基于北斗位置信息的机器人动态路径规划
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 论文研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 北斗卫星导航研究现状 | 第9-10页 |
| 1.2.2 机器人动态路径规划研究现状 | 第10-12页 |
| 1.3 论文研究内容及结构安排 | 第12-13页 |
| 1.3.1 主要研究内容和创新点 | 第12页 |
| 1.3.2 论文章节安排 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 2 基于地图匹配的北斗位置信息误差纠正研究 | 第14-34页 |
| 2.1 引言 | 第14页 |
| 2.2 地图匹配算法 | 第14-21页 |
| 2.2.1 地图匹配算法概述 | 第14-15页 |
| 2.2.2 地图匹配算法的分类 | 第15-16页 |
| 2.2.3 ST-Matching算法介绍 | 第16-21页 |
| 2.3 北斗位置信息的接收 | 第21-23页 |
| 2.4 地图匹配前的坐标预处理 | 第23-26页 |
| 2.4.1 北斗数据传输协议 | 第23-24页 |
| 2.4.2 定位坐标系转换 | 第24-25页 |
| 2.4.3 北斗坐标格式转换方式 | 第25-26页 |
| 2.5 地图匹配算法的设计与实现 | 第26-33页 |
| 2.5.1 坐标的进制转换 | 第26-27页 |
| 2.5.2 坐标系转换 | 第27-28页 |
| 2.5.3 匹配结果分析 | 第28-33页 |
| 2.6 本章小结 | 第33-34页 |
| 3 带路径评估的蚁群算法研究 | 第34-45页 |
| 3.1 引言 | 第34页 |
| 3.2 蚁群算法的概念 | 第34-35页 |
| 3.3 蚁群算法的数学模型 | 第35-40页 |
| 3.3.1 数学模型仿真 | 第37-40页 |
| 3.4 蚁群算法的优缺点 | 第40-41页 |
| 3.4.1 蚁群算法的优点 | 第40页 |
| 3.4.2 蚁群算法的缺点 | 第40-41页 |
| 3.5 带路径评估的蚁群算法 | 第41-44页 |
| 3.5.1 路径构建 | 第41-42页 |
| 3.5.2 信息素更新 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 4 基于改进蚁群算法的动态机器人路径规划 | 第45-68页 |
| 4.1 引言 | 第45页 |
| 4.2 规划环境的空间模型 | 第45-49页 |
| 4.2.1 环境模型的选择 | 第45-46页 |
| 4.2.2 环境模型的建立步骤 | 第46-49页 |
| 4.3 改进蚁群算法的具体流程 | 第49-55页 |
| 4.3.1 问题描述 | 第49页 |
| 4.3.2 单源最短路径算法 | 第49-52页 |
| 4.3.3 路径规划中解的表示方式 | 第52页 |
| 4.3.4 路径规划的节点选择 | 第52-54页 |
| 4.3.5 带路径评估蚁群算法的具体流程 | 第54-55页 |
| 4.4 动态路径规划参数选择 | 第55-59页 |
| 4.4.1 蚂蚁个数m对结果的影响 | 第56-57页 |
| 4.4.2 信息素重要程度因子α对结果的影响 | 第57-58页 |
| 4.4.3 启发函数重要程度因子β对结果的影响 | 第58页 |
| 4.4.4 信息素挥发因子ρ对结果的影响 | 第58-59页 |
| 4.5 动态路径规划结果分析 | 第59-65页 |
| 4.5.1 次优路径规划结果 | 第59-61页 |
| 4.5.2 初始环境的路径规划结果 | 第61-62页 |
| 4.5.3 增加障碍物的路径规划结果 | 第62-65页 |
| 4.6 算法复杂度及性能分析 | 第65-67页 |
| 4.6.1 时间复杂度分析 | 第65-66页 |
| 4.6.2 空间复杂度分析 | 第66-67页 |
| 4.7 本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 全文总结 | 第68-69页 |
| 未来研究方向 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第77页 |
