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

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、Rand-LA-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

所属期刊栏目：42

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金;山东省自然科学基金;山东省重点研发计划项目

在线出版日期：2023-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：33-43