CN113619605B - 一种地下矿用铰接车自动驾驶方法与*** - Google Patents

Abstract

本发明公开了一种地下矿用铰接车自动驾驶方法与***，包括自动驾驶装置和车辆自动驾驶***，其特征在于：所述自动驾驶装置包括前车车身，所述前车车身的后端固定连接有铰链装置，所述铰链装置的后端固定连接有转角传感器，所述前车车身的后端设置有后车车身，所述铰链装置与后车车身铰链连接，所述前车车身的顶部固定连接有顶激光雷达，所述前车车身的前端固定连接有前激光雷达，所述后车车身的后端固定连接有后激光雷达，所述前车车身的前端侧面固定连接有前超声波雷达，所述前车车身的两侧面均固定连接有侧超声波雷达，本发明，具有实用性强和能够仅依赖车载***就可自主完成运输作业的特点。

Description

一种地下矿用铰接车自动驾驶方法与***

技术领域

本发明涉及矿冶技术领域，具体为一种地下矿用铰接车自动驾驶方法与***。

背景技术

我国地下矿采矿设备，特别是大型采矿设备和无人采矿设备还基本处于研究阶段，成熟使用的大型采矿设备和无人采矿设备基本依赖进口，且在国内应用较少，随着国外自动化、智能化、网络化等先进技术在采矿设备中的应用逐步增多，国内地下采矿设备与世界发达国家的先进采矿业应用差距将逐渐增大，这将严重影响我国矿业技术的整体发展以及矿产资源的高效开发，随着绿色矿山、智慧矿山技术的研究，目前无人驾驶已经成为行业内未来技术发展的共识，通过高度信息化、自动化、智能化和高效安全地开采，可以极大提高地下矿生产的安全性，同时逐步提高开采效率；

铰接车辆与传统采用前轮转向***实现转向的优点是应用灵活，转向半径小，可以在静止状态下完成转向等，较适合与地下矿等较狭窄的工作场景，铰接车辆与地下有轨运输车相比，具有路线灵活，无需基础设施建设，爬坡能力强，负载大等优点，所以目前铰接车辆的应用正日渐增多。

铰接车辆普遍采用人工驾驶的方式在地下矿内完成各类搬运任务，目前有基于专用的无线通讯设施，利用图像、声音回传等方式，通过远程遥控驾驶实现车辆的无人化操作，但仅依赖车辆自主探测环境并自动驾驶的方式实现采矿作业的研究很少，因为地下矿存在环境封闭、采光条件差、环境恶劣、空间狭小等挑战，该方法在地下矿的实际环境中不具备实施条件，因此，设计实用性强和能够仅依赖车载***就可自主完成运输作业的一种地下矿用铰接车自动驾驶方法与***是很有必要的。

发明内容

本发明的目的在于提供一种地下矿用铰接车自动驾驶方法与***，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种地下矿用铰接车自动驾驶方法与***，包括自动驾驶装置和车辆自动驾驶***，所述自动驾驶装置包括前车车身，所述前车车身的后端固定连接有铰链装置，所述铰链装置的后端固定连接有转角传感器，所述前车车身的后端设置有后车车身，所述铰链装置与后车车身铰链连接，所述前车车身的顶部固定连接有顶激光雷达，所述前车车身的前端固定连接有前激光雷达，所述后车车身的后端固定连接有后激光雷达，所述前车车身的前端侧面固定连接有前超声波雷达，所述前车车身的两侧面均固定连接有侧超声波雷达，所述后车车身车轮上固定连接有轮速计，所述后车车身的上端活动连接有车斗，所述前车车身的内部设置有设备箱。

根据上述技术方案，所述车辆自动驾驶***包括智能决策模块、环境感知模块、惯导定位模块和车辆控制模块，所述智能决策模块、环境感知模块、惯导定位模块和车辆控制模块分别通过电连接；

所述智能决策模块包括数据记录模块、数据计算模块、逻辑判断模块和对比模块；

所述环境感知模块包括激光检测模块和超声波检测模块；

所述惯导定位模块包括车轮速度检测模块和铰链角度采集模块；

所述车辆控制模块包括转向控制模块、速度控制模块和启停模块；

所述激光检测模块与顶激光雷达(6)、前激光雷达(7)、后激光雷达(8)和侧激光雷达(10)电连接，所述超声波检测模块与前超声波雷达(9)电连接，车轮速度检测模块与轮速计(12)电连接，所述铰链角度采集模块与转角传感器(11)电连接，所述转向控制模块、速度控制模块和启停模块均设置在设备箱(5)的内部。

