露天矿无人驾驶运输关键技术研究

王 妍 白洪亮 蒋方正 张英伟

（丹东东方测控技术股份有限公司）

目前国际上以卡特彼勒、小松、日立制造商为主，已经大体上实现了露天矿山的无人驾驶矿车车队商业运行［1］。2018年至今，我国有多家露天矿无人驾驶运输系统项目落地，国内的科技公司和主机厂积极进行露天矿无人驾驶矿车合作开发，已经在首钢硼铁矿无人驾驶项目、包钢白云鄂博无人驾驶项目、国家能源集团准能集团无人驾驶项目等重大项目上取得了一系列成果［2］。我国的露天矿无人运输系统大多处于封闭区域试运行阶段，正在朝着成熟化、规模化不断趋近，目前的无人驾驶车辆作业效率及安全性能相较人工操控仍有差距，相关技术还需要进一步探索与优化［3］。

露天矿山虽然车流量较少、运输场景单一，但道路变化快、地形复杂、网络覆盖有死角，这些难点使得地图的建立与更新和卡车的定位导航的准确性有着更高的要求；同时露天矿山气候恶劣、连续生产作业、粉尘大的特点则要求感知系统在复杂环境里依然要保持可靠的识别率；矿车较普通乘用车载重变化大、控制延迟大，对控制算法的要求更高；露天矿的无人运输作业要解决生产环节自动装载和卸载，才能实现全流程无人化。本文针对这些难点，分析与之相关的关键技术及解决方案。

1 露天矿无人驾驶地图采集与更新

露天矿山的无人驾驶运输中，由于卡车载重量大、道路情况复杂，所以对于车道、路障等道路信息要求更高。随着自动驾驶技术的不断升级，为了达到矿山无人驾驶的安全性能，对于矿山地图的精度要求更高，需要达到厘米级的精确程度。高精地图就像是无人驾驶车辆的眼睛，能够为车辆提供稳定的超视距感知，保证无人驾驶的效率和安全性［4］。目前采用比较多的是基于OpenDrive 格式的车道级地图，利用CORS 平台资源，结合高效的车载移动测量系统，开展亚米级导航与监控要求的道路网数据采集，处理电子地图的制作。但是此方法获取的地图实时性不强、更新频率不高。

露天矿山中多为非结构化道路，道路更新频率较高，尤其是铲前作业区域和排土场区域，作业面会随着矿料的变化而改变，每几个小时甚至几十分钟就要对变化区域局部更新。为了保证地图更新的时效性以及所有设备地图的统一性，提出将露天矿地图分层存储、分层更新的方法，依据要素更新频率可将地图分为静态层、动态层和逻辑层［5］。具体做法是将更新频次较低的区域放在静态层，如主干路；更新频率最高的区域放在动态层，如装载区、卸载区；将道路上存在相互关系的位置放在逻辑层，如单行线、避车位、交叉口等。本方法根据现场情况频繁更新动态层，适时更新静态层和逻辑层，降低了整个地图更新的数据量，提升了所有设备的露天矿地图同步效率。

2 露天矿无人驾驶系统设计与改进

无人驾驶系统包括感知模块、路径规划模块、通信模块、卫星定位模块、显示模块。感知模块包括摄像头、激光雷达和毫米波雷达等，用于感知周围环境变化并实时上传至车端；显示模块用来显示车端信息；路径规划模块包括路线信息及控制方法，用于自动驾驶时车辆的行驶控制；卫星定位模块对车辆进行定位，实时获取车辆的位置信息；通信模块实现网络、车与车之间的信息交互。其中每一环节对于无人驾驶的作业效率及安全性的影响都是巨大的。

2.1 多传感器融合的环境感知技术

环境感知模块是无人矿卡实现自动驾驶的第一环节，能够实现矿车与外界环境进行信息交互。有了环境感知模块的加入，能够使矿车更好地模拟驾驶员的感知能力，对行驶环境及车辆姿态有一个整体的了解，以便矿车根据不同的工作环境做出合适的决策。常见的用于无人驾驶环境感知的硬件设备有激光雷达、毫米波雷达、超声波雷达、红外传感器、视觉传感器等［6］。各传感器性能对比分析结果见表1。

