多傳感器融合的鐵路隧道自動化作業研究

賀小瓊，肖世德，賴煥杰，熊 鷹

0 引言

在進行電氣化鐵路隧道打孔等作業時，首先需要人工測量和激光投射確定隧道頂壁打孔位置。采用人工定位打孔位置坐標，作業進度慢，耗時耗力，由于現場工作環境潮濕、偏暗、復雜，作業存在安全隱患。近年來，傳感器技術發展迅速，廣泛應用于資源勘探、航空、自動駕駛等領域，傳感器測量具有速度快、分辨率高、非接觸測量等優點[1～3]。

文獻[4]研究將紅外相機與毫米波雷達融合，用于在夜間場景下檢測行人，將毫米波雷達檢測目標運動狀態特征的優勢與視覺傳感器獲取目標類別特征的優勢相結合，并采用YOLO 目標檢測算法提升檢測的準確率，得到了比傳統方法更為精確的檢測結果。文獻[5]提出將立體視覺與激光雷達融合，用于檢測車輛目標外形位置，將深度學習與點云數據處理結合，先對圖像和點云進行目標檢測，再確定目標外形與位置，對目標進行融合，最后確定目標的最終外形與位置，得到了較好的檢測結果。文獻[6，7]研究采用毫米波雷達與視覺傳感器融合的方法進行車輛跟蹤，從而提高車輛前向防碰撞系統對環境感知的準確性，剔除了非危險目標、虛假目標的影響，獲得了良好的跟蹤效果、較強的適應性和較高的準確率。

針對鐵路隧道電氣化打孔與吊柱安裝作業需求，本文提出一種將激光雷達、毫米波雷達、激光測距傳感器融合的作業方法，用于實現電氣化鐵路作業車輛的自動駕駛和自動定位隧道頂壁打孔點的位置。各傳感器安裝在作業車輛上，在車輛行駛過程中，毫米波雷達實時探測前方障礙物，激光測距傳感器實時判斷車身在隧道中的行駛狀態[8]，激光雷達實時掃描并獲取隧道頂部輪廓的點云數據，完成打孔點位置坐標定位后，機械手移動到打孔位置進行打孔，實現作業自動化。

1 傳感器整體布局

采用N30103B 型單線激光雷達，掃描得到二維點云數據，掃描范圍0～30 m，掃描角度為360°。毫米波雷達采用ARS408-21 型號，最大探測距離為250 m。激光測距傳感器采用HZH-F50 型號，量程為10 m。

傳感器安裝于隧道作業車輛上，其整體布局如圖1 所示。激光雷達安裝于車輛頂部掃描隧道頂部截面輪廓，毫米波雷達安裝在車輛前方下部探測道路前方的障礙物，4 個激光測距傳感器對稱安裝在車輛兩側，用于測量車身到隧道兩壁的距離。

圖1 傳感器布局

傳感器與工控機之間的通信方式如圖2 所示，激光雷達采用以太網通信，毫米波雷達采用CAN總線通信，激光測距傳感器采用串口通信。各傳感器采集到數據后通過工控機進行讀取和數據處理，將處理后生成的執行指令，如是否停車、左轉、右轉及轉動角度等信息，通過工控機CAN 總線下發至執行機構。

圖2 傳感器通信方式

2 傳感器算法描述

2.1 激光雷達輪廓擬合算法

激光雷達掃描得到的點云數據為距離di和角度αi，根據式（1）將其轉化為直角坐標值(xi,yi)，其中c為點云總數量。采用點云庫中的半徑濾波算法濾除孤立點、噪聲點和離群點。濾波原理：如果一個點在鄰域半徑范圍內包含的點云數量達到鄰域點數，則該點為有效點保留，反之則去除。

采用最小二乘法對濾波后的點云數據進行擬合[9]，得到擬合系數ak(k= 0,1,…,n)，其中n為擬合的多項式次數，最終得到擬合方程Y(x) =a0x+a1x2+…+anxn。采用式（2）計算擬合誤差E，E越小說明擬合精度更高，擬合效果更好。

2.2 毫米波雷達避障算法

ARS408-21 型號毫米波雷達綜合了寬視角中距離和窄視角長距離，采用目標模式采集數據，將探測到的任一目標用式（3）表示：

式中：l為目標與雷達的相對縱向距離；w為目標與雷達的相對橫向距離；v為目標與雷達的相對速度；P為目標存在的概率。

根據目標相對雷達的位置不同可將目標分為4類：（1）危險目標，目標在車輛前方且距離車輛較近，需立即停車；（2）非危險目標，目標在車輛前方但距離車輛較遠，此時無需停車，待車輛行駛至離目標較近時再停車；（3）無效目標，目標未處于車輛前方，而是處于車輛兩側，且目標與車輛的橫向距離較大，對車輛前行不產生任何影響；（4）虛假目標，電磁波產生的噪聲點，目標數據超出了傳感器的檢測范圍，目標實際根本不存在，或目標與雷達的相對距離為0。

首先對毫米波雷達采集到的目標數據進行濾波處理，初步濾除無效目標和虛假目標。毫米波雷達的目標數據處理流程如圖3 所示，當前方存在危險目標時才停車，存在非危險目標、無效目標和虛假目標時不停車，在車輛行駛過程中，不斷循環讀取毫米波雷達數據進行處理。

圖3 目標數據處理流程

2.3 激光測距傳感器轉向算法

激光測距傳感器檢測車輛在隧道中行駛狀態的原理如圖4 所示。其中S1為車輛左側前方激光測距傳感器測量出到左側隧道壁的距離，S2為車輛右側前方激光測距傳感器測量出到右側隧道壁的距離，S3為車輛左側后方激光測距傳感器測量出到左側隧道壁的距離，S4為車輛右側后方激光測距傳感器測量出到右側隧道壁的距離，D為同側兩傳感器的距離，θ為車輛行駛方向與既定行駛路線的偏角，S為車輛中心點偏離既定行駛路線的距離。

根據圖4 中的4 個激光測距傳感器的測量值S1、S2、S3、S4，可采用式（3）計算車輛的行駛偏角θ。當行駛方向偏向左時，θ為負值；當行駛方向偏向右時，θ為正值。根據式（4）可計算出車輛中心偏距S。當車輛中心偏離至既定行駛路線左側時，S為負值；當車身偏離至既定行駛路線的右側時，S為正值。

圖4 車輛行駛狀態檢測原理

當車輛中心偏離既定行駛路線或行駛方向偏離既定行駛路線時，需要糾正車輛的行駛方向與行駛路線，使得車輛按既定行駛路線行駛。隧道作業車輛的行駛速度較低，可采用Stanley Method 實現自動駕駛車輛的軌跡追蹤，式（5）為Stanley Method模型的計算式：

式中：δ為車輪平均偏角；k為增益參數；e為車輛前軸偏離既定行駛路線的距離；v0為車輛前軸中心速度。

根據阿克曼轉向原理，可計算出左右輪糾正的偏角。當行駛方向偏左時，需要右轉糾正行駛方向，根據式（6）計算左右輪的轉角；當行駛方向偏右時，需要左轉糾正行駛方向，根據式（7）計算左右輪轉角。式中：L為前后輪間距；W為左右輪間距；R為轉向半徑；δl和δr分別為糾正行駛方向時左輪和右輪需轉動的角度；R可根據tanδ=L/R計算。

3 實驗與分析

基于VC++編寫了激光雷達、毫米波雷達、激光測距傳感器的數據讀取、處理與指令發送等程序，進行模擬實驗。

利用激光雷達采集模擬隧道輪廓的點云數據，分別采用三次、四次、五次多項式對點云數據進行擬合，得出四次多項式擬合效果最好，四次多項式擬合結果如圖5 所示，擬合曲線方程為y= -2.64×10-4x4- 0.02x3- 0.04x2- 1.04x+ 5.78，擬合誤差為0.2，擬合耗時86 ms。根據擬合方程，輸入打孔點的橫坐標x0，可求出打孔點的位置坐標(x0,y0)，而后機械手移動到該位置進行打孔。

圖5 點云數據擬合結果

毫米波雷達模擬實驗采集到的目標數據分布如圖6 所示，圖中黑色圓點為目標，每個目標的信息與最終處理的結果如表1 所示。車輛前方遇到不同的障礙物時可返回不同的結果，以實現車輛自動避障。

圖6 雷達原始目標數據分布

表1 毫米波雷達原始目標數據

4 個激光測距傳感器安裝時D為3 m，車輛L為4 m，W為2 m，模擬實驗時，v0為1 m/s，k設置為0.3。采集到5 個測量值，計算出車輛的偏角、偏距及糾正行駛方向左右輪需轉動的角度，并將計算結果與實際測量值進行對比，以判度算法的準確性，多次實驗結果如表2 所示。可以看出，計算值與測量值誤差較小，轉向角度較準確，能夠實現在車輛行駛狀態有誤時及時糾正行駛方向。

表2 激光測距轉向實驗

4 結論

提出了一種多傳感器融合的鐵路隧道自動化作業方法，將毫米波雷達、激光雷達、激光測距傳感器安裝于作業車輛，毫米波雷達與激光測距傳感器用于實現作業車輛的自動駕駛，激光雷達定位隧道頂壁打孔點的位置。初步模擬實驗證明，該方法能夠初步實現隧道作業車輛的自動駕駛，即遇到障礙物及時停車，車身偏離既定行駛路線時能夠及時糾正行駛方向，且能夠較為精確地定位打孔坐標，為電氣化鐵路隧道自動化作業提供一種參考方法。由于作業車輛在運行過程中會產生震動，對激光雷達定位作業的定位精度有一定的影響，在遇到復雜情況時，轉向控制精度可能會降低，需后續進行進一步的研究。