(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 202211487275.3 (22)申请日 2022.11.25 (71)申请人 南方电网数字电网研究院有限公司 地址 510700 广东省广州市黄埔区中新广 州知识城 亿创街1号 406房之86 (72)发明人 黄文琦　曾群生　吴洋　李轩昂　 梁凌宇　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 虞凌霄 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06V 20/70(2022.01) (54)发明名称 电网场景点云语义分割方法、 装置、 计算机 设备和介质 (57)摘要 本申请涉及一种电网场景点云语义分割方 法、 装置、 计算机设备、 存储介质和计算机程序产 品。 所述方法包括： 获取电网场景的实测点云数 据； 根据实测点云数据， 调用预先训练得到的点 云语义分割模型， 对实测点云数据进行分割预 测， 得到实测点云数据的语义分割预测结果， 其 中， 点云语义分割模型包括并列的点特征提取层 和图结构特征提取层， 以及并列的分类网络与分 割网络， 通过将点特征提取层和图结构特征提取 层的结果进行融合， 将融合特征分别输入至分类 网络与分割网络进行分析， 得到语义分割预测结 果； 根据语义分割预测结果对实测点云数据进行 语义分割， 得到语义分割后的电网场景点云数 据。 采用本方法能够有效提升语义分割后电网场 景点云数据的准确性。 权利要求书2页 说明书14页 附图6页 CN 115527036 A 2022.12.27 CN 115527036 A 1.一种电网场景点云语义分割方法， 其特 征在于， 所述方法包括： 获取电网场景的实测点云数据； 根据所述实测点云数据， 调用预先训练得到的点云语义分割模型， 对所述实测点云数 据进行分割预测， 得到所述 实测点云数据的语义分割预测结果， 其中， 所述点云语义分割模 型包括并列的点特征提取层和图结构特征提取层， 以及 并列的分类网络与分割网络， 通过 将所述点特征提取层和所述图结构特征提取层的结果进行融合， 得到融合特征， 将所述融 合特征分别输入至所述分类网络与所述分割网络进行分析， 得到所述实测点云数据的语义 分割预测结果； 根据所述语义分割预测结果对所述实测点云数据进行语义分割， 得到语义分割后的电 网场景点云数据。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述实测点云数据， 调用预先训 练得到的点云语义分割模型， 对所述实测点云数据进行分割预测， 包括： 对所述实测点云数据按照预设切分算法进行区域切分， 得到规模一致的各子区域点云 数据； 将各所述子区域点云数据输入预先训练得到的点云语义分割模型， 根据 各所述子区域 点云数据对所述实测点云数据进行分割预测。 3.根据权利要求2所述的方法， 其特征在于， 所述分类网络与 所述分割网络 中分别设置 有空间注意力模块， 所述空间注意力模块用于对输入的所述融合特征进 行逐步扩大感受野 学习； 所述将各所述子区域点云数据输入预先训练得到的点云语义分割 模型， 根据 各所述子 区域点云数据对所述实测点云数据进行分割预测， 包括： 将各所述子区域点云数据输入预先训练得到的点云语义分割模型， 对各所述子区域点 云数据进行随机降采样， 得到各降采样点云数据； 通过所述点特征提取层和所述图结构特征提取层分别对各所述降采样点云数据进行 特征提取， 得到点特 征数据与图结构特 征数据； 将所述点特征数据与所述图结构特 征数据进行融合， 得到各 所述融合特 征； 通过所述分类网络与所述分割网络中的空间注意力模块分别对各所述融合特征进行 逐步扩大感受野学习， 得到各分类预测值与各分割预测值； 基于各所述分类预测值与各 所述分割预测值对所述实测点云数据进行分割预测。 4.根据权利要求3所述的方法， 其特征在于， 所述空间注意力模块中的卷积层为稀疏卷 积层。 5.根据权利要求1所述的方法， 其特 征在于， 所述 点云语义分割模型的训练方法包括： 获取不同电网场景的点云数据， 得到第一 点云数据集； 对所述第一 点云数据集进行 数据增强操作， 得到第二 点云数据集； 将所述第一 点云数据集与所述第二 点云数据集进行合并， 得到训练样本数据集； 对所述训练样本数据集中的目标物体进行 标注， 得到标注样本数据集； 根据所述标注样本数据集对初始语义分割模型进行训练， 获得所述点云语义分割模 型， 所述初始语义分割模型包括并列的初始点特征提取层和初始图结构特征提取层， 以及 并列的初始分类网络与初始分割网络， 其中， 所述初始分类网络与所述初始分割网络之间权　利　要　求　书 1/2 页 2 CN 115527036 A 2相互连接 。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所述标注样本数据集对初始语义 分割模型中进行训练， 获得 所述点云语义分割模型， 包括： 通过初始语义分割模型中并列的初始点特征提取层和初始图结构特征提取层提取所 述标注样本数据集中各点云数据的训练点特 征数据和训练图结构特 征数据； 对所述训练点特征数据和所述训练图结构特征数据进行融合处理， 得到训练融合特 征； 将所述训练融合特征分别输入初始分类网络与初始分割网络 中， 得到初始分类预测值 与初始分割预测值； 将所述初始分类预测值输入所述初始分割网络 中、 所述初始分割预测值输入所述初始 分类网络中进行迭代学习； 直至满足迭代结束条件时， 获得 所述点云语义分割模型。 7.根据权利要求6所述的方法， 其特征在于， 所述直至满足迭代结束条件时， 获得所述 点云语义分割模型， 包括： 当对所述初始语义分割 模型的训练满足迭代结束条件时， 通过预设搜索算法进行最优 网络搜索， 得到优化反馈参数； 根据所述优化反馈参数获得 所述点云语义分割模型。 8.一种电网场景点云语义分割装置， 其特 征在于， 所述装置包括： 点云数据获取模块， 用于获取电网场景的实测点云数据； 分割预测模块， 用于根据 所述实测点云数据， 调用预先训练得到的点云语义分割模型， 对所述实测点云数据进 行分割预测， 得到所述 实测点云数据的语义分割预测结果， 其中， 所 述点云语义分割模型包括并列的点特征提取层和图结构特征提取层， 以及并列的分类网络 与分割网络， 通过将所述点特征提取层和所述图结构特征提取层的结果进行融合， 得到融 合特征， 将所述融合特征分别输入至所述分类网络与所述分割网络进行分析， 得到所述实 测点云数据的语义分割预测结果； 语义分割模块， 用于根据所述语义分割预测结果对所述实测点云数据进行语义分割， 得到语义分割后的电网场景点云数据。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115527036 A 3