来源：期刊VIP网 时间：
作者：汪卫兵;侯学谦;赵栓峰;贺海涛;邢志中;路正雄;
单位：西安科技大学机械工程学院;国能神东煤炭集团有限责任公司;
摘要：煤矿综采工作面巷道的数字化三维重建过程中需要完整且密集的煤壁点云数据。受遮挡、视角限制等因素影响，采集的综采工作面煤壁点云数据往往不完整且稀疏，影响下游任务，需进行煤壁点云修复和补全。目前缺少针对井下点云补全任务的数据集和网络模型，现有模型用于煤壁点云补全时存在点云密度分布不均匀、点云特征信息丢失等情况。针对上述问题，设计了一种基于残差优化的煤壁点云补全网络模型，采用监督学习方式学习点云特征信息，通过最小化密度采样和残差网络迭代优化输出完整点云。采集煤矿井下真实综采工作面煤壁点云数据，预处理后筛选可用数据，通过模拟随机空洞制作煤壁点云缺失数据集，并用缺失数据集训练基于残差优化的煤壁点云补全网络模型。实验结果表明：与经典的FoldingNet,TopNet,AtlasNet,PCN,3D-Capsule点云补全网络模型相比，基于残差优化的煤壁点云补全网络模型针对构造的缺失煤壁点云和稀疏煤壁点云补全的倒角距离、地移距离及F1分数均能达到最优水平，整体补全效果最佳；针对实际缺失的煤壁点云，该模型能够实现有效补全。
关键词：煤矿综采工作面;数字化煤层;巷道三维重建;点云修复;点云补全;残差优化
基金资助：国家重点研发计划子课题资助项目（2017YFC0804310）
