（通訊員王少甯）近日，我院地信系高分遙感影像智能解譯課題組2019級本科生張躍（已參加永利6774app手机版官网創新人才計劃3+1+2，已保研本校）以永利6774app手机版官网為第一單位在地球科學和遙感領域頂級期刊《IEEE Transactions on Geoscience and Remote Sensing》（影響因子：8.125、中科院大類一區、SCI 1區、TOP期刊）上發表題為“Robust extraction of multi-type support positioning devices in the catenary system of railway dataset based on MLS point clouds”的論文。該論文是以張躍為第一作者，楊元維副教授為通訊作者、高賢君副教授為共同作者署名發表。

圖1張躍（右）與楊元維老師（左）

高鐵接觸網支持定位裝置受使用頻率及外界環境的影響，部件損壞率極高。因此，自動穩健的支持定位裝置檢測和狀态評估對保障鐵路安全運營具有重要研究意義，然而鐵路場景的複雜多樣性使得點雲規模占比較小的支持定位裝置特征模型刻畫能力較弱。當經典點雲分割算法應用于鐵路點雲數據集時，存在分割精度低、自動化程度低、适用性差等缺陷，難以遷移應用到不同鐵路線場景中。該論文中提出了一種新的能夠适用不同鐵路場景的接觸網支持定位裝置提取算法。首先，針對接觸網相關部件點雲密度不均以及點雲處理效率低的問題，提出了新的PSBSCAN(Point-Spacing-Based Spatial Clustering of Applications with Noise, PSBSCAN)聚類算法，實現支柱點雲的高效聚類提取；然後，構建面向設施對象的空間索引，以實現鐵路場景中POS軌迹、支柱及支持定位裝置點雲對象的快速定位檢索；最後，基于改進八叉樹構建多層次體素分割框架，對架設在支持定位裝置上的接觸線進行剝離，實現複雜鐵路場景中支持定位裝置的精确提取。實驗結果表明，與同類算法相比，該方法具有較強的抗幹擾能力和良好的支持定位裝置提取能力，算法模型具有良好的可擴展性和輕量化特性，方法能有效運用于鐵路支持定位裝置運維作業。

圖2 支持定位裝置展示, (a)鐵路場景中的支持定位裝置, (b)鐵路點雲場景中的支持定位裝置

圖3 算法應用流程圖

我院地信系高分遙感影像智能解譯課題組長期緻力于車載LiDAR數據目标識别與測量、深度學習遙感影像智能解譯（建築物、雲、雪等）等方面的研究，目前已經發表高質量論文40多篇。其中課題組成員以第一或通訊作者在《IEEE Transactions on Geoscience and Remote Sensing》、《International Journal of Applied Earth Observation and Geoinformation》、《Neurocomputing》、《Remote Sensing》、《Applied Sciences》、《IEEE Access》、《測繪學報》、《中國激光》、《光學學報》、《武漢大學學報(信息科學版)》以及《浙江大學學報(工學版)》等國内外知名期刊上發表多項成果。

課題組鍊接地址：

https://docs.qq.com/doc/p/76da31c6cda04500fe45b018397cd66127051a55?dver=3.0.27429706