一种基于拉格朗日乘子模型的点云帧内编码优化方法及装置

    公开(公告)号:CN108235018A

    公开(公告)日:2018-06-29

    申请号:CN201711336351.X

    申请日:2017-12-13

    Applicant: 北京大学

    Abstract: 本发明公开了一种基于拉格朗日乘子模型的点云帧内编码优化方法及装置,属于点云数字信号处理领域。所述方法包括:对点云数据进行离线训练得到拉格朗日乘子模型;将点云数据按照不同模式分别进行映射,得到不同的映射数据,对各映射数据分别进行独立编码得到对应的各编码结果;根据拉格朗日乘子模型及各编码结果,筛选出不同模式中的最优模式。本发明中,对点云数据进行不同模式的映射,相比于单模式映射,提供了更多的编码选择,充分利用了无序点云数据间的相关性;同时基于训练得到的拉格朗日乘子模型在不同的映射模式中确定最优模式,提高了编码性能,提升了点云数据的整体编码效果。

    一种基于傅里叶图变换的点云帧内编码方法及装置

    公开(公告)号:CN108171761A

    公开(公告)日:2018-06-15

    申请号:CN201711331571.3

    申请日:2017-12-13

    Applicant: 北京大学

    Abstract: 本发明公开了一种基于傅里叶图变换的点云帧内编码方法及装置,属于点云数字信号处理领域。所述方法包括:对原始三维点云进行体元化,得到多个点云体元;对得到的多个点云体元进行聚类得到多个点云体元集合;分别对多个点云体元集合进行基于主方向权重的傅里叶图变换;对变换后的各点云体元集合进行均匀量化及算术编码,生成对应的码流。本发明中的方法,对聚类得到的每个点云体元集合独立构图,减低了构图的复杂度;对每一个点云体元集合独立编码,使每一类中的点云分布更加均匀,紧凑;并充分利用了局部相似性特征,更加充分的表达出点与点之间的相关性,同时降低了噪声等无关因素的影响。

    一种基于傅里叶图变换的点云帧内编码方法及装置

    公开(公告)号:CN108171761B

    公开(公告)日:2020-10-16

    申请号:CN201711331571.3

    申请日:2017-12-13

    Applicant: 北京大学

    Abstract: 本发明公开了一种基于傅里叶图变换的点云帧内编码方法及装置,属于点云数字信号处理领域。所述方法包括:对原始三维点云进行体元化,得到多个点云体元;对得到的多个点云体元进行聚类得到多个点云体元集合;分别对多个点云体元集合进行基于主方向权重的傅里叶图变换;对变换后的各点云体元集合进行均匀量化及算术编码,生成对应的码流。本发明中的方法,对聚类得到的每个点云体元集合独立构图,减低了构图的复杂度;对每一个点云体元集合独立编码,使每一类中的点云分布更加均匀,紧凑;并充分利用了局部相似性特征,更加充分的表达出点与点之间的相关性,同时降低了噪声等无关因素的影响。

    一种基于拉格朗日乘子模型的点云帧内编码优化方法及装置

    公开(公告)号:CN108235018B

    公开(公告)日:2019-12-27

    申请号:CN201711336351.X

    申请日:2017-12-13

    Applicant: 北京大学

    Abstract: 本发明公开了一种基于拉格朗日乘子模型的点云帧内编码优化方法及装置,属于点云数字信号处理领域。所述方法包括:对点云数据进行离线训练得到拉格朗日乘子模型;将点云数据按照不同模式分别进行映射,得到不同的映射数据,对各映射数据分别进行独立编码得到对应的各编码结果;根据拉格朗日乘子模型及各编码结果,筛选出不同模式中的最优模式。本发明中,对点云数据进行不同模式的映射,相比于单模式映射,提供了更多的编码选择,充分利用了无序点云数据间的相关性;同时基于训练得到的拉格朗日乘子模型在不同的映射模式中确定最优模式,提高了编码性能,提升了点云数据的整体编码效果。

Patent Agency Ranking