[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

说明书

本发明提供了一种基于视觉任务的点云数据压缩质量评价方法及系统，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。与现有的点云质量评价方法相比，本发明具有针对性，能够根据特定视觉任务衡量点云压缩质量。此外，还能够根据多种视觉任务综合衡量点云压缩质量。

技术领域

本发明涉及点云数据处理领域，尤其涉及一种基于视觉任务的点云数据压缩质量评价方法及系统。

背景技术

由于三维扫描技术和采集设备的快速发展，通过测量三维模型得到的点云数据日益精确、庞大。点云数据由物体经过三维扫描后的三维坐标信息、纹理信息、深度信息等组成。目前，一般的激光扫面设备可以从物体表面轻易获取数十万、甚至数百万点云数据。海量点云数据为计算机存储、处理和传输带来了极大的负担。

随着网格模型处理复杂度的剧增，点云模型的优势更加明显。以点云模型为研究对象的基于点的计算机图形学已经瘦到广泛的关注，点云模型的数字几何处理技术也逐渐成为图形学中的一个研究热点，在逆向工程、工业制造、文物保护以及医学可视化等领域得到广泛应用。

三维点云模型能更精确地表达物体的形状，但其数据量庞大。因此，在存储、传输三维几何模型时，通常需要对三维点云模型进行压缩处理，如有损压缩。目前，针对三维点云模型处理的评价方法主要有主观评价方法和客观评价方法。主观方法简单而直观，但需要耗费大量的时间和人力，并且受观测者个人因素的影响较大，大大降低了主观评价的实用性和准确性。客观评价方法摆脱了依赖人的主观判断的局限，有效提高评价的效率，是目前三维点云数据质量评价的研究重点。

但由于目前点云模型的研究尚处于起步阶段，关于点云模型的质量评价研究并不多见。此外，现有点云质量评价方法绝大多数为根据点云呈现的视觉效果对点云质量进行评价，并未根据特定视觉任务(如点云分类、分割、识别等)及特定视觉任务评价指标指导点云压缩质量评价结果。因此，如何基于特定视觉任务进行点云压缩质量评价是目前亟待解决的关键问题。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于视觉任务的点云数据压缩质量评价方法及系统。

根据本发明提供的一种基于视觉任务的点云数据压缩质量评价方法，包括以下步骤：

S1、输入原始三维点云数据；

S2、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；

S3、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即处理后的解码数据，计算所述视觉任务的第二评价指标；

S4、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。

优选地，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。

优选地，所述原始三维点云数据包括以下任一种：

稀疏点云、密集点云。

优选地，所述视觉任务包括以下任一种：

分类、分割、识别、跟踪等视觉任务。

优选地，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，所述点云编解码器包括以下任一种：

MPEGG-PCCTMC13、MPEGV-PCCTMC2、Draco等。