【技术实现步骤摘要】
本专利技术涉及点云数据编码，尤其是一种基于局部特征匹配的动态点云编码方法。
技术介绍
1、近年来，点云由于其高精度和高分辨率的特点，在机器人和自动驾驶汽车中得到了快速的发展，可用于捕捉场景的三维几何形状。然而，点云数据庞大而复杂，如何实现高效的点云压缩和传输成为了一个关键的问题。并且由于点云具有无序性和稀疏性，难以将图像和视频压缩方法直接应用到点云压缩上。
2、目前，对点云进行压缩的方法主要分为无损压缩和有损压缩两类。无损压缩方法主要采用基于哈夫曼编码或基于算术编码的策略。这些方法确保了压缩后的点云数据与原始数据完全一致，但由于较低的压缩率，无法满足实际应用的需求。
3、因此，有损压缩方法逐渐成为处理点云数据的主要手段。点云有损压缩方法主要包括结构化的编码和非结构化的编码，其中结构化数据格式直观地呈现点云数据，适合于卷积运算。这些方法主要分为基于深度图的方法和基于体素的方法。基于深度图的方法，将点云数据投影到深度图上，然后通过对深度图进行压缩来实现对点云数据的压缩。这种方法的优势在于其压缩速度较快，但是在处理非平...
【技术保护点】
1.一种基于局部特征匹配的动态点云编码方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于局部特征匹配的动态点云编码方法，其特征在于：步骤S2)中，构建的所述的基于时空注意力的熵编码模型包括交叉注意力模块、聚合嵌入模块、时空注意力模块以及多个全连接层。
3.根据权利要求2所述的一种基于局部特征匹配的动态点云编码方法，其特征在于：步骤S2)中，所述的时空注意力模块包括空间注意力模块和时间注意力模块，以及多个全连接层，所述的空间注意力模块用于感知上下文窗口中各空间位置的节点之间的依赖，所述的时间注意模块则用于学习参考上下文与当前上下文
【技术特征摘要】
1.一种基于局部特征匹配的动态点云编码方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于局部特征匹配的动态点云编码方法，其特征在于：步骤s2)中，构建的所述的基于时空注意力的熵编码模型包括交叉注意力模块、聚合嵌入模块、时空注意力模块以及多个全连接层。
3.根据权利要求2所述的一种基于局部特征匹配的动态点云编码方法，其特征在于：步骤s2)中，所述的时空注意力模块包括空间注意力模块和时间注意力模块，以及多个全连接层，所述的空间注意力模块用于感知上下文窗口中各空间位置的节点之间的依赖，所述的时间注意模块则用于学习参考上下文与当前上下文的动态依赖关系。
4.根据权利要求1所述的一种基于局部特征匹配的动态点云编码方法，其特征在于：步骤s3)中，使用交叉注意力模块聚集动态节点特征，并计算节点相似性，具体包括如下步骤：
5.根据权利要求4所述的一种基于局部特征匹配的动态点云编码方法，其特征在于：步骤s32)中，在将参考上下文分割为多个长度为t的子参考上下文前，对参考上下文中的节点进行随机打乱。
6.根据权利要求1所述的一种基于局部特征匹配的动态点云编码方法，其特征在于：步骤s4)中，采用聚合嵌入模块自适应地将具有相似特征的动态节点进行聚类，具体包括如下步...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。