智能交通时代的到来，为汽车工业的发展注入了新活力，无人驾驶车辆已成为重要载体之一。路径规划技术是无人驾驶车辆信息感知和智能控制的桥梁，是实现自主驾驶的基础。其目的是在给定起始点和目标点的情况下，根据一定的路径规划算法在有障碍物的环境内按照相关的评价标准，寻求最优路径。本文在综合考虑障碍物、车辆几何学及运动学等多种约束条件下，以提高规划路径的可行性、安全性、最优性及稳定性为目标，分别对全局路径规划、局部路径规划和路径优化三方面进行了研究。具体研究内容如下：
　　(1)考虑不同路况下车辆能耗约束问题，提出一种基于贝叶斯能耗预测的蚁群优化全局路径搜索算法。该方法首先构建动态车辆和路径能耗模型，采用贝叶斯估计理论对车辆能耗值进行预测更新，然后根据不同路径段能耗值和车辆速度重构蚁群算法路径节点选择概率函数，更新路径信息素，最后利用蚁群算法的正反馈机制，获得全局最优路径。
　　(2)基于蚁群的全局优化算法搜索结果存在转折点较多、累计转弯角度大及路径不连续等问题，本文提出一种基于三次B样条曲线的路径平滑方法。该方法首先将原始路径节点序列作为型值点，进行降采样处理，然后初始化节点向量，生成三次B样条基函数，利用基函数加权得B样条曲线方程，构造控制多边形，并使生成的B样条曲线无限逼近控制多边形以获得最终平滑路径。
　　(3)传统人工势场法在车辆局部路径规划中存在的目标不可达、易陷入局部极小点、与障碍物发生碰撞及产生局部振荡等缺陷，本文提出一种多约束修正人工势场法，该方法重新构造势场合力。其中，通过引入斥力势场修正因子，解决目标不可达问题；构建速度斥力势场，提高动态障碍物的避障效率；改变障碍物斥力势场方向，减小车辆局部振荡系数；重构自适应引力势场，避免与静态障碍物的发生碰撞；增加随机旋转斥力分量，改变车辆行驶状态，解决局部极小问题。最后，根据车辆在多约束修正人工势场中所受合力作用寻求局部最优路径。
　　在Matlab仿真环境下对本文所提算法进行了多场景实验验证，实验结果表明所提算法的合理性与有效性，通过与多种改进算法的对比及相关性能的分析可知本文算法的综合性能得到明显提升，规划轨迹满足无人驾驶车辆的路径约束要求。