광산지역은 상대적으로 폐색된 환경으로 인해 주행경로가 정해져 있고 주행속도는 느리지만 작업조건이 복잡하고 환경이 열악하다. 따라서 광산 지역에서 광산 트럭의 무인 운송이 빠르게 촉진되어 광산 현장에서 대규모로 적용되고 있습니다.
2020~2025년은 중국 광산 지역에서 자율주행을 위한 핵심 건설 기간으로 시장 규모는 1000억대에 달할 것으로 파악된다.
무인 광산 트럭의 "눈"인 LiDAR는 고정밀, 장거리 및 높은 안정성이라는 장점을 가지고 있습니다. 가혹한 작업 조건에서 무인 채광 트럭에 대해 매우 안정적인 인식 및 정확한 감지를 제공하고 복잡한 작업 조건에서 차량의 안전을 보장합니다.
그러나 광산 환경에서 작업할 때 먼지는 사방에 있어 LiDAR 표면을 점차적으로 덮을 뿐만 아니라 커튼이 무인 광산 트럭의 "눈"을 가리는 것처럼 전면에 먼지 안개를 형성하여 감지에 영향을 미칩니다. LiDAR의 품질은 무인 차량의 오판으로 이어집니다. 따라서 무인 광산 트럭의 실제 환경 운영에서 먼지가 LiDAR 인식에 미치는 영향은 업계가 직면한 어려운 문제입니다.
LSLiDAR 엔지니어들은 오랫동안 무인 채광 트럭의 운영 현장에 깊이 관여했습니다. 수년간의 탐사 끝에 그들은 먼지와 포인트 클라우드 알고리즘의 특성에 대한 많은 비교 실험과 계산을 수행했으며 광산 트럭 작동 조건에 적합한 LiDAR 먼지 필터링 알고리즘 세트를 구성했습니다. 이 알고리즘 세트는 LSLiDAR의 모든 LiDAR와 결합하여 무인 차량에 장착하여 광산 지역과 같은 먼지가 많은 환경에서 무인 운전의 인식 정확도 문제를 해결하고 무인 운전의 운영 효율성 및 안전성을 향상시키고 첫 번째 휴식을 취할 수 있습니다. 광산 지역의 국내 LiDAR 무인 적용 문제를 통해
먼지 알고리즘 최적화 전
먼지, 광산 트럭 먼지 포인트 클라우드 감지 가능
석탄재 검출 가능
먼지 알고리즘 최적화 후
먼지 제거에 최적화 석탄재 식별 및 제거
먼지가 흩어진 후 접지가 감지되고 점차적으로 접지선이 나옵니다.
포인트 클라우드 이미지에서 LSLiDAR LiDAR가 큰 먼지 조각을 식별하고 제거하여 호스트 컴퓨터의 필터링 부담을 줄일 수 있음을 알 수 있습니다. 중간 및 먼 거리에 있는 물체가 그을음으로 막히지 않으면 중간 및 먼 거리에 있는 물체를 여전히 감지할 수 있습니다.
