[發明專利]一種基于鄰居權重的參數選取和傳遞的點云屬性編碼和解碼的方法及設備

有效

• 申請號: 201910942969.3
• 申請日: 2019-09-30
• 公開（公告）號: CN110572655B
• 公開（公告）日: 2023-01-10
• 發明（設計）人: 李革;張琦;王靜;邵薏婷
• 申請（專利權）人: 北京大學深圳研究生院
• 主分類號: H04N19/147
• 分類號: H04N19/147;H04N19/186;H04N19/597;H04N19/593;H04N19/91;H04N19/42
• 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

本發明提供了一種基于鄰居權重的參數選取和傳遞的點云屬性編碼和解碼的方法及編碼設備和解碼設備。該編碼方法包括：根據點云中的點到當前點的空間距離大小確定該當前點的K個最近鄰點；確定計算該最近鄰點權重時的距離調整參數；根據該距離調整參數進行熵編碼；根據該距離調整參數確定該當前點的屬性預測值；根據該當前點的屬性預測值進行編碼處理。以及解碼方法包括根據點云中的點到當前點的空間距離大小確定當前點的K個最近鄰點；根據點云屬性碼流進行熵解碼確定計算最近鄰點權重時的距離調整參數；根據距離調整參數確定當前點的屬性預測值。由此，能夠通過選取合適的距離調整參數，提升點云編碼性能。

技術領域

本發明屬于點云處理領域，涉及點云屬性壓縮方法，尤其涉及一種基于鄰居權重的參數選取和傳遞的點云屬性編碼和解碼的方法及設備。

背景技術

三維點云是現實世界數字化的重要表現形式。隨著三維掃描設備(激光、雷達等)的快速發展，點云的精度、分辨率更高。高精度點云廣泛應用于城市數字化地圖的構建，在如智慧城市、無人駕駛、文物保護等眾多熱門研究中起技術支撐作用。點云是三維掃描設備對物體表面采樣所獲取的，一幀點云的點數一般是百萬級別，其中每個點包含幾何信息和顏色、反射率等屬性信息，數據量十分龐大。三維點云龐大的數據量給數據存儲、傳輸等帶來巨大挑戰，所以點云壓縮十分必要。

點云壓縮主要分為幾何壓縮和屬性壓縮，目前由國際標準組織(Moving PictureExperts Group，MPEG)所提供的測試平臺TMC13v7(Test Model for Category 13version7)中描述的點云屬性壓縮框架主要有：

一、基于漸近層次表達(Level of Detail，簡稱為LOD)的升降變換(LiftingTransform)策略：該方法首先用已按照莫頓碼排序的點云構建LOD，即根據預設好的LOD層數，對已經排好序的點進行下采樣，每采樣一次后已經得到的點構成一層LOD，采樣距離由大到小，直至整個LOD構建完成。然后以LOD順序對點云中的點尋找近鄰點，以所有近鄰點屬性值的加權平均作為預測值，其中每個近鄰點的權重是當前點與該當前點的近鄰點的幾何坐標歐氏距離平方的倒數，最后用當前點的實際屬性值減去屬性預測值得到屬性殘差值。

二、基于LOD的預測變換(Predicting Transform)策略：本方法構建LOD的過程同上面，構建完LOD之后，按照K最近鄰(K-NearestNeighbor，KNN)算法為每一個點尋找最多K個最近鄰點，則共有K+1種預測模式，分別是：以第一個、第二個、……、第K個最近鄰點的屬性值作為預測參考值，以及以K個最近鄰點的屬性加權平均值作為預測參考值，其中每個最近鄰點的權重是當前點與該當前點的最近鄰點的幾何坐標歐氏距離平方的倒數，然后對此K+1個預測參考值及對應模式計算率失真優化(RDO)代價值，將其中最小代價值的對應預測值作為當前點的預測值。

但是，以上相關技術在計算每個最近鄰點的權重時只考慮了歐式距離遠近，存在歐式距離不能很好表示屬性相關性，導致屬性預測準確度不高，降低編解碼性能。

發明內容

為了提高屬性幀內預測的準確性，更好地利用空間位置關系所反映在屬性上的相關度，本發明提出了一種基于鄰居權重的參數選取和傳遞的點云編碼和解碼的方法及設備，提高了點云屬性的壓縮性能。

本發明提供的技術方案描述如下：

根據本發明的一個方面，提供了一種點云屬性編碼方法，包括：根據點云中的點到當前點的空間距離大小確定當前點的K個最近鄰點；確定計算最近鄰點權重時的距離調整參數；根據距離調整參數進行熵編碼。

優選地，在上述點云屬性編碼方法中，確定計算每個最近鄰點權重時的距離調整參數，包括方法一、或方法二，其中，方法一：根據屬性的種類不同，對于一類特定的屬性采用特定的距離調整參數值；方法二：改變距離調整參數的值，對當前數據集進行編碼，計算每個距離調整參數值下的碼流大小和失真值，通過率失真優化確定數據集的距離調整參數。