本技術涉及電網，特別是涉及一種配電房三維模型構建方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品。

背景技術：

1、目前，為了確保電力系統(tǒng)的運行穩(wěn)定性，如何準確地對配電房進行三維模型構建，顯得至關重要。

2、傳統(tǒng)技術中，在對配電房進行三維模型構建的過程中，一般采用人工構建的方式；但是，這種人工構建的方式存在主觀因素，容易出現(xiàn)錯誤，導致配電房三維模型的構建準確度較低。

技術實現(xiàn)思路

1、基于此，有必要針對上述技術問題，提供一種能夠提高配電房三維模型的構建準確度的配電房三維模型構建方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品。

2、第一方面，本技術提供了一種配電房三維模型構建方法，包括：

3、獲取待建模的配電房對應的戶型圖像；

4、通過訓練完成的圖像分割模型，對所述戶型圖像進行特征提取處理，得到所述戶型圖像對應的初始圖像特征，對所述初始圖像特征進行注意力機制處理，得到所述戶型圖像對應的處理后圖像特征，對所述初始圖像特征和所述處理后圖像特征進行融合處理，得到所述戶型圖像對應的融合圖像特征，根據所述融合圖像特征，確定出所述配電房中的關鍵配電房設備對應的掩膜圖像；

5、確定出所述掩膜圖像對應的目標頂點坐標信息；

6、根據所述目標頂點坐標信息和所述配電房的結構信息，確定出所述關鍵配電房設備對應的目標設備模型；

7、確定出所述掩膜圖像對應的戶型結構矢量數據，并根據所述戶型結構矢量數據和所述目標設備模型，構建出所述配電房對應的三維模型。

8、在其中一個實施例中，所述對所述初始圖像特征進行注意力機制處理，得到所述戶型圖像對應的處理后圖像特征，包括：

9、對所述初始圖像特征進行特征提取處理，得到所述戶型圖像對應的第一圖像特征；

10、對所述初始圖像特征和所述第一圖像特征進行融合處理，得到所述戶型圖像對應的第二圖像特征；

11、根據所述初始圖像特征和所述第二圖像特征，得到所述處理后圖像特征。

12、在其中一個實施例中，所述根據所述初始圖像特征和所述第二圖像特征，得到所述處理后圖像特征，包括：

13、對所述第二圖像特征進行特征提取處理，得到所述戶型圖像對應的第三圖像特征；

14、對所述第三圖像特征進行歸一化處理，得到所述戶型圖像對應的第四圖像特征；

15、對所述第四圖像特征進行再次特征提取處理，得到所述戶型圖像對應的第五圖像特征；

16、對所述初始圖像特征和所述第五圖像特征進行加權求和處理，得到所述處理后圖像特征。

17、在其中一個實施例中，所述訓練完成的圖像分割模型，通過下述方式訓練得到：

18、獲取樣本配電房對應的樣本戶型圖像；

19、通過待訓練的圖像分割模型，對所述樣本戶型圖像進行特征提取處理，得到所述樣本戶型圖像對應的初始樣本圖像特征，對所述初始樣本圖像特征進行注意力機制處理，得到所述樣本戶型圖像對應的處理后樣本圖像特征，對所述初始樣本圖像特征和所述處理后樣本圖像特征進行融合處理，得到所述樣本戶型圖像對應的融合樣本圖像特征，根據所述融合樣本圖像特征，確定出所述樣本配電房中的關鍵配電房設備對應的預測掩膜圖像；

20、獲取所述樣本配電房中的關鍵配電房設備對應的實際掩膜圖像，并根據所述預測掩膜圖像和所述實際掩膜圖像之間的差異，對所述待訓練的圖像分割模型進行迭代訓練，得到所述訓練完成的圖像分割模型。

21、在其中一個實施例中，所述根據所述預測掩膜圖像和所述實際掩膜圖像之間的差異，對所述待訓練的圖像分割模型進行迭代訓練，得到所述訓練完成的圖像分割模型，包括：

22、根據所述預測掩膜圖像和所述實際掩膜圖像之間的差異，得到交叉熵損失值、平滑損失值和平均絕對誤差損失值；

23、對所述交叉熵損失值、所述平滑損失值和所述平均絕對誤差損失值進行加權求和處理，得到目標損失值；

24、根據所述目標損失值，對所述待訓練的圖像分割模型進行迭代訓練，得到所述訓練完成的圖像分割模型。

25、在其中一個實施例中，所述確定出所述掩膜圖像對應的目標頂點坐標信息，包括：

26、獲取所述掩膜圖像對應的初始頂點坐標信息；

27、根據所述初始頂點坐標信息，確定出所述掩膜圖像對應的中心點坐標信息、水平距離和垂直距離；

28、根據所述中心點坐標信息、所述水平距離和所述垂直距離，確定出所述目標頂點坐標信息。

29、第二方面，本技術還提供了一種配電房三維模型構建裝置，包括：

30、圖像獲取模塊，用于獲取待建模的配電房對應的戶型圖像；

31、模型處理模塊，用于通過訓練完成的圖像分割模型，對所述戶型圖像進行特征提取處理，得到所述戶型圖像對應的初始圖像特征，對所述初始圖像特征進行注意力機制處理，得到所述戶型圖像對應的處理后圖像特征，對所述初始圖像特征和所述處理后圖像特征進行融合處理，得到所述戶型圖像對應的融合圖像特征，根據所述融合圖像特征，確定出所述配電房中的關鍵配電房設備對應的掩膜圖像；

