CN108008726A - 一种智能无人驾驶汽车 - Google Patents
一种智能无人驾驶汽车 Download PDFInfo
- Publication number
- CN108008726A CN108008726A CN201711305825.4A CN201711305825A CN108008726A CN 108008726 A CN108008726 A CN 108008726A CN 201711305825 A CN201711305825 A CN 201711305825A CN 108008726 A CN108008726 A CN 108008726A
- Authority
- CN
- China
- Prior art keywords
- image
- evaluation
- processing module
- represent
- processing
- 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.)
- Withdrawn
Links
- 238000012545 processing Methods 0.000 claims abstract description 84
- 230000001953 sensory effect Effects 0.000 claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims description 44
- 230000000694 effects Effects 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 2
- 239000003595 mist Substances 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G06T5/73—
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种智能无人驾驶汽车,包括第一环境感知系统、第二环境感知系统、路径规划系统和电脑控制系统,所述第一环境感知系统用于采集和处理实时路况的视频图像并将处理后的图像信息传送至路径规划系统,所述第二环境感知系统用于获取汽车前进道路上的障碍物信息,并将障碍物信息传送至路径规划系统,所述路径规划系统用于根据图像信息、障碍物信息确定车辆最佳行驶路径,所述电脑控制系统根据车辆最佳行驶路径对车辆进行控制;所述第一环境感知系统包括第一处理模块、第二处理模块、第三处理模块、第四处理模块和第五处理模块。本发明的有益效果为:实现了车辆在恶劣天气下的行驶。
Description
技术领域
本发明涉及无人车技术领域,具体涉及一种智能无人驾驶汽车。
背景技术
随着社会经济的快速发展和汽车工业的不断进步,汽车已经成为人类生产生活不可或缺的部分。汽车在为人类带来极大方便的同时,也带来了大量问题,如交通安全、交通堵塞和环境污染等。同时,汽车事故呈高发态势,道路交通安全已成为全球性问题。现代社会工业生产的大规模扩张,加剧了能源消耗和环境污染,并直接导致了近年来城市雾霾天气频发,这给交通安全带来了巨大威胁。雾霾天气条件下,大气粒子对光线的散射作用,不仅使得物体反射光因能量衰减强度大幅降低,而且使得部分自然光依附在目标物体上,进入相机后造成图像清晰度大幅下降。无论是发达国家还是发展中国家,提高汽车安全性能、减少道路交通事故,仍然是普遍关注的社会问题和科技工作者所面临的重要挑战。
发明内容
针对上述问题,本发明旨在提供一种智能无人驾驶汽车。
本发明的目的采用以下技术方案来实现:
提供了一种智能无人驾驶汽车,包括第一环境感知系统、第二环境感知系统、路径规划系统和电脑控制系统,所述第一环境感知系统用于采集和处理实时路况的视频图像并将处理后的图像信息传送至路径规划系统,所述第二环境感知系统用于获取汽车前进道路上的障碍物信息,并将障碍物信息传送至路径规划系统,所述路径规划系统用于根据图像信息、障碍物信息确定车辆最佳行驶路径,所述电脑控制系统根据车辆最佳行驶路径对车辆进行控制;
所述第一环境感知系统包括第一处理模块、第二处理模块、第三处理模块、第四处理模块和第五处理模块,所述第一处理模块用于采集实时路况的视频图像序列,所述第二处理模块用于构建大气衰减模型,所述第三处理模块用于根据大气衰减模型对视频图像进行去雾处理,所述第四处理模块用于对所述第三处理模块的去雾效果进行评价,获取评价结果,所述第五处理模块用于将评价结果不合格的图像返回第三处理模块重新进行去雾处理。
