CN110687521B - 一种车载激光雷达标定的方法 - Google Patents
一种车载激光雷达标定的方法 Download PDFInfo
- Publication number
- CN110687521B CN110687521B CN201910976456.4A CN201910976456A CN110687521B CN 110687521 B CN110687521 B CN 110687521B CN 201910976456 A CN201910976456 A CN 201910976456A CN 110687521 B CN110687521 B CN 110687521B
- Authority
- CN
- China
- Prior art keywords
- laser radar
- calibration plate
- data
- points
- laser
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims abstract description 24
- 238000013519 translation Methods 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 239000002023 wood Substances 0.000 claims description 2
- 230000004927 fusion Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
一种车载激光雷达标定的方法，属于汽车自动驾驶领域。汽车自动驾驶技术中涉及的多传感器之间的融合技术不足。一种车载激光雷达标定的方法，设置一块标定板，配合安装在车辆上的激光雷达提取标定板的四个角点的步骤；测量四个角点在车体坐标系的物理坐标，结合由激光雷达提取的四个角点计算得到旋转平移矩阵的步骤；对两个激光雷达数据之间的进行坐标转换，拼接多台激光雷达，对激光雷达的标定的步骤。本发明具有精确将自动驾驶车辆之间的多传感器融合的优点。
Description
技术领域
本发明涉及一种车载激光雷达标定的方法。
背景技术
自动驾驶领域目前是全球热门的研究领域。自动驾驶车辆依赖各个传感器，包括摄像头（camera）、激光雷达（lidar）和毫米波雷达等。在这些车载传感器中，激光雷达扮演者不可缺少的角色。
激光雷达的工作原理是向目标发射探测信号(激光束),然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较,作适当处理后,就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数,从而对目标进行探测、跟踪和识别。激光雷达的优势在于其探测范围更广，探测精度更高。但是，激光雷达的缺点也很明显：在雨雪雾等极端天气下性能较差，采集的数据量过大，价格十分昂贵。
由于单一的传感器有各自的优点与缺点，为了提高自动驾驶的可靠性与稳定性，主流技术通常采用多传感器融合的方案。在进行多传感器融合之前，首先就是要对各个传感器进行标定。所谓标定，就是各个传感器协同工作时，需要统一坐标系，需要估计各个传感器的外参，即旋转平移变换矩阵，通常包括三个旋转参数和三个平移参数。针对激光雷达标定的问题，本文提出了一种基于标定板（一块2米×2米的正方形木板）的标定方法，通过提取标定板的四个角点，和测量四个角点在车体坐标系的物理坐标，计算得到旋转平移矩阵后，再对激光雷达数据进行坐标转换，转换到各个传感器共同的车体坐标系下，即可实现对激光雷达的标定。
发明内容
本发明的目的是为了解决汽车自动驾驶技术中涉及的多传感器之间的融合技术不足，而提出一种车载激光雷达标定的方法。
一种车载激光雷达标定的方法，所述方法包括：
在自动驾驶车辆前设置一块标定板，配合安装在车辆上的激光雷达提取标定板的四个角点的步骤；
测量四个角点在车体坐标系的物理坐标，结合由激光雷达提取的四个角点计算得到旋转平移矩阵的步骤；
对两个激光雷达数据之间的进行坐标转换，拼接多台激光雷达，实现对激光雷达的标定的步骤。
本发明的有益效果为：
本发明设计的一种车载激光雷达标定的方法，只需要借助一个简单的标定板，即可实现标定。利用计算得到的旋转平移矩阵，可将激光雷达的数据转换到各个传感器统一的车体坐标系下，或者利用计算的旋转平移矩阵，拼接多台激光雷达的数据。本方法简单方便，成本低，适用于大多数车载激光雷达的标定。
附图说明
图1为本发明的流程图。
具体实施方式
具体实施方式一：
本实施方式的一种车载激光雷达标定的方法，如图1所示的流程图，所述方法包括：
在自动驾驶车辆前设置一块标定板，配合安装在车辆上的激光雷达提取标定板的四个角点的步骤；
测量四个角点在车体坐标系的物理坐标，结合由激光雷达提取的四个角点计算得到旋转平移矩阵的步骤；
对两个激光雷达数据之间的进行坐标转换，拼接多台激光雷达，即实现对激光雷达的标定的步骤。
具体实施方式二：
与具体实施方式一不同的是，本实施方式的一种车载激光雷达标定的方法，所述的提取标定板的四个角点是指提取激光雷达数据中标定板的四个角点，具体包括以下步骤：
步骤一一、获取点云数据：
