针对单独机器人难以完成复杂任务的问题,无人机与无人车协同因其在探测精度、速度、负载、通信等方面存在着较强的互补性,并在军事和民用多领域都具有广阔的应用前景,使得无人机与无人车协同系统受到了很多学者的青睐。在无人机与无人车协同系统中主要涉及的科学问题有感知、决策和执行。本文以无人机与无人车协同中典型的搜救任务为研究对象,主要研究了无人机与无人车协同系统中环境感知与车辆导航,主要研究内容如下:第一,提出了分层的分布式无人机与无人车协同控制系统,利用模块化的思想实现无人机与无人车的任务分配、信息交互等,通过ROS操作系统搭建了基于2.4G Wi-Fi通信网络的无人机与无人车通信系统;第二,利用无人机空中视野优势,将无人机作为“Flying eye”获取目标物与障碍物信息,首先利用图像预处理、图像形态学处理等方法去除干扰信息,然后通过SURF算法和OSTU算法实现图像分割,完成环境建模,并在简单环境与复杂环境进行了仿真,最后经过欧氏坐标变化实现将无人机获取的图像信息转化为无人车所能识别的位置信息;第三,无人车根据无人机获取的环境信息,利用Matlab在简单和复杂环境中,对比了传统的BRRT路径规划算法、概率路标路径规划算法、人工势场法、A*路径规划算法的优劣性,针对A*路径规划算法不平滑的缺点,提出一种优化的A*路径规划算法,并且在简单和复杂场景中进行了仿真验证,给出无人车参考的预期轨迹,完成车辆导航。第四,选择Donkeycar智能小车和Parrot2.0无人机,验证本文中所涉及方法的正确性,并且在典型搜救场景中进行了仿真验证。实验表明:SURF算法和OSTU算法都能满足目标识别与障碍物边缘检测的精确度、实时性和鲁棒性;并且利用优化的A*算法实现了无人车快速准确的全局路径规划。