本发明的有益效果为:实现了车辆在恶劣天气下的行驶。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
第一环境感知系统1、第二环境感知系统2、路径规划系统3、电脑控制系统4。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种智能无人驾驶汽车,包括第一环境感知系统1、第二环境感知系统2、路径规划系统3和电脑控制系统4,所述第一环境感知系统1用于采集和处理实时路况的视频图像并将处理后的图像信息传送至路径规划系统3,所述第二环境感知系统2用于获取汽车前进道路上的障碍物信息,并将障碍物信息传送至路径规划系统3,所述路径规划系统3用于根据图像信息、障碍物信息确定车辆最佳行驶路径,所述电脑控制系统4根据车辆最佳行驶路径对车辆进行控制;
所述第一环境感知系统1包括第一处理模块、第二处理模块、第三处理模块、第四处理模块和第五处理模块,所述第一处理模块用于采集实时路况的视频图像序列,所述第二处理模块用于构建大气衰减模型,所述第三处理模块用于根据大气衰减模型对视频图像进行去雾处理,所述第四处理模块用于对所述第三处理模块的去雾效果进行评价,获取评价结果,所述第五处理模块用于将评价结果不合格的图像返回第三处理模块重新进行去雾处理。
本实施例实现了车辆在恶劣天气下的行驶。
优选的,所述第二处理模块包括第一处理单元、第二处理单元和第三处理单元,所述第一处理单元用于获取当前环境中的雾霾浓度系数,所述第二处理单元用于获取当前大气覆盖,所述第三处理单元用于根据雾霾浓度系数和大气覆盖构建大气衰减模型。
所述第一处理单元用于获取当前环境中的雾霾浓度系数:
计算采集到图像的暗原色图像:
在式子里,EHdark(x)表示采集到图像的暗原色图像,c∈{R,G,B},EHc表示图像EH中的任一颜色通道,表示以x为中心的统计区域;
计算当前环境中的雾霾浓度系数:
在式子里,Fβ表示当前环境中的雾霾浓度系数,σ为比例系数,σ∈[3,7],ZCdark(x)为暗原色图像中各像素点归一化灰度值,sum表示各像素归一化灰度值累加值,M表示暗原色图像宽度,N表示暗原色图像高度。
本优选实施例第二处理模块通过获取雾霾浓度系数和当前大气覆盖,建立了准确的大气衰减模型,具体的,在获取雾霾浓度系数的过程中,采用本发明算法计算暗原色图像,适用于不同雾气浓度下得到准确的暗原色图像,引入比例系数计算雾霾浓度系数,提高了计算效率,节约了计算时间。
优选的,所述第二处理单元用于获取当前大气覆盖,包括图像转换子单元和大气覆盖获取子单元,所述图像转换子单元将视频图像序列从RGB颜色空间转换到HSV颜色空间中,所述大气覆盖获取子单元用于对亮度分量进行引导滤波处理,获取大气覆盖DSm;
所述第三处理单元用于根据雾霾浓度系数和大气覆盖构建大气衰减模型:YW=Fβ(EM-FSm)+FSm;
在式子里,YW表示修复后的清晰图像,Fβ表示当前环境中的雾霾浓度系数,EM为雾霾影响下摄像机捕获的退化图像,FSm表示当前大气覆盖。
本优选实施例在当前大气覆盖获取过程中,只对图像的亮度空间进行滤波处理,在对去雾效果影响不大的情况下,节省了三分之二的处理时间和计算开销,有助于后续实现图像的快速修复,根据雾霾浓度系数和大气覆盖构建大气衰减模型,为后续雾霾图像修复奠定了基础。
优选的,所述第四处理模块包括第一效果评价子模块、第二效果评价子模块和综合效果评价子模块,所述第一效果评价子模块用于获取去雾效果的第一评价值,所述第二效果评价子模块用于获取去雾效果的第二评价值,所述综合效果评价子模块用于根据第一评价值和第二评价值对去雾效果进行综合评价;
所述第一效果评价子模块用于获取去雾效果的第一评价值,具体采用下式进行:
在式子里,LG1表示第一评价值,BZ(bi)表示经过去雾处理图像第i个灰度级像素点的概率,L表示图像灰度级的数目;
所述第二效果评价子模块用于获取去雾效果的第二评价值,具体采用下式进行:
在式子里,LG2表示第二评价值,RL1表示采集图像的对比度,RL2表示去雾处理图像的对比度,GP1表示采集图像的空间频率,GP2表示去雾处理图像的空间频率;
所述综合效果评价子模块用于根据第一评价值和第二评价值对去雾效果进行综合评价,具体为:计算去雾效果的综合评价值:LG=ln(LG1+LG2+1)+lg(LG1+LG2+1);
在式子里,LG表示综合评价值;综合评价值越大,表示第三处理模块的去雾效果越好。
