| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| CONTENTS | 第13-16页 |
| 图目录 | 第16-18页 |
| 表目录 | 第18-20页 |
| 主要符号表 | 第20-22页 |
| 1 绪论 | 第22-47页 |
| 1.1 研究背景和意义 | 第22页 |
| 1.2 移动机器人发展概况 | 第22-26页 |
| 1.2.1 移动机器人国内外发展 | 第23-24页 |
| 1.2.2 移动机器人研究方向及内容 | 第24-26页 |
| 1.3 移动机器人相关方向国内外研究现状 | 第26-38页 |
| 1.3.1 移动机器人视觉系统研究现状 | 第26-30页 |
| 1.3.2 移动机器人任务分配研究现状 | 第30-33页 |
| 1.3.3 移动机器人路径规划研究现状 | 第33-38页 |
| 1.4 足球机器人研究平台 | 第38-42页 |
| 1.4.1 足球机器人发展概况 | 第38-39页 |
| 1.4.2 足球机器人系统结构 | 第39-41页 |
| 1.4.3 足球机器人研究中的问题 | 第41-42页 |
| 1.5 本文主要研究内容 | 第42-45页 |
| 1.6 论文组织结构 | 第45-47页 |
| 2 足球机器人目标识别与分类方法研究 | 第47-89页 |
| 2.1 引言 | 第47页 |
| 2.2 目标识别方法及图像特征提取 | 第47-54页 |
| 2.2.1 图像特征介绍 | 第47-48页 |
| 2.2.2 图像特征分类 | 第48-51页 |
| 2.2.3 动态模板方法及特征向量生成 | 第51-54页 |
| 2.3 应用于动态模板数据集的SVM模型 | 第54-65页 |
| 2.3.1 基于增量式学习的SVM模型 | 第54-56页 |
| 2.3.2 增量式SVM数据精简中的问题分析 | 第56-60页 |
| 2.3.3 基于时间加权的增量式SVM模型 | 第60-65页 |
| 2.4 实验及结果分析 | 第65-87页 |
| 2.4.1 动态模板实验数据集获取 | 第65-67页 |
| 2.4.2 动态模板SVM参数优选 | 第67-73页 |
| 2.4.3 ISLBC1、ISLBC2、KKTSVM、DTSVM对比实验 | 第73-78页 |
| 2.4.4 ISBC2算法环境适应性及稳定性实验 | 第78-79页 |
| 2.4.5 大规模数据下算法通用性实验 | 第79-87页 |
| 2.5 本章小结 | 第87-89页 |
| 3 足球机器人动态任务分配方法研究 | 第89-115页 |
| 3.1 引言 | 第89页 |
| 3.2 任务分配相关工作 | 第89-100页 |
| 3.2.1 任务分配方法概述 | 第90-91页 |
| 3.2.2 任务分配中的死锁问题 | 第91-94页 |
| 3.2.3 位置不确定任务分配算法分析 | 第94-96页 |
| 3.2.4 Voronoi图生成方法 | 第96-100页 |
| 3.3 死锁解决模型 | 第100-104页 |
| 3.3.1 时间死锁解决方案 | 第100-102页 |
| 3.3.2 空间死锁解决方案 | 第102-104页 |
| 3.4 基于距离概率优势的动态任务分配方法 | 第104-107页 |
| 3.4.1 基于距离概率优势的动态任务决策模型 | 第104-106页 |
| 3.4.2 基于Voronoi距离概率优势动态任务拍卖方法流程 | 第106-107页 |
| 3.5 实验及结果分析 | 第107-113页 |
| 3.5.1 死锁解决模型仿真 | 第107-109页 |
| 3.5.2 基于Voronoi距离概率优势的动态任务拍卖方法仿真 | 第109-113页 |
| 3.6 本章小结 | 第113-115页 |
| 4 足球机器人全局路径规划方法研究 | 第115-141页 |
| 4.1 引言 | 第115-116页 |
| 4.2 基于栅格法的路径规划模拟平台构建 | 第116-122页 |
| 4.2.1 栅格法路径规划建模 | 第117-118页 |
| 4.2.2 栅格地图的定义 | 第118-120页 |
| 4.2.3 栅格法建模的改进 | 第120-122页 |
| 4.3 静态障碍环境下机器人的全局路径规划 | 第122-131页 |
| 4.3.1 环境表示 | 第123-124页 |
| 4.3.2 栅格地图主方向 | 第124页 |
| 4.3.3 最短路径距离 | 第124-125页 |
| 4.3.4 基于主方向搜索的全局路径规划方法 | 第125-129页 |
| 4.3.5 实验分析与对比 | 第129-131页 |
| 4.4 动态复杂环境下的移动机器人全局路径规划 | 第131-139页 |
| 4.4.1 复杂环境下的动态障碍物预测模型 | 第132-133页 |
| 4.4.2 滚动窗口原理 | 第133页 |
| 4.4.3 基于障碍预测的建模思想 | 第133页 |
| 4.4.4 全局最优路径设计 | 第133-135页 |
| 4.4.5 局部避碰路径规划 | 第135-137页 |
| 4.4.6 实验分析与对比 | 第137-139页 |
| 4.5 本章小结 | 第139-141页 |
| 5 机器人分类及决策模型应用测试 | 第141-148页 |
| 5.1 决策与仿真实验平台 | 第141页 |
| 5.2 动态模板应用实验 | 第141-143页 |
| 5.2.1 动态模板流程 | 第142-143页 |
| 5.2.2 动态模板应用测试 | 第143页 |
| 5.3 决策系统应用实验 | 第143-147页 |
| 5.3.1 决策系统测试流程 | 第144-145页 |
| 5.3.2 决策系统测试 | 第145-147页 |
| 5.3 本章小结 | 第147-148页 |
| 6 结论与展望 | 第148-151页 |
| 6.1 结论 | 第148-149页 |
| 6.2 创新点摘要 | 第149-150页 |
| 6.3 展望 | 第150-151页 |
| 参考文献 | 第151-165页 |
| 攻读博士学位期间科研项目及科研成果 | 第165-166页 |
| 致谢 | 第166-167页 |
| 作者简介 | 第167-168页 |
