POWERLINE-ALS:一种用于输电线路场景深度学习语义分割的机载LiDAR点云数据集

王郑阳; 俞昊; 孟昊; 马宇轩; 冉春晴; 黄岩; 周兴华; 王胜利; 张晓波

doi:10.16452/j.cnki.sdkjzk.2023.02.004

山东科技大学学报（自然科学版） ›› 2023, Vol. 42 ›› Issue (02) : 33 -43. DOI: 10.16452/j.cnki.sdkjzk.2023.02.004

POWERLINE-ALS:一种用于输电线路场景深度学习语义分割的机载LiDAR点云数据集

王郑阳, 俞昊, 孟昊, 马宇轩, 冉春晴, 黄岩, 周兴华, 王胜利, 张晓波

作者信息 +

Author information +

文章历史 +

PDF (3292K)

摘要

为实现基于深度学习的输电线路点云精确语义分割，必须建立能够准确反映目标类别特征的点云数据集。但现有数据集无法满足输电线路场景点云语义分割的需要。因此，基于机载LiDAR获取的某地区500 kV超高压输电线路巡检点云数据构建了一套深度学习数据集——POWERLINE-ALS。该数据集包含地线、导线、杆塔、植被、建筑、低矮电力线等6个类别，输电线路长21 km。同时，利用PointNet++、PointCNN、KPConv、SPG、RandLA-Net等5种常用深度学习模型对数据集进行了训练和测试。模型实验结果表明，POWERLINE-ALS能够在目前主流的深度学习模型上应用，具有普适性，其最高测试精度和平均交并比分别达95.31%和82.25%,可以满足实际点云数据语义分割工作的精度要求。