| 作者简介 | 第1-5页 |
| 研究生学位论文原创性声 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 第一章 绪言 | 第11-15页 |
| ·研究背景 | 第11-13页 |
| ·机器人足球概述 | 第11-12页 |
| ·机器人足球路径规划概述 | 第12-13页 |
| ·研究的目的和意义 | 第13-14页 |
| ·研究内容及结构 | 第14-15页 |
| ·本论文研究的主要内容 | 第14页 |
| ·论文组织结构 | 第14-15页 |
| 第二章 机器人足球系统 | 第15-23页 |
| ·足球机器人系统的体系结构 | 第15-19页 |
| ·足球机器人系统的描述 | 第15页 |
| ·足球机器人系统的分类 | 第15-17页 |
| ·机器人足球系统的体系结构 | 第17-18页 |
| ·足球机器人系统的特点和技术 | 第18-19页 |
| ·足球机器人决策子系统 | 第19-20页 |
| ·决策推理模型 | 第19-20页 |
| ·动作设计和路径规划 | 第20页 |
| ·足球机器人系统环境模型 | 第20-23页 |
| ·球场模型 | 第20-21页 |
| ·球的运动学模型 | 第21页 |
| ·机器人小车模型 | 第21-23页 |
| 第三章 足球机器人传统路径规划方法 | 第23-37页 |
| ·中垂线法 | 第23-24页 |
| ·人工势场法 | 第24-30页 |
| ·传统人工势场法 | 第24-25页 |
| ·GNRON问题 | 第25-27页 |
| ·动态人工势场 | 第27-30页 |
| ·对人工势场的评价 | 第30页 |
| ·栅格法 | 第30-31页 |
| ·栅格法原理 | 第30页 |
| ·利用栅格法进行路径规划 | 第30-31页 |
| ·对栅格法的评价 | 第31页 |
| ·虚力场法 | 第31-33页 |
| ·虚力场法的实现原理 | 第31-33页 |
| ·对虚力场法评价 | 第33页 |
| ·智能路径规划方法 | 第33-35页 |
| ·基于模糊逻辑的机器人路径规划 | 第33-34页 |
| ·基于神经网络方法的机器人路径规划 | 第34页 |
| ·基于遗传算法的机器人路径规划 | 第34-35页 |
| ·基于混合方法的机器人路径规划方法 | 第35页 |
| ·各种方法综合分析 | 第35-37页 |
| 第四章 基于贝塞尔曲线的路径规划 | 第37-50页 |
| ·引言 | 第37-38页 |
| ·Bezier曲线及其性质 | 第38-43页 |
| ·Bezier曲线的定义 | 第38页 |
| ·Bezier曲线的性质 | 第38-41页 |
| ·Bezier曲线的递推(de Casteljau)算法 | 第41-42页 |
| ·Bezier曲线的拼接 | 第42-43页 |
| ·基于Bezier曲线的路径规划 | 第43-49页 |
| ·Bezier曲线作为路径描述的可行性及优点 | 第43-44页 |
| ·基于Bezier曲线射门的路径规划 | 第44-46页 |
| ·轨迹跟踪 | 第46-47页 |
| ·实验 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于时间最优的足球机器人路径规划 | 第50-61页 |
| ·引言 | 第50页 |
| ·时间最优问题 | 第50-51页 |
| ·遗传算法 | 第51-53页 |
| ·遗传算法原理 | 第51页 |
| ·遗传算法的基本要素 | 第51-53页 |
| ·用遗传算法实现时间最优的路径规划 | 第53-57页 |
| ·障碍物的描述与检测 | 第54页 |
| ·路径控制参数的编码 | 第54页 |
| ·适应度函数 | 第54-56页 |
| ·遗传操作 | 第56页 |
| ·仿真实验 | 第56-57页 |
| ·动态环境下的时间最优路径规划 | 第57-60页 |
| ·动态环境路径规划国内外研究现状 | 第58页 |
| ·动态环境下时间最优路径规划 | 第58-59页 |
| ·仿真实验 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |