CN109720381A - 一种轨道车防撞方法及其系统 - Google Patents
一种轨道车防撞方法及其系统 Download PDFInfo
- Publication number
- CN109720381A CN109720381A CN201811627272.9A CN201811627272A CN109720381A CN 109720381 A CN109720381 A CN 109720381A CN 201811627272 A CN201811627272 A CN 201811627272A CN 109720381 A CN109720381 A CN 109720381A
- Authority
- CN
- China
- Prior art keywords
- railcar
- identification object
- image
- identification
- barrier
- 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.)
- Pending
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种轨道车防撞方法及其系统,所述方法包括步骤:获取轨道车前方的图像;识别图像中的颜色空间特征和形状特征,并在预设的索引库中查询获得对应的识别物;根据识别物,轨道车做出对应操作。由于利用图像识别和索引库扩大识别范围,解决单一识别方式只知道前后平台位置关系,不能识别非平台其他障碍物的缺点,从而区别各识别物,并降低了误操作的概率。
Description
技术领域
本发明涉及轨道车控制领域,尤其涉及的是一种轨道车防撞方法及其系统。
背景技术
现有技术中,轨道车的防撞方法有多种:毫米波雷达、激光反射以及轨道标记定位。但是这些方法容易丢失,且无法区分障碍物容易产生误动作。
因此,现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种轨道车防撞方法及其系统,旨在解决现有技术中轨道车的防撞方法无法区分障碍物容易产生误动作的问题。
本发明解决技术问题所采用的技术方案如下:
一种轨道车防撞方法,其中,包括步骤:
获取轨道车前方的图像;
识别图像中的颜色空间特征和形状特征,并在预设的索引库中查询获得对应的识别物;
根据识别物,轨道车做出对应操作。
所述轨道车防撞方法,其中,所述获取轨道车前方的图像步骤具体包括:
通过轨道车上的鱼眼摄像头实时获取车前方的图像。
所述轨道车防撞方法,其中,所述预设的索引库采用如下步骤获得:
采用可识别颜色对轨道车场地划分坐标网格,并对图像进行坐标划分;
采集不同光照角度下各识别物的色彩特征形成识别物的颜色空间特征;
采集不同位置、不同方向下各识别物在图像的坐标中的坐标点形成各识别物的形状特征;
将各识别物的颜色空间特征和形状特征存储形成预设的索引库。
所述轨道车防撞方法,其中,所述根据识别物,轨道车做出对应操作步骤之后还包括:
根据误判的识别物和新的识别物更新所述预设的索引库。
所述轨道车防撞方法,其中,所述识别物包括:目标轨道车、障碍物以及非障碍物;
所述根据识别物,轨道车做出对应操作步骤包括:
当识别到目标轨道车时,保持轨道车与目标轨道车的车距;
当识别到障碍物时,停车并报警;
当识别到非障碍物时,轨道车继续运行。
一种轨道车防撞系统,其中,包括:处理器,以及与所述处理器连接的存储器,
所述存储器存储有轨道车防撞程序,所述轨道车防撞程序被所述处理器执行时实现以下步骤:
获取轨道车前方的图像;
识别图像中的颜色空间特征和形状特征,并在预设的索引库中查询获得对应的识别物;
根据识别物,轨道车做出对应操作。
所述轨道车防撞系统,其中,所述轨道车防撞程序程序被所述处理器执行时,还实现以下步骤:
通过轨道车上的鱼眼摄像头实时获取车前方的图像。
所述轨道车防撞系统,其中,所述轨道车防撞程序程序被所述处理器执行时,还实现以下步骤:
采用可识别颜色对轨道车场地划分坐标网格,并对图像进行坐标划分;
采集不同光照角度下各识别物的色彩特征形成识别物的颜色空间特征;
采集不同位置、不同方向下各识别物在图像的坐标中的坐标点形成各识别物的形状特征;
将各识别物的颜色空间特征和形状特征存储形成预设的索引库。
所述轨道车防撞系统,其中,所述轨道车防撞程序程序被所述处理器执行时,还实现以下步骤:
根据误判的识别物和新的识别物更新所述预设的索引库。
