自动驾驶技术对于提高出行安全和缩短出行时间具有重要意义。路径规划是自动驾驶技术中的重要部分,其中包含全局路径规划和实时避障路径规划,有效的路径规划能够缩短人们的出行时间、提高出行效率。当前关于解决路径规划的算法,普遍存在应对复杂动态环境能力差、收敛速度慢以及鲁棒性差等问题,为了进一步提升算法的运算速度以及避障性能,本文拟利用改进蚁群算法和A*算法以及提出障碍物预测模型和避障策略的方法,分别对全局路径规划和实时避障路径规划开展研究。针对经典蚁群算法存在运行消耗时间长以及搜索停滞的问题,提出了一种改进的蚁群算法。通过使初始信息素在地图上进行不均匀分布提高初期蚂蚁搜索的方向性,改进启发函数提高启发性、解决死锁和自锁问题提高蚂蚁的存活率以及优化信息素更新规则从而提高算法运行速度。通过Matlab仿真,对改进蚁群算法进行了实验验证,结果显示改进的蚁群算法比经典蚁群算法的运算时间更短,路径搜索更快,证明了改进算法的有效性。针对动态避障搜索能力差和动态障碍物未知时变的问题,为了进一步提高蚁群算法的避障性能,提出了障碍物预测模型和避障策略,对蚁群算法进行了优化,并将该算法运用到动态路径规划中。首先对经典的A*算法进行改进,提高算法的搜索速度、降低规划路径的曲折度,再将改进的A*算法应用在道路环境地图中,得到全局最优路径。自动驾驶车辆沿着该全局路径前行,在前行的过程中检测到未知时变的动态障碍物时,利用改进的蚁群算法进行局部路径规划躲避动态障碍物,然后继续沿着事先规划得到全局路径前进。最后结合实际道路状况设计了多种道路环境进行仿真实验,结果表明自动驾驶车辆能够有效的躲避临时添加的静态障碍物以及动态障碍物且避障路径比经典蚁群算法更短,具有较好改善效果。