WO2020248177A1 - 点云的编解码方法及装置 - Google Patents
点云的编解码方法及装置 Download PDFInfo
- Publication number
- WO2020248177A1 WO2020248177A1 PCT/CN2019/090996 CN2019090996W WO2020248177A1 WO 2020248177 A1 WO2020248177 A1 WO 2020248177A1 CN 2019090996 W CN2019090996 W CN 2019090996W WO 2020248177 A1 WO2020248177 A1 WO 2020248177A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- point cloud
- position coordinates
- point
- distance
- coordinate system
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
Definitions
- a point cloud encoding method which includes: non-uniform quantization of the point cloud according to the position coordinates of the point cloud; and generating a code stream of the point cloud according to the result of the non-uniform quantization.
- an encoding device including: a memory for storing a program; a processor for executing the program stored in the memory to perform the following operations: perform operations on the point cloud according to the position coordinates of the point cloud Non-uniform quantization; generating the code stream of the point cloud according to the result of the non-uniform quantization.
- Point clouds often exhibit non-uniform distribution characteristics in space.
- this application uses non-uniform quantization to quantify the point clouds, which can improve the coding quality of the point clouds.
- Fig. 5 is a schematic flowchart of a point cloud coding manner provided by an embodiment of the present application.
- FIG. 6 is a schematic flowchart of a possible implementation manner of step S520 in FIG. 5.
- Fig. 9 is a schematic structural diagram of an encoding device provided by an embodiment of the present application.
- geometric quantization and octree coding are usually performed on the point cloud in related technologies.
- the process of geometric quantization can be carried out in the following manner, for example: First, the position of the point cloud can be determined according to the difference between the maximum and minimum values of the three axes of the position coordinates of the point cloud, and the predetermined quantization accuracy.
- the coordinates are quantified to convert the position coordinates of the point cloud points in the point cloud into integer coordinates greater than or equal to zero.
- the position coordinates of the point cloud can be the position coordinates of the point cloud after geometric quantification and/or removal of duplicate coordinates
- three dimensions (x, y, z) directions can be selected The maximum and minimum of the position coordinates.
- the initialization space to be divided can be determined according to the selected quantization values.
- coding can be performed layer by layer according to the breadth-first traversal order of the octree.
- the division result of each octree can be coded layer by layer, that is, it is judged whether the eight sub-blocks obtained after the current sub-block is divided into octrees contain point cloud points. If a certain sub-block of the block contains point cloud points, the sub-block is further divided, otherwise the division is stopped.
- the subsequent octree partitioning method is similar to the octree partitioning method of the previous layers, and will not be detailed here.
- the last layer can be a layer with a sub-block side length of 1
- the binary bit stream obtained by dividing the octree can be sent byte by byte to the arithmetic coding engine for arithmetic coding, and then the binary bit stream representing the number of point cloud points contained in the sub-block corresponding to the leaf node Send to the arithmetic coding engine for arithmetic coding.
- the specific process of arithmetic coding can be referred to related technologies, which is not limited in the embodiment of the present application.
- Figure 4 shows the decoding process of the position coordinates of the point cloud.
- the decoding process mainly includes the arithmetic decoding process described in step S42 and the inverse quantization process described in step S44. Through the above process, the position coordinates of the point cloud can be reconstructed.
- the codec can perform octree division on the initialization space.
- arithmetic decoding and inverse quantization please refer to the related technology and the foregoing description. For the sake of brevity, it will not be detailed here.
- the related technology uses a uniform quantization scheme, that is, the three-dimensional space is uniformly divided into octrees under the Cartesian coordinate system.
- the distribution of point clouds in three-dimensional space is often uneven.
- laser emitting devices such as lidars and laser scanners usually emit laser light from the center of the device, and obtain the return signal after the laser hits an external object to achieve point cloud collection
- the collected point cloud It has the following characteristics: the point cloud close to the laser emitting device is dense, and the point cloud far away from the laser emitting device is sparse. If a uniform quantization scheme is used to quantize the point cloud, the quantization scheme does not match the actual distribution characteristics of the point cloud, and It will lead to poor coding quality of the point cloud.
- the following describes in detail the coding method of the point cloud provided by the embodiment of the present application with reference to FIG. 5.
- the method in FIG. 5 may be executed by an encoding device.
- the method in FIG. 5 includes steps S520 to S540.
- step S520 the point cloud is non-uniformly quantized according to the position coordinates of the point cloud.
- non-uniform quantization satisfies: the quantization accuracy of point cloud points that are farther from the origin (the coordinate origin of the point cloud position coordinate system) in the point cloud is less than the distance from the origin in the point cloud The quantization accuracy of the closer point cloud point.
- point clouds collected by laser emitting devices such as lidars and laser scanners usually exhibit the following distribution characteristics: point clouds closer to the laser emitting device are dense, and point clouds farther from the laser emitting device are sparse.
- the quantization accuracy of point cloud points that are farther from the origin in the point cloud is set to be lower, and the quantization accuracy of point cloud points that are closer to the origin in the point cloud is set to be higher.
- the quantization method of the point cloud can be matched with the distribution characteristics of the point cloud in space, so that the coding quality of the point cloud can be improved.
- the embodiment of this application does not specifically limit the coordinate system where the position coordinates of the point cloud are located. It can be a Cartesian coordinate system, or a spherical coordinate system, or a cylindrical coordinate system, or it can be provided by the embodiment of this application.
- the new position coordinate system (see below for details).
- the position coordinates of the point cloud can include position coordinates in three dimensions.
- the non-uniform quantization mentioned in this application may be the non-uniform quantization of at least one of the three dimensions.
- the position coordinates of the point cloud can be non-uniformly quantized in the three dimensions, or the position coordinates of the point cloud can be non-uniformly quantized in part of the three dimensions.
- all point cloud points in the point cloud can be non-uniformly quantized, or some point cloud points in the point cloud can be non-uniformly quantized.
- non-uniform quantization can be performed in the position interval of [R min , R max ], or in this position interval Part of the interval in is non-uniformly quantized.
- the position coordinates of the point cloud may include position coordinates along the distance dimension, and the position coordinates of the distance dimension are non-uniformly quantized.
- the position coordinates in the other dimensions of the point cloud coordinates except for the distance dimension may be uniformly quantized or non-uniformly quantized, which is not limited in the embodiment of the present application.
- the cylindrical coordinate system can include the polar diameter coordinate in the planar polar coordinate system in the cylindrical coordinate system, the polar angle coordinate in the planar polar coordinate system in the cylindrical coordinate system, and the Z coordinate in the cylindrical coordinate system ( Or called the height coordinate, also called the Z variable).
- the position coordinates of the point cloud are the position coordinates in the cylindrical coordinate system
- the position coordinates of the distance dimension mentioned in the embodiment of the present application may refer to the polar diameter coordinates
- the position coordinates in the other dimensions except the distance dimension may refer to the polar angle Coordinates and Z coordinates.
- the polar coordinates can be non-uniformly quantized, and the polar coordinates and Z coordinates can be uniformly quantized.
- the position coordinates of the point cloud may be position coordinates in a Cartesian coordinate system.
- the position coordinates in the x dimension under Cartesian coordinates can be non-uniformly quantized, and the position coordinates in the y dimension and/or the z dimension can be uniformly quantized.
- the position interval of a certain dimension mentioned in the present application may refer to the position interval of the leaf node (or the side length of the leaf node) after the dimension is divided by the multi-tree.
- the point cloud has different lengths in different location intervals in at least one dimension.
- the at least one dimension mentioned here can be the distance dimension in the spherical coordinate system, or the x (or y, or z) dimension in the Cartesian coordinate system, which is not limited in the embodiment of the application.
- the distance dimension may include the first position interval and the second position interval as an example. Assuming that the first position interval is closer to the origin than the second position interval, the first position interval And the length of the second position interval are set so that the length of the first position interval is less than the length of the second position interval, or the length of the first position interval is greater than the length of the second position interval.
- the initialization space is determined first, and then the initialization space is divided into a multi-tree.
- the foregoing has described in detail the multi-tree division method in related technologies in conjunction with Figures 1 to 3. From the related description of Figures 1 to 3, it can be seen that when dividing each layer of the multi-tree, the related technologies are all The space is divided by uniform division.
- the entire distance range of the dimension adopts a uniform cut-off threshold (such as 1) to control the depth of the multi-tree division, that is, when the node is located in the dimension When the interval length is less than or less than or equal to the division cut-off threshold, continue division in this dimension.
- one possible implementation is: determine the initialization space according to the position coordinates of the point cloud; divide the initialization space into a multi-tree to obtain the position The result of the division, wherein each leaf node of the multi-branch tree has leaf nodes with different position intervals in at least one of the three dimensions.
- non-uniform division may be used in the at least one dimension, or different cut-off thresholds may be set for different leaf nodes, so that the position interval lengths of different leaf nodes are not completely the same.
- the partition cut-off threshold set by the leaf nodes in the first distance range of the two distance ranges of the dimension can be set to the first threshold, and the leaf nodes in the second distance range
- the set division cutoff threshold is set to a second threshold, where the first threshold and the second threshold are different thresholds. In this way, the length of the position interval of the leaf nodes within the two distance ranges will be different.
- the multi-tree division may still adopt uniform division.
- the cut-off thresholds for dividing the point cloud in different distance ranges of at least one dimension can be set to different values.
- the length of the position interval of the leaf node in the point cloud within different distance ranges of at least one dimension is Will be different.
- a possible implementation is: first determine the initialization space of the point cloud; then, use the multi-tree division to divide the initialization space in half in the distance dimension, and divide the distance dimension
- the entire distance range is divided into an equal first distance range and a second distance range; then, the division cut-off threshold of the multitree division within the first distance range and the second distance range can be set to different values, for example, the first distance range can be set to The cut-off threshold of division within a distance range is set to 2, and the cut-off threshold of division within the first distance range is set to 1, then the lengths of the position intervals of the finally divided leaf nodes in the two distance ranges will
- One possible implementation is: first determine the initialization space of the point cloud; then, use the multi-tree division to halve the initialization space in the distance dimension Divide, divide the entire distance range of the distance dimension into an equal first distance range and a second distance range; then, the multitree division within the first distance range and the second distance range can be configured with different division cutoff thresholds, for example ,
- the partition cut-off threshold in the first distance range can be set to 2, and the partition cut-off threshold in the first distance range is set to 1, then the position interval length of the final divided leaf nodes within the two distance ranges will be different.
- there may be multiple ways to determine the distance range which is not limited in the embodiment of the present application, and the above is only an example. For example, it is also possible to divide the initialization space twice, and after obtaining 4 distance ranges, configure different division cutoff thresholds for each distance range.
- the position coordinates of the point cloud are the position coordinates in the spherical coordinate system
- the distance dimension is the dimension corresponding to the radial distance in the spherical coordinate system.
- the distance dimension includes the first distance range and the second distance range.
- the location interval is within the first distance range, and the first location interval is set to (0,2 d ⁇ a), and the second location interval is within the second distance range, and the second location interval is set to (2 d ⁇ a) ,2 d ).
- the coordinate D of the point cloud point in the point cloud in the distance dimension can satisfy:
- step S520 may include step S522 and step S524.
- step S522 the position coordinates of the point cloud are converted into new position coordinates.
- step S524 the initialization space is determined according to the new position coordinates of the point cloud, and the initialization space is divided into positions to obtain a non-uniform quantization result.
- the first angular coordinate of the point cloud point can be used to indicate the polar angle of the point cloud point in the cylindrical coordinate system in the planar polar coordinate system
- the height coordinate of the point cloud point is used to indicate the Z of the point cloud point in the cylindrical coordinate system.
- the distance coordinate of the point cloud point is a function of R- n , where R represents the polar diameter of the point cloud point in the cylindrical coordinate system in the planar polar coordinate system, and n is greater than 0.
- the distance coordinate D in the new position coordinate may be a function of R -1 .
- the distance coordinate D in the new position coordinate satisfies: or, among them, Can represent the maximum quantized value of D, It can represent the minimum quantization value of D, int represents the rounding operation, and d represents the preset quantization bit.
- the first angle coordinate in the new position coordinates can be set as: the zenith angle of the point cloud point in the spherical coordinate system, or as Among them, ⁇ 'represents the zenith angle of the point cloud point in the spherical coordinate system, and d represents the preset quantization number.
- the second angle coordinate in the new position coordinate can be set as: among them, Represents the azimuth angle of the point cloud point in the spherical coordinate system, and d represents the preset quantization number.
- the distance coordinate D in the new position coordinate can be a function of R -0.5 .
- the distance coordinate D in the new position coordinate satisfies: Among them, D represents the distance coordinate of the point cloud point in the new position coordinate system, Represents the maximum quantized value of D, Represents the minimum quantization value of D, int represents the rounding operation, and d represents the preset quantization bit.
- the first angle coordinate in the new position coordinates can be set as: the zenith angle of the point cloud point in the spherical coordinate system, or as Among them, ⁇ 'represents the zenith angle of the point cloud point in the spherical coordinate system, and d represents the preset quantization number.
- the second angle coordinate in the new position coordinate can be set as: among them, Represents the azimuth angle of the point cloud point in the spherical coordinate system, and d represents the preset quantization number.
- the distance coordinate D in the new position coordinate can be a function of R -2 .
- the distance coordinates in the new position coordinates can be set as: Among them, D represents the distance coordinate of the point cloud point in the new position coordinate system, Represents the maximum quantized value of D, Represents the minimum quantization value of D, int represents the rounding operation, and d represents the preset quantization bit.
- the first angle coordinate in the new position coordinates can be set as: the zenith angle of the point cloud point in the spherical coordinate system, or as Among them, ⁇ 'represents the zenith angle of the point cloud point in the spherical coordinate system, and d represents the preset quantization number.
- the second angle coordinate in the new position coordinate can be set as: among them, Represents the azimuth angle of the point cloud point in the spherical coordinate system, and d represents the preset quantization number.
- the first angular coordinate of the point cloud point can be used to indicate the polar angle of the point cloud point in the cylindrical coordinate system in the planar polar coordinate system
- the height coordinate of the point cloud point is used to indicate the Z of the point cloud point in the cylindrical coordinate system.
- the variable, the distance coordinate of the point cloud point is a function of log(R), where R represents the polar diameter of the point cloud point in the planar polar coordinate system in the cylindrical coordinate system.
- the initial space can be divided into an octree.
- the initial space can be divided into octree and quadtree.
- the initial space can be divided into octree, quadtree, and binary tree.
- the embodiment of the application does not limit this. Taking the new position coordinates can include the first angle coordinates, the second angle coordinates and the distance coordinates mentioned above, and the initialization space is divided by octree as an example, the division method under the new position coordinates is shown in Figure 7.
- the position coordinates of the point cloud include position coordinates along a distance dimension, and the position coordinates of the distance dimension are non-uniformly quantized.
- position coordinates in other dimensions except for the distance dimension are uniformly quantized.
- the non-uniform quantization is used to map the position coordinates of the point cloud points in the point cloud in each of the three dimensions to different position intervals of the dimensions, and the at least one dimension
- the non-uniform quantization of the position coordinates of the above may include: the position coordinates of at least one dimension are respectively mapped to different position intervals of the dimension, wherein the lengths of the different position intervals of the dimension are different.
- the position coordinates of the point cloud are position coordinates in a spherical coordinate system
- the distance dimension is a dimension corresponding to a radial distance in the spherical coordinate system
- the distance dimension includes a first distance range and a first distance range. Two distance ranges, the first position interval is located within the first distance range, and the first position interval is (0,2 d ⁇ a), and the second position interval is located within the second distance range , And the second position interval is (2 d ⁇ a, 2 d ), and the coordinate D of the point cloud point in the point cloud in the distance dimension satisfies:
- R represents the radial distance of the point cloud point in the spherical coordinate system
- R near represents the minimum quantization distance of R
- R far represents the maximum quantization distance of R
- 0.5 ⁇ a ⁇ 1 int represents the rounding operation
- d Represents the preset number of quantization bits.
- the lengths of different position intervals in the remaining dimensions except for the distance dimension in the three dimensions are the same.
- the position coordinates of the point cloud may include position coordinates in the distance dimension; different leaf nodes of the multi-branch tree have different position intervals in the distance dimension in length.
- said performing multi-tree division on the initialization space to obtain a position division result includes: performing multi-tree division on the initialization space; when the position of the node in the multi-tree in the distance dimension When the interval length is less than or less than or equal to the division cut-off threshold, stop further division of the node in the distance dimension to obtain a position division result, wherein there are leaf nodes with different division cut-off thresholds in the distance dimension.
- the position coordinates of the point cloud are position coordinates in a spherical coordinate system or position coordinates in a cylindrical coordinate system.
- the inverse quantization of the result of the non-uniform quantization may include: inverse quantization of the result of the non-uniform quantization to obtain the new position coordinates of the point cloud; wherein, the new position coordinates include The first angular coordinate, the second angular coordinate and the distance coordinate, the first angular coordinate of the point cloud point in the point cloud is used to indicate the zenith angle of the point cloud point in the spherical coordinate system, the point cloud point The second angle coordinate of is used to indicate the azimuth angle of the point cloud point in the spherical coordinate system, and the distance coordinate of the point cloud point is a function of R- n or log(R), where R represents the point cloud The radial distance of the point in the spherical coordinate system, n is greater than 0; or, the new position coordinates include the first angle coordinate, the distance coordinate and the height coordinate, and the first angle coordinate of the point cloud point in the point cloud is used for Indicate the polar angle of the point cloud point
- the distance coordinate of a point is a function of R- n or log(R), where R represents the polar diameter of the point cloud point in the cylindrical coordinate system in the planar polar coordinate system, and n is greater than 0; according to the point cloud
- the new position coordinates determine the initialization space, and perform position division on the initialization space to obtain the result of the non-uniform quantization.
- the distance coordinates in the new position coordinates satisfy one of the following formulas:
- D represents the distance coordinate of the point cloud point in the new position coordinate system
- int represents the rounding operation
- d represents the preset quantization bit.
- the R near represents the distance coordinates of the point cloud point closest to the origin in the point cloud and/or R far represents the distance coordinates of the point cloud point farthest from the origin in the point cloud.
- the first angular coordinate of the point cloud point satisfies:
- ⁇ ′ represents the zenith angle of the point cloud point in the spherical coordinate system
- d represents the preset quantization number
- the performing inverse quantization on the result of the non-uniform quantization to obtain the new position coordinates of the point cloud may include: determining an initialization space according to the code stream; and dividing the initialization space by a multitree .
- the multitree division of the initialization space may include: octree division, or octree quadtree division, or octree quadtree binary tree division on the initialization space.
- Fig. 9 is a schematic structural diagram of an encoding device provided by an embodiment of the present application.
- the encoding device 900 in FIG. 9 includes a memory 910 and a processor 920.
- the non-uniform quantization satisfies: the quantization accuracy of the point cloud points that are farther from the origin in the point cloud is less than the quantization accuracy of the point cloud points that are closer to the origin in the point cloud.
- the position coordinates of the point cloud include position coordinates along a distance dimension, and the position coordinates of the distance dimension are non-uniformly quantized.
- the non-uniform quantization is used to map the position coordinates of the point cloud points in the point cloud in each of the three dimensions to different position intervals of the dimensions, and the at least one dimension
- the non-uniform quantization of the position coordinates on the above may include: the position coordinates on at least one dimension are respectively mapped to different position intervals of the dimension, wherein the lengths of the different position intervals of the dimension are different.
- the position coordinates of the point cloud include position coordinates along a distance dimension, and different position intervals in the distance dimension have different lengths.
- R represents the radial distance of the point cloud point in the spherical coordinate system
- R near represents the minimum quantization distance of R
- R far represents the maximum quantization distance of R
- 0.5 ⁇ a ⁇ 1 int represents the rounding operation
- d Represents the preset number of quantization bits.
- the lengths of different position intervals in the remaining dimensions except for the distance dimension in the three dimensions are the same.
- the non-uniform quantization of the point cloud according to the position coordinates of the point cloud may include: determining an initialization space according to the position coordinates of the point cloud; and dividing the initialization space into a multi-tree to obtain the position The division result, wherein, in each leaf node of the multi-branch tree, there are leaf nodes with different position intervals in at least one of the three dimensions.
- the position coordinates of the point cloud include position coordinates in the distance dimension; different leaf nodes of the multi-branch tree have different position intervals in the distance dimension in length.
- the length of the position interval of the leaf node close to the origin is smaller than the length of the position interval of the leaf node far from the origin.
- the position coordinates of the point cloud are position coordinates in a spherical coordinate system or position coordinates in a cylindrical coordinate system.
- the non-uniform quantization of the point cloud according to the position coordinates of the point cloud may include: converting the position coordinates of the point cloud into new position coordinates; wherein, the new position coordinates include the first angle Coordinates, the second angle coordinate and the distance coordinate, the first angle coordinate of the point cloud point in the point cloud is used to indicate the zenith angle of the point cloud point in the spherical coordinate system, and the second angle coordinate of the point cloud point The angle coordinate is used to indicate the azimuth of the point cloud point in the spherical coordinate system, and the distance coordinate of the point cloud point is a function of R- n or log(R), where R represents the point cloud point in the spherical coordinate system.
- the radial distance in the coordinate system, n is greater than 0; or, the new position coordinates include a first angle coordinate, a distance coordinate, and a height coordinate, and the first angle coordinate of a point cloud point in the point cloud is used to indicate the The polar angle of the point cloud point in the planar polar coordinate system in the cylindrical coordinate system, the height coordinate of the point cloud point is used to indicate the Z variable of the point cloud point in the cylindrical coordinate system, and the distance of the point cloud point
- the coordinate is a function of R -n or log(R), where R represents the polar diameter of the point cloud point in the cylindrical coordinate system in the planar polar coordinate system, and n is greater than 0; according to the new position coordinates of the point cloud Determine the initialization space, and perform position division on the initialization space.
- D represents the distance coordinate of the point cloud point in the new position coordinate system
- int represents the rounding operation
- d represents the preset quantization bit.
- the R near represents the distance coordinates of the point cloud point closest to the origin in the point cloud and/or R far represents the distance coordinates of the point cloud point farthest from the origin in the point cloud.
- the first angular coordinate of the point cloud point satisfies:
- ⁇ ′ represents the zenith angle of the point cloud point in the spherical coordinate system
- d represents the preset quantization number
- the second angular coordinate of the point cloud point satisfies:
- the non-uniform quantization of the point cloud according to the position coordinates of the point cloud may include: determining an initialization space according to the position coordinates of the point cloud in the new position coordinate system; Perform polytree division.
- the multitree division of the initialization space may include: octree division, or octree quadtree division, or octree quadtree binary tree division on the initialization space.
- the coordinate system representation is converted to a representation in a spherical coordinate system or a representation in a cylindrical coordinate system; the position coordinates after the point cloud conversion are converted into a fixed-point number representation to generate new position coordinates.
- the generating the code stream of the point cloud according to the result of the non-uniform quantization may include: performing arithmetic coding on the result of the non-uniform quantization to generate the code stream of the point cloud.
- FIG. 10 is a schematic structural diagram of a decoding device provided by an embodiment of the present application.
- the decoding device 1000 in FIG. 10 includes a memory 1010 and a processor 1020.
- the processor 1020 may be configured to execute the program stored in the memory to perform the following operations: obtain the result of the non-uniform quantization of the point cloud according to the code stream of the point cloud; perform inverse quantization on the result of the non-uniform quantization, Obtain the position coordinates of the point cloud.
- the non-uniform quantization satisfies: the quantization accuracy of the point cloud points that are farther from the origin in the point cloud is less than the quantization accuracy of the point cloud points that are closer to the origin in the point cloud.
- the position coordinates of the point cloud include position coordinates in three dimensions, and the position coordinates in at least one dimension are non-uniformly quantized.
- the position coordinates of the point cloud include position coordinates along a distance dimension, and the position coordinates of the distance dimension are non-uniformly quantized.
- position coordinates in other dimensions except for the distance dimension are uniformly quantized.
- the position coordinates of the point cloud include position coordinates along a distance dimension, and different position intervals in the distance dimension have different lengths.
- the position coordinates of the point cloud are position coordinates in a spherical coordinate system
- the distance dimension is a dimension corresponding to a radial distance in the spherical coordinate system
- the distance dimension includes a first distance range and a first distance range. Two distance ranges, the first position interval is located within the first distance range, and the first position interval is (0,2 d ⁇ a), and the second position interval is located within the second distance range , And the second position interval is (2 d ⁇ a, 2 d ), and the coordinate D of the point cloud point in the point cloud in the distance dimension satisfies:
- R represents the radial distance of the point cloud point in the spherical coordinate system
- R near represents the minimum quantization distance of R
- R far represents the maximum quantization distance of R
- 0.5 ⁇ a ⁇ 1 int represents the rounding operation
- d Represents the preset number of quantization bits.
- the lengths of different position intervals in the remaining dimensions except for the distance dimension in the three dimensions are the same.
- the inverse quantization of the result of the non-uniform quantization may include: determining an initialization space according to the code stream; performing multi-tree division on the initialization space to obtain a position division result, wherein the In each leaf node of the polytree, there are leaf nodes with different position intervals in at least one of the three dimensions.
- the position coordinates of the point cloud include position coordinates in the distance dimension; different leaf nodes of the multi-branch tree have different position intervals in the distance dimension in length.
- the length of the position interval of the leaf node close to the origin is smaller than the length of the position interval of the leaf node far from the origin.
- the position coordinates of the point cloud are position coordinates in a spherical coordinate system or position coordinates in a cylindrical coordinate system.
- the inverse quantization of the result of the non-uniform quantization may include: inverse quantization of the result of the non-uniform quantization to obtain the new position coordinates of the point cloud; wherein, the new position coordinates It includes a first angle coordinate, a second angle coordinate and a distance coordinate.
- the first angle coordinate of the point cloud point in the point cloud is used to indicate the zenith angle of the point cloud point in the spherical coordinate system.
- the second angle coordinate of the point is used to indicate the azimuth angle of the point cloud point in the spherical coordinate system
- the distance coordinate of the point cloud point is a function of R- n or log(R), where R represents the point The radial distance of the cloud point in the spherical coordinate system, n is greater than 0; or, the new position coordinates include the first angle coordinate, the distance coordinate and the height coordinate, and the first angle coordinate of the point cloud point in the point cloud is used
- the height coordinate of the point cloud point is used to indicate the Z variable of the point cloud point in the cylindrical coordinate system
- the point The distance coordinate of the cloud point is a function of R- n or log(R), where R represents the polar diameter of the point cloud point in the cylindrical coordinate system in the planar polar coordinate system, and n is greater than 0; according to the point cloud
- the distance coordinates in the new position coordinates satisfy one of the following formulas:
- D represents the distance coordinate of the point cloud point in the new position coordinate system
- int represents the rounding operation
- d represents the preset quantization bit.
- the R near represents the distance coordinates of the point cloud point closest to the origin in the point cloud and/or R far represents the distance coordinates of the point cloud point farthest from the origin in the point cloud.
- the first angular coordinate of the point cloud point satisfies:
- the second angular coordinate of the point cloud point satisfies:
- the inverse quantization of the result of the non-uniform quantization to obtain the new position coordinates of the point cloud may include: determining an initialization space according to the code stream; and performing a polytree on the initialization space Divide.
- the obtaining the result of non-uniform quantization of the point cloud according to the code stream of the point cloud may include: performing arithmetic decoding on the code stream of the point cloud to obtain the result of the non-uniform quantization.
- the computer program product includes one or more computer instructions.
- the computer may be a general-purpose computer, a special-purpose computer, a computer network, or other programmable devices.
- the computer instructions may be stored in a computer-readable storage medium or transmitted from one computer-readable storage medium to another computer-readable storage medium. For example, the computer instructions may be transmitted from a website, computer, server, or data center.
- the computer-readable storage medium may be any available medium that can be accessed by a computer or a data storage device such as a server or a data center integrated with one or more available media.
- the usable medium may be a magnetic medium (for example, a floppy disk, a hard disk, a magnetic tape), an optical medium (for example, a digital video disc (DVD)), or a semiconductor medium (for example, a solid state disk (SSD)), etc.
- the disclosed system, device, and method may be implemented in other ways.
- the device embodiments described above are only illustrative.
- the division of the units is only a logical function division, and there may be other divisions in actual implementation, for example, multiple units or components can be combined or It can be integrated into another system, or some features can be ignored or not implemented.
- the displayed or discussed mutual coupling or direct coupling or communication connection may be indirect coupling or communication connection through some interfaces, devices or units, and may be in electrical, mechanical or other forms.
- the units described as separate components may or may not be physically separated, and the components displayed as units may or may not be physical units, that is, they may be located in one place, or they may be distributed on multiple network units. Some or all of the units may be selected according to actual needs to achieve the objectives of the solutions of the embodiments.
- each unit in each embodiment of the present application may be integrated into one processing unit, or each unit may exist alone physically, or two or more units may be integrated into one unit.
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
提供一种点云的编码方法及装置。该编码方法包括:根据点云的位置坐标对所述点云进行非均匀量化;根据所述非均匀量化的结果生成所述点云的码流。点云在空间中经常呈现非均匀分布的特性,为了能够与点云的空间分布特征适配,可以采用非均匀量化的方式对点云进行量化,这样可以提高点云的编码质量。
Description
版权申明
本专利文件披露的内容包含受版权保护的材料。该版权为版权所有人所有。版权所有人不反对任何人复制专利与商标局的官方记录和档案中所存在的该专利文件或者该专利披露。
本申请涉及编解码领域,更为具体地,涉及一种点云的编解码方法及装置。
点云(或称三维点云)是三维物体或场景的一种表现形式。点云的编码过程包括点云的位置坐标的编码和点云的属性信息的编码。
传统的点云的位置坐标的编码方式未能充分考虑点云在空间中的分布特点,导致点云的编码质量较差。
发明内容
本申请提供一种点云的编解码方法及装置,能够提高点云的编码质量。
第一方面,提供了一种点云的编码方法,包括:根据点云的位置坐标对所述点云进行非均匀量化;根据所述非均匀量化的结果生成所述点云的码流。
第二方面,提供一种点云的解码方法,包括:根据点云的码流,获取所述点云的非均匀量化的结果;对所述非均匀量化的结果进行逆量化,得到所述点云的位置坐标。
第三方面,提供一种编码装置,包括:存储器,用于存储程序;处理器,用于执行所述存储器中存储的程序,以执行如下操作:根据点云的位置坐标对所述点云进行非均匀量化;根据所述非均匀量化的结果生成所述点云的码流。
第四方面,提供一种解码装置,包括:存储器,用于存储程序;处理器,用于执行所述存储器中存储的程序,以执行如下操作:根据点云的码流,获取所述点云的非均匀量化的结果;对所述非均匀量化的结果进行逆量化,得 到所述点云的位置坐标。
第五方面,提供一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述各方面所述的方法。
第六方面,提供一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各方面所述的方法。
第七方面,提供一种编码装置,包括用于执行第一方面所述的编码方法的各个步骤的模块。
第八方面,提供一种编码装置,包括用于执行第二方面所述的解码方法的各个步骤的模块。
点云在空间中经常呈现非均匀分布的特性,为了能够与点云的空间分布特征适配,本申请采用非均匀量化的方式对点云进行量化,这样可以提高点云的编码质量。
图1是相关技术中的编码方式的示意图。
图2是笛卡尔坐标系下的基于八叉树的空间划分方式示意图。
图3是八叉树编码方式的示例图。
图4是相关技术中的解码方式的示例图。
图5是本申请实施例提供的点云的编码方式的示意性流程图。
图6是图5中的步骤S520的一种可能的实现方式的示意性流程图。
图7是在本申请一个实施例提供的新位置坐标系下进行八叉树划分的示例图。
图8是本申请实施例提供的点云的解码方式的示意性流程图。
图9是本申请实施例提供的编码装置的示意性结构图。
图10是本申请实施例提供的解码装置的示意性结构图。
点云是三维物体或三维场景的一种表现形式。点云通常由三维空间中的离散点组成。这些离散点可用于表达三维物体或场景空间结构和表面属性。下文将点云中的离散点称为点云点。
为了准确反映三维空间中的信息,通常需要大量的点云点对三维空间中的物体进行表征。
点云的数据通常包括点云的位置坐标以及点云的属性信息。点云的位置坐标可用于描述点云点在三维空间中的位置。点云的属性信息例如可以包括点云点的颜色信息,还可以包括点云点的反射率等其他信息。
为了减少点云在存储和传输时所占用的带宽,可以对点云进行编码,以压缩点云的数据量。在点云的编码过程中,点云的位置坐标编码与点云的属性信息编码通常是分开进行的。本申请主要涉及点云的位置坐标编解码过程,因此,下文主要针对点云的位置坐标的编解码过程进行描述,点云的属性信息的编解码过程可以参见相关技术,本申请实施例对此并不限定。
图1是点云的位置坐标的编码过程的总体流程的示意图。如图1所示,点云的位置坐标的编码过程可以包括步骤S12和步骤S14。
在步骤S12,对待编码的点云进行量化。
为了实现点云的量化,相关技术中通常对点云进行几何量化和八叉树编码。几何量化的过程例如可以采用下述方式进行:首先,可以根据点云点的位置坐标在三个轴的最大值、最小值之间的差值,以及预先确定的量化精度,对点云的位置坐标进行量化,以将点云中的点云点的位置坐标转换为大于或等于零的整数坐标。
八叉树编码是一种利用八叉树划分方式对点云的坐标位置进行压缩的方法。完整的八叉树划分过程包括多层的八叉树划分,其中每层八叉树的划分均利用当前块的中心点的坐标进行子块划分,通过中心点将当前块划分为八个小的体积相同的子块。
例如,首先可以根据点云的位置坐标(点云的位置坐标可以是该点云的经过几何量化和/或去除重复坐标之后的位置坐标),选择三个维度(x,y,z)方向上的位置坐标的最大值和最小值。然后,可以根据选定的这些量化值确定待划分的初始化空间。
以图2为例,该初始化空间通常为如图2所示的立方体盒子。该立方体盒子的边长的取值通常需要满足如下条件:该边长的取值为2的整数次幂,该边长的取值为大于或等于三个维度方向上的位置坐标的最大值中的最接近该最大值的值。
在确定初始化空间之后,接着对该初始化空间进行多层的八叉树划分。 每层八叉树划分均可利用当前块的中心点的坐标进行空间划分,通过中心点将当前块划分为八个体积相等的子块。图2示出了初始化空间进行首次划分后得到的划分结果,从图2可以看出,初始化空间被均匀划分成8个体积相等的子块。在八叉树中,初始化空间为根节点,这些子块为该根节点的叶子节点,称为第一层叶子节点。
在得到第一层叶子节点之后,可以判断第一层的每个叶子节点内是否存在点云点,对存在点云点的叶子节点再进一步划分,直至该叶子节点的边长小于阈值时停止八叉树划分。该阈值例如可以是1。
在对点云的位置坐标进行八叉树编码时,可以按照八叉树的广度优先遍历顺序,逐层进行编码。在逐层编码时,可以逐层逐个编码每个八叉树的划分结果,即判断当前子块进行八叉树划分后得到的八个子块是否含有点云点。如果该块的某个子块含有点云点,则对该子块进行进一步划分,否则停止划分。
下面以图3为例进行说明,图3中黑色方块表示当前子块内含有点云点,白色方块表示当前子块内不含有点云点。对初始空间(根节点)进行第一层八叉树划分,得到如图3所示的划分结果。图3中的第一层的节点中的第三个节点为黑色方块,其余节点为白色方块,说明初始空间划分得到的第三个子块含有点云点,剩余七个子块不含有点云点。这样的划分结果可以用8bit来表示,如00100000。接着,可以对初始空间划分得到的第三个子块进行第二层八叉树划分。图3中的第二层的节点中的第三个和第八个节点为黑色方块,表示第二层八叉树划分得到的八个子块中的第三个子块和第八个子块内含有点云点,因此,第二层八叉树划分的划分结果可以用00100001来表示。同理,第三层八叉树划分的划分结果为10010000和01000001。图3中的划分结果对应的二进制码流可以为0010 0000 0010 0001 1001 0000 0100 0001……。
后续的八叉树划分方式与前几层的八叉树划分方式相似,此处不再详述。当划分到最后八叉树的一层(最后一层可以是子块边长为1的层)时,达到了八叉树的底层,即达到了八叉树的叶子节点,不需要再进一步划分。
然后,可以对八叉树的叶子节点对应的子块内含有的点云点的数目进行编码。例如,当某个叶子节点对应的子块内含有一个点云点时,可以直接编码一个0;当某个叶子节点对应的子块内含有n个点云点时,可以先编码一 个1,接着编码数值(n-1)。
相关技术就是通过上述过程,将点云中的点云点量化至三维空间中的某个子块,从而实现了点云数据量的压缩。
在步骤S14,对量化的结果进行算术编码。
例如,可以先依次将经过八叉树划分得到的二进制比特流逐字节送入算术编码引擎中进行算术编码,再将表示叶子节点对应的子块内含有的点云点的数目的二进制比特流送入算术编码引擎中进行算术编码。算术编码的具体过程可以参见相关技术,本申请实施例对此并不限定。
图4示出的是点云的位置坐标的解码过程。解码过程主要包括步骤S42描述的算术解码过程,以及步骤S44描述的逆量化过程。通过上述过程,即可重建出点云的位置坐标。
首先,可以利用步骤S42对待解码的码流进行算术解码,得到待逆量化的数据(对应于编码端经过步骤S12得到的量化的结果)。步骤S44描述的是逆量化过程。逆量化过程与编码端的量化过程类似。例如,均可以先确定点云的初始化空间(初始化空间的尺寸可以由编码端写入码流,解码端从码流中获取即可),然后对初始化空间进行多叉树划分。解码端采用与编码端一致的空间划分方式对初始化空间进行划分。例如,编解码端均可对初始化空间进行八叉树划分。算术解码和逆量化的详细实现方式可以参见相关技术以及前文的描述,为了简洁,此处不再详述。
上文结合图1至图4,对相关技术的编码过程进行了介绍。从上文描述可以看出,相关技术采用的是均匀量化方案,即在笛卡尔坐标系下均匀地对三维空间进行八叉树划分。但是,点云在三维空间中的分布经常是不均匀的。例如,由于激光雷达、激光扫描仪等激光发射设备通常会以设备为中心向外发射激光,并获取激光碰到外界物体之后的返回信号以实现点云的采集,因此,其采集到的点云具有如下特征:靠近激光发射设备的点云稠密,远离激光发射设备的点云稀疏,如果采用均匀量化方案对点云进行量化,则会出现量化方案与点云的实际分布特征不符的现象,从而会导致点云的编码质量较差。
下面结合图5,对本申请实施例提供的点云的编码方式进行详细描述。图5的方法可以由编码装置执行。图5的方法包括步骤S520至步骤S540。
在步骤S520中,根据点云的位置坐标对点云进行非均匀量化。
在步骤S540中,根据非均匀量化的结果生成点云的码流。
点云在空间中经常呈现非均匀分布的特性,为了能够与点云的空间分布特征相匹配,本申请实施例采用非均匀量化方案对点云进行量化,以提高点云的编码质量。
需要说明的是,不应将本申请的非均匀量化中的“量化”与相关技术中的几何量化相混淆。本申请提及的“非均匀量化”中的“量化”既可以包括基于多叉树的空间划分过程,有时也可以包括空间划分之前的几何量化和/或去除重复坐标等操作。在某些情况下,本申请提及的“非均匀量化”也可替换为“非均匀采样”或“非均匀划分”。
本申请提及的多叉树划分不限于八叉树划分,可以是以下中的一种或多种的组合:八叉树划分、四叉树划分以及二叉树划分。
与均匀量化方案不同,非均匀量化方案对点云中的点云点采用的量化精度是有差异的,该差异可以视点云点在三维空间中的分布情况而定。例如,非均匀量化方案对点云中的点云点采用的量化精度可以与点云点在三维空间中的位置有关。
可选地,作为一种实现方式,非均匀量化满足:点云中的与原点(点云的位置坐标系的坐标原点)距离较远的点云点的量化精度小于点云中的与原点距离较近的点云点的量化精度。
例如,激光雷达、激光扫描仪等激光发射设备采集到的点云通常呈现成如下分布特性:距离激光发射设备较近的点云稠密,距离激光发射设备较远的点云稀疏。针对此类点云,将点云中的与原点距离较远的点云点的量化精度设置的较低,将点云中的与原点距离较近的点云点的量化精度设置的较高,可以使得点云的量化方式与点云在空间中的分布特性相匹配,从而可以提高点云的编码质量。
当然,以上仅是一种可能的实现方式,如果点云在三维空间中的分布满足如下特征:在三维空间中的近处分布稀疏、在三维空间中的远处分布稠密,也可以采用本申请实施例提供的非均匀量化方案进行量化,使得点云中的与原点距离较远的点云点的量化精度大于点云中的与原点距离较近的点云点的量化精度。
本申请实施例对点云的位置坐标所处的坐标系不做具体限定,可以是笛卡尔坐标系,也可以是球坐标系,也可以是柱坐标系,也可以是本申请实施 例提供的新位置坐标系(详见后文)。
点云的位置坐标可以包括在三个维度上的位置坐标。本申请提及的非均匀量化可以是该三个维度上的至少一个维度的非均匀量化。例如,可以对点云的位置坐标在该三个维度上均进行非均匀量化,也可以对点云的位置坐标在该三个维度上的部分维度进行非均匀量化。此外,针对三维空间中的某个维度进行非均匀量化时,可以对点云中的所有点云点均进行非均匀量化,也可以对点云中的部分点云点进行非均匀量化。以球坐标为例,假设点云在R维度的最小值为R
min,最大值为R
max,则可以在[R
min,R
max]这一位置区间进行非均匀量化,也可以在该位置区间中的部分区间进行非均匀量化。
作为一个示例,点云的位置坐标可以包括沿距离维度的位置坐标,且距离维度的位置坐标被非均匀量化。点云的坐标中的除距离维度之外的其余维度上的位置坐标可以被均匀量化,也可以被非均匀量化,本申请实施例对此并不限定。
距离维度的位置坐标的定义方式与点云的位置坐标所处的坐标系有关,本申请实施例对此并不限定。例如,点云的位置坐标所处的坐标系可以是球坐标系,距离维度的位置坐标可以是球坐标系下的径向距离。又如,点云的位置坐标所处的坐标系可以是柱坐标系,距离维度的位置坐标可以是柱坐标系中的平面极坐标系下的极径。
以球坐标系为例,球坐标系可以包括径向距离坐标、天顶角坐标和方位角坐标在内的三个维度的位置坐标。如果点云的位置坐标为球坐标系下的位置坐标,则本申请实施例提及的距离维度的位置坐标可以指径向距离坐标,除距离维度之外的其余维度上的位置坐标可以指天顶角坐标和方位角坐标。在该例子中,可以对径向距离坐标进行非均匀量化,对天顶角坐标和方位角坐标进行均匀量化。
以柱坐标系为例,柱坐标系可以包括柱坐标系中的平面极坐标系下的极径坐标,柱坐标系中的平面极坐标系下的极角坐标,柱坐标系中的Z坐标(或称高度坐标,也可称为Z变量)。如果点云的位置坐标为柱坐标系下的位置坐标,则本申请实施例提及的距离维度的位置坐标可以指极径坐标,除距离维度之外的其余维度上的位置坐标可以指极角坐标和Z坐标。在该例子中,可以对极径坐标进行非均匀量化,对极角坐标和Z坐标进行均匀量化。
作为另一个示例,点云的位置坐标可以为笛卡尔坐标系下的位置坐标。 在这种情况下,可以对笛卡尔坐标下的x维度的位置坐标进行非均匀量化,并对y维度和/或z维度上的位置坐标进行均匀量化。
本申请提及的非均匀量化中的“量化”可用于将点云中的点云点在三个维度中每个维度上的位置坐标分别映射到该维度的不同位置区间(本申请提及的位置区间有时也可称为量化区间)内。该非均匀量化中的“非均匀”可以指经过上述映射,点云在至少一个维度上的位置坐标分别被映射到维度的不同位置区间内,且该至少一个维度的不同位置区间的长度不同。
需要说明的是,本申请提及的某个维度的位置区间可以指该维度经过多叉树划分之后的叶子节点的位置区间(或称叶子节点的边长)。
上文指出,点云在至少一个维度的不同位置区间的长度不同。需要说明的是,这里提及的至少一个维度可以是球坐标系下的距离维度,也可以是笛卡尔坐标系下的x(或y,或z)维度,本申请实施例对此并不限定。以至少一个维度为距离维度为例,则该距离维度可以包括第一位置区间和第二位置区间为例,假设第一位置区间相比第二位置区间更靠近原点,则可以对第一位置区间和第二位置区间的长度进行设置,使得第一位置区间的长度小于第二位置区间的长度,或者使得第一位置区间的长度大于第二位置区间的长度。
一般而言,在量化过程中,会先确定初始化空间,然后对该初始化空间进行多叉树划分。前文已经结合图1至图3详细描述了相关技术中的多叉树划分方式,从图1至图3相关的描述可以看出,在对多叉树的每一层进行划分时,相关技术均采用均匀划分方式对空间进行划分。此外,在对点云的每个维度进行划分时,该维度的整个距离范围均采用统一的划分截止阈值(如1)来控制多叉树划分的深度,也即当节点在该维度上的位置区间长度小于或小于等于划分截止阈值时,则在该维度上停止继续划分。
为了将点云在至少一个维度上的位置坐标映射到该维度的不同位置区间,一种可能的实现方式是:根据点云的位置坐标确定初始化空间;对初始化空间进行多叉树划分,得到位置划分结果,其中,多叉树的各叶子节点中存在在三个维度上的至少一个维度上的位置区间长度不同的叶子节点。
在划分时,可以在该至少一个维度上采用非均匀划分,或者,可以为不同的叶子节点设置不完全相同的划分截止阈值,使得不同叶子节点的位置区间长度不完全相同。例如,在至少一个维度上,可以将点云在该维度的两个距离范围内的第一距离范围内的叶子节点设置的划分截止阈值设置为第一 阈值,将第二距离范围内的叶子节点设置的划分截止阈值设置为第二阈值,其中第一阈值和第二阈值为不同阈值。这样一来,该两个距离范围内的叶子节点的位置区间长度就会不同。
下面分别对非均匀划分的实现方式,以及为叶子节点设置不完全相同的划分截止阈值的实现方式进行更为详细的举例说明。
可选地,作为一种可能的实现方式,在多叉树划分过程中,可以针对点云的至少一个维度进行非均匀划分。以点云的位置坐标为球坐标系下的位置坐标为例,可以先确定点云在球坐标系下的初始化空间。然后,针对径向距离这一维度,可以不对初始化空间进行对半划分,而是采用3/4和1/4等非等比例划分;或者,针对径向距离这一维度,可以对初始化空间进行等比例划分,而对多叉树的中间层的划分采用非等比例划分;或者,可以使用上述方式的组合。总之,针对径向距离这一维度,可以将多叉树的一层或多层的划分方式从均匀划分更改成非均匀划分,使得点云在径向距离这一维度的叶子节点对应的位置区间长度不同即可。柱坐标系和笛卡尔坐标系下的处理方式同理,这里不再详述。
可选地,作为另一种可能的实现方式,多叉树划分仍然可以采用均匀划分。不同的是,点云在至少一个维度的不同距离范围内的划分截止阈值可以设置成不同的值,这样一来,点云在至少一个维度的不同距离范围内,叶子节点的位置区间的长度就会不同。这样也可以实现点云在至少一个维度的不同位置区间的长度不同的目的。
以点云的位置坐标为球坐标系下的位置坐标为例,假设希望点云在球坐标系下的距离维度(即球坐标系下的径向距离的维度)的位置坐标分别映射到所述距离维度的长度不同的位置区间内,一种可能的实现方式是:先确定点云的初始化空间;然后,利用多叉树划分,在距离维度对该初始化空间进行对半划分,将距离维度的整个距离范围划分成相等的第一距离范围和第二距离范围;接着,可以将第一距离范围和第二距离范围内的多叉树划分的划分截止阈值设置成不同值,例如,可以将第一距离范围内的划分截止阈值设置成2,并将第一距离范围内的划分截止阈值设置成1,则两个距离范围内最终划分出的叶子节点的位置区间的长度就会不同。当然,距离范围的确定方式可以有多种,本申请实施例对此并不限定,以上仅是一个示例。例如,还可以将初始化空间进行两次划分,得到4个距离范围之后,再为每个距离 范围配置不同的划分截止阈值。
以点云的位置坐标为柱坐标系下的位置坐标为例,假设希望点云在柱坐标系下的距离维度(即柱坐标系中的平面极坐标系下的极径对应的维度)的位置坐标分别映射到所述距离维度的长度不同的位置区间内,一种可能的实现方式是:先确定点云的初始化空间;然后,利用多叉树划分,在距离维度对该初始化空间进行对半划分,将距离维度的整个距离范围划分成相等的第一距离范围和第二距离范围;接着,可以将第一距离范围和第二距离范围内的多叉树划分配置不同的划分截止阈值,例如,可以将第一距离范围内的划分截止阈值设置成2,并将第一距离范围内的划分截止阈值设置成1,则两个距离范围内的最终划分出的叶子节点的位置区间长度就会不同。当然,距离范围的确定方式可以有多种,本申请实施例对此并不限定,以上仅是一个示例。例如,还可以将初始化空间进行两次划分,得到4个距离范围之后,为每个距离范围配置不同的划分截止阈值。
总之,上述实施例的目标均是将点云的位置坐标映射到长度不同的位置区间(如叶子节点对应的位置区间,或叶子节点的边长),上述实施例从不同维度提供了多种实现方式,无论是哪种实现方式,最终的结果均是:在至少一个维度上,不同距离范围内的点云均会被映射到了长度不同的位置区间,以实现对点云的非均匀量化。
举例说明,点云的位置坐标为球坐标系下的位置坐标,距离维度为球坐标系下的径向距离对应的维度,距离维度包括第一距离范围和第二距离范围,则可以将第一位置区间位于第一距离范围内,且第一位置区间设置为(0,2
d×a),并将第二位置区间位于第二距离范围内,且第二位置区间设置为(2
d×a,2
d)。点云中的点云点在距离维度上的坐标D可以满足:
其中,R可以表示点云点在球坐标系下的径向距离,R
near可以表示R的最小量化距离,R
far可以表示R的最大量化距离,0.5<a<1(a例如可以是 7/8),int表示取整操作,d表示预先设定的量化位数。
在某个维度上设置长度不同的位置区间,可以将点云中的点云点按位置区间分段。虽然每一位置区间均可以进行均匀量化(即分段均匀量化),但由于不同位置区间的长度不同,因此,不同位置区间的量化精度并不一样,整体上呈现出的是非均匀量化。
上文给出的非均匀量化的实现方式均是在传统坐标系(传统的笛卡尔坐标系,球坐标系,柱坐标系)下的实现方式。可选地,在某些实施例中,还可以通过将点云的位置坐标转换至新位置坐标以实现非均匀量化。下面以图6为例,对这种实现方式进行详细的举例说明。
如图6所示,步骤S520可以包括步骤S522和步骤S524。
在步骤S522,将点云的位置坐标转换成新位置坐标。
在步骤S524,根据点云的新位置坐标确定初始化空间,对初始化空间进行位置划分,得到非均匀量化的结果。
步骤S522提及的点云的位置坐标可以是笛卡尔坐标系下的位置坐标,也可以是球坐标系或柱坐标系下的位置坐标。如果点云的位置坐标为笛卡尔坐标系下的位置坐标,则步骤S522可以包括:先将点云的位置坐标由笛卡尔坐标系表示转换到球坐标系下表示或柱坐标系下表示;再将点云转换后的位置坐标转换为定点数表示,生成新位置坐标。
当然,在某些实施例中,输入的点云可以为新位置坐标系下的点云,在这种情况下,无需进行坐标转换。
本申请实施例对新位置坐标的形式不做具体限定,下面给出几种可能的实现方式。
可选地,作为一个可能的实现方式,新位置坐标可以包括第一角度坐标,第二角度坐标和距离坐标。点云点的第一角度坐标可用于指示点云点在球坐标系下的天顶角。点云点的第二角度坐标可用于指示点云点在球坐标系下的方位角。点云点的距离坐标可以为R
-n的函数,其中,R表示点云点在球坐标系下的径向距离,n大于0。
或者,点云点的第一角度坐标可用于指示点云点在柱坐标系中的平面极坐标系下的极角,点云点的高度坐标用于指示点云点在柱坐标系中的Z变量,点云点的距离坐标为R
-n的函数,其中,R表示点云点在柱坐标系中的平面极坐标系下的极径,n大于0。
作为一个示例,新位置坐标中的距离坐标D可以为R
-1的函数。例如,新位置坐标中的距离坐标D满足:
或者,
其中,
可以表示D的最大量化值,
可以表示D的最小量化值,int表示取整操作,d表示预先设定的量化位数。新位置坐标中的第一角度坐标可以设置为:点云点在球坐标系下的天顶角,也可设置为
其中,θ′表示点云点在球坐标系下的天顶角,d表示预先设定的量化位数。新位置坐标中的第二角度坐标可以设置为:
其中,
表示点云点在球坐标系下的方位角,d表示预先设定的量化位数。
又如,新位置坐标中的距离坐标D可以为R
-0.5的函数。例如,新位置坐标中的距离坐标D满足:
其中,D表示点云点在新位置坐标系下的距离坐标,
表示D的最大量化值,
表示D的最小量化值,int表示取整操作,d表示预先设定的量化位数。新位置坐标中的第一角度坐标可以设置为:点云点在球坐标系下的天顶角,也可设置为
其中,θ′表示点云点在球坐标系下的天顶角,d表示预先设定的量化位数。新位置坐标中的第二角度坐标可以设置为:
其中,
表示点云点在球坐标系下的方位角,d表示预先设定的量化位数。
又如,新位置坐标中的距离坐标D可以为R
-2的函数。例如,新位置坐标中的距离坐标可以设置为:
其中,D表示点云点在新位置坐标系下的距离坐标,
表示D的最大量化值,
表示D的最小量化值,int表示取整操作,d表示预先设定的量化位数。新位置坐标中的第一角度坐标可以设置为:点云点在球坐标系下的天顶角,也可设置为
其中,θ′表示点云点在球坐标系下的天顶角,d表示预先设定的量化位数。新位置坐标中的第二角度坐标可以设置为:
其中,
表示点云点在球坐标系下的方位角,d表示预先设定的量化位数。
可选地,作为另一个可能的实现方式,新位置坐标可以包括第一角度坐标,第二角度坐标和距离坐标。点云点的第一角度坐标可用于指示点云点在球坐标系下的天顶角。点云点的第二角度坐标可用于指示点云点在球坐标系下的方位角。点云点的距离坐标可以为log(R)的函数,其中,R表示点云点在球坐标系下的径向距离。
或者,点云点的第一角度坐标可用于指示点云点在柱坐标系中的平面极坐标系下的极角,点云点的高度坐标用于指示点云点在柱坐标系中的Z变量,点云点的距离坐标为log(R)的函数,其中,R表示点云点在柱坐标系中的平面极坐标系下的极径。
例如,新位置坐标中的距离坐标可以设置为:
其中,D表示点云点在新位置坐标系下的距离坐标,
表示D的最大量化值,
表示D的最小量化值,int表示取整操作,d表示预先设定的量化位数。新位置坐标中的第一角度坐标可以设置为:点云点在球坐标系下的天顶角,也可设置为
其中,θ′表示点云点在球坐标系下的天顶角,d表示预先设定的量化位数。新位置坐标中的第二角度坐标可以设置为:
其中,
表示点云点在球坐标系下的方位角,d表示预先设定的量化位数。
需要说明的是,本申请实施例对上述实施例中的R
near和R
far的取值不做具体限定,可以综合考虑待编码的点云的特点以及编码效率等因素确定二者的取值。如果将R
near和R
far设定为两个可变参量,可以将R
near和R
far写入码流中。如果码流中不包含该两个参量,则可以默认R
near和R
far的取值为默认值。R
near的默认值例如可以是点云中的在球坐标系下径向距离最大的点云点对应的径向距离,也可以设置为其他固定值;R
far的默认值例如可以是点云中的在球坐标系下径向距离最小的点云点对应的径向距离,也可以设置为其他固定值。
步骤S524可以进一步包括:根据点云在新位置坐标系下的位置坐标确定初始化空间;对初始化空间进行多叉树划分。
例如,可以对初始空间进行八叉树划分。或者,也可以对初始空间进行八叉树四叉树划分。或者,也可以对初始空间进行八叉树四叉树二叉树划分。本申请实施例对此并不限定。以新位置坐标可以包括上文提及的第一角度坐标,第二角度坐标和距离坐标,初始化空间采用八叉树划分为例,则新位置 坐标下的划分方式如图7所示。
以激光雷达采集到的点云为例,该点云在距离原点较近的区域往往分布较为稠密,而在距离原点较远的区域,由于激光雷达的分辨率在远处较为粗糙,因此,远处的点云分布较为稀疏。基于R
-n或log(R)的球坐标或柱坐标充分考虑了激光雷达采集到的此类点云的分布特性,在此类坐标系下进行均匀采样,相当于在转换前的坐标系(如笛卡尔坐标系)下进行非均匀采样。以球坐标为例,当点云点的径向距离R较小时,Δ(1/R)相比于1/R
far很大,即量化精度较高,反之,当点云点的径向距离R较大时,Δ(1/R)相比于1/R
far很小,即量化精度较低,从而实现点云的非均匀量化。
上文结合图1至图7,对本申请实施例提供的点云数据的编码方法进行了详细描述。下文结合图8,对本申请实施例提供的点云数据的解码方法进行详细描述。解码方法为编码方法相互对应,为了简洁,适当省略重复的描述。
如图8所示,本申请实施例提供的点云数据的编码方法包括步骤S810和步骤S820。
在步骤S810,根据点云的码流,获取所述点云的非均匀量化的结果。
在步骤S820,对所述非均匀量化的结果进行逆量化,得到所述点云的位置坐标。
可选地,所述非均匀量化满足:所述点云中的与原点距离较远的点云点的量化精度小于所述点云中的与原点距离较近的点云点的量化精度。
可选地,所述点云的位置坐标包括在三个维度上的位置坐标,至少一个维度上的位置坐标被非均匀量化。
可选地,所述点云的位置坐标包括沿距离维度的位置坐标,所述距离维度的位置坐标被非均匀量化。
可选地,所述点云的位置坐标中除所述距离维度之外其余维度上的位置坐标被均匀量化。
可选地,所述非均匀量化用于将所述点云中的点云点在三个维度中每个维度上的位置坐标分别映射到所述维度的不同位置区间内,所述至少一个维度上的位置坐标被非均匀量化可以包括:至少一个维度上的位置坐标分别被映射到所述维度的不同位置区间内,其中,所述维度的不同位置区间的长度不同。
可选地,所述点云的位置坐标包括沿距离维度的位置坐标,所述距离维度上的不同位置区间的长度不同。
可选地,所述距离维度上包括第一位置区间和第二位置区间,所述第一位置区间相比所述第二位置区间更靠近原点,其中,所述第一位置区间的长度小于所述第二位置区间的长度。
可选地,所述点云的位置坐标为球坐标系下的位置坐标,所述距离维度为所述球坐标系下的径向距离对应的维度,所述距离维度包括第一距离范围和第二距离范围,所述第一位置区间位于所述第一距离范围内,且所述第一位置区间为(0,2
d×a),所述第二位置区间位于所述第二距离范围内,且所述第二位置区间为(2
d×a,2
d),所述点云中的点云点在距离维度上的坐标D满足:
其中,R表示所述点云点在球坐标系下的径向距离,R
near表示R的最小量化距离,R
far表示R的最大量化距离,0.5<a<1,int表示取整操作,d表示预先设定的量化位数。
可选地,所述三个维度中除所述距离维度之外其余维度上的不同位置区间的长度相同。
可选地,所述对所述非均匀量化的结果进行逆量化可以包括:根据所述码流,确定初始化空间;对所述初始化空间进行多叉树划分,得到位置划分结果,其中,所述多叉树的各叶子节点中存在在所述三个维度上的至少一个维度上的位置区间长度不同的叶子节点。
可选地,所述点云的位置坐标可以包含在距离维度上的位置坐标;所述多叉树的不同叶子节点在所述距离维度上的位置区间长度不同。
可选地,在距离维度上,所述多叉树中,靠近原点的叶子节点的位置区间长度小于远离原点的叶子节点的位置区间长度。
可选地,所述对所述初始化空间进行多叉树划分,得到位置划分结果, 包括:对所述初始化空间进行多叉树划分;当所述多叉树中的节点在距离维度上的位置区间长度小于或者小于等于划分截止阈值时,停止所述节点在所述距离维度上的进一步划分,得到位置划分结果,其中,在所述距离维度上存在具有不同划分截止阈值的叶子节点。
可选地,所述点云的位置坐标为球坐标系下的位置坐标或者柱坐标系下的位置坐标。
可选地,所述对所述非均匀量化的结果进行逆量化可以包括:对所述非均匀量化的结果进行逆量化,得到所述点云的新位置坐标;其中,所述新位置坐标包括第一角度坐标,第二角度坐标和距离坐标,所述点云中的点云点的第一角度坐标用于指示所述点云点在球坐标系下的天顶角,所述点云点的第二角度坐标用于指示所述点云点在球坐标系下的方位角,所述点云点的距离坐标为R
-n或log(R)的函数,其中,R表示所述点云点在球坐标系下的径向距离,n大于0;或者,所述新位置坐标包括第一角度坐标、距离坐标和高度坐标,所述点云中的点云点的第一角度坐标用于指示所述点云点在柱坐标系中的平面极坐标系下的极角,所述点云点的高度坐标用于指示所述点云点在柱坐标系中的Z变量,所述点云点的距离坐标为R
-n或log(R)的函数,其中,R表示所述点云点在柱坐标系中的平面极坐标系下的极径,n大于0;根据所述点云的新位置坐标确定初始化空间,对所述初始化空间进行位置划分,得到所述非均匀量化的结果。
可选地,所述新位置坐标中的距离坐标满足以下式子中的一种:
可选地,所述R
near表示所述点云中的距离原点最近的点云点的距离坐标和/或R
far表示所述点云中的距离原点最远的点云点的距离坐标。
可选地,所述点云点的第一角度坐标满足:
其中,θ′表示所述点云点在球坐标系下的天顶角,d表示预先设定的量化位数。
可选地,所述点云点的第二角度坐标满足:
可选地,所述对所述非均匀量化的结果进行逆量化,得到所述点云的新位置坐标可以包括:根据所述码流,确定初始化空间;对所述初始化空间进行多叉树划分。
可选地,对所述初始化空间进行多叉树划分可以包括:对所述初始化空间进行八叉树划分,或者进行八叉树四叉树划分,或者进行八叉树四叉树二叉树划分。
可选地,所述根据点云的码流,获取所述点云的非均匀量化的结果可以包括:对所述点云的码流进行算术解码,得到所述非均匀量化的结果。
上文结合图1至图8,详细描述了本申请实施例提供的点云的编解码方法,下文结合图9和图10,详细描述本申请实施例提供的点云的编解码装 置。装置实施例的描述与方法实施例的描述相互对应,因此,未详细描述的部分可以参见前面方法实施例。
图9是本申请实施例提供的编码装置的示意性结构图。图9的编码装置900包括存储器910和处理器920。
存储器910可用于存储程序。
处理器920可用于执行所述存储器中存储的程序,以执行如下操作:根据点云的位置坐标对所述点云进行非均匀量化;根据所述非均匀量化的结果生成所述点云的码流。
可选地,所述非均匀量化满足:所述点云中的与原点距离较远的点云点的量化精度小于所述点云中的与原点距离较近的点云点的量化精度。
可选地,所述点云的位置坐标包括在三个维度上的位置坐标,至少一个维度上的位置坐标被非均匀量化。
可选地,所述点云的位置坐标包括沿距离维度的位置坐标,所述距离维度的位置坐标被非均匀量化。
可选地,所述点云的位置坐标中除所述距离维度之外其余维度上的位置坐标被均匀量化。
可选地,所述非均匀量化用于将所述点云中的点云点在三个维度中每个维度上的位置坐标分别映射到所述维度的不同位置区间内,所述至少一个维度上的位置坐标被非均匀量化,可以包括:至少一个维度上的位置坐标分别被映射到所述维度的不同位置区间内,其中,所述维度的不同位置区间的长度不同。
可选地,所述点云的位置坐标包括沿距离维度的位置坐标,所述距离维度上的不同位置区间的长度不同。
可选地,所述距离维度上包括第一位置区间和第二位置区间,所述第一位置区间相比所述第二位置区间更靠近原点,其中,所述第一位置区间的长度小于所述第二位置区间的长度。
可选地,所述点云的位置坐标为球坐标系下的位置坐标,所述点云的位置坐标为球坐标系下的位置坐标,所述距离维度为所述球坐标系下的径向距离对应的维度,所述距离维度包括第一距离范围和第二距离范围,所述第一位置区间位于所述第一距离范围内,且所述第一位置区间为(0,2
d×a),所述第二位置区间位于所述第二距离范围内,且所述第二位置区间为(2
d×a,2
d), 所述点云中的点云点在距离维度上的坐标D满足:
其中,R表示所述点云点在球坐标系下的径向距离,R
near表示R的最小量化距离,R
far表示R的最大量化距离,0.5<a<1,int表示取整操作,d表示预先设定的量化位数。
可选地,所述三个维度中除所述距离维度之外其余维度上的不同位置区间的长度相同。
可选地,所述根据点云的位置坐标对所述点云进行非均匀量化,可以包括:根据所述点云的位置坐标确定初始化空间;对所述初始化空间进行多叉树划分,得到位置划分结果,其中,所述多叉树的各叶子节点中存在在所述三个维度上的至少一个维度上的位置区间长度不同的叶子节点。
可选地,所述点云的位置坐标包含在距离维度上的位置坐标;所述多叉树的不同叶子节点在所述距离维度上的位置区间长度不同。
可选地,在距离维度上,所述多叉树中,靠近原点的叶子节点的位置区间长度小于远离原点的叶子节点的位置区间长度。
可选地,所述对所述初始化空间进行多叉树划分,得到位置划分结果,包括:对所述初始化空间进行多叉树划分;当所述多叉树中的节点在距离维度上的位置区间长度小于或者小于等于划分截止阈值时,停止所述节点在所述距离维度上的进一步划分,得到位置划分结果,其中,在所述距离维度上存在具有不同划分截止阈值的叶子节点。
可选地,所述点云的位置坐标为球坐标系下的位置坐标或者柱坐标系下的位置坐标。
可选地,所述根据点云的位置坐标对所述点云进行非均匀量化,可以包括:将所述点云的位置坐标转换成新位置坐标;其中,所述新位置坐标包括第一角度坐标,第二角度坐标和距离坐标,所述点云中的点云点的第一角度坐标用于指示所述点云点在球坐标系下的天顶角,所述点云点的第二角度坐 标用于指示所述点云点在球坐标系下的方位角,所述点云点的距离坐标为R
-n或log(R)的函数,其中,R表示所述点云点在球坐标系下的径向距离,n大于0;或者,所述新位置坐标包括第一角度坐标、距离坐标和高度坐标,所述点云中的点云点的第一角度坐标用于指示所述点云点在柱坐标系中的平面极坐标系下的极角,所述点云点的高度坐标用于指示所述点云点在柱坐标系中的Z变量,所述点云点的距离坐标为R
-n或log(R)的函数,其中,R表示所述点云点在柱坐标系中的平面极坐标系下的极径,n大于0;根据所述点云的新位置坐标确定初始化空间,对所述初始化空间进行位置划分。
可选地,所述新位置坐标中的距离坐标满足以下式子中的一种:
可选地,所述R
near表示所述点云中的距离原点最近的点云点的距离坐标和/或R
far表示所述点云中的距离原点最远的点云点的距离坐标。
可选地,所述点云点的第一角度坐标满足:
其中,θ′表示所述点云点在球坐标系下的天顶角,d表示预先设定的量化位数。
可选地,所述点云点的第二角度坐标满足:
可选地,所述根据点云的位置坐标对所述点云进行非均匀量化,可以包括:根据所述点云在所述新位置坐标系下的位置坐标确定初始化空间;对所述初始化空间进行多叉树划分。
可选地,对所述初始化空间进行多叉树划分,可以包括:对所述初始化空间进行八叉树划分,或者进行八叉树四叉树划分,或者进行八叉树四叉树二叉树划分。
可选地,所述点云的位置坐标为笛卡尔坐标系下的位置坐标;所述将所述点云的位置坐标转换成新位置坐标,包括:将所述点云的位置坐标由笛卡尔坐标系表示转换到球坐标系下表示或柱坐标系下表示;将所述点云转换后的位置坐标转换为定点数表示,生成新位置坐标。
可选地,所述根据所述非均匀量化的结果生成所述点云的码流,可以包括:对所述非均匀量化的结果进行算术编码,以生成所述点云的码流。
图10是本申请实施例提供的解码装置的示意性结构图。图10的解码装置1000包括:存储器1010和处理器1020。
存储器1010可用于存储程序。
处理器1020可用于执行所述存储器中存储的程序,以执行如下操作:根据点云的码流,获取所述点云的非均匀量化的结果;对所述非均匀量化的结果进行逆量化,得到所述点云的位置坐标。
可选地,所述非均匀量化满足:所述点云中的与原点距离较远的点云点的量化精度小于所述点云中的与原点距离较近的点云点的量化精度。
可选地,所述点云的位置坐标包括在三个维度上的位置坐标,至少一个维度上的位置坐标被非均匀量化。
可选地,所述点云的位置坐标包括沿距离维度的位置坐标,所述距离维 度的位置坐标被非均匀量化。
可选地,所述点云的位置坐标中除所述距离维度之外其余维度上的位置坐标被均匀量化。
可选地,所述非均匀量化用于将所述点云中的点云点在三个维度中每个维度上的位置坐标分别映射到所述维度的不同位置区间内,所述至少一个维度上的位置坐标被非均匀量化,可以包括:至少一个维度上的位置坐标分别被映射到所述维度的不同位置区间内,其中,所述维度的不同位置区间的长度不同。
可选地,所述点云的位置坐标包括沿距离维度的位置坐标,所述距离维度上的不同位置区间的长度不同。
可选地,所述距离维度上包括第一位置区间和第二位置区间,所述第一位置区间相比所述第二位置区间更靠近原点,其中,所述第一位置区间的长度小于所述第二位置区间的长度。
可选地,所述点云的位置坐标为球坐标系下的位置坐标,所述距离维度为所述球坐标系下的径向距离对应的维度,所述距离维度包括第一距离范围和第二距离范围,所述第一位置区间位于所述第一距离范围内,且所述第一位置区间为(0,2
d×a),所述第二位置区间位于所述第二距离范围内,且所述第二位置区间为(2
d×a,2
d),所述点云中的点云点在距离维度上的坐标D满足:
其中,R表示所述点云点在球坐标系下的径向距离,R
near表示R的最小量化距离,R
far表示R的最大量化距离,0.5<a<1,int表示取整操作,d表示预先设定的量化位数。
可选地,所述三个维度中除所述距离维度之外其余维度上的不同位置区间的长度相同。
可选地,所述对所述非均匀量化的结果进行逆量化可以包括:根据所述 码流,确定初始化空间;对所述初始化空间进行多叉树划分,得到位置划分结果,其中,所述多叉树的各叶子节点中存在在所述三个维度上的至少一个维度上的位置区间长度不同的叶子节点。
可选地,所述点云的位置坐标包含在距离维度上的位置坐标;所述多叉树的不同叶子节点在所述距离维度上的位置区间长度不同。
可选地,在距离维度上,所述多叉树中,靠近原点的叶子节点的位置区间长度小于远离原点的叶子节点的位置区间长度。
可选地,所述对所述初始化空间进行多叉树划分,得到位置划分结果,包括:对所述初始化空间进行多叉树划分;当所述多叉树中的节点在距离维度上的位置区间长度小于或者小于等于划分截止阈值时,停止所述节点在所述距离维度上的进一步划分,得到位置划分结果,其中,在所述距离维度上存在具有不同划分截止阈值的叶子节点。
可选地,所述点云的位置坐标为球坐标系下的位置坐标或者柱坐标系下的位置坐标。
可选地,所述对所述非均匀量化的结果进行逆量化,可以包括:对所述非均匀量化的结果进行逆量化,得到所述点云的新位置坐标;其中,所述新位置坐标包括第一角度坐标,第二角度坐标和距离坐标,所述点云中的点云点的第一角度坐标用于指示所述点云点在球坐标系下的天顶角,所述点云点的第二角度坐标用于指示所述点云点在球坐标系下的方位角,所述点云点的距离坐标为R
-n或log(R)的函数,其中,R表示所述点云点在球坐标系下的径向距离,n大于0;或者,所述新位置坐标包括第一角度坐标、距离坐标和高度坐标,所述点云中的点云点的第一角度坐标用于指示所述点云点在柱坐标系中的平面极坐标系下的极角,所述点云点的高度坐标用于指示所述点云点在柱坐标系中的Z变量,所述点云点的距离坐标为R
-n或log(R)的函数,其中,R表示所述点云点在柱坐标系中的平面极坐标系下的极径,n大于0;根据所述点云的新位置坐标确定初始化空间,对所述初始化空间进行位置划分,得到所述非均匀量化的结果。
可选地,所述新位置坐标中的距离坐标满足以下式子中的一种:
可选地,所述R
near表示所述点云中的距离原点最近的点云点的距离坐标和/或R
far表示所述点云中的距离原点最远的点云点的距离坐标。
可选地,所述点云点的第一角度坐标满足:
其中,θ′表示所述点云点在球坐标系下的天顶角,d表示预先设定的量化位数。
可选地,所述点云点的第二角度坐标满足:
可选地,所述对所述非均匀量化的结果进行逆量化,得到所述点云的新位置坐标,可以包括:根据所述码流,确定初始化空间;对所述初始化空间进行多叉树划分。
可选地,对所述初始化空间进行多叉树划分,可以包括:对所述初始化 空间进行八叉树划分,或者进行八叉树四叉树划分,或者进行八叉树四叉树二叉树划分。
可选地,所述根据点云的码流,获取所述点云的非均匀量化的结果,可以包括:对所述点云的码流进行算术解码,得到所述非均匀量化的结果。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其他任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc,DVD))、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (90)
- 一种点云的编码方法,其特征在于,包括:根据点云的位置坐标对所述点云进行非均匀量化;根据所述非均匀量化的结果生成所述点云的码流。
- 根据权利要求1所述的方法,其特征在于,所述非均匀量化满足:所述点云中的与原点距离较远的点云点的量化精度小于所述点云中的与原点距离较近的点云点的量化精度。
- 根据权利要求1所述的方法,其特征在于,所述点云的位置坐标包括在三个维度上的位置坐标,至少一个维度上的位置坐标被非均匀量化。
- 根据权利要求3所述的方法,其特征在于,所述点云的位置坐标包括沿距离维度的位置坐标,所述距离维度的位置坐标被非均匀量化。
- 根据权利要求4所述的方法,其特征在于,所述点云的位置坐标中除所述距离维度之外其余维度上的位置坐标被均匀量化。
- 根据权利要求3所述的方法,其特征在于,所述非均匀量化用于将所述点云中的点云点在三个维度中每个维度上的位置坐标分别映射到所述维度的不同位置区间内,所述至少一个维度上的位置坐标被非均匀量化,包括:至少一个维度上的位置坐标分别被映射到所述维度的不同位置区间内,其中,所述维度的不同位置区间的长度不同。
- 根据权利要求6所述的方法,其特征在于,所述点云的位置坐标包括沿距离维度的位置坐标,所述距离维度上的不同位置区间的长度不同。
- 根据权利要求7所述的方法,其特征在于,所述距离维度上包括第一位置区间和第二位置区间,所述第一位置区间相比所述第二位置区间更靠近原点,其中,所述第一位置区间的长度小于所述第二位置区间的长度。
- 根据权利要求7所述的方法,其特征在于,所述三个维度中除所述距离维度之外其余维度上的不同位置区间的长度相同。
- 根据权利要求6所述的方法,其特征在于,所述根据点云的位置坐标对所述点云进行非均匀量化,包括:根据所述点云的位置坐标确定初始化空间;对所述初始化空间进行多叉树划分,得到位置划分结果,其中,所述多叉树的各叶子节点中存在在所述三个维度上的至少一个维度上的位置区间长度不同的叶子节点。
- 根据权利要求11所述的方法,其特征在于,所述点云的位置坐标包含在距离维度上的位置坐标;所述多叉树的不同叶子节点在所述距离维度上的位置区间长度不同。
- 根据权利要求12所述的方法,其特征在于,在距离维度上,所述多叉树中,靠近原点的叶子节点的位置区间长度小于远离原点的叶子节点的位置区间长度。
- 根据权利要求11所述的方法,其特征在于,所述对所述初始化空间进行多叉树划分,得到位置划分结果,包括:对所述初始化空间进行多叉树划分;当所述多叉树中的节点在距离维度上的位置区间长度小于或者小于等于划分截止阈值时,停止所述节点在所述距离维度上的进一步划分,得到位置划分结果,其中,在所述距离维度上存在具有不同划分截止阈值的叶子节点。
- 根据权利要求4所述的方法,其特征在于,所述点云的位置坐标为 球坐标系下的位置坐标或者柱坐标系下的位置坐标。
- 根据权利要求3所述的方法,其特征在于,所述根据点云的位置坐标对所述点云进行非均匀量化,包括:将所述点云的位置坐标转换成新位置坐标;其中,所述新位置坐标包括第一角度坐标,第二角度坐标和距离坐标,所述点云中的点云点的第一角度坐标用于指示所述点云点在球坐标系下的天顶角,所述点云点的第二角度坐标用于指示所述点云点在球坐标系下的方位角,所述点云点的距离坐标为R -n或log(R)的函数,其中,R表示所述点云点在球坐标系下的径向距离,n大于0;或者,所述新位置坐标包括第一角度坐标、距离坐标和高度坐标,所述点云中的点云点的第一角度坐标用于指示所述点云点在柱坐标系中的平面极坐标系下的极角,所述点云点的高度坐标用于指示所述点云点在柱坐标系中的Z变量,所述点云点的距离坐标为R -n或log(R)的函数,其中,R表示所述点云点在柱坐标系中的平面极坐标系下的极径,n大于0;根据所述点云的新位置坐标确定初始化空间,对所述初始化空间进行位置划分,得到所述非均匀量化的结果。
- 根据权利要求16所述的方法,其特征在于,所述根据点云的位置坐标对所述点云进行非均匀量化,包括:根据所述点云在所述新位置坐标系下的位置坐标确定初始化空间;对所述初始化空间进行多叉树划分。
- 根据权利要求20所述的方法,其特征在于,对所述初始化空间进行多叉树划分,包括:对所述初始化空间进行八叉树划分,或者进行八叉树四叉树划分,或者进行八叉树四叉树二叉树划分。
- 根据权利要求16所述的方法,其特征在于,所述点云的位置坐标为笛卡尔坐标系下的位置坐标;所述将所述点云的位置坐标转换成新位置坐标,包括:将所述点云的位置坐标由笛卡尔坐标系表示转换到球坐标系下表示或 柱坐标系下表示;将所述点云转换后的位置坐标转换为定点数表示,生成新位置坐标。
- 根据权利要求1所述的方法,其特征在于,所述根据所述非均匀量化的结果生成所述点云的码流,包括:对所述非均匀量化的结果进行算术编码,以生成所述点云的码流。
- 一种点云的解码方法,其特征在于,包括:根据点云的码流,获取所述点云的非均匀量化的结果;对所述非均匀量化的结果进行逆量化,得到所述点云的位置坐标。
- 根据权利要求24所述的方法,其特征在于,所述非均匀量化满足:所述点云中的与原点距离较远的点云点的量化精度小于所述点云中的与原点距离较近的点云点的量化精度。
- 根据权利要求24所述的方法,其特征在于,所述点云的位置坐标包括在三个维度上的位置坐标,至少一个维度上的位置坐标被非均匀量化。
- 根据权利要求26所述的方法,其特征在于,所述点云的位置坐标包括沿距离维度的位置坐标,所述距离维度的位置坐标被非均匀量化。
- 根据权利要求27所述的方法,其特征在于,所述点云的位置坐标中除所述距离维度之外其余维度上的位置坐标被均匀量化。
- 根据权利要求26所述的方法,其特征在于,所述非均匀量化用于将所述点云中的点云点在三个维度中每个维度上的位置坐标分别映射到所述维度的不同位置区间内,所述至少一个维度上的位置坐标被非均匀量化,包括:至少一个维度上的位置坐标分别被映射到所述维度的不同位置区间内,其中,所述维度的不同位置区间的长度不同。
- 根据权利要求29所述的方法,其特征在于,所述点云的位置坐标包括沿距离维度的位置坐标,所述距离维度上的不同位置区间的长度不同。
- 根据权利要求30所述的方法,其特征在于,所述距离维度上包括第一位置区间和第二位置区间,所述第一位置区间相比所述第二位置区间更靠近原点,其中,所述第一位置区间的长度小于所述第二位置区间的长度。
- 根据权利要求30所述的方法,其特征在于,所述三个维度中除所述距离维度之外其余维度上的不同位置区间的长度相同。
- 根据权利要求29所述的方法,其特征在于,所述对所述非均匀量化的结果进行逆量化,包括:根据所述码流,确定初始化空间;对所述初始化空间进行多叉树划分,得到位置划分结果,其中,所述多叉树的各叶子节点中存在在所述三个维度上的至少一个维度上的位置区间长度不同的叶子节点。
- 根据权利要求34所述的方法,其特征在于,所述点云的位置坐标包含在距离维度上的位置坐标;所述多叉树的不同叶子节点在所述距离维度上的位置区间长度不同。
- 根据权利要求35所述的方法,其特征在于,在距离维度上,所述多叉树中,靠近原点的叶子节点的位置区间长度小于远离原点的叶子节点的位置区间长度。
- 根据权利要求34所述的方法,其特征在于,所述对所述初始化空间进行多叉树划分,得到位置划分结果,包括:对所述初始化空间进行多叉树划分;当所述多叉树中的节点在距离维度上的位置区间长度小于或者小于等于划分截止阈值时,停止所述节点在所述距离维度上的进一步划分,得到位 置划分结果,其中,在所述距离维度上存在具有不同划分截止阈值的叶子节点。
- 根据权利要求27所述的方法,其特征在于,所述点云的位置坐标为球坐标系下的位置坐标或者柱坐标系下的位置坐标。
- 根据权利要求26所述的方法,其特征在于,所述对所述非均匀量化的结果进行逆量化,包括:对所述非均匀量化的结果进行逆量化,得到所述点云的新位置坐标;其中,所述新位置坐标包括第一角度坐标,第二角度坐标和距离坐标,所述点云中的点云点的第一角度坐标用于指示所述点云点在球坐标系下的天顶角,所述点云点的第二角度坐标用于指示所述点云点在球坐标系下的方位角,所述点云点的距离坐标为R -n或log(R)的函数,其中,R表示所述点云点在球坐标系下的径向距离,n大于0;或者,所述新位置坐标包括第一角度坐标、距离坐标和高度坐标,所述点云中的点云点的第一角度坐标用于指示所述点云点在柱坐标系中的平面极坐标系下的极角,所述点云点的高度坐标用于指示所述点云点在柱坐标系中的Z变量,所述点云点的距离坐标为R -n或log(R)的函数,其中,R表示所述点云点在柱坐标系中的平面极坐标系下的极径,n大于0;根据所述点云的新位置坐标确定初始化空间,对所述初始化空间进行位置划分。
- 根据权利要求39所述的方法,其特征在于,所述对所述非均匀量化的结果进行逆量化,包括:根据所述码流,确定初始化空间;对所述初始化空间进行多叉树划分。
- 根据权利要求43所述的方法,其特征在于,对所述初始化空间进行多叉树划分,包括:对所述初始化空间进行八叉树划分,或者进行八叉树四叉树划分,或者进行八叉树四叉树二叉树划分。
- 根据权利要求24所述的方法,其特征在于,所述根据点云的码流, 获取所述点云的非均匀量化的结果,包括:对所述点云的码流进行算术解码,得到所述非均匀量化的结果。
- 一种编码装置,其特征在于,包括:存储器,用于存储程序;处理器,用于执行所述存储器中存储的程序,以执行如下操作:根据点云的位置坐标对所述点云进行非均匀量化;根据所述非均匀量化的结果生成所述点云的码流。
- 根据权利要求46所述的编码装置,其特征在于,所述非均匀量化满足:所述点云中的与原点距离较远的点云点的量化精度小于所述点云中的与原点距离较近的点云点的量化精度。
- 根据权利要求46所述的编码装置,其特征在于,所述点云的位置坐标包括在三个维度上的位置坐标,至少一个维度上的位置坐标被非均匀量化。
- 根据权利要求48所述的编码装置,其特征在于,所述点云的位置坐标包括沿距离维度的位置坐标,所述距离维度的位置坐标被非均匀量化。
- 根据权利要求49所述的编码装置,其特征在于,所述点云的位置坐标中除所述距离维度之外其余维度上的位置坐标被均匀量化。
- 根据权利要求48所述的编码装置,其特征在于,所述非均匀量化用于将所述点云中的点云点在三个维度中每个维度上的位置坐标分别映射到所述维度的不同位置区间内,所述至少一个维度上的位置坐标被非均匀量化,包括:至少一个维度上的位置坐标分别被映射到所述维度的不同位置区间内,其中,所述维度的不同位置区间的长度不同。
- 根据权利要求51所述的编码装置,其特征在于,所述点云的位置坐标包括沿距离维度的位置坐标,所述距离维度上的不同位置区间的长度不同。
- 根据权利要求52所述的编码装置,其特征在于,所述距离维度上包括第一位置区间和第二位置区间,所述第一位置区间相比所述第二位置区间更靠近原点,其中,所述第一位置区间的长度小于所述第二位置区间的长度。
- 根据权利要求52所述的编码装置,其特征在于,所述三个维度中除所述距离维度之外其余维度上的不同位置区间的长度相同。
- 根据权利要求51所述的编码装置,其特征在于,所述根据点云的位置坐标对所述点云进行非均匀量化,包括:根据所述点云的位置坐标确定初始化空间;对所述初始化空间进行多叉树划分,得到位置划分结果,其中,所述多叉树的各叶子节点中存在在所述三个维度上的至少一个维度上的位置区间长度不同的叶子节点。
- 根据权利要求56所述的编码装置,其特征在于,所述点云的位置坐标包含在距离维度上的位置坐标;所述多叉树的不同叶子节点在所述距离维度上的位置区间长度不同。
- 根据权利要求57所述的编码装置,其特征在于,在距离维度上,所述多叉树中,靠近原点的叶子节点的位置区间长度小于远离原点的叶子节点的位置区间长度。
- 根据权利要求56所述的编码装置,其特征在于,所述对所述初始化空间进行多叉树划分,得到位置划分结果,包括:对所述初始化空间进行多叉树划分;当所述多叉树中的节点在距离维度上的位置区间长度小于或者小于等于划分截止阈值时,停止所述节点在所述距离维度上的进一步划分,得到位置划分结果,其中,在所述距离维度上存在具有不同划分截止阈值的叶子节点。
- 根据权利要求49所述的编码装置,其特征在于,所述点云的位置坐标为球坐标系下的位置坐标或者柱坐标系下的位置坐标。
- 根据权利要求48所述的编码装置,其特征在于,所述根据点云的位置坐标对所述点云进行非均匀量化,包括:将所述点云的位置坐标转换成新位置坐标;其中,所述新位置坐标包括第一角度坐标,第二角度坐标和距离坐标,所述点云中的点云点的第一角度坐标用于指示所述点云点在球坐标系下的天顶角,所述点云点的第二角度坐标用于指示所述点云点在球坐标系下的方位角,所述点云点的距离坐标为R -n或log(R)的函数,其中,R表示所述点云点在球坐标系下的径向距离,n大于0;或者,所述新位置坐标包括第一角度坐标、距离坐标和高度坐标;所述点云中的点云点的第一角度坐标用于指示所述点云点在柱坐标系中的平面极坐标系下的极角,所述点云点的高度坐标用于指示所述点云点在柱坐标系中的Z变量,所述点云点的距离坐标为R -n或log(R)的函数,其中,R表示所述点云点在柱坐标系中的平面极坐标系下的极径,n大于0;根据所述点云的新位置坐标确定初始化空间,对所述初始化空间进行位置划分,得到所述非均匀量化的结果。
- 根据权利要求61所述的编码装置,其特征在于,所述根据点云的位置坐标对所述点云进行非均匀量化,包括:根据所述点云在所述新位置坐标系下的位置坐标确定初始化空间;对所述初始化空间进行多叉树划分。
- 根据权利要求65所述的编码装置,其特征在于,对所述初始化空间进行多叉树划分,包括:对所述初始化空间进行八叉树划分,或者进行八叉树四叉树划分,或者进行八叉树四叉树二叉树划分。
- 根据权利要求61所述的编码装置,其特征在于,所述点云的位置 坐标为笛卡尔坐标系下的位置坐标;所述将所述点云的位置坐标转换成新位置坐标,包括:将所述点云的位置坐标由笛卡尔坐标系表示转换到球坐标系下表示或柱坐标系下表示;将所述点云转换后的位置坐标转换为定点数表示,生成新位置坐标。
- 根据权利要求46所述的编码装置,其特征在于,所述根据所述非均匀量化的结果生成所述点云的码流,包括:对所述非均匀量化的结果进行算术编码,以生成所述点云的码流。
- 一种解码装置,其特征在于,包括:存储器,用于存储程序;处理器,用于执行所述存储器中存储的程序,以执行如下操作:根据点云的码流,获取所述点云的非均匀量化的结果;对所述非均匀量化的结果进行逆量化,得到所述点云的位置坐标。
- 根据权利要求69所述的解码装置,其特征在于,所述非均匀量化满足:所述点云中的与原点距离较远的点云点的量化精度小于所述点云中的与原点距离较近的点云点的量化精度。
- 根据权利要求69所述的解码装置,其特征在于,所述点云的位置坐标包括在三个维度上的位置坐标,至少一个维度上的位置坐标被非均匀量化。
- 根据权利要求71所述的解码装置,其特征在于,所述点云的位置坐标包括沿距离维度的位置坐标,所述距离维度的位置坐标被非均匀量化。
- 根据权利要求72所述的解码装置,其特征在于,所述点云的位置坐标中除所述距离维度之外其余维度上的位置坐标被均匀量化。
- 根据权利要求71所述的解码装置,其特征在于,所述非均匀量化用于将所述点云中的点云点在三个维度中每个维度上的位置坐标分别映射到所述维度的不同位置区间内,所述至少一个维度上的位置坐标被非均匀量化,包括:至少一个维度上的位置坐标分别被映射到所述维度的不同位置区间内,其中,所述维度的不同位置区间的长度不同。
- 根据权利要求74所述的解码装置,其特征在于,所述点云的位置坐标包括沿距离维度的位置坐标,所述距离维度上的不同位置区间的长度不 同。
- 根据权利要求75所述的解码装置,其特征在于,所述距离维度上包括第一位置区间和第二位置区间,所述第一位置区间相比所述第二位置区间更靠近原点,其中,所述第一位置区间的长度小于所述第二位置区间的长度。
- 根据权利要求75所述的解码装置,其特征在于,所述三个维度中除所述距离维度之外其余维度上的不同位置区间的长度相同。
- 根据权利要求74所述的解码装置,其特征在于,所述对所述非均匀量化的结果进行逆量化,包括:根据所述码流,确定初始化空间;对所述初始化空间进行多叉树划分,得到位置划分结果,其中,所述多叉树的各叶子节点中存在在所述三个维度上的至少一个维度上的位置区间长度不同的叶子节点。
- 根据权利要求79所述的解码装置,其特征在于,所述点云的位置坐标包含在距离维度上的位置坐标;所述多叉树的不同叶子节点在所述距离维度上的位置区间长度不同。
- 根据权利要求80所述的解码装置,其特征在于,在距离维度上,所述多叉树中,靠近原点的叶子节点的位置区间长度小于远离原点的叶子节点的位置区间长度。
- 根据权利要求79所述的解码装置,其特征在于,所述对所述初始化空间进行多叉树划分,得到位置划分结果,包括:对所述初始化空间进行多叉树划分;当所述多叉树中的节点在距离维度上的位置区间长度小于或者小于等于划分截止阈值时,停止所述节点在所述距离维度上的进一步划分,得到位置划分结果,其中,在所述距离维度上存在具有不同划分截止阈值的叶子节点。
- 根据权利要求72所述的解码装置,其特征在于,所述点云的位置坐标为球坐标系下的位置坐标或者柱坐标系下的位置坐标。
- 根据权利要求71所述的解码装置,其特征在于,所述对所述非均匀量化的结果进行逆量化,包括:对所述非均匀量化的结果进行逆量化,得到所述点云的新位置坐标;其中,所述新位置坐标包括第一角度坐标,第二角度坐标和距离坐标,所述点云中的点云点的第一角度坐标用于指示所述点云点在球坐标系下的天顶角,所述点云点的第二角度坐标用于指示所述点云点在球坐标系下的方位角,所述点云点的距离坐标为R -n或log(R)的函数,其中,R表示所述点云点在球坐标系下的径向距离,n大于0;或者,所述新位置坐标包括第一角度坐标、距离坐标和高度坐标;所述点云中的点云点的第一角度坐标用于指示所述点云点在柱坐标系中的平面极坐标系下的极角,所述点云点的高度坐标用于指示所述点云点在柱坐标系中的Z变量,所述点云点的距离坐标为R -n或log(R)的函数,其中,R表示所述点云点在柱坐标系中的平面极坐标系下的极径,n大于0;根据所述点云的新位置坐标确定初始化空间,对所述初始化空间进行位置划分。
- 根据权利要求84所述的解码装置,其特征在于,所述对所述非均匀量化的结果进行逆量化,得到所述点云的新位置坐标,包括:根据所述码流,确定初始化空间;对所述初始化空间进行多叉树划分。
- 根据权利要求88所述的解码装置,其特征在于,对所述初始化空间进行多叉树划分,包括:对所述初始化空间进行八叉树划分,或者进行八叉树四叉树划分,或者进行八叉树四叉树二叉树划分。
- 根据权利要求69所述的解码装置,其特征在于,所述根据点云的码流,获取所述点云的非均匀量化的结果,包括:对所述点云的码流进行算术解码,得到所述非均匀量化的结果。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/090996 WO2020248177A1 (zh) | 2019-06-12 | 2019-06-12 | 点云的编解码方法及装置 |
CN201980039385.3A CN112384950A (zh) | 2019-06-12 | 2019-06-12 | 点云的编解码方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/090996 WO2020248177A1 (zh) | 2019-06-12 | 2019-06-12 | 点云的编解码方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2020248177A1 true WO2020248177A1 (zh) | 2020-12-17 |
Family
ID=73781141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2019/090996 WO2020248177A1 (zh) | 2019-06-12 | 2019-06-12 | 点云的编解码方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112384950A (zh) |
WO (1) | WO2020248177A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022134761A1 (en) * | 2020-12-23 | 2022-06-30 | Beijing Xiaomi Mobile Software Co., Ltd. | Method and apparatus of quantizing spherical coorinates used for encoding/decoding point cloud geometry data |
WO2022252337A1 (zh) * | 2021-06-04 | 2022-12-08 | 华为技术有限公司 | 3d地图的编解码方法及装置 |
RU2818299C1 (ru) * | 2020-12-23 | 2024-05-02 | Бейдзин Сяоми Мобайл Софтвэр Ко., Лтд. | Способ и устройство квантования сферических координат, используемых для кодирования/декодирования данных геометрии облака точек |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113395506A (zh) * | 2021-06-16 | 2021-09-14 | 北京大学深圳研究生院 | 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 |
CN113743593B (zh) * | 2021-09-27 | 2023-08-22 | 上海齐感电子信息科技有限公司 | 神经网络量化方法、系统、存储介质及终端 |
CN115278269B (zh) * | 2022-06-20 | 2024-02-23 | 鹏城实验室 | 一种点云属性编码方法、点云属性解码方法及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160035081A1 (en) * | 2014-04-25 | 2016-02-04 | Google Inc. | Methods and Systems for Object Detection using Laser Point Clouds |
CN108833927A (zh) * | 2018-05-03 | 2018-11-16 | 北京大学深圳研究生院 | 一种基于删除量化矩阵中0元素的点云属性压缩方法 |
CN109410260A (zh) * | 2018-09-27 | 2019-03-01 | 先临三维科技股份有限公司 | 点云数据网格化方法、装置、计算机设备和存储介质 |
CN109541590A (zh) * | 2018-12-19 | 2019-03-29 | 北京科技大学 | 一种高炉料面点云成像的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886980B (zh) * | 2015-12-11 | 2020-08-07 | 北京智行者科技有限公司 | 一种基于三维激光雷达目标识别的点云密度增强的方法 |
CN106846425B (zh) * | 2017-01-11 | 2020-05-19 | 东南大学 | 一种基于八叉树的散乱点云压缩方法 |
US10861196B2 (en) * | 2017-09-14 | 2020-12-08 | Apple Inc. | Point cloud compression |
CN108171761B (zh) * | 2017-12-13 | 2020-10-16 | 北京大学 | 一种基于傅里叶图变换的点云帧内编码方法及装置 |
CN109345619B (zh) * | 2018-08-10 | 2023-05-16 | 华北电力大学(保定) | 基于类八叉树编码的海量点云空间管理方法 |
CN109410342A (zh) * | 2018-09-28 | 2019-03-01 | 昆明理工大学 | 一种保留边界点的点云精简方法 |
-
2019
- 2019-06-12 WO PCT/CN2019/090996 patent/WO2020248177A1/zh active Application Filing
- 2019-06-12 CN CN201980039385.3A patent/CN112384950A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160035081A1 (en) * | 2014-04-25 | 2016-02-04 | Google Inc. | Methods and Systems for Object Detection using Laser Point Clouds |
CN108833927A (zh) * | 2018-05-03 | 2018-11-16 | 北京大学深圳研究生院 | 一种基于删除量化矩阵中0元素的点云属性压缩方法 |
CN109410260A (zh) * | 2018-09-27 | 2019-03-01 | 先临三维科技股份有限公司 | 点云数据网格化方法、装置、计算机设备和存储介质 |
CN109541590A (zh) * | 2018-12-19 | 2019-03-29 | 北京科技大学 | 一种高炉料面点云成像的方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022134761A1 (en) * | 2020-12-23 | 2022-06-30 | Beijing Xiaomi Mobile Software Co., Ltd. | Method and apparatus of quantizing spherical coorinates used for encoding/decoding point cloud geometry data |
RU2818299C1 (ru) * | 2020-12-23 | 2024-05-02 | Бейдзин Сяоми Мобайл Софтвэр Ко., Лтд. | Способ и устройство квантования сферических координат, используемых для кодирования/декодирования данных геометрии облака точек |
WO2022252337A1 (zh) * | 2021-06-04 | 2022-12-08 | 华为技术有限公司 | 3d地图的编解码方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112384950A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020248177A1 (zh) | 点云的编解码方法及装置 | |
CN113574540B (zh) | 点云编解码方法、装置和电子设备 | |
CN111699683B (zh) | 一种点云编码方法、点云解码方法及相关设备 | |
JP7261300B2 (ja) | 適応ポイントクラウド属性コーディングのための方法、装置、及びコンピュータプログラム | |
WO2020237647A1 (zh) | 点云数据的编码方法、编码装置、解码方法与解码装置 | |
WO2021196029A1 (zh) | 一种用于点云编码、解码的方法和设备 | |
TW202141984A (zh) | 用於在基於幾何形狀的點雲壓縮中的預測變換的預測器索引訊號傳遞 | |
JP2014532945A (ja) | 予測位置復号 | |
TWI534760B (zh) | 空間樹結構對輸入空間點編碼之方法及編碼器,以及空間樹結構位元流之解碼方法及解碼器 | |
WO2021000333A1 (zh) | 点云的处理方法和装置 | |
WO2021248339A1 (zh) | 点云的编解码方法和装置 | |
CN107301194A (zh) | 瓦片式栅格地图的压缩存储及发布方法 | |
US11983905B2 (en) | Methods for level partition of point cloud, and decoder | |
TW202215851A (zh) | 在用於點雲端壓縮的預測幾何譯碼中對鐳射索引進行限幅 | |
WO2021196038A1 (zh) | 点云的编解码方法和装置 | |
CN113518226A (zh) | 一种基于地面分割的g-pcc点云编码改进方法 | |
US20220005229A1 (en) | Point cloud attribute encoding method and device, and point cloud attribute decoding method and devcie | |
WO2022121650A1 (zh) | 点云属性的预测方法、编码器、解码器及存储介质 | |
CN112385222B (zh) | 点云处理的方法与装置 | |
WO2024037244A1 (zh) | 点云数据的解码方法、编码方法、装置、存储介质及设备 | |
WO2022067775A1 (zh) | 点云的编码、解码方法、编码器、解码器以及编解码系统 | |
WO2021243519A1 (zh) | 点云的编解码方法和装置 | |
WO2022061785A1 (zh) | 点云编码方法、点云解码方法及相关装置 | |
WO2022067776A1 (zh) | 点云的解码、编码方法、解码器、编码器和编解码系统 | |
JP2024507046A (ja) | 点群符号化および復号化方法、エンコーダ、デコーダ、ならびにコンピュータ記憶媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 19932531 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 19932531 Country of ref document: EP Kind code of ref document: A1 |