本文來源：智車科技

在自動駕駛的“駕駛技能”里，橫向控制算法就像司機的雙手——它決定車輛能否精準沿著規劃好的路線行駛。而在眾多橫向控制算法中，純跟蹤算法(PurePursuit)憑借“簡單好用”的特質，成為低速場景（比如園區物流車、自動泊車）的首選方案。今天我們就用最通俗的語言，拆解這個算法的底層邏輯：它如何模仿人類駕駛？工程落地時要避開哪些坑？又適合哪些場景？

從人類駕駛到算法：純跟蹤的“模仿秀”

人類開車時，從不會死盯著車頭，而是會看向前方幾十米的目標點，然后自然轉動方向盤對準它。純跟蹤算法的核心邏輯，就是把這個過程“數學化”。

先給汽車“瘦身”：從四輪到兩輪的簡化

真實汽車的轉彎原理很復雜（比如阿克曼轉向，四個車輪繞同一圓心轉動，內側車輪轉角更大），但純跟蹤算法用了個“偷懶”的辦法——自行車模型：

圖 真實車輛的阿克曼轉向幾何（上）及其簡化的自行車模型（下）

把汽車簡化成“兩個輪子”（前軸和后軸各一個），只考慮平面運動。這樣一來，前輪轉角δ和轉彎半徑R的關系就變得簡單：tan(δ)=軸距L/轉彎半徑R

也就是說，只要算出目標轉彎半徑R，就能直接得到需要轉多少方向盤（δ=arctan(L/R)）。

這個模型在60km/h以下的低速場景非常好用，實測橫向偏差能控制在15cm以內（相當于一個拳頭的寬度）。

核心操作：盯準目標點，畫個圓弧沖過去

純跟蹤算法的工作步驟，像極了新手司機練車：

選目標點：以車輛后軸為起點，沿規劃路線向前找一個“預瞄點”（距離自己ld米）

算轉彎半徑：計算從當前位置到目標點，需要畫一個多大半徑的圓弧

打方向盤：根據圓弧半徑，用上面的公式算出前輪該轉多少角度

整個過程就像用圓規畫圓——后軸是圓心，預瞄距離ld是半徑，目標點是圓上的一點。

圖 純跟蹤算法的幾何關系推導

工程落地：把公式變成“能跑的代碼”

理論好懂，但落地時藏著不少細節。我們按算法運行的步驟，一步步拆解關鍵操作。

第一步：給目標點“定位

規劃好的路線坐標是“全局地圖”里的（比如經緯度），而車輛需要知道目標點在“自己的坐標系”里的位置（比如“前方5米，偏右0.3米”）。這就需要做坐標轉換：

簡單說，就是把“地圖上的點”轉化成“相對于自己的位置”，這樣才能算清楚“該往左轉還是右轉”。

圖 坐標轉化

第二步：預瞄距離怎么定？

速度快就看遠點預瞄距離ld（就是看前方多遠的點）是個關鍵參數，直接影響控制效果：

太慢的車（比如泊車時<5km/h）：看1-2米就行

園區里跑的車（30-40km/h）：看3-5米

速度再快？抱歉，純跟蹤算法不太擅長（后面會說原因）

工程上常用速度自適應策略：速度v越快，預瞄距離ld越遠（比如ld=k×v，k取1.1-1.5）。但要注意：

車速單位要轉成m/s（CAN總線常給km/h，別忘除以3.6）

最低預瞄距離留3-5米（防止車速為0時出錯）

圖 預瞄距離與速度關系

第三步：目標點怎么選？別找錯了！

選目標點時，要找到“剛好超過預瞄距離ld”的那個點，步驟很簡單：

1.先在規劃路線上，找到離自己最近的點（相當于“當前位置”）

2.從這個點往前數，累加路線長度，直到超過ld，這個點就是目標點

最后一步：方向盤轉角怎么算？還要做什么處理？

有了目標點，用下面的公式直接算前輪轉角：

轉向角&delta;=arctan(2×軸距L×sin(&alpha;)/預瞄距離ld)

（&alpha;是車輛當前航向與目標點方向的夾角，用坐標轉換后的局部坐標就能算）

但工程落地時，這一步還要做兩件事：

轉成方向盤角度：前輪轉角×轉向傳動比（比如傳動比16，就是前輪轉1度，方向盤要轉16度）

平滑處理：用一階低通濾波消除抖動（比如濾波系數0.2，新角度=0.8×舊角度+0.2×計算值）

純跟蹤算法：哪些場景“能用”，哪些場景“頭疼”？

優勢：簡單就是王道

計算快：單幀處理<5ms，普通單片機都能跑

魯棒性強：定位有小誤差（比如10cm）也不影響

參數少：主要調預瞄距離相關的2-3個參數，新手也能上手

缺點：高速場景“hold不住”

忽略動力學：沒考慮輪胎打滑（比如雨天路面滑，算法算出來的轉角會不準）

高速易跑偏：車速超過60km/h后，穩定性明顯下降（急彎容易“切彎”）

參數敏感：預瞄距離差1米，控制效果可能天差地別

最適合的場景

低速園區車：廠區、校園里的配送車（速度<40km/h）

自動泊車：10km/h以內的泊車場景，短預瞄距離能精準入位

農業機械：農田里直線作業，結合PID補償能提高精度

工程落地避坑指南

預瞄距離不是越大越好：

低速（<20km/h）：3-5米

中速（20-40km/h）：5-8米

急彎處：比直道縮短20%（防止切彎）

濾波參數別亂調：

抑制抖動選強濾波（系數0.1-0.3）

高速場景選弱濾波（系數0.5-0.8），避免響應滯后

別忽略單位轉換：

車速單位：km/h&rarr;m/s（除以3.6）

角度單位：弧度&rarr;度（算法算的是弧度，CAN總線發的是度）

簡單算法的“生存智慧”

純跟蹤算法就像自動駕駛領域的“老黃牛”——它不算最先進，但勝在簡單可靠。在低速封閉場景里，它的表現甚至不輸復雜的模型預測控制(MPC)。

理解它的原理，不僅能幫你快速實現一個可用的橫向控制模塊，更能讓你明白：好的算法不是越復雜越好，而是能在特定場景下解決問題。

下次坐園區無人車時，不妨觀察一下它過彎的路線——說不定，你就能看出純跟蹤算法的“影子”呢。

- End -

免責聲明：

凡本公眾號注明“來源：XXX（非智車科技）”的作品，均轉載自其它媒體，轉載目的在于傳遞和分享更多信息，并不代表本平臺贊同其觀點和對其真實性負責，版權歸原作者所有，如有侵權請聯系我們刪除。

       原文標題 : 從原理到落地：純跟蹤算法如何讓自動駕駛車“走直線”？