CN113790759A - 一种多传感器融合式建筑测量机器人及其控制方法 - Google Patents

一种多传感器融合式建筑测量机器人及其控制方法 Download PDF

Info

Publication number
CN113790759A
CN113790759A CN202111089146.4A CN202111089146A CN113790759A CN 113790759 A CN113790759 A CN 113790759A CN 202111089146 A CN202111089146 A CN 202111089146A CN 113790759 A CN113790759 A CN 113790759A
Authority
CN
China
Prior art keywords
feature
measurement
sets
sensor fusion
value
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.)
Granted
Application number
CN202111089146.4A
Other languages
English (en)
Other versions
CN113790759B (zh
Inventor
张勇
梁冠军
朱宝
黄展华
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.)
Chuzhou Vocational and Technical College
Original Assignee
Chuzhou Vocational and Technical College
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 Chuzhou Vocational and Technical College filed Critical Chuzhou Vocational and Technical College
Priority to CN202111089146.4A priority Critical patent/CN113790759B/zh
Publication of CN113790759A publication Critical patent/CN113790759A/zh
Application granted granted Critical
Publication of CN113790759B publication Critical patent/CN113790759B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供了一种多传感器融合式建筑测量机器人包括：测量调整架；测量机构，其可拆卸连接所述测量调整架，所述测量机构包括多个传感器，至少包括测距仪、测量仪、经纬仪、平板仪、水准仪、激光测量仪、速测仪、投影仪、陀螺经纬仪、测图仪和摄影仪中的一种或几种；控制器，其连接所述测量测量调整架，能够自动调整所述测量调整架的位置和高度；换算控制器，其连接所述测量机构，能够获取多个传感器的检测信息，并进行换算后将测量结果输出，本发明还提供了一种多传感器融合式建筑测量机器人控制方法。

