【学术前沿】基于视觉的体积测量，通过基于深度学习的点云分割，用于现场材料管理

工地物料管理包括一种管理实践，即投入显著的努力来确认适当数量的物料的存在，并有效地促进物料进出工地的过渡过程。

例如，在土方工程中，体积估计是至关重要的，以确保切割处的土壤体积与填方的体积一致(即切割/填方体积分析)。然而，在体积水平上的评估往往取决于人的观察，这可能是基于从业人员的经验或知识的主观观察。这使得物料管理工作更加繁重，同时也阻碍了在项目时间表中准确执行数量评估。作为一种系统量化和保存材料记录的替代方法，一些先前的工作已经证明了利用遥感技术的巨大潜力，如射频识别(RFID)标签和全球定位系统(GPS)。例如，GPS设备主要安装在大规模运输材料的重型车辆上。跟踪这些车辆的位置可以量化每辆车辆所携带的材料(如自卸卡车)，这支持监控相关工作进展，如土方工程或碎片清除。此外，RFID技术由一组廉价的标签组成，这些标签存储一条信息。每个标签都可以通过电磁信号被触发和读取，这种技术被用来跟踪特定的目标物体。例如，带有电子RFID标签的钢筋可以被工地上的从业人员快速跟踪和量化，减少与了解工地上目前有什么材料和多少材料相关的时间和成本，但这些遥感技术不适用于土壤等原材料。

与此同时，廉价的摄像设备平台的不断普及，如无人机(uav)，鼓励建筑业定期记录不断变化的建筑工地的现状。在这方面，从业人员在可视化数据分析方面培育了一系列令人难以置信的发展，以满足他们在工作网站上的需求。

在材料管理的背景下，它们主要面向获取建筑工地的数字孪生模型，以执行库存或材料堆的体积测量。这种能力使他们能够在铺设场地进行库存控制，并使项目经理能够评估相关的工作进展，如工地的土方工程。在此类软件中，体积测量的工作流程通常包括三个步骤:(1)使用从工作现场收集的图像生成三维点云模型;(2)识别目标对象，将其与点云模型中的背景对象分离;(3)将表示目标对象的点云模型转换为等效网格模型，最后估计目标对象的体积。尽管这类软件包有可能简化体积测量的过程，但它们需要手工过程来将目标对象(如库存或材料堆)与数字孪生模型(如3D点云模型)中的背景对象分离。这种劳动密集型的人工干预来选择目标对象已经被认为是一个具有挑战性的过程。这一潜在的挑战在建筑工地上会更加严重，因为有多个库存或目标物体散布在工地各处。