一、基于改进的势场函数的移动机器人路径规划(论文文献综述)
黄壹凡[1](2021)在《基于改进采样算法的移动机器人路径规划研究》文中研究说明随着科学技术的快速发展,各类型移动机器人被广泛应用于人类日常生活和生产中,而路径规划是影响移动机器人性能的关键指标,也是机器人研究的关键技术之一。在复杂环境中,传统路径规划算法往往存在一些缺陷使机器人不能顺利完成既定任务,针对这一问题,本文基于MATLAB仿真环境,研究采样算法中的RRT-Connect、RRT*两种典型算法在移动机器人路径规划中出现的问题,并提出相应的改进策略。主要研究内容如下:本文首先介绍移动机器人路径规划的研究背景及意义,对移动机器人的国内外现状和路径规划算法的现状进行综述,基于各种算法的对比分析,选择采样算法中的RRT-Connect、RRT*进行改进研究。对于RRT-Connect算法,通过对新节点引入考虑祖代点的重选父节点环节,利用三角不等式原理优化部分路径长度,并通过设置转角约束、动态步长策略、连接处理等改进,仿真结果表明,改进算法不仅减小规划路径长度,而且缩短了收敛时间。随机树单向拓展是双向拓展改进的基础,因此提出一种改进的单向RRT*算法,对于原始RRT*,先通过目标偏向采样策略加快算法收敛速度,再通过目标引力进行二次偏向,并进行剪枝、平滑等处理,使改进算法规划时间在未增大的情况下,路径质量有较明显的提升。两种算法改进的目的都是使算法规划路径质量更优,且兼顾到收敛速度的考量,两种不同的改进方法对于采样算法的优化思路具有一定参考意义。最后,针对移动机器人在复杂环境中出现的问题,提出改进RRT*与改进人工势场法融合的混合算法。先利用改进RRT*规划出全局初始路径,将全局路径节点设置为子目标,再利用改进人工势场法使机器人依次通过子目标,而改进的人工势场通过斥力势场函数修正及引入相对速度斥力势场,设置虚拟子目标逃离等改进,使其在克服传统缺陷的同时能够对动态障碍物进行绕后回避。通过两种算法的融合,机器人的行进路径较为平滑且能够有效避开动态障碍物。
刘冠一[2](2021)在《仓储环境下智能移动机器人路径规划研究》文中认为仓储作为物流环节的重要一环,其运作效率已经备受关注。目前,许多物流仓储内都已经使用智能移动机器人进行搬运物品,提高了工作效率。路径规划作为移动机器人自主导航的重要技术之一,它的好坏决定着移动机器人能否高效安全地到达指定目标点。路径规划根据不同的工作状态和环境信息分为全局路径规划和局部路径规划。由于仓储环境具有动态性和复杂性,单一的路径规划方法无法满足工作需要,因此本文将两者结合起来设计了一种混合路径规划方法。主要的研究内容如下:第一,针对移动机器人采用传统蚁群算法进行全局路径规划时,存在着前期搜索效率低和易陷入局部最优解等问题,为此提出了一种改进免疫-蚁群混合算法。该算法首先利用免疫算法具有快速全局收敛性,得出最优解并作为蚁群算法的初始信息素分布;在此基础上,采用改进蚁群算法进行全局路径规划,有效地解决了搜索前期因信息素匮乏而效率较低的问题。最后利用MATLAB软件进行仿真实验,实验结果证明了改进免疫-蚁群算法能够更好地解决复杂环境下移动机器人路径规划问题,具有较好的鲁棒性和可行性。第二,当前物流仓储环境的复杂性与动态性程度越来越高,要求移动机器人在行驶过程中能够及时避开动态障碍物的能力也越来越高。传统人工势场法在进行局部路径规划中存在着目标不可达、避障能力差、易陷入局部最小值等问题,无法满足移动机器人工作要求。针对传统人工势场法的诸多问题,设计了一种模糊人工势场法。通过设置距离阈值改进传统引力势场函数,引入移动机器人与障碍物的距离改进传统斥力势场函数,再通过引入移动机器人与移动目标点的相对速度和移动机器人与动态障碍物的相对速度,得到新的改进人工势场法。将改进人工势场法与模糊逻辑控制算法结合,对各函数中的系数进行模糊化处理,解决了传统人工势场法的缺陷。最后在MATLAB上进行局部路径规划仿真实验,仿真结果表明模糊人工势场法能够使移动机器人避开动态障碍物且顺利到达目标点,具有很好的可行性。第三,在实际环境下进行移动机器人混合路径规划实验。首先对移动机器人的开发环境及ROS系统进行介绍,其次对移动机器人的硬件平台的组成装置进行介绍,并分析了移动机器人的运动学模型。最后进行实际环境下路径规划实验。实验前先布置障碍物位置,并利用智能移动机器人装载的激光雷达对实际环境信息进行采集,将采集到的信息上传至上位机经SLAM算法处理后,构建出环境地图。移动机器人采用改进免疫-蚁群混合算法进行全局路径规划后设计出一条最优路径,然后在行驶过程中采用模糊人工势场法进行局部避障行为,最终成功到达指定地点。实际环境下移动机器人路径规划实验结果证明了混合路径规划算法具有应用性和可行性。
张德勇[3](2021)在《轮足混合并联腿式行走机器人运动规划研究》文中提出近年来,随着机器人应用技术的不断发展,各种形式的机器人应运而生,并逐渐融入到人类社会中,扮演着重要的角色。行走机器人作为一个重要的研究课题,近年来受到各界学者关注。行走机器人按结构可分为足式、轮式以及轮足混合式,足式行走机器人对环境要求不高,能够适应复杂地形,但是运动速度缓慢,轮式行走机器人可具有较高的运动速度,但是在环境适应性方面不足,而轮足混合式行走机器人摒弃上述两者缺点,综合各自优点,成为机器人研究领域的热点方向。本文的研究对象是一种轮足混合并联腿式行走机器人,其特点在于综合采用了2(6UPUR+3P)的并联构型的腿部结构以及二驱动一导向的轮式结构,其中腿部结构使得机器人整体重心平稳且承载能力大,而轮式结构能够使机器人在平坦地形环境下实现快速运动。本文主要做了以下研究工作:首先,对轮足混合并联腿式行走机器人进行结构设计,并搭建了Adams虚拟样机仿真平台,制造了试验样机。