CN113427973A - 车载空调控制方法、装置、汽车及存储介质 - Google Patents
车载空调控制方法、装置、汽车及存储介质 Download PDFInfo
- Publication number
- CN113427973A CN113427973A CN202110922727.5A CN202110922727A CN113427973A CN 113427973 A CN113427973 A CN 113427973A CN 202110922727 A CN202110922727 A CN 202110922727A CN 113427973 A CN113427973 A CN 113427973A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- air conditioner
- preset
- circulation mode
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000008447 perception Effects 0.000 claims abstract description 25
- 238000012216 screening Methods 0.000 claims abstract description 25
- 238000004378 air conditioning Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 14
- 238000013145 classification model Methods 0.000 claims description 10
- 230000029058 respiratory gaseous exchange Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 9
- 238000012790 confirmation Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000000241 respiratory effect Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
- B60H1/0073—Control systems or circuits characterised by particular algorithms or computational models, e.g. fuzzy logic or dynamic models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
- B60H1/00735—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models
- B60H1/00764—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models the input being a vehicle driving condition, e.g. speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
- B60H1/00814—Control systems or circuits characterised by their output, for controlling particular components of the heating, cooling or ventilating installation
- B60H1/00821—Control systems or circuits characterised by their output, for controlling particular components of the heating, cooling or ventilating installation the components being ventilating, air admitting or air distributing devices
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Air-Conditioning For Vehicles (AREA)
Abstract
本发明涉及车辆技术领域，公开了一种车载空调控制方法、装置、汽车及存储介质，所述车载空调控制方法包括：获取预设范围内的感知信息，并根据感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆；获取当前车辆与目标车辆之间的相对运动参数；根据相对运动参数确定当前车辆的车载空调对应的空气循环模式，并控制车载空调以所述空气循环模式运行。通过对预设范围内的感知信息进行实时监测，以识别出符合预设车型条件的目标车辆，再根据当前车辆与目标车辆之间的相对运动参数调节当前车辆的车载空调对应的空气循环模式，以实现基于路况信息自动控制车载空调的空气循环模式，降低对驾乘人员的呼吸危害，提高用户的驾乘体验。
Description
技术领域
本发明涉及车辆技术领域，尤其涉及一种车载空调控制方法、装置、汽车及存储介质。
背景技术
目前，由于扬尘和尾气排放的影响，车内空气质量逐渐下降。为了提高车内空气质量，车辆上均配置有空调，以期通过空调改善车内空气质量。
因此，如何自动控制车载空调的空气循环模式，以降低对驾乘人员的呼吸危害，成为当前亟待解决的问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种车载空调控制方法、装置、汽车及存储介质，旨在解决如何自动控制车载空调的空气循环模式，以降低对驾乘人员的呼吸危害的技术问题。
为实现上述目的，本发明提供了一种车载空调控制方法，所述车载空调控制方法应用于车辆，所述方法包括以下步骤：
