CN112947491A - 一种无人车快速轨迹规划方法 - Google Patents
一种无人车快速轨迹规划方法 Download PDFInfo
- Publication number
- CN112947491A CN112947491A CN202110385083.0A CN202110385083A CN112947491A CN 112947491 A CN112947491 A CN 112947491A CN 202110385083 A CN202110385083 A CN 202110385083A CN 112947491 A CN112947491 A CN 112947491A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- delta
- carried out
- region
- point
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000003466 welding 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开一种无人车快速轨迹规划方法,属于快速规划路线领域,解决现有技术中无人车轨迹规划计算量大,硬件要求高的问题,技术方案:构建环境地图,通过传感器获得机器人移动环境坐标信息形成地图模型,并使用栅格将地图像素化;设定起点坐标P0(x0,y0),终点坐标P1(x1,y1);确定当前点Pi(xi,yi),判断当前点八邻域点是否为障碍物;根据是否为障碍物分别采用中点比较算法和A‑Star(A*)算法确定下一轨迹点。该方法计算量小,对硬件平台要求低。
Description
技术领域
本发明涉及无人车路线规划领域,特别涉及一种无人车快速轨迹规划方法。
背景技术
目前的轨迹规划方法包括A-Star(A*)算法、Dijkstra算法、蚁群算法、遗传算法等,如中国专利CN 110440822 B公开了一种基于黏菌-蚁群融合算法的汽车焊点路径规划方法,中国专利CN 111098852 B公开了一种基于强化学***台的要求较高。为解决计算量问题,赵晓等(赵晓,王铮,黄程侃,等.基于改进A*算法的移动机器人路径规划[J].机器人,2018,40(6):904-910.)提出跳跃点搜索的改进A*算法减少了部分无用节点数量,降低了部分计算量,但是保留节点的计算依然计算量较大。
发明内容
本发明目的是提供一种无人车快速轨迹规划方法,解决现有技术中无人车轨迹规划计算量大的问题,技术效果:算法计算量小,硬件平台要求低。
为实现上述目的,本发明采用以下技术方案:
一种无人车快速轨迹规划方法,所述算法包括如下步骤:
步骤1:构建环境地图,通过传感器获得机器人移动环境坐标信息形成地图模型,并使用栅格将地图像素化;步骤2:给定起点坐标P0(x0,y0),终点坐标P1(x1,y1);步骤3:确定当前点Pi(xi,yi),开始时,起点为当前点,并判断当前点八邻域是否存在障碍物,不存在障碍物进入步骤4,存在障碍物进入步骤5;步骤4:中点比较法获取下一轨迹点Pi+1(xi+1,yi+1);步骤5:A-Star方法获取下一轨迹点Pi+1(xi+1,yi+1);
进一步,所述步骤3中,八邻域点的坐标判断顺序是:1-上Pi3(xi,yi+1)、2-右上Pi4(xi+1,yi+1)、3-右Pi5(xi+1,yi)、4-右下Pi6(xi+1,yi-1)、5-下Pi7(xi,yi-1)、6-左下Pi8(xi-1,yi-1)、7-左Pi1(xi-1,yi)、8-左上Pi2(xi-1,yi+1)。
进一步,步骤4.1:判断前一轨迹点Pi-1(xi-1,yi-1)的八邻域点有无障碍物,无则沿用上次迭代中的△x、△y,有则计算PiP1直线上x和y方向的增量:步骤4.2:判断PiP1是属于区域1,是则进入步骤4.3,否则进入步骤4.4;步骤4.3:判断△x-2△y是否小于0,是则Pi+1坐标为(xi+1,yi+1),否则Pi+1坐标为(xi,yi+1),进入步骤4.17;步骤4.4:判断PiP1是属于区域2,是则进入步骤4.5,否则进入步骤4.6;步骤4.5:判断2△x-△y是否小于0,是则Pi+1坐标为(xi,yi+1),否则Pi+1坐标为(xi+1,yi+1),进入步骤4.17;步骤4.6:判断PiP1是属于区域3,是则进入步骤4.7,否则进入步骤4.8;步骤4.7:判断2△x+△y是否小于0,是则Pi+1坐标为(xi,yi+1),否则Pi+1坐标为(xi-1,yi+1),进入步骤4.17;步骤4.8:判断PiP1是属于区域4,是则进入步骤4.9,否则进入步骤4.10;步骤4.9:判断△x+2△y是否小于0,是则Pi+1坐标为(xi-1,yi+1),否则Pi+1坐标为(xi-1,yi),进入步骤4.17;步骤4.10:判断PiP1是属于区域5,是则进入步骤4.11,否则进入步骤4.12;步骤4.11:判断-△x+2△y是否小于0,是则Pi+1坐标为(