动对象查询点都有一个VISA(p)，对于那些不在可视区域中的目标对象，它和移动对象查询点之间的最短距离就是两点之间的欧式距离；对于那些不在可视区域中的目标对象，移动对象查询点与目标对象之间的最短距离需要构建一个有向图。其中保留受限空间的凸多边形，另外将查询点连接凸多边形的每一个顶点，其中边的距离就是查询点与受限空间顶点的距离。同样，将目标对象和凸多边形的每一个顶点构建一条边。基于这样的一个有向图，利用迪杰斯克拉算法，求出移动对象与目标对象之间的最短距离如图6所示。在查询中还可以查询出，这条最短路径所经过的那些受限空间的顶点。此最短路径的起点是移动对象查询点，终点是目标对象。通过上述的算法就可以求出，在受限空间中的移动对象之间最短距离。对于在障碍空间中如果只有一个障碍物的阻挡，那么就如图1直接对凸多边形进行求可视区域，然后计算移动对象之间的最短距离。反之如果在障碍空间中有多个凸多边形如图2所示，那么此时就需要对每一个凸多边形进行求可视区域然后对每一个凸多边形的可视区域求交集。如图2中，在障碍空间中有S1，S2，S3三个障碍物，此时分别对S1-S3求可视区域得到VISA(S1)，VISA(S2)，VISA(S3)，然后对于整个查询空间来说，此时VISA(P)＝VISA(S1)∩VISA(S2)∩VISA(S3)。
下面通过说明书附图对各实施例对本发明进行说明。
1)实施例一
本发明的实施例一介绍了一种移动对象可视区域确定的方法，具体步骤流程如图3所示，包括：
A、将现实世界中的移动对象和受限空间抽象在二维平面上；
B、判断所有顶点对是否都取过，如果没有执行步骤C，反之则执行步骤F；
C、在凸多边形中任取两个顶点，与查询点构建两条直线；
D、计算两条直线与x轴方向的夹角差，判断是否需要调整夹角，如果需要执行步骤E；
E、将用180°减去原夹角差取得新的夹角差；
F、在所有取得的夹角差中找出最大夹角差的值，并记录此时凸多边形的顶点，记为最佳顶点；
G查询点与最佳顶点之间的连线与平面的边界线构成的区域即为该查询点的可视区域。
2)实施例二
本发明的实施例二如图8所示，展示了当移动对象查询点在凸多边形上方或者下方时，直接计算两者之间的夹角差具体步骤如下所示：
A、任取受限空间对应的凸多边形的两点顶点记为a和b；
B、移动对象p与顶点a之间构建一个直线，求出该直线与x轴形成的夹角；
C、移动对象p与顶点b之间构建一个直线，求出该直线与x轴形成的夹角；
D、求出两个夹角之间的差值记为θ；
E、保存移动查询点p与顶点之间的夹角差。
2)实施例三
本发明的实施例三如图9所示，展示了当移动对象查询点不在凸多边形上方或者下方时，两者之间所取得的夹角差时需要调整的具体步骤如下所示：
A、任取受限空间对应的凸多边形的两点顶点记为a和b；
B、移动对象p与顶点a之间构建一个直线，求出该直线与x轴形成的夹角；
C、移动对象p与顶点b之间构建一个直线，求出该直线与x轴形成的夹角；
D、求出两个夹角之间的差值记为θ；
E、用180°减去θ得到最新的夹角差；
F、保存移动查询点p与顶点之间的夹角差。
Claims (4)
1.一种障碍空间的内移动对象最短距离方法，其特征在于包括如下步骤：
(1)首先将现实世界中的移动对象建模在二维平面内，将现实世界中的移动对象对应于二维平面上的点，将空间中的障碍物对应于二维平面内的凸多边形；
(2)每一个查询对象p在平面内都有一个“可视区域”与之对应记为VISA(p)，根据目标对象与可视区域的位置关系分为2中情况：一种是目标对象在可视区域内，另外一种是目标对象不可视区域内；
(3)对于在可视区域内的目标对象，这些点与查询点的最短距离就是两者之间的欧式距离。对于不在可视区域内的点，两者之间的最短距离是经过凸多边形的顶点所构建的一条路径所求出的最短距离。
2.如权利要求1的一种障碍空间内的移动对象最短距离方法，其特征要确定每一个移动对象的可视区域，包括：
首先基于可以区域的方法，是将查询点与凸多边形的任意两个顶点构建一个夹角差，可视区域的核心思想就是查询点相对于凸多边形的夹角差最大的原则。对于凸多边形的顶点，每次任取2个顶点，与查询点构建一次夹角差，循环去顶点最后得到一个最大的夹角差，记录得到最大夹角差的两个顶点记为最佳顶点。
3.如权利要求2所述的一种障碍空间内的移动对象最短距离方法，其特征在于，在计算夹角差时，还包括：
对于查询点和凸多边形的不同位置关系还需要对夹角差进行调整计算，如果查询点在凸多边形的一侧即查询点在位于凸多边形的整体上方、下方、左边或者右边，那么通过夹角差计算出的夹角直接为结果，但是如果查询点不在凸多边形的一侧，就需要进行调整，其中调整方法为180度减去原先的夹角差，得到调整后的夹角差。
4.一种障碍空间的移动对象最短距离方法，其特征在于，包括以下步骤：
对于在查询点对应的可视区域内的目标对象，两者之间的最短距离就是欧式距离；对于不在可视区域内的目标对象，两者之间求最短距离需要将目标对象与障碍空间的顶点连接，顶点所构成的边的长度就是现实世界中两者之间的距离。同理也需要将目标对象与凸多边形的每一个顶点连接，最后构成一幅有向图，图的边长是路径代价，最后根据迪杰斯克拉算法求出查询点与目标对象之间的最短距离，以及在这一条最短路径上所经历的顶点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510348705.7A CN105046052B (zh) | 2015-06-19 | 2015-06-19 | 一种受限空间内的移动对象最短距离计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510348705.7A CN105046052B (zh) | 2015-06-19 | 2015-06-19 | 一种受限空间内的移动对象最短距离计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105046052A true CN105046052A (zh) | 2015-11-11 |
