融合图卷积与多尺度特征的接触网点云语义分割

作     者：徐涛 杨元维 高贤君 王志威 潘越 李少华 许磊 王艳军 刘波 余静 吴凤敏 孙浩宇 XU Tao;YANG Yuanwei;GAO Xianjun;WANG Zhiwei;PAN Yue;LI Shaohua;XU Lei;WANG Yanjun;LIU Bo;YU Jing;WU Fengmin;SUN Haoyu

作者机构：长江大学地球科学学院湖北武汉430100 东华理工大学自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室江西南昌330013 内蒙古自治区测绘地理信息中心内蒙古呼和浩特010050 中国铁路设计集团有限公司天津300308 湖南科技大学地理空间信息技术国家地方联合工程实验室湖南湘潭411201 湖南科技大学测绘遥感信息工程湖南省重点实验室湖南湘潭411201 重庆市地理信息和遥感应用中心重庆401147 

基　　金：城市轨道交通数字化建设与测评技术国家工程实验室开放课题基金(2023ZH01) 天津市科技计划(23YFYSHZ00190,23YFZCSN00280) 重庆市自然科学基金(CSTB2022NSCQ-MSX1484) 自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室开放基金(MEMI-2021-2022-08) 湖南科技大学测绘遥感信息工程湖南省重点实验室开放基金(E22205) 湖南省自然科学基金项目部门联合基金(2024JJ8327) 江西省自然科学基金(20232ACB204032) 长江大学大学生创新项目(Yz2023013) 

出 版 物：《测绘学报》 (Acta Geodaetica et Cartographica Sinica)

年 卷 期：2024年第53卷第8期

页      码：1624-1633页

摘      要：准确的接触网语义分割结果对于接触网组件提取和几何参数检测具有重要的意义。实际上,接触网场景复杂,部件之间的尺寸差异较大,并且存在着较多语义信息接近且相连的部件,导致现有的深度学习方法难以高精度地完成接触网点云语义分割任务。基于上述问题,本文提出一种基于图卷积和多尺度特征的神经网络GDM-Net。该网络包含基于图的局部特征提取器,增强了对接触网点云局部特征提取;双重通道注意力模块,同时兼顾了接触网点云的全局和显著特征的提取;多尺度特征融合的细化模块,通过提取并融合接触网的多尺度信息,提升了分割精度。受益于上述几个模块,该网络提升了对于接触网部件交界处的点云分割能力。基于接触网数据集对该方法进行定性和定量的验证分析,GDM-Net相较于5种其他的点云深度学习方法,精度最高,OA、mIoU和F 1值这3个精度指标分别可以达到96.73%,91.06%和95.28%。定性比较表示,本文提出的网络可以有效减少部件连接部分的错分问题,提高接触网部件分割的完整性。

主 题 词：激光雷达 接触网系统 图卷积 注意力机制 多尺度特征融合 点云语义分割 

学科分类：083002[083002] 0830[工学-生物工程类] 081802[081802] 08[工学] 0818[工学-交通运输类] 081602[081602] 0816[工学-纺织类] 

核心收录：

D　O　I：10.11947/j.AGCS.2024.20230198

馆 藏 号：203143922...