几何一致性引导的无监督领域适应框架用于跨电压传输线点云语义分割

传输线点云的语义分割是智能电力巡检和电网资产管理的基础，因为分割准确性直接影响缺陷检测和设施评估任务。然而，跨不同电压水平收集的传输线点云因异构LiDAR传感器和飞行配置而在密度和几何结构上往往表现出显著差异。再加上大规模人工标注的高成本，这些因素限制了现有监督分割方法的可扩展性。为了解决这些挑战，我们提出了一种针对跨电压传输线点云分割定制的几何一致性引导的无监督领域适应框架。该框架采用KPConvX作为骨干，并整合了三个渐进组件。首先，几何一致性约束增强了对空间变化的鲁棒性，并能够提取跨电压水平不变的结构特征。其次，领域特征对齐模块通过全局特征变换减少了分布偏移。第三，基于最小熵的伪标签精炼策略在自训练过程中提高了伪标签的可靠性。在一个多电压传输线数据集上的实验验证了所提方法的有效性。在KPConvX骨干的支持下，该框架在未标记的110 kV目标域上实现了66.1%的平均Intersection over Union (mIoU)和94.3%的总体准确率，分别超过仅源模型基准15.6% mIoU，并超越了几个最先进的UDA方法。这项工作为跨电压点云分割提供了一种高效、友好的标注解决方案，并为复杂电网环境中的领域适应提供了有前景的方向。