文章 # 利用人体运动数据增强数字孪生：基于激光雷达的追踪方法比较研究 Shashank Karki $^{1,*}$, Thomas J. Pingel $^{2}$, Timothy D. Baird $^{1}$, Addison Flack $^{1}$ 与 Todd Ogle $^{3}$ 1 弗吉尼亚理工学院暨州立大学地理系，美国布莱克斯堡，弗吉尼亚州 24061；（T.D.B.）；（A.F.） 2 宾厄姆顿大学地理系，美国宾厄姆顿，纽约州 13902； $^{2}$ 宾厄姆顿大学地理系，美国宾厄姆顿，纽约州 13902； $^{3}$ 弗吉尼亚理工学院暨州立大学图书馆，美国布莱克斯堡，弗吉尼亚州 24061； 通讯作者：；电话： ![Image](images/54d646828a3d1d6a0c76d8c7496d6a44f63fc57d8c350b4b7e5df80769395327.jpg) 引用：Karki, S.; Pingel, T.J.; Baird, T.D.; Flack, A.; Ogle, T. 利用人体运动数据增强数字孪生：基于激光雷达的追踪方法比较研究. Remote Sens. 2024, 16, 3453. 学术编辑：Giuseppe Casula 收稿日期：2024年8月5日 修改日期：2024年9月10日 录用日期：2024年9月12日 发表日期：2024年9月18日 版权：© 2024 作者所有。 许可方：MDPI，瑞士巴塞尔。 本文为开放获取文章，遵循知识共享署名（CC BY）许可协议的条款与条件发布（）。 ![Image](images/89764f0b4b5da3a838177251ecb3a1aa4f8ace526063e652fbe57a2cec371513.jpg) 摘要：数字孪生用于表征动态环境，要提升其实际应用价值，就需要对人体运动进行精准跟踪。本文通过系统评估和比较现有跟踪方法，明确不同方法在数字孪生框架中的优势、劣势及适用场景，为该领域做出贡献。本研究旨在评估现有人体运动跟踪技术在真实环境数字孪生中的应用效果，目标是改进这类虚拟模型中的空间分析与交互能力。我们使用室内安装的激光雷达传感器对三种方法进行比较：(1) 结合卷积神经网络（CNN）的逐帧深度学习方法，(2) 基于OpenCV开发的自定义算法，(3) 商用现成激光雷达感知软件包Percept 1.6.3版本。测试结果显示，深度学习方法性能最优（F1 = 0.88），其次是Percept（F1 = 0.61），最后是基于OpenCV的自定义算法（F1 = 0.58）。每种方法都有其独特的优缺点：采用帧比较的OpenCV方法易受信号不稳定影响，这种不稳定在数据集中表现为“闪烁”问题。后续对误差空间分布的分析发现，自定义算法和Percept都需要更长时间完成目标识别，导致门口区域的误差明显更高。Percept软件在涉及静止人员的场景中表现突出。这些发现凸显了针对具体应用场景选择合适跟踪方法的重要性。未来工作将聚焦于模型优化、替代数据记录技术，以及应对计算挑战的创新方法，为开发更成熟、更易用的空间分析工具铺平道路。整合互补传感器类型与策略（如雷达、音频、室内定位系统（IPS）和Wi-Fi数据），可在保护隐私的同时进一步提升检测精度和验证效果。 关键词：地面激光雷达；室内地理学；深度学习；动态数字孪生；计算机视觉；激光雷达感知；占用与运动 ## 1. 引言 普通美国人约87%的时间都在建筑物内度过 [^1] [^2]，但与室外空间相比，室内空间的测绘完善程度远低于室外空间 [^3]。数十年来，卫星和航空摄影为室外空间的数据采集提供了充足的条件 [^4] [^5] [^6]，而用于研究室内空间的工具却十分有限 [^7] [^8] [^9]。在上个世纪，在产业界、政府和各类组织的共同推动下，测绘勘测方法与技术取得了巨大发展，从传统的链尺罗盘方法，逐步演进到以经纬仪、电子测距、航空摄影测量为代表的光学时代 [^10]。卫星多光谱和高光谱成像技术的发展，让测绘地球的其他属性成为可能，包括温度 [^11] [^12]、植被 [^13] [^14]、灾害 --- 监控 [^15] [^16] 以及公共卫生领域的监控 [^17] [^18] 等其他用途 [^19] [^20]。近年来，利用卫星影像的研发工作大幅增长，土地覆盖/土地利用 [^21]、城市扩张 [^22] 甚至物理现象的时间分析等更多衍生产品现已可便捷获取。然而，传统为户外空间设计的测量设备和技术在室内并不奏效 [^23]。例如，给户外制图带来革命性变革的GPS信号 [^24] [^25] 会被屋顶和墙壁削弱，导致室内定位不准确 [^26]。同样，依赖视线测量的传统测量工具，在几何结构复杂、存在遮挡的室内环境中也无法发挥作用 [^27]。 传感器技术的最新进展，尤其是lidar和摄影测量，为高细节绘制室内空间提供了高性价比的手段 [^28] [^29]。Lidar生成三维数据的精度使其非常适合捕捉室内的复杂结构 [^30]，而运动恢复结构（SfM）摄影测量则可提供高分辨率的地图和模型 [^9]。与户外不同，户外单颗卫星就可以独自捕获大部分场景，而室内空间无法从单个位置完成全部数据采集。室内空间通常比户外空间更复杂，存在大量会遮挡视线的物体，这一点在建筑整体尺度和房间内部都成立，房间内的视线通常会被各类物体遮挡。室内空间的光照条件和杂乱环境也加大了区分物体和背景元素的难度 [^31]。因此，室内制图通常依赖移动测绘仪，或从不同视点布置多个静态传感器，这两种方法都很复杂，且难以精准融合 [^32]。摄影测量在室内应用的难度尤其高，多变的光照条件以及空间内人员的隐私问题，都是使用基于图像的数据采集方法需要面对的挑战 [^33]。Lidar和摄影测量在户外都依赖GPS对扫描结果进行地理定位，使用lidar或摄影测量绘制室内空间通常需要携带手持或背包搭载式360度相机或扫描仪。但由于GPS无法轻松在室内使用，因此很难为室内空间赋予地球坐标 [^34]。为弥补这一缺陷，操作人员有时会同时扫描室内和室外，或根据辅助地理空间数据手动对齐扫描结果。室内定位系统（IPS）的发展进一步补充了这些技术，能够实现建筑内部的实时数据采集 [^35] [^36]。 从某些方面来看，室内地图与室外空间地图十分相似。例如，室内地图通常会绘制面状、线状空间和边界，包括门、楼层、屋顶以及建筑物的其他结构构件[^37]。常见的室内地图包括建筑物平面图和地下铁路系统图，通常用于通用导航，或是用于展示消防疏散通道这类紧急信息的特定用途[^38]。在室外空间，制图通常通过全球坐标系（如经纬度）完成，或是使用更专业的坐标系（如通用横轴墨卡托坐标系），这些体系一般都依赖有限的一套通用参考数据。在室内，房间号、楼层号这类标识常被用作参考来确定建筑区域内的任意位置，其作用方式和室外定位体系中的地址、街道名称十分相似。例如，101房间可以指一楼走廊的第一个房间[^37]。地理学家近来已经定义了可与室外坐标系配合使用的单体建筑坐标参考系统构建方法[^39]。室内地图有诸多应用，包括室内导航、虚拟现实、公共安全管理以及机器人技术在日常活动中的融合应用。利用GIS技术整合室内外空间数据可带来多项优势：该流程需要对分别用于两类空间的不同坐标系进行对齐校准，再将数据整合到单一统一的空间数据框架中。这能够实现全场景精准定位，实现室内外位置之间的流畅导航[^40]，这对寻路和紧急疏散这类需要在建筑物内外都提供准确可靠导航的应用而言十分有用。过去几十年来，面向 --- 建筑的GIS通常依赖建筑信息模型（BIM），这类模型本质上是建筑施工过程中生成的计算机辅助设计（CAD）模型。与特征相对丰富的传统室外地理空间数据相比，这类模型本质上往往非常概略。它们通常更偏向服务于建筑施工，传递的是与结构强度和力学特性相关的信息[^41]。对于室内空间的静态建模，例如为潜在买家打造的房地产模型，360°摄影和虚拟现实已得到广泛应用。Matterport是一家专门制作室内空间模型的企业，其模型可通过在线平台展示，让潜在买家无需亲临现场就能查看空间[^42]。该公司还与其他机构合作开发了面向灾害响应、文物保护等领域的应用[^43]。尽管BIM模型是对室内空间有效的抽象表达，但其核心关注点是施工和结构完整性，而非制图功能。从制图角度来看，点云和网格模型属于复杂数据模型，而BIM可用于导航和库存管理场景。室内制图领域的最新发展包括基于GIS的解决方案，涵盖多种开放标准，例如城市地理标记语言（GML）、室内地理标记语言（IndoorGML）、开放街图（OpenStreetMap，OSM）以及设施信息空间数据模型（FISDM）。这些标准按照不同细节层次（LOD）方案对室内空间和建筑物进行制图[^39]。地理空间科学领域的领军企业Esri也在开发FISDM和ArcGIS Indoors等室内制图工具。 在这些技术基础之上，数字孪生概念已成为该领域一种具有变革性的范式[^44]。通过整合来自激光雷达（lidar）、摄影测量和IPS的数据，数字孪生能够构建详尽、具备代表性且逼真的建筑模型。数字孪生是物理实体及实体间数据连接的虚拟对应物，它通过计算技术提升物理实体性能，同时不会影响物理实体本身，正成为愈发热门的技术方案。通过捕获充足信息并在虚拟平台中呈现物理对象，数字孪生生成了物理对象的镜像版本，简化了开展数学计算的过程[^45]。 数字孪生能够很好地模拟室内空间，可通过不同细节层级呈现建筑结构的不同组成部分[^46]。将GIS整合到该技术后，数字孪生具备了刻画物理实体地理维度的能力。随着物理-信息融合与地理空间技术的不断发展，环境、实体与网络都正在以数字形式完成整体建模，实现了信息、系统与行为的互联[^47]。 本文通过展示激光雷达技术如何在室内环境中为数字孪生赋能实时人体移动追踪，为该领域做出了贡献。与传统追踪方法不同，使用激光雷达能够克服复杂室内空间中常见的隐私问题、信号不稳定和遮挡等挑战。这种在数字孪生框架内将激光雷达用于人体移动追踪的全新应用，为提升实际场景中虚拟表达的准确性和响应能力提供了新机遇。我们的方法利用激光雷达的高精度空间数据，通过保障对人类存在与交互的准确、匿名化追踪，进一步增强了数字孪生的实用性，助力实现更具动态性、更贴近真实的模拟。 这些技术发展支持在不影响现有活动正常开展的前提下对室内空间进行监测，还可用于模拟空间在不同场景下的运行表现，例如人群行为如何适配不同的占用率或环境设置变化。这类模拟可帮助优化室内空间的使用，甚至能在潜在问题出现在物理世界之前就将其识别出来[^48]。这极大提升了我们对室内环境物理属性进行测绘和建模的能力[^49]，尤其是提升了我们呈现空间布局、结构组成以及物体间相互关系的能力。这类模型不仅具备理论价值，还在多个领域拥有实际应用，包括房地产[^42]、应急响应[^50] [^51]，以及设施运行与维护[^52] [^53]。 --- 目标检测在室内空间中的应用日益普及，其中智能办公室和共享室内空间是现代建筑的重要组成部分。目标检测与跟踪技术可支撑多种类型的空间分析。例如，研究封闭区域内社会-物理行为如何随空间布局发生变化，能够帮助我们充分理解人与场所之间的关联 [^54]。理解这类社会-物理互动有助于规划者在施工前完成基础设施的设计与资源分配，还能根据资源的使用强度对建筑进行运维管理。利用这一技术，我们可以优化空间与基础设施的利用率，进而提升区域内人员与资源的运行效率 [^55]。此外，在掌握家具位置和人员活动模式的基础上，自动化机器人等现代技术也可被部署来完成日常家庭任务。 