CN110572655B - 一种基于邻居权重的参数选取和传递的点云属性编码和解码的方法及设备 - Google Patents

一种基于邻居权重的参数选取和传递的点云属性编码和解码的方法及设备 Download PDF

Info

Publication number
CN110572655B
CN110572655B CN201910942969.3A CN201910942969A CN110572655B CN 110572655 B CN110572655 B CN 110572655B CN 201910942969 A CN201910942969 A CN 201910942969A CN 110572655 B CN110572655 B CN 110572655B
Authority
CN
China
Prior art keywords
point
value
attribute
parameter
current point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910942969.3A
Other languages
English (en)
Other versions
CN110572655A (zh
Inventor
李革
张琦
王静
邵薏婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking University Shenzhen Graduate School
Original Assignee
Peking University Shenzhen Graduate School
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Peking University Shenzhen Graduate School filed Critical Peking University Shenzhen Graduate School
Priority to CN201910942969.3A priority Critical patent/CN110572655B/zh
Publication of CN110572655A publication Critical patent/CN110572655A/zh
Priority to PCT/CN2020/107021 priority patent/WO2021023206A1/zh
Application granted granted Critical
Publication of CN110572655B publication Critical patent/CN110572655B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H04N19/147—Data rate or code amount at the encoder output according to rate distortion criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/186—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a colour or a chrominance component
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/91—Entropy coding, e.g. variable length coding [VLC] or arithmetic coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明提供了一种基于邻居权重的参数选取和传递的点云属性编码和解码的方法及编码设备和解码设备。该编码方法包括：根据点云中的点到当前点的空间距离大小确定该当前点的K个最近邻点；确定计算该最近邻点权重时的距离调整参数；根据该距离调整参数进行熵编码；根据该距离调整参数确定该当前点的属性预测值；根据该当前点的属性预测值进行编码处理。以及解码方法包括根据点云中的点到当前点的空间距离大小确定当前点的K个最近邻点；根据点云属性码流进行熵解码确定计算最近邻点权重时的距离调整参数；根据距离调整参数确定当前点的属性预测值。由此，能够通过选取合适的距离调整参数，提升点云编码性能。

Description

一种基于邻居权重的参数选取和传递的点云属性编码和解码 的方法及设备
技术领域
本发明属于点云处理领域，涉及点云属性压缩方法，尤其涉及一种基于邻居权重的参数选取和传递的点云属性编码和解码的方法及设备。
背景技术
三维点云是现实世界数字化的重要表现形式。随着三维扫描设备(激光、雷达等)的快速发展，点云的精度、分辨率更高。高精度点云广泛应用于城市数字化地图的构建，在如智慧城市、无人驾驶、文物保护等众多热门研究中起技术支撑作用。点云是三维扫描设备对物体表面采样所获取的，一帧点云的点数一般是百万级别，其中每个点包含几何信息和颜色、反射率等属性信息，数据量十分庞大。三维点云庞大的数据量给数据存储、传输等带来巨大挑战，所以点云压缩十分必要。
点云压缩主要分为几何压缩和属性压缩，目前由国际标准组织(Moving PictureExperts Group，MPEG)所提供的测试平台TMC13v7(Test Model for Category 1&3version7)中描述的点云属性压缩框架主要有：
一、基于渐近层次表达(Level of Detail，简称为LOD)的升降变换(LiftingTransform)策略：该方法首先用已按照莫顿码排序的点云构建LOD，即根据预设好的LOD层数，对已经排好序的点进行下采样，每采样一次后已经得到的点构成一层LOD，采样距离由大到小，直至整个LOD构建完成。然后以LOD顺序对点云中的点寻找近邻点，以所有近邻点属性值的加权平均作为预测值，其中每个近邻点的权重是当前点与该当前点的近邻点的几何坐标欧氏距离平方的倒数，最后用当前点的实际属性值减去属性预测值得到属性残差值。
二、基于LOD的预测变换(Predicting Transform)策略：本方法构建LOD的过程同上面，构建完LOD之后，按照K最近邻(K-NearestNeighbor，KNN)算法为每一个点寻找最多K个最近邻点，则共有K+1种预测模式，分别是：以第一个、第二个、……、第K个最近邻点的属性值作为预测参考值，以及以K个最近邻点的属性加权平均值作为预测参考值，其中每个最近邻点的权重是当前点与该当前点的最近邻点的几何坐标欧氏距离平方的倒数，然后对此K+1个预测参考值及对应模式计算率失真优化(RDO)代价值，将其中最小代价值的对应预测值作为当前点的预测值。
但是，以上相关技术在计算每个最近邻点的权重时只考虑了欧式距离远近，存在欧式距离不能很好表示属性相关性，导致属性预测准确度不高，降低编解码性能。
发明内容
为了提高属性帧内预测的准确性，更好地利用空间位置关系所反映在属性上的相关度，本发明提出了一种基于邻居权重的参数选取和传递的点云编码和解码的方法及设备，提高了点云属性的压缩性能。
本发明提供的技术方案描述如下：
根据本发明的一个方面，提供了一种点云属性编码方法，包括：根据点云中的点到当前点的空间距离大小确定当前点的K个最近邻点；确定计算最近邻点权重时的距离调整参数；根据距离调整参数进行熵编码。
优选地，在上述点云属性编码方法中，确定计算每个最近邻点权重时的距离调整参数，包括方法一、或方法二，其中，方法一：根据属性的种类不同，对于一类特定的属性采用特定的距离调整参数值；方法二：改变距离调整参数的值，对当前数据集进行编码，计算每个距离调整参数值下的码流大小和失真值，通过率失真优化确定数据集的距离调整参数。
优选地，在上述点云属性编码方法中，根据距离调整参数进行熵编码，包括方法一、或方法二、或方法三，其中，方法一：直接将距离调整参数的值写入头文件并进行熵编码；方法二：将距离调整参数的值减去一个固定值后写入头文件并进行熵编码；方法三：排列一组数据集中每个数据集的距离调整参数值，组成一个参数数组，从参数数组的第二个距离调整参数开始依次计算当前距离调整参数与前一距离调整参数相减得到的差值数组，将距离调整参数数组的第一个距离调整参数值及差值数组写入头文件并进行熵编码。
优选地，在上述点云属性编码方法中，还包括：根据距离调整参数确定当前点的属性预测值；根据当前点的属性预测值进行编码。
优选地，在上述点云属性编码方法中，根据距离调整参数确定当前点的属性预测值，包括：计算当前点与当前点的某个最近邻点在x、y、z三个坐标分量上的差值，根据当前点与最近邻点在z坐标分量上的差值，乘上相应的距离调整参数，确定当前点与最近邻点在z坐标分量上的加权差值；根据当前点与最近邻点在x、y坐标分量上的差值和z坐标分量上的加权差值，确定最近邻点的优化权重；对K个最近邻点重复上述操作，确定当前点的K个最近邻点优化权重；根据当前点的K个最近邻点的优化权重和属性重构确定当前点的属性预测值。
优选地，在上述点云属性编码方法中，测值进行编码，包括：根据当前点的属性值与属性预测值之间的差值确定当前点的属性残差值；以及对属性残差值进行编码。
根据本发明的另一方面，还提供了一种点云属性解码方法，包括：根据点云中的点到当前点的空间距离大小确定当前点的K个最近邻点；根据点云属性码流进行熵解码确定计算最近邻点权重时的距离调整参数；根据距离调整参数确定当前点的属性预测值。
优选地，在上述一种点云属性解码方法中，根据点云属性码流进行熵解码确定计算最近邻点权重时的距离调整参数，包括方法一、或方法二、或方法三，其中，方法一：直接解码出距离调整参数；方法二：将直接解码出的参数值加上一个固定值得到距离调整参数；方法三：将直接解码出的参数值，组成一个参数数组，保留数组的第一个参数值，从数组的第二个参数开始依次计算当前参数与前一参数相加，得到距离调整参数的数组。
优选地，在上述一种点云属性解码方法中，根据距离调整参数确定当前点的属性预测值，包括：计算当前点与当前点的某个最近邻点在x、y、z三个坐标分量上的差值，根据当前点与该最近邻点在z坐标分量上的差值，乘上相应的距离调整参数，确定当前点与该最近邻点在z坐标分量上的加权差值；根据当前点与该最近邻点在x、y坐标分量上的差值和z坐标分量上的加权差值，确定该最近邻点的优化权重；对K个最近邻点重复上述操作，确定当前点的K个最近邻点优化权重；根据当前点的K个最近邻点的优化权重和属性重构值，确定当前点的属性预测值。