其次,以轮足混合并联腿式行走机器人单并联腿为研究对象,通过采用螺旋理论结合运动影响系数矩阵法推导了单并联腿的一、二阶影响系数矩阵,进而得出其足式运动学正反解方程,对轮足混合并联腿式行走机器人规划了一种静态步行步态,并基于此步态提出了一种机身姿态调整算法,通过Matlab算例与Adams/Simulink联合仿真对足式运动学模型以及姿态调整算法进行了准确验证,然后推导了机器人轮式运动学模型以及轨迹跟踪预瞄模型,并进行了仿真算例的准确验证;采用拉格朗日法详细推导建立了轮足混合并联腿式行走机器人单并联腿的动力学模型,并建立了机器人轮式结构包含电机的动力学模型,而后通过仿真算例对比验证了单并联腿动力学模型的正确性;针对经典APF算法的缺陷,提出一种IAPF算法,用于改进其不同场景出现的问题,并通过仿真验证了算法的有效性。最后,进行轮足混合并联腿式行走机器人轮式行走避障试验,用以验证所提出的IAPF算法,根据所安装的传感器采集实验数据,并对数据处理生成障碍物信息与机器人轨迹曲线,结果表明,IAPF算法改进效果明显,能够实现机器人复杂环境下的路径规划。
林泽南[4](2021)在《基于全局改进势场与局部动态避障的移动机器人路径规划方法研究》文中认为移动机器人以其灵活、形式多样的特点受到社会各界的关注,并在各领域内都得到了广泛的应用。对于智能移动机器人而言导航功能必不可少,而路径规划在导航系统中占据重要地位,它影响机器人整体导航的效果,很大程度上决定了导航过程的效率。在导航过程中,机器人除了需要面对静止的障碍环境还要处理动态的不确定障碍物,而现有的规划方法在该方面还有不足之处。为此,本文以移动机器人为研究对象,针对现有方法对静态及动态环境下机器人的路径规划算法提出改进,分别从全局和局部角度对局部极值、移动障碍物避障等问题提出解决方案。在此基础上,基于ROS搭建机器人仿真平台,利用Turtlebot3 Burger针对改进后的规划算法进行实验,验证了算法的有效性。首先,在全局规划层面,针对传统人工势场法中出现的目标点不可达问题,采用增加引力系数的方法使路径接近终点时斥力势场逐渐减小。对于局部极小值问题提出了自适应子目标点的方法,通过引入障碍势场函数的概念使机器人在陷入极值时选择合适的位置逃逸至子目标点,最终重新规划至终点。考虑人工势场中参数无法适应环境的情况引入粒子群优化算法,将路径长度和平滑度作为适应度函数解决了局部极值问题,得到了更为平滑且更短的全局路径。其次,在局部规划层面,通过在代价函数中加入跟随全局路径的方法解决了动态窗口法中的局部极值问题。对于动态窗口法不能及时躲避移动障碍物的问题,引入模糊控制思想,建立针对移动障碍物的危险评估系数动态调整实时规划的策略。根据移动障碍物与机器人的相对速度关系,设计动态窗口法模糊控制器,避免机器人发生碰撞或是陷入无法继续规划的情况。再次,为了验证规划算法的有效性,在ROS机器人操作系统下利用Gazebo搭建仿真试验环境。通过SLAM构建了仿真地图,采用Turtlebot3 Burger模型在静态和动态环境中进行仿真实验。在原有全局规划A*算法的基础上进行方向扩展提升了路径的平滑度,减少了冗余轨迹。在规划过程中临时加入Gazebo障碍物模拟动态环境,机器人通过传感器数据在动态窗口法的作用下成功重新规划避障轨迹。最后,分别在实验室中设计动静态环境,利用Turtlebot3 Burger对提出的改进算法进行验证。通过工作空间覆盖机制测试改进A*算法,结果显示改进算法的路径比原有算法更优。动态环境下采用动态窗口法可以实现不同场景、不同任务的实时避障,验证了算法的可靠性。综上,本文通过对移动机器人规划问题的研究,于机器人自主导航有借鉴意义。
张胜男[5](2021)在《移动机器人路径规划及跟踪算法研究》文中指出现代社会不断朝着自动化的方向发展,作为国家科技创新发展领域的突出代表,机器人受到越来越多的关注。各类机器人不断应用到工业、农业、军事等领域,代替人们完成更加高危、更加精细的工作。近些年来经济高速发展,移动机器人所应用的领域和承担的任务都更为复杂,这需要移动机器人必须在所处环境中快速规划出最优的安全路径,并且提高路径跟踪系统精度与稳定性。因此对移动机器人路径规划及跟踪算法的研究就显得极为重要。本论文首先对全局路径规划算法和局部路径规划算法作出改进。针对A*算法受启发式信息影响较大的问题,选用了现有的改进方法重新定义了估价函数。接着针对人工势场法,改进了斥力势场函数。这一方式解决了人工势场法在经过狭窄通道时路径振荡的问题和局部极小值问题。其次,提出了一种路径规划混合算法。由于A*算法是一种全局路径规划算法,只能在静态环境中应用,而人工势场法是一种局部路径规划方法,只能识别当前位置附近的障碍物,规划的路径不是最优,因此考虑将两种算法结合,先通过改进A*算法得到初始路径,然后利用人工势场法进行局部路径规划。这一方法能够简化复杂地图,消除原本目标点造成的局部极小值点,并且能够得到一条平滑安全的路径。最后提出了基于改进趋近律的移动机器人滑模路径跟踪算法。分析了滑模控制存在的抖振问题,提出一种改进趋近律来抑制抖振。针对双轮差速驱动机器人,设计了改进滑模控制器,并证明了其稳定性。仿真结果证明该方法削弱了系统抖振,提高了跟踪系统的性能。
