陳慧巖,張玉

（北京理工大學(xué)機(jī)械與車輛學(xué)院,北京 100081）

軍用地面無(wú)人機(jī)動(dòng)平臺(tái)技術(shù)發(fā)展綜述

陳慧巖,張玉

（北京理工大學(xué)機(jī)械與車輛學(xué)院,北京 100081）

地面無(wú)人機(jī)動(dòng)平臺(tái)對(duì)發(fā)展高機(jī)動(dòng)地面無(wú)人戰(zhàn)斗系統(tǒng)具有重要的戰(zhàn)略意義,是當(dāng)前各國(guó)國(guó)防科技領(lǐng)域的研究熱點(diǎn)。文中綜述了軍用地面無(wú)人機(jī)動(dòng)平臺(tái)的發(fā)展歷程與最新進(jìn)展,分別闡述和分析了其基本組成和發(fā)展特點(diǎn),然后從環(huán)境感知、運(yùn)動(dòng)規(guī)劃、跟蹤控制等方面總結(jié)了軍用地面無(wú)人機(jī)動(dòng)平臺(tái)發(fā)展中的關(guān)鍵技術(shù),并對(duì)軍用無(wú)人機(jī)動(dòng)平臺(tái)的研究方向和研究重點(diǎn)進(jìn)行了展望。

兵器科學(xué)與技術(shù)；軍用地面無(wú)人機(jī)動(dòng)平臺(tái)；環(huán)境感知；運(yùn)動(dòng)規(guī)劃；路徑跟蹤

0 引言

地面無(wú)人機(jī)動(dòng)平臺(tái),作為智能交通系統(tǒng)（ITS）和未來(lái)戰(zhàn)斗系統(tǒng)的一個(gè)重要組成部分,在民用領(lǐng)域和軍用領(lǐng)域都具有廣泛的應(yīng)用前景[1]。廣義上來(lái)說(shuō),地面無(wú)人機(jī)動(dòng)平臺(tái)指的是任何能夠在地面上移動(dòng),并進(jìn)行承載或運(yùn)輸裝備或人員,但是不搭載駕駛員的機(jī)器設(shè)備[2]；狹義上講,指的是能感知環(huán)境并與環(huán)境交互、能自主行駛的地面移動(dòng)機(jī)器設(shè)備[3]。在軍用領(lǐng)域,地面無(wú)人機(jī)動(dòng)平臺(tái)通常也叫做無(wú)人地面車輛（UGV）、自主地面移動(dòng)平臺(tái)（ALMP）、自主地面車輛（ALV）等,主要包含軍用無(wú)人戰(zhàn)斗車輛、通用后勤服務(wù)無(wú)人車輛和小型單兵機(jī)器人[4]。上述相關(guān)領(lǐng)域的技術(shù)研究對(duì)發(fā)展高機(jī)動(dòng)地面無(wú)人戰(zhàn)斗系統(tǒng)具有重要的戰(zhàn)略意義。軍用地面無(wú)人機(jī)動(dòng)平臺(tái)在戰(zhàn)場(chǎng)上能夠完成獲取情報(bào)、監(jiān)視、偵察任務(wù),運(yùn)輸與后勤任務(wù),排雷、安置簡(jiǎn)易爆炸裝置任務(wù),提供火力支援任務(wù),通信中轉(zhuǎn)、醫(yī)療轉(zhuǎn)移任務(wù)等,在戰(zhàn)斗中對(duì)保護(hù)士兵生命有著不可替代的作用。在民用領(lǐng)域,地面無(wú)人機(jī)動(dòng)平臺(tái)通常是指無(wú)人駕駛汽車,也叫做智能汽車、智能車、無(wú)人車,其關(guān)鍵技術(shù)的發(fā)展對(duì)改善交通擁堵、節(jié)能減排、提高出行效率、減小交通事故等方面有著重要作用。軍用和民用地面無(wú)人機(jī)動(dòng)平臺(tái)的基本組成部分大致相同,都包括感知、規(guī)劃、控制和平臺(tái)底盤等子系統(tǒng),但是由于應(yīng)用場(chǎng)景不同,相應(yīng)部分的研究側(cè)重點(diǎn)及需求有所不同。本文側(cè)重于闡述軍用地面無(wú)人機(jī)動(dòng)平臺(tái)的相關(guān)研究?jī)?nèi)容。

1 軍用地面無(wú)人機(jī)動(dòng)平臺(tái)的發(fā)展歷程

軍用地面無(wú)人機(jī)動(dòng)平臺(tái)的研究要早于無(wú)人駕駛汽車,最早可以追溯到20世紀(jì)30年代前蘇聯(lián)開發(fā)的無(wú)線遙控坦克。第二次世界大戰(zhàn)期間,英國(guó)和德國(guó)也相繼研發(fā)出無(wú)線遙控履帶戰(zhàn)斗車輛[4]。后來(lái)軍用無(wú)人機(jī)動(dòng)平臺(tái)的研究逐步擴(kuò)展到半自主地面無(wú)人機(jī)動(dòng)平臺(tái)和自主地面無(wú)人機(jī)動(dòng)平臺(tái)。

20世紀(jì)80年代,美國(guó)國(guó)防部（DOD）專門制定了無(wú)人作戰(zhàn)系統(tǒng)發(fā)展的戰(zhàn)略計(jì)劃,對(duì)地面無(wú)人作戰(zhàn)平臺(tái)的研究進(jìn)行大規(guī)模資助[2]。此后的20年,美國(guó)先后制定了聯(lián)合機(jī)器人（JRP）計(jì)劃[5]、Demo計(jì)劃[6-7]、戰(zhàn)術(shù)移動(dòng)機(jī)器人（TMR）計(jì)劃[8]、無(wú)人地面戰(zhàn)斗車輛（UGCV）計(jì)劃、越野機(jī)器人感知（PerceptionOR）計(jì)劃[9-10]、FCS計(jì)劃[11]、LAGR計(jì)劃[12]、UPI計(jì)劃[13]等,力求發(fā)展由地面無(wú)人機(jī)動(dòng)平臺(tái)和武器系統(tǒng)構(gòu)成的無(wú)人作戰(zhàn)系統(tǒng)[14]。美國(guó)國(guó)防高級(jí)研究計(jì)劃局（DARPA）分別于2005年和2007年舉辦了越野挑戰(zhàn)賽[15]和城市挑戰(zhàn)賽[16],極大地推動(dòng)了傳感器、相關(guān)算法和地面無(wú)人機(jī)動(dòng)平臺(tái)系統(tǒng)集成技術(shù)的發(fā)展[17]。UGCV計(jì)劃中由卡耐基梅隆大學(xué)（CMU）國(guó)家機(jī)器人工程中心（NREC）研發(fā)的Crusher（前身為Spinner）是一種針對(duì)于大范圍復(fù)雜越野路面的下一代無(wú)人高機(jī)動(dòng)平臺(tái)。它利用航拍地圖評(píng)估運(yùn)動(dòng)風(fēng)險(xiǎn),進(jìn)行軌跡規(guī)劃,使用車載傳感器來(lái)檢測(cè)從地圖數(shù)據(jù)無(wú)法辨別的或是后出現(xiàn)的障礙[18],通過(guò)特殊的懸掛系統(tǒng)和驅(qū)動(dòng)系統(tǒng)設(shè)計(jì)適應(yīng)各種路面的行駛要求。截至2007年,該平臺(tái)已經(jīng)能在巖石、壕溝、陡坡、灌木叢等各種類型路面自主行駛超過(guò)250 km[13].另一項(xiàng)比較矚目的研究便是美國(guó)陸軍坦克機(jī)動(dòng)車輛研發(fā)與工程中心研制的APD地面無(wú)人機(jī)動(dòng)平臺(tái)。該平臺(tái)采用混合電驅(qū)動(dòng)技術(shù),以柴油機(jī)為原動(dòng)機(jī),裝備鋰離子電池,通過(guò)6個(gè)輪轂電機(jī)驅(qū)動(dòng)平臺(tái)前進(jìn)[19]；除此之外,該平臺(tái)配備自主導(dǎo)航系統(tǒng),能以80 km/h速度行進(jìn)中躲避障礙,具有實(shí)時(shí)人工操縱和自主機(jī)動(dòng)的能力。Crusher和APD地面無(wú)人機(jī)動(dòng)平臺(tái)在極端環(huán)境下具有較好的燃油經(jīng)濟(jì)性、較高的生存能力和較強(qiáng)的承載能力,展現(xiàn)了下一代軍用無(wú)人機(jī)動(dòng)平臺(tái)對(duì)各種類型越野路面突出的適應(yīng)能力和機(jī)動(dòng)性能。2013年CMU NREC與奧什科什國(guó)防公司合作研發(fā)了為美國(guó)海軍陸戰(zhàn)隊(duì)提供后勤保障的Cargo地面無(wú)人車輛,該平臺(tái)有3種工作模式——自動(dòng)駕駛模式、影子模式和遙控模式,并且可以與有人駕駛車輛混編成車隊(duì),使得一個(gè)操作者可以操控多輛無(wú)人機(jī)動(dòng)平臺(tái),能保證在較低風(fēng)險(xiǎn)的情況下使用較少的人力完成后勤補(bǔ)給任務(wù)[20]。除上述平臺(tái)外,美國(guó)現(xiàn)役或在研的地面無(wú)人機(jī)動(dòng)平臺(tái)還包括洛克希德·馬丁公司的AMAS平臺(tái)[21]、SMSS平臺(tái)[22]和MULE ARV-A（L）平臺(tái)[23],波士頓動(dòng)力公司的Big Dog[24-25]、LS3仿生機(jī)器人[26]等。

