无人驾驶车辆及其转向控制方法、电子设备及存储介质与流程

1.本技术涉及无人驾驶技术领域，特别涉及一种无人驾驶车辆及其转向控制方法、电子设备及存储介质。


背景技术：

2.无人驾驶汽车是智能汽车的一种，也称为轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目的。目前，在普通道路上无人驾驶汽车的控制已经较为成熟，但是在高速公路上应用得还不多，主要因为高速公路汽车行驶速度较快，控制响应要求高，特别在需要转向时，低速算法的无人驾驶汽车需要大量的slam点云分析处理，运行繁琐且效率低下，转向策略和计算实时性无法满足高速行驶的要求。


技术实现要素：

3.本技术旨在至少解决现有技术中存在的技术问题之一。为此，本技术提出一种无人驾驶车辆及其转向控制方法、电子设备及存储介质，通过数学模型计算出车辆的初始转向角度，通过传感器实时检测数据对转向角度做闭环修正，运用深度学习算法不断迭代优化转向角参赛，从而提高了无人驾驶车辆在高速行驶时的转向操控稳定性和安全性，同时还进一步提升了车辆线控转向的运算效率。
4.第一方面，本技术提供了一种无人驾驶车辆的转向控制方法，包括：
5.获取高精地图；
6.根据所述高精地图计算出弯道区域及弯道半径；
7.获取无人驾驶车辆的实时位置和实时速度；
8.若所述实时位置位于所述弯道区域中，则根据所述弯道半径和所述实时速度得到预设转向角度；
9.获取所述无人驾驶车辆与道路上相邻护栏之间的护栏距离信息；
10.根据所述护栏距离信息得到修正转向角度；
11.根据所述预设转向角度和所述修正转向角度计算得到实际转向角度；其中，所述预设转向角度、所述修正转向角度和所述实际转向角度皆为方向盘的转动角度。
12.根据本技术第一方面实施例的无人驾驶车辆的转向控制方法，至少具有如下有益效果：获取关于汽车规划行驶道路的高精地图，通过高精地图的图像分析处理，计算出规划行驶道路中所有的弯道，并计算出各弯道的半径，对半径超过阈值的弯道依次做编号，获得第x个弯道的弯道半径r
x
以及该弯道的区域gps位置[lat
x1
，lon
x1
]，[lat
x2
，lon
x2
]。实时获取无人驾驶车辆的实时位置和实时速度，当无人驾驶车辆的实时位置落在弯道gps位置区域内，即无人驾驶车辆位于弯道区域，根据该弯道区域的弯道半径与无人驾驶车辆的实时速度，计算出无人驾驶车辆的预设转向角度，并且获取无人驾驶车辆与道路上相邻护栏的护栏距离信息，并且根据护栏距离信息得到修正转向角度，根据预设转向角度和修正转向角度得到实际转向角度。在本发明的方案中，通过数学模型计算出预设转向角度，通过单点激
光雷达检测出车辆与护栏的距离信息，在预设转向角度的基础上对转向的角度进行修正，提升了转向角度的计算效率，保证了系统控制的实时性，提高了无人驾驶车辆转向的安全性，以使得无人驾驶车辆在高速道路上转向操控更加稳定。
[0013]
根据本技术第一方面的一些实施例，若所述实时位置位于所述弯道区域中，则根据所述弯道半径和所述实时速度得到预设转向角度，包括：若所述实时位置位于所述弯道区域中且所述弯道半径小于或等于第一半径阈值，则根据所述弯道半径和所述实时速度得到预设转向角度；若所述实时位置位于所述弯道区域中且所述弯道半径大于第一半径阈值，则所述预设转向角度设为0
°
。
[0014]
根据本技术第一方面的一些实施例，所述第一半径阈值为1500米。
[0015]
根据本技术第一方面的一些实施例，所述无人驾驶车辆包括第一单点激光雷达和第二单点激光雷达，所述第一单点激光雷达设置于所述无人驾驶车辆的车头侧旁处，所述第二单点激光雷达设置于所述无人驾驶车辆的车尾侧旁处，所述获取所述无人驾驶车辆与道路上相邻护栏之间的护栏距离信息，包括：根据所述高精地图和所述实时位置获取车身距离信息；若所述车身距离信息小于第一距离阈值，则启动所述第一单点激光雷达和所述第二单点激光雷达进行测距；获取来自所述第一单点激光雷达测量的车头距离信息；其中，所述车头距离信息为所述无人驾驶车辆车头侧旁与道路上相邻护栏的距离；获取来自所述第二单点激光雷达测量的车尾距离信息；其中，所述车尾距离信息为所述无人驾驶车辆车尾侧旁与道路上相邻护栏的距离。
[0016]
根据本技术第一方面的一些实施例，所述根据所述护栏距离信息得到修正转向角度，包括：根据所述车头距离信息和所述车尾距离信息得到修正转向角度。
