公开(公告)号：CN113573060A

公开(公告)日：2021-10-29

申请号：CN202110854530.2

申请日：2021-07-28

Applicant: 福州大学

Inventor： 郑明魁 ,  王适 ,  林育芳 ,  郭梦溪 ,  王泽峰

IPC: H04N19/13 ,  H04N19/124 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种深度学习自适应特征维度的点云几何编码方法，首先，把一帧点云分块，对分块的点云进行体素化。然后，使用自编码器的编码器把点云映射为N*8*8*8的特征系数，计算不同N时，使用解码器重建点云的均方误差与码率之间构成的代价函数,求解使得代价函数最小时对应的特征维度，输出此时对应的比特流。再而，使用解码器重建点云。最后，根据重建的点云和最小值还原真实的块点云。对输出的每一块点云融合得到解码点云。本发明优化点云的失真和码率的大小，能够快速获取最佳特征维度，进一步提高点云压缩效率及质量。

公开(公告)号：CN113573060B

公开(公告)日：2022-12-23

申请号：CN202110854530.2

申请日：2021-07-28

Applicant: 福州大学

Inventor： 郑明魁 ,  王适 ,  林育芳 ,  郭梦溪 ,  王泽峰

IPC: H04N19/13 ,  H04N19/124 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种深度学习自适应特征维度的点云几何编码方法，首先，把一帧点云分块，对分块的点云进行体素化。然后，使用自编码器的编码器把点云映射为N*8*8*8的特征系数，计算不同N时，使用解码器重建点云的均方误差与码率之间构成的代价函数,求解使得代价函数最小时对应的特征维度，输出此时对应的比特流。再而，使用解码器重建点云。最后，根据重建的点云和最小值还原真实的块点云。对输出的每一块点云融合得到解码点云。本发明优化点云的失真和码率的大小，能够快速获取最佳特征维度，进一步提高点云压缩效率及质量。