CN114162114B - 一种汽车无人驾驶用事故应急迫停控制方法 - Google Patents
一种汽车无人驾驶用事故应急迫停控制方法 Download PDFInfo
- Publication number
- CN114162114B CN114162114B CN202111482996.0A CN202111482996A CN114162114B CN 114162114 B CN114162114 B CN 114162114B CN 202111482996 A CN202111482996 A CN 202111482996A CN 114162114 B CN114162114 B CN 114162114B
- Authority
- CN
- China
- Prior art keywords
- prediction
- models
- prediction model
- result
- sensing
- 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 23
- 206010039203 Road traffic accident Diseases 0.000 title claims description 8
- 238000012795 verification Methods 0.000 claims abstract description 34
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 16
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 16
- 230000010391 action planning Effects 0.000 claims description 18
- 230000008447 perception Effects 0.000 claims description 16
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 abstract description 11
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种汽车无人驾驶用事故应急迫停控制方法,包括避障系统,所述避障系统包括感知系统,所述感知系统包括若干感知模块,所述感知系统连接有轨迹预测模型,所述轨迹预测模型用于预测障碍物的轨迹;所述轨迹预测模型包括若干预测模型,所述预测模型连接有交叉验证模型,所述交叉验证模型用于验证不同预测模型所得出的信息数据,所述交叉验证模型连接有数据综合模块,所述数据综合模块用于接收交叉验证模型所得出的数据并生成最终判定结果;通过设置本系统,通过采用交叉验证的方法对多种信号源进行交叉验证,实现避障规划的准确性和可靠性,防止某一单一信号源的错误导致判断错误,解决了由于预测模型的过拟合导致失误的问题。
Description
技术领域
本发明涉及自动驾驶领域,特别是涉及一种汽车无人驾驶用事故应急迫停控制方法。
背景技术
自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。现有的自动驾驶对障碍物的避让是无人驾驶系统的重点,但现有的任何单一算法都存在对于避障的盲区,有可能出现无法判断的情况或者判断出错的情况,存在避障能力不足,容易出现错误的问题。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种汽车无人驾驶用事故应急迫停控制方法,通过采用交叉验证的方法对多种信号源进行交叉验证,实现避障规划的准确性和可靠性,防止某一单一信号源的错误导致判断错误,或者由于预测模型的过拟合导致失误的问题。
本发明采用的技术方案如下:
一种汽车无人驾驶用事故应急迫停控制方法,包括避障系统,所述避障系统包括感知系统,所述感知系统包括若干感知模块,所述感知模块用于感知不同维度的信息,所述感知系统连接有轨迹预测模型,所述轨迹预测模型用于预测障碍物的轨迹;所述轨迹预测模型包括若干预测模型,所述预测模型用于接收感知系统检测到的信息并作出预测,所述预测模型连接有交叉验证模型,所述交叉验证模型用于验证不同预测模型所得出的信息数据,所述交叉验证模型连接有数据综合模块,所述数据综合模块用于接收交叉验证模型所得出的数据并生成最终判定结果;避障判定方法包括以下步骤:
S1.所述感知系统用于感知环境信息,所述感知系统将感知到的信息发送给轨迹预测模型;
S2.所述轨迹预测模型中若干预测模型分别接收不同类型和不同种类的感知模块的信息,并根据预设的程序和控制参数生成预测结果,并将预测结果发送到交叉验证模型;
S3.所述交叉验证模型将不同感知模块的信息所生成的预测结果进行交叉验证,并将不同感知模块所对应的预测模型所输出的结果置于更高的置信度;
S4.交叉验证模型将交叉验证的结果发送到数据综合模块,所述数据综合模块将交叉验证模型验证的结果进行汇总并输出唯一的判定数据。
