CN113179410B - 一种点云属性的编解码方法、装置和系统 - Google Patents
一种点云属性的编解码方法、装置和系统 Download PDFInfo
- Publication number
- CN113179410B CN113179410B CN202110649551.0A CN202110649551A CN113179410B CN 113179410 B CN113179410 B CN 113179410B CN 202110649551 A CN202110649551 A CN 202110649551A CN 113179410 B CN113179410 B CN 113179410B
- Authority
- CN
- China
- Prior art keywords
- point
- points
- attribute
- value
- predicted
- 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
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
- H04N19/50—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
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/161—Encoding, multiplexing or demultiplexing different image signal components
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本申请涉及一种点云技术领域,尤其涉及一种点云属性的编解码方法和装置。本申请提供一种点云属性的解码方法,包括:筛选,根据待解码点的近邻点与待解码点的距离,选择其中至少一个近邻点作为待解码点的预测点;预测,根据的预测点的权重和属性重建值,得到待解码点的属性预测值;重建,根据属性预测值重建待解码点的属性重建值。通过本申请的技术方案,来保留更多的近邻点作为最终的预测点,这种多点预测方式所得到的待编解码点的属性预测值相比单点预测更加稳定准确。
Description
技术领域
本发明涉及一种点云技术领域,尤其涉及一种点云属性的编解码方法、装置和系统。
背景技术
点云(或称三维点云)是三维物体或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。大多数点云是由三维扫描设备产生的,例如光电雷达,激光雷达,立体摄像头等等。由于点云新颖的数据结构,目前点云已经成为摄影测量和遥感、计算机视觉、机器学习等多个领域常见数据源之一。
随着点云采集和处理的方法和设备不断成熟,点云越来越广泛的应用到工业生产和人类生活的各个方面。点云处理的一个基本环节是点云的压缩编码。点云的压缩编码主要需要编码点云的几何信息和属性信息。点云的几何信息是指点云中每个点的三维空间坐标,点云的属性信息是指每个点所携带的其他信息,如该点的颜色、反射率等。由于三维点云往往具有庞大数量的点,且点的分布在空间中具有无序性;同时,每个点又往往具有丰富的属性信息,一个点云往往具有庞大的数据量,给点云的存储和传输都带来了挑战。因此,点云压缩编码技术是点云处理和应用的关键技术之一。
点云属性预测编码,即在属性编码时,通过某种预测算法预测出当前待编码点的属性值。在解码端,仍使用编码端相同的预测算法预测当前待解码点的属性值,然后重建待解码点的原始属性值。但是目前常见的属性预测编解码算法中,所预测的属性值的准确性和稳定性不高。
发明内容
针对目前点云属性的编解码方法存在的上述问题,本发明提供一种点云属性的编解码方法、装置和系统。
本发明解决技术问题所采用的技术方案为:
一种点云属性的解码方法,包括:
筛选,根据待解码点的近邻点与待解码点的距离,选择其中至少一个近邻点作为待解码点的预测点;
预测,根据所述预测点的权重和属性重建值,得到所述待解码点的属性预测值;
重建,根据所述属性预测值重建所述待解码点的属性重建值。
优选地,所述筛选步骤包括:
当所述近邻点为1个近邻点时,所述预测点为该近邻点;
当所述近邻点为k个近邻点,且k为大于1的整数时,其对应的属性重建值分别为其中是k个近邻点中与待解码点最近的近邻点的属性重建值,是k个近邻点中与待解码点最远的近邻点的属性重建值,进一步判断与的差值的绝对值是否大于或等于预设的可变化的第一阈值:
若否,则停止筛选,所述预测点为k个近邻点。
优选地,所述第一阈值如下表示:
attrQuantParam*nearestPredParam1+nearestPredParam2;
其中,attrQuantParam为无符号整数,表示属性量化参数;nearestPredParam1和nearestPredParam2均为无符号整数。
优选地,根据如下任意一种方式来计算每个预测点的权重:
方式一:所有预测点使用相同的权重;
方式二:计算待解码点与每个预测点的距离,通过距离的倒数作为权重。
优选地,待解码点的属性预测值的计算公式为:
其中,n表示预测点的总个数;Wi(i=1,2,…,n)表示第i个预测点的权重;Pi表示第i个预测点的属性重建值。
优选地,在所述筛选步骤中,当有多个近邻点与待解码点的距离相同,且都为最近的近邻点或最远的近邻点时,按照如下任意一种方式筛选一个近邻点作为预测点:方式一:从该多个近邻点中任选一个;
方式二:根据近邻点的空间遍历顺序或属性重建值大小选择一个。
优选地,所述筛选步骤包括:逐一比较每个预测点与待解码点的距离:
若所有预测点与待解码点的距离都大于预设的可变化的第二阈值,则以预测点中距离待解码点最近的预测点作为基准点,进一步筛选预测点;
否则,若一预测点与待解码点的距离大于预设的可变化的第二阈值,则舍弃该预测点,保留剩下的预测点;
否则,若一预测点与待解码的距离小于预设的可变化的第二阈值,则保留该预测点。
一种点云属性的编码方法,包括:
筛选,根据待编码点的近邻点与待编码点的距离,选择至少一个近邻点作为待编码点的预测点;
预测,根据所述预测点的权重和真实属性值,得到所述待编码点的属性预测值;
编码,根据所述待编码点的属性预测值和真实属性值,对所述待编码点进行预测编码。
优选地,所述筛选步骤包括:
当所述近邻点为1个近邻点时,所述预测点为近邻点;
当所述近邻点为k个近邻点,且k为大于1的整数时,其对应的真实属性值分别为A1,A2,…,Ak,其中A1是k个近邻点中与待编码点最近的近邻点的真实属性值,Ak是k个近邻点中与待编码点最远的近邻点的真实属性值,进一步判断A1与Ak的差值的绝对值是否大于或等于预设的可变化的第一阈值:
若是,所述预测点为舍弃Ak对应的最远的近邻点后剩下的k-1个近邻点,并且在剩下的k-1个近邻点中重复执行上述判断步骤;
若否,则停止筛选,所述预测点为k个近邻点。
优选地,所述第一阈值如下表示:
attrQuantParam*nearestPredParam1+nearestPredParam2;
其中,attrQuantParam为无符号整数,表示属性量化参数;nearestPredParam1和nearestPredParam2均为无符号整数。
一种点云属性的解码装置,包括处理器,所述处理器用于执行:
筛选,根据待解码点的近邻点与待解码点的距离,选择至少一个近邻点作为待解码点的预测点;
预测,根据所述预测点的权重和属性重建值,得到所述待解码点的属性预测值;
重建,根据所述属性预测值重建所述待解码点的重建属性值。
优选地,所述筛选步骤包括:
当所述近邻点为1个近邻点时,所述预测点为近邻点;
当所述近邻点为k个近邻点,且k为大于1的整数时,其对应的属性重建值分别为其中是k个近邻点中与待解码点最近的近邻点的属性重建值,是k个近邻点中与待解码点最远的近邻点的属性重建值,进一步判断与的差值的绝对值是否大于或等于预设的可变化的第一阈值:
若否,则停止筛选,所述预测点为k个近邻点。
优选地,所述第一阈值如下表示:
attrQuantParam*nearestPredParam1+nearestPredParam2;
其中,attrQuantParam为无符号整数,表示属性量化参数;nearestPredParam1和nearestPredParam2均为无符号整数。
一种点云属性的编码装置,包括处理器,所述处理器用于执行:
筛选,根据待编码点的近邻点与待编码点的距离,选择至少一个近邻点作为待编码点的预测点;
预测,根据所述预测点的权重和真实属性值,得到所述待编码点的属性预测值;
编码,根据所述待编码点的属性预测值和真实属性值,对所述待编码点进行预测编码。
优选地,所述筛选步骤包括:
当所述近邻点为1个近邻点时,所述预测点为近邻点;
当所述近邻点为k个近邻点,且k为大于1的整数时,其对应的真实属性值分别为A1,A2,…,Ak,其中A1是k个近邻点中与待编码点最近的近邻点的真实属性值,Ak是k个近邻点中与待编码点最远的近邻点的真实属性值,进一步判断A1与Ak的差值的绝对值是否大于或等于预设的可变化的第一阈值:
若是,所述预测点为舍弃Ak对应的最远的近邻点后剩下的k-1个近邻点,并且在剩下的k-1个近邻点中重复执行上述判断步骤;
若否,则停止筛选,所述预测点为k个近邻点。
优选地,所述第一阈值如下表示:
attrQuantParam*nearestPredParam1+nearestPredParam2;
其中,attrQuantParam为无符号整数,表示属性量化参数;nearestPredParam1和nearestPredParam2均为无符号整数。
本发明的有益效果:本发明的点云属性的解码方法和装置,通过筛选步骤来保留更多的近邻点作为最终的预测点,这种多点预测方式所得到的待编解码点的属性预测值相比单点预测更加稳定准确。
附图说明
图1为一种二维点云的离散点分布图;
图2为本申请的一种点云属性的解码方法流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
本申请实施例可适用于标准或非标准的点云编解码器。例如,数字音视频编解码技术标准(audio video coding standard,AVS)的编解码器。
点云是在同一空间参考坐标系下表达目标空间分布和目标表面特性的离散点集合,也即,在获取物体表面每个采样点的空间坐标后,得到的采样点的集合,称之为点云(Point Cloud)。为了准确反映二维或三维空间中的信息,通常需要海量的离散点对二维或三维空间中的物体进行表征。
本发明的图1示出了一种二维点云的离散点集合。
本发明的实施例,一种点云属性的解码方法,包括:
筛选,根据待解码点的近邻点与待解码点的距离,选择至少一个近邻点作为待解码点的预测点;
预测,根据预测点的权重和属性重建值,得到待解码点的属性预测值;
重建,根据属性预测值重建待解码点的属性重建值。
在该实施例中,点云属性的解码方法主要通过筛选,预测,重建这些步骤,来解码二维或三维点云的待解码点。通常,要根据点云的几何信息,按照空间遍历顺序遍历点云中的点,对于待解码的点来说,其要参考的点的几何信息相对应已经完成解码。我们将这些若干点中距离待解码点一定距离范围的点的集合称为近邻点,将这些近邻点中,我们将距离待解码点最近的点称为最近的近邻点,将距离待解码点最远的近邻点称为最远的近邻点。
以图1为例,图中的6个点按照所标注的顺序进行遍历,虚线点表示已完成属性解码的点,未标注虚线点的6号点为当前的待解码点,将其一定距离范围内的已经完成解码的3-5号点作为近邻点,然后根据与6号点的距离规则,从中筛选出至少一个点作为待解码点的预测点。假设筛选出的预测点为4号点和5号点,在预测步骤中,根据4号点和5号点的权重和属性重建值,计算出6号待解码点的属性预测值,其中,4号点和5号点的属性重建值是已经通过解码后得到的。最后根据该属性预测值和编码端所传输过来的残差值,计算得到6号点的属性重建值。该方法中,通过筛选步骤来保留更多的近邻点作为最终的预测点,这种多点预测方式所得到的待编解码点的属性预测值相比单点预测更加稳定准确。
本发明提出两种筛选方式:以属性信息的筛选和以几何信息的筛选。
在一个实施例中,以属性信息的筛选包括:当近邻点为1个近邻点时,预测点为该近邻点;当近邻点为k个近邻点,且k为大于1的整数时,其对应的属性重建值分别为其中是k个近邻点中与待解码点最近的近邻点的属性重建值,是k个近邻点中与待解码点最远的近邻点的属性重建值,进一步判断与的差值的绝对值是否大于或等于预设的可变化的第一阈值:若是,预测点为舍弃对应的最远的近邻点后剩下的k-1个近邻点,并且在剩下的k-1个近邻点中重复执行上述判断步骤;若否,则停止筛选,预测点为k个近邻点。
下面结合具体实施例对该技术方案做更加详细的说明。还是以图1为例,对于6号点来说,假设在一定范围内确定的近邻点为3、4、5号这3个点,其属性重建值分别为40、150、90,几何坐标分别为(4,4)、(4,2),(6,3),6号待解码点从编码端所获得的残差值为10,其几何坐标为(6,1)。此外,设定的第一阈值为30。根据距离的度量方式,该度量方式可以为曼哈顿距离(Manhattan Distance)、欧几里德(Euclidean distance)距离等描述点与点空间相对位置的方式,优选地,根据曼哈顿距离的度量方式计算得到3、4、5号点距离当前6号点的距离分别为5、3,2。则得到5号点为距离当前待解码的6号点最近的近邻点,3号点为距离6号点最远的近邻点,这两者的属性重建值差值的绝对值为50,大于第一阈值30,因此舍弃距离6号点最远的3号点。进一步比较次远点4号点与5号点的属性重建值的差值,假设仍使用同一阈值30,则这两者差值的绝对值为60,仍大于该第一阈值30,则舍弃4号点,最终只使用5号点作为预测点。
在上一实施例中,两次比较过程中所设定的阈值是固定不变的。在另一实施例中,该阈值为可变化的,即每次比较时使用的阈值可以不同。假定在上一实施例中第一次比较后得到4号点和5号点,设定第二次比较的阈值为70,此时,4号点和5号点的属性重建值的差值60小于阈值70,则停止筛选,将4号点和5号点都作为6号点的预测点。
在一实施例中,设定的第一阈值为60。比较得到5号点与3号点的属性重建值的差值的绝对值为50,小于此阈值60,则停止筛选,使用3、4、5号点作为6号点的预测点。
在一实施例中,预设的第一阈值如下表示:
attrQuantParam*nearestPredParam1+nearestPredParam2;
其中,attrQuantParam为无符号整数,表示属性量化参数;nearestPredParam1和nearestPredParam2均为无符号整数。此时,前述实施例中的判断公式即为:
通常,阈值的具体取值可以由用户设定或由服务器设定,也可以根据点云的自身特性来动态性地自适应调整。所谓点云自身特性,包括点云全局密度和当前点的局部密度。例如,若点云整体较为密集,则可在更大参考范围内选择更多预测点;若点云整体较为稀疏,则可在更小参考范围内选择更少预测点;若当前点处于较密集区域,则可在更大参考范围中选择更多预测点,若当前点处于较稀疏区域,则可在更小参考范围中选择更少的预测点。因此,在前述实施例中,可以通过改变公式中
