(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 202210355661.0 (22)申请日 2022.04.06 (71)申请人 国网浙江省电力有限公司超高压分 公司 地址 310063 浙江省杭州市西湖区黄龙路8 号1201室 申请人 国网浙江省电力有限公司 (72)发明人 吴晨曦　丁建　许杨勇　张永　 李博亚　黄陆明　姜文东　李斌帅　 朱迪锋　钟素鹏　王彬　孙弼洋　 江洪成　吴坤祥　曹浩楠　徐懿华　 丁栩麟　童志刚　安城辉　姜云土　 张维　苏良智　罗绍青　周国伟　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 李伟(51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 点云数据分类方法及 装置、 存储介质及电子 设备 (57)摘要 本申请提供了一种点云数据分类方法及装 置、 存储介质及电子设备， 该方法利用边缘图卷 积网络对点 云数据进行特征提取， 得到点云数据 包括的每个点的所有边的特征数据， 利用多层感 知机对每个点的所有边的特征数据进行处理， 得 到点云数据的浅层全局特征矩阵， 利用通道自注 意力网络对浅层全局特征矩阵进行处理， 得到点 云数据的深层全局特征矩阵， 利用全 连接网络对 深层全局特征矩 阵包括的各个深层全局特征进 行全连接处理， 得到点云数据的特征连接结果， 并利用分类模 型对特征连接结果进行处理， 得到 点云数据的分类结果。 可见， 本申请方案自动提 取点云数据的特征， 而无需手工构造特征， 极大 的降低了 人力成本， 以及提高点 云数据分类的准 确率。 权利要求书2页 说明书10页 附图5页 CN 114677523 A 2022.06.28 CN 114677523 A 1.一种点云数据分类方法， 其特 征在于， 包括： 获取输电线路的点云数据； 对所述点云数据包括的每个点的坐标进行体素化处理， 得到每个点对应的体素化坐 标； 基于所述点云数据包括的每个点对应的体素化坐标， 利用预先构建的边缘图卷积网络 对所述点云数据进行 特征提取， 得到所述 点云数据包括的每 个点的所有边的特 征数据； 利用预先构建的多层感知机对每个点的所有边的特征数据进行处理， 得到所述点云数 据的浅层全局特 征矩阵； 利用预先构建的通道自注意力网络对所述浅层全局特征矩阵进行处理， 得到所述点云 数据的深层全局特 征矩阵； 利用预先构建的全连接网络对所述深层全局特征矩阵包括的各个深层全局特征进行 全连接处 理， 得到所述 点云数据的特 征连接结果； 将所述特 征连接结果输入至预 先构建的分类模型中， 得到所述 点云数据的分类结果。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述点云数据包括的每个点的坐标 进行体素化处 理， 得到每 个点对应的体素化 坐标， 包括： 基于所述 点云数据包括的各个点的坐标， 确定每 个维度的最小坐标值； 针对所述点云数据包括的每个点， 基于每个维度的最小坐标值、 预设的体素化步长和 该点在每个维度的坐标值， 得到该点在每个维度的体素化坐标值， 并基于该点在每个维度 的体素化 坐标值， 得到该点对应的体素化 坐标。 3.根据权利要求1所述的方法， 其特征在于， 所述基于所述点云数据包括的每个点对应 的体素化坐标， 利用预先构建的边缘图卷积网络对所述点云数据进行特征提取， 得到所述 点云数据包括的每 个点的所有边的特 征数据， 包括： 利用预先构建的边缘图卷积网络， 基于所述点云数据包括的每个点对应的体素化坐 标， 提取所述点云数据包括的每 个点的特 征数据； 针对所述点云数据包括的每个点， 计算该点和与该点相邻的每个点之间的特征向量 差， 并对各个特 征向量差进行最大池化处 理， 得到该点的所有边的特 征数据。 4.根据权利要求1所述的方法， 其特征在于， 所述利用预先构建的通道自注意力网络对 所述浅层全局特 征矩阵进行处 理， 得到所述 点云数据的深层全局特 征矩阵， 包括： 利用预先构建通道自注意力网络， 根据预设的通道维度， 将所述浅层全局特征矩阵包 括的各个浅层 全局特征进 行分组， 以实现将各个浅层全局特征划分为与所述通道维度对应 特征组； 对每个特征组进行平均池化处 理， 得到每 个特征组的局部特 征； 针对每个特征组， 基于所述特征组的局部特征和所述特征组包括的每个浅层全局特 征， 计算所述特 征组对应的初始 注意力权 重； 对各个初始注意力 权重进行归一化处理， 并将归一化处理后的每个初始注意力 权重进 行激活处理， 得到每 个特征组对应的目标注意力权 重； 针对每个特征组， 基于所述特征对应的目标注意力 权重和所述特征组包括的每个浅层 全局特征， 计算所述特 征组对应的分组特 征； 对各个分组特 征进行级联处 理， 得到所述 点云数据的深层全局特 征矩阵。权　利　要　求　书 1/2 页 2 CN 114677523 A 25.根据权利要求1所述的方法， 其特征在于， 所述得到所述点云数据的分类结果之后， 还包括： 对所述点云数据的分类结果进行 可视化显示。 6.一种点云数据分类装置， 其特 征在于， 包括： 获取单元， 用于获取输电线路的点云数据； 第一处理单元， 用于对所述点云数据包括的每个点的坐标进行体素化处理， 得到每个 点对应的体素化 坐标； 第二处理单元， 用于基于所述点云数据包括的每个点对应的体素化坐标， 利用预先构 建的边缘图卷积网络对所述点云数据进行特征提取， 得到所述点云数据包括的每个点的所 有边的特 征数据； 第三处理单元， 用于利用预先构建的多层感知机对每个点的所有边的特征数据进行处 理， 得到所述 点云数据的浅层全局特 征矩阵； 第四处理单元， 用于利用预先构建的通道自注意力网络对所述浅层全局特征矩阵进行 处理， 得到所述 点云数据的深层全局特 征矩阵； 全连接单元， 用于利用预先构建的全连接网络对所述深层全局特征矩阵包括的各个深 层全局特 征进行全连接处 理， 得到所述 点云数据的特 征连接结果； 输入单元， 用于将所述特征连接结果输入至预先构建的分类模型中， 得到所述点云数 据的分类结果。 7.根据权利要求6所述的装置， 其特 征在于， 所述第一处 理单元具体用于： 基于所述 点云数据包括的各个点的坐标， 确定每 个维度的最小坐标值； 针对所述点云数据包括的每个点， 基于每个维度的最小坐标值、 预设的体素化步长和 该点在每个维度的坐标值， 得到该点在每个维度的体素化坐标值， 并基于该点在每个维度 的体素化 坐标值， 得到该点对应的体素化 坐标。 8.根据权利要求6所述的装置， 其特 征在于， 所述第二处 理单元具体用于： 利用预先构建的边缘图卷积网络， 基于所述点云数据包括的每个点对应的体素化坐 标， 提取所述点云数据包括的每 个点的特 征数据； 针对所述点云数据包括的每个点， 计算该点和与该点相邻的每个点之间的特征向量 差， 并对各个特 征向量差进行最大池化处 理， 得到该点的所有边的特 征数据。 9.一种存储介质， 其特征在于， 所述存储介质存储有指令集， 其中， 所述指令集被处理 器执行时实现如权利要求1 ‑5任意一项所述的点云数据分类方法。 10.一种电子设备， 其特 征在于， 包括： 存储器， 用于存 储至少一组指令集； 处理器， 用于执行所述存储器中存储的指令集， 通过执行所述指令集实现如权利要求 1‑5任意一项所述的点云数据分类方法。权　利　要　求　书 2/2 页 3 CN 114677523 A 3