代码拉取完成，页面将自动刷新
0,1,2，分别对应着三项任务：
pid.py：采用PID进行控制，包括纵向控制和横向控制，其中纵向控制包括了转向角的控制和角速度的控制，并且PID的类型是增量式，即根据每次偏差的增量来进行反馈调整注意：在控制中我们没有采用偏航角作为状态进行反馈，直接用转向角来控制。
另外，由于开启的初始过程的偏向角过大，因此我们需要给一个相反方向的小角度初始化，防止出现角打的超调量。
state.py：包括两类数据的初始化，分别是车辆自身状态和控制器状态的初始化。计算紧急停车时间的关键是计算加速度，我们通过雷达的信息可以求得近似加速度。
dt = np.round(myCar.dist/ myCar.delta_v,3)
a = np.round(myCar.delta_v/dt,3)
假设前车和当前车辆在同一直线车道中，定义如下变量：
两车距离为$s$，安全停止距离为$d$，行驶时间为$t$，本车的速度为$v_1$，加速度为$a_1$，同样前车的速度为$v_2$，前车的加速度为$a_2$。在本赛题中，安全距离取$[0.5,1]$。相对车速为$v_{vel}$，相对加速度为$a_{rel}$，二者均为前车减后车。
那么可以列出公式为: $$ v_2t+\frac{1}{2}a_2t^2+(s-d)=v_1t+\frac{1}{2}a_1t^2 $$
解得: $$ TTC=t=\frac{-v_{rel}+\sqrt{v_{rel}^2+2a_{rel}(s-d)}}{a_{rel}},a_{rel}\ne0 $$
计算TTC的函数如下：
def getTTC(current_speed, current_acceleration, dist, safe_dist):
v = current_speed
a = current_acceleration
if a !=0:
ttc = ( -v + np.sqrt(v **2 + 2 * a * (dist-safe_dist)) ) / a
else:
ttc = 999
return ttc
DANGER的标志位，在小于绝对安全距离和大于特定加速度时候，采取强制的刹车动作ttc时间，如果在安全的刹车距离外，采用PID进行控制，否则如果在安全的刹车距离内，采用线性刹车的函数进行控制。 DANGER = False
if myCar.dist < 1:
DANGER = True
if myCar.dist < 15 and a > 5.5:
DANGER = True
if ttc > 0.5 and not DANGER and ttc != 999:
PidControl()
elif ttc <= 0.5 and not DANGER:
SoftBrake()
elif DANGER:
HardBrake()
DANGER = False
if myCar.dist < 1:
DANGER = True
if myCar.dist < 15 and a > 5.5:
DANGER = True
if ttc > 0.5 and not DANGER and ttc != 999:
# 正常情况下使用PID来进行纵向控制
print("ttc:", ttc)
ADCPlatform.control(Controller.speedPid.thorro_, Controller.latPid.steer_, 0, 1)
elif ttc <= 0.5 and not DANGER:
# 如果ttc时间在一定范围了，软刹车
print("dist:",myCar.dist,"ttc:",ttc,"a:",a)
brake_ = 0.14 * a
ADCPlatform.control(0, Controller.latPid.steer_, brake_, 1)
即需要完成两项任务：
这项任务和初赛的任务很相似，只是增加了一辆靠边的静止汽车。
我们用雷达的相对距离和相对速度来估算当前的相对加速度，具体方法如下:
$$
\Delta t \approx \frac{\Delta x}{\Delta v} \\
\Delta a \approx \frac{\Delta v}{\Delta t} = \frac{(\Delta v )^2}{\Delta x}
$$
假设前车和当前车辆在同一直线车道中，定义如下变量：
两车距离为$s$，安全停止距离为$d$，行驶时间为$t$，本车的速度为$v_1$，加速度为$a_1$，同样前车的速度为$v_2$，前车的加速度为$a_2$。在本赛题中，安全距离取$[0.5,1]$。相对车速为$v_{vel}$，相对加速度为$a_{rel}$，二者均为前车减后车。
那么可以列出公式为: $$ v_2t+\frac{1}{2}a_2t^2+(s-d)=v_1t+\frac{1}{2}a_1t^2 $$
解得: $$ TTC=t=\frac{-v_{rel}+\sqrt{v_{rel}^2+2a_{rel}(s-d)}}{a_{rel}},a_{rel}\ne0 $$
计算TTC的函数如下：
def getTTC(current_speed, current_acceleration, dist, safe_dist):
v = current_speed
a = current_acceleration
if a !=0:
ttc = ( -v + np.sqrt(v **2 + 2 * a * (dist-safe_dist)) ) / a
else:
ttc = 999
return ttc
那么跟车的时候其实也满足这个模型，停车的时候最后我们希望相对加速度为0，而在跟车的过程中相对加速度也为0，因此在跟车任务中我们依然采用了这个模型。
if ttc > 0.5 and ttc != 999:
# 正常情况下使用PID来进行纵向控制
print("ttc:", ttc)
ADCPlatform.control(Controller.speedPid.thorro_, Controller.latPid.steer_, 0, 1)
elif ttc <= 0.5:
# 如果ttc时间在一定范围了，软刹车
print("dist:",myCar.dist,"ttc:",ttc,"a:",a)
brake_ = 0.14 * a
ADCPlatform.control(0, Controller.latPid.steer_, brake_, 1)
通过车道线传感器，我们可以获得横向距离，那么通过增量式PID就可以控制转向角。此外，还需要设置距离参数，根据未来多远的点来计算横向距离的偏差。
def get_center(json):
left = line_data_package.json[1]
right = line_data_package.json[2]
x = 2.5
ll = left['A1'] + x * left['A2'] + x ** 2 * left['A3'] + x ** 3 * left['A4']
rr = right['A1'] + x * right['A2'] + x ** 2 * right['A3'] + x ** 3 * right['A4']
width = -7
center = width + ll + rr
return center
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。