近些年来,自动驾驶技术受到越来越多人的关注,成为汽车领域的焦点。发展自动驾驶汽车能够缓解交通压力、实现节能减排、使移动出行更加便利等优点,因此各大公司以及科研院校等纷纷投入人力物力发展自动驾驶技术。而发展自动驾驶技术是相当困难的,因为包含太多了关键技术,如环境感知、决策规划、运动控制等,每个关键技术都存在诸多问题亟待人们去解决。运动规划作为自动驾驶的关键技术之一,而如何生成无碰撞、省时、舒适、可靠、稳健和适应性强的轨迹则至关重要。其中道路环境和泊车场景是车辆行驶最为常见的两种环境,因此本文针对这两种背景对自动驾驶车辆运动规划的设计进行研究。首先对自动驾驶车辆的总体框架和决策规划框架进行选取,并对运动规划的的设计准则和所受的约束条件进行分析。其次以道路环境为背景对自动驾驶车辆运动规划算法进行研究。由于道路环境交通参与者较多且车辆的行驶速度相对较高,对运动规划算法的实时性要求比较高,因此本文采用了路径-速度解耦的轨迹规划框架。首先对局部目标点进行横向采样,并以三次螺旋曲线为模型生成路径簇;然后在每条路径上对速度和加速度进行采样,并以三次多项式曲线生成速度簇;最后根据定义的静态和动态成本对每条轨迹进行评价,选择代价总成本最小的轨迹作为下层控制跟踪模块执行的轨迹。并通过典型的道路场景对所开发的算法进行验证,仿真结果表明本文所开发的道路环境下运动规划算法能够很好地完成道路环境下常见的驾驶任务,并且满足车辆的实时性要求。然后以泊车场景为背景对自动驾驶车辆运动规划算法进行研究。本文开发了两种自动泊车运动规划算法:第一种基于路径-速度解耦的方法,通过混合A*算法得到路径信息,并在此路径上基于凸优化方法进行速度规划;第二种基于最优控制的方法,将泊车问题建模为最优控制问题并采用第一种方法得到结果作为初始解,加快求解速度。通过平行泊车和垂直泊车验证了算法的可行性,且第二种方法在可驾驶性优于第一种方法。最后搭建实验室自主开发的无人电动轮椅车平台,并在重庆大学校园设置实验场景验证道路环境下运动规划算法的可行性。