CN117355867A - 用于网格的基于采样的客观质量评价方法 - Google Patents

Abstract

一种方法，包括在编码器处接收第一原始多边形网格和第二多边形网格，该第一原始多边形网格是原始多边形网格，该第二多边形网格是畸变多边形网格；通过将该第一多边形网格和该第二多边形网格中的每个多边形网格的多个多边形面细分为多个三角形面，来将该第一多边形网格和该第二多边形网格转换为两个或更多个三角形网格；从该第一多边形网格和该第二多边形网格中对该多个三角形面中的每个三角形面上的多个点进行采样；使用经采样的多个点为该第一多边形网格或该第二多边形网格之一至少生成第一采样点云；以及至少基于该第一采样点云计算该第一多边形网格和该第二多边形网格之间的几何和属性畸变轮廓。

Description

用于网格的基于采样的客观质量评价方法

相关申请的交叉引用

本申请要求于2022年5月4日提交的第63/338,342号美国临时专利申请和于2023年3月27日提交的第18/190,610号美国专利申请的优先权权益，这两个在先申请的公开内容通过整体引用并入本文中。

技术领域

本申请涉及一组先进的视频编解码技术。更具体地，本申请涉及用于网格的基于采样的客观质量评价方法。

背景技术

在用于动态网格压缩的MPEG CFP中，提出了使用基于点的采样度量来评估畸变三角形网格的质量。

目前的基于点的质量评估方法存在几个局限。首先，目前的方法仅应用于三角形网格，而不具有处理各种多边形网格(其中网格的每个面可以具有超过三条边，例如具有四边形面的网格)的通用性。第二，从三角形网格到点云的采样方法可能是次优的。第三，根据两个转换后的点云计算质量度量在与主观质量的相关性方面可能不太准确，并且在计算复杂性方面效率较低。

发明内容

下文呈现了对本申请的一个或多个实施例的简化总结，以便提供对这些实施例的基本理解。该总结不是对所有预期实施例的广泛概述，其旨在既不识别所有实施例的关键或重要元素，也不描述任何或所有实施例的范围。其唯一目的是以简化的形式呈现本申请的一个或多个实施例的一些概念，作为后文呈现的更详细描述的铺垫。

本申请提供了用于网格的基于采样的客观质量评价方法。

根据一些实施例，提供了一种由至少一个处理器执行的方法。该方法包括在编码器处接收第一多边形网格和第二多边形网格，该第一多边形网格是原始多边形网格，该第二多边形网格是畸变多边形网格，该第一多边形网格和该第二多边形网格中的每个多边形网格包括多个多边形面。该方法还包括通过将该第一多边形网格和该第二多边形网格中的每个多边形网格的该多个多边形面细分为多个三角形面，来将该第一多边形网格和该第二多边形网格转换为两个或更多个三角形网格，每个三角形面对应于该两个或更多个三角形网格中的相应三角形网格。该方法还包括从该第一多边形网格和该第二多边形网格上对该多个三角形面中的每个三角形面上的多个点进行采样。该方法还包括使用经采样的多个点为该第一多边形网格或该第二多边形网格中的一个至少生成第一采样点云。该方法还包括至少基于该第一采样点云计算该第一多边形网格和该第二多边形网格之间的几何和属性畸变轮廓。

根据一些实施例，一种装置包括至少一个存储器，其被配置为存储程序代码；以及至少一个处理器，其被配置为读取该程序代码并按照该程序代码的指令运行。该程序代码包括接收代码，其被配置为使得该至少一个处理器在编码器处接收第一多边形网格和第二多边形网格，该第一多边形网格是原始多边形网格，该第二多边形网格是畸变多边形网格，该第一多边形网格和该第二多边形网格中的每个多边形网格包括多个多边形面。该程序代码还包括转换代码，其被配置为使得该至少一个处理器通过将该第一多边形网格和该第二多边形网格中的每个多边形网格的该多个多边形面细分为多个三角形面，来将该第一多边形网格和该第二多边形网格转换为两个或更多个三角形网格，每个三角形面对应于该两个或更多个三角形网格中的相应三角形网格。该程序代码还包括采样代码，其被配置为使得该至少一个处理器从该第一多边形网格和该第二多边形网格上对该多个三角形面中的每个三角形面上的多个点进行采样。该程序代码还包括生成代码，其被配置为使得该至少一个处理器使用经采样的多个点为该第一多边形网格或该第二多边形网格中的一个至少生成第一采样点云。该程序代码还包括计算代码，其被配置为使得该至少一个处理器至少基于该第一采样点云计算该第一多边形网格和该第二多边形网格之间的几何和属性畸变轮廓。

根据一些实施例，一种非暂时性计算机可读存储介质存储有指令，当由至少一个处理器执行时，该指令使得该至少一个处理器在编码器处接收第一多边形网格和第二多边形网格，该第一多边形网格是原始多边形网格，该第二多边形网格是畸变多边形网格，该第一多边形网格和该第二多边形网格中的每个多边形网格包括多个多边形面。该指令还使得该至少一个处理器通过将该第一多边形网格和该第二多边形网格中的每个多边形网格的该多个多边形面细分为多个三角形面，来将该第一多边形网格和该第二多边形网格转换为两个或更多个三角形网格，每个三角形面对应于该两个或更多个三角形网格中的相应三角形网格。该指令还使得该至少一个处理器从该第一多边形网格和该第二多边形网格上对该多个三角形面中的每个三角形面上的多个点进行采样。该指令还使得该至少一个处理器使用经采样的多个点为该第一多边形网格或该第二多边形网格中的一个至少生成第一采样点云。该指令还使得该至少一个处理器至少基于该第一采样点云计算该第一多边形网格和该第二多边形网格之间的几何和属性畸变轮廓。

在随后的描述中将提出附加实施例，部分实施例将根据描述进行明确，和/或可以通过本申请所呈现的实施例的实践来实现。

附图说明

根据以下详细描述和附图，所公开的主题的其他特征、性质和各种优点将进一步明确，其中：

图1是根据一些实施例的通信系统的简化框图的示意图。

图2是根据一些实施例的流媒体系统的简化框图的示意图。

图3是根据一些实施例的三角形网格的客观质量评估的框架。

图4A-图4C是根据一些实施例的多边形网格的客观质量评估的各种框架。

图5是根据一些实施例的点到点距离(D1)和点到平面距离(D2)的图示。

图6是根据一些实施例的将多边形细分为三角形的图示。

图7是根据一些实施例的在三角形面中均匀采样的图示。

图8是根据一些实施例的示出了用于网格的基于采样的客观质量评价方法的程序所执行的步骤的操作流程图。

图9是适合于实现实施例的计算机系统的图。

具体实施方式

示例实施例的以下详细描述参考附图。不同附图中的相同附图标记可以标识相同或相似的元件。

网格可以包括描述体积对象表面的几个多边形。网格在3D空间中的顶点以及顶点如何连接的信息可以定义每个多边形，并被称为连通性信息。顶点属性，诸如颜色、法线等可以与网格顶点相关联。通过利用使用2D属性地图来参数化网格的映射信息，属性也可以与网格的表面相关联。可以使用一组参数坐标来定义这种映射，这些参数坐标被称为UV坐标或纹理坐标，并且与网格顶点相关联。2D属性地图可用于存储高分辨率属性信息，诸如纹理、法线、位移等。高分辨率属性信息可用于各种目的，诸如纹理映射和着色。

本申请提供了用于网格的基于采样的客观质量评价方法。使用的质量度量是基于均方误差(mean squared error，MSE)或峰值信噪比(peak signal to noise ratio，PSNR)。类似的方法也可以扩展到其他质量度量，诸如SSIM、MS-SSIM等。

参照图1和图2，其描述了本申请中用于实现本申请的编码结构和解码结构的实施例。

图1示出了根据本申请的一个实施例的通信系统100的简化框图。系统100可以包括经由网络150互连的至少两个终端，即终端110和终端120。对于单向数据传输，第一终端110可以在本地位置对可包括网格数据的视频数据进行编码，以经由网络150传输到另一个终端120。第二终端120可以从网络150接收另一个终端的已编码视频数据，对已编码数据进行解码并显示恢复的视频数据。单向数据传输在媒体服务等应用中是较常见的。

图1示出了第二对终端，即终端130和终端140以支持可以在例如视频会议期间发生的已编码视频的双向传输。对于数据的双向传输，终端130和终端140中的每个终端可以对在本地位置捕获的视频数据进行编码，以便经由网络150传输到另一个终端。终端130和终端140中的每个终端还可以接收由另一个终端传输的已编码视频数据，可以对已编码数据进行解码，并且可以在本地显示设备上显示恢复的视频数据。

在图1中，终端110、终端120、终端130和终端140可以是例如服务器、个人计算机和智能电话，和/或任何其他类型的终端。例如，终端(110-140)可以是膝上型计算机、平板电脑、媒体播放器、和/或专用视频会议设备。网络150表示在终端110-140之间传送已编码视频数据的任何数量的网络，包括例如有线和/或无线通信网络。通信网络150可在电路交换和/或分组交换信道中交换数据。代表性的网络包括电信网络、局域网、广域网和/或因特网。出于本讨论的目的，除非在下文中有所解释，否则网络150的架构和拓扑对于本申请的操作来说可能是无关紧要的。

图2示出了流媒体环境中的视频编码器和解码器的放置以作为所公开主题的应用的示例。所公开主题可用于其它支持视频的应用，包括例如视频会议、数字电视、在包括CD、DVD、存储棒等的数字介质上存储压缩视频等等。

如图2所示，流媒体系统200可包括捕获子系统213，该捕获子系统213包括视频源201和编码器203。流媒体系统200还可以包括至少一个流媒体服务器205和/或至少一个流媒体客户端206。

视频源201可以创建例如包括3D网格和与3D网格相关联的元数据的流202。视频源201可包括例如3D传感器(例如深度传感器)或3D成像技术(例如数码相机)，以及被配置为使用根据3D传感器或3D成像技术接收的数据来生成3D网格的计算设备。与已编码视频比特流相比，可具有高数据量的样本流202可以由耦合到视频源201的编码器203来处理。编码器203可包括硬件、软件或其组合以使能或实现如下文更详细地描述的所公开主题的各方面。编码器203还可以生成已编码视频比特流204。与未压缩的流202相比，可具有较低的数据量的已编码视频比特流204可以存储在流媒体服务器205上以供将来使用。一个或多个流媒体客户端206可以访问流媒体服务器205以检索可以是已编码视频比特流204的副本的视频比特流209。

流媒体客户端206可包括视频解码器210和显示器212。视频解码器210可以例如解码作为已编码视频比特流204的输入副本的视频比特流209，并创建可以在显示器212或另一个渲染设备(未描绘)上渲染的输出视频样本流211。在一些流媒体系统中，可根据某些视频编解码/压缩标准对视频比特流(码流)204和视频比特流209进行编码。

在用于动态网格压缩的MPEG CFP中，提出了使用基于点的采样度量来评估畸变三角形网格的质量。

如图3所示，客观质量评估的框架可以描述如下。首先，原始网格301和畸变网格303都可以通过对网格三角形上的点进行采样来转换成点云302和304。然后，可以应用点云302和点云304的客观质量度量来计算转换后的点云的几何畸变和属性畸变305。

可以通过在取决于三角形的法线的轴方向(x，y，z)上执行光线投射来创建点云。命中测试确定投射的光线是否命中三角形，然后通过重心插值(以确定点的UV坐标以)获得颜色，随后进行双线性插值(以从纹理图得到RGB值)。

三角形的法线可被计算为该三角形的两条边的叉积，并归一化为单位长度。通过对三角形采样获得的所有点都继承了该三角形的法向量。

在给定来自原始网格的采样点云的情况下，几何畸变度量可用于评估来自畸变网格的采样点云的客观质量。

设A和B分别表示从上述采样过程获得的原始点云和压缩点云。考虑对压缩误差的评估，在相对于参考点云A的点云B中表示为e_B,A。计算几何误差的点到点误差(D1)和点到平面误差(D2)的步骤总结如下，并在图5中示出。

对于点云B中的每个点b_i，即图5中的黑点，识别点云A中的对应点a_j，即图5中的红点。使用最近邻来定位对应点。特别地，使用KD树搜索来执行最近邻搜索，以便降低计算复杂度。

通过将参考点云A中的识别点a_j连接到点云B中的点b_i来确定误差向量E(i,j)。误差向量的长度是点到点误差，即，

基于i∈B的所有点的点到点距离整个点云的点到点误差(D1)(N_B为点云B中的点的数量)被定义为：

然后，D1 PSNR值被计算为：

其中p是序列边界框的最大长度，并且是对称均方点到点误差/>其获得方式如下：

沿着法线方向N_j投影误差向量E(i,j)，得到一个新的误差向量以这种方式，点到平面误差被计算为，

然后将整个点云的点到平面误差(D2)定义为，

D2 PSNR值的计算方式为：

其中p是序列边界框的最大长度，并且是对称均方点到平面误差/>其获得方式如下：

属性PSNR可以如下地计算，

其中p是最大属性值。是对称属性误差，其计算方式与几何畸变相同，如下所示，

其中每个点B及其最近点A的平均属性畸变如下所示，

对于颜色属性，PSNR是在YUV域上计算的。使用ITU-R BT.709进行从RGB空间到YUV空间的转换。PSNR计算的峰值p是255。

所提出的方法可以单独使用或以任何顺序组合使用。此外，方法(或实施例)、编码器或解码器中的每个可以通过处理电路(例如，一个或多个处理器或一个或多个集成电路)来实现。在一个示例中，该一个或多个处理器执行存储在非暂时性计算机可读介质中的程序。

在本申请中，提出了许多方法。这些方法可以单独应用或通过任何形式的组合来应用。应该注意的是，这些方法可以应用于静态网格和动态网格，其中动态网格可以具有时变的几何结构和属性。

首先，可将应用于三角形网格的方法扩展到多边形网格。多边形网格的面可以具有超过三条边。根据一些实施例的框架可以在图4A中示出。在这种情况下，可以首先通过将每个多边形细分为三角形同时保持原始的面的朝向的方式将输入的原始多边形网格401转换为三角形网格406。可以执行相同的操作以将畸变多边形网格403转换成畸变三角形网格407。然后，创建两个采样点云402和404，并且使用采样点云402和404上的质量度量来计算几何和属性峰值信噪比405。

具体来说，多边形面可以由一系列顶点(V₁,V₂,…,V_n)表示，其中多边形的阶数(degree)(边的数量)n>＝3。例如，三角形面的n＝3，四边形面的n＝4。阶数为n的多边形面可以细分为n-2个三角形。可以以不同的方式实现多边形面到三角形面的细分。

在一些实施例中，来自多边形的细分三角形可以写成(V₁,V₂,V₃)、(V₁,V₃,V₄)、......、(V₁,V_n-1,V_n)。例如，四边形面(A,B,C,D)可以被划分成两个三角形(A,B,C)和(A,C,D)。五边形(A,B,C,D,E)可以被划分成三个三角形(A,B,C)、(A,C,D)和(A,D,E)，如图6所示。

在一些实施例中，来自(n为偶数的)多边形的细分三角形可以写成(V₁,V₂,V₃)、(V₃,V₄,V₅)、......(V_n-1,V_n,V₁)，并进一步应用方法以将内部多边形(V₁,V₃,V₅,…)细分成三角形。或者，来自(n为奇数的)多边形的细分三角形可以写成(V₁,V₂,V₃)、(V₃,V₄,V₅)、......(V_n-2,V_n-1,V_n)，并进一步应用方法以将内部多边形(V₁,V₃,V₅,…)细分为三角形。例如，四边形面(A,B,C,D)可以被划分成两个三角形(A,B,C)和(C,D,A)。五边形(A,B,C,D,E)可以被划分成三个三角形(A,B,C)、(C,D,E)和(E,A,C)。

可以应用不同的采样策略来将三角形网格转换成点云。

在一些实施例中，对于网格上的每个三角形，可将(给定采样步长作为输入参数的)均匀采样应用于三角形的2D平面。

如图7所示，三角形ABC位于3D空间中，其中每个顶点与xyz坐标相关联。N是三角形表面的法向量。将均匀采样应用于三角形面的2D uv平面(其与法线N正交)。具体来说，均匀采样可以从原点开始，并以给定的采样步长沿着2D uv平面上的uv轴扩展。能够收集三角形内的所有2D采样点。这些2D采样点可以通过逆变换转换回3D世界坐标。可以通过不同的方法导出采样点的属性值，例如基于重心的插值。

可以通过不同方式选择原点位置。

在一个实施例中，将原点位置选择为三角形的质心(如图7所示)。在这种情况下，即使采样步长过大，也能保证至少有一个采样点，即质心。

在另一个实施例中，将原点位置选择为顶点之一。

在另一个实施例中，将原点位置选择为三角形的边上的点。

可将uv轴设置为不同方向。

在一个实施例中，选择平行于三角形的一条边的方向作为u轴的方向。例如，在图7中，u轴平行于边BC。

图4B和图4C示出了基于点到平面的框架的两个示例。与图4A的主要区别在于，原始网格401或畸变网格403中有一个没有被采样到点云。在这些情况下，只计算点到平面的D2 PSNR。还可以通过采用图4B和图4C的组合来使用对称的点到平面D2 PSNR。

以图4B中的框架为例，对于采样点云404(从畸变网格转换而来)上的每个点，可以在原始网格中找到最近的三角形。

可以通过从采样点到最近的三角形的距离来计算几何畸变。可以用不同的方式定义从一个点到一个三角形的距离。在一些实施例中，通过最小距离来测量该距离，该最小距离即从该点到该三角形上的正交投影的向量的长度。

可以通过点的属性值和三角形上的正交投影的属性值之间的差来计算属性畸变。可以用不同的方法估计三角形上的正交投影的属性值。在一些实施例中，可以使用基于重心的插值。

图8是用于网格的基于采样的客观质量评价方法的示例过程800的流程图。在一些实施方式中，图8的一个或多个处理块可以由上面讨论的任何元件来执行。

如图8所示，过程800可以包括在编码器处接收第一原始多边形网格和第二畸变多边形网格，该第一多边形网格和该第二多边形网格各自包括多个多边形面(框810)。

如图8中进一步示出的，过程800可以包括通过将该第一多边形网格和该第二多边形网格中的每个多边形网格的该多个多边形面细分为多个三角形面，来将该第一多边形网格和该第二多边形网格转换为两个或更多个三角形网格(框820)。

如图8中进一步示出的，过程800可以包括从该第一原始多边形网格和该第二畸变多边形网格上对该多个三角形面中的每个上的多个点进行采样(框830)。

如图8中进一步示出的，过程800可以包括使用经采样的多个点为该第一原始多边形网格或该第二畸变多边形网格中的一个至少创建第一采样点云(框840)。

如图8中进一步示出的，过程800可以包括至少基于该第一采样点云计算该第一原始多边形网格和该第二畸变多边形网格之间的几何和属性畸变轮廓(框850)。

尽管图8示出了过程800的示例块，但是在一些实施方式中，过程800可以包括相对于图8中描绘的那些块的附加块、更少的块、不同的块或不同布置的块。附加地或替代地，过程800的两个或更多个块可以并行执行。

上述技术可以通过计算机可读指令实现为计算机软件，并且物理地存储在一个或多个计算机可读介质中。例如，图9示出了计算机系统900，其适于实现本公开的某些实施例。

计算机软件可以使用任何适合的机器代码或计算机语言进行编码，这些机器代码或计算机语言可以经过汇编、编译、链接或类似机制来创建包括指令的代码，这些指令可以由计算机中央处理单元(computer central processing unit,CPU)、图形处理单元(GPU)等直接执行，或者通过解释、微代码执行等来执行。

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

图9所示的用于计算机系统900的组件只是示例，并不旨在对实现本公开的实施例的计算机软件的使用范围或功能进行任何限制。也不应将组件的配置解释为与计算机系统900的非限制性实施例中所示的任一组件或其组合具有任何依赖性或要求。

计算机系统900可以包括某些人机界面输入设备。这种人机界面输入设备可以响应一个或多个人类用户通过例如触觉输入(如：键盘输入、滑动、数据手套移动)、音频输入(如：声音、掌声)、视觉输入(如：手势)、嗅觉输入(未示出)等方式进行的输入。该人机界面设备还可用于捕获某些媒介，其与人类有意识的输入不必直接相关，如音频(例如：语音、音乐、环境声音)、图像(例如：扫描图像、从静止影像相机获得的摄影图像)、视频(例如二维视频、包括立体视频的三维视频)。

人机界面输入设备可包括以下一项或多项(每项仅绘出其中一个)：键盘901、鼠标902、触控板903、触摸屏910、数据手套、操纵杆905、麦克风906、扫描仪907、相机908。

计算机系统900还可以包括某些人机界面输出设备。这种人机界面输出设备可以通过例如触觉输出、声音、光和嗅觉/味觉来刺激一个或多个人类用户的感觉。这样的人机界面输出设备可包括触觉输出设备(例如通过触摸屏910、数据手套或操纵杆905的触觉反馈，但也可以有不用作输入设备的触觉反馈设备)。这样的设备可以是例如音频输出设备(例如，扬声器909、耳机(未示出))、视觉输出设备(例如，包括阴极射线管(CRT)屏幕、液晶(LCD)屏幕、等离子屏幕、有机发光二极管(OLED)屏的屏幕910，其中每一个都具有或没有触摸屏输入功能、每一个都具有或没有触觉反馈功能——其中一些可通过诸如立体画面输出的手段输出二维视觉输出或三维以上的输出；虚拟现实眼镜(未示出)、全息显示器和放烟箱(未示出))以及打印机(未示出)。

计算机系统900还可以包括人可访问的存储设备及其相关介质，如包括具有CD/DVD的高密度只读/可重写式光盘(CD/DVD ROM/RW)920或类似介质921的光学介质、拇指驱动器922、可移动硬盘驱动器或固体状态驱动器923，诸如磁带和软盘(未示出)的传统磁介质，诸如安全软件保护器(未示出)等的基于ROM/ASIC/PLD的专用设备，等等。

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

计算机系统900还可以包括通往一个或多个通信网络的接口。例如，网络可以是无线的、有线的、光学的。网络还可为局域网、广域网、城域网、车载网络和工业网络、实时网络、延迟容忍网络等等。网络还包括以太网、无线局域网、蜂窝网络(GSM、3G、4G、5G、LTE等)等局域网、电视有线或无线广域数字网络(包括有线电视、卫星电视、和地面广播电视)、车载和工业网络(包括CANBus)等等。某些网络通常需要外部网络接口适配器，用于连接到某些通用数据端口或外围总线949(例如，计算机系统900的USB端口)；其它网络通常通过连接到如下所述的系统总线集成到计算机系统900的内核(例如，以太网接口集成到PC计算机系统或蜂窝网络接口集成到智能电话计算机系统)。通过使用这些网络中的任何一个，计算机系统900可以与其它实体进行通信。这种通信可以是单向的、仅用于接收(例如，无线电视)、单向的仅用于发送(例如，CAN总线到某些CAN总线设备)或双向的，例如通过局域或广域数字网络到其他计算机系统。这种通信可包括到云计算环境955的通信。上述的每个网络和网络接口可使用某些协议和协议栈。

上述的人机界面设备、人可访问的存储设备以及网络接口954可以连接到计算机系统900的内核940。

内核940可包括一个或多个中央处理单元(CPU)941、图形处理单元(GPU)942、以现场可编程门阵列(FPGA)形式的专用可编程处理单元943、用于特定任务的硬件加速器944等等。这些设备以及只读存储器(ROM)(945)、随机存取存储器(946)、内部大容量存储器(例如内部非用户可存取硬盘驱动器、固态硬盘(SSD)等)947等可通过系统总线948进行连接。在某些计算机系统中，可以以一个或多个物理插头的形式访问系统总线948，以便可通过额外的中央处理单元、图形处理单元等进行扩展。外围设备可直接附接到内核的系统总线948，或通过外围设备总线949进行连接。外围总线的体系结构包括外部控制器接口PCI、通用串行总线USB等。图形适配器950可包括在内核940中。

CPU 941、GPU 942、FPGA 943和加速器944可以执行某些指令，这些指令组合起来可以构成上述计算机代码。该计算机代码可以存储在ROM 945或RAM 946中。过渡数据也可以存储在RAM 946中，而永久数据可以存储在例如内部大容量存储器947中。通过使用高速缓冲存储器可实现对任何存储器设备的快速存储和检索，高速缓冲存储器可与一个或多个CPU 941、GPU 942、大容量存储器947、ROM 945、RAM 946等紧密关联。

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

作为示例而非限制，具有体系结构900的计算机系统，特别是内核940，可以作为处理器(包括CPU、GPU、FPGA、加速器等)提供执行包含在一个或多个有形的计算机可读介质中的软件的功能。这种计算机可读介质可以是与上述的用户可访问的大容量存储器相关联的介质、以及具有非易失性的内核940的特定存储器，例如内核内部大容量存储器947或ROM945。实现本公开的各种实施例的软件可以存储在这种设备中并且由内核940执行。根据特定需要，计算机可读介质可包括一个或多个存储设备或芯片。该软件可以使得内核940特别是其中的处理器(包括CPU、GPU、FPGA等)执行本文所述的特定过程或特定过程的特定部分，包括定义存储在RAM 946中的数据结构以及根据软件定义的过程来修改这种数据结构。另外或作为替代，计算机系统可以提供逻辑硬连线或以其他方式包含在电路(例如加速器944)中的功能，该电路可以代替软件或与软件一起运行以执行本文所述的特定过程或特定过程的特定部分。在适当的情况下，对软件的引用可以包含逻辑，反之亦然。在适当的情况下，对计算机可读介质的引用可包括存储执行软件的电路(如集成电路(IC))、包含执行逻辑的电路，或两者兼备。本申请包括任何合适的硬件和软件组合。

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

Claims (20)

1.一种由至少一个处理器执行的方法，所述方法包括：

在编码器处接收第一多边形网格和第二多边形网格，其中，所述第一多边形网格是原始多边形网格，所述第二多边形网格是畸变多边形网格，所述第一多边形网格和所述第二多边形网格中的每个多边形网格包括多个多边形面；

通过将所述第一多边形网格和所述第二多边形网格中的每个多边形网格的所述多个多边形面细分为多个三角形面，来将所述第一多边形网格和所述第二多边形网格转换为两个或更多个三角形网格，其中，每个三角形面对应于所述两个或更多个三角形网格中的相应三角形网格；

从所述第一多边形网格和所述第二多边形网格上对所述多个三角形面中的每个三角形面上的多个点进行采样；

使用经采样的多个点为所述第一多边形网格或所述第二多边形网格中的一个至少生成第一采样点云；以及

至少基于所述第一采样点云计算所述第一多边形网格和所述第二多边形网格之间的几何和属性畸变轮廓。

2.根据权利要求1所述的方法，其中，对所述多个三角形面中的相应三角形面上的所述多个点进行采样的过程从原点开始，并沿着2D UV平面上的UV轴扩展。

3.根据权利要求2所述的方法，其中，将所述原点选择为所述多个三角形面中的所述相应三角形面的质心。

4.根据权利要求2所述的方法，其中，将所述原点选择为所述多个三角形面中的所述相应三角形面上的多个顶点之一。

5.根据权利要求2所述的方法，其中，将所述原点选择为所述多个三角形面中的所述相应三角形面的边上的点。

6.根据权利要求2所述的方法，其中，选择与所述多个三角形面中的所述相应三角形面的多条边中的一条边相平行的方向作为U轴的方向。

7.根据权利要求1所述的方法，其中，所述几何和属性畸变轮廓是基于均方误差或者峰值信噪比。

8.根据权利要求1所述的方法，其中，计算所述几何和属性畸变轮廓还包括：

使用所述经采样的多个点为所述第一多边形网格或所述第二多边形网格中的另一个生成第二采样点云；以及

基于所述第一采样点云确定所述第二采样点云的一个或多个特性。

9.根据权利要求8所述的方法，其中，还基于所述确定的一个或多个特性计算所述第一多边形网格和所述第二多边形网格之间的所述几何和属性畸变轮廓。

10.一种装置，包括：

至少一个存储器，被配置为存储程序代码；以及

至少一个处理器，被配置为读取所述程序代码并按照所述程序代码的指令运行，所述程序代码包括：

接收代码，被配置为使得所述至少一个处理器在编码器处接收第一多边形网格和第二多边形网格，其中，所述第一多边形网格是原始多边形网格，所述第二多边形网格是畸变多边形网格，所述第一多边形网格和所述第二多边形网格中的每个多边形网格包括多个多边形面；

转换代码，被配置为使得所述至少一个处理器通过将所述第一多边形网格和所述第二多边形网格中的每个多边形网格的所述多个多边形面细分为多个三角形面，来将所述第一多边形网格和所述第二多边形网格转换为两个或更多个三角形网格，其中，每个三角形面对应于所述两个或更多个三角形网格中的相应三角形网格；

采样代码，被配置为使得所述至少一个处理器从所述第一多边形网格和所述第二多边形网格上对所述多个三角形面中的每个三角形面上的多个点进行采样；

生成代码，被配置为使得所述至少一个处理器使用经采样的多个点为所述第一多边形网格或所述第二多边形网格中的一个至少生成第一采样点云；以及

计算代码，被配置为使得所述至少一个处理器至少基于所述第一采样点云计算所述第一多边形网格和所述第二多边形网格之间的几何和属性畸变轮廓。

11.根据权利要求10所述的装置，其中，对所述多个三角形面中的相应三角形面上的所述多个点进行采样的过程从原点开始，并沿着2D UV平面上的UV轴扩展。

12.根据权利要求11所述的装置，其中，将所述原点选择为所述多个三角形面中的所述相应三角形面的质心。

13.根据权利要求11所述的装置，其中，将所述原点选择为所述多个三角形面中的所述相应三角形面上的多个顶点中的一个。

14.根据权利要求11所述的装置，其中，将所述原点选择为所述多个三角形面中的所述相应三角形面的边上的点。

15.根据权利要求11所述的装置，其中，选择与所述多个三角形面中的所述相应三角形面的多条边中的一条边相平行的方向作为U轴的方向。

16.根据权利要求10所述的装置，其中，所述几何和属性畸变轮廓是基于均方误差或者峰值信噪比。

17.根据权利要求10所述的装置，其中，所述计算代码还使得所述至少一个处理器：

使用所述经采样的多个点为所述第一多边形网格或所述第二多边形网格中的另一个生成第二采样点云；以及

基于所述第一采样点云确定所述第二采样点云的一个或多个特性。

18.根据权利要求17所述的装置，其中，还基于所述确定的一个或多个特性计算所述第一多边形网格和所述第二多边形网格之间的所述几何和属性畸变轮廓。

19.一种非暂时性计算机可读存储介质，存储有指令，当由至少一个处理器执行时，所述指令使得所述至少一个处理器：

在编码器处接收第一多边形网格和第二多边形网格，其中，所述第一多边形网格是原始多边形网格，所述第二多边形网格是畸变多边形网格，所述第一多边形网格和所述第二多边形网格中的每个多边形网格包括多个多边形面；

通过将所述第一多边形网格和所述第二多边形网格中的每个多边形网格的所述多个多边形面细分为多个三角形面，来将所述第一多边形网格和所述第二多边形网格转换为两个或更多个三角形网格，其中，每个三角形面对应于所述两个或更多个三角形网格中的相应三角形网格；

从所述第一多边形网格和所述第二多边形网格上对所述多个三角形面中的每个三角形面上的多个点进行采样；

使用经采样的多个点为所述第一多边形网格或所述第二多边形网格中的一个至少生成第一采样点云；以及

至少基于所述第一采样点云计算所述第一多边形网格和所述第二多边形网格之间的几何和属性畸变轮廓。

20.根据权利要求19所述的非暂时性计算机可读存储介质，其中，对所述多个三角形面中的相应三角形面上的所述多个点进行采样的过程从原点开始，并沿着2D UV平面上的UV轴扩展。