获取预设范围内的感知信息，并根据所述感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆；
获取当前车辆与所述目标车辆之间的相对运动参数；
根据所述相对运动参数确定所述当前车辆的车载空调对应的空气循环模式，并控制所述车载空调以所述空气循环模式运行。
可选地，所述感知信息包括图像数据和点云数据；
所述获取预设范围内的感知信息，并根据所述感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆的步骤，包括：
通过当前车辆上的车载摄像头获取预设范围内的所述图像数据，并通过所述当前车辆上的毫米波雷达获取所述预设范围内的所述点云数据；
对所述图像数据和所述点云数据进行特征提取，以获得特征数据；
基于所述特征数据从多个待识别对象中筛选出符合预设车型条件的目标车辆。
可选地，所述基于所述特征数据从多个待识别对象中筛选出符合预设车型条件的目标车辆的步骤，包括：
将所述特征数据输入到预先训练好的分类模型中进行分类识别，以通过所述分类模型识别出多个待识别对象的类型根据所述类型从所述多个待识别对象中筛选出符合预设车型条件的目标车辆。
可选地，所述获取预设范围内的感知信息，并根据所述感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆的步骤之后，还包括：
获取所述目标车辆的数量，在所述数量大于预设数量时，将车载空调的空气循环模式调节为内循环模式；
或，获取目标车辆的车速，在所述车速小于预设车速时，将所述车载空调的空气循环模式调节为内循环模式。
可选地，所述相对运动参数包括相对距离和车速差；
相应地，所述获取当前车辆与所述目标车辆之间的相对运动参数的步骤，包括：
获取当前车辆的车速、所述目标车辆的车速以及所述当前车辆与所述目标车辆之间的所述相对距离；
根据所述当前车辆的车速和所述目标车辆的车速计算所述当前车辆与所述目标车辆之间的所述车速差。
可选地，所述根据所述相对运动参数确定所述当前车辆的车载空调对应的空气循环模式，并控制所述车载空调以所述空气循环模式运行的步骤，包括：
判断所述相对距离是否小于等于第一距离阈值；
在所述相对距离小于等于第一距离阈值时，判断所述车速差是否小于预设速度差临界值；
在所述车速差小于所述预设速度差临界值时，将所述当前车辆的车载空调的空气循环模式调节为内循环模式。
可选地，所述判断所述相对距离是否小于等于第一距离阈值的步骤之后，还包括：
在所述相对距离大于所述第一距离阈值时，判断所述相对距离是否大于等于第二距离阈值，其中，所述第二距离阈值大于所述第一距离阈值；
在所述相对距离大于等于所述第二距离阈值时，判断所述车速差是否大于预设速度差临界值；
在所述车速差大于所述预设速度差临界值时，将所述当前车辆的车载空调的空气循环模式调节为外循环模式。
此外，为实现上述目的，本发明还提出一种车载空调控制装置，所述车载空调控制装置包括：
车辆筛选模块，用于获取预设范围内的感知信息，并根据所述感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆；
参数获取模块，用于获取当前车辆与所述目标车辆之间的相对运动参数；
模式调节模块，用于根据所述相对运动参数确定所述当前车辆的车载空调对应的空气循环模式，并控制所述车载空调以所述空气循环模式运行。
此外，为实现上述目的，本发明还提出一种汽车，所述汽车包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车载空调控制程序，所述车载空调控制程序配置为实现如上文所述的车载空调控制方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有车载空调控制程序，所述车载空调控制程序被处理器执行时实现如上文所述的车载空调控制方法的步骤。
本发明中，获取预设范围内的感知信息，并根据所述感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆；获取当前车辆与所述目标车辆之间的相对运动参数；根据所述相对运动参数确定所述当前车辆的车载空调对应的空气循环模式，并控制所述车载空调以所述空气循环模式运行。通过对预设范围内的感知信息进行实时监测，以识别出符合预设车型条件的目标车辆，再根据与所述目标车辆之间的相对运动参数调节车载空调对应的空气循环模式，以实现基于路况信息自动控制车载空调的空气循环模式，降低对驾乘人员的呼吸危害，提高用户的驾乘体验。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的汽车结构示意图；
图2为本发明车载空调控制方法第一实施例的流程示意图；
图3为本发明车载空调控制方法第一实施例的实现原理图；
图4为本发明车载空调控制方法涉及的运动示意图；
图5为本发明车载空调控制方法第二实施例的流程示意图；
图6为本发明车载空调控制方法第三实施例的流程示意图；
图7为本发明车载空调控制方法第三实施例涉及的车载空调控制示意图；
图8为本发明车载空调控制装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的汽车结构示意图。
如图1所示，该汽车可以包括：处理器1001，例如中央处理器(Central ProcessingUnit，CPU)、微控制单元(Micro Controller Unit，MCU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)，也可以是稳定的非易失性存储器(Non-VolatileMemory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对汽车的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及车载空调控制程序。
在图1所示的汽车中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明汽车中的处理器1001、存储器1005可以设置在汽车中，所述汽车通过处理器1001调用存储器1005中存储的车载空调控制程序，并执行本发明实施例提供的车载空调控制方法。
