3、车辆运动学模型：自行车模型、阿克曼转向几何、差速驱动模型、运动学模型的离散化方法
各位同学，今天我们来啃一块硬骨头——车辆运动学模型。说实话，这玩意儿是路径跟踪的基石。你想想看，连车怎么动都搞不清楚，还谈什么控制？
我在做第一个AGV项目时，就吃过这个亏。当时直接上了PID，结果车在弯道里像个醉汉。后来才明白，运动学模型没选对，控制器再牛也白搭。
好，我们直接进入正题。
3.1 自行车模型（Bicycle Model）
自行车模型，说白了就是把四轮车简化成两轮车。为什么这么干？因为四轮车的转向关系太复杂了，你想想看，四个轮子各有各的转角，算起来头大。
我个人习惯，在低速场景下（比如AGV、扫地机器人），直接用自行车模型就够了。它的核心假设是：
- 车辆左右对称，合并为前后两个轮
- 忽略侧偏角，认为车轮速度方向与轮子朝向一致
- 车辆只在二维平面运动（x, y, θ）
状态量就三个：位置(x, y)和航向角θ。控制量是两个：前轮转角δ和速度v。
数学表达式长这样：
x_dot = v * cos(θ)
y_dot = v * sin(θ)
θ_dot = v * tan(δ) / L其中L是轴距。嗯，这里要注意，tan(δ)在δ接近90度时会爆炸，所以实际项目中我会限制最大转角，一般不超过40度。
关键点：自行车模型只适用于低速（通常< 5 m/s）。高速时轮胎侧偏不可忽略，得用动力学模型。
3.2 阿克曼转向几何
阿克曼转向，这是真车用的转向方式。你想想看，四轮车转弯时，内外侧轮的转弯半径不一样。如果让它们转同样的角度，轮胎就会打滑、磨损。
阿克曼几何的核心思想：让所有车轮的转向中心交于一点。这样每个轮子都绕着同一个圆心转，纯滚动无滑动。
公式如下：
δ_inner = arctan(L / (R - W/2))
δ_outer = arctan(L / (R + W/2))其中W是轮距，R是转弯半径。
我在项目中遇到过一个问题：有些廉价底盘根本不支持阿克曼转向，内外轮转角一样。这时候如果你用自行车模型去算，误差会很大。我的建议是——实测标定，把实际转角映射到等效自行车模型上。
实战技巧：阿克曼转向的车辆，可以用自行车模型近似，但要把等效轴距L_eq调大一点。我一般调大5%-10%，效果不错。
3.3 差速驱动模型
差速驱动，常见于两轮平衡车、履带车、麦克纳姆轮小车。它没有转向轮，靠左右轮的速度差来实现转向。
状态量同样是(x, y, θ)，但控制量变成了左轮速度v_L和右轮速度v_R。
运动学方程：
v = (v_R + v_L) / 2
ω = (v_R - v_L) / W
x_dot = v * cos(θ)
y_dot = v * sin(θ)
θ_dot = ω这里W是轮距。你会发现，当v_R = v_L时，ω=0，直线行驶。当v_R = -v_L时，原地旋转。
注意：差速模型有个坑——当v_R和v_L符号相反时，车辆绕中心旋转，但实际轨迹是个圆弧。我曾经在标定时忽略了这一点，导致路径跟踪在起点附近疯狂震荡。后来加了死区处理才解决。
差速模型的好处是机动性极强，可以原地掉头。坏处是直线行驶稳定性差，稍微有点速度差就跑偏。我建议在控制中加入积分项来补偿。
3.4 运动学模型的离散化方法
好了，模型有了，但计算机是离散的，得把连续方程变成离散形式。常用的方法有三种：
| 方法 | 精度 | 计算量 | 适用场景 |
|---|---|---|---|
| 欧拉法 | O(Δt) | 低 | 低速、小步长 |
| 龙格-库塔法（RK4） | O(Δt⁴) | 中 | 中高速、精度要求高 |
| 解析法 | 精确 | 高 | 特定模型（如匀速圆周） |
我个人习惯，在嵌入式平台上用欧拉法就够了。为什么？因为控制周期短（10-50ms），Δt小，欧拉法的误差可以接受。而且计算量小，不占CPU。
欧拉法离散自行车模型：
x(k+1) = x(k) + v * cos(θ(k)) * Δt
y(k+1) = y(k) + v * sin(θ(k)) * Δt
θ(k+1) = θ(k) + v * tan(δ(k)) / L * Δt就这么简单。但要注意，如果Δt太大（比如超过100ms），欧拉法会发散。我建议用RK4做一次验证，看看误差是否在容忍范围内。
我的经验：在STM32F4上，控制周期20ms，欧拉法完全够用。如果换成树莓派，我会用RK4，反正算力富余。
差速模型的离散化类似：
v = (v_R + v_L) / 2
ω = (v_R - v_L) / W
x(k+1) = x(k) + v * cos(θ(k)) * Δt
y(k+1) = y(k) + v * sin(θ(k)) * Δt
θ(k+1) = θ(k) + ω * Δt这里有个细节：如果ω接近0，直接用欧拉法没问题。但如果ω很大（比如原地旋转），建议用解析法——因为此时车辆轨迹是圆弧，欧拉法会累积角度误差。
解析法公式（匀速圆周运动）：
if |ω| < ε:
x(k+1) = x(k) + v * cos(θ(k)) * Δt
y(k+1) = y(k) + v * sin(θ(k)) * Δt
else:
R = v / ω
x(k+1) = x(k) - R * sin(θ(k)) + R * sin(θ(k) + ω * Δt)
y(k+1) = y(k) + R * cos(θ(k)) - R * cos(θ(k) + ω * Δt)
θ(k+1) = θ(k) + ω * Δt这段代码我用了好几年，从来没出过问题。你想想看，当ω=0时，解析法退化成欧拉法，无缝切换。
避坑指南：我曾经在差速模型里直接用欧拉法，结果原地旋转时角度误差越来越大，最后路径跟踪直接崩了。换成解析法后，问题解决。所以，如果你的车经常原地旋转或急转弯，务必用解析法。
好了，这一章的内容就到这里。运动学模型是路径跟踪的根基，选对了模型，后面的控制器设计就事半功倍。下一章我们会讲动力学模型，那又是另一番天地了。
公众号:蓝海资料掘金营，微信deep3321