聊聊运动控制和规划控制需要掌握的技术栈~-优快云博客

作者 | 过河卒编辑 | 自动驾驶之心

原文链接：https://zhuanlan.zhihu.com/p/11734783085

点击下方卡片，关注“自动驾驶之心”公众号

戳我-> 领取自动驾驶近15个方向学习路线

>>点击进入→自动驾驶之心『规划控制』技术交流群

本文只做学术分享，如有侵权，联系删文

1、ROS的通信方式

李是Lyapunov的李：谈谈ROS的通信机制

话题通信和服务通信，其中话题通信是通过发布和订阅话题实现，属于单向通信，订阅方被动接收信息；服务通信由请求方（Client）和应答方（Server）组成，通过加入一个请求机制，在应答处理后返回信息。

建议看看ROS2，在ROS2中，Master这个角色已经没有了：ROS1架构下，所有节点需要使用Master进行管理

ROS2使用基于DDS的Discovery机制，和Master说拜拜
通讯换成了DDS（Data Distribution Service）
ROS1：TCPROS/UDPROS
ROS2：DDS

2、智能指针

FOCUS：现代 C++：一文读懂智能指针
https://zhuanlan.zhihu.com/p/150555165

3、循环引用解决方法

C++ 智能指针中的循环引用_51CTO博客_c++智能指针
https://blog.51cto.com/u_12204415/3804223

4、vector内存问题

堆区是一块非常灵活的区域，因为使用这块空间需要程序员自己申请和释放空间，这就使得我们可以根据自己的需求来确定每个空间的使用周期，但是由此引发的问题就是，非常容易导致内存泄漏或者重复释放的问题，这两种问题同样是编译时不会报错。

arrary的空间是由系统分配的，在编译时已经确定，存放在栈区

vector的空间可由程序员动态分配，可动态增长，在运行时才确定大小，存放在堆区

5、迭代最小二乘和卡尔曼滤波

最小二乘：不需要正态分布，仅仅只需要误差均值为0，每次测量同方差且互不相关

卡尔曼滤波：

转自知乎某高赞回答：https://www.zhihu.com/question/47559783/answer/2988744371

通俗来讲，卡尔曼滤波解决的是：我需要用传感器测量一个数据，想要提高测量精度。

1，如果我有很多个传感器，那怎么办？
答:取多个传感器的平均值。

2，如果我的多个传感器精度不一样，那怎么办？
答:对于精度高的传感器，我多相信一点，对于精度低的，我少相信一点，然后综合考虑他们给出的结果，在数学上叫做“加权平均”

3，在实时测量中，我并没有很多传感器，但是我还是想要提高精度，怎么办。
答:对于系统现在的状态进行观测，并预测下一个状态可能的值，把这个预测当做一个传感器来用，进行加权平均，例如测量位置:“目前gps传感器测到位置在正东方向5米处，速度为正东方向1米/秒，那么，下一秒预测的值是正东方向6米处，在下一秒的测量数据中，会综合考虑预测值和实际测量值。”

Mockingjay：卡尔曼滤波(Kalman filter) 含详细数学推导

详解卡尔曼滤波原理-优快云博客

6、C++中常用的最小二乘的求解器

【Ceres基本使用方法】使用Ceres拟合曲线求解最小二乘问题_git clone ceres-优快云博客
https://blog.youkuaiyun.com/weixin_44543463/article/details/120796525

非线性优化工具Ceres如何指定优化算法？
https://www.zhihu.com/question/500343339/answer/3301069496

7、MPC的原理和基本步骤

MPC模型预测控制原理和Matlab以及Python代码实现_模型预测控制代码-优快云博客
https://blog.youkuaiyun.com/weixin_44924725/article/details/128050063

8、单例模式

我给面试官讲解了单例模式后，他对我竖起了大拇指！-优快云博客
https://blog.youkuaiyun.com/weixin_41949328/article/details/107296517

9、最优化计算方法

知识比较多，先推荐把数值分析相关东西学了，然后可以看一下最优化计算方法及其MATLAB程序实现（马昌凤版本），附带课后习题的部分答案，可做参考。最优化方法及其matlab程序设计马昌凤课后答案

10.S曲线和梯形曲线

S曲线是针对于速度而言，大致分为七段

关于运动控制中S型速度曲线的简单演示（C++实现）_速度曲线算位置曲线-优快云博客
https://blog.youkuaiyun.com/DLS756/article/details/104553385

