CN112882058B - 一种基于变尺寸栅格地图的船载激光雷达障碍物检测方法 - Google Patents

一种基于变尺寸栅格地图的船载激光雷达障碍物检测方法 Download PDF

Info

Publication number
CN112882058B
CN112882058B CN202110021565.8A CN202110021565A CN112882058B CN 112882058 B CN112882058 B CN 112882058B CN 202110021565 A CN202110021565 A CN 202110021565A CN 112882058 B CN112882058 B CN 112882058B
Authority
CN
China
Prior art keywords
grid
size
range
axis
obstacle
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.)
Expired - Fee Related
Application number
CN202110021565.8A
Other languages
English (en)
Other versions
CN112882058A (zh
Inventor
李立刚
郭玉杰
戴永寿
李瑞伟
徐彬
王宁
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.)
China University of Petroleum East China
Original Assignee
China University of Petroleum East China
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 China University of Petroleum East China filed Critical China University of Petroleum East China
Priority to CN202110021565.8A priority Critical patent/CN112882058B/zh
Publication of CN112882058A publication Critical patent/CN112882058A/zh
Application granted granted Critical
Publication of CN112882058B publication Critical patent/CN112882058B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models

Abstract

本发明涉及激光雷达障碍物检测领域，特别是涉及一种基于变尺寸栅格地图的无人船载激光雷达障碍物检测方法。该方法在建立栅格尺寸线性增长的变尺寸栅格地图后，结合高度差判别法以及八邻域联通分量标记法进行栅格划分及聚类，通过盒子模型进行障碍物信息提取，较好地解决了固定尺寸栅格地图未能有效结合点云近密远疏的特点对点云数据进行处理而造成障碍物检测精度低的问题，得出更加精确的障碍物检测结果，为无人船避障提供数据支撑。

Description

一种基于变尺寸栅格地图的船载激光雷达障碍物检测方法
技术领域
本发明涉及激光雷达障碍物检测领域，特别是涉及一种基于变尺寸栅格地图的无人船载激光雷达障碍物检测方法。
背景技术
激光雷达具有测距精度高、受环境因素影响小及全天候工作的特点，非常适合用于无人船障碍物检测。由于激光雷达点云近密远疏，基于栅格地图的海上障碍物检测的精度就会受到栅格尺寸合理选取的直接影响。传统技术是通过固定尺寸的栅格地图对点云数据进行处理并得出障碍物检测结果，此种方法由于未能有效结合点云近密远疏的特点对点云数据进行处理，导致处理过程中栅格划分及聚类效果较差，障碍物检测结果不精确。
针对点云近密远疏的特点造成栅格尺寸难以合理选取的问题，有人提出了一种根据障碍物总体数量及处理时间选取栅格尺寸的方法，其中栅格尺寸与障碍物总体数量及处理时间均为反比关系，在综合考虑障碍物总体数量及处理时间后选取合适的栅格尺寸来进行障碍物检测，此方法仅考虑了障碍物总体数量及处理时间两种因素，未考虑距离因素，难以在远距离处分布有多个障碍物等情况下实现精确的障碍物检测，还有人通过建立两个不同栅格尺寸的栅格地图来对障碍物进行检测，先通过较大栅格尺寸的栅格地图初步得到障碍物相关信息，再通过较小栅格尺寸的栅格地图对其进行进一步地处理，最后得出障碍物检测结果。此方法计算过程复杂，处理时间较长，降低了检测的实时性。
发明内容
为了解决现有技术存在的问题，本发明提出了一种基于变尺寸栅格地图的激光雷达障碍物检测方法，在建立栅格尺寸线性增长的变尺寸栅格地图后，结合高度差判别法以及八邻域联通分量标记法进行栅格划分及聚类，通过盒子模型进行障碍物信息提取，较好地解决了固定尺寸栅格地图未能有效结合点云近密远疏的特点对点云数据进行处理而造成障碍物检测精度低的问题。基于变尺寸栅格地图进行障碍物检测的算法流程如图1所示。
本发明所采用的具体技术方案包括如下步骤：
步骤1，建立变尺寸栅格地图并进行点云投影，具体实现过程如下：
步骤1.1，以无人船为坐标原点，结合激光雷达的检测范围建立栅格尺寸呈线性增长的栅格地图，栅格地图的大小用R*R(m)来表示，对应X、Y的坐标范围即为-R/2～R/2。以X正半轴的栅格的长度取值为例，设定从坐标原点至R/2处的栅格的长度从a1线性增长至an，可由公式(1)得到在X正半轴内栅格长度增长范围、栅格数量与栅格地图大小之间的关系。
Figure GDA0003635479920000021
其中，a1为原点处栅格的长度；an为X轴坐标为R/2处栅格的长度；d为栅格长度增长的公差；n为栅格数量。栅格长度取值示意图如图2所示。
步骤1.2，由公式(1)可知在栅格地图大小及栅格增长范围确定以后，即可求得相应的栅格数量n及栅格增长的公差d，计算方法如式(2)所示。
Figure GDA0003635479920000022
步骤1.3，在得到了同一纵坐标下在X正半轴分布的栅格数量n后即可得到同一纵坐标下在整个X轴分布的栅格数量N，将栅格按照X轴正方向从1～N进行排序，可得在X正半轴中的栅格尺寸是随着序号的增加而增大的，X负半轴中的栅格尺寸是随着序号的增加而减小的，即X正半轴与X负半轴中栅格对应的坐标范围计算公式也会不同，将序号k属于1～N/2的栅格对应的X坐标的范围表示为Sk-1～Sk，序号k属于N/2+1～N的栅格对应的X坐标的范围表示为Pk-1～Pk，Sk及Pk的计算公式如式(3)所示，其中S0＝-R/2，PN/2＝0。
Figure GDA0003635479920000023
步骤1.4，由式(3)即可得到同一纵坐标下X轴中第k个栅格对应的X坐标的范围，同理可得同一横坐标下Y轴中第k个栅格对应的Y坐标的范围，进而可得到栅格地图中每个栅格对应的X、Y坐标的范围，完成栅格地图的建立。
步骤1.5，将接收的点云数据依据其X、Y坐标投影至相应的栅格内，同时求出每个栅格中点云的X、Y及Z坐标的最值和点云总数，为后续判断是否为障碍栅格提供依据。点云投影流程图如图3所示。
步骤2，在完成栅格地图的建立及点云投影后，需进行栅格划分及滤波，具体实现过程如下：
步骤2.1，本发明采用高度差判别法来进行障碍栅格与非障碍栅格的划分，划分规则如式(4)所示：
Figure GDA0003635479920000024
其中，Hmax为当前栅格中点的Z坐标的最大值；Hmin为当前栅格中点的Z坐标的最小值；η为设定高度差阈值；label[i,j]为当前栅格的标记值，i、j分别为在X、Y轴方向上的栅格的序号。
