CN115439301A - 点云数据的处理方法、装置、设备及存储介质 - Google Patents
点云数据的处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115439301A CN115439301A CN202111363235.3A CN202111363235A CN115439301A CN 115439301 A CN115439301 A CN 115439301A CN 202111363235 A CN202111363235 A CN 202111363235A CN 115439301 A CN115439301 A CN 115439301A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- data
- determining
- processed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title description 5
- 230000006870 function Effects 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 51
- 230000008569 process Effects 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013519 translation Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- KRTSDMXIXPKRQR-AATRIKPKSA-N monocrotophos Chemical compound CNC(=O)\C=C(/C)OP(=O)(OC)OC KRTSDMXIXPKRQR-AATRIKPKSA-N 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Image Generation (AREA)
Abstract
本公开提出了一种点云数据的处理方法、装置、设备及存储介质,涉及数据处理技术领域,具体实现方案为:获取当前待处理的点云数据;确定所述待处理的点云数据的数据量;根据所述点云数据的数据量以及图形处理器的核数,确定所述图形处理器中每个网格包含的线程块的数量;根据所述每个网格包含的线程块的数量,确定每个待运行的核函数待处理的点云数据;根据所述每个待运行的核函数待处理的点云数据,调用所述核函数,以对所述点云数据进行处理。由此,由于是根据点云数据的数据量确定的待调用的核函数数量,因而可以根据点云数据的数据量对待调用的核函数进行动态调整,提高了点云数据的处理速度。
Description
技术领域
本公开涉及数据处理技术领域,具体涉及一种点云数据的处理方法、装置、设备及存储介质。
背景技术
激光雷达被广泛应用于自动驾驶领域中,激光雷达通过激光扫描,能够快速地建立车辆周围的三维模型,为高精度地图制作、障碍物识别、车辆精确定位提供基础数据,从而进行车辆行驶环境的感知。然而激光雷达回波的一帧是具有时间差的,因而此时的点云图像难以真实反映车辆周围的行驶环境,必须通过对点云数据进行运动补偿来消除时间差对点云图像带来的影响。
相关技术中,为了减少由于当前点云点数数据量的增大,带来的运动补充运算量增大,大多使用CPU openMP的并行计算框架对点云运动补偿进行加速。但是,这种加速的手段是一种伪并行的思路,需要较长的等待时间,实时性较差,因此,如何提高点云数据的处理速度是目前亟需解决的问题。
发明内容
本公开提供了一种点云数据的处理方法、装置、设备以及存储介质。
根据本公开的第一方面,提供了一种点云数据的处理方法,包括:
获取当前待处理的点云数据;
确定所述待处理的点云数据的数据量;
根据所述点云数据的数据量以及图形处理器的核数,确定所述图形处理器中每个网格包含的线程块的数量;
根据所述每个网格包含的线程块的数量,确定每个待运行的核函数待处理的点云数据;
根据所述每个待运行的核函数待处理的点云数据,调用所述核函数,以对所述点云数据进行处理。
根据本公开的第二方面,提供了一种点云数据的处理装置,包括:
获取模块,用于获取当前待处理的点云数据;
确定模块,用于确定当前待处理的点云数据以及所述待处理的点云数据的数据量;
以及,根据所述点云数据的数据量以及图形处理器的核数,确定所述图形处理器中每个网格包含的线程块的数量;
以及,根据所述每个网格包含的线程块的数量,确定每个待运行的核函数待处理的点云数据;
处理模块,根据所述每个待运行的核函数待处理的点云数据,调用所述核函数,以对所述点云数据进行处理。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述一方面实施例所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其上存储有计算机程序,所述计算机指令用于使所述计算机执行上述一方面实施例所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述一方面实施例所述的方法。
