当今世界,各种类型的机器人不断涌现,能够独立进行环境感知、路径规划等操作的自主导航机器人逐渐成为研究焦点。然而,单个自主导航机器人的感知系统存在局限性,当障碍物互相遮挡或者距离机器人较远时会产生感知盲区。随着通信技术的发展,多个机器人能够通过无线通信交换感知共享数据扩大感知域,感知协作也逐渐成为提高自主导航机器人行驶安全的重要解决方案。目前感知协作使用的共享数据有三种类型:传感器原始数据、特征数据和输出级别数据,传感器原始数据能够最大程度保留物体原有的特征,但数据量大,无法保证协作算法的实时性;特征数据能够保留物体的重要特征,但融合时要求高,普适性差;输出级别数据的数据量小,普适性强,便于融合,但无法实现对漏检障碍物的感知。上述三种数据各有优缺点,而且目前的融合方法无法消除传感器误差造成的影响,基于此现状,本文主要研究工作如下:1.设计了一种新的共享数据类型:将2.5D几何地图和障碍物列表组合作为共享数据,不仅包含了输出级别数据,而且包含了描述周围环境高度特征的几何地图,该地图能够补充漏检障碍物的高度信息,解决了输出级别数据无法感知漏检障碍物的问题。2.设计了一种几何信息的生成算法:在进行Pillar-based目标检测的过程中提取原始3D点云中每个Pillar区域的高度特征生成2.5D几何地图,为了减小传输时延,利用Octomap将2.5D几何地图压缩为字节流,该算法不使用卷积神经网络输出的中间特征数据,可与目标检测算法并行,普适性强。3.改进了融合方法:在传统融合方法中加入了VGICP配准算法,将接收到的共享数据配准后再融合,减小传感器误差对数据造成的影响,帮助机器人生成更加精准的全局地图。最后使用ROS Gazebo仿真软件搭建虚拟城市环境进行仿真测试,设计了多组对比实验,将传输不同类型共享数据的感知协作算法与本文提出的算法进行对比,从感知协作系统目标检测的准确率、感知共享数据量、系统总用时和共享数据发送频率等多个维度进行分析,验证算法的可行性与有效性。实验结果表明,本文提出的算法能够实现对目标检测算法漏检障碍物的标记,目标检测准确率最高可达85.71%,相较于以传感器原始数据作为共享数据的Cooper算法提高了5.5%,本文提出的共享数据量仅为33.47KB,在4G通信条件下,传输时延平均值仅为12.68ms,相较于Cooper算法降低了98.42%,说明了本文所提的算法能够以较低的时延传输感知共享数据,帮助自主导航机器人提高目标检测准确率,生成更加准确的全局地图。