警用无人船技术应用研究

2017-12-01张健

法制博览 2017年34期

关键词：警用警务无人

张健

湖北警官学院，湖北武汉 430034

警用无人船技术应用研究

张健

湖北警官学院，湖北武汉 430034

随着无人驾驶技术的快速发展，无人船在警务领域的应用越来越广泛，涉及水面侦察、水面目标搜索、搜救、水面大范围监控巡逻等多种警务应用。同时，与无人机等其他无人智能设备的协同作战模式创新，极大的提升了作业效率。本文从公安实战的角度出发，简要分析了警用无人船的应用现状及涉及到的关键技术。

无人船；立体防控；协同作战

近年来，随着无人驾驶汽车、无人机等技术的快速发展，无人驾驶技术受到越来越多人的关注。这其中以无人机技术发展最为成熟，应用也最为广泛。相比较之下，无人船技术的知名度较低。一直到最近几年，由于“迪奇号无人潜水器”等一系列重大社会事件的影响，无人船才开始逐渐进入到大众视野。

一、无人船技术的发展历史

无人驾驶船(Unmanned Surface Vessel)，简称无人船(USV)，是一种具有自主规划、自主航行能力，可自主完成环境感知、目标探测等任务的小型水面平台。它可搭载不同的传感器或执行设备，执行多种任务[1]。无人船最早由美籍工程师尼古拉·特拉斯发明。他在1898年成功通过无线控制技术遥控操作自动化小艇。随后的二战期间，盟军设计了一种按设定好的路线自动驶往指定地点的无人艇，通过船上装载的烟幕剂迷惑敌军并获得成功。二战结束后，美国、前苏联等国家看到了其中蕴含的巨大军事价值，开始投入大量人力物力开展相关研究，无人扫雷艇、自杀式无人艇等大量出现并相继投入实战应用。但受到自动化控制、数字通信等技术的限制，该时期的无人船技术并未取得较大突破，总体呈现无人船应用形式单一、自主活动能力有限等特征。

20世纪90年代后，随着技术进步以及大家对无人船认识的加深，无人船技术开始进入快速发展期。首先是应用范围得到进一步扩展。情报搜集、监视、目标搜索等功能逐渐显现出来；其次是设计和制造技术快速提高。外形尺寸上更加全面，从小型(小于1吨)、中型(小于100吨)、大型(小于1000吨)到超大型(大于1000吨)，满足了各种应用需求。同时，智能化程度和航行距离也大大提升，出现了自动避障、自动航行、目标自动识别等智能化功能。

虽然在军事领域大获成功，但直到进入21世纪以后，无人船应用才真正扩展到军事应用以外的领域。2000年，美国MIT设计了一款用于海岸勘探的无人船，将无人船的应用扩展到地质勘探；2003年，雅马哈公司将无人船用于监测海洋气候变化；2004年，英国普利茅斯大学研发了用于浅水水域污染物追踪、航道测量的无人船；2008年，我国研制了用于气象应急保障服务的“天象1号”无人船。2014年，第三届莫斯科国际创新发展论坛展览上，国务院总理李克强亲自介绍了中国云州无人船。无人船的应用领域逐渐扩大。

二、无人船技术的警务应用现状

无人船具有实现作业无人化、智能化；作业更高效、更标准；模块化设计、功能多样；航速高、机动性强；小巧灵活、隐蔽性好；使用成本低等优势[2]。虽然发展前景广阔，但在警务应用领域却一直未见显著进展。究其原因，一是受无人船应用场景限制。无人船应用需要具备大量水域，这大大限制了无人船可应用区域；二是受我国警用装备发展模式影响。我国警用装备大多是从军用或民用领域转化而来，只有在其他领域的应用发展成熟以后才开始逐渐引入到警务应用领域。因此，无人船的警务应用才刚刚开始兴起。目前，武汉市已经开始相关技术的测试和应用。

武汉市被称为“百湖之市”，长江、汉江将武汉市分隔为两江三镇，广阔的水域形成了独特的社会管控需求，也为无人船的应用创造了良好条件。在前期成功推广警用无人机技术的基础上，武汉市正尝试将无人船技术引入到警务应用领域，开创无人船技术的全新应用模式。从实际投入的DF-C400等多款警用无人船应用情况分析，无人船能够有效搭载多种警用设备及救生装置，具备在水面执行大范围监控巡逻、目标搜索、救援、辅助潜水作业、反恐侦察、危险环境探测等多种公共安全事务处理能力。

图1 DF-C400警用无人船

在应用模式上，无人船与无人机的创新型应用模式，能够有效形成两者优势互补。相比于无人机，无人船在续航时间、有效载荷、水面以下部署传感器方面具备独特优势；但在速度、航程、自主性方面不及无人机。同时，无人机具有拍摄视场大、拍摄范围广的优势，两者结合，有效打造了一张大型水域立体防控网，对相关区域的管控起到重要作用。

三、警用无人船关键技术

警用无人船在设计上，具有路径规划、定速/定向、避障、GPS+惯性组合导航、集群控制等多项功能。其控制系统复杂，主要包括以下几项关键技术。

(一)路径规划

路径规划就是在设定条件下，根据先验知识，规划出一条从起点到终点的安全路径。路径规划是否安全、合理直接影响到无人船自主导航功能。一般从两个方面评判路径优劣：一是所规划路径的经济性，即是否是从起点到终点的最短路径。二是所规划路径是否安全。根据应用场景的不同，路径规划可分为全局路径规划和局部路径规划。全局路径规划依赖于给定的全局信息做出规划，它不能处理行进过程中的变量。局部路径规划则能根据行进过程中产生的变量进行路径规划调整。两种方式各有优劣，适用于不同场景。

路径规划一般需经过环境建模和路线搜索两个基本步骤。首先对无人船行驶的环境进行准确描述，如障碍物的标识、边界、风浪等，只要会影响航行的因素在建模时都应予以充分考虑。常用建模算法有W.E.Howden提出的栅格法、khatib提出的虚拟力法、Hajime Asama等人提出的链接图法等。环境建模完成后，根据描述结果进行路径的搜索、优化。常用搜索方法可分为传统方法和智能方法。传统方法如拓扑法、几何法等，该类方法的局限性较大，特别是对于变量的处理能力弱于智能路径搜索方法。典型智能搜索算法有Kirkpatrick提出的模拟退火算法、J.Holland提出的遗传算法、Marco Dorigo提出的蚁群算法等。每种算法各有优劣，根据陈佳在其设计中测试的结果分析，蚁群算法从平均路径及相对最优值算得的平均百分比最优[3]。

(二)目标识别

目标识别是无人船在行驶过程中，运用自身携带的影像采集和处理系统对区域内目标物体进行影像采集和识别的过程。它是无人船能否有效避障的关键。目标识别包括目标检测、影像预处理、目标分割、特征提取、对象识别几个步骤，如图2所示。

目标检测阶段主要依靠自身携带的影像传感设备获取周边区域的影像信息，主要有雷达识别和影像识别两种方式。对于警用无人船来说，由于识别目标体积往往较小，且距离较近，因此一般以影像识别为主。影像预处理阶段则完成对所采集影像信息基本的处理，为下一步的识别处理提供素材。具体包括视频序列化、关键帧的提取、图像优化等环节。图像分割阶段负责对预处理所获得的结果进行分割处理，从而将对象从背景中分离出来。常用图像分割方法有基于阈值的图像分割、基于边缘检测的图像分割、基于神经网络的图像分割和基于数学形态的图像分割[4]。典型算法如区域分裂合并法、反向传播算法、分水岭分割算法等。特征提取是对分割出的目标进行分析，提取其特征信息如颜色、灰度、外形、纹理等，并进行数学化的描述，从而与数据库进行比对，正确辨识目标。不同特征量往往采用不同提取、匹配方法，如纹理特征常采用统计法、几何法、模型法等，而对于形状特征常用边界特征法、傅里叶形状描述符法等。识别过程可采用BP神经网络算法等人工智能算法进行反复训练，达到较高的识别正确率。

图2 目标识别过程

(三)智能避障

避障保证了无人船在行进过程中应对环境变化的能力。有效避障可以降低无人船对操作员的依赖，提高与其他无人智能设备的协同作战能力。无人船在行进过程中对障碍物的回避除了依赖于环境建模阶段提供的静态环境参数外，更重要是对运动过程中临时环境变量的处理。避障能力的强弱决定了无人船的自主决策能力高低，是无人船智能化程度的一个重要指标。

(四)协同作战

在警务应用实践中，无人船往往需要与其他智能设备协同工作。典型应用如：无人机+无人船的组合。在实战应用中，无人机根据其视场范围大的优势，可以将其发现的可疑目标的方向、位置、障碍物情况等数据发送给无人船，为无人船的路径规划提供重要环境参数。对组合中不同子系统的信号和数据处理是协同作战效能高低的关键，即功能全面的综合作战指挥系统应该能够实现数据的接收与传送、不同格式数据的转换以及双方的实时通讯等操作。