自動(dòng)駕駛路徑跟蹤控制的種類

行為決策在自動(dòng)駕駛系統(tǒng)架構(gòu)中的位置

Claudine Badue等人以圣西班牙聯(lián)邦大學(xué)（UFES）開發(fā)的自動(dòng)駕駛汽車（Intelligent Autonomous Robotics Automobile，IARA）為例，提出了自動(dòng)駕駛汽車的自動(dòng)駕駛系統(tǒng)的典型架構(gòu)。

自動(dòng)駕駛系統(tǒng)主要由感知系統(tǒng)（Perception System）和規(guī)劃決策系統(tǒng)（Decision Making System）組成。

感知系統(tǒng)主要由交通信號(hào)檢測(cè)模塊（Traffic Signalization Detector，TSD）、移動(dòng)目標(biāo)跟蹤模塊（Moving Objects Tracker，MOT）、定位與建圖模塊（Localizer and Mapper）等組成。

規(guī)劃決策系統(tǒng)主要由全局路徑規(guī)劃模塊（Route Planner）、局部路徑規(guī)劃模塊（Path Planner）、行為決策模塊（Behavior Selector）、運(yùn)動(dòng)規(guī)劃模塊（Motion Planner）、自主避障模塊（Obstacle Avoider）以及控制模塊（Controller）組成。

路徑跟蹤控制在此架構(gòu)中主要是由控制模塊實(shí)現(xiàn)?？刂颇K接收最終由自主避障模塊修改的運(yùn)動(dòng)計(jì)劃軌跡，計(jì)算并發(fā)送相應(yīng)的控制指令給方向盤、油門和制動(dòng)器的執(zhí)行器，以使汽車在現(xiàn)實(shí)世界規(guī)則允許的情況下執(zhí)行修改后的軌跡。

自動(dòng)駕駛汽車路徑跟蹤控制算法，主要是控制車輛按照上層路徑規(guī)劃器規(guī)劃好的路徑進(jìn)行無偏差橫縱向控制。

目前自動(dòng)駕駛汽車橫向控制算法主要分為兩種，包括有模型和無模型的控制方法。

無模型橫向控制方法即傳統(tǒng)的比例-積分-微分控制（Proportional Integral Derivative，PID）

另一種是基于模型的橫向控制方法，其中根據(jù)控制模型的不同，控制器又可分為有基于運(yùn)動(dòng)學(xué)模型的控制器和基于動(dòng)力學(xué)模型的控制器。

車輛運(yùn)動(dòng)學(xué)模型通常將車輛簡(jiǎn)化為一個(gè)質(zhì)點(diǎn)，即為質(zhì)點(diǎn)模型；或?qū)④囕v的垂直方向移動(dòng)忽略、將車輛的同車軸的車輪角速度相同、將車輛的朝向簡(jiǎn)化為前輪的朝向

即簡(jiǎn)化為自行車模型，基于該模型的控制方法主要有純跟蹤控制（Pure Pursuit）算法、Stanley 控制算法，后輪反饋控制算法（Rear wheel feedback）。

該類型控制器通常是通過控制航向角和橫向誤差來計(jì)算轉(zhuǎn)向角，易于實(shí)現(xiàn)，但該模型僅適用于不考慮車輛動(dòng)力學(xué)的低速行駛工況，如自動(dòng)泊車控制系統(tǒng)。

如果考慮復(fù)雜城市工況和高速交通環(huán)境時(shí)，則基于運(yùn)動(dòng)學(xué)模型的控制器的可靠性和魯棒性并不高，因此就需要引入車輛動(dòng)力學(xué)模型。

基于車輛動(dòng)力學(xué)模型的控制算法主要有線性二次型調(diào)節(jié)器（Linear Quadratic Regulator，LQR）、模型預(yù)測(cè)控制（Model Predictive Control，MPC）、滑?？刂疲⊿liding Model Control，SMC）等

由于其考慮了車輛高速行駛時(shí)車身與外界干擾項(xiàng)等多重因素，如輪胎的非線性變化、車輛橫擺與側(cè)傾約束、路面曲率變化等，進(jìn)一步提高了車輛行駛于復(fù)雜工況的安全性和可 靠性。

目前的車輛動(dòng)力學(xué)模型通常是簡(jiǎn)化了的二自由度單車模型，其保留了車輛的橫擺和側(cè)向運(yùn)動(dòng)，在能夠準(zhǔn)確描述車輛動(dòng)力學(xué)的基礎(chǔ)上盡量簡(jiǎn)化了車輛模型，以減少算法的計(jì)算量，確?？刂葡到y(tǒng)的實(shí)時(shí)性。