近些年,我国汽车保有量迅速增长。汽车给人类带来便利的同时,也导致了交通事故等诸多问题。而智能车辆作为解决这些问题的有效办法,逐渐受到人们的追捧。路径规划和跟踪控制作为自动驾驶的关键技术,已成为当今研究的热点。本文依托于国家自然科学基金项目“智能汽车复杂动态环境的深度层次感知与理解方法研究”（项目编号:U1864204）,针对智能车辆路径规划和跟踪控制方法展开研究,具体内容如下:（1）研究了智能车辆全局路径规划的方法,基于Floyd方法规划通过必经点的全局最短路径。介绍了惯性组合导航的原理及其重要性。根据语义拓扑地图的关键节点,利用RTK＿SINS采集各路段坐标。将坐标通过高斯变换、坐标转置、坐标平移转化到当地坐标系下,完成全局高精度地图的建立。建立权重有向图,通过Floyd算法完成全局最短路径规划。最后利用三次准均匀B样条方法拟合得到平滑连续的全局路径。（2）研究了智能车辆局部路径规划的方法,提出一种改进的人工势场法与A*的混合算法。在改进斥力函数的基础上,引入原始路径约束、危险行驶边界约束以及车辆运动学约束,完成对人工势场法的优化。针对车辆、障碍物、目标点共处一线的局部最优问题,先用A*算法规划出航向角突变的中间目标点,再用改进的人工势场法根据中间目标点完成分段规划。仿真实验表明,该混合算法面对障碍物时成功规划出一条连续平滑、无碰撞的局部路径,且不会陷入局部最优。（3）研究了智能车辆路径跟踪控制的方法,设计了多约束的LVT MPC路径跟踪控制器。通过合理假设与简化,建立车辆动力学模型,随即线性化、离散化后得到线性时变模型。利用车辆前轮转角作为控制量,并引入质心侧偏角、侧向加速度、车轮侧偏角约束,设计了LVT MPC路径跟踪控制器。最后进行低中高车速、低中高附着系数路面的仿真试验。结果表明,车辆可以平稳准确地跟随目标路径,且转向变化平滑,验证了该控制器面对不同行驶工况的有效性、适应性与鲁棒性。（4）完成局部路径规划与跟踪控制算法的实车数据验证与分析。介绍了智能车辆实验平台以及转向执行器的设计方案。基于该实验平台进行实验数据采集,并进行算法的验证与分析。结果表明,混合算法在面对障碍物时能够成功规划出一条平滑、无碰撞的局部路径,且不会使车辆陷入局部最优。LVT MPC控制器能够控制车辆准确地沿目标路径行驶,且转向变化平滑,达到路径跟踪对于控制精度、平稳行驶的要求。