自动驾驶纵向控制-复现Apollo双pid纵向位置跟踪 复现百度apollo纵向控制 纵向控制已经制作好油门刹车标定表，无需自己做标定。
凌晨三点半的显示器蓝光打在脸上，手指机械地敲着键盘。当我第N次看着测试车在Simulink里画出心电图般的速度曲线时，终于决定扒开Apollo的纵向控制黑盒子——不就是双PID吗？今天咱们就手撕这套经典结构。
先看整体架构，Apollo把纵向控制拆成位置和速度两个闭环。就像驾校教练同时管着方向盘和油门，位置PID负责告诉车该跑多快，速度PID实际踩油门刹车。这个结构妙在能处理不同控制模式的无缝切换，后面细说。
位置PID：导航小姐姐的唠叨
class PositionPID: def __init__(self, kp, ki, kd, max_integral): self.kp = kp # 0.3效果拔群 self.ki = ki # 0.01防止积分暴走 self.error_sum = 0.0 self.last_error = 0.0 def calculate(self, target_pos, current_pos, dt): error = target_pos - current_pos self.error_sum += error * dt self.error_sum = np.clip(self.error_sum, -max_integral, max_integral) d_error = (error - self.last_error) / dt output = self.kp*error + self.ki*self.error_sum + self.kd*d_error self.last_error = error return output这个PID输出的其实是期望速度。注意max_integral这个参数，实测不加的话在长距离误差时会出现"油门踩穿底盘"的灵异现象。建议取期望最大速度的2倍左右。
自动驾驶纵向控制-复现Apollo双pid纵向位置跟踪 复现百度apollo纵向控制 纵向控制已经制作好油门刹车标定表，无需自己做标定。
速度PID：灵魂脚法控制器
当位置PID给出目标速度后，真正的重头戏来了：
double SpeedController::Update(double target_speed, double current_speed) { double error = target_speed - current_speed; // 动态调整积分系数，低速时加强控制 double adaptive_ki = ki * (1 + 2/(current_speed + 0.1)); // 带滤波的微分项 double d_error = LowPassFilter(error - last_error_, 0.2); double accel_cmd = kp_*error + adaptive_ki*integral_ + kd_*d_error; // 刹车油门模式切换 if (accel_cmd > 0) { return CalculateThrottle(accel_cmd); } else { return CalculateBrake(-accel_cmd); } }这里有几个精妙设计：
- 低速时积分增强，解决蠕动工况的稳态误差
- 微分项经过低通滤波，避免速度传感器噪声被放大
- 根据加速度指令正负自动切换油门刹车，比单独控制更顺滑
模式切换的舞蹈
最让我头秃的是巡航模式与停车模式的切换逻辑。Apollo用状态机管理，这里简化版：
if target_speed < 0.3: # 进入停车模式 if abs(position_error) < 0.05: execute_full_stop() else: use_position_pid_only() elif current_speed < target_speed * 0.8: # 急加速模式 override_pid_with_wot() # 地板油策略 else: # 正常巡航 enable_speed_feedforward() # 预瞄补偿注意从停车模式切回时要做积分重置，否则残留的积分项会让车像突然被踹一脚。实测加上reset_integral()后，起步顿挫减少了70%。
当我把这些模块拼装完成，看着测试车在弯道前自动降速入弯，出弯时平稳加速，终于理解了Apollo工程师的良苦用心——好的控制就像呼吸，你感觉不到它的存在，但一旦失调就会窒息。下次试试加入坡度补偿，应该能让长上坡路段不再喘得像老拖拉机...（查看GitHub仓库的兄弟们，记得把标定表路径改对，血的教训！）
