一种基于点云矩阵奇异值特征的三维点云压缩系统和方法技术方案

本发明专利技术涉及一种基于点云矩阵奇异值特征的三维点云压缩系统和方法，系统包括：三维点云自适应分割模块，三维点云特征编码模块；三维点云自适应分割模块：用于构建立方空间以及相应的点云矩阵并对所述立方空间进行分割；三维点云特征编码模块：用于基于所述点云矩阵提取子空间点云的特征向量，并对所述特征向量进行存储；本发明专利技术利用点云平面特征替代反应单一平面的大量点云，又结合了八叉树结构表达和存储点云特征集合，完成了两个层面的数据量压缩，点云压缩率得到显著提高。点云压缩率得到显著提高。点云压缩率得到显著提高。

【技术实现步骤摘要】
一种基于点云矩阵奇异值特征的三维点云压缩系统和方法


[0001]本专利技术涉及三维点云数据压缩
，特别是涉及一种基于点云矩阵奇异值特征的三维点云压缩系统和方法。

技术介绍

[0002]作为信息世界映射物理世界的一项基础环节，三维空间信息的获取及重建在应用需求、硬件性能和软件技术的互相促进下不断发展。在这一趋势下，三维空间数据采集和可视化在越来越多的领域得到了重视和应用，例如空间探测、考古探测、基础设施的数字化管理、智能体的定位与导航、自动驾驶中的环境感知以及各类虚拟/增强/混合现实的应用。三维点云是一种常用的三维空间信息表达方式。直接获取的空间原始数据或从其他类型的数据中重建而来的空间数据均以点云作为最初形态。这种表达方式准确地反映了空间信息，而且易于理解，然而代价是数据量的庞大。这一缺点增加了数据传输和存储的负担、降低了数据计算和分析的效率，从而制约了实际应用的实时性和时效性。针对这一缺陷，三维点云的压缩技术得到了广泛的开发。
[0003]三维点云压缩技术主要可以分为采样帧内压缩、采样帧间压缩、整体点云压缩。其中，点云帧内压缩和整体点云压缩虽然在所需处理的数据量上有差别，但在本质上是相同的工作。不同于帧间压缩所关注的消除帧间冗余，帧内或整体压缩主要通过提取特征、设计编码方式等降低点云属性或点云本身的数据量。在现有的点云压缩技术中，八叉树是一种被广泛使用的数据结构，便于高效存储和检索点云数据。在此基础上，诸如图变换、特征提取与编码、对象识别等方法被用于进一步压缩点云数据量。其中，图变换主要用于点云的属性压缩，特征提取与编码和对象识别的方法主要用于点云自身的压缩。对象识别的方法所需的先验信息较多，泛用性也容易受到限制。现有技术中使用point++算法提取点云特征，从而完成点云的编码压缩和相应的解码方法。这种方法用到的点云提取特征用到了深度神经网络的算法，对于设备算力的要求较高，很难在感知层的终端设备上部署。

