خوارزمية ZTE الموجهة لضغط هندسة السحابة النقطية بدون فقدان

تحديد:

• اسم المنتج: خوارزمية موجهة بالسياق المكاني والزماني لضغط هندسة السحابة النقطية بدون فقدان
• المؤلفون: تشانغ هويران، دونغ تشن، وانغ مينغشنغ
• نُشرت: 2023 ديسمبر
• DOI: 10.12142/ZTECOM.202304003

تعليمات استخدام المنتج

مقدمة:
تم تصميم المنتج لضغط البيانات السحابية النقطية بكفاءة، ومعالجة التحديات المتعلقة بسعة مساحة التخزين وعرض النطاق الترددي لنقل الشبكة.

المميزات الرئيسية:

1. ينطبق وضع التنبؤ على السحب النقطية داخل الإطار وبين الإطارات باستخدام مشكلة البائع المتجول الممتد.
2. برنامج تشفير حسابي متكيف مع تحديث سريع للسياق لحساب الاحتمالات ونتائج الضغط بكفاءة.

خطوات الاستخدام:

الخطوة 1: تقسيم الغيوم النقطية
قم بتقسيم السحب النقطية إلى طبقات الوحدة على طول المحور الرئيسي.

الخطوة 2: وضع التنبؤ بالتصميم
صمم وضع تنبؤ باستخدام خوارزمية البائع المتجول للاستفادة من التكرار المكاني والزماني.

الخطوة 3: تشفير المخلفات
اكتب البقايا في تدفقات البتات باستخدام برنامج تشفير حسابي يتكيف مع السياق من أجل الضغط.

التعليمات:

• س: ما هي الفوائد الرئيسية لاستخدام هذا المنتج؟
  A: يتيح المنتج ضغطًا فعالاً للبيانات السحابية النقطية، باستخدام الارتباطات المكانية والزمانية للحصول على نتائج ضغط محسنة.
• س: هل يمكن لهذا المنتج التعامل مع السحب النقطية أحادية الإطار ومتعددة الإطارات؟
  A: نعم، ينطبق وضع التنبؤ على كل من السحب النقطية داخل الإطار وبين الإطارات، مما يسمح بسيناريوهات استخدام متعددة الاستخدامات.

تشانغ هويران، دونغ تشن، وانغ مينغشنغ

1. معهد قوانغتشو للتخطيط الحضري والتصميم المسحي للأبحاث، قوانغتشو 510060، الصين؛
2. مختبر قوانغدونغ إنتربرايز الرئيسي للاستشعار الحضري والرصد والإنذار المبكر، قوانغتشو 510060، الصين؛
3. مختبر الدولة الرئيسي لهندسة المعلومات في مسح الخرائط والاستشعار عن بعد، جامعة ووهان، ووهان 430079، الصين)

خلاصة: يعد ضغط السحابة النقطية أمرًا بالغ الأهمية لنشر تمثيلات ثلاثية الأبعاد للعالم المادي مثل التواجد عن بعد الغامر ثلاثي الأبعاد، والقيادة الذاتية، والإرث الثقافيtagه الحفظ. ومع ذلك، يتم توزيع بيانات السحابة النقطية بشكل غير منتظم ومتقطع في المجالات المكانية والزمانية، حيث تجعل وحدات البكسل غير المأهولة الزائدة عن الحاجة والارتباطات الضعيفة في الفضاء ثلاثي الأبعاد تحقيق الضغط الفعال مشكلة صعبة. في هذا البحث، نقترح خوارزمية موجهة بالسياق المكاني والزماني لضغط هندسة السحابة النقطية بدون فقدان. يبدأ المخطط المقترح بتقسيم السحابة النقطية إلى طبقات مقطعة بسماكة الوحدة على طول المحور الأطول. بعد ذلك، يقدم طريقة للتنبؤ حيث تتوفر كل من السحب النقطية داخل الإطار وبين الإطارات، من خلال تحديد المراسلات بين الطبقات المجاورة وتقدير أقصر مسار باستخدام خوارزمية البائع المتجول. أخيرًا، يتم ضغط القليل من التنبؤات المتبقية بكفاءة باستخدام تقنيات الترميز الحسابي ذات الوضع السريع الأمثل والموجهة بالسياق والتكيف. تثبت التجارب أن الطريقة المقترحة يمكن أن تحقق بشكل فعال ضغطًا منخفضًا بدون فقدان معدل بت للمعلومات الهندسية للسحابة النقطية، وهي مناسبة لضغط السحابة النقطية ثلاثية الأبعاد المطبقة على أنواع مختلفة من المشاهد.
الكلمات المفتاحية: ضغط هندسة السحابة النقطية ؛ السحب النقطية أحادية الإطار؛ السحب النقطية متعددة الإطارات؛ الترميز التنبؤي؛ الترميز الحسابي.

الاقتباس (التنسيق 1): ZHANG HR، DONG Z، WANG M S. خوارزمية موجهة بالسياق المكاني والزماني لضغط هندسة السحابة النقطية بدون فقدان [J]. زي تي إي كوميونيكيشنز، 2023، 21(4): 17-28. دوى: 10.12142/ZTECOM.202304003
الاقتباس (التنسيق 2): HR Zhang وZ. Dong وMS Wang، "خوارزمية موجهة بالسياق المكاني والزماني لضغط هندسة السحابة النقطية بدون فقدان البيانات"، ZTE Communications، المجلد. 21، لا. 4، الصفحات من 17 إلى 28، ديسمبر 2023. دوى: 10.12142/ZTECOM.202304003.

 

مقدمة

مع تحسين أداء معدات الاستحواذ متعددة المنصات ومتعددة الدقة، يمكن لتقنية اكتشاف الضوء والمدى (LiDAR) محاكاة الكائنات أو المشاهد ثلاثية الأبعاد بكفاءة باستخدام مجموعات نقاط ضخمة. بالمقارنة مع بيانات الوسائط المتعددة التقليدية، تحتوي البيانات السحابية النقطية على معلومات قياس مادية أكثر تمثل كائنات من الحرة viewالنقاط، وحتى المشاهد ذات الهياكل الطوبولوجية المعقدة. وينتج عن ذلك تأثيرات تفاعلية وغامرة قوية توفر للمستخدمين تجربة تصور حية وواقعية. بالإضافة إلى ذلك، تتمتع البيانات السحابية النقطية بقدرة أقوى على مكافحة الضوضاء وقدرة على المعالجة المتوازية، والتي يبدو أنها اكتسبت جاذبية من الصناعة والأوساط الأكاديمية، لا سيما في مجالات التطبيق مثل التراث الثقافي.tagالحفظ الإلكتروني والتواجد عن بعد الغامر ثلاثي الأبعاد والقيادة التلقائية [3-1].
ومع ذلك، عادةً ما تحتوي البيانات السحابية النقطية على ملايين إلى مليارات النقاط في المجالات المكانية، مما يضع أعباء وتحديات على سعة مساحة التخزين وعرض النطاق الترددي لنقل الشبكة. على سبيل المثال، عادةً ما تشتمل السحابة النقطية الديناميكية الشائعة المستخدمة للترفيه على ما يقرب من مليون نقطة لكل إطار، والتي تبلغ 30 إطارًا في الثانية، ويبلغ إجمالي عرض النطاق الترددي 3.6 جيجابت/ثانية إذا تركت غير مضغوطة[3]. ولذلك، فإن البحث عن خوارزميات ضغط هندسية عالية الكفاءة للسحب النقطية له قيمة نظرية وعملية مهمة.
لقد عالج العمل السابق هذه المشكلة عن طريق بناء الشبكات مباشرة أو التخفيضات عند الطلبampling، بسبب القيود المفروضة على قوة الحوسبة الحاسوبية وكفاءة جمع السحابة النقطية، مما أدى إلى انخفاض أداء الضغط المكاني والزماني وفقدان معلومات ميزات السمات الهندسية. استندت الدراسات الحديثة بشكل أساسي إلى رسومات الكمبيوتر وتقنيات معالجة الإشارات الرقمية لتنفيذ عمليات الكتلة على البيانات السحابية[4 5] أو تقنية تشفير الفيديو المدمجة [6 7] من أجل التحسين. في عام 2017، طلبت مجموعة خبراء الصور المتحركة (MPEG) مقترحات لضغط السحابة النقطية وأجرت مناقشات لاحقة حول كيفية ضغط هذا النوع من البيانات. مع زيادة الأساليب المتوفرة والمقدمة لضغط السحابة النقطية، تم إصدار أطر ضغط البيانات السحابية ذات النقطتين - TMC13 وTMC2 في عام 2018. يُظهر البحث أعلاه أنه تم إحراز تقدم ملحوظ في تقنية ضغط السحابة النقطية. ومع ذلك، تعامل العمل السابق في الغالب مع العلاقة المشتركة المكانية والزمانية للسحب النقطية بشكل منفصل ولكن لم يتم استغلالها بعد إلى أقصى إمكاناتها في ضغط السحابة النقطية.
ولمواجهة التحديات المذكورة أعلاه، نقدم طريقة موجهة بالسياق المكاني والزماني لضغط هندسة السحابة النقطية بدون فقدان البيانات. نقوم أولاً بتقسيم السحب النقطية إلى طبقات وحدة على طول المحور الرئيسي. ثم نقوم بتصميم وضع التنبؤ عبر خوارزمية البائع المتجول، من خلال اعتماد الارتباط الزماني المكاني. وأخيرًا، تتم كتابة البقايا في تدفقات البت باستخدام مشفر حسابي متكيف مع السياق. لدينا المساهمات الرئيسية هي على النحو التالي.
1) قمنا بتصميم وضع تنبؤ قابل للتطبيق على كل من السحابة النقطية داخل الإطار وبين الإطارات، عبر مشكلة البائع المتجول الممتد (TSP). من خلال الاستفادة من التكرار المكاني والزماني للسحب النقطية، يمكن للتنبؤ الهندسي الاستفادة بشكل أفضل من الارتباط المكاني وبالتالي تمكين أنواع مختلفة من السيناريوهات.
2) نقدم برنامج تشفير حسابي متكيف مع تحديث سريع للنص، والذي يختار السياق ثلاثي الأبعاد الأمثل من قاموس السياق، ويمنع زيادة تقدير الإنتروبيا. ونتيجة لذلك، فإنه يعزز كفاءة حساب الاحتمالات لمشفرات الإنتروبيا وينتج نتائج ضغط كبيرة.
يتم تنظيم بقية هذه الورقة على النحو التالي. يقدم القسم 2 الخطوط العريضة للأعمال ذات الصلة المتعلقة بضغط هندسة السحابة النقطية. يعرض القسم 3 أولاً انتهىview للإطار المقترح. ثم يتم وصف الطريقة المقترحة بالتفصيل. يتم عرض النتائج والاستنتاجات التجريبية في القسمين 4 و 5 على التوالي.

أعمال ذات صلة

كان هناك العديد من خوارزميات ضغط هندسة السحابة النقطية المقترحة في الأدبيات. تساو وآخرون. [8] وجرازيوسي وآخرون. [9] إجراء تحقيق وملخص لطرق ضغط السحابة النقطية الحالية، مع التركيز على تقنية ضغط البعد المكاني وأطر توحيد MPEG على التوالي. نحن نقدم إعادة موجزةview التطورات الأخيرة في فئتين: الضغط السحابي لنقطة إطار واحد والضغط السحابي لنقطة الإطار المتعدد.

