| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-35页 |
| ·机器人与多机器人系统 | 第13-14页 |
| ·足球机器人概述 | 第14-17页 |
| ·足球机器人的产生与发展 | 第14-15页 |
| ·机器人足球的仿生学依据 | 第15-16页 |
| ·机器人足球系统分类 | 第16-17页 |
| ·MiroSot机器人足球系统及其关键技术 | 第17-26页 |
| ·视觉子系统 | 第19-21页 |
| ·无线通信子系统 | 第21-22页 |
| ·足球机器人子系统 | 第22-23页 |
| ·决策子系统 | 第23-24页 |
| ·足球机器人系统涉及的关键技术 | 第24-26页 |
| ·群智能算法简介 | 第26-27页 |
| ·论文的主要研究内容及组织结构 | 第27-29页 |
| 本章参考文献 | 第29-35页 |
| 第二章 移动机器人路径规划问题研究 | 第35-61页 |
| ·移动机器人路径规划问题描述 | 第35-36页 |
| ·移动机器人路径规划特点 | 第36-37页 |
| ·移动机器人路径规划常用方法 | 第37-52页 |
| ·基于图的路径规划算法 | 第37-46页 |
| ·BUG 族算法 | 第46-47页 |
| ·人工势场法 | 第47-48页 |
| ·智能路径规划算法 | 第48-52页 |
| ·其它的路径规划方法 | 第52页 |
| ·移动机器人路径规划的研究框架 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 本章参考文献 | 第55-61页 |
| 第三章 基于较短轴补偿逼近的 MiroSot 机器人位姿辨识算法 | 第61-73页 |
| ·MiroSot足球机器人视觉子系统结构 | 第61-62页 |
| ·色标设计 | 第62-64页 |
| ·色标对称性分析 | 第64-65页 |
| ·基于较短轴补偿逼近的MiroSot机器人位姿辨识算法（SASA） | 第65-68页 |
| ·实验结果与分析 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 本章参考文献 | 第71-73页 |
| 第四章 基于相位相关法的 MiroSot 机器人位姿辨识算法 | 第73-99页 |
| ·相位相关法原理 | 第73-76页 |
| ·相位相关法与平移检测 | 第73-75页 |
| ·图像间平移、旋转和尺度关系分离 | 第75-76页 |
| ·八边形对数极坐标傅里叶变换OLPFT | 第76-92页 |
| ·极坐标傅里叶变换及其离散化 | 第76-77页 |
| ·非均匀空间采样 FFT 算法 | 第77-78页 |
| ·伪极坐标傅里叶变换 | 第78-82页 |
| ·伪对数极坐标傅里叶变换 | 第82-84页 |
| ·八边形极坐标傅里叶变换 | 第84-88页 |
| ·八边形对数极坐标傅里叶变换 | 第88-90页 |
| ·配准实验 | 第90-92页 |
| ·基于相位相关法的MiroSot机器人位姿辨识算法（PCGR） | 第92-95页 |
| ·算法步骤 | 第92-94页 |
| ·实验结果与分析 | 第94-95页 |
| ·本章小结 | 第95-96页 |
| 本章参考文献 | 第96-99页 |
| 第五章 基于 Lotka-Volterra 模型的双群协同竞争粒子群优化算法 | 第99-131页 |
| ·优化与优化算法 | 第99-102页 |
| ·优化 | 第99页 |
| ·优化问题的描述 | 第99-101页 |
| ·传统优化算法 | 第101页 |
| ·智能优化算法 | 第101-102页 |
| ·群智能与群智能算法 | 第102-104页 |
| ·群智能 | 第102-103页 |
| ·群智能算法 | 第103-104页 |
| ·粒子群优化算法 | 第104-110页 |
| ·基本粒子群优化算法 | 第104-106页 |
| ·标准粒子群优化算法 | 第106-108页 |
| ·早熟收敛原因分析与改进 | 第108-110页 |
| ·基于Lotka-Volterra模型的双群协同竞争粒子群优化算法 | 第110-116页 |
| ·生态学基本概念 | 第110-114页 |
| ·基于Lotka-Volterra 模型的双群协同竞争粒子群优化算法 | 第114-116页 |
| ·LVPSO函数优化实验及分析 | 第116-126页 |
| ·粒子群参数的设置 | 第116-117页 |
| ·基准测试函数及其特性 | 第117-119页 |
| ·收敛精度分析 | 第119-120页 |
| ·收敛速度分析 | 第120-125页 |
| ·优化成功率分析 | 第125-126页 |
| ·本章小结 | 第126-127页 |
| 本章参考文献 | 第127-131页 |
| 第六章 基于 LVPSO 和 Ferguson 样条的移动机器人路径规划 | 第131-149页 |
| ·Ferguson 样条函数 | 第131-133页 |
| ·三次样条函数 | 第131-132页 |
| ·Ferguson 样条函数 | 第132-133页 |
| ·基于LVPSO 算法和Ferguson样条的移动机器人路径规划 | 第133-137页 |
| ·LVPSO 算法 | 第134页 |
| ·粒子描述 | 第134-135页 |
| ·适应度函数 | 第135-136页 |
| ·LVPSOFS 算法描述 | 第136-137页 |
| ·实验结果与分析 | 第137-146页 |
| ·避障安全距离参数影响的实验结果与分析 | 第137-138页 |
| ·狭缝与陷阱路径规划实验结果与分析 | 第138-141页 |
| ·MiroSot 5v55 路径规划实验结果与分析 | 第141-142页 |
| ·MiroSot 11v511 路径规划实验结果与分析 | 第142-144页 |
| ·复杂环境路径规划实验结果与分析 | 第144-145页 |
| ·LVPSOFS 算法与经典路径规划算法实验结果比较 | 第145-146页 |
| ·本章小结 | 第146-147页 |
| 本章参考文献 | 第147-149页 |
| 第七章 总结与展望 | 第149-153页 |
| ·研究工作总结 | 第149-150页 |
| ·研究工作展望 | 第150-153页 |
| 致谢 | 第153-155页 |
| 博士在读期间的研究成果 | 第155-157页 |
