一种矿山井下无轨设备防碰撞方法与装置与流程

本发明涉及无轨运输技术领域，尤其涉及一种矿山井下无轨设备防碰撞方法与装置。

背景技术：

无轨运输是我国金属非金属矿山在采矿生产过程中最为重要的物料运输方式之一。随着矿产资源的日益贫乏，地下矿山开采深度不断增加，地质条件逐步恶化，传统无轨运输系统普遍面临着作业环境恶劣、运输任务繁重、管理技术手段落后、安全风险高等问题，尤其在大规模的运输系统中，往往因缺乏有效的装备位置追踪手段及安全预警、防护措施造成意外事故，不仅影响生产运输效率，而且存在安全隐患。因此，金属非金属矿山井下无轨设备防碰撞是提升井下无轨运输系统安全高效作业水平的核心工作，具有迫切需求和重要意义。

国外在无轨设备防碰撞方面起步较早，形成了系列成果。澳大利亚联邦科学与工业研究组织(csiro)开发出zebedee产品，可搭载在无轨设备上实现巷道轮廓感知与防碰撞。山特维克公司开发的automine无轨设备在发达国家矿山得到推广应用。国内起步较晚，北京矿冶研究总院、北京科技大学开发了基于uwb-laser无轨设备定位导航系统，实现了无轨设备防碰撞。

国外或部分国内无轨设备安装了激光雷达预警系统，通过判断设备与巷道距离进行预警，预警阈值固定。但是，由于巷道狭长，如果阈值设置过大，行驶过程中经常报警，行驶效率低；如果阈值设置过小，遇到紧急情况无法提前预警，安全性差。

技术实现要素：

本发明的目的是提供一种矿山井下无轨设备防碰撞方法与装置，可以避免无轨设备在快速行驶过程中互相碰撞及撞人事故，大幅降低井下无轨装备作业的事故风险。

本发明的目的是通过以下技术方案实现的：

一种矿山井下无轨设备防碰撞方法，包括：

实时采集井下巷道的二维信息，并对其进行限幅滤波处理；

在车辆运行过程中，基于限幅滤波处理后的二维信息，以及预先建立的横纵距离模型中实时的计算巷道轮廓和障碍物的位置，并结合危险状态三级预警机制实现无轨设备防碰撞预警。

限幅滤波处理包括如下步骤：

将当前时刻采集到的数据与上一时刻已经进行限幅滤波处理的数据与进行比较，若比较结果大于最大的允许增量δ则进行限幅滤波处理：

假设已经进行限幅滤波处理的数据为：当前时刻采集到的数据为yn，则有：

其中，为当前时刻采集到的数据yn的限幅滤波处理结果。

所述基于限幅滤波处理后的二维信息，以及预先建立的横纵距离模型中实时的判断车辆自身和周围环境信息包括：

安装在无轨设备车头横向中心的激光雷达扫描角度为0～190°，扫描光束每隔1°进行一次激光测距扫描，则共有191个扫描点；将191个扫描点距离信息进行横纵分离，得到所有扫描点与激光雷达之间的横向距离和纵向距离；以激光雷达为原点，左右扩展r+2m距离的整个前方区域为纵向敏感区域；纵向敏感区域左侧和右侧为横向敏感区域；其中，r为无轨设备的宽度，m为横向安全距离；

对于所有的扫描点，首先判断横向距离，落在左右横向敏感区域内的扫描点，以各点的纵向距离为参考量，进行对比，筛选出可能会影响直线行驶或者转向行驶的扫描点；针对落在纵向敏感区域内的扫描点，以各点的横向距离为参考量，进行对比，同样筛选出可能会影响直线行驶或者转向行驶的扫描点；