牛晶[6](2021)在《基于烟花势场法的室内服务机器人路径规划》文中研究说明近年来,室内服务机器人飞速发展,机器人的智能化水平也在不断提升,路径规划是移动机器人范畴内不可缺失的一个环节,也是智能机器人领域的研究热点,目前室内服务机器人路径规划存在搜索时间长、搜索路径效率低、产生的路径节点较多使得机器人偏转次数较多等缺点,因此,本文将烟花算法与人工势场法相结合对此类问题进行优化与改进,主要的工作如下:(1)针对传统烟花算法存在随机性大、容易陷入小范围内的最优问题,提出一种改进烟花算法,该算法依据当前路径节点与上一路径点的位置信息作为适用度函数,引入惩罚函数筛除落在障碍物区域的火花,从而减少路径代价;引入非零因子β解决烟花算法最优烟火花爆炸半径为0所造成的局部最优问题;针对烟花算法规划的路径可能穿过障碍物的问题,引入了避障策略,避开可能会穿越障碍物的路线。(2)针对人工势场法路径规划易出现目标位置无法到达的问题,本文在斥力场函数中引入距离因子,使斥力大小随目标位置与机器人之间的距离信息实时调整;避免机器人受目标点的斥力等于各障碍物产生的斥力和时,徘徊不前陷入区域性陷阱,在引力场函数和斥力场函数中分别引入增强因子和锐减因子,并在静态环境下进行改进势场法的路径规划,验证该改进的有效性与可行性;当环境中存在运动状态的障碍物时,引入了相对分速度信息,使得势场法避免碰撞动态障碍物,提高机器人的避障能力。(3)对改进烟花算法与改进人工势场法进行融合,先采用改进烟花算法进行全局最优路径规划,当机器人行驶至动态障碍物的斥力范围内,切换到改进势场法进行实时避障,完成动态避障后重新回归到原全局最优路径上,以此完成整个环境下的路径规划,本文通过MATLAB 2019b仿真软件验证了该改进算法的可行性,有效减少路径总长度。(4)基于ROS平台利用本文改进算法进行了路径规划实验。分别在不同障碍物情况下,对基于IFWA的全局路径规划与基于IFWA-APF的路径规划进行了实验验证,实验结果表明了本文改进算法的有效性与可行性。
叶鸣飞[7](2021)在《基于Voronoi图与不确定性势场的移动机器人路径规划》文中提出近年来,随着定位导航技术的逐渐成熟,使移动机器人在未知环境中的自主导航成为可能。但是即使是当前最先进的同步定位与建图(SLAM)技术,也会因为传感器中的噪声而给地图中障碍物的定位带来不确定性。典型的路径规划算法都关注如何降低这种不确定性,而本文将从另一个角度来解决这种信息的不确定性。针对环境信息的不确定性问题,提出了一种基于Voronoi图与不确定性势场算法的路径规划方法,使移动机器人在信息不确定的环境中能与障碍物保持更大的安全距离,实现在不确定性区域更谨慎的导航。本文主要工作及贡献如下:(1)在全局路径规划方面,考虑到全局信息的不确定性,选用路径安全性更高的Voronoi图对规划空间建模,并基于A*算法中启发式函数在评价函数中所占权值对算法性能的影响,引入动态系数,使得A*算法可以在全局路径规划中既保证实时性又保证准确性。(2)在局部路径规划方面,本文建立了障碍物不确定性模型,并分析了传统人工势场算法缺点,通过优化传统人工势场算法并结合障碍物不确定性,形成不确定性势场,将移动机器人在势场中的所受的合力作为机器人的控制输入,引导机器人向局部目标点前进。(3)融合前述的全局路径规划与局部路径规划,提出了基于Voronoi与不确定性势场的移动机器人路径规划算法。上级规划使用Voronoi图进行规划空间建模,并使用A*路径搜索算法遍历图中节点,确保找到连通起点与全局目标点的离散路径节点集。下级路径规划使用不确定性势场法,保证了机器人不仅能规避障碍物,还能与障碍物保持更远的安全距离,并得到连接全局路径节点的平滑路径。且通过层次划分,使得规划代价高的全局路径规划以较低的频率运行,根据当前环境信息,优化路径,而规划代价低的局部路径规划以很高的频率运行,保证能对障碍物的位置变化及时做出反应。最终的仿真分析证明了本文提出的基于Voronoi不确定性势场的移动机器人路径规划方法能与环境中障碍物保持足够的安全距离,并具有良好的实时性。同时,也为移动机器人在未知环境中导航时会遇到的信息不确定问题提出了新的解决方案。
邱雷[8](2020)在《游戏智能路径搜索算法研究及其系统开发》文中指出近年来,如何把人工智能理论应用于游戏开发,提高游戏的用户体验和运行效率成为研究的一个主要问题。论文针对游戏中的路径最优化展开研究。其研究目标是为游戏中的角色规划出一条从起点到目标点的无碰撞路径,并提升路径搜索效率和优化路径质量。论文针对游戏中的全局路径规划和局部避障展开研究,并把相关算法应用于《纷争大陆》游戏的开发。论文主要工作包括:1)针对大规模地图的全局路径规划问题,论文将A*算法与Bresenham算法相结合,并采用分层策略提高搜索效率。尽管A*算法被广泛应用于游戏中的地图全局路径规划,但是A*算法搜索无效节点多,在大规模地图中搜索效率低。论文将A*算法与Bresenham算法相结合,有效减少了无效节点的搜索数量。同时论文采用分层搜索策略,将寻路系统分成离线处理阶段与在线处理阶段。实验仿真表明,论文算法可以减少45%~65%的节点搜索数量,分层搜索策略可以将搜索效率提高数倍,且地图规模越大,提升越显着。2)针对势场栅格法在实时避障中存在的目标点不可达和局部最小点问题,论文提出改进斥力势场函数和模拟流水法设计分段函数,使游戏角色忽略无效障碍物,并以最短路径到达目标点。在动态变化的游戏地图中,人工势场法可以帮助角色在行进过程中躲避障碍物。论文在人工势场法的基础上提出适用于栅格地图进行寻路的势场栅格法,针对势场栅格法中存在的目标点不可达和局部最小点的问题分别通过改进斥力势场函数和模拟流水法解决。模拟结果表明,论文改进斥力势场函数可以使全局路径更加光滑并可以最终平稳到达目标点,模拟流水法可以帮助角色找到脱离局部最小点区域的最短路径。3)在上述算法研究基础上,设计并实现了游戏《纷争大陆》的智能寻路系统。论文描述了游戏《纷争大陆》开发框架和总体功能模块的设计,特别是寻路模块的设计和开发。游戏寻路系统主要包括地图构建,全局寻优,实时避障和世界地图四个模块。最后论文给出了游戏部分效果图。目前,《纷争大陆》已经完成开发,正在内部试运行。论文所研究的路径规划算法能够适应游戏中各种地图,性能稳定,明显提升了游戏用户体验。