除了美國(guó),其他國(guó)家也積極開展無(wú)人機(jī)動(dòng)平臺(tái)的相關(guān)研究,比較著名的有英國(guó)BAE系統(tǒng)公司的角斗士（Gladiator）新型戰(zhàn)術(shù)地面無(wú)人車輛[27]、黑騎士（Black Knight）無(wú)人裝甲車[28],德國(guó)Diehl BGT防務(wù)公司的CANGURU地面自主車輛,克羅地亞DOKING公司的MV系列無(wú)人掃雷車[29],以色列G-NIUS無(wú)人地面系統(tǒng)公司的GUARDIUM MK系列高機(jī)動(dòng)性能無(wú)人戰(zhàn)斗車輛[30]和中國(guó)兵器工業(yè)集團(tuán)公司的混合動(dòng)力無(wú)人地面車輛。其中,黑騎士無(wú)人裝甲車體現(xiàn)了目前無(wú)人戰(zhàn)斗機(jī)動(dòng)平臺(tái)技術(shù)的最高水準(zhǔn)。該平臺(tái)擁有30 mm速射火力系統(tǒng)、全地形通過(guò)能力、先進(jìn)的全頻譜傳感系統(tǒng)（由NREC提供）、完善的戰(zhàn)術(shù)數(shù)據(jù)鏈和自主導(dǎo)航系統(tǒng),可加裝通用導(dǎo)彈發(fā)射裝置等重型武器,其實(shí)戰(zhàn)化色彩遠(yuǎn)遠(yuǎn)超過(guò)全球正在服役的各類地面無(wú)人機(jī)動(dòng)平臺(tái)。圖1列出了上文提到的部分軍用地面無(wú)人機(jī)動(dòng)平臺(tái)。

2 地面無(wú)人機(jī)動(dòng)平臺(tái)的組成和特點(diǎn)

2.1 基本組成

無(wú)人機(jī)動(dòng)平臺(tái)雖然在機(jī)構(gòu)、傳感器配置、功能實(shí)現(xiàn)上各不相同,但是在無(wú)人駕駛系統(tǒng)組成上有著顯著的共同點(diǎn),都包含環(huán)境感知系統(tǒng)（含定位）、運(yùn)動(dòng)規(guī)劃系統(tǒng)、跟蹤控制系統(tǒng)、平臺(tái)底盤系統(tǒng)等子系統(tǒng)。這些共同點(diǎn)構(gòu)成無(wú)人機(jī)動(dòng)平臺(tái)的基本組成部分。

環(huán)境感知系統(tǒng)是指通過(guò)各種傳感器設(shè)備的輸入建立無(wú)人車輛周圍包含二維或三維環(huán)境特征的環(huán)境模型的系統(tǒng)。它主要由硬件和軟件處理程序組成。硬件主要包括二維激光雷達(dá)、三維激光雷達(dá)、毫米波雷達(dá)、彩色相機(jī)、立體相機(jī)、聲納、慣性導(dǎo)航元件、GPS等各種類型的傳感器。軟件處理程序?qū)崿F(xiàn)的功能主要為路面識(shí)別、障礙物檢測(cè)、目標(biāo)識(shí)別與跟蹤、建立地圖與定位等。它的主要作用是建立地面無(wú)人機(jī)動(dòng)平臺(tái)周圍的環(huán)境模型,為無(wú)人系統(tǒng)的決策、規(guī)劃和控制提供地圖、環(huán)境約束和定位信息。

圖1 軍用地面無(wú)人機(jī)動(dòng)平臺(tái)Fig.1 Military maneuvering unmanned ground platforms

運(yùn)動(dòng)規(guī)劃系統(tǒng)是指根據(jù)環(huán)境感知系統(tǒng)輸入的環(huán)境模型,考慮任務(wù)約束、環(huán)境約束、平臺(tái)自身的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)約束等,生成能夠驅(qū)動(dòng)動(dòng)態(tài)非線性系統(tǒng)從初始狀態(tài)到達(dá)指定目標(biāo)狀態(tài)的控制參考輸入序列的系統(tǒng)[31]。該子系統(tǒng)的主要功能是根據(jù)任務(wù)要求、環(huán)境地圖或是先驗(yàn)知識(shí)生成待執(zhí)行的無(wú)碰撞路徑或軌跡,作為控制系統(tǒng)的參考輸入,通常包括路徑規(guī)劃和軌跡規(guī)劃兩部分。

跟蹤控制系統(tǒng)是指根據(jù)控制參考輸入序列和控制律生成控制指令使得動(dòng)態(tài)系統(tǒng)達(dá)到期望輸出結(jié)果的控制器[32]。對(duì)于地面無(wú)人機(jī)動(dòng)平臺(tái)而言,跟蹤控制是指根據(jù)參考軌跡輸入和控制律生成車輛執(zhí)行器（如方向盤、電子油門、制動(dòng)器）的控制命令使執(zhí)行器產(chǎn)生影響車輛運(yùn)動(dòng)的力或力矩。

平臺(tái)底盤系統(tǒng)是指由車輛底盤及相應(yīng)執(zhí)行器構(gòu)成受控的機(jī)械執(zhí)行系統(tǒng)。

除了包含上述必要組成部分,根據(jù)無(wú)人機(jī)動(dòng)平臺(tái)所實(shí)現(xiàn)功能的不同和智能化程度的差異,有的系統(tǒng)還會(huì)包含遙控站、多車通信系統(tǒng)、任務(wù)規(guī)劃系統(tǒng)、人機(jī)交互系統(tǒng)等。

2.2 特點(diǎn)

作為移動(dòng)機(jī)器人技術(shù)的一個(gè)分支和發(fā)展方向,地面無(wú)人機(jī)動(dòng)平臺(tái)技術(shù)繼承了諸多機(jī)器人學(xué)的研究方法和研究成果,并在不斷發(fā)展和實(shí)際應(yīng)用中呈現(xiàn)出自己獨(dú)特技術(shù)特點(diǎn)。

2.2.1 移動(dòng)速度比普通移動(dòng)機(jī)器人更快,變化范圍更大

普通移動(dòng)機(jī)器人的速度大多為0～10 km/h[33],而軍用地面無(wú)人機(jī)動(dòng)平臺(tái)的行駛速度大多在10～60 km/h,有的甚至達(dá)到70 km/h以上[29]。無(wú)人機(jī)動(dòng)平臺(tái)的行駛速度高,速度變化范圍大,這對(duì)感知系統(tǒng)和運(yùn)動(dòng)規(guī)劃系統(tǒng)的處理速度,控制系統(tǒng)的控制精度提出了更高的要求。在有擾動(dòng)的環(huán)境中或高速情況下,點(diǎn)質(zhì)量模型、運(yùn)動(dòng)學(xué)模型已經(jīng)不能滿足規(guī)劃控制的需求,需要建立考慮平臺(tái)特性、輪胎（或履帶）模型、更精確的動(dòng)力學(xué)模型,以適應(yīng)復(fù)雜場(chǎng)景和滿足高速情況下的控制需求。

2.2.2 操作的環(huán)境更復(fù)雜,范圍更大

與普通移動(dòng)機(jī)器人活動(dòng)的室內(nèi)環(huán)境或是范圍較小的室外環(huán)境相比,軍用地面無(wú)人機(jī)動(dòng)平臺(tái)不僅能夠行駛在結(jié)構(gòu)化道路環(huán)境（城市環(huán)境）中,也要能夠行駛在非結(jié)構(gòu)化道路環(huán)境（越野環(huán)境）中,這使得其活動(dòng)的環(huán)境更復(fù)雜,范圍更大。上述特點(diǎn)要求環(huán)境感知系統(tǒng)不僅要能夠識(shí)別出城市環(huán)境下可行駛的道路區(qū)域、交通信號(hào)燈、交通標(biāo)志、行人和車輛等,也要求其能夠識(shí)別出越野環(huán)境下可跨越的障礙（植被）、不可跨越的正障礙（如巖石、樹木等）、潛在的負(fù)障礙（如濠溝、懸崖）[18]。這對(duì)面向無(wú)人機(jī)動(dòng)平臺(tái)應(yīng)用的環(huán)境感知研究提出了新的挑戰(zhàn)。

2.2.3 具有更強(qiáng)的承載能力和更長(zhǎng)的續(xù)航能力

普通移動(dòng)機(jī)器人大多承載能力有限,不能載人或載貨,并且續(xù)航能力較弱。軍用無(wú)人機(jī)動(dòng)平臺(tái)由于軍事應(yīng)用需要,通常會(huì)搭載武器系統(tǒng)、搭載防護(hù)系統(tǒng)或用于運(yùn)輸物資,同時(shí),大部分任務(wù)也要求平臺(tái)能長(zhǎng)時(shí)間運(yùn)作（物資運(yùn)輸、偵查、通信中轉(zhuǎn)）。這些軍事應(yīng)用需要無(wú)人機(jī)動(dòng)平臺(tái)具有更強(qiáng)的承載能力和更長(zhǎng)的續(xù)航能力。例如,DARPA和陸軍對(duì)于UGCV項(xiàng)目的評(píng)估要求就包括：能夠完成為期14 d的任務(wù)；一次填注燃料行駛里程不少于450 km；載荷比大于25%等。

