【Autoware】PurePursuit纯跟踪控制节点
【Autoware】PurePursuit纯跟踪控制节点
1. 技术原理
轨迹跟踪模块主要负责控制车辆沿着规划的路径点行驶，即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（速度和转向），使车辆尽可能沿着规划的路径平稳行驶。
常用的跟踪控制算法有：纯跟踪算法（pure pursuit）、PID、MPC等（由易到难）。
纯跟踪算法（pure pursuit）的思想就是：把阿克曼转向的车辆抽象成自行车两轮模型，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，控制车辆后轴中心经过轨迹上一系列的点。
在示意图中，(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中心的距离即预瞄距离，R表示跟踪的曲率半径。根据pure pursuit算法计算出控制量前轮转角δ以及对应的车辆转向角W。
计算如下：
2. 代码实现
pure_pursuit_node.cpp（主函数，实例化对象并运行）
// ROS Includes
#include <ros/ros.h>
// User defined includes
#include <pure_pursuit/pure_pursuit_core.h>
int main(int argc, char** argv)
{
ros::init(argc, argv, "pure_pursuit");
waypoint_follower::PurePursuitNode ppn;
ppn.run();
return 0;
}pure_pursuit_core.h（PurePursuitNode类定义）
// 纯跟踪节点运行
void PurePursuitNode::run()
{
ROS_INFO_STREAM("pure pursuit start");
ros::Rate loop_rate(LOOP_RATE_);
while (ros::ok())
{
ros::spinOnce();
if (!is_pose_set_ || !is_waypoint_set_ || !is_velocity_set_)
{
ROS_WARN("Necessary topics are not subscribed yet ... ");
loop_rate.sleep();
continue;
}
pp_.setLookaheadDistance(computeLookaheadDistance());
pp_.setMinimumLookaheadDistance(minimum_lookahead_distance_);
double kappa = 0;
bool can_get_curvature = pp_.canGetCurvature(&kappa);
publishTwistStamped(can_get_curvature, kappa);
publishControlCommandStamped(can_get_curvature, kappa);
health_checker_ptr_->NODE_ACTIVATE();
health_checker_ptr_->CHECK_RATE("topic_rate_vehicle_cmd_slow", 8, 5, 1,
"topic vehicle_cmd publish rate slow.");
// for visualization with Rviz
pub11_.publish(displayNextWaypoint(pp_.getPoseOfNextWaypoint()));
pub13_.publish(displaySearchRadius(
pp_.getCurrentPose().position, pp_.getLookaheadDistance()));
pub12_.publish(displayNextTarget(pp_.getPoseOfNextTarget()));
pub15_.publish(displayTrajectoryCircle(
waypoint_follower::generateTrajectoryCircle(
pp_.getPoseOfNextTarget(), pp_.getCurrentPose())));
if (add_virtual_end_waypoints_)
{
pub18_.publish(
displayExpandWaypoints(pp_.getCurrentWaypoints(), expand_size_));
}
std_msgs::Float32 angular_gravity_msg;
angular_gravity_msg.data =
computeAngularGravity(computeCommandVelocity(), kappa);
pub16_.publish(angular_gravity_msg);
publishDeviationCurrentPosition(
pp_.getCurrentPose().position, pp_.getCurrentWaypoints());
is_pose_set_ = false;
is_velocity_set_ = false;
is_waypoint_set_ = false;
loop_rate.sleep();
}
}
// 发布时间戳
// 发布控制指令
// 计算预瞄距离
// 计算速度
// 计算加速度
// 计算转向角pure_pursuit.h（PurePursuit类定义）
// 计算曲率
// 线性插值pure_pursuit_viz.h（marker显示定义）
// 显示目标点
// 生成轨迹
// 显示轨迹3. 算法改进
使用后发现pure pursuit只能用于一些简单的场景，如直线道路上的循迹；对于一些复杂的路径跟踪效果较差，例如U型/S型等曲线路径。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，因此就需要对前视距离的计算方法进行研究改进。
人类开车时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。
动态调整预瞄距离的计算规则：与车速的关系；与跟踪轨迹曲率的关系；跟踪轨迹曲率K计算。
在Autoware中，绿色的球体即为计算的跟踪预瞄点；红色的点为规划好的路径点；白色的轨迹为轨迹跟踪算法计算出的车辆将要运行的轨迹。
之后要做的事：
- 如何做算法改进；
- 如何手撕算法；
- 针对具体问题，如做倒车场景下的轨迹跟踪。
参考：
http://t.csdn.cn/O6KCy
http://t.csdn.cn/J1nPl以上。
腾讯云开发者