| CN105046052B CN105046052B (zh) | 2018-04-06 |
Family
ID=54452592
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510348705.7A Active CN105046052B (zh) | 2015-06-19 | 2015-06-19 | 一种受限空间内的移动对象最短距离计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105046052B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105512344A (zh) * | 2016-01-19 | 2016-04-20 | 中国地质大学（武汉） | 一种室内移动对象相对位置的查询方法 |
| CN106197419A (zh) * | 2016-06-23 | 2016-12-07 | 北京建筑大学 | 顾及障碍物和子空间剖分的室内导航方法及系统 |
| CN109974725A (zh) * | 2017-12-28 | 2019-07-05 | 北京三快在线科技有限公司 | 一种路网拓扑构建方法、导航路径计算方法及装置 |
| CN111240334A (zh) * | 2020-01-18 | 2020-06-05 | 山东交通学院 | 一种船舶航行自动避碰航路规划方法及模型 |
| CN112362073A (zh) * | 2020-10-20 | 2021-02-12 | 武汉大学 | 一种基于凸包特征的导航路径建模及最短路径求解方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521328A (zh) * | 2011-12-06 | 2012-06-27 | 上海京颐信息科技有限公司 | 室内定位系统中轨迹回放功能的优化方法 |
| CN103267526A (zh) * | 2013-05-24 | 2013-08-28 | 北京邮电大学 | 一种室内导航方法及系统 |
| CN104457775A (zh) * | 2014-12-12 | 2015-03-25 | 北京航天宏图信息技术有限责任公司 | 路径确定方法、装置和导航仪 |
-
2015
- 2015-06-19 CN CN201510348705.7A patent/CN105046052B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521328A (zh) * | 2011-12-06 | 2012-06-27 | 上海京颐信息科技有限公司 | 室内定位系统中轨迹回放功能的优化方法 |
| CN103267526A (zh) * | 2013-05-24 | 2013-08-28 | 北京邮电大学 | 一种室内导航方法及系统 |
| CN104457775A (zh) * | 2014-12-12 | 2015-03-25 | 北京航天宏图信息技术有限责任公司 | 路径确定方法、装置和导航仪 |
Non-Patent Citations (2)
| Title |
|---|
| 庞博等: "权重感知的三维室内无线传感器网络部署算法", 《计算机科学》 * |
| 杨泽雪等: "空间数据库中连续可视反向最近邻查询", 《西南交通大学学报》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105512344A (zh) * | 2016-01-19 | 2016-04-20 | 中国地质大学（武汉） | 一种室内移动对象相对位置的查询方法 |
| CN106197419A (zh) * | 2016-06-23 | 2016-12-07 | 北京建筑大学 | 顾及障碍物和子空间剖分的室内导航方法及系统 |
| CN106197419B (zh) * | 2016-06-23 | 2019-01-15 | 北京建筑大学 | 顾及障碍物和子空间剖分的室内导航方法及系统 |
| CN109974725A (zh) * | 2017-12-28 | 2019-07-05 | 北京三快在线科技有限公司 | 一种路网拓扑构建方法、导航路径计算方法及装置 |
| CN109974725B (zh) * | 2017-12-28 | 2022-03-08 | 北京三快在线科技有限公司 | 一种路网拓扑构建方法、导航路径计算方法及装置 |
| CN111240334A (zh) * | 2020-01-18 | 2020-06-05 | 山东交通学院 | 一种船舶航行自动避碰航路规划方法及模型 |
| CN111240334B (zh) * | 2020-01-18 | 2023-06-23 | 山东交通学院 | 一种船舶航行自动避碰航路规划方法及模型 |
| CN112362073A (zh) * | 2020-10-20 | 2021-02-12 | 武汉大学 | 一种基于凸包特征的导航路径建模及最短路径求解方法 |