[0017]
根据本技术第一方面的一些实施例，所述修正转向角度的计算频率大于20hz。
[0018]
根据本技术第一方面的一些实施例，若所述实时速度在第一时间内持续超过第一速度阈值，则控制所述无人驾驶车辆向左偏移贴近道路左侧护栏。
[0019]
第二方面，本技术还提供了一种电子设备，包括：至少一个存储器；至少一个处理器；至少一个程序；所述程序被存储在所述存储器中，所述处理器执行至少一个所述程序以实现如第一方面任一项实施例所述的无人驾驶车辆的转向控制方法。
[0020]
第三方面，本技术还提供了一种无人驾驶车辆，包括如第二方面实施例所述的电子设备。
[0021]
第四方面，本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行信号，所述计算机可执行信号用于执行如第一方面任一项实施例所述的无人驾驶车辆的转向控制方法。
[0022]
本技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
[0023]
本技术的附加方面和优点结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0024]
图1为本技术一个实施例提供的无人驾驶车辆的转向控制方法的流程图；
[0025]
图2为本技术另一实施例提供的无人驾驶车辆的转向控制方法的流程图；
[0026]
图3为本技术一个实施例提供的无人驾驶车辆的转向控制方法的流程图；
[0027]
图4为本技术一个实施例提供的电子设备的示意图；
[0028]
图5为本技术一个实施例提供的第一单点激光雷达和第二单点激光雷达的示意图。
具体实施方式
[0029]
下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本技术，而不能理解为对本技术的限制。
[0030]
在本技术的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。
[0031]
在本技术的描述中，如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
[0032]
本技术的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本技术中的具体含义。
[0033]
参照图1，图1为本技术一个实施例提供的无人驾驶车辆的转向控制方法的流程图。本技术实施例提供了一种无人驾驶车辆的转向控制方法，该无人驾驶车辆的转向控制方法包括但不限于有步骤s110、步骤s120、步骤s130、步骤s140、步骤s150、步骤s160和步骤s170：
[0034]
步骤s110：获取高精地图。
[0035]
可以理解的是，无人驾驶车辆上设有互联网通信模块，可以通过互联网通信模块下载高精地图，具体地，使用5g通信模块进行获取高精地图，通过5g网络提高地图获取的速度；或高精地图可以设置在独立的电子控制单元(electronic control unit，ecu)内，也可以设置在车辆的ecu内，在本技术对此不作限定，高精地图应至少包括无人驾驶车辆预设的路径道路信息，其中路径道路信息包括但不限于道路上各处的经纬度信息。
[0036]
步骤s120：根据高精地图计算出弯道区域及弯道半径。
[0037]
可以理解的是，通过对获取的高精地图进行图像分析处理，计算出高精地图上弯道区域和每个弯道区域对应的弯道半径，除此之外，为了减少对无人驾驶处理系统的负担，可以提前计算好无人驾驶车辆预设的路径的弯道区域和对应的弯道半径，还可以直接获取提前生成的对各条道路标注有弯道区域和弯道半径的高精地图，在每次驾驶前对高精地图进行更新以获得最新的道路弯道区域和弯道半径的信息，并对每个超过阈值的弯道进行编号标注，待无人驾驶车辆到达某个弯道区域时，自动识别该弯道的编号，以可以直接获取弯道半径。具体地，其弯道区域使用经度和纬度的方式标记的坐标集合，在本技术对此不作限定。
[0038]
步骤s130：获取无人驾驶车辆的实时位置和实时速度；
[0039]
可以理解的是，无人驾驶车辆上设有gps差分定位模块和速度检测模块，通过gps差分定位模块检测无人驾驶车辆的实时位置，具体地，实时位置包括车辆的实时经度信息和实时纬度信息，通过无人驾驶车辆内的速度检测模块获取无人驾驶车辆的实时速度。
