[发明专利]基于混合编码的点云属性编解码方法及装置

说明书

本发明公开了一种基于混合编码的点云属性编解码方法及装置，所述编码方法包括：获取原始点云数据；基于重建几何信息对原始点云数据的属性信息进行空间变换和属性插值预测，得到重构点云属性信息；对重构点云属性信息进行处理，得到待编码信息；根据待编码信息的分布特性，采用不同的编码方式对其进行编码处理，得到属性码流信息。本发明提供的基于混合编码的点云属性编码方法降低了码流大小，提升了编码性能。

技术领域

本发明属于三维重建技术领域，具体涉及一种基于混合编码的点云属性编解码方法及装置。

背景技术

点云是空间中一组无规则分布的、表达三维物体或场景的空间结构及表面属性的离散点集。点云中的每个点至少具有三维位置信息，根据应用场景的不同，还可能具有色彩、材质或其他信息。通常，点云中的每个点都具有相同数量的附加属性。

点云可以灵活方便地表达三维物体或场景的空间结构及表面属性，因而应用广泛。现有的一些点云数据应用场景，根据数据使用和处理特点的不同，目前主要可归为两大类别：类别一是机器感知点云，例如自主导航系统、实时巡检系统、地理信息系统、视觉分拣机器人、抢险救灾机器人；类别二是人眼感知点云，例如数字文化遗产、自由视点广播、三维沉浸通信、三维沉浸交互等应用场景。针对以上不同的点云应用场景，其相应的点云表示和压缩的需求也进行了进一步细化。

目前，我国数字音视频编解码标准工作组(AVS,Audio Video coding StandardWorkgroup of China)正在制订面向点云的压缩编码标准。在AVS提供的平台上，点云的几何信息和属性信息是分开进行编解码的。现阶段，属性编码主要针对颜色信息和反射率信息进行，其主要是对输入点云的属性信息经过预测得到预测残差，并对预测残差进行量化后，直接进行熵编码以得到属性码流信息的。

然而，上述方法在进行熵编码时没有考虑到属性预测残差的分布特性，比如对于残差连续为零的状况，若直接进行熵编码，会使编码码流较大，编码效率较低，影响编码性能。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于混合编码的点云属性编解码方法及装置。本发明要解决的技术问题通过以下技术方案实现：

一种基于混合编码的点云属性编码方法，包括：

获取原始点云数据；

基于重建几何信息对所述原始点云数据的属性信息进行空间变换和属性插值预测，得到重构点云属性信息；

对所述重构点云属性信息进行处理，得到待编码信息；

根据所述待编码信息的分布特性，采用不同的编码方式对其进行编码处理，得到属性码流信息。

在本发明的一个实施例中，对所述重构点云属性信息进行处理，得到待编码信息，包括：

对所述重构点云属性信息进行属性预测处理，得到预测残差；

对所述预测残差进行量化处理，得到量化残差，并将该量化残差作为待编码信息。

在本发明的一个实施例中，根据所述待编码信息的分布特性，采用不同的编码方式对其进行编码处理，得到属性码流信息，包括：

遍历每个点的量化残差，统计所述量化残差连续为零的数目；其中，所述量化残差包括至少一个分量；

若判断该点的当前量化残差不为零，则对所述量化残差连续为零的数目进行熵编码，并在编码后清零该数目，重新进行计数；

对所述当前量化残差进行熵编码；

重复上述步骤，直至完成所有点的量化残差编码，得到属性码流信息。

在本发明的一个实施例中，对所述量化残差连续为零的数目进行熵编码，包括：