一种自适应点云数据处理方法、系统、终端及介质技术方案

本发明专利技术公开了一种自适应点云数据处理方法、系统、终端及介质，涉及数据处理技术领域，其技术方案要点是：采集原始点云数据，并对原始点云数据进行格式转换，得到点云数据信息；将点云数据信息输入不同的性能预测模型，得到相应检索方法的性能指标参数；依据性能指标参数和场景需求信息综合分析得到不同检索方法的执行优先值；选取最大的执行优先值所对应的检索算法对点云数据信息进行数据处理，得到处理结果。本发明专利技术通过性能预测模型来根据点云数据信息的规模大小和维度预测分析不同检索算法的性能指标，并结合实际的场景需求信息来选取最优的检索方法俩完成点云数据处理工作，可满足点云数据处理的性能需求，提高自动驾驶应用可靠性。用可靠性。用可靠性。

【技术实现步骤摘要】
一种自适应点云数据处理方法、系统、终端及介质


[0001]本专利技术涉及数据处理
，更具体地说，它涉及一种自适应点云数据处理方法、系统、终端及介质。

技术介绍

[0002]5G、云计算以及信息技术的不断发展，自动驾驶技术受到了重点关注。自动驾驶技术的发展，将关系到人类出行以及生活方式的重大变革，同时还会对物流、通信等行业产生重要影响。自动驾驶的不断发展，对环境感知的要求也越来越高，对于周围环境实现高精度的构建技术，是自动驾驶技术广泛应用于生活的关键技术之一。在众多高精度的环境构建中，点云数据被广泛采用。点云数据通常以3D坐标的点数据构成，辅以色彩数据，方向数据，特征数据等。通过采用激光，摄影，或者超声波等技术来采集物体表面上的采样点的空间坐标，得到的点数据的集合，为“点云数据”。
[0003]鉴于传感器扫描得到的环境数据往往是以离散的形式进行表达的，为了提高对点云数据的处理能力，以图的数据结构为基础，通过将离散的点云数据转换为图的数据结构，并辅以神经网络处理算法，来实现对点云数据的高效处理，成为学术界和工业界的研究热点。然而，在实际应用过程中，将离散的点云数据转换为图的方法，往往采用暴力检索的方案来进行，当点云数据规模以及点云特征维度增大后，暴力的方案会导致转换时间长，进而造成点云处理性能的下降。
[0004]因此，如何研究设计一种能够克服上述缺陷的一种自适应点云数据处理方法、系统、终端及介质是我们目前急需解决的问题。

技术实现思路

[0005]为解决现有技术中的不足，本专利技术的目的是提供一种自适应点云数据处理方法、系统、终端及介质，通过性能预测模型来根据点云数据信息的规模大小和维度预测分析不同检索算法的性能指标，并结合实际的场景需求信息来选取最优的检索方法俩完成点云数据处理工作，可满足点云数据处理的性能需求，提高自动驾驶应用可靠性。
[0006]本专利技术的上述技术目的是通过以下技术方案得以实现的：
[0007]第一方面，提供了一种自适应点云数据处理方法，包括以下步骤：
[0008]采集原始点云数据，并对原始点云数据进行格式转换，得到点云数据信息；
[0009]将点云数据信息输入不同的性能预测模型，得到相应检索方法的性能指标参数；
[0010]依据性能指标参数和场景需求信息综合分析得到不同检索方法的执行优先值；
[0011]选取最大的执行优先值所对应的检索算法对点云数据信息进行数据处理，得到处理结果。
[0012]进一步，所述检索方法包括暴力检索方法、基于图的KNN检索方法和基于树的KNN检索方法。
[0013]进一步，所述性能指标参数包括延迟信息、计算资源、存储资源和功耗。
[0014]进一步，所述性能预测模型的构建过程具体为：
[0015]获取测试得到的包含延迟信息、计算资源、存储资源和功耗的性能指标；
[0016]将性能指标分为训练集与测试集，并采用神经网络算法来训练性能指标随着点云数据的规模信息和特征维度的变化情况，建立得到性能预测模型。
[0017]进一步，所述执行优先值的分析过程具体为：
[0018]以场景需求信息中一项指标所对应的性能指标参数作为目标指标；
[0019]以目标指标与场景需求信息中相应指标的比值确定目标指标的影响因子；
[0020]以性能指标参数中剩余指标与场景需求信息中相应剩余指标的对比情况综合确定场景系数；
[0021]以影响因子与场景系数的乘积确定目标指标的单项优先值；
[0022]依据权重系数对不同目标指标的单项优先值进行权重计算，得到执行优先值。
[0023]进一步，所述场景系数的确定过程具体为：
[0024]计算性能指标参数中剩余指标与场景需求信息中相应剩余指标的比值，得到对应指标的场景因子；
[0025]以各个场景因子的均值作为场景系数。
[0026]进一步，所述权重系数为性能预测模型中对各个性能指标参数所配置的权重值。
[0027]第二方面，提供了一种自适应点云数据处理系统，包括：
[0028]数据采集模块，用于采集原始点云数据，并对原始点云数据进行格式转换，得到点云数据信息；
[0029]性能预测模块，用于将点云数据信息输入不同的性能预测模型，得到相应检索方法的性能指标参数；
[0030]指标分析模块，用于依据性能指标参数和场景需求信息综合分析得到不同检索方法的执行优先值；
[0031]执行选取模块，用于选取最大的执行优先值所对应的检索算法对点云数据信息进行数据处理，得到处理结果。
[0032]第三方面，提供了一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面中任意一项所述的一种自适应点云数据处理方法。
[0033]第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行可实现如第一方面中任意一项所述的一种自适应点云数据处理方法。
[0034]与现有技术相比，本专利技术具有以下有益效果：
[0035]1、本专利技术提供的一种自适应点云数据处理方法，通过性能预测模型来根据点云数据信息的规模大小和维度预测分析不同检索算法的性能指标，并结合实际的场景需求信息来选取最优的检索方法俩完成点云数据处理工作，可满足点云数据处理的性能需求，提高自动驾驶应用可靠性；
[0036]2、本专利技术采用暴力检索、基于图的KNN检索和基于树的KNN检索三种不同检索算法，能够覆盖不同规模大小和特征维度下对点云数据处理的需求，整体延迟低，资源占有率较低；
[0037]3、本专利技术以目标指标为单一变量，并结合剩余指标所构建的模拟场景对目标指标
的影响，能够准确、可靠的分析得到目标指标的单项优先值，最终通过权重计算得到性能指标参数所形成场景下的执行优先值；
[0038]4、本专利技术在执行优先值的权重计算过程中通过调取性能预测模型在配置的权重系数进行运输，使得权重系数能够随着不同性能预测模型而自适应的改变，计算结果更加符合实际情况。
附图说明
[0039]此处所说明的附图用来提供对本专利技术实施例的进一步理解，构成本申请的一部分，并不构成对本专利技术实施例的限定。在附图中：
[0040]图1是本专利技术实施例中的流程图；
[0041]图2是本专利技术实施例中的系统框图。
具体实施方式
[0042]为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本专利技术作进一步的详细说明，本专利技术的示意性实施方式及其说明仅用于解释本专利技术，并不作为对本专利技术的限定。
[0043]实施例1：一种自适应点云数据处理方法，如图1所示，具体由以下步骤实现。
[0044]步骤一：采集原始点云数据，并对原始点云数据进行格式转换，得到点云数据信息。
[0045]针对每个点云数据，计算该点最近的几个点云数据，来构建一个完整的点云本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应点云数据处理方法，其特征是，包括以下步骤：采集原始点云数据，并对原始点云数据进行格式转换，得到点云数据信息；将点云数据信息输入不同的性能预测模型，得到相应检索方法的性能指标参数；依据性能指标参数和场景需求信息综合分析得到不同检索方法的执行优先值；选取最大的执行优先值所对应的检索算法对点云数据信息进行数据处理，得到处理结果。2.根据权利要求1所述的一种自适应点云数据处理方法，其特征是，所述检索方法包括暴力检索方法、基于图的KNN检索方法和基于树的KNN检索方法。3.根据权利要求1所述的一种自适应点云数据处理方法，其特征是，所述性能指标参数包括延迟信息、计算资源、存储资源和功耗。4.根据权利要求1所述的一种自适应点云数据处理方法，其特征是，所述性能预测模型的构建过程具体为：获取测试得到的包含延迟信息、计算资源、存储资源和功耗的性能指标；将性能指标分为训练集与测试集，并采用神经网络算法来训练性能指标随着点云数据的规模信息和特征维度的变化情况，建立得到性能预测模型。5.根据权利要求1所述的一种自适应点云数据处理方法，其特征是，所述执行优先值的分析过程具体为：以场景需求信息中一项指标所对应的性能指标参数作为目标指标；以目标指标与场景需求信息中相应指标的比值确定目标指标的影响因子；以性能指标参数中剩余指标与场景需求信息中相应剩余指标的对比情况综合确定场景系数；以影响因子与场景系数的乘积确定目标指标的单项优...

【专利技术属性】
技术研发人员：张旻晋，许达文，张祥建，
申请(专利权)人：成都视海芯图微电子有限公司，
类型：发明
国别省市：