[发明专利]一种多预测点的点云属性预测方法和装置

说明书

为了能够在兼顾复杂度的前提下进一步提高点云属性的预测效率，本发明提出一种多预测点的点云属性编码方法和装置，将空间中与当前待编码点相近的当前待编码点所在的当前块中的已编码点和当前块的已编码邻块中的点作为预测候选点，然后在预测候选点中选取多个点作为预测点，使用选取的多个预测点的属性值的加权平均来求当前待编码点属性值的预测值，最后使用求得的当前待编码点的属性值的预测值来预测当前待编码点的属性值，提高了预测点与当前待编码点属性的相关性，多点加权预测提高了预测值准确度的平稳性，进而大幅度提升了点云属性编码的效率。

技术领域

本发明专利属于点云编码领域，具体涉及一种多预测点的点云属性预测方法和装置。

背景技术

近年来，三维数据的扫描技术的技术不断取得进步，使得高精度、高分辨率的三维数据的获取越来越简单，成本也越来越低。例如立体相机系统和高速度、高分辨率的激光扫描仪等能够快速产生高帧率的大量点数据。点云能够有效的表达这些传感器数据，以此来让机器人等智能设备推断出环境的几何和属性特征等信息从而做出有效的判断。点云在虚拟现实和增强现实方面的应用也同样开始越来越广泛。可是，点云巨大的数据量为其传输和存储都带来了很大的困难，如何有效的压缩点云数据已经成为学术界和工业界研究的热点。

点云是空间中一组无规则分布并且无连接的一组点，每个点通过三维坐标x、y、z来表达物体或环境的形状信息，与每个点相关联的还有颜色、反射率、透明度等属性信息，以此来表达物体或环境表面特性。体素化点云是指几何信息被量化的点云，由于其易于处理和控制精度等优点，是现在点云的主要数据形式，现今的点云压缩技术大多针对体素化点云。

点云的压缩分为几何信息的压缩和属性信息的压缩，为了能在压缩属性时利用几何信息，很多点云编码技术会让几何信息压缩发生在属性信息压缩之前。点云几何信息的压缩现在主要基于八叉树和KD树。而点云属性信息压缩技术中的一类有效的方法就是基于预测的压缩方法。目前点云属性的预测编码主要基于莫顿码，例如，在文献《“Text of ISO/IEC 23090-9DIS Geometry-based PCC”,MPEG w19088,Feb.2020》中，先根据点云几何坐标为每一个点生成莫顿码，然后按照每一个点对应的莫顿码大小从小到大对点云排序，按照排序后的顺序编码点云属性，对于每一个当前待编码点，使用当前待编码点的前一点的属性值或者使用前若干点中距离当前待编码点最近的点的属性值来预测当前待编码点的属性值；文献《“优化参考点权重的点云属性预测方法”，AVS M5073，2019年12月》中同样按照莫顿码大小从小到大的顺序来编码点云属性，对于当前待编码点，其利用当前待编码点的前若干点的属性值的加权平均来预测当前待编码点的属性值。

发明内容

为了能够在兼顾复杂度的前提下进一步提高点云属性的预测效率，本发明提出一种多预测点的点云属性编码方法和装置，将空间中与当前待编码点相近的当前待编码点所在的当前块中的已编码点和当前块的已编码邻块中的点作为预测候选点，然后在预测候选点中选取若干个点作为预测点，最后基于加权预测的方法使用预测点来预测当前待编码点的属性。

本发明的第一目的是提供一种多预测点的点云属性预测方法，包括如下内容：

从预测候选点中选取n个距离当前待编码点最近的点作为预测点，n为大于零的自然数；

使用选取的n个预测点的属性值来求当前待编码点属性值的预测值；

使用求得的当前待编码点的属性值的预测值来预测当前待编码点的属性值。

作为优选，所述使用选取的n个预测点的属性值来求当前待编码点属性值的预测值是采用基于距离加权平均的方式计算得到：

A_i为第i个预测点的属性值，ω_i为第i个预测点到当前待编码点的距离d的倒数。