In this thesis, a Model Predictive Control (MPC) based re-planning and control system is proposed. The MPC re-planner will generate a collision-free path for the controlled vehicle when obstacles are detected, and the controller will make the vehicle move along the reference or re-planned path by adjusting its velocity and steering angle. The MPC re-planner and controller are built based on different vehicle dynamic models, i.e., the bicycle model and point-mass model, respectively. Simulation results show that the trajectory tracking performance when the velocity and steering are controlled simultaneously are better than using steering MPC alone. Then the effects on computational time of two critical parameters, prediction horizon and control horizon, are studied to find reasonable horizons that can enable real-time control. The robustness of the obstacle avoidance function is tested using obstacles with increasing sizes and the results show that the controlled vehicle is able to avoid a 6 m obstacle so that it can overtake other car-like vehicles in the driving process. Finally, a closed-loop one-lane road with some moving vehicles is built as a test scenario for the MPC-based re-planning and control system. According to the results, the controlled vehicle can successfully follow the centerline of the road and overtake other vehicles. / I detta examensarbete föreslås ett fordonsreglersystem baserat på modellprediktiv reglering (MPC) med en omplaneringsfunktion. Det MPC-baserade omplaneringssystemet ska hitta en kollisionsfri väg åt det reglerade fordonet när hinder upptäcks på vägen och hastighet samt styrvinkel anpassas med hjälp av reglersystemet så att fordonet kan köra längs referensvägen eller den nya vägen efter omplaneringen. Det MPC-baserade fordonsregler- och omplaneringssystemet är uppbyggt baserat på olika fordonsdynamiska modeller, cykelmodellen och en punktmassemodell. Simuleringsresultaten visar att prestandan för trajektorieföljningen är avsevärt bättre i fallet då både fordonshastighet och styrvinkel regleras jämfört med att enbart reglera styrvinkeln. Därefter studerades vilken inverkan två kritiska parametrar, förutsägelsehorisont och reglerhorisont, har på simuleringstiden för att hitta rimliga horisonter som kan möjliggöra realtidsreglering. Omplaneringsfunktionens robusthet utvärderades med hjälp av olika hinder med ökande storlekar. Resultaten visar att det reglerade fordonet har förmåga att undvika hinder upp till sex meters storlek, vilket betyder att fordonet kan passera andra billiknande fordon under körning. Slutligen, för att utvärdera det MPC-baserade regler- och omplaneringssystemet skapas ett testscenario där fordonet kör på en enfilig väg och där det finns andra fordon i rörelse samtidigt. Enligt simuleringsresultaten så kan det reglerade fordonet följa vägens mittlinje samt köra om de andra fordonen som färdas på samma väg.