点云压缩综述
点云压缩任务按照不同的标准可以将方法划分成不同的类型,主要有以下标准:(1)根据还原质量分类(有损、无损),(2)根据处理方法分类(传统方法、深度方法),(3)根据空间维度分类(一二三维),(4)根据信息类型分类(几何信息、属性信息),(5)根据数据结构进行分类(树、面片、体素)。
还原质量
无损:识别并消出统计冗余,使得数据结构更加紧凑,压缩并解码后的点云和原始点云相同。
有损:通过量化删除了非必要的、无用的信息,使用适当的率失真的控制,在比特率和感知数据质量方面进行了折衷。
处理方法
传统方法:先去除一部分冗余,再使用变换与量化将空间域的点云变换到频域并压缩变换系数,再经过熵编码进一步压缩比特流。
深度方法:通过卷积神经网络将点云数据编码为隐藏表示,再量化隐藏特征,基于学习熵模型和熵编码将上下文输入的情况下每个符号出现的概率压缩并产生比特流。
空间维度
一维:使用各点的距离产生树的连接,后按顺序将各节点由几何数据转换为一维。【没有考虑三维空间的相关性】
二维:将点云解释为3D的二维离散,从3D信息映射至2D中。这样的方法会导致部分信息失真。
三维:采用稳定结构对点云所在的空间进行分解,再对该结构进行预测与变换以减少冗余。【hot topic】
数据结构
几何信息:是点云的最基本信息。
属性信息:点云各点中所附带的信息。