-
公开(公告)号：CN113643389B
公开(公告)日：2024-04-05
申请号：CN202110848787.7
申请日：2021-07-27
IPC: G06T9/00 , G06V10/762
Abstract: 本发明涉及一种基于分割的图像无损压缩方法。首先，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。对点数小于等于点数阈值的标签，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：CN114554175B
公开(公告)日：2024-02-13
申请号：CN202111628747.8
申请日：2021-12-28
IPC: H04N13/161 , H04N13/106 , H04N19/182 , H04N19/176
Abstract: 本发明涉及一种基于分类重排的点云无损压缩方法。首先确定阈值：将图像中的像素划分成为若干个类别，使得同一类别中的像素灰度值相接近；根据确定的阈值，分类得到C1、C2和像素掩膜图Mp；Mp则是一幅二值的像素掩膜图，大小为SxS；Mp记录了所有像素的类别信息，但本身所占比特数较多，进一步将其分块合并，得到一张分块掩膜图Mb；按照三阶Hilbert曲线的顺序遍历分块掩膜图和像素即可以把整个图像的所有像素排列成一个一维序列D，D序列分为两个子序列D1与D2，分别对应高、低灰度值；数据流D1、D2和分块掩膜图Mb采用JPEG‑LS进行编码，而后形成编码的两路比特流，最后输出。本发明能够满
-
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
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：CN115474047B
公开(公告)日：2025-01-03
申请号：CN202211112366.9
申请日：2022-09-13
Applicant: 福州大学
IPC: H04N19/124 , H04N19/172 , H04N19/597 , H04N19/70 , H04N19/91 , G06T7/32 , G06T9/00
Abstract: 本发明涉及一种基于增强映射图相关性LiDAR点云编码方法及解码方法，编码方法包括：获取待编码点云，将部分点云帧作为I帧，其余点云帧作为P帧；将I帧和P帧的几何信息映射为2D距离图，划分为分辨率为N1×N2的分块，将I帧和P帧各分块转换为三维点云，使用ICP算法根据I帧各分块三维点云配准P帧各分块三维点云，得到运动信息H；将P’帧各分块三维点云转化为2D距离图；将I帧和P帧的属性信息映射为2D属性图；2D距离图和2D属性图编码成视频流，将视频流编码为二进制码流；将运动信息H量化为2D距离图，并压缩为二进制码流。本发明降低了空间及时间冗余，对高效点云压缩方案的探索和研究对于自动驾驶和移动机器人等相关应用的发展具有重要战略意义。
-
Patent Agency Ranking
-
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
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
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
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。
-
公开(公告)号：CN113613017B
公开(公告)日：2024-04-19
申请号：CN202110848736.4
申请日：2021-07-27
IPC: H04N19/503 , H04N19/597 , H04N19/91 , H04N19/184 , H04N19/44
Abstract: 本发明涉及一种三维帧间预测改进V‑PCC帧间预测的方法。首先，对当前帧点云找到在前一帧点云的最近点并记录距离。然后，把当前点云的点按照#imgabs0#的优先级升序排序，以第一个点为坐标原点沿着值增加的方向构建8*8*8的包围盒。再而，设定可以容忍的点云失真阈值#imgabs1#，并计算包围盒内最近点的距离的均值，根据均值与失真阈值#imgabs2#的比较，把点云分成静态点云（均值小于阈值，能有效被三维帧间预测）和动态点云。对静态点云则通过构建代价函数对包围盒沿着某个最佳的维度延伸，并且每次去掉当前帧中的包围盒内点云。最后，重复上述步骤，直到所有点云分类完成，对动态点云融合并使用V‑PCC编码，静态点云则熵编码其包围盒坐标的最小和最大值。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.017 seconds)
