【技术实现步骤摘要】
本专利技术属于深度学习、点云实例分割，具体涉及一种变电站三维点云实例分割方法。
技术介绍
1、由于采集到的变电站点云数量较大，为了降低运算量，点云编码部分通常会采用俯视柱状编码。然而电力场景中各个零部件高程落差较大、常有零部件垂直组装，而这种编码方式主要关注水平方向上的特征信息，导致垂直维度特征表达能力较弱，尤其是在处理电力场景中具有复杂垂直结构的目标时，会限制模型在三维空间中的感知能力。此外，真实的电力场景中会存在目标较小而导致信噪比过低的情况，过多的背景噪声会对模型识别分割产生不利影响。
2、近年来，随着深度学习的发展，基于神经网络的分割方法在点云处理任务中展现出强大性能，逐渐受到业界关注。这类方法通常包含三个步骤，分别为预编码阶段、语义分割阶段、实例分割阶段。在预编码阶段，为了提高点云信噪比、降低运算复杂度，会采取多模态融合编码等方式。然而，多模态案在真实场景中部署成本高，限制了其大规模推广。在分割阶段，由于将语义分割和实例分割分步进行可能会造成信息孤岛、对分割任务产生不利影响，因此有研究将二者同步地进行。
技术实现思路
1、本专利技术针对上述问题提供了一种变电站三维点云实例分割方法。
2、为达到上述目的本专利技术采用了以下技术方案：
3、一种变电站三维点云实例分割方法，包括以下步骤：
4、步骤1，构造体素视图增强模块，输入原始点云，输出视图增强后的体素特征；
5、步骤2，构造差分3d-unet网络，输入增强后的体素
6、步骤3，构造实例精细模块，对差分3d-unet网络输出的实例分割结果进行聚类、分割处理，以得到可见的输出结果。
7、进一步，所述步骤1中构建体素视图增强模块，具体为：
8、步骤1.1，正则化：基于体素视图增强进行点云编码；
9、步骤1.2，视图化：引入以观测中心为基准的全视图；
10、步骤1.3，视图注意力增强：采用注意力机制增强各视图下的语义特征，即增强后的体素特征。
11、进一步，所述步骤2中构造差分3d-unet网络，具体为：
12、采用改进的3d-unet网络作为主干网络，同时提出跨尺度邻域语义融合模块和语义查询模块，用于增强语义和实例掩码的边缘分辨能力，所述网络分为编码器、解码器两部分，其中编码器负责编码并池化特征，解码器负责解码和初步分割实例，编码器、解码器各有四层，对特征进行不同尺度下的融合。
13、进一步，所述步骤3中构造实例精细模块，具体为：
14、步骤3.1，对各个体素依据偏移向量进行移动，得到一系列聚类后的体素堆；
15、步骤3.2，在各个语义下，对于得到的体素堆使用dbscan算法进行聚类，以得到若干个类型的堆；
16、步骤3.3，对得到的每个堆中的所有点赋予相同的实例得分矩阵；
17、步骤3.4，依据实例得分矩阵对实例进行分割，得到最终的分割结果。
18、与现有技术相比本专利技术具有以下优点：
19、1)针对变电站场景中特征分布随机性大、特征信噪比低的问题，提出体素视图增强模块，通过建立鸟瞰柱状编码图和中心放射柱状编码图，并使用注意力机制对特征融合打分、体素增强，缓解了特征分布不均的问题。
20、2)针对电力部件边缘特征复杂难以提取的问题，设计一种差分融合模块(跨尺度邻域语义融合模块)和语义查询模块，来提取并融合相邻抽象层之间的差异特征，提升边缘特征提取能力。
21、3)自建电力场景数据集和公开数据实验表明，diffsegnet较主流softgroup模型平均精度提升了3.03％，说明了所提模型的有效性。
本文档来自技高网...【技术保护点】
1.一种变电站三维点云实例分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种变电站三维点云实例分割方法，其特征在于，所述步骤1中构建体素视图增强模块，具体为：
3.根据权利要求1所述的一种变电站三维点云实例分割方法，其特征在于，所述步骤2中构造差分3D-Unet网络，具体为：
4.根据权利要求1所述的一种变电站三维点云实例分割方法，其特征在于，所述步骤3中构造实例精细模块，具体为：
【技术特征摘要】
1.一种变电站三维点云实例分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种变电站三维点云实例分割方法，其特征在于，所述步骤1中构建体素视图增强模块，具体为：
3.根据权利要求1...
【专利技术属性】
技术研发人员：张娜，杨罡，俞华，梁基重，李树才，孟晓凯，范晶晶，王大伟，李国栋，赵金，王海旗，刘珊，
申请(专利权)人：国网山西省电力公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。