金属矿山

作者：鲍国,刘思谋,许士彪,张秋昭,段浩然

单位：1. 空军勤务学院,江苏 徐州 221000;2. 中国矿业大学环境与测绘学院,江苏 徐州 221116

关键词：点云配准,深度学习,三维激光扫描,巷道,PCRNet,DGRNet,

地下巷道结构狭长且支道繁多,在地下巷道中获取的点云需要进行点云配准获得完整数据,传统的点云配准方法对点云初始位置要求高并且计算迭代次数多,在环境复杂且数据量巨大的地下巷道场景点云中配准效果不佳且计算缓慢。因此,基于深度学习技术,以PCRNet 为基础并结合边缘卷积网络在局部特征提取中的优势,构建了一种基于边缘卷积的点云直接配准网络DGRNet,该网络在特征提取模块利用边缘卷积核对输入的点云进行特征提取,能更好地对三维点云的复杂特征变化和几何结构进行学习,提高了对场景局部特征的理解能力。试验结果表明:DGRNet 网络在物体模型中对比其他网络在整体上有着更好的配准精度,并且在点云噪声影响下能够保持配准精度稳定,有着较好的鲁棒性;DGRNet 在巷道点云配准场景中的4 种误差均最小,并且对比PCRNet 误差分别降低了19. 0%、20. 1%、24. 2%、21. 0%。由此可见,DGRNet 网络能够进行高精度的点云配准,为复杂的地下巷道场景点云配准提供了一种新方法。

来源：2024年第9期

《金属矿山》期刊编辑部

查看金属矿山杂志2024年第9期