comma.openpilot 的规划控制

comma.openpilot 的规划控制

我就我所知的内容(来自网络和实践)介绍一下，不一定全面，还请见谅与指正。

附赠自动驾驶最全的学习资料和量产经验以及1000T的资源分享：链接

一、概要：

1、控制理论中人们看世界的两种视角——时域和频域(https://www.zhihu.com/zvideo/1453089353333944321)(https://www.zhihu.com/zvideo/1440255158504153088):

分析时域问题需要用到卷积；
分析频域问题则需要拉普拉斯变换。

所以这里直接上结论：

时域的卷积 = 频域的相乘

因此时域下的卷积公式：

输出 = 输入 * 单位冲击响应，其中 * 表示卷积运算

变成了频域下的乘法公式：

L(输出) = L(输入) · L(单位冲击响应)，其中L表示拉普拉斯运算， · 表示乘法运算

时域下的卷积运算 被转换成了 拉普拉斯域(s域)下的 普通乘法运算，

这大大减小了分析和控制器设计的难度(妙不可言)。

---

2、PID：

3、MPC：

模型预测控制（Model predictive control、MPC）是过程控制中，在满足特定限制条件时，控制过程的进阶控制方式。

模型预测控制是以过程的动态模型为基础，多半是透过系统识别得到的线性经验模型。

研究指出若使用特殊设计的类比电路，其反应时间可以更快[3]。

相似矩阵的定义是：

矩阵特征值和特征向量，如果把矩阵看作是运动，对于运动而言，最重要的当然就是运动的速度和方向，那么：

特征值就是运动的速度；
特征向量就是运动的方向。

既然运动最重要的两方面都被描述了，特征值、特征向量自然可以称为运动（即矩阵）的特征。

代表什么：

奇异值分解中的[右奇异向量](https://zhuanlan.zhihu.com/p/29846048)
表征两个向量的夹角，表征一个向量在另一个向量上的投影，投影的值大，说明两个向量相关度高；
表示X的平方，有极值。

https://blog.csdn.net/a358463121/article/details/103772991?utm_source=app&app_version=5.3.0&code=app_1562916241&uLinkId=usr1mkqgl919blen​blog.csdn.net/a358463121/article/details/103772991?utm_source=app&app_version=5.3.0&code=app_1562916241&uLinkId=usr1mkqgl919blen

https://blog.csdn.net/weixin_43763731/article/details/88926578?utm_source=app&app_version=5.3.0&code=app_1562916241&uLinkId=usr1mkqgl919blen​blog.csdn.net/weixin_43763731/article/details/88926578?utm_source=app&app_version=5.3.0&code=app_1562916241&uLinkId=usr1mkqgl919blen

https://blog.csdn.net/qq_36641919/article/details/88409718​blog.csdn.net/qq_36641919/article/details/88409718

理解Jacobian矩阵与行列式1285 赞同 · 29 评论文章

– 控制精度取决于：1、传感器精度；2、状态估计精度；3、控制器控制精度；

– 好的控制框架应该是少调参，即减少控制算法和估计算法的 调参 参数；

– comma的控制框架 = DNN(感知识别) + Kalman(融合估计) +控制 (Kalman+MPC+PID)；

– 实际测试 控制体验：平滑和自适应性好（原因：1、都是乘用车；2、控制算法搭配合理）；

– Kalman负责“状态估计”（参数：初值、Q和R）；

– MPC负责“优化（对刺激的反应反馈回系统）+控制”，从时间跨度上 相对于PID来 说是追求“全局优化控制”，它需要考虑耦合（时间不是静态的片面的而是互相关联的和连带的，从而影响系统本身（昨天的一个小时不等于今天的一个小时））和约束等，它的实时性相对于PID要差一些（参数：时域长度和优化目标）；

– PID负责“稳定的控制住”单入单出的子系统，它的设定点来MPC，它更注重“局部控制”，它的实时性更强（参数：P、I）。

openpilot.车辆运动模型:

openpilot.MPC:

openpilot.横向控制:

openpilot.纵向控制:

openpilot.MPC.cost function:

神经网络与控制的区别：神经网络重预测（根据相关信息预测），控制重反应（根据状态动态调整）。