A*算法，插值，和MPC控制器
本文包含一个在虚拟环境中的自动平行停车系统的python实现，包括路径规划、路径跟踪和平行停车。代理人在环境中导航其路线，并由MPC控制器引导到指定的停车位置。你可以在这里找到完整的项目。
环境
开发自动停车系统的第一步是设计和开发一个能够使用OpenCV库进行视觉渲染的环境。这个环境在environment.py中作为一个类实现，并在开始时接收障碍物env = Environment(obs)。可以使用env.render(x,y,angle)来放置代理。
下面显示了一个环境的样本。你可以从1到24中选择停车点。
路径规划
A*算法
代理人将使用A*找到一条从起点到目标的路径。这个来自PythonRobotics的A*实现考虑了障碍物和机器人半径等参数。
用B-spline插值路径
在离散的100*100空间中找到路径后，使用B-spline对路径进行平滑处理，并将其缩放到1000*1000的环境空间中。其结果是一组点来引导我们的代理!
路径跟踪
汽车的运动学模型是。
x = vcos(ϕ)
状态向量是。
z=[x,y,v,ϕ]
x：x-位置，y：y-位置，v：速度，φ：偏航角
输入向量为
u=[a,δ]
a：加速度，δ：转向角
控制方式
MPC控制器根据模型控制车辆的速度和转向，汽车被引导通过路径。有一个选项是使用MPC的线性化模型。在这种情况下，MPC将运动学模型围绕操作点线性化，然后进行优化。
自动停车
这一部分由4条规则组成，代理人必须根据停车位置选择。首先，代理将找到一条通往停车位置的路径，然后计算到达的角度。根据到达的角度，代理选择一个坐标作为确保1。之后，使用下面提到的2个圆方程，从确保1到确保2规划停车路径。MPC控制代理并将车停在确保2的坐标上。
总结
你可以从Github下载整个项目，并使用这个命令运行代码。
$ python main_autopark.py --x_start 0 --y_start 90 --phi_start 0 --parking 7
可以看出，汽车在MPC控制器的引导下，沿着它的路径前进，直到到达环境中的停车点。最后，汽车与其他车辆并行，停在指定位置。
Pandas团队 在2020-2021年国家Rahneshan竞赛中取得了自主车辆的第一名。
Amirhossein Heydarian, Aida Mohammadshahi,Milad Soltany,Abbas omidi, Amirhossein Kazerooni
自动平行停车。路径规划、路径跟踪和控制》最初发表在《走向数据科学》杂志上，人们通过强调和回应这个故事来继续对话。
