信息来源：无人驾驶视界
04、控制
控制层作为无人车系统的最底层，其任务是将我们规划好的动作实现，所以控制模块的评价指标即为控制的精准度。
控制系统内部会存在测量，控制器通过比较车辆的测量和我们预期的状态输出控制动作，这一过程被称为反馈控制(Feedback Control)。
反馈控制被广泛的应用于自动化控制领域，其中最典型的反馈控制器当属PID控制器(Proportional-Integral-Derivative Controller)，PID控制器的控制原理是基于一个单纯的误差信号，这个误差信号由三项构成：误差的比例(Proportion)，误差的积分(Integral)和误差的微分(Derivative)。
PID控制因其实现简单，性能稳定到目前仍然是工业界最广泛使用的控制器，但是作为纯反馈控制器，PID控制器在无人车控制中却存在一定的问题：PID控制器是单纯基于当前误差反馈的，由于制动机构的延迟性，会给我们的控制本身带来延迟，而PID由于内部不存在系统模型，故PID不能对延迟建模，为了解决这一问题，我们引入基于模型预测的控制方法。
预测模型：基于当前的状态和控制输入预测未来一段时间的状态的模型，在无人车系统中，通常是指车辆的运动学/动力学模型;反馈校正：对模型施加了反馈校正的过程，使预测控制具有很强的抗扰动和克服系统不确定性的能力。
滚动优化：滚动地优化控制序列，以得到和参考轨迹最接近的预测序列。参考轨迹：即设定的轨迹。下图表示模型预测控制的基本结构，由于模型预测控制基于运动模型进行优化，在PID控制中面临的控制延时问题可以再建立模型考虑进去，所以模型预测控制在无人车控制中具有很高的应用价值。
05、小结
在本节我们概述了无人驾驶系统的基本结构，无人驾驶软件系统通常被划分为四层：感知，定位、规划和控制。
从某种程度上而言，无人车在这种分层体系下就可以看作是一个“载人机器人”，其中，感知具体包括环境感知和定位，近年来深度学习的突破，使得基于图像和深度学习的感知技术在环境感知中发挥了越来越重要的作用，借助人工智能，我们已经不再局限于感知障碍物，而逐渐变成理解障碍物是什么，理解场景，甚至预测目标障碍物的行为。
在实际的无人车感知中，我们通常需要融合激光雷达，相机和毫米波雷达等多种测量，这里涉及到的如卡尔曼滤波，扩展卡尔曼滤波等融合算法以及激光雷达。
无人车和机器人的定位方法众多，目前主流的方法一是使用GPS+惯性导航系统融合的方法，二是基于Lidar点云扫描匹配的方法，将重点介绍ICP，NDT等基于点云匹配的算法。
-End-
特别说明：文章来源无人驾驶视界、网络 文章版权归作者所有，仅代表作者个人观点，不构成投资意见。如有问题，请联系我们，谢谢！
关于亿融创服
“亿融创服”是深圳市亿融创服科技有限公司于2017年9月正式运营的集创业服务、产业招商于一体的综合服务平台。公司通过整合企业、政府、园区、服务机构等资源，为政府、园区提供产业咨询、产业招商、基金运营等产业服务；同时以资本对接、异业合作等形式为企业提供资本、财税、法律、办公场地、融资、上市咨询等创业辅导服务，解决市场信息不对称问题，助力企业创业成功。
亿融创服已平稳运营3年多，产品和服务日趋完善，即将进入发展爆发期。截止2020年12月，亿融创服共服务了60000多家企业、2000多家投资机构、100多家服务机构以及30余家地方政府。举办的资本对接会中，共计150家创业企业进行路演，20多家企业成功获得了投资，融资总额达到5个亿。同时，协助了20多家企业业务外延落地，落地区域涉及全国地区。
目前，亿融创服APP端、PC端以及小程序都已开通并运营，并且通过线下活动分别与中山市发改局、深圳市盐田区经济促进局、浙江省衢州市、四川省泸州市、江西省宜春市、成都天府新区华阳街道、佛山市顺德区、深圳市南山区科创中心、成都青白江区、深圳国际商会、深圳市宝安区科技创新服务中心、深圳市南山区科技创新局、深圳市光明区科技创新局、中国科学院云计算产业技术创新与育成中心等合作，主办或承办了近百场涉及生命大健康、智慧社区、教育、新能源、新材料、芯片、智慧物流、智慧城市、文化旅游、物联网、先进制造、智能硬件、电子信息、人工智能等行业的资本对接会（天使轮到B轮）、科创板资本对接会（B轮到D轮）、创业大赛及科创服务活动，同时为地方政府举办招商推介会（近十场），协助企业外延落地，协助各地政府招商引资，通过亿融创服平台解决产业招引信息不对称。成功打通了线上和线下的互通结合，真正为企业创业提供了有力支持，在业内获得了较好的口碑。