在计算机与人工智能技术快速发展的背景下,智能车的研发受到了广泛的关注,各大互联网公司和车企都在智能车技术的研发上投入很大精力。作为新型传感器之一的激光雷达,在自动驾驶技术的发展过程中扮演着重要角色,成为自动驾驶地图构建、障碍物识别最可靠的传感器。感知模块作为整个智能驾驶系统的输入,对后续的决策、规划及控制都有很大影响;同时为保证车辆的安全行驶,局部路径规划成为必不可少的环节。因此,研究地面激光点云分离方法和局部路径规划对智能车的安全行驶具有重要意义。为保证车辆顺利避障,首先要准确识别出障碍物的大小及相对速度,而激光打到地面上的点与障碍物会混在一起,导致无法对障碍物进行准确的识别,因此要将地面与障碍物的点云进行分离,来提高障碍物识别的准确率。本文在三维激光点云网格图的基础上,提出了一种新的地面点云分离算法,该方法通过选取径向距离、高程差和梯度这三个指标,通过设定好的阈值对激光点的属性进行判断,从而找到地面点,最终完成对地面点的分离。局部路径规划算法是基于车辆动力学和传统机器人轨迹规划等相关理论,将阿克曼转向类型的车辆作为研究对象,通过对快速扩展随机树(RRT/rapidly exploring random tree)算法进行改进,将非完整约束加入到该采样算法中,使之规划出的避障路径满足车辆转向约束要求,同时通过曲线拟合的方法对该路径进行二次优化,以此来保证规划出的轨迹更加平滑,提高车辆行驶稳定性。最后,对实验小车平台进行设计,验证上述算法的实际效果。通过对不同场景实验结果的分析,发现该算法都有较好的表现。地面点云分离算法在保证障碍物信息不失真的前提下,有效的分离了不同场景下的地面与障碍物点云;局部路径规划算法可生成较为平滑的避障路径。最后与其它算法在效率、场景通用性等方面进行了对比,证明本文提出的算法具有较好的效果。