优选地，在上述一种点云属性解码方法中，还包括：对点云属性码流进行熵解码、反量化、反变换，得到当前点的属性残差值；根据当前点的属性预测值和当前点的属性残差值相加，确定当前点的点云属性值。
根据本发明的又一方面，提供了一种点云属性编码设备，包括：第一确定模块，用于根据点云中的点到当前点的空间距离大小确定当前点的K个最近邻点；第二确定模块，用于确定计算最近邻点权重时的距离调整参数；第一编码模块，用于根据距离调整参数进行熵编码。
优选地，在上述点云属性编码设备中，第二确定模块，具体用于，包括方法一、或方法二，其中，方法一：根据属性的种类不同，对于一类特定的属性采用特定的距离调整参数；方法二：对当前数据集计算每个参数值下的码流大小和失真值，通过率失真优化确定该数据集的距离调整参数。
优选地，在上述点云属性编码设备中，第一编码模块，具体用于包括方法一、或方法二、或方法三，其中，方法一：直接将距离调整参数的值写入头文件并进行熵编码；方法二：将距离调整参数的值减去一个固定值后写入头文件并进行熵编码；方法三：排列一组数据集中每个数据集的距离调整参数值，组成一个距离调整参数数组，从距离调整参数数组的第二个距离调整参数开始依次计算当前距离调整参数与前一距离调整参数相减得到的差值数组，将距离调整参数数组的第一个距离调整参数值及差值数组写入头文件并进行熵编码。
优选地，在上述点云属性编码设备中，还包括：第三确定模块，用于根据距离调整参数确定当前点的属性预测值；第二编码模块，用于根据当前点的属性预测值进行编码。
优选地，在上述点云属性编码设备中，第三确定模，具体用于包括：计算当前点与当前点的某个最近邻点在x、y、z三个坐标分量上的差值，根据当前点与该最近邻点在z坐标分量上的差值，乘上相应的距离调整参数，确定当前点与该最近邻点在z坐标分量上的加权差值；根据当前点与该最近邻点在x、y坐标分量上的差值和z坐标分量上的加权差值，确定该最近邻点的优化权重；对K个最近邻点重复上述操作，确定当前点的K个最近邻点优化权重；根据当前点的K个最近邻点的优化权重和属性重构值，确定当前点的属性预测值。
优选地，在上述点云属性编码设备中，第二编码模块，具体用于包括：根据当前点的点云属性值与属性预测值之间的差值确定当前点的属性残差值；以及对属性残差值进行编码。
根据本发明的又另一实施例，提供了一种点云属性解码设备，其特征在于，包括：第一确定模块，用于根据点云中的点到当前点的空间距离大小确定当前点的K个最近邻点；第一解码模块，用于根据点云属性码流进行熵解码确定计算最近邻点权重时的距离调整参数；第二确定模块，用于根据距离调整参数确定当前点的属性预测值。
优选地，在上述点云属性解码设备中，第一解码模块，用于包括方法一、或方法二、或方法三，其中，方法一：直接解码出距离调整参数；方法二：将直接解码出的参数值加上一个固定值得到距离调整参数；方法三：将直接解码出的参数值，组成一个参数数组，保留数组的第一个参数值，从数组的第二个参数开始依次计算当前参数与前一参数相加，得到距离调整参数的数组。
优选地，在上述点云属性解码设备中，第二确定模块，用于包括：计算当前点与当前点的某个最近邻点在x、y、z三个坐标分量上的差值，根据当前点与该最近邻点在z坐标分量上的差值，乘上相应的距离调整参数，确定当前点与该最近邻点在z坐标分量上的加权差值；根据当前点与该最近邻点在x、y坐标分量上的差值和z坐标分量上的加权差值，确定该最近邻点的优化权重；对K个最近邻点重复上述操作，确定当前点的K个最近邻点优化权重；根据当前点的K个最近邻点的优化权重和属性重构值，确定当前点的属性预测值。
优选地，在上述点云属性解码设备中，还包括：第二解码模块，用于对点云属性码流进行熵解码、反量化、反变换，确定当前点的属性残差值；第三确定模块，用于根据当前点的属性预测值和当前点的属性残差值相加，确定当前点的点云属性值。
基于上述技术方案，本发明的有益效果是：计算每个点的近邻点的权重时，确定距离调整参数，根据距离调整参数确定当前点的属性预测值，根据距离调整参数进行熵编码，能够提升点云的几何信息和属性信息相关性的利用，提高点云属性压缩性能。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是实施例1的属性压缩编码端的流程示意图。
图2是实施例1的属性压缩解码端的流程示意图。
图3是实施例2的属性压缩编码端的流程示意图。
图4是实施例2的属性压缩解码端的流程示意图。
图5A是在无损几何、有损属性条件(采用升降变换策略)下，本发明方法的实施例与测试平台TMC13v7的基准结果的性能对比图。
图5B是在有损几何、有损属性条件(采用升降变换策略)下，本发明方法的实施例与测试平台TMC13v7的基准结果的性能对比图。
图5C是在无损几何、无损属性条件(采用预测变换策略)下，本发明方法的实施例与测试平台TMC13v7的基准结果的性能对比图。
图5D是在无损几何、有限损属性条件(采用预测变换策略)下，本发明方法的实施例与测试平台TMC13v7的基准结果的性能对比图。
具体实施方式
下面结合附图，通过实施例进一步描述本发明，但不以任何方式限制本发明的范围。
本发明的基于邻居权重的参数选取和传递的点云编码和解码的方法及设备，在点云属性压缩过程中，在根据距离计算每个点的邻居的权重时，对距离在z方向上的分量增加系数并对系数如何选取和传输进行设计，更好地捕捉点云的几何信息和属性信息的相关性，提高点云属性压缩的性能。
基于邻居权重的参数选取和传递的点云属性编码和解码的方法实施例1，包括以下步骤A和B：
A.在编码端执行步骤(1)至(3)，如图1所示为实施例1的属性压缩编码端的流程示意图，包括：
(1)根据点云中的点到当前点的空间距离大小确定所述当前点的K个最近邻点。
(2)确定计算所述最近邻点权重时的距离调整参数θ：即计算邻居权重时距离在Z方向上的参数θ。选取方法一：根据属性的种类不同，对于一类特定的属性采用特定的θ值，具体地，例如对于颜色属性采用θ值为1，对于反射率属性采用θ值为3；方法二：改变参数θ的值，对当前数据集进行编码，计算每个θ值下的码流大小和失真值，通过率失真优化确定该数据集的θ，具体地，将θ设定为1到16的16个整数，分别运行计算得到最终的码流大小Bi＝1,2,…16和均方误差(失真值)Di＝1,2,…16，运用率失真优化，比较Oi＝Bi+Di的大小，选择Oi最小的情况下对应的θi值作为参数。
(3)根据所述距离调整参数进行熵编码：方法一：直接将θ的值写入头文件并进行熵编码，具体地，将θ的值写入头文件中一个固定位数的内存空间，至少需要4bit，然后进行熵编码；方法二：将该参数的值减去一个固定值后写入头文件并进行熵编码，具体地，编码端将θ减去1后写入头文件并进行熵编码，如θ等于1则将0写入头文件并进行熵编码，θ等于10则将9写入头文件并进行熵编码；方法三：排列一组数据集中每个数据集的该参数值，组成一个参数数组，从该数组的第二个参数开始依次计算当前参数与前一参数相减得到的差值数组，将该参数数组的第一个参数值及该差值数组写入头文件并进行熵编码，具体地，一组数据集中每个数据集分别采用的θ值为1、3、5、4、8、15、2、2，则写入头文件的为1、2、2、-1、4、7、-13、0。
B.在解码端执行步骤(4)至(6)，如图2所示为实施例1的属性压缩解码端的流程示意图，包括：
(4)根据点云中的点到当前点的空间距离大小确定所述当前点的K个最近邻点。
(5)根据点云属性码流进行熵解码确定计算所述最近邻点权重时的距离调整参数：具体地，对点云属性码流进行熵解码，由头文件得到参数θ，方法一：直接解码出距离调整参数，具体地，直接熵解码得到参数θ；方法二：将直接解码出的参数值加上一个固定值得到距离调整参数，具体地，解码端将熵解码得到的数值加上1后得到参数θ，如熵解码得到0则参数θ等于1，熵解码得到9则参数θ为10；方法三：将直接解码出的参数值，组成一个参数数组，保留数组的第一个参数值，从数组的第二个参数开始依次计算当前参数与前一参数相加，得到距离调整参数数组，具体地，如解码出的值为1、2、2、-1、4、7、-13、0，则参数θ为1、3、5、4、8、15、2、2。
(6)根据所述距离调整参数确定所述当前点的属性预测值：根据当前点的K个最近邻点和当前点的距离以及参数θ计算每个最近邻点的权重，对K个最近邻点的重构属性值进行加权求和，计算当前点的属性预测值。其中：
根据当前点的坐标和K个最近邻点的坐标，计算当前点的每个最近邻点的优化权重。以一个点为例，计算当前点与当前点的某个最近邻点在x、y、z三个坐标分量上的差值，对于当前点与该最近邻点在z坐标方向上的差值，乘上相应的系数θ，得到当前点与该最近邻点在z坐标方向上的加权差值；对于当前点与该最近邻点在x、y、z三个坐标分量上的差值和加权差值，分别求平方值，再对三个平方值的和求倒数，得到该最近邻点的优化权重，对K个最近邻点重复上述操作，得到对应的优化权重。具体地，设定当前点的几何位置是(x,y,z)，K个邻居中的每个邻居的几何位置为(xi,yi,zi)i＝1,2,…K，则每个邻居的权重为
Figure BDA0002223421460000071
其中θ是根据距离计算每个最近邻点的权重时距离在Z方向上的参数。
利用当前点的K个最近邻点的优化权重，对K个最近邻点的重构属性值进行加权求和，计算当前点的属性预测值，包括：获得当前点的K个最近邻点中的每个最近邻点的优化权重和邻居的属性重构值；对于当前点的K个最近邻点的优化权重和属性重构值，一一对应相乘，K个乘积求和再除以K个最近邻点的优化权重的和，得到当前点的属性预测值。具体地，每个邻居的重构后的属性值为
Figure BDA0002223421460000072
每个邻居的权重为wi，则当前点的属性预测值
Figure BDA0002223421460000073
基于邻居权重的参数选取和传递的点云编码和解码的方法实施例2，包括以下步骤C和D：
C.在编码端执行步骤(1)至(5)，如图3所示为实施例2的属性压缩编码端的流程示意图，包括：
(1)构建LOD并对其中的每个点寻找邻居遍历点云(PointCloud)中的点，将它们分别加入所属LOD中，根据点云几何信息确定当前点的K个最近邻点。具体构建过程为：按照莫顿码顺序点云中所有的点进行排序，即根据预设好的LOD层数，对已经排好序的点进行下采样，每采样一次后已经得到的点构成一层LOD，采样距离由大到小，直至整个LOD构建完成，得到LOD排序后的点云，表示为点云LOD；对于点云LOD中的每个点，确定该点的K个最近邻点，其包括根据点云中的点到当前点的空间欧式距离大小确定当前点的K个最近邻点。具体地，按照点云LOD中点的顺序，遍历整个点云空间，处理当前点时，为当前点O在其之前已处理的点集中根据欧氏距离寻找K个最近邻点。
(2)确定计算邻居权重时距离在Z方向上的参数θ：即计算邻居权重时距离在Z方向上的参数θ。选取方法一：根据属性的种类不同，对于一类特定的属性采用特定的θ值，具体地，例如对于颜色属性采用θ值为1，对于反射率属性采用θ值为3；方法二：改变参数θ的值，对当前数据集进行编码，计算每个θ值下的码流大小和失真值，通过率失真优化确定该数据集的θ，具体地，将θ设定为1到16的16个整数，分别运行计算得到最终的码流大小Bi＝1,2,…16和均方误差(失真值)Di＝1,2,…16，运用率失真优化，比较Oi＝Bi+i的大小，选择Oi最小的情况下对应的θi值作为参数。
(3)将参数θ写入头文件：方法一：直接将θ的值写入头文件并进行熵编码，具体地，将θ的值写入头文件中一个固定位数的内存空间，至少需要4bit，然后进行熵编码；方法二：将该参数的值减去一个固定值后写入头文件并进行熵编码，具体地，编码端将θ减去1后写入头文件并进行熵编码，如θ等于1则将0写入头文件并进行熵编码，θ等于10则将9写入头文件并进行熵编码；方法三：排列一组数据集中每个数据集的该参数值，组成一个参数数组，从该数组的第二个参数开始依次计算当前参数与前一参数相减得到的差值数组，将该参数数组的第一个参数值及该差值数组写入头文件并进行熵编码，具体地，一组数据集中每个数据集分别采用的θ值为1、3、5、4、8、15、2、2，则写入头文件的为1、2、2、-1、4、7、-13、0。
(4)计算邻居权重和属性预测值：根据当前点的K个最近邻点和当前点的距离以及参数θ计算每个最近邻点的权重，对K个最近邻点的重构属性值进行加权求和，计算当前点的属性预测值。其中：
根据当前点的坐标和K个最近邻点的坐标，计算当前点的每个最近邻点的优化权重。以一个点为例，计算当前点与当前点的某个最近邻点在x、y、z三个坐标分量上的差值，对于当前点与该最近邻点在z坐标方向上的差值，乘上相应的系数θ，得到当前点与该最近邻点在z坐标方向上的加权差值；对于当前点与该最近邻点在x、y、z三个坐标分量上的差值和加权差值，分别求平方值，再对三个平方值的和求倒数，得到该最近邻点的优化权重，对K个最近邻点重复上述操作，得到对应的优化权重。具体地，设定当前点的几何位置是(x,y,z)，K个邻居中的每个邻居的几何位置为(xi,yi,zi)i＝1,2,…K，则每个邻居的权重为
Figure BDA0002223421460000091
其中θ是根据距离计算每个最近邻点的权重时距离在Z方向上的参数。
利用当前点的K个最近邻点的优化权重，对K个最近邻点的重构属性值进行加权求和，计算当前点的属性预测值，包括：获得当前点的K个最近邻点中的每个最近邻点的优化权重和邻居的属性重构值；对于当前点的K个最近邻点的优化权重和属性重构值，一一对应相乘，K个乘积求和再除以K个最近邻点的优化权重的和，得到当前点的属性预测值。具体地，每个邻居的重构后的属性值为
Figure BDA0002223421460000092
每个邻居的权重为wi，则当前点的属性预测值
Figure BDA0002223421460000093
(5)生成点云属性码流：完成对点云的属性值的后续编码步骤，得到最终的点云属性码流。具体包括：计算当前点的点云原始属性信息与属性预测值之间的差值确定当前点的属性残差值；对属性残差值进行变换、量化、熵编码，得到最终的点云属性码流。
D.在解码端执行步骤(6)至(10)，如图4所示为实施例2的属性压缩解码端的流程示意图，包括：
(6)构建LOD并对其中的每个点寻找邻居：同步骤(1)；
(7)由头文件得到距离在Z方向上的参数θ：具体地，对点云属性码流进行熵解码，由头文件得到参数θ，方法一：直接解码出距离调整参数，具体地，直接熵解码得到参数θ；方法二：将直接解码出的参数值加上一个固定值得到距离调整参数，具体地，解码端将熵解码得到的数值加上1后得到参数θ，如熵解码得到0则参数θ等于1，熵解码得到9则参数θ为10；方法三：将直接解码出的参数值，组成一个参数数组，保留数组的第一个参数值，从数组的第二个参数开始依次计算当前参数与前一参数相加，得到距离调整参数数组，具体地，如解码出的值为1、2、2、-1、4、7、-13、0，则参数θ为1、3、5、4、8、15、2、2。
(8)计算邻居的权重和属性预测值：同步骤(4)；
(9)对点云属性码流进行解码得到当前点的属性残差值：具体地，对点云属性码流解进行熵解码、反量化、反变换，得到当前点的属性残差值；
(10)重建点云属性：具体地，利用(8)得到的当前点的属性预测值和(9)得到的当前点的属性残差值，相加求和确定当前点的点云重构属性信息，重建点云属性。
为了验证本发明的效果，将本发明方法的实施例与测试平台TMC13v7的基准结果的性能进行对比，结果如图5A-5D所示，其中，图5A是在无损几何、有损属性条件(采用升降变换策略)下，本发明方法的实施例与测试平台TMC13v7的基准结果的性能对比图；图5B是在有损几何、有损属性条件(采用升降变换策略)下，本发明方法的实施例与测试平台TMC13v7的基准结果的性能对比图；图5C是在无损几何、无损属性条件(采用预测变换策略)下，本发明方法的实施例与测试平台TMC13v7的基准结果的性能对比图；以及图5D是在无损几何、有限损属性条件(采用预测变换策略)下，本发明方法的实施例与测试平台TMC13v7的基准结果的性能对比图。
相比与测试平台TMC13v7的基准结果，对于反射率属性，在无损几何、有损属性条件，有损几何、有损属性条件，无损几何、有限损属性条件下，本发明的端到端率失真分别节约了6.65％、6.28％和2.52％(如图5A、图5B和图5D所示)；对于亮度属性，在无损几何、有损属性条件，有损几何、有损属性条件，无损几何、有限损属性条件下，本发明的端到端率失真分别节约了1.65％、2.14％和0.76％(如图5A、图5B和图5D所示)；对于色度属性，在无损几何、有损属性条件，有损几何、有损属性条件，无损几何、有限损属性条件下，本发明的端到端率失真最高分别节约了2.15％、3.30％、0.76％(如图5A、图5B和图5D所示)；，在无损几何、无损属性条件下，本发明的颜色码率只需要99.64％，本发明的反射率码率只需要98.35％，整体码率只需要99.70％(如图5C所示)。
需要注意的是，公布实施例的目的在于帮助进一步理解本发明，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换和修改都是可能的。因此，本发明不应局限于实施例所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

