[发明专利]一种基于支持向量机的点云压缩编码器关键参数优化方法

摘要

本发明涉及一种基于支持向量机的点云压缩编码器关键参数优化方法，首先，对点云的几何信息和颜色信息进行预处理；然后，提取点云的特征向量；对于给定的目标码率，利用全搜索的方法找到使得失真最小的最优的参数对，对训练集中的所有点云提取给定目标码率下的最优的标签，将最优标签信息和特征向量信息写入训练集，利用支持向量机以及训练集信息训练得到模型，利用模型对测试集里的特征向量信息进行测试，预测出连续域上最优的测试标签，得到测试集的最优的参数对。该方法利用点云的分布特征，使用支持向量机方法训练得到测试点云的最优的编码参数对，在保证给定编码比特率条件下编码器编码性能的同时大大减少了时间成本。

主权项

1.一种基于支持向量机的点云压缩编码器关键参数优化方法，其特征在于，包括步骤如下：(1)点云数据预处理：①对点云信息中的几何信息进行均一化预处理；②对点云中第i个点p_i中的几何坐标信息(x_i,y_i,z_i)进行均一化处理；i∈{1,2,…N},N为点云中点的数量；③对点云信息中的颜色信息进行RGB与YUV格式转化预处理；④对步骤③预处理后的颜色信息进行进一步的均一化处理；(2)点云分布特征提取：⑤将点云中的每个点的几何信息和颜色信息分别投射到X_Y平面，Y_Z平面和X_Z平面，分别得到三个投射点集，包括：N_xy、N_yz、N_xz分别表示投射到X_Y平面，Y_Z平面和X_Z平面的点的数量；⑥对于投射到X_Y平面的点集分别求得两个坐标方向的位置坐标的均值和方差以及亮度信号的均值和方差作为点云分布在X_Y平面的特征向量对于投射到Y_Z平面的点集分别求得两个坐标方向的位置坐标的均值和方差以及亮度信号的均值和方差作为点云分布在Y_Z平面的特征向量对于投射到X_Z平面的点集分别求得两个坐标方向的位置坐标的均值和方差以及亮度信号的均值和方差作为点云分布在X_Z平面的特征向量对于一个给定的点云数据，其特征向量定义为：(3)SVM的训练预测：⑦从M₀个点云数据中，挑选出M₁个点云数据作为训练集，剩余的M₀‑M₁个点云数据作为测试集；⑧对于训练集，对于给定的目标码率R_target，输入每个点云数据的特征向量f和标签L_；ptimal；在给定目标码率R_target条件下，使用全搜索的方式找到最优的编码参数对(Octree Level,JPEG_Value)，Octree Level、JPEG_Value分别表示三维点云编码编码器中的八叉树层数和量化参数；并将最优的编码参数对(Octree Level,JPEG_Value)映射成对应的标签L_(t,c)，t表示目标码率的值，c表示的点云的名字。