| 第1章 绪论 | 第1-22页 |
| ·双目视觉进行障碍物识别的优势 | 第10-11页 |
| ·路径规划研究综述 | 第11-12页 |
| ·位姿空间 | 第12页 |
| ·环境表示 | 第12页 |
| ·国内外智能移动机器人的研究现状 | 第12-15页 |
| ·局部路径规划算法的发展及研究现状 | 第15-19页 |
| ·课题的研究背景及意义 | 第19-20页 |
| ·本论文的主要工作 | 第20-22页 |
| 第2章 基于表面方向的障碍物检测方法 | 第22-36页 |
| ·双目立体视觉 | 第22-24页 |
| ·基本原理(深度和视差的关系) | 第22-23页 |
| ·研究目的 | 第23-24页 |
| ·研究内容 | 第24页 |
| ·GAIA-2路径规划的系统结构 | 第24-25页 |
| ·检测表面方向算法介绍 | 第25-27页 |
| ·对表面方向和视差变化的定量分析 | 第27-29页 |
| ·障碍物检测系统的具体实现 | 第29-32页 |
| ·相机的放置方向 | 第29页 |
| ·摄像机标定 | 第29-30页 |
| ·系统流程 | 第30-31页 |
| ·对计算复杂度的分析 | 第31-32页 |
| ·算法用到的图像处理技术 | 第32-35页 |
| ·图像采集与数字化 | 第32-33页 |
| ·图像预处理 | 第33-34页 |
| ·深度恢复 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 移动机器人路径规划的一种新算法 | 第36-50页 |
| ·不同环境模型下的搜索策略的比较 | 第36-38页 |
| ·四叉树环境的搜索策略 | 第36-38页 |
| ·八叉树环境的搜索策略 | 第38页 |
| ·算法的具体实现 | 第38-45页 |
| ·模型建立 | 第38-40页 |
| ·搜索和无碰撞路径的生成 | 第40-45页 |
| ·算法流程图 | 第45-46页 |
| ·仿真结果 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于栅格的搜索算法在机器人GAIA-2上的实用考虑 | 第50-57页 |
| ·本研究使用的机器人GAIA-2简介 | 第50-51页 |
| ·考虑非完整约束的动力学模型 | 第51-53页 |
| ·GAIA-2运动方向的确定 | 第53-54页 |
| ·GAIA-2前进中的转弯 | 第54-55页 |
| ·栅格大小的选取 | 第55页 |
| ·本章小结 | 第55-57页 |
| 第5章 BP神经网络在路径规划中的应用 | 第57-78页 |
| ·BP神经网络 | 第57-63页 |
| ·BP神经网络的研究现状 | 第57-58页 |
| ·BP神经网络结构 | 第58-60页 |
| ·BP算法的基本思想 | 第60-61页 |
| ·BP算法学习的流程图 | 第61-63页 |
| ·神经网络在路径规划中的应用 | 第63页 |
| ·系统功能模块 | 第63-75页 |
| ·学习样本 | 第63-66页 |
| ·神经网络学习模块 | 第66-69页 |
| ·神经网络训练后的权值、阀值 | 第69-70页 |
| ·神经网络进行路径规划 | 第70-75页 |
| ·BP网络的局部极小值问题 | 第75-76页 |
| ·本章小结 | 第76-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第84-85页 |
| 致谢 | 第85页 |