首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--机器人技术论文--机器人论文

室内移动机器人避障技术的研究与实现

摘要第3-4页
Abstract第4-5页
第1章 绪论第9-16页
    1.1 研究背景及意义第9-10页
    1.2 移动机器人发展概述第10-12页
        1.2.1 国外移动机器人发展概述第10-11页
        1.2.2 国内移动机器人发展概述第11-12页
    1.3 移动机器人避障技术的国内外研究综述第12-14页
    1.4 论文研究的主要内容及章节安排第14-15页
        1.4.1 论文研究的主要内容第14页
        1.4.2 论文的组织及结构第14-15页
    1.5 本章小结第15-16页
第2章 移动机器人避障方法概述第16-25页
    2.1 引言第16页
    2.2 移动机器人全局静态避障方法第16-19页
        2.2.1 栅格地图法第17页
        2.2.2 特征地图法第17-18页
        2.2.3 可视地图法第18页
        2.2.4 拓扑地图法第18-19页
    2.3 移动机器人局部动态避障方法第19-22页
        2.3.1 bug算法第19-20页
        2.3.2 人工势场法第20页
        2.3.3 矢量直方图法第20-21页
        2.3.4 动态窗口法第21-22页
    2.4 移动机器人运动模型构建第22-24页
        2.4.1 轮式移动的基本描述第22-23页
        2.4.2 差分驱动模型的建立第23-24页
    2.5 本章小结第24-25页
第3章 基于A*规划算法的全局静态避障技术第25-34页
    3.1 引言第25页
    3.2 栅格地图构建第25-26页
    3.3 A*算法介绍第26-29页
        3.3.1 A*路径搜索算法概述第26-28页
        3.3.2 A*算法的理论性能分析第28-29页
    3.4 A*算法的优化第29-31页
        3.4.1 栅格模型的改进第29-30页
        3.4.2 启发函数的改进第30-31页
        3.4.3 冗余路径点的剔除第31页
    3.5 仿真实验结果与分析第31-33页
    3.6 本章小结第33-34页
第4章 基于TEB轨迹优化的局部动态避障技术第34-45页
    4.1 引言第34页
    4.2 TEB算法介绍第34-38页
        4.2.1 TEB轨迹优化的基本描述第34-35页
        4.2.2 TEB轨迹优化的约束条件第35-37页
        4.2.3 TEB轨迹优化问题的求解第37-38页
    4.3 基于拓扑结构的并行TEB轨迹优化第38-42页
        4.3.1 并行TEB轨迹优化方法的描述第39页
        4.3.2 局部拓扑环境地图的建立第39-40页
        4.3.3 同源路径的处理第40-41页
        4.3.4 最优路径的选取第41-42页
    4.4 仿真实验结果与分析第42-44页
    4.5 本章小结第44-45页
第5章 融合A*算法和TEB轨迹优化的实时避障策略第45-52页
    5.1 引言第45页
    5.2 混合实时避障技术的介绍第45-48页
        5.2.1 实时局部地图的构建与更新第45-46页
        5.2.2 A*规划算法引导的TEB实时避障策略第46-48页
        5.2.3 避障失败的恢复方法第48页
    5.3 仿真实验结果与分析第48-51页
    5.4 本章小结第51-52页
第6章 室内移动机器人避障实验第52-60页
    6.1 引言第52页
    6.2 避障实验平台搭建第52-56页
        6.2.1 硬件实验平台第52-55页
        6.2.2 ROS系统介绍第55-56页
        6.2.3 避障实验软件框架第56页
    6.3 实时避障实验第56-59页
        6.3.1 实验环境第56-57页
        6.3.2 过门实验第57-58页
        6.3.3 过道避障实验第58-59页
    6.4 本章小结第59-60页
第7章 总结与展望第60-62页
    7.1 工作总结第60-61页
    7.2 工作展望第61-62页
参考文献第62-66页
致谢第66-67页
攻读硕士学位期间的研究成果第67页

论文共67页,点击 下载论文
上一篇:基于深度学习的飞行器动力系统故障诊断
下一篇:快速神经网络指导训练与感兴趣区域目标检测的研究