步骤2.2，由于海上环境复杂多变，桥洞、低空飞行的海鸥等不确定因素均可能影响栅格划分的准确性。因此需进行栅格滤波来滤除虚假障碍栅格，遍历所有障碍栅格，将满足以下判断条件的障碍栅格判定为虚假障碍栅格并进行滤除，使其标记值为0：
(1)邻近栅格中不存在障碍栅格且栅格内点云总数小于设定的数量阈值α；
(2)当前栅格内Z坐标的最小值Hmin大于设定的高度阈值Ht。
步骤3，在标记出所有障碍栅格后，需将含有同一障碍物回波点的障碍栅格进行聚类，本发明采用八邻域连通分量标记法进行障碍栅格的聚类，通过遍历两次栅格地图将属于同一障碍物的障碍栅格进行聚类，过程如下：
第一次遍历：按照从左到右从下至上的顺序遍历栅格地图中的栅格，若当前栅格为障碍栅格，则依据其邻近栅格(左、下、左下、右下)标记值的分布情况对当前栅格的标记值进行处理，依据如下：
(1)若邻近栅格中不存在障碍栅格，则将新的标记值赋予当前栅格。
(2)若邻近栅格中存在障碍栅格且障碍栅格的标记值相同，则将该标记值赋予当前栅格。
(3)若邻近栅格中存在障碍栅格且障碍栅格的标记值不相同，将障碍栅格中最小的标记值赋予当前障碍栅格，并将当前不同的标记值进行记录(将其视为同一连通域)。
第二次遍历：将同一连通域中具有不同标记值的障碍栅格的标记值进行统一(取最小标记值)。
步骤4，在完成栅格聚类后便可依据盒子模型提取出障碍物存在的位置及范围，计算方法如式(5)所示：
Figure GDA0003635479920000031
其中，Xmin、Xmax、Ymin、Ymax、Zmin、Zmax分别为同一类障碍栅格中X、Y、Z坐标的最小值和最大值。L、W、H分别为障碍物存在区域的长、宽、高；Xloc、Yloc分别为障碍物存在位置的X、Y坐标。
步骤5，将检测结果进行输出，为无人船避障提供数据支撑。
与现有技术相比，本发明提出的方法在近距离处可有效解决检测精度降低及错误聚类的问题，在远距离处可有效解决漏检及目标分裂的问题，相比于传统检测方法，可更加准确地实现海上无人船周边障碍物检测。
附图说明
图1为本发明的方法流程图；
图2为图1所示方法中步骤1“变尺寸栅格地图”示意图；
图3为图1所示方法中步骤1“点云投影”具体实现流程图；
图4为实施例中原始点云图；
图5为实施例中本发明的总体实施效果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合附图和具体实施方式对本发明进行进一步的详细描述。
步骤1，在本发明的实施例中，选用的激光雷达的型号为RS-16，其水平视场角为360°，垂直视场角为±15°，水平角分辨率为0.2°，垂直角分辨率为2°，测距能力为150m，检测精度为±2cm，安装高度为1.3m。结合激光雷达自身检测性能及安装高度，将上述步骤中涉及的设定栅格地图大小、栅格尺寸增长范围、高度差阈值、数量阈值和高度阈值分别设置为：R＝300(m)，a1＝1(m)，an＝5(m)，η＝0.15(m)，α＝3，Ht＝3(m)。
步骤2，在给定栅格地图大小及栅格尺寸增长范围后即可得到栅格数量N及公差d，依据公式(3)即可得到栅格地图中每个栅格对应的X、Y坐标的范围。
步骤3，接收激光雷达产生的原始点云数据并对其进行坐标转换，得到具有三维坐标信息的点云数据。本次实施例的原始点云图如图4所示。
步骤4，将接收的点云数据依据其X、Y坐标投影至相应的栅格内，同时求出每个栅格中点云的X、Y及Z坐标的最值和点云总数，为后续判断是否为障碍栅格提供依据。
步骤5，按照从左到右从下至上的顺序遍历栅格地图中的栅格，结合给定的高度差阈值依据划分规则进行栅格划分，若为障碍栅格则使其标记值为1，反之使其标记值为0。
步骤6，按照从左到右从下至上的顺序遍历栅格地图中的障碍栅格，结合给定的数量阈值及高度阈值依据判定规则进行栅格滤波，若为虚假障碍栅格，则将其标记值置为0。
步骤7，在标记出所有障碍栅格后，将障碍栅格依据八邻域连通分量标记法进行聚类，使含有同一障碍物回波点的障碍栅格的标记值相同。
步骤8，在完成栅格聚类后便可依据盒子模型提取出障碍物存在的位置及范围，得出最后检测结果，检测结果如表1所示。处理效果如图5所示，障碍物信息提取结果在图中用方框表示。
表1：障碍物检测结果
Figure GDA0003635479920000041
步骤9，将检测结果以数组的形式存入SQLite数据库中，为无人船避障提供数据支撑。
通过上述过程可知，本发明提供的一种基于变尺寸栅格地图的无人船载激光雷达障碍物检测方法能够有效地结合点云近密远疏的特点来对点云数据进行处理，实现更好的栅格划分及聚类，快速准确地得到障碍物检测结果，为后续无人船自主避碰提供良好的数据支撑。

