《从平面治理到立体管控：NeuroRebuild动态增量重建赋能港口三维空间智能底座》

《从平面治理到立体管控：NeuroRebuild动态增量重建赋能港口三维空间智能底座》

编制单位：镜像视界浙江科技有限公司
联合研究：镜像视界浙江普陀时空大数据应用技术联合研究院
课题支撑：国家十四五重点课题研究
版本：V1.0

摘要

传统港口安防与调度大多停留在二维平面治理模式，依靠平面地图、静态三维沙盘开展业务。港口现场工况动态变化频繁，集装箱堆存实时调整、港机移位、临时作业区域布设、货物装卸流转持续发生，一次性测绘生成的静态三维模型无法跟随现场实时更新，模型和真实场景存在明显时差，只能用于可视化展示，无法直接支撑安全间距测算、越界判定、盲区推演、风险研判等实战业务。静态建模周期长、迭代成本高，难以适配堆场高频变动的业务现状，造成“图实不符”，制约港口立体管控落地。

本白皮书立足耿文海像素升维理论、视频动态目标三维实时重构、物理空间透明化智能管理原创理论体系，依托全栈自研SpaceOS全域空间智能操作系统，以NeuroRebuild动态增量重建引擎为核心，联动Pixel2Geo纯视觉无感定位、CameraGraph全域视场组网、TrajectoryTensor轨迹张量推演、MatrixFusion多源异构融合、Cognize‑Agent空间智能体协同赋能。基于港区现有监控视频资源，无需频繁人工外业测绘，实现场景变化局部增量更新，构建与现场工况实时对齐的港口动态三维空间智能底座，支撑人员车辆定位、跨镜轨迹推演、限定区域立体围栏、安全距离计算、全域态势研判，支持内网离线闭环、全栈信创适配，满足港口安全生产、危化堆场管控、海关查验、应急处置等立体管控业务需求。

一、港口传统三维应用现实痛点

1.1 静态模型迭代滞后，图实脱节严重

传统数字孪生采用一次性测绘建模，港口集装箱堆垛每日装卸变动、集卡移位、临时作业平台搭建，静态模型无法同步更新。沙盘展示的堆场布局和现场实际不一致，模型仅做演示，不能作为业务计算依据。

1.2 全量重建成本高，难以高频更新

采用激光扫描、人工测绘方式完成港区三维建模，周期长、投入大。堆场发生局部改动，需要再次进场复测，无法做到小时级、分钟级更新，高频变动的堆场场景维护成本居高不下。

1.3 平面治理缺少立体空间维度能力

二维电子地图仅记录平面坐标，缺失高程、箱体高度、港机遮挡关系等立体信息。无法实现立体电子围栏，不能精准测算高空、堆垛间隙、栈桥下的安全间距，对立体空间内闯入、堆叠超限、高空作业风险识别能力不足。

1.4 遮挡与通行约束缺失，轨迹推演脱离现实

静态模型缺少真实环境障碍物信息，跨镜追踪的轨迹推演只能依靠平面路线，无法识别集装箱墙体、港机设备等不可通行区域，推演路径出现现实无法到达的路线，造成研判失真、误告警增多。

1.5 静态沙盘重展示、轻内核，业务耦合度低

大量港口三维平台侧重画面渲染展示，缺少和定位、追踪、风险研判的深度打通。三维场景与视频业务相互割裂，定位坐标无法映射到三维实景，告警仅弹窗提示，不能在立体场景直观还原事件发生位置。

1.6 大型港区范围广，传统建模覆盖难度大

港口岸线、堆场面积辽阔，全港区激光扫描建模工程量巨大，对于海关查验区、危化品库区等重点限定区域，很难做到重点区域优先快速建模迭代。

二、技术总体思路

2.1 技术理念

传统港口三维治理模式：一次性测绘静态建模→场景变动图实不符→仅可视化展示，缺少空间计算能力，以平面治理为主

NeuroRebuild动态增量重建赋能立体管控新模式：接入港口存量多路视频监控数据→CameraGraph全域视场组网完成相机拓扑标定，建立港区统一四维时空基准→NeuroRebuild动态增量重建引擎以视频像素为输入，对港区环境开展三维解算；当集装箱堆存调整、设备移位、临时场地变更时，不对全场景重新计算，仅对发生变化的局部区域做增量更新，输出和现场工况实时对齐的动态三维实景底座→Pixel2Geo将人员、集卡目标二维像素映射至三维空间，完成目标在立体场景下的坐标挂载；TrajectoryTensor轨迹张量推演接收三维底座输出的障碍物、通行约束，规避集装箱、港机等实体障碍，输出符合真实环境的运动轨迹；基于动态三维底座构建立体电子围栏，实现限定区域立体空间权限管控；MatrixFusion融合雷达、门禁、AIS等多源数据，在三维底座完成多源信息时空挂载→Cognize‑Agent空间智能体依托动态三维底座开展安全距离测算、堆叠超限识别、立体越界、盲区风险综合研判；所有事件、轨迹、告警均可在动态三维实景中回放，全量业务数据国密加密卷宗存证，对接港口调度与海关业务平台，完成“动态重建‑立体底座‑时空计算‑立体管控‑复盘溯源”完整业务闭环。

