系列文章目录
提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
TODO:写完再整理
文章目录
前言
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！本文先对无人驾驶路径跟踪控制常用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
一、无人驾驶路径跟踪控制需求
控制器预计有两种输入：目标轨迹和车辆状态。
控制器输出：控制出入（转向、加速和制动）的值
.
.
二、控制方案一：PID控制
优点：PID控制使用简单，不依赖特定模型，大多数情况下适用。
缺点：对于复杂的系统不适用，PID控制器依赖于实时误差测量，这意味着测量延迟限制时可能会失效。
原理看我另外一篇博客：
https://blog.csdn.net/qq_35635374/article/details/121155753
.
.
三、控制方案二：纯跟踪算法（pure_persuit）
pure_persuit算法是由自行车模型推导而来的
原理看我另外一篇博客：
【control】pure pursuit纯追踪算法
.
四、控制方案三：线性二次调节器（LQR）
线性二次调节器（LQR）是基于模型的控制器，使用车辆状态来使误差最小化，Apollo使用LQR进行横向控制。
横向控制包含四个组件：横向误差、横向误差的变化率、朝向误差和朝向的变化率。
除状态外，还有是三个控制输入：转向、加速和制动。
.
.
五、控制方案四：模型预测控制（MPC）
一种更为复杂的控制器，依赖于控制理论和优化优化，MPC分为三个步骤：1.建立车辆模型；2.优化引擎计算有限时间范围内的控制输入；3.执行一组的控制输入。重复执行。
优点：考虑了车辆模型，比PID控制更精确，适用于不同的代价函数。
缺点：相对更复杂、更缓慢、更难以实现。
模型预测控制具体原理科看我另外一篇博客
https://blog.csdn.net/qq_35635374/article/details/121177403