随着智能无人车的应用越来越普遍,逐渐从军事、工业上的应用向生产生活上转移,其能否更快速、更准确且更安全地到达指定目标点变得愈发重要。智能无人车的工作环境多变,同时存在静态障碍和动态障碍,导致在行驶之前无法获取全部环境信息,因此需要进行合理的路径规划,而路径规划就涉及到了智慧交通和导航技术的核心内容。目前已存在众多较为成熟的路径规划方法,不过在具体应用时都有着不同程度的缺陷,特别是面对复杂环境时,算法运行效率低、稳定性差、难以满足路径规划需求,亟待改善。蚁群算法具有信息正反馈、鲁棒性强的特点,且无需先验知识便能找到最短觅食路径,与路径规划目标相似,因此作为本文开展研究的算法。再通过对蚁群算法现存的多个缺点进行改进,并与动态窗口法自适应融合,改进了算法的全局规划能力与动态导航性能。本文主要的研究内容如下:（1）归纳了多个路径规划算法及对应算法改进后的应用,并从静态与动态两个方面逐一对现有方法展开对比;再通过把路径规划算法按工作范围划分为全局和局部两类,比较了各算法的优缺点;最后选用蚁群算法为本文研究的方法。（2）从启发函数、状态转移概率和信息素分布三个方面改进了传统蚁群算法,通过在栅格环境下对所提改进算法模拟仿真,结果显示,本文所提改进算法有着更快的收敛速率与更短的规划路径,还能得到更好的路径平滑度。（3）本文的改进蚁群算法在动态环境下的效果还需进一步完善,故吸取了动态窗口法的优点,与改进蚁群自适应融合,并对动态窗口法从轨迹评价函数以及动态防撞策略两方面提出改进,增强了算法实时避障能力。（4）根据无人售卖车的工作场景进行环境建模,依次在静态环境和动态环境下进行路径规划实验。仿真结果显示了本文自适应融合算法在能完成智能车的全局路径规划的情况下,还能实现动态实时避障,且算法的收敛性与寻优能力较传统算法都有比较明显的提升,可提高智能车的行驶效率。