基于無(wú)人機(jī)的典型警務(wù)任務(wù)場(chǎng)景 數(shù)字孿生模型研究

劉啟瑞，張水鋒，張巍艦

南京警察學(xué)院，江蘇南京，210023

0 引言

傳統(tǒng)的警務(wù)模式往往依賴于人工巡邏和數(shù)據(jù)分析，但由于人力和時(shí)間的限制，很難實(shí)現(xiàn)對(duì)廣大區(qū)域的全面監(jiān)控和及時(shí)響應(yīng)。而無(wú)人機(jī)作為一種高效、靈活的監(jiān)測(cè)工具，具有廣闊的應(yīng)用前景。結(jié)合數(shù)字孿生技術(shù)，可將無(wú)人機(jī)數(shù)據(jù)與虛擬模型相結(jié)合，構(gòu)建出數(shù)字孿生模型，提供對(duì)實(shí)際場(chǎng)景的高度還原和模擬分析。

1 無(wú)人機(jī)飛行航線規(guī)劃與數(shù)據(jù)采集

1.1 無(wú)人機(jī)飛行航線規(guī)劃

無(wú)人機(jī)飛行航線的設(shè)計(jì)是構(gòu)建數(shù)字孿生模型的重要步驟之一。航跡規(guī)劃是無(wú)人系統(tǒng)中的重要組成部分，針對(duì)不同的飛行環(huán)境、任務(wù)設(shè)置，航跡規(guī)劃方法也不盡相同[1]。在設(shè)計(jì)飛行航線時(shí)，需要綜合考慮目標(biāo)區(qū)域的形狀、大小、復(fù)雜程度以及飛行任務(wù)的要求。針對(duì)目標(biāo)區(qū)域的形狀特征，可采用不同的飛行路徑規(guī)劃算法，例如基于網(wǎng)格劃分、基于興趣點(diǎn)的規(guī)劃或基于遺傳算法的優(yōu)化等方法，以確保無(wú)人機(jī)有效地覆蓋整個(gè)區(qū)域。航線設(shè)計(jì)一般采取30%的旁向重疊度、66%的航向重疊度，本次要生產(chǎn)自動(dòng)化模型，旁向重疊度需要達(dá)66%以上，航向重疊度也需要達(dá)66%以上。航線設(shè)計(jì)軟件生成一個(gè)飛行計(jì)劃文件，該文件包含飛機(jī)的航線坐標(biāo)及各個(gè)相機(jī)的曝光點(diǎn)坐標(biāo)位置[2]。另外，還需考慮飛行高度，這取決于所需獲取的數(shù)據(jù)分辨率以及無(wú)人機(jī)的安全飛行要求。通過(guò)合理的飛行高度規(guī)劃，可保證無(wú)人機(jī)獲取到足夠清晰的數(shù)據(jù)，并確保飛行過(guò)程的安全性。

1.2 光學(xué)熱成像傳感器搭載

采集到的光學(xué)數(shù)據(jù)可提供高清晰度的影像和視頻，具有較高的空間分辨率，能夠捕捉細(xì)節(jié)豐富的圖像。這些影像和視頻數(shù)據(jù)可作為多元異構(gòu)數(shù)據(jù)，幫助警務(wù)人員對(duì)目標(biāo)區(qū)域構(gòu)建數(shù)字孿生模型，生成精確的場(chǎng)景模型，為后續(xù)的分析和模擬提供基礎(chǔ)。熱成像傳感器可探測(cè)目標(biāo)區(qū)域的熱量分布情況。通過(guò)熱成像數(shù)據(jù)發(fā)現(xiàn)潛在的熱點(diǎn)區(qū)域，例如火災(zāi)、熱點(diǎn)設(shè)備、人群聚集等，從而及早發(fā)現(xiàn)潛在的安全隱患和緊急情況。除了光學(xué)和熱成像傳感器，無(wú)人機(jī)還可搭載其他類(lèi)型的傳感器，如雷達(dá)、氣象傳感器等，以獲取更全面的數(shù)據(jù)。

無(wú)人機(jī)搭載光學(xué)、熱成像等傳感器，并進(jìn)行數(shù)據(jù)采集，能夠提供大量的實(shí)時(shí)、高質(zhì)量的多源異構(gòu)數(shù)據(jù)，為警務(wù)人員提供全面的情報(bào)支持和決策依據(jù)。這些數(shù)據(jù)通過(guò)圖像處理、目標(biāo)識(shí)別、數(shù)據(jù)分析等技術(shù)進(jìn)行處理和分析，幫助警務(wù)部門(mén)更加準(zhǔn)確地了解目標(biāo)區(qū)域的情況，及時(shí)發(fā)現(xiàn)異常和風(fēng)險(xiǎn)，加強(qiáng)公共安全的監(jiān)控和管理。

1.3 多源異構(gòu)數(shù)據(jù)采集

在數(shù)據(jù)采集過(guò)程中，無(wú)人機(jī)獲取到豐富的多源異構(gòu)數(shù)據(jù)。其中，影像數(shù)據(jù)是最常見(jiàn)的數(shù)據(jù)類(lèi)型之一，提供目標(biāo)區(qū)域的靜態(tài)和動(dòng)態(tài)信息。通過(guò)高分辨率的影像和視頻數(shù)據(jù)，對(duì)建筑物、道路、人員等進(jìn)行準(zhǔn)確地識(shí)別和分析。影像數(shù)據(jù)通常具有高分辨率和廣闊的視野，能夠捕捉目標(biāo)區(qū)域的細(xì)節(jié)，如建筑物的外觀、道路的布局等。

無(wú)人機(jī)通過(guò)激光雷達(dá)等傳感器獲取點(diǎn)云數(shù)據(jù)。點(diǎn)云是由大量離散點(diǎn)組成的三維數(shù)據(jù)集，準(zhǔn)確記錄目標(biāo)區(qū)域的空間坐標(biāo)和形狀信息。激光雷達(dá)通過(guò)發(fā)射激光束并測(cè)量其返回的時(shí)間來(lái)獲取目標(biāo)表面的距離，從而構(gòu)建點(diǎn)云模型。點(diǎn)云數(shù)據(jù)對(duì)于建筑物、地形和環(huán)境的三維重建非常有效，為警務(wù)人員提供更直觀的空間認(rèn)知和分析能力。

由多種傳感器對(duì)多個(gè)信息源所提供的信息進(jìn)行測(cè)量，然后再依靠某種有效算法對(duì)這些數(shù)據(jù)進(jìn)行整合[3]。無(wú)人機(jī)可提供更加全面、多維度的目標(biāo)區(qū)域信息。這些數(shù)據(jù)可用于數(shù)字孿生模型的建立，實(shí)現(xiàn)對(duì)目標(biāo)區(qū)域的虛擬仿真和分析。

2 數(shù)字孿生模型的構(gòu)建

2.1 無(wú)人機(jī)采集圖像的拼接

無(wú)人機(jī)在飛行過(guò)程中采集的圖像往往是局部視野的，為獲取更全面的信息，需要對(duì)這些圖像進(jìn)行拼接，生成全景影像。圖像拼接是將多張圖像無(wú)縫地融合在一起，形成一個(gè)大范圍的全景影像。在本研究中，將利用計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)，對(duì)無(wú)人機(jī)采集的圖像進(jìn)行特征提取、匹配和融合，以實(shí)現(xiàn)高質(zhì)量的全景影像生成。利用特征提取算法，從每張圖像中提取出關(guān)鍵點(diǎn)和局部特征描述子。通過(guò)匹配這些特征點(diǎn)，確定其在不同圖像之間的對(duì)應(yīng)關(guān)系。使用圖像配準(zhǔn)和融合算法，將匹配的圖像進(jìn)行幾何校正和像素級(jí)的融合，消除拼接邊緣的不連續(xù)性和過(guò)渡問(wèn)題。最終得到的全景影像能夠提供更廣闊的視野和場(chǎng)景信息，為后續(xù)的分析和模型構(gòu)建提供更全面的數(shù)據(jù)基礎(chǔ)。

