[发明专利]一种数字对象的属性压缩方法及装置

权利要求书

1.一种数字对象的属性压缩方法，其特征在于，包括：

获取数字对象的三维点云数据，所述三维点云数据中的各数据点都包括位置信息和颜色属性信息；

根据所述位置信息计算得到与各数据点分别对应的局部特征值，根据各局部特征值计算得到特征阈值；

根据各局部特征值分别与所述特征阈值的比较结果确定各数据点的数据类型，对数据类型为特征点的各第一数据点的第一颜色属性信息进行第一属性预测，以及对数据类型为平滑点的各第二数据点的第二颜色属性信息进行第二属性预测；

对与第一属性预测结果对应的第一预测残差和与第二属性预测结果对应的第二预测残差分别进行编解码，得到压缩后的特征点云和压缩后的平滑点云，合并所述特征点云和所述平滑点云，完成所述数字对象的属性压缩。

2.根据权利要求1所述的数字对象的属性压缩方法，其特征在于，所述根据所述位置信息计算得到与各数据点分别对应的局部特征值，包括：

根据所述位置信息计算得到与各数据点分别对应的局部平均密度；

根据各局部平均密度和预先获取的与各数据点分别对应的曲率，计算得到与各数据点分别对应的局部特征值。

3.根据权利要求2所述的数字对象的属性压缩方法，其特征在于，所述根据所述位置信息计算得到与各数据点分别对应的局部平均密度，包括：

根据所述位置信息确定与各数据点分别对应的近邻点；

根据同一数据点对应的各近邻点和所述位置信息，计算得到与各数据点分别对应的局部密度；

根据所述局部密度中与各近邻点分别对应的近邻点密度计算得到与各数据点分别对应的局部平均密度。

4.根据权利要求1所述的数字对象的属性压缩方法，其特征在于，所述根据各局部特征值计算得到特征阈值，包括：

根据各局部特征值计算得到平均局部特征值和用于确定点云局部特征值分布情况的标准差；

将所述平均局部特征值和所述标准差之和作为所述特征阈值。

5.根据权利要求1所述的数字对象的属性压缩方法，其特征在于，所述根据各局部特征值分别与所述特征阈值的比较结果确定各数据点的数据类型，包括：

将大于等于所述特征阈值的各局部特征值所对应的各数据点的数据类型确定为所述特征点；

将小于所述特征阈值的各局部特征值所对应的各数据点的数据类型确定为所述平滑点。

6.根据权利要求1至5任一所述的数字对象的属性压缩方法，其特征在于，对数据类型为特征点的各第一数据点的第一颜色属性信息进行第一属性预测，包括：

根据与各第一数据点分别对应的第一近邻点的第一实际属性值，以及各第一近邻点与每个第一数据点之间的第一距离权重系数，计算得到第一属性预测值。

7.根据权利要求6所述的数字对象的属性压缩方法，其特征在于，对数据类型为平滑点的各第二数据点的第二颜色属性信息进行第二属性预测，包括：

根据与各第二数据点分别对应的第二近邻点的第二实际属性值，以及各第二近邻点与每个第二数据点之间的第二距离权重系数，计算得到第二属性预测值；

其中，所述第二近邻点的近邻点数量少于所述第一近邻点的近邻点数量。

8.一种数字对象的属性压缩装置，其特征在于，包括：

获取单元，用于获取数字对象的三维点云数据，所述三维点云数据中的各数据点都包括位置信息和颜色属性信息；

计算单元，用于根据所述位置信息计算得到与各数据点分别对应的局部特征值，根据各局部特征值计算得到特征阈值；

预测单元，用于根据各局部特征值分别与所述特征阈值的比较结果确定各数据点的数据类型，对数据类型为特征点的各第一数据点的第一颜色属性信息进行第一属性预测，以及对数据类型为平滑点的各第二数据点的第二颜色属性信息进行第二属性预测；

压缩单元，用于对与第一属性预测结果对应的第一预测残差和与第二属性预测结果对应的第二预测残差分别进行编解码，得到压缩后的特征点云和压缩后的平滑点云，合并所述特征点云和所述平滑点云，完成所述数字对象的属性压缩。