本发明实施例提供了一种车载空调控制方法，参照图2，图2为本发明车载空调控制方法第一实施例的流程示意图。
本实施例中，所述车载空调控制方法包括以下步骤：
步骤S10：获取预设范围内的感知信息，并根据所述感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆；
易于理解的是，本实施例的执行主体为上述汽车中的处理器1001，也可理解为用户当前正在驾驶的车辆(即当前车辆)中的处理器1001，在具体实现中，可为空调控制器，当前车辆获取预设范围内的感知信息，并根据所述感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆，所述预设范围可根据实际需求进行设置，如，以当前车辆为圆心的扇形(扇形半径和角弧度均可根据实际需求进行设置，如扇形半径为50米、75米等，角弧度为90度、135度等，其中，角弧度的中分线与当前车辆的行驶方向平行)范围内，以能监测到当前车辆的前方区域(也可包括当前车辆的左侧方区域和右侧方区域)内的待识别对象为准，本实施例对此不加以限制。所述多个待识别对象可理解为当前车辆的预设范围内的行人、轿车、非机动车、卡车、动物等。所述感知信息可为通过车载摄像头获取的预设范围内的图像数据，以及通过毫米波雷达获取的预设范围内的点云数据。
参见图3，图3为本发明车载空调控制方法第一实施例的实现原理图。该图表征为实现本发明提供的方法的当前车辆中各个模块之间的协作关系。图3中，在通过车载摄像头01获取预设范围内的图像数据，以及通过毫米波雷达02获取预设范围内的点云数据后，可将所述图像数据和所述点云数据传递至域控制器03，域控制器03可与空调控制器04通过通信线束进行交互，空调控制器04通过电机驱动控制风门电机05以调节车载空调的空气循环模式(如内循环模式、外循环模式等)。其中，域控制器03与空调控制器04间的通信线束可为控制器域网(Controller Area Network，CAN)总线、局域互联网络(Local InterconnectNetwork，LIN)总线、或通用输入/输出口(General Purpose Input Output，GPIO)的连接方式。
需要说明的是，所述预设车型条件可为汽车排放量大于等于预设排放量的车型，也可为总质量大于等于预设总质量的车型，如，重型汽车等。
其中，所述预设排放量可根据实际需求进行设置，所述预设总质量也可根据实际需求进行设置，如，3500Kg，本实施例均对此不加以限制。在具体实现中，可在预设车型数据库中查询各车型的排放量和/或总质量，所述预设车型数据库中存储有不同车型对应的排放量和/或总质量，可根据基于感知信息生成的图像识别结果确定待识别对象的车型，然后判断所述待识别对象的车型是否为符合预设车型条件的车型，并将待识别对象中符合预设车型条件的待识别对象作为目标车辆。
步骤S20：获取当前车辆与所述目标车辆之间的相对运动参数；
本实施例中，所述相对运动参数包括但不限于相对距离和车速差。
参见图4，图4为本发明车载空调控制方法涉及的运动示意图，图4中，当前车辆的车速为V0(m/s)，目标车辆的车速为V1(m/s)，当前车辆与目标车辆之间的相对距离为Sdis(m)，在具体实现中，可获取当前车速V0(m/s)、所述目标车辆的车速V1(m/s)以及与所述目标车辆之间的相对距离Sdis，然后，根据所述当前车速和所述目标车辆的车速计算与所述目标车辆之间的车速差，即车速差△V＝V1-V0。
步骤S30：根据所述相对运动参数确定所述当前车辆的车载空调对应的空气循环模式，并控制所述车载空调以所述空气循环模式运行。
易于理解的是，为了基于路况信息自动控制车载空调的空气循环模式，以降低对驾乘人员的呼吸危害，在获得与所述目标车辆之间的相对距离和车速差后，可根据所述相对运动参数确定当前车辆的车载空调对应的空气循环模式(如内循环模式、外循环模式等)，并控制所述车载空调以所述空气循环模式运行。
在具体实现中，还可根据基于感知信息生成的图像识别结果发出对应的提示信息，如，在检测到预设范围内存在目标车辆时，可进一步检测车门和/或车窗是否关闭，在车门和/或车窗未关闭时，发出对应的提示信息提示用户关闭车门和/或车窗，以进一步保证车载空调的空气调节效果。
在另一种实现方式中，为了基于路况信息自动控制车载空调的空气循环模式，以降低对驾乘人员的呼吸危害，除根据所述相对运动参数调节车载空调对应的空气循环模式外，还可获取所述目标车辆的数量，在所述数量大于预设数量时，调节车载空调的空气循环模式，如，将车载空调的空气循环模式调节为内循环模式，所述预设数量可根据实际需求进行设置，如，3，本实施例对此不加以限制；或，获取目标车辆的车速，在所述车速小于预设车速时，调节车载空调的空气循环模式，如，将车载空调的空气循环模式调节为内循环模式，所述预设车速可根据实际需求进行设置，如，3米/秒，本实施例对此不加以限制。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
本实施例中，获取预设范围内的感知信息，并根据所述感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆；获取当前车辆与所述目标车辆之间的相对运动参数；根据所述相对运动参数确定所述当前车辆的车载空调对应的空气循环模式，并控制所述车载空调以所述空气循环模式运行。通过对预设范围内的感知信息进行实时监测，以识别出符合预设车型条件的目标车辆，再根据与所述目标车辆之间的相对运动参数调节车载空调对应的空气循环模式，以实现基于路况信息自动控制车载空调的空气循环模式，降低对驾乘人员的呼吸危害，提高用户的驾乘体验。
参考图5，图5为本发明车载空调控制方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S10包括：
步骤S101：通过当前车辆上的车载摄像头获取预设范围内的图像数据，并通过所述当前车辆上的毫米波雷达获取所述预设范围内的点云数据；
本实施例中，当前车辆可为具备自动驾驶、高级驾驶辅助系统(Advanced DrivingAssistance System，ADAS)以及自动制动系统(Autonomous Emergency Braking，AEB)中一种或多种功能的车辆，其域控制器03通过车载摄像头01获取的图像数据，毫米波雷达02获取的点云数据来感知当前车辆附近(即预设范围内)的交通环境信息，如空气质量等。所述预设范围可根据实际需求进行设置，如，以当前车辆为圆心的扇形(扇形半径和角弧度均可根据实际需求进行设置，如扇形半径为50米、75米等，角弧度为90度、135度等，其中，角弧度的中分线与当前车辆的行驶方向平行)范围内，以能监测到当前车辆的前方区域(也可包括当前车辆的左侧方区域和右侧方区域)内的多个待识别对象为准，本实施例对此不加以限制。所述待识别对象可理解为当前车辆的预设范围内的行人、轿车、非机动车、卡车、动物等。
步骤S102：对所述图像数据和所述点云数据进行特征提取，以获得特征数据；
需要说明的是，在获得所述图像数据和所述点云数据后，可将所述图像数据和所述点云数据输入至预设卷积神经网络模型中进行特征提取，以获得特征数据，其中，所述预设卷积神经网络模型可理解为用以对所述图像数据和所述点云数据进行特征提取的神经网络模型，可分为输入层(Input layer)、隐藏层1(Hidden layer 1)、隐藏层2(Hiddenlayer 2)……隐藏层n(Hidden layer n)以及输出层(Output layer)。在具体实现中，可将所述图像数据和所述点云数据输入至预设卷积神经网络模型的输入层(Input layer)中，然后通过隐藏层1(Hidden layer 1)、隐藏层2(Hidden layer 2)……隐藏层n(Hiddenlayer n)进行特征提取，以获得特征数据，再将获得的特征数据通过输出层(Outputlayer)输出，在具体实现中，可基于预设特征提取算法生成所述预设卷积神经网络模型，所述预设特征提取算法可根据实际需求进行设置，如基于方向梯度直方图(Histogram ofOriented Gradient,HOG)的特征提取算法，基于LoG算子的特征提取算法，基于Harris算子的特征提取算法，基于尺度不变特征变换(Scale Invariant Feature Transform，SIFT)的特征提取算法，基于加速鲁棒特征(Speed Up Robust Feature，SURF)的特征提取算法等，以能提高基于所述图像数据和所述点云数据精准提取出特征数据为准，本实施例在此不加以限制。
步骤S103：基于所述特征数据从多个待识别对象中筛选出符合预设车型条件的目标车辆。
需要说明的是，在获得所述特征数据后，可将所述特征数据输入到预先训练好的分类模型中进行分类识别，以通过所述分类模型识别出多个待识别对象的类型，再根据所述类型从所述多个待识别对象中筛选出符合预设车型条件的目标车辆。其中，所述分类模型可基于支持向量机(Support Vector Machine，SVM)分类器生成，在具体实现中，以能提高基于所述特征数据识别出多个待识别对象的类型的识别精度为准，具体构建方式本实施例在此不加以限制。
在具体实现中，为了提高对目标车辆的识别精准度，在识别出多个待识别对象的类型后，可根据所述多个待识别对象的类型在预设车型数据库中进行排量确认和/或质量确认，以从所述多个待识别对象中筛选出符合预设车型条件的目标车辆。其中，所述预设车型条件可为汽车排放量大于等于预设排放量的车型，也可为总质量大于等于预设总质量的车型，如，重型汽车等，所述预设排放量可根据实际需求进行设置，所述预设总质量也可根据实际需求进行设置，如，3500Kg，本实施例均对此不加以限制。在具体实现中，可在预设车型数据库中查询各车型的排放量和/或总质量，所述预设车型数据库中存储有不同车型对应的排放量和/或总质量。然后判断所述待识别对象的车型是否为符合预设车型条件的车型，在所述待识别对象符合预设车型条件时，将所述待识别对象作为目标车辆，以实现从多个待识别对象中筛选出符合预设车型条件的目标车辆。
进一步地，为了提高对目标车辆的识别精准度和识别速度，在识别出多个待识别对象的类型后，可先对多个待识别对象进行初筛，以确定需要进行排量确认和/或质量确认的待识别车辆对象，如，当前车辆的预设范围内存在三个待识别对象(记作第一待识别对象、第二待识别对象以及第三待识别对象)，其中，第一待识别对象的类型为行人，第二待识别对象的类型为轿车，第三待识别对象的类型为卡车，则可将类型为卡车的第三待识别对象作为需要进行排量确认和/或质量确认的待确认车辆对象，并根据所述待确认车辆对象的类型在预设车型数据库中进行排量确认和/或质量确认，以确定所述待确认车辆对象是否为符合预设车型条件的目标车辆。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
本实施例中，通过当前车辆上的车载摄像头获取预设范围内的图像数据，并通过所述当前车辆上的毫米波雷达获取所述预设范围内的点云数据，对所述图像数据和所述点云数据进行特征提取，以获得特征数据，并基于所述特征数据从多个待识别对象中筛选出符合预设车型条件的目标车辆。通过先对采集的图像数据和点云数据进行特征提取，再通过预先训练好的分类模型对获得的特征数据进行分类识别，以基于所述特征数据从多个待识别对象中筛选出符合预设车型条件的目标车辆，提高了对目标车辆的识别精准度，进一步地，也提高了后续基于目标车辆调节车载空调对应的空气循环模式的精准度。
参考图6，图6为本发明车载空调控制方法第三实施例的流程示意图。
基于上述各实施例，在本实施例中，所述步骤S20可具体包括以下步骤：
步骤S201：获取当前车辆的车速、所述目标车辆的车速以及所述当前车辆与所述目标车辆之间的相对距离；
步骤S202：根据所述当前车辆的车速和所述目标车辆的车速计算所述当前车辆与所述目标车辆之间的车速差。
参见图4，图4为本发明车载空调控制方法涉及的运动示意图，图4中，当前车辆的车速为V0(m/s)，目标车辆的车速为V1(m/s)，当前车辆与目标车辆之间的相对距离为Sdis(m)，在具体实现中，可获取当前车速V0(m/s)、所述目标车辆的车速V1(m/s)以及与所述目标车辆之间的相对距离Sdis，然后，根据所述当前车速和所述目标车辆的车速计算与所述目标车辆之间的车速差，即车速差△V＝V1-V0。
相应地，所述步骤S30可具体包括以下步骤：
