过辅助的空载点云传输线路的语义细分
Wanjing Yan1,2,3, Weifeng Ma1,2,3,4,5, Xiaodong Wu4,5
1Faculty of Geography, Yunnan Normal University, Kunming 650500, China.
Sensors (Basel, Switzerland)
|November 9, 2024
概括
本研究介绍了一种过器辅助的方法,用于对传输线路的空中点云进行细分,提高效率和准确性. 该方法有效地处理大型数据集和复杂场景中的阶级不平衡.
科学领域:
- 地理空间工程是什么?
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 点云语义细分对于传输线路分析至关重要.
- 当前的方法与大型数据集,复杂的场景以及在传输线路场景中的不平衡数据作斗争.
- 基础设施监控需要有效和准确的细分.
研究的目的:
- 提出一种过器辅助的语义细分方法,用于传输线路的空中点云.
- 为了应对数据量,场景复杂性和样本不平衡的挑战.
- 提高输电线路点云分析的效率和准确性.
主要方法:
- 引入了一种布模拟过器来识别地面点云,减少样本失衡.
- 定义了用于分类的多维特征.
- 训练了一种用于传输线场景多元体语义细分的分类模型.
主要成果:
- 过器辅助算法显著改善了传输线点云语义细分.
- 实现了超过25.46%的细分效率提升和3.15%的精度提升.
- 减少数据量,样本类和不平衡指数,减少处理时间.
结论:
- 拟议的方法为高效和准确的输电线点云细分提供了一个实际的解决方案.
- 它在场景重建和智能理解方面展示了重要的理论和工程价值.
- 该方法有效地减轻了大规模,复杂和不平衡的点云数据所带来的挑战.
