CN115237125A - 一种无人配送消毒小车的智能线路规划方法 - Google Patents
一种无人配送消毒小车的智能线路规划方法 Download PDFInfo
- Publication number
- CN115237125A CN115237125A CN202210777998.0A CN202210777998A CN115237125A CN 115237125 A CN115237125 A CN 115237125A CN 202210777998 A CN202210777998 A CN 202210777998A CN 115237125 A CN115237125 A CN 115237125A
- Authority
- CN
- China
- Prior art keywords
- disinfection
- map
- trolley
- algorithm
- distribution
- 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
- 238000004659 sterilization and disinfection Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 230000007246 mechanism Effects 0.000 claims abstract description 6
- 230000004888 barrier function Effects 0.000 claims abstract description 3
- 238000004088 simulation Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000003068 static effect Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 241000209140 Triticum Species 0.000 description 12
- 235000021307 Triticum Nutrition 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000001954 sterilising effect Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人配送消毒小车的智能线路规划方法，涉及线路规划技术领域，其技术方案要点是：S1:创建环境模型；S2：导入储存有配送消毒小车结构和基本物理参数的描述性文件；S3：采用Gmapping算法控制机器人在未知的环境里运动，扫描出需要做出路线规划的地图；S4：采用AMCL算法对无人配送消毒小车进行全局定位；S5：通过A*算法中添加约束来对无人配送消毒小车在全局代价地图中进行全局路径规划；S6：通过DWA算法对无人配送消毒小车进行局部路径规划；S7：采用SPDF算法并建立回溯机制，使配送消毒小车进行空间全覆盖消毒。该智能线路规划方法能够提高针对于无人配送消毒小车的多重任务协同，降低人流环境障碍影响，提高能源利用率。
Description
技术领域
本发明涉及线路规划技术领域，更具体地说，它涉及一种无人配送消毒小车的智能线路规划方法。
背景技术
随着计算机技术、网络技术的成熟，机器人技术也得以快速发展。近年来各式各样的智能机器人也相继兴起，并对我们的日常生活产生了巨大影响。在智能时代，机器人已经成为帮助人们解决许多问题的得力助手。
在新时代背景下，智能科技领域的发展空前绝后，特别是在全球化防疫的浪潮的催化下，迎来了阶段性的飞跃。无人配送消毒小车属于机器人科学的范畴，相较与时下流行的自动驾驶汽车，可以说是自主导航类机器人中更贴近于服务化发展的一个分支。应用了包括机械设计、传感器、电机拖动、电路设计、自动控制理论、深度学习等多种学科的内容，作为一种新型的应用与商业发展的工具，发展潜力巨大。
对于无接触配送的研究重点主要集中在自动驾驶技术的研究上，对于目前突发的疫情所引起的最后一公里物流在配送服务上所需要改进的模式和实现方法，还没有给予足够的关注，所以，亟需一种无人配送消毒小车的智能线路规划方法为当下无接触配送市场提供更好的自主导航解决方案。
发明内容
本发明的目的是提供一种无人配送消毒小车的智能线路规划方法，该智能线路规划方法能够提高针对于无人配送消毒小车的多重任务协同，降低人流环境障碍影响，提高能源利用率。
本发明的上述技术目的是通过以下技术方案得以实现的：一种无人配送消毒小车的智能线路规划方法，具体包括以下步骤：
S1：在Gazebo机器人仿真平台上创建出与现实相同尺寸的环境模型；
S2：导入储存有配送消毒小车结构和基本物理参数的描述性文件，将该小车模型的初始点定位在设计好的地图的起点；
