车辆自主导航算法是当前智能车辆领域研究热点,传统车辆自主导航系统高度依赖于GPS位置信号。然而,在现代军事化环境作战场景下,由于信号干扰等因素,往往难以获取准确可靠的GPS信号;同时,由于信号干扰,车辆难以实时获取前方道路可通行性信息,难以满足复杂多变的环境下的导航需求。因此,实现车辆在无GPS复杂环境下的自主导航具有重要的战略意义。针对上述问题,本文提出一种新的车辆自主导航算法,为无GPS复杂环境下的智能车辆提供位置、前方道路的可通行性以及路径规划信息。首先,为了识别车辆在无GPS环境中的全局位置信息,通过航拍图像与离线卫星图像的匹配检索,提出一种新的车辆视觉位置识别算法。算法在孪生网络结构基础上引入注意力机制和细粒度特征提取模块,挖掘卫星和航拍图像中具有判别力的特征,并利用平滑标签的交叉熵损失函数训练上述模型。仿真实验结果表明,该位置识别算法的平均准确率和召回率分别达到75.37%,71.64%,具有较高的可靠性。之后,在获取车辆位置信息的基础上,采用精英蚁群优化算法进行全局路径规划及不可通行条件下的路径重规划。通过改进蚁群算法的信息素更新策略和启发函数,优化蚁群算法搜索方法,提高最优路径的搜索速度。在MATLAB仿真软件中建立模型,对上述算法与精英蚁群算法进行仿真分析。结果表明,本文算法具有较快的收敛速度和较强的寻优能力。其次,针对复杂道路环境下的道路可通行性识别问题,利用激光雷达对前方道路正障碍物、负障碍物、道路边缘等环境信息进行检测。通过随机采样一致性算法对地面点云分段迭代拟合,实现对地面点云和正障碍物点云的分割,并通过计算同一条扫描线上激光点的幅向间隔进行负障碍物检测。同时,对激光线上每个激光点利用多特征融合方法,提取道路两侧边界点,并通过B样条曲线拟合,实现对道路边界检测。仿真结果显示,算法在KITTI激光雷达数据集上能够检测出道路边界和道路边界内障碍物,从而有效识别道路通行性。最后,为了进一步验证车辆导航算法的有效性,采集某大学校园实际环境航拍图像,基于上述网络模型进行视觉位置识别;利用车载16线激光雷达,验证道路负障碍物识别算法;最后建立实际环境路网地图,基于精英蚁群优化算法进行全局路径规划。结果表明在不依靠GPS辅助定位的前提下,算法可以为智能车辆提供安全可靠的自主导航信息,具备良好的工程实用价值。