所述轨道车防撞系统,其中,所述识别物包括:目标轨道车、障碍物以及非障碍物;所述轨道车防撞程序程序被所述处理器执行时,还实现以下步骤:
当识别到目标轨道车时,保持轨道车与目标轨道车的车距;
当识别到障碍物时,停车并报警;
当识别到非障碍物时,轨道车继续运行。
有益效果:由于利用图像识别和索引库扩大识别范围,解决单一识别方式只知道前后平台位置关系,不能识别非平台其他障碍物的缺点,从而区别各识别物,并降低了误操作的概率。
附图说明
图1是本发明轨道车防撞方法的较佳实施例的流程图。
图2是本发明轨道车防撞系统较佳实施例功能原理框图。
图3是本发明轨道和轨道车的工作原理图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请同时参阅图1-图3,本发明提供了一种轨道车防撞方法的一些实施例。
如图1所示,本发明的一种轨道车防撞方法,包括步骤:
步骤S10、预设索引库。
步骤S10具体包括:
步骤S11、采用可识别颜色对轨道车场地划分坐标网格,并对图像进行坐标划分。
具体地,首先,要搭建硬件平台。硬件系统主要包括基于ARM(Advanced RISCMachine)控制器的嵌入式控制板,内含WinCE(Windows Compact Edition)系统,搭载调试显示器、鱼眼摄像头、网络接口、电源模块等。其次,要搭载虚拟机环境。在计算机环境下安装虚拟机运行WinCE,用于实验程序效果。最后,利用标尺方法对目标区域图形畸变进行校正,标定区域坐标;就是先在实验环境下搭建一个样本场地,利用可识别颜色划分坐标网格,与图像区域进行比对,定义图像像素点对应坐标域,对鱼眼摄像采样图像进行坐标划分,用于将来图像识别定位。
步骤S12、采集不同光照角度下各识别物的色彩特征形成识别物的颜色空间特征。
具体地,颜色空间是指摄像头是采用CMOS(Complementary Metal OxideSemiconductor)采集图像的,像素点都是以以常见的RGB和YUV为主,都是0~255或者更高位数据存储,每种物体的颜色在不同光照角度下都是对应该存储值的阈值内,形成一个三维封闭空间,通过对像素点是否落在该空间内判断颜色类别。
步骤S13、采集不同位置、不同方向下各识别物在图像的坐标中的坐标点形成各识别物的形状特征。
具体地,形状识别是通过上一步对图像坐标系内识别出来的连续像素点进行筛选,筛除面积较小的噪声点,识别有效对象,对其形成的连续区域的几何中心及离坐标原点最近点进行计算,计算坐标点与第三部坐标系进行比对定位。
步骤S14、将各识别物的颜色空间特征和形状特征存储形成预设的索引库。
具体地,当预设索引库时,依照目标轨道车、障碍物、非障碍物等归类尽可能多采集样本数据,本实施例中采用轨道车的前车作为目标轨道车,当然也可以采用其它目标代替目标轨道车。采用特定图形或者颜色对识别物进行特征提取,就是每个物体在成像时其像素点颜色数据位于特定颜色空间(YUV或者RGB数据存储形成的三维空间区域)内,其形状在每个角度形成特定面积、周长、长宽比等特征的连续像素点区,形成一个颜色。面积、长宽比、面积周长比、图像中心角度方向对称性等一系列变量因素,综合起来形成每个目标的一串身份信息编码,通过在不同位置、方向、光线条件下的编码变化形成该目标编码库,每个目标都有自己唯一切不断增长的编码库。这些数据特征都是用于区别于环境中其他对象的数据索引;对常见障碍物如轨道异物和行人,非障碍物如纸张、反射光、地面颜料等颜色和形状进行提取,通过处理形成身份号归类存取,用于后续查找索引。
对于目标轨道车还可以增加数字特征,如图3所示,在目标轨道车的前后左右分别标记数字1、2、3、4,在鱼眼成像中尽可能“一眼识别”的连续像素区域,用于识别前车、区分前车角度,该标识也可以隐形化为特殊图形图案,而不影响美观。
通过步骤S11-步骤S14得到预设的索引库,本实施例中采用构建样本场地的方式进行样本数据采集,并形成预设的索引库,当然也可以针对实际场地进行数据采集,并形成预设的索引库。
当索引库建立后,即可应用于实际的轨道车防撞过程中,具体步骤如下。
步骤S100、获取轨道车前方的图像。
具体地,通过轨道车上的鱼眼摄像头实时获取车前方的图像。如图3所示,鱼眼摄像头的成像角度为90°,当然还可以采用成像角度为180°的鱼眼摄像头。鱼眼摄像头具有广角视野,尤其在轨道的拐弯处可以获得较宽的视野,即使拐弯处有障碍物,也可以提前预警识别。而避免了普通摄像头在较窄视野中无法识别到拐弯处的障碍物。
步骤S200、识别图像中的颜色空间特征和形状特征,并在预设的索引库中查询获得对应的识别物。
