CN112262578B - 点云属性编码方法和装置以及点云属性解码方法和装置 - Google Patents
点云属性编码方法和装置以及点云属性解码方法和装置 Download PDFInfo
- Publication number
- CN112262578B CN112262578B CN201980039255.XA CN201980039255A CN112262578B CN 112262578 B CN112262578 B CN 112262578B CN 201980039255 A CN201980039255 A CN 201980039255A CN 112262578 B CN112262578 B CN 112262578B
- Authority
- CN
- China
- Prior art keywords
- bits
- code
- indication information
- attribute value
- binary attribute
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/005—Statistical coding, e.g. Huffman, run length coding
-
- 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
- H04N19/44—Decoders specially adapted therefor, e.g. video decoders which are asymmetric with respect to the encoder
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Slot Machines And Peripheral Devices (AREA)
Abstract
提供了一种点云属性编码方法，包括：对点云数据中的属性值进行二值化，得到二进制属性值，其中，所述二进制属性值的比特深度为N，N为大于或等于1的正整数；采用至少一个概率模型对所述二进制属性值中的比特位进行算术编码。上述方法通过对点云数据中的属性信息进行二值化，并对二值化的结果进行算术编码，避免了使用层次编码方案对属性信息进行编码和解码，从而减小了时间开销。
Description
版权申明
本专利文件披露的内容包含受版权保护的材料。该版权为版权所有人所有。版权所有人不反对任何人复制专利与商标局的官方记录和档案中所存在的该专利文件或者该专利披露。
技术领域
本申请涉及数据处理领域，并且更为具体地，涉及一种点云属性编码方法和装置，以及一种点云属性解码方法和装置。
背景技术
点云是三维物体或三维场景的一种表现形式，是由空间中一组无规则分布的、表达三维物体或三维场景的空间结构和表面属性的离散点所构成。为了减少点云数据存储和传输时所占用的带宽，需要对点云数据进行编码压缩。一个点云数据通常由位置信息和属性信息构成，位置信息用于描述该点云数据所在位置，例如三维坐标；属性信息用于描述该点云数据的属性，例如颜色和反射率。
在点云编码压缩过程中对位置信息的处理通常与对属性信息的处理分开进行。位置信息的处理过程包括：对坐标进行量化；去除坐标中的重复坐标；对处理后的坐标进行八叉树编码；根据八叉树编码后的坐标的顺序对属性信息进行重新排序，并生成层次编码方案。属性信息的处理过程包括：对属性信息进行属性转换，例如，从RGB格式转换为YCbCr格式；接着根据层次编码方案对属性转换后的属性信息进行预测编码，生成残差；对残差进行量化。最后对经过八叉树编码的位置信息和经过量化的残差进行算术编码，生成码流。
上述编码流程需要多次遍历全部或部分点云数据，从而带来了较大的时间开销。解码流程与编码流程的逆过程大致相同，同样存在时间开销较大的问题。
发明内容
本申请提供了一种点云属性编码方法和装置，以及一种点云属性解码方法和装置，通过对点云数据中的属性信息进行二值化，并对二值化的结果进行算术编码，避免了使用层次编码方案对属性信息进行编码和解码，从而减小了时间开销。
第一方面，提供了一种点云属性编码方法，包括：对点云数据中的属性值进行二值化，得到二进制属性值，其中，所述二进制属性值的比特深度为N，N为大于或等于1的正整数；采用至少一个概率模型对所述二进制属性值中的比特位进行算术编码。
第二方面，提供了一种点云属性解码方法，包括：采用至少一个概率模型对码流中的比特位进行算术解码，得到二进制属性值；根据所述二进制属性值对应的二值化方法对所述二进制属性值进行反二值化，得到属性值。
第三方面，提供了另一种点云属性编码方法，包括：对点云数据中的属性值进行二值化，得到二进制属性值，所述二进制属性值的比特深度为N个比特位，N为大于或等于1的正整数，所述N个比特位包括第一部分比特位；根据所述第一部分比特位从M个概率模型中确定第一概率模型，M为大于或等于1的正整数，且，M小于或等于N；使用所述第一概率模型对所述第一部分比特位进行编码。
第四方面，提供了另一种点云属性解码方法，包括：对码流中的属性信息进行算术解码，得到二进制属性值，所述二进制属性值的比特深度为N个比特位，N为大于或等于1的正整数，所述N个比特位包括第一部分比特位，所述第一部分比特位是采用第一概率模型进行解码得到的，所述第一概率模型是从M个概率模型中确定出来的，M为大于或等于1的正整数，且，M小于或等于N；根据所述二进制属性值对应的二值化方法对所述二进制属性值进行反二值化，得到属性值。
第五方面，提供一种点云属性编码装置，所述装置用于执行上述第一方面中的方法。
第六方面，提供一种点云属性编码装置，所述装置包括存储器和处理器，所述存储器用于存储指令，所述处理器用于执行所述存储器存储的指令，并且对所述存储器中存储的指令的执行使得所述处理器执行第一方面的方法。
第七方面，提供一种芯片，所述芯片包括处理模块与通信接口，所述处理模块用于控制所述通信接口与外部进行通信，所述处理模块还用于实现第一方面的方法。
第八方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被计算机执行时使得所述计算机实现第一方面的方法。具体地，所述计算机可以为上述点云属性编码装置。
第九方面，提供一种包含指令的计算机程序产品，所述指令被计算机执行时使得所述计算机实现第一方面的方法。具体地，所述计算机可以为上述点云属性编码装置。
第十方面，提供一种点云属性解码装置，所述装置用于执行上述第二方面中的方法。
第十一方面，提供一种点云属性解码装置，所述装置包括存储器和处理器，所述存储器用于存储指令，所述处理器用于执行所述存储器存储的指令，并且对所述存储器中存储的指令的执行使得所述处理器执行第二方面的方法。
第十二方面，提供一种芯片，所述芯片包括处理模块与通信接口，所述处理模块用于控制所述通信接口与外部进行通信，所述处理模块还用于实现第二方面的方法。
第十三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被计算机执行时使得所述计算机实现第二方面的方法。具体地，所述计算机可以为上述点云属性解码装置。
第十四方面，提供一种包含指令的计算机程序产品，所述指令被计算机执行时使得所述计算机实现第二方面的方法。具体地，所述计算机可以为上述点云属性解码装置。
第十五方面，提供一种点云属性编码装置，所述装置用于执行上述第三方面中的方法。
第十六方面，提供一种点云属性编码装置，所述装置包括存储器和处理器，所述存储器用于存储指令，所述处理器用于执行所述存储器存储的指令，并且对所述存储器中存储的指令的执行使得所述处理器执行第三方面的方法。
第十七方面，提供一种芯片，所述芯片包括处理模块与通信接口，所述处理模块用于控制所述通信接口与外部进行通信，所述处理模块还用于实现第三方面的方法。
第十八方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被计算机执行时使得所述计算机实现第三方面的方法。具体地，所述计算机可以为上述点云属性编码装置。
第十九方面，提供一种包含指令的计算机程序产品，所述指令被计算机执行时使得所述计算机实现第三方面的方法。具体地，所述计算机可以为上述点云属性编码装置。
第二十方面，提供一种点云属性解码装置，所述装置用于执行上述第四方面中的方法。
第二十一方面，提供一种点云属性解码装置，所述装置包括存储器和处理器，所述存储器用于存储指令，所述处理器用于执行所述存储器存储的指令，并且对所述存储器中存储的指令的执行使得所述处理器执行第四方面的方法。
第二十二方面，提供一种芯片，所述芯片包括处理模块与通信接口，所述处理模块用于控制所述通信接口与外部进行通信，所述处理模块还用于实现第四方面的方法。
第二十三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被计算机执行时使得所述计算机实现第四方面的方法。具体地，所述计算机可以为上述点云属性解码装置。
第二十四方面，提供一种包含指令的计算机程序产品，所述指令被计算机执行时使得所述计算机实现第四方面的方法。具体地，所述计算机可以为上述点云属性解码装置。
附图说明
图1是本申请提供的一种编码流程的示意图。
图2是本申请提供的一种编码流程的示意图。
图3是本申请提供的一种点云属性编码方法的示意图。
图4是本申请提供的一种点云属性解码方法的示意图。
图5是本申请提供的一种编码装置的示意图。
图6是本申请提供的一种解码装置的示意图。
具体实施方式
下面将结合附图，对本申请实施例中的技术方案进行描述。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
图1示出了本申请提供的一种编码流程的示意图。
编码系统对输入的点云数据中的位置信息和属性信息分别进行编码。该点云数据可以是传感器(例如激光雷达)在移动平台上所获取到的点云数据。
对于位置信息，在一个示例中，对位置信息进行量化，例如，对坐标值进行取整处理。可以选择对量化后的坐标先进行去除重复坐标处理再进行位置编码，也可以直接对量化后的坐标进行位置编码，上述位置编码例如是八叉树编码。经过位置编码后的位置信息的顺序发生了变化。
对于属性信息，可以对属性信息进行属性转换后在进行属性编码，也可以直接对属性信息进行编码。其中，若执行了去除重复坐标处理，则在属性编码过程中需要进行属性转换，例如，将合并的坐标对应的属性信息进行合并；若未执行去除重复坐标处理，则可以直接对属性信息进行编码。随后按照位置信息的顺序依次对属性信息进行属性编码，上述属性编码例如是对属性信息进行二值化处理，即，将属性信息的值转换为二进制码。
随后，在算术编码引擎中对经过位置编码的位置信息和经过属性编码的属性信息进行算术编码(即，压缩编码)，最终得到压缩编码后的码流。
点云数据的解码流程与编码流程的逆过程大致相同。图2示出了本申请提供的一种解码流程的示意图。
解码系统对获取输入的码流后，首先进行算术解码，得到待解码的位置信息和待解码的属性信息。解码系统对待解码的位置信息和待解码的属性信息分别进行解码。
解码系统首先进行位置解码，得到量化的位置信息，随后对该量化的位置信息进行逆量化处理，得到位置信息。
在获取量化的位置信息后，解码系统即可按照量化的位置信息的顺序进行属性解码。例如，对待解码的属性信息解码得到包含属性信息的二进制码，随后，根据编码系统使用的二值化方法对二进制码进行解码，得到属性信息。其中，解码系统可以根据码流的头信息中的指示信息确定编码系统使用的二值化方法，也可以根据解码系统中预设的信息确定编码系统使用的二值化方法。
最后，将上述解码得到的位置信息和属性信息合并后即可得到点云数据。
在本申请提供的编码系统中，通过二值化方法对属性信息进行处理，无需生成层次编码方案，即，无需多次遍历全部或部分点云数据，从而减小了编码过程中的时间开销。类似地，在本申请提供的编码系统中，通过二值化方法的逆过程重建属性信息，无需基于层次编码方案重建属性信息，即，无需多次遍历全部或部分点云数据，从而减小了解码过程中的时间开销。
下面，将详细描述本申请提供的基于二值化方法进行编码和解码的过程。
图3示出了本申请提供的一种点云属性编码方法。该方法300包括：
S310，对点云数据中的属性值进行二值化，生成二进制属性值，其中，所述二进制属性值的比特深度为N，N为大于或等于1的正整数。
属性值即上文所述的属性信息，例如，属性值为反射率的值。属性值可以是经过属性转换后得到的值，也可以是未经过属性转换的值。二值化处理即将非二进制数值转换为二进制数值。
编码系统可以根据实际情况选择目标二值化方法，例如，若解码系统仅支持定长码，则编码系统可以选择定长码编码方法作为目标二值化方法；若解码系统支持定长码编码方法、截断莱斯码编码和指数哥伦布码，则编码系统可以选择一个编码性能较好的二值化方法作为目标二值化方法。需要说明的是，上述三种方法仅是举例说明，适用于本申请的二值化方法不限于此。
一个示例中，编码系统和解码系统默认使用同一个二值化方法，则编码系统无需在码流中指示编码系统使用的哪个二值化方法。
一个示例中，编码系统和解码系统未约定使用哪种二值化方法，则编码系统需要在码流中指示采用的哪种二值化方法。一个示例中，码流的头信息包括第二指示信息，该第二指示信息的不同取值用于指示二进制属性值的不同类型。例如，第二指示信息用于指示二进制属性值为定长码，或者用于指示二进制属性值为截断莱斯码，或者用于指示二进制属性值为指数哥伦布码。
由上可知，本申请提供的方法300通过对点云数据中的属性信息进行二值化，并对二值化的结果进行算术编码，避免了使用层次编码方案对属性信息进行编码和解码，从而减小了时间开销。
下面，将分三种情况对上述二值化处理的过程进行介绍。
情况一，目标二值化方法为定长码编码方法。
定长码编码方法是一种将属性值转换为固定长度的二进制码的方法，该固定长度即二进制码所包含的比特位的数量，也可称为比特深度，比特深度的值N为大于或等于1的正整数，例如，N可以等于8或10或12。具体的方法可以参考现有技术中的处理方法，为了简洁，在此不再赘述。一个示例中，比特深度N可以写入算术编码后的码流的头信息中供解码端使用。
情况二，目标二值化方法为截断莱斯码编码方法。
对属性值的二值化，还可以采用截断莱斯码编码方法。设门限值为cMax，莱斯参数为R，属性值为Ref。截断莱斯码由前缀码和后缀码串联而成，前缀值P的计算方法如式1所示。
P＝Ref＞＞R 式1
其中，“＞＞”表示右移。若P小于值(cMax＞＞R)，则前缀码由P个1和一个0组成，长度为P+1；若P大于等于值(cMax＞＞R)，则前缀码由(cMax＞＞R)个1组成，长度为(cMax＞＞R)。当属性值Ref小于cMax时，其后缀值S如式2所示。
S＝Ref-(P＜＜R) 式2
其中，“＜＜”表示左移。后缀码为S的二元化串，长度为R。当属性数值Ref大于等于cMax时，无后缀码。接着将属性值二值化后的二进制码流按照位置编码后位置信息的顺序依次送入算术编码引擎中进行压缩编码，最终得到压缩编码后的码流。在这里关于截断莱斯的门限值cMax，莱斯参数R可以设定。
一个示例中，截断莱斯码的门限值和/或莱斯参数写入算术编码后的码流的头信息中供解码端使用。
情况三，目标二值化方法为指数哥伦布码编码方法。
对属性值的二值化，还可以采用指数哥伦布码编码方法进行编码。指数哥伦布码由前缀和后缀两部分组成，前缀和后缀都依赖于指数哥伦布码的阶数k。表示非负整数属性N的k阶指数哥伦布码可用如下步骤生成。
①将数字X以二进制形式写出，去掉最低的k个比特位，之后加1。
②计算留下的比特位数，将此数减一，即是需要增加的前缀零的个数。
③将步骤①中去掉的最低k个比特位补回比特串尾部。
例如，反射率的数值(即，属性值)为4时，一阶指数哥伦布码编码方法如下：
①4的二进制表示为100，去掉最低1个比特位0变为10，加1后变为11。
②11的比特数为2，因此前缀中0的个数为1。
③在比特串最低比特位补上步骤①中去掉的0，最终码字为0110。
对于k阶哥伦布码，前缀由m个连续的0和一个1构成，后缀由m+k构成，是X-2k(2m-1)的二进制表示。据此即可实现对属性的二值化。接着将属性二值化后的二进制码流按照位置编码后位置信息的顺序依次送入算术编码引擎中进行压缩编码，最终得到压缩编码后的码流。可选地，哥伦布码的阶数可以包含在上述码流的头信息中。可选地，哥伦布码的阶数也可以是编码系统和解码系统预设的信息，此时，码流的头信息中无需包含哥伦布码的阶数。
需要说明的是，上述三种二值化方法仅是举例说明，适用于本申请的二值化方法不限于此。在编码系统最终生成的码流的头信息中，可以包含指示二值化方法的指示信息。
属性值二值化完成后，编码系统可以采用概率模型对一个二进制属性值进行算术编码。对于一个二进制属性值，其可以包含N个比特位，N为大于或等于1的正整数，编码系统可以执行S320对其进行算术编码。
S320，采用至少一个概率模型对一个二进制属性值中的比特位进行算术编码。
在一个示例中，若采用至少两个概率模型进行算术编码，则在编码系统最终生成的码流的头信息中，可以包含指示编码端使用了多个(即，至少两个)概率模型进行算术编码的指示信息。
算术编码的基本原理是：根据信源可能发现的不同符号序列的概率，把区间[0，1)划分为互不重叠的子区间，子区间的宽度恰好是各符号序列的概率。这样信源发出的不同符号序列将与各子区间一一对应，因此每个子区间内的任意一个实数都可以用来表示对应的符号序列，这个数就是该符号序列所对应的码字。显然，一串符号序列发生的概率越大，对应的子区间就越宽，要表达它所用的比特数就减少，因而相应的码字就越短。
二进制属性值即为一种符号序列，N个比特位中各个比特位上的比特值出现的概率可以通过概率模型来描述。
在一个示例中，对一个二进制属性值中的所有比特位均采用同一个概率模型进行算术编码。可选地，在每编码完一个或多个比特位后，都对同一个概率模型进行更新，以及采用该更新的概率模型对下一个或多个比特位进行算术编码。
在一个示例中，采用至少两个概率模型分别对一个二进制属性值中的不同比特位进行算术编码。例如，在二进制属性值的N个比特位中，前N/2个比特位采用第一概率模型进行算术编码，后N/2个比特位采用第二概率模型进行算术编码。可选地，在每编完该前N/2个比特位中的每个或每多个比特位后，对该第一概率模型进行更新，采用更新后的第一概率模型对下一个或下多个比特位进行算术编码；在每编完该后N/2个比特位中的每个或每多个比特位后，对该第二概率模型进行更新，采用更新后的第二概率模型对下一个或下多个比特位进行算术编码。
对于二进制属性值的N个比特位，可以采用M个概率模型确定各个比特位的比特值的概率，其中，N和M均为大于或等于1的正整数，且M小于或等于N。
在一个示例中，采用同一个概率模型对二进制属性值中最低的至少2个比特位进行算术解码。在一个示例中，采用不同概率模型对二进制属性值中最高的至少2个比特位进行算术解码。
在一个示例中，可以采用的逐比特编码方法，即，对一个二进制属性值的不同的比特位采用不同的概率模型进行算术编码。具体的，对N个比特位采用N个概率模型进行算术编码。
在一个示例中，对于不同的二进制属性值，可以采用相同的概率模型对相同的比特位进行算术编码。例如，对每个二进制属性值的相同位置(例如第二个，或者，第二个和第三个)处的比特位，采用相同的概率模型进行算术编码。可选地，在每编完1个或多个二进制属性值的一个位置处的比特位之后，对对应的概率模型进行更新，然后采用更新后的概率模型对下一个或下多个二进制属性值中的该位置处的比特位进行算术编码。
编码系统可以根据比特位确定该比特位对应的概率模型。例如，二进制属性值的N个比特位包括第一部分比特位，则编码系统可以从M个概率模型中确定与第一部分比特位对应的第一概率模型，并使用第一概率模型对第一部分比特位进行编码。又例如，二进制属性值的N个比特位包括第二部分比特位，则编码系统可以从M个概率模型中确定与第二部分比特位对应的第二概率模型，并使用第二概率模型对第二部分比特位进行编码。
由于相同的比特值在不同比特位上出现的概率不同，相比于现有技术中仅使用一个概率模型对一个二进制属性值进行算术编码的方法，本申请提供的算术编码方法使用至少两个概率模型对一个二进制属性值进行算术编码，从而可以更加精确地确定不同比特位上比特值的概率。
可选地，编码系统也可以对多个比特位采用相同的概率模型进行编码。例如，第一部分比特位包括至少两个比特位，第一概率模型为一个概率模型，编码系统可以使用一个概率模型为至少两个比特位进行编码，从而可以减小算术编码的复杂度。
对于一个二进制属性值，由于低位比特位上不同比特值的概率相同或相近，因此，编码系统可以使用一个概率模型对多个低位比特进行编码，从而可以在减小算术编码的复杂度的同时降低对算术编码的精度的影响。对于高位比特位，可以采用不同的概率模型进行算术编码。
例如，二进制属性值为0100，右边两个“0”所在的比特位属于低位比特位，可以使用相同的概率模型对这两个比特位进行算术编码；左边的“01”所在的比特位为高位比特位，可以使用不同的概率模型对这两个比特位进行编码。
编码系统还可以根据一个比特位上不同比特值出现的次数更新该比特位对应的概率模型。例如，第一比特位存在两种比特值，分别为“0”和“1”，若当前二进制属性值的第一比特位的比特值为“0”，编码系统可以更新第一概率模型，增大“0”的概率值，减小“1”的概率值；若当前二进制属性值的第一比特位的比特值为“1”，编码系统可以更新第一概率模型，增大“1”的概率值，减小“0”的概率值。
上文所述的概率模型可以称为“上下文概率模型”，该概率模型具有适应性变化的性质。本申请各个实施例中的概率模型还可以是固定的概率模型，即，概率模型不随上下文的变化而改变。
若采用上下文概率模型对一个二进制属性值的不同比特位进行算术编码，则编码系统可以采用相同的初始概率模型对所述二进制属性值中的不同比特位进行算术编码，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新；采用更新后的概率模型对对应的比特位进行算术编码。
或者，编码系统也可以采用不同的初始概率模型对二进制属性值中的不同比特位进行算术编码，对二进制属性值中的不同比特位对应的概率模型分别进行更新；采用更新后的概率模型对对应的比特位进行算术编码。
编码系统可以采用相同的更新方法，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新。或者，编码系统可以采用不同的更新方法，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新。
上文所述的不同概率模型(例如上文提到的“第一概率模型”和“第二概率模型”)可以是由同一个初始概率模型进行更新得到的，也可以是由不同的初始概率模型进行更新得到的。此外，该不同概率模型可以是根据相同的更新方法或不同的更新方法更新得到的。
在一个示例中，码流中还包含第一指示信息，所述第一指示信息用于指示所述二进制属性值的算术编码方案。
可选地，所述第一指示信息用于指示所述属性值的编码方案为直接编码方案，该直接编码方案指的是对所述属性值进行二值化后进行采用至少一个概率模型进行算术编码。可选地，所述直接编码方案指的是对所述属性值进行二值化后采用多种概率模型进行算术编码。例如，该直接编码方案可以是上述提供的方法300中所描述的编码方案。
可选地，所述第一指示信息的不同取值分别用于指示不同的算术编码方案。例如，算术编码方案包含直接编码方案、层次编码方案、基于莫顿码的预测编码方案中的至少一种，第一指示信息的不同取值分别用于指示其中的不同的方案。
在一个示例中，码流中也可以不包含用于指示二进制属性值的算术编码方案的指示信息，而是编解码端默认采用同一个算术编码方案，例如默认采用直接编码方案。
上文详细介绍了本申请提供的编码方法，解码方法与编码方法的逆过程大致相同。例如，编码系统基于定长码编码方法对属性值进行二值化，二解码系统可以基于定长码解码方法对二进制属性值进行解码；又例如，编码系统对一个二进制属性值的不同比特位采用不同的概率模型进行编码，则解码系统可以对一个二进制属性值的不同比特位采用不同的概率模型进行解码。因此，即使上文个别地方未明确写明解码系统的处理过程，本领域技术人员也可以基于编码系统的处理过程清楚地了解解码系统的处理过程。
图4示出了本申请提供的一种点云属性解码方法的示意图。该方法400包括：
S410，采用至少一个概率模型对码流中的属性信息进行算术解码，得到二进制属性值。
S420，根据所述二进制属性值对应的二值化方法对所述二进制属性值进行反二值化，得到属性值。
解码系统首选获取码流，随后采用至少一个概率模型对码流中的属性信息进行算术解码，具体的解码方法可参照表1对应的解码方法，为了简洁，在此不再赘述。