根据上述技术方案，所述数据记录模块用于记录实时检测的各种数据，同时包括***预设的固定数据，所述数据计算模块用于对数据记录模块中的数据进行计算，所述逻辑判断模块用于对计算的结果进行分析，并确定需要采取的驾驶策略，所述对比模块用于采集的信息和预设的信息进行对比，所述激光检测模块用于采集工作环境和巷道的相关信息，所述车轮速度检测模块用于检测车辆的速度，所述铰链角度采集模块用于采集前车车身(1)和后车车身(2)的角度信息，所述转向控制模块用于控制车辆的转向，所述速度控制模块用于控制车辆的速度，所述启停模块用于控制车辆的开启和关闭。

根据上述技术方案，所述车辆自动驾驶***的运行包含以下步骤：

S1、车辆接收到运输作业指令，车辆退出待机等待状态，进入自动驾驶状态；

S2、通过激光检测模块采集车辆周围环境的三维数据点，通过对比模块把测量数据与预设的工作环境高精地图对比，从而获取车辆的当前位置；

S3、利用数据计算模块根据车辆的当前位置及运输作业指令指定的作业位置，计算可行的行驶路径，通过逻辑判断模块确定最短路径，并通过车辆控制模块控制车辆开始自动驾驶；

S4、自动驾驶过程中，利用激光检测模块采集巷道壁数据点，并把采集的数据点沿车辆的行驶方向分为多个区间，并对每一区间内的数据点，判断其位于行驶方向的左侧或右侧，取距离行驶方向最近的点作为该区域的左右边界，从而获得车辆沿车辆行驶方向的一组巷道边界值，进而获得整个行驶路径的边界值；

S5、利用环境感知模块采集行驶路径前方的三维数据点，然后应用基于距离的K-means自适应聚类方法，形成若干个数据点的集合，对每一集合，计算其数据点坐标的极大极小值，并以此作为立方体的左下角与右上角顶点，作为障碍物的检测结果；

S6、利用环境感知模块采集车辆周围的三维数据点，结合上一时刻的定位结果，利用对比模块与该位置附近的高精度地图进行对比，获得当前时刻的车辆定位；

通过惯导定位模块获得车辆自上一时刻的相对位置、方向变化量，结合上一时刻的定位结果，计算出当前时刻的车辆定位；

通过对比两种车辆定位的差异，获得当前时刻的车辆定位；

S7、根据S4获得的巷道边界值，利用智能决策模块修正车辆的行进路线，同时结合S5获得的障碍物信息，利用逻辑判断模块判断障碍物是否将堵塞车辆的行驶路径，并通过减速、停车措施避免碰撞事故；

S8、根据惯导定位模块实时采集车辆的定位，利用逻辑判断模块实时判断是否到达指定的作业位置，并在到达后，发送确认信号；

在车辆自动驾驶过程中，车辆控制模块根据智能决策模块的运行轨迹，结合惯导定位模块获取的车辆实时定位，利用数据计算模块计算车辆与规划轨迹间的误差，并基于误差的大小与正负值，确定相应的转向、油门、制动控制指令，并驱动对应的车辆执行部件完成自动驾驶。

根据上述技术方案，所述S2中获取车辆的当前位置的具体方法如下：

S21、惯导定位模块根据激光检测模块采集车辆周围环境的三维数据点，通过对比模块把测量数据与预设的工作环境高精地图对比，获得顶激光雷达(6)、前激光雷达(7)、后激光雷达(8)和侧激光雷达(10)的位置P_L；

S22、通过车辆自动驾驶***中预设的顶激光雷达(6)、前激光雷达(7)、后激光雷达(8)和侧激光雷达(10)的安装位置，获得各激光雷达与车辆参考点之间的坐标变换关系

