一种自动驾驶矿用自卸卡车环境感知系统及矿用自卸卡车的制作方法

本发明涉及矿用自卸卡车自动驾驶技术领域，具体涉及一种自动驾驶矿用自卸卡车环境感知系统及矿用自卸卡车。

背景技术：

自动驾驶矿用自卸卡车又称无人驾驶矿用汽车，简称无人矿卡，主要是一种通过车载计算单元实现自动驾驶技术的智能矿用自卸卡车。作为自动驾驶必不可少的技术支撑，车载传感器是其依赖的最重要的载体，因此传感器布局是自动驾驶汽车的重点环节。矿用自卸卡车能够进行稳定行驶的前提主要是通过对矿用自卸卡车周围环境信息的感知。详细而言，即：无人矿卡主要依靠激光雷达、毫米波雷达、车载图像传感器等部件获取到矿用自卸卡车周围环境信息，并对行驶道路进行识别、导航。其中，激光雷达和毫米波雷达是对周围环境检测的核心部件，组合惯性导航传感器是对道路进行定位的部件。在现有的自动驾驶矿用自卸卡车传感器设计布置时，通常都会配备多个激光雷达和一套组合导航系统，以实现自动驾驶矿用自卸卡车主要功能。

现有技术中对于无人驾驶技术的研究基本是以城市道路乘用车、物流车、景区观光车、科研小车试验平台和小型矿用自卸卡车为主，与之相对应的进行传感器系统布局也是基于实际的驾驶环境及车辆自身情况而定。其研究对象和行驶环境为城市道路、高速道路或者景区道路。环境信息多变，行人和其他不确定性因素导致其研发进展缓慢。例如：专利申请cn201710160870.9公开了一种车用环境感知系统及汽车，主要描述一种乘用汽车自动驾驶传感器布局。但很少有人将目标确定在大型工程矿用自卸卡车上，由于大型工程矿用自卸卡车的作业环境及车辆结构与普通乘用汽车有较大区别，因此普通乘用汽车的自动驾驶系统无法直接移植到大型工程矿用自卸卡车上。

技术实现要素：

为解决现有技术中的不足，本发明提供一种自动驾驶矿用自卸卡车环境感知系统及矿用自卸卡车，解决了现有技术中感知扫描范围受限，最大程度减小盲区的范围，环境感知的检测精度不高的技术问题。

为了实现上述目标，本发明采用如下技术方案：

一种自动驾驶矿用自卸卡车环境感知系统，其特征在于：包括：

车载计算单元：接收环境感知系统的数据，并对该数据进行提取、处理，并将处理结果发送至车辆的中央控制单元；

环境感知系统包括：激光雷达、毫米波雷达、图像传感器及组合导航设备，其中：

激光雷达：探测车辆正前方及正后方的目标信息；

毫米波雷达：探测车辆正前方及两侧的目标信息；

图像传感器：探测车辆四周的目标信息；

组合导航设备设有gps天线：实时获取车辆的位置信息。

激光雷达包括三十二线激光雷达、十六线激光雷达、四线激光雷达；

三十二线激光雷达设置在车辆正前方的中间位置，用于探测车辆正前方的目标信息；

十六线激光雷达设置在车辆正后方的中间部位，用于探测车辆正后方的目标信息；

四线激光雷达有三个，其中两个对称设置在车辆正前方中间的两侧，用于探测车辆正前方的目标信息；另外一个设置在车辆正后方的中间部位，且距离货箱下边缘的距离为货箱线边缘到地面高度的二分之一左右；

