摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 前言 | 第10-19页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 无人驾驶汽车研究概况 | 第11-15页 |
1.2.1 无人车的国外研究现状 | 第11-13页 |
1.2.2 无人驾驶汽车国内研究现状 | 第13-15页 |
1.3 无人驾驶汽车路径规划国内外研究现状 | 第15-17页 |
1.3.1 路径规划算法研究现状 | 第15-16页 |
1.3.2 发展趋势 | 第16-17页 |
1.4 研究内容与技术路线 | 第17-19页 |
第二章 路径规划算法及综述 | 第19-28页 |
2.1 无人驾驶汽车路径规划概述 | 第19页 |
2.2 全局路径规划方法 | 第19-24页 |
2.2.1 栅格法 | 第20-21页 |
2.2.2 可视图法 | 第21页 |
2.2.3 自由空间法 | 第21-22页 |
2.2.4 蚁群算法 | 第22-23页 |
2.2.5 拓扑法 | 第23-24页 |
2.3 局部路径规划算法 | 第24-26页 |
2.3.1 遗传算法 | 第24-25页 |
2.3.2 模糊逻辑控制算法 | 第25-26页 |
2.3.3 人工势场法 | 第26页 |
2.4 其他路径规划方法 | 第26-27页 |
2.5 本章小结 | 第27-28页 |
第三章 基于改进A*算法的全局路径搜索算法 | 第28-47页 |
3.1 A*算法简介 | 第28-30页 |
3.1.1 最佳优先搜索算法和Dijkstra算法简介 | 第28-30页 |
3.1.2 A*算法概述 | 第30页 |
3.2 基于传统A*算法的无人驾驶路径规划 | 第30-35页 |
3.2.1 环境搭建 | 第30-31页 |
3.2.2 基于传统A*算法的无人驾驶汽车路径规划流程 | 第31-35页 |
3.2.3 仿真实验结果与分析 | 第35页 |
3.3 改进A*算法 | 第35-41页 |
3.3.1 邻域扩展 | 第35-38页 |
3.3.2 16邻域仿真分析 | 第38-41页 |
3.4 双向A*搜索算法 | 第41-46页 |
3.4.1 基于双向16邻域的A*算法路径规划 | 第42-43页 |
3.4.2 仿真实验结果与分析 | 第43-46页 |
3.5 本章小结 | 第46-47页 |
第四章 基于改进人工势场的动态避障研究 | 第47-66页 |
4.1 传统人工势场法 | 第47-55页 |
4.1.1 传统人工势场法概述 | 第47-48页 |
4.1.2 引力势场 | 第48-50页 |
4.1.3 斥力势场 | 第50-52页 |
4.1.4 合力势场 | 第52-55页 |
4.2 传统人工势场法仿真分析 | 第55-59页 |
4.2.1 传统人工势场法路径规划仿真 | 第55-57页 |
4.2.2 传统人工势场的缺点 | 第57-59页 |
4.3 改进人工势场法研究 | 第59-65页 |
4.3.1 障碍物人工势场的改进 | 第59-60页 |
4.3.2 利用虚水流法脱离局部极小位置 | 第60-62页 |
4.3.3 速度斥力势场的建立 | 第62-63页 |
4.3.4 各势场力叠加受力平衡方程 | 第63-65页 |
4.4 本章小结 | 第65-66页 |
第五章 仿真验证与实验分析 | 第66-82页 |
5.1 改进人工势场法的仿真及分析 | 第66-69页 |
5.1.1 静态环境中的路径规划仿真 | 第66-67页 |
5.1.2 动态环境中的路径规划仿真 | 第67-69页 |
5.2 A*算法动态加权 | 第69-73页 |
5.2.1 改进栅格环境 | 第69-70页 |
5.2.2 基于势场的动态权重计算 | 第70-72页 |
5.2.3 仿真实验比较 | 第72-73页 |
5.3 算法融合 | 第73-74页 |
5.4 ROS平台下的实验验证 | 第74-81页 |
5.4.1 ROS平台简介 | 第74-76页 |
5.4.2 SLAM过程 | 第76-77页 |
5.4.3 路径规划算法文件配置 | 第77-78页 |
5.4.4 路径规划算法实施 | 第78-81页 |
5.5 本章小结 | 第81-82页 |
结论与展望 | 第82-84页 |
研究结论 | 第82-83页 |
研究展望 | 第83-84页 |
参考文献 | 第84-87页 |
攻读硕士期间取得的研究成果 | 第87-88页 |
致谢 | 第88页 |