近些年来,国民经济的快速发展使得汽车保有量急剧增加,引发了众多能源环境问题和交通问题。无人驾驶系统和智能交通系统是解决这些问题的可行方案,该领域的相关技术是当前的研究热点并已取得一定突破,但受到技术瓶颈和法律法规等因素的限制,仍难以在实际场景中得到全面应用,需要不断完善和提高。自主泊车技术是无人驾驶技术的重要构成部分,泊车环境的复杂化导致泊车难度增加,使得对泊车技术应用的诉求逐渐强烈。另外,泊车工况具有场景较为固定和行驶速度较低的特征,也使得该技术的研究成果较易落地应用。因此,针对自主泊车技术的研究有很高的实际意义和研究价值。本文以单车自主泊车场景和自主代客泊车场景为研究对象,对自主泊车轨迹规划和跟踪控制进行深入研究。具体研究内容如下:（1）针对单车在局部环境泊车场景中的轨迹规划问题,采用最优控制问题形式进行描述,建立包含加速度和转向盘转速限制的车辆运动学模型以及车辆自身运动特性约束,根据泊车场景建立泊车过程中的环境约束和车辆避撞约束,构建单目标或多目标的性能指标函数。采用伪谱法对最优控制问题的状态变量和控制变量在配点处进行离散化处理,将其转化为非线性规划问题并进行求解,从而获得最优泊车轨迹以及控制序列。（2）为了提高轨迹规划最优控制问题求解的精确性和收敛速率,在求解过程中不满足精度要求时,采用hp自适应伪谱法根据计算误差对时域内配点数和时域个数进行动态调整。为了进一步提高算法计算速率,根据人工泊车经验对泊车场景区域进行分割,提出了基于分段伪谱法的自主平行泊车轨迹规划策略,对不同区域分别构建轨迹规划最优控制问题以减少约束规模。针对垂直泊车场景中泊车位宽度较为狭窄导致泊车轨迹规划困难的问题,提出了同伦法与伪谱法相结合的轨迹规划算法,采用同伦法构建约束函数和包含简单约束最优控制问题,在迭代求解过程中逐渐逼近原问题以获得原问题的最优解,其中采用较简单问题的解作为初值来提高求解的收敛性。为了满足实际应用时的实时性要求,根据离线求解获得最优轨迹来构建在线求解的初值数据集以提高求解收敛速率,仿真结果表明,该策略下计算耗时仅需要1s左右,满足自主泊车轨迹规划实时性要求。在此基础上提出了基于自由采样频率下的泊车轨迹重规划策略,结合最优初值完成在线轨迹规划。（3）对自主代客泊车场景下车辆全局轨迹规划问题进行研究,在传统A*算法中引入动态启发式函数,根据车辆周围环境对启发式函数中的权值进行调整,通过减少搜索过程中扩展节点数目以加快计算速率并获得可行路径。在该路径的路点间构建轨迹规划最优控制问题并采用伪谱法进行离散化求解,考虑到存在因局部路点间路径曲率过大,不满足车辆运动学约束而导致轨迹规划失败,提出了分段回溯迭代策略以提高迭代求解的成功率。另外,对于该场景中多车运动轨迹的冲突问题,提出了基于启发式初值的最优控制问题计算框架,根据车辆之间的冲突时域,采用集中式控制方式构建多车协同运动轨迹规划问题,通过缩减协同控制区域范围以减小离散后的约束规模,从而降低运算复杂度。（4）根据求解获得的泊车最优轨迹作为参考轨迹,采用模型预测控制理论设计泊车轨迹跟踪控制器,建立车辆线性时变运动学模型对未来状态进行预测,以状态误差和控制增量最小为预测时域内的目标函数,并对该时域内局部最优控制问题进行求解,获得最优车速和转向盘转角以实现泊车轨迹的跟踪控制。针对泊车轨迹曲率较大以及参考轨迹长度有限,提出了基于轨迹参考速度的预测时域长度动态调整策略,以解决在跟踪过程中末端轨迹参数失配而导致无法跟踪的问题。（5）搭建自主泊车实车试验平台,基于嵌入式平台开发泊车控制器,对采用本文提出的轨迹规划算法获得的最优泊车轨迹有效性进行验证。基于Car Sim和A&D5436搭建驾驶模拟试验平台并构建虚拟仿真场景,通过硬件在环试验验证了多车协同运动轨迹规划和泊车轨迹跟踪控制算法有效性。