文章目录

1.自行车模型（汽车二自由度模型）
- 注意点
- - Point1
  - Point2
2.纯追踪控制
- 注意点
- - Point1
  - Point2
  - Point3
3.相关代码
参考文献
声明

全局路径由一系列路径点构成，这些路径点只要包含 空间位置信息即可，也可以包含 姿态信息，但是 不需要与时间相关，这些路径点被称为 全局路径点。
路径（Path）和轨迹（Trajectory）的区别就在于， 轨迹还包含了时间信息，轨迹点也是一种路径点，它在路径点的基础上加入了 时间约束。
目前的主流轨迹跟踪方法分为两类： 基于几何追踪的方法和基于模型预测的方法。
本节介绍一种广泛使用的 基于几何追踪的方法——纯追踪法（Pure Pursuit）。

1.自行车模型（汽车二自由度模型）

详见这篇文章无人驾驶汽车系统入门（五）——运动学自行车模型和动力学自行车模型

注意点

Point1

自行车模型基于如下几个假设：
忽略车辆在垂直方向的运动，即假定车辆是一个二维平面上的运动物体。
假设车辆的结构就像自行车一样，即车辆的前面两个轮胎拥有一致的角度和转速，后面的两个轮胎也是如此，那么前后轮两个轮胎就可以用一个轮胎来描述。
假设车辆运动也与自行车一样，意味着前面的轮胎控制车辆的转角。

Point2

几何自行车模型

自行车模型实际上是对阿克曼转向几何的一个简化。它简化了前轮转向角与后轴将遵循的曲率之间的几何关系：tan⁡(δ)=LR\tan (\delta ) = \frac{L}{R}tan(δ)=RL δ表示前轮的转角，L为轴距（Wheelbase），R则为在给定的转向角下后轴遵循着的圆的半径。

这个公式能够在较低速度的场景下对车辆运动做估计。

2.纯追踪控制

详见这篇文章无人驾驶汽车系统入门（十八）——使用pure pursuit实现无人车轨迹追踪

注意点

Point1

从自行车模型出发纯跟踪算法以车后轴为切点, 车辆纵向车身为切线, 通过控制前轮转角,使车辆可以沿着一条经过目标路点（goal point）的圆弧行驶：
通过正弦定理求出曲率、偏转角与车轴之间的关系。k=2sin⁡αldk = \frac{{2\sin \alpha }}{{{l_d}}}k=ld2sinα ld表示车辆当前位置到目标路点的距离， α表示目前车身姿态和目标路点的夹角
前轮的转向角δ的表达式为：δ=arctan⁡(kL)\delta = \arctan (kL)δ=arctan(kL) 纯追踪算法控制量的的最终表达式：δ(t)=arctan⁡(2Lsin⁡(α(t))ld)\delta (t) = \arctan (\frac{{2L\sin (\alpha (t))}}{{{l_d}}})δ(t)=arctan(ld2Lsin(α(t)))

Point2

为了更好的理解纯追踪控制器的原理，我们定义一个新的量：el—— 车辆当前姿态和目标路点在横向上的误差，由此可得夹角正弦：sin⁡(α)=elld\sin (\alpha ) = \frac{{{e_l}}}{{{l_d}}}sin(α)=ldel 圆弧的弧度就可重写为：k=2ld2elk = \frac{2}{{l_d^2}}{e_l}k=ld22el 考虑到本质是横向上的CTE，由上式可知纯追踪控制器其实是一个横向转角的P控制器，其P系数为 2/(ld)2；
这个P控制器受到参数 ld（即前视距离）的影响很大，如何调整前视距离变成纯追踪算法的关键；
通常来说，ld 被认为是车速的函数，在不同的车速下需要选择不同的前视距离。
一种最常见的调整前视距离的方法就是将前视距离表示成车辆纵向速度的线形函数，即ld=kvx{l_d} = k{v_x}ld=kvx，那么前轮的转角公式就变成了：δ(t)=arctan⁡(2Lsin⁡(α(t))kvx(t))\delta (t) = \arctan (\frac{{2L\sin (\alpha (t))}}{{k{v_x}(t)}})δ(t)=arctan(kvx(t)2Lsin(α(t))) 那么纯追踪控制器的调整就变成了调整系数k。

Point3

通常来说，会使用最大、最小前视距离来约束前视距离，越大的前视距离意味着轨迹的追踪越平滑，小的前视距离会使得追踪更加精确（当然也会带来控制的震荡）。驾驶员在实际驾驶过程中会观察车辆前方一定距离范围内的道路信息,以获得一定的预见性,提前对车辆进行调整,从而取得良好的控制效果。
在路径跟踪过程中,前视距离与车速的大小有直接的关系。当车速较高时,需要较大的前视距离;当车速较低时,较小的前视距离可以达到很好的跟踪精度.

