激光与红外

作者：孟维傑

单位：1.交通数据分析与挖掘北京市重点实验室,北京交通大学,北京 100044；2.北京交通大学 计算机与信息技术学院,北京 100044；3.联通数字科技有限公司,北京 100032；4.中国铁道科学研究院基础设施检测所,北京 100080；5.中国铁路设计集团有限公司城市轨道交通事业部,天津 300142；6.城市轨道交通数字化建设与测评技术国家工程研究中心,天津 300308；7.北京交通大学 唐山研究院,河北 唐山 063000；

关键词：激光点云;点云分割;深度学习;铁路场景

基金：河北省自然科学基金项目(No.F2022105018)资助。

随着高速铁路和城市轨道交通系统的快速发展,对交通安全技术的研究日益迫切。应用激光扫描技术生成的铁路线路环境三维点云,能够对运行环境实现准确的感知。本文以铁路场景的三维点云数据为研究对象,首次构建了铁路场景下的大规模点云语义分割数据集。针对现有点云语义分割模型主要适用于于小尺度场景,但是铁路线路环境的三维点云数据规模很大,为此,本文提出了一种面向铁路场景的大规模点云语义分割方法,在编码阶段提出了一种基于自注意力的自适应局部特征融合模块,可以更好地聚合不同尺度的局部特征,解决类别不均衡的问题；在解码阶段提出了一种高维语义信息引导下的上采样方法,弥补了在编码阶段较大尺度的下采样造成的信息损失。所提方法在铁路场景数据集及公共室内数据集上都取得了优异的分割性能。

来源：2024年第12期

《激光与红外》期刊编辑部

查看激光与红外杂志2024年第12期