路径跟踪算法之PID路径跟踪与PP跟踪

置顶 已于 2023-08-19 23:46:53 修改
阅读量2.7w 收藏 341
点赞数 33
分类专栏： 移动机器人规划控制 文章标签： pid 控制器 算法 matlab
于 2021-07-31 23:38:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/chen_mp/article/details/119283187
版权
本文探讨了路径跟踪的原理，介绍了纯跟踪（Pure Pursuit, PP）和PID控制在路径跟踪中的应用。PP算法常用于低速简单路径，而PID控制因其结构简单，被广泛用于无人驾驶路径跟踪。文章详细解释了这两种算法的工作机制，并提供了仿真案例和相关代码链接。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

路径跟踪算法之PID路径跟踪与PP跟踪

1路径跟踪原理

在运用好的路径规划算法，规划好一条从起点到目标点最优的路径后，如何
让机器人来寻着这条最优的路径走，便是路径跟踪(Path tracking)需要解决的问题。基于平面坐标系下设定一条理想的几何路径，然后要求机器人从某一处出发，按照某种控制规律到达该路径上，并实现其跟踪运动。
1.1 路径跟踪示意图

路径跟踪的实质是通过控制车辆的运动来减少车辆与参考轨迹之间的空间
误差，如果考虑轨迹的话，那么还包含了时间上的误差。

2 常见的路径跟踪算法

常见的路径跟踪算法可分为几何跟踪和模型跟踪：
几何跟踪是基于车辆的运动学几何结构，推导出控制量实现跟踪，常见的几何跟踪算法有纯跟踪算法（purePuresuit）、Stanley method 前轴控制、Rear_wheel_feedback 后轴控制等，其中后两者都是基于阿克曼模型实现的，而 pp 跟踪是在双轮乃至四轮差速模型和阿克曼模型中都相应的应用。

模型跟踪则是基于算法求解模型，结合机器人运动学与动力学的控制规律，通过最优解或稳定性调节等方式计算得到跟踪控制量的跟踪控制方式，常见的模型跟踪算法有很多，比如经典的 PID 控制、滑膜控制、线性二次型调节器控制、模型预测控制（MPC）等，不同的控制方式对应着不同的模型系统，可以

