[发明专利]一种基于核心点卷积的电力杆塔点云分类分割模型构建方法

权利要求书

1.一种基于核心点卷积的电力杆塔点云分类分割模型构建方法，其特征在于，包括以下步骤：

步骤S100:基于电力杆塔点云数据，对电力杆塔进行分类标注和单体化分割标注；

步骤S200:基于核心点卷积算法构建点云分类分割模型；

步骤S300:采用Focal loss损失函数优化电力杆塔点云数据的点云分类分割模型；

步骤S400:点云分类分割模型输出点云数据分类结果和分割结果。

2.根据权利要求1所述的一种基于核心点卷积的电力杆塔点云分类分割模型构建方法，其特征在于，电力杆塔点云分类的类别包括：杆塔、地线、导线、绝缘子、引流线；根据所述类别对电力杆塔点云进行类别标注，即完成电力杆塔的分类标注。

3.根据权利要求1所述的一种基于核心点卷积的电力杆塔点云分类分割模型构建方法，其特征在于，单体化分割标注：一个单体作为一个实例，进行手动分割标注，将标注后的分类及实例分割数据，作为训练样本，进行模型的训练，即将连续的同一类别的点云分割为一个单体实例，此过程就是从整体杆塔点云数据中找出单个部件的点云。

4.根据权利要求1所述的一种基于核心点卷积的电力杆塔点云分类分割模型构建方法，其特征在于，电力杆塔点云数据的点云分类分割模型包括点云分类分支和点云分割分支。

5.根据权利要求4所述的一种基于核心点卷积的电力杆塔点云分类分割模型构建方法，其特征在于，点云分类分支采用单层感知机，使用softmax函数对电力杆塔点云数据中的每个点进行各个类别的置信度计算，取置信度最大的类别作为该点的最终类别；点云分割分支采用单层感知机，将电力杆塔点云特征映射为32维的特征向量，使用MeanShift聚类算法对特征向量进行聚类，得到点云中每点所属的簇，作为部件实例。

6.根据权利要求1所述的一种基于核心点卷积的电力杆塔点云分类分割模型构建方法，其特征在于，Focal loss损失函数用于处理点云分类分割任务中，解决类别不平衡以及识别难度差异问题。

7.根据权利要求1所述的一种基于核心点卷积的电力杆塔点云分类分割模型构建方法，其特征在于，通过Focal loss损失函数不断优化点云分类分割模型，直至Focal loss损失函数计算的结果趋于稳定。

8.根据权利要求1所述的一种基于核心点卷积的电力杆塔点云分类分割模型构建方法，其特征在于，Focal loss损失函数以Cross Entropy交叉熵损失为基础，添加了α、γ参数，分别用于调整类别权重与识别难易度影响。

9.根据权利要求7所述的一种基于核心点卷积的电力杆塔点云分类分割模型构建方法，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类别所对应的focal loss损失值；-log(p_y)＝CE(y)是交叉熵损失；p_y是正确类别的预测分数；y是部件类别，如绝缘子类别、导线类别、地线类别、跳线类别、杆塔类别等，每个类别有一个代表值；α是类别权重；

α_y是指y类别所对应的不同的权重；γ是难易度调节参数；通过α对不同类别的点施加不同的权重，通过γ调整训练过程中识别难易度不同的点的影响。

10.根据权利要求8所述的一种基于核心点卷积的电力杆塔点云分类分割模型构建方法，其特征在于，计算损失时，若该点识别较准确，p_y-1，预测正确的概率接近于1，则(1-p_y)接近于0，(1-p_y)^γ接近于0，随损失的影响接近于0；若该点识别错误，则p_y-0，预测正确的概率接近于0，则(1-p_y)接近于1，(1-p_y)^γ接近于1，随损失的影响基本不变。