毫米波雷达包括一个长距毫米波雷达和两个短距毫米波雷达；

长距毫米波雷达设置在车辆正前的中间位置，且发射面朝向车辆正前方；

两个短距毫米波雷达设置在车辆前方的左右两侧，且雷达发射面向车辆侧部偏移；

图像传感器有四个，两个图像传感器设置在车辆的一个侧部，另外两个设置在车辆的另一侧部。

作为本发明的优选方案，前述的一种自动驾驶矿用自卸卡车环境感知系统：车载计算单元设置在车辆驾驶室内部的机柜中。

作为本发明的优选方案，前述的一种自动驾驶矿用自卸卡车环境感知系统：长距毫米波雷达为76ghz毫米波雷达，短距离毫米波雷达为76ghz毫米波雷达。

作为本发明的优选方案，前述的一种自动驾驶矿用自卸卡车环境感知系统：短距毫米波雷达的天线发射面垂直于地面，并且天线发射面与矿用自卸卡车整车纵向对称面夹角为30度。

作为本发明的优选方案，前述的一种自动驾驶矿用自卸卡车环境感知系统：十六线激光雷达中央水平面与水平面的夹角为18.5度。

作为本发明的优选方案，前述的一种自动驾驶矿用自卸卡车环境感知系统：对称设置在车辆正前方中间两侧的四线激光雷达位于车体正前方中间部位左右两侧各一个，且与车辆纵向对称面距离为车辆宽度的十分之一，左侧四线激光雷达发射面的轴线与车辆纵向对称面夹角为30度，右侧四线激光雷达发射面的轴线与车辆纵向对称面夹角为40度。

作为本发明的优选方案，前述的一种自动驾驶矿用自卸卡车环境感知系统：设置在车辆正后方的中间部位四线激光雷达的中央水平面与水平面的夹角是8度。

作为本发明的优选方案，前述的一种自动驾驶矿用自卸卡车环境感知系统：三十二线激光雷达、十六线激光雷达、四线激光雷达、网络图像传感器均通过以太网与车载计算单元连接，长距毫米波雷达和短距毫米波雷达、组合导航设备通过can总线与车载计算单元连接。

作为本发明的优选方案，前述的一种自动驾驶矿用自卸卡车环境感知系统：gps天线有两个，两个gps天线分别设置在驾驶室正上方左右的两侧。

一种矿用自卸卡车，其特征在于：包含前述任意一项的自动驾驶矿用自卸卡车环境感知系统。

本发明所达到的有益效果：

相对于现有技术，本发明通过十六线激光雷达和四线激光雷达组合使用来替代现有技术中的六十四线或者一百二十八线激光雷达，能够大大降低自动驾驶汽车配置成本；在安装选用激光雷达的同时，采用毫米波雷达和图像传感器获取环境信息，通过和激光雷达数据进行融合，可以弥补雷达本身的精度不足现象，增加自动驾驶安全性；通过毫米波雷达、激光雷达、图像传感器安装在矿车四周，感知扫描范围几乎覆盖矿用自卸卡车整个区域，最大程度减小盲区的范围，提高环境感知的检测精度。除此之外，通过网络可以利用图像传感器进行远程操控，不仅提高了自动驾驶矿车行驶可靠性和安全性，还可以降低风险性。

本发明能够满足大型工程矿用自卸卡车的作业环境及车辆结构的使用需求，在保证正常工作、车辆安全的同时尽可能地降低成本。

附图说明

图1是本发明的系统组成图；

图2是本发明环境感知系统的布局俯视图；

图3是本发明环境感知系统的布局主视图；

图4是本发明环境感知系统的布局左视图；

附图标记的含义：1-三十二线激光雷达；2-十六线激光雷达；3-四线激光雷达；4-长距毫米波雷达；5-短距毫米波雷达；6-图像传感器；7-gps天线；8-电台天线。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图1至图4所示：本实施例公开了一种自动驾驶矿用自卸卡车环境感知系统，包括：车载计算单元及环境感知系统，其中：

车载计算单元：接收环境感知系统的数据，并对该数据进行提取、处理，并将处理结果发送至车辆的中央控制单元，车载计算单元最好安装在车辆驾驶室内部机柜中。

环境感知系统包括各种传感器、图像采集装置，具体包括：激光雷达、毫米波雷达、图像传感器6及组合导航设备，其中：

激光雷达：探测车辆正前方及正后方的目标信息。本实施例的激光雷达包括三十二线激光雷达1、十六线激光雷达2、四线激光雷达3，三种激光雷达的数量分别是1个、1个、两个。

