公开(公告)号：CN113674369A

公开(公告)日：2021-11-19

申请号：CN202110848788.1

申请日：2021-07-27

Applicant: 闽都创新实验室 ,  福州大学

Inventor： 郑明魁 ,  王适 ,  王泽峰 ,  黄施平

IPC: G06T9/00 ,  G06N3/04 ,  G06N3/08 ,  G06T5/50 ,  G06T7/11 ,  H04N19/70

Abstract: 本发明涉及一种深度学习采样改进G‑PCC压缩的方法。首先，把一帧点云按照64*64*64大小分块并素化。然后，采用卷积网络提取点云体素化的特征，把点映射到128维的向量，进一步把特征向量映射回只有原来总数四分之一的点云。再而，把采样后的点云经过G‑PCC编码和解码。最后，对解码后的点云体素化，并用反卷积网络提取特征，把点映射到128维的向量，进一步把特征向量映射回点云，同样根据重建的误差最小，不断优化采样和重建的点云，融合块点云生成解码点云。和直接使用G‑PCC编码相比，使用卷积网络采样和重建在保证了点云质量的同时只需要编码原来点云数目的四分之一，减少了大量比特的开销。

公开(公告)号：CN113573068A

公开(公告)日：2021-10-29

申请号：CN202110854547.8

申请日：2021-07-28

Applicant: 福州大学

Inventor： 郑明魁 ,  王适 ,  陈建 ,  王泽峰 ,  邱鑫

IPC: H04N19/159 ,  H04N19/51 ,  H04N19/96

Abstract: 本发明涉及一种基于配准的改进V‑PCC帧间预测方法，包括以下步骤:步骤S1:基于运动一致性的二叉树粗分割算法对当前帧点云进行分割，并计算块内点云的质心到原点的距离，按距离的大小依次排序，给予相应的块其索引信息；步骤S2:对分割后的块进行三维配准帧间预测并计算误差，对于误差小于一定阈值的块直接熵编码块索引和运动信息；对于误差大于阈值的块，则融合并使用V‑PCC的帧间估计，最后形成比特流。本发明有效提高V‑PCC的编码性能。

公开(公告)号：CN114972460B

公开(公告)日：2025-04-25

申请号：CN202210622101.7

申请日：2022-06-02

Applicant: 福州大学

Inventor： 郑明魁 ,  邱鑫 ,  叶强强 ,  王泽峰

IPC: G06T7/33 ,  G06V10/40

Abstract: 本发明涉及一种结合图特征上下文匹配的点云配准方法，包括以下步骤：几何域图特征提取，得到图特征A；特征域图特征提取，根据源点云和目标点云的图特征A，得到图特征B；准确特征获取，根据图特征A和图特征B，得到完整的图特征C，根据图特征C进行特征上下文匹配，得到变换特征，根据变换特征和图特征C，得到准确特征；根据包含准确特征的源点云和目标点云构建特征差异匹配矩阵；根据特征差异匹配矩阵估计源点云到目标点云的刚性变换；将刚性变换作用于源点云，设定迭代次数N，进行迭代，得到细化的刚性变换；根据刚性变换进行点云配准。本发明基于深度学习的特征域配准受噪声与离群值的影响较小，对局部点云配准具有较好的鲁棒性。

公开(公告)号：CN115065826A

公开(公告)日：2022-09-16

申请号：CN202210653112.1

申请日：2022-06-09

Applicant: 闽都创新实验室 ,  福州大学

Inventor： 郑明魁 ,  王泽峰 ,  邱鑫 ,  王适 ,  黄昕

IPC: H04N19/503 ,  H04N19/42 ,  H04N19/597 ,  G01S7/48

Abstract: 本发明具体公开一种基于位姿状态的激光雷达点云帧间编解码方法，在编码过程中首先将三维点云的几何信息映射到二维距离图中；将点云序列分为参考点云和待编码点云，利用参考点云与待编码点云的位姿状态，设计待编码点云的帧间预测方法，最终对预测残差进行量化与编码，将变换矩阵、残差编码信息和参考点云编码信息合成输出码流；在解码过程中依次从码流中解出变换矩阵、残差编码信息和参考点云编码信息，得到参考点云和待编码点云在二维距离图上的原始距离，最终距离图转点云，恢复三维点云；本发明提供的方法在编解码激光雷达点云序列时，具有较高的编码性能。

公开(公告)号：CN113643389A

公开(公告)日：2021-11-12

申请号：CN202110848787.7

申请日：2021-07-27

Applicant: 闽都创新实验室 ,  福州大学

Inventor： 郑明魁 ,  王泽峰 ,  王适 ,  邱鑫 ,  黄施平

IPC: G06T9/00 ,  G06K9/62

Abstract: 本发明涉及一种基于分割的图像无损压缩方法。首先，利用手肘法，计算K‑means聚类的最佳K值。根据计算的K值，采用K‑means方法对图像聚类，获得聚类标签。设定判断孤立点的点数阈值Threshold，统计不同标签类别的点数。对点数小于等于点数阈值Threshold的标签，判定为孤立点，通过标签值找到孤立点在图像的位置，将其以矩阵形式单独提取出来。点数大于点数阈值Threshold的标签，判定为正常标签分类，做像素值归一化处理。找到各自类别对应的最小像素值，用最小像素值代替当前类别每个点的像素值，称此时的图像为Min Map。Min Map采用Compresso图像编码方法，孤立点和残差编码方法都采用JPEG‑LS编码，而后形成编码的两路比特流，最后输出。本发明能够满足数据无损与压缩率高的双重需求。

公开(公告)号：CN113573060A

公开(公告)日：2021-10-29

申请号：CN202110854530.2

申请日：2021-07-28

Applicant: 福州大学

Inventor： 郑明魁 ,  王适 ,  林育芳 ,  郭梦溪 ,  王泽峰

IPC: H04N19/13 ,  H04N19/124 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种深度学习自适应特征维度的点云几何编码方法，首先，把一帧点云分块，对分块的点云进行体素化。然后，使用自编码器的编码器把点云映射为N*8*8*8的特征系数，计算不同N时，使用解码器重建点云的均方误差与码率之间构成的代价函数,求解使得代价函数最小时对应的特征维度，输出此时对应的比特流。再而，使用解码器重建点云。最后，根据重建的点云和最小值还原真实的块点云。对输出的每一块点云融合得到解码点云。本发明优化点云的失真和码率的大小，能够快速获取最佳特征维度，进一步提高点云压缩效率及质量。

公开(公告)号：CN113518226A

公开(公告)日：2021-10-19

申请号：CN202110731452.7

申请日：2021-06-29

Applicant: 福州大学 ,  闽都创新实验室

Inventor： 郑明魁 ,  黄昕 ,  王泽峰 ,  王适 ,  陈建

IPC: H04N19/625 ,  H04N19/70 ,  H04N19/91 ,  H04N19/96 ,  H04N19/50

Abstract: 本发明涉及一种基于地面分割的G‑PCC点云编码改进方法，包括以下步骤：步骤S1：提供点云数据，通过快速地面分割算法对点云进行预处理，将点云数据分割为地面点云和非地面点云；步骤S2：对分割后的地面点云转换成距离图像，并基于JPEG算法的编码器进行编码；步骤S3：对分割后的非地面点云采用G‑PCC编码模块进行编码。本发明主要针对的是激光雷达动态获取的稀疏点云，具有高效，高压缩率，低复杂度等特点。