矿山无人车路径规划：EM Planner与Lattice Planner对比

1. 矿山无人车路径规划的特殊性

矿山环境下的无人驾驶车辆与传统道路自动驾驶存在显著差异。矿区内道路通常具有以下特征：非结构化路面（无明确车道线）、陡坡急弯多、路面起伏不平、扬尘/水雾等能见度干扰因素多、动态障碍物（如工程车辆/人员）出现频繁。这些特点对路径规划算法提出了更高要求：

• 实时性：矿区内车速虽不高（通常30-50km/h），但突发障碍物多，要求规划器能在100ms内完成重规划
• 通过性：必须考虑车辆通过性约束（最小转弯半径、最大爬坡角度等），尤其在重载运输场景
• 鲁棒性：需处理GPS信号漂移、传感器短暂失效等常见问题
• 能耗优化：矿山场景对能耗敏感，路径应尽量减少制动/加速频次

2. EM Planner技术解析

2.1 算法架构特点

EM（Expectation-Maximization）Planner是百度Apollo团队提出的分层规划架构，其核心思想是将规划问题分解为：

1. 参考线生成：基于高精地图生成平滑参考路径
2. 动态障碍物投影：将障碍物映射到Frenet坐标系
3. 代价函数优化：通过EM迭代求解最优轨迹

在矿山场景中的实测表现：

python复制# 典型代价函数配置示例
cost_weights = {
    'smoothness': 0.6,  # 轨迹平滑度
    'obstacle': 1.2,    # 障碍物距离
    'slope': 0.8,       # 坡度惩罚项  
    'curvature': 0.5    # 曲率约束
}

2.2 矿山场景适配性分析

优势：

• 分层结构适合处理矿山复杂地形，可单独优化纵向/横向运动
• 对非结构化道路适应性强（不需要依赖车道线）
• 动态调整权重参数可适配不同载重状态

局限性：

• EM迭代计算量较大，在Intel i7-1185G7处理器上单次规划耗时约80-120ms
• 陡坡路段可能出现"局部最优陷阱"，需要人工干预参考线

实践建议：在电铲装卸区等固定路线场景，可预存多条参考线减少实时计算量

3. Lattice Planner技术解析

3.1 网格化规划原理

Lattice Planner通过状态空间采样生成候选轨迹集，主要步骤：

1. 状态采样：在Frenet坐标系下离散化s-l维度
2. 轨迹生成：使用多项式连接采样点
3. 代价评估：选择综合代价最小的轨迹

典型参数配置：

cpp复制// 采矿车常用参数
double max_curvature = 0.15;  // 最大曲率(1/m)
double time_resolution = 0.1; // 时间分辨率(s) 
int num_samples = 15;         // 横向采样数

3.2 矿山场景实测表现

优势：

• 规划耗时稳定（50-80ms），适合突发障碍规避
• 网格化采样天然适应非结构化环境
• 可方便集成车辆动力学约束

挑战：

• 高密度采样导致计算资源消耗大
• 长距离规划质量依赖采样密度
• 陡坡路段可能出现轨迹震荡

4. 对比测试数据

我们在某铁矿进行了为期3个月的对比测试（车型：北方股份NTE200电动轮矿卡）：

5. 选型建议指南

5.1 场景匹配原则

• EM Planner更适合：

  • 固定运输线路（如采场到破碎站）
  • 重载爬坡工况
  • 需要长距离全局优化的场景

• Lattice Planner更适合：

  • 装卸区等复杂动态环境
  • 需要快速避障的场合
  • 车辆机动性要求高的场景

5.2 混合方案实践

先进矿区采用的典型方案组合：

1. 全局规划层：使用EM Planner生成粗粒度参考路径
2. 局部规划层：Lattice Planner处理实时避障
3. 应急层：基于规则的后备策略

配置示例：

yaml复制planning_strategy:
  global_planner: em
  local_planner: lattice
  fallback: 
    max_deceleration: 2.5 m/s²  
    safety_distance: 3.0 m

6. 实施注意事项

1. 传感器配置优化：

   • 矿用毫米波雷达建议安装在车架中部，高度1.2-1.5m
   • 激光雷达需要定期清洁镜片（粉尘影响严重）

2. 参数调优要点：

   • 载重变化超过15%需重新标定动力学参数
   • 雨季需调整地面摩擦系数（0.3→0.25）

3. 典型故障处理：

   bash复制# 规划器卡顿时诊断命令
   rostopic hz /planning_trajectory  # 检查输出频率
   top -H -p $(pgrep planning_node)  # 查看线程负载
   

4. 安全冗余设计：

   • 必须保留机械制动优先权
   • 规划器输出需经过车辆动力学验证模块

在实际部署中，我们建议先进行2-4周的算法并行运行测试，收集不同工况下的性能数据后再做最终选型。某铜矿的实测数据显示，混合方案可使运输效率提升23%，同时降低15%的轮胎磨损率。