具体地,由于本发明中需要识别图像中的颜色空间特征和形状特征,采用鱼眼摄像头可以获得较完整的识别物,便于识别。
对视野范围内的目标轨道车、障碍物、非障碍物进行识别与查询,识别过程中引入相似度调节,所谓相似度,就是在实际识别过程中出现误判断识别物、新识别物或者识别度不好的已有识别物时,可以按相似度接近原则判断。可以根据需要进行相似度人工调节达和识别灵敏度调节。将识别图案中识别的识别物,通过与索引库中的识别物进行比较,当匹配查询到识别物时,将目标轨道车、障碍物类别信息与位置信息发送上位机进行决策,非障碍物予以剔除忽略。
步骤S300、根据识别物,轨道车做出对应操作。
对不同的识别物可以分不同的安全等级做出相应的停车、减速或者上报等操作,降低误动作概率,保证安全。
在本发明的一个较佳的实施例中,步骤S300具体包括:
步骤S310、当识别到目标轨道车时,保持轨道车与目标轨道车的车距。
步骤S320、当识别到障碍物时,停车并报警。
步骤S330、当识别到非障碍物时,轨道车继续运行。
具体地,上位机为轨道移动平台控制系统,例如PLC系统,本图像识别平台通过与PLC系统通信,不断发送识别结果、对象位置等,PLC通过决策程序,采取对目标轨道车保持距离或者停车,障碍物在减速范围外时停车并报警上报总控、非障碍物不采取制动的策略,达到运行与防撞的目的。识别物类别(风险系数与等级)、判断对象位置(与本车方向、最近点距离、碰撞时间)、识别对象移动(静止还是相对移动及其速度),对以上因素采用穷尽策略行程决策树,不断改善决策树分支已达到尽可能完善的效果。
步骤S400、根据误判的识别物和新的识别物更新所述预设的索引库。
具体地,在实际识别过程中出现的误判断识别物、新识别物,采用识别生成新索引并加入索引库。通过不断试验在上位机上人工识别与添加,改变索引结果,将人工添加的索引数据加入索引库,使索引库不断更新。
值得说明的是,利用鱼眼摄像头广角的特点消除盲区,解决弯道和抖动问题;利用图像识别和经验数据库扩大识别范围,解决单一识别方式只知道前后平台位置关系,不能识别非平台其他障碍物的缺点;嵌入式平台计数成熟,价格低廉,开发灵活,可应用于多种环境下运动控制与识别。
本发明还提供了一种轨道车防撞系统的较佳实施例:
如图2所示,本发明实施例所述轨道车防撞系统,包括:处理器10,以及与所述处理器10连接的存储器20,
所述存储器20存储有轨道车防撞程序,所述轨道车防撞程序被所述处理器10执行时实现以下步骤:
获取轨道车前方的图像;
识别图像中的颜色空间特征和形状特征,并在预设的索引库中查询获得对应的识别物;
根据识别物,轨道车做出对应操作,具体如上所述。
所述轨道车防撞程序程序被所述处理器10执行时,还实现以下步骤:
通过轨道车上的鱼眼摄像头实时获取车前方的图像,具体如上所述。
所述轨道车防撞程序程序被所述处理器10执行时,还实现以下步骤:
采用可识别颜色对轨道车场地划分坐标网格,并对图像进行坐标划分;
采集不同光照角度下各识别物的色彩特征形成识别物的颜色空间特征;
采集不同位置、不同方向下各识别物在图像的坐标中的坐标点形成各识别物的形状特征;
将各识别物的颜色空间特征和形状特征存储形成预设的索引库,具体如上所述。
所述轨道车防撞程序程序被所述处理器10执行时,还实现以下步骤:
根据误判的识别物和新的识别物更新所述预设的索引库,具体如上所述。
所述识别物包括:目标轨道车、障碍物以及非障碍物;所述轨道车防撞程序程序被所述处理器10执行时,还实现以下步骤:当识别到目标轨道车时,保持轨道车与目标轨道车的车距;
当识别到障碍物时,停车并报警;
当识别到非障碍物时,轨道车继续运行,具体如上所述。
综上所述,本发明所提供的一种轨道车防撞方法及其系统,所述方法包括步骤:获取轨道车前方的图像;识别图像中的颜色空间特征和形状特征,并在预设的索引库中查询获得对应的识别物;根据识别物,轨道车做出对应操作。,所述方法包括:由于利用图像识别和索引库扩大识别范围,解决单一识别方式只知道前后平台位置关系,不能识别非平台其他障碍物的缺点,从而区别各识别物,并降低了误操作的概率。而且嵌入式平台计数成熟,价格低廉,开发灵活,可应用于多种环境下运动控制与识别。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种轨道车防撞方法,其特征在于,包括步骤:
获取轨道车前方的图像;
识别图像中的颜色空间特征和形状特征,并在预设的索引库中查询获得对应的识别物;
根据识别物,轨道车做出对应操作。
2.根据权利要求1所述轨道车防撞方法,其特征在于,所述获取轨道车前方的图像步骤具体包括:
通过轨道车上的鱼眼摄像头实时获取车前方的图像。
3.根据权利要求1所述轨道车防撞方法,其特征在于,所述预设的索引库采用如下步骤获得:
采用可识别颜色对轨道车场地划分坐标网格,并对图像进行坐标划分;
采集不同光照角度下各识别物的色彩特征形成识别物的颜色空间特征;
采集不同位置、不同方向下各识别物在图像的坐标中的坐标点形成各识别物的形状特征;
将各识别物的颜色空间特征和形状特征存储形成预设的索引库。
4.根据权利要求1所述轨道车防撞方法,其特征在于,所述根据识别物,轨道车做出对应操作步骤之后还包括:
根据误判的识别物和新的识别物更新所述预设的索引库。
5.根据权利要求1所述轨道车防撞方法,其特征在于,所述识别物包括:目标轨道车、障碍物以及非障碍物;
所述根据识别物,轨道车做出对应操作步骤包括:
当识别到目标轨道车时,保持轨道车与目标轨道车的车距;
当识别到障碍物时,停车并报警;
当识别到非障碍物时,轨道车继续运行。
6.一种轨道车防撞系统,其特征在于,包括:处理器,以及与所述处理器连接的存储器,
所述存储器存储有轨道车防撞程序,所述轨道车防撞程序被所述处理器执行时实现以下步骤:
获取轨道车前方的图像;
识别图像中的颜色空间特征和形状特征,并在预设的索引库中查询获得对应的识别物;
根据识别物,轨道车做出对应操作。
7.根据权利要求6所述轨道车防撞系统,其特征在于,所述轨道车防撞程序程序被所述处理器执行时,还实现以下步骤:
通过轨道车上的鱼眼摄像头实时获取车前方的图像。
8.根据权利要求6所述轨道车防撞系统,其特征在于,所述轨道车防撞程序程序被所述处理器执行时,还实现以下步骤:
采用可识别颜色对轨道车场地划分坐标网格,并对图像进行坐标划分;
采集不同光照角度下各识别物的色彩特征形成识别物的颜色空间特征;
采集不同位置、不同方向下各识别物在图像的坐标中的坐标点形成各识别物的形状特征;
将各识别物的颜色空间特征和形状特征存储形成预设的索引库。
9.根据权利要求6所述轨道车防撞系统,其特征在于,所述轨道车防撞程序程序被所述处理器执行时,还实现以下步骤:
根据误判的识别物和新的识别物更新所述预设的索引库。
10.根据权利要求6所述轨道车防撞系统,其特征在于,所述识别物包括:目标轨道车、障碍物以及非障碍物;所述轨道车防撞程序程序被所述处理器执行时,还实现以下步骤:
当识别到目标轨道车时,保持轨道车与目标轨道车的车距;
当识别到障碍物时,停车并报警;
当识别到非障碍物时,轨道车继续运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811627272.9A CN109720381A (zh) | 2018-12-28 | 2018-12-28 | 一种轨道车防撞方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811627272.9A CN109720381A (zh) | 2018-12-28 | 2018-12-28 | 一种轨道车防撞方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109720381A true CN109720381A (zh) | 2019-05-07 |
Family
ID=66297556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811627272.9A Pending CN109720381A (zh) | 2018-12-28 | 2018-12-28 | 一种轨道车防撞方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109720381A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112859078A (zh) * | 2021-02-05 | 2021-05-28 | 燕山大学 | 基于毫米波雷达检测技术的散料堆场障碍物检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005120924A1 (en) * | 2004-06-11 | 2005-12-22 | Stratech Systems Limited | Method and system for rail track scanning and foreign object detection |
CN101211341A (zh) * | 2006-12-29 | 2008-07-02 | 上海芯盛电子科技有限公司 | 图像智能模式识别搜索方法 |
US20100090135A1 (en) * | 2008-10-10 | 2010-04-15 | Ajith Kuttannair Kumar | System and method for determining characteristic information of an object positioned adjacent to a route |
CN104583051A (zh) * | 2012-08-31 | 2015-04-29 | 西门子公司 | 对铁路线路的监视 |
CN105083328A (zh) * | 2015-07-28 | 2015-11-25 | 陕西西北铁道电子有限公司 | 车载光学探测结合无线网桥通讯的机车防撞方法及装置 |
CN106502267A (zh) * | 2016-12-06 | 2017-03-15 | 上海师范大学 | 一种无人机避让系统 |
WO2018104462A1 (de) * | 2016-12-07 | 2018-06-14 | Siemens Aktiengesellschaft | Verfahren, vorrichtung und bahnfahrzeug, insbesondere schienenfahrzeug, zur fahrspurbasierten bildanalyse im bahnverkehr, insbesondere zur gleisbasierten bildanalyse im schienenverkehr |
CN108416786A (zh) * | 2018-02-02 | 2018-08-17 | 华侨大学 | 一种基于人形机器人识别物体形状和色彩的方法 |
-
2018
- 2018-12-28 CN CN201811627272.9A patent/CN109720381A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005120924A1 (en) * | 2004-06-11 | 2005-12-22 | Stratech Systems Limited | Method and system for rail track scanning and foreign object detection |
CN101211341A (zh) * | 2006-12-29 | 2008-07-02 | 上海芯盛电子科技有限公司 | 图像智能模式识别搜索方法 |
US20100090135A1 (en) * | 2008-10-10 | 2010-04-15 | Ajith Kuttannair Kumar | System and method for determining characteristic information of an object positioned adjacent to a route |
CN104583051A (zh) * | 2012-08-31 | 2015-04-29 | 西门子公司 | 对铁路线路的监视 |
CN105083328A (zh) * | 2015-07-28 | 2015-11-25 | 陕西西北铁道电子有限公司 | 车载光学探测结合无线网桥通讯的机车防撞方法及装置 |
CN106502267A (zh) * | 2016-12-06 | 2017-03-15 | 上海师范大学 | 一种无人机避让系统 |
WO2018104462A1 (de) * | 2016-12-07 | 2018-06-14 | Siemens Aktiengesellschaft | Verfahren, vorrichtung und bahnfahrzeug, insbesondere schienenfahrzeug, zur fahrspurbasierten bildanalyse im bahnverkehr, insbesondere zur gleisbasierten bildanalyse im schienenverkehr |
