智慧矿山无人驾驶技术发展趋势研究与总体设计

摘要:为实现无人驾驶矿用卡车在露天矿的应用落地,研究毫米波激光雷达、红外线超声波传感器、视觉感知、4D光场景感知分析等前沿技术,对比惯性导航、GNSS差分感知、车联网定位、电子地图与视觉感知技术,结合露天矿开采以剥采为核心、搬运为纽带的特征,在露天矿车辆运输中落地实

为实现无人驾驶矿用卡车在露天矿的应用落地,研究毫米波激光雷达、红外线超声波传感器、视觉感知、4D光场景感知分析等前沿技术,对比惯性导航、GNSS差分感知、车联网定位、电子地图与视觉感知技术,结合露天矿开采以剥采为核心、搬运为纽带的特征,在露天矿车辆运输中落地实践并取得较好应用效果。通过云控中心、边缘侧、智能终端3方面的突破,实现车辆无人驾驶、云控调度、无人运输仿真、远程应急管理、协同作业以及定位通信等功能,改善无人驾驶技术中车辆定位不准、车辆行驶路径模糊、车辆避障与应急措施不足的问题。

目前我国大部分区域露天开采仍采用人工方式,效率低、风险高。卡车运输费用占生产费用60%以上。据统计,我国露天煤矿使用百吨级以上矿用自卸卡车总计超过5000台,我国劳动法规定员工每周工作时长不得超过40h,每台卡车需配置4.2名司机,全国总计共需约21万名矿用卡车司机。大部分采矿区远离城区,作业环境恶劣,卡车司机老龄化严重,社会从业意愿低,在露天矿运输中,危险隐患大因此,推动矿用卡车无人化驾驶是解决以上问题的方法之一。无人驾驶技术推广有以下4个难点。

(1)道路场景变化大,地图重构难,鲁棒性差。

(2)对传感器依赖高,难以实现产业化生产。

(3)事故责权不明确。

(4)系统测试亟须国家统一标准。

01 露天矿用卡车车无人驾驶技术

无人驾驶车辆从露天矿停车场出发,空车以30km/h速度行驶,并以10km/h转弯,在卸料感应区停止,完成车辆自动卸料过程,之后车辆按照轨迹避障并继续行驶,行驶进铲车装载区域,车辆自动在感应区停止,铲车将物料装载至卡车车厢,车辆离场并进入下一组循环,露天矿用卡车车无人驾驶流程如图1所示。

图1 露天矿用卡车车无人驾驶流程

主观察员负责全厂区车辆安全管理,卸料区观察员与装载区安全员负责车辆卸料装载过程,障碍区观察员负责车辆自动避障功能。车辆控制与应急处理由控制台操控,并通过差分定位基站实时向车辆发送控制指令。

02 无人驾驶核心功能

2.1 车辆实时跟踪

露天矿车无人驾驶系统需要实现矿车精确定位,目前定位技术包括GPS定位、磁感线圈定位与惯性动态定位等方式,车辆定位技术对比见表1。

表1 车辆定位技术对比

(1)GPS定位

GPS精确定位技术实现全天候动态跟踪,应用差分算法实现厘米级定位。露天矿处于空旷地带,受封闭建筑与硐室影响小,但部分煤矿区域GPS信号未覆盖,难以实现信号稳定传输,影响车辆精准定位,研究基于车辆自主定位并利用多传感器融合技术,实现车辆精准实时定位。

(2)惯性动态定位

惯性动态定位采用惯性传感器实现车辆定位跟踪。使用陀螺仪、加速度角位移偏移量对车辆角加速度与线性加速度进行积分,判断车辆初始状态位置,无需接收外界信号,环境扰动小,但存在时间累积误差。

(3)电磁线圈定位

设备在获取无人驾驶矿车位置后,自卸卡车与地图中信息建立映射关系,定位矿用卡车信标,再利用电子地图匹配高精度坐标,当车辆正在交通路网中行驶,通过定位信息与数字化地图提供道路指引。

2.2 前装与后装线控技术

线控技术是实现卡车无人驾驶理论基础,包括矿用卡车线控技术、环境感知、路径规划与决策控制。前装线控是卡车出厂前安装线控系统实现转向、制动、档位、油门、举升功能,缺点是不同品牌矿用卡车不通用;后装线控则是在车辆出厂后对车辆转向、制动、档位、油门等功能统一升级改造。

2.3 环境感知技术

环境感知技术是实现卡车无人驾驶的核心,目前无人驾驶感知系统已由单一传感器感知发展为激光雷达、毫米波雷达、4D光场景智能感知系统、视觉传感装置与红外传感器综合应用。车辆在行驶过程中传感器采集数据,感知周围环境并对动态、静态物体识别、环境感知方法对比见表2。

表2 车辆识别感知方法

(1)超声波雷达检测技术

发射装置向外发送超声波并通过接收端接收,利用信号发射和接收时间差测算距离。超声波传播距离远频率低、穿透性强,购置成本低,但超声波散射角度大,方向性差,回播信号弱,较难抓取目标物体速度信息。

(2)激光雷达检测技术

向目标物体发射激光束并接收回播信号,与发射信号比较后获取距离、车辆行驶方向、运行速度、姿态角与物料形状,对目标探测跟踪并识别。激光雷达体积小质量轻,对有源噪声抗干扰能力强,介质回播影响小无法实现多目标探测,应用ROI高精度地图限定区域,并基于全卷积深度神经网络学习点云特征图谱预测障碍物属性,并实现前景障碍物检测分割,实现可行驶道路与交叉口车辆信息预判,如图2所示。

图2 无人驾驶环境感知技术在车辆设备中的安装与应用

(3)4D光场感知技术

光场描述了空间中矢量光线,矢量光线包涵光照强度、物体颜色变化等。4D光场感知通过算法采集还原4D光场,并将光场中所含信息解析成2D视觉图像与3D点云,识别目标区域,获取目标与原点距离、物体运行速度、姿态角等信息。设备无干扰,恶劣天气适应性强,受雨雪雾天气影响小,但不能在绝对遮挡情况下穿透目标。

(4)红外传感器技术

激光源发射红外光波识别热量差异捕捉物体结构信息,通过发射与接收时间差进行测距,红外传感器技术环境适应性优于可见光,红外传感器在恶劣天气条件下工作能力较强,比雷达与激光探测安全且保密性高,不易被干扰。红外传感技术可以用来测量切向运动,视域宽阔,响应时间短,测量范围广。

(5)视觉传感技术

视觉传感技术是通过视觉传感器获取目标类别与图像位置信息,对道路目标的识别灵活性高,可识别不同物体状态。视觉传感技术用于识别矿区车道线、交通标识物、道路行进障碍、行人等。

2.4 路径决策规划与控制

车辆精准控制是无人驾驶技术的核心技术。决策规划在对周边环境感知基础上增加约束条件,并结合车辆行驶区域最优路径进行决策。基于神经网络与特定场景做出特定行为决策,规划列出所有可能性对车辆行驶路径进行分析预判。

(1)基于采样路径规划分析

与图搜索引擎路径规划不同,基于随机采样路径规划无需建模,搜索执行速度快、规划效率高。RRT算法为典型的随机算法,不要求状态间联通,适合解决无人驾驶车辆在多变环境下的路径策划。

(2)智能优化算法

通过模拟自然界生物行为规律达到路径的优化匹配。智能优化算法具有主动学习、自动决策功能,典型的智能优化算法包括蚁群算法、触须算法与智能水滴算法等。

(3)基于强化学习的无人驾驶算法

强化学习是指利用无人驾驶矿车自身传感器与外界自然环境交互,获取未知环境信息变量。车辆在与环境交互过程中自我学习,获取知识并对行动方案算法改进优化,基于强化学习的算法瞬时差分法、Sarsa算法以及Q-Learning算法。

03 无人驾驶技术总体设计

智慧矿山无人驾驶车辆总体设图3所示。云控中心统一调度管理车辆无人驾驶流程并实时定位现场车辆位置,实现无人驾驶矿车与电铲、推土机协同作业生产、物料装载流程;无人运输仿真模块根据实时环境建立不同车辆运输模型,形成最优调度方案,并确保恶劣工况环境下无人驾驶矿用卡车常态化运行;远程应急管理系统确保无人驾驶矿用卡车遇到紧急情况能临时托管;大数据平台实现功能诊断、故障上报、健康状态评估等功能。

图3 无人驾驶系统总体设计方案

3.1 云控平台

云控平台系统包含地图数据管理、报表管理、车辆智能调度、基础数据管理、多岔路口复杂路况无人驾驶、远程遥控等方面,数据保存在业务服务器、消息中间件、Web服务器、计算服务器与地理服务器中,同时提供数据推送服务、数据分发服务、信息流转服务、空间地图服务、作业调度服务等不同的服务板块,云控平台系统架构如图4所示。

图4 云控平台系统架构

3.2 远程应急接管系统

远程应急接管系统独立于自动驾驶系统,实现双控双驾,具备一键接管功能,保障人员与车辆行驶安全。系统具备主动与被动接管方式,主动接管即车辆出现异常情况后一键接管车辆,被动接管是指云控指挥中心若发现GPS信号丢失或传感器发生故障自动接管。

3.3 无人运输仿真模块

无人运输仿真模块采用自上而下、整体与局部相结合的方式,是由机群管理服务器、自动驾驶控制器、虚拟仿真系统与矿区场景模型软件组成。机群管理提供设备作业管理、设备监测与地图管理,自动驾驶控制器负责无人车辆的作业管控,模拟挖掘机辅助驾驶,实现车辆感知控制并提供决策规划,加速方案落地保障测试安全,无人运输仿真系统架构如图5所示。

图5 无人运输仿真系统架构

3.4 健康管理云平台

健康管理系统独立于各子系统,周期性感知获取无人驾驶矿车整体性能,按照紧急程度进行安全等级划分。健康管理云平台包括车辆自检、设备故障诊断、问题云平台上报、健康状态评估、数据存储查询等。健康管理云平台可接入第三方数据网络并实现历史故障诊断与故障信息获取。

3.5 协同作业管理系统

协同作业平台包括数据终端通信、无人设备协同办公、无人驾驶远程开采。对工程设备、辅助生产作业系统,用于保障人车安全,GNSS定位获取位置,进行信息交互,协同作业管理系统拓扑如图6所示。

图6 协同作业管理系统拓扑

3.6 无人驾驶矿车作业流程

无人驾驶车辆作业流程主要包括:作业车辆计划下达、生产运行计划、作业计划统计、实时路径规划、设备实时调度、实时运行监控、实时数据记录、车辆作业管理、自动定位、匀速行驶、自主避障、联合装载、自主卸料、设备异常处理、故障实时监测以及设备定期维护等环节。无人驾驶矿车设备作业流程非单向传输,是各环节上下融合关联,无人驾驶矿用卡车工作流程如图7所示。

图7 无人驾驶矿用卡车工作流程

04 无人驾驶矿用卡车发展趋势

4.1 多传感器综合应用

激光雷达、超声波雷达以及毫米波雷达是主动式传感器,通过自身发送信号并返回时延感知车辆周边环境状况,获取车辆运行速度、定位信标。目前无人驾驶矿用卡车防碰撞系统在市场仍占据主导。

视觉传感器被动式感知成本低,在煤炭工程应用广泛,多用于运输道路遮挡物体识别、路面遗撒、凹坑判断等领域。

视觉传感器缺点是夜间光照差时粉尘大、易失真,但红外传感器可被动捕捉物体信息。单一传感器目标检测算法应用各有利弊,传感器综合应用是实现无人驾驶矿用卡车全天候环境感知的发展方向,将传感器捕获信息投影到坐标系空间内以提高目标测量精度,提高车辆行驶安全性。

4.2 多定位技术融合

单一定位技术无法满足无人驾驶矿用卡车在复杂多变环境下的车辆定位,使用多定位技术融合,高精度系统辅助定位方式可改善车辆行驶过程中的稳定与连续性。应用惯性导航定位、GNSS定位技术以及精确定位技术、V2V定位技术等,实现目标多源定位信息最优估计,提高无人驾驶卡车辆定位精度并保障系统安全可靠运行。

4.3 路径规划技术

路径规划的每种算法各有优势与局限性,在露天矿复杂环境下,采用单一算法实现路径规划比较困难,多算法融合优化是该领域研究重点。在无人驾驶车辆路径规划测试中,点到点路径规划与已知环境下障碍物路径规划研究起步晚,未知环境下有障碍物路径算法规划进展较大,但具体规划算法中仍存在不足,故混合路径规划算法的研究仍是未来研究重点。

4.4 与标准作业流程高度融合

目前,我国露天煤矿无人驾驶矿用卡车应用技术主要从公路无人驾驶技术引进,研发团队不熟悉矿山作业环境,并不具备现场管理经验。露天矿用卡车标准作业流程是国家能源集团露天矿山生产作业多年工作经验积累,是对卡车作业司机现有作业环境与工作经验的总结与提炼。将现有无人驾驶车辆算法与露天矿山标准作业流程有机融合是实现无人驾驶的必经之路。

4.5 深入应用5G技术

矿用卡车大数据传输,超低时延时是决策系统的安全运行保障,5G系统能够根据优先级分配网络,提高无人驾驶矿用卡车信息收集、处理能力并实现高速决策,是未来智慧矿山无人驾驶技术的依托。

05 结语

无人驾驶矿用卡车在露天矿的应用落地并取得较好效果,实现了露天矿运输的生产作业车辆无人驾驶的近期目标,有效解决了露天开采人工方式效率低、风险高等问题。下一步将攻克智慧矿山无人驾驶矿用卡车亟待解决的核心技术难点,加强数字孪生、目标检测、定位导航、人工智能等相关领域的技术研发,分析无人驾驶矿用卡车实际项目落地中遇到的问题,并探讨无人化、智能化在智慧化矿山建设的发展趋势,使智慧矿山无人驾驶矿用卡车应用日趋完善。

文章来源:《智能矿山》2024年第11期“学术园地”专栏

作者单位:中煤科工智能储装技术有限公司

引用格式:王伯君. 智慧矿山无人驾驶技术发展趋势研究与总体设计[J]. 智能矿山,2024,5(11):63-69.

来源:智能矿山杂志

相关推荐