CN108871330A - 无人机编队飞行路径确定方法及装置 - Google Patents
无人机编队飞行路径确定方法及装置 Download PDFInfo
- Publication number
- CN108871330A CN108871330A CN201810213162.1A CN201810213162A CN108871330A CN 108871330 A CN108871330 A CN 108871330A CN 201810213162 A CN201810213162 A CN 201810213162A CN 108871330 A CN108871330 A CN 108871330A
- Authority
- CN
- China
- Prior art keywords
- point
- task
- location point
- location
- task 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.)
- Granted
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004590 computer program Methods 0.000 claims description 8
- 230000000875 corresponding effect Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
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)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种无人机编队飞行路径确定方法及装置,涉及无人机技术领域,主要目的在于能够实现编队飞行任务中的无人机根据互不交叉且总路程最短的各条飞行路径进行编队飞行,能够避免无人机在飞行过程中发生碰撞、且能够保证各个无人机飞往任务点的总路径最短。所述方法包括:获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;按照预设区域划分匹配规则对各个位置点和各个任务点进行区域划分和两两匹配,得到互不交叉且总路程最短的各条飞行路径,各条飞行路径为各个位置点到与各个位置点匹配的任务点的路径;将匹配得到的各条飞行路径对应确定为各个无人机的编队飞行路径。本发明适用于无人机编队飞行路径的确定。
Description
技术领域
本发明涉及无人机技术领域,特别是涉及一种无人机编队飞行路径确定方法及装置。
背景技术
随着信息技术的不断发展,无人机随着出现,无人机是指利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。近几年来,无人机已被广泛应用于航拍摄影、电力巡检、环境监测、森林防火、灾情巡查、防恐救生、军事侦察、战场评估等领域,不仅如此,随着人们对无人机的熟知和喜爱,无人机逐渐进入了普通人们的生活中。人们通常控制无人机编队飞行,即控制无人机按照预设飞行计划进行飞行,在飞行到计划中预定的航点位置时,进行灯光表演、组成特定空中图案等编队飞行任务。在进行无人机编队飞行路径确定时,为了完成编队飞行任务,飞行过程中编队内的无人机需要在预定时间点到达预定位置点上,然后再在下一个预定时间点到达下一个预定任务点。因此,确定无人机编队飞行路径对完成编队飞行任务非常重要。
目前,在确定无人机编队飞行路径时,通常采用随机方式确定编队内的无人机下一个预定时间点需要到达的任务点,即随机确定各个无人机编队飞行路径。然而,编队飞行任务中的无人机数量较多,每个无人机的飞行状况不同,若通过上述方式确定各个无人机编队飞行路径,会造成无人机在飞行中发生碰撞、甚至有些无人机需要花较长才能到达随机确定的任务点,造成编队飞行任务延误,从而导致编队飞行任务无法保证顺利完成。
发明内容
有鉴于此,本发明提供一种无人机编队飞行路径确定方法及装置,主要目的在于能够实现编队飞行任务中的无人机根据互不交叉且总路程最短的各条飞行路径进行编队飞行,能够避免无人机在飞行过程中发生碰撞、且能够保证各个无人机飞往下个任务点的总路径最短,从而能够保证编队飞行任务顺利完成。
依据本发明第一方面,提供了一种无人机编队飞行路径确定方法,包括:
获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;
按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径;
将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径。
依据本发明第二方面,提供了一种无人机编队飞行路径确定装置,包括:
获取单元,用于获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;
匹配单元,用于按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径;
确定单元,用于将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径。
依据本发明第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;
按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径;
将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径。
依据本发明第四方面,提供了一种无人机编队飞行路径确定装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;
