一、智能机器人路径规划及避障的研究（论文文献综述）
胡春生,魏红星,闫小鹏,李国利[1]（2022）在《码垛机器人的研究与应用》文中研究表明通过对码垛机器人相关文献进行归纳整理,从结构优化、末端执行机构、运动规划、运动控制、机器人编程、国内应用等六个方面对码垛机器人进行了概述,分别阐述了机器人本体结构优化、运动规划的常见方法、机器人编程的常用手段、机器人控制的常用方法、避障规划的难点、多机器人协同的特殊性、各类型末端执行机构的优缺点,随后针对我国的码垛机器人应用现状,提出了对应的解决措施,针对码垛机器人关键技术的研究,指出了未来的发展方向和研究重点,可为相关研究人员提供参考。
王蔚[2]（2021）在《基于ROS的多移动机器人编队避障研究》文中进行了进一步梳理随着机器人技术在诸多方面的应用,单个机器人的应用局限性逐渐暴露。多机器人协同系统凭借其效率高、鲁棒性强等优点受到广泛关注,在军事、工业、民用等领域有着极大的发展空间。随着相关理论研究的不断完善,编队控制及避障问题成为了多机器人协同领域的热门方向,其难点主要体现为在复杂的动态障碍物环境下,多机器人编队队形的形成、保持以及避障。为此,论文以多移动机器人的编队与避障问题进行研究。首先,介绍了差分轮式移动机器人的运动学特点,设计了一种跟随者能够自适应调节跟随速度的领航—跟随编队模型,并通过三维仿真平台GAZEBO进行验证,实验结果表明,编队中的跟随者可以自适应的调节跟随速度,达到较好的编队效果。其次,论文提出了一种融合全局路径规划和局部动态避障的路径规划方法。该方法通过集成启发式A*算法和局部路径规划DWA算法的优势,通过扩展DWA的评价函数对局部路径和全局路径进行实时约束,优化了移动机器人的自主导航功能,并通过MATLAB平台对所提融合算法进行仿真验证,实验结果表明,优化后的算法可以很好的完成机器人的自主导航功能。再次,以领航—跟随编队系统作为研究对象,提出了一种编队与自主导航相结合的自适应编队避障方案,并建立了同构整体避障和异构独立避障两种避障方式,通过三维仿真平台GAZEBO进行验证。实验结果表明,论文设计的编队与导航相结合的方法,可以很好的完成多机器人的编队避障功能。最后,设计了基于ROS的差分轮式移动机器人实验平台。经过调试,机器人可以按照预期设定完成编队避障任务,验证了论文算法的可行性和实用性。论文针对多移动机器人系统的编队避障问题进行研究,借助MATLAB、GAZEBO平台进行融合算法和编队避障方法的可行性和有效性验证,最后通过自行设计的实物平台展开验证。结果表明论文优化后的导航算法和自适应编队避障方案具备较高的可行性和稳定性,该方案在编队巡逻、协同抓捕、搜索救援、以及协同作战等方面具备广泛的应用空间。
陶承宗[3]（2021）在《木结构组合墙体机器人自动装配系统研究与设计》文中提出随着互联网技术的飞速发展和工业4.0战略的提出,全球制造业在往高精度、高柔性、高智能程度方向发展。科技水平的提高使人们进一步追求高生活质量,人们开始关注自身居住环境的舒适性,如建筑材料的环保性等。在我国每年新增20亿平方米建筑面积的背景下,木质材料作为典型可持续建筑材料,其在民居、旅游等建筑场所等得到广泛应用。作为木质建筑主要构成材料——木结构组合墙体,却面临着生产自动化程度低、产品报废率高的生产局面。论文针对此生产状况,设计了一套多模块的木结构组合墙体的自动装配系统,主要研究内容如下:1.根据墙体零件组成特点,有针对地设计了墙体柔性装配系统的原理结构方案,形成传送带运料、龙门机器人搬运、多台工业机器人配合龙门机器人打钉的系统布局,对传送带、龙门机器人及其末端结构和工业机器人末端结构进行合理改进以适应柔性装配,对重要设备进行选型,并明确整个装配过程;2.对墙体进行模型层面分析,利用C#语言结合SolidWorks的二次开发提取了墙体的位姿信息、贴合语义信息,并能实现SolidWorks下墙体的自动打钉;通过紧固件连接矩阵和阻挡矩阵对墙体数字化建模,利用“拆卸法”思想进行装配序列规划,建立机器人运动行程及装配工具改变次数的评价指标评价序列群,筛选出最佳装配序列并演示;3.根据最佳装配路线进行各个设备的任务规划,对机器人进行正逆运动学分析,并从有无障碍层面进行机器人路径规划。无障碍环境下利用三次样条插值法生成路径,有障碍环境下,提出了一种基于快速扩展随机树（RRT）的避障路径生成算法;对传统RRT算法盲目采样,路径冗长的缺点进行改进,并建立圆柱-圆柱的碰撞模型结合运动学模型生成实际协同工作下的机器人避障路径,采用贝塞尔曲线对路径平滑,进一步离散处理生成可供机器人运行的离线程序;4.将系统各个模块进行集成,将Matlab代码移植到C#环境下并开发系统人机界面,从而提升系统可用性,并建立Robotstudio下仿真模型,通过DeviceNet协议设置信号接口,建立了基于事件管理器、Smart组件、工业机器人的系统仿真模型,实现系统虚拟仿真,验证所提系统的有效性。
刘冠一[4]（2021）在《仓储环境下智能移动机器人路径规划研究》文中研究说明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。
董星宇[5]（2021）在《基于迁移强化学习的六足机器人避障研究》文中研究表明在应对地震救援和特殊环境中非结构路况下的救援任务时,六足机器人相较于其他移动机器人具有冗余自由度多、能适应更多复杂地形等优势。传统的预先编程、遥操作等机器人控制方法,需要人为判定机器人的躲避方式。移动机器人不能在避障过程中利用自身避障经验进行避障策略优先,存在任务工作量繁杂、工作效率低下的情况。这导致移动机器人不能应用在多任务目标且环境更加复杂的场景。因此研究一种可迁移的六足机器人自主避障算法具有重要研究意义。针对六足机器人采用传统算法进行避障时,结果易出现局部最优、不同避障任务间的模型不可相互迁移学习等问题。本文开展一种基于迁移强化学习的六足机器人自主避障研究。为实现六足机器人能够在有多类型障碍物的环境中进行自主避障任务,本文所开展的主要研究内容如下:（1）分析了六足机器人的足端工作空间。根据六足机器人的足端工作空间设计出一种具有多类型障碍物的避障环境。研究了基于深度强化学习的六足机器人自主避障模型和基于双重深度强化学习（Double Deep Q Network,Double-DQN）框架下的六足机器人运动状态空间表达方法。设计一个端到端的离散动作空间求解策略,让六足机器人在局部环境中根据障碍物反馈的特征信息来执行正确的避障动作。（2）针对传统的深度强化学习算法训练模型容易导致结果过度估计状态动作值,奖励稀疏导致模型不易采集到正样本等问题。本文采用基于势能的奖励回报函数来激励六足机器人完成目标任务,并结合随机优先级抽样方法提高训练价值高的样本被抽取的概率。通过在仿真器中训练基于本文改进后的Double-DQN算法的六足机器人避障模型,再将模型的训练效果与传统的DQN、Double-DQN算法的训练效果进行对比。（3）针对六足机器人直接在现实环境中进行避障训练,会出现数据采样效率低、样机与障碍物产生碰撞造成零件出现不可逆损伤等情况。本文采用迁移学习中的渐进式网络（Progressive Neural Network,PNN）来实现模型的多环境迁移。实验将基于Double-DQN算法训练后的机器人自主避障模型作为预训练模型,将不同的预训练模型有机结合为渐进式网络结构,进而完成从源任务到目标任务的避障策略迁移。然后将仿真器中训练后的PNN结构移植到六足机器人样机中测试,最终测试结果验证了本文设计的六足机器人自主避障方法的有效性。
张震[6]（2021）在《安防巡检机器人控制系统设计及避障算法研究》文中指出化工行业安防领域有害、可燃气体泄漏会导致各种安全隐患,传统安防检测大多数尚处于人工巡检阶段。本文针对传统化工行业安防巡检存在的人身安全、漏检以及生产效率等问题,设计一种安防巡检机器人控制系统,充分将巡检、控制及监控结合在一起,极大的提高了巡检效率。本文的研究内容如下:首先,按照机器人的设计需求,查阅大量的参考文献,了解安防巡检机器人的发展现状,针对传统化工安防巡检存在的安全、漏检等问题,结合模块化设计思想,确定该系统的总体方案和相关算法。其次,根据总体方案设计硬件系统,主要包括电源模块、电机驱动模块、数据采集模块等。其中在电源方面,使用锂电池作为电源,并设计多个电源转换电路为外设应用;在数据采集方面,以ARM处理器为主完成多传感器数据采集、语音报警等,并完成部分电路PCB图的绘制。再次,根据总体方案设计软件系统,本文在底层控制中,采用移植的μC/OS-III实时系统为主控制器核心,对控制任务进行划分,设计相应功能的流程图;在数据通信方面,应用串口数据通信协议和网络通信协议,完成数据的串口和网络传输;同时利用开源Mjpg-streamer视频流服务器在树莓派（Raspberry Pi）上实现USB摄像头采集到的图像数据传输,实现上位机监控系统远程监控。最后,对安防巡检机器人进行避障算法的研究。本文针对机器人在静态障碍物环境中随机出现动态障碍物情况,提出一种改进A*算法与改进人工势场法结合的混合算法,成功解决遇到动态障碍物无法避障的问题。本文仿真并验证了该混合算法的可行性,不仅避障有效,缩短了运行时间,而且提高了路径规划质量。
牛晶[7]（2021）在《基于烟花势场法的室内服务机器人路径规划》文中研究指明近年来,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。
