面向无人驾驶矿车的露天矿山道路坡度实时检测方法

露天矿山大部分道路坡度大,无人驾驶矿车在上下坡之前如果不能合理规划速度,则容易发生一些危险,例如因下坡急减速导致的物料外撒或因上坡导致的溜车。无人驾驶矿车通过精确检测车辆前方一定范围内的道路坡度,可以在上下坡之前合理规划速度。目前无人驾驶矿车实时检测露天矿山道路坡度存在一些挑战:露天矿山道路坡度大且不平整,无人驾驶矿车在行驶过程中会有比较大的俯仰和弹跳运动,因为基于惯性导航系统(inertial navigation system,INS)或全球导航卫星系统(Global Navigation Satellite System,GNSS)的方法测出的是车辆的俯仰角,而不是所在道路区域的坡度;由于露天矿山几何特征缺失,这使得基于SLAM(simultaneous localization and mapping)的方法在特征缺失的路段容易匹配错误,而且基于SLAM的方法测出的也是车辆的俯仰角。本文针对目前无人驾驶矿车实时检测露天矿山道路坡度研究中存在的问题,提出了栅格卡尔曼道路坡度实时检测(grid Kalman road slope real-time detection,GKSRD)方法。该方法以三维激光雷达点云和INS俯仰角信息作为输入,并采用二维栅格地图、感兴趣矩形区域迭代优化算法和卡尔曼滤波器。相比于基于INS或GNSS的方法,该方法减小了无人驾驶矿车行驶过程中由于道路坡度大且不平整对道路坡度实时检测带来的误差。相比于基于SLAM的方法,因为该方法不依赖周围环境的几何特征,所以其不会受到露天矿山几何特征缺失的影响。通过试验验证,GKSRD方法对露天矿山道路坡度的实时检测平均误差小于0.01°,最大误差小于0.5°。相比于基于INS或GNSS的方法和基于SLAM的方法,GKSRD方法精度更高,稳定性和环境适应性也更好。