CN111775966B - 基于线阵成像的列车车门定位方法及*** - Google Patents
基于线阵成像的列车车门定位方法及*** Download PDFInfo
- Publication number
- CN111775966B CN111775966B CN202010919105.2A CN202010919105A CN111775966B CN 111775966 B CN111775966 B CN 111775966B CN 202010919105 A CN202010919105 A CN 202010919105A CN 111775966 B CN111775966 B CN 111775966B
- Authority
- CN
- China
- Prior art keywords
- train
- door
- vehicle door
- image
- front side
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61B—RAILWAY SYSTEMS; EQUIPMENT THEREFOR NOT OTHERWISE PROVIDED FOR
- B61B1/00—General arrangement of stations, platforms, or sidings; Railway networks; Rail vehicle marshalling systems
- B61B1/02—General arrangement of stations and platforms including protection devices for the passengers
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开一种基于线阵成像的列车车门定位方法,包括线阵相机采用固定行频获取全列车进站扫描图像,获取列车进站速度‑时间曲线;采用卷积神经网络模型识别扫描图像中的各个车门目标,记录图像中各个车门的车门前侧水平像素坐标和车门后侧水平像素坐标;根据车门前侧水平像素坐标和车门后侧水平像素坐标计算图像中各个车门的前侧图像帧采集时间和后侧图像帧采集时间;根据前侧图像帧采集时间和后侧图像帧采集时间,结合速度‑时间曲线计算各个车门的宽度,以及各个车门前侧或后侧至车头的距离;获取列车停稳后的车头位置,根据各个车门至车头的相对距离输出各个车门的定位结果。本发明首次将线阵相机与测速装置相结合,用于高铁列车车门定位。
Description
技术领域
本发明属于高速铁路/城际铁路站台门领域,尤其涉及基于线阵成像的列车车门定位方法及***。
背景技术
高速铁路的快速发展让人们的出行更加便捷,其站台安全问题近年来广受关注。站台门作为分隔人车的隔离屏障,能有效保障列车、乘客以及车站工作人员的安全。与地铁不同,高铁车站屏蔽门需要满足不同型号到站列车的停站需求,精准定位各类列车进站停车车门位置是进行高铁站台门自适应控制的基础。
已知的现有方案中是:基于列车运行图的获取待进站车型信息,如CN108382403A号中国专利申请,基于车头或车尾的位置结合车型信息中包含的各个车门相对车头的距离计算列车停稳后各个车门的位置,如CN107246204A号中国专利申请。然而,由于车辆重联方式和列车运行带来的包括联结位置在内的车体变形误差将导致车尾一端的车门位置的累计误差较大。
发明内容
为解决上述技术问题,本发明提出了基于线阵成像的列车车门定位方法,旨在解决现有高铁站台门对于列车停站车门定位精度不足的缺陷。
本发明是通过采用下述技术方案实现的:
基于线阵成像和速度曲线的列车车门定位方法,包括:
步骤S100,设置于进站端固定位置的线阵相机采用固定行频获取全列车进站扫描图像;同时,获取列车进站速度-时间曲线;
步骤S200,采用训练好的神经网络模型识别所述扫描图像中的各个车门目标,记录图像中各个车门的车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i),i为从车头起的车门序号;
步骤S300,根据车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i)计算图像中各个车门的前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i);
步骤S400,根据所述前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i),结合所述速度-时间曲线计算各个车门的宽度,以及各个车门前侧或后侧至车头的距离;
步骤S500,获取列车停稳后的车头位置,根据各个车门至车头的相对距离输出各个车门的定位结果。
由于线阵相机的扫描频率固定,线阵图像中车体各目标的水平长度与列车速度成反比。通过获取列车进站的速度-时间曲线获取进站减速信息,根据线阵图像中车体各目标的水平长度与列车速度成反比的特征根据列车经过车门的速度与时间的积分得到车门定位,巧妙回避了线阵图像的畸变对基于图像处理的车门定位难题。
进一步地,步骤S100中,根据测速雷达测取列车进站速度-时间曲线;所述测速雷达设置于所述线阵相机固定位置,其与所述线阵相机呈水平或竖直排列。
作为具体的实施方式,步骤S200中,所述神经网络模型为卷积神经网络。
