点云压缩测试模型TMC2的编码框架

一．  GenerateGeometryVideo

1. Segmenter.compute

I. KDTree.build：将输入的点云帧构建k-d树；

II. NormalsGen.compute：

A. computeNormals:对点云中的每个点，用k-D树查找它的16个最近邻，再由这16个点计算得到一个协方差矩阵，对协方差矩阵对角化，就可以得到每个点的初始法向量;

B. smoothNormals: 将上一步得到的每个点的法向量做一个平滑，具体过程是将初始法向量和 他与邻近点的点积的累加和求一个加权值，该加权值即为平滑后的法向量；

C. orientNormals:这里其实没做啥，只是将满足条件的一些点的法向量的正负极性反了一下，这个步骤结束则每个的点的法向量就计算完毕了；

 III. Initialsegmentation:将每个点法向量与立方体6个面的法向量分别做点积，点积最大的一个面的索引被作为该点的类索引，其实就是将所有点归类到6个面上;

IV. Refinesegmentation:对于每个点，计算两个score，一个是该点的法向量与6个面的法向量的乘积，一个是该点的邻近点的类索引与六个面的类索引相等的数量，将这两个score求加权和，然后取加权和最大的时候对应的面的索引作为该点最后的类索引;

V. sehmentPatches：对于一个点，将它放进连通分支，并标记为已遍历，查找到它的邻近点作该连通分支的备选部分，如果邻近点的索引与该点的索引一样并且该邻近点没有被遍历过，就将该邻近点也放进此连通分支，并且将此邻近点的邻近点也放进备选部分。所有点都被遍历完，还要判断连通分支里的点的个数是否大于16，大于16才能成为一个正真的连通分支。连通分支划分完毕，则一个连通分支对应一个patches，为每个patch计算bounding  box和两层深度;

2.    GenerateOccupancyMap:对于每个patch上的每个点，根据他的深度得到该点的occupancyMap,若该点的深度小于infiniteDepth，则该点的occupancymap为1，f否则为0。因为在sehmentPatches里将不存在的点和一些不符合深度条件的点的深度设为了infiniteDepth。

3. GenerateIntraImage：layer中的第一层，对于每个patch上的每个点，根据他的深度得到该点的occupancyMap,若该点的深度小于infiniteDepth，则给几何图像上的对应点赋值，即深度值；

4. PredictGeometryFrame：layer中的第二层，以上一步过程生成的几何图像作为参考图像，将得到的值与参考图像中对应位置的值做差，将此差重新赋给第二层几何图像。

5.    Dilate：如果一个16*16的块中非零像素的个数为0 ，则分三种情况进行填充：

I.如果有参考图像，则用草考图像对应位置的值进行填充；

II. 如果没有参考图像且该块不在第一列，就用水平方向上的前一个点的值进行填充。

III．如果没有参考图像且该块不在第一行，就用竖直方向上的前一个点的值进行填充。

如果非零像素的个数大于零且小于16*16，则用4个邻近点的均值尽心填充。

二．   videoGeometry.compress

直接调用外部encoder.exe进行编码;

三．   CompressOccupancyMap

1.对于每个patch，编码基准位置和占用的起始T*T块的位置；编码前后两个patch的T*T块的跨度之差；编码该patch的面索引；

2.为patch构造候选列表，对于每个T*T块，为其对应的patch索引在候选列表找到其位置，对此位置进行编码；如果没有找到，则直接编码该块对应的patch索引；

3.将T*T块分成16个4*4的子块，并定义四种扫描方式。对于每个T*T块，如果他对应的patch索引值不为0,则判断他16个4*4子块的占用情况，对于4*4中的16个点来说，只要有一个点的occupancymap是等于1，就将此子块称为full，否则为non-full;如果一个16*16块中full的子块个数为16，则将此块的occupancy赋为1，并将1进行编码，否则，此块的二进制值赋为0，对0进行编码，除此之外，还要在四种遍历顺序种选择一种使runlength的个数最小的遍历顺序对子块的二进制值进行遍历。Run指的是在遍历序列中连续1或者连续0的长度。编码最优遍历顺序的索引，编码第一个子块的occupancy，编码每一个runlenth.

四．  GeneratePointCloud

对于每个patch，对于patch中的每个T*T块，对于每个T*T块中的每个像素，如果该像素的occupancymap的值为1，则恢复出其对应的在点云中的位置；

五．  SmoothPointCloud

对于在上一步生成的点云中的每个点，寻找其邻近点，统计其邻近点中dist2小于平滑半径的点数，并将这些邻近点的位置信息进行累加，如果邻近点中有点的类索引和该点的类索引不一致，并且符合一个距离条件，则将前面累加的邻近点的位置信息求均值，将此均值更新为该点的位置信息，否则不更新位置信息。

六．  ColorApproximation

好像是利用输入的点云帧对上一步平滑后的点云的颜色赋值，看不大懂

七．  GenerateTextureVideo

对于经过上一步处理得到的点云中的每一个点，得到其在二维图像上的对应位置，并将其颜色值覆盖该位置；

八．  Dilate

同几何image中的Dilate;

九．VideoTexture.compress

    同几何image中的compress