（通讯员王少宁）近日，我院地信系高分遥感影像智能解译课题组2019级本科生张跃（已参加长江大学创新人才计划3+1+2，已保研本校）以长江大学为第一单位在地球科学和遥感领域顶级期刊《IEEE Transactions on Geoscience and Remote Sensing》（影响因子：8.125、中科院大类一区、SCI 1区、TOP期刊）上发表题为“Robust extraction of multi-type support positioning devices in the catenary system of railway dataset based on MLS point clouds”的论文。该论文是以张跃为第一作者，杨元维副教授为通讯作者、高贤君副教授为共同作者署名发表。

图1张跃（右）与杨元维老师（左）

高铁接触网支持定位装置受使用频率及外界环境的影响，部件损坏率极高。因此，自动稳健的支持定位装置检测和状态评估对保障铁路安全运营具有重要研究意义，然而铁路场景的复杂多样性使得点云规模占比较小的支持定位装置特征模型刻画能力较弱。当经典点云分割算法应用于铁路点云数据集时，存在分割精度低、自动化程度低、适用性差等缺陷，难以迁移应用到不同铁路线场景中。该论文中提出了一种新的能够适用不同铁路场景的接触网支持定位装置提取算法。首先，针对接触网相关部件点云密度不均以及点云处理效率低的问题，提出了新的PSBSCAN(Point-Spacing-Based Spatial Clustering of Applications with Noise, PSBSCAN)聚类算法，实现支柱点云的高效聚类提取；然后，构建面向设施对象的空间索引，以实现铁路场景中POS轨迹、支柱及支持定位装置点云对象的快速定位检索；最后，基于改进八叉树构建多层次体素分割框架，对架设在支持定位装置上的接触线进行剥离，实现复杂铁路场景中支持定位装置的精确提取。实验结果表明，与同类算法相比，该方法具有较强的抗干扰能力和良好的支持定位装置提取能力，算法模型具有良好的可扩展性和轻量化特性，方法能有效运用于铁路支持定位装置运维作业。

图2 支持定位装置展示, (a)铁路场景中的支持定位装置, (b)铁路点云场景中的支持定位装置

图3 算法应用流程图

我院地信系高分遥感影像智能解译课题组长期致力于车载LiDAR数据目标识别与测量、深度学习遥感影像智能解译（建筑物、云、雪等）等方面的研究，目前已经发表高质量论文40多篇。其中课题组成员以第一或通讯作者在《IEEE Transactions on Geoscience and Remote Sensing》、《International Journal of Applied Earth Observation and Geoinformation》、《Neurocomputing》、《Remote Sensing》、《Applied Sciences》、《IEEE Access》、《测绘学报》、《中国激光》、《光学学报》、《武汉大学学报(信息科学版)》以及《浙江大学学报(工学版)》等国内外知名期刊上发表多项成果。

课题组链接地址：

https://docs.qq.com/doc/p/76da31c6cda04500fe45b018397cd66127051a55?dver=3.0.27429706