1.露天矿山场景下基于多传感器融合的SLAM定位技术

精准定位是移动机器人自主导航的必要前提。不同于室内移动机器人，它的环境物体较为丰富，可以提取出很多特征点、线、面以方便定位；也不同于公开道路无人驾驶车辆，它往往有车道线信息可供参考。露天矿山里矿用卡车的定位主要面临以下挑战：

（1）矿区主干道路比较空旷，既没有可供参考的车道线，也缺乏有效的环境点、线等特征；

（2）矿区的装车区往往在开采平台边缘处，与周围环境有12-15米的高度差，容易造成卫星信号的遮挡；卸料站附近也容易受到附近建筑物的遮挡，同时矿车即便在驻车状态也有非常大的震动，因此即便依靠卫星导航+惯性导航的组合，也难以全时提供有效、可靠的定位。针对该场景，本项目拟开发一种基于激光雷达、惯性导航、卫星导航与轮速计的多传感器融合的SLAM定位系统。当卫星搜星数与搜星质量较高时，以卫星导航的结果来修正SLAM过程的累积误差，避免长时间运行后的定位漂移；当卫星导航质量较差时，以已建好的局部点云地图为参考，通过激光雷达SLAM实现同时定位与地图构建，针对激光雷达帧率较低的情况，通过高频惯性导航的预积分，实现高频运动状态估计与插补，从而实现可靠、准确的高频定位输出。

（3）车辆充换电精准停靠，实现自动换电成功率100%。

2.基于多源异构传感器的融合感知技术

露天矿山作为封闭生产场景，一般不存在非机动车、未成年人、生产无关人员等，但露天矿山道路为非铺装路面，一方面扬尘较大，另一方面存在较大颠簸、急弯、陡坡等路况，部分矿山还存在高寒、浓雾等气候挑战，夜间生产时照度极低。这些都对于感知系统的硬件与算法提出了特殊挑战。针对这些挑战，本项目拟开发一种基于多激光雷达、毫米波雷达、视觉传感器(可见光+热红外)等多源异构传感器融合的感知系统，综合利用各种传感器的优势，例如激光雷达在测距上的精准性，毫米波雷达对于灰尘、雨雾的穿透性，可见光+热红外视觉传感器在日/夜两种光线条件下的识别能力，通过深度学习技术、机器视觉技术、点云处理技术等，实现恶劣环境下对于工程机械、行人、落石、凹坑等的可靠识别。

内置GUARDIAN“自动驾驶卫士”模块，负责网络防护、程序自检、OTA、日志记录及告警上报等。

算法持续调优∶支持对不同环境及作业场景下系统参数的快速手动配置，同时内置深度学习算法，根据长期积累数据进行自我调节。