可选地，S410可以包括：
采用至少两个概率模型对码流中的不同比特位进行算术解码。
可选地，方法400还可以包括：
对码流中不同二进制属性值中的相同比特位，采用相同的概率模型进行算术解码。
可选地，S410可以包括：
采用同一个概率模型对二进制属性值中最低的至少2个比特位进行算术解码。
可选地，S410可以包括：
采用不同概率模型对二进制属性值中最高的至少2个比特位进行算术解码。
可选地，S410可以包括：
采用不同概率模型对一个二进制属性值中的不同比特位进行算术解码。
可选地，在S410之前，方法400还包括：
接收包括二进制属性值的码流。
可选地，所述码流的头信息包括第一指示信息，所述第一指示信息用于指示所述二进制属性值的算术编码方案。
可选地，所述第一指示信息的不同取值分别用于指示不同的算术编码方案。
可选地，所述第一指示信息用于指示所述属性值的编码方案为直接编码方案，所述直接编码方案指的是对所述属性值进行二值化后进行采用至少一个概率模型进行算术编码。
可选地，所述直接编码方案指的是对所述属性值进行二值化后采用多种概率模型进行算术编码。
可选地，所述码流的头信息包括第二指示信息，所述第二指示信息的不同取值用于指示所述二进制属性值的不同类型。
可选地，所述第二指示信息用于指示所述二进制属性值为定长码、截断莱斯码、指数哥伦布码中的一种。
可选地，所述第二指示信息用于指示所述二进制属性值为定长码；
所述码流的头信息还包括第三指示信息，用于指示所述定长码的比特深度。
可选地，所述第二指示信息用于指示所述二进制属性值为截断莱斯码；
所述码流的头信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数。
可选地，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述码流的头信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
可选地，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述指数哥伦布码的阶数为默认值。
可选地，所述二进制属性值默认为定长码，所述码流的头信息还包括第三指示信息，用于指示所述定长码的比特深度；或者，
所述二进制属性值默认为截断莱斯码，所述码流的头信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数；或者，
所述二进制属性值默认为指数哥伦布码，所述指数哥伦布码的阶数为默认值，或者，所述码流的头信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
可选地，所述码流中还包括第六指示信息，用于指示所述二进制属性值的不同比特位中采用相同的概率模型或者采用不同的概率模型的比特位。
可选地，所述概率模型为上下文概率模型。
可选地，方法400还包括：
基于已解码的比特位对所述概率模型进行更新。
可选地，所述属性值包括反射率。
可选地，所述点云数据为传感器在移动平台上所获取到的点云数据。
上述各个可选的实施方式在方法300中均有对应的描述。
上文结合图1至图4，详细描述了本申请的方法实施例，下面结合图5和图6，详细描述本申请的装置实施例。应理解，方法实施例的描述与装置实施例的描述相互对应，因此，未详细描述的部分可以参见前面方法实施例。
图5是提供的一种编码装置的示意性结构图。图5所示的装置500包括：存储器510和处理器520。
存储器510可用于存储代码。处理器520可用于读取所述存储器510中的代码，以执行如下操作：对点云数据中的属性值进行二值化，得到二进制属性值，其中，所述二进制属性值的比特深度为N，N为大于或等于1的正整数；采用至少一个概率模型对所述二进制属性值中的比特位进行算术编码。
可选地，所述采用至少一个概率模型对所述二进制属性值中的比特位进行算术编码，包括：采用至少两个概率模型对所述二进制属性值中的不同比特位进行算术编码。
可选地，处理器520还用于执行：对不同二进制属性值中的相同比特位，采用相同的概率模型进行算术编码。
可选地，所述采用至少一个概率模型对所述二进制属性值中的比特位进行算术编码，包括：采用同一个概率模型对所述二进制属性值中最低的至少2个比特位进行算术编码。
可选地，所述采用至少一个概率模型对所述二进制属性值中的比特位进行算术编码，包括：采用不同概率模型对所述二进制属性值中最高的至少2个比特位进行算术编码。
可选地，所述采用至少一个概率模型对所述二进制属性值中的比特位进行算术编码，包括：采用不同概率模型对所述二进制属性值中的不同比特位进行算术编码。
可选地，处理器520还用于执行：生成包括所述算术编码的编码结果的码流。
可选地，所述码流的头信息包括第一指示信息，所述第一指示信息用于指示所述属性值的编码方案。
可选地，所述第一指示信息的不同取值分别用于指示不同的编码方案。
可选地，所述第一指示信息用于指示所述属性值的编码方案为直接编码方案，所述直接编码方案指的是对所述属性值进行二值化后进行采用至少一个概率模型进行算术编码。
可选地，所述直接编码方案指的是对所述属性值进行二值化后采用多个概率模型进行算术编码。
可选地，所述码流的头信息包括第二指示信息，所述第二指示信息的不同取值用于指示所述二进制属性值的不同类型。
可选地，所述第二指示信息用于指示所述二进制属性值为定长码、截断莱斯码、指数哥伦布码中的一种。
可选地，所述第二指示信息用于指示所述二进制属性值为定长码；所述码流的头信息还包括第三指示信息，用于指示所述定长码的比特深度。
可选地，所述第二指示信息用于指示所述二进制属性值为截断莱斯码；所述码流的头信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数。
可选地，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；所述码流的头信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
可选地，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；所述指数哥伦布码的阶数为默认值。
可选地，所述二进制属性值默认为定长码，所述码流的头信息还包括第三指示信息，用于指示所述定长码的比特深度；或者，
所述二进制属性值默认为截断莱斯码，所述码流的头信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数；或者，
所述二进制属性值默认为指数哥伦布码，所述指数哥伦布码的阶数为默认值，或者，所述码流的头信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
可选地，所述码流中还包括第六指示信息，用于指示所述二进制属性值中采用相同的概率模型的比特位或者采用不同的概率模型的比特位。
可选地，所述概率模型为上下文概率模型。
可选地，所述方法还包括：基于已编码的比特位对所述概率模型进行更新。
可选地，所述采用至少两个概率模型对所述二进制属性值中的不同比特位进行算术编码，包括：采用相同的初始概率模型对所述二进制属性值中的不同比特位进行算术编码；对所述二进制属性值中的不同比特位对应的概率模型分别进行更新；采用更新后的概率模型对对应的比特位进行算术编码。
可选地，所述采用至少两个概率模型对所述二进制属性值中的不同比特位进行算术编码，包括：采用不同的初始概率模型对所述二进制属性值中的不同比特位进行算术编码，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新；采用更新后的概率模型对对应的比特位进行算术编码。
可选地，所述对所述二进制属性值中的不同比特位对应的概率模型分别进行更新，包括：采用相同的更新方法，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新。
可选地，所述对所述二进制属性值中的不同比特位对应的概率模型分别进行更新，包括：采用不同的更新方法，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新。
可选地，所述属性值包括反射率。
可选地，所述点云数据为传感器在移动平台上所获取到的点云数据。
上文介绍了本申请提供的编码装置的一个实施例，处理器520还可用于读取所述存储器510中的代码，以执行如下操作：对点云数据中的属性值进行二值化，得到二进制属性值，所述二进制属性值的比特深度为N个比特位，N为大于或等于1的正整数，所述N个比特位包括第一部分比特位；根据所述第一部分比特位从M个概率模型中确定第一概率模型，M为大于或等于1的正整数，且，M小于或等于N；使用所述第一概率模型对所述第一部分比特位进行编码。
可选地，所述第一部分比特位包括至少两个比特位。
可选地，所述第一部分比特位为所述二进制属性值的低位比特位。
可选地，所述第一部分比特位为1个比特位。
可选地，所述第一部分比特位的值为第一部分比特值，所述处理器520还用于执行：根据所述第一部分比特值更新所述第一概率模型。
可选地，所述N个比特位包括第二部分比特位；所述处理器520还用于执行：使用第二概率模型对所述第二部分比特位进行编码，所述第二概率模型和所述第一概率模型不同。
可选地，所述第二部分比特位的值为第二比特值，所述处理器520还用于执行：根据所述第二部分比特值更新所述第二概率模型。
可选地，所述第一概率模型和所述第二概率模型是由同一个或不同初始概率模型更新得到的。
可选地，所述第一概率模型和所述第二概率模型是根据相同的更新方法或不同的更新方法更新得到的。
可选地，所述处理器520还用于执行：生成包括所述算术编码的编码结果的码流。
可选地，所述码流的头信息包括第一指示信息，所述第一指示信息用于指示所述属性值的编码方案。
可选地，所述第一指示信息的不同取值分别用于指示不同的编码方案。
可选地，所述第一指示信息用于指示所述属性值的编码方案为直接编码方案，所述直接编码方案指的是对所述属性值进行二值化后进行采用至少一个概率模型进行算术编码。
可选地，所述直接编码方案指的是对所述属性值进行二值化后采用多个概率模型进行算术编码。
可选地，所述码流的头信息包括第二指示信息，所述第二指示信息的不同取值用于指示所述二进制属性值的不同类型。
可选地，所述第二指示信息用于指示所述二进制属性值为定长码、截断莱斯码、指数哥伦布码中的一种。
可选地，所述第二指示信息用于指示所述二进制属性值为定长码；所述码流的头信息还包括第三指示信息，用于指示所述定长码的比特深度。
可选地，所述第二指示信息用于指示所述二进制属性值为截断莱斯码；所述码流的头信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数。
可选地，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；所述码流的头信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
可选地，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；所述指数哥伦布码的阶数为默认值。
可选地，所述二进制属性值默认为定长码，所述码流的头信息还包括第三指示信息，用于指示所述定长码的比特深度；或者，
所述二进制属性值默认为截断莱斯码，所述码流的头信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数；或者，
所述二进制属性值默认为指数哥伦布码，所述指数哥伦布码的阶数为默认值，或者，所述码流的头信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
可选地，所述码流中还包括第六指示信息，用于指示所述二进制属性值中采用相同的概率模型的比特位或者采用不同的概率模型的比特位。
可选地，所述概率模型为上下文概率模型。
可选地，所述属性值包括反射率。
可选地，所述点云数据为传感器在移动平台上所获取到的点云数据。
图6是本申请提供的一种解码装置的示意性结构图。图6的装置600包括：存储器610和处理器620。