空间句法理论常被用于分析城市、建筑、公共空间等建成环境的空间布局与组织结构。该理论的核心观点是，空间的布局与构型会对人们的空间使用和通行方式产生显著影响 [^56]。例如，识别出主要使用空间、走廊或过道后，建筑管理者就可以在任何场景下管控人流拥堵问题。对于共享空间而言，这还意味着可以引导人流，让人们通行顺畅，同时仍能方便地彼此互动。这有助于规划者规划布置各基础设施组件的位置，提升空间利用效率，适用场景涵盖住宅和商业用途 [^57]. 目前人体检测与跟踪相关研究大多局限于以RGB摄像头为主的监控设备所采集的图像和视频。这种方法最主要的问题是被拍摄人员的隐私风险。尽管监控摄像头在公共空间安防领域十分实用，但对于分析研究场景而言，隐私是一个重大关切 [^58]。使用lidar时，采集到的数据是空间中的一组三维点。当人们经过传感器视场时，lidar点流只会捕捉到粗略的人体轮廓，这就消除了研究过程中侵犯个人隐私的风险。已有研究表明，尽管基于RGB的方法在受控环境中可以实现很高的检测效果 [^59] [^60]，但隐私问题往往阻碍了这类方法在公共或共享空间中的应用 [^61]。相比之下，lidar提供了一种匿名化替代方案，能够在不损失精度的前提下保护隐私，因此更适合应用于敏感场景 [^62]. 激光雷达还具备额外能力，包括能够在动态光照条件下正常工作[^63]。与运动恢复结构（SfM）摄影测量相比——后者通常难以处理室内空间的重复纹理，且需要复杂的关键点匹配[^64] [^65]——激光雷达生成的数据流噪声更低，空间分辨率也更高。采用SfM的模型需要进行关键点匹配，这对于室内空间的重复纹理来说复杂度非常高。此外，与拍摄得到的图像和视频相比，激光雷达获取的点云本身就具备空间属性，因为采集到的数据就是相对于传感器的一系列x、y、z距离的集合。尽管已有研究证明了基于图像的方法在户外环境中的有效性，但我们使用激光雷达的工作将这一能力拓展到了复杂室内环境，在定位上具备更高精度，同时还能保护隐私，这一点在共享空间尤其重要，因为共享空间中的人类活动可能包含就坐或与物体互动[^66] [^67]。另外，尽管图像和视频更便于用于分析物体，激光雷达数据流往往能提供更准确的定位信息。 相比之下，雷达可以在雾、雨等恶劣天气条件下有效工作，但空间分辨率更低，这限制了它检测细微人体动作的精度[^68] [^69]。不过，雷达在恶劣环境中的鲁棒性使其成为户外应用的理想候选方案，因为在这类场景中激光雷达的性能可能会受到影响。此前多项研究[^62] [^70] [^71]对比了雷达和激光雷达在定位与建图方面的表现，结果表明：尽管雷达在复杂天气条件下表现出色，但对于对精度有要求的环境来说，激光雷达仍然是更优的选择。 --- 目标检测领域深受计算机视觉[^72]、深度学习和高性能计算[^73]发展的影响。计算机视觉区分人与背景物体的能力，让计算机能够分析简单的视频流并提取全面信息。大多数这类方法都基于背景减除法和合适的时空滤波技术检测物体运动。在此之后，可借助物体的形状、纹理和运动类型判断该物体是否为人类[^74]。OpenCV是一个面向实时计算机视觉的综合性编程函数库，它提供处理图像和视频的工具与技术，可用于识别物体、对人类动作分类、跟踪运动以及监测运动物体。深度学习提升了图像或视频帧中的目标检测能力[^75]。You Only Look Once（YOLO）是一款能够实现实时目标检测的深度学习模型，可预测边界框和对应概率[^76]。YOLOv5是在YOLO模型基础上发展而来的新一代目标检测模型，在速度和检测精度上都有所提升[^77]。在YOLOv5诞生前的发展历程中，每个YOLO版本都带来了重大改进：YOLOv2（又称YOLO9000）提升了模型处理图像的分辨率[^78]，YOLOv3则新增了不同尺度下的检测能力，引入残差块帮助模型更好地泛化适应各类尺寸的物体[^79]。此外，YOLOv4还引入了加权残差连接、跨阶段部分连接和跨小批量归一化等新特性。更新版本YOLOv6[^80]和YOLOv7[^81]对检测能力做出了更大幅度的提升。YOLOv6专注于针对工业应用优化速度与精度，在各类硬件平台上都能实现出色的帧率和检测精度。与此同时，YOLOv7为实时目标检测器树立了新标杆，在速度和精度上都超越了以往模型，并且不需要预训练权重就能在MS COCO数据集上展现出优异性能。尽管YOLOv6和YOLOv7带来了大幅改进，YOLOv5仍因相对更高的稳定性和效率，且所需计算资源少得多，而常被开发者选用。 卷积神经网络（CNN）在YOLO、YOLOv5这类基于深度学习的目标检测模型中发挥着核心作用[^76] [^77]。CNN专为自适应学习输入图像的空间特征层次结构设计，因此在目标识别和定位这类任务中表现极佳[^75] [^82]。训练YOLOv5需要包含多样物体与场景的大规模标注数据集[^76]。近年来，YOLOv4、YOLOv5这类深度学习模型已经成为包括监控和智慧城市在内多个领域目标检测任务的标准方案[83–86]。但它们在基于激光雷达的人体检测中的应用仍未得到充分探索，这正是本研究关注的方向，本文将这类模型的性能与其他传统模型进行了比较。 激光雷达（Lidar）近年来也被应用于实时流传输和目标检测领域。Blickfeld（德国慕尼黑）、Velodyne（美国加利福尼亚州圣何塞）、Outsight.ai（法国巴黎）、Seoul Robotics（韩国首尔）和Exwayz（法国比达尔）等公司一直为此开发专用激光雷达传感器和“感知”系统软件。Blickfeld、Seoul Robotics和Outsight.ai主导面向物联网（IoT）、智慧城市和高效机器人开发的激光雷达技术研究。Exwayz主导实时三维激光雷达处理领域的研究，Velodyne则一直是激光雷达传感器开发领域的领先企业。激光雷达感知软件可通过多个传感器的视场检测多个目标[^87]。结合地图，对运动模式的检测可帮助分析特定空间的使用情况[^88]。这项技术有诸多应用场景，包括人群管理、应急响应、驾驶辅助和交通安全。 尽管取得了这些进展，在捕捉室内空间的一个重要方面——人类行为——仍存在明显缺口，不过新的地理学研究方法正在不断涌现[^89]。数字孪生大多是静态表征，目前无法体现建筑空间内的人类活动和动态变化。早期利用激光雷达进行室内空间测绘的研究主要聚焦于静态结构，而非动态的人类 --- 运动[^90] [^91]。本研究在此基础上进行拓展，通过整合深度学习模型来实时追踪和分析人类行为，填补了当前基于激光雷达的测绘技术的缺口。这些动态数字孪生能够更全面地理解建筑如何服务其使用者，还可以在不干扰物理环境的前提下提升模拟和预测分析能力。通过模拟各类场景、评估设计和运营变更的影响，这些模型可为空间利用、用户体验和运营效率相关决策提供参考。 为构建更具动态性的数字孪生，本项目在X大学的X多用途大楼内部署了一组固定安装的激光雷达传感器网络。相较于基于摄像头的方法，选择激光雷达技术是经过深思熟虑的：激光雷达可在不采集可识别信息的前提下生成室内环境的精确三维模型，因此能够优先保障空间内个人的匿名性，在精细空间数据和隐私考量之间取得了平衡[^92]。X大楼内的研究空间本就旨在鼓励使用者之间的互动协作，契合本项目的整体目标。本研究是一个大型项目“建筑生态学项目”的组成部分，该项目旨在研究多种方法，包括基于传感器的方法，以及定性、定量社会学方法，以探究使用模式、人员流动和场所如何随时间演变，如何应对各类干扰和资源分布的变化。该项目的其他部分还包括访谈、问卷和其他方法，用以探究这座新建建筑如何成为一个被赋予意义的场所。最终，该项目旨在从地理学视角理解人与建筑的交互，提升我们设计空间的能力，让空间能够适应并满足使用者的复杂需求。 本研究围绕可追踪共享室内空间占用情况与人员移动的基于激光雷达的算法开展开发与评估工作。两种方法以计算机视觉为基础[^93]——深度学习[^73] [^76] [^82]与OpenCV[^94]——，使用光栅化后的激光雷达数据。第三种方法采用Blickfeld公司的激光雷达感知软件Percept 1.6.3版本，在激光雷达数据流中实时检测运动物体。为评估这些方法，我们采用了F1分数、召回率与精确率等传统指标。本次比较分析旨在指出现有技术在捕捉室内空间人类活动复杂性方面的能力与局限性。 ### 2. 材料与方法 为了在保护隐私的同时更好地理解公共空间内人员的总体占用情况与移动规律，本研究评估了三种不同的基于激光雷达的室内移动行人目标检测方法：(1) 基于完整三维点云的Blickfeld激光雷达感知软件Percept 1.6.3版本；(2) 深度学习方法；(3) 基于OpenCV、作用于投影后激光雷达二维光栅数据的方法。这些方法各有不同的优势与挑战。由于Percept使用完整的三维点云，它拥有可用于分割与检测的额外信息；但它对计算能力的要求更高，也更易受数据噪声的影响。另一个缺点是它只能在实时流数据上运行，无法处理已录制的离线数据。本研究开发的深度学习与OpenCV方法能够在保持高准确率的同时解决上述缺陷。 本研究选取这三种目标检测方法，综合考虑了以下因素：数据兼容性、计算效率与检测准确率。最初的探索尝试了多种方法，包括使用时空立方体的NetCDF分析、ArcGIS 3.2.1版本中的深度学习，以及均值漂移算法等多种计算机视觉技术。但这些方法都存在显著缺陷。受数据体量巨大（约每天1770亿像素）与现有处理能力限制，时空立方体方法被证明不可行。ArcGIS中的深度学习方法难以适配激光雷达数据的高分辨率，导致性能欠佳。同样，基于OpenCV实现的均值漂移算法在行人检测中也未能取得令人满意的结果，还额外需要噪声过滤与预处理工作。其他 --- 图像处理技术（例如中值图像相减）同样准确率未达要求，且计算强度很高。最终我们选定的方法——YOLOv5、OpenCV与Percept——能够均衡解决上述问题，因此被选出。具体而言，它们能够在有效管控计算资源的同时，在激光雷达流中可靠检测出行人。 本研究在X大学新建X号楼的一层公共区域开展，该楼是一座面积为225,000平方英尺$^{2}$的多功能建筑。X号楼于2021年8月投入使用，设计目标是促进约600名本科住宿生之间的互动与合作。除宿舍楼功能外，X号楼还被设计为举办学术和课外活动的动态场所，包含多种类型的空间，包括教室、工作室、展厅、休息室和创客空间。本研究专门针对主大堂（即公共聚集区）及其附属走廊和展览空间开展研究，这些区域的特点是拥有大量学生活动、协作工作和社会互动（图1）。该地点是研究空间使用模式，以及不同背景人群在一天不同时段、一周不同日期、一年不同周次使用该共享空间工作、通行和互动的理想场所。 ![Image](images/e284895ab5f1c04360a6bff0e57dfe004ea199a550dba43c067229b4720eb66d.jpg)
(a)
![Image](images/b6262fa1899f8ca221b64e75d9552c5e318ed2842692f1fd5ffbae5742ff3ef6.jpg)
(b)
Figure 1. Overview of Building X's public space: (a) arrangement of the community assembly and the general layout. (b) Schematic diagram of the study area.
本研究共使用11台Blickfeld Cube 1（德国慕尼黑Blickfeld公司）激光雷达传感器对该空间进行成像。Blickfeld Cube是一款小型（尺寸60 mm × 82 mm × 50 mm，重量275 g）前向固态传感器，配备可配置接口，可调整包括视场、扫描分辨率、网络时间同步在内的多种参数。本研究使用的Cube传感器配置为：视场（FOV）72 × 30度，扫描线分辨率230，刷新率2.4 Hz。作为准确度衡量指标的测距精度小于2 cm（无偏均方根，10 m距离，50%反射率目标），可确保在此条件下测量具有高度一致性[^95]。此外，对10个点云的点密度对比结果显示，平均密度为每平方米578个点（中位数 = 647），进一步验证了该系统采集数据的高分辨率和细粒度特性。点云中任意位置的点密度会根据传感器的重叠情况变化，其5-95百分位数范围为每平方米120至1846个点。 采集得到的数据包含位置、速度、形状和轨迹信息。Cube传感器的数据通过以太网端口经TCP/IP传输至收集数据的计算机。参照Chen和Clarke（2019）所述方法[^39]，我们将传感器的位置和朝向与预先采集的X号楼室内空间激光雷达模型（采用英国诺丁汉GeoSLAM公司的GeoSLAM Zeb Horizon激光雷达扫描仪采集）对齐，以方便匹配建筑坐标参考系（BCRS）。建筑坐标参考系的构建 --- 需要为建筑定义专属的原点与坐标轴，以及从该基准到地理坐标参考系的转换方程。我们基于预先采集的同一空间GeoSLAM扫描结果，使用CloudCompare 2.12版软件对来自11台Blickfeld Cube传感器的三维点云进行手动对齐。由于室内环境复杂，迭代最近点（ICP）算法无法得到满意结果，因此手动对齐是必要的。手动对齐过程对于确定传感器的准确位置、建立建筑坐标参考系（BCRS）至关重要。最终，本研究将11台传感器的数据融合为单个点云，每台传感器的唯一数字ID都存储在'pointsourceID'字段下。 X号楼中的11台激光雷达传感器均由一台接入专用网络的计算机持续监控。定制日志软件借助Blickfeld扫描仪Python库，每秒从所有传感器获取一次点云数据。每台传感器直接整合自身位置与朝向信息，以本研究开发的BCRS坐标系输出坐标。融合后的数据集会经过裁剪，仅保留研究区域范围；随后通过二次滤波移除所有地面点和天花板点，仅保留物体、墙体与家具数据。接着将同一3D点云数据投影生成两张二维正射影像，保存为5厘米分辨率的PNG格式，分别记录最大高程和最大强度（缩放范围0–255）。本次投影采用正射视图，3D点云采集和二维图像生成使用同一组传感器。每10秒会以LAZ格式（LAS文件格式的压缩版本，LAS全称激光雷达航空测量）记录一整帧完整3D点云数据。自2022年8月中旬起，X号楼持续生成这类日志。研究区域的布局给传感器部署带来了极大挑战：研究区域包含大量立柱、物体和错层地面，对传感器布置造成影响；可变的天花板高度也对低矮天花板区域（如北侧走廊）设置了限制，传感器不得不采用相对水平的视角布置，而非主公共集会区域采用的自上而下视角。部署过程需要在传感器覆盖重叠度和减少结构构件遮挡之间取得平衡。 每日日志会通过三种方式聚合处理：首先，所有日志合并为逐小时的网络通用数据格式（NetCDF）文件。NetCDF是多维数据集，在本研究中即为每秒采集一次的栅格堆栈，包含最大高程和强度两个维度。其次，对每小时的两个维度数据分别聚合，得到逐小时活动汇总，统计该小时内处于活动状态的非零像素数量。第三，使用4.4.2版本的FFmpeg软件将每日图像合成为动画。某日动画片段的示例可参见补充材料中的视频S1。 本研究共采用三种目标检测方法：深度学习、基于OpenCV的方法和Percept软件。目标检测通常依托形状、尺寸、颜色和纹理信息，应用于相机拍摄的RGB彩色图像（或视频帧）；目标跟踪则利用视频或连续图像帧识别检测目标随时间变化的运动轨迹。在本研究中，激光雷达数据帧被渲染为图像，但这类图像的特性与常规使用的传统RGB图像存在差异。Percept软件直接使用传感器输出的点云，而深度学习和基于OpenCV的方法则使用由这些点云渲染得到的正射图像作为输入（见图2），输入为单波段（0–255）灰度图像，分别表示强度和最大高程（即数字表面模型DSM）。与这类低功率激光扫描的典型特征一致，激光雷达检测到的点会在几厘米范围内发生位置波动（闪烁）；当渲染为栅格图像时，这一特性会表现为物体边缘栅格的特征性闪烁，导致帧间对比产生噪声。这些特性使得基于OpenCV的目标检测难度相对较高。 --- ![Image](images/34735823e0aadd3d78857acefd74a0c56ec57c87b7139b14c2603236d578b0cf.jpg)
Figure 2. Schematic flow chart showing data fusion and outputs for each of the detection methods.
本研究采用多种不同方法，凸显了简单、资源高效型算法与专有软件之间的核心对比。深度学习方法和基于OpenCV的方法虽为开源，在应用于激光雷达点云生成的正射影像时，表现出了不相上下的性能。这一点形成了重要的对比：与Percept这类专有软件相比，这些算法所需计算资源更少，成本效益也更高。Percept直接使用点云，加上其资源密集型专有算法，在集成便捷性和计算能力方面具备优势。本研究旨在说明，开源算法虽然资源密集度更低，依然能够取得相当的结果，以此强调简单性、成本效益与性能之间的平衡。 为评估本研究中的目标检测效果，我们采用了三种不同的方法：YOLOv5、基于OpenCV的方案和Percept软件。下文我们将从YOLOv5开始，详细介绍每种方法的设置和性能。 #### 2.1. YOLOv5 我们选择YOLOv5模型用于基于深度学习的目标检测，原因是它已被证实在速度和准确率之间取得了出色的平衡 [^96]。该模型在人工标注集中80%的样本上训练，并与所有其他方法一样使用相同的20%样本进行验证。训练过程使用自定义配置（YAML）文件，文件中描述了图像存储位置、类别数量和类别名称。训练共进行100个轮次，批量大小为16，图像分辨率为 $640 \times 640$ 像素。我们针对每种不同的数据模态分别开展训练，包括强度回波、DSM回波，以及将强度和DSM合并为双波段tiff的方案。 #### 2.2. OpenCV背景减法与帧差分法 我们采用两种OpenCV方法检测运动目标：背景减法 [^97] 和帧差分法 [^98]。背景减法是计算机视觉领域常用的目标检测方法，其工作原理是将场景中的运动部分与静止部分（即背景）分离。该方法通过分离前景目标，并将其与不存在目标的参考帧进行对比来检测前景目标。对于背景减法算法，我们使用函数cv2.createBackgroundSubtract --- orMOG2()，设置的历史长度为500帧，即采用500帧的滑动窗口对背景进行建模。方差阈值设为16，该阈值决定了算法对场景变化的敏感度。选择该设置是为了在准确检测真实运动和最小化伪影之间取得平衡，这些伪影包括边缘闪烁，以及由轻微的空间和时间失准导致的“重影”效应。 帧差分法是一种检测两个视频帧之间差异的技术，它主要用于消除视频中的光照影响，或追踪视频内快速移动的物体。与背景减除法相比，它的计算强度更低。本研究中设置了25个强度级别的阈值（强度记录范围为0–255），通过测量连续帧中像素的强度差，将实际运动与背景噪声（包括过滤后的激光雷达噪声）区分开来。两种方法均使用带有$3 \times 3$正方形核的形态学开运算，影响所有方向上1像素距离，以清洁图像，再通过轮廓检测识别并追踪运动物体。两种方法的轮廓检测均使用15平方像素的阈值。通过设置该轮廓阈值，算法可有效忽略微小变化，聚焦于尺寸大于阈值的显著变化，大幅提升了算法的精度。这些阈值均在模型使用本研究数据集运行后经过迭代优化。 #### 2.3 Blickfeld Percept软件 与上述基于图像的方法不同，Percept采用均值漂移算法检测和追踪三维激光雷达流中的运动物体。均值漂移算法是一种非参数迭代算法，通过识别数据点密度最高的区域来定位聚类。它通过定位密度函数的最大值，有效识别数据的底层结构，因此被广泛应用于聚类和图像分割任务[^99]。该软件提供多个可调参数来优化检测效果，这些参数包括初始化所需的最小帧数、指数衰减、最小权重阈值、最小邻点数量、聚类所需最小点数以及线性加速度噪声。在一个月的研究过程中，我们对这些参数进行了迭代调优，以提升检测效果、降低噪声，最终参数设置为：初始化最小帧数为10，指数衰减为0.005，最小权重阈值为0.17，聚类最小点数为15，物体平均半径为0.33米，最小邻点数量为3，邻域半径为0.5米。在完成YOLOv5、OpenCV和Percept三种目标检测方法的部署与调优后，下一步便是评估它们在研究区域内检测和追踪物体的准确率。 #### 2.4 准确率评估 准确率评估的参考数据集由人工标注3600帧生成，标注使用微软视觉对象标注工具（VOTT）2.2.0版本完成。这些帧从活动高峰时段随机选取，其中80%用于深度学习模型训练，20%用于验证。本研究使用匈牙利算法将检测结果与参考集匹配来评估准确率，匹配阈值距离设为2米。该阈值是对最高5米的取值开展敏感性分析后选定的（图3）。2米足以克服因Percept数据与栅格文件之间存在亚秒级时间错位而导致的点位置偏移，同时仍足够小，可以排除明确的错误匹配（例如附近的误报结果）。评估过程中观测到研究区域外存在检测结果，这些检测结果主要来自建筑玻璃幕墙的反射信号，会产生误报，因此本研究将这些检测结果裁剪剔除，不纳入准确率评估。我们采用F1分数、精确率、召回率等传统指标进行评估。每种检测方法的演示视频收录在补充材料的视频S2–S4中。 --- ![Image](images/a2dfdf36f4acf80dc62f6df52d6eae6a178435661e19e7958cf8fb47b2900cda.jpg)
Figure 3. Distribution of variation in accuracy metrics for different distance thresholds. A notable increase in all three metrics as the threshold distance extended up to 2 m, beyond which the improvements began to saturate.
### 3. 结果 本节展示了研究区域内目标检测的研究结果。我们基于目标检测的准确率和效率分析了每种方法的性能，并对F1分数、精确率和召回率进行了量化评估。这些指标凸显了各技术的优势与局限性，具体内容将在后续小节中详细阐述。 #### 3.1 目标检测 本节对各类目标检测技术进行了对比分析，包括：基于强度、最大高程（即DSM）和组合栅格的深度学习方法；基于强度栅格的OpenCV背景减法和帧差法；以及Blickfeld的Percept激光雷达跟踪软件。我们根据各方法准确检测帧内感兴趣目标的能力评估其效能。本分析通过对比手动标注点（蓝色显示）与算法检测点（绿色显示）展开，F1值、召回率和精确率的量化得分作为性能评估指标，各方法的描述性结果如表1所示。
Table 1. Performance summary of deep learning methods, OpenCV's background subtraction and frame differencing models and Percept in the detection of human movement within the study area. Numbers in brackets for Percept discount for false positives that were in fact true detections of people sitting on furniture.
ModelDeep LearningOpenCVBlickfeld's Percept
DSMIntensity and DSM CombinedIntensityBackground SubtractionFrame Differencing
F10.8790.8750.8690.5750.4380.606
Precision0.8430.8260.8270.8580.4910.507
Recall0.9190.9300.9160.4330.3950.754
Sum (TP)1061 (91.9%)1074 (93.0%)1058 (91.6%)500 (43.3%)456 (39.5%)699 (60.5%)
Sum (FP)197 (17.1%)226 (19.6%)221 (19.1%)83 (7.2%)472 (40.9%)680 (58.9%)
Sum (FN)94 (8.1%)81 (7.0%)97 (8.4%)655 (56.7%)699 (60.5%)228 (19.7%)
接下来的小节我们将分别介绍各目标检测方法的结果：深度学习、基于OpenCV的方法，以及Blickfeld的Percept软件。 --- ##### 3.1.1 深度学习 我们将YOLOv5深度学习模型应用于由激光雷达生成的三种不同栅格表面：(1) 网格单元内的最大高程回波（即数字表面模型，简称DSM），(2) 网格单元内的最大强度，(3) 由前两种数据构建的双波段图像。这三种数据分别如图4a–c所示。 ![Image](images/787d1317404c3795c0970069cb2bcfcc46fa05f11db0067f70a4f40c5c3bca14.jpg)
Figure 4. Sample frames showing detections and confidence levels from the YOLOv5 models trained on (a) maximum elevation (DSM) returns, (b) intensity returns, and (c) their combination as dual bands within the same image. Most detections are the same but minor differences are evident between different methods.
总体而言，深度学习方法在三项指标中均表现良好，且结果相近。最高F1分数为0.879，精确率（0.843）和召回率（0.930）同样处于较高水平。三种方法中最低假阳性（FP）率为17.1%，最低假阴性（FN）率为7.0%（所有结果汇总于表1）。三种方法中，基于DSM的方法F1分数最高（0.879），这主要得益于其在精确率上更优的表现（0.843）。双波段强度+DSM方法的F1分数和精确率略低（分别为0.875、0.826），但召回率略高（0.930）。基于强度的方法在三项指标中均最低（分别为0.869、0.827、0.916），但所有方法的表现都较好，相互之间的差距仅在几个百分点以内。 深度学习能够准确检测研究区域内移动的人员，但即使经过专门训练，也无法检测坐在家具上或站在家具附近的人员。错误类型包括漏检、一人多检，以及激光雷达覆盖稀疏区域的假阴性错误，错误场景如图5所示。 --- ![Image](images/42674d66ef1cd8fe10edea09fb20b83ebaa64b8ab174f0839aa106d046aeebd4.jpg)
(a)
![Image](images/d982df55bef424cc07c85b62d412b83dbdd820ef41f11e801288414d4f56f4c1.jpg)
(b)
![Image](images/1418aec082aa2da6560948d10f5ca5fef69fee8c436eaef9f858313ae721d930.jpg)
(c)
0
(d)
![Image](images/ff81a030a9740dcc20f53bb13517f87f5982fe410f0dfa0dfe0c7bfea5abb80a.jpg) ![Image](images/5d8322b4fb34a4f167c9a1f85c22adeb759a8a8f234c5638c0a44b6ce0108ed9.jpg)
(e)
口
Figure 5. Error scenarios: (a) a missed detection due to atypical size and shape of point cloud cluster, (b) a missed detection due to inadequate coverage, (c) a missed detection due to an individual blending into the furniture as they linger, (d) a sample point cloud cluster where a single individual's lidar signature is disassociated, and (e) additional false positives from a single individual due to misalignment of sensors. The manually labeled points are shown in blue and detections shown in orange.
##### 3.1.2 OpenCV 我们在OpenCV框架中实现了两种用于强度栅格目标检测的计算机视觉方法：(1) 背景减法，(2) 帧差法。这两种方法分别如图6a、b所示。 ![Image](images/4f478cdc7e45e2cc19ef3087fdba56eb9397507bc0d78e01faa8702798320baf.jpg)
(a)
(b)
Figure 6. Sample frames showing detections from the OpenCV models using (a) background subtraction and (b) frame differencing.
背景减法获得了0.858的高精确率，但召回率表现不佳，仅为0.433，最终F1分数为0.575。帧差法的精确率为0.491，召回率为0.395，F1分数为0.438。 OpenCV模型存在大量明显的错误场景，包括边缘闪烁、传感器覆盖率低以及静止人员导致的误检测。每个模型处理一天的数据大约需要一小时，错误场景如图7所示。 ![Image](images/45939f497a3087b9665ab453f84c051e946dcdea5295bf159912dc28b3fbd5cb.jpg)
(a)
(b)
(c)
Figure 7. Error scenarios: (a) False positive due to raster edge flickering effects, (b) a missed detection due to lower density lidar coverage, (c) missed detections where individuals linger in the same space for some time and are not detected by the algorithm. The manually labeled points are shown in blue and detections shown in orange.
--- ##### 3.1.3. Blickfeld的Percept Blickfeld的Percept激光雷达感知软件可实时记录激光雷达流中的运动事件。结果如图8所示。 ![Image](images/6dd8f943ada9999770a37b56693a3002f516f29e7275caad14f29efb0768ca0f.jpg)
Figure 8. Sample frame showing detections by Blickfeld's Percept, with manually labeled points shown in blue and detections shown in orange.
Percept取得了0.606的F1分数和0.754的召回率，说明其识别运动的能力达到合格水平。但由于存在大量假阳性结果，精确率较低（仅0.507）。详细指标如表1所示。Percept更擅长检测家具附近和楼梯上的人员，但由于时间错位和对单个目标的多次检测，会产生假阳性结果。错误场景如图9所示。 ![Image](images/62925d72e8c6637243b2a93e87e69cfebe6838dab568da6a8aaf800dd1363915.jpg)
(b)
(c)
(d)
Figure 9. Error scenarios: (a) false positives as people in the furniture move, (b) false positives on the staircase, (c) a misalignment error between detections and ground truth points attributed to time differences between raster logs and Percept data, and (d) false positives due to multiple signatures of the same object as a result of time misalignments between sensors in Percept. The manually labeled points are shown in blue and detections shown in orange.