于涛[9](2020)在《基于激光雷达的室内服务机器人路径规划研究》文中研究说明随着机器人技术的飞速发展,室内服务机器人逐渐出现在银行、展厅以及医院等场所。但目前在复杂变化的室内环境中,机器人路径规划精度不高。因此本文对室内服务机器人路径规划展开研究,主要研究内容如下:分析室内服务机器人需求以及整体结构,搭建由笔记本电脑、激光雷达和运动底盘组成的实验平台。根据室内服务机器人底盘运动控制的思想,使用STM32单片机完成底盘硬件电路和软件程序设计,并建立室内服务机器人运动模型和传感器观测模型。对机器人操作系统(ROS)进行简单介绍,分析RPLIDAR Al激光雷达的工作原理、通讯模式以及数据获取过程,完成了基于ROS的激光雷达数据采集。对Hector SLAM技术进行理论分析,并使用搭建的实验平台,在实验室小范围环境内进行了实验,证明构建环境地图的准确性。对室内服务机器人路径规划进行研究。采用改进蚁群算法进行全局路径规划,针对传统蚁群算法存在的前期收敛速度慢和容易陷入局部最优等问题,本文分别对初始信息素的分布、信息素的更新、避免陷入局部最优以及路径的再优化四个方面进行改进,仿真证明改进后的算法是有效的。采用改进人工势场法进行局部路径规划,针对传统人工势场法存在的目标点不可到达和局部极小值等问题,本文对斥力势场函数和引力势场函数进行修改。提出基于改进蚁群算法和改进人工势场法的路径规划,在改进蚁群算法规划出最优的全局路径上,设置一系列的局部目标点,室内服务机器人根据局部目标点进行局部路径规划,尽量保证贴合最优的全局路径运动,仿真实验证明所提出的算法是有效的。
孙九博[10](2020)在《动态环境移动机器人安全高效的路径规划方法研究》文中认为随着科学技术的高速发展,自主移动机器人已应用于多个领域,成为社会发展中不可或缺的一部分。路径规划是移动机器人导航中的一个重要问题,不同类型的机器人服务于各行各业,需要适应不同的动态环境,所以在动态环境下实现安全高效的路径规划是研究领域的一个热点问题。本文针对人工势场法进行研究,分析传统算法的弊端,并提出一种改进的人工势场法,提高动态环境中路径规划的安全性和高效性。主要工作包括以下几个方面:1)传统人工势场法的弊端主要包括:①由于机器人的移动步长较大,在存在障碍物的情况下路径容易发生振荡;②目标不可达;③陷入局部最小区域。本文针对人工势场法中经典的局部极小值问题,对其形成原因、检测方案和常见的解决方案进行讨论,并选择其中的临时虚拟目标点方法改进局部极小值问题。但部分经典方案均需要检测机器人是否陷入局部极小值区域,然后引导机器人离开该区域,路径效率较低。本文针对局部极小值问题,使用动态窗口法改进人工势场法。动态窗口法通过速度采样对轨迹进行模拟,然后利用评价函数求解路径最优解。首先对人工势场法求解的轨迹进行模拟,并根据势场法的特性,设置评价标准选取最优路径。在机器人陷入局部极小值区域时,会选取模拟轨迹中的最优路径,使得算法无需检测该区域,可直接躲避。改进后的算法,提高路径效率、减少检测环节和消除路径振荡问题。2)动态环境下,基于动态窗口法改进的人工势场法规划的路径安全性较低,本文提出基于危险指数的人工势场法来提高安全性。通过引入速度势场进一步改进斥力函数,使机器人躲避动态障碍物不仅仅依赖于两者之间的位置关系。本文引入危险指数的思想,利用机器人和动态障碍物之间的关系,进一步改进速度斥力势场,提出一种基于危险指数改进的人工势场法。危险指数中,根据机器人和动态障碍物的速度关系计算相对速度影响系数,选择不同的避障策略,并建立速度斥力势场,提高路径的效率。根据两者的位置关系计算相对距离影响因子,该因子控制速度斥力势场的影响程度,增加路径的安全性。在相同的实验条件下,将ROS(Robot Operating System)中的路径规划算法与本文算法进行仿真实验对比。实验结果表明,基于危险指数改进后,在慢速的动态环境下,可以规划出与ROS效率相当的路径。而在快速的动态环境下,相较于ROS的路径,本文算法不仅保证了路径的安全性,在路径效率方面也有明显的优势。3)本文将基于危险指数改进的人工势场路径规划算法在移动机器人TIAGo上进行实现,融合多种传感器数据获取环境信息,并利用识别算法和滤波算法对数据进行处理,搭建完整的路径规划系统。最后,搭建复杂的室内动态环境,在该环境中进行路径规划实验,证明该系统的可行性、安全性和高效性。
二、基于改进的势场函数的移动机器人路径规划(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于改进的势场函数的移动机器人路径规划(论文提纲范文)
(1)基于改进采样算法的移动机器人路径规划研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题的研究背景及意义 |
1.2 移动机器人发展现状 |
1.3 路径规划算法研究现状 |
1.4 论文研究内容与结构 |
第二章 问题描述与算法理论分析 |
2.1 引言 |
2.2 路径规划问题描述 |
2.3 基于采样的路径规划算法 |
2.3.1 RRT算法原理 |
2.3.2 RRT-Connect算法原理 |
2.3.3 RRT*算法原理 |
2.3.4 采样算法存在问题与改进思路 |
2.4 人工势场法 |
2.4.1 人工势场法原理 |
2.4.2 人工势场法缺陷与改进 |
2.5 本章小结 |
第三章 改进RRT-Connect算法的全局路径规划 |
3.1 引言 |
3.2 改进RRT-Connect算法 |
3.2.1 考虑祖代点的重选父节点 |
3.2.2 转角约束 |
3.2.3 动态步长优化 |
3.2.4 两树连接处理 |
