CN113093792A - 一种基于无人机的地下空间探测*** - Google Patents
一种基于无人机的地下空间探测*** Download PDFInfo
- Publication number
- CN113093792A CN113093792A CN202110319716.8A CN202110319716A CN113093792A CN 113093792 A CN113093792 A CN 113093792A CN 202110319716 A CN202110319716 A CN 202110319716A CN 113093792 A CN113093792 A CN 113093792A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- underground space
- algorithm
- flight
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 230000000007 visual effect Effects 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 16
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 15
- 230000010365 information processing Effects 0.000 claims abstract description 8
- 238000013459 approach Methods 0.000 claims abstract description 6
- 230000003044 adaptive effect Effects 0.000 claims abstract description 4
- 238000013528 artificial neural network Methods 0.000 claims abstract description 4
- 239000002245 particle Substances 0.000 claims description 12
- 230000033001 locomotion Effects 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 6
- 230000002401 inhibitory effect Effects 0.000 abstract 1
- 230000004927 fusion Effects 0.000 description 7
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 229920000049 Carbon (fiber) Polymers 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000004917 carbon fiber Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010845 search algorithm 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种基于无人机的地下空间探测***,基于无人机硬件平台,地下空间探测***包括地下空间自主导航***、视觉识别***、自抗扰智能飞行控制***、无人机避障***和信息处理平台,自抗扰智能飞行控制***基于双幂次趋近律的积分滑模控制算法和基于自适应神经网络的自抗扰智能控制算法,通过扩张状态观测器调整无人机的飞行路径和飞行角度,实现地下空间的稳定飞行和路径跟踪。与现有技术相比,本发明具有提升探测目标的精准性和特殊视觉环境的适应力、有效抑制滑模控制过程中产生的抖振问题、提高无人机自主导航的准确性等优点。
Description
技术领域
本发明涉及无人机控制技术领域,尤其是涉及一种基于无人机的地下空间探测***。
背景技术
无人机,英文名称UAV(Unmanned Aerial Vehicle),是一种特殊的飞行器,可以按照预先设定的轨迹进行各种运动,无需人操纵。在飞行过程中,无人机的飞行位置以及飞行姿态是依靠机身携带的微处理器和各种传感器在飞行运动中收集各项数据并进行处理,然后将调节指令输出给动力***来实现对自身位置及姿态的控制。随着微电子技术以及计算机技术的高速发展,无人机的体积在不断变小,使得无人机在进行飞行任务时的运动更加灵活;无人机的性能不断提升,使得无人机自身可以在不依赖大型计算机的情况下有着更快的对数据处理的速度,可以完成更加复杂的任务。
地下空间探测技术可以高效率地进行地下空间测绘、促进地下空间开发利用、实现地下自动探测、增强地下军事行动能力。考虑到地下地形空间具有复杂性以及保障探测的高效性,选用无人机来进行地下空间探测是一套最佳的方案。但是在典型目标识别、目标图片抓取、位置解算方面存在精度和准确率不足的问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于无人机的地下空间探测***,能够在地铁、隧道、管廊等地下空间内部自主导航、避障、飞行和返回,对空间测绘形成三维结构,自动探测、识别与定位其中的典型目标。
本发明的目的可以通过以下技术方案来实现:
一种基于无人机的地下空间探测***,基于无人机硬件平台,所述地下空间探测***包括地下空间自主导航***、视觉识别***、自抗扰智能飞行控制***、无人机避障***和信息处理平台,所述自抗扰智能飞行控制***基于双幂次趋近律的积分滑模控制算法和基于自适应神经网络的自抗扰智能控制算法,通过扩张状态观测器调整无人机的飞行路径和飞行角度,实现地下空间的稳定飞行和路径跟踪。
所述地下空间自主导航***采用基于深度学习的融合激光雷达和双目视觉深度相机的V-LOAM算法。
进一步地,所述地下空间自主导航***通过即时定位、视觉激光雷达建图技术、运动决策、运动规划,实现地下无人机自主导航。
所述视觉识别***采用基于人工智能和卷积性神经网络的无人机视觉算法。
进一步地,所述视觉识别***通过红外传感器和双目视觉相机,实现地下无人机自动探测、识别典型目标。
进一步地,所述视觉识别***还设有粒子滤波器算法,通过V-LOAM算法与粒子滤波器算法的结合,完成对典型目标的定位和抓取。
所述无人机避障***采用基于拉普拉斯人工势场的算法。
进一步地,所述无人机避障***结合边界元法和地图模型,完成无人机路径规划与避障控制。
所述无人机硬件平台包括无人机机身、飞控计算机、感知和任务管理计算机、环境感知传感器和组网链路,所述无人机机身包括机架、动力***和分电板。
进一步地,所述机架采用全碳纤维轻便材料制成。
所述无人机机身采用蓄电池为地下空间探测***中各***提供电力支持,且无人机机身上装有备用电池可在其最大续航里程内为无人机返航提供电力支持。
所述信息处理平台分别与地下空间自主导航***、视觉识别***、自抗扰智能飞行控制***和无人机避障***连接,接收各***中传感器发出的信号并进行信息整合、存储,且信息处理平台中设有警报***,若某一***无法正常工作则会触发警报***进行报警。
与现有技术相比,本发明具有以下有益效果:
1.本发明地下空间自主导航***采用激光雷达和视觉组合导航,与传统的依靠纯视觉或纯激光雷达导航并不能很好地完成地下自主导航的任务相比,有效克服了地下空间的复杂性,提高了无人机自主导航的准确性。
2.本发明视觉识别***,实现了激光雷达和双目RGB-D相机的融合技术,提升探测目标的精准性和特殊视觉环境的适应力,采用基于人工智能和卷积性神经网络的无人机视觉算法,实现目标探测和目标识别;通过V-LOAM过程和粒子滤波器算法的结合,完成对目标的定位和实现了对目标的抓取。
3.本发明自抗扰智能飞行控制***,采用基于双幂次趋近律的积分滑模控制器,通过滑模控制与双幂次趋近律的结合,加强了控制***的稳态响应,提高了控制精度,并有效的抑制了滑模控制过程中产生的抖振问题。
4.本发明无人机避障***采用基于拉普拉斯人工势场算法实现运动规划,在SLAM过程构建的环境地图中,利用拉普拉斯人工势场的构建来保证收敛全局最优解,完成最优路径规划,有效引导无人机进行避障控制。
附图说明
图1为本发明的结构示意图;
图2是本发明实施例中无人机硬件平台的基本结构;
图3是本发明实施例中基于深度学习的多传感器融合SLAM***框图;
图4是本发明的实施例中基于激光雷达和视觉传感器信息融合的目标检测和跟踪算法整体流程图;
图5是本发明的实施例中基于粒子滤波算法的目标跟踪与定位流程图;
图6是本发明的实施例中无人机避障流程图;
图7是本发明的实施例中无人机采用“X模式”飞行的原理图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例
无人机地下空间探测***达到的主要指标包括可通过的空间截面范围为0.8m×0.8m~10m×10m;测绘精度中空间分辨率≤0.1m,相对位置精度≤1m,相对角度精度≤5°;能够探测的目标最小尺寸为0.05m;对距离10m内人员目标识别概率≥90%;具备典型目标识别、目标图片抓取、位置解算等前端实时处理能力。
如图1所示,一种基于无人机的地下空间探测***,基于无人机硬件平台,地下空间探测***包括地下空间自主导航***、视觉识别***、自抗扰智能飞行控制***、无人机避障***和信息处理平台,自抗扰智能飞行控制***基于双幂次趋近律的积分滑模控制算法和基于自适应神经网络的自抗扰智能控制算法,通过扩张状态观测器调整无人机的飞行路径和飞行角度,实现地下空间的稳定飞行和路径跟踪。
地下空间自主导航***采用基于深度学习的融合激光雷达和双目视觉深度相机的V-LOAM算法,通过即时定位、视觉激光雷达建图技术、运动决策、运动规划,实现地下无人机自主导航。
如图3所示,为基于深度学习的多传感器(VL)融合SLAM***框图。鉴于激光SLAM和视觉SLAM都存在一定的缺陷,对无人机进行地下空间自主导航问题无法有效解决,本实施例中,通过将激光(雷达)和视觉深度(RGB-D)相机进行融合使用的多传感器融合SLAM解决方案,同时将深度学习技术应用于SLAM,提高自主导航***的鲁棒性、精确性。
视觉识别***采用基于人工智能和卷积性神经网络的无人机视觉算法,通过红外传感器和双目视觉相机,实现地下无人机自动探测、识别典型目标。
如图4所示,为基于激光雷达和视觉传感器信息融合的目标检测和跟踪算法整体流程图。本实施例中,采用多传感器融合,基于激光雷达和视觉传感器信息融合的目标检测和跟踪算法,解决四旋翼无人机自动探测与识别问题。在初始状态下,利用激光雷达的点云数据对地下空间进行检测,根据点云数据的反射率对空间内部区域进行提取,并在空间内部区域上利用Faster R-CNN算法对目标物进行检测与识别;根据已有的激光雷达和视觉传感器的标定信息,将激光雷达检测到的障碍物投影到图片上,根据目标的颜色直方图信息确定跟踪目标;在粒子滤波算法的基础上,利用激光雷达点云数据对目标位置进行修正,从而实现对目标的跟踪与定位。
视觉识别***还设有粒子滤波器算法,通过V-LOAM算法与粒子滤波器算法的结合,完成对典型目标的定位和抓取。
如图5所示,为基于粒子滤波算法的目标跟踪与定位流程图。本实施例中,基于激光雷达和相机的目标跟踪算法主要基于粒子滤波算法的框架,由Faster R-CNN算法中检测到的目标确定初始跟踪目标,利用颜色信息在图像中跟踪目标,在粒子重采样后,用当前帧的点云目标检测结果对目标状态进行修正,得到更加精确的目标状态。
无人机避障***采用基于拉普拉斯人工势场的算法,结合边界元法和地图模型,完成无人机路径规划与避障控制。
如图6所示,为无人机避障流程图。拉普拉斯人工势场算法脱胎于传统人工势场方法的思想,着力寻找解决传统方法固有缺陷的途径,在实际应用中更具备实用性与可靠性。拉普拉斯人工势场可建立在由激光雷达传感器扫描重建的地图上(如点云),不同于传统人工势场,这种方式对于障碍物的边界与位置描述更为精准,有利于保障无人机在复杂环境中的路径规划与飞行安全,也更适合拓展到实时探测与规划的层面。对比于动态窗口算法、模糊逻辑算法、Bug算法、遗传算法以及传统的人工势场等搜索算法,拉普拉斯人工势场从本质上避免了陷入局部最优解的问题,保证收敛到全局最优解。
如图2所示,无人机硬件平台包括无人机机身、飞控计算机、感知和任务管理计算机、环境感知传感器和组网链路,无人机机身包括机架、动力***和分电板,机架采用全碳纤维轻便材料制成,具体为四旋翼无人机。
如图7所示,本实施例中,无人机采用“X模式”飞行,通过的截面范围为0.8m×0.8m~10m×10m,考虑到要通过的最小截面0.8m×0.8m,本实施例在考虑安全距离后将无人机轴距设计为643mm。无人机采用“X模式”,在包含桨叶之后无人机最大长度为883mm,计算得到无人机最***长度为可以通过最小截面。
无人机机身采用蓄电池为地下空间探测***中各***提供电力支持,且无人机机身上装有备用电池可在其最大续航里程内为无人机返航提供电力支持。
本实施例中,无人机的三维激光雷达使用Livox的Horizon激光雷达,其具有远量程、高精度、宽视场角、高可靠性和自适应环境等特点。根据主要指标中的测绘精度来看,要求空间分辨率≤0.1m,相对位置精度≤1m,相对角度精度≤5°。其中,空间分辨率即地面分辨率,是指遥感仪器所能分辨的最小目标的实地尺寸,即遥感图像上一个像元所对应的地面范围的大小。Horizon激光雷达可探测距离为260米,距离精度为2厘米,角度精度0.05°,视场角度为81.7°×25.1°,温度范围为-40℃~85℃。可知,Horizon激光雷达可满足主要指标中的所有测绘精度。
信息处理平台分别与地下空间自主导航***、视觉识别***、自抗扰智能飞行控制***和无人机避障***连接,接收各***中传感器发出的信号并进行信息整合、存储,且信息处理平台中设有警报***,若某一***无法正常工作则会触发警报***进行报警。
此外,需要说明的是,本说明书中所描述的具体实施例,所取名称可以不同,本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等效变化或者简单变化,均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于无人机的地下空间探测***,其特征在于,基于无人机硬件平台,所述地下空间探测***包括地下空间自主导航***、视觉识别***、自抗扰智能飞行控制***、无人机避障***和信息处理平台,所述自抗扰智能飞行控制***基于双幂次趋近律的积分滑模控制算法和基于自适应神经网络的自抗扰智能控制算法,通过扩张状态观测器调整无人机的飞行路径和飞行角度,实现地下空间的稳定飞行和路径跟踪。
2.根据权利要求1所述的一种基于无人机的地下空间探测***,其特征在于,所述地下空间自主导航***采用基于深度学习的融合激光雷达和双目视觉深度相机的V-LOAM算法。
3.根据权利要求2所述的一种基于无人机的地下空间探测***,其特征在于,所述地下空间自主导航***通过即时定位、视觉激光雷达建图技术、运动决策、运动规划,实现地下无人机自主导航。
4.根据权利要求2所述的一种基于无人机的地下空间探测***,其特征在于,所述视觉识别***采用基于人工智能和卷积性神经网络的无人机视觉算法。
