无人驾驶车辆是智能交通系统的重要组成部分,是一种通过环境感知、路径规划、决策和控制等技术实现车辆自主行驶的移动机器人,旨在解决日益严峻的交通安全问题,解放驾驶员的双手,缓解交通堵塞,提高道路利用率。横纵向控制是无人车的关键技术之一,本文的研究内容集中在高速公路场景下无人驾驶车辆的控制系统设计,包括运动状态观测器、横向控制系统和纵向控制系统三部分,可以实现纵向速度跟踪和车距保持,以及横向车道保持。首先,为了实施反馈控制,需要可靠的车辆运动状态观测器,本文从车辆阿克曼转向模型依次简化得到了单轨运动学模型和质点运动学模型,利用质点运动学模型推导局部线性化的状态转移方程,基于扩展卡尔曼滤波设计了车辆运动状态的观测器。同时设计了估计噪声方差的方法,得到更精确的观测噪声协方差矩阵。其次,推导纵向动力学模型,分别设计了纵向速度规划和速度控制算法。对于纵向速度规划,设计了基于模型预测控制(Model Predictive Control,MPC)的车距保持算法和平滑速度规划算法,以及两种算法的切换逻辑;对于纵向速度控制,设计了前馈补偿的PI控制算法用于车速跟踪。再次,推导横向动力学模型,并设计了模型参数的估计方法,通过测量、轨迹拟合、系统辨识等方法分别得到了轴距、转向系传动比、转向系固定偏角、整车质量、转动惯量、质心位置和前后轮侧偏刚度,这些参数对横向控制算法的控制精度有重要影响。对于横向控制,推导了线性的关于道路坐标系的横向动力学误差模型,基于该模型设计了线性二次型最优跟踪控制(Linear Quadratic Tracker,LQT)算法用于跟踪目标路径。最后,使用Car Sim与Simulink联合仿真的方式,分别测试横纵向相关算法的功能实现和控制性能。对于纵向仿真实验,分别测试了平滑速度规划和车距保持,以及车速跟踪效果;对于横向仿真实验,分别测试了圆弧路径跟踪和曲率变化的路径跟踪。结果表明,本文设计的横纵向控制相关算法能很好的实现功能并有良好的控制性能。