3.2.5 改进后算法流程图 |
3.3 实验与分析 |
3.3.1 简单环境仿真 |
3.3.2 复杂环境仿真 |
3.4 本章小结 |
第四章 改进RRT*算法的全局路径规划 |
4.1 引言 |
4.2 改进RRT*算法 |
4.2.1 采样策略 |
4.2.2 目标引力改进 |
4.2.3 剪枝平滑优化 |
4.3 改进RRT*算法流程图 |
4.4 实验与分析 |
4.4.1 参数K的影响仿真 |
4.4.2 改进RRT*不同环境下仿真 |
4.5 本章小结 |
第五章 基于混合算法的动态路径规划 |
5.1 引言 |
5.2 改进的人工势场法 |
5.2.1 修正斥力势场函数 |
5.2.2 引入速度斥力势场 |
5.2.3 设置虚拟子目标点逃离 |
5.3 动态混合算法规划流程 |
5.4 实验与分析 |
5.4.1 局部路径规划仿真 |
5.4.2 混合算法动态路径规划仿真 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间的主要科研成果 |
(2)仓储环境下智能移动机器人路径规划研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景 |
1.2 研究意义 |
1.3 研究现状 |
1.3.1 全局路径规划研究现状 |
1.3.2 局部路径规划研究现状 |
1.4 主要研究内容 |
2 相关技术理论 |
2.1 环境建模技术 |
2.2 室内定位技术 |
2.3 自主导航技术 |
2.4 本章小结 |
3 基于改进免疫-蚁群混合算法的全局路径规划研究 |
3.1 引言 |
3.2 传统免疫算法 |
3.2.1 传统免疫算法原理 |
3.2.2 传统免疫算法数学模型 |
3.2.3 传统免疫算法特征 |
3.3 传统蚁群算法 |
3.3.1 传统蚁群算法原理 |
3.3.2 传统蚁群算法数学模型 |
3.3.3 传统蚁群算法特征 |
3.4 改进免疫-蚁群混合算法 |
3.4.1 算法融合分析 |
3.4.2 免疫算法的改进 |
3.4.3 蚁群算法的改进 |
3.4.4 改进免疫-蚁群算法流程 |
3.5 仿真实验与分析 |
3.6 本章小结 |
4 基于模糊人工势场法的局部路径规划研究 |
4.1 传统人工势场法 |
4.1.1 传统人工势场法原理 |
4.1.2 传统人工势场法存在的问题 |
4.2 改进人工势场法 |
4.2.1 引入距离阈值 |
4.2.2 引入距离因子 |
4.2.3 引入相对速度 |
4.3 模糊人工势场法 |
4.3.1 模糊逻辑控制器的设计 |
4.3.2 模糊控制器的设计 |
4.4 仿真实验及结果分析 |
4.5 本章小结 |
5 实际环境下移动机器人路径规划实验 |
5.1 ROS系统与硬件平台 |
5.1.1 ROS系统结构 |
5.1.2 硬件平台 |
5.2 移动机器人运动学分析 |
5.2.1 机器人位置坐标系转换 |
5.2.2 运动学模型建立及分析 |
5.3 实际环境下路径规划实验 |
5.3.1 实际环境中障碍物布置 |
5.3.2 建立环境地图及路径规划 |
5.3.3 实验结果及分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 论文总结 |
6.2 研究展望 |
参考文献 |
作者攻读学位期间取得的研究成果 |
(3)轮足混合并联腿式行走机器人运动规划研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题的研究背景及意义 |
1.1.1 课题来源 |
1.1.2 研究背景及意义 |
1.2 并联机器人国内外研究概况 |
1.3 并联行走机器人国内外研究概况 |
1.4 轮足混合式行走机器人国内外研究概况 |
1.5 移动机器人局部路径规划算法研究概况 |
1.6 论文的主要研究内容 |
第2章 轮足混合并联腿式行走机器人结构设计及仿真环境搭建 |
2.1 引言 |
2.2 轮足混合并联腿式行走机器人的总体组合设计 |
2.3 足式腿部分结构设计 |
2.4 轮式部分结构设计 |
2.5 仿真环境搭建 |
2.6 本章小结 |
第3章 轮足混合并联腿式行走机器人运动学分析 |
3.1 引言 |
3.2 足式运动学分析 |
3.2.1 螺旋理论及影响系数法 |
3.2.2 基于螺旋理论的运动影响系数矩阵的建立 |
3.2.3 单腿速度、加速度分析 |
3.2.4 整机静态步行步态规划及其机身姿态调整策略 |
3.2.5 仿真与验证 |
3.3 轮式运动学分析 |
3.3.1 轮式运动学建模 |
3.3.2 基于转向几何的轨迹跟踪预瞄模型 |
3.3.3 仿真与验证 |
3.4 本章小结 |
第4章 轮足混合并联腿式行走机器人动力学分析 |
4.1 引言 |
4.2 足式动力学分析 |
4.2.1 单并联腿动力学 |
4.2.2 仿真算例及验证 |
4.3 轮式动力学分析 |
4.4 本章小结 |
第5章 轮足混合并联腿式行走机器人路径规划研究 |
5.1 引言 |
5.2 经典人工势场法 |
5.2.1 原理分析 |
5.2.2 问题分析 |
5.3 改进人工势场法 |
5.3.1 设定阈值及引入距离因子 |
5.3.2 设置虚拟目标点 |
5.3.3 引入速度因子和加速度因子 |
5.4 改进人工势场法仿真结果与分析 |
5.4.1 改进算法后碰撞问题仿真结果 |
5.4.2 改进算法后目标不可达问题仿真结果 |
5.4.3 改进算法后局部最小值问题仿真结果 |
5.4.4 改进算法后动态规划问题仿真结果 |
5.5 本章小结 |
第6章 轮足混合并联腿式行走机器人路径规划试验研究 |
6.1 引言 |
6.2 样机搭建 |
6.3 硬件系统搭建 |
6.4 传感器选择 |
6.4.1 激光雷达传感器 |
6.4.2 超宽带UWB |
6.5 试验验证 |
6.5.1 试验环境搭建 |
6.5.2 基于IAPF算法的试验验证 |
6.5.3 试验结果分析 |
6.6 本章小结 |
第7章 总结与展望 |
7.1 论文工作总结 |
7.2 展望 |
致谢 |
参考文献 |
作者简介 |
攻读硕士学位期间研究成果 |
(4)基于全局改进势场与局部动态避障的移动机器人路径规划方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景及研究意义 |
1.2 移动机器人研究现状 |
1.2.1 现有移动机器人研究现状 |
1.2.2 基于ROS的移动机器人研究现状 |
1.3 路径规划方法研究 |
1.4 本文主要内容和结构安排 |
2 面向全局场景的移动机器人人工势场路径规划方法 |
2.1 引言 |
2.2 传统人工势场法 |
2.3 改进的人工势场法 |
2.3.1 针对目标点不可达改进的人工势场法 |
2.3.2 针对局部极小值改进的人工势场法 |
2.4 粒子群优化的人工势场法 |
2.4.1 粒子群优化方法 |
2.4.2 人工势场函数修正 |
2.4.3 粒子群适应度函数 |
2.5 仿真分析 |
2.6 本章小结 |
3 面向局部场景的移动机器人动态窗口路径规划方法 |
3.1 引言 |
3.2 移动机器人运动学模型 |
3.3 传统的动态窗口局部路径规划算法 |
3.4 基于模糊控制的动态窗口算法 |
3.4.1 模糊控制理论 |
3.4.2 动态窗口法模糊控制器 |
3.5 仿真分析 |
3.6 本章小结 |
4 基于Gazebo的移动机器人路径规划仿真验证 |
4.1 引言 |
4.2 ROS机器人操作系统 |
4.3 基于Gazebo的室内仿真环境搭建 |
4.3.1 Gazebo机器人物理引擎 |
4.3.2 仿真环境搭建 |
4.4 路径规划算法验证 |
4.5 本章小结 |
5 基于Turtlebot3 的全局-局部路径规划方法实验验证 |
5.1 Turtlebot3 实验平台 |
5.1.1 设备结构 |
5.1.2 传感器与平台硬件连接 |
5.2 软件系统搭建 |
5.3 基于ROS的规划算法实验验证 |
5.3.1 静态环境下规划实验验证 |
5.3.2 动态环境下规划实验验证 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(5)移动机器人路径规划及跟踪算法研究(论文提纲范文)
摘要 |
Abstract |
符号说明 |
第1章 绪论 |
1.1 课题研究的背景与意义 |
1.2 国内外研究现状 |
1.2.1 移动机器人研究现状 |
1.2.2 移动机器人路径规划算法 |
1.2.3 移动机器人路径跟踪控制算法 |
1.3 主要研究内容 |
第2章 移动机器人结构和数学模型 |
2.1 引言 |
2.2 移动机器人的结构 |
2.3 坐标系及坐标变换 |
2.4 移动机器人数学模型的建立 |
2.5 本章小结 |
第3章 移动机器人全局和局部路径规划算法 |
3.1 引言 |
3.2 基于A*算法的全局路径规划 |
3.2.1 栅格地图创建 |
3.2.2 传统A*算法 |
3.2.3 基于改进A*算法的路径规划 |
3.3 基于人工势场法的局部路径规划 |
3.3.1 人工势场算法原理 |
3.3.2 改进人工势场法 |
3.4 仿真及结果分析 |
3.4.1 全局路径规划仿真及分析 |
3.4.2 局部路径规划仿真及分析 |
3.5 本章小结 |
第4章 基于混合算法的路径规划 |
4.1 引言 |
4.2 混合算法路径规划 |
4.2.1 问题阐述 |
4.2.2 混合算法基本原理 |
4.3 仿真及结果分析 |
4.4 本章小结 |
第5章 移动机器人滑模路径跟踪控制算法 |
5.1 引言 |
5.2 滑模变结构控制 |
5.3 基于指数趋近律的滑模路径跟踪控制算法 |
5.3.1 切换函数的设计 |
5.3.2 指数滑模跟踪控制器的设计 |
5.3.3 滑模可达性及控制器稳定性分析 |
5.4 基于改进趋近律的滑模路径跟踪控制算法 |
5.4.1 改进滑模跟踪控制器的设计 |
5.4.2 滑模可达性及控制器稳定性分析 |
5.5 仿真及结果分析 |
5.6 本章小结 |
结论 |
参考文献 |
致谢 |
攻读学位期间取得学术成果 |
(6)基于烟花势场法的室内服务机器人路径规划(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.研究意义及国内外研究现状 |
1.1 研究背景及意义 |
1.2 国内外研究状况 |
1.2.1 国内外移动机器人研究状况 |
1.2.2 国内外路径规划方法研究现状 |
1.2.3 路径规划技术的发展趋势 |
1.3 主要研究内容及结构安排 |
1.3.1 本文主要的研究内容 |
1.3.2 本文的结构安排 |
1.4 本章小结 |
2 基于烟花算法的室内服务机器人路径规划 |
2.1 环境建模 |
2.2 基于烟花算法的室内服务机器人路径规划 |
2.2.1 烟花算法的基本思想 |
2.2.2 烟花算法流程图 |
2.2.3 仿真与分析 |
2.3 本章小结 |
3 基于改进烟花算法的室内服务机器人路径规划 |
3.1 改进烟花算法方案 |
3.1.1 适应度函数改进 |
3.1.2 烟花爆炸半径改进 |
3.1.3 避障策略 |
3.1.4 改进算法的具体步骤 |
3.2 仿真与分析 |
3.3 本章小结 |
