野外环境下,沼泽、湿地以及由于暴雨等恶劣天气形成的大规模水障碍对无人地面车辆的威胁很大。这些区域的范围一般较大,且路面附着条件不佳。目前摄像机、毫米波雷达和激光雷达等环境感知设备无法准确识别到此类障碍:沼泽具有隐蔽性,甚至是肉眼也难以辨别;暴雨后的路面不可通行区域包含许多泥沙,导致水面不平整,这也会对检测造成一定的困难。且这些设备无法满足全天候检测的需求,例如雨雪天气、光线阴暗时摄像头识别受限,雾霾天气下激光雷达识别受限等等。此类水障碍在非结构化场景下很常见,因此,无人地面车辆对此类障碍的检测是对无人车野外障碍检测的关键点之一。为了弥补环境感知设备对此类障碍检测的局限性以及满足野外无人地面车辆对于全天候障碍检测的要求,本文从沼泽、湿地及雨后路面不可通行区域的路面附着条件入手,这些区域周围的路面虽然可以通行,但附着系数比正常可通行路面要低,因此可以作为一项特征区别于其他可通行区域,进而利用车辆动力学进行路面附着系数识别,根据识别结果实现障碍的识别和规避。车辆在障碍区域的边缘地带识别到路面附着系数较低且路面附着系数逐渐降低,此时车辆将采取转向、倒车等操作规避附着系数降低的方向,结合局部避障算法,就可以使车辆避免进入到沼泽、湿地及雨后路面不可通行区域深处地带。本文针对上述情景,通过路面附着系数识别水障碍的技术以及局部避障技术,主要开展了以下研究工作:首先,分析研究对象的整车架构,对目标车辆的相关动力学模型进行数学推导,依托Matlab/Simulink作为仿真平台建立车辆动力学模型,并设计局部工况对模型进行理论验证。其次,研究识别水障碍边缘路面条件的路面附着系数的识别算法,依据车辆对识别的实时性要求并适应多种工况,针对驱动、转向和制动工况研究并分别设计了路面附着系数识别算法,其中:针对驱动工况设计基于状态观测器和递推最小二乘法估计的识别算法,针对转向工况设计了基于模糊规则的识别算法,针对制动工况设计基于车辆角减速度的路面附着系数识别算法并进行仿真验证。然后,构建包含路面附着系数信息的三维信息网格障碍地图;针对凸形障碍和凹形障碍设计基于安全阈值的避障算法;通过带有路面附着系数信息的三维信息网格障碍地图,依托Matlab/Simulink平台进行仿真验证,根据仿真结果分析算法的有效性。最后,依托Carsim平台建立整车、传动系统、轮胎等模型;设置与Matlab/Simulink联合仿真的接口并进行联合仿真实验,分析仿真结果。