基于无人驾驶的零点标定方法、装置、设备以及存储介质与流程

1.本发明涉及无人驾驶技术领域，特别涉及是一种基于无人驾驶的零点标定方法、装置、设备以及存储介质。


背景技术：

2.众所周知，汽车方向盘对控制汽车的行车轨迹起着重要的作用。在实际安装汽车方向盘时，难免会存在一定误差，使得安装于不同汽车的方向盘表现出了个体零偏差异。在人工驾驶的场景下，驾驶者可以通过目测汽车的行车轨迹来纠正方向盘零偏，因此受到方向盘零偏的影响不大。然而，在自动驾驶的场景下，尤其是高速巡航和车道保持场景，当车辆控制方向盘回正时，微小的方向盘零偏也会导致行车轨迹偏移，增高了自动驾驶的行车安全风险。
3.目前行业内主要的标定方法是通过遥控器控制车辆到固定的一个转向角，然后以特定的速度进行行驶，车辆轨迹成一个圆形。通过外挂水瓶滴水法或者安装gps定位系统记录下车辆行驶的圆形轨迹，通过直尺测量出当前转向角下的转弯直径从而得到转弯半径，通过转弯半径和理论转向角之间的几何关系，得出理论上的实际转向角，并和实际给定给车辆的转向角进行对比，并且经过多次重复实验测量，得出最后的转向零位偏移，从而标定车辆转向角度。这种传统的方法耗时耗力，需要大量的人员参与。测算精度很大程度上取决于测量时的精度，从而误差不可控。


技术实现要素：

4.基于此，本发明的目的在于，提供一种基于无人驾驶的零点标定方法、装置、设备以及存储介质，通过构建预测航向角变化数据与零点偏移角度的映射关系，并根据获取的实测航向角变化数据、预测航向角变化数据以及映射表，获取目标车辆的零点偏移角度，减小了由于测量误差导致计算出的零位偏移不准确，提高获取零点偏移角度的精确性以及效率。
5.第一方面，本技术实施例提供了一种基于无人驾驶的零点标定方法，包括以下步骤：
6.根据预设的采样周期，获取目标车辆在采样时长内直线行驶的各采样周期所对应的多个距离数据、转向角数据以及实测航向角变化数据；
7.获取所述目标车辆的零点偏移角度区间数据，根据所述零点偏移角度区间数据以及预设的零点标定参数，获取若干零点标定数据；
8.根据所述各采样周期所对应的多个距离数据、转向角数据、若干零点标定数据以及预设的运动模型，获取各零点标定数据与各采样周期对应的预测航向角变化数据；
9.将同一采样周期下对应的预测航向角变化数据与实测航向角变化数据进行比较，获取各零点标定数据在整个采样时长下的统计结果，并根据所述各零点标定数据以及所述统计结果构建映射表，根据所述映射表，从所述各零点标定数据中获取目标零点标定数据，
根据所述目标零点标定数据，获取所述目标车辆的目标零点偏移角度。
10.第二方面，本技术实施例提供了一种基于无人驾驶的零点标定装置，包括：
11.数据采集模块，用于根据预设的采样周期，获取目标车辆在采样时长内直线行驶的各采样周期所对应的多个距离数据、转向角数据以及实测航向角变化数据；
12.零点标定数据计算模块，用于获取所述目标车辆的零点偏移角度区间数据，根据所述零点偏移角度区间数据以及预设的零点标定参数，获取若干零点标定数据；
13.预测航向角计算模块，用于根据所述各采样周期所对应的多个距离数据、转向角数据、若干零点标定数据以及预设的运动模型，获取各零点标定数据与各采样周期对应的预测航向角变化数据；
14.目标零点偏移角度计算模块，用于将同一采样周期下对应的预测航向角变化数据与实测航向角变化数据进行比较，获取各零点标定数据在整个采样时长下的统计结果，并根据所述各零点标定数据以及所述统计结果构建映射表，根据所述映射表，从所述各零点标定数据中获取目标零点标定数据，根据所述目标零点标定数据，获取所述目标车辆的目标零点偏移角度。
15.第三方面，本技术实施例提供了一种计算机设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时实现如第一方面所述的基于无人驾驶的零点标定方法的步骤。
16.第四方面，本技术实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的基于无人驾驶的零点标定方法的步骤。
17.在本技术实施例中，提供一种基于无人驾驶的零点标定方法、装置、设备以及存储介质，通过构建预测航向角变化数据与零点偏移角度的映射关系，并根据获取的实测航向角变化数据、预测航向角变化数据以及映射表，获取目标车辆的零点偏移角度，减小了由于测量误差导致计算出的零位偏移不准确，提高获取零点偏移角度的精确性以及效率。
18.为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
19.图1为本技术一个实施例提供的基于无人驾驶的零点标定方法的流程示意图；
20.图2为本技术一个实施例提供的基于无人驾驶的零点标定方法中s3的流程示意图；
21.图3为本技术一个实施例提供的基于无人驾驶的零点标定方法中s4的流程示意图；
22.图4为本技术一个实施例提供的基于无人驾驶的零点标定装置的结构示意图；
