无人驾驶技术作为智能交通系统中重要的一环,推动着智慧城市的建设,在提高城市服务质量和交通运输效率发挥着重要作用。而无人驾驶清洁车辆作为城市服务类车辆的重要组成部分,研究其路径规划与轨迹跟踪控制技术,对提高车辆日常运行过程中的作业效率、保障行驶安全,具有重要的研究价值和实践意义。本文主要以无人驾驶清洁车辆作为研究对象,重点研究其在结构化的园区环境中进行全覆盖路径规划与轨迹跟踪控制的方法。本文的研究内容主要围绕以下几个方面:（1）搭建一种可实现无人驾驶清洁车辆进行环境感知与导航规划的硬件平台,并设计一种远程监控调度系统对车辆进行开发与调控,提高算法开发效率的同时,加强对车辆的安全管理。（2）基于搭建的无人驾驶清洁车辆平台,展开对环境地图构建与车辆定位系统的研究。研究发现,车辆在封闭或者遮挡较多的场景中,存在无法自动定位的问题。对此,本文提出了一种基于DBow3词袋模型算法辅助车载相机进行自动匹配定位的方法。首先针对SLAM定位与建图算法进行研究,选取性能及效果优良的cartographer算法进行环境地图的构建;然后通过DBow3词袋模型算法辅助车载相机进行地图的回环检测,计算车辆在封闭环境中的概率定位位姿,最终输出到粒子滤波器中进行车辆位姿的跟踪,达到良好的自动匹配定位效果。（3）在实现环境地图构建与车辆自动匹配定位后,本文对无人驾驶清洁车辆的路径规划技术展开了深入研究。研究发现,车辆在环境中执行全覆盖清洁任务时,普遍存在重复率偏高和覆盖率偏低的问题;且当遇到障碍物较多的区域时,会容易产生线路规划凌乱甚至不能覆盖的问题。对此,本文提出了一种基于分治思想的全覆盖路径规划算法,根据环境地图生成分段式路径序列,然后采用分治算法进行路径点的匹配,最后结合A*和TEB算法实现全覆盖路径规划算法的设计。通过实验,与牛耕式单元分解结合生物激励神经网络覆盖算法进行对比,结果表明在障碍物较多的区域中,本文设计的算法仍能较好地规划出工整可行的路径,覆盖率高达91.3%,重复率降至9.4%。（4）对无人驾驶清洁车辆规划的路径进行精确的跟踪,是实现车辆安全行驶与高效服务的关键环节。本文首先通过对车辆的二自由度运动学特征进行分析与建模,分别采取MPC与纯跟踪控制算法对车辆规划的清洁路线进行跟踪实验,测试结果显示MPC控制器优化解算时间不稳定,在大曲率、大横向偏移情况下,难以在短时间内获得可靠解;纯追踪控制器解算速度快,可动态地调整工况参数以纠正跟踪的偏差,适合低速无人驾驶车辆进行轨迹跟踪。因此本文选取了纯跟踪算法对规划线路进行实时的跟踪,并提出了利用道路曲率进行前馈控制,将前视距离转换为与曲率和速度变化相关联的线性函数,以改进纯跟踪算法,解决车辆在道路曲率较大的拐弯处路径跟踪效果差的问题。最后,通过改进的算法对规划的全覆盖路径进行轨迹跟踪实验,测试结果表明无人驾驶清洁车辆在大曲率、大偏移的弯道场景下,本文算法仍能进行准确的轨迹跟踪。本文从无人驾驶清洁车辆的路径规划与轨迹跟踪问题出发,提出了基于DBow3词袋模型算法辅助相机进行自动匹配定位的方法,解决了车辆在封闭或遮挡较多的场景中无法自动定位的问题;在实现车辆准确定位的基础上,提出了基于分治思想的全覆盖路径规划算法,解决车辆在障碍物较多的区域中进行路径规划时容易产生线路凌乱的问题;最后,基于规划生成的路径,提出了改进的轨迹跟踪控制算法实现车辆对路径的准确跟踪,解决了车辆在大曲率、大偏移的道路场景下轨迹跟踪效果较差的问题。