控制：趨勢車輛前行。轉向，加速，制動。
控制策略必須與路徑相符合，需要可行性，還要考慮平穩度。
pid（比例積分微分控制）、lqr（線性二次調節器）、mpc（模型**控制）
pid控制器：
2、 p（proportional）：比例。a=-k_p×ⅇ 偏離越遠越難拉回原軌跡。
3、 d（derivative）：微分。 阻尼項：a=-k_p ⅇ-k_d ⅆⅇ/ⅆt 減少控制器輸出的變化速度。
4、 i（integral）：積分。懲罰項：a=-k_(p^e )-k_i∫ⅇⅆt-k_d ⅆe/ⅆt 對累計誤差進行懲罰。
5、 只需要車輛與目標之間的差距就可以進行控制。但是難以結合多項控制。此外需要實時的精確測量。
lqr控制器：
6、 lqr（線性二次調節器）：橫向控制：橫向誤差與變化率（cte，cross track error）、朝向誤差與變化率（θ）。
輸出資料結構x=[█(ctⅇ@ct ̇e@θ@θ ̇ )] ，輸入資料結構：u=[█(steering@throttle@brake)] ，計算公式為：
x ̇=ax+bu
將x，u帶入公式後得到：
[█(ct ̇ⅇ@ct ̈ⅇ@θ ̇@θ ̈ )]=a[█(cte@ct ̇e@θ@θ ̇ )]+b[█(steering@throttle@brake)]
公式為線性，故為l。
成本函式，q、r為x、u的權重：
cost=∫_0∞▒(xt qx+u^t ru)ⅆt
mpc控制器：
7、 mpc（模型**控制）：1、建立車輛模型。2、使用優化引擎計算有限時間範圍內的控制輸入。3、執行第一組控制輸入。僅僅是近似測量計算，所以需要重複迴圈，最好時刻重新評估，控制輸入的最優序列。
8、 mpc過程：定義車輛模型，定義了一組輸入。之後決定**能力，是要時間還是要準確率。之後將模型傳送到搜尋最佳控制輸入的優化引擎，該引擎搜尋密集數學空間來尋求最佳解決方案，其依賴於車輛模型的約束條件。
9、 mpc優化與優劣對比：優化引擎間接評估輸入。成本函式主要基於與目標路徑的差距，此外包括加速度舒適度等。mpc更精確，雖然更複雜，緩慢，難以實現，但是值得投入。
LESS學習筆記 入門
今天在網上完成了less的基礎學習，下面是我的學習筆記。總共有三個檔案 index.html main.less mian.css，其中mian.css是main.less經過koala編譯之後自動生成的。下面是 index.html mian.less charset utf 8 body div...
Yii學習筆記（入門）
use yii db activerecord class a extends activerecord hello,i am only page.1 初始化應用 訪問http localhost basic web index.php，進入yii的啟動頁面。如果提示你未安裝openssl的話，去你...
hightopo學習筆記 入門
ht是基於html5標準的企業應用圖形介面一站式解決方案，其包含通用元件 拓撲元件和3d渲染引擎等豐富的圖形介面開發類庫，提供了完全基於html5的向量編輯器 拓撲編輯器及 3d場景編輯器等多套視覺化設計工具，和完善的類庫開發手冊 工具使用手冊 及針對html5技術如何進行大規模團隊開發的客戶深度培...