CN111405284B - 一种基于点云密度的属性预测方法及设备 - Google Patents

一种基于点云密度的属性预测方法及设备 Download PDF

Info

Publication number
CN111405284B
CN111405284B CN202010239218.8A CN202010239218A CN111405284B CN 111405284 B CN111405284 B CN 111405284B CN 202010239218 A CN202010239218 A CN 202010239218A CN 111405284 B CN111405284 B CN 111405284B
Authority
CN
China
Prior art keywords
point
attribute
point cloud
coded
determining
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
CN202010239218.8A
Other languages
English (en)
Other versions
CN111405284A (zh
Inventor
李革
魏红莲
王静
邵薏婷
高文
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 CN202010239218.8A priority Critical patent/CN111405284B/zh
Publication of CN111405284A publication Critical patent/CN111405284A/zh
Application granted granted Critical
Publication of CN111405284B publication Critical patent/CN111405284B/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
    • H04N19/102—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
    • H04N19/103—Selection of coding mode or of prediction mode
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于点云密度的属性预测方法及设备。该方法包括：确定点云在三维空间XYZ方向上的分布密度；按照所述点云在三维空间XYZ方向上的分布密度从大到小的顺序确定属性预测顺序；确定当前待编码点共面共线的6个邻近点；根据所述属性预测顺序和所述当前待编码点共面共线的6个邻近点确定所述当前待编码点的属性预测值。由此，能够更好的利用点云序列在不同方向上的分布密度对当前点进行属性预测，提高了属性帧内预测的准确性，提升点云编码性能。

