-
作者
王郑阳俞昊孟昊马宇轩冉春晴黄岩周兴华王胜利张晓波
-
单位
山东科技大学海洋科学与工程学院山东科技大学测绘与空间信息学院江苏省地质勘查技术院
-
摘要
为实现基于深度学习的输电线路点云精确语义分割，必须建立能够准确反映目标类别特征的点云数据集。但现有数据集无法满足输电线路场景点云语义分割的需要。因此，基于机载LiDAR获取的某地区500 kV超高压输电线路巡检点云数据构建了一套深度学习数据集——POWERLINE-ALS。该数据集包含地线、导线、杆塔、植被、建筑、低矮电力线等6个类别，输电线路长21 km。同时，利用PointNet++、PointCNN、KPConv、SPG、RandLA-Net等5种常用深度学习模型对数据集进行了训练和测试。模型实验结果表明，POWERLINE-ALS能够在目前主流的深度学习模型上应用，具有普适性，其最高测试精度和平均交并比分别达95.31%和82.25%,可以满足实际点云数据语义分割工作的精度要求。
-
关键词
输电线路语义分割深度学习机载LiDAR点云数据集
-
基金项目(Foundation)
国家自然科学基金项目(42106072)；山东省自然科学基金项目(ZR2020QD071)；山东省重点研发计划项目(2019JZZY010809)；
-
文章目录
1 原始点云数据获取
2 点云数据集构建
2.1 分离地面点
2.2 数据集标注
3 基于深度学习的数据集测试
3.1 数据集评价指标
3.2 常用深度学习模型介绍
3.3 数据集测试
4 结论
-
引用格式
王郑阳,俞昊,孟昊,马宇轩,冉春晴,黄岩,周兴华,王胜利,张晓波.POWERLINE-ALS:一种用于输电线路场景深度学习语义分割的机载LiDAR点云数据集[J].山东科技大学学报(自然科学版),2023,42(02):33-43.DOI:10.16452/j.cnki.sdkjzk.2023.02.004.
158
83
山东科技大学学报(自然科学版) 
2023年第02期 
