关于我在CATIA中模拟了“纯视觉L2辅助驾驶”这件事

CATIA那点事儿

1年前浏览789

关注

书接上次的内容。在前一篇文章里👇

一个人在家就能破解特斯拉的纯视觉辅助驾驶？

我们已经实现了实时检测车辆中心与车道中心的偏移量👇

接下来，我们就基于上述成果，尝试通过pycatia控制CATIA里的DMU机构，驱动数模里的方向盘转动，来模拟基于摄像头拍摄的图像检测出的偏移量信息，如何控制车辆进行横向移动。

先来看最终实现的效果吧👇

以及最终效果的视频版👇

然后，讲一下我的心路历程。

最开始，我想的很简单：当车辆中心比车道中心更靠右，我们就控制方向盘向左打，且偏移越多，方向盘转动的角度就越大。

但这样就会导致一个很经典的现象：

当车辆偏右，我们向左打方向，直到回到车道居中位置，方向盘回正。但这时车虽然走直线，但并没有向正前方走，而是向左前方，导致接下来会偏向左侧。

此时，程序会进行上述相反的修正：

没错，它会在车道里画龙！

所以，我又进行了如下思考：

首先，我想求过去一段时间偏移量的变化率，也就是求导。这样我可以知道车辆在过去的一段时间里，是正在沿车道直行，还是逐渐向左或向右偏移着直行。

但这样还有个问题，就是车辆如果贴着一侧车道线行驶，此时变化量也是恒定的，所以变化率也为0。但实际车辆并没有居中。所以这时候，还需要把前面导致“画龙”的算法重新拿进来。

当我向AI表达了我的思路之后，AI给我进行了科普：

首先，关于前面“画龙”的思路，可以称之为P Controller

而引入了微分的概念后，则在P的基础上增加了D项，称为PD Controller

如果再进阶一点，则是引入微分项I，变成PID Controller

甚至——更加专业、精进的方法👇

原理搞清楚了，我们可以把已有的信息告诉AI，然后让它给出对应的函数与代码——这恰恰也是AI最擅长的。不过前提，还是自己要懂、要理解，这样才能让AI变成辅助我们的工具，而不是完全依赖AI。

最后一步，只需要调用pycatia的接口，来将求出来的方向盘转动角度，赋给DMU运动机构的驱动命令。这个对于玩CATIA的我们来说，简直是小菜一碟👇

最终，将所有代码整合到一起，我们就能实现下面动图及视频的效果啦~

来源：CATIA那点事儿