基于Transformer的超欠挖隧道干扰点云分割算法

傅思思; 刘闯; 王劲松; 刘沛

doi:10.13741/j.cnki.11-1879/o4.2025.03.006

您当前的位置：

首页 >

文章列表页 >

基于Transformer的超欠挖隧道干扰点云分割算法

光学传感与测量 | 更新时间：2025-09-01

- 基于Transformer的超欠挖隧道干扰点云分割算法
- Transformer based interference point cloud segmentation algorithm for underexcavated tunnels
- 光学技术 2025年51卷第3期页码：316-322
- 作者机构：
  
  1. 1:长春理工大学光电工程学院
  2. 2:长春理工大学中山研究院
- 作者简介：
- 基金信息：
  
  国家级重大项目(XXX,2006ZCTF0012);中山市创新团队专项(CXTD2023006)
- DOI：10.13741/j.cnki.11-1879/o4.2025.03.006
  中图分类号： U456.3;TP391.41
- 纸质出版：2025
- 稿件说明：
移动端阅览
傅思思, 刘闯, 王劲松, 等. 基于Transformer的超欠挖隧道干扰点云分割算法[J]. 光学技术, 2025,51(3):316-322.

Transformer based interference point cloud segmentation algorithm for underexcavated tunnels[J]. 2025, 51(3): 316-322.
傅思思, 刘闯, 王劲松, 等. 基于Transformer的超欠挖隧道干扰点云分割算法[J]. 光学技术, 2025,51(3):316-322. DOI： 10.13741/j.cnki.11-1879/o4.2025.03.006.

Transformer based interference point cloud segmentation algorithm for underexcavated tunnels[J]. 2025, 51(3): 316-322. DOI： 10.13741/j.cnki.11-1879/o4.2025.03.006.

摘要

点云分割是隧道施工中检测超欠挖区域及体积的关键步骤，但由于超欠挖隧道轮廓不平整，在进行点云分割时对于靠近轮廓的干扰物体难以有良好的分割精度。针对这一问题，提出了一种基于Transformer的模型。模型通过引入自注意力机制建模全局长距离依赖关系，并结合局部信息融合模块，融合局部几何与特征上下文信息，采用类似DGCNN的架构提升特征表达能力。实验基于构建的超欠挖隧道3D点云数据集，与DGCNN和Point Transformer模型对比，结果表明，模型在推理速度、计算资源需求和分割精度(mIoU达到75.8%)上均优于对比模型，性能提升显著。模型可为超欠挖隧道开挖和衬砌隧道点云分割提供技术支持，助力隧道工程可视化施工，提升工程质量和效率。

Abstract

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于3D全卷积神经网络的肺叶自动分割方法

利用双流卷积神经网络的人脸表情识别方法

基于移动机器人和单目视觉的姿态测量方法

深浅交错式特征融合的人体图像分割方法