CN110949509B - 用于确定车辆航向角的方法、系统和拖拉机 - Google Patents

Abstract

本发明实施例提供一种用于确定车辆航向角的方法、系统和拖拉机，属于自动控制技术领域。所述方法包括：获取转向油缸的活塞杆在当前时刻的移动距离；确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角，并将所述车辆航向角的偏转角作为第一偏转角；确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角，并将车辆前轮转角作为第二偏转角；将第一偏转角和第二偏转角进行比较；以及根据所述第一偏转角和所述第二偏转角的比较结果，预测当前时刻之后的所述车辆的航向角。通过上述的技术方案，采用车辆航向角的偏转角和车辆前轮转角相互校准和修正的方式来预测车辆的航向角，可以大大提高预测结果的精确度。

Description

用于确定车辆航向角的方法、系统和拖拉机

技术领域

本发明涉及自动控制技术领域，具体地涉及一种用于确定车辆航向角的方法、用于确定车辆航向角的系统和拖拉机。

背景技术

车辆辅助驾驶系统可以利用卫星导航定位技术和车身自动驾驶技术，精确控制车辆的转向轮转动的角度，来使得车辆直线运行的精度大大提高。

然而卫星信号的传递经常受到地形和地物的影响，会发生信号错误，甚至是信号丢失等问题，因此在实际使用时，经常会出现GPS无法提供信息或者确定的车辆航向角的偏转角的偏差较大。

在车辆辅助驾驶系统中，车辆前轮转角的角度是影响车辆辅助驾驶系统控制过程的一个重要因素，而对车辆前轮转角的角度测量的灵敏度和准确度会直接影响车辆行驶直线的精度。

现有技术一般是通过在前桥四连杆机构上构造二连杆机构，再通过前桥的转动带动中心轴编码器转动，从而计算出前轮转角的度数。然而这种技术方案的安装比较麻烦，需要在前桥的两根轴上分别固定该连杆机构，但是由于不同车辆的轴大小不一致，并且大都不是固定形状，因此固定位置的选择较为困难，而且连杆机构需要不停转动，所以对安装空间的要求也很高。

发明内容

本发明实施例的目的是提供一种用于确定车辆航向角的方法、用于确定车辆航向角的系统和拖拉机，用于提高车辆航向角的预测的精确度和准确度。

为了实现上述目的，本发明实施例提供一种用于确定车辆航向角的方法，所述方法包括：获取转向油缸的活塞杆在当前时刻的移动距离；确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角，并将所述车辆航向角的偏转角作为第一偏转角；确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角，并将所述车辆前轮转角作为第二偏转角；将所述第一偏转角和所述第二偏转角进行比较；以及根据所述第一偏转角和所述第二偏转角的比较结果，预测当前时刻之后的所述车辆的航向角。

可选的，所述确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角包括：基于预先建立的深度学习模型，获得与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角，其中所述深度学习模型根据所述转向油缸的活塞杆的移动距离与车辆航向角的偏转角的关系而被预先建立。

可选的，所述确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角包括：基于预先建立的几何模型，获得与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角，其中所述几何模型根据所述转向油缸、连接机构和前桥主轴之间的连接关系而被预先建立。

可选的，所述方法还包括：将基于预先建立的深度学习模型确定的所述车辆航向角的偏转角与基于所述预先建立的几何模型确定的所述车辆前轮转角进行比较；以及在所述车辆航向角的偏转角与所述车辆前轮转角的差值不大于一阈值时，根据所述车辆航向角的偏转角和当前时刻车辆的航向角预测当前时刻之后的所述车辆的航向角；在所述车辆航向角的偏转角与所述车辆前轮偏转角的差值大于所述阈值时，根据所述车辆前轮转角和当前时刻车辆的航向角预测当前时刻之后的所述车辆的航向角。

