[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

说明书

本发明涉及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，包括以下步骤：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；基于核心点卷积算法构建点云分类分割模型；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；点云分类分割模型输出点云数据分类结果和分割结果。基于深度学习技术，对杆塔点云数据进行自动分类与单体化分割，采用一模型，两分支的联合训练方法，分类与分割损失共同优化提取点云特征网络，一次提取，完成点云的分类与分割两任务，简化任务流程，提升计算效率。

技术领域

本发明涉及电力设备检测技术领域，特别涉及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。

背景技术

随着我国电力行业的飞速发展，电网规模也随之不断壮大，低效的传统巡线方式已经不能满足需要。无人机巡检作为一门安全、高效的巡检技术，近年来，在电力巡检领域得到了广泛的应用。为实现输电线路无人机的智能巡检，提高工作效率，基于激光点云数据为无人机巡线规划航迹，点云数据即基于激光雷达采集的Las格式的点云，在进行航迹规划时，需要对点云数据进行处理，提高规划效率。现有的点云分类方法中，常见的方法为一对一的训练方式，即一模型一分支的训练模式，对分类和分割分别进行训练，所需时间长，对系统计算也有一定影响。

发明内容

本发明的目的在于克服现有技术的缺陷，提供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，本方法采用一模型，两分支的联合训练方法，分类与分割损失共同优化提取特征网络，使特征提取网络收敛过程更加稳定，一次特征提取，同时完成分类与分割两个任务，简化任务流程，所需时间短，系统计算快。

本发明的技术方案是：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，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S600:点云分类分割模型输出点云数据分类结果和分割结果。

进一步地，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。

进一步地，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。

进一步地，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

进一步地，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。

进一步地，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。

进一步地，通过Focal loss损失函数不断优化点云分类分割模型，直至Focalloss损失函数计算的结果趋于稳定。

进一步地，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。