自行车运动模型及其线性化

详见:
参考链接

自行车运动模型


运动模型方程:
[x.y.θ.]=[vcos(θ)vsin(θ)vtan(δ)L]\left[ \begin{matrix} \overset{.}{x} \\ \overset{.}{y} \\ \overset{.}{\theta} \\ \end{matrix} \right]= \left[ \begin{matrix} vcos(\theta) \\ vsin(\theta) \\ v\frac{tan(\delta)}{L} \\ \end{matrix} \right] ⎣⎡​x.y.​θ.​⎦⎤​=⎣⎡​vcos(θ)vsin(θ)vLtan(δ)​​⎦⎤​

可写为:
[x.y.θ.]=[cos(θ)sin(θ)0]v+[001]w\left[ \begin{matrix} \overset{.}{x} \\ \overset{.}{y} \\ \overset{.}{\theta} \\ \end{matrix} \right]= \left[ \begin{matrix} cos(\theta) \\ sin(\theta) \\ 0 \\ \end{matrix} \right]v+ \left[ \begin{matrix} 0 \\ 0 \\ 1 \\ \end{matrix} \right]w ⎣⎡​x.y.​θ.​⎦⎤​=⎣⎡​cos(θ)sin(θ)0​⎦⎤​v+⎣⎡​001​⎦⎤​w

模型线性化

利用泰勒展开,只保留一阶项
X.=[x.y.θ.]=[vcos(θ)vsin(θ)vtan(δ)L]=[f1f2f3]=f(X,u)\overset{.}{X}= \left[ \begin{matrix} \overset{.}{x} \\ \overset{.}{y} \\ \overset{.}{\theta} \\ \end{matrix} \right]= \left[ \begin{matrix} vcos(\theta) \\ vsin(\theta) \\ v\frac{tan(\delta)}{L} \\ \end{matrix} \right]= \left[ \begin{matrix} f_1 \\ f_2 \\ f_3 \\ \end{matrix} \right]= f(X,u) X.=⎣⎡​x.y.​θ.​⎦⎤​=⎣⎡​vcos(θ)vsin(θ)vLtan(δ)​​⎦⎤​=⎣⎡​f1​f2​f3​​⎦⎤​=f(X,u)

其中X=[x,y,θ]T,u=[v,δ]TX=[x,y,\theta]^T,u=[v,\delta]^TX=[x,y,θ]T,u=[v,δ]T

△X.=X.−Xr.=[x.−xr.y.−yr.θ.−θr.]≈[σf1σxσf1σyσf1σθσf2σxσf2σyσf2σθσf3σxσf3σyσf3σθ][x−xry−yrθ−θr]+[σf1σvσf1σδσf2σvσf2σδσf3σvσf3σδ][v−vrδ−δr]\bigtriangleup\overset{.}{X}=\overset{.}{X}-\overset{.}{X_r}= \left[ \begin{matrix} \overset{.}{x} -\overset{.}{x_r} \\ \overset{.}{y} -\overset{.}{y_r} \\ \overset{.}{\theta} -\overset{.}{\theta_r}\\ \end{matrix} \right] \approx \left[ \begin{matrix} \frac{\sigma f_1}{\sigma x} & \frac{\sigma f_1}{\sigma y} & \frac{\sigma f_1}{\sigma \theta} \\ \frac{\sigma f_2}{\sigma x} & \frac{\sigma f_2}{\sigma y} & \frac{\sigma f_2}{\sigma \theta} \\ \frac{\sigma f_3}{\sigma x} & \frac{\sigma f_3}{\sigma y} & \frac{\sigma f_3}{\sigma \theta} \\ \end{matrix} \right] \left[ \begin{matrix} x -x_r \\ y - y_r \\ \theta -\theta_r \\ \end{matrix} \right] + \left[ \begin{matrix} \frac{\sigma f_1}{\sigma v} & \frac{\sigma f_1}{\sigma \delta} \\ \frac{\sigma f_2}{\sigma v} & \frac{\sigma f_2}{\sigma \delta} \\ \frac{\sigma f_3}{\sigma v} & \frac{\sigma f_3}{\sigma \delta} \\ \end{matrix} \right] \left[ \begin{matrix} v-v_r \\ \delta-\delta_r\\ \end{matrix} \right] △X.=X.−Xr​.​=⎣⎡​x.−xr​.​y.​−yr​.​θ.−θr​.​​⎦⎤​≈⎣⎢⎡​σxσf1​​σxσf2​​σxσf3​​​σyσf1​​σyσf2​​σyσf3​​​σθσf1​​σθσf2​​σθσf3​​​⎦⎥⎤​⎣⎡​x−xr​y−yr​θ−θr​​⎦⎤​+⎣⎡​σvσf1​​σvσf2​​σvσf3​​​σδσf1​​σδσf2​​σδσf3​​​⎦⎤​[v−vr​δ−δr​​]

