[发明专利]一种彩色点云的压缩采样及重构方法

说明书

本发明涉及一种彩色点云的压缩采样及重构方法。采集端将三维点云按照莫顿码的规则进行排序，分别测量排序后的几何属性和颜色属性分量，重构端利用基于小波稀疏性的SL0优化算法恢复出原始彩色点云。本发明处理三维静态点云时，所需采样的数据量少，重构效率高。

技术领域

本发明涉及一种彩色点云的压缩采样及重构方法。

背景技术

点云是分布在N维空间中的离散点集。目前研究主要针对三维点云，它是对物体表面信息的离散采样。在数字化文物，自由视点赛事转播，虚拟现实/增强现实/混合现实，自动驾驶及辅助驾驶等方面有广阔的应用前景。大规模场景的静态点云需要千万个点表示，动态点云的数据量将达到百兆bps甚至几Gbps。实际应用中由于存储和传输带宽受限，迫切需要进行点云压缩。

目前诸多学者研究了基于八叉树结构、基于图像、或基于三维块的彩色点云压缩算法。大多数算法都需要对三维点云进行全采样，将彩色点云分解为几何属性和颜色属性分别处理，且颜色属性的压缩滞后于或依赖于几何属性，增加了采集端的存储负担和编码复杂度，影响了压缩算法的并行度。

由于点云的稀疏特征，近年来压缩感知被引入到点云的几何属性和颜色属性压缩中。例如，西电的李佳和上大的张习民等研究了点云几何属性的稀疏化算法，对xyz三个坐标轴分别进行分段、降维、变换和测量，并利用正交匹配追踪(OMP)算法重构。Shuai Gu将三维点云的不规则特征作为几何信息，引导颜色属性的虚拟自适应采样过程，并利用OMP进行重建。然而，压缩过程还可以进一步简化，重构效率仍有提升空间。

发明内容

本发明的目的在于提供一种彩色点云的压缩采样及重构方法，进一步简化彩色点云的压缩过程，提升重构的并行度，用于低采样率条件下静态三维点云压缩感知。

为实现上述目的，本发明的技术方案是：一种彩色点云的压缩采样及重构方法，包括采集过程和重构过程，具体如下：

采集过程包括如下步骤：

步骤A1：将一彩色点云的所有顶点根据几何属性的莫顿码进行排序；

步骤A2：将排序的彩色点云分解为几何属性和颜色属性；

步骤A3：将几何属性和颜色属性的所有分量统一分成若干段，分别利用部分DCT矩阵进行测量；

重构过程包括以下步骤：

步骤B1：将几何属性和颜色属性分量的各个分段，分别利用基于小波稀疏性的平滑SL0优化算法进行重构；

步骤B2：将各数据分段组合成重构的几何属性和颜色属性，从而恢复出三维彩色点云。

在本发明一实施例中，所述步骤A3中，所述几何属性和颜色属性的所有分量分段，分别利用部分DCT矩阵进行测量。

在本发明一实施例中，所述步骤B1中，将所述属性分量的各个分段，分别利用基于小波稀疏性的SL0优化算法进行重构。

相较于现有技术，本发明具有以下有益效果：本发明处理彩色点云时，所需采样的数据量少，重构效率高，特别适用于低采样率条件的静态点云压缩感知。

附图说明

图1为本发明总体流程图。

图2是本发明一实施例(x,y,z)＝(2,3,1)的莫顿码生成示意图。

图3是本发明部分DCT测量示意图。

图4是本发明SL0-DWT重构算法流程图。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

本发明提供了一种彩色点云的压缩采样及重构方法，包括采集过程和重构过程，具体如下：