韩东俞[8]（2021）在《基于视觉目标跟踪的移动机器人人体跟随技术研究》文中指出随着机器人技术和计算机科学的发展,移动机器人逐渐应用于军事、工业、服务业等各个领域。服务型机器人作为机器人中重要的一种,在人类的生活生产中起到越来越大的作用。其中人体跟随是服务型机器人的重要功能,让机器人能够很好地为人类服务。例如在机场中作为行李机器人跟随乘客为乘客搬运行李,在商城跟随顾客提供购物帮助,在饭店跟随服务员为食客服务等。机器人跟随人体的任务主要包含两个关键技术:（1）目标人体跟踪,主要用于获取目标人体的位置;（2）人体跟随过程中的路径规划和避障。论文主要研究了基于相关滤波方法目标跟踪算法的人体跟随技术,以及在室内环境下,机器人跟随人体过程中的避障问题。主要研究内容和成果如下:1.研究了相关滤波（Correlation Filter,CF）视觉目标跟踪方法ECO（Efficient Convolution Operators for Tracking）的基本原理,采用方向梯度直方图f HOG（Histogram of Oriented Gradient）和颜色命名CN（Color Name）作为特征（ECOHC）,对目标人体进行跟踪,并将ECO-HC算法部署到机器人操作系统（Robot Operating System,ROS）中,结合深度摄像头Kinect-v2获取的深度信息,获取目标人体的具体位置。2.针对常见的目标跟踪算法不具备跟踪失败检测机制和应对方法的问题,提出了一种跟踪结果可信度评价方法。通过引入滤波响应图的峰值旁瓣比（Peak to Side-lobe Rate,PSR）,结合目标人体的深度信息对跟踪结果进行可靠性评估,检测跟踪失败的情况。当出现人体跟踪失败的情况,引入重跟踪机制,利用人脸匹配功能进行重跟踪;同时改进滤波器模型和样本的更新机制,避免模板漂移,提高跟踪器鲁棒性和稳定性。3.基于全向移动机器人实验平台,采用全局路径规划算法和动态窗口避障法实现室内机器人的路径规划和动态避障。结合改进的人体跟踪方法和路径规划,构建人体跟随系统,并在机器人上对提出的方案进行实验和分析。结果表明提出的跟随人体方法具备很好的跟踪失败检测能力和稳定跟随人体的能力。
任云青[9]（2020）在《智能乒乓球自动捡球机器人的设计与实现》文中研究指明随着服务机器人技术研究及应用的不断发展,服务机器人在文体领域的应用需求开始呈现并成为研究热点之一。本文设计的智能乒乓球自动捡球机器人正是顺应这些需求,相信会有广阔的发展应用前景。本文选用Kinect v2、RPLIDAR A1雷达作为本体传感器,采用Kobuki作为机器人底盘,在Linux系统下利用ROS、Open CV、Kinect SDK等软件库以及C++编程语言,设计并实现了一款智能乒乓球自动捡球机器人。本文主要工作内容包括:（1）分析需求并确定机器人要实现的目标功能,并以此设计了总体系统硬件结构和软件模块。（2）针对乒乓球检测问题,利用乒乓球的颜色和形状特征,设计了一种快速稳定的乒乓球检测算法,并采用基于积分图的非局部均值滤波算法（NLM）对低质量图像进行去噪、采用Mc Cann-Frankle Retinex算法对光照不均匀图像进行增强,提高了乒乓球的识别率;为了降低乒乓球的误检率,提出了一种根据距离和乒乓球大小比例关系过滤无效圆的方法;以相机针孔模型为基础设计了乒乓球定位算法,实现了对乒乓球的实时全局定位功能。（3）以蚁群算法为基础,设计了捡球顺序规划模块,并研究了蚁群算法最佳参数的设置;为了提高全局搜索能力,提出了一种基于交叉操作的改进蚁群算法,在迭代过程中引入“干扰”操作,降低了机器人陷入局部最优解的概率;根据差速轮运动模型提出了另一种改进蚁群算法,算法考虑了机器人转向带来的影响,优化了实际运行中的路径选取模式,提高了智能捡球机器人的运行效率。（4）从全局路径规划和局部避障两个方面设计了导航避障模块。针对全局路径规划算法,设计了一种基于JPS+算法的改进A*算法,弥补了A*算法计算效率低的缺点,实现了稳定、实时的路径规划功能;针对局部避障算法,提出了一种基于速度障碍法（VO）改进的动态窗口法（DWA）,实现了对于移动障碍物的避障功能,保证了捡球机器人运行的安全性。将各模块整合成一个系统,分别对各模块和整体系统进行实验测试,实验结果表明本文设计的智能乒乓球自动捡球机器人的性能达到了预期设计目标,为乒乓球捡球服务机器人的产品开发提供了参考设计模型。