2.2.4 對(duì)可靠性要求更高

軍用地面無(wú)人機(jī)動(dòng)平臺(tái)通常工作在野外極端惡劣環(huán)境下,復(fù)雜地形、震動(dòng)、沖擊載荷、灰塵、高低溫等因素給平臺(tái)的機(jī)械執(zhí)行系統(tǒng)和電控系統(tǒng)的可靠性與穩(wěn)定性帶來(lái)了嚴(yán)峻的挑戰(zhàn)。這就要求軍用地面無(wú)人平臺(tái)在設(shè)計(jì)之初就必須考慮系統(tǒng)結(jié)構(gòu)的設(shè)計(jì)、系統(tǒng)集成的設(shè)計(jì)、甚至是平臺(tái)的機(jī)構(gòu)設(shè)計(jì),以確保平臺(tái)是自依賴的、可調(diào)整和可容錯(cuò)的[34],從而保證系統(tǒng)的可靠與穩(wěn)定。

另外,軍用地面無(wú)人機(jī)動(dòng)平臺(tái)主要功能、搭載武器系統(tǒng)、補(bǔ)給物資運(yùn)輸或是作業(yè),其工作時(shí)難免會(huì)與人或與有人駕駛車輛交互,那么平臺(tái)控制系統(tǒng)的可靠性和穩(wěn)定性對(duì)于確保人的安全就顯得尤為重要。無(wú)人機(jī)動(dòng)平臺(tái)從研究之初到現(xiàn)在,大部分平臺(tái)的自動(dòng)控制系統(tǒng)都是通過(guò)外加電機(jī)、液壓控制閥等執(zhí)行機(jī)構(gòu)來(lái)實(shí)現(xiàn)縱向、橫向、檔位等的運(yùn)動(dòng)控制。這些額外的執(zhí)行機(jī)構(gòu)本身并不屬于原車底盤控制系統(tǒng),其安裝位置和控制參數(shù)很難調(diào)校,也無(wú)法保證外加機(jī)構(gòu)控制系統(tǒng)能與原車控制系統(tǒng)兼容[35]；另外,這些外加的執(zhí)行器及其控制系統(tǒng)也會(huì)導(dǎo)致整個(gè)無(wú)人系統(tǒng)變得龐大、復(fù)雜,出錯(cuò)概率大大增加。DARPA兩屆挑戰(zhàn)賽各個(gè)車隊(duì)出現(xiàn)的事故也證明這種實(shí)現(xiàn)方式并不合理。理想的、適用于無(wú)人駕駛的控制系統(tǒng)應(yīng)該采用線控方式實(shí)現(xiàn),有人駕駛與無(wú)人駕駛控制系統(tǒng)采用兩套不同的控制策略,但是共用一套出廠配置的電控執(zhí)行機(jī)構(gòu)。近年來(lái)越來(lái)越多的地面無(wú)人機(jī)動(dòng)平臺(tái)采用線控方式實(shí)現(xiàn)自動(dòng)控制,如牛津大學(xué)移動(dòng)機(jī)器人小組的Robot Car無(wú)人駕駛汽車、北京理工大學(xué)智能車輛研究所的Ray無(wú)人駕駛汽車、戴姆勒股份公司的Bertha Benz無(wú)人駕駛汽車等。

3 地面無(wú)人機(jī)動(dòng)平臺(tái)的關(guān)鍵技術(shù)

3.1 環(huán)境感知技術(shù)

環(huán)境感知技術(shù)是無(wú)人機(jī)動(dòng)平臺(tái)中最重要的一環(huán),無(wú)人機(jī)動(dòng)平臺(tái)安全、穩(wěn)定行駛的首要前提是環(huán)境感知提供的世界環(huán)境模型、運(yùn)動(dòng)狀態(tài)和定位信息準(zhǔn)確,可靠。這里的環(huán)境感知不僅包括各種雷達(dá)和相機(jī)等構(gòu)成的能夠提供世界環(huán)境模型的視覺(jué)系統(tǒng),也包括由慣性導(dǎo)航元件、GPS等傳感器構(gòu)成的能提供平臺(tái)自身姿態(tài)、與環(huán)境相對(duì)位置或絕對(duì)位置信息的狀態(tài)估計(jì)系統(tǒng)。

3.1.1 視覺(jué)系統(tǒng)

地面無(wú)人機(jī)動(dòng)平臺(tái)視覺(jué)系統(tǒng)的主要功能是障礙物檢測(cè)、可通行區(qū)域提取、運(yùn)動(dòng)估計(jì)、地圖創(chuàng)建等,其主要使用的傳感器包括主動(dòng)視覺(jué)傳感器（激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)等）和被動(dòng)視覺(jué)傳感器（單目相機(jī)、立體相機(jī)、全景相機(jī)、紅外相機(jī)等）。主動(dòng)視覺(jué)傳感器因其能提供相對(duì)精確的距離信息,比較適合用于障礙物檢測(cè)和地圖構(gòu)建等。被動(dòng)視覺(jué)傳感器因其數(shù)據(jù)包含的特征信息較多,比較適合用于路面提取、特征檢測(cè)與跟蹤、路標(biāo)的識(shí)別與匹配以及基于特征檢測(cè)的運(yùn)動(dòng)估計(jì)和定位等。

得益于傳感器技術(shù)和計(jì)算機(jī)視覺(jué)技術(shù)的飛速發(fā)展,針對(duì)地面無(wú)人機(jī)動(dòng)平臺(tái)在越野環(huán)境下的視覺(jué)系統(tǒng)的研究取得了諸多進(jìn)展,近些年的研究重點(diǎn)主要集中在越野路面識(shí)別與分類、各種類型的障礙物檢測(cè)?？突仿〈髮W(xué)的Lalonde等采用局部點(diǎn)云統(tǒng)計(jì)分析方法并結(jié)合貝葉斯分類器識(shí)別車身周圍的網(wǎng)狀障礙物、線狀障礙物和面狀障礙物,用于Demo-ⅢXUV無(wú)人機(jī)動(dòng)平臺(tái)的野外行駛路面分類[36]。美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室（JPL）的Rankin等只使用立體相機(jī)采用二值化方法和通過(guò)性成本分析來(lái)構(gòu)建地圖,該方法可以檢測(cè)出樹干、樹支、陡坡、負(fù)障礙和水面等[37]。Milella等提出了一種基于毫米波雷達(dá)數(shù)據(jù)特征的自學(xué)習(xí)路面分類器[38],該方法包含在線自適應(yīng)學(xué)習(xí)階段和分類階段,能夠適應(yīng)遠(yuǎn)距離、長(zhǎng)航時(shí)和變化環(huán)境下的路面分類。

由于無(wú)人機(jī)動(dòng)平臺(tái)行駛的環(huán)境較復(fù)雜,只依賴一種傳感器不可能完成所有的識(shí)別任務(wù)。構(gòu)建實(shí)時(shí)、多視角傳感器系統(tǒng),利用多模態(tài)傳感信息融合技術(shù)為地面無(wú)人機(jī)動(dòng)平臺(tái)導(dǎo)航提供可靠、有效的信息成為當(dāng)今研究的熱點(diǎn)。Stentz等采用比較簡(jiǎn)單的通過(guò)性成本估價(jià)函數(shù)來(lái)融合激光雷達(dá)和立體視覺(jué)等不同通道的傳感信息,形成地圖,供導(dǎo)航系統(tǒng)使用,該方法可以識(shí)別較大的正障礙和負(fù)障礙[39]。Bagnell等使用三維激光雷達(dá)點(diǎn)云信息結(jié)合多光譜顏色信息和紋理特征來(lái)提高越野路面檢測(cè)和路面分類的準(zhǔn)確性[40]。Peynot等通過(guò)多傳感器融合形成冗余以減小單傳感器在野外極端條件下（揚(yáng)塵、霧天、雨天）檢測(cè)錯(cuò)誤對(duì)系統(tǒng)的影響,提高感知系統(tǒng)的可靠性[41]。Zhao等設(shè)計(jì)了一個(gè)分層式傳感器融合系統(tǒng),采用卡爾曼濾波來(lái)實(shí)現(xiàn)物理層數(shù)據(jù)的融合,以便獲得統(tǒng)一、更精確詳細(xì)的特征信息；然后采用D-S證據(jù)理論進(jìn)行上層數(shù)據(jù)融合,以提高識(shí)別效率和減小計(jì)算復(fù)雜度[42]。

3.1.2 狀態(tài)估計(jì)

為了更好地控制地面無(wú)人機(jī)動(dòng)平臺(tái)的運(yùn)動(dòng),準(zhǔn)確的平臺(tái)運(yùn)動(dòng)估計(jì)是必要的,特別是地面無(wú)人機(jī)動(dòng)平臺(tái)裝備有懸掛系統(tǒng),行駛環(huán)境也較復(fù)雜,高速行駛在不平路面上時(shí),必然會(huì)出現(xiàn)俯仰、側(cè)傾、橫滾、縱滑和側(cè)滑等。無(wú)人機(jī)動(dòng)平臺(tái)的狀態(tài)估計(jì)主要是融合多種傳感器（陀螺儀、GPS、加速度計(jì)、羅盤等）信息,估計(jì)平臺(tái)的姿態(tài)、速度以及相對(duì)或絕對(duì)位置。平臺(tái)狀態(tài)估計(jì)主要分為兩大類：基于全球定位系統(tǒng)（GNSS）—慣性導(dǎo)航系統(tǒng)（INS）的組合導(dǎo)航系統(tǒng)和基于視覺(jué)的狀態(tài)估計(jì)。