写为
△X.=Am△X+Bm△uAm=[00−vsin(θ)00vcos(θ)000]Bm=[cos(θ)0sin(θ)0tan(δ)LvLcos2δ]\begin{aligned} \bigtriangleup\overset{.}{X}&=A_m\bigtriangleup X +B_m\bigtriangleup u \\ A_m &= \left[ \begin{matrix} 0 & 0 & -vsin(\theta) \\ 0 & 0 & vcos(\theta) \\ 0 & 0 & 0\\ \end{matrix} \right] \\ B_m &= \left[ \begin{matrix} cos(\theta) & 0\\ sin(\theta) & 0\\ \frac{tan(\delta)}{L} &\frac{v}{Lcos^2\delta} \\ \end{matrix} \right] \end{aligned} △X.Am​Bm​​=Am​△X+Bm​△u=⎣⎡​000​000​−vsin(θ)vcos(θ)0​⎦⎤​=⎣⎡​cos(θ)sin(θ)Ltan(δ)​​00Lcos2δv​​⎦⎤​​

线性模型离散化

Am△X(k)+Bm△u(k)=△X.=△X(k+1)−△X(k)TA_m\bigtriangleup X(k) +B_m\bigtriangleup u(k)=\bigtriangleup\overset{.}{X}= \frac{\bigtriangleup X(k+1)-\bigtriangleup X(k)}{T} Am​△X(k)+Bm​△u(k)=△X.=T△X(k+1)−△X(k)​
变形可得:
△X(k+1)=(I+TAm)△X(k)+TBm△u(k)=A△X(k)+B△u(k)Am=[10−vTsin(θ)01vTcos(θ)001]Bm=[Tcos(θ)0Tsin(θ)0Ttan(δ)LTvLcos2δ]\begin{aligned} \bigtriangleup X(k+1)&=(I+TA_m)\bigtriangleup X(k)+TB_m\bigtriangleup u(k)\\&=A\bigtriangleup X(k)+B \bigtriangleup u(k) \end{aligned} \\ \begin{aligned} A_m &= \left[ \begin{matrix} 1 & 0 & -vTsin(\theta) \\ 0 & 1 & vTcos(\theta) \\ 0 & 0 & 1\\ \end{matrix} \right] \\ B_m &= \left[ \begin{matrix} Tcos(\theta) & 0\\ Tsin(\theta) & 0\\ \frac{Ttan(\delta)}{L} &\frac{Tv}{Lcos^2\delta} \\ \end{matrix} \right] \end{aligned} △X(k+1)​=(I+TAm​)△X(k)+TBm​△u(k)=A△X(k)+B△u(k)​Am​Bm​​=⎣⎡​100​010​−vTsin(θ)vTcos(θ)1​⎦⎤​=⎣⎡​Tcos(θ)Tsin(θ)LTtan(δ)​​00Lcos2δTv​​⎦⎤​​

自行车运动模型及其线性化相关推荐

  1. 安富利:以技术元素夯实新基建

    撰文:康翔 编辑:阿由 设计:紫菜 <技术元素>(The Technium),是凯文•凯利(KK)继<失控>之后的又一部力作.这个一目了然却又耐人寻味的自造词,极为巧妙地诠释了 ...

  2. 笔记(待续)-导弹运动模型及其简化

    动力学与运动学的区别与联系 百度百科对运动学和动力学的解释分别为:   运动学(Kinematics)是从几何的角度(指不涉及物体本身的物理性质和加在物体上的力) 描述和研究物体位置随时间的变化规律的 ...

