| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 引言 | 第12页 |
| 1.2 移动机器人同时定位与地图构建(SLAM)关键技术 | 第12-13页 |
| 1.3 移动机器人路径规划关键技术 | 第13-17页 |
| 1.3.1 全局路径规划方法 | 第14-16页 |
| 1.3.2 局部路径规划方法 | 第16-17页 |
| 1.3.3 混合路径规划方法 | 第17页 |
| 1.4 课题研究目的和意义 | 第17页 |
| 1.5 主要研究内容和结构安排 | 第17-20页 |
| 第2章 量子粒子群优化下的RBPF-SLAM算法研究 | 第20-33页 |
| 2.1 引言 | 第20-21页 |
| 2.2 环境建模 | 第21-22页 |
| 2.3 Rao-Blackwillized粒子滤波SLAM算法 | 第22-24页 |
| 2.3.1 RBPF-SLAM算法基本原理 | 第22-23页 |
| 2.3.2 RBPF-SLAM算法流程 | 第23-24页 |
| 2.4 Rao-Blackwillized粒子滤波SLAM算法改进策略 | 第24-27页 |
| 2.4.1 改进策略 | 第24-26页 |
| 2.4.2 QPSO-RBPF-SLAM算法流程 | 第26-27页 |
| 2.5 仿真实验与分析 | 第27-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 基于改进QPSO的全局路径规划 | 第33-41页 |
| 3.1 引言 | 第33页 |
| 3.2 改进量子粒子群优化算法 | 第33-38页 |
| 3.2.1 QPSO算法基本原理 | 第33-36页 |
| 3.2.2 改进策略 | 第36-37页 |
| 3.2.3 改进QPSO算法基本流程 | 第37-38页 |
| 3.3 仿真实验与分析 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于Morphin算法的局部路径规划 | 第41-54页 |
| 4.1 引言 | 第41页 |
| 4.2 滚动窗口算法原理及障碍物预测 | 第41-48页 |
| 4.2.1 滚动窗口算法基本原理 | 第41-43页 |
| 4.2.2 障碍物检测分析 | 第43-46页 |
| 4.2.3 障碍物预测分析 | 第46-48页 |
| 4.3 Morphin算法原理及局部规划 | 第48-49页 |
| 4.3.1 Morphin算法原理 | 第48-49页 |
| 4.3.2 局部路径算法流程 | 第49页 |
| 4.4 仿真实验与分析 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 基于改进QPSO和Morphin算法的混合路径规划 | 第54-64页 |
| 5.1 引言 | 第54页 |
| 5.2 混合路径规划流程 | 第54-55页 |
| 5.3 仿真实验与分析 | 第55-58页 |
| 5.4 实际应用分析 | 第58-63页 |
| 5.4.1 旅行家Ⅱ号移动机器人实验平台 | 第58-60页 |
| 5.4.2 移动机器人路径规划实验 | 第60-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第6章 结论与展望 | 第64-66页 |
| 6.1 全文总结 | 第64-65页 |
| 6.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
| 攻读学位期间取得的科研成果目录 | 第70-71页 |
| 致谢 | 第71-72页 |
