车辆运动学模型：从几何到离散化的完整链路

各位同学，今天我们聊一个非常基础但又极其重要的内容——车辆运动学模型。说实话，很多做规划控制的同行，一开始都容易忽略这部分，觉得不就是几个几何公式嘛。但我可以负责任地告诉你，模型选不对，后面所有算法都是空中楼阁。

我个人习惯把运动学模型比作「车辆的骨架」。你想想看，规划算法要生成轨迹，控制算法要跟踪轨迹，如果骨架都歪了，那肌肉再发达也没用。今天我们就从最经典的自行车模型讲起，一路聊到阿克曼转向、微分方程，最后落地到离散化方法。

一、自行车模型：为什么它能代表四轮车？

先问大家一个问题：一辆四轮汽车，转弯时四个轮子的转角都不一样，怎么建模？

嗯，这里有个核心假设——低速行驶时，车辆的侧偏角可以忽略。说白了，就是轮胎不打滑，滚动方向就是轮胎指向的方向。在这个前提下，我们可以把左右两个前轮合并成一个虚拟前轮，左右后轮合并成一个虚拟后轮。这就是自行车模型的由来。

我在项目中遇到过一件事：有一次做自动泊车，直接用了自行车模型，结果在非常窄的车位里怎么都规划不出来。后来发现，是因为泊车速度虽然低，但方向盘打得特别快，轮胎其实已经出现了微小侧偏。所以大家记住：自行车模型适用于低速、小转角场景，大转角时要小心。

二、阿克曼转向模型：真实车辆的转向几何

自行车模型虽然简洁，但它忽略了一个关键问题——真实车辆转弯时，内外侧车轮的转角是不一样的。这就是阿克曼转向几何要解决的问题。

为什么会这样？因为四个轮子要绕同一个瞬时转向中心做圆周运动。如果内外侧车轮转角相同，内侧轮就会产生滑移，轮胎磨损加剧，控制精度也会下降。

参数	含义	典型值
L	轴距	2.5 - 3.0 m
δ_in	内侧前轮转角	比外侧大 2-5°
δ_out	外侧前轮转角	比内侧小 2-5°
R	转弯半径	由 δ 决定

阿克曼转向的数学关系其实不复杂：

cot(δ_out) - cot(δ_in) = 轮距 / 轴距

我曾经在实车调试时踩过一个坑：用自行车模型算出来的转弯半径，和实际车辆转弯半径差了将近 0.3 米。后来一查，原来是阿克曼率没调对。所以做高精度控制时，阿克曼模型是绕不开的。

三、运动学微分方程：状态怎么随时间变化？

有了几何模型，接下来要回答一个问题：车辆的状态（位置、朝向）随时间怎么变？

这就引出了运动学微分方程。以自行车模型为例，状态量通常取：

• x, y：后轴中心位置
• θ：车辆航向角
• δ：前轮转角
• v：纵向速度

微分方程长这样：

dx/dt = v * cos(θ)
dy/dt = v * sin(θ)
dθ/dt = v * tan(δ) / L
dδ/dt = ω_δ    // 转向角速度，通常作为控制输入
dv/dt = a      // 加速度，通常作为控制输入

嗯，这里要注意：dθ/dt 的公式里，分母是轴距 L。轴距越长，同样的转角产生的角速度越小，车就越「稳」。我在做高速车道保持时，就发现轴距长的车，控制起来更平顺，但响应也慢半拍。

四、模型离散化方法：从连续到离散

计算机只能处理离散数据，所以必须把连续微分方程变成离散差分方程。常用的方法有三种：

4.1 前向欧拉法（最简单，但精度低）

x(k+1) = x(k) + dt * v(k) * cos(θ(k))
y(k+1) = y(k) + dt * v(k) * sin(θ(k))
θ(k+1) = θ(k) + dt * v(k) * tan(δ(k)) / L

这个方法我一般只在仿真初期用，或者采样时间特别短（< 10ms）的时候。为什么？因为它是显式方法，数值稳定性差。dt 一大，状态就飞了。

4.2 后向欧拉法（隐式，稳定但麻烦）

x(k+1) = x(k) + dt * v(k+1) * cos(θ(k+1))
y(k+1) = y(k) + dt * v(k+1) * sin(θ(k+1))

注意看，等式右边出现了 k+1 时刻的状态。这意味着你需要解方程组。我个人不太喜欢用这个方法，因为实时性要求高的场景下，解非线性方程组太耗时。

4.3 龙格-库塔法（精度与效率的平衡）

四阶龙格-库塔（RK4）是我在实车上用得最多的方法。它通过四个中间步的加权平均，把精度提升到 O(dt⁴)。

k1 = f(x(k), u(k))
k2 = f(x(k) + 0.5*dt*k1, u(k))
k3 = f(x(k) + 0.5*dt*k2, u(k))
k4 = f(x(k) + dt*k3, u(k))
x(k+1) = x(k) + (dt/6)*(k1 + 2*k2 + 2*k3 + k4)

五、实际工程中的模型选择建议

说了这么多，到底该用哪个模型？我给大家一个参考：

应用场景	推荐模型	离散化方法
自动泊车（低速）	自行车模型	前向欧拉（dt ≤ 20ms）
城市道路巡航	自行车模型 + 阿克曼修正	RK4
高速车道保持	自行车模型 + 侧偏角补偿	RK4 或后向欧拉
精确轨迹跟踪	阿克曼模型	RK4 带输入插值

最后说一句：模型不是越复杂越好。你想想看，模型越复杂，参数就越多，标定就越困难。我见过有人用七自由度模型做规划，结果光参数标定就花了三个月，最后效果还不如自行车模型加个补偿项。所以，够用就好，留有余量。

好了，这一章的内容就到这里。下一章我们会聊到「车辆动力学模型」，那才是真正考验功力的地方。到时候我会分享一个我在高速爆胎场景下的控制经验，很有意思。