  3. 自动驾驶 4-2 运动学自行车模型 The Kinematic Bicycle Model

    欢迎回来.在上一段视频中 我们讨论了运动学建模和 和束缚的基础知识,并介绍了ICR(瞬时旋转中心)的概念. 本课程中,我们将进行运动自行车模型, 这是一种经典模型, 在正常驾驶条件下捕捉车辆运动时表现 ...

  4. Coursera自动驾驶课程第5讲:Vehicle Dynamic Modeling

    在上一讲<Coursera自动驾驶课程第4讲:Safety Assurance for Autonomous Vehicles>中我们了解了自动驾驶汽车中一个非常重要的模块:安全模块. 本 ...

  5. Apollo进阶课程㉓丨Apollo规划技术详解——Motion Planning with Environment

    原文链接:进阶课程㉓丨Apollo规划技术详解--Motion Planning with Environment 当行为层决定要在当前环境中执行的驾驶行为时,其可以是例如巡航-车道,改变车道或右转, ...

  6. baidu进阶训练笔记九20200727

    文章目录 第五章 百度Apollo规划技术介绍(二) motion planning with environment-1 Vehicle state and model Motion plannin ...

  7. 无人驾驶-控制-Stanley

    无人驾驶-控制-Stanley 一.模型介绍 1.1 简介 关于无人车追踪轨迹,目前的主流方法分为两类:基于几何追踪的方法和基于模型预测的方法,其中几何追踪方法主要包含纯跟踪和Stanley两种方法, ...

  8. 多智能体系统协同一致性问题(一)

    多智能体系统的一致性是指系统中所有智能体都最终收敛至一个相同的状态,一致性是多智能体系统能否完成协同控制任务的关键条件之一.多智能体系统在通信拓补为有向树的条件下便可实现一致性.本文将在多智能体一致性 ...

  9. 第二章、移动机器人的运动模型----自行车模型/简化的car-like

    一.自行车模型/简化的car-like ICR点由两个轮轴的交点确定 航向角ϕ\phiϕ 转向角α\alphaα 内部运动学 外部运动学 简单的外部运动学模型

最新文章

  1. Linux查看进程线程个数
  2. Hi3516a移植SDL+FreeType+SDL_ttf
  3. 神策数据上线“点击分析”,深度感知用户点击行为
  4. openstack 使用集锦
  5. 判断 小程序 是否 滚动到页面底部 scrolltolower_微信小程序长列表性能优化——recycle-view
  6. 实用的无锁队列(二)
  7. @SuppressLint(HandlerLeak),或Handler使用有警告;
  8. 并查集练习--hdu1232poj1611poj2524
  9. 服务器上配置tp5入口文件,TP5更改入口文件
  10. iOS-蓝牙4.0开发(踩过的坑)
  11. R语言Tukey检验进行事后检验(post hoc)实战:单因素方差分析告诉我们并不是所有的群体手段的效果是均等的,确切地找出哪些组彼此不同使用Tukey检验
  12. C++编写红警3 1.12版本修改器
  13. [转贴]给想立志入行网络或已经初入行的朋友的建议(一)
  14. 2021深圳入户新政策大变动(软考中、高级职称请留意)
  15. 【CF 513F2】
  16. vue 手写图片左右跑马灯 效果
  17. cursor 鼠标样式的几种样式
  18. 设计模式之观察者模式、中介者模式、迭代器模式、访问者模式、备忘录模式、解释器模式
  19. 2019牛客多校 第七场 B Irreducible Polynomial 多项式因式分解判断
  20. html 获取登录状态,登录后如何获取HTML代码?

热门文章

  1. 龙泉寺: Git使用流程
  2. Armv8-A虚拟化手册(5)
  3. 高薪专业篇:普通二本也能上手既轻松又不头冷的IT岗位
  4. 对流扩散方程 c语言编程,对流扩散方程的差分格式
  5. 不会盲打的程序员和不懂技术的 CTO
  6. 湘潭大学XTU《C语言程序设计》作业1-数学计算
  7. 【CentOS】CentOS最小安装版安装及网络配置
  8. 昂达v820w android系统安装包,昂达v820w固件
  9. 记录一个异步任务丢失request的坑,RequestContextHolder.setRequestAttributes(sra, true);异步线程中会丢失
  10. 百度、Google 的搜索参数