CN107169501B - 压力和高度数据整合方法及系统 - Google Patents

压力和高度数据整合方法及系统 Download PDF

Info

Publication number
CN107169501B
CN107169501B CN201710167203.3A CN201710167203A CN107169501B CN 107169501 B CN107169501 B CN 107169501B CN 201710167203 A CN201710167203 A CN 201710167203A CN 107169501 B CN107169501 B CN 107169501B
Authority
CN
China
Prior art keywords
data
pressure
surface area
distribution mode
height
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
CN201710167203.3A
Other languages
English (en)
Other versions
CN107169501A (zh
Inventor
辛志宇
闵苏
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.)
Magic Smart Technology Shanghai Co ltd
Original Assignee
Magic Smart Technology Shanghai 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 Magic Smart Technology Shanghai Co ltd filed Critical Magic Smart Technology Shanghai Co ltd
Priority to CN201710167203.3A priority Critical patent/CN107169501B/zh
Priority to PCT/CN2017/084092 priority patent/WO2018171016A1/zh
Publication of CN107169501A publication Critical patent/CN107169501A/zh
Application granted granted Critical
Publication of CN107169501B publication Critical patent/CN107169501B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features

Abstract

本发明提供了一种压力和高度数据整合方法及系统，其针对同一表面区域，按照第一分布方式采集压力数据，并按照第二分布方式采集高度数据，其中，第一分布方式不同于第二分布方式。本发明采用采集点混合分布的压力和高度数据采集装置，实现描述表面及其接触对象状态和相互关系的复杂数据采集要求；本发明对混合分布采集的压力和高度数据进行处理、合并、比对，获得描述表面状态关键区域和节点的多个特征；本发明对上述特征间的相互关系进行运算，实现对表面人体状态和行为进行判断和识别。

Description

压力和高度数据整合方法及系统
技术领域
本发明涉及计算机及智能系统，具体地，涉及压力和高度数据整合方法及系统。
背景技术
在人机交互系统中，涉及与接触对象存在相互作用关系的表面，出于设计要求，需要对表面受力状态数据和形变状态数据进行采集和处理，进而对接触对象的状态和行为进行判断和识别。
针对上述需求，专利文献CN106039585A(申请号201610443676.7)公开了“一种具有体位感知和理疗助眠功能的智能床垫”，包括床垫基板、柔性阵列力敏传感器层、隔热层、远红外电热层、保护层、针织物层、信号采集控制模块、智能终端和云服务器，智能床垫通过采集和分析压力分布数据信息对用户睡眠质量进行监测和评估，并根据需要对用户特定部位进行红外康复理疗，提高用户睡眠质量。
该专利文献反映的是常用的方法，即采用均布式的压力传感器阵列来获得压力数据集合并进行计算处理。但这种方法布置复杂、成本较高、适应实际需求的灵活性较差。特别是，在一些可自主调节适应的表面支撑系统中，由于存在主动和被动的复杂变化因素，只有分布式的压力数据集合往往并不能完全反映表面状况及其与接触对象的相互关系，需要与之相对应的高度形变数据集合来共同反映表面状况及其与接触对象的相互关系，从而对表面状态及其接触对象的行为和状态进行更准确的判断和识别。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种压力和高度数据整合方法及系统。
根据本发明提供的一种压力和高度数据整合方法，包括：
混合分布数据采集步骤：针对同一表面区域，按照第一分布方式采集压力数据，并按照第二分布方式采集高度数据，其中，第一分布方式不同于第二分布方式。
优选地，采用如下任一种分布方式：
-第一分布方式为多子区域分布方式，第二分布方式为多点分布方式；
-第一分布方式为多点分布方式，第二分布方式为多子区域分布方式。
优选地，第一分布方式为沿直线方向排布的多子区域分布方式，第二分布方式为网格点阵分布方式。
优选地，包括：
特征获取步骤：根据压力数据获取受力状况特征，并根据高度数据获取形态状况特征；
识别步骤：根据受力状况特征、形态状况特征对表面区域状态进行识别，得到识别结果；
对比步骤：通过将即时的表面区域状态与历时的表面区域状态进行对比，得到表面区域的接触对象的行为。
优选地，还包括在所述特征获取步骤之前执行的数据融合步骤；
在所述数据融合步骤中，将所述按照第一分布方式采集到的压力数据与按照第二分布方式采集高度数据进行融合，得到混合点阵压力数据；
所述特征获取步骤中为获取受力状况特征所根据的压力数据采用混合点阵压力数据。
根据本发明提供的一种压力和高度数据整合系统，包括：
混合分布数据采集装置：针对同一表面区域，按照第一分布方式采集压力数据，并按照第二分布方式采集高度数据，其中，第一分布方式不同于第二分布方式。
优选地，采用如下任一种分布方式：
-第一分布方式为多子区域分布方式，第二分布方式为多点分布方式；
-第一分布方式为多点分布方式，第二分布方式为多子区域分布方式。
优选地，第一分布方式为沿直线方向排布的多子区域分布方式，第二分布方式为网格点阵分布方式。
优选地，包括：
特征获取装置：根据压力数据获取受力状况特征，并根据高度数据获取形态状况特征；
识别装置：根据受力状况特征、形态状况特征对表面区域状态进行识别，得到识别结果；
对比装置：通过将即时的表面区域状态与历时的表面区域状态进行对比，得到表面区域的接触对象的行为。
优选地，还包括在所述特征获取装置之前执行的数据融合装置；
在所述数据融合装置中，将所述按照第一分布方式采集到的压力数据与按照第二分布方式采集高度数据进行融合，得到混合点阵压力数据；
所述特征获取装置中为获取受力状况特征所根据的压力数据采用混合点阵压力数据。
与现有技术相比，本发明具有如下的有益效果：
1、本发明采用采集点混合分布的压力和高度数据采集装置，实现描述表面及其接触对象状态和相互关系的复杂数据采集要求。
2、本发明对混合分布采集的压力和高度数据进行处理、合并、比对，获得描述表面状态关键区域和节点的多个特征。
3、本发明对上述特征间的相互关系进行运算，实现对表面人体状态和行为进行判断和识别。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1、图2为本发明提供的压力和高度数据整合方法的两种优选方案的流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提供一种压力和高度数据整合方法，包括：
混合分布数据采集步骤：针对同一表面区域，按照第一分布方式采集压力数据，并按照第二分布方式采集高度数据，其中，第一分布方式不同于第二分布方式；
数据融合步骤：在数据预处理阶段，将所述按照第一分布方式采集到的压力数据与按照第二分布方式采集高度数据进行融合，得到混合点阵压力数据；所述数据融合步骤的意义主要在于，如果按照常规方法，更需要在同一区域布置两套分别对应于压力和高度的阵列传感器系统，其实现的复杂程度和成本非常高。
特征获取步骤：根据混合点阵压力数据获取受力状况特征，并根据高度数据获取形态状况特征；
识别步骤：根据受力状况特征、形态状况特征对表面区域状态进行识别，得到识别结果；
对比步骤：通过将即时的表面区域状态与历时的表面区域状态进行对比，得到表面区域的接触对象的行为。
