[發明專利]一種基于核心點卷積的電力桿塔點云分類分割模型構建方法

在審

• 申請號: 202210202000.4
• 申請日: 2022-03-03
• 公開（公告）號: CN114638985A
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 張忠誠;冀樹偉;李文娟;王東東;閆亭亭;呂鳳晨
• 申請（專利權）人: 北京中關村智連安全科學研究院有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/26;G06V10/82;G06V10/762;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京嘉途睿知識產權代理事務所(普通合伙) 11793
• 代理人: 李鵬

1.一種基于核心點卷積的電力桿塔點云分類分割模型構建方法，其特征在于，包括以下步驟：

步驟S100:基于電力桿塔點云數據，對電力桿塔進行分類標注和單體化分割標注；

步驟S200:基于核心點卷積算法構建點云分類分割模型；

步驟S300:采用Focal loss損失函數優化電力桿塔點云數據的點云分類分割模型；

步驟S400:點云分類分割模型輸出點云數據分類結果和分割結果。

2.根據權利要求1所述的一種基于核心點卷積的電力桿塔點云分類分割模型構建方法，其特征在于，電力桿塔點云分類的類別包括：桿塔、地線、導線、絕緣子、引流線；根據所述類別對電力桿塔點云進行類別標注，即完成電力桿塔的分類標注。

3.根據權利要求1所述的一種基于核心點卷積的電力桿塔點云分類分割模型構建方法，其特征在于，單體化分割標注：一個單體作為一個實例，進行手動分割標注，將標注后的分類及實例分割數據，作為訓練樣本，進行模型的訓練，即將連續的同一類別的點云分割為一個單體實例，此過程就是從整體桿塔點云數據中找出單個部件的點云。

4.根據權利要求1所述的一種基于核心點卷積的電力桿塔點云分類分割模型構建方法，其特征在于，電力桿塔點云數據的點云分類分割模型包括點云分類分支和點云分割分支。

5.根據權利要求4所述的一種基于核心點卷積的電力桿塔點云分類分割模型構建方法，其特征在于，點云分類分支采用單層感知機，使用softmax函數對電力桿塔點云數據中的每個點進行各個類別的置信度計算，取置信度最大的類別作為該點的最終類別；點云分割分支采用單層感知機，將電力桿塔點云特征映射為32維的特征向量，使用MeanShift聚類算法對特征向量進行聚類，得到點云中每點所屬的簇，作為部件實例。

6.根據權利要求1所述的一種基于核心點卷積的電力桿塔點云分類分割模型構建方法，其特征在于，Focal loss損失函數用于處理點云分類分割任務中，解決類別不平衡以及識別難度差異問題。

7.根據權利要求1所述的一種基于核心點卷積的電力桿塔點云分類分割模型構建方法，其特征在于，通過Focal loss損失函數不斷優化點云分類分割模型，直至Focal loss損失函數計算的結果趨于穩定。

8.根據權利要求1所述的一種基于核心點卷積的電力桿塔點云分類分割模型構建方法，其特征在于，Focal loss損失函數以Cross Entropy交叉熵損失為基礎，添加了α、γ參數，分別用于調整類別權重與識別難易度影響。

9.根據權利要求7所述的一種基于核心點卷積的電力桿塔點云分類分割模型構建方法，其特征在于，

FL(y)＝-α_ylog(p_y)(1-p_y)^γ；

-log(p_y)＝CE(y)；

其中：FL(y)指Y類別所對應的focal loss損失值；-log(p_y)＝CE(y)是交叉熵損失；p_y是正確類別的預測分數；y是部件類別，如絕緣子類別、導線類別、地線類別、跳線類別、桿塔類別等，每個類別有一個代表值；α是類別權重；

α_y是指y類別所對應的不同的權重；γ是難易度調節參數；通過α對不同類別的點施加不同的權重，通過γ調整訓練過程中識別難易度不同的點的影響。

10.根據權利要求8所述的一種基于核心點卷積的電力桿塔點云分類分割模型構建方法，其特征在于，計算損失時，若該點識別較準確，p_y-1，預測正確的概率接近于1，則(1-p_y)接近于0，(1-p_y)^γ接近于0，隨損失的影響接近于0；若該點識別錯誤，則p_y-0，預測正確的概率接近于0，則(1-p_y)接近于1，(1-p_y)^γ接近于1，隨損失的影響基本不變。