基于PointNet的地铁盾构隧道点云典型要素分割

摘要

本文针对盾构隧道三维激光点云数据,利用PointNet点云识别算法,构建隧道要素分割的深度神经网络模型。基于各要素样本数据与隧道壁背景数据存在类别不平衡情况,首先通过InstanceHardnessThreshold算法对隧道壁数据进行采样,平衡类别比例,同时借助focal loss函数对PointNet网络进行优化,使其更加着重于样本数目较少要素类别的学习,以提升分割效果。结果表明,本文研究方法能有效分割出横向施工缝、环向施工缝、螺栓孔等盾构隧道典型要素,可为隧道可视化和模型分析提供重要支撑。