S23、设定车辆参考点的位置为P_V，通过变换

可以得到车辆参考点的位置，进而可以得到车辆的位置。

根据上述技术方案，所述S3中车辆自动驾驶时，最短行驶路径的确定方法如下：

在对比模块中将工作区域抽象为有向图，巷道为有向图中的边，巷道的连接处作为节点，同时车辆的初始位置和作业指令给定的目标位置，也分别在有向图中获得对应的节点，应用开源Dijkstra图搜索算法或其他图搜索算法，获得初始位置与目标位置之间距离最短或者行驶时间最短的一组边，从而获得车辆将要行驶经过的一组巷道，作为车辆的最短行驶路径。

根据上述技术方案，所述S4中巷道边界值的确定方法如下：

S41、将采集的巷道壁数据点按照行驶线路分为若干区间，并用记号S_i表示第i个区间；

S42、对应区间S_i中的任一点P_i，通过其到行驶路径的最短距离，确定其在行驶路径上的投影点P_i'，从而得出区间S_i中的任一点P_i到行驶路径的距离|P_iP_i'|；

S43、分别计算区域S_i内各数据点的距离后，分别获得行驶路径左右侧的最小距离，以此作为区域S_i的行驶边界；

S44、对每一区间重复S1-S4步骤后，可以获得整个行驶路径的行驶边界。

根据上述技术方案，所述S5中障碍物的确定方法如下：

S51、通过激光检测模块采集行驶路径前方的三维数据点，然后应用基于距离的K-means自适应聚类方法，形成若干个数据点的集合，对每一集合，计算其数据点坐标的极大极小值，并以此作为立方体的左下角与右上角顶点，作为障碍物的检测结果，并用记号

表示T时刻激光检测模块采集的障碍物列表；

S52、通过超声波检测模块采集行驶路径前方的三维数据点，利用S5的方法生成T时刻超声波检测模块采集的障碍物列表，并用记号

表示；

S53、结合上一时刻的障碍物列表O^T-1，以及

和

去除其中误检的障碍物，生成T时刻的障碍物列表O^T。

根据上述技术方案，所述S6中实时获得车辆定位的方法如下：

S61、通过S2的方法获得车辆T时刻的车辆定位，并用记号

表示；

S62、通过上一时刻的车辆定位确定当前时刻的车辆定位方法如下：

S621、设定车辆上一时刻的定位用记号

表示，其中X_T-1和Y_T-1表示上一时刻车辆参考点，在预设的车辆自动驾驶***坐标系中的X坐标和Y坐标，θ_T-1表示上一时刻车辆参考点，与预设的车辆自动驾驶***坐标系中的X方向的夹角，

表示上一时刻前车车身(1)和后车车身(2)的方向角度差；

S622、设定车辆T时刻的转动半径为R_T，其数值由下式确定：

其中L_F为铰链装置(4)至前车车身(1)轮轴的距离，L_R为铰链装置(4)至后车车身(2)轮轴的距离，

表示T时刻前车车身(1)和后车车身(2)的方向角度差；

S623、设定车辆T时刻的转动角速度为ω_T，其数值由下式确定：

其中v_T表示T时刻车辆参考点的速度，其值由轮速计(12)测量得到；

S624、设定T时刻车辆参考点相对于上一时刻的方向变化量为

其值由下式确定：

其中

表示T时刻与上一时刻的时间变化量；

S625、设定根据上一时刻确定的T时刻的车辆定位为

其各参数由下式确定：

其中S_T表示从上一时刻到T时刻车辆参考点移动的距离；

S63、根据

以及

利用加权平均值获得T时刻车辆的定位P^T，其值由下式定义：

其中

和

分别代表

和

的权重。

根据上述技术方案，所述S7中车辆行进路线的修正方法和S8中车辆到达指定作业位置的判定方法如下：

S101、在行驶的过程中，根据S4采集的行驶路径边界值结合障碍物信息，将行驶路径分为多个路径点，对于每个路径点，若左边界低于预设的阈值，则车辆向右侧偏移，若右边界低于预设的阈值，则车辆向左侧偏移，若左右边界的距离小于车辆通过的宽度阈值，则判定为不可通过并规划停车，同时重新规划行驶路径；

S102、根据采集的车辆实时位置与指定的作业位置距离，来判断车辆是否到达指定作业位置，当距离大于阈值时，重复S4-S7继续往指定作业位置行进，当距离小于等于阈值时，则判断车辆到达目标位置，并发送确认信号。

