-
公开(公告)号：CN112995758B
公开(公告)日：2024-02-06
申请号：CN201911284170.6
申请日：2019-12-13
Applicant: 鹏城实验室 , 北京大学深圳研究生院
IPC: H04N21/4402 , H04N21/2343 , G06T9/00
Abstract: 本发明公开了一种点云数据的编码方法、解码方法、存储介质及终端设备，所述编码方法包括根据待编码的点云数据生成占位图；根据待编码的点云数据、所述占位图、预设扫描顺序生成一维序列组；对所述占位图和一维序列组进行编码，以得到所述点云数据对应的码流。本发明通过将点云数据转换为一维序列组，并对一维序列组进行编码，降低了编码时的数据量，进而提高了点云数据的编码效率。
-
-
公开(公告)号：CN111405284A
公开(公告)日：2020-07-10
申请号：CN202010239218.8
申请日：2020-03-30
Applicant: 北京大学深圳研究生院
IPC: H04N19/147 , H04N19/186 , H04N19/103
Abstract: 本发明提供了一种基于点云密度的属性预测方法及设备。该方法包括：确定点云在三维空间XYZ方向上的分布密度；按照所述点云在三维空间XYZ方向上的分布密度从大到小的顺序确定属性预测顺序；确定当前待编码点共面共线的6个邻近点；根据所述属性预测顺序和所述当前待编码点共面共线的6个邻近点确定所述当前待编码点的属性预测值。由此，能够更好的利用点云序列在不同方向上的分布密度对当前点进行属性预测，提高了属性帧内预测的准确性，提升点云编码性能。
-
公开(公告)号：CN108833927B
公开(公告)日：2019-08-16
申请号：CN201810412818.2
申请日：2018-05-03
Applicant: 北京大学深圳研究生院
IPC: H04N19/85 , H04N19/124 , H04N19/91 , H04N19/96
Abstract: 本发明公布了一种基于删除量化矩阵中0元素的点云属性压缩方法，针对点云属性压缩过程中的量化矩阵，在编码端采用最优的遍历顺序使0元素在生成的数据流中集中分布在末端，将这些0删除后进行熵编码，降低数据流的数据量，减小编码后生成的码流，在解码端结合点云几何信息复原被删除的0元素，保证本方法不引入额外的误差；包括：编码端优化对量化矩阵的遍历顺序；删除数据流末端的0元素；解码端参考几何信息复原量化矩阵；点云属性压缩编码过程和解码过程。本发明在点云属性压缩的编码端对量化矩阵采用7种遍历顺序，使0元素在数据流中的分布更集中在末端；删除数据流末端的0元素，去除冗余信息，减小需要进行熵编码的数据量；在解码端结合点云几何信息补齐被删除的0元素，按照遍历顺序复原量化矩阵，在不引入新误差的前提下提高压缩性能。
-
公开(公告)号：CN109979008A
公开(公告)日：2019-07-05
申请号：CN201910280533.2
申请日：2019-04-09
Applicant: 北京大学深圳研究生院
Abstract: 本发明公布了一种基于属性的点云条带划分方法。该方法首先对点云进行一定深度的空间划分，得到多个局部点云；然后对各个局部点云内的属性值进行排序，在此基础上进行进一步的点云条带划分，以得到几何开销低、点数均匀的点云条带；本发明通过综合利用点云的空间位置和属性信息，在条带划分中尽可能地令属性相近、空间位置相关的点聚集在一个条带内，便于充分利用相邻点之间属性信息的冗余，改善点云属性压缩的性能；同时，各条带之间独立编码，支持随机访问，提高编码效率，并防止编码错误的累积和扩散，增强系统的容错性。
-
Patent Agency Ranking
公开(公告)号：CN109889840A
公开(公告)日：2019-06-14
申请号：CN201910214173.6
申请日：2019-03-20
Applicant: 北京大学深圳研究生院
IPC: H04N19/169 , H04N19/50 , H04N19/146
Abstract: 本发明提供了一种点云编码和解码的方法、编码设备和解码设备。该方法包括：确定当前点的K个最近邻点组成的点集；确定该当前点的L个次近邻点组成的点集；根据该当前点的K个最近邻点组成的点集及该当前点的L个次近邻点组成的点集，确定该当前点的优选近邻点集；根据所述当前点的优选近邻点集进行编码处理。由此，能够通过选取合适分布的近邻点集，提升点云编码性能。
-
公开(公告)号：CN108632607A
公开(公告)日：2018-10-09
申请号：CN201810435402.2
申请日：2018-05-09
Applicant: 北京大学深圳研究生院
IPC: H04N19/103 , H04N19/124 , H04N19/159 , H04N19/176 , H04N19/42 , H04N19/61 , H04N19/625 , H04N19/91 , H04N19/96
Abstract: 本发明公布了一种基于多角度自适应帧内预测的点云属性压缩方法，针对点云属性信息,提出一种新的基于块结构的帧内预测方案，提供六种预测模式以尽可能地减少点云不同编码块之间的信息冗余，提高点云属性的压缩性能；包括：(1)点云的输入；(2)点云属性的颜色空间转换；(3)采用K-dimension(KD)树划分点云得到编码块；(4)基于块结构的多角度自适应帧内预测；(5)帧内预测模式决策；(6)变换、均匀量化和熵编码。本发明使用KD树对点云进行编码块的划分，并按照广度优先遍历的顺序对编码块进行编号，根据编号顺序使用具有六种预测模式的点云帧内预测方案对编码块进行逐一处理，由模式决策选出最佳预测模式，再对预测残差进行变换、量化和熵编码处理，以达到点云属性压缩的最佳性能。
-
公开(公告)号：CN112218079B
公开(公告)日：2022-10-25
申请号：CN202011310281.2
申请日：2020-11-20
Applicant: 北京大学深圳研究生院
IPC: H04N19/13 , H04N19/30 , H04N19/56 , H04N19/567
Abstract: 本发明公开了一种基于空间顺序的点云预测方法、点云分层方法及设备。所述点云预测方法包括：生成点云的两个或多个空间顺序；使用所述两个或多个空间顺序进行当前点的前向和/或后向搜索，获得所述当前点的邻居；根据所述当前点的邻居确定所述当前点的属性预测值。所述点云分层方法包括：利用点云的坐标生成所有点的空间顺序码；对于所述空间顺序码高位相同的点，选择其中的部分点，将点云划分为两个或多个层次。本发明提供的点云预测方法实现了灵活的邻居搜索模式，在进行点云属性预测的时候提供更准确的预测值，本发明提供的点云分层方法实现了点云的层次划分，能够进一步利用点云的几何信息和属性信息相关性，从而提高点云属性的压缩性能。
-
公开(公告)号：CN113473127B
公开(公告)日：2022-09-23
申请号：CN202010238176.6
申请日：2020-03-30
Applicant: 鹏城实验室 , 北京大学深圳研究生院
Abstract: 本发明公开了一种点云几何编码方法、解码方法、编码设备及解码设备，所述点云定义在树结构中，树结构中有多个具有父子关系的节点，当前节点包括K个子节点，所述点云几何解码方法包括步骤：将当前子节点作为偏移莫顿顺序下的第n个点，其中，n为小于等于K的整数，K为大于1的整数；确定所述当前子节点的偏移莫顿顺序下的前m个邻居子节点的占用信息，其中，m为小于n的整数；根据所述当前子节点的偏移莫顿顺序下的前m个邻居子节点的占用信息确定所述当前子节点的上下文；根据所述当前子节点的上下文对点云几何码流进行熵解码。通过本发明提供的点云几何编码方法和解码方法能够提升几何节点之间相关性地利用，从而有效提高点云几何压缩性能。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.032 seconds)
