面向大规模点云的二维规则化平面投影及编解码方法与流程

本发明属于点云数据处理，具体涉及一种面向大规模点云的二维规则化平面投影及编解码方法。

背景技术：

1、随着硬件处理能力的提升和计算机视觉的飞速发展，三维点云成为继音频、图像、视频之后的新一代沉浸式多媒体，被广泛的应用于虚拟现实、增强现实、自动驾驶和环境建模等。然而由于噪声、设备抖动以及设备标定等原因导致大规模点云数据呈现出非均匀分布，为相关的数据处理造成了困难，制约了编码效率的进一步提升。此外，大规模点云通常具有较大的数据量，十分不利于点云数据的传输及存储。

2、在现有的基于几何的点云压缩编码(g-pcc,geometry-based point cloudcompression)框架中，点云的几何信息和属性信息是分开进行编码的。目前g-pcc的几何编解码可分为基于八叉树的几何编解码和基于预测树的几何编解码。

3、基于八叉树的几何编码：首先，对点云的几何信息进行预处理，这包括点云的坐标转换和体素化过程。然后，按照广度优先遍历的顺序不断对点云所在的包围盒进行树划分(八叉树/四叉树/二叉树)。最后，对每个节点的占位码进行编码，并编码每个叶子节点中包含的点数，生成二进制码流。

4、基于预测树的几何编码：首先对原始点云进行排序。然后，建立预测树结构，通过将每个点归类到所属的激光扫描器上，并按照不同的激光扫描器建立预测树结构。接下来，遍历预测树中的每个节点，通过选取不同的预测模式对节点的几何信息进行预测得到预测残差，并利用量化参数对预测残差进行量化。最后，对预测树结构、量化参数以及节点几何信息的预测残差等进行编码，生成二进制码流。

5、然而，由于点云具有较强的空间稀疏性，对于使用八叉树结构的点云编码技术而言，该结构会导致划分得到的空节点占比较高，且无法充分体现点云的空间相关性，从而不利于点云的预测及熵编码。基于预测树的点云编解码技术利用激光雷达设备的部分参数来建立树结构，在此基础上利用树结构进行预测编码，然而该树结构并未充分体现点云的空间相关性，从而不利于点云的预测及熵编码。因而，上述两种点云编解码技术均存在编码效率不够高的问题。

技术实现思路

1、为了解决现有技术中存在的上述问题，本发明提供了一种面向大规模点云的二维规则化平面投影及编解码方法。本发明要解决的技术问题通过以下技术方案实现：

2、一种面向大规模点云的二维规则化平面投影方法，包括：

3、获取原始点云数据；

4、利用规则化参数初始化点云的二维投影平面结构；

5、确定所述原始点云数据与所述二维投影平面结构的映射关系，以得到点云的二维规则化投影平面结构。

6、在本发明的一个实施例中，所述规则化参数包括激光雷达的标定参数或者通过优化估计、数据拟合得到的参数。

7、在本发明的一个实施例中，所述利用规则化参数初始化点云的二维投影平面结构，包括：

8、利用规则化参数中激光扫描器的个数、水平方位角的采样角分辨率或激光扫描器的采样点数来初始化点云的二维投影平面结构，即：

9、m＝lasernum；

10、或n＝pointnumperlaser；

11、其中，m和n分别表示二维投影平面结构中垂直方向和水平方向的分辨率，lasernum表示激光扫描器的个数，表示激光扫描器在水平方位角的采样角分辨率，pointnumperlaser表示激光扫描器的采样点数。

12、在本发明的一个实施例中，确定所述原始点云数据与所述二维投影平面结构的映射关系，包括：

13、通过规则化参数和标定公式进行求解，计算出原始点云数据中的点在二维投影平面结构中的对应位置，从而确定原始点云数据与二维投影平面结构之间的映射关系；其中，所述标定公式表示为：

14、

15、

16、θi＝θ0；

17、x＝r·sin(φj-α)-ho·cos(φj-α)；

18、y＝r·cos(φj-α)+ho·sin(φj-α)；

19、z＝r·tanθi+vo；

20、

21、其中，(x,y,z)表示原始点云数据中点的笛卡尔坐标，r为该点的柱面坐标分量，表示该点到激光雷达坐标原点的距离，lasernum表示激光扫描器的个数，表示激光扫描器在水平方位角的采样角分辨率，θi和φj为该点在二维投影平面结构中对应像素的俯仰角和方位角，(i,j)表示该点的对应像素在二维投影平面结构中的位置，θ0、vo、ho和α为规则化参数。

22、在本发明的一个实施例中，确定所述原始点云数据与所述二维投影平面结构的映射关系，还包括：

23、确定所述原始点云数据中当前点的柱面坐标分量；

24、确定当前点在所述二维投影平面结构中的搜索区域；

25、遍历所述搜索区域中的像素，计算当前像素在笛卡尔坐标系中的位置，并计算该位置与所述当前点之间的空间距离；

26、选择所述空间距离最小的像素作为所述当前点在二维投影平面结构中的对应像素；

27、重复上述步骤，直至所述原始点云数据中的所有点均找到二维投影平面结构中的对应像素。

28、在本发明的一个实施例中，确定当前点在所述二维投影平面结构中的搜索区域，包括：

29、通过当前点在柱面坐标系下的俯仰角θ和方位角φ确定其在二维投影平面结构中的搜索区域；或者

30、通过规则化参数和标定公式确定其在二维投影平面结构中的搜索区域；或者

31、根据先验信息确定其搜索区域。

32、在本发明的一个实施例中，所述当前像素在笛卡尔坐标系中位置的计算公式为：

33、θi＝θ0；

34、

35、

36、xl＝r·sin(φj-α)-ho·cos(φj-α)；

37、yl＝r·cos(φj-α)+ho·sin(φj-α)；

38、zl＝r·tanθi+vo；

39、其中，(i,j)表示二维投影平面结构中当前像素所在的位置，其对应的俯仰角和方位角为θi和φj，表示激光扫描器在水平方位角的采样角分辨率，x、y为原始点云数据中当前点的笛卡尔坐标分量，r为原始点云数据中当前点的柱面坐标分量，(xl,yl,zl)表示当前像素在笛卡尔坐标系中的位置，θ0、vo、ho和α为规则化参数。

40、本发明的另一个实施例提供了一种面向大规模点云的编码方法，包括：

41、获取原始点云数据并进行二维规则化平面投影，得到点云的二维规则化投影平面结构；其中，所述二维规则化平面投影采用如权利要求1-7任一项所述的方法实现；

42、基于点云的二维规则化投影平面结构进行预测，得到待编码数据；

43、将所述待编码数据分为第一类待编码数据和第二类待编码数据；其中，所述第一类待编码数据为二维规则化投影平面结构数据，所述第二类待编码数据为除二维规则化投影平面结构数据以外的其余待编码数据；

44、按照预设编码方式分别对所述第一类待编码数据中的不同数据进行编码，并对所述第二类待编码数据进行编码，得到几何信息码流。

45、在本发明的一个实施例中，基于点云的二维规则化投影平面结构进行预测，得到待编码数据，包括：

46、根据点云的二维规则化投影平面结构，对于不同数据设置不同的预测模式，并按照相应的预测模式进行预测，得到待编码数据。

47、本发明的又一个实施例提供了一种面向大规模点云的解码方法，包括：

48、获取几何信息码流；

49、对所述几何信息码流进行解码，得到解析数据；

50、根据所述解析数据重构所述二维规则化投影平面结构；

51、根据所述重构的二维规则化投影平面结构进行几何重建，得到重建点云。

52、本发明的有益效果：

53、1、本发明通过将三维空间中的点云投影到对应的二维规则化投影平面结构当中，对点云在垂直方向和水平方向上进行了规则化校正，得到点云在二维投影平面结构上的强相关性表示，从而避免了三维表示结构中存在的稀疏性，又更好的体现了点云的空间相关性，为点云的应用提供了一种更易于进行数据处理的表现形式；

54、2、本发明基于点云的二维规则化投影平面结构进行编码，能够极大地利用点云的空间相关性，减小空间冗余，因此无需使用额外码流压缩其它辅助信息，节省了码流，提升了编码效率。

55、以下将结合附图及实施例对本发明做进一步详细说明。