| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 课题研究的意义 | 第11-12页 |
| 1.3 路径规划算法 | 第12-15页 |
| 1.3.1 全局路径规划算法 | 第12-14页 |
| 1.3.2 局部路径规划算法 | 第14-15页 |
| 1.4 论文研究内容和结构 | 第15-17页 |
| 第2章 基于迪杰斯特拉算法的全局路径规划 | 第17-34页 |
| 2.1 Dijkstra算法原理 | 第17-20页 |
| 2.2 实验场地高精度地图建立 | 第20-26页 |
| 2.2.1 坐标系统的选取 | 第20-21页 |
| 2.2.2 高斯投影 | 第21-23页 |
| 2.2.3 高斯投影坐标正算公式 | 第23-25页 |
| 2.2.4 高斯投影坐标反算公式 | 第25-26页 |
| 2.3 基于迪杰斯特拉的全局路径规划 | 第26-33页 |
| 2.3.1 实验场地建模 | 第26-27页 |
| 2.3.2 基于迪杰斯特拉的全局路径规划 | 第27-28页 |
| 2.3.3 平滑处理生成轨迹点 | 第28-32页 |
| 2.3.4 路径规划重置 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于增强学习的局部路径规划算法 | 第34-49页 |
| 3.1 基于单点预瞄模型的局部路径规划研究 | 第34-37页 |
| 3.1.1 单点预瞄模型基本介绍 | 第34-36页 |
| 3.1.2 基于单点预瞄模型的局部路径规划 | 第36-37页 |
| 3.2 Q学习算法简介 | 第37-41页 |
| 3.2.1 增强学习主要算法 | 第37-39页 |
| 3.2.2 Q学习算法简要介绍 | 第39-41页 |
| 3.3 多目标增强学习的自主换道决策研究 | 第41-48页 |
| 3.3.1 自动驾驶汽车避障方式选择 | 第41-42页 |
| 3.3.2 驾驶行为的马尔可夫决策过程(MDP)建模 | 第42-46页 |
| 3.3.3 基于多目标增强学习的局部路径规划行为 | 第46-47页 |
| 3.3.4 基于拟合多目标增强学习的局部路径规划行为 | 第47-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 全局路径规划和局部路径规划仿真 | 第49-58页 |
| 4.1 全局路径规划的仿真 | 第49-55页 |
| 4.1.1 全局路径规划的仿真场景选取 | 第49-51页 |
| 4.1.2 全局路径规划的仿真 | 第51-55页 |
| 4.2 局部路径规划行为的仿真 | 第55-56页 |
| 4.3 路径规划仿真 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 路径规划决策实验 | 第58-64页 |
| 5.1 实验场地 | 第58页 |
| 5.2 实验平台 | 第58-59页 |
| 5.3 实验结果 | 第59-63页 |
| 5.4 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间承担的科研任务与主要研究成果 | 第70-71页 |
| 致谢 | 第71页 |