与现有技术相比，本发明所达到的有益效果是：本发明，通过设置有自动驾驶装置和车辆自动驾驶***，可以实现地下矿用铰接车的无人化、自动化运行，极大地提高地下矿生产的安全性，提高运输作业效率，从而降低生产成本，提高我国采矿业在国际上的竞争力。

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，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明的整体侧面结构示意图；

图2是本发明的整体正面结构示意图；

图3是本发明的车辆运动学模型示意图；

图4是本发明的各模块相互关系示意图；

图中：1、前车车身；2、后车车身；3、车斗；4、铰链装置；5、设备箱；6、顶激光雷达；7、前激光雷达；8、后激光雷达；9、前超声波雷达；10、侧超声波雷达；11、转角传感器；12、轮速计。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-4，本发明提供技术方案：一种地下矿用铰接车自动驾驶方法与***，包括自动驾驶装置和车辆自动驾驶***，自动驾驶装置包括前车车身1，前车车身1的后端固定连接有铰链装置4，铰链装置4的后端固定连接有转角传感器11，前车车身1的后端设置有后车车身2，铰链装置4与后车车身2铰链连接，前车车身1的顶部固定连接有顶激光雷达6，前车车身1的前端固定连接有前激光雷达7，后车车身2的后端固定连接有后激光雷达8，前车车身1的前端侧面固定连接有前超声波雷达9，前车车身1的两侧面均固定连接有侧超声波雷达10，后车车身2车轮上固定连接有轮速计12，后车车身2的上端活动连接有车斗3，前车车身1的内部设置有设备箱5，通过设置有自动驾驶装置和车辆自动驾驶***，可以实现地下矿用铰接车的无人化、自动化运行，极大地提高地下矿生产的安全性，提高运输作业效率，从而降低生产成本，提高我国采矿业在国际上的竞争力；

车辆自动驾驶***包括智能决策模块、环境感知模块、惯导定位模块和车辆控制模块，智能决策模块、环境感知模块、惯导定位模块和车辆控制模块分别通过电连接；

智能决策模块包括数据记录模块、数据计算模块、逻辑判断模块和对比模块；

环境感知模块包括激光检测模块和超声波检测模块；

惯导定位模块包括车轮速度检测模块和铰链角度采集模块；

车辆控制模块包括转向控制模块、速度控制模块和启停模块；

激光检测模块与顶激光雷达6、前激光雷达7、后激光雷达8和侧激光雷达10电连接，超声波检测模块与前超声波雷达9电连接，车轮速度检测模块与轮速计12电连接，铰链角度采集模块与转角传感器11电连接，转向控制模块、速度控制模块和启停模块均设置在设备箱5的内部；

数据记录模块用于记录实时检测的各种数据，同时包括***预设的固定数据，数据计算模块用于对数据记录模块中的数据进行计算，逻辑判断模块用于对计算的结果进行分析，并确定需要采取的驾驶策略，对比模块用于采集的信息和预设的信息进行对比，激光检测模块用于采集工作环境和巷道的相关信息，车轮速度检测模块用于检测车辆的速度，铰链角度采集模块用于采集前车车身1和后车车身2的角度信息，转向控制模块用于控制车辆的转向，速度控制模块用于控制车辆的速度，启停模块用于控制车辆的开启和关闭；

车辆自动驾驶***的运行包含以下步骤：

S1、车辆接收到运输作业指令，车辆退出待机等待状态，进入自动驾驶状态；

S2、通过激光检测模块采集车辆周围环境的三维数据点，通过对比模块把测量数据与预设的工作环境高精地图对比，从而获取车辆的当前位置；

S3、利用数据计算模块根据车辆的当前位置及运输作业指令指定的作业位置，计算可行的行驶路径，通过逻辑判断模块确定最短路径，并通过车辆控制模块控制车辆开始自动驾驶；

S4、自动驾驶过程中，利用激光检测模块采集巷道壁数据点，并把采集的数据点沿车辆的行驶方向分为多个区间，并对每一区间内的数据点，判断其位于行驶方向的左侧或右侧，取距离行驶方向最近的点作为该区域的左右边界，从而获得车辆沿车辆行驶方向的一组巷道边界值，进而获得整个行驶路径的边界值；

