路径规划是智能机器人研究领域的重点和热点,也是实现人工智能的一个重要方面。根据课题的需求,以自主车为研究对象。本文围绕自主车的路径规划算法进行了研究,主要深入研究了人工势场法和RRT算法。针对两种算法的局限性或存在的问题,提出了相应的改进方法。同时,还研究了在动态环境下,运用人工势场法进行路径规划时的实时避障问题。论文主体部分包括以下几部分：首先,本文以路径规划算法——人工势场法为研究重点。介绍了经典的人工势场法,然后讨论了人工势场法的优缺点。针对人工势场法中的目标不可达问题和局部极小问题,采取了重新设置势场函数和设置临时子目标的改进方法。其次,针对非完整性约束路径规划问题,对RRT算法进行了研究。先阐述了RRT算法原理,并分析了RRT算法的固有缺陷。为了实现RRT算法在未知环境中的应用,采取了基于滚动窗口的改进算法。针对RRT算法规划的路径并非最优的问题,算法引入了势场法中的目标引力函数,使随机树朝着目标方向生长。通过仿真对比验证,证明了改进方法的可靠性和实时性。最后,研究了动态环境下人工势场法在路径规划中实时避障问题。针对人工势场法在路径规划中易陷入局部极小问题,提出一种改进算法；算法通过投影法构建虚拟伴随自主车,引导自主车逃离局部极小。然后分析了奔赴目标的行为,结合沿墙行走行为,提出了一种基于行为的实时避障算法。为了保证算法在动态环境下的有效性,对实时避障算法进行了改进。利用动态障碍物的斥力势场,及时调设置自主车整运动方向,使自主车与障碍物保持安全距离。仿真验证了算法的有效性。