FR3133584A1 - Procédé d’affichage des véhicules voisins, dispositif et véhicule associés - Google Patents
Procédé d’affichage des véhicules voisins, dispositif et véhicule associés Download PDFInfo
- Publication number
- FR3133584A1 FR3133584A1 FR2202483A FR2202483A FR3133584A1 FR 3133584 A1 FR3133584 A1 FR 3133584A1 FR 2202483 A FR2202483 A FR 2202483A FR 2202483 A FR2202483 A FR 2202483A FR 3133584 A1 FR3133584 A1 FR 3133584A1
- Authority
- FR
- France
- Prior art keywords
- vehicles
- vehicle
- model
- screen
- ego
- 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 23
- 238000013528 artificial neural network Methods 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 210000002569 neuron Anatomy 0.000 description 4
- 239000003086 colorant Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K35/00—Arrangement of adaptations of instruments
-
- B60K35/10—
-
- B60K35/28—
-
- B60K35/85—
-
- B60K2360/143—
-
- B60K2360/148—
-
- B60K2360/167—
-
- B60K2360/175—
-
- B60K2360/179—
-
- B60K2360/21—
-
- B60K2360/48—
-
- B60K2360/5915—
-
- B60K2360/592—
Abstract
Procédé d’affichage par un écran (140) dans un ego véhicule (100) automobile caractérisé en ce qu’il comporte les étapes suivantes : Détection d’une pluralité de véhicules (200, 210, 220, 240) autour de l’égo véhicule (100),Détermination, par un premier réseau de neurones, d’un identifiant d’un modèle pour chacun des véhicules de la pluralité de véhicules (200, 210, 220, 240),Affichage, sur l’écran (140), de la pluralité de véhicules (200, 210, 220, 240), et d’une information de modèle (201, 211, 221, 241) obtenue à partir de l’identifiant. Figure pour l’abrégé : figure 2
Description
L’invention concerne l’affichage d’information sur un écran d’un véhicule automobile.
Il existe un besoin d’afficher à l’écran d’un véhicule automobile des informations présentant toujours plus d’intérêt pour le conducteur et/ou les passagers du véhicule automobile, notamment lorsque le véhicule est conduit automatiquement.
Dans ce but, l’invention concerne un procédé d’affichage par un écran dans un ego véhicule automobile, appelé aussi véhicule égo, caractérisé en ce qu’il comporte les étapes suivantes :
- Détection d’une pluralité de véhicules autour de l’égo véhicule,
- Détermination, par un premier réseau de neurones, d’un identifiant d’un modèle pour chacun des véhicules de la pluralité de véhicules,
- Affichage, sur l’écran, éventuellement de l’égo véhicule (autrement dit : d’une représentation de l’égo véhicule), de la pluralité de véhicules (autrement dit : d’une représentation de la pluralité de véhicules), et d’une information de modèle obtenue à partir de l’identifiant de modèle de l’un des véhicules de la pluralité de véhicules.
Ainsi, les passagers ou le conducteur de l’ego véhicule peuvent visualiser sur l’écran (et connaitre) le modèle des véhicules entourant l’égo véhicule.
L’information de modèle peut comprendre l’identifiant de modèle.
Un véhicule comprenant une carrosserie, on entend par modèle, les caractéristiques physiques, comprenant par exemple la forme (extérieure) de la carrosserie, et éventuellement les matériaux composant la carrosserie et/ou des inscriptions sur la carrosserie. Les caractéristiques physiques peuvent être également comprendre le bruit émis par un moteur de propulsion du véhicule.
Selon un mode de réalisation, la détection de la pluralité de véhicules est mise en œuvre (ou réalisée) à partir d’images vidéo (au moins) obtenues par une caméra de l’égo véhicule, et/ou d’images radar obtenues par un radar de l’égo véhicule. La détection peut également être réalisée à partir de signaux radio reçus par exemple de chaque véhicule de la pluralité de véhicules.