S5、利用环境感知模块采集行驶路径前方的三维数据点，然后应用基于距离的K-means自适应聚类方法，形成若干个数据点的集合，对每一集合，计算其数据点坐标的极大极小值，并以此作为立方体的左下角与右上角顶点，作为障碍物的检测结果；

S6、利用环境感知模块采集车辆周围的三维数据点，结合上一时刻的定位结果，利用对比模块与该位置附近的高精度地图进行对比，获得当前时刻的车辆定位；

通过惯导定位模块获得车辆自上一时刻的相对位置、方向变化量，结合上一时刻的定位结果，计算出当前时刻的车辆定位；

通过对比两种车辆定位的差异，获得当前时刻的车辆定位；

S7、根据S4获得的巷道边界值，利用智能决策模块修正车辆的行进路线，同时结合S5获得的障碍物信息，利用逻辑判断模块判断障碍物是否将堵塞车辆的行驶路径，并通过减速、停车措施避免碰撞事故；

S8、根据惯导定位模块实时采集车辆的定位，利用逻辑判断模块实时判断是否到达指定的作业位置，并在到达后，发送确认信号；

在车辆自动驾驶过程中，车辆控制模块根据智能决策模块的运行轨迹，结合惯导定位模块获取的车辆实时定位，利用数据计算模块计算车辆与规划轨迹间的误差，并基于误差的大小与正负值，确定相应的转向、油门、制动控制指令，并驱动对应的车辆执行部件完成自动驾驶；

S2中获取车辆的当前位置的具体方法如下：

S21、惯导定位模块根据激光检测模块采集车辆周围环境的三维数据点，通过对比模块把测量数据与预设的工作环境高精地图对比，获得顶激光雷达6、前激光雷达7、后激光雷达8和侧激光雷达10的位置P_L；

S22、通过车辆自动驾驶***中预设的顶激光雷达6、前激光雷达7、后激光雷达8和侧激光雷达10的安装位置，获得各激光雷达与车辆参考点之间的坐标变换关系

S23、设定车辆参考点的位置为P_V，通过变换

可以得到车辆参考点的位置，进而可以得到车辆的位置；

S3中车辆自动驾驶时，最短行驶路径的确定方法如下：

在对比模块中将工作区域抽象为有向图，巷道为有向图中的边，巷道的连接处作为节点，同时车辆的初始位置和作业指令给定的目标位置，也分别在有向图中获得对应的节点，应用开源Dijkstra图搜索算法或其他图搜索算法，获得初始位置与目标位置之间距离最短或者行驶时间最短的一组边，从而获得车辆将要行驶经过的一组巷道，作为车辆的最短行驶路径；

S4中巷道边界值的确定方法如下：

S41、将采集的巷道壁数据点按照行驶线路分为若干区间，并用记号S_i表示第i个区间；

S42、对应区间S_i中的任一点P_i，通过其到行驶路径的最短距离，确定其在行驶路径上的投影点P_i'，从而得出区间S_i中的任一点P_i到行驶路径的距离|P_iP_i'|；

S43、分别计算区域S_i内各数据点的距离后，分别获得行驶路径左右侧的最小距离，以此作为区域S_i的行驶边界；

S44、对每一区间重复S1-S4步骤后，可以获得整个行驶路径的行驶边界；

S5中障碍物的确定方法如下：

S51、通过激光检测模块采集行驶路径前方的三维数据点，然后应用基于距离的K-means自适应聚类方法，形成若干个数据点的集合，对每一集合，计算其数据点坐标的极大极小值，并以此作为立方体的左下角与右上角顶点，作为障碍物的检测结果，并用记号

表示T时刻激光检测模块采集的障碍物列表；

S52、通过超声波检测模块采集行驶路径前方的三维数据点，利用S5的方法生成T时刻超声波检测模块采集的障碍物列表，并用记号

表示；

S53、结合上一时刻的障碍物列表O^T-1，以及

和

去除其中误检的障碍物，生成T时刻的障碍物列表O^T；

S6中实时获得车辆定位的方法如下：

S61、通过S2的方法获得车辆T时刻的车辆定位，并用记号

表示；

S62、通过上一时刻的车辆定位确定当前时刻的车辆定位方法如下：

S621、设定车辆上一时刻的定位用记号

表示，其中X_T-1和Y_T-1表示上一时刻车辆参考点，在预设的车辆自动驾驶***坐标系中的X坐标和Y坐标，θ_T-1表示上一时刻车辆参考点，与预设的车辆自动驾驶***坐标系中的X方向的夹角，

