沈伯瑋

（中央司法警官學(xué)院 河北省保定市 071000）

1 引言

在監(jiān)獄的日常管理中，獄警對監(jiān)舍的巡檢工作不僅繁瑣，而且危險性較高。目前，監(jiān)獄系統(tǒng)主要通過布置大量攝像頭獲取監(jiān)獄中的場景信息，從而進行輔助監(jiān)控和報警工作。隨著機器人、無人駕駛等技術(shù)的不斷進步，通過智能巡檢機器人對監(jiān)獄進行自動巡檢，能夠代替獄警的巡檢工作，及時發(fā)現(xiàn)監(jiān)獄的異常情況和潛在的隱患，提升監(jiān)獄的安全性以及信息化程度。因此，無論從提高巡檢效率、安全性，還是減輕獄警工作量、釋放勞動資源的角度出發(fā)，對監(jiān)獄智能巡檢機器人的研究是具有長遠意義的。

2 監(jiān)獄智能監(jiān)控及巡檢現(xiàn)狀

在監(jiān)獄系統(tǒng)中，主要的監(jiān)控手段是通過在關(guān)鍵區(qū)域布置攝像頭進行監(jiān)控，依托定制化的監(jiān)控平臺，以及各類監(jiān)控系統(tǒng)軟件，實現(xiàn)視頻顯示，重點錄制等功能。此類系統(tǒng)通常包含一個監(jiān)控指揮中心以及多個分控中心，指揮中心負責(zé)整體的調(diào)度以及所有數(shù)據(jù)的收集處理，分控中心則是監(jiān)控某個監(jiān)區(qū)，并將數(shù)據(jù)上傳到指揮中心，從而實現(xiàn)協(xié)調(diào)管理。監(jiān)控中心一般需要配備幾名專職獄警，時刻對視頻畫面進行監(jiān)控。由于警力有限，以及長時間工作導(dǎo)致人的疏忽，通過人來監(jiān)控存在較大難度。在巡檢方面，大多數(shù)監(jiān)獄目前仍是人工巡檢，由獄警直接到各個監(jiān)區(qū)進行現(xiàn)場巡視，這種方式會帶來很大的工作量，并且存在一定風(fēng)險。在某些智慧監(jiān)獄中，也在隔離網(wǎng)、獄墻等周界布置軌道，將攝像頭安裝在軌道上，通過攝像頭沿軌道自主行走，從而實現(xiàn)周界的自動巡視警戒，目標追蹤、異常警報等。但是，軌道機器人因為軌道位置的限制，在巡檢上也存在一定局限性。在此背景下，為了提升工作效率，降低人力成本，代替監(jiān)獄干警完成監(jiān)區(qū)巡檢工作，及時發(fā)現(xiàn)人員異常情況，具有較高智能化的輪式巡檢機器人必將在巡檢中發(fā)揮重要作用。

3 巡檢機器人系統(tǒng)架構(gòu)

從需求角度分析，監(jiān)獄巡檢機器人主要是代替獄警完成日常的監(jiān)控巡檢作用。因此，要求機器人要具備一定的程度的抗震動以及外部強力沖擊的功能。機器人的整體機械結(jié)構(gòu)要充分牢固。同時，在此基礎(chǔ)上，為了更高精度地控制機器人，巡檢機器人也應(yīng)盡量小巧、靈活，并且沒有可以直接徒手拆卸的零件，防止罪犯直接拆卸進而進行犯罪行為。同時，巡檢機器人還應(yīng)當(dāng)具備一定的識別功能，可以對罪犯進行監(jiān)控，包括事故檢測，人員數(shù)量識別，罪犯定位等。并且巡檢機器人還要有躲避障礙物、自主導(dǎo)航定位，報警等基本功能?；谏鲜龅男枨蠓治?，監(jiān)獄智能巡檢機器人系統(tǒng)架構(gòu)圖如圖1所示。

圖1：系統(tǒng)框圖

4 巡檢機器人功能模塊

巡檢機器人主要包含環(huán)境感知模塊，定位模塊，路徑規(guī)劃模塊、行為預(yù)測模塊、決策控制模塊等。下面對每個模塊的功能和實現(xiàn)方式做出詳細分析。

4.1 環(huán)境感知模塊

環(huán)境感知模塊主要是通過攝像頭，激光雷達等傳感器，獲取周圍環(huán)境信息，通過目標檢測算法，識別出場景當(dāng)中的各類物體，包括地面、靜態(tài)物體、動態(tài)物體。目前，基于視覺的環(huán)境感知較為成熟，通過深度學(xué)習(xí)等技術(shù)實現(xiàn)目標識別檢測。但機器視覺算法受光照影響較大，且單目相機不易獲取物體的深度信息，進而難以確定物體空間位置，因此在某些場景或夜間，需要結(jié)合激光雷達數(shù)據(jù)進行感知。激光雷達通過旋轉(zhuǎn)向四周發(fā)射激光，通過接收激光來測距，一般分為單線和多線，單線激光雷達采集到的是平面點云，只能獲取物體較少的特征。多線激光雷達可以采集三維點云，能夠提供更多的特征，因此一般采用多線激光雷達來進行環(huán)境感知。除了普通的攝像頭或激光雷達，也有采用深度相機來獲取周圍環(huán)境信息。因為具有深度信息，同時也有顏色信息，所以深度相機在某些場景也有很好的應(yīng)用。

在監(jiān)獄中，巡檢機器人需要能夠定時地查看監(jiān)區(qū)宿舍的狀態(tài)，能夠清點監(jiān)區(qū)內(nèi)的人數(shù)，這就需要機器人具備識別犯人的功能。可以借助攝像頭采集圖像信息，通過人臉識別或人體識別算法，檢測出犯人數(shù)量。同時，需要機器人可以檢測出犯人的異常行為，并及時報警。該功能可以通過感知模塊識別人體上的關(guān)鍵點，從而獲取人體的肢體信息，進而識別罪犯的動作，通過大量的罪犯行為數(shù)據(jù)以及深度學(xué)習(xí)等算法，分析出肢體動作所代表的含義，以此來提醒獄警可能存在的危險。

4.2 定位模塊

定位模塊主要是解決“我在哪”的問題，即使得機器人知道自己所在的位置。機器人定位通常采用激光雷達或攝像頭以及里程計、IMU 等多傳感器融合定位。監(jiān)獄機器人主要是進行不間斷的巡檢工作，需要機器人能實現(xiàn)高精度的定位，從而是得機器人能在指定位置進行相關(guān)工作。因此，定位技術(shù)是監(jiān)獄機器人需要重點研究的技術(shù)。

目前我們的手機等工具使用較多的是基于GPS 的定位方式，但需要在較為空曠的環(huán)境下，該方式才能有較好的定位效果。在監(jiān)獄宿舍，通常均為封閉環(huán)境，因此機器人采用基于差分GPS 的定位方式不適合。目前也有部分機器人采用相對定位的方式，即通過里程計、IMU 等傳感器獲取機器人的速度、角速度、加速度等數(shù)據(jù)，再通過積分的方式求取機器人相對起始時刻所在地點的相對位置。但是隨著時間的推移，這種方式存在較大的累計誤差，并且只能獲取相對位置，無法得到機器人在地圖中的絕對位置，因此不適用于監(jiān)獄巡檢機器人。絕對定位通常是基于高精度地圖的定位。首先，需要建立監(jiān)獄巡檢區(qū)域的地圖。根據(jù)不同的定位技術(shù)，可以建立二維平面柵格地圖或者是三維點云地圖?？紤]到成本以及監(jiān)獄內(nèi)的環(huán)境，可以讓機器人搭載單線激光雷達，然后在監(jiān)獄內(nèi)繞行一圈，通過SLAM 算法建立監(jiān)獄巡檢區(qū)域的平面柵格地圖。在已有地圖的基礎(chǔ)上，可通過多傳感器融合定位的方式，實現(xiàn)機器人的自主巡檢。定位模塊具體方案如下：巡檢機器人在行走過程中，首先通過里程計、IMU 獲取機器人的速度，加速度，角速度信息，采用積分的方式，獲得當(dāng)前時刻相對上一時刻的相對位姿變換，通過此變換矩陣，得到機器人的粗略位置。再通過激光雷達獲取的數(shù)據(jù)與已經(jīng)建立的柵格地圖進行匹配，得到精確絕對位置。只有較高精度的定位模塊，才能使機器人精確定位自身所在地圖中的具體位置，才能更好地實現(xiàn)其他模塊的功能。

4.3 路徑規(guī)劃模塊

路徑規(guī)劃是當(dāng)確定起點和終點后，在已知地圖上尋找一條無碰撞、能夠安全到達的目的地的有效路徑。比如，在使用某些地圖APP 時，當(dāng)輸入起點和終點后，軟件會規(guī)劃出一條最優(yōu)路徑，方便用戶規(guī)劃路線。在監(jiān)獄中，具體的環(huán)境信息是已知的，可以建立完整的環(huán)境地圖，機器人需要完成巡檢工作，則要根據(jù)起始位置和終點位置規(guī)劃出一條路徑。該路徑可以是人為規(guī)定好的路徑，機器人按照設(shè)定好的路徑巡檢，也可以是通過路徑規(guī)劃算法得到的路徑。路徑規(guī)劃通常有兩個步驟：建立包含各類障礙物等信息的環(huán)境地圖；在環(huán)境地圖中通過合適的搜索算法，找到一條巡檢的最優(yōu)全局路徑。該路徑對機器人起到導(dǎo)航作用，巡檢機器人會按照確定的路徑，從起始位置移動到終點位置。在全局路徑的基礎(chǔ)上，在行進過程中，也要根據(jù)場景中的各種障礙物，進行局部路徑規(guī)劃，從而使機器人可以更加順暢地沿既定軌跡行走。

4.4 行為預(yù)測模塊

行為預(yù)測模塊主要是根據(jù)物體前一段時間的運動軌跡，預(yù)測物體未來某些時刻的運動軌跡。例如機器人在監(jiān)獄巡檢的過程中，發(fā)現(xiàn)前方有行人，為了能更好地躲避行人或是進行其他操作，需要對行人的運動軌跡或動作有一定的預(yù)測，從而可以提前規(guī)劃出一條比較合適的軌跡，或提前做出應(yīng)急反應(yīng)。

通過感知模塊，機器人可以檢測到周圍的物體，包括物體的位置信息，物體的速度，姿態(tài)等。這些數(shù)據(jù)都可以看作瞬時的靜態(tài)數(shù)據(jù)。根據(jù)這些數(shù)據(jù)，再結(jié)合一定的客觀物理規(guī)律，可以對物體進行行為預(yù)測。對于人的行為預(yù)測，既包含了人的移動方向，也包括人移動的速度變化等。常用的行為預(yù)測方法包括基于運動學(xué)模型的軌跡預(yù)測以及基于大數(shù)據(jù)的深度學(xué)習(xí)技術(shù)進行預(yù)測。通過行為預(yù)測，可以提高決策控制的穩(wěn)定度和舒適度。

4.5 決策控制模塊

決策控制模塊，就是將環(huán)境感知模塊獲取的周圍環(huán)境信息，定位模塊獲取的位置信息，行為預(yù)測模塊對物體的預(yù)測運動軌跡以及路徑規(guī)劃模塊設(shè)定的路徑信息結(jié)合起來，在這些信息的基礎(chǔ)上，對機器人做出最合理的決策與控制，從而確定機器人采用何種行駛模式。比如遇到獄警或罪犯時，是應(yīng)該停車等待，還是躲避繞行，或是跟隨人行駛。行為決策確定后，再將其轉(zhuǎn)換成具體的控制指令，來對機器人進行實際的控制操作，使得機器人盡可能地遵循規(guī)劃的軌跡行駛，實現(xiàn)速度和轉(zhuǎn)向的改變。

決策算法主要包括基于規(guī)則的決策算法以及基于深度學(xué)習(xí)的端到端決策算法?；谝?guī)則的決策算法主要是根據(jù)各類不同場景，直接控制機器人做出不同的響應(yīng)。即通過“If-Then”的形式對決策系統(tǒng)進行設(shè)計。這種方法適用于簡單場景的決策控制，優(yōu)點是設(shè)計簡單，易實現(xiàn)。但是監(jiān)獄系統(tǒng)場景較為復(fù)雜，只通過這種決策方法很難覆蓋所有場景?；谏疃葘W(xué)習(xí)的端到端算法就是通過大量的規(guī)則、案例或是場景特征數(shù)據(jù)進行決策系統(tǒng)訓(xùn)練，建立網(wǎng)絡(luò)模型，從而使得機器人能根據(jù)具體場景做出最合適的決策。但是該種方式也存在“黑箱”問題，即決策過程不透明，在運行過程中出現(xiàn)的問題難以定位到具體原因，并且十分依賴數(shù)據(jù)的準確性及充分性。因此，可以采用深度學(xué)習(xí)結(jié)合貝葉斯網(wǎng)絡(luò)的方式，可以在一定程度上處理未知的極端情況。

5 巡檢機器人后臺監(jiān)控系統(tǒng)

巡檢機器人在巡檢過程中，獄警需要收到實時上傳的視頻信息，報警信息等，同時也需要對機器人發(fā)生相關(guān)指令，因此需要開發(fā)一款用于監(jiān)獄干警與機器人交互的客戶端軟件。

該后臺監(jiān)控系統(tǒng)需具備以下功能：通過該軟件可以遠程控制巡檢機器人的運行，可以啟動和關(guān)閉機器人巡邏；可以遠程查看機器人實時上傳的監(jiān)控視頻；可以查看監(jiān)舍中罪犯的人數(shù)及每個人的詳細個人信息，可以接收巡檢機器人的報警信息，監(jiān)控視頻分析結(jié)果；可以遠程人工接管機器人；可以制定機器人的巡邏路線，實現(xiàn)遠程調(diào)度。

6 結(jié)束語

巡檢機器人的發(fā)展十分迅速，并且已經(jīng)在很多行業(yè)、場景得到應(yīng)用。監(jiān)獄巡檢機器人當(dāng)前還處于起步階段，尚未得到廣泛應(yīng)用。但在監(jiān)獄中，傳統(tǒng)的人工巡檢存在勞動強度高，危險系數(shù)高，工作效率低等問題。隨著技術(shù)的不斷進步，監(jiān)獄巡檢機器人必將成為獄內(nèi)使用最為有效的巡檢工具，不僅可以實現(xiàn)自動巡檢、報警，還能實現(xiàn)人數(shù)清點，實時反饋等功能。從而改善了監(jiān)獄勞動資源不足的現(xiàn)狀，因此監(jiān)獄機器人具有廣闊的應(yīng)用前景。