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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于改进RRT算法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：CN119245645B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202411228898.8，技术领域涉及：G01C21/20；该发明授权一种基于改进RRT算法的机器人路径规划方法是由陈亦浩;孟庆华;陈凯;滕珂毅;肖前湖设计研发完成，并于2024-09-03向国家知识产权局提交的专利申请。

本一种基于改进RRT算法的机器人路径规划方法在说明书摘要公布了：本发明公开了一种基于改进RRT算法的机器人路径规划方法，该路径规划方法通过最大采样半径和上一时刻的新增节点来限制采样区域，使获取的采样点能够较大概率地偏向目标点；同时，本发明通过对采样点的限制，既能够在障碍物较少的情况下最大程度地靠近目标点，又能够在障碍物较多的情况下较小程度地靠近目标点，减少了在获取随机树新增节点时采样点的采样次数，提高了路径生成的效率。此外，本发明在路径生成后去除路径中的冗余节点并对路径中的节点进行修枝操作，实现了路径节点的优化，减少了生成的路径的转角个数，提高了路径规划性能，相比于RRTstar和Astar算法，本发明能有效缩短路径长度，并提高搜索效率。

本发明授权一种基于改进RRT算法的机器人路径规划方法在权利要求书中公布了：1.一种基于改进RRT算法的机器人路径规划方法，其特征在于：包括以下步骤： 步骤一、获取机器人周围的环境信息并构建坐标系；环境信息包括初始点Qstart、障碍物和目标点Qgoal的位置信息；将初始点Qstart作为随机树的根节点加入随机树； 步骤二、在构建的坐标系中获取采样点Qsample；采样点Qsample的方位角φ和采样半径rlimit的表达式为： ； 其中，a1为目标导向系数，a1kmax-kmin；θinitial为初始点Qstart和目标点Qgoal的连线与x轴形成的夹角；k为期望是零的随机数，k∈[kmin，kmax]；kmin和kmax分别为预设的随机数k的最小值和最大值；a2为弧度全局系数；a3为扩展系数；rmax为最大采样半径；a4为步长全局系数；rnew为上一个新增节点与初始点Qstart的欧氏距离；a5为与采样碰撞系数col相关的步长随机系数，a5=rand-col；rand为预设范围的随机数；col为采样碰撞系数；Q为随机树上的节点；esp为最大生长步长，其表达式为： ； 其中，s为预设的最小生长步长；xstep为步长系数； 若随机树上只有根节点，则以根节点作为上一个新增节点；根据采样点Qsample获取随机点Qrand； 步骤三、遍历随机树上的所有节点，计算各节点与随机点Qrand的欧氏距离，获取距离随机点Qrand最近的节点作为特征节点Qnear；根据随机点Qrand和特征节点Qnear获取新增节点Qnew； 步骤四、若新增节点Qnew与特征节点Qnear的连线碰撞障碍物，则重复步骤二和三，直至获取的新增节点Qnew与特征节点Qnear的连线没有障碍物，并将获取的新增节点Qnew加入随机树中；根据碰撞次数num更新步长系数xstep和采样碰撞系数col； 所述的步骤四中，步长系数xstep的更新方法为：在原有步长系数xstep的基础上加上微小步长Δxstep，微小步长Δxstep随碰撞次数num的增加而减小；采样碰撞系数col的更新方法为：在原有采样碰撞系数col的基础上加上微小系数Δcol，微小系数Δcol的初值为0，在连续两次碰撞后，每增加一次碰撞次数，微小系数Δcol增加固定值，直至微小系数Δcol达到预设的最大值； 步骤五、更新新增节点Qnew的父节点Qparent； 步骤六、遍历随机树上已存在节点，计算各节点与目标点Qgoal之间的欧氏距离；若存在节点与目标点Qgoal之间的欧氏距离小于最小生长步长s，则以该节点作为目标点Qgoal的父节点，并获取初始点Qstart移动至目标点Qgoal的路径，结束迭代过程；反之，则重复步骤二至五，继续对随机树进行扩展。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。