xi,yi+1),否则Pi+1坐标为(xi-1,yi+1),进入步骤4.17;步骤4.12:判断PiP1是属于区域6,是则进入步骤4.13,否则进入步骤4.14;步骤4.13:判断-2△x+△y是否小于0,是则Pi+1坐标为(xi-1,yi-1),否则Pi+1坐标为(xi,yi-1),进入步骤4.17;步骤4.14:判断PiP1是属于区域7,是则进入步骤4.15,否则进入步骤4.14;步骤4.15:判断-2△x-△y是否小于0,是则Pi+1坐标为(xi+1,yi-1),否则Pi+1坐标为(xi,yi-1),进入步骤4.17;步骤4.16:判断PiP1是属于区域8,进一步判断-△x-2△y是否小于0,是则Pi+1坐标为(xi+1,yi),否则Pi+1坐标为(xi+1,yi-1),进入步骤4.17;步骤4.17:返回Pi+1坐标。
进一步,所述步骤4.1中,判断PiP1是否属于区域1—区域8的判断方法如下式:
进一步,所述步骤5中,包括如下实现步骤:
步骤5.1:计算当前点Pi(xi,yi)的八邻域点(顺序为上、右上、右、右下、下、左下、左、左上)到起始点和终点的欧氏距离,计算公式为:
步骤5.2:构造代价函数k(n):
kj(n)=aj(n)+bj(n)
步骤5.3:选取min[kj(n)]中j对应的八邻域对应点为下一点Pi+1,并返回Pi+1坐标。
有益效果:本发明与现有技术区别在于:在当前点八邻域点周围无障碍物时,使用中点比较法得出下一轨迹点,只需计算极少的加法运算即可确定下一轨迹点,相比于传统的A-Star寻迹算法,本方法在较大空旷空间使用时,可有效减少计算量,降低对硬件的要求从而减少硬件成本。
附图说明
图1:本发明算法实现流程图;
图2:八邻域顺序示意图;
图3:中点比较算法流程图;
图4:区域1-8划分图;
具体实施方式
下面结合附图对本发明作进一步详细描述。
构建环境地图时,通过传感器获得机器人移动环境信息,形成地图模型,并使用栅格将地图像素化;工程上,小微型应用场景下,可通过激光雷达传感器获取环境信息并构建地图,大型场景中可使用卫星地图信息,配合卫星定位***使用,地图上应释明障碍物和可通行区域。
搜寻路径算法如图1所示,在起点和终点间,根据当前点周围八邻域是否存在障碍物,采用中点比较法和A-Star寻迹算法,快速获取轨迹,具体如下:
通过先设定起始坐标为P0(x0,y0),终点坐标P1(x1,y1);确定当前点Pi(xi,yi),开始时起始点为当前点;判断当前点的八邻域点是否为障碍物,判断运算顺序如图2所示,为:1-上Pi3(xi,yi+1)、2-右上Pi4(xi+1,yi+1)、3-右Pi5(xi+1,yi)、4-右下Pi6(xi+1,yi-1)、5-下Pi7(xi,yi-1)、6-左下Pi8(xi-1,yi-1)、7-左Pi1(xi-1,yi)、8-左上Pi2(xi-1,yi+1),判断结果分为有障碍物和无障碍物。
(1)无障碍物时,处理流程如图3所示:
①判断前一点八邻域是否有障碍物;
若无障碍物,沿用上次迭代中的△x、△y,否则计算PiP1直线x和y方向的增量:
增量的比值为斜率k=△y/△x。
②直线隐函数f(x,y)为:
f(x,y)=y-kx-b=0 (2)
③构造中点代价函数,如图4区域划分所示,分为如下八种情况:
④由于轨迹获取依赖于di的符号,不依赖于di的实际值,也就是依赖于di是大于等于0还是小于0,≥0是+符号,<0是-符号,为减少浮点运算,利于硬件实现,令di=2△xdi,可得区域1-8代价函数如下:
⑤根据di取值选取下一轨迹点,对于区域1,当di<0时,下一轨迹点为Pi+1(xi+1,yi+1),当di≥0时,下一轨迹点为Pi+1(xi+1,yi)。同理,区域1-8下一轨迹点坐标如下表:
效果在于:通过中点比较优先选择领近点作为可行性的路径,计算快捷,效率高。
(2)有障碍物时,处理方法如下:
①计算当前点Pi(xi,yi)的八邻域点(顺序为左、左上、上、右上、右、右下、下、左下)到起始点和终点的欧氏距离:
②构造代价函数k(n):
kj(n)=aj(n)+bj(n) (6)
③)选取min[kj(n)]中j对应的八邻域对应点为下一点Pi+1
效果是:便于优先选择最近优化后路径,便于无人车避开障碍物选择最佳路径到达目的地。
具体的工作方式:
通过构建环境地图,进一步将无人车设定在构件的环境地图内,为无人车设定起始点坐标P0(x0,y0)、终点坐标P1(x1,y1),并确定无人车当前坐标为Pi(xi,yi),并按照如图1方式进行运算的移动位置,移动过程中根据中点比较法和A*算法计算移动到的下一位置点,具体的是:无人车移动过程中,以小车为中心确定八个区域,在无障碍物情况下,每个区域内根据di的值会判定下一坐标点,无人车根据起点和终点及系列轨迹点确定行驶方向,并时刻选择下一个轨迹点坐标进行移动,当遇到有障碍物时,计算当前点Pi(xi,yi)的八邻域点(顺序为图2中1-8)到起始点和终点的欧氏距离,并根据代价函数kj(n)=aj(n)+bj(n)选择最小值Pi+1作为下一移动点。
