动态环境下机器人混合型路径规划算法
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 图和附表清单 | 第9-10页 |
| 1 绪论 | 第10-18页 |
| ·选题的背景及意义 | 第10页 |
| ·机器人路径规划研究的国内外现状 | 第10-15页 |
| ·机器人路径规划研究的分类 | 第11页 |
| ·传统型路径规划方法 | 第11-14页 |
| ·智能型路径规划方法 | 第14-15页 |
| ·机器人路径规划中存在的问题及解决方法 | 第15-16页 |
| ·本文研究的内容 | 第16-18页 |
| 2 路径规划问题的描述及模型建立 | 第18-28页 |
| ·移动机器人的传感器系统 | 第18-21页 |
| ·激光测距仪介绍 | 第18-19页 |
| ·激光测距仪与超声波传感器对比 | 第19-20页 |
| ·激光测距仪采集数据分析 | 第20-21页 |
| ·机器人路径规划问题的描述及定义 | 第21页 |
| ·障碍物的膨化模型及移动机器人坐标空间描述 | 第21-24页 |
| ·障碍物的膨化模型 | 第21-23页 |
| ·坐标空间描述 | 第23-24页 |
| ·移动机器人工作环境建模 | 第24-27页 |
| ·栅格法建模 | 第24-26页 |
| ·栅格环境与图的关系 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 基于改进蚁群算法的全局路径规划 | 第28-44页 |
| ·引言 | 第28页 |
| ·基本蚁群优化算法 | 第28-40页 |
| ·基本蚁群算法的原理 | 第28-30页 |
| ·基本蚁群算法的数学模型 | 第30-33页 |
| ·基本蚁群算法的实现步骤 | 第33-34页 |
| ·基本蚁群算法在全局路径规划中的应用 | 第34-35页 |
| ·仿真结果与分析 | 第35-40页 |
| ·改进蚁群优化算法 | 第40-42页 |
| ·带夭折策略的蚁群算法 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 4 混合型路径规划器的设计 | 第44-58页 |
| ·引言 | 第44页 |
| ·滚动规划原理及算法 | 第44-46页 |
| ·滚动规划的方法 | 第45页 |
| ·滚动规划的步骤 | 第45-46页 |
| ·局部路径规划器设计 | 第46-54页 |
| ·路径规划器描述 | 第46-47页 |
| ·局部最优路径的确定 | 第47-48页 |
| ·期望方向角的确定 | 第48-49页 |
| ·障碍物的线性预测模型 | 第49-52页 |
| ·机器人与障碍物碰撞预测与避碰策略 | 第52-53页 |
| ·局部路径规划算法 | 第53-54页 |
| ·混合型路径规划法 | 第54-55页 |
| ·仿真结果 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 5 结论与展望 | 第58-60页 |
| ·结论 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 个人简介、在学期间发表的学术论文与研究成果 | 第64-65页 |
| 毕业设计(论文)开题报告 | 第65-66页 |
