基于纹理驱动的图稀疏度优化的点云属性压缩方法

本发明涉及点云压缩领域，特别地，涉及基于纹理驱动的图稀疏度优化的点云属性压缩方法。

背景技术：

1、三维点云是现实世界数字化的重要表现形式，目前已经被广泛应用于自动驾驶、虚拟现实和数字博物馆等领域，在这些领域中，点云是一组包含几何和属性信息(如颜色和反射率)的点，模拟了各种场景和物体的外部表面。

2、解决以上问题及缺陷的难度为：随着点云采集设备的发展，点云的分辨率正在急剧提高，数据量的增加使得3d应用程序的部署难以实现，如何高效的压缩点云数据已经成为一个重要的问题。

3、最近，各种对于点云属性信息的压缩方法已经被提出，图变换技术是其中的一个重要分支。而根据数据特性设置自适应地图结构是图变换技术取得高效性能的关键。目前，有两种主流的定义图结构的方式，分别为：基于模型的图结构和基于码率损失优化的图结构。但是，这些方式的设计忽略图的稀疏性对编码器的影响。

4、解决以上问题及缺陷的意义为：合适的图的稀疏性能够在减少编码器时间复杂度的同时维持高效的压缩性能。因此，图的稀疏性是进一步提升基于图变换压缩性能的关键因素。

技术实现思路

1、本发明提供了一种基于纹理驱动的图稀疏度优化的点云属性压缩方法，用于实现高效的点云属性压缩。

2、本发明的技术方案如下：

3、本发明的基于纹理驱动的图稀疏度优化的点云属性压缩方法，包括以下步骤：s1.对点云进行块划分；s2.对于每个块构建多种最近邻矩阵作为候选的邻接矩阵；s3.统计每种候选邻接矩阵的纹理复杂度以及根据能量最小化准则确定最优邻接矩阵；s4.根据已经推导的邻接矩阵与权重系数之间的数学关系确定权重系数；s5.将邻接矩阵和权重系数带入码率损失优化函数中求解得到最优的权重矩阵，将最优的权重矩阵作为该块的最优图结构；s6.图变换：利用图傅里叶变换技术，将点云属性值基于最优图结构从原始阈变换至频谱阈得到变换系数；以及s7.变换系数经过量化和熵编码被写入码流文件中。

4、可选地，在上述基于纹理驱动的图稀疏度优化的点云属性压缩方法中，在步骤s1中，给定一个输入点云，采用三维kd树结构将其划分为若干个小块，每个小块作为一个独立的编码单元。

5、可选地，在上述基于纹理驱动的图稀疏度优化的点云属性压缩方法中，在步骤s2中，对于每个块，采用n个最近邻的方式建立点的连接关系，n＝1，2,……15。

6、可选地，在上述基于纹理驱动的图稀疏度优化的点云属性压缩方法中，在步骤s3中，纹理复杂度采用整个块的颜色差计算获得，其中，纹理复杂度采用ciede2000 standard进行度量。

7、可选地，在上述基于纹理驱动的图稀疏度优化的点云属性压缩方法中，在步骤s4中，根据已经推导的n个最近邻的邻接矩阵与权重系数λ之间的关系确定权重系数λ，其中，n和λ两个变量的关系如下：

8、

9、可选地，在上述基于纹理驱动的图稀疏度优化的点云属性压缩方法中，在步骤s6中，其中，码率损失优化函数为：

10、

11、z为n个最近邻的邻接矩阵。

12、可选地，在上述基于纹理驱动的图稀疏度优化的点云属性压缩方法中，在步骤s7中，将变换系数量化为整数，将量化后的变换系数熵编码至码流文件中。

13、根据本发明的技术方案，产生的有益效果是：

14、本发明的基于纹理驱动的图稀疏度优化的点云属性压缩方法，考虑稀疏度对构建图结构的影响，从而构造出低复杂度，高压缩性能的图结构。此外，利用纹理复杂度优化图的稀疏性，避免现有方案只利用点云几何结构带来的性能偏差。

15、为了更好地理解和说明本发明的构思、工作原理和发明效果，下面结合附图，通过具体实施例，对本发明进行详细说明如下：

技术特征：

1.一种基于纹理驱动的图稀疏度优化的点云属性压缩方法基于纹理驱动的图稀疏度优化的点云属性压缩方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于纹理驱动的图稀疏度优化的点云属性压缩方法，其特征在于，在步骤s1中，给定一个输入点云，采用三维树结构将其划分为若干个小块，每个小块作为一个独立的编码单元。

3.根据权利要求1所述的基于纹理驱动的图稀疏度优化的点云属性压缩方法，其特征在于，在步骤s2中，对于每个块，采用n个最近邻的方式建立点的连接关系，n＝1，2,……15。

4.根据权利要求1所述的基于纹理驱动的图稀疏度优化的点云属性压缩方法，其特征在于，在步骤s3中，所述纹理复杂度采用整个块的颜色差计算获得，其中，所述纹理复杂度采用ciede2000 standard进行度量。

5.根据权利要求1所述的基于纹理驱动的图稀疏度优化的点云属性压缩方法，其特征在于，在步骤s4中，根据已经推导的n个最近邻的邻接矩阵与权重系数λ之间的关系确定权重系数λ，其中，n和λ两个变量的关系如下：

6.根据权利要求1所述的基于纹理驱动的图稀疏度优化的点云属性压缩方法，其特征在于，在步骤s6中所述码率损失优化函数为：

7.根据权利要求1所述的基于纹理驱动的图稀疏度优化的点云属性压缩方法，其特征在于，在步骤s7中，将所述变换系数量化为整数，将量化后的变换系数熵编码至所述码流文件中。

技术总结
本发明提供了一种基于纹理驱动的图稀疏度优化方法，包括：S1.对点云进行块划分；S2.对于每个块构建多种最近邻矩阵作为候选的邻接矩阵；S3.统计每种候选邻接矩阵的纹理复杂度以及根据能量最小化准则确定最优邻接矩阵；S4.根据已经推导的邻接矩阵与权重系数之间的数学关系确定权重系数；S5.将邻接矩阵和权重系数带入码率损失优化函数中求解得到最优的权重矩阵，将最优的权重矩阵作为该块的最优图结构；S6.图变换：利用图傅里叶变换技术将点云属性值基于最优图结构从原始阈变换至频谱阈得到变换系数；以及S7.变换系数经过量化和熵编码被写入码流文件中。本发明方法可用于实现高效的点云属性压缩。

技术研发人员：李宏,宋菲,李革
受保护的技术使用者：北京大学深圳研究生院
技术研发日：
技术公布日：2024/1/15