地科学院硕士生徐涛在测绘领域主流期刊《测绘学报》上发表题为“融合图卷积与多尺度特征的接触网点云语义分割”的研究论文。

该研究主要针对接触网场景复杂，部件之间的尺寸差异较大，并且存在着较多语义信息接近且相连的部件，导致现有的深度学习方法难以高精度地完成接触网点云语义分割任务。因此，本文提出了一种基于图卷积和多尺度特征的神经网络GDM-Net（图1）。该网络包含基于图的局部特征提取器，增强了对接触网点云局部特征提取；双重通道注意力模块，同时兼顾了接触网点云的全局和显著特征的提取；多尺度特征融合的细化模块,通过提取并融合接触网的多尺度信息，提升了分割精度。受益于上述几个模块，该网络提升了对于接触网部件交界处的点云分割能力。基于接触网数据集对该方法进行定性和定量的验证分析，GDM-Net相较于5种其他的点云深度学习方法，精度最高，OA、mIoU和F1值这3个精度指标分别可以达到96.73%，91.06%和95.28%（图2）。实验表明，本文提出的网络可以有效减少部件连接部分的错分问题，提高接触网部件分割的完整性。

《测绘学报》是中国科学技术协会主管，中国测绘地理信息学会主办的综合性学术刊物。主要涉及大地测量、全球导航卫星系统、遥感、航空摄影测量、工程测量、地图学、地理信息系统、矿山测量、海洋测绘、地籍测绘、测绘仪器、信息传输等测绘地理信息学科及其相关相邻学科。

论文链接：

https://kns.cnki.net/kcms2/article/abstract?v=Mw9fkKjKljqEfp_MdHnAdflvUkmNSK0OyodUfO7qw8e2KEevk3143YGBrHi_YkSvF_RXhQCD7EJ0U6XfZ4jpCGXeRzqQ8Jny0W6ku7tcjcnlknJSidyCjgYRKRBA1QcXxfA-puVkYOgkPioPlvpUjR0DOFik0lo8rSLMCCkOpxw=&uniplatform=NZKPT

图1 GDM-Net网络

图2 同类算法检测结果对比

图3 论文