3.相关代码

Pure Pursuit纯跟踪算法Python/Matlab算法实现

参考文献

[1] 纯追踪算法论文
[2] 孙怀江,杨静宇.关于纯追踪模型的讨论[J].计算机学报,2002(12):1445-1449.
[3] 孙木楠,孙怀江.纯追踪模型研究[J].机器人,2001(S1):612-615.DOI:10.13973/j.cnki.robot.2001.s1.010.
[4] 无人驾驶汽车系统入门（五）——运动学自行车模型和动力学自行车模型
[5] 吕文杰,马戎,李岁劳,付维平.基于纯追踪模型的路径跟踪改进算法[J].测控技术,2011,30(07):93-96+100.DOI:10.19708/j.ckjs.2011.07.024.
[6] 无人驾驶汽车系统入门（十八）——使用pure pursuit实现无人车轨迹追踪

声明

本人所有文章仅作为自己的学习记录，若有侵权，联系立删。

自动驾驶路径跟踪控制——纯追踪控制相关推荐

自动驾驶路径跟踪控制——驾驶员预瞄模型
文章目录 1. 驾驶员预瞄控制概述 1.1 第一个得到应用的驾驶员模型(Crossover模型) 1.2 预瞄概念的诞生 1.3 驾驶员模型环节 1.4 补偿跟踪模型 1.5 预瞄跟踪模型 1.6 速 ...
自动驾驶路径规划论文解析(5)
解析论文:A Sampling-Based Local Trajectory Planner for Autonomous Driving along a Reference Path 文章依然采用了 ...
深度理解特斯拉自动驾驶解决方案 3：规划与控制
从理论到现实,分析特斯拉全自动驾驶的演变在之前的文章中,我们讨论了特斯拉视觉方案的整个架构. 在这篇文章中,我们将讨论:计划与控制. 计划与控制这部分由特斯拉自动驾驶软件总监Ashok Ellus ...
自动驾驶路径规划技术-高速公路路径规划
Path Planning - Highway Driving project Github: https://github.com/williamhyin/CarND-Path-Planning E ...
自动驾驶路径规划五大常用算法（Dijkstra/人工势场/图搜索等）
编辑 | 希骥智能网联汽车点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷干货,即可获取点击进入→自动驾驶之心[规划控制]技术交流群后台回复[规划控制综述]获取自动驾驶 ...
汇总！自动驾驶路径规划中的障碍物处理方法总结
作者 | 西涯先生编辑 | 汽车人原文链接:https://zhuanlan.zhihu.com/p/635971229 点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨 ...
自动驾驶路径规划——路径规划入门须知
目录前言 1.无人驾驶关键技术 2.路径规划基本概念与分类 2.1 路径规划基本概念 2.1.1 路径规划需要解决的问题 2.1.2 路径规划--现在的研究 2.2路径规划的分类 2.3路径规划的流 ...
MPC实现自动驾驶轨迹跟踪
本文继MPC运动学方法实现轨迹跟踪推导进行matlab代码实现,虽然你们找到的参考书都是simulink carsim联仿,我却坚持使用纯代码仿真,因为牛逼. 代码模板沿用了LQR轨迹跟踪算法Pyth ...
自动驾驶路径规划：A*（Astar）算法
来源丨古月居点击进入->3D视觉工坊学习交流群 1. 最佳优先搜索(Best-First Search) 最佳优先搜索(BFS),又称A算法,是一种启发式搜索算法(Heuristic Algo ...

自动驾驶路径跟踪控制——纯追踪控制

文章目录

1.自行车模型（汽车二自由度模型）

注意点

Point1

Point2

2.纯追踪控制

注意点

Point1

Point2

Point3

3.相关代码

参考文献

声明

自动驾驶路径跟踪控制——纯追踪控制相关推荐

最新文章

热门文章