露天礦無人駕駛運輸關鍵技術研究

王 妍 白洪亮 蔣方正 張英偉

（丹東東方測控技術股份有限公司）

目前國際上以卡特彼勒、小松、日立制造商為主，已經大體上實現了露天礦山的無人駕駛礦車車隊商業運行［1］。2018年至今，我國有多家露天礦無人駕駛運輸系統項目落地，國內的科技公司和主機廠積極進行露天礦無人駕駛礦車合作開發，已經在首鋼硼鐵礦無人駕駛項目、包鋼白云鄂博無人駕駛項目、國家能源集團準能集團無人駕駛項目等重大項目上取得了一系列成果［2］。我國的露天礦無人運輸系統大多處于封閉區域試運行階段，正在朝著成熟化、規模化不斷趨近，目前的無人駕駛車輛作業效率及安全性能相較人工操控仍有差距，相關技術還需要進一步探索與優化［3］。

露天礦山雖然車流量較少、運輸場景單一，但道路變化快、地形復雜、網絡覆蓋有死角，這些難點使得地圖的建立與更新和卡車的定位導航的準確性有著更高的要求；同時露天礦山氣候惡劣、連續生產作業、粉塵大的特點則要求感知系統在復雜環境里依然要保持可靠的識別率；礦車較普通乘用車載重變化大、控制延遲大，對控制算法的要求更高；露天礦的無人運輸作業要解決生產環節自動裝載和卸載，才能實現全流程無人化。本文針對這些難點，分析與之相關的關鍵技術及解決方案。

1 露天礦無人駕駛地圖采集與更新

露天礦山的無人駕駛運輸中，由于卡車載重量大、道路情況復雜，所以對于車道、路障等道路信息要求更高。隨著自動駕駛技術的不斷升級，為了達到礦山無人駕駛的安全性能，對于礦山地圖的精度要求更高，需要達到厘米級的精確程度。高精地圖就像是無人駕駛車輛的眼睛，能夠為車輛提供穩定的超視距感知，保證無人駕駛的效率和安全性［4］。目前采用比較多的是基于OpenDrive 格式的車道級地圖，利用CORS 平臺資源，結合高效的車載移動測量系統，開展亞米級導航與監控要求的道路網數據采集，處理電子地圖的制作。但是此方法獲取的地圖實時性不強、更新頻率不高。

露天礦山中多為非結構化道路，道路更新頻率較高，尤其是鏟前作業區域和排土場區域，作業面會隨著礦料的變化而改變，每幾個小時甚至幾十分鐘就要對變化區域局部更新。為了保證地圖更新的時效性以及所有設備地圖的統一性，提出將露天礦地圖分層存儲、分層更新的方法，依據要素更新頻率可將地圖分為靜態層、動態層和邏輯層［5］。具體做法是將更新頻次較低的區域放在靜態層，如主干路；更新頻率最高的區域放在動態層，如裝載區、卸載區；將道路上存在相互關系的位置放在邏輯層，如單行線、避車位、交叉口等。本方法根據現場情況頻繁更新動態層，適時更新靜態層和邏輯層，降低了整個地圖更新的數據量，提升了所有設備的露天礦地圖同步效率。

2 露天礦無人駕駛系統設計與改進

無人駕駛系統包括感知模塊、路徑規劃模塊、通信模塊、衛星定位模塊、顯示模塊。感知模塊包括攝像頭、激光雷達和毫米波雷達等，用于感知周圍環境變化并實時上傳至車端；顯示模塊用來顯示車端信息；路徑規劃模塊包括路線信息及控制方法，用于自動駕駛時車輛的行駛控制；衛星定位模塊對車輛進行定位，實時獲取車輛的位置信息；通信模塊實現網絡、車與車之間的信息交互。其中每一環節對于無人駕駛的作業效率及安全性的影響都是巨大的。

2.1 多傳感器融合的環境感知技術

環境感知模塊是無人礦卡實現自動駕駛的第一環節，能夠實現礦車與外界環境進行信息交互。有了環境感知模塊的加入，能夠使礦車更好地模擬駕駛員的感知能力，對行駛環境及車輛姿態有一個整體的了解，以便礦車根據不同的工作環境做出合適的決策。常見的用于無人駕駛環境感知的硬件設備有激光雷達、毫米波雷達、超聲波雷達、紅外傳感器、視覺傳感器等［6］。各傳感器性能對比分析結果見表1。

激光雷達是一種以激光為工作光束，使用光電探測的設備。目前我國的固態激光雷達技術不斷進步，穩定性逐步提升，成本也在不斷降低，以至于高線束激光雷達在無人駕駛領域有了越來越廣闊的應用空間［7］。激光雷達具有精度高、探測數據多、分辨率高等優點，但同時也存在著單一信號源的檢測信號數量少、抗干擾性差、抗噪聲性差等問題，而且在礦山上天氣變化明顯，煙塵較大的環境中檢測效果明顯降低。

毫米波雷達是利用發射無線電信號，并利用接收器接受物體反射回來的信號來探測車輛的周圍環境。毫米波雷達的檢測距離較遠，而且不易受環境影響，與激光雷達相比，毫米波雷達的適應性較高，能夠穿透煙塵較大的環境，并且對于大雨大霧天氣也不會受到較大影響，能夠滿足實時檢測的要求。但是毫米波雷達精度不高，可視范圍的角度也很小。毫米波雷達是在露天礦場景中應用廣泛且性能可靠，但是單獨使用時并不適用于露天礦環境，與其他傳感技術融合時具有很強的優越性［8］。

露天礦無人駕駛運輸場景粉塵多、運輸道路不平整、環境溫差大，需進一步提高系統準確性、實時性及魯棒性。因此本文提出將攝像頭、激光雷達及毫米波雷達進行配合使用，相對于單一數據源，多源數據傳感器大大提升了系統的魯棒性，在某一傳感器出現故障的情況下，可以利用其他傳感器完成礦車路邊臨時停車，保障作業安全。多傳感器融合的環境感知技術能夠發揮傳感器優勢，使得在數據采集、信息分析和信息篩選過程中更可靠地匹配外界環境，實現決策系統的準確性［9］。

2.2 定位導航技術

傳統自動駕駛定位方法依賴GPS 全球定位系統、GNSS 全球導航衛星系統或RTK 實時動態系統。GPS操作便捷并且定位精度高，但是數據更新頻率較低，難以滿足實時控制的要求，因此GPS 在無人駕駛領域還無法獨立作為導航使用［10］。GNSS 差分定位技術實時性強、抗干擾能力強并且能夠做到全天候檢測，雖然存在誤差，但是可通過設置差分基準站獲取差分碼提高精度，且改進后定位精度能滿足無人駕駛需求。

基于激光雷達或視覺的SLAM 定位技術，可以在車輛離線狀態下通過分析處理激光雷達掃描的點云數據給出自身定位及姿態信息，缺點是需要提前建立三維地圖并經常更新，對算力要求較高［11］。

在個別開采深度大、地形復雜的露天礦山，會有網絡覆蓋盲區，采用GNSS 差分定位融合慣性導航系統的定位方式不足以保證車輛定位的持續性［12］，因此提出一種不完全依賴GPS、GNSS、RTK 系統的定位方法——GNSS 數據與基于激光雷達的SLAM 定位技術相結合的方法，該技術可以在車輛離線狀態下給出自身定位及姿態信息，其核心思想是通過激光雷達掃描周圍環境，獲取目標物體點云數據，然后使用SLAM 算法對獲取到的點云數據進行分析處理，最終實現建圖的目的。在無網絡的情況下，礦車根據基于激光雷達的SLAM 算法構建的地圖繼續向前行駛，直至駛出網絡覆蓋盲區。

2.3 礦卡無人駕駛控制方法

在露天礦山上如何保證無人駕駛運輸車輛能夠精確地沿著規劃路徑行駛，跟蹤精度達到期望值，是目前礦車自動駕駛運輸在控制方面的一個難題。

PID 控制是自動駕駛中常用的控制算法，通過比例、積分、微分的相互配合完成對車輛的精準控制，雖然PID 控制方便并且可靠性高，但對于復雜、高耦合的無人駕駛礦車容易受到噪聲和擾動的影響，魯棒性較差［13］。

采用基于預描的路徑跟蹤方法獲得期望航向與航向反饋量的差值，以此差值作為PID控制器的輸入偏差來計算轉向偏角。具體做法是首先存儲路徑中預先規劃好的期望點，通過環境感知系統和導航定位系統獲取卡車運輸狀態信息，將實際運行路徑與期望路徑進行相似性比較，依據得到的數據對礦車進行控制（圖1）。

結合PID 控制原理，提出一種基于預描的路徑跟蹤控制方法。在本算法中，以車輛當前航向角與航向預估量變化之和作為航向反饋量，再以期望航向及航向反饋量的差值作為PID 算法的輸入偏差來計算期望轉角，該模型可改善自動駕駛礦車在不同條件下的適應性。本方法能有效解決路徑突變等復雜情況下車輛易發生控制超調的問題，保證行駛穩定性和安全性［14］。礦車在運輸作業時行駛速度不高，控制方法的重點在于車輛運動學約束，并且露天礦運輸作業區域較為封閉，無其他復雜車輛行駛，運輸線路較為固定，行駛速度穩定，恰有利于本文控制方法的應用。

2.4 關鍵生產節點的多設備協同技術

露天礦山無人駕駛車輛在裝載和卸載環節要實現完全自動化和無人化，必須要有相關設備和系統的配合［15］。鏟前和排土場區域的地貌隨著采掘設備和推土機等的推進實時變化，最新裝載點和卸載點也隨之變化，路線無規律性、無參考性。為保證實時動態規劃鏟前和卸載區域的行駛路線，需要從露天礦電鏟智能引導技術和基于土場邊緣檢測的卸車位生成技術2個方面進行研究［16］。

露天礦電鏟智能引導技術由鏟斗高精定位和車鏟協同規劃兩部分組成，電鏟鏟斗由于機械結構和受力原因無法安裝定位設備，只能通過其他傳感器計算得出。提出用電鏟駕駛室的高精度定位和鏟臂的傾角儀，結合三維定位算法，實時計算鏟臂朝向和鏟斗精確位置并上傳至控制中心。無人車輛結合高精地圖和雷達掃描結果，對鏟前裝載區域和裝載點進行實時計算，并在電鏟等待卡車裝載時，繪制虛擬裝載區域，將生成的區域數據上傳至控制中心，控制中心將電鏟和卡車上傳數據整合，在半開放區域內規劃泊車路徑。利用帶有半徑約束的路徑平滑規劃算法HybridAstar 和基于reeds&shepp 曲線的無人自主泊車算法相結合的方式，可以快速精準地指導無人車輛完成裝載任務［17］。

土場邊緣檢測目前有2類檢測手段，一種是利用礦山已有的邊坡檢測系統，一種是基于視覺和激光雷達的障礙物邊緣提取技術［18］。利用礦山已有的邊坡檢測系統將邊坡實時位置上傳至無人駕駛中心，根據排土邊緣線和當前排土場車輛排隊情況在排土線內繪制有效的虛擬卸載停車位，將卸載停車位及規劃的卸載路線下發給無人卡車，指導無人車輛自動完成卸載。這種方法成本高、精度高，利用已有系統投入會大幅降低［19］。基于激光雷達的障礙物邊緣提取技術方法是通過檢測道路邊緣，擬合3次曲線方程，從而將排土場以外的邊緣剔除，再經過地面分割、團簇聚類等一系列操作，實現檢測排土場邊緣信息。這種方法精度高、速度快、投入小，并且能夠有效克服陰影等環境因素的不利影響（圖2）。

3 結語

針對礦山道路變化快、地形復雜的問題，采用分層存儲礦山地圖的方法，提高了更新頻率，降低每次更新的數據量來獲取最新地圖；在路徑規劃模塊中，為了解決礦車進入礦山網絡覆蓋盲區時無法連接網絡的問題，采用慣性導航與SLAM 算法相結合的方式控制無人駕駛礦車；同時將攝像頭、毫米波雷達與激光雷達多傳感器融合，各自發揮優勢以提高環境感知系統的整體性能；采用基于預瞄的路徑跟蹤控制方法或基于改進的橫縱向結合的PID 控制方法適用于阿克曼底盤的礦車控制；露天礦電鏟智能引導技術和基于土場邊緣檢測技術為露天礦無人運輸系統自動裝載和卸載打下了基礎。