| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 缩略语 | 第14-15页 |
| 第1章 绪论 | 第15-21页 |
| 1.1 课题研究背景和研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 研究内容和设计指标 | 第18页 |
| 1.3.1 研究内容 | 第18页 |
| 1.3.2 设计指标 | 第18页 |
| 1.4 论文组织 | 第18-21页 |
| 第2章 基础理论背景 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 人机定位跟踪综述 | 第21-29页 |
| 2.2.1 室内定位概述 | 第21-22页 |
| 2.2.1.1 室内环境下的GPS技术 | 第21页 |
| 2.2.1.2 RFID定位技术 | 第21页 |
| 2.2.1.3 WiFi定位技术 | 第21-22页 |
| 2.2.1.4 基于蓝牙的室内定位技术 | 第22页 |
| 2.2.2 室内定位算法 | 第22-27页 |
| 2.2.2.1 基于测距的定位算法原理 | 第22-23页 |
| 2.2.2.2 基于测距的定位算法 | 第23-26页 |
| 2.2.2.3 基于非测距的定位算法 | 第26-27页 |
| 2.2.3 室内跟踪技术 | 第27-29页 |
| 2.2.3.1 全局路径规划 | 第27-28页 |
| 2.2.3.2 局部路径规划 | 第28-29页 |
| 2.3 室内人机定位跟踪技术对比分析 | 第29-30页 |
| 2.3.1 室内人机定位技术 | 第29-30页 |
| 2.3.2 室内人机路径规划技术 | 第30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于RSSI的室内环境下人机的定位特性分析 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 路径损耗模型 | 第31-33页 |
| 3.2.1 自由空间传播 | 第31-32页 |
| 3.2.2 阴影衰弱 | 第32页 |
| 3.2.3 多径衰落 | 第32-33页 |
| 3.3 室内环境下RSSI分布特性研究 | 第33-40页 |
| 3.3.1 实验采集场景 | 第33-36页 |
| 3.3.1.1 BLE信号采集场景一 | 第33-34页 |
| 3.3.1.2 BLE信号采集场景二 | 第34-36页 |
| 3.3.1.3 场景分析 | 第36页 |
| 3.3.2 量化纠偏原理 | 第36-40页 |
| 3.4 仿真结果与分析 | 第40-44页 |
| 3.4.1 定位环境及参数 | 第40-41页 |
| 3.4.2 室内模型的建立 | 第41-42页 |
| 3.4.3 实验仿真及分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于栅格法和行为法的路径规划算法研究 | 第45-63页 |
| 4.1 引言 | 第45页 |
| 4.2 室内环境下人机路径规划的构思 | 第45-46页 |
| 4.2.1 基于反应式行为和慎思行为规划的结合 | 第45-46页 |
| 4.2.2 全局路径规划和局部路径规划的结合 | 第46页 |
| 4.3 基于栅格法和行为法的路径规划算法 | 第46-57页 |
| 4.3.1 室内环境下机器人工作环境的建模 | 第46-50页 |
| 4.3.1.1 室内环境栅格化 | 第47-48页 |
| 4.3.1.2 栅格环境与图的逻辑关系 | 第48-50页 |
| 4.3.2 机器人的基本行为设计 | 第50-54页 |
| 4.3.2.1 参数和模型设定 | 第50-51页 |
| 4.3.2.2 线性行为 | 第51-52页 |
| 4.3.2.3 接近行为 | 第52-53页 |
| 4.3.2.4 避障行为 | 第53-54页 |
| 4.3.2.5 搜寻行为 | 第54页 |
| 4.3.3 实验流程设计 | 第54-57页 |
| 4.4 仿真结果与分析 | 第57-61页 |
| 4.4.1 栅格化室内地图 | 第57页 |
| 4.4.2 机器人基本行为仿真 | 第57-58页 |
| 4.4.3 室内环境下机器人的路径规划仿真 | 第58-60页 |
| 4.4.3.1 全局路径规划仿真 | 第58-59页 |
| 4.4.3.2 局部路径优化仿真 | 第59-60页 |
| 4.4.4 实验分析 | 第60-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第5章 基于PSO-ACO融合路径规划算法研究 | 第63-81页 |
| 5.1 引言 | 第63页 |
| 5.2 粒子群算法和蚁群算法的研究分析 | 第63-68页 |
| 5.2.1 粒子群算法 | 第63-65页 |
| 5.2.1.1 粒子群算法的概述 | 第63-64页 |
| 5.2.1.2 粒子群算法的流程 | 第64-65页 |
| 5.2.1.3 粒子群算法主要参数介绍 | 第65页 |
| 5.2.2 蚁群算法 | 第65-68页 |
| 5.2.2.1 蚁群算法的概述 | 第65-66页 |
| 5.2.2.2 蚁群算法的流程 | 第66-68页 |
| 5.2.2.3 蚁群算法主要参数介绍 | 第68页 |
| 5.3 基于PSO-ACO融合路径规划算法 | 第68-76页 |
| 5.3.1 基于改进蚁群的路径规划的问题描述与定义 | 第68-69页 |
| 5.3.2 设计与实施细节 | 第69-74页 |
| 5.3.2.1 均匀粒子群算法 | 第69-71页 |
| 5.3.2.2 改进的蚁群算法 | 第71-73页 |
| 5.3.2.3 融合了均匀粒子群算法的改进的蚁群算法 | 第73-74页 |
| 5.3.3 实验流程设计 | 第74-76页 |
| 5.4 实验结果与分析 | 第76-79页 |
| 5.4.1 实验平台及参数 | 第76页 |
| 5.4.2 实验仿真 | 第76-78页 |
| 5.4.3 实验分析 | 第78-79页 |
| 5.5 本章小结 | 第79-81页 |
| 第6章 总结与展望 | 第81-83页 |
| 6.1 全文总结 | 第81-82页 |
| 6.2 工作展望 | 第82-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 攻读硕士学位期间的研究成果 | 第89-90页 |
