一种基于相对熵的点云质量评估方法技术

本发明专利技术涉及一种基于相对熵的点云质量评估方法，属于多媒体信息处理领域，对参考点云进行下采样，获取点云的几何架构；在参考点云和失真点云中构建以几何架构为中心的子点云，计算其快速点特征直方图及其相对熵，当作子点云的几何质量结果；将子点云的颜色属性转换到LMN颜色空间，计算颜色空间的第零矩、第一矩、第二矩，得到子点云的颜色质量结果；加权聚合子点云的几何质量结果和颜色质量结果，得到最终的基于相对熵的点云质量评估模型。终的基于相对熵的点云质量评估模型。终的基于相对熵的点云质量评估模型。

【技术实现步骤摘要】
一种基于相对熵的点云质量评估方法


[0001]本专利技术属于多媒体信息处理领域，涉及一种基于相对熵的点云质量评估方法。

技术介绍

[0002]点云作为一种新兴的多媒体类型，在智能交通、无人驾驶、虚拟现实等领域得到了广泛关注。一个典型的点云由数百万个非结构化、非均匀分布的3D点组成，每一个点都至少包含位置信息和颜色信息。
[0003]与传统的图像处理方法类似，点云的处理经历采样、压缩、传输、重建、渲染和分析等步骤。由于技术的限制，在以上处理过程中，点云的质量一定会受到损害，例如有损压缩会导致失真，采样过程中会受到噪声污染等，因此，对有损点云进行准确的质量评估至关重要。
[0004]点云的质量评估可分为主观评估和客观评估，主观评估是按照观看者的主观观感来对点云进行评估，一种常见的主观质量评估方法给出原始点云(参考点云)和失真点云(待评估点云)，让观看者们给待评估图像评分，再对所有主观得分求和取平均，得到平均主观得分；客观评估是使用某种特定的数学模型给出参考图像和待评估图像之间的差异量化值。主观评估受到观看者主观喜好、观看设备场地等因素影响，成本高、效率低；客观评估的分数不受主观因素影响，在点云质量评估领域得到了广泛应用。申请人发现，现有的点云客观质量评估算法精确度不够，造成后续处理步骤效率低下。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种基于相对熵的点云质量评估方法。该方法考虑了点云的几何特征和颜色特征，首先通过对参考点云进行重采样来提取几何关键点，形成几何骨架。然后在参考点云和失真点云中以这些关键点为中心分别构造子点云，对参考点云和失真点云的子点云从几何失真、颜色失真两个角度进行评估：首先计算参考点云和失真点云的子点云的快速点特征直方图，再计算点特征直方图之间的相对熵来度量几何失真程度，得到子点云的几何质量；计算参考点云和失真点云的子点云的颜色梯度的统计矩来衡量颜色失真程度，得到子点云的颜色质量。最后，将所有子点云的几何质量和颜色质量进行线性加权，得到基于相对熵的张量点云质量评估模型。
[0006]为达到上述目的，本专利技术提供如下技术方案：
[0007]一种基于相对熵的点云质量评估方法，包括以下步骤：
[0008]S1：对参考点云进行下采样，通过高通图滤波器来获取下采样后参考点云的几何架构。
[0009]S2：使用k最近邻分类算法，在参考点云和失真点云中构建以几何架构为中心的子点云，分别记作S
r
和S
d
；
[0010]S3：计算S
r
和S
d
的快速点特征直方图F
r
和F
d
，然后计算F
r
和F
d
的相对熵，将相对熵当作子点云的几何质量结果；
[0011]S4：将S
r
和S
d
的颜色属性从RGB颜色空间转换到LMN颜色空间，计算颜色空间的第零矩、第一矩、第二矩，通过加权计算得到子点云的颜色质量结果；
[0012]S5：加权聚合子点云的几何质量结果和颜色质量结果，得到最终的基于相对熵的张量点云质量评估模型；
[0013]进一步，步骤S1中包括以下步骤：
[0014]S11：参考点云由N个点组成，每个点有K个属性，记为：
[0015][0016]其中，表示第1到第N个点，表示维度为N
×
K的空间；
[0017]S12：使用几何距离来计算子点云中点和之间的连接权重，定义如下：
[0018][0019]其中，σ2表示点之间的方差，τ表示将相邻点聚类到同一子点云中的欧氏距离阈值。
[0020]S13：使用对角矩阵D来测量每个顶点的边缘密度，点的连接密度边缘密度D定义如下：
[0021][0022]S14：参考点云通过的高通滤波器表示为：
[0023][0024]其中L是滤波器长度，h
l
是第l个滤波器系数；是子点云移位算子，定义为：
[0025]A＝D
‑1W
[0026]S15：在h(A)的基础上，选择一个类哈尔局部域滤波器h
HH
(A)实现高通滤波，定义如下：
[0027][0028]其中λ1～λ
N
是A的特征值，U是A的特征向量；
[0029]S16：每一个通过该滤波器的点的频率响应为：
[0030][0031]其中表示点的一组邻点，表示点和的特征协方差矩阵；
[0032]设滤波器采样频率为f
s
，采样后的点云总点数重采样后的参考点云中的每一个点都是几何架构。
[0033]进一步，步骤S2中，给定一个欧式距离阈值γ，在参考点云和失真点云中以中的几何关键点为中心使用k近邻搜索算法构建子点云，定义如下：
[0034][0035][0036]其中S
r
表示在参考点云中构建的以几何架构为中心的子点云，表示参考点云中的点，表示重采样后的参考点云，S
d
表示在失真点云中构建的以几何架构为中心的子点云，表示失真点云中的点，表示重采样后的失真点云；
[0037]子点云中的点按照距离几何关键点的距离进行由小到大的排列。
[0038]进一步，步骤S3所述将相对熵当作该子点云的几何质量结果的具体步骤包括：
[0039]S31：从S
r
中选取距离几何关键点最近的k
r
个点，将这k
r
个点距离几何关键点的最大距离记作
[0040]从S
d
中选取距离几何关键点最近的k
d
个点，将这k
d
个点距离几何关键点的最大距离记作
[0041]S32：在S
r
中，计算距离内每一对及其邻点的点特征直方图三要素然后统计为一个简单点特征直方图
[0042]在S
d
中，计算距离内每一对及其邻点的点特征直方图三要素然后统计为一个简单点特征直方图
[0043]S33：在S
r
中，确定每一个点在距离内的邻点，并计算每一个的点特征直方图三要素然后统计为一个简单点特征直方图
[0044]在S
d
中，确定每一个点在距离内的点特征直方图三要素然后统计为一个简单点特征直方图
[0045]S34：计算S
r
和S
d
的快速点特征直方图FPFH
r
和FPFH
d
，定义如下：
[0046][0047][0048]其中d
i
是点之间的欧氏距离；
[0049]S35：计算FPFH
r
和FPFH
d
之间的相对熵，得到几何质量评估指标D
i
，直方图之间的相
对熵定义为：
[0050本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相对熵的点云质量评估方法，其特征在于：包括以下步骤：S1：对参考点云进行下采样，通过高通图滤波器来获取下采样后参考点云的几何架构；S2：使用k最近邻分类算法，在参考点云和失真点云中构建以几何架构为中心的子点云，分别记作S
r
和S
d
；S3：计算S
r
和S
d
的快速点特征直方图F
r
和F
d
，然后计算F
r
和F
d
的相对熵，将相对熵当作子点云的几何质量结果；S4：将S
r
和S
d
的颜色属性从RGB颜色空间转换到LMN颜色空间，计算颜色空间的第零矩、第一矩、第二矩，通过加权计算得到子点云的颜色质量结果；S5：加权聚合子点云的几何质量结果和颜色质量结果，得到最终的基于相对熵的点云质量评估模型。2.根据权利要求1所述的基于相对熵的点云质量评估方法，其特征在于：步骤S1中包括以下步骤：S11：参考点云由N个点组成，每个点有K个属性，记为：其中，表示第1到第N个点，表示维度为N
×
K的空间；S12：使用几何距离来计算子点云中点和之间的连接权重，定义如下：其中，σ2表示点之间的方差，τ表示将相邻点聚类到同一子点云中的欧氏距离阈值；S13：使用对角矩阵D来测量每个顶点的边缘密度，点的连接密度边缘密度D定义如下：S14：参考点云通过的高通滤波器表示为：其中L是滤波器长度，h
l
是第l个滤波器系数；是子点云移位算子，定义为：A＝D
‑1WS15：在h(A)的基础上，选择一个类哈尔局部域滤波器h
HH
(A)实现高通滤波，定义如下：其中λ1～λ
N
是A的特征值，U是A的特征向量；
S16：每一个通过该滤波器的点的频率响应为：其中表示点的一组邻点，表示点和的特征协方差矩阵；设滤波器采样频率为f
s
，采样后的点云总点数重采样后的参考点云中的每一个点都是几何架构。3.根据权利要求2所述的基于相对熵的点云质量评估方法，其特征在于：步骤S2中，给定一个欧式距离阈值γ，在参考点云和失真点云中以重采样后的参考点云中的几何关键点为中心使用k近邻搜索算法构建子点云，定义如下：为中心使用k近邻搜索算法构建子点云，定义如下：其中S
r
表示在参考点云中构建的以几何架构为中心的子点云，表示参考点云中的点，表示重采样后的参考点云，S
d
表示在失真点云中构建的以几何架构为中心的子点云，表示失真点云中的点，表示重采样后的失真点...

【专利技术属性】
技术研发人员：罗雷，武文欣，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：