第2章 运动学模型基础：自行车模型、阿克曼模型、差速模型
各位同学，欢迎来到第二章。上一章我们聊了轨迹跟踪的整体框架，今天要扎进一个非常基础但又极其关键的部分——运动学模型。
说实话，我见过不少刚入行的工程师，一上来就猛调PID参数，结果车就是走不直。为什么？因为模型没选对。你想想看，用一个差速模型去控制一辆汽车，那不是拿自行车去跑F1吗？所以，搞懂这三种模型，是做好轨迹跟踪的第一步。
2.1 为什么需要运动学模型？
运动学模型，说白了就是描述机器人“怎么动”的数学关系。它不考虑力、质量、惯性这些动力学因素，只关注位置、速度、角度之间的几何约束。
在轨迹跟踪里，模型的作用就两个：
- 预测未来状态：给定当前控制量，模型能算出下一时刻机器人会在哪。
- 设计控制律：控制器需要知道输入和输出之间的关系，才能算出该给多少油门、打多少方向。
我个人习惯，在开始写任何控制代码之前，先把运动学模型在白板上画一遍。这一步省了，后面调试能让你怀疑人生。
核心观点：运动学模型是控制器的“眼睛”。没有它，控制器就是盲人摸象。
2.2 自行车模型（Bicycle Model）
自行车模型是最经典的简化模型。它把四轮车辆等效成一辆自行车——前轮转向，后轮驱动。这个模型在低速场景下非常准，而且数学形式简洁，是很多轨迹跟踪算法的基础。
2.2.1 模型假设
- 车辆在平面上运动，忽略垂向跳动。
- 左右轮合并为一个虚拟轮，位于车辆中轴线上。
- 轮胎无侧滑，即速度方向始终与轮子朝向一致。
- 低速行驶，忽略离心力和轮胎侧偏特性。
2.2.2 状态方程
自行车模型的状态通常用 [x, y, θ, δ, v] 表示：
x, y：后轴中心位置θ：航向角（车头朝向）δ：前轮转向角v：后轮速度
运动学方程如下：
dx/dt = v * cos(θ)
dy/dt = v * sin(θ)
dθ/dt = v * tan(δ) / L
dv/dt = a
dδ/dt = ω其中 L 是轴距，a 是加速度，ω 是转向角速度。
我的经验：实际项目中，我通常把 δ 限制在 ±30° 以内，因为超过这个范围，tan(δ) 增长太快，模型会变得不稳定。曾经有个项目，实习生没加限幅，仿真里车直接原地转圈……嗯，你懂的。
2.2.3 适用场景
| 场景 | 适用性 | 说明 |
|---|---|---|
| 低速泊车 | ★★★★★ | 速度 < 5 m/s，侧滑可忽略 |
| 园区物流 | ★★★★☆ | 速度 < 10 m/s，路面良好 |
| 高速公路 | ★★☆☆☆ | 高速下轮胎侧偏不可忽略，需用动力学模型 |
2.3 阿克曼模型（Ackermann Model）
阿克曼模型是自行车模型的“升级版”。它考虑了左右轮转角不同的问题——转弯时，内侧轮转角比外侧轮大，这样才能让所有轮子绕同一个圆心转动。
2.3.1 阿克曼转向几何
阿克曼转向的核心条件是：四个轮子的转向中心交于一点。数学上，内外轮转角满足：
cot(δ_out) - cot(δ_in) = W / L其中 W 是轮距，L 是轴距，δ_in 和 δ_out 分别是内外轮转角。
实际应用中，我们通常用等效前轮转角 δ 来近似：
δ ≈ (δ_in + δ_out) / 2然后直接用自行车模型的状态方程。这个近似在转角不大时误差很小。
避坑指南：我曾经在一个项目中直接用自行车模型控制真实车辆，结果发现转弯半径总是不对。后来一查，原来是阿克曼机构没校准，左右轮实际转角差了5度。所以，如果你用自行车模型控制真实车辆，一定要先标定转向机构。
2.3.2 与自行车模型的对比
| 对比项 | 自行车模型 | 阿克曼模型 |
|---|---|---|
| 轮子数量 | 2个虚拟轮 | 4个真实轮 |
| 转向方式 | 单轮转向 | 内外轮差动转向 |
| 计算复杂度 | 低 | 中 |
| 精度（低速） | 高 | 更高 |
| 工程实现 | 简单 | 需标定 |
2.4 差速模型（Differential Drive Model）
差速模型是轮式机器人最常用的模型，比如扫地机器人、AGV小车。它没有转向轮，靠左右轮的速度差来实现转弯。
2.4.1 模型原理
差速模型的状态通常用 [x, y, θ] 表示，控制输入是左右轮速度 v_L 和 v_R。
运动学方程：
dx/dt = (v_R + v_L) / 2 * cos(θ)
dy/dt = (v_R + v_L) / 2 * sin(θ)
dθ/dt = (v_R - v_L) / W其中 W 是左右轮间距。
你看，这个模型比自行车模型更简单——没有转向角状态，控制量直接是轮速。但代价是，它不能像汽车那样“直着走斜着停”，只能原地转弯或弧线运动。
2.4.2 三种典型运动模式
- 直线运动：
v_L = v_R，航向角不变。 - 原地旋转：
v_L = -v_R，中心点不动，只转方向。 - 弧线运动：
v_L ≠ v_R，绕某个圆心做圆周运动。
我的建议：差速模型在室内场景非常好用，但要注意轮子打滑问题。我曾经在光滑地板上测试AGV，结果左右轮速度差明明设好了，车却直直地滑出去。后来加了轮速编码器和IMU融合，才解决了这个问题。
2.5 三种模型在轨迹跟踪中的作用
好了，三种模型都讲完了。那它们在轨迹跟踪里到底怎么用？我画了一张图，帮你理清思路。
从这张图你可以看到，运动学模型是控制器和实际机器人之间的“桥梁”。控制器根据期望轨迹和当前状态，计算出控制量；模型则告诉我们，这个控制量会让机器人产生怎样的运动。
2.5.1 模型选择指南
| 机器人类型 | 推荐模型 | 原因 |
|---|---|---|
| 汽车、无人车 | 自行车模型 / 阿克曼模型 | 有转向轮，适合阿克曼转向几何 |
| AGV、扫地机器人 | 差速模型 | 无转向轮，靠轮速差转弯 |
| 四轮独立驱动 | 差速模型（扩展） | 每个轮子独立控制，可等效为差速 |
| 履带式机器人 | 差速模型 | 左右履带速度差控制转向 |
总结一下：自行车模型和阿克曼模型适合“有方向盘”的机器人，差速模型适合“没方向盘”的机器人。选对模型，你的轨迹跟踪算法就成功了一半。
2.6 本章小结
这一章我们聊了三种最常用的运动学模型：
- 自行车模型：简单、实用，是阿克曼模型的基础。
- 阿克曼模型：更精确，考虑了内外轮转角差，适合真实车辆。
- 差速模型：适合轮式机器人，控制简单，但运动模式有限。
我个人觉得，理解这些模型的关键不在于背公式，而在于理解“输入-状态”之间的映射关系。下一章我们会基于这些模型，开始设计真正的轨迹跟踪控制器。到时候你会发现，今天打下的基础有多重要。
嗯，今天就到这里。如果你在项目中遇到模型选择的问题，欢迎随时交流。