基于无人机的典型警务任务场景数字孪生模型研究

2024-06-10刘启瑞张水锋张巍舰

电子元器件与信息技术 2024年2期

刘启瑞，张水锋，张巍舰

南京警察学院，江苏南京，210023

0 引言

传统的警务模式往往依赖于人工巡逻和数据分析，但由于人力和时间的限制，很难实现对广大区域的全面监控和及时响应。而无人机作为一种高效、灵活的监测工具，具有广阔的应用前景。结合数字孪生技术，可将无人机数据与虚拟模型相结合，构建出数字孪生模型，提供对实际场景的高度还原和模拟分析。

1 无人机飞行航线规划与数据采集

1.1 无人机飞行航线规划

无人机飞行航线的设计是构建数字孪生模型的重要步骤之一。航迹规划是无人系统中的重要组成部分，针对不同的飞行环境、任务设置，航迹规划方法也不尽相同[1]。在设计飞行航线时，需要综合考虑目标区域的形状、大小、复杂程度以及飞行任务的要求。针对目标区域的形状特征，可采用不同的飞行路径规划算法，例如基于网格划分、基于兴趣点的规划或基于遗传算法的优化等方法，以确保无人机有效地覆盖整个区域。航线设计一般采取30%的旁向重叠度、66%的航向重叠度，本次要生产自动化模型，旁向重叠度需要达66%以上，航向重叠度也需要达66%以上。航线设计软件生成一个飞行计划文件，该文件包含飞机的航线坐标及各个相机的曝光点坐标位置[2]。另外，还需考虑飞行高度，这取决于所需获取的数据分辨率以及无人机的安全飞行要求。通过合理的飞行高度规划，可保证无人机获取到足够清晰的数据，并确保飞行过程的安全性。

1.2 光学热成像传感器搭载

采集到的光学数据可提供高清晰度的影像和视频，具有较高的空间分辨率，能够捕捉细节丰富的图像。这些影像和视频数据可作为多元异构数据，帮助警务人员对目标区域构建数字孪生模型，生成精确的场景模型，为后续的分析和模拟提供基础。热成像传感器可探测目标区域的热量分布情况。通过热成像数据发现潜在的热点区域，例如火灾、热点设备、人群聚集等，从而及早发现潜在的安全隐患和紧急情况。除了光学和热成像传感器，无人机还可搭载其他类型的传感器，如雷达、气象传感器等，以获取更全面的数据。

无人机搭载光学、热成像等传感器，并进行数据采集，能够提供大量的实时、高质量的多源异构数据，为警务人员提供全面的情报支持和决策依据。这些数据通过图像处理、目标识别、数据分析等技术进行处理和分析，帮助警务部门更加准确地了解目标区域的情况，及时发现异常和风险，加强公共安全的监控和管理。

1.3 多源异构数据采集

在数据采集过程中，无人机获取到丰富的多源异构数据。其中，影像数据是最常见的数据类型之一，提供目标区域的静态和动态信息。通过高分辨率的影像和视频数据，对建筑物、道路、人员等进行准确地识别和分析。影像数据通常具有高分辨率和广阔的视野，能够捕捉目标区域的细节，如建筑物的外观、道路的布局等。

无人机通过激光雷达等传感器获取点云数据。点云是由大量离散点组成的三维数据集，准确记录目标区域的空间坐标和形状信息。激光雷达通过发射激光束并测量其返回的时间来获取目标表面的距离，从而构建点云模型。点云数据对于建筑物、地形和环境的三维重建非常有效，为警务人员提供更直观的空间认知和分析能力。

由多种传感器对多个信息源所提供的信息进行测量，然后再依靠某种有效算法对这些数据进行整合[3]。无人机可提供更加全面、多维度的目标区域信息。这些数据可用于数字孪生模型的建立，实现对目标区域的虚拟仿真和分析。

2 数字孪生模型的构建

2.1 无人机采集图像的拼接

无人机在飞行过程中采集的图像往往是局部视野的，为获取更全面的信息，需要对这些图像进行拼接，生成全景影像。图像拼接是将多张图像无缝地融合在一起，形成一个大范围的全景影像。在本研究中，将利用计算机视觉和图像处理技术，对无人机采集的图像进行特征提取、匹配和融合，以实现高质量的全景影像生成。利用特征提取算法，从每张图像中提取出关键点和局部特征描述子。通过匹配这些特征点，确定其在不同图像之间的对应关系。使用图像配准和融合算法，将匹配的图像进行几何校正和像素级的融合，消除拼接边缘的不连续性和过渡问题。最终得到的全景影像能够提供更广阔的视野和场景信息，为后续的分析和模型构建提供更全面的数据基础。

2.2 无人机影像特征提取算法

随着无人机在遥感、地质勘探等领域的快速发展与广泛应用，利用无人机航拍获取影像制作大视域全景地图的需求日趋增加。在全景影像中，需从中提取出目标物体，以进一步分析和建模。利用计算机视觉算法，实现对目标物体的识别、定位和分割。通过使用深度学习方法，如卷积神经网络和目标检测算法，可有效从全景影像中提取出感兴趣的目标物体。该算法能够识别和标记出建筑物、道路、车辆、人员等目标，为后续的三维重建提供准确的目标位置和形状信息。提取出的目标物体信息可用于后续的三维重建过程。通过对目标物体进行几何建模和点云生成，可得到更精确的目标形状和位置信息。这为数字孪生体模型的构建提供了基础数据，使得模型更加真实和准确。同时利用提取出的目标物体信息，进行更深入地分析和建模，如目标分类、行为分析和环境评估等。为后续的三维重建和数字孪生体模型的构建提供准确可靠的数据基础。

2.3 无人机影像三维重建算法

三维激光扫描作为一种新兴技术，可突破传统测量方法单点测量的局限性，具有非接触式、高效率、高精度获取物体表面三维点云数据的优势，该技术在数字文化遗产保护及修复、智慧城市、建筑信息提取等方面得到广泛的应用[4]。三维重建算法在无人机数据处理中扮演着重要角色，能够将通过无人机采集的二维图像数据转换为具有三维信息的点云模型。通过从多个视角的图像中提取特征点、进行特征点匹配和三角化等操作，建立目标区域的三维点云模型，进而提供目标物体的几何形状和空间位置信息。生成的点云模型可用于数字孪生体模型的构建。通过将点云模型与其他数据源（例如传感器数据或实时监测数据）相结合，构建出更加真实和准确的数字孪生体模型，用于模拟和预测目标物体的行为、性能和响应。

2.4 多源异构数据融合

在本研究中，通过融合从无人机采集的多源数据，包括全景影像、目标物体提取结果和点云模型，来构建精确的三维数字孪生体模型。数字孪生模型是现实世界的数字化表现，可用于理解、预测、优化和控制真实实体或系统，构建数字孪生模型是实现模型驱动的基础[5]。通过将不同数据源融合在一起，以提高数字孪生模型的准确性和完整性，为警务工作和相关领域的决策提供重要参考。通过无人机影像拼接与数字孪生体模型构建的研究，可实现对目标区域的全景视图生成、目标物体的识别和三维模型的构建。无人机所搭载的红外摄像头可结合三维建模技术对于案件现场进行三维高精度重建和测量，为案件分析研判提供更加直观和立体的现场信息[6]。这为警务领域提供了重要的数据支持和技术手段，为提升安全、监测和应急响应能力提供了新的解决方案。

3 典型警务任务场景数字孪生模型公安要素划分

3.1 典型警务场景数字孪生模型的构建

警用无人机在我国侦查工作中具有极大推广价值，随着现代科学技术的飞速发展，公安信息化给警务工作效能提升带来了质的飞跃[7]。对突发事件现场、重点区域等典型警务场景，将利用无人机数字孪生技术构建相应的模型。数字孪生模型是通过模拟现实环境中的物理特征、空间布局和时序变化，提供对实际场景的高度还原和仿真。在本研究中将收集的影像、视频、点云等多源异构数据，通过数据处理和模型构建，构建数字孪生模型，以实现对典型警务场景的再现和模拟。数字孪生模型的构建将为警务部门提供一个虚拟的实践环境，使警务人员能够在其中进行各类实验、模拟演练和决策推演。通过对模型中的突发事件现场和重点区域进行模拟和观察，警务人员可更好地了解场景特征、犯罪模式以及可能出现的安全隐患，从而提前制定应对策略，增强应急响应能力。

3.2 数字孪生模型警务关键要素的标注

在构建的数字孪生模型中，对警务关键要素进行标注。此类要素包括突发事件现场的疑点人物、重要设施、交通要道等。通过对数字孪生模型进行标注，使这些要素在模型中得到准确的定位和标识。这将为后续的警务决策和应急响应提供重要的参考。警务关键要素的标注对于警务部门的工作具有重要意义。在全景概况上，无人机可实现多角度、多机位拍摄，充分展现现场各个方位的情况。通过在数字孪生模型中标注疑点人物，警务人员模拟不同的人员活动轨迹、行为模式等，以识别嫌疑人、破解案件。标注重要设施和交通要道可帮助警务人员更好地了解场景结构，优化巡逻路线，提高公共安全水平。

3.3 功能区划辅助警务决策

基于数字孪生模型中标注的警务要素，可进行功能区划，以辅助警务决策。通过对数字孪生模型进行空间分析和功能划分，确定不同区域的安全风险、犯罪活动可能性等。这样的功能区划可以帮助警务部门更好地理解警务场景，优化资源配置，制定更科学有效的巡逻和响应策略。以长江航运公安局南京分局辖区情况为例，通过对南京分局辖区的数字孪生模型的构建和警务要素的划分，能够帮助警务部门更好地了解该区域的安全状况和犯罪风险，提高警务决策的科学性和准确性。基于数字孪生模型的功能区划将辖区划分为不同的安全级别区域、重点监控区域、易发犯罪区域等，更有针对性地部署警力、加强巡逻频率，制定相应的安全保障策略。通过典型警务任务场景数字孪生模型的构建和公安要素的划分，实现对警务场景的模拟和分析，为警务部门提供重要的决策支持。