基于增强PointNet的多波束点云中障碍物的检测OA
针对多波束声纳点云中水下障碍物检测所面临的噪声干扰与数据冗余问题,提出了一种融合自注意力机制的UO-PointNet改进模型,以提高水下障碍物检测的性能。首先对深度网络特性提取,发现水下目标物不均匀的密度分布和障碍物独特的局部结构。进而引入基于Transformer的自注意力增强模块,通过融合残差连接和层归一化技术优化了模型结构。试验结果表明,该模型在精确度和鲁棒性上均超越传统方法,达到82.75%的准确率,证实了其在复杂水下环境中检测障碍物的有效性。
张鹏飞;徐中伟;崔先强;蔡光宇;黄智伟
中南大学地球科学与信息物理学院,湖南长沙410083 广州南方海洋科技有限公司,广东广州510640同济大学电子信息与工程学院,上海201804 无锡市海鹰加科海洋技术有限责任公司,江苏无锡214135中南大学地球科学与信息物理学院,湖南长沙410083中南大学地球科学与信息物理学院,湖南长沙410083军事航天部队装备部军事代表局,北京100080
天文与地球科学
多波束声纳目标识别点云去噪PointNet网络Transformer自注意力机制
《海洋测绘》 2026 (1)
P.21-25,5
广东省重点领域研发计划资助项目(2023B1111050013)。
评论