人工智能技术的快速发展助推了传统工业的又一次革命,而自动驾驶汽车作为本次人工智能革命浪潮的典型代表,正处于高速发展的过程中,路径规划技术作为自动驾驶的核心技术面临着前所未有的严峻挑战。因此,本文针对自动驾驶车辆路径规划方法进行研究,本文的主要工作内容如下:首先,针对传统路径规划将车辆抽象为质点、路径不符合车辆运动学约束以及规划效率低的问题,提出了一种面向自动驾驶车辆的AV-RRT（Autonomous Vehicles based Rapidly Exploring Random Tree）非质点路径规划方法。在路径规划前,先对环境空间进行障碍物膨胀处理,保证规划出的路径两侧障碍物之间的距离均不小于车辆宽度,在车辆进行直线行驶时均可安全通过;在算法随机采样阶段,以车辆最大转弯角进行限制路径间的折角,对不符合车辆最大转弯角的采样点进行方向修正,保证规划出的路径符合车辆运动学约束的要求;采用动态步长代替传统的固定步长进行随机树生长,以“快增长、稳上升、快恢复”的策略进行随机树分支生长,缩短路径规划消耗时间,提高算法效率。其次,针对面向自动驾驶车辆路径规划方法在车辆转弯过程中仍然存在碰撞风险的问题,提出了一种车辆转弯过程中的NPCD（Non-Particle Collision Detecting）碰撞检测算法以及PM（Path-Modification）路径修改策略,提高车辆按照全局路径行驶的安全性。采用几何约束的方式表示车辆转弯过程中轮迹线与障碍物位置形成的可能发生碰撞风险的安全威胁区域,准确检测车辆按照该路径行驶时面临的安全风险;对存在碰撞风险的路径以偏离安全空腔距离最短为标准设计路径修改策略,规避车辆可能发生的碰撞风险。最后,通过对比仿真实验验证本文中提出方法的有效性和可行性。通过与传统的RRT算法以及KB-RRT算法进行对比,验证了AV-RRT算法规划出的路径符合车辆运动学约束的功能有效性,以及在路径规划消耗时间和路径节点数量等性能指标上的优越性;同时验证了碰撞检测算法以及路径修改策略的功能有效性。