露天矿无人驾驶自卸卡车发展综述

李庆玲，张慧祥，赵旭阳，许茂洲

(中国矿业大学(北京) 机电与信息工程学院，北京 100083)

露天开采作为矿产资源开发的主要方式，在煤炭开采中发挥着重要作用，其具有生产规模大、效率高、成本低、资源采出率高等优势，成为世界主要产煤大国的首选开采方式[1]。但露天矿常位于偏远地区，环境恶劣，信息化程度差[2]，存在以下问题：①运载设备需经验丰富的驾驶员操作，高级作业人员招聘难，流动性大；②人员工资成本高、人工运输油耗大、设备易损维护困难；③车辆间协调性差，难以统一管理和精准控制；④司机长时间高强度工作易出现疲劳驾驶导致安全事故[3]。因此，采用无人驾驶运输对降低开采成本，提高运输效率，减少事故发生具有重要的现实意义。

近年来，无人驾驶发展迅猛，但开放道路无人驾驶步入瓶颈，主要面临问题如下：①道路场景复杂多变，高精度地图构建更新困难，感知、定位等关键技术鲁棒性不能保证；②系统依赖的传感器对精度要求高、价格高使其难以产业化；③对无人驾驶产生的事故责任划分不明确，需进一步完善相关法律法规；④无人驾驶系统的测试缺少统一标准或方法[4]。这导致无人驾驶在开放道路短时间内难以普及。但露天矿具有道路场景单一、车辆运行线路固定、低速、交通参与者组成简单、交通规则可自制等优势，是无人驾驶最佳落地场景之一。国家煤矿安全监察局公告2019年第1号文件《煤矿机器人重要研发目录》将“露天矿卡无人驾驶系统”列为重点研发项目。因此，以智能化、数字化[5]、网联化为核心的现代矿山装备无人驾驶技术是智慧矿山[6]建设的重要发展方向。

1 场景描述与无人矿卡功能要求

1.1 露天矿场景描述

露天开采是将覆盖在矿体上部及周围的浮土和围岩剥去，从敞露的矿体上采掘矿石。公路开拓常作为露天矿开拓方式的组成部分，其特点见表1，可以看出，公路开拓优缺点互现。发展公路开拓无人驾驶的优势可从四个方面概括：①环境开阔，GPS信号全覆盖，定位可靠性高；②人员位置固定可控，运输设备移动速度低，生产过程相对封闭，交通规则可自制，环境感知数据更易解析；③道路场景单一，运输路线固定，点对点运输技术难度小；④测试场地易选，测试安全隐患少。

在露天矿开采中，矿山运输的基建投资占矿山基建投资额的60%左右，运输成本和劳动量分别占矿山总成本和总劳动量的50%以上[7]。根据采矿设备行业统计公司Parker Bay的数据，矿山无人驾驶的应用可以在运载装备、人员、油料、轮胎磨损等方面节约大量成本、降低污染物排放量。另外，随着人工智能的发展，露天矿无人驾驶自卸卡车(以下简称无人矿卡)及其系统建设已具备技术可行性。

表1 公路开拓运输的特点

1.2 无人矿卡功能要求

对于车辆智能化分级，常采用国际汽车工程师协会(Society of Automotive Engineers)制定的标准，又称SAE标准，相关概述见表2。

表2 SAE自动驾驶分级表

由表2可知，自动驾驶的发展是从辅助驾驶到全自动驾驶，从应对简单场景到可掌控所有场景的升级过程。Level 3级可以在特定条件下实现自动驾驶，Level 4及以上级别无需人为干预，可实现完全无人驾驶。因此，露天矿无人驾驶自卸卡车的需求及场景完全符合Level 4级别的概念定义和功能界定。

2 无人矿卡发展现状

2.1 国外发展现状

矿山无人驾驶卡车的研究始于20世纪70年代，日本、美国等国家的研究机构和企业取得了一些成果。

2.1.1 日本小松(KOMATSU)

日本小松公司20世纪80年代开始研究矿山运载设备的无人驾驶技术。1996年，小松无人驾驶卡车在澳大利亚投入运行，以激光校准制导和全球定位系统(GPS)引导卡车。2005年，在现有车型上改装，改装车如图1(a)，并通过综合性矿山车队自动化管理系统AHS(名为FrontRunner)将自动化卡车、推土机、装载机和铲车实现智能化配合，整个系统可在地面控制中心、通信基站、导航卫星等设备的支持下持续工作。2016年，小松发布取消司机驾驶室的矿用无人驾驶卡车，如图1(b)所示。2017年底，小松的无人驾驶卡车总数超过100台，累计运输超过10亿t物料。此外，小松发展无人驾驶系统在混合型车队的应用能力，即一个车队中同时运行有人驾驶和无人驾驶，以实现现有矿山向全面无人驾驶过渡。

