不确定环境下无人机航迹规划研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 不确定环境无人机航迹规划问题综述 | 第15-18页 |
| 1.2.1 无人机不确定环境航迹规划基本要求 | 第15-17页 |
| 1.2.2 无人机不确定环境航迹规划关键技术 | 第17-18页 |
| 1.3 不确定环境航迹规划研究现状 | 第18-22页 |
| 1.3.1 航迹规划技术研究现状 | 第18-21页 |
| 1.3.2 不确定性环境航迹规划算法研究现状 | 第21-22页 |
| 1.4 论文的基本内容和章节安排 | 第22-24页 |
| 第2章 静态威胁不确定环境航迹规划 | 第24-48页 |
| 2.1 引言 | 第24页 |
| 2.2 问题描述 | 第24-25页 |
| 2.3 定位不确定环境建模方法 | 第25-30页 |
| 2.4 快速扩展随机树航迹规划算法 | 第30-32页 |
| 2.5 机会约束RRT航迹规划算法 | 第32-37页 |
| 2.5.1 机会约束在线更新技术 | 第32-33页 |
| 2.5.2 机会约束RRT算法流程及实现 | 第33-37页 |
| 2.6 仿真验证 | 第37-47页 |
| 2.6.1 仿真测试想定 1 | 第38-43页 |
| 2.6.2 仿真测试想定 2 | 第43-47页 |
| 2.7 小结 | 第47-48页 |
| 第3章 动态威胁运动行为模式建模 | 第48-64页 |
| 3.1 引言 | 第48页 |
| 3.2 目标跟踪模型 | 第48-55页 |
| 3.2.1 匀速模型和匀加速模型 | 第48-50页 |
| 3.2.2 时间相关模型 | 第50-52页 |
| 3.2.3 “当前”统计模型 | 第52-54页 |
| 3.2.4 交互式多模型 | 第54-55页 |
| 3.3 运动模式描述 | 第55-57页 |
| 3.4 基于贝叶斯统计学的多模式混合运动模型 | 第57-60页 |
| 3.5 高斯过程运动模式模型 | 第60-63页 |
| 3.5.1 高斯随机过程概念 | 第60-61页 |
| 3.5.2 基于高斯过程的运动模式建模 | 第61-63页 |
| 3.6 小结 | 第63-64页 |
| 第4章 基于机器学习的动态威胁估计算法 | 第64-84页 |
| 4.1 引言 | 第64页 |
| 4.2 问题描述 | 第64-65页 |
| 4.3 机器学习简介 | 第65-67页 |
| 4.4 高斯过程回归理论 | 第67-70页 |
| 4.4.1 回归分析法概述 | 第67页 |
| 4.4.2 高斯过程回归预测 | 第67-69页 |
| 4.4.3 高斯过程模型训练 | 第69-70页 |
| 4.5 动态威胁运动估计算法 | 第70-78页 |
| 4.5.1 基于高斯过程回归的轨迹预测 | 第70-73页 |
| 4.5.2 利用可达树的轨迹预测算法 | 第73-78页 |
| 4.6 算法仿真验证 | 第78-83页 |
| 4.6.1 动态威胁单运动模式仿真 | 第78-81页 |
| 4.6.2 动态威胁双运动模式仿真 | 第81-83页 |
| 4.7 小结 | 第83-84页 |
| 第5章 面向不确定环境的航迹规划 | 第84-94页 |
| 5.1 引言 | 第84页 |
| 5.2 问题描述 | 第84-85页 |
| 5.3 动态不确定环境下的航迹规划算法 | 第85-88页 |
| 5.3.1 动态威胁处理技术 | 第85-86页 |
| 5.3.2 算法流程 | 第86-88页 |
| 5.4 仿真验证 | 第88-93页 |
| 5.5 小结 | 第93-94页 |
| 第6章 总结与展望 | 第94-96页 |
| 6.1 论文主要工作 | 第94-95页 |
| 6.2 展望 | 第95-96页 |
| 参考文献 | 第96-103页 |
| 攻读硕士学位期间发表的论文与研究成果清单 | 第103-104页 |
| 致谢 | 第104页 |
