Coursera self driving car_Part1_Finalproject，可以作为该课程第一部分编程作业的参考，也可以作为python实现Pure Pursuit纯跟踪横向控制算法的参考。 如果对程序运行有疑问可与我联系

refer to：一种船队编队控制的backstepping方法_丁磊； 本程序基于领航者-跟随者模型，复现了该论文设计的无人船编队控制方法，注释明了可读性强。并且可以更改模型，用到无人车或无人机编队上。

Coursera self driving car_Part1_Finalproject，可以作为该课程第一部分编程作业的参考，也可以作为python实现Stanley横向控制算法的参考。 如果对程序运行有疑问可与我联系

基于PD控制的机器人轨迹跟踪性能研究与比较

针对视频中的运动物体，跟踪其运动轨迹，并标识出来。

Coursera self driving car_Part1_Finalproject，可以作为该课程第一部分编程作业的参考，也可以作为python实现MPC模型预测控制算法的参考。 如果对程序运行有疑问可与我联系。

现有的定位算法只表现了目标的静态位置特征, 不能较好地在目标移动情况下跟踪获取目标的运行行为轨迹。针对这一问题, 设计了一种基于隐马尔可夫模型的目标轨迹跟踪算法。该算法根据小区覆盖范围内的地理位置信息和目标用户的移动速度, 建立隐马尔可夫模型; 然后, 基于维特比译码算法对最佳路径和最佳状态概率进行最优化求解, 实现对目标轨迹的跟踪。仿真结果表明, 该算法可以在基站小区分辨率下精确地获取目标轨迹。

本文继MPC运动学方法实现轨迹跟踪推导进行matlab代码实现，虽然你们找到的参考书都是simulink carsim联仿，我却坚持使用纯代码仿真，因为牛逼。 代码模板沿用了LQR轨迹跟踪算法Python/Matlab算法实现，直接复制下来就能用，拿去爽。 clc clear all Kp = 1.0 ; dt = 0.1 ;% [s] Length = 2.9 ;% [m] wheel base of vehicle Nx=3;%状态量的个数 Nu =2;%控制量的个数 Np =60;%预测步长 Nc=30;%控制步长 Row=10;%松弛因子 Q=100*eye(Nx*Np,Nx*Np)

学习无人车辆轨迹跟踪很好的一本书 本书主要介绍模型预测控制理论与方法在无人驾驶车辆运动规划与跟踪控制中的应用。由于模型预测控制理论数学抽象特点明显，初涉者往往需要较长时间的探索才能真正理解和掌握，而进一步应用到具体研究，则需要更长的过程。本书详细介绍了应用模型预测控制理论进行无人驾驶车辆控制的基础方法，结合运动规划与跟踪实例详细说明了预测模型建立、方法优化、约束处理和反馈校正的方法，给出了Matlab仿真代码和详细图解仿真步骤。所有代码都详细提供了详尽的注解，并且融入了研究团队在本领域的研究成果。, 本书可以作为地面无人车辆、空中无人机、无人艇及移动机器人等无人车辆模型预测控制的研究参考资料，同时也可以作为学习模型预测控制理论的应用教材。

为了提高智能车的控制精度，以碰撞中心（Center of Percussion，COP）为参考点建立前馈-反馈控制模型， 并用该控制模型求解LQR（Linear Quadratic Regulator）问题，获得状态反馈控制率，实现最优控制。