军用无人地面作战平台可以完成侦查、攻击等复杂任务,无人越野驾驶自主导航车辆是它重要的一部份,而ACCNV的路径规划是集环境感知等前序工作的信息完成车辆的轨迹规划,为以后的轨迹跟踪和行为控制做准备工作。本文的研究重点放在对无人越野驾驶环境的障碍物世界模型建立和车辆局部和全局路径规划仿真上。栅格障碍物环境模型的建立主要是为了确定车辆和障碍物世界的关系。本文探索了利用VFH(矢量域直方图法)及其改进算法针对无人越野驾驶自主导航车辆的路径规划仿真:一、根据栅格地图建立障碍物确认度模型,本文利用两部三层数据缩减的方法来建立信息决策的信息量问题,首先是VFH的数据缩减以及直方图的建立将直方图栅格(Histogram grid)的活动窗口映射到一维直方图中。二、数据的二次缩减以及转向控制。分别对宽波谷和窄波谷备选方向时进行了方向决策的讨论,定义宽窄波谷。三、阈值的选取。阈值可以决定波谷的备选方向。但是VFH算法容易出现局部震荡,所以我们对算法改进,也就是VFH+算法,它充分考虑到车辆的宽度和轨迹,使车辆能逐步找到预先设置的角度,满足车辆动力学的要求。这种方法同样适用于无人越野驾驶自主导航车辆的路径规划。另一种路径规划算法是基于全局的蚁群算法路径规划,利用典型的TSP问题来分析蚁群算法的优缺点,从而确立应用蚁群算法进行全局路径规划。本文建立基于图连接模式的栅格地图,利用有向图搜索的概念寻找目标点,建立栅格地图和图的逻辑对应关系,将问题描述成节点网格的模式,并通过改变启发式的方式在全局越野环境地图上寻找最短路径。可是它在时间上并不是最优的,那么我们对启发式的参数α、β不同数值时进行了讨论。