(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210202000.4 (22)申请日 2022.03.03 (71)申请人 北京中关村智连安全科 学研究院有 限公司 地址 102100 北京市延庆区延庆镇妫水 北 街5号院2号楼1至2层101 (72)发明人 张忠诚　冀树伟　李文娟　王东东　 闫亭亭　吕凤晨　 (74)专利代理 机构 北京嘉途睿知识产权代理事 务所(普通 合伙) 11793 专利代理师 李鹏 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/26(2022.01) G06V 10/82(2022.01)G06V 10/762(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 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 (57)摘要 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。 权利要求书2页 说明书4页 附图4页 CN 114638985 A 2022.06.17 CN 114638985 A 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)＝‑αylog(py)(1‑py)γ； ‑log(py)＝CE(y)； 其中： FL(y)指Y类别所对应的focal  loss损失值； ‑log(py)＝CE(y)是 交叉熵损失； py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； αy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。权　利　要　求　书 1/2 页 2 CN 114638985 A 210.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， py‑>1， 预测正确的概率接近于1， 则(1 ‑py) 接近于0， (1 ‑py)γ接近于0， 随损失的影响接近于0； 若该点识别错误， 则py‑>0， 预测正确的概 率接近于0， 则(1‑py)接近于1， (1‑py)γ接近于1， 随损失的影响基本不变。权　利　要　求　书 2/2 页 3 CN 114638985 A 3