La détection peut comprendre l’isolation de chaque véhicule de la pluralité de véhicules dans les images video ou radar (et reconnaitre qu’il s’agit de véhicules). L’étape de détection peut comprendre la mise en œuvre d’un troisième réseau de neurones pour réaliser cette isolation (et cette reconnaissance).
Le premier réseau de neurones peut être un réseau de neurones classifieur. Il peut s’agir d’un réseau de neurones convolutif.
Par example:
- La couche d’entrée du premier réseau de neurones comprend un nombre de neurones égal au nombre de pixel des images vidéo, et/ou
- La couche de sortie du premier réseau de neurones comprend un nombre de neurones égal au nombre de modèles de véhicules que le réseau sait classifier.
Durant l’étape de détection, la position sur la route de chaque véhicule de la pluralité de véhicules peut être également déterminée, par exemple par rapport à l’égo véhicule (par exemple à partir des images vidéo et/ou radar). La position sur l’écran de chaque véhicule dans l’affichage peut être déterminé à partir de la position sur la route ainsi déterminée.
Selon un mode de réalisation, le véhicule ego circulant sur une route dans un sens de circulation, durant l’étape de détection de la pluralité de véhicule, la pluralité de véhicules comprend tous les véhicules qui :
- Sont situés autour de l’égo véhicule, et
- Sont situés à une distance inférieure à un seuil, et
- Circulent dans le sens de circulation.
En variante, les véhicules stationnés au bord de la route peuvent également être détectés.
Selon un mode de réalisation, le procédé comprend une étape de détermination d’un identifiant de couleur de chacun des véhicules de la pluralité de véhicule et l’étape d’affichage comprend l’affichage à l’écran d’une information de couleur à partir de l’identifiant de couleur.
L’étape de détermination de la couleur comprend la mise en œuvre d’un deuxième réseau de neurones.
Par exemple, la couleur de chaque véhicule de la pluralité de véhicules est affichée à l’écran.
La détermination de la couleur peut comprendre une étape d’établissement d’un histogramme des couleurs (des pixels) de chaque véhicule de la pluralité de véhicules. La couleur du véhicule étant celle la plus souvent rencontrée dans l’histogramme.
Le premier réseau de neurones, le deuxième réseau de neurones et le troisième réseau de neurones sont des réseaux de neurones artificiels, préférentiellement électroniques, c’est-à-dire mis en œuvre par un circuit électronique, par exemple un microcircuit, comprenant par exemple un processeur avec une mémoire ou un circuit électronique dédié.
Selon un mode de réalisation, le procédé comprend en outre les étapes suivantes :
- Transmission (par exemple, par un réseau de télécommunication) à un serveur d’une requête comprenant l’identifiant de modèle,
- Réception d’une réponse à la requête comprenant l’information de modèle.
L’information de modèle reçue du serveur peut comprendre une plage de dates de fabrication du véhicule, la ou les différentes motorisations existantes, des anecdotes relatives au véhicules.
En variante, l’information de modèle est en mémoire de l’égo véhicule.
La vitesse de chaque véhicule de la pluralité de véhicules peut également être déterminée durant l’étape de détection et être éventuellement affichée par l’écran.
Selon un mode de réalisation, le procédé comprend en outre une étape où l’égo véhicule est conduit de manière automatique.
Ainsi, le procédé peut être mis en œuvre durant une étape où l’égo véhicule est conduit de manière automatique. L’attention du conducteur peut alors se porter sur les véhicules autour de l’égo véhicule.
Selon un mode de réalisation, le procédé comprend en outre les étapes suivantes :
- Invitation à saisir un nom de modèle d’un premier véhicule (l’invitation comprend par exemple un message d’invitation à l’écran) de la pluralité de véhicule,
- Saisie d’un nom de modèle (par exemple, par l’intermédiaire d’un clavier tactile ou d’une commande vocale),
- Vérification d’une correspondance entre, d’une part, le nom de modèle, et d’autre part, l’information de modèle ou l’identifiant de modèle,
- Affichage de l’information de modèle à l’écran à partir du résultat de la vérification.
