导航规划模块作为无人车的“大脑”,在无人驾驶软件系统中起着承上启下的作用,也是无人车完成复杂任务的关键。如何使无人车在复杂环境中快速规划出一条最优且安全的路径并进行准确地跟踪控制一直是学术界和工业界的研究热点。本文在考虑无人车运动学约束、安全避障性能的基础上对无人车的路径规划、路径简化、路径平滑以及轨迹跟踪控制算法进行研究,提出了基于梯度的前向蚁群算法和符合非完整运动学约束的动态窗口法,并依据纯追踪和Stanley两种控制算法的原理设计了轨迹跟踪控制器。首先,将传统栅格网络地图进行改进,在此基础上,提出了一种基于梯度的前向蚁群算法的全局路径规划方法。该方法可分为前端的路径搜索和后端的路径优化两部分。针对蚁群算法路径规划时收敛速度慢和路径转折点数量较多的问题,本文在前端蚁群算法的转移概率中融合了动态规划算法生成的启发值地图和无人车行进方向两个信息;针对前端路径平滑性和安全性不足的问题,在后端的路径优化算法中,提出了基于Dauglas-Peucker简化冗余转折点和等间距采样路径点方法,将路径优化问题构建成数学上的非线性优化问题,并基于梯度下降法对路径的平滑性、安全性和最优性进行优化。其次,在局部路径规划部分,基于单车模型推导了满足车辆运动学的状态转移矩阵,将驱动移动机器人行驶的线速度和角速度转换为适合驱动无人车的线速度和前轮转角。基于状态转移矩阵,提出了符合车辆非完整运动学约束的动态窗口法,在八字绕环赛道和随机环境中进行模拟实验,验证了改进的动态窗口法对于具有非完整约束无人车的有效性。再次,基于纯追踪算法和Stanley算法原理分别设计了控制器,在Matlab中进行曲线跟踪仿真实验,根据仿真结果总结了二者的特点,综合本文无人车的常用行驶场景,最终选择了纯追踪控制器。最后,基于机器人操作系统ROS和Gazebo分别建立了环境模型和无人车模型,将本文的路径规划算法和轨迹跟踪控制算法融合起来进行仿真实验,结果表明,规划算法所得路径的平滑性和安全性良好,跟踪控制器的跟踪精度较高,能够满足无人车的规划和控制需求。