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！

龙图腾网恭喜南京师范大学申请的专利一种基于稀疏化可视图的机器人快速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：CN115220448B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202210831716.0，技术领域涉及：G05D1/43；该发明授权一种基于稀疏化可视图的机器人快速路径规划方法是由谢非;李群召;杨继全;张培彪;郑鹏飞;单飞宇;刘畅;戴亮;王可设计研发完成，并于2022-07-15向国家知识产权局提交的专利申请。

本一种基于稀疏化可视图的机器人快速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稀疏化可视图的机器人快速路径规划方法，其特征在于，包括：针对激光雷达采集得到的点云信息，通过PCL点云库进行点云降采样得到稀疏点云；将得到的稀疏点云使用空洞网格结构进行存储，并且将稀疏点云平面投影得到二值图像，进行图像模糊得到模糊图像；将模糊图像进行轮廓点的提取，得到障碍物的轮廓特征点，并将障碍物的轮廓特征点进行过滤；通过过滤后的障碍物的轮廓特征点构建可视图；使用双向BFS搜索寻找最优路径，并且在路径规划的过程中，剔除障碍物。本发明算法运行速度快，具有良好的实时性；缩短了构建地图和路径规划所需要的时间，同时减少了机器人在未知环境中探索造成的空间浪费，具有抗复杂环境干扰性强等优点。

本发明授权一种基于稀疏化可视图的机器人快速路径规划方法在权利要求书中公布了：1.一种基于稀疏化可视图的机器人快速路径规划方法，其特征在于，包括如下步骤：S1：针对激光雷达采集得到的点云信息S，通过PCL点云库进行点云降采样得到稀疏点云S′；S2：将得到的过滤后的稀疏点云S′使用空洞网格结构Gridlocal进行存储，并且将稀疏点云S′平面投影得到二值图像Imageorigin，并将二值图像Imageorigin进行图像模糊得到模糊图像Imageblur；S3：将模糊图像Imageblur进行轮廓点的提取，得到障碍物的轮廓特征点其中Z+为全体正整数，并将障碍物的轮廓特征点进行过滤；S4：通过过滤后的障碍物的轮廓特征点构建可视图S5：在可视图上使用双向BFS搜索寻找最优路径，双向BFS搜索开辟两条搜索方向，分别为从机器人节点往终点路径节点方向，以及终点节点方向往机器人节点路径方向，并且在路径规划的过程中，基于构建的可视图进行动态障碍物检测，在最终维护的可视图中将检测到的障碍物剔除，最终获取到机器人规划路径；所述步骤S3中障碍物的轮廓特征点的过滤方法为：对于第k个障碍物轮廓中，有n个顶点，记为若n大于阈值η，则该障碍物的顶点需要进行过滤，对于第i个顶点，计算与第i+1个顶点两者的欧式距离，其公式如下所示： 根据每个相邻顶点的距离dist求出第k个障碍物轮廓中最长的边距离distmax，其公式如下所示：distmax＝maxdisti,i+1|0i＜n对第k个障碍物轮廓中的每个顶点，对于第i个顶点，计算i前后连续两个顶点i-1和i+1的距离disti-1，i和disti，i+1，若disti-1，i和disti,i+1都小于0.1×distmax，则将该顶点i抹去，删除与顶点i相连接的边edgei-1，i和edgei,i+1；若所有的disti-1，i和disti+1,i都大于等于0.1×distmax，则完成障碍物的轮廓特征点的过滤；所述步骤S4中可视图的构建方法为：A1：将障碍物轮廓点作为可视图中的顶点，同一个障碍物的相邻顶点之间构成可视图中障碍物的边；A2：可视图由局部地图和全局地图两部分组成，经过步骤A1后，障碍物轮廓点在局部地图中被记录为A3：通过合并至全局地图形成对于局部地图中的第k个障碍物轮廓顶点，通过欧式距离与中的第u个顶点进行关联，完成一次可视图的更新；所述步骤S2中通过稀疏点云信息S′中的反射率将点云划分为障碍物点云S′obs和非障碍物点云S′free；所述步骤S5中在最终维护的可视图中将检测到的障碍物剔除的过程为：B1：初始化一个大小为激光雷达探测半径R×R的网格Gridvoxel；B2：将当前帧的S′obs和下一帧稀疏点云S′进行欧式距离匹配，将未匹配成功的S′obs点标记为S′obsRAY，将该S′obsRAY进行膨胀操作，用于形成包裹动态障碍物的点云，膨胀后的点云标记为S′obsINFLATE；B3：在全局地图里消除S′obsINFLATE所对应的障碍物轮廓点。

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南京师范大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路1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”。