基于校正点辅助的 lookahead 距离引导策略用于在线参考路径跟踪

高效路径跟踪是无人车应用中至关重要的环节。在文献中所述的各种引导策略中，基于 lookahead 距离 ($L_1$) 的非线性引导因其易于实现和在跟踪较简单的参考路径时保持低横向误差的能力，同时能生成受限的横向加速度命令而受到广泛关注。然而，当无人车远离参考路径时，$L_1$ 的恒定值问题日益突出，同时在跟踪曲率半径变化大的复杂参考路径时也会产生更大的横向误差。为解决这些挑战，我们以 lookahead 距离为基础，开发了两种阶段的引导策略。初始阶段，当无人车远离参考路径时，我们开发了优化的 $L_1$ 选择策略，以保持最小的横向加速度命令引导无人车接近参考路径的起始点；一旦车辆到达参考路径的附近区域，我们在恒定 $L_1$ 引导方案中引入了新的校正点概念，用于生成有效降低横向误差均方根和后续横向加速度要求的引导指令。仿真结果验证了该提出的校正点和 lookahead 点对组合引导策略，以及开发的中途引导方案的令人满意的性能。通过不同初始条件情景的仿真研究，我们还确立了其优于传统恒定 $L_1$ 引导方案的优势。