本发明实施例涉及点云处理，尤其涉及一种模型训练、点云分割方法、装置及电子设备。
背景技术：
1、在采集到输电线路的线路点云之后，通过将线路点云中的各线路点分类到相应的类别中，这对于理解输电线路的结构和环境至关重要，这一理解进一步可以为因野火、风和雷击导致的线路跳闸的自动风险评估等应用提供分析基础。在实际应用中，上述点云分类过程中，也可称为点云分割过程。
2、由于输电线路的复杂性和特殊性，少数类别主导了输电线路的点云样本，从而导致了点云样本中各类别的样本点的分布相当不平衡，进而导致通过点云样本训练得到的点云分割模型，无法实现线路点云的准确分割，叩待解决。
技术实现思路
1、本发明实施例提供了一种模型训练、点云分割方法、装置及电子设备，以实现线路点云的准确分割。
2、根据本发明的一方面，提供了一种模型训练方法，可以包括：
3、获取针对输电线路的原始点云分割模型，以及输电线路的点云样本、尾部参数以及近邻参数，其中，点云样本包括至少一个样本点，尾部参数和近邻参数根据训练原始点云分割模型时的抽样需求设置得到，抽样需求是对至少一个样本点中隶属于尾部类别的样本点的抽样概率大于对至少一个样本点中隶属于除尾部类别外的其他类别的样本点的抽样概率，且，针对至少一个样本点的中的每个样本点，样本点的抽样概率与样本点的近邻点数呈正比；
4、基于尾部参数以及近邻参数，确定至少一个样本点分别对应的抽样概率；
5、基于点云样本以及至少一个样本点分别对应的抽样概率，对原始点云分割模型进行训练，得到目标点云分割模型。
6、根据本发明的另一方面，提供了一种点云分割方法，可以包括：
7、获取输电线路的线路点云，以及按照本发明任意实施例的模型训练方法训练得到的目标点云分割模型；
8、将线路点云输入至目标点云分割模型中，根据目标点云分割模型的输出结果，得到线路点云的点云分割结果。
9、根据本发明的另一方面，提供了一种模型训练装置，可以包括：
10、近邻参数获取模块，用于获取针对输电线路的原始点云分割模型，以及输电线路的点云样本、尾部参数以及近邻参数，其中，点云样本包括至少一个样本点，尾部参数和近邻参数根据训练原始点云分割模型时的抽样需求设置得到，抽样需求是对至少一个样本点中隶属于尾部类别的样本点的抽样概率大于对至少一个样本点中隶属于除尾部类别外的其他类别的样本点的抽样概率，且，针对至少一个样本点的中的每个样本点，样本点的抽样概率与样本点的近邻点数呈正比；
11、抽样概率确定模块，用于基于尾部参数以及近邻参数，确定至少一个样本点分别对应的抽样概率；
12、目标点云分割模型得到模块，用于基于点云样本以及至少一个样本点分别对应的抽样概率，对原始点云分割模型进行训练，得到目标点云分割模型。
13、根据本发明的另一方面，提供了一种点云分割装置，可以包括：
14、目标点云分割模型获取模块，用于获取输电线路的线路点云，以及按照本发明任意实施例的模型训练方法训练得到的目标点云分割模型；
15、点云分割结果得到模块，用于将线路点云输入至目标点云分割模型中，根据目标点云分割模型的输出结果，得到线路点云的点云分割结果。
16、根据本发明的另一方面，提供了一种电子设备，可以包括：
17、至少一个处理器；以及
18、与至少一个处理器通信连接的存储器；其中，
19、存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器执行时实现本发明任意实施例所提供的模型训练方法或是点云分割方法。
20、本发明实施例的技术方案，获取针对输电线路的原始点云分割模型，以及输电线路的点云样本、尾部参数以及近邻参数，其中，点云样本包括至少一个样本点，尾部参数和近邻参数根据训练原始点云分割模型时的抽样需求设置得到，抽样需求是对至少一个样本点中隶属于尾部类别的样本点的抽样概率大于对至少一个样本点中隶属于除尾部类别外的其他类别的样本点的抽样概率，且，针对至少一个样本点的中的每个样本点，样本点的抽样概率与样本点的近邻点数呈正比；基于尾部参数以及近邻参数，确定至少一个样本点分别对应的抽样概率；基于点云样本以及至少一个样本点分别对应的抽样概率，对原始点云分割模型进行训练，得到目标点云分割模型。上述技术方案，通过基于尾部参数以及近邻参数确定得到的至少一个样本点分别对应的抽样概率，进而可以根据至少一个样本点分别对应的抽样概率解决训练原始点云分割模型的样本的数据不平衡的问题，以实现线路点云的准确分割。
21、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或是重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述点云样本还包括所述至少一个样本点分别对应的点分割标签；
3.根据权利要求2所述的方法，其特征在于，所述基于所述尾部参数、所述近邻参数、所述至少一个样本点，以及，所述至少一个样本点分别对应的点分割标签，确定所述至少一个样本点分别对应的抽样概率，包括：
4.根据权利要求3所述的方法，其特征在于，所述确定所述样本点的近邻范围，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述点云样本以及所述至少一个样本点分别对应的抽样概率，对所述原始点云分割模型进行训练，得到目标点云分割模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述抽样点以及所述点云样本，得到抽样子样本，包括：
7.一种点云分割的方法，其特征在于，包括：
8.一种模型训练装置，其特征在于，包括：
9.一种点云分割装置，其特征在于，包括：
10.一种电子设备，其特征在于，包括：
