CN108847085A - 一种驾驶培训智能教练机器人 - Google Patents

一种驾驶培训智能教练机器人 Download PDF

Info

Publication number
CN108847085A
CN108847085A CN201810726772.1A CN201810726772A CN108847085A CN 108847085 A CN108847085 A CN 108847085A CN 201810726772 A CN201810726772 A CN 201810726772A CN 108847085 A CN108847085 A CN 108847085A
Authority
CN
China
Prior art keywords
image
driving
value
component
module
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
Application number
CN201810726772.1A
Other languages
English (en)
Other versions
CN108847085B (zh
Inventor
陈志林
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.)
Wuhan mucang Technology Co., Ltd
Original Assignee
Guangdong Pig Strong Internet Technology 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 Guangdong Pig Strong Internet Technology Co Ltd filed Critical Guangdong Pig Strong Internet Technology Co Ltd
Priority to CN201810726772.1A priority Critical patent/CN108847085B/zh
Publication of CN108847085A publication Critical patent/CN108847085A/zh
Application granted granted Critical
Publication of CN108847085B publication Critical patent/CN108847085B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种驾驶培训智能教练机器人，该智能教练机器人包括：驾驶信息获取模块用于获取培训对象的驾驶行为数据；外界环境信息获取模块用于获取培训对象在驾驶过程中车辆前方的路况图像；数据处理中心用于分别对获取的驾驶行为数据和路况图像进行分析处理，并将其处理后的数据传输至驾驶信息判断模块；驾驶信息判断模块用于根据数据处理中心的处理结果，对培训对象的驾驶行为进行判断，并根据判断结果向语音播报模块发出相应的操作指令；语音播报模块用于实时播报驾驶信息判断模块的判断结果以及相应的操作指令。本发明使得机器人能像驾驶教练一样给培训人员作出指导，提高培训人员在驾驶训练时的学习效果。

