交通安全、道路拥堵、停车位紧张的问题随着汽车保有量的迅猛增加逐渐暴露出来,研究智能汽车是解决以上问题的有效途径。避障路径规划是智能汽车技术的关键部分,具有重大研究意义与应用前景。汽车行驶过程中,道路环境比较复杂,而且具有不确定性,同时要满足车辆自身的约束条件,使避障路径规划存在一定的难度,智能车辆如何寻找到符合实际需要的最优路径是路径规划的重难点。针对传统局部路径规划算法容易陷入局部最优,存在路径不可达,避障模型复杂导致计算量大的问题。本文以汽车动力学模型为基础,根据车辆的运动特点,刻画了智能车直线道路上行驶的道路模型。提出一种基于车头圆-车尾圆的智能车行驶过程中的障碍物建模方法,并以此建立智能车局部路径规划的最优控制模型。采用直接配点法对智能车换道的路径规划进行研究。直接配点法是通过拟合多项式来近似时间和空间上的状态变量和控制变量,对多项式求一阶导数来近似离散点处的状态微分量,从而将最优控制问题转化为非线性规划问题(NLP)。直接配点法避免了间接解析法繁琐的理论推导过程,具有更快的计算效率。以智能车换道超车避开抛锚车的典型工况为例,利用直接配点法和序列二次规划法相结合的轨迹优化方案求解。仿真结果证明了基于直接配点法的路径规划的求解能力。拓展研究了智能车超车换道避开静态障碍物后回原车道工况,包括避开抛锚的小轿车和公交车,以及避开低速运动障碍物的工况,采用直接配点法求解均能成功实现路径规划。直接配点法可以很好地决策出车辆在行驶过程中的最优路径,并可以解决多种类型障碍物间的避障问题,具有良好的实时性,延时性较小。对比分析了智能车超车换道避开低速车辆与抛锚车两种工况的不同,说明差异化处理的必要性。并对智能车避障路径规划的四种工况进行对比分析,四种工况的求解时间少于1.5秒。说明直接配点法是求解最优控制问题的有效离散方法,直接配点法在解决最优控制问题中具有计算量小,数值稳定性好等优点。