23.图5为本技术一个实施例提供的计算机设备的结构示意图。
具体实施方式
24.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附
权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
25.在本技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
26.应当理解，尽管在本技术可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”/“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
27.请参阅图1，图1为本技术一个实施例提供的基于无人驾驶的零点标定方法的流程示意图，所述方法包括如下步骤：
28.s1：根据预设的采样周期，获取目标车辆在采样时长内直线行驶的各采样周期所对应的多个距离数据、转向角数据以及实测航向角变化数据。
29.所述基于无人驾驶的零点标定方法的执行主体为基于无人驾驶的零点标定方法的标定设备(以下简称标定设备)，在一个可选的实施例中，所述标定设备可以是一台计算机设备可以是服务器，或是多台计算机设备联合而成的服务器机群。
30.在一个可选的实施例中，标定设备可以通过gps定位系统，以固定的采集频率作为所述采样周期，获取所述目标车辆在采样时长内直线行驶的各采样周期所对应的多个距离数据，所述距离数据可以根据gps定位系统获取的所述采样时长的经纬度数据进行计算获取；
31.标定设备可以通过设置在目标车辆的采集设备，获取所述目标车辆在采样时长内直线行驶的各采样周期所对应的多个转向角数据，其中，所述转向角为所述目标车辆在直线行驶过程中的前轮的转向角度，航向角通常指地面坐标系下，车辆质心速度与横轴的夹角。所述航向角变化数据体现了目标车辆在直线行驶过程中，经过各采样周期后的航向角的变化。
32.标定设备可以通过设置在目标车辆的采集设备，获取所述目标车辆在采样时长内直线行驶的各采样周期对应的多个航向角数据，将所述采样周期的航向角数据与下一个采样周期的航向角数据作差，获取所述目标车辆在采样时长内直线行驶的各采样周期所对应的若干航向角变化数据。
33.s2：获取所述目标车辆的零点偏移角度区间数据，根据所述零点偏移角度区间数据以及预设的零点标定参数，获取若干零点标定数据。
34.所述零点偏移角度区间数据是以最小零点偏移角度以及最大零点偏移角度为区间界限，构建的。
35.在一个可选的实施例中，所述零点偏移角度区间数据可以由标定设备设置为一个固定的区间数据，例如，将最小零点偏移角度设置为-15
°
，最大零点偏移角度设置为15
°
，以构建所述零点偏移角度区间数据；
36.所述零点标定数据是由所述零点偏移角度与所述零点标定参数进行多次累加的结果,在一个可选的实施例中，所述零点标定参数可以设置为0.01，标定设备根据所述获取
的目标车辆的零点偏移角度区间数据对应的最小零点偏移角度以及最大零点偏移角度，将所述最小零点偏移角度与所述零点标定参数进行多次累加，从而对当前的零点偏移角度进行更新，获取若干零点偏移角度对应的零点标定数据，其中，所述零点标定数据的值不大于所述最大零点偏移角度。
37.s3：根据所述各采样周期所对应的多个距离数据、转向角数据、若干零点标定数据以及预设的运动模型，获取各零点标定数据与各采样周期对应的预测航向角变化数据。
38.所述运动模型为阿克曼模型，所述阿克曼模型为基于阿克曼转向几何(ackermann steering geometry)构建的模型，用于规划车辆运动的轨迹，满足车辆在行驶过程中的运动学几何约束。
39.在本实施例中，标定设备将所述各采样周期所对应的多个距离数据、转向角数据输入至所述运动模型中，以所述距离数据、转向角数据作为所述运动模型的固定参数，分别输入所述各零点标定数据，以所述零点标定数据为变量，获取所述运动模型输出的各零点标定数据与各采样周期对应的预测航向角变化数据，保证了预测航向角变化数据的准确性的同时，减小了由于实际测量产生的误差，从而导致计算出的零位偏移不准确的影响，提高了获取的零点偏移角度的精确性。
40.请参阅图2，图2为本技术一个实施例提供的基于无人驾驶的零点标定方法中s3的流程示意图，包括步骤s301～s302，具体如下：
41.s301：获取所述目标车辆的车辆轴距长度。
42.在一个可选的实施例中，标定设备获取目标车辆的型号，从预设的数据库中获取与目标车辆的型号对应的车辆轴距长度。
43.s302：根据所述若干零点标定数据，将所述各采样周期所对应的多个距离数据、转向角数据以及车辆轴距长度输入至所述运动模型中的航向角变化数据计算算法，获取所述各零点标定数据与各采样周期对应的预测航向角变化数据。
44.所述航向角变化数据计算算法为：
45.p_yaw
ij
