| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 引言 | 第8-9页 |
| 1.2 机器鱼的分类 | 第9页 |
| 1.2.1 按照机器鱼的推进模式划分 | 第9页 |
| 1.2.2 按照机器鱼的驱动方式划分 | 第9页 |
| 1.3 仿生机器鱼的国内外研究现状 | 第9-12页 |
| 1.3.1 国外研究现状 | 第9-11页 |
| 1.3.2 国内研究现状 | 第11-12页 |
| 1.4 机器人路径规划的方法研究现状 | 第12页 |
| 1.5 本文的研究内容及各章节安排 | 第12-14页 |
| 第二章 仿生机器鱼全局视觉系统 | 第14-22页 |
| 2.1 仿生机器鱼概述 | 第14-15页 |
| 2.2 仿生机器鱼全局视觉系统概述 | 第15-16页 |
| 2.2.1 前言 | 第15页 |
| 2.2.2 机器鱼全局视觉系统 | 第15-16页 |
| 2.3 视觉系统的框架及工作过程 | 第16-17页 |
| 2.4 图像处理与识别 | 第17-20页 |
| 2.4.1 RGB 颜色模型和HLS 颜色模型 | 第17-18页 |
| 2.4.2 图像识别算法 | 第18-19页 |
| 2.4.3 环境识别 | 第19-20页 |
| 2.5 实验结果 | 第20-21页 |
| 2.6 小结 | 第21-22页 |
| 第三章 环境建模方法 | 第22-27页 |
| 3.1 全局路径规划环境建模方法 | 第22-25页 |
| 3.1.1 可视图法 | 第22-23页 |
| 3.1.2 自由空间法 | 第23-24页 |
| 3.1.3 栅格法 | 第24-25页 |
| 3.2 栅格法环境建模具体方法 | 第25-26页 |
| 3.2.1 栅格的划分 | 第25-26页 |
| 3.2.2 机器鱼的搜索方向 | 第26页 |
| 3.3 小结 | 第26-27页 |
| 第四章 基于Astar 算法的路径规划方法 | 第27-38页 |
| 4.1 与路径规划相关的搜索理论 | 第27-28页 |
| 4.1.1 盲目搜索 | 第27页 |
| 4.1.2 启发式搜索 | 第27-28页 |
| 4.2 Astar 搜索算法 | 第28-31页 |
| 4.2.1 Astar 算法的结构 | 第28-30页 |
| 4.2.2 启发式函数的确定 | 第30-31页 |
| 4.3 Astar 算法在Matlab 和C++软件平台上的仿真 | 第31-34页 |
| 4.3.1 Matlab 上的Astar 算法路径规划仿真 | 第31-33页 |
| 4.3.2 C++平台上的Astar 算法路径规划仿真 | 第33-34页 |
| 4.4 实验结果 | 第34-37页 |
| 4.5 小结 | 第37-38页 |
| 第五章 基于遗传算法的路径规划方法 | 第38-50页 |
| 5.1 前言 | 第38页 |
| 5.2 遗传算法的基本原理 | 第38-45页 |
| 5.2.1 个体编码和初始种群的产生 | 第38-39页 |
| 5.2.2 适应度函数的设计 | 第39-40页 |
| 5.2.3 遗传算法的具体操作 | 第40-43页 |
| 5.2.4 遗传算法的控制参数 | 第43-44页 |
| 5.2.5 遗传算法的终止条件 | 第44页 |
| 5.2.6 遗传算法的步骤 | 第44-45页 |
| 5.3 C++上的遗传算法路径规划仿真 | 第45-46页 |
| 5.4 实验结果 | 第46-49页 |
| 5.5 小结 | 第49-50页 |
| 第六章 结束语 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 获得奖励说明 | 第54-55页 |
| 致谢 | 第55页 |