梯形加减速算法详解及示例
https://blog.youkuaiyun.com/Galaxy_Robot/article/details/129432311

11.SVD分解

对于奇异值,它跟我们特征分解中的特征值类似，在奇异值矩阵中也是按照从大到小排列，而且奇异值的减少特别的快，在很多情况下，前10%甚至1%的奇异值的和就占了全部的奇异值之和的99%以上的比例。也就是说，我们也可以用最大的k个的奇异值和对应的左右奇异向量来近似描述矩阵。

可以用作主成分分析（PCA）

SVD原理与应用
https://blog.youkuaiyun.com/qq_58535145/article/details/122651843

奇异值分解(SVD)原理与在降维中的应用_刘建平 svd算法-优快云博客
https://blog.youkuaiyun.com/bubble_story/article/details/79988019

12.商用PID形式

PID基本上都会，但是实际运用中，和理论分析还是有区别的，给出商用PID控制器表达式

基本解释:

①比例微分:带滤波，抑制测量噪声增大；

②微分先行:当输入频繁变化时，运用微分对其求导会影响系统表现，拿掉R(s)

13.直线插补

【电机绘图】:插补算法（一）-直线插补-逐点比较法-优快云博客
https://blog.youkuaiyun.com/qq_64257614/article/details/132156073

需要注意两点：

（1）区分不同的象限

（2）根据F(x,y)的取值，判断是向x,还是向y运动

14.S曲线和插补

基于S型曲线的连续多段曲线插补平滑过渡的规划算法（Matlab）_s型曲线平滑算法matlab-优快云博客
https://blog.youkuaiyun.com/qq_26565435/article/details/98789361

分段的首尾速度为0

15.BLDC和PMSM的区别

BLDC(无刷直流电机)和PMSM(永磁同步电机)的区别_集中绕组pmsm和bldc有什么区别-优快云博客
https://blog.youkuaiyun.com/weixin_41469013/article/details/133722827

驱动信号是最大区别，PMSM正弦波驱动，BLDC方波驱动

16.FOC介绍

FOC矢量控制原理&SVPWM原理及实现_foc控制-优快云博客
https://blog.youkuaiyun.com/IOTBOT/article/details/138541200

17.DOB扰动观测器

非线性扰动观测器(NDOB)-优快云博客
https://blog.youkuaiyun.com/weixin_43903639/article/details/128881666

18.扰动抑制和噪声衰减的矛盾

对于扰动抑制而言，应当使灵敏度函数的幅值较小；

对于噪声衰减而言，应当使补灵敏度函数的幅值较小；

扰动项集中在低频段，噪声集中在高频段。

并且灵敏度函数+补灵敏度函数=1（限制了两者不可能同时很小），

因此，在低频段，让灵敏度函数小一些；在高频段，让补灵敏度函数小一些。

19.电机类型区分

电动机分为直流电机和交流电机两大类，其中交流电机又分为异步电机（转子的磁场旋转速度跟不上定子的旋转磁场）和同步电机，中国研究永磁同步电机多的原因在于中国的稀土资源丰富，国外挺多研究三相异步电机。

① 2025中国国际新能源技术展会

自动驾驶之心联合主办中国国际新能源汽车技术、零部件及服务展会。展会将于2025年2月21日至24日在北京新国展二期举行，展览面积达到2万平方米，预计吸引来自世界各地的400多家参展商和2万名专业观众。作为新能源汽车领域的专业展，它将全面展示新能源汽车行业的最新成果和发展趋势，同期围绕个各关键板块举办论坛，欢迎报名参加。

② 国内首个自动驾驶学习社区

『自动驾驶之心知识星球』近4000人的交流社区，已得到大多数自动驾驶公司的认可！涉及30+自动驾驶技术栈学习路线，从0到一带你入门自动驾驶感知（端到端自动驾驶、世界模型、仿真闭环、2D/3D检测、语义分割、车道线、BEV感知、Occupancy、多传感器融合、多传感器标定、目标跟踪）、自动驾驶定位建图（SLAM、高精地图、局部在线地图）、自动驾驶规划控制/轨迹预测等领域技术方案、大模型，更有行业动态和岗位发布！欢迎扫描加入

③全网独家视频课程

端到端自动驾驶、仿真测试、自动驾驶C++、BEV感知、BEV模型部署、BEV目标跟踪、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、车道线检测、轨迹预测、在线高精地图、世界模型、点云3D目标检测、目标跟踪、Occupancy、CUDA与TensorRT模型部署、大模型与自动驾驶、NeRF、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频（扫码即可学习）