基于無人機的典型警務任務場景 數字孿生模型研究

劉啟瑞，張水鋒，張巍艦

南京警察學院，江蘇南京，210023

0 引言

傳統的警務模式往往依賴于人工巡邏和數據分析，但由于人力和時間的限制，很難實現對廣大區域的全面監控和及時響應。而無人機作為一種高效、靈活的監測工具，具有廣闊的應用前景。結合數字孿生技術，可將無人機數據與虛擬模型相結合，構建出數字孿生模型，提供對實際場景的高度還原和模擬分析。

1 無人機飛行航線規劃與數據采集

1.1 無人機飛行航線規劃

無人機飛行航線的設計是構建數字孿生模型的重要步驟之一。航跡規劃是無人系統中的重要組成部分，針對不同的飛行環境、任務設置，航跡規劃方法也不盡相同[1]。在設計飛行航線時，需要綜合考慮目標區域的形狀、大小、復雜程度以及飛行任務的要求。針對目標區域的形狀特征，可采用不同的飛行路徑規劃算法，例如基于網格劃分、基于興趣點的規劃或基于遺傳算法的優化等方法，以確保無人機有效地覆蓋整個區域。航線設計一般采取30%的旁向重疊度、66%的航向重疊度，本次要生產自動化模型，旁向重疊度需要達66%以上，航向重疊度也需要達66%以上。航線設計軟件生成一個飛行計劃文件，該文件包含飛機的航線坐標及各個相機的曝光點坐標位置[2]。另外，還需考慮飛行高度，這取決于所需獲取的數據分辨率以及無人機的安全飛行要求。通過合理的飛行高度規劃，可保證無人機獲取到足夠清晰的數據，并確保飛行過程的安全性。

1.2 光學熱成像傳感器搭載

采集到的光學數據可提供高清晰度的影像和視頻，具有較高的空間分辨率，能夠捕捉細節豐富的圖像。這些影像和視頻數據可作為多元異構數據，幫助警務人員對目標區域構建數字孿生模型，生成精確的場景模型，為后續的分析和模擬提供基礎。熱成像傳感器可探測目標區域的熱量分布情況。通過熱成像數據發現潛在的熱點區域，例如火災、熱點設備、人群聚集等，從而及早發現潛在的安全隱患和緊急情況。除了光學和熱成像傳感器，無人機還可搭載其他類型的傳感器，如雷達、氣象傳感器等，以獲取更全面的數據。

無人機搭載光學、熱成像等傳感器，并進行數據采集，能夠提供大量的實時、高質量的多源異構數據，為警務人員提供全面的情報支持和決策依據。這些數據通過圖像處理、目標識別、數據分析等技術進行處理和分析，幫助警務部門更加準確地了解目標區域的情況，及時發現異常和風險，加強公共安全的監控和管理。

1.3 多源異構數據采集

在數據采集過程中，無人機獲取到豐富的多源異構數據。其中，影像數據是最常見的數據類型之一，提供目標區域的靜態和動態信息。通過高分辨率的影像和視頻數據，對建筑物、道路、人員等進行準確地識別和分析。影像數據通常具有高分辨率和廣闊的視野，能夠捕捉目標區域的細節，如建筑物的外觀、道路的布局等。

無人機通過激光雷達等傳感器獲取點云數據。點云是由大量離散點組成的三維數據集，準確記錄目標區域的空間坐標和形狀信息。激光雷達通過發射激光束并測量其返回的時間來獲取目標表面的距離，從而構建點云模型。點云數據對于建筑物、地形和環境的三維重建非常有效，為警務人員提供更直觀的空間認知和分析能力。

由多種傳感器對多個信息源所提供的信息進行測量，然后再依靠某種有效算法對這些數據進行整合[3]。無人機可提供更加全面、多維度的目標區域信息。這些數據可用于數字孿生模型的建立，實現對目標區域的虛擬仿真和分析。

2 數字孿生模型的構建

2.1 無人機采集圖像的拼接

無人機在飛行過程中采集的圖像往往是局部視野的，為獲取更全面的信息，需要對這些圖像進行拼接，生成全景影像。圖像拼接是將多張圖像無縫地融合在一起，形成一個大范圍的全景影像。在本研究中，將利用計算機視覺和圖像處理技術，對無人機采集的圖像進行特征提取、匹配和融合，以實現高質量的全景影像生成。利用特征提取算法，從每張圖像中提取出關鍵點和局部特征描述子。通過匹配這些特征點，確定其在不同圖像之間的對應關系。使用圖像配準和融合算法，將匹配的圖像進行幾何校正和像素級的融合，消除拼接邊緣的不連續性和過渡問題。最終得到的全景影像能夠提供更廣闊的視野和場景信息，為后續的分析和模型構建提供更全面的數據基礎。

2.2 無人機影像特征提取算法

隨著無人機在遙感、地質勘探等領域的快速發展與廣泛應用，利用無人機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，需從中提取出目標物體，以進一步分析和建模。利用計算機視覺算法，實現對目標物體的識別、定位和分割。通過使用深度學習方法，如卷積神經網絡和目標檢測算法，可有效從全景影像中提取出感興趣的目標物體。該算法能夠識別和標記出建筑物、道路、車輛、人員等目標，為后續的三維重建提供準確的目標位置和形狀信息。提取出的目標物體信息可用于后續的三維重建過程。通過對目標物體進行幾何建模和點云生成，可得到更精確的目標形狀和位置信息。這為數字孿生體模型的構建提供了基礎數據，使得模型更加真實和準確。同時利用提取出的目標物體信息，進行更深入地分析和建模，如目標分類、行為分析和環境評估等。為后續的三維重建和數字孿生體模型的構建提供準確可靠的數據基礎。

