高级别的无人驾驶汽车所需要的条件太苛刻,低成本的局部地区车辆自主驾驶技术研究就尤为重要,本文研究基于单目摄像机的改进环境感知技术,进行局部区域的路径规划,并设计合适的控制器进行轨迹跟踪,可以在周围环境并不复杂时进行短时间的无人驾驶,本文主要研究内容:首先,针对深度神经网络多特征检测模型复杂、识别速度慢的问题,本文将图像处理技术和卷积神经网络相结合,分别对车道线和车辆进行识别。根据3个不同行车场景的数据集（明亮场景、阴暗场景、雨天场景）,对比多种不同的目标检测跟踪算法对车辆的识别效果,比较其识别精度和速度,采用识别速度和精度都比较好的SSD（Single Shot Multi Box Detector）目标检测算法对车辆识别及定位,在提取进行分类网络训练时通过加入负类样本集,在有限场景下提高SSD算法的识别精度,然后结合图像处理方法的车道线识别技术,进行多特征识别。其次,根据环境感知得到的环境车和车道线信息,使用基于人工势场函数的路径规划算法,建立关于感知到的环境车和车道线势场函数,保证被控车在无环境障碍车时依据车道线行驶,需要进行换道超车时通过此势场函数规划出一条安全的局部超车路径,根据势场函数求解出最优路径,采用曲线拟合的方式规划出一条平滑曲线作为参考路径。最后,根据无人车动力学模型,设计模型预测控制器,加入状态量和控制量约束,进行轨迹跟踪控制仿真,验证此控制方法的可行性,然后进一步采用simulink和carsim的联合仿真方法,验证不同仿真工况下的轨迹跟踪效果。综上,本文研究基于单目摄像机的环境感知传感器,采用神经网络和图像处理相结合的方法,识别出环境车位置信息并拟合出车道线。然后根据外界环境建立相应的势场函数生成局部参考轨迹,并设计模型预测控制器进行轨迹跟踪控制,最后在仿真中验证设计的控制器在轨迹跟踪控制中的跟踪效果。