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！

龙图腾网恭喜浙江大学申请的专利一种基于脉冲神经网络的自主建图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：CN115202357B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202210877751.6，技术领域涉及：G05D1/43；该发明授权一种基于脉冲神经网络的自主建图方法是由滕燕斌;章国锋;鲍虎军;田超然;潘薇鸿设计研发完成，并于2022-07-25向国家知识产权局提交的专利申请。

本一种基于脉冲神经网络的自主建图方法在说明书摘要公布了：本发明提出了一种基于脉冲神经网络SNN的自主建图方法，属于机器人导航与建图领域。针对未知环境探索问题，本发明训练并使用了SNN模型作为小车控制器以实现机器人小车自主避障与局部导航。本发明使用RRT生成树探索边界点，并基于该生成树，使用Dijkstra算法生成一系列从起点至终点的分段目标点，以适配SNN控制器的局部导航。本发明兼顾了快速性与平滑性，同时也很好地融合了激光数据、地图数据、小车位姿数据。通过与传统方法比较，本发明表现出了更好的建图效率与探索能力。

本发明授权一种基于脉冲神经网络的自主建图方法在权利要求书中公布了：1.一种基于脉冲神经网络的自主建图方法，其特征在于，所述方法采用基于SNN模型的控制器控制小车实现移动，在小车移动过程中使用gmapping算法对周围环境进行建图并更新在原有地图上；小车移动到当前目标点后，重新探索寻找已知地图的边界点并基于当前小车位置选择合适的边界点作为下一目标点进行路径规划并移动；所述方法具体包括以下步骤：步骤1：首先定义两个集合：第一个集合V存放点，这些点是RRT生长树上的节点，分布在已探索区域地图上；第二个集合E存放边，这些边连接V中的节点；V和E组成图G；在已探索区域地图上找到一个合适的点xnew，判断该点是否为边界点，若是则将该点加入初始边界点集合Finit中，同时对初始边界点集合Finit中的点进行筛选，筛选后的点作为候选边界点，加入候选边界点集合F；若点xnew不是边界点，则筛选合适的点加入图G中；步骤2：获取筛选之后的候选边界点集合F，从中选择一个最值得探索的点xgoal，将该点作为目标；根据小车当前位置xrobot_pose和目标点xgoal，在V中分别找到距离xrobot_pose和xgoal最近的两个点xV_nearest_robot_pose和xV_nearest_goal；基于图G、xV_nearest_robot_pose和xV_nearest_goal，使用Dijkstra算法得到一条合适的路径P，并对这条路径进行分段，得到一系列分段目标点的集合Psplit_path＝{xsub_goal_i,i＝1,2,...,n}，n为分段目标点的数量；步骤3：获得Psplit_path之后，使用基于SNN模型的控制器控制小车依次向Psplit_path中的各个分段目标点移动；在向每一个分段目标点移动的开始阶段，将小车的方向旋转至分段目标点，再调用基于SNN模型的控制器去控制小车移动；若在移动过程中最终的目标点xgoal发生了变化，则终止步骤3，并返回步骤2重新规划路线向新的xgoal移动；步骤4：在小车移动的过程中使用gmapping算法对小车进行定位并对周围环境进行建图；步骤1中所述的在已探索区域地图上找到一个合适的点xnew，具体为：在已探索区域地图上随机取一个点xrand，并于图G中找到一个点xnearest，使得xnearest距离xrand最近；然后在xnearest和xrand的连线上寻找一个点xnew，使得xnew距离xrand最小，同时||xnew-xnearest||≤η，且xnew与xnearest的连线上不存在障碍物，其中η是RRT生长树的生长率，η越大，树的生长速度越快但同时探索地也更加粗糙；反之，η越小，树的生长率越同时探索地也更加精细；步骤1中判断点xnew是否为边界点时：若点xnew刚好处于未知区域上；或者点xnew处于已知区域上且距离未知区域小于设定值；则判定点xnew为边界点；步骤1中所述的对初始边界点集合Finit中的点进行筛选，具体为：过滤掉初始边界点集合Finit中不合适的点，过滤方式如下：1若某片区域内的初始边界点过于密集；则将这些点进行聚类，选择他们的质心作为新的点；2在小车移动过程中，已探索区域地图发生更新后，若某初始边界点距离障碍物过近或处于障碍物上，移除该点；3在小车移动过程中，已探索区域地图发生更新后，若某初始边界点周围的已知区域过多，判定该点不值得探索，移除该点；步骤1中所述的筛选合适的点加入图G具体为：对于没加入初始边界点集合Finit的点，若该点处于已知区域，且与障碍物和未知区域都大于一个阈值σ，则将该点加入至图G中；步骤2中所述的选择一个最值得探索的点xgoal，包括如下步骤：步骤2.1：首先定义三个变量值：导航成本N、信息收益I、边界点收益R，边界点收益R根据导航成本N和信息收益I得到，选择R值最大的边界点作为xgoal；步骤2.2：导航成本N表示所期望的从起点到边界点所需要的路程，将起点与终点的直线距离L作为导航成本N的值；同时，若起点与终点之间存在障碍物，会使导航成本N增加，每存在一个障碍物，就会给导航成本N增加ε倍的L；步骤2.3：信息收益I表示边界点周围未知区域的单元的面积；对于信息收益I的计算，先定义一个半径r，计算以该边界点为中心，r为半径的圆内未知区域单元格数量作为信息收益I的值；步骤2.4：边界点收益R，表示该边界点探索的价值，R越大，价值越高，计算公式如下：Rxfp＝λhxfp,xrIxfp-Nxfp, 其中xfp表示当前边界点；xr表示当前机器人位置；λ表示权重，使得信息收益I相比于导航成本N占据更大的权重；hxfp,xr是一个磁滞收益，如果机器人不在信息收益I所定义的圆内，即||xr-xfp||hrad，其中hrad为圆的半径，则赋值1，否则赋值hgain，hgain的作用在于小车会更偏向于探索临近的边界点；其中hgain必须大于1，使得机器人会更偏向于探索周围的边界点；函数Ixfp和函数Nxfp分别为计算导航成本N和信息收益I的函数。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。