基于多尺度融合的道岔点云分割方法
宋奕霄1
赵鑫欣2
王胜春2
严至成1
李清勇3
1.北京交通大学交通大数据与人工智能教育部重点实验室,北京 1000442.中国铁道科学研究院集团有限公司基础设施检测研究所,北京 1000813.北京交通大学交通大数据与人工智能教育部重点实验室,北京 100044;北京交通大学智慧高铁系统前沿科学中心,北京 100044
摘要：针对当前道岔区轨道状态检查方法存在的人工依赖程度高、检测效率低下以及二维视觉检测具有缺失深度信息的局限性等问题,提出基于多尺度融合策略的道岔点云分割方法(Point-Bidirectional Encoder Representations from Transformers-Turnout,Point-BERT-T).首先,在道岔局部点云编码过程中采用不同大小的球半径进行分组,并融合不同半径球体空间内点的特征,形成具有空间层次性的混合特征表达,融合后的特征包含道岔的不同尺度信息,能够优化对铁路基础设施的高效识别和分割,提升铁路道岔的三维点云数据识别能力和下游病害及形变检测能力;其次,在数据预处理阶段采用随机旋转平移和非均匀切分策略,有效模拟实际扫描采集过程中存在的随机性数据,增强模型在不同数据采集条件下的鲁棒性;最后,为验证本文方法的有效性,将改进方法与已有方法进行对比实验.研究结果表明:较现有方法Point-BERT,提出的Point-BERT-T方法在道岔点云分割性能上提高了 1.9％,在分割难度较高的心轨和翼轨上的分割交并比(Intersection over Union,IoU)分别提升了 4.7％和5.6％,在三维铁路道岔点云数据的语义分割任务中,有效实现了准确且鲁棒的分割.
关键词：铁路巡检道岔深度学习点云分割
分类号：U216.3(铁路线路工程)
论文发表日期：2025-06-30
在线出版日期：2025-08-21（本平台首次上网日期，不代表文献的发表时间）
页数：10( 23-32 )
英文信息