买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜江苏科技大学申请的专利一种基于变概率约束采样的机器人路径规划方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115741686B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211421645.3，技术领域涉及：B25J9/16；该发明授权一种基于变概率约束采样的机器人路径规划方法是由王卫东;岳亮设计研发完成，并于2022-11-14向国家知识产权局提交的专利申请。

本一种基于变概率约束采样的机器人路径规划方法在说明书摘要公布了：本发明属于机器人路径选择技术领域，具体地说，是一种基于变概率约束采样的机器人路径规划方法，首先，通过将目标偏置机制引入采样过程，减少首条路径形成时间，从而快速生成椭球采样集，其作用可以减少搜索路径数；采用可变步长策略，减少机器人难以搜索到路径的概率；对所生成的近优路径进行回溯处理，弱化较为生硬的路径线条。藉此确保算法可以有效的提升搜索效率、减少搜索时间，并保证搜索到的路径是近优路径。

本发明授权一种基于变概率约束采样的机器人路径规划方法在权利要求书中公布了：1.一种基于变概率约束采样的机器人路径规划方法，其特征在于，包括以下步骤：步骤1、生成地图及障碍物信息，给定机器人的起始位置Qs和目标位置Qg；步骤2、将Qs、Qg分别作为两棵树的初始起点，相向扩展随机树，根据随机生成的概率p来控制采样方向；步骤3、当p大于设定的可变值ε时，将采样节点从一单位的n维超球面转变成n维椭圆子集xellipse-μXellipse，从而在椭圆子集内完成采样；步骤4、在树中选取最近邻点Qnest，根据最近邻点Qnest以及障碍物的位置判断得到动态步长L，从而生成新节点；步骤5、判断最近邻点Qnest与新节点Qnew之间的路径有无障碍物；步骤6、随机树生成新节点后，判断两树的最新节点是否小于阈值，若满足条件则路径已被找到，进行回溯处理；在所述步骤2中，设置一个范围在0-100之间的随机概率p以及可变值ε，若p小于ε，则以目标点为采样点，否则进行椭圆约束采样，若周围判定有障碍物，则改变ε的值，使得采样方式更倾向于椭圆约束采样；在所述步骤3中，起点Qs和终点Qg分别为椭圆的两个焦点，椭圆的共轭直径为di，其中di被定义为： 偏心率由cmincbest计算得到，在双向搜索树条件下，机器人从Qs到Qg的路径成本看作由两段组成，即从Qs到x的成本，以及从x到Qg的成本，使用欧几里得距离得到两个焦点的距离cmin.椭圆的横向直径为cbest，它代表当前所记录的最优路径，因此椭圆采样集这样定义： 使用欧几里得距离得到两个焦点的距离cmin，椭圆的横向直径为cbest，它代表当前所记录的最优路径，椭圆约束采样通过将均匀分布的样本从一单位的n维超球面转变成n维椭圆子集xellipse-μXellipse，从而在椭圆子集内完成均匀分布采样，即xellipse＝Lxball+xcenter，xcenter＝xf1+xf22，xball＝{x∈X|‖x‖2≤1}，其中xcenter为椭圆的中心，xf1，xf2分别为椭圆的两个焦点，xball为随机采样点；之后通过椭圆矩阵S的Cholesky分解来计算变换，S∈Rn×n，有LLT＝Sx-xcenterTSx-xcentet＝I，S的特征值为椭圆半径的平方{ri2}，ri的值为r1＝cbest2， 采样点子集的变化可通过横截半径和长轴得到，其中diag{.}为对角矩阵，其中长轴的对角线矩阵和分解运算分别为 在取得采样集之后，使用旋转矩阵Cθ来计算，从而求得采样集并返回： 在所述步骤4中，在树中选取最近邻点Qnest，根据最近邻点Qnest以及障碍物的位置判断得到动态步长L，从而生成新节点，其中包括确定动态步长L和生成新节点两个流程；在所述步骤4中，在确定动态步长L的流程中：对于树一，在随机寻找一个采样点Qr1后，搜索距Qr1最近的点Qnest1，接着以步长L向点Qr1扩展，其运算为 对于树二，在新节点Qnew1生成后，搜索得到Qnew1距离树二最近的点Qnest2，然后以步长L向点Qnew1扩展，其运算为 运算表达式中的步长L为动态步长，设计如下：当两树之间的距离Dtree小于预设值s1时，使用小步长Ls来扩展，当Dtree大于预设值s1时，则表示两树之间距离较远，由机器人与障碍物环境决定步长，如果机器人与障碍物之间的距离Dobs大于预设值s2时，认为机器人附近无杂物，采用大步长Lm，反之，当Dobs小于预设值s2时，认为机器人周围环境复杂，采用小步长Ls，其表达式为 在所述步骤4中，生成新节点的具体流程为：设定Qs、Qg分别为路径的起点和终点，Qr为空间中的随机采样点，Qnest为与Qr距离最近的节点，Qnew为在Qnest到Qr的延长线上延伸一个步长之后得到的点，函数首先在地图中随机寻找一个采样点Qr，其次寻找距离采样点Qr最近的点Qnest，且该点为树中已存在的节点，判断最近邻点Qnest到采样点Qr的距离是否小于算法所设步长，如果小于就将Qr设为新节点Qnew，如果超出步长大小，则将在最近邻点Qnest路径的基础上向采样点Qr延伸一个步长后所得到的点设为新节点Qnew，此时有邻近节点Qnear、潜在父节点Qpotential-parent以及真父节点Qparent，以新节点Qnew为圆心一定半径作圆，该圆内所有的点构成一个新的集合，接着遍历构成的集合，找到所有邻近节点Qnear并逐一将其作为潜在父节点Qpotential-parent与新节点Qnew连接，同时计算起点Qs、潜在父节点、新节点的路径长度并与原路径长度进行比较，从而筛选出最优的潜在父节点Qpotential-parent，并将其设为新的父节点Qparent，最后判断新节点Qnew与最近邻点Qnest之间的连线是否与障碍物碰撞，若判断为否，则此时将新路径添加进树并且删除原始的连接路径；在所述步骤5中，将近邻点Qnest与新节点Qnew分别设为待检测路段的两个端点，T为障碍物的圆心，o为障碍物到待检测路段的垂直点，则有： 再根据机器人的模型大小，即可判断机器人在行进过程中是否有碰撞。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏科技大学，其通讯地址为：212008 江苏省镇江市梦溪路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。