在LIDAR点云中的尘埃过使用深度学习用于采矿应用程序
Bruno Cavieres1, Nicolás Cruz2, Javier Ruiz-Del-Solar1,2
1Department Electrical Engineering, Universidad de Chile, Santiago 837-0451, Chile.
Sensors (Basel, Switzerland)
|October 29, 2025
概括
一种新的神经网络方法可以为采矿操作实时过LIDAR数据中的尘埃. 这项研究引入了一个公共数据库,用于培训和比较尘埃过技术.
科学领域:
- 地理空间技术是什么?
- 采矿中的人工智能
背景情况:
- 激光雷达传感器提供精确的3D环境数据,对于采矿至关重要.
- 矿山灰尘严重阻碍了LIDAR传感器的功能,影响了数据的准确性.
研究的目的:
- 为采矿环境中的LIDAR点云开发实时尘埃过方法.
- 创建一个公共数据库,以推进尘埃过研究.
主要方法:
- 一种基于神经网络的方法被设计用于实时测尘过.
- 该方法经过训练和验证,使用来自灰尘矿场的现实世界激光雷达数据.
- 建立了一个全面的公共数据库,包含来自各种灰尘环境的LIDAR数据.
主要成果:
- 拟议的神经网络方法有效地在实时中过LIDAR点云中的尘埃.
- 该方法在采矿应用中的尘埃过中实现了最先进的性能.
- 公共数据库为研究界提供了宝贵的资源.
结论:
- 开发的神经网络方法提供了一个强大的解决方案,用于克服矿业LIDAR传感中的尘埃干扰.
- 公共数据库将加速未来尘埃过算法的开发和基准测试.