Description

一种多传感器融合式建筑测量机器人及其控制方法
技术领域
本发明涉及建筑测量技术领域，尤其涉及一种多传感器融合式建筑测量机器人及其控制方法。
背景技术
建筑测量仪器存在测不准的问题，通常采用多种传感器进行辅助测量，综合结果以提高测量准确率，随着目标特征提取技术的发展，越来越多、不同维度的目标特征信息被提取出来。面对众多提取的目标特征，如何进行有效融合识别是一个难题。
发明内容
本发明提供了一种多传感器融合式建筑测量机器人，能够提取多个传感器的目标测量值，进而提高测量的准确性。
本发明提供的技术方案为：
一种多传感器融合式建筑测量机器人，包括：
测量调整架；
测量机构，其可拆卸连接所述测量调整架，所述测量机构包括多个传感器，至少包括测距仪、测量仪、经纬仪、平板仪、水准仪、激光测量仪、速测仪、投影仪、陀螺经纬仪、测图仪和摄影仪中的一种或几种；
控制器，其连接所述测量测量调整架，能够自动调整所述测量调整架的位置和高度；
换算控制器，其连接所述测量机构，能够获取多个传感器的检测信息，并进行换算后将测量结果输出。
优选的是，所述测量调整架包括：
垫板；
支座，其可滑动设置在所述垫板上；
过渡件，其与所述支座活动连接，所述过渡件可沿所述支座的轴向移动；
连接件，所述连接件与所述过渡件活动连接，所述连接件可绕所述过度件旋转。
优选的是，所述测量机构通过螺栓固定在所述连接件上。
本发明还提供了一种多传感器融合式建筑测量机器人控制方法，包括：
利用多个传感器采集特征样本，将每个特征样本划分为多个目标类别特征集；
根据特征集内的特征量测数据，绘制特征量测图形，并计算所述特征量测曲线的特征权值；
根据所述特征权值，对所述特征量测曲线，进行重构得到重构后的特征量测曲线；
计算重构后的特征量测曲线的特征权值，进而得到目标测量值。
优选的是，所述特征量测曲线的特征权值为：
Figure BDA0003266842320000021
其中，X(λ)i为在第i个特征权值，i＝1,2,…n，n为特征及个数，max(Ii)为在第i个特征集合中的数据的最大值，min(Ii)为在第i个特征集合中的数据最小值，m为特征集合内特征值个数，Ii为第i个特征值。
优选的是，所述重构后的特征量测曲线计算公式为：
Figure BDA0003266842320000022
其中，L(λ)为重构后的特征值。
优选的是，所述计算重构后的特征量测曲线的特征权值，进而得到目标测量值，包括：
根据目标类别特征集内样本特征的平均值，计算每个目标特征集的集间信息熵；
并根据所述集间信息熵计算个集与全集距离占比值；
根据所述集间信息熵和所述个集与全集距离占比值计算得到集间的平均分集度；
根据所述平均分集度合特征量测曲线的特征权值计算得到目标测量值。
优选的是，所述集间的平均分集度计算公式为：
Figure BDA0003266842320000031
其中，
Figure BDA0003266842320000032
表示第i个特征对m个集的集间的平均分集度；wit表示集间关联度权重，
Figure BDA0003266842320000033
Dit为第i个特征下m个集的集间信息熵,表示特征i的分集属性，
Figure BDA0003266842320000034
s,z＝1,2,…,m且s≠z；Oit表示每个集中心到所有集中心的个集与全集距离占比值，
Figure BDA0003266842320000035
Figure BDA0003266842320000036
表示所有集的中心，
Figure BDA0003266842320000037
Qist表示第s个集对x个样本的第i个特征的平均值，Qizt表示第z个集对x个样本的第i个特征的平均值。
优选的是，所述目标测量值计算公式为
RMEA＝φit·Qit；
其中，RMEA表示目标测量值；φit表示优选权值，
Figure BDA0003266842320000038
有益效果
本发明提供了一种多传感器融合式建筑测量机器人，能够提取多个传感器的目标测量值，进而提高测量的准确性。
附图说明
图1为本发明所述的多传感器融合式建筑测量机器人控制方法流程图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本发明的描述中，术语“中”、“上”、“下”、“横”、“内”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
基于背景技术提出的技术问题，本发明提供了一种多传感器融合式建筑测量机器人包括：测量调整架和测量机构，其中，测量机构，其可拆卸连接所述测量调整架，所述测量机构包括多个传感器，至少包括测距仪、测量仪、经纬仪、平板仪、水准仪、激光测量仪、速测仪、投影仪、陀螺经纬仪、测图仪和摄影仪中的一种或几种；控制器，其连接所述测量测量调整架，能够自动调整所述测量调整架的位置和高度；换算控制器，其连接所述测量机构，能够获取多个传感器的检测信息，并进行换算后将测量结果输出。
优选的是，测量调整架包括：垫板、支座、过度件和连接件。
支座可滑动设置在垫板上；过渡件与所述支座活动连接，所述过渡件可沿所述支座的轴向移动；连接件，所述连接件与所述过渡件活动连接，所述连接件可绕所述过度件旋转。
优选的是，测量机构通过螺栓固定在所述连接件上。
如图1所示，本发明还提供了一种多传感器融合式建筑测量机器人控制方法，包括：
步骤S110、利用多个传感器采集特征样本，将每个特征样本划分为多个目标类别特征集；
步骤S120、根据特征集内的特征量测数据，绘制特征量测图形，并计算所述特征量测曲线的特征权值；
步骤S130、根据所述特征权值，对所述特征量测曲线，进行重构得到重构后的特征量测曲线；
步骤S140、计算重构后的特征量测曲线的特征权值，进而得到目标测量值。
优选的是，所述特征量测曲线的特征权值为：
Figure BDA0003266842320000051
其中，X(λ)i为在第i个特征权值，i＝1,2,…n，n为特征及个数，max(Ii)为在第i个特征集合中的数据的最大值，min(Ii)为在第i个特征集合中的数据最小值，m为特征集合内特征值个数，Ii为第i个特征值。
优选的是，所述重构后的特征量测曲线计算公式为：
Figure BDA0003266842320000052
其中，L(λ)为重构后的特征值。
优选的是，所述计算重构后的特征量测曲线的特征权值，进而得到目标测量值，包括：
根据目标类别特征集内样本特征的平均值，计算每个目标特征集的集间信息熵；
并根据所述集间信息熵计算个集与全集距离占比值；
根据所述集间信息熵和所述个集与全集距离占比值计算得到集间的平均分集度；
根据所述平均分集度合特征量测曲线的特征权值计算得到目标测量值。
优选的是，所述集间的平均分集度计算公式为：
Figure BDA0003266842320000053
其中，
Figure BDA0003266842320000054
表示第i个特征对m个集的集间的平均分集度；wit表示集间关联度权重，
Figure BDA0003266842320000055
Dit为第i个特征下m个集的集间信息熵,表示特征i的分集属性，
Figure BDA0003266842320000056
s,z＝1,2,…,m且s≠z；Oit表示每个集中心到所有集中心的个集与全集距离占比值，
Figure BDA0003266842320000057
Figure BDA0003266842320000058
表示所有集的中心，
Figure BDA0003266842320000059
Qist表示第s个集对x个样本的第i个特征的平均值，Qizt表示第z个集对x个样本的第i个特征的平均值。
优选的是，所述目标测量值计算公式为
RMEA＝φitgQit；
其中，RMEA表示目标测量值；φit表示优选权值，
Figure BDA0003266842320000061
本发明提供了一种多传感器融合式建筑测量机器人，能够提取多个传感器的目标测量值，进而提高测量的准确性。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (9)