按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径;
将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径。
本发明提供一种无人机编队飞行路径确定方法及装置,与目前采用随机方式确定编队内的无人机下一个预定时间点需要到达的任务点,即随机确定各个无人机编队飞行路径相比,本发明通过获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;并按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,能够匹配得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径。与此同时,能够将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径,从而能够实现编队飞行任务中的无人机根据互不交叉且总路程最短的各条飞行路径进行编队飞行,能够避免无人机在飞行过程中发生碰撞、且能够保证各个无人机飞往下个任务点的总路径最短,进而能够保证编队飞行任务顺利完成。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种无人机编队飞行路径确定方法流程图;
图2示出了本发明实施例提供的另一种无人机编队飞行路径确定方法流程图;
图3示出了本发明实施例提供的一种无人机编队飞行路径确定装置的结构示意图;
图4示出了本发明实施例提供的另一种无人机编队飞行路径确定装置的结构示意图;
图5示出了本发明实施例提供的一种无人机编队飞行路径确定装置的实体结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如背景技术所述,目前,在确定无人机编队飞行路径时,通常采用随机方式确定编队内的无人机下一个预定时间点需要到达的任务点,即随机确定各个无人机编队飞行路径。然而,编队飞行任务中的无人机数量较多,每个无人机的飞行状况不同,若通过上述方式确定各个无人机编队飞行路径,会造成无人机在飞行中发生碰撞、甚至有些无人机需要花较长才能到达随机确定的任务点,造成编队飞行任务延误,从而导致编队飞行任务无法保证顺利完成。
为了解决上述技术问题,本发明实施例提供了一种无人机编队飞行路径确定方法,如图1所示,所述方法包括:
101、获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点。
其中,所述编队飞行任务可以涉及多个无人机,可以由一定数量的无人机组成编队,按照预设飞行计划飞行,在飞行到航点位置时进行灯光表演、组成特定空中图案等任务。因此,所述编队飞行任务包括所涉及的无人机各个时间点,以及各个时间点所应达到的位置点。所述任务点为无人机在下一时间点需要到达的位置点。
需要说明的是,本发明实施例的执行主体无人机编队飞行路径确定装置可以为服务器,也可以为服务器上的一个功能模块。本发明实施例,通过服务器确定编队飞行任务中各个无人机的编队飞行路径,能够提高编队飞行任务的完成效率和保证编队飞行任务中各个无人机的时间同步性。
102、按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,得到互不交叉且总路程最短的各条飞行路径。
其中,所述各条飞行路径可以为所述各个位置点到与所述各个位置点匹配的任务点的路径。所述预设区域划分匹配规则可以为根据选取的位置点和按照距离远近程度选取的任务点所连接成的直线,对所述各个位置点和所述各个任务点进行区域划分,然后根据划分区域内的位置点和任务点数量,确定所述选取的位置点和选取的任务点是否匹配的规则。本发明实施例是通过迭代使用预设区域划分匹配规则,为各个无人机匹配任务点的,直到所有的无人机匹配到相应的任务点,即在为某一无人机确定匹配的任务点后,再继续从划分区域内选取位置点,按照距离位置点远近程度选取任务点,根据选取的位置点和选取的任务点所连接的直线,对划分区域继续进行区域划分,确定选取的位置点和任务点是否匹配。由于为无人机选取的任务点是根据距离位置点的远近程度确定的,因此能够保证无人机从位置点到达任务点的飞行路径最短,其次,本发明实施例是不断对位置点和任务点进行区域划分,并在一个划分区域内选取位置点,以及确定与所述位置点匹配的任务点的,即区域划分和为位置点匹配任务点是按层进行的,因此能够保证各个无人机从位置点到匹配的任务点的路径互不交叉。
103、将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径。
例如,编队飞行任务涉及10个无人机、10个无人机的所在位置点可以为A1-A10,10个无人机的下次任务的任务点可以为B1-B10,本发明实施例,通过预设区域划分匹配规则为10个无人机的A1-A10和B1-B10,匹配的路径可以为A1-B10、A2-B7、A3-B5、A4-B3、A5-B4、A6-B9、A7-B6、A8-B2、A9-B8、A10-B1的10条两两互不交叉且总路程最短的飞行路径,因此在编队飞行时,无人机1-无人机10在下个时间点,分别飞行任务点B10、B7、B5、B3、B4、B9、B6、B2、B8、B1。与现有技术随机为每架无人机匹配一个任务点,并确定无人机的飞行路径相此,本发明实施例通过预设区域划分匹配规则能够对无人机编队飞行路径优化匹配,使得无人机根据互不交叉且总路程最短的各条飞行路径进行编队飞行,能够避免无人机在飞行过程中发生碰撞、且能够保证各个无人机飞往下个任务点的总路径最短,进而能够保证编队飞行任务顺利完成。
本发明实施例提供一种无人机编队飞行路径确定方法,与目前采用随机方式确定编队内的无人机下一个预定时间点需要到达的任务点,即随机确定各个无人机编队飞行路径相此,本发明实施例通过获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;并按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,能够匹配得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径。与此同时,能够将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径,从而能够实现编队飞行任务中的无人机根据互不交叉且总路程最短的各条飞行路径进行编队飞行,能够避免无人机在飞行过程中发生碰撞、且能够保证各个无人机飞往下个任务点的总路径最短,进而能够保证编队飞行任务顺利完成。
进一步的,为了更好的说明上述无人机编队飞行路径确定的过程,作为对上述实施例的细化和扩展,本发明实施例提供了另一种无人机编队飞行路径确定方法,如图2所示,但不限于此,具体如下所示:
201、获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点。
202、将所述各个位置点和所述各个任务点所对应的区域确定为初始区域。
需要说明的是,本发明实施例支持特殊情况下位置点和任务点的匹配方式,所述方法在步骤202之后还包括:检测所述选择的位置点与所述距离最近的任务点所连成的第一直线上是否存在其他位置点和其他任务点;若存在,则从所述其他任务点中选择距离所述其他位置点的集合最远的任务点;将距离选择的任务点最近的位置点,确定为与所述选择任务点匹配的位置点,并重复选择最远的任务点、确定与所述选择任务点匹配的位置点的步骤,直到完成所述其他位置点和所述其他任务点匹配。
203、从所述初始区域中选择位置点,以及与选择的位置点距离最近的任务点。
例如,编队飞行任务涉及100个无人机、100个无人机的所在位置点为A1-A100,10个无人机的下次任务的任务点为B1-B100,初始区域为A1-A100和B1-B100所对应的整体区域,具体可以随机选取一个位置点,如选取的位置点为A1,遍历B1-B100后,确定Bj为距离A1最近的任务点,则选取的任务点为Bj。
204、根据所述选择的位置点与所述距离最近的任务点所连成的第一直线,对所述初始区域进行区域划分。
205、通过判断各个第一划分区域内的位置点和任务点数量是否相同,确定所述距离最近的任务点是否为与所述选择的位置点匹配的任务点。若是,则执行步骤206a;若否,则执行步骤206b。
其中,所述第一划分区域可以为根据所述选择的位置点与所述距离最近的任务点所连成的第一直线划分得到的区域,所述第一直线对初始区域进行区域划分后,得到2个划分区域,可以称为左划分区域和右划分区域。因此,所述步骤205具体可以为:通过判断左划分区域内的位置点和任务点数量是否相同,且右划分区域内的位置点和任务点数量是否相同,来确定所述距离最近的任务点是否为与所述选择的位置点匹配的任务点。若左划分区域内的位置点和任务点数量相同,且右划分区域内的位置点和任务点数量相同,则确定所述距离最近的任务点为与所述选择的位置点匹配的任务点。否则,所述距离最近的任务点并非所述选择的位置点匹配的任务点,此时可以执行步骤206b。
206a、将所述距离最近的任务点确定为与所述选择的位置点匹配的任务点,并将所述各个第一划分区域分别确定为所述初始区域。
与步骤206a并列的步骤206b、从所述初始区域中与所述选择的位置点距离次近的任务点。
207b、根据所述选择的位置点与所述距离次近的任务点所连成的第二直线,对所述初始区域进行区域划分。
208b、通过判断各个第二划分区域内的位置点和任务点数量是否相同,确定所述距离次近的任务点是否为与所述选择的位置点匹配的任务点。若是,则执行步骤209ba。
其中,所述第二划分区域可以为根据所述选择的位置点与所述距离次近的任务点所连成的第二直线划分得到的区域。需要说明的是,所述步骤208b确定所述距离次近的任务点是否为与所述选择的位置点匹配的任务点的具体过程与所述步骤205的具体过程相同,本发明实施例,在此不进行赘述。若所述距离次近的任务点并非与所述选择的位置点匹配的任务点,本发明实施例会继续选择距离所述位置点次次近的任务点,按照步骤206b-208b同样的规则遍历各个任务点,直到确定到与所述选择的位置点匹配的任务点。
209ba、将所述距离次近的任务点确定为与所述选择的位置点匹配的任务点,并将所述各个第二划分区域分别确定为所述初始区域。
210、重复从所述初始区域选择位置点、确定与选择的位置点匹配的任务点的步骤,直到不存在未匹配任务点的位置点,以得到互不交叉且总路程最短的各条飞行路径。
在本发明实施例,通过不断从初始区域选取位置点和任务点,根据选取的位置点和任务点所连接的直线对初始区域划分,然后根据划分区域内的位置点和任务点数量,确定与所述位置点匹配的任务点,能够实现按层区域划分和为位置点匹配任务点,能够保证各个无人机从位置点到匹配的任务点的路径互不交叉。
例如,根据位置点A1和距离A1最近的任务点Bj所连接的直线,将所有的位置点和任务点的整体区域划分为左划分区域、右划分区域,在左划分区域内的位置点和任务点数量相同、且右划分区域内的位置点和任务点数量相同时,确定Bj为A1的匹配任务点。然后在左划分区域内选取位置点A3、和距离A1最近的任务点Bk,并根据直线A3-Bk将左划分区域划分为左1划分区域和右1划分区域,在左1划分区域内的位置点和任务点数量相同、且右1划分区域内的位置点和任务点数量相同时,确定Bk为A3的匹配任务点,然后再从左1划分区域选取位置点A5、和距离A1最近的任务点Bm...不断重复,同样的,也是按照上述方式从右划分区域、右1划分区域、右11划分区域、右111划分区域选取位置点,并确定与所述位置点匹配的任务点,直到不存在未匹配任务点的位置点,由于在选取位置点和任务点时,是同一个划分区域内进行的,且与其他区域无关,因此选择的位置点到达与选择的位置点匹配的任务点的路径不会与其他路径交叉。