步骤S301：判断所述相对距离是否小于等于第一距离阈值；
步骤S302：在所述相对距离小于等于第一距离阈值时，判断所述车速差是否小于预设速度差临界值；
步骤S303：在所述车速差小于所述预设速度差临界值时，将所述当前车辆的车载空调的空气循环模式调节为内循环模式。
参见图7，图7为本发明车载空调控制方法第三实施例涉及的车载空调控制示意图。
图7中，Status可理解为车载空调的空气循环标志位，在Status＝0时，无请求发生，车载空调维持当前空气循环模式；在Status＝1时，请求关闭，对应车载空调的空气循环模式中的内循环模式；在Status＝3时，请求打开，对应车载空调的空气循环模式中的外循环模式。Sdis(m)，即当前车辆与目标车辆之间的相对距离。d1为第一距离阈值，d2为第二距离阈值，第二距离阈值大于第一距离阈值，在具体实现中，第一距离阈值和第二距离阈值均可根据实际需求进行设置，本实施例对此不加以限制，如，第一距离阈值可为50米，第二距离阈值可为70米。
在具体实现中，为了提高对路况信息的判断精度，以提高基于路况信息控制车载空调的空气循环模式的精准度，降低对驾乘人员的呼吸危害，可判断所述相对距离Sdis是否小于等于第一距离阈值d1，在所述相对距离小于等于第一距离阈值时，即，Sdis≤d1时，判断所述车速差△V是否小于预设速度差临界值，所述预设速度差临界值可根据实际需求进行设置，本实施例中，可设置为0，在所述车速差小于所述预设速度差临界值时，即△V＜0时(此时当前车辆与目标车辆之间相对距离会逐渐减小)，Status＝1，车载空调对应的空气循环模式为内循环模式；而在所述车速差大于等于所述预设速度差临界值时，即△V≥0时(此时当前车辆与目标车辆之间相对距离会逐渐增大)，Status＝0，可维持车载空调的当前空气循环模式，如维持车载空调的空气循环模式为内循环模式。
步骤S304：在所述相对距离大于所述第一距离阈值时，判断所述相对距离是否大于等于第二距离阈值；
步骤S305：在所述相对距离大于等于所述第二距离阈值时，判断所述车速差是否大于预设速度差临界值；
步骤S306：在所述车速差大于所述预设速度差临界值时，将所述当前车辆的车载空调的空气循环模式调节为外循环模式。
在具体实现中，为了提高对路况信息的判断精度，以提高基于路况信息控制车载空调的空气循环模式的精准度，降低对驾乘人员的呼吸危害，在所述相对距离大于所述第一距离阈值d1时，还可判断所述相对距离Sdis是否大于等于第二距离阈值d2，其中，所述第二距离阈值d2大于所述第一距离阈值d1，在所述相对距离大于等于第二距离阈值时，即，Sdis≥d2时，判断所述车速差△V是否小于预设速度差临界值，所述预设速度差临界值可根据实际需求进行设置，本实施例中，可设置为0，在所述车速差大于所述预设速度差临界值时，即△V＞0时(此时当前车辆与目标车辆之间相对距离会逐渐增大)，Status＝3，车载空调对应的空气循环模式为外循环模式，而在所述车速差小于等于所述预设速度差临界值时，即△V≤0时(此时当前车辆与目标车辆之间相对距离会逐渐减小)，Status＝0，可维持车载空调的当前空气循环模式，如维持车载空调的空气循环模式为外循环模式。
在具体实现中，为了避免车载空调频繁启停、频繁模式转换等现象的发生，以提高车载空调的使用寿命，在所述相对距离Sdis处于第一距离阈值d1和第二距离阈值d2之间时，可维持车载空调的当前空气循环模式，如，将第一距离阈值设置为50米，将第二距离阈值设置为70米，在Sdis由51米增大至69米的过程中，可维持车载空调的当前空气循环模式为内循环模式，又如，将第一距离阈值设置为50米，将第二距离阈值设置为70米，在Sdis由69米减小至51米的过程中，可维持车载空调的当前空气循环模式为外循环模式。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
本实施例中，获取当前车辆的车速、所述目标车辆的车速以及所述当前车辆与所述目标车辆之间的相对距离，根据所述当前车辆的车速和所述目标车辆的车速计算所述当前车辆与所述目标车辆之间的车速差。判断所述相对距离是否小于等于第一距离阈值，在所述相对距离小于等于第一距离阈值时，判断所述车速差是否小于预设速度差临界值，在所述车速差小于所述预设速度差临界值时，将所述当前车辆的车载空调的空气循环模式调节为内循环模式；在所述相对距离大于所述第一距离阈值时，判断所述相对距离是否大于等于第二距离阈值，其中，所述第二距离阈值大于所述第一距离阈值，在所述相对距离大于等于所述第二距离阈值时，判断所述车速差是否大于预设速度差临界值，在所述车速差大于所述预设速度差临界值时，将所述当前车辆的车载空调的空气循环模式调节为外循环模式。通过基于当前车辆与目标车辆之间的车速差和相对距离设置多个控制区间，以提高对路况信息的判断精度，避免车载空调频繁启停、频繁模式切换现象的发生，提高车载空调的使用寿命。进一步地，通过基于当前车辆与目标车辆之间的相对距离和车速差调节车载空调的空气循环模式，以进一步提高基于路况信息控制车载空调的空气循环模式的精准度，降低对驾乘人员的呼吸危害。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有车载空调控制程序，所述车载空调控制程序被处理器执行时实现如上文所述的车载空调控制方法的步骤。
参照图8，图8为本发明车载空调控制装置第一实施例的结构框图。
如图8所示，本发明实施例提出的车载空调控制装置包括：
车辆筛选模块10，用于获取预设范围内的感知信息，并根据所述感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆；
参数获取模块20，用于获取当前车辆与所述目标车辆之间的相对运动参数；
模式调节模块30，用于根据所述相对运动参数确定所述当前车辆的车载空调对应的空气循环模式，并控制所述车载空调以所述空气循环模式运行。
本实施例中，获取预设范围内的感知信息，并根据所述感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆；获取当前车辆与所述目标车辆之间的相对运动参数；根据所述相对运动参数确定所述当前车辆的车载空调对应的空气循环模式，并控制所述车载空调以所述空气循环模式运行。通过对预设范围内的感知信息进行实时监测，以识别出符合预设车型条件的目标车辆，再根据与所述目标车辆之间的相对运动参数调节车载空调对应的空气循环模式，以实现基于路况信息自动控制车载空调的空气循环模式，降低对驾乘人员的呼吸危害，提高用户的驾乘体验。
