点云数据处理方法、装置、计算机设备及存储介质制造方法及图纸

本公开提供了一种点云数据处理方法、装置、计算机设备及计算机可读存储介质。实现方案为：获取与目标区域对应的点云数据；将目标区域划分为多个子区域，其中，每个子区域与子点云数据对应，子点云数据为点云数据的子集，且每个子区域对应的子点云数据在点的数量上具有差异；确定多个子区域与多个处理核之间的对应关系，其中，每个处理核与多个子区域的子集对应，以使每个处理核对应的点的数量之间的差异小于预定阈值；基于对应关系，通过每个处理核对该处理核对应的点进行体素化处理以得到中间处理数据；以及将通过每个处理核得到的中间处理数据进行合并，以获得点云数据处理的结果。结果。结果。

【技术实现步骤摘要】
点云数据处理方法、装置、计算机设备及存储介质


[0001]本公开涉及点云处理
，特别是涉及一种点云数据处理方法、装置、计算机设备和计算机可读存储介质。

技术介绍

[0002]在基于体素处理的点云深度学习网络模型的训练和应用中，一般需要对点云数据进行预处理（或称为前处理），然后才输入至深度学习网络并根据需求进行后续处理。一般来说，对点云数据的预处理包括滤除ROI（Region of Interest，感兴趣区域）以外的点、点的乱序重排、以及点的体素化三个步骤。然而，由于点云数据的数据量非常庞大，对点云数据的预处理又需要多次遍历点云数据，因此造成了对处理器的巨大负担。如今，用户对点云数据的处理效率提出了越来越高的要求，而如何提高点云数据处理的效率，仍然是业界的研究热点和难点之一。

