基于超像素多级分割的矿井交汇隧道表面点云精确提取方法

《Scientific Reports》：Supervoxel-based multi-level region growing method for surface point cloud extraction in intersecting tunnels

　　

摘要

矿井交汇隧道具有多方向连通、表面形态不规则以及附属管线设施复杂等特点。现有方法往往难以实现隧道表面点云的完整提取。因此，本文提出了一种基于超像素多级分割的交汇隧道表面点云精确提取方法。首先，采用边界约束与跨表面分割方法生成超像素，随后根据显著性特征的线性度对其进行分类，并作为处理单元。接着，构建具有自适应邻域选择和拟合残差优化的局部邻接图。为了处理复杂交汇区域，采用多因素分层种子排序，整合几何特征与邻接一致性，以确保可靠的初始化。此外，针对不同线性度类型提出多级区域生长准则，以实现主要表面簇的鲁棒提取。最后，通过凸包边界重叠后处理检测并修正误分类的超像素，从而提高完整性。在三个数据集上的实验表明，该方法在交汇结构、表面不平整和高噪声条件下表现出卓越性能：IoU 始终超过 98%，最高达 99.61%，同时表面提取精度（SP）和表面提取召回率（SR）均保持在 99% 以上，显著优于对比方法。这些结果充分验证了所提方法在复杂交汇隧道表面点云提取任务中的鲁棒性与适用性。