（一）研究目的

近年来，随着社会对公共安全与智慧化管理的需求日益增长，结合人工智能与机器人技术的安防解决方案成为创新热点。本项目旨在设计一款可自主乘坐电梯、规避障碍物并实时识别异常行为的巡警机器人，以提升校园、办公楼等人员密集场所的安全管理与智慧化水平。通过24小时不间断巡逻与远程监控联动，该机器人能有效降低人力巡防成本，提高突发事件响应效率，为智慧校园与平安城市建设提供技术支持。

（二）研究内容

本项目旨在开发一款智能巡警机器人，集成激光雷达、摄像头、热成像传感器，基于ROS2 Galactic框架实现自主导航、环境感知与多场景安防功能。初步实物建模如图2-1、2-2所示。
            
         图2-1 实物建模图             图2-2 实物建模图

ROS2系统支持范围较广，如Linux、Windows、macOS以及实时操作系统（RTOS）OS层；使用了更先进的分布式架构，拥有更高的可靠性，对实时性与嵌入式设备提供支持；其通讯系统基于DDS，取消了master，同时在ROS2内部提供DDS的抽象层与ROS2客户端库连接，用户不需要关注底层的DDS API（如图2-3）的存在就可以与操作系统连接，从而方便用户的使用；此外，ROS2系统还实现了跨系统平台支持、分布式架构、实时控制、使用托管启动、使用新的编译系统Ament、支持多节点初始化等新特性。

图2-3  ROS2的API架构图

本项目的核心研究内容主要包括：

1.多传感器融合技术：集成激光雷达（SLAM建图）、摄像头（YOLOv5图像识别）、热成像传感器（火情检测），实现环境感知与异常检测功能。

2.自主乘电梯模块：通过无线通信协议与电梯控制系统交互，支持机器人跨楼层自主巡逻。

3.动态路径规划：基于ROS2 Galactic框架的Nav2算法优化复杂环境下的实时避障与路径生成。

4.多机协同巡逻：配置ROS_DOMAIN_ID实现多机器人分布式协同工作，提升巡逻效率。

（三）国、内外研究现状和发展动态

随着人工智能与机器人技术的快速发展，智能巡逻机器人逐渐成为安防领域的研究热点。其核心技术涵盖自主导航、多传感器融合、实时避障及多场景交互等方向，国内外学者及企业针对这些技术进行了深入研究，推动了巡逻机器人在复杂环境中的应用。

自主导航与路径规划技术是巡逻机器人实现智能化巡逻的核心能力。当前主流技术基于激光雷达与视觉融合的SLAM（同步定位与建图）算法，例如陈通团队^[1]通过优化激光雷达数据融合策略，显著提升了导航精度与避障能力；张燕^[2]进一步将深度相机与激光雷达结合，实现了复杂走廊环境下的高精度三维建图。在动态路径规划方面，改进的TEB（Timed Elastic Band）算法成为关键技术，坚葆林等^[3]通过优化运动约束条件，使四轮差速机器人的局部路径规划效率提升30%以上。针对多楼层场景，郑川川团队^[4]提出融合改进D*与Gmapping算法的自主导航方案，通过动态更新地图实现跨楼层无缝衔接，为校园等建筑密集场景提供了技术参考。

为实现对周围环境的感知分类与相应信息的传输，多传感器融合与感知技术不可或缺。多传感器融合与感知技术是机器人环境交互的基础。热成像与可见光相机的多模态融合方案有效解决了低光照、烟雾等复杂环境下的监测难题。李文博等^[5]系统梳理了基于深度学习的红外小目标检测算法，为热成像技术在安防机器人中的火灾预警应用奠定了理论基础。激光雷达与视觉传感器的协同应用也取得突破，如赖伟俊团队^[6]设计的ROS2无人小车系统，通过多传感器数据融合实现了走廊环境中行人、推车等动态障碍物的实时分类，识别准确率达92%以上。

如今现代化的浪潮滚滚向前，城市高楼耸立，机器人自主乘坐电梯是实现多楼层巡逻的关键技术，即电梯交互与跨场景移动技术是实现全域巡逻的关键突破点。李小娜^[7]提出通过无线通信协议模拟电梯按钮信号，为机器人自主乘梯提供了低成本解决方案。在国际上，美国波士顿动力公司的Spot机器人^[8]已实现通过机械臂触发电梯按钮，但受限于定制化硬件的高昂成本。国内研究则聚焦通信协议优化，例如基于Wi-Fi/蓝牙的电梯控制系统对接，但需解决不同品牌设备的协议兼容性与信号稳定性问题。此类技术的成熟将直接决定机器人能否在校园、医院等多楼层场景中实现全自动巡逻。

当前，智能巡逻机器人已在部分场景投入应用。例如，新加坡OTSAW公司的O-R3机器人^[9]集成AI摄像头与热成像仪，可执行24小时巡逻与异常温度监测，但其动态环境决策能力仍显不足。现在机器人上岗巡逻还有三个难题要解决，人多的时候躲人反应不够快，几个机器人搭档干活时分工和沟通容易卡壳，再加上不同地方的电梯门禁系统各搞一套，导致机器人很难到处串场执勤。

尽管存在挑战，国内外研究仍在持续推进技术创新。但仍需进一步优化动态环境适应性、降低多传感器系统的成本，并推动电梯等设施的智能化改造。本项目的“巡防卫士”机器人通过融合多维感知技术、改进路径规划算法，并设计通用电梯交互协议，有望为校园安防提供高效、低成本的解决方案。

参考文献
[1]陈通,汪祝年,周鹏等.机器人移动路径跟踪与实时避障方法[J].自动化技术与应用, 2024(06):12-18.
[2]张燕.基于激光测距技术的机器人移动路径跟踪与实时避障[J].自动化与仪表, 2023(03): 45-50.
[3]坚葆林,张博文,李许军.基于改进TEB的机器人电机运动规划算法[J].电气工程学报, 2025(01): 23-29.
[4]郑川川,柯福阳,汤琴琴.融合改进D*与Gmapping算法的自主导航仿真研究[J].计算机仿真, 2023(10): 102-108.
[5]李文博,王琦,高尚,基于深度学习的红外小目标检测算法综述[J].激光与红外, 2023(10): 88-95.
[6]赖伟俊,刘美,卢并裕等.基于ROS的无人小车系统设计[J].广东石油化工学院学报, 2025(01): 55-62.
[7]李小娜. 智能技术在电梯控制系统中的应用[J].电子技术与软件工程, 2022(03): 30-34.
[8]Boston Dynamics. Spot Robot Technical Report[R]. Boston: Boston Dynamics Inc, 2023.
[9]OTSAW. O-R3 Security Robot: A Case Study of Urban Deployment[C]. Proceedings of IEEE International Conference on Robotics, 2022:1-6.

（四）创新点与项目特色

（1）基于ROS2 Galactic的分布式架构：基于DDS实现去中心化通信，通过ROS_DOMAIN_ID实现多机组网，支持弱网环境下的实时协同。兼容ROS1系统，适用于工业级高精度控制场景。

（2）跨层自主巡防系统：采用感知-决策-执行三层架构：激光雷达与深度相机生成混合地图，RRT+RTAB-MAP实现智能导航，RegulatedPurePursuitController优化轨迹跟踪。参数自适应调整确保复杂环境下的可靠性。

（3）多模态传感器深度融合：支持雷达-相机-IMU灵活配置，RTAB-MAP构建3D语义地图，卡尔曼滤波优化姿态估计。通过实时监控和参数调试提升感知鲁棒性，解决建图异常问题。

（五）技术路线

5.1技术路线

实现巡逻机器人面对各种极端复杂环境能够快速且有效地完成最优路径的选择、环境的识别、数据的传输和相应的应急处置，离不开恰当的技术指标的支撑。

本项目实施流程分为六大阶段：首先在项目启动阶段明确技术目标并组建跨学科团队，完成开发工具准备与任务分工；随后搭建硬件平台，开发机器人底盘驱动系统并集成激光雷达、IMU等多类传感器；在软件开发环节重点攻关自主导航算法与电梯交互协议模块，基于ROS2框架实现多传感器数据融合；完成系统集成后，通过稳定性测试（连续运行24小时）、性能测试（定位精度±0.1m验证）和功能测试（跨楼层巡逻成功率评估）三轮验证，迭代优化软硬件协同性；最终形成包含完整技术文档、演示视频及专利成果的项目交付物，通过实物展示与数据对比凸显方案在校园安防场景中的创新价值。如图5-1所示。

图5-1 实施流程图