2.2 無(wú)人機(jī)影像特征提取算法

隨著無(wú)人機(jī)在遙感、地質(zhì)勘探等領(lǐng)域的快速發(fā)展與廣泛應(yīng)用，利用無(wú)人機(jī)航拍獲取影像制作大視域全景地圖的需求日趨增加。在全景影像中，需從中提取出目標(biāo)物體，以進(jìn)一步分析和建模。利用計(jì)算機(jī)視覺(jué)算法，實(shí)現(xiàn)對(duì)目標(biāo)物體的識(shí)別、定位和分割。通過(guò)使用深度學(xué)習(xí)方法，如卷積神經(jīng)網(wǎng)絡(luò)和目標(biāo)檢測(cè)算法，可有效從全景影像中提取出感興趣的目標(biāo)物體。該算法能夠識(shí)別和標(biāo)記出建筑物、道路、車(chē)輛、人員等目標(biāo)，為后續(xù)的三維重建提供準(zhǔn)確的目標(biāo)位置和形狀信息。提取出的目標(biāo)物體信息可用于后續(xù)的三維重建過(guò)程。通過(guò)對(duì)目標(biāo)物體進(jìn)行幾何建模和點(diǎn)云生成，可得到更精確的目標(biāo)形狀和位置信息。這為數(shù)字孿生體模型的構(gòu)建提供了基礎(chǔ)數(shù)據(jù)，使得模型更加真實(shí)和準(zhǔn)確。同時(shí)利用提取出的目標(biāo)物體信息，進(jìn)行更深入地分析和建模，如目標(biāo)分類(lèi)、行為分析和環(huán)境評(píng)估等。為后續(xù)的三維重建和數(shù)字孿生體模型的構(gòu)建提供準(zhǔn)確可靠的數(shù)據(jù)基礎(chǔ)。

2.3 無(wú)人機(jī)影像三維重建算法

三維激光掃描作為一種新興技術(shù)，可突破傳統(tǒng)測(cè)量方法單點(diǎn)測(cè)量的局限性，具有非接觸式、高效率、高精度獲取物體表面三維點(diǎn)云數(shù)據(jù)的優(yōu)勢(shì)，該技術(shù)在數(shù)字文化遺產(chǎn)保護(hù)及修復(fù)、智慧城市、建筑信息提取等方面得到廣泛的應(yīng)用[4]。三維重建算法在無(wú)人機(jī)數(shù)據(jù)處理中扮演著重要角色，能夠?qū)⑼ㄟ^(guò)無(wú)人機(jī)采集的二維圖像數(shù)據(jù)轉(zhuǎn)換為具有三維信息的點(diǎn)云模型。通過(guò)從多個(gè)視角的圖像中提取特征點(diǎn)、進(jìn)行特征點(diǎn)匹配和三角化等操作，建立目標(biāo)區(qū)域的三維點(diǎn)云模型，進(jìn)而提供目標(biāo)物體的幾何形狀和空間位置信息。生成的點(diǎn)云模型可用于數(shù)字孿生體模型的構(gòu)建。通過(guò)將點(diǎn)云模型與其他數(shù)據(jù)源（例如傳感器數(shù)據(jù)或?qū)崟r(shí)監(jiān)測(cè)數(shù)據(jù)）相結(jié)合，構(gòu)建出更加真實(shí)和準(zhǔn)確的數(shù)字孿生體模型，用于模擬和預(yù)測(cè)目標(biāo)物體的行為、性能和響應(yīng)。