#### 3.2. 检测技术对比 总体而言，深度学习方法在三项指标中的表现都相近且出色。最高F1分数为0.879，对应的精确率（0.843）和召回率（0.930）同样处于较高水平（见图10）。三种方法中最低的假阳性（FP）率为17.1%，最低的假阴性（FN）率为7.0%（所有结果汇总见下文表1）。三种方法里，DSM方法的F1分数最优（0.879），这主要得益于其更出色的精确率表现（0.843）。双波段强度+DSM方法的F1分数和精确率略低（分别为0.875、0.826），但召回率略高（0.930）。强度法在三项指标中表现均为最低（分别为0.869、0.827、0.916），但所有方法整体表现都较好，相互之间的差距仅为几个百分点。 --- ![Image](images/cff51f4b75d41bb751d9598b2b76d5864c30e8c1cae3876015ead492d2127963.jpg)
Figure 10. Chart showing performance summary of detection methods including deep learning approaches for DSM, intensity and dual band; OpenCV's background subtraction and frame differencing models; and Percept.
#### 3.3. 假阳性与假阴性的空间分布 每种方法都有其独特的误差模式，具体体现在假阳性和假阴性的分布上（见图11）。与另外两种方法相比，深度学习方法产生的FP和FN数量要少得多。总体来看，两类误差的分布概率都与占用率成正比；但也存在明显的局部差异。两类误差都更少出现在通行走廊，更多出现在入口和家具附近。OpenCV在通行走廊周边出现了大片假阳性聚集，但在西北入口和楼梯底部附近的中央门廊区域假阳性数量明显偏少，后者很可能是因为该区域的传感器覆盖率特别高。OpenCV的假阴性则聚集在入口附近。由于对时间错位较为敏感，且会真实检测出验证样本未纳入的、家具附近的人员目标，Percept在整个空间内的假阳性率相对较高。Percept的大多数假阴性都出现在通行走廊中。 ![Image](images/da44daef92ab69f2e04605db947827d8bea049039dd165732bd4b21092042eb9.jpg)
Figure 11. Spatial distribution of detection errors across the following models: deep learning using DSM, OpenCV background subtraction and Percept, with false positives (FP) in blue and false negatives (FN) in orange. Deep learning has fewer FP and FN than OpenCV and Percept.
--- #### 3.4. 聚合运动分析与时间模式 本研究将三种方法（采用DSM的深度学习、采用背景减法的OpenCV以及Percept）分别应用于2023年9月的激光雷达数据，以分析占用率的时空模式。研究采用核密度估计技术识别并可视化了运动和占用率高低不同的区域（见图12）。 ![Image](images/723227be2f0cb8c21eb3915aae700c7c3196b9e6029bce01de1e00a46213f4b3.jpg) ![Image](images/36616c768319cc8c5d8000da9f90e5f6ce0724339635ff5a037b87f5b7a9a123.jpg) ![Image](images/fb7d858199493e2266143355012cd55ab2edfd2d8b1d8cf7862445af0fd11555.jpg)
Figure 12. Kernel density estimation (KDE) map of movement patterns detected by the detection models. (a) Deep learning, (b) OpenCV, and (c) Percept.
在所有检测模型中，使用的空间分布模式都较为相似。所有模型都将通往校园的西北入口、通往二层的楼梯，以及通往电梯的走廊识别为主要活动热点。但不同模型之间也存在显著差异。深度学习模型和Percept模型都将通往布莱克斯堡市区的东北走廊识别为次级热点。此外，深度学习模型还在研究区域内识别出了正交运动的活动廊道。与另外两个模型相比，OpenCV低估了入口和区域周边的活动量。这是因为OpenCV模型对进入空间的人员敏感度较低，只有当人员连续出现在多个帧中后才会检测到他们。与之不同，Percept对涉及家具区域的检测灵敏度更高，在有家具分布的位置识别出更多热点。这表明，尽管三种方法识别出的空间内高活动区域位置相似，但Percept更擅长检测空间内的静态停留或占用情况。 为了可视化不同模型的时间趋势，我们对检测结果进行汇总：计算每日平均值，并采用最大-最小归一化方案对结果进行归一化处理。该分析覆盖了9月连续两周的时段，并按每日不同时段分组统计（见图13）。归一化后的数据显示，所有检测方法得到的趋势都较为相似，仅存在微小差异。例如，与另外两种方法相比，Percept对9月12日和13日的活动量估计明显更低，而在下午4点和5点的估计值则明显更高。劳动节（9月4日）周末（即研究时段的第2至4天）明显是9月前14天中活动量最低的时段。 ![Image](images/a9b5ac8141b5566a853bdf211e63bbe65edd0b30279e6f387c5e45509f74943b.jpg) ![Image](images/0c9111309f18e8887896246e9ab0f87439ce87700c88d76d957b1fe801b77348.jpg)
Figure 13. Normalized aggregate average detections for each model (deep learning in blue, OpenCV in orange and Percept in green) within the study area for the month of September 2023. Overall trends between methods are very similar, with only some minor differences between them.
--- ### 4. 讨论 三种方法都能够利用栅格化和全3D激光雷达数据流成功追踪研究空间内的人员活动。其中深度学习方法效果最好，其次是Percept，最后是OpenCV方法。值得注意的是，OpenCV和Percept的误报率和漏报率都显著更高。Percept在追踪空间整体运动方面的效果略逊于深度学习，但在追踪位于家具上的人员方面表现更好。记录和分析正射激光雷达图像相比仅使用Percept软件具有明显优势：这些图像（1）可作为解读Percept检测结果的有用背景图层，（2）能够改进事后分析，（3）所需计算能力低于3D分析。这些图像还有助于证明激光雷达表示方式可以保护人员匿名性。尽管栅格图像本身并未按照$(x, y, \text{time})$坐标对家具进行追踪，但家具本身已被记录在数据中，理论上可在后续进行还原。不过，全3D追踪已被证明在部分场景下尤为重要，例如大型楼梯下方存在可利用活动空间的区域，这类区域很难用2.5D表示。 深度学习已在多个领域的点云点分割任务中得到应用，涵盖3D [^100] [^101] 与2D分析 [^102]。鉴于深度学习模型单独使用每一帧识别人员，我们最初假设这种方法的效果会不如支持帧间便捷对比的OpenCV。YOLOv5深度学习模型依靠独特纹理和强度变化来识别研究区域内的人员。此外，通过在大规模数据集上的充分训练，YOLOv5学习到了该空间内人类运动的特定形状和结构特征。与滑动窗口和区域推荐技术不同，YOLOv5在训练和测试阶段都会处理整张图像，因此能够捕捉可提升检测准确率的上下文信息。YOLOv5具备学习不同场景下可泛化目标表征的能力，这一特点有效提升了它在投影激光雷达帧中检测人员的能力 [^76]。该深度学习模型在三种激光雷达衍生数据（即DSM、强度数据，以及二者的双波段组合）上表现相近，其中DSM的整体性能最优。 在三种方法中，OpenCV模型的整体表现最差，不过它存在的问题十分明确，仍有改进空间。它性能不佳的部分原因在于：将3D激光雷达数据转换为2D正射影像的过程中，连续帧之间始终存在边缘闪烁噪声。低功率激光雷达设备的扫描结果往往存在不一致性 [^103] [^104]。栅格化时，点位置的微小变化可能刚好落入相邻像素，导致这些像素被激活；最终使得连续帧生成的图像出现闪烁或抖动，对空间内所有目标都产生影响。这种噪声在我们整个研究区域的数据中持续存在。OpenCV模型受闪烁噪声的影响更大，因为它通过分析连续帧之间的差异跟踪运动，而深度学习一次只处理单帧图像。我们调整了形态学开运算和检测尺寸参数来缓解闪烁问题，调整取得了部分成效，但并未将OpenCV的性能提升至深度学习或Percept方法的水平。如果采用力度更大的开运算，会导致低覆盖区域丢失激光雷达点云簇。栅格化激光雷达数据的网格尺寸设置为5厘米；尝试使用更大网格尺寸同样无法缓解闪烁效应，因为边缘附近不稳定的激光雷达点位移仍然会激活边缘像素。这是栅格数据结构本身存在的根本性局限。 Percept可以检测到人员的移动和暂停，而深度学习仅能很好地检测移动。不过，尽管Percept确实可以跟踪静止人员，如果人员保持静止一小段时间（约15秒），它就会丢失跟踪目标。在静止行为十分常见的场景（例如学生使用家具学习）中，这一点限制了它持续跟踪个人的能力。对于一个基本保持静止的个体，重新连接生成的两个（或多个）独立唯一ID是可以实现的，但需要额外 --- 数据后处理。此外，Percept的效果依赖于精细的参数调优。我们发现，在默认设置下，Percept会产生大量误报，且经常在特定位置重复出现误报。在三种方法中，Percept最容易出现由传感器之间时间不对准导致的重影误差，即使采用精确时间协议也无法消除这些误差。如果能有效解决引发重影误差的时间对准问题，Percept在跟踪移动和静止个体方面的性能就能与深度学习模型相当。Percept对数据量要求高，且后分析资源占用大，若采用更高效的XYZT格式数据记录方法就能改善这一问题，其中T代表检测的日期和时间。 检测家具上的人员对所有方法来说都是一项挑战。即使模型经过专门训练来检测就座人员和空家具，深度学习仍难以检测出静止人员以及家具上的人员。训练过程中引入多分类进一步降低了模型检测空间内移动人员的能力，而这正是我们的核心研究目标。OpenCV在检测就座人员方面表现更好，但用于区分噪声和真实检测的轮廓尺寸滤波器往往会把家具上的人员检测结果过滤掉。 Percept的误报中包含了对坐在家具上人员的检测——这本身是一个好结果，但就本研究而言，当我们只考虑运动时，这会对它的精确率和F1分数产生负面影响。由于运动涉及更大的体积表面积（而非仅轮廓周长），Percept能更好地检测出家具上的人员。对Percept检测结果的后续分析显示，它的误报中只有大约40%是由坐在家具上的人员导致的。剔除这些因素后，Percept的精确率会从0.507提升至0.631，F1分数从0.606提升至0.690，但分数仍显著低于深度学习方法。由于每种模型各有优缺点，将这些方法结合的混合检测模型可以发挥深度学习基于帧检测、OpenCV简洁性以及Percept检测占用和运动中目标运动能力的优势，性能优于任意单一方法。例如，可以将深度学习应用于帧间差值而非帧本身，从而将OpenCV整合进检测流程。 传感器覆盖范围对目标检测方法的准确率和可靠性起着至关重要的作用。传感器布设需要接入有线以太网（供电由以太网线路提供），同时还需要足够隐蔽，以维持新建建筑的整体氛围。激光雷达传感器的视场也存在局限。除了门口附近的长走廊外，大部分区域都被多个传感器覆盖。由于覆盖不足，所有方法在这些区域尤其容易出现漏检。组合多个传感器可以扩大传感器覆盖范围，提升整体检测性能。增强覆盖的一种方案是将激光雷达与雷达融合，二者能力互补，可在室内和室外环境下无缝运行。 ### 5. 结论 近年来室内空间建模的最新进展主要聚焦于静态地图与模型，例如建筑信息模型（BIM）和其他由CAD衍生的数字三维模型。但这些模型并未充分覆盖室内环境的动态特性，尤其是人员移动这一方面。本研究探讨了基于激光雷达的追踪算法如何在捕捉室内空间动态特性的同时，保障空间使用者的隐私。采用投影帧形式存储的二维激光雷达数据为高效的数据存储与分析提供了切实可行的解决方案。然而，在具有复杂垂直结构或多层的室内空间中，二维数据可能无法完整捕捉空间关系。 我们对目标检测模型的评估结果显示，在准确率方面，深度学习的表现优于OpenCV和Percept。不过每种方法都有其优缺点。仅处理单帧数据时深度学习表现良好，但在 --- 人员坐在家具上时难以完成追踪，即便经过针对性训练也依然存在这个问题。基于OpenCV的帧差分法和背景减法，受激光雷达数据栅格化产生的边缘闪烁噪声影响，表现差于预期，但仍有进一步开发的空间。Percept在追踪楼梯上的人员以及坐在家具上的人员时表现尤为出色，但资源消耗也最高。 未来研究应聚焦于模型优化（融合两种或多种上述模型）、探索替代数据记录技术，以及研究创新方法来缓解三维数据分析带来的计算挑战。解决这些挑战后，这些技术在各类场景下的准确率、效率和适用性都将得到提升，为更成熟、更易用的空间分析工具铺平道路。 此外，检测模型可从整合兼顾隐私保护的互补传感器类型和策略中获益。这些方法可以通过提供额外上下文来提高检测准确率和验证效果。其中一种方法是利用麦克风采集音量，以此识别活动频繁区域，再与激光雷达检测结果交叉对照来确认是否真的有人员存在。另外，为人员配置室内定位系统（IPS）可以提供精准位置数据，验证并提升基于激光雷达检测的准确率，解决诸如区分距离较近的不同人员这类歧义问题。另一种验证机制是在出入口安装传感器，监测进出空间的人员数量，这可以确保检测到的人数与进出人数一致，避免激光雷达数据中出现无法解释的目标。此外，将激光雷达检测结果与建筑内的Wi-Fi使用数据交叉验证，可以增加一层额外验证。Wi-Fi数据可根据设备连接情况反映人员的存在和移动，为确认空间占用模式提供一种非侵入式方法。 通过整合这些互补方法，未来研究可以提升室内环境追踪系统的鲁棒性和准确率，在保障隐私的同时开发出更成熟、更易用的空间分析工具。 补充材料：以下支持信息可从此处下载：，视频S1：激光雷达复合可视化；视频S2：OpenCV背景减法；视频S3：深度学习；视频S4：Percept。 作者贡献：概念构思：S.K.、T.J.P.、T.D.B.、T.O. 和 A.F.；研究方法：S.K.、T.J.P.、T.D.B.、T.O. 和 A.F.；软件开发：S.K.、T.J.P. 和 A.F.；验证：S.K. 和 T.J.P.；正式分析：S.K. 和 T.J.P.；研究调查：S.K.、T.J.P.、T.D.B.、T.O. 和 A.F.；数据整理：S.K.、T.J.P. 和 A.F.；撰写——初稿准备：S.K.；撰写——审稿与编辑：S.K.、T.J.P.、T.D.B. 和 T.O.；可视化：S.K. 和 T.J.P.；监督指导：T.J.P. 和 T.D.B.；项目管理：T.J.P. 和 T.D.B.；资金获取：T.J.P. 和 T.D.B.。所有作者均已阅读并同意本手稿的发表版本。 资助：本研究由美国国家科学基金会资助，项目编号 BCS-2149229。 数据可用性声明：支持本文结论的原始数据可应要求由作者提供。 利益冲突：作者声明无利益冲突。资助方未参与本研究设计、数据收集、分析或解读、手稿撰写以及结果发表决策。 ## 参考文献 [^1]: Day Biehler, D.; Simon, G.L. The Great Indoors: Research Frontiers on Indoor Environments as Active Political-Ecological Spaces. Prog. Hum. Geogr. 2011, 35, 172–192. [CrossRef] ## [^2]: Klepeis, N.E.; Nelson, W.C.; Ott, W.R.; Robinson, J.P.; Tsang, A.M.; Switzer, P.; Behar, J.V.; Hern, S.C.; Engelmann, W.H. The National Human Activity Pattern Survey (NHAPS): A Resource for Assessing Exposure to Environmental Pollutants. J. Expo Sci. Environ. Epidemiol. 2001, 11, 231–252. [CrossRef] [PubMed] --- 3. Odonohue, D. 《室内导航与制图你需要了解的一切》——2024年4月14日。在线获取：（访问时间：2024年4月14日）。 [^4]: Sabins, F.F., Jr.; Ellis, J.M. Remote Sensing: Principles, Interpretation, and Applications, 4th ed.; Waveland Press: Long Grove, IL, USA, 2020; ISBN 978-1-4786-4506-1. [^5]: Otero, R.; Lagüela, S.; Garrido, I.; Arias, P. Mobile Indoor Mapping Technologies: A Review. Autom. Constr. 2020, 120, 103399. [CrossRef] [^6]: Schowengerdt, R.A. Remote Sensing: Models and Methods for Image Processing; Elsevier: Amsterdam, The Netherlands, 2006; ISBN 978-0-08-048058-9. [^7]: Basiri, A.; Lohan, E.S.; Moore, T.; Winstanley, A.; Peltola, P.; Hill, C.; Amirian, P.; Figueiredo e Silva, P. Indoor Location Based Services Challenges, Requirements and Usability of Current Solutions. Comput. Sci. Rev. 2017, 24, 1–12. [CrossRef] [^8]: Dwijasa, F.; Lim, M.-H. A Survey of Problems and Approaches in Wireless-Based Indoor Positioning. In Proceedings of the 2016 International Conference on Indoor Positioning and Indoor Navigation (IPIN), Alcala de Henares, Spain, 4–7 October 2016; pp. 1–7. [^9]: Zhou, B.; Ma, W.; Li, Q.; El-Sheimy, N.; Mao, Q.; Li, Y.; Gu, F.; Huang, L.; Zhu, J. Crowdsourcing-Based Indoor Mapping Using Smartphones: A Survey. ISPRS J. Photogramm. Remote Sens. 2021, 177, 131–146. [CrossRef] [^10]: Wolf, P.R. Surveying and Mapping: History, Current Status, and Future Projections. J. Surv. Eng. 2002, 128, 79–107. [CrossRef] [^11]: Jiménez-Muñoz, J.C.; Sobrino, J.A. A Generalized Single-Channel Method for Retrieving Land Surface Temperature from Remote Sensing Data. J. Geophys. Res. Atmos. 2003, 108, 4688. [CrossRef] [^12]: Tomlinson, C.J.; Chapman, L.; Thornes, J.E.; Baker, C. Remote Sensing Land Surface Temperature for Meteorology and Climatology: A Review. Meteorol. Appl. 2011, 18, 296–306. [CrossRef] [^13]: Kogan, F.N. Remote Sensing of Weather Impacts on Vegetation in Non-Homogeneous Areas. Int. J. Remote Sens. 1990, 11, 1405–1419. [CrossRef] [^14]: Xie, Y.; Sha, Z.; Yu, M. Remote Sensing Imagery in Vegetation Mapping: A Review. J. Plant Ecol. 2008, 1, 9–23. [CrossRef] [^15]: Haque, U.; Hashizume, M.; Kolivras, K.N.; Overgaard, H.J.; Das, B.; Yamamoto, T. Reduced Death Rates from Cyclones in Bangladesh: What More Needs to Be Done? Bull. World Health Organ. 2012, 90, 150–156. [CrossRef] [PubMed] [^16]: Liu, H.; Weng, Q. Enhancing Temporal Resolution of Satellite Imagery for Public Health Studies: A Case Study of West Nile Virus Outbreak in Los Angeles in 2007. Remote Sens. Environ. 2012, 117, 57–71. [CrossRef] [^17]: Brooker, S.; Michael, E. The Potential of Geographical Information Systems and Remote Sensing in the Epidemiology and Control of Human Helminth Infections. In Advances in Parasitology; Remote Sensing and Geographical Information Systems in Epidemiology; Academic Press: Cambridge, MA, USA, 2000; Volume 47, pp. 245–288. [^18]: Hay, S.I. An Overview of Remote Sensing and Geodesy for Epidemiology and Public Health Application. In Advances in Parasitology; Remote Sensing and Geographical Information Systems in Epidemiology; Academic Press: Cambridge, MA, USA, 2000; Volume 47, pp. 1–35. [^19]: Harris, R. Satellite Remote Sensing. An Introduction; Routledge and Kegan Paul: London, UK, 1987. 20. Xue, J.; Su, B. 重要遥感植被指数：发展与应用综述。在线获取：（访问时间：2022年11月29日）。 [^21]: Talukdar, S.; Singha, P.; Mahato, S.; Shahfahad; Pal, S.; Liou, Y.-A.; Rahman, A. Land-Use Land-Cover Classification by Machine Learning Classifiers for Satellite Observations—A Review. Remote Sens. 2020, 12, 1135. [CrossRef] [^22]: Alqurashi, A.F.; Kumar, L.; Sinha, P. Urban Land Cover Change Modelling Using Time-Series Satellite Images: A Case Study of Urban Growth in Five Cities of Saudi Arabia. Remote Sens. 2016, 8, 838. [CrossRef] [^23]: Tesoriero, R.; Tebar, R.; Gallud, J.A.; Lozano, M.D.; Penichet, V.M.R. Improving Location Awareness in Indoor Spaces Using RFID Technology. Expert Syst. Appl. 2010, 37, 894–898. [CrossRef] [^24]: Cihlar, J. Land Cover Mapping of Large Areas from Satellites: Status and Research Priorities. Int. J. Remote Sens. 2000, 21, 1093–1114. [CrossRef] [^25]: Cracknell, A.P. The Development of Remote Sensing in the Last 40 Years. Int. J. Remote Sens. 2018, 39, 8387–8427. [CrossRef] [^26]: Peterson, B.; Bruckner, D.; Heye, S. Measuring GPS Signals Indoors. In Proceedings of the Institute of Navigation ION GPS-97, Kansas City, MI, USA, 16–19 September 1997; pp. 615–624. [^27]: Koyuncu, H.; Yang, S.-H. A Survey of Indoor Positioning and Object Locating Systems. Int. J. Comput. Sci. Netw. Secur. (IJCSNS) 2010, 10, 121–128. [^28]: Fonstad, M.A.; Dietrich, J.T.; Courville, B.C.; Jensen, J.L.; Carbonneau, P.E. Topographic Structure from Motion: A New Development in Photogrammetric Measurement. Earth Surf. Process. Landf. 2013, 38, 421–430. [CrossRef] [^29]: Liu, X. Airborne LiDAR for DEM Generation: Some Critical Issues. Prog. Phys. Geogr. Earth Environ. 2008, 32, 31–49. [CrossRef] [^30]: Chen, J. Grid Referencing of Buildings. In Proceedings of the Adjunct Proceedings of the 14th International Conference on Location Based Services, Zurich, Switzerland, 15–17 January 2018; pp. 38–43. [^31]: Pintore, G.; Mura, C.; Ganovelli, F.; Fuentes-Perez, L.; Pajarola, R.; Gobbetti, E. State-of-the-Art in Automatic 3D Reconstruction of Structured Indoor Environments. Comput. Graph. Forum 2020, 39, 667–699. [CrossRef] ## [^32]: Kim, T.-H.; Park, T.-H. Placement Optimization of Multiple Lidar Sensors for Autonomous Vehicles. IEEE Trans. Intell. Transp. Syst. 2020, 21, 2139–2145. [CrossRef] --- [^33]: Zlatanova, S.; Sithole, G.; Nakagawa, M.; Zhu, Q. Problems In Indoor Mapping and Modelling. In Proceedings of the ISPRS Acquisition and Modelling of Indoor and Enclosed Environments 2013, Cape Town, South Arfica, 11–13 December 2013; Volume XL-4-W4. pp. 63–68. [^34]: Kjaergaard, M.B.; Blunck, H.; Godsk, T.; Toftkjaer, T.; Christensen, D.L.; Grønbæk, K. Indoor Positioning Using GPS Revisited. In Pervasive Computing; Floréen, P., Krüger, A., Spasojevic, M., Eds.; Springer: Berlin/Heidelberg, Germany, 2010; pp. 38–56. [^35]: Ijaz, F.; Yang, H.; Ahmad, A.; Lee, C. Indoor Positioning: A Review of Indoor Ultrasonic Positioning Systems. In Proceedings of the Advanced Communication Technology (ICACT), 2013 15th International Conference, PyeongChang, Republic of Korea, 27–30 January 2013; p. 1150, ISBN 978-1-4673-3148-7. [^36]: Mautz, R. Overview of Current Indoor Positioning Systems. Geod. Ir Kartogr. 2009, 35, 18–22. [CrossRef] [^37]: Li, K.-J. Indoor Space: A New Notion of Space. In Web and Wireless Geographic Information System; Springer: Berlin/Heidelberg, Germnay, 2008; pp. 1–3. 38. Montello, D.R. 你身在何处？“此处即你位置”（YAH）地图的功能与困境：载于《空间认知与计算》；第10卷，第2–3页。在线获取：（访问时间：2024年5月16日）。 [^39]: Chen, J.; Clarke, K. Indoor Cartography. Cartogr. Geogr. Inf. Sci. 2019, 47, 1–15. [CrossRef] [^40]: Giudice, N.A.; Walton, L.A.; Worboys, M. The Informatics of Indoor and Outdoor Space: A Research Agenda. In Proceedings of the 2nd ACM SIGSPATIAL International Workshop on Indoor Spatial Awareness, San Jose, CA, USA, 2 November 2010; Association for Computing Machinery: New York, NY, USA, 2010; pp. 47–53. [^41]: Newell, R.G.; Sancha, T.L. The Difference between CAD and GIS. Comput.-Aided Des. 1990, 22, 131–135. [CrossRef] [^42]: Sulaiman, M.Z.; Aziz, M.N.A.; Bakar, M.H.A.; Halili, N.A.; Azuddin, M.A. Matterport: Virtual Tour as A New Marketing Approach in Real Estate Business During Pandemic COVID-19; Atlantis Press: Amsterdam, The Netherlands, 2020; pp. 221–226. [^43]: Shults, R.; Levin, E.; Habibi, R.; Shenoy, S.; Honcheruk, O.; Hart, T.; An, Z. Capability of Matterport 3d Camera for Industrial Archaeology Sites Inventory. ISPRS Ann. Photogramm. Remote Sens. Spat. Inf. Sci. 2019, 42, 1059–1064. [CrossRef] [^44]: Batty, M. Digital Twins. Environ. Plan. B Urban Anal. City Sci. 2018, 45, 817–820. [CrossRef] [^45]: Jones, D.; Snider, C.; Nassehi, A.; Yon, J.; Hicks, B. Characterising the Digital Twin: A Systematic Literature Review. CIRP J. Manuf. Sci. Technol. 2020, 29, 36–52. [CrossRef] [^46]: Blair, G.S. Digital Twins of the Natural Environment. Patterns 2021, 2, 100359. [CrossRef] [^47]: Wang, P.; Yang, L.T.; Li, J.; Chen, J.; Hu, S. Data Fusion in Cyber-Physical-Social Systems: State-of-the-Art and Perspectives. Inf. Fusion 2019, 51, 42–57. [CrossRef] [^48]: Schluse, M.; Rossmann, J. From Simulation to Experimentable Digital Twins: Simulation-Based Development and Operation of Complex Technical Systems. In Proceedings of the 2016 IEEE International Symposium on Systems Engineering (ISSE), Edinburgh, UK, 3–5 October 2016; pp. 1–6. [^49]: El-Sheimy, N.; Li, Y. Indoor Navigation: State of the Art and Future Trends. Satell. Navig. 2021, 2, 7. [CrossRef] [^50]: Purohit, A.; Sun, Z.; Mokaya, F.; Zhang, P. SensorFly: Controlled-Mobile Sensing Platform for Indoor Emergency Response Applications. In Proceedings of the 10th ACM/IEEE International Conference on Information Processing in Sensor Networks, Chicago, IL, USA, 12–14 April 2011; pp. 223–234. [^51]: Tashakkori, H.; Rajabifard, A.; Kalantari, M. A New 3D Indoor/Outdoor Spatial Model for Indoor Emergency Response Facilitation. Build. Environ. 2015, 89, 170–182. [CrossRef] [^52]: Gunduz, M.; Isikdag, U.; Basaraner, M. A Review of Recent Research in Indoor Modelling & Mapping. Int. Arch. Photogramm. Remote Sens. Spat. Inf. Sci. 2016, XLI-B4, 289–294. [CrossRef] [^53]: Wei, Y.; Akinci, B. A Vision and Learning-Based Indoor Localization and Semantic Mapping Framework for Facility Operations and Management. Autom. Constr. 2019, 107, 102915. [CrossRef] [^54]: Jens, K.; Gregg, J.S. How Design Shapes Space Choice Behaviors in Public Urban and Shared Indoor Spaces—A Review. Sustain. Cities Soc. 2021, 65, 102592. [CrossRef] [^55]: Zimring, C.; Joseph, A.; Nicoll, G.L.; Tsepas, S. Influences of Building Design and Site Design on Physical Activity: Research and Intervention Opportunities. Am. J. Prev. Med. 2005, 28, 186–193. [CrossRef] [PubMed] 56. Hillier, B.; Leaman, A.; Stansall, P.; Bedford, M. 空间句法。在线获取：（访问时间：2022年12月15日）。 [^57]: Petrovska, N.; Stevanovic, A. Traffic Congestion Analysis Visualisation Tool. In Proceedings of the 2015 IEEE 18th International Conference on Intelligent Transportation Systems, Gran Canaria, Spain, 15–18 September 2015; pp. 1489–1494. [^58]: Birnhack, M.; Perry-Hazan, L. School Surveillance in Context: High School Students' Perspectives on CCTV, Privacy, and Security. Youth Soc. 2020, 52, 1312–1330. [CrossRef] [^59]: Munaro, M.; Lewis, C.; Chambers, D.; Hvass, P.; Menegatti, E. RGB-D Human Detection and Tracking for Industrial Environments. In Intelligent Autonomous Systems 13; Menegatti, E., Michael, N., Berns, K., Yamaguchi, H., Eds.; Springer International Publishing: Cham, Switzerland, 2016; pp. 1655–1668. [^60]: Edelman, G.; Bijhold, J. Tracking People and Cars Using 3D Modeling and CCTV. Forensic Sci. Int. 2010, 202, 26–35. [CrossRef] 61. 《视频监控与公共空间：监控社会 对阵 安全国家》| SpringerLink。在线获取：（访问时间：2024年9月8日）。 --- 62. LiDAR、雷达与摄像头技术详细对比。在线获取：（访问时间：2024年9月8日）。 [^63]: Günter, A.; Böker, S.; König, M.; Hoffmann, M. Privacy-Preserving People Detection Enabled by Solid State LiDAR. In Proceedings of the 2020 16th International Conference on Intelligent Environments (IE), Madrid, Spain, 20–23 July 2020; pp. 1–4. [^64]: Nielsen, M.S.; Nikolov, I.; Kruse, E.K.; Garnæs, J.; Madsen, C.B. Quantifying the Influence of Surface Texture and Shape on Structure from Motion 3D Reconstructions. Sensors 2023, 23, 178. [CrossRef] [^65]: Kang, Z.; Yang, J.; Yang, Z.; Cheng, S. A Review of Techniques for 3D Reconstruction of Indoor Environments. ISPRS Int. J. Geo-Inf. 2020, 9, 330. [CrossRef] [^66]: Wu, D.; Liang, Z.; Chen, G. Deep Learning for LiDAR-Only and LiDAR-Fusion 3D Perception: A Survey. Intell. Robot. 2022, 2, 105–129. [CrossRef] [^67]: Zhang, J.; Singh, S. LOAM: Lidar Odometry and Mapping in Real-Time. In Proceedings of the Robotics: Science and Systems X, Berkeley, CA, USA, 12–16 July 2014. [^68]: Fritsche, P.; Kueppers, S.; Briese, G.; Wagner, B. Fusing LiDAR and Radar Data to Perform SLAM in Harsh Environments. In Informatics in Control, Automation and Robotics: 13th International Conference, ICINCO 2016, Lisbon, Portugal, 29–31 July 2016; Madani, K., Peaucelle, D., Gusikhin, O., Eds.; Springer International Publishing: Cham, Switzerland, 2018; pp. 175–189; ISBN 978-3-319-55011-4. [^69]: Bilik, I. Comparative Analysis of Radar and Lidar Technologies for Automotive Applications. IEEE Intell. Transp. Syst. Mag. 2023, 15, 244–269. [CrossRef] [^70]: Mielle, M.; Magnusson, M.; Lilienthal, A.J. A Comparative Analysis of Radar and Lidar Sensing for Localization and Mapping. In Proceedings of the 2019 European Conference on Mobile Robots (ECMR), Prague, Czech Republic, 4–6 September 2019; pp. 1–6. [^71]: Antonarakis, A.S.; Saatchi, S.S.; Chazdon, R.L.; Moorcroft, P.R. Using Lidar and Radar Measurements to Constrain Predictions of Forest Ecosystem Structure and Function. Ecol. Appl. 2011, 21, 1120–1137. [CrossRef] [^72]: Zou, Z.; Shi, Z.; Guo, Y.; Ye, J. Object Detection in 20 Years: A Survey. arXiv 2019, arXiv:1905.05055. [CrossRef] [^73]: Voulodimos, A.; Doulamis, N.; Doulamis, A.; Protopapadakis, E. Deep Learning for Computer Vision: A Brief Review. Comput. Intell. Neurosci. 