CN113179411B - 点云属性编解码方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请公开了一种点云属性编解码方法、装置、计算机设备和存储介质。该方法包括：接收包括边界框的点云数据集；确定所述边界框是对称的还是不对称的；及，当边界框是不对称时，对所述点云数据集执行四叉树二叉树QtBt划分。

Description

点云属性编解码方法、装置、计算机设备及存储介质

引用并入

本申请要求于2020年1月9日提交的、申请号为62/958,837的美国临时申请的优先权、于2020年1月10日提交的、申请号为62/959,422的美国临时申请的优先权、于2020年1月13日提交的、申请号为62/960,661的美国临时申请的优先权、于2020年1月23日提交的、申请号为62/964,841的美国临时申请的优先权，以及于2021年1月6日提交的美国申请第17/142,706号的优先权，其全部内容通过引用并入本申请中。

技术领域

本申请实施例涉及视频编解码技术，尤其涉及一种点云属性编解码方法、装置、计算机设备及存储介质。

背景技术

世界的高级三维(3D)表示能够实现更加沉浸式的交互和通信。它们还允许机器理解、解释和导航我们的世界。3D点云已经成为这类信息的启用表示。已经识别出与点云数据相关联的多个用例，并且已经开发了对点云表示和压缩的相应要求。

点云是指在3D空间中的一组点，每个点具有相关联的属性，例如颜色、材料特性等。点云可以用于重建对象或场景作为此类点的组合。可以在各种设置中使用多个相机和深度传感器捕获所述点，并且所述点可以由数千到数十亿个点组成，以便真实地表示重建的场景。

需要压缩技术来减少表示点云所需的数据量。因此，在实时通信和六自由度(6DoF)虚拟现实中，需要使用点云的有损压缩技术。另外，在自动驾驶和文化遗产应用等的动态映射的环境中，寻求无损点云压缩技术。运动图像专家组(MPEG)开始研究解决几何形状和属性的压缩的标准，例如颜色和反射率、可缩放/渐进编码、随时间捕获的点云序列的编码以及对点云子集的随机访问。

发明内容

本申请实施例和点云编解码技术有关，提供了一种点云属性编解码方法、装置、计算机设备及存储介质。

本申请实施例提供了一种点云属性编解码方法，包括：

接收包括边界框的点云数据集；

确定所述边界框是对称的还是不对称的；及，

当边界框是不对称时，对所述点云数据集执行四叉树二叉树QtBt划分。

本申请实施例还提供了一种点云属性编解码装置，包括：

接收模块，用于接收包括边界框的点云数据集；

确定模块，用于确定所述边界框是对称的还是不对称的；及，

划分模块，用于当边界框是不对称时，对所述点云数据集执行四叉树二叉树QtBt划分。

本申请实施例还提供一种计算机设备，包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行，以实现如上所述的点云属性编解码方法。

本申请实施例还提供一种非暂时性计算机可读介质，其上存储有指令，当所述指令由计算机执行时，使得所述计算机执行如上所述的点云属性编解码方法。

本申请实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述点云属性编解码的方法。

由上述技术方案可见，本发明实施例提供的方法，能够简化当前的QtBT设计，并且允许更灵活的分区方式，提高了最大分割总数的值，从而提升了视频编解码的增益。

附图说明

根据以下详细说明和附图，所公开的主题的进一步的特征、性质和各种优点将更加显而易见，其中：

图1A是根据本申请一实施例的在G-PCC中生成LoD的方法示意图；

图1B是根据本申请一实施例的在G-PCC中用于P/U-提升的结构示意图；

图2是根据本申请一实施例的通信系统的结构示意图；

图3是根据本申请一实施例的在环境中放置G-PCC压缩器和G-PCC解压缩器的示意图；

图4是根据本申请一实施例的G-PCC压缩器的功能性结构示意图；

图5是根据本申请一实施例的G-PCC解压缩器的功能性结构示意图；

图6是根据本申请一实施例的点云属性编解码方法的流程示意图；以及

图7示出了根据本申请实施例的计算机设备的示意图。

具体实施方式

图1A是示出在基于图的点云压缩G-PCC中生成细节层次(LoD)的方法示意图。

参考图1A，在当前G-PCC属性编解码中，基于每个3D点的距离生成每个3D点(例如，P0-P9)的LoD(即，组)，然后基于LoD的顺序110进行预测，对每个LoD中3D点的属性值进行编码，而不是以3D点的原始顺序105来进行预测。例如，通过计算3D点P0、P5和P4(它们在3D点P2之前编码或解码)的基于距离的加权平均值，来预测3D点P2的属性值。

