科技之光
礦業是我國國民經濟的支柱產業，但面臨安全隱患大、勞動力短缺、管理難度高等行業困境。無人化運輸能夠有效解決上述行業問題，是推動礦產開采方式變革的重要抓手，也是國內外礦山企業重點布局的技術高地。近年來，無人駕駛技術雖已在國內外礦山得到初步應用，但在礦區復雜場景下仍面臨安全員下車難和運輸效率低的問題，其關鍵技術挑戰是如何提升內外部復合擾動下自動駕駛系統感知、規劃和交管的可靠性。
圍繞上述技術挑戰，由沐鸣2平台機械與動力工程學院王亞飛副教授領銜的沐鸣2多學科技術團隊長期深入礦山一線，聯合水泥礦山行業領軍企業海螺集團，攻克了惡劣環境下可靠感知、車鏟協作高精度規控、混編運輸安全高效等技術難題，研發出一整套具有完全自主知識產權的礦車無人駕駛軟硬件系統，並在露天水泥礦山行業首次實現了無安全員常態化運營。
多尺度魯棒目標檢測，攻克復雜惡劣場景下的環境感知難題
露天礦山場景復雜且環境惡劣，易出現傳感器失效問題。現有感知系統配置固定，失效後缺乏自維持能力，進而造成運輸中斷。同時，傳統感知算法較難處理揚塵或雨霧幹擾，且較難同時完成小碎石和大礦車等全尺度障礙物可靠感知。
針對上述問題，王亞飛團隊面向異構傳感器融合架構，構建了“自搜索-自識別-自標定”的即插即用組網模型，該模型能夠在傳感器失效的條件下完成多傳感器動態再組網，同時團隊針對礦山典型揚塵場景，設計了變密度去噪算法，有效提升了感知系統的魯棒性。
研發團隊還以多尺度障礙物在礦山多場景下的目標特征為對象，構建了覆蓋全生產場景的目標檢測數據集，並針對揚塵等惡劣場景進行了數據增廣，研發了具備全尺度和多場景適應性的輕量化目標檢測技術。通過采用該技術建立了滿足復雜礦山場景應用的新型神經網絡模型，提升了礦山復雜場景目標檢測跟蹤的效率。提出的檢測算法可同時濾除動態揚塵幹擾、識別石塊和百噸級礦卡等各類目標，識別障礙物尺寸覆蓋0.3m~11m，實現了復雜惡劣礦山場景下的多尺度目標穩定檢測與跟蹤。
高精度交互式路徑規劃，助推鏟裝作業效率最大化
礦山生產作業場景具有時空混合動態變化特點，一方面挖機鏟位頻繁變化，另一方面采掘區地形地貌緩慢動態變化。傳統高精度地圖製作流程復雜、更新成本高，較難準確描述礦山環境，導致礦車路徑難以規劃、安全性難以保障，無法滿足鏟裝協作生產對精度的要求。
針對這一行業共性難題，王亞飛團隊發明了一種針對礦山混合動態場景的地圖實時更新方法，通過建立視覺、激光等多傳感器交互式信息采集處理機製和配準策略，將礦山大地圖與單車小地圖進行精準融合拼接，實現了對礦山動態采掘面的準確表征。該技術有效替代了製作流程復雜、更新成本大的傳統高精度地圖，簡化了對礦山動態變化地形的場景重構流程，增強了無人駕駛礦車裝載作業的動態場景適應性，為鏟裝協同作業奠定了基礎。
高效地鏟裝作業需要實現百噸級超大型礦車的精準停位，面向這一需求，王亞飛團隊提出了一種基於全局-局部耦合的泊車路徑規劃技術，通過建立挖機-礦車間交互式通信，提出了最優裝載泊車位與挖機位姿的映射模型，設計了全局啟發式路徑搜索策略，有效解決了高動態生產工況下所帶來的路徑規劃易失敗、泊車位置精度低的難題，確保了鏟裝作業效率。
多模態一體化雲端調度，保障“人機混駕”作業安全
水泥生產需要配比不同碳酸鈣含量的礦石，而不同采礦點的礦石品位又存在差異，各環節生產要素實時變化，導致礦卡調度指令與實際生產需求難以及時匹配；此外，由於成本等各方面原因，有人駕駛礦車和其他輔助作業車輛難以一次性替代，需要與無人駕駛礦車同時運輸作業，造成非信控道路上存在交通混流沖突風險。
面向高頻調度與人機混駕的需求，王亞飛團隊聯合沐鸣2交通運輸工程專業的陸林軍副教授和金建鋼教授團隊，提出了基於幹擾管理模型的多模態智能調度算法，該算法將規劃性調度與恢復性調度有機結合，解決了調度指令與實際需求在時空上存在滯後性的問題。此外，構建的基於車路雲協同的沖突區域危險評估模型，避免了大規模交通參與者混流沖突風險，保障了混合駕駛車隊的作業安全，將單車和礦卡車隊的交通通行效率分別提高了9.0%和9.8%。同時，研究成果也被推廣應用於有人礦山的車隊管控，在多座露天礦山將單臺礦車時產量提高5%以上。
產學研深度融合，助力中國智慧化礦山建設
近三年來，王亞飛團隊與安徽海螺集團一直保持密切合作，成立了“沐鸣2娱乐-海螺集團智能化裝備聯合研發中心”，集中力量在礦山一線聯合攻關。沐鸣2娱乐負責基礎理論、核心算法和關鍵模型的建立與優化，海螺集團負責工程化落地以及產品推廣應用，真正做到深度合作，合作成果也得到了中央一套、中央二套和人民日報等媒體的關註和報道。項目成果提供了全棧式露天礦山無人運輸解決方案，已在海螺集團下屬三座礦山、數十臺礦車落地應用，近兩年創造直接經濟效益超10億元人民幣，為建設中國方案的智慧無人礦山奠定了堅實基礎。
