近几年我国汽车保有量一直处于逐年上升的趋势,为了缓解车位供给短板与交通拥堵的问题,智能驾驶方案应运而生。自动泊车由于场景较为固定、行驶速度较低,所以安全问题容易解决,现在已经成了无人驾驶最先落地的应用场景。通过对当前自动泊车路径规划与跟踪控制算法研究的梳理,发现当前泊车路径规划方法存在对泊车起点姿态要求较高、实时性较低以及对路径平滑处理未满足要求等问题;而对于当前泊车横向控制器的研究大都使用笛卡尔坐标系,难以直观地显示车辆与路径的相对位置关系,不便于建立更为准确的状态量偏差,从而难以提高控制精度。本文在此基础上提出基于Hybrid A*算法的泊车路径规划方法与基于Frenet坐标系下的LQR横向控制器,仿真结果表明,本文提出的改进Hybrid A*优化算法实时性较高,可以规划出安全的泊车路径,而且在Frenet坐标系下采用更准确的状态量偏差建立的最优控制器,提高了车辆的跟踪控制精度。本文具体研究内容如下。首先,通过分析自动泊车低速大转角的运动状态,从而选择车辆的运动学模型,并在此基础上提出基于直线检测的碰撞检测算法,提高了碰撞检测的准确性。并且为了提高Hybrid A*算法在自动泊车中的规划速度,提出由当前栅格节点向泊车终点位姿扩展Reeds-Shepp曲线,减小中间过程相邻节点的扩展次数,同时也解决了泊车路径规划对起点姿态要求较高的问题。由于在路径搜索时引入Reeds-Shepp曲线,导致规划的路径曲率不平滑,而且传统Hybrid A*优化算法不能满足路径的平滑性要求,所以本文提出新的梯度下降法作为Hybrid A*的优化算法。经由仿真对比验证,本文使用改进的梯度下降法平滑算法,使得参考前轮转角转动平稳,路径的曲率也更平滑,满足车辆行驶平稳的要求。其次,针对传统LQR跟踪路径匹配点误差较大的问题,本文提出基于Frenet坐标系的LQR横向控制器,该控制器将规划的泊车路径作为参考线,借助车辆在路径上的投影点求出车辆在Frenet下的位置,因此能更方便体现车辆与参考路径的横向误差与航向误差,采用准确性高的状态量偏差建立的目标函数,在提高跟踪精度的同时,也降低了状态量偏差权重矩阵的维度,使调节过程更为容易,然后详细阐述本文LQR控制器参数的选择策略。通过Frenet坐标系下LQR与传统LQR控制器的仿真对比,结果表明Frenet坐标系下LQR跟踪效果更好,横向偏差和航向偏差都保持在较低范围内。最后搭建CarSim/Simulink仿真平台,利用上文规划的路径以及推导出的LQR横向控制器,分别在平行泊车、狭小车位与垂直泊车工况下验证改进优化Hybrid A*算法规划路径的有效性,该算法可以根据不同的起点位姿规划出安全、可行的路径,同时也满足等效前轮转角转动平稳的要求;而且本文提出的基于Frenet坐标下的LQR控制器,能更好地反映车辆与路径的横向偏差和航向偏差,提高了横向误差与航向误差的控制精度,仿真结果验证了横向控制器的鲁棒性。