基于改进人工势场法的路径规划算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-22页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 路径规划 | 第11-20页 |
| 1.3.1 路径规划定义 | 第11-12页 |
| 1.3.2 传统路径规划 | 第12-15页 |
| 1.3.3 智能路径规划 | 第15-19页 |
| 1.3.4 目前存在问题 | 第19-20页 |
| 1.4 主要研究内容 | 第20-22页 |
| 第2章 传统人工势场法 | 第22-34页 |
| 2.1 势场定义 | 第22-25页 |
| 2.2 引力势场 | 第25-27页 |
| 2.3 斥力势场 | 第27-29页 |
| 2.4 合成势场 | 第29-30页 |
| 2.5 仿真实践 | 第30-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 改进人工势场法 | 第34-54页 |
| 3.1 传统势场法缺陷分析 | 第34-35页 |
| 3.2 目标不可达问题 | 第35-40页 |
| 3.2.1 问题分析 | 第35-37页 |
| 3.2.2 修正势场 | 第37-40页 |
| 3.2.3 仿真验证 | 第40页 |
| 3.3 局部极小值问题 | 第40-53页 |
| 3.3.1 问题分析 | 第41-43页 |
| 3.3.2 局部极小值检测 | 第43-45页 |
| 3.3.3 边沿逃离策略 | 第45-46页 |
| 3.3.4 等势线逃离策略 | 第46页 |
| 3.3.5 改进势场模型逃离策略 | 第46-48页 |
| 3.3.6 临时子目标逃离策略 | 第48-50页 |
| 3.3.7 仿真实践 | 第50-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第4章 APF-RRT融合算法 | 第54-69页 |
| 4.1 融合算法必要性 | 第54-55页 |
| 4.2 快速扩展随机树 | 第55-56页 |
| 4.3 RRT算法介绍 | 第56-59页 |
| 4.3.1 构建阶段 | 第56-58页 |
| 4.3.2 查询阶段 | 第58页 |
| 4.3.3 实践仿真 | 第58-59页 |
| 4.4 RRT算法分析 | 第59-61页 |
| 4.5 RRT算法改进 | 第61-65页 |
| 4.5.1 RRT-GoalBias算法 | 第61-62页 |
| 4.5.2 Bi-RRT算法 | 第62-63页 |
| 4.5.3 RRT-Connect算法 | 第63-64页 |
| 4.5.4 其他改进算法 | 第64-65页 |
| 4.6 算法融合策略 | 第65-68页 |
| 4.7 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77页 |
