CN114096998A - 点云编解码中占用编码的上下文建模 - Google Patents

点云编解码中占用编码的上下文建模 Download PDF

Info

Publication number
CN114096998A
CN114096998A CN202180003564.9A CN202180003564A CN114096998A CN 114096998 A CN114096998 A CN 114096998A CN 202180003564 A CN202180003564 A CN 202180003564A CN 114096998 A CN114096998 A CN 114096998A
Authority
CN
China
Prior art keywords
computer
contexts
node
point cloud
child node
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.)
Pending
Application number
CN202180003564.9A
Other languages
English (en)
Inventor
张翔
高文
刘杉
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.)
Tencent America LLC
Original Assignee
Tencent America LLC
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
Priority claimed from US17/231,695 external-priority patent/US11615556B2/en
Application filed by Tencent America LLC filed Critical Tencent America LLC
Publication of CN114096998A publication Critical patent/CN114096998A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Information Transfer Between Computers (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

提供一种点云数据解码方法、计算机程序和计算机系统。接收与点云相对应的数据；基于与接收到的数据内的至少一个父节点和至少一个子节点相对应的占用数据，减少与接收到的数据相关联的上下文的数量；基于数量减少的上下文，对所述与点云相对应的数据进行解码。

Description

点云编解码中占用编码的上下文建模
相关申请的交叉引用
本申请要求于2021年4月15日提交美国专利局、申请号为17/231,695、名称为“点云编解码中占用编码的上下文建模”的美国正式申请的优先权，以及于2020年6月3日提交美国专利局、申请号为63/034,113、名称为“点云编解码中占用编码的上下文建模更新”的美国临时申请的优先权，以及于2020年8月14日提交美国专利局、申请号为63/066,099、名称为“点云编解码中占用编码的父节点级上下文建模更新”的美国临时申请的优先权，其全部内容通过引用结合在本申请中。
背景技术
本申请涉及数据处理领域，尤其涉及点云。
点云建模近年来已得到广泛应用。例如，在自主驾驶车辆中用于对象检测和定位，在地理信息系统(GIS)中用于绘图，以及在文化遗产项目中对文化遗产对象和收藏进行可视化和存档等。点云包含一组高维点，通常为三维(3D)，每个高维点包括3D位置信息和附加属性，诸如颜色、反射率等。可以使用多个相机和/或深度传感器，经由各种环境中的光探测和测距(LIDAR)来捕获高维点，并且高维点可以由数千到数十亿个点组成，由此可以真实地表示原始场景。为了更快的传输和/或减少存储，需要使用压缩技术来减少表示点云时所需的数据量。作为国际标准化组织(ISO)和国际电工技术委员会(IEC)的工作组的运动图像专家组(MPEG)已经创建了ad-hoc小组(MPEG-PCC)，将用于静态和/或动态点云的压缩技术进行标准化。
发明内容
本申请实施例涉及点云数据解码的方法、系统和计算机存储介质。
根据本申请的一个方面，提供了一种点云数据解码方法，所述方法包括：
接收与点云相对应的数据；
基于与接收到的数据内的至少一个父节点和至少一个子节点相对应的占用数据，减少与接收到的数据相关联的上下文的数量；
基于数量减少的上下文，对所述与点云相对应的数据进行解码。
根据本申请的另一方面，提供了一种用于点云数据解码的计算机系统，包括：
至少一个计算机可读非易失性存储介质，用于存储计算机程序代码；
至少一个计算机处理器，用于读取所述计算机程序代码，根据所述计算机程序代码的指令进行操作，所述程计算机序代码包括：
接收代码，用于使得所述至少一个处理器，接收与点云相对应的数据；
减少代码，用于使得所述至少一个处理器，基于与接收到的数据内的至少一个父节点和至少一个子节点相对应的占用数据，减少与接收到的数据相关联的上下文的数量；
解码代码，用于使得所述至少一个处理器，基于数量减少的上下文，对所述与点云相对应的数据进行解码。
根据本申请的另一方面，提供了一种非易失性计算机可读介质，其上存储有用于点云数据解码的计算机程序，所述计算机程序由至少一个处理器执行时，使得所述至少一个处理器：
接收与点云相对应的数据；
基于与接收到的数据内的至少一个父节点和至少一个子节点相对应的占用数据，减少与接收到的数据相关联的上下文的数量；
基于数量减少的上下文，对所述与点云相对应的数据进行解码。
附图说明
从下面结合附图对示例性实施例的详细描述中，本申请上述的和其它目的、特征和优点将变得显而易见。附图的各种特征未按比例绘制，因为图示是为了清楚起见，以便于本领域技术人员结合详细描述对本申请技术方案进行的理解。在附图中：
图1是根据至少一个实施例的联网计算机环境；
图2A是根据至少一个实施例的用于点云数据的八叉树结构的示意图；
图2B是根据至少一个实施例的用于点云数据的八叉树分区的示意图；
图2C是根据至少一个实施例的用于点云数据的父级节点邻居的结构示意图；
图2D是根据至少一个实施例的用于点云数据的父节点级上下文的结构示意图；
图2E是根据至少一个实施例的用于点云数据的当前已编码节点的父级邻居的结构示意图；
图2F是根据至少一个实施例的用于点云数据的父节点级上下文的结构示意图；
图2G是根据至少一个实施例的用于点云数据的当前已编码节点的父级邻居的结构示意图；
图2H是根据至少一个实施例的用于点云数据的子节点级上下文的结构示意图；
图3A是根据至少一个实施例的用于标识减少点云数据上下文的语法元素；
图3B是根据至少一个实施例的用于已编码点云几何信息的哈希表；
图4是根据至少一个实施例的由程序执行的、对点云数据进行解码的步骤的操作流程图；
图5是根据至少一个实施例的图1中所示的计算机和服务器的内部组件和外部组件的框图；
图6是根据至少一个实施例的包括图1所示的计算机系统的示例性云计算环境的框图；以及
图7是根据至少一个实施例的图6所示的示例性云计算环境的功能层的框图。
具体实施方式
本申请公开了所要求保护的结构和方法的具体实施例。然而，应当理解的是，所公开的实施例仅是可以以各种形式体现的所要求保护的结构和方法的示例。然而，这些结构和方法可以以许多不同的形式来体现，并且不应被解释为限于本申请所描述的示例性实施例。相反，提供这些示例性实施例是为了使本申请更加全面和完整，并且将范围完全传达给本领域技术人员。在说明书中，可以省略公知的特征和技术的细节，以避免不必要地混淆所呈现的实施例。
实施例总体上涉及数据处理领域，更具体地，涉及视频编解码。以下描述的示例性实施例提供了一种系统、方法和计算机程序，除了其他方面，对视频数据进行解码。因此，一些实施例通过改变与视频数据相关联的解块方法，提升了视频数据的编解码，从而改善了计算效率。
如上所述，点云建模近年来已得到广泛应用。例如，在自主驾驶车辆中用于对象检测和定位，在地理信息系统(GIS)中用于绘图，以及在文化遗产项目中对文化遗产对象和收藏进行可视化和存档等。点云包含一组高维点，通常为三维(3D)，每个高维点包括3D位置信息和附加属性，诸如颜色、反射率等。可以使用多个相机和/或深度传感器，经由各种环境中的光探测和测距(LIDAR)来捕获高维点，并且高维点可以由数千到数十亿个点组成，由此可以真实地表示原始场景。为了更快的传输和/或减少存储，需要使用压缩技术来减少表示点云时所需的数据量。作为国际标准化组织(ISO)和国际电工技术委员会(IEC)的工作组的运动图像专家组(MPEG)已经创建了ad-hoc小组(MPEG-PCC)，将用于静态和/或动态点云的压缩技术进行标准化。
参考各个实施例的方法、装置(系统)和计算机可读存储介质的流程图和/或框图来描述各个方面。应当理解，流程图和/或框图中的每个框、以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。
以下描述的示例性实施例提供了一种系统、方法和计算机程序，通过减少与点云数据相关联的扩展上下文集合，来对点云数据进行压缩和解压缩。图1是一种联网计算机环境的功能框图，其示出了用于视频编解码的多媒体处理系统100(以下称为“系统”)。应当理解，图1仅提供了一种实施方式的图示，并不暗示对可以实现不同实施例的环境的任何限制。基于设计和实现要求，可以对所描述的环境进行各种修改。
系统100可以包括计算机102和服务器计算机114。计算机102可以经由通信网络110(以下称为“网络”)与服务器计算机114进行通信。计算机102可以包括处理器104和软件程序108，该软件程序108存储在数据存储设备106中，并且能够与用户接口并与服务器计算机114通信。如下面将参考图5所讨论的，计算机102可以分别包括内部组件800A和外部组件900A，服务器计算机114可以分别包括内部组件800B和外部组件900B。计算机102可以是，例如移动设备、电话、个人数字助理、上网本、膝上型计算机、平板计算机、台式计算机、或能够运行程序、访问网络、并访问数据库的任何类型的计算设备。
服务器计算机114还可以在云计算服务模型中运行，例如软件即服务(SaaS)、平台即服务(PaaS)或基础设施即服务(laaS)，如下文参照图6和图7所讨论的。服务器计算机114还可以位于云计算部署模型中，例如私有云、社区云、公共云或混合云。
可用于视频数据解码的服务器计算机114能够运行点云压缩程序116(以下称为“程序”)，该程序116可以与数据库112交互。下面参照图3更详细地解释点云压缩程序方法。在一个实施例中，计算机102可以作为包括用户界面的输入设备运行，而程序116可以主要在服务器计算机114上运行。在一可选的实施例中，程序116可以主要在至少一个计算机102上运行，而服务器计算机114可以用于处理和存储程序116所使用的数据。应当注意，程序116可以是独立程序，或者可以集成到更大的点云压缩程序中。
然而，应当注意，在某些情况下，可以在计算机102和服务器计算机114之间以任何比率共享程序116的处理。在另一实施例中，程序116可以在一个以上的计算机、服务器计算机、或计算机和服务器计算机的某种组合上运行，例如，通过网络110与单个服务器计算机114进行通信的多个计算机102。在另一实施例中，例如，程序116可以在通过网络110与多个客户端计算机通信的多个服务器计算机114上运行。可选地，程序可以在通过网络与服务器和多个客户端计算机通信的网络服务器上运行。
网络110可以包括有线连接、无线连接、光纤连接或其某种组合。通常，网络110可以是支持在计算机102与服务器计算机114之间进行通信的连接和协议的任何组合。网络110可以包括各种类型的网络，例如局域网(LAN)、诸如因特网的广域网(WAN)、诸如公共交换电话网(PSTN)的电信网络、无线网络、公共交换网络、卫星网络、蜂窝网络(例如第五代(5G)网络、长期演进(LTE)网络、第三代(3G)网络、码分多址(CDMA)网络等)、公共陆地移动网络(PLMN)、城域网(MAN)、专用网、自组织网络、内联网、基于光纤的网络等，以及/或这些或其它类型网络的组合。
图1所示的设备和网络的数量和布置是作为示例来提供的。实际上，与图1所示的设备和网络相比，可以有更多的设备和/或网络、更少的设备和/或网络、不同的设备和/或网络，或布置不同的设备和/或网络。此外，图1所示的两个或更多个设备可以在单个设备中实现，或者图1所示的单个设备可以作为多个分布式设备实现。另外或可选地，系统100的一组设备(例如，至少一个设备)可以执行描述为由系统100的另一组设备执行的至少一个功能。
参照图2A，示出了八叉树结构200A的示意图。在TMC13中，如果使用八叉树几何编解码器，则几何编码过程如下所示：首先，经立方体轴对准的边界框B，由两个点(0,0,0)和(2M-1,2M-1,2M-1)定义，其中，2M-1定义B的大小，并且M在码流中指定。然后，通过递归地细分B来构建八叉树结构200A。在每个阶段，将立方体细分为8个子立方体。然后，通过将1比特值与每个子立方体相关联来生成8比特码，即，占用码，以便指示它包含点(即，它是否是满的并且值为1)或不包含点(即，它是否是空的并且值为0)。只有大于1的完整子立方体(即，非体素)被进一步细分。
参照图2B，示出了八叉树分区200B的示意图。八叉树分区200B包括两级八叉树分区202和对应的占用码204，其中，将立方体和节点标识为黑色时，指示它们被点占用。然后，使用算术编码器对每个节点的占用码204进行压缩。占用码204可以被表示为S(8比特整数)，并且S中的每个比特指示每个子节点的占用状态。TMC13中包括两种用于占用码的编码方法：逐位编码和逐字节编码。默认启用逐位编码。这两种方法都利用上下文建模来执行算术编码以对占用码进行编码，并且在编码过程开始时上下文状态被初始化，并且在编码过程期间被更新。
对于逐位编码，S中的八个二进制数以某个顺序进行编码，其中，通过参考相邻节点和相邻节点的子节点的占用状态来对每个二进制数进行编码，其中，相邻节点在当前节点的同一级中。对于逐字节编码，通过参考自适应查找表(A-LUT)和高速缓存，对S进行编码，其中，A-LUT跟踪N个(例如，32个)最频繁的占用码，高速缓存跟踪最后观察到的M个(例如，16个)不同的占用码。
对指示S是否为A-LUT的二进制标识进行编码。如果S在A-LUT中，则通过使用二进制算术编码器来对A-LUT中的索引进行编码。如果S不在A-LUT中，则对指示S是否在高速缓存中的二进制标识进行编码。如果S在高速缓存中，则它的索引的二进制表示通过使用二进制算术编码器来进行编码。否则，如果S不在高速缓存中，则通过使用二进制算术编码器来对S的二进制表示进行编码。解码过程开始于从码流解析边界框B的维数。然后，根据已解码的占用码细分B，来构建同一个八叉树结构。
当前节点的占用码通常具有8比特，其中，每个比特表示它的第i个子节点是否被占用。当对当前节点的占用码进行编码时，来自相邻已编码节点的所有信息可用于上下文建模。可以按照分区级(partition level)和到当前节点的距离，对上下文信息进一步分组。不失一般性，可以如下获得当前节点中第i个子节点的上下文索引，
idx＝LUT[i][ctxIdxParent][ctxIdxParent]
其中，LUT是上下文索引的查找表。ctxIdxParent和ctxIdxChild为表示父节点级(parent-node-level)和子节点级(child-node-level)相邻信息的LUT索引。
现在参考图2C，描绘了父级节点邻居的框图200C。根据至少一个实施例，假设按宽度优先顺序，遍历八叉树。可以使用当前节点的六个相邻节点，作为父节点级上下文安装(context installation)。中心的块可以是当前节点，其它六个块可以是最近邻居，其中，它们到当前节点的距离是1个块单位。令Pi表示第i个邻居的占用状态，即，
Figure BDA0003376512910000081
其中，i＝0,1,…,5。然后，可以获得父节点级上下文索引，如下所示：
Figure BDA0003376512910000082
所以，如果所有邻居都被占用，则ctxIdxParent的最大值为63，在这种情况下，指示父节点级中的上下文数量为64。
现在参考图2D，描绘了父节点级上下文的框图200D。根据至少一个实施例，按宽度优先顺序，遍历八叉树。父级占用中的所有节点都可以被编码，并且它们可以被用作当前级中的上下文。对于具有索引i的每个子节点，父节点级上下文访问方法可以不同。例如，对于当前已编码节点的第i个子节点(i＝0,1,…,7)，8个子图可以表示父节点级上下文访问方法。在每个子图中，以深灰色突出显示当前已编码节点，并且当前节点内的较小子块是第i个子节点(i＝0,1,…,7)；每个子节点相对于当前节点具有不同的位置。每个子节点的父节点级上下文访问方法，根据其与当前节点的相对位置而不同。
现在参考图2E，描绘了当前已编码节点的父级邻居的框图200E。在至少一个实施例中，当对第i个子节点(i＝0,1,…,7)进行编码时，父级中的第i个子节点的7个邻近节点被利用作为上下文。第i个子节点的7个邻近节点包括与子节点共享相同面的3个节点、共享相同边的3个节点、以及共享相同顶点的1个节点。由于不同的子节点引用不同的父节点集，当对当前节点进行编码时，总共使用了26个父级相邻节点。与仅使用6个父级相邻节点相比，使用26个父级相邻节点，利用了更多的信息。
因此，可以获得当前节点的第i个子节点的上下文索引，如下所示：
idx＝LUT[i][ctxIdxParent][ctxIdxParent]
Figure BDA0003376512910000091
其中，Pi,j表示第i个子节点的父级中的第j个邻近节点的占用率。如果第i个子节点的父级中的第j个邻近节点被占用，则Pi,j等于1，否则等于0，其中，i＝0,1,…,7和j＝0,1,…,6.。
为了减少父节点级中的上下文数量，在另一实施例中，父节点级上下文索引可以通过以下方式获得，
Figure BDA0003376512910000092
在这种情况下，ctxIdxParent的最大值减少到6，指示父节点级中的上下文数量从64减少到7。
为了进一步减少父节点级中的上下文数量，在另一实施例中，通过设置ctxIdxParent＝0来禁用父节点级上下文。在这种情况下，根本不使用父节点级相邻信息。
现在参考图2F，描绘了父节点级上下文的框图200F。根据至少一个实施例，父级邻居的数量可以被改变。例如，每个子节点可以仅利用6个最近的父级邻居。对于当前已编码节点的第i个子节点(i＝0,1,…,7)，8个子图表示父节点级上下文访问方法。在每个子图中，以深灰色突出显示当前已编码节点，并且当前节点内的较小子块是第i个子节点(i＝0,1,…,7)；每个子节点相对于当前节点具有不同的位置。每个子节点的父节点级上下文访问方法，根据其与当前节点的相对位置而不同。当对第i个子节点(i＝0,1,…,7)进行编码时，仅父级中的第i个子节点的6个邻近节点被利用作为上下文。第i个子节点的6个邻近节点可以包括与子节点共享相同面的3个节点和共享相同边的3个节点。与图2D相比，在这种情况下可以不使用与子节点共享相同顶点的节点。
参考图2G，描绘了描绘基于图2F的父节点级上下文的当前已编码节点的父级邻居的框图200G。在至少一个实施例中，可以不使用与子节点共享相同顶点的节点。因此，从图2D和图2E中的26个，减少到总共可以使用多达18个父级相邻节点。所以，可以获得当前节点中的第i个子节点的上下文索引，如下所示：
idx＝LUT[i][ctxIdxParent][ctxIdxChild]
Figure BDA0003376512910000101
其中，Pi,j表示第i个子节点的父级中的第j个邻近节点的占用率。如果第i个子节点的父级中的第j个邻近节点被占用，则Pi,j等于1，否则等于0，其中，i＝0,1,…,7和j＝0,1,…,5.。可以理解的是，通过仅使用邻居的子集，可以进一步减少父级邻居的数量。
为了进一步减少上下文的数量，人们可以简化ctxIdxParent的推导。在一个实施例中，如图6所示，每个子节点引用多达6个父级邻居，并且可以获得父级上下文索引，如下所示：
Figure BDA0003376512910000102
其中，Pi,j(j＝0,1,2)表示与第i个子节点共享相同面的三个父级节点的占用状态，Pi,j(j＝3,4,5)表示与第i个子节点共享相同边的三个父级节点的占用状态。在这种情况下，共享一个面的邻居的重要性较高，通过采用其所有可能的组合来计算上下文索引，而共享一个边的邻居的重要性较低，通过仅统计它们中的多少被占用来计算上下文索引。通过这种方式，ctxIdxParent的最大值从26-1减少到25-1，所以，上下文的总数减少一半。注意，可以应用其它类似的简化方法来导出父级上下文。
现在参考图2H，描绘了子节点级邻居的框图200H。根据至少一个实施例，可以以多种方式定义子节点级邻居。例如，已经被编码的子节点级邻居节点，可以按照它们到中心节点的距离来分类。不失一般性，假设子节点的每个边的大小为1，则从左到右到中心的l2距离分别为1、
Figure BDA0003376512910000111
和
Figure BDA0003376512910000112
令
Figure BDA0003376512910000113
和
Figure BDA0003376512910000114
分别表示l2距离等于1、
Figure BDA0003376512910000115
和
Figure BDA0003376512910000116
的子节点级中的第i邻居的占用状态，即，
Figure BDA0003376512910000117
注意，距离为1、
Figure BDA0003376512910000118
和
Figure BDA0003376512910000119
的已编码子级相邻节点的最大数量可以分别为3、9和7。
因此，可以如下获得子节点级上下文索引：
Figure BDA00033765129100001110
所以，子节点级中的上下文的最大数量是219，这对于应用来说太多。为了减少上下文的数量，在至少一个实施例中，可以考虑部分子节点级邻居。这样可以将子节点级中的最大上下文数量减少到27＝128。
在另一实施例中，上下文的最大数量可以进一步简化为：
Figure BDA00033765129100001111
其中，子节点级中的最大上下文数量减少到23×16＝128。
为了进一步减少上下文数量，人们可以仅使用l2距离为1的三个最近节点，并且如下计算上下文索引：
Figure BDA00033765129100001112
其中，子节点级中的最大上下文数量减少到23＝8。
为了进一步减少上下文的数量，父级上下文ctxIdxParent和子节点索引i之间的关系可以被去耦。人们可以定义某些规则来实现这一点。在一个实施例中，每个子节点引用多达6个父级邻居。可以获得当前节点中的ith子节点的上下文索引，如下所示：
idx＝LUT[ctxIdxParent][ctxIdxChild]
Figure BDA0003376512910000121
其中，Pi,j(j＝0,1,2)表示与第i个子节点共享相同面的三个父级节点的占用状态，并且Pi,j(j＝3,4,5)表示与第i个子节点共享相同边的三个父级节点的占用状态。注意，最终上下文索引独立于子索引i。为了实现这一点，可以为每个子节点定义关于相邻父级节点的排序的映射，即，Pi,j。将参考图3B来讨论该映射。去耦反映了每个子节点与其6个相邻父级节点之间的对称几何。可以理解，通过在其它实施例中定义类似的映射表，可以使用其它去耦方法。
根据至少一个实施例，当计算上下文以减少上下文的数量时，不同的子节点之间可以不区分。具体地，可以获得当前节点中的第i个子节点的上下文索引，如下所示：
idx＝LUT[ctxIdxParent][ctxIdxChild]
其中，i不再是LUT中的维数。换句话说，所有子节点都被视为相同的。
现在参考图3A，描绘了语法元素300A。为了实现对不同内容和场景的自适应性，可以针对不同情况启用不同的上下文减少策略。因此，可以在序列参数集或几何参数集或条带数据头或其它地方标识高级语法，以指示上下文减少级(context reduction level)。按照指定的上下文减少级的值，编码器和解码器可以决定如何利用来自相邻已编码节点的上下文信息。上下文减少级可以对应于上下文减少方法的组合方案。
在至少一个实施例中，可以在几何参数集中标识语法元素300A，指示如下表中所示的上下文减少级。如果上下文减少级是0，意味着没有上下文减少，则使用常规上下文安装。如果上下文减少级是1，则使用低级减少(low-level reduction)。如果上下文减少级是2，则使用中级减少(medium-level reduction)。如果上下文减少级是3，则使用高级减少(high-level reduction)。对于较高数量的上下文减少级，使用较小数量的上下文。在这种情况下，可以按照内容和场景选择不同的上下文配置。由此，gps_context_reduction_level可指定几何参数集中的上下文减少级。
现在参考图3B，描绘了哈希表300B。在至少一个实施例中，已编码几何占用信息必须保存在高速缓冲存储器中，因为后面的已编码节点需要使用该信息作为上下文。哈希表300B可用于高速缓存占用信息。对于每个八叉树分区深度d，维护一个哈希表Hd，其中，密钥是深度d中的八叉树节点的莫顿码(Morton code)，即，
Figure BDA0003376512910000131
其中，
Figure BDA0003376512910000132
是八叉树节点的3D坐标。使用莫顿码
Figure BDA0003376512910000133
作为密钥，可以访问哈希表Hd中它的占用值。可以获得深度d中的八叉树节点i的占用值，如下所示：
Figure BDA0003376512910000134
当对当前节点的占用值进行编码/解码时，从哈希表Hd中获得相邻节点的占用信息。在对当前节点的占用值进行编码/解码之后，将已编码的占用值存储在Hd中。
现在参考图4，描绘了图示通过压缩和解压缩点云数据的程序实施的方法400的步骤的操作流程图。
在402，方法400可以包括接收与点云相对应的数据。
在404，方法400可以包括基于与接收到的数据内的至少一个父节点和至少一个子节点相对应的占用数据，减少与接收到的数据相关联的上下文的数量。
在406，方法400可以包括基于数量减少的上下文，对与点云相对应的数据进行解码。
应当理解，图4仅提供了一种实施方式的图示，并不暗示关于如何实现不同实施例的任何限制。基于设计和实现要求，可以对所描述的环境进行各种修改。
图5是根据示例性实施例的图1中所描绘的计算机的内部组件和外部组件的框图500。应当理解，图5仅提供了一种实施方式的图示，并不暗示对可以实施不同实施例的环境的任何限制。基于设计和实现要求，可以对所描述的环境进行各种修改。
计算机102(图1)和服务器计算机114(图1)可以包括图5所示的内部组件800A、800B和外部组件900A、900B的相应集合。每组内部组件800包括连接在至少一个总线826上的至少一个处理器820、至少一个计算机可读随机存取存储器(RAM)822和至少一个计算机可读只读存储器(ROM)824，包括至少一个操作系统828、以及至少一个计算机可读有形存储设备830。
处理器820以硬件、固件或硬件与软件的组合来实现。处理器820是中央处理单元(CPU)、图形处理单元(GPU)、加速处理单元(APU)、微处理器、微控制器、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)或其它类型的处理组件。在一些实施方式中，处理器820包括至少一个能够被编程以执行功能的处理器。总线826包括允许在内部组件800A与800B之间进行通信的组件。
至少一个操作系统828、以及服务器计算机114(图1)上的软件程序108(图1)和点云压缩程序116(图1)都存储在至少一个相应的计算机可读有形存储设备830上，用于由至少一个相应的处理器820通过至少一个相应的RAM 822(其通常包括高速缓冲存储器)执行。在图5所示的实施例中，每个计算机可读有形存储设备830是内部硬盘驱动器的磁盘存储设备。可选地，每个计算机可读有形存储设备830是半导体存储设备，例如ROM 824、可擦可编程只读存储器(EPROM)、快闪存储器、光盘、磁光盘、固态盘、光碟(CD)、数字通用光盘(DVD)、软盘、盒式磁带、磁带，和/或能够存储计算机程序和数字信息的其它类型的非易失性计算机可读有形存储设备。
每组内部组件800A、800B还包括读写(R/W)驱动器或接口832，以便从至少一个便携式计算机可读有形存储设备936(例如CD-ROM、DVD、记忆棒、磁带、磁盘、光盘或半导体存储设备)读取或向其写入。诸如软件程序108(图1)和点云压缩程序116(图1)的软件程序可以存储在至少一个相应的便携式计算机可读有形存储设备936上，经由相应的R/W驱动器或接口832读取并加载到相应的硬盘驱动器830中。
每组内部组件800A、800B还包括网络适配器或接口836，例如TCP/IP适配器卡、无线Wi-Fi接口卡、或3G、4G或5G无线接口卡或其它有线或无线通信链路。服务器计算机114(图1)上的软件程序108(图1)和点云压缩程序116(图1)可经由网络(例如，因特网、局域网或其它网络、广域网)和相应的网络适配器或接口836从外部计算机下载到计算机102(图1)和服务器计算机114。从网络适配器或接口836，将服务器计算机114上的软件程序108和点云压缩程序116加载到相应的硬盘驱动器830中。网络可以包括铜线、光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。
每组外部组件900A、900B可以包括计算机显示器920、键盘930和计算机鼠标934。外部组件900A、900B还可以包括触摸屏、虚拟键盘、触摸板、定点设备和其它人机接口设备。每组内部组件800A、800B还包括设备驱动器840，以与计算机显示器920、键盘930和计算机鼠标934接口。设备驱动器840、R/W驱动器或接口832和网络适配器或接口836包括硬件和软件(存储在存储设备830和/或ROM 824中)。
应当理解的是，尽管本申请包括对云计算的详细描述，但是本申请所列举的实施方式并不限于云计算环境。相反，某些实施例能够结合现在已知的或以后开发的任何其它类型的计算环境来实现。
云计算是一种服务交付模型，用于实现对可配置计算资源(例如，网络、网络带宽、服务器、处理、内存、存储、应用程序、虚拟机和服务)共享池的方便、按需的网络访问，这些资源可以用最少的管理工作或与服务提供商的交互来快速配置和发布。云模型可以包括至少五个特征、至少三个服务模型和至少四个部署模型。
特征如下：
按需自助服务(On-demand self-service)：云用户可以根据需要自动单方面提供计算功能，例如服务器时间和网络存储，而无需与服务提供商进行人工交互。
广泛的网络接入(Broad network access)：功能可以通过网络获得，并通过标准机制进行访问，这些机制可以促进异构的瘦或胖客户端平台(例如，移动电话、笔记本电脑和个人数字助理)的使用。
资源池(Resource pooling)：使用多租户模型(multi-tenant model)将提供商的计算资源汇集起来以服务多个用户，并根据需求动态地分配和重新分配不同的物理和虚拟资源。位置独立的意义在于，用户通常对所提供的资源的确切位置没有控制权或知识，但能够在更高的抽象级别(例如，国家、州或数据中心)上指定位置。
快速弹性(Rapid elasticity)：可以快速且弹性地进行配置的功能，在某些情况下可以自动配置以快速向外扩展，并快速释放以快速向内扩展。对于用户来说，可用于配置的功能通常看起来是无限的，并且可以在任何时间以任何数量购买。
可计量的服务(Measured service)：云系统通过在适于服务类型(例如，存储、处理、带宽和活跃用户帐户)的某种抽象级别上利用计量功能，自动控制和优化资源使用。可以监视、控制和报告资源使用情况，从而为所使用服务的提供商和用户提供透明度。
服务模型如下：
软件即服务(SaaS)：向用户提供的功能是使用在云基础设施上运行的提供商的应用程序。可以通过诸如网页浏览器(例如，基于网页的电子邮件)的瘦客户端接口从各种客户端设备访问应用程序。用户不管理或控制包括网络、服务器、操作系统、存储或甚至单个应用程序功能在内的底层云基础设施，但可能会限制用户特定的应用程序配置设置。
平台即服务(PaaS)：提供给用户的功能是将用户创建或获取的应用程序部署到云基础设施上，该用户创建或获取的应用程序是使用提供商支持的编程语言和工具创建的。用户不管理或控制包括网络、服务器、操作系统或存储在内的底层云基础设施，而是控制所部署的应用程序和可能的应用程序托管环境配置。
基础设施即服务(laaS)：向用户提供的功能是提供处理、存储、网络和其他基本计算资源，其中用户能够部署和运行包括操作系统和应用程序在内的任意软件。用户不管理或控制底层云基础设施，而是控制操作系统、存储、部署的应用程序、以及可能对选择的网络组件(例如，主机防火墙)进行有限的控制。
部署模型如下：
私有云(Private cloud)：云基础设施仅为组织运行。它可以由组织或第三方来管理，并且可以存在于内部或外部。
社区云(Community cloud)：云基础设施由多个组织共享，并且支持具有共享关注点(例如，任务、安全要求、策略和服从性考虑)的特定社区。它可以由组织或第三方管理，并且可以存在于内部或外部。
公共云(Public cloud)：云基础设施可供一般公众或大型工业集团使用，并由出售云服务的组织所拥有。
混合云(Hybrid cloud)：云基础设施是由两个或更多个云(私有、社区或公共)组成的，这些云保持唯一的实体，但是通过标准化或专有技术绑定在一起，从而实现数据和应用程序的可移植性(例如，用于在云之间进行负载平衡的云爆发)。
云计算环境是面向服务的，着重于无状态、低耦合、模块化和语义互操作性。云计算的核心是包括互连节点的网络的基础设施。
参照图6，其示出了示例性的云计算环境600。如图所示，云计算环境600包括至少一个云计算节点10，云用户所使用的本地计算设备(例如个人数字助理(PDA)或蜂窝电话54A、台式计算机54B、膝上型计算机54C和/或汽车计算机系统54N)可以与这些云计算节点10通信。云计算节点10之间可以彼此通信。可以在至少一个网络中，例如上文所述的私有云、社区云、公共云、混合云、或其组合中，对它们进行物理或虚拟分组(未示出)。这允许云计算环境600提供基础设施、平台和/或软件作为服务，而云用户不需要在本地计算设备上为这些服务维护资源。应当理解，图6所示的计算设备54A-N的类型仅是示例性的，并且云计算节点10和云计算环境600可以通过任何类型的网络和/或网络可寻址连接(例如，使用网页浏览器)与任何类型的计算机系统通信。
参照图7，其示出了由云计算环境600(图6)提供的一组功能抽象层700。应当理解的是，图7所示的组件、层和功能仅是示例性的，并且实施例不限于此。如图所示，提供了以下层和相应功能：
硬件和软件层60包括硬件和软件组件。硬件组件的示例包括：主机61、基于RISC(精简指令集计算机，Reduced Instruction Set Computer)架构的服务器62、服务器63、刀锋服务器(blade server)64、存储设备65、以及网络和网络组件66。在一些实施例中，软件组件包括网络应用服务器软件67和数据库软件68。
虚拟层70提供抽象层，从该抽象层可以提供以下虚拟实体的示例：虚拟服务器71、虚拟存储器72、包括虚拟专用网络的虚拟网络73、虚拟应用程序和操作系统74、以及虚拟客户端75。
在一个示例中，管理层80可以提供下述功能。资源供应81提供用于在云计算环境中执行任务的计算资源和其它资源的动态采购。当在云计算环境中利用资源时，计量和定价82提供成本跟踪，并为这些资源的消耗开具帐单或发票。在一个示例中，这些资源可包括应用软件许可证。安全性为云用户和任务提供身份验证，并为数据和其他资源提供保护。用户入口83为用户和系统管理员提供对云计算环境的访问。服务级别管理84提供云计算资源的分配和管理，从而满足所需的服务级别。服务水平协议(SLA，Service Level Agreement)计划和实现85为根据SLA预期的未来需求的云计算资源提供预先安排和获取。
工作负载层90提供可以利用云计算环境的功能的示例。可以从该层提供的工作负载和功能的示例包括：映射和导航91、软件开发和生命周期管理92、虚拟课堂教学实施93、数据分析处理94、交易处理95、以及视频编解码96。视频编解码96可以使用参考图像样本而非填充的方式，对视频进行编解码。
一些实施例可以涉及处于任何可能的技术细节集成水平的系统、方法和/或计算机可读介质。在本申请实施例，计算机可读介质可以包括非易失性计算机可读存储介质(或媒介)，其上存储有使处理器执行操作的计算机可读程序指令。
计算机可读存储介质可以是有形设备，其可以保留和存储指令以供指令执行设备使用。计算机可读存储介质可以是，例如，但不限于，电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任任意适当组合。计算机可读存储介质的更具体示例的非详尽列表包括以下：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字通用光盘(DVD)、记忆棒、软盘、机械编码装置(如其上记录有指令的穿孔卡(punch-card)或槽内凸起的结构)、以及上述的任意适当组合。本申请所使用的计算机可读存储介质不应被解释为本身是易失信号，例如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，通过光纤电缆的光脉冲)、或通过电线传输的电信号。
本申请所述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备，或者通过网络(例如，因特网、局域网、广域网和/或无线网络)下载到外部计算机或外部存储设备。所述网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令，并转发所述计算机可读程序指令，以将其存储在相应计算/处理设备内的计算机可读存储介质中。
用于执行操作的计算机可读程序代码/指令可以是汇编指令、指令集架构(ISA，instruction-set-architecture)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、用于集成电路的配置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括诸如Smalltalk、C++等的面向对象的编程语言、以及程序化程序语言(例如“C”编程语言)或类似的编程语言。计算机可读程序指令可以完全在用户的计算机上执行，部分在用户的计算机上执行，作为独立的软件包执行，部分在用户的计算机上执行而部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接到用户的计算机上，或者可以连接到外部计算机(例如，通过使用互联网服务提供商的互联网)。在一些实施例中，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令，以使得电子电路个性化，从而执行方面或操作。
可以将这些计算机程序指令提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，以产生机器，使得该指令经由计算机或其他可编程数据处理装置的处理器执行，以创建用于实现流程图和/或框图中的至少一个框指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中，所述计算机可读存储介质可以指导计算机、可编程数据处理装置和/或其他设备以特定方式运行，从而使得其中存储有指令的计算机可读存储介质包含制品，所述制品包括实现流程图和/或框图中的至少一个框指定的功能/动作的各方面的指令。
计算机可读程序指令也可以加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，从而产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图的至少一个框指定的功能/动作。
附图中的流程图和框图示出了根据各种实施例的系统、方法和计算机可读介质的可能的实实施方式的架构、功能和操作。在这这一点而言，流程图或框图中的每个框可以表示指令的模块、片段或部分，其包括用于实现指定逻辑功能的至少一个可执行指令。相比于图中所描绘的，所述方法、计算机系统和计算机可读介质可以包括更多的块、更少的块、不同的块或不同布置的块。在一些可选实施方式中，框中标注的功能可以不按附图中标注的顺序发生。例如，取决于所涉及的功能，连续示出的两个框实际上可以同时或基本上同时执行，或者所述框有时可以以相反的顺序执行。还应注意的是，框图和/或流程图的每个框以及框图和/或流程图的框的组合可以由执行指定功能或动作的或者执行专用硬件和计算机指令的组合的基于专用硬件的系统来实施。
很明显，本申请所述的系统和/或方法可以以不同形式的硬件、固件或硬件和软件的组合来实现。用于实现这些系统和/或方法的实际专用控制硬件或软件代码并不受这些实施方式的限制。因此，本申请描述了这些系统和/或方法的操作和行为而没有参考具体的软件代码——应当理解，可以基于本申请的描述来设计软件和硬件以实现这些系统和/或方法。
除非明确说明，否则本申请中使用的元件、动作或指令均不得解释为关键或必要的。另外，如本申请所使用的，冠词“一(a)”和“一个(an)”旨在包括至少一个项，并且可以与“至少一个”互换使用。此外，如本申请所使用的，术语“集合”旨在包括至少一个项(例如，相关项、不相关项、相关项和不相关项的组合等)，并且可以与“至少一个”互换使用。在仅希望一个项的情况下，则使用术语“一个”或类似语言。另外，如本申请所使用的，术语“具有(has)”，“具有(have)”，“具有(having)”等旨在是开放式术语。进一步，短语“基于”旨在表示“至少部分地基于”，除非另外明确说明。
已经出于说明的目的给出了各个方面和实施例的描述，但是并不旨在穷举或限于所公开的实施例。即使权利要求中叙述了特征的组合和/或说明书中公开了特征的组合，这些组合也不旨在限制可能的实施方式的公开。实际上，这些特征中的许多特征可以以权利要求中未具体描述和/或说明书中未公开的方式组合。虽然下文列出的每个从属权利要求可以直接从属于仅一个权利要求，但是可能的实施方式的公开包括每个从属权利要求与权利要求集中的每个其他权利要求的组合。在不脱离所描述的实施例的范围的情况下，许多修改和变化对于本领域普通技术人员来说将是显而易见的。选择本申请使用的术语是为了最好地解释本申请实施例的原理、对市场上发现的技术的实际应用或技术改进，或使本领域其他普通技术人员能够理解本申请公开的实施例。

Claims (20)

1.一种点云数据解码方法，其特征在于，由至少一个处理器执行，所述方法包括：
接收与点云相对应的数据；
基于与接收到的数据内的至少一个父节点和至少一个子节点相对应的占用数据，减少与接收到的数据相关联的上下文的数量；
基于数量减少的上下文，对所述与点云相对应的数据进行解码。
2.根据权利要求1所述的方法，其特征在于，进一步包括：
基于哈希表，对所述占用数据进行缓存。
3.根据权利要求1所述的方法，其特征在于，进一步包括：
在序列参数集、几何参数集或条带数据头中，标识上下文减少级。
4.根据权利要求1所述的方法，其特征在于，基于与当前节点之间的距离最短的至少一个子节点，减少所述上下文的数量。
5.根据权利要求1所述的方法，其特征在于，仅基于所述至少一个子节点中的子节点子集，减少所述上下文的数量。
6.根据权利要求1所述的方法，其特征在于，减少所述上下文的数量时，不区分所述至少一个子节点中不同的子节点。
7.根据权利要求1所述的方法，其特征在于，减少所述上下文的数量时，舍弃与所述至少一个父节点相关联的占用数据。
8.一种用于点云数据解码的计算机系统，其特征在于，包括：
至少一个计算机可读非易失性存储介质，用于存储计算机程序代码；
至少一个计算机处理器，用于读取所述计算机程序代码，根据所述计算机程序代码的指令进行操作，所述程计算机序代码包括：
接收代码，用于使得所述至少一个处理器，接收与点云相对应的数据；
减少代码，用于使得所述至少一个处理器，基于与接收到的数据内的至少一个父节点和至少一个子节点相对应的占用数据，减少与接收到的数据相关联的上下文的数量；
解码代码，用于使得所述至少一个处理器，基于数量减少的上下文，对所述与点云相对应的数据进行解码。
9.根据权利要求8所述的计算机系统，其特征在于，进一步包括：
缓存代码，用于使得所述至少一个处理器，基于哈希表，对所述占用数据进行缓存。
10.根据权利要求8所述的计算机系统，其特征在于，进一步包括：
标识代码，用于使得所述至少一个处理器，在序列参数集、几何参数集或条带数据头中，标识上下文减少级。
11.根据权利要求8所述的计算机系统，其特征在于，基于与当前节点之间的距离最短的至少一个子节点，减少所述上下文的数量。
12.根据权利要求8所述的计算机系统，其特征在于，仅基于所述至少一个子节点中的子节点子集，减少所述上下文的数量。
13.根据权利要求8所述的计算机系统，其特征在于，减少所述上下文的数量时，不区分所述至少一个子节点中不同的子节点。
14.根据权利要求8所述的计算机系统，其特征在于，减少所述上下文的数量时，舍弃与所述至少一个父节点相关联的占用数据。
15.一种非易失性计算机可读介质，其特征在于，其上存储有用于点云数据解码的计算机程序，所述计算机程序由至少一个处理器执行时，使得所述至少一个处理器：
接收与点云相对应的数据；
基于与接收到的数据内的至少一个父节点和至少一个子节点相对应的占用数据，减少与接收到的数据相关联的上下文的数量；
基于数量减少的上下文，对所述与点云相对应的数据进行解码。
16.根据权利要求15所述的计算机可读介质，其特征在于，所述计算机程序进一步使得所述至少一个处理器，基于哈希表，对所述占用数据进行缓存。
17.根据权利要求15所述的计算机可读介质，其特征在于，所述计算机程序进一步使得所述至少一个处理器，在序列参数集、几何参数集或条带数据头中，标识上下文减少级。
18.根据权利要求15所述的计算机可读介质，其特征在于，基于与当前节点之间的距离最短的至少一个子节点，减少所述上下文的数量。
19.根据权利要求15所述的计算机可读介质，其特征在于，仅基于所述至少一个子节点中的子节点子集，减少所述上下文的数量。
20.根据权利要求15所述的计算机可读介质，其特征在于，减少所述上下文的数量时，不区分所述至少一个子节点中不同的子节点。
CN202180003564.9A 2020-06-03 2021-04-28 点云编解码中占用编码的上下文建模 Pending CN114096998A (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US202063034113P 2020-06-03 2020-06-03
US63/034,113 2020-06-03
US202063066099P 2020-08-14 2020-08-14
US63/066,099 2020-08-14
US17/231,695 2021-04-15
US17/231,695 US11615556B2 (en) 2020-06-03 2021-04-15 Context modeling of occupancy coding for point cloud coding
PCT/US2021/029691 WO2021247172A1 (en) 2020-06-03 2021-04-28 Context modeling of occupancy coding for point cloud coding

Publications (1)

Publication Number Publication Date
CN114096998A true CN114096998A (zh) 2022-02-25

Family

ID=78816974

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180003564.9A Pending CN114096998A (zh) 2020-06-03 2021-04-28 点云编解码中占用编码的上下文建模

Country Status (6)

Country Link
EP (1) EP3966785A4 (zh)
JP (1) JP7337193B2 (zh)
KR (1) KR102592986B1 (zh)
CN (1) CN114096998A (zh)
AU (1) AU2021257883B2 (zh)
CA (1) CA3136030C (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024012381A1 (en) * 2022-07-09 2024-01-18 Douyin Vision (Beijing) Co., Ltd. Method, apparatus, and medium for point cloud coding
KR102526720B1 (ko) 2022-07-25 2023-04-27 (주)이노시뮬레이션 포인트 클라우드 데이터를 이용한 3차원 가상 환경 모델링 방법 및 이를 실행하는 서버

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10496336B2 (en) * 2016-11-17 2019-12-03 Google Llc K-D tree encoding for point clouds using deviations
US10861196B2 (en) * 2017-09-14 2020-12-08 Apple Inc. Point cloud compression
FI3514968T3 (fi) * 2018-01-18 2023-05-25 Blackberry Ltd Menetelmiä ja laitteita pistepilvien entropiakoodausta varten
EP3937132A1 (en) * 2018-04-09 2022-01-12 BlackBerry Limited Methods and devices for binary entropy coding of point clouds

Also Published As

Publication number Publication date
KR20210151865A (ko) 2021-12-14
JP7337193B2 (ja) 2023-09-01
CA3136030A1 (en) 2021-12-03
CA3136030C (en) 2024-02-20
JP2022540279A (ja) 2022-09-15
AU2021257883B2 (en) 2023-06-15
AU2021257883A1 (en) 2021-12-23
EP3966785A4 (en) 2022-08-31
KR102592986B1 (ko) 2023-10-20
EP3966785A1 (en) 2022-03-16

Similar Documents

Publication Publication Date Title
US11816869B2 (en) Updates on context modeling of occupancy coding for point cloud coding
US11438628B2 (en) Hash-based accessing of geometry occupancy information for point cloud coding
US11580671B2 (en) Hash-based attribute prediction for point cloud coding
US11893691B2 (en) Point cloud geometry upsampling
AU2021257883B2 (en) Context modeling of occupancy coding for pointcloud coding
US20240177356A1 (en) Improvement on predictive tree-based geometry coding for a point cloud
CN114365502A (zh) 用于点云编码的多分量属性的编码
RU2817735C1 (ru) Контекстное моделирование кодирования занятости для кодирования облака точек

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40065784

Country of ref document: HK