用于点云压缩的属性译码和扩增制造技术

技术编号:46601822 阅读:0 留言:0更新日期:2025-10-10 21:33
一种用于对点云数据进行解码的示例设备包括:存储器,该存储器被配置为存储点云数据;以及一个或多个处理器,该一个或多个处理器被实现于电路中,并且被配置为:对针对点云的经编码点云几何数据进行解码以形成针对点云的经重构点云几何数据;缩减点云几何数据以形成经缩减点云几何数据;使用经缩减点云几何来对针对点云的属性数据进行解码;将属性数据应用于经重构点云几何数据以形成中间点云数据;以及将残差学习网络应用于中间点云数据以形成经重构点云。

【技术实现步骤摘要】
【国外来华专利技术】

本公开涉及点云编码和解码。


技术介绍

1、点云是3维空间中的点的集合。点可以对应于3维空间内的对象上的点。因此,点云可以被用于表示3维空间的物理内容。点云可能在各种情况下都有用。例如,点云可以在自主车辆的上下文中被用于表示道路上的对象的定位。在另一示例中,点云可以在表示环境的物理内容的上下文中被用于在增强现实(ar) 或混合现实(mr)应用中定位虚拟对象的目的。点云压缩是用于对点云进行编码和解码的过程。对点云进行编码可以减少点云的存储和发送所需的数据量。


技术实现思路

1、总体上,本公开描述用于点云译码(coding)(例如,编码或解码)的技术,包括点云数据的几何和属性数据译码。具体地,使用基于深度学习的编码器,几何信息(例如,点云内的点坐标)可以被高效地编码。针对点的属性数据(例如,色彩、反射率、亮度、表面法线等)通常比几何数据包括更大的数据量。因此,点云编码器可以重构几何数据,随后在对属性数据进行编码之前缩减(downscale)几何数据并且也缩减属性数据。点云解码器随后可以解码和重构全尺度几何数据,缩减本文档来自技高网...

【技术保护点】

1.一种用于对点云数据进行解码的设备,所述设备包括:

2.如权利要求1所述的设备,其中所述处理系统还被配置为对表示要应用于所述点云几何数据的缩减量的值进行解码,其中为了缩减所述点云几何数据,所述一个或多个处理器被配置为根据表示所述缩减量的所述值来缩减所述点云几何数据。

3.如权利要求2所述的设备,其中所述一个或多个处理器被配置为向所述残差学习网络提供表示要应用于所述点云几何数据的所述缩减量的所述值。

4.如权利要求2所述的设备,其中所述一个或多个处理器被配置为根据表示要应用于所述点云几何数据的所述缩减量的所述值从多个残差学习网络中选择所述残差学习网络。...

【技术特征摘要】
【国外来华专利技术】

1.一种用于对点云数据进行解码的设备,所述设备包括:

2.如权利要求1所述的设备,其中所述处理系统还被配置为对表示要应用于所述点云几何数据的缩减量的值进行解码,其中为了缩减所述点云几何数据,所述一个或多个处理器被配置为根据表示所述缩减量的所述值来缩减所述点云几何数据。

3.如权利要求2所述的设备,其中所述一个或多个处理器被配置为向所述残差学习网络提供表示要应用于所述点云几何数据的所述缩减量的所述值。

4.如权利要求2所述的设备,其中所述一个或多个处理器被配置为根据表示要应用于所述点云几何数据的所述缩减量的所述值从多个残差学习网络中选择所述残差学习网络。

5.如权利要求1所述的设备,其中所述残差学习网络包括一个或多个卷积神经网络层以及组合单元,所述组合单元将所述一个或多个卷积神经网络层的输出与所述中间点云数据进行组合以形成所述经重构点云。

6.如权利要求1所述的设备,其中所述残差学习网络包括第一残差学习网络,并且其中所述处理系统还被配置为在预处理期间应用第二残差学习网络或者将第二残差学习网络作为滤波器应用于所述点云。

7.如权利要求1所述的设备,其中所述属性数据包括以红-绿-蓝(rgb)格式或亮度、蓝色调色度和红色调色度(ycbcr)格式之一的色彩数据。

8.如权利要求1所述的设备,其中为了缩减所述点云几何数据,所述处理系统被配置为:

9.如权利要求1所述的设备,其中为了缩减所述点云几何数据,所述处理系统被配置为:

1...

【专利技术属性】
技术研发人员:A·阿赫塔尔G·范德奥韦拉A·K·拉马苏布拉莫尼安M·卡尔切维茨
申请(专利权)人:高通股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1