露天矿区作业具有环境复杂、重复性强、安全风险高等特点，传统人工驾驶存在招工难、成本高、事故频发等问题。随着我国露天矿产开采规模持续扩大，研发无人驾驶矿车系统成为推动矿区智能化升级的重要突破口。本项目基于潍柴动力股份有限公司的技术需求，聚焦矿区场景下无人驾驶矿车的核心功能开发，分为三大技术模块：

1）挡土墙识别模块，通过多传感器融合技术保障作业边界安全；

2）可行驶区域分割模块，结合几何规则与深度学习实现实时环境感知；

3）轨迹规划与优化模块，采用解耦式强化学习框架应对动态障碍。

通过构建"感知-决策-控制"闭环系统，解决矿区非结构化道路特征提取困难、多车动态冲突响应滞后等技术痛点，最终实现矿车自主装卸料、连续运输及突发障碍规避的完整作业流程。

本项目的核心目标是构建露天矿区无人驾驶矿车系统的关键技术体系，重点突破环境感知与轨迹规划两大模块的算法开发与工程验证，具体技术目标包括：

1）在可检测的60m范围内，可行驶区域分割准确率大于90%，分割单帧点云时间小于0.1s；

2）距离挡土墙10 m处的排土墙识别精度≤0.2m，高度误差小于0.1m,FPS>10；

3）铲装区与卸载区作业场景的规划交接点与目标位置的距离＞30m、装载区宽度>20m，无障碍场景下路径规划时间＜3s，正常障碍物场景下规划时间＜10s。

通过将传统算法与基于深度学习算法进行融合，得到几何规则+数据驱动的算法，成功实现可行域分割任务对既定目标；采用多传感器后融合的方法识别挡土墙，利用感知后融合框架将点云数据与视觉图像结合，得到最终挡土墙检测结果；融合传统运动学约束路径生成与强化学习速度优化，解决多车动态冲突问题。