-
Notifications
You must be signed in to change notification settings - Fork 108
Expand file tree
/
Copy pathpaper-defense.drawio
More file actions
274 lines (274 loc) · 26.2 KB
/
paper-defense.drawio
File metadata and controls
274 lines (274 loc) · 26.2 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
<mxfile host="65bd71144e">
<diagram name="封面" id="page1">
<mxGraphModel dx="1604" dy="1167" grid="1" gridSize="10" guides="1" tooltips="1" connect="1" arrows="1" fold="1" page="1" pageScale="1" pageWidth="1920" pageHeight="1080" background="#F8F9FA" math="0" shadow="0">
<root>
<mxCell id="0"/>
<mxCell id="1" parent="0"/>
<mxCell id="2" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#F8F9FA;strokeColor=none;" parent="1" vertex="1">
<mxGeometry width="1920" height="1080" as="geometry"/>
</mxCell>
<mxCell id="3" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#3498DB;strokeColor=none;" parent="1" vertex="1">
<mxGeometry x="120" y="280" width="8" height="120" as="geometry"/>
</mxCell>
<mxCell id="4" value="基于深度学习与多传感器融合的 自动驾驶路径规划方法研究" style="text;html=1;align=center;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=52;fontStyle=1;fontColor=#2C3E50;" parent="1" vertex="1">
<mxGeometry x="160" y="300" width="1600" height="160" as="geometry"/>
</mxCell>
<mxCell id="5" value="硕士学位论文答辩" style="text;html=1;align=center;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=36;fontColor=#7F8C8D;" parent="1" vertex="1">
<mxGeometry x="760" y="480" width="400" height="50" as="geometry"/>
</mxCell>
<mxCell id="6" value="答辩人：[答辩人] 导 师：[导师] 学 校：[学校] 日 期：[日期]" style="text;html=1;align=center;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=28;fontColor=#2C3E50;" parent="1" vertex="1">
<mxGeometry x="760" y="600" width="400" height="180" as="geometry"/>
</mxCell>
</root>
</mxGraphModel>
</diagram>
<diagram name="1.研究背景与意义" id="page2">
<mxGraphModel dx="849" dy="618" grid="1" gridSize="10" guides="1" tooltips="1" connect="1" arrows="1" fold="1" page="1" pageScale="1" pageWidth="1920" pageHeight="1080" background="#F8F9FA" math="0" shadow="0">
<root>
<mxCell id="0"/>
<mxCell id="1" parent="0"/>
<mxCell id="2" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#F8F9FA;strokeColor=none;" parent="1" vertex="1">
<mxGeometry width="1920" height="1080" as="geometry"/>
</mxCell>
<mxCell id="3" value="1. 研究背景与意义" style="text;html=1;align=left;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=48;fontStyle=1;fontColor=#2C3E50;" parent="1" vertex="1">
<mxGeometry x="120" y="60" width="700" height="60" as="geometry"/>
</mxCell>
<mxCell id="4" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#3498DB;strokeColor=none;" parent="1" vertex="1">
<mxGeometry x="120" y="130" width="80" height="6" as="geometry"/>
</mxCell>
<mxCell id="5" value="• 自动驾驶技术快速发展，路径规划是决策系统的核心环节，直接影响车辆的安全性与行驶效率。 • 复杂动态环境中存在动态障碍物、交通标志识别、多车协同等难点，对路径规划的实时性与鲁棒性提出更高要求。 • 现有方法在单一传感器依赖、局部最优解、避障精度等方面存在不足，多传感器融合与深度强化学习为改进提供了新思路。 • 本文围绕深度强化学习优化与多传感器信息融合两条主线，提出 D-RL-Path 与 Fusion-Path 方案，旨在提升路径规划的精度与适应性。" style="text;html=1;align=left;verticalAlign=top;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=26;fontColor=#2C3E50;spacing=10;" parent="1" vertex="1">
