论文部分内容阅读
高速铁路现已成为中国制造的金名片，其对我国经济和政治的发展具有重要的战略意义。随着高铁规模不断扩大，对其运营管理提出了更高的要求。接触网作为高速铁路供电系统的重要组成部分，其工作状态与高速列车正常、安全运营息息相关。由于长期处于室外环境，接触网容易受外界影响而出现故障，为了确保其处于正常工作的状态，需要定期检测和维护。传统人工检测的方法存在效率低、不可靠、安全性不高等问题，难以满足高铁发展的需求。激光雷达是一种精确、快速获取三维空间信息的检测技术，能够用以提高接触网检测的效率、准确性等。然而接触网结构复杂、部件众多，激光雷达采集的点云数据量大，如何高效、准确地分割点云数据来识别接触网部件，是一个需要解决的关键问题。
为了解决如何从点云数据中识别多类接触网部件问题，本论文以基于二维激光雷达的高铁接触网检测系统采集的点云数据为研究对象，结合现有的深度学习理论，研究一种基于深度学习的点云语义分割方法来识别八类接触网部件，主要工作如下：
1、本文提出了一个点云语义分割框架。针对接触网场景点云数据量大导致的模型不易训练、部件识别困难问题，本文将接触网的点云语义分割任务划分成三个子任务：单帧点云分类、单帧点云组合、多帧点云语义分割。首先利用一个分类网络CNN识别每帧点云数据的场景类别，然后根据分类结果，通过一个组合算法将相邻的单帧点云组合成多帧点云数据，最后利用一个语义分割网络对多帧点云数据进行语义分割，从而识别点云中的接触网部件。
2、本文设计了基于KNN查找的点云语义分割网络。在多帧点云语义分割子任务中，PointNet点云语义分割网络由于局部特征提取能力不足，其对数据稀疏的部件的识别效果不佳。针对该问题，本文通过KNN查找算法建立每个点的局部区域，基于点的特征以及点与点的距离构造局部特征，以增强分割网络的局部特征提取能力，然后联结点的多层局部特征和全局特征对点云进行语义分割。
3、采集真实接触网环境下的点云数据集并标注，验证了本文所提出方法的可行性和有效性。在多帧点云语义分割任务中，基于KNN查找的点云语义分割网络对八类部件的识别精度优于PointNet，平均分割准确率和交并比分别达到了97.01%和93.71%。除此外发现设计的局部特征提取方法能够提高数据稀疏的部件的分割准确率，比如吊弦、定位器，在精确率上分别提升了4.78%、3.08%，在交并比上提升了10.88%、3.53%。
为了解决如何从点云数据中识别多类接触网部件问题，本论文以基于二维激光雷达的高铁接触网检测系统采集的点云数据为研究对象，结合现有的深度学习理论，研究一种基于深度学习的点云语义分割方法来识别八类接触网部件，主要工作如下：
1、本文提出了一个点云语义分割框架。针对接触网场景点云数据量大导致的模型不易训练、部件识别困难问题，本文将接触网的点云语义分割任务划分成三个子任务：单帧点云分类、单帧点云组合、多帧点云语义分割。首先利用一个分类网络CNN识别每帧点云数据的场景类别，然后根据分类结果，通过一个组合算法将相邻的单帧点云组合成多帧点云数据，最后利用一个语义分割网络对多帧点云数据进行语义分割，从而识别点云中的接触网部件。
2、本文设计了基于KNN查找的点云语义分割网络。在多帧点云语义分割子任务中，PointNet点云语义分割网络由于局部特征提取能力不足，其对数据稀疏的部件的识别效果不佳。针对该问题，本文通过KNN查找算法建立每个点的局部区域，基于点的特征以及点与点的距离构造局部特征，以增强分割网络的局部特征提取能力，然后联结点的多层局部特征和全局特征对点云进行语义分割。
3、采集真实接触网环境下的点云数据集并标注，验证了本文所提出方法的可行性和有效性。在多帧点云语义分割任务中，基于KNN查找的点云语义分割网络对八类部件的识别精度优于PointNet，平均分割准确率和交并比分别达到了97.01%和93.71%。除此外发现设计的局部特征提取方法能够提高数据稀疏的部件的分割准确率，比如吊弦、定位器，在精确率上分别提升了4.78%、3.08%，在交并比上提升了10.88%、3.53%。