[发明专利]基于视觉任务的点云数据压缩质量评价方法及系统在审
| 申请号： | 201910784520.9 | 申请日： | 2019-08-23 |
| 公开（公告）号： | CN110533645A | 公开（公告）日： | 2019-12-03 |
| 发明（设计）人： | 徐异凌;高粼遥;朱文婕;管云峰 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06Q10/06 |
| 代理公司： | 31236 上海汉声知识产权代理有限公司 | 代理人： | 胡晶<国际申请>=<国际公布>=<进入国 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 评价指标 三维点云数据 视觉 点云 压缩 点云数据 对比结果 质量评价 编解码 第一数据 衡量 | ||
1.基于视觉任务的点云数据压缩质量评价方法，其特征在于，包括：
输入原始三维点云数据；
对所述原始三维点云数据进行处理，根据处理后的第一数据，计算视觉任务的第一评价指标；
对所述原始三维点云数据进行编解码，将编解码后的三维点云数据进行处理，根据处理后的第二数据，计算所述视觉任务的第二评价指标；
对比第一评价指标与第二评价指标得出评价指标对比结果，依据对比结果对点云数据压缩质量进行评价。
2.根据权利要求1所述的基于视觉任务的点云数据压缩质量评价方法，其特征在于，所述对三维点云数据进行处理指根据视觉任务处理算法进行运算。
3.根据权利要求1所述的基于视觉任务的点云数据压缩质量评价方法，其特征在于，所述原始三维点云数据为稀疏点云或密集点云。
4.根据权利要求1所述的基于视觉任务的点云数据压缩质量评价方法，其特征在于，所述视觉任务包括以下任一种：分类、分割、识别、跟踪。
5.根据权利要求1所述的基于视觉任务的点云数据压缩质量评价方法，其特征在于，所述对原始三维点云数据进行编解码处理是通过点云编解码器进行的，所述点云编解码器为MPEG G-PCC TMC13或MPEG V-PCC TMC2或Draco。
6.根据权利要求1所述的基于视觉任务的点云数据压缩质量评价方法，其特征在于，所述评价指标是指用于评估、比较视觉任务模型质量及其效果的统计指标。
7.根据权利要求1或权利要求4所述的基于视觉任务的点云数据压缩质量评价方法，其特征在于，还包括对多视觉任务的综合评价：依据各视觉任务的评价指标对比结果对点云数据压缩质量进行综合评价。
8.基于视觉任务的点云数据压缩质量评价系统，其特征在于，包括：
原始三维点云数据输入模块：输入原始三维点云数据；
点云数据编解码模块：对输入的原始三维点云数据进行编解码处理，并输出编解码后的三维点云数据；
视觉任务处理模块：对三维点云数据进行处理，得到处理后的数据；
视觉任务模型评估模块：根据处理后的数据，计算视觉任务的评价指标；
评估结果对比模块：对比经过处理的编解码前后点云数据的评价指标，依据对比结果对点云数据压缩质量进行评价。
9.根据权利要求8所述的基于视觉任务的点云数据压缩质量评价系统，其特征在于，所述对三维点云数据进行处理指根据视觉任务处理算法进行运算。
10.根据权利要求8所述的基于视觉任务的点云数据压缩质量评价系统，其特征在于，所述原始三维点云数据为稀疏点云或密集点云。
11.根据权利要求8所述的基于视觉任务的点云数据压缩质量评价系统，其特征在于，所述视觉任务包括以下任一种：分类、分割、识别、跟踪。
12.根据权利要求8所述的基于视觉任务的点云数据压缩质量评价系统，其特征在于，所述对原始三维点云数据进行编解码处理是通过点云编解码器进行的，所述点云编解码器为MPEG G-PCC TMC13或MPEG V-PCC TMC2或Draco。
13.根据权利要求8所述的基于视觉任务的点云数据压缩质量评价系统，其特征在于，所述评价指标是指用于评估、比较视觉任务模型质量及其效果的统计指标。
14.根据权利要求8或权利要求11所述的基于视觉任务的点云数据压缩质量评价系统，其特征在于，还包括对多视觉任务的综合评价模块：依据各视觉任务的评价指标对比结果对点云数据压缩质量进行综合评价。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学，未经上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910784520.9/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种基于图像识别的绝缘子检测方法
- 下一篇：一种基于物体检测的货架检出方法