对筛选出的各个扫描点，做进一步的重复判断，从而确定巷道轮廓和障碍物的位置。

所述结合危险状态三级预警机制实现无轨设备防碰撞预警包括：

在横纵距离模型中，划定的纵向敏感区域与左右横向敏感区域为有效探测区域，在此基础上，增加纵向敏感区域有效探测距离，增加后的敏感区域有效探测距离记为l，其计算公式如下：

l＝c+d+v×t；

其中，c为刹车距离，d为反应距离，v为车速，t为浮动时间参数；

对所有的扫描点进行筛选，判断依据是扫描点与激光雷达之间的横向距离，即可得到所有落在有效探测区域内的扫描点；

在横纵距离模型中，还包含横向安全距离m，其限定无轨设备与巷道墙壁的最小间距，则激光雷达与巷道墙壁之间的最小安全距离为r/2+m；通过对扫描点横向距离与最小安全距离的比较，并辅助纵向距离比较，将危险状态分为三个等级：绿色安全等级、黄色提醒等级和红色警示等级；各个等级的判断条件如下：

绿色安全等级：|s·cosα|≥r/2+m；满足于上式，则表示有效探测区域内所有扫描点均在无轨设备前方的直线行驶敏感区域以外；

黄色提醒等级：|s·cosα|＜r/2+m；满足于上式，则表示无轨设备正前方的直线行驶敏感区域内存在扫描点，表明巷道出现了方向改变或者有障碍物存在；通过上式筛选出落在无轨设备直线行驶敏感区域内的扫描点；如果这些扫描点满足辅助判断条件①：|a1-a2|≤5°，则判定无轨设备前方出现的巷道出现了方向改变，要将危险状态等级提升至黄色提醒等级；如果不满足辅助判断条件①，则利用辅助判断条件②：||s1·sina1|-|s2·sina2||≥b/2；去判断这些扫描点之间的纵向距离，如果满足辅助判断条件②，则说明车辆前方的巷道环境出现了曲线型方向改变或者是巷道两侧出现障碍物，要将危险状态等级提升至黄色提醒等级；

红色警示等级：如果无轨设备前方的直线行驶敏感区域内的扫描点不能通过黄色提醒等级中的判断条件做出明确判断，则要将危险状态等级提升至红色警示等级；红色警示等级中的主要判断公式和黄色提醒等级中的相同，即|s·cosα|＜r/2+m，目的是筛选出落在在无轨设备直线行驶敏感区域内的扫描点，再通过三个辅助判断条件继续判断；如果扫描点满足辅助判断条件①：|a1-a2|＞5°，则表明扫描点在无轨设备前方的直线行驶敏感区域内分布不连续；如果扫描点满足辅助判断条件②||s1·sina1|-|s2·sina2||＜b/2和辅助判断条件③||s1·cosa1|-|s2·cosa2||＜r+2m，则表示这些扫描点之间的纵向距离和横向距离都无法满足无轨设备安全的通过，从而将危险状态等级提升至红色警示等级；

在上述公式中，s为扫面点p与激光雷达之间的距离、b为无轨设备的长度，r为无轨设备的宽度，m为横向安全距离，扫描点p与x轴之间夹角a，扫描点p1与激光雷达之间的距离s1，与x轴夹角a1，扫描点p2与激光雷达之间的距离s2，与x轴夹角a2。

一种矿山井下无轨设备防碰撞装置，包括：

激光测量模块，用于实时采集井下巷道的二维信息；

数据处理模块，用于对激光测量模块采集到的二维信息进行限幅滤波处理；

预警模块，用于在车辆运行过程中，基于限幅滤波处理后的二维信息，以及预先建立的横纵距离模型中实时的计算巷道轮廓和障碍物的位置，并结合危险状态三级预警机制实现无轨设备防碰撞预警。

限幅滤波处理包括如下步骤：

将当前时刻采集到的数据与上一时刻已经进行限幅滤波处理的数据与进行比较，若比较结果大于最大的允许增量δ则进行限幅滤波处理：

假设已经进行限幅滤波处理的数据为：当前时刻采集到的数据为yn，则有：

其中，为当前时刻采集到的数据yn的限幅滤波处理结果。

所述基于限幅滤波处理后的二维信息，以及预先建立的横纵距离模型中实时的判断车辆自身和周围环境信息包括：

安装在无轨设备车头横向中心的激光雷达扫描角度为0～190°，扫描光束每隔1°进行一次激光测距扫描，则共有191个扫描点；将191个扫描点距离信息进行横纵分离，得到所有扫描点与激光雷达之间的横向距离和纵向距离；以激光雷达为原点，左右扩展r+2m距离的整个前方区域为纵向敏感区域；纵向敏感区域左侧和右侧为横向敏感区域；其中，r为无轨设备的宽度，m为横向安全距离；

对于所有的扫描点，首先判断横向距离，落在左右横向敏感区域内的扫描点，以各点的纵向距离为参考量，进行对比，筛选出可能会影响直线行驶或者转向行驶的扫描点；针对落在纵向敏感区域内的扫描点，以各点的横向距离为参考量，进行对比，同样筛选出可能会影响直线行驶或者转向行驶的扫描点；

对筛选出的各个扫描点，做进一步的重复判断，从而确定巷道轮廓和障碍物的位置。

所述结合危险状态三级预警机制实现无轨设备防碰撞预警包括：

在横纵距离模型中，划定的纵向敏感区域与左右横向敏感区域为有效探测区域，在此基础上，增加纵向敏感区域有效探测距离，增加后的敏感区域有效探测距离记为l，其计算公式如下：

l＝c+d+v×t；

其中，c为刹车距离，d为反应距离，v为车速，t为浮动时间参数；

对所有的扫描点进行筛选，判断依据是扫描点与激光雷达之间的横向距离，即可得到所有落在有效探测区域内的扫描点；

在横纵距离模型中，还包含横向安全距离m，其限定无轨设备与巷道墙壁的最小间距，则激光雷达与巷道墙壁之间的最小安全距离为r/2+m；通过对扫描点横向距离与最小安全距离的比较，并辅助纵向距离比较，将危险状态分为三个等级：绿色安全等级、黄色提醒等级和红色警示等级；各个等级的判断条件如下：

绿色安全等级：|s·cosα|≥r/2+m；满足于上式，则表示有效探测区域内所有扫描点均在无轨设备前方的直线行驶敏感区域以外；

黄色提醒等级：|s·cosα|＜r/2+m；满足于上式，则表示无轨设备正前方的直线行驶敏感区域内存在扫描点，表明巷道出现了方向改变或者有障碍物存在；通过上式筛选出落在无轨设备直线行驶敏感区域内的扫描点；如果这些扫描点满足辅助判断条件①：|a1-a2|≤5°，则判定无轨设备前方出现的巷道出现了方向改变，要将危险状态等级提升至黄色提醒等级；如果不满足辅助判断条件①，则利用辅助判断条件②：||s1·sina1|-|s2·sina2||≥b/2；去判断这些扫描点之间的纵向距离，如果满足辅助判断条件②，则说明车辆前方的巷道环境出现了曲线型方向改变或者是巷道两侧出现障碍物，要将危险状态等级提升至黄色提醒等级；

红色警示等级：如果无轨设备前方的直线行驶敏感区域内的扫描点不能通过黄色提醒等级中的判断条件做出明确判断，则要将危险状态等级提升至红色警示等级；红色警示等级中的主要判断公式和黄色提醒等级中的相同，即|s·cosα|＜r/2+m，目的是筛选出落在在无轨设备直线行驶敏感区域内的扫描点，再通过三个辅助判断条件继续判断；如果扫描点满足辅助判断条件①：|a1-a2|＞5°，则表明扫描点在无轨设备前方的直线行驶敏感区域内分布不连续；如果扫描点满足辅助判断条件②||s1·sina1|-|s2·sina2||＜b/2和辅助判断条件③||s1·cosa1|-|s2·cosa2||＜r+2m，则表示这些扫描点之间的纵向距离和横向距离都无法满足无轨设备安全的通过，从而将危险状态等级提升至红色警示等级；

在上述公式中，s为扫面点p与激光雷达之间的距离、b为无轨设备的长度，r为无轨设备的宽度，m为横向安全距离，扫描点p与x轴之间夹角a，扫描点p1与激光雷达之间的距离s1，与x轴夹角a1，扫描点p2与激光雷达之间的距离s2，与x轴夹角a2。

由上述本发明提供的技术方案可以看出，通过对障碍物多区段分级预警，有效约束井下装备的移动行驶路径，避免无轨设备在快速行驶过程中互相碰撞及撞人事故，大幅降低井下无轨装备作业的事故风险；同时，还可显著提升金属非金属矿山井下无轨运输系统的智能化程度，从根本上控制了井下装备的碰撞类事故的发生概率，不仅能够为矿山企业降本增效，还可以显著提升矿山安全生产水平，具有重大的社会效益和经济效益。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种矿山井下无轨设备防碰撞方法的流程图；

图2为本发明实施例提供的地下巷道环境二维平面图；

图3为本发明实施例提供的限幅滤波前的激光雷达数据值示意图；

图4为本发明实施例提供的限幅滤波后的激光雷达数据值示意图；

图5为本发明实施例提供的横纵距离模型示意图；

图6为本发明实施例提供的横纵距离模型中的有效探测区域示意图；

图7为本发明实施例提供的防碰撞周界动态三级预警流程图。

具体实施方式

下面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，都属于本发明的保护范围。

实施例一

图1为本发明实施例提供的一种矿山井下无轨设备防碰撞方法的流程图。如图1所示，其主要包括如下步骤：

步骤11、实时采集井下巷道的二维信息，并对其进行限幅滤波处理。

无轨设备在井下巷道里行进的过程就像是人在楼道中行走，人在楼道中行走只需考虑人正前方的路面信息，可以忽视了楼道的高度。与之类似，无轨设备只需考虑其正前方的巷道信息以及无轨设备与两侧巷道壁的相对距离，而可以忽略地下巷道的高度信息。因此对于无轨设备而言，地下巷道可简化为二维平面模型，如图2所示。

巷道潮湿昏暗，并且充满大量粉尘，恶劣环境增加了激光雷达采集数据的不确定性，使得其采集的数据误差增大。为了消除环境对采集数据造成的不稳定性，需对采集到的数据进行预处理。环境对采集数据造成的影响多为尖脉冲，如图3所示。尖脉冲给数据带来较大的误差，影响了地下巷道二维平面的构建，因此需要对这种尖脉冲现象进行滤波处理。

本发明实施例中，采用限幅滤波法处理激光雷达采集的数据。限幅滤波法是通过判断被测信号的变化幅度，从而消除信号中的尖脉冲干扰。具体的方法是依赖已有的时域采样结果，将当前时刻采集到的数据与上一时刻已经进行限幅滤波处理的数据与进行比较，若比较结果大于最大的允许增量δ，则认为本次采样值受到了干扰，需要进行限幅滤波处理：

假设已经进行限幅滤波处理的数据为：当前时刻采集到的数据为yn，则有：

其中，为当前时刻采集到的数据yn的限幅滤波处理结果。

最大的允许增量δ可以根据实际情况来设定，示例性的，可根据y的最大变化速率v以及采样周期t确定，即：δ＝v×t。

对图3中的数据进行滤波处理，经过限幅滤波之后得到的数据如图4所示。

通过对图3、图4进行对比可知，限幅滤波处理去掉了波动较大的数据，得到更为可靠的数据值。

步骤12、在车辆运行过程中，基于限幅滤波处理后的二维信息，以及预先建立的横纵距离模型中实时的计算巷道轮廓和障碍物的位置，并结合危险状态三级预警机制实现无轨设备防碰撞预警。

构建一个横纵距离模型，在车辆运行过程中，实时的判断车辆自身和周围环境信息，进而建立危险状态三级预警机制，实现对装备、固定设施等障碍物多区段分级预警，更好的保障无轨车辆在井下复杂环境中的行驶安全。

无轨设备在不同的行驶趋势下，会有不同的敏感区域，区域中的信息是驾驶者或者是车载控制单元做出下一步控制动作的重要依据。横纵距离模型提供的不同的判断条件，会直接影响无轨设备防碰撞系统的输出结果，进而影响下一步行驶动作的判断。

由于地下巷道一般宽度比较小，只能允许一辆车通行；并且巷道不是很直，会有很多大弧度的转弯。根据巷道环境的特殊性，无轨设备的横纵距离模型必须要很好地适应这一特点，实时地判断车辆和巷道壁各处的横向距离和纵向距离。由此建立了巷道环境信息的横纵距离模型，如图5所示。

已知模型样机车宽r，车长b，扫描点角度为0～190°，扫面点p与激光雷达之间的距离s和横向安全距离m，扫描点p与x轴之间夹角a，扫描点p1与激光雷达之间的距离s1，与x轴夹角a1，扫描点p2与激光雷达之间的距离s2，与x轴夹角a2。在车辆的行驶方向上需要有更远的有效探测区域，以保证在出现突发危险状况时，驾驶者或者控制单元，有足够的时间完成一系列的控制动作，解除危险状况。

在横纵距离模型中，安装在无轨设备车头横向中心的激光雷达扫描光束每隔1°进行一次激光测距扫描，则共有191个扫描点；将191个扫描点距离信息进行横纵分离，得到所有扫描点与激光雷达之间的横向距离和纵向距离；以激光雷达为原点，左右扩展r+2m(车宽+2倍横向安全距离)距离的整个前方区域为纵向敏感区域；纵向敏感区域左侧和右侧为横向敏感区域；对于所有的扫描点，首先判断横向距离，落在左右横向敏感区域内的扫描点，以各点的纵向距离为参考量，进行对比，筛选出可能会影响直线行驶或者转向行驶的扫描点；针对落在纵向敏感区域内的扫描点，以各点的横向距离为参考量，进行对比，同样筛选出可能会影响直线行驶或者转向行驶的扫描点；对筛选出的各个扫描点，做进一步的重复判断(即重复上述筛选过程)，从而确定巷道轮廓和障碍物的位置。

危险状态三级预警机制的判断条件是在横纵距离模型的基础上，增加有效探测距离，将巷道环境距离信息在有效探测区域内进行安全分级。激光雷达的最远探测距离是q米(例如，65米)，在实际巷道环境中，由近至远，巷道环境信息对于车辆的危险状态判断的可参考性逐渐变小。如果近处出现了危险状态，即使远处的巷道环境很好，车辆也必须立即作出当前环境下的危险状态预警，并采取必要的控制动作，尽快离开危险区域。相反在当前位置，激光雷达探测到很远的区域是处于危险状态的，这个判断结果可能是由于当前车辆的位置、姿态或者是巷道空间趋势造成的，并不能准确判断远处区域的危险状态。

由于井下巷道环境的特殊性，有效探测区域的左右不做限制，只对车辆正前方设置有效探测距离l。也就是说，在横纵距离模型中，划定的纵向敏感区域与左右横向敏感区域为有效探测区域，在此基础上，增加纵向敏感区域有效探测距离，增加后的敏感区域有效探测距离记为l，如图6所示。

同时为了保证有效探测区域在各种巷道环境中的适应性，有效探测距离l既要包括由无轨设备本身动力学特征和驾驶者造成的固定距离，也要包括由于速度不同造成的可变距离。其计算公式如下：

l＝c+d+v×t；

其中，c为刹车距离，d为反应距离，v为车速，t为浮动时间参数。

示例性的，假设无轨设备实际尺寸：无轨设备的宽度r＝500mm，无轨设备的长度b＝1600mm。通过对模型样机的动力学分析可知其刹车距离c；驾驶者的反应时间一般为0.3s，由此得到反应距离d；浮动时间参数t，可以根据复杂度不同的巷道环境做相应调整。

在横纵距离模型中，划定了有效探测区域，危险状态警示系统的判断条件就是在有效探测区域内生成的。首先对所有的扫描点进行筛选，判断依据是扫描点与激光雷达之间的横向距离，即可得到所有落在有效探测区域内的扫描点。

在横纵距离模型中还有一个重要的距离参数是横向安全距离m，其限定无轨设备与巷道墙壁的最小间距，由于车辆本身是有宽度的，激光雷达安装在前车架的横向中心位置，由此计算得到激光雷达与巷道墙壁之间的最小安全距离为r/2+m；通过对扫描点横向距离与最小安全距离的比较，并辅助纵向距离比较，将危险状态分为三个等级：绿色安全等级、黄色提醒等级和红色警示等级；三个危险状态等级的预警流程如图7所示。各个等级的判断条件如下：

1)绿色安全等级：|s·cosα|≥r/2+m；满足于上式，则表示有效探测区域内所有扫描点均在无轨设备前方的直线行驶敏感区域以外，由此可判断在当前的巷道环境中，车辆可保持前车架方向不变，快速直线行驶。