基于本发明上述车载空调控制装置第一实施例，提出本发明车载空调控制装置的第二实施例。
在本实施例中，所述感知信息包括图像数据和点云数据；
所述车辆筛选模块10，还用于通过当前车辆上的车载摄像头获取预设范围内的所述图像数据，并通过所述当前车辆上的毫米波雷达获取所述预设范围内的所述点云数据；
所述车辆筛选模块10，还用于对所述图像数据和所述点云数据进行特征提取，以获得特征数据；
所述车辆筛选模块10，还用于基于所述特征数据从多个待识别对象中筛选出符合预设车型条件的目标车辆。
所述车辆筛选模块10，还用于将所述特征数据输入到预先训练好的分类模型进行分类识别，以通过所述分类模型识别出多个待识别对象的类型。
所述车辆筛选模块10，还用于根据所述类型从所述多个待识别对象中筛选出符合预设车型条件的目标车辆。
所述模式调节模块30，还用于获取所述目标车辆的数量，在所述数量大于预设数量时，将车载空调的空气循环模式调节为内循环模式；
所述模式调节模块30，还用于获取目标车辆的车速，在所述车速小于预设车速时，将所述车载空调的空气循环模式调节为内循环模式。
所述相对运动参数包括相对距离和车速差；
所述参数获取模块20，还用于获取当前车辆的车速、所述目标车辆的车速以及所述当前车辆与所述目标车辆之间的所述相对距离；
所述参数获取模块20，还用于根据所述当前车辆的车速和所述目标车辆的车速计算所述当前车辆与所述目标车辆之间的所述车速差。
所述模式调节模块30，还用于判断所述相对距离是否小于等于第一距离阈值；
所述模式调节模块30，还用于在所述相对距离小于等于第一距离阈值时，判断所述车速差是否小于预设速度差临界值；
所述模式调节模块30，还用于在所述车速差小于所述预设速度差临界值时，将所述当前车辆的车载空调的空气循环模式调节为内循环模式。
所述模式调节模块30，还用于在所述相对距离大于所述第一距离阈值时，判断所述相对距离是否大于等于第二距离阈值；
所述模式调节模块30，还用于在所述相对距离大于等于所述第二距离阈值时，判断所述车速差是否大于预设速度差临界值；
所述模式调节模块30，还用于在所述车速差大于所述预设速度差临界值时，将所述当前车辆的车载空调的空气循环模式调节为外循环模式。
本发明车载空调控制装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种车载空调控制方法，其特征在于，所述车载空调控制方法应用于车辆，所述车载空调控制方法包括以下步骤：
获取预设范围内的感知信息，并根据所述感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆；
获取当前车辆与所述目标车辆之间的相对运动参数；
根据所述相对运动参数确定所述当前车辆的车载空调对应的空气循环模式，并控制所述车载空调以所述空气循环模式运行。
2.如权利要求1所述的车载空调控制方法，其特征在于，所述感知信息包括图像数据和点云数据；
所述获取预设范围内的感知信息，并根据所述感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆的步骤，包括：
通过当前车辆上的车载摄像头获取预设范围内的所述图像数据，并通过所述当前车辆上的毫米波雷达获取所述预设范围内的所述点云数据；
对所述图像数据和所述点云数据进行特征提取，以获得特征数据；
基于所述特征数据从多个待识别对象中筛选出符合预设车型条件的目标车辆。
3.如权利要求2所述的车载空调控制方法，其特征在于，所述基于所述特征数据从多个待识别对象中筛选出符合预设车型条件的目标车辆的步骤，包括：
将所述特征数据输入到预先训练好的分类模型中进行分类识别，以通过所述分类模型识别出多个待识别对象的类型；
根据所述类型从所述多个待识别对象中筛选出符合预设车型条件的目标车辆。
4.如权利要求1～3中任一项所述的车载空调控制方法，其特征在于，所述获取预设范围内的感知信息，并根据所述感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆的步骤之后，还包括：
获取所述目标车辆的数量，在所述数量大于预设数量时，将车载空调的空气循环模式调节为内循环模式；
或，获取目标车辆的车速，在所述车速小于预设车速时，将所述车载空调的空气循环模式调节为内循环模式。
5.如权利要求1所述的车载空调控制方法，其特征在于，所述相对运动参数包括相对距离和车速差；
相应地，所述获取当前车辆与所述目标车辆之间的相对运动参数的步骤，包括：
获取当前车辆的车速、所述目标车辆的车速以及所述当前车辆与所述目标车辆之间的所述相对距离；
根据所述当前车辆的车速和所述目标车辆的车速计算所述当前车辆与所述目标车辆之间的所述车速差。
6.如权利要求5所述的车载空调控制方法，其特征在于，所述根据所述相对运动参数确定所述当前车辆的车载空调对应的空气循环模式，包括：
判断所述相对距离是否小于等于第一距离阈值；
在所述相对距离小于等于第一距离阈值时，判断所述车速差是否小于预设速度差临界值；
在所述车速差小于所述预设速度差临界值时，将所述当前车辆的车载空调的空气循环模式调节为内循环模式。
7.如权利要求6所述的车载空调控制方法，其特征在于，所述判断所述相对距离是否小于等于第一距离阈值的步骤之后，还包括：
在所述相对距离大于所述第一距离阈值时，判断所述相对距离是否大于等于第二距离阈值，其中，所述第二距离阈值大于所述第一距离阈值；
在所述相对距离大于等于所述第二距离阈值时，判断所述车速差是否大于预设速度差临界值；
在所述车速差大于所述预设速度差临界值时，将所述当前车辆的车载空调的空气循环模式调节为外循环模式。
8.一种车载空调控制装置，其特征在于，所述车载空调控制装置包括：
车辆筛选模块，用于获取预设范围内的感知信息，并根据所述感知信息从多个待识别对象中筛选出符合预设车型条件的目标车辆；
参数获取模块，用于获取当前车辆与所述目标车辆之间的相对运动参数；
