CN116028679B - 一种数据处理方法、装置及设备 - Google Patents
一种数据处理方法、装置及设备 Download PDFInfo
- Publication number
- CN116028679B CN116028679B CN202310308127.9A CN202310308127A CN116028679B CN 116028679 B CN116028679 B CN 116028679B CN 202310308127 A CN202310308127 A CN 202310308127A CN 116028679 B CN116028679 B CN 116028679B
- Authority
- CN
- China
- Prior art keywords
- data
- target
- dual
- cell
- topology
- 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.)
- Active
Links
Images
Landscapes
- Complex Calculations (AREA)
- Image Generation (AREA)
Abstract
本公开涉及一种数据处理方法、装置及设备。数据处理方法包括:将待统计的目标数据划分为多个统计子数据,目标数据为自然环境中目标对象的数据;根据多个统计子数据的空间分布,将目标数据的数据空间划分为多个空间胞腔;根据多个胞腔之间的拓扑关系,确定拓扑结构的对偶拓扑;在拓扑结构的对偶拓扑中,确定需要处理的对偶顶点集;对对偶顶点集中的各对偶顶点进行问题恢复,得到多个目标统计子数据;根据多个目标统计子数据,对目标数据进行统计,得到统计结果。本公开实现了对大规模目标数据的计算规模的降低和计算效率的提升。
Description
技术领域
本公开属于计算机信息处理技术领域,具体涉及一种数据处理方法、装置及设备。
背景技术
随着计算机技术以及与数字化的发展与推进,所需要处理的数据规模呈现指数级的增长;这其中受到元宇宙等新兴概念的影响,基于点云的超大规模的场景建模得到了迅速的发展,而这其中点云数据的处理往往意味着巨大的算力需求。同时为了保证计算效率往往需要使用CUDA,OpenCL等并行处理框架,在GPU(图形处理器,Graphics ProcessingUnit)上完成具体的计算任务。但是涉及有检索区域的问题是,全局搜索必将严重影响计算效率,同时数据的实际维度可能受不同任务的影响较大。
发明内容
本公开实施例的目的是提供一种数据处理方法、装置及设备,实现了对大规模目标数据的计算效率的提升。
第一方面,本公开实施例提供了一种数据处理方法,方法包括:
将待统计的目标数据划分为多个统计子数据,目标数据为自然环境中目标对象的数据,所述目标数据是通过激光束按照预设轨迹对目标对象的表面进行扫描处理,激光束反射得到的激光点数据信息;所述激光点数据信息包括:方位数据信息和距离数据信息;
根据多个统计子数据的空间分布,将目标数据的数据空间划分为多个空间胞腔;
根据多个空间胞腔之间的拓扑关系,确定拓扑结构的对偶拓扑;
在拓扑结构的对偶拓扑中,确定需要处理的对偶顶点集;
对对偶顶点集中的各对偶顶点进行问题恢复,得到多个目标统计子任务;
根据多个目标统计子数据,对目标数据进行统计,得到统计结果。
可选地,根据多个统计子数据的空间分布,将目标数据的数据空间划分为多个空间胞腔,包括:
根据多个统计子数据的空间分布、胞腔大小以及胞腔划分策略,将目标数据的数据空间进行几何划分,得到多个空间胞腔。
可选地,根据多个空间胞腔之间的拓扑关系,确定拓扑结构的对偶拓扑,包括:
可选地,在拓扑结构的对偶拓扑中,确定需要处理的对偶顶点集,包括:
在拓扑结构的对偶拓扑中,从胞腔形成的金字塔的命中区域选择需要处理的多个目标对偶顶点;
将多个目标对偶顶点形成的集合,确定为对偶顶点集。
可选地,从胞腔形成的金字塔的命中区域选择需要处理的多个目标对偶顶点,包括:
从胞腔形成的金字塔中,按照从塔顶到塔基的顺序,采用多叉树宽度搜索的方式,采用二分的最大包含策略进行胞腔命中选择,得到多个目标对偶顶点。
可选地,对对偶顶点集中的各对偶顶点进行问题恢复,得到多个目标统计子数据,包括:
获得对偶顶点集中的各对偶顶点分别对应的胞腔描述;
根据胞腔描述,确定多个目标统计子数据。
第二方面,本公开实施例提供了一种数据处理装置,包括:
划分模块,用于将待统计的目标数据划分为多个统计子数据,目标数据为自然环境中目标对象的数据,所述目标数据是通过激光束按照预设轨迹对目标对象的表面进行扫描处理,激光束反射得到的激光点数据信息;所述激光点数据信息包括:方位数据信息和距离数据信息;
第一处理模块,用于根据多个统计子数据的空间分布,将目标数据的数据空间划分为多个空间胞腔;
第二处理模块,用于根据多个空间胞腔之间的拓扑关系,确定拓扑结构的对偶拓扑;
第三处理模块,用于在拓扑结构的对偶拓扑中,确定需要处理的对偶顶点集;
第四处理模块,用于对对偶顶点集中的各对偶顶点进行问题恢复,得到多个目标统计子数据;
第五处理模块,用于根据多个目标统计子数据,对目标数据进行统计,得到统计结果。
可选地,第一处理模块包括:
第一处理子模块,用于根据多个统计子数据的空间分布、胞腔大小以及胞腔划分策略,将目标数据的数据空间进行几何划分,得到多个空间胞腔。
可选地,第二处理模块包括:
可选地,第三处理子模块包括:
可选地,第三处理模块包括:
第四处理子模块,用于在拓扑结构的对偶拓扑中,从胞腔形成的金字塔的命中区域选择需要处理的多个目标对偶顶点;
第五处理子模块,用于将多个目标对偶顶点形成的集合,确定为对偶顶点集。
可选地,第四处理子模块包括:
第四处理子单元,从胞腔形成的金字塔中,按照从塔顶到塔基的顺序,采用多叉树宽度搜索的方式,采用二分的最大包含策略进行胞腔命中选择,得到多个目标对偶顶点。
可选地,第四处理模块包括:
第六处理子模块,用于获得对偶顶点集中的各对偶顶点分别对应的胞腔描述;
第七处理子模块,用于根据胞腔描述,确定多个目标统计子数据。
第三方面,本公开实施例提供了一种计算设备,该计算设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序或指令,程序或指令被处理器执行时实现如第一方面的数据处理方法的步骤。
第四方面,本公开实施例提供了一种可读存储介质,可读存储介质上存储程序或指令,程序或指令被处理器执行时实现如第一方面的数据处理方法的步骤。
在本公开实施例中,通过将待统计的目标数据划分为多个统计子数据,根据多个统计子数据的空间分布,将目标数据的数据空间划分为多个空间胞腔;根据多个空间胞腔之间的拓扑关系,确定拓扑结构的对偶拓扑;在拓扑结构的对偶拓扑中,确定需要处理的对偶顶点集;对对偶顶点集中的各对偶顶点进行问题恢复,得到多个目标统计子数据;根据多个目标统计子数据,对目标数据进行统计,得到统计结果。从而实现对大规模目标数据的统计规模的降低,计算效率的提升。
附图说明
图1是本公开实施例提供的数据处理方法的流程示意图;
图2是本公开实施例提供的胞腔形成的金字塔示意图;
图3是本公开实施例提供的胞腔形成的金字塔的命中区域选择示意图;
图4是本公开实施例提供的数据处理方法的又一整体的流程示意图;
图5是本公开实施例提供的数据处理装置的结构示意图;
图6是本公开的实施例提供的计算设备的结构示意图;
图7是实现本公开的实施例提供的计算设备的硬件结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员获得的所有其他实施例,都属于本公开保护的范围。
本公开的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
本公开实施例主要涉及大规模点云数据的数据处理,主要可以用于CUDA(ComputeUnified Device Architecture,GPU(图形处理器)并行计算框架)并行计算中的大规模数据统计,首先将需要处理的点云数据分割为相对较小的子数据,并根据子数据的分布形式将原始的数据空间进行分割,形成一系列的空间胞腔,胞腔之间形成基本的拓扑关系,确定该拓扑关系的对偶,并将胞腔属性作为对偶顶点的描述,视具体问题而言将对偶顶点形成金字塔顶点组,通过逐层计算对偶顶点的统计包含性,选择需要处理的对偶顶点集,将对偶顶点集恢复为原始问题,并进行统计。
下面结合附图,通过具体的实施例及其应用场景对本公开实施例提供的数据处理方法、装置及设备进行详细地说明。
图1是本公开实施例提供的一种数据处理方法流程图,参见图1,该方法可以包括以下步骤:
步骤101,将待统计的目标数据划分为多个统计子数据,目标数据为自然环境中目标对象的数据,所述目标数据是通过激光束按照预设轨迹对目标对象的表面进行扫描处理,激光束反射得到的激光点数据信息;所述激光点数据信息包括:方位数据信息和距离数据信息;这里的目标对象包括但不限于大规模建筑物等。
步骤102,根据多个统计子数据的空间分布,将目标数据的数据空间划分为多个空间胞腔;
需要说明的是,这里的多个统计子数据的空间分布包括但不限于:处理粒度、范围规模、划分金字塔层数等。
步骤102具体实现时,可以包括:
步骤1021,根据多个统计子数据的空间分布、胞腔大小以及胞腔划分策略,将目标数据的数据空间进行几何划分,得到多个空间胞腔。
这里的空间胞腔为将目标数据的数据空间进行几何划分所获得的区域,需要说明的是,将目标数据的数据空间进行几何划分时,可以根据欧式空间的规则进行描述,几何划分可以采用金字塔形式,并且保证相邻尺度间的几何尺度相差整数倍率;
具体的,空间胞腔的具体计算过程可以包括:
需要说明的是,这里的划分策略可以包括:保证相邻尺度间的几何尺度相差整数倍率。
需要注意的是,只保存最精细的空间胞腔划分,其他粒度进保存最精细空间胞腔的对偶描述子,这样能够控制系统资源的占用。
步骤103,根据多个空间胞腔之间的拓扑关系,确定拓扑结构的对偶拓扑;
该步骤103具体实现时,可以包括:
具体实现时,步骤1032可以包括:
需要说明的是,还可以进一步的对确定胞腔的对偶进行保存,并对尺度大于最精细尺度的胞腔均采用该对偶进行描述,在实际的编程过程中,可以将描述映射为一个散列表(Map)的哈希值(Hash),对应的键值为原始问题的划分胞腔。
步骤104,在拓扑结构的对偶拓扑中,确定需要处理的对偶顶点集;
该步骤104具体实现时,可以包括:
步骤1041,在拓扑结构的对偶拓扑中,从胞腔形成的金字塔的命中区域选择需要处理的多个目标对偶顶点;
具体实现时,步骤1041可以包括:
步骤10411,从胞腔形成的金字塔中,按照从塔顶到塔基的顺序,采用多叉树宽度搜索的方式,采用二分的最大包含策略进行胞腔命中选择,得到多个目标对偶顶点。
这里,对于每一个CUDA线程而言,首先由金字塔顶端到底端进行命中区域选择,搜索过程可以采用多叉树的方式,具体可以使用宽度优先的方式进行搜索,以此获得每个目标对偶顶点,需要说明的是,命中判定可以采用二分的最大包含策略,使得统计空间的边缘更加可靠。
步骤1042,将多个目标对偶顶点形成的集合,确定为对偶顶点集。
一个实现实施例中,图2是本公开实施例提供的胞腔形成的金字塔的示意图,按照从塔顶到塔基的顺序进行处理,分别得到胞腔A和胞腔B,对该胞腔A进行处理得到胞腔A1、胞腔A2和胞腔A3,对该胞腔A1进行处理得到胞腔A11、胞腔A12和胞腔A13,对该胞腔A2进行处理得到胞腔A21、胞腔A22和胞腔A23,对该胞腔A3进行处理得到胞腔A31、胞腔A32和胞腔A33;
对该胞腔B进行处理得到胞腔B1,对该胞腔B1进行处理得到胞腔B11、胞腔B12和胞腔B13;
图3是本公开实施例提供的胞腔形成的金字塔的命中区域选择示意图,对图2所示的胞腔形成的金字塔中进行命中选择,在胞腔A和胞腔B中选择了胞腔A,因此不在考虑胞腔B这一分支,继续在胞腔A下层的胞腔A1、胞腔A2和胞腔A3中选择了胞腔A3,并在胞腔A3下层的胞腔A31、胞腔A32和胞腔A33中选择了胞腔A33。
步骤105,对对偶顶点集中的各对偶顶点进行问题恢复,得到多个目标统计子数据;
步骤105具体实现时,可以包括:
步骤1051,获得对偶顶点集中的各对偶顶点分别对应的胞腔描述;
步骤1052,根据胞腔描述,确定多个目标统计子数据。
这里,获得所有预先命中的对偶顶点集中的各对偶顶点分别对应的胞腔描述,并将其恢复为原始问题,需要说明的是,在实际的编程过程中,该过程为获得散列表(Map)中对应键值的刨分结果,在获得的胞腔描述中进行统计任务,从而确定多个目标统计子数据。
步骤106,根据多个目标统计子数据,对目标数据进行统计,得到统计结果。
这里,通过对多个目标统计子数据进行统计,得到统计结果,降低了计算规模,提高了计算效率。
一个实现实施例中,图4是本公开实施例提供的数据处理方法的又一整体的流程框架示意图,数据处理方法的具体实现过程可以包括:
将待统计的目标数据划分为多个统计子数据,目标数据为自然环境中目标对象的数据,所述目标数据是通过激光束按照预设轨迹对目标对象的表面进行扫描处理,激光束反射得到的激光点数据信息;所述激光点数据信息包括:方位数据信息和距离数据信息;
根据多个统计子数据的空间分布,将目标数据的数据空间划分为多个空间胞腔;
根据多个空间胞腔之间的拓扑关系,确定拓扑结构的对偶拓扑;图4中,这里的拓扑关系用连接各方框的虚线进行表示;
在拓扑结构的对偶拓扑中,确定需要处理的对偶顶点集;图4中,这里的对偶用多叉树形的实线进行表示,这里的对偶顶点表示为多叉树形的实线上的连接点;
对对偶顶点集中的各对偶顶点进行问题恢复,得到多个目标统计子数据;
根据多个目标统计子数据,对目标数据进行统计,得到统计结果。
本公开实施例中数据处理方法,能够有效改善实际的运行效率,并通过使用对偶问题代替原始问题进行统计的预先命中,以此较小统计的实际计算规律,实现高效的计算优化,并且无需改变原始统计问题的描述,仅将目标数据的统计任务的计算规模减小,从而提升计算效率。
