CN111003027B - 一种无人矿车安全监控方法及系统 - Google Patents

Abstract

本发明公开了一种无人矿车安全监控方法及系统，属于无人驾驶技术领域，包括根据车辆的行驶信息和所述期望轨迹，对设定的待监控事项进行实时检测，得到待监控事项的当前检测结果，该设定的待监控事项包括车辆位置与期望轨迹的偏差、期望轨迹的合理性、纵向防碰撞、横向防碰撞以及速度；根据待监控事项的当前检测结果，对无人矿车行驶安全进行预警。本发明可全面评估无人驾驶矿车所处环境的安全风险等级，确保无人驾驶下矿车的行驶和作业安全。

Description

一种无人矿车安全监控方法及系统

技术领域

本发明涉及无人驾驶技术领域，特别涉及一种无人矿车安全监控方法及系统。

背景技术

无人矿车在行进过程中可能会出现不可预知的复杂场景，从而导致交通事故的发生，究其原因大多是由移动时环境的不确定性引起的。因此，需要对无人矿车行驶的环境安全进行监控预警。

发明内容

本发明的目的克服现有技术存在的不足，以对无人矿车行驶过程的环境安全进行监控预警。

为实现以上目的，采用一种无人矿车安全监控方法，用于对无人矿车按照期望轨迹行驶时所处环境进行安全监控预警，包括如下步骤：

根据车辆的行驶信息和所述期望轨迹，对设定的待监控事项进行检测，得到待监控事项的当前检测结果，该设定的待监控事项包括车辆位置与期望轨迹的偏差、期望轨迹的合理性、纵向防碰撞、横向防碰撞以及速度；

根据待监控事项的当前检测结果，对无人矿车行驶安全进行预警。

进一步地，在对所述车辆位置与期望轨迹的偏差进行监控时，包括：

在所述期望轨迹上选取距离无人矿车当前位置a处的点作为局部目标点；

将局部目标点与无人矿车中轴线的垂直距离作为横向偏差距离D，并将横向偏差距离D与设定的阈值进行比较，判断无人矿车当前的安全风险等级；

相应地，根据无人矿车当前的安全风险等级，对无人矿车行驶安全进行预警。

进一步地，在对所述期望轨迹的合理性进行监控时，包括：

将所述最优路径转换为由离散点序列组成的曲线P＝{P₁，P₂，P₃，...，P_i，...，P_n-1，P_n}，其中P_i＝(x_i，y_i)，表示GPS坐标点；

将所述最优路径的曲率转换为离散点的曲率，并计算所述最优路径上每一GPS坐标点对应的转弯半径，从而构建速度-转弯半径对应表；

按照无人矿车当前的行驶速度，在速度-转弯半径对应表中查询与当前行驶速度对应的转弯半径；

实时监测的所有GPS坐标点对应的转弯半径的最大值，并将转弯半径的最大值与当前行驶速度对应的转弯半径进行比较；

当转弯半径的最大值小于当前行驶速度对应的转弯半径时，进行故障报警。

进一步地，对所述纵向防碰撞进行监控包括：

计算无人矿车的纵向安全距离D_safe，该纵向安全距离D_safe为车辆的反应距离和制动距离之和；

计算无人矿车前方障碍物与车辆距离的最小距离；

将该最小距离与所述纵向安全距离进行比较，并在所述最小距离小于b倍的纵向安全距离时，进行故障报警。

进一步地，对所述横向防碰撞进行监控包括：

计算所述最优路径上每一离散点对应的侧向安全距离；

将每一离散点对应的侧向安全距离与设置的期望安全距离进行比较，并在所述侧向安全距离小于c倍的期望安全距离时，进行故障报警，其中，期望安全距离d_safe为：

其中：w为车宽，m为车辆转弯时产生的最大内轮差距离。

进一步地，对所述无人矿车行驶速度进行监控时，包括：

将无人矿车的行驶速度分类为正常行驶时的车速、转弯时的车速以及遇到障碍物时的车速；

根据无人矿车当前行驶的道路类型，从正常行驶车速-道路类型对应表中查找车辆当前正常行驶车速的最小值；

根据无人矿车的转弯半径限制，从所述速度-转弯半径对应表中查找车辆转弯时车速的最小值；

根据所述无人矿车的纵向安全距离D_safe，从遇障碍物时车速-纵向安全距离对应表中查找车辆遇障碍物时车速的最小值；

根据所述车辆当前正常行驶车速的最小值、车辆转弯时车速的最小值以及车辆遇障碍物时车速的最小值，对所述无人矿车的行驶速度进行控制。

另一方面，采用一种可调度的无人矿车安全监控系统，用于对无人矿车按照期望轨迹行驶时所处环境进行安全监控预警，包括：监控模块和安全预警模块；

监控模块用于根据车辆的行驶信息和所述期望轨迹，对设定的待监控事项进行检测，得到待监控事项的当前检测结果，该设定的待监控事项包括车辆位置与期望轨迹的偏差、期望轨迹的合理性、纵向防碰撞、横向防碰撞以及速度；

安全预警模块用于根据待监控事项的当前检测结果，对无人矿车行驶安全进行预警。

进一步地，所述监控模块包括偏差监控单元，偏差监控单元用于：

在所述期望轨迹上选取距离无人矿车当前位置a处的点作为局部目标点；

将局部目标点与无人矿车中轴线的垂直距离作为横向偏差距离D，并将横向偏差距离D与设定的阈值进行比较，判断无人矿车当前的安全风险等级。

进一步地，所述监控模块包括轨迹合理性监控单元，其用于：

将所述最优路径转换为由离散点序列组成的曲线P＝{P₁，P₂，P₃，...，P_i，...，P_n-1，P_n}，其中P_i＝(x_i，y_i)，表示GPS坐标点；

将所述最优路径的曲率转换为离散点的曲率，并计算所述最优路径上每一GPS坐标点对应的转弯半径，从而构建速度-转弯半径对应表；

按照无人矿车当前的行驶速度，在速度-转弯半径对应表中查询与当前行驶速度对应的转弯半径；

实时监测所有GPS坐标点对应的转弯半径中的最大值，并将转弯半径的最大值与当前行驶速度对应的转弯半径进行比较，确定其合理性。

与现有技术相比，本发明存在以下技术效果：本发明在无人矿车按照期望轨迹行驶过程的环境进行监控，比如车辆位置与期望轨迹的偏差、期望轨迹的合理性、纵向防碰撞、横向防碰撞以及速度等，全面评估无人驾驶矿车所处环境的安全风险等级，根据评价结果将其分成不同等级，来确保无人驾驶下矿车的行驶和作业安全。

附图说明

下面结合附图，对本发明的具体实施方式进行详细描述：

图1是一种无人矿车安全监控方法的流程示意图；

图2是车辆位置与期望轨迹偏差示意图；

图3是期望轨迹曲率计算示意图；

图4是车辆转弯示意图；

图5是规划出的轨迹簇的示意图；

图6是无人矿车安全监控系统结构示意图。

具体实施方式

为了更进一步说明本发明的特征，请参阅以下有关本发明的详细说明与附图。所附图仅供参考与说明之用，并非用来对本发明的保护范围加以限制。

如图1所示，本实施例公开了一种无人矿车安全监控方法，用于对无人矿车按照期望轨迹行驶时所处环境进行安全监控预警，包括如下步骤S1至S2：

S1、根据车辆的行驶信息和所述期望轨迹，对设定的待监控事项进行实时检测，得到待监控事项的当前检测结果，该设定的待监控事项包括车辆位置与期望轨迹的偏差、期望轨迹的合理性、纵向防碰撞、横向防碰撞以及速度；

S2、根据待监控事项的当前检测结果，对无人矿车行驶安全进行预警。

优选地，本实施例中在车辆无人驾驶行驶过程中，还建立了有效的安全等级评价体系，将最优路径作为期望轨迹进行安全等级评价，确保了无人驾驶矿车的行驶和作业安全。具体包括：实时监测车辆位置与期望轨迹的偏差、实时监测期望轨迹的安全合理程度、纵向防碰撞监测、横向防碰撞监测。其中：

(1)实时监测车辆位置与期望轨迹的偏差：

如图2所示，在所述最优路径上选取距离无人矿车当前位置a处的点作为局部目标点，其中，a可取值为20米或其它取值。将局部目标点与无人矿车中轴线的垂直距离作为横向偏差距离D，并将横向偏差距离D与设定的阈值进行比较，判断无人矿车当前的安全风险等级。

具体来说，实时监测横向偏差距离D，如果D大于设定的横向偏差距离阈值D_max时，设置1级故障，即认为此时车辆与期望轨迹偏差较大，减速，触发预警。如果D大于设定的横向偏差距离阈值2D_max时，设置2级故障，即认为此时的车辆与期望轨迹偏差过大，易发生危险，停车，触发故障报警。

(2)实时监测期望轨迹的安全合理程度：

需要说明的是，过大的期望轨迹的曲率会使得车辆产生过小的转弯半径，从而可能影响行车安全，需要对期望轨迹的距离半径进行估算。

如图3所示：

2-1)将所述最优路径转换为由离散点序列组成的曲线P＝{P₁，P₂，P₃，...，P_i，…，P_n-1，P_n}，其中P_i＝(x_i，y_i)，表示GPS坐标点；

2-2)将所述最优路径的曲率转换为离散点的曲率，并计算所述最优路径上每一GPS坐标点对应的转弯半径。其中：

将曲线曲率的计算公式转换为离散点的曲率计算公式如下：

其中，

由此可计算轨迹上每一点对应的曲率半径R_i：

2-3)实时监测的所有GPS坐标点对应的转弯半径的最大值，并将转弯半径的最大值与当前行驶速度对应的转弯半径进行比较；

按照无人矿车当前的行驶速度，在速度-转弯半径对应表中查询与当前行驶速度对应的转弯半径；需要说明的是，车辆在弯道行驶时，为了保证车辆行驶的舒适性和平顺性，要求车辆在曲线上行驶所产生的离心力等横向力不超过轮胎与路面摩阻力所允许的界限，其轨迹半径通用的计算公式为：

式中：R表示轨迹曲线半径(m)，V表示车辆行驶速度(km/h)，u表示横向力系数(一般采用的横向力系数值为0.05-0.06)，i表示路面横坡度。

根据上述公式，按期望速度满足行驶舒适要求建立速度-转弯半径对应表如表1所示：

表1

2-4)当转弯半径的最大值小于当前行驶速度对应的转弯半径时，进行故障报警。当转弯半径的最大值大于或等于当前形式速度对应的转弯半径时，按照轨迹的预定的速度行驶，正常按照轨迹格式中的限速值来行驶。

具体为：实时监测给定期望轨迹上曲率半径的最大值R_max，按照车辆当前行驶速度，查询上表对应的转弯半径限制：如果R_max小于给定的转弯半径阈值R时，设置1级故障，即认为此时车辆即将产生较大的转弯，触发预警。如果R_max小于给定的半径阈值的一半(R/2)时，设置2级故障，即认为此时的期望路径将产生过大的转弯，易发生危险，触发故障报警。

(3)纵向防碰撞监测：

3-1)计算无人矿车的纵向安全距离D_safe，该纵向安全距离D_safe为车辆的反应距离和制动距离之和；

其中，D_safe＝d₁+d₂，d₁为反映距离，d₂为制动距离：

d₁＝v₀t_s，

式中：v₀为车辆初始速度，t_s为系统响应时间(传感器检测到障碍物到车辆执行制动的时间)，α为车辆的制动加速度。

3-2)根据车辆的gps坐标和障碍物的gps坐标，计算无人矿车前方障碍物与车辆距离的最小距离d；

3-3)将该最小距离d与所述纵向安全距离进行比较，并在所述最小距离d小于b倍的纵向安全距离时，进行故障报警。当曲最小距离大于安全距离的2倍时，按照轨迹的预定的速度行驶，正常按照轨迹格式中的限速值来行驶。

如果d小于2倍安全距离2D_safe时，设置1级故障，即认为此时车辆与前方障碍物距离较近，触发预警。如果d小于安全距离D_safe时，设置2级故障，即认为此时易发生碰撞危险，触发故障报警。应当理解的是，本实施例中b还可以为其它取值，而不仅限于取值为2。

(4)横向防碰撞监测：

4-1)计算所述最优路径上每一离散点对应的侧向安全距离；

4-2)将每一离散点对应的侧向安全距离与设置的期望安全距离进行比较，并在所述侧向安全距离小于c倍的期望安全距离时，进行故障报警。

如图4所示，由于大型车辆在转弯时会有一个很大的内轮差，从而形成一个危险区域，当车辆转弯时，侧向障碍物距离过近时进入该危险区域，就会发生碰撞危险。因此要根据期望轨迹计算轨迹两侧的期望安全距离d_safe为：

其中：w为车宽，m为车辆转弯时产生的最大内轮差距离。

根据图4中的几何关系可以得出，车辆转弯时产生的最大内轮差距离m的计算公式为：

其中：r为转弯半径，l为轴距，d为后轮距。

如果障碍物与期望轨迹的横向距离小于2倍安全距离2d_safe时，设置1级故障，即认为此时车辆与侧方障碍物距离较近，触发预警。如果d小于安全距离d_safe时，设置2级故障，即认为此时易发生碰撞危险，触发故障报警。横向距离大于2倍安全距离2d_safe时，按照轨迹的预定的速度行驶，正常按照轨迹格式中的限速值来行驶。

具体地，本实施例中安全评价体系的安全状态码格式如下：

X X XX

|||—>安全状态子类别，2位，各系统自定义

||——>安全状态总类别，1位，1绿色(无故障)；2黄色(一般故障)；3红色(严重故障)

|———>系统类别，1位，1执行系统；2控制系统；3决策系统；4感知系统

针对各安全状态，无人矿车对应的响应状态与动作，其中：

红色(严重故障)，道路阻断，系统故障，或期望轨迹不安全等，控制系统100％电缓行和50％液压制动，停车后决策系统上报调度系统，发出故障警报，请求人工干预，车辆进入人工驾驶模式。

黄色(一般故障)，道路通行条件有限或期望轨迹安全性较差，发出预警信号请求人员监控，车辆进入慢行模式，即按原轨迹自主减速到5km/h慢行至维修点停车或停车等待调度系统重新规划可通行轨迹；

绿色(无故障)，无风险，车辆处于自动驾驶模式。

同时安全等级评价体系接收来自于感知、控制、执行等系统的安全等级和系统状态，将其一起反馈至调度系统，以便实时监控无人驾驶矿车的系统安全状态。

优选地，本实施例在上述实施例公开的内容的基础上还包括对无人驾驶车辆的行驶速度进行决策控制，具体如下：

5-1)将无人矿车的行驶速度分类为正常行驶时的车速drive_state、转弯时的车速drive_curvature以及遇到障碍物时的车速drive_obstacle；

5-2)根据无人矿车当前行驶的道路类型，从正常行驶车速-道路类型对应表中查找车辆当前正常行驶车速的最小值；

其中，drive_state的取值取决于矿车行驶的道路类型，正常行驶车速-道路类型对应表如表2所示。

表2

5-3)根据无人矿车的转弯半径限制，从所述速度-转弯半径对应表中查找车辆转弯时车速的最小值；

其中，drive_curvature参考表1进行取值。

5-4)根据所述无人矿车的纵向安全距离D_safe，从遇障碍物时车速-纵向安全距离对应表中查找车辆遇障碍物时车速的最小值；

其中，drive_obstacle的取值与纵向安全距离D_safe相关，遇障碍物时车速-纵向安全距离对应表如表3所示。

表3

5-5)根据所述车辆当前正常行驶车速的最小值、车辆转弯时车速的最小值以及车辆遇障碍物时车速的最小值，对所述无人矿车的行驶速度进行控制。

需要说明的是，根据矿车行驶的行驶环境要求，设置上限值SPEED_LIMIT，drive_state、drive_curvature、drive_obstacle均不大于SPEED_LIMIT，最终计算出三个速度的最小值desire_spd＝Min{drive_state，drive_curvature，drive_obstacle}交给控制系统比较大小，最终desire_spd取其三个值中的最小值交给控制系统执行。

需要说明的是，这里的上限值根据路况环境而定，这是个常量，比如矿区内最高速度不超过30km/h，此时SPEED_LIMIT＝30。

需要说明的是，本实施例中期望轨迹的规划过程如下：

S100、获取无人矿车的基本驾驶信息，该基本驾驶信息包括全局路网信息、实时定位信息以及障碍物栅格图；

S200、根据障碍物栅格图和实时定位信息，从全局路网信息中计算出无人矿车需要行驶的目标点候选集；

S300、根据目标点候选集中的目标点、无人矿车当前的运动状态以及局部环境信息，规划出可行路径组；

S400、从所述可行路径组中选取最优路径，并根据所述最优路径实现对无人矿车的调度。

具体来说，全局路网信息包括轨迹编号，路点序号、路段类型、限速速度、停止点类型、路线类型、轨迹方向(前进/后退)、左方路宽、右方路宽、纬度、经度、俯仰角、航向、高度、坡度。其中：

轨迹编号：对分段发送的轨迹进行编号，无重复；

路点序号：累加值，无重复；

路段类型：路上、路口、停车区、装载区、卸载区、加油区和维修区等；

停止点类型：D档停车后直接起步，R档停车后直接起步，D档停车后需等待调度系统指令后起步，R档停车后需等待调度系统指令后起步；

路线类型：累加值，遇停止点+1，无重复；

轨迹方向：D档(1)/R档(2)。

具体来说，矿车的实时信息是通过差分GPS的高精度导航系统获取的，其信息包括惯导状态、经纬高度、车速、俯仰角、偏航角(航向角)、滚转角、加速度、横摆角速度、时间戳、差分状态等。

具体来说，障碍物栅格图是由道路环境信息拟合得到。

进一步地，上述步骤S200：所述根据障碍物栅格图和实时定位信息，从全局路网信息中计算出无人矿车需要行驶的目标点候选集，包括如下细分步骤：

根据障碍物栅格图和实时定位信息，从全局路网信息中推理出无人矿车需要执行的驾驶行为；

将所述驾驶行为转化为目标点候选集。

具体来说，本实施例中采用层次状态机(Hierarchy State Machine)实现驾驶行为的表示及其转换。将矿区驾驶状态可以分解为四个子状态：路上、预路口、路口和作业区。MiningRoad子状态用于矿区道路行驶时的行为轨迹规划，根据常见的驾驶行为为MiningRoad设置了5个子状态：Enter MiningRoad、KeepLane、Follow、Stop Wait和Exit。

可将{w1,w2,w3,w4,w5}定义为状态迁移条件集合。状态迁移条件是指基于驾驶或作业行为规则以及外部环境变化等触发事件，如Keep Lane状态下遇到前方有障碍物或故障停车车辆时，即满足条件w2，进入Stop Wait状态。

当无人车启动时，使能模块首先利用搜索算法判断车辆所处实际位置，找到该车道的路口点，通过判断与路口点的相对位置距离L决策车辆是否进入路上状态。如若满足模块要求，进入初始化函数，同时，出口模块时刻记录着数值L的动态变化，如若数值达到路口状态要求，出口模块将终止该状态。

当车辆状态被设置为路上时，系统将会转至各个亚态的使能模块，对各个子状态的入口条件进行判断。车道保持状态的使能模块是判读车道内有无障碍物，如若车道内未发现障碍，则进入车道保持状态，否则，则进入跟随状态。

进一步地，在所述无人矿车处于行驶区域内时，上述步骤S300：所述根据目标点候选集中的目标点、无人矿车当前的运动状态以及局部环境信息，规划出可行路径组，包括如下细分步骤：

使用具有最小曲率变化率的三次Hermite样条曲线生成阀生成一簇平滑曲线作为正常路径轨迹；

使用可调控制点的Bezier曲线方法生成一簇陡峭曲线作为异常路径轨迹，其代表车辆在当前速度下可达到的极限转弯曲线，用于紧急避障等异常情况；

将所述正常路径轨迹和所述异常路径轨迹作为所述可行路径组。

其中，生成的正常路径轨迹如图5中的实线所示，生成的异常路径轨迹如图5中的虚线所示。

为了稳定的跟踪轨迹，避免静态和动态障碍物，本实施例中根据目标点候选集中的目标点与自动驾驶车辆当前的运动状态结合得到一组预瞄点，再结合局部环境信息规划出一组可行路径，每条路径轨迹代表车辆将要执行的一个预测状态。这一组轨迹的纵向长度一致，但横向偏移不同，并且具有不同的曲率。按照安全、平滑的标准从中选出最优的一条，最后将最优路径点发送给车辆控制执行系统，即可实现对无人驾驶车辆的调度，即上述步骤S400：所述从所述可行路径组中选取最优路径，并根据所述最优路径实现对无人矿车的调度，包括如下细分步骤S41-S44：

S41、对所述可行路径组中的每条路径进行预处理，得到预处理的每条路径：

X＝[x,y,θ,κ,v....]，

其中，x表示维度，y表示经度，κ表示轨迹曲率，v表示速度；

S42、对于预处理后的每条路径，分别计算各评估指标值，所述各评估指标包括接近静态和动态障碍物的距离、接近中心线的距离、与历史数据的误差以及平滑程度；

其中，接近静态和动态障碍物的距离r₁：

r₁＝f((x_t,y_t),(x_o,y_o))，

式中：(x_t,y_t)为当前时刻车身位置坐标，(x_o,y_o)为障碍物位置坐标。

接近中心线的距离r₂：

r₂＝f((x_t,y_t),(x_c,y_c))，

式中：(x_t,y_t)为当前时刻车身位置坐标，(x_c,y_c)为目标位置坐标；

与历史数据的误差r₃：

r₃＝f((x_t,y_t),(x_t-1,y_t-1))，

式中：(x_t,y_t)为当前时刻车身位置坐标，(x_t-1,y_t-1)为上一时刻车身位置坐标；

轨迹的平滑程度r₄：

r₄＝f(κ)

式中：κ表示轨迹曲率，f()表示关于曲率κ的三次多项式。

S43、对所述各评估指标值进行加权求和，得到每条路径的代价值；

具体地，对以上各评估指标进行加权：

Ψ＝ω₁r₁+ω₂r₂+ω₃r₃+ω₄r₄

式中：ω₁，ω₂，ω₃，ω₄分别对应r₁，r₂，r₃，r₄分配的权值.

S44、将代价值最小的路径作为最优路径，并根据该最优路径实现对无人矿车的调度。

优选地，在所述无人矿车处于停车区域内、装载区或卸载区时，还包括对停车路径进行规划，具体步骤如下：

获取无人矿车的停车起始点，并利用车辆前方雷达测量出车位中轴线距离车辆的横向距离和纵向距离；

根据停车起始点、横向距离和纵向距离规划出停车可行路径组，所述停车可行路径组中的停车路径为两条相切圆弧和一条直线；

在停车可行路径组中，将两条相切圆弧半径取值均最小时的停车路径最为最优停车路径。

如图6所示，本实施例还公开了一种无人矿车调度系统，包括：调度系统、惯导系统、感知系统、决策系统、控制系统以及执行系统，调度系统和执行系统均与车身CAN网连接，调度系统、惯导系统、感知系统分别与决策系统连接，决策系统与控制系统连接，控制系统与执行系统连接。

其中，决策系统包括全局路径规划层、驾驶行为决策层、局部运动规划层以及安全评价体系；全局路径规划层与驾驶行为决策层连接，驾驶行为决策层与局部运动规划层连接。

本实施例中无人矿车调度系统主要包括遥控模式和自主驾驶模式，其中：

遥控模式是由调度系统直接向车身CAN网发送遥控指令，实现对无人矿车的直接操作与控制。遥控指令包括模式切换指令、油门控制量、制动方式(电缓行、液压制动、装载制动、驻车制动、紧急制动)、制动量、档位指令、转向指令、喇叭控制指令、声光控制指令、车厢控制指令(举升、下降、保持)车辆启/停指令等。

自主驾驶模式下，决策系统相当于无人驾驶矿车的大脑，根据系统功能的层次特征，将其分为三层：全局路径规划层、驾驶行为决策层、局部运动规划层。此外决策系统在执行过程中建立了有效的安全等级评价体系，确保了无人驾驶矿车的行驶和作业安全。

无人驾驶电动轮矿车决策系统的全局路径是通过调度系统分段发送给决策系统的，且矿区中装载、卸料等任务区是随着开采进度的推进而不断变化的，因此不同矿车的行驶轨迹根据其任务和实时位置的不同而不断更新的，决策系统需要具备根据需要来更新全局路网的能力。

需要说明的是，调度系统还向决策系统发送全局路网信息，全局路网信息包括轨迹编号，路点序号、路段类型、限速速度、停止点类型、路线类型、轨迹方向(前进/后退)、左方路宽、右方路宽、纬度、经度、俯仰角、航向、高度、坡度。

惯导系统向决策系统发送矿车的实时定位信息，包括惯导状态、经纬高度、车速、俯仰角、偏航角(航向角)、滚转角、加速度、横摆角速度、时间戳、差分状态等。

感知系统用于向决策系统发送由道路环境信息拟合得到的障碍物栅格图。

进一步地，无人驾驶电动轮矿车决策系统的驾驶行为决策层利用感知系统提供的由道路环境信息拟合成的障碍物栅格图，并结合矿车的实时位置信息，从全局路网中推理出无人驾驶矿车需要执行的驾驶行为动作或状态，如沿着行驶路径正常行驶或规划一条避障轨迹，并计算出相应的预瞄点，然后将推理结果转化为目标点候选集发送给运动规划层。

无人驾驶电动轮矿车决策系统的局部运动规划层从行为决策层接收目标点，为控制执行系统提供一条最优路径。运动规划层将从行为决策层获取的目标点与自动驾驶车辆当前的运动状态结合得到一组预瞄点，再结合局部环境信息规划出一组可行路径，按照安全、平滑的标准从中选出最优的一条，最后将路径点发送给控制执行系统。

