CN109000653A - 一种多维空间多载运工具路径智能优化方法 - Google Patents
一种多维空间多载运工具路径智能优化方法 Download PDFInfo
- Publication number
- CN109000653A CN109000653A CN201810573390.XA CN201810573390A CN109000653A CN 109000653 A CN109000653 A CN 109000653A CN 201810573390 A CN201810573390 A CN 201810573390A CN 109000653 A CN109000653 A CN 109000653A
- Authority
- CN
- China
- Prior art keywords
- transport
- motion
- destination
- moment
- inertia
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种多维空间多载运工具路径智能优化方法,载运工具运行无须指定路径,当载运工具运行路径上没有障碍物或者其他载运工具干扰时,且载运工具运行方向与载运工具和目的点的连线重合,则载运工具会直接沿直线驶向目的点;若载运工具运行路径上没有障碍物或者其他载运工具干扰时,但载运工具初始运行方向与载运工具和目的点的连线有夹角,则在载运工具运行过程中上述夹角沿最快方向逐渐减小直到为零,之后继续沿直线驶向目的点;当载运工具运行路径上有障碍物或者其他载运工具干扰时,载运工具之间通过惯性运动规则、排斥运动规则以及目的地吸引运动规则改变运动方向,自动避障,选择最优路径驶向目的点。
Description
技术领域
本发明属于路径规划技术领域,具体涉及一种多维空间多载运工具路径智能优化方法的设计。
背景技术
随着计算机技术、通信技术、物联网技术以及人工智能技术的快速发展,出现的载运工具形式越来越多,载运工具运行***也越来越复杂,对载运工具的路径规划也不单单停留在二维空间上,而是朝着高维方向发展,这就对载运工具的路径规划提出了更高的要求。
目前,对单个载运工具的路径规划方法研究比较多而且较成熟,如对平面上单个机器人避障或者三维空间中无人机的路径规划方法的研究。但随着研究的深入,工作环境的变化,人们发现单个载运工具在一些应用领域方面显得力不从心,因此,对多载运工具的协同路径规划研究应运而生。对多维空间下多载运工具智能避障的同时,实现路径实时动态同步优化方法的研究是一个难点,也是目前及未来研究发展的重要方向。
发明内容
本发明的目的是提出了一种多维空间多载运工具路径智能优化方法,用于对多维空间多载运工具的路径进行规划,并具有实时动态规划特性。
本发明的技术方案为:一种多维空间多载运工具路径智能优化方法,包括以下步骤:
S1、根据载运工具的运动场景构建三维空间坐标系,并将每个载运工具等效为三维空间坐标系中的一个具有空间坐标和运动方向的矢量点。
S2、针对其中的一个载运工具,初始化设置其空间位置、运动方向以及目的地。
S3、判断载运工具的排斥区域内是否存在障碍物或其他载运工具,若是则进入步骤S4,否则进入步骤S5。
S4、确定载运工具当前时刻的惯性运动方向、排斥运动方向和目的地吸引运动方向,并根据当前时刻的惯性运动方向、排斥运动方向和目的地吸引运动方向计算载运工具下一时刻的运动方向,进入步骤S6。
S5、确定载运工具当前时刻的惯性运动方向和目的地吸引运动方向,并根据当前时刻的惯性运动方向和目的地吸引运动方向计算载运工具下一时刻的运动方向,进入步骤S6。
S6、根据载运工具当前时刻的运动方向计算载运工具下一时刻的空间位置。
S7、判断载运工具是否到达目的地,若是则进入步骤S8,否则返回步骤S3。
S8、完成单个载运工具的路径规划。
S9、采用步骤S2-S8的路径规划方法对所有载运工具进行同步路径优化。
本发明的有益效果是:
(1)本发明提供了一种多维空间多载运工具路径智能优化方法,载运工具运行无须指定路径,当载运工具运行路径上没有障碍物或者其他载运工具干扰时,且载运工具运行方向与载运工具和目的点的连线重合,则载运工具会直接沿直线驶向目的点;若载运工具运行路径上没有障碍物或者其他载运工具干扰时,但载运工具初始运行方向与载运工具和目的点的连线有夹角,则在载运工具运行过程中上述夹角沿最快方向逐渐减小直到为零,之后继续沿直线驶向目的点;当载运工具运行路径上有障碍物或者其他载运工具干扰时,载运工具之间通过惯性运动规则、排斥运动规则以及目的地吸引运动规则改变运动方向,自动避障,选择最优路径驶向目的点。
(2)本发明可对多维空间多载运工具的路径进行同步规划,并具有实时动态规划特性。
附图说明
图1所示为本发明实施例提供的一种多维空间多载运工具路径智能优化方法流程图。
图2所示为本发明实施例提供的惯性运动方向示意图。
图3所示为本发明实施例提供的排斥运动方向示意图。
图4所示为本发明实施例提供的目的地吸引运动方向示意图。
图5所示为本发明实施例提供的排斥区域范围示意图。
具体实施方式
现在将参考附图来详细描述本发明的示例性实施方式。应当理解,附图中示出和描述的实施方式仅仅是示例性的,意在阐释本发明的原理和精神,而并非限制本发明的范围。
本发明实施例提供了一种多维空间多载运工具路径智能优化方法,如图1所示,包括以下步骤S1-S9:
S1、根据载运工具的运动场景构建三维空间坐标系,并将每个载运工具等效为三维空间坐标系中的一个具有空间坐标和运动方向的矢量点。
在当前坐标系下,每一时刻载运工具都有一个三维空间位置坐标用来确定其具***置,以及一个用三维坐标点表示的空间矢量运动方向,用来指明其当前时刻的运动朝向。
载运工具下一时刻运动方向由其自身上一时刻运动方向、周围物体的影响和其目的地位置共同决定的,即当前时刻的载运工具下一时刻的运动方向由惯性运动方向、排斥运动方向、目的地吸引运动方向三者共同影响决定。
(1)惯性运动方向:由于运动的物体具有惯性,因此将载运工具上一时刻运动方向称之为惯性运动方向,如图2所示。
(2)排斥运动方向:载运工具在运动过程中有一个安全运动区域范围,当有其他载运工具在某个载运工具安全运动区域范围内时,载运工具之间会产生排斥,排斥作用在两载运工具之间的连线上,并指向被分析的载运工具,因此,某个载运工具的运动方向会受到其他载运工具共同作用的影响,如图3所示。
(3)目的地吸引运动方向:每一个运动的载运工具都有一个最终目的地,整个运动过程中目的地会对载运工具始终产生一个吸引作用,并影响着载运工具的运动方向,方向作用在目的地与载运工具之间的连线上,并由载运工具指向目的地,如图4所示。
S2、针对其中的一个载运工具,初始化设置其空间位置、运动方向以及目的地。
针对其中的一个载运工具Si,初始化设置其初始空间坐标为初始运动方向为目的地坐标为(xi,3,yi,3,zi,3)。
S3、判断载运工具的排斥区域内是否存在障碍物或其他载运工具,若是则进入步骤S4,否则进入步骤S5。
本发明实施例中,如图5所示,在载运工具的安全运动区域I(又称排斥区域,其中排斥区域半径大于载运工具Si迭代一次运动的步长v)内,由于载运工具Si在t时刻与在该区域的载运工具距离过近,为了避免发生碰撞现象,载运工具彼此之间会产生一种“排斥力”,因此载运工具Si在“排斥力”的作用下会产生一种避让行为。
S4、确定载运工具当前时刻的惯性运动方向、排斥运动方向和目的地吸引运动方向,并根据当前时刻的惯性运动方向、排斥运动方向和目的地吸引运动方向计算载运工具下一时刻的运动方向,进入步骤S6。
步骤S4包括以下分步骤:
S41、确定载运工具当前时刻的惯性运动方向,计算公式为:
其中表示载运工具Si在t时刻的惯性运动方向,表示载运工具Si在t-1时刻的惯性运动方向;在初始时刻,载运工具Si的惯性运动方向为:
其中为载运工具Si在初始时刻的惯性运动空间坐标;
S42、确定载运工具当前时刻的排斥运动方向,计算公式为:
其中表示t时刻在载运工具Si的排斥区域I内所有载运工具对载运工具Si的总排斥运动方向,表示t时刻在载运工具Si的排斥区域I内载运工具对载运工具Si的总排斥运动方向,其计算公式为:
其中为在t时刻载运工具Si的坐标,为t时刻在载运工具Si的排斥区域I内载运工具SIk的坐标,表示t时刻在载运工具Si的排斥区域I内载运工具SI1~SIk对载运工具Si的总排斥运动方向,k=1,2,...,NI,NI为载运工具Si的排斥区域I内的载运工具总量;
S43、确定载运工具当前时刻的目的地吸引运动方向,计算公式为:
其中表示在t时刻目的地对载运工具Si的吸引运动方向,为在t-1时刻载运工具Si的坐标,(xi,3,yi,3,zi,3)为载运工具Si的目的地坐标;
S44、对当前时刻的惯性运动方向、排斥运动方向和目的地吸引运动方向进行矢量合成,得到载运工具下一时刻的运动方向,计算公式为:
其中表示载运工具Si在t时刻的运动方向,为载运工具Si在t-1时刻的惯性运动方向,为载运工具Si在t-1时刻的排斥运动方向,为载运工具Si在t-1时刻的目的地吸引运动方向。
考虑到各个运动规则对载运工具的影响效果不同,因此在运动方向的矢量合成公式中加入了三个运动规则的贡献度λ1,λ2,λ3,其中λ1为惯性运动规则贡献度,λ2为排斥运动规则贡献度,λ3为目的地吸引运动规则贡献度,λ3=max(λ1,λ2,λ3),且λ1+λ2+λ3=1。
S5、确定载运工具当前时刻的惯性运动方向和目的地吸引运动方向,并根据当前时刻的惯性运动方向和目的地吸引运动方向计算载运工具下一时刻的运动方向,进入步骤S6。
步骤S5包括以下分步骤:
S51、确定载运工具当前时刻的惯性运动方向,计算公式为:
其中表示载运工具Si在t时刻的惯性运动方向,表示载运工具Si在t-1时刻的惯性运动方向;在初始时刻,载运工具Si的惯性运动方向为:
其中为载运工具Si在初始时刻的惯性运动空间坐标;
S52、确定载运工具当前时刻的目的地吸引运动方向,计算公式为:
其中表示在t时刻目的地对载运工具Si的吸引运动方向,为在t-1时刻载运工具Si的坐标,(xi,3,yi,3,zi,3)为载运工具Si的目的地坐标;
S53、对当前时刻的惯性运动方向和目的地吸引运动方向进行矢量合成,得到载运工具下一时刻的运动方向,计算公式为:
其中表示载运工具Si在t时刻的运动方向,为载运工具Si在t-1时刻的惯性运动方向,为载运工具Si在t-1时刻的目的地吸引运动方向。
同理,考虑到惯性运动规则和目的地吸引运动规则对载运工具的影响效果不同,因此在运动方向的矢量合成公式中加入了惯性运动规则贡献度λ1和目的地吸引运动规则贡献度λ3,且λ1+λ3=1。
S6、根据载运工具当前时刻的运动方向计算载运工具下一时刻的空间位置,计算公式为:
其中为载运工具Si在t时刻的空间坐标,为载运工具Si在t-1时刻的空间坐标,初始时刻载运工具Si的空间坐标为为载运工具Si在t-1时刻的单位合成运动矢量,且v为迭代一次载运工具Si运动的步长。
S7、判断载运工具是否到达目的地,若是则进入步骤S8,否则返回步骤S3。
S8、完成单个载运工具的路径规划。
S9、采用步骤S2-S8的路径规划方法对所有载运工具进行同步路径优化。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (5)
1.一种多维空间多载运工具路径智能优化方法,其特征在于,包括以下步骤:
S1、根据载运工具的运动场景构建三维空间坐标系,并将每个载运工具等效为三维空间坐标系中的一个具有空间坐标和运动方向的矢量点;
S2、针对其中的一个载运工具,初始化设置其空间位置、运动方向以及目的地;
S3、判断载运工具的排斥区域内是否存在障碍物或其他载运工具,若是则进入步骤S4,否则进入步骤S5;
S4、确定载运工具当前时刻的惯性运动方向、排斥运动方向和目的地吸引运动方向,并根据当前时刻的惯性运动方向、排斥运动方向和目的地吸引运动方向计算载运工具下一时刻的运动方向,进入步骤S6;
S5、确定载运工具当前时刻的惯性运动方向和目的地吸引运动方向,并根据当前时刻的惯性运动方向和目的地吸引运动方向计算载运工具下一时刻的运动方向,进入步骤S6;
S6、根据载运工具当前时刻的运动方向计算载运工具下一时刻的空间位置;
S7、判断载运工具是否到达目的地,若是则进入步骤S8,否则返回步骤S3;
S8、完成单个载运工具的路径规划;
S9、采用步骤S2-S8的路径规划方法对所有载运工具进行同步路径优化。
2.根据权利要求1所述的多维空间多载运工具路径智能优化方法,其特征在于,所述步骤S2具体为:
针对其中的一个载运工具Si,初始化设置其初始空间坐标为初始运动方向为目的地坐标为(xi,3,yi,3,zi,3)。
3.根据权利要求2所述的多维空间多载运工具路径智能优化方法,其特征在于,所述步骤S4包括以下分步骤:
S41、确定载运工具当前时刻的惯性运动方向,计算公式为:
其中表示载运工具Si在t时刻的惯性运动方向,表示载运工具Si在t-1时刻的惯性运动方向;在初始时刻,载运工具Si的惯性运动方向为:
其中为载运工具Si在初始时刻的惯性运动空间坐标;
S42、确定载运工具当前时刻的排斥运动方向,计算公式为:
其中表示t时刻在载运工具Si的排斥区域I内所有载运工具对载运工具Si的总排斥运动方向,表示t时刻在载运工具Si的排斥区域I内载运工具对载运工具Si的总排斥运动方向,其计算公式为:
其中为在t时刻载运工具Si的坐标,为t时刻在载运工具Si的排斥区域I内载运工具SIk的坐标,表示t时刻在载运工具Si的排斥区域I内载运工具SI1~SIk对载运工具Si的总排斥运动方向,k=1,2,...,NI,NI为载运工具Si的排斥区域I内的载运工具总量;
S43、确定载运工具当前时刻的目的地吸引运动方向,计算公式为:
其中表示在t时刻目的地对载运工具Si的吸引运动方向,为在t-1时刻载运工具Si的坐标,(xi,3,yi,3,zi,3)为载运工具Si的目的地坐标;
S44、对当前时刻的惯性运动方向、排斥运动方向和目的地吸引运动方向进行矢量合成,得到载运工具下一时刻的运动方向,计算公式为:
其中表示载运工具Si在t时刻的运动方向,为载运工具Si在t-1时刻的惯性运动方向,为载运工具Si在t-1时刻的排斥运动方向,为载运工具Si在t-1时刻的目的地吸引运动方向,λ1为惯性运动规则贡献度,λ2为排斥运动规则贡献度,λ3为目的地吸引运动规则贡献度,λ3=max(λ1,λ2,λ3),且λ1+λ2+λ3=1。
4.根据权利要求3所述的多维空间多载运工具路径智能优化方法,其特征在于,所述步骤S5包括以下分步骤:
S51、确定载运工具当前时刻的惯性运动方向,计算公式为:
其中表示载运工具Si在t时刻的惯性运动方向,表示载运工具Si在t-1时刻的惯性运动方向;在初始时刻,载运工具Si的惯性运动方向为:
其中为载运工具Si在初始时刻的惯性运动空间坐标;
S52、确定载运工具当前时刻的目的地吸引运动方向,计算公式为:
其中表示在t时刻目的地对载运工具Si的吸引运动方向,为在t-1时刻载运工具Si的坐标,(xi,3,yi,3,zi,3)为载运工具Si的目的地坐标;
S53、对当前时刻的惯性运动方向和目的地吸引运动方向进行矢量合成,得到载运工具下一时刻的运动方向,计算公式为:
其中表示载运工具Si在t时刻的运动方向,为载运工具Si在t-1时刻的惯性运动方向,为载运工具Si在t-1时刻的目的地吸引运动方向,λ1为惯性运动规则贡献度,λ3为目的地吸引运动规则贡献度,且λ1+λ3=1。
5.根据权利要求4所述的多维空间多载运工具路径智能优化方法,其特征在于,所述步骤S6中计算载运工具下一时刻的空间位置的公式为:
其中为载运工具Si在t时刻的空间坐标,为载运工具Si在t-1时刻的空间坐标,初始时刻载运工具Si的空间坐标为为载运工具Si在t-1时刻的单位合成运动矢量,且v为迭代一次载运工具Si运动的步长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573390.XA CN109000653B (zh) | 2018-06-06 | 2018-06-06 | 一种多维空间多载运工具路径智能优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573390.XA CN109000653B (zh) | 2018-06-06 | 2018-06-06 | 一种多维空间多载运工具路径智能优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109000653A true CN109000653A (zh) | 2018-12-14 |
CN109000653B CN109000653B (zh) | 2020-05-05 |
Family
ID=64599914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810573390.XA Active CN109000653B (zh) | 2018-06-06 | 2018-06-06 | 一种多维空间多载运工具路径智能优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109000653B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007847A (zh) * | 2019-11-29 | 2020-04-14 | 秒针信息技术有限公司 | 路线规划方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100206995A1 (en) * | 2009-02-19 | 2010-08-19 | Yoshinobu Inada | Method for three-dimensional group control of moving objects |
CN103197684A (zh) * | 2013-04-25 | 2013-07-10 | 清华大学 | 无人机群协同跟踪目标的方法及*** |
CN105867415A (zh) * | 2016-04-20 | 2016-08-17 | 沈阳航空航天大学 | 一种基于多无人机安全通信的协同控制策略 |
CN106304114A (zh) * | 2016-08-18 | 2017-01-04 | 中国人民解放军国防科学技术大学 | 一种三维空间无人移动平台群体移动部署通信与控制方法 |
CN106843236A (zh) * | 2017-03-31 | 2017-06-13 | 深圳市靖洲科技有限公司 | 基于权重改进粒子群算法的无人自行车路径规划方法 |
CN107228673A (zh) * | 2017-05-19 | 2017-10-03 | 北京旋极伏羲大数据技术有限公司 | 航路规划方法及装置 |
CN107340784A (zh) * | 2017-08-21 | 2017-11-10 | 中国人民解放军军械工程学院 | 无人机集群控制方法 |
-
2018
- 2018-06-06 CN CN201810573390.XA patent/CN109000653B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100206995A1 (en) * | 2009-02-19 | 2010-08-19 | Yoshinobu Inada | Method for three-dimensional group control of moving objects |
CN103197684A (zh) * | 2013-04-25 | 2013-07-10 | 清华大学 | 无人机群协同跟踪目标的方法及*** |
CN105867415A (zh) * | 2016-04-20 | 2016-08-17 | 沈阳航空航天大学 | 一种基于多无人机安全通信的协同控制策略 |
CN106304114A (zh) * | 2016-08-18 | 2017-01-04 | 中国人民解放军国防科学技术大学 | 一种三维空间无人移动平台群体移动部署通信与控制方法 |
CN106843236A (zh) * | 2017-03-31 | 2017-06-13 | 深圳市靖洲科技有限公司 | 基于权重改进粒子群算法的无人自行车路径规划方法 |
CN107228673A (zh) * | 2017-05-19 | 2017-10-03 | 北京旋极伏羲大数据技术有限公司 | 航路规划方法及装置 |
CN107340784A (zh) * | 2017-08-21 | 2017-11-10 | 中国人民解放军军械工程学院 | 无人机集群控制方法 |
Non-Patent Citations (1)
Title |
---|
王慧丽 等: "《无人机群布散运动模型研究》", 《电光与控制》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007847A (zh) * | 2019-11-29 | 2020-04-14 | 秒针信息技术有限公司 | 路线规划方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109000653B (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ferrer et al. | Proactive kinodynamic planning using the extended social force model and human motion prediction in urban environments | |
