自动驾驶轨迹规划：APF与MPC联合控制方案

1. 项目概述

在自动驾驶领域，轨迹规划和控制一直是核心难题。最近我在研究紧急换道避撞场景时，发现人工势场法(APF)结合模型预测控制(MPC)的方案表现相当出色。通过在Carsim和Simulink中进行联合仿真，这套方案成功将跟踪误差控制在0.3米以内，完全满足自动驾驶对轨迹跟踪精度的要求。

这个项目的核心价值在于：

1. 展示了人工势场法在动态避障中的实际应用效果
2. 验证了MPC控制器对复杂轨迹的跟踪能力
3. 提供了完整的Carsim-Simulink联合仿真实现方案
4. 包含了可直接复用的代码和参数配置

2. 人工势场法原理与实现

2.1 势场法基本概念

人工势场法的核心思想是将车辆运动环境建模为势能场：

• 目标点产生引力场，吸引车辆向其移动
• 障碍物产生斥力场，排斥车辆远离危险区域
• 车辆在合力场作用下沿着势能下降方向运动

这种方法的优势在于计算效率高、实时性好，特别适合动态避障场景。

2.2 关键参数解析

在实现中，有几个关键参数需要特别注意：

matlab复制k_att = 0.5;  % 引力增益系数
k_rep = 1.2;  % 斥力增益系数  
d_safe = 5;   % 安全距离阈值

• 引力增益k_att决定车辆向目标点移动的"迫切程度"
• 斥力增益k_rep控制障碍物对车辆的影响强度
• 安全距离d_safe定义了斥力场的作用范围

提示：k_rep不宜设置过大，否则会导致轨迹抖动。建议从1.0开始逐步调大。

2.3 势场计算代码详解

势场计算的核心代码如下：

matlab复制function U = potential_field(ego_pos, target_pos, obs_pos)
    % 目标引力计算
    vec_att = target_pos - ego_pos;
    U_att = 0.5 * k_att * norm(vec_att)^2;
    
    % 障碍斥力计算
    vec_rep = ego_pos - obs_pos;
    dist_rep = norm(vec_rep);
    if dist_rep < d_safe
        U_rep = 0.5 * k_rep *