<mxGeometry x="120" y="180" width="1680" height="280" as="geometry"/>
</mxCell>
</root>
</mxGraphModel>
</diagram>
<diagram name="2.国内外研究现状" id="page3">
<mxGraphModel dx="722" dy="525" grid="1" gridSize="10" guides="1" tooltips="1" connect="1" arrows="1" fold="1" page="1" pageScale="1" pageWidth="1920" pageHeight="1080" background="#F8F9FA" math="0" shadow="0">
<root>
<mxCell id="0"/>
<mxCell id="1" parent="0"/>
<mxCell id="2" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#F8F9FA;strokeColor=none;" parent="1" vertex="1">
<mxGeometry width="1920" height="1080" as="geometry"/>
</mxCell>
<mxCell id="3" value="2. 国内外研究现状" style="text;html=1;align=left;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=48;fontStyle=1;fontColor=#2C3E50;" parent="1" vertex="1">
<mxGeometry x="120" y="60" width="600" height="60" as="geometry"/>
</mxCell>
<mxCell id="4" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#3498DB;strokeColor=none;" parent="1" vertex="1">
<mxGeometry x="120" y="130" width="80" height="6" as="geometry"/>
</mxCell>
<mxCell id="5" value="• 路径规划发展：从基于模型的传统规划（A*、RRT）到基于数据驱动的深度学习与强化学习方法。 • 深度强化学习：DDPG、A3C 等算法在自动驾驶决策与路径规划中广泛应用，可学习复杂环境下的最优策略。 • 多传感器融合：激光雷达、摄像头、毫米波雷达等多源数据融合，提升感知鲁棒性与环境建模能力。 • 基准算法与数据集：DDPG、A3C 为常用基准；CARLA 等仿真平台为训练与评估提供支撑。" style="text;html=1;align=left;verticalAlign=top;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=26;fontColor=#2C3E50;spacing=10;" parent="1" vertex="1">
<mxGeometry x="120" y="180" width="1680" height="260" as="geometry"/>
</mxCell>
</root>
</mxGraphModel>
</diagram>
<diagram name="3.研究内容与方法总览" id="page4">
<mxGraphModel dx="722" dy="525" grid="1" gridSize="10" guides="1" tooltips="1" connect="1" arrows="1" fold="1" page="1" pageScale="1" pageWidth="1920" pageHeight="1080" background="#F8F9FA" math="0" shadow="0">
<root>
<mxCell id="0"/>
<mxCell id="1" parent="0"/>
<mxCell id="2" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#F8F9FA;strokeColor=none;" parent="1" vertex="1">
<mxGeometry width="1920" height="1080" as="geometry"/>
</mxCell>
<mxCell id="3" value="3. 研究内容与方法总览" style="text;html=1;align=left;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=48;fontStyle=1;fontColor=#2C3E50;" parent="1" vertex="1">
<mxGeometry x="120" y="60" width="700" height="60" as="geometry"/>
</mxCell>
<mxCell id="4" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#3498DB;strokeColor=none;" parent="1" vertex="1">
<mxGeometry x="120" y="130" width="80" height="6" as="geometry"/>
</mxCell>
<mxCell id="5" value="本文基于深度强化学习与多传感器融合技术，从算法优化与信息融合两个角度提出改进： • 3.1 基于深度强化学习的路径规划优化（原第三章）：结合 DDPG 进行路径规划决策优化，在复杂动态环境中提高避障精度与规划效率，形成 D-RL-Path 算法。 • 3.2 基于多传感器信息融合的路径规划（原第四章）：提出 CNN-RNN 深度特征提取与强化学习优化，形成 Fusion-Path 网络，提升系统在复杂路况中的稳定性与精度。" style="text;html=1;align=left;verticalAlign=top;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=26;fontColor=#2C3E50;spacing=10;" parent="1" vertex="1">
<mxGeometry x="120" y="180" width="1680" height="280" as="geometry"/>
</mxCell>
</root>
</mxGraphModel>
</diagram>
<diagram name="3.1深度强化学习路径规划优化" id="page5">
<mxGraphModel dx="722" dy="525" grid="1" gridSize="10" guides="1" tooltips="1" connect="1" arrows="1" fold="1" page="1" pageScale="1" pageWidth="1920" pageHeight="1080" background="#F8F9FA" math="0" shadow="0">