具体地，所述混合分布数据采集步骤中采集的压力数据和高度数据，不仅针对的是同一表面区域，而且压力数据和高度数据的采集时间位于同一时间段内，例如同一个遍历周期，即同步或者同时。在同一表面区域且同一时间段内采用不同的第一分布方式、第二分布方式分别采集压力数据、高度数据，反映该表面区域的受力状况、形变状况，从而实现了混合分布。所述表面区域尤其是指与人体直接接触或者与人体被衣物等织物相隔间接接触的区域。例如表面区域可以是床垫表面，也可以是坐垫表面、躺椅表面或者枕头表面。进一步地，所述表面区域可以是智能床、躺椅等家具的整个支撑面，也可以是整个支撑面中的局部区域，当整个支撑面被划分出多个局部区域时，就存在多个表面区域，针对这多个表面区域可以彼此独立或者关联地执行所述混合分布数据采集步骤，然后相应地执行后续的特征获取步骤、识别步骤、对比步骤。
更为具体地，由于压力数据和高度数据是针对同一表面区域且采集时间位于同一时间段，因此所述压力数据和高度数据均包括位置属性和时间属性，其中，时间属性通过时间戳标记，反应压力数据或高度数据采集的日期和时刻点等时间信息。
下面对本发明中的各个步骤分别进行举例以对其优选的实施方式进行说明。
在混合分布数据采集步骤中，第一分布方式为多子区域分布方式，第二分布方式为多点分布方式；或者，第一分布方式为多点分布方式，第二分布方式为多子区域分布方式。进一步地，第一分布方式为沿直线方向排布的多子区域分布方式，第二分布方式为网格点阵分布方式。子区域可以是表面区域的局部，划分子区域时，多个子区域之间可以互不重叠，多个子区域之间也可以存在重叠。
需要更具体说明的第一点是：对于人体躺卧的床、椅等家具所具有的可形变支撑表面，压力数据的主要关注方向是沿人体身高方向的数据变化，因此所述直线方向可以即为人体身高方向。但不排除，也可以沿人体宽度方向布置多个子区域。与压力数据不同的是，反映表面区域形变的高度数据需要以点阵方式呈现，以捕捉人体躺卧姿态的三维特征。子区域的压力可以通过床垫中的气包反应出一个所属子区域的压力。
需要更具体说明的第二点是：为了准确识别人体对象、人体在表面区域状态或者人体躺卧行为，压力数据和高度数据采集点在表面二维区域内采用了不同的混合分布方式。压力数据采集点或者采集区域沿长度方向布置，反映了连续的纵向区域的压力数据变化。而高度数据采集点则采用网格点阵分布，以反映二维表面区域在高度方向的形变变化；由于有压力数据的混合及比对，这种网格点阵分布可以在最大间距上间隔分布，所需传感器数量减少，大大降低了技术方案实现的实际成本。
进一步地，阵列传感器的布置密度增加能提高对表面描述的精度，但会提高复杂程度和增加实现成本。最大间距是指阵列分布传感器之间，在采集数据能够满足实现描述表面要求情况下的、在物理空间平面上的最大分布间隔距离。
进一步地，压力数据可以通过压力传感器进行采集，高度数据可以通过高度测量装置采集，或者通过点阵分布的压力传感器所采集得到压力数据转化为高度数据。因此，所述按照第二分布方式采集得到的高度数据，可以是由按照第二分布方式采集得到的压力数据转化得到，并不一定是直接采集得到高度数据，其中，压力数据可以与高度数据线性相关。同样的，并不一定是直接采集的压力数据，也可以通过与压力数据不同的采集数据转化得到。
在所述特征获取步骤中，先对原始采集到的压力数据和高度数据进行预处理，例如对在采集时刻上空缺和采集数据中的异常值进行统计清洗处理，同时对上述压力数据和高度数据进行标准化处理，处理后输出的数据按包含时间戳和位置关系的特定数据结构进行保存。在解算特征时，对同一遍历周期内的含有位置关系的表面区域的压力数据和高度数据进行特征值解算，获得表面区域的压力特征值及分布特征值，同时获得表面区域的高度特征值及高度几何特征值，尤其是高度方向关键节点特征值，得到描述表面区域的受力状况特征值和形变状况特征值，进行保存。进一步地，在所述特征获取步骤中，压力数据具体为整合处理后的点阵压力数据。
在所述识别步骤和对比步骤中，基于混合点阵压力数据对表面躺卧人体的体重、身高及体重分布来判断接触对象是否属于人体并标记，同时对人体部位、躺卧姿态进行识别和标记，用于用户对象识别以及用户行为的识别例如翻身、上下床等行为。
与所述压力和高度数据整合方法相应地，本发明提供一种压力和高度数据整合系统，包括：
混合分布数据采集装置：针对同一表面区域，按照第一分布方式采集压力数据，并按照第二分布方式采集高度数据，其中，第一分布方式不同于第二分布方式；
特征获取装置：根据压力数据获取受力状况特征，并根据高度数据获取形态状况特征；
识别装置：根据受力状况特征、形态状况特征对表面区域状态进行识别，得到识别结果；
对比装置：通过将即时的表面区域状态与历时的表面区域状态进行对比，得到表面区域的接触对象的行为。
在优选例中，所述压力和高度数据整合系统，还包括在所述特征获取装置之前执行的数据融合装置；
在所述数据融合装置中，将所述按照第一分布方式采集到的压力数据与按照第二分布方式采集高度数据进行融合，得到混合点阵压力数据；
所述特征获取装置中为获取受力状况特征所根据的压力数据采用混合点阵压力数据。
具体地，第一分布方式、第二分布方式采用如下任一种分布方式：
-第一分布方式为多子区域分布方式，第二分布方式为多点分布方式；
-第一分布方式为多点分布方式，第二分布方式为多子区域分布方式。
第一分布方式为沿直线方向排布的多子区域分布方式，第二分布方式为网格点阵分布方式。
本发明从压力和形变高度这两种维度准确反映了表面状态及其与接触对象的复杂关系，实现了对接触对象的状态和行为进行准确的判断和识别，极大降低了采样点布置的密度，可以根据实际需要灵活调整系统布置方案，获得更好的识别效果。本发明提供的方法和系统可以应用于智能家具中，因此本发明提供了智能家具，例如智能床、智能椅、智能垫等能够支撑人体的家具。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (6)

