[发明专利]一种基于滤波器的点云属性预测方法及设备在审
| 申请号: | 202010034025.9 | 申请日: | 2020-01-13 |
| 公开(公告)号: | CN111242997A | 公开(公告)日: | 2020-06-05 |
| 发明(设计)人: | 李革;马闯;王静;邵薏婷 | 申请(专利权)人: | 北京大学深圳研究生院 |
| 主分类号: | G06T7/521 | 分类号: | G06T7/521 |
| 代理公司: | 北京京万通知识产权代理有限公司 11440 | 代理人: | 万学堂 |
| 地址: | 518055 广东省深圳市南*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 滤波器 属性 预测 方法 设备 | ||
1.一种点云属性预测方法,其特征在于,包括:
确定当前点的K个最近邻点;
确定滤波器矩阵;
根据所述滤波器矩阵确定所述当前点的属性预测值。
2.根据权利要求1所述的点云属性预测方法,其特征在于,使用方法一、或方法二、或方法三或方法四确定当前点的K个最近邻点,其中,
方法一:选取距离所述当前点L2范数条件下欧式距离最近的K个点作为所述当前点的K个最近邻点;
方法二:选取距离所述当前点L1范数条件下曼哈顿距离最近的K个点作为所述当前点的K个最近邻点;
方法三:选取距离所述当前点莫顿排序之后最近的K个点作为所述当前点的K个最近邻点;
方法四:选取距离所述当前点测底线距离最近的K个点作为所述当前点的K个最近邻点。
3.根据权利要求1所述的点云属性预测方法,其特征在于,使用方法一、或方法二、或方法三确定滤波器矩阵,其中,
方法一:根据所述点云种类或者属性种类确定滤波器矩阵;
方法二:根据所述K个最近邻点之间的几何距离的加权计算,得到所述滤波器矩阵;
方法三:根据所述K个最近邻点之间的几何距离的大小关系,确定滤波器矩阵。
4.根据权利要求1所述的点云属性预测方法,其特征在于,所述确定滤波器矩阵,在编码侧,包括,
在设定的滤波器矩阵参数取值范围内依次选取滤波器矩阵参数数值,根据所述滤波器参数数值依次计算对应的码流大小和失真值,根据所述码流大小和失真值计算率失真值,选择最小率失真值对应的滤波器矩阵。
5.根据权利要求4所述的点云属性预测方法,其特征在于,在编码侧,还包括通过方法一、或方法二、或方法三将滤波器矩阵编入码流,其中,
方法一:直接将所述滤波器矩阵参数的值编入码流;
方法二:将所述滤波器矩阵参数的值减去一个固定值后编入码流;
方法三:将所述滤波器的索引值编入码流。
6.根据权利要求1所述的点云属性预测方法,其特征在于,在解码侧,包括通过方法一、或方法二、或方法三,根据码流确定所述当前点的滤波器矩阵,其中,
方法一:根据点云属性码流,将直接解码出的滤波器矩阵作为所述当前点的滤波器矩阵;
方法二:根据点云属性码流,将直接解码出的滤波器矩阵参数加上一个固定值作为所述当前点的滤波器矩阵;
方法三:根据点云属性码流,根据解码出的滤波器索引值查找索引表获取的滤波器矩阵作为所述当前点的滤波器矩阵。
7.根据权利要求1所述的点云属性预测方法,其特征在于,所述根据所述滤波器矩阵确定所述当前点的属性预测值,包括:
计算所述滤波器矩阵与所述当前点的K个最近邻点的属性值的乘积,得到所述K个最近邻点更新的属性值;计算所述K个最近邻点更新的属性值与加权向量相乘得到的加权和,作为所述当前点的属性预测值;或者
计算所述滤波矩阵与加权向量相乘得到的加权和,作为更新的加权向量;计算所述K个最近邻点的属性值与所述更新的加权向量相乘得到的加权和,作为所述当前点的属性预测值。
8.根据权利要求1所述的点云属性预测方法,其特征在于,所述根据所述滤波器矩阵确定所述当前点的属性预测值,在编码侧,包括:
确定所述当前点的K个最近邻点的信息与所述当前点的信息的偏差值;
确定偏差阈值;
在所述偏差值大于或等于所述偏差阈值时:将所述K个最近邻点的属性值分别作为属性预测值,及根据所述滤波器矩阵确定所述当前点的属性预测值,共K+1个属性预测值;根据所述K+1个属性预测值分别计算对应的K+1个残差值;根据所述K+1个残差值分别计算对应的K+1个码流大小和失真值;根据所述K+1个码流大小和失真值分别计算对应的K+1个率失真值;根据所述K+1个率失真值选择最小率失真值对应的属性预测值作为所述当前点的属性预测值;
或,
在所述偏差值小于所述偏差阈值时,根据所述滤波器矩阵确定所述当前点的属性预测值。
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北京大学深圳研究生院,未经北京大学深圳研究生院许可,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/202010034025.9/1.html,转载请声明来源钻瓜专利网。





