CN107423667A - 一种车体上的预测障碍物的方法 - Google Patents
一种车体上的预测障碍物的方法 Download PDFInfo
- Publication number
- CN107423667A CN107423667A CN201710237181.3A CN201710237181A CN107423667A CN 107423667 A CN107423667 A CN 107423667A CN 201710237181 A CN201710237181 A CN 201710237181A CN 107423667 A CN107423667 A CN 107423667A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- barrier
- car body
- frames
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种车体上的预测障碍物的方法,所述车体上安装若干个摄像头,包括以下步骤:步骤A、在tm时刻采集车体上若干个摄像头图像;步骤B、在tm时刻将若干个摄像头图像进行拼接,得到tm时刻第m帧的全景俯视图Itm;步骤C、预测障碍物在第m+1帧全景俯视图It(m+1)中所在位置坐标;步骤D、在全景俯视图中放置透明的车体;步骤E、标记障碍物所在区域并提示车体上的司机注意,车体上的司机可以看见车辆下方的障碍物,实用安全。
Description
技术领域
本发明涉及汽车技术与智能交通领域,特别涉及一种车体上的预测障碍物的方法。
背景技术
目前,车载360环视***采用多路摄像头拼接技术,使驾驶员对车辆四周环境有一个总体的感知。其本质是通过车辆四周安装的多个摄像头采集车体四周的图像,然后将多路图像拼接起来,在拼接中心位置放置一个不透明的车体俯视图片,从而形成一个从车辆上方俯视车辆四周环境的效果。由于不透明车体下方均为视野盲区,车辆下方的障碍物都无法看到,存在一定的安全隐患。
发明内容
本发明的目的是克服现有技术存在的不足,提供一种车体上的预测障碍物的方法。
为实现上述目的,本发明提供如下技术方案:
一种车体上的预测障碍物的方法,所述车体上安装若干个摄像头,包括以下步骤:
步骤A、在tm时刻采集车体上若干个摄像头图像;
步骤B、在tm时刻将若干个摄像头图像进行拼接,得到tm时刻第m帧的全景俯视图Itm;
步骤C、通过卡尔曼滤波器算法将障碍物在第m帧全景俯视图Itm中所在位置坐标来预测障碍物在第m+1帧全景俯视图It(m+1)中所在位置坐标;
步骤D、在全景俯视图中放置透明的车体;
步骤E、标记障碍物所在区域并提示车体上的司机注意。
所述通过卡尔曼滤波算法将障碍物在第m帧全景俯视图Itm中所在位置坐标来预测障碍物在第m+1帧全景俯视图It(m+1)中所在位置坐标的方法为:将测量方差标记为R,先验估计标记为(Xp,Yp),先验估计的误差方差标记为(Xpv,Ypv), 卡尔曼增益标记为(Xk,Yk),所述障碍物在第m帧全景俯视图Itm中的像素坐标标记为(xtm,ytm),则障碍物在第m+1帧全景俯视图It(m+1)中的像素坐标标记为 (xt(m+1),yt(m+1)),则
步骤E中通过红色方框标记障碍物所在区域并提示司机注意。
步骤D中在全景俯视图的中心区域放置透明的车体。
步骤B中在tm时刻将若干个摄像头图像进行校正之后再进行拼接,得到tm时刻第m帧的全景俯视图Itm。
Xp、Yp初始值均为0,Xpv、Ypv始值均为1,通过卡尔曼滤波算法不断迭代更新,设过程方差为Q,则Q为前m帧全景俯视图的像素的横坐标均值的平方与前m帧全景俯视图的像素的纵坐标均值的平方的和的2次方根,第m帧的Xpv=第m-1帧的Xpv+Q,第m帧的Ypv=第m-1帧的Ypv+Q,第m帧的Xp=第m-1帧的xt(m-1),第m帧的Yp=第m-1帧的yt(m-1),前m帧全景俯视图的像素的横坐标和前m帧全景俯视图的像素的纵坐标是通过测量得到,R为前m帧中障碍物像素坐标的实际测量误差的均值。
与现有技术相比,本发明的有益效果是:
车体上的司机可以看见车辆下方的障碍物,实用安全;通过卡尔曼滤波算法用前m帧全景俯视图中障碍物所在位置坐标来预测障碍物在第m+1帧全景俯视图It(m+1)中所在位置坐标,并标记红框提示司机注意,可以及早消除安全隐患。
附图说明:
图1为车体上安装摄像头的结构示意图;
图2为本发明的步骤流程图。
具体实施方式
如图1、图2所示,在车体上安装若干个摄像头1,透明车体2在全景俯视图的中心区域,车体的四周环境3,车体的障碍物4在车体下方。
一种车体上的预测障碍物的方法,所述车体上安装若干个摄像头1包括以下步骤:
步骤A、在tm时刻采集车体上若干个摄像头图像;
步骤B、在tm时刻将若干个摄像头图像进行拼接,得到tm时刻第m帧的全景俯视图Itm;
步骤C、通过卡尔曼滤波算法将障碍物在第m帧全景俯视图Itm中所在位置坐标来预测障碍物在第m+1帧全景俯视图It(m+1)中所在位置坐标;
步骤D、在全景俯视图中放置透明的车体;
步骤E、标记障碍物所在区域并提示车体上的司机注意。
所述通过通过卡尔曼滤波算法将障碍物在第m帧全景俯视图Itm中所在位置坐标来预测障碍物在第m+1帧全景俯视图It(m+1)中所在位置坐标的方法为:将测量方差标记为R,先验估计标记为(Xp,Yp),先验估计的误差方差标记为(Xpv,Ypv), 卡尔曼增益标记为(Xk,Yk),所述障碍物在第m帧全景俯视图Itm中的像素坐标标记为(xtm,ytm),则障碍物在第m+1帧全景俯视图It(m+1)中的像素坐标标记为 (xt(m+1),yt(m+1)),则
步骤E中通过红色方框标记障碍物所在区域并提示司机注意,如果障碍物在透明车体下方,驾驶员可透过车体看到障碍物所在位置,从而判断其是否会对车辆造成危害。
步骤D中在全景俯视图的中心区域放置透明的车体。
步骤B中在tm时刻将若干个摄像头图像进行校正之后再进行拼接,得到tm时刻第m帧的全景俯视图Itm。
Xp、Yp初始值均为0,Xpv、Ypv始值均为1,通过卡尔曼滤波算法不断迭代更新,设过程方差为Q,则Q为前m帧全景俯视图的像素的横坐标均值的平方与前m帧全景俯视图的像素的纵坐标均值的平方的和的2次方根,第m帧的Xpv=第m-1帧的Xpv+Q,第m帧的Ypv=第m-1帧的Ypv+Q,第m帧的Xp=第m-1帧的 xt(m-1),第m帧的Yp=第m-1帧的yt(m-1),前m帧全景俯视图的像素的横坐标和前 m帧全景俯视图的像素的纵坐标是通过测量得到,R为前m帧中障碍物像素坐标的实际测量误差的均值。障碍物在第m-1帧全景俯视图It(m-1)中的像素坐标标为(xt(m-1),yt(m-1))
摄像头1的数量根据身车体的大小可安装2个、4个、6个或者8个等摄像头,也可根据摄像头的视场角决定安装几个摄像头,总而言之,只要保证每个摄像头校正后的图像有一部分重合即可。
在每张拼接好的全景俯视图中心区域放置一个透明的车体,使驾驶员对车辆四周及车下方的环境有一个总体的感知。
在tm时刻将若干个摄像头图像进行拼接,得到tm时刻第m帧的全景俯视图 Itm,那么在第m+1帧时的全景俯视图为全景俯视图It(m+1),所述障碍物在第m帧全景俯视图Itm中的像素坐标标记为(xtm,ytm),则障碍物在第m+1帧全景俯视图 It(m+1)中的像素坐标标记为(xt(m+1),yt(m+1))
车体可以看见车辆下方的障碍物,实用安全;通过卡尔曼滤波器算法将障碍物在第m帧全景俯视图Itm中所在位置坐标来预测障碍物在第m+1帧全景俯视图It(m+1)中所在位置坐标,并标记红框提示司机注意,可以及早消除安全隐患。
车体上的司机可以看见车辆下方的障碍物,实用安全;通过卡尔曼滤波器算法将障碍物在第m帧全景俯视图Itm中所在位置坐标和前m帧全景俯视图Itm中所在位置坐标来预测障碍物在第m+1帧全景俯视图It(m+1)中所在位置坐标,并标记红框提示司机注意,可以及早消除安全隐患。
需要注意的是,以上列举的仅是本发明的一种具体实施例。显然,本发明不限于以上实施例,还可以有许多变形,总之,本领域的普通技术人员能从本发明公开的内容直接导出或联想到的其有变形,均应认为是本发明的保护范围。
Claims (6)
1.一种车体上的预测障碍物的方法,所述车体上安装若干个摄像头,其特征在于,包括以下步骤:
步骤A、在tm时刻采集车体上若干个摄像头图像;
步骤B、在tm时刻将若干个摄像头图像进行拼接,得到tm时刻第m帧的全景俯视图Itm;
步骤C、通过卡尔曼滤波算法将障碍物在第m帧全景俯视图Itm中所在位置坐标来预测障碍物在第m+1帧全景俯视图It(m+1)中所在位置坐标;
步骤D、在全景俯视图中放置透明的车体;
步骤E、标记障碍物所在区域并提示车体上的司机注意。
2.根据权利要求1所述一种车体上的预测障碍物的方法,其特征在于,所述通过卡尔曼滤波算法将障碍物在第m帧全景俯视图Itm中所在位置坐标来预测障碍物在第m+1帧全景俯视图It(m+1)中所在位置坐标的方法为:将测量方差标记为R,先验估计标记为(Xp,Yp),先验估计的误差方差标记为(Xpv,Ypv),卡尔曼增益标记为(Xk,Yk),所述障碍物在第m帧全景俯视图Itm中的像素坐标标记为(xtm,ytm),则障碍物在第m+1帧全景俯视图It(m+1)中的像素坐标标记为(xt(m+1),yt(m+1)),则
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>X</mi>
<mi>p</mi>
</msub>
<mo>+</mo>
<mfrac>
<msub>
<mi>X</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
<mrow>
<msub>
<mi>X</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
