CN116308997A - 数据处理装置、方法、电子设备和存储介质 - Google Patents
数据处理装置、方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116308997A CN116308997A CN202310298198.5A CN202310298198A CN116308997A CN 116308997 A CN116308997 A CN 116308997A CN 202310298198 A CN202310298198 A CN 202310298198A CN 116308997 A CN116308997 A CN 116308997A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- rearranged
- intervals
- processor
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims description 36
- 238000003672 processing method Methods 0.000 claims abstract description 12
- 238000005192 partition Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013506 data mapping Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 102100035964 Gastrokine-2 Human genes 0.000 description 1
- 101001075215 Homo sapiens Gastrokine-2 Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
- G06F15/163—Interprocessor communication
- G06F15/167—Interprocessor communication using a common memory, e.g. mailbox
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Generation (AREA)
Abstract
本公开提供了一种数据处理装置,涉及计算机技术领域,尤其涉及芯片技术领域和集成电路技术领域,可以应用于自动驾驶、辅助驾驶和智慧交通等场景下。该装置包括:存储单元;以及M个处理器核,配置为:获取K个点云数据,其中,K为大于1的整数;将K个点云数据进行重排,得到M个重排点云数据集合,其中,M为大于1的整数,重排点云数据集合包括I个重排点云数据子集合,I个重排点云数据子集合分别与I个数值区间对应;以及将M个重排点云数据集合各自的I个重排点云数据子集合分别写入存储单元。本公开还提供了一种数据处理方法、电子设备和存储介质。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及芯片技术领域和集成电路技术领域,可以应用于自动驾驶、辅助驾驶和智慧交通等场景下。更具体地,本公开提供了一种数据处理装置、方法、电子设备和存储介质。
背景技术
随着计算机技术的发展,可以利用各种芯片来处理点云数据。
发明内容
本公开提供了一种数据处理装置、方法、设备以及存储介质。
根据本公开的一方面,提供了一种数据处理装置,该装置包括:存储单元;以及M个处理器核,配置为:获取K个点云数据,其中,K为大于1的整数;将K个点云数据进行重排,得到M个重排点云数据集合,其中,M为大于1的整数,重排点云数据集合包括I个重排点云数据子集合,I个重排点云数据子集合分别与I个数值区间对应;以及将M个重排点云数据集合各自的I个重排点云数据子集合分别写入存储单元。
根据本公开的另一方面,提供了一种数据处理方法,该方法包括:获取K个点云数据,其中,K为大于1的整数;将K个点云数据进行重排,得到M个重排点云数据集合,其中,M为大于1的整数,重排点云数据集合包括I个重排点云数据子集合,I个重排点云数据子集合分别与I个数值区间对应;以及将M个重排点云数据集合各自的I个重排点云数据子集合分别写入存储单元。
根据本公开的另一方面,提供了一种电子设备,包括本公开提供的数据处理装置。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据本公开提供的方法。
根据本公开的另一方面,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,该计算机指令用于使计算机执行根据本公开提供的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现根据本公开提供的方法。
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是根据本公开的一个实施例的数据处理装置的示意框图;
图2A是根据本公开的一个实施例的将K个点云数据重排的示意图;
图2B是根据本公开的一个实施例的确定存储单元中I个连续存储区间的起始地址的示意图;
图2C是根据本公开的一个实施例的将M个重排点云数据集合写入存储单元的示意图
图3是根据本公开的一个实施例的数据处理方法的流程图;
图4是根据本公开的一个实施例的电子设备的示意图;以及
图5是根据本公开的一个实施例的可以应用数据处理方法的电子设备的框图。
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。
人工智能(Artificial Intelligence,AI)芯片可以具有多级存储架构,可以将数据从全局存储(Global Memory,GM)单元搬运到本地存储(Local Memory,LM)单元,以在本地存储单元中处理数据。全局存储单元可以是双倍数据传输率存储器(Graphics DoubleData Rate,GDDR)。本地存储单元可以是静态随机存储器(Static Random Access Memory,SRAM)。
三维点云数据是自动驾驶算法需要处理的原始数据。将三维点云数据映射为二维,可以得到索引图。可以统计每个索引图上的像素点云的高度、强度、数量等信息,以进行特征提取。点云数据的特征提取具有数据量大、全局性等特点。人工智能芯片的本地存储单元的容量较小,难以满足大规模点云数据的一次性处理需求。在点云数据处理场景中,具备多级存储架构的人工智能芯片具有天然的劣势。
具有高速缓存(cache)架构的芯片可以利用全局存储单元来处理大规模点云数据。具有高速存储架构的芯片例如可以为图形处理单元(Graphics Processing Unit,GPU)。具有高速缓存架构的芯片可以利用全局存储单元实现原子操作,以利用多个处理器核进行并行的特征提取,不需要进行特殊处理G由此,具有高速缓存架构的芯片可以高效地处理点云数据。然而,具有高速缓存架构的芯片的成本较高,也需要有全局的原子操作指令,会消耗大量的硬件资源。此外,全局的原子操作无法保证操作数的执行顺序,在存在累加操作的情况下,可能会降低点云数据处理的精度。
具有多级存储架构的芯片可以利用单个处理器核进行多次数据输入/输出,以处理大规模点云数据,难以发挥人工智能芯片的多个处理器核的计算能力。此外,大规模点云数据的数据量巨大。人工智能芯片进行大量的数据输入/输出所需的时间成本较大,从而导致点云数据处理性能较差。在点云数据处理场景中,人工智能芯片的性能甚至可能弱于中央处理单元(Central Processing Unit,CPU)。
为了使用人工智能芯片处理点云数据,本公开提供了一种数据处理装置,下面将进行说明。
图1是根据本公开的一个实施例的数据处理装置的示意框图。
如图1所示,装置100可以包括存储单元110和M个处理器核120。
存储单元110,可以为上述的全局存储单元。
M个处理器核120,可以配置为:获取K个点云数据。在本公开实施例中,K可以为大于1的整数。例如,K个点云数据可以来自于一个或多个点云数据帧。激光雷达(LiDar)可以在每个时刻采集一个点云数据帧。点云数据帧可以包括多个点。多个点中的至少一个点的相关信息(位置、强度等信息)可以作为一个点云数据。
M个处理器核120,还可以配置为:将K个点云数据进行重排,得到M个重排点云数据集合。在本公开实施例中,M可以为大于1的整数。重排点云数据集合可以包括I个重排点云数据子集合。I个重排点云数据子集合可以分别与I个数值区间对应。例如,处理器核可以对K个点云数据中的一部分进行重排,得到重排点云数据集合。在重排过程中,处理器核可以确定点云数据所处的数值区间,将该点云数据添加至于该数值区间对应的重排点云数据子集合。
M个处理器核120,还可以配置为:将M个重排点云数据集合各自的I个重排点云数据子集合分别写入存储单元。在本公开实施例中,存储单元可以包括与I个数值区间对应的I个存储空间。每个重排点云数据集合中的第i点云数据子集合可以写入第i个存储空间。i可以大于或等于1且小于或等于I的整数。
通过本公开实施例,将K个点云数据重排至I个数值区间,使得数据分段有序,可以充分利用多级存储架构中全局存储单元的存储空间,也可以使得数据能够被高效地并行处理,提高多个处理器核的利用率,减少数据的输入输出次数,可以大幅提高芯片的性能。
可以理解,上文对本公开的处理装置进行了说明,下面将结合图2A至图2C对本公开的M个处理器核进行进一步说明。
图2A是根据本公开的一个实施例的将K个点云数据重排的示意图。
如图2A所示,K个点云数据200例如可以为100000个点云数据。K个点云数据200的数值范围例如可以为0~200000。可以理解,该数值可以为点云数据的强度值。本实施例中的点云数据的数量、数值范围以及强度的值仅为示例。
