招聘网站策划书,wordpress简约清新主题,淘宝客网站建好了没有数据库,网站网络推广教程#Apollo开发者#
学习课程的传送门如下#xff0c;当您也准备学习自动驾驶时#xff0c;可以和我一同前往#xff1a; 《自动驾驶新人之旅》免费课程— 传送门
《Apollo Beta宣讲和线下沙龙》免费报名—传送门 文章目录
前言
控制器设计
比例积分微分控制
线性…#Apollo开发者#
学习课程的传送门如下当您也准备学习自动驾驶时可以和我一同前往 《自动驾驶新人之旅》免费课程— 传送门
《Apollo Beta宣讲和线下沙龙》免费报名—传送门 文章目录
前言
控制器设计
比例积分微分控制
线性二次调节器
模型预测控制
Tips
总结 前言 见《自动驾驶学习笔记一——Apollo平台》 见《自动驾驶学习笔记二——Apollo入门》 见《自动驾驶学习笔记三——场景设计》 见《自动驾驶学习笔记四——变道绕行仿真》 见《自动驾驶学习笔记五——绕行距离调试》 见《自动驾驶学习笔记六——Apollo安装》 见《自动驾驶学习笔记七——感知融合》 见《自动驾驶学习笔记八——路线规划》 控制器设计 控制器设计目标使车辆行驶的轨迹尽可能贴近Planning层规划的轨迹如下图所示 控制器的输入信息Planning层计算出来的行驶路线由一系列轨迹点组成如下图所示 控制的执行器加速、制动、转向如下图所示 可行性约束所有物理量的值不能突变如下图所示 平稳度约束速度尽可能稳定方向尽可能稳定如下图所示 实现上述控制器设计常见的算法有三种PID、LQR、MPC。 比例积分微分控制 PIDProportional Integral Derivative Control比例积分微分控制这种算法比较常见也很典型本文不做过多介绍。 线性二次调节器 LQRLinear Quadratic Regulator线性二次调节器其中的L是指被控对象的状态与控制变量之间是线性关系Q是指在求解最优参数时为保证绝对值之和最小引入了一个2次方。本文以车辆的横向控制为例介绍LQR的基本思路。 如下图所示车辆的状态向量x包括横向偏移量cte、cte变化率、朝向交偏移量θ、θ变化率控制车辆的执行器包括转型、加速、制动。x和u之间是线性的关系。 控制器设计目标是让x逼近零实现这个目标的同时也要求投入尽可能少的成本即u的变化量可能小所以这里引入控制成本函数如下公式其中的Q和R是一对权重比例系数。 因为x中有正有负为了在cost求极值时方便一些引入了他们的2次方并设置了向量各个部分的权重比例系数如下公式 对cost函数求极值当cost最小时得到u和x之间的关系式如下 这里K即要设计的控制器是一个很复杂的函数。 模型预测控制 MPCModel Predictive Control模型预测控制的不步骤如下 1建立车辆模型 2监测当前的车辆状态 3通过该模型计算车辆从当前状态进入下一个目标状态需要输出的u 4车辆执行这个u 5监测新的车辆状态重复2到4的步骤过程期间适时优化1中的车辆模型 Tips PID通常用于纵向的速度控制 LQR通常用于横向的方向控制 MPC通常只用于学术研究 总结 以上就是本人在学习自动驾驶时对所学课程的一些梳理和总结。后续还会分享另更多自动驾驶相关知识欢迎评论区留言、点赞、收藏和关注这些鼓励和支持都将成文本人持续分享的动力。 另外如果有同在小伙伴也正在学习或打算学习自动驾驶时可以和我一同抱团学习交流技术。 版权声明原创文章转载和引用请注明出处和链接侵权必究 文中部分图片来源自网络若有侵权联系立删。
