一种基于增强图变换的点云属性压缩方法技术

技术编号:18555114 阅读:30 留言:0更新日期:2018-07-28 11:41
本发明专利技术公布了一种基于增强图变换的点云属性压缩方法,针对点云属性信息,使用K‑dimension(KD)树对点云先进行空域划分,提出一种新的结合频谱分析的图变换处理方法,在点云编码块内的图上对点云再进行频谱聚类,在现有图变换基础上拓展实现局部图变换方案,形成具有两种变换模式的增强图变换,提高图变换的压缩性能;包括:点云属性的颜色空间转换;采用K‑dimension(KD)树划分点云得到编码块;基于频谱聚类的增强图变换;变换模式决策;均匀量化和熵编码。本发明专利技术提出一种新的基于频谱分析的增强图变换方案,其中包括两种变换模式,由模式决策选出最佳模式;对点云进行树划分后,在各个编码块内均构建一张图并使用图变换作为变换模式一,在此基础上实现图频聚类,把图划分成两张局部图再进行局部图变换作为变换模式二,支持两种变换模式的增强图变换方案由模式决策选择出最佳模式,以达到点云属性压缩的最佳性能。

【技术实现步骤摘要】
一种基于增强图变换的点云属性压缩方法
本专利技术属于点云数据处理
,涉及点云数据压缩方法,尤其涉及一种基于增强图变换的点云属性压缩的方法。
技术介绍
三维点云是一种表达现实世界三维结构的有效形式。随着三维扫描设备(激光、雷达等)的快速发展,点云的精度、分辨率更高,使得高效率、高精度地将现实世界的三维信息数字化变成可能。高精度点云广泛应用于智慧城市、无人驾驶、文物保护等众多热门领域。点云是三维扫描设备对物体表面采样所获取的,一帧点云的点数一般是百万级别,其中每个点包含几何信息和颜色、纹理等属性信息,数据量十分庞大。三维点云庞大的数据量给数据存储、传输等带来巨大挑战,所以点云压缩十分必要。点云压缩主要分为几何压缩和属性压缩,现有的点云属性压缩框架主要包括以下几种:一、基于八叉树分解和DCT的方法:该方法先用八叉树对点云进行空间分解得到编码块,然后对树进行深度优先遍历,将遍历的结点颜色值按照蛇形的顺序写入二维的JPEG表,再利用现有的JPEG编码器对获得的点云颜色表进行编码,其中JPEG编码器使用的是DCT。该方法利用现有的编码器,计算复杂度低,但并未充分利用点与点之间的空间相关性,在压缩性能上有待提高;二、基于八叉树分解和图变换的方法:该方法先用八叉树对点云进行空间分解,划分到特定层次得到变换块;在每个变换块内形成图,将沿着任意坐标轴的距离不超过1的两点用一条边连接起来,边的权重与欧氏距离成反比;再对图中结点的属性信息进行图变换。该方法的压缩性能佳;但运算复杂度较高,其构图方式可能会带来子图问题,影响图变换的效率,仍有改善的空间;三、基于KD树分解和图变换的方法:该方法先用KD树对点云进行空间分解,划分到一定深度得到变换块,其中每个变换块内所包含的点数大致相同:在变换块内,每两点用一条边连接起来,边的权重与欧氏距离有关,设定的边欧式距离阈值决定图的稀疏度;然后再对图内点的属性信息进行图变换。该方法彻底解决了子图问题,同时在压缩性能方面较前两种方法都有较大的提升,但运算复杂度较高,性能仍待改善。
技术实现思路
为了克服上述现有技术的不足,进一步改善点云属性的压缩性能,本专利技术提供一种基于增强图变换的点云属性压缩的方法,先使用K-dimension(KD)树对点云进行空域划分,后使用基于频谱分析的图变换处理对编码块内的图进行频谱聚类,在现有图变换基础上拓展实现局部图变换方案,形成具有两种变换模式的增强图变换,提高图变换的压缩性能。本专利技术提供的技术方案是:一种基于增强图变换的点云属性压缩方法,针对点云数据,先使用KD树对点云空域划分得到编码块,提出一种新的结合频谱分析的图变换处理方法,在点云编码块内的图上对点云再进行频谱聚类,在现有图变换基础上拓展实现局部图变换方案,形成具有两种变换模式的增强图变换,由模式决策选择出最佳模式,以达到属性压缩的最佳性能;包括如下步骤:1)点云属性的颜色空间转换:读入待处理的点云属性信息,考虑人眼的视觉特性和压缩处理的难易程度,将点云颜色空间从RGB空间转换到YUV空间;2)采用KD树划分点云得到编码块:根据几何信息对点云进行KD树划分,每次选择点云位置坐标中分布方差最大的坐标轴作为划分轴,选取坐标大小是中位值的点作为划分点,迭代划分直至达到设定的KD树深度;KD树划分的最后一层所得到的块即为点云的编码块,按照广度遍历的顺序对编码块进行编号;3)基于频谱聚类的增强图变换:根据编码块的编号顺序依次对编码块进行变换处理,在现有图变换基础上扩展图的频谱聚类构成增强图变换,共提供两种变换模式;在编码块内,每两个点ni、nj之间用边εij连接起来构建一张全点图G,其中边的权重由两点的几何位置决定;边εij的权重大小ωij反映ni、nj两点之间的几何相关性,权重ω构成图的邻近矩阵W,进一步得到特征向量矩阵A;变换模式一:将该特征向量A作为图的变换矩阵,对编码块的颜色信息进行变换;变换模式二:图G的特征向量矩阵A,反映的是图的频谱分布;使用矩阵A的第二维列向量的正负号将块内所有点聚成两类,如两类点的数量均达到块内点总数的40%以上,则根据聚类情况将图G划分成两张局部图G1、G2,再分别得到对应的特征向量矩阵A1、A2;对两张局部图G1、G2中的点的颜色信息,使用对应的变换矩阵进行变换;4)变换模式决策:对编码块的颜色信息进行变换有两种模式,需要估计变换的性能来进行模式决策,选出最佳的变换模式;计算变换后系数中前k个最大系数绝对值之和在变换系数绝对值总和中所占的比例,作为变换模式的分数;分数越高,代表选定的变换系数在变换系数总和中所占比例越高,代表该模式的变换效率越高,性能越好,具有最大分数的模式将被选择为当前块的变换模式;5)点云属性压缩码流的生成:按照顺序迭代处理所有编码块,对变换后系数进行量化,结合变换模式信息进行熵编码,得到点云属性压缩的最终码流;上述步骤1)所述的颜色空间转换,其具体过程如下:(1-1)点云中的点pi具有RGB颜色空间的颜色值为ri、gi、bi,通过颜色空间转换矩阵将RGB转换到YUV颜色空间,颜色值为yi、ui、vi;(1-2)颜色空间转换的数学表达式为:上述步骤2)所述的编码块的划分和编号,其具体过程如下:KD树划分时,选择点的分布方差最大的坐标轴作为划分轴,充分考虑了变换块内各点的相关性;同时把划分轴上坐标是中位值的点作为划分点,使变换块内点的数量基本相同。设待处理的点云共有N个点,KD树设定的划分深度为d,经过对点云d次划分后,得到2d个编码块;对所有的编码块按照广度遍历的顺序进行编号上述步骤3)中所述的增强图变换,其具体过程如下:(3-1)在每个变换块内构建一张图G,每两点ni、nj之间用一条边εij连接,边εij的权重大小ωij与两点之间的欧氏距离相关,常表现为式2:其中,参数σ反映了当前点云分布的方差;参数τ是判定两点之间是否连线的距离阈值,决定图拉普拉斯矩阵的稀疏度,一般使用经验设定值;(3-2)图G的邻近矩阵W是边权重ωij的集合,反映变换块内各点之间的相关性;图G的密度矩阵D是一个对角矩阵,其中Di是邻近矩阵第i行中非零元素的和,表示为式3,反映了第i个点与其他点相关性的密度;图G的变换算子采用拉普拉斯矩阵L,表示为式4:Di=∑jωi,j(式3)L=D-W(式4)(3-3)对拉普拉斯矩阵L进行特征分解,得到特征向量矩阵A,作为变换模式一的全局图变换矩阵,用于对点云的属性信息的压缩,表示为式5:L=AΛA-1(式5)(3-4)对特征向量矩阵A的第二维列向量V2进行频谱聚类,根据向量的参数值pi的正负号将点聚成两类C1、C2,表示为式6;根据聚类情况将全局图G划分成两张局部图G1、G2,由对应的点n和边ε构成,表示为式7:其中式6中,count(C1)是计算C1中的点的数量,count(C2)是计算C2中的点的数量,count(block)是计算当前编码块内点的总数。(3-5)对两张局部图G1、G2分别进行特征分解,得到变换矩阵A1、A2,作为变换模式二的局部图变换矩阵,用于对应图中点的颜色信息的变换;(3-6)两种变换模式的图变换构成了增强图变换方案;上述步骤4)中所述的变换模式决策,其具体过程如下:首先对步骤3)变换后系数Trans的绝对值本文档来自技高网
...

【技术保护点】
1.一种基于增强图变换的点云属性压缩方法,针对点云属性信息,使用K‑dimension(KD)树对点云先进行空域划分,提出一种新的结合频谱分析的图变换处理方法,在点云编码块内的图上对点云再进行频谱聚类,在现有图变换基础上拓展实现局部图变换方案,形成具有两种变换模式的增强图变换,提高图变换的压缩性能;包括如下步骤:1)点云属性的颜色空间转换:读入待处理的点云属性信息,考虑人眼的视觉特性和压缩处理的难易程度,将点云颜色空间从RGB空间转换到YUV空间;2)采用KD树划分点云得到编码块,并按照广度遍历顺序对编码块进行编号:读入点云的几何信息,根据几何信息对点云进行KD树划分,每次选择点云位置坐标中分布方差最大的坐标轴作为划分轴,选取坐标大小是中位值的点作为划分点,迭代划分直至达到设定的KD树深度;KD树划分的最后一层所得到的块即为点云的编码块,按照广度遍历的顺序对编码块进行编号,该编号将作为编码块后期处理的顺序;3)在编码块内构建图使用增强图变换,有两种变换模式:在编码块内,每两个点ni、nj之间用边εij连接起来构建一张全点图G,图上的每个点具有颜色信息,边的权重由两点的几何相对位置决定;边εij的权重大小ωij反映ni、nj两点之间的几何相关性,所有边的权重ω构成图的邻近矩阵W,进一步得到特征向量矩阵A;变换模式一:将全点图的特征向量A作为变换矩阵,对编码块的颜色信息进行变换;变换模式二:图G的特征向量矩阵A反映了图的频谱分布,由此在矩阵A的基础上进行频谱聚类,实现局部图的分割;使用矩阵A的第二维列向量的正负号将块内所有点聚成两类,如两类点的数量均达到块内点总数的40%以上,则根据聚类情况将图G划分成两张局部图G1、G2,分别得到对应的特征向量矩阵A1、A2;对两张局部图G1、G2中的颜色信息,使用对应的变换矩阵进行变换;4)变换的模式决策:对编码块的颜色信息进行变换有两种模式,需要估计变换的性能来进行模式决策,选出最佳的变换模式;计算变换后系数中前k个最大系数绝对值之和在变换系数绝对值总和中所占的比例,作为变换模式的分数;分数越高,代表选定的变换系数在变换系数总和中所占比例越高,代表该模式的变换效率越高,性能越好,具有最大分数的模式将被选择为当前块的变换模式;5)点云属性压缩码流的生成:按照编码顺序处理所有编码块,对变换后系数进行量化,结合变换模式信息进行熵编码,得到点云属性压缩的最终码流;...

【技术特征摘要】
1.一种基于增强图变换的点云属性压缩方法,针对点云属性信息,使用K-dimension(KD)树对点云先进行空域划分,提出一种新的结合频谱分析的图变换处理方法,在点云编码块内的图上对点云再进行频谱聚类,在现有图变换基础上拓展实现局部图变换方案,形成具有两种变换模式的增强图变换,提高图变换的压缩性能;包括如下步骤:1)点云属性的颜色空间转换:读入待处理的点云属性信息,考虑人眼的视觉特性和压缩处理的难易程度,将点云颜色空间从RGB空间转换到YUV空间;2)采用KD树划分点云得到编码块,并按照广度遍历顺序对编码块进行编号:读入点云的几何信息,根据几何信息对点云进行KD树划分,每次选择点云位置坐标中分布方差最大的坐标轴作为划分轴,选取坐标大小是中位值的点作为划分点,迭代划分直至达到设定的KD树深度;KD树划分的最后一层所得到的块即为点云的编码块,按照广度遍历的顺序对编码块进行编号,该编号将作为编码块后期处理的顺序;3)在编码块内构建图使用增强图变换,有两种变换模式:在编码块内,每两个点ni、nj之间用边εij连接起来构建一张全点图G,图上的每个点具有颜色信息,边的权重由两点的几何相对位置决定;边εij的权重大小ωij反映ni、nj两点之间的几何相关性,所有边的权重ω构成图的邻近矩阵W,进一步得到特征向量矩阵A;变换模式一:将全点图的特征向量A作为变换矩阵,对编码块的颜色信息进行变换;变换模式二:图G的特征向量矩阵A反映了图的频谱分布,由此在矩阵A的基础上进行频谱聚类,实现局部图的分割;使用矩阵A的第二维列向量的正负号将块内所有点聚成两类,如两类点的数量均达到块内点总数的40%以上,则根据聚类情况将图G划分成两张局部图G1、G2,分别得到对应的特征向量矩阵A1、A2;对两张局部图G1、G2中的颜色信息,使用对应的变换矩阵进行变换;4)变换的模式决策:对编码块的颜色信息进行变换有两种模式,需要估计变换的性能来进行模式决策,选出最佳的变换模式;计算变换后系数中前k个最大系数绝对值之和在变换系数绝对值总和中所占的比例,作为变换模式的分数;分数越高,代表选定的变换系数在变换系数总和中所占比例越高,代表该模式的变换效率越高,性能越好,具有最大分数的模式将被选择为当前块的变换模式;5)点云属性压缩码流的生成:按照编码顺序处理所有编码块,对变换后系数进行量化,结合变换模式信息进行熵编码,得到点云属性压缩的最终码流;2.如权利要求1所述点云属性压缩方法,其特征是,步骤1)中颜色空间转换的具体过程是:点云中的点pi具有RGB颜色空间的颜色值为ri、gi、bi,通过式1转换到YUV颜色空间,颜色值为yi、ui、vi:3.如权利要求1所述点云属性压缩方法,其特征是...

【专利技术属性】
技术研发人员:李革邵薏婷
申请(专利权)人:北京大学深圳研究生院
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1