陆空机器人协同路径规划的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 研究背景 | 第12-15页 |
| 1.1.1 单机器人的发展和应用 | 第12-13页 |
| 1.1.2 多旋翼研究的兴起和发展 | 第13-14页 |
| 1.1.3 多机器人协作的发展与应用 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.3 研究内容和研究意义 | 第19-22页 |
| 1.3.1 研究内容 | 第20-21页 |
| 1.3.2 研究意义 | 第21-22页 |
| 1.4 论文章节安排 | 第22-23页 |
| 第2章 移动机器人路径规划概述 | 第23-31页 |
| 2.1 路径规划方法技术简介 | 第23-24页 |
| 2.2 全局路径规划方法介绍 | 第24-26页 |
| 2.3 局部路径规划方法技术介绍 | 第26-29页 |
| 2.4 混合方法介绍 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 路径规划过程中基于色标模型的阈值分割方法 | 第31-43页 |
| 3.1 相关工作 | 第31-32页 |
| 3.2 算法过程 | 第32-37页 |
| 3.2.1 算法结构 | 第32-33页 |
| 3.2.2 算法公式 | 第33-36页 |
| 3.2.3 动态自适应阈值的实现 | 第36-37页 |
| 3.3 实验结果及分析 | 第37-42页 |
| 3.3.1 实验结果 | 第37-39页 |
| 3.3.2 中心点及边界动态变化过程 | 第39-40页 |
| 3.3.3 与其它方法比较分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 结合基本与最大最小蚁群算法的路径规划 | 第43-55页 |
| 4.1 相关工作 | 第43-45页 |
| 4.2 蚁群算法简介 | 第45-47页 |
| 4.2.1 算法主要思想与基本过程 | 第45-46页 |
| 4.2.2 算法流程图 | 第46-47页 |
| 4.3 基于栅格环境下的蚁群算法路径规划 | 第47-48页 |
| 4.4 蚁群算法的改进 | 第48-49页 |
| 4.5 实验结果和分析 | 第49-53页 |
| 4.5.1 实验结果 | 第49-50页 |
| 4.5.2 实验结果分析 | 第50-52页 |
| 4.5.3 复杂场景下的应用 | 第52-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第5章 陆空机器人协同路径规划 | 第55-77页 |
| 5.1 系统架构 | 第55-60页 |
| 5.1.1 ROS简介 | 第55-58页 |
| 5.1.2 基于ROS的机器人系统架构及网络通信 | 第58-60页 |
| 5.2 陆空异构机器人协作模型 | 第60-64页 |
| 5.2.1 协作模型简介 | 第61-62页 |
| 5.2.2 基于主从-独立式的陆空机器人协作模型 | 第62-64页 |
| 5.3 陆空机器人协同路径规划 | 第64-75页 |
| 5.4 实验结果及分析 | 第75-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-87页 |
| 攻读硕士期间发表的论文 | 第87-89页 |
| 致谢 | 第89页 |