技术实现思路

[0003]本公开提供了一种点云数据处理方法、装置、计算机设备和计算机可读存储介质。
[0004]根据本公开的一方面，提供了一种点云数据处理方法，包括：获取与目标区域对应的点云数据；将目标区域划分为多个子区域，其中，每个子区域与子点云数据对应，子点云数据为点云数据的子集，且每个子区域对应的子点云数据在点的数量上具有差异；确定多个子区域与多个处理核之间的对应关系，其中，每个处理核与多个子区域的子集对应，以使每个处理核对应的点的数量之间的差异小于预定阈值；基于对应关系，通过每个处理核对该处理核对应的点进行体素化处理以得到中间处理数据；以及将通过每个处理核得到的中间处理数据进行合并，以获得点云数据处理的结果。
[0005]根据本公开的另一方面，提供了一种点云数据处理装置，包括：点云数据获取模块，被配置为获取与目标区域对应的点云数据；目标区域划分模块，被配置为将目标区域划分为多个子区域，其中，每个子区域与子点云数据对应，子点云数据为点云数据的子集，且每个子区域对应的子点云数据在点的数量上具有差异；子区域分配模块，被配置为确定多个子区域与多个处理核之间的对应关系，其中，每个处理核与多个子区域的子集对应，以使每个处理核对应的点的数量之间的差异小于预定阈值；体素化处理模块，被配置为基于对应关系，通过每个处理核对该处理核对应的点进行体素化处理以得到中间处理数据；以及数据合并模块，被配置为将通过每个处理核得到的中间处理数据进行合并，以获得点云数据处理的结果。
[0006]根据本公开的另一方面，提供了一种计算机设备，包括：至少一个处理器；以及存储器，其上存储有计算机程序，计算机程序在被处理器执行时，使处理器执行本公开如上所提供的方法。
[0007]根据本公开的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，使处理器执行本公开如上所提供的方法。
[0008]根据本公开的一个或多个实施例，可以提高点云数据处理的效率。
[0009]根据在下文中所描述的实施例，本公开的这些和其它方面将是清楚明白的，并且将参考在下文中所描述的实施例而被阐明。
附图说明
[0010]附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
[0011]图1是图示出根据示例性实施例的点云数据处理方法的流程图；图2是图示出根据示例性实施例的划分目标区域的示意图；图3是图示出根据另一示例性实施例的划分目标区域的示意图；图4是图示出根据示例性实施例的确定子区域与处理核的对应关系的过程的流程图；图5是图示出根据示例性实施例的子区域与处理核的对应关系的示意图；图6是图示出根据示例性实施例的合并经重排的点的示意图；图7是图示出根据示例性实施例的单个处理核对应的体素集合的示意图；图8是图示出根据示例性实施例的体素化处理过程的流程图；图9是图示出根据示例性实施例的合并中间处理数据过程的流程图；图10是图示出根据示例性实施例的点云数据处理装置的示意性框图；图11是图示出能够应用于示例性实施例的示例性计算机设备的框图。
具体实施方式
[0012]在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
[0013]在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。如本文使用的，术语“多个”意指两个或更多，并且术语“基于”应解释为“至少部分地基于”。此外，术语“和/或”以及
“……
中的至少一个”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
[0014]在相关技术中，在基于体素处理的点云深度学习网络模型的训练和应用中，一般需要对点云数据进行预处理（或称为前处理），然后才输入至深度学习网络并根据需求进行后续处理。一般来说，对点云数据的预处理包括滤除ROI（或称为目标区域）以外的点、点的乱序重排、以及点的体素化三个步骤。然而，由于点云数据的数据量非常庞大，对点云数据的预处理又需要多次遍历点云数据，因此造成了对处理器的巨大负担。如今，用户对点云数据的处理效率提出了越来越高的要求，而如何提高点云数据处理的效率，仍然是业界的研究热点和难点之一。
[0015]目前的点云数据预处理算法一般是针对GPU（Graphics Processing Unit，图形处
理器）或CPU（Central Processing Unit，中央处理器）进行开发的，这些算法的实现方式可能不适用于除GPU和CPU以外的其他硬件平台，比如专用人工智能推理芯片等。这就导致了算法无法直接在这些平台上进行高效的加速，或者需要对特定硬件平台进行算法适配。同时，目前的点云数据预处理流程也很繁琐，基于体素的点云数据预处理流程较多，各处理模块之间对功能进行了分割和封装，不利于预处理过程整体的加速。
[0016]目前的点云数据预处理方法是在单处理器上对大量点云数据进行单核串行处理来实现的。具体来说，利用单处理器的点云预处理方法一般是，先遍历所有点以过滤掉ROI以外的点，然后生成一组随机数并以遍历的方式分配给ROI以内的点，从而达到对这些点乱序重排的目的，最后再遍历一次ROI以内的所有点以计算和存储这些点对应的体素的索引值。这样的方法对庞大数量的点至少进行了三次遍历，这对点云数据处理的效率产生了很大影响。并且，在对这些点乱序重排的环节中需要生成一组非常大的随机数，这对于很多计算硬件都非常不友好。因此，目前的点云数据预处理方法不能高效地进行点云数据处理。
[0017]为了提高点云数据处理的效率，本公开提供了一种点云数据处理方法。
[0018]下面结合附图详细描述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云数据处理方法，包括：获取与目标区域对应的点云数据；将所述目标区域划分为多个子区域，其中，每个子区域与子点云数据对应，所述子点云数据为所述点云数据的子集，且每个子区域对应的子点云数据在点的数量上具有差异；确定所述多个子区域与多个处理核之间的对应关系，其中，每个处理核与所述多个子区域的子集对应，以使每个处理核对应的点的数量之间的差异小于预定阈值；基于所述对应关系，通过每个处理核对该处理核对应的点进行体素化处理以得到中间处理数据；以及将通过每个处理核得到的中间处理数据进行合并，以获得所述点云数据处理的结果。2.根据权利要求1所述的方法，其中，所述将所述目标区域划分为多个子区域，包括：将所述目标区域沿预定方向均等地划分为所述多个子区域，其中，所述多个子区域的数量与所述多个处理核的数量之比为大于一的整数。3.根据权利要求2所述的方法，其中，所述多个子区域的数量与所述多个处理核的数量之比为二的整数倍，所述确定所述多个子区域与多个处理核之间的对应关系，包括：分别将所述多个子区域和所述多个处理核顺序地编号；生成用于所述多个子区域的第一序列，其中，所述第一序列的长度与所述多个子区域的数量相同，且所述第一序列包括与所述多个子区域的编号相关联的多个第一元素，所述多个第一元素自所述多个子区域的编号中的居中编号起，朝向所述多个子区域的编号中的首尾编号顺序地排列；生成用于所述多个处理核的第二序列，其中，所述第二序列的长度与所述第一序列的长度相同，且所述第二序列包括与所述多个处理核的编号相关联的多个第二元素，在所述多个第二元素中，所述多个处理核的编号以镜面对称的方式排列；以及基于所述第一序列和所述第二序列，确定所述多个子区域与所述多个处理核之间的所述对应关系。4.根据权利要求1至3中任一项所述的方法，还包括：在通过每个处理核对该处理核对应的点进行体素化处理之前，将该处理核对应的点以乱序的方式进行重排。5.根据权利要求4所述的方法，其中，所述将该处理核对应的点以乱序的方式进行重排，包括：针...

【专利技术属性】
技术研发人员：王颖辉，翟慎文，秦明岩，吴德文，吴青松，张磊，
申请(专利权)人：瀚博半导体上海有限公司，
类型：发明
国别省市：