用于云压缩的方位角先验和树表示的方法和系统技术方案

一种对表示对象的三维位置的点云进行编码或解码的方法，该点云位于体积空间内，该方法包括：确定相对于方位距离到当前节点的至少一个最接近的编解码的节点；确定针对该至少一个最接近的编解码的节点中的每个最接近的编解码的节点的方位预测角；根据针对该至少一个最接近的编解码的节点中的每个最接近的所确定的编解码的节点的方位预测角来找到平均方位预测角；基于平均方位预测角来选择角方位上下文；基于该方位上下文来编码表示当前节点的信息以生成压缩点云数据的比特流或基于该方位上下文来解码表示当前节点的信息以生成点云数据。云数据。云数据。

【技术实现步骤摘要】
【国外来华专利技术】用于云压缩的方位角先验和树表示的方法和系统


[0001]本公开一般涉及点云压缩，并且具体地涉及用于点云和点坐标数据的基于树的编解码中的占用数据的改进的压缩的方法和设备。

技术介绍

[0002]数据压缩在通信和计算机网络中被用于高效地存储、传输和再现信息。人们对三维对象或空间的表示越来越感兴趣，其可以涉及大型数据集并且高效且有效的压缩对于其将是非常有用并且有价值的。在一些情况下，三维对象或空间可以使用点云来表示，点云是点集，其中每个点具有三维坐标位置(X,Y,Z)并且在一些情况下具有像颜色数据(例如亮度和色度)、透明度、反射率、法向量等的其他属性。点云可以是静态的(固定对象或在单个时间点的环境/对象的快照)或动态的(点云的时间排序序列)。
[0003]点云的示例应用包括地形和地图绘制应用。自动驾驶车辆和其他机器视觉应用可以依赖于以(诸如来自LiDAR扫描器的)环境的3D扫描的形式的点云传感器数据。虚拟现实仿真可以依赖于点云。
[0004]将认识到，点云可以涉及大量数据并且对快速地且准确地压缩(编码和解码)该数据是非常感兴趣的。因此，提供更高效地和/或有效地压缩点云的数据的方法和设备将是有利的。这样的方法可以通过改进的压缩得到对存储要求(存储器)的节省或者对用于压缩数据的传输的带宽的节省，由此得到(诸如用于自动驾驶应用的)3D视觉系统的改进的操作，或例如虚拟现实系统的改进的操作和渲染速度。
附图说明
[0005]现在将通过示例的方式对附图进行参考，附图示出了本申请的示例实施例，并且在附图中：
[0006]图1示出了示例点云编码器的简化框图；
[0007]图2示出了示例点云解码器的简化框图；
[0008]图3和图4图示了其被占据的孩子子体积中呈现平面性的体积的示例；
[0009]图5以流程图形式示出了使用平面编解码模式(mode)来对点云数据进行编码的一个示例方法；
[0010]图6示出了用于获取点云的光束组件的示例的简化图示；
[0011]图7示出了光束组件中的单个光束发射器的示例的简化图示；
[0012]图8示出了包括在(r,θ)平面中表达的示例点云的点的图解；
[0013]图9示出了相对于点云的点的坐标轴的示例指派；
[0014]图10示出了相对于光束组件的参考位置的光束组件的光束发射器的布置的示例；
[0015]图11示出了图8中的图的细节；
[0016]图12示出了在角θ的校正已经基于光束组件的特性而被执行之后包括在(r,θ)平面中表达的示例点云的点的图；
[0017]图13示出了相对于由光束组件发射的光束之间的角度差的点云数据的体积的角大小的示例；
[0018]图14示出了相对于光束发射器的点云数据的体积的子体积的组的角的示例；
[0019]图15示出了示例预测点树；
[0020]图16示出了球坐标、方位角和仰角θ的图示；
[0021]图17示出了由旋转LiDAR头对点的感测；
[0022]图18示出了旋转LiDAR头的典型扫描顺序；
[0023]图19示出了LiDAR头的示例扫描，其中一些点未被登记，并且方位角先验基本上是的倍数；
[0024]图20示出了用于使用方位预测角来解码表示当前节点占用的信息的过程图；
[0025]图21示出了平均预测角的构建；
[0026]图22示出了用于建立节点用于方位编解码的资格的图示；
[0027]图23示出了平面定位的示例预测；
[0028]图24示出了通过预测角鉴别的当前节点接近x轴；
[0029]图25示出了通过预测角鉴别的当前节点接近y轴；
[0030]图26示出了x平面节点的虚拟平面的右方位角和左方位角；
[0031]图27示出了用于使用方位先验来预测平面模式中的平面的定位的过程图；
[0032]图28示出了用于对IDCM模式中使用方位编解码模式的过程图；
[0033]图29示出了从沿着x方向的节点大小获得的初始x区间；
[0034]图30示出了在对点的坐标x的比特进行解码或编码之后先前x区间的演变；
[0035]图31示出了用于对预测点树种使用方位编解码模式的过程图；
[0036]图32示出了编码器的示例简化框图；以及
[0037]图33示出了解码器的示例简化框图。
[0038]相似的附图标记可以已经在不同附图中用于表示相似的部件。
具体实施方式
[0039]本申请描述了对点云进行编码和解码的方法，以及用于对点云进行编码和解码的编码器和解码器。
[0040]在一个方面中，本公开描述了一种对点云进行编码以生成表示对象的三维位置的压缩点云数据的比特流的方法，点云位于体积空间内并且由树表示，该方法包括：确定相对于方位距离到树的当前节点的至少一个最接近的编解码的节点(coded node)；确定针对至少一个最接近的编解码的节点中的每个最接近的编解码的节点的方位预测角；根据针对至少一个最接近的编解码的节点中的每个最接近的所确定的编解码的节点的方位预测角来找到平均方位预测角；基于平均方位预测角来选择角方位上下文；以及基于方位上下文来编码表示当前节点的信息以生成压缩点云数据的比特流。
[0041]在一个方面中，本公开还描述了一种对表示对象的三维位置的压缩点云数据的比特流进行解码以生成点云数据的方法，该点云位于体积空间内并且由树表示，该方法包括：确定相对于方位距离到树的当前节点的至少一个最接近的编解码的节点；确定针对至少一
个最接近的编解码的节点中的每个最接近的编解码的节点的方位预测角；根据针对至少一个最接近的编解码的节点中的每个最接近的所确定的编解码的节点的方位预测角来找到平均方位预测角；基于平均方位预测角来选择角方位上下文；以及基于方位上下文来解码表示当前节点的信息以生成点云数据。
[0042]在另一方面中，本公开描述了预测角基于以下来确定：已经编码的节点方位角除以误差的总和全部除以针对已经编码的节点的误差的倒数的总和。
[0043]在另一方面中，本公开描述了确定至少一个最接近的编解码的节点不包括大小大于当前节点的节点并且/或者不包括与当前节点相距大于阈值方位距离的节点。
[0044]在另一方面中，本公开描述了编码或解码使用平面模式，并且其中该方法还包括确定针对当前节点的左方位角和右方位角，其中选择角还包括：基于方位预测角减去左方位角是否与方位预测角减去右方位角具有相同的符号来指派第一比特；基于方位预测角减去左方位角和方位预测角减去右方位角中的哪项具有最大绝对幅值来指派第二比特；以及基于方位预测角减去左方位角与方位预测角减去右方位角之间的幅值差乘以到当前节点的半径的倒数来提供量子化上下文指数。
[0045]在另一方面中，本公开描述了该方法还包括基于当前节点相对于x轴或y轴的位置来选择用于方位预测的x平面定位和/或y平面定位。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种对点云进行编码以生成表示对象的三维位置的压缩点云数据的比特流的方法，所述点云位于体积空间内并且由树表示，所述方法包括：确定相对于方位距离到所述树的当前节点的至少一个最接近的编解码的节点；确定针对所述至少一个最接近的编解码的节点中的每个最接近的编解码的节点的方位预测角；根据针对所述至少一个最接近的编解码的节点中的每个最接近的编解码的节点的所确定的所述方位预测角来找到平均方位预测角；基于所述平均方位预测角来选择角方位上下文；以及基于所述方位上下文来对表示所述当前节点的信息进行编码以生成压缩点云数据的所述比特流。2.一种对表示对象的三维位置的压缩点云数据的比特流进行解码以用于生成点云数据的方法，所述点云位于体积空间内并且由树表示，所述方法包括：确定相对于方位距离到所述树的当前节点的至少一个最接近的编解码的节点；确定针对所述至少一个最接近的编解码的节点中的每个最接近的编解码的节点的方位预测角；根据针对所述至少一个最接近的编解码的节点中的每个最接近的编解码的节点的所确定的所述方位预测角来找到平均方位预测角；基于所述平均方位预测角来选择角方位上下文；以及基于所述方位上下文来从所述比特流解码表示所述当前节点的信息以生成所述点云数据。3.根据权利要求1或权利要求2所述的方法，其中所述平均方位预测角基于以下被确定：其中是所述平均方位预测角，是所述至少一个最接近的编解码的节点中的每个最接近的编解码的节点的对应的所述方位预测角，并且e
al
是所述至少一个最接近的编解码的节点中的每个最接近的编解码的节点中的误差。4.根据权利要求1至3中的任一项所述的方法，其中所述确定至少一个最接近的编解码的节点不包括大小大于所述当前节点的节点和/或不包括与所述当前节点相距大于阈值方位距离的节点。5.根据权利要求1至4中的任一项所述的方法，其中所述编码或解码处于平面模式，并且其中所述方法还包括确定针对所述当前节点的左方位角和右方位角，其中所述选择所述角方位上下文还包括以下至少一项：基于所述平均方位预测角减去所述左方位角是否与所述平均方位预测角减去所述右方位角具有相同的符号来指派第一比特；
基于所述平均方位预测角减去所述左方位角、和所述平均方位预测角减去所述右方位角中的哪项具有最大绝对幅值来指派第二比特；以及基于所述平均方位预测角减去所述左方位角与所述平均方位预测角减去所述右方位角之间的幅值差乘以到所述当前节点的半径的倒数，来提供量子化上下文指数。6.根据权利要求5所述的方法，其中所述方法还包括：基于所述当前节点相对于x轴或y轴的位置来选择x平面定位和...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：黑莓有限公司，
类型：发明
国别省市：