[发明专利]自适应分块的基于体素的点云压缩方法及装置

权利要求书

1.一种自适应分块的基于体素的点云压缩方法，其特征在于：包括以下步骤，

步骤S10、对原始的点云数据进行自适应分块；

步骤S 10具体包括，

S11、将原始的点云数据进行八叉树体素划分，得到划分的点云块；

S12、使用三维卷积网络对划分的点云块进行空间数量分布探测，得到点云块的特征；

S13、对点云块的特征进行处理，计算出点云块的稠密程度及细节重要程度，根据点云块的稠密程度对点云块进行分类；

S14、根据点云块的稠密程度及细节重要程度对点云块进行自适应合并；

步骤S20、对自适应分块后的点云块进行编码；

步骤S20具体包括，

S21、对点云训练集进行体素化并特征强化，首先对点云数据集进行体素化，然后保留体素化后的体素内点云数量，最后通过三维卷积网络对体素进行特征强化，保留特征强化后的体素训练集；

S22、对特征强化后的体素进行编码，得到编码后的潜在表示数据；

S23、对编码后的潜在表示数据进行解码，对解码结果计算改进的wBCE损失函数，迭代网络；

步骤S30、使用针对体素化点云压缩模型改进的wBCE损失函数循环执行步骤S21-S23，分别对稠密点云压缩编码器和稀疏点云压缩编码器进行训练；

其中，改进的wBCE损失函数为：

其中，i为体素向量下标，y(i)为原始体素值，p(i)为预测体素值，w1(i)为对原本为1的体素预测为0的权重，w2(i)为对原本为0的体素预测为1的权重；

步骤S40、将训练完成的稠密点云压缩编码器和稀疏点云压缩编码器对自适应分块后的点云块进行编码。

2.如权利要求1所述的自适应分块的基于体素的点云压缩方法，其特征在于：步骤S11具体为，

将原始的点云数据进行八叉树体素划分，划分到最大深度，并统计最大深度的点云块的点云数量。

3.如权利要求2所述的自适应分块的基于体素的点云压缩方法，其特征在于：步骤S12具体为，

将划分的点云数据块分别使用三维卷积网络进行卷积，得到反应周围点云数量的特征值和反映周围点云变化的特征值，再加上点云块内的点云数量组成点云块的特征向量。

4.如权利要求3所述的自适应分块的基于体素的点云压缩方法，其特征在于：步骤S13中，对稠密程度和细节重要程度进行计算的公式分别为：

其中，{b₁,b₂,b₃,b₄,b₅}为步骤S12得到的点云特征向量，D1为表现该点云块以及附近的稠密程度，u₁、u₂、u₃分别为b₁,b₂,b₃的权重，M_b1为b₁的众数，为b₁的平均值，为b₁的方差，为b₂的方差，为b₃的方差；

D2为表现该点云块在空间中细节重要程度，u₁、u₂、u₃、u₄分别为b₁,b₂,b₃,b₄的权重，为b₄的平均值，为b₅的平均值，M_b4为b₄的众数，M_b5为b₅的众数，为b₄的方差，为b₅的方差，D₁min和D₁max分别为D₁(i)的最小值和最大值。