1. 课程导入

工程机械自动驾驶，是指面向挖掘机、推土机、平地机、压路机、摊铺机、矿卡、装载机等典型工程装备，在感知、定位、决策、控制与执行等环节引入自动化与智能化技术，使设备能够在特定作业场景中自主或半自主完成行走、转向、作业装置动作与任务协同。它并不是“把汽车自动驾驶搬到工程机械上”这么简单，因为工程机械的核心价值在于“作业”，而不仅是“移动”。

1.1 从辅助驾驶到无人作业：发展历程

工程机械自动化并非突然出现，它经历了从机械操纵、液压先导、电液比例控制，到CAN总线电控、GPS定位、传感器融合，再到今天的自动驾驶与无人集群作业的演进过程。早期系统以“减人、省力”为目标，例如自动找平、自动限深、自动行走；中期开始引入GNSS、激光雷达、毫米波雷达、视觉相机与IMU，实现定位与感知；当前阶段则强调任务级规划、多机协同、远程接管与安全冗余。

从技术成熟度看，工程机械自动驾驶通常分为L0～L4级：L0为纯人工操作；L1为单功能辅助，如自动找平；L2为部分自动化，如自动行走+自动作业；L3为有条件自动驾驶，需安全员监控；L4为高度自动驾驶，在限定场景内可无人作业。不同机种、不同场景对等级要求差异很大，矿山、港口、隧道、灾后救援等封闭或半封闭场景往往率先落地。

1.2 应用价值：为什么工程机械需要自动驾驶

工程机械自动驾驶的价值，首先体现在安全。矿山、隧道、爆破区、高边坡等场景危险系数高，无人化可显著减少人员暴露。其次是效率，自动驾驶可实现24小时连续作业、精准重复轨迹、减少人为误差。第三是成本，降低人工依赖、减少燃油与磨损、优化调度。第四是质量，例如摊铺机自动找平、压路机压实度均匀控制、挖掘机精准刷坡。第五是数据，作业过程可量化、可追溯、可优化。

• 安全：减少高危区域人工作业，降低伤亡风险。
• 效率：连续作业、精准控制、多机协同。
• 成本：降低人工、油耗、维修与停机时间。
• 质量：提高平整度、压实度、坡度与重复精度。
• 数据：形成作业闭环，支撑调度与运维优化。

1.3 核心原理与系统闭环

工程机械自动驾驶的底层逻辑，可以概括为“感知—定位—决策—控制—执行—反馈”六环闭环。感知层通过激光雷达、相机、毫米波雷达、超声波、倾角传感器等获取环境与自身状态；定位层通过GNSS/RTK、IMU、轮速计、视觉里程计等实现厘米级定位与姿态估计；决策层完成任务规划、路径规划、避障与作业策略；控制层将决策转化为行走、转向、制动、液压动作指令；执行层由电液比例阀、电机、驱动器等完成动作；反馈层通过传感器与CAN总线实时回传，形成闭环修正。

1.4 典型应用场景与案例

在露天矿山，无人矿卡按固定路线运输，配合电铲与调度系统实现“装—运—卸”循环；在水利大坝与公路施工中，无人压路机按预设轨迹与压实度要求进行碾压，减少漏压与过压；在隧道与地下工程，无人挖掘机或凿岩台车可远程操控或自主作业，降低塌方与有害气体风险；在港口与堆场，无人装载机、无人集卡协同完成装卸；在灾后救援与核辐射区域，遥控或自主工程机械可替代人员进入危险环境。

1.5 常见误区与复盘

误区一：把自动驾驶等同于“无人”。实际上，多数工程机械自动驾驶仍需要安全员、远程接管或限定场景。误区二：只关注算法，忽视执行机构与液压响应。工程机械动作惯性大、延迟明显，控制模型必须与液压系统匹配。误区三：忽视通信与定位冗余。矿山、隧道、城市峡谷等场景GNSS易受遮挡，需融合IMU、轮速、视觉与UWB等。误区四：忽略安全与法规。无人作业必须考虑急停、限速、电子围栏、故障降级与责任边界。

1.6 课程目标与整体知识框架

本课程面向工程机械自动驾驶系统工程，目标是建立“从场景到系统、从感知到执行、从单车到集群”的完整知识体系。课程将围绕以下模块展开：