引文信息
黄郑, 顾徐, 王红星, 等. 基于改进PointNet++的输电杆塔点云语义分割模型[J]. 中国电力, 2023, 56(3): 77-85.
HUANG Zheng, GU Xu, WANG Hongxing, et al. Semantic segmentation model for transmission tower point cloud based on improved pointnet++[J]. Electric Power, 2023, 56(3): 77-85.
摘要
针对现有输电线路点云提取精度不高、无法满足无人机自主精细化巡检需求的问题，提出一种改进的PointNet++的输电杆塔点云语义分割方法，以实现对导线、地线、引流线、绝缘子和杆塔塔身的点云分割。首先，对经典PointNet++模型参数进行调整，使模型在特征提取数量、感受野方面更适用于输电杆塔点云数据；然后，采用核心点卷积作为点云特征提取算法，进一步提升模型对点云特征的提取能力；最后pointnet++，针对点云数据中存在的数据不平衡问题，采用focal loss作为损失函数pointnet++创业项目，使占比较少的类别得到充分训练。为验证所提方法有效性，在2284基输电杆塔组成的点云数据集上进行了实验，实验结果表明：改进后的算法平均F1值达到97.26%，较经典PointNet++提高了3.95个百分点。
结论
本文提出了一种基于改进PointNet++的输电杆塔点云数据的语义分割模型，该模型可以实现对导线、地线、引流线、绝缘子与杆塔塔身的分割，最终分割结果F1值均值达到97.26%。本文模型与PointNet++模型的对比实验结果表明，本文模型对输电杆塔点云数据的分割精度优于经典PointNet++模型，F1值平均提高了3.95个百分点，说明本文在模型结构以及特征提取方式上的改进可以提高模型分割精度；损失函数对比实验结果表明，FL损失函数在点云数据上的表现优于CE损失函数，F1值均值提升1个百分点，FL损失函数可以更好处理点云数据中类别数据量不平衡问题，同时可以提升点云数据中较难识别部件的识别率，对绝缘子与引流线类别的平均F1值提升了2个百分点。
注册会员查看全部内容……
限时特惠本站每日持续更新海量各大内部创业教程，年会员只要98元，全站资源免费下载
点击查看详情
站长微信：9200327
