移动机器人全局路径规划方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景和意义 | 第10-12页 |
| 1.2 国内外现状与发展趋势 | 第12-14页 |
| 1.2.1 移动机器人国外现状 | 第12-13页 |
| 1.2.2 移动机器人国内现状 | 第13-14页 |
| 1.3 路径规划方法及趋势 | 第14-18页 |
| 1.3.1 局部路径规划 | 第14-15页 |
| 1.3.2 全局路径规划 | 第15-17页 |
| 1.3.3 路径规划方法发展趋势 | 第17-18页 |
| 1.4 课题主要研究内容 | 第18-20页 |
| 第2章 建立环境地图 | 第20-26页 |
| 2.1 环境地图简介 | 第20-22页 |
| 2.1.1 环境地图理解 | 第20-21页 |
| 2.1.2 环境地图创建方法 | 第21-22页 |
| 2.2 设计栅格地图 | 第22-25页 |
| 2.2.1 设计栅格因子 | 第22-23页 |
| 2.2.2 建立栅格地图 | 第23-24页 |
| 2.2.3 移动机器人的探索方向 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于快速收敛蚁群算法的移动机器人路径规划 | 第26-36页 |
| 3.1 蚁群算法及其在路径规划中的不足 | 第26-28页 |
| 3.2 快速收敛蚁群算法设计思路 | 第28页 |
| 3.3 基于快速收敛蚁群算法路径规划 | 第28-32页 |
| 3.3.1 倾向探索启发因子设计 | 第28-29页 |
| 3.3.2 优化式信息素调整 | 第29-31页 |
| 3.3.3 去除多余路径 | 第31-32页 |
| 3.4 仿真实验结果及分析 | 第32-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第4章 基于加权检测A*算法的移动机器人路径规划 | 第36-48页 |
| 4.1 A*算法及其在路径规划中不足 | 第36-38页 |
| 4.2 加权检测A*算法设计思路 | 第38页 |
| 4.3 基于加权检测A*算法移动机器人路径规划 | 第38-43页 |
| 4.3.1 加权启发函数设计 | 第38-40页 |
| 4.3.2 隔点可视化检测 | 第40-43页 |
| 4.4 仿真实验结果及分析 | 第43-45页 |
| 4.5 算法横向对比分析 | 第45-46页 |
| 4.6 本章小结 | 第46-48页 |
| 第5章 基于S-RRT算法的移动机器人路径规划 | 第48-58页 |
| 5.1 RRT算法及其在路径规划中不足 | 第48-50页 |
| 5.2 S-RRT算法设计思路 | 第50页 |
| 5.3 基于S-RRT方法的移动机器人路径规划 | 第50-54页 |
| 5.3.1 收敛因子的设计 | 第50-52页 |
| 5.3.2 可变步长调整 | 第52-53页 |
| 5.3.3 对规划路径进行平滑处理 | 第53-54页 |
| 5.4 实验分析 | 第54-56页 |
| 5.5 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士期间发表的论文和取得的科研成果 | 第64-66页 |
| 致谢 | 第66页 |
