基于改进RandLA-Net的车载点云标线识别方法

来源：南京信息工程大学学报·自然科学版杂志2026年第2期北京时间：

作者：张傲寒，岳东杰，赵钢，徐菲，刘丹妮，王刘宇

单位：张傲寒,河海大学 地球科学与工程学院, 南京, 211100,岳东杰,河海大学 地球科学与工程学院, 南京, 211100,赵钢,江苏省水利科学研究院, 南京, 210017,徐菲,河海大学 地球科学与工程学院, 南京, 211100,刘丹妮,河海大学 地球科学与工程学院, 南京, 211100,王刘宇,江苏省水利科学研究院, 南京, 210017

摘要：针对车载LiDAR点云在道路标线识别中存在几何特征稀疏、遮挡或缺损导致标线模糊,以及复杂场景下边界辨识度低等问题,本文提出一种基于改进RandLA-Net的道路标线点云识别方法.首先,构建混合池化模块融合局部邻域与全局特征,以捕获更广泛的上下文信息;其次,设计特征对比增强模块,通过分析不同点的特征差异,并结合最大特征值和平均特征值的对比,采用特征加权策略,强化关键区域(如箭头、实线边界)的特征响应;最后,提出融合Dice与加权交叉熵的损失函数,以增强模型对边界区域的感知能力.为验证算法鲁棒性,本文构建了两个道路标线点云数据集Toronto-Rdmk和UPM-Rdmk,对其进行实验验证与分析.实验结果表明,本文方法在Toronto-Rdmk数据集上的平均交并比为69.40%,在UPM-Rdmk数据集上为49.06%,分别比RandLA-Net提高了3.17和4.23个百分点.充分证明了所提方法在复杂场景下的有效性,为大规模道路标线点云的自动化识别提供了有力支持.

关键词：车载LiDAR点云;RandLA-Net;混合池化模块;特征对比增强模块;融合损失函数;道路标线点云数据集

基金资助：国家自然科学基金(41801379);江苏省水利科技项目(2024002,2024011,2024031)