| CN112362073B (zh) * | 2020-10-20 | 2022-07-05 | 武汉大学 | 一种基于凸包特征的导航路径建模及最短路径求解方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105046052B (zh) | 2018-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3271748B1 (en) | Guided geometry extraction for localization of a device | |
| CN105046052A (zh) | 一种受限空间内的移动对象最短距离计算方法 | |
| WO2021022615A1 (zh) | 机器人探索路径生成方法、计算机设备和存储介质 | |
| CN110531770B (zh) | 一种基于改进的rrt路径规划方法和系统 | |
| WO2018121448A1 (zh) | 移动机器人的拓扑地图创建方法、导航方法、可编程设备及计算机可读介质 | |
| US10145956B2 (en) | Geometric fingerprinting for localization of a device | |
| US10028102B2 (en) | Localization of a device using multilateration | |
| CN109144072A (zh) | 一种基于三维激光的机器人智能避障方法 | |
| US9792521B2 (en) | Extracting feature geometries for localization of a device | |
| WO2012086029A1 (ja) | 自律移動システム | |
| US11960028B2 (en) | Determining specular reflectivity characteristics using LiDAR | |
| US9803985B2 (en) | Selecting feature geometries for localization of a device | |
| Weng et al. | Pole-based real-time localization for autonomous driving in congested urban scenarios | |
| CN105258702A (zh) | 一种基于slam导航移动机器人的全局定位方法 | |
| CN108981701A (zh) | 一种基于激光slam的室内定位和导航方法 | |
| CN106681331A (zh) | 一种基于测地线理论的栅格路径规划方法 | |
| Schadler et al. | Rough terrain 3D mapping and navigation using a continuously rotating 2D laser scanner | |
| US20220101534A1 (en) | Sidewalk edge finder device, system and method | |
| CN115143980A (zh) | 基于剪枝Voronoi图的增量式拓扑地图构建方法 | |
| CN104776968A (zh) | 一种多关节模型穿透深度的计算方法 | |
| CN103926611A (zh) | 一种实时室内定位数据优化方法 | |
| Fang et al. | Self-localization of intelligent vehicles based on environmental contours | |
| Zhang et al. | A Robot Navigation System in Complex Terrain Based on Statistical Features of Point Clouds | |
| Guo et al. | Research on the mobile robots intelligent path planning based on ant colony algorithm application in manufacturing logistics | |
| Zhu et al. | Edge-Cloud Based Vehicle SLAM for Autonomous Indoor Map Updating |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Li Bohan Inventor after: Zhang Chao Inventor after: Chen Chuanjie Inventor after: Chen Zifei Inventor after: Xu Guozhao Inventor after: Zhang Qiqian Inventor after: Qin Xiaolin Inventor before: Li Bohan Inventor before: Zhang Chao Inventor before: Qin Xiaolin Inventor before: Li Dongjing Inventor before: Wang Xiaoyi Inventor before: Xia Bin |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |