本公开涉及点云处理，特别是涉及一种点云数据处理方法、装置、计算机设备和计算机可读存储介质。
背景技术：
1、在基于体素处理的点云深度学习网络模型的训练和应用中，一般需要对点云数据进行预处理（或称为前处理），然后才输入至深度学习网络并根据需求进行后续处理。一般来说，对点云数据的预处理包括滤除roi（region of interest，感兴趣区域）以外的点、点的乱序重排、以及点的体素化三个步骤。然而，由于点云数据的数据量非常庞大，对点云数据的预处理又需要多次遍历点云数据，因此造成了对处理器的巨大负担。如今，用户对点云数据的处理效率提出了越来越高的要求，而如何提高点云数据处理的效率，仍然是业界的研究热点和难点之一。
技术实现思路
1、本公开提供了一种点云数据处理方法、装置、计算机设备和计算机可读存储介质。
2、根据本公开的一方面，提供了一种点云数据处理方法，包括：获取与目标区域对应的点云数据；将目标区域划分为多个子区域，其中，每个子区域与子点云数据对应，子点云数据为点云数据的子集，且每个子区域对应的子点云数据在点的数量上具有差异；确定多个子区域与多个处理核之间的对应关系，其中，每个处理核与多个子区域的子集对应，以使每个处理核对应的点的数量之间的差异小于预定阈值；基于对应关系，通过每个处理核对该处理核对应的点进行体素化处理以得到中间处理数据；以及将通过每个处理核得到的中间处理数据进行合并，以获得点云数据处理的结果。
3、根据本公开的另一方面，提供了一种点云数据处理装置，包括：点云数据获取模块，被配置为获取与目标区域对应的点云数据；目标区域划分模块，被配置为将目标区域划分为多个子区域，其中，每个子区域与子点云数据对应，子点云数据为点云数据的子集，且每个子区域对应的子点云数据在点的数量上具有差异；子区域分配模块，被配置为确定多个子区域与多个处理核之间的对应关系，其中，每个处理核与多个子区域的子集对应，以使每个处理核对应的点的数量之间的差异小于预定阈值；体素化处理模块，被配置为基于对应关系，通过每个处理核对该处理核对应的点进行体素化处理以得到中间处理数据；以及数据合并模块，被配置为将通过每个处理核得到的中间处理数据进行合并，以获得点云数据处理的结果。
4、根据本公开的另一方面，提供了一种计算机设备，包括：至少一个处理器；以及存储器，其上存储有计算机程序，计算机程序在被处理器执行时，使处理器执行本公开如上所提供的方法。
5、根据本公开的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，使处理器执行本公开如上所提供的方法。
6、根据本公开的一个或多个实施例，可以提高点云数据处理的效率。
7、根据在下文中所描述的实施例，本公开的这些和其它方面将是清楚明白的，并且将参考在下文中所描述的实施例而被阐明。
1.一种点云数据处理方法，包括：
2.根据权利要求1所述的方法，其中，所述将所述目标区域划分为多个子区域，包括：
3.根据权利要求2所述的方法，其中，所述多个子区域的数量与所述多个处理核的数量之比为二的整数倍，所述确定所述多个子区域与多个处理核之间的对应关系，包括：
4.根据权利要求1至3中任一项所述的方法，还包括：
5.根据权利要求4所述的方法，其中，所述将该处理核对应的点以乱序的方式进行重排，包括：
6.根据权利要求1至3中任一项所述的方法，其中，所述通过每个处理核对该处理核对应的点进行体素化处理以得到中间处理数据，包括：
7.根据权利要求6所述的方法，其中，所述将通过每个处理核得到的中间处理数据进行合并，包括：
8.一种点云数据处理装置，包括：
9.一种计算机设备，包括：
10.一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时，使所述处理器执行权利要求1-7中任一项所述方法。