本公开涉及数据处理，尤其涉及一种点云数据处理方法、装置、设备、存储介质及车辆。
背景技术：
1、在现有获取体素的特征数据的过程中，首先需要将点云体素化，进而结合点云数据确定体素的特征数据。其中，现有的点云体素化方式为固定体素化，即结合预设的内存数量，将空间均匀的划分成固定数量为k的体素，每个体素中也存储着固定数量为t的点及其对应的数据，这样可以将内存的使用率最大化；但是在后续对点云的分组过程中，体素的设定数量不能大于k，体素内存储的点的数量也不能大于t，对应数量小于k和t的情况，可以进行体素的填充和点的填充，但是由于每个体素所在的空间位置固定，体素的所在的空间位置中的点的数量很可能大于t，这时就需要随即丢掉多余的点，进而保证不超出体素中点的存储数量，而随即丢掉的点会导致体素内点云信息缺失，获得的特征数据不准确。因此如何得到更加准确的体素的特征数据就成为亟待解决的问题。
技术实现思路
1、为了解决上述技术问题，本公开提供了一种点云数据处理方法、装置、设备、存储介质及车辆。
2、第一方面，本公开实施例提供一种点云数据处理方法，包括：
3、获取三维点云数据；
4、对所述三维点云数据进行动态体素化分组，并确定所述三维点云数据中的每个点与体素之间的索引关系；
5、根据所述三维点云数据中的每个点与体素之间的索引关系，计算各个体素中包含的全部点中每个点的体素数据；
6、基于所述各个体素中包含的全部点中每个点的体素数据，获得所述各个体素的特征数据。
7、在一些实施例中，所述获取三维点云数据，包括：
8、获取雷达采集的周围场景的点云数据；
9、以所述雷达的位置为坐标原点，建立笛卡尔坐标系；
10、将所述点云数据转换到所述笛卡尔坐标系下，得到所述三维点云数据。
11、在一些实施例中，所述对所述三维点云数据进行动态体素化分组，包括：
12、确定体素的数量；
13、将所述三维点云数据划分到所述数量个体素中。
14、在一些实施例中，所述确定体素的数量，包括：
15、确定所述三维点云数据的范围数据；
16、基于所述三维点云数据的范围数据除以预设的体素分辨率得到所述体素的数量。
17、在一些实施例中，所述确定所述三维点云数据中的每个点与体素之间的索引关系，包括：
18、确定每个体素对应的坐标集合以及每个体素的索引；
19、对于所述三维点云数据中的每个点，确定每个点的坐标所属的目标坐标集合，将所述目标坐标集合对应的体素的索引确定为每个点所在体素的索引，得到所述三维点云数据中的每个点与体素之间的索引关系。
20、在一些实施例中，所述根据所述三维点云数据中的每个点与体素之间的索引关系，计算各个体素中包含的全部点中每个点的体素数据，包括：
21、根据所述三维点云数据中的每个点与体素之间的索引关系，确定出每个体素内包含的全部点；
22、计算该体素内的全部点的平均坐标；
23、对于该体素内的全部点中的每个点，将所述每个点的坐标与平均坐标相减，得到所述每个点的第一偏移位置坐标；
24、将所述每个点的坐标与该体素体心坐标相减，得到所述每个点的第二偏移位置坐标；
25、根据该体素内的全部点中的每个点的坐标、所述第一偏移位置坐标以及所述第二偏移位置坐标，得到各个体素中包含的全部点中每个点的体素数据。
26、在一些实施例中，所述基于所述各个体素中包含的全部点中每个点的体素数据，获得所述各个体素的特征数据，包括：
27、对各个体素中包含的全部点中每个点的体素数据进行初步特征提取处理，得到所述各个体素的局部特征数据；
28、将所述各个体素的局部特征数据进行最大池化处理，得到所述各个体素的全局特征数据；
29、对所述各个体素的局部特征数据以及所述各个体素的全局特征数据进行聚合，得到所述各个体素的特征数据。
30、第二方面，本公开实施例提供一种点云数据处理装置，包括：
31、获取模块，用于获取三维点云数据；
32、划分模块，用于对所述三维点云数据进行动态体素化分组，并确定所述三维点云数据中的每个点与体素之间的索引关系；
33、计算模块，用于根据所述三维点云数据中的每个点与体素之间的索引关系，计算各个体素中包含的全部点中每个点的体素数据；
34、获得模块，用于基于所述各个体素中包含的全部点中每个点的体素数据，获得所述各个体素的特征数据。
35、第三方面，本公开实施例提供一种电子设备，包括：
36、存储器；
37、处理器；以及
38、计算机程序；
39、其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面所述的方法。
40、第四方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面所述的方法。
41、第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上所述的点云数据处理方法。
42、第六方面，本公开实施例还提供了一种车辆，包括：
43、存储器；
44、处理器；以及
45、计算机程序；
46、其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上所述的点云数据处理方法。
47、本公开实施例提供的点云数据处理方法、装置、设备、存储介质及车辆，通过获取三维点云数据，对所述三维点云数据进行动态体素化分组，并确定所述三维点云数据中的每个点与体素之间的索引关系，根据所述三维点云数据中的每个点与体素之间的索引关系，计算各个体素中包含的全部点中每个点的体素数据，基于所述各个体素中包含的全部点中每个点的体素数据，获得所述各个体素的特征数据。相比于现有技术中的固定体素化，本公开对三维点云数据进行动态体素化分组，动态体素化可以保持体素的分组不变，即保持体素尺寸以及体素数量不变，在进行选取点时，保留点和体素之间的索引关系，可以减少体素内点云信息的缺失，同时使体素内点云包含更多的信息，进而使获得的特征数据更准确。而且，动态体素化不需要进行体素填充，降低计算成本，提高运算效率。
1.一种点云数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取三维点云数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述三维点云数据进行动态体素化分组，包括：
4.根据权利要求3所述的方法，其特征在于，所述确定体素的数量，包括：
5.根据权利要求4所述的方法，其特征在于，所述确定所述三维点云数据中的每个点与体素之间的索引关系，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述三维点云数据中的每个点与体素之间的索引关系，计算各个体素中包含的全部点中每个点的体素数据，包括：
7.根据权利要求1所述的方法，其特征在于，所述基于所述各个体素中包含的全部点中每个点的体素数据，获得所述各个体素的特征数据，包括：
8.一种点云数据处理装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
11.一种车辆，其特征在于，包括如权利要求8所述的点云数据处理装置。
