车身点云数据的生成方法、装置、车辆及存储介质与流程
本技术实施例涉及点云数据生成领域，具体而言，涉及一种车身点云数据的生成方法、装置、车辆及存储介质。
背景技术：
1、车身作为汽车安全、轻量化及nvh（noise，vibration and harshness，噪声、振动与声振粗糙度）性能的核心载体，其结构性能评估与优化主要依赖于有限元分析技术。随着数字孪生、深度学习及三维点云处理技术的发展，将车身有限元模型转换为点云数据已成为数据预处理与ai（artificial intelligence，人工智能）建模的关键前置步骤。然而，目前的车身点云数据的生成策略生成点云数据的准确性较差，进而导致下游仿真代理模型训练及性能预测的精度与效率较低。
2、针对上述问题，目前还没有很好的解决方案。
技术实现思路
1、本技术实施例提供一种车身点云数据的生成方法、装置、车辆及存储介质，以至少解决相关技术中生成点云数据的准确性较差的技术问题。
2、根据本技术实施例的一个方面，提供了一种车身点云数据的生成方法，包括：获取车身的模型文件，以及车身中多个部件对应的性能敏感度，其中，模型文件包括多个节点和多个部件对应的多维属性信息，多个节点用于表征车身的几何拓扑结构，每个部件由至少一个节点表征；基于模型文件，构建车身的语义点云集合；基于性能敏感度，对语义点云集合进行敏感度划分，得到至少两个点云子集，其中，不同的点云子集对应不同的性能敏感度区间；基于至少两个点云子集中的节点数量，对至少两个点云子集进行采样，得到车身的点云数据。
3、进一步地，基于模型文件，构建车身的语义点云集合，包括：将多个部件对应的多维属性信息，分别映射至多个节点，得到多个语义节点集合，其中，不同的部件对应不同的语义节点集合；对多个语义节点集合进行空间对齐处理，得到语义点云集合。
4、进一步地，将多个部件对应的多维属性信息，分别映射至多个节点，得到多个语义节点集合，包括：基于装配映射关系和多个部件对应的部件标识，确定任意一个部件对应的初始节点集合，其中，装配映射关系用于表征部件标识与节点之间的映射关系；将该部件对应的多维属性信息，映射至初始节点集合，得到该部件对应的语义节点集合。
5、进一步地，基于性能敏感度，对语义点云集合进行敏感度划分，得到至少两个点云子集，包括：基于装配映射关系，将性能敏感度映射至语义点云集合中的每个节点，得到敏感度点云集合；基于敏感度阈值，对敏感度点云集合进行划分，得到第一点云子集和第二点云子集，其中，第一点云子集中的节点对应的敏感度大于敏感度阈值，第二点云子集中的节点对应的敏感度小于或等于敏感度阈值。
6、进一步地，至少两个点云子集至少包括第一点云子集和第二点云子集；基于至少两个点云子集中的节点数量，对至少两个点云子集进行采样，得到车身的点云数据，包括：确定第一点云子集的第一节点数量，以及第二点云子集的第二节点数量；基于预设采样总数、第一节点数量和第二节点数量，确定第一采样点数；基于预设采样总数和第一采样点数，确定第二采样点数；基于第一采样点数，对第一点云子集进行采样，得到第一点云数据，并基于第二采样点数，对第二点云子集进行采样，得到第二点云数据。
7、进一步地，基于预设采样总数、第一节点数量和第二节点数量，确定第一采样点数，包括：获取第一点云子集的第一采样系数，以及第二点云子集的第二采样系数；基于第一节点数量、第二节点数量、第一采样系数和第二采样系数，确定第一点云子集的采样比例；基于预设采样总数和采样比例的积，确定第一采样点数。
8、进一步地，基于第一节点数量、第二节点数量、第一采样系数和第二采样系数，确定第一点云子集的采样比例，包括：确定第一节点数量和第一采样系数的第一积值，并确定第二节点数量和第二采样系数的第二积值；确定第一积值和第二积值的和值；基于第一积值与和值的商，确定采样比例。
9、进一步地，基于第一采样点数，对第一点云子集进行采样，得到第一点云数据，包括：基于第一点云子集中每个节点的空间坐标数据，确定第一点云子集的空间包围盒的总体积；基于第一采样点数和总体积，确定采样网格尺寸；基于采样网格尺寸，对第一点云子集进行空间哈希网格划分，得到多个网格单元；基于多个网格单元，对第一点云子集进行采样，得到第一点云数据。
10、进一步地，基于第一点云子集中每个节点的空间坐标数据，确定第一点云子集的空间包围盒的总体积，包括：获取第一点云子集中全部节点的空间坐标数据；基于空间坐标数据，提取全部节点在第一空间坐标轴方向上的第一极值、全部节点在第二空间坐标轴方向上的第二极值，以及全部节点在第三空间坐标轴方向上的第三极值；基于第一极值，确定空间包围盒在第一空间坐标轴方向上的第一线性尺寸，并基于第二极值，确定空间包围盒在第二空间坐标轴方向上的第二线性尺寸，基于第三极值，确定空间包围盒在第三空间坐标轴方向上的第三线性尺寸；基于第一线性尺寸、第二线性尺寸和第三线性尺寸的积，确定空间包围盒的总体积。
11、进一步地，基于第一采样点数和总体积，确定采样网格尺寸，包括：获取第一点云子集的网格划分系数；确定网格划分系数和第一采样点数的第三积值；基于总体积与第三积值的商，确定单位体积比；对单位体积比进行开立方，得到采样网格尺寸。
12、进一步地，基于多个网格单元，对第一点云子集进行采样，得到第一点云数据，包括：获取任意一个网格单元对应的节点索引，并基于网格单元的单元体积，确定网格单元的局部采样数量；基于节点索引，对网格单元进行最远点采样，得到网格单元对应的初始代表点集合；基于初始代表点集合的第三节点数量，对初始代表点集合进行调整，得到目标代表点集合，其中，目标代表点集合中的节点数量与局部采样数量相同；对多个网格单元对应的目标代表点集合进行合并，得到第一点云数据。
13、进一步地，基于网格单元的单元体积，确定网格单元的局部采样数量，包括：基于单元体积和总体积，确定网格单元的空间占比；基于第一采样点数和空间占比，确定局部采样数量。
14、进一步地，基于初始代表点集合的第三节点数量，对初始代表点集合进行调整，得到目标代表点集合，包括：在第三节点数量大于局部采样数量的情况下，对初始代表点集合进行节点剔除，得到目标代表点集合；在第三节点数量小于局部采样数量的情况下，对初始代表点集合进行节点补充，得到目标代表点集合；在第三节点数量等于局部采样数量的情况下，确定初始代表点集合为目标代表点集合。
15、进一步地，对初始代表点集合进行节点剔除，得到目标代表点集合，包括：基于第三节点数量和局部采样数量，确定初始代表点集合的冗余节点数量；基于冗余节点数量，从初始代表点集合中，确定至少一个冗余节点；将至少一个冗余节点，从初始代表点集合转入冗余补偿池，得到目标代表点集合，其中，冗余补偿池用于进行跨网格单元的节点流转。
16、进一步地，对初始代表点集合进行节点补充，得到目标代表点集合，包括：基于第三节点数量和局部采样数量，确定初始代表点集合的缺额节点数量；基于缺额节点数量，从冗余补偿池中，确定至少一个补偿节点；将至少一个补偿节点，从冗余补偿池转入初始代表点集合，得到目标代表点集合。
17、根据本技术实施例的另一方面，还提供了一种车身点云数据的生成装置，包括：获取模块，用于获取车身的模型文件，以及车身中多个部件对应的性能敏感度，其中，模型文件包括多个节点和多个部件对应的多维属性信息，多个节点用于表征车身的几何拓扑结构，每个部件由至少一个节点表征；构建模块，用于基于模型文件，构建车身的语义点云集合；划分模块，用于基于性能敏感度，对语义点云集合进行敏感度划分，得到至少两个点云子集，其中，不同的点云子集对应不同的性能敏感度区间；采样模块，用于基于至少两个点云子集中的节点数量，对至少两个点云子集进行采样，得到车身的点云数据。
18、根据本技术实施例的另一方面，还提供了一种车辆，包括：存储器，存储有可执行程序；处理器，用于运行程序，其中，程序运行时执行本技术各个实施例中的方法。
19、根据本技术实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的可执行程序，其中，在可执行程序运行时控制计算机可读存储介质所在设备执行本技术各个实施例中的方法。
20、根据本技术实施例的另一方面，还提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本技术各个实施例中的方法。
21、根据本技术实施例的另一方面，还提供了一种计算机程序产品，包括非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储计算机程序，所述计算机程序被处理器执行时实现本技术各个实施例中的方法。
22、根据本技术实施例的另一方面，还提供了一种计算机程序，计算机程序被处理器执行时实现本技术各个实施例中的方法。
23、在本技术实施例中，采用获取车身的模型文件，以及车身中多个部件对应的性能敏感度；基于模型文件，构建车身的语义点云集合；基于性能敏感度，对语义点云集合进行敏感度划分，得到至少两个点云子集；基于至少两个点云子集中的节点数量，对至少两个点云子集进行采样，得到车身的点云数据的方式，通过直接解析车身模型文件构建包含多维属性信息的语义点云集合，避免了物理扫描导致的车身内部结构缺失与几何失真，从源头保障了数据的完整性与准确性。随后，结合车身部件对应的性能敏感度对语义点云集合进行敏感度划分，得到至少两个点云子集，避免了点云数据的工程敏感度脱节问题。最后，基于各点云子集中的节点数量进行差异化采样，确保高敏感度区域保留更多细节信息，从而在降低数据冗余的同时精准保留关键结构特征，提升了生成点云数据的准确性，进而解决了相关技术中生成点云数据的准确性较差的技术问题。