矿区无人驾驶矿车局部轨迹规划Local Planning以非结构化道路、重载、强动力学约束、高安全冗余为核心算法分为采样类、优化类、学习类、工程融合架构四大类下面按落地成熟度、适用场景分类整理附矿车场景适配改造要点。一、采样类规划算法矿区首选可行性优先适合窄路会车、装卸对位、坡道避障、动态障碍多、非结构化路面1. Hybrid A*混合A*核心适配同时搜索离散拓扑 连续姿态满足矿车最小转弯半径、非完整约束矿区改造加入重载转向限制、坡道附着系数、车辙/软基惩罚落地采场/排土场对位、窄路通行、紧急避障的主候选生成2. RRT / RRT* / Informed RRT*特点概率完备易跳出局部最优适合可行域狭窄场景矿区改造目标偏向采样、坡道启发函数、障碍膨胀更大落地临时障碍绕行、无车道线区域的备选轨迹3. Lattice Planner格点规划Apollo/矿卡量产主流核心基于运动基元(Motion Primitive)横向/纵向采样生成轨迹簇评分排序矿区适配横向采样车道居中、避障、会车偏移纵向采样跟车、减速停车、坡道稳速评分项碰撞风险、平顺性、路面平整度、作业对位精度落地干线行驶、编队跟车、会车避让的标准局部规划器4. Polynomial Sampling多项式采样用五次/七次多项式生成jerk连续轨迹快速生成候选适用低速对位、平稳停车保证重载无冲击二、优化类规划算法平滑最优干线/巡航主力适合结构化运矿干线、定速巡航、编队行驶追求平顺与控制友好1. 二次规划 QP / 序列二次规划 SQP建模将避障、车道、动力学转为线性/二次约束求解最优轨迹矿区改造加入侧倾约束、载荷相关加速度限制落地Lattice/采样后轨迹精修平滑2. 模型预测控制 MPC直接做局部规划控制闭环滚动时域优化实时修正动态障碍与车辆偏差矿车适配重载动力学模型、轮胎附着模型、坡道力前馈落地高速干线巡航、精准对位闭环、编队协同3. 凸优化 (Convex Optimization)可行域凸化后快速求解时延稳定适用路面条件好、障碍少的固定运矿路线三、学习类与启发式算法辅助/前沿1. DQN/PPO 强化学习场景极复杂非结构化、动态施工机械交互落地状态辅助决策/异常场景兜底极少单独做主规划2. 模糊逻辑/专家规则矿区特有工况坡道防溜车、软基路减速、装卸点对位作用硬约束熔断、安全阈值判定四、矿区量产主流融合架构工程实际用的组合架构1Lattice采样 QP优化最通用Lattice生成满足动力学的候选轨迹簇碰撞剪枝 规则评分QP做曲率、jerk、转向角精修平滑输出给底盘控制器适配全场景干线作业区绝大多数矿卡厂商方案架构2Hybrid A* 后处理优化Hybrid A*找可行路径解决狭窄空间可行问题多项式/BSpline插值平滑速度优化生成纵曲线适配装卸对位、窄路会车、极限避障架构3MPC闭环局部规划直接以跟踪全局路径避障为优化目标滚动求解并输出控制量适配高精度对位、编队行驶、坡道稳速架构4分层规划行为决策运动规划上层规则/采样选行为直行/会车/避让/对位下层优化生成平滑轨迹适配多机械协同作业的采场五、算法选型速查表矿车专用算法/架构优势劣势矿区最佳场景Lattice Planner实时性稳、多候选、易工程化长距最优性一般干线、会车、编队Hybrid A*非完整约束强、狭窄空间可行平滑性差、需后处理装卸对位、窄路、避障QP/SQP 优化平滑、控制友好对初值/可行域敏感轨迹精修、干线巡航MPC闭环鲁棒、动态适配强算力要求高精准对位、坡道、编队RRT*复杂空间概率完备随机性强、时延波动临时绕行、应急备份六、矿区局部规划算法必加改造项重载动力学约束最小转弯半径、转向速率、侧倾、加减速限坡道模型纵坡力补偿、下坡制动、上坡限扭路面惩罚软基、车辙、坑洼、排水沟的代价场大尺寸碰撞检测整车外廓货箱障碍膨胀更大硬实时约束固定采样点数、剪枝策略、时延50ms安全兜底无可行解时输出安全停车轨迹