自动驾驶 6-1: 横向车辆控制介绍 Lesson 1: Introduction to Lateral Vehicle Control

Posted 2021-12-08 架构师易筋

欢迎来到本周的第一堂课。 在以前的模块中你已经开始学习利用资源来是你的文章更具有学术性也已经认识到自己需要整合或者给自己的句子引入名言，以及利用资源来支持自己的论点而不是那资源当主题句这本模块，你将要学习如何抄袭式借鉴当人们不能够正确的利用资源的时候，人们错误借鉴，即抄袭我将告诉你们什么是错误借鉴以及如何避免这个问题注意我将要展示给你们的四种方式这四种方式将教会你如何正确利用资源在本模块，你不用写文章，但是要学和联系的东西很多，预祝你开心在上个单元， 我们学到了一些基本的纵向控制 用于无人驾驶车的控制开发。

在本模块中, 我们将进行介绍横向控制。 本周我们将介绍四节课。 在第一课中, 我们将看到横向车辆控制的介绍。 在第二课和三课中， 我们将介绍两种几何路径 跟随控制策略，这些控制策略建立 在运动建模的无滑动假设之上。 最后, 在最后一课中, 我们将重点关注模型预测控制， 作为一个例子， 为常见的高级控制策略 用于无人驾驶车上。

在本课中, 我们将介绍核心概念 用于执行横向控制， 您将学习如何定义 不同类型的参考路径以及如何 计算相对于 这些参考路径的航向和交叉错误。 欢迎你们来到今天的社会心理学闲聊 自动驾驶车辆的主要问题之一是确保 车辆可以精确地沿着预定义的路径行驶, 执行运动计划 在更高层次的规划模块中设计中。 这是横向控制的主要目标， 其必须选择所需的转向角 来校正累积的任何误差 并跟踪它们出现时的路径方向的变化。

为了设计横向控制器, 我们需要定义错误， 车辆位置和相应的所需路径坐标之间的， 选择一个控制设计策略，将误差驱动 到零，同时仍然满足转向角限制， 并考虑车辆的动态限制和所需的 特性，如 最大横向加速度和最小加加速度。 控制命令必须认识到可用的轮胎力和 不超过车辆的能力， 在矫正跟踪误差时。

参考路径是基本接口， 横向控制器中的规划系统之间， 并且可以通过多种方式进行定义。 最简单的方法是定义一系列 一系列直线段，通过获取 一系列线性连接的终点顶点。 此路径定义可以非常紧凑, 易于构造, 假设点间隔良好并且 环境允许大部分直线运动， 如在曼哈顿的道路网格中 然而，该路径包括航向不连续性， 这使得精确跟踪驾驶车辆的挑战。 线段方法的改进是 通过提供一系列紧密间隔的航点。 该间距通常根据距离或行程时间来确定。 航点的相对位置可以 限制以满足近似曲率约束。 航点路径非常常见， 因为它们易于使用，并且可以根据 状态估计或GPS航路点直接构建， 通过在特定路线的早期时收集。 还可以使用 一系列连续参数化曲线来定义路径， 该曲线可以从一组固定的 运动图元中提取，或者 可以在规划期间通过优化来识别。 这些曲线提供了连续变化运动的好处， 并且可以构造成具有平滑的导数以帮助 误差和误差率计算的一致性。

在路径跟踪的所有情况下, 控制器试图消除偏移，从车辆 到期望之间的偏移，并且 并且使车辆航向与路径航向对齐。 对于这些路径定义中的每一个， 还提供了沿路径的行进方向， 其可以使用点排序或曲线排序来编码。 我们将很快定义这两个术语, 因为它们都起着至关重要的作用， 在横向控制器的设计中。

现在让我们介绍两大类， 在横向控制设计中， 它们广泛应用于自动驾驶汽车。 第一类控制器是几何控制器, 它依赖于所需路径的几何形状和坐标 以及车辆的运动学模型。 我们将考虑两种类型的几何控制器, 即 纯跟踪 和斯坦利控制器 我们将在本模块的下一课中详细介绍这些内容。

另一类控制器称为动态控制器。 此类别中最流行的高级控制器 是模型预测控制器或MPC， 它执行有限时域优化 以识别要应用的控制命令。 MPC通常被使用，因为 它能够处理 各种约束并识别 优化的解决方案, 考虑到 不仅仅是当前的错误。 我们将在本模块的最后视频中介绍 MPC 控制。

现在让我们来研究定义 在路径跟踪控制中的误差。 我们将使用运动自行车模型 作为我们讨论的基础。 所以, 让我们快速回顾一下 自行车模型的重要参数。 自行车模型是 是四轮车辆的合适的控制导向模型， 其中左前轮和右前轮 组合成单个可转向轮， 并且后左轮和右后轮在 单个驱动轮中组合在一起。 在本次讨论中, 我们将使用 线段作为参考路径， 在图中以实线黑线显示。 与路径平行但 但穿过前轴中心的黑色虚线，可以看到。 为了横向控制的目的, 我们重新定义了相对于当前路径线段的航向。 可变侧将被重新用于表示 车辆相对于路径线 的相对航向角。 前轮速度 V 和 转向角，相对于 前进方向的δ不改变， 也显示在此图中。 请注意, 我们可以放置车子的参考框架, 在后轴中心， 在前轴的中心， 或者重心上，这取决于我们控制器的设计。

如上一节所述, 我们将引入两种类型的误差: 朝向和交叉误差。 航向误差等于差异，在路径朝向 和车辆朝向之间，就路径参考点而言。 它是主要指标，用于表示车辆与 与所需路径方向对齐和移动的良好程度。 航向误差率ψ一次导有助于我们 我们了解航向误差如何随时间演变， 并且可以从运动自行车模型方程计算出来。 航向误差率也可以用 三个车辆参考点中的任何一个表示。 这里我们给出了航向误差率是 相对于前轴的， 这也将用于 斯坦利控制器 在本模块中的第三个视频中。 对于直线段, 所需的航向变化率为零, 因此可以被去掉。 这是因为参考航向 对于直线而言不是随时间变化的， 对于直线而言不是随时间变化的， 因为我们已经重新定义了我们的航向是 相对于当前路径方向。

另一种类型的误差是 称为交叉误差的偏移误差。 交叉误差是 描述了距离，在车子参考点 和期望路径的最近点之间的。 它是重要的指标，用于衡量 辆位置与路径上所需位置的接近程度。 航向误差和交叉误差都必须收敛到 零，以使车辆正确地跟踪所需的路径。 从车辆参考点到 路径参考点的线垂直于路径。 可以计算交叉误差的变化率 通过提取正向速度的横向分量。 从这个等式中，我们可以看到随着速度的增加， 交叉误差变化得更快, 这意味着需要更小的转向角度 来矫正的相同大小的交叉误差。 扩展考虑，航向误差和 交叉误差在曲线路径上， 将增加一些额外的复杂度， 因为不能明确知道 曲线路径上的参考点位于哪里。 所需的几何关系 不在本视频的讨论范围之内。 尽管如此, 我们还是在补充材料中提供了链接 给那些那些有兴趣的人 在相对于曲线路径的误差计算。 让我们总结一下横向控制概念的讨论。 在本课中, 您研究了三种方法来定义 参考路径: 线段、航点和曲线。 您已经学会了如何构造横向控制的误差度量, 包括航向误差和交叉误差。 在下一视频中, 我们将使用这些定义 构建我们的第一个侧向车辆控制器 纯追踪控制器， 以定义转向命令, 将 跟踪我们的参考路径。下一节课见。

第1课补充阅读：横向车辆控制介绍

补充阅读：车辆横向控制介绍
要了解有关自动驾驶汽车横向控制的更多信息，请阅读以下文章：

J. Jiang 和 A. Astolfi，“自动驾驶汽车的横向控制”，IEEE 智能汽车汇刊，第一卷。3，没有。2，第 228-237 页，2018 年 6 月。网址：http 😕/ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8286943&isnumber=8363076

要计算到由样条定义的曲线路径的最小距离：

Wang, H.、Kearney, J. 和 Atkinson, K.（2002 年 6 月）。样条曲线上最近点的稳健高效计算。在第 5 届曲线和曲面国际会议论文集（第 397-406 页）中。网址：http : //homepage.divms.uiowa.edu/~kearney/pubs/CurvesAndSurfaces_ClosestPoint.pdf

参考

https://www.coursera.org/learn/intro-self-driving-cars/lecture/pTs75/lesson-1-introduction-to-lateral-vehicle-control