综述:从车辆自主性到生态系统智能:露天采矿作业中动态视觉架构的系统综述

《Sensors》:Vehicle Autonomy to Ecosystem Intelligence: A Systematic Review of Dynamic Vision Architectures in Surface Mining Operations

【字体: 大 中 小 】 时间:2026年07月05日 来源:Sensors 4.0

编辑推荐:

  自主运输系统(AHS)通过提高安全性、生产率和操作一致性,显著改变了露天采矿作业。目前,AHS主要依赖于以车辆为中心的感知架构。车载激光雷达(LiDAR)、雷达(Radar)、相机和全球导航卫星系统(GNSS)在单个系统内执行感知、解释和决策。这些过程实现了避

  
自主运输系统(AHS)通过提高安全性、生产率和操作一致性,显著改变了露天采矿作业。目前,AHS主要依赖于以车辆为中心的感知架构。车载激光雷达(LiDAR)、雷达(Radar)、相机和全球导航卫星系统(GNSS)在单个系统内执行感知、解释和决策。这些过程实现了避障和路径跟踪。然而,它们在考虑更广泛的动态采矿环境方面能力有限,该环境以粉尘、地形退化、岩土不稳定性、异构交通和快速发展的操作条件为特征。本文对露天采矿中AHS的动态视觉系统进行了系统综述。它批判性地分析了从自主性到互联的、生态系统感知智能的过渡。该综述综合了采矿自动化、机器人技术、智能交通系统和多智能体感知的文献。它评估了传感技术、感知算法、传感器融合策略和环境鲁棒性技术。重点关注复杂的露天采矿生态系统中自我中心感知模型的局限性。基于已识别的差距,本文提出了生态系统中心动态视觉(ECDV)的概念框架。通过将车队通信网络、调度系统、数字孪生(Digital Twin)、岩土监测平台和环境传感基础设施集成,增强了感知。该框架概述了一个多层架构,能够在全矿级别实现协同感知、预测性危险建模和风险感知决策支持。该综述最后概述了从车辆自主性过渡到露天采矿中生态系统智能的研究议程。它强调了在协同感知、退化能见度下的自适应传感器融合以及数字孪生集成的预测安全系统中的机会。
  1. 1.
    引言
    露天采矿在工业领域中处于独特的高风险地位,其特点是大型移动设备、复杂操作条件以及人员持续暴露于高风险环境的相互作用。重型卡车、单调的工作周期和具有挑战性的地形导致了疲劳、人为错误和事故的可能性,这使得操作故障既严重且往往不可逆。自主运输系统(AHS)的出现代表了现代采矿最重要的技术转型之一,这一转变是由消除“人为因素”、提高安全性和增强生产率的需求驱动的。现代AHS集成了先进的感知、控制系统、通信网络和智能决策,以实现更安全高效的运输作业。尽管取得了这些成就,基本的架构限制仍然存在。当前AHS中的感知主要是自我中心的,当代系统通过车载传感器(如LiDAR、雷达和相机)结合GNSS定位和车队管理软件来维持态势感知。这种以车辆为中心的标准在精心划定的操作设计域(ODD)内被证明是有效的。然而,表面采矿环境从感知角度来看提出了一些最困难的操作条件,例如,自卸卡车在未固结材料上运行产生的粉尘云会显著降低LiDAR性能,将检测范围减少一半以上;基于视觉的传感器同样受到光照可变性的限制。这些共同造成了持续的能见度下降场景,当前的自我中心传感器融合方法难以有效缓解。此外,传统的以车辆为中心的感知框架将每个自主单元概念化为独立代理,这造成了显著的
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号