模式调节模块，用于根据所述相对运动参数确定所述当前车辆的车载空调对应的空气循环模式，并控制所述车载空调以所述空气循环模式运行。
9.一种汽车，其特征在于，所述汽车包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车载空调控制程序，所述车载空调控制程序配置为实现如权利要求1至7中任一项所述的车载空调控制方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有车载空调控制程序，所述车载空调控制程序被处理器执行时实现如权利要求1至7中任一项所述的车载空调控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110922727.5A CN113427973A (zh) | 2021-08-11 | 2021-08-11 | 车载空调控制方法、装置、汽车及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110922727.5A CN113427973A (zh) | 2021-08-11 | 2021-08-11 | 车载空调控制方法、装置、汽车及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113427973A true CN113427973A (zh) | 2021-09-24 |
Family
ID=77797569
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110922727.5A Pending CN113427973A (zh) | 2021-08-11 | 2021-08-11 | 车载空调控制方法、装置、汽车及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113427973A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114132144A (zh) * | 2021-11-30 | 2022-03-04 | 上汽通用五菱汽车股份有限公司 | 汽车空调内外循环的控制方法、装置、设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105034747A (zh) * | 2015-07-01 | 2015-11-11 | 上汽通用汽车有限公司 | 一种防止前车尾气侵入的汽车空调控制方法及系统 |
| CN205009919U (zh) * | 2015-09-28 | 2016-02-03 | 浙江吉利汽车研究院有限公司 | 一种汽车空调内外循环切换装置 |
| CN107031338A (zh) * | 2016-01-07 | 2017-08-11 | Lg电子株式会社 | 车辆用辅助装置以及车辆 |
| CN110032949A (zh) * | 2019-03-22 | 2019-07-19 | 北京理工大学 | 一种基于轻量化卷积神经网络的目标检测与定位方法 |
| CN110458112A (zh) * | 2019-08-14 | 2019-11-15 | 上海眼控科技股份有限公司 | 车辆检测方法、装置、计算机设备和可读存储介质 |
| CN112257637A (zh) * | 2020-10-30 | 2021-01-22 | 福州大学 | 一种融合点云和多视图的车载激光点云多目标识别方法 |
-
2021
- 2021-08-11 CN CN202110922727.5A patent/CN113427973A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105034747A (zh) * | 2015-07-01 | 2015-11-11 | 上汽通用汽车有限公司 | 一种防止前车尾气侵入的汽车空调控制方法及系统 |
| CN205009919U (zh) * | 2015-09-28 | 2016-02-03 | 浙江吉利汽车研究院有限公司 | 一种汽车空调内外循环切换装置 |
| CN107031338A (zh) * | 2016-01-07 | 2017-08-11 | Lg电子株式会社 | 车辆用辅助装置以及车辆 |
| CN110032949A (zh) * | 2019-03-22 | 2019-07-19 | 北京理工大学 | 一种基于轻量化卷积神经网络的目标检测与定位方法 |
| CN110458112A (zh) * | 2019-08-14 | 2019-11-15 | 上海眼控科技股份有限公司 | 车辆检测方法、装置、计算机设备和可读存储介质 |
| CN112257637A (zh) * | 2020-10-30 | 2021-01-22 | 福州大学 | 一种融合点云和多视图的车载激光点云多目标识别方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114132144A (zh) * | 2021-11-30 | 2022-03-04 | 上汽通用五菱汽车股份有限公司 | 汽车空调内外循环的控制方法、装置、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10183679B2 (en) | Apparatus, system and method for personalized settings for driver assistance systems | |
| US10295360B2 (en) | Assistance when driving a vehicle | |
| US11511759B2 (en) | Information processing system, information processing device, information processing method, and non-transitory computer readable storage medium storing program | |