在一些实施例中,M个处理器核中的第m处理器核可以配置为:获取M个初始点云数据集合中的第m初始点云数据集合。
在本公开实施例中,M个初始点云数据集合是将K个点云数据划分为M组得到的。第m初始点云数据集合中可以包括N个点云数据。M可以为大于或等于1且小于或等于M的整数。N可以为大于1且小于M的整数。例如,M可以为10。可以将K个点云数据划分为10组,得到10个初始点云数据集合。在这些初始点云数据集合中,每个初始点云数据集合可以包括10000个点云数据。即N=10000。
在本公开实施例中,数值区间的数量可以是预设的。I可以为大于1的整数。例如,I可以为10。第1数值区间可以为0~20000。第2数值区间可以为20001~40000。......第I数值区间可以为180001~200000。
在一些实施例中,M个处理器核中的第m处理器核可以配置为:根据N个点云数据的数值大小和I个数值区间,对N个点云数据进行重排,得到I个重排点云数据子集。
在本公开实施例中,M个处理器核可以配置为:并行地对M个处理器核各自的N个点云数据进行重排。
例如,第1处理器核core0可以确定第1初始点云数据集合中处于第1数值区间中的多个点云数据,得到第1重排点云数据子集合2001。第1处理器核core0可以确定第1初始点云数据集合中处于第2数值区间中的多个点云数据,得到第2重排点云数据子集合2002。......第1处理器核core0可以确定第1初始点云数据集合中处于第I数值区间中的多个点云数据,得到第I重排点云数据子集合2010。第1重排点云数据子集合2001、第2重排点云数据子集合2002、......第I重排点云数据子集合2010可以合并为第1重排点云数据集合。在第1重排点云数据集合的I个重排点云数据子集合中,第1重排点云数据子集合2001的数据数目可以为91。第2重排点云数据子集合2002的数据数目可以为62。......第I重排点云数据子集合2010的数据数目可以为43。
又例如,第2处理器核core1可以确定第2初始点云数据集合中处于第1数值区间中的多个点云数据,得到第1重排点云数据子集合2101。第2处理器核core1可以确定第1初始点云数据集合中处于第2数值区间中的多个点云数据,得到第2重排点云数据子集合2102。......第2处理器核core1可以确定第1初始点云数据集合中处于第I数值区间中的多个点云数据,得到第I重排点云数据子集合2110。第1重排点云数据子集合2101、第2重排点云数据子集合2102、......第I重排点云数据子集合2110可以合并为第2重排点云数据集合。在第2重排点云数据集合的I个重排点云数据子集合中,第1重排点云数据子集合2101的数据数目可以为54。第2重排点云数据子集合2102的数据数目可以为75。......第I重排点云数据子集合2110的数据数目可以为36。
又例如,第M处理器核core9可以确定第I初始点云数据集合中处于第1数值区间中的多个点云数据,得到第1重排点云数据子集合2901。第M处理器核core9可以确定第1初始点云数据集合中处于第2数值区间中的多个点云数据,得到第2重排点云数据子集合2902。......第M处理器核core9可以确定第M初始点云数据集合中处于第I数值区间中的多个点云数据,得到第I重排点云数据子集合2910。第1重排点云数据子集合2901、第2重排点云数据子集合2902、......第I重排点云数据子集合2910可以合并为第M重排点云数据集合。在第M重排点云数据集合的I个重排点云数据子集合中,第1重排点云数据子集合2901的数据数目可以为27。第2重排点云数据子集合2902的数据数目可以为88。......第I重排点云数据子集合2910的数据数目可以为19。
在获得了M个重排点云数据集合之后,可以确定I个连续存储区间,以便将M个重排点云数据集合的第i重排点云数据子集合写入第i存储区间。下面将结合图2B对确定I个连续存储区间的一些方式进行说明。
图2B是根据本公开的一个实施例的确定存储单元中I个连续存储区间的起始地址的示意图。
在一些实施例中,M个处理器核还可以配置为:根据与M个处理器核对应的M×I个重排点云数据子集合各自的数据数目,得到K个点云数据分别处于I个数值区间中每个数值区间的分区数据数目。根据分区数据数目,确定存储单元中I个连续存储区间的起始地址,I个连续存储区间与I个数值区间一一对应。
例如,根据第1重排点云数据子集合2001的数据数目“91”、第1重排点云数据子集合2101的数据数目“54”、......第1重排点云数据子集合2901的数据数目“27”,可以得到K个点云数据中处于第1数值区间的第1分区数据数目。以第1分区数据数目是500为例,可以确定在存储单元确定与第1数值区间对应的第1存储区间。若第1存储区间的起始地址的偏移量(Offset)为0,在第1分区数据数目是500的情况下,第2存储区间的起始地址的偏移量可以为500。