Description

一种驾驶培训智能教练机器人
技术领域
本发明涉及驾驶训练领域，具体涉及一种驾驶培训智能教练机器人。
背景技术
随着我国的汽车普及程度越来越高，驾驶汽车逐渐成为现代人必需的生活技能。目前，我国国内驾驶培训行业存在很多问题，比如：较低的培训质量、破旧的训练场地与教练车、较少的培训时间、不规范的教练员队伍、高昂的培训费用。新手驾驶者的不当驾驶操作有时还会造成道路拥堵、燃油浪费等问题。现有驾校中使用的驾驶模拟系统，无法对驾驶学院的驾驶操作作出识别与反馈，也无法像教练一样实时给出驾驶建议，即不具备驾校教练功能，因此，如何在新手驾驶者在驾驶培训中实时给出驾驶建议是目前亟需解决的问题。
发明内容
针对上述问题，本发明提供一种
本发明的目的采用以下技术方案来实现：
一种驾驶培训智能教练机器人，该智能教练机器人包括：驾驶信息获取模块、外界环境信息获取模块、数据处理中心、驾驶信息判断模块和语音播报模块。驾驶信息获取模块，用于获取培训对象的驾驶行为数据；外界环境信息获取模块，用于获取培训对象在驾驶过程中车辆前方的路况图像；数据处理中心，用于分别对获取的驾驶行为数据和路况图像进行分析处理，并将其处理后的数据传输至驾驶信息判断模块；驾驶信息判断模块，用于根据数据处理中心的处理结果，对培训对象的驾驶行为进行判断，并根据判断结果向语音播报模块发出相应的操作指令；语音播报模块与驾驶信息判断模块相连，用于实时播报驾驶信息判断模块的判断结果以及相应的操作指令。
本发明的有益效果为：本发明使得机器人能像驾驶交流一样给培训人员作出指导，提高培训人员在驾驶训练时的学习效果。
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是本发明实施例的结构示意图；
图2是本发明实施例数据处理中心的框架结构图。
附图标记：驾驶信息获取模块1；外界环境信息获取模块2；数据处理中心3；驾驶信息判断模块4；语音播报模块5；预处理单元31；分割单元32；特征识别单元33；第一处理子单元311；第二处理子单元312。
具体实施方式
结合以下实施例对本发明作进一步描述。
图1示出了一种驾驶培训智能教练机器人，该智能教练机器人包括：驾驶信息获取模块1、外界环境信息获取模块2、数据处理中心3、驾驶信息判断模块4和语音播报模块5。驾驶信息获取模块1，用于获取培训对象的驾驶行为数据；外界环境信息获取模块2，用于获取培训对象在驾驶过程中车辆前方的路况图像；数据处理中心3，用于分别对获取的驾驶行为数据和路况图像进行分析处理，并将其处理后的数据传输至驾驶信息判断模块4；驾驶信息判断模块4，用于根据数据处理中心3的处理结果，对培训对象的驾驶行为进行判断，并根据判断结果向语音播报模块5发出相应的操作指令；语音播报模块5与驾驶信息判断模块4相连，用于实时播报驾驶信息判断模块的判断结果以及相应的操作指令。
优选地，驾驶信息获取模块1包括安装在方向盘的角位移传感器、安装在离合器踏板、刹车踏板和油门踏板的位置传感器以及安装在驻车制动器、换挡杆和操作开关的开关量传感器。
优选地，参见图2，数据处理中心3包括预处理单元31、分割单元32、特征识别单元和数据库33；
预处理单元31，用于从获取的路况图像中预选出包含交通标志的第一图像，并对第一图像进行预处理；
分割单元32，用于对经预处理后的第一图像进行分割，得到能够描述交通标志信息的前景图像；
特征识别单元33，用于从前景图像中获取描述第一图像中交通标志的特征值，并将得到的特征值与数据库中预存的交通标志的特征值进行比对，获取交通标志上的数据信息。
优选地，根据数据处理中心3的处理结果，对培训对象的驾驶行为进行判断，并根据判断结果向语音播报模块5发出相应的操作指令，包括：
(1)驾驶信息判断模块4接收数据处理中心3的交通标志上的数据信息；
(2)根据交通标志上的数据信息，判断培训对象当前的驾驶行为是否规范，如果培训对象驾驶行为规范，向语音播报模块5发出“请保持”的语音指令；若培训对象驾驶行为不规范，向语音播报模块5发出“驾驶操作行为不规范”的语音指令，同时给出相应的正确操作规范的指引。
优选地，预处理单元31包括第一处理子单元311和第二处理子单元312；第一处理子单元311用于从获取的路况图像中预选出包含交通标志的第一图像，并对第一图像进行增强处理；第二处理子单元312用于去除增强后的第一图像中的随机噪声。
优选地，对第一图像进行增强处理，包括：
(1)获取第一图像内所有像素点的原始RGB分量集合，RGB分量集合包括R分量、G分量和B分量；
(2)基于获取的原始RGB分量集合，利用下式获取增强后的RGB分量集合，其中像素点(i，j)经增强处理后的RGB分量集合的计算公式为：
式中，Tr＇(i，j)、Tg＇(i，j)和Tb′(i，j)分别是经增强后的像素点(i，j)的R分量的值、G分量的值和B分量的值，Tr(i，j)、Tg(i，j)和Tb(i，j)是第一图像中像素点(i，j)的R分量的值、G分量的值和B分量的值，Crmin是第一图像中所有像素点R分量的最小值，Cgmin是第一图像中所有像素点G分量的最小值，Cbmin是第一图像中所有像素点B分量的最小值，Crmax是第一图像中所有像素点R分量的最大值，Cgmax是第一图像中所有像素点G分量的最大值，Cbmax是第一图像中所有像素点B分量的最大值，γ是增强系数，是Crmin、Cgmin、Cbmin三者之和的平均值；int[·]是取整运算，i、j分别为第一图像中像素点的横坐标和纵坐标；
(3)对第一图像中所有像素点进行增强处理，即可得到增强后的第一图像。
有益效果：利用上式对第一图像中每个像素点的三个通道分量进行增强处理，使得增强后的第一图像中的阴暗区域的颜色亮度得到了明显的加强，增强了第一图像的清晰度，能够有效地降低环境、天气、物体遮挡等干扰因素带来的影响，提高了后续对交通标志识别的速度和准确率。
在一个实施例中，去除增强后的第一图像中的随机噪声，包括：
(1)将增强后的第一图像进行灰度化处理；
(2)以像素点p(m，n)为中心，选取一个大小为A×A的滑动窗口Ωp，根据滑动窗口内所有像素点的灰度值以及增强后的第一图像的灰度值均值，计算除像素点p(m，n)以外，滑动窗口内剩余像素点的加权系数，其中，像素点q(a，b)的加权系数的计算公式为：
式中，ωq(a，b)是像素点q(a，b)的加权系数，Gq(a，b)是像素点q(a，b)的灰度值，v1、v2是预设的大于零的参数因子，用于分别描述滑动窗口内像素点的平均灰度值和经增强后的第一图像的平均灰度值的贡献程度，且满足v1+v2＝1，δ1、δ1是设定的常数因子(很小的值)，用来避免分母为零的情况，像素点q(a，b)是滑动窗口Ωp内、除去像素点p(m，n)以外的剩余像素点；
(3)根据得到的滑动窗口内剩余像素点的权重系数和预设定的全局阈值T，计算滑动窗口Ωp的局部阈值，其中，滑动窗口Ωp的局部阈值的计算式子为：
式中，是滑动窗口Ωp内像素点的局部阈值；
当滑动窗口内任一像素点的灰度值大于则该像素点是噪声点，利用下式估算出该噪声点的去噪估计值，并用得到的去噪估计值替换对应像素点的灰度值，当滑动窗口内任一像素点的灰度值不大于则该像素点是非噪声点，其中，噪声点的去噪估计值的计算式子为；
式中，是噪声点gh(i，j)的去噪估计值，Ggh(i，j)是滑动窗口Ωp内的噪声点的灰度值；
(4)遍历经灰度化处理后的增强后的第一图像中所有像素点，从而得到预处理后的第一图像。
有益效果：利用第二处理子单元312对增强后的第一图像的灰度化图像进行去噪处理，通过步骤(2)中的式子计算滑动窗口内除中心点之外所有像素点的权重系数，进而计算滑动窗口内像素点的局部阈值，根据计算得到的局部阈值对滑动窗口内所有像素点进行去噪处理，该算法能够自适应的过滤掉随机噪声，同时并估算出噪声点的去噪估计值取代对应像素点的灰度值，能够在保留图像的细节信息的同时，有效地去除图像中的随机噪声，获取清晰度高的去噪图像。
在一个实施例中，对预处理后的第一图像进行分割处理，得到能够表述交通标志信息的前景图像，方法是：
(1)将预处理后的第一图像划分为成多个大小为M×N的子图像块；
(2)对每个子图像块进行阈值分割，其子图像块的阈值计算公式为：
当λef(c，d)＞λe，f，该像素点为前景像素点，反之，该像素点为背景像素点；
式中，λe，f为预处理后的第一图像中第e行第f列的子图像块的最优阈值，gef(c，d)为子图像块中第c行第d列处像素点的灰度值，ρef(c，d)为子图像块中第c行第d列处像素点在该子图像块中所占的权重，且满足σef为第e行第f列子图像块的灰度值的方差，σ为预处理后的第一图像的方差，uef为第e行第f列子图像块的灰度值均值，u为预处理后的第一图像的灰度值均值，k1，k2为权重系数，是预处理后第一图像的平均灰度值，Δ为设定的常数因子，用于防止指数为零，λth是设定的预处理后的第一图像的全局分割阈值；
(3)获取所有前景像素点，前景像素点构成的集合即为前景图像。
有益效果：将经预处理后的第一图像划分成多个子图像块，并选择不同的阈值对各个子图像块进行分割处理，该算法更加灵活，自适应强，且该阈值由子图像块的灰度值和灰度值图像的灰度值和预设定的全局分割阈值共同决定，该方法能够免受外界环境的干扰，如光照、遮挡、图像脏污等的干扰，有利于获取与交通标志信息相关的图像区域，降低了后续的交通标志信息的特征提取计算的复杂度，提高了处理速度和处理精度，延长了该机器人的使用寿命。
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 (6)

1.一种驾驶培训智能教练机器人，其特征在于，包括：驾驶信息获取模块、外界环境信息获取模块、数据处理中心、驾驶信息判断模块和语音播报模块。
所述驾驶信息获取模块，用于获取培训对象的驾驶行为数据；
所述外界环境信息获取模块，用于获取所述培训对象在驾驶过程中车辆前方的路况图像；
所述数据处理中心，用于分别对获取的驾驶行为数据和路况图像进行分析处理，并将其处理后的数据传输至所述驾驶信息判断模块；
所述驾驶信息判断模块，用于根据所述数据处理中心的处理结果，对所述培训对象的驾驶行为进行判断，并根据判断结果向所述语音播报模块发出相应的操作指令；
所述语音播报模块与所述驾驶信息判断模块相连，用于实时播报所述驾驶信息判断模块的判断结果以及相应的操作指令。
2.根据权利要求1所述的驾驶培训智能教练机器人，其特征在于，所述驾驶信息获取模块包括安装在方向盘的角位移传感器、安装在离合器踏板、刹车踏板和油门踏板的位置传感器以及安装在驻车制动器、换挡杆和操作开关的开关量传感器。
3.根据权利要求1所述的驾驶培训智能教练机器人，其特征在于，所述数据处理中心包括预处理单元、分割单元、特征识别单元和数据库；
所述预处理单元，用于从获取的路况图像中预选出包含交通标志的第一图像，并对所述第一图像进行预处理；
所述分割单元，用于对经预处理后的第一图像进行分割，得到能够描述交通标志信息的前景图像；
所述特征识别单元，用于从所述前景图像中获取描述第一图像中交通标志的特征值，并将得到的特征值与数据库中预存的交通标志的特征值进行比对，获取所述交通标志上的数据信息。
4.根据权利要求3所述的驾驶培训智能教练机器人，其特征在于，所述根据数据处理中心的处理结果，对培训对象的驾驶行为进行判断，并根据判断结果向所述语音播报模块发出相应的操作指令，包括：
(1)所述驾驶信息判断模块接收所述数据处理中心的交通标志上的数据信息；
(2)根据所述交通标志上的数据信息，判断培训对象当前的驾驶行为是否规范，如果培训对象驾驶行为规范，向所述语音播报模块发出“请保持”的语音指令；若培训对象驾驶行为不规范，向所述语音播报模块发出“驾驶操作行为不规范”的语音指令，同时给出相应的正确操作规范的指引。
5.根据权利要求3所述的驾驶培训智能教练机器人，其特征在于，所述预处理单元包括第一处理子单元和第二处理子单元；
所述第一处理子单元用于从获取的路况图像中预选出包含交通标志的第一图像，并对所述第一图像进行增强处理；
所述第二处理子单元用于去除增强后的第一图像中的随机噪声。
6.根据权利要求5所述的驾驶培训智能教练机器人，其特征在于，所述对第一图像进行增强处理，包括：
(1)获取所述第一图像内所有像素点的原始RGB分量集合，所述RGB分量集合包括R分量、G分量和B分量；
(2)基于获取的原始RGB分量集合，利用下式获取增强后的RGB分量集合，其中像素点(i，j)经增强处理后的RGB分量集合的计算公式为：
式中，Tr′(i，j)、Tg＇(i，j)和Tb′(i，j)分别是经增强后的像素点(i，j)的R分量的值、G分量的值和B分量的值，Tr(i，j)、Tg(i，j)和Tb(i，j)是所述第一图像中像素点(i，j)的R分量的值、G分量的值和B分量的值，Crmin是所述第一图像中所有像素点R分量的最小值，Cgmin是所述第一图像中所有像素点G分量的最小值，Cbmin是所述第一图像中所有像素点B分量的最小值，Crmax是所述第一图像中所有像素点R分量的最大值，Cgmax是所述第一图像中所有像素点G分量的最大值，Cbmax是所述第一图像中所有像素点B分量的最大值，γ是增强系数，是Crmin、Cgmin、Cbmin三者之和的平均值；int[·]是取整运算，i、j分别为所述第一图像中像素点的横坐标和纵坐标；
(3)对所述第一图像中所有像素点进行增强处理，即可得到增强后的第一图像。
CN201810726772.1A 2018-07-04 2018-07-04 一种驾驶培训智能教练机器人 Active CN108847085B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810726772.1A CN108847085B (zh) 2018-07-04 2018-07-04 一种驾驶培训智能教练机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810726772.1A CN108847085B (zh) 2018-07-04 2018-07-04 一种驾驶培训智能教练机器人

