一种基于三维帧间配准预测的V-PCC改进算法研究

基于视频的点云压缩（video-based point cloud compression，简称V-PCC）把点云序列分解成2D的非规则图像块（patch）,每一个patch是由一组彼此相邻且具有相似法线的3D点云投影形成的2D图像，然后对2D的图像采用现有视频编码的方法进行压缩。然而分解成patch进行编码的方法破坏了点云的连续性，不利于后续的帧间预测。对此，设计了一种三维配准帧间预测结合V-PCC帧间预测的改进算法。首先，为了提高点云配准的有效性，设计了一种基于运动一致性的二叉树的粗分割和进一步八叉树细分割的算法，使得每一块点云在配准时具有一致性运动和准确的对应性。进一步，为了保证三维帧间配准预测的可靠性，对分割后的块进行三维配准帧间预测并计算误差。对于误差小于一定阈值的块直接熵编码块索引和运动信息；对于误差大于阈值的块，则融合并使用V-PCC的帧间估计。实验结果表明，本方法进一步提高了V-PCC的编码性能。     

八叉树结构下动态点云的无损几何编码方法

为进一步提高动态点云无损压缩的性能，提出了一种八叉树结构下的几何信息熵编码方法。针对帧内空间相关性，利用当前八叉树节点的已编解码邻域信息，建立帧内邻居节点上下文和帧内邻居父节点上下文。针对帧间时间相关性，将已编解码的上一帧点云作为参考帧，并将参考帧中与当前八叉树节点同位置的八叉树节点作为参考节点。使用参考节点及其父节点进行帧间上下文建模。为充分利用已建模的上下文，并准确地估计不同上下文下当前节点为非空的条件概率，提出了一种基于指数移动平均的二级概率估计方法：分别在帧内邻居节点上下文和帧内邻居父节点上下文下进行概率估计；利用概率估计结果和帧间上下文建模新的二级上下文，并在二级上下文下再次进行概率估计；采用二进制算术编码器实现无损压缩。选取常用的微软体素化人物上半身和8i体素化人物全身数据集进行性能测试，实验结果表明：与近年的方法相比，所提方法的无损压缩性能更高，平均编码增益达到2.2%～28.7%。     

二维距离图分割的激光雷达点云无损压缩方法

激光雷达动态获取点云压缩是智能驾驶的关键技术之一。针对动态获取点云场景范围大,分布稀疏,本文将点云几何信息映射到二维距离图(range image),提出一种基于距离图分割的激光雷达点云无损压缩方法。由于动态获取点云的稀疏性,以及噪声和离群点等的影响,目前的距离图分割算法分割后类别过多,导致对分割区域编码时,边缘信息消耗较大的比特数。对此本文提出孤立区域精细处理的方法,有效地改善了过度分割的问题,提高了分割区域的压缩性能。为了保持残差、地面区域点云等数据原有的相关性,我们利用两种无损的数据压缩技术进行编码。实验结果表明,本文设计的基于距离图分割的激光雷达点云无损压缩方法具有较高的压缩性能。     

三江源区高寒草甸退化与水塔功能的关系

为便于利用空区探测系统(CMS)采集的采空区点云数据,在三维重建之前对点云数据进行精简是一个必要的环节,提出了一种基于切片的采空区点云数据精简方法.根据采空区点云数据采集的原理,将采空区理想化处理,分析扫描角、扫描线间距及扫描点水平距离之间的关系,据此确定切片间距阈值.将最近点投影到切片上拟合成曲线,结合改进后的偏角法对曲线进行采样精简处理,并以实例证明该方法的有效性.     

基于k-邻域密度的离散点云简化算法与实现

提出一种基于k-邻域密度(即k-邻域中的点云密度)的离散点云简化算法, 并给出了在三角网格重构中的实现. 该方法不仅可以保证实物模型重建后的整体轮廓, 而且在细节部分也较好地保持了局部形状特征. 三角网格重构的实验结果表明, 所给方法简单、 高效, 同时, 在实物模型平滑处与曲率变化较大处均取得了理想效果.     

用于面部虚拟整形的三维人脸重建系统设计

为解决面部整形手术成功率低的问题,设计了用于面部虚拟整形的三维面部重建系统。该系统首先利用高精度深度相机采集人脸多角度深度图像,将每幅深度图像分别转换为对应点云模型并进行去噪预处理。接着,将正面点云和侧面点云进行粗匹配实现点云拼接,并提出一种改进的精配准算法进行精配准,得到目标人脸三维点云模型。对点云模型网格化处理后,提出一种基于半边结构的细分算法来提高重建模形精度,最后完成贴图即可构建人脸模型。为了验证所设计系统的重建精度,设计了对比实验。结果表明:系统重构人脸与其他重建系统相比,提高了人脸精度,且与真实人脸间差距小于2 mm,可以将其应用于面部虚拟整形,从而对专业医师提供术前指导,提高手术成功率。     

大型储罐的三维点云精简方法研究

针对大型储罐三维点云数据散乱、冗余点多等影响计算机显示及容积计算的问题,改进了一种储罐三维点云精简算法。该方法先利用均匀网格法,将待处理的三维点云数据分割成若干小栅格;然后根据随机抽样一致(random sample consensus,RANSAC)算法对每个栅格中的点云数据建立球模型,以保留特征点并滤除冗余数据点,达到精简点云的目的。将该方法与传统的均匀网格法和非均匀网格法进行对比,实验结果表明该方法在保证较高精简率的情况下可以更好地保留储罐点云数据特征。     

特征更新的动态图卷积表面损伤点云分割方法

针对金属部件表面损伤点云数据对分割网络局部特征分析能力要求高,局部特征分析能力较弱的传统算法对某些数据集无法达到理想的分割效果问题,选择采用相对损伤体积等特征进行损伤分类,将金属表面损伤分为6类,提出一种包含空间尺度区域信息的三维图注意力特征提取方法。将得到的空间尺度区域特征用于特征更新网络模块的设计,基于特征更新模块构建出了一种特征更新的动态图卷积网络(Feature Adaptive Shifting-Dynamic Graph Convolutional Neural Networks)用于点云语义分割。实验结果表明,该方法有助于更有效地进行点云分割,并提取点云局部特征。在金属表面损伤分割上,该方法的精度优于PointNet++、 DGCNN(Dynamic Graph Convolutional Neural Networks)等方法,提高了分割结果的精度与有效性。     

基于倾斜影像颜色信息的建筑物点云提取

针对建筑物点云提取不完整问题,笔者采用一种组合方法从影像密集匹配获得的多视图像(MVS)点云中提取建筑物点云.首先运用布料模拟滤波(CSF)算法进行地面点滤波,去除MVS点云中的地面点;然后根据MVS点云的颜色信息,利用过绿指数(EXG)和植被密集成块特性将植被点云剔除;最后使用密度聚类从剩余的点云中分割出建筑物点云....     

融合几何特征与全局关系的室内点云语义分割

为充分提取3D点云的深层特征以提高复杂室内点云场景的语义分割精度，提出一种结合局部特征和全局特征的室内点云语义分割网络GSFNet.在局部特征部分，加入几何特征信息，并设计几何与语义特征信息编码模块，以更好地捕获室内点云局部信息.对全局特征部分，在编码解码器结构中间层加入全局关系依赖模块，构建不同邻域对象之间的关系提取有效分割信息.使用斯坦福大规模室内数据集(S3DIS)进行实验验证，在测试数据集上测试的总体精度(OA)和平均交并比(mIoU)分别为87.2%和61.1%,实验结果表明，GSFNet对复杂室内环境有较好的语义分割效果.