Professional Documents
Culture Documents
近年来,计算机视觉在从医疗到工业机器
人等广泛的研究领域越来越受到关注。建
筑、工程、施工和设施管理领域是使用基
于视觉的系统/方法来促进施工阶段决策
过程的最密集领域之一。由于杂乱无章,
建筑工地的高效监控变得极其乏味和困难
。为了研究利用计算机视觉协助现场管理
任务的潜力,已经开展了广泛的研究。本
文回顾了过去十年中有关计算机视觉的研
究,重点介绍了基于视觉的典型方案中的
最新方法,并讨论了与这些方法的应用相
关的挑战。这项研究旨在指导从业人员成
功找到适合特定项目的方法
深度学习的局限性
与BIM相关联使用,知识管理
探讨深度学习的可行性
解决BIM现有问题
有案例,智能施工系统,具有自动合规性
检查(ACC)优化功能
探讨无人机 机器人对整个建装行业的影
响
对计算机视觉的局限性提出了新的改进
提出机器人应用的障碍,并提出解决办法
。研究确定了网络物理系统、大数据、人
工智能和智能机器人技术在项目时间、成
本和质量管理方面的 24 项应用,发现智
能技术最有影响力的应用是用于进度跟踪
、实时监控和进度估算的数据收集。
确定了六个基于应用的主题:设备跟踪、
裂缝检测、施工管理、下水道评估、三维
点云增强和其他主题。
它集成了物联网(IoT)、人工智能
(AI)和区块链技术,可促进智能应用的
开发和运行
大型数据集是深度学习所必需的,因为随
着数据集规模的扩大,所使用算法的性能
也会随之提高。
本文旨在研究现有和新兴建筑安全技术在
不同建筑安全领域的应用。
掘机施工的智能控制方法
在建筑管理工程中,我们提出的方案对单
个和多个智能家居在强度、能源和建筑材
料成本优化方面都很有效
本研究的目标是找出美国建筑行业在采用
机器人技术时遇到的有据可查的障碍,进
而帮助人们深刻理解这些障碍,并告知建
筑行业和学术研究人员如何寻找解决这些
障碍的方法。确定使用机器人技术所面临
的挑战是支持和推动采用此类技术的基础
然而,这些方法只能检测到班级内的设备
,无法识别单个机器,与基于无线电的设
备(即全球定位系统 (GPS))相比,这是
一个主要缺点。为解决这一问题,我们开
发了一个由多种计算机视觉算法组成的管
道框架
由于环境复杂,将计算机视觉技术融入建
筑工地面临着各种挑战。之前与重型建筑
设备相关的计算机视觉研究主要集中在标
准数据库中提供的有限设备类型上,如微
软上下文中的通用对象(MS COCO)数据 深度卷积神经网络对建筑工地常用的各种重型建筑设备(即九种具有代表性
集。传统方法在捕捉真实建筑工地中遇到
的各种工作条件和动态环境方面存在局限
性。
目前的计算机视觉模型仍无法有效捕捉和
融合视频片段中的空间和时间特征
近年来,制造商和工业组织采用工业 4.0
技术的速度发生了巨大变化。本文将讨论
建筑行业采用工业 4.0 技术的现状。现
场施工项目的复杂性不断增加,加上对更
高生产率的需求,使得人们对工业 4.0
技术的潜在应用越来越感兴趣。本文将讨
论以下关键工业 4.0 技术与建筑业的相
关性:数据分析和人工智能、机器人和自
动化、建筑信息管理、传感器和可穿戴设
备、数字孪生以及工业连接。工业连通性
是一个关键方面,因为它能确保所有工业
4.0 技术相互连接,从而实现全部效益。
本文还介绍了在建筑领域采用工业 4.0
技术的研究议程、智能资产从制造到建成
后的三阶段使用,以及在数字化增强型建
筑工地实施智能可穿戴设备的四阶段研发
流程。
筑设备(即九种具有代表性的类型)进行自动检测和分类。