attrQuantParam、nearestPredParam1、nearestPredParam2至少一个参数来动态地调整阈值。
点云中的每个点具有多种属性,如同时具有颜色属性和反射率属性,则解码时需要分别解码每种属性值,并且解码时只使用当前已经解码的点的属性重建值作为判断依据。如对于颜色属性,其待解码点的颜色属性重建值取决于当前已经解码的点的颜色属性的重建值。此外,如果属性值有多个通道,如颜色属性有RGB或YUV三个通道的属性值,可使用其中某一个通道作为筛选步骤中属性值差值比较的依据,也可以根据三个通道上的属性值差值都大于一定阈值时才算大于阈值。
在一实施例中,以几何信息的筛选方法包括:逐一比较每个预测点与待解码点的距离:若所有预测点与待解码点的距离都大于预设的可变化的第二阈值,则以预测点中距离待解码点最近的预测点作为基准点,进一步筛选预测点;否则,若一预测点与待解码点的距离大于预设的可变化的第二阈值,则舍弃该预测点,保留剩下的预测点;否则,若一预测点与待解码的距离小于预设的可变化的第二阈值,则保留该预测点。
以图1为例对该实施例进行详细说明。假设在一定范围内确定的近邻点为3、4、5号这3个点,其属性重建值分别为40、150、90,几何坐标分别为(4,4)、(4,2),(6,3)。使用距离的度量方式为曼哈顿距离,则3、4、5号这3个点距离6号待解码点的距离分别为5、3、2。此外,6号待解码点从编码端所获得的残差值为10,其几何坐标为(6,1)。
在一实施例中,设定第二阈值为4,比较得到只有3号点与6号点的距离大于该第二阈值,则舍弃3号点,只保留4、5号点作为最终的预测点。
在一实施例中,设定的第二阈值为1,则比较得到3、4、5号点距离6号点的距离均大于该第二阈值,此时,需要进一步判断:判断得到5号点距离6号点的距离最近,选其作为基准点,则3、4号距离该5号基准点的距离分别为3,3。若设定此次比较的第二阈值为4,则3、4号距离该5号基准点的距离均小于该阈值4,最终仍使用3、4、5号点作为最终预测点。
在一实施例中,设定的第二阈值为1,则比较得到3、4、5号点距离6号点的距离均大于该第二阈值,此时,需要进一步判断:判断得到5号点距离6号点距离最近,选其作为基准点,则3、4号距离该5号基准点的距离分别为3,3。若设定此次比较的第二阈值还是为1,则3、4号点与当前基准点距离均大于此阈值,均舍弃,最终只保留5号点作为最终预测点。
在一实施例中,根据如下任意一种方式来计算每个预测点的权重:
方式一:所有预测点使用相同的权重;
方式二:计算待解码点与每个预测点的距离,通过距离的倒数作为权重。
在方式一中,直接使每个预测点具有相同权重,即直接跳过此计算权重的步骤。在方式二中,距离包括曼哈顿距离、欧式距离等描述点与点空间相对位置的方式。
在一实施例中,根据点云中各个方向轴上的边界点坐标信息,可以获取包围点云所有点的最小长方体包围盒的尺寸信息。根据点云三维包围盒的尺寸信息,计算距离时对每个坐标轴的差距乘上一个偏移值。本发明的实施例,可对三维包围盒边长最大的轴方向乘上更小的偏移值,对三维包围盒边长最小的轴方向乘上更大的偏移值。偏移值的具体取值,可以由用户定义,也可以由服务器定义,还可直接根据包围盒长度比值在计算权重时乘上互为倒数的偏移值。例如,三维点云包围盒的x、y、z方向的长度比值为a:b:c,假设当前点坐标为(x1,y1,z1),所选预测点坐标为(x2,y2,z2),则计算权重的公式为:
在一个实施例中,待解码点的属性预测值Y的计算公式为:
其中,n表示预测点的总个数;Wi(i=1,2,…,n)表示第i个预测点的权重;Pi表示第i个预测点的属性重建值。根据每个预测点的权重和属性重建值,计算加权平均值作为当前待解码点的属性预测值,以重建待解码点的原始属性值。
在一实施例中,在筛选步骤中,当有多个近邻点与待解码点的距离相同,且都为最近的近邻点或最远的近邻点时,按照如下任意一种方式筛选一个近邻点作为预测点:方式一:从该多个近邻点中任选一个;方式二:根据近邻点的空间遍历顺序或属性重建值大小选择一个。
该筛选一个近邻点的实施例可以应用于筛选步骤中。当要从近邻点中选出预测点时,若该近邻点中有多个近邻点距离待解码点的距离相同,且都为最近的近邻点或者最远的近邻点。例如有A、B两个近邻点都为待解码点C的最远的近邻点,且两者距离待解码点C的距离都为4,则可以任意选择一个近邻点A或B作为预测点。或者将空间遍历顺序或者属性值的大小作为第二判别依据,根据A和B的空间遍历顺序或者属性值的大小来选择其中一个作为预测点。
该上述两种方式还可以应用于筛选步骤之前。在执行筛选步骤之前,需要根据点云的几何信息,按照空间遍历顺序遍历所有的点,以选出与当前待解码点相邻近的近邻点。所谓空间遍历顺序包括莫顿(Morton)码大小、希尔伯特(Hilbert)码大小,三维点云某一方向轴的坐标大小,选定初始点后在一定范围或全体范围内搜索空间距离最近点等方式确定。上述的点云几何信息,可以是点云所有点的几何信息,也可以是部分点的几何信息,但属性编码时要参考的点的几何信息应相对应已完成编码;要属性解码时要参考的点的几何信息应相对应已完成解码。
在遍历过程中,对每个点的属性进行预测解码,包括:对于第一个点,预测值可以为0,也可以设置为其他常数值。对于其他点,参考之前一定范围内已经遍历编码的属性重建值,来计算预测值。可选地,参考一定范围内已经编码的属性重建值,包括:设置两个参数k和m,k应大于或等于m,在当前点遍历顺序前k个点中寻找m个距离当前点最近的点。如果距离当前点第m近的点有多个,可任选其一,也可以使用空间遍历顺序、属性重建值等条件作为第二判别依据。
在点云属性的解码方法中,重建步骤是根据属性预测值和获取的残差值,来重建待解码点的属性重建值。具体地,属性重建值等于该待解码点的属性预测值加上编码端所传输过来的残差值。例如,得到6号待解码点的属性预测值为99.68,获取到的残差值为0.32,则该6号点的属性重建值为100。
上述内容介绍了点云解码的详细步骤,包括遍历,筛选,预测和重建。该解码方法通过筛选步骤来保留更多的近邻点作为最终的预测点,这种多点预测方式所得到的待解码点的属性预测值相比单点预测更加稳定准确。
本申请还提供了一种点云属性的编码方法,包括:
筛选,根据待编码点的近邻点与待编码点的距离,选择至少一个近邻点作为待编码点的预测点;
预测,根据预测点的权重和真实属性值,得到待编码点的属性预测值;
编码,根据待编码点的属性预测值和真实属性值,对待编码点进行预测编码。
在点云属性的编码方法中,编码的是待解码点的真实属性值与属性预测值的差值。例如,6号待编码点的真实属性值为100,得到其属性预测值为99.68,则该6号点的编码的差值为0.32。
在一实施例中,筛选步骤包括:
当近邻点为1个近邻点时,预测点为近邻点;
当近邻点为k个近邻点,且k为大于1的整数时,其对应的真实属性值分别为A1,A2,…,Ak,其中A1是k个近邻点中与待编码点最近的近邻点的真实属性值,Ak是k个近邻点中与待编码点最远的近邻点的真实属性值,进一步判断A1与Ak的差值的绝对值是否大于或等于预设的可变化的第一阈值:
若是,预测点为舍弃Ak对应的最远的近邻点后剩下的k-1个近邻点,并且在剩下的k-1个近邻点中重复执行上述判断步骤;
若否,则停止筛选,预测点为k个近邻点。
在一实施例中,预设的第一阈值如下表示:attrQuantParam*nearestPredParam1+nearestPredParam2;
其中,attrQuantParam为无符号整数,表示属性量化参数;nearestPredaParam1和nearestPredParam2均为无符号整数。
本申请还提供了一种点云属性的解码装置,包括处理器,该处理器用于执行:
筛选,根据待解码点的近邻点与待解码点的距离,选择至少一个近邻点作为待解码点的预测点;
预测,根据预测点的权重和属性重建值,得到待解码点的属性预测值;
重建,根据属性预测值重建待解码点的重建属性值。
在一实施例中,处理器执行的筛选步骤包括:
当近邻点为1个近邻点时,预测点为近邻点;
当近邻点为k个近邻点,且k为大于1的整数时,其对应的属性重建值分别为其中是k个近邻点中与待解码点最近的近邻点的属性重建值,是k个近邻点中与待解码点最远的近邻点的属性重建值,进一步判断与的差值的绝对值是否大于或等于预设的可变化的第一阈值:
若否,则停止筛选,预测点为k个近邻点。
在一实施例中,预设的第一阈值如下表示:
attrQuantParam*nearestPredParam1+nearestPredParam2;
其中,attrQuantParam为无符号整数,表示属性量化参数;nearestPredParam1和nearestPredParam2均为无符号整数。
本申请还提供了一种点云属性的编码装置,包括处理器,处理器用于执行:
筛选,根据待编码点的近邻点与待编码点的距离,选择至少一个近邻点作为待编码点的预测点;
预测,根据预测点的权重和真实属性值,得到待编码点的属性预测值;
编码,根据待编码点的属性预测值和真实属性值,对待编码点进行预测编码。
在一实施例中,编码器的处理器执行的筛选步骤包括:
当近邻点为1个近邻点时,预测点为近邻点;
当近邻点为k个近邻点,且k为大于1的整数时,其对应的真实属性值分别为A1,A2,…,Ak,其中A1是k个近邻点中与待编码点最近的近邻点的真实属性值,Ak是k个近邻点中与待编码点最远的近邻点的真实属性值,进一步判断A1与Ak的差值的绝对值是否大于或等于预设的可变化的第一阈值:
若是,预测点为舍弃Ak对应的最远的近邻点后剩下的k-1个近邻点,并且在剩下的k-1个近邻点中重复执行上述判断步骤;
若否,则停止筛选,预测点为k个近邻点。
在一实施例中,预设的第一阈值如下表示:
attrQuantParam*nearestPredParam1+nearestPredParam2;
其中,attrQuantParam为无符号整数,表示属性量化参数;nearestPredParam1和nearestPredParam2均为无符号整数。
本发明还提供一种系统,包括如前述的编码装置和如前述的解码装置。
