| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究发展现状 | 第10-11页 |
| 1.3 论文研究内容安排 | 第11-14页 |
| 第二章 无人机航路规划环境建模 | 第14-20页 |
| 2.1 无人驾驶飞机自身限制因素 | 第14-15页 |
| 2.1.1 最小航路段长度 | 第14页 |
| 2.1.2 最大偏航角 | 第14-15页 |
| 2.1.3 最大爬升/下降角 | 第15页 |
| 2.1.4 最大航程约束 | 第15页 |
| 2.2 客观条件的限制因素 | 第15-16页 |
| 2.2.1 飞行高度限制 | 第15-16页 |
| 2.2.2 目标进入任务区方向 | 第16页 |
| 2.2.3 运输目标约束 | 第16页 |
| 2.2.4 禁飞区域的约束 | 第16页 |
| 2.3 无人驾驶飞机飞行环境数字模型 | 第16-19页 |
| 2.3.1 数字地形建模 | 第16-18页 |
| 2.3.2 威胁空间建模 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 Voronoi图算法 | 第20-28页 |
| 3.1 Voronoi图的起源和发展 | 第20页 |
| 3.2 Voronoi图的定义 | 第20-21页 |
| 3.3 Voronoi图的性质 | 第21页 |
| 3.4 Voronoi图的生成算法 | 第21-24页 |
| 3.4.1 凸包点集生成 | 第21-22页 |
| 3.4.2 Delaunay三角剖分网 | 第22-23页 |
| 3.4.3 Voronoi图的建立 | 第23-24页 |
| 3.5 Voronoi图的应用 | 第24-26页 |
| 3.6 本章小结 | 第26-28页 |
| 第四章 蚁群搜索算法 | 第28-44页 |
| 4.1 蚁群算法的起源和发展 | 第28页 |
| 4.2 蚁群算法的原理 | 第28-31页 |
| 4.3 蚁群算法参数选择 | 第31-36页 |
| 4.3.1 算法模型的选择 | 第31-32页 |
| 4.3.2 信息素挥发度的选择 | 第32-33页 |
| 4.3.3 启发式因子的选择 | 第33-35页 |
| 4.3.4 蚁群数量的选择 | 第35页 |
| 4.3.5 总信息量的选择 | 第35-36页 |
| 4.4 蚁群算法的特点 | 第36页 |
| 4.5 传统蚁群算法的航路规划 | 第36-38页 |
| 4.6 改进蚁群算法的航路规划 | 第38-40页 |
| 4.6.1 航路节点选取 | 第38-39页 |
| 4.6.2 航路平滑 | 第39-40页 |
| 4.7 算法性能分析 | 第40-43页 |
| 4.7.1 与Greedy算法和Dijkstra优化算法比较 | 第40-42页 |
| 4.7.2 与传统蚁群算法比较 | 第42-43页 |
| 4.8 本章小结 | 第43-44页 |
| 第五章 基于matlab的无人机路径规划的仿真分析 | 第44-54页 |
| 5.1 航迹规划建模 | 第44-46页 |
| 5.2 城市无人机航迹规划案例研究 | 第46-48页 |
| 5.3 三维空间航迹规划仿真分析 | 第48-53页 |
| 5.3.1 最优路径 | 第48页 |
| 5.3.2 算法应用 | 第48-50页 |
| 5.3.3 仿真分析 | 第50-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 无人机Web可视化 | 第54-59页 |
| 6.1 Web发展概述 | 第54-55页 |
| 6.1.1 从单向到互动 | 第54页 |
| 6.1.2 从互动到自由 | 第54-55页 |
| 6.1.3 互联网与物联网结合的兴起 | 第55页 |
| 6.2 系统设计及实现 | 第55-58页 |
| 6.2.1 系统主要模块 | 第55-58页 |
| 6.3 本章小结 | 第58-59页 |
| 第七章 总结与展望 | 第59-60页 |
| 7.1 总结 | 第59页 |
| 7.2 展望 | 第59-60页 |
| 参考文献 | 第60-61页 |
| 致谢 | 第61页 |