对于本发明实施例,为了减少计算量和匹配量,提升无人机编队飞行路径确定效率,所述步骤210具体可以包括:重复从所述初始区域选择位置点、确定与选择的位置点匹配的任务点的步骤,直到某个划分区域内的位置点数目小于或者等于预设阈值;确定剩余位置点与剩余任务点之间的预设阈值阶乘种匹配方式中总路程最短的匹配方式;将所述总路程最短的匹配方式中所述剩余位置点所对应的剩余任务点,确定为与所述剩余位置点匹配的任务点。
其中,所述剩余位置点和所述剩余任务点分别为未匹配的位置点和任务点。所述预设阈值可以根据硬件处理能力设置,也可以根据默认模式设置,本发明实施不做限定。例如,所述预设阈值可以为8,若所述预设阈值为8,则剩余位置点与剩余任务点之间有8!种匹配方式,剩余位置点有A22、A33、A44、A55、A66、A77、A88、A99,剩余任务点有B10、B7、B5、B3、B4、B9、B6、B2。总路程最短的匹配方式为A22-B10、A33-B7、A44-B5、A55-B3、A66-B4、A77-B9、A88-B6、A99-B2、则与A22、A33、A44、A55、A66、A77、A88、A99匹配的任务点分别为B10、B7、B5、B3、B4、B9、B6、B2。
211、将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径。
对于本发明实施例,为了更好的理解本方案,还提供如下应用场景:编队飞行任务涉及100个无人机、100个无人机的所在位置点为A1-A100,10个无人机的下次任务的任务点为B1-B100,匹配任务点和互不交叉且总路程最短的各条飞行路径的步骤可以包括:
1、选取位置点A1,遍历任务点B1-B100,选取其中与A1距离最近的任务点Bj;
2、A1和Bj连接成一条直线,若直线左边区域内的位置点和任务点数量相同;直线右边区域内的位置点和任务点数量相同,则确定A1和Bj匹配成功,Bj为与位置点A1匹配的任务点;
3、若直线左边区域内的位置点和任务点数量不同,或者直线右边区域内的位置点和任务点数量不同,则选择与A1距离最近的任务点Bk;同样按照步骤2确定A1和Bk是否匹配,若不匹配则继续选择次次近的点进行同样的遍历直到满足匹配成功;
4、若匹配成功,则将左边区域内的位置点和任务点集合、右边区域内的位置点和任务点集合分别按照步骤1-3的方式进行匹配和划分;
5、当匹配至直线某一边区域的位置点数目小于或者等于预设阈值时进行步骤6,否则继续进行匹配和划分,例如预设阈值为6;
6、当位置点数目小于或者等于6时,剩余位置点和剩余任务点之间的匹配方式有6!种匹配方式,计算6!匹配方式中总路程最短的匹配方式;将所述总路程最短的匹配方式中所述剩余位置点所对应的剩余任务点,确定为与所述剩余位置点匹配的任务点,然后确定匹配完成;
7、若A1和Bj连接成一条直线上还存在其他位置点和任务点,则选择出离位置点集合最远的任务点;任务点遍历位置点选择离其最近的位置点完成匹配剩下的位置点和任务点继续找出最远任务点,由该任务点匹配离其最近的位置点;以此类推直到完成所述其他位置点和所述其他任务点匹配。
本发明实施例提供另一种无人机编队飞行路径确定方法,与目前采用随机方式确定编队内的无人机下一个预定时间点需要到达的任务点,即随机确定各个无人机编队飞行路径相比,本发明实施例通过获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;并按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,能够匹配得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径。与此同时,能够将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径,从而能够实现编队飞行任务中的无人机根据互不交叉且总路程最短的各条飞行路径进行编队飞行,能够避免无人机在飞行过程中发生碰撞、且能够保证各个无人机飞往下个任务点的总路径最短,进而能够保证编队飞行任务顺利完成。
进一步地,作为图1的具体实现,本发明实施例提供了一种无人机编队飞行路径确定装置,如图3所示,所述装置包括:获取单元31、匹配单元32和确定单元33。
所述获取单元31,可以用于获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点。所述获取单元31是本装置中获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点的主要功能模块。
所述匹配单元32,可以用于按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径。所述匹配单元32是本装置中按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,得到互不交叉且总路程最短的各条飞行路径的主要功能模块。
所述确定单元33,可以用于将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径。所述确定单元33是本装置中将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径的主要功能模块。
对于本发明实施例,为了匹配得到互不交叉且总路程最短的各条飞行路径,所述匹配单元32包括:确定模块321、选择模块322和区域划分模块323,如图4所示。
所述确定模块321,可以用于将所述各个位置点和所述各个任务点所对应的区域确定为初始区域。
