随着城市道路上汽车的逐年增加,道路交通安全的形势日益严峻交通安全事故频发,行车安全越来越需要得到重视。同时智能交通的发展、汽车行业的转型为无人驾驶汽车的产生以及这一问题的解决提供了新的思路,避障路径的安全与否决定着汽车能否顺利躲避道路上的障碍物,规避惨剧的发生,在道路安全提高方面有极其重大的意义。详细阐述和分析了国内外有关自动寻路和避障的研究,将路径规划的研究分为全局路径规划和局部路径规划两种,并且针对全局路径规划采用A*算法研究和针对局部路径规划采用人工势场法研究。首先详细叙述了A*算法的原理,建立栅格环境,利用传统A*算法进行仿真,指出由于潜在的最优栅格被过早的删除并且搜索的范围只有8个邻域,所以规划的路径并非最优。因此将传统A*算法的可搜索邻域个数从8个扩展为16个,搜索方向也变为相对连续的方向。并且提出了双向算法,缩短了A*算法的搜索时间。由仿真结果分析发现,最终提出的改进A*算法,优化了上述缺点,并且在规划时间效率和路线上达到最优。全局A*算法只能在全局地图已知的情况下规划出最优路线,面对未在地图中标明的临时障碍物以及移动障碍物无法适用。因此考虑传统人工势场法解决局部路径避障问题。由于传统人工势场法存在局部最优等缺点,本文额外考虑了无人驾驶汽车和预定位置之间的相对距离,当汽车抵达预定位置的时候,引力和斥力同时为零,并且重新改进了障碍物的斥力势场函数,同时新增汽车落入局部极小范围的判断,以此来解决了局部最优和目标不可达的问题。为更加准确的用势场法描述汽车在道路上行驶的真实场景,为移动障碍物添加和障碍物斥力相同方向的速度斥力势场,使文章模型更加接近真实状态。通过仿真验证改进后的人工势场法,对栅格环境进行改善,并且对A*算法人工势场动态加权。经过仿真对比结果显示,算法搜索的范围变小,并且规划路线更加安全,距离上来说有所增加。融合改进人工势场法和A*算法,并且使用ROS平台进行最终路径规划算法的模拟实验,实验证实路径规划算法可以顺利避开未在地图中出现的临时障碍物和动态障碍物,具有良好的适用性。