1.一种压力和高度数据整合方法，其特征在于，包括：
混合分布数据采集步骤：针对同一表面区域，按照第一分布方式采集压力数据，并按照第二分布方式采集高度数据，其中，第一分布方式不同于第二分布方式；
所述压力数据和高度数据均包括位置属性和时间属性；压力数据和高度数据是针对同一表面区域且采集时间位于同一时间段；
压力数据和相对应的高度数据共同反映表面区域状况及表面区域与接触对象的相互关系；
所述压力和高度数据整合方法，根据所述相互关系，对表面人体状态和行为进行判断和识别；
压力数据采集点采集区域沿长度方向布置，反映连续的纵向区域的压力数据变化；高度数据采集点采用网格点阵分布，以反映二维表面区域在高度方向的形变变化。
2.根据权利要求1所述的压力和高度数据整合方法，其特征在于，包括：
特征获取步骤：根据压力数据获取受力状况特征，并根据高度数据获取形态状况特征；
识别步骤：根据受力状况特征、形态状况特征对表面区域状态进行识别，得到识别结果；
对比步骤：通过将即时的表面区域状态与历时的表面区域状态进行对比，得到表面区域的接触对象的行为。
3.根据权利要求2所述的压力和高度数据整合方法，其特征在于，还包括在所述特征获取步骤之前执行的数据融合步骤；
在所述数据融合步骤中，将所述按照第一分布方式采集到的压力数据与按照第二分布方式采集高度数据进行融合，得到混合点阵压力数据；
所述特征获取步骤中为获取受力状况特征所根据的压力数据采用混合点阵压力数据。
4.一种压力和高度数据整合系统，其特征在于，包括：
混合分布数据采集装置：针对同一表面区域，按照第一分布方式采集压力数据，并按照第二分布方式采集高度数据，其中，第一分布方式不同于第二分布方式；
所述压力数据和高度数据均包括位置属性和时间属性；压力数据和高度数据是针对同一表面区域且采集时间位于同一时间段；
压力数据和相对应的高度数据共同反映表面区域状况及表面区域与接触对象的相互关系；
所述压力和高度数据整合方法，根据所述相互关系，对表面人体状态和行为进行判断和识别；
压力数据采集点采集区域沿长度方向布置，反映连续的纵向区域的压力数据变化；高度数据采集点采用网格点阵分布，以反映二维表面区域在高度方向的形变变化。
5.根据权利要求4所述的压力和高度数据整合系统，其特征在于，包括：
特征获取装置：根据压力数据获取受力状况特征，并根据高度数据获取形态状况特征；
识别装置：根据受力状况特征、形态状况特征对表面区域状态进行识别，得到识别结果；
对比装置：通过将即时的表面区域状态与历时的表面区域状态进行对比，得到表面区域的接触对象的行为。
6.根据权利要求5所述的压力和高度数据整合系统，其特征在于，还包括在所述特征获取装置之前执行的数据融合装置；
在所述数据融合装置中，将所述按照第一分布方式采集到的压力数据与按照第二分布方式采集高度数据进行融合，得到混合点阵压力数据；
所述特征获取装置中为获取受力状况特征所根据的压力数据采用混合点阵压力数据。
CN201710167203.3A 2017-03-20 2017-03-20 压力和高度数据整合方法及系统 Active CN107169501B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710167203.3A CN107169501B (zh) 2017-03-20 2017-03-20 压力和高度数据整合方法及系统
PCT/CN2017/084092 WO2018171016A1 (zh) 2017-03-20 2017-05-12 压力和高度数据整合方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710167203.3A CN107169501B (zh) 2017-03-20 2017-03-20 压力和高度数据整合方法及系统

