Toolbox Spotter：面向重工业真实世界态势感知的计算机视觉系统
机器人学
2021-05-25 v1
摘要
重工业中大多数的死亡和创伤性伤害涉及移动设备和车辆，通常源于注意力或沟通的疏忽。现有的危险识别方法包括使用人工观察员、被动倒车摄像头、无差别接近传感器以及基于标签的系统。这些方法要么受限于工人注意力问题，要么要求所有工人和障碍物使用额外设备。尽管计算机视觉检测系统此前已部署于制造和道路车辆等结构化应用中，但目前尚不存在一种适用于建筑等非结构化环境、并能向相关工人有效传达风险的鲁棒便携方案。为应对这些局限，我们的方案 Toolbox Spotter（TBS）通过采用嵌入式机器人感知与分布式 HMI 警报系统，增强安全关键环境中危险的检测与沟通，从而改善工人安全并减少可预防事故。本文概述了 TBS 安全系统，并基于真实世界部署数据评估其性能，证明了 Toolbox Spotter 适用于重工业应用。
引用
@article{arxiv.2105.10842,
title = {Toolbox Spotter: A Computer Vision System for Real World Situational Awareness in Heavy Industries},
author = {Stuart Eiffert and Alexander Wendel and Peter Colborne-Veel and Nicholas Leong and John Gardenier and Nathan Kirchner},
journal= {arXiv preprint arXiv:2105.10842},
year = {2021}
}
备注
Published in the 37th International Symposium on Automation and Robotics in Construction (ISARC 2020)