本优选实施例通过第四处理模块实现了图像去雾效果的准确评价,具体的,第一评价值考虑了去雾处理后图像信息量大小,第二评价值考虑了去雾处理后图像对比度和空间频率变化,综合评价值根据第一评价值和第二评价值计算得到,实现了去雾效果的准确评价,从而保证了无人驾驶车辆的性能。
采用本发明智能无人驾驶汽车前往目的地,选定出发点,选取5个目的地进行实验,分别为目的地1、目的地2、目的地3、目的地4、目的地5,对行驶时间和用户满意度进行统计,同现有无人驾驶汽车相比,产生的有益效果如下表所示:
行驶时间缩短 | 用户满意度提高 | |
目的地1 | 29% | 27% |
目的地2 | 27% | 26% |
目的地3 | 26% | 26% |
目的地4 | 25% | 24% |
目的地5 | 24% | 22% |
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (7)
1.一种智能无人驾驶汽车,其特征在于,包括第一环境感知系统、第二环境感知系统、路径规划系统和电脑控制系统,所述第一环境感知系统用于采集和处理实时路况的视频图像并将处理后的图像信息传送至路径规划系统,所述第二环境感知系统用于获取汽车前进道路上的障碍物信息,并将障碍物信息传送至路径规划系统,所述路径规划系统用于根据图像信息、障碍物信息确定车辆最佳行驶路径,所述电脑控制系统根据车辆最佳行驶路径对车辆进行控制;
所述第一环境感知系统包括第一处理模块、第二处理模块、第三处理模块、第四处理模块和第五处理模块,所述第一处理模块用于采集实时路况的视频图像序列,所述第二处理模块用于构建大气衰减模型,所述第三处理模块用于根据大气衰减模型对视频图像进行去雾处理,所述第四处理模块用于对所述第三处理模块的去雾效果进行评价,获取评价结果,所述第五处理模块用于将评价结果不合格的图像返回第三处理模块重新进行去雾处理。
2.根据权利要求1所述的智能无人驾驶汽车,其特征在于,所述第二处理模块包括第一处理单元、第二处理单元和第三处理单元,所述第一处理单元用于获取当前环境中的雾霾浓度系数,所述第二处理单元用于获取当前大气覆盖,所述第三处理单元用于根据雾霾浓度系数和大气覆盖构建大气衰减模型;
所述第一处理单元用于获取当前环境中的雾霾浓度系数:
计算采集到图像的暗原色图像:
在式子里,EHdark(x)表示采集到图像的暗原色图像,c∈{R,G,B},EHc表示图像EH中的任一颜色通道, 表示以x为中心的统计区域;
计算当前环境中的雾霾浓度系数:
在式子里,Fβ表示当前环境中的雾霾浓度系数,σ为比例系数,σ∈[3,7,ZCdark(x)为暗原色图像中各像素点归一化灰度值,sum表示各像素归一化灰度值累加值,M表示暗原色图像宽度,N表示暗原色图像高度。
3.根据权利要求2所述的智能无人驾驶汽车,其特征在于,所述第二处理单元用于获取当前大气覆盖,包括图像转换子单元和大气覆盖获取子单元,所述图像转换子单元将视频图像序列从RGB颜色空间转换到HSV颜色空间中,所述大气覆盖获取子单元用于对亮度分量进行引导滤波处理,获取大气覆盖FSm。
4.根据权利要求3所述的智能无人驾驶汽车,其特征在于,所述第三处理单元用于根据雾霾浓度系数和大气覆盖构建大气衰减模型:YW=Fβ(EM-FSm)+FSm;
在式子里,YW表示修复后的清晰图像,Fβ表示当前环境中的雾霾浓度系数,EM为雾霾影响下摄像机捕获的退化图像,FSm表示当前大气覆盖。
5.根据权利要求4所述的智能无人驾驶汽车,其特征在于,所述第四处理模块包括第一效果评价子模块、第二效果评价子模块和综合效果评价子模块,所述第一效果评价子模块用于获取去雾效果的第一评价值,所述第二效果评价子模块用于获取去雾效果的第二评价值,所述综合效果评价子模块用于根据第一评价值和第二评价值对去雾效果进行综合评价。
6.根据权利要求5所述的智能无人驾驶汽车,其特征在于,所述第一效果评价子模块用于获取去雾效果的第一评价值,具体采用下式进行:
在式子里,LG1表示第一评价值,BZ(bi)表示经过去雾处理图像第i个灰度级像素点的概率,L表示图像灰度级的数目;
所述第二效果评价子模块用于获取去雾效果的第二评价值,具体采用下式进行:
在式子里,LG2表示第二评价值,RL1表示采集图像的对比度,RL2表示去雾处理图像的对比度,GP1表示采集图像的空间频率,GP2表示去雾处理图像的空间频率。
7.根据权利要求6所述的智能无人驾驶汽车,其特征在于,所述综合效果评价子模块用于根据第一评价值和第二评价值对去雾效果进行综合评价,具体为:计算去雾效果的综合评价值:LG=ln(LG1+LG2+1)+lg(LG1+LG2+1);
