[发明专利]一种点云数据的模型量化方法、装置、系统及存储介质

权利要求书

1.一种点云数据的模型量化方法，其特征在于，包括：

将点云数据输入至卷积神经网络中，提取得到通道特征分布图；

对所述通道特征分布图中的每个通道特征进行归一化处理，得到通道特征参数，并将所述通道特征参数由浮点数表示转换为整点数表示；

基于所述通道特征参数，利用反向传播方式对模型进行量化训练，得到量化数据。

2.如权利要求1所述点云数据的模型量化方法，其特征在于，所述将点云数据输入至卷积神经网络中，提取得到通道特征分布图，包括：

将所述点云数据根据空间位置关系划分为大小均等的数据块集合；

将所述数据块集合逐个输入至卷积神经网络中，提取得到所述通道特征分布图。

3.如权利要求1所述点云数据的模型量化方法，其特征在于，所述对所述通道特征分布图中的每个通道特征进行归一化处理，得到通道特征参数，包括：

对每个通道特征进行基于量化位宽的自适应归一化处理，得到所述通道特征参数；

所述自适应归一化处理的方法为：

其中，s(n)为量化操作的间隔，n为量化位宽。

4.如权利要求3所述点云数据的模型量化方法，其特征在于，所述对每个通道特征进行基于量化位宽的自适应归一化处理，还包括：

在激活函数层后，确定所述通道特征的信息类型；

若所述通道特征的信息类型为XYZ位置信息，则对应的量化位宽为4bits；

若所述通道特征的信息类型为RGB颜色信息或I强度信息，则对应的量化位宽为8bits。

5.如权利要求3所述点云数据的模型量化方法，其特征在于，所述将所述通道特征参数由浮点数表示转换为整点数表示，包括：

将归一化处理后的所述通道特征参数，进行离散化，再将对应的浮点数映射到n位整数范围中，将所述通道特征参数由浮点数表示转换为所述整点数表示。

6.如权利要求1所述点云数据的模型量化方法，其特征在于，所述基于所述通道特征参数，利用反向传播方式对模型进行量化训练，得到量化数据，包括：

对前向传播所获得的均值和方差进行统计，沿所述通道特征参数的特征通道维度，对卷积的输出进行求和；在求和过程中，利用已经保存的所述均值和所述方差再次进行精度转换，得到所述量化数据。

7.如权利要求6所述点云数据的模型量化方法，其特征在于，所述在求和过程中，利用已经保存的所述均值和所述方差再次进行精度转换，得到所述量化数据，包括：

将所述均值和所述方差再次进行精度转换，从而通过所述量化训练得到权重；

将所述权重保存为8bits位宽的数据，作为所述量化数据。

8.一种点云数据的模型量化装置，其特征在于，包括：

提取模块，用于将点云数据输入至卷积神经网络中，提取得到通道特征分布图；

归一模块，用于对所述通道特征分布图中的每个通道特征进行归一化处理，得到通道特征参数，并将所述通道特征参数由浮点数表示转换为整点数表示；

训练模块，用于基于所述通道特征参数，利用反向传播方式对模型进行量化训练，得到量化数据。

9.一种点云数据的模型量化系统，其特征在于，包括存储器以及处理器，所述存储器中存储有点云数据的模型量化程序，所述处理器运行所述点云数据的模型量化程序以使所述点云数据的模型量化系统执行如权利要求1-7任一项所述的点云数据的模型量化方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有点云数据的模型量化程序，所述点云数据的模型量化程序被处理器执行时实现如权利要求1-7任一项所述的点云数据的模型量化方法。