CN111401337B - 一种车道跟随探索建图方法、存储介质及机器人 - Google Patents
一种车道跟随探索建图方法、存储介质及机器人 Download PDFInfo
- Publication number
- CN111401337B CN111401337B CN202010414904.4A CN202010414904A CN111401337B CN 111401337 B CN111401337 B CN 111401337B CN 202010414904 A CN202010414904 A CN 202010414904A CN 111401337 B CN111401337 B CN 111401337B
- Authority
- CN
- China
- Prior art keywords
- information
- lane
- lane line
- image sensor
- map
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种车道跟随探索建图方法、存储介质及机器人，该方法包括以下步骤：S01：通过图像传感器获取车道的彩色图片信息；S02：根据车道的彩色图片信息，提取出车道线的颜色信息；S03：根据车道线的颜色信息并结合车道线自身的特征，提取出准确的车道线信息；S04：根据准确的车道线信息，获取车道线相对图像传感器的距离和方向信息；S05：根据车道线相对图像传感器的距离和方向信息，以图像传感器为起点，沿着车道线规划出路径信息；S06：控制图像传感器沿着规划出的路径信息运动，同时通过激光雷达扫描周围环境信息并创建栅格地图。图像传感器在运动中自动标记出车道线信息，并根据车道线信息生成路径信息，减少负荷，并提高部署效率和精度。
Description
技术领域
本发明涉及车道建图的技术领域，尤其是涉及一种车道跟随探索建图方法、存储介质及机器人。
背景技术
对于未知区域的自主探索，是移动机器人的基础功能，在缺少全局定位参考(比如全球定位系统GPS、超带宽UWB定位技术)的环境，例如在室内环境中，移动机器人需要同时对环境进行建图以及在地图中进行定位，上述过程通常称为SLAM (SimultaneousLocalization And Mapping，同步定位与地图构建)。利用SLAM算法，主要用于解决移动物体的地图构建与定位导航的问题。传统的SLAM算法不考虑机器人的运动轨迹，通常的情况是：用户发送控制指令，来控制移动机器人在未知环境中运动；移动机器人利用SLAM算法对环境进行建图，并估计自身位置；这种方案降低了机器人的自主性，并且难以判断建图质量的好坏。
申请公布号为CN110806211A的中国专利公开了一种机器人自主探索建图的方法，所述自主探索建图的方法包括：获取传感器采集的环境数据，利用同步定位与地图构建SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域；针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；根据路径探索结果，建立自主探索对应的环境地图。所述针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作，包括：在识别出的访问区域内，对应于将要访问的每个位置，规划出机器人可能采取的候选动作；计算每个候选动作的效用，根据效用计算结果，选出效用最高的候选动作并将其作为路径探索使用的选定动作；基于所述选定动作，执行路径探索操作。
上述中的现有技术方案存在以下缺陷：对于将要访问的每个位置，都要规划出机器人可能采取的候选动作，导致机器人计算负荷加大，建图效率不高，且建图覆盖率不高。
发明内容
本发明目的一是提供一种车道跟随探索建图方法，具有负荷小、精度高和部署效率高的特点。
本发明的上述发明目的一是通过以下技术方案得以实现的：
一种车道跟随探索建图方法，包括以下步骤：
S01：通过图像传感器获取车道的彩色图片信息；
S02：根据所述车道的彩色图片信息，提取出车道线的颜色信息；
S03：根据所述车道线的颜色信息并结合车道线自身的特征，提取出准确的车道线信息；
S04：根据所述准确的车道线信息，获取车道线相对所述图像传感器的距离和方向信息；
S05：根据所述车道线相对所述图像传感器的距离和方向信息，以所述图像传感器为起点，沿着车道线规划出路径信息；
S06：控制所述图像传感器沿着规划出的路径信息运动，同时通过激光雷达扫描周围环境信息并创建栅格地图。
通过采用上述技术方案，图像传感器在运动中自动标记出车道线信息，并根据车道线信息生成路径信息，减少负荷，并提高部署效率和精度。
本发明在一较佳示例中可以进一步配置为：所述通过图像传感器获取车道的彩色图片信息之后，对获取的每帧彩色图片信息进行压缩、滤波处理。
通过采用上述技术方案，对获取的每帧彩色图片信息进行压缩、滤波等图像处理，以利于提高图片质量和处理速度。
本发明在一较佳示例中可以进一步配置为：所述步骤S02具体为：根据所述车道的彩色图片信息，利用彩色图片阈值提取方式提取出车道线的颜色信息。
通过采用上述技术方案，所述彩色图片阈值提取方式具体为：车道线分为白色或者黄色，只需要对应提取白色或者黄色的颜色阈值即可提取出车道线的颜色信息。
