随着社会的不断发展和智能网联技术的不断进步,自动驾驶车辆和智能交通系统的应用也越发普遍。自动驾驶车辆作为实现智能交通系统的重要环节,具有良好的研究价值和应用前景。本文在此背景下,重点研究了低速自动驾驶车辆路径规划和跟踪控制技术,为实现自动驾驶路径规划和跟踪控制任务提供了基础。针对自动驾驶车辆路径规划和路径跟踪问题,本文首先建立了适用于低速环境下的车辆运动学模型并对模型在参考点进行线性化和离散化,建立了适用于模型预测控制的带车辆几何约束的状态空间方程。构建了适用于路径规划的栅格地图,通过栅格地图模拟车辆的行驶环境,便于进行路径规划算法的设计。接着基于A*算法,对其启发函数和搜索节点的扩展方向进行改进设计,添加预处理过程,提出基于预处理变权重系数的A*全局路径规划算法用于车辆全局路径规划。对于局部路径规划算法,对基本快速搜索随机树（RRT）算法的父节点和转角约束进行了优化,添加自适应偏向概率,设计基于自适应偏向概率的RRT局部路径规划算法,缩短路径长度,控制路径转角。使用三次样条函数作为路径平滑器,提升规划路径的平滑度。在全局规划和局部规划的基础上进一步提出一种多级路径规划框架,以适应动态交通环境中的规划任务。然后基于模型预测控制算法设计车辆的路径跟踪控制器,通过模型预测问题的建立和转化,将控制问题目标函数求解转化为二次规划问题的求解。基于二次规划问题求解应用一种新的优化解算器,结合对偶算法使用优化解算器进行迭代优化求解,提出了一种基于优化解算器的MPC路径跟踪控制算法,提高求解效率,提升跟踪精度。在回转曲线和任意曲线跟踪任务中,将单周期求解时间缩短0.024s和0.023s,跟踪误差和分别减少0.07m和0.11m。在三种场景下,通过Matlab/Simulink和Carsim联合仿真验证所设计的控制器和优化解算器的有效性。最后基于所设计的多级路径规划框架和路径跟踪控制器,搭建实车实验平台,通过对自动驾驶系统软硬件系统的构建,选取停车场作为试验场地,对五种常见的低速工况进行了实验,验证了本文所设计的多级规划框架和路径跟踪控制器的有效性。