G-PCC中的当前锚定方法，如下所述。

首先，计算3D点的邻域的可变性，可以检查相邻的值是如何不同的，并且如果可变性低于阈值，则通过预测属性值(a_i)_i∈0...k-1，使用基于当前点i的最近邻点的距离进行的线性插值过程，来计算基于距离的加权平均预测。令

是当前点i的k个最近邻点的集合，令

是它们的已解码/已重建的属性值，并且令/>

是它们到当前点i的距离。然后由下式给出预测的属性值/>

注意，当对属性进行编码时，所有点云的几何位置都已经是可用的。另外，相邻点以及它们已重建的属性值，在编码器和解码器中都可用作k维树结构，所述k维树结构便于以相同的方式，针对每个点执行最近相邻搜索。

其次，如果可变性高于阈值，则执行率失真优化(RDO，rate-distortionoptimized)预测器选择。基于在生成LoD时进行邻点搜索的结果，创建多个预测器候选或多个候选预测值。例如，当通过使用预测器来对3D点P2的属性值进行编码时，从3D点P2分别到3D点P0、P5和P4的距离进行加权平均后的值，可以被设置为预测器索引等于0。然后，从3D点P2到最近邻点P4的距离被设置为预测器索引等于1。而且，如以下表1中示出的，将从3D点P2到下一个最近邻点P5和P0的距离，分别被设置为预测器索引等于2和3。

表1用于属性编解码的预测器候选的样本

预测器索引	预测值
		0	平均
1	P4(第一最近邻点)
		2	P5(第二最近邻点)
3	P0(第三最近邻点)

在创建预测器候选之后，通过应用率失真优化程序来选择最佳预测器，然后，将选定的预测器索引映射到截断的一元(TU)编码，其中，截断的一元编码的二进制数将进行算术编码。注意，在表1中，较短的TU编码将分配给较小的预测器索引。

定义预测器候选的最大数量MaxNumCand，并且进行编码，写到属性头中。在当前实现方式中，预测器候选的最大数量MaxNumCand被设置为等于numberOfNearestNeighborsInPrediction+1，并且用于对截断的一元二进制化的预测器索引进行编码和解码。

G-PCC中用于属性编解码的提升变换，建立在上述预测变换之上。预测方案和提升方案之间的主要区别，在于引入了更新运算符。

图1B是在G-PCC中用于预测/更新(P/U)—提升的结构图。为了便于在提升中进行预测和更新，须在划分的每个阶段，将信号拆分成两组高相关性信号。在G-PCC的提升方案中，可以利用LoD结构来执行拆分，在所述LoD结构中，认为在各个层次之间具备高相关性，并且每个层次通过最近相邻搜索来构成，以将非均匀点云组织成结构化数据。在层次N处的P/U划分，可以得到细节信号D(N-1)和近似信号A(N-1)，所述细节信号D(N-1)和近似信号A(N-1)进一步划分为D(N-2)和A(N-2)。重复应用所述步骤，直到获得基础层次近似信号A(1)。

因此，在提升方案中，对D(N-1)、D(N-2)、…、D(1)、A(1)进行编解码，而不是对由LoD(N)、…、LoD(1)组成的输入属性信号本身进行编解码。注意的是，使用有效的P/U步骤，通常会导致D(N-1)、…、D(1)中子带“系数”稀疏，从而获得在变换编解码增益上的优势。

当前，仅使用上述用于预测变换的基于距离的加权平均预测，作为G-PCC中的锚定方法，在提升中用于预测步骤。

本申请下述实施例提供了一种用于对点云样本的属性信息进行编解码的方法和装置。对点云样本的属性信息进行编解码的方法和装置也可以用于任何具有相似结构的编解码器。在QtBt中，提供了一种隐式规则，关于如何通过在节点划分的每一级别上在八叉树，四叉树和二叉树之间切换，来对给定立方体进行分区。在按照规则(表2)经由QtBt进行初始划分的K个级别之后，按照规则(表3)执行另一轮QtBt。如果在上述过程中没有满足规则中的任何条件，则应用八叉树进行划分。对于沿x、y和z维度上具有几乎对称的立方体边界框的点云数据，QtBt没有示出任何优于锚点方法(anchor method)的增益，其中，锚点方法在所有级别处执行Ot(八叉树)划分。对于沿x、y和z维度上具有高度不对称的立方体边界框的点云数据，通过在划分期间跳过发送不必要的占用信息，QtBt已示出良好的增益。

然而，在当前的QtBt设计中可能存在某些限制。QtBt可能强制使用不对称的边界框，当点云具有几乎对称的边界框时，不对称的边界框可能是无用的或甚至适得其反。按照规则，通过实施Qt/Bt而不是Ot，给定的参数K可减小较大的维度，但是，当边界框对称时，不允许在开始时进行Qt或Bt分区。当最小维度达到M时，在上述K次分割之后，按照规则，QtBt可减小较大的维度，直到所有维度等于M。另外，当前隐式规则要求在第一(达到)K级别之后进行八叉树划分，直到其达到级别M。换句话说，QtBt不允许在两个级别点之间选择任意的Qt/Bt/Ot。因此，对于典型的使用情况，简化当前的QtBT设计，并允许更灵活的分区方式，是有利的。

图2示出了根据本申请一个实施例的通信系统200的简化框图。系统200可以包括经由网络250互连的至少两个终端210、220。对于数据的单向传输，第一终端210可以对本地位置处的点云数据进行编码，以经由网络250传输到另一终端220。第二终端220可以从网络250接收另一终端的已编码点云数据，对已编码数据进行解码，并且显示已恢复的点云数据。单向数据传输在媒介服务应用等中可能是常见的。

图2示出了第二对终端230、240，用于支持例如在视频会议期间可能发生的已编码点云数据的双向传输。对于数据的双向传输，每个终端230、240可以对在本地位置处捕获到的点云数据进行编码，以经由网络250传输到另一终端。每个终端230、240还可以接收由另一终端传输的已编码点云数据，可以对已编码数据进行解码，并且可以在本地显示设备处显示已恢复的点云数据。

在图2中，终端210-240可以是例如服务器、个人计算机和智能电话和/或任何其它类型的终端。例如，终端210-240可以是膝上型计算机、平板计算机、媒体播放器和/或专用视频会议设备。网络250表示在终端210-240之间传送已编码点云数据的任意数量的网络，包括例如有线和/或无线通信网络。通信网络250可以在线路交换和/或分组交换信道中交换数据。代表性网络包括电信网络、局域网、广域网和/或因特网。出于当前讨论的目的，网络250的架构和拓扑结构对于本申请操作可能是无关紧要的，除非在下文中解释。

图3是根据本申请一实施例的在环境中放置G-PCC压缩器303和G-PCC解压缩器310的示意图。所公开的主题可以同样适用于其他使用点云的应用，包括例如视频会议、数字电视、存储压缩的点云数据的数字媒体，包括光盘、数字视频光盘、记忆棒等。

流系统300可以包括捕捉子系统313，捕捉子系统313可以包括点云源301，例如数码相机，创建例如未压缩的点云数据302。具有较高数据量的点云数据302可由联接到点云源301的G-PCC压缩器303进行处理。G-PCC压缩器303可以包括硬件、软件或它们的组合，以启用或实现所公开主题的各方面，在下面进行更详细的描述。具有较低数据量的已编码的点云数据304可以存储在流服务器305上以供将来使用。至少一个流客户端306和308可以访问流服务器305，以取回已编码的点云数据304的副本307和309。客户端306可以包括G-PCC解压缩器310，所述G-PCC解压缩器310对已编码的点云数据的传入副本307进行解码，并且创建可在显示器312或其他呈现设备(未示出)上呈现的传出点云数据311。在一些流系统中，可以根据视频编解码/压缩标准对已编码的点云数据304、307和309进行解码。这些标准的示例包括由MPEG针对G-PCC开发的那些标准。

图4是根据实施例的G-PCC压缩器303的功能框图。

如图4中示出的，G-PCC压缩器303包括量化器405、点移除模块410、八叉树编码器415、属性传送模块420、LoD生成器425、预测模块430、量化器435和算术编码器440。

量化器405接收输入点云中的点的位置。位置可以是(x,y,z)坐标。量化器405还使用例如缩放算法和/或移位算法来量化接收到的位置。

点移除模块410从量化器405接收量化后的位置，并且从接收到的量化后的位置移除重复的位置或者滤波掉重复的位置。

八叉树编码器415从点移除模块410接收滤波后的位置，并且使用八叉树编码算法，将接收到的滤波后的位置编码成表示输入点云的八叉树的占用符号。对应于八叉树的输入点云的边界框，可以是任何3D形状，例如，立方体。

八叉树编码器415还基于对滤波后的位置的编码，来对接收到的滤波后的位置进行重新排序。

属性传送模块420接收输入点云中的点的属性。属性可以包括例如，每个点的颜色，或RGB值，和/或反射率。属性传送模块420还从八叉树编码器415接收重新排序的位置。

属性传送模块420基于接收到的重新排序的位置，进一步更新已接收属性。例如，属性传送模块420可以对已接收属性执行至少一个预处理算法，预处理算法包括，例如，对已接收属性进行加权和平均，以及从已接收属性中对更多的属性进行插值。属性传送模块420还将更新的属性传送到预测模块430。

LoD生成器425从八叉树编码器415接收重新排序的位置，并且获得重新排序的位置对应的每个点的LoD。每个LoD可以被认为是一组点，并且可以基于每个点的距离来获得。例如，如图1A中示出的，点P0、P5、P4和P2可在LoD LoD0中，点P0、P5、P4、P2、P1、P6和P3可在LoD LoD1中，点P0、P5、P4、P2、P1、P6、P3、P9、P8和P7可在LoD LoD2中。

预测模块430从属性传送模块420接收所传送的属性，并且从LoD生成器425接收所获得的每个点的LoD。预测模块430基于接收到的每个点的LoD的顺序对已接收属性应用预测算法，分别获得所接收属性的预测残差(值)。预测算法可以包括各种预测算法中的任一种，诸如，插值、加权平均计算、最近相邻算法和RDO。

例如，如图1A中示出的，在获得LoD1和LoD2中分别包括的点P1、P6、P3、P9、P8和P7的已接收属性的预测残差之前，可以首先获得LoD0中包括的点P0、P5、P4和P2的已接收属性的预测残差。可以通过基于点P0、P5和P4的加权平均计算距离来获得点P2的已接收属性的预测残差。

量化器435从预测模块430接收所获得的预测残差，并且使用例如缩放算法和/或移位算法来量化接收到的预测残差。

算术编码器440从八叉树编码器415接收占用符号，并且从量化器435接收量化的预测残差。算术编码器440对接收到的占用符号和量化的预测残差执行算术编码，以获得已压缩位流。算术编码可以包括各种熵编解码算法中的任一种，诸如，例如上下文自适应二进制算术编码。

图5是根据实施例的G-PCC解压缩器310的功能框图。

如图5中示出的，G-PCC解压缩器310包括算术解码器505、八叉树解码器510、逆量化器515、LoD生成器520、逆量化器525和逆预测模块530。

算术解码器505从G-PCC压缩器303接收已压缩位流，并且对接收到的已压缩位流执行算术解码，以获得占用符号和量化的预测残差。算术解码可以包括各种熵解码算法中的任一种，诸如，例如上下文自适应二进制算术解码。

八叉树解码器510从算术解码器505接收所获得的占用符号，并且使用八叉树解码算法将接收到的占用符号解码成量化后的位置。

逆量化器515从八叉树解码器510接收量化后的位置，并且使用例如缩放算法和/或移位算法对接收到的量化后的位置进行逆量化，以获得输入点云中点的重建的位置。

LoD生成器520从八叉树解码器510接收量化后的位置，并且获得接收到的量化后的位置所对应的每个点的LoD。

逆量化器525接收所获得的量化的预测残差，并且使用例如缩放算法和/或移位算法对接收到的量化的预测残差进行逆量化，以获得重建的预测残差。

逆预测模块530从逆量化器525接收所获得的重建的预测残差，并且从LoD生成器520接收所获得的每个点的LoD。逆预测模块530基于接收到的每个点的LoD的顺序，将预测算法应用于接收到的重建的预测残差，分别获得与接收到的重建的预测残差相对应的重建的属性。预测算法可以包括各种预测算法中的任一种，诸如，插值、加权平均计算、最近相邻算法和RDO。重建的属性是指输入点云中的点的属性。

现在将详细描述用于点云属性编码和解码的方法和装置。这种方法和装置可在上述的G-PCC压缩器303中实现，即预测模块430。所述方法和装置也可在G-PCC解压缩器310中实现，即逆预测模块530。

沿着所有轴以对称方式对3D立方体进行分区，将产生八个子立方体，这在PCC中称为八叉树(OT)分区。它类似于一维空间中的二叉树(BT)分区和二维空间中的四叉树(QT)分区。在OT分区中，3D立方体可被分区成八个较小的相等大小的立方体，用虚线表示。

在TMC13中，若使用八叉树几何编解码器，则按如下方式进行几何编码。首先，由两个极值点(0，0,0)和(2^d，2^d，2^d)定义立方轴对齐的边界框B，其中，2^d定义了B的大小，d被编码为码流。假定所有需要压缩的点都在定义的边界框B以内。

然后，通过递归地细分B来建立八叉树结构。在每个阶段，立方体被细分为8个子立方体。迭代地细分k(k≤d)次之后，子立方体的大小将是(2^d-k，2^d-k，2^d-k)。然后，将1比特值与每个子立方体相关联来生成8比特代码，即占用代码，以指示该8比特代码包含点(即，满且值为1)或不包含点(即，空且值为0)。只有大小大于1的全子立方体(即，非体素non-voxels)才被进一步细分。然后，使用算术编码器对每个立方体的占用代码进行压缩。

解码过程开始于从码流读取边界框B的维度。然后，根据已解码的占用代码对B进行细分，来构建相同的八叉树结构。

在如前面部分所述的原始TMC13设计中，边界框被限制为对于所有维度具有相同大小的立方体，并且在每个节点处对所有子立方体执行OT分区，由此，子立方体在所有维度上的大小被减半。递归执行OT，直到子立方体的大小达到一。然而，这种方式不是对所有情况都有效，尤其是当点在3D场景中不均匀地分布时。

一种极端情况是3D空间中的2D平面，其中，所有点位于x-y平面上，并且z轴的变化为零。在这种情况下，在作为起始点的立方体B上执行OT，将浪费大量的比特用来表示z方向上的占用信息，这是冗余和无用的。在实际应用中，最坏的情况可能不经常发生，然而，一种典型情况是与其他方向相比，点云在一个方向上具有较小方差。实际上，由Lidar系统产生的许多点云数据具有相同的特性。

在QtBt中，边界框B不限于是立方体，而是它可以是任意大小的长方体，以更好地适合于3D场景或对象的形状。在实施中，B的大小被表示为二的幂，即，

由于B可能不是完美的立方体，因此在一些情况下，不是(或不能)沿所有方向对节点进行分区。如果在所有的三个方向上执行分区，则它是典型的OT分区。如果在三个方向中的两个方向上执行分区，则它是3D中的QT分区。如果仅在一个方向上执行分区，则它是3D中的BT分区。

为了定义隐式QT和BT分区的条件，定义了两个参数，即，K和M。第一参数K(0≤K≤max(d_x，d_y，d_z)-min(d_x，d_y，d_z))定义在OT分区之前执行的隐式QT和BT分区的最大次数。第二参数M(0≤M≤min(d_x，d_y，d_z))定义隐式QT和BT分区大小的最小值，指示仅当所有维度都大于M时才允许隐式QT和BT分区。

更具体地，第一K分区遵循表2中的规则，然后遵循表3中的规则。如果不满足表中列出的任何条件，则执行OT分区。

表2对第一K分区执行隐式QT或BT分区的条件

	沿着x-y轴的QT	沿着x-z轴的QT	沿着y-z轴的QT
				条件	dz＜dx＝dy	dy＜dx＝dz	dx＜dy＝dz
	沿着x轴的BT	沿着y轴的BT	沿着z轴的BT
				条件	dy＜dx和dz＜dx	dx＜dy和dz＜dy	dx＜dz和dy＜dz

表3在第一K分区之后执行隐式QT或BT分区的条件

设B的大小为

不失一般性，可以假设0＜d_x≤d_y≤d_z。根据这些条件，在第一K(K≤d_z-d_x)深度处，基于表2，沿z轴执行隐式BT分区，然后沿y-z轴执行隐式QT分区。这样，子节点的大小变为/>

其中δ_y的值和δ_z(δ_z≥δ_y≥0)取决于K的值。然后，执行d_x-M次OT分区，使得剩余的子节点的大小为/>

接下来，根据表3，沿z轴执行δ_z-δ_y次隐式BT分区，然后沿y-z轴执行δ_y次隐式QT分区。其余节点的大小为2^(M，M，M)，因此OT分区被执行M次，达到了最小单位。

根据至少一个实施例，通过设置K＝0以及M＝0，可以将当前QtBt的特殊情况用于具有高度不对称边界框的数据集。可以移除qtbt_enabled_flag，且引入第一标识asymmetric_bbox_enabled_flag，以启用非对称边界框。当所述边界框是不对称时，将第一标识设置为第一值；当所述边界框是对称时，将所述第一标识设置为第二值。对于对称或几乎对称的边界框数据，可以将asymmetric_bbox_enabled_flag设置为第二值0；对于高度不对称的边界框数据，可以将asymmetric_bbox_enabled_flag设置为第一值1。

如果边界框是不对称的，即asymmetric_bbox_enabled_flag是1，则当节点划分级别达到0时，对点云数据集应用K＝0以及M＝0的隐式QtBt划分规则。否则，若边界框是对称的，即第二值是0，总是对点云数据集执行八叉树划分。

应用锚点方法中M＝0时表3的隐式QtBt规则，从而可以沿着表4所示的某些维度，跳过发送不必要的占用信息。

表4在级别为0时执行隐式QtBt分区的条件

根据至少一个实施例，与在当前QtBt中使用固定隐式规则相反的，可以使用分割判决的显式信令。引入第二标识qtbt_enabled_flag以启用/禁用显式分割判决信令，同时继承上述的asymmetric_bbox_enabled_flag。当qtbt_enabled_flag被设置为第二值0时，禁用显式分割判决信令，使用上述实施例，即当节点划分级别达到0时，对点云数据集应用隐式QtBt划分。当qtbt_enabled_flag被设置为第一值1时，启用显式分割判决信令，不再总是执行八叉树分割，直到级别到达0，而是对于每个八叉树级别，发送3比特信号，用于指示是否沿着x，y和z轴中的每一个轴进行分割。在确定这3个比特时，可以选择使用当前锚点中的隐式QtBt规则作为非规范手段。当划分过程达到级别0时，将应用M＝0的隐式QtBt规则，当存在冲突时有可能会覆盖用信号通知的判决。注意，由于在该方法中，当qtbt_enabled_flag被设置为1时以任意方式允许Ot/Qt/Bt，所以可能的最大分割总数是最大节点深度和最小节点深度之差的三倍。

图6是图示根据实施例的点云属性编解码的方法600的流程图。在一些实施方式中，图6的至少一个过程方框可以由G-PCC解压缩器310执行。在一些实施方式中，图6的至少一个过程方框可以由另一设备或一组设备来执行，其与G-PCC解压缩器310分离或包括G-PCC解压缩器310，诸如G-PCC压缩器303。

参照图6，在第一方框610中，方法600包括接收包括边界框的点云数据集。

在第二方框620中，方法600包括确定边界框是对称的还是不对称的。

在第三方框630中，方法600包括当边界框是不对称时，对点云数据集执行四叉树二叉树(QtBt)划分。

尽管图6示出了方法600的示例方框，但是在一些实施方式中，方法600可包括相比图6中描绘的那些方框更多的方框、更少的方框、不同的方框或不同布置的方框。附加地或可选地，方法600的方框中的至少两个可以被并行地执行。

进一步，每个方法可以通过处理电路(例如，至少一个处理器，或者，至少一个集成电路)来实现。在一示例中，上述至少一个处理器执行至少一个非易失性计算机可读介质中存储的程序。

图7示出了计算机设备700，其适于实现所公开主题的某些实施例。

计算机软件可通过任何合适的机器代码或计算机语言进行编码，通过汇编、编译、链接等机制创建包括指令的代码，所述指令可由至少一个计算机中央处理单元(CPU)，图形处理单元(GPU)等直接执行或通过译码、微代码等方式执行。

所述指令可以在各种类型的计算机或其组件上执行，包括例如个人计算机、平板电脑、服务器、智能手机、游戏设备、物联网设备等。

图7所示的用于计算机设备700的组件本质上是示例性的，并不用于对实现本申请实施例的计算机软件的使用范围或功能进行任何限制。也不应将组件的配置解释为与计算机设备700的示例性实施例中所示的任一组件或其组合具有任何依赖性或要求。

计算机设备700可以包括某些人机界面输入设备。这种人机界面输入设备可以通过触觉输入(如：键盘输入、滑动、数据手套移动)、音频输入(如：声音、掌声)、视觉输入(如：手势)、嗅觉输入(未示出)，对至少一个人类用户的输入做出响应。所述人机界面设备还可用于捕获某些媒体，气与人类有意识的输入不必直接相关，如音频(例如：语音、音乐、环境声音)、图像(例如：扫描图像、从静止影像相机获得的摄影图像)、视频(例如二维视频、包括立体视频的三维视频)。

人机界面输入设备可包括以下中的至少一个(仅绘出其中一个)：键盘801、鼠标802、触控板803、触摸屏810、操纵杆805、麦克风806、扫描仪807、照相机808。

计算机设备700还可以包括某些人机界面输出设备。这种人机界面输出设备可以通过例如触觉输出、声音、光和嗅觉/味觉来刺激至少一个人类用户的感觉。这样的人机界面输出设备可包括触觉输出设备(例如通过触摸屏810或操纵杆805的触觉反馈，但也可以有不用作输入设备的触觉反馈设备)、音频输出设备(例如，扬声器809、耳机(未示出))、视觉输出设备(例如，包括阴极射线管(CRT)屏幕、液晶屏显示(LCD)屏幕、等离子屏幕、有机发光二极管(OLED)屏的屏幕810，其中每一个都具有或没有触摸屏输入功能、每一个都具有或没有触觉反馈功能——其中一些可通过诸如立体画面输出的手段输出二维视觉输出或三维以上的输出；虚拟现实眼镜(未示出)、全息显示器和放烟箱(未示出))以及打印机(未示出)。图形适配器850生成图像，并且将图像输出给触摸屏810。

计算机设备700还可以包括人可访问的存储设备及其相关介质，如包括具有CD/DVD的高密度只读/可重写式光盘(CD/DVD ROM/RW)820或类似介质821的光学介质、拇指驱动器822、可移动硬盘驱动器或固体状态驱动器823，诸如磁带和软盘(未示出)的传统磁介质，诸如安全软件保护器(未示出)等的基于ROM/ASIC/PLD的专用设备，等等。

本领域技术人员还应当理解，结合所公开的主题使用的术语“计算机可读介质”不包括传输介质、载波或其它瞬时信号。

计算机设备700还可以包括通往至少一个通信网络855的接口。例如，通信网络855可以是无线的、有线的、光学的。网络855还可为局域网、广域网、城域网、车载网络和工业网络、实时网络、延迟容忍网络等等。网络855还包括以太网、无线局域网、蜂窝网络(GSM、3G、4G、5G、LTE等)等局域网、电视有线或无线广域数字网络(包括有线电视、卫星电视、和地面广播电视)、车载和工业网络(包括CANBus)等等。网络855通常需要外部网络接口适配器，用于连接到某些通用数据端口或外围总线849(例如，计算机设备700的USB端口)；其它系统通常通过连接到如下所述的系统总线集成到计算机设备700的核心，例如，包括以太网接口的网络接口854集成到PC计算机设备或蜂窝网络接口集成到智能电话计算机设备。通过使用这些网络855中的任何一个，计算机设备700可以与其它实体进行通信。所述通信可以是单向的，仅用于接收(例如，广播电视)，单向的仅用于发送(例如CAN总线到某些CAN总线设备)，或双向的，例如通过局域或广域数字网络到其它计算机设备。上述网络855和网络接口854中的每个可使用某些协议和协议栈。

上述的人机界面设备、人可访问的存储设备以及网络接口854可以连接到计算机设备700的核心840。

核心840可包括至少一个中央处理单元(CPU)841、图形处理单元(GPU)842、以现场可编程门阵列(FPGA)843形式的专用可编程处理单元、用于特定任务的硬件加速器844等。这些设备以及只读存储器(ROM)845、随机存取存储器846、内部大容量存储器(例如内部非用户可存取硬盘驱动器、固态硬盘等)847等可通过系统总线848进行连接。在某些计算机设备中，可以以至少一个物理插头的形式访问系统总线848，以便可通过额外的中央处理单元、图形处理单元等进行扩展。外围装置可直接附接到核心的系统总线848，或通过外围总线849进行连接。外围总线的体系结构包括外部控制器接口PCI、通用串行总线USB等。

CPU 841、GPU 842、FPGA 843和硬件加速器844可以执行某些指令，这些指令组合起来可以构成上述计算机代码。该计算机代码可以存储在ROM 845或RAM 846中。过渡数据也可以存储在RAM 846中，而永久数据可以存储在例如内部大容量存储器847中。通过使用高速缓冲存储器可实现对任何存储器设备的快速存储和检索，高速缓冲存储器可与至少一个CPU 841、GPU 842、大容量存储器847、ROM 845、RAM846等紧密关联。

所述计算机可读介质上可具有计算机代码，用于执行各种计算机实现的操作。介质和计算机代码可以是为本申请的目的而特别设计和构造的，也可以是计算机软件领域的技术人员所熟知和可用的介质和代码。

作为实施例而非限制，具有体系结构的计算机设备700，特别是核心840，可以作为处理器(包括CPU、GPU、FPGA、加速器等)提供执行包含在至少一个有形的计算机可读介质中的软件的功能。这种计算机可读介质可以是与上述的用户可访问的大容量存储器相关联的介质，以及具有非易失性的核心840的特定存储器，例如核心内部大容量存储器847或ROM845。实现本申请的各种实施例的软件可以存储在这种设备中并且由核心840执行。根据特定需要，计算机可读介质可包括一个或一个以上存储设备或芯片。该软件可以使得核心840特别是其中的处理器(包括CPU、GPU、FPGA等)执行本申请所述的特定过程或特定过程的特定部分，包括定义存储在RAM 846中的数据结构以及根据软件定义的过程来修改这种数据结构。另外或作为替代，计算机设备可以提供逻辑硬连线或以其它方式包含在电路(例如，加速器844)中的功能，该电路可以代替软件或与软件一起运行以执行本申请所述的特定过程或特定过程的特定部分。在适当的情况下，对软件的引用可以包括逻辑，反之亦然。在适当的情况下，对计算机可读介质的引用可包括存储执行软件的电路(如集成电路(IC))，包含执行逻辑的电路，或两者兼备。本申请包括任何合适的硬件和软件组合。

虽然本申请已对多个示例性实施例进行了描述，但实施例的各种变更、排列和各种等同替换均属于本申请的范围内。因此应理解，本领域技术人员能够设计多种系统和方法，所述系统和方法虽然未在本申请中明确示出或描述，但其体现了本申请的原则，因此属于本申请的精神和范围之内。

Claims (15)

1.一种点云属性编解码方法，其特征在于，包括：

接收包括边界框的点云数据集；

确定所述边界框是对称的还是不对称的；及，

当所述边界框是不对称时，对所述点云数据集执行四叉树二叉树QtBt划分。

2.根据权利要求1所述的方法，其特征在于，进一步包括：

当所述边界框是不对称时，将第一标识设置为第一值；

当所述边界框是对称时，将所述第一标识设置为第二值。

3.根据权利要求2所述的方法，其特征在于，所述第一标识为asymmetric_bbox_enabled_flag，所述第一值为1。

4.根据权利要求2所述的方法，其特征在于，所述第二值为0，所述方法还包括：

当所述边界框是对称时，对所述点云数据集应用八叉树划分。

5.根据权利要求1所述的方法，其特征在于，所述当所述边界框是不对称时，对所述点云数据集执行四叉树二叉树QtBt划分包括：

当节点划分级别达到0时，对所述点云数据集应用隐式QtBt划分。

6.根据权利要求1-5中任一项所述的方法，其特征在于，进一步包括：

基于第二标识，启用或者禁用显式分割判决信令。

7.根据权利要求6所述的方法，其特征在于，所述第二标识为qtbt_enabled_flag。

8.根据权利要求6所述的方法，其特征在于，所述基于第二标识，启用或者禁用显式分割判决信令包括：

当所述第二标识被设置为第一值时，启用所述显式分割判决信令，发送信号用于指示是否沿着与所述点云数据集关联的x，y和z轴中的每一个轴进行分割。

9.根据权利要求6所述的方法，其特征在于，所述基于第二标识，启用或者禁用显式分割判决信令包括：

当所述第二标识被设置为第二值时，禁用所述显式分割判决信令，当节点划分级别达到0时，对所述点云数据集应用隐式QtBt划分。

10.一种点云属性编解码装置，其特征在于，包括：

接收模块，用于接收包括边界框的点云数据集；

确定模块，用于确定所述边界框是对称的还是不对称的；及，

划分模块，用于当边界框是不对称时，对所述点云数据集执行四叉树二叉树QtBt划分。

11.根据权利要求10所述的装置，其特征在于，进一步包括：

设置模块，用于当所述边界框是不对称时，将第一标识设置为第一值；当所述边界框是对称时，将所述第一标识设置为第二值。

12.根据权利要求10或者11所述的装置，其特征在于，进一步包括：

信令模块，用于基于第二标识，启用或者禁用显式分割判决信令。

13.根据权利要求12所述的装置，其特征在于，所述信令模块用于，当所述第二标识被设置为第一值时，启用所述显式分割判决信令，发送信号用于指示是否沿着与所述点云数据集关联的x，y和z轴中的每一个轴进行分割。

14.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行，以实现如权利要求1至9中任一项所述的方法。

15.一种非易失性计算机可读存储介质，其特征在于，存储有计算机可读指令，可以使至少一个处理器执行如权利要求1至9中任一项所述的方法。

Images