計(jì)算機(jī)視覺在建筑工程施工領(lǐng)域的研究與應(yīng)用

房霆宸 左俊卿 龔 劍

1. 上海建工集團(tuán)股份有限公司 上海 200080；2. 同濟(jì)大學(xué)土木工程學(xué)院 上海 200092；3. 上海超高層建筑智能建造工程技術(shù)研究中心 上海 200080

計(jì)算機(jī)視覺（computer vision）是研究如何采用機(jī)器看 的科學(xué)，通過對(duì)采集的圖片或視頻進(jìn)行處理以獲得相應(yīng)場(chǎng)景的三維信息，類似于給計(jì)算機(jī)安裝眼睛（照相機(jī)）和大腦（算法），讓計(jì)算機(jī)能感知環(huán)境。作為一門綜合性的學(xué)科，計(jì)算機(jī)視覺是當(dāng)今全球科學(xué)領(lǐng)域和工程領(lǐng)域中一個(gè)富有挑戰(zhàn)性的研究領(lǐng)域。計(jì)算機(jī)視覺已經(jīng)吸引了來自各個(gè)學(xué)科的研究人員參與研究，包括計(jì)算機(jī)科學(xué)和工程、信號(hào)處理、應(yīng)用數(shù)學(xué)和統(tǒng)計(jì)學(xué)、物理學(xué)以及神經(jīng)生理學(xué)和認(rèn)知科學(xué)等；其應(yīng)用范圍覆蓋各個(gè)領(lǐng)域，包括航空航天、醫(yī)療診斷、土木建筑、軍事、金融、貿(mào)易等。

由于其應(yīng)用的重要性，計(jì)算機(jī)視覺受到全世界的廣泛關(guān)注和研究。西方發(fā)達(dá)國家如美國將其列為對(duì)經(jīng)濟(jì)、科學(xué)有廣泛影響的科學(xué)和工程中的重大挑戰(zhàn)。關(guān)于計(jì)算機(jī)視覺的研究起于20世紀(jì)50年代，主要針對(duì)二維圖像的分析處理。

1959年，Hubel等[1]對(duì)大腦視皮層細(xì)胞感受野進(jìn)行了研究。感受野是一個(gè)感覺神經(jīng)元的某個(gè)位置受到適當(dāng)?shù)拇碳?，引起該神?jīng)元反應(yīng)的區(qū)域。Hubel等以貓為試驗(yàn)對(duì)象，從簡(jiǎn)單的形狀開始研究視覺識(shí)別。首先將微電極植入貓的視皮質(zhì)細(xì)胞，然后在屏幕上打出一些光影和圖形，通過固定貓的頭部控制視網(wǎng)膜上的成像，并測(cè)試細(xì)胞對(duì)線條、直角、邊緣線等圖形的反應(yīng)。研究發(fā)現(xiàn)，貓?jiān)诳吹紧~和老鼠投像后，視覺處理流程的第一步不是對(duì)整體的魚或者老鼠進(jìn)行處理，前期的視覺處理只是對(duì)簡(jiǎn)單形狀的結(jié)構(gòu)處理、邊緣排列，只有當(dāng)圖片切換時(shí)才產(chǎn)生激烈的反應(yīng)。

