目錄

1. 簡介

2. 控制流程

3. PID控制

4. PID優劣對比

---

本文轉自微信公眾號：Apollo開發者社區?原創：?阿波君?Apollo開發者社區?9月26日

上周我們發布了無人駕駛技術的?規劃篇，車輛基于高精地圖，感知和預測模塊的數據來進行這一規劃。

本期我們將介紹和控制相關的知識，具體講解最常用的控制算法---------?PID控制器。自動駕駛的入門課程已經接近尾聲，開發者學習的熱情依然高漲。希望開發者們在完成入門課程后，繼續深入學習無人駕駛技術，在無人駕駛領域越走越遠。

---

視頻連接為：https://v.qq.com/x/page/u0719ta7ad7.html

1. 簡介

控制是驅使車輛前行的策略。對于汽車而言，最基本的控制輸入為轉向、加速和制動。通常，控制器使用一系列路徑點來接收軌跡。控制器的任務是使用控制輸入讓車輛通過這些路徑點。

首先，控制器必須準確，這意味著它應避免偏離目標軌跡。這對于安全來說，尤為重要。即使路面潮濕或者道路比較陡峭，控制器仍需要準確地執行軌跡。其次，控制策略對汽車應該具備可行性。例如，如果你的汽車向北行駛，而你希望它立即向東轉。你可以在游戲中做到這一點，但在現實中無法實現。最后，需要考慮的是平穩度。舒適的駕駛非常重要。如果車輛行駛得不規律，那乘客永遠不會想再次乘坐它了。要使控制順利進行，驅動必須是連續的。這意味著你應避免突然轉向、加速或制動。

總之，我們的目標是使用可行的控制輸入，最大限度地降低與目標軌跡的偏差、最大限度地提供乘客的舒適度。有三種可用于實現這些目標的控制策略：比例積分微分控制（或PID）、線性二次調節器（或LQR）、模型預測控制（或MPC）。

2. 控制流程

控制器預計有兩種輸入：目標軌跡與車輛狀態。目標軌跡來自規劃模塊，在每個軌跡點，規劃模塊指定一個位置和參考速度。在每個時間戳都對軌跡進行更新。我們還需要了解車輛狀態，車輛狀態包括：通過本地模塊來計算的車輛位置、從車輛內部傳感器獲取的數據（如速度、轉向和加速度）。我們使用這兩個輸入來計算目標軌跡與實際行進軌跡之間的偏差。

控制器的輸出是控制輸入（轉向、加速和制動）的值。當偏離目標軌跡時，我們希望采取行動來糾正這種偏差。對于普通汽車，我們使用方向盤控制行駛方向（即轉向）、使用油門加速、使用剎車減速（即制動）。這也是無人駕駛汽車所做的。一旦將這三個值傳遞給車輛，汽車實際上已經開始無人駕駛了。之后將介紹不同的控制算法，如何計算這三個輸出：轉向、加速和制動。

3. PID控制

首先介紹的算法為PID控制，這個控制器的優點在于它非常簡單，只需要知道與目標軌跡有多大的偏離。PID的第一組件為P代表“比例”(Proportional)。設想一輛車正試圖遵循目標軌跡，P控制器在車輛開始偏離時立即將其拉回目標軌跡。比例控制意味著，車輛偏離越遠，控制器越難將其拉回目標軌跡。

在實踐中P控制器的一個問題在于，它很容易超出參考軌跡。當車輛越來越接近目標軌跡時，我們需要控制器更加穩定。PID控制器中的D項致力于使運動處于穩定狀態，D代表“微分”（Derivative）。PD控制器類似于P控制器，它增加了一個阻尼項，可最大限度地減少控制器輸出的變化速度。

PID控制器中的最后一項I代表積分（Integral），該項負責糾正車輛的任何系統性偏差。例如，轉向可能失準，這可能造成恒定的轉向偏移。在這種情況下，我們需要稍微向一側轉向以保持直行。為解決這一問題，控制器會對系統的累積誤差進行懲罰。我們可以將P、I和D組件結合構成PID控制器。

4. PID優劣對比

PID控制器很簡單，但它在很多情況下的效果很好。對于PID控制器，你只需要知道你的車輛與目標軌跡之間的偏差。但是PID控制器只是一種線性算法，對于非常復雜的系統而言，這是不夠的。例如，為控制具有多個關節的四軸飛行器或機器人，我們需要建立機器人的物理模型。對無人駕駛而言，我們需要應用不同的PID控制器來控制轉向和加速，這意味著很難將橫向和縱向控制結合起來。另一個問題在于PID控制器依賴于實時誤差測量，這意味著受到測量延遲限制時可能會失效。

更多詳細課程內容，大家可以登陸官網繼續學習！

也可以添加社區小助手（Apollodev）為好友，回復“課程學習”進群與其他開發者共同交流學習。 ?

自課程上線以來，瀏覽量已超10萬，已幫助全球97個國家約 7000 名學員入門自動駕駛與 Apollo 開源平臺，其中37%為海外學員，本門課程已成為優達學城 (Udacity) 近期獲得關注度最高的免費課程之一。

總結

以上是生活随笔為你收集整理的Apollo自动驾驶入门课程第⑨讲 — 控制（上）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。