<root>
<mxCell id="0"/>
<mxCell id="1" parent="0"/>
<mxCell id="2" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#F8F9FA;strokeColor=none;" parent="1" vertex="1">
<mxGeometry width="1920" height="1080" as="geometry"/>
</mxCell>
<mxCell id="3" value="3.1 基于深度强化学习的路径规划优化（原第三章）" style="text;html=1;align=left;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=40;fontStyle=1;fontColor=#2C3E50;" parent="1" vertex="1">
<mxGeometry x="120" y="50" width="1100" height="50" as="geometry"/>
</mxCell>
<mxCell id="4" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#3498DB;strokeColor=none;" parent="1" vertex="1">
<mxGeometry x="120" y="110" width="80" height="6" as="geometry"/>
</mxCell>
<mxCell id="5" value="• 针对复杂动态环境中障碍物避让与局部最优解问题，提出基于 DDPG 的路径规划优化方法。 • 结合基于模型的轨迹预测与控制策略，利用深度强化学习优化路径规划决策，在 CARLA 仿真平台上验证有效性。 • 优化后的 D-RL-Path 算法在避障精度与路径规划效率上均有提升。" style="text;html=1;align=left;verticalAlign=top;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=24;fontColor=#2C3E50;spacing=8;" parent="1" vertex="1">
<mxGeometry x="120" y="140" width="900" height="140" as="geometry"/>
</mxCell>
<mxCell id="6" value="【此处插入图 3-2：深度强化学习优化的路径规划网络架构】" style="rounded=1;whiteSpace=wrap;html=1;fillColor=#ECF0F1;strokeColor=#BDC3C7;strokeWidth=2;fontColor=#7F8C8D;fontSize=24;dashed=1;" parent="1" vertex="1">
<mxGeometry x="120" y="320" width="840" height="340" as="geometry"/>
</mxCell>
<mxCell id="7" value="【此处插入图 3-3：基于 DDPG 的路径规划优化模块】" style="rounded=1;whiteSpace=wrap;html=1;fillColor=#ECF0F1;strokeColor=#BDC3C7;strokeWidth=2;fontColor=#7F8C8D;fontSize=22;dashed=1;" parent="1" vertex="1">
<mxGeometry x="1000" y="320" width="800" height="340" as="geometry"/>
</mxCell>
</root>
</mxGraphModel>
</diagram>
<diagram name="3.2多传感器融合路径规划" id="page6">
<mxGraphModel dx="722" dy="525" grid="1" gridSize="10" guides="1" tooltips="1" connect="1" arrows="1" fold="1" page="1" pageScale="1" pageWidth="1920" pageHeight="1080" background="#F8F9FA" math="0" shadow="0">
<root>
<mxCell id="0"/>
<mxCell id="1" parent="0"/>
<mxCell id="2" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#F8F9FA;strokeColor=none;" parent="1" vertex="1">
<mxGeometry width="1920" height="1080" as="geometry"/>
</mxCell>
<mxCell id="3" value="3.2 基于多传感器信息融合的路径规划（原第四章）" style="text;html=1;align=left;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=40;fontStyle=1;fontColor=#2C3E50;" parent="1" vertex="1">
<mxGeometry x="120" y="50" width="1100" height="50" as="geometry"/>
</mxCell>
<mxCell id="4" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#3498DB;strokeColor=none;" parent="1" vertex="1">
<mxGeometry x="120" y="110" width="80" height="6" as="geometry"/>
</mxCell>
<mxCell id="5" value="• 针对单一传感器依赖与融合算法不完善问题，提出基于 CNN 与 RNN 的深度特征提取模型。 • 结合强化学习优化多传感器融合的路径规划结果，提升系统在复杂路况中的稳定性与精度。 • 在多个复杂测试场景下验证 Fusion-Path 网络的高效性与可靠性。" style="text;html=1;align=left;verticalAlign=top;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=24;fontColor=#2C3E50;spacing=8;" parent="1" vertex="1">
<mxGeometry x="120" y="140" width="900" height="140" as="geometry"/>
</mxCell>
<mxCell id="6" value="【此处插入图 4-4：基于多传感器融合的路径规划网络架构】" style="rounded=1;whiteSpace=wrap;html=1;fillColor=#ECF0F1;strokeColor=#BDC3C7;strokeWidth=2;fontColor=#7F8C8D;fontSize=24;dashed=1;" parent="1" vertex="1">
<mxGeometry x="120" y="320" width="840" height="340" as="geometry"/>
</mxCell>
<mxCell id="7" value="【此处插入图 4-3：CNN-RNN 融合模块】" style="rounded=1;whiteSpace=wrap;html=1;fillColor=#ECF0F1;strokeColor=#BDC3C7;strokeWidth=2;fontColor=#7F8C8D;fontSize=22;dashed=1;" parent="1" vertex="1">
<mxGeometry x="1000" y="320" width="800" height="340" as="geometry"/>
</mxCell>
</root>
</mxGraphModel>
</diagram>
<diagram name="4.实验结果" id="page7">
<mxGraphModel dx="1920" dy="1080" grid="1" gridSize="10" guides="1" tooltips="1" connect="1" arrows="1" fold="1" page="1" pageScale="1" pageWidth="1920" pageHeight="1080" background="#F8F9FA">
<root>
<mxCell id="0"/>
<mxCell id="1" parent="0"/>
<mxCell id="2" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#F8F9FA;strokeColor=none;" vertex="1" parent="1">
<mxGeometry x="0" y="0" width="1920" height="1080" as="geometry"/>
</mxCell>
<mxCell id="3" value="4. 实验结果（路径规划对比）" style="text;html=1;align=left;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=48;fontStyle=1;fontColor=#2C3E50;" vertex="1" parent="1">
<mxGeometry x="120" y="60" width="700" height="60" as="geometry"/>
</mxCell>
<mxCell id="4" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#3498DB;strokeColor=none;" vertex="1" parent="1">
<mxGeometry x="120" y="130" width="80" height="6" as="geometry"/>
</mxCell>
<mxCell id="5" value="【此处插入表 4-2：自动驾驶路径规划对比实验结果】" style="rounded=1;whiteSpace=wrap;html=1;fillColor=#ECF0F1;strokeColor=#BDC3C7;strokeWidth=2;fontColor=#7F8C8D;fontSize=28;dashed=1;" vertex="1" parent="1">
<mxGeometry x="120" y="180" width="1680" height="520" as="geometry"/>
</mxCell>
</root>
</mxGraphModel>
</diagram>
<diagram name="5.消融实验" id="page8">
<mxGraphModel dx="1920" dy="1080" grid="1" gridSize="10" guides="1" tooltips="1" connect="1" arrows="1" fold="1" page="1" pageScale="1" pageWidth="1920" pageHeight="1080" background="#F8F9FA">
<root>
<mxCell id="0"/>
<mxCell id="1" parent="0"/>
<mxCell id="2" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#F8F9FA;strokeColor=none;" vertex="1" parent="1">
<mxGeometry x="0" y="0" width="1920" height="1080" as="geometry"/>
</mxCell>
<mxCell id="3" value="5. 消融实验" style="text;html=1;align=left;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=48;fontStyle=1;fontColor=#2C3E50;" vertex="1" parent="1">
<mxGeometry x="120" y="60" width="400" height="60" as="geometry"/>
</mxCell>
<mxCell id="4" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#3498DB;strokeColor=none;" vertex="1" parent="1">
<mxGeometry x="120" y="130" width="80" height="6" as="geometry"/>
</mxCell>
<mxCell id="5" value="【此处插入表 4-6：消融实验结果】" style="rounded=1;whiteSpace=wrap;html=1;fillColor=#ECF0F1;strokeColor=#BDC3C7;strokeWidth=2;fontColor=#7F8C8D;fontSize=28;dashed=1;" vertex="1" parent="1">
<mxGeometry x="120" y="180" width="1680" height="520" as="geometry"/>
</mxCell>
</root>
</mxGraphModel>
</diagram>
<diagram name="6.系统设计与实现" id="page9">
<mxGraphModel dx="1920" dy="1080" grid="1" gridSize="10" guides="1" tooltips="1" connect="1" arrows="1" fold="1" page="1" pageScale="1" pageWidth="1920" pageHeight="1080" background="#F8F9FA">
<root>
<mxCell id="0"/>
<mxCell id="1" parent="0"/>
<mxCell id="2" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#F8F9FA;strokeColor=none;" vertex="1" parent="1">
<mxGeometry x="0" y="0" width="1920" height="1080" as="geometry"/>
</mxCell>
<mxCell id="3" value="6. 系统设计与实现" style="text;html=1;align=left;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=48;fontStyle=1;fontColor=#2C3E50;" vertex="1" parent="1">
<mxGeometry x="120" y="60" width="500" height="60" as="geometry"/>
</mxCell>
<mxCell id="4" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#3498DB;strokeColor=none;" vertex="1" parent="1">
<mxGeometry x="120" y="130" width="80" height="6" as="geometry"/>
</mxCell>
<mxCell id="5" value="• 采用前后端分离架构：React 前端、TensorFlow 与 ROS 后端，完成路径计算与传感器数据处理。 • 功能模块：路径规划、地图构建、车辆控制、传感器数据接入、实时监控。 • 在 CARLA 仿真平台中进行系统测试与功能演示，具备工程应用价值。" style="text;html=1;align=left;verticalAlign=top;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=26;fontColor=#2C3E50;spacing=8;" vertex="1" parent="1">
<mxGeometry x="120" y="180" width="1680" height="120" as="geometry"/>
</mxCell>
<mxCell id="6" value="【此处插入图 5-2：自动驾驶系统架构图】" style="rounded=1;whiteSpace=wrap;html=1;fillColor=#ECF0F1;strokeColor=#BDC3C7;strokeWidth=2;fontColor=#7F8C8D;fontSize=28;dashed=1;" vertex="1" parent="1">
<mxGeometry x="120" y="340" width="1680" height="500" as="geometry"/>
</mxCell>
</root>
</mxGraphModel>
</diagram>
<diagram name="7.核心创新点" id="page10">
<mxGraphModel dx="1920" dy="1080" grid="1" gridSize="10" guides="1" tooltips="1" connect="1" arrows="1" fold="1" page="1" pageScale="1" pageWidth="1920" pageHeight="1080" background="#F8F9FA">
<root>
<mxCell id="0"/>
<mxCell id="1" parent="0"/>
<mxCell id="2" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#F8F9FA;strokeColor=none;" vertex="1" parent="1">
<mxGeometry x="0" y="0" width="1920" height="1080" as="geometry"/>
</mxCell>
<mxCell id="3" value="7. 核心创新点" style="text;html=1;align=left;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=48;fontStyle=1;fontColor=#2C3E50;" vertex="1" parent="1">
<mxGeometry x="120" y="80" width="400" height="60" as="geometry"/>
</mxCell>
<mxCell id="4" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#3498DB;strokeColor=none;" vertex="1" parent="1">
<mxGeometry x="120" y="150" width="80" height="6" as="geometry"/>
</mxCell>
<mxCell id="5" value="1. 提出基于深度强化学习的路径规划优化算法（D-RL-Path），结合 DDPG 进行避障精度优化，提升路径规划的实时性与避障效率。 2. 提出基于多传感器信息融合的路径规划网络（Fusion-Path），结合 CNN-RNN 特征提取与强化学习优化，提升系统在复杂环境中的适应能力。 3. 构建适用于自动驾驶路径规划的 CARLA 仿真数据集，支持深度强化学习与多传感器融合模型的训练与测试。 4. 设计并实现基于深度学习的自动驾驶路径规划系统，完成路径规划、控制与实时监控功能，具备工程应用价值。" style="text;html=1;align=left;verticalAlign=top;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=26;fontColor=#2C3E50;spacing=10;" vertex="1" parent="1">
<mxGeometry x="120" y="200" width="1680" height="280" as="geometry"/>
</mxCell>
</root>
</mxGraphModel>
</diagram>
<diagram name="8.结论与展望" id="page11">
<mxGraphModel dx="1920" dy="1080" grid="1" gridSize="10" guides="1" tooltips="1" connect="1" arrows="1" fold="1" page="1" pageScale="1" pageWidth="1920" pageHeight="1080" background="#F8F9FA">
<root>
<mxCell id="0"/>
<mxCell id="1" parent="0"/>
<mxCell id="2" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#F8F9FA;strokeColor=none;" vertex="1" parent="1">
<mxGeometry x="0" y="0" width="1920" height="1080" as="geometry"/>
</mxCell>
<mxCell id="3" value="8. 结论与展望" style="text;html=1;align=left;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=48;fontStyle=1;fontColor=#2C3E50;" vertex="1" parent="1">
<mxGeometry x="120" y="80" width="500" height="60" as="geometry"/>
</mxCell>
<mxCell id="4" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#3498DB;strokeColor=none;" vertex="1" parent="1">
<mxGeometry x="120" y="150" width="80" height="6" as="geometry"/>
</mxCell>
<mxCell id="5" value="结论：本文提出的 D-RL-Path 与 Fusion-Path 方法在路径规划优化与多传感器融合方面取得有效进展，实验验证了算法在复杂环境中的性能提升，系统具备工程应用价值。 展望：基于大规模数据集的训练、多传感器实时融合、实际路况下的路径规划与决策等方向有待进一步研究。" style="text;html=1;align=left;verticalAlign=top;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=28;fontColor=#2C3E50;spacing=12;" vertex="1" parent="1">
<mxGeometry x="120" y="220" width="1680" height="200" as="geometry"/>
</mxCell>
</root>
</mxGraphModel>
</diagram>
<diagram name="致谢" id="page12">
<mxGraphModel dx="1920" dy="1080" grid="1" gridSize="10" guides="1" tooltips="1" connect="1" arrows="1" fold="1" page="1" pageScale="1" pageWidth="1920" pageHeight="1080" background="#F8F9FA">
<root>
<mxCell id="0"/>
<mxCell id="1" parent="0"/>
<mxCell id="2" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#F8F9FA;strokeColor=none;" vertex="1" parent="1">
<mxGeometry x="0" y="0" width="1920" height="1080" as="geometry"/>
</mxCell>
<mxCell id="3" value="致谢" style="text;html=1;align=center;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=56;fontStyle=1;fontColor=#2C3E50;" vertex="1" parent="1">
<mxGeometry x="760" y="420" width="400" height="80" as="geometry"/>
</mxCell>
<mxCell id="4" value="感谢导师的悉心指导与各位老师的宝贵意见！" style="text;html=1;align=center;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=32;fontColor=#7F8C8D;" vertex="1" parent="1">
<mxGeometry x="560" y="520" width="800" height="60" as="geometry"/>
</mxCell>
</root>
</mxGraphModel>
</diagram>
<diagram name="请老师批评指正" id="page13">
<mxGraphModel dx="1920" dy="1080" grid="1" gridSize="10" guides="1" tooltips="1" connect="1" arrows="1" fold="1" page="1" pageScale="1" pageWidth="1920" pageHeight="1080" background="#F8F9FA">
<root>
<mxCell id="0"/>
<mxCell id="1" parent="0"/>
<mxCell id="2" value="" style="rounded=0;whiteSpace=wrap;html=1;fillColor=#F8F9FA;strokeColor=none;" vertex="1" parent="1">
<mxGeometry x="0" y="0" width="1920" height="1080" as="geometry"/>
</mxCell>
<mxCell id="3" value="请各位老师批评指正！" style="text;html=1;align=center;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=72;fontStyle=1;fontColor=#2C3E50;" vertex="1" parent="1">
<mxGeometry x="360" y="420" width="1200" height="120" as="geometry"/>
</mxCell>
<mxCell id="4" value="Q&A" style="text;html=1;align=center;verticalAlign=middle;resizable=0;points=[];autosize=1;strokeColor=none;fillColor=none;fontSize=36;fontColor=#7F8C8D;" vertex="1" parent="1">
<mxGeometry x="860" y="560" width="200" height="50" as="geometry"/>
</mxCell>
</root>
</mxGraphModel>
</diagram>
</mxfile>