本發明屬于電力視覺檢測與三維點云處理，具體涉及一種基于虛擬相機的點云分割及最小安全距離測量方法。
背景技術：
1、隨著現代智能電網的快速發展，變電站作為電力系統中的核心樞紐，其安全穩定運行直接關系到整個電網的可靠性。變電站內部設備密集、帶電體眾多、電磁環境復雜，任何異物侵入、施工機械誤入安全限界或植被生長侵入帶電間隔，都可能引發嚴重的停電事故甚至人身傷害。傳統的安全距離測量主要依賴人工利用全站儀、激光測距儀等設備進行單點或局部抽檢測量，這種方式不僅勞動強度大、效率低下，而且在帶電環境下作業存在極高的安全隱患，難以滿足智能電網對實時、全方位、高精度監控的迫切需求。
2、近年來，隨著三維激光掃描技術和無人機巡檢技術的普及，利用三維點云數據進行變電站場景的自動化三維重建與安全分析已成為行業共識。深度學習在配電網及變電站風險識別中的應用表明，深度學習可以作為一種可靠、高效且快速的風險識別方法。在點云處理的各項前沿任務中，點云語義分割是實現自動化測距的先決條件。只有準確地將海量、無序的三維點云分類到具體的設備類別(如“大型施工機械”、“變壓器”、“絕緣子”、“導線”等)，才能進一步提取目標物體的邊緣輪廓并計算它們之間的最小三維空間距離，從而為安全預警提供可靠的數據基礎。
3、然而，現有的點云語義分割網絡在應用于結構極其復雜的變電站場景時，面臨著顯著的技術瓶頸。首先，在局部特征聚合階段，現有方法通常僅使用歐氏距離作為近鄰搜索的唯一度量標準。在變電站中，高壓導線與支撐它的金屬橫擔或絕緣子在三維空間中距離極近，有時甚至相互穿插，傳統的歐氏距離搜索策略極易將空間上接近但語義上完全無關的點錯誤地識別為鄰居，從而引入嚴重的語義歧義，導致分割邊界模糊甚至類別錯分，直接影響后續距離測量的準確性。其次，在全局信息感知階段，變電站場景空間尺度大、設備拓撲結構復雜，模型需要具備長距離的上下文理解能力才能準確勾勒長跨度導線的連續走向或識別高聳電力塔的整體結構。盡管現有技術中引入自注意力機制能夠在一定程度上捕獲全局特征，但其計算復雜度與輸入點數的平方成正比，導致在處理大規模電力點云數據時，對計算和存儲資源的需求急劇上升，極大地限制了其在算力有限的邊緣智能檢測設備上的實際部署。
4、因此，如何設計一種既能有效克服局部語義歧義、又能以較低計算復雜度實現全局上下文感知的點云分割方法，并在此基礎上實現自動化的最小安全距離測量，已成為變電站智能巡檢領域亟待解決的關鍵技術問題。
技術實現思路
1、本發明的目的在于克服現有技術的不足，提供了一種基于虛擬相機的點云分割及最小安全距離測量方法。
2、為實現上述目的，本發明提供如下技術方案：
3、本技術提供一種基于虛擬相機的點云分割及最小安全距離測量方法，包括：
4、獲取目標場景的三維點云數據；
5、基于所述三維點云數據，構建圍繞目標觀測區域的雙向多視角虛擬相機陣列，并據此為點云中的每個點生成表征其多視角可見性的高維可見性特征向量；
6、構建融合距離度量，所述融合距離度量由基于所述高維可見性特征向量計算得到的語義相似度距離與三維空間歐氏距離結合而成；
7、利用所述融合距離度量對所述點云進行局部鄰域聚合，并將所述虛擬相機陣列的參數化信息與聚合后的特征融合，生成高級特征；
8、通過具有隨機化處理機制的線性復雜度狀態空間模型對所述高級特征進行全局上下文感知，以生成逐點的語義分割結果；
9、基于所述語義分割結果，將所述點云劃分為不同語義類別的點簇，并計算目標點簇之間的空間最小距離，以實現安全狀態評估。
10、進一步的，所述獲取目標場景的三維點云數據，包括：利用搭載激光雷達的移動平臺對電力場景進行掃描，采集獲得所述三維點云數據；所采集的點云集合表示為：
11、；
12、其中，表示第個點在世界坐標系下的空間位置坐標，包含該點的激光反射強度或顏色附加特征信息。
13、進一步的，所述構建雙向多視角虛擬相機陣列并為每個點生成高維可見性特征向量，具體包括：
14、確定所述目標場景中待測區域的核心參考點；
15、采用最遠點采樣算法，在所述核心參考點周圍確定多個外部視點位置；
16、分別在所述核心參考點和每個所述外部視點位置處構建視軸方向相對的內部虛擬相機和外部虛擬相機，以形成由個虛擬相機構成的雙向觀測陣列；