2)黄色提醒等级：|s·cosα|＜r/2+m；满足于上式，则表示无轨设备正前方的直线行驶敏感区域内存在扫描点，表明巷道出现了方向改变或者有障碍物存在，这种情况是最复杂且难以判断的。为了更准确的判断当前车辆所处的巷道环境信息，通过上式筛选出落在无轨设备直线行驶敏感区域内的扫描点；如果这些扫描点满足辅助判断条件①：|a1-a2|≤5°，则判定无轨设备前方出现的巷道出现了方向改变，要将危险状态等级提升至黄色提醒等级，提醒驾驶者注意前方巷道情况。如果不满足辅助判断条件①，则利用辅助判断条件②：||s1·sina1|-|s2·sina2||≥b/2；去判断这些扫描点之间的纵向距离，如果满足辅助判断条件②，则说明车辆前方的巷道环境出现了曲线型方向改变或者是巷道两侧出现障碍物，并且它们之间的纵向距离可以允许车辆通过角度改变通过此处，要将危险状态等级提升至黄色提醒等级，提醒驾驶者注意前方巷道情况。

3)红色警示等级：如果无轨设备前方的直线行驶敏感区域内的扫描点不能通过黄色提醒等级中的判断条件做出明确判断，则要将危险状态等级提升至红色警示等级；红色警示等级中的主要判断公式和黄色提醒等级中的相同，即|s·cosα|＜r/2+m，目的是筛选出落在在无轨设备直线行驶敏感区域内的扫描点，再通过三个辅助判断条件继续判断；如果扫描点满足辅助判断条件①：|a1-a2|＞5°，则表明扫描点在无轨设备前方的直线行驶敏感区域内分布不连续；如果扫描点满足辅助判断条件②||s1·sina1|-|s2·sina2||＜b/2和辅助判断条件③||s1·cosa1|-|s2·cosa2||＜r+2m，则表示这些扫描点之间的纵向距离和横向距离都无法满足无轨设备安全的通过，从而将危险状态等级提升至红色警示等级。

在井下巷道环境的距离判断模型的基础上，明确了危险状态判断条件，并将危险状态划分为三个等级，危险源距离探测误差小于10cm。

本发明实施例上述方案，通过对障碍物多区段分级预警，有效约束井下装备的移动行驶路径，避免无轨设备在快速行驶过程中互相碰撞及撞人事故，大幅降低井下无轨装备作业的事故风险；同时，还可显著提升金属非金属矿山井下无轨运输系统的智能化程度，从根本上控制了井下装备的碰撞类事故的发生概率，不仅能够为矿山企业降本增效，还可以显著提升矿山安全生产水平，具有重大的社会效益和经济效益。

实施例二

本发明实施例还提供一种矿山井下无轨设备防碰撞装置，其用于实现前述实施例所提供的方法，该装置主要包括：

激光测量模块，用于实时采集井下巷道的二维信息；

数据处理模块，用于对激光测量模块采集到的二维信息进行限幅滤波处理；

预警模块，用于在车辆运行过程中，基于限幅滤波处理后的二维信息，以及预先建立的横纵距离模型中实时的计算巷道轮廓和障碍物的位置，并结合危险状态三级预警机制实现无轨设备防碰撞预警。

进一步的，限幅滤波处理包括如下步骤：

将当前时刻采集到的数据与上一时刻已经进行限幅滤波处理的数据与进行比较，若比较结果大于最大的允许增量δ则进行限幅滤波处理：

假设已经进行限幅滤波处理的数据为：当前时刻采集到的数据为yn，则有：

其中，为当前时刻采集到的数据yn的限幅滤波处理结果。

进一步的，所述基于限幅滤波处理后的二维信息，以及预先建立的横纵距离模型中实时的判断车辆自身和周围环境信息包括：

安装在无轨设备车头横向中心的激光雷达扫描角度为0～190°，扫描光束每隔1°进行一次激光测距扫描，则共有191个扫描点；将191个扫描点距离信息进行横纵分离，得到所有扫描点与激光雷达之间的横向距离和纵向距离；以激光雷达为原点，左右扩展r+2m距离的整个前方区域为纵向敏感区域；纵向敏感区域左侧和右侧为横向敏感区域；其中，r为无轨设备的宽度，m为横向安全距离；

对于所有的扫描点，首先判断横向距离，落在左右横向敏感区域内的扫描点，以各点的纵向距离为参考量，进行对比，筛选出可能会影响直线行驶或者转向行驶的扫描点；针对落在纵向敏感区域内的扫描点，以各点的横向距离为参考量，进行对比，同样筛选出可能会影响直线行驶或者转向行驶的扫描点；

对筛选出的各个扫描点，做进一步的重复判断，从而确定巷道轮廓和障碍物的位置。

进一步的，所述结合危险状态三级预警机制实现无轨设备防碰撞预警包括：

在横纵距离模型中，划定的纵向敏感区域与左右横向敏感区域为有效探测区域，在此基础上，增加纵向敏感区域有效探测距离，增加后的敏感区域有效探测距离记为l，其计算公式如下：

l＝c+d+v×t；

其中，c为刹车距离，d为反应距离，v为车速，t为浮动时间参数；

对所有的扫描点进行筛选，判断依据是扫描点与激光雷达之间的横向距离，即可得到所有落在有效探测区域内的扫描点；

在横纵距离模型中，还包含横向安全距离m，其限定无轨设备与巷道墙壁的最小间距，则激光雷达与巷道墙壁之间的最小安全距离为r/2+m；通过对扫描点横向距离与最小安全距离的比较，并辅助纵向距离比较，将危险状态分为三个等级：绿色安全等级、黄色提醒等级和红色警示等级；各个等级的判断条件如下：

绿色安全等级：|s·cosα|≥r/2+m；满足于上式，则表示有效探测区域内所有扫描点均在无轨设备前方的直线行驶敏感区域以外；

黄色提醒等级：|s·cosα|＜r/2+m；满足于上式，则表示无轨设备正前方的直线行驶敏感区域内存在扫描点，表明巷道出现了方向改变或者有障碍物存在；通过上式筛选出落在无轨设备直线行驶敏感区域内的扫描点；如果这些扫描点满足辅助判断条件①：|a1-a2|≤5°，则判定无轨设备前方出现的巷道出现了方向改变，要将危险状态等级提升至黄色提醒等级；如果不满足辅助判断条件①，则利用辅助判断条件②：||s1·sina1|-|s2·sina2||≥b/2；去判断这些扫描点之间的纵向距离，如果满足辅助判断条件②，则说明车辆前方的巷道环境出现了曲线型方向改变或者是巷道两侧出现障碍物，要将危险状态等级提升至黄色提醒等级；

红色警示等级：如果无轨设备前方的直线行驶敏感区域内的扫描点不能通过黄色提醒等级中的判断条件做出明确判断，则要将危险状态等级提升至红色警示等级；红色警示等级中的主要判断公式和黄色提醒等级中的相同，即|s·cosα|＜r/2+m，目的是筛选出落在在无轨设备直线行驶敏感区域内的扫描点，再通过三个辅助判断条件继续判断；如果扫描点满足辅助判断条件①：|a1-a2|＞5°，则表明扫描点在无轨设备前方的直线行驶敏感区域内分布不连续；如果扫描点满足辅助判断条件②||s1·sina1|-|s2·sina2||＜b/2和辅助判断条件③||s1·cosa1|-|s2·cosa2||＜r+2m，则表示这些扫描点之间的纵向距离和横向距离都无法满足无轨设备安全的通过，从而将危险状态等级提升至红色警示等级；

在上述公式中，s为扫面点p与激光雷达之间的距离、b为无轨设备的长度，r为无轨设备的宽度，m为横向安全距离，扫描点p与x轴之间夹角a，扫描点p1与激光雷达之间的距离s1，与x轴夹角a1，扫描点p2与激光雷达之间的距离s2，与x轴夹角a2。

另外，在实际应用中还可以设置一些辅助模块，例如，设置数据通信模块，将激光测量模块的数据传输给数据处理模块；设置软件模块，来配合显示器进行各项数据的显示。

需要说明的是，上述装置中包含的各个功能模块所实现的功能的具体实现方式在前面的实施例一中已经有详细描述，故在这里不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。