CN111432210A - 一种基于填充的点云属性压缩方法 - Google Patents

一种基于填充的点云属性压缩方法 Download PDF

Info

Publication number
CN111432210A
CN111432210A CN202010365431.3A CN202010365431A CN111432210A CN 111432210 A CN111432210 A CN 111432210A CN 202010365431 A CN202010365431 A CN 202010365431A CN 111432210 A CN111432210 A CN 111432210A
Authority
CN
China
Prior art keywords
filling
point cloud
image
texture
pixel
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.)
Granted
Application number
CN202010365431.3A
Other languages
English (en)
Other versions
CN111432210B (zh
Inventor
王军
许素钦
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.)
National Sun Yat Sen University
Original Assignee
National Sun Yat Sen University
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 National Sun Yat Sen University filed Critical National Sun Yat Sen University
Priority to CN202010365431.3A priority Critical patent/CN111432210B/zh
Publication of CN111432210A publication Critical patent/CN111432210A/zh
Application granted granted Critical
Publication of CN111432210B publication Critical patent/CN111432210B/zh
Expired - Fee Related 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
    • H04N19/102—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
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • 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
    • H04N19/124—Quantisation
    • 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
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • 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
    • H04N19/182—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 pixel
    • 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
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/563—Motion estimation with padding, i.e. with filling of non-object values in an arbitrarily shaped picture block or region for estimation purposes
    • 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
    • H04N19/90—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
    • H04N19/96—Tree coding, e.g. quad-tree coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Discrete Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明提供的一种基于填充的点云属性压缩方法，提出一种新的基于占用图的属性填充方案，根据占用图自适应查找空像素完整区域进行填充0的操作，从而尽可能减少比特的浪费，提高点云属性的压缩性能。在现有的V‑PCC填充方法的基础上，再采用基于占用图的填充方案填充为上下两部分，上部分是普通图像区域进行正常预测，下部分是全空像素区域，帧内预测模式简便得出，帧间预测采用skip模式，不将残差信息编码进码流，使得码流降低，提高了压缩效率。经过本发明方法的填充之后，填充后的图像经过预测、变换、量化和熵编码等处理，不仅有效的实现了点云压缩，并且在原本完全填充的基础上，不影响其三维点云压缩失真，提高了压缩率。

