[发明专利]一种基于矿区环境的无人驾驶技术感知融合方法

说明书

本发明公开了一种基于矿区环境的无人驾驶技术感知融合方法，以多种传感器作为数据来源，针对矿区特殊行车环境，利用多传感器融合技术，保证感知信息的稳定性和可靠性。利用多种传感器采集车辆周围环境信息，基于多传感器融合原理，依据不同传感器特性进行互补，可以获取更加精准的感知信息，提高感知准确性，从而可以使无人驾驶矿卡车辆在使用过程中适应复杂的矿区环境，安全高效地完成作业。利用不同传感器得到的障碍物信息，通过计算信息熵得到其特征信息权重，进而优化匹配矩阵，提高匹配精度，从而针对恶劣矿区环境下提取的障碍物信息以及跟踪目标信息进行更精确地匹配，获得更精准的行车环境信息，保障整体行车过程中的安全性和流畅性。

技术领域

本发明涉及自动驾驶、多传感器处理、多信息融合技术领域，尤其涉及一种基于矿区环境的无人驾驶技术感知融合方法。

背景技术

自动驾驶是汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物，是当前全球汽车与交通出行领域智能化和物联网化发展的主要方向。随着无人驾驶技术的逐步成熟，民用、乘用甚至工业用途的无人驾驶技术得到推广与应用。尤其是在矿山采矿业，其运输方式主要是以矿用卡车运输为主，而运输费用又是整个矿区生产开采费用的最重要组成部分。在矿石总成本和生产过程总劳动量中，运输成本和运输劳动成本占主要部分。另一方面，目前国内大多数的矿山仍然采用人工驾驶车辆进行运输的方式，矿山采矿作业环境危险，危险系数高，操作稍有不慎就会造成生命安全隐患，驾驶技术要求和安全问题使得人员招聘困难。

随着智慧矿山的推进，将无人驾驶技术应用矿车上，能够极大地改善矿区运输作业现状，降低卡车司机的安全风险，同时也能大幅降低物流运输成本以及人力成本，提高矿区生产效率，推动矿山产业的进一步发展，有助于构建绿色矿山、智慧矿山。然而，不同于铺装道路与普通乘用车的无人驾驶车辆，矿区行驶道路条件恶劣，经常存在道路起伏、灰尘较大以及积水积雪等情况。在行驶过程中车身会布置不同类型的传感器，包括摄像头、机械式激光雷达、毫米波雷达以及超声雷达等；其中，摄像头具有价格低廉、数据获取简易以及辐射范围广等优点，但是数据采集受环境影响较大，例如矿区的扬尘、昼夜工作条件都会对摄像头的数据采集造成影响；机械式激光雷达虽然具有检测距离精度高、不受光照影响、覆盖范围广等特点，但是容易受到雨、雪、雾、灰尘等的影响；毫米波雷达虽然具有成本低、动态跟踪、检测距离远的特点，但是噪声多、分辨率低、范围角度小，容易误检、漏检静态障碍，而且很容易受到周边非障碍物的干扰；超声雷达的能量消耗较缓慢，在介质中传播的距离比较远，穿透性强，测距的方法简单，成本低，但超声雷达的传输速度受环境影响大，不稳定，且超声雷达波的散射角大，方向性差。因此，鉴于矿区复杂道路环境，仅采用单一传感器检测精度和效果都存在较大不足。

发明内容

有鉴于此，本发明提供了一种基于矿区环境的无人驾驶技术感知融合方法，用以解决现有无人驾驶车辆感知融合技术对于矿区环境的普适性低，尤其是针对矿区灰尘以及道路颠簸不平稳的环境可靠性低的问题，以及对于无人驾驶矿卡车辆，现有技术信息稳定性和可靠性不足，无法满足无人驾驶矿卡车辆行车感知需求以及安全流畅地作业的问题。

因此，本发明提供了一种基于矿区环境的无人驾驶技术感知融合方法，包括如下步骤：

S1：基于在无人驾驶矿卡车辆的车身不同位置配置的多种传感器，获取当前时刻的车辆环境信息，包括无人驾驶矿卡车辆周围的障碍物信息以及用于识别障碍物的道路信息、行人信息、车辆信息以及矿区特殊作业设备信息；

S2：针对不同传感器数据特性，对不同传感器获取的车辆环境信息分别进行预处理；

S3：采用卡尔曼方法对预处理后的障碍物信息进行目标跟踪；

S4：根据进行目标跟踪后的障碍物信息包括无人驾驶矿卡车辆与障碍物之间的距离以及障碍物的速度，计算信息熵权重，生成匹配矩阵，利用匈牙利算法对进行目标跟踪后的障碍物信息进行数据关联，将当前时刻的障碍物信息与下一时刻的障碍物信息进行匹配；