随着人工智能的大力发展,汽车自动驾驶技术获得了前所未有的关注。智能化程度的提升减少了人为因素对汽车行驶的影响,不仅可以提高汽车行驶的安全性,改善交通秩序,减少道路交通事故,提高交通系统的运输效率,还可以缓解日益严峻的环境污染问题。路径规划和轨迹跟踪控制属于自动驾驶中的决策规划层,直接决定汽车的行驶表现。本文针对智能汽车路径规划与轨迹跟踪控制问题开展研究,以期提升自动驾驶过程中的搜索效率、安全性和舒适性,主要研究内容包括以下五个方面:（1）针对传统蚁群算法应用在全局路径规划时出现的距离障碍物过近、收敛速度慢、容易出现局部最优解的缺点,提出改进融合蚁群算法。首先,借鉴A星算法的启发式搜索思想对蚁群算法的状态转移概率进行优化,其次,改进信息素更新机制,最后,设置安全因子和选择概率因子。解决了距离障碍物过近和容易出现局部最优的问题,规划路径距离更短,搜索效率更高。（2）针对传统高阶多项式曲线算法在求解局部路径规划问题时出现的计算过程复杂,运行时间长的问题,提出改进五次多项式算法。首先建立中转位置的动态选择策略,其次在中转位置前后进行两次规划,并在规划过程中增加汽车舒适度约束。改进五次多项式算法提高了汽车行驶操纵稳定性、舒适性和安全性。（3）为了使规划路径适合汽车行驶,提出一种优化三阶贝塞尔曲线平滑方法,通过优化控制顶点的选择消除路径尖峰,在路径特征不改变的前提下减少了转折点数量并减小规划路径长度。（4）针对模型预测控制算法中计算量大,控制量突变,出现无解情况的问题,提出改进的模型预测控制方法。根据汽车运动学建立预测模型。将目标函数中的控制量转化为控制增量,对其进行约束。在目标函数中加入松弛因子,防止在执行过程中出现不可行解。（5）将提出的路径规划和轨迹跟踪算法分别在基于ROS系统的智能小车和改装的整车实验平台上进行了实验验证。结果表明,本文提出的规划算法能够很好地完成路径规划,基于改进模型预测控制的轨迹跟踪算法有良好的控制效果。