公开(公告)号：CN116363371B

公开(公告)日：2023-08-01

申请号：CN202310601396.4

申请日：2023-05-26

Applicant: 山东大学

Inventor： 肖梦白 ,  潘子睿 ,  于东晓

IPC: G06V10/26 ,  G06V10/762 ,  G06V20/40

Abstract: 本发明属于计算机视觉领域，公开了一种基于帧间相似性的点云分割方法，包括如下步骤：将给定的点云视频分成多个固定长度的视频帧组，每个视频帧组中包含一个参考帧和多个预测帧；对参考帧进行聚类分割，生成多个固定大小且互不相交的点云片；对参考帧点云片运用迭代最近点算法做点云配准，生成转换后的参考帧点云片，然后关联预测帧与转换后的参考帧点云，生成初始预测帧点云片；对生成的初始预测帧点云片，调整点云片内的点，使预测帧点云片与参考帧点云片点数一致，位置对应。本发明所公开的方法利用点云视频帧之间的相似性，分割出固定点数且保留帧间对应关系的点云片；解决了点云存储、传输以及处理过程中需要消耗大量内存和带宽的问题。

公开(公告)号：CN117119203A

公开(公告)日：2023-11-24

申请号：CN202310667560.1

申请日：2023-06-07

Applicant: 山东大学

Inventor： 肖梦白 ,  潘子睿 ,  韩旭 ,  于东晓

IPC: H04N19/597 ,  H04N19/91 ,  H04N13/388 ,  H04L67/131

Abstract: 本发明属于计算机视觉领域，公开了一种基于深度学习的体积视频分片压缩方法，采用训练好的压缩模型对点云视频进行压缩，所述压缩模型包括特征提取模块、特征转移模块、熵编码模块、坐标重建模块；压缩过程具体包括以下阶段：特征提取阶段、特征转移阶段、熵编码阶段、坐标重建阶段。本发明所公开的方法利用了点云视频相邻帧的相似度这一特性，采用特征转移方法，提升提取到的特征的准确性，进而提高重建点云的质量，同时加速模型速度。使用重建损失和预测压缩率作为损失函数，提升点云压缩效率，最后使用训练好的压缩模型压缩出更短的比特流，同时解压重建出更加精确的点云。

公开(公告)号：CN116363371A

公开(公告)日：2023-06-30

申请号：CN202310601396.4

申请日：2023-05-26

Applicant: 山东大学

Inventor： 肖梦白 ,  潘子睿 ,  于东晓

IPC: G06V10/26 ,  G06V10/762 ,  G06V20/40

Abstract: 本发明属于计算机视觉领域，公开了一种基于帧间相似性的点云分割方法，包括如下步骤：将给定的点云视频分成多个固定长度的视频帧组，每个视频帧组中包含一个参考帧和多个预测帧；对参考帧进行聚类分割，生成多个固定大小且互不相交的点云片；对参考帧点云片运用迭代最近点算法做点云配准，生成转换后的参考帧点云片，然后关联预测帧与转换后的参考帧点云，生成初始预测帧点云片；对生成的初始预测帧点云片，调整点云片内的点，使预测帧点云片与参考帧点云片点数一致，位置对应。本发明所公开的方法利用点云视频帧之间的相似性，分割出固定点数且保留帧间对应关系的点云片；解决了点云存储、传输以及处理过程中需要消耗大量内存和带宽的问题。