进一步地,本发明公开了一种汽车无人驾驶用事故应急迫停控制方法的优选步骤,所述步骤S2中,不同种类的感知模块经过排列组合后都对应一种预测模型,所述预测模型为专业预测模型。
进一步地,所述步骤S3中,所述针对不同模型的结果设置不同的可信权重,当两种模型的数据来源不同,而预测结果接近时,对该两个模型置于权重A1,对于有部分数据来源相同时,预测结果接近时,将其权重置于B1,所述数据来源相同部分越多其权重依次为B2、B3、…、Bn,所述数据来源不同且结果差距大时,将其权重置于C1;所述C1<Bn<…<B3<B2<B1<A1。
进一步地,所述步骤S4中根据步骤S3中所求得的权重与所述预测结果进行加权求取平均值获得最终的预测结果并输出。
进一步地,所述感知系统包括图像感知单元、距离感知单元、雷达感知单元。
进一步地,包括寻路系统,所述寻路系统用于规划汽车行进线路;所述寻路系统连接有行为决策系统,所述行为决策系统用于规划在寻路系统规划的结果规划汽车运行动作。
进一步地,包括动作机械,所述行为决策系统连接有动作规划系统,所述动作规划系统根据决策系统的输出结果转化为相应的汽车操作控制信号;所述动作规划系统连接有反馈控制系统,所述反馈控制系统控制动作机械运动,并根据车辆的状态反馈控制汽车,使得汽车的状态与所述动作规划的命令相匹配。
进一步地,包括地图定位模块,所述地图定位模块将定位数据发送给反馈控制系统、动作规划系统、行为决策系统,用于反馈控制系统、动作规划系统、行为决策系统决策判断。
进一步地,所述轨迹预测模型将综合决策数据传送给动作规划系统、行为决策系统,用于动作规划系统、行为决策系统进行决策规划。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
通过设置本系统,通过采用交叉验证的方法对多种信号源进行交叉验证,实现避障规划的准确性和可靠性,防止某一单一信号源的错误导致判断错误,解决了由于预测模型的过拟合导致失误的问题。
附图说明
图1是本发明结构的示意图。
实施方式
下面结合附图,对本发明作详细的说明。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
如图1所示,本发明公开了一种汽车无人驾驶用事故应急迫停控制方法优选实施方案,包括避障系统,所述避障系统包括感知系统,所述感知系统包括若干感知模块,所述感知系统包括图像感知单元、距离感知单元、雷达感知单元。所述感知模块用于感知不同维度的信息,所述感知系统连接有轨迹预测模型,所述轨迹预测模型用于预测障碍物的轨迹;所述轨迹预测模型包括若干预测模型,所述预测模型用于接收感知系统检测到的信息并作出预测,所述预测模型连接有交叉验证模型,所述交叉验证模型用于验证不同预测模型所得出的信息数据,所述交叉验证模型连接有数据综合模块,所述数据综合模块用于接收交叉验证模型所得出的数据并生成最终判定结果;
包括寻路系统,所述寻路系统用于规划汽车行进线路;所述寻路系统连接有行为决策系统,所述行为决策系统用于规划在寻路系统规划的结果规划汽车运行动作。包括动作机械,所述行为决策系统连接有动作规划系统,所述动作规划系统根据决策系统的输出结果转化为相应的汽车操作控制信号;所述动作规划系统连接有反馈控制系统,所述反馈控制系统控制动作机械运动,并根据车辆的状态反馈控制汽车,使得汽车的状态与所述动作规划的命令相匹配。
包括地图定位模块,所述地图定位模块将定位数据发送给反馈控制系统、动作规划系统、行为决策系统,用于反馈控制系统、动作规划系统、行为决策系统决策判断。所述轨迹预测模型将综合决策数据传送给动作规划系统、行为决策系统,用于动作规划系统、行为决策系统进行决策规划。
避障判定方法包括以下步骤:
S1.所述感知系统用于感知环境信息,所述感知系统将感知到的信息发送给轨迹预测模型;
S2.所述轨迹预测模型中若干预测模型分别接收不同类型和不同种类的感知模块的信息,并根据预设的程序和控制参数生成预测结果,并将预测结果发送到交叉验证模型;不同种类的感知模块经过排列组合后都对应一种预测模型,所述预测模型为专业预测模型。
S3.所述交叉验证模型将不同感知模块的信息所生成的预测结果进行交叉验证,并将不同感知模块所对应的预测模型所输出的结果置于更高的置信度;所述针对不同模型的结果设置不同的可信权重,当两种模型的数据来源不同,而预测结果接近时,对该两个模型置于权重A1,对于有部分数据来源相同时,预测结果接近时,将其权重置于B1,所述数据来源相同部分越多其权重依次为B2、B3、…、Bn,所述数据来源不同且结果差距大时,将其权重置于C1;所述C1<Bn<…<B3<B2<B1<A1。
S4.交叉验证模型将交叉验证的结果发送到数据综合模块,所述数据综合模块将交叉验证模型验证的结果进行汇总并输出唯一的判定数据。根据步骤S3中所求得的权重与所述预测结果进行加权求取平均值获得最终的预测结果并输出。
具体运行过程,图像感知单元、距离感知单元、雷达感知单元将检测到的数据发送到轨迹预测模型,所述轨迹预测模型内设置有预测模型1、预测模型2、预测模型3、预测模型4、预测模型5、预测模型6、预测模型7,所述图像感知单元单独将数据提供给预测模型1,所述距离感知单元单独将数据提供给预测模型3,所述雷达感知单元单独将数据提供给预测模型7,所述图像感知单元、距离感知单元将数据提供给预测模型2,所述图像感知单元、距离感知单元、雷达感知单元将数据提供给预测模型4,所述图像感知单元、雷达感知单元将数据提供给预测模型5,距离感知单元、雷达感知单元将将数据提供给预测模型6。
预测模型1、预测模型2、预测模型3、预测模型4、预测模型5、预测模型6、预测模型7根据接收到的数据计算出预测模型。然后将模型发送给交叉验证模型。
所述交叉验证模型用于比对预测模型1、预测模型2、预测模型3、预测模型4、预测模型5、预测模型6、预测模型7的结果,对比预测模型1、预测模型3、预测模型7的结果,当他们接近时,将预测模型1、预测模型3、预测模型7的权重设置为A1,当他们结果相差大时,将权重设置为C1。将预测模型2、预测模型5、预测模型6的结果进行对比,当他们的结果相近时,将其权重设置为B1,将预测模型2、预测模型5、预测模型6的结果与预测模型4进行比对,相近时权重设置为B2,将预测模型1、预测模型2、预测模型3与预测模型4进行比对,相近时权重设置为B3,所述C1<BB3<B2<B1<A1。
然后交叉验证模型将结果发送给数据综合模块,所述数据综合模块根据C1,B3,B2,B1,A1和预测结果进行加权平均,得到最终结果。
这样,通过设置本系统,通过采用交叉验证的方法对多种信号源进行交叉验证,实现避障规划的准确性和可靠性,防止某一单一信号源的错误导致判断错误,解决了由于预测模型的过拟合导致失误的问题。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种汽车无人驾驶用事故应急迫停控制方法,其特征在于:包括避障系统,所述避障系统包括感知系统,所述感知系统包括若干感知模块,所述感知模块用于感知不同维度的信息,所述感知系统连接有轨迹预测模型,所述轨迹预测模型用于预测障碍物的轨迹;所述轨迹预测模型包括若干预测模型,所述预测模型用于接收感知系统检测到的信息并作出预测,所述预测模型连接有交叉验证模型,所述交叉验证模型用于验证不同预测模型所得出的信息数据,所述交叉验证模型连接有数据综合模块,所述数据综合模块用于接收交叉验证模型所得出的数据并生成最终判定结果;避障判定方法包括以下步骤:
S1.所述感知系统用于感知环境信息,所述感知系统将感知到的信息发送给轨迹预测模型;
S2.所述轨迹预测模型中若干预测模型分别接收不同类型和不同种类的感知模块的信息,并根据预设的程序和控制参数生成预测结果,并将预测结果发送到交叉验证模型;所述感知系统的若干感知模块经过排列组合后都对应一种预测模型,所述预测模型为专业预测模型;
S3.所述交叉验证模型将不同感知模块的信息所生成的预测结果进行交叉验证,并将不同感知模块所对应的预测模型所输出的结果置于更高的置信度;针对所述步骤S2中的预测模型的结果设置不同的可信权重,当两种模型的数据来源不同,而预测结果接近时,对该两个模型置于权重A1,对于有部分数据来源相同时,预测结果接近时,将其权重置于B1,所述数据来源相同部分越多其权重依次为B2、B3、…、Bn,所述数据来源不同且结果差距大时,将其权重置于C1;所述C1<Bn<…<B3<B2<B1<A1;
S4.交叉验证模型将交叉验证的结果发送到数据综合模块,所述数据综合模块将交叉验证模型验证的结果进行汇总并输出唯一的判定数据。
2.如权利要求1所述的一种汽车无人驾驶用事故应急迫停控制方法,其特征在于:所述步骤S4中根据步骤S3中所求得的权重与所述预测结果进行加权求取平均值获得最终的预测结果并输出。
3.如权利要求2所述的一种汽车无人驾驶用事故应急迫停控制方法,其特征在于:所述感知系统包括图像感知单元、距离感知单元、雷达感知单元。
4.如权利要求3所述的一种汽车无人驾驶用事故应急迫停控制方法,其特征在于:包括寻路系统,所述寻路系统用于规划汽车行进线路;所述寻路系统连接有行为决策系统,所述行为决策系统用于规划在寻路系统规划的结果规划汽车运行动作。
5.如权利要求4所述的一种汽车无人驾驶用事故应急迫停控制方法,其特征在于:包括动作机械,所述行为决策系统连接有动作规划系统,所述动作规划系统根据决策系统的输出结果转化为相应的汽车操作控制信号;所述动作规划系统连接有反馈控制系统,所述反馈控制系统控制动作机械运动,并根据车辆的状态反馈控制汽车,使得汽车的状态与所述动作规划的命令相匹配。
6.如权利要求5所述的一种汽车无人驾驶用事故应急迫停控制方法,其特征在于:包括地图定位模块,所述地图定位模块将定位数据发送给反馈控制系统、动作规划系统、行为决策系统,用于反馈控制系统、动作规划系统、行为决策系统决策判断。
7.如权利要求6所述的一种汽车无人驾驶用事故应急迫停控制方法,其特征在于:所述轨迹预测模型将综合决策数据传送给动作规划系统、行为决策系统,用于动作规划系统、行为决策系统进行决策规划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111482996.0A CN114162114B (zh) | 2021-12-07 | 2021-12-07 | 一种汽车无人驾驶用事故应急迫停控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111482996.0A CN114162114B (zh) | 2021-12-07 | 2021-12-07 | 一种汽车无人驾驶用事故应急迫停控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114162114A CN114162114A (zh) | 2022-03-11 |
CN114162114B true CN114162114B (zh) | 2024-03-29 |
Family
ID=80483669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111482996.0A Active CN114162114B (zh) | 2021-12-07 | 2021-12-07 | 一种汽车无人驾驶用事故应急迫停控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114162114B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016161501A (ja) * | 2015-03-04 | 2016-09-05 | 株式会社Nttドコモ | 経路探索装置、経路探索システム、経路探索方法及びプログラム |
CN108407808A (zh) * | 2018-04-23 | 2018-08-17 | 安徽车鑫保汽车销售有限公司 | 一种汽车行驶智能预测系统 |
CN208149310U (zh) * | 2018-05-11 | 2018-11-27 | 北京智行者科技有限公司 | 一种用于自动驾驶车辆的环境感知系统 |
CN109032102A (zh) * | 2017-06-09 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆测试方法、装置、设备及存储介质 |
CN208363002U (zh) * | 2018-06-05 | 2019-01-11 | 广东纵行科技有限公司 | 一种低速自动驾驶系统 |
CN110356325A (zh) * | 2019-09-04 | 2019-10-22 | 魔视智能科技(上海)有限公司 | 一种城市交通客运车辆盲区预警系统 |
CN110371112A (zh) * | 2019-07-06 | 2019-10-25 | 深圳数翔科技有限公司 | 一种自动驾驶车辆的智能避障系统及方法 |
CN110568841A (zh) * | 2019-08-05 | 2019-12-13 | 西藏宁算科技集团有限公司 | 一种自动驾驶决策方法及系统 |
CN210502571U (zh) * | 2019-08-16 | 2020-05-12 | 一汽解放汽车有限公司 | 一种车辆环境感知系统 |
WO2020111324A1 (ko) * | 2018-11-29 | 2020-06-04 | 주식회사 알티스트 | 차량간 통신 기반 장애물 검증 시스템 및 방법 |
-
2021
- 2021-12-07 CN CN202111482996.0A patent/CN114162114B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016161501A (ja) * | 2015-03-04 | 2016-09-05 | 株式会社Nttドコモ | 経路探索装置、経路探索システム、経路探索方法及びプログラム |
CN109032102A (zh) * | 2017-06-09 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆测试方法、装置、设备及存储介质 |
CN108407808A (zh) * | 2018-04-23 | 2018-08-17 | 安徽车鑫保汽车销售有限公司 | 一种汽车行驶智能预测系统 |
CN208149310U (zh) * | 2018-05-11 | 2018-11-27 | 北京智行者科技有限公司 | 一种用于自动驾驶车辆的环境感知系统 |
CN208363002U (zh) * | 2018-06-05 | 2019-01-11 | 广东纵行科技有限公司 | 一种低速自动驾驶系统 |
WO2020111324A1 (ko) * | 2018-11-29 | 2020-06-04 | 주식회사 알티스트 | 차량간 통신 기반 장애물 검증 시스템 및 방법 |
CN110371112A (zh) * | 2019-07-06 | 2019-10-25 | 深圳数翔科技有限公司 | 一种自动驾驶车辆的智能避障系统及方法 |
CN110568841A (zh) * | 2019-08-05 | 2019-12-13 | 西藏宁算科技集团有限公司 | 一种自动驾驶决策方法及系统 |
CN210502571U (zh) * | 2019-08-16 | 2020-05-12 | 一汽解放汽车有限公司 | 一种车辆环境感知系统 |
CN110356325A (zh) * | 2019-09-04 | 2019-10-22 | 魔视智能科技(上海)有限公司 | 一种城市交通客运车辆盲区预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114162114A (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210049839A1 (en) | Automotive predictive maintenance | |
JP6822752B2 (ja) | アクティブ車両制御のための運転支援技術 | |
EP3309721A1 (en) | Autonomous system validation | |
CN112046500B (zh) | 自动驾驶装置和方法 | |
CN112415904B (zh) | 一种自动驾驶车辆的远程控制方法、装置及系统 | |
JP2021528628A (ja) | センサーデータにおけるエラーの検出 | |
CN104108395A (zh) | 用于修改机动车辆的驾驶辅助系统的配置的方法和装置 | |
CN108885836A (zh) | 驾驶辅助方法和利用该驾驶辅助方法的驾驶辅助装置、自动驾驶控制装置、车辆、驾驶辅助系统以及程序 | |
US20200125354A1 (en) | Software update system, software update method, and software update server | |
CN109849919B (zh) | 自动驾驶接管的安全警示系统及其方法 | |
EP3882100B1 (en) | Method for operating an autonomous driving vehicle | |
JP7036091B2 (ja) | モバイルネットワークデバイスおよびモバイルネットワークデバイスの操作方法 | |
US11458994B2 (en) | Systems and methods for semi-autonomously controlling a vehicle | |
CN115243949A (zh) | 定位误差监控 | |
CN110936959B (zh) | 车辆感知系统在线诊断和预测 | |
US20220139128A1 (en) | Travel storage system, travel storage method, and video recording system | |
US20220266906A1 (en) | Vehicle control system | |
CN114162114B (zh) | 一种汽车无人驾驶用事故应急迫停控制方法 | |
US20220121213A1 (en) | Hybrid planning method in autonomous vehicle and system thereof | |
US11782815B2 (en) | Tool for offline perception component evaluation | |
CN114466779B (zh) | 在周围区域中定位车辆的方法和设备 | |
US20220274609A1 (en) | Vehicle control system | |
US20230070046A1 (en) | Traffic control apparatus, traffic control system, and traffic control method | |
CN116964652A (zh) | 用于受基础设施支持地辅助机动车的设备 | |
JP2021037955A (ja) | 車両制御装置および車両制御システム |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220704 Address after: 200120 6th floor, No. 4, Lane 388, Shengrong Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Applicant after: SHANGHAI BOONRAY INTELLIGENT TECHNOLOGY Co.,Ltd. Address before: 310000 Room 802, building 9, 1818-2, Wenyi West Road, Yuhang street, Yuhang District, Hangzhou City, Zhejiang Province Applicant before: Hangzhou Bo Lei Intelligent Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |