无人车系统基础
无人车系统基础
项目内容
共6个实验
实验1 实验1：运动学模型及其线性化
相对无人机与机械臂来说，无人车系统的运动学模型非常简洁。尽管简洁，无人车的运动学模型也是非线性的。应用于具体控制算法时，有必要对原始运动学模型进行变形或线性化。本篇主要介绍无人车的运动学模型，并对原始非线性模型进行线性化。
实验2 实验2：横向动力学模型
运动学模型只是在几何意义上描述了无人车的运动。实际情况中，无人车的运动受外界的因素（如：路面、坡度、空气动力）影响较大。在高速动行时，这些外界扰动变得更加明显。为了构建更加精准的无人车模型，有必要考虑汽车的动力学特性。无人车的动力学模型可以拆分成横向动力学模型与纵向动力学模型。横向动力学建模从轮胎受力出发构建立无人车的横向控制模型，纵向动力学建模考虑坡度、空气动力学构建无人车的纵向控制模型。本篇主要介绍无人车横向动力学模型的建立过程。关于无人车纵向动力学模型的构建请参照无人驾驶纵向控制研究。
实验3 实验3：实现简单无人车仿真环境
仿真环境对于机器人研究来说太过重要，一个好的仿真环境能够逼真的模拟真实的场景、拥有高保真的物理引擎，能够比较真实的反映算法的性能。但是有时，我们有一个Idea，想马上实现，从而快速的验证这个idea的可行性，那么一款小巧、简洁的仿真环境可能更加合适。在得到验证有那么点意思后，再利用较真实的仿真环境验证，进一步，再放在实际环境中进行测试。一般来说，简单仿真环境——高保真仿真环境——真实环境，同一算法所需的代码量是递增的(因为要考虑的外围因素会增多，再加上接口代码)。
实验4 实验4：轨迹跟踪PID控制
本篇介绍如何利用PID控制实现无人车轨迹跟踪。本篇利用无人车的横向跟踪误差作为控制器的反馈，因此首先介绍计算横向跟踪误差的公式。然而，介绍一个又蠢又萌（简单or傻）的控制方法：Bang-Bang控制,又被人形象的称为"砰-砰"控制。紧接着介绍我的主角：PID控制。以上控制方法都应用于无人车系统的轨迹跟踪任务。轨迹跟踪任务比较简单、形象、也被我们所熟知，因此阅读本篇也可以加深对PID控制或者说反馈控制原理的理解。
实验5 实验5：轨迹跟踪Pure Pursuit方法
本篇介绍一种基于几何追踪的无人车轨迹跟踪方法——Pure Pursuit（纯跟踪）方法。
实验6 实验6：轨迹跟踪Stanley方法
前面介绍的Pure Pursuit方法利用无人车的横向跟踪误差来设计控制器。在无人车轨迹跟踪任务中，除了横向跟踪误差外，是否还有其他信息有助于提高控制器的稳定性与有效性。本篇介绍的Stanely方法就结合横向跟踪误差 𝑒𝑦 与航向角偏差 𝑒𝜃 来设计控制器。值得注意的是，Stanley计算横向跟踪误差与pure pursuit方法是有区别的，Pure pursuit是以后轴中心为基准点计算几何学公式，而Stanley是基于前轴中心为基准点计算几何学公式的。