<mo>+</mo>
<mi>R</mi>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<msub>
<mi>t</mi>
<mi>m</mi>
</msub>
</msub>
<mo>-</mo>
<msub>
<mi>X</mi>
<mi>p</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>Y</mi>
<mi>p</mi>
</msub>
<mo>+</mo>
<mfrac>
<msub>
<mi>Y</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
<mrow>
<msub>
<mi>Y</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
<mo>+</mo>
<mi>R</mi>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<msub>
<mi>t</mi>
<mi>m</mi>
</msub>
</msub>
<mo>-</mo>
<msub>
<mi>Y</mi>
<mi>p</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>X</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>X</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
<mrow>
<msub>
<mi>X</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
<mo>+</mo>
<mi>R</mi>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Y</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>Y</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
<mrow>
<msub>
<mi>Y</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
<mo>+</mo>
<mi>R</mi>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>.</mo>
</mrow>
3.根据权利要求1所述一种车体上的预测障碍物的方法,其特征在于,所述步骤E中通过红色方框标记障碍物所在区域并提示司机注意。
4.根据权利要求1所述一种车体上的预测障碍物的方法,其特征在于,所述步骤D中在全景俯视图的中心区域放置透明的车体。
5.根据权利要求1所述一种车体上的预测障碍物的方法,其特征在于,所述步骤B中在tm时刻将若干个摄像头图像进行校正之后再进行拼接,得到tm时刻第m帧的全景俯视图Itm。
6.根据权利要求2所述一种车体上的预测障碍物的方法,其特征在于,所述Xp、Yp初始值均为0,Xpv、Ypv初始值均为1,通过卡尔曼滤波算法不断迭代更新,设过程方差为Q,则Q为前m帧全景俯视图的像素的横坐标均值的平方与前m帧全景俯视图的像素的纵坐标均值的平方的和的2次方根,第m帧的Xpv=第m-1帧的Xpv+Q,第m帧的Ypv=第m-1帧的Ypv+Q,第m帧的Xp=第m-1帧的xt(m-1),第m帧的Yp=第m-1帧的yt(m-1),前m帧全景俯视图的像素的横坐标和前m帧全景俯视图的像素的纵坐标是通过测量得到,R为前m帧中障碍物像素坐标的实际测量误差的均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710237181.3A CN107423667A (zh) | 2017-04-12 | 2017-04-12 | 一种车体上的预测障碍物的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710237181.3A CN107423667A (zh) | 2017-04-12 | 2017-04-12 | 一种车体上的预测障碍物的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107423667A true CN107423667A (zh) | 2017-12-01 |
Family
ID=60423363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710237181.3A Pending CN107423667A (zh) | 2017-04-12 | 2017-04-12 | 一种车体上的预测障碍物的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107423667A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108259764A (zh) * | 2018-03-27 | 2018-07-06 | 百度在线网络技术(北京)有限公司 | 摄像机、应用于摄像机的图像处理方法及装置 |
CN113095228A (zh) * | 2021-04-13 | 2021-07-09 | 地平线(上海)人工智能技术有限公司 | 图像中的目标检测方法、装置及计算机可读存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101943916A (zh) * | 2010-09-07 | 2011-01-12 | 陕西科技大学 | 一种基于卡尔曼滤波器预测的机器人避障方法 |
CN102043964A (zh) * | 2010-12-30 | 2011-05-04 | 复旦大学 | 基于云台摄像头的飞行器起降跟踪算法及跟踪*** |
CN102292249A (zh) * | 2009-01-23 | 2011-12-21 | 戴姆勒股份公司 | 用于获得处于车辆前方的行车道的道路轮廓的方法 |
CN102360499A (zh) * | 2011-06-30 | 2012-02-22 | 电子科技大学 | 一种基于卡尔曼滤波器组的多车道线追踪方法 |
CN102508246A (zh) * | 2011-10-13 | 2012-06-20 | 吉林大学 | 车辆前方障碍物检测跟踪方法 |
CN104091349A (zh) * | 2014-06-17 | 2014-10-08 | 南京邮电大学 | 基于支持向量机的鲁棒目标跟踪方法 |
CN104216410A (zh) * | 2014-09-24 | 2014-12-17 | 哈尔滨工业大学 | 用于大型室内公共场所的盲人导航助行小车及其定位方法 |
CN104501817A (zh) * | 2014-11-24 | 2015-04-08 | 李青花 | 一种基于误差消除的车载导航*** |
CN104512328A (zh) * | 2013-09-27 | 2015-04-15 | 比亚迪股份有限公司 | 汽车环视图像生成方法及汽车环视*** |
CN105573198A (zh) * | 2015-12-15 | 2016-05-11 | 浙江理工大学 | 一种基于ucosii的矿井搜救***及搜救方法 |
CN105631414A (zh) * | 2015-12-23 | 2016-06-01 | 上海理工大学 | 一种基于贝叶斯分类器的车载多障碍物分类装置及方法 |
CN106023244A (zh) * | 2016-04-13 | 2016-10-12 | 南京邮电大学 | 基于最小二乘法轨迹预测及智能避障模型的行人跟踪方法 |
-
2017
- 2017-04-12 CN CN201710237181.3A patent/CN107423667A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102292249A (zh) * | 2009-01-23 | 2011-12-21 | 戴姆勒股份公司 | 用于获得处于车辆前方的行车道的道路轮廓的方法 |
CN101943916A (zh) * | 2010-09-07 | 2011-01-12 | 陕西科技大学 | 一种基于卡尔曼滤波器预测的机器人避障方法 |
CN102043964A (zh) * | 2010-12-30 | 2011-05-04 | 复旦大学 | 基于云台摄像头的飞行器起降跟踪算法及跟踪*** |
CN102360499A (zh) * | 2011-06-30 | 2012-02-22 | 电子科技大学 | 一种基于卡尔曼滤波器组的多车道线追踪方法 |
CN102508246A (zh) * | 2011-10-13 | 2012-06-20 | 吉林大学 | 车辆前方障碍物检测跟踪方法 |
CN104512328A (zh) * | 2013-09-27 | 2015-04-15 | 比亚迪股份有限公司 | 汽车环视图像生成方法及汽车环视*** |
CN104091349A (zh) * | 2014-06-17 | 2014-10-08 | 南京邮电大学 | 基于支持向量机的鲁棒目标跟踪方法 |
CN104216410A (zh) * | 2014-09-24 | 2014-12-17 | 哈尔滨工业大学 | 用于大型室内公共场所的盲人导航助行小车及其定位方法 |
CN104501817A (zh) * | 2014-11-24 | 2015-04-08 | 李青花 | 一种基于误差消除的车载导航*** |
CN105573198A (zh) * | 2015-12-15 | 2016-05-11 | 浙江理工大学 | 一种基于ucosii的矿井搜救***及搜救方法 |
CN105631414A (zh) * | 2015-12-23 | 2016-06-01 | 上海理工大学 | 一种基于贝叶斯分类器的车载多障碍物分类装置及方法 |
CN106023244A (zh) * | 2016-04-13 | 2016-10-12 | 南京邮电大学 | 基于最小二乘法轨迹预测及智能避障模型的行人跟踪方法 |
Non-Patent Citations (1)
Title |
---|
徐家: "基于卡尔曼滤波预测的移动机器人矢量场矩形法避障研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108259764A (zh) * | 2018-03-27 | 2018-07-06 | 百度在线网络技术(北京)有限公司 | 摄像机、应用于摄像机的图像处理方法及装置 |
CN113095228A (zh) * | 2021-04-13 | 2021-07-09 | 地平线(上海)人工智能技术有限公司 | 图像中的目标检测方法、装置及计算机可读存储介质 |
CN113095228B (zh) * | 2021-04-13 | 2024-04-30 | 地平线(上海)人工智能技术有限公司 | 图像中的目标检测方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105825475B (zh) | 基于单摄像头的360度全景影像生成方法 | |
CN105141945B (zh) | 环景摄像机***(vpm)在线校准 | |
CN101425181B (zh) | 一种全景视觉辅助泊车***的标定方法 | |
CN103177439B (zh) | 一种基于黑白格角点匹配的自动标定方法 | |
CN104512328B (zh) | 汽车环视图像生成方法及汽车环视*** | |
CN103763517B (zh) | 一种车载环视显示方法及*** | |
EP3368373B1 (en) | Filling in surround view areas blocked by mirrors or other vehicle parts | |
TWI600558B (zh) | Dynamic lane detection system and method | |
US20080231710A1 (en) | Method and apparatus for camera calibration, and vehicle | |
CN103714538B (zh) | 道路边缘检测方法、装置及车辆 | |
CN103871071A (zh) | 一种用于全景泊车***的摄像头外参标定方法 | |
JP2008187564A (ja) | カメラ校正装置及び方法並びに車両 | |
CN110660105B (zh) | 一种全景环视***的标定参数优化方法及装置 | |
CN103247030A (zh) | 基于球面投影模型和逆变换模型的车辆全景显示***鱼眼图像校正方法 | |
CN105741296B (zh) | 一种360度全视角鸟瞰全景行车辅助标定方法 | |
CN109389060B (zh) | 一种基于视觉的车周碰撞预警方法 | |
CN107146255A (zh) | 全景图像误差校正方法及装置 | |
CN107644416A (zh) | 一种基于地基云图的实时动态云量反演方法 | |
CN103863192A (zh) | 一种车载全景成像辅助方法及其*** | |
CN107423667A (zh) | 一种车体上的预测障碍物的方法 | |
CN113223312B (zh) | 一种基于地图的摄像头致盲预测方法、装置及存储介质 | |
CN111507168A (zh) | 通过二维摄像估计乘客状态的方法以及装置 | |
CN206317810U (zh) | 一种车辆行驶360度全景行车标定板 | |
CN101436300B (zh) | 障碍物分割方法及装置 | |
CN104268884A (zh) | 一种基于车联网的车道偏离预警的标定***和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171201 |
|
WD01 | Invention patent application deemed withdrawn after publication |