[发明专利]一种点云属性的编解码方法、装置和系统

说明书

本申请涉及一种点云技术领域，尤其涉及一种点云属性的编解码方法和装置。本申请提供一种点云属性的解码方法，包括：筛选，根据待解码点的近邻点与待解码点的距离，选择其中至少一个近邻点作为待解码点的预测点；预测，根据的预测点的权重和属性重建值，得到待解码点的属性预测值；重建，根据属性预测值重建待解码点的属性重建值。通过本申请的技术方案，来保留更多的近邻点作为最终的预测点，这种多点预测方式所得到的待编解码点的属性预测值相比单点预测更加稳定准确。

技术领域

本发明涉及一种点云技术领域，尤其涉及一种点云属性的编解码方法、装置和系统。

背景技术

点云(或称三维点云)是三维物体或场景的一种表现形式，是由空间中一组无规则分布的、表达三维物体或三维场景的空间结构和表面属性的离散点所构成。大多数点云是由三维扫描设备产生的，例如光电雷达，激光雷达，立体摄像头等等。由于点云新颖的数据结构，目前点云已经成为摄影测量和遥感、计算机视觉、机器学习等多个领域常见数据源之一。

随着点云采集和处理的方法和设备不断成熟，点云越来越广泛的应用到工业生产和人类生活的各个方面。点云处理的一个基本环节是点云的压缩编码。点云的压缩编码主要需要编码点云的几何信息和属性信息。点云的几何信息是指点云中每个点的三维空间坐标，点云的属性信息是指每个点所携带的其他信息，如该点的颜色、反射率等。由于三维点云往往具有庞大数量的点，且点的分布在空间中具有无序性；同时，每个点又往往具有丰富的属性信息，一个点云往往具有庞大的数据量，给点云的存储和传输都带来了挑战。因此，点云压缩编码技术是点云处理和应用的关键技术之一。

点云属性预测编码，即在属性编码时，通过某种预测算法预测出当前待编码点的属性值。在解码端，仍使用编码端相同的预测算法预测当前待解码点的属性值，然后重建待解码点的原始属性值。但是目前常见的属性预测编解码算法中，所预测的属性值的准确性和稳定性不高。

发明内容

针对目前点云属性的编解码方法存在的上述问题，本发明提供一种点云属性的编解码方法、装置和系统。

本发明解决技术问题所采用的技术方案为：

一种点云属性的解码方法，包括：

筛选，根据待解码点的近邻点与待解码点的距离，选择其中至少一个近邻点作为待解码点的预测点；

预测，根据所述预测点的权重和属性重建值，得到所述待解码点的属性预测值；

重建，根据所述属性预测值重建所述待解码点的属性重建值。

优选地，所述筛选步骤包括：

当所述近邻点为1个近邻点时，所述预测点为该近邻点；

当所述近邻点为k个近邻点，且k为大于1的整数时，其对应的属性重建值分别为其中是k个近邻点中与待解码点最近的近邻点的属性重建值，是k个近邻点中与待解码点最远的近邻点的属性重建值，进一步判断与的差值的绝对值是否大于或等于预设的可变化的第一阈值：

若是，所述预测点为舍弃对应的最远的近邻点后剩下的k-1个近邻点，并且在剩下的k-1个近邻点中重复执行上述判断步骤；

若否，则停止筛选，所述预测点为k个近邻点。

优选地，所述第一阈值如下表示：

attrQuantParam*nearestPredParam1+nearestPredParam2；

其中，attrQuantParam为无符号整数，表示属性量化参数；nearestPredParam1和nearestPredParam2均为无符号整数。

优选地，根据如下任意一种方式来计算每个预测点的权重：

方式一：所有预测点使用相同的权重；