随着无人机巡检逐渐成为各省电力公司巡视和检查电力杆塔的常态化手段,电力杆塔的巡检效益相比于人工巡检时期有了较大幅度的提升。然而当前的无人机巡检主要依赖人工操作,自动化程度低,巡检效益难以进一步提升。在此情形下车辆与车载无人机协同自主电力杆塔巡检的方式被提出,其中,无人机与车辆的路径规划作为直接影响巡检效率的关键具有十分重要的研究意义,而杆塔巡检任务的异构性、无人机有限的续航能力以及车辆与无人机的路径的关联性等都给该路径规划问题的建模和求解带来了新的变化和挑战。针对此,本论文对面向电力杆塔巡检的车辆与车载无人机协同路径规划方法进行了相关的研究。本论文对车辆与车载无人机协同杆塔巡检路径规划问题中的关键要素进行了整理分析,构建了一种TSP-D的变种问题的模型。其首先要明确无人机和车辆在巡检过程中各自的职能,根据职能的特点界定它们各自的飞行和行驶规则,在此基础上进一步考虑它们二者之间的协同方式及在协同约束下的路径特征。通过协同并行减少时间消耗,以完成巡检所需的总时间作为目标函数,即构建了面向输电杆塔巡检的TSP-D模型(TTI-TSP-D)。对此,我们采用了遗传算法求解上述模型,通过分析协同路径规划问题和模型的特点,提出了奇偶分层编码方式实现从问题空间到染色体空间的转化,并设计了与之相匹配的交叉方式、变异方式和解的检验与不可行解的矫正方式。最后通过仿真实验对算法的性能进行了多角度的分析,通过小规模测试实例下与枚举算法的对比验证了算法的正确性,通过不同规模实试下与常规策略对比表明了算法的有效性,此外为了提高算法求解效果,还通过实验对算法相关参数的敏感性进行了分析,给出了最佳的算法参数配置。