1.一种方向盘零偏角估计方法,其特征在于,包括:获取车辆行驶数据集,所述车辆行驶数据集中至少包括当前采集时刻和上一采集时刻的车辆行驶数据;
若所述车辆行驶数据集无异常且满足预设零偏角估计条件,将所述车辆行驶数据集代入预先构建的运动学模型中,生成目标运动学模型;
对所述目标运动学模型进行扩展卡尔曼滤波,根据滤波结果确定方向盘零偏角;
其中,所述预先构建的运动学模型为包含零偏角的自行车运动学模型。
2.根据权利要求1所述的方法,其特征在于,在所述获取车辆行驶数据集之后,还包括:判断所述车辆行驶数据集是否缺损;
若是,则返回执行所述获取车辆行驶数据集的步骤;
若否,则确定所述车辆行驶数据集无异常。
3.根据权利要求2所述的方法,其特征在于,在所述确定车辆行驶数据集无异常之后,还包括:
根据所述车辆行驶数据集确定车辆的加速度、方向盘转角和车辆行驶位置的道路横向坡度;
若所述道路横向坡度小于预设坡度阈值,所述加速度小于预设加速度阈值且所述方向盘转角小于预设角度阈值,确定所述车辆行驶数据集满足预设零偏角估计条件;否则,返回执行所述获取车辆行驶数据集的步骤。
4.根据权利要求1所述的方法,其特征在于,所述运动学模型的预先构建,包括:将零偏角状态量添加至传统自行车运动学模型中,生成重构自行车运动学模型;
通过高斯随机噪声对所述重构自行车运动学模型进行噪声添加,生成加噪自行车运动学模型;
将所述加噪自行车运动学模型进行离散化处理,并将离散后的所述加噪自行车运动学模型确定为所述预先构建的运动学模型。
5.根据权利要求1所述的方法,其特征在于,所述对所述目标运动学模型进行扩展卡尔曼滤波,包括:
将所述目标运动学模型中的状态方程和测量方程进行线性化;
将线性化后的状态方程和测量方程代入经典卡尔曼滤波中的预测公式,确定先验状态和先验协方差矩阵;
将所述先验状态和所述先验协方差矩阵代入经典卡尔曼滤波中的更新公式,确定后验状态和后验协方差矩阵。
6.根据权利要求5所述的方法,其特征在于,所述根据滤波结果确定方向盘零偏角,包括:
若所述后验协方差矩阵满足预设收敛条件,则根据所述后验状态确定方向盘零偏角;
否则,调整所述预先构建的运动学模型中的噪声参数,并返回执行所述将所述车辆行驶数据集代入预先构建的运动学模型中,生成目标运动学模型的步骤。
7.根据权利要求1所述的方法,其特征在于,所述根据滤波结果确定方向盘零偏角之后,还包括:
若在所述当前采集时刻车辆满足预设存储条件,则存储所述方向盘零偏角,或利用所述方向盘零偏角对所述车辆中存储的方向盘零偏角进行更新。
8.一种方向盘零偏角估计装置,其特征在于,包括:行驶数据获取模块,用于获取车辆行驶数据集,所述车辆行驶数据集中至少包括当前采集时刻和上一采集时刻的车辆行驶数据;
模型生成模块,用于若所述车辆行驶数据集无异常且满足预设零偏角估计条件,将所述车辆行驶数据集代入预先构建的运动学模型中,生成目标运动学模型;
零偏角确定模块,用于对所述目标运动学模型进行扩展卡尔曼滤波,根据滤波结果确定方向盘零偏角;
其中,所述预先构建的运动学模型为包含零偏角的自行车运动学模型。
9.一种车辆,其特征在于,所述车辆包括:一个或多个控制器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个控制器执行,使得所述一个或多个控制器实现如权利要求1‑7中任一项所述的方向盘零偏角估计方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1‑7中任一项所述的方向盘零偏角估计方法。