[0040]
步骤s140：若实时位置位于弯道区域中，则根据弯道半径和实时速度计算得到预设转向角度。
[0041]
可以理解的是，通过无人驾驶车辆的gps差分定位模块检测到无人驾驶车辆的实时位置，该实时位置包括实时经度信息和实时纬度信息，当实时经度信息和实时纬度信息的值位于弯道区域的经纬度坐标集合中，则表明无人驾驶车辆位于道路的弯道处。
[0042]
可以理解的是，若无人驾驶车辆的经纬度位于弯道区域的经纬度集合中，则通过弯道半径和无人驾驶车辆的实时速度计算得到预设转向角度，具体预设转向角度通过数学模型获得的计算方法为：
[0043][0044]
其中，α(t)表示实时预设转向角度，i为转向器传动比，即方向盘转动的角度与车轮转动的角度的比值，设定为12，v(t)为无人驾驶车辆的实时速度，r
x
为第x个弯道区域的半径(车辆直行前进方向需顺时针打方向为正、逆时针打方向为负)，t为行驶时间，需要说明的是，在本实施例中，无人驾驶车辆对弯道半径的更新频率为3hz，即t＝0.333s，在本技术不作限定，所属技术领域的技术人员根据实际应用的gps数据更新时间进行设定。
[0045]
具体地，例如，当无人驾驶车辆位于弯道半径r
x
为700m的弯道区域内，检测到无人驾驶车辆的行驶速度为100km/h，根据计算预设转向角为9.093
°
。
[0046]
步骤s150：获取无人驾驶车辆与道路上相邻护栏之间的护栏距离信息。
[0047]
可以理解的是，可以通过gps差分定位模块或测距传感器等获取无人驾驶车辆与道路相邻护栏之间的护栏距离信息，以保证车辆驾驶的安全，以免撞到道路的护栏上。
[0048]
步骤s160：根据护栏距离信息得到修正转向角度。
[0049]
可以理解的是，通过步骤s150获取到护栏距离信息，并且根据护栏距离信息计算出无人驾驶车辆的修正转向角度或判断是否需要进行角度修正，以提高无人驾驶车辆转向的准确性。
[0050]
步骤s170：根据预设转向角度和修正转向角度得到实际转向角度；其中，预设转向角度、修正转向角度和实际转向角度皆为方向盘的转动角度。
[0051]
可以理解的是，实际转向角度为预设转向角度加上修正转向角度，即实际转向角度为：
[0052]
γ(t)＝α(t) β(t)
[0053]
其中，上述的α(t)为预设转向角度，β(t)为修正转向角度，γ(t)为实际转向角度，通过弯道半径与无人驾驶车辆的实时速度得到的预设转向角度，为了使得无人驾驶车辆更好地在弯道上贴边行驶，通过护栏距离信息计算出无人驾驶车辆需要调整的修正转向角度，以使无人驾驶车辆在转向中更加安全，提高了用户体验。
[0054]
参照图2，图2为本技术另一实施例提供的无人驾驶车辆的转向控制方法的流程图，其中，步骤s140包括但不限于步骤s210和步骤s220：
[0055]
步骤s210：若实时位置与弯道区域重合且弯道半径小于或等于第一半径阈值，则
根据弯道半径和实时速度得到预设转向角度。
[0056]
步骤s220：若实时位置与弯道区域重合且弯道半径大于第一半径阈值(若实时位置不在已规划行驶道路中编了号的弯道区域)，则预设转向角度设为0
°
。
[0057]
可以理解的是，当无人驾驶车辆的实时位置的对应经纬度坐标值位于弯道区域的经纬度坐标集合中，判断弯道半径与第一半径阈值的大小关系。当弯道半径大于第一半径阈值时，表示该弯道转角程度较小，即可以粗略认为该弯道为一条直线道路，其预设转向角度较小可忽略不计，即当弯道半径大于第一半径阈值时，预设转向角度设为0
°
，其实际转向角度只需要根据护栏距离信息得到的修正转向角度进行控制转向；当弯道半径小于第一半径阈值时，根据弯道半径和无人驾驶车辆的实时速度得到预设转向角度，并根据修正转向角度得到实际转向角度。
[0058]
可以理解的是，第一半径阈值为1500米，即当弯道半径大于1500米时，表示该弯道转角程度较小，计算出的预设转向角度也相对较小，此情况可以通过不用补偿预设转向角度，直接计算修正角度来实现转向闭环反馈控制。即当弯道半径大于1500米时，预设转向角度不做计算，设为固定值0
°
，实际转向角度只需要根据护栏距离信息得到的修正转向角度进行控制即可，如此既能简化运算，又可提高算法效率。当弯道半径小于1500米时，根据弯道半径和无人驾驶车辆的实时速度的算法获得预设转向角度，根据护栏距离信息的算法获得修正转向角度，之后进一步计算而获得实际转向角度。
