在无人驾驶系统中,路径规划与跟踪模块对于车辆的安全驾驶以及乘员舒适性提高具有重要作用。然而,现有路径规划与跟踪的研究大都集中于直道简单行车场景下,在弯道动态行车场景中,由于交通环境更加复杂,上述路径规划与跟踪方法难以满足复杂行驶工况的需求。因此,本文对弯道动态场景下的路径规划与跟踪进行分析研究,构建弯道动态场景下的路径规划和跟踪策略,实现路径规划和跟踪可根据周围行车环境进行动态调整的目的,提高弯道动态场景下的路径适应性和跟踪精度。针对传统RRT算法在全局路径规划中存在的平滑度差以及具有潜在碰撞危险等问题,提出一种双重优化RRT算法。在传统RRT算法的基础上,引入角度约束采样策略,限制路径的最大转折角,并在算法中加入包络圆碰撞检测的方法提高路径安全性;得到初始路径后,建立以减小碰撞危险、降低路径曲率、提高路径平滑度以及远离障碍物为目标的四项优化函数,以对初始路径进行梯度下降的二次优化,生成最终路径。试验结果表明,本文所提算法与同类RRT衍生算法相比具有更高的平滑度。针对传统离散优化算法在弯道动态场景下适应性较差的问题,提出一种自适应离散优化算法进行局部路径规划。建立候选路径集并构建结合AABB与OBB包围盒的碰撞检测模型,以筛选出无碰路径集;设计损失函数从无碰路径集中选出总损失函数最小的路径作为最优行驶路径。针对传统离散优化算法的最优路径选择方式无法根据行车环境进行合理调整,导致最优路径选择不合理的问题,本文通过考虑行车环境,利用模糊控制的方法自适应调节损失函数的权重因子,并利用多项式拟合的方法根据行车环境合理调节终端采样距离,提高最优路径选择的合理性。针对传统PPC算法在弯道动态场景下跟踪精度较差的问题,提出一种改进PPC与PID结合的路径跟踪算法。构建一种通过车速和横向误差来调节预瞄距离的改进PPC算法,设计合理的模糊控制器来实时调整预瞄距离,并结合基于航向误差的PID路径跟踪算法,建立结合改进PPC与PID的路径跟踪模型,并在不同道路场景下与传统PID、PPC路径跟踪算法进行对比验证。试验结果表明,本文所提算法在不同道路场景下仍能保证跟踪精度,且结果优于对比算法。搭建基于Simulink与Pre Scan的联合仿真测试平台,进行不同速度下本文算法与其他算法的对比仿真测试。结果表明,本文提出的全局路径规划算法能在弯道场景下规划出理想的全局路径;本文提出的自适应离散优化算法相对于传统离散优化算法在弯道动态环境下取得了更加理想的效果;本文提出的路径跟踪算法相对于PPC与PID算法能够提高路径的跟踪精度和鲁棒性,且在中等车速下也能达到一个良好的路径跟踪效果。