智能驾驶是当前汽车发展的重要趋势，而主动避障技术是实现智能化无人化驾驶的关键技术之一。本文围绕主动避障中的路径规划与跟随两方面内容展开了初步研究:　　快速搜索随机树算法(rapidly random-exploring trees，简称RRT)作为一种传统的路径规划算法，有着搜索速度快、计算时间短的优点，但也存在随机树扩展遍布规划空间、搜索不具有趋向性、路径曲率变化大且结果重现性低、路径分布不符合车辆正常行驶时的轨迹及避障不及时等缺陷。因此，本文在原RRT算法的基础上提出了改进的EXP-RRT算法。通过建立直道和弯道的期望路径模型，采用高斯分布描述随机采样点，并引入启发式搜索机制，增加规划决策来改进RRT算法。与原算法对比，结果表明：改进算法所规划的路径质量显著提高，规划时间缩短一倍。同时，在CarSim软件中搭建直道和弯道仿真场景，跟随规划路径，结果表明:改进后的RRT算法所得路径具有较好的可跟随性，且侧向加速度在车辆稳定性要求范围内，说明采用改进后的RRT算法进行汽车局部路径规划可行、实用。　　为实现对目标路径的跟随，在二自由度非线性车辆动力学模型的基础上，采用微分几何方法(differential geometry based control algorithm，简称DGA)来处理车辆模型并设计了路径跟随控制规律。通过与CarSim路径跟随以及模型预测控制(Model Predictive Control，MPC)路径跟随的效果对比，验证了该控制方法具有良好的跟随性能。最后，将规划、跟随作为一个整体来进行仿真实验，结果表明，二者能够很好的结合。