上述所有可选技术方案,可以任意结合,形成本公开的可选实施例,在此不再一一赘述。
图5是本公开实施例提供的一种数据生成装置的结构示意图,参见图5,该装置500包括:
划分模块501,用于将待统计的目标数据划分为多个统计子数据,目标数据为自然环境中目标对象的数据,所述目标数据是通过激光束按照预设轨迹对目标对象的表面进行扫描处理,激光束反射得到的激光点数据信息;所述激光点数据信息包括:方位数据信息和距离数据信息;
第一处理模块502,用于根据多个统计子数据的空间分布,将目标数据的数据空间划分为多个空间胞腔;
第二处理模块503,用于根据多个空间胞腔之间的拓扑关系,确定拓扑结构的对偶拓扑;
第三处理模块504,用于在拓扑结构的对偶拓扑中,确定需要处理的对偶顶点集;
第四处理模块505,用于对对偶顶点集中的各对偶顶点进行问题恢复,得到多个目标统计子数据;
第五处理模块506,用于根据多个目标统计子数据,对目标数据进行统计,得到统计结果。
可选地,第一处理模块502包括:
第一处理子模块,用于根据多个统计子数据的空间分布、胞腔大小以及胞腔划分策略,将目标数据的数据空间进行几何划分,得到多个空间胞腔。
可选地,第二处理模块503包括:
可选地,第三处理子模块包括:
可选地,第三处理模块504包括:
第四处理子模块,用于在拓扑结构的对偶拓扑中,从胞腔形成的金字塔的命中区域选择需要处理的多个目标对偶顶点;
第五处理子模块,用于将多个目标对偶顶点形成的集合,确定为对偶顶点集。
可选地,第四处理子模块包括:
第四处理子单元,从胞腔形成的金字塔中,按照从塔顶到塔基的顺序,采用多叉树宽度搜索的方式,采用二分的最大包含策略进行胞腔命中选择,得到多个目标对偶顶点。
可选地,第四处理模块505包括:
第六处理子模块,用于获得对偶顶点集中的各对偶顶点分别对应的胞腔描述;
第七处理子模块,用于根据胞腔描述,确定多个目标统计子数据。
本公开实施例提供的装置,通过将待统计的目标数据划分为多个统计子数据,根据多个统计子数据的空间分布,将目标数据的数据空间划分为多个空间胞腔;根据多个空间胞腔之间的拓扑关系,确定拓扑结构的对偶拓扑;在拓扑结构的对偶拓扑中,确定需要处理的对偶顶点集;对对偶顶点集中的各对偶顶点进行问题恢复,得到多个目标统计子数据;根据多个目标统计子数据,对目标数据进行统计,得到统计结果。从而实现对大规模目标数据的统计规模的降低以及计算效率的提升。
需要说明的是:上述实施例提供的数据处理装置在处理时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的数据处理装置与数据处理方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本公开实施例中的数据处理装置可以是虚拟装置,也可以是服务器或者终端中的部件、集成电路或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本公开实施例不作具体限定。
本公开实施例中的数据处理装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为ios操作系统,还可以为其他可能的操作系统,本公开实施例不作具体限定。
本公开实施例提供的数据处理装置能够实现图1至图4的方法实施例实现的各个过程,为避免重复,这里不再赘述。
可选地,如图6所示,本公开实施例还提供一种计算设备600,包括处理器601,存储器602,存储在存储器602上并可在处理器601上运行的程序或指令,该程序或指令被处理器601执行时实现上述数据处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。需要说明的是,本公开实施例中的电子设备包括上述的移动电子设备和非移动电子设备。
图7为实现本公开实施例的一种计算设备的硬件结构示意图。
该计算设备700包括但不限于:射频单元701、网络模块702、音频输出单元703、输入单元704、传感器705、显示单元706、用户输入单元707、接口单元708、存储器709、以及处理器710等部件。
本领域技术人员可以理解,计算设备700还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器710逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图7中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。
应理解的是,本公开实施例中,输入单元704可以包括图形处理器(GraphicsProcessing Unit,GPU)7041和麦克风7042,图形处理器7041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像设备)获得的静态图片或视频的图像数据进行处理。显示单元706可包括显示面板7061,可以采用液晶显示器、有机发光二极管等形式来配置显示面板7061。用户输入单元707包括触控面板7071以及其他输入设备7072。触控面板7071,也称为触摸屏。触控面板7071可包括触摸检测装置和触摸控制器两个部分。其他输入设备7072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。存储器709可用于存储软件程序以及各种数据,包括但不限于应用程序和操作系统。处理器710可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器710中。
本公开实施例还提供一种可读存储介质,可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述数据处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,处理器为上述实施例中的计算设备中的处理器。可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、磁碟或者光盘等。
本公开实施例另提供了一种芯片,芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行程序或指令,实现上述数据处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本公开实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本公开实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本公开各个实施例的方法。
上面结合附图对本公开的实施例进行了描述,但是本公开并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本公开的启示下,在不脱离本公开宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本公开的保护之内。
Claims (10)
1.一种数据处理方法,其特征在于,所述方法包括:
将待统计的目标数据划分为多个统计子数据,所述目标数据为自然环境中目标对象的数据,所述目标数据是通过激光束按照预设轨迹对目标对象的表面进行扫描处理,激光束反射得到的激光点数据信息;所述激光点数据信息包括:方位数据信息和距离数据信息;
根据所述多个统计子数据的空间分布,将所述目标数据的数据空间划分为多个空间胞腔;
根据所述多个空间胞腔之间的拓扑关系,确定拓扑结构的对偶拓扑;
在所述拓扑结构的对偶拓扑中,确定需要处理的对偶顶点集;
对所述对偶顶点集中的各对偶顶点进行问题恢复,得到多个目标统计子数据;
根据所述多个目标统计子数据,对所述目标数据进行统计,得到统计结果。
2.根据权利要求1所述的数据处理方法,其特征在于,根据所述多个统计子数据的空间分布,将所述目标数据的数据空间划分为多个空间胞腔,包括:
根据所述多个统计子数据的空间分布、胞腔大小以及胞腔划分策略,将所述数据的数据空间进行几何划分,得到多个空间胞腔。
5.根据权利要求3所述的数据处理方法,其特征在于,在所述拓扑结构的对偶拓扑对偶中,确定需要处理的对偶顶点集,包括:
在所述拓扑结构的对偶拓扑中,从胞腔形成的金字塔的命中区域选择需要处理的多个目标对偶顶点;
将多个目标对偶顶点形成的集合,确定为所述对偶顶点集。
6.根据权利要求5所述的数据处理方法,其特征在于,从胞腔形成的金字塔的命中区域选择需要处理的多个目标对偶顶点,包括:
从所述胞腔形成的金字塔中,按照从塔顶到塔基的顺序,采用多叉树宽度搜索的方式,采用二分的最大包含策略进行胞腔命中选择,得到多个目标对偶顶点。
7.根据权利要求1所述的数据处理方法,其特征在于,对所述对偶顶点集中的各对偶顶点进行问题恢复,得到多个目标统计子数据,包括:
获得所述对偶顶点集中的各对偶顶点分别对应的胞腔描述;
根据所述胞腔描述,确定多个目标统计子数据。
8.一种数据处理装置,其特征在于,包括:
划分模块,用于将待统计的目标数据划分为多个统计子数据,所述目标数据为自然环境中目标对象的数据,所述目标数据是通过激光束按照预设轨迹对目标对象的表面进行扫描处理,激光束反射得到的激光点数据信息;所述激光点数据信息包括:方位数据信息和距离数据信息;
第一处理模块,用于根据所述多个统计子数据的空间分布,将所述目标数据的数据空间划分为多个空间胞腔;
第二处理模块,用于根据所述多个空间胞腔之间的拓扑关系,确定拓扑结构的对偶拓扑;
第三处理模块,用于在所述拓扑结构的对偶拓扑中,确定需要处理的对偶顶点集;
第四处理模块,用于对所述对偶顶点集中的各对偶顶点进行问题恢复,得到多个目标统计子数据;
第五处理模块,用于根据所述多个目标统计子数据,对所述目标数据进行统计,得到统计结果。
9.一种计算设备,其特征在于,包括:处理器、存储有计算机程序的存储器,所述计算机程序被处理器运行时,执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,存储指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310308127.9A CN116028679B (zh) | 2023-03-28 | 2023-03-28 | 一种数据处理方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310308127.9A CN116028679B (zh) | 2023-03-28 | 2023-03-28 | 一种数据处理方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116028679A CN116028679A (zh) | 2023-04-28 |
CN116028679B true CN116028679B (zh) | 2023-05-30 |
Family
ID=86077895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310308127.9A Active CN116028679B (zh) | 2023-03-28 | 2023-03-28 | 一种数据处理方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116028679B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101682A (zh) * | 2018-06-29 | 2018-12-28 | 长安大学 | 一种路网对偶拓扑结构的建立方法 |
CN111008668A (zh) * | 2019-12-09 | 2020-04-14 | 上海熵熵微电子科技有限公司 | 一种数据奇异点的识别方法、装置、设备和介质 |
CN113312776A (zh) * | 2021-06-02 | 2021-08-27 | 北京五一视界数字孪生科技股份有限公司 | 行车轨迹的泛化方法、装置、存储介质及电子设备 |
CN115794262A (zh) * | 2022-12-07 | 2023-03-14 | 百度(中国)有限公司 | 任务处理方法、装置、设备、存储介质以及程序产品 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7319781B2 (en) * | 2003-10-06 | 2008-01-15 | Carestream Health, Inc. | Method and system for multiple passes diagnostic alignment for in vivo images |
-
2023
- 2023-03-28 CN CN202310308127.9A patent/CN116028679B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101682A (zh) * | 2018-06-29 | 2018-12-28 | 长安大学 | 一种路网对偶拓扑结构的建立方法 |
CN111008668A (zh) * | 2019-12-09 | 2020-04-14 | 上海熵熵微电子科技有限公司 | 一种数据奇异点的识别方法、装置、设备和介质 |
CN113312776A (zh) * | 2021-06-02 | 2021-08-27 | 北京五一视界数字孪生科技股份有限公司 | 行车轨迹的泛化方法、装置、存储介质及电子设备 |
CN115794262A (zh) * | 2022-12-07 | 2023-03-14 | 百度(中国)有限公司 | 任务处理方法、装置、设备、存储介质以及程序产品 |
Non-Patent Citations (1)
Title |
---|
空间拓扑相交关系计算算法并行化研究;曹倩倩;李文杰;;天津理工大学学报(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116028679A (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | pipsCloud: High performance cloud computing for remote sensing big data management and processing | |
JP6998964B2 (ja) | ジオフェンスのインデックスグリッドを判断するための方法及び装置 | |
Zhao et al. | Geographical information system parallelization for spatial big data processing: a review | |
Pradhan et al. | Finding all-pairs shortest path for a large-scale transportation network using parallel Floyd-Warshall and parallel Dijkstra algorithms | |
CN107952243B (zh) | 路径确定方法及装置 | |
CN101370025A (zh) | 地理信息数据的存储方法、调度方法及管理系统 | |
US7990380B2 (en) | Diffuse photon map decomposition for parallelization of global illumination algorithm | |
CN111400555B (zh) | 图数据查询任务处理方法、装置、计算机设备和存储介质 | |
WO2024061327A1 (zh) | 矢量地图生成方法、装置、电子设备和可读存储介质 | |
Wang et al. | Continuous visible k nearest neighbor query on moving objects | |
CN110070616A (zh) | 存储器、基于gis平台的统计数据呈现方法、装置和设备 | |
CN116628123B (zh) | 基于空间数据库的动态切片生成方法和系统 | |
CN111899323B (zh) | 三维地球的绘制方法及装置 | |
Stojanovic et al. | High performance processing and analysis of geospatial data using CUDA on GPU | |
Stojanovic et al. | High–performance computing in GIS: Techniques and applications | |
CN116028679B (zh) | 一种数据处理方法、装置及设备 | |
CN113791425A (zh) | 雷达p显界面生成方法、装置、计算机设备及存储介质 | |
CN112270083A (zh) | 一种多分辨建模与仿真方法及系统 | |
CN116541616A (zh) | 对象放置地址确定方法、装置、计算机设备和存储介质 | |
Li et al. | Batched trajectory compression algorithm based on hierarchical grid coordinates | |
CN112989193A (zh) | 数据处理方法、装置、电子设备及计算机存储介质 | |
Mu et al. | Big data processing technology research and application prospects | |
CN118152833A (zh) | 光伏系统的组件聚类方法、装置及电子设备 | |
CN116110046B (zh) | 一种数据流形实例的确定方法、装置及设备 | |
Le Hoang Son et al. | Some Results of 3D Terrain Splitting By 2D Polygonal Vector Data |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |