无人地面车辆自主导航系统是智能交通的重要组成部分,对人类社会的发展进步有着重要意义。近年来无人地面车辆自主导航系统相关的软硬件技术快速发展。无人地面车辆的车载计算能力呈几何级数式倍增,车载传感器开始大规模的产业化,人工智能技术使得复杂场景下的车辆行为自主决策成为可能。与自主导航系统的硬件部分相比,自主导航系统的车辆运动控制算法、车辆行为自主决策与规划更可能是当前自动驾驶无法大规模落地的技术瓶颈。本文的研究内容主要围绕自主导航系统软件层的轨迹规划,运动控制和端到端的自主导航策略开展。本文主要进行了如下工作:（1）基于自研的四轮独立转向-独立驱动（four wheel steering and four wheel drive,4WS-4WD）线控车辆搭建了一套分层式的自主导航系统,自主导航系统包括:软件层、硬件层、执行层三部分。为了便于将自主导航系统进行跨平台移植,将软件层划分为上层和下层两个部分,由下层的运动分解模块来处理不同底盘结构的无人地面车辆带来的差异性。（2）基于Hybrid A*方法实现了无人地面车辆的轨迹规划。针对A*方法输出的目标轨迹不满足车辆的最小转向半径约束这一问题,在路径节点扩展时考虑车辆的运动学约束,保证输出的目标轨迹为车辆可执行的。此外,还引入dubins路径验算模块,对目标轨迹搜索过程进行加速。（3）提出了一种径向距离约束下的自适应纯追踪方法（pure pursuit）,实现了4WS-4WD车辆的运动控制。针对传统纯追踪方法出现的“弯道切边”问题和车辆摆动问题,对纯追踪方法进行改进,搭建前探距离模糊控制器,使得纯追踪方法的前探距离可以自动适应目标轨迹曲率的变化,解决了“弯道切边”问题。此外,在传统纯追踪方法中引入自适应径向距离约束,确保车辆在轨迹跟踪过程中,不会在目标轨迹附近来回摆动。（4）针对未知环境中的无人地面车辆自主导航问题,基于深度确定性策略梯度方法开发了端到端的无人地面车辆自主导航策略,端到端的自主导航策略不需要环境的先验地图,直接将环境感知结果映射为无人地面车辆控制量。针对自主导航策略训练时间漫长的问题,使用了网络权重预训练的方法对训练过程进行加速。实验结果表明:网络权重预训练可以在一定程度上实现训练过程的加速。