2018, 2018, 1–13. [CrossRef] [^74]: Paul, M.; Haque, S.M.E.; Chakraborty, S. Human Detection in Surveillance Videos and Its Applications—A Review. EURASIP J. Adv. Signal Process. 2013, 2013, 176. [CrossRef] [^75]: Ren, S.; He, K.; Girshick, R.; Sun, J. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. In Proceedings of the Advances in Neural Information Processing Systems, Montreal, Canada, 7–12 December 2015; Curran Associates, Inc.: Red Hook, NY, USA, 2015; Volume 28. [^76]: Redmon, J.; Divvala, S.; Girshick, R.; Farhadi, A. You Only Look Once: Unified, Real-Time Object Detection. arXiv 2016arXiv:1506.02640. [^77]: Wang, J.; Chen, Y.; Dong, Z.; Gao, M. Improved YOLOv5 Network for Real-Time Multi-Scale Traffic Sign Detection. Neural Comput. Appl. 2023, 35, 7853–7865. [CrossRef] [^78]: Redmon, J.; Farhadi, A. YOLO9000: Better, Faster, Stronger. In Proceedings of the 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Honolulu, HI, USA, 21–26 July 2017; pp. 6517–6525. [^79]: Redmon, J.; Farhadi, A. YOLOv3: An Incremental Improvement. arXiv 2018, arXiv:1804.02767. [^80]: Li, C.; Li, L.; Jiang, H.; Weng, K.; Geng, Y.; Li, L.; Ke, Z.; Li, Q.; Cheng, M.; Nie, W.; et al. YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications. arXiv 2022, arXiv:2209.02976. [^81]: Wang, C.-Y.; Bochkovskiy, A.; Liao, H.-Y.M. YOLOv7: Trainable Bag-of-Freebies Sets New State-of-the-Art for Real-Time Object Detectors. arXiv 2022, arXiv:2207.02696. [^82]: LeCun, Y.; Bengio, Y.; Hinton, G. Deep Learning. Nature 2015, 521, 436–444. [CrossRef] [PubMed] [^83]: Molchanov, V.V.; Vishnyakov, B.V.; Vizilter, Y.V.; Vishnyakova, O.V.; Knyaz, V.A. Pedestrian Detection in Video Surveillance Using Fully Convolutional YOLO Neural Network. In Proceedings of the Automated Visual Inspection and Machine Vision II, SPIE, Munich, Germany, 29 June 2017; Volume 10334, pp. 193–199. [^84]: Garg, R.; Singh, S. Intelligent Video Surveillance Based on YOLO: A Comparative Study. In Proceedings of the 2021 International Conference on Advances in Computing, Communication, and Control (ICAC3), Mumbai, India, 3–4 December 2021; pp. 1–6. [^85]: Nguyen, H.H.; Ta, T.N.; Nguyen, N.C.; Bui, V.T.; Pham, H.M.; Nguyen, D.M. YOLO Based Real-Time Human Detection for Smart Video Surveillance at the Edge. In Proceedings of the 2020 IEEE Eighth International Conference on Communications and Electronics (ICCE), Phu Quoc Island, Vietnam, 13–15 January 2021; pp. 439–444. [^86]: Kannadaguli, P. YOLO v4 Based Human Detection System Using Aerial Thermal Imaging for UAV Based Surveillance Applications. In Proceedings of the 2020 International Conference on Decision Aid Sciences and Application (DASA), Sakheer, Bahrain, 8–9 November 2020; pp. 1213–1219. [^87]: Sualeh, M.; Kim, G.-W. Dynamic Multi-LiDAR Based Multiple Object Detection and Tracking. Sensors 2019, 19, 1474. [CrossRef] [PubMed] [^88]: BenAbdelkader, C.; Cutler, R.; Davis, L. Motion-Based Recognition of People in EigenGait Space. In Proceedings of the Fifth IEEE International Conference on Automatic Face Gesture Recognition, Washington, DC, USA, 20–21 May 2002; pp. 267–272. ## [^89]: Villarreal, M.; Baird, T.D.; Tarazaga, P.A.; Kniola, D.J.; Pingel, T.J.; Sarlo, R. Shared Space and Resource Use within a Building Environment: An Indoor Geography. Geogr. J. 2024, e12604. [CrossRef] --- [^90]: Chan, T.H.; Hesse, H.; Ho, S.G. LiDAR-Based 3D SLAM for Indoor Mapping. In Proceedings of the 2021 7th International Conference on Control, Automation and Robotics (ICCAR), Singapore, 23–26 April 2021; pp. 285–289. [^91]: Zhou, L.; Koppel, D.; Kaess, M. LiDAR SLAM With Plane Adjustment for Indoor Environment. IEEE Robot. Autom. Lett. 2021, 6, 7073–7080. [CrossRef] [^92]: Sharif, M.H. Laser-Based Algorithms Meeting Privacy in Surveillance: A Survey. IEEE Access 2021, 9, 92394–92419. [CrossRef] [^93]: Szeliski, R. Computer Vision: Algorithms and Applications; Springer Nature: Cham, Switzerland, 2022; ISBN 978-3-030-34372-9. [^94]: Culjak, I.; Abram, D.; Pribanic, T.; Dzapo, H.; Cifrek, M. A Brief Introduction to OpenCV. In Proceedings of the 2012 Proceedings of the 35th International Convention MIPRO, Opatija, Croatia, 21–25 May 2012; pp. 1725–1730. [^95]: Schulte-Tigges, J.; Förster, M.; Nikolovski, G.; Reke, M.; Ferrein, A.; Kaszner, D.; Matheis, D.; Walter, T. Benchmarking of Various LiDAR Sensors for Use in Self-Driving Vehicles in Real-World Environments. Sensors 2022, 22, 7146. [CrossRef] [^96]: Terven, J.; Cordova-Esparza, D. A Comprehensive Review of YOLO Architectures in Computer Vision: From YOLOv1 to YOLOv8 and YOLO-NAS. Make 2023, 5, 1680–1716. [CrossRef] [^97]: KaewTraKulPong, P.; Bowden, R. An Improved Adaptive Background Mixture Model for Real-Time Tracking with Shadow Detection. In Video-Based Surveillance Systems: Computer Vision and Distributed Processing; Remagnino, P., Jones, G.A., Paragios, N., Regazzoni, C.S., Eds.; Springer: Boston, MA, USA, 2002; pp. 135–144; ISBN 978-1-4615-0913-4. [^98]: Bradski, G. The OpenCV Library. Dr. Dobb's J. 2000, 25, 120–125. [^99]: Comaniciu, D.; Meer, P. Mean Shift: A Robust Approach toward Feature Space Analysis. IEEE Trans. Pattern Anal. Mach. Intell. 2002, 24, 603–619. [CrossRef] [^100]: Jhaldiyal, A.; Chaudhary, N. Semantic Segmentation of 3D LiDAR Data Using Deep Learning: A Review of Projection-Based Methods. Appl. Intell. 2022, 53, 6844–6855. [CrossRef] [^101]: Zamanakos, G.; Tsochatzidis, L.; Pratikakis, I.; Amanatiadis, A. A Comprehensive Survey of LIDAR-Based 3D Object Detection Methods. Comput. Graph. 2021, 99, 153–181. [CrossRef] [^102]: Chen, G.; Wang, F.; Qu, S.; Chen, K.; Yu, J.; Liu, X.; Xiong, L.; Knoll, A. Pseudo-Image and Sparse Points: Vehicle Detection With 2D LiDAR Revisited by Deep Learning-Based Methods. IEEE Trans. Intell. Transp. Syst. 2021, 22, 7699–7711. [CrossRef] [^103]: Elaksher, A.; Ali, T.; Alharthy, A. A Quantitative Assessment of LIDAR Data Accuracy | EndNote Click. Remote Sens. 2022, 15, 442. [CrossRef] [^104]: Glennie, C.L.; Hartzell, P.J. Accuracy assessment and calibration of low-cost autonomous lidar sensors. Int. Arch. Photogramm. Remote Sens. Spat. Inf. Sci. 2020, XLIII-B1-2020, 371–376. [CrossRef] 免责声明/出版者注：所有出版物中包含的陈述、观点和数据均仅属于各作者及贡献者个人，不代表MDPI和/或编辑方的观点。MDPI和/或编辑方不对本文内容提及的任何观点、方法、说明或产品所导致的人身伤害或财产损失承担责任。