1.本公开涉及车辆驾驶技术领域，尤其涉及一种车辆转向参数测量校准方法、系统、介质及自动驾驶车辆。


背景技术：

2.近年来，自动驾驶车辆技术发展迅速，但在转向参数测量和校准方面依赖于人工经常地进行标定，存在效率低、误差大、成本高等问题。在车辆的使用过程中，基于车辆的机械磨损、连接松动等原因，原标定参数发生变化，导致自动驾驶车辆在行驶过程中的转向控制误差增大，难以保障路径跟踪精度，从而需要人工重新进行标定。由于标定次数非常频繁，用户使用体验受到严重影响。
3.一些相关技术在车轮前轮处和车身分别安装陀螺仪，并安装方向盘力矩电机，通过角速度积分方式计算前轮转角。


技术实现要素：

4.发明人经研究发现，相关技术中在车轮上安装陀螺仪传感器，系统测量方式复杂；通过角速度积分方式计算前轮转角存在累计误差，且无转向传动比、方向盘零位校准结果输出，忽略了方向盘零位的时变性，方向盘零位并未得到校准，且无转向传动比计算结果输出。
5.有鉴于此，本公开实施例提供一种车辆转向参数测量校准方法、系统、介质及自动驾驶车辆，更准确地获得前轮转角，并简化测量方式。
6.在本公开的一个方面，提供一种车辆转向参数测量校准方法，包括：
7.在连续多个采样时刻分别计算每个采样时刻对应的车辆前轮转角；
8.其中，在每个采样时刻下车辆前轮转角的计算过程包括：
9.根据车辆横摆角速度、车速和车辆前后轮轴距，计算得到前轮转角的第一计算值；
10.根据车速、车辆横向加速度和车辆前后轮轴距，计算得到前轮转角的第二计算值；
11.根据方向盘转角和转向传动比，计算得到前轮转角的第三计算值；
12.根据所述前轮转角的第一计算值、所述前轮转角的第二计算值和所述前轮转角的第三计算值计算得到当前采样时刻的前轮转角。
13.在一些实施例中，当前采样时刻的前轮转角的计算公式为：
14.δ
t
＝δ
t-1
+w
θ
·
(δ
θ-δ
t-1
)+wa·
(δ
a-δ
t-1
)+w
ω
·
(δ
ω-δ
t-1
)；
15.其中，δ
t
为当前采样时刻t对应的前轮转角，δ
t-1
为前一采样时刻t-1的前轮转角，δ
ω
为所述前轮转角的第一计算值，δa为所述前轮转角的第二计算值，δ
θ
为所述前轮转角的第三计算值，w
ω
为第一权重系数，wa为第二权重系数，w
θ
为第三权重系数。
16.在一些实施例中，所述第一权重系数、所述第二权重系数和所述第三权重系数均由用于检测所述车辆横摆角速度的车辆横摆角速度传感器、用于检测所述车辆横向加速度的车辆横向加速度传感器和用于检测所述方向盘转角的方向盘转角传感器的固有参数计
算获得。
17.在一些实施例中，所述第一权重系数、第二权重系数和第三权重系数的计算公式分别为：
[0018][0019][0020][0021]
其中，s
ω
为车辆横摆角速度传感器的测量标准差，ω
max
为车辆横摆角传感器的最大绝对测量值，sa为车辆横向加速度传感器的测量标准差，a
max
为车辆横向加速度传感器的最大绝对测量值，s
θ
为方向盘转角传感器的测量标准差，θ
max
为方向盘转角传感器的最大绝对测量值。
[0022]
在一些实施例中，所述前轮转角的第一计算值、前轮转角的第二计算值和前轮转角的第三计算值的计算公式分别为：
[0023][0024][0025][0026]
其中，δ
ω
为前轮转角的第一计算值，ω为车辆横摆角速度，l为车辆前后轮轴距，v为车速，δa为前轮转角的第二计算值，a为车辆横向加速度，δ
θ
为前轮转角的第三计算值，θ为方向盘转角，i为转向传动比。
[0027]
在一些实施例中，在每个采样时刻得到当前采样时刻t的前轮转角后，还包括：
[0028]
对用于下一采样时刻t+1的转向传动比进行更新计算，
[0029]
其中，所述转向传动比的更新计算公式为：
[0030][0031]
其中，i
t+1
为下一采样时刻t+1的转向传动比，n为任意采样时刻的时刻数，n＝1,2,
…
,t，δn为采样时刻n对应的前轮转角，δ
n-1
为采样时刻n-1对应的前轮转角，θn为采样时刻n的方向盘转角，θ
n-1
为采样时刻n-1的方向盘转角。
[0032]
在一些实施例中，在每个采样时刻下，还包括：
[0033]
判断是否进行方向盘零位的校准操作，如果在车辆处于行驶状态时满足下式，则将当前采样时刻的方向盘转角设定为方向盘零位：
[0034][0035]
其中，ω
t
为当前采样时刻t的车辆横摆角速度，ω
t-1
为上一采样时刻t-1的车辆横
摆角速度，a
t
为当前采样时刻t的车辆横向加速度，a
t-1
为上一采样时刻t-1的车辆横向加速度，θ
t
为当前采样时刻t的方向盘转角，θ
t-1
为上一采样时刻t-1的方向盘转角。
[0036]
在一些实施例中，所述第一权重系数、所述第二权重系数和所述第三权重系数均通过神经网络模型训练获得。
[0037]
在一些实施例中，在所述神经网络模型中，所述第一权重系数、所述第二权重系数和所述第三权重系数的初值由用于检测所述车辆横摆角速度的车辆横摆角速度传感器、用于检测所述车辆横向加速度的车辆横向加速度传感器和用于检测所述方向盘转角的方向盘转角传感器的固有参数计算确定。
[0038]
在本公开的另一个方面，提供一种车辆转向参数测量校准系统，包括：
[0039]
车速传感器、方向盘转角传感器、车辆横向加速度传感器和车辆横摆角速度传感器；
[0040]
存储器；以及
[0041]
处理器，与所述存储器、所述车速传感器、所述方向盘转角传感器、所述车辆横向加速度传感器和所述车辆横摆角速度传感器均信号连接，被配置为基于存储在所述存储器中的指令，执行前述任一车辆转向参数测量校准方法。
[0042]
在一些实施例中，所述车辆横向加速度传感器和所述车辆横摆角速度传感器由惯性测量单元实现。
[0043]
在一些实施例中，所述处理器与所述惯性测量单元、所述车速传感器和所述方向盘转角传感器通过控制器局域网总线进行信号连接。
[0044]
在本公开的又一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现前述任一车辆转向参数测量校准方法。
[0045]
在本公开的又一个方面，提供一种自动驾驶车辆，包含前述任一车辆转向参数测量校准系统。
[0046]
因此，根据本公开实施例，从车辆的车速、横摆角速度、车辆横向加速度以及方向盘转角等多个角度分别计算前轮转角在每个采样时刻下的计算值，并根据这些计算值进一步计算出采样时刻对应的前轮转角，相比于相关技术，无需在车轮上安装陀螺仪传感器，简化了测量结构，并且前轮转角的计算还兼顾到了车辆的车速、横摆角速度、车辆横向加速度以及方向盘转角等多方面因素的影响，从而计算得到的前轮转角的准确性更高。另外，通过对任意采样时刻前轮转角参数的实时动态计算更新，无需特殊条件和人工参与，既降低了成本也提高了效率及环境适应性。
附图说明
[0047]
构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
[0048]
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
[0049]
图1是根据本公开一些实施例的转向参数测量校准方法的流程图；
[0050]
图2是根据本公开一些实施例的测量校准系统的结构示意图。
[0051]
应当明白，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。此外，相同或类似的参考标号为相同或类似的构件。
具体实施方式
[0052]
现在将参照附图来详细描述本公开的各种示例性实施例。对示例性实施例的描述仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。本公开可以以许多不同的形式实现，不限于这里所述的实施例。提供这些实施例是为了使本公开透彻且完整，并且向本领域技术人员充分表达本公开的范围。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、材料的组分、数字表达式和数值应被解释为仅仅是示例性的，而不是作为限制。
