煤炭科学技术

作者：程健, 张书晨, 李和平, 安宁, 赵海龙, 修海鑫,

关键词：煤矿巷道, 三维点云, 语义分割, 方向性分组, 融合损失函数,

煤矿巷道点云语义分割是矿井环境空间语义理解的一项关键技术，但煤矿巷道点云具有多尺度目标共存、类别样本不均衡等特点，导致矿井点云小尺度目标分割的效果较差。对此，提出一种面向煤矿巷道的方向性分组点云语义分割方法。首先，针对煤矿巷道内典型小尺度目标（如管道、线缆等）具有沿单一方向分布的特点，提出方向性分组策略（Direction-Guided Grouping, DIG），通过优化点云分割网络中分组包络面的形状，提升分组内小尺度目标点云的比例，增强模型对其特征的提取能力；基于该策略，提出2种方向性分组方法：一种是保留更强近邻性的基于椭球查询的方向性分组方法（Ellipsoid Query-based Directional Grouping, DIG-EQ），另一种是计算效率更高的基于空间填充曲线的方向性分组方法（Space-Filling Curve-based Directional Grouping, DIG-SFC），这2种方法可灵活适配不同网络架构，显著提升了小尺度目标识别性能。其次，针对数据类别样本不均衡的问题，构建联合损失函数，进一步提高模型对小尺度目标的感知能力。最后，构建来自不同煤矿巷道的煤矿巷道点云语义分割数据集，对所提方法进行验证。结果表明：所提方法在PointNet++、PointNeXt-L和Point Transformer V3骨干网络框架上针对所有类别的平均交并比分别为61.84%、69.49%、76.63%，较原始骨干网络提高了15.83%、6.25%、0.35%；针对小尺度类别的平均交并比分别为22.28%、28.61%、47.30%，较原始骨干网络提高了29.99%、42.34%和5.33%，验证了此方法在煤矿巷道场景中的有效性。

来源：2025年第11期

《煤炭科学技术》期刊编辑部

查看煤炭科学技术杂志2025年第11期