4 基于烟花势场法的室内服务机器人路径规划 |
4.1 人工势场法基本原理 |
4.2 势场法存在的问题及改进方法 |
4.2.1 引入距离信息因子 |
4.2.2 引入增强因子与锐减因子 |
4.2.3 仿真与分析 |
4.3 烟花势场法路径规划 |
4.3.1 烟花势场算法依据 |
4.3.2 势场法的改进 |
4.3.3 改进烟花势场法 |
4.3.4 仿真与分析 |
4.4 本章小结 |
5 室内服务机器人实验平台搭建 |
5.1 机器人运动建模 |
5.2 ROS操作平台 |
5.3 实验设置 |
5.4 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
附录1:硕士研究生学习阶段发表论文 |
(7)基于Voronoi图与不确定性势场的移动机器人路径规划(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与研究意义 |
1.2 国内外研究现状 |
1.3 不确定性的来源与处理方法 |
1.4 本文研究目标和内容 |
1.5 本文组织结构 |
第二章 移动机器人路径规划理论基础 |
2.1 路径规划空间建模 |
2.2 路径规划方法研究 |
2.2.1 全局路径规划 |
2.2.2 局部路径规划 |
2.3 本章小结 |
第三章 基于Voronoi图与A*算法的全局路径规划方法研究 |
3.1 基于Voronoi图的规划空间建模 |
3.1.1 环境空间预处理 |
3.1.2 Voronoi图的构建 |
3.2 基于动态系数的A*算法 |
3.2.1 A*算法评价函数的改进 |
3.2.2 改进A*算法仿真验证 |
3.3 基于Voronoi图与改进A*搜索的全局路径规划算法仿真分析 |
3.3.1 在已知环境下的全局路径规划仿真 |
3.3.2 在未知环境下的全局路径规划仿真 |
3.3.3 与其他全局路径规划算法的对比 |
3.4 本章小结 |
第四章 基于不确定性势场的局部路径规划方法研究 |
4.1 障碍物不确定性分析 |
4.2 障碍物不确定性建模 |
4.3 人工势场算法性能分析 |
4.4 改进人工势场算法 |
4.4.1 修正斥力函数 |
4.4.2 改进势场函数 |
4.4.3 融合全局规划数据 |
4.5 基于不确定势场法的局部路径规划器仿真分析 |
4.6 本章小结 |
第五章 基于Voronoi不确定势场的移动机器人路径规划 |
5.1 Voronoi不确定性势场算法结构 |
5.2 Vononoi不确定性势场算法流程 |
5.3 Voronoi不确定性势场算法仿真实验 |
5.3.1 已知环境下的路径规划仿真 |
5.3.2 未知环境下的路径规划仿真 |
5.3.3 特殊情况下的仿真 |
5.4 仿真结果分析 |
5.5 本章小结 |
第六章 总结及展望 |
6.1 全文总结 |
6.2 工作展望 |
致谢 |
参考文献 |
(8)游戏智能路径搜索算法研究及其系统开发(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 全局路径规划方法 |
1.2.2 局部路径规划方法 |
1.3 本文研究内容及论文结构 |
1.3.1 研究内容 |
1.3.2 论文结构 |
第二章 游戏寻路及相关技术理论 |
2.1 游戏寻路系统概述 |
2.2 二维游戏地图 |
2.3 地图环境建模 |
2.3.1 可见点法 |
2.3.2 导航网格法 |
2.3.3 栅格法 |
2.4 路径搜索算法 |
2.4.1 图的相关概念 |
2.4.2 图的遍历 |
2.4.3 盲目搜索算法 |
2.4.4 启发式搜索算法 |
2.5 本章小结 |
第三章 结合A*与Bresenham算法的全局最优游戏路径规划 |
3.1 A*算法 |
3.2 Bresenham-A*算法 |
3.2.1 Bresenham算法 |
3.2.2 环境自适应的分段寻优算法 |
3.3 Bresenham-A*分层搜索算法 |
3.3.1 离线处理阶段 |
3.3.2 在线处理阶段 |
3.4 算法仿真实验 |
3.4.1 复杂环境中各算法实验结果 |
3.4.2 简单环境中各算法实验结果 |
3.4.3 算法局限性分析 |
3.5 本章小结 |
第四章 基于势场栅格法的局部实时避障算法 |
4.1 人工势场法 |
4.1.1 人工势场法原理 |
4.1.2 传统人工势场法存在的问题 |
4.2 势场栅格法 |
4.2.1 势场栅格法的提出 |
4.2.2 栅格节点势场函数的确立 |
4.3 改进斥力势场函数 |
4.3.1 解决目标不可达问题 |
4.3.2 路径平滑优化 |
4.4 局部最小点问题 |
4.4.1 局部最小点产生原因 |
4.4.2 局部最小点的检测 |
4.4.3 局部最小点问题与模拟流水法 |
4.5 仿真实验 |
4.5.1 改进斥力势场函数仿真实验 |
4.5.2 平滑路径仿真实验与数据分析 |
4.5.3 模拟流水法仿真实验 |
4.6 本章小结 |
第五章 游戏寻路系统的设计和实现 |
5.1 游戏系统总体框架设计 |
5.1.1 游戏开发架构 |
5.1.2 事件中心机制 |
5.2 游戏功能模块设计 |
5.2.1 战斗模块及其概述 |
5.2.2 非战斗模块及其概述 |
5.3 寻路系统框架设计 |
5.4 地图模块 |
5.4.1 加载地图 |
5.4.2 构建搜索空间 |
5.5 全局寻优模块 |
5.5.1 路径搜索离线处理模块 |
5.5.2 在线路径搜索模块 |
5.6 实时避障模块 |
5.6.1 碰撞检测 |
5.6.2 实时路径搜索 |
5.7 世界地图模块 |
5.8 寻路系统有效性测试 |
第六章 总结与展望 |
6.1 本文总结 |
6.2 未来工作展望 |
参考文献 |
致谢 |
作者简介 |
学位论文数据集 |
(9)基于激光雷达的室内服务机器人路径规划研究(论文提纲范文)
摘要 |
Abstract |
变量注释表 |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 课题来源与主要研究内容 |
2 室内服务机器人整体系统设计 |
2.1 室内服务机器人系统分析 |
2.2 室内服务机器人底盘运动控制设计 |
2.3 室内服务机器人系统模型 |
2.4 本章小结 |
3 室内服务机器人SLAM系统研究与设计 |
3.1 基于ROS的激光雷达数据采集 |
3.2 Hector SLAM技术 |
3.3 实验分析 |
3.4 本章小结 |
4 室内服务机器人全局路径规划研究 |
4.1 传统蚁群算法分析 |
4.2 蚁群算法的改进 |
4.3 仿真实验 |
4.4 本章小结 |
5 室内服务机器人局部未知环境路径规划研究 |
5.1 传统人工势场法分析 |
5.2 人工势场法的改进 |
5.3 基于改进蚁群算法和改进人工势场法的路径规划 |
5.4 仿真实验 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
(10)动态环境移动机器人安全高效的路径规划方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.2 路径规划国内外研究现状 |
1.2.1 静态环境下路径规划算法 |
1.2.2 动态环境下路径规划算法 |
1.3 论文主要研究内容 |
第2章 传统的人工势场法在静态环境的路径规划 |
2.1 传统人工势场法 |
2.1.1 引力势场 |
2.1.2 斥力势场 |
2.1.3 合力势场 |
2.2 传统APF算法在静态环境下路径规划仿真实验 |
2.2.1 仿真实验平台 |
2.2.2 静态环境下路径规划仿真实验 |
2.2.3 传统APF算法问题分析 |
2.3 局部极小值问题的经典解决方案 |
2.3.1 局部极小值区域检测 |
2.3.2 局部极小值问题的解决方案 |
2.3.3 临时虚拟目标点仿真实验 |
2.4 本章小结 |
第3章 动态人工势场法的设计与实验 |
3.1 动态窗口法 |
3.1.1 运动学模型分析 |
3.1.2 速度空间搜索与轨迹评价函数 |
3.2 动态人工势场法 |
3.2.1 双轮差速运动模型分析 |
3.2.2 改进的斥力势场函数 |
3.2.3 动态人工势场法 |
3.2.4 DAPF算法在静态环境下路径规划仿真实验 |
3.3 动态障碍运动模型与避障实验 |
3.3.1 动态障碍物运动模型 |
3.3.2 DAPF算法在动态环境下路径规划仿真实验 |
3.4 本章小结 |
第4章 基于危险指数的动态人工势场法的设计与实验 |
4.1 基于速度势场改进的人工势场法 |
4.1.1 速度斥力势场 |
4.1.2 VDAPF算法在动态环境下路径规划的仿真实验 |
4.2 基于危险指数的动态人工势场法 |
4.2.1 危险指数 |
4.2.2 基于危险指数的动态人工势场法 |
4.2.3 DIAPF算法在动态环境下路径规划的仿真实验 |
4.3 DIAPF算法和A~*+DWA在复合环境下路径规划的仿真实验对比 |
4.3.1 ROS的路径规划算法 |
4.3.2 A~*+DWA在复合环境下路径规划的仿真实验 |
4.3.3 DIAPF算法在复合环境下路径规划的仿真实验与对比 |
4.4 本章小结 |
第5章 基于DIAPF的室内机器人路径规划系统 |
5.1 系统软硬件平台 |
5.1.1 系统硬件平台 |
5.1.2 系统软件平台 |
5.2 障碍物状态估计 |
5.2.1 激光雷达数据处理 |
5.2.2 动态障碍物检测及状态估计 |
5.2.3 传感器与机器人的坐标系变换 |
5.3 路径规划系统在仿真环境中实现 |
5.3.1 在静态环境下系统实现 |
5.3.2 在复合环境下系统实现 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 本文主要研究成果 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
硕士期间参加的科研工作 |
学位论文评阅及答辩情况表 |
四、基于改进的势场函数的移动机器人路径规划(论文参考文献)
- [1]基于改进采样算法的移动机器人路径规划研究[D]. 黄壹凡. 广西大学, 2021(12)
- [2]仓储环境下智能移动机器人路径规划研究[D]. 刘冠一. 北京印刷学院, 2021(09)
- [3]轮足混合并联腿式行走机器人运动规划研究[D]. 张德勇. 长春工业大学, 2021(01)
- [4]基于全局改进势场与局部动态避障的移动机器人路径规划方法研究[D]. 林泽南. 大连理工大学, 2021(01)
- [5]移动机器人路径规划及跟踪算法研究[D]. 张胜男. 黑龙江大学, 2021(09)
- [6]基于烟花势场法的室内服务机器人路径规划[D]. 牛晶. 西安建筑科技大学, 2021(01)
- [7]基于Voronoi图与不确定性势场的移动机器人路径规划[D]. 叶鸣飞. 电子科技大学, 2021(01)
- [8]游戏智能路径搜索算法研究及其系统开发[D]. 邱雷. 浙江工业大学, 2020(02)
- [9]基于激光雷达的室内服务机器人路径规划研究[D]. 于涛. 山东科技大学, 2020(06)
- [10]动态环境移动机器人安全高效的路径规划方法研究[D]. 孙九博. 山东大学, 2020(02)