CN115412716B - 一种点云坐标转换残差的编解码方法及装置 - Google Patents
一种点云坐标转换残差的编解码方法及装置 Download PDFInfo
- Publication number
- CN115412716B CN115412716B CN202110580212.1A CN202110580212A CN115412716B CN 115412716 B CN115412716 B CN 115412716B CN 202110580212 A CN202110580212 A CN 202110580212A CN 115412716 B CN115412716 B CN 115412716B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- azimuth
- coordinate conversion
- information
- coordinate
- 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
Links
- 230000009466 transformation Effects 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000006243 chemical reaction Methods 0.000 claims abstract description 89
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004387 environmental modeling Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/001—Model-based coding, e.g. wire frame
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/161—Encoding, multiplexing or demultiplexing different image signal components
-
- 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
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
-
- 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
- H04N19/136—Incoming video signal characteristics or properties
- H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
- H04N19/139—Analysis of motion vectors, e.g. their magnitude, direction, variance or reliability
-
- 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
- H04N19/149—Data rate or code amount at the encoder output by estimating the code amount by means of a model, e.g. mathematical model or statistical model
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种点云坐标转换残差的编解码方法及装置,所述编码方法包括:获取原始点云数据;对原始点云数据进行坐标转换,得到坐标转换残差;建立点云的方位角信息与坐标转换残差之间的关系;根据点云的方位角信息与坐标转换残差之间的关系确定坐标转换残差的编码规则;按照编码规则对坐标转换残差进行编码,得到码流信息。本发明充分利用其他信息与坐标转换残差之间的关系为坐标转换残差的熵编码设计了更加准确有效的上下文模型,从而提高了点云的编码效率。
Description
技术领域
本发明属于点云编解码技术领域,具体涉及一种点云坐标转换残差的编解码方法及装置。
背景技术
随着硬件处理能力的提升和计算机视觉的飞速发展,三维点云数据在虚拟现实、增强现实、自动驾驶和环境建模等领域得到了广泛的应用。然而大规模点云通常具有较大的数据量,十分不利于点云数据的传输及存储,因此需要对大规模点云进行高效的编解码。
在现有的点云编解码技术中,为了提升点云的编码效率,常常需要将原始点云从一种坐标系下转换到另一种坐标系下,再逆转换回来得到新的坐标,由于精度损失,该坐标与原始点云坐标并不完全一致,它们之间的残差被称为坐标转换残差。例如,现有技术提供的基于预测树的点云编解码方法以及基于单链结构的点云编解码方法中,均需要将点云由原本的笛卡尔坐标转换为柱面坐标(包括深度信息、俯仰角信息和方位角信息),然后再将点云的柱面坐标逆转换回笛卡尔坐标,得到点云的坐标转换残差,最后对点云的坐标转换残差进行编码。