肖志成[10]（2020）在《轮式移动机器人系统及避障技术研究》文中认为轮式移动机器人核心技术涵盖了控制器设计,传感器及数据融合技术,运动控制,避障路径规划等,受到了国内外研究者的密切关注。因此,本文面向仓储应用,设计并实现了一个轮式AGV系统,并对其避障路径规划进行研究,研究具有实际应用价值。论文面向仓储的应用,明确了轮式AGV主要设计目标,综合各类传感器的优点设计了基于激光雷达和超声波等多传感器的AGV的系统框架和硬件框架,设计了整套AGV的硬件控制器的原理图和PCB,根据其在仓储使用环境下对控制器的稳定性有较高要求,采取层次模块式的设计,对接口、易受干扰的元器件的布局、布线等进行了优化,从而提高了控制器的稳定性。本体的设计与实现为后续研究奠定了基础。研究了多传感器信息融合方法,针对单独使用陀螺仪或加速度计产生较大误差的缺点,使用卡尔曼滤波器有效融合了陀螺仪和加速度计传感器数据,提高了AGV角度估计的准确性。使用滑动滤波算法解决了编码器噪声较大的问题,提高了速度估计的准确性。使用了扩展卡尔曼滤波融合了加速度计、陀螺仪和编码器数据,解决了编码器产生累计误差的问题,提高了估计位姿的准确性。研究了避障路径规划问题,将改进后动态窗口算法并作为AGV的局部避障算法,通过在动态窗口评价函数的速度权重计算中引入轮式移动机器人当前速度和障碍物之间的距离信息,提高了AGV在障碍物间距较小情况下的避障安全性,和障碍物间距较大情况下的避障效率。针对在实际仓储使用中可能突然出现工作人员导致算法来不及规划避障路径导致碰撞事故的问题,提出了将顶层动态窗口算法和底层控制相结合的改进方案,解决了突发状况下的紧急避障问题。针对激光雷达传感器由于安装高度限制所导致的视野盲区,发现不了低矮物体从而导致撞上的情况,提出将超声波传感器和激光传感器相结合的避障方法,通过顶层与底层程序之间协调控制,运用在AGV的局部避障中,提高了AGV系统运行时候的安全性。在实验中构建了实验环境,对自主开发的AGV进行了系列实验测试与分析,包括小障碍物识别实验、紧急避障实验、单障碍物和多障碍物场景等避障实验。结果表明,设计的轮式AGV在动态环境中稳定运行,能够实时进行避障路径规划,并能安全到达目标点,实验也验证了论文提出的基于动态窗口算法的改进局部避障方案的可行性和安全性。
二、智能机器人路径规划及避障的研究（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、智能机器人路径规划及避障的研究（论文提纲范文）
（1）码垛机器人的研究与应用（论文提纲范文）
| 1 码垛机器人研究内容 |
| 1.1 码垛机器人结构优化 |
| 1.2 末端执行机构 |
| 1.3 码垛机器人的运动规划 |
| 1.3.1 路径规划 |
| (1）单个机器人路径规划 |
| (2）多机器人协同路径规划 |
| 1.3.2 轨迹规划 |
| 1.3.3 避障问题 |
| 1.3.4 多机器人协同与单个机器人运动规划的联系与区别 |
| 1.3.5 机器人运动规划的关键技术及难点 |
| 1.4 机器人运动控制 |
| 1.5 机器人的编程 |
| 2 国内应用现状 |
| 3 国内码垛机器人发展存在的问题及对策 |
| 3.1 国内码垛机器人存在的问题 |
| (1）智能化程度较低 |
| (2）核心部件依赖进口 |
| (3）智能算法自主研发能力差 |
| (4）标准化程度较差 |
| 3.2 解决的对策 |
| (1）核心零部件国产化 |
| (2）加强码垛机器人智能化建设 |
| (3）算法优化 |
| (4）构建标准化体系 |
| 4 总结与展望 |
（2）基于ROS的多移动机器人编队避障研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多移动机器人编队研究现状 |
| 1.2.2 多移动机器人避障研究现状 |
| 1.3 本文研究内容和组织结构 |
| 第二章 机器人编队方案设计 |
| 2.1 引言 |
| 2.2 差分轮式移动机器人运动学模型 |
| 2.2.1 基于ROS的坐标系统模型 |
| 2.2.2 机器人位姿模型 |
| 2.2.3 机器人运动学模型 |
| 2.3 领航—跟随系统建模 |
| 2.3.1 基于距离-角度的领航跟随模型 |
| 2.3.2 基于距离-距离的领航跟随模型 |
| 2.4 基于差分轮式移动机器人的领航—跟随编队 |
| 2.5 仿真及分析 |
| 2.6 本章小结 |
| 第三章 基于自适应的编队避障策略 |
| 3.1 引言 |
| 3.2 移动机器人自主导航方案设计 |
| 3.2.1 基于A*算法的全局路径规划 |
| 3.2.2 基于 DWA 的动态避障 |
| 3.2.3 仿真及分析 |
| 3.3 编队避障方案设计 |
| 3.3.1 同构整体避障 |
| 3.3.2 异构独立避障 |
| 3.4 自适应编队避障决策机制 |
| 3.4.1 策略依据—环境感知 |
| 3.4.2 编队避障策略 |
| 3.5 仿真及分析 |
| 3.6 本章小结 |
| 第四章 实验平台设计 |
| 4.1 引言 |
| 4.2 移动机器人硬件设计 |
| 4.3 移动机器人软件设计 |
| 4.3.1 底层软件设计 |
| 4.3.2 上层软件设计 |
| 4.4 本章小结 |
| 第五章 实物验证 |
| 5.1 引言 |
| 5.2 单体移动机器人自主导航 |
| 5.3 机器人编队 |
| 5.4 自适应机器人编队避障验证 |
| 5.4.1 同构整体避障 |
| 5.4.2 异构独立避障 |
| 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 |
| 作者简介 |
（3）木结构组合墙体机器人自动装配系统研究与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状和发展趋势 |
| 1.2.1 装配序列规划研究现状和发展趋势 |
| 1.2.2 机器人路径规划研究现状和发展趋势 |
| 1.2.3 离线编程技术的研究现状和发展趋势 |
| 1.3 本课题研究目标与内容安排 |
| 第二章 木结构组合墙体自动装配系统原理结构的设计 |
| 2.1 装配对象的分析与装配方案的选择 |
| 2.2 墙体自动装配系统原理方案的设计 |
| 2.2.1 总体装配原理方案 |
| 2.2.2 装配系统组成单元的具体原理方案 |
| 2.3 整体装配过程简介 |
| 2.4 本章小结 |
| 第三章 墙体信息提取及装配序列规划 |
| 3.1 装配信息的表达与提取 |
| 3.1.1 装配信息的表达 |
| 3.1.2 装配信息的提取方法 |
| 3.2 墙体零部件位姿信息的提取 |
| 3.3 墙体贴合关系的判断 |
| 3.4 墙体打钉信息提取及自动打钉的实现 |
| 3.5 墙体的装配序列规划及评价 |
| 3.5.1 装配规划方法 |
| 3.5.2 墙体数字化信息矩阵的提取 |
| 3.5.3 装配序列规划 |
| 3.5.4 装配序列评价 |
| 3.6 本章小结 |
| 第四章 机器人路径规划及离线编程 |
| 4.1 机器人打钉任务的分配及工艺路线之细化 |
| 4.2 装配过程仿真环境的建立及机器人运动学分析 |
| 4.3 机器人离线程序的生成 |
| 4.4 无障碍情况下机器人路径规划 |
| 4.5 机器人避障路径规划 |
| 4.5.1 常见碰撞模型分析 |
| 4.5.2 基于快速扩展随机树(RRT)算法的避障路径规划 |
| 4.5.3 RRT算法的改进 |
| 4.5.4 贝塞尔曲线的路径平滑 |
| 4.5.5 墙体打钉作业环境下机器人的避障路径规划 |
| 4.6 本章小结 |
| 第五章 装配系统的软件设计及虚拟仿真 |
| 5.1 装配系统软件的构成 |
| 5.2 装配系统软件人机界面设计 |
| 5.3 墙体装配过程的虚拟仿真 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间的学术成果 |
（4）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 |
（5）基于迁移强化学习的六足机器人避障研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 机器人避障策略研究现状及分析 |
| 1.2.1 移动机器人控制方法研究现状 |
| 1.2.2 移动机器人避障策略主要方法 |
| 1.3 论文结构及主要研究内容 |
| 1.4 研究思路 |
| 第2章 六足机器人避障理论模型 |
| 2.1 引言 |
| 2.2 六足机器人样机的多障碍物环境避障建模 |
| 2.2.1 机体结构分析 |
| 2.2.2 避障环境建模 |
| 2.2.3 六足机器人步态规划 |
| 2.3 强化学习算法理论分析 |
| 2.3.1 基于策略梯度的强化学习算法 |
| 2.3.2 基于值函数的强化学习算法 |
| 2.4 迁移学习算法理论分析 |
| 2.4.1 基于域适应的迁移学习 |
| 2.4.2 基于域随机的迁移学习 |
| 2.4.3 基于渐进式网络的迁移学习 |
| 2.5 本章小结 |
| 第3章 基于Double-DQN的避障方法研究 |
| 3.1 引言 |
| 3.2 基于Double-DQN的避障算法 |
| 3.2.1 数据预处理 |
| 3.2.2 Double-DQN网络模型建立 |
| 3.2.3 目标环境避障的动作空间设计 |
| 3.2.4 目标环境避障的奖惩函数设计 |
| 3.2.5 经验池抽样方法设计 |
| 3.2.6 模型训练流程 |
| 3.3 仿真实验 |
| 3.3.1 评价指标 |
| 3.3.2 算法参数优化 |
| 3.3.3 实验结果分析 |
| 3.4 本章小结 |
| 第4章 基于渐进式网络结构的迁移强化学习实验 |
| 4.1 引言 |
| 4.2 实验样机系统总体框架搭建 |
| 4.2.1 六足机器人样机感知部分 |
| 4.2.2 六足机器人样机决策部分 |
| 4.2.3 六足机器人样机执行部分 |
| 4.3 基于实验的渐进式网络结构搭建 |
| 4.4 基于渐进式网络的迁移实验 |
| 4.4.1 渐进式网络迁移障碍物表面凹凸化环境实验 |
| 4.4.2 渐进式网络迁移障碍物表面凹凸化环境加小车增速实验 |
| 4.4.3 渐进式网络现实环境测试实验 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参与的科研项目与研究成果 |
（6）安防巡检机器人控制系统设计及避障算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 安防巡检机器人的研究现状 |
| 1.2.2 机器人避障算法的研究现状 |
| 1.3 本文的研究内容及章节安排 |
| 第二章 安防巡检机器人总体设计方案 |
| 2.1 安防巡检机器人系统设计方案 |
| 2.2 安防巡检机器人控制系统设计理念 |
| 2.3 系统核心器件分析与选型 |
| 2.3.1 微处理器芯片分析与选型 |
| 2.3.2 传感器的分析与选型 |
| 2.3.3 电机的分析与选型 |
| 2.4 本章小结 |
| 第三章 安防巡检机器人硬件设计 |
| 3.1 微控制器核心电路 |
| 3.2 电源模块电路设计 |
| 3.3 电机驱动模块电路设计 |
| 3.4 传感器信息采集电路设计 |
| 3.4.1 温度采集电路设计 |
| 3.4.2 湿度采集电路设计 |
| 3.4.3 燃气检测电路设计 |
| 3.4.4 甲醛采集电路设计 |
| 3.4.5 超声波避障 |
| 3.5 语音报警电路设计 |
| 3.6 电池电压测量电路设计 |
| 3.7 本章小结 |
| 第四章 安防巡检机器人软件设计 |
| 4.1 软件开发环境介绍 |
| 4.2 安防巡检机器人软件设计框架 |
| 4.3 机器人底层系统软件设计 |
| 4.3.1 μC/OS-III操作系统 |
| 4.3.2 主程序设计 |
| 4.3.3 传感器数据采集程序设计 |
| 4.3.4 电机控制程序设计 |
| 4.3.5 语音报警程序设计 |
| 4.4 数据中转软件设计 |
| 4.4.1 数据中转的流程框图 |
| 4.4.2 操作系统和网络通讯协议的选择 |
| 4.4.3 数据传输的流程设计 |
| 4.5 监控系统软件设计 |
| 4.5.1 监控系统设计需求分析 |
| 4.5.2 Qt可视化界面的开发平台搭建 |
| 4.5.3 监控系统的图形界面设计 |
| 4.6 本章小结 |
| 第五章 安防巡检机器人避障算法的研究 |
| 5.1 避障算法的分析与选择 |
| 5.2 栅格法地图构建 |
| 5.3 避障策略 |
| 5.3.1 传统A*算法 |
| 5.3.2 A*算法改进 |
| 5.3.3 传统人工势场法 |
| 5.3.4 改进人工势场法 |
| 5.3.5 改进A*和改进势场融合 |
| 5.4 仿真验证 |
| 5.5 本章小结 |
| 第六章 安防巡检机器人系统的实现及验证 |
| 6.1 硬件实现 |
| 6.2 数据通讯验证 |
| 6.2.1 串口通讯验证 |
| 6.2.2 网络通讯验证 |
| 6.3 监控系统功能验证 |
| 6.3.1 数据显示验证 |
| 6.3.2 视频显示验证 |
| 6.3.3 机器人运动控制验证 |
| 6.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（7）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 |
（8）基于视觉目标跟踪的移动机器人人体跟随技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 课题研究现状 |
| 1.2.1 视觉目标跟踪方法 |
| 1.2.2 人体跟随方法 |
| 1.2.3 路径规划方法 |
| 1.3 论文主要研究内容及结构 |
| 第2章 目标跟踪算法 |
| 2.1 引言 |
| 2.2 相关滤波目标跟踪 |
| 2.2.1 相关滤波目标跟踪原理 |
| 2.2.2 目标跟踪流程 |
| 2.3 ECO-HC目标跟踪算法 |
| 2.3.1 特征提取 |
| 2.3.2 分解卷积算子和目标定位 |
| 2.3.3 紧凑的样本空间模型和滤波器训练 |
| 2.3.4 模型更新策略 |
| 2.3.5 目标尺度估计 |
| 2.4 ECO-HC跟踪器性能测试 |
| 2.4.1 视频序列目标跟踪 |
| 2.4.2 摄像头采集图像目标跟踪 |
| 2.5 目标跟踪结果评价方法 |
| 2.5.1 峰值旁瓣比 |
| 2.5.2 跟踪结果评价和失败检测 |
| 2.5.3 高可信度更新机制 |
| 2.6 改进后的目标人体跟踪器实验 |
| 2.6.1 跟踪结果评估分析 |
| 2.6.2 目标重跟踪功能实验 |
| 2.6.3 高可信度更新策略实验 |
| 2.7 本章小结 |
| 第3章 基于ROS机器人的路径规划和避障研究 |
| 3.1 引言 |
| 3.2 机器人同步定位和建图 |
| 3.2.1 代价地图 |
| 3.2.2 地图构建 |
| 3.3 全局路径规划 |
| 3.3.1 Dijkstra算法 |
| 3.3.2 A*算法 |
| 3.4 局部路径规划 |
| 3.4.1 DWA局部路径规划基本原理 |
| 3.4.2 适用于人体跟随的DWA算法 |
| 3.5 路径规划和避障实验 |
| 3.5.1 全局路径规划实验 |
| 3.5.2 动态窗口法避障实验 |
| 3.6 本章小结 |
| 第4章 人体跟随系统 |
| 4.1 引言 |
| 4.2 方案设计 |
| 4.2.1 硬件平台 |
| 4.2.2 软件平台 |
| 4.2.3 总体方案 |
| 4.3 人体识别方法 |
| 4.4 目标人体坐标计算 |
| 4.5 机器人运动学模型 |
| 4.6 人体跟随实验 |
| 4.6.1 人体位置预测 |
| 4.6.2 无障碍物 |
| 4.6.3 存在障碍物 |
| 4.7 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 作者简介 |
（9）智能乒乓球自动捡球机器人的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 捡乒乓球机器人研究现状 |
| 1.2.2 乒乓球检测识别及定位研究现状 |
| 1.2.3 捡球顺序规划方法的研究现状 |
| 1.2.4 机器人导航避障研究现状 |
| 1.3 本论文的主要工作及结构安排 |
| 1.3.1 主要工作 |
| 1.3.2 论文结构 |
| 第二章 系统总体设计 |
| 2.1 实际需求分析 |
| 2.2 系统开发工具介绍 |
| 2.2.1 硬件设备 |
| 2.2.2 软件工具 |
| 2.3 硬件结构设计 |
| 2.4 软件系统设计 |
| 2.4.1 系统总体框架 |
| 2.4.2 乒乓球检测识别与定位模块 |
| 2.4.3 捡乒乓球顺序规划模块 |
| 2.4.4 机器人导航避障模块 |
| 2.5 本章小结 |
| 第三章 乒乓球检测识别与定位 |
| 3.1 乒乓球检测识别 |
| 3.1.1 基于颜色和形状特征的检测算法 |
| 3.1.2 过滤无效圆 |
| 3.2 复杂情况下乒乓球图像的预处理 |
| 3.2.1 低质量图像去噪 |
| 3.2.2 光照不均匀图像增强 |
| 3.3 乒乓球定位 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 捡乒乓球顺序规划 |
| 4.1 捡球问题建模 |
| 4.2 基于蚁群算法的捡球顺序规划 |
| 4.2.1 蚁群算法原理 |
| 4.2.2 蚁群算法实现步骤 |
| 4.2.3 蚁群算法参数选择研究 |
| 4.3 基于交叉操作的改进蚁群算法 |
| 4.4 蚁群算法在机器人运行时的应用和改进 |
| 4.4.1 差速轮动力学约束 |
| 4.4.2 基于差速轮运动模型的改进蚁群算法 |
| 4.4.3 根据机器人形状对捡球顺序的优化 |
| 4.5 实验结果与分析 |
| 4.6 本章小结 |
| 第五章 机器人导航避障 |
| 5.1 捡乒乓球机器人全局路径规划 |
| 5.1.1 基本A*算法 |
| 5.1.2 A*算法的缺陷及改进方案研究 |
| 5.1.3 基于JPS+算法的改进A*算法 |
| 5.2 捡乒乓球机器人局部避障 |
| 5.2.1 DWA动态窗口法 |
| 5.2.2 移动障碍物避障策略研究 |
| 5.2.3 基于VO算法的改进DWA算法 |
| 5.3 实验结果与分析 |
| 5.4 本章小结 |
| 第六章 系统整体测试 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 展望 |
| 参考文献 |
| 附录 攻读硕士学位期间申请的专利 |
| 致谢 |
（10）轮式移动机器人系统及避障技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及选题意义 |
| 1.1.1 研究背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 轮式移动机器人技术 |
| 1.2.2 轮式移动机器人的避障技术 |
| 1.3 研究内容及组织结构 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文组织结构 |
| 第2章 面向仓储运输的AGV系统本体设计与实现 |
| 2.1 轮式移动机器人的设计 |
| 2.1.1 轮式移动机器人的系统结构设计 |
| 2.1.2 AGV的硬件结构设计 |
| 2.1.3 AGV的软件及开发环境 |
| 2.1.4 AGV的机械结构设计 |
| 2.2 轮式移动机器人的控制器设计 |
| 2.2.1 AGV控制器原理图设计 |
| 2.2.2 AGV的控制器PCB设计 |
| 2.3 轮式移动机器人的关键技术 |
| 2.3.1 轮式移动机器人的顶层操作系统 |
| 2.3.2 轮式移动机器人的运动建模 |
| 2.3.3 轮式移动机器人的环境建模 |
| 2.4 本章小结 |
| 第3章 基于多传感器信息融合改进AGV的姿态估计 |
| 3.1 常用传感器在AGV中位姿估计出现的问题分析 |
| 3.1.1 陀螺仪和加速度计使用中存在的问题 |
| 3.1.2 光电编码器在使用中存在的问题 |
| 3.2 多传感器信息融合技术 |
| 3.2.1 多传感器融合技术 |
| 3.2.2 卡尔曼滤波器 |
| 3.3 基于卡尔曼滤波器改进AGV的姿态估计 |
| 3.3.1 改进AGV姿态估计的整体方案 |
| 3.3.2 改进AGV估计角度的对比实验 |
| 3.3.3 改进AGV的估计位姿的对比实验 |
| 3.4 本章小结 |
| 第4章 基于改进动态窗口算法的AGV避障算法 |
| 4.1 避障算法研究 |
| 4.1.1 避障算法的分类 |
| 4.1.2 常用全局避障算法 |
| 4.1.3 常用局部避障算法 |
| 4.2 自适应动态窗口改进算法 |
| 4.2.1 动态窗口算法的具体过程 |
| 4.2.2 改进速度权重动态调整 |
| 4.2.3 改进后算法流程 |
| 4.2.4 改进前后对比实验分析 |
| 4.3 基于动态窗口的改进避障策略 |
| 4.3.1 实际工程中遇到的问题 |
| 4.3.2 改进的局部避障策略 |
| 4.3.3 改进后的整体避障方案 |
| 4.3.4 改进前后对比实验分析 |
| 4.4 本章小结 |
| 第5章 AGV系统的避障实验及分析 |
| 5.1 实验环境搭建 |
| 5.2 单动态障碍物避障实验 |
| 5.3 多动态障碍物避障实验 |
| 5.4 实验结果及分析 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 主要工作与创新点 |
| 6.2 后续研究工作 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
四、智能机器人路径规划及避障的研究（论文参考文献）
- [1]码垛机器人的研究与应用[J]. 胡春生,魏红星,闫小鹏,李国利. 计算机工程与应用, 2022(02)
- [2]基于ROS的多移动机器人编队避障研究[D]. 王蔚. 南京信息工程大学, 2021(01)
- [3]木结构组合墙体机器人自动装配系统研究与设计[D]. 陶承宗. 江南大学, 2021(01)
- [4]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)
- [5]基于迁移强化学习的六足机器人避障研究[D]. 董星宇. 西南科技大学, 2021(08)
- [6]安防巡检机器人控制系统设计及避障算法研究[D]. 张震. 青岛科技大学, 2021(01)
- [7]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)
- [8]基于视觉目标跟踪的移动机器人人体跟随技术研究[D]. 韩东俞. 浙江大学, 2021(08)
- [9]智能乒乓球自动捡球机器人的设计与实现[D]. 任云青. 南京邮电大学, 2020(02)
- [10]轮式移动机器人系统及避障技术研究[D]. 肖志成. 重庆邮电大学, 2020(02)