En variante, pour chaque véhicule de la pluralité de véhicule, les informations de modèle et éventuellement la couleur peuvent être affichées (directement) à l’écran.
L’invention concerne également un programme d’ordinateur comprenant des instructions, exécutables par un microprocesseur ou un microcontroller, pour la mise en œuvre du procédé selon l’invention.
Le procédé selon l’invention est par exemple mis en œuvre par un dispositif électronique d’aide à la conduite. L’invention concerne donc aussi un dispositif électronique configuré pour mettre en œuvre les étapes du procédé selon l’invention, et un véhicule automobile comprenant le dispositif électronique. Le dispositif électronique peut comprendre le premier et/ou le deuxième réseau de neurones et/ou le troisième réseau de neurones.
Les caractéristiques et avantages du dispositif électronique, du véhicule automobile et du programme d’ordinateur sont identiques à ceux du procédé, c’est pourquoi, ils ne sont pas repris ici.
On entend qu’un élément tel que le dispositif électronique, l’écran, ou un autre élément est « configuré pour » réaliser une étape ou une opération, par le fait que l’élément comporte des moyens pour (autrement dit « est conformé pour » ou « est adapté pour ») réaliser l’étape ou l’opération. Il s’agit préférentiellement de moyens électroniques, par exemple d’un programme d’ordinateur, de données en mémoire et/ou de circuits électroniques spécialisés.
Lorsqu’une étape ou une opération est réalisée par un tel élément, cela implique généralement que l’élément comporte des moyens pour (autrement dit « est conformé pour » ou « est adapté pour » ou « est configuré pour ») réaliser l’étape ou l’opération. Il s’agit également par exemple de moyens électroniques, par exemple un programme d’ordinateur, des données en mémoire et/ou des circuits électroniques spécialisés.
D’autres caractéristiques et avantages de la présente invention apparaitront plus clairement à la lecture de la description détaillée qui suit comprenant des modes de réalisation de l’invention donnés à titre d’exemples nullement limitatifs et illustrés par les dessins annexés, dans lesquels.
Description détaillée d’un exemple de réalisation de l’invention
Durant les étapes ci-dessous, l’égo véhicule 100 est conduit par le dispositif électronique 110 de manière automatique.
Le troisième réseau de neurones peut être tel que décrit dans l’un des articles suivants :
- Joseph Redmon, Ali Farhadi, YOLOv3: An Incremental Improvement (https://arxiv.org/abs/1804.02767),
- Marius Cordts, Mohamed Omran, et al., The Cityscapes Dataset for Semantic Urban Scene Understanding (https://arxiv.org/abs/1604.01685).
A l’étape S20, le dispositif 110 détermine un identifiant de couleurs pour chacun des véhicules 200, 210, 220 et 240.
L’étape de détermination de la couleur est par exemple réalisée en utilisant le deuxième réseau de neurones 112.
La détermination de la couleur peut comprendre une étape d’établissement d’un histogramme des couleurs (des pixels) de chaque véhicule de la pluralité de véhicules. La couleur du véhicule étant celle la plus souvent rencontrée dans l’histogramme. La détermination de la couleur est par exemple mise en œuvre par la méthode décrite dans l’article suivant : "Multi-Class and Single-Class Classification Approaches to Vehicle Model Recognition from Images", Daniel Munroe and Michael G. Madden. Proceedings of AICS-05: Irish Conference on Artificial Intelligence and Cognitive Science, Portstewart, Sept 2005.
A l’étape S30, le réseau de neurones 111 détermine un identifiant de modèle pour chacun des véhicules 200, 210, 220 et 240 détectés à l’étape S10 à partir des images vidéo obtenues par la caméra 120.
Le premier réseau de neurones 111 peut-être un réseau de neurones classifieur. Il peut s’agir d’un réseau de neurones convolutif entrainé à partir d’une base d’image telle que décrite dans l’article :
- Jonathan Krause et al., 3D Object Representations for Fine-Grained Categorization, (http://ai.stanford.edu/~jkrause/papers/3drr13.pdf).
Par example:
- La couche d’entrée du premier réseau de neurones 111 comprend un nombre de neurones égal au nombre de pixel des images vidéo, et/ou
- La couche de sortie du premier réseau de neurones 111 comprend un nombre de neurones égal au nombre de modèles de véhicules que le réseau sait classifier.
A l’étape S40, le dispositif 110 commande l’affichage par l’écran 140, représenté , des véhicules (ou de la représentation des véhicules) 200, 210, 220, et 240, pour chaque véhicule, dans la couleur déterminée à l’étape S20, et à une position sur l’écran déterminée à partir de la position sur la route obtenue à l’étape S10. Le dispositif 110 commande également l’affichage, à l’écran 140, d’un texte 201 (pour le véhicule 200), 211 (pour le véhicule 211), 221 (pour le véhicule 220) et 241 (pour le véhicule 240), obtenu à partir de l’identifiant de modèle pour chaque véhicule. Le texte est par exemple constitué par le nom de marque et de modèle du véhicule.
Par exemple, pour le véhicule 200, l’identifiant de modèle et le texte 201 (c’est à dire l’information de modèle) est « Maserati Grecale ».
Le texte peut comporter en outre l’année de production de chaque véhicule de la pluralité de véhicules reçue d’un serveur en réponse à une requête comportant l’identifiant transmisse au serveur (la requête et la réponse peuvent être échangés via un réseau de télécommunication mobile).
En variante, à l’étape S40, l’utilisateur ou conducteur de l’égo véhicule 100 peut être invité à saisir le nom de modèle du véhicule 200. , un halo clignotant 400 peut entourer le véhicule 200 pour indiquer que la question affichée 500 (par exemple, en 500, un texte affiche « donner le modèle du véhicule désigné ») porte sur le véhicule 200. Si l’utilisateur ou le conducteur entre (autrement dit : saisi), par exemple par commande vocale, un nom de modèle identique ou correspondant à l’identifiant de modèle du véhicule 200 déterminé à l’étape S30, par exemple « Maserati Grecale », un message (c’est-à-dire une information de modèle) « Bravo, véhicule identifié » ou « Bravo, Maserati Grecal identifié » est affiché à l’écran 140.
Claims (9)
- Procédé d’affichage par un écran (140) dans un ego véhicule (100) automobile caractérisé en ce qu’il comporte les étapes suivantes :
- Détection (S10) d’une pluralité de véhicules (200, 210, 220, 240) autour de l’égo véhicule (100),
- Détermination (S30), par un premier réseau de neurones (111), d’un identifiant d’un modèle pour chacun des véhicules de la pluralité de véhicules (200, 210, 220, 240),
- Affichage (S40), sur l’écran (140), de la pluralité de véhicules (200, 210, 220, 240), et d’une information de modèle (201, 211, 221, 241) obtenue à partir de l’identifiant,
- Procédé d’affichage selon la revendication précédente, le véhicule ego circulant sur une route (300) dans un sens de circulation (T1), dans lequel, durant l’étape de détection de la pluralité de véhicules (200, 210, 220, 240), la pluralité de véhicules (200, 210, 220, 240) comprend tous les véhicules qui :
- Sont situés autour de l’égo véhicule (100), et
- Sont situés à une distance (D) inférieure à un seuil, et
- Circulent dans le sens de circulation (T1).
- Procédé d’affichage selon l’une quelconque des revendications précédentes comprenant en outre une étape de détermination d’un identifiant de couleur de chacun des véhicules de la pluralité de véhicule (200, 210, 220, 240) et l’étape d’affichage (S40), sur l’écran (140), de la pluralité de véhicules (200, 210, 220, 240), et d’une information de modèle (201, 211, 221, 241) comprend l’affichage à l’écran (140) d’une information de couleur à partir de l’identifiant de couleur.
- Procédé d’affichage selon l’une quelconque des revendications précédentes comprenant en outre les étapes suivantes :
- Transmission à un serveur d’une requête comprenant l’identifiant de modèle,
- Réception d’une réponse à la requête comprenant l’information de modèle.
- Procédé d’affichage selon l’une quelconque des revendications précédentes comprenant en outre une étape où l’égo véhicule (100) est conduit de manière automatique.
- Procédé d’affichage selon l’une quelconque des revendications précédentes comprenant en outre les étapes suivantes :
- Invitation à saisir un nom de modèle d’un premier véhicule (200) de la pluralité de véhicule (200, 210, 220, 240),
- Saisie d’un nom de modèle,
- Vérification d’une correspondance entre le nom de modèle et l’identifiant de modèle,
- Affichage de l’information de modèle à l’écran à partir du résultat de la vérification.
- Programme d’ordinateur comprenant des instructions, exécutables par un microprocesseur ou un microcontrôleur, pour la mise en œuvre du procédé selon l’une quelconque des revendications 1 à 6.
- Dispositif électronique (110) configuré pour mettre en œuvre les étapes du procédé selon l’une quelconque des revendications 1 à 6.
- Véhicule automobile (100) comprenant le dispositif électronique (110) selon la revendication précédente.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2202483A FR3133584A1 (fr) | 2022-03-21 | 2022-03-21 | Procédé d’affichage des véhicules voisins, dispositif et véhicule associés |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2202483A FR3133584A1 (fr) | 2022-03-21 | 2022-03-21 | Procédé d’affichage des véhicules voisins, dispositif et véhicule associés |
FR2202483 | 2022-03-21 |
Publications (1)
Publication Number | Publication Date |
---|---|
FR3133584A1 true FR3133584A1 (fr) | 2023-09-22 |
Family
ID=82019765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR2202483A Pending FR3133584A1 (fr) | 2022-03-21 | 2022-03-21 | Procédé d’affichage des véhicules voisins, dispositif et véhicule associés |
Country Status (1)
Country | Link |
---|---|
FR (1) | FR3133584A1 (fr) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019202581A1 (de) * | 2019-02-26 | 2020-08-27 | Volkswagen Aktiengesellschaft | Verfahren zum Betreiben eines Fahrerinformationssystems in einem Ego-Fahrzeug und Fahrerinformationssystem |
US20200327343A1 (en) * | 2019-04-15 | 2020-10-15 | Qualcomm Incorporated | Proximate vehicle localization and identification |
DE102019117689A1 (de) * | 2019-07-01 | 2021-01-07 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Steuereinheit zur Darstellung einer Verkehrssituation durch Ausblenden von Verkehrsteilnehmer-Symbolen |
-
2022
- 2022-03-21 FR FR2202483A patent/FR3133584A1/fr active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019202581A1 (de) * | 2019-02-26 | 2020-08-27 | Volkswagen Aktiengesellschaft | Verfahren zum Betreiben eines Fahrerinformationssystems in einem Ego-Fahrzeug und Fahrerinformationssystem |
US20200327343A1 (en) * | 2019-04-15 | 2020-10-15 | Qualcomm Incorporated | Proximate vehicle localization and identification |
DE102019117689A1 (de) * | 2019-07-01 | 2021-01-07 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Steuereinheit zur Darstellung einer Verkehrssituation durch Ausblenden von Verkehrsteilnehmer-Symbolen |
Non-Patent Citations (4)
Title |
---|
DANIEL MUNROEMICHAEL G. MADDEN: "Multi-Class and Single-Class Classification Approaches to Vehicle Model Récognition from Images", PRO-CEEDINGS OF AICS-05: IRISH CONFÉRENCE ON ARTIFICIAL INTELLIGENCE AND COGNITIVE SCIENCE, PORTSTEWART, September 2005 (2005-09-01) |
JONATHAN KRAUSE ET AL., 3D OBJECT REPRÉSENTATIONS FOR FINE-GRAINED CATEGO-RIZATION, Retrieved from the Internet <URL:http://ai.stanford.edu/-jkrause/papers/3drrl3.pdf> |
JOSEPH REDMONALI FARHADI, YOLOV3: AN INCREMENTAL IMPROVEMENT, Retrieved from the Internet <URL:https://arxiv.org/abs/1804.02767> |
MARIUS CORDTSMOHAMED OMRAN ET AL., THE CITYSCAPES DATASET FOR SEMANTIC URBAN SCENE UNDERSTANDING, Retrieved from the Internet <URL:https://arxiv.org/abs/1604.01685> |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11361380B2 (en) | Enhanced image capture and analysis of damaged tangible objects | |
CN116723392A (zh) | 图像处理方法和图像处理系统 | |
DE102018100094A1 (de) | System und verfahren zum identifizieren eines fahrzeugs und zum erzeugen von reservierungsinformationen | |
CN113570013A (zh) | 一种业务执行方法及装置 | |
KR101845769B1 (ko) | Cnn을 이용한 자동차 후면 검출 시스템 및 그 방법 | |
DE102018110430A1 (de) | Verfahren und vorrichtung zur erkennung und klassifizierung von objekten in verbindung mit einem fahrzeug | |
US20150042808A1 (en) | Vehicle vision system with image classification | |
US11204604B2 (en) | Remote driving managing apparatus and computer-readable storage medium | |
US11044566B2 (en) | Vehicle external speaker system | |
CN111775944B (zh) | 辅助驾驶装置、方法及计算机可读存储介质 | |
FR3133584A1 (fr) | Procédé d’affichage des véhicules voisins, dispositif et véhicule associés | |
WO2019092999A1 (fr) | Circuit intégré à semi-conducteurs et dispositif d'imagerie | |
EP3729423B1 (fr) | Procédé pour faire fonctionner un dispositif d'émission sonore d'un véhicule automobile, dispositif d'analyse et de commande de la parole, véhicule automobile, et dispositif serveur externe au véhicule automobile | |
KR102644787B1 (ko) | 차량 번호판 위조 여부 판단 방법 및 장치 | |
CN116434162A (zh) | 用于减少在车辆的周围环境中的跟踪对象的漏检测的系统和方法 | |
DE102018123237A1 (de) | Verfahren und vorrichtung zur bereitstellung einer rückmeldung | |
FR3067144A1 (fr) | Procede de determination du type de route sur laquelle evolue un vehicule | |
JP6979005B2 (ja) | 道路側面に並ぶ店舗の訪問者数を推定する訪問者数推定装置、プログラム及び方法 | |
US11914914B2 (en) | Vehicle interface control | |
US20230300494A1 (en) | Solid-state image sensor and imaging device | |
CN110843673B (zh) | 车载防眩晕视图形成方法、生成装置及防眩晕装置 | |
CN113516104B (zh) | 一种营运客车识别方法、装置、电子设备及存储介质 | |
US20230206654A1 (en) | Embedded Deep Learning Multi-Scale Object Detection Model Using Real-Time Distant Region Locating Device and Method Thereof | |
CN113408345B (zh) | 车辆外观清洁度判断方法、装置、服务器及存储介质 | |
US11787290B2 (en) | Projection on a vehicle window |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 2 |
|
PLSC | Publication of the preliminary search report |
Effective date: 20230922 |
|
PLFP | Fee payment |
Year of fee payment: 3 |