有益效果:相比于传统的A-Star寻迹算法,本方法可有效减少计算量,降低对硬件的要求从而减少硬件成本。
在本发明中术语“设置”、“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接;可以是机械连接;可以是直接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义;术语“第一”、“第二”仅用于描述目的,可以是一个或者更多个该特征,在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
本发明不限于上述具体实施方式,所有不脱离本方案结构和作用的变化均在本发明保护范围内。
Claims (5)
1.一种无人车快速轨迹规划方法,其特征在于,所述算法包括如下步骤:
步骤1:构建环境地图,通过传感器获得机器人移动环境坐标信息形成地图模型,并使用栅格将地图像素化;
步骤2:给定起点坐标P0(x0,y0),终点坐标P1(x1,y1);
步骤3:确定当前点Pi(xi,yi),开始时,起点为当前点,并判断当前点八邻域是否存在障碍物,不存在障碍物进入步骤4,存在障碍物进入步骤5;
步骤4:中点比较法获取下一轨迹点Pi+1(xi+1,yi+1);
步骤5:A-Star方法获取下一轨迹点Pi+1(xi+1,yi+1)。
2.所述权利要求2所述的一种无人车快速轨迹规划方法,其特征在于,所述步骤3中,八邻域点的坐标判断顺序是:1-上Pi3(xi,yi+1)、2-右上Pi4(xi+1,yi+1)、3-右Pi5(xi+1,yi)、4-右下Pi6(xi+1,yi-1)、5-下Pi7(xi,yi-1)、6-左下Pi8(xi-1,yi-1)、7-左Pi1(xi-1,yi)、8-左上Pi2(xi-1,yi+1)。
3.根据权利要求2所述的一种无人车快速轨迹规划方法,其特征在于,所述步骤4中,包括如下实现步骤:
步骤4.2:判断PiP1是属于区域1,是则进入步骤4.3,否则进入步骤4.4;
步骤4.3:判断△x-2△y是否小于0,是则Pi+1坐标为(xi+1,yi+1),否则Pi+1坐标为(xi,yi+1),进入步骤4.17;
步骤4.4:判断PiP1是属于区域2,是则进入步骤4.5,否则进入步骤4.6;
步骤4.5:判断2△x-△y是否小于0,是则Pi+1坐标为(xi,yi+1),否则Pi+1坐标为(xi+1,yi+1),进入步骤4.17;
步骤4.6:判断PiP1是属于区域3,是则进入步骤4.7,否则进入步骤4.8;
步骤4.7:判断2△x+△y是否小于0,是则Pi+1坐标为(xi,yi+1),否则Pi+1坐标为(xi-1,yi+1),进入步骤4.17;
步骤4.8:判断PiP1是属于区域4,是则进入步骤4.9,否则进入步骤4.10;
步骤4.9:判断△x+2△y是否小于0,是则Pi+1坐标为(xi-1,yi+1),否则Pi+1坐标为(xi-1,yi),进入步骤4.17;
步骤4.10:判断PiP1是属于区域5,是则进入步骤4.11,否则进入步骤4.12;
步骤4.11:判断-△x+2△y是否小于0,是则Pi+1坐标为(xi,yi+1),否则Pi+1坐标为(xi-1,yi+1),进入步骤4.17;
步骤4.12:判断PiP1是属于区域6,是则进入步骤4.13,否则进入步骤4.14;
步骤4.13:判断-2△x+△y是否小于0,是则Pi+1坐标为(xi-1,yi-1),否则Pi+1坐标为(xi,yi-1),进入步骤4.17;
步骤4.14:判断PiP1是属于区域7,是则进入步骤4.15,否则进入步骤4.16;
步骤4.15:判断-2△x-△y是否小于0,是则Pi+1坐标为(xi+1,yi-1),否则Pi+1坐标为(xi,yi-1),进入步骤4.17;
步骤4.16:判断PiP1是属于区域8,进一步判断-△x-2△y是否小于0,是则Pi+1坐标为(xi+1,yi),否则Pi+1坐标为(xi+1,yi-1),进入步骤4.17;
步骤4.17:返回Pi+1坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110385083.0A CN112947491A (zh) | 2021-04-09 | 2021-04-09 | 一种无人车快速轨迹规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110385083.0A CN112947491A (zh) | 2021-04-09 | 2021-04-09 | 一种无人车快速轨迹规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112947491A true CN112947491A (zh) | 2021-06-11 |
Family
