随着近两年人工智能技术的飞速发展,自动驾驶技术也正逐渐被广泛应用于各种场合。路径跟踪作为自动驾驶技术中最重要的一环,直接决定了车辆能否沿着规划的路径行驶。在城市道路上,由于存在道路线且路面相对较平坦,因此对于车辆路径跟踪的要求较低,单独的横向控制可以直接控制车辆进行变道,而在同一车道内,单独的纵向控制也可以直接控制车辆速度的变化。但在野外崎岖环境下,路面的不平整会对车辆同时造成横向与纵向的冲击,严重影响车辆的跟踪精度。因此,本文对于横纵向综合跟踪控制进行了如下的研究:横向控制选用了模型预测（Model Predicitive Control,MPC）的控制算法。建立车辆的运动学和动力学模型,并将这二者转化为状态空间;对转化后的方程式作相应模型预测的改写,分析在下一个预测时域内车辆的行驶路径,控制当前时刻的输出量,获得车辆横向位移误差与前轮转角的关系表达式。仿真结果表明,不同的车辆模型在不同的车速下,横向控制精度不同,在不同路面附着系数下,速度对横向控制的影响较大。纵向控制选用了双PID的分层控制算法。上层控制器采用双PID的方法,获得车辆在当前时刻需要补偿的加速度。下层控制器根据每一时刻车辆的实时车速和补偿加速度,获得车辆的加速与刹车参数值。仿真结果表明对于不同的车速曲线,纵向控制算法均能实现对车速的跟踪,对于不同的路面附着系数,会存在因车轮打滑而导致的速度与加速度突变的情况。综合横向控制与纵向控制,并分别解决综合后出现的问题。对于运动学与动力学模型适用情况不同,根据车速的阈值,设计模糊控制的隶属度函数,实现模型切换;对于车辆转向过程中出现的转向不足,通过增加PID速度补偿器来弥补;对于不同路面附着系数下的跟踪控制,根据轮胎模型通过滑移率估计路面附着系数,并绘制了路面附着系数与速度加速度的对应表,从而增加车速跟踪控制过程中的约束。仿真部分,选取了不同的场景,其中包括三种常规场景和一个崎岖路面,结果表明,横纵向综合控制算法能很好的适应不同场景和不同路面,提高车辆在野外崎岖环境的跟踪精度。