一种针对铁路场景点云的、具有动态密度感知功能的、分层语义分割方法

《ADVANCED ENGINEERING INFORMATICS》：A dynamic density-aware guided hierarchical semantic segmentation method for railway scene point clouds

　　

王文菊|杨书文|寇瑞雄|庄石|李晓奎|朱浩

摘要

铁路基础设施监测需要对点云数据有准确的语义理解，以支持数字孪生模型的构建和智能维护决策。本文针对铁路点云语义分割中的三个核心挑战进行了研究：关键组件的稀疏性、极端规模变化以及严重的类别不平衡问题。我们提出了DMSNet，这是一种基于动态密度感知的层次化分割方法，该方法整合了三个适应铁路特定数据特征的模块：1) 密度加权自适应采样（DWAS）机制，该机制根据局部密度来调整采样概率，从而保留稀疏但关键的特征；2) 多尺度膨胀残差（MSDR）模块，通过并行编码从毫米到十米的范围捕捉几何信息；3) 大样本有效加权（LSEW）损失函数，该函数根据有效样本数量动态重新调整学习权重，以应对长尾分布问题。在WHU-Railway3D和Rail3D数据集上的实验表明，DMSNet的mIoU分别达到了69.90%和93.17%，显著优于基线方法。在分割铁轨、架空线路和其他关键资产方面的准确率提升验证了该方法将铁路特定领域知识有效编码到分割网络中的有效性，适用于实际检测应用。