随着人工智能领域的发展以及对智能体复杂任务完成质量需求的日益提高,单个无人装置越来越难以完成预期的工作目标,如负障碍物检测问题,负障碍物因其隐蔽性,传统的基于无人车的检测方法,识别效率低、检测速度慢。而无人机/无人车协同系统因其功能、应用场景以及搭载传感器的显著差别,通过二者的协同可以有效地解决该问题。本文针对负障碍物检测方法进行了深入研究,提出了一种无人机、无人车协同的检测方法,具体研究如下:1、针对无人机、无人车协同以及负障碍物检测研究现状进行了概述,针对传统检测方法中视野受限、检测速度慢等弊端,提出一种全新的检测方法—无人机/无人车协同的负障碍物检测方法,有效的提升了检测效率。2、提出了一种分层的分布式控制系统框架,由上层控制器发布检测命令,并由各个智能模块执行具体任务,最终将检测结果进行反馈,从而完成负障碍物检测工作。其次搭建了无人机/无人车平台通讯框架,经检测系统实时性满足工作要求。3、首先提出了一种无人机辅助无人车检测负障碍物的方法,利用无人机的视野优势,作为无人车的视觉助手进行负障碍物检测,从而快速发现负障碍物区域。其次,通过图像分割与深度学习两种方法进行负障碍物检测工作:(1)基于图像分割的方法经与传统OTSU算法、改进OTSU算法的对比分析,提出了一种全新的基于方差与权重的改进OTSU图像分割算法;(2)基于深度学习的方法,在数据增强后建立了负障碍物数据集,并分析了SSD、YOLO V3两种方法,完成了模型训练。最终通过对比图像分割与深度学习方法选取了基于YOLO V3的检测方法进行负障碍物检测工作。4、在无人机获取负障碍物区域的基础上,通过坐标系转化的方法将负障碍物区域的坐标告知无人车,实现空地坐标系一致。其次,无人车进行了单线激光雷达与视觉的联合标定,提高了负障碍物检测的准确性。5、选取Ar Done 2.0无人机与Race Car无人车搭建了本文的实验平台,进行了空地协同的负障碍物检测实验。实验结果表明:本文所提出的UAV/UGV协同负障碍物检测方法在有效提升检测速度与范围。