一种双向点云属性预测压缩方法，装置，设备及介质制造方法及图纸

本发明专利技术公开了一种双向点云属性预测压缩方法、装置、设备及介质，方法包括：分别计算点云数据在几何坐标轴上的标准差；根据所述标准差，确定空间偏倚系数；对所述点云数据的几何信息进行莫顿编码排序或者希尔伯特编码排序，确定莫顿序或希尔伯特序；根据所述莫顿序或希尔伯特序结合序号进行属性预测，确定属性预测值；根据所述属性预测值，对所述点云数据进行属性预测压缩。本发明专利技术实现了减少以往根据个人经验设定空间偏倚系数所带来的不确定性，能更精确地找到真实几何空间中距离最近的点，减少了在点云数据的属性压缩中的损失，可广泛应用于点云数据处理技术领域。于点云数据处理技术领域。于点云数据处理技术领域。

【技术实现步骤摘要】
一种双向点云属性预测压缩方法，装置，设备及介质


[0001]本专利技术涉及点云数据处理
，尤其是一种双向点云属性预测压缩方法、装置、设备及介质。

技术介绍

[0002]点云(Point Cloud)是三维物体或场景的一种表现形式，是由空间中一组无规则分布、表达三维物体或场景空间结构和表面属性的离散点集所构成的。点云中的点除了几何坐标还包括了一些附加属性，比如颜色，反射率等。各个点之间没有指定的空间连接或顺序关系。点云数据按照获取的途径主要分为三类：1.静态点云：物体是静止的，获取点云的设备也是静止的。2.动态点云：物体是运动的，获取点云的设备是静止的。3动态获取点云：获取点云的设备是运动的。
[0003]点云数据在自动驾驶，高精度地图，虚拟现实等方面应用广泛，但由于点云数据往往是由数万个点到数亿个三维点，以及相对应的属性信息组成，对后续的存储、处理、传输显示都带来了严峻的挑战，对于目前的存储资源和传输带宽都难以承受，因此高效压缩技术对于存储和传输点云数据是必不可少的。
[0004]目前国际标准化组织/国际电工委员会(Int本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种双向点云属性预测压缩方法，其特征在于，包括：分别计算点云数据在几何坐标轴上的标准差；根据所述标准差，确定空间偏倚系数；对所述点云数据的几何信息进行莫顿编码排序或者希尔伯特编码排序，确定莫顿序或希尔伯特序；根据所述莫顿序或希尔伯特序结合序号进行属性预测，确定属性预测值；根据所述属性预测值，对所述点云数据进行属性预测压缩。2.根据权利要求1所述的一种双向点云属性预测压缩方法，其特征在于，所述分别计算点云数据在几何坐标轴上的标准差，包括：根据所述点云数据的X,Y,Z坐标，确定三个一维数组；根据所述一维数组，确定所述点云数据X,Y,Z的标准差；所述标准差的计算公式为：其中，所述S为标准差，n为一维数组中元素的个数，i为正整数，A
i
为一维数组中第i个元素，μ为一维数组中所有元素的均值。3.根据权利要求2所述的一种双向点云属性预测压缩方法，其特征在于，所述根据所述标准差，确定空间偏倚系数，包括：根据所述标准差，确定所述点云数据的坐标离散程度；根据所述坐标离散程度的大小确定空间偏倚系数。4.根据权利要求1所述的一种双向点云属性预测压缩方法，其特征在于，所述根据所述莫顿序或希尔伯特序结合序号进行属性预测，确定属性预测值，包括：根据所述莫顿序或希尔伯特序，对奇数点进行单向属性预测，确定所述奇数点对应的第一属性预测值；根据所述莫顿序或希尔伯特序，在所有奇数点预测完毕后，对偶数点进行双向属性预测，确定所述偶数点对应的第二属性预测值。5.根据权利要求4所述的一种双向点云属性预测压缩方法，其特征在于，所述根据所述莫顿序或希尔伯特序，对奇数点进行单向属性预测，确定所述奇数点对应的第一属性预测值的具体步骤为：确定单向属性预测的搜索范围为小于所述奇数点的奇数点；根据所述单向属性预测的搜索范围确定每个临近点的距离；根据所述单向属性预测的搜索范围确定参考点的权值，所述参考点为从所述临近点中选取...

【专利技术属性】
技术研发人员：梁凡，刘一晴，
申请(专利权)人：中山大学，
类型：发明
国别省市：