基于图神经网络的变电站场景三维目标检测

摘要：

在变电站三维场景中,对巡检人员和带电设备的精确定位与识别是提高人员安全管控水平的前提.针对变电站复杂场景中目标定位与识别不准的问题,提出了一种基于图神经网络的变电站场景三维目标检测方法.该方法基于point-GNN结构设计,在顶点特征提取阶段,提出PCS(point-channel-sphere)注意力结构,提取更加丰富的关键点特征信息;在GNN边缘特征聚合阶段,采用统筹性池化机制,兼顾最大池化和均值池化从而获取更丰富的全局特征;改进模型损失函数,将Focal Loss作为分类损失使训练更加关注前景点,将DIoU Loss作为回归损失使回归任务更高效.在自建的变电站场景数据集上进行训练与测试,实验表明该方法mAP值达到73.81％,优于基准模型,能够改善变电站场景中目标的检测效果,对提高人员安全管控水平具有一定的实用价值.

关键词：图神经网络、三维目标检测、点云、注意力、统筹性池化、损失函数

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：山西省重点研发计划项目;国网山西省电力公司信息化项目

在线出版日期：2023-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：329-336