一种用于点云处理的装置和方法制造方法及图纸

一种用于处理点云信息的方法、装置或系统可以涉及用于3D点云数据的无损压缩/解压缩的在八叉树上的学习深度熵模型，其中，自监督的压缩/解压缩涉及自适应熵编码器，自适应熵编码器对树形结构条件熵模型进行操作并且利用来自局部邻域的信息以及来自树形结构的全局拓扑。拓扑。拓扑。

【技术实现步骤摘要】
【国外来华专利技术】一种用于点云处理的装置和方法


[0001]本公开涉及点云处理。

技术介绍

[0002]点云是跨若干商业领域的通用数据格式，从自主驾驶、机器人、AR/VR、土木工程、计算机图形到动画/电影产业。3D激光雷达传感器已部署在自动驾驶汽车中，并且Velodyne Velabit、Apple iPad Pro 2020和Intel RealSense LIDAR相机L515提供负经济实惠的激光雷达传感器。随着感测技术的巨大进步，3D点云数据变得比以往更加实用，并有望成为上述应用的最终推动者。
[0003]此外，点云可表示包含多个移动对象的相同场景的顺序扫描。与从静态场景或静态对象捕获的静态点云相比，它们被称为动态点云。动态点云通常被组织成帧，其中不同的帧在不同的时间被捕获。
[0004]汽车工业和自动驾驶汽车是可使用点云的领域。自动驾驶汽车应该能够“探测”其环境，以基于其周围环境的实际情况作出良好的驾驶决策。激光雷达等典型传感器会生成供感知引擎使用的(动态)点云。这些点云并非旨在被人眼看到，并且它们通常是稀疏的，不一定是彩色的，并且是动态本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种装置，包括：至少一个处理器，所述至少一个处理器被配置为接收编码比特流，所述编码比特流包括表示点云的压缩数据，其中，所述压缩数据是基于树形结构压缩的；以及对所述编码比特流进行解码，其中，对所述编码比特流进行解码包括所述至少一个处理器还被配置为：从所述树形结构的根节点开始：从所述比特流中获得针对所述树形结构的当前节点的数据；初始化所述当前节点的默认上下文；基于来自所述当前节点的上下文信息和来自一个或多个可用相邻节点以及来自所述当前节点的一个或多个祖先节点的特征信息，使用基于学习的熵模型来预测所述当前节点的占用符号分布；以及基于所述占用符号分布，使用自适应熵解码器来对所述当前节点的所述占用符号进行解码，基于针对所述树形结构的至少一个节点的所述经解码的占用符号来确定扩展树。2.一种方法，包括：接收编码比特流，所述编码比特流包括表示点云的压缩数据，其中，所述压缩数据是基于树形结构压缩的；以及对所述编码比特流进行解码，其中，所述解码包括：从所述树的根节点开始：从所述比特流中获得针对所述树的当前节点的数据；初始化所述当前节点的默认上下文；基于来自所述当前节点的上下文信息和来自一个或多个可用相邻节点以及来自所述当前节点的一个或多个祖先节点的特征信息，使用基于学习的熵模型来预测所述当前节点的占用符号分布；以及基于所述占用符号分布，使用自适应熵解码器来对所述当前节点的所述占用符号进行解码，基于针对所述树形结构的至少一个节点的所述经解码的占用符号来确定扩展树。3.一种装置，包括：至少一个处理器，所述至少一个处理器被配置为压缩表示点云的数据；以及提供包括所述压缩数据的组合编码比特流，其中，所述至少一个处理器被配置为压缩所述数据，包括所述至少一个处理器还被配置为：将包括在表示所述点云的所述数据中的原始点云几何数据转换为树表示；初始化所述树中所有节点的上下文；从所述树形结构的根节点开始：基于来自所述当前节点的上下文信息和来自一个或多个相邻节点以及来自所述当前节点的一个或多个祖先节点的特征信息，使用基于学习的熵模型来预测所述树中的当前节点的占用符号分布；以及基于所述预测的占用分布，使用自适应熵编码器将用于所述当前节点的占用符号编码为表示所述当前节点的编码比特流；
组合表示每个节点的所述编码比特流，以形成所述组合编码比特流，其中，所述组合编码比特流表示所述树。4.一种方法，包括：压缩表示点云的数据；以及提供包括所述压缩数据的组合编码比特流，其中，所述压缩包括：将包括在表示所述点云的所述数据中的原始点云几何数据转换为树表示；初始化所述树中所有节点的上下文；从所述树形结构的根节点开始：基于来自所述当前节点的上下文信息和来自一个或多个相邻节点以及来自所述当前节点的一个或多个祖先节点的特征信息，使用基于学习的熵模型来预测所述树中的当前节点的占用符号分布；以及基于所述预测的占用分布，使用自适应熵编码器将用于所述当前节点的占用符号编码为表示所述当前节点的编码比特流；组合表示每个节点的所述编码比特流，以形成所述组合编码比特流，其中，所述组合编码比特流表示所述树。5.一种装置，包括：至少一个处理器，所述至少一个处理器被配置为接收编码比特流，所述编码比特流包括表示点云的压缩数据，其中，所述压缩数据是根据基于块的树形结构压缩的；以及对所述编码比特流进行解码，其中，对所述编码比特流进行解码包括所述至少一个处理器还被配置为：从所述编码比特流中获得分区比特流和一个或多个块比特流两者；对所述分区比特流进行解码，以恢复指示所述点云数据的块结构的浅分区，其中，所述块结构中的每个块包括表示基于所述树形结构压缩的所述点云的所述数据的一部分；对于每个块，通过以下方式解压缩所述块比特流：从所述树形结构的根节点开始：从所述比特流中获得针对与所述块相关联的所述树形结构的当前节点的数据；初始化所述当前节点的默认上下文；基于来自所述当前节点的上下文信息和来自一个或多个可用相邻节点以及来自所述当前节点的一个或多个祖先节点的特征信息，使用基于学习的熵模型来预测所述当前节点的占用符号分布；以及基于所述占用符号分布，使用自适应熵解码器来对所述当前节点的所述占用符号进行解码，基于针对所述树形结构的至少一个节点的所述经解码的占用符号来确定所述块的扩展树；以及组合每个块的所述扩展树，以提供所述点云的扩展树。6.一种方法，包括：接收编码比特流，所述编码比特流包括表示点云的压缩数据，其中，所述压缩数据是根据基于块的树形结构压缩的；以及对所述编码比特流进行解码，其中，所述解码包括：
从所述编码比特流中获得分区比特流和一个或多个块比特流两者；对所述分区比特流进行解码，以恢复指示所述点云数据的块结构的浅分区，其中，每个块包括表示基于所述树形结构压缩的所述点云的所述数据的一部分；对于每个块，通过以下方式解压缩所述块比特流：从所述树形结构的根节点开始：从所述比特流中获得针对与所述块相关联的所述树形结构的当前节点的数据；初始化所述当前节点的默认上下文；基于来自所述当前节点的上下文信息和来自一个或多个可用相邻节点以及来自所述当前节点的一个或多个祖先节点的特征信息，使用基于学习的熵模型来预测所述当前节点的占用符号分布；以及基于所述占用符号分布，使用自适应熵解码器来对所述当前节点的所述占用符号进行解码，基于针对所述树形结构的至少一个节点的所述经解码的占用符号来确定所述块的扩展树；以及组合每个块的所述...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：交互数字专利控股公司，
类型：发明
国别省市：