CN106503698B - 一种信号交叉口排队车辆静态间距快速测算方法 - Google Patents

一种信号交叉口排队车辆静态间距快速测算方法 Download PDF

Info

Publication number
CN106503698B
CN106503698B CN201611119095.4A CN201611119095A CN106503698B CN 106503698 B CN106503698 B CN 106503698B CN 201611119095 A CN201611119095 A CN 201611119095A CN 106503698 B CN106503698 B CN 106503698B
Authority
CN
China
Prior art keywords
license plate
image
signalized intersections
video equipment
static 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.)
Active
Application number
CN201611119095.4A
Other languages
English (en)
Other versions
CN106503698A (zh
Inventor
郑来
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.)
Heilongjiang Industrial Technology Research Institute Asset Management Co ltd
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201611119095.4A priority Critical patent/CN106503698B/zh
Publication of CN106503698A publication Critical patent/CN106503698A/zh
Application granted granted Critical
Publication of CN106503698B publication Critical patent/CN106503698B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • 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)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

一种信号交叉口排队车辆静态间距快速测算方法，本发明涉及信号交叉口排队车辆静态间距快速测算方法。本发明为了解决现有技术存在测距设备要求较高、测距模型较复杂及计算效率较低的问题。本发明步骤为：步骤一：根据选择的车载视频设备及安装高度，确定车辆间距测量参数；步骤二：对车载视频设备拍摄的视频进行视频图像预处理；步骤三：对步骤二预处理后的图像进行车牌定位及车牌分割；步骤四：根据步骤三计算现实空间中车牌底部距地面的高度；步骤五：根据步骤四并结合测距模型，计算信号交叉口排队车辆静态间距。本发明属于交通工程领域，可应用于信号控制交叉口的排队车辆长度计算和通行能力确定以及车辆个体驾驶行为分析。

