无人驾驶车辆的出现,能够有效的缓解传统车辆所带来的社会问题,被誉为最终解决交通拥挤、减少交通事故、缓解能源压力的有效方案。无人驾驶车辆技术的研发和工程领域的落地顺应汽车发展潮流,符合当下万物智能化的趋势。无人驾驶车辆技术主要包括感知定位、决策规划和路径跟踪控制等三大关键技术。路径跟踪控制是实现无人驾驶车辆的前提,也是无人驾驶车辆能够应用于各种场景的基础。因此研究无人驾驶车辆在弯道变化下的路径跟踪性能具有现实意义。首先,根据无人驾驶的工作原理,改制了无人驾驶车辆平台,并分析了无人驾驶车辆所需的传感器以及传感器的选型;阐述了整车通讯架构,表明线控底盘对研究无人驾驶车辆技术的重要性;通过原理分析了惯性组合导航系统是实现车辆实时高精度定位的关键;基于组合惯性导航系统改制无人驾驶车辆,使用Pure Pursuit算法进行车辆调试,表明基于几何模型的Pure Pursuit算法只适用于低速简单路况,同时为下文基于车辆动力学设计的路径跟踪控制器作对比。然后,为研究基于模型预测原理的路径跟踪控制器,建立了三自由度车辆动力学模型;为进一步保证车辆操纵稳定性和安全性,考虑了轮胎所受的纵向力、侧向力和垂向载荷对车辆行驶稳定性的影响,通过小角度假设,完成车辆动力学的车辆-轮胎模型的建立,并基于模型预测控制原理完成预测模型的推导、目标函数设计和约束条件处理。在搭建的Carsim/Simulink联合仿真平台下进行不同速度、不同附着系数路况下的仿真试验,仿真结果表明在考虑实际车辆约束条件下,基于车辆动力学设计的路径跟踪控制器在中低速的不同路况下具有较好的速度鲁棒性和道路适应性。最后,针对纵向速度恒定的模型预测控制器在弯道变化的复杂路况下路径跟踪精度和车辆行驶稳定性效果不佳的问题,提出了改进的模型预测控制算法。该改进算法是根据行驶路径弯曲度确定车辆在平坦路面上不发生滑移的最大纵向速度,即车辆纵向速度不是假定恒定值;为验证改进算法的有效性,分别在简单“口”字形场地和一个具有直角弯、连续弯和弧形弯等路径曲率变化较大的测试场地进行实车试验。试验结果表明在路径弯曲度变化较大的路况下,改进模型预测控制算法（MMPC）最大横向误差为0.34m,相比于传统的模型预测控制算法（CMPC）最大横向跟踪误差0.89m,减小了0.55m,跟踪精度提高了61.8%。MMPC算法下车辆根据路径弯曲度调整行驶速度能保证路径跟踪精度的同时兼顾车辆行驶的稳定性,并且车辆在入弯或过弯时减速行驶也更加符合人类驾驶员的驾驶习惯。