在式子里,LG表示综合评价值;综合评价值越大,表示第三处理模块的去雾效果越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711305825.4A CN108008726A (zh) | 2017-12-11 | 2017-12-11 | 一种智能无人驾驶汽车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711305825.4A CN108008726A (zh) | 2017-12-11 | 2017-12-11 | 一种智能无人驾驶汽车 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108008726A true CN108008726A (zh) | 2018-05-08 |
Family
ID=62057699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711305825.4A Withdrawn CN108008726A (zh) | 2017-12-11 | 2017-12-11 | 一种智能无人驾驶汽车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108008726A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765348A (zh) * | 2018-05-30 | 2018-11-06 | 深圳凯达通光电科技有限公司 | 一种无人驾驶汽车 |
CN108873901A (zh) * | 2018-06-27 | 2018-11-23 | 深圳市创艺工业技术有限公司 | 一种无人驾驶系统 |
CN109591764A (zh) * | 2018-12-29 | 2019-04-09 | 江西与德电子技术有限公司 | 一种车窗自动除雾方法、装置、车载监控设备和存储介质 |
CN112163280A (zh) * | 2020-10-28 | 2021-01-01 | 腾讯科技(深圳)有限公司 | 一种自动驾驶场景的模拟方法、装置、设备以及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015192115A1 (en) * | 2014-06-13 | 2015-12-17 | Board Of Regents Of The University Of Texas System | Systems and methods for automated hierarchical image representation and haze removal |
CN106339079A (zh) * | 2016-08-08 | 2017-01-18 | 清华大学深圳研究生院 | 一种基于计算机视觉的利用无人飞行器实现虚拟现实的方法及装置 |
CN107396053A (zh) * | 2017-08-18 | 2017-11-24 | 深圳市益鑫智能科技有限公司 | 一种室外安防监控系统 |
-
2017
- 2017-12-11 CN CN201711305825.4A patent/CN108008726A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015192115A1 (en) * | 2014-06-13 | 2015-12-17 | Board Of Regents Of The University Of Texas System | Systems and methods for automated hierarchical image representation and haze removal |
CN106339079A (zh) * | 2016-08-08 | 2017-01-18 | 清华大学深圳研究生院 | 一种基于计算机视觉的利用无人飞行器实现虚拟现实的方法及装置 |
CN107396053A (zh) * | 2017-08-18 | 2017-11-24 | 深圳市益鑫智能科技有限公司 | 一种室外安防监控系统 |
Non-Patent Citations (7)
Title |
---|
