CN112218079A - 一种基于空间顺序的点云分层方法、点云预测方法及设备 - Google Patents
一种基于空间顺序的点云分层方法、点云预测方法及设备 Download PDFInfo
- Publication number
- CN112218079A CN112218079A CN202011310281.2A CN202011310281A CN112218079A CN 112218079 A CN112218079 A CN 112218079A CN 202011310281 A CN202011310281 A CN 202011310281A CN 112218079 A CN112218079 A CN 112218079A
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- points
- spatial
- current
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 127
- 238000013507 mapping Methods 0.000 claims description 39
- 238000013139 quantization Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 22
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 230000006835 compression Effects 0.000 abstract description 8
- 238000007906 compression Methods 0.000 abstract description 8
- 239000010410 layer Substances 0.000 description 145
- 238000010586 diagram Methods 0.000 description 22
- 230000002457 bidirectional effect Effects 0.000 description 8
- 230000009977 dual effect Effects 0.000 description 8
- 239000011229 interlayer Substances 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 239000002356 single layer Substances 0.000 description 6
- 229910052739 hydrogen Inorganic materials 0.000 description 5
- 238000012360 testing method Methods 0.000 description 3
- 229910002056 binary alloy Inorganic materials 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 108091026890 Coding region Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
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
- 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
- H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
-
- 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
- H04N19/56—Motion estimation with initialisation of the vector search, e.g. estimating a good candidate to initiate a search
-
- 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
- H04N19/567—Motion estimation based on rate distortion criteria
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种基于空间顺序的点云预测方法、点云分层方法及设备。所述点云预测方法包括：生成点云的两个或多个空间顺序；使用所述两个或多个空间顺序进行当前点的前向和/或后向搜索，获得所述当前点的邻居；根据所述当前点的邻居确定所述当前点的属性预测值。所述点云分层方法包括：利用点云的坐标生成所有点的空间顺序码；对于所述空间顺序码高位相同的点，选择其中的部分点，将点云划分为两个或多个层次。本发明提供的点云预测方法实现了灵活的邻居搜索模式，在进行点云属性预测的时候提供更准确的预测值，本发明提供的点云分层方法实现了点云的层次划分，能够进一步利用点云的几何信息和属性信息相关性，从而提高点云属性的压缩性能。
Description
技术领域
本发明涉及点云处理技术领域，特别涉及一种基于空间顺序的点云分层方法、点云预测方法及设备，以及一种基于空间顺序的编码方法、解码方法及其设备。
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(如激光、雷达等)的快速发展，点云的精度和分辨率变得更高。高精度点云广泛应用于城市数字化地图的构建，在智慧城市、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、传输等带来了巨大挑战，因此对点云进行压缩变得十分重要。
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PCRM中描述的点云属性压缩方法主要采用基于三维空间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空间顺序排序，选取当前点空间顺序的共面、共线的邻居点的属性值加权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。
在点云属性编码时候，需求从粗到细地对点云进行渐进编码。在未分层预测中，使用空间顺序进行预测只能使用单方向的属性，相关性比较弱。使用渐进编码方式配合双空间顺序的预测方法，可以使用双向的预测，提高点云属性地编码性能。因此，现有技术还有待于改进和发展。
发明内容
本发明提供一种基于空间顺序的点云分层方法、点云预测方法及设备，以及一种基于空间顺序的编码方法、解码方法及其设备，用于解决点云分层编码需求，同时增强了邻居与当前点的相关性，提高了点云属性压缩的性能。
本发明的目的在于提供了一种基于空间顺序的点云预测方法。
本发明的另一目的在于提供了一种基于空间顺序的点云分层方法。
本发明的再一目的在于提供了一种基于空间顺序的点云编码方法。
本发明的还一目的在于提供了一种基于空间顺序的点云解码方法。
本发明的还一目的在于提供了一种点云预测设备。
本发明的还一目的在于提供了一种点云编码设备。
本发明的还一目的在于提供了一种点云解码设备。
本发明的发明目的是以如下技术方案实施的，即：
本发明的第一方面，提供了一种基于空间顺序的点云预测方法，包括：生成点云的两个或多个空间顺序；使用该两个或多个空间顺序进行当前点的前向和/或后向搜索，获得该当前点的邻居；根据该当前点的邻居确定该当前点的属性预测值。
优选地，该生成点云的两个或多个空间顺序，包括：利用点云的坐标生成所有点的空间顺序码1，使用该空间顺序码1对点云的所有点进行排序得到点云的空间顺序1；把该点云的几何坐标加上一个偏移值得到新的坐标，利用该新的坐标生成所有点的空间顺序码2并排序，得到空间顺序2，获得了点云的两个空间顺序。
优选地，该使用该两个或多个空间顺序进行当前点的前向和/或后向搜索，获得该当前点的邻居，包括：在该空间顺序1中选取当前点前向的M个点作为邻居候选点；在该空间顺序2中选取该当前点前向的N1个点和/或后向的N2个点作为邻居候选点；计算每个该邻居候选点到该当前点的距离，在该邻居候选点中确定该距离最小的m个点作为该当前点的邻居。
优选地，该根据该当前点的邻居确定该当前点的属性预测值，包括：根据该当前点的m个邻居的属性重构值，确定该当前点的属性预测值。
优选地，该基于空间顺序的点云预测方法，还包括点云分层后的点云预测方法，具体包括方法一、方法二、方法三、或方法四。其中，
方法一：点云分层后，生成该当前点所在的点云层次的空间顺序1和偏移后的空间顺序2，在该空间顺序1中选取该当前点前向的M个点作为邻居候选点；在该空间顺序2中选取该当前点前向的N1个点和后向的N2个点作为邻居候选点；计算每个该邻居候选点到该当前点的距离，在该邻居候选点中确定该距离最小的m个点作为该当前点的邻居；
方法二：点云分层后，生成该当前点所在的点云层次之前的点云层次的空间顺序1和偏移后的空间顺序2，将该当前点映射到该空间顺序1中对应的位置并选取该对应的位置前向的N1个点和后向的N2个点作为邻居候选点；将该当前点映射到该空间顺序2中对应的位置并选取该对应的位置前向的N3个点和后向的N4个点作为邻居候选点；计算每个该邻居候选点到该当前点的距离，在该邻居候选点中确定该距离最小的m个点作为该当前点的邻居；
方法三：点云分层后，生成该当前点所在的点云层次以及之前的点云层次的空间顺序1和偏移后的空间顺序2，在该空间顺序1中选取该当前点前向的N1个点和后向的N2个点作为邻居候选点；在该空间顺序2中选取该当前点前向的N3个点和后向的N4个点作为邻居候选点；计算每个该邻居候选点到该当前点的距离，在该邻居候选点中确定该距离最小的m个点作为该当前点的邻居；
方法四：点云分层后，生成该当前点所在的点云层次的空间顺序1和偏移后的空间顺序2，并且生成该当前点所在的点云层次之前的点云层次的空间顺序3和偏移后的空间顺序4，在该空间顺序1中选取该当前点前向的M个点作为邻居候选点，在该空间顺序2中选取该当前点前向的N1个点和后向的N2个点作为邻居候选点；将该当前点映射到该空间顺序3中对应的位置并选取该对应的位置前向的N3个点和后向的N4个点作为邻居候选点，将该当前点映射到该空间顺序4中对应的位置并选取该对应的位置前向的N5个点和后向的N6个点作为邻居候选点；计算每个该邻居候选点到该当前点的距离，在该邻居候选点中确定该距离最小的m个点作为该当前点的邻居；
本发明的第二方面，提供了一种基于空间顺序的点云分层方法，包括：利用点云的坐标生成所有点的空间顺序码；对于该空间顺序码高位相同的点，选择其中的部分点，将点云划分为两个或多个层次。
优选地，该对于该空间顺序码高位相同的点，选择其中的部分点，将点云划分为一个或多个层次，包括：选择高位相同的点用空间顺序码右移实现，点云中所有的点构成LOD(n)，对该LOD(n)中的每个点的该空间顺序码进行右移N位得到LOD(n)的右移空间顺序码，该右移空间顺序码大小相同的点构成一个点集，该LOD(n)被划分为多个点集，每个该点集中选择一个或几个点划分到LOD(n-1)中，该LOD(n)中未被划分到该LOD(n-1)中的点被划分到R(n)；对该LOD(n-1)中的每个点的该空间顺序码进行右移(N+3)位的计算，得到LOD(n-1)的右移空间顺序码，该右移空间顺序码大小相同的点构成一个点集，该LOD(n-1)被划分为多个点集，每个该点集中选择一个或几个点划分到LOD(n-2)中，该LOD(n-1)中未被划分到该LOD(n-2)中的点被划分到R(n-1)；重复对该LOD(n-1)的操作，迭代划分，得到所有的点云层次LOD(k)(k＝0,……,n)。
优选地，该基于空间顺序的点云分层方法，还包括点云分层后的点云预测方法，具体包括：采用任意一项基于空间顺序的点云分层方法获得点云的两个或多个层次；利用点云的坐标生成当前点所在的点云层次以及之前的点云层次的空间顺序码1并排序，得到点云的空间顺序1；把该点云的几何坐标加上一个偏移值得到新的坐标，利用该新的坐标生成当前点所在的点云层次以及之前的点云层次的空间顺序码2并排序，得到空间顺序2；在该空间顺序1中选取当前点前向的M个点作为邻居候选点；在该空间顺序2中选取该当前点前向的N个点作为邻居候选点；计算每个该邻居候选点到该当前点的距离，在该邻居候选点中确定该距离最小的m个点作为该当前点的邻居；根据该当前点的m个邻居的属性重构值，确定该当前点的属性预测值。
本发明的第三方面，提供了一种基于空间顺序的点云编码方法，包括：采用第一方面、或第二方面所述的任意一项点云预测方法确定当前点的属性预测值；根据该当前点的属性值与该当前点的属性预测值的差值确定该当前点的属性残差值；对该当前点的属性残差值进行编码，得到点云码流。
优选地，该点云编码方法还包括：量化时，对不同点云层次的点采用不同的量化步长；将该量化步长写入头文件并编码进点云码流。
本发明的第四方面，提供了一种基于空间顺序的点云解码方法，包括：采用第一方面、或第二方面所述的任意一项点云预测方法确定该当前点的属性预测值；对点云码流进行解码，得到该当前点的属性残差值；根据该当前点的属性预测值与该当前点的属性残差值的和值确定该当前点的属性重构值。
优选地，该点云解码方法还包括：对点云码流进行解码，得到量化步长；反量化时，对不同点云层次的点采用不同的该量化步长。
本发明的第五方面，提供了一种点云预测设备，包括处理器、存储器及通信总线；该存储器上存储有可被该处理器执行的计算机可读程序；该通信总线实现处理器和存储器之间的连接通信；该处理器执行该计算机可读程序时实现第一方面、或第二方面所述的任意一项点云预测方法。
本发明的第六方面，提供了点云编码设备，包括处理器、存储器及通信总线；该存储器上存储有可被该处理器执行的计算机可读程序；该通信总线实现处理器和存储器之间的连接通信；该处理器执行该计算机可读程序时实现第三方面所述的点云编码方法。
本发明的第七方面，提供了点云解码设备，包括处理器、存储器及通信总线；该存储器上存储有可被该处理器执行的计算机可读程序；该通信总线实现处理器和存储器之间的连接通信；该处理器执行该计算机可读程序时实现第四方面所述的点云解码方法。
基于上述技术方案，本发明的有益效果是：与现有技术相比，本发明提供的基于空间顺序的点云预测方法、点云分层方法，通过计算在两个不同的空间顺序下的候选邻居点与当前点的距离，从中选出m个距离当前点最近的邻居，并用于属性预测值计算，然后根据所述属性预测值进行属性编码或根据所述当前点的属性预测值以及点云属性码流进行属性解码，同时可以实现将点云划分为多个编码层次。本发明提供的基于空间顺序的点云预测方法在进行点云属性预测时候提供更准确的预测值，从而提高点云属性的编码和解码性能，本发明提供的基于空间顺序的点云分层方法，实现了点云层次划分，能够提升点云的几何信息和属性信息的相关性。
