1. 课程导论与预备知识
各位同学好，我是你们这门课的主讲。在自动驾驶控制领域摸爬滚打了十几年，今天咱们来聊聊高速场景下的路径跟踪。
说实话，高速场景是我个人觉得最有意思、也最考验功底的一块。为什么？因为车速一上来，所有问题都会被放大。你想想看，低速时打个盹儿可能没事，高速上零点几秒的延迟，车就窜出去十几米了。
1.1 高速场景定义
什么叫高速场景？我习惯这么定义：车速超过 60 km/h，且道路结构相对封闭、交通流方向明确的场景。
具体来说，包括：
- 高速公路：双向隔离、全封闭、有匝道
- 城市快速路：比如高架桥、环线，限速通常在 80-100 km/h
- 国道/省道：部分封闭，但可能有平交路口
这里有个关键点——高速场景不等于只有高速。我见过不少项目，把城市快速路和高速公路混为一谈，结果控制参数调得一团糟。其实两者的曲率变化率、车道宽度、甚至路面附着系数都不一样。
1.2 路径跟踪核心问题
路径跟踪，说白了就是让车沿着我们规划好的路线走。但这里有个核心矛盾：精度 vs 稳定性。
你想想看：
- 如果追求极致精度，车会频繁调整方向盘，乘客感觉像在坐过山车
- 如果追求舒适稳定，车可能就压线了，甚至冲出车道
我个人的经验是：高速场景下，稳定性优先于精度。为什么？因为高速时横向加速度对舒适性影响极大。你让乘客在 120 km/h 下频繁左右晃，不出 5 分钟就晕车了。
路径跟踪要解决的三个核心问题：
- 预瞄问题：看多远？看太近容易振荡，看太远反应迟钝
- 控制律设计：怎么把路径偏差转化成方向盘转角？
- 鲁棒性：遇到侧风、路面倾斜、轮胎磨损，系统还能不能稳住？
1.3 车辆运动学模型基础
做控制，首先得知道车怎么动。这里我介绍最常用的自行车模型——说白了就是把四个轮子简化成两个，前轮转向、后轮驱动。
为什么用自行车模型？因为高速场景下，我们更关心车辆的运动趋势，而不是每个轮胎的细微受力。我刚开始做的时候，总想着用复杂的动力学模型，结果参数太多，调都调不过来。
自行车模型的数学表达：
// 状态量：[x, y, yaw, v]
// 控制量：[delta, a]
x_dot = v * cos(yaw)
y_dot = v * sin(yaw)
yaw_dot = v * tan(delta) / L
v_dot = a其中：
x, y：车辆后轴中心位置yaw：航向角（车头朝向）v：纵向速度delta：前轮转角L：轴距a：加速度
嗯，这里要注意：自行车模型假设轮胎无侧滑。在高速急转弯时，这个假设会失效。我建议在车速超过 80 km/h 且弯道半径小于 200 米时，改用动力学模型。
1.4 坐标系与坐标变换
坐标系这东西，看着简单，但最容易出错。我见过太多工程师因为坐标系搞反，导致车辆原地画圈。
常用的坐标系有三个：
| 坐标系 | 原点 | 用途 |
|---|---|---|
| 世界坐标系 | 大地固定点 | 全局路径规划、地图定位 |
| 车辆坐标系 | 车辆后轴中心 | 控制量计算、传感器融合 |
| Frenet坐标系 | 参考路径上的投影点 | 路径跟踪偏差计算 |
我个人最推荐用 Frenet 坐标系 做路径跟踪。为什么？因为它把问题简化成了两个独立维度：
- 纵向：沿着路径走多远（s 坐标）
- 横向：偏离路径多远（d 坐标）
这样，控制器的输入就变成了「横向偏差」和「航向角偏差」，非常直观。
坐标变换公式（从世界坐标系到 Frenet 坐标系）：
// 假设参考路径点 [x_r, y_r, yaw_r]
// 车辆位置 [x, y]
dx = x - x_r
dy = y - y_r
// 横向偏差（左正右负）
d = -dx * sin(yaw_r) + dy * cos(yaw_r)
// 纵向距离
s = dx * cos(yaw_r) + dy * sin(yaw_r)
// 航向角偏差
yaw_err = normalize_angle(yaw - yaw_r)知识体系总览
下面这张图，是我自己总结的高速场景路径跟踪知识框架。你可以把它当作整个课程的地图：
这张图把本章的知识点串起来了。你会发现，所有内容都围绕着「如何在高速下稳定跟踪路径」这个核心问题展开。后面的课程，我们会逐一深入每个模块。
好了，第一章的预备知识就到这里。记住我今天说的：坐标系别搞反，角度记得归一化，高速场景稳定性优先。这三句话，够你用很久。
可可精品资料库