表示上一时刻前车车身1和后车车身2的方向角度差；

S622、设定车辆T时刻的转动半径为R_T，其数值由下式确定：

其中L_F为铰链装置4至前车车身1轮轴的距离，L_R为铰链装置4至后车车身2轮轴的距离，

表示T时刻前车车身1和后车车身2的方向角度差；

S623、设定车辆T时刻的转动角速度为ω_T，其数值由下式确定：

其中v_T表示T时刻车辆参考点的速度，其值由轮速计12测量得到；

S624、设定T时刻车辆参考点相对于上一时刻的方向变化量为

其值由下式确定：

其中

表示T时刻与上一时刻的时间变化量；

S625、设定根据上一时刻确定的T时刻的车辆定位为

其各参数由下式确定：

其中S_T表示从上一时刻到T时刻车辆参考点移动的距离；

S63、根据

以及

利用加权平均值获得T时刻车辆的定位P^T，其值由下式定义：

其中

和

分别代表

和

的权重；

S7中车辆行进路线的修正方法和S8中车辆到达指定作业位置的判定方法如下：

S101、在行驶的过程中，根据S4采集的行驶路径边界值结合障碍物信息，将行驶路径分为多个路径点，对于每个路径点，若左边界低于预设的阈值，则车辆向右侧偏移，若右边界低于预设的阈值，则车辆向左侧偏移，若左右边界的距离小于车辆通过的宽度阈值，则判定为不可通过并规划停车，同时重新规划行驶路径；

S102、根据采集的车辆实时位置与指定的作业位置距离，来判断车辆是否到达指定作业位置，当距离大于阈值时，重复S4-S7继续往指定作业位置行进，当距离小于等于阈值时，则判断车辆到达目标位置，并发送确认信号。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种地下矿用铰接车自动驾驶方法，其中，该地下矿用铰接车包括自动驾驶装置和车辆自动驾驶***，所述自动驾驶装置包括前车车身(1)，所述前车车身(1)的后端固定连接有铰链装置(4)，所述铰链装置(4)的后端固定连接有转角传感器(11)，所述前车车身(1)的后端设置有后车车身(2)，所述铰链装置(4)与后车车身(2)铰链连接，所述前车车身(1)的顶部固定连接有顶激光雷达(6)，所述前车车身(1)的前端固定连接有前激光雷达(7)，所述后车车身(2)的后端固定连接有后激光雷达(8)，所述前车车身(1)的前端侧面固定连接有前超声波雷达(9)，所述前车车身(1)的两侧面均固定连接有侧超声波雷达(10)，所述后车车身(2)车轮上固定连接有轮速计(12)，所述后车车身(2)的上端活动连接有车斗(3)，所述前车车身(1)的内部设置有设备箱(5)；

所述车辆自动驾驶***包括智能决策模块、环境感知模块、惯导定位模块和车辆控制模块，所述智能决策模块、环境感知模块、惯导定位模块和车辆控制模块分别通过电连接；

所述智能决策模块包括数据记录模块、数据计算模块、逻辑判断模块和对比模块；

所述环境感知模块包括激光检测模块和超声波检测模块；

所述惯导定位模块包括车轮速度检测模块和铰链角度采集模块；

所述车辆控制模块包括转向控制模块、速度控制模块和启停模块；

所述激光检测模块与顶激光雷达(6)、前激光雷达(7)、后激光雷达(8)电连接，所述超声波检测模块与前超声波雷达(9)和侧超声波雷达(10)电连接，车轮速度检测模块与轮速计(12)电连接，所述铰链角度采集模块与转角传感器(11)电连接，所述转向控制模块、速度控制模块和启停模块均设置在设备箱(5)的内部；

其特征在于：所述车辆自动驾驶***的运行包含以下步骤：

S1、车辆接收到运输作业指令，车辆退出待机等待状态，进入自动驾驶状态；

S2、通过激光检测模块采集车辆周围环境的三维数据点，通过对比模块把测量数据与预设的工作环境高精地图对比，从而获取车辆的当前位置；

S3、利用数据计算模块根据车辆的当前位置及运输作业指令指定的作业位置，计算可行的行驶路径，通过逻辑判断模块确定最短路径，并通过车辆控制模块控制车辆开始自动驾驶；

S4、自动驾驶过程中，利用激光检测模块采集巷道壁数据点，并把采集的数据点沿车辆的行驶方向分为多个区间，并对每一区间内的数据点，判断其位于行驶路径的左侧或右侧，并分别获取其到行驶路径的距离，取左侧数据点中到行驶路径距离最小的点作为该区间的左边界，取右侧数据点中到行驶路径距离最小的点作为该区间的右边界，从而获得车辆沿车辆行驶方向的一组巷道边界值，进而获得整个行驶路径的边界值；

S5、利用环境感知模块采集行驶路径前方的三维数据点，然后应用基于距离的K-means自适应聚类方法，形成若干个数据点的集合，对每一集合，计算其数据点坐标的极大极小值，并以此作为立方体的左下角与右上角顶点，作为障碍物的检测结果；

S6、实时获得车辆定位：

S61、通过S2的方法获得车辆当前时刻的车辆定位，并用记号

表示；

S62、通过上一时刻的车辆定位确定当前时刻的车辆定位：

S621、设定车辆上一时刻的定位用记号

表示，其中X_T-1和Y_T-1表示上一时刻车辆参考点，在预设的车辆自动驾驶***坐标系中的X坐标和Y坐标，θ_T-1表示上一时刻车辆参考点，与预设的车辆自动驾驶***坐标系中的X方向的夹角，

表示上一时刻前车车身(1)和后车车身(2)的方向角度差；

S622、设定车辆当前时刻的转动半径为R_T，其数值由下式确定：

其中L_F为铰链装置(4)至前车车身(1)轮轴的距离，L_R为铰链装置(4)至后车车身(2)轮轴的距离，

表示当前时刻前车车身(1)和后车车身(2)的方向角度差；

S623、设定车辆当前时刻的转动角速度为ω_T，其数值由下式确定：

其中v_T表示当前时刻车辆参考点的速度，其值由轮速计(12)测量得到；

S624、设定当前时刻车辆参考点相对于上一时刻的方向变化量为▽θ_T，其值由下式确定：

其中

表示当前时刻与上一时刻的时间变化量；

S625、设定根据上一时刻确定的当前时刻的车辆定位为

其各参数由下式确定：

其中S_T表示从上一时刻到当前时刻车辆参考点移动的距离；

S63、根据

以及

利用加权平均值获得当前时刻车辆的定位P^T，其值由下式定义：

其中

和

分别代表

和

的权重；

通过对比两种车辆定位的差异，获得当前时刻的车辆定位；

S7、根据S4获得的巷道边界值，利用智能决策模块修正车辆的行进路线，同时结合S5获得的障碍物信息，利用逻辑判断模块判断障碍物是否将堵塞车辆的行驶路径，并通过减速、停车措施避免碰撞事故；

S8、根据实时采集的车辆的定位，利用逻辑判断模块实时判断是否到达指定的作业位置，并在到达后，发送确认信号；

在车辆自动驾驶过程中，车辆控制模块根据智能决策模块的运行轨迹，结合惯导定位模块和环境感知模块获取的车辆实时定位，利用数据计算模块计算车辆与规划轨迹间的误差，并基于误差的大小与正负值，确定相应的转向、油门、制动控制指令，并驱动对应的车辆执行部件完成自动驾驶。

2.根据权利要求1所述的一种地下矿用铰接车自动驾驶方法，其特征在于：所述数据记录模块具体用于记录实时检测的各种数据，同时包括***预设的固定数据，所述数据计算模块具体用于对数据记录模块中的数据进行计算，所述逻辑判断模块具体用于对计算的结果进行分析，并确定需要采取的驾驶策略，所述对比模块具体用于将采集的信息和预设的信息进行对比，所述激光检测模块具体用于采集工作环境信息，所述工作环境信息具体包括巷道的相关信息，所述车轮速度检测模块具体用于检测车辆的速度，所述铰链角度采集模块具体用于采集前车车身(1)和后车车身(2)的角度信息，所述转向控制模块具体用于控制车辆的转向，所述速度控制模块具体用于控制车辆的速度，所述启停模块具体用于控制车辆的开启和关闭。

3.根据权利要求2所述的一种地下矿用铰接车自动驾驶方法，其特征在于：所述S2中获取车辆的当前位置的具体方法如下：

S21、根据激光检测模块采集车辆的周围环境的三维数据点，通过对比模块把测量数据与预设的工作环境高精地图对比，获得顶激光雷达(6)、前激光雷达(7)、后激光雷达(8)的位置P_L；

S22、通过车辆自动驾驶***中预设的顶激光雷达(6)、前激光雷达(7)、后激光雷达(8)的安装位置，获得各激光雷达与车辆参考点之间的坐标变换关系

S23、设定车辆参考点的位置为P_V，通过变换

可以得到车辆参考点的位置，进而可以得到车辆的位置。

4.根据权利要求3所述的一种地下矿用铰接车自动驾驶方法，其特征在于：所述S3中车辆自动驾驶时，最短行驶路径的确定方法如下：

在对比模块中将工作区域抽象为有向图，巷道为有向图中的边，巷道的连接处作为节点，同时车辆的初始位置和作业指令给定的目标位置，也分别在有向图中获得对应的节点，应用开源Dijkstra图搜索算法或其他图搜索算法，获得初始位置与目标位置之间距离最短或者行驶时间最短的一组边，从而获得车辆将要行驶经过的一组巷道，作为车辆的最短行驶路径。

5.根据权利要求4所述的一种地下矿用铰接车自动驾驶方法，其特征在于：所述S4中巷道边界值的确定方法如下：

S41、将采集的巷道壁数据点按照行驶线路分为若干区间，并用记号S_i表示第i个区间；

S42、对于区间S_i中的任一点P_i，通过其到行驶路径的最短距离，确定其在行驶路径上的投影点P_i'，从而得出区间S_i中的任一点P_i到行驶路径的距离|P_iP_i'|；

S43、计算区间S_i内各数据点到行驶路径的距离后，取左侧数据点中到行驶路径的距离最小的点，作为区间S_i的左行驶边界，取右侧数据点中到行驶路径的距离最小的点，作为区间S_i的右行驶边界；

S44、对每一区间重复S42-S43步骤后，可以获得整个行驶路径的行驶边界。

6.根据权利要求5所述的一种地下矿用铰接车自动驾驶方法，其特征在于：所述S5中障碍物的确定方法如下：

S51、通过激光检测模块采集行驶路径前方的三维数据点，然后应用基于距离的K-means自适应聚类方法，形成若干个数据点的集合，对每一集合，计算其数据点坐标的极大极小值，并以此作为立方体的左下角与右上角顶点，作为障碍物的检测结果，并用记号

表示当前时刻激光检测模块采集的障碍物列表；

S52、通过超声波检测模块采集行驶路径前方的三维数据点，利用S51的方法生成当前时刻超声波检测模块采集的障碍物列表，并用记号

表示；

S53、结合上一时刻的障碍物列表O^T-1，以及

和

去除其中误检的障碍物，生成当前时刻的障碍物列表O^T。

7.根据权利要求6所述的一种地下矿用铰接车自动驾驶方法，其特征在于：所述S7中车辆行进路线的修正方法和S8中车辆到达指定作业位置的判定方法如下：

S101、在行驶的过程中，根据S4采集的行驶路径边界值结合S5检测到的障碍物信息，将行驶路径分为多个路径点，对于每个路径点，若车辆到左边界的距离低于预设的阈值，则车辆向右侧偏移，若车辆到右边界的距离低于预设的阈值，则车辆向左侧偏移，若左右边界的距离小于车辆通过的宽度阈值，则判定为不可通过并规划停车，同时重新规划行驶路径；

S102、根据采集的车辆实时位置与指定的作业位置距离，来判断车辆是否到达指定作业位置，当距离大于阈值时，重复S4-S7继续往指定作业位置行进，当距离小于等于阈值时，则判断车辆到达目标位置，并发送确认信号。

Images