自动驾驶车辆对未来经济发展、环境友好及生活便利具有重要的推动作用,受到世界各国的重视并发展迅速。路径规划是自动驾驶技术中的重要部分,是自动驾驶安全行驶的前提条件。目前针对自动驾驶车辆的路径规划算法面临着很多困难,如应对复杂环境的能力差,动态障碍物处理能力及鲁棒性差等,严重影响了自动驾驶车辆的行车安全及规划效率。因此面向自动驾驶车辆的路径规划研究具有重要的理论意义及研究价值。本文针对自动驾驶车辆特点,对当前常用的路径规划算法进行分析及总结,结合车辆运动学模型,分别对全局路径规划及局部路径规划算法选择合适的算法,并根据算法的不足进行改进及优化。仿真测试从规划路径长度及质量,算法计算效率及避障能力等方面进行仿真验证,实验证明本文提出的改进算法具有可行性及有效性。其中论文的主要工作如下:(1)对车辆进行运动学分析及建模,建立二维占据栅格环境模型,为下文路径规划算法的研究工作奠定基础。(2)将蚁群算法作为全局路径的规划算法,并提出改进的蚁群优化算法。针对提高传统蚁群算法的规划效率、路径规划质量及路径可行性,从蚁群算法的信息素浓度,状态转移概率及引入启发函数几个方向进行改进及优化。通过改进蚁群优化算法与传统蚁群算法的比较实验可得,改进的蚁群优化算法规划速度大大提高,路径拐角减少,路径长度有所下降。(3)在局部路径规划算法中采用动态窗口算法进行研究。针对动态窗口算法对大规模复杂障碍物规划能力低,容易陷入死锁状态的问题,提出了改进的双层路径规划算法。将蚁群优化算法规划出的全局最优路径作为动态窗口算法的路径引导,加入滚动窗格,指定航向角自适应调整方式。改进的双层路径规划算法在复杂环境中表现优异,规划时间明显缩短。(4)利用Matlab平台及其自动驾驶系统工具箱针对改进的双层路径规划算法搭建仿真环境,在道路环境中模拟车辆行驶对算法进行仿真验证,证明改进的双层路径规划算法的可行性和有效性,最后使用自动驾驶实验车进行算法的实际验证。