Description

一种基于点云密度的属性预测方法及设备
技术领域
本发明涉及点云处理领域，尤其涉一种基于点云密度分布的点云属性预测方法及设备。
背景技术
点云是空间中一组无规则分布的、表达三维物体或场景的空间结构及表面属性的离散点集。点云中的每个点至少具有三维位置信息，根据应用场景的不同，还可能具有色彩、材质或其他信息。通常，点云中的每个点都具有相同数量的附加属性。
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，目前由中国AVS(Audio Video codingStandard)点云压缩工作组所提供的测试平台PCEM v0.2中描述的点云属性压缩方法主要采用基于莫顿顺序的点云预测方法，即将当前点云按照点云的位置信息进行莫顿排序，选取当前点莫顿顺序的前一个点的属性值作为当前点的属性预测值，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。
但是，以上技术简单地将莫顿顺序的前一个点确定为预测点，但该点很有可能并不是当前点编码点的最近邻居，因此将其属性值作为预测值并不能取得很好的预测效果。基于以上分析，我们提出了一种基于点云密度的预测方向选取技术，能够在候选预测参考点中，根据点云在三维空间XYZ轴上的分布密度，确定更加合适的参考方向，选择更为接近当前待编码点的预测参考点。
属性预测是点云属性编码/解码中的一个模块，预测模块确定当前待编码点的属性预测值。在编码设备中，首先通过属性预测模块确定当前待编码点的属性预测值，然后将当前待编码点的属性值与属性预测值之间的差值作为残差编入码流；在解码设备中，首先通过属性预测模块确定当前待编码点的属性预测值，然后对于点云码流解码获得当前待编码点的预测残差值，两者相加确定当前待编码点的解码属性值。
发明内容
本发明的目的在于提供一种基于点云密度的属性预测方法，提升了点云属性的编解码性能。
本发明的另一目的在于提供一种基于点云密度的属性预测设备。
本发明的技术目的是按如下技术方案来实施的。
根据本发明的一个方面，提供了一种点云属性预测方法，包括：一种基于点云密度的属性预测的方法，其特征在于，包括如下步骤：
步骤一：确定点云在三维空间XYZ方向上的分布密度；
步骤二：按照所述点云在三维空间XYZ方向上的分布密度从大到小的顺序确定属性预测顺序；
步骤三：确定当前待编码点共面共线的6个邻近点；
步骤四：根据所述属性预测顺序和所述当前待编码点共面共线的6个邻近点确定所述当前待编码点的属性预测值。
进一步，所述的步骤一：确定点云在三维空间XYZ方向上的分布密度，是根据包围盒大小确定点云在三维空间XYZ方向上的分布密度。
进一步，所述的步骤一：确定点云在三维空间XYZ方向上的分布密度，是根据方差计算确定点云在三维空间XYZ方向上的分布密度。
进一步，所述的步骤三：确定当前待编码点共面共线的6个邻近点，包括：
将当前待编码点作为莫顿顺序偏移量为7的点，则莫顿顺序偏移量为3、5、6的点则为当前待编码点的3个共面邻近点，莫顿顺序偏移量为1、2、4的点则为当前待编码点的3个共线邻近点。
进一步，所述的步骤四：根据所述属性预测顺序和所述当前待编码点共面共线的6个邻近点确定当前待编码点的属性预测值，包括：
首先按点云在三维空间XYZ方向上的分布密度从大到小的顺序查找相应方向上的共面邻近点是否存在，若共面三点都不存在则按照相同的顺序查找相应方向上的共线邻近点是否存在；若共线三点都不存在则将莫顿顺序前一个点确定为当前待编码点的属性预测值。
根据本发明的再又另一方面，提供了一种点云属性预测设备，包括处理器、存储器及通信总线；存储器上存储有可被处理器执行的计算机可读程序；通信总线实现处理器和存储器之间的连接通信；处理器执行计算机可读程序时实现如权利要求如上述一种点云属性预测方法的步骤。
与现有技术相比，本发明的有益效果是：
本发明的基于点云密度的属性预测方法及设备，通过分析点云在不同方向上的分布密度，在离散度最小的方向上的参考点存在的前提下，将该方向作为帧内预测的参考方向，因此能够选择到更为准确的帧内预测参考点，提高属性帧内预测的准确性，提升编码性能。
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。
附图说明
图1是根据本发明实施例的点云编码方法的示意性流程图；
图2是根据本发明实施例的与当前待编码点共面的3个邻近点的示意图；
图3是根据本发明实施例的与当前待编码点共线的3个邻近点的示意图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了提高属性帧内预测的准确性，更好的利用点云序列在不同方向上的分布密度对当前点进行属性预测，本发明提出了一种基于点云密度的属性预测方法及设备，提高了点云属性的压缩性能。
本发明的点云属性预测方法的过程框图如图1所示，包括：
S1100，确定点云在三维空间XYZ方向上的分布密度；
S1200，按照所述点云在三维空间XYZ方向上的分布密度从大到小的顺序确定属性预测顺序；
S1300，确定当前待编码点共面共线的6个邻近点；
S1400，根据所述属性预测顺序和所述当前待编码点共面共线的6个邻近点确定所述当前待编码点的属性预测值。
在S1100中，使用方法一、或方法二确定点云在三维空间XYZ方向上的分布密度。其中，
方法一：根据包围盒大小确定点云在三维空间XYZ方向上的分布密度；
包围盒在X、Y、Z方向上的尺寸分别为点云在X、Y、Z方向上的距离范围。假设点云中的点在X、Y、Z方向上的最小值和最大值分别为(xmin，ymin，zmin)和(xmax，ymax，zmax)，则包围盒在X、Y、Z方向上的尺寸分别为(xmax-xmin)，(ymax-ymin)，(zmax-zmin)，记作BBx，BBy，BBz。比较包围盒在X、Y、Z方向上的尺寸：
若BBx＜BBy＜BBz，则点云在三维空间XYZ方向上的分布密度从大到小为X＞Y＞Z；
若BBx＜BBz＜BBy，则点云在三维空间XYZ方向上的分布密度从大到小为X＞Z＞Y；
若BBy＜BBx＜BBz，则点云在三维空间XYZ方向上的分布密度从大到小为Y＞X＞Z；
若BBy＜BBz＜BBx，则点云在三维空间XYZ方向上的分布密度从大到小为Y＞Z＞X；
若BBz＜BBx＜BBy，则点云在三维空间XYZ方向上的分布密度从大到小为Z＞X＞Y；
若BBz＜BBy＜BBx，则点云在三维空间XYZ方向上的分布密度从大到小为Z＞Y＞X；
方法二：根据方差计算确定点云在三维空间XYZ方向上的分布密度；
假设点云中点的坐标为（xi，yi，zi)i∈N，其中N为点云的点数，计算点云中的点在X、Y、Z方向上的坐标平均值：
Figure BDA0002431998490000041
Figure BDA0002431998490000042
Figure BDA0002431998490000043
则点云中的点在X、Y、Z方向上的方差为：
Figure BDA0002431998490000044
Figure BDA0002431998490000045
Figure BDA0002431998490000046
比较点云几何坐标在X、Y、Z方向上的方差：
若
Figure BDA0002431998490000051
则点云在三维空间XYZ方向上的分布密度从大到小为X＞Y＞Z；
若
Figure BDA0002431998490000052
则点云在三维空间XYZ方向上的分布密度从大到小为X＞Z＞Y；
若
Figure BDA0002431998490000053
则点云在三维空间XYZ方向上的分布密度从大到小为Y＞X＞Z；
若
Figure BDA0002431998490000054
则点云在三维空间XYZ方向上的分布密度从大到小为Y＞Z＞X；
若
Figure BDA0002431998490000055
则点云在三维空间XYZ方向上的分布密度从大到小为Z＞X＞Y；
若
Figure BDA0002431998490000056
则点云在三维空间XYZ方向上的分布密度从大到小为Z＞Y＞X；
在S1200中，按照所述点云在三维空间XYZ方向上的分布密度从大到小的顺序确定属性预测顺序。包括：
若点云在三维空间XYZ方向上的分布密度从大到小为X＞Y＞Z，则属性预测顺序为X轴方向上的共面邻近点、Y轴方向上的共面邻近点、Z轴方向上的共面邻近点、X轴方向上的共线邻近点、Y轴方向上的共线邻近点、Z轴方向上的共线邻近点、莫顿码前一位邻近点；
若点云在三维空间XYZ方向上的分布密度从大到小为X＞Z＞Y，则属性预测顺序为X轴方向上的共面邻近点、Z轴方向上的共面邻近点、Y轴方向上的共面邻近点、X轴方向上的共线邻近点、Z轴方向上的共线邻近点、Y轴方向上的共线邻近点、莫顿码前一位邻近点；
若点云在三维空间XYZ方向上的分布密度从大到小为Y＞X＞Z，则属性预测顺序为Y轴方向上的共面邻近点、X轴方向上的共面邻近点、Z轴方向上的共面邻近点、Y轴方向上的共线邻近点、X轴方向上的共线邻近点、Z轴方向上的共线邻近点、莫顿码前一位邻近点；
若点云在三维空间XYZ方向上的分布密度从大到小为Y＞Z＞X，则属性预测顺序为Y轴方向上的共面邻近点、Z轴方向上的共面邻近点、X轴方向上的共面邻近点、Y轴方向上的共线邻近点、Z轴方向上的共线邻近点、X轴方向上的共线邻近点、莫顿码前一位邻近点
若点云在三维空间XYZ方向上的分布密度从大到小为Z＞X＞Y，则属性预测顺序为Z轴方向上的共面邻近点、X轴方向上的共面邻近点、Y轴方向上的共面邻近点、Z轴方向上的共线邻近点、X轴方向上的共线邻近点、Y轴方向上的共线邻近点、莫顿码前一位邻近点；
若点云在三维空间XYZ方向上的分布密度从大到小为Z＞Y＞X，则属性预测顺序为Z轴方向上的共面邻近点、Y轴方向上的共面邻近点、X轴方向上的共面邻近点、Z轴方向上的共线邻近点、Y轴方向上的共线邻近点、X轴方向上的共线邻近点、莫顿码前一位邻近点。
在S1300中，使用方法一确定与当前待编码点共面、共线的6个邻近点。其中，
方法一：通过莫顿码偏移确定与当前待编码点共面、共线的6个邻近点；
假设点云中点的坐标为(Xk，Yk，Zk)，用N比特来表示每个坐标值，k-th点的坐标可以表示成：
Figure BDA0002431998490000061
Figure BDA0002431998490000062
Figure BDA0002431998490000063
k-th点对应的莫顿码可以表示如下：
Figure BDA0002431998490000064
将每三个比特用八进制数表示
Figure BDA0002431998490000065
则k-th点对应的莫顿码可以表示成：
Figure BDA0002431998490000066
然后对莫顿码进行偏移操作，当前待编码点的序号为7，偏移量为3、5、6时，可获得与当前待编码点共面的3个邻近点，对应图2的3、5、6节点；偏移量为1、2、4时，可获得与当前待编码点共线的3个邻近点，对应图3的1、2、4节点。
在S1400中，根据所述属性预测顺序和所述当前待编码点共面共线的6个邻近点确定所述当前待编码点的属性预测值。包括：
首先按点云在三维空间XYZ方向上的分布密度从大到小的顺序查找相应方向上的共面邻近点是否存在，若共面三点都不存在则按照相同的顺序查找相应方向上的共线邻近点是否存在；若共线三点都不存在则将莫顿顺序前一个点确定为当前待编码点的属性预测值。具体地：
点云在三维空间XYZ方向上的分布密度从大到小为X＞Y＞Z：若X方向上的共面邻近点3存在，将点3的属性重建值确定为当前待编码点的属性预测值；否则，若Y方向上的共面邻近点5存在，将点5的属性重建值确定为当前待编码点的属性预测值；否则，若Z方向上的共面邻近点6存在，将点6的属性重建值确定为当前待编码点的属性预测值；否则，若X方向上的共线邻近点4存在，将点4的属性重建值确定为当前待编码点的属性预测值；否则，若Y方向上的共线邻近点2存在，将点2的属性重建值确定为当前待编码点的属性预测值；否则，若Z方向上的共线邻近点1存在，将点1的属性重建值确定为当前待编码点的属性预测值；否则，将莫顿顺序前一个点确定为当前待编码点的属性预测值；
点云在三维空间XYZ方向上的分布密度从大到小为X＞Z＞Y：若X方向上的共面邻近点3存在，将点3的属性重建值确定为当前待编码点的属性预测值；否则，若Z方向上的共面邻近点6存在，将点6的属性重建值确定为当前待编码点的属性预测值；否则，若Y方向上的共面邻近点5存在，将点5的属性重建值确定为当前待编码点的属性预测值；否则，若X方向上的共线邻近点4存在，将点4的属性重建值确定为当前待编码点的属性预测值；否则，若Z方向上的共线邻近点1存在，将点1的属性重建值确定为当前待编码点的属性预测值；否则，若Y方向上的共线邻近点2存在，将点2的属性重建值确定为当前待编码点的属性预测值；否则，将莫顿顺序前一个点确定为当前待编码点的属性预测值；
点云在三维空间XYZ方向上的分布密度从大到小为Y＞X＞Z：若Y方向上的共面邻近点5存在，将点5的属性重建值确定为当前待编码点的属性预测值；否则，若X方向上的共面邻近点3存在，将点3的属性重建值确定为当前待编码点的属性预测值；否则，若Z方向上的共面邻近点6存在，将点6的属性重建值确定为当前待编码点的属性预测值；否则，若Y方向上的共线邻近点2存在，将点2的属性重建值确定为当前待编码点的属性预测值；否则，若X方向上的共线邻近点4存在，将点4的属性重建值确定为当前待编码点的属性预测值；否则，若Z方向上的共线邻近点1存在，将点1的属性重建值确定为当前待编码点的属性预测值；否则，将莫顿顺序前一个点确定为当前待编码点的属性预测值；
点云在三维空间XYZ方向上的分布密度从大到小为Y＞Z＞X：若Y方向上的共面邻近点5存在，将点5的属性重建值确定为当前待编码点的属性预测值；否则，若Z方向上的共面邻近点6存在，将点6的属性重建值确定为当前待编码点的属性预测值；否则，若X方向上的共面邻近点3存在，将点3的属性重建值确定为当前待编码点的属性预测值；否则，若Y方向上的共线邻近点2存在，将点2的属性重建值确定为当前待编码点的属性预测值；否则，若Z方向上的共线邻近点1存在，将点1的属性重建值确定为当前待编码点的属性预测值；否则，若X方向上的共线邻近点4存在，将点4的属性重建值确定为当前待编码点的属性预测值；否则，将莫顿顺序前一个点确定为当前待编码点的属性预测值；
点云在三维空间XYZ方向上的分布密度从大到小为Z＞X＞Y：若Z方向上的共面邻近点6存在，将点6的属性重建值确定为当前待编码点的属性预测值；否则，若X方向上的共面邻近点3存在，将点3的属性重建值确定为当前待编码点的属性预测值；否则，若Y方向上的共面邻近点5存在，将点5的属性重建值确定为当前待编码点的属性预测值；否则，若Z方向上的共线邻近点1存在，将点1的属性重建值确定为当前待编码点的属性预测值；否则，若X方向上的共线邻近点4存在，将点4的属性重建值确定为当前待编码点的属性预测值；否则，若Y方向上的共线邻近点2存在，将点2的属性重建值确定为当前待编码点的属性预测值；否则，将莫顿顺序前一个点确定为当前待编码点的属性预测值；
点云在三维空间XYZ方向上的分布密度从大到小为Z＞Y＞X：若Z方向上的共面邻近点6存在，将点6的属性重建值确定为当前待编码点的属性预测值；否则，若Y方向上的共面邻近点5存在，将点5的属性重建值确定为当前待编码点的属性预测值；否则，若X方向上的共面邻近点3存在，将点3的属性重建值确定为当前待编码点的属性预测值；否则，若Z方向上的共线邻近点1存在，将点1的属性重建值确定为当前待编码点的属性预测值；否则，若Y方向上的共线邻近点2存在，将点2的属性重建值确定为当前待编码点的属性预测值；否则，若X方向上的共线邻近点4存在，将点4的属性重建值确定为当前待编码点的属性预测值。否则，将莫顿顺序前一个点确定为当前待编码点的属性预测值；
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PCEM v0.2的基准结果的性能进行对比。
实施例一：该方案采用的是根据包围盒大小确定点云在三维空间XYZ方向上的分布密度，通过莫顿(Morton)码偏移确定与当前待编码点共面、共线的6个邻近点，最后根据点云分布密度顺序确定当前待编码点的属性预测值。
结果如表1、2、3、4所示，其中，表1是在几何有限有损、属性有损条件下，本发明方法的实例与AVS当下最新基础平台PCEM v0.2的基准结果的性能对比图，结果表明本发明的亮度Y属性在码率-失真表现上提升了平均5.5％，色度Cb属性在码率-失真表现上提升了平均6.0％，色度Cr属性在码率-失真表现上提升了平均5.8％，反射率属性在码率-失真表现上提升了平均1.8％；
