📚 课程目录第1章 PI控制基础与Lane校准概述

一、PI控制基础与Lane校准概述

1.1 为什么是PI控制？

说实话，刚接触Lane校准那会儿，我也想过直接用查表法或者简单的if-else逻辑。但项目一跑起来就发现问题了——路况变化太随机，固定的参数根本扛不住。

核心观点：PI控制不是万能的，但在Lane校准这个场景里，它恰好能解决「动态跟随」和「稳态误差」这两个最头疼的问题。

我举个例子。你开车在高速上，车道线突然变弯了。这时候控制器必须马上响应，但又不能打方向盘太猛，否则乘客会晕车。比例项（P）负责快速反应，积分项（I）负责消除残余偏差。两者搭配，才让车辆稳稳地走在车道中间。

1.2 PI控制的两个主角

理解PI控制，说白了就是要搞清楚两个参数在干嘛。

参数	作用	我遇到的坑
比例项（Kp）	根据当前误差大小，给出校正量	Kp调太大，车辆来回摆动，跟喝了酒似的
积分项（Ki）	累计历史误差，消除静态偏差	Ki调太大，转弯时严重超调，直接冲出车道

为什么需要积分项？我跟你讲一个亲身经历。有次做项目，只用P控制，发现车辆在直道上跑着跑着就偏了——因为路面有微小侧倾，P控制没法完全纠正。加上积分项之后，它把过去几秒的误差一点点累积起来，慢慢调整方向盘角度，最终把车拉回中线。

我的习惯：调PI参数时，先调比例项让系统能稳定跟随，再加积分项消除偏移。顺序搞反了，调试时间至少翻一倍。

# 离散域PI控制器的标准形式
def pi_controller(error, integral, Kp, Ki, dt):
    integral += error * dt
    output = Kp * error + Ki * integral
    return output, integral

注意看代码里的积分累加。嗯，这里有个细节——积分项会把过去所有误差都记着，如果误差一直存在，积分项会一直增长。这就是所谓的积分饱和问题，我在项目里踩过不止一次。

1.3 Lane校准到底在校准什么？

说白了，Lane校准就是让车辆「知道」自己相对于车道线的位置偏差，然后修正它。但实际工程中并没有那么简单。

我记得第一次做车道线检测融合时，直接被各种坐标系绕晕了。摄像头看到的是图像坐标，但车辆控制需要的是物理世界的横向偏移量。这里涉及几个关键步骤：

检测车道线在图像中的位置
转换到车辆坐标系下的横向偏差
计算车辆航向角与车道线的夹角
将偏差和航向角送入PI控制器
输出方向盘转角或扭矩请求

你想想看，如果第二步的坐标转换做错了，后面的PI控制再好也没用。我曾经就因为没有仔细标定摄像头外参，导致控制量符号反了——本应左转，结果右转，直接往护栏冲……还好测试速度低，及时刹住了。

⚠️ 关键提醒：Lane校准的前提是「感知准确」。如果车道线检测都歪了，PI控制反而会帮倒忙。先保证输入质量，再谈控制算法。

1.4 从开环到闭环：PI控制在这里的角色

开环控制相当于你闭着眼睛开车——凭感觉打方向，偏了也不知道。闭环控制则像睁着眼睛开车，实时用眼睛（传感器）测量偏差，调整方向盘。

PI控制器在Lane校准中扮演的角色，就是那个「不断修正的驾驶员」。它不关心路怎么弯，只看偏差有多大，然后用公式算出一个修正量。

# Lane校准中的PI控制示例
class LanePIController:
    def __init__(self, Kp, Ki):
        self.Kp = Kp
        self.Ki = Ki
        self.integral = 0.0
        self.max_integral = 100.0  # 防积分饱和
    
    def compute_steering_angle(self, lateral_error, heading_error, dt):
        # 误差由横向偏差和航向角偏差组成
        combined_error = lateral_error * 0.7 + heading_error * 0.3
        
        # 比例项
        p_term = self.Kp * combined_error
        
        # 积分项（带限幅）
        self.integral += combined_error * dt
        self.integral = max(-self.max_integral, min(self.max_integral, self.integral))
        i_term = self.Ki * self.integral
        
        return p_term + i_term

代码里我把横向偏差和航向角偏差做了加权融合。这个系数0.7和0.3不是拍脑袋定的——我在实车上反复测试后发现，高速时航向角的影响更大，低速时横向偏差更重要。所以后来改成了随车速变化的动态权重。

1.5 本章知识体系

下面这张图概括了PI控制与Lane校准的关系。你可以把它当成一张「地图」，后续章节都会围绕这些节点展开。

这张图里，你从上往下看就是整个闭环链路。中间的PI控制模块是我前面写的代码所在的位置。一开始我以为最难的是PI参数怎么调，后来发现参数调好了，感知模块给的数据不对，照样白搭。

1.6 一个真实的案例

去年我参与一个L2级辅助驾驶项目，客户抱怨车道保持总是偏右。排查后发现不是PI参数的问题，而是摄像头安装角度偏了0.5度。这个误差在感知模块累加后，送到PI控制器就成了一个固定的负偏置。

教训：Lane校准是一个系统级工程。PI控制只是其中一环，上下游的数据质量、标定精度、执行器特性都会影响最终效果。千万不要以为调好代码就万事大吉。

嗯，说到这儿，你应该对PI控制在Lane校准里的定位有个大致感觉了。具体怎么建模、怎么调参、怎么应对实际路况里的坑，后面的章节会逐个展开。