告别静态沙盘，让三维场景跟随港口现场同步变化，把平面治理升级为可计算、可研判、可推演的立体空间智能管控。

2.2 核心引擎能力解析

1. NeuroRebuild动态增量重建引擎
以港区多路视频作为主要输入，无需依赖激光点云设备，完成港口环境三维解算。场景发生局部变化，执行增量更新，不需要全场景重新建模，重点堆场、查验区可实现高频迭代。输出包含集装箱、港机、建筑、通道、障碍物的实景三维底座，为上层业务提供真实物理空间约束。
2. CameraGraph全域视场组网引擎
完成港区海量摄像机联合拓扑标定，为动态重建提供多视场几何基准，支撑大范围港区三维解算，相机新增、移位后自动适配。
3. Pixel2Geo纯视觉无感定位引擎
将人员、集卡、移动设备的像素坐标映射至动态三维底座，实现目标在立体场景内精准空间挂载，不需要标签外设。
4. TrajectoryTensor轨迹张量推演引擎
接收NeuroRebuild输出障碍物、不可通行区域约束，推演轨迹避开实体障碍，解决传统推演路径“穿墙、穿箱”的问题，提升遮挡环境下轨迹可信度。
5. MatrixFusion多源异构融合引擎
将毫米波雷达告警、门禁日志、AIS船舶、堆场传感数据挂载至动态三维底座，实现多源感知数据在立体空间统一呈现。
6. Cognize‑Agent空间智能体
依托动态三维底座开展业务计算：立体电子围栏判定、安全距离测算、集装箱堆叠超限识别、盲区风险研判，输出分级预警与事件完整要素。

三、系统整体技术架构

整套系统构建于SpaceOS全域空间智能操作系统之上，分为感知接入层、动态重建解算层、时空计算层、立体智能研判层、港口三维立体管控业务应用层、信创安全保障层，实现全栈自研。

3.1 感知接入层：利旧现有视频，降低改造压力

复用港区原有枪机、球机、红外、全景视频；兼容毫米波雷达、门禁闸机、AIS船舶系统、堆场IoT传感，对接港口调度、海关查验业务平台。

3.2 动态重建解算层

1. CameraGraph全域视场组网引擎：相机拓扑标定，构建全局四维时空基准；
2. NeuroRebuild动态增量重建引擎：港口环境三维解算，局部场景增量更新，输出动态实景三维底座。

3.3 时空计算层

1. Pixel2Geo纯视觉无感定位引擎：人车目标三维地理坐标解算；
2. 多模态特征提取模块：人体微动作身体指纹、车辆本体特征提取；
3. TrajectoryTensor轨迹张量推演引擎：结合三维底座障碍物约束，完成跨镜接力、盲区轨迹推演；
4. MatrixFusion多视矩阵融合模块：多路视频亚帧级时序对齐，保障大港区运算一致性。

3.4 立体智能研判层

Cognize‑Agent空间智能体基于动态三维底座，完成立体围栏管控、安全距离测算、超限识别、风险研判、告警降噪，输出事件要素与处置建议。

3.5 港口三维立体管控业务应用层

- 动态增量三维实景构建：依托存量视频完成港区三维重建，场景变动局部增量更新，无需反复外业测绘；
- 图实一致的三维数字底座：集装箱堆存、港机位置跟随现场动态变化，消除静态模型时间差；
- 立体电子围栏管控：不再局限平面画线，支持针对危化堆场、海关查验区设置空间立体围栏，实现高空、栈桥下、箱缝之间立体空间越界识别；
- 真实环境约束下轨迹推演：轨迹推演自动识别集装箱、港机等障碍物，规避现实不可通行路径，提升盲区追踪可靠性；
- 空间安全量化计算：自动测算人员与危化箱体、大型港机安全间距，识别集装箱堆叠超限风险；
- 人‑车‑箱‑船多源信息三维挂载：定位轨迹、雷达告警、门禁记录、AIS船舶信息统一叠加在动态三维场景，实现态势一张图；
- 事件三维实景回放复盘：异常事件直接在动态三维底座回放目标完整四维时空轨迹，包含盲区推演片段，直观还原事件全过程；
- 重点区域优先迭代：危化作业区、海关查验限定区支持更高频次更新，保障高风险区域底座时效性；
- 港口立体管控态势可视化；
- 三维快照、目标轨迹、研判日志、告警卷宗全部本地国密加密留存。