本发明还提供一种计算机可读存储介质,用于存储程序指令,该程序指令被计算机执行时,计算机执行前述的点云属性的解码方法。
本发明还提供一种计算机可读存储介质,用于存储程序指令,该程序指令被计算机执行时,计算机执行前述的点云属性的编码方法。
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。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计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。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。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,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)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。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。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。
以上仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所做出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (10)
1.一种点云属性的解码方法,其特征在于,包括:
筛选,根据待解码点的近邻点与待解码点的距离,选择其中至少一个近邻点作为待解码点的预测点;
预测,根据所述预测点的权重和属性重建值,得到所述待解码点的属性预测值;
重建,根据所述属性预测值重建所述待解码点的属性重建值;
其特征在于,所述筛选步骤包括:
当所述近邻点为1个近邻点时,所述预测点为该近邻点;
当所述近邻点为k个近邻点,且k为大于1的整数时,其对应的属性重建值分别为其中是k个近邻点中与待解码点最近的近邻点的属性重建值,是k个近邻点中与待解码点最远的近邻点的属性重建值,进一步判断与的差值的绝对值是否大于或等于预设的可变化的第一阈值:
若否,则停止筛选,所述预测点为k个近邻点。
2.根据权利要求1所述的点云属性的解码方法,其特征在于,所述第一阈值如下表示:
attrQuantParam*nearestPredParam1+nearestPredParam2;
其中,attrQuantParam为无符号整数,表示属性量化参数;nearestPredParam1和nearestPredParam2均为无符号整数。
3.根据权利要求1所述的点云属性的解码方法,其特征在于,根据如下任意一种方式来计算每个预测点的权重:
方式一:所有预测点使用相同的权重;
方式二:计算待解码点与每个预测点的距离,通过距离的倒数作为权重。
5.根据权利要求1所述的点云属性的解码方法,其特征在于,在所述筛选步骤中,当有多个近邻点与待解码点的距离相同,且都为最近的近邻点或最远的近邻点时,按照如下任意一种方式筛选一个近邻点作为预测点:
方式一:从该多个近邻点中任选一个;
方式二:根据近邻点的空间遍历顺序或属性重建值大小选择一个。
6.根据权利要求1所述的点云属性的解码方法,其特征在于,所述筛选步骤包括:逐一比较每个预测点与待解码点的距离:
若所有预测点与待解码点的距离都大于预设的可变化的第二阈值,则以预测点中距离待解码点最近的预测点作为基准点,进一步筛选预测点;
否则,若一预测点与待解码点的距离大于预设的可变化的第二阈值,则舍弃该预测点,保留剩下的预测点;
否则,若一预测点与待解码的距离小于预设的可变化的第二阈值,则保留该预测点;
7.一种点云属性的编码方法,其特征在于,包括:
筛选,根据待编码点的近邻点与待编码点的距离,选择至少一个近邻点作为待编码点的预测点;
预测,根据所述预测点的权重和真实属性值,得到所述待编码点的属性预测值;
编码,根据所述待编码点的属性预测值和真实属性值,对所述待编码点进行预测编码;
当所述近邻点为1个近邻点时,所述预测点为该近邻点;
当所述近邻点为k个近邻点,且k为大于1的整数时,其对应的真实属性值分别为A1,A2,...,Ak,其中A1是k个近邻点中与待编码点最近的近邻点的真实属性值,Ak是k个近邻点中与待编码点最远的近邻点的真实属性值,进一步判断A1与Ak的差值的绝对值是否大于或等于预设的可变化的第一阈值:
若是,所述预测点为舍弃Ak对应的最远的近邻点后剩下的k-1个近邻点,并且在剩下的k-1个近邻点中重复执行上述判断步骤;
若否,则停止筛选,所述预测点为k个近邻点。
8.一种点云属性的解码装置,其特征在于,包括处理器,所述处理器用于执行:
筛选,根据待解码点的近邻点与待解码点的距离,选择至少一个近邻点作为待解码点的预测点;
预测,根据所述预测点的权重和属性重建值,得到所述待解码点的属性预测值;
重建,根据所述属性预测值重建所述待解码点的重建属性值;
当所述近邻点为1个近邻点时,所述预测点为近邻点;
当所述近邻点为k个近邻点,且k为大于1的整数时,其对应的属性重建值分别为其中是k个近邻点中与待解码点最近的近邻点的属性重建值,是k个近邻点中与待解码点最远的近邻点的属性重建值,进一步判断与的差值的绝对值是否大于或等于预设的可变化的第一阈值:
若否,则停止筛选,所述预测点为k个近邻点。
9.根据权利要求8所述的点云属性的解码装置,其特征在于,所述第一阈值如下表示:
attrQuantParam*nearestPredParam1+nearestPredParam2;
其中,attrQuantParam为无符号整数,表示属性量化参数;nearestPredParam1和nearestPredParam2均为无符号整数。
10.一种点云属性的编码装置,其特征在于,包括处理器,所述处理器用于执行:
筛选,根据待编码点的近邻点与待编码点的距离,选择至少一个近邻点作为待编码点的预测点;
预测,根据所述预测点的权重和真实属性值,得到所述待编码点的属性预测值;
编码,根据所述待编码点的属性预测值和真实属性值,对所述待编码点进行预测编码;
当所述近邻点为1个近邻点时,所述预测点为近邻点;
当所述近邻点为k个近邻点,且k为大于1的整数时,其对应的真实属性值分别为A1,A2,...,Ak,其中A1是k个近邻点中与待编码点最近的近邻点的真实属性值,Ak是k个近邻点中与待编码点最远的近邻点的真实属性值,进一步判断A1与Ak的差值的绝对值是否大于或等于预设的可变化的第一阈值:
若是,所述预测点为舍弃Ak对应的最远的近邻点后剩下的k-1个近邻点,并且在剩下的k-1个近邻点中重复执行上述判断步骤;
若否,则停止筛选,所述预测点为k个近邻点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110649551.0A CN113179410B (zh) | 2021-06-10 | 2021-06-10 | 一种点云属性的编解码方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110649551.0A CN113179410B (zh) | 2021-06-10 | 2021-06-10 | 一种点云属性的编解码方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113179410A CN113179410A (zh) | 2021-07-27 |
CN113179410B true CN113179410B (zh) | 2022-08-23 |
Family
ID=76928034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110649551.0A Active CN113179410B (zh) | 2021-06-10 | 2021-06-10 | 一种点云属性的编解码方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113179410B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113784125A (zh) * | 2021-08-19 | 2021-12-10 | 北京易智能科技有限公司 | 一种点云属性预测方法及其设备 |
WO2023023914A1 (zh) * | 2021-08-23 | 2023-03-02 | Oppo广东移动通信有限公司 | 帧内预测、编解码方法及装置、编解码器、设备、介质 |
WO2024021089A1 (zh) * | 2022-07-29 | 2024-02-01 | 上海交通大学 | 编解码方法、码流、编码器、解码器以及存储介质 |
WO2024026712A1 (zh) * | 2022-08-03 | 2024-02-08 | 上海交通大学 | 点云编解码方法、装置、设备及存储介质 |
CN115688004B (zh) * | 2022-11-08 | 2023-09-29 | 中国民用航空总局第二研究所 | 一种基于希尔伯特编码的目标属性确定方法、介质及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112509107A (zh) * | 2020-12-03 | 2021-03-16 | 西安电子科技大学 | 一种点云属性重着色方法、装置及编码器 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11503367B2 (en) * | 2019-03-20 | 2022-11-15 | Tencent America LLC | Techniques and apparatus for weighted-median prediction for point-cloud attribute coding |
CN110572655B (zh) * | 2019-09-30 | 2023-01-10 | 北京大学深圳研究生院 | 一种基于邻居权重的参数选取和传递的点云属性编码和解码的方法及设备 |
-
2021
- 2021-06-10 CN CN202110649551.0A patent/CN113179410B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112509107A (zh) * | 2020-12-03 | 2021-03-16 | 西安电子科技大学 | 一种点云属性重着色方法、装置及编码器 |
Also Published As
Publication number | Publication date |
---|---|
CN113179410A (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113179410B (zh) | 一种点云属性的编解码方法、装置和系统 | |
US11252441B2 (en) | Hierarchical point cloud compression | |
CN110708560B (zh) | 点云数据处理方法和装置 | |
US11454710B2 (en) | Point cloud compression using a space filling curve for level of detail generation | |
CN110996098B (zh) | 处理点云数据的方法和装置 | |
JP6676193B2 (ja) | シーンを表す点群を符号化する方法、符号化器システム、及びプログラムを記憶した非一時的コンピューター可読記録媒体 | |
US20200111236A1 (en) | Point cloud compression using fixed-point numbers | |
JP7261300B2 (ja) | 適応ポイントクラウド属性コーディングのための方法、装置、及びコンピュータプログラム | |
Schnabel et al. | Octree-based Point-Cloud Compression. | |
CN109257604A (zh) | 一种基于tmc3点云编码器的颜色属性编码方法 | |
JP5932051B2 (ja) | 予測位置復号 | |
Daribo et al. | Efficient rate-distortion compression of dynamic point cloud for grid-pattern-based 3D scanning systems | |
WO2022121648A1 (zh) | 点云数据编码方法、解码方法、设备、介质及程序产品 | |
US11983905B2 (en) | Methods for level partition of point cloud, and decoder | |
WO2020248176A1 (zh) | 点云处理的方法与装置 | |
WO2022062369A1 (zh) | 点云编解码方法与系统、及点云编码器与点云解码器 | |
WO2022131948A1 (en) | Devices and methods for sequential coding for point cloud compression | |
CN115086658A (zh) | 点云数据的处理方法、装置、存储介质及编解码设备 | |
Zimmer et al. | PointCompress3D--A Point Cloud Compression Framework for Roadside LiDARs in Intelligent Transportation Systems | |
WO2024082854A1 (zh) | 点云属性预测方法、设备和存储介质 | |
WO2023023914A1 (zh) | 帧内预测、编解码方法及装置、编解码器、设备、介质 | |
WO2023023918A1 (zh) | 解码方法、编码方法、解码器以及编码器 | |
WO2022140937A1 (zh) | 点云编解码方法与系统、及点云编码器与点云解码器 | |
WO2022257145A1 (zh) | 点云属性的预测方法、装置及编解码器 | |
US20240087176A1 (en) | Point cloud decoding method and apparatus, point cloud encoding method and apparatus, computer device, computer-readable storage medium |
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 |