一种基于TMC3点云编码器的颜色属性编码方法技术

本发明专利技术涉及一种基于TMC3点云编码器的颜色属性编码方法，本发明专利技术依据TMC3流程，用八叉树结构对位置信息进行编码，同时保留编码的顺序；之后，计算出位置信息的质心，并采用kd‑tree找到距离质心最近的点作为细节层(LoD)生成过程中的第一个点。把近似的颜色值与经过预测的颜色信息进行差分编码。该方法利用了从质心开始预测会使近似的颜色值与预测的颜色的差值变小特点来降低颜色信息编码码率。实验结果表明在色度信息处理上，本发明专利技术比TMC3取得了更好的效果。

A Color Attribute Coding Method Based on TMC3 Point Cloud Encoder

The present invention relates to a color attribute coding method based on TMC3 point cloud encoder. According to TMC3 flow, the position information is encoded by octree structure while the coding sequence is preserved. After that, the centroid of position information is calculated, and the point closest to the centroid is found by KD tree as the first point in the process of LoD generation. The approximate color values are encoded differently from the predicted color information. In this method, the coding rate of color information is reduced by using the feature that the difference between the approximate color value and the predicted color will be reduced by predicting from the center of mass. The experimental results show that the invention achieves better results than TMC3 in chroma information processing.

【技术实现步骤摘要】
一种基于TMC3点云编码器的颜色属性编码方法
本专利技术涉及一种基于TMC3点云编码器的颜色属性编码方法，属于图像处理

技术介绍
三维点云数据已经开始普及到各个领域，例如，虚拟/增强现实、机器人、地理信息系统、医学领域等。随着三维点云数据的发展和三维点云数据扫描设备(比如激光雷达，Kinect体感相机)的基准度和速率的不断提升，人们可以准确地获取物体表面的大量点云数据，往往一个场景下的点云数据就可以包括几十万个点。数量如此庞大的点云数据也给计算机的存储和传输带来了挑战。因此，对三维点云数据的压缩也就成为一个热点问题。对于三维点云数据来说，在压缩领域，目前主要处理它的位置信息(X,Y,Z)和颜色信息(R,G,B)。对于位置信息的压缩，一般是用基于八叉树的编码方式来减少空间冗余。对于颜色信息的压缩，则可以通过三维到二维的映射关系，先把点云的颜色属性映射到二维空间，然后用二维的图像压缩方式进行压缩，也可以直接在三维数据上通过DCT变换，图变换等方式进行压缩。近几年，为了促进三维点云数据压缩技术的标准化，MPEG(MovingPicturesExpertsGroup)提出了基于点云库(PointCloudLibrary)的多帧点云编码器。之后，在2017年MPEG又提出了3种新的点云压缩方案，分别称为TMC1、TMC2、TMC3。其中，TMC3编码器通过对三维点云的位置信息进行八叉树编码；同时，根据八叉树编码后的位置信息对颜色信息进行预测，再通过与原始颜色信息进行做差的方式来编码颜色信息，从而达到很好的编码效果。在颜色信息编码上，TMC3通过kd-tree首先找到每个点的K个临近点，通过计算当前点与K个临近点的颜色信息得到当前点的颜色预测值，随后把颜色预测值与真实值进行差分算数编码，进而完成对颜色信息的处理。通过对比试验发现，TMC3编码器在用基于八叉树的位置信息进行颜色预测的过程中，每次都是采用八叉树包围盒内位置坐标值最小的点作为预测起始点。由于属性信息是用差分编码进行，所以第一个预测点的选取对差分编码的性能尤为重要，即TMC3这种选取预测起始点的方式不是很有效。
技术实现思路
针对现有技术中TMC3编码器存在的非最佳预测起始点的不足，本专利技术提供了一种基于TMC3点云编码器的颜色属性编码方法；术语解释：1、八叉树(Octree)：若不为空树的话，树中任一节点的子节点恰好只会有八个，或零个，也就是子节点不会有0与8以外的数目。2、kd-tree，k-d树(k-dimensional树的简称)，是一种分割k维数据空间的数据结构。主要应用于多维空间关键数据的搜索(如:范围搜索和最近邻搜索)。本专利技术的技术方案为：一种基于TMC3点云编码器的颜色属性编码方法，运行于所述TMC3点云编码器，所述TMC3点云编码器包括编码端与解码端，所述编码端连接所述解码端，包括步骤如下：A、在编码端执行步骤(1)至(7)，包括：(1)量化点云的位置信息；(2)去重合点，将重复的点删除；由于不同的位置信息在量化后可能会对应相同的量化结果。因此，需要去重操作，将重复的点删除。(3)对量化去重后的点云的位置信息进行八叉树位置信息编码；(4)确定量化后颜色信息；(5)确定质心点，找到步骤(3)经过八叉树位置信息编码后的点云的质心点Pcentroid；注意该质心位置不一定存在数据点。在经过八叉树编码后的点云中，通过kd-tree搜索找到距离质心点Pcentroid最近的点Pc，并把点Pc作为LOD生成过程中的初始预测点，质心点Pcentroid的计算公式如式(Ⅰ)所示：式(Ⅰ)中，为量化后(或原始)点的位置信息，N为量化后的点云个数(或原始点云个数)；(6)生成LOD(levelofdetail，细节层)；LOD生成的过程其实是点云根据欧式距离的一次重新排序过程。在LOD生成的过程中，把点Pc作为LOD生成过程中的初始点，在LOD生成过程中，每个层(level)通过使用者设定的不同大小的点到点的空间距离dl重新排序点，l＝0…L-1，同时必须满足dl+1＜dl并且dL-1＝0；(7)基于LOD的颜色信息预测与差值编码，得到压缩后的码流；B、在解码端执行步骤(8)至(12)，包括：(8)解析码流，并解码出经过八叉树编码的位置信息；(9)计算整个点云的质心Pcentroid_res，如式(Ⅱ)所示：式(Ⅱ)中，M为解码出的点云总数，为经过八叉树结构解码出的每个点的位置信息；并利用kd-tree找到解码出的点云中距离计算得到的质心Pcentroid_res最近的那个点Pc；(10)生成LOD；每个层(level)通过使用者设定的不同大小的点到点的空间距离dl重新排序点，l＝0…L-1，同时必须满足dl+1＜dl并且dL-1＝0；(11)生成颜色信息(12)解析码流，在编码端只有第一个点的颜色信息是被完全编码的，其他点都编码的颜色信息的差值。所以，在解码的时候，先解出第一个点的颜色信息，根据步骤(2)LOD生成过程的预测，根据解码出的颜色差值，按照LOD的顺序渐进式地解码出所有点的颜色信息，从而得到压缩后的点云，解码结束。进一步优选的，所述步骤(1)中，量化点云的位置信息，包括：a、导入点云数据，同时找到整个点云数据中位置信息(x，y，z)三个分量最小的分量，组成最小点：Xmin＝(min(xi),min(yi),min(zi))，i＝0…N-1，(xi，yi，zi)表示第i个点的位置信息，N是点的个数；b、被量化的点云数据由式(Ⅲ)得到：式(Ⅲ)中，s表示量化步长，Xi表示每个要被量化的点云数据，Xmin是步骤①中找到的全局最小点，表示被量化后的点。进一步优选的，所述步骤(3)中，八叉树位置信息编码，包括：c、根据三维坐标系建立一个立方体包围盒B用来包住整个点云数据，立方体包围盒B的最小值为(0,0,0)，最大值(2n,2n,2n)，3是满足式(Ⅳ)的最小整数值，式(Ⅳ)中，i＝0…N-1；是指yi被量化后的点，是指zi被量化后的点；d、根据建立好的立方体包围盒B，用八叉树结构进行空间划分，每划分一次，每个立方体被划分成8个小立方体，同时，用1记录有数据点小立方体，用0记录空的小立方体，有数据点小立方体被继续划分，直至划分到每个小立方体内最多只有一个点时，停止划分。进一步优选的，所述步骤(4)中，确定量化后颜色信息，包括：e、由于位置信息量化后，无法确定量化后的位置信息对应的原始颜色信息，因此需要进行颜色的确定，并使其与量化前的误差最小。定义原始点云数据为Xi，i＝0…N-1，量化后的点云数据为i1＝0…Nrec-1，N表示原始点的数量，Nrec表示量化后点的个数；f、对于量化后的点云数据为通过对原始点云建立kd-tree，把作为kd-tree的查询点找到在原始点云中距离它最近的点其颜色属性是g、对量化后的点云数据建立kd-tree，把原始点云中个每个点Xi作为查询点，找到距离查询点最近的量化后的点，这时找到的点的个数可能是0个，可能1个，也可能是多个，找到的点的个数用集合来表示：H(i)是集合中点的数目，h∈{1,…,H(i)}，是找到的最近点；h、如果集合为空，那么量化后点云的颜色属性就是如果集合非空，那么根据式(Ⅴ)计算出一个虚本文档来自技高网...

【技术保护点】
1.一种基于TMC3点云编码器的颜色属性编码方法，运行于所述TMC3点云编码器，所述TMC3点云编码器包括编码端与解码端，所述编码端连接所述解码端，其特征在于，包括步骤如下：A、在编码端执行步骤(1)至(7)，包括：(1)量化点云的位置信息；(2)去重合点，将重复的点删除；(3)对量化去重后的点云的位置信息进行八叉树位置信息编码；(4)确定量化后颜色信息；(5)确定质心点，找到步骤(3)经过八叉树位置信息编码后的点云的质心点Pcentroid；在经过八叉树编码后的点云中，通过kd‑tree搜索找到距离质心点Pcentroid最近的点Pc，并把点Pc作为LOD生成过程中的初始预测点，质心点Pcentroid的计算公式如式(I)所示：

【技术特征摘要】
1.一种基于TMC3点云编码器的颜色属性编码方法，运行于所述TMC3点云编码器，所述TMC3点云编码器包括编码端与解码端，所述编码端连接所述解码端，其特征在于，包括步骤如下：A、在编码端执行步骤(1)至(7)，包括：(1)量化点云的位置信息；(2)去重合点，将重复的点删除；(3)对量化去重后的点云的位置信息进行八叉树位置信息编码；(4)确定量化后颜色信息；(5)确定质心点，找到步骤(3)经过八叉树位置信息编码后的点云的质心点Pcentroid；在经过八叉树编码后的点云中，通过kd-tree搜索找到距离质心点Pcentroid最近的点Pc，并把点Pc作为LOD生成过程中的初始预测点，质心点Pcentroid的计算公式如式(I)所示：式(I)中，为量化后点的位置信息，N为量化后的点云个数；(6)生成LOD；在LOD生成的过程中，把点Pc作为LOD生成过程中的初始点，在LOD生成过程中，每个层通过使用者设定的不同大小的点到点的空间距离dl重新排序点，l＝0...L-1，同时必须满足dl+1＜dl并且dL-1＝0；(7)基于LOD的颜色信息预测与差值编码，得到压缩后的码流；B、在解码端执行步骤(8)至(12)，包括：(8)解析码流，并解码出经过八叉树编码的位置信息；(9)计算整个点云的质心Pcentroid_res，如式(II)所示：式(II)中，M为解码出的点云总数，为经过八叉树结构解码出的每个点的位置信息；并利用kd-tree找到解码出的点云中距离计算得到的质心Pcentroid_res最近的那个点Pc；(10)生成LOD；每个层通过使用者设定的不同大小的点到点的空间距离dl重新排序点，l＝0...L-1，同时必须满足dl+1＜dl并且dL-1＝0；(11)生成颜色信息(12)解析码流，先解出第一个点的颜色信息，根据步骤(2)LOD生成过程的预测，根据解码出的颜色差值，按照LOD的顺序渐进式地解码出所有点的颜色信息，从而得到压缩后的点云，解码结束。2.根据权利要求1所述的一种基于TMC3点云编码器的颜色属性编码方法，其特征在于，所述步骤(1)中，量化点云的位置信息，包括：a、导入点云数据，同时找到整个点云数据中位置信息(x，y，z)三个分量最小的分量，组成最小点：Xmin＝(min(xi)，min(yi)，min(zi))，i＝0...N-1，(xi，yi，zi)表示第i个点的位置信息，N是点的个数；b、被量化的点云数据由式(III)得到：式(III)中，s表示量化步长，Xi表示每个要被量化的点云数据，Xmin是步骤①中找到的全局最小点，表示被量化后的点。3.根据权利要求2所述的一种基于TMC3点云编码器的颜色属性编码方法，其特征在于，所述步骤(3)中，八叉树位置信息编码，包括：c、根据三维坐标系建立一个立方体包围盒B用来包住整个点云数据，立方体包围盒B的最小值为(0，0，0)，最大值(2n，2n，2n)，n是满足式(IV)的最小整数值，式(IV)中，i＝0...N-1；是指yi被量化后的点，是指zi被量化后的点；d、根据建立好的立方体包围盒B，用八叉树结构进行空间划分，每...

【专利技术属性】
技术研发人员：元辉，刘昊，刘祺，王韦韦，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37