| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 移动机器人的发展概述 | 第9-11页 |
| 1.1.1 国外移动机器人发展 | 第9-11页 |
| 1.1.2 国内移动机器人发展 | 第11页 |
| 1.2 移动机器人自主运动控制方法研究 | 第11-14页 |
| 1.2.1 基于传感器的分类 | 第11-12页 |
| 1.2.2 基于控制方法的分类 | 第12-14页 |
| 1.3 研究的目的和意义 | 第14-15页 |
| 1.4 研究的主要内容和本文章节内容 | 第15-17页 |
| 第2章 移动机器人 AS_RF 及激光传感器 | 第17-31页 |
| 2.1 AS-RF 介绍 | 第17-19页 |
| 2.1.1 AS-RF 的系统结构 | 第18-19页 |
| 2.1.2 AS-RF 的特点 | 第19页 |
| 2.2 激光传感器 | 第19-20页 |
| 2.3 URG-04LX-UG01 介绍 | 第20-21页 |
| 2.3.1 参数 | 第20页 |
| 2.3.2 测量方向和数据点 | 第20-21页 |
| 2.4 激光传感器数据通信 | 第21-24页 |
| 2.5 数据解析及存储 | 第24-29页 |
| 2.5.1 激光传感器串口指令 | 第24-25页 |
| 2.5.2 激光传感器数据解析 | 第25-28页 |
| 2.5.3 激光传感器探测维度 | 第28-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第3章 基于实例学习的自主运动方法 | 第31-39页 |
| 3.1 实例学习基本概念 | 第31页 |
| 3.2 基于实例学习的算法 | 第31-35页 |
| 3.2.1 K-近邻（KNN）法 | 第32-34页 |
| 3.2.2 局部加权回归（Locally Weighted Regression） | 第34页 |
| 3.2.3 基于案例的推理法（CBR） | 第34-35页 |
| 3.2.4 径向基函数 | 第35页 |
| 3.3 基于实例学习的优缺点分析 | 第35页 |
| 3.4 基于实例学习和激光传感器的自主运动模型 | 第35-38页 |
| 3.4.1 模型建立 | 第36-37页 |
| 3.4.2 模型优缺点 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 模型实验结果及分析 | 第39-51页 |
| 4.1 实验平台及环境 | 第39-40页 |
| 4.2 自主运动控制系统 | 第40-41页 |
| 4.3 实验步骤 | 第41页 |
| 4.4 实验结果及分析 | 第41-50页 |
| 4.4.1 基于不同 K 值 | 第41-42页 |
| 4.4.2 基于数据维度 | 第42-45页 |
| 4.4.3 基于样本采集方法 | 第45-48页 |
| 4.4.4 运动起始位置 | 第48-49页 |
| 4.4.5 基于不同方法对比 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 未来工作与展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间所取得的学术成果 | 第57-59页 |
| 致谢 | 第59页 |