汽车产业的快速发展在给人们生活带来便利的同时也带来了许多的交通安全问题,研究无人驾驶技术既符合当下智能时代的发展趋势,也是帮助解决道路交通安全问题的重要手段。对于无人驾驶车辆而言,环境感知和路径规划是非常重要的两个方面,其在保证车辆行驶安全方面起到了不可或缺的作用。中国汽车工程学会举办的大学生无人驾驶方程式大赛为高校在校生研究无人驾驶技术提供了广泛且专业的平台。论文依托于国家自然基金项目（51675257）、辽宁省重点研发计划指导计划项目（2017106020）,基于机器人操作系统ROS平台、激光雷达传感器,以及组合惯导,针对无人驾驶方程赛车计算层中的环境感知以及路径规划问题,开展了以下研究。（1）障碍物检测方法研究。将激光雷达采集到的原始点云数据,通过对三维坐标轴设定适当的阈值,进而保留赛车周围有效的感兴趣区域（ROI）;采用体素化网格算法进行下采样处理,目的是有效地降低点云数量;运用随机采样一致性（RANSAC）算法过滤掉地面的点云数据;利用欧氏距离聚类算法对目标点云进行聚类。实验结果表明:算法可以有效的获取目标锥桶的中心位置坐标信息。（2）定位与建图方法研究。论文通过GPS与IMU组合定位的方式获取车身位置坐标,利用激光雷达获取锥桶位置信息,再将二者的数据依据时间同步原理融合在一起,通过坐标转换的方式,将各传感器的坐标系统一,得到了全局坐标系下的锥桶位置信息,最终完成了赛道的建图。（3）局部规划和全局规划的路径规划方法研究。该方法的实现是依靠组合惯导获取赛车位置,再将激光雷达的输出数据进行恰当处理,通过坐标转换,得到全局坐标系下的锥桶位置信息。在八字环绕以及直线加速的比赛环节中,采用全局规划和局部规划相结合的方法,在赛车沿全局路径行驶的基础上,通过局部规划优化行驶路径。在高速循迹比赛中,通过激光雷达的实时感知,采用最优化曲线生成路径的规划算法,获取期望路径。实验结果表明:不同的算法针对不同赛道,可以有效合理地规划出相应的赛车行驶路径。论文研究的环境感知及路径规划方法被应用在无人驾驶方程式赛车上,其有效性和实用性在实车实验中得到了验证。验证结果表明:赛车可以按规划的路径安全平稳地驶离赛道,顺利完成比赛。