实验三：巡墙巡航 (Wall Following)

目标：掌握自动驾驶中的贴墙走生存技巧

文档目录

1. 巡墙算法定义
2. 核心原理与代码解析
3. 运行与实车校准
4. 安全守则与团队分工
5. 调参记录卡

1 什么是巡墙？

1.1 闭眼走廊实验

想象你闭着眼走在走廊里，用手摸着右边的墙：

• 手感觉离墙远了 -> 身体往右靠
• 手感觉离墙近了 -> 身体往左躲

巡墙直觉：
在靠近与远离之间通过反馈达到动态平衡。

1.2 核心闭环逻辑

巡墙本质上是一个目标 - 修正的过程：

1. 目标距离：你想离墙多远（如 0.5 米）
2. 当前距离：雷达实时测量的距离
3. 产生误差：error = 目标距离 - 当前距离
4. 执行修正：误差越大，转向修正应该越强。

2 核心原理与代码解析

2.1 极简控制律（P 控制）

转向角 = Kp 误差

• Kp (比例系数)：决定了纠偏的力度。
• Kp 太大：车会剧烈晃动，甚至撞墙
• Kp 太小：车修正太慢，转不过弯

2.2 核心代码实现 (几何计算)

在 wall_following.py 中，我们计算车身相对于墙的角度：

# 获取正右方(b)和右前方(a)的距离
b = get_range(data, -90)
a = get_range(data, -30) # THETA 为 60 度

# 计算车身与墙的夹角 alpha
alpha = np.arctan((a * np.cos(THETA) - b) / (a * np.sin(THETA)))

# 计算垂直距离 AB
AB = b * np.cos(alpha)

2.3 核心代码实现 (预测与控制)

为了防止修正过迟，我们要预测未来的位置：

# 预测未来距离 (LOOK_AHEAD_DIS = 3米)
projected_dis = AB + LOOK_AHEAD_DIS * np.sin(alpha)

# 计算误差并应用比例增益 P
error = TARGET_DIS - projected_dis
steering_angle = P * error

# 发布 Ackermann 控制消息
drive_msg.drive.steering_angle = steering_angle
drive_msg.drive.speed = speed

2.4 速度与转向的关系

核心车感：油门越大，方向盘越灵敏。

• 同样的转向角，在高速时走线变化更激烈。
• 直觉：速度是风险放大器，调参前先降速。
• 目标：通过调参将蛇形变成滑顺的直线。

3 运行与操作

3.1 运行方法

启动巡墙控制节点及其仿真/驱动环境：

# 启动巡墙完整环境
roslaunch tianracer_navigation wall_following.launch

观察重点：
小车在直道上是否能维持稳定距离？摆动是否在可接受范围内？

3.2 选扇区：靠墙校准

启动前，必须确认哪个数据代表右墙：

1. 将小车平行靠近右墙。
2. 观察终端输出的五扇区数值。
3. 找出变化最明显的那个数（R 或 RF）。
4. 决策：锁定该扇区作为算法的眼睛。

4 安全与分工

4.1 角色分工

每组执行任务时必须有三个角色：

• 电脑员：启动代码、监控输出、记录数据
• 接管员：手不离手柄，随时准备切回手动
• 复位员：盯着车看（不看屏），负责搬车复位

铁律：异常发生时，先切手动，再查原因。

4.2 停得住验证

落地首跑前必须执行：

1. 架起车辆（使车轮悬空）。
2. 切换到自动模式，确认轮子正常转动。
3. 立刻切回手动接管，确信轮子瞬间停止。
4. 只有确信急停逻辑百分百可靠，才允许落地。

5 调参记录卡

跑通不是终点，可复现才是！

救场策略总结

• 车左右猛摆：降速！降 Kp！
• 车转向不足（切弯太狠）：减小限幅 或 提前感知。
• 车离墙越来越远：检查误差公式的正负号是否写反。

感谢学习！

本课产出检查点：

1. 能够用代码解释 alpha 的作用。
2. 完成一次稳定的巡墙通关。
3. 提交一份包含有效参数的记录卡。