1963年，Lary Roberts運(yùn)用計(jì)算機(jī)程序根據(jù)線畫圖來理解由多面體構(gòu)成的景物，并對(duì)物體形狀及物體的空間關(guān)系進(jìn)行描述，試圖從圖像中闡釋出如立方體等多面體的邊緣和形狀。Roberts的研究采用計(jì)算機(jī)理解三維場(chǎng)景，將計(jì)算機(jī)視覺從二維層面引入到三維領(lǐng)域[2]。作為一門人工智能領(lǐng)域?qū)W科，計(jì)算機(jī)視覺的研究始于1966年。美國麻省理工學(xué)院（Massachusetts Institute of Technology）人工智能實(shí)驗(yàn)室成立了計(jì)算機(jī)視覺學(xué)科。自此，人工智能領(lǐng)域中發(fā)展得最快的門類ü ü 計(jì)算機(jī)視覺學(xué)科正式誕生。但直到20世紀(jì)70年代后期，計(jì)算機(jī)視覺才得到了正式的關(guān)注和發(fā)展。這一時(shí)期，計(jì)算機(jī)技術(shù)快速發(fā)展，計(jì)算處理性能得到提高，能處理圖像這樣的大規(guī)模數(shù)據(jù)。然而因受限于不同行業(yè)的需求，計(jì)算機(jī)視覺問題始終沒有得到正式定義，如何解決計(jì)算機(jī)視覺問題也沒有成型的公式。20世紀(jì)80年代，計(jì)算機(jī)視覺基礎(chǔ)研究取得重要進(jìn)展。美國麻省理工學(xué)院人工智能實(shí)驗(yàn)室David Marr[3]首次提出視覺分層的觀點(diǎn)：第1層次為計(jì)算理論，研究對(duì)什么信息進(jìn)行計(jì)算以及為什么要進(jìn)行這些計(jì)算；第2層次為算法，研究如何進(jìn)行所要求的計(jì)算，即設(shè)計(jì)特定的算法；第3層次為實(shí)現(xiàn)算法的機(jī)制或硬件，研究完成某一特定算法的計(jì)算機(jī)構(gòu)。David Marr認(rèn)為視覺是個(gè)信息處理任務(wù)，從以上3個(gè)層次進(jìn)行理解和研究。隨后，計(jì)算機(jī)視覺持續(xù)保持較快的發(fā)展趨勢(shì)，主要經(jīng)歷了2個(gè)階段，一是以流形學(xué)習(xí)為代表的子空間法，二是目前以卷積神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)為代表的視覺方法。卷積神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)推動(dòng)著計(jì)算機(jī)視覺軟件和硬件的快速發(fā)展、服務(wù)收入的快速增長(zhǎng)。據(jù)Tractica預(yù)測(cè)，到2025年，全球計(jì)算機(jī)視覺市場(chǎng)規(guī)模將從2016年的11億美元增長(zhǎng)到262億美元。

1 基于計(jì)算機(jī)視覺的建筑施工技術(shù)應(yīng)用

計(jì)算機(jī)視覺支持從制造業(yè)到零售業(yè)再到金融業(yè)、土木建筑等一系列行業(yè)，幫助政府和企業(yè)擴(kuò)展邊緣、增強(qiáng)人工智能。在土木建筑行業(yè)，計(jì)算機(jī)視覺有廣大的應(yīng)用前景。計(jì)算機(jī)視覺的對(duì)象識(shí)別和能力可用于評(píng)估混凝土裂縫，識(shí)別明顯的質(zhì)量問題或外觀缺陷，監(jiān)測(cè)結(jié)構(gòu)位移、識(shí)別模態(tài)參數(shù)以及檢測(cè)施工作業(yè)安全等。

1.1 基于計(jì)算機(jī)視覺的混凝土裂縫識(shí)別

基于計(jì)算機(jī)視覺具有先進(jìn)的圖像處理能力，通過分析結(jié)構(gòu)表觀圖像可以識(shí)別裂縫及外觀缺陷再進(jìn)行評(píng)估，是建筑施工領(lǐng)域結(jié)構(gòu)狀態(tài)損傷識(shí)別的研究熱點(diǎn)之一。Yeum等[4]采用一種基于視覺的自動(dòng)分析方法，通過目標(biāo)檢測(cè)和分組進(jìn)行自動(dòng)處理，可以探測(cè)和評(píng)估構(gòu)筑物中螺栓附近的裂縫。Jahanshahi等[5]調(diào)研了基于圖像分割等傳統(tǒng)圖像處理結(jié)構(gòu)裂縫檢測(cè)技術(shù)，通過比較研究結(jié)構(gòu)在不同時(shí)期的圖像，掌控結(jié)構(gòu)變化情況，實(shí)現(xiàn)基于圖像識(shí)別的結(jié)構(gòu)外觀缺陷檢測(cè)，并通過非接觸式遙感裂縫檢測(cè)方法，量化了裂縫指標(biāo)。Sakagami[6]研發(fā)了一種基于紅外熱成像技術(shù)的無損評(píng)估方法，實(shí)現(xiàn)結(jié)構(gòu)疲勞裂縫監(jiān)測(cè)和結(jié)構(gòu)完整性評(píng)估。Lee等[7]開發(fā)了基于視覺的圖像采集機(jī)器人裝置系統(tǒng)，自動(dòng)識(shí)別通過數(shù)字圖像處理軟件采集到的裂縫大小情況。這一先進(jìn)的自動(dòng)視覺監(jiān)控系統(tǒng)提高了檢測(cè)過程的便捷性、安全性和可靠度，且成本可控。Liu等[8]結(jié)合二維圖像處理與三維場(chǎng)景重構(gòu)，對(duì)裂縫邊緣進(jìn)行三維定位的視覺檢測(cè)，為混凝土的健康狀況監(jiān)測(cè)評(píng)估提供了一種新的方法。Oullette等[9]提出了一種基于遺傳算法和卷積神經(jīng)網(wǎng)絡(luò)的裂縫檢測(cè)方法。Makantasis等[10]也是采用2個(gè)卷積層和1個(gè)全連通層的淺層卷積神經(jīng)網(wǎng)絡(luò)，對(duì)隧道結(jié)構(gòu)裂縫進(jìn)行檢測(cè)。周穎等[11]基于計(jì)算機(jī)視覺識(shí)別技術(shù)，采用消費(fèi)級(jí)照相機(jī)檢測(cè)裂縫，通過圖像模糊、圖像增強(qiáng)、形態(tài)學(xué)運(yùn)算、圖像畸變校準(zhǔn)、連通域標(biāo)記、孤立點(diǎn)消除、裂縫碎片拼接等進(jìn)行圖像預(yù)處理和裂縫識(shí)別，并針對(duì)提取出的裂縫區(qū)域，統(tǒng)計(jì)裂縫發(fā)展方向，計(jì)算其對(duì)應(yīng)的裂縫長(zhǎng)度和寬度。綜上所述，計(jì)算機(jī)視覺可以很好地應(yīng)用于混凝土裂縫識(shí)別，顯著提高施工工效，有效降低對(duì)結(jié)構(gòu)表面進(jìn)行裂縫識(shí)別的經(jīng)濟(jì)和時(shí)間成本。

1.2 基于計(jì)算機(jī)視覺的鋼構(gòu)件焊縫識(shí)別

計(jì)算機(jī)視覺技術(shù)的應(yīng)用既能提高鋼構(gòu)件焊接無損檢測(cè)的準(zhǔn)確性，也能量化檢測(cè)結(jié)果，包括焊縫的位置、大小和性質(zhì)等。Valavanis等[12]通過研究大量焊縫X射線圖像幾何特征與紋理，提出了一種基于SVM與神經(jīng)網(wǎng)絡(luò)的焊縫缺陷檢測(cè)與分類算法。李尚仁等[13]設(shè)計(jì)了一種基于機(jī)器視覺的焊縫表面下塌缺陷檢測(cè)系統(tǒng)。通過配置CCD（charge coupled device，電荷耦合器件）相機(jī)與輔助光源實(shí)時(shí)采集焊縫圖像，針對(duì)焊縫表面下塌缺陷增強(qiáng)、分割、提取、識(shí)別進(jìn)行算法組合，并使用改進(jìn)的GrabCut算法解決了焊縫下塌缺陷和背景分割的難題，快速精確地識(shí)別焊縫下塌缺陷，可代替人工檢測(cè)。Malarvel等[14]改進(jìn)了Otsu圖像分割算法，精確分割X射線圖像焊縫缺陷。楊燕萍等[15]研發(fā)了一種基于計(jì)算機(jī)視覺的鋼結(jié)構(gòu)特種焊縫無損檢測(cè)與缺陷信號(hào)識(shí)別系統(tǒng)。該系統(tǒng)采用攝像裝置獲取模擬/數(shù)字式的超聲波探傷設(shè)備顯示屏幕上的視頻數(shù)據(jù)。首先，通過圖像分割差分閾值算法抽取出波形圖像，通過計(jì)量靜態(tài)波的個(gè)數(shù)自動(dòng)確定是否分析動(dòng)態(tài)波形。然后，系統(tǒng)自動(dòng)對(duì)回波生成包絡(luò)線，為實(shí)現(xiàn)焊縫缺陷的定位、定量和定性評(píng)定分析提供數(shù)據(jù)。利用計(jì)算機(jī)的存儲(chǔ)功能記錄整個(gè)測(cè)量過程的波形數(shù)據(jù)，并用三維圖像立體視覺表示測(cè)量過程中的波形變化情況。最后，根據(jù)存儲(chǔ)在計(jì)算機(jī)中的波形分析專家知識(shí)表、檢測(cè)中自動(dòng)生成的包絡(luò)線和三維波形變化圖像進(jìn)行數(shù)據(jù)融合以及綜合分析判斷，實(shí)現(xiàn)鋼結(jié)構(gòu)特種焊縫無損檢測(cè)和缺陷信號(hào)自動(dòng)識(shí)別。綜上所述，計(jì)算機(jī)視覺可以很好地應(yīng)用于鋼構(gòu)件焊縫識(shí)別，提高鋼構(gòu)件焊縫的識(shí)別和檢測(cè)效率，加快鋼構(gòu)件工業(yè)化生產(chǎn)加工進(jìn)程，提高鋼構(gòu)件焊接質(zhì)量。

1.3 基于計(jì)算機(jī)視覺的位移測(cè)量

傳統(tǒng)的位移測(cè)量技術(shù)發(fā)展至今已經(jīng)在建筑施工過程中得到了廣泛的應(yīng)用，近十年來由于位移測(cè)量對(duì)智能化、便捷性和精準(zhǔn)性的要求越來越高，相比許多傳統(tǒng)方法，計(jì)算機(jī)視覺新技術(shù)逐漸展現(xiàn)出優(yōu)越性。計(jì)算機(jī)視覺應(yīng)用于位移測(cè)量最早出現(xiàn)于20世紀(jì)80年代，主要是通過對(duì)圖像信息的分析，得到結(jié)構(gòu)振動(dòng)位移測(cè)量。Lee等[16]對(duì)比研究了分別采用傳統(tǒng)位移傳感器技術(shù)和數(shù)字圖像處理技術(shù)對(duì)實(shí)驗(yàn)室4層框架結(jié)構(gòu)進(jìn)行同步振動(dòng)測(cè)量的結(jié)果，分析結(jié)果表明，2種方法測(cè)得的數(shù)據(jù)擬合相關(guān)性較好。Ho等[17]研發(fā)了基于多點(diǎn)視覺的基礎(chǔ)設(shè)施動(dòng)態(tài)位移測(cè)量方法。Chen等[18]提出了一種采用數(shù)字視頻攝像機(jī)來檢測(cè)高層結(jié)構(gòu)變形的方法。該方法以不同頻率為工況進(jìn)行振動(dòng)測(cè)試，具有良好的穩(wěn)定性和測(cè)量精度。對(duì)高層建筑的振動(dòng)測(cè)試結(jié)果表明：與傳統(tǒng)方法相比，基于計(jì)算機(jī)視覺的位移測(cè)量可以反映結(jié)構(gòu)的振動(dòng)特性，同時(shí)此方法可以測(cè)量2個(gè)方向上的位移，體現(xiàn)了計(jì)算機(jī)視覺測(cè)量技術(shù)的優(yōu)越性。Zhao等[19]在土木工程橋塔結(jié)構(gòu)動(dòng)態(tài)位移的監(jiān)測(cè)中，采用支持向量濾波及KLT特征點(diǎn)匹配追蹤相結(jié)合的方法。先利用支持向量濾波方法選出大致的區(qū)域，再利用KLT實(shí)現(xiàn)精確跟蹤，同時(shí)具備了魯棒性和精確性。Shan等[20]基于立體視覺坐標(biāo)系變換原理，提出一種基于立體視覺的位移測(cè)量方法?；谠摷夹g(shù)進(jìn)行砌體模型試驗(yàn)驗(yàn)證，分析得到三維位移時(shí)程曲線，結(jié)果表明，該方法可靠度高，適用于結(jié)構(gòu)三維變形的監(jiān)測(cè)。綜上所述，計(jì)算機(jī)視覺可以很好地應(yīng)用于位移測(cè)量，有利于提高建筑現(xiàn)場(chǎng)場(chǎng)地測(cè)量、建筑結(jié)構(gòu)和部件變形控制的精度和工效。通過分析以上學(xué)者的研究結(jié)果發(fā)現(xiàn)，計(jì)算機(jī)視覺在混凝土裂縫識(shí)別、鋼構(gòu)件焊縫識(shí)別、位移測(cè)量等方面的研究與應(yīng)用已有很好的基礎(chǔ)，但相關(guān)理論研究和應(yīng)用大數(shù)據(jù)開展相關(guān)研究的情況較少。建立混凝土結(jié)構(gòu)裂縫、鋼構(gòu)件焊縫損傷、結(jié)構(gòu)變形損傷等建筑工程施工技術(shù)方面的圖像數(shù)據(jù)庫，基于大數(shù)據(jù)和計(jì)算機(jī)圖像識(shí)別開展檢測(cè)識(shí)別技術(shù)，是探索計(jì)算機(jī)視覺在建筑工程施工技術(shù)領(lǐng)域研究與應(yīng)用的關(guān)鍵。

2 基于計(jì)算機(jī)視覺的施工控制與質(zhì)量管理

2.1 基于計(jì)算機(jī)視覺的施工人員管理

建筑施工人員的安全管理，是施工安全管理的重點(diǎn)和難點(diǎn)。隨著計(jì)算機(jī)信息技術(shù)的進(jìn)步，基于計(jì)算機(jī)視覺的施工人員管理得到越來越多的關(guān)注和研究。基于計(jì)算機(jī)視覺技術(shù)的施工人員面部信息的疲勞檢測(cè)為施工人員疲勞狀態(tài)評(píng)價(jià)提供了一種有價(jià)值的技術(shù)手段。崔兵等[21]研究構(gòu)建了一種基于計(jì)算機(jī)視覺技術(shù)的施工機(jī)械操作員疲勞作業(yè)檢測(cè)方法。采用圖像處理開源庫（dlib）模型標(biāo)注68個(gè)人臉特征點(diǎn)，計(jì)算實(shí)時(shí)的眼縱橫比（eye aspect ratio，EAR）和嘴縱橫比（mouth aspect ratio，MAR）值，并取前30 s視頻作為樣本計(jì)算出相應(yīng)的閾值，進(jìn)而計(jì)算出眨眼頻率、平均眨眼時(shí)長(zhǎng)、眼瞼閉合時(shí)間百分比（PERCLOS）以及哈欠頻率這4個(gè)指標(biāo)值，利用歸一化方法進(jìn)行指標(biāo)融合，依據(jù)綜合疲勞指標(biāo)的取值和持續(xù)時(shí)間采取不同的疲勞應(yīng)對(duì)措施。最終通過試驗(yàn)驗(yàn)證該方法的準(zhǔn)確性，結(jié)果表明該論文提出的綜合疲勞指標(biāo)能夠反映不同情境下檢測(cè)對(duì)象疲勞狀態(tài)的變化趨勢(shì)，其眨眼狀態(tài)判定的正確率為95%左右。Li等[22]提出基于三維人體骨架模型來獲取每個(gè)關(guān)節(jié)的三維坐標(biāo)，結(jié)合人體工程力學(xué)分析建筑工人的姿態(tài)和運(yùn)動(dòng)，通過評(píng)估動(dòng)作頻率、姿勢(shì)和持續(xù)時(shí)間來評(píng)估疲勞狀態(tài)。但這種方式容易受到關(guān)節(jié)點(diǎn)三維坐標(biāo)數(shù)據(jù)誤差的影響。Cheng等[23]通過視覺檢測(cè)技術(shù)實(shí)時(shí)采集、處理工人和施工設(shè)備的位置數(shù)據(jù)，并將相關(guān)安全和活動(dòng)績(jī)效信息實(shí)時(shí)、可視化地向決策者顯示，從而實(shí)現(xiàn)對(duì)建筑工人安全的管理。Wu等[24]提出基于OpenPose算法以施工人員姿態(tài)估計(jì)為輔助的安全帽佩戴的檢測(cè)方法。將人體姿態(tài)估計(jì)應(yīng)用于自動(dòng)檢測(cè)施工人員是否佩戴安全帽的場(chǎng)景中，設(shè)計(jì)了整合人體姿態(tài)估計(jì)與目標(biāo)檢測(cè)的自動(dòng)檢測(cè)系統(tǒng)。首先將目標(biāo)檢測(cè)模型輸出的人物邊框與對(duì)應(yīng)的人體姿態(tài)估計(jì)模型輸出的人體姿態(tài)進(jìn)行匹配，然后遍歷人物邊框，根據(jù)空間關(guān)系將安全帽與人體配對(duì)，并根據(jù)安全帽與人體面部中心點(diǎn)的空間位置關(guān)系判斷安全帽是否被正確佩戴。綜上所述，基于計(jì)算機(jī)視覺可以很好地實(shí)現(xiàn)對(duì)施工現(xiàn)場(chǎng)作業(yè)人員的生理健康、行為安全的管理，可以顯著提高施工現(xiàn)場(chǎng)的安全水平。

2.2 基于計(jì)算機(jī)視覺的臨邊洞口安全管理

臨邊洞口處的高處墜落事故仍是建筑施工安全事故防范的重點(diǎn)。計(jì)算機(jī)視覺技術(shù)的迅速發(fā)展為實(shí)現(xiàn)施工現(xiàn)場(chǎng)的自動(dòng)化安全管理提供了新的解決思路。目前，針對(duì)施工過程中的臨邊洞口安全管理方面的研究，主要集中于探究建筑信息模型（building information modeling，BIM）技術(shù)在臨邊洞口安全管理上的應(yīng)用，結(jié)合BIM和射頻識(shí)別（radio frequency identification，RFID）技術(shù)，對(duì)工人定位跟蹤，在其靠近臨邊洞口等危險(xiǎn)區(qū)域時(shí)發(fā)出預(yù)警，探究在模型里如何正確地設(shè)計(jì)臨邊洞口防護(hù)，為現(xiàn)場(chǎng)安全管理人員提供可靠的搭設(shè)管理思路。王丹爽[25]通過人工操作無人機(jī)監(jiān)測(cè)臨邊洞口，從人、機(jī)、材3個(gè)角度進(jìn)行評(píng)價(jià)，劃分安全等級(jí)并對(duì)施工現(xiàn)場(chǎng)提出整改建議。張根杰等[26]利用無人機(jī)自動(dòng)采集施工現(xiàn)場(chǎng)的照片，通過HOG＋SVM算法實(shí)現(xiàn)臨邊洞口的自動(dòng)識(shí)別，實(shí)時(shí)反饋存在安全隱患的臨邊洞口，并根據(jù)BIM模型提供的先驗(yàn)信息，判定存在安全隱患的臨邊洞口的方位，通過有效識(shí)別防護(hù)措施不到位的臨邊洞口，對(duì)現(xiàn)場(chǎng)安全隱患進(jìn)行自動(dòng)化排查，降低高處墜落事故發(fā)生的風(fēng)險(xiǎn)。徐峰等[27]從空間建模和人員傷害程度評(píng)估的角度出發(fā)，對(duì)危險(xiǎn)源影響空間展開研究，將建筑施工中臨邊墜落的特性模型化。綜上所述，基于計(jì)算機(jī)視覺可以很好地實(shí)現(xiàn)對(duì)施工現(xiàn)場(chǎng)臨邊洞口的安全管理，避免發(fā)生安全事故。

2.3 基于計(jì)算機(jī)視覺的施工現(xiàn)場(chǎng)車輛管理

在大型工地施工現(xiàn)場(chǎng)出入的施工及其他車輛很多，對(duì)車輛的管理直接關(guān)系到施工現(xiàn)場(chǎng)的秩序和安全。如不對(duì)出入施工現(xiàn)場(chǎng)的車輛數(shù)量加以控制，會(huì)造成施工工地內(nèi)部擁堵和混亂。針對(duì)大型施工工地對(duì)車輛統(tǒng)計(jì)和監(jiān)控的需求，劉云波等[28]提出一種基于計(jì)算機(jī)視覺的施工現(xiàn)場(chǎng)車輛監(jiān)管方法。首先，采用高斯背景建模方法得到高精度的監(jiān)管區(qū)域背景；然后，運(yùn)用背景差分結(jié)合二值化方法實(shí)時(shí)提取運(yùn)動(dòng)目標(biāo)，根據(jù)車輛尺寸和形狀特征識(shí)別車輛的運(yùn)動(dòng)目標(biāo)，并通過尺寸和形狀濾波等方法對(duì)車輛進(jìn)行分類，識(shí)別出工程大車和小型機(jī)動(dòng)車。另外，該研究對(duì)車輛速度進(jìn)行了基于視覺的虛擬檢測(cè)線法估計(jì)，當(dāng)車車超速時(shí)進(jìn)行抓拍和警告。即在道路中心位置平行設(shè)置2條虛擬檢測(cè)線，當(dāng)車輛通過其間時(shí)，對(duì)車輛速度和數(shù)量進(jìn)行統(tǒng)計(jì)。試驗(yàn)結(jié)果表明，該方法基本達(dá)到了大型工地現(xiàn)場(chǎng)對(duì)車輛監(jiān)管的需求。綜上所述，基于計(jì)算機(jī)視覺可以很好地實(shí)現(xiàn)對(duì)施工現(xiàn)場(chǎng)車輛和施工機(jī)械的管理，但相關(guān)研究并不多，且缺乏相應(yīng)的控制機(jī)理，將計(jì)算機(jī)視覺技術(shù)應(yīng)用于施工現(xiàn)場(chǎng)大型施工機(jī)械和施工車輛的管理，可以提高現(xiàn)場(chǎng)施工效率。

通過以上學(xué)者的研究結(jié)果，我們可以發(fā)現(xiàn)，計(jì)算機(jī)視覺在施工人員管理、臨邊洞口安全管理、施工現(xiàn)場(chǎng)車輛管理等施工控制和質(zhì)量管理方面的研究與應(yīng)用已有很好的基礎(chǔ)，但關(guān)于風(fēng)險(xiǎn)機(jī)理、算力算法等方面的研究較少，在建立相關(guān)風(fēng)險(xiǎn)耦合模型、場(chǎng)景演化數(shù)據(jù)庫與施工裝備結(jié)合等方面的研究與應(yīng)用，對(duì)于提高施工控制和質(zhì)量管理水平具有重要意義。

3 結(jié)語

本文從計(jì)算機(jī)視覺基本概念、發(fā)展現(xiàn)狀、建筑施工技術(shù)、施工控制和質(zhì)量管理等方面闡述了計(jì)算機(jī)視覺在建筑工程施工領(lǐng)域的相關(guān)研究和應(yīng)用現(xiàn)狀。計(jì)算機(jī)視覺在建筑工程施工領(lǐng)域的研究和應(yīng)用仍處于起步階段，具有很大的發(fā)展空間。為使計(jì)算機(jī)視覺理論與技術(shù)更好地應(yīng)用于建筑工程施工，推動(dòng)計(jì)算機(jī)視覺在土木工程學(xué)科的發(fā)展，需要在以下方面進(jìn)行系統(tǒng)的科學(xué)研究和技術(shù)研發(fā)。

1）結(jié)合建筑工程施工學(xué)科特點(diǎn)，建立建筑工程施工的計(jì)算機(jī)視覺理論體系。

2）采用深度學(xué)習(xí)等理論深入挖掘結(jié)構(gòu)健康監(jiān)測(cè)、檢測(cè)、試驗(yàn)、數(shù)值模擬等大數(shù)據(jù)，剖析風(fēng)險(xiǎn)控制機(jī)理，發(fā)展建筑工程施工大數(shù)據(jù)挖掘的計(jì)算機(jī)視覺方法。

3）基于計(jì)算機(jī)視覺理論的智能建造等相關(guān)的軟件和硬件裝備升級(jí)發(fā)展。深度融合計(jì)算機(jī)視覺與建筑工程施工，將推動(dòng)我國的土木工程進(jìn)一步向綠色化和智能化的可持續(xù)方向發(fā)展。