CN108416786A (zh) * | 2018-02-02 | 2018-08-17 | 华侨大学 | 一种基于人形机器人识别物体形状和色彩的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112859078A (zh) * | 2021-02-05 | 2021-05-28 | 燕山大学 | 基于毫米波雷达检测技术的散料堆场障碍物检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Soltani et al. | Skeleton estimation of excavator by detecting its parts | |
CN110979321B (zh) | 一种用于无人驾驶车辆的障碍物躲避方法 | |
Jazayeri et al. | Vehicle detection and tracking in car video based on motion model | |
CN112581612B (zh) | 基于激光雷达和环视摄像头融合的车载栅格地图生成方法及系统 | |
CN105426864B (zh) | 一种基于等距边缘点匹配的多车道线检测方法 | |
CN107341454B (zh) | 一种场景中障碍物的检测方法及装置、电子设备 | |
Nissimov et al. | Obstacle detection in a greenhouse environment using the Kinect sensor | |
CN108960183A (zh) | 一种基于多传感器融合的弯道目标识别系统及方法 | |
CN113370977B (zh) | 一种基于视觉的智能车辆前向碰撞预警方法及系统 | |
TWI651686B (zh) | 一種光學雷達行人偵測方法 | |
CN108985230A (zh) | 车道线检测方法、装置及计算机可读存储介质 | |
CN104778444A (zh) | 道路场景下车辆图像的表观特征分析方法 | |
CN101303735A (zh) | 探测车辆盲点区域内运动物体的方法及盲点探测装置 | |
CN110619674B (zh) | 用于事故和警情场景还原的三维增强现实设备及方法 | |
US10614323B2 (en) | Scene analysis method and visual navigation device | |
CN113688738A (zh) | 一种基于激光雷达点云数据的目标识别系统及方法 | |
Cualain et al. | Multiple-camera lane departure warning system for the automotive environment | |
CN105211034A (zh) | 一种车载式林木三维彩色成像对靶喷雾方法 | |
FAN et al. | Robust lane detection and tracking based on machine vision | |
CN109720381A (zh) | 一种轨道车防撞方法及其系统 | |
CN111144415B (zh) | 一种微小行人目标的检测方法 | |
CN115937827B (zh) | 用于汽车紧急主动避险的监控视频处理方法 | |
CN112733678A (zh) | 测距方法、装置、计算机设备和存储介质 | |
CN115601435B (zh) | 车辆姿态检测方法、装置、车辆及存储介质 | |
Habib et al. | Lane departure detection and transmission using Hough transform method |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Li Ying Inventor after: Li Yang Inventor after: Li Jian Inventor after: Wen Hongguang Inventor after: Lu Nianhua Inventor before: Li Ying Inventor before: Li Jian Inventor before: Wen Hongguang Inventor before: Lu Nianhua |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190507 |