规划器的惯性问题影响大吗

2024-11-15 15:05:32 543 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

基于时间变化的自适应惯性权重的无人机路径规划的修正PSO算法（2021）到目前为止，已经提出了几种不同的方法，如常数值[3]、时变[4][5][6]、单变量[6]、多变量[7]等，来定义惯性权重的性质，以提高粒子群算法中的粒子多样性。在我们之前的工作[2]中，提出了一种基于动态邻域的粒子群优化算法nPSO，并表明邻域方法可以增加粒子的多样性和生成更好的无人机路径的能力。然后，我们为我们之前提出的用于无人机路径规划的PSO版本提出了一个时变的自适应惯性权重参数，称为nPSO，并与其他惯性权重参数策略进行了比较。在接下来的部分中，首先，我们概述了最近的工作。阅读详情

我注意到vehiclesimulator的模型对vehicleX 和 vehicleY 的位置更新是基于速度 vehicleSpeed 和 vehicleYawRate 的直接积分，没有考虑加速度。

在我使用carla仿真时（类车阿克曼仿真器），使用仿真自带的twist_to_control功能包来进行对cmd_vel的消息转换为控制消息，此时好像由于惯性原因，车体在到达waypoint之后，尽管cmd_vel已经将线速度设置为0，但由于惯性，车体刹车加速度过小，其不能及时停车，导致其超出了waypoint，若waypoint没有及时更新，此时local_planner会规划倒车的cmd_vel，使我的车体又倒车回到way_point，影响整体的导航流程。

目前我准备在仿真中加大刹车加速度，是仿真能更好模拟cmd_vel的值。

想请问大家在实车部署的时候，受惯性影响大吗？有什么解决方法吗？

如果该阿克曼仿真环境不好，我只能根据实际环境来进行基于tare的视觉引导开发，可能会大大降低开发效率（可能论文里还会拿不出好看的仿真图），同时我们的实体小车有双阿克曼模式和四轮四转模式，也看到社区中的前辈有阿克曼部署成功的先例，因此暂时还不想抛弃在阿克曼仿真平台部署的想法，希望可以向大家多交流。

更新，现在看到了作者开源了阿克曼底盘的local_planner相关代码：https://bbs.csdn.net/topics/617797970
等我验证一下可行性会继续在社区分享！

...全文