智能建筑：数字孪生重构最古老的行业

本文选自Intellectsoft公司网站，对数字孪生在建筑行业的应用，做了全面的描述，对于建筑工地的智能化，有很大的指导意义。编译略有删节。

增强现实等新兴建筑技术的发展，进一步促进了建筑行业的数字化发展和建设效率。然而，作为全球最古老行业之一的建筑行业，在麦肯锡数字化指数（首次按行业测评美国经济数字化程度的指数）中却排名倒数第二。迄今为止，技术行业所关注的，一直都是移动信息而非材料原子。材料原子是建筑的本质，在建筑物和基础设施的本地化和劳动密集型活动中，将原子排列到相关活动中。但是，随着传感器、小型化、机器人技术、无人机、计算能力和智能算法等最新技术发展，我们得以了解如何将数字和物理相结合，从而能够在较短的时间内，建造更便宜、更环保、更耐久的建筑物。

如果可以即时访问建筑工地、个人、每个工具和每个螺栓最微小细节的所有信息；如果可以确定屋梁的最终测量结果或切口中的土壤体积是否接近填充的体积；如果能够即时跟踪物料的供应情况，在接近用完的时候自动重新订购；那么，建筑行业将会迎来哪些变革呢？

这一切，都可以通过“数字孪生”来实现。数字孪生是对物理对象进行实时数字化表示的概念。通常，数字数据由传感器形成，传感器会持续监控环境变化，以测量和图片的形式报告更新后的状态。

在本文中，我们将回顾数字孪生技术的使用实例，及其能够给建设项目团队带来的具体帮助。然后，本文将展示当前用于从建筑工地收集原始图像数据的技术，以及处理非结构化数据以重建建筑工地的3D数字表示的方法。

数字孪生技术的概念首次于2002年提出，最先应用于航空航天、制造和产品生命周期管理领域。比如，美国国家航空航天局（NASA）的月球探索任务阿波罗13号（Apollo 13）和火星漫游者（Mars Rover Curiosity）。

本质上，数字孪生使用来自传感器的持续数据，将物理对象及其数字表示连接起来。所有数据均来自连接在物理对象上的传感器，相关数据用于建立虚拟对象的表示。

图1  数字孪生

该数字表示可用于可视化、建模、分析和仿真等，相关数据会触发决策和工作流变化的反馈回路，这些工作流变化会影响实际对象系统的控制过程。

对于建筑而言，数字孪生技术的使用，可以实现即时访问已建立和已设计的模型，这些模型会实时进行同步。这样一来，公司可以根据4D BIM模型中列出的时间表即时监控进度。

图2  数字孪生在建筑中的使用

甚至可以使用模型预测控制的方法，基于建筑物的当前状态和正向模拟做出决策，即时分析不同的行动路径，并估计其概率和相应的成本函数，为下一步工作选择（或调整）最佳的决策。

进度监控可验证已完成的工作是否与计划和规范一致，是否需要进行实地观察，以核实所报告工作量的百分比并明确项目实施进程。

通过重建建筑物或结构的建成状态，我们可以将其与BIM中的计划执行情况进行比较，并采取相应的措施来纠正出现的偏差。一般来说，我们会重建建筑物的几何形状并将放进模型坐标系中，然后按照形状和对象，与计划模型进行比较。

一般而言，由于进度监控的数据是通过现场人员收集的，因此，相关数据可能会非常主观。例如，在项目开始阶段，报告的已完成工作百分比会大于实际数据，而在项目结束阶段，则可能会小于实际数据。这是因为项目开始阶段，人们对实际进度和完成工作所需的时间会持更加乐观的态度。

因此，采用自动化的数据收集和比较方法，就意味着将生成的模型转换为设计好的BIM模型，从而减少人工失误。数字孪生技术可以解决施工过程中的这些常见问题。

使用实时数字孪生技术，可以每天、甚至每小时地跟踪建成模型的变化情况，尽早发现差异也可以帮助我们对之前的建模数据进行详细分析，从而为后续决策流程提供多一层信息。

图3  竣工模型和设计模型

然后，项目经理可以重构导致错误的步骤，更改将来的工作计划，以防发生类似的错误。还可以找出表现不佳的因素，从而及时解决项目中出现的问题，或对整个项目的预算和时间表进行及时、必要的更改。

根据建筑工业协会的数据，大约25％的生产时间都浪费在了不必要的材料移动和处理上。

数字孪生技术提供了自动资源分配监控和废物跟踪功能，为资源管理提供了一种可预测的精益方法。数字孪生技术的使用，可以避免过度分配并动态预测建筑工地上的资源需求，从而能够避免长距离移动资源的情况，还能进一步完善时间管理。

建筑业是世界上最危险的行业之一。根据美国劳工统计局的数据，2008年至2012年之间，就有4000多名建筑工人死于施工现场。

作为数字孪生技术的典型功能，实时站点重建功能的应用，使得业内公司可以跟踪站点上的工作人员和危险场所，以防止危险行为的发生、使用不安全的材料以及在危险区域进行活动。公司可以开发一个预先通知系统，在现场工作人员处于危险的工作设备附近时，该系统可以通知建筑经理，然后将通知发送到该工人的可穿戴设备上。

近期，微软公司也分享了自己的一个伟大愿景，即如何将AI与摄像机和移动设备相结合，为工作场所建立广泛的安全网。

设备利用率最大化是建筑公司一直追求的重要指标。未使用的机器应提前投入设备池中，以便其他人可以在需要的站点上使用。借助先进的可视化和自动跟踪功能，可以知道每台机器使用了多少次、在建筑工地的哪个位置使用，以及用于哪项具体的工作。

对如何监控建筑工地上的人员，一些国家有着严格的规定，比如对所有人员及其在现场的位置形成明确的数字记录，以供救援队在紧急情况下使用，这其实是数字孪生的另外一项应用。尽管如此，最佳做法仍是将基于数字孪生的监控与自动进出登记系统集成在一起，以便把多模式数据融合到单个分析系统中。

可以通过使用多模式传感器数据，以及基于计算机视觉技术和深度神经网络的算法，来获得物理模型（如建筑工地）的虚拟表示。获取数字数据有多种方法，可采用不同传感器来推断3D结构，比如激光扫描仪（LIDAR）、雷达、热像仪以及标准的照片和摄像机。

也可以用更加方便的方式，如照相机和摄像机拍摄的图像可视化方法。获取图像输入，然后从中获取图像，以重构数字孪生模型。

智能手机的价格和制造组件的成本在不断下降，现在，哪怕是最便宜的智能手机，其摄像头也具有足够的分辨率和图像质量，可在施工现场重构墙壁、光束的形状和设备。因此，此类数字孪生数据很容易获取。

例如，可以使用具有不同摄像头和照明条件的各种智能手机，来每日随机拍摄一些建筑照片，以比较竣工的重构模型与竣工的BIM模型，从而监控建筑进度。此外，还可用于跟踪基础结构施工现场的临时性资源，例如人员、设备和材料等。

延时视频是一系列拍摄速度小于播放速度的照片，也就是说，延时视频的时间移动速度慢于标准视频。

至少从1989年开始，此类视频就已经用于建筑工地的记录和进度监控，那时，标准8毫米和超级8毫米之类的老胶片相机很流行。当前，相机更便宜，体积上更小，在延时模式下，可以借助电池长时间工作好几周的时间。

数字孪生数据还可由UAV获取，比如无人机或有高分辨率摄像头和传感器的固定翼飞机，它们都能够在完全自主模式下运行。

随着建筑中人工成本的不断增加，人们越来越愿意采用全自动的数据采集和处理方法。移动行业已经生产出了价格低廉、基于MEMS（微机电系统）的传感器，这些传感器正逐渐应用于有高分辨率相机的无人机和移动机器人中。无人机制造商也正致力于制造结合了数据管理平台的专用无人机，该平台可以自动执行测量、制图、3D重建以及体积测量。

但是，由于行业缺乏足够的时间来手动处理大量的TB级视频数据，因此，全自动的数据捕获机器人将需要更高的自动化分析和数据处理能力。相关数据处理技术将在后文详细讨论。

视频监控数据捕获和处理技术与延时视频相似，但是具有更高的帧速率——正常播放速度。使用30fps的常规视频捕获速率，可以从构造场景中提取更精细的细节，从而更好地跟踪临时对象的结构和运动变化。

尽管相关技术，比如头戴式摄像机和人体摄像机等图像捕获技术，尚未在建筑中广泛使用，但可以预测，技术的发展和AR头戴式耳机（包含摄像机）的不断小型化，将使其能够在建筑工地中获得更广泛的应用。

最近，Microsoft HoloLens正通过安装在安全帽上的方式，逐渐应用于施工现场。主要用于查看真实空间上的3D模型，帮助将设计结构转换为空间表示。

谷歌近期发布了Google Clip，这是一款微型的电池供电AI相机，其目标客户是家庭消费市场。作为专用硬件与机载AI软件（或ASICS中的硬件实现）的结合，它将针对不同的市场，对特定领域进行实时图像数据处理和分析。

现在，我们已经从各种摄像机获取了原始图像数据输入，接下来，我们将进一步分析可用于构建施工现场的数字孪生表示技术。

从数据的捕获和分析，到知识和决策，高速率地生成数据需要更高的数据处理速率和全自动流程。计算能力、GPU处理、广泛的数据集和深度学习算法的最新发展，都为自动数据处理打开了大门。

自动驾驶汽车的蓬勃发展，让我们可以获得1-2GB/秒的数据，这也促使各个公司去探寻解决方案，在不将所有数据发送到云的情况下，快速、实时地提取知识并做出决策。建筑工地是一个封闭且受控的环境，以与自动驾驶汽车相同的速度生成数据，因此，我们可以在其中应用自动驾驶汽车技术，从而能够按照计划，以更少的资源和更高的安全标准，来更好地指导项目的实施。有了数字孪生技术，公司也将处于技术创新的业界最前沿。

我们将选择图像和视频处理方法，这些方法可用于构建建筑工地的数字孪生表示，并从原始图像数据中自动提取知识。

摄影测量，即能够测量照片并恢复表面点精确位置的学科。现在，摄影测量已被应用于许多领域，如建筑、工程、制造、质量控制等。在大多数情况下，摄影测量的目标是通过将实际坐标与图像坐标对齐并最终生成点云，从给定的照片中重建3D场景。

摄影测量有两种类型：

——航空摄影：从高处（例如起重机、飞机、山脉等）拍摄的。

——近距离摄影测量：指相机距离物体更近，且通常是手持式或安装在三脚架上。

近距离摄影测量可提供高度精确的站点模型，但空间分辨率较低，仅包含大约数百个分散点。

运动结构（SfM）一开始只是摄影测量学的一个子领域。它对管线的各个部分都使用相同的算法：特征/目标跟踪，三角剖分，相机姿态估计和束调整。

现在，SfM和摄影测量法一起用于创建更密集的3D表示，与单独使用其他方法相比，使用SfM和摄影测量法能够获得更准确的数据。

对象检测与识别是建筑工地机器人应用的基石，因为机器人需要知道障碍物的位置以进行导航和路径规划。此外，这对于操控机器人的工人也很重要：他们也需获得要提起或移动物体的精确位置。

在数字孪生模型中，建筑公司可以使用对象检测与识别方法，来创建更好的危险空间模型，在现场监控复杂的机械。

同时定位和地图绘制（SLAM）是机器人技术的一个重要领域。它涉及到构建或更新未知环境地图，同时跟踪相关人员在其中位置的计算问题。

如果人员在移动的话，通常会涉及到一系列传感器的组合，例如摄像机、雷达、LIDAR和惯性测量单元（IMU）。相关人员可以指机器人、起重机或工人在建筑工地上佩戴的头戴式显示器。

借助各种图像，我们可以实现在坐标空间中定位对象。

对象追踪指的是：在每个时间识别对象的位置、速度和动态。在机器人技术中通常将其用于实时预测控制任务，也可用于预测建筑工人和设备在施工现场的位置。

对象追踪还被用于基于视频路径规划的相关任务，可以帮助躲避障碍。

现在，街头监控摄像机拍摄的物体识别和跟踪已经得到了广泛应用。

对象追踪的另一种用途是识别人机交互中的手势，利用该手势可以自动识别建筑工地上工人的手势。

本文研究了数字孪生如何通过先进的数据捕获技术（仅使用摄像头以及具有密集3D模型和结构重建的智能后处理），来构建施工现场的虚拟表示。

将数字孪生概念与建筑工地上的可穿戴和移动设备配合使用，可以帮助我们更好地实现在建项目的即时表示。可将最新的信息反馈到现场，以减少错误和返工的次数。

通过对人员和设备的持续定位和跟踪，可以完全监控时间利用率，并实现资源的动态分配，从而减少等待空闲机器的时间，或低效使用昂贵设备的时间。

此外，实时监控还可以将危险情况的安全警报直接发送至工人的手机或耳机，从而提高建筑工地的安全性。在紧急情况下，明确施工现场都有哪些人员及其位置也至关重要。

随着人工智能、深度学习和更强大GPU相关的技术，从硬件到软件的全面集成和创新解决方案，数字孪生将大幅度提高施工现场的效率和安全性。