En escenarios complejos, como parques industriales y estacionamientos subterráneos, la navegación autónoma eficiente y segura es esencial para la operación sin conductor y el estacionamiento automático. Sin embargo, los métodos de navegación modular convencionales, especialmente el algoritmo A*, sufren de un exceso de recorrido de nodos y caminos cortos que acercan peligrosamente a los vehículos a los obstáculos. Para abordar estos problemas, proponemos un enfoque de navegación autónoma basado en un mapa de costos de terreno en capas y un modelo de control predictivo no lineal, que garantiza un rendimiento en tiempo real, seguridad y reducción de costos computacionales. El planificador global aplica una estrategia A* en dos etapas guiada por el mapa de costos de terreno jerárquico, mejorando la eficiencia y la evitación de obstáculos, mientras que el planificador local combina la interpolación lineal con el control predictivo de modelo no lineal para ajustar de manera adaptativa la velocidad del vehículo bajo diversas condiciones de terreno. Los experimentos realizados en escenarios de estacionamiento subterráneo simulados y reales demuestran que el método propuesto mejora significativamente la eficiencia computacional y la seguridad de navegación, superando al algoritmo A* tradicional y a otros enfoques de referencia en rendimiento general.