-
公开(公告)号：CN119625091A
公开(公告)日：2025-03-14
申请号：CN202510152291.4
申请日：2025-02-12
Applicant: 鹏城实验室
IPC: G06T9/00 , G06T9/40 , G06V10/764 , G06V10/762 , G06V10/82 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种三维点云编码方法、三维点云解码方法、装置、电子设备，属于人工智能技术领域。编码方法包括：根据下采样参数对原始点云进行下采样，得到下采样点云和下采样点云中每一点的目标信息，下采样参数为大于1的非整数；确定下采样点云中每一点的邻居占位信息；根据下采样参数对下采样点云进行聚类，得到点云聚类簇；根据各点云聚类簇中每一点的目标信息和邻居占位信息，按聚类簇训练插值网络，得到优化的各聚类簇的插值网络参数；对下采样点云进行无损编码，得到下采样点云编码数据，对各聚类簇的插值网络参数进行编码，得到网络编码数据，以此，能够有效支持分数级下采样的点云编码，实现更灵活和高效的点云压缩。
-
公开(公告)号：CN115086672B
公开(公告)日：2024-08-23
申请号：CN202110264409.4
申请日：2021-03-11
Applicant: 鹏城实验室
IPC: H04N19/42 , H04N19/124 , H04N19/91 , H04N19/136 , H04N19/186
Abstract: 本发明公开了一种点云属性编码方法、装置、解码方法、装置及相关设备，其中，上述点云属性编码方法包括：对待编码点云数据进行排序和分组，获取待编码组，其中，上述待编码点云数据为属性待编码的点云数据；基于变换矩阵分别对各上述待编码组进行变换，获取变换系数，其中，上述变换系数包括直流系数和交流系数；分别获取各上述待编码组的直流系数预测值，基于上述直流系数预测值和上述变换系数实现对各上述待编码组的点云属性编码。与现有技术相比，本发明方案有利于提高编码性能，获得更好的点云属性压缩效果。
-
公开(公告)号：CN115474035A
公开(公告)日：2022-12-13
申请号：CN202110656783.9
申请日：2021-06-11
Applicant: 鹏城实验室
IPC: H04N13/161 , H04N19/597 , H04N19/91 , H04N19/124 , H04N19/625 , H04N19/176
Abstract: 本发明公开了一种点云属性编码方法、装置、解码方法、装置及相关设备，其中，上述点云属性编码方法包括：对所有待编码点云数据进行排序，获取排序点云数据，其中，上述待编码点云数据为属性待编码的点云数据；基于各上述排序点云数据之间的相关性，对各上述排序点云数据进行分组，获取待编码组；基于所有上述待编码组进行点云属性编码。与现有技术相比，本发明方案中对待编码数据进行排序后基于相关性进行分组获得待编码组，然后基于待编码组进行点云属性编码。有利于使分组内的点云数据之间的相关性更强，提高分组后进行组内变换时去相关性的效率，有利于提高编码效率。
-
公开(公告)号：CN115470259A
公开(公告)日：2022-12-13
申请号：CN202110657405.2
申请日：2021-06-11
Applicant: 鹏城实验室
IPC: G06F16/2458
Abstract: 本发明公开了一种点云属性预测方法、装置、终端及存储介质，所述方法通过第一空间距离筛选出目标数据点对应的目标邻域点，并基于第二空间距离确定各目标邻域点分别对应的优化权重，最后根据各目标邻域点和各目标邻域点分别对应的优化权重，确定所述目标数据点对应的属性预测值。本发明在空间距离的基础上优化了各目标邻域点分别对应的优化权重，可以提升点云的几何信息和属性信息相关性，在进行点云属性预测的时候提供更准确的预测值，从而提高点云属性的编码和解码性能。
-
公开(公告)号：CN119562059A
公开(公告)日：2025-03-04
申请号：CN202510093365.1
申请日：2025-01-21
Applicant: 鹏城实验室
IPC: H04N19/137 , H04N19/132
Abstract: 本申请实施例提出的高光谱图像编码方法、解码方法及相关设备，编码方法包括：首先，将高光谱图像划分基本图像和附加图像，基本图像包括锚定波段数据，附加图像包括非锚定波段数据；然后，对基本图像中的锚定波段数据进行光谱插值处理，得到包含非锚定波段数据的插值基本图像；接下来，基于附加图像和插值基本图像的差值，得到实际残差图像；之后，将基本图像输入光谱超分辨率网络生成预测残差图像，并基于实际残差图像和预测残差图像的差值，得到优化网络参数；最后，基于优化网络参数和基本图像得到高光谱图像的图像编码数据，有效地提高高光谱图像的编码压缩效率。
-
Patent Agency Ranking
公开(公告)号：CN114189692B
公开(公告)日：2024-05-14
申请号：CN202010966930.8
申请日：2020-09-15
Applicant: 鹏城实验室
Abstract: 本发明公开了基于连续子空间图变换的点云属性编码方法以及解码方法，通过将目标点云划分为多层级结构，对多层级结构的第二级以及第二级以上的目标点云空间，都由该目标点云空间在下一级的子空间的第一属性系数进行图变换得到该节点的第一属性系数和第二属性系数，目标点云空间的第一属性系数在上一级继续被变换，这样进行连续变换后，最终得到所述目标点云的第一属性系数和各个目标点云空间的第二属性系数，再根据所述目标点云的第一属性系数和各个目标点云空间的第二属性系数进行点云属性编码，在编码的过程中，不涉及寻找变换点的过程，避免了寻找方向的顺序影响点云属性编码效果，保证了点云属性编码质量。
-
公开(公告)号：CN115278269B
公开(公告)日：2024-02-23
申请号：CN202210699502.2
申请日：2022-06-20
Applicant: 鹏城实验室
IPC: H04N19/91 , H04N19/18 , H04N19/50 , H04N19/61 , H04N19/124 , H04N19/186 , H04N19/597
Abstract: 本发明公开一种点云属性编码方法、点云属性解码方法及存储介质，所述编码方法包括：基于待编码点云数据得到目标排序码后对待编码点云数据进行排序；按照排序依次进行属性编码：计算当前待编码点与最相邻点之间的差值距离并与阈值距离比较，根据比较结果调整当前量化参数或当前量化舍入方法后，使用当前调整量化参数或当前调整量化舍入方法对输入系数进行量化得到量化系数。通过在编码时，计算当前待编码点与最相邻点之间的差值距离后与阈值距离比较，并根据比较结果调整当前量化参数或当前量化舍入方法后，对输入系数进行量化得到量化系数，即通过对距离的判定筛选预测误差较大的点，调整量化参数减小预测误差，从而提升重建点云数据的精度。
-
公开(公告)号：CN117221610A
公开(公告)日：2023-12-12
申请号：CN202311129407.X
申请日：2023-08-31
Applicant: 鹏城实验室
IPC: H04N19/91 , H04N19/169
Abstract: 本申请实施例提供了一种点云属性编码解码方法、装置、电子设备及存储介质，属于点云处理技术领域。方法包括：获取待编码点云，其中，待编码点云包括多维属性，对待编码点云的多维属性进行属性维度分组，得到属性维度分组和属性维度分组指示信息，根据多个属性维度间的共用和/或相关信息对属性维度分组内的单维属性进行编码计算，得到目标编码属性系数，对属性维度分组指示信息进行熵编码，并根据预设顺序对目标编码属性系数进行熵编码，得到点云码流。本申请实施例能够提高点云属性的编解码效率。
-
公开(公告)号：CN120017836A
公开(公告)日：2025-05-16
申请号：CN202510109384.9
申请日：2025-01-21
Applicant: 鹏城实验室
IPC: H04N19/149 , H04N19/54 , H04N19/597 , H04N19/86 , H04N19/91
Abstract: 本申请实施例提供一种数据编码方法、解码方法、装置、存储介质及计算机设备，通过获取点云数据并对其点数据进行编码点组划分，得到多个编码点组。接着为每个编码点组构建上下文点组。对于序号为一的第一编码点组，对其中点数据的属性值编码，获第一子属性码流。对于序号不为一的第二编码点组，依据其点数据和上下文点组中的点数据确定属性值概率分布，再输入熵编码器得到第二子属性码流。最终将第一和第二子属性码流整合为点云数据的属性码流，通过上述操作，可降低或避免冗余，减少存储空间占用，提升数据传输效率。在保留海量点云数据原有属性信息的基础上降低或避免冗余，降低存储空间占用，提高传输效率。
-
公开(公告)号：CN119562059B
公开(公告)日：2025-04-22
申请号：CN202510093365.1
申请日：2025-01-21
Applicant: 鹏城实验室
IPC: H04N19/137 , H04N19/132
Abstract: 本申请实施例提出的高光谱图像编码方法、解码方法及相关设备，编码方法包括：首先，将高光谱图像划分基本图像和附加图像，基本图像包括锚定波段数据，附加图像包括非锚定波段数据；然后，对基本图像中的锚定波段数据进行光谱插值处理，得到包含非锚定波段数据的插值基本图像；接下来，基于附加图像和插值基本图像的差值，得到实际残差图像；之后，将基本图像输入光谱超分辨率网络生成预测残差图像，并基于实际残差图像和预测残差图像的差值，得到优化网络参数；最后，基于优化网络参数和基本图像得到高光谱图像的图像编码数据，有效地提高高光谱图像的编码压缩效率。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
