随着城市道路拥堵和停车难的问题日益凸显,为减轻驾驶员的泊车负担,缓解停车难问题,自动泊车驾驶辅助系统得到广泛研究。但是目前基于采样的泊车路径规划方法在采样时对泊车终点和车位边界考虑较少,所以算法在搜索路径时缺乏方向性的引导并且路径可能会靠近某一车位边界;车辆跟踪控制算法的性能大都依靠人为经验确定,缺乏定量分析。因此本文采用基于RRT*与人工势场法为基础的融合算法进行泊车路径规划,在泊车控制方面采用由PSO算法优化后的LQR控制器对车辆进行控制。仿真结果表明,本文所提出的路径规划算法效率更高,并且由于采样时考虑到车位边界对车辆的影响,规划出的路径能够和所有车位边界保持一定距离;经PSO算法优化后的LQR控制器收敛速度更快,控制精度更高。本文首先建立适用于泊车场景的车辆运动学模型,并对常见泊车场景进行简化分析,给出车辆行驶的碰撞检测方法。然后在路径规划方面提出一种基于人工势场法与RRT*融合的路径规划算法（APF-RRT*-RS）,用以提升路径搜索效率。为满足车辆的非完整性约束,本文结合Reeds-shepp曲线对RRT*算法节点扩展方式进行改进,并对算法单次采样扩展节点数目进行优化,用以提升算法效率,针对APF-RRT*-RS规划路径是一条曲率并不连续的圆弧和直线的组合路径,本文采用B样条曲线对规划路径曲率进行平滑。最后通过水平、垂直、斜式三种常见泊车场景对规划算法进行验证,证明该算法可以快速规划出满足车辆行驶曲率要求和碰撞约束的泊车路径。其次对于泊车控制方面,本文将车辆横纵向控制器分开设计,横向控制器采用PSO算法对LQR控制器的权重矩阵进行参数优化得到最优控制矩阵,然后计算等效前轮转角控制车辆横向运动,纵向控制器采用PID算法对车辆纵向速度进行控制。为验证控制效果对两种横向控制器进行仿真,结果表明,本文设计的车辆PSO-LQR横向控制器相对于传统的LQR横向控制器具有更高的控制精度与更快的收敛速度。最后,本文基于Car Sim/Simulink对平行、垂直、斜式泊车场景进行联合仿真实验。仿真结果表明,本文提出的APF-RRT*-RS路径规划算法对于常见泊车场景都可以规划出曲率连续且与车位边界保持距离的泊车路径,优化后的泊车控制器使车辆在路径跟踪过程中横向误差与航向误差都保持在较小范围内,可以对规划路径进行有效跟踪。