雷科智途-L4级别井工矿无人驾驶全栈式系统丨确认申报2023金辑奖·年度最具成长价值奖

申报企业丨雷科智途

汽车行业主要业务、产品与服务:

L4级别井工矿无人驾驶解决方案依托无人驾驶、智能调度、V2X通信等创新技术的快速发展，结合井工矿作业规范智能化升级，实现低速场景的无人驾驶运输运营作业。 针对智慧矿山的实际需求，提出的无人驾驶系统总体解决方案是基于 “车、巷、云”的整套解决方案，助力智慧矿山的全面建设。云是云控平台，指无人驾驶监控调度管理平台，包括高精地图管理、基础数据管理、车辆智能调度、动态路权管控、报警分析提醒、运行集成监视、数据统计分析等主要功能模块。 巷就是地面系统，包括路侧单元RSU、各类地面管控终端产品，作为系统稳健运行的支撑与保障。车就是车载系统，包括无人车终端、协同作业车辆终端、非生产作业车辆终端等产品，作为运输系统的执行者。无人驾驶系统可以将智能终端整合成可以交互的整体，实现无人驾驶矿车的高精定位、环境感知、防撞避撞、状态监测、故障报警、人机交互和V2X通信。智能终端通过通信网与高精定位基准站和管理系统进行数据交互，协调应对运行过程中的各种情况。 雷科智途目前已与国内TOP5大型能源公司合作，共同进行井工矿车辆无人化改造，运用多传感器融合技术，实时感知周围环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，实现SLAM全局规划自动导航、自动错车避障、车路协同控制、远程应急遥控等功能。

企业整体实力：

1.研发能力:

基于与北京理工大学和矿相关能源企业合作，目前已具备全流程的井工矿无人驾驶研发能力

2.配套及合作介绍:

立于北京理工大学产学研体系之上，同时背靠军工上市公司雷科防务、毛二可院士创新团队和无人车技术工信部重点实验室，创造了雷科智途在自动驾驶感知、决策控制等核心技术领域，以及相关人才获取方面天然的优势。

3.专利或其他资质认证:

雷科智途通过了三体系认证年度监督审核、IATF16949：2016汽车质量体系认证年度监督审核和煤安认证等。

核心产品或技术:

1.技术名称:

L4级别井工矿无人驾驶全栈式系统

2.技术描述：

L4级别井工矿无人驾驶解决方案依托无人驾驶、智能调度、V2X通信等创新技术的快速发展，结合井工矿作业规范智能化升级，实现低速场景的无人驾驶运输运营作业。针对智慧矿山的实际需求，雷科智途提出的无人驾驶系统总体解决方案是基于 “车、巷、云”的整套解决方案，助力智慧矿山的全面建设。 车是车载系统，包括无人车终端、协同作业车辆终端、非生产作业车辆终端等产品。作为运输系统的执行者，无人驾驶系统可以将智能终端整合成可以交互的整体，实现无人驾驶矿车的高精定位、环境感知、防撞避撞、状态监测、故障报警、人机交互和V2X通信。智能终端通过通信网与高精定位基准站和管理系统进行数据交互，协调应对运行过程中的各种情况；巷是地面系统，包括路侧单元RSU、各类地面管控终端产品，作为系统稳健运行的支撑与保障；云是云控平台，指无人驾驶监控调度管理平台，包括高精地图管理、基础数据管理、车辆智能调度、动态路权管控、报警分析提醒、运行集成监视、数据统计分析等主要功能模块。 雷科智途的“无人系统”运用多传感器融合技术，可以实时感知周围环境并收集数据，进行静态、动态物体的辨识、侦测与追踪，从而实现SLAM全局规划自动导航、自动错车避障、车路协同控制、远程应急遥控等功能。 同时，雷科智途的多项核心算法具备极强的技术优势。在感知层面，雷科智途实现了毫米波点云SLAM定位技术，即使在水雾、扬尘等极端场景下，也能通过点云SLAM、RTK、IMU的多源融合感知技术，实现全域、全态的环境定位。激光雷达点云与视觉、毫米波雷达点云相结合，能够有效检测道路起伏，在低能见度等复杂环境下实现精准感知深度学习，提高算法准确性。在决策层面，基于多年非结构化道路车辆控制经验，在无人车决策控制层面采用行为树决策技术，实现车辆在复杂环境下的精确控制。同时利用车路协同控制技术，通过智能路侧的信息补盲，对无人车控制进行全局拥堵预警、轨迹重规划。可以实现40多种目标识别以及20多种事故场景智能决策，有效降低了道路恶性事故发生的概率。 依托软硬件一体的解决方案，雷科智途已经面向B端用户打造出多项标杆服务案例，与国内矿区领域中的大型知名企业达成合作，签订多项合同。依托背后高校的优势技术成果，雷科智途的雷达、传感器、关键处理算法均为自研，相关技术实现完全自主可控，能满足客户定制化需求。

3.独特优势：

在开展研发之前，本项目团队已对市场相关方案商及无人示范矿区进行充分市场调研，通过对行业解决方案的对比和深入理解，市场上井工矿示范工程都有研究无人车辅运的规划及相关应用开发，发现在车辆感知控制策略存在一定不足，尤其针对井下无卫星、长巷道、低照度的条件下，还没有较好的车辆定位方案提供，需要增加大量的基础设施投建，例如UWB基站、磁钉、红外视觉感知、高精度惯性器件、轮速计和车轮角度传感器等手段补充单车本身定位缺陷。 本方案通过算法的优化，攻克技术范围上全局可靠定位的难题，可以全面提升项目的落地能力，结合矿区实际复杂应用条件，降低外部感知和条件的依赖，从无人车自身感知的先进性方面实现无人驾驶论证。本方案具有全市场覆盖、易推广、低延时、低成本等特点优势。 ①局部几何－拓扑地图定位导航 目前广泛应用于井下定位导航的方案是依赖于大规模部署的UWB基站，然而在井下部署UWB基站的成本极高，不能满足大部分矿区的运营需求。基于局部几何－拓扑地图的定位导航系统摆脱对于定位信号的依赖，仅使用激光雷达、轮速及等车身装配的传感器，即可实现井下的定位导航功能，极大降低了井下无人化运营的成本。 ②优化的激光雷达SLAM重定位算法 优化了SLAM中的重定位算法，与传统SLAM定位方法相比，基于词袋模型的定位方法，具有更高的准确度。 为使无卫星定位情况下能够在已知地图中快速确定自身的位置，需要车辆根据自身激光雷达当前扫描点云与地图点云进行快速匹配。对于这种重定位问题，其关键是如何有效地检测出是否是同一地点，即场景的相似性。最直接的方法是采用与SLAM 建图过程中类似的特征匹配方法，对当前点云提取点线面等特征与地图内的众多关键帧进行逐一匹配，这种方法能够保证较高的准确率，但随着地图面积的增大带来的关键帧数量的增加，将会使匹配过程消耗大量的计算时间与资源，难以满足实时性的需求。因此，借鉴视觉SLAM 中应用的词袋模型并将其应用于点云地图上，提出一种基于词袋模型的点云地图快速重定位方法，在建图过程中，每隔一段距离选取地图点云作为关键帧，对关键帧进行聚类处理，每一个聚类点云集计算其特征描述子作为单词存入词典中，建图完成后训练词典构建数据库。在重定位阶段同样进行聚类与描述子提取后利用词袋模型进行快速匹配选定初始重定位位置，最后采用点云配准算法实现后续的精准定位。 ③点云融合感知技术 基于深度学习激光雷达点云与视觉/毫米波雷达点云结合，实现环境感知。

4.应用场景：

井下矿区等封闭场景无人化和运力服务

企业未来发展前景：

矿业行业对支撑国民经济发展起到关键性作用。但目前我国矿业的采掘、运输、选矿仍以传统人工管控为主，再加上我国矿山地质环境复杂、采掘环境多变、流程体系庞杂，不仅在矿工作业方面面临巨大风险也给矿业高效生产带来巨大挑战。目前国内矿山车辆十万以上，市场规模可达千亿级别。 相比传统矿山而言，矿山无人化首先解决了矿区安全以及适龄劳动力短缺两大痛点，同时也能为矿企节省成本，提高效率。由于矿区地质及其他不可控因素的影响导致矿业事故发生的不确定性，但如果使用智能化技术对事故进行及时预警及精准定位能够有效降低事故所带来的损失。在矿业行业运用智能化和无人化是提高矿业生产效率和解决矿业生产安全问题的根本手段。除了目前矿业行业所面临的生产安全、生产效率等问题之外，伴随新一代年轻人择业观的转变，矿业行业正面临严重的招工难问题。现实环境因素正倒逼矿业行业进行智慧化、无人化的改造升级。 根据国家煤矿安监局公告《煤矿机器人重点研发目录》中明确指出，煤矿灾害重、风险大、下井人员多、危险岗位多，研发应用煤矿机器人有利于减少井下作业人数、降低安全风险、提高生产效率、减轻矿工劳动强度，有利于解决煤矿招工难等问题，对推动煤炭开采技术革命、实现煤炭工业高质量发展、保障国家能源安全供应具有重要意义，对于井下无人运输车的基本要求如下：研发煤矿井下无人驾驶运输车，具备精确定位、安全探测、自主感知、主动避障、自动错车等功能，实现井下辅运车辆无人化驾驶作业。 建立一套无人驾驶智能调度管理系统，可完成矿内车辆任务调度指令、全局路径规划、车辆/设备实时监控、数据统计分析、历史回放查看，通过全域流量监控和调度管理，提升整个矿井的生产作业效率、减少人力成本。

金辑奖介绍：

由盖世发起，旨在“发现好公司·推广好技术·成就汽车人”， 并围绕着“中国汽车新供应链百强”这个主题进行展开，表彰在新“人机时代”下，汽车产业深度变革过程中，拥有头部影响力的企业以及正处于高速成长阶段的具有新技术、新理念、新模式的前瞻型公司，进行优秀企业及先进技术解决方案的评选，向行业内外展示这些优秀的企业和行业领军人物，共同推动行业的发展和进步。