技术实现思路

[0004]本专利技术的目的是提供一种基于三维点云奇异值特征提取的点云压缩系统与方法，实现在低算力和低存储空间的条件下完成三维点云压缩的目标。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种基于点云矩阵奇异值特征的三维点云压缩系统，包括：三维点云自适应分割模块，三维点云特征编码模块；
[0007]所述三维点云自适应分割模块：用于构建立方空间以及相应的点云矩阵并对所述立方空间进行分割；
[0008]所述三维点云特征编码模块：用于基于所述点云矩阵提取子空间点云的特征向量，并对所述特征向量进行存储。
[0009]优选地，所述三维点云自适应分割模块包括构建单元，和分割单元；其中，所述构
建单元用于根据整体点云数据构建立方空间以及与所述立方空间相应的点云矩阵，所述分割单元用于对所述立方空间进行分割。
[0010]优选地，对所述立方空间进行分割，包括：
[0011]通过奇异值分解的方法提取所述点云矩阵的矩阵奇异值，以奇异值评价指标判断所述立方空间是否需要分割，对于需要分割的空间，按空间均分的原则将所述立方空间分为若干个子空间，进行迭代，直到所有子空间都已经分割或无需分割。
[0012]优选地，判断所述立方空间是否需要分割的方法包括：
[0013]根据所述奇异值聚集度判断所述点云的共面性，确定局部点云是否需要进一步细分，实现尺度自适应的点云分割，将不规则的复杂点云结构分解为若干尺度各异的点云平面的集合。
[0014]优选地，根据所述奇异值聚集度判断所述点云的共面性，包括：
[0015]S1.1、判断所述奇异值聚集度是否大于指定阈值；
[0016]S1.2、若不满足，则将点云立方空间进行分解，并继续对分解后的子空间执行所述S1.1；
[0017]S1.3、若满足，则表明本空间无需进一步分解，继续对剩余未判断和分割的空间执行所述S1.1。
[0018]优选地，所述三维点云特征编码模块包括特征提取单元和特征编码单元，所述特征提取单元用于对已完成分割的空间进行特征提取，获得子空间点云的特征向量，所述特征编码单元用于对所述子空间点云的特征向量进行编码。
[0019]优选地，对所述子空间点云的特征向量进行编码，包括：
[0020]将所述特征向量以八叉树子节点的数据结构进行编码，并以扩展八叉树的结构存储点云特征向量集；其中所述点云特征向量集即为压缩后的点云。
[0021]优选地，所述系统还包括所述特征恢复点云模块，所述特征恢复点云模块用于根据所述特征向量确定点云的恢复平面，生成重建后的点云集合。
[0022]优选地，所述特征恢复点云模块包括恢复单元，所述恢复单元用于根据特征向量所处的节点在八叉树中的深度和位置确定恢复点云的空间范围，根据所述点云特征向量确定点云的恢复平面，通过所述空间范围与所述恢复平面生成重建后的点云集合。
[0023]为了实现上述目的，本专利技术还提供了一种基于点云矩阵奇异值特征的三维点云压缩方法，包括：
[0024]构建立方空间以及相应的点云矩阵，使用奇异值分解的方法提取矩阵奇异值，以奇异值聚集度为评价指标，判断所述立方空间是否需要分割；若需要分割，则按照空间均分的原则进行分割，重复以上步骤进行迭代，直到所有子空间都已经分割或无需分割；
[0025]对已经完成分割的空间提取子空间点云的特征向量，将所述特征向量以八叉树子节点的数据结构进行编码，并以扩展八叉树的结构存储点云特征向量集；
[0026]根据所述点云特征向量所处的节点在所述八叉树中的深度和位置，确定恢复点云的空间范围，根据特征向量确定点云的恢复平面，生成重建后的点云集合，对所述八叉树中所有叶子节点的特征向量进行处理，得到恢复后的完整点云。
[0027]本专利技术的有益效果为：
[0028](1)本专利技术利用点云平面特征替代反应单一平面的大量点云，又结合了八叉树结
构表达和存储点云特征集合，完成了两个层面的数据量压缩，点云压缩率得到显著提高；
[0029](2)本专利技术通过奇异值分解算法，可在算力需求较小的条件下实施点云数据的自适应分割以及特征向量的提取，兼顾了高压缩率和低算力负担两大需求。
附图说明
[0030]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0031]图1为本专利技术实施例的基于点云矩阵奇异值特征的三维点云压缩系统示意图；
[0032]图2为本专利技术实施例的三维点云自适应分割方法示意图；
[0033]图3为本专利技术实施例的三维点云特征编码方法示意图。
具体实施方式
[0034]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云矩阵奇异值特征的三维点云压缩系统，其特征在于，包括：三维点云自适应分割模块，三维点云特征编码模块；所述三维点云自适应分割模块：用于构建立方空间以及相应的点云矩阵并对所述立方空间进行分割；所述三维点云特征编码模块：用于基于所述点云矩阵提取子空间点云的特征向量，并对所述特征向量进行存储。2.根据权利要求1所述的基于点云矩阵奇异值特征的三维点云压缩系统，其特征在于，所述三维点云自适应分割模块包括构建单元，和分割单元；其中，所述构建单元用于根据整体点云数据构建立方空间以及与所述立方空间相应的点云矩阵，所述分割单元用于对所述立方空间进行分割。3.根据权利要求2所述的基于点云矩阵奇异值特征的三维点云压缩系统，其特征在于，对所述立方空间进行分割，包括：通过奇异值分解的方法提取所述点云矩阵的矩阵奇异值，以奇异值评价指标判断所述立方空间是否需要分割，对于需要分割的空间，按空间均分的原则将所述立方空间分为若干个子空间，进行迭代，直到所有子空间都已经分割或无需分割。4.根据权利要求3所述的基于点云矩阵奇异值特征的三维点云压缩系统，其特征在于，判断所述立方空间是否需要分割的方法包括：根据所述奇异值聚集度判断所述点云的共面性，确定局部点云是否需要进一步细分，实现尺度自适应的点云分割，将不规则的复杂点云结构分解为若干尺度各异的点云平面的集合。5.根据权利要求4所述的基于点云矩阵奇异值特征的三维点云压缩系统，其特征在于，根据所述奇异值聚集度判断所述点云的共面性，包括：S1.1、判断所述奇异值聚集度是否大于指定阈值；S1.2、若不满足，则将点云立方空间进行分解，并继续对分解后的子空间执行所述S1.1；S1.3、若满足，则表明本空间无需进一步分解，继续对剩余未判断和分割的空间执行所述S1.1。6.根据权利要求1所述的基于点云矩阵奇异值特征的三维点云压缩系统，其特征在于，所...

【专利技术属性】
技术研发人员：张雷，沈国琛，成诚，娄刃，洪强，周跃琪，李兴华，
申请(专利权)人：同济大学，
类型：发明
国别省市：