CN104029203B (zh) | 实现空间机械臂避障的路径规划方法 | |
Zaman et al. | ROS-based mapping, localization and autonomous navigation using a Pioneer 3-DX robot and their relevant issues | |
Nascimento et al. | Multi-robot nonlinear model predictive formation control: Moving target and target absence | |
EP3447448B1 (en) | Fault-tolerance to provide robust tracking for autonomous and non-autonomous positional awareness | |
Morales et al. | Walking together: Side-by-side walking model for an interacting robot | |
JP5475629B2 (ja) | 軌道計画方法、軌道計画システム及びロボット | |
Dewan et al. | Heterogeneous UGV-MAV exploration using integer programming | |
CN108430105A (zh) | 分布式传感器网络协同目标估计及干扰源无源定位方法 | |
CN108170166A (zh) | 机器人的跟随控制方法及其智能装置 | |
Navaravong et al. | Formation reconfiguration for mobile robots with network connectivity constraints | |
Dönmez et al. | Design of mobile robot control infrastructure based on decision trees and adaptive potential area methods | |
CN109000653A (zh) | 一种多维空间多载运工具路径智能优化方法 | |
Álvarez-Aparicio et al. | LIDAR-based people detection and tracking for@ home Competitions | |
Gao et al. | Localization of mobile robot based on multi-sensor fusion | |
Okuyama et al. | Nonlinear grey-box identification of a differential drive mobile robot | |
Otto et al. | Towards ubiquitous tracking: Presenting a scalable, markerless tracking approach using multiple depth cameras | |
Frew | Cooperative standoff tracking of uncertain moving targets using active robot networks | |
Kumagai et al. | Efficient locomotion planning for a humanoid robot with whole-body collision avoidance guided by footsteps and centroidal sway motion | |
Ciocca et al. | Effect of Planning Period on MPC-based Navigation for a Biped Robot in a Crowd | |
Jang et al. | Navigation-assistant path planning within a mav team | |
La et al. | Formation motion control for swarm robots | |
Takubo et al. | Emergent walking stop using 3-D ZMP modification criteria map for humanoid robot | |
Wang et al. | Research on target recognition and mobile job control of humanoid robot based on KM34Z256 for industrial applications | |
Sadeghian et al. | Vision based control and simulation of a spherical rolling robot based on ROS and Gazebo |
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 |