一种点云数据处理方法、装置及设备制造方法及图纸

本发明专利技术提供一种点云数据处理方法、装置及设备，涉及通信技术领域。该方法包括：确定目标点的目标预测点集中的预测点的几何权重；根据所述预测点的属性信息，确定所述预测点的属性权重；根据所述几何权重和所述属性权重，确定所述预测点的预测权重；根据所述预测权重，确定目标点的属性预测信息；根据所述属性预测信息对所述目标点进行编码或解码。本发明专利技术的方案，提升了编解码的性能。提升了编解码的性能。提升了编解码的性能。

【技术实现步骤摘要】
一种点云数据处理方法、装置及设备


[0001]本专利技术涉及通信
，特别是指一种点云数据处理方法、装置及设备。

技术介绍

[0002]随着三维信息感知和获取技术的飞速发展，高分辨率和高保真度的三维点云在自动驾驶、自主导航、沉浸式媒体、虚拟现实等场景中得到广泛的应用。三维点云是由一系列大量的位置信息和与之相对应的属性信息(颜色、反射率、法向量等)构成，能灵活地表征三维物体或场景的空间结构和表面属性。然而，海量的点云数据给有限的带宽和存储空间带来了极大的压力。因此，如何实现高效的点云数据压缩是一个急需解决的问题。

技术实现思路

[0003]本专利技术的目的是提供一种点云数据处理方法、装置及设备，以提升编解码的性能。
[0004]为达到上述目的，本专利技术的实施例提供一种点云数据处理方法，包括：
[0005]确定目标点的目标预测点集中的预测点的几何权重；
[0006]根据所述预测点的属性信息，确定所述预测点的属性权重；
[0007]根据所述几何权重和所述属性权重，确定所述预测点的预测权重；
[0008]根据所述预测权重，确定目标点的属性预测信息；
[0009]根据所述属性预测信息对所述目标点进行编码或解码。
[0010]可选的，所述确定目标点的目标预测点集中的预测点的几何权重之前，还包括：
[0011]根据邻近预测点的位置信息，生成所述目标预测点集；
[0012]其中，所述目标预测点集中的预测点包括第一预测点、第二预测点和第三预测点；
[0013]所述第一预测点为所述邻近预测点中，与所述目标点距离最近的点；
[0014]所述第二预测点为所述邻近预测点中，与所述目标点距离次近的点；
[0015]所述第三预测点为与所述目标点的距离等于第一阈值的邻近预测点的加权平均点。
[0016]可选的，所述确定目标点的目标预测点集中的预测点的几何权重，包括：
[0017]根据所述预测点与所述目标点的几何距离，确定所述预测点的几何权重。
[0018]可选的，所述根据所述预测点与所述目标点的几何距离，确定所述预测点的几何权重，包括：
[0019]通过公式计算所述目标预测点集中第n个预测点的几何权重W
g
(pos
i
，pos
n
)；
[0020]其中，pos
i
为所述目标点的位置信息；pos
n
为所述第n个预测点的位置信息，n为正整数。
[0021]可选的，所述根据所述预测点的属性信息，确定所述预测点的属性权重，包括：
[0022]基于所述目标预测点集中第n个预测点的属性信息、所述目标预测点集中与所述
目标点距离最近的预测点的属性信息以及属性权重调节因子，计算所述第n个预测点的属性权重；
[0023]其中，n为正整数。
[0024]可选的，所述基于所述目标预测点集中第n个预测点的属性信息、所述目标预测点集中与所述目标点距离最近的预测点的属性信息以及属性权重调节因子，计算所述第n个预测点的属性权重，包括：
[0025]通过公式计算所述第n个预测点的属性权重W
α
(A0，A
n
)；
[0026]其中，A0为所述目标预测点集中与所述目标点距离最近的预测点的属性信息；A
n
为所述第n个预测点的属性信息；δ
α
为属性权重调节因子。
[0027]可选的，所述根据所述几何权重和所述属性权重，确定所述预测点的预测权重，包括：
[0028]通过公式K
n
＝W
g
(pos
i
，pos
n
)
·
W
α
(A0，A
n
)，计算所述目标预测点集中第n个预测点的预测权重K
n
；
[0029]其中，W
g
(pos
i
，pos
n
)为所述第n个预测点的几何权重；W
α
(A0，A
n
)为所述第n个预测点的属性权重；pos
i
为所述目标点的位置信息；pos
n
为所述第n个预测点的位置信息；A0为所述目标预测点集中与所述目标点距离最近的点的属性信息；A
n
为所第n个预测点的属性信息；n为正整数。
[0030]可选的，所述根据所述预测权重，确定目标点的属性预测信息，包括：
[0031]通过公式计算所述目标点的属性预测信息其中，M为所述目标预测点集中预测点的个数。
[0032]可选的，所述根据邻近预测点的位置信息，生成所述目标预测点集之后，还包括：
[0033]根据所述第一预测点的属性信息和所述第三预测点的属性信息，得到判断结果；
[0034]所述确定目标点的目标预测点集中的预测点的几何权重，包括：
[0035]当所述判断结果满足预设条件时，确定所述目标预测点集中的预测点的几何权重。
[0036]可选的，所述基于所述第一预测点的属性信息和所述第三预测点的属性信息，得到第一判断结果，包括：
[0037]计算所述第一预测点和所述第三预测点的属性差值；
[0038]判断所述属性差值与第二阈值的大小，得到所述判断结果。
[0039]可选的，所述预设条件为所述属性差值小于所述第二阈值。
[0040]为达到上述目的，本专利技术的实施例提供一种点云数据处理装置，包括：
[0041]第一处理模块，用于确定目标点的目标预测点集中的预测点的几何权重；
[0042]第二处理模块，用于根据所述预测点的属性信息，确定所述预测点的属性权重；
[0043]第三处理模块，用于根据所述几何权重和所述属性权重，确定所述预测点的预测权重；
[0044]第四处理模块，用于根据所述预测权重，确定所目标点的属性预测信息；
[0045]第五处理模块，用于根据所述属性预测信息对所述目标点进行编码或解码。
[0046]可选的，所述装置还包括：
[0047]生成模块，用于根据邻近预测点的位置信息，生成所述目标预测点集；
[0048]其中，所述目标预测点集中的预测点包括第一预测点、第二预测点和第三预测点；
[0049]所述第一预测点为所述邻近预测点中，与所述目标点距离最近的点；
[0050]所述第二预测点为所述邻近预测点中，与所述目标点距离次近的点；
[0051]所述第三预测点为与所述目标点的距离等于第一阈值的邻近预测点的加权平均点。
[0052]可选的，所述第一处理模块还用于：
[0053]根据所述预测点与所述目标点的几何距离，确定所述预测点的几何权重。
[0054]可选的，所述第一处理模块还用于：
[005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云数据处理方法，其特征在于，包括：确定目标点的目标预测点集中的预测点的几何权重；根据所述预测点的属性信息，确定所述预测点的属性权重；根据所述几何权重和所述属性权重，确定所述预测点的预测权重；根据所述预测权重，确定目标点的属性预测信息；根据所述属性预测信息对所述目标点进行编码或解码。2.根据权利要求1所述的方法，其特征在于，所述确定目标点的目标预测点集中的预测点的几何权重之前，还包括：根据邻近预测点的位置信息，生成所述目标预测点集；其中，所述目标预测点集中的预测点包括第一预测点、第二预测点和第三预测点；所述第一预测点为所述邻近预测点中，与所述目标点距离最近的点；所述第二预测点为所述邻近预测点中，与所述目标点距离次近的点；所述第三预测点为与所述目标点的距离等于第一阈值的邻近预测点的加权平均点。3.根据权利要求1或2所述的方法，其特征在于，所述确定目标点的目标预测点集中的预测点的几何权重，包括：根据所述预测点与所述目标点的几何距离，确定所述预测点的几何权重。4.根据权利要求3所述的方法，其特征在于，所述根据所述预测点与所述目标点的几何距离，确定所述预测点的几何权重，包括：通过公式计算所述目标预测点集中第n个预测点的几何权重W
g
(pos
i
，pos
n
)；其中，pos
i
为所述目标点的位置信息；pos
n
为所述第n个预测点的位置信息，n为正整数。5.根据权利要求1或2所述的方法，其特征在于，所述根据所述预测点的属性信息，确定所述预测点的属性权重，包括：基于所述目标预测点集中第n个预测点的属性信息、所述目标预测点集中与所述目标点距离最近的预测点的属性信息以及属性权重调节因子，计算所述第n个预测点的属性权重；其中，n为正整数。6.根据权利要求5所述的方法，其特征在于，所述基于所述目标预测点集中第n个预测点的属性信息、所述目标预测点集中与所述目标点距离最近的预测点的属性信息以及属性权重调节因子，计算所述第n个预测点的属性权重，包括：通过公式计算所述第n个预测点的属性权重W
α
(A0，A
n
)；其中，A0为所述目标预测点集中与所述目标点距离最近的预测点的属性信息；A
n
为所述第n个预测点的属性信息；δ
α
为属性权重调节因子。7.根据权利要求1或2所述的方法，其特征在于，所述根据所述几何权重和所述属性权重，确定所述预测点的预测权重，包括：
通过公式K
n
＝W
g
(pos
i
，pos
n
)
·
W
α
(A0，A
n
)，计算所述目标预测点集...

【专利技术属性】
技术研发人员：李琳，尹瑶瑶，顾明，周冰，冯亚楠，郭佩佩，樊刚，串白杨，赵璐，马思伟，尹茜，王苫社，
申请(专利权)人：中国移动通信集团有限公司北京大学，
类型：发明
国别省市：