2023工博会 | 上海交大：“露天矿山无人驾驶运输系统”打造智慧矿山

近年来，无人驾驶技术虽已在国内外矿山得到初步应用，但在矿区复杂场景下仍面临安全员下车难和运输效率低的问题。由上海交通大学机械与动力工程学院王亚飞副教授领衔的交大多学科技术团队长期深入矿山一线，联合水泥矿山行业领军企业海螺集团，攻克了恶劣环境下可靠感知、车铲协作高精度规控、混编运输安全高效等技术难题，研发出一整套具有完全自主知识产权的矿车无人驾驶软硬件系统，并在露天水泥矿山行业首次实现了无安全员常态化运营。

研发团队以多尺度障碍物在矿山多场景下的目标特征为对象，构建了覆盖全生产场景的目标检测数据集，并针对扬尘等恶劣场景进行了数据增广，研发了具备全尺度和多场景适应性的轻量化目标检测技术。通过采用该技术建立了满足复杂矿山场景应用的新型神经网络模型，提升了矿山复杂场景目标检测跟踪的效率。提出的检测算法可同时滤除动态扬尘干扰、识别石块和百吨级矿卡等各类目标，识别障碍物尺寸覆盖0.3m～11m，实现了复杂恶劣矿山场景下的多尺度目标稳定检测与跟踪。

针对矿山生产作业场景具有时空混合动态变化的特点，王亚飞团队发明了一种针对矿山混合动态场景的地图实时更新方法，通过建立视觉、激光等多传感器交互式信息采集处理机制和配准策略，将矿山大地图与单车小地图进行精准融合拼接，实现了对矿山动态采掘面的准确表征。该技术有效替代了制作流程复杂、更新成本大的传统高精度地图，简化了对矿山动态变化地形的场景重构流程，增强了无人驾驶矿车装载作业的动态场景适应性，为铲装协同作业奠定了基础。

面向高频调度与人机混驾的需求，王亚飞团队联合交大交通运输工程专业的陆林军副教授和金建钢教授团队，提出了基于干扰管理模型的多模态智能调度算法，该算法将规划性调度与恢复性调度有机结合，解决了调度指令与实际需求在时空上存在滞后性的问题。此外，构建的基于车路云协同的冲突区域危险评估模型，避免了大规模交通参与者混流冲突风险，保障了混合驾驶车队的作业安全，将单车和矿卡车队的交通通行效率分别提高了9.0%和9.8%。同时，研究成果也被推广应用于有人矿山的车队管控，在多座露天矿山将单台矿车时产量提高5%以上。

近三年来，王亚飞团队与安徽海螺集团一直保持密切合作，成立了“上海交大－海螺集团智能化装备联合研发中心”，集中力量在矿山一线联合攻关。上海交大负责基础理论、核心算法和关键模型的建立与优化，海螺集团负责工程化落地以及产品推广应用，真正做到深度合作，为建设中国方案的智慧无人矿山奠定了坚实基础。