可以选择地,步骤S300中,根据车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i),结合所述扫描图像中首帧车头图像采集时间和所述线阵相机的行频计算前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i)。
作为优选的实施方式,步骤S300中,根据下式计算前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i):
其中,T1为所述扫描图像中首帧车头图像采集时间,T2为所述扫描图像中末帧车尾图像采集时间,M为所述扫描图像的扫描行数。
进一步地,步骤S400中,计算各个车门的宽度W和该车门右端到列车车头的距离D:
其中,v为列车进站实时速度,t为时间。
进一步地,步骤S400中,结合速度-时间曲线计算各个车门的宽度后,计算各个车门的平均宽度或中位宽度作为标准宽度。
根据各个车门的标准宽度进行车门宽度校正,所述校正过程以各个车门前侧为基准,所述车门前侧向车尾方向移动一个所述标准宽度即为车门后侧。
本发明的另一方面提供一种基于线阵成像的列车车门定位***,包括:
线阵相机,设置于进站端固定位置,用于获取全列车进站扫描图像;
测速装置,设置于所述进站端固定位置,用于获取列车进站速度-时间曲线;
测距装置,设置于出站端固定位置,用于测量列车停稳后的车头位置;
车门目标识别模块,用于识别所述扫描图像中的各个车门目标,并记录图像中各个车门的车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i),i为从车头起的车门序号;
车门时间获取模块,其根据车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i)计算图像中各个车门的前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i);
车门位置定位模块,其根据所述前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i),结合所述速度-时间曲线计算各个车门的宽度,以及各个车门前侧或后侧至车头的距离;并用于获取列车停稳后的车头位置,根据各个车门至车头的相对距离输出各个车门的定位结果。
进一步地,所述测速装置为测速雷达,其与所述线阵相机呈水平或竖直排列。
可选地,所述测速装置采用设置轨道上的电磁式接近传感器,其采用记录轮轴的方式获取列车进站速度。
与现有技术相比,本发明的有益效果表现在:
1.本发明首次将线阵相机与测速装置相结合,用于高铁列车进站停车的车门定位,相比依靠列车运行图或者车型数据库的方案,自动化程度高,更加符合客观实际,避免了先验信息差错带来的车门位置定位失准。
2.本发明基于固定行频的线阵相机对进站列车扫描成像,由于列车进站是一个减速过程,固定行频采集的列车图像存在宽度畸变,难以直接采用线阵图像定位车门位置。本发明创造性地将通过测速装置实时获取列车进站的速度-时间曲线,通过识别车门左右侧图像坐标,再通过图像坐标获取左右图像帧的采集时间,最终通过列车速度与车门通过时间积分的方式得到车门位置,实现了在不依靠任何外部信息源的基础上对不同类型高铁列车进站停靠的车门位置定位。
3.由于车尾端车门定位误差主要来源于前序车门的位置误差而不是车门宽度误差,本发明在采用速度时间积分方法得到车门宽度后,根据车门宽度一致性以各个车门车头一侧为基准对所有车门定位进行校正,进一步提高了车门定位精度。
附图说明
下面将结合说明书附图和具体实施方式对本发明作进一步的详细说明,其中:
图1为本发明实施例列车车门定位方法流程图;
图2为本发明实施例线阵相机扫描成像示意图及定位***结构图;
图3为本发明实施例列车进站速度-时间曲线示意图;
图4为本发明实施例卷积神经网络模型结构图;
图中标记:10-线阵相机,20-测速雷达,30-计算终端。
具体实施方式
实施例1
实施例1提供一种基于线阵成像的列车车门定位方法,如图1所示,包括:
步骤S100,设置于进站端固定位置的线阵相机10采用固定行频获取全列车进站扫描图像;同时,获取列车进站速度-时间曲线;列车进站速度-时间曲线示意图如图3所示。
步骤S200,采用训练好的神经网络模型识别所述扫描图像中的各个车门目标,记录图像中各个车门的车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i),i为从车头起的车门序号;
步骤S300,根据车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i)计算图像中各个车门的前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i);
步骤S400,根据所述前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i),结合所述速度-时间曲线计算各个车门的宽度,以及各个车门前侧或后侧至车头的距离;
步骤S500,获取列车停稳后的车头位置,根据各个车门至车头的相对距离输出各个车门的定位结果。
由于线阵相机10的扫描频率固定,线阵图像中车体各目标的水平长度与列车速度成反比。如图2所示,车头一侧先经过线阵相机10,车尾一侧后经过线阵相机10,由于列车进站是减速过程,因此线阵图像中的车门宽度由车头一侧项车尾一侧宽度由窄变宽。若采用标定好的线阵相机10扫描列车进站图像,直接通过线阵图像中的对各个车门目标进行车门定位必须克服图像畸变的难题,计算过程复杂。本申请通过获取列车进站的速度-时间曲线获取进站减速信息,根据线阵图像中车体各目标的水平长度与列车速度成反比的特征根据列车经过车门的速度与时间的积分得到车门定位,巧妙回避了线阵图像的畸变对基于图像处理的车门定位难题。