1.一种多传感器融合式建筑测量机器人，其特征在于，包括：
测量调整架；
测量机构，其可拆卸连接所述测量调整架，所述测量机构包括多个传感器，至少包括测距仪、测量仪、经纬仪、平板仪、水准仪、激光测量仪、速测仪、投影仪、陀螺经纬仪、测图仪和摄影仪中的一种或几种；
控制器，其连接所述测量测量调整架，能够自动调整所述测量调整架的位置和高度；
换算控制器，其连接所述测量机构，能够获取多个传感器的检测信息，并进行换算后将测量结果输出。
2.根据权利要求1所述的多传感器融合式建筑测量机器人，其特征在于，所述测量调整架包括：
垫板；
支座，其可滑动设置在所述垫板上；
过渡件，其与所述支座活动连接，所述过渡件可沿所述支座的轴向移动；
连接件，所述连接件与所述过渡件活动连接，所述连接件可绕所述过度件旋转。
3.根据权利要求1或2所述的多传感器融合式建筑测量机器人，其特征在于，所述测量机构通过螺栓固定在所述连接件上。
4.一种多传感器融合式建筑测量机器人控制方法，其特征在于，包括：
利用多个传感器采集特征样本，将每个特征样本划分为多个目标类别特征集；
根据特征集内的特征量测数据，绘制特征量测图形，并计算所述特征量测曲线的特征权值；
根据所述特征权值，对所述特征量测曲线，进行重构得到重构后的特征量测曲线；
计算重构后的特征量测曲线的特征权值，进而得到目标测量值。
5.根据权利要求4所述的多传感器融合式建筑测量机器人控制方法，其特征在于，所述特征量测曲线的特征权值为：
Figure FDA0003266842310000021
其中，X(λ)i为在第i个特征权值，i＝1,2,…n，n为特征及个数，max(Ii)为在第i个特征集合中的数据的最大值，min(Ii)为在第i个特征集合中的数据最小值，m为特征集合内特征值个数，Ii为第i个特征值。
6.根据权利要求5所述的多传感器融合式建筑测量机器人控制方法，其特征在于，所述重构后的特征量测曲线计算公式为：
Figure FDA0003266842310000022
其中，L(λ)为重构后的特征值。
7.根据权利要求6所述的多传感器融合式建筑测量机器人控制方法，其特征在于，所述计算重构后的特征量测曲线的特征权值，进而得到目标测量值，包括：
根据目标类别特征集内样本特征的平均值，计算每个目标特征集的集间信息熵；
并根据所述集间信息熵计算个集与全集距离占比值；
根据所述集间信息熵和所述个集与全集距离占比值计算得到集间的平均分集度；
根据所述平均分集度合特征量测曲线的特征权值计算得到目标测量值。
8.根据权利要求7所述的多传感器融合式建筑测量机器人控制方法，其特征在于，所述集间的平均分集度计算公式为：
Figure FDA0003266842310000023
其中，
Figure FDA0003266842310000024
表示第i个特征对m个集的集间的平均分集度；wit表示集间关联度权重，
Figure FDA0003266842310000025
Dit为第i个特征下m个集的集间信息熵,表示特征i的分集属性，
Figure FDA0003266842310000026
且s≠z；Oit表示每个集中心到所有集中心的个集与全集距离占比值，
Figure FDA0003266842310000027
Figure FDA0003266842310000028
表示所有集的中心，
Figure FDA0003266842310000029
Qist表示第s个集对x个样本的第i个特征的平均值，Qizt表示第z个集对x个样本的第i个特征的平均值。
9.根据权利要求8所述的多传感器融合式建筑测量机器人控制方法，其特征在于，所述目标测量值计算公式为
RMEA＝φitgQit；
其中，RMEA表示目标测量值；φit表示优选权值，
Figure FDA0003266842310000031
CN202111089146.4A 2021-09-16 2021-09-16 一种多传感器融合式建筑测量机器人及其控制方法 Active CN113790759B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111089146.4A CN113790759B (zh) 2021-09-16 2021-09-16 一种多传感器融合式建筑测量机器人及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111089146.4A CN113790759B (zh) 2021-09-16 2021-09-16 一种多传感器融合式建筑测量机器人及其控制方法

