| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外研究历史及现状 | 第9-10页 |
| 1.3 研究意义 | 第10-12页 |
| 1.4 研究的目的和方向 | 第12页 |
| 1.5 本文主要研究内容 | 第12-15页 |
| 第2章 智能机器人的主要研究方向 | 第15-21页 |
| 2.1 车体定位技术 | 第15-16页 |
| 2.1.1 测程法定位 | 第15-16页 |
| 2.1.2 GPS定位 | 第16页 |
| 2.2 多传感器数据融合 | 第16-17页 |
| 2.3 路径规划技术 | 第17-18页 |
| 2.3.1 全局路径规划 | 第17-18页 |
| 2.3.2 局部路径规划 | 第18页 |
| 2.4 多机器人系统 | 第18-19页 |
| 2.5 本章小结 | 第19-21页 |
| 第3章 AS-RF移动机器人系统 | 第21-29页 |
| 3.1 移动机器人平台AS-RF介绍 | 第21-24页 |
| 3.1.1 AS-RF性能指标 | 第21-22页 |
| 3.1.2 AS-RF体系结构 | 第22-24页 |
| 3.2 移动机器人传感器系统 | 第24-27页 |
| 3.2.1 激光测距传感器 | 第24-26页 |
| 3.2.2 GPS传感器 | 第26-27页 |
| 3.2.3 电子罗盘 | 第27页 |
| 3.3 本章小结 | 第27-29页 |
| 第4章 基于BP神经网络和距离信息的机器人自主避障方法 | 第29-45页 |
| 4.1 BP神经网络简介 | 第29-32页 |
| 4.1.1 人工神经元模型 | 第29-31页 |
| 4.1.2 BP神经网络 | 第31-32页 |
| 4.2 基于BP神经网络的移动机器人避障模型 | 第32-39页 |
| 4.2.1 移动机器人与障碍物相对位置关系模型 | 第32-33页 |
| 4.2.2 采集距离数据并进行分析 | 第33-37页 |
| 4.2.3 训练BP神经网络 | 第37-39页 |
| 4.3 自主避障实验及结果分析 | 第39-42页 |
| 4.4 本章小结 | 第42-45页 |
| 第5章 基于神经网络避障和GPS定位的移动机器人自主运动方法 | 第45-53页 |
| 5.1 移动机器人自主运动方法 | 第45-46页 |
| 5.2 移动机器人自主运动实验及结果分析 | 第46-50页 |
| 5.2.1 自主运动实验步骤 | 第46-48页 |
| 5.2.2 自主运动实验结果及分析 | 第48-50页 |
| 5.3 本章小结 | 第50-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 在学期间公开发表论文及科研成果 | 第59-61页 |
| 致谢 | 第61页 |