所述选择模块322,可以用于从所述初始区域中选择位置点,以及与选择的位置点距离最近的任务点。
所述区域划分模块323,可以用于根据所述选择的位置点与所述距离最近的任务点所连成的第一直线,对所述初始区域进行区域划分。
所述确定模块321,还可以用于通过判断各个第一划分区域内的位置点和任务点数量是否相同,确定所述距离最近的任务点是否为与所述选择的位置点匹配的任务点。
所述确定模块321,还用于若所述各个第一划分区域内的位置点和任务点数量相同,则将所述距离最近的任务点确定为与所述选择的位置点匹配的任务点;并将所述各个第一划分区域分别确定为所述初始区域,并重复从所述初始区域选择位置点、确定与选择的位置点匹配的任务点的步骤,直到所述各个位置点中不存在未匹配任务点的位置点。
所述选择模块322,还可以用于若所述各个第一划分区域内的位置点和任务点数量不同,则从所述初始区域中与所述选择的位置点距离次近的任务点。
所述区域划分模块323,还可以用于根据所述选择的位置点与所述距离次近的任务点所连成的第二直线,对所述初始区域进行区域划分。
所述确定模块,还用于通过判断各个第二划分区域内的位置点和任务点数量是否相同,确定所述距离次近的任务点是否为与所述选择的位置点匹配的任务点;
所述确定模块321,还可以用于若所述各个第二划分区域内的位置点和任务点数量相同,则将所述距离次近的任务点确定为与所述选择的位置点匹配的任务点,并将所述各个第二划分区域分别确定为所述初始区域,并重复从所述初始区域选择位置点、确定与选择的位置点匹配的任务点的步骤,直到不存在未匹配任务点的位置点。
为了减少计算量和匹配量,提升无人机编队飞行路径确定效率,所述确定模块321,具体可以用于所述将所述各个第一划分区域分别确定为所述初始区域,并重复从所述初始区域选择位置点、确定与选择的位置点匹配的任务点的步骤,直到某个第一划分区域内的位置点数目小于或者等于预设阈值;确定剩余位置点与剩余任务点之间的预设阈值阶乘种匹配方式中总路程最短的匹配方式;将所述总路程最短的匹配方式中所述剩余位置点所对应的剩余任务点,确定为与所述剩余位置点匹配的任务点。
需要说明的是,本发明实施例还支持特殊情况下位置点和任务点的匹配方式,具体地,支持在第一直线上存在多个位置点和多个任务点的匹配方式,所述匹配单元32还可以包括:检测模块324。
所述检测模块324,可以用于检测所述选择的位置点与所述距离最近的任务点所连成的第一直线上是否存在其他位置点和其他任务点。
所述选择模块322,还可以用于若检测所述选择的位置点与所述距离最近的任务点所连成的第一直线上存在其他位置点和其他任务点,则从所述其他任务点中选择距离所述其他位置点的集合最远的任务点。
所述确定模块321,还可以用于将距离选择的任务点最近的位置点,确定为与所述选择任务点匹配的位置点,并重复选择最远的任务点、确定与所述选择任务点匹配的位置点的步骤,直到完成所述其他位置点和所述其他任务点匹配。
需要说明的是,本发明实施例提供的一种无人机编队飞行路径确定装置所涉及各功能模块的其他相应描述,可以参考图1所示方法的对应描述,在此不再赘述。
基于上述如图1所示方法,相应的,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径;将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径。
基于上述如图1所示方法和如图3所示无人机编队飞行路径确定装置的实施例,本发明实施例还提供了一种无人机编队飞行路径确定装置的实体结构图,如图5所示,该装置包括:处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序,其中存储器42和处理器41均设置在总线43上所述处理器41执行所述程序时实现以下步骤:获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径;将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径。该装置还包括:总线43,被配置为耦接处理器41及存储器42。
通过本发明的技术方案,能够获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;并按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,能够匹配得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径。与此同时,能够将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径,从而能够实现编队飞行任务中的无人机根据互不交叉且总路程最短的各条飞行路径进行编队飞行,能够避免无人机在飞行过程中发生碰撞、且能够保证各个无人机飞往下个任务点的总路径最短,进而能够保证编队飞行任务顺利完成。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述方法及装置中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的无人机中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种无人机编队飞行路径确定方法,其特征在于,包括:
获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;
按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径;
将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径。
2.根据权利要求1所述的方法,其特征在于,所述按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,具体包括:
将所述各个位置点和所述各个任务点所对应的区域确定为初始区域;
从所述初始区域中选择位置点,以及与选择的位置点距离最近的任务点;
根据所述选择的位置点与所述距离最近的任务点所连成的第一直线,对所述初始区域进行区域划分;
通过判断各个第一划分区域内的位置点和任务点数量是否相同,确定所述距离最近的任务点是否为与所述选择的位置点匹配的任务点;
若所述各个第一划分区域内的位置点和任务点数量相同,则将所述距离最近的任务点确定为与所述选择的位置点匹配的任务点;
将所述各个第一划分区域分别确定为所述初始区域,并重复从所述初始区域选择位置点、确定与选择的位置点匹配的任务点的步骤,直到所述各个位置点中不存在未匹配任务点的位置点。
3.根据权利要求2所述的方法,其特征在于,所述通过判断各个第一划分区域内的位置点和任务点数量是否相同,确定所述距离最近的任务点是否为与所述选择的位置点匹配的任务点之后,所述方法还包括:
若所述各个第一划分区域内的位置点和任务点数量不同,则从所述初始区域中与所述选择的位置点距离次近的任务点;
根据所述选择的位置点与所述距离次近的任务点所连成的第二直线,对所述初始区域进行区域划分;
通过判断各个第二划分区域内的位置点和任务点数量是否相同,确定所述距离次近的任务点是否为与所述选择的位置点匹配的任务点;
若所述各个第二划分区域内的位置点和任务点数量相同,则将所述距离次近的任务点确定为与所述选择的位置点匹配的任务点;
将所述各个第二划分区域分别确定为所述初始区域,并重复从所述初始区域选择位置点、确定与选择的位置点匹配的任务点的步骤,直到不存在未匹配任务点的位置点。
4.根据权利要求2或3任一项所述的方法,其特征在于,所述将所述各个第一划分区域分别确定为所述初始区域,并重复从所述初始区域选择位置点、确定与选择的位置点匹配的任务点的步骤,直到不存在未匹配任务点的位置点,具体包括:
所述将所述各个第一划分区域分别确定为所述初始区域,并重复从所述初始区域选择位置点、确定与选择的位置点匹配的任务点的步骤,直到某个第一划分区域内的位置点数目小于或者等于预设阈值;
确定剩余位置点与剩余任务点之间的预设阈值阶乘种匹配方式中总路程最短的匹配方式;
将所述总路程最短的匹配方式中所述剩余位置点所对应的剩余任务点,确定为与所述剩余位置点匹配的任务点。
5.根据权利要求2所述的方法,其特征在于,所述从所述初始区域中选择位置点,以及与选择的位置点距离最近的任务点之后,所述方法还包括:
检测所述选择的位置点与所述距离最近的任务点所连成的第一直线上是否存在其他位置点和其他任务点;
若存在,则从所述其他任务点中选择距离所述其他位置点的集合最远的任务点;
将距离选择的任务点最近的位置点,确定为与所述选择任务点匹配的位置点,并重复选择最远的任务点、确定与所述选择任务点匹配的位置点的步骤,直到完成所述其他位置点和所述其他任务点匹配。
6.一种无人机编队飞行路径确定装置,其特征在于,包括:
获取单元,用于获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;
匹配单元,用于按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径;
确定单元,用于将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径。
7.根据权利要求6所述的装置,其特征在于,所述匹配单元包括:
确定模块,用于将所述各个位置点和所述各个任务点所对应的区域确定为初始区域;
选择模块,用于从所述初始区域中选择位置点,以及与选择的位置点距离最近的任务点;
区域划分模块,用于根据所述选择的位置点与所述距离最近的任务点所连成的第一直线,对所述初始区域进行区域划分;
所述确定模块,还用于通过判断各个第一划分区域内的位置点和任务点数量是否相同,确定所述距离最近的任务点是否为与所述选择的位置点匹配的任务点;
所述确定模块,还用于若所述各个第一划分区域内的位置点和任务点数量相同,则将所述距离最近的任务点确定为与所述选择的位置点匹配的任务点;并将所述各个第一划分区域分别确定为所述初始区域,并重复从所述初始区域选择位置点、确定与选择的位置点匹配的任务点的步骤,直到所述各个位置点中不存在未匹配任务点的位置点。
8.根据权利要求6所述的装置,其特征在于,
所述选择模块,还用于若所述各个第一划分区域内的位置点和任务点数量不同,则从所述初始区域中与所述选择的位置点距离次近的任务点;
所述区域划分模块,还用于根据所述选择的位置点与所述距离次近的任务点所连成的第二直线,对所述初始区域进行区域划分;
所述确定模块,还用于通过判断各个第二划分区域内的位置点和任务点数量是否相同,确定所述距离次近的任务点是否为与所述选择的位置点匹配的任务点;
所述确定模块,还用于若所述各个第二划分区域内的位置点和任务点数量相同,则将所述距离次近的任务点确定为与所述选择的位置点匹配的任务点,并将所述各个第二划分区域分别确定为所述初始区域,并重复从所述初始区域选择位置点、确定与选择的位置点匹配的任务点的步骤,直到不存在未匹配任务点的位置点。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现以下步骤:
获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;
按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径;
将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径。
10.一种无人机编队飞行路径确定装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
获取编队飞行任务中各个无人机的各个位置点以及下次任务的各个任务点;
按照预设区域划分匹配规则对所述各个位置点和所述各个任务点进行区域划分和两两匹配,得到互不交叉且总路程最短的各条飞行路径,所述各条飞行路径为所述各个位置点到与所述各个位置点匹配的任务点的路径;
将匹配得到的各条飞行路径对应确定为所述各个无人机的编队飞行路径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810213162.1A CN108871330B (zh) | 2018-03-14 | 2018-03-14 | 无人机编队飞行路径确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810213162.1A CN108871330B (zh) | 2018-03-14 | 2018-03-14 | 无人机编队飞行路径确定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108871330A true CN108871330A (zh) | 2018-11-23 |
| CN108871330B CN108871330B (zh) | 2022-12-13 |
Family
ID=64326083
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810213162.1A Active CN108871330B (zh) | 2018-03-14 | 2018-03-14 | 无人机编队飞行路径确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108871330B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109933089A (zh) * | 2019-03-25 | 2019-06-25 | 北京邮电大学 | 基于最小化最大能量消耗的多无人机任务规划方法及装置 |
| CN110347180A (zh) * | 2019-08-12 | 2019-10-18 | 南京邮电大学 | 计算无人机集群重新编队的最短编队距离的方法 |
| CN111722639A (zh) * | 2019-03-18 | 2020-09-29 | 北京京东尚科信息技术有限公司 | 无人机集群的起飞控制方法、装置、系统和可读介质 |
| CN114355881A (zh) * | 2021-11-26 | 2022-04-15 | 珠海云洲智能科技股份有限公司 | 一种无人船编队的队形变换方法、装置及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050230563A1 (en) * | 2004-02-21 | 2005-10-20 | Corcoran James J Iii | Automatic formation flight control system |
| CN102419598A (zh) * | 2011-12-08 | 2012-04-18 | 南京航空航天大学 | 一种多无人机协同侦察移动目标的方法 |
| US20140025228A1 (en) * | 2012-07-18 | 2014-01-23 | Jung Soon Jang | Mission re-planning for coordinated multivehicle task allocation |
| CN103744290A (zh) * | 2013-12-30 | 2014-04-23 | 合肥工业大学 | 一种多无人机编队分层目标分配方法 |
-
2018
- 2018-03-14 CN CN201810213162.1A patent/CN108871330B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050230563A1 (en) * | 2004-02-21 | 2005-10-20 | Corcoran James J Iii | Automatic formation flight control system |
| CN102419598A (zh) * | 2011-12-08 | 2012-04-18 | 南京航空航天大学 | 一种多无人机协同侦察移动目标的方法 |
| US20140025228A1 (en) * | 2012-07-18 | 2014-01-23 | Jung Soon Jang | Mission re-planning for coordinated multivehicle task allocation |
| CN103744290A (zh) * | 2013-12-30 | 2014-04-23 | 合肥工业大学 | 一种多无人机编队分层目标分配方法 |
Non-Patent Citations (1)
| Title |
|---|
| 赵明: "多无人机系统的协同目标分配和航迹规划方法研究", 《中国博士学位论文全文数据库 工程科技II辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111722639A (zh) * | 2019-03-18 | 2020-09-29 | 北京京东尚科信息技术有限公司 | 无人机集群的起飞控制方法、装置、系统和可读介质 |