＝di*tan(θi+offsetj/wheelbase)
46.式中，p_yaw
ij
为第j个零点标定数据与i个采样周期对应的预测航向角变化数据，i＝1～m，其中t为所述采样时长，δt为所述采样周期；di为第i个采样周期对应的距离数据；θi为第i个采样周期对应的转向角数据；offsetj为第j个零点标定数据，j＝0～n，floor表示向下取整，offset_max为所述零点偏移角度区间数据中最大的零点偏移角度数据，offset_min为所述零点偏移角度区间数据中最小的零点偏移角度数据，offsetj＝offset_min+j*doffset，doffset为所述零点标定参数，wheelbase为所述车辆轴距长度。
47.在本实施例中，标定设备根据所述若干零点标定数据，将所述各采样周期所对应的多个距离数据、转向角数据以及车辆轴距长度输入至所述运动模型中的航向角变化数据计算算法，计算所述各零点标定数据与各采样周期对应的预测航向角变化数据，可以通过批量计算在不同的零点标定数据下，航向角变化数据的变化，来提高获取零点偏移角度的效率。
48.s4：将同一采样周期下对应的预测航向角变化数据与实测航向角变化数据进行比较，获取各零点标定数据在整个采样时长下的统计结果，并根据所述各零点标定数据以及所述统计结果构建映射表，根据所述映射表，从所述各零点标定数据中获取目标零点标定数据，根据所述目标零点标定数据，获取所述目标车辆的目标零点偏移角度。
49.由于所述映射表中包括各零点标定数据，以及各零点标定数据在整个采样时长下的统计结果，可以根据所述映射表中的统计结果，从所述各零点标定数据中获取目标零点标定数据，根据所述目标零点标定数据，获取所述目标车辆的目标零点偏移角度，具体地，当所述统计结果越小，则所述统计结果对应的零点标定数据与目标车辆的真实零点偏移角度最贴近。
50.请参阅图3，图3为本技术一个实施例提供的基于无人驾驶的零点标定方法中s4的流程示意图，包括步骤s401，具体如下：
51.s401：根据预设的统计平均值计算算法，计算各零点标定数据对应的统计平均值，根据所述各零点标定数据以及各零点标定数据对应的统计平均值，构建映射表。
52.所述统计平均值计算算法为：
[0053][0054]
式中，ave_errorj为第j个零点标定数据对应的统计平均值，r_yawi为第i个采样周期对应的实测航向角变化数据；
[0055]
在本实施例中，标定设备根据所述预测航向角变化数据、实测航向角变化数据以及预设的统计平均值计算算法，获取各零点标定数据对应的统计平均值，作为所述统计结果，根据所述各零点标定数据以及各零点标定数据统计平均值，构建映射表。
[0056]
标定设备根据所述映射表中的统计结果的数据的值，获取所述统计结果的数据的值对应的零点标定数据，作为目标零点标定数据，具体而言，取ave_errorj中的最小值时所对应的零点标定数据，作为目标零点标定数据。
[0057]
根据所述目标零点标定数据，获取所述目标车辆的目标零点偏移角度。通过批量处理数据，获取可靠的所述目标车辆的目标零点偏移角度，减小了由于测量误差导致计算出的目标零点偏移角度不准确，并降低了获取的成本，提高了效率。
[0058]
请参考图4，图4为本技术一个实施例提供的基于无人驾驶的零点标定装置的结构示意图，该装置可以通过软件、硬件或两者的结合实现基于无人驾驶的零点标定装置的全部或一部分，该装置4包括：
[0059]
数据采集模块41，用于根据预设的采样周期，获取目标车辆在采样时长内直线行驶的各采样周期所对应的多个距离数据、转向角数据以及实测航向角变化数据；
[0060]
零点标定数据计算模块42，用于获取所述目标车辆的零点偏移角度区间数据，根据所述零点偏移角度区间数据以及预设的零点标定参数，获取若干零点标定数据；
[0061]
预测航向角计算模块43，用于根据所述距离数据、转向角数据、零点标定数据以及预设的运动模型，获取各零点标定数据与各采样周期对应的预测航向角变化数据；
[0062]
目标零点偏移角度计算模块44，用于将同一采样周期下对应的预测航向角变化数据与实测航向角变化数据进行比较，获取各零点标定数据在整个采样时长下的统计结果，并根据所述各零点标定数据以及所述统计结果构建映射表，根据所述映射表，从所述各零
点标定数据中获取目标零点标定数据，根据所述目标零点标定数据，获取所述目标车辆的目标零点偏移角度。
[0063]