2.3 無人機影像三維重建算法

三維激光掃描作為一種新興技術，可突破傳統測量方法單點測量的局限性，具有非接觸式、高效率、高精度獲取物體表面三維點云數據的優勢，該技術在數字文化遺產保護及修復、智慧城市、建筑信息提取等方面得到廣泛的應用[4]。三維重建算法在無人機數據處理中扮演著重要角色，能夠將通過無人機采集的二維圖像數據轉換為具有三維信息的點云模型。通過從多個視角的圖像中提取特征點、進行特征點匹配和三角化等操作，建立目標區域的三維點云模型，進而提供目標物體的幾何形狀和空間位置信息。生成的點云模型可用于數字孿生體模型的構建。通過將點云模型與其他數據源（例如傳感器數據或實時監測數據）相結合，構建出更加真實和準確的數字孿生體模型，用于模擬和預測目標物體的行為、性能和響應。

2.4 多源異構數據融合

在本研究中，通過融合從無人機采集的多源數據，包括全景影像、目標物體提取結果和點云模型，來構建精確的三維數字孿生體模型。數字孿生模型是現實世界的數字化表現，可用于理解、預測、優化和控制真實實體或系統，構建數字孿生模型是實現模型驅動的基礎[5]。通過將不同數據源融合在一起，以提高數字孿生模型的準確性和完整性，為警務工作和相關領域的決策提供重要參考。通過無人機影像拼接與數字孿生體模型構建的研究，可實現對目標區域的全景視圖生成、目標物體的識別和三維模型的構建。無人機所搭載的紅外攝像頭可結合三維建模技術對于案件現場進行三維高精度重建和測量，為案件分析研判提供更加直觀和立體的現場信息[6]。這為警務領域提供了重要的數據支持和技術手段，為提升安全、監測和應急響應能力提供了新的解決方案。

3 典型警務任務場景數字孿生模型公安要素劃分

3.1 典型警務場景數字孿生模型的構建

警用無人機在我國偵查工作中具有極大推廣價值，隨著現代科學技術的飛速發展，公安信息化給警務工作效能提升帶來了質的飛躍[7]。對突發事件現場、重點區域等典型警務場景，將利用無人機數字孿生技術構建相應的模型。數字孿生模型是通過模擬現實環境中的物理特征、空間布局和時序變化，提供對實際場景的高度還原和仿真。在本研究中將收集的影像、視頻、點云等多源異構數據，通過數據處理和模型構建，構建數字孿生模型，以實現對典型警務場景的再現和模擬。數字孿生模型的構建將為警務部門提供一個虛擬的實踐環境，使警務人員能夠在其中進行各類實驗、模擬演練和決策推演。通過對模型中的突發事件現場和重點區域進行模擬和觀察，警務人員可更好地了解場景特征、犯罪模式以及可能出現的安全隱患，從而提前制定應對策略，增強應急響應能力。

3.2 數字孿生模型警務關鍵要素的標注

在構建的數字孿生模型中，對警務關鍵要素進行標注。此類要素包括突發事件現場的疑點人物、重要設施、交通要道等。通過對數字孿生模型進行標注，使這些要素在模型中得到準確的定位和標識。這將為后續的警務決策和應急響應提供重要的參考。警務關鍵要素的標注對于警務部門的工作具有重要意義。在全景概況上，無人機可實現多角度、多機位拍攝，充分展現現場各個方位的情況。通過在數字孿生模型中標注疑點人物，警務人員模擬不同的人員活動軌跡、行為模式等，以識別嫌疑人、破解案件。標注重要設施和交通要道可幫助警務人員更好地了解場景結構，優化巡邏路線，提高公共安全水平。

3.3 功能區劃輔助警務決策

基于數字孿生模型中標注的警務要素，可進行功能區劃，以輔助警務決策。通過對數字孿生模型進行空間分析和功能劃分，確定不同區域的安全風險、犯罪活動可能性等。這樣的功能區劃可以幫助警務部門更好地理解警務場景，優化資源配置，制定更科學有效的巡邏和響應策略。以長江航運公安局南京分局轄區情況為例，通過對南京分局轄區的數字孿生模型的構建和警務要素的劃分，能夠幫助警務部門更好地了解該區域的安全狀況和犯罪風險，提高警務決策的科學性和準確性。基于數字孿生模型的功能區劃將轄區劃分為不同的安全級別區域、重點監控區域、易發犯罪區域等，更有針對性地部署警力、加強巡邏頻率，制定相應的安全保障策略。通過典型警務任務場景數字孿生模型的構建和公安要素的劃分，實現對警務場景的模擬和分析，為警務部門提供重要的決策支持。

4 結語

在本文中，研究了基于無人機的典型警務任務場景下的數字孿生模型。通過將無人機獲取的圖像數據應用于建模過程，模擬和預測警務任務場景中的各種情況和變化。警務人員在虛擬環境中進行訓練和演練，以提高應對各類緊急情況的能力。此外，數字孿生模型可用于規劃和優化警務任務的執行方案，提前預測潛在風險和優化資源配置。

然而，數字孿生模型的研究仍然面臨一些挑戰和改進的空間。首先，如何獲取高質量的圖像數據、提高圖像處理的準確性和效率是需要進一步研究的問題。其次，如何將數字孿生模型與其他技術如人工智能、大數據分析等相結合，進一步提升模型的智能化和實用性也是一個重要的方向。

未來，將探索更多的數據處理和模型構建技術，提高數字孿生模型的精度和實時性。同時與警務部門密切結合，深入了解警務需求和挑戰，將數字孿生模型應用于實際的警務任務中，為提升警務工作的效率和安全性做出更大的貢獻。數字孿生模型在警務領域的應用潛力巨大，將為警務工作的現代化轉型和提升提供重要支持。