Publications (2)

Publication Number Publication Date
CN113790759A true CN113790759A (zh) 2021-12-14
CN113790759B CN113790759B (zh) 2023-09-29

Family

ID=78878662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111089146.4A Active CN113790759B (zh) 2021-09-16 2021-09-16 一种多传感器融合式建筑测量机器人及其控制方法

Country Status (1)

Country Link
CN (1) CN113790759B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005010677A2 (en) * 2003-07-18 2005-02-03 Cytokinetics, Inc. Characterizing biological stimuli by response curves
CN104215370A (zh) * 2014-08-22 2014-12-17 湖北开特汽车电子电器系统股份有限公司 空调箱体风门机械传动扭矩及极限位置的测量方法及系统
CN106055694A (zh) * 2016-06-03 2016-10-26 安徽大学 一种基于信息熵的地理曲线曲折度度量方法
KR20170117723A (ko) * 2016-04-14 2017-10-24 국방과학연구소 특징 기반 다중 센서 정보 융합 장치 및 방법
CN107316321A (zh) * 2017-06-22 2017-11-03 电子科技大学 多特征融合目标跟踪方法及基于信息熵的权值自适应方法
CN108269302A (zh) * 2018-01-19 2018-07-10 浙江大学 一种基于简易测量服的三维人体快速重建方法
CN109684118A (zh) * 2018-12-10 2019-04-26 深圳前海微众银行股份有限公司 异常数据的检测方法、装置、设备及计算机可读存储介质
CN111651545A (zh) * 2020-06-03 2020-09-11 南京图申图信息科技有限公司 一种基于多源数据融合的城市边缘区提取方法
CN112381128A (zh) * 2020-11-06 2021-02-19 中国人民解放军空军预警学院雷达士官学校 一种基于目标特征分集评选的多传感器动态融合识别方法
US20210064018A1 (en) * 2018-04-09 2021-03-04 Diveplane Corporation Model Reduction and Training Efficiency in Computer-Based Reasoning and Artificial Intelligence Systems
CN112539780A (zh) * 2020-11-30 2021-03-23 湖南哈工聚能科技有限公司 一种建筑测量机器人
CN113050189A (zh) * 2019-12-27 2021-06-29 北京国双科技有限公司 一种测井曲线的重构方法、装置、设备及存储介质
CN113252015A (zh) * 2021-05-10 2021-08-13 中建三局集团华南有限公司 一种基于点云、ai处理的实测实量机器人装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005010677A2 (en) * 2003-07-18 2005-02-03 Cytokinetics, Inc. Characterizing biological stimuli by response curves
CN104215370A (zh) * 2014-08-22 2014-12-17 湖北开特汽车电子电器系统股份有限公司 空调箱体风门机械传动扭矩及极限位置的测量方法及系统
KR20170117723A (ko) * 2016-04-14 2017-10-24 국방과학연구소 특징 기반 다중 센서 정보 융합 장치 및 방법
CN106055694A (zh) * 2016-06-03 2016-10-26 安徽大学 一种基于信息熵的地理曲线曲折度度量方法
CN107316321A (zh) * 2017-06-22 2017-11-03 电子科技大学 多特征融合目标跟踪方法及基于信息熵的权值自适应方法
CN108269302A (zh) * 2018-01-19 2018-07-10 浙江大学 一种基于简易测量服的三维人体快速重建方法
US20210064018A1 (en) * 2018-04-09 2021-03-04 Diveplane Corporation Model Reduction and Training Efficiency in Computer-Based Reasoning and Artificial Intelligence Systems
CN109684118A (zh) * 2018-12-10 2019-04-26 深圳前海微众银行股份有限公司 异常数据的检测方法、装置、设备及计算机可读存储介质
CN113050189A (zh) * 2019-12-27 2021-06-29 北京国双科技有限公司 一种测井曲线的重构方法、装置、设备及存储介质
CN111651545A (zh) * 2020-06-03 2020-09-11 南京图申图信息科技有限公司 一种基于多源数据融合的城市边缘区提取方法
CN112381128A (zh) * 2020-11-06 2021-02-19 中国人民解放军空军预警学院雷达士官学校 一种基于目标特征分集评选的多传感器动态融合识别方法
CN112539780A (zh) * 2020-11-30 2021-03-23 湖南哈工聚能科技有限公司 一种建筑测量机器人
CN113252015A (zh) * 2021-05-10 2021-08-13 中建三局集团华南有限公司 一种基于点云、ai处理的实测实量机器人装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
叶文权: "基于三维激光获取点云的三维模型构建", vol. 7, no. 3 *

