[發明專利]3D數據極致壓縮方法及裝置

有效

• 申請號: 201811501342.6
• 申請日: 2018-12-10
• 公開（公告）號: CN109448066B
• 公開（公告）日: 2023-02-07
• 發明（設計）人: 吳躍華
• 申請（專利權）人: 上海盎維信息技術有限公司
• 主分類號: G06T9/00
• 分類號: G06T9/00;H04N13/106;H04N13/161
• 代理公司: 上海知義律師事務所 31304
• 代理人: 劉峰

1.一種3D數據極致壓縮方法，其特征在于，所述3D數據極致壓縮方法包括：

獲取一3D影像；

將所述3D影像與一預存影像庫中的目標預存影像匹配，預存影像庫中每一預存影像上的影像點數量小于所述3D影像的影像點，預存影像庫中每一預存影像上設有用于調節預存影像的影像點形狀的張量模型；

按3D影像的形狀調節目標預存影像的張量模型獲取處理影像，處理影像的形狀與3D影像的形狀相同；

對處理影像上的影像點做預設次數的卷積運算以生成3D影像的壓縮影像；

其中，每一預存影像均與預設個數的過濾式對應，對應于同一預存影像的過濾式之間設有次序，過濾式中的元素個數按所述次序依次減小，所述對處理影像上的影像點做預設次數的卷積運算以生成3D影像的壓縮影像包括：

利用當前過濾式對當前處理影像上的影像點做一次的卷積運算；

判斷當前過濾式的次序是否為最后一個，若是則結束流程，若否則將當前過濾式的下一個過濾式作為當前過濾式；

其中，所述張量模型為預存影像上設置的表示影像點之間關系的函數式，所述按3D影像的形狀調節目標預存影像的張量模型獲取處理影像為：

按3D影像的形狀調節目標預存影像的影像點之間關系的函數式獲取處理影像。

2.如權利要求1所述的3D數據極致壓縮方法，其特征在于，預存影像庫中每一預存影像劃分為若干區域，每一區域內設有表示同一區域內影像點之間關系的函數式。

3.如權利要求2所述的3D數據極致壓縮方法，其特征在于，所述3D數據極致壓縮方法包括：

對于預存影像庫中一目標預存影像，獲取目標預存影像中相鄰影像點之間的函數式，所述函數式為多項式函數；

通過人工智能深度學習獲取若干穿過相鄰影像點之間的分割線，并計算分割線穿過的全部相鄰影像點之間的多項式函數的最高次項的次數總和，以次數總和低于預設值的分割線劃分目標預存影像的區域。

4.如權利要求1所述的3D數據極致壓縮方法，其特征在于，所述3D數據極致壓縮方法包括：

將3D影像與目標預存影像重疊放置以獲取目標預存影像上影像點到3D影像的距離；

獲取所述距離最大的影像點為控制點，并將所述控制點向3D影像所在方向移動目標長度；

利用所述目標預存影像的張量模型將控制點周圍的周圍控制點向3D影像所在方向移動計算長度，每一周圍控制點的計算長度大小與周圍控制點到控制點的距離成反比，所述計算長度小于所述目標長度。

5.一種3D數據極致壓縮裝置，其特征在于，所述3D數據極致壓縮裝置包括一獲取模塊、一匹配模塊、一處理模塊以及一加密模塊，

所述獲取模塊用于獲取一3D影像；

所述匹配模塊用于將所述3D影像與一預存影像庫中的目標預存影像匹配，預存影像庫中每一預存影像上的影像點數量小于所述3D影像的影像點，預存影像庫中每一預存影像上設有用于調節預存影像的影像點形狀的張量模型；

所述處理模塊用于按3D影像的形狀調節目標預存影像的張量模型獲取處理影像，處理影像的形狀與3D影像的形狀相同；

所述加密模塊用于對處理影像上的影像點做卷積運算以生成3D影像的壓縮影像；

其中，每一預存影像均與預設個數的過濾式對應，對應于同一預存影像的過濾式之間設有次序，過濾式中的元素個數按所述次序依次減小，所述加密模塊用于：

利用當前過濾式對當前處理影像上的影像點做一次的卷積運算；

判斷當前過濾式的次序是否為最后一個，若是則結束流程，若否則將當前過濾式的下一個過濾式作為當前過濾式；

其中，所述張量模型為預存影像上設置的表示影像點之間關系的函數式，所述處理模塊用于按3D影像的形狀調節目標預存影像的影像點之間關系的函數式獲取處理影像。