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！

龙图腾网恭喜同济大学申请的专利一种基于MCTS算法的自动泊车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：CN114906128B 。

龙图腾网通过国家知识产权局官网在2024-11-12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：202111118963.8，技术领域涉及：B60W30/06；该发明授权一种基于MCTS算法的自动泊车运动规划方法是由陈慧;孙宏伟;宋绍禹设计研发完成，并于2021-09-24向国家知识产权局提交的专利申请。

本一种基于MCTS算法的自动泊车运动规划方法在说明书摘要公布了：本发明涉及一种基于MCTS算法的自动泊车运动规划方法，包括：获取车辆的初始状态和目标状态，所述的目标状态根据停车位的位置获取，根据初始状态和目标状态sgoal，通过MCTS算法获得最优轨迹数据集，以初始状态为起点，根据最优动作集控制车辆运行至最优末态状态sn，所述的末态状态sn与目标状态sgoal满足误差条件，完成自动泊车。与现有技术相比，本发明具有效率高、适用范围广等优点。

本发明授权一种基于MCTS算法的自动泊车运动规划方法在权利要求书中公布了：1.一种基于MCTS算法的自动泊车运动规划方法，其特征在于，包括：获取车辆的初始状态和目标状态，所述的目标状态根据停车位的位置获取，根据初始状态和目标状态sgoal，通过MCTS算法获得最优轨迹数据集，所述的最优轨迹数据集表达式为：{si,αi|i＝0，1…n-1}其中，i为0时，s0为初始状态，i不为0时，si为车辆的第i个状态，αi为处于状态si下的车辆的当前最优动作，执行αi后车辆的状态由si变为si+1，n为最优动作数量，执行αi+1后车辆状态由si变为si+1，执行αn-1后车辆状态sn-1由变为末态状态sn；以初始状态为起点，根据最优动作集控制车辆运行至最优末态状态sn，所述的末态状态sn与目标状态sgoal满足误差条件，完成自动泊车；在停车位所在平面构建平面坐标系，停车位朝向与平面坐标系X轴平行；所述的状态si的表达式为： 其中，xi和yi分别在状态si下车辆后桥中点的横坐标和纵坐标，θi、和vi分别为在状态si下车辆的运动方向、方向盘转向角和运动速度；所述的动作α的表达式为： 其中，和Δv分别为规划周期Δt内车辆的转向角变化量和速度变化量；通过滑膜控制步骤求解转向角变化量修正值，控制车辆泊车时，用转向角修正量替换当前最优动作中的转向角变化量；所述的转向角变化量修正值的计算公式为： slaw＝c1x2+c2[Ax+Bxu] u＝tanψ其中，ψ′为车辆前轮角度修正值，β为传动比，ψ为车辆当前的方向盘转向角，ψr为参考车辆前轮转角，θ为当前车辆航向角，θr为参考车辆航向角，slaw为趋近率，x1为y轴坐标的误差，x2为航向角正切值误差，c1和c2为设定权重，L为车辆轴距；所述的MCTS算法包括：构建车辆模型，设定m种候选动作；构建策略神经网络π；以初始状态为起点，结合策略神经网络π，迭代执行动作寻优步骤，从m种候选动作中逐步挑选当前最优动作，更新当前轨迹数据集；当满足迭代中断条件时，重新构建策略神经网络π，并迭代执行动作寻优步骤；若通过当前轨迹数据集获取的末态状态sn,now与目标状态sgoal满足误差条件时，迭代结束，此时当前轨迹数据集作为最优轨迹数据集；所述的动作寻优步骤的第i次迭代过程包括：对当前状态为si-1的车辆模型分别执行m种候选动作α′i-1，对应获得m个候选状态s′i；根据候选状态si′和目标状态sgoal，利用策略神经网络πi-1生成想象轨迹数据集；所述的当前轨迹数据集、si-1,α′i-1和想象轨迹数据集构成候选轨迹数据集，总共获得m个候选轨迹数据集；利用奖励评估函数计算每个候选轨迹数据集的奖励值R，获得最大奖励值Ri,max；判断Ri,max是否大于上一次迭代获得的最大奖励值Ri-1,max，若是则将判定具有最大奖励值Ri,max的候选轨迹数据集中的候选动作α′i-1记为α′i-1,best，将si-1,α′i-1,best加入当前轨迹数据集，根据当前轨迹数据集将车辆模型的当前状态更新为si′,beat，以具有最大奖励值Ri,max的候选轨迹数据集更新为当前最佳轨迹数据集，否则根据当前最佳轨迹数据集将车辆模型的当前状态更新为si′,best，并将si′,best加入当前轨迹数据集。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。