CN117474321B - 基于bim模型的施工现场风险智能识别方法及系统 - Google Patents

基于bim模型的施工现场风险智能识别方法及系统 Download PDF

Info

Publication number
CN117474321B
CN117474321B CN202311416629.XA CN202311416629A CN117474321B CN 117474321 B CN117474321 B CN 117474321B CN 202311416629 A CN202311416629 A CN 202311416629A CN 117474321 B CN117474321 B CN 117474321B
Authority
CN
China
Prior art keywords
image
tower crane
pixel point
construction
movable
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311416629.XA
Other languages
English (en)
Other versions
CN117474321A (zh
Inventor
吝健全
唐兵传
李晋鹏
魏国春
王雄
马萌
冯晓龙
张刚
任强
李海波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhengzhou Baoye Steel Structure Co ltd
Original Assignee
Zhengzhou Baoye Steel Structure Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhengzhou Baoye Steel Structure Co ltd filed Critical Zhengzhou Baoye Steel Structure Co ltd
Priority to CN202311416629.XA priority Critical patent/CN117474321B/zh
Publication of CN117474321A publication Critical patent/CN117474321A/zh
Application granted granted Critical
Publication of CN117474321B publication Critical patent/CN117474321B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Multimedia (AREA)
  • Strategic Management (AREA)
  • Geometry (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Computer Hardware Design (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Structural Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Emergency Management (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于BIM模型的施工现场风险智能识别方法及系统，包括以下步骤：A：收集建模信息；B：构建BIM模型；C：利用BIM软件创建安全规则集；D：设置蓝牙信标、固定式图像采集设备、移动式图像采集设备和GPS定位装置；依据安全规则集、GPS定位技术、蓝牙信标定位技术、图像识别技术，若施工人员位置和/或图像中出现不符合防坠落安全规则或通行安全规则的情形，则处理模块通过报警装置通知设定的主管人员。本发明能够有效地对施工现场多种风险进行实时的智能识别与预警，从而杜绝施工过程中的安全隐患，提高施工现场风险识别的及时度和准确度，确保施工安全进行。