然而,上述两种方法在对点云的坐标转换残差进行编码时,均采用遍历法遍历三个残差分量并逐一进行熵编码,也即现有的坐标转换残差编码仅利用了坐标转换残差分量自身的信息建立熵编码上下文模型,并未考虑到其他信息与坐标转换残差间的关系,使得熵编码建立的上下文模型不够准确有效,从而导致编码效率不高。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种点云坐标转换残差的编解码方法及装置。本发明要解决的技术问题通过以下技术方案实现:
一种点云坐标转换残差的编码方法,包括:
获取原始点云数据;
对所述原始点云数据进行坐标转换,得到坐标转换残差;
建立点云的方位角信息与坐标转换残差之间的关系;
根据所述点云的方位角信息与所述坐标转换残差之间的关系确定坐标转换残差的编码规则;
按照所述编码规则对所述坐标转换残差进行编码,得到码流信息。
在本发明的一个实施例中,建立点云的方位角信息与坐标转换残差之间的关系包括:
建立点云的方位角信息与坐标转换残差之间的函数表达式如下:
其中,Δx、Δy表示点的坐标转换残差分量,r表示点的深度信息,表示点的方位角信息,Δr表示该点深度信息的精度损失,/>表示该点方位角信息的精度损失。
在本发明的一个实施例中,所述点云的方位角信息与坐标转换残差之间的函数表达式还可近似为:
其中,Δx、Δy表示点的坐标转换残差分量,表示点的方位角信息,Δr表示该点深度信息的精度损失。
在本发明的一个实施例中,建立点云的方位角信息与坐标转换残差之间的关系还包括:
根据所述点云的方位角信息与坐标转换残差之间的函数表达式或其近似表达式得到两者在方位角的角度值、或方位角的某一函数值、或方位角符号方面的具体表现形式。
在本发明的一个实施例中,根据所述点云的方位角信息与所述坐标转换残差之间的关系确定坐标转换残差的编码规则,包括:
根据所述点云的方位角信息与所述坐标转换残差之间的关系将所述方位角划分为若干区间;
针对每个方位角区间为坐标转换残差设定相应的编码规则。
在本发明的一个实施例中,针对每个方位角区间为坐标转换残差设定相应的编码规则,包括:
对每个方位角区间的坐标转换残差单独分配上下文模型并进行相应的初始化,以用于坐标转换残差的熵编码。
在本发明的一个实施例中,按照所述编码规则对所述坐标转换残差进行编码,包括:
获取当前点的方位角信息,并确定当前点所属的方位角区间;
对于当前点的不同坐标转换残差分量,根据所述方位角区间选择对应的上下文模型进行熵编码。
本发明的另一个实施例提供了一种点云坐标转换残差的编码装置,包括:
数据获取模块,用于获取原始点云数据;
坐标转换模块,用于对所述原始点云数据进行坐标转换,得到坐标转换残差;
计算模块,用于建立点云的方位角信息与坐标转换残差之间的关系;
规则确定模块,用于根据所述点云的方位角信息与所述坐标转换残差之间的关系确定坐标转换残差的编码规则;
编码模块,用于按照所述编码规则对所述坐标转换残差进行编码,得到码流信息。
本发明的又一个实施例还提供了一种点云坐标转换残差的解码方法,包括:
获取码流信息;
根据点云的方位角信息与坐标转换残差之间的关系确定坐标转换残差的解码规则;
根据所述解码规则对所述码流信息进行解码,得到重建的点云坐标转换残差。
本发明的再一个实施例还提供了一种点云坐标转换残差的解码装置,包括:
第二数据获取模块,用于获取码流信息;
第二规则确定模块,用于根据点云的方位角信息与坐标转换残差之间的关系确定坐标转换残差的解码规则;
解码模块,用于根据所述解码规则对所述码流信息进行解码,得到重建的点云坐标转换残差。
本发明的有益效果:
本发明通过建立点云方位角信息与坐标转换残差之间的关系,利用点云的方位角信息为坐标转换残差设定编码规则,相比于现有的仅利用坐标转换残差自身信息建立熵编码上下文模型的方法,本发明充分利用其他信息与坐标转换残差之间的关系为坐标转换残差的熵编码设计了更加准确有效的上下文模型,从而提高了点云的编码效率。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种点云坐标转换残差的编码方法流程示意图;
图2是本发明实施例提供的方位角与坐标转换残差分量Δx之间的关***计图;
图3是本发明实施例提供的方位角与坐标转换残差分量Δy之间的关***计图;
图4是本发明实施例提供的一种坐标转换残差熵编码流程图;
图5是本发明实施例提供的一种点云坐标转换残差的编码装置结构示意图;
图6是本发明实施例提供的一种点云坐标转换残差的解码方法流程示意图;
图7是本发明实施例提供的一种点云坐标转换残差的解码装置结构示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
实施例一
请参见图1,图1是本发明实施例提供的一种点云坐标转换残差的编码方法流程示意图,包括:
步骤1:获取原始点云数据。
具体的,原始点云数据通常由一组三维空间点组成,每个空间点都记录了自身的几何位置信息,以及颜色、反射率、法线等额外的属性信息。一般而言,点云的几何位置信息大都是基于笛卡尔坐标系进行表示的,即利用点的x,y,z坐标进行表示。原始点云数据可通过激光雷达扫描获取,激光雷达是由多束沿中心轴两侧分布的Laser(激光扫描器)组合排列构成,每一个Laser具有一个固定的俯仰角,并且可以看作一个相对独立的采集***。此外,原始点云数据也可通过各种平台提供的公共数据集获得。
在本实施例中,设获取到的原始点云数据的几何位置信息基于笛卡尔坐标系进行表示。需要说明的是,原始点云数据的几何位置信息的表示不限于笛卡尔坐标。
步骤2:对原始点云数据进行坐标转换,得到坐标转换残差。
在本实施例中,可采用笛卡尔坐标来表示原始点云数据的几何信息,那么为方便点云几何信息的预测编码,需要对点云进行坐标转换,可将点云的笛卡尔坐标转换为柱面坐标。
具体的,设点云的笛卡尔坐标为(x,y,z),利用如下的坐标转换公式得到对应的柱面坐标
其中,r表示点的深度信息,表示点的方位角信息,i表示该点所属的LaserID,zLaser(k)为激光雷达第k个Laser的垂直偏移,θ(k)为第k个Laser的垂直俯仰角,zLaser(k)和θ(k)均属于激光雷达的先验参数。
由于编码器精度受限,因此存储在编码器中的柱面坐标为丢失了一定精度的坐标利用如下公式可将该柱面坐标/>逆转换为笛卡尔坐标(x′,y′,z′):
z′=rq·tan(θ(i))-zLaser(i);
其中,rq表示在当前编码精度下深度信息r的近似值,表示在当前编码精度下方位角信息/>的近似值。
根据以上分析可知,丢失了一定精度的柱面坐标逆转换得到的笛卡尔坐标(x′,y′,z′)与点的原始笛卡尔坐标(x,y,z)并不一致,两者之间的残差即坐标转换残差(Δx,Δy,Δz),为:
Δx=x-x′;
Δy=y-y′;
Δz=z-z′;
进一步的,坐标转换残差可写为:
Δz=z-(rq·tan(θ(i))-zLaser(i));
从上述等式中可以看到坐标转换残差中的Δx、Δy分量与方位角的大小有着密切的关系。
步骤3:建立点云的方位角信息与坐标转换残差之间的关系。
首先,可以根据数学关系建立点云的方位角信息与坐标转换残差之间的函数表达式。
具体地,由于为点云的柱面坐标而/>为丢失了一定精度的柱面坐标,因此可令rq=r+Δr,/>其中Δr表示深度信息的精度损失,/>表示方位角信息的精度损失,两者均趋近于0。那么将rq=r+Δr以及/>代入坐标转换残差的计算公式,即可得到点云的方位角信息与坐标转换残差之间的函数表达式:
进一步的,由于则/>因此上述函数表达式可以近似为:
然后,根据点云的方位角信息与坐标转换残差之间的函数表达式或者近似后的函数表达式,可以推得方位角与坐标转换残差之间的关系的具体表现形式。
在本实施例中,可根据点云的方位角信息与坐标转换残差之间的函数表达式或其近似表达式得到两者在方位角的角度值、或方位角的某一函数值、或方位角符号方面的具体表现形式。
例如,通过方位角的角度值得到的方位角信息与坐标转换残差之间的关系具体表示如下:
当时,Δx→0;
当时,Δx→0;
当时,Δy→0;
当时,Δy→0。
请参见图2和图3,图2是本发明实施例提供的方位角与坐标转换残差分量Δx之间的关***计图,图3是本发明实施例提供的方位角/>与坐标转换残差分量Δy之间的关***计图。从图2和图3中可以看出,点云的方位角信息与坐标转换残差之间有着密切的关系,不同方位角对应的坐标转换残差分布不同,因此可以借助该关系来为坐标转换残差的熵编码设计上下文模型,进一步提高点云的编码效率。
步骤4:根据点云的方位角信息与坐标转换残差之间的关系确定坐标转换残差的编码规则。
目前,对于点云信息的编码通常采用熵编码方式,因而,需要设计相应的上下文模型以实现熵编码。在传统的坐标转换残差熵编码过程中,均利用坐标转换残差分量自身的信息建立上下文模型。
本实施例在建立了点云方位角信息与坐标转换残差之间的关系后,可以利用该关系对坐标转换残差的熵编码设计对应的上下文模型并进行相应的初始化。
首先,根据点云的方位角信息与所述坐标转换残差之间的关系将所述方位角划分为若干区间。
具体地,针对不同的坐标转换残差分量,可将方位角按照角度范围划分为多个区间,例如划分为2个区间;其中,对于坐标转换残差分量Δx,2个区间可分别表示为:
区间x1:或/>
区间x2:其余角度范围;
对于坐标转换残差分量Δy,2个区间可分别表示为:
区间y1:或/>或/>
区间y2:其余角度范围。
其中,T1和T2分别为区间x1和区间y1中设置的角度阈值,且均为正数,此处可取T1=20°,T2=20°。
在本发明的另一个实施例中,还可以将方位角按照某一函数值(例如或其他函数值)或者方位角符号划分为若干区间。
然后,针对每个方位角区间为坐标转换残差设定相应的编码规则。
具体地,由于同一方位角区间内对应的坐标转换残差分量的分布相近,因此对于每一方位角区间内的坐标转换残差分量可以单独分配一个上下文模型,并对每个方位角区间对应的上下文模型进行相应的初始化操作,例如,对于坐标转换残差分量Δx而言,可将区间x1对应的上下文模型中0符号的概率初始化为0.9,1符号的概率初始化为0.1,且可将区间x2对应的上下文模型中0符号和1符号的概率均初始化为0.5。
步骤5:按照编码规则对坐标转换残差进行编码,得到码流信息。
首先,获取当前点的方位角信息,并确定当前点所属的方位角区间。
具体地,点(x,y,z)的方位角可以通过如下公式计算得到:
在得到当前点的方位角后,对于不同的坐标转换残差分量,便可以根据/>的大小确定其所属的方位角区间。例如,若当前点的方位角/>则对于当前点的坐标转换残差分量Δx,该点的方位角属于区间x1,而对于坐标转换残差分量Δy,该点的方位角属于区间y2。
然后,对于当前点的不同坐标转换残差分量,根据方位角区间选择对应的上下文模型进行熵编码。
由于在本实施例中,方位角信息与坐标转换残差中的Δx分量和Δy分量相关,因此,本实施例对这两个分量,根据其所属的方位角区间分别选择对应的上下文模型来进行熵编码,而对于Δz分量,可以采用常规的熵编码方法进行编码。
具体的,请参见图4,图4是本发明实施例提供的一种坐标转换残差熵编码流程图。图4表示,对于不同的坐标转换残差分量,分别选择对应的上下文模型进行熵编码。在进行熵编码时,首先编码当前残差分量是否等于零,如果等于0则继续下一个残差分量的编码,否则,编码该残差分量的符号位,并编码该残差分量的绝对值是否等于1,如果等于1则继续下一个残差分量的编码,否则,采用指数哥伦布编码该残差分量的绝对值大于等于2的部分。
本发明通过建立点云方位角信息与坐标转换残差之间的关系,利用点云的方位角信息为坐标转换残差设定编码规则,相比于现有的仅利用坐标转换残差自身信息建立熵编码上下文模型的方法,本发明充分利用其他信息与坐标转换残差之间的关系为坐标转换残差的熵编码设计了更加准确有效的上下文模型,从而提高了点云的编码效率。
实施例二
在上述实施例一的基础上,本实施例提供了点云坐标转换残差的编码装置,请参见图5,图5是本发明实施例提供的一种点云坐标转换残差的编码装置结构示意图,包括:
第一数据获取模块11,用于获取原始点云数据;
坐标转换模块12,用于对原始点云数据进行坐标转换,得到坐标转换残差;
计算模块13,用于建立点云的方位角信息与坐标转换残差之间的关系;
第一规则制定模块14,用于根据点云的方位角信息与坐标转换残差之间的关系确定坐标转换残差的编码规则;
编码模块15,用于按照编码规则对坐标转换残差进行编码,得到码流信息。
本实施例提供的装置可以实现上述实施例一提供的方法,详细过程在此不再赘述。
实施例三
请参见图6,图6是本发明实施例提供的一种点云坐标转换残差的解码方法流程示意图,包括:
步骤一:获取码流信息。
步骤二:根据点云的方位角信息与坐标转换残差之间的关系确定坐标转换残差的解码规则。
具体地,同编码端,可根据点云的方位角信息与坐标转换残差之间的关系将方位角划分为若干区间,并针对坐标转换残差的不同分量为每个区间设定相应的解码规则。
需要说明的是,此处的解码规则与编码端相同区间的编码规则相对应。例如,编码端为每个不同区间分配了独立的熵编码上下文模型并进行了初始化,则解码端同样为相应的区间分配对应的熵解码上下文模型,并进行相同的初始化处理。
步骤三:根据解码规则对码流信息进行解码,得到重建的点云坐标转换残差。
具体地,对于待解码点的不同坐标转换残差分量,可根据重建的点云方位角信息确定待解码点所属的方位角区间;并选取对应的解码规则进行解码,得到重建的坐标转换残差。
实施例四
在上述实施例三的基础上,本实施例提供了一种点云坐标转换残差的解码装置,请参见图7,图7是本发明实施例提供的一种点云坐标转换残差的解码装置结构示意图,其包括:
第二数据获取模块21,用于获取码流信息;
第二规则确定模块22,用于根据点云的方位角信息与坐标转换残差之间的关系确定坐标转换残差的解码规则;
解码模块23,用于根据解码规则对码流信息进行解码,得到重建的点云坐标转换残差。
本实施例提供的装置可以实现上述实施例三提供的解码方法,详细过程在此不再赘述。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (7)
1.一种点云坐标转换残差的编码方法,其特征在于,包括:
获取原始点云数据;
对所述原始点云数据进行坐标转换,得到坐标转换残差;
建立点云的方位角信息与坐标转换残差之间的关系;
根据所述点云的方位角信息与所述坐标转换残差之间的关系将所述方位角划分为若干区间;
对每个方位角区间的坐标转换残差单独分配上下文模型并进行相应的初始化,以用于坐标转换残差的熵编码;
获取当前点的方位角信息,并确定当前点所属的方位角区间;
对于当前点的不同坐标转换残差分量,根据所述方位角区间选择对应的上下文模型进行熵编码。
2.根据权利要求1所述的点云坐标转换残差的编码方法,其特征在于,建立点云的方位角信息与坐标转换残差之间的关系,包括:
建立点云的方位角信息与坐标转换残差之间的函数表达式如下:
其中,Δx、Δy表示点的坐标转换残差分量,r表示点的深度信息,表示点的方位角信息,Δr表示该点深度信息的精度损失,/>表示该点方位角信息的精度损失。
3.根据权利要求2所述的点云坐标转换残差的编码方法,其特征在于,所述点云的方位角信息与坐标转换残差之间的函数表达式还可近似为:
其中,Δx、Δy表示点的坐标转换残差分量,表示点的方位角信息,Δr表示该点深度信息的精度损失。
4.根据权利要求3所述的点云坐标转换残差的编码方法,其特征在于,建立点云的方位角信息与坐标转换残差之间的关系还包括:
根据所述点云的方位角信息与坐标转换残差之间的函数表达式或其近似表达式得到两者在方位角的角度值、或方位角的某一函数值、或方位角符号方面的具体表现形式。
5.一种点云坐标转换残差的编码装置,其特征在于,包括:
第一数据获取模块(11),用于获取原始点云数据;
坐标转换模块(12),用于对所述原始点云数据进行坐标转换,得到坐标转换残差;
计算模块(13),用于建立点云的方位角信息与坐标转换残差之间的关系;
第一规则确定模块(14),用于根据所述点云的方位角信息与所述坐标转换残差之间的关系将所述方位角划分为若干区间;对每个方位角区间的坐标转换残差单独分配上下文模型并进行相应的初始化,以用于坐标转换残差的熵编码;
编码模块(15),用于获取当前点的方位角信息,并确定当前点所属的方位角区间;对于当前点的不同坐标转换残差分量,根据所述方位角区间选择对应的上下文模型进行熵编码。
6.一种点云坐标转换残差的解码方法,其特征在于,包括:
获取码流信息;
根据点云的方位角信息与坐标转换残差之间的关系将所述方位角划分为若干区间;
对每个方位角区间的坐标转换残差单独分配上下文模型并进行相应的初始化,以用于坐标转换残差的熵解码;
获取当前点的方位角信息,并确定当前点所属的方位角区间;
对于当前点的不同坐标转换残差分量,根据所述方位角区间选择对应的上下文模型进行熵解码。
7.一种点云坐标转换残差的解码装置,其特征在于,包括:
第二数据获取模块(21),用于获取码流信息;
第二规则确定模块(22),用于根据点云的方位角信息与坐标转换残差之间的关系将所述方位角划分为若干区间;对每个方位角区间的坐标转换残差单独分配上下文模型并进行相应的初始化,以用于坐标转换残差的熵解码;
解码模块(23),用于获取当前点的方位角信息,并确定当前点所属的方位角区间;对于当前点的不同坐标转换残差分量,根据所述方位角区间选择对应的上下文模型进行熵解码。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110580212.1A CN115412716B (zh) | 2021-05-26 | 2021-05-26 | 一种点云坐标转换残差的编解码方法及装置 |
EP22810442.8A EP4236309A4 (en) | 2021-05-26 | 2022-05-18 | CODING AND DECODING METHOD FOR RESIDUAL ERRORS OF A POINT CLOUD COORDINATE TRANSFORMATION AND APPARATUS |
PCT/CN2022/093677 WO2022247715A1 (zh) | 2021-05-26 | 2022-05-18 | 一种点云坐标转换残差的编解码方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110580212.1A CN115412716B (zh) | 2021-05-26 | 2021-05-26 | 一种点云坐标转换残差的编解码方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115412716A CN115412716A (zh) | 2022-11-29 |
CN115412716B true CN115412716B (zh) | 2024-06-04 |
Family
ID=84155751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110580212.1A Active CN115412716B (zh) | 2021-05-26 | 2021-05-26 | 一种点云坐标转换残差的编解码方法及装置 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4236309A4 (zh) |
CN (1) | CN115412716B (zh) |
WO (1) | WO2022247715A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024149258A1 (en) * | 2023-01-09 | 2024-07-18 | Douyin Vision Co., Ltd. | Method, apparatus, and medium for point cloud coding |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876926A (zh) * | 2017-05-11 | 2018-11-23 | 京东方科技集团股份有限公司 | 一种全景场景中的导航方法及***、ar/vr客户端设备 |