[0053]
本公开中使用的“第一”、“第二”以及类似的词语并不为任何顺序、数量或者重要性，而只是用来区分不同的部分。“包括”或者“包含”等类似的词语意指在该词前的要素涵盖在该词后列举的要素，并不排除也涵盖其他要素的可能。“上”、“下”、“左”、“右”等仅用于为相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
[0054]
在本公开中，当描述到特定器件位于第一器件和第二器件之间时，在该特定器件与第一器件或第二器件之间可以存在居间器件，也可以不存在居间器件。当描述到特定器件连接其它器件时，该特定器件可以与所述其它器件直接连接而不具有居间器件，也可以不与所述其它器件直接连接而具有居间器件。
[0055]
本公开使用的所有术语(包括技术术语或者科学术语)与本公开所属领域的普通技术人员理解的含义相同，除非另外特别定义。还应当理解，在诸如通用字典中定义的术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
[0056]
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
[0057]
一些相关技术在车轮前轮处和车身分别安装陀螺仪，并安装方向盘力矩电机，通过角速度积分方式计算前轮转角。发明人经研究发现，相关技术中在车轮上安装陀螺仪传感器，系统测量方式复杂；通过角速度积分方式计算前轮转角存在累计误差，且无转向传动比、方向盘零位校准结果输出，忽略了方向盘零位的时变性，方向盘零位并未得到校准，且无转向传动比计算结果输出。
[0058]
有鉴于此，本公开实施例提供一种车辆转向参数测量校准方法、系统、介质及自动驾驶车辆，更准确地获得前轮转角，并简化测量方式。
[0059]
图1是根据本公开一些实施例的转向参数测量校准方法的流程图。参考图1，本公开提供了一种车辆转向参数测量校准方法的实施例。该方法包括：在连续多个采样时刻分别计算每个采样时刻对应的车辆前轮转角，其中，在每个采样时刻下车辆前轮转角的计算过程包括：步骤s10到步骤s40。在实施车辆转向参数测量校准方法过程中，每个采样周期内执行步骤s10到步骤s40。步骤s10、步骤s20和步骤s30的顺序可以相互调换，也可以同时执行。步骤s40在步骤s10、步骤s20和步骤s30之后执行。
[0060]
在步骤s10中，根据车辆横摆角速度、车速和车辆前后轮轴距，计算得到前轮转角的第一计算值。车轮横摆角速度是指车辆绕垂直于地面的轴旋转的角速度，车速是指车辆沿行驶方向的速度，车辆前后轮轴距是指车辆前轮轴和后轮轴之间的距离。
[0061]
在步骤s20中，根据车速、车辆横向加速度和车辆前后轮轴距，计算得到前轮转角的第二计算值。车辆横向加速度是指与车辆行驶方向垂直的方向的加速度。
[0062]
在步骤s30中，根据方向盘转角和转向传动比，计算得到前轮转角的第三计算值。方向盘转角是指方向盘2的转动角度，转向传动比是指车辆方向盘转角与车辆前轮转角的比。
[0063]
在步骤s40中，根据所述前轮转角的第一计算值、所述前轮转角的第二计算值和所述前轮转角的第三计算值计算得到当前采样时刻的前轮转角。
[0064]
本实施例从车辆的车速、横摆角速度、车辆横向加速度以及方向盘转角等多个角度分别计算前轮转角在每个采样时刻下的计算值，并根据这些计算值进一步计算出采样时刻对应的前轮转角，相比于相关技术，无需在车轮上安装陀螺仪传感器，简化了测量结构，并且前轮转角的计算还兼顾到了车辆的车速、横摆角速度、车辆横向加速度以及方向盘转角等多方面因素的影响，从而计算得到的前轮转角的准确性更高。另外，通过对任意采样时刻前轮转角参数的实时动态计算更新，无需特殊条件和人工参与，既降低了成本也提高了效率及环境适应性。
[0065]
