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！

龙图腾网恭喜山东大学申请的专利基于深度学习的机器人自主探索方法及系统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：CN114740866B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202210504426.5，技术领域涉及：G05D1/43；该发明授权基于深度学习的机器人自主探索方法及系统是由王超群;王银川;赵昊宁;荣学文;宋锐设计研发完成，并于2022-05-10向国家知识产权局提交的专利申请。

本基于深度学习的机器人自主探索方法及系统在说明书摘要公布了：本公开公开的基于深度学习的机器人自主探索方法及系统，包括：获取机器人坐标点和构建的当前室内场景图；通过深度学习网络确定当前室内场景图的边界；选择距离机器人坐标点最近的边界中心为候选点；通过快速生长随机树算法在机器人坐标点与候选点之间生成树状路径；选取树状路径上的倒数第二个节点为目标点；根据机器人坐标点与目标点生成全局路径；以设定速度驱动机器人沿全局路径移动，获取新的激光点云数据；通过新的激光点云数据对当前室内场景图进行更新，完成室内场景建图。实现高精度的室内场景建图。

本发明授权基于深度学习的机器人自主探索方法及系统在权利要求书中公布了：1.基于深度学习的机器人自主探索方法，其特征在于，包括：获取机器人坐标点和构建的当前室内场景图；采用Cartographer-SLAM建图算法构建室内场景图；通过深度学习网络确定当前室内场景图的边界，具体的，根据边缘检测原理，通过U-net分割网络快速提取地图中已知区域与未知区域的边界；所述U-net分割网络包括池化层、卷积层和全连接层，地图数据流在池化层、卷积层和全连接层中流转，确定地图的边界；选择距离机器人坐标点最近的边界中心为候选点；通过快速生长随机树算法在机器人坐标点与候选点之间生成树状路径，具体为：在当前室内场景图中随机选取一点为采样点；选取距离采样点最近的节点为生长节点；由生长节点向着采样点的方向生成一个新节点；将符合条件的新节点加入树中，生成树状路径；选取树状路径上的倒数第二个节点为目标点；根据机器人坐标点与目标点生成全局路径；以设定速度驱动机器人沿全局路径移动，获取新的激光点云数据；通过新的激光点云数据对当前室内场景图进行更新，最终实现高精度的室内场景建图；构建的当前室内场景图为二维占据栅格地图，根据栅格值将地图栅格单元划分为：空闲单元、未知单元和占据单元，当一个单元为已知单元，且该单元的八个邻近单元中至少有一个未知单元时，该单元为边界单元，所有的边界单元组成边界；机器人设定速度的选取过程为：获取机器人的运动速度区间；在运动速度区间内采样多组速度；计算每组速度下的机器人运动轨迹；通过评价函数从机器人运动轨迹中选取最优运动轨迹；该最优运动轨迹所对应的速度为驱动机器人运动的设定速度；将机器人运动简化为直线运动，构建机器人的运动模型；根据机器人的运动模型计算每组速度下的机器人运动轨迹；计算机器人运动轨迹的过程为：假设机器人在一个平面内运动，且机器人不是全向移动的，则相邻时刻内，机器人的运动可简化为一个直线运动，其中，机器人经过一段时间后的坐标和偏航角的运动模型为： 其中，，，分别为机器人运动一段时间后的位置坐标和偏航角，，，θ分别为机器人当前的位置坐标和偏航角，，分别为机器人当前的线速度和角速度，为运动时间间隔，为机器人运动前后位置向量与轴正半轴的夹角；通过速度采样获得一组速度及其对应的预测的运动轨迹后，采用以下评价函数对多条运动轨迹进行评价： 其中，为权重系数，为机器人在一段时间内的偏航角变化量，为机器人与最近障碍物的距离，v为机器人当前的速度；通过评价函数筛选出一条使Gv,w最大的路径，为最优运动路径，并选取对应的速度驱动机器人，完成局部路径规划。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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”。