基于深度学习的 underground mine 复杂 3D 点云中岩石锚杆识别方法
计算机视觉与模式识别
2025-08-15 v1
摘要
岩石锚杆是地下矿山地下支护系统的关键组件，提供足够的岩体结构加固，以防止意外发生的岩石坠落。这使得对这些锚杆进行频繁检查对于维持岩体稳定性和最小化地下采矿风险至关重要。由于地下矿山光线不足且过程耗时的手动勘测，自动锚杆检测显然是一个可行的解决方案。为此，本研究聚焦于从地下矿山使用移动激光扫描仪获取的中大型 3D 点云中自动识别岩石锚杆。现有技术主要依赖于特征工程和传统机器学习方法，然而这些技术鲁棒性不足，因为这些点云因数据噪声、不同环境和复杂周围结构而呈现出多种挑战。此外，目标岩石锚杆是大规模点云中极小的对象，常常因施加喷浆料而部分遮挡。针对这些挑战，本文提出了一种称为 DeepBolt 的方法，采用新颖的两阶段深度学习架构，专为处理严重类别不平衡而设计，以在复杂 3D 点云中高效地自动识别岩石锚杆。该方法在岩石锚杆点上以最高可达 42.5% 的 Intersection over Union（IoU）优势超过了最先进的语义分割模型。此外，它还超过了现有的岩石锚杆识别技术，实现了 96.41% 的精确率和 96.96% 的召回率，显示现其在复杂地下环境中的鲁棒性和有效性。
引用
@article{arxiv.2506.20464,
title = {A Deep Learning Approach to Identify Rock Bolts in Complex 3D Point Clouds of Underground Mines Captured Using Mobile Laser Scanners},
author = {Dibyayan Patra and Pasindu Ranasinghe and Bikram Banerjee and Simit Raval},
journal= {arXiv preprint arXiv:2506.20464},
year = {2025}
}