检索结果-南通市图书馆

电工技术学报 2024年

作者：裴少通孙海超孙志周胡晨龙祝雨馨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

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... 详细信息

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。

关键词：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

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：