面向煤矿巷道的方向性分组点云语义分割方法
程健1
张书晨2
李和平1
安宁3
赵海龙2
修海鑫3
1.煤炭科学研究总院,北京 100013;煤炭科学研究总院有限公司矿山人工智能研究院,北京 100013;煤炭智能开采与岩层控制全国重点实验室,北京 100013;天地科技股份有限公司,北京 1000132.煤炭科学研究总院,北京 100013;煤炭科学研究总院有限公司矿山人工智能研究院,北京 100013;煤炭智能开采与岩层控制全国重点实验室,北京 1000133.煤炭科学研究总院有限公司矿山人工智能研究院,北京 100013;煤炭智能开采与岩层控制全国重点实验室,北京 100013;天地科技股份有限公司,北京 100013
摘要：煤矿巷道点云语义分割是矿井环境空间语义理解的一项关键技术,但煤矿巷道点云具有多尺度目标共存、类别样本不均衡等特点,导致矿井点云小尺度目标分割的效果较差.对此,提出一种面向煤矿巷道的方向性分组点云语义分割方法.首先,针对煤矿巷道内典型小尺度目标(如管道、线缆等)具有沿单一方向分布的特点,提出方向性分组策略(Direction-Guided Grouping,DIG),通过优化点云分割网络中分组包络面的形状,提升分组内小尺度目标点云的比例,增强模型对其特征的提取能力;基于该策略,提出 2种方向性分组方法:一种是保留更强近邻性的基于椭球查询的方向性分组方法(Ellipsoid Query-based Directional Grouping,DIG-EQ),另一种是计算效率更高的基于空间填充曲线的方向性分组方法(Space-Filling Curve-based Directional Grouping,DIG-SFC),这 2种方法可灵活适配不同网络架构,显著提升了小尺度目标识别性能.其次,针对数据类别样本不均衡的问题,构建联合损失函数,进一步提高模型对小尺度目标的感知能力.最后,构建来自不同煤矿巷道的煤矿巷道点云语义分割数据集,对所提方法进行验证.结果表明:所提方法在PointNet++、PointNeXt-L和 Point Transformer V3骨干网络框架上针对所有类别的平均交并比分别为 61.84%、69.49%、76.63%,较原始骨干网络提高了 15.83%、6.25%、0.35%;针对小尺度类别的平均交并比分别为22.28%、28.61%、47.30%,较原始骨干网络提高了 29.99%、42.34%和 5.33%,验证了此方法在煤矿巷道场景中的有效性.
关键词：煤矿巷道三维点云语义分割方向性分组融合损失函数
分类号：TD76(矿山安全与劳动保护)TP18(自动化基础理论)TP391.41(计算技术、计算机技术)
资助基金：国家重点研发计划(2023YFC2907600)天地科技股份有限公司科技创新创业资金专项重点资助项目(2022-TD-ZD004)天地科技股份有限公司科技创新创业资金专项重点资助项目(2021-TD-ZD002)
论文发表日期：2025-11-30
在线出版日期：2025-12-15（本平台首次上网日期，不代表文献的发表时间）
页数：15( 67-81 )
英文信息