[发明专利]一种数字对象的属性压缩方法及装置

说明书

本发明提供一种数字对象的属性压缩方法及装置，涉及数据处理技术领域，可用于金融领域或其他技术领域。所述方法包括：获取三维点云数据，根据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特征阈值的比较结果确定各数据点的数据类型，根据不同数据类型分别进行第一属性预测以及进行第二属性预测；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平滑点云，并合并。所述装置执行上述方法。本发明实施例提供的数字对象的属性压缩方法及装置，能实现数字对象的属性压缩。

技术领域

本发明涉及数据处理技术领域，具体涉及一种数字对象的属性压缩方法及装置。

背景技术

随着计算机视觉和互联网技术的发展，人们对虚拟沉浸式体验提出了更高的要求，通过激光雷达扫描仪可以快速获取高精度的点云数据，对被扫描对象或场景进行一比一复刻，极大了推动交互式多媒体技术的发展。三维点云因其非接触全自动全天候采集、高精度、高效率、高表达等众多优势成为最具代表的三维数据，已广泛应用于测绘工程、自主驾驶、智慧城市、智慧网点、文物保护、资产保护等众多领域。

在金融业，通过激光雷达扫描仪可以轻松实现基于三维点云的线上实景银行营业厅、虚拟储蓄卡/信用卡展示、质押物数字化存档、各类资产保护等，成为科技金融领域的研究热点。然而，海量的点云数据为用户带来细腻逼真的沉浸式体验的同时，也带来了数据的存储和传输上的挑战，在保障人眼的视觉效果和三维对象表面细节的同时，对数据进行高效压缩是亟待解决的问题。

目前，动态图像专家组(Moving Picture Expert Group,MPEG)建立了开放的点云压缩标准体系，并发布了基于几何的点云压缩(Geometry-based Point Cloud,G-PCC)编解码框架。然而，由于点云数据的无序性、非结构化等特点，如何更高效的利用点云的空间特征、保证点云质量的同时提高率失真性能仍有巨大的提升空间。

在现有基于预测的点云属性压缩算法中，根据k近邻点的距离特征选择预测模式对当前点进行属性预测，由于点云的细节边缘、纹理变化较丰富的地方往往包含较多的属性信息，且曲率变化、密度变化较大，如果和局部平缓的表面互为预测点并进行统一压缩，会降低预测精度和压缩质量，造成局部特征的丢失。

发明内容

针对现有技术中的问题，本发明实施例提供一种数字对象的属性压缩方法及装置，能够至少部分地解决现有技术中存在的问题。

一方面，本发明提出一种数字对象的属性压缩方法，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。

其中，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。

其中，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：