最低0.47元/天 解锁文章
【控制模块路径跟踪算法】PID控制算法实现路径跟踪（附C++代码）
qq_35635374的博客
07-09 1700
认知有限，望大家多多包涵，有什么问题也希望能够与大家多交流，共同成长！本文先对PID控制算法实现路径跟踪–飞思卡尔的方法做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章提示：以下是本篇文章正文内容PID属于无模型控制，调节三个环节的参数会产生什么影响根据控制对象的不同也会有很大差别PID形象解释小明接到这样一个任务：有一个水缸点漏水(而且漏水的速度还不一定固定不变)，要求水面高度维持在某个位置，一旦发现水面高度低于要求位置，就要往水缸里加水。
最优化理论与自动驾驶（十）：纯跟踪算法原理、公式及代码演示
a8598671的博客
09-17 5029
纯跟踪算法（Pure Pursuit Algorithm）是一种用于路径跟踪的几何控制算法，广泛应用于自动驾驶、机器人导航等领域。其基本思想是通过选择预定路径上的目标点（预瞄点），并控制转向角，使车辆不断逼近并跟随该目标点，从而达到路径跟踪的效果。
MPC、PP、Stanley、LQR、PID等控制算法的MATLAB程序实现
06-14
控制算法包含了MPC、PP、Stanley、LQR、PID等； 包含m源文件以及mdl模型；
【路径跟踪】基于PID和MPC控制算法路径跟踪附Matlab代码
qq_59747472的博客
09-20 1406
一、引言路径跟踪是移动机器人领域的核心问题之一，其目的是使机器人沿着预定的路径运动。在实际应用中，路径跟踪算法需要考虑各种因素，例如路径的复杂程度、机器人的运动学和动力学特性、环境中的干扰等。近年来，随着人工智能技术的快速发展，各种路径跟踪算法不断涌现，其中基于PID和MPC控制算法的路径跟踪方案因其优越的性能而得到广泛关注。二、PID控制算法路径跟踪。
机器人运动控制流程：路径规划、轨迹规划和轨迹跟踪及它们涉及的算法
最新发布
cxyhjl的博客
03-06 2476
算法，它从起始点开始，通过随机采样和扩展的方式，快速构建一棵搜索树，直到树扩展到目标点附近。算法，它预先在工作空间中随机采样大量的点，并连接附近的点，构建一个概率路图。PRM 算法的优点是构建路图的过程可以离线完成，查询速度快，适用于需要多次路径查询的场景。（例如曼哈顿距离或欧氏距离）。A* 算法在保证找到最优路径的前提下，比 Dijkstra 算法更高效，是机器人路径规划中最常用的算法之一。S-型速度轮廓规划生成的轨迹加速度连续，jerk 有限，运动更加平稳，冲击更小，适用于对运动平稳性要求较高的场景。
基于pid的路径跟踪_智驾技术 | 路径跟踪控制
weixin_36272649的博客
01-31 8305
路径跟踪控制算法通过已知的路径计算出车辆当前状态下所需的方向盘转角，使得车辆能够按照预设的路径安全平稳的行驶。路径跟踪控制是实现智能驾驶的关键技术之一，其跟踪性能的好坏直接影响车辆的安全性和舒适性。 智能驾驶系统对路径跟踪算法提出了如下要求： 准确性：在各工况下不能偏离目标路径，即使路面条件潮湿或道路比较曲折，控制器也要具有准确跟踪目标路径的能力。 可行性:...
路径跟踪算法之PID、PP、Stanley详细理解
qq_37705385的博客
07-07 2257
路径跟踪算法之PID、PP、Stanley 通俗易懂理解
路径跟踪算法---PID实现
weixin_44126988的博客
08-16 5838
本文介绍如何使用PID算法控制机器人进行路径跟踪。
PID 路径跟踪
颹蕭蕭
06-26 9617
# ----------- # User Instructions # # Implement a P controller by running 100 iterations # of robot motion. The steering angle should be set # by the parameter tau so that: # # steering = -tau_p * CTE...
路径追踪算法
08-25
Path tracing is one of several techniques to render photorealistic im- ages by simulating the physics of light propagation within a scene. The roots of path tracing are outside of computer graphics, in the Monte Carlo simulations developed for neutron transport. A great strength of path tracing is that it is conceptually, mathematically, and often-times algorithmically simple and elegant, yet it is very general. Until recently, however, brute-force path tracing techniques were simply too noisy and slow to be practical for movie production rendering. They therefore re- ceived little usage outside of academia, except perhaps to generate an occasional reference image to validate the correctness of other (faster but less general) rendering algorithms. The last ten years have seen a dramatic shift in this balance, and path tracing techniques are now widely used. This shift was partially fueled by steadily increasing com- putational power and memory, but also by significant improvements in sampling, rendering, and denoising techniques. In this survey, we pro- vide an overview of path tracing and highlight important milestones in its development that have led to it becoming the preferred movie rendering technique today.
基于PID的轨迹跟踪
auto_mooc的博客
