局部路径规划是自主车导航技术的关键之一。本文围绕自主车在复杂场景下局部路径规划中存在的规划实时性、感知环境不确定性、曲率平滑性等问题展开研究。针对复杂环境中4-邻域或8-邻域A*方法生成的路径车辆不可执行,而引入运动基元后实时性又无法满足的问题,本文改进了基于A*的无人车路径规划算法。本文通过设计运动基元和启发式函数,利用Reedshepps曲线精确连接目标间的位姿对算法加速。并通过仿真实验与无人车实验平台的ANA*算法进行对比,本文方法在算法速度,生成路径的平滑性等方面均有优势。对于在实际应用中部分已知环境下缺少车道线和全局路径导致的局部路径规划,本文从实际出发对目标终点在感知区域之外、障碍物检测不稳定、倒车轨迹片段过多等问题进行研究。本文提出了基于序贯信息融合的重规划方法以减小重规划前后帧不一致的影响,并通过样条插值以及路径优化等方法解决倒车轨迹片段过多的问题。通过实车实验验证了本文方法的有效性。针对多目标路径优化难以解决避障,并且参数难以调谐的问题,本文提出基于障碍约束的单目标优化方法,能够在保证优化后的路径安全的基础上优化路径曲率。基于障碍约束的单目标优化方法相对于多目标优化实时性更好。