自动驾驶技术对提高出行效率、保障驾驶安全、构建智能交通系统等方面具有重要意义。结构化道路场景是目前自动驾驶技术研究开展和落地的重要环境。轨迹规划技术与跟踪控制技术是自动驾驶系统中的核心部分。但将现有技术应用于结构化道路场景中仍存在不足,对于轨迹规划技术而言,轨迹决策的完备性及质量有待提高,轨迹优化具有维度高、复杂度大等问题;对于跟踪控制技术而言,存在车辆非线性动力学模型描述困难、多状态变量约束复杂、求解效率低等问题。轨迹规划模块与跟踪控制模块联系紧密、功能耦合性大,两者作为自动驾驶技术中的核心模块,研究安全可靠、实时性高的算法具有重要意义与工程价值。为此,本课题以结构化道路的轨迹规划算法和跟踪控制算法为研究对象,主要研究内容如下:（1）为在结构化道路场景中准确地、高效地构建Frenet坐标系,设计基于分段五次样条曲线的参考线优化算法和基于两阶段方法的匹配点搜索算法。将高离散、低精度的原始参考线位置数据进行分段并采用五次样条曲线进行拟合,基于数值优化算法构建二次规划的最优化命题,求解得到平滑参考线,以此为基准线将笛卡尔坐标的状态量转换至Frenet坐标系。对于状态量在参考线上的匹配点搜索,提出结合二阶最小化方法和牛顿法的两阶段搜索算法,在第一阶段快速收缩匹配点的范围区间,在第二阶段进行精确计算求解匹配点,降低构建Frenet坐标系的运算耗时。通过Matlab编程仿真验证提出的参考线优化方法具有较好的平滑性,验证坐标转换算法的准确性和转换高效性。（2）基于Frenet坐标系设计采样搜索与数值优化相结合的轨迹规划算法。为保证轨迹规划命题的完备性和优化求解的快速性,提出协同决策、解耦优化的分层式轨迹规划框架,上层轨迹决策部分构造T-S-L时空解空间,设计基于动态规划算法的采样搜索方式,求解得到包含车辆粗糙路径信息和速度信息的决策轨迹;下层轨迹优化部分将轨迹优化解耦为路径优化和速度优化,采用隧道化思想以决策轨迹为基线铺设凸化的优化空间,提出非均匀离散式空间以合理分配数值优化的算力,并采用泰勒展开思想建立精确障碍物边界碰撞约束保证离散空间中碰撞检测的精确性,保证避障安全性的同时降低优化命题的复杂度。综合考虑行驶安全性、驾驶舒适性、车辆运动学能力以及交通规则等多方面因素构建二次规划形式的路径和速度优化模型,减少整体模型的优化参数和约束条件,降低求解难度。通过Matlab编程仿真验证本文提出的轨迹规划算法可规划安全舒适的路径和速度曲线,并且具有较好的求解速度。（3）为匹配轨迹规划模块输出的路径和速度信息设计横、纵控制解耦的跟踪控制算法。构建的纵向控制器为分层式结构,上层采用PID控制基于速度误差得到期望加速度补偿值,下层制定加速/减速切换逻辑,并基于动力逆模型推算油门节气门开度值和制动油缸压力值;构建的横向控制器是采用车辆动力学模型的模型预测控制器,合理简化车辆动力学模型得到线性预测模型,设置控制量约束和状态量约束,设计二次规划形式的最优化控制模型。为提高优化的收敛速度,利用模型预测滚动优化的特点,将历史优化求得的解向量进行数据扩展并作为下一次优化的初始解,以达到热启动的效果。最后通过Matlab编程仿真验证本文提出的轨迹跟踪控制算法具有较好的实时性和准确性。（4）基于Carsim与Matlab/Simulink建立自动驾驶算法测试平台,使用实车的整车动力学参数完成车辆模型的参数配置,构建贴近现实的结构化道路场景,设计超车、跟随和弯道避障共三个工况,对本文提出的轨迹规划算法和跟踪控制算法进行实验及结果分析。实验结果表明:本文提出的参考线平滑算法可有效进行参考线平滑;提出的轨迹规划算法可规划合理可行、安全舒适的运动轨迹,具有较高的求解效率;提出的跟踪控制算法可有效、准确地进行轨迹跟踪,且实时性满足系统要求。