针对施工现场的视觉传感器部署自动化优化

《AUTOMATION IN CONSTRUCTION》：Automated optimization of visual sensor deployment for construction sites

　　

• •
  基于网格化可视性建模的地形感知型闭路电视监控点位优化。
• •
  开发基于贪心算法、模拟退火算法和大规模邻域搜索算法的集成优化模型。
• •
  相比传统方法，以更少的摄像机数量实现超过95%的场地覆盖率。
• •
  面向不同应用场景的精度导向模型和速度导向模型。
• •
  一分钟内确定可行的闭路电视点位，以支持实时场地适应性调整。

引言

建筑工程项目具有高度复杂性，其特点在于多种任务同时执行，且随着施工的推进，空间约束条件持续变化[1]。这些环境特征是导致职业健康与安全事故率远高于其他行业的主要原因，同时也使得施工质量的事后验证变得内在复杂[2]。因此，在项目全生命周期内进行持续监测对于缓解风险和提升整体运营绩效至关重要[3]。为应对这些需求，将物理场地与虚拟空间进行同步的数字孪生技术近年来获得了广泛关注。持续的视觉数据获取是实现这一同步的关键前提。本研究通过提升视觉数据获取质量来支持数字孪生应用，这是物理环境与虚拟环境之间实现精确同步的基础前提[4,5]。

基于视觉的系统的准确性在很大程度上依赖于输入数据的质量和连续性[6]。因此，持续采集可靠数据是实现自动化场地管理和成功实施的前提条件[7]。为解决这些问题，无人航空器（UAVs）和无人地面车辆（UGVs）等各类传感器和设备已被部署到建筑工地上，用于采集监测和管理所需的数据[8,9]。然而，这些设备本质上受限于较短的电池续航时间和移动特性。它们仅能在工作时间内导航到的特定位置间歇性地采集数据，严重限制了其持续数据采集的能力[10]。作为解决间歇性监测局限性的替代方案，能够实现持续数据采集的视觉传感器系统得到了广泛应用[11]。与其他先进设备相比，视觉传感器具有更优越的成本效益和运营效率。视觉传感器系统已被应用于利用闭路电视数据识别危险[12]。除这些监测应用外，传感器布点研究还探讨了建筑环境中多目标和多类型传感器的部署问题[13]。视觉监控系统也被用于检测和跟踪建筑工地上的工人和重型设备[14]。这些应用突显了不仅安装视觉传感器，还适当确定其位置和朝向以最大限度地减少监控盲区的重要性[15,16]。然而，工地上的传感器通常是基于管理者的经验判断进行部署的，缺乏系统性的指导准则[17]。这种依赖未能考虑视觉遮挡等复杂条件，导致场地监控绩效出现严重失衡[18]。这种主观且不规律的决策过程不可避免地导致次优覆盖率和不必要的成本，尤其是在复杂的施工环境中[19]。

现有关于传感器部署的研究主要聚焦于室内空间或城市区域等结构化环境，因此在充分反映建筑工地不规则空间配置方面存在明显局限[20,21]。例如，传感器的位置决定了堆置的土方或不平整地面可能成为监控对象，也可能成为阻挡视线的障碍物。此外，场地布局的快速演变需要对视觉传感器部署进行定期更新，以消除新形成的盲区[22]。然而，施工作业具有高度连续性，对停机非常敏感，因为中断可能导致重大延误和成本增加，使得设备搬迁或重新部署极具挑战性[23]。换言之，需要数小时的广泛优化计算或人工规划无法跟上场地作业的速度[24]。缺乏能够在短时间内立即生成结果的系统性指导准则，频繁重新部署在实际中是不可能的[25,26]。为克服这些局限，必须从主观的人工规划转向客观且准确的计算机辅助决策支持框架，该框架需明确考虑建筑工地的物理约束条件。因此，缺乏一个能够同时最大化每个传感器的观测效率、最小化总部署成本，并支持根据场地条件变化进行快速重新部署的框架，构成了一个关键的知识空白。这一缺陷最终阻碍了作为建筑工地数字孪生基础的持续视觉数据获取。

本研究解决的核心问题是实现对反映大型建筑工地实际地形条件的系统化、客观化的视觉传感器部署。为应对这一需求，本研究提出了一种地形感知的视觉传感器部署框架。该框架通过基于网格的空间模型来表示建筑工地条件，该模型整合了方向性可视性、地形引起的遮挡、安装可行性以及指定的监控目标。随后，通过基于步长的抽样和基于视场角的过滤来缩减候选空间，利用贪心算法生成可行的初始解，并使用模拟退火算法或大规模邻域搜索算法对传感器位置和朝向进行优化。这些组件执行各自独立但互补的功能：基于网格的建模和地形感知的视线评估提高了可视性估算的可靠性，候选空间缩减控制了计算负担，贪心初始化快速生成可行解，模拟退火/大规模邻域搜索优化则在不同计算时间约束下提升解的质量。通过改进观察方向并减少可几何识别的盲区，该框架建立了持续视觉数据获取所需的可视性条件。这种几何覆盖并不直接代表图像质量、物体可识别性或下游计算机视觉精度，而是表明在模拟的距离、视场角和地形视线条件下，指定的监控区域是否在几何上可观测。该框架基于给定的部署期间保持相对稳定的静态或半静态场地条件来优化闭路电视部署。工人和移动设备主要被视为监控目标，而非持续的遮挡障碍物，当更新的场地信息表明存在有意义的空间变化时，可以重复进行优化。在实践中，该框架为生成反映场地特定地形约束的精简部署布局提供了客观依据，可能减少所需传感器数量及相关的部署和维护成本。一旦更新的场地地图反映了工作区域、地形、堆置材料或临时结构的有意义变化，该框架可在短时间内生成修订后的部署布局。最终，通过在指定的监控目标区域上保持高几何覆盖率，该框架支持从人工传感器部署向系统化的建筑工地数字孪生视觉数据获取的过渡。

本研究做出了三个关键贡献。首先，开发了一种地形感知的覆盖模型，将点云衍生的高程信息和地形引起的视线遮挡纳入传感器可视性评估中。其次，建立了一条集成优化流水线，其中基于网格的空间表示、候选空间缩减、可行解生成和元启发式优化各自执行独立但互补的功能，以在真实建筑工地规模下保持计算可行性。第三，提供了一种实用的双模型结构，使从业者能够在规划部署时选择广泛的解优化，或在场地条件需要即时响应时选择快速布局重新计算。该框架使用来自三个真实建筑工地的数据进行评估，分别代表不规则障碍物分布、具有地形变化的线性布局以及具有高组合复杂性的大规模环境。

各章节摘要

文献综述

本节回顾了与建筑工地视觉传感器部署相关的先验研究，以确立所提出框架的更广泛方法论背景。文献按四个主要类别组织：基于视觉的监测、施工感知的部署建模、视觉传感器部署优化和优化算法（表1）。基于此综述，总结了现有方法的局限性，以阐明所提出研究解决的研究空白。

研究过程

本节展示了所提出的视觉传感器部署框架的整体研究过程，包括建筑工地建模、候选缩减、初始解生成和解改进。

结果

本节展示了所提出的视觉传感器部署框架的实验评估结果。结果从实验条件、场地特定性能、地形感知视线建模效果以及与缩减基准实例上的精确解对比等方面进行考察。

讨论

本节从算法、空间和运营视角讨论了实验结果的意义。进一步考察了所提出框架的实际实施及其在建筑工地数字孪生同步中的现场适用性。

结论

本文弥补了一个关键的运营空白：现有的视觉传感器部署方法并非为活跃建筑工地的节奏和变化性而设计，导致监控恰恰在最需要的时候和地点失效。该方法将点云数据转换为基于网格的空间模型，该模型编码了地形约束和强制监控区域，然后以此模型为基础构建精度导向模型（贪心+模拟退火）和速度导向模型。

作者贡献声明

郑贤秀：写作——初稿撰写，验证，方法论，调查研究，形式化分析。李硕熙：验证，方法论，数据整理。金智宇：可视化，方法论，数据整理。黄振元：方法论，概念化。文炫铉：写作——审阅与编辑，监督，经费获取，概念化。

利益冲突声明

作者声明不存在已知的可能影响本文所述工作的竞争性经济利益或个人关系。

致谢

本研究由韩国国家研究基金会（NRF）资助，韩国政府（科学技术信息通信部）于2023年提供资助（项目编号：RS-2023-00241758，项目名称：智能施工与自动化数字孪生平台）。本研究由釜庆国立大学于2024年提供研究资助。以下成果来源于由教育部和庆尚南道支持的"庆尚南道区域创新体系与教育（RISE）"项目（

郑贤秀|李硕熙|金智宇|黄振元|文炫铉