ID=76231424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110385083.0A Withdrawn CN112947491A (zh) | 2021-04-09 | 2021-04-09 | 一种无人车快速轨迹规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112947491A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113392378A (zh) * | 2021-07-16 | 2021-09-14 | 中南大学 | 一种基于时间序列的围岩变形多点突变识别方法及*** |
CN114063623A (zh) * | 2022-01-11 | 2022-02-18 | 中国人民解放军陆军装甲兵学院 | 一种基于多策略改进的黏菌算法的机器人路径规划方法 |
-
2021
- 2021-04-09 CN CN202110385083.0A patent/CN112947491A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113392378A (zh) * | 2021-07-16 | 2021-09-14 | 中南大学 | 一种基于时间序列的围岩变形多点突变识别方法及*** |
CN113392378B (zh) * | 2021-07-16 | 2024-04-09 | 中南大学 | 一种基于时间序列的围岩变形多点突变识别方法及*** |
CN114063623A (zh) * | 2022-01-11 | 2022-02-18 | 中国人民解放军陆军装甲兵学院 | 一种基于多策略改进的黏菌算法的机器人路径规划方法 |
CN114063623B (zh) * | 2022-01-11 | 2022-03-29 | 中国人民解放军陆军装甲兵学院 | 一种基于多策略改进的黏菌算法的机器人路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112673234B (zh) | 路径规划方法和路径规划装置 | |
CN110262518B (zh) | 基于轨迹拓扑地图和避障的车辆导航方法、***及介质 | |
CN103926925B (zh) | 一种基于改进的vfh算法的定位与避障方法及机器人 | |
CN112378408A (zh) | 一种实现轮式移动机器人实时避障的路径规划方法 | |
CN106371445A (zh) | 一种基于拓扑地图的无人车规划控制方法 | |
CN110553660B (zh) | 一种基于a*算法和人工势场的无人车轨迹规划方法 | |
KR101585504B1 (ko) | 자율 이동 차량의 경로 생성 방법 및 경로 생성 장치 | |
CN112947491A (zh) | 一种无人车快速轨迹规划方法 | |
CN111006667B (zh) | 高速场景下的自动驾驶轨迹生成*** | |
CN112925315A (zh) | 一种基于改进蚁群算法和a*算法的履带车路径规划方法 | |
CN105043376A (zh) | 一种适用于非全向移动车辆的智能导航方法及*** | |
CN106840169B (zh) | 用于机器人路径规划的改进方法 | |
CN111880534A (zh) | 一种基于栅格地图的二次路径规划方法 | |
CN110908386A (zh) | 一种无人车分层路径规划方法 | |
CN111142542A (zh) | 一种基于vfh*局部路径规划方法的全向移动机器人自主导航*** | |
CN112269381A (zh) | 基于改进人工鱼群算法的移动机器人路径规划方法 | |
KR101907268B1 (ko) | 경로 선택에 기반한 자율 주행 방법 및 장치 | |
CN112947476A (zh) | 一种丘陵拖拉机无人驾驶*** | |
CN116360457A (zh) | 一种基于自适应栅格和改进a*-dwa融合算法的路径规划方法 | |
CN114967701A (zh) | 一种动态环境下移动机器人自主导航方法 | |
CN111176281A (zh) | 基于象限法的多水面无人艇覆盖式协同搜索方法及*** | |
CN110673610A (zh) | 一种基于ros的工厂agv路径规划方法 | |
CN113296519A (zh) | 一种基于麦克纳姆轮的移动机器人运动规划方法及*** | |
CN117249842A (zh) | 一种基于轨迹平滑优化的无人车混合轨迹规划方法 | |
CN113485378B (zh) | 基于交通规则的移动机器人路径规划方法、***及存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210611 |
|
WW01 | Invention patent application withdrawn after publication |