本公开实施例中,首先获取当前待处理的点云数据,然后确定所述待处理的点云数据的数据量,然后根据点云数据的数据量以及图形处理器的核数,确定图形处理器中每个网格包含的线程块的数量,然后根据每个网格包含的线程块的数量,确定每个待运行的核函数待处理的点云数据,最后根据每个待运行的核函数待处理的点云数据,调用核函数,以对点云数据进行处理。由此,由于是根据点云数据的数据量确定的待调用的核函数数量,因而可以根据点云数据的数据量对待调用的核函数进行动态调整,提高了点云数据的处理速度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开提供的一种点云数据的处理方法的流程示意图;
图2是根据本公开提供的另一种点云数据的处理方法的流程示意图;
图3为本公开提供的一种点云数据的处理装置的结构框图;
图4为本公开提供的电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开提供的一种点云数据的处理方法,该方法可以由本公开提供的一种点云数据的处理装置执行,也可以由本公开提供的电子设备执行。该方法可以被配置在车载设备中,以通过对车载激光雷达获取的点云数据进行处理,从而快速准确的确定车辆所在的环境。下面以由本公开提供的点云数据的处理装置来执行本公开提供的一种点云数据的处理方法,而不作为对本公开的限定,以下简称为“装置”。
下面结合参考附图对本公开提供的点云数据的处理方法、装置、计算机设备及存储介质进行详细描述。
图1是根据本公开一实施例的一种点云数据的处理方法的流程示意图。
如图1所示,该点云数据的处理方法可以包括以下步骤:
步骤101,获取当前待处理的点云数据。
其中,当前待处理的点云数据可以是激光雷达通过三维激光扫描所获得的数据。可以理解的是,这些点云数据可以用于描述空间信息,从而实现对车辆所在环境的空间的三维重建和可视化。
步骤102,确定所述待处理的点云数据的数据量。
其中,待处理的点云数据的数据量可以为10w、60w、90w或120w等等,在此不进行限定。
需要说明的是,激光雷达在一些自动驾驶的场景中体现的越来越多,随着价格的降低和设备性能的提升,激光雷达能产生的数据数据量也越来越大。以禾塞激光雷达Pandar 128双回波为例,每帧可以产生超过90w的点云数据,对应的,在对点云数据进行处理时,运算量也随之增大。本公开中,在对点云数据进行处理之前,可以首先确定当前待处理的点云数据的数据量,从而之后可以根据点云数据的数据量在图形处理器中分配与点云数据数据量相匹配的计算资源。
步骤103,根据点云数据的数据量以及图形处理器的核数,确定图形处理器中每个网格包含的线程块的数量。
其中,图形处理器的核数可以为当前图形处理器中处理单元的个数。具体的,可以根据图形处理器的属性信息确定当前图形处理器中的核数,比如6核或者8核,在此不进行限定。
可选的,在确定了图形处理器的核数之后,本公开中,可以根据待处理的点云数据的数据量以及图形处理器的核数,确定每个网格内的线程数量,进而根据每个线程块中可运行的最大线程数量及每个网格内的线程数量,确定图形处理器中每个网格包含的线程块的数量。
需要说明的是,本公开可以基于统一计算设备架构(Compute Unified DeviceArchitecture,CUDA)进行图形处理器(GPU)的并行计算。由于一个CUDA的并行程序可以有多个线程(thread)来执行,因而本公开可以首先根据当前待处理的点云数据的数据量以及图形处理器的核数,确定图形处理器中每个网格包含的线程块的数量。
需要说明的是,在图形处理器中,核数和网格(Grid)的个数是相同的,也即每个内核都对应有一个网格,每个网格可以包含有多个线程块(Block),而每个线程块中可以有多个可运行的线程,且每个可运行的线程都对应有唯一一个标识。
本公开中,网格包含的线程块的数量可以为网格中待运行的线程块的数量,在确定了每个线程块中可运行的最大线程数量及每个网格内的线程数量之后,本公开可以进一步的确定每个网格中的分配的线程块的数量,也即每个网格包含的线程块的数量,在此不进行限定。
举例来说,若当前待处理的点云数据的数据量为12w,图形处理器的核数的为6,即图形处理器内包含的网格数量为6,从而可以确定当前每个网格内需运行的线程数量为2w。进一步地,若每个线程块中可运行的最大线程数量为1024,则可以确定每个网格包含的线程块的数量为20(2w除以1024)个,本公开在此不进行限定。
可以理解的是,通过根据点云数据的数据量动态的分配每个网格包含的线程块的数量,从而能够高效的利用图形处理器的计算资源,提高点云数据的处理效率。
步骤104,根据每个网格包含的线程块的数量,确定每个待运行的核函数待处理的点云数据。
其中,待运行的核函数可以为预设于图形处理器的程序中的核函数,且该核函数可以对点云数据进行旋转、平移等处理,以实现对点云数据的运动补偿。
需要说明的是,可以预先设定点云数据、待运行的核函数与每个网格包含的线程块的数量之间的索引关系,之后可以根据该索引关系确定每个待运行的核函数分配到的待处理的点云数据。
比如,可以通过调用kernel<<<number_of_points/threads+1,threads>>>函数,为每个核函数分配点云数据。其中,number_of_points为点云数据的数据量,threads为待运行的线程数量,kernel为核函数。
步骤105,根据每个待运行的核函数待处理的点云数据,调用核函数,以对点云数据进行处理。
具体的,可以首先确定点云数据中各个点的空间坐标,并按照预设的变换矩阵以使各个点在空间中进行旋转变换以及平移变换。其中,旋转变换可以为将点云的点按照任一坐标轴旋转一个角度值,平移变换可以为将点云的点按照任一向量的方向进行移动。
本公开中,在通过核函数对点云数据中的各个点进行旋转变换和平移变换处理之后,可以通过IMU传感器和GPS传感器得到的角速度和线速度获取点云的点旋转变换以及平移变换之后的点坐标Location,公式如下:
Location=w*l*T+translation
其中,w为角速度,l为臂长,T为时间间隔,translation为平移向量。
本公开实施例中,首先获取当前待处理的点云数据,然后确定所述待处理的点云数据的数据量,然后根据点云数据的数据量以及图形处理器的核数,确定图形处理器中每个网格包含的线程块的数量,然后根据每个网格包含的线程块的数量,确定每个待运行的核函数待处理的点云数据,最后根据每个待运行的核函数待处理的点云数据,调用核函数,以对点云数据进行处理。由此,通过根据点云数据的数据量动态的分配处理资源,从而不仅提高了点云数据的处理速度,而且了避免了资源的浪费,提高了GPU中的资源利用率。
图2是根据本公开一实施例的又一种点云数据的处理方法的流程示意图。
如图2所示,该点云数据的处理方法可以包括以下步骤:
步骤201,获取当前待处理的点云数据。
步骤202,确定所述待处理的点云数据的数据量。
需要说明的是,步骤201、202的具体实现方式可以参照上述实施例,在此不进行赘述。
步骤203,获取图形处理器的属性信息。
其中,属性信息可以为图形处理器中的一个线程块中可以包含的最大线程数量,一个线程网格中每一维可以包含的最大线程数量等等,在此不进行限定。
具体的,本公开中可以选用GEFORCE RTX 3080显卡芯片对应的GPU进行计算。可选的,可以通过调用CUDA DeviceProp类型的函数来获取图形处理器的属性信息,从而之后可以在该图形处理器中进行操作。
步骤204,根据图形处理器的属性信息,确定图形处理器中每个线程块中可运行的最大线程数量。
具体的,在获取到图形处理器的属性信息之后,即可以根据属性信息确定图形处理器中每个线程块中可运行的最大线程数量,从而可以便于之后该装置根据点云数据数据量以及图形处理器中每个线程块中可运行的最大线程数量,分配各个网格的计算资源。
步骤205,根据点云数据的数据量以及图形处理器的核数,确定图形处理器中每个网格包含的线程块的数量。
步骤206,根据每个网格包含的线程块的数量,确定每个待运行的核函数待处理的点云数据。
需要说明的是,步骤205、206的具体实现方式可以参照上述实施例,在此不进行赘述。
步骤207,对点云数据进行预处理,以确定点云数据中包含的空值数据及各个点云数据间的距离。
需要说明的是,空值数据也即无数值的点云数据,通过对点云数据进行预处理,可以确定点云数据中的空值数据以及各个点云数据间的距离。另外,还可以通过对点云数据进行去噪、配准和分类等预处理操作,以提高点云数据的可用性。
步骤208,将点云数据中的空值数据及距离小于阈值的点云数据进行删除,以获取更新后的点云数据。
需要说明的是,在当前有多个点云数据与任一点云数据的距离较近时,可以通过删除距离小于阈值的点云数据也即距离较近的点云数据,或者只保留一个或者二个距离小于阈值的点云数据,从而可以对点云数据进行简化,以获得精度更高的点云数据。
需要说明的是,通过将点云数据中的空值数据以及距离小于阈值的点云数据进行删除,进而获取更新后的点云数据,可以过滤掉质量较低的点云数据,最大程度的保障点云数据的可靠性,还可以提高数据处理的速率。
步骤209,调用上述数量的核函数,以对更新后的点云数据进行处理。
需要说明的是,步骤209的具体实现过程可以参照上述实施例,在此不进行赘述。
本公开实施例中,首先获取当前待处理的点云数据,确定所述待处理的点云数据的数据量,然后获取图形处理器的属性信息,根据图形处理器的属性信息,确定图形处理器中每个线程块中可运行的最大线程数量,之后根据点云数据的数据量以及图形处理器的核数,确定图形处理器中每个网格包含的线程块的数量,然后根据每个网格包含的线程块的数量,确定每个待运行的核函数待处理的点云数据,然后对点云数据进行预处理,以确定点云数据中包含的空值数据及各个点云数据间的距离,最后将点云数据中的空值数据及距离小于阈值的点云数据进行删除,以获取更新后的点云数据,调用待运行的核函数,以对更新后的点云数据进行处理。由此,可以根据图形处理器的属性信息以及点云数据的数据量,确定每个网格包含的线程块的数量,从而可以动态地根据点云的数据量分配每个核函数处理点云数据点的数目,可以提高点云数据的处理效率,使得图形处理器资源得到充分利用。
为实现上述实施例,本公开还提出了一种点云数据的处理装置,图3为本公开提出的一种点云数据的处理装置的结构框图。
如图3所示,该点云数据的处理装置300包括获取模块310,确定模块320、处理模块330:
获取模块310,用于获取当前待处理的点云数据;
确定模块320,用于确定当前待处理的点云数据的数据量;
以及,根据所述点云数据的数据量以及图形处理器的核数,确定所述图形处理器中每个网格包含的线程块的数量;
以及,根据所述每个网格包含的线程块的数量,确定每个待运行的核函数待处理的点云数据;
处理模块330,用于根据所述每个待运行的核函数待处理的点云数据,调用所述核函数,以对所述点云数据进行处理。
可选的,所述确定模块,包括:
第一确定单元,用于根据待处理的点云数据的数据量以及图形处理器的核数,确定每个所述网格内的线程数量;
第二确定单元,用于根据每个线程块中可运行的最大线程数量及所述每个网格内的线程数量,确定每个所述网格包含的线程块的数量。
可选的,所述第二确定单元,还用于:
获取图形处理器的属性信息;
根据所述图形处理器的属性信息,确定所述图形处理器中每个线程块中可运行的最大线程数量。
可选的,所述处理模块,具体用于:
对所述点云数据进行预处理,以确定所述点云数据中包含的空值数据及各个点云数据间的距离;
将所述点云数据中的空值数据及距离小于阈值的点云数据进行删除,以获取更新后的点云数据;
调用所述待运行的核函数,以对所述更新后的点云数据进行处理。
可选的,所述处理模块,具体用于:
调用所述数量的核函数,以对所述点云数据进行旋转变换以及平移变换处理。
本公开实施例中,首先获取当前待处理的点云数据,然后确定所述待处理的点云数据的数据量,然后根据点云数据的数据量以及图形处理器的核数,确定图形处理器中每个网格包含的线程块的数量,然后根据每个网格包含的线程块的数量,确定每个待运行的核函数待处理的点云数据,最后根据每个待运行的核函数待处理的点云数据,调用核函数,以对点云数据进行处理。由此,通过根据点云数据的数据量动态的分配处理资源,从而不仅提高了点云数据的处理速度,而且了避免了资源的浪费,提高了GPU中的资源利用率。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如点云数据的处理方法。例如,在一些实施例中,点云数据的处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行上文描述的点云数据的处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行点云数据的处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
本公开实施例中,首先获取当前待处理的点云数据,然后确定所述待处理的点云数据的数据量,然后根据点云数据的数据量以及图形处理器的核数,确定图形处理器中每个网格包含的线程块的数量,然后根据每个网格包含的线程块的数量,确定每个待运行的核函数待处理的点云数据,最后根据每个待运行的核函数待处理的点云数据,调用核函数,以对点云数据进行处理。由此,通过根据点云数据的数据量动态的分配处理资源,从而不仅提高了点云数据的处理速度,而且了避免了资源的浪费,提高了GPU中的资源利用率。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种点云数据的处理方法,其特征在于,包括:
获取当前待处理的点云数据;
确定所述待处理的点云数据的数据量;
根据所述点云数据的数据量以及图形处理器的核数,确定所述图形处理器中每个网格包含的线程块的数量;
根据所述每个网格包含的线程块的数量,确定每个待运行的核函数待处理的点云数据;
根据所述每个待运行的核函数待处理的点云数据,调用所述核函数,以对所述点云数据进行处理。
2.根据权利要求1所述的方法,其特征在于,所述根据所述点云数据的数据量以及图形处理器的核数,确定所述图形处理器中每个网格包含的线程块的数量,包括:
根据待处理的点云数据的数据量以及图形处理器的核数,确定每个所述网格内的线程数量;
根据每个线程块中可运行的最大线程数量及所述每个网格内的线程数量,确定每个所述网格包含的线程块的数量。
3.如权利要求2所述的方法,其特征在于,在所根据所述点云数据的数据量以及图形处理器的核数,确定所述图形处理器中每个网格包含的线程块的数量之前,还包括:
获取图形处理器的属性信息;
根据所述图形处理器的属性信息,确定所述图形处理器中每个线程块中可运行的最大线程数量。
4.根据权利要求1所述的方法,其特征在于,所述根据所述每个待运行的核函数待处理的点云数据,调用所述核函数,以对所述点云数据进行处理,包括:
对所述点云数据进行预处理,以确定所述点云数据中包含的空值数据及各个点云数据间的距离;
对所述点云数据中的空值数据及距离小于阈值的点云数据进行删除,以获取更新后的点云数据;
调用所述待运行的核函数,以对所述更新后的点云数据进行处理。
5.根据权利要求1-4任一所述的方法,其特征在于,所述调用待运行的核函数,以对所述点云数据进行处理,包括:
调用所述待运行的核函数,以对所述点云数据进行旋转变换以及平移变换处理。
6.一种点云数据的处理装置,其特征在于,包括:
获取模块,用于获取当前待处理的点云数据;
确定模块,用于确定当前待处理的点云数据的数据量;
以及,根据所述点云数据的数据量以及图形处理器的核数,确定所述图形处理器中每个网格包含的线程块的数量;
以及,根据所述每个网格包含的线程块的数量,确定每个待运行的核函数待处理的点云数据;
处理模块,根据所述每个待运行的核函数待处理的点云数据,调用所述核函数,以对所述点云数据进行处理。
7.根据权利要求6所述的装置,其特征在于,所述确定模块,包括:
第一确定单元,用于根据待处理的点云数据的数据量以及图形处理器的核数,确定每个所述网格内的线程数量;
第二确定单元,用于根据每个线程块中可运行的最大线程数量及所述每个网格内的线程数量,确定每个所述网格包含的线程块的数量。
8.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
9.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
10.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111363235.3A CN115439301A (zh) | 2021-11-16 | 2021-11-16 | 点云数据的处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111363235.3A CN115439301A (zh) | 2021-11-16 | 2021-11-16 | 点云数据的处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115439301A true CN115439301A (zh) | 2022-12-06 |
Family
ID=84240534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111363235.3A Pending CN115439301A (zh) | 2021-11-16 | 2021-11-16 | 点云数据的处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115439301A (zh) |
-
2021
- 2021-11-16 CN CN202111363235.3A patent/CN115439301A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112559007A (zh) | 多任务模型的参数更新方法、装置及电子设备 | |
US20240144570A1 (en) | Method for generating drivable 3d character, electronic device and storage medium | |
EP4119896A2 (en) | Method and apparatus for processing high-definition map data, electronic device, medium and product | |
CN114417780B (zh) | 状态同步方法、装置、电子设备及存储介质 | |
CN114627239B (zh) | 包围盒生成方法、装置、设备及存储介质 | |
CN116662038A (zh) | 基于共享内存的工业信息检测方法、装置、设备及介质 | |
CN115147831A (zh) | 三维目标检测模型的训练方法和装置 | |
EP3869398A2 (en) | Method and apparatus for processing image, device and storage medium | |
CN117236236B (zh) | 一种芯片设计数据管理方法、装置、电子设备及存储介质 | |
CN112947916A (zh) | 用于实现在线画布的方法、装置、设备以及存储介质 | |
CN112862934A (zh) | 用于处理动画的方法、装置、设备、介质和产品 | |
CN112560936A (zh) | 模型并行训练方法、装置、设备、存储介质和程序产品 | |
CN115439301A (zh) | 点云数据的处理方法、装置、设备及存储介质 | |
CN113591709B (zh) | 动作识别方法、装置、设备、介质和产品 | |
CN112988932B (zh) | 高精地图标注方法、装置、设备、可读存储介质及产品 | |
CN113190150B (zh) | 覆盖物的展示方法、设备和存储介质 | |
CN114564268A (zh) | 一种设备管理方法、装置、电子设备和存储介质 | |
CN115049590A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN113379884A (zh) | 地图渲染方法、装置、电子设备、存储介质以及车辆 | |
CN113723405A (zh) | 区域轮廓的确定方法、装置和电子设备 | |
CN114419187B (zh) | 地图构建方法、装置、电子设备和可读存储介质 | |
CN116579914B (zh) | 一种图形处理器引擎执行方法、装置、电子设备及存储介质 | |
EP4036861A2 (en) | Method and apparatus for processing point cloud data, electronic device, storage medium, computer program product | |
CN112835007B (zh) | 点云数据转换方法、装置、电子设备和存储介质 | |
CN114217947A (zh) | 任务执行方法、装置、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |