CN113453018A - 一种点云属性预测方法和装置 - Google Patents

一种点云属性预测方法和装置 Download PDF

Info

Publication number
CN113453018A
CN113453018A CN202010220697.9A CN202010220697A CN113453018A CN 113453018 A CN113453018 A CN 113453018A CN 202010220697 A CN202010220697 A CN 202010220697A CN 113453018 A CN113453018 A CN 113453018A
Authority
CN
China
Prior art keywords
point
block
prediction
current
coded
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010220697.9A
Other languages
English (en)
Other versions
CN113453018B (zh
Inventor
虞露
王文义
陈嘉枫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202010220697.9A priority Critical patent/CN113453018B/zh
Publication of CN113453018A publication Critical patent/CN113453018A/zh
Application granted granted Critical
Publication of CN113453018B publication Critical patent/CN113453018B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • 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
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • 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

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

本发明提出了一种点云属性预测方法和装置，使用空间中被预测点所在的块中的所有已编码点以及与被预测点所在块紧近的若干个已编码邻块中的所有已编码点作为候选预测点，然后在候选预测点中选取三维空间中距离当前点最近的点的作为当前点的预测点，使用该最近点的属性值作为当前点属性值的预测值。由于当前块已编码点和紧邻块中的已编码点都可能与当前编码点在三维空间中相近，所以使用它们作为预测点的候选点会使预测点与当前点属性值的更相关，在复杂度增加不明显的情况下提升了点云属性编码的效率。

Description

一种点云属性预测方法和装置
技术领域
本发明专利属于点云编码领域，具体涉及一种点云属性预测方法和装置。
背景技术
媒体技术的下一个重要挑战是支持虚拟现实技术和增强现实技术的应用。这些应用连同计算机视觉、三维渲染和三维相机技术使得新兴的沉浸式媒体体验成为可能。点云作为一种比较理想的三维场景或三维物体表现形式，是在空间中无规则分布并且无连接的一组点。这组点通过三维坐标x、y、z来表达位置信息，并通过与每一个点关联的一个或者多个属性值表达三维场景或者三维物体的结构和表面属性信息。例如常见的属性值有颜色、反射率和透明度等等。一组点云往往包含几万到几十亿的点，为了使三维D点云的存储处理和传输成为可能，对点云数据进行高效的压缩是十分必要的。
体素化点云是指点的位置坐标被网格化的点云，每个网格内点的坐标由该网格的中点代替，因此编码点云的位置信息时只需要编码网格的索引即可，位置精度可有网格的大小来控制。由于体素化点云有处理方便、精度可控等优点，因此目前大多数点云压缩算法都是针对体素化点云而设计的。点云的压缩分为几何信息的压缩和属性信息的压缩，目前几何信息压缩主要基于八叉树划分算法和kd树划分算法，而借助于莫顿码构建出八叉树的八叉树算法解码出来的点云点是按照每个点的莫顿码大小从小到大排序的，这种根据点的莫顿码大小从小到大对点云中的点排序得到的点序称为莫顿序。莫顿码的构建如下：使用P{Xi，Yi，Zi，Ai}i＝1，2，...，n表示点云，其中n为点云中点的个数，(Xi，Yi，Zi)为第i个点的三维坐标，Ai为第i个点的属性，用用位宽为N的整数来表示体素化点云的几何坐标，则点云中每一点的三维坐标(Xi，Yi，Zi)可以表示成
Figure BDA0002425968740000011
Figure BDA0002425968740000012
Figure BDA0002425968740000013
每一点的几何坐标(Xi，Yi，Zi)转换成莫顿码如下：
Figure BDA0002425968740000014
几何信息的编解码发生在属性编解码之前，因此编码属性信息时是已知几何信息的，从而可以利用几何信息来编码属性信息。属性信息的压缩主要是变换算法和预测算法。对于预测算法而言，属性预测的越准确，失真不变的情况下所需的码率就越低，换句话说，属性预测的越准确，同等失真下点云属性的压缩比就越高。目前的属性预测算法首先会将点云P{Xi，Yi，Zi，Ai}i＝0，1，2，...，n-1中每一点的几何坐标(Xi，Yi，Zi)转换成莫顿码如下：
Figure BDA0002425968740000021
其中，mordon(Xi，Yi，Zi)为莫顿码转换函数。然后将点按照其莫顿码的大小从小到大排序，得到莫顿码序列MordonSequencer如下
Figure BDA0002425968740000022
之后按照上述顺序编码属性值。编码每一点时，使用当前编码点的前一编码点的属性值来预测当前编码点的属性值；或者从当前编码点的前若干个编码点中选取距离当前待编码点最近的点，使用该最近点的属性值来预测当前编码点的属性值。
现有的方法使用莫顿码大小排序顺序下当前编码点的前若干点代替所有已编码点作为预测候选点，虽然降低了时间复杂度，可是莫顿码大小排序下相近的点，在三维空间上并不一定相近，甚至可能出现距离非常远的情况。
理论上来讲，在空间中距离越近的点属性相关性越强，因此如果用距离当前待编码点更近的点的属性值来预测当前待编码点的属性值，那么预测也就更加准确，属性压缩比也就越高。最直观有效的方案是每次编码当前待编码点时，都遍历所有已编码点，从中找出距离当前待编码点最近的点来预测当前待编码点的属性，即将当前编码点之前的所有已编码点都当做预测候选点，从预测候选点中找出距离当前待编码点最近的点，使用该最近点的属性值作为当前待编码点属性值的预测值，可是该方法编码每一点的属性都需要遍历所有已编码点，时间复杂度极高，是实时点云编解码技术需求所不能接受的。
发明内容
为了进一步提高属性预测效率、同时又兼顾实现的复杂度，本发明提出了一种点云属性预测方法和装置，使用空间中被预测点所在的块中的所有已编码点以及与被预测点所在块紧近的若干个已编码邻块中的所有已编码点作为预测候选点，然后在预测候选点中选取三维空间中距离当前待编码点最近的点作为当前待编码点的预测点，使用该最近点的属性值作为当前待编码点属性值的预测值。
本发明的第一目的是提供一种点云属性预测方法，包括如下内容：
比较点云中所有预测候选点与当前待编码点的距离，选择距离最小的预测候选点作为预测点；
使用所述预测点的属性值预测当前待编码点的属性值；
所述预测候选点至少包括候选块中的点，所述候选块包括当前待编码点所在的当前块的已编码的邻块。
作为优选，本方法还包括根据所述点云投影到X、Y、Z三个坐标轴的密集度，在所述当前块所在的、垂直于所述坐标轴的平面内选取备选邻块，且对应于相对密集度高的坐标轴的平面内选取的备选邻块数量不少于对应于相对密集度低的坐标轴的平面内选取的备选邻块数量；选取的备选邻块中已编码的块作为所述当前块的已编码的邻块。
作为优选，所述备选邻块的选取包括：从对应于相对密集度高的坐标轴的平面内的当前块的邻块中选取编码顺序必然早于当前块的备选邻块。
作为优选，所述当前块和所述邻块的边长为2S，S为大于等于0的自然数；当所述的预测候选点少于预设的数量T1时，尝试增大S，以使预测候选点的数量达到或超过T1，T1为大于等于1的自然数。
作为优选，所述当前块和所述邻块的边长为2S，S为大于等于0的自然数；当所述的预测候选点超过预设的数量T2时，尝试减少S，以使预测候选点的数量小于等于T2，T2为大于等于T1的自然数。
本发明第二目的在于提供一种点云属性预测装置，其包括:
预测点选择模块：其输入为当前待编码点和点云几何信息，其输出为预测点，该模块比较点云中所有预测候选点与当前被编码的点的距离，选择距离最小的预测候选点作为预测点，所述预测候选点至少包括以下一种点：
候选块中的点；
所述候选块包括当前待编码点所在的当前块的已编码的邻块；
属性预测模块：其输入为预测点和当前待编码点，其输出为预测残差，该模块使用预测点的属性值预测当前待编码点的属性值。
作为优选，本装置包括：
备选邻块选取模块:其输入为点云几何信息，其输出为备选邻块，该模块根据所述点云投影到X、Y、Z三个坐标轴的聚集程度，在所述当前块所在的、垂直于所述坐标轴的平面内选取不等量的备选邻块，对应于聚集程度高的坐标轴的平面内选取的备选邻块不少于对应于聚集程度低的坐标轴的平面内选取的备选邻块；
所选取的备选邻块中已编码的块作为权利要求6中所述当前块的已编码的邻块。
作为优选，本装置还包括：已编码备选邻块选取模块：其输入为点云几何信息，其输出为备选邻块，该模块从对应于相对密集度高的坐标轴的平面内的当前块的邻块中选取编码顺序必然早于当前块的备选邻块。
作为优选，本装置还包括：块边长参数S增大模块:其输入为预设的数量T1、候选块和点云几何，其输出为增大后的S，当所述的预测候选点少于预设的数量T1时，该模块尝试从所述当前块和所述邻块的边长2S开始增大S，以使预测候选点的数量达到或超过T1，S为大于等于0的自然数,T1为大于等于1的自然数。
作为优选，本装置还包括：块边长参数S减小模块:其输入为预设的数量T2、候选块和点云几何，其输出为减小后的S，当所述的预测候选点大于预设的数量T2时，该模块尝试从所述当前块和所述邻块的边长2S开始减小S，以使预测候选点的数量小于等于T2S为大于等于0的自然数,T2为大于等于T1的自然数。
由于当前块已编码点和紧邻块中的已编码点都可能与当前编码点在三维空间中相近，所以使用它们作为预测候选点会使预测点与当前待编码点属性值的更相关，在复杂度增加不明显的情况下提升了点云属性编码的效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是当前编码点所在块和编码顺序可能早于当前块的19个邻块的空间关系示意图(为了描述方便，使用Ni,j,k代替
Figure BDA0002425968740000041
)；
图2是本发明实施例算法流程图；
图3是本发明实施例装置示意图；
图4是本发明另一种实施例装置示意图；
图5是本发明另一种实施例装置示意图。
具体实施方式
为了进一步理解本发明，下面结合实施例对本发明的优选实施方案进行描述，但是应当理解，这些描述只是为进一步说明本发明的特征和优点，而不是对本发明权利要求的限制。
为了表述方便，做如下定义。对于当前编码点(Xc，Yc，Zc)，相应的，定义
Figure BDA0002425968740000054
为当前块，其中
p＝Xc＞＞S
q＝Yc＞＞S
r＝Zc＞＞S
其中＞＞为按位右移运算符，且该立方体的边长为2S。该立方体包含的所有点的坐标为(X，Y，Z)，其中
X∈[p＜＜S，p＜＜S+2S-1]
Y∈[q＜＜S，q＜＜S+2S-1]
Z∈[r＜＜S，r＜＜S+2S-1]
其中＜＜为按位左移运算符。定义包围当前块且与当前块等大小的26个立方体块为当前块的邻块，当前块和邻块可以统一表示为
Figure BDA0002425968740000051
由于只有
Figure BDA0002425968740000052
i＜0或j＜0或k＜0
这19个邻块按莫顿序编码下的编码顺序可能早于当前块，所以只需考虑这19个邻块。其中，在这19个邻块中
Figure BDA0002425968740000053
这7个邻块按莫顿序编码下的编码顺序必然早于当前块。当前块和编码顺序可能早于当前块的19个邻块的空间关系如图(1)所示，其中黑色立方体为当前块，白色立方体为当前块的邻块。
实施例1
本实施例的一种点云属性预测方法，包含以下步骤：
●比较点云中所有预测候选点与当前被编码的点的距离，选择距离最小的预测候选点作为预测点，具体的：
■确定包含预测候选点的候选块：将所有当前块的已编码邻块作为候选块，即将所有当前块的已编码邻块中的点作为预测候选点；
■设置决定块边长大小的参数S的值：设置S的值，使得实际预测候选点的数量大于等于最小预测候选点数量T1且小于等于最大预测候选点数量T2，S为大于等于0的自然数，T1为大于等于1的自然数，T2为大于等于T1的自然数；
■确定每个候选块中的预测候选点在莫顿码序列中的位置的上下边界：确定当选中的每个已编码邻块中的点在莫顿码序列中位置的上下边界，从而找到所有预测候选点的位置；
■确定预测点：根据预测候选点在莫顿码序列中位置的上下边界遍历，遍历预测候选点，选其中三维坐标下距离当前待编码点距离最小的作为预测点。其中三维坐标下的距离计算方式至少包括但不限于以下几种方式：
◆两点(x1，y1，z1)和(x2，y2，z2)的曼哈顿距离
d＝a|x1+x2|+b|y1+y2|+c|z1+z2|
◆两点(x1，y1，z1)和(x2，y2，z2)的欧式距离
Figure BDA0002425968740000061
◆两点(x1，y1，z1)和(x2，y2，z2)的平方和距离
d＝a(x1+x2)2+b(y1+y2)2+c(z1+z2)2
◆两点(x1，y1，z1)和(x2，y2，z2)的切比雪夫距离
d＝max(a|x1+x2|，b|y1+y2|，c|z1+z2|)
其中a、b、c为三个坐标维度上的加权系数。
●使用找到的预测点的属性值来预测当前待编码点的属性值。
实施例2
本实施例的一种点云属性预测方法，包含以下步骤：
根据所述点云投影到X、Y、Z三个坐标轴的密集度，在所述当前块所在的、垂直于所述坐标轴的平面内选取备选邻块，且对应于相对密集度高的坐标轴的平面内选取的备选邻块数量不少于对应于相对密集度低的坐标轴的平面内选取的备选邻块数量，具体的，至少可以有以下几种选取方式：
■如果点云在X、Y、Z三个维度里X维度上密集度相对最高则选和当前块同处一个YZ平面的
Figure BDA0002425968740000071
中的已编码邻块作为备选邻块；如果点云在X、Y、Z三个维度里Y维度上的密集度相对最高则选和当前块同处一个XZ平面的
Figure BDA0002425968740000072
Figure BDA0002425968740000073
中的已编码邻块作为备选邻块；如果点云在X、Y、Z三个维度里Z维度上的密集度相对最高则选和当前块同处一个XY平面的
Figure BDA0002425968740000074
Figure BDA0002425968740000075
中的已编码邻块作为备选邻块；将备选邻块中的点作为预测候选点；
■如果点云在X、Y、Z三个维度里X维度上密集度相对最高则选和当前块同处一个YZ平面的已编码邻块
Figure BDA0002425968740000076
作为备选邻块，同时选X维度上和当前块同处一条直线的已编码邻块
Figure BDA0002425968740000077
作为备选邻块；如果点云在X、Y、Z三个维度里Y维度上的密集度相对最高则选和当前块同处一个XZ平面的已编码邻块
Figure BDA0002425968740000078
和作为备选邻块，同时选Y维度上和当前块同处一条直线的已编码邻块
Figure BDA0002425968740000079
作为备选邻块；如果点云在X、Y、Z三个维度里Z维度上的密集度相对最高则选和当前块同处一个XY平面的已编码邻块
Figure BDA00024259687400000710
作为备选邻块，同时选Z维度上和当前块同处一条直线的已编码邻块
Figure BDA00024259687400000711
作为备选邻块；将备选邻块中的点作为预测候选点
其中，X、Y、Z三个坐标轴的密集度也可以理解为紧凑度、聚集度，其可以至少包括但不限于以下几种度量方式：
■三个坐标维度下的每个维度的方差，方差大表示密集度低，方差小表示密集度高；
■三个坐标维度下的每个维度的标准差，标准差大表示密集度低，标准差小表示密集度高；
■三个坐标维度下的每个维度的跨度，即每个维度做大值和最小值之差，跨度大表示密集度低，跨度小表示密集度高；
■三个坐标维度下的每个维度的离散系数，离散系数大表示密集度低，离散系数小表示密集度高。
所选取的备选邻块中已编码的块作为实施例1中所述当前块的已编码的邻块，其他过程如实施例1中所述。
实施例3
本实施例的一种点云属性预测方法，包含以下步骤：
从对应于相对密集度高的坐标轴的平面内的当前块的邻块中选取编码顺序必然早于当前块的备选邻块，具体的：如果点云在X、Y、Z三个维度里X维度上密集度相对最高则选和当前块同处一个YZ平面的编码顺序必然早于当前块的邻块
Figure BDA0002425968740000081
Figure BDA0002425968740000082
作为备选邻块，由于编码顺序必然早于当前块，邻块
Figure BDA0002425968740000083
Figure BDA0002425968740000084
必然已编码；如果点云在X、Y、Z三个维度里Y维度上的密集度相对最高则选和当前块同处一个XZ平面的编码顺序必然早于当前块的邻块
Figure BDA0002425968740000085
Figure BDA0002425968740000086
作为备选邻块，由于编码顺序必然早于当前块，邻块
Figure BDA0002425968740000087
Figure BDA0002425968740000088
必然已编码；如果点云在X、Y、Z三个维度里Z维度上的密集度相对最高则选和当前块同处一个XY平面的编码顺序必然早于当前块的邻块
Figure BDA0002425968740000089
Figure BDA00024259687400000810
作为备选邻块，由于编码顺序必然早于当前块，邻块
Figure BDA00024259687400000811
Figure BDA00024259687400000812
必然已编码；将备选邻块中的点作为预测候选点；
其他过程如实施例2中所述。
实施例4
本实施例的一种点云属性预测方法，包含以下步骤：
实施例1中所述的预测候选点少于预设的数量T1时，尝试增大S，以使预测候选点的数量达到或超过T1,S为大于等于0的自然数,T1为大于等于1的自然数,具体的,S确定的原则是使得实际预测候选点的数量严格大于等于最小预测候选点数量T1,点云在不同的区域稀疏程度不同，为了保持大致不变的预测候选点数量，不同编码点的块大小参数可能不同，但是编码顺序下相邻的编码点块大小参数有很大的相关性，所以可以使用编码顺序下前一编码点的块大小参数作为当前编码点的块大小参数基准值，自适应确定参数S步骤如下，
●将前一编码点的块大小参数赋值给当前编码点的块大小参数S；
●确定块边长大小为2S时实际的预测候选点的数量numS；
●如果T1≤numS，此时的S值即为当前编码点的实际块大小参数，自适应确定块大小参数过程结束；如果numS＜T1，S＝S+1，返回上一步。
其他过程如实施例1中所述。
实施例5
本实施例的一种点云属性预测方法，包含以下步骤：
实施例1中所述的预测候选点超过预设的数量T2时，尝试减少S，以使预测候选点的数量小于等于T2，S为大于等于0的自然数，T2为大于等于T1的自然数，具体的，S确定的原则是使得实际预测候选点的数量尽量小于等于最大预测候选点数量T2，点云在不同的区域稀疏程度不同，为了保持大致不变的预测候选点数量，不同编码点的块大小参数可能不同，但是编码顺序下相邻的编码点块大小参数有很大的相关性，所以可以使用编码顺序下前一编码点的块大小参数作为当前编码点的块大小参数基准值，自适应确定参数S步骤如下，
●将前一编码点的块大小参数赋值给当前编码点的块大小参数S；
●确定块边长大小为2S时实际的预测候选点的数量numS和块边长大小为2S+1时实际的预测候选点的数量numS+1；
●如果
①numS+1＞T2且numS≤T2或者
②S＝0，且numS＞T2，
此时的S值即为当前编码点的实际块大小参数，自适应确定块大小参数过程结束；否则，令S＝S-1，返回上一步。
其他过程如实施例1中所述。
实施例6
本实施例的一种点云属性预测装置，具体包括，
●预测点选择模块：其输入为当前待编码点和点云几何信息，其输出为预测点，该模块比较点云中所有预测候选点与当前被编码的点的距离，选择距离最小的预测候选点作为预测点，具体包括以下子模块：
■候选块确定子模块：其输入为点云几何信息，其输出为确定的候选块，该模块将所有当前块的已编码邻块作为候选块，即将所有当前块的已编码邻块中的点作为预测候选点；
■参数S设置子模块：其输入为最小预测候选点数量T1、最大预测候选点数量T2、所有候选块和点云几何信息，其输出为块大小参数S，该模块设置S的值，使得实际预测候选点的数量大于等于最小预测候选点数量T1且小于等于最大预测候选点数量T2S为大于等于0的自然数,T1为大于等于1的自然数,T2为大于等于T1的自然数；
■预测候选点位置确定子模块：其输入为块大小参数S、所有候选块和点云几何信息，其输出为各个候选块中的预测候选点在莫顿码序列中位置的上下边界，该模块确定选中的每个已编码邻块中的点在莫顿码序列中位置的上下边界，从而找到所有预测候选点的位置；
■预测点确定子模块：其输入为预测候选点和当前待编码点，其输出为当前待编码点的预测点，根据预测候选点在莫顿码序列中位置的上下边界遍历，遍历预测候选点，选其中三维坐标下距离当前待编码点距离最小的作为预测点。
●属性预测模块：其输入为预测点和当前待编码点，其输出为预测残差，该模块使用预测点的属性值预测当前待编码点的属性值。
实施例7
本市实施例的一种点云属性预测装置，具体包括，
备选邻块选取模块:其输入为点云几何信息，其输出为备选邻块，该模块根据所述点云投影到X、Y、Z三个坐标轴的密集度，在所述当前块所在的、垂直于所述坐标轴的平面内选取备选邻块，且对应于相对密集度高的坐标轴的平面内选取的备选邻块数量不少于对应于相对密集度低的坐标轴的平面内选取的备选邻块数量，具体的，至少可以有以下几种选取方式:
■如果点云在X、Y、Z三个维度里X维度上密集度相对最高则选和当前块同处一个YZ平面的
Figure BDA0002425968740000101
中的已编码邻块作为备选邻块；如果点云在X、Y、Z三个维度里Y维度上的密集度相对最高则选和当前块同处一个XZ平面的
Figure BDA0002425968740000102
Figure BDA0002425968740000103
中的已编码邻块作为备选邻块；如果点云在X、Y、Z三个维度里Z维度上的密集度相对最高则选和当前块同处一个XY平面的
Figure BDA0002425968740000111
Figure BDA0002425968740000112
中的已编码邻块作为备选邻块；将备选邻块中的点作为预测候选点；
■如果点云在X、Y、Z三个维度里X维度上密集度相对最高则选和当前块同处一个YZ平面的已编码邻块
Figure BDA0002425968740000113
作为备选邻块，同时选X维度上和当前块同处一条直线的已编码邻块
Figure BDA0002425968740000114
作为备选邻块；如果点云在X、Y、Z三个维度里Y维度上的密集度相对最高则选和当前块同处一个XZ平面的已编码邻块
Figure BDA0002425968740000115
和作为备选邻块，同时选Y维度上和当前块同处一条直线的已编码邻块
Figure BDA0002425968740000116
作为备选邻块；如果点云在X、Y、Z三个维度里Z维度上的密集度相对最高则选和当前块同处一个XY平面的已编码邻块
Figure BDA0002425968740000117
作为备选邻块，同时选Z维度上和当前块同处一条直线的已编码邻块
Figure BDA0002425968740000118
作为备选邻块；将备选邻块中的点作为预测候选点
其中，X、Y、Z三个坐标轴的密集度也可以理解为紧凑度、聚集度，其可以至少包括但不限于以下几种度量方式：
■三个坐标维度下的每个维度的方差，方差大表示密集度低，方差小表示密集度高；
■三个坐标维度下的每个维度的标准差，标准差大表示密集度低，标准差小表示密集度高；
■三个坐标维度下的每个维度的跨度，即每个维度做大值和最小值之差，跨度大表示密集度低，跨度小表示密集度高；
■三个坐标维度下的每个维度的离散系数，离散系数大表示密集度低，离散系数小表示密集度高。
所选取的备选邻块中已编码的块作为实施例5中所述当前块的已编码的邻块，装置的其他部分如实施例6中所述。
实施例8
本实施例的一种点云属性预测装置，具体包括，
已编码备选邻块选取模块：其输入为点云几何信息，其输出为备选邻块，该模块从对应于相对密集度高的坐标轴的平面内的当前块的邻块中选取编码顺序必然早于当前块的备选邻块，具体的：如果点云在X、Y、Z三个维度里X维度上密集度相对最高则选和当前块同处一个YZ平面的编码顺序必然早于当前块的邻块
Figure BDA0002425968740000121
Figure BDA0002425968740000122
作为备选邻块，由于编码顺序必然早于当前块，邻块
Figure BDA0002425968740000123
Figure BDA0002425968740000124
必然已编码；如果点云在X、Y、Z三个维度里Y维度上的密集度相对最高则选和当前块同处一个XZ平面的编码顺序必然早于当前块的邻块
Figure BDA0002425968740000125
Figure BDA0002425968740000126
作为备选邻块，由于编码顺序必然早于当前块，邻块
Figure BDA0002425968740000127
Figure BDA0002425968740000128
必然已编码；如果点云在X、Y、Z三个维度里Z维度上的密集度相对最高则选和当前块同处一个XY平面的编码顺序必然早于当前块的邻块
Figure BDA0002425968740000129
Figure BDA00024259687400001210
作为备选邻块，由于编码顺序必然早于当前块，邻块
Figure BDA00024259687400001211
Figure BDA00024259687400001212
必然已编码；将备选邻块中的点作为预测候选点；
其他模块如实施例7中所述。
实施例9
本实施例的一种点云属性预测装置，具体包括，
块边长参数S增大模块:其输入为预设的数量T1、候选块和点云几何，其输出为增大后的S，当所述的预测候选点少于预设的数量T1时，该模块尝试从所述当前块和所述邻块的边长2S开始增大S，以使预测候选点的数量达到或超过T1，S为大于等于0的自然数,T1为大于等于1的自然数，具体的,S确定的原则是使得实际预测候选点的数量严格大于等于最小预测候选点数量T1,点云在不同的区域稀疏程度不同，为了保持大致不变的预测候选点数量，不同编码点的块大小参数可能不同，但是编码顺序下相邻的编码点块大小参数有很大的相关性，所以可以使用编码顺序下前一编码点的块大小参数作为当前编码点的块大小参数基准值，自适应确定参数S步骤如下，
●将前一编码点的块大小参数赋值给当前编码点的块大小参数S；
●确定块边长大小为2S时实际的预测候选点的数量numS；
●如果T1≤numS，此时的S值即为当前编码点的实际块大小参数，自适应确定块大小参数过程结束；如果numS<T1，S＝S+1，返回上一步。
其他过程如实施例6中所述。
实施例10
本实施例的一种点云属性预测装置，具体包括，
块边长参数S减小模块：其输入为预设的数量T2、备选邻块和点云几何，其输出为减小后的S，当所述的预测候选点大于预设的数量T2时，该模块尝试从所述当前块和所述邻块的边长2S开始减小S，以使预测候选点的数量小于等于T2，S为大于等于0的自然数，T2为大于等于T1的自然数，具体的，S确定的原则是使得实际预测候选点的数量尽量小于等于最大预测候选点数量T2，点云在不同的区域稀疏程度不同，为了保持大致不变的预测候选点数量，不同编码点的块大小参数可能不同，但是编码顺序下相邻的编码点块大小参数有很大的相关性，所以可以使用编码顺序下前一编码点的块大小参数作为当前编码点的块大小参数基准值，自适应确定参数S步骤如下：
●将前一编码点的块大小参数赋值给当前编码点的块大小参数S；
●确定块边长大小为2S时实际的预测候选点的数量numS和块边长大小为2S+1时实际的预测候选点的数量numS+1；
●如果
①numS+1＞T2且numS≤T2或者
②S＝0，且numS＞T2，
此时的S值即为当前编码点的实际块大小参数，自适应确定块大小参数过程结束；否则，令S＝S-1，返回上一步。
其他过程如实施例6中所述。
实施例11
本实施例的一种点云属性预测方法，该方法包含以下步骤：
●按照莫顿码序列中点出现的顺序编码属性信息。当编码第m个点的属性值时，若m等于0时，直接编码当前待编码点的属性值；若m大于0且小于最小预测候选点数量T1时，使用前一点的属性值预测当前待编码点的属性值；若m大于等于最小预测候选点数量T1时，使用如下预测方法，
■从当前块和当前块的邻块中确定包含预测候选点的候选块：将当前块和所有已编码邻块作为候选块，即将当前块中已编码的点以及所有已编码邻块中的点作为预测候选点；
■设置决定块边长大小的参数Sm的值：设置Sm的值，使得实际预测候选点的数量大于等于最小预测候选点数量T1且小于等于最大预测候选点数量T2；
■对于每个候选块，确定其中的预测候选点在莫顿码序列中的位置的上下边界：分别确定当前块中已编码点在莫顿码序列中位置的上下边界以及选中的每个已编码邻块中的点在莫顿码序列中位置的上下边界；
■遍历预测候选点，选其中三维坐标下距离当前待编码点距离最小的点的属性值来预测当前待编码点的属性值。
实施例12
本实施例的一种点云属性预测装置，该装置按照莫顿码序列中点出现的顺序编码属性信息，当编码第m个点的属性值时，根据m的取值执行不同的模块，具体包括，
●直接编码模块：其输入是点的属性值，其输出是属性码流。若m等于0时，该模块直接编码当前待编码点的属性值；
●差分预测模块：其输入为当前待编码点的属性值和前一点的属性值，其输出是当前待编码点的预测残差。若m大于0且小于最小预测候选点数量T1时，该模块使用前一点的属性值预测当前待编码点的属性值；
●近邻预测编码模块：该模块包含以下子模块，
■候选块确定模块：其输入为点云几何信息，其输出为确定的候选块。该模块从当前块和当前块的邻块中确定包含预测候选点的候选块:将当前块和所有已编码邻块作为候选块，即将当前块中已编码的点以及所有已编码邻块中的点作为预测候选点；
■参数S设置模块：其输入为最小预测候选点数量T1、最大预测候选点数量T2、所有候选块和点云几何信息，其输出为块大小参数S。该模块设置决定块边长大小的参数S的值：设置S的值，使得实际预测候选点的数量大于等于最小预测候选点数量T1且小于等于最大预测候选点数量T2；
■预测候选点位置确定模块：其输入为块大小参数S、所有候选块和点云几何信息，其输出为各个候选块中的预测候选点在莫顿码序列中位置的上下边界。该模块对于每个候选块，确定其中的预测候选点在莫顿码序列中的位置的上下边界：分别确定当前块中已编码点在莫顿码序列中位置的上下边界以及选中的每个已编码邻块中的点在莫顿码序列中位置的上下边界；
■属性预测模块：其输入为预测候选点和当前待编码点，其输出为当前待编码点属性的预测残差。该模块遍历预测候选点，选其中三维坐标下距离当前待编码点距离最小的点的属性值来预测当前待编码点的属性值。
●残差编码模块：其输入是属性残差，其输出是属性码流。该模块将预测残差编码为码流。
实施例13
本实施例的一种点云属性预测方法，该方法包含以下步骤：
●比较点云中所有预测候选点与当前被编码的点的距离，选择距离最小的预测候选点作为预测点，具体的：
■确定包含预测候选点的候选块：将当前被编码点所在的当前块中的已编码点作为预测候选点；将所有当前块的已编码邻块作为候选块，即将所有当前块的已编码邻块中的点作为预测候选点；
■设置决定块边长大小的参数S的值：设置S的值，使得实际预测候选点的数量大于等于最小预测候选点数量T1且小于等于最大预测候选点数量T2S为大于等于0的自然数，T1为大于等于1的自然数，T2为大于等于T1的自然数；
■确定每个候选块中的预测候选点在莫顿码序列中的位置的上下边界：分别确定当前块中已编码点在莫顿码序列中位置的上下边界以及选中的每个已编码邻块中的点在莫顿码序列中位置的上下边界，从而找到所有预测候选点的位置；
■确定预测点：根据预测候选点在莫顿码序列中位置的上下边界遍历，遍历预测候选点，选其中三维坐标下距离当前待编码点距离最小的作为预测点。其中三维坐标下的距离计算方式至少包括但不限于以下几种方式：
◆两点(x1，y1，z1)和(x2，y2，z2)的曼哈顿距离
d＝a|x1+x2|+b|y1+y2|+c|z1+z2|
◆两点(x1，y1，z1)和(x2，y2，z2)的欧式距离
Figure BDA0002425968740000151
◆两点(x1，y1，z1)和(x2，y2，z2)的平方和距离
d＝a(x1+x2)2+b(y1+y2)2+c(z1+z2)2
◆两点(x1，y1，z1)和(x2，y2，z2)的切比雪夫距离
d＝max(a|x1+x2|，b|y1+y2|，c|z1+z2|)
其中a、b、c为三个坐标维度上的加权系数。
●使用找到的预测点的属性值来预测当前待编码点的属性值。
实施例14
本实施例的一种点云属性预测装置，具体包括，
●预测点选择模块：其输入为当前待编码点和点云几何信息，其输出为预测点，该模块比较点云中所有预测候选点与当前被编码的点的距离，选择距离最小的预测候选点作为预测点，具体包括以下子模块：
■候选块确定子模块：其输入为点云几何信息，其输出为确定的候选块，该模块将当前被编码点所在的当前块中的已编码点作为预测候选点；将所有当前块的已编码邻块作为候选块，即将所有当前块的已编码邻块中的点作为预测候选点；
■参数S设置子模块：其输入为最小预测候选点数量T1、最大预测候选点数量T2、所有候选块和点云几何信息，其输出为块大小参数S，该模块设置S的值，使得实际预测候选点的数量大于等于最小预测候选点数量T1且小于等于最大预测候选点数量T2S为大于等于0的自然数，T1为大于等于1的自然数，T2为大于等于T1的自然数；
■预测候选点位置确定子模块：其输入为块大小参数S、所有候选块和点云几何信息，其输出为各个候选块中的预测候选点在莫顿码序列中位置的上下边界，该模块分别确定当前块中已编码点在莫顿码序列中位置的上下边界以及选中的每个已编码邻块中的点在莫顿码序列中位置的上下边界，从而找到所有预测候选点的位置；
■预测点确定子模块：其输入为预测候选点和当前待编码点，其输出为当前待编码点的预测点，根据预测候选点在莫顿码序列中位置的上下边界遍历，遍历预测候选点，选其中三维坐标下距离当前待编码点距离最小的作为预测点。
■属性预测模块：其输入为预测点和当前待编码点，其输出为预测残差，该模块使用预测点的属性值预测当前待编码点的属性值。

Claims (10)

1.一种点云属性预测方法，其特征在于包括：
比较点云中所有预测候选点与当前待编码点的距离，选择距离最小的预测候选点作为预测点；
使用所述预测点的属性值预测当前待编码点的属性值；
所述预测候选点至少包括候选块中的点，所述候选块包括当前待编码点所在的当前块的已编码的邻块。
2.权利要求1所述的点云属性值预测的方法，其特征在于还包括，
根据所述点云投影到X、Y、Z三个坐标轴的密集度，在所述当前块所在的、垂直于所述坐标轴的平面内选取备选邻块，且对应于相对密集度高的坐标轴的平面内选取的备选邻块数量不少于对应于相对密集度低的坐标轴的平面内选取的备选邻块数量；
所选取的备选邻块中已编码的块作为所述当前块的已编码的邻块。
3.权利要求2所述的方法，其特征在于所述备选邻块的选取包括：
从对应于相对密集度高的坐标轴的平面内的当前块的邻块中选取编码顺序必然早于当前块的备选邻块。
4.权利要求1所述的点云属性值预测的方法，其特征在于还包括，
所述当前块和所述邻块的边长为2S，S为大于等于0的自然数；
当所述的预测候选点少于预设的数量T1时，尝试增大S，以使预测候选点的数量达到或超过T1，T1为大于等于1的自然数。
5.权利要求1所述的点云属性值预测的方法，其特征在于还包括，
所述当前块和所述邻块的边长为2S，S为大于等于0的自然数；
当所述的预测候选点超过预设的数量T2时，尝试减少S，以使预测候选点的数量小于等于T2，T2为大于等于T1的自然数。
6.一种点云属性预测装置，其特征在于包括:
预测点选择模块：其输入为当前待编码点和点云几何信息，其输出为预测点，该模块比较点云中所有预测候选点与当前被编码的点的距离，选择距离最小的预测候选点作为预测点，所述预测候选点至少包括候选块中的点；所述候选块包括当前待编码点所在的当前块的已编码的邻块；
属性预测模块：其输入为预测点和当前待编码点，其输出为预测残差，该模块使用预测点的属性值预测当前待编码点的属性值。
7.权利要求6所述的点云属性值预测的装置，其特征在于还包括，
备选邻块选取模块:其输入为点云几何信息，其输出为备选邻块，该模块根据所述点云投影到X、Y、Z三个坐标轴的聚集程度，在所述当前块所在的、垂直于所述坐标轴的平面内选取不等量的备选邻块，对应于聚集程度高的坐标轴的平面内选取的备选邻块不少于对应于聚集程度低的坐标轴的平面内选取的备选邻块；
所选取的备选邻块中已编码的块作为权利要求6中所述当前块的已编码的邻块。
8.权利要求7所述的点云属性值预测的装置，其特征在于还包括，
已编码备选邻块选取模块：其输入为点云几何信息，其输出为备选邻块，该模块从对应于相对密集度高的坐标轴的平面内的当前块的邻块中选取编码顺序必然早于当前块的备选邻块。
9.权利要求6所述的点云属性值预测的装置，其特征在于还包括，
块边长参数S增大模块:其输入为预设的数量T1、候选块和点云几何，其输出为增大后的S，当所述的预测候选点少于预设的数量T1时，该模块尝试从所述当前块和所述邻块的边长2S开始增大S，以使预测候选点的数量达到或超过T1，S为大于等于0的自然数,T1为大于等于1的自然数。
10.权利要求6所述的点云属性值预测的装置，其特征在于还包括，
块边长参数S减小模块:其输入为预设的数量T2、候选块和点云几何，其输出为减小后的S，当所述的预测候选点大于预设的数量T2时，该模块尝试从所述当前块和所述邻块的边长2S开始减小S，以使预测候选点的数量小于等于T2，S为大于等于0的自然数,T2为大于等于T1的自然数。
CN202010220697.9A 2020-03-25 2020-03-25 一种点云属性值预测方法和装置 Active CN113453018B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010220697.9A CN113453018B (zh) 2020-03-25 2020-03-25 一种点云属性值预测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010220697.9A CN113453018B (zh) 2020-03-25 2020-03-25 一种点云属性值预测方法和装置

Publications (2)

Publication Number Publication Date
CN113453018A true CN113453018A (zh) 2021-09-28
CN113453018B CN113453018B (zh) 2022-05-10

Family

ID=77807018

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010220697.9A Active CN113453018B (zh) 2020-03-25 2020-03-25 一种点云属性值预测方法和装置

Country Status (1)

Country Link
CN (1) CN113453018B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115379188A (zh) * 2022-08-18 2022-11-22 腾讯科技（深圳）有限公司 点云数据处理方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109889840A (zh) * 2019-03-20 2019-06-14 北京大学深圳研究生院 点云编码和解码的方法、编码设备和解码设备
US20190311499A1 (en) * 2018-04-10 2019-10-10 Apple Inc. Adaptive distance based point cloud compression
CN110363822A (zh) * 2018-04-11 2019-10-22 上海交通大学 一种3d点云压缩方法
CN110572655A (zh) * 2019-09-30 2019-12-13 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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190311499A1 (en) * 2018-04-10 2019-10-10 Apple Inc. Adaptive distance based point cloud compression
CN110363822A (zh) * 2018-04-11 2019-10-22 上海交通大学 一种3d点云压缩方法
CN109889840A (zh) * 2019-03-20 2019-06-14 北京大学深圳研究生院 点云编码和解码的方法、编码设备和解码设备
CN110572655A (zh) * 2019-09-30 2019-12-13 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MINGYANG ZHONG等: "Point Cloud Classification for Detecting Roadside Safety Attributes and Distances", 《2019 IEEE SYMPOSIUM SERIES ON COMPUTATIONAL INTELLIGENCE (SSCI)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115379188A (zh) * 2022-08-18 2022-11-22 腾讯科技（深圳）有限公司 点云数据处理方法、装置、设备及存储介质
CN115379188B (zh) * 2022-08-18 2023-05-26 腾讯科技（深圳）有限公司 点云数据处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113453018B (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
US11252441B2 (en) Hierarchical point cloud compression
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
CN109257604B (zh) 一种基于tmc3点云编码器的颜色属性编码方法
US10853973B2 (en) Point cloud compression using fixed-point numbers
JP7330306B2 (ja) 変換方法、逆変換方法、エンコーダ、デコーダ及び記憶媒体
CN110708560A (zh) 点云数据处理方法和装置
Daribo et al. Efficient rate-distortion compression of dynamic point cloud for grid-pattern-based 3D scanning systems
CN113179410B (zh) 一种点云属性的编解码方法、装置和系统
Ebadi et al. Video data compression by progressive iterative approximation
CN115118977B (zh) 针对360度视频的帧内预测编码方法、系统及介质
CN113518226A (zh) 一种基于地面分割的g-pcc点云编码改进方法
CN113453018B (zh) 一种点云属性值预测方法和装置
JP2024050705A (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
CN116977536A (zh) 一种基于混合神经辐射场的无边界场景新视角合成方法
Fan et al. Deep geometry post-processing for decompressed point clouds
Wei et al. Weighted Attribute Prediction Based on Morton Code for Point Cloud Compression
CN116671109A (zh) 一种点云属性编解码方法和装置
Kadaikar et al. Sequential block-based disparity map estimation algorithm for stereoscopic image coding
CN114402621A (zh) 变换方法、逆变换方法、编码器、解码器及存储介质
EP1466299A1 (en) Processing boundary information of a graphical object
WO2021108970A1 (zh) 点云处理方法、编码器、解码器及存储介质
CN114079793B (zh) 一种基于新的处理顺序的点云属性解码方法和装置
EP4258213A1 (en) Methods and apparatus for entropy coding a presence flag for a point cloud and data stream including the presence flag
Lin et al. Your Camera Improves Your Point Cloud Compression
EP4258214A1 (en) Methods and apparatus for coding a vertex position for a point cloud, and data stream including the vertex position

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