[發(fā)明專利]一種數(shù)據(jù)處理方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110897672.7
• 申請日: 2021-08-05
• 公開（公告）號(hào): CN113793295A
• 公開（公告）日: 2021-12-14
• 發(fā)明（設(shè)計(jì)）人: 聶泳忠;楊素偉
• 申請（專利權(quán)）人: 西人馬帝言（北京）科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京東方億思知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11258
• 代理人: 趙秀芹

本申請公開了一種數(shù)據(jù)處理方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)。數(shù)據(jù)處理方法，方法包括：獲取第一鳥瞰圖；根據(jù)預(yù)設(shè)隨機(jī)游走長度，對每個(gè)初始聚類簇進(jìn)行隨機(jī)游走處理，得到每個(gè)初始聚類簇的點(diǎn)序列集合；根據(jù)預(yù)設(shè)鄰近度值算法，獲取每個(gè)點(diǎn)序列集合的目標(biāo)點(diǎn)序列，其中，目標(biāo)點(diǎn)序列對應(yīng)的鄰近度值最小；確定每個(gè)初始聚類簇的目標(biāo)點(diǎn)序列中每個(gè)節(jié)點(diǎn)和每個(gè)邊的向量表示形式，得到節(jié)點(diǎn)的第一向量信息和邊的第二向量信息，以用于目標(biāo)神經(jīng)網(wǎng)絡(luò)獲取第一鳥瞰圖中的特征數(shù)據(jù)。根據(jù)本申請實(shí)施例，能夠降低點(diǎn)云數(shù)據(jù)中不同維度之間信息的無序性，以提高卷積神經(jīng)網(wǎng)絡(luò)對點(diǎn)云數(shù)據(jù)進(jìn)行深度學(xué)習(xí)的效率。

技術(shù)領(lǐng)域

本申請屬于數(shù)據(jù)處理領(lǐng)域，尤其涉及一種數(shù)據(jù)處理方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

目前，隨著卷積神將網(wǎng)絡(luò)的快速發(fā)展，在計(jì)算機(jī)視覺、自然語言處理等領(lǐng)域，基于卷積神經(jīng)網(wǎng)絡(luò)能夠進(jìn)行有效的深度學(xué)習(xí)，具體例如圖像、音頻等數(shù)據(jù)。

點(diǎn)云數(shù)據(jù)點(diǎn)可以包括豐富的信息，例如三維坐標(biāo)(X，Y，Z)、顏色、分類值、強(qiáng)度值、時(shí)間等等，由于這些信息存在隨機(jī)性和無序性，因此，通常無法使用固定或非固定大小的卷積核對點(diǎn)云數(shù)據(jù)進(jìn)行卷積操作，因此，在卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)時(shí)，學(xué)習(xí)耗時(shí)長，而且學(xué)習(xí)效果差，由此，需要一種點(diǎn)云數(shù)據(jù)進(jìn)行有效的處理，來提高卷積神經(jīng)網(wǎng)絡(luò)對點(diǎn)云數(shù)據(jù)進(jìn)行深度學(xué)習(xí)的效率。

發(fā)明內(nèi)容

本申請實(shí)施例提供一種數(shù)據(jù)處理方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)，能夠降低點(diǎn)云數(shù)據(jù)中不同維度之間信息的無序性，以提高卷積神經(jīng)網(wǎng)絡(luò)對點(diǎn)云數(shù)據(jù)進(jìn)行深度學(xué)習(xí)的效率。

第一方面，本申請實(shí)施例提供一種數(shù)據(jù)處理方法，方法包括：

獲取第一鳥瞰圖，第一鳥瞰圖由目標(biāo)點(diǎn)云數(shù)據(jù)在預(yù)設(shè)方向投影的投影點(diǎn)生成，第一鳥瞰圖包括第一預(yù)設(shè)數(shù)量的初始聚類簇，每個(gè)初始聚類簇包括多個(gè)投影點(diǎn)；

根據(jù)預(yù)設(shè)隨機(jī)游走長度，對每個(gè)初始聚類簇進(jìn)行隨機(jī)游走處理，得到每個(gè)初始聚類簇的點(diǎn)序列集合，其中，每個(gè)點(diǎn)序列集合包括多個(gè)點(diǎn)序列；

根據(jù)預(yù)設(shè)鄰近度值算法，獲取每個(gè)點(diǎn)序列集合的目標(biāo)點(diǎn)序列，其中，目標(biāo)點(diǎn)序列對應(yīng)的鄰近度值最小；

確定每個(gè)初始聚類簇的目標(biāo)點(diǎn)序列中每個(gè)節(jié)點(diǎn)和每個(gè)邊的向量表示形式，得到節(jié)點(diǎn)的第一向量信息和邊的第二向量信息，以用于目標(biāo)神經(jīng)網(wǎng)絡(luò)獲取第一鳥瞰圖中的特征數(shù)據(jù)。

在第一方面的一些可實(shí)現(xiàn)方式中，根據(jù)預(yù)設(shè)鄰近度值算法，獲取每個(gè)點(diǎn)序列集合的目標(biāo)點(diǎn)序列，包括：

對每個(gè)點(diǎn)序列集合，計(jì)算任意兩個(gè)點(diǎn)序列之間的圖空間向量距離與任意兩個(gè)點(diǎn)序列之間的圖向量距離的第一差值，以及計(jì)算任意兩個(gè)點(diǎn)序列之間的圖空間向量距離與任意兩個(gè)點(diǎn)序列之間的圖向量距離的第二差值；

計(jì)算任意兩個(gè)點(diǎn)序列之間的第一差值的期望值，得到多個(gè)第一值，以及，計(jì)算任意兩個(gè)點(diǎn)序列之間的第二差值的方差，得到多個(gè)第二值；

根據(jù)第一值和第二值，確定任意兩個(gè)序列之間的鄰近度值；

確定最小的鄰近度值對應(yīng)的點(diǎn)序列，為初始聚類簇的目標(biāo)點(diǎn)序列。

在第一方面的一些可實(shí)現(xiàn)方式中，根據(jù)第一值和第二值，確定任意兩個(gè)序列之間的鄰近度值，包括：

根據(jù)第一預(yù)設(shè)權(quán)重和第一值，以及第二預(yù)設(shè)權(quán)重和第二值，計(jì)算得到序列之間的鄰近度值。

在第一方面的一些可實(shí)現(xiàn)方式中，獲取第一鳥瞰圖，包括：

獲取目標(biāo)點(diǎn)云數(shù)據(jù)；

確定目標(biāo)點(diǎn)云數(shù)據(jù)在預(yù)設(shè)方向的投影點(diǎn)，得到第二鳥瞰圖；

根據(jù)預(yù)設(shè)的聚類算法，從多個(gè)投影點(diǎn)中確定第一預(yù)設(shè)數(shù)據(jù)量的目標(biāo)投影點(diǎn)；

確定與每個(gè)目標(biāo)投影點(diǎn)距離最小的W個(gè)投影點(diǎn)，得到包括初始聚類簇的第一鳥瞰圖。