可选的实施方式中,采用设置轨道上的电磁式接近传感器,采用记录轮轴的方式获取列车进站速度。所述电磁式接近传感器与所述线阵相机10处于同一断面。
步骤S100中,根据测速雷达测取列车进站速度-时间曲线;所述测速雷达20设置于所述线阵相机10固定位置,其与所述线阵相机10呈水平或竖直排列。线阵相机10与测速雷达20紧邻排列,可方便实现直接根据线阵图像帧采集时间获取对应时间的列车进站速度。若线阵相机10与测速雷达20分开设立,例如测速雷达20设置于相对线阵相机10更靠近出站一侧,则列车经过线阵相机10而未达到测速雷达20,则此时间段内的速度无法准确获得,将影响车门定位精度。同理,若测速雷达20设置于相对线阵相机10更靠近进站一侧,则列车车尾先经过测速雷达20再经过线阵相机10,此时线阵相机也难以获得车尾通过速度。
步骤S200中,所述神经网络模型为卷积神经网络。
在训练卷积神经网络前,从数据库中找出不同背景下各类高铁列车侧视图2000张,并手动标注每张图像中的车门位置,把获得的位置信息通过脚本转换成CNN网络输入的数据格式(.xml文件)。
如图4所示为卷积神经网络的模型实例,最左边为输入层,输入单通道待检测的线阵相机图像;输入层之后是卷积层,目的是使用32个5*5卷积核,对输入图像进行多维度特征提取,其中激励层中采用ReLU激活函数,其主要目的是实现图像特征的非线性变化。卷积层之后接最大池化层,用以减少图像冗余信息,提高计算速度。在若干池化层和卷积层之后是全连接层,其设置为二维张量,包含7*7*64的卷积核,也可以认为是只有一行7*7*64个数据的卷积。最后一层为输出层,使用softmax激活函数来实现车门目标的识别和定位操作。
可以选择地,步骤S300中,根据车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i),结合所述扫描图像中首帧车头图像采集时间和所述线阵相机的行频计算前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i)。具体地,记录线阵图像中车头起始位置的水平像素和图像帧采集时间,根据车头起始位置的水平像素和车门前侧水平像素坐标R(i)或车门后侧水平像素坐标L(i)的像素差可求得车门前侧图像帧或车门后侧图像帧与车头起始图像帧的帧差,结合线阵相机10的固定行频和车头起始图像帧采集时间即可求得前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i)。
作为优选的实施方式,步骤S300中,根据下式计算前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i):
其中,T1为所述扫描图像中首帧车头图像采集时间,T2为所述扫描图像中末帧车尾图像采集时间,M为所述扫描图像的扫描行数。
步骤S400中,计算各个车门的宽度W和该车门右端到列车车头的距离D:
其中,v为列车进站实时速度,t为时间。
步骤S400中,结合速度-时间曲线计算各个车门的宽度后,计算各个车门的平均宽度或中位宽度作为标准宽度。
根据各个车门的标准宽度进行车门宽度校正,所述校正过程以各个车门前侧为基准,所述车门前侧向车尾方向移动一个所述标准宽度即为车门后侧。
实施例2
实施例2提供一种基于线阵成像的列车车门定位***,如图2所示,包括:
线阵相机,设置于进站端固定位置,用于获取全列车进站扫描图像;
测速装置,设置于所述进站端固定位置,用于获取列车进站速度-时间曲线;
测距装置,设置于出站端固定位置,用于测量列车停稳后的车头位置;
车门目标识别模块,用于识别所述扫描图像中的各个车门目标,并记录图像中各个车门的车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i),i为从车头起的车门序号;
车门时间获取模块,其根据车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i)计算图像中各个车门的前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i);
车门位置定位模块,其根据所述前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i),结合所述速度-时间曲线计算各个车门的宽度,以及各个车门前侧或后侧至车头的距离;并用于获取列车停稳后的车头位置,根据各个车门至车头的相对距离输出各个车门的定位结果。
所述车门目标识别模块、车门时间获取模块和车门位置定位模块被配置为集成于计算终端30的功能模块。
所述测速装置为测速雷达20,其与所述线阵相机呈水平或竖直排列。
可选地,所述测速装置采用设置轨道上的电磁式接近传感器,其采用记录轮轴的方式获取列车进站速度。
综上所述,本领域的普通技术人员阅读本发明文件后,根据本发明的技术方案和技术构思无需创造性脑力劳动而作出的其他各种相应的变换方案,均属于本发明所保护的范围。
Claims (10)
1.基于线阵成像的列车车门定位方法,其特征在于,包括:
步骤S100,设置于进站端固定位置的线阵相机采用固定行频获取全列车进站扫描图像;同时,获取列车进站速度-时间曲线;
步骤S200,采用训练好的神经网络模型识别所述扫描图像中的各个车门目标,记录图像中各个车门的车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i),i为从车头起的车门序号;
步骤S300,根据车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i)计算图像中各个车门的前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i);
步骤S400,根据所述前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i),结合所述速度-时间曲线计算各个车门的宽度,以及各个车门前侧或后侧至车头的距离;
步骤S500,获取列车停稳后的车头位置,根据各个车门至车头的相对距离输出各个车门的定位结果。
2.根据权利要求1所述的列车车门定位方法,其特征在于:步骤S100中,根据测速雷达测取列车进站速度-时间曲线;所述测速雷达设置于所述线阵相机固定位置,其与所述线阵相机呈水平或竖直排列。
3.根据权利要求1所述的列车车门定位方法,其特征在于:步骤S200中,所述神经网络模型为卷积神经网络。
4.根据权利要求1所述的列车车门定位方法,其特征在于:步骤S300中,根据车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i),结合所述扫描图像中首帧车头图像采集时间和所述线阵相机的行频计算前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i)。
7.根据权利要求6所述的列车车门定位方法,其特征在于:步骤S400中,结合速度-时间曲线计算各个车门的宽度后,计算各个车门的平均宽度或中位宽度作为标准宽度。
8.根据权利要求7所述的列车车门定位方法,其特征在于:根据各个车门的标准宽度进行车门宽度校正,所述校正过程以各个车门前侧为基准,所述车门前侧向车尾方向移动一个所述标准宽度即为车门后侧。
9.基于线阵成像的列车车门定位***,其特征在于,包括:
线阵相机,设置于进站端固定位置,用于获取全列车进站扫描图像;
测速装置,设置于所述进站端固定位置,用于获取列车进站速度-时间曲线;
测距装置,设置于出站端固定位置,用于测量列车停稳后的车头位置;
车门目标识别模块,用于识别所述扫描图像中的各个车门目标,并记录图像中各个车门的车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i),i为从车头起的车门序号;
车门时间获取模块,其根据车门前侧水平像素坐标R(i)和车门后侧水平像素坐标L(i)计算图像中各个车门的前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i);
车门位置定位模块,其根据所述前侧图像帧采集时间TR(i)和后侧图像帧采集时间TL(i),结合所述速度-时间曲线计算各个车门的宽度,以及各个车门前侧或后侧至车头的距离;并用于获取列车停稳后的车头位置,根据各个车门至车头的相对距离输出各个车门的定位结果。
10.根据权利要求9所述的列车车门定位***,其特征在于:所述测速装置为测速雷达,其与所述线阵相机呈水平或竖直排列;或者所述测速装置采用设置轨道上的电磁式接近传感器,其采用记录轮轴的方式获取列车进站速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010919105.2A CN111775966B (zh) | 2020-09-04 | 2020-09-04 | 基于线阵成像的列车车门定位方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010919105.2A CN111775966B (zh) | 2020-09-04 | 2020-09-04 | 基于线阵成像的列车车门定位方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111775966A CN111775966A (zh) | 2020-10-16 |
CN111775966B true CN111775966B (zh) | 2020-12-01 |
Family
ID=72762014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010919105.2A Active CN111775966B (zh) | 2020-09-04 | 2020-09-04 | 基于线阵成像的列车车门定位方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111775966B (zh) |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2700373B2 (ja) * | 1993-03-29 | 1998-01-21 | 小糸工業株式会社 | 列車停止位置検出装置 |
JPH0971240A (ja) * | 1995-09-07 | 1997-03-18 | Toshiba Corp | 列車用ドア安全確認システム |
JP4845580B2 (ja) * | 2006-04-26 | 2011-12-28 | 三菱電機株式会社 | 列車混雑度通知システム |
CN106340011B (zh) * | 2016-08-23 | 2019-01-18 | 天津光电高斯通信工程技术股份有限公司 | 一种铁路货车车门开启的自动检测识别方法 |
