CN115412715A - 一种点云属性信息的预测编解码方法及装置 - Google Patents
一种点云属性信息的预测编解码方法及装置 Download PDFInfo
- Publication number
- CN115412715A CN115412715A CN202110580205.1A CN202110580205A CN115412715A CN 115412715 A CN115412715 A CN 115412715A CN 202110580205 A CN202110580205 A CN 202110580205A CN 115412715 A CN115412715 A CN 115412715A
- Authority
- CN
- China
- Prior art keywords
- points
- information
- attribute information
- prediction
- point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004387 environmental modeling Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- 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
-
- 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
-
- 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
- G06T9/00—Image coding
- G06T9/004—Predictors, e.g. intraframe, interframe 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
- H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
-
- 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
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/146—Data rate or code amount at the encoder output
- H04N19/149—Data rate or code amount at the encoder output by estimating the code amount by means of a model, e.g. mathematical model or statistical model
-
- 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
- H04N19/46—Embedding additional information in the video signal during the compression process
- H04N19/463—Embedding additional information in the video signal during the compression process by compressing encoding parameters before transmission
-
- 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
- H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
- H04N19/51—Motion estimation or motion compensation
- H04N19/513—Processing of motion vectors
- H04N19/517—Processing of motion vectors by encoding
- H04N19/52—Processing of motion vectors by encoding by predictive 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
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/59—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial sub-sampling or interpolation, e.g. alteration of picture size or resolution
-
- 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
- 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
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N2013/0074—Stereoscopic image analysis
- H04N2013/0081—Depth or disparity estimation from stereoscopic image signals
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (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属性信息的预测编解码方法及装置,所述编码方法包括:获取原始点云数据;建立点云属性信息的自适应预测列表;从自适应预测列表中选择预测模式并对点云的属性信息进行预测,得到预测残差;对预测模式和预测残差进行编码,得到码流信息。本发明通过建立自适应更新的点云属性信息预测列表,并从该列表中选择最佳预测模式来预测点云的属性信息,解决了由于实际场景不连续所导致的点云属性信息不连续的问题,从而显著减小了属性信息的预测残差以及离异值和跳变值的出现频率,提高了属性信息的预测精度和编码效率。
Description
技术领域
本发明属于点云编解码技术领域,具体涉及一种点云属性信息的预测编解码方法及装置。
背景技术
随着硬件处理能力的提升和计算机视觉的飞速发展,三维点云数据在虚拟现实、增强现实、自动驾驶和环境建模等领域得到了广泛的应用。然而大规模点云通常具有较大的数据量,十分不利于点云数据的传输及存储,因此需要对大规模点云进行高效的编解码。
在现有的点云编解码技术中,点云的属性信息一般是基于重建的几何信息进行编码的。具体地,在现有技术一提供的基于几何的点云压缩编码(G-PCC,Geometry-basedPoint Cloud Compression)方法中,主要采用基于点云莫顿码进行邻居搜索的属性信息预测编码方法。首先,根据点云的几何坐标计算得到对应的莫顿码;其次,根据点的莫顿码进行邻居查找,用查找到的邻居的属性信息值及其加权平均值来对预测列表进行填充;然后,根据一定的规则进行模式选择,选出最佳预测模式对当前待编码点的属性信息进行预测,最后对选择的预测模式以及得到的预测残差进行编码。在现有技术二提供的基于二维规则化平面投影的点云编解码方法中,针对点云的属性信息编解码提出了两种框架:一是点云几何信息和属性信息同时进行编解码的框架,另一种是基于几何重构的属性信息编解码框架。
然而,由于点云的属性信息与场景密切相关,而现有方法只利用了几何空间上邻近点的属性信息来进行预测,没有考虑实际场景的不连续性以及其他信息与属性信息之间的相关性,从而导致其所得到的属性信息的预测残差较大,预测精度较低,并且存在较多离异值和跳变值,影响编码效率。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种点云属性信息的预测编解码方法及装置。本发明要解决的技术问题通过以下技术方案实现:
一种点云属性信息的预测编码方法,包括:
获取原始点云数据;
建立点云属性信息的自适应预测列表;
从所述自适应预测列表中选择预测模式并对点云的属性信息进行预测,得到预测残差;
对所述预测模式和所述预测残差进行编码,得到码流信息。
在本发明的一个实施例中,建立点云属性信息的自适应预测列表,包括:
建立并初始化预测列表;
按照一定规则从已编码点中选取若干点,并根据所选点的属性信息对所述预测列表进行更新,得到当前待编码点的属性信息自适应预测列表。
在本发明的一个实施例中,按照一定规则从已编码点中选取若干点,并根据所选点的属性信息对所述预测列表进行更新,包括:
将当前待编码点的前一个已编码点的属性信息插入到所述预测列表的第一个位置;
从当前待编码点所属Laser采集的已编码点中选择若干点,并将所选点的属性信息插入到所述预测列表中;
当判断所述预测列表未被填满时,依次从其他Laser采集的已编码点中选择若干点,并将所选点的属性信息插入到所述预测列表中。
在本发明的一个实施例中,从当前待编码点所属Laser或其他Laser采集的已编码点中选择若干点,并将所选点的属性信息插入到所述预测列表中,包括:
在Laser采集的已编码点中确定查找范围;
根据点的第一信息在所述查找范围内选择m个点;
若判断上述m个点中存在第一信息相同的点,则根据点的第二信息对上述m个点进行筛选,并将所选点的属性信息插入到所述预测列表中;否则,将上述m个点的属性信息插入到所述预测列表中。
在本发明的一个实施例中,根据点的第二信息对上述m个点进行筛选,并将所选点的属性信息插入到所述预测列表中,包括:
在上述m个点中找出所有第一信息相同的n个点;
将上述m个点中第一信息不同的m-n个点的属性信息插入到所述预测列表中;
在上述n个点中,选出第二信息与当前待编码点最邻近的前t个点;
若判断上述t个点中存在第二信息相同的点,则根据点的第三信息对上述t个点进行筛选,并将所选点的属性信息插入到所述预测列表中;否则,将上述t个点的属性信息插入到所述预测列表中。
在本发明的一个实施例中,根据点的第三信息对上述t个点进行筛选,并将所选点的属性信息插入到所述预测列表中,包括:
在上述t个点中找出所有第二信息相同的k个点;
将上述t个点中第二信息不同的t-k个点的属性信息插入到所述预测列表中;
在上述k个点中,选出第三信息与当前待编码点最邻近的一个点,并将该点的属性信息插入到所述预测列表中。
在本发明的一个实施例中,所述第一信息为点的深度信息或者点的空间位置;
所述第二信息为点的深度信息或者点的空间位置,且当所述第一信息为深度信息时,所述第二信息为空间位置;当所述第一信息为空间位置时,所述第二信息为深度信息;
所述第三信息为点的方位角信息。
在本发明的一个实施例中,对所述预测模式和预测残差进行编码,得到码流信息,包括:
根据所述自适应预测列表对所述预测模式设计上下文模型;
利用该上下文模型对所述预测模式进行编码;
对所述预测残差进行编码,得到码流信息。
本发明的另一个实施例提供了一种点云属性信息的预测编码装置,包括:
第一数据获取模块,用于获取原始点云数据;
第一计算模块,用于建立点云属性信息的自适应预测列表;
第一预测模块,用于从所述自适应预测列表中选择预测模式并对点云的属性信息进行预测,得到预测残差;
编码模块,用于对所述预测模式和所述预测残差进行编码,得到码流信息。
本发明的另一个实施例还提供了一种点云属性信息的预测解码方法,包括:
获取码流信息;
建立点云属性信息的自适应预测列表;
根据所述自适应预测列表和解码得到的预测模式对点云的属性信息进行预测,得到预测值;
利用所述预测值及解码得到的预测残差重建点云的属性信息。
本发明的另一个实施例还提供了一种点云属性信息的预测解码装置,包括:
第二数据获取模块,用于获取码流信息;
第二计算模块,用于建立点云属性信息的自适应预测列表;
第二预测模块,用于根据所述自适应预测列表和解码得到的预测模式对点云的属性信息进行预测,得到预测值;
重建模块,用于利用所述预测值及解码得到的预测残差重建点云的属性信息。
本发明的有益效果:
1、本发明通过建立自适应更新的点云属性信息预测列表,并从该列表中选择最佳预测模式来预测点云的属性信息,解决了由于实际场景不连续所导致的点云属性信息不连续的问题,从而显著减小了属性信息的预测残差以及离异值和跳变值的出现频率,提高了属性信息的预测精度和编码效率;
2、本发明在进行点云属性信息编码时,根据建立的预测列表对预测模式设计了熵编码上下文,提高了熵编码上下文模型的有效性,进一步提升了编码效率。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种点云属性信息的预测编码方法流程示意图;
图2是本发明实施例提供的一种利用当前待编码点所属Laser采集的已编码点对预测列表进行更新的示意图;
图3是本发明实施例提供的一种利用当前待编码点上方Laser采集的已编码点对预测列表进行更新的示意图;
图4是本发明实施例提供的一种点云属性信息的预测编码装置结构示意图;
图5是本发明实施例提供的一种点云属性信息的预测解码方法流程示意图;
图6是本发明实施例提供的一种点云属性信息的预测解码装置结构示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
实施例一
请参见图1,图1是本发明实施例提供的一种点云属性信息的预测编码方法流程示意图,具体包括:
步骤1:获取原始点云数据。
具体地,原始点云数据通常由一组三维空间点组成,每个空间点都记录了自身的几何位置信息,以及颜色、反射率、法线等额外的属性信息。原始点云数据可通过激光雷达扫描获取,激光雷达是由多束沿中心轴两侧分布的Laser(激光扫描器)组合排列构成,每一个Laser具有一个固定的俯仰角,并且可以看作一个相对独立的采集系统。此外,原始点云数据也可通过各种平台提供的公共数据集获得。
在本实施例中,设获取到的原始点云数据的几何位置信息基于笛卡尔坐标系进行表示,原始点云数据的属性信息包括但不限于反射率信息。
步骤2:建立点云属性信息的自适应预测列表。
通过分析点云空间分布和激光雷达采集原理可知,空间中几何距离相近的点的属性信息通常具有相似性,然而由于场景的不连续性使得空间中非邻近点的属性信息也可能具有一定的相似性;此外,激光雷达的测量距离与采集点的反射率之间具有一定的关系,因而点云的深度信息与属性信息之间也具有一定的相关性。因此,需要将点云中待编码点前的已编码点的属性信息通过一定的规则保存到建立的预测列表中,则可通过一定的规则从预测列表中选出最佳预测模式来预测当前待编码点的属性信息。
首先,建立并初始化预测列表。
具体地,在编码点云中第一个点的属性信息前,建立一个具有一定大小的预测列表,并对其进行初始化填充。例如,可建立一个大小为4的预测列表predList,并在其中填充一些属性信息的先验值,用于对第一个点的属性信息进行预测编码。
然后,按照一定规则从已编码点中选取若干点,并根据所选点的属性信息对预测列表进行更新,得到当前待编码点的属性信息自适应预测列表,用于对当前待编码点的属性信息进行预测编码,具体过程如下:
a)将当前待编码点的前一个已编码点的属性信息插入到预测列表的第一个位置。
b)从当前待编码点所属Laser采集的已编码点中选择若干点,并将所选点的属性信息插入到预测列表中。
在本实施例中,步骤b)具体包括:
b1)在Laser采集的已编码点中确定查找范围;
在本实施例中,查找范围是当前待编码点前的某一范围,其大小可根据实际情况进行设置。
b2)根据点的第一信息在查找范围内选择m个点;
在本实施例中,主要采用最近邻法进行点的选择,即在确定的查找范围内,选出第一信息与当前待编码点最邻近的前m个点。
具体地,第一信息可以是点的深度信息或者点的空间位置。其中,点的深度信息为该点到激光雷达的距离,空间位置为点的三维空间坐标。
b3)若判断上述m个点中存在第一信息相同的点,则根据点的第二信息对上述m个点进行筛选,并将所选点的属性信息插入到预测列表中;否则,将上述m个点的属性信息插入到预测列表中。
由于空间中几何邻近的点通常具有较强的相似性,因此,选出的m个点中可能会存在第一信息相同的点,当出现这种情况时,则需要进一步对这m个点进行筛选,具体如下:
i.在上述m个点中找出所有第一信息相同的n个点;
ii.将上述m个点中第一信息不同的m-n个点的属性信息插入到预测列表中;
iii.在上述n个点中,选出第二信息与当前待编码点最邻近的前t个点;
iv.若判断上述t个点中存在第二信息相同的点,则根据点的第三信息对上述t个点进行筛选,并将所选点的属性信息插入到预测列表中;否则,将上述t个点的属性信息插入到预测列表中。
其中,第二信息可以为点的深度信息或者点的空间位置,且当第一信息为深度信息时,第二信息为空间位置;当第一信息为空间位置时,第二信息为深度信息。
同理,在选出的t个点中,仍然可能存在第二信息相同的点,相应的,则需要再次进行筛选。具体如下:
i.在上述t个点中找出所有第二信息相同的k个点;
ii.将上述t个点中第二信息不同的t-k个点的属性信息插入到预测列表中;
iii.在上述k个点中,选出第三信息与当前待编码点最邻近的一个点,并将该点的属性信息插入到预测列表中。
其中,第三信息可以是点的方位角信息,此处的方位角信息可为点的水平方位角或其他与方位角相关的信息,例如Laser扫描到的第几个点。
下面以预测列表大小为4,以第一信息、第二信息、第三信息分别为深度信息、空间位置以及方位角信息为例,对本实施例的步骤a)和b)进行详细说明。
具体地,请参见图2,图2是本发明实施例提供的一种利用当前待编码点所属Laser采集的已编码点对预测列表进行更新的示意图,图2中是待编码点的属性信息,○是已编码点的属性信息,◎是待插入预测列表的属性信息,是预测列表中已经存在的点的属性信息。
首先将当前待编码点的前一个已编码点的属性信息插入到预测列表的第一个位置。接下来,在当前待编码点所属Laser采集的已编码点中确定查找范围,例如,若当前待编码点为该Laser采集的第8个点,则查找范围可包括从第7个点到第2个点之间的已编码点,其大小为6。然后,从该查找范围内选出与当前待编码点深度信息最相近的前3个点。进一步的,若这3个点中不存在深度信息相同的点,则直接将这3个点的属性信息插入到预测列表中,否则,需要在这3个点中进行相应的筛选,具体的,首先在这3个点中找出深度信息相同的点,假如这3个点中有2个点的深度信息相同,则先将剩余的1个深度信息不同的点插入到预测列表中,然后在深度信息相同的2个点中选择与当前待编码点空间位置最近的前1个点,由于只选了前一个点,因此无需进行接下来是否存在空间位置相同的点的判断,直接将其插入到预测列表中。
c)当判断预测列表未被填满时,依次从其他Laser采集的已编码点中选择若干点,并将所选点的属性信息插入预测列表中。
具体地,当预测列表未被填满时,若存在与当前待编码点属于不同Laser采集的已编码点时,也即其他Laser采集的点中存在已编码点时,则从当前待编码点正上方的若干Laser采集的点中选择相应的点进行预测列表的更新。
具体更新过程同上述步骤b)。
需要说明的是,在将当前待编码点的前一个已编码点的属性信息以及当前待编码点所属Laser采集的已编码点中若干点的属性信息插入到预测列表后,若预测列表未被填满,则需进一步从当前待编码点上方Laser采集的已编码点中选出若干点插入到预测列表中,此时若预测列表仍未被填满,则继续向上方Laser进行查找,直至预测列表被填满或查找完正上方所有Laser。
下面通过一具体示例对本实施例的步骤c)进行详细说明。
请参见图3,图3是本发明实施例提供的一种利用当前待编码点上方Laser采集的已编码点对预测列表进行更新的示意图,图3中是待编码点的属性信息,○是已编码点的属性信息,◎是待插入预测列表的属性信息,是预测列表中已经存在的点的属性信息。
首先,设当前待编码点所属Laser为第j个Laser。在当前待编码点的正上方第j-1个Laser采集的已编码点中确定查找范围,例如,若当前待编码点为第j个Laser采集的第8个点,则查找范围可包括第j-1个Laser采集的第5个点到第11个点之间的已编码点,其大小为7。然后,从该查找范围内选出与当前待编码点深度信息最相近的前2个点。进一步的,若这2个点中不存在深度信息相同的点,则直接将这2个点的属性信息插入到预测列表中,否则,需要在这2个点中进行相应的筛选,具体的,首先在这2个点中找出深度信息相同的点,假如这2个点的深度信息相同,然后在其中选择与当前待编码点空间位置最近的前1个点,由于只选了前一个点,因此无需进行接下来是否存在空间位置相同的点的判断,直接将其插入到预测列表中。接下来,如果预测列表仍未被填满,则继续在当前待编码点正上方的第j-2个Laser中进行查找,直至预测列表被填满或找完正上方所有Laser。
需要说明的是,预测列表中的属性信息值可根据需要进行相应的调整。
至此,得到当前待编码点的属性信息自适应预测列表。
本实施例通过建立自适应更新的点云属性信息预测列表,并从该列表中选择最佳预测模式来预测点云的属性信息,解决了由于实际场景不连续所导致的点云属性信息不连续的问题,从而显著减小了属性信息的预测残差以及离异值和跳变值的出现频率,提高了属性信息的预测精度和编码效率。
步骤3:从自适应预测列表中选择预测模式对点云的属性信息进行预测,得到预测残差。
具体地,可通过现有的率失真优化技术在预测列表中选取代价最小的预测模式对当前待编码点的属性信息进行预测,从而得到属性信息的预测残差。
步骤4:对预测模式和预测残差进行编码,得到码流信息,具体包括:
41)根据自适应预测列表对预测模式设计上下文模型;
具体地,在本实施例中,首先,获取自适应预测列表中点的深度信息。
然后,计算自适应预测列表中点与当前待编码点的深度信息的差别,并选择差别最小的点在预测列表中的位置作为当前待编码点预测模式的估计值。
最后,利用该估计值作为当前待编码点预测模式的熵编码上下文。
42)利用该上下文模型对预测模式进行编码;
具体地,利用该上下文模型和现有的熵编码技术对所选的预测模式进行编码。
43)对预测残差进行编码,得到码流信息。
具体地,可利用现有的熵编码技术对属性信息的预测残差进行编码,得到码流信息。
本实施例在进行点云属性信息编码时,根据建立的预测列表对预测模式设计了熵编码上下文,提高了熵编码上下文模型的有效性,进一步提升了编码效率。
本发明通过建立自适应更新的属性信息预测列表,从该列表中选择最佳预测模式来预测点云的属性信息,并进一步根据预测列表设计预测模式的熵编码上下文,以对点云属性信息进行编码。该方法充分考虑了点云深度信息与属性信息之间的相关性,解决了由于实际场景不连续所导致的点云属性信息不连续的问题,从而显著减小了属性信息的预测残差以及离异值和跳变值的出现频率,提高了属性信息的预测精度和编码效率。
实施例二
在上述实施例一的基础上,本实施例提供了一种点云属性信息的预测编码装置,请参见图4,图4是本发明实施例提供的一种点云属性信息的预测编码装置结构示意图,其包括:
第一数据获取模块11,用于获取原始点云数据;
第一计算模块12,用于建立点云属性信息的自适应预测列表;
第一预测模块13,用于从自适应预测列表中选择预测模式并对点云的属性信息进行预测,得到预测残差;
编码模块14,用于对预测模式和预测残差进行编码,得到码流信息。
本实施例提供的装置可以实现上述实施例一提供的编码方法,详细过程在此不再赘述。
实施例三
本实施例提供了一种点云属性信息的预测解码方法,请参见图5,图5是本发明实施例提供的一种点云属性信息的预测解码方法流程示意图,具体包括:
步骤一:获取码流信息。
步骤二:建立点云属性信息的自适应预测列表。
在本实施例中,点云属性信息的自适应预测列表的建立可参考上述实施例一中编码端的方法,在此不再详述。
步骤三:根据自适应预测列表和解码得到的预测模式对点云的属性信息进行预测,得到预测值。
对于预测模式,由于编码端利用了点云属性信息的自适应预测列表对其设计了熵编码上下文模型,因此,在解码端,同样需要利用点云属性信息的自适应预测列表对其设计相应的熵解码上下文模型,从而解码得到预测模式。
根据预测模式从自适应预测列表选择对应的值作为点云属性信息的预测值。
步骤四:利用预测值及解码得到的预测残差重建点云的属性信息。
对于预测残差,由于编码端采用的是常规的熵编码方法,因此,在解码端可直接采用相应的熵解码方法得到点云属性信息的预测残差。
将步骤三得到的预测值与预测残差相加,即可得到重建的点云属性信息。
实施例四
在上述实施例三的基础上,本实施例提供了一种点云属性信息的预测解码装置,请参见图6,图6是本发明实施例提供的一种点云属性信息的预测解码装置结构示意图,其包括:
第二数据获取模块21,用于获取码流信息;
第二计算模块22,用于建立点云属性信息的自适应预测列表;
第二预测模块23,用于根据自适应预测列表和解码得到的预测模式对点云的属性信息进行预测,得到预测值;
重建模块24,用于利用预测值及解码得到的预测残差重建点云的属性信息。
本实施例提供的装置可以实现上述实施例三提供的解码方法,详细过程在此不再赘述。
以上内容是结合具体地优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (11)
1.一种点云属性信息的预测编码方法,其特征在于,包括:
获取原始点云数据;
建立点云属性信息的自适应预测列表;
从所述自适应预测列表中选择预测模式并对点云的属性信息进行预测,得到预测残差;
对所述预测模式和所述预测残差进行编码,得到码流信息。
2.根据权利要求1所述的点云属性信息的预测编码方法,其特征在于,建立点云属性信息的自适应预测列表,包括:
建立并初始化预测列表;
按照一定规则从已编码点中选取若干点,并根据所选点的属性信息对所述预测列表进行更新,得到当前待编码点的属性信息自适应预测列表。
3.根据权利要求2所述的点云属性信息的预测编码方法,其特征在于,按照一定规则从已编码点中选取若干点,并根据所选点的属性信息对所述预测列表进行更新,包括:
将当前待编码点的前一个已编码点的属性信息插入到所述预测列表的第一个位置;
从当前待编码点所属Laser采集的已编码点中选择若干点,并将所选点的属性信息插入到所述预测列表中;
当判断所述预测列表未被填满时,依次从其他Laser采集的已编码点中选择若干点,并将所选点的属性信息插入到所述预测列表中。
4.根据权利要求3所述的点云属性信息的预测编码方法,其特征在于,从当前待编码点所属Laser或其他Laser采集的已编码点中选择若干点,并将所选点的属性信息插入到所述预测列表中,包括:
在Laser采集的已编码点中确定查找范围;
根据点的第一信息在所述查找范围内选择m个点;
若判断上述m个点中存在第一信息相同的点,则根据点的第二信息对上述m个点进行筛选,并将所选点的属性信息插入到所述预测列表中;否则,将上述m个点的属性信息插入到所述预测列表中。
5.根据权利要求4所述的点云属性信息的预测编码方法,其特征在于,根据点的第二信息对上述m个点进行筛选,并将所选点的属性信息插入到所述预测列表中,包括:
在上述m个点中找出所有第一信息相同的n个点;
将上述m个点中第一信息不同的m-n个点的属性信息插入到所述预测列表中;
在上述n个点中,选出第二信息与当前待编码点最邻近的前t个点;
若判断上述t个点中存在第二信息相同的点,则根据点的第三信息对上述t个点进行筛选,并将所选点的属性信息插入到所述预测列表中;否则,将上述t个点的属性信息插入到所述预测列表中。
6.根据权利要求5所述的点云属性信息的预测编码方法,其特征在于,根据点的第三信息对上述t个点进行筛选,并将所选点的属性信息插入到所述预测列表中,包括:
在上述t个点中找出所有第二信息相同的k个点;
将上述t个点中第二信息不同的t-k个点的属性信息插入到所述预测列表中;
在上述k个点中,选出第三信息与当前待编码点最邻近的一个点,并将该点的属性信息插入到所述预测列表中。
7.根据权利要求6所述的点云属性信息的预测编码方法,其特征在于,所述第一信息为点的深度信息或者点的空间位置;
所述第二信息为点的深度信息或者点的空间位置,且当所述第一信息为深度信息时,所述第二信息为空间位置;当所述第一信息为空间位置时,所述第二信息为深度信息;
所述第三信息为点的方位角信息。
8.根据权利要求1所述的点云属性信息的预测编码方法,其特征在于,对所述预测模式和预测残差进行编码,得到码流信息,包括:
根据所述自适应预测列表对所述预测模式设计上下文模型;
利用该上下文模型对所述预测模式进行编码;
对所述预测残差进行编码,得到码流信息。
9.一种点云属性信息的预测编码装置,其特征在于,包括:
第一数据获取模块(11),用于获取原始点云数据;
第一计算模块(12),用于建立点云属性信息的自适应预测列表;
第一预测模块(13),用于从所述自适应预测列表中选择预测模式并对点云的属性信息进行预测,得到预测残差;
编码模块(14),用于对所述预测模式和所述预测残差进行编码,得到码流信息。
10.一种点云属性信息的预测解码方法,其特征在于,包括:
获取码流信息;
建立点云属性信息的自适应预测列表;
根据所述自适应预测列表和解码得到的预测模式对点云的属性信息进行预测,得到预测值;
利用所述预测值及解码得到的预测残差重建点云的属性信息。
11.一种点云属性信息的预测解码装置,其特征在于,包括:
第二数据获取模块(21),用于获取码流信息;
第二计算模块(22),用于建立点云属性信息的自适应预测列表;
第二预测模块(23),用于根据所述自适应预测列表和解码得到的预测模式对点云的属性信息进行预测,得到预测值;
重建模块(24),用于利用所述预测值及解码得到的预测残差重建点云的属性信息。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110580205.1A CN115412715B (zh) | 2021-05-26 | 2021-05-26 | 一种点云属性信息的预测编解码方法及装置 |
US18/265,874 US20240037796A1 (en) | 2021-05-26 | 2022-05-18 | Method and Apparatus for Predictively Coding and Decoding Attribute Information of Point Cloud |
EP22810432.9A EP4240018A4 (en) | 2021-05-26 | 2022-05-18 | METHOD AND APPARATUS FOR PREDICTION CODING AND DECODING POINT CLOUD ATTRIBUTE INFORMATION |
PCT/CN2022/093617 WO2022247705A1 (zh) | 2021-05-26 | 2022-05-18 | 一种点云属性信息的预测编解码方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110580205.1A CN115412715B (zh) | 2021-05-26 | 2021-05-26 | 一种点云属性信息的预测编解码方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115412715A true CN115412715A (zh) | 2022-11-29 |
CN115412715B CN115412715B (zh) | 2024-03-26 |
Family
ID=84155491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110580205.1A Active CN115412715B (zh) | 2021-05-26 | 2021-05-26 | 一种点云属性信息的预测编解码方法及装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240037796A1 (zh) |
EP (1) | EP4240018A4 (zh) |
CN (1) | CN115412715B (zh) |
WO (1) | WO2022247705A1 (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109257604A (zh) * | 2018-11-20 | 2019-01-22 | 山东大学 | 一种基于tmc3点云编码器的颜色属性编码方法 |
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 |
US20200366932A1 (en) * | 2018-02-11 | 2020-11-19 | Peking University Shenzhen Graduate School | Intra-frame prediction-based point cloud attribute compression method |
CN112449754A (zh) * | 2019-07-04 | 2021-03-05 | 深圳市大疆创新科技有限公司 | 一种数据编码、数据解码方法、设备及存储介质 |
WO2021049758A1 (ko) * | 2019-09-11 | 2021-03-18 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
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 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10904564B2 (en) * | 2018-07-10 | 2021-01-26 | Tencent America LLC | Method and apparatus for video coding |
US11010931B2 (en) * | 2018-10-02 | 2021-05-18 | Tencent America LLC | Method and apparatus for video coding |
WO2020248176A1 (zh) * | 2019-06-12 | 2020-12-17 | 浙江大学 | 点云处理的方法与装置 |
CN112385238B (zh) * | 2019-07-10 | 2023-03-24 | 深圳市大疆创新科技有限公司 | 一种数据编码、数据解码方法、设备及存储介质 |
WO2021045603A1 (ko) * | 2019-09-06 | 2021-03-11 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
-
2021
- 2021-05-26 CN CN202110580205.1A patent/CN115412715B/zh active Active
-
2022
- 2022-05-18 WO PCT/CN2022/093617 patent/WO2022247705A1/zh active Application Filing
- 2022-05-18 US US18/265,874 patent/US20240037796A1/en active Pending
- 2022-05-18 EP EP22810432.9A patent/EP4240018A4/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200366932A1 (en) * | 2018-02-11 | 2020-11-19 | Peking University Shenzhen Graduate School | Intra-frame prediction-based point cloud attribute compression method |
CN109257604A (zh) * | 2018-11-20 | 2019-01-22 | 山东大学 | 一种基于tmc3点云编码器的颜色属性编码方法 |
CN112449754A (zh) * | 2019-07-04 | 2021-03-05 | 深圳市大疆创新科技有限公司 | 一种数据编码、数据解码方法、设备及存储介质 |
WO2021049758A1 (ko) * | 2019-09-11 | 2021-03-18 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
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 |
Also Published As
Publication number | Publication date |
---|---|
WO2022247705A1 (zh) | 2022-12-01 |
EP4240018A4 (en) | 2024-03-27 |
EP4240018A1 (en) | 2023-09-06 |
US20240037796A1 (en) | 2024-02-01 |
CN115412715B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11699249B2 (en) | Trimming search space for nearest neighbor determinations in point cloud compression | |
US11252441B2 (en) | Hierarchical point cloud compression | |
US10853973B2 (en) | Point cloud compression using fixed-point numbers | |
US20200217937A1 (en) | Point cloud compression using a space filling curve for level of detail generation | |
US12015767B2 (en) | Intra-frame predictive coding method and system for 360-degree video and medium | |
US11704840B2 (en) | Attribute information prediction method, encoder, decoder and storage medium | |
Fan et al. | Deep geometry post-processing for decompressed point clouds | |
KR20230060534A (ko) | 2차원 정규화 평면 투사에 기초한 포인트 클라우드 인코딩 및 디코딩 방법과 장치 | |
CN115412715B (zh) | 一种点云属性信息的预测编解码方法及装置 | |
CN114915793B (zh) | 基于二维规则化平面投影的点云编解码方法及装置 | |
CN114915792B (zh) | 基于二维规则化平面投影的点云编解码方法及装置 | |
CN113473153B (zh) | 一种点云属性预测方法、编码方法、解码方法及其设备 | |
KR20230119690A (ko) | 대규모 포인트 클라우드-지향형 2 차원 정규화된 평면투영, 및 인코딩 및 디코딩 방법 | |
CN113395506A (zh) | 一种基于分段的点云邻居搜索方法、编码方法、解码方法及设备 | |
CN115412713B (zh) | 一种点云深度信息的预测编解码方法及装置 | |
CN114071138A (zh) | 帧内预测编码方法、帧内预测编码装置和计算机可读介质 | |
CN114915794B (zh) | 基于二维规则化平面投影的点云编解码方法及装置 | |
CN114915796B (zh) | 基于二维规则化平面投影的点云编解码方法及装置 | |
US20240070927A1 (en) | Image compression performance optimization for image compression | |
CN117581549A (zh) | 帧内预测、编解码方法及装置、编解码器、设备、介质 | |
CN116740134A (zh) | 基于分层注意力策略的图像目标跟踪方法、装置、设备 | |
CN117321996A (zh) | 帧内预测、编解码方法及装置、编解码器、设备、介质 | |
EP3079081A1 (en) | Method and device for coding the coordinates of a set of points | |
JP2008301085A (ja) | 動きベクトル探索装置及びその制御方法、コンピュータプログラム |
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 |