Description

一种信号交叉口排队车辆静态间距快速测算方法
技术领域
本发明涉及信号交叉口排队车辆静态间距快速测算方法。
背景技术
信号交叉口是典型的间断流设施，其范围内的车辆始终包含停止和运行两种状态。信号交叉口排队车辆静态间距是指当前车辆停止等候红灯时与前车保持的空间间隔，特指前车车尾至当前车车头的距离。静态间距在一定程度上反映了停止之前车辆间的相互作用，对信号交叉口的通行效率和安全状况均有重要的影响。
现阶段信号交叉口排队车辆静态间距测量方法主要有两种：一种是基于车头时距的转换方法。由于车头时距的测量较为容易，一般可根据启动阶段相邻两车的车头时距和后车的速度及长度计算车辆之间的空间间隔。这种方法涉及到对后车速度的估计以及车辆长度假设，使用局限性较大且精度难以保证；另一种是基于视频定点拍摄的测量方法，即通过视频记录的某一交叉口的交通运行状况，进而截取红灯期间的图像来测算车辆之间的空间间隔。这种方法实施容易，但受拍摄位置、拍摄角度及天气状况的影响较大，精度较低。此外，该方法主要适用于定点观测，无法应用于针对车辆个体的连续观测。
总体来看，现阶段的技术应用存在着测距设备要求较高、测距模型较复杂、计算效率较低等问题。
发明内容
本发明是为了解决现有技术存在测距设备要求较高、测距模型较复杂及计算效率较低的问题，而提出的一种信号交叉口排队车辆静态间距快速测算方法。
一种信号交叉口排队车辆静态间距快速测算方法按以下步骤实现：
步骤一：根据选择的车载视频设备及安装高度，确定车辆间距测量参数；
步骤二：对车载视频设备拍摄的视频进行视频图像预处理；
步骤三：对步骤二预处理后的图像进行车牌定位及车牌分割；
步骤四：根据步骤三计算现实空间中车牌底部距地面的高度；
步骤五：根据步骤四并结合测距模型，计算信号交叉口排队车辆静态间距。
发明效果：
本发明主要是借助于计算机单目视觉技术进行信号交叉口排队车辆的静态间距测算，该技术在车辆间距估计方面有了较多的应用。
1、本发明提供了一种非人工的信号交叉口静态间距测量技术，且该测量技术具有较高的测量精度。在测距试验在2.0～6.5m范围内每隔0.5m拍摄取样，结果表明所建立的测距模型的总体精度较高，平均相对误差仅为5.31％，具体如表1所示。
表1模型测量距离与实际距离对比表
2、本发明只需要对车载视频设备的安装参数进行简单的一次标定，就可以借助图像处理软件(如Matlab)快速获取某一车辆个体在一系列信号交叉口中的静态间距，在常用计算机(Intel Core i7处理器，4G内存)上平均每幅图像的处理时间小于1.0s。
3、本发明提出了一种针对个体车辆信号交叉口静态间距连续观测的技术手段，为分析现实环境下驾驶员在信号交叉口的静态间距保持规律以及判断驾驶员的驾驶行为特性(激进型、温和型或保守型)提供了便捷、可靠的技术支撑。
4、应用本发明测得的精度较高的信号交叉口排队车辆静态间距，可以为交叉口车辆排队长度、交叉口通行能力、交叉口安全状况分析提供数据支撑。
附图说明
图1为现实空间与图像空间映射关系示意图；
图2为测距基本原理示意图；
图3为视频图像预处理流程图；
图4为车牌定位流程图；
图5为图像预处理和车牌定位过程图；
图6为静态间距分布直方图。
具体实施方式
具体实施方式一：一种信号交叉口排队车辆静态间距快速测算方法包括以下步骤：
步骤一：根据选择的车载视频设备及安装高度，确定车辆间距测量参数；
步骤二：对车载视频设备拍摄的视频进行视频图像预处理；
步骤三：对步骤二预处理后的图像进行车牌定位及车牌分割；
步骤四：根据步骤三计算现实空间中车牌底部距地面的高度；
步骤五：根据步骤四并结合测距模型，计算信号交叉口排队车辆静态间距。
本发明是利用计算机单目视觉技术和视频图像处理方法，通过车牌定位实现面向车辆个体的信号交叉口排队车辆空间间隔快速测量。与传统测距方法不同的是，本发明是基于通用的民用车载视频设备，通过一定的视频设备安装技巧和建模技巧，简化了测距模型并提高了测算效率和精度。具体的发明内容包括测距原理与模型、测距工作过程、视频设备安装技巧。
视频设备安装技巧
视频设备应固定在车辆前方风挡玻璃上，具体安装技巧如下：(1)安装在车辆后视镜后方，一方面减少视频设备对驾驶员的视线干扰，另一方面可以便于安装高度和距车头距离的确定；(2)视频设备的安装应保持水平，以保证图像中的点(u,v)的射线在现实空间中与标准轴线形成的垂直夹角为θ＝0度，可简化计算、提高计算效率。
具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤一中确定车辆间距测量参数具体为：
选择合适的车载视频设备，并确定截取图像的分辨率m×n和车载视频设备的孔径张角2α等基本摄像参数；确定车载视频设备距其所在车车头的距离l0和车载视频设备距地面高度h等基本安装参数；明确不同车型汽车尾部车牌的颜色和实际尺寸，参照中华人民共和国机动车号牌(GA36-2014)标准。
其它步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一至二之一不同的是：所述步骤二中对车载视频设备拍摄的视频进行视频图像预处理的具体过程为：
根据车载视频设备记录的视频，提取车辆在信号交叉口遇到红灯排队等候时的静态图像，形成基础测距图像库；
由于所处的行车环境复杂多变，容易受到光照、天气等外在环境因素的影响使得视频图像可能会出现模糊、带有噪声的现象。为了提高测距精度，利用matlab图像处理工具箱对图像进行图像裁剪、图像灰度化、灰度矫正、中值滤波和边缘检测处理，得到中间过程图像，基本流程如图3所示。
其它步骤及参数与具体实施方式一至二之一相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述步骤三中对步骤二预处理后的图像进行车牌定位及车牌分割的具体过程为：
车牌定位的具体过程为：
利用matlab图像处理工具箱对步骤二得到的中间过程图像依次进行图像腐蚀、膨胀、开闭运算、去除杂质以形成完整的车牌填充区域，并通过编程进行填充区域内的像素点叠加计算，获得图像二维空间内车牌区域坐标(u，v)，相关代码如下，从而确定车牌的具体位置，得到车牌像素高度hpu、车牌底边距地面的像素高度hu以及实际的车牌高度hp；[y,x,z]＝size(I_final)；％“I_final”为形态学处理后得到的车牌填充区域图像
完成车牌定位后进行车牌分割，建立车牌位置库。
车牌在原始图象中属于特征明显的区域。确切来说，车牌是水平度较高的横向长方形，它在原始图象中的相对位置比较集中，且其灰度值与周边区域有较大差异，在其边缘形成了灰度突变的边界。因此，可通过边缘信息来对图象进行定位及分割。车牌定位与分割的流程图如图4所示。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：所述步骤四中根据步骤三计算现实空间中车牌底部距地面的高度的具体为：
其中所述h0为现实空间中车牌底部距地面的高度。
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：所述步骤五中测距模型具体为：
基于图像二维空间I＝{u,v}和现实三维空间R＝{x,y,z}的映射关系(如图1所示，三维空间内摄像机坐标为(l,d,h))，结合车载视频设备距地面高度、车牌距地面高度及车载视频设备摄像参数等基本数据，利用直角三角形的边角转换关系，根据图2可知，计算当前车车头与前车车尾的空间间距为：
式中，dp为前车尾部与当前车头部直接的距离，单位为mθ为图像中的点(u,v)的射线在现实空间中与标准轴线形成的垂直夹角，即车载视频设备的安装角度(rad)；
由于现阶段常用的视频图像采集设备清晰度较高(即m>>1)，同时在保证车载视频设备水平安装的条件下，测距模型可以进一步简化为：
其它步骤及参数与具体实施方式一至五之一相同。
实施例一：
步骤一：设备选择与安装
选择市场上常用的行车记录仪作为车载视频设备，统一安装在了26辆出租车的前风挡玻璃上，具体的行车记录仪内部参数和安装参数如表2所示。
表2测距基本参数一览表
步骤二：图像采集
行车记录仪采集道路时间为白天共236.7小时的出租车运行视频，并从中截取了1896个出租车在信号交叉口红灯排队等候时的前车图像，形成了静态间距测量基础视频图像库。
步骤三：图像预处理及车牌定位
对基础视频图像库中的图像依次进行预处理和车牌定位。以其中的一幅图像为例，图像预处理和车牌定位的过程和结果如图5所示。
步骤四：静态间距测算
利用构建的静态间距测算模型，计算得到了所截取的1896个图像所对应的静态间距。其中，静态间距最小值为0.23m，最大值为7.43m，平均值为1.54m。
步骤五：测算结果评价
静态间距的分布直方图如图6所示。选择常用的连续型分布进行静态间距样本的拟合，具体包括Gamma分布、Exponential分布、Erlang分布、Weibull分布、Log-normal分布和Log-logistic分布。拟合结果表明，Log-logistic分布对静态间距样本的拟合优度最好，与已有的研究成果吻合。
本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (5)

1.一种信号交叉口排队车辆静态间距快速测算方法，其特征在于，所述信号交叉口排队车辆静态间距快速测算方法包括以下步骤：
步骤一：根据选择的车载视频设备及安装高度，确定车辆间距测量参数；
步骤二：对车载视频设备拍摄的视频进行视频图像预处理；
步骤三：对步骤二预处理后的图像进行车牌定位及车牌分割；
车牌定位的具体过程为：
利用matlab图像处理工具箱对步骤二预处理后的图像依次进行图像腐蚀、膨胀、开闭运算、去除杂质以形成完整的车牌填充区域，并通过编程进行填充区域内的像素点叠加计算，获得图像二维空间内车牌区域坐标(u，v)，确定车牌的具体位置，得到车牌像素高度hpu、车牌底边距地面的像素高度hu以及实际的车牌高度hp；
完成车牌定位后进行车牌分割，建立车牌位置库；
步骤四：根据步骤三计算现实空间中车牌底部距地面的高度；
步骤五：根据步骤四并结合测距模型，计算信号交叉口排队车辆静态间距。
2.根据权利要求1所述的一种信号交叉口排队车辆静态间距快速测算方法，其特征在于，所述步骤一中确定车辆间距测量参数具体为：
选择车载视频设备，并确定截取图像的分辨率m×n和车载视频设备的孔径张角2α；确定车载视频设备距其所在车车头的距离l0和车载视频设备距地面高度h；明确不同车型汽车尾部车牌的颜色和实际尺寸。
3.根据权利要求1或2所述的一种信号交叉口排队车辆静态间距快速测算方法，其特征在于，所述步骤二中对车载视频设备拍摄的视频进行视频图像预处理的具体过程为：
根据车载视频设备记录的视频，提取车辆在信号交叉口遇到红灯排队等候时的静态图像，形成基础测距图像库；
利用matlab图像处理工具箱对图像进行图像裁剪、图像灰度化、灰度矫正、中值滤波和边缘检测处理，得到中间过程图像。
4.根据权利要求2所述的一种信号交叉口排队车辆静态间距快速测算方法，其特征在于，所述步骤四中根据步骤三计算现实空间中车牌底部距地面的高度的具体为：
其中所述h0为现实空间中车牌底部距地面的高度。
5.根据权利要求4所述的一种信号交叉口排队车辆静态间距快速测算方法，其特征在于，所述步骤五中测距模型具体为：
基于图像二维空间I＝{u,v}和现实三维空间R＝{x,y,z}的映射关系，利用直角三角形的边角转换关系，计算当前车车头与前车车尾的空间间距为：
式中，dp为前车尾部与当前车头部直接的距离；θ为车载视频设备的安装角度；
保证车载视频设备水平安装的条件下，测距模型进一步简化为：
CN201611119095.4A 2016-12-07 2016-12-07 一种信号交叉口排队车辆静态间距快速测算方法 Active CN106503698B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611119095.4A CN106503698B (zh) 2016-12-07 2016-12-07 一种信号交叉口排队车辆静态间距快速测算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611119095.4A CN106503698B (zh) 2016-12-07 2016-12-07 一种信号交叉口排队车辆静态间距快速测算方法