17、通過各虛擬相機將所述三維點云投影至二維圖像平面，基于投影深度信息為每個點生成記錄其在各相機中可見性狀態的高維可見性特征向量。
18、進一步的，所述通過各虛擬相機將所述三維點云投影至二維圖像平面，基于投影深度信息為每個點生成記錄其在各相機中可見性狀態的高維可見性特征向量，進一步包括：
19、對于第個點，其通過第j個虛擬相機的投影過程表示為：
20、；
21、其中，為相機投影函數，為所述虛擬相機的內參，為所述虛擬相機的外參，,為投影后的像素坐標，為投影深度；
22、基于所述投影深度進行可見性判定，生成第個點在第j個相機中的可見性標識：
23、；
24、其中，和分別為二維圖像平面的高和寬，為投影至像素坐標處的各點中的最小深度值，為預設的深度剔除閾值；由此得到第個點的高維可見性特征向量。
25、進一步的，所述構建融合距離度量，具體包括：
26、對于任意兩點和，計算其高維可見性特征向量之間的差異，以作為表征兩者語義相似度的相機透視切片距離：
27、；
28、其中，為1-范數函數，和分別為點和的高維可見性特征向量；將所述相機透視切片距離與三維空間歐氏距離進行加權融合，得到所述融合距離度量。
29、進一步的，所述將相機透視切片距離與三維空間歐氏距離進行加權融合，具體為：首先將所述相機透視切片距離歸一化至歐氏距離的尺度：
30、；
31、其中，為點云中最遠兩點間的歐氏距離，為外部虛擬相機數量，為用于調節語義連貫性與空間接近度影響比重的平衡因子；再計算所述融合距離度量：
32、；
33、其中，為點與之間的三維空間歐氏距離。
34、進一步的，所述將所述虛擬相機陣列的參數化信息與聚合后的特征融合，生成高級特征，具體包括：
35、為所述虛擬相機陣列中的每個虛擬相機設置一組可學習的相機參數嵌入，其中；
36、對于點，基于其可見的虛擬相機集合，將對應的相機參數嵌入與其局部聚合特征進行融合，生成高級特征，其融合計算過程表示為：
37、；
38、其中，表示多層感知機，表示沿相機軸進行的均值池化操作，表示根據可見性特征向量篩選出的可見相機所對應的參數嵌入。
39、進一步的，所述通過具有隨機化處理機制的線性復雜度狀態空間模型對所述高級特征進行全局上下文感知，具體包括：
40、在將所述高級特征構成的特征序列輸入至狀態空間模型之前，對其輸入順序執行隨機打亂操作，以增強特征在空間上的信息交互；
41、將經隨機打亂后的特征序列輸入至狀態空間模型進行處理，以利用其線性計算復雜度捕獲長距離上下文依賴關系，該過程表示為：
42、；
43、其中，表示隨機掃描算子，表示狀態空間模型操作，為參與當前全局計算的節點總數。
44、進一步的，所述基于所述語義分割結果，將所述點云劃分為不同語義類別的點簇，并計算目標點簇之間的空間最小距離，具體包括：
45、根據所述語義分割結果中的語義標簽，從分割后的點云中提取至少一個帶電設備點簇和至少一個待測目標點簇；
46、構建所述待測目標點簇的空間索引結構，并查詢所述帶電設備點簇中的點至所述待測目標點簇的最小歐氏距離；
47、將所述最小歐氏距離與預設的安全距離閾值進行比較，并在距離不足時發出預警信號。
48、進一步的，所述待測目標點簇包括大型施工機械點簇和/或植被障礙物點簇。
49、與現有技術相比，本技術具有以下有益效果：
50、本發明提出了一種基于虛擬相機的點云分割及最小安全距離測量方法，旨在解決變電站復雜場景中局部語義歧義嚴重及全局特征計算復雜度高的問題。該方法首先獲取待測變電站的三維原始點云數據；其次，基于目標質心布設雙向虛擬相機陣列，通過多視角圖像平面投影構建每個點的高維相機可見性特征；接著，計算相機透視切片距離并結合歐氏距離進行局部近鄰聚合，同時融合相機參數嵌入，利用帶有隨機打亂點序機制的線性狀態空間模型(ssm)進行全局感知，從而輸出高精度的點云語義類別標簽；最后，基于語義標簽將點云分離為帶電目標點簇與潛在障礙物點簇，通過空間距離搜索算法快速計算三維最小歐氏距離，并與安全閾值比對產生預警。本發明在降低算力消耗的同時大幅提升了識別精度，為變電站的安全運行提供了全自動化的三維數字化測距保障。