自适应点云属性编码的方法、装置、电子设备和存储介质制造方法及图纸

一种自适应点云属性编码方法由至少一个处理器执行，包括：确定点云的k个候选点的质心，k是点云的所有点的预定采样率；以及选择k个候选点中最接近所获得的质心的一个候选点。所述方法进一步包括：确定包括所述k个候选点中所述一个候选点的第一细节层次(LoD)层，以及不包括所述k个候选点中所述一个候选点的第二LoD层；以及基于所获得的第一LoD层和所获得的第二LoD层，对所有点的属性执行编码。

【技术实现步骤摘要】
自适应点云属性编码的方法、装置、电子设备和存储介质本申请要求2019年7月3日提交的第62/870,663号美国临时申请的优先权、以及2020年7月1日提交的第16/918,269号美国申请的优先权，所述申请以全文引用方式并入本申请。
技术介绍
1.
各实施例的方法和装置涉及基于图的点云压缩(graph-basedpointcloudcompression，G-PCC)，具体涉及自适应点云属性编码的方法和装置。2.相关技术描述世界的高级三维(3D)表示使更加沉浸式的交互和通信成为可能，并且还使机器能够理解、解释并遨游世界。3D点云(pointcloud)已经成为实现此类信息的代表。目前已经发现了与点云数据相关联的多个用例，并且已经开发了对点云表示和压缩的相应要求。点云是3D空间中的一组点，每个点具有相关联的属性，例如颜色、材料属性等。点云可用于将对象或场景重建为这种点的集合。可以在各种环境中使用多个照相机和深度传感器来获得点云，点云可以由数千到数十亿个点组成，能够真实地表示重建的场景。需要使用压缩技术来减少用于表示点云的本文档来自技高网...

【技术保护点】
1.一种自适应点云属性编码方法，由至少一个处理器执行，其特征在于，包括：/n确定点云的k个候选点的质心，k是点云的所有点的预定采样率；/n选择k个候选点中最接近所述质心的第一候选点；/n确定包括所述第一候选点的第一细节层次(levels-of-detail，LoD)层，以及不包括所述第一候选点的第二LoD层；及/n基于所述第一LoD层和所述第二LoD层对所有点的属性进行编码。/n

【技术特征摘要】
20190703 US 62/870,663;20200701 US 16/918,2691.一种自适应点云属性编码方法，由至少一个处理器执行，其特征在于，包括：
确定点云的k个候选点的质心，k是点云的所有点的预定采样率；
选择k个候选点中最接近所述质心的第一候选点；
确定包括所述第一候选点的第一细节层次(levels-of-detail，LoD)层，以及不包括所述第一候选点的第二LoD层；及
基于所述第一LoD层和所述第二LoD层对所有点的属性进行编码。


2.根据权利要求1所述的方法，其特征在于，当所述点云是稀疏点云时，所述预定采样率是3。


3.根据权利要求1所述的方法，其特征在于，当所述点云是密集点云时，所述预定采样率可以是4。


4.根据权利要求1所述的方法，其特征在于，当所述预定采样率不是4时，基于以下公式计算用于对所述属性进行编码的多个LoD层的总数：



其中，N是所有点的总数，k是所述预定采样率。


5.根据权利要求1所述的方法，其特征在于，进一步包括：
计算所述k个候选点的中值；
选择所述k个候选点中最接近所获得的中值的第二候选点；
其中，确定第一LoD层和第二LoD层包括确定包括所述第二候选点的所述第一LoD层，以及不包括所述第二候选点的所述第二LoD层。


6.根据权利要求5所述的方法，其特征在于，计算所述中值包括：
对所述k个候选点的x坐标值、k个候选点的y坐标值和k个候选点的z坐标值进行排序；及
计算排序后的x坐标值的中值、排序后的y坐标值的中值和排序后的z坐标值的中值，作为所述k个候选点的中值。


7.根据权利要求5所述的方法，其特征在于，当所述预定采样率不是4时，基于以下公式计算用于对所述属性进行编码的多个LoD层的总数：



其中，N是所有点的总数，k是所述预定采样率。


8.一种自适应点云属性编码装置，其特征在于，包括：
第一确定模块，用于确定点云的k个候选点的质心，k是点云的所有点的预定采样率；<...

【专利技术属性】
技术研发人员：卡特里亚贝兰德拉，芮世薰，沃索基阿拉什，刘杉，
申请(专利权)人：腾讯美国有限责任公司，
类型：发明
国别省市：美国;US