[发明专利]一种变电站的检测方法、装置、设备及存储介质

权利要求书

1.一种变电站的检测方法，其特征在于，包括：

将变电站的原始点云数据中的部分点替换为参考点云数据中的部分点，获得样本点云数据；

确定具有多层语义模型Transformer的点云分割网络；

将所述样本点云数据输入所述点云分割网络中、识别所述样本点云数据在所述变电站中的语义；

依据所述样本点云数据的语义训练所述点云分割网络；

若完成训练，则将变电站的目标点云数据输入所述点云分割网络中、识别所述目标点云数据在所述变电站中的语义。

2.根据权利要求1所述的方法，其特征在于，所述将变电站的原始点云数据中的部分点替换为参考点云数据中的部分点，获得样本点云数据，包括：

对变电站的原始点云数据进行归一化处理，以使所述原始点云数据的坐标统一为一个坐标原点，所述原始点云数据标注有多种标签；

若完成所述归一化处理，则选择至少一种标签为目标标签；

在所述原始点云数据擦除部分属于所述目标标签的点；

从参考点云数据中筛选出部分属于所述目标标签的点；

将从所述参考点云数据筛选出的所述点添加至擦除剩余的所述原始点云数据中，获得样本点云数据。

3.根据权利要求2所述的方法，其特征在于，

所述在所述原始点云数据擦除部分属于所述目标标签的点，包括：

确定第一比例；

在所述原始点云数据随机擦除占比为第一比例的、且属于所述目标标签的点；

所述从参考点云数据中筛选出部分属于所述目标标签的点，包括：

确定第二比例；

从参考点云数据中随机筛选占比为所述第二比例的、且属于所述目标标签的点。

4.根据权利要求1所述的方法，其特征在于，所述点云分割网络包括点云核心点卷积层与八层语义模型Transformer；

所述将所述样本点云数据输入所述点云分割网络中、识别所述样本点云数据在所述变电站中的语义，包括：

将所述样本点云数据输入至所述点云核心点卷积层中进行卷积处理，并依次执行标准化操作与激活操作，得到点云结构信息；

将所述点云结构信息输入一层语义模型Transformer中进行处理，得到第一点云特征；

对所述第一点云特征进行下采样，并依次输入到两层语义模型Transformer中进行处理，得到第二点云特征；

对所述第二点云特征进行下采样，并依次输入到四层语义模型Transformer中进行处理，得到第三点云特征；

对所述第三点云特征进行下采样，并输入到一层语义模型Transformer中进行处理，得到第四点云特征；

对所述第四点云特征进行上采样，得到第五点云特征；

将所述第三点云特征与所述第五点云特征融合并进行上采样，得到第六点云特征；

将所述第二点云特征与所述第六点云特征融合并进行上采样，得到所述样本点云数据在所述变电站中的语义。

5.根据权利要求4所述的方法，其特征在于，在第一层的所述语义模型Transformer中具有窗口注意力层，所述窗口注意力层执行如下操作：

通过三个权重对输入所述窗口注意力层的特征线性变换，得到第一请求向量、第一键向量和第一值向量；

计算所述第一请求向量和所述第一键向量之间的相似度；

将所述相似度归一化到预设的第一范围内，得到第一注意力权重；

将所述第一注意力权重应用到所述第一值向量上。

6.根据权利要求4所述的方法，其特征在于，在第二层至第八层的所述语义模型Transformer中具有空间注意力层，所述空间注意力层执行如下操作：

计算所述样本点云数据中点之间的距离矩阵；

将所述距离矩阵转换为边特征；

对输入所述空间注意力层的特征进行线性变换得到第二请求向量和和第二值向量；

对所述边特征进行线性变换，得到第二键向量；

使用所述第二请求向量与所述第二键向量计算注意力分数；

将所述注意力分数归一化到预设的第二范围内，得到第二注意力权重；

将所述第二注意力权重应用到所述第二值向量上。