pure pursuit 轨迹跟踪算法介绍及autoware中的使用介绍

 pure pursuit 轨迹跟踪算法介绍及Autoware中使用介绍

目录

 pure pursuit 轨迹跟踪算法基本介绍

Autoware 中pure pursuit 算法使用介绍

---

 背景说明（PS：可忽略）：之前做的一个项目，主要就负责做轮式移动机器人的轨迹跟踪控制，当时没怎么具体的搞过这一块的东西，只是之前有一些了解。做的时候就查资料定方案，然后跑别人的代码，最后自己改进。最近有空了就把整个流程整理一下，轨迹跟踪这个系列打算写三篇（我尽量.......），也是根据当时完成算法的流程来的。

三篇系列：

1）pure pursuit 的基本介绍和autoware里面使用介绍（就是查资料定方案和跑别人的代码）；

2）针对pure pursuit的预瞄距离的改进思路方法介绍（具体应用时出现问题，然后改进）；

3）如何利用pure pursuit进行倒车时的轨迹跟踪；

 里面可能有些表述不准确，有问题的欢迎大家提出！！！！！

基本介绍

轨迹跟踪模块主要负责控制车辆沿着规划好的路径点行驶，其根据车辆当前的速度、位姿及路径点信息，计算出下一时刻车辆的控制参数（线速度和角速度），使车辆尽可能的沿着规划的路径平稳运动。常用的跟踪控制算法有：PID、MPC  及  纯跟踪算法（pure pursuit），这里主要介绍一下  pure pursuit 跟踪算法的基本原理和如何在Autoware中使用pure pursuit进行路径点跟踪。

现在在移动机器人上用的比较多的跟踪控制算法就那几种，MPC模型太复杂，各种参数一大堆，实时性也不是那么好；PID参数调节稍微复杂一些；当时就选择了模型简单，容易上手的纯跟踪作为方案，pure pursuit 在中低速下表现其实还可以接受（至少我是这么觉得的），对于一般的基于阿克曼转向的移动机器人来说足够了。

纯跟踪（pure pursuit）算法最基本的思想就是：把阿克曼转向结构的机器人抽象成自行车模型，构建前轮转角和后轴曲率的约束关系，然后以车后轴为切点, 车辆纵向车身为切线，控制车辆保持后轴的中心经过轨迹上一系列的点。

pure pursuit 跟踪示意图

如图所示，为pure pursuit 跟踪算法的示意图。其中，(Cx, Cy)表示当前智能车的位置坐标，(Gx, Gy)表示跟踪轨迹的预瞄点的位置坐标，Ld为预瞄点到车辆后轴的距离即预瞄距离，R表示跟踪的曲率半径。那么根据pure pursuit算法计算出控制量前轮转角δ 以及对应的智能车辆的角速度W。

主要的公式就是上面这些了，不难推导！

其实，纯跟踪算法原理很容易懂，就是一些基本的模型和公式推导，详细的介绍可以参考一下这篇博客--------->>

申泽邦（Adam Shan），兰州大学在读硕士研究生，主攻无人驾驶，深度学习；

Autoware 中pure pursuit 算法使用介绍

Autoware是日本名古屋大学开发的一套开源自动驾驶方案，里面包含了整个自动驾驶技术的常用方法，整体框架比较清晰。这里主要介绍如何使用其中的Pure pursuit进行路径点跟踪 。关于autoware的安装等过程可自行查找，网上很多资料。

上面就是使用Autoware里面的方法进行pure pursuit轨迹跟踪的整个流程。使用之后就发现，只能用于一些简单的场景，例如直线跟踪；对于一些复杂的路径跟踪效果就比较差，例如U型/S型等曲线路径。其实根据pure pursuit的原理可以知道，其跟踪效果很大程度上取决于前视距离ld的选择。设置固定的前视距离和路径曲率肯定无法适应不同的路径，因此就需要对于前视距离的计算方法进行研究改进。

从平时我们开车时的习惯来讲，我们会根据不同驾驶速度和不同路段，进行判断合适的视线跟踪点。因此，我们就可以将这个过程抽象出来，加以处理，形成一个选择前视距离的规则。

下一篇就着重讲解如何对这个过程模型进行建立，加入到pure pursuit中，从而改善跟踪性能！！！！！