盾构隧道点云分割网络

mIoU 达 73%

针对盾构隧道典型结构要素，提出全局特征学习与局部特征判别聚合的分割方法，实现了高精度识别。

Li, Jincheng · 张振鑫 · 孙海丽 · Si, Xie · 邹建军 · Changqi, Ji · Lu, Yue · Xiaoxu, Ren · Liuzhao, Wang

ISPRS Journal of Photogrammetry and Remote Sensing 2023

参数信息

mIoU

73.02 %

数据集长度

1000 m

技术优势

分割精度显著领先

在自建隧道数据集上mIoU达73.02%，比对比的最优网络高出至少14.54个百分点。

可适应多种扫描设备

方法在FARO、Leica、Z+F等不同激光扫描设备采集的数据上均取得先进性能，无需针对设备重新训练。

针对类别不平衡优化

设计加权交叉熵损失函数，解决盾构隧道各类别样本数量不平衡问题，提升小类别要素的分割效果。

应用场景

• 隧道结构自动化监测：自动分割纵缝、环缝、螺栓孔等要素，替代人工巡检，实现隧道结构状态高效监测。
• 点云语义理解：利用全局与局部特征学习，提升隧道点云中典型结构要素的语义分割精度。