-
题名双重注意力机制的电力走廊点云语义分割
被引量：1
- 1
-
-
作者
李建
王健
王雷
李敏
杨立克
赵艺龙
-
机构
山东科技大学测绘与空间信息学院
青岛市北斗导航空间信息技术重点实验室
北京建筑大学测绘与城市空间信息学院
国网山东省电力公司超高压公司
洛阳市嵩县山金矿业有限公司运营管理部
-
出处
《测绘通报》
北大核心
2025年第4期127-133,共7页
-
基金
国家重点研发计划(2022YFB3903501)
山东省自然科学基金(ZR2023MD027)。
-
文摘
电力走廊的点云场景具有独特性,采用深度学习方法进行语义分割时面临诸多挑战,场景中存在严重的数据倾斜问题。此外,在处理架空电力线和杆塔时,由于局部半径内点数量不足,模型难以提取足够的局部特征,从而降低了对相似对象的分割精度。为此,本文设计了一种基于双重注意力机制的两阶语义输电线路语义分割方法。首先,在数据精简阶段,利用电力传输设备与背景之间的高程差异,通过非深度学习方法有效去除大量背景点,加速训练过程并显著缓解数据倾斜问题。然后,提出兼顾全局特征与局部特征的双重注意力模型,提升了相似对象的区分度,且提高了点云分割的精度。经测试,本文的数据精简方法可去除63%以上的背景点,解决部分数据倾斜问题;提出的双重注意力网络对地线、导线和绝缘子的分割效果优于其他方法。
-
关键词
点云
电力走廊
深度学习
双重注意力机制
语义分割
-
Keywords
point cloud
power corridor
deep learning
dual attention
semantic segmentation
-
分类号
P208
[天文地球—地图制图学与地理信息工程]
-