优选地，安全评价体系用于根据环境感知信息、软硬件情况和轨迹规划结果等因素来评估无人驾驶矿车所处环境的安全风险等级，根据评价结果将其分成不同等级，来确保无人驾驶下矿车的行驶和作业安全。如图6所示，该安全评价系统包括：监控模块10和安全预警模块20；

监控模块10用于根据车辆的行驶信息和所述期望轨迹，对设定的待监控事项进行实时检测，得到待监控事项的当前检测结果，该设定的待监控事项包括车辆位置与期望轨迹的偏差、期望轨迹的合理性、纵向防碰撞、横向防碰撞以及速度；

安全预警模块20用于根据待监控事项的当前检测结果，对无人矿车行驶安全进行预警。

监控模块10包括偏差监控单元11，偏差监控单元11用于：

在所述期望轨迹上选取距离无人矿车当前位置a处的点作为局部目标点；

将局部目标点与无人矿车中轴线的垂直距离作为横向偏差距离D，并将横向偏差距离D与设定的阈值进行比较，判断无人矿车当前的安全风险等级。

进一步地，所述监控模块10包括轨迹合理性监控单元12，其用于：

将所述最优路径转换为由离散点序列组成的曲线P＝{P₁，P₂，P₃，...，P_i，...，P_n-1，P_n}，其中P_i＝(x_i，y_i)，表示GPS坐标点；

将所述最优路径的曲率转换为离散点的曲率，并计算所述最优路径上每一GPS坐标点对应的转弯半径，从而构建速度-转弯半径对应表；

按照无人矿车当前的行驶速度，在速度-转弯半径对应表中查询与当前行驶速度对应的转弯半径；

实时监测所有GPS坐标点对应的转弯半径中的最大值，并将转弯半径的最大值与当前行驶速度对应的转弯半径进行比较，确定其合理性。

所述监控模块10还包括纵向防碰撞监控单元13，其用于：

计算无人矿车的纵向安全距离D_safe，该纵向安全距离D_safe为车辆的反应距离和制动距离之和；

计算无人矿车前方障碍物与车辆距离的最小距离；

将该最小距离与所述纵向安全距离进行比较，并在所述最小距离小于b倍的纵向安全距离时，进行故障报警。

所述监控模块10还包括横向防碰撞监控单元14，其用于：

计算所述最优路径上每一离散点对应的侧向安全距离；

将每一离散点对应的侧向安全距离与设置的期望安全距离进行比较，并在所述侧向安全距离小于c倍的期望安全距离时，进行故障报警，其中，期望安全距离d_safe为：

其中：w为车宽，m为车辆转弯时产生的最大内轮差距离。

所述监控模块10还包括速度监控单元15，其用于：将无人矿车的行驶速度分类为正常行驶时的车速、转弯时的车速以及遇到障碍物时的车速；

根据无人矿车当前行驶的道路类型，从正常行驶车速-道路类型对应表中查找车辆当前正常行驶车速的最小值；

根据无人矿车的转弯半径限制，从所述速度-转弯半径对应表中查找车辆转弯时车速的最小值；

根据所述无人矿车的纵向安全距离D_safe，从遇障碍物时车速-纵向安全距离对应表中查找车辆遇障碍物时车速的最小值；

根据所述车辆当前正常行驶车速的最小值、车辆转弯时车速的最小值以及车辆遇障碍物时车速的最小值，对所述无人矿车的行驶速度进行控制。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，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)

1.一种无人矿车安全监控方法，其特征在于，用于对无人矿车按照期望轨迹行驶时所处环境进行安全监控预警，包括如下步骤：

根据车辆的行驶信息和所述期望轨迹，对设定的待监控事项进行实时检测，得到待监控事项的当前检测结果，该设定的待监控事项包括车辆位置与期望轨迹的偏差、期望轨迹的合理性、纵向防碰撞、横向防碰撞以及速度；

根据待监控事项的当前检测结果，对无人矿车行驶安全进行预警；

在对所述期望轨迹的合理性进行监控时，包括：

将所述期望轨迹转换为由离散点序列组成的曲线P＝{P₁,P₂,P₃,…,P_i,…,P_n-1,P_n}，其中P_i＝(x_i,y_i)，表示GPS坐标点；

将所述期望轨迹的曲率转换为离散点的曲率，并计算所述期望轨迹上每一GPS坐标点对应的转弯半径，从而构建速度-转弯半径对应表；

按照无人矿车当前的行驶速度，在速度-转弯半径对应表中查询与当前行驶速度对应的转弯半径；

实时监测的所有GPS坐标点对应的转弯半径的最大值，并将转弯半径的最大值与当前行驶速度对应的转弯半径进行比较；

当转弯半径的最大值小于当前行驶速度对应的转弯半径时，进行故障报警。

2.如权利要求1所述的无人矿车安全监控方法，其特征在于，在对所述车辆位置与期望轨迹的偏差进行监控时，包括：

在所述期望轨迹上选取距离无人矿车当前位置a处的点作为局部目标点；

将局部目标点与无人矿车中轴线的垂直距离作为横向偏差距离D，并将横向偏差距离D与设定的阈值进行比较，判断无人矿车当前的安全风险等级；

相应地，根据无人矿车当前的安全风险等级，对无人矿车行驶安全进行预警。

3.如权利要求1所述的无人矿车安全监控方法，其特征在于，对所述纵向防碰撞进行监控包括：

计算无人矿车的纵向安全距离D_safe，该纵向安全距离D_safe为车辆的反应距离和制动距离之和；

计算无人矿车前方障碍物与车辆距离的最小距离；

将该最小距离与所述纵向安全距离进行比较，并在所述最小距离小于b倍的纵向安全距离时，进行故障报警。

4.如权利要求1所述的无人矿车安全监控方法，其特征在于，对所述横向防碰撞进行监控包括：

计算所述期望轨迹上每一离散点对应的侧向安全距离；

将每一离散点对应的侧向安全距离与设置的期望安全距离进行比较，并在所述侧向安全距离小于c倍的期望安全距离时，进行故障报警，其中，期望安全距离d_safe为：

其中：w为车宽，m为车辆转弯时产生的最大内轮差距离。

5.如权利要求1所述的无人矿车安全监控方法，其特征在于，对所述无人矿车行驶速度进行监控时，包括：

将无人矿车的行驶速度分类为正常行驶时的车速、转弯时的车速以及遇到障碍物时的车速；

根据无人矿车当前行驶的道路类型，从正常行驶车速-道路类型对应表中查找车辆当前正常行驶车速的最小值；

根据无人矿车的转弯半径限制，从所述速度-转弯半径对应表中查找车辆转弯时车速的最小值；

根据所述无人矿车的纵向安全距离D_safe，从遇障碍物时车速-纵向安全距离对应表中查找车辆遇障碍物时车速的最小值；

根据所述车辆当前正常行驶车速的最小值、车辆转弯时车速的最小值以及车辆遇障碍物时车速的最小值，对所述无人矿车的行驶速度进行控制。

6.一种无人矿车安全监控系统，其特征在于，用于对无人矿车按照期望轨迹行驶时所处环境进行安全监控预警，包括：监控模块和安全预警模块；

监控模块用于根据车辆的行驶信息和所述期望轨迹，对设定的待监控事项进行实时检测，得到待监控事项的当前检测结果，该设定的待监控事项包括车辆位置与期望轨迹的偏差、期望轨迹的合理性、纵向防碰撞、横向防碰撞以及速度；

安全预警模块用于根据待监控事项的当前检测结果，对无人矿车行驶安全进行预警；

所述监控模块包括轨迹合理性监控单元，其用于：

将所述期望轨迹转换为由离散点序列组成的曲线P＝{P₁,P₂,P₃,…,P_i,…,P_n-1,P_n}，其中P_i＝(x_i,y_i)，表示GPS坐标点；

将所述期望轨迹的曲率转换为离散点的曲率，并计算所述期望轨迹上每一GPS坐标点对应的转弯半径，从而构建速度-转弯半径对应表；

按照无人矿车当前的行驶速度，在速度-转弯半径对应表中查询与当前行驶速度对应的转弯半径；

实时监测所有GPS坐标点对应的转弯半径中的最大值，并将转弯半径的最大值与当前行驶速度对应的转弯半径进行比较，确定其合理性。

7.如权利要求6所述的无人矿车安全监控系统，其特征在于，所述监控模块包括偏差监控单元，偏差监控单元用于：

在所述期望轨迹上选取距离无人矿车当前位置a处的点作为局部目标点；

将局部目标点与无人矿车中轴线的垂直距离作为横向偏差距离D，并将横向偏差距离D与设定的阈值进行比较，判断无人矿车当前的安全风险等级。

Images