CN109345763A - 一种高层建筑安全预警系统 - Google Patents
一种高层建筑安全预警系统 Download PDFInfo
- Publication number
- CN109345763A CN109345763A CN201811119906.XA CN201811119906A CN109345763A CN 109345763 A CN109345763 A CN 109345763A CN 201811119906 A CN201811119906 A CN 201811119906A CN 109345763 A CN109345763 A CN 109345763A
- Authority
- CN
- China
- Prior art keywords
- image
- early warning
- safe early
- vibration
- subsystem
- 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- Withdrawn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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种高层建筑安全预警系统,包括高层建筑振动测量子系统、火灾监测子系统和安全预警子系统,所述高层建筑振动测量子系统用于对高层建筑振动进行测量,并将振动测量结果发送至安全预警子系统,所述火灾监测子系统采用烟雾传感器对高层建筑进行烟雾监测,并将烟雾监测结果发送至安全预警子系统,所述安全预警子系统根据振动测量结果和烟雾监测结果发出安全预警。本发明的有益效果为:提供了一种高层建筑安全预警系统,从而实现了高层建筑的安全预警。
Description
技术领域
本发明涉及预警技术领域,具体涉及一种高层建筑安全预警系统。
背景技术
高层建筑的监测预警关系到高层建筑的安全,关系到人民群众的生命财产安全。
测量技术是现代工业的基础技术之一,测量的精度和效率在一定程度上决定着制造业乃至科学技术的发展水平。随着工业制造技术和加工工艺的改进与提高,人们对测量手段的速度和精度提出了更高的要求。近年来测量技术的发展趋势主要体现在以下几个方面:非接触式、在线测量、高精度、智能化等。随着机器视觉的迅速发展,人们开始将视觉技术应用于测量技术之中,形成了一种新型的检测技术——视觉测量技术。视觉测量技术以机器视觉为基础,将图像作为检测信息的手段,融合了光电子学、计算机技术、图像处理技术等现代科学技术,形成了光机电算一体化的视觉测量系统,具有高效、高精度、非接触式、远距离测量的特点,是传统测量方式的重要补充,被广泛应用于工业、军事、医学等领域,得到了研究者的普遍关注。
发明内容
针对上述问题,本发明旨在提供一种高层建筑安全预警系统。
本发明的目的采用以下技术方案来实现:
提供了一种高层建筑安全预警系统,包括高层建筑振动测量子系统、火灾监测子系统和安全预警子系统,所述高层建筑振动测量子系统用于对高层建筑振动进行测量,并将振动测量结果发送至安全预警子系统,所述火灾监测子系统采用烟雾传感器对高层建筑进行烟雾监测,并将烟雾监测结果发送至安全预警子系统,所述安全预警子系统根据振动测量结果和烟雾监测结果发出安全预警。
本发明的有益效果为:提供了一种高层建筑安全预警系统,从而实现了高层建筑的安全预警。
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:
高层建筑振动测量子系统1、火灾监测子系统2、安全预警子系统3。
具体实施方式
结合以下实施例对本发明作进一步描述。
第一优选实施例:
参见图1,本实施例的一种高层建筑安全预警系统,包括高层建筑振动测量子系统1、火灾监测子系统2和安全预警子系统3,所述高层建筑振动测量子系统1用于对高层建筑振动进行测量,并将振动测量结果发送至安全预警子系统3,所述火灾监测子系统2采用烟雾传感器对高层建筑进行烟雾监测,并将烟雾监测结果发送至安全预警子系统3,所述安全预警子系统3根据振动测量结果和烟雾监测结果发出安全预警。
本实施例提供了一种高层建筑安全预警系统,从而实现了高层建筑的安全预警。
优选的,所述高层建筑振动测量子系统1包括一次工作模块、二次工作模块和三次工作模块,所述一次工作模块用于采集物体振动视频,即高层建筑的振动视频,所述二次工作模块用于确定振动物体的位移特征,并根据物体的位移特征计算物体的振动测量结果,所述三次工作模块用于对物体振动测量结果进行评价;所述一次工作模块包括照明装置和高速摄像机,所述照明装置用于对拍摄场景进行照明,所述高速摄像机用于获取物体的振动视频;