李长领: "低能见度条件下的交通图像增强技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
杨常青 等: "《舰基图像处理技术原理与应用》", 31 May 2015, 国防工业出版社 * |
王科: "城市交通中智能车辆环境感知方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
王高明: "雾霾环境下图像增强算法研究及其应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
蔡成涛 等: "《海洋环境下的计算机视觉技术》", 31 October 2015, 国防工业出版社 * |
郭璠 等: "《图像去雾技术及其应用》", 31 January 2016, 机械工业出版社 * |
钟仡龙: "单幅图像去雾处理算法研究及软件实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765348A (zh) * | 2018-05-30 | 2018-11-06 | 深圳凯达通光电科技有限公司 | 一种无人驾驶汽车 |
CN108873901A (zh) * | 2018-06-27 | 2018-11-23 | 深圳市创艺工业技术有限公司 | 一种无人驾驶系统 |
CN109591764A (zh) * | 2018-12-29 | 2019-04-09 | 江西与德电子技术有限公司 | 一种车窗自动除雾方法、装置、车载监控设备和存储介质 |
CN112163280A (zh) * | 2020-10-28 | 2021-01-01 | 腾讯科技(深圳)有限公司 | 一种自动驾驶场景的模拟方法、装置、设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108008726A (zh) | 一种智能无人驾驶汽车 | |
CN109740465B (zh) | 一种基于实例分割神经网络框架的车道线检测算法 | |
CN103386975B (zh) | 一种基于机器视觉的车辆避障方法及系统 | |
CN103077504B (zh) | 一种基于自适应光照计算的图像去雾方法 | |
CN103389733A (zh) | 一种基于机器视觉的车辆巡线方法及系统 | |
CN102637293A (zh) | 运动图像处理装置及运动图像处理方法 | |
CN103808723A (zh) | 一种柴油车烟气黑度自动检测装置 | |
CN104601953A (zh) | 一种视频图像融合处理系统 | |
CN111339893A (zh) | 基于深度学习和无人机的管道检测系统及方法 | |
CN110837800A (zh) | 一种面向港口恶劣天气的目标检测和识别的方法 | |
EP3824623A1 (en) | Camera assessment techniques for autonomous vehicles | |
CN107578386A (zh) | 一种无人机拍摄图像的优化去雾处理方法 | |
CN105139347A (zh) | 一种结合暗通道先验原理的偏振成像去雾方法 | |
CN108650495A (zh) | 一种车用全景环视系统及其自适应补光方法 | |
CN104616258A (zh) | 一种针对道路图像的快速去雾方法 | |
CN104766286A (zh) | 基于无人驾驶汽车的图像去雾装置及去雾方法 | |
CN113553998B (zh) | 基于深度学习算法下高速公路夜间车牌防炫目抓拍方法 | |
CN105701783A (zh) | 一种基于环境光模型的单幅图像去雾方法及装置 | |
WO2021164463A1 (zh) | 检测方法、装置及存储介质 | |
CN104346783A (zh) | 一种图像去雾的处理方法及装置 | |
CN115376082B (zh) | 一种融合传统特征提取与深度神经网络的车道线检测方法 | |
CN102663344A (zh) | 基于图像分割的破损道路检测装置 | |
CN107977942A (zh) | 一种基于多聚焦融合的单幅图像的复原方法 | |
CN110676753B (zh) | 输电线路智能巡检机器人 | |
CN116721095B (zh) | 一种航拍式的道路照明故障检测方法及装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180508 |