5.根据权利要求4所述的一种基于无人机的地下空间探测***,其特征在于,所述视觉识别***通过红外传感器和双目视觉相机,实现地下无人机自动探测、识别典型目标。
6.根据权利要求5所述的一种基于无人机的地下空间探测***,其特征在于,所述视觉识别***还设有粒子滤波器算法,通过V-LOAM算法与粒子滤波器算法的结合,完成对典型目标的定位和抓取。
7.根据权利要求1所述的一种基于无人机的地下空间探测***,其特征在于,所述无人机避障***采用基于拉普拉斯人工势场的算法。
8.根据权利要求7所述的一种基于无人机的地下空间探测***,其特征在于,所述无人机避障***结合边界元法和地图模型,完成无人机路径规划与避障控制。
9.根据权利要求1所述的一种基于无人机的地下空间探测***,其特征在于,所述无人机硬件平台包括无人机机身、飞控计算机、感知和任务管理计算机、环境感知传感器和组网链路,所述无人机机身包括机架、动力***和分电板。
10.根据权利要求1所述的一种基于无人机的地下空间探测***,其特征在于,所述信息处理平台分别与地下空间自主导航***、视觉识别***、自抗扰智能飞行控制***和无人机避障***连接,接收各***中传感器发出的信号并进行信息整合、存储,且信息处理平台中设有警报***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110319716.8A CN113093792A (zh) | 2021-03-25 | 2021-03-25 | 一种基于无人机的地下空间探测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110319716.8A CN113093792A (zh) | 2021-03-25 | 2021-03-25 | 一种基于无人机的地下空间探测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113093792A true CN113093792A (zh) | 2021-07-09 |
Family
ID=76669744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110319716.8A Pending CN113093792A (zh) | 2021-03-25 | 2021-03-25 | 一种基于无人机的地下空间探测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113093792A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007088225A1 (es) * | 2006-01-31 | 2007-08-09 | Universidad Politécnica de Madrid | Sistema de visión artificial para recolectar pequeños frutos cultivados en hileras |
CN105700542A (zh) * | 2016-03-30 | 2016-06-22 | 北京航空航天大学 | 一种基于矢量场制导和最小二乘法的平流层飞艇控制分配方法 |
CN106052695A (zh) * | 2016-07-14 | 2016-10-26 | 上海工程技术大学 | 一种利用360°激光扫描仪导航的飞行巡视***及方法 |
CN111522358A (zh) * | 2020-04-23 | 2020-08-11 | 河南鼎健航天技术股份有限公司 | 无人机动态避障方法 |
CN111796602A (zh) * | 2020-06-18 | 2020-10-20 | 江苏大学 | 一种植保无人机障碍物探测和预警*** |
-
2021
- 2021-03-25 CN CN202110319716.8A patent/CN113093792A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007088225A1 (es) * | 2006-01-31 | 2007-08-09 | Universidad Politécnica de Madrid | Sistema de visión artificial para recolectar pequeños frutos cultivados en hileras |
CN105700542A (zh) * | 2016-03-30 | 2016-06-22 | 北京航空航天大学 | 一种基于矢量场制导和最小二乘法的平流层飞艇控制分配方法 |
CN106052695A (zh) * | 2016-07-14 | 2016-10-26 | 上海工程技术大学 | 一种利用360°激光扫描仪导航的飞行巡视***及方法 |
CN111522358A (zh) * | 2020-04-23 | 2020-08-11 | 河南鼎健航天技术股份有限公司 | 无人机动态避障方法 |
CN111796602A (zh) * | 2020-06-18 | 2020-10-20 | 江苏大学 | 一种植保无人机障碍物探测和预警*** |
Non-Patent Citations (7)
Title |
---|
JI ZHANG: "Visual-lidar Odometry and Mapping: Low-drift, Robust, and Fast", 《ICRA》 * |
刘树春: "《深度实践OCR基于深度学习的文字识别》", 31 May 2020 * |
吕超: "《空中机器人规划与决策》", 28 February 2018 * |
孟宪宇: "《多感知***与智能仿真》", 30 June 2012 * |
杨兴明: "基于滑模控制器的四旋翼飞行器控制", 《合肥工业大学学报》 * |
罗钉: "《机载有源相控阵火控雷达技术》", 31 January 2018 * |
陈宗海: "《***仿真技术及其应用第18卷》", 31 August 2017 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN206691107U (zh) | 无人驾驶汽车***及汽车 | |
Luo et al. | A survey of intelligent transmission line inspection based on unmanned aerial vehicle | |
US8718838B2 (en) | System and methods for autonomous tracking and surveillance | |
CN113485441A (zh) | 结合无人机高精度定位和视觉跟踪技术的配网巡检方法 | |
CN107161141A (zh) | 无人驾驶汽车***及汽车 | |
WO2010129907A2 (en) | Method and system for visual collision detection and estimation | |
KR20240066137A (ko) | 접안 모니터링 장치 및 방법 | |
CN112596071A (zh) | 无人机自主定位方法、装置及无人机 | |
CN112378397B (zh) | 无人机跟踪目标的方法、装置及无人机 | |
Singh et al. | Comparative analysis of range sensors for the robust autonomous navigation–a review | |
CN112379681A (zh) | 无人机避障飞行方法、装置及无人机 | |
CN111679695A (zh) | 一种基于深度学习技术的无人机巡航及追踪***和方法 | |
CN115933754A (zh) | 基于毫米波雷达和双目视觉的电力巡检无人机避障方法 | |
KR102289752B1 (ko) | Gps 음영 지역에서 경로 비행을 수행하는 드론 및 그 방법 | |
Liu et al. | A survey on sensor technologies for unmanned ground vehicles | |
Savva et al. | ICARUS: Automatic autonomous power infrastructure inspection with UAVs | |
CN109801484A (zh) | 一种应急通信无人机***及应急通信*** | |
Liu | A robust and efficient lidar-inertial-visual fused simultaneous localization and mapping system with loop closure | |
CN106155082A (zh) | 一种基于光流的无人机仿生智能避障方法 | |
CN112380933B (zh) | 无人机识别目标的方法、装置及无人机 | |
Bhanu et al. | A system for obstacle detection during rotorcraft low altitude flight | |
Cheng et al. | Integration of active and passive sensors for obstacle avoidance | |
Rydell et al. | Autonomous UAV-based forest mapping below the canopy | |
Stambler et al. | Detection and reconstruction of wires using cameras for aircraft safety systems | |
CN113093792A (zh) | 一种基于无人机的地下空间探测*** |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210709 |