| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究概况 | 第9-12页 |
| 1.2.1 路径规划研究现状 | 第9-11页 |
| 1.2.2 CBR 推理研究现状 | 第11-12页 |
| 1.3 研究目的和研究内容 | 第12-13页 |
| 1.4 章节安排 | 第13-14页 |
| 第二章 改进的势场法 | 第14-19页 |
| 2.1 传统的人工势场法 | 第14-15页 |
| 2.2 改进的人工势场法 | 第15-18页 |
| 2.2.1 解决目标不可达 | 第15-16页 |
| 2.2.2 解决局部极小问题 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第三章 CBR 相关知识 | 第19-28页 |
| 3.1 推理机制介绍 | 第19-20页 |
| 3.2 CBR 基本原理 | 第20-21页 |
| 3.3 CBR 技术 | 第21-26页 |
| 3.3.1 案例的表示方法 | 第22-23页 |
| 3.3.2 使用 XML 方法构造案例库 | 第23-24页 |
| 3.3.3 成本函数 | 第24页 |
| 3.3.4 案例检索 | 第24-25页 |
| 3.3.5 案例修正 | 第25-26页 |
| 3.3.6 案例学习及存储 | 第26页 |
| 3.4 本章小结 | 第26-28页 |
| 第四章 基于 CBR 经验混合的改进势场法 | 第28-35页 |
| 4.1 运动学模型 | 第28-29页 |
| 4.2 基于 CBR 经验混合的改进势场法 | 第29-31页 |
| 4.3 仿真对比 | 第31-34页 |
| 4.3.1 仿真 | 第31-33页 |
| 4.3.2 仿真结果分析 | 第33-34页 |
| 4.4 本章小结 | 第34-35页 |
| 第五章 基于 kinect 的机器人路径规划环境建模 | 第35-43页 |
| 5.1 RGB-D 点云数据获取 | 第35-37页 |
| 5.2 2D 映射 | 第37-38页 |
| 5.3 聚类分析 | 第38-41页 |
| 5.3.1 聚类分析典型要求 | 第38-39页 |
| 5.3.2 常用聚类分析方法 | 第39-40页 |
| 5.3.3 DBSCAN | 第40-41页 |
| 5.4 边缘检测 | 第41-42页 |
| 5.5 本章小结 | 第42-43页 |
| 第六章 实验 | 第43-48页 |
| 6.1 实验环境说明 | 第43页 |
| 6.2 实验过程及结果 | 第43-46页 |
| 6.3 实验结果分析 | 第46-47页 |
| 6.4 本章小结 | 第47-48页 |
| 第七章 总结与展望 | 第48-50页 |
| 7.1 论文工作总结 | 第48-49页 |
| 7.2 存在问题与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 附录 A 攻读学位期间发表的论文 | 第55页 |
| 科研课题 | 第55-56页 |
| 大摘要 | 第56-61页 |