[發明專利]一種基于刪除量化矩陣中0元素的點云屬性壓縮方法

有效

• 申請號: 201810412818.2
• 申請日: 2018-05-03
• 公開（公告）號: CN108833927B
• 公開（公告）日: 2019-08-16
• 發明（設計）人: 李革;張琦;邵薏婷;高文
• 申請（專利權）人: 北京大學深圳研究生院
• 主分類號: H04N19/85
• 分類號: H04N19/85;H04N19/124;H04N19/91;H04N19/96
• 代理公司: 北京京萬通知識產權代理有限公司 11440
• 代理人: 萬學堂;魏振華

1.一種基于刪除量化矩陣中0元素的點云屬性壓縮方法，針對點云屬性壓縮過程中的量化矩陣，在編碼端采用最優的遍歷順序使0元素在生成的數據流中集中分布在末端，將這些0刪除后進行熵編碼，包括如下步驟：

1)點云屬性壓縮的編碼過程

針對待壓縮的點云數據，首先根據幾何信息進行KD樹劃分，KD樹劃分的最后一層所得到的塊即為點云的編碼塊，每一個編碼塊內的屬性信息經過幀內預測、殘差變換、量化之后會得到一個量化矩陣；

2)編碼端優化對量化矩陣的遍歷順序：

對于每一個量化矩陣，采用7種不同的遍歷順序，分別為：YUV逐行掃描、YUV逐列掃描、YVU逐列掃描、UYV逐列掃描、UVY逐列掃描、VYU逐列掃描、VUY逐列掃描；將二維的矩陣轉化為一維的數據流，比較0元素在數據流末端連續出現的個數，選擇0元素在末端連續出現個數最多的數據流為最優數據流，同時記錄對應的遍歷模式；

3)刪除數據流末端的0元素：

得到了最優數據流之后，將數據流末端所有連續出現的0都刪除，得到裁剪后的數據流，對所有編碼塊進行相同操作之后，統一進行熵編碼，得到點云屬性壓縮的碼流；

4)解碼端參考幾何信息復原量化矩陣：

在解碼端對碼流進行熵解碼得到裁剪后的數據流，結合點云的幾何信息，求出被刪除的0元素的個數并補齊得到原始的數據流，依照遍歷順序將一維的數據流復原為二維的量化矩陣；

5)點云屬性壓縮的解碼過程：

按順序對復原出的量化矩陣進行反量化、逆變換、預測補償，解碼出點云的屬性信息。

2.如權利要求1所述的一種基于刪除量化矩陣中0元素的點云屬性壓縮方法，其特征是，步驟1)中點KD樹劃分方法為二元劃分方法；設待處理的點云中的數量設定為N，每個塊內點的個數設定為n；KD樹設定的劃分深度為d，經過對點云d次劃分后，得到2^d個編碼塊，每個塊內點的個數接近，有n個或n+1個，n的計算方法如式1；對所有的編碼塊按照廣度優先的遍歷順序進行編號該編號將作為編碼塊后期處理的順序：

3.如權利要求1所述的一種基于刪除量化矩陣中0元素的點云屬性壓縮方法，其特征是，步驟1)中得到的量化矩陣大小與編碼塊中的點個數有關。

4.如權利要求1所述的一種基于刪除量化矩陣中0元素的點云屬性壓縮方法，其特征是，步驟2)中對于每一個量化矩陣，采用7種不同的遍歷順序，分別為：YUV逐行掃描、YUV逐列掃描、YVU逐列掃描、UYV逐列掃描、UVY逐列掃描、VYU逐列掃描、VUY逐列掃描；掃描后n×3的二維矩陣被轉化為長度為3n的一維數據流，選擇0元素在末端連續出現個數最多的數據流為最優數據流，同時記錄對應的遍歷模式m_i。

5.如權利要求1所述的一種基于刪除量化矩陣中0元素的點云屬性壓縮方法，其特征是，步驟3)中選出的最優數據流長度為3n，假設數據流末端連續出現的0元素個數設定為l_i，則裁剪后的數據流長度為3n-l_i。

6.如權利要求1所述的一種基于刪除量化矩陣中0元素的點云屬性壓縮方法，其特征是，步驟4)中熵解碼得到裁剪后的數據流的長度為l_c，需要知道被刪除的0元素的個數來恢復原始的數據流；在解碼端對點云的幾何信息進行與編碼端相同的KD樹劃分，得到2^d個編碼塊，每個塊內有n個點，再對所有的編碼塊按照廣度優先的遍歷順序進行編號，得到的結果與編碼端一一對應，則根據式2可以求出被刪除的的0元素的個數l₀；補齊0元素之后的數據流長度為3n，根據保存的遍歷模式m_i將數據流轉化為n×3的量化矩陣，

l₀＝3n-l_c (式2)。

7.如權利要求1所述的一種基于刪除量化矩陣中0元素的點云屬性壓縮方法，其特征是，步驟5)中具體細節如下：

(7-1)經過步驟4)得到了量化矩陣，依次對量化矩陣進行反量化、逆變換、預測補償，求出點云的屬性信息；

(7-2)基于刪除量化矩陣中0元素的點云屬性壓縮方法的碼流由壓縮頭信息和編碼塊信息兩大部分組成；頭信息包括量化步長、預測模式信息、量化矩陣的遍歷模式信息；編碼塊信息以編碼塊為單位，按照編碼塊的順序排列，每個塊內包括編碼塊的顏色殘差信息；

(7-3)點云屬性壓縮的性能由碼率和峰值信噪比PSNR來衡量，其中碼率的單位是bpp，PSNR的單位是分貝dB；碼率越小，PSNR越大，點云屬性壓縮性能越好。