附图说明
图1是本发明提供的基于空间顺序的点云预测方法实施例的流程示意图；
图2是本发明提供的基于空间顺序的点云分层方法实施例的流程示意图；
图3是本发明提供的点云编码方法实施例的流程示意图；
图4是本发明提供的点云解码方法实施例的流程示意图；
图5为本发明提供的二维点云的二维莫顿码顺序的示意图；
图6为本发明提供的二维点云的二维偏移莫顿码顺序的示意图；
图7为本发明提供的二维希尔伯特顺序的示意图；
图8为本发明提供的二维点云的二维希尔伯特顺序的示意图；
图9为本发明提供的二维偏移点云的二维偏移希尔伯特顺序的示意图；
图10为本发明提供的三维点云的莫顿顺序的示意图；
图11为本发明提供的三维偏移点云的偏移莫顿码顺序的示意图；
图12为本发明提供的层内和层间多个莫顿顺序的示意图；
图13为本发明提供的点云分层后当前层的莫顿顺序1排列的示意图；
图14为本发明提供的点云分层后当前层的莫顿顺序2排列的示意图；
图15为本发明提供的点云分层后上一层的莫顿顺序3排列的示意图；
图16为本发明提供的点云分层后上一层的莫顿顺序4排列的示意图；
图17为本发明提供的点云分层后不包括上一层的点的当前层的莫顿顺序1排列的示意图；
图18为本发明提供的点云分层后不包括上一层的点的当前层的莫顿顺序2排列的示意图；
图19为本发明提供的层内和层间两个莫顿顺序的示意图；
图20为本发明提供的点云空间顺序1的示意图；
图21为本发明提供的点云空间顺序2的示意图；
图22为本发明提供的映射表1的示意图；
图23为本发明提供的映射表2的示意图；
图24为本发明提供的映射表3的示意图；
图25为本发明提供的映射表4的示意图；
图26为本发明提供的点云的点的偏移莫顿码和下标的示意图；
图27为本发明提供的点云下一层的点的偏移莫顿码和下标的示意图；
图28是本发明提供的实施例的设备的示意图；
具体实施方式
本发明提供一种基于空间顺序的点云分层方法、预测方法、编码方法、解码方法，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
下面结合附图，通过对实施例的描述，对发明内容作进一步说明。
实施例一：基于空间顺序的点云预测方法的在二维下双莫顿顺序双向查找邻居
本实施例中我们使用二维点云和二维莫顿顺序作为例子，以便更清晰的说明本技术特征，同样的技术可以应用在三维点云当中。如图5所示，图中1-64为该局部空间的莫顿顺序，该点云共有11个点，分别为A、B、C、D、E、F、G、H、I、J、K，数字代表三维点云中的莫顿码顺序，编码时候按照莫顿顺序来对点云进行编码，莫顿码顺序小于49的点为已编码点，标记为圆形，莫顿码顺序大于等于49的点为未编码点，标记为三角形，当前需要编码的下一个点为I。若在该点云的莫顿顺序中搜索待编码点I的邻居作为参考点，根据莫顿顺序向前搜索3个点作为邻居，则搜索到的邻居为H、G、F这三个点，但是在该点云中这3个邻居距离当前点I距离较大，本发明的方法可以解决这个问题。
对原点云的每个点的x和y坐标加上偏移(1，1)，加上偏移后的点A-K的位置如图6所示，点云偏移后对应的新的莫顿顺序叫做偏移莫顿顺序。在偏移莫顿顺序中对点云的当前点I进行前向搜索和后向搜索，搜索到的点必须是已编码的点，前向搜索3个邻居为A、G、F，后向搜索三个邻居为B、C、D，结合原始点云搜索到的H、G、F三个邻居，计算每个邻居与当前点的距离，例如计算点云中点I和点C的一阶距离为：1+2＝3，比较所有候选点的一阶距离，选取距离最小的3个点作为邻居，最终选的邻居点为原始顺序下的A、B、D点，这三个点在空间距离上优于未使用本技术的邻居。
实施例二：基于空间顺序的点云预测方法的在二维下双希尔伯特序顺序双向查找邻居
本实施例中我们使用二维点云和二维希尔伯特顺序作为例子，图7是二维空间中希尔伯特序的示意图，以便更清晰的说明本技术特征，同样的技术可以应用在三维点云当中。如图8所示，图中1-64为该局部空间的希尔伯特顺序，该点云共有12个点，数字代表三维点云中的希尔伯特顺序，编码时候按照希尔伯特顺序来对点云进行编码，希尔伯特顺序小于54的点为已编码点，标记为圆形，希尔伯特顺序大于等于54的点为未编码点，标记为三角形，当前需要编码的下一个点为54。若在该点云的希尔伯特顺序中搜索待编码点54的邻居作为参考点，根据希尔伯特顺序向前搜索三个点作为邻居，则搜索到的邻居为53、47、41这三个点，但是在该点云中这3个邻居距离当前点54距离较大，本发明的方法可以解决这个问题。
对原点云的每个点的x和y坐标加上偏移(1，1)，加上偏移后的点云如图9所示，点云偏移后对应的新的希尔伯特顺序叫做偏移希尔伯特顺序。在偏移希尔伯特顺序中对点云进行前向搜索和后向搜索，搜索到的点必须是已编码的点，前向搜索3个邻居为53、52、51，后向搜索2个邻居为58、59，结合原始点云搜索到的53、47、41三个邻居，计算每个邻居与当前点的距离，例如计算偏移点云中点56和点49的一阶距离为：1+2＝3，比较所有候选点的一阶距离，选取距离最小的3个点作为邻居，最终选的邻居点为原始顺序下的33、34、53点，这三个点在空间距离上优于未使用本技术的邻居。
实施例三：基于空间顺序的点云预测方法在三维下双莫顿顺序双向查找邻居
本实施例中我们使用三维点云和三维莫顿顺序作为例子，以便更清晰的说明本技术特征。如图1所示，首先生成点云的两个或多个空间顺序，计算点云中所有点的莫顿码，点云的莫顿码由点云的三维坐标二进制按位从高到底排列到一起得到，例如三维坐标为(1,2,0)的点，三维的二进制表示为01，10，00，生成其莫顿码为010100。生成点云所有点的莫顿码后，根据莫顿码的大小进行排序得到所有点的莫顿顺序。如图10所示，图中0-31为该三维局部空间的莫顿顺序，该局部空间存在A、B、C、D、E、F共6个点，数字代表三维点云中的莫顿码顺序，编码时候按照莫顿顺序来对点云进行编码，当前需要编码的点为F，点A、B、C、D、E、为已编码点。对原点云的每个点的x和y坐标加上偏移(1，1，1)，加上偏移后的点如图11所示，点云偏移后对应的新的莫顿顺序叫做偏移莫顿顺序，原点云中当前需要编码的莫顿顺序16的点对应偏移莫顿顺序23的点。
然后使用莫顿顺序和偏移莫顿顺序进行当前点的前向和/或后向搜索，获得所述当前点的邻居。若只在该点云的莫顿顺序中搜索当前点F的邻居作为参考点，根据莫顿顺序向前搜索3个点作为邻居，则搜索到的邻居为E，D，C这三个点，但是在该点云中这3个邻居距离当前点F16距离较大，本发明的方法可以解决这个问题。在偏移莫顿顺序中对点云进行前向搜索和后向搜索，搜索到的点必须是已编码的点，前向搜索3个邻居为B、D、A，后向搜索两个邻居为C、E，结合原始点云搜索到的E，D，C三个邻居，计算每个邻居与当前点的距离，例如计算点云中点F和点C的一阶距离为：1+1＝2，比较所有候选点的一阶距离，选取距离最小的2个点作为邻居，最终选的邻居点为B、C点，这2个点在空间距离上优于未使用本技术的邻居。如图1所示，最后根据当前点F的邻居的属性值，确定当前点F的属性预测值。
实施例四：点云分层后的基于空间顺序的点云预测方法
在本实施例中，如图12所示，点云已被划分成当前层和上一层两个层次，图中空间顺序1为原始空间顺序，空间顺序2为偏移空间顺序。当前层的点云如图5所示，该点云共有11个点，分别为A、B、C、D、E、F、G、H、I、J、K，对应的空间顺序为27、28、31、40、41、42、45、46、49、50、52，把这些点生成当前层的空间顺序1如图13所示。对于当前层的点云，使用所述生成偏移空间顺序的方法，生成偏移点云如图6所示，得到当前层的空间顺序2,空间顺序2中点E、F、G、A、I、B、C、J、D、H、K对应的空间顺序为44、47、48、50、52、53、54、55、57、59、61，如图14所示。
通过分层后的点云上一层的点为B、E、G、I、K共5个点，对应空间顺序为44、48、52、53、61，上一层的点云空间顺序3如图15所示。对于上一层的点云，使用所述生成偏移空间顺序的方法，生成上一层的空间顺序4，空间顺序4中点E、G、I、B、K对应的空间顺序为44、48、52、53、61，如图16所示。
本实施例具体说明在编码过程中，如何使用两个或多个空间顺序对已被划分成为两个或多个层次的点云进行邻居搜索。
在一些实施方式中，在层内使用双莫顿双向邻居搜索，在层间使用双莫顿双向邻居搜索。在本实施例中先编码图15的B、E、G、I、K点，上一层里只能使用层内的双莫顿邻居搜索，在空间顺序3中使用前向搜索，在空间顺序4中使用前向搜索和后向搜索。例如编码I点,在空间顺序3中前向搜索得到G点，在空间顺序4中前向和后向搜索得到G和B点。编码B、E、G、I、K后，继续编码当前层A-K中的的未编码点。对当前层的点搜索邻居时候，对于层内搜索，在当前层空间顺序1中使用前向搜索，在当前层空间顺序2中使用前向搜索和后向搜索；对于层间邻居搜索，使用双指针或映射表的方式将当前待编码点映射到上一层的莫顿顺序3的对应位置，从该位置开始在上一层空间顺序3中使用前向搜索和后向搜索，再使用双指针或映射表的方式将当前待编码点映射到上一层的空间顺序4的对应位置，从该位置开始在上一层空间顺序4中使用前向搜索和后向搜索。计算所有搜索到的候选点距离当前点的距离，确定最近的m个点作为邻居。
在一些实施方式中，仅仅在层间使用双莫顿双向邻居搜索。对于层间邻居搜索，因为上一层的点都已编码，可以使用空间顺序3后向邻居搜索，使用双指针或映射表的方式将当前待编码点映射到上一层空间顺序3的对应位置并使用前向搜索和后向搜索，使用双指针或映射表的方式将当前待编码点映射到上一层空间顺序4的对应位置并使用前向搜索和后向搜索。计算所有搜索到的候选点距离当前点的距离，确定最近的m个点作为邻居。
在一些实施方式中，当前层空间顺序1的点不包括上一层空间顺序1的点，当前层的空间顺序2的点也不包括上一层空间顺序2的点。当前层空间顺序1的点如图17所示，仅仅包括点A、C、D、F、H、J，上一层空间顺序1的点如图18所示，仅仅包括点F、A、C、J、D、H。
在一些实施方式中，当前层和上一层均使用同一个空间顺序，即包括所有点的空间顺序1和空间顺序2，如图19所示，在层内使用双莫顿双向邻居搜索，在层间使用双莫顿双向邻居搜索。
实施例五：使用映射表在两个空间顺序之间进行互相访问
本实施例中点云一共有8个点，编号为0-7，这8个点的原始空间顺序位图20所示，计算这8个点的偏移空间顺序并重新排序后，得到的偏移空间顺序如图21所示，在进行邻居点搜索时候，需要把当前点在原始空间顺序的下标位置映射到偏移空间顺序的下标位置，在实施中使用映射表的方法在两个空间顺序之间进行映射。
对于原始空间顺序映射到偏移空间顺序，建立一个大小和点数相同的数组，在数组里面存储的对应原始空间顺序的点在偏移空间顺序的下标，称为映射表1，如图22所示。
对于偏移空间顺序映射到原始空间顺序，建立一个大小和点数相同的数组，在数组里面存储的对应偏移空间顺序的点在原始空间顺序的下标，称为映射表2，如图23所示。
原始空间顺序中的下标为3的点，访问映射表1的下标为3的位置，得到其在偏移空间顺序中的下标5，再用该下标访问偏移空间顺序，得到偏移空间顺序中对应的点。
偏移空间顺序中的下标为3的点，访问映射表2的下标为2的位置，得到其在原始空间顺序中的下标4，再用该下标访问原始空间顺序，得到原始空间顺序中对应的点。
实施例六：使用指针或映射表在不同层之间进行一个或多个空间顺序之间进行互相访问。
本实施例中点云一共有8个点，编号分别为0-7，这8个点的原始空间顺序如图26所示，分为两层，当前层包括8个点，下标编号分别为0-7，其中待编码点有5个，编号分别为0、2、3、4、6，前一层已编码点有3个，编号为1，5，7，这3个点的空间顺序位图27所示。在进行邻居点搜索时候，需要从当前层的在下标位置映射到上一层的下标位置，当前层是指点数较多的层，上一层是指指被划分后点数更少的层。
在一些实施方式中使用双指针的方式进行映射，首先初始化两个当前层下标i＝0，上一层下标j＝0，比较两个下标指向的点的空间顺序码的大小，如果当前层的i点的空间顺序码大于或大于等于上一层的j点的空间顺序码，让j增加1，如果当前层的i点的空间顺序码小于或小于等于上一层的j点的空间顺序码，让i增加1。每次更新下标，当前层的i点对应的上一层的下标就是j，上一层的j点对应当前层的下标就是i。
在一些实施方式中使用映射表的方式进行映射，对于当前层空间顺序映射到上一层空间顺序，建立一个大小和当前层点数相同的数组，数组长度为8，在数组里面存储的对应当前层空间顺序的点在上一层空间顺序的下标，称为映射表3，如图24所示。对于上一层空间顺序映射到当前层空间顺序，建立一个大小和上一层点数相同的数组，在数组里面存储的对应上一层空间顺序的点在当前层空间顺序的下标，称为映射表4，如图25所示。当前层空间顺序中的第3个的点，访问映射表3的下标为3的位置，得到其在上一层空间顺序中的下标5，再用该下标访问上一层空间顺序，得到上一层空间顺序中对应的点。上一层空间顺序中的第3个的点，访问映射表4的下标为2的位置，得到其在原始空间顺序中的下标7，再用该下标访问原始空间顺序，得到原始空间顺序中对应的点。
实施例七：基于空间顺序的点云分层方法
如图2所示，首先利用点云的坐标生成所有点的空间顺序码，该实施例以莫顿码为例：点云中点的几何位置用三维笛卡尔坐标(X,Y,Z)表示，其中用N比特来表示每个坐标值，第k个点的坐标(Xk,Yk,Zk)可以表示成
那么第k个点对应的莫顿码可以表示为
如图2所示，然后对于莫顿码高位相同的点，选择其中的部分点，将点云划分为两个或多个层次。选择高位相同的点用空间顺序码右移实现，在图26所示的三维点云中，下标为0、1、2、3的点右移3位后莫顿码都为101001，从中选出一个点加入到下一层，根据下标计算(0+3)/2＝1，选取下标为1的点进入下一层；下标为4、5、6的点右移3位后莫顿码都为101010，从中选出一个点加入到下一层，根据下标计算(4+6)/2＝5，选取下标为5的点进入下一层；下标为7的点右移3位后莫顿码为111000，直接选取进入下一层。最终确定选取了下标为1、5、7的点进入下一层，下一层如图27所示，继续右移3位莫顿码，重复上述操作，得到点云层次。
实施例八：基于空间顺序的点云分层后的点云预测方法
本实施例中点云一共有8个点，编号为0-7，这8个点的原始空间顺序如图13所示，该点云已使用本发明的点云分层方法分为两层，当前层包括0-7一共8个点，其中待编码点有5个，编号分别为0、2、3、4、6，前一层已编码点有3个，编号为1，5，7，这3个点的空间顺序位图15所示。
在进行属性预测时候，使用当前层的点进行莫顿顺序前向预测，在层间使用莫顿顺序前向和后向预测，该实施例中我们使用的层内前向搜索范围是2，层间前向和后向的搜索范围是1，使用邻居的个数为3。假设上一层的前一层的1、5、7点已依次预测，当前层待预测点依次为0、2、3、4、6。预测0这个点的时候，层内前向没有邻居，层间前向没有邻居，层间后向搜索到邻居5，使用邻居5的属性值进行预测。预测2这个点的时候，层内前向搜索到邻居0、1，层间前向搜索到邻居1，层间后向搜索到邻居5，使用0、1、5这三个点的属性值进行加权预测得到属性预测值。预测4这个点的时候，层内前向搜索到邻居3、4，层间前向搜索到邻居1，层间后向搜索到邻居5，从1、3、4、5这四个点中选取三个点，使用这三个点的属性值进行加权预测得到属性预测值。
实施例九：基于空间顺序的点云预测方法的点云属性编码方法
如图3所示，在进行点云层次划分和点云属性预测后，得到了对应点云的预测值，使用当前点的属性值与预测值相减得到残差值。下一步对点云的残差值进行量化，对于不同的层次的残差值量化步长可以设置为不一样的数值，按照编码的顺序，对点数较少的层次进行比量化步长比较小的量化，对点数比较多层次进行量化步长比较大的量化，同时把各层次的量化步长参数写进码流。
实施例十：基于空间顺序的点云预测方法的点云属性解码方法
如图4所示，首先使用点云预测方法确定当前点的属性预测值，使用双莫顿双向邻居搜索。对于当前待解码点在空间顺序1中使用前向搜索得到M个邻居候选点，在空间顺序2中使用前向搜索得到N1个邻居候选点、使用后向搜索得到N2个邻居候选点。计算最多(M+N1+N2)个搜索到的邻居候选点到当前待解码点的距离，确定最近的m个点作为当前待解码点的邻居，计算m个邻居的属性的加权平均值，得到当前待解码点的属性预测值。上述M、N1、N2均为大于等于0的自然数
如图4所示，然后对点云码流进行熵解码得到反量化步长，对点云属性码流进行熵解码得到属性量化系数，对当前待解码点的属性量化系数进行反量化后得到当前待解码点的属性残差值。
如图4所示，最后计算当前待解码点的属性预测值与当前待解码点的属性残差值的和，确定当前待解码点的属性重构值，完成属性解码。
实施例十一：基于分层后的点云预测方法的点云属性解码方法
如图4所示，首先使用点云预测方法确定当前点的属性预测值，如图12所示，点云已被划分成当前层和上一层两个层次，使用层内双莫顿双向邻居搜索和层间双莫顿双向邻居搜索。上一层的点都已经解码，解码当前层的点，对于当前层的待解码点可以使用层内双莫顿双向邻居搜索，也可以使用层间双莫顿双向邻居搜索：在层内，对于当前待解码点在当前层的空间顺序1中使用前向搜索得到M个邻居候选点，在当前层的空间顺序2中使用前向搜索得到N1个邻居候选点、使用后向搜索得到N2个邻居候选点；在层间，因为上一层的点都已解码，使用双指针或映射表的方式将当前待编码点映射到上一层空间顺序3的对应位置并使用前向搜索得到N3个邻居候选点、使用后向搜索得到N4个邻居候选点，使用双指针或映射表的方式将当前待编码点映射到上一层空间顺序4的对应位置并使用前向搜索得到N5个邻居候选点、使用后向搜索得到N6个邻居候选点。计算最多(M+N1+N2+N3+N4+N5+N6)个搜索到的邻居候选点到当前待解码点的距离，确定最近的m个点作为当前待解码点的邻居，计算m个邻居的属性的加权平均值，得到当前待解码点的属性预测值。上述M、N1、N2、N3、N4、N5、N6均为大于等于0的自然数。
进一步具体实施例如下，如图13所示，在层内，对于当前待解码点J在当前层的空间顺序1中使用前向搜索得到3个邻居候选点I、H、G，如图14所示，在当前层的空间顺序2中使用前向搜索得到2个邻居候选点C、B，使用后向搜索得到2个邻居候选点D、H；在层间，因为上一层的点都已解码，使用双指针或映射表的方式将当前待编码点映射到上一层空间顺序3的对应位置I并使用前向搜索得到2个邻居候选点G、E、使用后向搜索得到1个邻居候选点I，使用双指针或映射表的方式将当前待编码点映射到上一层空间顺序4的对应位置并使用前向搜索得到2个邻居候选点I、G、使用后向搜索得到0个邻居候选点。计算上述搜索到的邻居候选点到当前待解码点的距离，确定最近的3个点作为当前待解码点的邻居，计算这3个邻居的属性的加权平均值，得到当前待解码点的属性预测值。
如图4所示，然后对点云码流进行熵解码得到反量化步长，对点云属性码流进行熵解码得到属性量化系数，其中不同的层次的反量化步长可以是不一样的数值，对当前待解码点的属性量化系数进行反量化后得到当前待解码点的属性残差值。
如图4所示，最后计算当前待解码点的属性预测值与当前待解码点的属性残差值的和，确定当前待解码点的属性重构值，完成属性解码。
基于上述点云属性解码方法，本发明还提供一种点云属性解码设备，如图28所示，其包括至少一个处理器(processor)20；显示屏21；以及存储器(memory)22，还可以包括通信接口(Communications Interface)23和总线24。其中，处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令，以执行上述实施例中的方法。
此外，上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
存储器22作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。
存储器22可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器。例如，U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
此外，上述存储介质以及点云属性编码设备中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明，在这里就不再一一陈述。
在一些实施方式中，将本发明提供的基于空间顺序的点云预测方法、点云分层方法用于点云压缩得到的结果与测试平台PCRM1.0的基准结果。
单层下点云预测方法的结果如表1-表4所示，分层下点云预测方法的结果如表5-表8所示：
表1单层下有限损几何、有损属性条件下的性能结果
表2单层下无损几何、有损属性条件下的性能结果
表3单层下无损几何、有限损属性条件下的性能结果
表4单层下无损几何、无损属性条件下的性能结果
表5分层下有限损几何、有损属性条件下的性能结果
表6分层下无损几何、有损属性条件下的性能结果
表7分层下无损几何、有限损属性条件下的性能结果
表8分层下无损几何、无损属性条件下的性能结果
从表1-表4中的数据可以看出，相比与测试平台PCRM1.0的基准结果，在单层下的点云属性预测中，本发明提供的方法对于颜色属性，亮度、色度Cb、色度Cr在各个条件下有较大的性能提升；从表5-表8中的数据可以看出，在多层下的点云属性预测中，本发明提供的方法对于颜色属性，亮度、色度Cb、色度Cr在各个条件下有较大的性能提升。
综上所述，本发明提供了一种基于空间顺序的点云分层方法、点云预测方法及设备，所述基于空间顺序的点云分层方法包括：生成点云的空间顺序；对于所述点云中所述空间顺序码高位相同的点，选择其中的部分点，将点云划分为一个或多个层次。所述点云预测方法包括：生成点云的空间顺序；使用两个或多个空间顺序进行当前点的前向和/或后向邻居搜索；根据所述当前点的邻居确定所述当前点的属性预测值。本发明提供的方法实现了点云层次划分，能够提升点云的几何信息和属性信息相关性的利用，在进行点云属性预测时候提供更准确的预测值，从而提高点云属性的编码和解码性能。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (15)
1.一种基于空间顺序的点云预测方法，其特征在于，包括：
生成点云的两个或多个空间顺序；
使用所述两个或多个空间顺序进行当前点的前向和/或后向搜索，获得所述当前点的邻居；
根据所述当前点的邻居确定所述当前点的属性预测值。
2.根据权利要求1所述的点云预测方法，其特征在于，所述生成点云的两个或多个空间顺序，包括：
利用点云的坐标生成所有点的空间顺序码1，使用所述空间顺序码1对点云的所有点进行排序得到点云的空间顺序1；
把所述点云的几何坐标加上一个偏移值得到新的坐标，利用所述新的坐标生成所有点的空间顺序码2并排序，得到空间顺序2；
获得了点云的两个空间顺序。
3.根据权利要求1所述的点云预测方法，其特征在于，所述使用所述两个或多个空间顺序进行当前点的前向和/或后向搜索，获得所述当前点的邻居，包括：
在所述空间顺序1中选取当前点前向的M个点作为邻居候选点；
在所述空间顺序2中选取所述当前点前向的N1个点和后向的N2个点作为邻居候选点；
计算每个所述邻居候选点到所述当前点的距离，在所述邻居候选点中确定所述距离最小的m个点作为所述当前点的邻居。
4.根据权利要求1所述的点云预测方法，其特征在于，所述根据所述当前点的邻居确定所述当前点的属性预测值，包括：
根据所述当前点的m个邻居的属性重构值，确定所述当前点的属性预测值。
5.根据权利要求1所述的点云预测方法，其特征在于，还包括点云分层后的点云预测方法，具体包括方法一、方法二、方法三、或方法四。其中，
方法一：点云分层后，生成所述当前点所在的点云层次的空间顺序1和偏移后的空间顺序2，在所述空间顺序1中选取所述当前点前向的M个点作为邻居候选点；在所述空间顺序2中选取所述当前点前向的N1个点和后向的N2个点作为邻居候选点；计算每个所述邻居候选点到所述当前点的距离，在所述邻居候选点中确定所述距离最小的m个点作为所述当前点的邻居；
方法二：点云分层后，生成所述当前点所在的点云层次之前的点云层次的空间顺序1和偏移后的空间顺序2，将所述当前点映射到所述空间顺序1中对应的位置并选取所述对应的位置前向的N1个点和后向的N2个点作为邻居候选点；将所述当前点映射到所述空间顺序2中对应的位置并选取所述对应的位置前向的N3个点和后向的N4个点作为邻居候选点；计算每个所述邻居候选点到所述当前点的距离，在所述邻居候选点中确定所述距离最小的m个点作为所述当前点的邻居；
方法三：点云分层后，生成所述当前点所在的点云层次以及之前的点云层次的空间顺序1和偏移后的空间顺序2，在所述空间顺序1中选取所述当前点前向的N1个点和后向的N2个点作为邻居候选点；在所述空间顺序2中选取所述当前点前向的N3个点和后向的N4个点作为邻居候选点；计算每个所述邻居候选点到所述当前点的距离，在所述邻居候选点中确定所述距离最小的m个点作为所述当前点的邻居；
方法四：点云分层后，生成所述当前点所在的点云层次的空间顺序1和偏移后的空间顺序2，并且生成所述当前点所在的点云层次之前的点云层次的空间顺序3和偏移后的空间顺序4，在所述空间顺序1中选取所述当前点前向的M个点作为邻居候选点，在所述空间顺序2中选取所述当前点前向的N1个点和后向的N2个点作为邻居候选点；将所述当前点映射到所述空间顺序3中对应的位置并选取所述对应的位置前向的N3个点和后向的N4个点作为邻居候选点，将所述当前点映射到所述空间顺序4中对应的位置并选取所述对应的位置前向的N5个点和后向的N6个点作为邻居候选点；计算每个所述邻居候选点到所述当前点的距离，在所述邻居候选点中确定所述距离最小的m个点作为所述当前点的邻居。
6.一种基于空间顺序的点云分层方法，其特征在于，包括：
利用点云的坐标生成所有点的空间顺序码；
对于所述空间顺序码高位相同的点，选择其中的部分点，将点云划分为两个或多个层次。
7.根据权利要求6所述的点云分层方法，其特征在于，所述对于所述点云中所述空间顺序码高位相同的点，选择其中的部分点，将点云划分为两个或多个层次，包括：
选择高位相同的点用空间顺序码右移实现，点云中所有的点构成LOD(n)，对所述LOD(n)中的每个点的所述空间顺序码进行右移N位得到LOD(n)的右移空间顺序码，所述右移空间顺序码大小相同的点构成一个点集，所述LOD(n)被划分为多个点集，每个所述点集中选择一个或几个点划分到LOD(n-1)中，所述LOD(n)中未被划分到所述LOD(n-1)中的点被划分到R(n)。
对所述LOD(n-1)中的每个点的所述空间顺序码进行右移(N+3)位的计算，得到LOD(n-1)的右移空间顺序码，所述右移空间顺序码大小相同的点构成一个点集，所述LOD(n-1)被划分为多个点集，每个所述点集中选择一个或几个点划分到LOD(n-2)中，所述LOD(n-1)中未被划分到所述LOD(n-2)中的点被划分到R(n-1)。
重复对所述LOD(n-1)的操作，迭代划分，得到所有的点云层次LOD(k)(k＝0,……,n)。
8.根据权利要求6所述的基于空间顺序的点云分层方法，其特征在于，还包括点云分层后的点云预测方法，具体包括：
采用权利要求6-7所述的任意一项基于空间顺序的点云分层方法获得点云的两个或多个层次；
利用点云的坐标生成当前点所在的点云层次以及之前的点云层次的空间顺序码1并排序，得到点云的空间顺序1；把所述点云的几何坐标加上一个偏移值得到新的坐标，利用所述新的坐标生成当前点所在的点云层次以及之前的点云层次的空间顺序码2并排序，得到空间顺序2；
在所述空间顺序1中选取当前点前向的M个点作为邻居候选点；在所述空间顺序2中选取所述当前点前向的N个点作为邻居候选点；计算每个所述邻居候选点到所述当前点的距离，在所述邻居候选点中确定所述距离最小的m个点作为所述当前点的邻居；
根据所述当前点的m个邻居的属性重构值，确定所述当前点的属性预测值。
9.一种基于空间顺序的点云编码方法，其特征在于，包括：
采用权利要求1-8所述的任意一项点云预测方法确定当前点的属性预测值；
根据所述当前点的属性值与所述当前点的属性预测值的差值确定所述当前点的属性残差值；
将所述当前点的属性残差值编码进点云码流。
10.根据权利要求9所述的点云编码方法，其特征在于，还包括：
量化时，对不同点云层次的点采用不同的量化步长；
将所述量化步长写入头文件并编码进点云码流。
11.一种基于空间顺序的点云解码方法，其特征在于，包括：
采用权利要求1-8所述的任意一项点云预测方法确定当前点的属性预测值；
对点云码流进行解码，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与所述当前点的属性残差值的和值确定所述当前点的属性重构值。
12.根据权利要求11所述的点云解码方法，其特征在于，还包括：
对点云码流进行解码，得到量化步长；
反量化时，对不同点云层次的点采用不同的所述量化步长。
13.一种点云预测设备，其特征在于，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1-8任意一项所述的点云预测方法。
14.一种点云编码设备，其特征在于，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9-10所述的任意一项基于空间顺序的点云编码方法。
15.一种点云解码设备，其特征在于，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11-12所述的任意一项基于空间顺序的点云解码方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2021/114283 WO2022042539A1 (zh) | 2020-08-24 | 2021-08-24 | 一种基于空间顺序的点云分层方法、点云预测方法及设备 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010858488 | 2020-08-24 | ||
| CN2020108584887 | 2020-08-24 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112218079A true CN112218079A (zh) | 2021-01-12 |
| CN112218079B CN112218079B (zh) | 2022-10-25 |
Family
ID=74068050
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011310281.2A Active CN112218079B (zh) | 2020-08-24 | 2020-11-20 | 一种基于空间顺序的点云分层方法、点云预测方法及设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112218079B (zh) |
| WO (1) | WO2022042539A1 (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113014903A (zh) * | 2021-03-15 | 2021-06-22 | 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 |
| CN113096199A (zh) * | 2021-03-12 | 2021-07-09 | 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 |
| CN113395506A (zh) * | 2021-06-16 | 2021-09-14 | 北京大学深圳研究生院 | 一种基于分段的点云邻居搜索方法、编码方法、解码方法及设备 |
| WO2021197238A1 (zh) * | 2020-03-30 | 2021-10-07 | 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 |
| 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 |
| WO2022042539A1 (zh) * | 2020-08-24 | 2022-03-03 | 北京大学深圳研究生院 | 一种基于空间顺序的点云分层方法、点云预测方法及设备 |
| WO2022170521A1 (zh) * | 2021-02-09 | 2022-08-18 | Oppo广东移动通信有限公司 | 几何重构方法、解码器以及计算机存储介质 |
| CN115086716A (zh) * | 2021-03-12 | 2022-09-20 | 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 |
| WO2022247704A1 (zh) * | 2021-05-26 | 2022-12-01 | 荣耀终端有限公司 | 一种点云深度信息的预测编解码方法及装置 |
| 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 |
| WO2022257528A1 (zh) * | 2021-06-11 | 2022-12-15 | 腾讯科技（深圳）有限公司 | 点云属性的预测方法、装置及相关设备 |
| WO2022257150A1 (zh) * | 2021-06-11 | 2022-12-15 | 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 |
| WO2023098801A1 (zh) * | 2021-12-03 | 2023-06-08 | 维沃移动通信有限公司 | 点云属性编码方法、点云解码方法及终端 |
| WO2023169007A1 (zh) * | 2022-03-11 | 2023-09-14 | 腾讯科技（深圳）有限公司 | 点云预测处理方法、装置、计算机、存储介质 |
| WO2023173237A1 (zh) * | 2022-03-12 | 2023-09-21 | Oppo广东移动通信有限公司 | 编解码方法、码流、编码器、解码器以及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108335335A (zh) * | 2018-02-11 | 2018-07-27 | 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 |
| US20190081638A1 (en) * | 2017-09-14 | 2019-03-14 | Apple Inc. | Hierarchical point cloud compression |
| 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 |
| CN111405281A (zh) * | 2020-03-30 | 2020-07-10 | 北京大学深圳研究生院 | 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 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106156281A (zh) * | 2016-06-25 | 2016-11-23 | 南京理工大学 | 基于Hash‑Cube空间层次划分结构的最近邻点集快速检索方法 |
| US10867414B2 (en) * | 2018-04-10 | 2020-12-15 | Apple Inc. | Point cloud attribute transfer algorithm |
| WO2020138463A1 (ja) * | 2018-12-28 | 2020-07-02 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 |
| CN112218079B (zh) * | 2020-08-24 | 2022-10-25 | 北京大学深圳研究生院 | 一种基于空间顺序的点云分层方法、点云预测方法及设备 |
-
2020
- 2020-11-20 CN CN202011310281.2A patent/CN112218079B/zh active Active
-
2021
- 2021-08-24 WO PCT/CN2021/114283 patent/WO2022042539A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190081638A1 (en) * | 2017-09-14 | 2019-03-14 | Apple Inc. | Hierarchical point cloud compression |
| CN108335335A (zh) * | 2018-02-11 | 2018-07-27 | 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 |
| 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 |
| CN111405281A (zh) * | 2020-03-30 | 2020-07-10 | 北京大学深圳研究生院 | 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 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021197238A1 (zh) * | 2020-03-30 | 2021-10-07 | 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 |
| WO2022042539A1 (zh) * | 2020-08-24 | 2022-03-03 | 北京大学深圳研究生院 | 一种基于空间顺序的点云分层方法、点云预测方法及设备 |
| WO2022170521A1 (zh) * | 2021-02-09 | 2022-08-18 | Oppo广东移动通信有限公司 | 几何重构方法、解码器以及计算机存储介质 |
| CN113096199A (zh) * | 2021-03-12 | 2021-07-09 | 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 |
| 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 |
| CN115086716A (zh) * | 2021-03-12 | 2022-09-20 | 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 |
| CN113014903A (zh) * | 2021-03-15 | 2021-06-22 | 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 |
| WO2022247704A1 (zh) * | 2021-05-26 | 2022-12-01 | 荣耀终端有限公司 | 一种点云深度信息的预测编解码方法及装置 |
| 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 |
| WO2022257528A1 (zh) * | 2021-06-11 | 2022-12-15 | 腾讯科技（深圳）有限公司 | 点云属性的预测方法、装置及相关设备 |
| WO2022257150A1 (zh) * | 2021-06-11 | 2022-12-15 | 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 |
| CN113395506A (zh) * | 2021-06-16 | 2021-09-14 | 北京大学深圳研究生院 | 一种基于分段的点云邻居搜索方法、编码方法、解码方法及设备 |
| 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 |
| WO2023098801A1 (zh) * | 2021-12-03 | 2023-06-08 | 维沃移动通信有限公司 | 点云属性编码方法、点云解码方法及终端 |
| WO2023169007A1 (zh) * | 2022-03-11 | 2023-09-14 | 腾讯科技（深圳）有限公司 | 点云预测处理方法、装置、计算机、存储介质 |
| WO2023173237A1 (zh) * | 2022-03-12 | 2023-09-21 | Oppo广东移动通信有限公司 | 编解码方法、码流、编码器、解码器以及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112218079B (zh) | 2022-10-25 |
| WO2022042539A1 (zh) | 2022-03-03 |
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 | |
| 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 | |
| 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 | |
| CN109889840B (zh) | 点云编码和解码的方法、编码设备和解码设备 | |
| WO2019210531A1 (zh) | 一种基于删除量化矩阵中0元素的点云属性压缩方法 | |
| CN111699697B (zh) | 一种用于点云处理、解码的方法、设备及存储介质 | |
| CN111145090A (zh) | 一种点云属性编码方法、解码方法、编码设备及解码设备 | |
| US9819964B2 (en) | Limited error raster compression | |
| CN113473127B (zh) | 一种点云几何编码方法、解码方法、编码设备及解码设备 | |
| 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 | |
| JP7386337B2 (ja) | 分割方法、符号器、復号器及びコンピュータ記憶媒体 | |
| CN113014903B (zh) | 点云邻居确定、点云预测、点云编码、点云解码方法及设备 | |
| CN109166160B (zh) | 一种采用图形预测的三维点云压缩方法 | |
| WO2022057091A1 (zh) | 一种点云属性编码方法、解码方法、编码设备及解码设备 | |
| CN112384950A (zh) | 点云的编解码方法及装置 | |
| CN113784125A (zh) | 一种点云属性预测方法及其设备 | |
| CN112995758B (zh) | 点云数据的编码方法、解码方法、存储介质及设备 | |
| WO2022131948A1 (en) | Devices and methods for sequential coding for point cloud compression | |
| CN116261856A (zh) | 一种点云分层方法及解码器、编码器、存储介质 | |
| CN114902285A (zh) | 一种最近邻搜索方法及装置、设备、存储介质 | |
| JP2023510081A (ja) | 属性情報の予測方法、エンコーダ、デコーダ及び記憶媒体 | |
| US20220392117A1 (en) | Data compression and decompression system and method thereof | |
| CN113906681A (zh) | 点云数据的编解码方法、系统和存储介质 | |
| CN113395506A (zh) | 一种基于分段的点云邻居搜索方法、编码方法、解码方法及设备 | |
| 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 |
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 |