2.4 多源異構(gòu)數(shù)據(jù)融合

在本研究中，通過(guò)融合從無(wú)人機(jī)采集的多源數(shù)據(jù)，包括全景影像、目標(biāo)物體提取結(jié)果和點(diǎn)云模型，來(lái)構(gòu)建精確的三維數(shù)字孿生體模型。數(shù)字孿生模型是現(xiàn)實(shí)世界的數(shù)字化表現(xiàn)，可用于理解、預(yù)測(cè)、優(yōu)化和控制真實(shí)實(shí)體或系統(tǒng)，構(gòu)建數(shù)字孿生模型是實(shí)現(xiàn)模型驅(qū)動(dòng)的基礎(chǔ)[5]。通過(guò)將不同數(shù)據(jù)源融合在一起，以提高數(shù)字孿生模型的準(zhǔn)確性和完整性，為警務(wù)工作和相關(guān)領(lǐng)域的決策提供重要參考。通過(guò)無(wú)人機(jī)影像拼接與數(shù)字孿生體模型構(gòu)建的研究，可實(shí)現(xiàn)對(duì)目標(biāo)區(qū)域的全景視圖生成、目標(biāo)物體的識(shí)別和三維模型的構(gòu)建。無(wú)人機(jī)所搭載的紅外攝像頭可結(jié)合三維建模技術(shù)對(duì)于案件現(xiàn)場(chǎng)進(jìn)行三維高精度重建和測(cè)量，為案件分析研判提供更加直觀和立體的現(xiàn)場(chǎng)信息[6]。這為警務(wù)領(lǐng)域提供了重要的數(shù)據(jù)支持和技術(shù)手段，為提升安全、監(jiān)測(cè)和應(yīng)急響應(yīng)能力提供了新的解決方案。

3 典型警務(wù)任務(wù)場(chǎng)景數(shù)字孿生模型公安要素劃分

3.1 典型警務(wù)場(chǎng)景數(shù)字孿生模型的構(gòu)建

警用無(wú)人機(jī)在我國(guó)偵查工作中具有極大推廣價(jià)值，隨著現(xiàn)代科學(xué)技術(shù)的飛速發(fā)展，公安信息化給警務(wù)工作效能提升帶來(lái)了質(zhì)的飛躍[7]。對(duì)突發(fā)事件現(xiàn)場(chǎng)、重點(diǎn)區(qū)域等典型警務(wù)場(chǎng)景，將利用無(wú)人機(jī)數(shù)字孿生技術(shù)構(gòu)建相應(yīng)的模型。數(shù)字孿生模型是通過(guò)模擬現(xiàn)實(shí)環(huán)境中的物理特征、空間布局和時(shí)序變化，提供對(duì)實(shí)際場(chǎng)景的高度還原和仿真。在本研究中將收集的影像、視頻、點(diǎn)云等多源異構(gòu)數(shù)據(jù)，通過(guò)數(shù)據(jù)處理和模型構(gòu)建，構(gòu)建數(shù)字孿生模型，以實(shí)現(xiàn)對(duì)典型警務(wù)場(chǎng)景的再現(xiàn)和模擬。數(shù)字孿生模型的構(gòu)建將為警務(wù)部門(mén)提供一個(gè)虛擬的實(shí)踐環(huán)境，使警務(wù)人員能夠在其中進(jìn)行各類(lèi)實(shí)驗(yàn)、模擬演練和決策推演。通過(guò)對(duì)模型中的突發(fā)事件現(xiàn)場(chǎng)和重點(diǎn)區(qū)域進(jìn)行模擬和觀察，警務(wù)人員可更好地了解場(chǎng)景特征、犯罪模式以及可能出現(xiàn)的安全隱患，從而提前制定應(yīng)對(duì)策略，增強(qiáng)應(yīng)急響應(yīng)能力。

3.2 數(shù)字孿生模型警務(wù)關(guān)鍵要素的標(biāo)注

在構(gòu)建的數(shù)字孿生模型中，對(duì)警務(wù)關(guān)鍵要素進(jìn)行標(biāo)注。此類(lèi)要素包括突發(fā)事件現(xiàn)場(chǎng)的疑點(diǎn)人物、重要設(shè)施、交通要道等。通過(guò)對(duì)數(shù)字孿生模型進(jìn)行標(biāo)注，使這些要素在模型中得到準(zhǔn)確的定位和標(biāo)識(shí)。這將為后續(xù)的警務(wù)決策和應(yīng)急響應(yīng)提供重要的參考。警務(wù)關(guān)鍵要素的標(biāo)注對(duì)于警務(wù)部門(mén)的工作具有重要意義。在全景概況上，無(wú)人機(jī)可實(shí)現(xiàn)多角度、多機(jī)位拍攝，充分展現(xiàn)現(xiàn)場(chǎng)各個(gè)方位的情況。通過(guò)在數(shù)字孿生模型中標(biāo)注疑點(diǎn)人物，警務(wù)人員模擬不同的人員活動(dòng)軌跡、行為模式等，以識(shí)別嫌疑人、破解案件。標(biāo)注重要設(shè)施和交通要道可幫助警務(wù)人員更好地了解場(chǎng)景結(jié)構(gòu)，優(yōu)化巡邏路線，提高公共安全水平。

