阿克曼底盘运动学模型

1.阿克曼结构

阿克曼转向结构底盘类似现实中真实的汽车底盘。底盘前两轮用于控制小车运动方向,后两轮用于控制其次速度。汽车在转弯时,后轮之间存在差速的问题。显然,转弯的时候内侧的轮胎要比外侧的轮胎转速慢。

传统汽车使用机械差速器完成差速,机械差速器的基本运动规律是:无论转弯或者直行,两侧驱动车轮的转速之和始等于差速器壳转速的2倍。例如差速器壳转速为V,则内侧后轮的转速为V-a,外侧后轮的转速为V+a。

最近几年电动汽车企业迅速崛起,在电动汽车中,由于使用两个电机直接驱动后轮,不需要机械差速,使得机械设计更加简单。这样在电控方面就更加复杂一点。

底盘的前两轮通过一个连杆连接,用于控制车轮运行的方向。通常采用舵机驱动前两轮来控制机器人的方向。

2.阿克曼结构运动学模型

阿克曼底盘的运动学模型如下图所示,它是一个全驱动模型,有三个输入(vL、vR、θv_L、v_R、\thetavL​、vR​、θ)和三个输出(X、Y、θX、Y、\thetaX、Y、θ)

  • 车辆前后轴之间距离:lll
  • 车辆后两轮之间距离:2d2d2d
  • 车辆前两轮打角值:θ\thetaθ
  • 车辆左侧后轮线速度:vLv_LvL​
  • 车辆右侧后轮线速度:vRv_RvR​
  • 车辆线速度、角速度:v、ωv、\omegav、ω

阿克曼结构的后两轮分析过程同两轮差分底盘:
ω=vR=vLR−d=vRR+dR=vR+vLvR−vLdω=vRR+d=vR−vL2dv=ωR=vR+vL2\omega = \frac{v}{R}=\frac{v_L}{R-d}=\frac{v_R}{R+d}\\ R=\frac{v_R+v_L}{v_R-v_L}d\\ \omega=\frac{v_R}{R+d}=\frac{v_R-v_L}{2d}\\ v=\omega R=\frac{v_R+v_L}{2} ω=Rv​=R−dvL​​=R+dvR​​R=vR​−vL​vR​+vL​​dω=R+dvR​​=2dvR​−vL​​v=ωR=2vR​+vL​​
阿克曼结构的前两轮由舵机驱动,对于舵机打角值有如下等式:
tan⁡θ=lRR=vωθ=arctan⁡lwv\tan{\theta} = \frac{l}{R}\\ R=\frac{v}{\omega}\\ \theta=\arctan{l\frac{w}{v}} tanθ=Rl​R=ωv​θ=arctanlvw​
由此得到阿克曼结构的运动学模型如下:
{w=vR−vL2dv=vR+vL2tan⁡θ=lωv\begin{cases}w=\frac{v_R-v_L}{2d}\\v=\frac{v_R+v_L}{2}\\\tan{\theta}=l\frac{\omega}{v}\end{cases} ⎩⎪⎨⎪⎧​w=2dvR​−vL​​v=2vR​+vL​​tanθ=lvω​​
{vR=v+ωdvL=v−ωdθ=arctan⁡lwv\begin{cases}v_R=v+\omega d\\v_L=v-\omega d\\\theta=\arctan{l\frac{w}{v}}\end{cases} ⎩⎪⎨⎪⎧​vR​=v+ωdvL​=v−ωdθ=arctanlvw​​

3.传统方法解析

在惯性坐标系XOY下,以变量下标fff表示frontfrontfront前,以下标rrr表示rearrearrear后:

  • 车辆两轴轴心坐标:(Xf,Yf)、(Xr,Yr)(X_f, Y_f)、(X_r, Y_r)(Xf​,Yf​)、(Xr​,Yr​)
  • 车辆两轴中心速度:vf、vrv_f、v_rvf​、vr​
  • 车辆前后两轴轴距:lll
  • 车辆姿态航向角:φ\varphiφ
  • 车辆前轮偏向角:δf\delta_{f}δf​
  • 车辆前轴轴心:N
  • 车辆后轴轴心:M
  • 车辆后轮转弯半径:RRR
  • 车辆瞬时转动中心:PPP

假设转向过程中车辆质心侧偏角保存不变,即车辆瞬时转向半径与道路曲率半径相同

对车辆前后轴轴心处速度进行合成:

车辆后两轮分析

车辆后轮轴心处的速度为合成后沿平行于车辆速度方向分量
vr=Xr˙cos⁡φ+Yr˙sin⁡φv_r=\dot{X_r}\cos{\varphi}+\dot{Y_r}\sin{\varphi} vr​=Xr​˙​cosφ+Yr​˙​sinφ
而其运动学约束为合成后沿垂直于于车辆速度方向分量
Xr˙sin⁡φ=Yr˙cos⁡φ\dot{X_r}\sin{\varphi}=\dot{Y_r}\cos{\varphi} Xr​˙​sinφ=Yr​˙​cosφ
带入上式,可得:
{Xr˙=vrcos⁡φYr˙=vrsin⁡φ\begin{cases} \dot{X_r}=v_r\cos{\varphi}\\ \dot{Y_r}=v_r\sin{\varphi} \end{cases} {Xr​˙​=vr​cosφYr​˙​=vr​sinφ​

车辆前两轮分析

车辆前两轮的运动学约束同样为合成后沿垂直于于车辆速度方向分量
Xf˙sin⁡(φ+δf)=Yr˙cos⁡(φ+δf)\dot{X_f}\sin{(\varphi+\delta_f)}=\dot{Y_r}\cos{(\varphi+\delta_f)} Xf​˙​sin(φ+δf​)=Yr​˙​cos(φ+δf​)
根据前后轮几何关系,可以得到:
{Xf=Xr+lcos⁡φYf=Yr+lsin⁡φ\begin{cases} X_f=X_r+l\cos{\varphi}\\ Y_f=Y_r+l\sin{\varphi} \end{cases} {Xf​=Xr​+lcosφYf​=Yr​+lsinφ​
对等式两边进行求导:
{Xf˙=Xr˙−lsin⁡φ⋅ω=vrcos⁡φ−lsin⁡φ⋅ωYf˙=Yr˙+lcos⁡φ⋅ω=vrsin⁡φ+lcos⁡φ⋅ω\begin{cases} \dot{X_f}=\dot{X_r}-l\sin{\varphi}\cdot\omega=v_r\cos{\varphi}-l\sin{\varphi}\cdot\omega\\ \dot{Y_f}=\dot{Y_r}+l\cos{\varphi}\cdot\omega=v_r\sin{\varphi}+l\cos{\varphi}\cdot\omega \end{cases} {Xf​˙​=Xr​˙​−lsinφ⋅ω=vr​cosφ−lsinφ⋅ωYf​˙​=Yr​˙​+lcosφ⋅ω=vr​sinφ+lcosφ⋅ω​
将其带入运动学约束等式中展开并化简:
vrsin⁡δf=lcos⁡δf⋅ωv_r\sin{\delta_f}=l\cos{\delta_f}\cdot\omega\\ vr​sinδf​=lcosδf​⋅ω
从而得到车辆角速度:
ω=vrltan⁡δf\omega=\frac{v_r}{l}\tan{\delta_f} ω=lvr​​tanδf​
同时得到转弯半径和前轮偏向角:
{R=vrωδf=arctan⁡lR\begin{cases} R=\frac{v_r}{\omega}\\ \delta_f=\arctan{\frac{l}{R}} \end{cases} {R=ωvr​​δf​=arctanRl​​

整合分析

最终得到车辆运动学模型:
[Xr˙Yr˙φ˙]=[cos⁡φsin⁡φtan⁡δfl]vr\begin{bmatrix}\dot{X_r} \\ \dot{Y_r} \\\dot{\varphi}\end{bmatrix}= \begin{bmatrix}\cos\varphi \\ \sin\varphi \\\frac{\tan{\delta_f}}{l}\end{bmatrix}v_r ⎣⎡​Xr​˙​Yr​˙​φ˙​​⎦⎤​=⎣⎡​cosφsinφltanδf​​​⎦⎤​vr​

里程计模型(2):阿克曼结构底盘相关推荐

  1. 传感器数据处理Ⅰ------常用里程计模型

    里程计运动模型及标定 1.常用里程计模型 1.两轮差分底盘的运动学模型 优点 结构简单 (越障好) 便宜(2个电机) 模型简单 2.差分模型 都是依据圆弧运动:

  2. 差速驱动机器人的车轮里程计模型

    一.说明 车轮测程法是指使用旋转编码器(即连接到车轮电机以测量旋转的传感器)的测程法(即估计运动和位置).这是轮式机器人和自动驾驶汽车定位的有用技术. 在本文中,我们将通过探索差速驱动机器人的车轮里程 ...

  3. 里程计模型(1):两轮差分底盘和三轮全向底盘

    两轮差分底盘运动学模型 目前使用最为广泛的底盘可以说就是两轮差分底盘,此类底盘具有结构简单.成本低.模型简单的特点. 1.差分底盘运动模型 差分底盘运动模型如图. 轮子到底盘中心的距离:ddd 底盘中 ...

  4. ROS机器人里程计模型

    3.5 移动机器人系统模型 相信大家的机器人平台STM32端底层控制和机器人urdf建模都已经顺利完成了,在正式开始ros端编写机器人启动功能包之前,我们还不得不学习一些必要的理论知识.别担心数学不好 ...

  5. 移动机器人——里程计矫正

    一.问题分析 机器人可以基于码盘数据和底盘运动学模型进行航迹推演,得到机器人的轨迹,但实际轨迹与推演轨迹存在误差,分析原因如下: 底盘实际尺寸与理论模型存在偏差,如轮子半径,两轮间距等: 底盘在运动过 ...

  6. 视觉里程计 第一部分:前30年的发展和理论基础

    视觉里程计 第一部分:前30年的发展和理论基础 VisualOdometry -Part I The First 30 Years and Fundamentals TaylorGuo, 2017年1 ...

  7. 轮式移动机器人里程计分析

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 来源丨混沌无形 编辑丨3D视觉工坊 点击进入->3D视觉工坊学习交流群 摘要:本文主要分析轮式移 ...

  8. 「 机器人学 」“里程计/仪技术”浅谈

    一.前言 它的功能就是利用传感器的数据来推算机器人位置随时间的变化,常用的传感器类型有编码器.惯性测量单元和视觉传感器等.理论上里程计数据不存在任何误差. 二.里程计模型 里程计模型分为圆弧模型和直线 ...

  9. RIKIBOT-FX4纯激光里程计的建图导航

    目录 简介 环境准备 纯激光里程计构建地图 纯激光里程计导航 关键参数配置 交流方式 简介 在大多数学习ROS人的理解中,常用的gmapping建图.导航一般都需要依赖电机的里程计,特别是导航时一定需 ...

最新文章

  1. windows命令行下访问linux,Windows支持直接访问Linux子系统文件:你的下一台Linux何必是Linux...
  2. 《新一代城市大脑建设与发展》专家研讨会在京举办
  3. php 页面开启错误提示,php开启与关闭错误提示
  4. 控制台程序转化为windows服务
  5. oracle导出自增设置,oracle008:oracle自增,自适应,数据闪回,导入导出
  6. cuda和cudnn下载地址
  7. 【原创】C语言之父和Linux之父谁更伟大?
  8. 课程作业记录3:瑞利衰落信道下的BPSK/QPSK/16QAM的Matlab仿真
  9. 抖音app用户体验分析
  10. CefSharp浏览器网页中文语言设置
  11. 计算机老掉线 路由器网络,路由器经常掉线怎么办 路由器WIFI信号不稳定解决方法...
  12. 力扣LCP3机器人大冒险
  13. 非常简洁的vsPlayAudio在线音乐播放器插件
  14. binlog回滚mysql误操作数据
  15. 计算机技术服务业成本核算,技术服务成本怎么核算?
  16. tiny4412 裸机程序 八、重定位到DRAM及LCD实验
  17. SOLID原则的含义和具体使用
  18. Java万字长文基础知识总结
  19. 「元宇宙」成为发展新坐标,文化产业如何「沉浸式」升维?
  20. php人脸识别功能,什么叫人脸识别功能

热门文章

  1. html转图片并解决模糊问题
  2. Android Ble蓝牙开发
  3. PTA-c语言 水仙花数
  4. 微信开放平台转发到朋友圈之andriod
  5. SpringBoot+Vue实现前后端分离的4S店车辆管理系统
  6. 【2023考研数学】学习规划
  7. synopsys工具安装系列(三)- 安装verdi工具
  8. caida的测量工具scamper
  9. 简单设置 Amazon CloudFront
  10. 计算机语言表示教师节快乐,教师节英文祝福语(精选50句)