CN113002540B - 矿用自卸车控制方法及装置 - Google Patents

Abstract

本发明提供一种矿用自卸车控制方法，其包含：通过矿用自卸车上的传感器实时采集周边环境信息，结合矿用自卸车所在矿区的高精度地图，通过规划算法进行路径规划，得到可行驶路径；通过规划算法对可行驶路径进行横向切点采样，得到切点采样集，针对切点采样集中的每一个切点，生成一条由矿用自卸车当前位置至当前切点的路径，得到扩展路径集；针对扩展路径集中的每一条路径，基于路面情况以及矿用自卸车的载重情况，进行路径速度规划，得到对应于每一条路径的速度规划结果。本发明实现矿用自卸车的无人驾驶，通过一系列算法对矿用自卸车轨迹进行规划，使每条轨迹有细微区别，防止矿用自卸车在矿区行驶过程中出现过深的车辙，影响矿用自卸车的安全。

Description

矿用自卸车控制方法及装置

技术领域

本发明涉及智能驾驶技术领域，具体地说，涉及一种矿用自卸车控制方法及装置。

背景技术

在矿山环境下，普遍存在路面不平整、障碍物较多且多辆矿用自卸车同时工作状态复杂的情况，这也就对矿用自卸车的安全造成极大的威胁。因此，对于矿用自卸车进行合适的路径规划，使智能驾驶矿用自卸车保持安全距离，且保证矿用自卸车每条路径有细微差别，防止在矿区路面生成过深的车辙是十分重要的。作为矿区运输中的重要设备，矿用自卸车在工业与民用建筑、水利水电、矿山采掘以及军事工程等施工中起着极为重要的作用。

国内现有的矿用自卸车基本上采用人工操作方式，要求驾驶员具有较高的驾驶水平，例如矿区环境能见度较低，环境十分复杂。工作时要求驾驶员保证注意力持续集中，需要操作者具有足够的经验和判断力。作业的劳动强度大，在进行矿用自卸车司机进行操作时，操作者需要在视觉和听觉的基础上，依靠经验知识进行推理以对矿用自卸车进行控制和监视，体力和脑力消耗极大；另外，工作环境恶劣，常常伴有强烈的震动、噪音和灰尘，有时甚至面临塌方、辐射、***以、及化学物等威胁，严重危及工作者的身心健康乃至生命。随着科学技术的快速发展，矿区无人化是未来的发展方向。

因此，本发明提供了一种矿用自卸车控制方法及装置。

发明内容

为解决上述问题，本发明提供了一种矿用自卸车控制方法，所述方法包含以下步骤：

通过所述矿用自卸车上的传感器实时采集周边环境信息，结合所述矿用自卸车所在矿区的高精度地图，通过规划算法进行路径规划，得到可行驶路径；

通过所述规划算法对所述可行驶路径进行横向切点采样，得到切点采样集，针对所述切点采样集中的每一个切点，生成一条由所述矿用自卸车当前位置至当前切点的路径，得到扩展路径集；