32、坐標確定模塊，用于確定出所述掩膜圖像對應的目標頂點坐標信息；

33、模型確定模塊，用于根據所述目標頂點坐標信息和所述配電房的結構信息，確定出所述關鍵配電房設備對應的目標設備模型；

34、模型構建模塊，用于確定出所述掩膜圖像對應的戶型結構矢量數據，并根據所述戶型結構矢量數據和所述目標設備模型，構建出所述配電房對應的三維模型。

35、第三方面，本技術還提供了一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)以下步驟：

36、獲取待建模的配電房對應的戶型圖像；

37、通過訓練完成的圖像分割模型，對所述戶型圖像進行特征提取處理，得到所述戶型圖像對應的初始圖像特征，對所述初始圖像特征進行注意力機制處理，得到所述戶型圖像對應的處理后圖像特征，對所述初始圖像特征和所述處理后圖像特征進行融合處理，得到所述戶型圖像對應的融合圖像特征，根據所述融合圖像特征，確定出所述配電房中的關鍵配電房設備對應的掩膜圖像；

38、確定出所述掩膜圖像對應的目標頂點坐標信息；

39、根據所述目標頂點坐標信息和所述配電房的結構信息，確定出所述關鍵配電房設備對應的目標設備模型；

40、確定出所述掩膜圖像對應的戶型結構矢量數據，并根據所述戶型結構矢量數據和所述目標設備模型，構建出所述配電房對應的三維模型。

41、第四方面，本技術還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)以下步驟：

42、獲取待建模的配電房對應的戶型圖像；

43、通過訓練完成的圖像分割模型，對所述戶型圖像進行特征提取處理，得到所述戶型圖像對應的初始圖像特征，對所述初始圖像特征進行注意力機制處理，得到所述戶型圖像對應的處理后圖像特征，對所述初始圖像特征和所述處理后圖像特征進行融合處理，得到所述戶型圖像對應的融合圖像特征，根據所述融合圖像特征，確定出所述配電房中的關鍵配電房設備對應的掩膜圖像；

44、確定出所述掩膜圖像對應的目標頂點坐標信息；

45、根據所述目標頂點坐標信息和所述配電房的結構信息，確定出所述關鍵配電房設備對應的目標設備模型；

46、確定出所述掩膜圖像對應的戶型結構矢量數據，并根據所述戶型結構矢量數據和所述目標設備模型，構建出所述配電房對應的三維模型。

47、第五方面，本技術還提供了一種計算機程序產品，包括計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)以下步驟：

48、獲取待建模的配電房對應的戶型圖像；

49、通過訓練完成的圖像分割模型，對所述戶型圖像進行特征提取處理，得到所述戶型圖像對應的初始圖像特征，對所述初始圖像特征進行注意力機制處理，得到所述戶型圖像對應的處理后圖像特征，對所述初始圖像特征和所述處理后圖像特征進行融合處理，得到所述戶型圖像對應的融合圖像特征，根據所述融合圖像特征，確定出所述配電房中的關鍵配電房設備對應的掩膜圖像；

50、確定出所述掩膜圖像對應的目標頂點坐標信息；

51、根據所述目標頂點坐標信息和所述配電房的結構信息，確定出所述關鍵配電房設備對應的目標設備模型；

52、確定出所述掩膜圖像對應的戶型結構矢量數據，并根據所述戶型結構矢量數據和所述目標設備模型，構建出所述配電房對應的三維模型。

53、上述配電房三維模型構建方法、裝置、計算機設備、存儲介質和計算機程序產品，先獲取待建模的配電房對應的戶型圖像，并通過訓練完成的圖像分割模型，對戶型圖像進行特征提取處理，得到戶型圖像對應的初始圖像特征，對初始圖像特征進行注意力機制處理，得到戶型圖像對應的處理后圖像特征，對初始圖像特征和處理后圖像特征進行融合處理，得到戶型圖像對應的融合圖像特征，根據融合圖像特征，確定出配電房中的關鍵配電房設備對應的掩膜圖像，接著，確定出掩膜圖像對應的目標頂點坐標信息，然后，根據目標頂點坐標信息和配電房的結構信息，確定出關鍵配電房設備對應的目標設備模型，最后，確定出掩膜圖像對應的戶型結構矢量數據，并根據戶型結構矢量數據和目標設備模型，構建出配電房對應的三維模型。這樣，在對配電房進行三維模型構建的過程中，利用訓練完成的圖像分割模型，對待建模的配電房對應的戶型圖像進行一系列處理，可以準確地確定出配電房中的關鍵配電房設備對應的掩膜圖像，從而可以準確地確定出掩膜圖像對應的目標頂點坐標信息，進而可以準確地確定出關鍵配電房設備對應的目標設備模型，并結合掩膜圖像對應的戶型結構矢量數據，可以更加準確地構建出配電房對應的三維模型，有利于提高配電房三維模型的構建準確度；而且，整個過程無需人工進行干預，避免了采用人工構建的方式存在主觀因素，容易出現(xiàn)錯誤，導致配電房三維模型的構建準確度較低的缺陷，進而提高了配電房三維模型的構建準確度。