面向点云数据的低空无人机巡检方法

摘要

针对点云语义分割问题，以PointNet++模型为基础，设计了一种并联混合注意力机制(parallel hybrid attention mechanism, PHAM)。PHAM并行处理通道和空间信息，并将它与原始特征整合，从而在保留原始特征输入的同时，有效提高关键特征识别和处理效率；在点云语义分割结果的基础上，将点云数据映射到三维栅格地图中，构建了用于低空无人机航迹规划的三维环境地图；通过Rescale函数对点云数据进行规范化处理，将点云坐标和标签信息存储在每个栅格单元中，确定栅格地图中障碍物位置；使用IGWO-WF算法进行无人机三维航迹规划。在S3DIS数据集和WHU-Urban-3D数据子集ALS上进行的实验表明，PHAM-PointNet++模型相较于原始模型在准确率、交并比上均有提升。

关键词

深度学习 / 注意力机制 / 点云语义分割 / 航迹规划

基金资助

江苏省重点研发计划（BE2022385）; 江苏省农业科技自主创新资金项目（CX(22)3105）; 江苏省“青蓝工程”优秀教学团队（F2022-29）; 连云港市重点研发计划（CG2323）