| 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 |
| |
| 引用本文： | 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(2):33-43. |
| |
| 作者姓名： | 王郑阳 俞昊 孟昊 马宇轩 冉春晴 黄岩 周兴华 王胜利 张晓波 |
| |
| 作者单位： | 1. 山东科技大学海洋科学与工程学院;2. 山东科技大学测绘与空间信息学院;3. 江苏省地质勘查技术院 |
| |
| 基金项目： | 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)； |
| |
| 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 |
|
