1.一种基于无人机辅助的车机协同控制及路径优化方法，其特征在于：所述车机协同控制系统包括无人机和车辆两个部分：所述无人机包括无线通讯模块、视觉传感器模块、GPS定位模块、气压传感器和车联网V2X通信模块；

所述车辆包括无线通讯模块、视觉传感器模块、GPS定位模块、雷达、车载图像服务器和车联网V2X通信模块；

所述车载图像服务器用于处理无人机和车辆所采集的图像，其中无人机采集的是前方交通道路状态的俯视图，车辆采集的是平视图，通过两个视图的融合得到道路的结构信息和障碍物的轮廓信息；

无人机搭载有无线通信和V2X通信模块，并通过无线网络和LTE‑V/DSRC两种方式与车辆建立通信连接；

通过无线网络实现车辆向无人机发送控制指令和无人机向车辆反馈远程道路状态图像信息；

通过LTE‑V/DSRC共享无人机与车辆的状态信息；无人机视觉摄像头位于无人机前方，摄像头角度可调节，具有水平和垂直两个自由度；无人机摄像头采集的视觉图像通过UDP数据报发送给车载图像服务器；无人机搭载有GPS通信模块用于估计无人机当前位置；无人机搭载有IMU、气压计传感器用于估计无人机的姿态；

所述路径优化方法具体包括以下步骤：

S1：车辆向无人机发送起飞指令，无人机起飞后通过视觉传感器的视角获取远程道路状态信息，并反馈给车辆，车辆接收到无人机感知的道路状态信息后开始执行车辆的轨迹规划算法；

S2：无人机通过V2X通信获取车辆的GPS位置、速度和方向角信息，保持在车辆前方飞行并进行道路状态信息采集，持续为车辆提供远程道路状态图像；

S3：车载图像服务器分别通过无线网络和车载局域网获取无人机视觉信息和车载视觉信息，通过特征提取和模板匹配，得到车道结构信息和障碍物轮廓及位置信息；

S4：车载控制平台通过车载局域网获取车载激光雷达感知的道路状态信息，并进行坐标轴的转换，将激光雷达球坐标系下的数据转换到直角坐标系；

S5：基于步骤S3和S4的视觉图像及激光雷达数据，进行时间和空间基准对齐，并基于D‑S论据进行多源数据融合，得到道路的结构信息和路面障碍物的位置和轮廓信息；

S6：采用LSTM和快速随机搜索树算法，对车辆的行驶路径进行预测和规划，通过对比预测行驶路径和规划行驶路径得到行驶轨迹的误差，具体为：考虑道路结构、路面障碍物、车辆运动行为约束和车辆当前状态信息因素，分别采用LSTM和快速随机搜索树算法对车辆的行驶路径进行预测和规划；

对于车辆行驶轨迹的预测，首先对车辆行驶的时间序列数据进行处理：

式中，T表示处理后的数据；s表示车辆的原始状态数据，所述原始状态数据包括位置、速度和加速度；n表示数据平滑参数，根据需要进行调节；

然后将处理后的时间序列数据作为LSTM模型输入，对模型参数进行训练，得到车辆行驶行为的预测模型，在车辆行驶过程中，采用该模型对车辆行驶轨迹进行预测；

对于车辆行驶路径的规划，采用快速随机搜索树算法，根据车辆当前位置、道路结构以及障碍物位置信息进行随机搜索，得到一条较优的行驶路径，并对较优的行驶路径进行轨迹平滑处理，使其满足车辆行驶的运动规律；

通过对比预测行驶路径和期望行驶路径得到行驶轨迹的误差；

S7：在步骤S6的轨迹误差基础上，对车辆行驶路径进行优化；

S8：车辆向无人机发送返航指令，无人机根据车辆GPS位置和车顶降落平台标识，通过视觉图像锁定降落点位置，并通过PID控制调节无人机与车的相对位置和飞行高度，最终实现车辆轨迹规划和优化算法。

2.根据权利要求1所述的一种基于无人机辅助的车机协同控制及路径优化方法，其特征在于：所述无人机通过视觉传感器获得的信息实时发送给在通信范围内的车辆，在车辆的控制下对较远处的交通环境信息进行采集并将交通环境信息发送给车辆；

所述车辆控制无人机的移动，以针对性的获取某一区域的交通信息，通过雷达以及视觉传感器获取交通环境信息，并可对交通环境信息进行处理，通过处理自身采集的交通环境信息以控制车辆安全向前行驶并通过处理由无人机采集的交通环境信息以进行路径规划与优化。

3.根据权利要求1所述的一种基于无人机辅助的车机协同控制及路径优化方法，其特征在于：所述步骤S2具体为：车辆搭载有GPS模块和V2X通信模块，车辆通过V2X通信与无人机共享位置、速度和方向角信息；无人机获取上述信息后结合自身的位置、速度和方向角信息得到控制误差，并作为跟踪控制器的输入，实现无人机随着车辆运动，并持续为车辆提供远程道路状态图像信息。

4.根据权利要求1所述的一种基于无人机辅助的车机协同控制及路径优化方法，其特征在于：所述步骤S4具体为：通过激光雷达获取交通道路前方障碍物距离信息；车载控制平台通过雷达点云数据的在线分析实时地得到前方障碍物信息，其中激光雷达测量点坐标到直角坐标系的转换关系为：其中雷达前方为x方向，左方为y方向，上方为z方向，d为激光雷达测量的距离，α为各扫描面同水平面之间的夹角，θ为激光雷达旋转的角度。

5.根据权利要求1所述的一种基于无人机辅助的车机协同控制及路径优化方法，其特征在于：所述步骤S5具体为：将车载图像服务器处理后得到的远/近道路结构和障碍物信息通过车载局域网传输给车载控制平台；控制平台结合激光雷达数据，进一步将雷达探测点与视觉图像在直角坐标系中进行匹配，从而还原三维空间中点的真实位置，完成三维空间中的物体重构。

6.根据权利要求1所述的一种基于无人机辅助的车机协同控制及路径优化方法，其特征在于：所述步骤S7具体为：包括位置x、速度v和加速度a，运行轨迹曲率γ，行驶时间t和能耗w为性能约束指标，建立如下最优控制模型：minJi＝f(xi,vi,ai,γi,wi)

其中Ji是目标函数，根据此最优控制模型，优化步骤S6所规划的行驶路径，车辆在控制器的作用下沿最优路径行驶。

7.根据权利要求1所述的一种基于无人机辅助的车机协同控制及路径优化方法，其特征在于：所述步骤S8具体为：无人机通过车辆GPS位置信息定位车辆位置；随后无人机悬停在车辆上空，通过机载摄像头采集车顶降落点的图像信息，精确定位车顶降落点的位置；无人机采集的图像通过高带宽的无线网络传输到车载图像服务器，车载图像服务器处理完图像后将结果反馈给无人机；

无人机基于该结果调整自身位置，降落到车顶；车辆为无人机提供电量补充。