Description

基于BIM模型的施工现场风险智能识别方法及系统
技术领域
本发明涉及施工现场风险识别领域，尤其涉及一种基于BIM模型的施工现场风险智能识别方法及系统。
背景技术
目前,在建筑行业中，尤其是在大型复杂高层建筑工程中，安全管理工作仍然是重中之重。例如，建筑施工过程中往往需要使用大量移动式塔吊，移动式塔吊的安装位置及作业区域如何分配，锚固后各个移动式塔吊的高度差和锚固的时间差如何把握，都直接影响着施工的安全性；又如，随着建筑施工的进行，施工场所中存在大量危险区域，如何规避施工人员进入危险区域，也直接影响着施工的安全性。
BIM模型是一种基于BIM(Building Information Modeling，建筑信息模型)技术的建筑安全管理模型，能够在建筑设计、施工、运营及维护的全过程中，对建筑物的安全进行全面管理和控制，辅助实现建筑施工过程中的安全分析、风险评估和安全预警，提高建筑物的安全性。
现有技术中，施工现场的安全管理工作大多依然采用传统方式进行，对于BIM模型的利用度不高，安全隐患较多，风险识别的及时度和准确度较差。
发明内容
本发明的目的是提供一种基于BIM模型的施工现场风险智能识别方法及系统，能够有效地对施工现场多种风险进行实时的智能识别与预警，从而杜绝施工过程中的安全隐患，提高施工现场风险识别的及时度和准确度，确保施工安全进行。
本发明采用下述技术方案：
基于BIM模型的施工现场风险智能识别方法，依次包括以下步骤：
A：收集施工场地数据、设计图纸信息及施工人员信息；
B：根据施工场地数据、设计图纸信息及施工人员信息，利用BIM软件建立施工场地和建筑物的三维模型，并设定施工人员的活动范围及工作行为标准；
C：利用BIM软件，依据施工过程中的安全施工规定创建安全规则集，安全规则集包括防坠落安全规则和通行安全规则；
D：在施工场地若干固定位置点分别设置蓝牙信标和固定式图像采集设备，并在施工人员所佩戴的安全头盔上设置移动式图像采集设备和GPS定位装置；
蓝牙信标用于和施工人员携带的电子标签进行信息交互，实现身份识别和包含高度信息的位置判定；固定式图像采集设备用于对监控场所进行实时图像采集，移动式图像采集设备用于对施工人员周边环境进行实时图像采集，固定式图像采集设备和移动式图像采集设备将采集到的图像发送至处理模块；GPS定位装置用于实现施工人员实时位置判定；处理模块依据安全规则集中的防坠落安全规则和通行安全规则，基于GPS定位技术和蓝牙信标定位技术对施工人员位置进行三维位置定位，同时基于图像识别技术对固定式图像采集设备和移动式图像采集设备发送的图像进行识别及分析，若施工人员位置和/或图像中出现不符合防坠落安全规则或通行安全规则的情形，则处理模块通过报警装置通知设定的主管人员。
施工场地数据，包括场地地形和地貌数据；设计图纸信息，包括建筑物的三维模型和结构设计信息；施工人员信息，包括施工人员的姓名、工种及施工时间安排信息。
步骤C中，防坠落安全规则为对应工种的施工人员禁止进入存在坠落风险的施工地点、对应工种的施工人员需距离存在坠落风险的施工地点设定距离和/或对应工种的施工人员需佩戴安全护具进入存在坠落风险的施工地点；通行安全规则为对应工种的施工人员禁止进入通行危险区域和/或需距离通行危险区域设定距离。
步骤D中，还利用得到的施工人员的三维位置定位信息，在BIM模型中对施工人员所在的位置进行定位，并通过对应的移动式图像采集设备采集到的实时图像与BIM模型进行对比，判断BIM模型中具有坠落风险的施工地点所设置的安全防护装置是否在实时图像中真实存在。
步骤D包括以下具体步骤：
D1：在参与现场施工的若干移动式塔吊上分别设置GPS定位装置，利用GPS定位技术对移动式塔吊位置进行实时分析；然后收集移动式塔吊的设备信息，并利用BIM软件建立移动式塔吊的三维模型；再通过在不同固定位置点分别设置的固定式图像采集设备，全面覆盖并监控若干移动式塔吊的工作范围，对移动式塔吊的施工过程进行全程拍摄，并将采集到的移动式塔吊施工图像分别发送至处理模块；
处理模块依据移动式塔吊的设备信息中起重臂、平衡臂的长度和塔身的高度，结合工作位置处已知尺寸的移动式塔吊在不同移动式塔吊施工图像中的像素位置，确定每台固定式图像采集设备所拍摄的移动式塔吊施工图像中的移动式塔吊安全工作区域；然后处理模块根据对应位置点的固定式图像采集设备发送的移动式塔吊施工图像，创建与移动式塔吊施工图像具有相同图像尺寸和分辨率的图片作为模板图像，并利用对应移动式塔吊施工图像中的移动式塔吊安全工作区域，在模板图像中生成对应的移动式塔吊安全工作区域，并确定移动式塔吊安全工作区域在模板图像的区域范围；
随后处理模块依据实时接收到的移动式塔吊施工图像，利用图像识别技术进行移动式塔吊轮廓以及吊载物品的边缘识别，并判断移动式塔吊施工图像中的移动式塔吊以及吊载物品是否超出对应模板图像中的移动式塔吊安全工作区域；并实时判断接收到的移动式塔吊施工图像中，移动式塔吊安全工作区域中是否出现其他物品；若移动式塔吊或吊载物品超出对应模板图像中的移动式塔吊安全工作区域，或移动式塔吊安全工作区域中出现其他物品，则处理模块通过报警装置通知设定的主管人员和对应的施工人员；
D2：利用不同位置点设置的固定式图像采集设备，对通过的施工人员进行拍摄，并将采集到的包含有施工人员的人员图像发送至处理模块；处理模块依据防坠落安全规则，结合施工人员佩戴的GPS定位装置和电子标签，对人员图像中施工人员身份进行识别，并对施工人员是否佩戴有安全帽或安全带进行判断，若人员图像中施工人员未佩戴安全帽或安全带，则处理模块通过报警装置通知设定的主管人员和对应的施工人员；
D3：在存在坠落风险的施工地点和通行危险区域分别设置固定式图像采集设备并进行实时拍摄，将采集到的风险区域图像分别发送至处理模块；处理模块创建与接收到的风险区域图像相同图像尺寸和分辨率的图片作为模板图像，依据防坠落安全规则和通行安全规则，在模板图像中生成坠落风险区域和通行风险区域，并确定坠落风险区域和通行风险区域在模板图像的区域范围；
随后处理模块依据实时接收到的风险区域图像，结合施工人员佩戴的GPS定位装置和电子标签进行施工人员的三维位置信息及身份识别，判断通行风险区域和坠落风险区域是否出现违反防坠落安全规则和通行安全规则的行为发生；若出现违反防坠落安全规则和通行安全规则的行为发生，则处理模块通过报警装置通知设定的主管人员和对应的施工人员。
步骤D1中，若施工现场同时存在多台移动式塔吊，则选择不同位置处设置的多台固定式图像采集设备同时监控移动式塔吊工作，且任意一台固定式图像采集设备所采集的照片中至少同时包含两台移动式塔吊，处理模块在对应的移动式塔吊施工图像中分别确定各个移动式塔吊的安全工作区域；当多台移动式塔吊同时工作时，若任意一幅移动式塔吊施工图像中的各个移动式塔吊的安全工作区域均不重叠，则判断该移动式塔吊施工图像中各个移动式塔吊均处于安全工作状态，不存在撞击风险。
步骤D1中处理模块按照下述步骤确定移动式塔吊安全工作区域：
a.对移动式塔吊施工图像进行灰度化处理，将移动式塔吊施工图像由彩色转化为灰度图像；去除移动式塔吊施工图像中颜色信息并保留物体形状和边缘的灰度信息；
b.利用平滑滤波器对转化后的灰度图像进行平滑处理，减少灰度图像中的噪声，得到去噪后的灰度图像；
c.利用图像增强技术增加去噪后的灰度图像中物体边缘的对比度和清晰度，得到增强后的灰度图像；
d.使用Canny边缘检测算法对增强后的灰度图像中的物体进行边缘提取，获取移动式塔吊的塔身和吊臂的轮廓；
e.利用轮廓检测算法，获取移动式塔吊的塔身和吊臂的轮廓，并利用塔身和吊臂轮廓上的像素点构成塔身轮廓像素点集合A和吊臂轮廓像素点集合B；
其中，A＝{a1,a2,……，an}，B＝{b1,b2,……，bn}；an和bn均表示像素点；
f.基于塔身轮廓像素点集合A和吊臂轮廓像素点集合B，结合移动式塔吊的起重臂、平衡臂和塔身的高度数值，对获取到的塔身和吊臂的轮廓进行修正；
g.利用对应的固定式图像采集设备连续采集移动式塔吊在360度旋转范围下的移动式塔吊施工图像；并以塔身在移动式塔吊施工图像中的位置为基准，以起重臂的最外端各像素点位于最大运动位置时的像素点坐标，确定每台固定式图像采集设备所拍摄的移动式塔吊施工图像中的移动式塔吊安全工作区域；
h.处理模块根据接收到的对应的固定式图像采集设备发送的移动式塔吊施工图像，创建与移动式塔吊施工图像具有相同图像尺寸和分辨率的图片作为模板图像；
i.处理模块利用步骤g中得到的对应固定式图像采集设备所拍摄的移动式塔吊施工图像中的移动式塔吊安全工作区域，在模板图像中生成移动式塔吊安全工作区域，并确定移动式塔吊安全工作区域在模板图像的区域范围；
j.处理模块依据实时接收到的移动式塔吊施工图像，利用图像识别技术进行移动式塔吊轮廓以及吊载物品的边缘识别，并判断移动式塔吊施工图像中的移动式塔吊以及吊载物品是否超出对应模板图像中的移动式塔吊安全工作区域；同时实时判断接收到的移动式塔吊施工图像中，移动式塔吊安全工作区域中是否出现其他物品；若移动式塔吊以及吊载物品超出对应模板图像中的移动式塔吊安全工作区域，或移动式塔吊安全工作区域中出现其他物品，则处理模块通过报警装置通知设定的主管人员和对应的施工人员。
步骤f中，通过获取到的吊臂和塔身轮廓在图像中的像素点坐标，首先利用计算平均斜率的方法，对吊臂的轮廓进行初次修正；再基于吊臂和塔身结合处像素点的位置信息，求取起重臂与平衡臂在图像中的像素尺寸；再根据已知真实数据的起重臂与平衡臂的长度计算出对应的变换比例并判断最优变换比例；然后依据最优变换比例计算出吊臂在图像中的优化后的工作范围的像素点区域，对获取到的图像中吊臂轮廓上的像素点位置进行二次优化；
最后，利用平均斜率的方法对塔身的轮廓进行初次修正；再基于塔身在图像中的像素尺寸和已知真实数据的塔身高度计算出对应的变换比例，对塔身在图像中的工作范围的像素点区域进行修正；最终获得当前塔吊施工图像中塔吊安全工作区域的像素点坐标。
步骤f包括以下具体步骤：
f1.将吊臂轮廓像素点集合B＝{b1,b2,……，bn}中的像素点按照横坐标和纵坐标进行分类，分别为吊臂的上边沿和下边沿上的像素点集合，令吊臂的上边沿的像素点集合为B1，吊臂的下边沿的像素点集合为B2；
将像素点集合B1中各像素点按横坐标从小至大进行排序，从第1个像素点开始，分别计算第1个像素与第p个像素点所形成的线段的斜率k1，第2个像素与第p+1个像素点所形成的线段的斜率k2，……，直至倒数第p个像素点与最后一个像素点所形成的线段的斜率kp；p为设定的像素点间隔阈值；然后计算所有斜率的平均值即平均斜率kavg，最后以倒数第p个像素点为线段起点，以平均斜率kavg为线段斜率，获取修正后的像素点集合B1中最后一个像素点位置坐标，即吊臂的上边沿最后端的像素点坐标；
同理，将像素点集合B2中各像素点按横坐标从小至大进行排序，并按照上述方法，获取修正后的像素点集合B2中最后一个像素点位置坐标，即吊臂的下边沿最后端的像素点坐标；
选取塔身轮廓像素点集合A和吊臂轮廓像素点集合B中坐标重合的四个像素点的坐标位置，然后比较像素点集合B1和B2中横坐标数值最小的两个像素点的横坐标，与坐标重合的四个像素点中最小横坐标的差值Ds1；以及修正后的吊臂的上边沿及下边沿最后端的像素点的横坐标，与坐标重合的四个像素点中最大横坐标的差值Ds2；然后判断Ds1与Ds2大小；若Ds1≥Ds2，则判定像素点集合B1和B2中横坐标数值最小的两个像素点为起重臂外端的定位点，像素点集合B1和B2中横坐标数值最大的两个像素点为平衡臂外端的定位点；若Ds1<Ds2，则判定像素点集合B1和B2中横坐标数值最小的两个像素点为平衡臂外端的定位点，像素点集合B1和B2中横坐标数值最大的两个像素点为起重臂外端的定位点；
最后，依据得到的吊臂的起重臂外端的上下两个定位点的位置坐标，以及吊臂的平衡臂外端的上下两个定位点的位置坐标，确定得到当前移动式塔吊施工图像中吊臂的位置信息；然后进入步骤f2；
f2.依据步骤f1中判断得到的吊臂的起重臂与平衡臂的位置关系；将塔身轮廓像素点集合A和吊臂轮廓像素点集合B中坐标重合的四个像素点中，距离平衡臂较近的上下两个像素点分别定义为像素点Point1和像素点Point2，距离起重臂较近的上下两个像素点分别定义为像素点Point3和像素点Point4，然后分别计算像素点Point1与平衡臂外端上方定位点的距离L1，像素点Point2与平衡臂外端下方定位点的距离L2，像素点Point3与起重臂外端上方定位点的距离L3，像素点Point4与起重臂外端下方定位点的距离L4；
根据移动式塔吊的平衡臂实际长度数值Lt1和起重臂实际长度数值Lt2，分别计算L1与Lt1的比值e1、L2与Lt1的比值e2、L3与Lt2的比值e3和L4与Lt2的比值e4；
若e1与e2的差值Dt1小于e3与e4的差值Dt2，则以e1为优化后的缩放比例，根据起重臂实际长度数值Lt2、像素点Point3的坐标位置以及像素点Point3与起重臂外端上方定位点连线的斜率，重新确定起重臂外端上方定位点的位置坐标；并以e2为优化后的缩放比例，根据起重臂实际长度数值Lt2、像素点Point4的坐标位置以及像素点Point4与起重臂外端下方定位点连线的斜率，重新确定起重臂外端下方定位点的位置坐标；
若e1与e2的差值Dt1大于等于e3与e4的差值Dt2，则以e3为优化后的缩放比例，根据平衡臂实际长度数值Lt1、像素点Point1的坐标位置以及像素点Point1与平衡臂外端上方定位点连线的斜率，重新确定平衡臂外端上方定位点的位置坐标；并以e4为优化后的缩放比例，根据平衡臂实际长度数值Lt1、像素点Point2的坐标位置以及像素点Point2与平衡臂外端下方定位点连线的斜率，重新确定平衡臂外端下方定位点的位置坐标；然后进入步骤f3；
f3.利用获得的塔身轮廓像素点集合A＝{a1,a2,……，an}，通过计算塔身轮廓左边沿与右边沿上像素集点的平均斜率，并利用平均斜率对塔身的轮廓进行修正；然后利用吊臂下方的塔身至地面的真实距离，以及在移动式塔吊施工图像中的像素距离，计算得到塔身下部缩放比例；然后以塔身下部缩放比例为优化后的缩放比例，根据吊臂上方的塔身至塔顶的真实距离、像素点Point1和像素点Point3的坐标位置以及像素点Point1和像素点Point3与修正后图像中的对应的塔顶上方左右两个定位点的斜率，重新确定塔顶上方左右两个定位点的位置坐标。
一种基于BIM模型的施工现场风险智能识别系统，包括BIM模块、图像采集模块、信号采集模块组、处理模块、传输网络模块和报警模块；
BIM模块，用于根据施工场地数据、移动式塔吊数据及设计图纸信息建立施工场地、移动式塔吊和建筑物的三维模型，并对存在坠落风险的施工地点和通行危险区域进行监控；BIM模块还基于信号采集模块组发送的移动式塔吊的状态信息，通过三维可视化的形式对移动式塔吊状态进行安全监控；
图像采集模块，包括设置在施工场地固定位置点的固定式图像采集设备，和设置在施工人员所佩戴的安全头盔上的移动式图像采集设备；固定式图像采集设备用于对移动式塔吊的施工过程及监控场所进行图像采集，移动式图像采集设备用于对施工人员周边环境进行实时图像采集；然后将采集到的图像通过传输网络模块发送至处理模块；
信号采集模块组，包括设置在移动式塔吊上的塔吊检测传感器组，用于对移动式塔吊的状态信息进行监控；信号采集模块组还包括设置于施工场地固定位置点的蓝牙信标、设置于施工人员安全头盔上的GPS定位装置和电子标签，蓝牙信标、GPS定位装置和电子标签用于实现对包含高度信息在内的施工人员三维位置信息的定位及对施工人员进行身份验证，并通过传输网络模块将数据传输至BIM模块；
处理模块，用于依据安全规则集中的防坠落安全规则和通行安全规则，分别在对应的模板图像中设定移动式塔吊安全工作区域、坠落风险区域和通行风险区域，并基于施工人员的三维位置信息，利用图像识别技术对移动式塔吊施工图像和人员图像进行识别及分析；若移动式塔吊施工图像中出现移动式塔吊以及吊载物品超出对应模板图像中的移动式塔吊安全工作区域或移动式塔吊安全工作区域中出现其他物品，以及人员图像中出现不符合防坠落安全规则或通行安全规则的情形，则处理模块通过传输网络模块和报警装置通知设定的主管人员和对应的施工人员；
传输网络模块，用于实现BIM模块、图像采集模块、信号采集模块组、处理模块和报警模块的信息交互；
报警模块，用于接收处理模块发送的预警信息并传输至主管人员和对应的施工人员。
本发明基于BIM模型和特殊设计的安全规则集，结合图像识别技术、GPS定位技术、蓝牙信标定位技术和身份识别技术，能够准确判断坠落风险区域和通行风险区域存在的各种施工现场安全风险，且可及时准确地通知到本人及设定的主管人员。本发明中蓝牙信标定位技术的使用，在BIM模型中对施工人员所在的位置进行定位，能够准确判断施工人员所在楼层，实现施工人员三维空间位置的确定，结合移动式图像采集设备采集到的实时图像与BIM模型进行对比，能够判断BIM模型中坠落风险区域所设置的安全防护装置是否在实时图像中真实存在，有效解决现场图像数据来源单一、无法判定坠落风险区域安全防护装置是否真实存在、是否准确匹配的缺陷。本发明还利用塔吊检测传感器组，包括倾斜传感器、负荷传感器、高度传感器对移动式塔吊的状态信息进行监控，并通过无线传感器网络将数据传输至BIM模型中，通过三维可视化的形式对移动式塔吊状态进行安全监控。
本发明能够有效地对施工现场多种风险进行实时的智能识别与预警，从而杜绝施工过程中的安全隐患，提高施工现场风险识别的及时度和准确度，确保施工安全进行
本发明综合利用图像识别技术和传感器检测技术，进一步实现施工现场移动式塔吊的智能风险识别，极大地降低了施工现场风险的漏判率。
附图说明
图1为本发明的流程示意图；
图2为本发明中移动式塔吊的吊臂与塔身的位置关系示意图；
图3为本发明中移动式塔吊的安全工作区域确定的流程示意图。
具体实施方式
以下结合附图和实施例对本发明作以详细的描述：
如图1所述，本发明所述的基于BIM模型的施工现场风险智能识别方法，包括以下步骤：
A：收集施工场地数据、设计图纸信息及施工人员信息；
步骤A中，施工场地数据包括场地的地形和地貌数据，主要包括场地的高程、地形起伏和地貌类型，用于在BIM模型中对于施工场地环境进行三维建模；
设计图纸信息，包括建筑物的三维模型和结构设计信息；三维模型主要包括建筑物的几何形状、结构、机电设备、管道、电缆等信息；结构设计信息主要包括结构的类型、材料、尺寸和荷载等信息；设计图纸信息用于在BIM模型中对建筑物进行三维建模；
施工人员信息，包括施工人员的姓名、工种及施工时间安排信息；用于在BIM模型中对施工人员的活动范围及工作行为进行管理；
B：根据收集到的施工场地数据、设计图纸信息及施工人员信息，利用BIM软件建立施工场地和建筑物的三维模型，并设定施工人员的活动范围及工作行为标准；
其中，施工人员的活动范围按照具体施工人员工种所对应的施工范围确定；工作行为标准按照具体施工人员工种所要求的操作规范确定；
施工人员的活动范围及工作行为标准，能够定义后续施工现场出现的风险行为的标准，并配合施工现场风险智能识别逻辑实现风险行为的准确界定。
C：利用BIM软件，依据施工过程中实际安全施工需求创建安全规则集，安全规则集包括防坠落安全规则和通行安全规则等；
安全规则集是为了确保安全施工，依据各项施工操作标准而制定的若干项安全规则，需要各工种严格遵守，本发明中，全规则集包括但不限于防坠落安全规则和通行安全规则。
防坠落安全规则，是依据施工过程中在建筑物内外具有坠落风险的施工地点设定的安全规则，上述地点包括但不限于移动式塔吊、临边洞口位置、开放边缘、临时通行通道、脚手架、爬梯或临时移动平台等未安装防护栏的位置，设定的安全规则为对应工种的施工人员禁止进入存在坠落风险的施工地点、对应工种的施工人员需距离存在坠落风险的施工地点设定距离和/或对应工种的施工人员需佩戴安全护具进入存在坠落风险的施工地点，如安全头盔、安全带等。例如，施工人员进入临边洞口位置、开放边缘、临时通行通道、脚手架、爬梯或临时移动平台等位置，必须佩戴安全头盔、安全带等安全护具，以降低安全隐患。
通行安全规则，是依据施工过程中移动式塔吊工作半径、物料存放位置或运料车线路等因素，为保障施工人员和设备的安全而制定的规则，包括但不限于施工现场的安全通道和出入口位置、禁止进入的通行危险区域位置等，通行安全规则为对应工种的施工人员禁止进入通行危险区域和/或需距离通行危险区域设定距离。例如，无需在危险区域进行相关施工工作的工作，不可进入上述危险区域或须距离上述危险区域设定距离，以避免塔吊吊装物品掉落、堆积物料倒塌、运料车交通事故等带来的安全隐患。
上述安全规则用于配合后续的智能安全设备，对施工过程中的设备(如移动式塔吊)、施工人员进行的实时安全监控，以实现对施工过程中出现的风险进行智能识别的目的。
D：依据预先设定的监测点位置分布，在施工场地若干固定位置点分别设置蓝牙信标和固定式图像采集设备，并在施工人员所佩戴的安全头盔上设置移动式图像采集设备和GPS定位装置；预先设定的监测点位置，可根据存在坠落风险的施工地点和通行危险区域的位置确定，确保每个坠落风险的施工地点和通行危险区域的位置具有一个或多个蓝牙信标和固定式图像采集设备。
其中，蓝牙信标用于和施工人员携带的电子标签进行信息交互，实现身份识别和包含高度信息的位置判定；GPS定位装置用于实现施工人员实时位置判定，准确采集到施工人员所处位置的经纬度数据的变化，配合蓝牙信标及电子标签，能够实现施工人员身份识别及包含高度信息在内的三维位置信息的确定。
固定式图像采集设备用于对处于监控位置下的施工人员进行实时图像采集，移动式图像采集设备用于对施工人员周边环境图像进行实时图像采集，能够更为灵活和准确的实时采集到施工人员周边环境的变化，以随施工人员的位置变化进行实时周边环境监控；固定式图像采集设备可采用
固定式图像采集设备和移动式图像采集设备将采集到的人员图像发送至处理模块；处理模块则依据安全规则集中的防坠落安全规则和通行安全规则，基于GPS定位技术和蓝牙信标定位技术对施工人员位置进行三维位置定位，同时基于图像识别技术对人员图像进行识别及分析，若人员位置或人员图像中出现不符合防坠落安全规则或通行安全规则的情形，则处理模块通过报警装置通知设定的主管人员；达到实时、智能、准确的进行施工现场风险智能识别的目的。
考虑到施工现场还存在大量移动式塔吊在进行施工，存在大量的安全隐患。若监控不力，极易发生安全事故。
考虑到上述因素，本发明中，所述的步骤D包括以下步骤：
D1：在参与现场施工的若干移动式塔吊上分别设置GPS定位装置，利用GPS定位技术对移动式塔吊位置进行实时分析；然后根据移动式塔吊的设备信息，并利用BIM软件建立移动式塔吊的三维模型；
移动式塔吊的设备信息包括移动式塔吊的基本信息和运行参数，基本信息主要包括移动式塔吊的起重臂、平衡臂、塔身、支腿和起重机构等部件的尺寸、重量和材质等信息；运行参数包括移动式塔吊的额定载荷、最大起升高度和平衡重量等参数；移动式塔吊数据用于在BIM模型中对移动式塔吊进行三维建模；
然后，针对移动式塔吊，通过在不同固定位置点分别设置的固定式图像采集设备，全面覆盖并监控若干移动式塔吊的工作范围，对移动式塔吊的施工过程进行全程拍摄，并将采集到的移动式塔吊施工图像分别发送至处理模块；
处理模块依据移动式塔吊的设备信息中起重臂、平衡臂的长度和塔身的高度，结合工作位置处已知尺寸的移动式塔吊在不同移动式塔吊施工图像中的像素位置，确定每台固定式图像采集设备所拍摄的移动式塔吊施工图像中的移动式塔吊安全工作区域，移动式塔吊安全工作区域，即为移动式塔吊在工作过程中所占用的最大的工作空间，包括不低于塔身高度的竖直空间，以及不小于吊臂工作过程中所占用的最大水平空间和吊臂下方的竖直空间；上述空间内，在移动式塔吊工作过程中不应出现施工人员和其他移动式塔吊。
然后，处理模块根据对应位置点的固定式图像采集设备发送的移动式塔吊施工图像，创建与移动式塔吊施工图像具有相同图像大小和分辨率的图片作为模板图像，并利用对应移动式塔吊施工图像中的移动式塔吊安全工作区域，在模板图像中生成对应的移动式塔吊安全工作区域，并确定移动式塔吊安全工作区域在模板图像的区域范围；
随后，处理模块依据实时接收到的移动式塔吊施工图像，利用图像识别技术进行移动式塔吊轮廓以及吊载物品的边缘识别，并判断移动式塔吊施工图像中的移动式塔吊以及吊载物品是否超出对应模板图像中的移动式塔吊安全工作区域；并实时判断接收到的移动式塔吊施工图像中，移动式塔吊安全工作区域中是否出现其他物品；若移动式塔吊或吊载物品超出对应模板图像中的移动式塔吊安全工作区域，或移动式塔吊安全工作区域中出现其他物品，则处理模块通过报警装置通知设定的主管人员和对应的施工人员；
上述对于移动式塔吊的安全监控，即可有效避免两个或多个移动式塔吊碰撞，也可避免吊装物品意外坠落而引发的安全隐患，同时还可对移动式塔吊自身运动姿态进行有效监控。
如图2和图3所示，步骤D1中，如何准确确定移动式塔吊的安全工作区域，直接影响到移动式塔吊的安全监控的准确性和及时性。本发明中，处理模块按照下述步骤确定移动式塔吊的安全工作区域：
a.对移动式塔吊施工图像进行灰度化处理，将移动式塔吊施工图像由彩色转化为灰度图像；上述处理能够在去除移动式塔吊施工图像中颜色信息的同时，保留移动式塔吊施工图像中物体形状和边缘的灰度信息；
b.利用平滑滤波器对转化后的灰度图像进行平滑处理，以减少灰度图像中的噪声，得到去噪后的灰度图像；
本实施例中，平滑滤波器可采用高斯滤波器；
c.利用图像增强技术增加去噪后的灰度图像中物体边缘的对比度和清晰度，得到增强后的灰度图像；图像增强技术可采用限制对比度的自适应直方图均衡化；
d.使用Canny边缘检测算法对增强后的灰度图像中的物体进行边缘提取，获取移动式塔吊的塔身和吊臂的轮廓；
Canny边缘检测算法能够基于图像梯度的变化率，检测并获取增强后的灰度图像中的移动式塔吊的塔身和吊臂的轮廓；
Canny边缘检测算法的表达式为：
EdgePixels＝Canny(DifferenceImage,Threshold1,Threshold2)；
其中，DifferenceImage为增强后的灰度图像，Threshold1和Threshold2分别为设定的边缘检测阈值，用于控制边缘的强度和连续性；
e.利用轮廓检测算法，获取移动式塔吊的塔身3和吊臂的轮廓，并将塔身和吊臂轮廓上的像素点构成塔身轮廓像素点集合A和吊臂轮廓像素点集合B；
其中，A＝{a1,a2,……，an}，B＝{b1,b2,……，bn}；an和bn均表示像素点；
由于移动式塔吊主要结构包括塔身和吊臂，因此本发明中充分利用塔身和吊臂的轮廓信息，进行移动式塔吊的形状及位置确定。
f.基于塔身3轮廓像素点集合A和吊臂轮廓像素点集合B，结合移动式塔吊的起重臂1、平衡臂2和塔身3的高度数值，对获取到的塔身3和吊臂的轮廓进行修正；
本发明中，由于摄像装置在进行移动式塔吊施工图像采集时，具有一定的拍摄角度，将会导致采集到的移动式塔吊施工图像并非正视图，其在照片中的尺寸并非按照片大小等比缩小后的尺寸；因此，需要对塔身3和吊臂的实际尺寸与像素尺寸进行转化。同时，由于经图像处理、边缘检测及轮廓检测后获得的塔身3和吊臂的轮廓也同样可能因为背景中产生的噪声而出现变形，因此需要对塔身3和吊臂的轮廓进行修正，以提高塔身3和吊臂的轮廓识别的准确性，从而提高移动式塔吊安全工作区域设置的准确性。
本实施例中，通过获取到的吊臂和塔身3轮廓在图像中的像素点坐标，首先利用计算平均斜率的方法，对吊臂的轮廓进行初次修正；再基于吊臂和塔身3结合处像素点的位置信息，求取起重臂1与平衡臂2在图像中的像素尺寸；再根据已知真实数据的起重臂1与平衡臂2的长度计算出对应的变换比例，并以差异最小的变换比例作为最优变换比例；然后依据最优变换比例计算出吊臂在图像中的优化后的工作范围的像素点区域，对获取到的图像中吊臂轮廓上的像素点位置进行二次优化；完成吊臂的轮廓修正。
随后，同样利用平均斜率的方法对塔身3的轮廓进行初次修正；再基于塔身3在图像中的像素尺寸和已知真实数据的塔身3高度计算出对应的变换比例，对塔身3在图像中的工作范围的像素点区域进行修正；完成塔身3的轮廓修正。
最终，利用修正后的吊臂和塔身3轮廓的像素点位置，获得当前塔吊施工图像中塔吊安全工作区域的像素点坐标；
本实施例中，在进行塔身3和吊臂的轮廓修正时，按照下述方法进行修正：
f1.将吊臂轮廓像素点集合B＝{b1,b2,……，bn}中的像素点按照横坐标和纵坐标进行分类；由于吊臂采用三角形桁架，因此图像中的吊臂轮廓按照不同的纵坐标范围可划分为两组，分别为吊臂的上边沿4和下边沿5上的像素点集合，令吊臂的上边沿4的像素点集合为B1，吊臂的下边沿5的像素点集合为B2；
将像素点集合B1中各像素点按横坐标大小排序，本实施例中可按照从小至大进行排序，从第1个像素点开始，分别计算第1个像素与第p个像素点所形成的线段的斜率k1，第2个像素与第p-1个像素点所形成的线段的斜率k2，……，直至倒数第p个像素点与最后一个像素点所形成的线段的斜率kp；p为设定的像素点间隔阈值；然后计算所有斜率的平均值即平均斜率kavg，最后以倒数第p个像素点为线段起点，以平均斜率kavg为线段斜率，获取修正后的像素点集合B1中最后一个像素点位置坐标，即吊臂的上边沿4最后端的像素点坐标；
同理，将像素点集合B2中各像素点按横坐标从小至大进行排序，并按照上述方法，获取修正后的像素点集合B2中最后一个像素点位置坐标，即吊臂的下边沿5最后端的像素点坐标；
通过若干组相隔p个像素点的两个像素点的斜率计算出的平均斜率kavg，能够最为准确的表达吊臂的真实姿态，提高吊臂轮廓修正的准确性。
为了能够确定吊臂的平衡臂2和起重臂1的位置，本发明中，充分利用图像中吊臂与塔身3之间的四个结合点的位置特征，进行平衡臂2和起重臂1的位置判断。
即，选取塔身3轮廓像素点集合A和吊臂轮廓像素点集合B中坐标重合的四个像素点的坐标位置，然后比较像素点集合B1和B2中横坐标数值最小的两个像素点的横坐标，与坐标重合的四个像素点中最小横坐标的差值Ds1；以及修正后的吊臂的上边沿4及下边沿5最后端的像素点的横坐标，与坐标重合的四个像素点中最大横坐标的差值Ds2；然后判断Ds1与Ds2大小；若Ds1≥Ds2，则判定像素点集合B1和B2中横坐标数值最小的两个像素点为起重臂1外端的定位点，像素点集合B1和B2中横坐标数值最大的两个像素点为平衡臂2外端的定位点；若Ds1<Ds2，则判定像素点集合B1和B2中横坐标数值最小的两个像素点为平衡臂2外端的定位点，像素点集合B1和B2中横坐标数值最大的两个像素点为起重臂1外端的定位点；
最后，依据得到的吊臂的最前端即起重臂1外端的上下两个定位点的位置坐标，以及吊臂的最后端即平衡臂2外端的上下两个定位点的位置坐标，确定得到当前移动式塔吊施工图像中吊臂的位置信息；然后进入步骤f2；
平衡臂2和起重臂1组成的吊臂，与塔身3的连接，属于起重吊装领域的常规技术，在此不再赘述。
f2.依据步骤f1中判断得到的吊臂的起重臂1与平衡臂2的位置关系；将塔身3轮廓像素点集合A和吊臂轮廓像素点集合B中坐标重合的四个像素点中，距离平衡臂2较近的上下两个像素点分别定义为像素点Point1和像素点Point2，距离起重臂1较近的上下两个像素点分别定义为像素点Point3和像素点Point4，然后分别计算像素点Point1与平衡臂2外端上方定位点的距离L1，像素点Point2与平衡臂2外端下方定位点的距离L2，像素点Point3与起重臂1外端上方定位点的距离L3，像素点Point4与起重臂1外端下方定位点的距离L4；
根据移动式塔吊的平衡臂2实际长度数值Lt1和起重臂1实际长度数值Lt2，分别计算L1与Lt1的比值e1、L2与Lt1的比值e2、L3与Lt2的比值e3和L4与Lt2的比值e4；e1至e4即为对应部位的平衡臂2和起重臂1的缩放比例；
若e1与e2的差值Dt1小于e3与e4的差值Dt2，则以e1为优化后的缩放比例，根据起重臂1实际长度数值Lt2、像素点Point3的坐标位置以及像素点Point3与起重臂1外端上方定位点连线的斜率，重新确定起重臂1外端上方定位点的位置坐标；并以e2为优化后的缩放比例，根据起重臂1实际长度数值Lt2、像素点Point4的坐标位置以及像素点Point4与起重臂1外端下方定位点连线的斜率，重新确定起重臂1外端下方定位点的位置坐标；
若e1与e2的差值Dt1大于等于e3与e4的差值Dt2，则以e3为优化后的缩放比例，根据平衡臂2实际长度数值Lt1、像素点Point1的坐标位置以及像素点Point1与平衡臂2外端上方定位点连线的斜率，重新确定平衡臂2外端上方定位点的位置坐标；并以e4为优化后的缩放比例，根据平衡臂2实际长度数值Lt1、像素点Point2的坐标位置以及像素点Point2与平衡臂2外端下方定位点连线的斜率，重新确定平衡臂2外端下方定位点的位置坐标；然后进入步骤f3；
上述吊臂轮廓的优化方法，充分考虑了每幅移动式塔吊施工图像中的移动式塔吊的吊臂因旋转角度不同而导致的比例不同，更为精准的判定出当前移动式塔吊施工图像中吊臂的位置信息。
f3.利用获得的塔身3轮廓像素点集合A＝{a1,a2,……，an}，通过计算塔身3轮廓左边沿与右边沿上像素集点的平均斜率，并利用平均斜率对塔身3的轮廓进行修正，修正方法与吊臂中使用平均斜率的修正方法一致，能够为准确的表达吊臂的真实姿态，提高塔身3轮廓修正的准确性。
然后利用吊臂下方的塔身3至地面的真实距离，以及在移动式塔吊施工图像中的像素距离，计算得到塔身3下部缩放比例；然后以塔身3下部缩放比例为优化后的缩放比例，根据吊臂上方的塔身3至塔顶的真实距离、像素点Point1和像素点Point3的坐标位置以及像素点Point1和像素点Point3与修正后图像中的对应的塔顶上方左右两个定位点的斜率，重新确定塔顶上方左右两个定位点的位置坐标；
步骤f3中，轮廓进行修正的步骤与步骤f1相同，塔顶上方左右两个定位点位置坐标的重新确定，与步骤f2相同，在此不再赘述。
根据步骤f2和f3的结果，即可重新确定每幅移动式塔吊施工图像中的移动式塔吊安全工作区域；
g.利用对应的固定式图像采集设备，连续采集移动式塔吊在360度旋转范围下的移动式塔吊施工图像；并以塔身3在移动式塔吊施工图像中的位置为基准，以起重臂1的最外端各像素点位于最大运动位置时的像素点坐标，确定每台固定式图像采集设备所拍摄的移动式塔吊施工图像中的移动式塔吊安全工作区域；即移动式塔吊安全工作区域的横向范围为起重臂1的最外端位于左侧和右侧的最大运动位置之间的范围，移动式塔吊安全工作区域的纵向范围为修正后的塔身3高度范围至地面；
上述安全区域的判定，充分考虑到移动式塔吊自身运动安全，以及移动式塔吊吊装物品时下方施工人员的人身安全。
h.处理模块根据接收到的对应的固定式图像采集设备发送的移动式塔吊施工图像，创建与移动式塔吊施工图像具有相同图像尺寸和分辨率的图片作为模板图像；
i.处理模块利用步骤g中得到的对应固定式图像采集设备所拍摄的移动式塔吊施工图像中的移动式塔吊安全工作区域，在模板图像中生成移动式塔吊安全工作区域，并确定移动式塔吊安全工作区域在模板图像的区域范围；
采用相同的固定式图像采集设备所拍摄的移动式塔吊施工图像，能够有效优化不同位置、不同角度下摄像机拍摄所引发的图像变形的因素影响，进一步提高移动式塔吊安全工作区域设定的准确性。
j.处理模块依据实时接收到的移动式塔吊施工图像，利用图像识别技术进行移动式塔吊轮廓以及吊载物品的边缘识别，并判断移动式塔吊施工图像中的移动式塔吊以及吊载物品是否超出对应模板图像中的移动式塔吊安全工作区域；同时实时判断接收到的移动式塔吊施工图像中，移动式塔吊安全工作区域中是否出现其他物品；若移动式塔吊以及吊载物品超出对应模板图像中的移动式塔吊安全工作区域，或移动式塔吊安全工作区域中出现其他物品，则处理模块通过报警装置通知设定的主管人员和对应的施工人员；
吊载物品及移动式塔吊安全工作区域中出现其他物品的位置识别，可基于现有的图像识别技术进行；由于识别过程中无需识别出具体品类，因此有大量现有技术可以实现对安全工作区域中出现的其他物品或吊载物品的监控，如已在各类视频监控报警系统中采用的图像识别及追踪标定方法，在此不再赘述；
本发明中，考虑到多台移动式塔吊工作时位置特点，为降低误报率，步骤D1中，若施工现场同时存在多台移动式塔吊，则选择不同位置处设置的多台固定式图像采集设备同时监控移动式塔吊工作，且任意一台摄像装置所采集的照片中至少同时包含两台移动式塔吊，处理模块按照上述方法分别在对应的移动式塔吊施工图像中确定各个移动式塔吊的移动式塔吊安全工作区域；当多台移动式塔吊同时工作时，若任意一幅移动式塔吊施工图像中的各个移动式塔吊的安全工作区域均不重叠，则判断各个移动式塔吊均处于安全工作状态，不存在撞击风险；
上述情况考虑到部分摄像装置由于位置原因，导致采集到的移动式塔吊施工图像中的移动式塔吊安全工作区域重叠，但实际中两台移动式塔吊可能处于前后位置，本质上两台移动式塔吊的安全工作区域并不重叠，同时施工并不存在安全隐患。因而本实施例中设置上述规则，以避免误报情况的出现。
D2：利用不同位置点设置的固定式图像采集设备，对通过的施工人员进行拍摄，并将采集到的包含有施工人员的人员图像发送至处理模块；处理模块依据防坠落安全规则，结合施工人员佩戴的GPS定位装置和电子标签，还可结合人脸识别技术对人员图像中施工人员身份进行识别，并对施工人员是否佩戴有安全帽或安全带进行判断，若人员图像中施工人员未佩戴安全帽或安全带，则处理模块通过报警装置通知设定的主管人员和对应的施工人员；
本实施例中，利用GPS定位装置和电子标签，结合图像识别算法对摄像装置采集图像进行识别，以进行施工人员身份认证、是否未佩戴安全帽或安全带识别，属于本领域常规技术，在此不再赘述。GPS定位装置和电子标签能够准确确定施工人员所处的位置及高度，有效区分不同楼层高度的施工人员位置。
D3：在存在坠落风险的施工地点和通行危险区域分别设置固定式图像采集设备并进行实时拍摄，将采集到的风险区域图像分别发送至处理模块；处理模块创建与接收到的风险区域图像相同图像尺寸和分辨率的图片作为模板图像，依据防坠落安全规则和通行安全规则，在模板图像中生成坠落风险区域和通行风险区域，并确定坠落风险区域和通行风险区域在模板图像的区域范围；
随后处理模块依据实时接收到的风险区域图像，结合施工人员佩戴的GPS定位装置和电子标签进行施工人员的三维位置信息及身份识别，判断通行风险区域和坠落风险区域是否出现违反防坠落安全规则和通行安全规则的行为发生；若出现违反防坠落安全规则和通行安全规则的行为发生，则处理模块通过报警装置通知设定的主管人员和对应的施工人员；
确定坠落风险区域和通行风险区域在模板图像中的区域范围，与步骤D1中移动式塔吊安全工作区域确定方法类似，在此不再赘述；GPS定位装置和电子标签，结合图像识别算法对摄像装置采集图像进行识别，以进行施工人员身份认识别及位置识别，属于本领域常规技术，在此不再赘述。
本实施例中，图像设备采集的频率可在工作时间段内按照设定的频率进行采集，如间隔5秒、10秒、30秒或实时采集。
本发明中，还可利用塔吊检测传感器组，包括倾斜传感器、负荷传感器、高度传感器对移动式塔吊的状态信息进行监控，并通过无线传感器网络将数据传输至BIM模型中，通过三维可视化的形式对移动式塔吊状态进行安全监控。其中，倾斜传感器用于测量移动式塔吊的倾斜角度，负荷传感器用于测量移动式塔吊的负荷重量，高度传感器用于对吊臂的高度进行检测。基于塔吊检测传感器组，本发明可分别通过图像识别技术和传感器检测技术，实现施工现场的智能风险识别。通过图像识别技术或传感器检测技术识别到的任意一种施工现场风险出现，均可及时准确地通知到设定的主管人员。本发明中，两种施工现场智能风险识别手段的并行，极大地降低了施工现场风险的漏判率。
本发明中，施工人员安全头盔上设置有GPS定位装置，同时施工人员还佩戴有可被电子标签识别系统和蓝牙信标识别的电子标签，能够对施工人员进行包含高度信息在内的位置定位及身份识别，同时结合安全规则集中的防坠落安全规则和通行安全规则，判断坠落风险区域和通行风险区域是否出现违反防坠落安全规则和通行安全规则的行为发生；若出现违反防坠落安全规则和通行安全规则的行为发生，则处理模块通过报警装置通知设定的主管人员和对应的施工人员；
同时，通过GPS定位装置、蓝牙信标及电子标签获得的施工人员的三维位置信息，在BIM模型中对施工人员所在的位置进行定位，并通过移动式图像采集设备采集到的实时图像与BIM模型进行对比，判断BIM模型中具有坠落风险的地点所设置的安全防护装置是否在实时图像中真实存在。能够有效解决现场图像数据来源单一、无法真实判定落风险的地点处安全防护装置是否真实存在、是否准确匹配的缺陷，进一步提高施工现场风险的识别准确率。
本发明基于BIM模型和图像识别技术，配合GPS定位技术、蓝牙信标定位技术和身份识别技术，能够有效实现施工现场的智能风险识别。
本发明所述的基于BIM模型的施工现场风险智能识别系统，包括BIM模块、图像采集模块、信号采集模块组、处理模块、传输网络模块和报警模块；
BIM模块，用于根据施工场地数据、移动式塔吊数据及设计图纸信息建立施工场地、移动式塔吊和建筑物的三维模型，并对存在坠落风险的施工地点和通行危险区域进行监控；BIM模块还基于信号采集模块组发送的移动式塔吊的状态信息，通过三维可视化的形式对移动式塔吊状态进行安全监控；
图像采集模块，包括设置在施工场地固定位置点的固定式图像采集设备，和设置在施工人员所佩戴的安全头盔上的移动式图像采集设备；固定式图像采集设备用于对移动式塔吊的施工过程及监控场所进行图像采集，移动式图像采集设备用于对施工人员周边环境进行实时图像采集；然后将采集到的图像通过传输网络模块发送至处理模块；
信号采集模块组，包括设置在移动式塔吊上的塔吊检测传感器组，用于对移动式塔吊的状态信息进行监控；信号采集模块组还包括设置于施工场地固定位置点的蓝牙信标、设置于施工人员安全头盔上的GPS定位装置和电子标签，蓝牙信标、GPS定位装置和电子标签用于实现对包含高度信息在内的施工人员三维位置信息的定位及对施工人员进行身份验证，并通过传输网络模块将数据传输至BIM模块；
处理模块，用于依据安全规则集中的防坠落安全规则和通行安全规则，分别在对应的模板图像中设定移动式塔吊安全工作区域、坠落风险区域和通行风险区域，并基于施工人员的三维位置信息，利用图像识别技术对移动式塔吊施工图像和人员图像进行识别及分析；若移动式塔吊施工图像中出现移动式塔吊以及吊载物品超出对应模板图像中的移动式塔吊安全工作区域或移动式塔吊安全工作区域中出现其他物品，以及人员图像中出现不符合防坠落安全规则或通行安全规则的情形，则处理模块通过传输网络模块和报警装置通知设定的主管人员和对应的施工人员；
传输网络模块，用于实现BIM模块、图像采集模块、信号采集模块组、处理模块和报警模块的信息交互；
报警模块，用于接收处理模块发送的预警信息并传输至主管人员和对应的施工人员。
上述各个模块的工作方法和工作原理，在上文中有详细描述，各个模块共同配合完成上述基于BIM模型的施工现场风险智能识别方法，在此不在赘述。

Claims (5)

1.基于BIM模型的施工现场风险智能识别方法，其特征在于：依次包括以下步骤：
A：收集施工场地数据、设计图纸信息及施工人员信息；
B：根据施工场地数据、设计图纸信息及施工人员信息，利用BIM软件建立施工场地和建筑物的三维模型，并设定施工人员的活动范围及工作行为标准；
C：利用BIM软件，依据施工过程中的安全施工规定创建安全规则集，安全规则集包括防坠落安全规则和通行安全规则；
D：在施工场地若干固定位置点分别设置蓝牙信标和固定式图像采集设备，并在施工人员所佩戴的安全头盔上设置移动式图像采集设备和GPS定位装置；
蓝牙信标用于和施工人员携带的电子标签进行信息交互，实现身份识别和包含高度信息的位置判定；固定式图像采集设备用于对监控场所进行实时图像采集，移动式图像采集设备用于对施工人员周边环境进行实时图像采集，固定式图像采集设备和移动式图像采集设备将采集到的图像发送至处理模块；GPS定位装置用于实现施工人员实时位置判定；处理模块依据安全规则集中的防坠落安全规则和通行安全规则，基于GPS定位技术和蓝牙信标定位技术对施工人员位置进行三维位置定位，同时基于图像识别技术对固定式图像采集设备和移动式图像采集设备发送的图像进行识别及分析，若施工人员位置和/或图像中出现不符合防坠落安全规则或通行安全规则的情形，则处理模块通过报警装置通知设定的主管人员；
所述的步骤A中，施工场地数据，包括场地地形和地貌数据；设计图纸信息，包括建筑物的三维模型和结构设计信息；施工人员信息，包括施工人员的姓名、工种及施工时间安排信息；
所述的步骤C中，防坠落安全规则为对应工种的施工人员禁止进入存在坠落风险的施工地点、对应工种的施工人员需距离存在坠落风险的施工地点设定距离和/或对应工种的施工人员需佩戴安全护具进入存在坠落风险的施工地点；通行安全规则为对应工种的施工人员禁止进入通行危险区域和/或需距离通行危险区域设定距离；
所述的步骤D包括以下具体步骤：
D1：在参与现场施工的若干移动式塔吊上分别设置GPS定位装置，利用GPS定位技术对移动式塔吊位置进行实时分析；然后收集移动式塔吊的设备信息，并利用BIM软件建立移动式塔吊的三维模型；再通过在不同固定位置点分别设置的固定式图像采集设备，全面覆盖并监控若干移动式塔吊的工作范围，对移动式塔吊的施工过程进行全程拍摄，并将采集到的移动式塔吊施工图像分别发送至处理模块；
处理模块依据移动式塔吊的设备信息中起重臂、平衡臂的长度和塔身的高度，结合工作位置处已知尺寸的移动式塔吊在不同移动式塔吊施工图像中的像素位置，确定每台固定式图像采集设备所拍摄的移动式塔吊施工图像中的移动式塔吊安全工作区域；然后处理模块根据对应位置点的固定式图像采集设备发送的移动式塔吊施工图像，创建与移动式塔吊施工图像具有相同图像尺寸和分辨率的图片作为模板图像，并利用对应移动式塔吊施工图像中的移动式塔吊安全工作区域，在模板图像中生成对应的移动式塔吊安全工作区域，并确定移动式塔吊安全工作区域在模板图像的区域范围；
随后处理模块依据实时接收到的移动式塔吊施工图像，利用图像识别技术进行移动式塔吊轮廓以及吊载物品的边缘识别，并判断移动式塔吊施工图像中的移动式塔吊以及吊载物品是否超出对应模板图像中的移动式塔吊安全工作区域；并实时判断接收到的移动式塔吊施工图像中，移动式塔吊安全工作区域中是否出现其他物品；若移动式塔吊或吊载物品超出对应模板图像中的移动式塔吊安全工作区域，或移动式塔吊安全工作区域中出现其他物品，则处理模块通过报警装置通知设定的主管人员和对应的施工人员；
D2：利用不同位置点设置的固定式图像采集设备，对通过的施工人员进行拍摄，并将采集到的包含有施工人员的人员图像发送至处理模块；处理模块依据防坠落安全规则，结合施工人员佩戴的GPS定位装置和电子标签，对人员图像中施工人员身份进行识别，并对施工人员是否佩戴有安全帽或安全带进行判断，若人员图像中施工人员未佩戴安全帽或安全带，则处理模块通过报警装置通知设定的主管人员和对应的施工人员；
D3：在存在坠落风险的施工地点和通行危险区域分别设置固定式图像采集设备并进行实时拍摄，将采集到的风险区域图像分别发送至处理模块；处理模块创建与接收到的风险区域图像相同图像尺寸和分辨率的图片作为模板图像，依据防坠落安全规则和通行安全规则，在模板图像中生成坠落风险区域和通行风险区域，并确定坠落风险区域和通行风险区域在模板图像的区域范围；
随后处理模块依据实时接收到的风险区域图像，结合施工人员佩戴的GPS定位装置和电子标签进行施工人员的三维位置信息及身份识别，判断通行风险区域和坠落风险区域是否出现违反防坠落安全规则和通行安全规则的行为发生；若出现违反防坠落安全规则和通行安全规则的行为发生，则处理模块通过报警装置通知设定的主管人员和对应的施工人员；
步骤D1中处理模块按照下述步骤确定移动式塔吊安全工作区域：
a.对移动式塔吊施工图像进行灰度化处理，将移动式塔吊施工图像由彩色转化为灰度图像；去除移动式塔吊施工图像中颜色信息并保留物体形状和边缘的灰度信息；
b.利用平滑滤波器对转化后的灰度图像进行平滑处理，减少灰度图像中的噪声，得到去噪后的灰度图像；
c.利用图像增强技术增加去噪后的灰度图像中物体边缘的对比度和清晰度，得到增强后的灰度图像；
d.使用Canny边缘检测算法对增强后的灰度图像中的物体进行边缘提取，获取移动式塔吊的塔身和吊臂的轮廓；
e.利用轮廓检测算法，获取移动式塔吊的塔身和吊臂的轮廓，并利用塔身和吊臂轮廓上的像素点构成塔身轮廓像素点集合A和吊臂轮廓像素点集合B；
其中，A＝{a1,a2,……，an}，B＝{b1,b2,……，bn}；an和bn均表示像素点；
f.基于塔身轮廓像素点集合A和吊臂轮廓像素点集合B，结合移动式塔吊的起重臂、平衡臂和塔身的高度数值，对获取到的塔身和吊臂的轮廓进行修正；
g.利用对应的固定式图像采集设备连续采集移动式塔吊在360度旋转范围下的移动式塔吊施工图像；并以塔身在移动式塔吊施工图像中的位置为基准，以起重臂的最外端各像素点位于最大运动位置时的像素点坐标，确定每台固定式图像采集设备所拍摄的移动式塔吊施工图像中的移动式塔吊安全工作区域；
h.处理模块根据接收到的对应的固定式图像采集设备发送的移动式塔吊施工图像，创建与移动式塔吊施工图像具有相同图像尺寸和分辨率的图片作为模板图像；
i.处理模块利用步骤g中得到的对应固定式图像采集设备所拍摄的移动式塔吊施工图像中的移动式塔吊安全工作区域，在模板图像中生成移动式塔吊安全工作区域，并确定移动式塔吊安全工作区域在模板图像的区域范围；
j.处理模块依据实时接收到的移动式塔吊施工图像，利用图像识别技术进行移动式塔吊轮廓以及吊载物品的边缘识别，并判断移动式塔吊施工图像中的移动式塔吊以及吊载物品是否超出对应模板图像中的移动式塔吊安全工作区域；同时实时判断接收到的移动式塔吊施工图像中，移动式塔吊安全工作区域中是否出现其他物品；若移动式塔吊以及吊载物品超出对应模板图像中的移动式塔吊安全工作区域，或移动式塔吊安全工作区域中出现其他物品，则处理模块通过报警装置通知设定的主管人员和对应的施工人员；
所述的步骤f中，通过获取到的吊臂和塔身轮廓在图像中的像素点坐标，首先利用计算平均斜率的方法，对吊臂的轮廓进行初次修正；再基于吊臂和塔身结合处像素点的位置信息，求取起重臂与平衡臂在图像中的像素尺寸；再根据已知真实数据的起重臂与平衡臂的长度计算出对应的变换比例并判断最优变换比例；然后依据最优变换比例计算出吊臂在图像中的优化后的工作范围的像素点区域，对获取到的图像中吊臂轮廓上的像素点位置进行二次优化；
最后，利用平均斜率的方法对塔身的轮廓进行初次修正；再基于塔身在图像中的像素尺寸和已知真实数据的塔身高度计算出对应的变换比例，对塔身在图像中的工作范围的像素点区域进行修正；最终获得当前塔吊施工图像中塔吊安全工作区域的像素点坐标。
2.根据权利要求1所述的基于BIM模型的施工现场风险智能识别方法，其特征在于：所述的步骤D中，还利用得到的施工人员的三维位置定位信息，在BIM模型中对施工人员所在的位置进行定位，并通过对应的移动式图像采集设备采集到的实时图像与BIM模型进行对比，判断BIM模型中具有坠落风险的施工地点所设置的安全防护装置是否在实时图像中真实存在。
3.根据权利要求1所述的基于BIM模型的施工现场风险智能识别方法，其特征在于：所述的步骤D1中，若施工现场同时存在多台移动式塔吊，则选择不同位置处设置的多台固定式图像采集设备同时监控移动式塔吊工作，且任意一台固定式图像采集设备所采集的照片中至少同时包含两台移动式塔吊，处理模块在对应的移动式塔吊施工图像中分别确定各个移动式塔吊的安全工作区域；当多台移动式塔吊同时工作时，若任意一幅移动式塔吊施工图像中的各个移动式塔吊的安全工作区域均不重叠，则判断该移动式塔吊施工图像中各个移动式塔吊均处于安全工作状态，不存在撞击风险。
4.根据权利要求1所述的基于BIM模型的施工现场风险智能识别方法，其特征在于：所述的步骤f包括以下具体步骤：
f1.将吊臂轮廓像素点集合B＝{b1,b2,……，bn}中的像素点按照横坐标和纵坐标进行分类，分别为吊臂的上边沿和下边沿上的像素点集合，令吊臂的上边沿的像素点集合为B1，吊臂的下边沿的像素点集合为B2；
将像素点集合B1中各像素点按横坐标从小至大进行排序，从第1个像素点开始，分别计算第1个像素与第p个像素点所形成的线段的斜率k1，第2个像素与第p+1个像素点所形成的线段的斜率k2，直至倒数第p个像素点与最后一个像素点所形成的线段的斜率kp；p为设定的像素点间隔阈值；然后计算所有斜率的平均值即平均斜率kavg，最后以倒数第p个像素点为线段起点，以平均斜率kavg为线段斜率，获取修正后的像素点集合B1中最后一个像素点位置坐标，即吊臂的上边沿最后端的像素点坐标；
将像素点集合B2中各像素点按横坐标从小至大进行排序，并按照吊臂的上边沿最后端的像素点坐标获取方法，获取修正后的像素点集合B2中最后一个像素点位置坐标，即吊臂的下边沿最后端的像素点坐标；
选取塔身轮廓像素点集合A和吊臂轮廓像素点集合B中坐标重合的四个像素点的坐标位置，然后比较像素点集合B1和B2中横坐标数值最小的两个像素点的横坐标，与坐标重合的四个像素点中最小横坐标的差值Ds1；以及修正后的吊臂的上边沿及下边沿最后端的像素点的横坐标，与坐标重合的四个像素点中最大横坐标的差值Ds2；然后判断Ds1与Ds2大小；若Ds1≥Ds2，则判定像素点集合B1和B2中横坐标数值最小的两个像素点为起重臂外端的定位点，像素点集合B1和B2中横坐标数值最大的两个像素点为平衡臂外端的定位点；若Ds1<Ds2，则判定像素点集合B1和B2中横坐标数值最小的两个像素点为平衡臂外端的定位点，像素点集合B1和B2中横坐标数值最大的两个像素点为起重臂外端的定位点；
最后，依据得到的吊臂的起重臂外端的上下两个定位点的位置坐标，以及吊臂的平衡臂外端的上下两个定位点的位置坐标，确定得到当前移动式塔吊施工图像中吊臂的位置信息；然后进入步骤f2；
f2.依据步骤f1中判断得到的吊臂的起重臂与平衡臂的位置关系；将塔身轮廓像素点集合A和吊臂轮廓像素点集合B中坐标重合的四个像素点中，距离平衡臂较近的上下两个像素点分别定义为像素点Point1和像素点Point2，距离起重臂较近的上下两个像素点分别定义为像素点Point3和像素点Point4，然后分别计算像素点Point1与平衡臂外端上方定位点的距离L1，像素点Point2与平衡臂外端下方定位点的距离L2，像素点Point3与起重臂外端上方定位点的距离L3，像素点Point4与起重臂外端下方定位点的距离L4；
根据移动式塔吊的平衡臂实际长度数值Lt1和起重臂实际长度数值Lt2，分别计算L1与Lt1的比值e1、L2与Lt1的比值e2、L3与Lt2的比值e3和L4与Lt2的比值e4；
若e1与e2的差值Dt1小于e3与e4的差值Dt2，则以e1为优化后的缩放比例，根据起重臂实际长度数值Lt2、像素点Point3的坐标位置以及像素点Point3与起重臂外端上方定位点连线的斜率，重新确定起重臂外端上方定位点的位置坐标；并以e2为优化后的缩放比例，根据起重臂实际长度数值Lt2、像素点Point4的坐标位置以及像素点Point4与起重臂外端下方定位点连线的斜率，重新确定起重臂外端下方定位点的位置坐标；
若e1与e2的差值Dt1大于等于e3与e4的差值Dt2，则以e3为优化后的缩放比例，根据平衡臂实际长度数值Lt1、像素点Point1的坐标位置以及像素点Point1与平衡臂外端上方定位点连线的斜率，重新确定平衡臂外端上方定位点的位置坐标；并以e4为优化后的缩放比例，根据平衡臂实际长度数值Lt1、像素点Point2的坐标位置以及像素点Point2与平衡臂外端下方定位点连线的斜率，重新确定平衡臂外端下方定位点的位置坐标；然后进入步骤f3；
f3.利用获得的塔身轮廓像素点集合A＝{a1,a2,……，an}，通过计算塔身轮廓左边沿与右边沿上像素集点的平均斜率，并利用平均斜率对塔身的轮廓进行修正；然后利用吊臂下方的塔身至地面的真实距离，以及在移动式塔吊施工图像中的像素距离，计算得到塔身下部缩放比例；然后以塔身下部缩放比例为优化后的缩放比例，根据吊臂上方的塔身至塔顶的真实距离、像素点Point1和像素点Point3的坐标位置以及像素点Point1和像素点Point3与修正后图像中的对应的塔顶上方左右两个定位点的斜率，重新确定塔顶上方左右两个定位点的位置坐标。
5.一种用于实现权利要求1至4中任意一种基于BIM模型的施工现场风险智能识别方法的系统，其特征在于：包括BIM模块、图像采集模块、信号采集模块组、处理模块、传输网络模块和报警模块；
BIM模块，用于根据施工场地数据、移动式塔吊数据及设计图纸信息建立施工场地、移动式塔吊和建筑物的三维模型，并对存在坠落风险的施工地点和通行危险区域进行监控；BIM模块还基于信号采集模块组发送的移动式塔吊的状态信息，通过三维可视化的形式对移动式塔吊状态进行安全监控；
图像采集模块，包括设置在施工场地固定位置点的固定式图像采集设备，和设置在施工人员所佩戴的安全头盔上的移动式图像采集设备；固定式图像采集设备用于对移动式塔吊的施工过程及监控场所进行图像采集，移动式图像采集设备用于对施工人员周边环境进行实时图像采集；然后将采集到的图像通过传输网络模块发送至处理模块；
信号采集模块组，包括设置在移动式塔吊上的塔吊检测传感器组，用于对移动式塔吊的状态信息进行监控；信号采集模块组还包括设置于施工场地固定位置点的蓝牙信标、设置于施工人员安全头盔上的GPS定位装置和电子标签，蓝牙信标、GPS定位装置和电子标签用于实现对包含高度信息在内的施工人员三维位置信息的定位及对施工人员进行身份验证，并通过传输网络模块将数据传输至BIM模块；
处理模块，用于依据安全规则集中的防坠落安全规则和通行安全规则，分别在对应的模板图像中设定移动式塔吊安全工作区域、坠落风险区域和通行风险区域，并基于施工人员的三维位置信息，利用图像识别技术对移动式塔吊施工图像和人员图像进行识别及分析；若移动式塔吊施工图像中出现移动式塔吊以及吊载物品超出对应模板图像中的移动式塔吊安全工作区域或移动式塔吊安全工作区域中出现其他物品，以及人员图像中出现不符合防坠落安全规则或通行安全规则的情形，则处理模块通过传输网络模块和报警装置通知设定的主管人员和对应的施工人员；
传输网络模块，用于实现BIM模块、图像采集模块、信号采集模块组、处理模块和报警模块的信息交互；
报警模块，用于接收处理模块发送的预警信息并传输至主管人员和对应的施工人员。
CN202311416629.XA 2023-10-30 2023-10-30 基于bim模型的施工现场风险智能识别方法及系统 Active CN117474321B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311416629.XA CN117474321B (zh) 2023-10-30 2023-10-30 基于bim模型的施工现场风险智能识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311416629.XA CN117474321B (zh) 2023-10-30 2023-10-30 基于bim模型的施工现场风险智能识别方法及系统

Publications (2)

Publication Number Publication Date
CN117474321A CN117474321A (zh) 2024-01-30
CN117474321B true CN117474321B (zh) 2024-04-19

Family

ID=89628630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311416629.XA Active CN117474321B (zh) 2023-10-30 2023-10-30 基于bim模型的施工现场风险智能识别方法及系统

Country Status (1)

Country Link
CN (1) CN117474321B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111145479A (zh) * 2019-12-31 2020-05-12 清华大学 基于bim定位技术的施工危险环境实时预警平台与方法
CN112150613A (zh) * 2020-09-23 2020-12-29 成都云铁智能交通科技有限公司 驱动bim模型生成千公里级高铁接触网三维孪生系统的方法
CN113610827A (zh) * 2021-08-16 2021-11-05 沭阳县广厦建材有限公司 一种基于人工智能的吊车施工风险评估方法及装置
CN115049975A (zh) * 2022-05-19 2022-09-13 中国建筑第八工程局有限公司 一种动态展示施工场地安全活动要素的方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11288412B2 (en) * 2018-04-18 2022-03-29 The Board Of Trustees Of The University Of Illinois Computation of point clouds and joint display of point clouds and building information models with project schedules for monitoring construction progress, productivity, and risk for delays

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111145479A (zh) * 2019-12-31 2020-05-12 清华大学 基于bim定位技术的施工危险环境实时预警平台与方法
CN112150613A (zh) * 2020-09-23 2020-12-29 成都云铁智能交通科技有限公司 驱动bim模型生成千公里级高铁接触网三维孪生系统的方法
CN113610827A (zh) * 2021-08-16 2021-11-05 沭阳县广厦建材有限公司 一种基于人工智能的吊车施工风险评估方法及装置
CN115049975A (zh) * 2022-05-19 2022-09-13 中国建筑第八工程局有限公司 一种动态展示施工场地安全活动要素的方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BIM+智慧工地管理服务平台建设关键技术研究;郭伟斌;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20230215(第02期);全文 *
一种组立特高压钢管塔的智能平衡力矩抱杆;王福海;黄鹏;王宝利;张广鸿;陈朝勇;;山东电力技术;20160725(第07期);全文 *

Also Published As

Publication number Publication date
CN117474321A (zh) 2024-01-30

Similar Documents

Publication Publication Date Title
CN111275923B (zh) 施工现场的人机碰撞预警方法及系统
CN110733983B (zh) 一种塔吊安全控制系统及其控制方法
CN107578012A (zh) 一种基于聚类算法选择敏感区域的驾驶辅助系统
CN111506011A (zh) 一种施工安全监测方法和装置
CN111062373A (zh) 一种基于深度学习的吊装过程危险识别方法及系统
CN114842560B (zh) 基于计算机视觉的建筑工地人员危险行为识别方法
CN114299106A (zh) 一种基于视觉传感与轨迹预测的高空抛物预警系统及方法
CN113506416A (zh) 一种基于智能视觉分析的工程异常预警方法及系统
CN107200274A (zh) 一种基于机器视觉的防集装箱卡车被吊起方法
CN117474321B (zh) 基于bim模型的施工现场风险智能识别方法及系统
CN116389695B (zh) 建筑工地监控方法、装置、建筑工地巡查设备及存储介质
CN111461079A (zh) 一种基于双目图像的吊臂下人员检测方法
CN116863232A (zh) 一种基于姿态图像识别监测的钢结构安全吊装方法及装置
CN114812403B (zh) 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法
CN113014894B (zh) 一种基于人工智能的石油井下作业安全盯控方法
CN114821444A (zh) 一种基于视觉感知的无人天车作业区域安全检测方法
CN112551400A (zh) 一种基于单目视觉检测的塔吊起重臂形变检测系统
CN113343947B (zh) 一种基于人工智能的石油井下油管升降安全分析方法
CN112723163A (zh) 基于人工智能的冶金天车作业预警方法及系统
CN116882220B (zh) 起重机站位区域规划方法及装置、电子设备、存储介质
CN110909606A (zh) 基于深度学习的变电站人员行为检测方法
CN114772467A (zh) 基于图像识别的塔机顶升过程中垂直度监测系统及方法
CN103442218B (zh) 一种多模式行为识别与描述的视频信号预处理方法
CN111241959B (zh) 一种通过工地视频流检测未佩戴安全帽人员的方法
CN114291734B (zh) 智能电动葫芦控制系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant