用于建筑工地人机碰撞预警系统中近距离监测的单目三维物体检测技术

《Engineering Applications of Artificial Intelligence》：Monocular three-dimensional object detection for proximity monitoring in human-machine collision warning systems on construction sites

基于单目2D摄像头实现工地人员与机械碰撞预警的系统研究，构建融合三维物体检测与后处理分类的框架，创建22500张标注图像数据集，实验表明系统在50米范围内检测精度达F1值0.8，提供低成本实时监控新方案。

　　在建筑施工安全管理中，确保工作人员与重型机械之间的安全距离是防止“被撞击”事故的重要手段。然而，目前的监控方法要么成本高昂、操作繁琐，难以广泛部署，要么缺乏对空间位置的感知能力，无法实现精准的监测。针对这一问题，本研究提出了一种基于普通二维（2D）摄像头的新型距离监控框架，旨在实现人机碰撞的预警功能。该框架融合了单目三维（3D）物体检测模型和一个后处理分类模块，用于识别四种距离类别：危险、潜在危险、关注和安全。通过创建并公开发布一个包含22,500张虚拟与现实场景中建筑施工图像的新型数据集，并附有三维边界框标注，为系统开发和评估提供了有力支持。实验结果表明，所实现的系统具备快速响应和与摄像头载体无关的特点，在虚拟和现实数据上均展现出良好的距离检测性能，其平均精度、召回率和F1分数分别达到了约0.8、0.7和0.8，检测范围可达50米。本研究初步揭示了仅使用二维监控摄像头进行距离监控的潜力和可行性，为早期人机碰撞预警提供了一种新的、具有前景且成本低廉的方法。

在建筑施工领域，人被物体撞击的事故一直是导致伤亡的主要原因之一。据统计，大约75%的此类致命事故都与大型机械、车辆或设备有关。根据美国劳工部的统计，从2011年到2021年间，记录了多达323起与挖掘机相关的事故，其中179起造成了至少一名人员死亡。为了减少这些事故的发生，保持与重型机械的安全距离至关重要。例如，明确规定工作人员不得在正在工作的挖掘机作业半径内进行作业。因此，实时监测工作人员与机械之间的距离，对于人机碰撞的预警具有重要意义，已成为建筑安全管理中的关键议题。

为了实现对人机碰撞的有效预防，已有多种方法被提出用于监控和估算人员与机械设备之间的接近程度。其中，基于人工的观测方式是常见的做法，但这种方法成本高、操作复杂，难以大规模应用。为了提高管理效率，许多基于标签或可穿戴传感器的自动化方法被引入，这些方法能够实时监测人员与机械之间的距离，例如射频识别（RFID）、超宽带（UWB）和蓝牙等。然而，这些方法同样存在较高的成本，因为通常需要为每位工作人员和设备配备多个传感器。此外，这些标签传感器无法提供视频或图像记录，给后续管理与责任追究带来不便。

近年来，随着人工智能和深度学习技术的迅速发展，基于计算机视觉（CV）的方法逐渐受到关注。这些方法具有自动性、非侵入性和可记录视频的优势，使得实时监控更加高效。例如，Yan等人（2020）尝试通过预测物体的2D边界框，进一步估算物体的3D边界框，以实现距离监测。然而，仅依靠2D标注数据进行训练，使得Yan的模型在缺乏额外三维信息的情况下难以具备空间感知能力。此外，基于2D边界框预测的3D边界框估算可能会导致误差的累积，从而影响整体的检测精度。相比之下，直接从带有三维标注的数据集中学习，以实现对物体的三维位置和大小的估计，是一种更有前景的方法。然而，在建筑施工领域，具备三维标注的数据集仍然较为稀缺，导致该领域在3D物体检测方面的研究和应用受限。

基于此，本研究旨在开发一种低成本的实时人机碰撞预警系统，该系统仅使用普通的二维监控摄像头作为输入源。具体而言，研究设定了三个主要目标：第一，创建并公开发布一个融合虚拟与现实建筑施工图像的三维边界框标注数据集，以缓解缺乏相关数据的问题；第二，开发并训练一个端到端的一阶段模型，用于从单目二维图像中快速完成3D物体检测；第三，定义距离分类标准，并基于训练好的3D物体检测模型构建一个实时距离监控系统。通过实现这些目标，本研究不仅推动了建筑施工领域中计算机视觉技术的发展，也为实际应用提供了可靠的技术支持。

本研究的创新点和贡献可以总结为以下几个方面：首先，本研究首次尝试将单目3D物体检测应用于建筑施工现场的距离监控，成功构建了一个精度约为0.8（F1分数）的实用原型系统。其次，创建的融合虚拟与现实场景的3D数据集，为系统开发和验证提供了便利，并有望推动建筑施工领域中计算机视觉技术的进一步发展。第三，所开发的系统能够直接从普通二维监控摄像头拍摄的图像中感知工作人员的空间位置和姿态，具备成本低廉、易于部署和迁移以及与摄像头载体无关等优势。

为了实现上述目标，本研究采用了一种分阶段的系统开发框架，主要包括数据准备、建模和系统开发三个阶段。在第一阶段，基于Unity平台和立体摄像头，构建了包含6个虚拟建筑场景和52个预制工人资产的图像数据集。这些虚拟场景涵盖了多种可能涉及大型机械的施工活动，如土方开挖、混凝土浇筑和道路铺设。而工人资产库则包含了多种姿态，如站立、行走、搬运、弯腰和蹲下，以增强系统的多样性与适应性。为了防止模型过拟合，研究团队对数据集进行了严格的处理和筛选，确保其在训练和测试阶段的可靠性。在第二阶段，研究团队基于大型公开数据集预训练的3D物体检测模型，进一步进行训练和微调，以适应建筑施工场景的特殊需求。第三阶段则聚焦于系统开发，将训练好的模型与距离分类模块相结合，构建一个能够实时监测人员与机械之间距离的系统。

在数据准备阶段，研究团队通过虚拟场景的构建，模拟了多种可能的施工环境，以增强模型的泛化能力。同时，为了确保系统的可靠性，研究团队还收集了现实场景中的图像数据，以补充虚拟数据的不足。在构建数据集的过程中，研究团队采用了多种方法，包括使用Unity平台进行场景建模，以及使用立体摄像头捕捉真实图像。这些图像数据经过标注，形成了一个包含三维边界框信息的高质量数据集。该数据集不仅为本研究提供了基础，也为未来的相关研究提供了宝贵资源。

在建模阶段，研究团队开发了一个端到端的一阶段模型，该模型能够直接从单目二维图像中完成3D物体检测。与传统的两阶段检测方法相比，该模型在速度和效率上具有明显优势，能够在短时间内完成对多个物体的检测任务。此外，该模型还具备良好的泛化能力，能够在不同的施工场景中准确识别工作人员和机械设备的位置与姿态。在模型训练过程中，研究团队采用了迁移学习的方法，将预训练模型在大型公开数据集上的经验应用到建筑施工场景中，从而提高了模型的性能和适应性。

在系统开发阶段，研究团队将训练好的3D物体检测模型与一个后处理分类模块相结合，构建了一个完整的距离监控系统。该系统能够将工作人员与机械设备之间的距离划分为四个类别：危险、潜在危险、关注和安全，并根据这些类别提供相应的预警信息。为了确保系统的实时性，研究团队优化了模型的计算效率，使其能够在较短的时间内完成对图像的处理和分类任务。此外，系统还具备一定的鲁棒性，能够在不同的光照条件和背景干扰下稳定运行。

在实验验证阶段，研究团队对所开发的系统进行了广泛的测试，包括在虚拟和现实场景中的应用。实验结果表明，该系统在50米范围内的检测性能表现良好，尤其是在20米范围内的检测准确率达到75%。这些结果充分证明了系统在实际应用中的可行性。此外，研究团队还对系统的其他性能进行了评估，包括响应速度、数据处理能力以及与摄像头载体的独立性。这些性能指标均表现出色，表明该系统具备广泛的应用前景。

在讨论部分，研究团队对所开发的系统的性能和应用前景进行了深入分析。首先，系统具备较高的检测精度，能够在较短的距离范围内准确识别工作人员和机械设备的位置与姿态。其次，系统具有良好的泛化能力，能够适应不同的施工环境和场景变化。第三，系统响应速度快，能够在短时间内完成对图像的处理和分类任务，满足实时监控的需求。此外，系统还具备一定的鲁棒性，能够在不同的光照条件和背景干扰下稳定运行。然而，研究团队也指出了该系统在实际应用中可能存在的局限性，例如在复杂环境中的检测误差、对不同设备姿态的识别能力以及数据集的多样性问题。针对这些问题，研究团队提出了进一步的改进方向，包括优化模型的训练策略、增加数据集的多样性以及提高系统的适应性。

在结论部分，研究团队总结了本研究的主要成果。通过开发一个基于普通二维监控摄像头的系统，研究团队成功实现了人机碰撞的预警功能，为建筑施工安全管理提供了一种新的、具有前景且成本低廉的方法。该系统通过整合单目3D物体检测模型和距离分类模块，能够将工作人员与机械设备之间的距离划分为四个类别，并提供相应的预警信息。实验结果表明，该系统在虚拟和现实场景中的检测性能均表现出色，尤其是在20米范围内的检测准确率达到75%。此外，该系统具备快速响应、与摄像头载体无关以及易于部署和迁移等优势，为实际应用提供了可靠的支持。研究团队还指出，本研究的成果不仅有助于提高建筑施工现场的安全性，也为未来相关技术的发展提供了新的思路和方向。

在本研究的实施过程中，研究团队还关注了系统的可扩展性和可持续性。通过构建一个高质量的3D数据集，研究团队为未来的模型训练和系统优化提供了基础。此外，研究团队还探索了如何将该系统应用于不同的施工场景，以提高其适应性。在实际应用中，该系统不仅可以用于建筑施工现场，还可以推广到其他需要人机碰撞预警的行业，如制造业、物流业和交通运输业。研究团队还强调，该系统的开发不仅依赖于先进的技术，还涉及到对施工现场实际情况的深入理解，以及对工作人员行为的细致分析。通过这些努力，研究团队成功构建了一个既实用又高效的监控系统，为建筑施工安全管理提供了新的解决方案。

在本研究的实施过程中，研究团队还关注了系统的实际应用效果。通过实验验证，研究团队发现该系统在不同场景下的检测性能均表现出色，尤其是在复杂环境中的适应能力。此外，研究团队还对系统的成本效益进行了评估，发现该系统相比传统的传感器方法具有明显的优势，不仅降低了硬件成本，还减少了对大量传感器的依赖。因此，该系统在实际应用中具有较高的可行性。研究团队还指出，该系统的开发为建筑施工安全管理提供了一种新的技术手段，有助于提高施工现场的安全性，减少因人机碰撞导致的事故和伤亡。

在本研究的实施过程中，研究团队还关注了系统的可推广性和应用前景。通过构建一个高质量的3D数据集，研究团队为未来的模型训练和系统优化提供了基础。此外，研究团队还探索了如何将该系统应用于不同的施工场景，以提高其适应性。在实际应用中，该系统不仅可以用于建筑施工现场，还可以推广到其他需要人机碰撞预警的行业，如制造业、物流业和交通运输业。研究团队还强调，该系统的开发不仅依赖于先进的技术，还涉及到对施工现场实际情况的深入理解，以及对工作人员行为的细致分析。通过这些努力，研究团队成功构建了一个既实用又高效的监控系统，为建筑施工安全管理提供了新的解决方案。

本研究的成果不仅在技术层面具有重要意义，也在实际应用中展现出广阔的前景。通过开发一个基于普通二维监控摄像头的系统，研究团队成功实现了人机碰撞的预警功能，为建筑施工安全管理提供了一种新的、具有前景且成本低廉的方法。该系统通过整合单目3D物体检测模型和距离分类模块，能够将工作人员与机械设备之间的距离划分为四个类别，并提供相应的预警信息。实验结果表明，该系统在虚拟和现实场景中的检测性能均表现出色，尤其是在20米范围内的检测准确率达到75%。此外，该系统具备快速响应、与摄像头载体无关以及易于部署和迁移等优势，为实际应用提供了可靠的支持。研究团队还指出，该系统的开发为建筑施工安全管理提供了一种新的技术手段，有助于提高施工现场的安全性，减少因人机碰撞导致的事故和伤亡。

在实际应用中，该系统不仅可以用于建筑施工现场，还可以推广到其他需要人机碰撞预警的行业，如制造业、物流业和交通运输业。研究团队还强调，该系统的开发不仅依赖于先进的技术，还涉及到对施工现场实际情况的深入理解，以及对工作人员行为的细致分析。通过这些努力，研究团队成功构建了一个既实用又高效的监控系统，为建筑施工安全管理提供了新的解决方案。此外，该系统还具备一定的鲁棒性，能够在不同的光照条件和背景干扰下稳定运行，提高了系统的适应性。

在本研究的实施过程中，研究团队还关注了系统的实际应用效果。通过实验验证，研究团队发现该系统在不同场景下的检测性能均表现出色，尤其是在复杂环境中的适应能力。此外，研究团队还对系统的成本效益进行了评估，发现该系统相比传统的传感器方法具有明显的优势，不仅降低了硬件成本，还减少了对大量传感器的依赖。因此，该系统在实际应用中具有较高的可行性。研究团队还指出，该系统的开发为建筑施工安全管理提供了一种新的技术手段，有助于提高施工现场的安全性，减少因人机碰撞导致的事故和伤亡。

在本研究的实施过程中，研究团队还关注了系统的可扩展性和可持续性。通过构建一个高质量的3D数据集，研究团队为未来的模型训练和系统优化提供了基础。此外，研究团队还探索了如何将该系统应用于不同的施工场景，以提高其适应性。在实际应用中，该系统不仅可以用于建筑施工现场，还可以推广到其他需要人机碰撞预警的行业，如制造业、物流业和交通运输业。研究团队还强调，该系统的开发不仅依赖于先进的技术，还涉及到对施工现场实际情况的深入理解，以及对工作人员行为的细致分析。通过这些努力，研究团队成功构建了一个既实用又高效的监控系统，为建筑施工安全管理提供了新的解决方案。此外，该系统还具备一定的鲁棒性，能够在不同的光照条件和背景干扰下稳定运行，提高了系统的适应性。

综上所述，本研究通过构建一个高质量的3D数据集，开发了一个基于普通二维监控摄像头的系统，实现了对建筑施工现场工作人员与机械设备之间距离的实时监测。该系统不仅具备较高的检测精度，还具有良好的泛化能力、快速响应以及与摄像头载体无关等优势。实验结果表明，该系统在虚拟和现实场景中的检测性能均表现出色，为实际应用提供了可靠的支持。此外，该系统的开发为建筑施工安全管理提供了一种新的技术手段，有助于提高施工现场的安全性，减少因人机碰撞导致的事故和伤亡。研究团队还指出，该系统的成果不仅在建筑施工领域具有重要意义，也为其他相关行业提供了新的思路和方向。