路径规划是实现越野场景下无人驾驶的关键技术,安全性和实时性是该技术的主要研究方向。针对越野场景下地形复杂、障碍物多样,导致无人驾驶车辆通行性评估困难、实时避障与运动学约束难以兼顾的问题,本文提出一种基于安全走廊约束与迭代二次规划的实时路径规划方法。该方法首先构建了综合考虑高程、坡度及障碍物影响的通行性代价栅格地图,提升对复杂地形的适应性;其次,采用状态栅格采样结合动态规划的方式生成初始路径,融合安全走廊技术将非线性避障约束线性化,提升避障鲁棒性与实时性;最后,通过设计的迭代二次规划对轨迹进行优化,根据车辆运动学特性引入最大曲率约束,确保规划路径的平滑性与可行性。仿真和实车实验结果表明,在复杂越野场景下,相较于蚁群算法、混合A星算法,本文方法规划路径的平均曲率分别降低74%和53%,平均通行性代价分别降低11.96%和16.66%,计算耗时稳定在55 ms以内,在保障越野行驶安全和满足车辆运动学约束的前提下,有效提升了路径质量与实时规划性能。