在新一轮科技革命和产业变革的加持下,智能汽车正处于技术快速演进、产业化加速布局的阶段。轨迹规划与跟踪控制作为智能汽车的关键技术,直接决定了智能汽车能否在道路中安全舒适地行驶。本文以城市结构化道路为研究场景,展开以下研究:车辆位置估计算法研究:基于扩展卡尔曼滤波,建立车辆位置估计模型。为提高估计精度,根据道路曲率,分别以恒定加速度及恒定转率和加速度的车辆运动学模型作为扩展卡尔曼滤波的系统模型,对车辆位置进行估计。轨迹规划算法研究:为便于理解城市结构化道路场景并降低规划难度,将轨迹规划解耦为路径规划与速度规划。针对路径规划问题,首先提出障碍物聚合模型以提高决策的合理性与路径的稳定性,然后在S-L空间内构造采样空间,设计代价函数评价路径点,以得到参考路径,最后构造路径优化的多目标优化问题,并将采样空间及微分约束作为约束条件,采样二次规划求解优化问题。针对速度规划问题,首先在笛卡尔坐标系中规划沿期望路径的参考速度,为确保参考速度匹配期望路径并有较高通行效率,此规划过程仅考虑加速度、道路限速和曲率约束,然后构造速度优化的多目标优化问题,约束条件包含车辆运动学约束、考虑障碍物纵向运动不确定性的避障约束以及参考速度约束,最后以二次规划求解优化问题。本文将曲率以参考速度的形式作为约束,使得速度规划能够在线性优化框架内处理非线性约束,具有一定工程意义。轨迹跟踪控制算法研究:基于车辆动力学解耦,论文分别设计了路径跟踪控制器和速度跟踪控制器。针对路径跟踪控制,本文设计了基于预瞄-跟随理论的前馈控制器和基于误差的反馈控制器,前馈控制器基于人-车-路闭环系统引入预瞄时间自适应修正方法,反馈控制器以航向角误差作为输入对方向盘转角进行补偿。针对速度跟踪控制,本文设计了基于分层控制的速度跟踪控制器,决策层基于模型预测控制计算期望加速度,执行层通过引入车辆滑行曲线进行控制模式仲裁以使车辆平稳运行。执行层中,驱动模块根据全工况纵向动力学模型将期望加速度解析为期望电机力矩,而制动模块直接向执行器请求期望减速度。轨迹规划与跟踪控制算法仿真验证:搭建SCANe R-ROS-Linux联合仿真平台,以城市结构化道路典型工况对算法进行仿真测试。仿真结果表明,本文设计的轨迹规划算法能够规划出合理的期望轨迹,设计的轨迹跟踪控制器能够稳定跟踪规划出的期望轨迹。试验结果证明本课题研究成果能够满足城市结构化道路场景下轨迹规划与跟踪控制需求。