CN111145090A (zh) * | 2019-11-29 | 2020-05-12 | 鹏城实验室 | 一种点云属性编码方法、解码方法、编码设备及解码设备 |
CN111699683A (zh) * | 2019-06-13 | 2020-09-22 | 深圳市大疆创新科技有限公司 | 一种点云编码方法、点云解码方法及相关设备 |
WO2021022621A1 (zh) * | 2019-08-05 | 2021-02-11 | 北京大学深圳研究生院 | 一种基于邻居的权重优化的点云帧内预测方法及设备 |
CN112385236A (zh) * | 2020-06-24 | 2021-02-19 | 北京小米移动软件有限公司 | 点云的编码和解码方法 |
CN112565734A (zh) * | 2020-12-03 | 2021-03-26 | 西安电子科技大学 | 基于混合编码的点云属性编解码方法及装置 |
WO2021084292A1 (en) * | 2019-10-31 | 2021-05-06 | Blackberry Limited | Method and system for azimuthal angular prior and tree representation for cloud compression |
WO2021084295A1 (en) * | 2019-10-31 | 2021-05-06 | Blackberry Limited | Angular priors for improved prediction in tree-based point cloud coding |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10909726B2 (en) * | 2018-04-10 | 2021-02-02 | Apple Inc. | Point cloud compression |
CN108632607B (zh) * | 2018-05-09 | 2019-06-21 | 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 |
EP4002277A4 (en) * | 2019-08-14 | 2023-02-22 | LG Electronics Inc. | POINT CLOUD DATA TRANSMITTING DEVICE, POINT CLOUD DATA TRANSMITTING METHOD, POINT CLOUD DATA RECEIVING DEVICE AND POINT CLOUD DATA RECEIVING METHOD |
-
2021
- 2021-05-26 CN CN202110580212.1A patent/CN115412716B/zh active Active
-
2022
- 2022-05-18 EP EP22810442.8A patent/EP4236309A4/en active Pending
- 2022-05-18 WO PCT/CN2022/093677 patent/WO2022247715A1/zh unknown
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876926A (zh) * | 2017-05-11 | 2018-11-23 | 京东方科技集团股份有限公司 | 一种全景场景中的导航方法及***、ar/vr客户端设备 |
CN111699683A (zh) * | 2019-06-13 | 2020-09-22 | 深圳市大疆创新科技有限公司 | 一种点云编码方法、点云解码方法及相关设备 |
WO2020248187A1 (zh) * | 2019-06-13 | 2020-12-17 | 深圳市大疆创新科技有限公司 | 一种点云编码方法、点云解码方法及相关设备 |
WO2021022621A1 (zh) * | 2019-08-05 | 2021-02-11 | 北京大学深圳研究生院 | 一种基于邻居的权重优化的点云帧内预测方法及设备 |
WO2021084292A1 (en) * | 2019-10-31 | 2021-05-06 | Blackberry Limited | Method and system for azimuthal angular prior and tree representation for cloud compression |
WO2021084295A1 (en) * | 2019-10-31 | 2021-05-06 | Blackberry Limited | Angular priors for improved prediction in tree-based point cloud coding |
CN111145090A (zh) * | 2019-11-29 | 2020-05-12 | 鹏城实验室 | 一种点云属性编码方法、解码方法、编码设备及解码设备 |
CN112385236A (zh) * | 2020-06-24 | 2021-02-19 | 北京小米移动软件有限公司 | 点云的编码和解码方法 |
CN112565734A (zh) * | 2020-12-03 | 2021-03-26 | 西安电子科技大学 | 基于混合编码的点云属性编解码方法及装置 |
Non-Patent Citations (1)
Title |
---|
A Novel Coding Architecture for LiDAR Point Cloud Sequence;SUN Xuebin et al.;IEEE Robotics and Automation Letters;第5卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
WO2022247715A1 (zh) | 2022-12-01 |
EP4236309A4 (en) | 2024-03-27 |
EP4236309A1 (en) | 2023-08-30 |
CN115412716A (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN113706686B (zh) | 一种三维点云重建结果补全方法及相关组件 | |
CN114616592A (zh) | 用于云压缩的方位角先验和树表示的方法和*** | |
CN115412716B (zh) | 一种点云坐标转换残差的编解码方法及装置 | |
CN111684808A (zh) | 点云数据的编码方法、编码装置、解码方法与解码装置 | |
CN113096198A (zh) | 一种双向点云属性预测压缩方法,装置,设备及介质 | |
EP4184917A1 (en) | Method and device for encoding and decoding point cloud on the basis of two-dimensional regularization planar projection | |
CN116325733A (zh) | 几何点云压缩中的角模式和树内量化 | |
CN115412717B (zh) | 一种点云方位角信息的预测编解码方法及装置 | |
CN112995758B (zh) | 点云数据的编码方法、解码方法、存储介质及设备 | |
CN116843774A (zh) | 点云数据压缩方法、装置、设备及存储介质 | |
US20240013444A1 (en) | Point cloud encoding/decoding method and apparatus based on two-dimensional regularized plane projection | |
CN113096199B (zh) | 一种基于莫顿码的点云属性预测方法、装置和介质 | |
CN114915790B (zh) | 面向大规模点云的二维规则化平面投影及编解码方法 | |
CN115412715B (zh) | 一种点云属性信息的预测编解码方法及装置 | |
US20240080497A1 (en) | Point cloud encoding and decoding method and device based on two-dimensional regularization plane projection | |
WO2024149258A1 (en) | Method, apparatus, and medium for point cloud coding | |
WO2024149309A1 (en) | Method, apparatus, and medium for point cloud coding | |
CN115412721B (zh) | 一种点云二维规则化平面投影方法及装置 | |
WO2024074123A1 (en) | Method, apparatus, and medium for point cloud coding | |
WO2024008019A1 (en) | Method, apparatus, and medium for point cloud coding | |
WO2024012381A1 (en) | Method, apparatus, and medium for point cloud coding | |
CN114915796B (zh) | 基于二维规则化平面投影的点云编解码方法及装置 | |
WO2024074122A1 (en) | Method, apparatus, and medium for point cloud coding | |
WO2024149203A1 (en) | Method, apparatus, and medium for point cloud coding |
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 |