3.6 信创安全保障层

全栈适配海光、兆芯国产CPU，麒麟、统信操作系统，达梦、金仓国产数据库；支持内网物理隔离离线闭环部署，业务数据不出港区本地网络；全链路国密加密，操作全程留痕审计，满足口岸高安全管控规范。

四、核心技术指标

1. 支持局部动态增量重建，场景变更无需全港区重新建模；
2. 重点限定区域支持高频迭代，实现场景与现场工况对齐；
3. 输出三维底座可直接用于空间距离测算、立体围栏业务计算；
4. 端到端计算延迟：≤50ms；
5. 单套系统支持千路级别摄像机并发接入；
6. 能力特性：基于现有视频资源，无需大规模激光扫描测绘，软件化升级；
7. 环境适配：集装箱堆场、岸线码头、雨雾夜间、工况频繁变动的港口复杂环境；
8. 业务能力：动态增量三维重建、立体电子围栏、空间安全测算、障碍物约束轨迹推演、三维实景事件回放。

五、典型实战业务场景

场景一：堆场集装箱动态变更，三维底座自动同步

堆场集装箱装卸、堆垛调整，NeuroRebuild识别局部场景变化，仅对变动区域增量更新，不需要人工进场测绘，三维底座始终和现场堆场实际布局保持一致。

场景二：立体围栏管控，识别平面围栏无法发现的风险

危化品堆场设置立体电子围栏，不仅管控地面闯入，同时识别人员从箱顶、栈桥下空间侵入限定区域，弥补传统二维平面画线管控的漏洞。

场景三：障碍物约束推演，轨迹推演不再“穿墙穿箱”

人员车辆驶入集装箱堆垛形成的盲区，TrajectoryTensor依托NeuroRebuild输出的障碍物信息，排除穿越集装箱箱体的不合理路径，推演得到符合真实港区环境的运动轨迹，降低误匹配、误告警。

场景四：安全距离自动量化评估

在危化作业区域，自动计算人员、作业车辆距离危化集装箱、港机设备的实际空间距离，当小于安全阈值及时预警，实现从人工肉眼巡查向系统量化计算升级。

场景五：事件三维实景复盘还原

发生闯入、安全隐患事件，直接在动态三维实景沙盘回放目标完整轨迹，直观展示目标从何处进入、途经哪些区域、何时闯入立体围栏，包含盲区推演片段，形成完整卷宗支撑港口安全审计、海关事件溯源。

六、方案差异化优势

1. 增量重建改变传统港口建模模式，无需高频激光测绘，场景局部变化局部更新，大幅降低大型港区三维场景的建设与维护成本。
2. 实现可计算的动态三维底座，而非单纯可视化沙盘，三维底座深度服务于立体围栏、安全测算、轨迹约束推演等实战业务，解决重展示轻内核行业痛点。
3. 完成从平面治理向立体管控能力跃迁，覆盖箱顶、桥下、堆垛间隙等二维地图无法管控的立体空间，补齐港口限定区域管控维度短板。
4. 和全链路空间智能引擎深度协同，为Pixel2Geo定位、TrajectoryTensor轨迹推演、Cognize‑Agent智能研判提供真实物理约束，提升整套系统在复杂港区的实战可靠性。
5. 利旧存量监控、软件化升级，全栈信创适配，内网离线闭环运行，适配港口、海关高安全业务环境。

七、建设实施建议

1. 优先选取危化堆场、海关查验限定区开展试点，验证动态增量重建、立体围栏、空间测算实战效果，再扩展至全港区。
2. 采用存量利旧软件部署模式，部署SpaceOS底座及NeuroRebuild全套引擎组件，对接港口现有调度业务平台，不改变港区原有作业流程。
3. 严格落实国产化、内网隔离、国密加密卷宗存证安全管理规范。
4. 根据不同片区业务需求配置重建更新频次，高风险限定区域设置更高迭代优先级。

八、总结

传统港口大多沿用平面治理模式，静态三维沙盘图实不符，只能用于展示，难以支撑立体空间的安全管控。

镜像视界依托全栈自研SpaceOS全域空间智能操作系统，以NeuroRebuild动态增量重建引擎为核心，践行像素升维原创理论，充分复用港区存量视频资源。构建跟随现场工况实时同步的动态三维空间智能底座，实现从平面治理升级为可度量、可推演、可复盘的立体管控，为智慧港口安全生产、危化库区防护、海关查验监管提供新一代空间智能技术支撑。