面向复杂山地场景的边坡支护结构点云语义分割方法

韩峰; 郭炜; 王超; 李永强; 吴红刚

兰州交通大学学报 ›› 2026, Vol. 45 ›› Issue (5) : 1 -9.

韩峰, 郭炜, 王超, 李永强, 吴红刚

作者信息 +

Author information +

文章历史 +

摘要

铁路边坡支护结构在长期服役过程中易出现开裂、变形等病害，支护结构点云精确语义分割是开展病害识别与状态评估的重要环节。然而，植被、坡面等背景目标干扰及结构尺度差异大、几何特征复杂等因素限制了支护结构点云语义分割精度。针对上述问题，提出一种面向复杂山地场景的铁路边坡支护结构点云语义分割方法。利用无人机搭载激光雷达获取点云数据，经布料模拟滤波（CSF）完成地面点与非地面点分离，构建包含挡墙与框架梁的支护结构点云数据集，并采用分块策略增强样本多样性；建立基于Point Transformer V3的语义分割模型，并选取PointNet、PointNet++、DGCNN及Point Transformer等典型方法进行对比实验。结果表明：所提方法在测试集上总体准确率（OA）、平均准确率（mAcc）与平均交并比（mIoU）分别达到94.89%、94.58%、87.93%，在复杂背景干扰条件下对支护结构边界保持与细节识别能力显著优于对比方法。研究结果可为铁路边坡支护结构的自动化提取与定量分析提供可靠的数据基础与技术支撑。