-
公开(公告)号:CN117079091A
公开(公告)日:2023-11-17
申请号:CN202311052594.6
申请日:2023-08-18
Applicant: 中国矿业大学
IPC: G06V10/80 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种地铁隧道激光点云语义特征融合增强方法,通过构建基于体素化自注意力机制与隧道空间几何特征的深度学习网络模型,提取隧道点云的深度语义特征与空间几何关系特征;通过构建点云体素化索引,在体素网格内应用基于自注意力机制的特征提取方法,提取点云的深度语义特征;利用空间特征模块计算隧道设施的空间几何特征;融合隧道设施的深度语义特征与空间几何特征,作为深度学习网络模型的编码特征进行训练,获得隧道设施点云的语义分割网络模型。本发明能够提高地铁隧道激光点云的语义信息提取与利用效率,减少因设施数量庞大,空间重叠度高造成的局部特征缺失,提高设施识别统计准确性。