【技术实现步骤摘要】
铰接式车辆转向死区值的标定方法、装置和电子设备
本申请涉及无人驾驶
，尤其涉及一种铰接式车辆转向死区值的标定方法、装置和电子设备。
技术介绍
随着计算机技术和人工智能技术的飞速发展，智能机器人技术已经成为了国内外众多学者研究的热点。例如，智能机器人技术已经用于无人驾驶车辆，例如无人驾驶环卫扫地车、无人驾驶园区垃圾车等。现有的无人驾驶车辆转向死区值通常设置为固定值，但在无人驾驶过程中，不同的路况对应的转向死区值不同，现有的无人驾驶车辆无法实现实时对转向死区值进行标定。
技术实现思路
本申请提供一种铰接式车辆转向死区值的标定方法、装置和电子设备，以实现实时对转向死区值进行标定。本申请提供一种铰接式车辆转向死区值的标定方法，包括：基于铰接式车辆在上一时刻的转向状态和车辆转向系统的状态模型，获取所述车辆在当前时刻的预测转向状态；基于所述车辆转向系统的观测模型，获取所述车辆在当前时刻的观测转向状态；基于所述观测转向状态对所述预测转向状态进行修正，获取当前时刻的转向状态；...
【技术保护点】
1.一种铰接式车辆转向死区值的标定方法，其特征在于，包括：/n基于铰接式车辆在上一时刻的转向状态和车辆转向系统的状态模型，获取所述车辆在当前时刻的预测转向状态；/n基于所述车辆转向系统的观测模型，获取所述车辆在当前时刻的观测转向状态；/n基于所述观测转向状态对所述预测转向状态进行修正，获取当前时刻的转向状态；/n基于所述当前时刻的转向状态，获取当前时刻的实时转向死区值，并基于所述实时转向死区值对所述车辆转向系统的转向死区值进行标定。/n
【技术特征摘要】
1.一种铰接式车辆转向死区值的标定方法，其特征在于，包括：
基于铰接式车辆在上一时刻的转向状态和车辆转向系统的状态模型，获取所述车辆在当前时刻的预测转向状态；
基于所述车辆转向系统的观测模型，获取所述车辆在当前时刻的观测转向状态；
基于所述观测转向状态对所述预测转向状态进行修正，获取当前时刻的转向状态；
基于所述当前时刻的转向状态，获取当前时刻的实时转向死区值，并基于所述实时转向死区值对所述车辆转向系统的转向死区值进行标定。
2.根据权利要求1所述的铰接式车辆转向死区值的标定方法，其特征在于，基于所述观测转向状态对所述预测转向状态进行修正，获取当前时刻的转向状态，包括：
确定当前时刻的遗忘因子，基于所述遗忘因子和所述观测转向状态，获取当前时刻的增益权重，所述增益权重用于表征所述观测转向状态对当前时刻的转向状态的影响权重；
基于所述增益权重，对所述预测转向状态进行修正，获取当前时刻的转向状态。
3.根据权利要求2所述的铰接式车辆转向死区值的标定方法，其特征在于，基于所述遗忘因子和所述观测转向状态，获取当前时刻的增益权重，包括：
基于上一时刻的转向状态协方差、当前时刻的遗忘因子以及车辆转向系统的状态噪声协方差，获取当前时刻的预测协方差；
基于车辆转向系统的观测噪声协方差，以及所述当前时刻的预测协方差，获取当前时刻的增益权重。
4.根据权利要求3所述的铰接式车辆转向死区值的标定方法，其特征在于，所述当前时刻的预测协方差是基于第一协方差模型获取的，所述第一协方差模型为：
Ak，k-1＝AT+I；
其中，Pk|k-1表示当前时刻k的预测协方差，λk表示当前时刻k的遗忘因子，Pk表示当前时刻k的转向状态协方差，wn表示转向系统的自然频率，Q表示车辆转向系统的状态噪声协方差，T表示采样周期，I表示单位矩阵；
所述当前时刻的增益权重是基于增益模型获取的，所述增益模型为：
Ck＝CT；
其中，Kk表示增益权重，R表示车辆转向系统的观测噪声协方差；
所述当前时刻的转向状态是基于最优结果预测模型获取的，所述最优结果预测模型为：
Vk|k-1＝CkXk|k-1-Yk；
Xk|k-1＝Ak，k-1Xk-1+Bk-1Uk-1；
Yk＝CkXk+vk；
Xk＝Ak，k-1Xk-1+Bk-1Uk-1+wk-1；
Bk-1＝BT；
其中，表示当前时刻k的转向状态，Xk-1表示上一时刻k-1的转向状态，Uk-1表示上一时刻k-1的转向系统转向指令，vk表示当前时刻k车辆转向系统的观测噪声，wk-1表示上一时刻k-1车辆转向系统的观测噪声。
5.根据权利要求4所述的铰接式车辆转向死区值的标定方法，其特征在于，在获取当前时刻的转向状态之后，还包括：
基于所述增益权重和所述当前时刻的预测协方差，按照第二协方差模型获取当前时刻的转向状态协方...
【专利技术属性】
技术研发人员：陈海波，王全胜，
申请(专利权)人：深兰人工智能深圳有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。