所述二次工作模块包括一次工作子模块、二次工作子模块和三次工作子模块,所述一次工作子模块用于提取振动物体的第一位移特征,所述二次工作子模块用于提取振动物体的第二位移特征,所述三次工作子模块根据振动物体的第一位移特征和第二位移特征确定振动物体的位移特征并确定振动测量结果;
本优选实施例通过提取振动物体的第一位移特征和第二位移特征,并根据物体的第一位移特征和第二位移特征确定振动物体的位移特征,实现了物体的位移特征准确提取,为准确确定振动测量结果奠定了基础。
优选的,所述一次工作子模块用于提取振动物体的第一位移特征:选取高速摄像机采集的第一帧图像作为匹配图像PL,然后选取一块区域作为模板图像Q,其中,匹配图像PL的长为C0,高为H0,模板图像Q的长为C1,高为H1,C0>C1,H0>H1,将模板图像Q叠放在在匹配图像PL上,按照从上到下,从左向右逐像素平移扫描,计算模板图像Q与匹配图像PL各区域的相关系数,得到一个描述模板图像Q与匹配图像PL各区域的相关系数矩阵,其中矩阵中最大值出现的位置作为模板图像Q与匹配图像PL匹配程度最高的区域;如果最大值大于预先设定阔值,则认为匹配成功;
在后续帧中选取与第一帧模板图像相同的区域作为各帧的模板图像,计算各帧的模板图像与第一帧图像PL的相关系数矩阵,提取最大位置点的坐标作为各帧图像中振动物体的最大偏移量,选取所有帧图像中最大偏移量的最大值作为第一位移特征(x1,y1);
所述模板图像Q与匹配图像PL各区域的相关系数采用以下方式确定:计算模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第一相关系数:在式中,KW1(x,y)表示模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第一相关系数;计算模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第二相关系数:在式中,KW2(x,y)表示模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第二相关系数;根据模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第一相关系数和第二相关系数确定模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的相关系数: 在式中,KW(x,y)表示模板图像Q与匹配图像PL在像素点(x,y)处匹配的相关系数;
本优选实施例一次工作子模块基于图像匹配,实现了振动物体的第一位移特征准确提取,通过第一相关系数和第二相关系数确定模板图像与匹配图像相关系数,提升了对环境光照变化的适应能力,具有计算结果可靠、有效、执行速度快、自动化程度高、抗干扰能为强、鲁椿性强的特点。
优选的,所述二次工作子模块用于提取振动物体的第二位移特征:对高速摄像机获取的各帧图像进行二值化分割处理,并在各帧图像上选取15个标记点对物体进行标记,对比各帧图像,将不同帧之间相同标记点的最大偏移量作为振动物体的第二位移特征(x2,y2);
所述三次工作子模块根据振动物体的第一位移特征和第二位移特征确定振动物体的位移特征并确定振动测量结果:采用下式计算振动物体的位移特征:TZ=[(x1,y1),(x2,y2)],在式中,TZ表示振动物体的位移特征;根据振动物体的位移特征确定振动测量结果:在式中,DG表示振动测量结果;
所述三次工作模块用于对物体振动测量结果进行评价:采用测量评价因子对物体振动测量结果进行评价,所述测量评价因子采用下式确定:在式中,UA表示测量评价因子,DG0表示实际振动值,X表示实际振动的横向最大偏移量,Y表示实际振动的纵向最大偏移量;所述测量评价因子越小,表示测量结果越准确。
本优选实施例通过第一位移特征和第二位移特征确定物体的位移特征并根据物体的位移特征计算物体的振动测量结果实现了物体振动的准确测量,通过测量评价因子实现了测量结果的准确评价。
第二优选实施例:
参见图1,本实施例的一种高层建筑安全预警系统,包括高层建筑振动测量子系统1、火灾监测子系统2和安全预警子系统3,所述高层建筑振动测量子系统1用于对高层建筑振动进行测量,并将振动测量结果发送至安全预警子系统3,所述火灾监测子系统2采用烟雾传感器对高层建筑进行烟雾监测,并将烟雾监测结果发送至安全预警子系统3,所述安全预警子系统3根据振动测量结果和烟雾监测结果发出安全预警。
本实施例提供了一种高层建筑安全预警系统,从而实现了高层建筑的安全预警。
优选的,所述高层建筑振动测量子系统1包括一次工作模块、二次工作模块和三次工作模块,所述一次工作模块用于采集物体振动视频,即高层建筑的振动视频,所述二次工作模块用于确定振动物体的位移特征,并根据物体的位移特征计算物体的振动测量结果,所述三次工作模块用于对物体振动测量结果进行评价;所述一次工作模块包括照明装置和高速摄像机,所述照明装置用于对拍摄场景进行照明,所述高速摄像机用于获取物体的振动视频;
所述二次工作模块包括一次工作子模块、二次工作子模块和三次工作子模块,所述一次工作子模块用于提取振动物体的第一位移特征,所述二次工作子模块用于提取振动物体的第二位移特征,所述三次工作子模块根据振动物体的第一位移特征和第二位移特征确定振动物体的位移特征并确定振动测量结果;
本优选实施例通过提取振动物体的第一位移特征和第二位移特征,并根据物体的第一位移特征和第二位移特征确定振动物体的位移特征,实现了物体的位移特征准确提取,为准确确定振动测量结果奠定了基础。
优选的,所述一次工作子模块用于提取振动物体的第一位移特征:选取高速摄像机采集的第一帧图像作为匹配图像PL,然后选取一块区域作为模板图像Q,其中,匹配图像PL的长为C0,高为H0,模板图像Q的长为C1,高为H1,C0>C1,H0>H1,将模板图像Q叠放在在匹配图像PL上,按照从上到下,从左向右逐像素平移扫描,计算模板图像Q与匹配图像PL各区域的相关系数,得到一个描述模板图像Q与匹配图像PL各区域的相关系数矩阵,其中矩阵中最大值出现的位置作为模板图像Q与匹配图像PL匹配程度最高的区域;如果最大值大于预先设定阔值,则认为匹配成功;
在后续帧中选取与第一帧模板图像相同的区域作为各帧的模板图像,计算各帧的模板图像与第一帧图像PL的相关系数矩阵,提取最大位置点的坐标作为各帧图像中振动物体的最大偏移量,选取所有帧图像中最大偏移量的最大值作为第一位移特征(x1,y1);
所述模板图像Q与匹配图像PL各区域的相关系数采用以下方式确定:计算模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第一相关系数:在式中,KW1(x,y)表示模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第一相关系数;计算模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第二相关系数:在式中,KW2(x,y)表示模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第二相关系数;根据模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第一相关系数和第二相关系数确定模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的相关系数:KW(x,y)=0.7KW1(x,y)+0.3KW2(x,y),在式中,KW(x,y)表示模板图像Q与匹配图像PL在像素点(x,y)处匹配的相关系数;
本优选实施例一次工作子模块基于图像匹配,实现了振动物体的第一位移特征准确提取,通过第一相关系数和第二相关系数确定模板图像与匹配图像相关系数,提升了对环境光照变化的适应能力,具有计算结果可靠、有效、执行速度快、自动化程度高、抗干扰能为强、鲁椿性强的特点。
优选的,所述二次工作子模块用于提取振动物体的第二位移特征:对高速摄像机获取的各帧图像进行二值化分割处理,并在各帧图像上选取15个标记点对物体进行标记,对比各帧图像,将不同帧之间相同标记点的最大偏移量作为振动物体的第二位移特征(x2,y2);
所述三次工作子模块根据振动物体的第一位移特征和第二位移特征确定振动物体的位移特征并确定振动测量结果:采用下式计算振动物体的位移特征:TZ=[(x1,y1),(x2,y2)],在式中,TZ表示振动物体的位移特征;根据振动物体的位移特征确定振动测量结果:在式中,DG表示振动测量结果;
所述三次工作模块用于对物体振动测量结果进行评价:采用测量评价因子对物体振动测量结果进行评价,所述测量评价因子采用下式确定:在式中,UA表示测量评价因子,DG0表示实际振动值,X表示实际振动的横向最大偏移量,Y表示实际振动的纵向最大偏移量;所述测量评价因子越小,表示测量结果越准确。
本优选实施例通过第一位移特征和第二位移特征确定物体的位移特征并根据物体的位移特征计算物体的振动测量结果实现了物体振动的准确测量,通过测量评价因了实现了测量结果的准确评价。
采用本发明高层建筑安全预警系统进行高层建筑安全预警,选取5个高层建筑进行实验,分别为高层建筑1、高层建筑2、高层建筑3、高层建筑4、高层建筑5,对预警效率和预警准确率进行统计,同现有技术相比,产生的有益效果如下表所示:
预警效率提高 | 预警准确率提高 | |
高层建筑1 | 29% | 27% |
高层建筑2 | 27% | 26% |
高层建筑3 | 26% | 26% |
高层建筑4 | 25% | 24% |
高层建筑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)
1.一种高层建筑安全预警系统,其特征在于,包括高层建筑振动测量子系统、火灾监测子系统和安全预警子系统,所述高层建筑振动测量子系统用于对高层建筑振动进行测量,并将振动测量结果发送至安全预警子系统,所述火灾监测子系统采用烟雾传感器对高层建筑进行烟雾监测,并将烟雾监测结果发送至安全预警子系统,所述安全预警子系统根据振动测量结果和烟雾监测结果发出安全预警。
2.根据权利要求1所述的高层建筑安全预警系统,其特征在于,所述高层建筑振动测量子系统包括一次工作模块、二次工作模块和三次工作模块,所述一次工作模块用于采集物体振动视频,即高层建筑的振动视频,所述二次工作模块用于确定振动物体的位移特征,并根据物体的位移特征计算物体的振动测量结果,所述三次工作模块用于对物体振动测量结果进行评价;所述一次工作模块包括照明装置和高速摄像机,所述照明装置用于对拍摄场景进行照明,所述高速摄像机用于获取物体的振动视频。
3.根据权利要求2所述的高层建筑安全预警系统,其特征在于,所述二次工作模块包括一次工作子模块、二次工作子模块和三次工作子模块,所述一次工作子模块用于提取振动物体的第一位移特征,所述二次工作子模块用于提取振动物体的第二位移特征,所述三次工作子模块根据振动物体的第一位移特征和第二位移特征确定振动物体的位移特征并确定振动测量结果。
4.根据权利要求3所述的高层建筑安全预警系统,其特征在于,所述一次工作子模块用于提取振动物体的第一位移特征:选取高速摄像机采集的第一帧图像作为匹配图像PL,然后选取一块区域作为模板图像Q,其中,匹配图像PL的长为C0,高为H0,模板图像Q的长为C1,高为H1,C0>C1,H0>H1,将模板图像Q叠放在在匹配图像PL上,按照从上到下,从左向右逐像素平移扫描,计算模板图像Q与匹配图像PL各区域的相关系数,得到一个描述模板图像Q与匹配图像PL各区域的相关系数矩阵,其中矩阵中最大值出现的位置作为模板图像Q与匹配图像PL匹配程度最高的区域;如果最大值大于预先设定阔值,则认为匹配成功;
在后续帧中选取与第一帧模板图像相同的区域作为各帧的模板图像,计算各帧的模板图像与第一帧图像PL的相关系数矩阵,提取最大位置点的坐标作为各帧图像中振动物体的最大偏移量,选取所有帧图像中最大偏移量的最大值作为第一位移特征(x1,y1)。
5.根据权利要求4所述的高层建筑安全预警系统,其特征在于,所述模板图像Q与匹配图像PL各区域的相关系数采用以下方式确定:计算模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第一相关系数:在式中,KW1(x,y)表示模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第一相关系数;计算模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第二相关系数:在式中,KW2(x,y)表示模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第二相关系数;根据模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的第一相关系数和第二相关系数确定模板图像Q与匹配图像PL在像素点(x,y)处进行匹配的相关系数:在式中,KW(x,y)表示模板图像Q与匹配图像PL在像素点(x,y)处匹配的相关系数。
6.根据权利要求5所述的高层建筑安全预警系统,其特征在于,所述二次工作子模块用于提取振动物体的第二位移特征:对高速摄像机获取的各帧图像进行二值化分割处理,并在各帧图像上选取15个标记点对物体进行标记,对比各帧图像,将不同帧之间相同标记点的最大偏移量作为振动物体的第二位移特征(x2,y2)。
7.根据权利要求6所述的高层建筑安全预警系统,其特征在于,所述三次工作子模块根据振动物体的第一位移特征和第二位移特征确定振动物体的位移特征并确定振动测量结果:采用下式计算振动物体的位移特征:TZ=[(x1,y1),(x2,y2)],在式中,TZ表示振动物体的位移特征;根据振动物体的位移特征确定振动测量结果:在式中,DG表示振动测量结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811119906.XA CN109345763A (zh) | 2018-09-25 | 2018-09-25 | 一种高层建筑安全预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811119906.XA CN109345763A (zh) | 2018-09-25 | 2018-09-25 | 一种高层建筑安全预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109345763A true CN109345763A (zh) | 2019-02-15 |
Family
ID=65306881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811119906.XA Withdrawn CN109345763A (zh) | 2018-09-25 | 2018-09-25 | 一种高层建筑安全预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109345763A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115691018A (zh) * | 2022-10-26 | 2023-02-03 | 哈尔滨市科佳通用机电股份有限公司 | 基于多传感器融合的铁路周界入侵监测预警方法及系统 |
-
2018
- 2018-09-25 CN CN201811119906.XA patent/CN109345763A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115691018A (zh) * | 2022-10-26 | 2023-02-03 | 哈尔滨市科佳通用机电股份有限公司 | 基于多传感器融合的铁路周界入侵监测预警方法及系统 |
CN115691018B (zh) * | 2022-10-26 | 2023-04-21 | 哈尔滨市科佳通用机电股份有限公司 | 基于多传感器融合的铁路周界入侵监测预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110108348B (zh) | 基于运动放大光流跟踪的薄壁件微幅振动测量方法及系统 | |
CN106767399B (zh) | 基于双目立体视觉和点激光测距的物流货物体积的非接触测量方法 | |
CN110118528B (zh) | 一种基于棋盘靶标的线结构光标定方法 | |
CN105203034B (zh) | 一种基于单目摄像头三维测距模型的测高测面积方法 | |
CN105716539B (zh) | 一种快速高精度的三维形面测量方法 | |
CN109341847A (zh) | 一种基于视觉的振动测量系统 | |
CN104048744A (zh) | 一种非接触式的基于影像的实时在线振动测量方法 | |
CN106503605A (zh) | 基于立体视觉技术的人体目标识别方法 | |
CN102589516A (zh) | 一种基于双目线扫描摄像机的动态距离测量系统 | |
CN107218904A (zh) | 一种基于锯齿靶标的线结构光视觉传感器标定方法 | |
CN107238534A (zh) | 基于图像计算在线监测板材拉伸性能的方法及装置 | |
CN1948896A (zh) | 一种动态三维激光扫描测头 | |
Beltran et al. | A comparison between active and passive 3d vision sensors: Bumblebeexb3 and Microsoft Kinect | |
CN109493378B (zh) | 一种基于单目视觉与双目视觉相结合的垂直度检测方法 | |
CN113607058B (zh) | 一种基于机器视觉的直刃刀尺寸检测方法及系统 | |
CN109345763A (zh) | 一种高层建筑安全预警系统 | |
CN105488802A (zh) | 一种指尖深度检测方法及系统 | |
CN108180825B (zh) | 一种基于线结构光的长方体形物体三维识别与定位方法 | |
CN108534704A (zh) | 基于结构光的圆筒内壁检测系统 | |
CN105928484B (zh) | 基于双目视觉的电梯导轨自动测量系统 | |
CN113256706A (zh) | 一种基于zynq的实时光条纹中心提取系统及方法 | |
TWI590196B (zh) | 液面監測方法 | |
CN108550144B (zh) | 基于灰度信度的激光光条序列图像质量评价方法 | |
CN109238237A (zh) | 一种监测准确的桥梁监测系统 | |
CN208383079U (zh) | 一种激光频闪差分三维传感器 |
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 |
Application publication date: 20190215 |
|
WW01 | Invention patent application withdrawn after publication |