针对所述扩展路径集中的每一条路径，基于路面情况以及所述矿用自卸车的载重情况，进行路径速度规划，得到对应于每一条路径的速度规划结果。

根据本发明的一个实施例，所述方法还包含：建立所述矿用自卸车所在矿区的所述高精度地图，其包含以下步骤：

基于激光雷达数据以及惯导数据，通过融合算法得到所述高精度地图，所述高精度地图中包含车辆速度、转向角以及坐标点信息。

根据本发明的一个实施例，所述周边环境信息包含障碍物信息、行人信息以及与其他车辆距离信息。

根据本发明的一个实施例，通过规划算法进行路径规划，得到可行驶路径的步骤中，还包含以下步骤：

基于行驶起点信息以及行驶终点信息，得到此次路线规划的中心参考线；

基于车辆动力学约束结合所述中心参考线产生粗糙路径，所述粗糙路径为在所述中心参考线周围具备行驶条件的路径；

通过梯度优化算法，对所述粗糙路径进行优化，生成更为平滑的所述可行驶路径。

根据本发明的一个实施例，所述方法还包含：在生成所述扩展路径集时，保证所述扩展路径集中路径间的距离不小于预设阈值。

根据本发明的一个实施例，所述方法还包含：在所述矿用自卸车所在矿区内设置所述矿用自卸车的可行驶范围。

根据本发明的一个实施例，所述方法还包含：通过可视化界面，实时显示所述矿用自卸车的行驶画面及其周围环境画面。

根据本发明的一个实施例，接收远程控制指令，在所述远程控制指令中包含的位移量信息以及速度值信息的控制下，进行前进、转弯以及避障。

根据本发明的另一个方面，还提供了一种矿用自卸车控制装置，所述装置包含：

可行驶路径模块，其用于通过所述矿用自卸车上的传感器实时采集周边环境信息，结合所述矿用自卸车所在矿区的高精度地图，通过规划算法进行路径规划，得到可行驶路径；

路径扩展模块，其用于通过所述规划算法对所述可行驶路径进行横向切点采样，得到切点采样集，针对所述切点采样集中的每一个切点，生成一条由所述矿用自卸车当前位置至当前切点的路径，得到扩展路径集；

速度规划模块，其用于针对所述扩展路径集中的每一条路径，基于路面情况以及所述矿用自卸车的载重情况，进行路径速度规划，得到对应于每一条路径的速度规划结果。

根据本发明的一个实施例，所述装置还包含：地图模块，其用于建立所述矿用自卸车所在矿区的所述高精度地图，其配置为：

基于激光雷达数据以及惯导数据，通过融合算法得到所述高精度地图，所述高精度地图中包含车辆速度、转向角以及坐标点信息。

本发明提供的矿用自卸车控制方法及装置对矿用自卸车底层进行协议更改，实现对于矿用自卸车的无人驾驶，通过一系列算法对矿用自卸车轨迹进行规划，使每条轨迹有细微的区别，防止矿用自卸车在矿区行驶过程中出现过深的车辙，影响矿用自卸车的安全。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1显示了根据本发明的一个实施例的矿用自卸车控制方法流程图；

图2显示了根据本发明的一个实施例的规划算法的整体架构图；

图3显示了根据本发明的一个实施例的从某一点出发规划得到的路径示意图；

图4显示了根据本发明的一个实施例的矿用自卸车整体架构图；

图5显示了根据本发明的一个实施例的矿用自卸车信息传输过程示意图；

图6显示了根据本发明的一个实施例的不同矿用自卸车之间的路径规划示意图；

图7显示了根据本发明的一个实施例的某一矿用自卸车的路径规划示意图；以及

图8显示了根据本发明的一个实施例的矿用自卸车控制装置结构框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，以下结合附图对本发明实施例作进一步地详细说明。

目前，对于矿用自卸车的仿真工作都集中在车辆自身属性的处理以及控制上，这就导致对于车体自身属性显示方面信息的缺失。并且，目前在传统的矿山开采行业中，很少对矿用自卸车进行相关的控制操作，矿用自卸车司机对于矿用自卸车状态的判断还是处于“凭借经验”的阶段。

现有技术一提出了一套对矿用自卸车进行远程遥控的***，通过无线电接受和发送装置实现远程对矿用自卸车的控制。虽然该现有技术实现了对于矿区路径结构的优化，使路径更为坚硬，但是满载矿用自卸车重达500吨，不论什么材质路面都会在矿用自卸车的反复行驶过程中出现深深的车辙，对于矿用自卸车的作业出现极大危险。

现有技术二提出了一种矿用自卸车的仿真方法，通过多体动力学仿真软件ADAMS中构建矿用自卸车的运动学模型，并定义其运动，模拟矿用自卸车的典型工作情况，并将多传感器数据进行融合，来降低***的误差和不确定性。该现有技术仅实现了对大型工程车辆规划功能，通过对矿用自卸车性能及路面接触参数包括碰撞恢复系数、静摩擦系数、滚动摩擦系数等进行测评，使矿用自卸车的环境融合更为快捷，但是缺乏实际的硬件设备与之配对，故从此角度来看，并没有实现对矿用自卸车的闭环控制。

