3D数据极致压缩算法及装置制造方法及图纸

本发明专利技术公开了一种3D数据极致压缩算法及装置，所述3D数据极致压缩算法包括：获取一3D影像；将所述3D影像与一预存影像库中的目标预存影像匹配，预存影像库中每一预存影像上的影像点数量小于所述3D影像的影像点，预存影像库中每一预存影像上设有用于调节预存影像的影像点形状的张量模型；按3D影像的形状调节目标预存影像的张量模型获取处理影像，处理影像的形状与3D影像的形状相同；对处理影像上的影像点做预设次数的卷积运算以生成3D影像的压缩影像。本发明专利技术的3D数据极致压缩算法及装置能够大幅度降低3D影像所占用的空间，提高数据的安全性，并能够使数据更加规范可控，能够降低运算所耗资源且减小所占用的存储空间。

【技术实现步骤摘要】
3D数据极致压缩算法及装置
本专利技术涉及一种3D数据极致压缩算法及装置。
技术介绍
3D摄像机，利用的是3D镜头制造的摄像机，通常具有两个摄像镜头以上，间距与人眼间距相近，能够拍摄出类似人眼所见的针对同一场景的不同图像。全息3D具有圆盘5镜头以上。第一台3D摄像机迄今3D革命全部围绕好莱坞重磅大片和重大体育赛事展开。随着3D摄像机的问世，这项技术距离家庭用户又近了一步。在这款摄像机推出以后，我们今后就可以用3D镜头捕捉人生每一个难忘瞬间，比如孩子迈出的第一步，大学毕业庆典等。3D摄像机通常有两个以上镜头。3D摄像机本身的功能就像人脑一样，可以将两个镜头图像融合在一起，变成一个3D图像。这些图像可以在3D电视上播放，观众佩戴所谓的主动式快门眼镜即可观看，也可通过裸眼3D显示设备直接观看。3D快门式眼镜能够以每秒60次的速度令左右眼镜的镜片快速交错开关。这意味着每只眼睛看到的是同一场景的稍显不同的画面，所以大脑会由此以为其是在欣赏以3D呈现的单张照片。现有的3D摄像机获取的影像所占空间较大的缺陷。
技术实现思路
本专利技术要解决的技术问题是为了克服现有技术中3D摄像机获取的影像尺寸较大的缺陷，提供一种能够提高数据的安全性，并能够大幅度降低3D影像所占用的空间，使数据更加安全，能够降低运算所耗资源且减小所占用存储空间的3D数据极致压缩算法及装置。本专利技术是通过下述技术方案来解决上述技术问题：一种3D数据极致压缩算法，其特点在于，所述3D数据极致压缩算法包括：获取一3D影像；将所述3D影像与一预存影像库中的目标预存影像匹配，预存影像库中每一预存影像上的影像点数量小于所述3D影像的影像点，预存影像库中每一预存影像上设有用于调节预存影像的影像点形状的张量模型；按3D影像的形状调节目标预存影像的张量模型获取处理影像，处理影像的形状与3D影像的形状相同；对处理影像上的影像点做预设次数的卷积运算以生成3D影像的压缩影像。较佳地，每一预存影像均与预设个数的过滤式对应，对应于同一预存影像的过滤式之间设有次序，过滤式中的元素个数按所述次序依次减小，所述对处理影像上的影像点做预设次数的卷积运算以生成3D影像的压缩影像包括：利用当前过滤式对当前处理影像上的影像点做一次的卷积运算；判断当前过滤式的次序是否为最后一个，若是则结束流程，若否则将当前过滤式的下一个过滤式作为当前过滤式。较佳地，所述张量模型为预存影像上设置的表示影像点之间关系的函数式，所述3D数据极致压缩算法包括：按3D影像的形状调节目标预存影像的影像点之间关系的函数式获取处理影像。较佳地，预存影像库中每一预存影像划分为若干区域，每一区域内设有表示同一区域内影像点之间关系的函数式。较佳地，所述3D数据极致压缩算法包括：对于预存影像库中一目标预存影像，获取目标预存影像中相邻影像点之间的函数式，所述函数式为多项式函数；通过人工智能深度学习获取若干穿过相邻影像点之间的分割线，并计算分割线穿过的全部相邻影像点之间的多项式函数的最高次项的次数总和，以次数总和低于预设值的分割线划分目标预存影像的区域。