Claims (14)

1.一种点云属性编码方法，其特征在于，包括：
根据点云中的点到当前点的空间距离大小确定所述当前点的K个最近邻点；
确定计算所述最近邻点权重时的距离调整参数；
根据所述距离调整参数进行熵编码；
根据所述距离调整参数确定所述当前点的属性预测值，包括：计算当前点与所述当前点的某个最近邻点在x、y、z三个坐标分量上的差值，根据所述当前点与所述最近邻点在z坐标分量上的差值，乘上相应的距离调整参数，确定所述当前点与所述最近邻点在z坐标分量上的加权差值；
根据所述当前点与所述最近邻点在x、y坐标分量上的差值和所述z坐标分量上的加权差值，确定所述最近邻点的优化权重；
对K个最近邻点重复上述操作，确定所述当前点的K个最近邻点优化权重；
根据所述当前点的K个最近邻点的优化权重和属性重构确定所述当前点的属性预测值；
根据所述当前点的属性预测值进行编码。
2.根据权利要求1所述的点云属性编码方法，其特征在于，所述确定计算每个最近邻点权重时的距离调整参数，包括方法一、或方法二，其中，
方法一：根据属性的种类不同，对于一类特定的属性采用特定的距离调整参数值；
方法二：改变距离调整参数的值，对当前数据集进行编码，计算每个距离调整参数值下的码流大小和失真值，通过率失真优化确定所述数据集的距离调整参数。
3.根据权利要求1所述的点云属性编码方法，其特征在于，所述根据所述距离调整参数进行熵编码，包括方法一、或方法二、或方法三，其中，
方法一：直接将所述距离调整参数的值写入头文件并进行熵编码；
方法二：将所述距离调整参数的值减去一个固定值后写入头文件并进行熵编码；
方法三：排列一组数据集中每个数据集的所述距离调整参数值，组成一个参数数组，从所述参数数组的第二个距离调整参数开始依次计算当前距离调整参数与前一距离调整参数相减得到的差值数组，将所述距离调整参数数组的第一个距离调整参数值及所述差值数组写入头文件并进行熵编码。
4.根据权利要求1所述的点云属性编码方法，其特征在于，所述根据所述当前点的属性预测值进行编码，包括：根据所述当前点的属性值与属性预测值之间的差值确定当前点的属性残差值；以及对所述属性残差值进行编码。
5.一种点云属性解码方法，其特征在于，包括：
根据点云中的点到当前点的空间距离大小确定所述当前点的K个最近邻点；
根据点云属性码流进行熵解码确定计算所述最近邻点权重时的距离调整参数；
根据所述距离调整参数确定所述当前点的属性预测值，包括：计算当前点与所述当前点的某个最近邻点在x、y、z三个坐标分量上的差值，根据所述当前点与该最近邻点在z坐标分量上的差值，乘上相应的距离调整参数，确定所述当前点与该最近邻点在z坐标分量上的加权差值；
根据所述当前点与该最近邻点在x、y坐标分量上的差值和所述z坐标分量上的加权差值，确定该最近邻点的优化权重；
对K个最近邻点重复上述操作，确定所述当前点的K个最近邻点优化权重；
根据所述当前点的K个最近邻点的优化权重和属性重构值，确定所述当前点的属性预测值。
6.根据权利要求5所述的点云属性解码方法，其特征在于，根据点云属性码流进行熵解码确定计算所述最近邻点权重时的距离调整参数，包括方法一、或方法二、或方法三，其中，
方法一：直接解码出所述距离调整参数；
方法二：将直接解码出的参数值加上一个固定值得到所述距离调整参数；
方法三：将直接解码出的参数值，组成一个参数数组，保留数组的第一个参数值，从所述数组的第二个参数开始依次计算当前参数与前一参数相加，得到所述距离调整参数的数组。
7.根据权利要求5所述的点云属性解码方法，其特征在于，还包括：
对点云属性码流进行熵解码、反量化、反变换，得到所述当前点的属性残差值；
根据所述当前点的属性预测值和所述当前点的属性残差值相加，确定所述当前点的点云属性值。
8.一种点云属性编码设备，其特征在于，包括：
第一确定模块，用于根据点云中的点到当前点的空间距离大小确定所述当前点的K个最近邻点；
第二确定模块，用于确定计算所述最近邻点权重时的距离调整参数；
第一编码模块，用于根据所述距离调整参数进行熵编码；
第三确定模块，用于根据所述距离调整参数确定所述当前点的属性预测值，包括：计算当前点与所述当前点的某个最近邻点在x、y、z三个坐标分量上的差值，根据所述当前点与该最近邻点在z坐标分量上的差值，乘上相应的距离调整参数，确定所述当前点与该最近邻点在z坐标分量上的加权差值；根据所述当前点与该最近邻点在x、y坐标分量上的差值和所述z坐标分量上的加权差值，确定该最近邻点的优化权重；对K个最近邻点重复上述操作，确定所述当前点的K个最近邻点优化权重；根据所述当前点的K个最近邻点的优化权重和属性重构值，确定所述当前点的属性预测值；
第二编码模块，用于根据所述当前点的属性预测值进行编码。
9.根据权利要求8所述的点云属性编码设备，其特征在于，所述第二确定模块，具体用于，包括方法一、或方法二，其中，
方法一：根据属性的种类不同，对于一类特定的属性采用特定的距离调整参数；
方法二：对当前数据集计算每个参数值下的码流大小和失真值，通过率失真优化确定该数据集的距离调整参数。
10.根据权利要求8所述的点云属性编码设备，其特征在于，所述第一编码模块，具体用于，包括方法一、或方法二、或方法三，其中，
方法一：直接将所述距离调整参数的值写入头文件并进行熵编码；
方法二：将所述距离调整参数的值减去一个固定值后写入头文件并进行熵编码；
方法三：排列一组数据集中每个数据集的所述距离调整参数值，组成一个距离调整参数数组，从所述距离调整参数数组的第二个距离调整参数开始依次计算当前距离调整参数与前一距离调整参数相减得到的差值数组，将所述距离调整参数数组的第一个距离调整参数值及所述差值数组写入头文件并进行熵编码。
11.根据权利要求8所述的点云属性编码设备，其特征在于，所述第二编码模块，具体用于，包括：
根据所述当前点的点云属性值与属性预测值之间的差值确定所述当前点的属性残差值；以及对所述属性残差值进行编码。
12.一种点云属性解码设备，其特征在于，包括：
第一确定模块，用于根据点云中的点到当前点的空间距离大小确定所述当前点的K个最近邻点；
第一解码模块，用于根据点云属性码流进行熵解码确定计算所述最近邻点权重时的距离调整参数；
第二确定模块，用于根据所述距离调整参数确定所述当前点的属性预测值，包括：计算当前点与所述当前点的某个最近邻点在x、y、z三个坐标分量上的差值，根据所述当前点与该最近邻点在z坐标分量上的差值，乘上相应的距离调整参数，确定所述当前点与该最近邻点在z坐标分量上的加权差值；根据所述当前点与该最近邻点在x、y坐标分量上的差值和所述z坐标分量上的加权差值，确定该最近邻点的优化权重；对K个最近邻点重复上述操作，确定所述当前点的K个最近邻点优化权重；根据所述当前点的K个最近邻点的优化权重和属性重构值，确定所述当前点的属性预测值。
13.根据权利要求12所述的点云属性解码设备，其特征在于，所述第一解码模块，具体用于，包括方法一、或方法二、或方法三，其中，
方法一：直接解码出距离调整参数；
方法二：将直接解码出的参数值加上一个固定值得到所述距离调整参数；
方法三：将直接解码出的参数值，组成一个参数数组，保留数组的第一个参数值，从所述数组的第二个参数开始依次计算当前参数与前一参数相加，得到所述距离调整参数的数组。
14.根据权利要求12所述的点云属性解码设备，其特征在于，还包括：
第二解码模块，用于对点云属性码流进行熵解码、反量化、反变换，确定所述当前点的属性残差值；
第三确定模块，用于根据所述当前点的属性预测值和所述当前点的属性残差值相加，确定所述当前点的点云属性值。
CN201910942969.3A 2019-08-05 2019-09-30 一种基于邻居权重的参数选取和传递的点云属性编码和解码的方法及设备 Active CN110572655B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910942969.3A CN110572655B (zh) 2019-09-30 2019-09-30 一种基于邻居权重的参数选取和传递的点云属性编码和解码的方法及设备
PCT/CN2020/107021 WO2021023206A1 (zh) 2019-08-05 2020-08-05 基于邻居权重优化的点云属性预测、编码和解码方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910942969.3A CN110572655B (zh) 2019-09-30 2019-09-30 一种基于邻居权重的参数选取和传递的点云属性编码和解码的方法及设备

Publications (2)

Publication Number Publication Date
CN110572655A CN110572655A (zh) 2019-12-13
CN110572655B true CN110572655B (zh) 2023-01-10

Family

ID=68783723

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910942969.3A Active CN110572655B (zh) 2019-08-05 2019-09-30 一种基于邻居权重的参数选取和传递的点云属性编码和解码的方法及设备

Country Status (1)

Country Link
CN (1) CN110572655B (zh)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021023206A1 (zh) * 2019-08-05 2021-02-11 北京大学深圳研究生院 基于邻居权重优化的点云属性预测、编码和解码方法及设备
CN111242997B (zh) * 2020-01-13 2023-11-10 北京大学深圳研究生院 一种基于滤波器的点云属性预测方法及设备
CN111340899B (zh) * 2020-02-14 2022-09-06 福州大学 一种彩色点云的压缩采样及重构方法
CN113453018B (zh) * 2020-03-25 2022-05-10 浙江大学 一种点云属性值预测方法和装置
CN113473153B (zh) * 2020-03-30 2023-04-25 鹏城实验室 一种点云属性预测方法、编码方法、解码方法及其设备
CN111405284B (zh) * 2020-03-30 2022-05-31 北京大学深圳研究生院 一种基于点云密度的属性预测方法及设备
CN113473127B (zh) * 2020-03-30 2022-09-23 鹏城实验室 一种点云几何编码方法、解码方法、编码设备及解码设备
WO2021206291A1 (ko) * 2020-04-08 2021-10-14 엘지전자 주식회사 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
CN115428467B (zh) * 2020-04-14 2024-03-08 Lg电子株式会社 点云数据发送设备和方法、点云数据接收设备和方法
CN113596466A (zh) * 2020-04-30 2021-11-02 Oppo广东移动通信有限公司 一种最近邻搜索方法、编码器、解码器及存储介质
BR112022026363A2 (pt) * 2020-06-24 2023-01-17 Beijing Xiaomi Mobile Software Co Ltd Método de codificação e decodificação de uma nuvem de pontos
WO2022037491A1 (zh) * 2020-08-16 2022-02-24 浙江大学 一种点云属性编解码方法和装置
CN114189692B (zh) * 2020-09-15 2024-05-14 鹏城实验室 基于连续子空间图变换的点云属性编码方法及解码方法
WO2022061786A1 (zh) * 2020-09-25 2022-03-31 Oppo广东移动通信有限公司 点云编码方法及相关装置
CN112256652B (zh) * 2020-10-19 2022-09-16 济南大学 一种三维点云属性压缩方法、***及终端
CN116472556A (zh) * 2020-12-03 2023-07-21 Oppo广东移动通信有限公司 预测方法、编码器、解码器以及存储介质
WO2022170511A1 (zh) * 2021-02-09 2022-08-18 Oppo广东移动通信有限公司 点云解码方法、解码器及计算机存储介质
CN116941242A (zh) * 2021-03-04 2023-10-24 Oppo广东移动通信有限公司 帧内预测方法及装置、编解码器、设备、存储介质
CN115086716B (zh) * 2021-03-12 2023-09-08 腾讯科技（深圳）有限公司 点云中邻居点的选择方法、装置及编解码器
CN113014903B (zh) * 2021-03-15 2023-05-19 北京大学深圳研究生院 点云邻居确定、点云预测、点云编码、点云解码方法及设备
CN113096200B (zh) * 2021-03-24 2023-03-14 中山大学 一种基于法向量的点云属性压缩方法、装置、设备及介质
CN117397239A (zh) * 2021-06-04 2024-01-12 华为技术有限公司 3d地图的编解码方法及装置
CN113179410B (zh) * 2021-06-10 2022-08-23 上海交通大学 一种点云属性的编解码方法、装置和***
WO2022257145A1 (zh) * 2021-06-11 2022-12-15 Oppo广东移动通信有限公司 点云属性的预测方法、装置及编解码器
CN115470259A (zh) * 2021-06-11 2022-12-13 鹏城实验室 一种点云属性预测方法、装置、终端及存储介质
CN117581537A (zh) * 2021-07-02 2024-02-20 北京小米移动软件有限公司 用于对点云进行编码和解码的方法
CN113784125A (zh) * 2021-08-19 2021-12-10 北京易智能科技有限公司 一种点云属性预测方法及其设备
CN115720270A (zh) * 2021-08-24 2023-02-28 鹏城实验室 点云编码方法、解码方法、点云编码设备及解码设备
CN113766229B (zh) * 2021-09-30 2023-04-28 咪咕文化科技有限公司 一种编码方法、解码方法、装置、设备及可读存储介质
CN115278269B (zh) * 2022-06-20 2024-02-23 鹏城实验室 一种点云属性编码方法、点云属性解码方法及存储介质
WO2024026712A1 (zh) * 2022-08-03 2024-02-08 上海交通大学 点云编解码方法、装置、设备及存储介质
CN117956184A (zh) * 2022-10-19 2024-04-30 中兴通讯股份有限公司 点云属性预测方法、设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108322742A (zh) * 2018-02-11 2018-07-24 北京大学深圳研究生院 一种基于帧内预测的点云属性压缩方法
CN108632607A (zh) * 2018-05-09 2018-10-09 北京大学深圳研究生院 一种基于多角度自适应帧内预测的点云属性压缩方法
CN109257604A (zh) * 2018-11-20 2019-01-22 山东大学 一种基于tmc3点云编码器的颜色属性编码方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573331B (zh) * 2014-12-19 2018-04-24 西安工程大学 一种基于MapReduce的K近邻数据预测方法
CN105338186A (zh) * 2015-11-11 2016-02-17 华南理工大学 基于情景感知的Android移动终端电源管理方法
CN107392875A (zh) * 2017-08-01 2017-11-24 长安大学 一种基于k近邻域划分的点云数据去噪方法
CN108335335B (zh) * 2018-02-11 2019-06-21 北京大学深圳研究生院 一种基于增强图变换的点云属性压缩方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108322742A (zh) * 2018-02-11 2018-07-24 北京大学深圳研究生院 一种基于帧内预测的点云属性压缩方法
CN108632607A (zh) * 2018-05-09 2018-10-09 北京大学深圳研究生院 一种基于多角度自适应帧内预测的点云属性压缩方法
CN109257604A (zh) * 2018-11-20 2019-01-22 山东大学 一种基于tmc3点云编码器的颜色属性编码方法

Also Published As

Publication number Publication date
CN110572655A (zh) 2019-12-13

Similar Documents

Publication Publication Date Title
CN110572655B (zh) 一种基于邻居权重的参数选取和传递的点云属性编码和解码的方法及设备
CN110418135B (zh) 一种基于邻居的权重优化的点云帧内预测方法及设备
CN109257604B (zh) 一种基于tmc3点云编码器的颜色属性编码方法
US11004240B2 (en) Hierarchical division-based point cloud attribute compression method
CN111242997B (zh) 一种基于滤波器的点云属性预测方法及设备
CN112218079B (zh) 一种基于空间顺序的点云分层方法、点云预测方法及设备
CN109889840B (zh) 点云编码和解码的方法、编码设备和解码设备
US9451266B2 (en) Optimal intra prediction in block-based video coding to calculate minimal activity direction based on texture gradient distribution
CN111405281A (zh) 一种点云属性信息的编码方法、解码方法、存储介质及终端设备
CN111405284B (zh) 一种基于点云密度的属性预测方法及设备
CN112449754B (zh) 一种数据编码、数据解码方法、设备及存储介质
WO2021023206A1 (zh) 基于邻居权重优化的点云属性预测、编码和解码方法及设备
US20150016521A1 (en) Video encoder for images
US11838499B2 (en) Encoding/decoding method and apparatus for coding unit partitioning
CN109166160B (zh) 一种采用图形预测的三维点云压缩方法
CN114820831A (zh) 划分方法、编码器、解码器以及计算机存储介质
CN112385222B (zh) 点云处理的方法与装置
CN111988605B (zh) 模式选择方法、装置、计算机可读存储介质及电子设备
CN104581158A (zh) 量化表、图像压缩处理方法、装置、终端及图像搜索***
WO2022120594A1 (zh) 点云编解码方法、编码器、解码器及计算机存储介质
CN115278269A (zh) 一种点云属性编码方法、点云属性解码方法及存储介质
WO2023123471A1 (zh) 编解码方法、码流、编码器、解码器以及存储介质
CN117157973A (zh) 编解码方法及相关设备、存储介质
CN117319683A (zh) 基于纹理驱动的图稀疏度优化的点云属性压缩方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant