CN113840150A - 一种点云反射率属性熵编码方法 - Google Patents

一种点云反射率属性熵编码方法 Download PDF

Info

Publication number
CN113840150A
CN113840150A CN202111094634.4A CN202111094634A CN113840150A CN 113840150 A CN113840150 A CN 113840150A CN 202111094634 A CN202111094634 A CN 202111094634A CN 113840150 A CN113840150 A CN 113840150A
Authority
CN
China
Prior art keywords
attribute
residual
prediction
point cloud
res
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
CN202111094634.4A
Other languages
English (en)
Other versions
CN113840150B (zh
Inventor
梁凡
何堅
刘祎
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.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
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 Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN202111094634.4A priority Critical patent/CN113840150B/zh
Publication of CN113840150A publication Critical patent/CN113840150A/zh
Application granted granted Critical
Publication of CN113840150B publication Critical patent/CN113840150B/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
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/91—Entropy coding, e.g. variable length coding [VLC] or arithmetic 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
    • H04N19/124—Quantisation
    • 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
    • H04N19/186—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 a colour or a chrominance component
    • 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
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种点云反射率属性熵编码方法，包括：将点云属性从RGB颜色空间转换到YUV颜色空间；对点云数据进行Hilbert重排序，在Hilbert顺序下进行差分预测，得到预测残差；将所述预测残差进行量化，得到预测量化残差；采用点云反射率属性熵编码方法对所述预测量化残差进行熵编码，得到属性码流。本发明能够将较大的预测残差进一步压缩，从而进一步提高AVS‑PCC的压缩性能，可广泛应用于图像处理技术领域。

Description

一种点云反射率属性熵编码方法
技术领域
本发明涉及图像处理技术领域，尤其是一种点云反射率属性熵编码方法。
背景技术
目前国内音视频编码基于几何的点云压缩算法AVS-PCC(Point CloudCompression of Audio Video coding Standard)框架的编码器与解码器中，首先处理点云几何位置，基于解码后的几何位置处理属性信息。AVS-PCC框架中对点云属性信息的压缩流程大概如下，由于点云的几何位置通过坐标平移、量化和八叉树重建，所以需要对点云中的每个点进行属性插值进行重上色的操作。为了进一步压缩数据，使用差分预测的方法，通过前面的若干点去预测当前点的属性信息，从而得到属性预测残差。然后对预测残差进行量化，最后进行熵编码。
其中，AVS-PCC框架中残差量化模块的反射率属性熵编码的方法为：遍历每点的属性预测残差Res，统计连续属性预测残差值为0的点数run_length；如果属性预测残差Res非零，则首先对run_length值进行编码，然后对该非零属性预测残差进行编码，最后将run_length值置为0重新开始计数；对非零属性预测残差Res的各个分量Resi(i＝0,1,2)依次进行编码，编码方式为：1、在Resi不为0的情况下，对其符号使用旁路编码；2、利用上下文对属性残差分量Resi绝对值是否等于1进行算术编码；3、在属性残差分量Resi绝对值大于1的情况下，利用上下文对属性残差分量Resi绝对值是否等于2进行算术编码；4、在属性残差分量Resi绝对值大于2的情况下，利用上下文对(Resi绝对值-3)进行指数哥伦布编码。当属性信息为反射率时，采用3阶指数哥伦布码，当属性信息为颜色时，采用1阶指数哥伦布码。
由于Cat1A数据集采用线激光扫描，所以不是按照帧(frame)进行记录，而是逐点记录，每一个点的时间都唯一，因此该数据集的点云是全局的点云。AVS-PCC在压缩该数据集的时候，会产生较多绝对值较大的预测残差。而对比AVS-PCC在压缩Cat2-frame时，在同一量化步长下，预测情况都会比Cat1A的精准，并且产生更接近于零的预测残差。因此，AVS-PCC在Cat1A时会产生绝对值较大的预测残差。
发明内容
有鉴于此，本发明实施例提供一种点云反射率属性熵编码方法，以将较大的预测残差进一步压缩，从而进一步提高AVS-PCC的压缩性能。
本发明的一方面提供了一种点云反射率属性熵编码方法，包括：
将点云属性从RGB颜色空间转换到YUV颜色空间；
对点云数据进行Hilbert重排序，在Hilbert顺序下进行差分预测，得到预测残差；
将所述预测残差进行量化，得到预测量化残差；
采用点云反射率属性熵编码方法对所述预测量化残差进行熵编码，得到属性码流。
可选地，所述方法还包括：
根据几何信息的改变情况，当几何编码中进行了去除重复点的操作时，进行属性插值操作。
可选地，所述采用点云反射率属性熵编码方法对所述预测量化残差进行熵编码，得到属性码流，包括：
遍历每点的属性预测量化残差，统计连续属性预测量化残差值为0的第一点数；
如果属性预测量化残差非零，则首先对所述第一点数的值进行编码，然后对非零的属性预测量化残差进行编码，最后将所述第一点数的值置为0重新开始计数；
对非零的属性预测量化残差进行编码。
可选地，所述对非零的属性预测量化残差进行编码，包括：
对输入的预测残差除以2，得到预测残差分量和余值；
当预测残差编码分量不为0时，对所述预测残差编码分量的符号使用旁路编码；
利用上下文对属性残差分量的绝对值是否等于1进行算术编码；
在属性残差分量的绝对值大于1的情况下，利用上下文对属性残差分量的绝对值是否等于2进行算术编码；
在属性残差分量的绝对值大于2的情况下，采用3阶指数哥伦布码；
判断预测残差的绝对值是否等于1或者3，若不是，则结束该点的预测残差编码；若是，则进一步判断预测残差是否等于1或者-3；若预测残差等于1或者-3，则编码固定上下文two为0，若预测残差不等于1或者-3，则编码固定上下文为1。
可选地，所述方法还包括：
采用点云反射率属性熵编码方法将得到的属性码流进行熵解码，得到属性预测量化残差；
将所述属性预测量化残差进行逆量化，得到属性预测残差；
通过残差预测的方法，对重建的点云中的点进行属性预测，最后加上该点对应的属性预测残差，得到点云中该点的属性；
将点云属性从YUV颜色空间转换到RGB颜色空间。
可选地，所述方法还包括：
解码零属性预测量化残差；
解码行程编码；
解码非零属性预测量化残差；
解码固定上下文，得到属性残差分量和余值，所述余值的取值为0或1；
若不是所述余值为1且所述属性残差分量的绝对值为1，则将属性预测量化残差的计算公式确定为：Res＝2*Res_half+sign(Res_half)*r；
若所述余值为1且所述属性残差分量的绝对值为1，则解码固定上下文，所述固定上下文的取值为0或1；
若所述固定上下文的取值为0，则将属性预测量化残差的计算公式确定为：Res＝2*Res_half+sign(Res_half)*r-1；
若所述固定上下文的取值为1，则将属性预测量化残差的计算公式确定为：Res＝2*Res_half+sign(Res_half)*r+1；
其中，Res代表属性预测量化残差；Res_half代表属性残差分量；sign(x)为符号函数；r代表所述余值。
本发明实施例还公开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可以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前面的方法。
本发明的实施例将点云属性从RGB颜色空间转换到YUV颜色空间；对点云数据进行Hilbert重排序，在Hilbert顺序下进行差分预测，得到预测残差；将所述预测残差进行量化，得到预测量化残差；采用点云反射率属性熵编码方法对所述预测量化残差进行熵编码，得到属性码流。本发明能够将较大的预测残差进一步压缩，从而进一步提高AVS-PCC的压缩性能。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为本发明实施例提供的点云压缩编码器的结构示意图；
图2为本发明实施例提供的属性预测量化残差编码的流程图；
图3为本发明实施例提供的非零属性预测量化残差编码模块的处理流程图；
图4为本发明实施例提供的属性预测量化残差编码的处理流程图；
图5为本发明实施例提供的非零属性预测量化残差解码模块的处理流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
针对现有技术存在的问题，本发明提供了一种点云反射率属性熵编码方法，包括：
将点云属性从RGB颜色空间转换到YUV颜色空间；
对点云数据进行Hilbert重排序，在Hilbert顺序下进行差分预测，得到预测残差；
将所述预测残差进行量化，得到预测量化残差；
采用点云反射率属性熵编码方法对所述预测量化残差进行熵编码，得到属性码流。
可选地，所述方法还包括：
根据几何信息的改变情况，当几何编码中进行了去除重复点的操作时，进行属性插值操作。
可选地，所述采用点云反射率属性熵编码方法对所述预测量化残差进行熵编码，得到属性码流，包括：
遍历每点的属性预测量化残差，统计连续属性预测量化残差值为0的第一点数；
如果属性预测量化残差非零，则首先对所述第一点数的值进行编码，然后对非零的属性预测量化残差进行编码，最后将所述第一点数的值置为0重新开始计数；
对非零的属性预测量化残差进行编码。
可选地，所述对非零的属性预测量化残差进行编码，包括：
对输入的预测残差除以2，得到预测残差分量和余值；
当预测残差编码分量不为0时，对所述预测残差编码分量的符号使用旁路编码；
利用上下文对属性残差分量的绝对值是否等于1进行算术编码；
在属性残差分量的绝对值大于1的情况下，利用上下文对属性残差分量的绝对值是否等于2进行算术编码；
在属性残差分量的绝对值大于2的情况下，采用3阶指数哥伦布码；
判断预测残差的绝对值是否等于1或者3，若不是，则结束该点的预测残差编码；若是，则进一步判断预测残差是否等于1或者-3；若预测残差等于1或者-3，则编码固定上下文two为0，若预测残差不等于1或者-3，则编码固定上下文为1。
可选地，所述方法还包括：
采用点云反射率属性熵编码方法将得到的属性码流进行熵解码，得到属性预测量化残差；
将所述属性预测量化残差进行逆量化，得到属性预测残差；
通过残差预测的方法，对重建的点云中的点进行属性预测，最后加上该点对应的属性预测残差，得到点云中该点的属性；
将点云属性从YUV颜色空间转换到RGB颜色空间。
可选地，所述方法还包括：
解码零属性预测量化残差；
解码行程编码；
解码非零属性预测量化残差；
解码固定上下文，得到属性残差分量和余值，所述余值的取值为0或1；
若不是所述余值为1且所述属性残差分量的绝对值为1，则将属性预测量化残差的计算公式确定为：Res＝2*Res_half+sign(Res_half)*r；
若所述余值为1且所述属性残差分量的绝对值为1，则解码固定上下文，所述固定上下文的取值为0或1；
若所述固定上下文的取值为0，则将属性预测量化残差的计算公式确定为：Res＝2*Res_half+sign(Res_half)*r-1；
若所述固定上下文的取值为1，则将属性预测量化残差的计算公式确定为：Res＝2*Res_half+sign(Res_half)*r+1；
其中，Res代表属性预测量化残差；Res_half代表属性残差分量；sign(x)为符号函数；r代表所述余值。
本发明实施例还公开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可以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前面的方法。
下面结合说明书附图，对本发明的实现原理进行详细说明：
本发明通过图1呈现了各模块的逻辑关系。在编码器和解码器中，首先处理点云几何位置，基于解码后的几何位置处理属性信息。
具体地，属性信息编码包含五部分：
1.空间变换。将点云属性从RGB颜色空间转换到YUV颜色空间。
2.属性插值。在几何信息(点数或者点与点的相对位置)改变了的情况下，如在几何编码中进行了去除重复点的操作，才需进行属性插值，即重上色。
3.属性预测。对属性预测首先将点云进行Hilbert重排序。在Hilbert顺序下进行差分预测，得到预测残差。
4.残差量化。将预测残差进行量化，得到预测量化残差。
5.熵编码。对预测量化残差进行熵编码，得到属性码流。熵编码方法将采用一种新的点云反射率属性熵编码算法。
属性信息解码包含四部分：
1.熵解码。将得到的属性码流进行熵解码，得到属性预测量化残差。熵解码方法将采用一种新的点云反射率属性熵编码算法。
2.逆量化。将属性预测量化残差进行逆量化，得到属性预测残差。
3.属性重建。通过残差预测的方法，对重建的点云中的点进行属性预测，最后加上该点的属性预测残差，就得到点云中该点的属性。
4.逆向空间变换。将点云属性从YUV颜色空间转换到RGB颜色空间。
其中，如图2所示，本发明实施例的点云反射率属性熵编码方法中预测属性量化残差编码端具体步骤，包括以下1至3的步骤：
1、遍历每点的属性预测量化残差Res，统计连续属性预测量化残差值为0的点数run_length；
2、如果属性预测量化残差Res非零，则首先对run_length值进行编码，然后对该非零属性预测量化残差进行编码，最后将run_length值置为0重新开始计数；
3、对非零属性预测量化残差Res进行编码，如图3所示，编码方式包括以下3-1至3-7的步骤：
3-1、对输入的预测残差Res除以2后，得到商Res_half，余数r；
3-2、r的结果只能是1，-1，0。固定上下文one编码r的绝对值。预测残差编码Res_half。
3-3、在Res_half不为0的情况下，对其符号使用旁路编码；
3-4、利用上下文对属性残差分量Res_half绝对值是否等于1进行算术编码；
3-5、在属性残差分量Res_half绝对值大于1的情况下，利用上下文对属性残差分量Res_half绝对值是否等于2进行算术编码；
3-6、在属性残差分量Res_half绝对值大于2的情况下，采用3阶指数哥伦布码；
3-7、判断Res的绝对值是否等于1或者3。若不是，则结束该点的预测残差编码。反之，则进一步判断Res是否等于1或者-3。若是，则编码固定上下文two为0，若不是，则编码固定上下文为1。
另外，预测属性量化残差解码端具体步骤，如图4所示，具体步骤包括以下1至2：
1、解码零属性预测量化残差，解码行程编码run_length。表示连续的run_length个点的属性预测量化残差Res都为0。
2、解码非零属性预测量化残差Res，如图5所示。解码固定上下文one,得到余值r。余值r的取值为0或1。解码商值Res_half。sign(x)为符号函数，若x大于等于0，则sign(x)为1。若x小于0，则sign(x)为-1。
其中，若不是r＝＝1并且Res_half的绝对值等于1的情况，则属性预测量化残差Res＝2*Res_half+sign(Res_half)*r；
反之，解码固定上下文two，其取值为0或1。。若固定上下文two为0，则Res＝2*Res_half+sign(Res_half)*r-1；若固定上下文two为1，则Res＝2*Res_half+sign(Res_half)*r+1；
最后得到该点属性预测量化残差值Res。
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (6)

1.一种点云反射率属性熵编码方法，其特征在于，包括：
将点云属性从RGB颜色空间转换到YUV颜色空间；
对点云数据进行Hilbert重排序，在Hilbert顺序下进行差分预测，得到预测残差；
将所述预测残差进行量化，得到预测量化残差；
采用点云反射率属性熵编码方法对所述预测量化残差进行熵编码，得到属性码流。
2.根据权利要求1所述的一种点云反射率属性熵编码方法，其特征在于，所述方法还包括：
根据几何信息的改变情况，当几何编码中进行了去除重复点的操作时，进行属性插值操作。
3.根据权利要求1所述的一种点云反射率属性熵编码方法，其特征在于，所述采用点云反射率属性熵编码方法对所述预测量化残差进行熵编码，得到属性码流，包括：
遍历每点的属性预测量化残差，统计连续属性预测量化残差值为0的第一点数；
如果属性预测量化残差非零，则首先对所述第一点数的值进行编码，然后对非零的属性预测量化残差进行编码，最后将所述第一点数的值置为0重新开始计数；
对非零的属性预测量化残差进行编码。
4.根据权利要求3所述的一种点云反射率属性熵编码方法，其特征在于，所述对非零的属性预测量化残差进行编码，包括：
对输入的预测残差除以2，得到预测残差分量和余值；
当预测残差编码分量不为0时，对所述预测残差编码分量的符号使用旁路编码；
利用上下文对属性残差分量的绝对值是否等于1进行算术编码；
在属性残差分量的绝对值大于1的情况下，利用上下文对属性残差分量的绝对值是否等于2进行算术编码；
在属性残差分量的绝对值大于2的情况下，采用3阶指数哥伦布码；
判断预测残差的绝对值是否等于1或者3，若不是，则结束该点的预测残差编码；若是，则进一步判断预测残差是否等于1或者-3；若预测残差等于1或者-3，则编码固定上下文two为0，若预测残差不等于1或者-3，则编码固定上下文为1。
5.根据权利要求1所述的一种点云反射率属性熵编码方法，其特征在于，所述方法还包括：
采用点云反射率属性熵编码方法将得到的属性码流进行熵解码，得到属性预测量化残差；
将所述属性预测量化残差进行逆量化，得到属性预测残差；
通过残差预测的方法，对重建的点云中的点进行属性预测，最后加上该点对应的属性预测残差，得到点云中该点的属性；
将点云属性从YUV颜色空间转换到RGB颜色空间。
6.根据权利要求5所述的一种点云反射率属性熵编码方法，其特征在于，所述方法还包括：
解码零属性预测量化残差；
解码行程编码；
解码非零属性预测量化残差；
解码固定上下文，得到属性残差分量和余值，所述余值的取值为0或1；
若不是所述余值为1且所述属性残差分量的绝对值为1，则将属性预测量化残差的计算公式确定为：Res＝2*Res_half+sign(Res_half)*r；
若所述余值为1且所述属性残差分量的绝对值为1，则解码固定上下文，所述固定上下文的取值为0或1；
若所述固定上下文的取值为0，则将属性预测量化残差的计算公式确定为：Res＝2*Res_half+sign(Res_half)*r-1；
若所述固定上下文的取值为1，则将属性预测量化残差的计算公式确定为：Res＝2*Res_half+sign(Res_half)*r+1；
其中，Res代表属性预测量化残差；Res_half代表属性残差分量；sign(x)为符号函数；r代表所述余值。
CN202111094634.4A 2021-09-17 2021-09-17 一种点云反射率属性熵编解码方法 Active CN113840150B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111094634.4A CN113840150B (zh) 2021-09-17 2021-09-17 一种点云反射率属性熵编解码方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111094634.4A CN113840150B (zh) 2021-09-17 2021-09-17 一种点云反射率属性熵编解码方法

Publications (2)

Publication Number Publication Date
CN113840150A true CN113840150A (zh) 2021-12-24
CN113840150B CN113840150B (zh) 2023-09-26

Family

ID=78959960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111094634.4A Active CN113840150B (zh) 2021-09-17 2021-09-17 一种点云反射率属性熵编解码方法

Country Status (1)

Country Link
CN (1) CN113840150B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024119420A1 (zh) * 2022-12-07 2024-06-13 Oppo广东移动通信有限公司 编解码方法、码流、编码器、解码器以及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9787321B1 (en) * 2016-11-17 2017-10-10 Google Inc. Point cloud data compression using a space-filling curve
US20190080483A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Point Cloud Compression
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
CN112262578A (zh) * 2019-03-21 2021-01-22 深圳市大疆创新科技有限公司 点云属性编码方法和装置以及点云属性解码方法和装置
CN112565734A (zh) * 2020-12-03 2021-03-26 西安电子科技大学 基于混合编码的点云属性编解码方法及装置
CN112565757A (zh) * 2020-12-03 2021-03-26 西安电子科技大学 基于通道差异化的点云属性编码及解码方法、装置及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9787321B1 (en) * 2016-11-17 2017-10-10 Google Inc. Point cloud data compression using a space-filling curve
US20190080483A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Point Cloud Compression
CN112262578A (zh) * 2019-03-21 2021-01-22 深圳市大疆创新科技有限公司 点云属性编码方法和装置以及点云属性解码方法和装置
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
CN112565734A (zh) * 2020-12-03 2021-03-26 西安电子科技大学 基于混合编码的点云属性编解码方法及装置
CN112565757A (zh) * 2020-12-03 2021-03-26 西安电子科技大学 基于通道差异化的点云属性编码及解码方法、装置及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PHILIP A. CHOU等: "A Volumetric Approach to Point Cloud Compression—Part I: Attribute Compression", vol. 29, pages 2203, XP011765115, DOI: 10.1109/TIP.2019.2908095 *
邵正伟;席平;: "基于八叉树编码的点云数据精简方法", no. 04, pages 73 - 76 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024119420A1 (zh) * 2022-12-07 2024-06-13 Oppo广东移动通信有限公司 编解码方法、码流、编码器、解码器以及存储介质

Also Published As

Publication number Publication date
CN113840150B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
KR101356733B1 (ko) 컨텍스트 기반 적응적 이진 산술 부호화, 복호화 방법 및장치
JP4792257B2 (ja) 適応算術復号化方法及び適応算術復号化装置
JP4987086B2 (ja) 画像符号化方法及び復号方法、それらの装置、それらのプログラム並びにプログラムを記録した記録媒体
US6031940A (en) System and method for efficiently encoding video frame sequences
CN104394418B (zh) 一种视频数据编码、解码的方法及装置
US20150063443A1 (en) Quantization method, coding apparatus, and computer-readable recording medium storing quantization program
JP5264706B2 (ja) 算術デコーディング方法及びデバイス
JP2004007649A (ja) フェーディング補償のためのパラメータ化
JP2004032718A (ja) フェーディング推定／補償によりビデオフレームを処理するシステムおよび方法
US10652541B2 (en) Method and device for encoding video data
CN113905242A (zh) 一种点云颜色属性自适应压缩行程编码方法
JP2021513257A (ja) データ符号化及び復号化
JP2009534886A5 (zh)
US7965206B2 (en) Apparatus and method of lossless coding and decoding
CN113840150B (zh) 一种点云反射率属性熵编解码方法
JP4547503B2 (ja) 算術符号化装置、算術符号化方法、算術符号化プログラム及びプログラムを格納したコンピュータで読み取り可能な記録媒体
Lee et al. An effective algorithm and architecture for the high-throughput lossless compression of high-resolution images
US20220005229A1 (en) Point cloud attribute encoding method and device, and point cloud attribute decoding method and devcie
CN114598886A (zh) 一种图像编码的方法、解码的方法及相关装置
JP2022508522A (ja) 指数関数的分割の方法およびシステム
KR102113904B1 (ko) 보간을 이용한 연산 방법, 인코더, 및 디코더
CN113192148B (zh) 基于调色盘的属性预测方法、装置、设备及介质
CN110545437B (zh) 系数编码、解码方法、电子设备及介质
CN112449201B (zh) 解码方法、编码方法、相应的装置、电子设备及存储介质
CN113660492A (zh) 一种颜色列表的编解码方法、装置及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant