自动驾驶面向矿区装卸载作业场景的无人卡车的轨迹规划

　　基本背景
　　露天矿山是典型的自动驾驶应用场景。与小型乘用车在结构化城市道路上行驶相比，矿用卡车在非结构化矿山的行驶过程更加复杂，尤其是在露天矿山装卸载作业场景中。在露天矿山的装卸载作业区域中实现安全、高效率、高质量的轨迹规划，是提升矿山无人化开采作业效率的重要手段之一。
　　露天矿山（网络图片）
　　研发困难
　　露天矿山装卸载作业场景中轨迹规划的复杂性体现为以下几点：
　　1.矿用车的运动学规律复杂
　　矿用车允许前进/倒退多次机动，因此行车路径不是平滑曲线；鉴于倒退行驶过程中的跟踪控制困难，矿用车的倒退行驶路径的曲率及行车速率往往被设置得更苛刻；每一前进/后退行驶的路径段不宜过短。
　　2.矿用车的环境约束复杂
　　矿用车须避免与环境中杂乱摆放的障碍物相撞；此外，矿用车还需遵循额外的空间制约条件，例如安全施工规定要求矿用车只能以特定姿态角度倒退抵达铲车的电铲下方。
　　3.矿用车行驶习惯复杂
　　除上述硬性约束外，矿用车的行驶行为应尽量贴近人类驾驶员，体现拟人化，例如倒退行驶路径段不宜过长、车辆机动次数应最小化。
　　以上复杂因素导致矿山装卸载作业场景中的轨迹规划任务是一个包含逻辑判断表达式的最优控制问题。对其进行数值求解意味着处理包含条件约束的混合整数非线性规划命题，然而目前尚不存在针对该类问题的求解工具。
　　技术方案
　　为了解决上述困难，湖南大学机械与运载工程学院李柏教授团队提出了一种分层规划策略：在规划的上层，提出一种最优性增强的混合A*搜索算法，考虑包含逻辑判断表达式的部分复杂因素，获得全局最优性较好的近似可行解；规划的下层将继承上层输出的近似可行解，据此对原始命题中的代价函数、约束条件进行简化，从而构建小规模的非线性规划命题，并予以快速求解。为确保下层中对原始命题的简化不至于导致所求解结果违背上层已充分考虑的那些复杂因素，在非线性规划命题中添加了保障层次之间有序传承的约束条件。
　　研发经验
　　该算法的开发历时近两年时间，结合矿区作业实际需求及算法表现经历了十余轮迭代改进。为提高算法开发效率，研发团队依托湖南大学的实验室开展了室内小型实验，对算法原型进行了大量验证。
　　实验室模拟场景1
　　实验室模拟场景2
　　NOKOV度量动作捕捉 的红外传感器用于实验室内微型车的定位，定位精度达到了亚毫米级。李柏教授表示，NOKOV度量动作捕捉系统的高精度定位能力确保微型车闭环跟踪控制顺利实现，从而保障了算法原型验证工作的顺利开展。
　　实验视频
　　经过工程化完善与适配后，上述轨迹规划算法已在句容台泥智能化矿山项目的自动驾驶矿用卡车上部署。经过中国计量科学研究院的对比计量认证，该项目中矿山无人纯电矿车的生产效率、安全性、经济性全面超过有人驾驶燃油矿车，该项目是首个由第三方认证超过人工效率的无人驾驶项目。
　　中国计量科学研究院测试报告
　　参考文献：
　　Bai Li, Yakun Ouyang, Xiaohui Li, Dongpu Cao*, Tantan Zhang, and Yaonan Wang, ＂Mixed- integer and Conditional Trajectory Planning for an Autonomous Mining Truck in Loading/Dumping Scenarios: A Global Optimization Approach,＂ IEEE Transactions on Intelligent Vehicles, vol. 7, no. 2, 2023, doi: 10.1109/TIV.2022.3214777.
　　论文链接：
　　https://ieeexplore.ieee.org/document/9919391/