CN109979008A - 一种基于属性的点云条带划分方法 - Google Patents

Abstract

本发明公布了一种基于属性的点云条带划分方法。该方法首先对点云进行一定深度的空间划分，得到多个局部点云；然后对各个局部点云内的属性值进行排序，在此基础上进行进一步的点云条带划分，以得到几何开销低、点数均匀的点云条带；本发明通过综合利用点云的空间位置和属性信息，在条带划分中尽可能地令属性相近、空间位置相关的点聚集在一个条带内，便于充分利用相邻点之间属性信息的冗余，改善点云属性压缩的性能；同时，各条带之间独立编码，支持随机访问，提高编码效率，并防止编码错误的累积和扩散，增强系统的容错性。

Description

一种基于属性的点云条带划分方法

技术领域

本发明属于点云数据处理技术领域，涉及点云数据分割和压缩方法，尤其涉及一种基于属性的点云条带划分方法。

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地理信息系统、城市数字化地图的构建和自由视点广播等，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，大型点云内的点数甚至高达千万，其中每个点包含几何信息和颜色、纹理等属性信息，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，所以为了支持点云的并行处理，并提升系统容错性，将点云划分成一系列可独立处理的点云条带十分必要。

目前点云条带的划分技术的研究并不常见，仍处于探索阶段。而传统视频编码中条带的划分，主要分为两种：

1)对视频图像的均匀条带划分：对单帧图像进行均匀划分，得到的条带几何尺寸相同。

2)对视频图像的不均匀条带划分：对单帧图像进行非均匀划分，得到的条带几何尺寸不相同。

发明内容

为了缓解点云传输和存储的压力，在考虑计算编码性能和复杂度的条件下，本发明提供一种基于属性的点云条带划分方法。

本发明提供的技术方案是，首先对点云进行一定深度的空间划分，得到多个局部点云；然后对各个局部点云内的属性值进行排序，在此基础上进行进一步的点云条带划分，以得到几何开销低、点数均匀的点云条带。本发明通过综合利用点云的空间位置和属性信息，在条带划分中尽可能地令属性相近、空间位置相关的点聚集在一个条带内，便于充分利用相邻点之间属性信息的冗余，改善点云属性压缩的性能；同时，各条带之间独立编码，支持随机访问，提高编码效率，并防止编码错误的累积和扩散，增强系统的容错性。

本发明主要包括如下步骤：

1)点云初步划分获得局部点云：

读入待处理的点云，首先对点云的几何空间进行初步的划分，然后通过排序得到一组有先后顺序的局部点云；

2)基于属性排序的条带划分：

遍历所有的局部点云，在各个局部点云内对属性值进行排序。以两种常用的属性类型颜色和反射率为例，但不限于这两种属性：

若点云的属性类型是颜色值，对颜色分量值进行升序排序，再根据条带个数的设置对当前局部点云进行点数均匀的划分；若点云的属性类型是分辨率，对分辨率值进行升序排序，再根据条带个数的设置对当前局部点云进行点数均匀的划分；若点云中同时含有颜色和分辨率两种属性，则以颜色亮度分量值作为代表进行升序排序；

经过以上步骤，可以得到点数均匀的、属性接近的点云条带。

上述步骤1)中采用二叉树对点云空间进行初步划分：设待处理的点云共有N个点，二叉树设定的划分深度为d，经过对点云d次划分后，得到2^d个局部点云；然后对所有的局部点云，按照广度遍历的顺序进行编号

上述步骤1)中点云二叉树划分方法的细节是，根据几何信息对点云进行空间划分，每次选择点云位置坐标中分布方差最大的坐标轴作为划分轴，选取坐标大小是中位值的点作为划分点，迭代划分直至达到设定的二叉树深度，划分后得到点数几乎相等的局部点云。