3.3 功能區(qū)劃輔助警務(wù)決策

基于數(shù)字孿生模型中標(biāo)注的警務(wù)要素，可進(jìn)行功能區(qū)劃，以輔助警務(wù)決策。通過(guò)對(duì)數(shù)字孿生模型進(jìn)行空間分析和功能劃分，確定不同區(qū)域的安全風(fēng)險(xiǎn)、犯罪活動(dòng)可能性等。這樣的功能區(qū)劃可以幫助警務(wù)部門(mén)更好地理解警務(wù)場(chǎng)景，優(yōu)化資源配置，制定更科學(xué)有效的巡邏和響應(yīng)策略。以長(zhǎng)江航運(yùn)公安局南京分局轄區(qū)情況為例，通過(guò)對(duì)南京分局轄區(qū)的數(shù)字孿生模型的構(gòu)建和警務(wù)要素的劃分，能夠幫助警務(wù)部門(mén)更好地了解該區(qū)域的安全狀況和犯罪風(fēng)險(xiǎn)，提高警務(wù)決策的科學(xué)性和準(zhǔn)確性。基于數(shù)字孿生模型的功能區(qū)劃將轄區(qū)劃分為不同的安全級(jí)別區(qū)域、重點(diǎn)監(jiān)控區(qū)域、易發(fā)犯罪區(qū)域等，更有針對(duì)性地部署警力、加強(qiáng)巡邏頻率，制定相應(yīng)的安全保障策略。通過(guò)典型警務(wù)任務(wù)場(chǎng)景數(shù)字孿生模型的構(gòu)建和公安要素的劃分，實(shí)現(xiàn)對(duì)警務(wù)場(chǎng)景的模擬和分析，為警務(wù)部門(mén)提供重要的決策支持。

4 結(jié)語(yǔ)

在本文中，研究了基于無(wú)人機(jī)的典型警務(wù)任務(wù)場(chǎng)景下的數(shù)字孿生模型。通過(guò)將無(wú)人機(jī)獲取的圖像數(shù)據(jù)應(yīng)用于建模過(guò)程，模擬和預(yù)測(cè)警務(wù)任務(wù)場(chǎng)景中的各種情況和變化。警務(wù)人員在虛擬環(huán)境中進(jìn)行訓(xùn)練和演練，以提高應(yīng)對(duì)各類(lèi)緊急情況的能力。此外，數(shù)字孿生模型可用于規(guī)劃和優(yōu)化警務(wù)任務(wù)的執(zhí)行方案，提前預(yù)測(cè)潛在風(fēng)險(xiǎn)和優(yōu)化資源配置。

然而，數(shù)字孿生模型的研究仍然面臨一些挑戰(zhàn)和改進(jìn)的空間。首先，如何獲取高質(zhì)量的圖像數(shù)據(jù)、提高圖像處理的準(zhǔn)確性和效率是需要進(jìn)一步研究的問(wèn)題。其次，如何將數(shù)字孿生模型與其他技術(shù)如人工智能、大數(shù)據(jù)分析等相結(jié)合，進(jìn)一步提升模型的智能化和實(shí)用性也是一個(gè)重要的方向。

未來(lái)，將探索更多的數(shù)據(jù)處理和模型構(gòu)建技術(shù)，提高數(shù)字孿生模型的精度和實(shí)時(shí)性。同時(shí)與警務(wù)部門(mén)密切結(jié)合，深入了解警務(wù)需求和挑戰(zhàn)，將數(shù)字孿生模型應(yīng)用于實(shí)際的警務(wù)任務(wù)中，為提升警務(wù)工作的效率和安全性做出更大的貢獻(xiàn)。數(shù)字孿生模型在警務(wù)領(lǐng)域的應(yīng)用潛力巨大，將為警務(wù)工作的現(xiàn)代化轉(zhuǎn)型和提升提供重要支持。