图1 小松公司无人矿卡

AHS工作系统如图2所示，每台卡车都安装一套车辆控制器、高精度GPS、障碍物检测系统和无线网络系统，由装备了高精度定位GPS系统的车队检测中心管理。系统运行过程中，检测中心为每辆车制定目的地，车辆通过无线传输接收指令并按目标路线运行，卡车由GPS、控制中心无线指令和其他引导装置来确定车辆在矿山的准确坐标及周围环境情况，自卸车在无人操作的情况下实现装载、运输和卸载的自动运行。

图2 小松AHS系统

AHS系统的优点可概括为：①减少对卡车司机的需求量和依赖性；②提高工作效率、增加运行时间；③提高矿山工作的安全性，减少工作意外，无人驾驶的工作车辆可以代替人工到更危险的地带工作；④节省燃油和减少碳排放，更加环保；⑤节省人工运输费用，减缓轮胎损耗，降低运行成本。

2.1.2 美国卡特彼勒(Caterpillar)

美国卡特彼勒(Caterpillar)于20世纪80年代末开始无人驾驶自卸矿用卡车的研究，并改装出矿用自动化卡车AMT。该型卡车在前、后、侧面均配备了扫描雷达系统，可检测道路上的人员和障碍物，卡车到达装车位置时自动停车。之后，卡特彼勒不断完善矿山之星(MineStar)系统，该系统还包括车队配置、地形测试、数据监测、设备监控、管理运用等子系统。截至2019年3月，CAT无人驾驶卡车累计行驶超过3500万公里，运送的物料超过10亿t。

CAT的自动化系统主要包括定位、环境监测、机器控制、无线通信和位置控制，原理是基于精确的GPS，在比较固定的路线行驶，GPS接收器不断地监测卡车的位置和方向，激光扫描卡车前面的路面确定是否有障碍物，数据经过处理决策后传到执行机构，卡车选择避开或停止。数据采用无线传输，不使用电缆或其他固定安装的设备，这使得路线变动更易于实现。

除以上公司外，还有其他一些公司展开了相关研究。2016年沃尔沃公司发布了首辆矿用无人驾驶卡车，并在瑞典的地下矿井完成测试。2018年沃尔沃无人驾驶卡车项目落地挪威Kalk矿井，完成港口与矿井间往返矿石运输。

2.2 国内发展现状

中国从20世纪80年代开始无人驾驶汽车的研究，国防科技大学在1992年研制出中国第一辆真正意义上的无人驾驶汽车。国内虽起步较晚，但近年来发展迅速。

徐工集团以平行驾驶[8]理念为主线，与青岛慧拓智能合作研发了徐工蓝星系列，并于2018年宝马展上，展出了油气悬架无人驾驶智能宽体自卸车。该车采用了徐工“X-智能控制”无人驾驶技术，拥有循迹行驶、智能避障、运动跟随、自动转弯、人机交互及感知融合多种功能。徐工集团的智慧矿山机械机群系统如图3所示。

图3 智慧矿山机械机群系统

由图3可知，该系统由无人驾驶矿卡、半自动挖掘机、和机群管理系统组成，实现整个矿山挖掘运输作业的全自动化。

北京踏歌智行主要提供矿区无人驾驶的智能化改装方案，传感器选择主要为激光雷达、毫米波雷达、GPS。因矿场内多扬尘，摄像头作用受限，故激光雷达是主要传感器，布置在车辆的前向与后向。另外，作业矿车在固定线路行驶，对高精度地图的依赖性较小，且无人驾驶卡车一般为低速行驶，20m左右的感知范围即可满足需求，作业中的无人驾驶运输车如图4所示。在控制方面，常用加装机器人和线控改造两种方案，其中100～200t特大型卡车多采用加装机器人，而60～70t的矿用卡车一般使用线控改造。

图4 无人矿卡

近年来，国内还有很多其他的机构和企业致力于露天矿无人驾驶卡车及其系统的研究。随着无人采矿技术被国家科技部列为“十一五”、“863”计划首批启动专题的研究方向之一，发展数字化、智能化采矿，是我国采矿业未来的发展趋势。

3 无人矿卡关键技术

无人矿卡车辆的主要任务是特定路线、场景上的物料运输[9]。车辆通过感知周围环境，依据获取的信息决策判断，控制车辆沿期望轨迹行驶。涉及的关键技术分为环境感知、精确定位、决策与规划、控制与执行四个模块，系统如图5所示。

该系统是一个分层结构，各模块发挥不同的作用并相互影响。下文将对四个模块进行分述。

3.1 环境感知

环境感知是无人矿卡车辆与外界信息交互的关键。为确保车辆对周围环境的正确理解并做出合适决策，环境感知技术需利用摄像机、激光雷达、毫米波雷达等车载传感器，获得汽车所处位置的环境信息和车辆状态信息，为无人驾驶的决策规划提供服务。主流感知技术包括视觉感知、激光感知、微波感知等，对比见表3。

对矿区无人驾驶，影响感知精度的因素主要表现在：①粉尘多，影响传感器的探测距离和感知精度；②道路不平整，碎石、坡路多，影响车辆行驶平稳性进而影响传感器精度；③矿区环境温差大，需要所搭载的传感器工作温度范围广。考虑车辆作业环境的特殊性，矿山无人驾驶运输车的感知系统需采用多源异构传感器融合的方法，以提高对环境感知的准确性和鲁棒性[10]，另外，所使用的传感器要有较强的自适应能力、抗干扰能力等。实际应用中的传感器一般选择多个对粉尘敏感度低的毫米波雷达，并融合包括激光雷达、摄像头等多种传感器信息，提高感知模块在矿山环境下的感知能力。

表3 感知方法比较

3.2 定位导航

无人驾驶汽车的基础是精准定位，不仅需要获取车辆与外界环境的相对位置关系，还需要通过车辆状态确定车辆的绝对位置与方位。主流的导航技术包括全球定位系统(GPS)、磁导航[11]、惯性导航、SLAM，其优缺点及定位精度对比见表4。

GPS是目前应用最成熟、广泛的车辆定位技术，虽频率低，在城市高楼密集或隧道等环境中，存在多路径反射、信号易被遮挡或丢失等问题[12]，但仍是现今城市开放道路无人驾驶定位导航技术中不可或缺的部分。露天矿山空旷、开阔、无遮挡的环境区别于城市道路，不存在多路径反射问题，这大大提高了GPS定位精度和可靠性。另外，结合表4可知，单一的导航方式存在局限，不能同时满足多种场景需求，通常采用多传感器融合的方式增加系统的鲁棒性，常用的融合定位的方式有：

1)GPS和惯性导航融合定位，定位精度依赖传感器成本，精度范围一般在几十米到几厘米之间，精度越高，相应传感器的价格越昂贵。

2)基于点云地图和激光雷达定位[13]，可以实现车辆的高精度定位，但是需要提前构建高精度地图，所需的硬件设备和数据处理成本及地图更新、维护的成本较高。

3)毫米波雷达和摄像机融合定位[14]，毫米波雷达受光照和天气的影响较小，稳定性好，探测精度较高，距离较远，可以弥补单一视觉传感器精度不够，稳定性差，检测距离近问题。

4)摄像机和惯性导航系统的组合定位[15]，主要是对齐时间戳，完成基于视觉里程计信息和IMU航迹推算信息的松耦合或紧耦合，估计车体位置和姿态，成本低，理想环境中定位效果好，实际应用中受环境影响较大。

表4 定位方法比较

在无人矿卡的实际应用中，工作环境粉尘多、道路标示性差、路面不平整、气候多变等自然因素影响传感器精度，车辆常采用多重冗余定位，一般包括RTK差分定位、点云匹配定位和局部定位等，以确保车辆复杂工况下的精准定位。

3.3 决策与规划

无人驾驶车辆的行为决策与路径规划是依据环境感知信息和导航系统输出的结果，通过一些特定的约束条件规划出给定起止点之间的多条可选路径，并在这些路径中选取最优的路径作为车辆行驶轨迹。

目前，无人驾驶车辆主要使用的行为决策算法有三种：①基于神经网络：采用神经网络确定具体的场景并做出适当的行为决策；②基于规划：列出所有可能的组合，再用基于规则的技术路线对汽车的决策系统编程；③混合路线：综合以上两种方决策方法。其中混合路线当前应用最为广泛。

规划系统通常包含两项内容：第一项是路径规划，即路径局部规划，无人驾驶车辆中的路径规划算法会在行驶任务设定之后将完成任务的最佳路线选出来，避免碰撞。第二项是驾驶任务规划，即全局路径规划，主要的规划内容是指行驶路径范围的规划，当无人驾驶车辆行驶时，驾驶任务规划会为车辆的无人驾驶提供方向引导方面的行为决策。

3.4 控制与执行

控制和执行主要是使车辆在不同道路和场景下保持自适应能力和较强鲁棒性的主动控制，是无人驾驶汽车行驶的基础。通常包括对车辆的纵向控制和横向控制：①纵向控制，即车辆的驱动与制动控制，是指通过油门和制动的协调，实现对期望车速的精准跟随；②横向控制，即通过方向盘角度的调增以及轮胎力的控制，实现无人驾驶汽车的路径跟踪。当前研究较多的是横向控制，运用的方法主要包括滑膜控制、模糊控制、神经网络控制、最优控制、自适应控制和纯跟踪控制等。另外，车辆控制平台是无人车的核心部件，控制着车辆的各种控制算法，其主要包括电子控制单元(ECU)和通信总线两部分。ECU主要用来实现控制算法，通信总线主要同来实现ECU与机械部件之间的通信功能，通常以CAN总线为代表。

4 无人矿卡发展趋势

通过对国内外研究现状的总结和分析，结合智慧矿山建设需求、环境特点、无人驾驶关键技术发展等因素，预测露天矿无人矿卡发展趋势如下：

1)人工智能、视觉感知：目前激光雷达是矿山感知系统中的主要设备，但雷达数据稀疏、价格昂贵，而相机携带丰富的数据信息，且对于复杂的路况检测，借助深度学习能够满足高精度需求。深度学习在算法和样本量足够的情况下，视觉感知的准确率可以达到99.9%以上。随着智能化算法的发展，相机将以其低廉的价格、丰富的环境信息，在感知领域发挥越来越重要的作用。

2)自主定位、多传感器融合：当前无人矿卡运输系统主要应用GPS和惯性导航组合定位，激光雷达和高精度地图辅助定位，但部分矿区GPS信号覆盖差，难以保证信号的稳定性和连续性，且矿区环境多变，这对高精度地图的制作和更新带来挑战，另外，对于矿山运输中的装载、卸载、会车等关键环节，往往需要精准定位，发展基于车辆所处环境的自主定位方式，利用多传感器信息融合是实现车辆精准定位的有效途径。

3)云计算、云存储：鉴于无人驾驶对运算量的巨大需求，依赖5G网络大带宽、低时延、广连接的特性，以满足超大数据量的低时延传输，实现车队之间协同运转，共享车队感知数据，并让车载服务器走上云端，解放车上空间。另外，云存储系统在采矿业中有明显的优势，可以协调多个矿区的生产、设备运行等。

4)车路协同、辅助智能：全开放环境的无人驾驶以目前技术短期内很难实现，即使在特定场景依然难以保障安全高效的长时间运行，增加基础建设以辅助驾驶，就可以降低系统难度，从实现落地，以及安全的角度来看，未来的无人驾驶不会是简单的单车智能，而是逐步走向车路协同的模式。

5 结 语

无人化与智能化的采矿方式是现代矿山发展的必然趋势，露天矿无人驾驶运输技术充分利用了露天矿人流量少、场景单一、运输路线相对固定等优势，结合感知、定位、决策控制等无人驾驶关键技术，为露天矿开采运输过程中调度困难、人工成本高、安全事故多发等突出问题带来了新的解决方案，也为智慧矿山建设注入了新的活力。

然而，无人驾驶技术面临感知、等位等技术瓶颈，要在技术鲁棒性和高成本之间找到最优解。另一方面，露天矿工作场景粉尘多、环境特征不明显、气候恶劣等因素影响传感器正常工作。要解决上述问题，需借助深度学习、目标识别、自主定位、云计算等相关领域的进一步发展，但是，无人驾驶矿用卡车无论是从应用场景、需求，还是从成本控制、提升安全层面出发，都将迎来重要发展机遇。可以预见，未来无人驾驶将更多的渗透到采矿行业，加快智慧矿山建设，使采矿业实现跨越式发展。