【技术实现步骤摘要】
本专利技术涉及自动驾驶，具体而言，涉及一种网络自适应的点云数据压缩方法。
技术介绍
1、在分布式自动驾驶仿真测试环境中，自动驾驶算法平台与仿真引擎通常部署在不同的节点上，仿真引擎通过网络向自动驾驶算法端实时传输图像、三维点云等传感器数据，其中激光雷达采集的三维点云数据量较大，并且对传输实时性要求较高。在网络带宽不足时会导致点云数据传输时延大幅上升，自动驾驶仿真测试的效率。
技术实现思路
1、本专利技术提供一种网络自适应的点云数据压缩方法，用以克服现有技术中存在的至少一个技术问题。
2、本专利技术实施例提供一种网络自适应的点云数据压缩方法，包括：
3、获取激光雷达的范围感知，具体包括：从所述激光雷达的范围感知中获取所述激光雷达在不同方向上的最大探测范围和最小探测精度，其中，所述激光雷达用于获取待压缩的点云数据；
4、进行指数位计算，具体包括：计算所述不同方向中任意一个方向上的坐标的指数位最小位数 ，所述指数位最小位数的数值大小为所述最大探测范围的浮点表示需要的最大指数值与最小探测范围的浮点表示所需要的最小指数值相减后再对2取对数并向上求整，计算公式如下：
5、；
6、其中，符号r表示参数中激光雷达的最大探测距离，符号p表示参数中激光雷达探测精度的最大误差值；
7、进行尾数位计算，具体包括：计算所述任意一个方向上的坐标字段的尾数位最小位数，所述尾数位最小位数的数值为所述最大探测范围与所述最小探测范围分别对2取对数后
8、；
9、进行字节对齐，具体包括：首先将指数位的位数和尾数位的位数设置为原浮点格式的位数，随后每次将总位数减少8位，压缩方法如下：如果当前指数位大于最小指数位，则优先减少指数位的位数；若指数位已经达到最小，则再减少尾数位；每次压缩中，保证尾数和指数减少的总位数为8，得到若干种浮点格式；对于所述若干种浮点格式中的每种格式，用如下公式计算指数的偏移量：
10、；
11、从所述若干种浮点格式中选定压缩后的浮点格式，分别对指数位和尾数位进行压缩，在压缩过程中符号位原样保留，位于压缩后的浮点数的最高位；
12、对于指数表示，首先按照无符号数解码原浮点数中的指数的值，将其减去原浮点格式中的指数偏移量，再加上压缩后浮点格式中的指数偏移量，最后再编码为压缩后位数的无符号数，即为压缩后的指数部分；
13、原浮点数中的尾数部分在高位补上1之后形成定点数；从高位向低位直接将压缩后尾数位位数之后的部分截断舍去，若舍去的总位数为偶数，并且舍去的最高位上的数字为1，则在压缩后的最低位上加1；如此形成压缩后的尾数部分，将符号位、指数部分、尾数部分依次拼接起来，形成压缩后的浮点数。
14、优选的，若所述原浮点格式为fp32，则指数位位数设置为8，尾数位位数设置为23。
15、优选的，在压缩过程中，由于压缩后的浮点数表示范围相对原始浮点数表示格式发生了变化，当原始点云数据中的部分点坐标超出压缩后浮点数的表示范围时，对于大于最大有效距离的值直接将其位置设置为浮点数表示范围的上界，以防止出现数值异常的点；将坐标值小于激光雷达最大测量误差的点设置为所述激光雷达的最大测量误差。
16、本说明书一个实施例至少能够达到以下有益效果：本申请技术方案提出一种网络自适应的点云数据压缩方法，能够在控制点云坐标表示精度在一定范围内的同时成倍地压缩点云的数据大小。注意到点云数据的精度要求和表示范围与激光雷达参数有直接的关系，并且传输中网络带宽会阶段性波动。为此，本申请技术方案设计了一种激光雷达参数和网络带宽的感知算法，将其作为自变量动态调整点云的表示格式，以实现点云的自适应传输。
本文档来自技高网...【技术保护点】
1.一种网络自适应的点云数据压缩方法，其特征在于，所述方法包括：
2.根据权利要求1所述的网络自适应的点云数据压缩方法，其特征在于，若所述原浮点格式为FP32，则指数位位数设置为8，尾数位位数设置为23。
3.根据权利要求1所述的网络自适应的点云数据压缩方法，其特征在于，在压缩过程中，由于压缩后的浮点数表示范围相对原始浮点数表示格式发生了变化，当原始点云数据中的部分点坐标超出压缩后浮点数的表示范围时，对于大于最大有效距离的值直接将其位置设置为浮点数表示范围的上界，以防止出现数值异常的点；将坐标值小于激光雷达最大测量误差的点设置为所述激光雷达的最大测量误差。
【技术特征摘要】
1.一种网络自适应的点云数据压缩方法，其特征在于，所述方法包括：
2.根据权利要求1所述的网络自适应的点云数据压缩方法，其特征在于，若所述原浮点格式为fp32，则指数位位数设置为8，尾数位位数设置为23。
3.根据权利要求1所述的网络自适应的点云数据压缩方法，其特征在于...
【专利技术属性】
技术研发人员：刘法旺，计卫星，
申请(专利权)人：工业和信息化部装备工业发展中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。