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！

龙图腾网获悉东南大学申请的专利一种适应纹理退化环境的语义感知RRT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：CN116578115B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202310553289.9，技术领域涉及：G05D1/46；该发明授权一种适应纹理退化环境的语义感知RRT路径规划方法是由徐启敏;廖龙杰;李旭设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本一种适应纹理退化环境的语义感知RRT路径规划方法在说明书摘要公布了：本发明公开了一种适应纹理退化环境的语义感知快速拓展随机树RRT路径规划方法，该方法首先获取视觉导航的RGB图像和深度图像；接着对输入的RGB图像进行语义分割，并采用模糊评价方法为不同的语义类赋予不同权重值，将语义掩码图像与深度图像建立的占据栅格地图结合，从而生成规划所需的信息地图；随后在信息地图上进行启发式采样，选取信息增益较大的节点作为树结构中的节点，并对其进行连接和拓展。该方法利用语义信息引导无人机往特征丰富场景飞行，能够解决在使用RRT方法做路径搜索时，无人机飞往环境纹理退化的区域，而出现视觉定位漂移的问题。使用本发明提出的方法能够使无人机更加安全且高效的到达预定的目标点。

本发明授权一种适应纹理退化环境的语义感知RRT路径规划方法在权利要求书中公布了：1.一种适应纹理退化环境的语义感知RRT路径规划方法，其特征在于，利用RGB图像以及深度图，建立路径规划所需的信息地图，并通过一种启发式采样的方法选取采样点并进行连接和扩展，与此同时设计了基于重布线机制的方法使规划的路径，包含更多信息量，并且路径的距离更短，以达到无人机在保证定位正常的情况下，所飞行的路径最短；具体步骤包括： 步骤一：输入RGB图像和深度图像，建立信息地图 在非空旷环境通过双目相机，以15Hz的频率，获取分辨率为1024×768的RGB图像和深度图像；深度图像用来构建无人机的局部环境3维占据栅格地图，用于无人机的局部避障；RGB图像通过语义分割得到语义掩码图像，并使用模糊评价法对场景中的每个语义类进行评价打分，为其赋予不同权重值，目的是引导无人机飞往环境纹理信息丰富的区域；语义类来自于Cityscapes类的标量类标签，即{建筑，道路，天空，车辆，人类，自然}；利用光流法并结合语义图像，产生一个无人机可视范围内环境的2维俯视投影图，投影图中每个栅格都包含语义信息；具体包括以下子步骤： 子步骤1：确定不同语义类的权重 建立因素集，其中元素代表影响视觉定位的第个因素，i={1,2,…,m}，建立综合评价的评价集，其中元素代表第种评价结果，j={1,2,…,n}； 进行单因素模糊评价，获得模糊综合评价矩阵；第个元素单因素评价的结果用模糊集合表示为：，以个单因素评价集为行组成矩阵，称为模糊综合评价矩阵；采用熵权法确定各因素权重，各因素的权重集合的模糊集用表示： ； 建立综合评价模型；确定单因素评判矩阵和因素权向量之后，通过模糊变化将上的模糊向量变为上的模糊向量，即 ； 式中称为综合评价合成算子，此处取成矩阵乘法运算； 综合评价模型确定后，确定系统得分，即其中为系统总得分，为中相应因素的分级； 子步骤2：建立信息地图 在无人机的可视范围内，利用无人机的位置，将瞬时俯视图融合到以无人机为中心的滑动窗口语义图中；此图将作为一个全局地图，用来引导与无人机飞往视觉特征丰富的区域；信息地图的定义如下： ； 式中，为信息地图中栅格的总数；每个栅格的中心位置，语义类标签由描述符向量描述；即； 步骤二：利用信息地图，为无人机自主规划路线 为使无人机在实际自主导航的过程中，避免飞往环境纹理退化的区域，通过在信息地图上采用改进的RRT方法进行路径规划；相比于传统的基于采样的路径规划方法，提出了利用语义信息来引导树的扩展，方法的具体的步骤如下所示： 子步骤1：启发式采样 提出了一种启发式采样方法来获取新的采样点，其具体步骤如下： 1通过函数在工作空间下均匀产生个随机采样点，即；采样点的个数对方法的效率有着重要的影响；如果采样点个数太大，会在搜寻最佳采样点上花费太多时间；如果采样点个数太小，则所选取的采样点可能并不是最优的； 2利用信息地图来获取每个采样点的信息增益；引入一个三角形网格图，其大小取决于相机的视角范围，对这个三角形进行均匀的划分，只有在每个小网格中，所包含的信息大于阈值时，阈值为保证无人机能够正常进行视觉定位的最小信息值，该网格才会被纳入计算中；每个采样点的信息增益定义如下： ； 式中，表示在2维投影地图上的坐标，表示经过均匀划分后的小三角形网格的中心点坐标；参与计算的三角形网格是所有网格中包含信息最多的，并且优先考虑与无人机距离更近的网格，其定义如下： ； 式中表示网格中心与无人机之间的距离，函数表示对网格的信息分数进行归一化处理，其定义如下所示： ； 式中，代表不同语义类的得分，表示相同语义类的栅格数量，在统计未完全沾满一个栅格的语义类时，定义只要这个语义类的占用面积大于整个栅格的一半，就将它算作1，否则为0；函数通过深度信息定义，其定义如下： ； 启发式采样点，在这些随机采样点中将最具有启发性的采样点添加到树结构中； 子步骤2：最近邻点 利用函数获取在树中距离最近的点，；式中代表无碰撞节点的集合，代表无碰撞节点连接的边的集合； 子步骤3：引导节点 通过函数获取一个新的节点；在朝移动的方向上以一个固定的步长来获取； 子步骤4：重布线机制 为了使生成的路径信息量更大、路径长度更短，提出了一个修改生成路径的重布线机制；对于一条由点构成的初始路径，其获得的总的信息增益计算如下所示： ； 通过提出的采样策略将会得到的一个新的采样点，节点通过函数获取，检查周围的点，将一定范围内树中的点作为的邻居节点集合；对于邻居节点，连接它和起点的路径由节点和边构成；定义邻居节点的可用性： ； 式中，函数表示每条边的长度； 如果，意味着存在一条更优的路径，它不仅能够获得更多的信息增益并且还有着更短的路径；此时，将节点的父节点更换为，一个重布线过程到此结束；每当一个新的节点产生，重布线过程就会启动；提出的重布线机制能将路径修改为信息量更大，路径成本更低的路径，这能够提升方法的效率； 子步骤5：重复子步骤1~4，直到启发式采样点的数量达到一个预先设定的值； 子步骤6：滚动优化 对树结构进行剪枝，保留一条包含信息丰富并且距离目标近的路径，其定义如下： ； 式中的是优先考虑信息增益的加权因子，函数表示一条路径接近目的地的程度，其定义如下： ； 式中，表示轨迹末端的节点与目标点之间的距离，表示无人机当前的位置与目标点之间的距离，表示目标点附近具有强吸引力的区域，表示对当前距离的依赖程度。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼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”。

以上内容由龙图腾AI智能生成。