JP6993570B2 (ja) * | 2017-01-20 | 2022-01-13 | 株式会社デンソーウェーブ | ホームドア制御システム |
CN108133491A (zh) * | 2017-12-29 | 2018-06-08 | 重庆锐纳达自动化技术有限公司 | 一种实现动态目标跟踪的方法 |
CN110095061B (zh) * | 2019-03-31 | 2020-07-14 | 唐山百川智能机器股份有限公司 | 基于轮廓扫描的车辆形位检测***及方法 |
CN110469230A (zh) * | 2019-08-15 | 2019-11-19 | 中国铁道科学研究院集团有限公司通信信号研究所 | 基于多传感器融合技术的车门站台门联动控制***及方法 |
CN110428419A (zh) * | 2019-09-02 | 2019-11-08 | 中国矿业大学(北京) | 基于移动图像识别的矿井定位*** |
CN111127513B (zh) * | 2019-12-02 | 2024-03-15 | 北京交通大学 | 一种多目标跟踪方法 |
CN111114593B (zh) * | 2019-12-18 | 2021-01-01 | 中铁电气化局集团有限公司 | 基于多元信息融合的地铁列车自主定位装置、***及方法 |
CN111547070B (zh) * | 2020-05-25 | 2021-02-26 | 成都唐源电气股份有限公司 | 一种基于套叠式活动单元的高铁站台门 |
-
2020
- 2020-09-04 CN CN202010919105.2A patent/CN111775966B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111775966A (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108898044B (zh) | 装载率获取方法、装置、***及存储介质 | |
CN107703513B (zh) | 一种基于图像处理的非接触式接触网相对位置检测方法 | |
CN108877237B (zh) | 基于监控视频图像的车辆行驶速度集成解算***及方法 | |
CN113465541B (zh) | 一种接触线磨耗测量方法及*** | |
CN113788051A (zh) | 列车在站运行状态监测分析*** | |
JP2017215220A (ja) | 鉄道車両の外観検査装置 | |
CN109839175A (zh) | 一种桥梁活载优化识别*** | |
CN114463697A (zh) | 一种基于图像识别的装载率计算方法 | |
CN111775966B (zh) | 基于线阵成像的列车车门定位方法及*** | |
JP5027710B2 (ja) | 車両用環境認識装置および先行車追従制御システム | |
CN115965915A (zh) | 基于深度学习的铁路货车连接拉杆折断故障识别方法及识别*** | |
US20240034372A1 (en) | Optical railway detection | |
CN111932626A (zh) | 基于线阵图像变比例恢复的列车车门定位方法及*** | |
CN113591643A (zh) | 一种基于计算机视觉的地下交通工具进出站检测***及方法 | |
CN111598024B (zh) | 一种基于图像的铁路限界区域识别方法 | |
CN116907360B (zh) | 基于机器视觉的ro膜胶线宽度检测***及检测方法 | |
CN115540770A (zh) | 一种轨旁设备限界快速自动测量的方法 | |
CN111079488B (zh) | 一种基于深度学习的公交客流检测***及方法 | |
CN112801110B (zh) | 轨道列车线阵相机图像畸变校正的目标检测方法及装置 | |
CN116985873A (zh) | 一种轨道交通站场轨道区段占用状态检测方法 | |
CN114821520A (zh) | 一种融合时空信息的车道线检测方法 | |
CN113516081A (zh) | 一种通过深度学习图像识别技术实现虚拟水尺识别水位的方法 | |
CN110414357A (zh) | 一种基于车辆类型识别的前方车辆定位方法 | |
CN112766174A (zh) | 一种铁路列车车厢组底板丢失故障检测方法 | |
CN110765877A (zh) | 基于热像仪和双目相机的行人检测方法及*** |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211126 Address after: 610000, No. two, section 11, North Ring Road, Chengdu, Sichuan Patentee after: China Railway Chengdu Bureau Group Co.,Ltd. Patentee after: Chengdu Tangyuan Electric Co., Ltd Address before: No. 355, Wuxing fifth road, Wuhou District, Chengdu City, Sichuan Province Patentee before: CHENGDU TANGYUAN ELECTRIC Co.,Ltd. |
|
TR01 | Transfer of patent right |