为了更好的采集目标信息，三十二线激光雷达1设置在车辆正前方的中间位置，用于探测车辆正前方的目标信息，与车顶距离为车高的三分之一，且与车辆两侧的距离相等，例如可以设置在正前方散热器框架上方的中间部位，其安装高度在车辆前方中间偏上部位，雷达扫描范围水平视角为360°，垂直视角在以上10°、以下30°，这样安装布局可保证三十二线激光雷达1获得前方最大的扫描范围。

十六线激光雷达2设置在车辆正后方的中间部位，用于探测车辆正后方的目标信息，并且距离货箱下边缘为货箱线边缘到地面高度的二分之一的位置，且与车辆的两侧距离相等，雷达中央水平面与地面夹角为18.5度（假设地面水平），例如可以设置在车辆正后方车架尾灯支架中间部位，其安装高度大约为1.1米。十六线激光雷达2水平扫描360度，垂直视角为上下各15度，安装倾角向下18.5度，有利于减小距离车辆附近的盲区。

四线激光雷达3有三个，其中两个对称设置在车辆正前方中间的两侧（以车辆的中心线为中心对称设置），用于探测车辆正前方的目标信息；设置在车辆正前方的两个激光雷达，位于车体正前方中间部位左右两侧各一个，与车辆纵向对称面距离为车辆宽度的十分之一，例如可安装在车辆正前方保险杠中间位置两侧部位，激光雷达发射点保持水平，安装高度在0.25米～0.3米之间。进一步的，左侧激光雷达发射面纵向对称轴与车辆纵向对称面夹角为30度（发射中心与车辆中线的夹角是30度），右侧激光雷达发射面纵向对称轴与车辆纵向对称面夹角为40度（发射中心与车辆中线的夹角是30度）。设置在车辆前方的两个四线激光雷达3主要用于探测车辆正前方近距离的目标信息，用于弥补三十二线雷达1两侧近距离探测盲区，包括目标的距离、角度、反射强度、速度等信息。

另外一个四线激光雷达3设置在车辆正后方的中间部位，且距离货箱下边缘的距离为货箱线边缘到地面高度的二分之一左右，且雷达的中央水平面与地面夹角最好为8度（假设地面水平）。

毫米波雷达用于探测车辆正前方及两侧的目标信息，毫米波雷达包括一个长距毫米波雷达4以及两个短距毫米波雷达5。其中长距毫米波雷达4设置在车辆正前方的中间位置，可安装在前方保险杠的中，用于探测车辆正前方的目标信息，而两个短距毫米波雷达5设置在车辆左右侧前方位置（处在两个四线激光雷达3的外侧），可安装在前方保险杆的两侧，用于探测车辆两侧前方的目标信息。毫米波雷达垂直面需要与矿用自卸卡车行驶路面垂直，雷达波发射平面和水平面的夹角最大误差可以达到+/-4.5º(包括雷达的内部安装产生的+/-0.5º发射平面误差)；安装的yaw角度与矿用自卸卡车前进方向成30º角，可以有+/-5º的安装误差。实际安装保持水平，实际安装高度在0.25米～0.35米之间，前方左侧毫米波雷达安装位置与矿用自卸卡车前进方向夹角为30°，前方右侧毫米波雷达安装位置与矿用自卸卡车前进方向的夹角为-30°该雷达具有中距离和远距离的扫描能力，中距离模式下可探测距离为50m，水平视角为±75º，垂直扫描范围为±5º，侧方区域探测由短距毫米波雷达完成。

此外，本实施例的长距毫米波雷达4优选76ghz毫米波雷达，并且发射面朝向车体的正前方，并且天线的发射面垂直于地面（假设地面保持水平）。两个短距毫米波雷达5的发射面朝向车头前方两侧朝外，天线的发射面垂直于地面（假设地面保持水平），并且天线发射面与车辆纵向对称面夹角为30度（向外偏转30度）。

图像传感器6用于探测车辆四周的目标信息，本实施例的图像传感器6有四个，四个图像传感器6分别设置在车辆侧部的，用于探测车辆四周环境的目标信息。图像传感器便于远程直接观察车辆周围状态，包括可行驶区域、道路信息、车辆信息以及其他地面路况等信息。

组合导航设备用于实时获取车辆的位置信息，组合导航设备安装在驾驶室和车体刚性连接。组合导航设备还连接gps天线7，gps天线7最好有两个，2个gps天线7安装在驾驶室正上方左右两侧位置，用于实时获取所述矿用自卸卡车的位置、航向、横摆角、速度等信息。本发明还包括电台天线8，电台天线8安装在车辆货箱顶部，用于通过更好地提供精准的定位信息。

车载计算单元安装在驾驶室内部机柜中，通过can总线或者以太网连接激光雷达、毫米波雷达、摄像机和组合导航设备。

工作时，车载计算单元获取由4个图像传感器6探测到的信息，得到四周可行区域范围内的实时环境信息；车载计算单元获取三十二线激光雷达1探测到的信息，得到车辆正前方中远距离环境信息；车载计算单元获取十六线线激光雷达2探测到的信息，得到车辆正后方中远距离环境信息；车载计算单元获取四线激光雷达3探测到的信息，得到车辆正后方和前方近距离距离环境信息；车载计算单元获取探测到长距毫米波雷达4的信息，得到车辆正前方远距离和中距离环境信息；车载计算单元获取探测到短距毫米波雷达5的信息，得到车辆左右侧方近距离环境信息；最后，车载计算单元通过得到的信息进行融合计算处理，确定自动驾驶矿用自卸卡车最佳行驶路径，进而实现自动驾驶功能实现。

将激光雷达、毫米波雷达获取的障碍物数据分别转换为相应的车体坐标系。由于激光雷达有多种，并且每种可能不止一个，因此需要进行多传感器的数据融合。

地面数据的检测采用多个平面对路面进行拟合，并结合采用栅格地图高度差结合邻域差值检测。传统激光雷达处理方案，需要将地面点和高架点进行分离。在结构化道路（主要包括高速公路、城市干道）上，路面可以近似为平面，并通过平面提取方法提取出路面。在非结构化道路上，道路崎岖不平，采用多个平面对路面进行拟合。并结合采用栅格地图高度差结合邻域差值检测方法，但现有技术中的通过平面提取的方法会存在较大误差。

而本实施例采用栅格地图高度差结合邻域差值检测方法，可以稳定有效地检测出地面。

采用栅格地图高度差结合邻域差值地面检测，绘制“地面-高架点”的0、1二值图。首先将激光雷达点云数据栅格化，获得n*n的栅格图；然后计算每个栅格内点云高程的最大值和最小值的差值，并计算其梯度，将此差值a与预先设定的阈值d1进行比较，滤除差值大于阈值的点（a大于d1）为“高架点”，保留差值小于阈值的点（a小于d1），并认定为地面，对于差值小于阈值的点（a小于d1）做邻域差值计算，邻域的选取跟栅格大小相关，本实施例选取原则是将栅格周围2米以内的栅格考虑为“邻域”；对属于地面的点云，按照车距分布，分成多个点云区间，并对各点云区间进行平面拟合，连接各个拟合的平面，即为路面。由此绘制“地面-高架点”的0、1二值图。

采用多参数模型对高架点进行聚类。对“地面-高架点”的0、1二值图，采用八连通域方法进行聚类，获取高架点聚类簇。由于矿山场景矿卡体积较大，并且有外轮廓不是标准的矩形的特点，激光雷达检测时会出现点云比较稀疏、目标特征点被自身遮挡、聚类后将单个目标聚类成多个簇的情况。采用多参数模型的后处理办法，将多个簇合并为一个，完成点云的目标提取。根据簇的大小、密度，设置不同的合并参数，根据此参数，将不同大小的簇合并为一个，由此解决点云稀疏或者目标不规则导致的聚类不准确问题。

基于车辆目标行驶路线安全检测区内障碍物检测及判定：将上述聚类后的簇转换为二维数据，计算其凸包（障碍物）信息，根据凸包信息判断其是否为障碍物；

将车辆的行驶轨迹导入系统中，并将行驶轨迹左右各扩充一定宽度，作为矿卡行驶的安全区。计算每个凸包点离行驶轨迹的距离，根据距离值与安全区的宽度，判断簇是否在矿卡的安全检测区域内。只要有一个凸包点距离值小于安全区宽度，则认为此障碍物在安全区内，否则就不在安全区内。

车辆是否在可行驶区域检测。如图3所示：为保障矿卡的安全行驶，还必须对道路边缘进行有效的检测，防止在定位信息失效的情况下矿卡驶入道路以外的空间。

采用基于区域生长算法的可行驶区域检测方法。对“地面-高架点”的0、1二值图，选取矿卡前方中心点为种子点，采用四邻域生长方式，将矿卡前方的非障碍物区域提取出来，即可行驶区域。计算矿卡前方中心点与可行驶区域边界点的距离值，并对此距离值数据进行排序，得到其最小值，将该最小值与预先设定的阈值进行比较，若该最小值小于预先设定的阈值则车辆有碰到障碍物的危险，反之则认为车辆在可行驶区域内不会碰到障碍物。

基于匹配距离阈值将激光雷达数据与毫米波雷达数据进行匹配，输出最终结果。激光雷达的优势在于其探测范围更广，探测精度更高，但是在雨雪雾等极端天气下性能较差，而毫米波雷达的穿透能力强，因此为了提升系统检测的精确性及安全性，本实施例还采用了毫米波雷达数据进行匹配，具体如下：

首先将毫米波雷达数据转换到车体坐标系下，

将毫米波雷达接入除噪滤波器，将毫米波雷达检测到的目标进行除噪、跟踪处理。毫米波雷达不受雨雪、灰尘等条件影响，因此通过将激光雷达的检测结果与毫米波雷达的检测结果进行匹配，减小误检率。匹配方法是：将毫米波雷达检测结果分别与激光雷达检测结果根据距离判断是否进行配对，距离阈值通过激光雷达检测到的障碍物尺寸信息动态分配，如果匹配成功则保存激光雷达检测结果作为最终的检测结果，保留障碍物的距离、大小、朝向信息，如果匹配失败则过滤掉激光雷达障碍物中匹配失败的，保留匹配成功的，然后将匹配成功的有效障碍物信息输出。

相对于现有技术，本发明通过十六线激光雷达2和四线激光雷达3组合使用来替代现有技术中的六十四线或者一百二十八线激光雷达，能够大大降低自动驾驶汽车配置成本；在安装选用激光雷达的同时，采用毫米波雷达和图像传感器6获取环境信息，通过和激光雷达数据进行融合，可以弥补雷达本身的精度不足现象，增加自动驾驶安全性；通过毫米波雷达、激光雷达、图像传感器安装在矿车四周，感知扫描范围几乎覆盖矿用自卸卡车整个区域，最大程度减小盲区的范围，提高环境感知的检测精度。除此之外，通过网络可以利用图像传感器进行远程操控，不仅提高了自动驾驶矿车行驶可靠性和安全性，还可以降低风险性，本实施例的图像传感器是带红外功能的图像传感器，用于恶劣天气下激光雷达失效时的障碍物检测、当因障碍物引发停车时对障碍物人工确认和远程操控。

本发明能够满足大型工程矿用自卸卡车的作业环境及车辆结构的使用需求，在保证正常工作、车辆安全的同时尽可能地降低成本。

本发明还针对矿用自卸卡车的实际应用环境，对道路内障碍物进行有效检测，防止漏检，精确聚类；对道路边缘进行有效的检测，保证安全性，特别适用于矿山等非结构化道路环境。且在雨雪、强弱光、扬尘等恶劣条件下同样适用，具有很好的鲁棒性。从适用场景来看，其检测目标除了矿山场景（非结构化道路）还包括结构化道路，防止在定位信息失效的情况下矿卡驶入道路以外的空间。

本发明的鲁棒性较好，根据激光雷达的工作原理及优缺点，本发明还采用了多种雷达融合的方案，通过将激光雷达的检测结果与毫米波雷达的检测结果进行匹配，减小误检率。

本实施例还公开了一种矿用自卸卡车：包本实施例上述的自动驾驶矿用自卸卡车环境感知系统。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。