在本实施例中，通过数据采集模块，根据预设的采样周期，获取目标车辆在采样时长内直线行驶的各采样周期所对应的多个距离数据、转向角数据以及实测航向角变化数据；通过零点标定数据计算模块，获取所述目标车辆的零点偏移角度区间数据，根据所述零点偏移角度区间数据以及预设的零点标定参数，获取若干零点标定数据；通过预测航向角计算模块，根据所述距离数据、转向角数据、零点标定数据以及预设的运动模型，获取各零点标定数据与各采样周期对应的预测航向角变化数据；通过目标零点偏移角度计算模块，将同一采样周期下对应的预测航向角变化数据与实测航向角变化数据进行比较，获取各零点标定数据在整个采样时长下的统计结果，并根据所述各零点标定数据以及所述统计结果构建映射表，根据所述映射表，从所述各零点标定数据中获取目标零点标定数据，根据所述目标零点标定数据，获取所述目标车辆的目标零点偏移角度。通过构建预测航向角变化数据与零点偏移角度的映射关系，并根据获取的实测航向角变化数据、预测航向角变化数据以及映射表，获取目标车辆的零点偏移角度，减小了由于测量误差导致计算出的零位偏移不准确，提高获取零点偏移角度的精确性以及效率。
[0064]
请参考图5，图5为本技术一个实施例提供的计算机设备的结构示意图，计算机设备5包括：处理器51、存储器52以及存储在存储器52上并可在处理器51上运行的计算机程序53；计算机设备可以存储有多条指令，指令适用于由处理器51加载并执行上述图1至图3的方法步骤，具体执行过程可以参见图1至图3的具体说明，在此不进行赘述。
[0065]
其中，处理器51可以包括一个或多个处理核心。处理器51利用各种接口和线路连接服务器内的各个各部分，通过运行或执行存储在存储器52内的指令、程序、代码集或指令集，以及调用存储器52内的数据，执行基于无人驾驶的零点标定装置5的各种功能和处理数据，可选的，处理器51可以采用数字信号处理(digital signal processing,dsp)、现场可编程门阵列(field-programmable gate array，fpga)、可编程逻辑阵列(programble logic array，pla)中的至少一个硬件形式来实现。处理器51可集成中央处理器51(central processing unit，cpu)、图像处理器51(graphics processing unit，gpu)和调制解调器等中的一个或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责触摸显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器51中，单独通过一块芯片进行实现。
[0066]
其中，存储器52可以包括随机存储器52(random access memory，ram)，也可以包括只读存储器52(read-only memory)。可选的，该存储器52包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器52可用于存储指令、程序、代码、代码集或指令集。存储器52可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控指令等)、用于实现上述各个各方法实施例的指令等；存储数据区可存储上面各个各方法实施例中涉及到的数据等。存储器52可选的还可以是至少一个位于远离前述处理器51的存储装置。
[0067]
本技术实施例还提供了一种存储介质，所述存储介质可以存储有多条指令，所述指令适用于由处理器加载并执行上述图1至图3的方法步骤，具体执行过程可以参见图1至图3的具体说明，在此不进行赘述。
[0068]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个各单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0069]
在上述实施例中，对各个各实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0070]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束算法。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0071]
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0072]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0073]
另外，在本发明各个各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个各单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0074]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个各方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。
[0075]
本发明并不局限于上述实施方式，如果对本发明的各种改动或变形不脱离本发明的精神和范围，倘若这些改动和变形属于本发明的权利要求和等同技术范围之内，则本发明也意图包含这些改动和变形。