Publications (2)

Publication Number Publication Date
CN106503698A CN106503698A (zh) 2017-03-15
CN106503698B true CN106503698B (zh) 2019-08-02

Family

ID=58330591

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611119095.4A Active CN106503698B (zh) 2016-12-07 2016-12-07 一种信号交叉口排队车辆静态间距快速测算方法

Country Status (1)

Country Link
CN (1) CN106503698B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109307861B (zh) * 2017-07-28 2021-09-03 比亚迪股份有限公司 车辆、车辆定位方法及车载设备
CN107678037B (zh) * 2017-08-21 2021-12-14 奇瑞汽车股份有限公司 一种汽车跑偏测量装置及其测量方法
CN110596685A (zh) * 2019-09-13 2019-12-20 福建工程学院 一种快速移动下随机场景的单目测距方法及装置
CN117275124A (zh) * 2023-11-17 2023-12-22 山东蓝能智能科技有限公司 停车场车牌去污智能识别设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101750049A (zh) * 2008-12-05 2010-06-23 南京理工大学 基于道路和车辆自身信息的单目视觉车距测量方法
CN104021676A (zh) * 2014-06-25 2014-09-03 上海交通大学 基于车辆动态视频特征的车辆定位及车速测量方法
CN105070098A (zh) * 2015-07-14 2015-11-18 安徽清新互联信息科技有限公司 一种基于车牌位置的车距检测方法
CN105786895A (zh) * 2014-12-25 2016-07-20 日本电气株式会社 道路交叉口的排放量的测算方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101750049A (zh) * 2008-12-05 2010-06-23 南京理工大学 基于道路和车辆自身信息的单目视觉车距测量方法
CN104021676A (zh) * 2014-06-25 2014-09-03 上海交通大学 基于车辆动态视频特征的车辆定位及车速测量方法
CN105786895A (zh) * 2014-12-25 2016-07-20 日本电气株式会社 道路交叉口的排放量的测算方法和装置
CN105070098A (zh) * 2015-07-14 2015-11-18 安徽清新互联信息科技有限公司 一种基于车牌位置的车距检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Robust Vehicle Detection and Distance Estimation Under Challenging Lighting Conditions;Mahdi Rezaei 等;《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》;20151031;第16卷(第5期);2723-2743
基于MATLAB的单目视觉车辆测距技术研究;刘茜;《中国优秀硕士学位论文全文数据库 信息科技辑》;20090815(第08期);正文第44页第1段，第45页第3段，第46页第1-2段
基于计算机视觉的车辆单目测距系统研究;王士明;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20140915(第09期);摘要，正文第10页第5段，第12页第1，3段，第14页第3段，第18页第1，3段，第19页第1-2段，第20页第3-5段，第22页第1-2段，第23页第1段，第24页第1段，第25页第2段，第28页第1段，第38页第2段，第41页第2-8，12-13段，第45页第2段