Description

一种基于填充的点云属性压缩方法
技术领域
本发明涉及点云数据处理技术领域，更具体的，涉及一种基于填充的点云属性压缩方法。
背景技术
由于增强现实、自动驾驶和远程通信等新兴应用的日益流行，人们对从多维度捕捉真实世界并以可沉浸的方式将其呈现给用户的兴趣空前高涨。同时，随着三维扫描技术和多媒体通信技术的快速发展，描述物体或者场景的点云数据越来越庞大，精度更高。点云是三维空间中的一组独立的三维点，每个点除了具有三维坐标外，还可以包含一些其他属性，如纹理，反射率，表面法线等。但是，由三维扫描设备对物体或场景采集获取到的点云数据量非常大。海量点云数据给计算机存储，处理，传输都带来了极大的挑战，因此高效数据压缩技术对于存储和传输这类数据是必不可少的。
目前最先进的基于视频的点云压缩方案，简称V-PCC，是由MPEG(Moving PicturesExperts Group)提出的。V-PCC点云压缩方案基于输入点云的几何特征，将三维点云分解成一组patch(三维点的聚类)，再将patch投影到二维块上，并将这些块组织成帧，然后用现有的视频编解码器来压缩两个视频系列，一个捕获点云数据的几何信息，一个捕获纹理信息。解释两个视频系列需要附加元数据，即占用图和辅助patch信息，也分别生成和压缩。然后将视频生成的比特流和附加元数据多路复用在一起，以便生成最终点云比特流。根据输入点云的几何特征，将点云的几何和纹理属性分割成patch，并投影成单独的二维图像。占用图显示了二维图像中patch的位置，将对应patch位置的像素占用情况设置为1，将对应patch之间空白空间设置为0。在patch边缘处存在较大的强度/颜色不连续性，不适合视频压缩,导致视频压缩后的比特率增加。为了解决这个问题，通常使用填充过程来平滑patch之间的空白空间，从而最小化patch边缘附近和内部patch之间的不连续性。
V-PCC的填充过程通过非空像素块边界来扩展相邻空像素块的颜色信息，实现对像素块间隙的填充，从而获得更好的编码效率，并且最大程度地减少解码图像中的像素块伪像。但这种方法并没有完全解决patch间的不连续性，仅在一定程度上实现对点云数据的压缩，但压缩率却远远不够，并不适合视频压缩。
发明内容
本发明为克服现有的V-PCC填充方法存在压缩率低的技术缺陷，提供一种基于填充的点云属性压缩方法。
为解决上述技术问题，本发明的技术方案如下：
一种基于填充的点云属性压缩方法，包括以下步骤：
S1：获取三维点云数据，对其纹理属性信息的视频帧通过V-PCC点云编码器进行填充，生成填充后的图像；
S2：将生成的图像划分为若干个尺寸大小为n*n的图像块，设i为需要提取像素点的图像块在图像中的行数，并令i＝1，其中n为不大于16的正整数；
S3：对第i行的逐个图像块进行像素点提取，判断图像块像素点的占用情况；若像素点存在被占用的情况，令i＝1+i，重新执行步骤S3；若像素点均不被占用，执行步骤S4；
S4：提取当前像素点在原图像块中的纵坐标，将纵坐标加1并设为初始阈值；
S5：判断初始阈值是否能够被64整除，若是，则执行步骤S6；否则，令i＝1+i，返回执行步骤S3；
S6：将初始阈值设置为最终阈值并对最终阈值以下的图像块填充0；
S7：二次填充后的纹理图像进行后续的压缩，实现基于填充的点云纹理属性压缩。
上述方案中，在现有的填充方法的基础上，将填充后的图像进一步填充为上下两部分，上部分是普通图像区域进行正常预测，下部分是全空像素区域，压缩时算法复杂度低，而且帧间预测时不将残差信息编码进码流，有效降低了码流，大大提高了压缩效率。
其中，所述步骤S1包括以下步骤：
S11：获取三维点云数据，得到点云数据的几何特征；
S12：根据点云数据的几何特征，将三维点云分解成patch，再将patch投影到二维块上并组织成帧，提取出纹理属性信息的视频序列；
S13：利用V-PCC的填充方法对纹理属性信息的视频帧的帧内之间的空白空间进行填充，生成填充后的图像。
其中，在所述步骤S2中，所述n＝16。
上述方案中，图像块的大小选择可以有4*4，8*8，16*16这三种，主要取决于纹理图像的大小，选择最大尺寸16*16作为图像块的划分，可以减少遍历次数，降低复杂度，提高效率。
