一种基于深度神经网络的机器人三维轨迹规划方法

本发明公开一种基于深度神经网络的机器人三维轨迹规划方法，包括：步骤S1：构建环境地图，将环境信息以数字网格形式进行编码；步骤S2：通过深度神经网络模型预测环境地图中的轨迹概率分布；步骤S3：基于所述轨迹概率分布生成非均匀采样点，同时保留部分全局均匀采样点，形成混合采样策略；步骤S4：利用改进的RRT*算法进行轨迹搜索，所述改进的RRT*算法通过动态调整步长和重布线机制优化轨迹成本；步骤S5：实时更新环境信息并重新预测轨迹概率分布，触发局部轨迹重规划以应对动态障碍物。本发明方法结合深度学习的概率预测与混合采样策略，能在复杂环境中显著提升规划效率，缩短轨迹平均长度，降低计算资源消耗。