Also Published As

Publication number Publication date
CN106503698A (zh) 2017-03-15

Similar Documents

Publication Publication Date Title
CN106503698B (zh) 一种信号交叉口排队车辆静态间距快速测算方法
CN105844222B (zh) 基于视觉的前方车辆碰撞预警系统及方法
CN110443225B (zh) 一种基于特征像素统计的虚实车道线识别方法及其装置
CN103559791B (zh) 一种融合雷达和ccd摄像机信号的车辆检测方法
US20200041284A1 (en) Map road marking and road quality collecting apparatus and method based on adas system
Hautière et al. Real-time disparity contrast combination for onboard estimation of the visibility distance
CN102867414B (zh) 一种基于ptz摄像机快速标定的车辆排队长度测量方法
Negru et al. Image based fog detection and visibility estimation for driving assistance systems
US5910817A (en) Object observing method and device
CN106651963B (zh) 一种用于驾驶辅助系统的车载摄像头的安装参数标定方法
CN110032949A (zh) 一种基于轻量化卷积神经网络的目标检测与定位方法
CN113421289B (zh) 一种克服无人机拍摄扰动的高精度车辆轨迹数据提取方法
CN109738910A (zh) 一种基于三维激光雷达的路沿检测方法
CN108647638A (zh) 一种车辆位置检测方法及装置
CN107341454A (zh) 一种场景中障碍物的检测方法及装置、电子设备
CN110163871B (zh) 一种多线激光雷达的地面分割方法及装置
CN109471096B (zh) 多传感器目标匹配方法、装置及汽车
CN107315095B (zh) 基于视频处理的具有光照适应性的多车辆自动测速方法
CN105574552A (zh) 一种基于单目视觉的车辆测距与碰撞预警方法
CN106679633B (zh) 一种车载测距系统及方法
CN111429756B (zh) 一种基于视频技术的公路隧道防追尾预警方法
CN109711353B (zh) 一种基于机器视觉的船舶吃水线区域识别方法
CN109446973A (zh) 一种基于深度神经网络图像识别的车辆定位方法
CN111340951A (zh) 基于深度学习的海洋环境自动识别方法
CN109635737A (zh) 基于道路标记线视觉识别辅助车辆导航定位方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210125

Address after: Building 9, accelerator, 14955 Zhongyuan Avenue, Songbei District, Harbin City, Heilongjiang Province

Patentee after: INDUSTRIAL TECHNOLOGY Research Institute OF HEILONGJIANG PROVINCE

Address before: 150001 No. 92 West straight street, Nangang District, Heilongjiang, Harbin

Patentee before: HARBIN INSTITUTE OF TECHNOLOGY

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230410

Address after: 150027 Room 412, Unit 1, No. 14955, Zhongyuan Avenue, Building 9, Innovation and Entrepreneurship Plaza, Science and Technology Innovation City, Harbin Hi tech Industrial Development Zone, Heilongjiang Province

Patentee after: Heilongjiang Industrial Technology Research Institute Asset Management Co.,Ltd.

Address before: Building 9, accelerator, 14955 Zhongyuan Avenue, Songbei District, Harbin City, Heilongjiang Province

Patentee before: INDUSTRIAL TECHNOLOGY Research Institute OF HEILONGJIANG PROVINCE