随着汽车电子化和高级辅助驾驶技术的快速发展,自动驾驶作为辅助驾驶技术的高级阶段,俨然成为未来解决交通出行的重要方式,已成为全球范围内的一个新的技术研究热点和重点。自动泊车系统能够在驾驶最终的泊车阶段解放驾驶员,而自学习型泊车系统又是自动泊车的高级阶段,依赖视觉与雷达等多传感器融合,实现在停车场的快速建图定位以及驾驶员在停车场泊车过程的路径学习。针对自学习型泊车系统的路径规划和跟踪控制算法,确定了规划控制总体方案,分析各模块的理论基础和数学模型。本文给出完整的自学习型泊车系统路径规划和跟踪控制模块的算法设计和程序实现,主要内容包括路径规划算法、纵向控制算法和横向控制算法。路径规划分为泊车循迹规划和泊车入库规划两个部分,提出基于曲线拟合的循迹路径规划算法;基于动态规划和二次规划进行避障最优路径规划算法设计;以及设计基于HybridA*算法的入库算法。传统的纵向控制算法并未考虑底层制动系统的响应过程,无法满足自动泊车需求的停车精度。为解决该问题,提出了LPC-PID协同纵向控制方案,该方案基于一种先进的纵向预测控制算法（LPC,longitudinal predictive control）。LPC算法能够主动预测制动距离,兼顾车速规划与纵向控制。建立制动系统的动力学模型和整车制动运动学模型,提出纵向制动响应的指标,通过理论推导和实车测试辨识制动响应模型。目前的横向控制算法对于中曲率和大曲率路径跟踪误差大、时效性差,是由于自学习泊车系统使用场景特点为路径曲率大、车速低。针对该问题,本文提出了一种新型曲率自适应模型预测控制算法,在保证时效性的同时,提高了MPC控制器针对曲率的适应性和鲁棒性,其对曲率的自适应性主要来自于新型曲率前馈补偿器和代价函数权重的曲率自适应结构。基于ros作为通讯中间件,完成程序开发,编译和部署。在模拟器中完成路径规划和跟踪控制节点仿真,并进行实车闭环测试。经过验证,先进纵向预测控制算法停车精度小于10cm;自适应模型预测控制算法横向误差小于20cm,相对于标准的MPC控制器稳态横向误差降低51%,峰值横向误差降低46%。