| US12085959B2 (en) | 2019-03-18 | 2024-09-10 | Beijing Jingdong Qianshi Technology Co., Ltd. | Unmanned aerial vehicle cluster system, method, apparatus, and system of launching, and readable medium |
| CN109933089A (zh) * | 2019-03-25 | 2019-06-25 | 北京邮电大学 | 基于最小化最大能量消耗的多无人机任务规划方法及装置 |
| CN110347180A (zh) * | 2019-08-12 | 2019-10-18 | 南京邮电大学 | 计算无人机集群重新编队的最短编队距离的方法 |
| CN114355881A (zh) * | 2021-11-26 | 2022-04-15 | 珠海云洲智能科技股份有限公司 | 一种无人船编队的队形变换方法、装置及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108871330B (zh) | 2022-12-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6397608B2 (ja) | 複数ビークルに組織的なタスク割当を行うためのミッション再計画 | |
| CN108871330A (zh) | 无人机编队飞行路径确定方法及装置 | |
| JP2014059860A5 (zh) | ||
| US11063847B2 (en) | Service function chain mapping using multiple parallel microservices instances | |
| Ponda et al. | Decentralized planning for complex missions with dynamic communication constraints | |
| Wei et al. | An operation-time simulation framework for UAV swarm configuration and mission planning | |
| Sahingoz | Flyable path planning for a multi-UAV system with Genetic Algorithms and Bezier curves | |
| KR20210108479A (ko) | 경로 계획을 위한 시스템 및 방법 | |
| Whitbrook et al. | A novel distributed scheduling algorithm for time-critical multi-agent systems | |
| US20180106628A1 (en) | Method, computer program and system for controlling a movement of a moving agent within a networked environment | |
| US20140298216A1 (en) | Visualization of an Object Using a Visual Query System | |
| CN107748499B (zh) | 固定翼无人机多区域探测任务规划的优化方法及装置 | |
| BR102014005861A2 (pt) | Condição de sistema de visualização de montagem | |
| CN111346326B (zh) | 机器人协同处理方法、系统、电子设备及可读介质 | |
| US10296862B1 (en) | Time interval assessment of mission plan quality dynamic asset allocation | |
| CN109085841A (zh) | 一种控制机器人进行清扫的方法及装置 | |
| US10635982B2 (en) | Optimizing spatiotemporal computational problems | |
| CN109827584A (zh) | 路径规划方法、装置、电子设备与存储介质 | |
| CN106570026B (zh) | 气泡图的创建方法及装置 | |
| CN109389469A (zh) | 基于区块链的登机牌交易方法以及装置 | |
| Papaioannou et al. | Jointly-optimized Trajectory Generation and Camera Control for 3D Coverage Planning | |
| Murray et al. | A branch‐and‐bound‐based solution approach for dynamic rerouting of airborne platforms | |
| Sastre et al. | Collision-free swarm take-off based on trajectory analysis and UAV grouping | |
| Rababaah | Image-based extension to ant colony algorithm for path finding in gird-based environments | |
| Sirigineedi et al. | Modelling and verification of multiple uav mission using smv |
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 |