智能车辆是未来智慧城市交通的重要参与者,其路径规划与路径跟踪技术已成为实现无人驾驶的核心技术之一。通过对路径规划与路径跟踪算法的研究,为智能车辆设计安全、可靠和平稳的避障路径,实现车辆在不同环境下的精准避障,顺利抵达目标位置,已成为目前研究的热点。为了提高路径规划算法的全局优化性能和规划路径稳定性,本文基于人工势场法、Bug算法和模型预测控制理论,提出了一种混合路径规划算法和路径跟踪控制器,最终在实车中对算法进行了验证。具体主要工作如下:首先,构建智能车辆安全距离与运动学模型。对智能车辆超车换道过程进行分析,得到智能车与前方障碍物车辆的碰撞条件,建立车辆的最小安全距离模型与车辆运动学模型,为智能车辆超车过程的路径规划及路径跟踪部分提供模型基础。其次,设计智能车辆的超车路径。根据传统人工势场算法的优缺点,探索智能车辆物理特性对路径规划的影响,在势场函数中引入车辆运动学参数,提高人工势场算法所规划路径的安全性,并设计了一种静态避障环境,以不同质量和不同行驶速度的车辆为对象,对改进算法进行仿真验证。同时,为解决在复杂环境下基于人工势场法的车辆避障路径易陷入局部极值的问题,引入Bug算法以提高路径规划算法的最优性,以势场合力为零点为桥梁将改进人工势场法与Bug算法相结合,提出了一种混合路径规划算法,分别在多种静态避障场景中验证所提算法的有效性。接着为了验证所提算法在动态超车场景中的有效性和稳定性,设计了一种前方障碍物车辆稳定行驶的动态超车场景,并将仿真结果与其他已有文献进行对比;为了验证所提算法的鲁棒性,设计了一种前方障碍物车辆不稳定行驶的动态超车场景。然后,基于模型预测控制理论设计智能车辆路径跟踪控制器。为保证车辆沿已规划的最优超车路径行驶,利用模型预测控制理论设计路径跟踪控制器跟踪超车路径,并搭建Car Sim/Simulink联合仿真平台,验证路径跟踪控制器的跟踪效果。最后,建立智能车试验平台,验证本文所提混合路径规划算法的实际可用性。以基于STM32的智能车为实验载体,将路径规划算法和路径跟踪控制器转化为C代码嵌入车辆控制单元。利用车载超声波传感器测量智能车辆与前方障碍物车辆之间的距离,通过整车控制器获得并跟踪智能车辆的最优超车路径。结果表明,与传统人工势场法相比,本文所提混合路径规划算法可有效提高超车成功率、稳定性和安全性。