将标定板设置于激光雷达前方6~10m的距离处，标定板的板面垂直于地面，用于承接激光雷达的发射信号；所述的标定板为一块2米×2米的正方形木板；
之后，通常需要在6~10m的距离之间选取4个距离值分别测量角点数据，得到4组角点数据，即共4*4=16个点，点的个数越多，则计算得到的旋转平移矩阵就越精确；所述的角点数据是指在车体坐标系下的XYZ三维数据；
设置的标定板与激光雷达之间的距离方便提取标定板，避免标定板与激光雷达之间的距离过近导致的激光雷达只能打到部分标定板上，避免标定板与激光雷达之间的距离过远时导致的激光雷达打到标定板上的点太少，而不利于提取角点；
步骤一二、切割标定板所在的点云区域：
首先，将激光雷达向前的方向定义为X轴，将获取的点云数据记录的每个点的三维坐标表示为p(x, y, z)；
然后，通过下式计算每个点偏离X轴的角度α和距离激光雷达的距离d；
最后，设定距离X轴的最大角度和最小角度，以及距离激光雷达前方的最大距离和最小距离，在此范围内计算包含标定板在内的点，并对该区域进行筛选，将筛选出的符合条件的点存入新的指针中；
步骤一三、提取标定板：
在切割后的区域内，利用PCL(全称Point Cloud Library，中文含义为点云库）中的RANSAC算法，使用平面参数模型并设置合适的迭代阀值提取标定板的平面；由于在切割后的区域内，既包含标定板点云，也包含其他多余的噪点数据，所以利用平面参数模型以及设置迭代阀值的操作来提取标定板平面。
之后，因为扫描出的标定板点云不是百分百的直线以及平面，所以在提取标定板后，使用参数化方程将标定板投影到其所在平面上；参数化方程为：AX+BY+CZ+D=0，式中，A、B、C表示系数，D为常数，来自RANSAC提取平面后的参数；
其中，所述的RANSAC全称为Random Sample Consesus，中文含义是随机采样一致性，是利用一组包含异常数据的样本数据集计算得到数学模型参数的方法。即若已知一个数据的数学模型，然后通过采集数据的方式计算模型参数。采集的数据中存在正确数据（inliers，可以被模型描述的数据）和异常数据（outliers，不符合模型的数据，噪声）。利用RANSAC算法得到模型参数，且噪声对求解结果的影响比较小。
步骤一四、提取标定板的边缘点：
在上一步提取后的标定板中，计算每条横线角度差最大的两个点作为标定板的边缘点；
步骤一五、计算标定板的四个角点：
循环步骤一四提取标定板的边缘点的过程，再使用RANSAC算法在所有边缘点中，提取出四条直线，即标定板的四条边，并计算四条边的交点作为标定板的四个角点，并记录四个角点的坐标。
具体实施方式三：
与具体实施方式一或二不同的是，本实施方式的一种车载激光雷达标定的方法，所述的测量四个角点在车体坐标系的物理坐标，结合由激光雷达提取的四个角点计算得到旋转平移矩阵的步骤包括：
步骤二一、获取角点的物理坐标：
使用卷尺、铅垂线和激光水平仪等辅助工具，测量计算标定板四个角点在车体坐标系下的物理坐标；
步骤二二、计算旋转平移矩阵：
使用PCL中的SVD算法，计算步骤一中激光雷达提取的角点到手工测量的角点的变换矩阵；其中，向SVD算法中输入若干组点，以保证计算结果的精确；
所述的SVD算法即奇异值分解，SVD算法应用广泛，本发明利用SVD算法计算两组三维空间点数据的变换关系，即旋转平移矩阵。
具体实施方式四：
与具体实施方式三不同的是，本实施方式的一种车载激光雷达标定的方法，所述的对两个激光雷达数据之间的进行坐标转换，拼接多台激光雷达，即实现对激光雷达的标定的步骤包括：
利用步骤一至步骤二的方法分别提取一号激光雷达和二号激光雷达的角点，再使用SVD算法，计算一号激光雷达到二号激光雷达的旋转平移矩阵，利用该矩阵将一号激光雷达的数据做矩阵变换，变换到二号激光雷达的坐标系下，即完成两台激光雷达数据的拼接。
具体实施方式五：
与具体实施方式四不同的是，本实施方式的一种车载激光雷达标定的方法，本发明还在每辆无人驾驶汽车上放置多台激光雷达，每台激光雷达视野有限，需要拼接一辆车辆上的多台激光雷达的数据，从而得到一个全局的360°的点云图，以减少激光雷达的盲区。
实施例：
激光雷达1 的四组角点（X，Y，Z）三维坐标，算法计算得到在激光雷达1的坐标系下
---------/velodyne1/velodyne_points---------
vl-12-700-0
7.13929 2.10962 2.20994
7.06841 3.42536 0.715569
7.17766 2.00991 -0.677063
7.25122 0.652103 0.827818
vl-12-700--100
7.18675 0.999417 2.13823
7.03596 2.39242 0.711248
7.18958 0.90578 -0.655044
7.3377 -0.460107 0.850492
vl-12-800-0
8.2323 2.18218 2.19521
8.0894 3.53947 0.723053
8.24191 2.12602 -0.691376
8.38773 0.740815 0.820219
vl-12-800-100
8.16985 3.44049 2.17063
8.00917 4.86019 0.703427
8.10626 3.38685 -0.65182
8.26319 2.00977 0.816254
激光雷达2 的四组角点（X，Y，Z）三维坐标，算法计算得到在激光雷达2的坐标系下
---------/velodyne2/velodyne_points---------
vl-12-700-0
7.21926 -1.1456 2.28272
7.26471 0.159113 0.858936
7.24336 -1.26475 -0.541693
7.19583 -2.63105 0.942987
vl-12-700--100
7.10499 -2.22785 2.30854
7.14093 -0.908935 0.845841
7.16634 -2.34567 -0.554266
7.12933 -3.69268 0.953935
vl-12-800-0
8.32582 -1.1983 2.32016
8.34027 0.177476 0.868455
8.30439 -1.3359 -0.51266
8.29125 -2.65288 0.980773
vl-12-800-100
8.35879 0.105404 2.32694
8.36201 1.45152 0.841794
8.33358 -0.0320194 -0.511038
8.33022 -1.37812 0.956912
手工测量四组角点，在车体坐标系下
---------Car:---------
14.556,0.1,1.31
14.556,1.47,-0.18
14.556,0.02,-1.515
14.556,-1.357,-0.09
14.521,1.288,1.31
14.521,2.658,-0.18
14.521,1.208,-1.515
14.521,-0.169,-0.09
15.634,0.14,1.31
15.634,1.51,-0.18
15.634,0.06,-1.515
15.634,-1.317,-0.09
15.616,-1.17,1.31
15.616,0.2,-0.18
15.616,-1.25,-1.515
15.616,-2.627,-0.09
结果：
激光雷达1 ->激光雷达2 的旋转平移矩阵
0.993971 0.108927 -0.0125533 -0.101221
-0.108862 0.99404 0.00572173 -2.48301
0.0131017 -0.00432066 0.999905 0.0438108
0 0 0 1
激光雷达2 -> 车体坐标系下的旋转平移矩阵
0.999657 -0.0243903 0.0095587 7.28946
0.0244497 0.999682 -0.00613892 1.10708
-0.00940593 0.00637046 0.999936 -0.928643
0 0 0 1。
Claims (4)
1.一种车载激光雷达标定的方法，其特征是：所述方法包括：
在自动驾驶车辆前设置一块标定板，配合安装在车辆上的激光雷达提取标定板的四个角点的步骤；
测量四个角点在车体坐标系的物理坐标，结合由激光雷达提取的四个角点计算得到旋转平移矩阵的步骤；
对两个激光雷达数据之间的进行坐标转换，拼接多台激光雷达，实现对激光雷达的标定的步骤；
所述的提取标定板的四个角点是指提取激光雷达数据中标定板的四个角点，具体包括以下步骤：
步骤一一、获取点云数据：
将标定板设置于激光雷达前方6～10m的距离处，标定板的板面垂直于地面，用于承接激光雷达的发射信号；所述的标定板为一块2米×2米的正方形木板；
之后，在6～10m的距离之间选取4个距离值分别测量角点数据，得到4组角点数据；所述的角点数据是指在车体坐标系下的XYZ三维数据；
步骤一二、切割标定板所在的点云区域：
首先，将激光雷达向前的方向定义为X轴，将获取的点云数据记录的每个点的三维坐标表示为p(x,y,z)；
然后，通过下式计算每个点偏离X轴的角度α和距离激光雷达的距离d；
最后，设定距离X轴的最大角度和最小角度，以及距离激光雷达前方的最大距离和最小距离，在此范围内计算包含标定板在内的点，并对该区域进行筛选，将筛选出的符合条件的点存入新的指针中；
步骤一三、提取标定板：
在切割后的区域内，利用PCL中的RANSAC算法，使用平面参数模型并设置迭代阀值提取标定板的平面；
之后，在提取标定板后，使用参数化方程将标定板投影到其所在平面上；参数化方程为：AX+BY+CZ+D＝0，式中，A、B、C表示系数，D为常数，来自RANSAC提取平面后的参数；
其中，所述的RANSAC全称为Random Sample Consesus，中文含义是随机采样一致性，是利用一组包含异常数据的样本数据集计算得到数学模型参数的方法；
步骤一四、提取标定板的边缘点：
在上一步提取后的标定板中，计算每条横线角度差最大的两个点作为标定板的边缘点；
步骤一五、计算标定板的四个角点：
循环步骤一四提取标定板的边缘点的过程，再使用RANSAC算法在所有边缘点中，提取出四条直线，即标定板的四条边，并计算四条边的交点作为标定板的四个角点，并记录四个角点的坐标。
2.根据权利要求1所述一种车载激光雷达标定的方法，其特征在于：所述的测量四个角点在车体坐标系的物理坐标，结合由激光雷达提取的四个角点计算得到旋转平移矩阵的步骤包括：
步骤二一、获取角点的物理坐标：
使用卷尺、铅垂线和激光水平仪辅助工具，测量计算标定板四个角点在车体坐标系下的物理坐标；
步骤二二、计算旋转平移矩阵：
使用PCL中的SVD算法，计算步骤一中激光雷达提取的角点到手工测量的角点的变换矩阵；其中，向SVD算法中输入若干组点，以保证计算结果的精确。
3.根据权利要求2所述一种车载激光雷达标定的方法，其特征在于：所述的对两个激光雷达数据之间的进行坐标转换，拼接多台激光雷达，实现对激光雷达的标定的步骤包括：
利用步骤一至步骤二的方法分别提取一号激光雷达和二号激光雷达的角点，再使用SVD算法，计算一号激光雷达到二号激光雷达的旋转平移矩阵，利用该矩阵将一号激光雷达的数据做矩阵变换，变换到二号激光雷达的坐标系下，即完成两台激光雷达数据的拼接。
4.根据权利要求3所述一种车载激光雷达标定的方法，其特征在于：还在每辆无人驾驶汽车上放置多台激光雷达，拼接一辆车辆上的多台激光雷达的数据，从而得到一个全局的360°的点云图，以减少激光雷达的盲区。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910976456.4A CN110687521B (zh) | 2019-10-15 | 2019-10-15 | 一种车载激光雷达标定的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910976456.4A CN110687521B (zh) | 2019-10-15 | 2019-10-15 | 一种车载激光雷达标定的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110687521A CN110687521A (zh) | 2020-01-14 |
| CN110687521B true CN110687521B (zh) | 2023-05-16 |
Family
ID=69112689
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910976456.4A Active CN110687521B (zh) | 2019-10-15 | 2019-10-15 | 一种车载激光雷达标定的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110687521B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111830498A (zh) * | 2020-07-29 | 2020-10-27 | 成都纳雷科技有限公司 | 基于毫米波区域安防的多雷达自动组网方法及系统 |
| CN112485774B (zh) * | 2020-11-26 | 2024-03-15 | 中国第一汽车股份有限公司 | 一种车载激光雷达标定方法、装置、设备及存储介质 |
| CN113109791B (zh) * | 2021-03-15 | 2022-11-22 | 上海交通大学 | 一种车载激光雷达标定结果评价系统及方法 |
| CN116068538B (zh) * | 2023-04-06 | 2023-07-18 | 中汽研（天津）汽车工程研究院有限公司 | 一种用于批量式车辆激光雷达的可调节标定系统和方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107976668B (zh) * | 2016-10-21 | 2020-03-31 | 法法汽车(中国)有限公司 | 一种确定相机与激光雷达之间的外参数的方法 |
| CN106872963B (zh) * | 2017-03-31 | 2019-08-27 | 厦门大学 | 一种多组多线激光雷达的自动标定算法 |
| CN108509918B (zh) * | 2018-04-03 | 2021-01-08 | 中国人民解放军国防科技大学 | 融合激光点云与图像的目标检测与跟踪方法 |
| CN109712190A (zh) * | 2018-11-10 | 2019-05-03 | 浙江大学 | 三维激光扫描仪与三维激光雷达的外参标定方法 |
| CN109581338B (zh) * | 2019-01-14 | 2021-01-08 | 中国科学院计算技术研究所 | 一种标定多激光雷达外参数的系统及其方法 |
| CN110031824B (zh) * | 2019-04-12 | 2020-10-30 | 杭州飞步科技有限公司 | 激光雷达联合标定方法及装置 |
| CN110148180B (zh) * | 2019-04-22 | 2021-06-08 | 河海大学 | 一种激光雷达与相机融合装置与标定方法 |
-
2019
- 2019-10-15 CN CN201910976456.4A patent/CN110687521B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110687521A (zh) | 2020-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110687521B (zh) | 一种车载激光雷达标定的方法 | |
| CN109459734B (zh) | 一种激光雷达定位效果评估方法、装置、设备及存储介质 | |
| CN109143207B (zh) | 激光雷达内参精度验证方法、装置、设备及介质 | |
| CN108921947B (zh) | 生成电子地图的方法、装置、设备、存储介质以及采集实体 | |
| CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
| CN114526745B (zh) | 一种紧耦合激光雷达和惯性里程计的建图方法及系统 | |
| US7013235B2 (en) | Method, apparatus and program for determining growth of trees | |
| CN112904317B (zh) | 一种多激光雷达与gnss_ins系统标定方法 | |
| CN112034431B (zh) | 一种雷达和rtk的外参标定方法及装置 | |
| CN112083441B (zh) | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 | |
| CN107817488A (zh) | 基于毫米波雷达与视觉融合的无人机避障装置及避障方法 | |
| CN112684432B (zh) | 激光雷达标定方法、装置、设备及存储介质 | |
| CN111308457B (zh) | 脉冲多普勒雷达寻北的方法、系统及存储介质 | |
| CA2485707A1 (en) | Methods and apparatus for radar data processing | |
| CN112462368B (zh) | 一种障碍物检测方法、装置、车辆及存储介质 | |
| CN114972532B (zh) | 激光雷达之间的外参标定方法、装置、设备及存储介质 | |
| WO2003096062A1 (en) | Method and apparatus for terrain correlation | |
| CN110827358A (zh) | 一种应用于自动驾驶汽车的相机标定方法 | |
| CN114966579A (zh) | 一种雷达系统的定标参数的获取方法及装置 | |
| CN113566817B (zh) | 一种车辆定位方法及装置 | |
| CN113296120B (zh) | 一种障碍物检测方法及终端 | |
| CN113888463A (zh) | 车轮转角的检测方法、装置、电子设备及存储介质 | |
| CN105372671A (zh) | 一种基于无人机的电力线三维重建系统 | |
| CN113376643A (zh) | 距离检测方法、装置及电子设备 | |
| CN116129669A (zh) | 一种基于激光雷达的车位测评方法、系统、设备及介质 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240328 Address after: Building 3, 7th Floor, Gaosheng Plaza, No. 163 Yingbin Avenue, Xinhua Street, Huadu District, Guangzhou City, Guangdong Province, 510802 Patentee after: Guangzhou Carl Power Technology Co.,Ltd. Country or region after: China Address before: 518118 No.1, Jinlong Avenue, pinghuan community, Malian street, Pingshan District, Shenzhen City, Guangdong Province Patentee before: Shenzhen Shuxiang Technology Co.,Ltd. Country or region before: China |
|
| CP03 | Change of name, title or address |
Address after: No. 1 Wulanmulun East Street, Kangbashi District, Ordos City, Inner Mongolia Autonomous Region, 017010 Patentee after: Ordos Kal Power Technology Co.,Ltd. Country or region after: China Address before: Building 3, 7th Floor, Gaosheng Plaza, No. 163 Yingbin Avenue, Xinhua Street, Huadu District, Guangzhou City, Guangdong Province, 510802 Patentee before: Guangzhou Carl Power Technology Co.,Ltd. Country or region before: China |