目前智慧交通被视为是可缓解汽车保有量日益增加所带来的交通事故高发、出行效率变低和能耗量较大等问题较为有效的措施,而智能车（自动驾驶车辆）作为智慧交通车路联动技术的重要组成部分,已逐渐成为当前的研究热点。其中,局部路径规划是自动驾驶系统中的关键技术之一,它的主要任务是智能车通过感知周围环境并结合自车状态,对其当前行驶路径进行自主规划。为丰富与优化路径规划所涉及的算法方式及其效率,本工作基于静态和动态环境,提出了智能车满足于车辆运动学约束和工作空间约束的局部路径规划算法,主要针对非结构化和结构化环境中的路径规划等问题,分别优化了快速搜索随机树（Rapidly-exploring Random Tree,RRT）和数值优化的路径搜索算法,旨在满足车辆运动力学约束条件的同时,提升自车运动时的安全性、平滑性和规划实时性等。本文主要研究工作如下:1、针对非结构化环境中传统RRT算法采样效率较低和收敛速度偏慢等问题,对RRT启发式路径搜索算法进行了改进:包含预处理、RRT树的生长、后处理三个部分的算法改进。首先,该算法采用了目标偏置思想以加快搜索效率;其次,引入可满足于车辆运动学约束的合理度量函数,以充分考虑车辆的非完整约束条件;最后,提出了路径结点修剪方法,以此将搜索得到的路径进行安全和平滑性的精细优化。结果显示,改进RRT算法相比传统RRT,平均路径总长度缩短了7.39%,路径结点减少了58.2%,收敛时间缩短了13.4%。2、针对结构化环境中局部路径规划维度高、计算复杂度大的问题,对路径速度解耦的规划策略进行了设计和分析。一方面,对于静态环境中的障碍物,该策略首先设计了全局参考路径平滑算法,再通过构建自然坐标系下的搜索空间,并对其进行离散化,以此优化了基于代价函数的动态规划算法。其中,该优化算法考虑了拟合轨迹到参考线的偏离程度、与障碍物之间的合理距离、轨迹平顺性,此外根据调度系统还可加快算法的搜索效率;另一方面,对于环境中的动态障碍物,该策略通过构建路径时间障碍图,以规划并优化路径速度,从而生成局部最优路径,结果表明,结构化道路局部路径规划算法可满足规划的有效性和实时性。3、通过仿真以验证上述（1）和（2）内容中所提出的局部路径规划算法。基于Matlab/Simulink、Prescan、Carsim等仿真软件平台,设计了不同的静态和动态仿真场景,利用matlab中m语言编写程序对各种环境下局部路径规划算法的有效性进行验证。仿真结果表明,本文提出的局部路径规划算法,能引导智能车安全自动驾驶,动态规划算法的规划效率得以提升的同时,也验证了自车运动时可满足对于轨迹平顺性和规划实时性等的各项要求。通过对静态和动态环境下智能车的局部路径规划方法的研究,望对更多路径规划研究学者提供学术理论支撑。