智能汽车作为融合了传统车辆,定位感知、人工智能,大数据等众多前沿技术的热点领域,成为汽车产业的战略制高点和新一轮国际竞争焦点。随着相关领域近几年的高速发展,高级辅助驾驶功能日趋成熟。而适时、适当以与最优路径避让障碍物,超越低速车辆作为更高级别自动驾驶重要功能,能够进一步减轻驾驶员负担,降低交通事故发生风险,提高道路安全。在此领域,要兼顾避让合理性与收敛性、驾驶安全性、乘客舒适性等诸多因素,存在广阔的探索空间,有待于进一步研究。本文针对传统触须算法单纯关注障碍物有或无而忽视类别、未良好全面表达路面信息或其他交通要素、未考虑避让后回归预设轨迹、无法完全适用于结构化道路真实交通场景等问题进行一系列改善。提出了一种融合势场函数的改进触须算法。该方法针对道路场景引入多层次的ADAS地图,利用语义信息搭建人工势场,并将其融合到触须函数的选取标准当中。进而通过一套多因素相结合的最优判定法则筛选出最优触须。最后添加安全校核模块确保路径的安全性。本文主要做以下几个方面研究:第一,针对信息众多、不断变化的道路交通场景,搭建多层次ADAS地图。它在道路层清晰描绘了道路形状、边界与可通行区域。在动态信息层,对诸多交通参与要素进行统一目标级级表达。在栅格图层,对所有信息进行像素级建模。该ADAS地图为后续局部路径规划模块提供了全方位的环境信息输入。第二,搭建起以融入人工势场的改进触须算法为核心的局部路径规划模块。其分为触须生成器与触须选择器。在触须生成器,完成了一簇候选触须的生成。首先对全局路径参数化,完整的描述了上层指定全局路径长度、方向、曲率等几何信息。运用sn坐标系统,使用双阶段等差距离偏移法,生成一簇第一阶段散开,第二阶段相互平行的虚拟触须。物理意义直观,保障了触须生成阶段具备绕障性和绕障后的收敛性。在触须选择器,完成了最优触须的筛选。首先搭建道路及其他交通要素的人工势场。之后综合考虑到无碰撞性、安全性、全局路径趋向性、乘客舒适性与时序一致性一系列因素,构建出代价损失函数,初步筛选出最优局部路径。为进一步验证该路径的可行性,添加车辆参数进行安全校核,弥补了触须算法本身未考虑车辆自身边界问题。第三,分别在Pre Scan仿真环境与真实道路环境下进行试验,验证本文所提方法。结果均表明,该方法具有优秀的避让性、一定的实时性,表现出良好的可行性,存在一定应用价值。