| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-19页 |
| ·机器人技术 | 第9-11页 |
| ·移动机器人的国内外研究现状 | 第11-14页 |
| ·移动机器人的国内外研究现状 | 第11-14页 |
| ·移动机器人的分类 | 第14页 |
| ·移动机器人路径规划的国内外研究现状 | 第14-16页 |
| ·课题研究的意义 | 第16页 |
| ·论文的研究内容及结构安排 | 第16-19页 |
| 2 移动机器人路径规划概述 | 第19-33页 |
| ·引言 | 第19-20页 |
| ·移动机器人全局路径规划方法 | 第20-23页 |
| ·栅格法 | 第20-21页 |
| ·自由空间法 | 第21-22页 |
| ·可视图法 | 第22页 |
| ·拓扑法 | 第22-23页 |
| ·移动机器人局部路径规划方法 | 第23-27页 |
| ·蚁群优化算法 | 第23-24页 |
| ·遗传算法 | 第24-25页 |
| ·滚动窗口法 | 第25-26页 |
| ·人工势场法 | 第26-27页 |
| ·其他路径规划方法 | 第27-28页 |
| ·移动机器人的运动模型 | 第28-32页 |
| ·两轮独立驱动移动机器人坐标系 | 第29-30页 |
| ·两轮独立驱动移动机器人运动学模型分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 3 基于栅格地图的A-star全局路径规划算法 | 第33-53页 |
| ·引言 | 第33页 |
| ·环境建模 | 第33-38页 |
| ·栅格尺寸 | 第34-37页 |
| ·栅格法的信息编码 | 第37-38页 |
| ·A-star算法简介 | 第38-42页 |
| ·A-star算法的优化 | 第42-48页 |
| ·栅格模型的优化 | 第42-43页 |
| ·启发函数与估价函数的设置 | 第43-45页 |
| ·搜索策略的优化 | 第45-46页 |
| ·路径转折点平滑处理 | 第46-48页 |
| ·仿真实验结果与分析 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 4 基于人工势场法的局部路径规划算法 | 第53-73页 |
| ·引言 | 第53页 |
| ·APF算法简介 | 第53-55页 |
| ·传统人工势场法的缺陷及优化方法 | 第55-69页 |
| ·目标不可达问题的分析及解决 | 第56-65页 |
| ·局部极小点问题分析及解决 | 第65-68页 |
| ·APF算法路径的全局优化 | 第68-69页 |
| ·仿真实验结果与分析 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 5 基于改进A-star算法和改进APF算法的混合路径规划 | 第73-79页 |
| ·引言 | 第73页 |
| ·A-star算法与APF算法混合路径规划方法 | 第73-77页 |
| ·改进A-star路径规划算法的缺陷 | 第73页 |
| ·改进APF路径规划算法的缺陷 | 第73-75页 |
| ·A-star算法与APF算法混合路径规划方法描述 | 第75-77页 |
| ·仿真实验结果与分析 | 第77-78页 |
| ·本章小结 | 第78-79页 |
| 6 移动机器人实验 | 第79-93页 |
| ·引言 | 第79页 |
| ·Pioneer3-DX移动机器人实验系统 | 第79-86页 |
| ·硬件设备 | 第80-84页 |
| ·客户端仿真及软件构成 | 第84-86页 |
| ·实验结果与分析 | 第86-92页 |
| ·本章小结 | 第92-93页 |
| 7 结论 | 第93-95页 |
| ·全文总结 | 第93-94页 |
| ·研究展望 | 第94-95页 |
| 参考文献 | 第95-100页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第100-101页 |
| 致谢 | 第101-102页 |