无人驾驶是一种减少恶性道路交通事故,提升交通效率并满足乘客多样化出行需求的有效方法,并且已经成为了汽车工业发展的重点方向。无人驾驶是一个复杂且庞大的系统,车辆的轨迹规划与轨迹的跟踪控制是该系统的重要组成部分。本文主要针对城市道路中的路口与非路口场景。基于路径速度解耦的思想,将包含时间、横向与纵向的三维规划问题进行降维,转变为两个二维的规划问题。通过先搜索后优化的方式,实现了一个适用于多场景的无人驾驶车辆的轨迹规划框架,并设计了基于三自由度模型的模型预测跟踪控制器。本文的主要研究内容如下:（1）轨迹规划部分,本文设计了基于路径速度解耦的轨迹规划算法。首先利用优化的方式获取平滑的离散参考线。基于参考线构建SL图,采用A*算法搜索初始可行路径,再采用基于二次规划的方法,对路径进行精细规划,最终在保证安全性的前提下对规划路径进行平滑。基于规划的路径与障碍物的预测轨迹构建ST图,采用动态规划的方式搜索粗糙的速度曲线。为提升计算效率,在动态规划算法中加入加速跳出机制。基于粗糙速度曲线选择速度规划的可行域并构建时间与曲率的简化关系,从而将车辆的侧向加速度约束加入到二次规划中,并得到最终的速度曲线。此外,针对路口场景中信号灯与非路口场景中如对向车辆逆行等常见的交通因素,在规划算法中采用障碍物筛选、引入虚拟障碍物与障碍物扩充等措施,对规划问题的可行域加以限制,提升规划算法的泛化能力,使得规划结果更加符合实际。（2）轨迹跟踪控制部分,本文主要设计了横纵向耦合的基于模型预测控制（MPC）的轨迹跟踪控制器。基于考虑纵向加速度的车辆三自由度动力学模型构建模型预测控制算法,并对相关理论进行了相应的推导。为了保证控制的平顺性,选择采用增量式的模型预测控制器,对算法模型进行线性化,以保证其求解速度。设计了简单的底层控制器,利用车辆的滑行曲线,对车辆的行驶模型进行切换,并通过车辆的纵向动力学模型,获得最终的控制信号。（3）算法验证部分。首先构建了基于Prescan、Matlab/Simulink与ROS的联合仿真架构,Prescan用于场景构建,ROS负责算法模块间的通信,Simulink作为仿真信号的接口。为了对本文所设计的规划算法进行验证,针对路口与非路口场景,设计了不同的仿真工况,如换道、无控十字路口、临道车辆切入等。仿真结果表明本文所设计的轨迹规划算法在城市路口与非路口场景下均能够规划出满足各项约束的可行轨迹,基于三自由度动力学模型的模型预测控制器能够将跟踪误差保持在较小范围内。此外,规划算法与跟踪控制算法的运行频率均能够满足无人驾驶系统的严苛需求。