MATLAB汽车运动学仿真教程：用单车模型模拟车辆行驶过程

做汽车运动学仿真这件事，听起来门槛不低，但其实上手路径比多数人想的要直。很多人一听到“MATLAB 汽车模型运动学仿真，模拟车辆行驶过程”就先想到各种轮胎力、悬挂、整车动力学，其实从项目名字里的“运动学”三个字就能判断，这个版本的仿真重点是几何关系与运动过程，不碰力和惯性。作为一门课设、一次入门实践，或者一个路径规划工作的前置验证工具，都很合适。

如果你正好在找“用MATLAB怎么让一辆车在地图上跑起来”的教程，这篇就是按实战经验写的。我会把“为什么可以把车简化成一个数学模型”“怎么推导运动学方程”“MATLAB主循环怎么写”“如何把车图形化显示出来”“一定会踩到哪些坑”全部串起来。全文不依赖Simulink，默认用纯脚本实现，这样你对每一步发生的事都看得很清楚。下面是整个项目从思路到代码的完整拆解。

1. 项目拆解：这套仿真到底在解决什么问题

1.1 为什么用“运动学”而不是“动力学”来模拟行车

车在地面上行驶时，如果只关心位置、朝向、转弯轨迹，而不关心发动机扭矩、刹车力、轮胎侧偏和车身侧倾，那么我们可以把问题压缩到纯几何层面。这就是运动学仿真。运动学回答的是“车将以什么轨迹运动”，动力学回答的是“什么样的力能让车这样运动”。

你可能会问，既然真实汽车受力那么复杂，只用几何关系会不会太“假”？低速场景下不会。比如车辆在小区内寻迹、地下车库倒车入库、园区自动驾驶的路径跟踪，车速通常低于25 km/h，轮胎侧偏角和滑动很小。此时车辆路径由转向几何关系主导，运动学的精度足够用于算法验证。

从控制算法开发的流程看，运动学仿真也常常被当作先导步骤。先用它验证路径是否可通行、控制量方向是否正确，再切到动力学模型或实车测试，能省下大量调参时间。因此，用运动学模型模拟车辆行驶过程，本身就是工程链条里非常实用的一个环节，不是简化到脱离实际的玩具模型。

1.2 从“整车”到“自行车模型”的理想化过程

为了让仿真在MATLAB里可以顺利实现，我们需要把一辆四个轮子的车进一步简化成“自行车模型”。这个模型有两条假设：

• 左右两侧车轮的转角和转速认为一致，车辆关于纵轴的对称性成立；
• 后轮没有转向能力，只提供前进方向约束，前轮转角是一个可控的输入。

这样一来，四个轮子的车就可以用一根“前轮-后轮”连接起来表示。你想象从车顶俯视一辆车，左右轮子合并到车体中线，得到的就是一台“自行车”。后轮中心点落在车体纵轴线上，前轮中心点也落在纵轴线上，前轮相对车体纵轴线的转角就是模型的核心控制量。

这条简化路径看起来粗暴，却在汽车运动学里被广泛采用，原因是它保留了车辆模型最本质的特征：车辆不能横向平移，车身方向变化依赖于前轮转角。

1.3 这个项目最适合谁作为切入点

如果你需要完成课设、毕设中的“车辆行驶过程仿真”章节，或者准备在Robot Operating System路径规划里加入车辆约束，这个模型可以直接用。仿真结果可以是纯粹的坐标轨迹，也可以做成带小车身画面的动态效果。输出可以用于课程报告，也可以作为控制算法输入的前置验证。

目标不需要定成“造一套自动驾驶完整仿真”，那工作量会失控。把这套模型跑通、结果可视、参数能调，就已经覆盖了项目标题中的核心要求。后续无论往汽车理论还是机器人控制方向扩展，这套基础都不会白打。

2. 运动学模型推导：三个方程就能描述汽车怎么跑

2.1 后轴中心状态方程的几何含义

一套运动学仿真要能跑起来，最核心的是一个合适的状态方程。对车辆运动学模型，我们通常选择后轴中心作为参考点，把状态定义为：

• x：后轴中心在大地坐标系中的X坐标；
• y：后轴中心在大地坐标系中的Y坐标；
• θ：车身航向角，即车体纵轴与大地X轴的夹角。

设车速为v，前轮转角为δ，轴距为L。经典单车运动学模型写为：

• dx/dt = v * cos(θ)
• dy/dt = v * sin(θ)
• dθ/dt = v * tan(δ) / L

为什么要用后轴中心？因为从运动学上看，后轴中心的速度方向天然与车体纵轴保持一致。这个约束天然满足“车不能产生侧向滑移”的理想化假设。模拟时只要把每步位移算出来，车的行驶轨迹就自然平滑。

我在给别人讲这个方程时喜欢用“自行车”打比方：你骑自行车时，后轮走过的轨迹基本就是你身体重心扫过的轨迹，转弯时你会明显感觉前半部分比后半部分扫过更大面积。这里状态选在后轮，正是为了用后轮轨迹代表整车路径，而车身姿态变化由第三个方程单独决定。

2.2 前轮转角与转弯半径之间的几何关系

有一个经常被忽略但很直观的关系：转向时转弯半径R和轴距L、前轮转角δ满足R = L / tan(δ)。这个公式可以从前轮转角、后轴中心和瞬时转向中心形成的直角三角形导出。前轮转角越大，转弯半径越小。车辆低速转一个固定半径的圆时，前轮转角应保持恒定。

实际工程里，直接给“前轮转角”作为输入，有点理想化。现代汽车的转向系统一般通过方向盘转角控制，中间存在转向传动比。通常方向盘转角是前轮转角的十几倍。在仿真层面，先把前轮转角作为输入是一种更接近控制本质的做法。后期若要驱动三维车辆模型或真车，再把传动比叠加进去即可。

2.3 离散化：把微分方程变成程序循环

MATLAB计算机只能迭代计算，不能直接解连续微分方程。最常见做法是采用一阶欧拉法，把每个方程写成增量形式：

• x(k+1) = x(k) + v * cos(θ(k)) * dt
• y(k+1) = y(k) + v * sin(θ(k)) * dt
• θ(k+1) = θ(k) + (v * tan(δ(k)) / L) * dt

dt越大，每一步推进距离越远，计算量越小，但误差也会变大。课程演示里dt常取0.01秒到0.05秒。如果车速较高或转向角变化剧烈，要适当减小步长。

如果你想把精度提上去，还有一个简单改良方法：先用了θ(k)推导半时刻的θ_mid，再以θ_mid计算这一步位移，这种方法称为中点法，计算量增加很少，但能在转向快速变化时把轨迹误差明显压小。对绝大多数入门仿真，欧拉法已经够用，后面我会专门讲误差来源。

3. MATLAB实现主循环：搭建一套可调的仿真框架

3.1 参数初始化：先把单位和物理量理清楚

编写代码的第一步是把参数一次性放在脚本最前面，这样后续调参不需要在代码里来回找。需要初始化的参数至少包括整车尺寸、仿真时间和时间步长。下面是初始化段的参考实现：

%% 车辆运动学仿真 - 单车模型 clear; close all; clc; % 整车尺寸 L = 2.8; % 轴距，单位 m w = 1.8; % 车宽，用于画车身轮廓（不是模型必需） % 仿真时间 t_start = 0; t_end = 6.0; % 仿真时长，单位 s dt = 0.01; % 积分步长，单位 s % 初始状态：x, y, theta s0 = [0; 0; 0]; % 速度输入（恒定车速示例） v_set = 5.0; % m/s % 转向角输入：2 秒内转过 10 度，2 秒后回正 delta_deg = 10; delta_rad = deg2rad(delta_deg);

这里有一个很重要的习惯：长度单位统一用米，时间单位统一用秒，角度单位尽量统一用弧度。MATLAB的三角函数默认接受弧度，但我们在看实验结果时更习惯“度”，所以很自然的做法是定义阶段用度，真正参与计算时转换一次。

3.2 核心循环：让车辆一步步“动”起来

主循环部分就是前文递推公式的直接翻译。为了让仿真结果能在后面绘制，我会提前把状态数组分配好，而不是在循环里不断拼接数组。MATLAB对预分配数组的速度优势非常明显，当仿真步数达到上万步时，是否预分配会直接影响体验。

% 预分配状态数组 N = round((t_end - t_start) / dt) + 1; t = linspace(t_start, t_end, N); x = zeros(1, N); y = zeros(1, N); theta = zeros(1, N); x(1) = s0(1); y(1) = s0(2); theta(1) = s0(3); for k = 1:N-1 t_k = t(k); % 获取当前输入 if t_k < 2.0 delta = delta_rad; else delta = 0; end v = v_set; % 更新后轴中心位置和航向角 x(k+1) = x(k) + v * cos(theta(k)) * dt; y(k+1) = y(k) + v * sin(theta(k)) * dt; theta(k+1) = theta(k) + (v / L) * tan(delta) * dt; end

把“输入信号判别”和“状态递推”分开写是很关键的。这样速度随时间变化、转角随时间变化时，你只需要修改获取输入的几行，不需要动运动学更新逻辑。

跑完这段代码，用plot(x, y)画出坐标点序列，你就能看到车辆轨迹。这段轨迹在刚开始的2秒里是一段圆弧，2秒后转角回正，切到直线。这和现实中“先打方向盘转一下，再把方向盘回正”的驾驶行为是一致的。

3.3 增加速度与转向角的时间变化功能

上述代码里的v和delta是常量，但实际项目里更常见的是速度随时间变化、转向角按表格或函数给定。为了让框架更容易扩展，可以把输入封装成函数句柄：

% 速度曲线：前3s加速到6m/s，之后匀速 v_func = @(t) min(6, 2 + t); % 转向角曲线：用正弦产生一个S形绕行 delta_func = @(t) deg2rad(15) * sin(0.6 * t);

主循环内部只需要改成：

v = v_func(t_k); delta = delta_func(t_k);

这样就非常灵活。我再强调一下，不要把速度或转向角长期钉死成标量，现实驾驶中输入一定是时变的，固定输入会让后续做路径跟踪时失去可变性。把这个小封装做到位，项目“模拟车辆行驶过程”才真正站得住脚。

4. 行驶过程可视化：让路径像“车”一样动起来

4.1 只有轨迹线不够，还要画出车体朝向

很多初版项目跑出来就是一条弯弯曲曲的线，看久了缺点直观性。要让观察者一眼看出“这是在模拟汽车行驶”，需要把车体轮廓和车轮方向也画出来。最简单的做法是在轨迹上某几个时刻叠加一个小矩形。

矩形不是随便放的。状态变量(x, y)表示后轴中心，车头方向由θ决定。要从车辆局部坐标转到大地坐标，先构造旋转矩阵：

R = [cos(theta_k), -sin(theta_k); sin(theta_k), cos(theta_k)];

再把车体轮廓的局部坐标乘以旋转矩阵，最后平移到后轴中心位置。比如将后轴中心作为局部坐标系原点，X轴指向车头。后面画线时，车体轮廓可以是：

% 车身轮廓的局部坐标，后轴中心位于(0,0) rear_overhang = 0.8; front_overhang = 1.0; body_local = [-rear_overhang, L + front_overhang, L + front_overhang, -rear_overhang; -w/2, -w/2, w/2, w/2];

选一个中间时间点（比如第2秒），画出矩形。这能立刻看出车辆此时的车头朝向与轨迹切线是否一致。

4.2 动态动画的实时更新技巧

静态图适合报告，动态动画适合展示。实现动态过程有个容易写错的地方：不要在循环里反复调用plot去新建图形对象，那样图形窗口会越来越卡。更好的做法是预先获得轨迹线和车身轮廓的句柄，每帧只更新句柄的XData、YData属性。

figure; axis equal; grid on; hold on; xlabel('X / m'); ylabel('Y / m'); % 轨迹句柄 trail_h = plot(x(1), y(1), 'b-', 'LineWidth', 1.5); % 车身轮廓句柄 body_h = patch(body_world_x, body_world_y, [0.3 0.6 0.9], ... 'FaceAlpha', 0.5, 'EdgeColor', 'k'); for k = 1:10:N % 更新轨迹线 trail_h.XData = x(1:k); trail_h.YData = y(1:k); % 计算当前旋转矩阵并更新车身矩形 theta_k = theta(k); R = [cos(theta_k), -sin(theta_k); sin(theta_k), cos(theta_k)]; body_world = R * body_local + [x(k); y(k)]; body_h.XData = body_world(1, :); body_h.YData = body_world(2, :); drawnow limitrate; end

这里使用drawnow limitrate而不是drawnow，前者在动画播放时会自动跳过部分重绘，保持交互顺畅，尤其当轨迹点非常多的时候差别很明显。如果你的MATLAB版本较旧，不支持limitrate选项，直接使用drawnow即可。

4.3 把动画导出成GIF或视频

我把动画导出成GIF的过程多说一句。MATLAB导出GIF最常用的办法是用getframe抓取每一帧，再用imwrite写入。第一帧要创建文件，后续帧使用Append方式追加。为避免文件过大，可以每5个仿真步抓一帧。示例代码如下：

dt_gif = 0.05; frame_interval = max(1, round(dt_gif / dt)); gif_filename = 'car_simulation.gif'; for k = 1:frame_interval:N % 更新绘图 % ... frame = getframe(gcf); im = frame2im(frame); [A, map] = rgb2ind(im, 128); if k == 1 imwrite(A, map, gif_filename, 'gif', 'LoopCount', Inf, 'DelayTime', dt_gif); else imwrite(A, map, gif_filename, 'gif', 'WriteMode', 'append', 'DelayTime', dt_gif); end end

导出的GIF可以直接嵌进课程报告、演示文稿或博客，非常实用。需要提醒的是，导出动画之前，最好设置固定坐标轴范围，否则每一帧的坐标范围自动变化，车辆会在画面里忽大忽小，影响观感。

5. 工况设计与典型问题排查

5.1 用几组典型工况验证模型正确性

模型写完后，先别急着调复杂曲线。工程师习惯是先跑三个基本工况，判断模型是否合理。

• 直线行驶：前轮转角恒为0，车速恒定。轨迹应该是一条严格直线。
• 定圆行驶：前轮转角固定，速度恒定。稳定后轨迹应近似圆形，半径约等于L / tan(δ)。
• S形绕行：前轮转角按正弦曲线变化。轨迹应是连续光滑的左右转弯。

使用第3.3节中的函数句柄输入，调整几个参数就能方便实现。比如定圆行驶，设置v = 3 m/s，δ = 10度，轴距L = 2.8，理论转弯半径约15.9米。跑完仿真用MATLAB算实际圆弧平均半径，能发现欧拉法在步长0.05秒时会有微小偏差，但不影响整体规律。

5.2 运行过程最容易遇见的坑

第一个最常见的坑是角度单位混淆。把10度直接当成10弧度输入，车辆会转得极快，轨迹变成高频盘旋。排查方法是在工作区查看delta、theta变量的数量级，若theta迅速增大到几十甚至上百，多半是单位问题。

第二个坑是车身矩形方向看起来“拧”了。许多人把x、y先画出来，再把矩形中心放在(x, y)，却忘了几何关系里面状态点是后轴中心点。如果车辆轮廓旋转轴用矩形几何中心，表现结果就完全不匹配。错误表现是车仿佛偏离路径，尤其在转弯时。正确做法是让矩形局部原点位于后轴中心，然后绕后轴中心旋转。

第三个坑在画前轮轨迹时出现。状态方程描述的是后轴中心运动，如果你的目的是研究转弯扫掠宽度，需要额外计算前轮位置：

front_x = x + L * cos(theta); front_y = y + L * sin(theta);

如果你把(x, y)直接当成前轮点画轨迹，就会发现车头与“前轮轨迹”对不上，转弯时内外半径的差异会非常明显。这个差异在停车场、窄路掉头时尤其重要。

5.3 欧拉法的精度与稳定性控制

自写循环用欧拉法，短时间内没问题，但存在累计误差。试想dt取0.05秒，车速10m/s，每步推进0.5米，连续仿真1000步就是500米路程。如果转向一直存在，误差会随转弯角度累积。精度不够时，车辆可能比理论轨迹稍微向外“漂”。

