无人驾驶运动控制：purepursuit算法详解与实践

"无人驾驶运动控制----purepursuit算法实践和理解" PurePursuit算法是一种广泛应用于无人驾驶车辆路径跟踪的几何追踪方法。该算法的核心是基于车辆的阿克曼转向几何模型和二维自行车模型来实现对车辆运动的控制，而无需复杂的动力学模型。PurePursuit算法因其简单、直观且参数较少的特点，在实际应用中具有较高的实用价值。 1. 算法原理与思想 PurePursuit算法的构建基于两方面：阿克曼转向几何模型和二维自行车模型。在阿克曼模型中，车辆的前轮和后轮遵循特定的曲率关系，转向角δ与车辆划过的圆弧半径R相关。二维自行车模型则简化了车辆的运动，假设车辆如同一辆没有侧滑的自行车，仅通过前后轮的相对位置和转向角来描述其运动。 算法的关键参数包括： - 转向角δ：决定车辆的方向改变。 - L：车轴长度，影响车辆转弯半径。 - K：曲率，影响车辆转弯的平滑性。 - ld：预瞄距离，即车辆当前行驶方向与目标点之间的距离，是决定转向角的关键。 - α：目标点方向与当前航向的夹角。 - (gx, gy)：目标点坐标，车辆将试图沿着通过该点的圆弧路径行驶。 算法的基本思想是模拟人类驾驶员的驾驶行为，通过调整前轮转向角δ，使车辆沿着经过预瞄点的圆弧路径行驶。预瞄距离ld通常与车辆速度相关，速度越高，预瞄距离通常越远，以确保车辆能够平稳地跟踪路径。 2. 算法步骤 PurePursuit算法的执行过程主要包括： - 获取车辆的当前位置和航向角，这通常由GPS、惯性导航系统等传感器提供。 - 在规划路径中找到距离车辆最近的点，作为参考点。 - 计算预瞄点，即在规划路径上距离参考点最近且与车辆形成预瞄距离ld的点。 - 将目标点坐标转换为车辆的局部坐标系，以便进行计算。 - 根据曲率K和预瞄距离ld计算转向角δ，然后控制车辆转向。 - 更新车辆的状态，如位置、速度等，并进入下一个循环。 在实践中，找到目标点的过程可能涉及到对路径点的搜索和优化，以确保选取的点既满足预瞄距离要求，又能保持路径跟踪的连续性。通过不断迭代这些步骤，车辆能够持续调整其行驶轨迹，以尽可能接近规划路径。 PurePursuit算法虽然简单有效，但它也有一些局限性，例如在处理急弯或路径突然变化时可能会出现“过冲”或“欠冲”的问题。因此，实际应用中通常会结合其他算法，如Stanley算法，以提高路径跟踪的精度和鲁棒性。PurePursuit算法是无人驾驶运动控制领域的一个基础工具，对于理解车辆路径跟踪原理和实践具有重要意义。