图1显示了根据本发明的一个实施例的矿用自卸车控制方法流程图。

如图1，在步骤S101中，通过矿用自卸车上的传感器实时采集周边环境信息，结合矿用自卸车所在矿区的高精度地图，通过规划算法进行路径规划，得到可行驶路径。

在一个实施例中，在步骤S101之前，还可以包含以下步骤：建立矿用自卸车所在矿区的所述高精度地图，具体来说，基于激光雷达数据以及惯导数据，通过融合算法得到高精度地图，高精度地图中包含车辆速度、转向角以及坐标点信息。

进一步地，周边环境信息包含障碍物信息、行人信息以及与其他车辆距离信息。

在一个实施例中，可以通过以下步骤得到可行驶路径：

首先，基于行驶起点信息以及行驶终点信息，得到此次路线规划的中心参考线。

然后，基于车辆动力学约束结合中心参考线产生粗糙路径，粗糙路径为在中心参考线周围具备行驶条件的路径。

最后，通过梯度优化算法，对粗糙路径进行优化，生成更为平滑的可行驶路径。

如图1，在步骤S102中，通过规划算法对可行驶路径进行横向切点采样，得到切点采样集，针对切点采样集中的每一个切点，生成一条由矿用自卸车当前位置至当前切点的路径，得到扩展路径集。

具体来说，在生成扩展路径集时，保证扩展路径集中路径间的距离不小于预设阈值。在一个实施例中，可以将预设阈值设置为0.5米。

如图1，在步骤S103中，针对扩展路径集中的每一条路径，基于路面情况以及矿用自卸车的载重情况，进行路径速度规划，得到对应于每一条路径的速度规划结果。

另外，在一个实施例中，在矿用自卸车所在矿区内设置矿用自卸车的可行驶范围。具体来说，可以在矿用自卸车的算法层面设定可行使范围即电子围墙。新增的电子围墙功能提供了车辆最基本的防护措施，通过限定矿用自卸车的行动范围，间接的保护车辆，也防止操作算法出错或者人员操作不当使矿用自卸车运动到危险区域。

另外，在一个实施例中，通过可视化界面，实时显示矿用自卸车的行驶画面及其周围环境画面。具体来说，可以通过ROS的可视化插件，实现矿用自卸车及其周围环境的可视化。通过可视化界面，操作人员可以实时监测矿用自卸车的工作状态，且规划算法根据矿用自卸车当前位置信息做出最适合矿用自卸车的行驶路径，通过该行驶路径，极大的降低了矿用自卸车车对矿区道路的损耗，从而避免了的各种危险，也在很大程度上减少了对宽体自身的磨损，使矿用自卸车的油耗降低，使用寿命增长。

另外，在一个实施例中，接收远程控制指令，在远程控制指令中包含的位移量信息以及速度值信息的控制下，进行前进、转弯以及避障。具体来说，矿用自卸车在自动驾驶时，可以接收远程控制指令，在远程控制指令的指导下行驶。

总结来说，矿用自卸车对其周围环境进行数据实时探测，有效的通过融合算法对矿用自卸车周围的环境进行建模，使矿用自卸车的工作状态、自身信息以及周围环境信息通过传感器实时传输到工控机中，再通过规划算法，给予自动驾驶矿用自卸车一个合适的路径和速度，使矿用自卸车之间保持一个安全距离，且可以使不同矿用自卸车的行驶路径出现细微差别，即保证矿区路面不出现过深的车辙。

图2显示了根据本发明的一个实施例的规划算法的整体架构图。在本发明中，规划算法能够给予自动驾驶的矿用自卸车一个合适的路径和速度，如图2，规划算法接收感知层数据信息，在得到路径规划以及速度规划结果后，将规划好的路径以及速度传达到控制层，以对矿用自卸车进行控制。

如图2，在一个实施例中，规划算法使用的为Lattic规划算法，使用该算法将车辆的路径规划与速度规划划分为两部分。

第一部分：先使用lattic算法产生一个符合车辆动力学约束的粗糙路径，在产生粗糙路径过程中是根据中心参考线信息生成一条在参考线周围的可行驶路径，但这条路径较可行驶路径更为粗糙，所以通过梯度优化算法进行优化，使生成的可行驶路径更为平滑。

接着，在已经生成的可行驶路径的基础上，对每段路径进行横向切点采样，并为每一个切点到当前车辆位置生成一条路径(如图3)，这样能够保证车辆行驶在矿区路面上时有不同的路径，就目前使用情况来看，每条路径比较合理的间隔为半米，既保证道路的利用率，也保证不同车辆在同一路径行驶轨迹有细微区别，使得车辆在行驶过程中不会出现反复压车辙的情况。同时避免了过深的车辙对矿用自卸车的安全造成威胁。

第二部分：在每辆矿用自卸车生成不同路径以后，对矿业自卸车进行速度规划，速度主要取决于路面情况和车辆是否满载，对速度进行规划后车辆的路径拥有路径以及路径速度，即基本完成路径的规划工作。

在另一个实施例中，在Linux***中基于ROS框架和Opengl进行算法的开发，并结合工控机实现对无人矿用自卸车的通信功能，对矿区环境建立高精度地图，通过地图信息及矿用自卸车上安装的传感器传来的信息实时对矿用自卸车周围环境进行判断，最终使用路径规划算法给予无人矿用自卸车路径，使矿用自卸车按安全的路径行驶。具体如下：

步骤一、对矿用自卸车线控底层进行改造，使矿用自卸车可以接收相应指令且可以执行指令相应操作；并在矿用自卸车上添加工控机，使得可以通过工控机实现对矿用自卸车的控制。

具体来说，在自动驾驶过程中将信号传给工控机进而实现对矿用自卸车的控制功能，矿用自卸车可在信号的控制下做出前进、转弯和避障等等一系列动作。经过改装的矿用自卸车可以精准地将远程控制信号，还原为车辆的位移量和速度值，从而控制矿用自卸车进行各种行为。

步骤二、矿用自卸车车身配置工控机为Ubuntu16.04***，在该***中使用ROS框架进行工控机与(宽体)车辆本身的通信，通过此种通信方式矿用自卸车可以接收工控机所有信息并将其转化为车辆运动。

在本实施例中，矿用自卸车通过规划算法提供的路径实现自动驾驶功能。当车身上的各个传感器传输的数据在工控机上进行处理，会得出一条满足矿用自卸车约束要求的路径。再通过相关的控制算法使矿用自卸车沿着该路径行驶，完成矿用自卸车的无人驾驶工作。

以上，基于ROS，在底层算法方面可采用多种语言编程，代码复用性好，矿区无人化实现起来更加容易。采用ROS跨机器跨平台的通信架构可以实现了整个矿区***的多机器多节点并行的形式，能实时启动不同的节点并进行监测，也能直接通过主节点来启动所有节点完成矿卡运输动作。

如图4所示，根据激光雷达和惯导数据，通过融合算法可以得到高精度地图。在该地图中包含地图的所有信息如车辆速度、转向角、坐标点等等信息。通过高精度地图提供的信息，矿用自卸车就可以根据GPS坐标与地图坐标的匹配获取附近环境的大体信息。

矿用自卸车可以通过车身上传感器获取周边环境的详细信息。如：障碍物、行人和与其他车辆距离等等。在接受当前信息后，通过高精度地图中对矿用自卸车走位的环境信息进行建模，根据进行路径规划，使矿用自卸车可以根据规划算法给出的路径进行行驶。

对于不同的矿用自卸车，如图6所示规划算法在不同的矿用自卸车规划的路径有些许偏差，使不同的宽体车行走不同的路径，大大使矿区路面的车辙深度减少。对于同一辆矿用自卸车，可以如图7所示，规划算法规划不同的路径以减少车辙。

如图4，工控机可以通过CAN总线发送油门信息、刹车信息、挡位信息以及发动机信息；工控机向远端的回传调度中心传送车辆视频信息、车辆坐标信息以及工作状态信息；工控机发送翻斗信息来实现装矿卸矿操作。

步骤三、通过上述一、二步骤，基本实现了矿用自卸车的不同路径行驶功能，还通过算法可以对一些参数进行预设值，使矿用自卸车的路径可以工作在更为安全的环境中，而且还可以通过ROS框架自带的RVIZ可视化显示界面，使处于远端的工程师对矿用自卸车所处位置和周围环境状态一目了然，改善了以往宽体司机“凭借经验”对矿用自卸车进行操作的方法。

图5显示了根据本发明的一个实施例的矿用自卸车信息传输过程示意图。如图5所示，矿用自卸车上的传感器节点、惯导节点以及相机节点经传感器融合后传送至主节点，主节点完成回传视频数据以及车辆行驶轨迹的上传，在远端监控界面显示车辆的实时状态以及执行路径画面。

具体来说，矿用自卸车多节点间数据流的实时通讯机制，包括主节点提供整个***的数据关系，发布话题并订阅其他节点发布的话题，方便各节点信息彼此调用与交换。

进一步地，矿用自卸车上的传感器节点通过将矿用自卸车所有传感器融合在一个节点上然后启动节点发布传感器数据话题便于其他节点订阅；服务器节点通过矿用自卸车自身状态对其的下一步动作进行指示；惯性测量单元节点通过发布惯性测量话题并由主节点订阅来完成保存惯性测量单元数据的工作。

主节点发布保存点云数据的话题，然后由激光雷达节点订阅主节点发布的话题并做出动作控制激光雷达保存扫描的数据并发布点云数据保存完成的话题，再由主节点订阅该话题完成信息交换将获得的数据传入工控机进行计算。

具体来说，监控服务器负责整个***的通讯，包括不同矿用自卸车的工控机之间和工控机与单片机控制板之间的通讯，工控机还负责激光雷达数据的接收和处理以及数据的保存。通过执行算法规划出的行为指示以及服务器给出的指令，基本实现矿区的无人化。整个***实时观测每辆矿用自卸车的运行状态以位置信息，时刻将车辆状态显示在检测的大屏上，使远端的工程师可以直观的对矿用自卸车进行检测。

以上所述的惯性测量单元与工控机通过USB串口连接，惯性测量单元记录并保存矿用自卸车的坐标航向角及速度加速度等信息，算法根据这些信息实现对矿体自卸车的定位。

上述的远端控制界面与工控机通过路由器无线网络连接，工控机通过ROS的不同节点进行通信并由控制界面服务器远程控制工控机下发执行指令，在服务器上实现矿用自卸车多节点间数据流的实时通讯机制保证数据间的实时传输与交换，所述的节点包括主节点、传感器节点、惯性测量单元节点和激光雷达节点。所述的数据流包括传感器数据、电机编码器数据以及矿用自卸车状态显示数据。

图8显示了根据本发明的一个实施例的矿用自卸车控制装置结构框图。如图8所示，控制装置800包含：可行驶路径模块801、路径扩展模块802以及速度规划模块803。

其中，可行驶路径模块801用于通过矿用自卸车上的传感器实时采集周边环境信息，结合矿用自卸车所在矿区的高精度地图，通过规划算法进行路径规划，得到可行驶路径。

路径扩展模块802用于通过规划算法对可行驶路径进行横向切点采样，得到切点采样集，针对切点采样集中的每一个切点，生成一条由矿用自卸车当前位置至当前切点的路径，得到扩展路径集。

速度规划模块803用于针对扩展路径集中的每一条路径，基于路面情况以及矿用自卸车的载重情况，进行路径速度规划，得到对应于每一条路径的速度规划结果。

另外，控制装置800还包含地图模块，其用于建立矿用自卸车所在矿区的高精度地图，其配置为：

基于激光雷达数据以及惯导数据，通过融合算法得到高精度地图，高精度地图中包含车辆速度、转向角以及坐标点信息。

综上，本发明提供的矿用自卸车控制方法及装置对矿用自卸车底层进行协议更改，实现对于矿用自卸车的无人驾驶，通过一系列算法对矿用自卸车轨迹进行规划，使每条轨迹有细微的区别，防止矿用自卸车在矿区行驶过程中出现过深的车辙，影响矿用自卸车的安全。

应该理解的是，本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。

说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。

虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种矿用自卸车控制方法，其特征在于，所述方法包含以下步骤：

通过所述矿用自卸车上的传感器实时采集周边环境信息，结合所述矿用自卸车所在矿区的高精度地图，通过规划算法进行路径规划，得到可行驶路径；

通过所述规划算法对所述可行驶路径进行横向切点采样，得到切点采样集，针对所述切点采样集中的每一个切点，生成一条由所述矿用自卸车当前位置至当前切点的路径，得到扩展路径集；

针对所述扩展路径集中的每一条路径，基于路面情况以及所述矿用自卸车的载重情况，进行路径速度规划，得到对应于每一条路径的速度规划结果；

对于不同的矿用自卸车，所述规划算法在不同的矿用自卸车规划的路径存在偏差，使不同的宽体车行走不同的路径，使矿区路面的车辙深度减少；对于同一辆矿用自卸车，所述规划算法规划不同的路径以减少车辙。

2.如权利要求1所述的方法，其特征在于，所述方法还包含：建立所述矿用自卸车所在矿区的所述高精度地图，其包含以下步骤：

基于激光雷达数据以及惯导数据，通过融合算法得到所述高精度地图，所述高精度地图中包含车辆速度、转向角以及坐标点信息。

3.如权利要求1所述的方法，其特征在于，所述周边环境信息包含障碍物信息、行人信息以及与其他车辆距离信息。

4.如权利要求1所述的方法，其特征在于，通过规划算法进行路径规划，得到可行驶路径的步骤中，还包含以下步骤：

基于行驶起点信息以及行驶终点信息，得到此次路线规划的中心参考线；

基于车辆动力学约束结合所述中心参考线产生粗糙路径，所述粗糙路径为在所述中心参考线周围具备行驶条件的路径；

通过梯度优化算法，对所述粗糙路径进行优化，生成更为平滑的所述可行驶路径。

5.如权利要求1所述的方法，其特征在于，所述方法还包含：在生成所述扩展路径集时，保证所述扩展路径集中路径间的距离不小于预设阈值。

6.如权利要求1所述的方法，其特征在于，所述方法还包含：在所述矿用自卸车所在矿区内设置所述矿用自卸车的可行驶范围。

7.如权利要求1所述的方法，其特征在于，所述方法还包含：通过可视化界面，实时显示所述矿用自卸车的行驶画面及其周围环境画面。

8.如权利要求1所述的方法，其特征在于，接收远程控制指令，在所述远程控制指令中包含的位移量信息以及速度值信息的控制下，进行前进、转弯以及避障。

9.一种矿用自卸车控制装置，其特征在于，执行如权利要求1-8中任一项所述的方法，所述装置包含：

可行驶路径模块，其用于通过所述矿用自卸车上的传感器实时采集周边环境信息，结合所述矿用自卸车所在矿区的高精度地图，通过规划算法进行路径规划，得到可行驶路径；

路径扩展模块，其用于通过所述规划算法对所述可行驶路径进行横向切点采样，得到切点采样集，针对所述切点采样集中的每一个切点，生成一条由所述矿用自卸车当前位置至当前切点的路径，得到扩展路径集；

速度规划模块，其用于针对所述扩展路径集中的每一条路径，基于路面情况以及所述矿用自卸车的载重情况，进行路径速度规划，得到对应于每一条路径的速度规划结果。

10.如权利要求9所述的装置，其特征在于，所述装置还包含：地图模块，其用于建立所述矿用自卸车所在矿区的所述高精度地图，其配置为：

基于激光雷达数据以及惯导数据，通过融合算法得到所述高精度地图，所述高精度地图中包含车辆速度、转向角以及坐标点信息。

Images