较佳地，所述3D数据极致压缩算法包括：将3D影像与目标预存影像重叠放置以获取目标预存影像上影像点到3D影像的距离；获取所述距离最大的影像点为控制点，并将所述控制点向3D影像所在方向移动目标长度；利用所述目标预存影像的张量模型将控制点周围的周围控制点向3D影像所在方向移动计算长度，每一周围控制点的计算长度大小与周围控制点到控制点的距离成反比，所述计算长度小于所述目标长度。本专利技术还提供一种3D数据极致压缩装置，其特点在于，所述3D数据极致压缩装置包括一获取模块、一匹配模块、一处理模块以及一加密模块，所述获取模块用于获取一3D影像；所述匹配模块用于将所述3D影像与一预存影像库中的目标预存影像匹配，预存影像库中每一预存影像上的影像点数量小于所述3D影像的影像点，预存影像库中每一预存影像上设有用于调节预存影像的影像点形状的张量模型；所述处理模块用于按3D影像的形状调节目标预存影像的张量模型获取处理影像，处理影像的形状与3D影像的形状相同；所述加密模块用于对处理影像上的影像点做卷积运算以生成3D影像的加密影像。较佳地，所述张量模型为预存影像上设置的表示影像点之间关系的函数式，所述处理模块用于按3D影像的形状调节目标预存影像的影像点之间关系的函数式获取处理影像。较佳地，预存影像库中每一预存影像划分为若干区域，每一区域内设有表示同一区域内影像点之间关系的函数式，所述3D数据极致压缩装置包括一分析模块以及一计算模块，对于预存影像库中一目标预存影像，所述分析模块用于获取目标预存影像中相邻影像点之间的函数式，所述函数式为多项式函数；所述计算模块用于通过人工智能深度学习获取若干穿过相邻影像点之间的分割线，并计算分割线穿过的全部相邻影像点之间的多项式函数的最高次项的次数总和，以次数总和低于预设值的分割线划分目标预存影像的区域。较佳地，所述3D数据极致压缩装置包括一放置模块以及一控制模块，所述放置模块用于将3D影像与目标预存影像重叠放置以获取目标预存影像上影像点到3D影像的距离；所述控制模块用于获取所述距离最大的影像点为控制点，并将所述控制点向3D影像所在方向移动目标长度，然后利用所述目标预存影像的张量模型将控制点周围的周围控制点向3D影像所在方向移动计算长度，每一周围控制点的计算长度大小与周围控制点到控制点的距离成反比，所述计算长度小于所述目标长度。在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本专利技术各较佳实例。本专利技术的积极进步效果在于：本专利技术的3D数据极致压缩算法及装置能够大幅度降低3D影像所占用的空间，提高数据的安全性，并能够使数据更加规范可控，能够降低运算所耗资源且减小所占用的存储空间。附图说明图1为本专利技术实施例1的3D数据极致压缩算法的流程图。具体实施方式下面通过实施例的方式进一步说明本专利技术，但并不因此将本专利技术限制在所述的实施例范围之中。实施例1本实施例提供一种3D数据极致压缩装置，所述3D数据极致压缩装置包括一获取模块、一匹配模块、一处理模块以及一加密模块。所述获取模块用于获取一3D影像；所述匹配模块用于将所述3D影像与一预存影像库中的目标预存影像匹配，预存影像库中每一预存影像上的影像点数量小于所述3D影像的影像点，预存影像库中每一预存影像上设有用于调节预存影像的影像点形状的张量模型；所述处理模块用于按3D影像的形状调节目标预存影像的张量模型获取处理影像，处理影像的形状与3D影像的形状相同；所述加密模块用于对处理影像上的影像点做卷积运算以生成3D影像的加密影像。具体地，所述加密模块的具体功能为：每一预存影像均与预设个数的过滤式对应，对应于同一预存影像的过滤式之间设有次序，过滤式中的元素个数按所述次序依次减小；所述加密模块利用当前过滤式对当前处理影像上的影像点做一次的卷积运算；判断当前过滤式的次序是否为最后一个，若是则结束流程，若否则将当前过滤式的下一个过滤式作为当前过滤式。利用不同的过滤式对处理影像做卷积运算能够一步步的缩小所述3D影像，3D影像在匹配运存影像后，将预存影像的形状调节至所述3D影像，从而取代3D影像，预存影像为规范的影像点，其存储空间的占用较小，更好进行后期运算处理，通过卷本文档来自技高网...

【技术保护点】
1.一种3D数据极致压缩算法，其特征在于，所述3D数据极致压缩算法包括：获取一3D影像；将所述3D影像与一预存影像库中的目标预存影像匹配，预存影像库中每一预存影像上的影像点数量小于所述3D影像的影像点，预存影像库中每一预存影像上设有用于调节预存影像的影像点形状的张量模型；按3D影像的形状调节目标预存影像的张量模型获取处理影像，处理影像的形状与3D影像的形状相同；对处理影像上的影像点做预设次数的卷积运算以生成3D影像的压缩影像。

【技术特征摘要】
1.一种3D数据极致压缩算法，其特征在于，所述3D数据极致压缩算法包括：获取一3D影像；将所述3D影像与一预存影像库中的目标预存影像匹配，预存影像库中每一预存影像上的影像点数量小于所述3D影像的影像点，预存影像库中每一预存影像上设有用于调节预存影像的影像点形状的张量模型；按3D影像的形状调节目标预存影像的张量模型获取处理影像，处理影像的形状与3D影像的形状相同；对处理影像上的影像点做预设次数的卷积运算以生成3D影像的压缩影像。2.如权利要求1所述的3D数据极致压缩算法，其特征在于，每一预存影像均与预设个数的过滤式对应，对应于同一预存影像的过滤式之间设有次序，过滤式中的元素个数按所述次序依次减小，所述对处理影像上的影像点做预设次数的卷积运算以生成3D影像的压缩影像包括：利用当前过滤式对当前处理影像上的影像点做一次的卷积运算；判断当前过滤式的次序是否为最后一个，若是则结束流程，若否则将当前过滤式的下一个过滤式作为当前过滤式。3.如权利要求1所述的3D数据极致压缩算法，其特征在于，所述张量模型为预存影像上设置的表示影像点之间关系的函数式，所述3D数据极致压缩算法包括：按3D影像的形状调节目标预存影像的影像点之间关系的函数式获取处理影像。4.如权利要求3所述的3D数据极致压缩算法，其特征在于，预存影像库中每一预存影像划分为若干区域，每一区域内设有表示同一区域内影像点之间关系的函数式。5.如权利要求4所述的3D数据极致压缩算法，其特征在于，所述3D数据极致压缩算法包括：对于预存影像库中一目标预存影像，获取目标预存影像中相邻影像点之间的函数式，所述函数式为多项式函数；通过人工智能深度学习获取若干穿过相邻影像点之间的分割线，并计算分割线穿过的全部相邻影像点之间的多项式函数的最高次项的次数总和，以次数总和低于预设值的分割线划分目标预存影像的区域。6.如权利要求1所述的3D数据极致压缩算法，其特征在于，所述3D数据极致压缩算法包括：将3D影像与目标预存影像重叠放置以获取目标预存影像上影像点到3D影像的距离；获取所述距离最大的影像点为控制点，并将所述控制点向3D影像所在方向移动目标长度；利用所述目标预存影像的张量模型将控制点周围的周围控制...

【专利技术属性】
技术研发人员：吴跃华，
申请(专利权)人：盎锐上海信息科技有限公司，
类型：发明
国别省市：上海,31