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！

龙图腾网获悉湖南大学申请的专利一种基于多目标高斯混合回归的路径平滑优化方法与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：CN120740605B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202511195702.4，技术领域涉及：G01C21/20；该发明授权一种基于多目标高斯混合回归的路径平滑优化方法与系统是由张辉;彭振宇;陈波;李康;徐辉;樊叶心;牛通之;王耀南设计研发完成，并于2025-08-26向国家知识产权局提交的专利申请。

本一种基于多目标高斯混合回归的路径平滑优化方法与系统在说明书摘要公布了：一种基于多目标高斯混合回归的路径平滑优化方法与系统，路径平滑优化方法包括：采集运动环境信息，生成无碰撞初始路径；为每个路径点分配标签，利用参数化处理后的无碰撞初始路径以及标签对多目标高斯混合模型进行训练；将参数化处理的无碰撞初始路径输入到训练后的多目标高斯混合模型中，采用多目标高斯混合回归法生成平滑路径；引入障碍物排斥力场，对每个路径点的位置进行更新；引入路径附着控制机制，加权融合原始路径和更新后的平滑路径；引入全局一致性优化机制，调整平滑路径的主方向向量，得到最终优化后的平滑路径。本发明通过多目标高斯混合回归法提高了RRT路径的平滑度，同时具备有效的避障能力和结构特征保留能力。

本发明授权一种基于多目标高斯混合回归的路径平滑优化方法与系统在权利要求书中公布了：1.一种基于多目标高斯混合回归的路径平滑优化方法，其特征在于，包括如下步骤： S1、采集机器人运动环境信息，建立包含障碍物和环境约束条件的环境模型，在环境模型中使用快速探索随机树法RRT生成无碰撞初始路径； S2、将无碰撞初始路径参数化处理，并为无碰撞初始路径中的每个路径点分配标签，利用参数化处理后的无碰撞初始路径以及对应的标签对构建的多目标高斯混合模型进行训练，得到训练后的多目标高斯混合模型； S3、将参数化处理的无碰撞初始路径输入到训练后的多目标高斯混合模型中，采用基于多目标高斯混合回归法生成平滑路径； S4、在平滑路径中引入障碍物排斥力场，并计算平滑路径内每个路径点受到的障碍物排斥力，并结合障碍物排斥力对每个路径点的位置进行更新，得到平滑路径的多个预测点； S5、引入路径附着控制机制，依据路径附着控制机制加权融合原始路径和S4中更新后的平滑路径，以保持S4中更新后的平滑路径与原始路径的结构一致； S6、引入全局一致性优化机制，依据全局一致性优化机制调整S5中优化后的平滑路径的主方向向量，从而使原始路径与S5中得到的平滑路径的主方向向量一致，得到最终优化后的平滑路径； 所述S2具体包括如下步骤： S21、定义参数，使得对应路径起点，对应路径终点，然后针对无碰撞初始路径中的每个路径点，计算其对应的参数值，以完成无碰撞初始路径的参数化处理；之后为每个路径点进行标签分配； S22、构建多目标高斯混合模型，并且在多目标高斯混合模型中引入联合损失函数； S23、将S21中的参数化后的无碰撞初始路径和对应标签作为训练数据，利用训练数据并采用期望最大化算法EM对多目标高斯混合模型进行训练，最大化联合损失，并在迭代的过程中依据联合损失调整多目标高斯混合模型的权重，得到训练后的多目标高斯混合模型； 所述联合损失函数具体如下： ； 其中，为标准的高斯混合模型GMM的对数似然函数，用于表示标准的高斯混合模型GMM对数据的拟合程度，为标准的高斯混合模型GMM的参数；为分类损失，为样本个数，为第个样本，为第个样本的标签，为第个样本的预测值，用于帮助保持平滑路径与原始路径的结构一致性；最后一项为正则化项，为高斯组件个数，为第个高斯分布，为第个高斯分布均值向量二范数的平方，为第个高斯分布的协方差矩阵的迹；、和表示权重。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路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”。

以上内容由龙图腾AI智能生成。