随着近十年来人工智能的快速发展,作为“智能化”标志之一的无人车受到越来越多学者的关注。无人车作为一种人工智能发展的标志性成果,所涉及知识领域广,是典型的交叉学科研究课题。无人送货小车作为无人驾驶技术落地产业之一,起着提高物流自动化程度的关键性作用。伴随着物流行业的飞速发展,工厂物流愈发繁杂,对无人送货小车的社会需求以及产业需求空前巨大。路径规划和避障技术作为无人车中不可或缺的一环,本文对结合避障控制的路径规划,以及基于最短路径-平滑处理的路径优化,提出了一系列相关研究算法,以期促进无人送货小车在物流自动化行业的推广应用。具体而言,本学位论文从以下方面开展研究:首先,分别对环境建模和路径规划的多个方法进行对比分析,本文采用链接图法进行环境建模,而路径规划方面选取Dijkstra算法和蚁群算法。在环境模型构建后,通过Dijkstra算法进行初步路径规划,求解次优路径。其次,运用蚁群算法对次优路径进行优化处理,求出优化后的最短路径。同时在文章中详细地介绍了蚁群算法的相关参数和数学模型,利用实验得到的数据来分析参数对算法性能的影响,并将实验中得到的最优参数组合应用到路径优化中。然后,对路径进行平滑处理。由于经过蚁群算法优化后的路径是分段式的,因此需要对路径进行平滑处理。本文通过对贝塞尔曲线和B样条曲线进行分析对比得知,经过贝塞尔曲线平滑后的线条易发生较大的形变,而B样条曲线平滑后的效果较好,因此本文采用B样条曲线对路径进行平滑处理。最后,在已有路径规划以及优化处理的基础上,结合送货小车模型的具体情况,对送货小车的路径规划应用展开研究。基于送货小车物理碰撞模型,对环境中障碍物进行膨化处理,实现了结合小车实际模型对环境障碍运动干涉的规避。其次,基于小车运动模型约束,对基于麦克纳姆轮的小车运动模型进行分析,以验证本文规划算法与运动约束方面的可行性。根据以上分析结果以及提出算法,于本文末尾对实际导航环境进行建模以及路径规划验证,实验结果表明,本文所提出系统方法满足实际导航环境的避障需求并实现了有效优化。