上述步骤2)中对颜色的亮度分量进行升序，但不限于亮度分量。假设局部点云b(i)中颜色值为R(n)、G(n)、B(n)，亮度分量的计算公式如下：

Y(n)＝round(0.2126*R(n)+0.7152*G(n)+0.0722*B(n)) (式1)。

上述步骤2)中对局部点云进行再划分的细节：假设给定当前点云条带划分数为Num，经过步骤1)可以得到2^d个局部点云，为保证每个局部点云内点数均匀，则每个局部点云进行再划分的条带数num为：

num-ceil(Num/2^d) (式2)。

本发明提供一种基于属性的点云条带划分方法，具有以下技术优势：

(一)综合利用点云的空间位置和属性信息，将一帧点云划分成多个条带结构，尽可能地令属性相近、空间位置相关的点聚集在一个条带内，便于充分利用相邻点之间属性信息的冗余，改善点云属性压缩的性能。

(二)各条带之间独立编码，支持随机访问，提高编码效率，并防止编码错误的累积和扩散，增强系统的容错性。

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。

附图说明

图1是本发明方法的流程框图。

图2a和b是点云条带划分的示例图，其中：

图2a完整点云longdress_vox10_1300.ply；

图2b该点云基于属性排序划分成16个点云条带。

图3a和b是点云条带划分的示例图，其中：

图3(a)完整点云Ford_01_vox1mm-0100.ply；

图3(b)该点云基于属性排序划分成4个点云条带。

图4是自适应条带划分前后测试集的压缩性能变化图表。

具体实施方式

本发明针对点云数据，提出一种新的基于属性的点云条带划分方法，综合利用点云的空间位置和颜色信息，将一帧点云划分成多个属性接近的条带，各条带可独立编解码，提高点云属性的压缩性能。

实例一：

以下针对MPEG点云压缩工作组中的官方点云数据集longdress_vox10_1300.ply，采用本发明方法进行点云条带划分，图1是本发明方法的流程框图，如图1所示，具体实施步骤为：

(1)点云初步划分获得局部点云：

在点云longdress_vox10_1300.ply中，共有857966个点，KD树划分深度d设为2，经过划分后共有2^d＝4个局部点云，4个局部点云d(1),d(2),d(3)和d(4)的点数分别为214492,214492,214491和214491。

(2)基于属性排序的条带划分：

在点云longdress_vox10_1300.ply中，属性类型为颜色。该帧点云的条带数设为16，局部点云有4个，所以每个局部点云会被再划分为4个条带。

在再划分之前，对各个局部点云内所有点按照颜色色度分量值进行升序排序。然后以点数均匀的原则，将每个局部点云再划分为4个条带。

图2是点云条带划分的示例图，其中：图2(a)完整点云longdress_vox10_1300.ply；图2(b)该点云基于属性排序划分成16个点云条带。在这16个条带中，横向排列的4个为一组，在空间上的包围盒相同，组成一个局部点云；纵向排列的4个为一列，在空间上的包围盒等于原点云的包围盒。通过空间几何划分和局部属性排序再划分的方式，可以有效地控制包围盒的几何开销，同时增强局部属性相关性。循环所有局部点云，如图2所示，点云longdress_vox10_1300.ply被划分为16个条带，其中第12个和第16个点数为53622，其他14个条带点数均为53623。

实例二：

以下针对MPEG点云压缩工作组中的官方点云数据集Ford_01_vox1mm-0100.ply，采用本发明方法进行点云条带划分，具体实施步骤为：

(1)点云初步划分获得局部点云：

在点云Ford_01_vox1mm-0100.ply中，共有80265个点，KD树划分深度d设为1，经过划分后共有2^d＝2个局部点云，2个局部点云d(1)和d(2)的点数分别为40133和40132。

(2)基于属性排序的条带划分：

在点云Ford_01_vox1mm-0100.ply中，属性类型为分辨率。该帧点云的条带数设为4，局部点云有2个，所以每个局部点云会被再划分为2个条带。

在再划分之前，对各个局部点云内所有点按照分辨率属性值进行升序排序。然后以点数均匀的原则，将每个局部点云再划分，最终得到的4个条带的点数分别为20067，20066，20066和20066。

图3是点云条带划分的示例图，其中：图3(a)完整点云Ford_01_vox1mm-0100.ply；图3(b)该点云基于属性排序划分成4个点云条带。在这4个条带中，横向排列的2个为一组，在空间上的包围盒相同，组成一个局部点云；纵向排列的2个为一列，在空间上的包围盒等于原点云的包围盒。通过空间几何划分和局部属性排序再划分的方式，可以有效地控制包围盒的几何开销，同时增强局部属性相关性。

该发明提出的自适应条带划分方法，不仅为当前点云压缩的方法提供了并行处理的解决方法，同时对一些数据集的压缩性能也有改善。在遵照MPEG的官方实验要求下，在几何无损压缩、属性近无损压缩的条件下，以第一类数据集Cat1-A、第二类数据集Cat3-fused和第三类数据集Cat3-frame为测试集，测试自适应条带划分前后测试集的压缩性能变化。图4是自适应条带划分前后测试集的压缩性能变化图表，如图4所示，可以看出在第一类数据集和第二类数据集上获得了一定的性能增益，其中在第二类数据集Cat3-fused上性能最大能达到18.1％。

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 (5)

1.一种基于属性的点云条带划分方法，该方法首先对点云进行一定深度的空间划分，得到多个局部点云；然后对各个局部点云内的属性值进行排序，在此基础上进行进一步的点云条带划分，以得到几何开销低、点数均匀的点云条带；包括如下步骤：

1)点云初步划分获得局部点云：

读入待处理的点云，首先对点云的几何空间进行初步的划分，然后通过排序得到一组有先后顺序的局部点云；

2)基于属性排序的条带划分：

遍历所有的局部点云，在各个局部点云内对属性值进行排序。以两种常用的属性类型颜色和反射率为例，但不限于这两种属性：

若点云的属性类型是颜色值，对颜色分量值进行升序排序，再根据条带个数的设置对当前局部点云进行点数均匀的划分；若点云的属性类型是分辨率，对分辨率值进行升序排序，再根据条带个数的设置对当前局部点云进行点数均匀的划分；若点云中同时含有颜色和分辨率两种属性，则以颜色亮度分量值作为代表进行升序排序；

经过以上步骤，可以得到点数均匀的、属性接近的点云条带。

2.如权利要求1所述的基于属性的点云条带划分方法，其特征是，步骤1)中采用二叉树对点云空间进行初步划分：设待处理的点云共有N个点，二叉树设定的划分深度为d，经过对点云d次划分后，得到2^d个局部点云；然后对所有的局部点云，按照广度遍历的顺序进行编号

3.如权利要求1所述的基于属性的点云属性压缩方法，其特征是，步骤1)中点云二叉树划分方法的细节：根据几何信息对点云进行空间划分，每次选择点云位置坐标中分布方差最大的坐标轴作为划分轴，选取坐标大小是中位值的点作为划分点，迭代划分直至达到设定的二叉树深度，划分后得到点数几乎相等的局部点云。

4.如权利要求1所述的基于属性的点云属性压缩方法，其特征是，步骤2)中对颜色的亮度分量进行升序，但不限于亮度分量；假设局部点云b(i)中颜色值为R(n)、G(n)、B(n)，则亮度分量的计算公式如下：

Y(n)＝round(0.2126*R(n)+0.7152*G(n)+0.0722*B(n)) (式1)。

5.如权利要求1所述的基于属性的点云属性压缩方法，其特征是，步骤2)中对局部点云进行再划分的细节：假设给定当前点云条带划分数为Num，经过步骤1)可以得到2^d个局部点云，为保证每个局部点云内点数均匀，则每个局部点云进行再划分的条带数num为：

num＝ceil(Num/2^d) (式2)。