[发明专利]一种基于增强图变换的点云属性压缩方法

说明书

本发明公布了一种基于增强图变换的点云属性压缩方法，针对点云属性信息，使用K‑dimension(KD)树对点云先进行空域划分，提出一种新的结合频谱分析的图变换处理方法，在点云编码块内的图上对点云再进行频谱聚类，在现有图变换基础上拓展实现局部图变换方案，形成具有两种变换模式的增强图变换，提高图变换的压缩性能；包括：点云属性的颜色空间转换；采用K‑dimension(KD)树划分点云得到编码块；基于频谱聚类的增强图变换；变换模式决策；均匀量化和熵编码。本发明提出一种新的基于频谱分析的增强图变换方案，其中包括两种变换模式，由模式决策选出最佳模式；对点云进行树划分后，在各个编码块内均构建一张图并使用图变换作为变换模式一，在此基础上实现图频聚类，把图划分成两张局部图再进行局部图变换作为变换模式二，支持两种变换模式的增强图变换方案由模式决策选择出最佳模式，以达到点云属性压缩的最佳性能。

技术领域

本发明属于点云数据处理技术领域，涉及点云数据压缩方法，尤其涉及一种基于增强图变换的点云属性压缩的方法。

背景技术

三维点云是一种表达现实世界三维结构的有效形式。随着三维扫描设备(激光、雷达等)的快速发展，点云的精度、分辨率更高，使得高效率、高精度地将现实世界的三维信息数字化变成可能。高精度点云广泛应用于智慧城市、无人驾驶、文物保护等众多热门领域。点云是三维扫描设备对物体表面采样所获取的，一帧点云的点数一般是百万级别，其中每个点包含几何信息和颜色、纹理等属性信息，数据量十分庞大。三维点云庞大的数据量给数据存储、传输等带来巨大挑战，所以点云压缩十分必要。

点云压缩主要分为几何压缩和属性压缩，现有的点云属性压缩框架主要包括以下几种：

一、基于八叉树分解和DCT的方法：该方法先用八叉树对点云进行空间分解得到编码块，然后对树进行深度优先遍历，将遍历的结点颜色值按照蛇形的顺序写入二维的JPEG表，再利用现有的JPEG编码器对获得的点云颜色表进行编码，其中JPEG编码器使用的是DCT。该方法利用现有的编码器，计算复杂度低，但并未充分利用点与点之间的空间相关性，在压缩性能上有待提高；

二、基于八叉树分解和图变换的方法：该方法先用八叉树对点云进行空间分解，划分到特定层次得到变换块；在每个变换块内形成图，将沿着任意坐标轴的距离不超过1的两点用一条边连接起来，边的权重与欧氏距离成反比；再对图中结点的属性信息进行图变换。该方法的压缩性能佳；但运算复杂度较高，其构图方式可能会带来子图问题，影响图变换的效率，仍有改善的空间；

三、基于KD树分解和图变换的方法：该方法先用KD树对点云进行空间分解，划分到一定深度得到变换块，其中每个变换块内所包含的点数大致相同：在变换块内，每两点用一条边连接起来，边的权重与欧氏距离有关，设定的边欧式距离阈值决定图的稀疏度；然后再对图内点的属性信息进行图变换。该方法彻底解决了子图问题，同时在压缩性能方面较前两种方法都有较大的提升，但运算复杂度较高，性能仍待改善。

发明内容

为了克服上述现有技术的不足，进一步改善点云属性的压缩性能，本发明提供一种基于增强图变换的点云属性压缩的方法，先使用K-dimension(KD)树对点云进行空域划分，后使用基于频谱分析的图变换处理对编码块内的图进行频谱聚类，在现有图变换基础上拓展实现局部图变换方案，形成具有两种变换模式的增强图变换，提高图变换的压缩性能。

本发明提供的技术方案是：

一种基于增强图变换的点云属性压缩方法，针对点云数据，先使用KD树对点云空域划分得到编码块，提出一种新的结合频谱分析的图变换处理方法，在点云编码块内的图上对点云再进行频谱聚类，在现有图变换基础上拓展实现局部图变换方案，形成具有两种变换模式的增强图变换，由模式决策选择出最佳模式，以达到属性压缩的最佳性能；包括如下步骤：

1)点云属性的颜色空间转换：读入待处理的点云属性信息，考虑人眼的视觉特性和压缩处理的难易程度，将点云颜色空间从RGB空间转换到YUV空间；