表2是在几何有损、属性有损条件下，本发明方法的实例与AVS当下最新基础平台PCEM v0.2的基准结果的性能对比图，结果表明本发明的亮度Y属性在码率-失真表现上提升了平均3.4％，色度Cb属性在码率-失真表现上提升了平均4.4％，色度Cr属性在码率-失真表现上提升了平均4.1％，反射率属性在码率-失真表现上降低了平均0.1％；
表3是在几何无损、属性有限有损条件下，本发明方法的实例与AVS当下最新基础平台PCEM v0.2的基准结果的性能对比图，结果表明本发明的亮度Y属性在码率-失真表现上提升了平均7.5％，色度Cb属性在码率-失真表现上提升了平均7.5％，色度Cr属性在码率-失真表现上提升了平均7.5％，反射率属性在码率-失真表现上降低了平均0.3％；
表4是在几何无损、属性无损条件下，本发明方法的实例与AVS当下最新基础平台PCEM v0.2的基准结果的性能对比图，结果表明本发明的颜色码率只占基础平台的88.4％，反射率属性码率占基础平台的100.2％。
表1几何有限有损，属性有损测试表格(对比当下最新的基础平台PCEM v0.2)
Figure BDA0002431998490000091
表2几何无损，属性有损测试表格(对比当下最新的基础平台PCEM v0.2)
Figure BDA0002431998490000092
表3几何无损，属性有限有损测试表格(对比当下最新的基础平台PCEM v0.2)
Figure BDA0002431998490000093
表4几何无损，属性无损测试表格(对比当下最新的基础平台PCEM v0.2)
Figure BDA0002431998490000094
以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种基于点云密度的属性预测的方法，其特征在于，包括如下步骤：
步骤一：确定点云在三维空间XYZ方向上的分布密度；
步骤二：按照所述点云在三维空间XYZ方向上的分布密度从大到小的顺序确定属性预测顺序；
步骤三：确定当前待编码点共面共线的6个邻近点；
步骤四：根据所述属性预测顺序和所述当前待编码点共面共线的6个邻近点确定所述当前待编码点的属性预测值；包括：
首先按点云在三维空间XYZ方向上的分布密度从大到小的顺序查找相应方向上的共面邻近点是否存在，若共面三点都不存在则按照相同的顺序查找相应方向上的共线邻近点是否存在；若共线三点都不存在则将莫顿顺序前一个点确定为当前待编码点的属性预测值。
2.根据权利要求1所述的基于点云密度的属性预测的方法，其特征在于，所述的步骤一：确定点云在三维空间XYZ方向上的分布密度，是根据包围盒大小确定点云在三维空间XYZ方向上的分布密度。
3.根据权利要求1所述的基于点云密度的属性预测的方法，其特征在于，所述的步骤一：确定点云在三维空间XYZ方向上的分布密度，是根据方差计算确定点云在三维空间XYZ方向上的分布密度。
4.根据权利要求1所述的基于点云密度的属性预测的方法，其特征在于，所述的步骤三：确定当前待编码点共面共线的6个邻近点，包括：
将当前待编码点作为莫顿顺序偏移量为7的点，则莫顿顺序偏移量为3、5、6的点则为当前待编码点的3个共面邻近点，莫顿顺序偏移量为1、2、4的点则为当前待编码点的3个共线邻近点。
5.一种基于点云密度的属性预测的设备，包括处理器、存储器及通信总线：
所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述通信总线实现处理器和存储器之间的连接通信；
所述处理器执行所述计算机可读程序时实现如权利要求1-4任意一项所述的基于点云密度的属性预测的方法。
CN202010239218.8A 2020-03-30 2020-03-30 一种基于点云密度的属性预测方法及设备 Active CN111405284B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010239218.8A CN111405284B (zh) 2020-03-30 2020-03-30 一种基于点云密度的属性预测方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010239218.8A CN111405284B (zh) 2020-03-30 2020-03-30 一种基于点云密度的属性预测方法及设备

Publications (2)

Publication Number Publication Date
CN111405284A CN111405284A (zh) 2020-07-10
CN111405284B true CN111405284B (zh) 2022-05-31

Family

ID=71431368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010239218.8A Active CN111405284B (zh) 2020-03-30 2020-03-30 一种基于点云密度的属性预测方法及设备

Country Status (1)

Country Link
CN (1) CN111405284B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114079793B (zh) * 2020-08-16 2023-02-28 浙江大学 一种基于新的处理顺序的点云属性解码方法和装置
EP4199520A4 (en) * 2020-08-16 2024-05-22 Zhejiang University METHOD AND DEVICE FOR ENCODING AND DECODING POINT CLOUD ATTRIBUTES
CN112565794B (zh) * 2020-12-03 2022-10-04 西安电子科技大学 一种点云孤立点编码、解码方法及装置
WO2022116117A1 (zh) * 2020-12-03 2022-06-09 Oppo广东移动通信有限公司 预测方法、编码器、解码器以及计算机存储介质
CN116458158A (zh) * 2020-12-03 2023-07-18 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
CN112565795B (zh) * 2020-12-03 2022-10-04 西安电子科技大学 一种点云几何信息编码及解码方法
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
CN113096199B (zh) * 2021-03-12 2023-01-03 中山大学 一种基于莫顿码的点云属性预测方法、装置和介质
CN117426093A (zh) * 2021-06-11 2024-01-19 Oppo广东移动通信有限公司 点云编解码方法、装置、点云编解码器及存储介质
CN117426086A (zh) * 2021-06-11 2024-01-19 Oppo广东移动通信有限公司 解码方法、编码方法、解码器、编码器以及编解码设备
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

Citations (5)

* 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
CN110418135A (zh) * 2019-08-05 2019-11-05 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
CN110572655A (zh) * 2019-09-30 2019-12-13 北京大学深圳研究生院 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
WO2020014011A1 (en) * 2018-07-11 2020-01-16 Interdigital Vc Holdings, Inc. A method and device for encoding/decoding the geometry of a point cloud.

Patent Citations (5)

* 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
WO2020014011A1 (en) * 2018-07-11 2020-01-16 Interdigital Vc Holdings, Inc. A method and device for encoding/decoding the geometry of a point cloud.
CN110418135A (zh) * 2019-08-05 2019-11-05 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
CN110572655A (zh) * 2019-09-30 2019-12-13 北京大学深圳研究生院 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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Dong Tian et al..Geometric distortion metrics for point cloud compression.《2017 IEEE International Conference on Image Processing (ICIP)》.2018, *
周凡.点云属性压缩算法研究.《西安电子科技大学》.2019,(第02期), *

Also Published As

Publication number Publication date
CN111405284A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
CN111405284B (zh) 一种基于点云密度的属性预测方法及设备
CN111145090B (zh) 一种点云属性编码方法、解码方法、编码设备及解码设备
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
CN109257604B (zh) 一种基于tmc3点云编码器的颜色属性编码方法
CN111242997B (zh) 一种基于滤波器的点云属性预测方法及设备
US11212558B2 (en) Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device
CN113557745B (zh) 点云几何结构填充
CN109979008B (zh) 一种基于属性的点云条带划分方法
CN115918092A (zh) 点云数据发送装置、点云数据发送方法、点云数据接收装置和点云数据接收方法
CN111090712A (zh) 一种数据处理方法、装置、设备及计算机存储介质
US20220292723A1 (en) Attribute information prediction method, encoder, decoder and storage medium
CN113096198A (zh) 一种双向点云属性预测压缩方法，装置，设备及介质
CN113014903A (zh) 点云邻居确定、点云预测、点云编码、点云解码方法及设备
KR20230060534A (ko) 2차원 정규화 평면 투사에 기초한 포인트 클라우드 인코딩 및 디코딩 방법과 장치
CN118160006A (zh) 用于预测性基于几何的点云压缩的具有半径插值的帧间预测译码
WO2023280147A1 (en) Method, apparatus, and medium for point cloud coding
CN113096199B (zh) 一种基于莫顿码的点云属性预测方法、装置和介质
CN113473153B (zh) 一种点云属性预测方法、编码方法、解码方法及其设备
Yang et al. Chain code-based occupancy map coding for video-based point cloud compression
CN112509107A (zh) 一种点云属性重着色方法、装置及编码器
Chen et al. Fast Depth Intra-Coding for 3D-HEVC based on Gray-Level Co-occurrence Matrix.
WO2023280129A1 (en) Method, apparatus, and medium for point cloud coding
WO2024207463A1 (zh) 点云编解码方法、装置、设备及存储介质
CN115412715B (zh) 一种点云属性信息的预测编解码方法及装置
WO2023193534A1 (en) Methods and apparatus for coding presence flag for point cloud, and data stream including presence flag

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