在無(wú)遮擋的空曠環(huán)境下,GNSS（如GPS、北斗、伽利略定位系統(tǒng)）能為無(wú)人機(jī)動(dòng)平臺(tái)提供長(zhǎng)時(shí)準(zhǔn)確的定位信息[43],然而城市環(huán)境、峽谷、密林等環(huán)境都可能導(dǎo)致GPS信號(hào)的瞬時(shí)丟失,使得定位效果變差或定位失敗。INS是指通過(guò)使用慣性測(cè)量元件（陀螺儀、加速度計(jì)、羅盤等）測(cè)量平臺(tái)的橫擺角速度和加速度等,通過(guò)積分獲取平臺(tái)相對(duì)定位信息的定位系統(tǒng)。INS自依賴,不受外界環(huán)境干擾,然而其慣性測(cè)量數(shù)據(jù)存在漂移現(xiàn)象,長(zhǎng)時(shí)間累積會(huì)產(chǎn)生較大誤差,且無(wú)上界,因此INS只能保證短時(shí)定位精度。通過(guò)卡爾曼濾波算法、擴(kuò)展卡爾曼濾波算法[44]或無(wú)跡卡爾曼濾波算法[45]融合兩系統(tǒng)定位數(shù)據(jù),結(jié)合兩種定位系統(tǒng)優(yōu)勢(shì)的組合導(dǎo)航系統(tǒng)成為無(wú)人機(jī)動(dòng)平臺(tái)定位系統(tǒng)的主流。2007年,DARPA城市挑戰(zhàn)賽中,完成比賽的無(wú)人駕駛車輛幾乎都使用了GPS-INS組合導(dǎo)航系統(tǒng)[46-49]。但是,由于GPS-INS組合導(dǎo)航系統(tǒng)仍然依賴GPS,當(dāng)GPS丟失時(shí)間較長(zhǎng)時(shí),其定位精度也會(huì)變差。Ilyas等提出了一種利用集中式卡爾曼濾波根據(jù)傳感數(shù)據(jù)質(zhì)量有選擇地融合來(lái)自GPS、INS和里程計(jì)數(shù)據(jù)的組合導(dǎo)航方法,該方法在GPS信號(hào)較差的地方（密林、樓群里）也能保證可靠的定位結(jié)果[50]。

基于視覺(jué)的狀態(tài)估計(jì)主要是指視覺(jué)里程計(jì)（VO）和同時(shí)創(chuàng)建地圖與定位（SLAM）。傳統(tǒng)里程計(jì)主要是根據(jù)來(lái)自編碼器（光電式、磁電式、霍爾式等）的數(shù)據(jù)隨時(shí)間變化來(lái)估計(jì)平臺(tái)的位置或航向。這種方法在城市平坦道路上的估計(jì)精度較高,而在不平路面上,當(dāng)車輛出現(xiàn)縱滑或側(cè)滑時(shí),誤差較大。根據(jù)圖像特征估計(jì)車輛運(yùn)動(dòng)狀態(tài)的VO則不受滑移和其他因素影響,并且VO成本較低、緊湊,相對(duì)位置誤差范圍較小,為0.1%～2%,因此VO被廣泛用于越野環(huán)境下和城市環(huán)境下的車輛定位[51]。典型的VO算法主要包括：可被跟蹤的特征點(diǎn)的檢測(cè)、連續(xù)幀圖像間的特征關(guān)聯(lián)或跟蹤、利用特征匹配進(jìn)行運(yùn)動(dòng)參數(shù)估計(jì)。Nourani-Vatani等利用平臺(tái)非完整性約束和特征跟蹤進(jìn)行運(yùn)動(dòng)估計(jì)的單目VO,并將其成功應(yīng)用于大型工業(yè)叉車和越野車的定位[52]。Howard等提出了一種使用立體視覺(jué)進(jìn)行運(yùn)動(dòng)估計(jì)的VO,其誤差范圍限制到0.25%以內(nèi)。該里程計(jì)采用更完善更簡(jiǎn)單的內(nèi)點(diǎn)檢測(cè)算法,對(duì)預(yù)處理過(guò)后的視差圖進(jìn)行特征提取和特征匹配,然后再進(jìn)行運(yùn)動(dòng)估計(jì),實(shí)時(shí)性和可靠性都較高[53]。該方法已被用到DARPA LAGR項(xiàng)目平臺(tái)上和Big Dog軍用機(jī)器人上。為了提高定位系統(tǒng)的精度,Perlin等將VO和慣性測(cè)量單元（IMU）數(shù)據(jù)進(jìn)行融合,提出了一種實(shí)時(shí)、適用于越野和城市環(huán)境下高速行駛應(yīng)用場(chǎng)景下的集成定位系統(tǒng)[54]。

同時(shí)建立地圖與定位（SLAM）是指無(wú)人機(jī)動(dòng)平臺(tái)在未知環(huán)境中,根據(jù)傳感器信息在線增量式建立環(huán)境地圖,或是更新部分已知的地圖,同時(shí)確定車輛在地圖中的位置。其原理是利用擴(kuò)展卡爾曼濾波[55]、無(wú)跡卡爾曼濾波[56]、稀疏擴(kuò)展信息濾波[57]、Rao-Backwellized粒子慮波[58]等技術(shù)實(shí)現(xiàn)路標(biāo)估計(jì)、軌跡估計(jì)和車輛位置估計(jì)。經(jīng)過(guò)近30年的發(fā)展,在理論層面上,SLAM問(wèn)題已經(jīng)基本被解決[59],然而其在具體應(yīng)用中仍呈現(xiàn)出諸多問(wèn)題,目前其相關(guān)研究重點(diǎn)主要集中在計(jì)算復(fù)雜度、環(huán)境表示、數(shù)據(jù)關(guān)聯(lián)等方面的改進(jìn)[60]。與其他增量式的位置估計(jì)方法相比,SLAM因使用更多的傳感器歷史信息,其定位結(jié)果產(chǎn)生的增量誤差更小。另外,SLAM采用數(shù)據(jù)關(guān)聯(lián)解決閉環(huán)問(wèn)題,可以消除位置估計(jì)的累計(jì)誤差[61]。SLAM在解決大范圍動(dòng)態(tài)環(huán)境,特別是GPS信號(hào)較弱或是不穩(wěn)定區(qū)域中無(wú)人機(jī)動(dòng)平臺(tái)的長(zhǎng)時(shí)間地圖重建和定位問(wèn)題方面有著巨大潛力。因此,越來(lái)越多的研究者將SLAM用于地面無(wú)人機(jī)動(dòng)平臺(tái)在復(fù)雜環(huán)境中的定位。Moosmann等提出一種只使用Velodyne三維激光雷達(dá)數(shù)據(jù)的SLAM方法,該方法被證明在不使用速度傳感器和其他信息的情況下,SLAM算法也能精確地建立地圖和定位,并且比組合導(dǎo)航精度更高,可用于精細(xì)的城市地圖構(gòu)建[61]。Cho等提出了針對(duì)無(wú)人機(jī)動(dòng)平臺(tái)野外環(huán)境行駛的SLAM算法。該算法采用雙模糊C-均值聚類方法提取野外樹木特征點(diǎn),并使用擴(kuò)展卡爾曼濾波進(jìn)行同時(shí)定位和建立地圖[62]。Tamjidi等融合激光雷達(dá)數(shù)據(jù)和單目相機(jī)數(shù)據(jù),提出了基于單點(diǎn)RANSAC-擴(kuò)展卡爾曼濾波方法SLAM算法,用于無(wú)人機(jī)動(dòng)平臺(tái)在無(wú)GPS信號(hào)環(huán)境下的位置估計(jì),其估計(jì)誤差小于總路徑長(zhǎng)度的1.9%[63].Su等提出了一種結(jié)合擴(kuò)展卡爾曼濾波-無(wú)跡卡爾漫濾波的無(wú)人機(jī)動(dòng)平臺(tái)的SLAM算法,該方法被證明比傳統(tǒng)擴(kuò)展卡爾曼濾波-SLAM算法有更高的位置精度和航向精度[64]。

3.2 運(yùn)動(dòng)規(guī)劃技術(shù)

可靠和數(shù)值高效的運(yùn)動(dòng)規(guī)劃算法是無(wú)人機(jī)動(dòng)平臺(tái)導(dǎo)航技術(shù)的核心,也是體現(xiàn)無(wú)人機(jī)動(dòng)平臺(tái)智能化水平的關(guān)鍵技術(shù)。單一環(huán)境下的運(yùn)動(dòng)規(guī)劃問(wèn)題已經(jīng)很具有挑戰(zhàn)性,在復(fù)雜（城市與越野）環(huán)境下的無(wú)人機(jī)動(dòng)平臺(tái)的運(yùn)動(dòng)規(guī)劃需要考慮更多的約束：平臺(tái)底盤的運(yùn)動(dòng)學(xué)、動(dòng)力學(xué)約束、環(huán)境約束、擾動(dòng)的操作環(huán)境、狀態(tài)空間的高度不確定性等等。與此同時(shí),無(wú)人機(jī)動(dòng)平臺(tái)通常行駛速度較高,而且需要適應(yīng)動(dòng)態(tài)環(huán)境的特點(diǎn)要求運(yùn)動(dòng)規(guī)劃系統(tǒng)能夠在有限的時(shí)間里生成一條滿足運(yùn)動(dòng)學(xué)、動(dòng)力學(xué)約束的無(wú)碰撞軌跡。從運(yùn)動(dòng)規(guī)劃系統(tǒng)的結(jié)構(gòu)框架來(lái)說(shuō),運(yùn)動(dòng)規(guī)劃算法可以分成全局運(yùn)動(dòng)規(guī)劃方法、局部運(yùn)動(dòng)規(guī)劃方法、分層式運(yùn)動(dòng)規(guī)劃方法。

基于計(jì)算機(jī)圖形學(xué)的全局運(yùn)動(dòng)規(guī)劃方法[65],由于其不可接受的計(jì)算復(fù)雜度[66],要求已知完備的環(huán)境信息、重規(guī)劃耗時(shí)等原因,不適用于解決實(shí)際應(yīng)用中帶時(shí)間約束的運(yùn)動(dòng)規(guī)劃問(wèn)題。與全局運(yùn)動(dòng)規(guī)劃方法相比,局部運(yùn)動(dòng)規(guī)劃方法[67-68]更高效,不需要完備的環(huán)境信息,并且可以考慮車輛的非完整性約束和動(dòng)力學(xué)約束,但是這種方法只使用了局部環(huán)境信息或是局部最優(yōu),極有可能使規(guī)劃算法陷入局部最小。考慮到純?nèi)趾头磻?yīng)式運(yùn)動(dòng)規(guī)劃方法的局限,一種分層式的運(yùn)動(dòng)規(guī)劃方法[13,20,69-70]被提出。這種分層式的規(guī)劃架構(gòu)由全局路徑規(guī)劃器和局部軌跡規(guī)劃器組成,全局路徑規(guī)劃器主要生成滿足運(yùn)動(dòng)學(xué)約束的無(wú)碰撞路徑,提供引導(dǎo)信息來(lái)防止車輛陷入困境,局部軌跡規(guī)劃器主要考慮車輛運(yùn)動(dòng)學(xué)、動(dòng)力學(xué)約束和安全性約束生成可行、平滑、無(wú)碰撞的候選軌跡,根據(jù)目標(biāo)函數(shù)選取最合適的待執(zhí)行軌跡。分層式運(yùn)動(dòng)規(guī)劃方法近年來(lái)被大量使用并取得了很好的效果。

從采用的技術(shù)來(lái)看,應(yīng)用于無(wú)人機(jī)動(dòng)平臺(tái)的運(yùn)動(dòng)規(guī)劃方法主要有：基于搜索的運(yùn)動(dòng)規(guī)劃方法和基于最優(yōu)控制的運(yùn)動(dòng)規(guī)劃方法。

基于搜索的運(yùn)動(dòng)規(guī)劃方法主要是指采用搜索技術(shù)進(jìn)行幾何運(yùn)動(dòng)單元拼接生成距離最短的無(wú)碰撞路徑,這種方法多用于全局路徑規(guī)劃和自由區(qū)域的路徑規(guī)劃。通過(guò)這種方法生成的路徑能保證滿足車輛運(yùn)動(dòng)學(xué)約束,距離最短且無(wú)碰撞。DARPA舉辦的兩屆挑戰(zhàn)賽中,大部分隊(duì)伍使用了基于搜索的運(yùn)動(dòng)規(guī)劃方法?；谒阉鞯倪\(yùn)動(dòng)規(guī)劃方法所采用的運(yùn)動(dòng)單元主要是直線（4、8、16連接?xùn)鸥竦仁褂玫倪\(yùn)動(dòng)單元）、Dubin運(yùn)動(dòng)單元[71]、Reeds-Shepp運(yùn)動(dòng)單元[72]、狀態(tài)網(wǎng)格運(yùn)動(dòng)單元[73]等。這種方法通過(guò)將車輛運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)約束嵌入到運(yùn)動(dòng)單元中離線生成,減少路徑生成過(guò)程中的計(jì)算量,同時(shí)保證生成路徑的可行性；所采用的搜索方法主要是Dijkstra[74]、A*[75]、D*[76]及其變種等。其中AD*[77]算法同時(shí)具有實(shí)時(shí)性和增量性,適合于解決動(dòng)態(tài)、復(fù)雜環(huán)境下的路徑規(guī)劃問(wèn)題,在DARPA城市挑戰(zhàn)賽中成功應(yīng)用于BOSS智能車自由空間、停車場(chǎng)內(nèi)、錯(cuò)誤恢復(fù)場(chǎng)景下的路徑規(guī)劃系統(tǒng)中[78]?；谒阉鞯倪\(yùn)動(dòng)規(guī)劃的方法的局限是,不適合用于解決帶時(shí)間約束和密集動(dòng)態(tài)障礙場(chǎng)景下的運(yùn)動(dòng)規(guī)劃問(wèn)題和高維運(yùn)動(dòng)規(guī)劃問(wèn)題。

基于優(yōu)化的運(yùn)動(dòng)規(guī)劃方法,指的是把路徑規(guī)劃問(wèn)題轉(zhuǎn)化成帶約束的最優(yōu)化數(shù)值求解問(wèn)題的一類方法。這類方法因?yàn)槟苌蓾M足車輛動(dòng)力學(xué)約束、最優(yōu)或局部最優(yōu)的路徑和軌跡而受到廣泛關(guān)注。其中一種方法是將無(wú)人機(jī)動(dòng)平臺(tái)的運(yùn)動(dòng)規(guī)劃問(wèn)題轉(zhuǎn)化成兩點(diǎn)邊界值問(wèn)題求解。這種方法為了簡(jiǎn)化運(yùn)動(dòng)規(guī)劃問(wèn)題,通常采用固定類型的曲線,如B樣條曲線[79]、五次多項(xiàng)式曲線[80]、立體螺旋線[81],連接起始點(diǎn)和目標(biāo)點(diǎn)。這種方法的難點(diǎn)是如何滿足邊界約束（如曲率上界）。Kelly等將從起始點(diǎn)到達(dá)目標(biāo)點(diǎn)的運(yùn)動(dòng)規(guī)劃問(wèn)題首先轉(zhuǎn)化為最優(yōu)控制問(wèn)題,通過(guò)參數(shù)形式表示車輛系統(tǒng)動(dòng)力學(xué)方程,進(jìn)而將問(wèn)題轉(zhuǎn)化成參數(shù)優(yōu)化問(wèn)題,不斷迭代優(yōu)化參數(shù),直至生成到達(dá)終點(diǎn)狀態(tài)的軌跡[82],但是其生成的軌跡只是空間曲線,只包含橫向控制量,沒(méi)有縱向控制量。Delsart等后來(lái)在此基礎(chǔ)上提出Tiji算法[83],加入時(shí)間約束,同時(shí)進(jìn)行橫向和縱向規(guī)劃,使得車輛能在指定的時(shí)間內(nèi)到達(dá)目標(biāo)點(diǎn)或目標(biāo)點(diǎn)附近。這種方法采用參數(shù)方程表征軌跡簇,降低了搜索空間的維數(shù),大大提高了軌跡生成的效率,而且可以加入非線性不等式約束,適用于解決帶非完整性約束的智能車輛運(yùn)動(dòng)規(guī)劃問(wèn)題,其難點(diǎn)是初始軌跡的估計(jì)。

除了上述兩大類方法外,應(yīng)用于無(wú)人機(jī)動(dòng)平臺(tái)的運(yùn)動(dòng)規(guī)劃的方法還有RRT及其變種[84-85]、道路圖[86]、支持向量機(jī)[87]等方法。

3.3 跟蹤控制技術(shù)

無(wú)人機(jī)動(dòng)平臺(tái)跟蹤控制技術(shù)是實(shí)現(xiàn)自動(dòng)控制的保障,也是實(shí)現(xiàn)自主導(dǎo)航的關(guān)鍵部分,大部分智能行為都必須依賴跟蹤控制技術(shù)實(shí)現(xiàn)。無(wú)人機(jī)動(dòng)平臺(tái)屬于控制輸入量比狀態(tài)變量少的欠驅(qū)動(dòng)系統(tǒng),其高度的非線性、子系統(tǒng)間強(qiáng)耦合的特性,使得研究者較難建立精確的車輛系統(tǒng)動(dòng)力學(xué)模型用于設(shè)計(jì)控制律。地面無(wú)人機(jī)動(dòng)平臺(tái)的動(dòng)力系統(tǒng)通常比較復(fù)雜,具有強(qiáng)非線性和遲滯性,而轉(zhuǎn)向系統(tǒng)相對(duì)較簡(jiǎn)單,也較靈敏,所以為了達(dá)到更好的控制效果,跟蹤控制系統(tǒng)通常會(huì)采用兩種控制方法分別實(shí)現(xiàn)對(duì)橫向（轉(zhuǎn)向）和縱向（速度）的控制。

比例-積分-微分（PID）控制器是一種在工程上廣泛采用并取得成功的線性控制器。其優(yōu)點(diǎn)是不需要建立系統(tǒng)模型,控制參數(shù)可以通過(guò)試湊法得出。其缺點(diǎn)是耗時(shí),需要大量的實(shí)驗(yàn)工作。這類方法中PI控制器通常用于無(wú)人機(jī)動(dòng)平臺(tái)的縱向跟蹤控制,而PD控制器通常用于無(wú)人機(jī)動(dòng)平臺(tái)的橫向控制。2007年,在DARPA舉辦的城市挑戰(zhàn)賽中,Leonard等使用低頻寬PI控制器對(duì)縱向速度進(jìn)行跟蹤控制[88],Bacha等將map-linearized PID控制器用于車輛的速度控制,采用速率控制PID跟蹤轉(zhuǎn)向角和轉(zhuǎn)向速率[89]。

