| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 移动机器人 | 第11-12页 |
| 1.2.2 路径规划 | 第12-13页 |
| 1.3 论文的主要内容及结构安排 | 第13-16页 |
| 第二章 路径规划相关理论 | 第16-28页 |
| 2.1 常规路径规划方法 | 第16-19页 |
| 2.1.1 可视图法 | 第16-17页 |
| 2.1.2 栅格解耦法 | 第17页 |
| 2.1.3 人工势场法 | 第17-19页 |
| 2.2 智能路径规划方法 | 第19-21页 |
| 2.2.1 遗传算法 | 第19-20页 |
| 2.2.2 神经网路 | 第20-21页 |
| 2.2.3 蚁群算法 | 第21页 |
| 2.3 概率模糊测距误差处理法 | 第21-27页 |
| 2.3.1 概率模糊系统的模糊化 | 第22-23页 |
| 2.3.2 概率模糊推理 | 第23-27页 |
| 2.3.3 概率模糊系统的解模糊 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 静态环境下机器人路径规划 | 第28-44页 |
| 3.1 基于改进人工势场法的全局路径规划 | 第28-31页 |
| 3.1.1 改进人工势场法 | 第28-29页 |
| 3.1.2 算法实现及结果分析 | 第29-31页 |
| 3.2 基于Morphin算法的局部狭窄路径规划 | 第31-34页 |
| 3.2.1 Morphin算法分析 | 第31-33页 |
| 3.2.2 局部狭窄路径问题求解 | 第33-34页 |
| 3.3 改进人工势场法与Morphin算法相融合的路径规划 | 第34-42页 |
| 3.3.1 融合算法在单一环境下的路径规划 | 第35-37页 |
| 3.3.2 融合算法在复杂环境下的路径规划 | 第37-38页 |
| 3.3.3 结果分析及误差处理 | 第38-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 动态环境下机器人路径规划 | 第44-58页 |
| 4.1 动态环境下改进的人工势场算法 | 第44-46页 |
| 4.2 局部避障策略 | 第46-49页 |
| 4.2.1 滚动窗口理论 | 第47-48页 |
| 4.2.2 碰撞预测与避障策略 | 第48页 |
| 4.2.3 等待策略 | 第48-49页 |
| 4.3 动态路径规划求解及结果分析 | 第49-56页 |
| 4.3.1 单一环境下动态路径规划 | 第49-53页 |
| 4.3.2 复杂环境下动态路径规划 | 第53-55页 |
| 4.3.3 结果分析及误差处理 | 第55-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 工作总结 | 第58页 |
| 5.2 工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |