基于模型的控制：LQR，模型建立如果不准确，会给控制带来不确定性。
运动学和动力学？
大货车很多参数不了解的话，有时候不如用运动学。所以说，建模不精准不如用运动学。
LQR
模型是状态空间线性的。目标函数是输入和对象状态的二次型函数
二次型问题是在线性系统的约束下，选择适当的控制输入使得目标函数最小。
重点却不重要
LQR公式推导
https://blog.csdn.net/heyijia0327
LQR 的直观推导及简单应用_白巧克力亦唯心的博客-CSDN博客
LQR最优设计：设计出状态反馈控制器K使得目标函数最小。
LQR的优缺点
全状态反馈、控制率设计简单、多变量系统
缺点：适用于线性系统；需要全状态反馈；需要精确的模型；多次迭代对实时性要求高
纵向控制 位置、速度串级PID
L2++是由规划的，控制是跟踪轨迹，预瞄点（目标点）。
不需要：车道线的拟合、转换。
元素很丰富，时间t，x,y,v,a
并联PID不好的原因？
位置环 ：加速
速度环：减速
参数调节不好的话，如场景
位置500m,本车100.前车50。
期望先加速度后减速。
上边例子很牵强。
横向控制
纵向控制算法从154行开始
主要作用：判断轨迹是不是合理，转换下格式，
设置一个预瞄的时间
这个函数很重要，计算error的过程，查询匹配点的过程
设置位置误差和速度误差
存一下匹配点的速度和加速度
做一次限制和做一次滤波
做很多次限制和滤波
加速度的结果是
qa:
Apollo filter的解析
巴特沃斯低通滤波
【运动控制】Apollo6.0的LpfCoefficients解析
发动机很肉，延迟很大。
很好的博客
Apollo代码学习(五)—横纵向控制_apollo纵向控制 论文_follow轻尘的博客-CSDN博客