基于幾何分析的路徑跟蹤控制器主要是通過(guò)根據(jù)車輛與參考路徑或軌跡的幾何位置關(guān)系,設(shè)計(jì)控制律來(lái)解決跟蹤問(wèn)題的一類控制方法。這類方法被主要應(yīng)用于無(wú)人機(jī)動(dòng)平臺(tái)的橫向控制。純跟蹤控制器[90-91]是其中典型的代表,其實(shí)質(zhì)是一種將自身位置與預(yù)瞄處的期望位置的橫向偏差轉(zhuǎn)化為橫向控制量的比例控制器。該方法魯棒性較好,即使是在有較大橫向偏差和參考路徑曲率不連續(xù)的情況下也能達(dá)到很好的跟蹤效果。其缺點(diǎn)是預(yù)瞄距離受較多參數(shù)（參考路徑曲率、車速、橫向偏差等）的影響,較難選取,很難在保證較強(qiáng)跟蹤能力的同時(shí)也保證穩(wěn)定性。Urmson等將該方法應(yīng)用于越野環(huán)境下CMU兩輛無(wú)人車的路徑跟蹤[92]。Leonard等將其應(yīng)用于城市環(huán)境下MIT無(wú)人車的橫向跟蹤控制[88]。Valois等將其用于黑騎士無(wú)人裝甲車在越野環(huán)境下有GPS路點(diǎn)引導(dǎo)的路徑跟蹤[28]。另一種比較有特點(diǎn)的控制器是Stanley橫向跟蹤方法[93],其實(shí)質(zhì)是一種只考慮橫向偏差的非線性反饋控制器。該方法在多數(shù)情況下的表現(xiàn)比純跟蹤更好,但是由于它沒(méi)有考慮參考路徑的形狀,因此這種方法不適合用于非連續(xù)曲率路徑的跟蹤,并且在較大橫向誤差下的效果較差[94]。

前饋-反饋跟蹤控制器是近年來(lái)采用較多的一類跟蹤控制方法,主要由一個(gè)前饋控制器和一個(gè)反饋控制器構(gòu)成。前饋控制器主要進(jìn)行來(lái)參考路徑曲率變化的干擾量補(bǔ)償,反饋控制器主要通過(guò)根據(jù)車輛狀態(tài)反饋調(diào)整控制輸入使得擾動(dòng)和模型誤差對(duì)跟蹤的影響最小化,使車輛更接近期望路徑并保持穩(wěn)定。斯坦福大學(xué)DDL實(shí)驗(yàn)室的Kritayakirana等將這種方法應(yīng)用于無(wú)人駕駛賽車的橫向跟蹤控制[95],戴姆勒股份公司的Bertha Benz無(wú)人駕駛汽車采用該種方法用于橫向跟蹤控制[96]。

基于最優(yōu)化的跟蹤控制器指的是基于最優(yōu)化原理建立的反饋控制器。最典型的就是線性二次型調(diào)節(jié)器（LQR）跟蹤控制器和模型預(yù)測(cè)控制（MPC）跟蹤控制器。LQR控制器是將非線性控制系統(tǒng)簡(jiǎn)化成線性控制系統(tǒng),然后使用LQR跟蹤路徑。該方法最早是由Divelbiss等于1997年用于拖車的路徑跟蹤問(wèn)題[97],后來(lái)Snider設(shè)計(jì)了一種帶前饋的離散有限時(shí)域LQR控制器用于無(wú)人機(jī)動(dòng)平臺(tái)的橫向跟蹤控制仿真[94]。Levinson等將這種方法應(yīng)用于斯坦福大學(xué)無(wú)人駕駛汽車Junior的橫向和縱向綜合控制[98]。LQR控制器比較適合用于高速公路上的無(wú)人駕駛和大部分城市場(chǎng)景下的路徑跟蹤,但是這種方法無(wú)法處理約束,并且將非線性系統(tǒng)進(jìn)行線性化近似處理,沒(méi)有考慮參考路徑形狀對(duì)控制系統(tǒng)的影響,所以該方法對(duì)曲率突變敏感,在突變曲率輸入情況下會(huì)有超調(diào)。MPC控制器也叫做滾動(dòng)時(shí)域控制器,該控制器考慮控制系統(tǒng)的非線性動(dòng)力學(xué)模型并預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)系統(tǒng)的輸出行為,通過(guò)解決帶約束的最優(yōu)控制問(wèn)題使得系統(tǒng)在未來(lái)一段時(shí)間內(nèi)的跟蹤誤差最小。這種方法魯棒性較強(qiáng)。Falcone等分別使用車輛的非線性模型和在線連續(xù)線性化模型建立模型預(yù)測(cè)控制器用于無(wú)人駕駛車輛的橫向跟蹤控制,其在冰面上的測(cè)試速度最高可達(dá)到21 m/s[99].Yoon等考慮非線性車輛模型和輪胎模型,設(shè)計(jì)了非線性模型預(yù)測(cè)控制器用于XAV無(wú)人機(jī)動(dòng)平臺(tái)的橫縱向跟蹤控制,同時(shí)實(shí)現(xiàn)了避障功能[100]。Ziegler和Geiger等采用模型預(yù)測(cè)控制器進(jìn)行Betha Benz和AnnieWay無(wú)人駕駛汽車的縱向跟蹤控制[96,101]。

除了上述介紹方法,用于地面無(wú)人機(jī)動(dòng)平臺(tái)的跟蹤控制算法還包括滑?？刂芠102],模糊控制[103],神經(jīng)網(wǎng)絡(luò)控制[104]等。

4 總結(jié)和展望

地面無(wú)人機(jī)動(dòng)平臺(tái)在過(guò)去幾十年間取得了突飛猛進(jìn)的發(fā)展,展現(xiàn)出其在軍用和民用領(lǐng)域潛在的應(yīng)用前景。本文首先從廣義和狹義上定義了地面無(wú)人機(jī)動(dòng)平臺(tái),然后闡述了軍用地面無(wú)人機(jī)動(dòng)平臺(tái)的發(fā)展歷程,分析了軍用地面無(wú)人機(jī)動(dòng)平臺(tái)的基本組成和發(fā)展特點(diǎn),總結(jié)了軍用地面無(wú)人機(jī)動(dòng)平臺(tái)各子系統(tǒng)在發(fā)展過(guò)程中的關(guān)鍵技術(shù)。軍用無(wú)人機(jī)動(dòng)平臺(tái)今后的研究重點(diǎn)將集中在：

1）多傳感器多模態(tài)傳感器信息融合方法的研究；基于機(jī)器學(xué)習(xí)技術(shù)的障礙物、路面檢測(cè)和分類方法的研究。

2）GNSS、INS、VO和SLAM各定位子系統(tǒng)互補(bǔ)的高精度、長(zhǎng)航時(shí)、大范圍動(dòng)態(tài)場(chǎng)景下的組合導(dǎo)航定位系統(tǒng)的研究。

3）考慮欠驅(qū)動(dòng)系統(tǒng)動(dòng)力學(xué)模型、帶約束的最優(yōu)控制實(shí)時(shí)軌跡規(guī)劃算法的研究；針對(duì)動(dòng)態(tài)場(chǎng)景的快速動(dòng)態(tài)重規(guī)劃路徑規(guī)劃算法的研究。

4）考慮精確車輛動(dòng)力學(xué)的多約束非線性模型預(yù)測(cè)控制算法的研究；基于機(jī)器學(xué)習(xí)的路徑跟蹤智能控制方法的研究。

5）面向用途和任務(wù)的高集成度、模塊化的通用無(wú)人機(jī)動(dòng)平臺(tái)機(jī)電一體化設(shè)計(jì)技術(shù)的研究；以混合動(dòng)力為主的電驅(qū)動(dòng)技術(shù)、電傳動(dòng)技術(shù),輕量化、高通過(guò)性、高機(jī)動(dòng)性的底盤設(shè)計(jì)技術(shù)的研究。

（References）

[1] 陳慧巖,熊光明,龔建偉,等.無(wú)人駕駛汽車概論[M].北京：北京理工大學(xué)出版社,2014.

CHEN Hui-yan,XIONG Guang-ming,GONG Jian-wei,et al.Introduction to self-driving car[M].Beijing：Beijing Institute of Technology Press,2014.（in Chinese）

[2] Gage D W.UGV history 101：a brief history of unmanned ground vehicle（UGV）development efforts,ADA422845[R].San Diego：Naval Command Control and Ocean Surveillance Center,1995.

[3] Carlson J.Analysis of how mobile robots fail in the field[D]. Florida：University of South Florida,2004.

[4] Liu X,Dai B.The latest status and development trends of military unmanned ground vehicles[C]∥2013 Chinese Automation Congress.Changsha,Hunan：IEEE,2013：533-577.

[5] Toscano M.Department of defense joint robotics program[C]∥AeroSense 2000.Orlando,FL,US：SPIE,2000：192-200.

[6] Spofford J R,Rimey R D.Description of the UGV/Demo II system[C]∥Proceedings of Association for Unmanned Vehicle Systems International Conference.US：AUVSI,1997：255-264.

[7] Shoemaker C M,Bornstein J A.Overview of the Demo III UGV program[C]∥Robotic and Semi-Robotic Ground Vehicle Technology.US：SPIE,1998：202-211.

[8] Krotkov E,Blitch J.The defense advanced research projects agency（DARPA）tactical mobile robotics program[J].The International Journal of Robotics Research,1999,18（7）：769-776.

[9] Fish S.Overview of UGCV and PerceptOR status[C]∥Unmanned Ground Vehicle Technology V.Orlando,Florida：SPIE,2003： 336-339.

[10] Van Fosson M H,Fish S.Role of robotics in ground combat of the future：UGCV,PreceptOR,and FCS[C]∥Unmanned Ground Vehicle TechnologyⅢ.Orlando,Florida：SPIE,2001： 323-327.

[11] Fish S.UGVs in future combat systems[C]∥Defense and Security Symposium.Orlando,Florida：SPIE,2004：288-291.

[12] Jackel L D,Krotkov E,Perschbacher M,et al.The DARPA LAGR program：goals,challenges,methodology,and phase I results[J].Journal of Field Robotics,2006,23（11/12）：945-973.

[13] Stentz A,Bares J,Pilarski T,et al.The crusher system for autonomous navigation[C]∥AUVSIs Unmanned Systems North A-merica.Las Vegas：Association for Unmanned Vehicle Systems International-UnmannedSystemsNorthAmericaConference, 2007：972-986.

[14] 張浩杰.不確定環(huán)境下基于啟發(fā)式搜索的智能車輛路徑規(guī)劃研究[D].北京：北京理工大學(xué),2012.

ZHANG Hao-jie.Research on path planning for intelligent vehicle with heuristic search under uncertain environments[D].Beijing：Beijing Institute of Technology,2012.（in Chinese）

[15] Buehler M,Iagnemma K,Singh S.The 2005 DARPA grand challenge[J].Springer Tracts in Advanced Robotics,2007, 36（5）：1-43.

[16] The DARPA urban challenge：autonomous vehicles in city traffic[M]. Berlin Heidelberg：Springer International Publishing,2009.

[17] Wilson J R.Driving Force：DARPA's Research efforts lead to advancements in robotics and autonomous navigation[M]∥DARPA：50 years of bridging the cap.US：Faircount LLC Publishing,2008：45-57.

[18] Bagnell J A,Bradley D,Silver D,et al.Learning for autonomous navigation[J].IEEE Robotics&Automation Magazine, 2010,17（2）：74-84.

[19] Kerbrat A.Autonomous platform demonstrator,21395[R].US： Army Tank Automotive Research Development and Engineering Center,2010.

[20] Zych N,Silver D,Stager D,et al.Achieving integrated convoys：cargo unmanned ground vehicle development and experimentation[C]∥SPIE Defense,Security,and Sensing.US：International Society for Optics and Photonics,2013.

[21] Theisen B.Autonomous Mobility Applique System（AMAS）, 22434[R].US：Army Tank Automotive Research Development and Engineering Center,2011.

[22] Satterfield B,Choxi H,Salamon A,et al.Advancing robotics： the urban challenge effect[J].Journal of Aerospace Computing, Information,and Communication,2008,5（12）：530-542.

[23] Czapla T,Wrona J.Technology development of military applications of unmanned ground vehicles[M]∥Nawrat A,Kus Z.Vision based systems for UAV applications.Germany：Springer International Publishing,2013：293-309.

[24] Raibert M,Blankespoor K,Nelson G,et al.Bigdog,the roughterrain quadruped robot[C]∥Proceedings of the 17th World Congress.Seoul：The International Federation of Automatic Control,2008：10823-10825.

[25] Playter R,Buehler M,Raibert M.BigDog[C]∥Unmanned Systems Technology VIII.US：International Society for Optics and Photonics,2006.

[26] Holste S T,Ciccimaro D A,Dudenhoeffer D D.Increasing the mobility of dismounted marines small unit mobility enhancement technologies：unmannedgroundvehiclesmarketsurvey, ADA513828[R].San Diego：Space and Naval Warfare Systems Center Pacific,2009.

[27] ELIá? J,RAKúSOVá D.Trends of development in unmanned military motor vehicles[J].University Review,2013,7（3）： 8-14.

[28] Valois J S,Herman H,Bares J,et al.Remote operation of the Black Knight unmanned ground combat vehicle[C]∥SPIE Defense and Security Symposium.US：International Society for Optics and Photonics,2008.

[29] Czapla T,Wrona J.Technology development of military applications of unmanned ground vehicles[M]∥Nawrat A,Kus Z.Vision based systems for UAV applications.Germany：Springer International Publishing,2013：293-309.

[30] Kilitci S,Buyruk M.An analysis of the best available unmanned ground vehicle in the current market with respect to the requirements of the turkish ministry of national defense,ADA555973[R]. Monterey：Naval Postgraduate School,2011.

[31] LaValle S M.Planning algorithms[M].Cambridge：Cambridge University Press,2006.

[32] Kendoul F.Survey of advances in guidance,navigation,and control of unmanned rotorcraft systems[J].Journal of Field Robotics,2012,29（2）：315-378.

[33] Kobilarov M,Sukhatme G,Hyams J,et al.People tracking and following with mobile robot using an omnidirectional camera and a laser[C]∥2006 IEEE International Conference on Robotics and Automation.Orlando：IEEE,2006：557-562.

[34] Nguyen-Huu P N,Titus J,Tilbury D,et al.Reliability and failure in unmanned ground vehicle（UGV）,GRRC Technical Report 2009-01[R].US：GRRC,2009.

[35] Appelqvist P,Knuuttila J,Ahtiainen J.Mechatronics design of an unmanned ground vehicle for military applications[J]. Mechatronic Systems Applications,2011,1（3）：237-261.

[36] Lalonde J F,Vandapel N,Huber D F,et al.Natural terrain classification using three-dimensional ladar data for ground robot mobility[J].Journal of Field Robotics,2006,23（10）：839-861.

[37] Rankin A L,Huertas A,Matthies L H.Stereo-vision-based terrain mapping for off-road autonomous navigation[C]∥SPIE Defense,Security,and Sensing.US：International Society for Optics and Photonics,2009.

[38] Milella A,Reina G,Underwood J.A self-learning framework for statistical ground classification using radar and monocular vision[J]. Journal of Field Robotics,2014,31（4）.doi：10.1002/rob. 21512.

[39] Stentz A,Kelly A,Rander P,et al.Real-time,multi-perspective perception for unmanned ground vehicles[C]∥AUVSI Unmanned Systems Symposium.US：AUVSI,2003.

[40] Bagnell J A,Bradley D,Silver D,et al.Learning for autonomous navigation[J].IEEE Robotics&Automation Magazine, 2010,17（2）：74-84.

[41] Peynot T,Underwood J,Scheding S.Towards reliable perception for unmanned ground vehicles in challenging conditions[C]∥2009 IEEE/RSJ International Conference on Intelligent Robots and Systems.US：IEEE,2009：1170-1176.

[42] Zhao Y,Li J,Li L,et al.Environmental perception and sensor data fusion for unmanned ground vehicle[J].Mathematical Problems in Engineering,2013,2013（9）：903951-903963.

[43] Silver D,Stentz A.Monte Carlo localization and registration to prior data for outdoor navigation[C]∥2011 IEEE/RSJ International Conference on Intelligent Robots and Systems（IROS）. San Francisco：IEEE,2011：510-517.

[44] Guo H D.Neural network aided kalman filtering for integrated GPS/INS Navigation System[J].Telkomnika Indonesian Journal of Electrical Engineering,2013,11（3）：1221-1226.

[45] Qian H,An D,Xia Q.IMM-UKF based land-vehicle navigation with low-cost GPS/INS[C]∥IEEE International Conference on InformationandAutomation（ICIA）.US：IEEE,2010：2031-2035.

[46] Urmson C,Anhalt J,Bagnell D,et al.Autonomous driving in urban environments：boss and the urban challenge[J].Journal of Field Robotics,2008,25（8）：425-466.

[47] Montemerlo M,Becker J,Bhat S,et al.Junior：the stanford entry in the urban challenge[J].Journal of Field Robotics,2008, 25（9）：569-597.

[48] Leonard J,How J,Teller S,et al.A perception-driven autonomous urban vehicle[J].Journal of Field Robotics,2008,25（10）： 727-774.

[49] Patz B J,Papelis Y,Pillat R,et al.A practical approach to robotic design for the DARPA urban challenge[J].Journal of Field Robotics,2008,25（8）：528-566.

[50] Ilyas M,Cho K,Park S,et al.Dependable navigation in GPS denied environment：a multi-sensor fusion technique[C]∥2013 44th International Symposium on Robotics.Seoul：ISR,2013： 1-6.

[51] Scaramuzza D,Fraundorfer F.Visual odometry（tutorial）[J]. IEEE Robotics&Automation Magazine,2011,18（4）：80-92.

[52] Nourani-Vatani N,Roberts J,Srinivasan M V.Practical visual odometry for car-like vehicles[C]∥2009 IEEE International Conference on Robotics and Automation.US：IEEE,2009：3551 -3557.

[53] Howard A.Real-time stereo visual odometry for autonomous ground vehicles[C]∥2009 IEEE/RSJ International Conference on Intelligent Robots and Systems.France：IEEE,2008： 3946-3952.

[54] Perlin V E,Johnson D B,Rohde M M,et al.Fusion of visual odometry and inertial data for enhanced real-time egomotion estimation[C]∥SPIE Defense,Security,and Sensing.Prague：International Society for Optics and Photonics,2011：80450K-80450K-12.

[55] Thrun S,Burgard W,Fox D.Probabilistic robotics[M].Massachusetts：MIT press,2005.

[56] Chekhlov D,Pupilli M,Mayol-Cuevas W,et al.Real-time and robust monocular SLAM using predictive multi-resolution descriptors[M]∥Bebis G,Molineros J,Theisel H,et al.Advances in visual computing.Berlin Heidelberg：Springer International Publishing,2006：276-285.

[57] Thrun S,Liu Y,Koller D,et al.Simultaneous localization and mapping with sparse extended information filters[J].The International Journal of Robotics Research,2004,23（7/8）：693-716.

[58] Grisetti G,Stachniss C,Burgard W.Improved techniques for grid mapping with rao-blackwellized particle filters[J].IEEE Transactions on Robotics,2007,23（1）：34-46.

[59] Durrant-Whyte H,Bailey T.Simultaneous localization and mapping：partⅠ[J].IEEE Robotics&Automation Magazine, 2006,13（2）：99-110.

[60] Bailey T,Durrant-Whyte H.Simultaneous localization and mapping（SLAM）：PartⅡ[J].IEEE Robotics&Automation Magazine,2006,13（3）：108-117.

[61] Moosmann F,Stiller C.Velodyne slam[C]∥2011 IEEE Intelligent Vehicles Symposium（Ⅳ）.Spain：IEEE,2011：393-398.

[62] Cho K,Baeg S H,Park S.Natural terrain detection and SLAM using LIDAR for an UGV[M]∥Lee S,Yoon K J,Lee J.Frontiers of intelligent autonomous systems.Berlin Heidelberg： Springer,2013：263-275.

[63] Tamjidi A,Ye C.A pose estimation method for unmanned ground vehicles in GPS denied environments[C]∥SPIE defense,Security,and Sensing.USA：International Society for Optics and Photonics,2012：83871K-83871K-12.

[64] Su K J,Dong Z D,Huang Z.Novel SLAM algorithm for UGVs based on unscented Kalman filtering[C]∥2012 IEEE International Conference on Computer Science and Automation Engineering（CSAE）.Zhangjiajie：IEEE,2012.

[65] Principles of robot motion：theory,algorithms,and implementation[M].Massachusetts：MIT press,2005.

[66] Petti S,Fraichard T.Safe motion planning in dynamic environments[C]∥2005 IEEE/RSJ International Conference on Intelligent Robots and Systems.Edmonton：IEEE,2005：2210-2215.

[67] Fox D,Burgard W,Thrun S.The dynamic window approach to collision avoidance[J].IEEE Robotics&Automation Magazine, 1997,4（1）：23-33.

[68] Fiorini P,Shiller Z.Motion planning in dynamic environments using velocity obstacles[J].The International Journal of Robotics Research,1998,17（7）：760-772.

[69] Cowlagi R V,Tsiotras P.Hierarchical motion planning with dynamical feasibility guarantees for mobile robotic vehicles[J]. IEEE Transactions on Robotics,2012,28（2）：379-395.

[70] Ferguson D,Howard T M,Likhachev M.Motion planning in urban environments[J].Journal of Field Robotics,2008, 25（11/12）：939-960.

[71] Dubins L E.On curves of minimal length with a constraint on average curvature,and with prescribed initial and terminal positions and tangents[J].American Journal of Mathematics,1957, 79（3）：497-516.

[72] Reeds J,Shepp L.Optimal paths for a car that goes both forwards and backwards[J].Pacific Journal of Mathematics, 1990,145（2）：367-393.

[73] Pivtoraiko M,Kelly A.Kinodynamic motion planning with state lattice motion primitives[C]∥2011 IEEE/RSJ International Conference on Intelligent Robots and Systems（IROS）.San Francisco：IEEE,2011：2172-2179.

[74] Dijkstra E W.A note on two problems in connexion with graphs[J]. Numerische mathematik,1959,1（1）：269-271.

[75] Hart P E,Nilsson N J,Raphael B.A formal basis for the heuristic determination of minimum cost paths[J].IEEE Transactions on Systems Science and Cybernetics,1968,4（2）：100-107.

[76] Stentz A.The focussed D*algorithm for real-time replanning[C]∥1995 International Joint Conferences on Artificial Intelligence. Montreal：IJCAI,1995,95：1652-1659.

[77] Likhachev M,Ferguson D I,Gordon G J,et al.Anytime dynamic A*：an anytime,re-planning algorithm[C]∥2005 Interna-tional ConferenceonAutomatedPlanningandScheduling. Monterey：ICAPS,2005：262-271.

[78] Likhachev M,Ferguson D.Planning long dynamically feasible maneuvers for autonomous vehicles[J].The International Journal of Robotics Research,2009,28（8）：933-945.

[79] Komoriya K,Tanie K.Trajectory design and control of a wheeltype mobile robot using B-spline curve[C]∥The Autonomous Mobile Robots and Its Applications,IROS'89.Tsukuba：IEEE, 1989：398-405.

[80] Takahashi A,Hongo T,Ninomiya Y,et al.Local path planning and motion control for Agv in positioning[C]∥The Autonomous Mobile Robots and Its Applications,IROS'89.Tsukuba：IEEE, 1989：392-397.

[81] Kanayama Y,Hartman B I.Smooth local path planning for autonomous vehicles[M]∥Cox I J,Wilfong G T,Lozano-Perez T. Autonomous robot vehicles.New York：Springer,1990：62-67. [82] Kelly A,Nagy B.Reactive nonholonomic trajectory generation via parametric optimal control[J].The International Journal of Robotics Research,2003,22（7-8）：583-601.

[83] Delsart V,Fraichard T,Martinez L.Real-time trajectory generation for car-like vehicles navigating dynamic environments[C]∥2009 IEEE International Conference on Robotics and Automation.Kobe：IEEE,2009：3401-3406.

[84] Kuwata Y,Fiore G A,Teo J,et al.Motion planning for urban driving using RRT[C]∥2008 IEEE/RSJ International Conference on Intelligent Robots and Systems.France：IEEE,2008： 1681-1686.

[85] Karaman S,Walter M R,Perez A,et al.Anytime motion planning using the RRT*[C]∥2011 IEEE International Conference onRoboticsandAutomation.Shanghai：IEEE,2011： 1478-1483.

[86] Giesbrecht J.Global path planning for unmanned ground vehicles,ADA436274[R].US：Defence Research And Development Suffield（Alberta）,2004.

[87] Chen Q Y,Sun Z P,Liu D X,et al.Local path planning for an unmanned ground vehicle based on SVM[J].International Journal of Advanced Robotic Systems,2012,9（246）.doi：10. 5772/54130.

[88] Leonard J,How J,Teller S,et al.A perception‐driven autonomous urban vehicle[J].Journal of Field Robotics,2008,25（10）： 727-774.

[89] Bacha A,BaumanC,FaruqueR,etal.Odin：Team victortango's entry in the DARPA Urban Challenge[J].Journal of Field Robotics,2008,25（8）：467-492.

[90] Coulter R C.Implementation of the pure pursuit path tracking algorithm,ADA255524[R].Pittsburgh：Carnegie Mellon University,the Robotics Institute,1992.

[91] Kelly A.A feed-forward control approach to the local navigation problem for autonomous vehicles[M].Pittsburgh：Carnegie Mellon University,the Robotics Institute,1994.

[92] Urmson C,Ragusa C,Ray D,et al.A robust approach to high‐speed navigation for unrehearsed desert terrain[J].Journal of Field Robotics,2006,23（8）：467-508.

[93] Thrun S,Montemerlo M,Dahlkamp H,et al.Stanley：the robot that won the DARPA grand challenge[J].Journal of Field Robotics,2006,23（9）：661-692.

[94] Snider J M.Automatic steering methods for autonomous automobile path tracking,CMU-RI-TR-09-08[R].Pittsburgh：Carnegie Mellon University,the Robotics Institute,2009.

[95] Kritayakirana K,Gerdes J C.Using the centre of percussion to design a steering controller for an autonomous race car[J].Vehicle System Dynamics,2012,50（S1）：33-51.

[96] Ziegler J,Bender P,Schreiber M,et al.Making bertha drive-an autonomous journey on a historic route[J].IEEE Intelligent Transportation Systems Magazine,2014,6（2）：8-20.

[97] Divelbiss A W,Wen J T.Trajectory tracking control of a cartrailer system[J].Control Systems Technology,IEEE Transactions on,1997,5（3）：269-278.

[98] Levinson J,Askeland J,Becker J,et al.Towards fully autonomous driving：Systems and algorithms[C]∥2011 IEEE Intelligent Vehicles Symposium（IV）.Spain：IEEE,2011：163-168.

[99] Falcone P,Borrelli F,Asgari J,et al.Predictive active steering control for autonomous vehicle systems[J].IEEE Transactions on Control Systems Technology,2007,15（3）：566-580.

[100] Yoon Y,Shin J,Kim H J,et al.Model-predictive active steering and obstacle avoidance for autonomous ground vehicles[J]. Control Engineering Practice,2009,17（7）：741-750.

[101] Geiger A,Lauer M,Moosmann F,et al.Team AnnieWAY's entry to the 2011 grand cooperative driving challenge[J].IEEE Transactions onIntelligentTransportationSystems,2012, 13（3）：1008-1017.

[102] Tran T H,Nguyen M T,Kwok N M,et al.Sliding Mode-PID approach for robust low-level control of a UGV[C]∥2006 IEEE International Conference on Automation Science and Engineering.Shanghai：IEEE,2006：672-677.

[103] Ma Y,Xiang C,Zhu Q,et al.Design of fuzzy enhanced hierarchical motion stabilizing controller of unmanned ground vehicle in three dimensional space[J].International Journal of Computational Intelligence Systems,2011,4（6）：1168-1178.

[104] Xu X,He H G.Neural-network-based learning control for the high-speed path tracking of unmanned ground vehicles[C]∥Proceedings of the International Conference on Machine Learning and Cybernetics,2002.Beijing：IEEE,2002：1652-1656.

An Overview of Research on Military Unmanned Ground Vehicles

CHEN Hui-yan,ZHANG Yu
（School of Mechanical Engineering,Beijing Institute of Technology,Beijing 100081,China）

Unmanned ground vehicles（UGVs）,which are of great strategic significance for developing high maneuvering unmanned ground combat systems,have become a research hotspot of defense technology.The development and current progress of UGVs for military application are reviewed.The fundamental components and development characteristics of military UGVs are stated and analyzed.The key technologies of military UGVs are also summarized in the areas of sensing and perception,motion planning and path tracking.In addition,the future research direction and focus of military UGVs are suggested.

ordnance science and technology；military maneuvering unmanned ground vehicle；environmental perception；motion planning；path tracking

TP242

A

1000-1093（2014）10-1696-11

10.3969/j.issn.1000-1093.2014.10.026

2014-07-21

國(guó)家自然科學(xué)基金項(xiàng)目（91120010）

陳慧巖（1961—）,男,教授,博士生導(dǎo)師。E-mail：chen_h_y@263.net；張玉（1989—）,男,博士研究生。E-mail：yu.zhang.bit@gmail.com