Claims (1)

1.一种基于变尺寸栅格地图的无人船载激光雷达障碍物检测方法，其特征在于：基于变尺寸栅格地图对点云数据进行处理，得出障碍物检测结果，为无人船避障提供数据支撑，方法主要步骤如下：首先建立一种栅格尺寸线性增长的变尺寸栅格地图并进行点云投影，然后结合高度差判别法及八邻域连通分量标记法进行栅格划分及聚类，最后通过盒子模型提取障碍物信息，得出障碍物存在位置及区域范围，其中建立变尺寸栅格地图，包括以下步骤：
步骤1：以无人船为坐标原点，结合激光雷达的检测范围建立栅格尺寸呈线性增长的栅格地图，栅格地图的大小用R*R(m)来表示，对应X、Y的坐标范围即为-R/2～R/2；
步骤2：以X正半轴的栅格的长度取值为例，设定从坐标原点至R/2处的栅格的长度从a1线性增长至an，可由公式(1)得到在X正半轴内栅格长度增长范围、栅格数量与栅格地图大小之间的关系：
Figure FDA0003722038660000011
其中，a1为原点处栅格的长度；an为X轴坐标为R/2处栅格的长度；d为栅格长度增长的公差；n为栅格数量；
步骤3：在栅格地图大小及栅格增长范围确定以后，即可求得相应的栅格数量n及栅格增长的公差d，计算方法如式(2)所示：
Figure FDA0003722038660000012
步骤4：在得到了同一纵坐标下在X正半轴分布的栅格数量n后即可得到同一纵坐标下在整个X轴分布的栅格数量N，将栅格按照X轴正方向从1-N进行排序，可得在X正半轴中的栅格尺寸是随着序号的增加而增大的，X负半轴中的栅格尺寸是随着序号的增加而减小的，即X正半轴与X负半轴中栅格对应的坐标范围计算公式也会不同，将序号k属于1～N/2的栅格对应的X坐标的范围表示为Sk-1～Sk，序号k属于N/2+1～N的栅格对应的X坐标的范围表示为Pk-1～Pk，Sk及Pk的计算公式如式(3)所示，其中S0＝-R/2，PN/2＝0；
Figure FDA0003722038660000013
步骤5：由式(3)即可得到同一纵坐标下X轴中第k个栅格对应的X坐标的范围，同理可得同一横坐标下Y轴中第k个栅格对应的Y坐标的范围，进而可得到栅格地图中每个栅格对应的X、Y坐标的范围，完成栅格地图的建立。
CN202110021565.8A 2021-01-08 2021-01-08 一种基于变尺寸栅格地图的船载激光雷达障碍物检测方法 Expired - Fee Related CN112882058B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110021565.8A CN112882058B (zh) 2021-01-08 2021-01-08 一种基于变尺寸栅格地图的船载激光雷达障碍物检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110021565.8A CN112882058B (zh) 2021-01-08 2021-01-08 一种基于变尺寸栅格地图的船载激光雷达障碍物检测方法

Publications (2)

Publication Number Publication Date
CN112882058A CN112882058A (zh) 2021-06-01
CN112882058B true CN112882058B (zh) 2022-09-20

Family

ID=76047165

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110021565.8A Expired - Fee Related CN112882058B (zh) 2021-01-08 2021-01-08 一种基于变尺寸栅格地图的船载激光雷达障碍物检测方法

Country Status (1)

Country Link
CN (1) CN112882058B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114814807B (zh) * 2022-06-22 2022-09-06 中国电子科技集团公司信息科学研究院 基于动态多尺度栅格的分布式雷达目标检测方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4901083A (en) * 1988-06-20 1990-02-13 Delco Electronics Corporation Near obstacle detection system
CN110019609A (zh) * 2017-11-20 2019-07-16 北京京东尚科信息技术有限公司 地图更新方法、装置以及计算机可读存储介质
CN110068836A (zh) * 2019-03-20 2019-07-30 同济大学 一种智能驾驶电动清扫车的激光雷达路沿感知系统
CN110208819A (zh) * 2019-05-14 2019-09-06 江苏大学 一种多个障碍物三维激光雷达数据的处理方法
KR20190119222A (ko) * 2018-04-03 2019-10-22 엘지전자 주식회사 로봇 청소기
CN111175730A (zh) * 2020-01-08 2020-05-19 中国石油大学(华东) 一种用于无人船的毫米波雷达目标点迹凝聚方法
CN111610788A (zh) * 2020-06-13 2020-09-01 大连海事大学 一种分级模糊-人工势场路径规划的方法
WO2020215172A1 (zh) * 2019-04-20 2020-10-29 深圳市大疆创新科技有限公司 一种障碍物检测方法、设备、可移动平台及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8577538B2 (en) * 2006-07-14 2013-11-05 Irobot Corporation Method and system for controlling a remote vehicle
JP2009092555A (ja) * 2007-10-10 2009-04-30 Denso Corp パルスレーダ装置
CN107340768B (zh) * 2016-12-29 2020-08-28 珠海市一微半导体有限公司 一种智能机器人的路径规划方法
CN109143206B (zh) * 2018-08-27 2021-06-01 森思泰克河北科技有限公司 激光雷达标定装置及标定方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4901083A (en) * 1988-06-20 1990-02-13 Delco Electronics Corporation Near obstacle detection system
CN110019609A (zh) * 2017-11-20 2019-07-16 北京京东尚科信息技术有限公司 地图更新方法、装置以及计算机可读存储介质
KR20190119222A (ko) * 2018-04-03 2019-10-22 엘지전자 주식회사 로봇 청소기
CN110068836A (zh) * 2019-03-20 2019-07-30 同济大学 一种智能驾驶电动清扫车的激光雷达路沿感知系统
WO2020215172A1 (zh) * 2019-04-20 2020-10-29 深圳市大疆创新科技有限公司 一种障碍物检测方法、设备、可移动平台及存储介质
CN110208819A (zh) * 2019-05-14 2019-09-06 江苏大学 一种多个障碍物三维激光雷达数据的处理方法
CN111175730A (zh) * 2020-01-08 2020-05-19 中国石油大学(华东) 一种用于无人船的毫米波雷达目标点迹凝聚方法
CN111610788A (zh) * 2020-06-13 2020-09-01 大连海事大学 一种分级模糊-人工势场路径规划的方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
Chaos-Genetic Algorithm Based on The Cat Map and Its Application on Seismic Wavelet Estimation;Fang Wang, Yongshou Dai, Shaoshui Wang;《2009 International Workshop on Chaos-Fractals Theories and Applications》;20091231;全文 *
Laser-based Road Recognition for a Smart Electric Wheelchair;T. Suzuki;《Proceedings of the 2011 IEEE International Conference on Robotics and Biomimetics》;20111211;全文 *
Modeling of urban wind ventilation using high resolution airborne LiDAR data;Fen Peng;《Computers, Environment and Urban Systems》;20171231;全文 *
一种用于无人船海面障碍物测距的双目视觉系统;李方旭等;《舰船科学技术》;20191208(第23期);全文 *
基于三维激光雷达的无人船目标检测;赵玉梁;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20190115;第34-42页 *
基于三维激光雷达的无人船障碍物自适应栅格表达方法;刘德庆等;《中国激光》;20200131(第01期);第1-6页 *
基于激光和视觉融合的障碍检测研究;刘警灿等;《计算机产品与流通》;20200519(第06期);全文 *
改进型BINN算法应用在无人船优先区域覆盖路径规划的研究;赵红等;《中国造船》;20200630(第02期);全文 *
适应不同距离的三维激光雷达数据处理方法;江浩斌等;《重庆理工大学学报(自然科学)》;20200815(第08期);全文 *
预建高精度地图的封闭区域UGV自动驾驶导航定位;王一文等;《测绘通报》;20200125(第01期);全文 *

Also Published As

Publication number Publication date
CN112882058A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
CN107145874B (zh) 复杂背景sar图像中的舰船目标检测与鉴别方法
CN111239766B (zh) 基于激光雷达的水面多目标快速识别跟踪方法
CN106441303B (zh) 一种基于可搜索连续邻域a*算法的路径规划方法
US20210333108A1 (en) Path Planning Method And Device And Mobile Device
CN108549084B (zh) 一种基于稀疏二维激光雷达的目标检测与姿态估计方法
CN110275153B (zh) 一种基于激光雷达的水面目标检测与跟踪方法
CN111291708A (zh) 融合深度相机的变电站巡检机器人障碍物检测识别方法
CN106970375A (zh) 一种机载激光雷达点云中自动提取建筑物信息的方法
CN102496187B (zh) 一种基于三角形网格的追踪等值线至边界及断层的方法
CN105137412B (zh) 一种2d激光雷达距离图像中线段特征精确拟合方法
CN110502801B (zh) 海洋温度锋自动追踪和特征参数信息提取方法
CN107909002B (zh) 基于海岸线匹配的红外遥感图像海陆分割方法
CN115097442B (zh) 基于毫米波雷达的水面环境地图构建方法
CN112184736A (zh) 一种基于欧式聚类的多平面提取方法
WO2018000252A1 (zh) 高分辨遥感海洋图像的海背景建模与抑制的方法及系统
CN109000656B (zh) 基于空间聚类的水下地形匹配导航适配区选择方法
CN112882058B (zh) 一种基于变尺寸栅格地图的船载激光雷达障碍物检测方法
CN111931409A (zh) 基于高分辨率海洋模式数据的涡旋三维体态识别和追踪方法
CN113177593A (zh) 一种水上交通环境中雷达点云与影像数据的融合方法
CN113570005A (zh) 一种基于机载光子雷达的远距离舰船类型识别方法
Spiliopoulos et al. Knowledge extraction from maritime spatiotemporal data: An evaluation of clustering algorithms on Big Data
CN112347218A (zh) 无人船艇的环境地图生成方法及无人船艇感知系统
Lu et al. Historical AIS data-driven unsupervised automatic extraction of directional maritime traffic networks
CN111736167B (zh) 一种获取激光点云密度的方法和装置
Wang et al. Sea bottom line tracking in side-scan sonar image through the combination of points density clustering and chains seeking

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220920

CF01 Termination of patent right due to non-payment of annual fee