存储器610可用于存储代码。处理器620可用于读取所述存储器中的代码，以执行如下操作：采用至少一个概率模型对码流中的属性信息进行算术解码，得到二进制属性值；根据所述二进制属性值对应的二值化方法对所述二进制属性值进行反二值化，得到属性值。
可选地，所述采用至少一个概率模型对码流中的比特位进行算术解码，包括：采用至少两个概率模型对所述码流中的不同比特位进行算术解码。
可选地，所述处理器620还用于：对所述码流中不同二进制属性值中的相同比特位，采用相同的概率模型进行算术解码。
可选地，所述采用至少一个概率模型对码流中的比特位进行算术解码，包括：采用同一个概率模型对所述二进制属性值中最低的至少2个比特位进行算术解码。
可选地，所述采用至少一个概率模型对码流中的比特位进行算术解码，包括：采用不同概率模型对所述二进制属性值中最高的至少2个比特位进行算术解码。
可选地，所述采用至少一个概率模型对码流中的比特位进行算术解码，包括：采用不同概率模型对所述二进制属性值中的不同比特位进行算术解码。
可选地，所述处理器620还用于：接收包括所述属性信息的码流。
可选地，所述码流的头信息包括第一指示信息，所述第一指示信息用于指示所述属性值的解码方案。
可选地，所述第一指示信息的不同取值分别用于指示不同的解码方案。
可选地，所述第一指示信息用于指示所述属性值的解码方案为直接解码方案，所述直接解码方案指的是对所述属性值进行二值化后进行采用至少一个概率模型进行算术解码。
可选地，所述直接解码方案指的是对所述属性值进行二值化后采用多个概率模型进行算术解码。
可选地，所述码流的头信息包括第二指示信息，所述第二指示信息的不同取值用于指示所述二进制属性值的不同类型。
可选地，所述第二指示信息用于指示所述二进制属性值为定长码、截断莱斯码、指数哥伦布码中的一种。
可选地，所述第二指示信息用于指示所述二进制属性值为定长码；所述码流的头信息还包括第三指示信息，用于指示所述定长码的比特深度。
可选地，所述第二指示信息用于指示所述二进制属性值为截断莱斯码；所述码流的头信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数。
可选地，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；所述码流的头信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
可选地，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；所述指数哥伦布码的阶数为默认值。
可选地，所述二进制属性值默认为定长码，所述码流的头信息还包括第三指示信息，用于指示所述定长码的比特深度；或者，
所述二进制属性值默认为截断莱斯码，所述码流的头信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数；或者，
所述二进制属性值默认为指数哥伦布码，所述指数哥伦布码的阶数为默认值，或者，所述码流的头信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
可选地，所述码流中还包括第六指示信息，用于指示所述二进制属性值的不同比特位中采用相同的概率模型或者采用不同的概率模型的比特位。
可选地，所述概率模型为上下文概率模型。
可选地，所述处理器620还用于执行：基于已解码的比特位对所述概率模型进行更新。
可选地，所述采用至少两个概率模型对所述二进制属性值中的不同比特位进行算术解码，包括：采用相同的初始概率模型对所述二进制属性值中的不同比特位进行算术解码，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新；采用更新后的概率模型对对应的比特位进行算术解码。
可选地，所述采用至少两个概率模型对所述二进制属性值中的不同比特位进行算术解码，包括：采用不同的初始概率模型对所述二进制属性值中的不同比特位进行算术解码，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新；采用更新后的概率模型对对应的比特位进行算术解码。
可选地，所述对所述二进制属性值中的不同比特位对应的概率模型分别进行更新，包括：采用相同的更新方法，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新。
可选地，所述对所述二进制属性值中的不同比特位对应的概率模型分别进行更新，包括：采用不同的更新方法，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新。
可选地，所述属性值包括反射率。
可选地，所述点云数据为传感器在移动平台上所获取到的点云数据。
上文介绍了本申请提供的解码装置的一个实施例，处理器620还可用于读取所述存储器610中的代码，以执行如下操作：对码流中的属性信息进行算术解码，得到二进制属性值，所述二进制属性值的比特深度为N个比特位，N为大于或等于1的正整数，所述N个比特位包括第一部分比特位，所述第一部分比特位是采用第一概率模型进行解码得到的，所述第一概率模型是从M个概率模型中确定出来的，M为大于或等于1的正整数，且，M小于或等于N；根据所述二进制属性值对应的二值化方法对所述二进制属性值进行反二值化，得到属性值。
可选地，所述第一部分比特位包括至少两个比特位。
可选地，所述第一部分比特位为所述二进制属性值的低位比特位。
可选地，所述第一部分比特位为1个比特位。
可选地，所述第一部分比特位的值为第一部分比特值，所述处理器620还用于执行：根据所述第一部分比特值更新所述第一概率模型。
可选地，所述N个比特位包括第二部分比特位；所述第二部分比特位是采用第二概率模型解码得到的，所述第二概率模型和所述第一概率模型不同。
可选地，所述第二部分比特位的值为第二比特值，所述处理器620还用于执行：根据所述第二部分比特值更新所述第二概率模型。
可选地，所述第一概率模型和所述第二概率模型是由同一个或不同初始概率模型更新得到的。
可选地，所述第一概率模型和所述第二概率模型是根据相同的更新方法或不同的更新方法更新得到的。
可选地，所述处理器620还用于执行：接收包括所述属性信息的码流。
可选地，所述码流的头信息包括第一指示信息，所述第一指示信息用于指示所述属性值的解码方案。
可选地，所述第一指示信息的不同取值分别用于指示不同的解码方案。
可选地，所述第一指示信息用于指示所述属性值的解码方案为直接解码方案，所述直接解码方案指的是对所述属性值进行二值化后进行采用至少一个概率模型进行算术解码。
可选地，所述直接解码方案指的是对所述属性值进行二值化后采用多个概率模型进行算术解码。
可选地，所述码流的头信息包括第二指示信息，所述第二指示信息的不同取值用于指示所述二进制属性值的不同类型。
可选地，所述第二指示信息用于指示所述二进制属性值为定长码、截断莱斯码、指数哥伦布码中的一种。
可选地，所述第二指示信息用于指示所述二进制属性值为定长码；所述码流的头信息还包括第三指示信息，用于指示所述定长码的比特深度。
可选地，所述第二指示信息用于指示所述二进制属性值为截断莱斯码；所述码流的头信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数。
可选地，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；所述码流的头信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
可选地，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；所述指数哥伦布码的阶数为默认值。
可选地，所述二进制属性值默认为定长码，所述码流的头信息还包括第三指示信息，用于指示所述定长码的比特深度；或者，
所述二进制属性值默认为截断莱斯码，所述码流的头信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数；或者，
所述二进制属性值默认为指数哥伦布码，所述指数哥伦布码的阶数为默认值，或者，所述码流的头信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
可选地，所述码流中还包括第六指示信息，用于指示所述二进制属性值中采用相同的概率模型的比特位或者采用不同的概率模型的比特位。
可选地，所述概率模型为上下文概率模型。
可选地，所述属性值包括反射率。
可选地，所述点云数据为传感器在移动平台上所获取到的点云数据。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其他任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc，DVD))、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (178)
1.一种点云属性编码方法，其特征在于，包括：
对点云数据中的属性值进行二值化，得到二进制属性值，其中，所述二进制属性值的比特深度为N，N为大于1的正整数；
采用至少一个概率模型对所述二进制属性值中的比特位进行算术编码，其中，所述采用至少一个概率模型对所述二进制属性值中的比特位进行算术编码，包括：
采用至少两个概率模型对一个所述二进制属性值中的不同比特位进行算术编码；所述方法还包括：
对不同二进制属性值中的相同比特位，采用相同的概率模型进行算术编码。
2.根据权利要求1所述的方法，其特征在于，所述采用至少一个概率模型对所述二进制属性值中的比特位进行算术编码，包括：
采用不同概率模型对所述二进制属性值中最高的至少2个比特位进行算术编码。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
生成包括所述算术编码的编码结果的码流。
4.根据权利要求3所述的方法，其特征在于，所述码流的头部信息包括第一指示信息，所述第一指示信息用于指示所述属性值的编码方案。
5.根据权利要求4所述的方法，其特征在于，所述第一指示信息的不同取值分别用于指示不同的编码方案。
6.根据权利要求4所述的方法，其特征在于，所述第一指示信息用于指示所述属性值的编码方案为直接编码方案，所述直接编码方案指的是对所述属性值进行二值化后进行采用至少两个概率模型进行算术编码。
7.根据权利要求4或5中任一项所述的方法，其特征在于，所述码流的头部信息包括第二指示信息，所述第二指示信息的不同取值用于指示所述二进制属性值的不同类型。
8.根据权利要求7所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码、截断莱斯码、指数哥伦布码中的一种。
9.根据权利要求8所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码；
所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度。
10.根据权利要求8所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为截断莱斯码；
所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数。
11.根据权利要求8所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
12.根据权利要求8所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述指数哥伦布码的阶数为默认值。
13.根据权利要求3所述的方法，其特征在于，所述二进制属性值默认为定长码，所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度；或者，
所述二进制属性值默认为截断莱斯码，所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数；或者，
所述二进制属性值默认为指数哥伦布码，所述指数哥伦布码的阶数为默认值，或者，所述二进制属性值默认为指数哥伦布码，所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
14.根据权利要求3-5、8-12中任一项所述的方法，其特征在于，所述码流中还包括第六指示信息，用于指示所述二进制属性值中采用相同的概率模型进行算术编码的比特位的位数/位置或者采用不同的概率模型进行算术编码的比特位的位数/位置。
15.根据权利要求3-5、8-12中任一项所述的方法，其特征在于，所述概率模型为上下文概率模型。
16.根据权利要求3-5、8-12中任一项所述的方法，其特征在于，所述方法还包括：
基于已编码的比特位对所述概率模型进行更新。
17.根据权利要求1-5、8-12中任一项所述的方法，其特征在于，所述采用至少两个概率模型对所述二进制属性值中的不同比特位进行算术编码，包括：
采用相同的初始概率模型对所述二进制属性值中的不同比特位进行算术编码；
对所述二进制属性值中的不同比特位对应的概率模型分别进行更新；
采用更新后的概率模型对对应的比特位进行算术编码。
18.根据权利要求1-5、8-12中任一项所述的方法，其特征在于，所述采用至少两个概率模型对所述二进制属性值中的不同比特位进行算术编码，包括：
采用不同的初始概率模型对所述二进制属性值中的不同比特位进行算术编码，
对所述二进制属性值中的不同比特位对应的概率模型分别进行更新；
采用更新后的概率模型对对应的比特位进行算术编码。
19.根据权利要求17所述的方法，其特征在于，所述对所述二进制属性值中的不同比特位对应的概率模型分别进行更新，包括：
采用相同的更新方法，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新。
20.根据权利要求17所述的方法，其特征在于，所述对所述二进制属性值中的不同比特位对应的概率模型分别进行更新，包括：
采用不同的更新方法，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新。
21.根据权利要求1-5、8-12、19-20任一项所述的方法，其特征在于，所述属性值包括反射率。
22.根据权利要求1-5、8-12、19-20中任一项所述的方法，其特征在于，所述点云数据为传感器在移动平台上所获取到的点云数据。
23.一种点云属性解码方法，其特征在于，包括：
采用至少一个概率模型对点云数据的码流中的属性信息进行算术解码，得到二进制属性值；
根据所述二进制属性值对应的二值化方法对所述二进制属性值进行反二值化，得到属性值；
所述采用至少一个概率模型对码流中的比特位进行算术解码，包括：
采用不同概率模型对一个所述二进制属性值中的不同比特位进行算术解码，所述方法还包括：
对所述码流中不同二进制属性值中的相同比特位，采用相同的概率模型进行算术解码。
24.根据权利要求23所述的方法，其特征在于，所述采用至少一个概率模型对码流中的比特位进行算术解码，包括：
采用至少两个概率模型对所述码流中的不同比特位进行算术解码。
25.根据权利要求23所述的方法，其特征在于，所述采用至少一个概率模型对码流中的比特位进行算术解码，包括：
采用不同概率模型对所述二进制属性值中最高的至少2个比特位进行算术解码。
26.根据权利要求23所述的方法，其特征在于，所述方法还包括：
接收包括所述属性信息的码流。
27.根据权利要求26所述的方法，其特征在于，所述码流的头部信息包括第一指示信息，所述第一指示信息用于指示所述属性值的解码方案。
28.根据权利要求27所述的方法，其特征在于，所述第一指示信息的不同取值分别用于指示不同的解码方案。
29.根据权利要求27所述的方法，其特征在于，所述第一指示信息用于指示所述属性值的解码方案为直接解码方案，所述直接解码方案指的是对所述码流中的属性信息采用至少两个概率模型进行算术解码。
30.根据权利要求25-28中任一项所述的方法，其特征在于，所述码流的头部信息包括第二指示信息，所述第二指示信息的不同取值用于指示所述二进制属性值的不同类型。
31.根据权利要求30所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码、截断莱斯码、指数哥伦布码中的一种。
32.根据权利要求31所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码；
所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度。
33.根据权利要求31所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为截断莱斯码；
所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数。
34.根据权利要求31所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
35.根据权利要求31所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述指数哥伦布码的阶数为默认值。
36.根据权利要求26所述的方法，其特征在于，所述二进制属性值默认为定长码，所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度；或者，
所述二进制属性值默认为截断莱斯码，所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数；或者，
所述二进制属性值默认为指数哥伦布码，所述指数哥伦布码的阶数为默认值，或者，所述二进制属性值默认为指数哥伦布码，所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
37.根据权利要求26-28、31-36中任一项所述的方法，其特征在于，所述码流中还包括第六指示信息，用于指示所述二进制属性值的不同比特位的位数/位置中采用相同的概率模型或者采用不同的概率模型的比特位的位数/位置。
38.根据权利要求23-28、31-36中任一项所述的方法，其特征在于，所述概率模型为上下文概率模型。
39.根据权利要求23-28、31-36中任一项所述的方法，其特征在于，所述方法还包括：
基于已解码的比特位对所述概率模型进行更新。
40.根据权利要求24-28、31-36中任一项所述的方法，其特征在于，所述采用至少两个概率模型对所述二进制属性值中的不同比特位进行算术解码，包括：
采用相同的初始概率模型对所述二进制属性值中的不同比特位进行算术解码，
对所述二进制属性值中的不同比特位对应的概率模型分别进行更新；
采用更新后的概率模型对对应的比特位进行算术解码。
41.根据权利要求24-28、31-36中任一项所述的方法，其特征在于，所述采用至少两个概率模型对所述二进制属性值中的不同比特位进行算术解码，包括：
采用不同的初始概率模型对所述二进制属性值中的不同比特位进行算术解码，
对所述二进制属性值中的不同比特位对应的概率模型分别进行更新；
采用更新后的概率模型对对应的比特位进行算术解码。
42.根据权利要求40所述的方法，其特征在于，所述对所述二进制属性值中的不同比特位对应的概率模型分别进行更新，包括：
采用相同的更新方法，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新。
43.根据权利要求40所述的方法，其特征在于，所述对所述二进制属性值中的不同比特位对应的概率模型分别进行更新，包括：
采用不同的更新方法，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新。
44.根据权利要求23-28、31-36、42-43中任一项所述的方法，其特征在于，所述属性值包括反射率。
45.根据权利要求23-28、31-36、42-43中任一项所述的方法，其特征在于，所述点云数据为传感器在移动平台上所获取到的点云数据。
46.一种点云属性编码方法，其特征在于，包括：
对点云数据中的属性值进行二值化，得到二进制属性值，所述二进制属性值的比特深度为N个比特位，N为大于1的正整数，所述N个比特位包括第一部分比特位和第二部分比特位，所述第一部分比特位为所述二进制属性值的低位比特位；
根据所述第一部分比特位从M个概率模型中确定与所述第一部分比特位对应的第一概率模型，M为大于1的正整数，且，M小于或等于N；
使用所述第一概率模型对所述第一部分比特位进行编码；
使用从M个概率模型中确定与所述第二部分比特位对应的第二概率模型对所述第二部分比特位进行编码，所述第二概率模型和所述第一概率模型不同；所述方法还包括：
对不同二进制属性值中的相同比特位，采用相同的概率模型进行算术编码。
47.根据权利要求46所述的方法，其特征在于，所述第一部分比特位包括至少两个比特位。
48.根据权利要求46所述的方法，其特征在于，所述第一部分比特位为1个比特位。
49.根据权利要求46-48中任一项所述的方法，其特征在于，所述第一部分比特位的值为第一部分比特值，所述方法还包括：
根据所述第一部分比特值更新所述第一概率模型。
50.根据权利要求46所述的方法，其特征在于，所述第二部分比特位的值为第二部分比特值，所述方法还包括：
根据所述第二部分比特值更新所述第二概率模型。
51.根据权利要求46所述的方法，其特征在于，所述第一概率模型和所述第二概率模型是由同一个或不同初始概率模型更新得到的。
52.根据权利要求51所述的方法，其特征在于，所述第一概率模型和所述第二概率模型是根据相同的更新方法或不同的更新方法更新得到的。
53.根据权利要求46-48、50-52中任一项所述的方法，其特征在于，所述方法还包括：
生成包括算术编码的编码结果的码流。
54.根据权利要求53所述的方法，其特征在于，所述码流的头部信息包括第一指示信息，所述第一指示信息用于指示所述属性值的编码方案。
55.根据权利要求54所述的方法，其特征在于，所述第一指示信息的不同取值分别用于指示不同的编码方案。
56.根据权利要求54所述的方法，其特征在于，所述第一指示信息用于指示所述属性值的编码方案为直接编码方案，所述直接编码方案指的是对所述属性值进行二值化后进行采用至少两个概率模型进行算术编码。
57.根据权利要求53所述的方法，其特征在于，所述码流的头部信息包括第二指示信息，所述第二指示信息的不同取值用于指示所述二进制属性值的不同类型。
58.根据权利要求57所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码、截断莱斯码、指数哥伦布码中的一种。
59.根据权利要求58所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码；
所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度。
60.根据权利要求58所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为截断莱斯码；
所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数。
61.根据权利要求58所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
62.根据权利要求58所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述指数哥伦布码的阶数为默认值。
63.根据权利要求53所述的方法，其特征在于，所述二进制属性值默认为定长码，所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度；或者，
所述二进制属性值默认为截断莱斯码，所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数；或者，
所述二进制属性值默认为指数哥伦布码，所述指数哥伦布码的阶数为默认值，或者，所述二进制属性值默认为指数哥伦布码，所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
64.根据权利要求53所述的方法，其特征在于，所述码流中还包括第六指示信息，用于指示所述二进制属性值中采用相同的概率模型的比特位的位数/位置或者采用不同的概率模型的比特位的位数/位置。
65.根据权利要求46-48、50-52、54-64中任一项所述的方法，其特征在于，所述概率模型为上下文概率模型。
66.根据权利要求46-48、50-52、54-64中任一项所述的方法，其特征在于，所述属性值包括反射率。
67.根据权利要求46-48、50-52、54-64中任一项所述的方法，其特征在于，所述点云数据为传感器在移动平台上所获取到的点云数据。
68.一种点云属性解码方法，其特征在于，包括：
对点云数据的码流中的属性信息进行算术解码，得到二进制属性值，根据所述二进制属性值对应的二值化方法对所述二进制属性值进行反二值化，得到属性值；所述二进制属性值的比特深度为N个比特位，N为大于1的正整数，所述N个比特位包括第一部分比特位，和第二部分比特位，所述第一部分比特位为所述二进制属性值的低位比特位，所述第一部分比特位是采用第一概率模型进行解码得到的，所述第一概率模型是从M个概率模型中确定出来的与所述第一部分比特位对应的概率模型，所述第二部分比特位是采用从M个概率模型中确定的与所述第二部分比特位对应的第二概率模型解码得到的，所述第二概率模型和所述第一概率模型不同，
M为大于1的正整数，且，M小于或等于N，
所述方法还包括：
对所述码流中不同二进制属性值中的相同比特位，采用相同的概率模型进行算术解码。
69.根据权利要求68所述的方法，其特征在于，所述第一部分比特位包括至少两个比特位。
70.根据权利要求68所述的方法，其特征在于，所述第一部分比特位为1个比特位。
71.根据权利要求68-70中任一项所述的方法，其特征在于，所述第一部分比特位的值为第一部分比特值，所述方法还包括：
根据所述第一部分比特值更新所述第一概率模型。
72.根据权利要求68所述的方法，其特征在于，所述第二部分比特位的值为第二部分比特值，所述方法还包括：
根据所述第二部分比特值更新所述第二概率模型。
73.根据权利要求68所述的方法，其特征在于，所述第一概率模型和所述第二概率模型是由同一个或不同初始概率模型更新得到的。
74.根据权利要求73所述的方法，其特征在于，所述第一概率模型和所述第二概率模型是根据相同的更新方法或不同的更新方法更新得到的。
75.根据权利要求68-70、72-74中任一项所述的方法，其特征在于，所述方法还包括：
接收包括所述属性信息的码流。
76.根据权利要求75所述的方法，其特征在于，所述码流的头部信息包括第一指示信息，所述第一指示信息用于指示所述属性值的解码方案。
77.根据权利要求76所述的方法，其特征在于，所述第一指示信息的不同取值分别用于指示不同的解码方案。
78.根据权利要求76所述的方法，其特征在于，所述第一指示信息用于指示所述属性值的解码方案为直接解码方案，所述直接解码方案指的是对所述属性值进行二值化后进行采用至少两个概率模型进行算术解码。
79.根据权利要求75所述的方法，其特征在于，所述码流的头部信息包括第二指示信息，所述第二指示信息的不同取值用于指示所述二进制属性值的不同类型。
80.根据权利要求79所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码、截断莱斯码、指数哥伦布码中的一种。
81.根据权利要求80所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码；
所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度。
82.根据权利要求80所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为截断莱斯码；
所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数。
83.根据权利要求80所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
84.根据权利要求80所述的方法，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述指数哥伦布码的阶数为默认值。
85.根据权利要求75所述的方法，其特征在于，所述二进制属性值默认为定长码，所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度；或者，
所述二进制属性值默认为截断莱斯码，所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数；或者，
所述二进制属性值默认为指数哥伦布码，所述指数哥伦布码的阶数为默认值，或者，所述二进制属性值默认为指数哥伦布码，所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
86.根据权利要求75所述的方法，其特征在于，所述码流中还包括第六指示信息，用于指示所述二进制属性值中采用相同的概率模型的比特位的位数/位置或者采用不同的概率模型的比特位的位数/位置。
87.根据权利要求75所述的方法，其特征在于，所述概率模型为上下文概率模型。
88.根据权利要求75所述的方法，其特征在于，所述属性值包括反射率。
89.根据权利要求75所述的方法，其特征在于，所述点云数据为传感器在移动平台上所获取到的点云数据。
90.一种点云属性编码装置，其特征在于，包括：
存储器，用于存储代码；
处理器，用于读取所述存储器中的代码，以执行如下操作：
对点云数据中的属性值进行二值化，得到二进制属性值，其中，所述二进制属性值的比特深度为N，N为大于1的正整数；
采用至少一个概率模型对所述二进制属性值中的比特位进行算术编码，所述采用至少一个概率模型对所述二进制属性值中的比特位进行算术编码，包括：
采用至少两个概率模型对一个所述二进制属性值中的不同比特位进行算术编码；所述处理器还用执行以下操作：
对不同二进制属性值中的相同比特位，采用相同的概率模型进行算术编码。
91.根据权利要求90所述的装置，其特征在于，所述采用至少一个概率模型对所述二进制属性值中的比特位进行算术编码，包括：
采用不同概率模型对所述二进制属性值中最高的至少2个比特位进行算术编码。
92.根据权利要求90所述的装置，其特征在于，所述处理器还用执行以下操作：
生成包括所述算术编码的编码结果的码流。
93.根据权利要求92所述的装置，其特征在于，所述码流的头部信息包括第一指示信息，所述第一指示信息用于指示所述属性值的编码方案。
94.根据权利要求93所述的装置，其特征在于，所述第一指示信息的不同取值分别用于指示不同的编码方案。
95.根据权利要求93所述的装置，其特征在于，所述第一指示信息用于指示所述属性值的编码方案为直接编码方案，所述直接编码方案指的是对所述属性值进行二值化后进行采用至少两个概率模型进行算术编码。
96.根据权利要求92所述的装置，其特征在于，所述码流的头部信息包括第二指示信息，所述第二指示信息的不同取值用于指示所述二进制属性值的不同类型。
97.根据权利要求96所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码、截断莱斯码、指数哥伦布码中的一种。
98.根据权利要求97所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码；
所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度。
99.根据权利要求97所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为截断莱斯码；
所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数。
100.根据权利要求97所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
101.根据权利要求97所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述指数哥伦布码的阶数为默认值。
102.根据权利要求92所述的装置，其特征在于，所述二进制属性值默认为定长码，所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度；或者，
所述二进制属性值默认为截断莱斯码，所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数；或者，
所述二进制属性值默认为指数哥伦布码，所述指数哥伦布码的阶数为默认值，或者，所述二进制属性值默认为指数哥伦布码，所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
103.根据权利要求92所述的装置，其特征在于，所述码流中还包括第六指示信息，用于指示所述二进制属性值中采用相同的概率模型进行算术编码的比特位的位数/位置或者采用不同的概率模型进行算术编码的比特位的位数/位置。
104.根据权利要求90、93-103中任一项所述的装置，其特征在于，所述概率模型为上下文概率模型。
105.根据权利要求90、93-103中任一项所述的装置，其特征在于，所述处理器还用执行以下操作：
基于已编码的比特位对所述概率模型进行更新。
106.根据权利要求90、93-103中任一项所述的装置，其特征在于，所述采用至少两个概率模型对所述二进制属性值中的不同比特位进行算术编码，包括：
采用相同的初始概率模型对所述二进制属性值中的不同比特位进行算术编码；
对所述二进制属性值中的不同比特位对应的概率模型分别进行更新；
采用更新后的概率模型对对应的比特位进行算术编码。
107.根据权利要求90、93-103中任一项所述的装置，其特征在于，所述采用至少两个概率模型对所述二进制属性值中的不同比特位进行算术编码，包括：
采用不同的初始概率模型对所述二进制属性值中的不同比特位进行算术编码，
对所述二进制属性值中的不同比特位对应的概率模型分别进行更新；
采用更新后的概率模型对对应的比特位进行算术编码。
108.根据权利要求106所述的装置，其特征在于，所述对所述二进制属性值中的不同比特位对应的概率模型分别进行更新，包括：
采用相同的更新装置，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新。
109.根据权利要求106所述的装置，其特征在于，所述对所述二进制属性值中的不同比特位对应的概率模型分别进行更新，包括：
采用不同的更新装置，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新。
110.根据权利要求90、93-103、108-109中任一项所述的装置，其特征在于，所述属性值包括反射率。
111.根据权利要求90、93-103、108-109中任一项所述的装置，其特征在于，所述点云数据为传感器在移动平台上所获取到的点云数据。
112.一种点云属性解码装置，其特征在于，包括：
存储器，用于存储代码；
处理器，用于读取所述存储器中的代码，以执行如下操作：
采用至少一个概率模型对点云数据的码流中的属性信息进行算术解码，得到二进制属性值；
根据所述二进制属性值对应的二值化装置对所述二进制属性值进行反二值化，得到属性值，所述采用至少一个概率模型对码流中的比特位进行算术解码，包括：
采用不同概率模型对一个所述二进制属性值中的不同比特位进行算术解码，所述处理器还用执行以下操作：
对所述码流中不同二进制属性值中的相同比特位，采用相同的概率模型进行算术解码。
113.根据权利要求112所述的装置，其特征在于，所述采用至少一个概率模型对码流中的比特位进行算术解码，包括：
采用至少两个概率模型对所述码流中的不同比特位进行算术解码。
114.根据权利要求112-113中任一项所述的装置，其特征在于，所述采用至少一个概率模型对码流中的比特位进行算术解码，包括：
采用不同概率模型对所述二进制属性值中最高的至少2个比特位进行算术解码。
115.根据权利要求112-113中任一项所述的装置，其特征在于，所述处理器还用执行以下操作：
接收包括所述属性信息的码流。
116.根据权利要求115所述的装置，其特征在于，所述码流的头部信息包括第一指示信息，所述第一指示信息用于指示所述属性值的解码方案。
117.根据权利要求116所述的装置，其特征在于，所述第一指示信息的不同取值分别用于指示不同的解码方案。
118.根据权利要求116所述的装置，其特征在于，所述第一指示信息用于指示所述属性值的解码方案为直接解码方案，所述直接解码方案指的是对所述码流中的属性信息采用至少两个概率模型进行算术解码。
119.根据权利要求115所述的装置，其特征在于，所述码流的头部信息包括第二指示信息，所述第二指示信息的不同取值用于指示所述二进制属性值的不同类型。
120.根据权利要求119所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码、截断莱斯码、指数哥伦布码中的一种。
121.根据权利要求120所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码；
所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度。
122.根据权利要求120所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为截断莱斯码；
所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数。
123.根据权利要求120所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
124.根据权利要求120所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述指数哥伦布码的阶数为默认值。
125.根据权利要求115所述的装置，其特征在于，所述二进制属性值默认为定长码，所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度；或者，
所述二进制属性值默认为截断莱斯码，所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数；或者，
所述二进制属性值默认为指数哥伦布码，所述指数哥伦布码的阶数为默认值，或者，所述二进制属性值默认为指数哥伦布码，所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
126.根据权利要求124或125中任一项所述的装置，其特征在于，所述码流中还包括第六指示信息，用于指示所述二进制属性值的不同比特位的位数/位置中采用相同的概率模型或者采用不同的概率模型的进行算术编码的比特位的位数/位置。
127.根据权利要求112-113、116-125中任一项所述的装置，其特征在于，所述概率模型为上下文概率模型。
128.根据权利要求112-113、116-125中任一项所述的装置，其特征在于，所述处理器还用执行以下操作：
基于已解码的比特位对所述概率模型进行更新。
129.根据权利要求113、116-125中任一项所述的装置，其特征在于，所述采用至少两个概率模型对所述二进制属性值中的不同比特位进行算术解码，包括：
采用相同的初始概率模型对所述二进制属性值中的不同比特位进行算术解码，
对所述二进制属性值中的不同比特位对应的概率模型分别进行更新；
采用更新后的概率模型对对应的比特位进行算术解码。
130.根据权利要求113、116-125中任一项所述的装置，其特征在于，所述采用至少两个概率模型对所述二进制属性值中的不同比特位进行算术解码，包括：
采用不同的初始概率模型对所述二进制属性值中的不同比特位进行算术解码，
对所述二进制属性值中的不同比特位对应的概率模型分别进行更新；
采用更新后的概率模型对对应的比特位进行算术解码。
131.根据权利要求129所述的装置，其特征在于，所述对所述二进制属性值中的不同比特位对应的概率模型分别进行更新，包括：
采用相同的更新装置，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新。
132.根据权利要求129所述的装置，其特征在于，所述对所述二进制属性值中的不同比特位对应的概率模型分别进行更新，包括：
采用不同的更新装置，对所述二进制属性值中的不同比特位对应的概率模型分别进行更新。
133.根据权利要求112-113、116-125、131-132中任一项所述的装置，其特征在于，所述属性值包括反射率。
134.根据权利要求112-113、116-125、131-132中任一项所述的装置，其特征在于，所述点云数据为传感器在移动平台上所获取到的点云数据。
135.一种点云属性编码装置，其特征在于，包括：
存储器，用于存储代码；
处理器，用于读取所述存储器中的代码，以执行如下操作：
对点云数据中的属性值进行二值化，得到二进制属性值，所述二进制属性值的比特深度为N个比特位，N为大于1的正整数，所述N个比特位包括第一部分比特位和第二部分比特位，所述第一部分比特位为所述二进制属性值的低位比特位；
根据所述第一部分比特位从M个概率模型中确定与所述第一部分比特位对应的第一概率模型，M为大于1的正整数，且，M小于或等于N；
使用所述第一概率模型对所述第一部分比特位进行编码；
使用从M个概率模型中确定与所述第二部分比特位对应的第二概率模型对所述第二部分比特位进行编码，所述第二概率模型和所述第一概率模型不同；
对不同二进制属性值中的相同比特位，采用相同的概率模型进行算术编码。
136.根据权利要求135所述的装置，其特征在于，所述第一部分比特位包括至少两个比特位。
137.根据权利要求135所述的装置，其特征在于，所述第一部分比特位为1个比特位。
138.根据权利要求135-137中任一项所述的装置，其特征在于，所述第一部分比特位的值为第一部分比特值，所述处理器还用执行以下操作：
根据所述第一部分比特值更新所述第一概率模型。
139.根据权利要求135所述的装置，其特征在于，所述第二部分比特位的值为第二部分比特值，所述处理器还用执行以下操作：
根据所述第二部分比特值更新所述第二概率模型。
140.根据权利要求135所述的装置，其特征在于，所述第一概率模型和所述第二概率模型是由同一个或不同初始概率模型更新得到的。
141.根据权利要求140所述的装置，其特征在于，所述第一概率模型和所述第二概率模型是根据相同的更新装置或不同的更新装置更新得到的。
142.根据权利要求135-137、139-141中任一项所述的装置，其特征在于，所述处理器还用执行以下操作：
生成包括算术编码的编码结果的码流。
143.根据权利要求142所述的装置，其特征在于，所述码流的头部信息包括第一指示信息，所述第一指示信息用于指示所述属性值的编码方案。
144.根据权利要求143所述的装置，其特征在于，所述第一指示信息的不同取值分别用于指示不同的编码方案。
145.根据权利要求143所述的装置，其特征在于，所述第一指示信息用于指示所述属性值的编码方案为直接编码方案，所述直接编码方案指的是对所述属性值进行二值化后进行采用至少两个概率模型进行算术编码。
146.根据权利要求142所述的装置，其特征在于，所述码流的头部信息包括第二指示信息，所述第二指示信息的不同取值用于指示所述二进制属性值的不同类型。
147.根据权利要求146所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码、截断莱斯码、指数哥伦布码中的一种。
148.根据权利要求147所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码；
所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度。
149.根据权利要求147所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为截断莱斯码；
所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数。
150.根据权利要求147所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
151.根据权利要求147所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述指数哥伦布码的阶数为默认值。
152.根据权利要求142所述的装置，其特征在于，所述二进制属性值默认为定长码，所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度；或者，
所述二进制属性值默认为截断莱斯码，所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数；或者，
所述二进制属性值默认为指数哥伦布码，所述指数哥伦布码的阶数为默认值，或者，所述二进制属性值默认为指数哥伦布码，所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
153.根据权利要求142所述的装置，其特征在于，所述码流中还包括第六指示信息，用于指示所述二进制属性值中采用相同的概率模型的比特位的位数/位置或者采用不同的概率模型的比特位的位数/位置。
154.根据权利要求135-137、139-141、143-150中任一项所述的装置，其特征在于，所述概率模型为上下文概率模型。
155.根据权利要求135-137、139-141、143-153中任一项所述的装置，其特征在于，所述属性值包括反射率。
156.根据权利要求135-137、139-141、143-153中任一项所述的装置，其特征在于，所述点云数据为传感器在移动平台上所获取到的点云数据。
157.一种点云属性解码装置，其特征在于，包括：
存储器，用于存储代码；
处理器，用于读取所述存储器中的代码，以执行如下操作：
对点云数据的码流中的属性信息进行算术解码，得到二进制属性值，根据所述二进制属性值对应的二值化装置对所述二进制属性值进行反二值化，得到属性值；所述二进制属性值的比特深度为N个比特位，N为大于1的正整数，所述N个比特位包括第一部分比特位和第二部分比特位，所述第一部分比特位为所述二进制属性值的低位比特位，所述第一部分比特位是采用第一概率模型进行解码得到的，所述第一概率模型是从M个概率模型中确定出来的与所述第一部分比特位对应的概率模型，所述第二部分比特位是采用第二概率模型解码得到的，所述第二概率模型和所述第一概率模型不同，M为大于1的正整数，且，M小于或等于N；
对所述码流中不同二进制属性值中的相同比特位，采用相同的概率模型进行算术解码。
158.根据权利要求157所述的装置，其特征在于，所述第一部分比特位包括至少两个比特位。
159.根据权利要求157所述的装置，其特征在于，所述第一部分比特位为1个比特位。
160.根据权利要求157-159中任一项所述的装置，其特征在于，所述第一部分比特位的值为第一部分比特值，所述处理器还用执行以下操作：
根据所述第一部分比特值更新所述第一概率模型。
161.根据权利要求157所述的装置，其特征在于，所述第二部分比特位的值为第二部分比特值，所述处理器还用执行以下操作：
根据所述第二部分比特值更新所述第二概率模型。
162.根据权利要求157所述的装置，其特征在于，所述第一概率模型和所述第二概率模型是由同一个或不同初始概率模型更新得到的。
163.根据权利要求162所述的装置，其特征在于，所述第一概率模型和所述第二概率模型是根据相同的更新装置或不同的更新装置更新得到的。
164.根据权利要求157-159、161-163中任一项所述的装置，其特征在于，所述处理器还用执行以下操作：
接收包括所述属性信息的码流。
165.根据权利要求164所述的装置，其特征在于，所述码流的头部信息包括第一指示信息，所述第一指示信息用于指示所述属性值的解码方案。
166.根据权利要求165所述的装置，其特征在于，所述第一指示信息的不同取值分别用于指示不同的解码方案。
167.根据权利要求165所述的装置，其特征在于，所述第一指示信息用于指示所述属性值的解码方案为直接解码方案，所述直接解码方案指的是对所述属性值进行二值化后进行采用至少两个概率模型进行算术解码。
168.根据权利要求164所述的装置，其特征在于，所述码流的头部信息包括第二指示信息，所述第二指示信息的不同取值用于指示所述二进制属性值的不同类型。
169.根据权利要求168所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码、截断莱斯码、指数哥伦布码中的一种。
170.根据权利要求169所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为定长码；
所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度。
171.根据权利要求169所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为截断莱斯码；
所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数。
172.根据权利要求169所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
173.根据权利要求169所述的装置，其特征在于，所述第二指示信息用于指示所述二进制属性值为指数哥伦布码；
所述指数哥伦布码的阶数为默认值。
174.根据权利要求164所述的装置，其特征在于，所述二进制属性值默认为定长码，所述码流的头部信息还包括第三指示信息，用于指示所述定长码的比特深度；或者，
所述二进制属性值默认为截断莱斯码，所述码流的头部信息还包括第四指示信息，用于指示所述截断莱斯码的门限值和/或莱斯参数；或者，
所述二进制属性值默认为指数哥伦布码，所述指数哥伦布码的阶数为默认值，或者，所述二进制属性值默认为指数哥伦布码，所述码流的头部信息还包括第五指示信息，用于指示所述指数哥伦布码的阶数。
175.根据权利要求164所述的装置，其特征在于，所述码流中还包括第六指示信息，用于指示所述二进制属性值中采用相同的概率模型的比特位的位数/位置或者采用不同的概率模型的比特位的位数/位置。
176.根据权利要求157-159、161-163、165-172中任一项所述的装置，其特征在于，所述概率模型为上下文概率模型。
177.根据权利要求157-159、161-163、165-175中任一项所述的装置，其特征在于，所述属性值包括反射率。
178.根据权利要求157-159、161-163、165-175中任一项所述的装置，其特征在于，所述点云数据为传感器在移动平台上所获取到的点云数据。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2019/079150 WO2020186535A1 (zh) | 2019-03-21 | 2019-03-21 | 点云属性编码方法和装置以及点云属性解码方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112262578A CN112262578A (zh) | 2021-01-22 |
| CN112262578B true CN112262578B (zh) | 2023-07-25 |
Family
ID=72519459
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980039255.XA Active CN112262578B (zh) | 2019-03-21 | 2019-03-21 | 点云属性编码方法和装置以及点云属性解码方法和装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20220005229A1 (zh) |
| CN (1) | CN112262578B (zh) |
| WO (1) | WO2020186535A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113840150B (zh) * | 2021-09-17 | 2023-09-26 | 中山大学 | 一种点云反射率属性熵编解码方法 |
| WO2024103304A1 (zh) * | 2022-11-16 | 2024-05-23 | Oppo广东移动通信有限公司 | 点云编解码方法、编码器、解码器、码流及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107403456A (zh) * | 2017-07-28 | 2017-11-28 | 北京大学深圳研究生院 | 一种基于kd树和优化图变换的点云属性压缩方法 |
| US9992496B1 (en) * | 2017-11-15 | 2018-06-05 | Google Llc | Bin string coding based on a most probable symbol |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10223810B2 (en) * | 2016-05-28 | 2019-03-05 | Microsoft Technology Licensing, Llc | Region-adaptive hierarchical transform and entropy coding for point cloud compression, and corresponding decompression |
| US9595976B1 (en) * | 2016-09-16 | 2017-03-14 | Google Inc. | Folded integer encoding |
| US10861196B2 (en) * | 2017-09-14 | 2020-12-08 | Apple Inc. | Point cloud compression |
| CN108322742B (zh) * | 2018-02-11 | 2019-08-16 | 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 |
| CN108632621B (zh) * | 2018-05-09 | 2019-07-02 | 北京大学深圳研究生院 | 一种基于层次划分的点云属性压缩方法 |
| 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 |
-
2019
- 2019-03-21 WO PCT/CN2019/079150 patent/WO2020186535A1/zh active Application Filing
- 2019-03-21 CN CN201980039255.XA patent/CN112262578B/zh active Active
-
2021
- 2021-09-20 US US17/479,812 patent/US20220005229A1/en not_active Abandoned
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107403456A (zh) * | 2017-07-28 | 2017-11-28 | 北京大学深圳研究生院 | 一种基于kd树和优化图变换的点云属性压缩方法 |
| US9992496B1 (en) * | 2017-11-15 | 2018-06-05 | Google Llc | Bin string coding based on a most probable symbol |
Non-Patent Citations (1)
| Title |
|---|
| H.264中基于运动矢量差的CABAC改进算法研究;金晶;《中国优秀硕士学位论文全文数据库》;20140115;正文第5-10页第二章和正文第20-34页第四章 * |
Also Published As
| Publication number | Publication date |
|---|---|
| US20220005229A1 (en) | 2022-01-06 |
| WO2020186535A1 (zh) | 2020-09-24 |
| CN112262578A (zh) | 2021-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5818877A (en) | Method for reducing storage requirements for grouped data values | |
| KR101862438B1 (ko) | 트리 구조들의 적응적 엔트로피 코딩을 위한 방법 | |
| JP4801776B2 (ja) | データ圧縮 | |
| RU2679784C2 (ru) | Кодирование и декодирование данных | |
| US7982641B1 (en) | Context-based adaptive binary arithmetic coding engine | |
| KR100717055B1 (ko) | Ｃａｂａｃ 복호기에서 복수의 이진 값들을 파이프라인방식에 의하여 복호화하는 방법 및 이를 위한 복호화 장치 | |
| EP2572455B1 (en) | Methods and devices for reducing sources in binary entropy coding | |
| US10666289B1 (en) | Data compression using dictionary encoding | |
| US7511639B2 (en) | Data compression for communication between two or more components in a system | |
| EP2749023A1 (en) | Hierarchical entropy encoding and decoding | |
| KR20090042233A (ko) | 데이터 압축 | |
| WO2009009599A2 (en) | Multipass embedded residual group encoding | |
| KR930024507A (ko) | 영상데이타의 가변장부호화/복호화방법 및 장치 | |
| CN112262578B (zh) | 点云属性编码方法和装置以及点云属性解码方法和装置 | |
| US20100079312A1 (en) | Apparatus and method of lossless coding and decoding | |
| US20100321218A1 (en) | Lossless content encoding | |
| CN104811209A (zh) | 一种抗最长匹配检测的压缩文件数据嵌入方法及装置 | |
| US20100085219A1 (en) | Combinatorial coding/decoding with specified occurrences for electrical computers and digital data processing systems | |
| JP4037875B2 (ja) | コンピュータグラフィックスデータ符号化装置、復号化装置、符号化方法、および、復号化方法 | |
| CN110518915B (zh) | 一种比特位计数编码以及解码方法 | |
| CN110191341B (zh) | 一种深度数据的编码方法和解码方法 | |
| CN115379190A (zh) | 一种点云处理方法、装置及计算机设备、存储介质 | |
| CN116566397A (zh) | 编码、解码方法、编码器、解码器、电子设备及存储介质 | |
| US7612692B2 (en) | Bidirectional context model for adaptive compression | |
| KR100207428B1 (ko) | 허프만 코드 변환에 적응적인 고속 가변장 복호화 장치 및 방법 |
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 |