第1存储区间可以包括I个第一子存储区间。第1第一子存储区间可以与第1重排点云数据子集合2001对应。第2第一子存储区间可以与第1重排点云数据子集合2101对应。......第I第一子存储区间可以与第1重排点云数据子集合2901对应。第1第一子存储区间的起始地址的偏移量可以为0。第2第一子存储区间的起始地址的偏移量可以为91。第3第一子存储区间的起始地址的偏移量可以为145。
又例如,根据第2重排点云数据子集合2002的数据数目“62”、第2重排点云数据子集合2102的数据数目“75”、......第2重排点云数据子集合2902的数据数目“88”,可以得到K个点云数据中处于第2数值区间的第2分区数据数目。以第2分区数据数目是9500为例,可以确定在存储单元确定与第2数值区间对应的第2存储区间。若第2存储区间的起始地址的偏移量为500,在第2分区数据数目是9500的情况下,第3存储区间的起始地址的偏移量可以为10000。可以理解,在后存储区间的起始地址可以指示当前存储区间的结束地址。例如,第2存储空间的起始地址可以指示第1存储空间的结束地址。第3存储空间的起始地址可以指示第2存储空间的结束地址。
第2存储区间可以包括I个第二子存储区间。第1第二子存储区间可以与第2重排点云数据子集合2002对应。第2第二子存储区间可以与第2重排点云数据子集合2102对应。......第I第二子存储区间可以与第2重排点云数据子集合2902对应。第1第二子存储区间的起始地址的偏移量可以为500。第2第二子存储区间的起始地址的偏移量可以为562。第3第二子存储区间的起始地址的偏移量可以为10000。
又例如,根据第I重排点云数据子集合2010的数据数目“43”、第2重排点云数据子集合2110的数据数目“36”、......第I重排点云数据子集合2910的数据数目“19”,可以得到K个点云数据中处于第I数值区间的第I分区数据数目。以第I分区数据数目是10000为例,可以确定在存储单元确定与第I数值区间对应的第I存储区间。若第I存储区间的起始地址的偏移量为90000,在第I分区数据数目是10000的情况下,第I存储区间的结束地址的偏移量可以为100000。
第I存储区间可以包括I个第十子存储区间。第1第十子存储区间可以与第I重排点云数据子集合2010对应。第2第十子存储区间可以与第I重排点云数据子集合2110对应。......第I第十子存储区间可以与第I重排点云数据子集合2910对应。第1第十子存储区间的起始地址的偏移量可以为90000。第2第十子存储区间的起始地址的偏移量可以为90043。第3第十子存储区间的起始地址的偏移量可以为90079。
在确定了I个连续存储区间的起始地址之后,可以将M个重排点云数据集合写入该I个连续存储区间,下面将结合图2C进行进一步说明。
图2C是根据本公开的一个实施例的将M个重排点云数据集合写入存储单元的示意图。
在一些实施例中,M个处理器核还可以配置为:经由直接存储器访问(DirectMemory Access,DMA),并行地将M个第i重排点云数据子集合写入存储单元中的对应存储区间。
例如,经由直接存储器访问,可以利用处理器核core0、处理器核core1、......处理器核core9并行地将第1重排点云数据子集合2001、第1重排点云数据子集合2101、......第1重排点云数据子集合2901写入第1存储区间201。可以将第1重排点云数据子集合2001写入上述的第1第一子存储区间。可以将第1重排点云数据子集合2101写入上述的第2第一子存储区间。......可以将第1重排点云数据子集合2901写入上述的第I第一子存储区间。
例如,经由直接存储器访问,可以利用处理器核core0、处理器核core1、......处理器核core9并行地将第2重排点云数据子集合2002、第2重排点云数据子集合2102、......第2重排点云数据子集合2902写入第2存储区间202。可以将第2重排点云数据子集合2002写入上述的第1第二子存储区间。可以将第2重排点云数据子集合2102写入上述的第2第二子存储区间。......可以将第2重排点云数据子集合2902写入上述的第I第二子存储区间。
例如,经由直接存储器访问,可以利用处理器核core0、处理器核core1、......处理器核core9并行地将第I重排点云数据子集合2010、第I重排点云数据子集合2110、......第I重排点云数据子集合2910写入第存储区间210。可以将第I重排点云数据子集合2010写入上述的第1第十子存储区间。可以将第I重排点云数据子集合2110写入上述的第2第十子存储区间。......可以将第I重排点云数据子集合2910写入上述的第I第十子存储区间。
通过本公开实施例,可以并行地进行数据写入,可以有效利用人工智能芯片的并行处理能力,有助于提高数据处理效率。
此外,通过本公开实施例,在重排数据的过程中,可以不改变处于同一数值区间内重排点云数据子集合中点云数据的顺序。由此,在特征提取过程中,数据处理顺序几乎没有受到重排处理的影响,可以显著提高点云数据处理的精度。
可以理解,上文对并行地写入点云数据的一些方式进行了说明。但本公开不限于此,也可以并行地获取K个点云数据,下面将进行进一步说明。
在本公开实施例中,M个处理器核可以配置为:经由直接存储器访问,并行地从存储单元获取K个点云数据。如图2A所示,第1处理器核core0可以获取第1初始点云数据集合。第2处理器核core1可以获取第2初始点云数据集合。......第M处理器核core9可以获取第M初始点云数据集合。由此,M个处理器核可以并行地从存储单元获取数据。通过本公开实施例,获取数据、重排数据以及写入数据的全过程均可以并行地实现,可以充分利用人工智能芯片的并行处理能力,提高数据处理效率。
可以理解,上文对获取M个初始点云数据集合之后的处理方式进行了说明,下面将对获取M个初始点云数据的一些方式进行说明。
在本公开实施例中,M个处理器核还可以配置为:根据K个点云数据的数值范围,将K个点云数据划分为M组。例如,可以利用M个处理器核中的任一处理器核进行划分。
可以理解,上文以I=M为示例,对本公开的数据处理装置进行了说明,但本公开不限于此,I可以为M的倍数,例如,I可以为2M。
可以理解,在本公开实施例中,点云数据的数目以及处理器核的数目可以为任意大于1的值,本公开对此不进行限制。
在本公开实施例中,若利用上述的数据处理装置处理一目标点云数据集合,可以在1毫秒(ms)内完成三维点云数据映射。与图形处理单元的性能类似,但精度可以明显优于图形处理单元。
若不对目标点云数据集合中的多个点云数据进行重排,可以在8毫秒内完成三维点云数据映射。
可以理解,上文对本公开的数据处理装置进行了说明,下面将对本公开的数据处理方法进行说明。
图3是根据本公开的一个实施例的数据处理方法的流程图。
如图3所示,该方法300可以包括操作S310至操作S330。
在操作S310,获取K个点云数据。
在本公开实施例中,K为大于1的整数。
在操作S320,将K个点云数据进行重排,得到M个重排点云数据集合。
在本公开实施例中,M为大于1的整数,重排点云数据集合包括I个重排点云数据子集合,I个重排点云数据子集合分别与I个数值区间对应。
在操作S330,将M个重排点云数据集合各自的I个重排点云数据子集合分别写入存储单元。
可以理解,可以利用上述的M个处理器核120执行方法300。
在一些实施例中,将K个点云数据进行重排,得到M个重排点云数据集合包括:获取M个初始点云数据集合中的第m初始点云数据集合。例如,M个数据集合是将K个点云数据划分为M组得到的,第m初始点云数据集合中包括N个点云数据,m为大于或等于1且小于或等于M的整数,N可以为大于1且小于M的整数。根据N个点云数据的数值大小和I个数值区间,对N个点云数据进行重排,得到I个重排点云数据子集。例如,I为大于1的整数。
在一些实施例中,方法300还可以包括:根据与M个处理器核对应的M×I个重排点云数据子集合各自的数据数目,得到K个点云数据分别处于I个数值区间中每个数值区间的分区数据数目。根据分区数据数目,确定存储单元中I个连续存储区间的起始地址,I个连续存储区间与I个数值区间一一对应。
在一些实施例中,方法300还可以包括:根据K个点云数据的数值范围,将K个点云数据划分为M组。
在一些实施例中,获取K个点云数据包括:经由直接存储器访问DMA,利用M个处理器核并行地从存储单元获取K个点云数据。
在一些实施例中,将M个重排点云数据集合各自的I个重排点云数据子集合分别写入存储单元包括:经由直接存储器访问DMA,利用M个处理器核并行地将重排点云数据写入存储单元中的对应存储区间。
可以理解,上文对本公开的数据处理方法进行了说明,下面将对包括上述数据处理装置的电子设备进行说明。
图4是根据本公开的一个实施例的电子设备的示意图。
如图4所示,电子设备40可以包括本公开提供的数据处理装置400。可以理解,关于数据处理装置400的详细描述可以参考上述的数据处理装置100。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
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5示出了可以用来实施本公开的实施例的示例电子设备500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5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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501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501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501执行上文所描述的各个方法和处理,例如数据处理方法。例如,在一些实施例中,数据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508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的数据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501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行数据处理方法。
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)、复杂可编程逻辑设备(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)显示器或者LCD(液晶显示器));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。
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 (16)
1.一种数据处理装置,包括:
存储单元;以及
M个处理器核,配置为:
获取K个点云数据,其中,K为大于1的整数;
将所述K个点云数据进行重排,得到M个重排点云数据集合,其中,M为大于1的整数,所述重排点云数据集合包括I个重排点云数据子集合,所述I个重排点云数据子集合分别与I个数值区间对应;以及
将所述M个重排点云数据集合各自的I个重排点云数据子集合分别写入所述存储单元。
2.根据权利要求1所述的装置,其中,所述M个处理器核中的第m处理器核配置为:
获取M个初始点云数据集合中的第m初始点云数据集合,其中,所述M个初始点云数据集合是将所述K个点云数据划分为M组得到的,所述第m初始点云数据集合中包括N个点云数据,m为大于或等于1且小于或等于M的整数,N可以为大于1且小于M的整数;
根据所述N个点云数据的数值大小和I个数值区间,对所述N个点云数据进行重排,得到所述I个重排点云数据子集合,其中,I为大于1的整数。
3.根据权利要求1所述的装置,其中,所述M个处理器核还配置为:
根据与所述M个处理器核对应的M×I个重排点云数据子集合各自的数据数目,得到所述K个点云数据分别处于I个数值区间中每个数值区间的分区数据数目;以及
根据所述分区数据数目,确定所述存储单元中I个连续存储区间的起始地址,所述I个连续存储区间与所述I个数值区间一一对应。
4.根据权利要求1所述的装置,其中,所述M个处理器核还配置为
根据所述K个点云数据的数值范围,将所述K个点云数据划分为M组。
5.根据权利要求1所述的装置,其中,所述M个处理器核还配置为:
经由直接存储器访问DMA,并行地将M个第i重排点云数据子集合写入所述存储单元中的对应存储区间,其中,i为大于或等于1且小于或等于I的整数。
6.根据权利要求4所述的装置,其中,所述M个处理器核还配置为:
经由所述直接存储器访问DMA,并行地从所述存储单元获取K个点云数据。
7.一种数据处理方法,包括:
获取K个点云数据,其中,K为大于1的整数;
将所述K个点云数据进行重排,得到M个重排点云数据集合,其中,M为大于1的整数,所述重排点云数据集合包括I个重排点云数据子集合,所述I个重排点云数据子集合分别与I个数值区间对应;以及
将所述M个重排点云数据集合各自的I个重排点云数据子集合分别写入存储单元。
8.根据权利要求7所述的方法,其中,所述将所述K个点云数据进行重排,得到M个重排点云数据集合包括:
获取M个初始点云数据集合中的第m初始点云数据集合,其中,所述M个数据集合是将所述K个点云数据划分为M组得到的,所述第m初始点云数据集合中包括N个点云数据,m为大于或等于1且小于或等于M的整数,N可以为大于1且小于M的整数;
根据所述N个点云数据的数值大小和I个数值区间,对所述N个点云数据进行重排,得到所述I个重排点云数据子集合,其中,I为大于1的整数。
9.根据权利要求7所述的方法,还包括:
根据与M个处理器核对应的M×I个重排点云数据子集合各自的数据数目,得到所述K个点云数据分别处于I个数值区间中每个数值区间的分区数据数目;以及
根据所述分区数据数目,确定所述存储单元中I个连续存储区间的起始地址,所述I个连续存储区间与所述I个数值区间一一对应。
10.根据权利要求7所述的方法,还包括:
根据所述K个点云数据的数值范围,将所述K个点云数据划分为M组。
11.根据权利要求7所述的方法,其中,所述获取K个点云数据包括:
经由直接存储器访问DMA,利用所述M个处理器核并行地从所述存储单元获取K个点云数据。
12.根据权利要求11所述的方法,其中,所述将所述M个重排点云数据集合各自的I个重排点云数据子集合分别写入存储单元包括:
经由所述直接存储器访问DMA,利用所述M个处理器核并行地将所述重排点云数据写入所述存储单元中的对应存储区间。
13.一种电子设备,包括:
根据权利要求1至6中任一项所述的数据处理装置。
14.一种电子设备,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7至12中任一项所述的方法。
15.一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7至12中任一项所述的方法。
16.一种计算机程序产品,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7至12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310298198.5A CN116308997A (zh) | 2023-03-24 | 2023-03-24 | 数据处理装置、方法、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310298198.5A CN116308997A (zh) | 2023-03-24 | 2023-03-24 | 数据处理装置、方法、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116308997A true CN116308997A (zh) | 2023-06-23 |
Family
ID=86790250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310298198.5A Pending CN116308997A (zh) | 2023-03-24 | 2023-03-24 | 数据处理装置、方法、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308997A (zh) |
-
2023
- 2023-03-24 CN CN202310298198.5A patent/CN116308997A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112785493B (zh) | 模型的训练方法、风格迁移方法、装置、设备及存储介质 | |
CN114693934A (zh) | 语义分割模型的训练方法、视频语义分割方法及装置 | |
CN114138231B (zh) | 执行矩阵乘法运算的方法、电路及soc | |
CN114841274A (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
CN113904943A (zh) | 账号检测方法、装置、电子设备和存储介质 | |
CN112862017A (zh) | 点云数据的标注方法、装置、设备和介质 | |
CN117236236A (zh) | 一种芯片设计数据管理方法、装置、电子设备及存储介质 | |
CN114817845B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN116308997A (zh) | 数据处理装置、方法、电子设备和存储介质 | |
CN113408304B (zh) | 文本翻译方法、装置、电子设备及存储介质 | |
CN113344074B (zh) | 模型训练方法、装置、设备及存储介质 | |
CN115904240A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN115880502A (zh) | 检测模型的训练方法、目标检测方法、装置、设备和介质 | |
CN112558918B (zh) | 用于神经网络的乘加运算方法和装置 | |
CN115081607A (zh) | 基于嵌入算子的反向计算方法、装置、设备以及存储介质 | |
CN114691691A (zh) | 基于Geohash的空间数据处理方法、装置及电子设备 | |
CN113868555A (zh) | 一种轨迹检索方法、装置、设备以及存储介质 | |
CN113361621A (zh) | 用于训练模型的方法和装置 | |
CN114048863A (zh) | 数据处理方法、装置、电子设备以及存储介质 | |
CN113836481B (zh) | 矩阵计算电路、方法、电子设备及计算机可读存储介质 | |
CN116611477B (zh) | 数据剪枝方法和序列模型的训练方法、装置、设备和介质 | |
CN117271840B (zh) | 图数据库的数据查询方法、装置及电子设备 | |
US20230081957A1 (en) | Motion search method and apparatus, electronic device and storage medium | |
CN117892050A (zh) | 一种基于多核硬件的矩阵运算方法、装置、设备及介质 | |
CN114648112A (zh) | 数据处理方法、装置、设备和存储介质 |
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 |