一个基于 MPC 的自动驾驶汽车轨迹跟踪 资源内项目源码是均来自个人的课程设计、毕业设计或者具体项目，代码都测试ok，都是运行成功后才上传资源，答辩评审绝对信服的，拿来就能用。放心下载使用！源码、说明、论文、数据集一站式服务，拿来就能用的绝对好资源！！！ 项目备注 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、大作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。 下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。 4、如有侵权请私信博主，感谢支持

MPC控制器设计，模型预测控制，线性时变模型预测控制，LTV MPC，提供理论讲解与应用实现。 提供MPC算法、LTV MPC 算法在直升机和四旋翼中的应用实例。 提供模型预测控制资料。 提供matlab中模型预测控制工具箱mpcDesign 的使用讲解。

自动驾驶横纵向耦合控制-复现Apollo横纵向控制 基于动力学误差模型，使用mpc算法，一个控制器同时控制横向和纵向，实现横纵向耦合控制 matlab与simulink联合仿真，纵向控制已经做好油门刹车标定表，跟踪五次多项式换道轨迹，效果完美。 内含三套代码，两套采用面向对象编程-一套只对控制量添加约束，一套对控制量和控制增量均添加约束，另外一套采用面向过程编程。

MPC控制 对于审稿人： MPC模型的详细信息。 初始状态和参考轨迹 Eigen::MatrixXd transformGlobal2Vehicle ( double x, double y, double psi, const vector< double> & ptsx, const vector< double> & ptsy) { assert (ptsx. size () == ptsy. size ()); unsigned len = ptsx. size (); auto waypoints = Eigen::MatrixXd ( 2 , len); for ( auto i = 0 ; i < len; ++i) { waypoints ( 0 , i) = cos (psi) * (ptsx[i] - x) + sin (psi) * (pts

基于MPC算法的整车控制器实现，carsim-matlab联合仿真建模。

风险规避 MPC算法的Julia实现

MPC算法伯克利分校精品资源，对理解MPC算法，实现matlab编程具有很好的参考意义

控制算法MPC算法讲解，另外还包含了自动驾驶学习资料的获取： 涵盖感知，规划和控制，ADAS，传感器； 1. apollo相关的技术教程和文档； 2.adas（高级辅助驾驶）算法设计（例如AEB,ACC,LKA等） 3.自动驾驶鼻祖mobileye的论文和专利介绍 4.自动驾驶学习笔记 5.自动驾驶专项课程（可能是目前最好的自动教师教程），是coursera上多伦多大学发布的自动驾驶专项课程，应该是目前为止非常火非常好的教程了，包含视频，ppt，论文以及代码 6.国家权威机构发布的adas标准，这是adas相关算法系统的标准，也是开发手册。 7.规划控制相关的算法论文介绍 8. 控制理论及应用实践

MAC算法讲解，另外还包含了自动驾驶学习资料的获取： 涵盖感知，规划和控制，ADAS，传感器； 1. apollo相关的技术教程和文档； 2.adas（高级辅助驾驶）算法设计（例如AEB,ACC,LKA等） 3.自动驾驶鼻祖mobileye的论文和专利介绍 4.自动驾驶学习笔记 5.自动驾驶专项课程（可能是目前最好的自动教师教程），是coursera上多伦多大学发布的自动驾驶专项课程，应该是目前为止非常火非常好的教程了，包含视频，ppt，论文以及代码 6.国家权威机构发布的adas标准，这是adas相关算法系统的标准，也是开发手册。 7.规划控制相关的算法论文介绍 8. 控制理论及应用实践

基于matlab SIMULINK模型实现自适应模型预测控制，Adaptive MPC controllers adjust their prediction model at run time to compensate for nonlinear or time-varying plant characteristics. To implement adaptive MPC, first design a traditional model predictive controller for the nominal operating conditions of your control system, and then update the plant model and nominal conditions used by the MPC controller at run time. For more information, see Adaptive MPC. After updating, the plant model and nominal conditions remain constant over the prediction horizon.