作为智能驾驶的核心技术之一,路径规划一直是无人车领域的研究热点。最短路径规划则因可以充分降低整体路径的行驶开销,增大行驶空间的利用率,无疑又是路径规划研究方向的重点。而且,最短路径规划是解决交通拥堵,提高交通效率,降低整体汽车能耗的有效途径。此外,无人车的通行还受到各种交通场景和行驶条件的约束,如无碰撞约束、多节点约束、速度平滑约束等,以确保无人车行驶的安全性、高效性和平稳性。因此,研究多约束条件下的最短路径规划具有重要的理论价值和现实意义。主要研究内容及创新点如下:（1）无碰撞约束下的最短路径规划无碰撞约束下的最短路径规划引入了激光雷达传感器用于无碰撞约束的构建,设计了无碰撞约束的代价函数设计,确保待选取的路径点满足无碰撞的约束,同时提出了一种改进的无碰撞约束下的A*算法,算法选取的路径点需要同时满足无碰撞约束的代价函数和最短路径代价函数,才能进行最短路径的规划,确保算法搜索的每一步都是满足无碰撞约束和最短路径的要求,最终规划一条无碰撞约束下的无人车最短路径。（2）节点约束下的最短路径规划节点约束型最短路径规划首先定义了节点约束的条件,明确算法除了起点和终点之外,还需要遍历那些节点,然后根据节点约束条件构建了节点约束下的最短路径代价函数,然后将代价函数融入Dijkstra算法,利用Dijkstra的贪心策略本质,在满足节点约束的条件下,逐步累加全局最短路径,直到算法探索到终点,最终生成节点约束下的最短路径。（3）速度约束下的最短路径规划首先,速度约束下的最短路径规划借助三阶B样条曲线,利用基于三阶B样条曲线的可导特性对速度约束条件进行构建,从而进行曲线控制点的选择,控制点确定之后,就能得出基于当前控制点的唯一路径曲线,对于最短路径规划来说,只需要将起点和终点纳入到控制点的选取中,这样得出来的路径就是符合当前速度约束下的最短路径,也是唯一的路径曲线。