无人驾驶的相关研究是车辆工程领域研究的热点,路径规划作为无人驾驶的关键技术之一更是吸引了许多的研究者关注,但是目前大多数的路径规划研究还都主要着眼于结构化环境,而对于非结构化环境下的路径规划方法还没有很好的研究方法,因此本文对于非结构化环境下的路径规划方法展开了研究。路径规划需要在已知的环境地图中进行规划,因此本课题研究设计了建立非结构化环境地图的方法。在该方法中利用激光雷达获取环境中的原始点云数据,根据点云对车辆行驶会造成影响的范围将点云数据进行滤除操作,只保留影响车辆行驶范围内的点云数据。利用经滤除处理后的点云数据进行SLAM建图,得到在地图坐标系下的点云数据,对此数据利用PMF算法进行点云分割处理,分别得到环境中的障碍物点云以及路面点云。对获取的两种点云数据进行投影操作处理,按照设定的栅格大小将两种点云投影到对应的栅格范围内,在该过程中保留路面的高程信息,实现了对于非结构化环境的建图。在得到非结构化环境的地图信息之后,本课题利用该信息研究设计了在非结构化环境下进行路径规划的方法。在该方法中分别设计全局路径规划方法以及局部路径规划方法,全局路径规划方法中以A*算法为基础进行改进,根据栅格的八向行驶模型对A*算法的路径搜索方式进行改进,使规划后的路径与障碍物栅格至少保持一个安全栅格距离;对A*算法的代价函数进行了改进,加入了坡度代价的影响,使规划后的路径更加平缓。在局部路径规划算法中以PRM算法为基础进行设计,对环境中的障碍物进行膨胀处理,对膨胀之后的障碍物进行特征提取,获取环境中的角点特征以及边缘特征,利用这两种特征计算环境中的特征点,该特征点满足同时远离两边障碍物的要求,将该特征点给到PRM算法进行路径规划,并利用QPMI方法对规划后的路径进行平滑处理,实现对于非结构化环境的路径规划。为了验证路径规划结果的有效性,本课题研究设计了无人驾驶循迹控制的方法。在该方法中本课题首先建立了线性二自由度车辆模型,根据该模型分别为循迹控制设计了纵向控制器与横向控制器。在纵向控制器中以目标行驶速度与当前行驶速度的差值为控制器输入,采用PI控制器对纵向速度进行控制,保证纵向速度在行驶过程中基本保持不变。在横向控制器中根据车辆的转向简化模型,采用纯追踪算法对车辆的横向运动进行控制,控制无人驾驶车辆能够较好的按照规划的路径行驶。在完成上述的研究之后,本课题分别搭建了无人驾驶与有人驾驶实验平台,对上述研究内容展开实验验证。实验结果表明,本课题研究的环境建图算法能够较好的完成对于非结构化环境地图的建立,较为清晰且正确的描述了环境中的障碍物信息与可行路面信息,同时保留了环境中的高程信息。路径规划算法能够实现规划一条连接起点与终点的无碰撞安全路径,实现了在非结构化环境中的路径规划目的。对于循迹控制的实验表明,本课题研究设计的循迹控制方法能够较好的完成循迹行驶目的。