矿山无人化的现状与发展

受矿山工作环境恶劣、工作人员年龄老化、矿山开采设备陈旧、机械化不高等影响,矿山事故频发,严重影响国家的能源产量以及矿产从业者的生命安全,矿山无人化势不可挡。本文就当前矿山无人化的现状、难点以及未来的发展趋势和展望进行了分析,为未来的矿山无人化提供参考。

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。

面向点云退化的隧道环境的无人车激光SLAM方法

基于激光同时定位与地图构建(simultaneous localization and mapping,SLAM)技术,不仅能够实现车辆在未知环境下的实时定位,还能高效地获取环境的三维地理空间信息,近年来受到了无人驾驶领域的广泛关注。在几何结构匮乏的隧道中,仅依赖几何信息无法配准点云,因此传统激光SLAM方法难以在隧道中应用。为解决这一问题,本文在LOAM的基础上,提出一种点云强度信息增强的改进激光SLAM技术。首先,改进特征提取方法,提出基于点云柱面投影图的自适应特征提取方法,从单帧点云中提取直线、平面、地面和反射强度特征;其次,针对点云的几何特征配准在隧道中的退化问题,提出一种基于强度特征和强度地图的配准优化方法,自适应提取环境中的强度特征并根据强度特征的配准对车辆位姿进一步修正。试验结果表明,该方法较LOAM和HDL-Graph-SLAM具有更好的稳健性,能够在缺乏几何特征但强度特征丰富的隧道内实现稳定的定位和地图构建,定位精度提升了一个数量级。

基于平行控制理论的矿区无人驾驶卡车仿真系统

针对矿用车辆实车测试无人驾驶存在危险性大、测试时间长、测试成本高、测试内容覆盖面窄等问题,研究了基于平行控制理论的矿区无人驾驶卡车仿真系统。该系统采用矿用卡车动力学建模、高保真场景重构、虚拟传感器建模等关键技术,实现无人驾驶算法全面推演、系统集成可靠性测试、矿区生产预测模拟、虚实互动平行推演等功能。矿用卡车动力学建模主要步骤分为整车模型搭建与可视化场景创建2个部分,将车辆动力学模型与虚拟场景关联,利用车辆模型产生的仿真数据实时驱动虚拟场景中的车辆运动。针对大型露天矿场景复杂、不规则的特性,通过无人机航拍测绘、激光雷达三维扫描等手段,获取矿山高精度三维模型数据,基于虚拟微多边形几何体技术、高像素虚拟纹理技术、三维场景实时渲染技术,构建高保真虚拟三维场景。虚拟传感器主要包括虚拟激光雷达、虚拟毫米波雷达、虚拟惯导装置、虚拟视觉相机,搭载于虚拟矿车上,负责生成虚拟场景中的数据信息,并将数据发送到自动驾驶控制器进行处理。基于该仿真系统,可以进行单车测试、多车调度测试、智能调度算法测试,还可以对现场车辆和虚拟车辆的虚实互动进行测试,为整个矿区的稳定运输、复杂路口的推演模拟、智能调度算法的最优决策提供验证平台,确保无人驾驶测试效率和安全,加快矿区无人驾驶技术升级。

车路协同试验场设计建设:历史、现状和展望

回顾车路协同发展历史,提出车路协同的测试关键点:道路测试和封闭测试。结合国内外典型智能网联汽车试验场的测试能力与设计特点,根据实际经验系统性地提出智能网联汽车试验场的设计方法论与建设架构图,从功能需求、投资规模、场地可行性、工艺设计、工程设计的角度系统地提出试验场设计方法,同时基于车端、路端、云端、数据终端、通信侧的架构分解试验场建设的内容。同时提出“平行测试场”的概念,展望未来智能网联汽车试验场的建设特点与发展趋势。

矿区无人运输系统总体设计

目前针对无人驾驶矿用卡车的研究多集中在路径跟踪、安全通行辅助决策等具体控制方法上,不足以支撑整个矿区运输系统的无人化运营。针对该问题,提出了一种矿区无人运输系统总体设计方案。该系统分为云控中心、边缘侧、智能终端3层,主要包括矿用卡车自动驾驶系统、矿区无人运输云控调度平台、无人运输仿真系统、远程应急接管系统、健康管理系统、协同作业管理系统和定位/通信系统。矿用卡车自动驾驶系统具备单车智能管理功能,可实现障碍物感知、智能决策、路径规划、高精定位、精准控制等功能。云控调度平台用于统一调度管理,实现无人驾驶矿用卡车与电铲、推土机等的协同自动装载和卸载及无人驾驶矿用卡车与各类有人驾驶辅助作业车辆的协同混编作业。无人运输仿真系统根据矿山实时环境模拟不同调度运行方式,形成最优调度方案指导实际生产。远程应急接管系统可实现极端危险场景下无人驾驶矿用卡车的远程控制,确保在矿用卡车自动驾驶系统遇到故障时能够紧急接管车辆。健康管理系统通过安装在无人驾驶矿用卡车终端的相关传感器实现设备自检、故障诊断、检修结果上报、健康状态评估等功能。协同作业管理系统通过安装在有人采掘设备、工程设备、辅助生产设备上的软硬件系统,在保证人车安全的情况下协助无人驾驶矿用卡车共同完成作业。定位/通信系统实现云控中心与智能终端的通信连接,支持4G/5G/Mesh等多种通信方式,可实现V2N(车-网络)、V2V(车-车)和V2I(车-基础设施)通信。

面向复杂特定场景的自动驾驶功能安全研究

文章通过对当前自动驾驶安全问题的叙述分析,提出一种面向复杂特定场景的自动驾驶功能安全分析方法,阐述场景分析-危险分析-ASIL等级确认-目标及需求确定这一分析流程,最后选取无人矿山自动驾驶矿卡排土作业这一复杂特定场景为例进行功能安全分析,得出适用于此场景的功能安全策略。