[0059]
可以理解的是，无人驾驶车辆包括gps差分定位模块、第一单点激光雷达和第二单点激光雷达，第一单点激光雷达设置于无人驾驶车辆的车头侧旁处，第二单点激光雷达设置于无人驾驶车辆的车尾侧旁处，具体地，第一单点激光雷达设置于无人驾驶车辆左侧靠近车头的位置处，第二单点激光雷达设置于无人驾驶车辆左侧靠近车尾的位置处。
[0060]
参照图3，图3为本技术一个实施例提供的无人驾驶车辆的转向控制方法的流程图，其中，步骤s150包括但不限于步骤s310至步骤s340：
[0061]
步骤s310：根据高精地图和实时位置获取车身距离信息。
[0062]
可以理解的是，高精地图上还包括道路上护栏的具体位置，通过gps差分定位模块能够精准地检测无人驾驶车辆的实时位置，根据道路上护栏的具体位置与无人驾驶车辆的实时位置使用下述算法获得汽车侧面到护栏的距离信息。
[0063]
需要说明的是，差分gps定位模块获取无人驾驶车辆的经度信息和纬度信息，通过与高精度地图中的护栏经纬度数据用haversine公式计算得到第一距离信息值d0(如图5所示)。假设汽车的gps位置(lat1,lon1)，护栏的gps位置(lat2,lon2)，它们之间的距离函数为：
[0064][0065]
其中，
[0066][0067]
其中，r0地球半径，可取平均值6371km；d0为车身距离信息(汽车侧面到护栏的距离信息，用差分gps定位模块的位置和车宽信息计算可得)；φ1＝lon1,φ2＝lon2表示汽车和护栏两点的纬度；δλ＝|lat2
‑
lat1|表示汽车和护栏两点经度差值的绝对值。
[0068]
步骤s320：若车身距离信息小于第一距离阈值，则启动第一单点激光雷达和第二单点激光雷达进行测距。
[0069]
可以理解的是，当车身距离信息小于第一距离阈值时，第一距离阈值表示无人驾驶车辆与相邻护栏的最小安全距离值，当无人驾驶车辆的车身距离信息小于第一距离阈值时，无人驾驶车辆可能存在与相邻护栏相撞的风险，则启动在近距离测距更为精确的第一单点激光雷达和第二单点激光雷达进行测距，以保证无人驾驶车辆的安全行使。具体地，第一距离阈值为2米，即当无人驾驶车辆的车身距离信息小于2米时，则启动在近距离测距更为精确的第一单点激光雷达和第二单点激光雷达进行测距，在本技术对此不作限定。
[0070]
步骤s330：获取来自第一单点激光雷达测量的车头距离信息；其中，车头距离信息为无人驾驶车辆车头侧旁与道路上相邻护栏的距离。
[0071]
步骤s340：获取来自第二单点激光雷达测量的车尾距离信息；其中，车尾距离信息为无人驾驶车辆车尾侧旁与道路上相邻护栏的距离。
[0072]
可以理解的是，通过第一单点激光雷达和第二单点激光雷达分别对无人驾驶车辆的车头和车尾侧旁与道路相邻护栏之间的车头距离信息和车尾距离信息进行距离测量，除了更加全面把控好无人驾驶车辆与相邻护栏之间距离，提高无人驾驶车辆行驶的安全性，更重要的是判断车辆行驶延伸线与道路护栏延伸线的夹角从而使用转向控制算法实时修正反馈调整转向角参数。
[0073]
可以理解的是，在本技术一实施例中，步骤s160包括但不限于以下步骤：
[0074]
根据车头距离信息和车尾距离信息得到修正转向角度。
[0075]
可以理解的是，通过第一单点激光雷达和第二单点激光雷达分别对无人驾驶车辆的车头和车尾侧旁与道路相邻护栏之间的车头距离信息和车尾距离信息，并根据车头距离信息和车尾距离信息计算出修正角转向角度，修正转向角度的计算方法为：
[0076][0077]
其中，β(t)为修正转向角度，i为转向器传动比，即方向盘转动的角度与车轮转动的角度的比值，设定为12；t为行驶时间，即单点激光雷达采样时间，此处单点激光雷达采样频率为100hz，即t＝0.01s；v(t)为无人驾驶车辆的实时速度，d2(t)为无人驾驶车辆的车头实时距离信息，d1(t)为无人驾驶车辆的车尾实时距离信息，其中，d1和d2参照图5所示。其中η＝d[d2(t)
‑
d1(t)]dt为横向偏移率，例如η＝d[d2(t)
‑
d1(t)]dt＝0.25m/s，无人驾驶车辆的实时速度为100km/h，由上述修正转向角度的计算方法可得修正转向角度β为6.19
°
。
[0078]
可以理解的是，修正转向角度的计算频率要求大于20hz(即选取单点激光雷达采样频率>20hz)，以保证无人驾驶车辆能够及时调整修正转向角度，使得无人驾驶车辆能够安全平稳地行驶，对于修正转向角度的计算频率和精度在本技术对此不作限定。
[0079]
可以理解的是，当无人驾驶车辆位于第x个弯道上，弯道半径r
x
为700m的弯道区域内，检测到无人驾驶车辆的行驶速度为100km/h，横向偏移率η＝d[d2(t)
‑
d1(t)]dt＝0.25m/s，则通过上述预设转向角度的计算方法可得出预设转向角度α
x
(t)为9.093
°
，通过上述修正转向角度的计算方法可得出修正转向角度β
x
(t)为6.19
°
，从而可得出实际转向角度γ
x
(t)为15.28
°
，此处的横向偏移率η的大小将做为计算修正转向角度的限值，如果η≥0.5m/s，车辆会出现明显的道路跑偏，此情况下不计算修正角β
x
(t)，同时将启用其他传感器进行
新的转向策略计算，在本技术对此不作阐述和限定。
[0080]
参照图5，可以理解的是，第一单点激光雷达和第二激光单点安装定位角ρ设定为可调，弯道的转弯半径越小，ρ越调整的小，接近0
°
，此时限制车辆加速，预警系统启动，同时启用多个传感器融合式的行驶方案。如果弯道的转弯半径越大，超过1500m，ρ的调整角度越大，最大接近45
°
，其预见性增强，设定的ρ角为3
°
≤ρ≤45
°
，对此在本技术不作限定。
[0081]
具体地，根据弯道半径设定的激光雷达的安装定位角ρx角计算方法为，
[0082][0083]
其中，r
x
为道路第x个弯道的半径，b为左前和左后激光雷达的安装距离，ρ为激光雷达的安装定位角，m为实验参数，m取值1.1。
[0084]
具体地，车辆横向偏离距离算术平均值其中，d1(t)为左后单点激光雷达测出车辆左侧距护栏的实际距离、d2(t)为左前单点激光雷达测出车辆左侧距护栏的实际距离，通过用ε和0.5d0的误差大小修正ρ值。
[0085]
可以理解的是，在本技术一实施例中，本技术提供的无人驾驶车辆的转向控制方法还包括但不限于以下步骤：
[0086]
若实时速度在第一时间内持续超过第一速度阈值，则控制无人驾驶车辆向左偏移贴近道路左侧护栏。
[0087]
可以理解的是，本技术提供的无人驾驶车辆的转向控制方法适用于在高速公路上行驶，当无人驾驶车辆在第一时间内持续超过第一速度阈值，则代表无人驾驶车辆已经在高速公路上行驶，为了更好控制无人驾驶车辆在弯道处的转向，无人驾驶车辆在系统的控制下向左偏移至贴近道路左侧护栏行驶，并根据车头距离信息和车尾距离信息保持无人驾驶车辆与左侧护栏不发生碰撞，即无人驾驶车辆自动驾驶到道路最左侧的车道上行驶，以便无人驾驶车辆能够沿边行驶，提高自动转向的准确性。
[0088]
可以理解的是，在本技术提供的无人驾驶车辆的转向控制方法还能够通过以下深度学习算法在行驶路径中迭代寻优，在遇到相似的情况下能够优化转向参数并做出快速操控反应。
[0089]
具体地深度学习算法1，对于无人驾驶汽车行驶同一条路径，该路径上具有x个超过阈值的弯道，通过计算无人驾驶车辆在这条路径上连续n个(3≤n≤10)实际转向角度函数γ
x
(t)的积分总和最小进行迭代，获得该路径较优的转向方案，以便下次直接应用该转向方案，减少转向角度计算的时间，提高了转向效率。例如，通过对比第一次行驶该路径与第二次行驶该路径连续10个弯道的实际转向角度函数积分总和，若第一次的实际转向角度函数积分总和小于第二次的实际转向角度函数积分总和，则下一次行驶该路径时，采用第一次的转向方案。具体地，转向稳定系数的计算方法为：
[0090][0091]
其中，δ为转向稳定系数，γ
x
(t)为上述无人驾驶车辆实际转向角计算函数，t为行驶时间，即单点激光雷达的采样时间，例如单点激光雷达的采样频率为100hz，则t＝0.01s。计算连续n个弯道上实际转向角度积分之和的小者为优，转向操控平顺，即作为下一次同样
参数时的实际转向角的修正值。即δ<δ
t
‑1，γ
x
(t)
t 1
＝γ
x
(t)。
[0092]
具体地，深度学习算法2，统计γ
x
(t)在相邻两段弯道件转向正负符合的变化的次数(即统计方向盘经过0
°
的次数)，少为优，说明转向越稳定，不会来回不停的打转向，计算的具体程序代码如下：
[0093]
#include<iostream>
[0094]
using namespace std；
[0095]
int main()
[0096]
{
[0097]
int i＝0,n＝0,count＝0；
[0098]
cout<<"输入数组γx(t)"<<endl；//获取实际转向角γx(t)，零不属于正数也不属于负数
[0099]
cin>>n；//n＝10，统计连续10个弯道上的转向角正负变化次数
[0100]
int*array＝new int[n]；
[0101]
for(i＝0；i<n；i )
[0102]
{
[0103]
cin>>array[i]；
[0104]
}
[0105]
for(i＝0；i<n
‑
1；i )
[0106]
{
[0107]
if(array[i]*array[i 1]<0)
[0108]
{
[0109]
count ；
[0110]
}
[0111]
}
[0112]
cout<<count<<endl；
[0113]
return 0；
[0114]
}
[0115]
第二方面，参照图4，本技术的还提供了一种电子设备，包括至少一个存储器；至少一个处理器；至少一个程序；所述程序被存储在所述存储器中，所述处理器执行至少一个所述程序以实现如第一方面任一项实施例的无人驾驶车辆的转向控制方法。该电子设备通过简练的方式计算出预设转向角度，并且检测出车辆与护栏的具体在预设转向角度的基础上对转向的角度进行修正，提高了无人驾驶车辆转向的安全性，以使得无人驾驶车辆在道路上行驶更加安全。图4以一个存储器和一个处理器为例。
[0116]
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及信号，如本技术实施例中的处理模块对应的程序指令/信号。处理器通过运行存储在存储器中的非暂态软件程序、指令以及信号，从而执行各种功能应用以及数据处理，即实现上述方法实施例的无人驾驶车辆的转向控制方法。
[0117]
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储上述无人驾驶车辆的转向控制方法的相
关数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0118]
一个或者多个信号存储在存储器中，当被一个或者多个处理器执行时，执行上述任意方法实施例中的无人驾驶车辆的转向控制方法。例如，执行以上描述的图1中的方法步骤s110至s170、图2中的方法步骤s210至s220和图3中的方法步骤s310至s340。
[0119]
第三方面，本技术还提供了一种无人驾驶车辆，包括如第二方面的电子设备，能够通过数学模型计算出车辆的转向角度，并对转向角度进行适当的修正，提升了运算效率，提高了无人驾驶转向的安全性。
[0120]
第四方面，本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，可使得上述一个或多个处理器执行上述方法实施例中的无人驾驶车辆的转向控制方法。例如，执行以上描述的图1中的方法步骤s110至s170、图2中的方法步骤s210至s220和图3中的方法步骤s310至s340。
[0121]
以上所描述的装置实施例仅仅是示意性的，其中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。
[0122]
通过以上的实施方式的描述，本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读信号、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd
‑
rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读信号、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
[0123]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体地”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0124]
上面结合附图对本技术实施例作了详细说明，但是本技术不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本技术宗旨的前提下，
作出各种变化。