可选的，所述深度学习模型根据以下步骤而被预先建立：通过标定方法，获取所述转向油缸的活塞杆在不同时刻的移动距离和车辆在所述不同时刻的航向角；根据所述转向油缸的活塞杆在所述不同时刻的移动距离和所述车辆在所述不同时刻的航向角，确定所述转向油缸的活塞杆在所述不同时刻的移动距离与车辆航向角的偏转角的关系；以及根据所述转向油缸的活塞杆在不同时刻的移动距离与车辆航向角的偏转角的关系，建立深度学习模型。

可选的，所述标定方法包括：车辆以最低速度向前直行一预设时间；在所述车辆直行一预设时间后，方向盘以一预设速度被顺时针或逆时针方向转到底，然后所述方向盘以相同或不同的预设速度被逆时针或顺时针方向转到底；其中，在所述车辆行驶过程中，通过导航定位系统确定车辆航向角变化情况，并记录与所述车辆航向角变化情况对应的所述转向油缸的活塞杆的移动距离。

可选的，所述方法还包括：根据拉线传感器的拉线值确定所述转向油缸的活塞杆的移动距离。

相应的，本发明实施例还提供一种用于确定车辆航向角的系统，所述系统包括处理模块，用于执行以下操作：获取转向油缸的活塞杆在当前时刻的移动距离；确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角，并将所述车辆航向角的偏转角作为第一偏转角；确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角，并将所述车辆前轮转角作为第二偏转角；将所述第一偏转角和所述第二偏转角进行比较；以及根据所述第一偏转角和所述第二偏转角的比较结果，预测当前时刻之后的所述车辆的航向角。

可选的，所述处理模块还用于执行以下操作：基于预先建立的深度学习模型，获得与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角，其中所述深度学习模型根据所述转向油缸的活塞杆的移动距离与车辆航向角的偏转角度的关系而被预先建立。

可选的，所述处理模块还用于执行以下操作：基于预先建立的几何模型，获得与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角，其中所述几何模型根据所述转向油缸、连接机构和前桥主轴之间的连接关系而被预先建立。

可选的，所述处理模块还用于执行以下操作：将基于预先建立的深度学习模型确定的所述车辆航向角的偏转角与基于所述预先建立的几何模型确定的所述车辆前轮转角进行比较；以及在所述车辆航向角的偏转角与所述车辆车轮转角的差值不大于一阈值时，根据所述车辆航向角的偏转角预测所述车辆的航向角；在所述车辆航向角的偏转角与所述车辆前轮转角的差值大于所述阈值时，根据所述车辆前轮转角和当前时刻车辆的航向角预测当前时刻之后的所述车辆的航向角。

可选的，所述前桥主轴的一端与所述连接机构的一端相连接，所述连接机构的另一端与所述转向油缸的活塞杆的顶端相连接，且所述连接机构与所述转向油缸的活塞杆之间的夹角为固定值，所述系统还包括：拉线传感器，所述拉线传感器的拉线端与所述活塞杆的顶端相连接，所述拉线传感器与所述转向油缸的缸筒相连接，用于检测所述转向油缸的活塞杆的移动距离，所述处理模块与所述拉线传感器相连接，用于接收所述拉线传感器的拉线移动距离。

另一方面，本发明实施例还提供一种拖拉机，所述拖拉机包括上述中任一项所述的用于确定车辆航向角的系统。

另一方面，本发明实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述中任一项所述的用于确定车辆航向角的方法。

通过上述技术方案，采用车辆航向角的偏转角和车辆前轮转角相互校准和修正的方式来预测车辆的航向角，可以大大提高预测结果的精确度。

本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：

图1是本发明实施例提供的用于确定车辆航向角的方法的流程图；

图2是本发明实施例提供的用于确定车辆航向角的方法的流程图；

图3是本发明实施例提供的标定方法的流程图；

图4是本发明实施例提供的基于深度学习模型确定车辆航向角的第一偏转角的示意图；

图5是本发明实施例提供的几何模型的结构示意图；

图6是本发明实施例提供的几何模型的示意图；

图7是本发明实施例提供的基于几何模型确定车辆的前轮转角的示意图。

具体实施方式

以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。

图1是本发明实施例提供的用于确定车辆航向角的方法的流程图。如图1所示，所述用于确定车辆航向角的方法包括：获取转向油缸的活塞杆在当前时刻的移动距离；确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角，并将所述车辆航向角的偏转角作为第一偏转角；确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角，并将所述车辆前轮转角作为第二偏转角；将所述第一偏转角和所述第二偏转角进行比较；以及根据所述第一偏转角和所述第二偏转角的比较结果，预测当前时刻之后的所述车辆的航向角。

其中，当所述转向油缸的活塞杆动作时，可以带动车辆的前轮进行左右转向，在具有车速的情况下，同时会带动车辆的航向角发生偏转。车辆航向角的变化相较于车辆前轮的转向角的变化会有一个延时时间，但是该延时时间基本可以忽略，因此可以认为车轮的转向角的变化情况基本等于车辆航向角的变化情况，并且转向油缸的活塞杆的移动距离与车辆前轮的转向角是一一对应的关系，所以将车辆前轮转向角作为车辆航向角的第二偏转角。

在现有技术中，都是通过导航定位技术来确定车辆航向角的偏转角，然而卫星信号的传递经常受到地形和地物的影响，会发生信号错误，甚至是信号丢失等问题，因此在实际使用时，经常会出现GPS无法提供信息或者确定的车辆航向角的偏转角的偏差较大。

因此，本发明实施例提供的技术方案，采用车辆航向角的偏转角和车辆前轮转角相互校准和修正的方式来预测车辆的航向角，可以大大提高预测结果的精确度。

考虑到确定的车辆航向角的偏转角的精确度较高，但是会出现数据错误和不能确定车辆航向角的偏转角的情况，而根据车辆前轮转角虽然可以可靠的预测车辆航向的偏转角，但是预测的车辆航向角的精确度较低，因此在根据车辆航向角的偏转角和车辆前轮转角来预测车辆的航向角时，可以以车辆航向角的偏转角为主，在车辆航向角的偏转角和车辆前轮转角之间的差值不大于预设值时，可以根据车辆航向角的偏转角来预测车辆的航向角，在车辆航向角的偏转角和车辆前轮转角之间的差值大于预设值时，认为车辆航向角的偏转角错误，将根据车辆前轮转角来预测车辆的航向角。

进一步的，本发明实施例还提供了一种确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角的方法，所述方法包括：获取转向油缸的活塞杆在当前时刻的移动距离；基于预先建立的深度学习模型，获得与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角。

其中，所述深度学习模型是根据转向油缸的活塞杆的移动距离与车辆航向角的偏转角的关系而被预先建立的，且该深度学习模型的输入为转向油缸的活塞杆的移动距离，输出为车辆航向角的偏转角。

可选的，可以先获取大量的有关转向油缸的活塞杆的移动距离及与其对应的车辆航向角的偏转角数据，并以这些数据作为训练样本，根据现有的任意的深度学习算法来建立深度学习模型。建立的深度学习模型是一个具有输入层、输出层和多个隐含层的神经网络，而建立的深度学习的深度可以由本领域技术人员根据实际情况自行设定。

例如，建立深度学习模型的过程可以为，先利用反向传播算法(Back Propagation算法或BP算法)，并采用sigmoid函数作为激励函数，以通过标定方法获得的大量数据为训练样本进行训练，学习统计规律。

可选的，可以通过拉线传感器来检测转向油缸的活塞杆的移动距离。将拉线传感器本体与转向油缸的缸筒相连接，拉线传感器的拉线端与转向油缸的活塞杆的顶端相连接，当活塞杆移动一定距离时，拉线传感器的拉线也会动作相同的距离，从而根据拉线传感器的拉线值变化情况，就可以确定转向油缸的活塞杆的移动距离和变化情况。

在采用拉线传感器检测转向油缸的活塞杆的移动距离的基础上，可以以拉线传感器的拉线值和车辆航向角为训练样本进行训练，建立深度学习模型，输入当前时刻的拉线传感器的拉线值，经过所述深度学习模型处理之后就能输出车辆在当前时刻的航向角的第一偏转角，在已知车辆在当前时刻之前的航向角情况下，就可以预测车辆在当前时刻之后的航向角。

例如，可以通过标定的方法来获取所述转向油缸的活塞杆在不同时刻的移动距离和车辆在所述不同时刻的航向角；根据所述转向油缸的活塞杆在所述不同时刻的移动距离和所述车辆在所述不同时刻的航向角，确定所述转向油缸的活塞杆在所述不同时刻的移动距离与车辆航向角的偏转角的关系；以及根据所述转向油缸的活塞杆在不同时刻的移动距离与车辆航向角的偏转角的关系，建立深度学习模型。

此外，本发明实施例还提供了一种标定方法，所述标定方法包括：车辆以最低速度向前直行一预设时间；在所述车辆直行一预设时间后，方向盘以一预设速度被顺时针或逆时针方向转到底，然后所述方向盘以相同或不同的预设速度被逆时针或顺时针方向转到底；其中，在所述车辆行驶过程中，通过导航定位系统确定车辆航向角变化情况，并记录与所述车辆航向角变化情况对应的所述转向油缸的活塞杆的移动距离。其中，所述车辆向前直行的目的是为了保证车辆航向角的偏转角为0°的同时，车辆航向角不变，因此车辆向前直行的预设时间和方向盘旋转方向的先后顺序可以由工作人员自行设定，只要能得到有关车辆航向角的变化值和与其对应的转向油缸的活塞杆的移动距离即可。

可选的，本发明实施例提供了一具体实施例以解释所述标定方法，具体的流程图如图3所示。将车辆行驶至一片空阔的平地方，准备开始标定；保持车辆向前直行一小段，然后逐渐将方向盘逆时针转到底，然后再将方向盘顺时针转到底；最后保持车辆直线行驶10秒后，结束标定。在整个标定过程中，车辆以最低空挡速度进行。

通过所述标定过程可以获取大量的转向油缸的活塞杆的移动距离与车辆航向角的变化关系。或者在通过拉线传感器检测转向油缸的活塞杆的移动距离时，还可以在所述标定过程中获取大量的拉线传感器的拉线值与车辆航向角的变化关系。通过上述方法可以获取的大量标定数据，进行深度学习模型的训练。

另外，还可以重复多次标定过程，以获得大量的转向油缸的活塞杆的不同移动距离与车辆航向角的偏转角的对应关系的数据，当获取足够多的标定数据以后，建立的深度学习模型的结果会更加可靠、准确。

可选的，参考本发明实施例提供的技术方案，可以仅根据基于深度学习模型确定的车辆航向角的偏转角和当前时刻的车辆的航向角来预测当前时刻之后的车辆的航向角。例如，如图5所示，在基于根据拉线传感器的拉线值和车辆航向角的偏转角建立的深度学习模型的基础上，输入当前时刻拉线传感器的拉线值，就能够获得车辆航向角的第一偏转角，如果已知车辆在当前时刻的航向角，就能够预测车辆在当前时刻之后的航向角。

因此，采用本发明实施例提供的技术方案，在预先建立了深度学习模型的情况下，可以不采用卫星导航定位技术，直接通过活塞杆的移动距离和深度学习模型就可以确定与活塞杆移动距离对应的车辆航向角的偏转角，这样也可以解决卫星信号错误和卫星信号丢失等问题。

进一步的，本发明实施例还提供了一种确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角的方法，所述方法包括：基于预先建立的几何模型，获得与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角。

其中，所述几何模型是根据转向油缸、连接机构和前桥主轴之间的连接关系而被预先建立的，在确定转向油缸的活塞杆的移动距离的情况下，根据所述几何模型就可以确定车辆前轮转角。

另外，在以所述几何模型为基础，根据转向油缸的活塞杆在当前时刻的移动距离相较于在当前时刻之前的某一时刻的移动距离，可以确定车辆前轮在当前时刻相较于所述某一时刻的转角，即可以确定车轮在当前时刻相较于当前时刻之前的所述某一时刻的偏转角，由于车轮的偏转角基本等于车辆航向角的偏转角，在已知车辆在所述某一时刻时的航向角，且转向油缸的活塞杆在所述当前时刻以后不再继续动作的情况下，根据确定的车辆前轮转角和车辆在所述某一时刻时的航向角，就可以预测车辆在当前时刻之后的航向角。

具体的，图5是本发明实施例提供的几何模型的结构示意图。如图5所示，车辆的前桥转向机构由转向油缸1和前桥主轴3之间所在直线近似平行，转向油缸1和前桥主轴3分别与连接机构2(连接机构的具体结构已省略)相连接。结合图5可以看出，转向油缸1上的任意一点、转向油缸1的活塞杆顶部5以及连接机构2和前桥主轴3的连接点形成了一个三角形的三个顶点。其中，在确定了转向油缸1上的任意一点为三角形的一个顶点时，活塞杆4伸出转向油缸1的距离加上所述任意一点距转向油缸1的缸口的距离就是三角形的一个边长的长度。

其中，连接机构2和前桥主轴3的长度是固定的，且所述连接机构2和所述前桥主轴3只在所在直线的延长线上移动，当车辆想要发生转向时，活塞杆4伸出转向油缸1的距离就会发生变化，进而导致连接机构2和前桥主轴3之间的夹角发生变化，而不同时刻的夹角之间的差值就是车辆前轮的转角。

图6所示的图形就是根据图5所示的结构建立几何模型的示意图。如图6所示，将连接机构2和前桥主轴3的连接点记为A，前桥主轴3的另一端记为B，油缸1上的任意一点记为C，转向油缸1的活塞杆顶部5(也是转向油缸1与连接机构2的连接点)记为D。当车辆发生转动时，∠DAC的度数也会发生变化，∠DAC在不同时刻时的差值就是车辆前轮的在不同时刻时的偏转角度。

图7是本发明实施例提供的基于几何模型确定车辆的前轮转角的示意图。如图7所示，初始的几何模型构成的三角形为△ADC，在转向油缸的作用下，根据所述几何模型建立的三角形变为了△A’D’C，而车辆前轮的转向角则为∠DAC与∠D’A’C的度数的差值。其中C点为转向油缸上的一个固定点，D点和D’点为活塞杆顶部，CD和CD’的长度为转向油缸上的一个固定点到活塞杆顶部的长度，因此活塞杆的移动距离为D’C与DC长度的差值。

在建立几何模型以后，可以先根据以下公式确定AC的长度：

其中，AD和∠ADC是已知的，都是固定值，CD的长度与选择的C点位置和活塞缸顶部的距离有关，在某一时刻几何模型已经确定的情况下，CD的长度也是已知的。在确定AC的长度以后，可根据以下公式中的任意一个确定∠DAC的度数：

和

同理，可以根据上述公式确定∠D’A’C的度数，∠DAC与∠D’A’C之间的差值就是车轮的前轮转向角。

因此，通过该实施例提供的技术方案，根据由转向油缸、连接结构和前桥主轴之间的连接关系建立的几何模型，确定车轮的前轮转角，在转向油缸的活塞杆不继续动作的情况下，根据所述确定的当前时刻的车辆的前轮转角和当前时刻的车辆航向角，就可以预测车辆在所述当前时刻之后的航向角。

由于采用几何模型确定与活塞杆的移动距离对应的车辆的前轮转角时，存在机械误差和建模误差，最后确定的与活塞杆的移动距离对应的车辆的前轮转角的精确度较低，不能满足用户更高的需求，而采用深度学习模型确定与活塞杆的移动距离对应的车辆航向角的偏转角时，虽然确定的车辆航向角的偏转角的精确度高，但是可能出现由于训练数据的量不够或训练程度不够等情况，导致对深度学习模型辨识度不够，有时会出现很大的误差，还有可能会出现计算错误的情况，因此，为了提高车辆航向角预测的准确度和精确度，本发明实施例还提供了一种方法，以根据深度学习模型确定的车辆航向角的偏转角为主要输出结果，在基于深度学习模型确定的车辆航向角的偏转角的结果出现错误时，以基于几何模型确定的数据替代基于深度学习模型确定的数据进行输出，图2示出了具体的方法的流程图。

如图2所示，所述方法包括：获取转向油缸的活塞杆在当前时刻的移动距离；基于深度学习模型，确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角；基于几何模型，确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角；将基于预先建立的深度学习模型确定的所述车辆航向角的偏转角与基于所述预先建立的几何模型确定的所述车辆前轮转角进行比较；以及根据当前时刻所述车辆的航向角和所述车辆航向角的偏转角与所述车辆车轮转角的比较结果，预测当前时刻之后的所述车辆的航向角。

具体的，上述根据当前时刻所述车辆的航向角和所述车辆航向角的偏转角与所述车辆车轮转角的比较结果，预测当前时刻之后的所述车辆的航向角包括：先将所述车辆航向角的偏转角与所述车辆车轮转角进行比较，在所述车辆航向角的偏转角与所述车辆前轮转角的差值不大于一阈值时，确定基于深度学习模型确定的车辆航向角的偏转角未出现错误，因此可以根据所述车辆航向角的偏转角来预测车辆的航向角；在所述车辆航向角的偏转角与所述车辆车轮转角的差值大于所述阈值时，确定基于深度学习模型确定的车辆航向角的偏转角出现错误，因此需要根据所述车辆的前轮转角来预测车辆的航向角。

其中，所述阈值的具体大小可以由本领域技术人员进行的多次试验结果而确定。

另外，如果基于深度学习模型确定的第一偏转角频繁出现错误的情况，需要采用标定方法，重新获取训练样本数据，对深度学习模型继续训练或者重新训练。

进一步的，本发明该实施例提供任意的技术方案都可以采用拉线传感器检测活塞杆的动作情况，并用拉线传感器的拉线值来代替活塞杆的移动距离。

具体的，图6还示出了拉线传感器的安装位置。如图5所示，拉线传感器的拉线端与活塞杆顶端5相连接，拉线传感器本体6与转向油缸的缸筒1相连接，在活塞杆4动作时，可以带动拉线传感器的拉线动作。

可选的，还可以在所述活塞杆顶端安装一固定装置7，拉线传感器的拉线通过该固定装置7与活塞杆的顶端相连接。

可选的，所述固定装置7可以为销轴等能够固定拉线的装置。

可选的，还可以在所述转向油缸的缸筒部安装一个固定支架，拉线传感器本体6可以通过所述支架固定在缸筒上。

相应的，本发明实施例还提供一种用于确定车辆航向角的系统，该系统包括处理模块，所述处理模块用于执行以下操作：获取转向油缸的活塞杆在当前时刻的移动距离；确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角，并将所述车辆航向角的偏转角作为第一偏转角；确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角，并将所述车辆前轮转角作为第二偏转角；将所述第一偏转角和所述第二偏转角进行比较；以及根据所述第一偏转角和所述第二偏转角的比较结果，预测当前时刻之后的所述车辆的航向角。

可选的，所述处理模块还可以执行以下操作：基于预先建立的深度学习模型，获得与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角，其中所述深度学习模型根据所述转向油缸的活塞杆的移动距离与车辆航向角的偏转角度的关系而被预先建立。

可选的，所述处理模块还可以执行以下操作：基于预先建立的几何模型，获得与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角，其中所述几何模型根据所述转向油缸、连接机构和前桥主轴之间的连接关系而被预先建立。

可选的，所述处理模块还用于执行以下操作：将基于预先建立的深度学习模型确定的所述车辆航向角的偏转角与基于所述预先建立的几何模型确定的所述车辆前轮转角进行比较；以及在所述车辆航向角的偏转角与所述车辆前轮转角的差值不大于一阈值时，根据所述车辆航向角的偏转角和当前时刻车辆的航向角预测当前时刻之后的所述车辆的航向角；在所述车辆航向角的偏转角与所述车辆前轮转角的差值大于所述阈值时，根据所述车辆前轮转角和当前时刻车辆的航向角预测当前时刻之后的所述车辆的航向角。

其中，本发明实施例提供的几何模型为所述转向油缸、连接机构和前桥主轴之间的关系。如图5和图6所示，所述前桥主轴的一端与所述连接机构的一端相连接，所述连接机构的另一端与所述转向油缸的活塞杆的顶端相连接，且所述连接机构与所述转向油缸的活塞杆之间的夹角为固定值。

本发明任意实施例提供的用于确定车辆航向角的系统都可以包括拉线传感器，并通过所述拉线传感器检测转向油缸的活塞杆的移动距离。具体的，所述拉线传感器的拉线端与所述活塞杆的顶端相连接，所述拉线传感器与所述转向油缸的缸筒相连接，并且所述拉线传感器还通过信号线与所述处理模块相连接，用于将检测的所述转向油缸的活塞杆的移动距离发送至所述处理模块。

可选的，所述系统还包括固定装置，固定在所述活塞杆的顶端，拉线传感器的拉线通过该固定装置与活塞杆的顶端相连接。

可选的，所述固定装置为销轴。

可选的，所述系统还包括与所述缸筒相连接的支架，所述拉线传感器通过所述支架与所述缸筒相连接。

有关本发明提供的用于确定车辆航向角的系统的具体细节及益处，可参阅上述针对本发明提供的上述用于确定车辆航向角的方法的描述，于此不再赘述。

相应的，本发明实施例还提供一种拖拉机，所述拖拉机包含上述中任一项所述的用于确定车辆航向角的系统。

相应的，本发明实施例还提供一种机器可读存储介质，所述机器可读存储介质上存储有指令，该指令用于使得机器执行上述中任一项所述的用于确定车辆航向角的方法。

以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。

本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (14)

1.一种用于确定车辆航向角的方法，其特征在于，所述方法包括：

获取转向油缸的活塞杆在当前时刻的移动距离；

确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角，并将所述车辆航向角的偏转角作为第一偏转角；

确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角，并将所述车辆前轮转角作为第二偏转角；

将所述第一偏转角和所述第二偏转角进行比较；以及

根据所述第一偏转角和所述第二偏转角的比较结果，预测当前时刻之后的所述车辆的航向角。

2.根据权利要求1所述的方法，其特征在于，所述确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角包括：

基于预先建立的深度学习模型，获得与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角，其中所述深度学习模型根据所述转向油缸的活塞杆的移动距离与车辆航向角的偏转角的关系而被预先建立。

3.根据权利要求1所述的方法，其特征在于，所述确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角包括：

基于预先建立的几何模型，获得与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角，其中所述几何模型根据所述转向油缸、连接机构和前桥主轴之间的连接关系而被预先建立。

4.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：

将基于预先建立的深度学习模型确定的所述车辆航向角的偏转角与基于所述预先建立的几何模型确定的所述车辆前轮转角进行比较；以及

在所述车辆航向角的偏转角与所述车辆前轮转角的差值不大于一阈值时，根据所述车辆航向角的偏转角和当前时刻车辆的航向角预测当前时刻之后的所述车辆的航向角；

在所述车辆航向角的偏转角与所述车辆前轮转角的差值大于所述阈值时，根据所述车辆前轮转角和当前时刻车辆的航向角预测当前时刻之后的所述车辆的航向角。

5.根据权利要求2所述的方法，其特征在于，所述深度学习模型根据以下步骤而被预先建立：

通过标定方法，获取所述转向油缸的活塞杆在不同时刻的移动距离和车辆在所述不同时刻的航向角；

根据所述转向油缸的活塞杆在所述不同时刻的移动距离和所述车辆在所述不同时刻的航向角，确定所述转向油缸的活塞杆在所述不同时刻的移动距离与车辆航向角的偏转角的关系；以及

根据所述转向油缸的活塞杆在不同时刻的移动距离与车辆航向角的偏转角的关系，建立深度学习模型。

6.根据权利要求5所述的方法，其特征在于，所述标定方法包括：

车辆以最低速度向前直行一预设时间；

在所述车辆直行一预设时间后，方向盘以一预设速度被顺时针或逆时针方向转到底，然后所述方向盘以相同或不同的预设速度被逆时针或顺时针方向转到底；

其中，在所述车辆行驶过程中，通过导航定位系统确定车辆航向角变化情况，并记录与所述车辆航向角变化情况对应的所述转向油缸的活塞杆的移动距离。

7.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：

根据拉线传感器的拉线值确定所述转向油缸的活塞杆的移动距离。

8.一种用于确定车辆航向角的系统，其特征在于，所述系统包括处理模块，用于执行以下操作：

获取转向油缸的活塞杆在当前时刻的移动距离；

确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角，并将所述车辆航向角的偏转角作为第一偏转角；

确定与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角，并将所述车辆前轮转角作为第二偏转角；

将所述第一偏转角和所述第二偏转角进行比较；以及

根据所述第一偏转角和所述第二偏转角的比较结果，预测当前时刻之后的所述车辆的航向角。

9.根据权利要求8所述的系统，其特征在于，所述处理模块还用于执行以下操作：

基于预先建立的深度学习模型，获得与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆航向角的偏转角，其中所述深度学习模型根据所述转向油缸的活塞杆的移动距离与车辆航向角的偏转角度的关系而被预先建立。

10.根据权利要求8所述的系统，其特征在于，所述处理模块还用于执行以下操作：

基于预先建立的几何模型，获得与所述转向油缸的活塞杆在当前时刻的移动距离对应的车辆前轮转角，其中所述几何模型根据所述转向油缸、连接机构和前桥主轴之间的连接关系而被预先建立。

11.根据权利要求9或10所述的系统，其特征在于，所述处理模块还用于执行以下操作：

将基于预先建立的深度学习模型确定的所述车辆航向角的偏转角与基于所述预先建立的几何模型确定的所述车辆前轮转角进行比较；以及

在所述车辆航向角的偏转角与所述车辆前轮转角的差值不大于一阈值时，根据所述车辆航向角的偏转角和当前时刻车辆的航向角预测当前时刻之后的所述车辆的航向角；

在所述车辆航向角的偏转角与所述车辆前轮转角的差值大于所述阈值时，根据所述车辆前轮转角和当前时刻车辆的航向角预测当前时刻之后的所述车辆的航向角。

12.根据权利要求10所述的系统，其特征在于，所述前桥主轴的一端与所述连接机构的一端相连接，所述连接机构的另一端与所述转向油缸的活塞杆的顶端相连接，且所述连接机构与所述转向油缸的活塞杆之间的夹角为固定值，所述系统还包括：

拉线传感器，所述拉线传感器的拉线端与所述活塞杆的顶端相连接，所述拉线传感器与所述转向油缸的缸筒相连接，用于检测所述转向油缸的活塞杆的移动距离，

所述处理模块与所述拉线传感器相连接，用于接收所述拉线传感器的拉线移动距离。

13.一种拖拉机，其特征在于，所述拖拉机包括上述权利要求8-12中任一项所述的用于确定车辆航向角的系统。

14.一种机器可读存储介质，其特征在于，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述权利要求1-7中任一项所述的用于确定车辆航向角的方法。

Images