# Point_project

**Repository Path**: hanxiaoyang1/point_project

## Basic Information

- **Project Name**: Point_project
- **Description**: SRTP2021USTB
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2022-09-16
- **Last Updated**: 2022-11-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

**1.KNN**

在Pointnet中对于邻居粒子点的提取，因为点的数量不多因此对于资源的使用可以接受。但在流体中粒子数量很大，动辄1,000,000个粒子，因此改造库函数是必要的。

- 源代码未对KNN使用cuda编程，需先进行KNN的cuda编程。
- 测试该CUDA-KNN能支持多少个粒子计算
- 改写CUDA-KNN，可使用分权制衡的思路，使算法对粒子数没有上限要求。

**2.球面查找**

在pointnet中对于粒子的取舍有时不符合流体方面的要求。以其中一个点为例，找其球面距离内的粒子，pointnet2中定义邻居粒子数为64。

**2.1** 如果邻居粒子数不满足64，则需要对分配的剩余内存空间补0。但是在“坐标域”中，0不是没有意义的意思，而是的确存在的坐标。因此需要把“位置”补一个离中心粒子足够远的位置，比如5倍的球面半径外。

**2.2** 如果邻居粒子数多于64，则随机选择先找到的64个粒子。而在流体中，离得更近的点的作用是更大的，因此原代码不能满足流体方面。经过考察，决定需要取最近邻的64个点。

**3.球面查找嵌入网络**

接续2，但是不再补全64个邻居粒子，而是在cuda每个线程（对应每个粒子）中针对不同数量的邻居粒子进行MLP操作，每个线程最终经过SUM操作得到[1, 512]的特征，输出到cpu。

符合新要求的球面查找算法实现在`./tf_grouping`文件夹。暂时没有进行排序的方式进行计算也就是2.2
需要进行tensorflow2的下载。我使用的是2.6的版本 下载链接见官网。
相应的编译bash脚本也有更新，编译完成后产生`out.so`文件
调用方式与初步测试见`./tf_grouping/test.py`

block内没有做多线程。
可以考虑针对一个粒子周围的粒子采用多线程计算距离，最后进行一个同步然后再计算排序。
但这样做的弊端就是需要在gpu内开辟数组，（同之前的KNN一样，受总粒子数影响，大小未知）。

### KNN改进的测试 ，单位(s)
| 计算次数 | 原KNN               | 改进KNN               |
| -------- | ------------------- | --------------------- |
| 10       | 0.14142203330993652 | 0.0033354759216308594 |
| 100      | 1.1393418312072754  | 0.008875608444213867  |
| 1000     | 10.760242938995361  | 0.08214497566223145   |
| 10000    | 106.03392553329468  | 0.625659704208374     |

输入变量大小：(64,512,3) (64,128,3)