基于DI-PointNet的变电站主设备点云高精度语义分割方法

作     者：裴少通 孙海超 孙志周 胡晨龙 祝雨馨 

作者机构：华北电力大学河北省输变电设备安全防御重点实验室 国网智能科技股份有限公司 

出 版 物：《电工技术学报》 (Transactions of China Electrotechnical Society)

年 卷 期：2024年

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家电网有限公司总部管理科技项目资助(5500-202316168A-1-1-ZN) 

主　　题：点云语义分割 双层连续变换器 分层键采样 倒置残差 变电站 

摘      要：在变电站机器人巡检任务中，三维点云数据的高精度语义分割是关键技术之一，有助于机器人理解电力设备、障碍物和其他物体的空间布局。然而，现有的点云分割算法在变电站场景中的效果有限，准确度较低、计算复杂度高，难以实现对变电站主设备点云的准确分割，为了解决这一问题，该文提出了一种基于PointNet++的DI-PointNet算法。首先，采用双层连续变换器模块，增强点云之间的信息交互，有效地聚合长距离上下文，增大网络有效感受野；其次，通过分层键采样策略生成自注意力机制所需的键值，降低算法复杂度；最后，使用倒置残差模块，通过倒置瓶颈设计和残差连接来缓解梯度消失，有效地增加模型的深度，同时降低计算复杂度。同时，该文构建了变电站点云数据集，并对DI-PointNet算法进行了详细的消融实验，并与主流深度学习算法和电力领域典型点云分割算法进行了对比实验。实验验证结果表明，DI-PointNet对变电站主设备点云分割的平均交并比达到了82.5%，相比PointNet++算法提高了2.1%，且总体精度提高了3.4%，达到90.1%。DI-PointNet为智能电力设备巡检和维护提供了有效的解决方案。