解决途径是多选几个步长对比结果。如果你把dt从0.01改为0.001后，轨迹发生了肉眼可见变化，说明0.01还不够小，应该继续减小。如果结果几乎重合，说明当前步长已经收敛稳定，即使继续减小步长也只会增加计算负担。

想保留大步长且提高精度，可以切换到中点法或MATLAB内置ode45求解器。运动学模型本身只有三个微分方程，用ode45进行数字积分也不复杂。但要注意，ode45是一个自适应步长求解器，它内部对时间点的选择和离散循环不一致。若你通过外部离散信号输入v和delta，反而要写插值函数。对课程演示来说，固定步长循环更直白。

5.4 调转向角与车速的联动关系

在模型运行正确后，你会开始调整行驶过程。有一个常见愿望是“让车转一个非常完整的圆，然后继续直线行驶”。这时候不要简单地把转向角瞬时从20度跳到0度。现实中方向盘回正需要时间，运动学模型虽然允许瞬时跳变，但画到轨迹上就出现一个明显折角。

为了模拟更自然，输入信号要带斜坡过渡。比如前2秒末需要回正，则让delta在0.2秒内从当前值线性下降为0。实现方法很简单：

if t_k < 2.0 delta = delta_rad; elseif t_k < 2.2 delta = delta_rad * (1 - (t_k - 2.0) / 0.2); else delta = 0; end

这样做以后，轨迹比较平滑，也更接近真实驾驶行为。

6. 常见问题速查与调试经验补充

6.1 用一张表把问题原因说清楚

在项目调试过程中，我把几个最容易出现的问题整理成速查表，方便回来看：

6.2 怎么验证仿真过程是否正确

很多人跑完图后心里不踏实，无法判断结果是否可信。我会建议把后轴中心的理论轨迹与模型输出做一次对照。

比如设置固定前轮转角δ、恒定车速v、轴距L，稳定后的转向半径约等于L/tan(δ)。在仿真结果里取两个距离较远的点，计算它们所在圆弧的曲率半径。如果仿真半径和理论半径相差在几个百分点内，说明核心模型和数值方法基本可信。这个验证环节最好做成一段独立脚本，后续如果修改了模型或者参数，一键重新验证。

另一个简单验证法是看直线工况。给一段足够长的距离，使车辆最终航向角θ等于初始航向角，同时横向偏差为0。如果转向角输入为0，但横向位移越来越大，说明可能有代码中误加了某个角度常数，或初始theta没有清零。

6.3 在框架基础上继续扩展的思路

这套框架跑通后，后面可以做很多扩展。比较自然的下一步是把它加入到反馈控制里。例如设定一串目标路径点，让车辆根据当前位置计算所需的转向角，从而实现“跟踪给定路径行驶”。这时候车辆运动学模型就变成了被控对象，你额外写的转向角输入函数会升级成控制器输出。

还有更进阶的方向是增加前后轴轨迹差，用于模拟大型车辆转弯扫掠，研究低速转弯时是否撞到路沿；或者把模型放到多车场景，让多辆车同时按给定规则行驶。这些扩展全部基于目前这套“自行车模型+欧拉循环+图形绘制”的底座，不需要推翻主框架。

如果想让项目演示效果更有工程味道，还可以在图上标注方向盘转角变化曲线、速度变化曲线、横摆角速度曲线。只需要在主体循环中把theta_dot = v / L * tan(delta)先存入向量，再单独绘制。这些曲线能说明“输入如何影响输出”，让仿真结果不只是一张轨迹图，而是一套完整的检测逻辑。

这个项目我做下来最大的体会是：模拟车辆行驶过程的核心难点其实不在代码，而在建模假设是否清楚，采样步长是否合理，输入逻辑是否可控。只要把单车运动学模型理解透，再用MATLAB把递推循环和可视化打通，车辆就能在一张图中很规矩地“按照你的意图跑起来”。如果你也正在调试类似项目，建议先把最简单的直线和定圆工况跑明白，再加复杂输入，否则一旦轨迹出错，很难判断是模型问题还是输入曲线问题。