激光雷达是一种以激光为工作光束，使用光电探测的设备。目前我国的固态激光雷达技术不断进步，稳定性逐步提升，成本也在不断降低，以至于高线束激光雷达在无人驾驶领域有了越来越广阔的应用空间［7］。激光雷达具有精度高、探测数据多、分辨率高等优点，但同时也存在着单一信号源的检测信号数量少、抗干扰性差、抗噪声性差等问题，而且在矿山上天气变化明显，烟尘较大的环境中检测效果明显降低。

毫米波雷达是利用发射无线电信号，并利用接收器接受物体反射回来的信号来探测车辆的周围环境。毫米波雷达的检测距离较远，而且不易受环境影响，与激光雷达相比，毫米波雷达的适应性较高，能够穿透烟尘较大的环境，并且对于大雨大雾天气也不会受到较大影响，能够满足实时检测的要求。但是毫米波雷达精度不高，可视范围的角度也很小。毫米波雷达是在露天矿场景中应用广泛且性能可靠，但是单独使用时并不适用于露天矿环境，与其他传感技术融合时具有很强的优越性［8］。

露天矿无人驾驶运输场景粉尘多、运输道路不平整、环境温差大，需进一步提高系统准确性、实时性及鲁棒性。因此本文提出将摄像头、激光雷达及毫米波雷达进行配合使用，相对于单一数据源，多源数据传感器大大提升了系统的鲁棒性，在某一传感器出现故障的情况下，可以利用其他传感器完成矿车路边临时停车，保障作业安全。多传感器融合的环境感知技术能够发挥传感器优势，使得在数据采集、信息分析和信息筛选过程中更可靠地匹配外界环境，实现决策系统的准确性［9］。

2.2 定位导航技术

传统自动驾驶定位方法依赖GPS 全球定位系统、GNSS 全球导航卫星系统或RTK 实时动态系统。GPS操作便捷并且定位精度高，但是数据更新频率较低，难以满足实时控制的要求，因此GPS 在无人驾驶领域还无法独立作为导航使用［10］。GNSS 差分定位技术实时性强、抗干扰能力强并且能够做到全天候检测，虽然存在误差，但是可通过设置差分基准站获取差分码提高精度，且改进后定位精度能满足无人驾驶需求。

基于激光雷达或视觉的SLAM 定位技术，可以在车辆离线状态下通过分析处理激光雷达扫描的点云数据给出自身定位及姿态信息，缺点是需要提前建立三维地图并经常更新，对算力要求较高［11］。

在个别开采深度大、地形复杂的露天矿山，会有网络覆盖盲区，采用GNSS 差分定位融合惯性导航系统的定位方式不足以保证车辆定位的持续性［12］，因此提出一种不完全依赖GPS、GNSS、RTK 系统的定位方法——GNSS 数据与基于激光雷达的SLAM 定位技术相结合的方法，该技术可以在车辆离线状态下给出自身定位及姿态信息，其核心思想是通过激光雷达扫描周围环境，获取目标物体点云数据，然后使用SLAM 算法对获取到的点云数据进行分析处理，最终实现建图的目的。在无网络的情况下，矿车根据基于激光雷达的SLAM 算法构建的地图继续向前行驶，直至驶出网络覆盖盲区。

2.3 矿卡无人驾驶控制方法

在露天矿山上如何保证无人驾驶运输车辆能够精确地沿着规划路径行驶，跟踪精度达到期望值，是目前矿车自动驾驶运输在控制方面的一个难题。

PID 控制是自动驾驶中常用的控制算法，通过比例、积分、微分的相互配合完成对车辆的精准控制，虽然PID 控制方便并且可靠性高，但对于复杂、高耦合的无人驾驶矿车容易受到噪声和扰动的影响，鲁棒性较差［13］。

采用基于预描的路径跟踪方法获得期望航向与航向反馈量的差值，以此差值作为PID控制器的输入偏差来计算转向偏角。具体做法是首先存储路径中预先规划好的期望点，通过环境感知系统和导航定位系统获取卡车运输状态信息，将实际运行路径与期望路径进行相似性比较，依据得到的数据对矿车进行控制（图1）。

结合PID 控制原理，提出一种基于预描的路径跟踪控制方法。在本算法中，以车辆当前航向角与航向预估量变化之和作为航向反馈量，再以期望航向及航向反馈量的差值作为PID 算法的输入偏差来计算期望转角，该模型可改善自动驾驶矿车在不同条件下的适应性。本方法能有效解决路径突变等复杂情况下车辆易发生控制超调的问题，保证行驶稳定性和安全性［14］。矿车在运输作业时行驶速度不高，控制方法的重点在于车辆运动学约束，并且露天矿运输作业区域较为封闭，无其他复杂车辆行驶，运输线路较为固定，行驶速度稳定，恰有利于本文控制方法的应用。

2.4 关键生产节点的多设备协同技术

露天矿山无人驾驶车辆在装载和卸载环节要实现完全自动化和无人化，必须要有相关设备和系统的配合［15］。铲前和排土场区域的地貌随着采掘设备和推土机等的推进实时变化，最新装载点和卸载点也随之变化，路线无规律性、无参考性。为保证实时动态规划铲前和卸载区域的行驶路线，需要从露天矿电铲智能引导技术和基于土场边缘检测的卸车位生成技术2个方面进行研究［16］。

露天矿电铲智能引导技术由铲斗高精定位和车铲协同规划两部分组成，电铲铲斗由于机械结构和受力原因无法安装定位设备，只能通过其他传感器计算得出。提出用电铲驾驶室的高精度定位和铲臂的倾角仪，结合三维定位算法，实时计算铲臂朝向和铲斗精确位置并上传至控制中心。无人车辆结合高精地图和雷达扫描结果，对铲前装载区域和装载点进行实时计算，并在电铲等待卡车装载时，绘制虚拟装载区域，将生成的区域数据上传至控制中心，控制中心将电铲和卡车上传数据整合，在半开放区域内规划泊车路径。利用带有半径约束的路径平滑规划算法HybridAstar 和基于reeds&shepp 曲线的无人自主泊车算法相结合的方式，可以快速精准地指导无人车辆完成装载任务［17］。

土场边缘检测目前有2类检测手段，一种是利用矿山已有的边坡检测系统，一种是基于视觉和激光雷达的障碍物边缘提取技术［18］。利用矿山已有的边坡检测系统将边坡实时位置上传至无人驾驶中心，根据排土边缘线和当前排土场车辆排队情况在排土线内绘制有效的虚拟卸载停车位，将卸载停车位及规划的卸载路线下发给无人卡车，指导无人车辆自动完成卸载。这种方法成本高、精度高，利用已有系统投入会大幅降低［19］。基于激光雷达的障碍物边缘提取技术方法是通过检测道路边缘，拟合3次曲线方程，从而将排土场以外的边缘剔除，再经过地面分割、团簇聚类等一系列操作，实现检测排土场边缘信息。这种方法精度高、速度快、投入小，并且能够有效克服阴影等环境因素的不利影响（图2）。

3 结语

针对矿山道路变化快、地形复杂的问题，采用分层存储矿山地图的方法，提高了更新频率，降低每次更新的数据量来获取最新地图；在路径规划模块中，为了解决矿车进入矿山网络覆盖盲区时无法连接网络的问题，采用惯性导航与SLAM 算法相结合的方式控制无人驾驶矿车；同时将摄像头、毫米波雷达与激光雷达多传感器融合，各自发挥优势以提高环境感知系统的整体性能；采用基于预瞄的路径跟踪控制方法或基于改进的横纵向结合的PID 控制方法适用于阿克曼底盘的矿车控制；露天矿电铲智能引导技术和基于土场边缘检测技术为露天矿无人运输系统自动装载和卸载打下了基础。