Publications (2)

Publication Number Publication Date
CN108847085A true CN108847085A (zh) 2018-11-20
CN108847085B CN108847085B (zh) 2021-02-02

Family

ID=64200106

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810726772.1A Active CN108847085B (zh) 2018-07-04 2018-07-04 一种驾驶培训智能教练机器人

Country Status (1)

Country Link
CN (1) CN108847085B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110677557A (zh) * 2019-10-28 2020-01-10 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205003902U (zh) * 2015-08-19 2016-01-27 福建凯智信息技术有限公司 一种机动车驾驶人技能培训电子教练系统
CN105654436A (zh) * 2015-12-24 2016-06-08 广东迅通科技股份有限公司 一种基于前景背景分离的背光图像增强去噪方法
CN106601067A (zh) * 2016-12-06 2017-04-26 安徽嘻哈网络技术有限公司 一种用于驾驶培训的学车电子教练中心控制系统
CN107560622A (zh) * 2016-07-01 2018-01-09 板牙信息科技（上海）有限公司 一种基于行车图像导航的方法与设备
CN108107880A (zh) * 2016-11-24 2018-06-01 广州映博智能科技有限公司 一种新型的移动机器人导盲系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205003902U (zh) * 2015-08-19 2016-01-27 福建凯智信息技术有限公司 一种机动车驾驶人技能培训电子教练系统
CN105654436A (zh) * 2015-12-24 2016-06-08 广东迅通科技股份有限公司 一种基于前景背景分离的背光图像增强去噪方法
CN107560622A (zh) * 2016-07-01 2018-01-09 板牙信息科技（上海）有限公司 一种基于行车图像导航的方法与设备
CN108107880A (zh) * 2016-11-24 2018-06-01 广州映博智能科技有限公司 一种新型的移动机器人导盲系统及方法
CN106601067A (zh) * 2016-12-06 2017-04-26 安徽嘻哈网络技术有限公司 一种用于驾驶培训的学车电子教练中心控制系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
金旭晖: "《基于区域颜色分割的交通标志检测和识别》", 《电气自动化》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110677557A (zh) * 2019-10-28 2020-01-10 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN110677557B (zh) * 2019-10-28 2022-04-22 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN108847085B (zh) 2021-02-02

Similar Documents

Publication Publication Date Title
CN107301623B (zh) 一种基于暗通道和图像分割的交通图像去雾方法及系统
CN106296612B (zh) 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法
US11003931B2 (en) Vehicle monitoring method and apparatus, processor, and image acquisition device
CN101673338B (zh) 基于多角度投影的模糊车牌识别方法
CN105913385B (zh) 雾霾图像的清晰化方法、系统和图像处理装置
CN108665417B (zh) 一种车牌图像去模糊方法、装置及系统
CN109543753B (zh) 基于自适应模糊修复机制的车牌识别方法
CN112613579A (zh) 一种人脸或人头图像质量的模型训练方法、评估方法及高质量图像的选取方法
CN112508814B (zh) 一种基于无人机低空视角下的图像色调修复型去雾增强方法
CN111079675A (zh) 基于目标检测与目标跟踪的行驶行为分析方法
CN108847085A (zh) 一种驾驶培训智能教练机器人
WO2022128013A1 (de) Korrektur von bildern einer kamera bei regen, lichteinfall und verschmutzung
CN107369354B (zh) 基于虚拟现实技术的汽车驾驶模拟装置
CN111833323A (zh) 基于稀疏表示与svm的分任务铁路货车图像质量判断方法
CN110490032A (zh) 一种基于深度学习的路面环境感知方法及装置
CN115620286B (zh) 一种基于大数据的数据自动标注系统及方法
CN109031962A (zh) 一种基于区块链的智能家居控制系统
CN117079255B (zh) 一种基于人脸识别和语音交互的疲劳驾驶检测方法
CN110866487B (zh) 大规模行人检测与重识别样本集构建方法及装置
DE102020100970B4 (de) Verfahren und Vorrichtung zum Anlernen eines lernfähigen Algorithmus, Computerprogrammprodukt, Fahrerassistenz-System und Fahrzeug
CN117261786A (zh) 一种基于人脸表情识别的智慧座舱遮阳板自动调节系统
CN115762289A (zh) 一种车身点位与场景点位重合判定方法及系统
CN116977975A (zh) 一种基于深度学习的交通标志检测方法
Liu et al. Foggy Lane Line Detection Based on an Improved Dark Channel Prior and the Canny Operator
DE102022118300A1 (de) Verfahren und System zur Übersetzung von Text

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201202

Address after: Unit 2414-2416, main building, no.371, Wushan Road, Tianhe District, Guangzhou City, Guangdong Province

Applicant after: GUANGDONG GAOHANG INTELLECTUAL PROPERTY OPERATION Co.,Ltd.

Address before: 510000 9213-9215 building, 200 Yuan Gang Road, Tianhe District, Guangzhou, Guangdong, ninth

Applicant before: GUANGDONG ZHUJIANQIANG INTERNET TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201223

Address after: No.03, 31 / F, Poly International Center, 332 Guanshan Avenue, Wuhan East Lake New Technology Development Zone, Wuhan City, Hubei Province, 430000

Applicant after: Wuhan mucang Technology Co., Ltd

Address before: Unit 2414-2416, main building, no.371, Wushan Road, Tianhe District, Guangzhou City, Guangdong Province

Applicant before: GUANGDONG GAOHANG INTELLECTUAL PROPERTY OPERATION Co.,Ltd.

GR01 Patent grant
GR01 Patent grant