| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-13页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国内研究现状 | 第10-11页 |
| 1.2.2 国外研究现状 | 第11页 |
| 1.3 机器人路径规划概述与发展趋势 | 第11-12页 |
| 1.4 本课题研究的主要内容及章节安排 | 第12-13页 |
| 2 移动机器人路径规划关键技术 | 第13-23页 |
| 2.1 移动机器人路径规划技术介绍 | 第13-14页 |
| 2.1.1 多传感器信息融合技术 | 第13-14页 |
| 2.1.2 自定位技术 | 第14页 |
| 2.1.3 导航技术 | 第14页 |
| 2.2 栅格地图 | 第14-15页 |
| 2.3 基于激光雷达的机器人定位方法 | 第15-18页 |
| 2.4 基于特征点的导航方法 | 第18-22页 |
| 2.4.1 特征点提取 | 第18-20页 |
| 2.4.2 导航策略的设计 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 遗传算法的原理 | 第23-35页 |
| 3.1 遗传算法的概述 | 第23-24页 |
| 3.1.1 遗传算法的基本思想 | 第23-24页 |
| 3.1.2 遗传算法的基本概念 | 第24页 |
| 3.2 遗传算法的特点 | 第24-25页 |
| 3.3 遗传算法基本操作 | 第25-33页 |
| 3.3.1 初始化种群 | 第25-26页 |
| 3.3.2 编码方法 | 第26-27页 |
| 3.3.3 适应度函数 | 第27-28页 |
| 3.3.4 遗传算子 | 第28-32页 |
| 3.3.5 控制参数 | 第32页 |
| 3.3.6 终止判据 | 第32-33页 |
| 3.3.7 遗传算法基本步骤 | 第33页 |
| 3.4 本章小结 | 第33-35页 |
| 4 基于遗传算法的移动机器人路径规划 | 第35-47页 |
| 4.1 建立环境模型 | 第35-36页 |
| 4.2 路径点的编码 | 第36-37页 |
| 4.3 初始化 | 第37-39页 |
| 4.3.1 初始化个体 | 第37-38页 |
| 4.3.2 引导方式 | 第38-39页 |
| 4.4 确定适应度函数 | 第39-42页 |
| 4.4.1 避障适应度函数 | 第39-41页 |
| 4.4.2 路径最短适应度函数 | 第41-42页 |
| 4.4.3 路径平滑适应度函数 | 第42页 |
| 4.5 遗传算子的设计 | 第42-43页 |
| 4.5.1 选择算子 | 第42页 |
| 4.5.2 交叉算子 | 第42-43页 |
| 4.5.3 变异算子 | 第43页 |
| 4.5.4 删除算子 | 第43页 |
| 4.6 终止条件的设定 | 第43-44页 |
| 4.7 本算法路径规划的流程 | 第44-45页 |
| 4.8 本章小结 | 第45-47页 |
| 5 路径规划的仿真实验 | 第47-59页 |
| 5.1 机器人性能参数 | 第47-48页 |
| 5.2 机器人系统结构 | 第48-51页 |
| 5.2.1 uAgent-RRS 基本配置功能模块 | 第48-49页 |
| 5.2.2 机器人组成结构 | 第49-51页 |
| 5.3 机器人编程函数说明 | 第51-52页 |
| 5.4 机器人自检操作 | 第52-53页 |
| 5.5 起始点和障碍物的结果图 | 第53-55页 |
| 5.6 适应度函数的分布图 | 第55-57页 |
| 5.7 最优路径结果图 | 第57-58页 |
| 5.8 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 研究生期间主要成果 | 第65页 |