随着信息时代的发展,无人车的功能日渐丰富,在物流运输、室内清洁与安防巡检等领域发挥重要作用。特别是在安防巡检领域,无人车可替代人工巡检,并有效的节省人力资源,提高巡检的安全性。无人车巡检路径规划是安防巡检领域中的关键研究方向之一,目前无人车巡检路径规划中存在两个问题:一是巡检点的覆盖率过低;二是复杂环境下巡检点间路径规划的效率较差,本文将围绕上述两个问题进行研究。首先,针对无人车巡检路径规划中巡检点覆盖率低的问题,本文提出粒子群势场算法（Particle swarm potential field,PSPF）用于巡检点规划。当利用粒子群算法实现区域覆盖时,容易陷入局部极值问题中,从而形成大规模的重叠覆盖区域,并产生大量的未覆盖区域。但因为粒子群算法的局限性,陷入局部极值的粒子速度会越来越慢,导致粒子无法脱离局部极值,导致最终规划出来的巡检点覆盖率低。针对巡检点覆盖率低的问题,PSPF算法将粒子群算法和人工势场法紧密结合,在粒子群算法的速度更新公式中,引入人工势场法的合力计算。当粒子陷入局部极值产生重叠覆盖区域时,重叠覆盖区域产生斥力,未覆盖区域产生引力,通过引力和斥力的合力将粒子从当前位置拉出,脱离局部极值。通过与粒子群算法区域覆盖的仿真实验进行比较,PSPF算法巡检点的覆盖率比粒子群算法巡检点的覆盖率高25%,进而证明了PSPF算法的有效性。其次,针对无人车巡检点间路径规划的效率问题,本文提出一种基于双倍坐标法标识的正六边形栅格地图蚁群算法路径规划方法（Double-Hexagon-Ant algorithm,DHAG）。该方法使用正六边形栅格法进行环境建模,替代常用的正方形栅格,解决正方形栅格法斜向行进会撞到障碍物的问题。提出双倍坐标法标识正六边形栅格地图,降低正六边形栅格地图数据存储的复杂程度,提升蚁群算法算法在该地图上路径规划的效率。通过与在正方形栅格地图和正六边形栅格地图上使用蚁群算法路径规划的仿真实验结果进行对比,DHAG方法的运行时间分别缩短了60%和20%,进而证明了DHAG方法的有效性。最后,本文根据上述提出的基于PSPF算法的巡检点规划和基于DHAG方法的路径规划实现无人车地图导入、巡检点规划、路径规划和巡检功能。根据无人系统联合体系架构搭建模块化无人系统控制平台,将无人车巡检应用部署到平台。