| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 国内研究现状 | 第8-9页 |
| 1.2.2 国外研究现状 | 第9-10页 |
| 1.3 相关技术 | 第10-15页 |
| 1.3.1 基于Kinect的相关研究 | 第11-12页 |
| 1.3.2 机器人运动学逆解 | 第12-15页 |
| 1.4 论文主要工作及创新点 | 第15-16页 |
| 1.5 论文内容与组织结构 | 第16-18页 |
| 2 运动轨迹数据的设计与采集 | 第18-25页 |
| 2.1 引言 | 第18页 |
| 2.2 手臂模型分析 | 第18-19页 |
| 2.3 运动轨迹数据的设计 | 第19-21页 |
| 2.4 运动轨迹数据的采集 | 第21-22页 |
| 2.5 运动轨迹数据滤波 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 3 基于K近邻的轨迹规划算法研究 | 第25-33页 |
| 3.1 引言 | 第25页 |
| 3.2 K近邻算法 | 第25-27页 |
| 3.3 基于K近邻的轨迹规划算法 | 第27-29页 |
| 3.4 实验结果及分析 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 基于超限学习机的轨迹规划算法研究 | 第33-43页 |
| 4.1 引言 | 第33页 |
| 4.2 超限学习机算法 | 第33-37页 |
| 4.3 基于超限学习机的轨迹规划算法 | 第37-39页 |
| 4.4 实验结果及分析 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 5 基于CP-nets的最优类人运动轨迹规划算法研究 | 第43-51页 |
| 5.1 引言 | 第43页 |
| 5.2 CP-nets算法 | 第43-44页 |
| 5.3 偏好数据集的设计 | 第44-46页 |
| 5.4 基于CP-nets的最优类人运动轨迹规划算法 | 第46-48页 |
| 5.5 实验结果及分析 | 第48-50页 |
| 5.6 本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士期间发表的论文 | 第58-59页 |
| 附录一 表目录 | 第59-60页 |
| 附录二 图目录 | 第60-61页 |