Publications (2)

Publication Number Publication Date
CN107169501A CN107169501A (zh) 2017-09-15
CN107169501B true CN107169501B (zh) 2020-07-03

Family

ID=59848789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710167203.3A Active CN107169501B (zh) 2017-03-20 2017-03-20 压力和高度数据整合方法及系统

Country Status (2)

Country Link
CN (1) CN107169501B (zh)
WO (1) WO2018171016A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108108104A (zh) * 2017-11-09 2018-06-01 魔玛智能科技（上海）有限公司 可视化控制系统及其工作方法
CN110840156A (zh) * 2019-09-23 2020-02-28 赵树龙 智能床垫

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102551732A (zh) * 2011-12-22 2012-07-11 西北工业大学 一种非觉察状态下完成睡姿检测的装置及方法
CN104732250A (zh) * 2015-03-25 2015-06-24 安徽农业大学 一种无干扰睡眠的睡姿和睡眠行为测试识别方法
CN104799613A (zh) * 2015-03-25 2015-07-29 安徽农业大学 一种无干扰识别和记录睡眠行为的e健康分区床垫
CN204520112U (zh) * 2015-04-21 2015-08-05 李同强 自动调节高度的枕头

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7383071B1 (en) * 2003-04-25 2008-06-03 United States Of America As Represented By The Secretary Of The Navy Microsensor system and method for measuring data
EP2745745B1 (en) * 2012-12-19 2019-10-30 Starsprings AB Bed with automatically adjustable properties
CN103745018B (zh) * 2014-02-11 2017-02-08 星际空间（天津）科技发展有限公司 一种多平台点云数据融合方法
CN104886975A (zh) * 2015-06-09 2015-09-09 安徽机电职业技术学院 一种适应人体曲线的床垫及其高度调节方法
CN104905921A (zh) * 2015-06-15 2015-09-16 杨松 垫体和垫体的控制方法
CN105686526B (zh) * 2015-07-28 2017-05-10 广州知途鸟智能科技有限公司 乘坐运载工具所用的智能护枕

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102551732A (zh) * 2011-12-22 2012-07-11 西北工业大学 一种非觉察状态下完成睡姿检测的装置及方法
CN104732250A (zh) * 2015-03-25 2015-06-24 安徽农业大学 一种无干扰睡眠的睡姿和睡眠行为测试识别方法
CN104799613A (zh) * 2015-03-25 2015-07-29 安徽农业大学 一种无干扰识别和记录睡眠行为的e健康分区床垫
CN204520112U (zh) * 2015-04-21 2015-08-05 李同强 自动调节高度的枕头

Also Published As

Publication number Publication date
WO2018171016A1 (zh) 2018-09-27
CN107169501A (zh) 2017-09-15

Similar Documents

Publication Publication Date Title
US11617537B2 (en) Fabric-based pressure sensor arrays including intersecting elongated conductive strips on opposite sides of a textile sheet
CN107169501B (zh) 压力和高度数据整合方法及系统
JP5261852B2 (ja) 分布量計測方法およびそのための分布量センサを用いた計測システム
US20150168238A1 (en) Pressure Signature Based Biometric Systems, Sensor Assemblies and Methods
Xu et al. ecushion: An etextile device for sitting posture monitoring
US20090254869A1 (en) Multi-parameter extraction algorithms for tactile images from user interface tactile sensor arrays
EP3740182B1 (en) Mattress with sensor module for patient care
CN102440588A (zh) 一种基于坐姿识别的人机交互智能设备及其应用
CN101199370A (zh) 机器人服装触觉传感信息融合数据处理方法
CN112254849B (zh) 压力传感器、压力传感系统、姿态检测方法和装置
CN105758563A (zh) 一种基于电阻抗分布测量的单面电极柔性触觉传感器阵列
Pugach et al. Neural learning of the topographic tactile sensory information of an artificial skin through a self-organizing map
WO2018171017A1 (zh) 分布式压力和高度混合测量控制系统与方法
Chao et al. Method of recognizing sleep postures based on air pressure sensor and convolutional neural network: For an air spring mattress
KR102038122B1 (ko) 온도 분포 검출 장치 및 방법
Ishaku et al. Flexible force sensors embedded in office chair for monitoring of sitting postures
CN109276252A (zh) 一种人体睡姿识别装置及识别方法
Arshad et al. Capacitive proximity floor sensing system for elderly tracking and fall detection
Niu et al. Multi-resolution shape description and clustering of three-dimensional head data
JP2020074860A (ja) 内部構造推定装置、方法、及び、プログラム
Lee et al. Recognition algorithm for sleep postures using a smart fabric pad with multiple pressure sensors
Robert et al. Estimation of body segment inertia parameters from 3D body scanner images: a semi-automatic method dedicated to human movement analysis applications
Chipot et al. Mathematical model of conductive fabric-based flexible pressure sensor
CN112287821A (zh) 照护对象行为监测方法、装置、计算机设备和存储介质
Xie et al. Design and manufacturing of variable stiffness mattress

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
GR01 Patent grant
GR01 Patent grant