基于狭窄通道识别的机器人路径规划研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-25页 |
| ·课题背景与意义 | 第9-11页 |
| ·机器人路径规划国内外研究现状 | 第11-22页 |
| ·路径规划问题概述 | 第11-13页 |
| ·路径规划研究现状 | 第13-20页 |
| ·基于随机采集的路径规划研究 | 第20-22页 |
| ·本文的主要工作 | 第22-25页 |
| 第二章 基于狭窄通道识别的路标采集 | 第25-41页 |
| ·概率路标图算法介绍 | 第25-28页 |
| ·配置空间 | 第25-26页 |
| ·概率路标图算法 | 第26-28页 |
| ·路标采集方法 | 第28-32页 |
| ·均衡采样器 | 第28页 |
| ·高斯采样器 | 第28-30页 |
| ·桥试验法 | 第30-32页 |
| ·星形试验法 | 第32-36页 |
| ·狭窄通道的识别能力分析 | 第36-39页 |
| ·数学模型分析 | 第36-38页 |
| ·仿真 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第三章 基于星形试验法的三树扩展随机树 | 第41-51页 |
| ·快速扩展随机树算法 | 第41-43页 |
| ·RRT算法 | 第41-42页 |
| ·RRT-CONNECT算法 | 第42-43页 |
| ·基于星形试验法的三树扩展随机树 | 第43-45页 |
| ·狭窄通道识别 | 第44页 |
| ·三树扩展算法 | 第44-45页 |
| ·仿真 | 第45-49页 |
| ·本章小结 | 第49-51页 |
| 第四章 基于狭窄通道识别的混合路径规划 | 第51-69页 |
| ·基于随机采样的路径规划问题描述 | 第51-52页 |
| ·混合概率路标图法 | 第52-56页 |
| ·合理路标分布 | 第52-54页 |
| ·混合路径规划法 | 第54-56页 |
| ·仿真与实验 | 第56-67页 |
| ·仿真 | 第56-63页 |
| ·实验 | 第63-67页 |
| ·本章小结 | 第67-69页 |
| 第五章 基于地图学习的多任务路径规划 | 第69-81页 |
| ·地图学习法 | 第69-70页 |
| ·基于地图学习的混合路标采样法 | 第70-72页 |
| ·多任务路径规划 | 第72-74页 |
| ·仿真 | 第74-79页 |
| ·本章小结 | 第79-81页 |
| 第六章 总结和展望 | 第81-85页 |
| ·全文工作总结 | 第81-82页 |
| ·未来工作展望 | 第82-85页 |
| 参考文献 | 第85-95页 |
| 攻读博士学位期间已录用或已投的论文 | 第95-97页 |
| 致谢 | 第97-99页 |
