如果智能车辆有行驶任务，则智能车辆路径规划是对环境信息进行感知，在确定车辆在环境中的位置后，按照一定的搜索算法，寻找可通行的路径，实现智能车辆的自主导航。
路径规划的方法根据智能车辆工作环境信息的完整性，可以分为两大类。
基于完整环境信息的全局路径规划方法例如，从上海到北京有很多路，规划所之一就是作为行驶路线的全球规划。 网格法、可拓法、拓扑法、自由空间法、神经网络法等静态路径规划算法。
基于传感器实时获取环境信息局部路径规划方法例如，全球规划的从上海到北京的路线上还有其他车辆和障碍物。 要避开这些障碍物和车辆，就需要调整车道。 这就是本地路径计划。 局部路径规划的方法有人工势场法、矢量域直方图法、虚拟力场法、遗传算法等动态路径规划算法等。
在此处插入图像说明
无人机路径规划多采用基于网格地图的搜索算法，或蚁群算法、遗传算法等特殊的路径优化方法。 例如，在基于概率地图的搜索算法中，首先使用随机概率法从自由空间(任务空间中，排除了障碍物的空间)中选择采样点，从离当前点最近的k个点中选择构成当前点的附近点集，使用本地规划器选择当前点及其同时进行交叉检验，保留不与障碍物相交的直线段组成一个图表，作为初始路径完成路径规划的学习阶段； 在查询阶段，利用优化方法对上述图进行搜索，得到由图的边构成的从出发点到目的地满足优化目标的路径。
另一种常用的算法不是基于网格地图进行搜索，而是例如http://www.Sina.com/(artificialpotentialfieldmethod )，其基本思想是将无人机的运动设计成抽象人工重力场中的运动如下图所示，http://www.Sina http://www.Sina.com /通过求解目标和所有障碍物对无人机的合力，可以获得无人机的运动速度和加速度指令。 相对于许多搜索算法，人工势场法的运算量更小，得到的轨迹更光滑。