Also Published As

Publication number Publication date
CN113790759B (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
US20230324241A1 (en) Mechanical strain-based weather sensor
US20080264141A1 (en) Weighing scale
US20090319189A1 (en) Low cost, unattended weather sensor
CN109507756B (zh) 一种gnss水汽站气压与温度无仪器获取方法及系统
CN104823019A (zh) 气压式高度表以及室内对应型气压式高度表
CN105247320A (zh) 使用气压测定值识别铅直方向的变化的装置
CN206223097U (zh) 用于大型结构物本体垂直位移和地表沉降的测量装置
CN109141268A (zh) 上承式拱桥的数据采集系统及变形分布识别方法和设备
JP2014531577A (ja) 塔状構造物の傾斜を求める方法
CN111024006A (zh) 一种粗糙度检测方法及粗糙度检测装置
CN110006359A (zh) 一种基于激光测距仪的结构微变形实时监测系统
CN110160488A (zh) 一种异形钢索塔高程的测量方法及测量装置
CN109883406A (zh) 基于更少点的全站仪概略位姿的计算方法及系统
KR101085973B1 (ko) 구조물의 절대변위측정 시스템
CN111521148A (zh) 快速测量塔柱上基准点的平面坐标的方法
US7370538B2 (en) Method and apparatus for determining insulation thickness
CN110132161A (zh) 一种基于桥梁跨中应变测量跨中挠度的方法
CN113790759A (zh) 一种多传感器融合式建筑测量机器人及其控制方法
JP5556018B2 (ja) 基準墨の位置精度の監視システム、基準墨の位置精度の監視方法
CN109758703B (zh) 一种用于消防火场气压高度传感器的误差修正系统及方法
JP2010139271A (ja) 木造家屋の耐震又は風圧強度測定方法および装置
CN115035340B (zh) 遥感影像分类结果验证方法
CN216081957U (zh) 一种桥梁挠度测量装置
CN113916181B (zh) 表面-内部一体化变形监测装置数据处理方法
CN114370960A (zh) 拉杆载荷测量方法、装置、系统及存储介质

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
GR01 Patent grant
GR01 Patent grant