06-15 5319
本篇文章介绍一种简单的方法：基于车辆侧向路径位移偏差用PID算法来控制小车的方向盘转角。
路径跟踪算法.rar
07-19
该代码为基于自适应控制的两轮小车路径跟踪算法，压缩包内含matlab仿真代码。
基于模糊自适应PID的智能车辆路径跟踪控制
08-03
选取车辆当前位姿和参考位姿来构造车辆的动态位姿误差，建立车辆路径跟踪闭环控制系统的 仿真模型，并设计了模糊自适应 控制器，利用模糊推理的方法，对 控制器的参数进行自动调整。利用常规 和模糊自适应 控制算法分别进行仿真实验 仿真结果表明，模糊自适应 改善了控制器的动态性能且具有较好的自适应能力
路径跟踪的小程序
09-28
路径跟踪的小程序，本程序用matlab实现
自动驾驶的控制算法--mpc\pp\stanley\lqr\pid等
pvmsmfchcs的博客
08-15 651
这些算法各有特点，适应不同的应用场景。这些控制算法的MATLAB实现为自动驾驶研究提供了一个宝贵的工具箱，有助于开发者理解和比较不同控制策略的性能，以及进行实际的车辆控制系统设计。通过学习和调试这些源代码，我们可以深入理解控制理论在自动驾驶领域的应用，并有可能改进现有的算法，提升自动驾驶系统的精度和鲁棒性。：模型预测控制是一种先进的控制策略，它基于有限时间内的系统动态模型进行优化，预测未来的系统行为。文件中可能包含了PID控制器的代码，用于调整车辆的速度和方向，以减少与目标轨迹的偏差。
无人驾驶车辆路径规划及轨迹跟踪控制学习笔记（2）
小兮学习日记
12-07 2395
无人驾驶车辆路径规划及轨迹跟踪控制学习笔记
路径跟踪算法---Pure Pursuit实现
weixin_44126988的博客
08-22 2469
Pure Pursuit是一种基于几何追踪的路径跟踪算法，使车辆或者机器人沿着预定轨迹进行运动，控制方法简单，无需过多考虑运动学和动力学模型，广泛应用于车辆和移动机器人领域，实现路径跟踪。
路径跟踪算法学习及总结
热门推荐
Woods的博客
06-29 1万+
路径跟踪算法学习及总结 1.Stanley method 前轴控制 2.Pure pursuit(纯跟踪) 自行车模型 其中 δ 表示前轮的转角，L 为轴距（Wheelbase），R则为在给定的转向角下后轴遵循着的圆的半径。这个公式能够在较低速度的场景下对车辆运动做估计。 从自行车模型出发，纯跟踪算法以车后轴为切点, 车辆纵向车身为切线, 通过控制前轮转角，使车辆可以沿着一条经过目标路点（goal point）的圆弧行驶，如下图所示 图中 （gx, gy）是我们下一个要追踪的路点，它位于我们已经
【路径追踪】PathTracing 算法
冠位仓鼠--慕白
08-30 6796
路径追踪算法的实现
纯跟踪模型+模糊控制实现gnss小车路径跟踪
02-14
### 实现GNSS小车路径跟踪的纯跟踪模型和模糊控制 #### 纯跟踪模型简介 纯跟踪（Pure Pursuit）是一种用于移动机器人导航的经典算法，特别适用于车辆运动学建模。该方法通过寻找轨迹上最接近当前车辆位置的一个目标点，并计算转向角度使得车辆朝向此目标点前进。 对于GNSS小车而言，在已知全局坐标系下的期望路径时，可以采用如下方式实现： 1. **定义参数** - 设定前视距离 \( L_d \)，即从当前位置到追踪的目标点的距离。 - 获取当前车辆的位置 (x, y) 和航向角 θ。 2. **查找最近点** 计算路径上的每一个点与当前车辆之间的欧氏距离，找到离得最近的那个点作为起始参考点 P_ref(x_ref,y_ref)[^3]。 3. **确定目标点** 从前述P_ref出发沿路径方向选取一个满足条件 |PP_target| = Ld 的新点作为实际要追逐的目标点 Target(x_targt,y_target) 。如果路径终点更近，则取之为目标点[^3]。 4. **计算曲率/转角指令** 利用车辆几何关系求解出为了达到Target所需调整的方向变化量δ： ```python delta = atan((2 * wheelbase * cross_track_error) / lookahead_distance) ``` 其中 `cross_track_error` 是横向误差；`wheelbase` 表示轴距长度；`lookahead_distance` 即为设定好的前瞻距离Ld[^3]。 #### 模糊控制系统的设计 当环境存在不确定性因素如路面摩擦力波动、风阻等外部干扰源时，传统的PID调节难以获得理想效果。此时引入模糊逻辑控制器(Fuzzy Logic Controller, FLC), 可有效提升系统的抗噪能力和适应性能。 具体来说: - 输入变量可以选择为偏差 e(t)=y_desired-y_actual 和偏差的变化率 de/dt； - 输出则是对输入信号进行修正后的PWM占空比或者其他形式的速度命令u(k); - 建立隶属度函数表征各物理量所属程度; - 根据专家经验制定一系列IF-THEN规则映射不同状态组合下应采取的动作策略; 最终形成闭环反馈结构完成整个过程自动化管理。 ```matlab % 定义模糊推理系统并设置输入输出范围 fis = mamfis('Name','FuzzyController'); fis = addInput(fis,[min_e max_e],'Name','Error'); fis = addInput(fis,[min_de_dt max_de_dt],'Name','Delta_Error'); fis = addOutput(fis,[min_u max_u],'Name','Control_Action'); % 添加隶属度函数... for i=1:length(membership_functions_names) fis = addMF(fis,'Error',membership_functions_types{i},parameters_for_mfs{i},'Name',... membership_functions_names{i}); end % 构造if then规则库... ruleList = [ 'If Error is Negative_Big And Delta_Error is Decreasing Then Control_Action is Positive_Large'; ... ]; rules = readfisRules(ruleList); fis = setfis(fis,'Rule',rules); % 使用evalfis评估给定条件下应该产生的动作大小 output = evalfis([current_error current_delta_error],fis); ```
评论 24
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

>_<!

码字不易，如有帮助，欢迎鼓励

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值