其中，所述步骤S3包括以下步骤：
S31：将第i行的第j个图像块表示为ij，其中j＝1；
S32：判断图像块ij是否有像素点被占用，若是，则令i＝1+i，重新执行步骤S31；若该图像块像素点均未被占用，则令j＝j+1；
S33：判断j是否大于第i行图像块的个数m，若是，执行步骤S4；否则，返回执行步骤S32。
其中，所述步骤S32包括以下步骤：
S321：每个图像块中有n*n个像素点；
S322：依次判断图像块ij第n行的第n个像素点是否存在被占用的情况，若是，则令i＝1+i，重新执行步骤S31；否则，令j＝j+1，执行步骤S33。
其中，在所述步骤S4中，纵坐标的定义具体为：对大小为x*y的图像建立坐标系，第一行第一列的像素点坐标为(0，0)，第p行第q列的像素点坐标为(p-1，q-1)，其中，p、q分别为不大于x和y的正整数。
其中，在所述步骤S7中，将填充好的纹理图像划分成编码树单元，再采用四叉树分割结构，将其划分成编码单元，由编码单元进行帧内预测和帧间预测，由模式决策选出最佳预测模式，并将预测残差进行变换、量化和熵编码等处理，实现对图像纹理属性的填充和压缩。
其中，在所述帧内预测过程中，纹理图像的参考像素为左侧和右上，像素值为0的区域处于整个纹理图像的下方，不会影响到有像素值区域的预测；对应像素值为0的区域，预测模式简便得出；
在所述帧间预测过程中，有像素点的区域与正常图像操作一致，而在像素值为0的区域大部分采用skip模式，不传残差，节省码率。
与现有技术相比，本发明技术方案的有益效果是：
本发明提供的一种基于填充的点云属性压缩方法，在现有的V-PCC填充方法的基础上，将填充后的图像进一步填充为上下两部分，上部分是普通图像区域进行正常预测，下部分是全空像素区域，压缩时算法复杂度低，而且帧间预测时不将残差信息编码进码流，有效降低了码流，大大提高了压缩效率。
附图说明
图1为本发明所述流程方法流程图；
图2为本发明方法与V-PCC的点云序列redandblack纹理属性压缩性能对比图；
图3为本发明方法与V-PCC的点云序列queen纹理属性压缩性能对比图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示，一种基于填充的点云属性压缩方法，包括以下步骤：
S1：获取三维点云数据，对其纹理属性信息的视频帧通过V-PCC点云编码器进行填充，生成填充后的图像；
S2：将生成的图像划分为若干个尺寸大小为n*n的图像块，设i为需要提取像素点的图像块在图像中的行数，并令i＝1，其中n为不大于16的正整数；
S3：对第i行的逐个图像块进行像素点提取，判断图像块像素点的占用情况；若像素点存在被占用的情况，令i＝1+i，重新执行步骤S3；若像素点均不被占用，执行步骤S4；
S4：提取当前像素点在原图像块中的纵坐标，将纵坐标加1并设为初始阈值；
S5：判断初始阈值是否能够被64整除，若是，则执行步骤S6；否则，令i＝1+i，返回执行步骤S3；
S6：将初始阈值设置为最终阈值并对最终阈值以下的图像块填充0；
S7：二次填充后的纹理图像进行后续的压缩，实现基于填充的点云纹理属性压缩。
在具体实施过程中，在现有的填充方法的基础上，将填充后的图像进一步填充为上下两部分，上部分是普通图像区域进行正常预测，下部分是全空像素区域，压缩时算法复杂度低，而且帧间预测时不将残差信息编码进码流，有效降低了码流，大大提高了压缩效率。
更具体的，所述步骤S1包括以下步骤：
S11：获取三维点云数据，得到点云数据的几何特征；
S12：根据点云数据的几何特征，将三维点云分解成patch，再将patch投影到二维块上并组织成帧，提取出纹理属性信息的视频序列；
S13：利用V-PCC点云编码器的填充方法对纹理属性信息的视频帧的帧内之间的空白空间进行填充，生成填充后的图像。
更具体的，在所述步骤S2中，所述n＝16。
在具体实施过程中，图像块的大小选择可以有4*4，8*8，16*16这三种，主要取决于纹理图像的大小，选择最大尺寸16*16作为图像块的划分，可以减少遍历次数，降低复杂度，提高效率。
更具体的，所述步骤S3包括以下步骤：
S31：将第i行的第j个图像块表示为ij，其中j＝1；
S32：判断图像块ij是否有像素点被占用，若是，则令i＝1+i，重新执行步骤S31；若该图像块像素点均未被占用，则令j＝j+1；
S33：判断j是否大于第i行图像块的个数m，若是，执行步骤S4；否则，返回执行步骤S32。
更具体的，所述步骤S32包括以下步骤：
S321：每个图像块中有n*n个像素点；
S322：依次判断图像块ij第n行的第n个像素点是否存在被占用的情况，若是，则令i＝1+i，重新执行步骤S31；否则，令j＝j+1，执行步骤S33。
更具体的，在所述步骤S4中，纵坐标的定义具体为：对大小为x*y的图像建立坐标系，第一行第一列的像素点坐标为(0，0)，第p行第q列的像素点坐标为(p-1，q-1)，其中，p、q分别为不大于x和y的正整数。
更具体的，在所述步骤S7中，将填充好的纹理图像划分成编码树单元，再采用四叉树分割结构，将其划分成编码单元，由编码单元进行帧内预测和帧间预测，由模式决策选出最佳预测模式，并将预测残差进行变换、量化和熵编码等处理，实现对图像纹理属性的填充和压缩。
更具体的，在所述帧内预测过程中，纹理图像的参考像素为左侧和右上，像素值为0的区域处于整个纹理图像的下方，不会影响到有像素值区域的预测；对应像素值为0的区域，预测模式简便得出；
在所述帧间预测过程中，有像素点的区域与正常图像操作一致，而在像素值为0的区域大部分采用skip模式，不传残差，节省码率。
在具体实施过程中，先用V-PCC方法对纹理图像进行了填充之后，再进行本发明方法的填充。本发明方法考虑到视频编码的特性，纹理图像中未被占用的像素在进行了填充操作之后，使得二维patch边缘附近和二维patch间的不连续性降低，同时，由于三维patch的特定投影方式，可以观察到投影后的图像的下半部分包含大量空像素，因此可以在进行自适应查找空像素的连续区域，设置像素值为0，即恢复原空像素。执行本发明方法之后的图像编码时，在进行帧内预测和帧间预测时，由于图像被填充成上下两部分，上部分是普通图像区域进行正常预测，下部分是全空像素区域。全空像素区域在进行视频编码时会经过以下操作。
在帧内预测模式下：有明显出现有像素点和像素值为0的两块区域。帧内预测时，参考像素为左侧和右上，所以像素值为0的区域处于整个图像的下方，不会影响到有像素值区域的预测。对应像素值为0的区域，预测方式更加简便得出，且预测模式最终选取的可能性在3种之内，大大减少了码率和编码时间。
在帧间预测模式下：有像素点的区域与原本一样，像素值为0的区域大部分采用skip模式，不传残差，节省码率。
实施例2
更具体的，在实施例1的基础上，本发明提出一种基于填充的点云属性压缩方法，在现有V-PCC填充方法的基础上，应用本发明方法，表1为V-PCC和基于填充的点云压缩算法的BD-Rate对比实验结果。
表1测试结果数据表
Figure BDA0002476573120000061
表1中，BD-Rate值为负数时表明在相同的PSNR条件下，该压缩算法的压缩比特数比参照算法更小，码率减少，编码性能提高。由表1可以看出，本发明方法比V-PCC的压缩性能更优，压缩效率更高。整体上，Y分量的BD-Rate平均下降了1.75％，U分量的BD-Rate平均下降了2.25％，V分量BD-Rate平均下降了2.15％。因此应用本发明方法提升了压缩性能，具有较强的鲁棒性。
更具体的，图2、图3是点云测试序列在V-PCC和应用本发明方法下Y分量的率失真R-D曲线比较示意图。由此可以看出，应用本发明方法性能明显优于仅使用V-PCC进行填充的性能。
在具体实施过程中，本发明方法采用自适应查找不需要填充的区域来对patch之间的空白空间进行填充0的操作，即恢复原空像素。执行本发明方法之后的图像编码时，在进行帧内预测和帧间预测时，由于图像被填充成上下两部分，上部分是普通图像区域进行正常预测，下部分是全空像素区域，帧内预测采用planar预测模式，算法复杂度降低，帧间预测采用skip模式，不将残差信息编码进码流，使得码流降低，大大提高了压缩效率。经过本发明方法的填充之后，不仅有效的实现了点云压缩，并且在原本完全填充的基础上，不影响其三维点云压缩失真，提高了压缩率。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (8)

1.一种基于填充的点云属性压缩方法，其特征在于，包括以下步骤：
S1：获取三维点云数据，对其纹理属性信息的视频帧通过V-PCC点云编码器进行填充，生成填充后的图像；
S2：将生成的图像划分为若干个尺寸大小为n*n的图像块，设i为需要提取像素点的图像块在图像中的行数，并令i＝1，其中n为不大于16的正整数；
S3：对第i行的逐个图像块进行像素点提取，判断图像块像素点的占用情况；若像素点存在被占用的情况，令i＝1+i，重新执行步骤S3；若像素点均不被占用，执行步骤S4；
S4：提取当前像素点在原图像块中的纵坐标，将纵坐标加1并设为初始阈值；
S5：判断初始阈值是否能够被64整除，若是，则执行步骤S6；否则，令i＝1+i，返回执行步骤S3；
S6：将初始阈值设置为最终阈值并对最终阈值以下的图像块填充0；
S7：二次填充后的纹理图像进行后续的压缩，实现基于填充的点云纹理属性压缩。
2.根据权利要求1所述的一种基于填充的点云属性压缩方法，其特征在于，所述步骤S1包括以下步骤：
S11：获取三维点云数据，得到点云数据的几何特征；
S12：根据点云数据的几何特征，将三维点云分解成patch，再将patch投影到二维块上并组织成帧，提取出纹理属性信息的视频序列；
S13：利用V-PCC填充方法对纹理属性信息的视频帧的帧内之间的空白空间进行填充，生成填充后的图像。
3.根据权利要求1所述的一种基于填充的点云属性压缩方法，其特征在于，在所述步骤S2中，所述n＝16。
4.根据权利要求1所述的一种基于填充的点云属性压缩方法，其特征在于，所述步骤S3包括以下步骤：
S31：将第i行的第j个图像块表示为ij，其中j＝1；
S32：判断图像块ij是否有像素点被占用，若是，则令i＝1+i，重新执行步骤S31；若该图像块像素点均未被占用，则令j＝j+1；
S33：判断j是否大于第i行图像块的个数m，若是，执行步骤S4；否则，返回执行步骤S32。
5.根据权利要求5所述的一种基于填充的点云属性压缩方法，其特征在于，所述步骤S32包括以下步骤：
S321：每个图像块中有n*n个像素点；
S322：依次判断图像块ij第n行的第n个像素点是否存在被占用的情况，若是，则令i＝1+i，重新执行步骤S31；否则，令j＝j+1，执行步骤S33。
6.根据权利要求1所述的一种基于填充的点云属性压缩方法，其特征在于，在所述步骤S4中，纵坐标的定义具体为：对大小为x*y的图像建立坐标系，第一行第一列的像素点坐标为(0，0)，第p行第q列的像素点坐标为(p-1，q-1)，其中，p、q分别为不大于x和y的正整数。
7.根据权利要求1所述的一种基于填充的点云属性压缩方法，其特征在于，在所述步骤S7中，将填充好的纹理图像划分成编码树单元，再采用四叉树分割结构，将其划分成编码单元，由编码单元进行帧内预测和帧间预测，由模式决策选出最佳预测模式，并将预测残差进行变换、量化和熵编码等处理，实现对图像纹理属性的填充和压缩。
8.根据权利要求8所述的一种基于填充的点云属性压缩方法，其特征在于，在所述帧内预测过程中，纹理图像的参考像素为左侧和右上，像素值为0的区域处于整个纹理图像的下方，不会影响到有像素值区域的预测；对应像素值为0的区域，预测模式简便得出；
在所述帧间预测过程中，有像素点的区域与正常图像操作一致，而在像素值为0的区域大部分采用skip模式，不传残差，节省码率。
CN202010365431.3A 2020-04-30 2020-04-30 一种基于填充的点云属性压缩方法 Expired - Fee Related CN111432210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010365431.3A CN111432210B (zh) 2020-04-30 2020-04-30 一种基于填充的点云属性压缩方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010365431.3A CN111432210B (zh) 2020-04-30 2020-04-30 一种基于填充的点云属性压缩方法

Publications (2)

Publication Number Publication Date
CN111432210A true CN111432210A (zh) 2020-07-17
CN111432210B CN111432210B (zh) 2021-10-19

Family

ID=71555084

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010365431.3A Expired - Fee Related CN111432210B (zh) 2020-04-30 2020-04-30 一种基于填充的点云属性压缩方法

Country Status (1)

Country Link
CN (1) CN111432210B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112601082A (zh) * 2020-11-30 2021-04-02 南京邮电大学 一种基于视频的快速动态点云编码方法及系统
CN112911302A (zh) * 2021-01-20 2021-06-04 南京邮电大学 一种面向动态点云几何信息压缩的新型合并预测编码方法
CN113613017A (zh) * 2021-07-27 2021-11-05 闽都创新实验室 一种三维帧间预测改进v-pcc帧间预测的方法
CN113676738A (zh) * 2021-08-19 2021-11-19 上海交通大学 一种三维点云的几何编解码方法及装置
WO2023040392A1 (en) * 2021-09-17 2023-03-23 Beijing Xiaomi Mobile Software Co., Ltd. Method and apparatus of encoding/decoding point cloud geometry data sensed by at least one sensor
WO2023050950A1 (en) * 2021-09-30 2023-04-06 Beijing Xiaomi Mobile Software Co., Ltd. Method and apparatus of encoding/decoding point cloud geometry data sensed by at least one sensor
CN116095181A (zh) * 2022-12-30 2023-05-09 天翼云科技有限公司 一种基于对象存储的点云压缩存储方法及装置
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
CN116095181B (zh) * 2022-12-30 2024-06-07 天翼云科技有限公司 一种基于对象存储的点云压缩存储方法及装置

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102999263A (zh) * 2011-09-15 2013-03-27 宏达国际电子股份有限公司 电子装置及提供电子装置的背景的方法
US20130202193A1 (en) * 2012-02-03 2013-08-08 Harris Corporation Fractal method for detecting and filling data gaps within lidar data
CN105744270A (zh) * 2014-12-10 2016-07-06 中国移动通信集团公司 一种带云台的视频编码方法及装置
CN106331704A (zh) * 2015-07-07 2017-01-11 杭州海康威视数字技术股份有限公司 一种视频码率控制方法及视频编码装置
CN106780751A (zh) * 2017-01-19 2017-05-31 桂林电子科技大学 基于改进的屏蔽泊松算法的三维点云重建方法
CN107027030A (zh) * 2017-03-07 2017-08-08 腾讯科技（深圳）有限公司 一种码率分配方法及其设备
WO2018094141A1 (en) * 2016-11-17 2018-05-24 Google Llc Point cloud data compression using a space-filling curve
US20180268570A1 (en) * 2017-03-16 2018-09-20 Samsung Electronics Co., Ltd. Point cloud and mesh compression using image/video codecs
US20180276793A1 (en) * 2017-03-23 2018-09-27 The Boeing Company Autonomous performance of an operation on an object using a generated dense 3d model of the object
CN108648156A (zh) * 2018-05-08 2018-10-12 北京邮电大学 点云数据中杂散点标记方法、装置、电子设备及存储介质
CN109426828A (zh) * 2017-08-28 2019-03-05 中国科学院深圳先进技术研究院 点云分类方法、装置、设备及存储介质
US20190074011A1 (en) * 2016-11-17 2019-03-07 BrainofT Inc. Controlling connected devices using a relationship graph
CN109903327A (zh) * 2019-03-04 2019-06-18 西安电子科技大学 一种稀疏点云的目标物尺寸测量方法
CN110012279A (zh) * 2018-01-05 2019-07-12 上海交通大学 基于3d点云数据的分视角压缩和传输方法及系统
CN110662087A (zh) * 2018-06-30 2020-01-07 华为技术有限公司 点云编解码方法和编解码器
US20200021856A1 (en) * 2018-07-10 2020-01-16 Apple Inc. Hierarchical point cloud compression
CN110944187A (zh) * 2018-09-19 2020-03-31 华为技术有限公司 点云编码方法和编码器
US20200104976A1 (en) * 2018-09-28 2020-04-02 Apple Inc. Point cloud compression image padding
CN110958455A (zh) * 2018-09-26 2020-04-03 华为技术有限公司 点云编解码方法和编解码器
CN110971898A (zh) * 2018-09-30 2020-04-07 华为技术有限公司 点云编解码方法和编解码器
CN110971912A (zh) * 2018-09-30 2020-04-07 华为技术有限公司 点云编解码方法和编解码器
US20200111236A1 (en) * 2018-10-03 2020-04-09 Apple Inc. Point cloud compression using fixed-point numbers

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102999263A (zh) * 2011-09-15 2013-03-27 宏达国际电子股份有限公司 电子装置及提供电子装置的背景的方法
US20130202193A1 (en) * 2012-02-03 2013-08-08 Harris Corporation Fractal method for detecting and filling data gaps within lidar data
US8712147B2 (en) * 2012-02-03 2014-04-29 Harris Corporation Fractal method for detecting and filling data gaps within LiDAR data
CN105744270A (zh) * 2014-12-10 2016-07-06 中国移动通信集团公司 一种带云台的视频编码方法及装置
CN106331704A (zh) * 2015-07-07 2017-01-11 杭州海康威视数字技术股份有限公司 一种视频码率控制方法及视频编码装置
US20190074011A1 (en) * 2016-11-17 2019-03-07 BrainofT Inc. Controlling connected devices using a relationship graph
WO2018094141A1 (en) * 2016-11-17 2018-05-24 Google Llc Point cloud data compression using a space-filling curve
CN106780751A (zh) * 2017-01-19 2017-05-31 桂林电子科技大学 基于改进的屏蔽泊松算法的三维点云重建方法
CN107027030A (zh) * 2017-03-07 2017-08-08 腾讯科技（深圳）有限公司 一种码率分配方法及其设备
US20180268570A1 (en) * 2017-03-16 2018-09-20 Samsung Electronics Co., Ltd. Point cloud and mesh compression using image/video codecs
US20180276793A1 (en) * 2017-03-23 2018-09-27 The Boeing Company Autonomous performance of an operation on an object using a generated dense 3d model of the object
CN109426828A (zh) * 2017-08-28 2019-03-05 中国科学院深圳先进技术研究院 点云分类方法、装置、设备及存储介质
CN110012279A (zh) * 2018-01-05 2019-07-12 上海交通大学 基于3d点云数据的分视角压缩和传输方法及系统
CN108648156A (zh) * 2018-05-08 2018-10-12 北京邮电大学 点云数据中杂散点标记方法、装置、电子设备及存储介质
CN110662087A (zh) * 2018-06-30 2020-01-07 华为技术有限公司 点云编解码方法和编解码器
US20200021856A1 (en) * 2018-07-10 2020-01-16 Apple Inc. Hierarchical point cloud compression
CN110944187A (zh) * 2018-09-19 2020-03-31 华为技术有限公司 点云编码方法和编码器
CN110958455A (zh) * 2018-09-26 2020-04-03 华为技术有限公司 点云编解码方法和编解码器
US20200104976A1 (en) * 2018-09-28 2020-04-02 Apple Inc. Point cloud compression image padding
CN110971898A (zh) * 2018-09-30 2020-04-07 华为技术有限公司 点云编解码方法和编解码器
CN110971912A (zh) * 2018-09-30 2020-04-07 华为技术有限公司 点云编解码方法和编解码器
US20200111236A1 (en) * 2018-10-03 2020-04-09 Apple Inc. Point cloud compression using fixed-point numbers
CN109903327A (zh) * 2019-03-04 2019-06-18 西安电子科技大学 一种稀疏点云的目标物尺寸测量方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YINGZHAN XU 等: "《Dynamic Point Cloud Geometry Compression via patch-wise polynomial fitting》", 《2019 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP)》 *
孙国强 等: "《机载点云空洞的修复方法》", 《北京测绘》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112601082A (zh) * 2020-11-30 2021-04-02 南京邮电大学 一种基于视频的快速动态点云编码方法及系统
CN112601082B (zh) * 2020-11-30 2023-12-12 南京邮电大学 一种基于视频的快速动态点云编码方法及系统
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
CN112911302A (zh) * 2021-01-20 2021-06-04 南京邮电大学 一种面向动态点云几何信息压缩的新型合并预测编码方法
CN112911302B (zh) * 2021-01-20 2022-07-26 南京邮电大学 一种面向动态点云几何信息压缩的新型合并预测编码方法
CN113613017A (zh) * 2021-07-27 2021-11-05 闽都创新实验室 一种三维帧间预测改进v-pcc帧间预测的方法
CN113613017B (zh) * 2021-07-27 2024-04-19 闽都创新实验室 一种三维帧间预测改进v-pcc帧间预测的方法
CN113676738A (zh) * 2021-08-19 2021-11-19 上海交通大学 一种三维点云的几何编解码方法及装置
CN113676738B (zh) * 2021-08-19 2024-03-29 上海交通大学 一种三维点云的几何编解码方法及装置
WO2023040392A1 (en) * 2021-09-17 2023-03-23 Beijing Xiaomi Mobile Software Co., Ltd. Method and apparatus of encoding/decoding point cloud geometry data sensed by at least one sensor
WO2023050950A1 (en) * 2021-09-30 2023-04-06 Beijing Xiaomi Mobile Software Co., Ltd. Method and apparatus of encoding/decoding point cloud geometry data sensed by at least one sensor
CN116095181A (zh) * 2022-12-30 2023-05-09 天翼云科技有限公司 一种基于对象存储的点云压缩存储方法及装置
CN116095181B (zh) * 2022-12-30 2024-06-07 天翼云科技有限公司 一种基于对象存储的点云压缩存储方法及装置

Also Published As

Publication number Publication date
CN111432210B (zh) 2021-10-19

Similar Documents

Publication Publication Date Title
CN111432210B (zh) 一种基于填充的点云属性压缩方法
CN114424542B (zh) 具有非规范平滑的基于视频的点云压缩
CN1099656C (zh) 视频压缩方法和装置
US5946419A (en) Separate shape and texture coding of transparency data for video coding applications
KR102499355B1 (ko) 손실 및 무손실 영상 압축을 위한 형상-적응형 모델-기반 코덱
CN111819854B (zh) 用于协调多符号位隐藏和残差符号预测的方法和装置
DE112018005250T5 (de) Punktwolkenkomprimierung
US20210329308A1 (en) Method and apparatus for dynamic point cloud partition packing
CN114424247A (zh) 用于点云编码的方法及装置
RU2767771C1 (ru) Способ и оборудование для кодирования/декодирования облака точек, представляющего трехмерный объект
CN112601082B (zh) 一种基于视频的快速动态点云编码方法及系统
CN116997935A (zh) 用于网格压缩的块压缩
CN114503553A (zh) 基于视频的点云压缩模型到世界信令信息
CN110996127B (zh) 图像编解码方法、设备及系统
CN107682699B (zh) 一种近无损图像压缩方法
CN112565790B (zh) 一种采用最小基矢量标志的串预测编码、解码方法及装置
CN116489333A (zh) 一种面向深度图编码单元划分的边缘分类模型构建方法
CN117242480A (zh) 使用几何信息和语义信息的曼哈顿布局估计
CN110113612A (zh) 一种基于nam分割的块截断图像压缩方法
Park et al. Depth compression of 3D object represented by layered depth image
RU2778377C1 (ru) Способ и устройство для кодирования облака точек
US20240040101A1 (en) Method and device for compressing data representative of a volumetric three-dimensional scene with a view to real-time decompression for online viewing
US20220232253A1 (en) Method and apparatus for point cloud coding
US20230306645A1 (en) Convolutional Approach to Fast and Compact Packing of 3D Mesh Into 2D Maps
KR20230132818A (ko) 차트 기반 메시 압축을 위한 방법 및 장치

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20211019

CF01 Termination of patent right due to non-payment of annual fee