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！

龙图腾网获悉中国人民解放军海军工程大学申请的专利多信息域多分辨率的类人化双层运动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：CN115933628B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202210072738.3，技术领域涉及：G05D1/43；该发明授权多信息域多分辨率的类人化双层运动规划方法是由李石磊;陈云;李猛;罗芳;欧庆于;高飞设计研发完成，并于2022-01-21向国家知识产权局提交的专利申请。

本多信息域多分辨率的类人化双层运动规划方法在说明书摘要公布了：本发明公开了基于多信息域、多分辨率场景描述模型的类人化全局方向引导性路径和局部实际应变性路径相结合的双层运动规划方法。首先，借鉴人类自身运动规划的实际过程，在全局引导路径生成时，仅需要低分辨率的粗略场景描述模型；在局部实际路径生成时，根据当前高分辨率的实际场景信息灵活调整，基于全局引导路径、局部实际路径完全解耦思路，既可以完全按照全局引导路径进行，也可以完全的重新生成，提高了传统运动规划算法的灵活度。其次，为充分描述各种约束信息，将不同信息域下的任务需求，分别在全局和局部两个层次上进行灵活描述，可同时实现运动规划结果在全局和局部两个层次上的多样性。

本发明授权多信息域多分辨率的类人化双层运动规划方法在权利要求书中公布了：1.多信息域多分辨率的类人化双层运动规划方法，其特征在于，包括以下步骤： 步骤一：问题数学化建模；假设运动场景为，其中有个障碍区域，除去障碍外的自由位形空间用表示，即，运动场景内有个互不相邻的任务目标区域，满足，，智能体目标任务为：按一定的高层时空任务逻辑要求，规划出一条无碰撞的最优运动路径；一个目标区域到达顺序表示为，其中表示智能体到达目标区域，为满足具体任务约束的一种之间的具体顺序排列方式；为在路径生成过程中，根据实际路径情况对智能体施加各类偏好性约束； 步骤二：高层时空逻辑任务约束的表示；采用时态逻辑要求和空间约束要求分开描述的思路，时态逻辑要求采用规则表达式进行描述，空间约束要求采用全局PRM和局部PRM相结合的思路进行描述，具体包括： 1依次先后到达任务区域，仅要求到达区域的时态逻辑要求先采用规则表达式分别进行描述为： ，式中表示已到达目标区域； ，其中，表示所有可能的排列形式； 2对于交替到达区域和的情形，表示为： ； 3更复杂的高层任务约束可用上述步骤1和步骤2中的基本规则表达式进行复合描述，如先以任意顺序到达区域，然后再以任意顺序到达区域，可表示为： ；    1公式1进一步扩充为将任务目标分割为若干个组，按先后顺序依次到达不同组的情形，可表示为： ；        2其中，表示将任务分成个组； 然后转换为DFADeterministic Finite Automata的形式对其进行统一刻画；给出所有可能的时态逻辑路径； 步骤三：全局概率路径图的生成；采用基本PRM算法进行全局运动路径图的生成； 在全局路径图生成时，首先需要在各个子任务目标区域中采样，然后再在除目标区域外的自由位形空间中进行采样，从而确保最终能生成一个连接所有目标区域的概率路径图； 步骤四：全局多样化引导路径的生成； 得到全局概率路径图后，进行全局引导路径生成时，需要同时满足时态逻辑约束图和全局概率路径图； 首先需要基于时态逻辑约束描述图得到所有可能的任务完成路径，然后根据全局概率路径图，分别找出每条任务完成路径在全局概率路径图上对应的最优路径，路径代价通过路径代价可用概率路径图中对应节点之间的欧式距离简单表示，并进一步引入全局约束，通过将约束描述成路径权重的方式对路径代价进行修正，从而可以生成偏好性的全局引导路径；最后，基于各类搜索算法，在所有中找出代价最小的路径作为最终的全局引导路径，全局最优引导路径，其中为全局引导路径在上的起始位置，为全局引导路径在上的终点，为上满足时态逻辑约束且代价最小的一条路径； 步骤五：局部高分辨率概率路径图的生成；考虑局部偏好性约束后，提高场景描述模型的精度，实现对局部约束的充分表达；引入隧道概念，将引导路径由一维直线扩展成一个二维或三维安全隧道，以原始的全局引导路径为中心轴，以一定宽度向外围扩充，在隧道范围内随机增加采样点，生成高分辨率的局部概率路径图，通过将全局引导路径作为阶段子任务之间运动路径的一个基本方向性约束，使智能体在隧道范围内，既可根据自身偏好生成多样化的运动轨迹，又可保证运动方向与全局引导路径总体上的一致性； 具体来讲，包括： 1首先判断当前全局引导路径段两个端点上的节点、满足是否采样充分，即是否满足，是直线路径的长度，表示全局采样点到最近一个障碍的距离，如果采样不充分，在当前路径段上增加采样点，直至采样充分； 2根据公式得到隧道宽度，表示直线上的某个点； 3在由该公式确定的隧道宽度范围内，利用均匀随机采样方法，继续增加采样点，生成局部高分辨率的概率路径图； 步骤六：局部多样化运动路径生成；在得到局部高分辨率的概率路径图后，在局部路径生成时，可采用与全局约束描述方法，通过添加定义局部的偏好约束，更改不同路径的权重，得到不同的局部运动路径； 步骤七：动态障碍情况下的运动路径重新规划；出现动态障碍后，首先通过对动态障碍可能影响区域的计算得到概率路径图上的无效边，并将其移除，然后先在局部层次上进行运动路径的重新规划生成，如果无法得到有效的运动路径，再在全局层次上进行引导路径的重新规划生成，保证了运动路径动态规划结果的适应性与计算效率； 具体包括以下步骤： 1运动路径的重新规划；首先根据动态障碍当前及未来一段时间内的可能位置范围，将概率路径图上可能与动态障碍发送碰撞的边移除，生成新的概率路径图，并重新搜索生成运动路径；如果移除概率路径图上的无效边后，如果无法在局部层次上找到一条新的从当前位置到子任务目标区域的运动路径，此时需要重新在全局层次上进行路径规划，生成新的全局引导路径； 2概率路径图的动态恢复更新；为保证运行效率，在智能体到达全局概率路径图上的某个采样点位置后，进行概率路径图的动态更新；如果概率路径图发生了变化，即原有的无效边重新有效，首先需要在全局层次上进行引导路径的重新规划生成，如果可以发现更优的全局引导路径，就需要进一步在局部层次上，根据局部的约束偏好，重新规划生成局部的运动路径。

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中国人民解放军海军工程大学，其通讯地址为：430000 湖北省武汉市解放大道717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。