本发明在一较佳示例中可以进一步配置为：所述车道线自身的特征包括车道线长宽度比值信息、车道线占用像素面积大小信息、车道线直线信息、车道线连续延伸信息。
通过采用上述技术方案，车道线的宽度是清楚的，获取的车道线的长度一般为宽度的十几倍以上；根据以上的车道线自身的特征信息就可以去除一些噪点信息。
本发明在一较佳示例中可以进一步配置为：所述步骤S04具体为：根据所述准确的车道线信息，通过相机内外参方法获取车道线相对所述图像传感器的距离和方向信息。
通过采用上述技术方案，采用相机内外参方法获取车道线相对所述图像传感器的距离和方向信息，以便给路径规划提供相应的参数。
本发明在一较佳示例中可以进一步配置为：所述步骤S05具体为：根据所述车道线相对所述图像传感器的距离和方向信息，以所述图像传感器为起点，在车道线的前进方向设置一个导航目标点，采用A*算法或者D*算法规划出所述路径信息。
通过采用上述技术方案，采用A*算法或者D*算法，以所述图像传感器为起点，在车道线的前进方向设置一个导航目标点，沿着车道线规划出路径信息，降低路径规划难度，减少机器负荷，并提高部署效率和精度。
本发明在一较佳示例中可以进一步配置为：当所述图像传感器沿着规划出的路径信息运动到所述导航目标点后，重复步骤S01至S06。
通过采用上述技术方案，当场地较大或场地中存在较多障碍物时，机器人无法一次性将地图创建完毕，需要在到达导航目标点后，继续对图像传感器前方的环境进行识别，直到完成全部地图的创建任务。
本发明在一较佳示例中可以进一步配置为：在第一次创建栅格地图后，所述规划出的路径信息和导航目标点均设置在栅格地图中。
通过采用上述技术方案，规划出的路径和导航目标点均设置在栅格地图中，避免创建出无法到达的路径和导航目标点，提高建图效率。
本发明目的二是提供一种计算机可读存储介质，具有负荷小、精度高和部署效率高的特点。
本发明的上述发明目的二是通过以下技术方案得以实现的：
一种存储介质，其存储有指令集，所述指令集适用于一处理器加载并执行所述的车道跟随探索建图方法。
通过采用上述技术方案，图像传感器在运动中自动标记出车道线信息，并根据车道线信息生成路径信息，减少机器负荷，并提高部署效率和精度。
本发明目的三是提供一种机器人，具有负荷小、精度高和部署效率高的特点。
本发明的上述发明目的三是通过以下技术方案得以实现的：一种机器人，包括：
处理器，用于加载并执行指令集；以及，
所述的存储介质。
通过采用上述技术方案，机器人在带动图像传感器的运动中自动标记出车道线信息，并根据车道线信息生成路径信息，减少机器负荷，并提高部署效率和精度。
综上所述，本发明包括以下至少一种有益技术效果：
1.图像传感器在运动中自动标记出车道线信息，并根据车道线信息生成路径信息，减少机器负荷，并提高部署效率和精度；
2.在生成的路径中运动时，始终通过激光雷达扫描周围信息并创建栅格地图，从而自动生成工作环境地图，无需人为干预，提高部署效率；
3.提高机器人工作的安全性和稳定性。
附图说明
图1是本发明车道跟随探索建图方法流程图；
图2是本发明车道线的颜色信息示意图；
图3是本发明准确的车道线信息示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
参照图1，为本发明公开的一种车道跟随探索建图方法，包括以下步骤：
S01：通过图像传感器获取车道的彩色图片信息；
S02：根据所述车道的彩色图片信息，提取出车道线的颜色信息；
S03：根据所述车道线的颜色信息并结合车道线自身的特征，提取出准确的车道线信息；
S04：根据所述准确的车道线信息，获取车道线相对所述图像传感器的距离和方向信息；
S05：根据所述车道线相对所述图像传感器的距离和方向信息，以所述图像传感器为起点，沿着车道线规划出路径信息；
S06：控制所述图像传感器沿着规划出的路径信息运动，同时通过激光雷达扫描周围环境信息并创建栅格地图。
优选的，所述通过图像传感器获取车道的彩色图片信息之后，对获取的每帧彩色图片信息进行压缩、滤波处理。所述步骤S02具体为：根据所述车道的彩色图片信息，利用彩色图片阈值提取方式提取出车道线的颜色信息。所述车道线自身的特征包括车道线长宽度比值信息、车道线占用像素面积大小信息、车道线直线信息、车道线连续延伸信息。所述步骤S04具体为：根据所述准确的车道线信息，通过相机内外参方法获取车道线相对所述图像传感器的距离和方向信息。所述步骤S05具体为：根据所述车道线相对所述图像传感器的距离和方向信息，以所述图像传感器为起点，在车道线的前进方向设置一个导航目标点，采用A*算法或者D*算法规划出所述路径信息。当所述图像传感器沿着规划出的路径信息运动到所述导航目标点后，重复步骤S01至S06。在第一次创建栅格地图后，所述规划出的路径信息和导航目标点均设置在栅格地图中。
本发明一实施例中提供一种车道跟随探索建图方法，应用于机器人领域，包括以下步骤：
S01：机器人利用相机获取前方车道的彩色图片信息；
S02：根据所述车道的彩色图片信息，提取出车道线的颜色信息；
S03：根据所述车道线的颜色信息并结合车道线自身的特征，提取出准确的车道线信息；
S04：根据所述准确的车道线信息，获取车道线相对相机的距离和方向信息；
S05：根据所述车道线相对相机的距离和方向信息，以相机为起点，沿着车道线规划出路径信息；
S06：由机器人控制并带动相机沿着规划出的路径信息运动，同时通过激光雷达扫描周围环境信息并创建栅格地图。
优选的，本发明另一实施例中提供一种车道跟随探索建图方法，应用于机器人领域，包括以下步骤：
S01：机器人利用相机获取前方车道的彩色图片信息，对获取的每帧车道的彩色图片信息进行压缩、滤波处理，以利于提高图片质量和处理速度；
S02：根据所述车道的彩色图片信息，利用彩色图片阈值提取方式提取出车道线的颜色信息；
其中，所述彩色图片阈值提取方式具体为：车道线分为白色或者黄色，只需要对应提取白色或者黄色的颜色阈值即可提取出车道线的颜色信息。
彩色图片每个像素都是有RGB三种颜色组合而成，比如红色是由（R=255，G=0，B=0）取值获得，不同的数值组合形成不同的颜色值；一般车道都是有白色或者黄色组成，只需要提取特定的颜色阈值就行，也就是特定的R、G、B三个不同的值。
具体的颜色阈值为：黄色：45<R<130 && 25<G<90 && 15<B<90 && R-B>15 &&std::fabs(G-B)<15；白色：105<R<210 && 50<G<130 && 1<B<100 && G>B-25 && R-B>80&& std::fabs(G-B)>20。
S03：根据所述车道线的颜色信息并结合车道线自身的特征，提取出准确的车道线信息；
参照图2和图3，所述车道线自身的特征包括车道线长宽度比值信息、车道线占用像素面积大小信息、车道线直线信息、车道线连续延伸信息等。彩色图片中的车道线的宽度是清楚的，不能太宽也不能太细；获取的车道线的长度一般为宽度的十几倍以上；我们根据以上的特征信息就可以去除一些噪点信息，比如图2中两个反光棍和中间最上面的那条车道线都是噪点信息，去掉这些噪点信息后就得到了如图3所示的准确的车道线信息。
S04：根据所述准确的车道线信息，利用相机通过相机内外参方法获取车道线相对机器人的距离和方向信息；
S05：根据所述车道线相对所述图像传感器的距离和方向信息，以相机为起点，在车道线的前进方向设置一个导航目标点；
路径规划采用A*算法或者D*算法，降低路径规划难度，减少机器负荷，并提高部署效率和精度。所述导航目标点一般在车道线末端部分垂直线中取一点，该点距离车道线大约一米的距离。
S06：机器人带动相机沿着规划出的路径运动，同时通过激光雷达扫描周围环境信息并创建栅格地图。
所述激光雷达扫描周围环境信息并创建栅格地图步骤为：一、激光雷达测量周围障碍物的距离信息，如果遇到障碍物激光会返回，通过激光返回的时间和速度可以求出障碍物距离；二、激光遇到的障碍物处用黑色栅格表示，未遇到的障碍物处用白色栅格表示，未扫描到的地方用灰色栅格表示；三、机器人向前运动即可根据周围的障碍物信息创建一张栅格地图，栅格像素大小一般用0.05m表示。
当所述机器人沿着规划出的路径运动到所述导航目标点后，重复步骤S01至S06。当场地较大或场地中存在较多障碍物时，机器人无法一次性将地图创建完毕，需要在到达导航目标点后，继续对机器人前方的环境进行识别，直到完成全部地图的创建任务，例如：前方的环境不再有车道线信息或达到预设的地图阈值时，停止地图的创建任务。机器人边创建栅格地图边沿着规划出的路径运动，这个路径也可能是实时更新的，因为随着车道线更新，导航目标点也在实时更新，栅格地图也是实时更新的，即使机器人不动，如果有人在周围走动也会把人当做障碍物保存到栅格中，而当人离开后，也会实时将该障碍物删除，因为激光雷达一直在工作。
在第一次创建栅格地图后，所述规划出的路径和导航目标点均设置在栅格地图中，避免机器人创建出无法到达的路径和导航目标点，提高建图效率。
本发明还提供一种计算机可读存储介质，其存储有指令集，所述指令集适用于一处理器加载并执行上述的车道跟随探索建图方法。
本发明还提供一种机器人，包括：
处理器，用于加载并执行指令集；以及，
上述的计算机可读存储介质。
本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。
Claims (10)
1.一种车道跟随探索建图方法，其特征在于，包括以下步骤：
S01：通过图像传感器获取车道的彩色图片信息；
S02：根据所述车道的彩色图片信息，提取出车道线的颜色信息；
S03：根据所述车道线的颜色信息并结合车道线自身的特征，提取出准确的车道线信息；
S04：根据所述准确的车道线信息，获取车道线相对所述图像传感器的距离和方向信息；
S05：根据所述车道线相对所述图像传感器的距离和方向信息，以所述图像传感器为起点，沿着车道线规划出路径信息；
S06：控制所述图像传感器沿着规划出的路径信息运动，同时通过激光雷达扫描周围环境信息并创建栅格地图。
2.根据权利要求1所述的车道跟随探索建图方法，其特征在于：所述通过图像传感器获取车道的彩色图片信息之后，对获取的每帧彩色图片信息进行压缩、滤波处理。
3.根据权利要求1所述的车道跟随探索建图方法，其特征在于，所述步骤S02具体为：根据所述车道的彩色图片信息，利用彩色图片阈值提取方式提取出车道线的颜色信息。
4.根据权利要求1所述的车道跟随探索建图方法，其特征在于：所述车道线自身的特征包括车道线长宽度比值信息、车道线占用像素面积大小信息、车道线直线信息、车道线连续延伸信息。
5.根据权利要求1所述的车道跟随探索建图方法，其特征在于，所述步骤S04具体为：根据所述准确的车道线信息，通过相机内外参方法获取车道线相对所述图像传感器的距离和方向信息。
6.根据权利要求1所述的车道跟随探索建图方法，其特征在于，所述步骤S05具体为：根据所述车道线相对所述图像传感器的距离和方向信息，以所述图像传感器为起点，在车道线的前进方向设置一个导航目标点，采用A*算法或者D*算法规划出所述路径信息。
7.根据权利要求6所述的车道跟随探索建图方法，其特征在于：当所述图像传感器沿着规划出的路径信息运动到所述导航目标点后，重复步骤S01至S06。
8.根据权利要求7所述的车道跟随探索建图方法，其特征在于：在第一次创建栅格地图后，所述规划出的路径信息和导航目标点均设置在栅格地图中。
9.一种存储介质，其特征在于：其存储有指令集，所述指令集适用于一处理器加载并执行如权利要求1-8任一项所述的车道跟随探索建图方法。
10.一种机器人，其特征在于，包括：
处理器，用于加载并执行指令集；以及，
如权利要求9所述的存储介质。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010414904.4A CN111401337B (zh) | 2020-05-15 | 2020-05-15 | 一种车道跟随探索建图方法、存储介质及机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010414904.4A CN111401337B (zh) | 2020-05-15 | 2020-05-15 | 一种车道跟随探索建图方法、存储介质及机器人 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111401337A CN111401337A (zh) | 2020-07-10 |
| CN111401337B true CN111401337B (zh) | 2023-04-28 |
Family
ID=71414189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010414904.4A Active CN111401337B (zh) | 2020-05-15 | 2020-05-15 | 一种车道跟随探索建图方法、存储介质及机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111401337B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111854651A (zh) * | 2020-07-20 | 2020-10-30 | 武汉科技大学 | 基于slam的室内建筑面积实时测量方法 |
| CN112000754A (zh) * | 2020-08-11 | 2020-11-27 | 珠海格力电器股份有限公司 | 地图构建方法、装置、存储介质及计算机设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017041396A1 (zh) * | 2015-09-10 | 2017-03-16 | 百度在线网络技术（北京）有限公司 | 一种车道线数据的处理方法、装置、存储介质及设备 |
| CN108646752A (zh) * | 2018-06-22 | 2018-10-12 | 奇瑞汽车股份有限公司 | 自动驾驶系统的控制方法及装置 |
| CN110806211A (zh) * | 2019-11-29 | 2020-02-18 | 炬星科技（深圳）有限公司 | 机器人自主探索建图的方法、设备及存储介质 |
-
2020
- 2020-05-15 CN CN202010414904.4A patent/CN111401337B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017041396A1 (zh) * | 2015-09-10 | 2017-03-16 | 百度在线网络技术（北京）有限公司 | 一种车道线数据的处理方法、装置、存储介质及设备 |
| CN108646752A (zh) * | 2018-06-22 | 2018-10-12 | 奇瑞汽车股份有限公司 | 自动驾驶系统的控制方法及装置 |
| CN110806211A (zh) * | 2019-11-29 | 2020-02-18 | 炬星科技（深圳）有限公司 | 机器人自主探索建图的方法、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 杨强荣 ; 王美玲 ; 于华超 ; .无人地面车辆车道级路径引导方法.西安电子科技大学学报.2018,(06),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111401337A (zh) | 2020-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108646761B (zh) | 基于ros的机器人室内环境探索、避障和目标跟踪方法 | |
| Murray et al. | Stereo vision based mapping and navigation for mobile robots | |
| CN111897334B (zh) | 一种基于边界的机器人区域划分方法、芯片及机器人 | |
| US10278333B2 (en) | Pruning robot system | |
| CN111401337B (zh) | 一种车道跟随探索建图方法、存储介质及机器人 | |
| CN110621449B (zh) | 移动机器人 | |
| CN111552764B (zh) | 一种车位检测方法、装置、系统及机器人和存储介质 | |
| EP4141474A1 (en) | System for 3d surveying by an autonomous robotic vehicle using lidar-slam and an estimated point distribution map for path planning | |
| US20230123512A1 (en) | Robotic cleaning device with dynamic area coverage | |
| Smith et al. | Real-time egocentric navigation using 3d sensing | |
| Yuan et al. | Laser-based navigation enhanced with 3D time-of-flight data | |
| JP2021177144A (ja) | 情報処理装置、情報処理方法及びープログラム | |
| Behringer et al. | Rascal-an autonomous ground vehicle for desert driving in the darpa grand challenge 2005 | |
| CN112068552A (zh) | 一种基于cad图纸的移动机器人自主建图方法 | |
| Stroupe et al. | Merging gaussian distributions for object localization in multi-robot systems | |
| CN110531774A (zh) | 机器人避障方法、装置、机器人及计算机可读存储介质 | |
| KR100587572B1 (ko) | 카메라 픽셀 정보를 이용하여 공간상의 코너 포인트를추출하는 시스템 및 방법, 상기 시스템을 포함하는 이동로봇 | |
| JP7461817B2 (ja) | 表示情報作成装置、表示システム、及び表示情報作成方法 | |
| ELzaiady et al. | Next-best-view planning for environment exploration and 3D model construction | |
| JP7254222B1 (ja) | 環境地図生成装置、環境地図生成方法およびプログラム | |
| CN114872029A (zh) | 一种机器人视觉识别系统 | |
| CN113031006B (zh) | 一种定位信息的确定方法、装置及设备 | |
| CN115972217B (zh) | 基于单目相机的地图建立方法和机器人 | |
| Marginean et al. | A Distributed Processing Architecture for Vision Based Domestic Robot Navigation | |
| JP2022025497A (ja) | 自己位置推定システム、及び建設機械位置推定システム |
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 |
Effective date of registration: 20201203 Address after: B1205, phase II, Bolton Science Park, 1044 chaguang Road, Shuguang community, Xili street, Nanshan District, Shenzhen City, Guangdong Province Applicant after: Huizhi robot technology (Shenzhen) Co.,Ltd. Address before: 200000 Shanghai City, Pudong New Area Chinese (Shanghai) free trade zone fanchun Road No. 400 Building 1 layer 3 Applicant before: FLYINGWINGS INTELLIGENT ROBOT TECHNOLOGY (SHANGHAI) Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |