[发明专利]一种点云属性变换系数的熵编码和熵解码的方法及设备

说明书

本发明公开一种点云属性变换系数的熵编码和熵解码的方法及设备，编码端包括：对变换系数进行排序；确定变换系数编码标志位FE，编码所述变换系数编码标志位FE；若所述变换系数编码标志位FE为是，则对变换系数按所述排序每K个分为一组，遍历每一组变换系数，记录变换系数连续为0的组的个数，记作a，利用上下文编码a；若所述变换系数编码标志位FE为否，则变换系数按所述排序每M个分成一组，进行编码。解码端包括：确定变换系数编码标志位FE；若所述变换系数编码标志位FE为是，利用上下文解码得到a。按照每K个变换系数为一组，进行解码；若所述变换系数编码标志位FE为否，则按每M个变换系数为一组，进行解码。本发明提升了点云属性变换系数的熵编码和熵解码的效率和性能。

技术领域

本发明涉及点云处理技术领域，尤其涉及一种点云属性变换系数的熵编码和熵解码的方法及设备。

背景技术

三维点云是现实世界数字化的重要表现形式。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。高精度点云处理广泛应用于城市数字化地图的构建，在如智慧城市、无人驾驶、文物保护等众多热门研究中起技术支撑作用。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、反射率等属性信息，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，目前由国际标准组织(Moving PictureExperts Group，MPEG)所提供的测试平台TMC13v14(Test Model for Category 13version 14)中描述的属性压缩框架主要有基于渐近层次表达(Level of Detail，简称为LOD)的升降变换(Lifting Transform)策略以及基于LOD的预测变换(PredictingTransform)策略，其核心都是先产生属性预测值，之后用当前点的实际属性值减去属性预测值得到属性残差系数。对属性残差系数进行熵编码，同理在解码端，先生成属性预测值，加上解码之后的属性残差系数得到最终的属性值。

而在对属性残差系数进行编解码的时候，点云的属性熵编码器和熵解码器压缩框架主要是基于连续零的个数和他们之间的相关性来进行熵编解码。

同时也有目前由中国AVS(Audio Video coding Standard)点云压缩工作组所提供的测试平台PCRM v4.0中描述的点云属性压缩方法主要采用基于预测变换方法对点云属性压缩方法，先对点云的属性进行预测，得到属性残差系数，之后利用变换的方法，其变换方法的核心是采用DCT的方法，对每四个点分为一组，利用DCT的方法得到变换系数DC(直流)系数与AC(交流)系数，对变换系数采用基于连续零的个数和变换系数之间的相关性来进行熵编解码。

现有技术的对变换系数的压缩性能效率低，考虑到如上的情况，本发明设计了一种新的点云属性变换系数的熵编码器和熵解码器，使得本发明的点云属性变换系数的熵编码器和熵解码器更加的高效。

发明内容

本发明公开一种点云属性变换系数的熵编码和熵解码的方法及设备，提高了点云属性的压缩性能。

本发明的目的之一在于公开一种点云属性变换系数的熵编码的方法；

本发明的目的之二在于公开一种点云属性变换系数的熵编码的设备；

本发明的目的之三在于公开一种点云属性变换系数的熵解码的方法；

本发明的目的之四在于公开一种点云属性变换系数的熵解码的设备。

本发明通过如下技术方案实现本发明的目的之一，点云属性变换系数的熵编码方法，其特征在于，包括如下步骤：

S1：对变换系数进行排序；

S2：确定变换系数编码标志位FE，编码所述变换系数编码标志位FE；