无人驾驶汽车作为轮式移动机器人的一种,是集机械,电子,传感器,信息等多学科领域的智能化产物,主要依靠车载的硬件设备及软件系统来实现无人驾驶。全球各大研究所,企业及高校正鼎力研究着无人驾驶汽车的相关技术,其已然成为一个国家科技实力的象征。无人驾驶汽车技术算法层面可分为:环境感知层,决策规划层,运动控制层。本文在环境感知层与决策规划层针对路径可定位性问题展开研究。已有的路径规划算法通常能够计算出优良结果,而实际中,往往由于未考虑路径上各点的可定位性,使之进入定位性能较差的区域,导致路径不具备可行性。为此,本文提出了一种基于可定位性的路径规划算法,为无人驾驶汽车提供更具优良定位的路径。本文主要的研究内容有:1)研究了可定位性估计算法。基于地图匹配展开研究,由概率栅格地图及在环境中的激光观测结果,选用可以同时考虑机器人不同位姿参数变化的Fisher信息矩阵作为基本的定位性衡量指标,将其推导至克拉美-罗下界并进行分析,由此得到可定位性估计结果的最优分布;研究了信息论与熵规则。将可定位性估计结果分布通过sigmoid函数描述为定位信息熵,为进一步路径规划打下基础;2)基于经典A*算法,考虑其可定位性设计了新的代价函数。从而提出一种基于可定位性的路径规划算法,综合考虑了路径长度、可定位性能指标等,并对不同权重参数做了研究,分析了已有消耗、预估消耗、可定位性这三项的权重指标的影响,并给出了最优参数组合;3)设计并实现了基于pioneer-3DX轮式机器人与matlab的仿真与实验:验证了不同地图下的可定位性效果;与经典A*算法进行路径规划效果对比,证明了本文算法的有效性。仿真与实验结果表明,本论文研究所得的基于可定位性估计结果的路径规划算法具有一定的实际应用价值,为进一步开发相关算法提供了参考依据。