| US10013881B2 (en) | System and method for virtual transformation of standard or non-connected vehicles | |
| WO2019011268A1 (zh) | 基于博弈论的驾驶员辅助系统决策方法、系统及其他 | |
| CN111108539A (zh) | 行驶支持方法以及行驶支持装置 | |
| CN110816534B (zh) | 车辆变道预警方法、设备、存储介质及装置 | |
| US11709501B2 (en) | System and method for controlling an autonomous vehicle | |
| CN112832615A (zh) | 辅助乘员下车的安全开门方法、装置、设备及存储介质 | |
| CN115268334A (zh) | 车窗控制方法、装置、设备及存储介质 | |
| US11951997B2 (en) | Artificial intelligence-enabled alarm for detecting passengers locked in vehicle | |
| CN107221194B (zh) | 用于标准或非连接车辆的虚拟转换的系统和方法 | |
| CN115257725A (zh) | 车辆碰撞预警方法、装置、设备及存储介质 | |
| CN113427973A (zh) | 车载空调控制方法、装置、汽车及存储介质 | |
| CN112172827A (zh) | 辅助驾驶系统控制方法、装置、设备及存储介质 | |
| CN113479190B (zh) | 智能泊车系统、方法、设备及计算机可读存储介质 | |
| CN111572561B (zh) | 自动驾驶汽车的车速控制方法、装置、设备及存储介质 | |
| CN112319505A (zh) | 自动驾驶换道判断方法、装置、设备及存储介质 | |
| CN114763139A (zh) | 基于行为的自适应巡航控制的方法、系统和设备 | |
| CN112418162A (zh) | 车辆控制的方法、设备、存储介质及装置 | |
| CN115520201B (zh) | 车辆主驾驶位功能动态响应方法及相关装置 | |
| US20240025437A1 (en) | Driver assistance system for vehicle | |
| CN115027468A (zh) | 车辆定速巡航激发方法、装置、车辆及存储介质 | |
| CN115158331A (zh) | 防止乘客眩晕的方法、装置、设备及存储介质 | |
| CN114771521A (zh) | 自适应巡航转弯速度控制方法、装置、设备及存储介质 |
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 | ||
| CB02 | Change of applicant information |
Address after: 310000 1760 Jiangling Road, Binjiang District, Hangzhou, Zhejiang. Applicant after: ZHEJIANG GEELY HOLDING GROUP Co.,Ltd. Applicant after: Zhejiang Geely Remote New Energy Commercial Vehicle Group Co.,Ltd. Applicant after: Zhejiang Geely new energy Commercial Vehicle Development Co.,Ltd. Address before: 310000 1760 Jiangling Road, Binjiang District, Hangzhou, Zhejiang. Applicant before: ZHEJIANG GEELY HOLDING GROUP Co.,Ltd. Applicant before: ZHEJIANG GEELY NEW ENERGY COMMERCIAL VEHICLE GROUP Co.,Ltd. Applicant before: Zhejiang Geely new energy Commercial Vehicle Development Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230724 Address after: 310000 1760 Jiangling Road, Binjiang District, Hangzhou, Zhejiang. Applicant after: ZHEJIANG GEELY HOLDING GROUP Co.,Ltd. Applicant after: Zhejiang Geely Remote New Energy Commercial Vehicle Group Co.,Ltd. Address before: 310000 1760 Jiangling Road, Binjiang District, Hangzhou, Zhejiang. Applicant before: ZHEJIANG GEELY HOLDING GROUP Co.,Ltd. Applicant before: Zhejiang Geely Remote New Energy Commercial Vehicle Group Co.,Ltd. Applicant before: Zhejiang Geely new energy Commercial Vehicle Development Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210924 |
|
| RJ01 | Rejection of invention patent application after publication |