S3：采用Gmapping算法控制机器人在未知的环境里运动，从而扫描出需要做出路线规划的地图；所述地图为栅格地图；
S4：采用AMCL算法对无人配送消毒小车进行全局定位；
S5：通过A*算法中添加约束来对无人配送消毒小车在全局代价地图中进行全局路径规划；
S6：通过DWA算法对无人配送消毒小车进行局部路径规划；所述DWA算法的评价函数为P(i)＝αAcost+βAdist+γBdist，其中 Acost为栅格代价评价项；Adist为距离评价项；Bdist为与全局路径差值评价项；
S7：采用SPDF算法并建立回溯机制，使配送消毒小车进行空间全覆盖消毒。
进一步的：所述S5中的全局代价地图包括静态地图层、障碍地图层、膨胀层和其他图层。
进一步的：所述无人配送消毒小车的车轮采用麦克纳姆轮。
综上所述，本发明具有以下有益效果：采用Gazebo机器人仿真平台，能够可视化仿真得到的结果，地图绘制和路径规划都一目了然；采用Gmapping算法来控制机器人在未知的环境里运动，可以分离定位和建图两个过程，实现先定位再建图，同时该算法还添加了有效粒子数阈值，有效的降低了粒子退化问题；采用AMCL定位算法，可快速地扫描绘制出2D栅格地图上进行无人配送消毒小车的全局定位；在A*算法中添加约束，能够规划出更为平滑的最佳轨迹；采用全局代价地图能够实时更新动态障碍物，降低了碰撞概率；在DWA算法的评价函数内增加栅格代价评价项Acost，距离评价项Adist，能够增加全局路线规划和局部路线规划之间的紧密性，使无人配送消毒小车实现保证全局优先性的前提下安全地避开动态的障碍物；建立回溯机制，可以使无人配送消毒小车遍历所有点，从而实现空间全覆盖消毒。
附图说明
图1是本发明实施例中麦克纳姆小车运动数学模型图；
图2是本发明实施例中四种常见的麦伦的运动关系图；
图3是本发明实施例中Gmapping算法的流程图；
图4是本发明实施例中栅格值阶梯划分图；
图5是本发明实施例中gazebo仿真全局路径规划图；
图6是本发明实施例中无人配送消毒小车的移动方向图；
图7是本发明实施例中小车仿真导航过程。
具体实施方式
以下结合附图1-7对本发明作进一步详细说明。
实施例：一种无人配送消毒小车的智能线路规划方法，如图1至图7所示，具体包括以下步骤：
S1：在Gazebo机器人仿真平台上首先创造一个空白的世界，然后利用自带的BuildEditor模块创建出同现实相同尺寸的环境模型；
S2：导入储存有无人配送消毒小车结构和基本物理参数的描述性文件，将该小车模型的初始点定位在设计好的地图的起点；
在本实施例中，无人配送消毒小车的车轮采用麦克纳姆轮，每个麦伦的朝向都与车身X轴和Y轴反方向成45度，如表1和图1所示，
表1麦克纳姆轮小车参数
麦轮的运动学模型存在有正逆两种解析方式。对于安装有四个麦轮的小车底盘来说，正运动学模型，就是已知小车的底盘的速度及角速度，计算四个麦轮的线速度。小车所用的控制系统在此基础上进行 PID运动控制，即将输入的速度、加速度数据通过正向解析传到四个麦轮上来达到控制效果。
设四个麦轮的旋转角速度为wi(i＝1，2，3，4)，其中每个轮子的对应的线速度为Vi(i＝1，2，3，4)，麦轮内半径为Rw，三者关系满足Vi＝Rw×wi。
在对麦轮的正向分析中，假设vx、vy、wz各为轮子各方向的速度量，已知了夹角α和相关的尺寸L、l，便可用公式算出不同位置的麦轮各自的线速度vi,公式表示如下：
Vi＝vx-vytanα-(Ltanα+l)wz
同理对上述麦轮全向小车的运动进行逆向分析，利用四个麦轮各自的线速度解出麦轮全向小车在坐标系∑o中的速度和角速度:
根据麦轮在车底盘上不同的安装方式，可以将四轮麦轮小车分为四种不同结构类型，如图2所示，最后结合小车底盘的逆运动学模型解析利用已知每个轮子的线速度，推算出总的线速度和角速度。
S3：采用Gmapping算法控制机器人在未知的环境里运动，从而扫描出需要做出路线规划的地图；如图3所示，Gmapping算法可以实现先定位再建图；Gmapping还添加了有效粒子数阈值，有效降低了粒子退化问题；
在本实施例中，构建的地图为栅格地图，栅格地图是通过激光雷达扫描出来的外部环境按照划分成一定比例的栅格，并对每一个栅格根据实际环境信息添加权重分为可通行、有障碍物、未知环境三种类型形成阶梯型状态分布，相当于小车路径规划的等高线地形图，如图 4所示，其中栅格分辨率的大小是决定地图的空间大小和路径规划时间的关键，栅格地图的每一个栅格都来自于实际场景的特定区域，并与之一一对应，配合激光测距雷达就能绘制出进度较高的地图；
S4：采用AMCL算法对无人配送消毒小车进行全局定位；
S5：通过A*算法中添加约束来对无人配送消毒小车在全局代价地图中进行全局路径规划；表2为路径各约束数据
表2路径各约束数据
如图5所示，优化后的轨迹呈现更高的曲率，安全性能更高。
S6：通过DWA算法对无人配送消毒小车进行局部路径规划； DWA算法的评价函数为P(i)＝αAcost+βAdist+γBdist，其中Acost为栅格代价评价项；Adist为距离评价项；Bdist为与全局路径差值评价项；
S7：采用SPDF算法并建立回溯机制，使配送消毒小车进行空间全覆盖消毒。在本实施例中，首先在机器人遍历消毒阶段设置8个方向，分别还是North，South，West，East，North West，North East、 South West以及South East，如图6所示，设置移动方向的顺序规则，水平方向和竖直方向优先于倾斜方向，趋向于起始点方向的优先级高于远离起始点方向的优先级，满足以上条件的同时，水平方向优先级权重高于竖直方向优先级权重，也就是West方向和South方向都是趋向于起始点的方向，East方向和North方向都是远离起始点的方向，所以方向的优先级依次为West、South、North、East；
假设机器人起始点为室内的左下角，West方向和South方向是趋向于起始点的方向，因此方向的优先级顺序是West、South、North、 East、South West、North West、SouthEast、North East；当消毒小车在室内右上角时，East方向和North方向是趋向于起始点的方向，因此方向的优先级顺序是East、North、South、West、North East、South East、NorthWest、South West。当无人配送消毒小车运动到死点位置时，需要移动到另一个子区域空间进行消毒，在这个过程中，消毒机器人不进行消毒工作，此时，建立回溯机制，记录未覆盖的子区域和寻找子区域衔接的路径目标点，利用权值和代价值找到最近的未遍历点设置为回溯点，设A(XA，YA)，B(XB，YB)权值和代价值的公式如下
H＝|XA-XB|+|YA-YB|
找到最优回溯点后，机器人重新使用SPDF算法进行全覆盖。这样依次循环直到机器人遍历所有点；这里连接回溯点使用的是Theta* 算法。
上式欧氏距离公式比较适用于机器人可以沿着任意方向进行移动的情况，具有更加接近于真实距离的优点，但是需要开方导致计算量增大，这里区域衔接采用的是Theta*算法，机器人也可以向着任意角度移动。
S5中的全局代价地图包括静态地图层、障碍地图层、膨胀层和其他图层。表3中为每个图层的特点。
图3全局规划代价地图层
以下为具体实施案例：
首先在仿真平台中创建一个空的世界模型，使用Gazebo自带的 Building Editor依照设计好的由复杂墙体结构组合成型的地图蓝图，进行仿真环境的画制。
同理按照设计好的无人配送消毒小车结构制作仿真小车模型，并在Gazebo中定义一个robot标签，再在robot标签下定义和小车底盘运动相关的base_link和right_front_wheel两个标签，两个标签的后面跟着描述base_link和right_front_wheel关系的joint，使小车可以进行整体性运动，具备全向小车的运动功能。最后在已有小车模型的基础上添加激光雷达模型，配置本文用到的自主导航机器人的完整模型，最终得到关于小车配置的描述性文件。
接着在搭建好的地图环境的世界模型中导入上文用来存储机器人各项参数信息的机器人描述文件，统一好车与地图的初始坐标点，即完成了仿真模型的建立。
打开Ubuntu的多个终端，依次启动Gmapping地图绘制节点、仿真小车move_base底盘运动节点、Rviz可视化平台节点和键盘控制节点。并在Rviz中订阅相关的地图、激光雷达、路径规划、tf坐标，amcl等一系列有关的话题，以实现全信息可视化。
然后切换至键盘操作模式，控制仿真小车在仿真环境中按照线路移动到地图终点，如此循环往复直至地图绘制完毕，输入map_saver 节点指令保存建好的2D地图。其中包括了包括.pgm格式的图片文件和yaml格式描述文件。
启动整合在ROS工作区里Navigation包中的A*全局路径规划器和DWA局部规划器，设定好相关参数，小车即可在仿真环境中自动进行路径规划，直至小车到达指定的终点。仿真过程如图7所示：
图7中黑色部分为在全局静态栅格图上加设的代价地图；紫色为局部动态地图，会随着小车运动而运动，红色曲线为局部的路径规划，黄色的为全局的路径规划，圆圈为动态随机障碍物。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (3)
1.一种无人配送消毒小车的智能线路规划方法，其特征是：具体包括以下步骤：
S1：在Gazebo机器人仿真平台上创建出与现实相同尺寸的环境模型；
S2：导入储存有配送消毒小车结构和基本物理参数的描述性文件，将该小车模型的初始点定位在设计好的地图的起点；
S3：采用Gmapping算法控制机器人在未知的环境里运动，从而扫描出需要做出路线规划的地图；所述地图为栅格地图；
S4：采用AMCL算法对无人配送消毒小车进行全局定位；
S5：通过A*算法中添加约束来对无人配送消毒小车在全局代价地图中进行全局路径规划；
S6：通过DWA算法对无人配送消毒小车进行局部路径规划；所述DWA算法的评价函数为P(i)＝αAcost+βAdist+γBdist，其中Acost为栅格代价评价项；Adist为距离评价项；Bdist为与全局路径差值评价项；
S7：采用SPDF算法并建立回溯机制，使配送消毒小车进行空间全覆盖消毒。
2.根据权利要求1所述的一种无人配送消毒小车的智能线路规划方法，其特征是：所述S5中的全局代价地图包括静态地图层、障碍地图层、膨胀层和其他图层。
3.根据权利要求1所述的一种无人配送消毒小车的智能线路规划方法，其特征是：所述无人配送消毒小车的车轮采用麦克纳姆轮。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210777998.0A CN115237125A (zh) | 2022-06-28 | 2022-06-28 | 一种无人配送消毒小车的智能线路规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210777998.0A CN115237125A (zh) | 2022-06-28 | 2022-06-28 | 一种无人配送消毒小车的智能线路规划方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115237125A true CN115237125A (zh) | 2022-10-25 |
Family
ID=83671791
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210777998.0A Pending CN115237125A (zh) | 2022-06-28 | 2022-06-28 | 一种无人配送消毒小车的智能线路规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115237125A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110703762A (zh) * | 2019-11-04 | 2020-01-17 | 东南大学 | 一种复杂环境下水面无人艇混合路径规划方法 |
| CN111930121A (zh) * | 2020-08-10 | 2020-11-13 | 哈尔滨工程大学 | 一种室内移动机器人的混合路径规划方法 |
| CN112965495A (zh) * | 2021-02-10 | 2021-06-15 | 苏州清乐智能科技有限公司 | 消毒机器人及其自主导航方法 |
| WO2022017295A1 (zh) * | 2020-07-20 | 2022-01-27 | 炬星科技（深圳）有限公司 | 一种避障规划方法、系统及设备 |
| CN114460939A (zh) * | 2022-01-22 | 2022-05-10 | 贺晓转 | 复杂环境下智能行走机器人自主导航改进方法 |
-
2022
- 2022-06-28 CN CN202210777998.0A patent/CN115237125A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110703762A (zh) * | 2019-11-04 | 2020-01-17 | 东南大学 | 一种复杂环境下水面无人艇混合路径规划方法 |
| WO2022017295A1 (zh) * | 2020-07-20 | 2022-01-27 | 炬星科技（深圳）有限公司 | 一种避障规划方法、系统及设备 |
| CN111930121A (zh) * | 2020-08-10 | 2020-11-13 | 哈尔滨工程大学 | 一种室内移动机器人的混合路径规划方法 |
| CN112965495A (zh) * | 2021-02-10 | 2021-06-15 | 苏州清乐智能科技有限公司 | 消毒机器人及其自主导航方法 |
| CN114460939A (zh) * | 2022-01-22 | 2022-05-10 | 贺晓转 | 复杂环境下智能行走机器人自主导航改进方法 |
Non-Patent Citations (2)
| Title |
|---|
| 崔靓 等: "基于ROS 的服务机器人智能导航系统研究与仿真" * |
| 邱春凯 等: "消毒机器人全覆盖路径算法设计" * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tang et al. | Geometric A-star algorithm: An improved A-star algorithm for AGV path planning in a port environment | |
| Liu et al. | Path planning for smart car based on Dijkstra algorithm and dynamic window approach | |
| CN112378408B (zh) | 一种实现轮式移动机器人实时避障的路径规划方法 | |
| CN108153310B (zh) | 一种基于人类行为模拟的移动机器人实时运动规划方法 | |
| Deng et al. | Multi-obstacle path planning and optimization for mobile robot | |
| Fernandes et al. | Towards an orientation enhanced astar algorithm for robotic navigation | |
| CN109978272B (zh) | 一种基于多个全向移动机器人的路径规划系统及方法 | |
| Yang et al. | Automatic parking path planning of tracked vehicle based on improved A* and DWA algorithms | |
| Ma et al. | Efficient reciprocal collision avoidance between heterogeneous agents using ctmat | |
| Kumar et al. | Robot path pursuit using probabilistic roadmap | |
| CN111578926A (zh) | 一种基于自动驾驶平台的地图生成与导航避障的方法 | |
| Wang et al. | Research on AGV task path planning based on improved A* algorithm | |
| Ali et al. | Multi-robot path planning and trajectory smoothing | |
| Muhammad et al. | Novel algorithm for mobile robot path planning in constrained environment | |
| CN112859110A (zh) | 一种基于三维激光雷达的定位导航方法 | |
| Liu | Implementation of SLAM and path planning for mobile robots under ROS framework | |
| Zhang et al. | Intelligent path planning by an improved RRT algorithm with dual grid map | |
| CN115237125A (zh) | 一种无人配送消毒小车的智能线路规划方法 | |
| Yoon et al. | Shape-Aware and G 2 Continuous Path Planning Based on Bidirectional Hybrid A∗ for Car-Like Vehicles | |
| Guo et al. | Global trajectory generation for nonholonomic robots in dynamic environments | |
| CN116804766A (zh) | 基于激光slam的agv多邻域路径规划优化方法 | |
| Kiss et al. | A receding horizon control approach to obstacle avoidance | |
| Zheng et al. | The Navigation Based on Hybrid A Star and TEB Algorithm Implemented in Obstacles Avoidance | |
| Liu et al. | Research on real-time positioning and map construction technology of intelligent car based on ROS | |
| Wang | LIDAR A |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221025 |
|
| RJ01 | Rejection of invention patent application after publication |