随着计算机、先进传感器以及5G通讯技术的发展,无人驾驶技术被广泛的应用在航空、农业、运输等领域。对解决目前由于人口老龄化引起的劳动力短缺、驾驶员等人为因素造成的高交通事故发生率、危险性场所低效率作业等问题具有重要的价值和意义。本文对无人驾驶车辆的路径规划以及跟踪控制关键技术展开了研究,实现了全局路径规划和其平滑优化处理、非单一未知障碍物的规避以及目标路径的自适应准确稳定跟踪。本文主要研究工作如下:（1）全局路径规划研究。针对A*算法规划的路径拐点多,不能满足车辆执行机构约束的问题,采用Minimum＿snap算法对规划出的全局路径进行分段平滑处理。仿真结果显示:在保证全局路径距离尽可能短的前提下,优化后的路径转折点减少,光滑度显著提高,增加了车辆行驶的安全性。（2）路径避障研究。针对车辆依据规划路线行驶时可能会遇到全局路径规划中未知静态障碍物的问题,运用以点质量非线性动力学模型为基础的MPC（模型预测控制）算法以及以速度和距离为参考指标的避障功能函数,实现了在全局路径指导下的局部避障路径的规划,且通过将规划路径参数化处理解决了避障路径规划和跟踪控制的结合问题,得到双MPC的避障规划及跟踪模型。（3）路径跟踪控制研究。针对基于模型预测控制算法所设计的横向跟踪控制策略鲁棒性差的问题,依据路面附着系数以及车速行驶条件的不同,采用BP神经网络对控制策略中预测时域以及控制时域参数进行自适应动态选取,并通过实时优化求解前轮转角控制量实现对横向的控制问题,保证了控制策略的鲁棒性以及精准度。同时,针对增量式PID控制器参数固定不适用于非线性状态时变的纵向速度控制系统的问题,运用BP神经网络对其参数进行动态在线调整并且设置合理的加减速切换策略,进而实现了对纵向速度的自适应精准稳定跟踪。在FTP75城市循环工况下进行变车速跟踪实验,结果表明所设计的纵向速度跟踪策略具有较好的跟踪效果,最大跟踪误差为0.2km/h。（4）联合仿真以及平台实验。使用Matlab与Car Sim软件所建立的联合仿真平台,在典型直线、换道、双移线工况道路场景下,以不同速度以及道路附着状况作为实验变量条件,证明了所优化改进的路径跟踪控制策略具备较好的鲁棒性、稳定性和跟踪精准度以及所设计的局部路径规划具有较好的避障功能。此外,在室内实验平台设计的两种不同测试场景下完成了路径规划以及跟踪控制策略有效性的检验,实验表明车辆能够有效的规划出从指定起点到终点的避障路径且在跟踪过程中跟踪偏差为厘米级精度,符合车辆运行的安全性要求。