在一些实施例中，步骤s40中当前采样时刻的前轮转角的计算公式为：
[0066]
δ
t
＝δ
t-1
+w
θ
·
(δ
θ-δ
t-1
)+wa·
(δ
a-δ
t-1
)+w
ω
·
(δ
ω-δ
t-1
)；
[0067]
其中，δ
t
为当前采样时刻对应的前轮转角，δ
t-1
为前一采样时刻的前轮转角，δ
ω
为前轮转角的第一计算值，δa为前轮转角的第二计算值，δ
θ
为前轮转角的第三计算值，w
ω
为第一权重系数，wa为第二权重系数，w
θ
为第三权重系数。
[0068]
本实施例对当前采样时刻的前轮转角的第一计算值、前轮转角的第二计算值和前轮转角的第三计算值分别与前一采样时刻的前轮转角的差进行加权计算，然后将加权结果与前一采样时刻的前轮转角相加，得到的值作为当前采样时刻的前轮转角，这样在计算每个采样时刻的前轮转角时，都能融合前一采样时刻的前轮转角的变化量，以及其与当前采样时刻的三种前轮转角的计算值的差值，从而实现在前一采样时刻的基础上对前轮转角持续性的修正，尽量消除前轮转角计算存在的累计误差，进而实现了前轮转角的实时动态测量计算，提高前轮转角的计算精度。
[0069]
其中，步骤s41为所述第一权重系数、所述第二权重系数和所述第三权重系数的计算。在一些实施例中，步骤s41包括根据用于检测所述车辆横摆角速度的车辆横摆角速度传感器、用于检测所述车辆横向加速度的车辆横向加速度传感器和用于检测所述方向盘转角的方向盘转角传感器的固有参数计算获得所述第一权重系数、第二权重系数和第三权重系数。
[0070]
举例来说，所述第一权重系数、第二权重系数和第三权重系数的计算公式可分别为：
[0071][0072][0073][0074]
其中，s
ω
为车辆横摆角速度传感器的测量标准差，ω
max
为车辆横摆角传感器的最大绝对测量值，sa为车辆横向加速度传感器的测量标准差，a
max
为车辆横向加速度传感器的
最大绝对测量值，s
θ
为方向盘转角传感器的测量标准差，θ
max
为方向盘转角传感器的最大绝对测量值。这里的测量标准差能够体现出传感器固有的测量精度，最大绝对测量值则对应了传感器的量程，体现出传感器的灵敏度。
[0075]
本实施例融合了车辆横摆角速度、车辆横向加速度和方向盘转角对应的传感器的固有特性，更真实地反映了转向系统参数因外部环境导致的时变性，消除参数平均化对精度的影响。
[0076]
在另一些实施例中，所述第一权重系数、所述第二权重系数和所述第三权重系数也可以通过神经网络模型训练获得。例如，设置模型输入为δ
ω
、δa和δ
θ
，模型输出为w
ω
、wa和w
θ
，结合上一采样时刻确定的前轮转角δ
t-1
，计算得到当前采样时刻的前轮转角的预测值δ
t
，通过loss损失函数计算前轮转角的真实值δ
real
与预测的转角值δ
t
之间的偏差，通过神经网络反向传递来更新网络模型参数。经反复迭代训练后，神经网络模型收敛，从而最终得到最优的w
ω
、wa和w
θ
。
[0077]
为了进一步提高神经网络模型的收敛速度，在一些实施例中，在所述神经网络模型中，可以由用于检测所述车辆横摆角速度的车辆横摆角速度传感器、用于检测所述车辆横向加速度的车辆横向加速度传感器和用于检测所述方向盘转角的方向盘转角传感器的固有参数计算确定所述第一权重系数、所述第二权重系数和所述第三权重系数的初值。
[0078]
前述步骤s10、s20和s30中前轮转角的三种计算值的计算过程可通过以下方式推导得出。根据车辆转向运动模型得到：
[0079][0080]
其中，δ为前轮转角，l为车辆前后轮轴距，r为车辆转弯半径，ω为车辆横摆角速度，v为车速。
[0081]
由上式可得前轮转角的第一计算值为：
[0082][0083]
根据车辆横向加速度与车辆转弯半径的关系得到：
[0084][0085]
其中，a为车辆横向加速度。
[0086]
由上式可得前轮转角的第二计算值为：
[0087][0088]
根据方向盘转角得到前轮转角的第三计算值为：
[0089][0090]
其中，θ为方向盘转角，i为转向传动比。
[0091]
本实施例在车辆运动学关系的基础上，根据不同的运动学参数确定对应的前轮转
角表达式，既考虑了车辆的静态结构参数也结合了车辆行驶过程中实时变化的运动学参数，使前轮转角的计算精度更高。
[0092]
参考图1，在一些实施例中，在每个采样时刻的步骤s40得到当前采样时刻t的前轮转角之后，还包括步骤s50。在步骤s50中，对用于下一采样时刻t+1的转向传动比进行更新计算，其中，所述转向传动比的更新计算公式为：
[0093][0094]
其中，i
t+1
为下一采样时刻t+1的转向传动比，n为任意采样时刻的时刻数，n＝1,2,
…
,t，δn为采样时刻n对应的前轮转角，δ
n-1
为采样时刻n-1对应的前轮转角，θn为采样时刻n的方向盘转角，θ
n-1
为采样时刻n-1的方向盘转角。
[0095]
例如，在采样时刻t＝10时，根据采样时刻t＝10及t＝1,2,
…
,9采样时刻的方向盘转角值和前轮转角的计算值得到转向传动比i
11
，从而在采样时刻t＝11中前轮转角的第三计算值为：
[0096]
本实施例通过在每个采样时刻计算前轮转角后的转向传动比校准，提高了下一采样时刻的前轮转角第三计算值的计算精度。这样通过对转向传动比的实时动态校准，真实反映转向系统参数因外部环境导致的时变性，消除参数平均化对精度的影响，从而总体上提高了前轮转角的计算精度。
[0097]
参考图1，在一些实施例中，在每个采样时刻下，还包括：步骤s60。在步骤s60中，判断是否进行方向盘零位的校准操作，如果在车辆处于行驶状态时满足下式，则执行步骤s61，在步骤s61中将当前采样时刻的方向盘转角设定为方向盘零位：
[0098][0099]
其中，ω
t
为当前采样时刻t的车辆横摆角速度，ω
t-1
为上一采样时刻t-1的车辆横摆角速度，a
t
为当前采样时刻t的车辆横向加速度，a
t-1
为上一采样时刻t-1的车辆横向加速度，θ
t
为当前采样时刻t的方向盘转角，θ
t-1
为上一采样时刻t-1的方向盘转角。
[0100]
在步骤s60中，如果在车辆处于行驶状态时不满足上式，则执行步骤s62，在步骤s62中不进行方向盘零位的校准。每个采样时刻的方向盘转角可根据传感器检测到的方向盘转角和校准后的方向盘零位进一步确定。
[0101]
如图1所示，本公开中的车辆转向参数测量校准方法首先通过车辆前后轮轴距，各传感器的固有参数，以及当前采样时刻t的车速、车辆横摆角速度、车辆横向加速度和方向盘转角计算得到前轮转角；然后通过采样时刻t和t之前的所有采样时刻的前轮转角和方向盘转角计算得到转向传动比，用于得到采样时刻t+1前轮转角的第三计算值；接下来通过采样时刻t和采样时刻t-1，车辆行驶过程中的车辆横摆角速度、车辆横向加速度以及方向盘转角判断方向盘是否过零位，若过零位，则以采样时刻t的方向盘转角作为方向盘零位转角，若不过零位，则无需更新方向盘零位值。采样时刻t+1的转向参数测量校准如同上述方法进行，其中t可为车辆行驶过程中的任意采样时刻。
[0102]
本实施例通过在每个采样时刻都考察方向盘是否通过零位，并根及时进行方向盘
零位的校准，提高了方向盘转角的检测精度。这样通过对方向盘零位的实时动态校准，真实反映转向系统参数因外部环境导致的时变性，消除参数平均化对精度的影响，从而总体上提高了前轮转角的计算精度。
[0103]
图2根据本公开一些实施例的测量校准系统的结构示意图。参考图2，本公开还提供一种车辆转向参数测量校准系统的实施例。该系统包括：车速传感器4、方向盘转角传感器2、车辆横向加速度传感器和车辆横摆角速度传感器，存储器4，以及处理器5。处理器5被与所述存储器4、所述车速传感器4、所述方向盘转角传感器2、所述车辆横向加速度传感器和所述车辆横摆角速度传感器均信号连接，被配置为基于存储在所述存储器4中的指令，执行如前文任一实施例的车辆转向参数测量校准方法。
[0104]
参考图2，在一些实施例中，车辆横向加速度传感器和车辆横摆角速度传感器由惯性测量单元(inertial measurement unit，简称imu)6实现。在另一些实施例中，车辆横向加速度传感器和车辆横摆角速度传感器可分别独立设置。
[0105]
参考图2，在一些实施例中，所述处理器5与所述惯性测量单元6、所述车速传感器4和所述方向盘转角传感器2通过控制器局域网(controller area network，简称can)总线7进行信号连接。
[0106]
这里所描述的处理器5可以包括通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，该处理器5可以是任何常规的处理器、控制器、微控制器、或状态机。处理器5还可以被实现为计算设备的组合，例如dsp与微处理器的组合、多个微处理器、与dsp核心协作的一个或多个微处理器、或任何其他此类配置。
[0107]
结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器5执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动盘、cd-rom、或本领域中所知的任何其他形式的存储介质中。
[0108]
在本公开的又一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器5执行时实现如前文任一实施例的车辆转向参数测量校准方法。
[0109]
在一个或多个示例性实施例中，所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品，则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定，这样的计算机可读介质可包括ram、rom、eeprom、cd-rom或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如，如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(dsl)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来，则该同轴电缆、光纤电缆、双绞线、dsl、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(cd)、激光碟、光碟、数字多用碟(dvd)、软盘和蓝光碟，其中盘(disk)往往以磁的方式再现
数据，而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。
[0110]
在本公开的又一个方面，提供一种自动驾驶车辆，包含如前文任一实施例的车辆转向参数测量校准系统。
[0111]
如图2所示，自动驾驶车辆的测量校准系统由处理器5、imu6、车速传感器4和方向盘转角传感器组成，处理器5与imu6、车速传感器4、方向盘转角传感器2通过can总线7连接。方向盘通过转向机构与前轮1连接，其中系统组成中所有器件均为自动驾驶车辆必备配置，无需再增加其他测量仪器，降低了检测成本。
[0112]
相比于相关技术中自动驾驶车辆的转向参数的测量校准存在效率低、误差大、成本高等问题，本公开的自动驾驶车辆功能丰富，能够完成多项关键参数的计算或校准。本公开一些实施例中自动驾驶车辆可以对每个采样时刻的前轮转角进行实时计算，并对转向传动比进行实时更新，还能够对方向盘转角进行自动校准，从而提高了测量精度。
[0113]
至此，已经详细描述了本公开的各实施例。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
[0114]
虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改或者对部分技术特征进行等同替换。本公开的范围由所附权利要求来限定。