1. ضغط السحابة النقطية أحادية الإطار
   تُستخدم السحب النقطية أحادية الإطار على نطاق واسع في المسوحات الهندسية والثقافيةtagالحفظ الإلكتروني، ونظم المعلومات الجغرافية، وسيناريوهات أخرى. الأوكتري عبارة عن بنية بيانات مستخدمة على نطاق واسع لتمثيل السحب النقطية بكفاءة، والتي يمكن ضغطها عن طريق تسجيل المعلومات من خلال العقد المشغولة. هوانغ وآخرون.[10] يقترح طريقة تعتمد على الأوكتري، والتي تقسم السحابة النقطية بشكل متكرر إلى عقد، مع تمثيل مواقعها بالمركز الهندسي لكل وحدة. فان وآخرون.[11] مزيد من تحسين هذه الطريقة من خلال تقديم التحليل العنقودي لإنشاء التسلسل الهرمي لمستوى التفاصيل (LOD) وترميزه بترتيب العرض الأول. ومع ذلك، يمكن أن تسبب هذه الأساليب تشويهًا بسبب تقريب النموذج الأصلي أثناء العملية التكرارية.
   ولمعالجة هذه القيود، قدم العلماء ميزات هيكلية هندسية، مثل – نموذج السطح الثلاثي [12]، ونموذج السطح المستوي [13 14]، وخوارزمية التجميع [15]، للتنبؤ بين الطبقات والحساب المتبقي. . رينت وآخرون.[16] يقترح مفهوم الضغط الطبقي التدريجي الذي يستخدم أولاً البنية الثماني للتشفير الخشن الحبيبات ثم يستخدم الرسم البياني لتحويل فورييه للضغط وإعادة بناء تفاصيل السحابة. في عام 2019، أصدرت MPEG تقنية ضغط السحابة النقطية القائمة على الهندسة (G-PCC) لكل من السحب النقطية الثابتة والديناميكية، والتي يتم تنفيذها من خلال تحويل الإحداثيات، والفكسلة، وتحليل البنية الهندسية، والتشفير الحسابي خطوة بخطوة[17].
   نظرًا لأن بعض الثمانيات داخل الشجرة الثمانية قد تكون ذات كثافة سكانية منخفضة أو حتى فارغة، فقد تم اقتراح بعض الطرق لتحسين بنية الشجرة عن طريق تقليم العقد الفرعية وبالتالي الحفاظ على تخصيص الذاكرة. على سبيل المثالampلو، دريكو وآخرون. [18] يقترح وضع ترميز مباشر مستنتج (IDCM) لإنهاء قسم الثماني بناءً على شروط محددة مسبقًا لتحليل التناثر، والذي يتضمن تقليم بنية الثماني لحفظ البتات المخصصة للعقد الفرعية. تشانغ وآخرون. [19] يقترح تقسيم مساحة السحابة النقطية إلى مكونات رئيسية وتكييف طريقة التقسيم من الشجرة الثنائية والرباعية والأوكتري. بالمقارنة مع التقسيم الثماني التقليدي، يمكن للنماذج الهجينة المذكورة أعلاه أن تقلل بشكل فعال عدد البتات المستخدمة لتمثيل النقاط المتفرقة، وبالتالي توفير العقد التي تحتاج إلى تشفير. ومع ذلك، هناك حاجة إلى شروط المعلمات الفائقة المعقدة وتحديد الوضع في هذه العملية، مما يجعل من الصعب تلبية متطلبات التكيف الذاتي والتعقيد المنخفض.
   مع قيام الشبكات العصبية العميقة بخطوات كبيرة في ضغط الصور والفيديو، اكتشف الباحثون طرقًا لتقليل معدلات البت بشكل أكبر من خلال الاستفادة من التوجيه المسبق الفائق وتكرار التعبير المكاني الكامن أثناء عملية الضغط. كواتش وآخرون.[20] وهوانغ وآخرون.[21] اقتراح الأساليب التي تتضمن هذه المفاهيم. غواردا وآخرون. الجمع بين الشبكات العصبية التلافيفية وأجهزة التشفير التلقائي لاستغلال التكرار بين النقاط المجاورة وتعزيز القدرة على التكيف مع الترميز في المرجع. [22]. في الآونة الأخيرة، وانغ وآخرون. [23] يقترح طريقة ضغط سحابة نقطية تعتمد على التشفير التلقائي المتغير، مما يعمل على تحسين نسبة الضغط من خلال تعلم الأسبقية الفائقة وتقليل استهلاك الذاكرة للتشفير الحسابي. تستخدم الطرق المذكورة أعلاه أجهزة تشفير الشبكة العصبية لالتقاط المتجهات المخفية عالية الترتيب للسحابة النقطية، واحتمالات نموذج الإنتروبيا، واحتمالات الحافة التي تتلاءم بشكل أفضل، وبالتالي تقليل استهلاك الذاكرة للتشفير الحسابي. بشكل عام، يعد البحث حول الضغط الهندسي السحابي أحادي الإطار ناضجًا نسبيًا، ولكن لا يزال هناك تحديان قائمان. لم يتم استخدام الارتباط المكاني بشكل فعال، ومعظم الطرق لا ترمز إلى ارتباط بيانات السحابة النقطية بدقة وكفاءة. علاوة على ذلك، فإن حساب النموذج الاحتمالي لتشفير الإنتروبيا يبدو طويلًا وشاقًا بسبب العدد الهائل من السياقات.
2. ضغط السحابة متعدد الإطارات
   تُستخدم السحب متعددة الإطارات بشكل شائع في سيناريوهات مثل التواجد عن بعد الغامر ثلاثي الأبعاد في الوقت الفعلي، والواقع الافتراضي التفاعلي، والثلاثية الأبعاد المجانية viewنقطة البث والقيادة التلقائية. على عكس الضغط السحابي لنقطة إطار واحد، يعطي الضغط السحابي لنقاط الإطار المتعدد الأولوية لاستخدام الارتباط الزمني، بالإضافة إلى تقدير الحركة والتعويض. يمكن تقسيم الطرق الحالية لضغط السحابة متعددة الإطارات إلى فئتين: الإسقاط ثنائي الأبعاد وإلغاء الارتباط ثلاثي الأبعاد.
   إن مجال ضغط الصور والفيديو واسع النطاق وقد تم استكشافه جيدًا على مدار العقود القليلة الماضية. تقوم خوارزميات مختلفة بتحويل السحب النقطية إلى صور ثم ضغطها بشكل مباشر بواسطة أجهزة التشفير FFmpeg وH.265، وما إلى ذلك. يقدم AINALA وآخرون[24] إسقاطًا مستوًا وضع ترميز تقريبي يقوم بتشفير كل من سمات الهندسة واللون من خلال المسح النقطي على المستوى . ومع ذلك، تتسبب هذه الطريقة في حدوث تغييرات في شكل الهدف أثناء عملية التعيين، مما يجعل التنبؤ الدقيق أمرًا صعبًا. لذلك، شوارتز وآخرون.[25] و سيفوم وآخرون.[26] يقترح الإسقاط المستوي المستدير، والإسقاط المكعب، وطرق الإسقاط القائمة على التصحيح لتحويل السحب النقطية إلى مقاطع فيديو ثنائية الأبعاد، على التوالي. من خلال وضع إسقاطات مماثلة في إطارات متجاورة في نفس الموقع في الصور المتجاورة، يمكن لضاغط الفيديو إزالة الارتباط الزمني بالكامل. في المرجع. [2]، يتم إجراء التنبؤ بين الهندسة عبر TSP، الذي يحسب المراسلات الفردية للكتل البينية المجاورة من خلال البحث عن الكتلة ذات القيمة المتوسطة الأقرب. أصدرت شركة MPEG تقنية ضغط السحابة النقطية المستندة إلى الفيديو (V-PCC) للسحب النقطية الديناميكية في عام 27[2019]. يقوم هذا الإطار بتقسيم سحابة نقطة الإدخال إلى كتل صغيرة ذات متجهات عادية مماثلة ومساحة مستمرة، ثم تحويلها إلى السطح المستوي من خلال مكعبات لتسجيل صورة الإشغال والمعلومات المساعدة. يتم ضغط جميع الصور الناتجة بواسطة برامج ترميز فيديو ناضجة، ويتم تجميع جميع تدفقات البت في مخرج واحد file. وقد بذلت محاولات أخرى لتحسين فعالية هذه الأساليب. كوستا وآخرون.[29] استغلال العديد من استراتيجيات تعبئة التصحيحات الجديدة من منظور تحسين خوارزمية التعبئة وروابط تعبئة البيانات والفرز ذي الصلة ومؤشرات تحديد المواقع. وعلاوة على ذلك، بارك وآخرون. [30] صمم طريقة تعبئة تتكيف مع البيانات والتي تقوم بتجميع الإطارات المجاورة بشكل تكيفي في نفس المجموعة وفقًا للتشابه الهيكلي دون التأثير على أداء تيار V-PCC. نظرًا لفقدان المعلومات الحتمي الناتج عن إسقاط السحابة النقطية، طور العلماء تقنيات فعالة لضغط تسلسل السحابة النقطية للإطارات المتتالية باستخدام تقنية تعويض الحركة المعتمدة على الفضاء ثلاثي الأبعاد. كاميرل وآخرون.[3] يقترح طريقة ترميز هندسية تعتمد على الأوكتري، والتي تحقق كفاءة ضغط عالية عن طريق إجراء اختلافات OR (XOR) الحصرية بين الإطارات المتجاورة. لم يتم اعتماد هذه الطريقة في مكتبة Point Cloud Library (PCL) الشهيرة فحسب، بل تم استخدامها أيضًا على نطاق واسع لإجراء المزيد من أبحاث الخوارزميات. تعمل الأساليب البينية الأخرى على تحويل مشكلة تقدير الحركة ثلاثية الأبعاد إلى مشكلة مطابقة الميزات [31] أو استخدام المعلومات الهندسية المعاد بناؤها [32] للتنبؤ بمتجهات الحركة وتحديد العلاقة المقابلة بين الإطارات المجاورة بدقة. أظهرت الدراسات المتفجرة الحديثة [3 33] أن ضغط الفيديو المتعلم يوفر أداءً أفضل لتشويه معدل التشويه مقارنةً بالضغط التقليدي، مما يضفي أهمية مرجعية كبيرة لضغط السحابة النقطية. جاو وآخرون.[34] تقديم شبكة تنبؤ بين الإطارات ثنائية الاتجاه لإجراء التنبؤ بين الإطارات وتحقيق الاستخدام الفعال للمعلومات ذات الصلة في الأبعاد المكانية والزمانية. كايا وآخرون. [35] صمم نموذجًا جديدًا لتشفير الميزات الهندسية لتسلسلات السحب النقطية الكثيفة، وتحسين CNN لتقدير توزيع التشفير لتحقيق ضغط بدون فقدان للسحب النقطية الكثيفة.
   على الرغم من التقدم المحرز في تكنولوجيا تشفير الضغط للنماذج السحابية متعددة الإطارات، لا تزال هناك مشكلتان قائمتان. تعتمد أساليب ضغط السحابة متعددة الإطارات الحالية بشكل أساسي على تشفير الفيديو وتعويض الحركة، الأمر الذي يتضمن حتماً فقدان المعلومات أو تشويهها بسبب رسم الخرائط وانقطاع حافة الكتلة. وبالإضافة إلى ذلك، يُظهر التشفير التنبؤي قابلية تطبيق منخفضة بسبب عدم اتساق هندسة السحابة النقطية بين الإطارات. يزيد الإزاحة الواضحة للنقاط بين الإطارات والضوضاء التي لا يمكن تجنبها من صعوبة الاستخدام الفعال للتشفير التنبؤي في الضغط بين الإطارات.

طريقة ضغط السحابة النقطية المقترحة الموجهة بالسياق المكاني والزماني بدون فقدان البيانات

زيادةview
يظهر الشكل 1. خط الأنابيب العام لخوارزمية موجهة بالسياق المكاني والزماني. أولاً، نقوم بمعالجة سحابة نقطة الإدخال مسبقًا من خلال تطبيق voxelization وتحويل النطاق. بعد ذلك، يتم تقسيم السحابة النقطية إلى طبقات مقطعة بسمك وحدة على طول المحور الرئيسي. بعد ذلك، نقوم بتصميم وضع تنبؤ يستفيد بشكل كامل من معلومات الارتباط الزماني والمكاني داخل كل من الإطار الداخلي والإطار الداخلي. نقوم بحساب أقصر مسار لطبقات النقاط المرجعية (طبقات R) عبر خوارزميات البائع المتجول، ثم يتم استخدام نتائج طبقات R للتنبؤ زمانيًا مكانيًا وترميز بقية السحب النقطية، وهي الطبقات المتوقعة (طبقات P) ). وأخيرا، تم اعتماد خوارزميات تشفير الإنتروبيا المحسنة للحصول على الثنائي المضغوط file.

صورة التقسيم الهرمي القائم على شرائح

1. المعالجة المسبقة
   تتضمن وحدة المعالجة المسبقة تحويل الفكسلة والمقياس، من أجل فهرسة أفضل لكل نقطة معينة. في عملية voxelization، نقوم بتقسيم المساحة إلى مكعبات بحجم N، وهو ما يتوافق مع الدقة الفعلية للسحابة النقطية. يتم تعيين فوكسل فريد لكل نقطة بناءً على موقعها. يتم تسجيل فوكسل كـ 1؛ إذا كان مشغولاً بشكل إيجابي، فهو 0 خلاف ذلك. يمكن أن يؤدي تحويل المقياس إلى تقليل التشتت من أجل ضغط أفضل عن طريق تصغير سحابة النقطة، حيث تصبح المسافة بين النقاط أصغر. نقوم بتجميع إحداثيات سحابة النقاط (x، y، z) باستخدام عامل القياس s، على سبيل المثال،
   لضمان الضغط بدون فقد البيانات، نحتاج إلى التأكد من أن عوامل القياس لا يمكن أن تسبب فقدانًا هندسيًا ويجب إعادة تسجيلها في الرأس file.
2. تقسيم طبقة شرائح
   تعمل هذه الوحدة عن طريق تقسيم السحابة النقطية ثلاثية الأبعاد على أحد محاورها، وإنشاء عدة طبقات مقسمة إلى شرائح تحتوي على معلومات مشغولة وغير مشغولة فقط والتي يمكن ضغطها بشكل أكبر باستخدام برنامج تشفير تنبؤي وبرنامج تشفير حسابي. يتم تعريف الوظيفة على النحو التالي:
   حيث يشير G إلى مصفوفة إحداثيات سحابة نقطة الإدخال، ويشير المحور إلى البعد المحدد، وS (a، b) هي الشريحة ثنائية الأبعاد المستخرجة بواسطة كل طبقة. بشكل عام، نقوم بإجراء تجارب على عدد كبير من تسلسلات الاختبار، وتشير النتائج إلى أن التقسيم على طول المحور الأطول للتباين المكاني للسحابة النقطية يؤدي إلى أقل معدل بت، أي
3. الحد الأدنى لاستخراج المربع المحيط
   في معظم الحالات، عادةً لا يمكن تجنب وحدات البكسل المشغولة ويفوق عدد وحدات البكسل المشغولة بشكل كبير. ونتيجة لذلك، فإن معالجة وترميز كلا النوعين من وحدات البكسل في وقت واحد يثقل كاهل التعقيد الحسابي وسرعات التشفير لخوارزمية الضغط. لذلك، نعتمد المربع المحيط الموجه (OBB) [39] لحساب الحد الأدنى للمربع المحيط لكل طبقة مقطعة، مما يضمن أن اتجاهات المربعات المحيطة متسقة عبر الطبقات. في المعالجة اللاحقة، يتم ضغط وحدات الأكسل الموجودة داخل المستطيل المقيد فقط.

الترميز التنبؤي الموجه بالسياق المكاني

الهدف من التشفير التنبئي الموجه بالسياق المكاني هو تشفير جميع النقاط طبقة تلو الأخرى. مستوحاة من TSP، قمنا بتصميم وضع التنبؤ لاستكشاف الطلبات المحتملة والارتباط داخل كل طبقة مقطعة. تتكون هذه الوحدة من القسم وحساب المسار الأقصر.
في البداية، نقوم بتقسيم الطبقات المقطوعة وتحديد طبقة R وطبقات R لكل مجموعة. نجتاز طبقة السحابة النقطية بطبقة على طول المحور المحدد. عندما يختلف طول الاتجاه الرئيسي للمربع المحيط الأدنى بين الطبقات المتجاورة بوحدة طول محددة، يتم تسجيله على أنه نفس المجموعة. بخلاف ذلك، يتم استخدامها كطبقة مرجعية للمجموعة التالية، وتستخدم كل سحابة نقطية في المجموعة التالية نفس المسار الأقصر. في هذا البحث، قمنا بتعيين الطبقة الأولى من كل مجموعة كطبقة R، والطبقات الأخرى كطبقات P. نقوم أيضًا بإجراء تجارب على عدد كبير من تسلسلات الاختبار ونوصي بتعيين هذه المعلمة المحددة على 3 وحدات للحصول على أفضل ضغط.
بعد ذلك، نقوم بإجراء حساب المسار الأقصر على طبقات R ونسجل بقايا اللاعبين. وفقًا لتنظيم توزيع السحابة النقطية لكل طبقة شريحة، نقوم بترتيب السحب النقطية غير المنتظمة على النحو الأمثل لكل طبقة شريحة بناءً على خوارزمية TSP. يتيح لنا ذلك حساب أقصر مسار إلى السحابة النقطية لطبقات R بكفاءة، ثم تسجيل بقايا طبقات التنبؤ المقابلة. تُظهر الخوارزمية 1 الرمز الزائف لإجراء التنبؤ.

أولاً، نحدد قاعدة حساب المسافة بين النقاط في المنطقة المحلية ونقوم بتهيئة حالة المسار بنقطة PC1 مختارة عشوائيًا. في كل تكرار، كلما تمت إضافة نقطة PCI جديدة، يتم تحديث التقليب ديناميكيًا من خلال مسار معادلة انتقال الحالة (P - i، i) حتى يتم تسجيل جميع النقاط المضافة في P بترتيب أقصر مسار. ويتم تعديل هذه العملية تدريجياً بناءً على معيار الحد الأدنى للمسافة. بعد اكتمال جميع التكرارات في إجمالي المسار الأقصر، نحسب الحد الأدنى dist(pci, pcj ) في كل طبقة من طبقات R، وأعد جدول تسجيل المسار الأقصر لسحب النقاط في كل طبقة من طبقات R. لمزيد من الضغط، نحسب انحراف الطبقات P من أقصر مسار للطبقة R داخل نفس المجموعة ونسجلها على أنها بقايا تنبؤية. أخيرًا، يتم إخراج أقصر مسار لـ Rlayer وبقايا كل مجموعة وتمريرها إلى مشفر الإنتروبيا لضغط بقايا التنبؤ بشكل أكبر.

الترميز التنبؤي الموجه بالسياق المكاني والزماني
يتم ترميز وضع التنبؤ الموجه بالسياق المكاني
السحب ذات الإطار الواحد بشكل فردي. ومع ذلك، فإن تطبيق التشفير المكاني على كل سحابة نقطية ذات إطار واحد بشكل منفصل يمكن أن يؤدي إلى تفويت الفرص التي تكشفها الارتباطات الزمنية عبر السحابة النقطية متعددة الإطارات. وبالنظر إلى أن السحابة متعددة الإطارات تشترك في أجزاء كبيرة من التداخلات، فإننا نركز على استخدام التكرار الزمني لزيادة تعزيز كفاءة الضغط. وبالتالي، استنادًا إلى وضع التنبؤ المكاني الموجه بالسياق المقترح، يمكننا ضغط السحابة النقطية متعددة الإطارات عن طريق تحديد المراسلات بين الطبقات المجاورة عبر الإطارات.

1. قسم بين الإطارات
   لتعزيز فعالية وضع التنبؤ بين الإطارات، من الضروري ضمان التشابه الكافي بين طبقات الإطارات المجاورة. ونتيجة لذلك، نحتاج إلى تقسيم المجموعات بين الإطارات المتجاورة وتحديد طبقات R وطبقات P عبر الإطارات. من خلال تقدير أقصر مسار للطبقات P بناءً على أقصر مسار للطبقات R، نسجل بقايا التنبؤ ونضغطها بشكل أكبر من خلال جهاز تشفير الإنتروبيا. تعرض الخوارزمية 2 الكود الكاذب لقسم الإطار البيني.
   على أساس محاذاة اتجاه الطبقات المقطوعة، فإننا نحقق التقسيم الخشن والتقسيم الناعم على التوالي. بالنسبة للتقسيم الخشن، نقوم بفرز الطبقات المقطعة لكل إطار بناءً على الإحداثيات المقابلة لمحاور التقسيم، من الصغيرة إلى الكبيرة. ونتيجة لذلك، فإن كل طبقة شريحة من كل إطار لها رقم طبقة فريد، مما يسمح لنا بتقسيم طبقات الشريحة بشكل خشن بنفس الرقم بين الإطارات المجاورة. بعد ذلك، نقوم بحساب الفرق بين أطوال المحور الرئيسي للمربعات المحيطة الدنيا للطبقات المجاورة بنفس العدد. إذا كانت هذه القيمة أقل من أو تساوي وحدة طول محددة، فسيتم تقسيم الطبقات إلى نفس المجموعة. بخلاف ذلك، نقوم بمقارنة الفرق في طول محور الاتجاه الرئيسي لمربع الإحاطة الأدنى في الطبقة المقابلة للإطار المجاور مع الطبقة المحددة قبل وبعد الرقم في الإطار المجاور. يتم بعد ذلك تقسيم الطبقة ذات الاختلاف الأصغر إلى نفس المجموعة. وهذا يضمن تقسيمًا جيدًا بين الطبقات المتجاورة، وذلك لتحقيق التقسيم الدقيق للعلاقة المجاورة.
2. وضع التنبؤ الموجه بالسياق المكاني والزماني
   بناءً على القسم، نقوم بتطبيق وتوسيع وضع التنبؤ المذكور في القسم 3.3. نحن ندمج السياق بين الإطارات في العملية، مما يعني أن الطبقة الأولى من كل مجموعة، والتي تعمل كطبقة R، قد لا تسفر بالضرورة عن أفضل نتيجة للتنبؤ. لاستكشاف الارتباط المحتمل بين الطبقات المجاورة بشكل كامل، نحتاج إلى الكشف عن وضع التنبؤ الأمثل.
   أولاً، نحسب بقايا التنبؤ لكل طبقة مقطعة في المجموعة الحالية عند استخدامها كطبقة R. من خلال مقارنة بقايا التنبؤ في جميع الحالات، نختار طبقة R ذات القيمة المتبقية الأصغر المطلقة كأفضل وضع للتنبؤ. بالنسبة لحساب أقصر مسار لطبقة R، نستخدم خوارزمية البائع المتجول لحساب أقصر مسار لطبقات R ضمن أفضل وضع للتنبؤ. علاوة على ذلك، فإننا نحسب بقايا التنبؤ لكل مجموعة ضمن أفضل أوضاع التنبؤ الخاصة بها. نسجل أيضًا طول الإشغال ومعلومات الطبقة R لكل مجموعة لمزيد من الضغط في المعالجة اللاحقة. في عملية المتابعة، نستخدم الترميز الحسابي استنادًا إلى أفضل تحديد سياق للمعلومات المذكورة أعلاه لإكمال العملية الكاملة لخوارزمية ضغط هندسة السحابة متعددة الإطارات.

الترميز الحسابي على أساس قاموس السياق
إن الكم الهائل من السياق في السحابة النقطية يثقل بشكل كبير نظام الضغط الشامل من حيث التعقيد الحسابي للتشفير الحسابي. نقوم بتحسين الترميز الحسابي من الوحدتين التاليتين. 1) قمنا بإعداد قاموس السياق، واختيار القيمة المثلى العالمية وتحديثها وفقًا لتقدير الإنتروبيا، ومن ثم 2) نستخدم أدوات التشفير التكيفية لحساب الحدود العليا والدنيا للاحتمالات بكفاءة.

1. بناء قاموس السياق
2. نقوم ببناء قاموس سياق يمثل قائمة انتظار ثلاثية، تتكون من إحداثيات السحابة النقطية عند كل طبقة مقطعة والتمثيل الصحيح للسياق غير الفارغ المقابل لها. وبالتالي، فإننا نربط وحدات البكسل الموجودة في السحابة النقطية مع الحد الأدنى من المربع المحيط لكل طبقة بسياقها غير الفارغ. لتوضيح بناء مصفوفة قائمة الانتظار الثلاثية لقاموس السياق بشكل واضح، نقدم شرحًا بديهيًا في الشكل 2. بالنسبة للمربعين المظللين في الشكل 2، يتم أخذ مواضع خريطة السياق pc1 وpc2 فقط في الاعتبار. يتم تسجيل مساهمة السياق على طول المحور السيني والمحور الصادي في قائمتي الانتظار QX – وQY – على التوالي. وهكذا يتكون قاموس السياق من QX - وQY -. يتم دمج عناصر قائمة الانتظار التي لها نفس الإحداثيات في ثلاثية، ويتم حساب تمثيل العدد الصحيح للسياق كمجموع مساهمات السياق للثلاثية المدمجة.
   لذلك، يمكن حساب سياق كل فوكسل كمجموع المساهمات المستقلة للفوكسل المشغولة في قاموس السياق الخاص بها. تساعد هذه البنية في تحديد ما إذا كان يجب إضافة فوكسل إلى قاموس السياق دون عمليات بحث مصفوفة مملة، مما يؤدي إلى انخفاض كبير في التعقيد الحسابي ووقت التشغيل.
3. حساب الاحتمال
   لحساب احتمالية الإنتروبيا، يجب أن يؤخذ في الاعتبار طول التسلسل وسياق وحدات البكسل المكونة له. في هذه الوحدة، نقوم بتصميم برنامج تشفير تكيفي يقوم أولاً بتقدير حدود الاحتمال التراكمي العلوي والسفلي لكل مجموعة من قاموس السياق، ثم يقوم بتشفيره لاحقًا. في البداية، قمنا ببناء شجرة ثنائية على أساس نموذج سلسلة ماركوف. من خلال اجتياز شغل وحدات فوكسل، نقوم بتعيين قيم 1 و0 لوحدات فوكسل المشغولة والفارغة، على التوالي، ونحسب الاحتمال بناءً على بنية الشجرة. بدءًا من العقدة الجذرية، عندما يكون فوكسل مشغولاً، نسجل العقدة الفرعية اليسرى كـ 1. وإلا فإننا نضع علامة على العقدة الفرعية اليمنى كـ 0 وننتقل إلى الخطوة التالية من الحكم والتقسيم. يمكن العثور على صيغة الحساب لاحتمال تشغيل وحدات البكسل المشغولة في المعادلة. (4).

بالنسبة لأطوال التشغيل الأقل من أو تساوي n، قد يكون هناك 2n من العقد الشجرية التي تمثل حالات شغل الفوكسيلات. لذلك، يتم تمثيل احتمال أي فوكسل مشغول بالاحتمال المشترك المستقل لعبور جميع الحالات بدءًا من الجذر وانتهاء عند أي عقدة بدون أطفال في الشجرة. على أساس معادل. (4)، لإجراء التشفير الحسابي على شغل تسلسل فوكسل، نحتاج إلى الاحتمالات العلوية والسفلية التراكمية للتسلسل، كما هو موضح في المعادلة. (5).

باستخدام هذا النهج، يمكننا الاستفادة من الخصائص التكيفية للتشفير الحسابي لضبط قيمة تقدير الاحتمالية لكل رمز بناءً على نموذج تقدير الاحتمالية الأمثل وتكرار كل رمز في تسلسل الرمز الحالي. يتيح لنا ذلك حساب الحدود العلوية والسفلية للاحتمال التراكمي لوحدات البكسل المشغولة وإكمال عملية التشفير.

تجربة

تفاصيل التنفيذ

1. مجموعة البيانات. للتحقق من أداء طريقتنا المقترحة، تم إجراء تجارب مكثفة على أكثر من 16 مجموعة بيانات سحابية يمكن تنزيلها من المرجع. [40]، كما هو مبين في الشكل 3، حيث التين. 3 (أ) – 3 (ل) عبارة عن صور ذات نقاط كثيفة وأشكال. 3(م) – 3(ع) عبارة عن عمارة ذات نقاط متفرقة. تين. 3 (أ) - 3 (ح) عبارة عن تسلسلات بيانات سحابية مقسمة إلى أجسام علوية ذات دقة مكانية تم الحصول عليها من Microsoft. تين. يتم اختيار 3 (i) - 3 (l) من تسلسلات البيانات السحابية ذات الأجسام الكاملة 8i. تبقى سحب نقطية متفرقة واسعة النطاق في التين. 3(ك)-3(ع) عبارة عن مجموعات بيانات ثابتة للواجهة والهندسة المعمارية.
2. مقاييس التقييم. يتم تقييم أداء الطريقة المقترحة من حيث البت لكل نقطة (BPP). يشير BPP إلى مجموع البتات التي تشغلها معلومات الإحداثيات المرتبطة بالنقطة. كلما انخفضت القيمة، كان الأداء أفضل. حيث يمثل Sizedig عدد البتات التي تشغلها المعلومات الإحداثية لبيانات السحابة النقطية، ويشير k إلى عدد النقاط في السحابة النقطية الأصلية.
3. المعايير. نحن نقارن بشكل أساسي أسلوبنا مع خوارزميات أساسية أخرى، بما في ذلك: PCL-PCC: الضغط المستند إلى octree في PCL؛ يستهدف G-PCC (نموذج اختبار المبرمجين الداخليين MPEG) وinterEM (نموذج اختبار المبرمجين الداخليين MPEG) الضغط السحابي أحادي الإطار ومتعدد الإطارات على التوالي؛ يستهدف Silhouette 3D (S3D)[41] وSilhouette 4D (S4D)[42] ضغط السحابة ذات الإطار الفردي والنقاط المتعددة الإطارات، على التوالي.
   بالنسبة لـ PCL، نستخدم أسلوب الضغط السحابي ذو النقاط الثماني في PCL-v1.8.1 للضغط الهندسي فقط. قمنا بتعيين معلمات دقة الأوكتري من دقة النقطة ودقة فوكسل. بالنسبة لـ G-PCC (TM13-v11.0)، نختار هندسة بلا فقدان — شرط السمات غير المفقودة في وضع تنبؤي ثماني، مع ترك المعلمات كإعداد افتراضي. بالنسبة لـ interEM (tmc3v3.0)، نستخدم النتائج التجريبية في ظل ظروف الهندسة غير المفقودة والسمات غير المفقودة كمقارنة[43]. لS3D
   وS4D، نتبع الشروط والمعلمات الافتراضية.
4. المعدات. تم تنفيذ الخوارزمية المقترحة في Matlab وC++ باستخدام بعض وظائف PCL-v1.8.1. تم اختبار جميع التجارب على جهاز كمبيوتر محمول مزود بوحدة المعالجة المركزية Intel Core i7-8750 بسرعة 2.20 جيجا هرتز وذاكرة 8 جيجا بايت.

نتائج ضغط السحابة ذات الإطار الواحد

1. نتائج ضغط صور تسلسلات البيانات السحابية الكثيفة
   يوضح الجدول 1 أداء خوارزميات ضغط هندسة السحابة النقطية الموجهة نحو السياق المكاني مقارنة بطرق PCL-PCC وG-PCC وS3D على صور تسلسلات بيانات السحابة النقطية الكثيفة. يمكن أن نرى من الجدول 1 أنه بالنسبة لجميع السحابة النقطية ذات التسلسل نفسه، فإن الطريقة المقترحة تحقق أقل ضغط BPP مقارنة بالطرق الأخرى. توفر الخوارزمية الخاصة بنا مكاسب متوسطة من −1.56% إلى −0.02% مقابل S3D، ومكاسب من −10.62% إلى −1.45% مقابل G-PCC. إنه يظهر تقدمًا أكثر وضوحًاtage ، أي أن مكاسب أداء الضغط للخوارزمية المقترحة تتراوح من -10.62٪ إلى -1.45٪؛ بالنسبة لـ PCL-PCC، تُظهر الخوارزمية المقترحة ربحًا مضاعفًا تقريبًا في جميع التسلسلات، تتراوح من -154.43% إلى -85.39%.
2. نتائج ضغط البيانات السحابية ذات النقاط المتفرقة واسعة النطاق
   نظرًا لأن S3D لا يمكن أن يعمل في هذه الحالة، فإننا نقارن فقط خوارزمية ضغط السحابة النقطية الهندسية الموجهة بالسياق المكاني مع طرق PCL-PCC وG-PCC على بيانات سحابة نقطية متفرقة واسعة النطاق. مرة أخرى، تحقق الخوارزمية الخاصة بنا أداءً كبيرًا مع G-PCC وPCL-PCC، كما هو موضح في الجدول 1. وقد أظهرت النتائج أن متوسط ​​مكاسب BPP التي تتراوح من −8.84% إلى −4.35% يتم التقاطها مقارنةً بـ G-PCC. بالنسبة لـ PCL-PCC، تُظهر الخوارزمية المقترحة لدينا تقدمًا أكثر وضوحًاtagمع مكاسب تتراوح من -34.69% إلى -23.94%.
3. ملخص
   لتوفير مقارنة أكثر شمولاً لنتائج ضغط السحابة ذات نقطة الإطار الواحد، يعرض الجدول 2 متوسط ​​النتائج بين طريقة الضغط الموجهة بالسياق المكاني وطرق القياس الحديثة الأخرى. بالمقارنة مع S3D، تُظهر طريقتنا المقترحة متوسط ​​مكاسب تتراوح من −0.58% إلى −3.43%. أما بالنسبة لـ G-PCC وPCL-PCC، فإن متوسط ​​المكاسب يحقق على الأقل -3.43% و-95.03% على التوالي. يكشف التحليل التجريبي أن طريقة الضغط الموجهة بالسياق المكاني لدينا تتجاوز S3D وG-PCC وPCL-PCC الحالية بهامش كبير. وبالتالي، يمكنها تلبية متطلبات الضغط بدون فقد البيانات لهندسة السحابة النقطية لأنواع المشاهد المختلفة، على سبيل المثال، التوزيعات الكثيفة أو المتفرقة، وتظل فعالية طريقتنا ثابتة.
4. نتائج ضغط السحابة متعددة الإطارات
   نقوم بتقييم خوارزمية ضغط هندسة السحابة النقطية الموجهة بالسياق المكاني والزماني مقابل خوارزميات الضغط الحالية مثل S4D وPCL-PCC وG-PCC وinterEM. تُستخدم فقط صور تسلسلات بيانات السحابة النقطية الكثيفة في هذه التجربة. تم توضيح النتائج في.

الجدول 1. مقارنات BPP لخوارزمية الضغط الموجهة بالسياق المكاني والأساليب الأساسية.

الجدول 2. مقارنة BPP مع أحدث الخوارزميات على البيانات السحابية ذات الإطار الواحد.

الجدول 3. كما نرى، بعد التحسينات في وضع التنبؤ والتشفير الحسابي، أظهرت الخوارزمية المقترحة التفوق في جميع تسلسلات الاختبار. على وجه التحديد، بالمقارنة مع interEM وG-PCC، تُظهر الخوارزمية المقترحة مكاسب كبيرة تتراوح من -51.94% إلى -17.13% و-46.62% إلى -5.7%، على التوالي. بالمقارنة مع S4D، تُظهر الخوارزمية المقترحة تحسنًا قويًا يتراوح من .12.18% إلى .0.33%. أما بالنسبة لـ PCL-PCC، فقد انخفضت الخوارزمية المقترحة لدينا إلى النصف تقريبًا في جميع تسلسلات الاختبار.
علاوة على ذلك، فإننا نلخص نتائج الضغط ومكاسب الطريقة المقترحة على تسلسل بيانات السحابة النقطية الكثيفة للصورة، المدرجة في الجدول 4. في المتوسط، توفر مكاسب تتراوح بين .11.5% و.2.59% مقارنة بالسحابة النقطية الموجهة بالسياق المكاني خوارزمية ضغط الهندسة المقترحة سابقا. علاوة على ذلك، فإنه يظهر متوسط ​​مكاسب متفوقة بنسبة -19% مقارنة بـ G-PCC وحقق متوسط ​​كسب تشفير قدره -24.55% مقارنة بـ interEM. بالإضافة إلى ذلك، بالمقارنة مع S3D وS4D، فإنها تكسب أكثر من -6.11% و-3.64% في المتوسط ​​على التوالي. يُظهر التحليل التجريبي الشامل أن طريقة ضغط السحابة النقطية الموجهة بالسياق الزماني المكاني يمكن أن تستفيد بشكل كامل من الارتباط المكاني والزماني للطبقات المجاورة داخل الإطارات الداخلية والإطارات البينية. نقوم أيضًا بتحسين اختيار السياق العالمي ونموذج الاحتمالية للمشفر الحسابي للحصول على معدل بت أقل. تتفوق الطريقة المقترحة على أداء أحدث الخوارزميات، وذلك لتلبية متطلبات الضغط بدون فقدان هندسة السحابة النقطية في سيناريوهات تطبيقات الوسائط المتعددة مثل الصور الديناميكية.

الجدول 3. مقارنات بت لكل نقطة لخوارزمية الضغط الموجهة بالسياق المكاني والزماني وطرق خط الأساس.

الجدول 4. مقارنة البت لكل نقطة مع أحدث الخوارزميات على البيانات السحابية متعددة الإطارات.

دراسة الاجتثاث
نقوم بإجراء دراسات الاستئصال على التشفير التنبؤي عبر تسلسلات البيانات السحابية لكامل الجسم 8i لإثبات فعالية القسم. يمكن أن نرى من الجدول 5 أن التحسن يُظهر كسبًا ثابتًا قدره -70% على ضغط السحابة النقطية متعددة الأطر و- 60% على ضغط السحابة ذات النقطة الواحدة مقابل التشفير التنبؤي غير المقسم.
بعد ذلك، قمنا بإجراء تجربة استئصال على الترميز الحسابي لإثبات فعالية قاموس السياق. كما هو مبين في الجدول 6، لوحظ في طريقتنا تحسن قوي قدره -33% على ضغط السحابة ذات النقاط المتعددة الأطر و-41% على ضغط السحابة ذات النقطة الواحدة مقابل التشفير الحسابي بدون قاموس السياق.

استهلاك الوقت
نقوم باختبار استهلاك الوقت لتقييم مدى تعقيد الخوارزمية ومقارنة الطرق المقترحة مع الطرق الأخرى. يتم تحليل تعقيد الخوارزمية بواسطة أجهزة التشفير وأجهزة فك التشفير بشكل مستقل، والمدرجة في الجدول 7. كما نرى، يمكن لـ G-PCC وinterEM وPCL-PCC تحقيق وقت تشفير أقل من 10 ثوانٍ ووقت فك تشفير أقل من 5 ثوانٍ لـ البيانات السحابية ذات النقاط الكثيفة. كما أنها تؤدي أداءً جيدًا في البيانات السحابية ذات النقاط المتفرقة واسعة النطاق مقارنةً بالآخرين. تستغرق خوارزمياتنا المقترحة حوالي 60 و15 ثانية لتشفير وفك تشفير التسلسلات الشخصية، وأكثر من ذلك على بيانات السحابة الخاصة بالواجهة والهندسة المعمارية. هناك مفاضلة بين معدل البت وسرعة الضغط. بالمقارنة مع S3D وS4D، اللذين يستغرقان مئات الثواني للتشفير، فإن طريقتنا التي تستغرق وقتًا طويلاً يمكن أن تظهر التفوق.
باختصار، يعد استهلاك الوقت لأساليبنا المقترحة متوسطًا بين جميع الخوارزميات المقارنة ولكنه لا يزال ضروريًا لمزيد من التحسين.

الاستنتاجات

في هذا البحث، نقترح طريقة موجهة بالسياق الزماني المكاني لضغط هندسة السحابة النقطية بدون فقدان البيانات. نحن نعتبر السحابة النقطية المقطعة بسماكة الوحدة بمثابة وحدة الإدخال ونعتمد وضع الترميز التنبئي الهندسي استنادًا إلى خوارزمية البائع المتجول، والتي تنطبق على كل من الإطار الداخلي والإطار الداخلي. علاوة على ذلك، فإننا نستفيد بشكل كامل من معلومات السياق العالمي وبرنامج التشفير الحسابي التكيفي استنادًا إلى التحديث السريع للسياق لتحقيق نتائج ضغط وإلغاء ضغط بدون فقدان للسحب النقطية. وتظهر النتائج التجريبية فعالية أساليبنا وتفوقها على الدراسات السابقة. بالنسبة للعمل المستقبلي، نخطط لمواصلة دراسة التعقيد العام للخوارزمية، عن طريق تقليل تعقيد الخوارزمية لتحقيق معدل ضغط عالي السرعة ونتائج ضغط بمعدل بت منخفض. من المرغوب بشدة استخدام معدل بت منخفض وطريقة مدعومة في الوقت الفعلي/تأخير منخفض في أنواع مختلفة من المشاهد.

مراجع

1. مي إكس إكس، يانغ بي إس، دونغ زي، وآخرون. استخراج حدود الطريق الآلي ثلاثي الأبعاد وتوجيهها باستخدام سحب نقطة MLS [J]. معاملات IEEE على أنظمة النقل الذكية، 3، 2022(23): 6 – 5287. DOI: 5297/ TITS.10.1109
2. دونغ زي، ليانغ إف إكس، يانغ بي إس، وآخرون. تسجيل السحب النقطية للماسح الليزري الأرضي على نطاق واسع: إعادةview والمعيار [J]. مجلة ISPRS للمسح التصويري والاستشعار عن بعد، 2020، 163: 327-342. DOI: 10.1016/j.isprsjprs.2020.03.013
3. جرازيوسي د، ناكاجامي أو، كوما إس، وآخرون. وعبرview أنشطة توحيد ضغط السحابة النقطية المستمرة: القائمة على الفيديو (V-PCC) والقائمة على الهندسة (G-PCC) [J]. معاملات APIPA على معالجة الإشارات والمعلومات، 2020، 9: e13
4. DE QUEIROZ RL، CHOU P A. ضغط السحب النقطية ثلاثية الأبعاد باستخدام التحويل الهرمي المتكيف مع المنطقة [J]. معاملات IEEE على معالجة الصور، 3، 2016(25): 8–3947. DOI: 3956/TIP.10.1109
5. بليتير أ، بايان إف، أنتونيني إم، وآخرون. ضغط السحابة النقطية باستخدام خرائط العمق [J]. التصوير الإلكتروني، 2016، 2016(21):1-6
6. MEKURIA R، BLOM K، CESAR P. تصميم وتنفيذ وتقييم برنامج ترميز السحابة النقطية للفيديو الغامر عن بعد [J]. معاملات IEEE على الدوائر والأنظمة الخاصة بتكنولوجيا الفيديو، 2017، 27(4): 828 - 842. DOI: 10.1109/ TCSVT.2016.2543039
7. DE QUEIROZ RL، CHOU P A. الضغط المعوض عن الحركة للسحب النقطية الديناميكية ذات الفكسل [J]. معاملات IEEE على معالجة الصور، 2017، 26 (8): 3886-3895. دوى: 10.1109/TIP.2017.2707807
8. CAO C، PREDA M، ZAHARIA T. ضغط السحابة النقطية ثلاثية الأبعاد: مسح [C]// المؤتمر الدولي الرابع والعشرون للثلاثية الأبعاد Web تكنولوجيا. إيه سي إم، 2019: 1-9. دوى: 10.1145/3329714.3338130
9. جرازيوسي د، ناكاجامي أو، كوما إس، وآخرون. وعبرview أنشطة توحيد ضغط السحابة النقطية المستمرة: القائمة على الفيديو (V-PCC) والقائمة على الهندسة (G-PCC) [J]. معاملات APIPA بشأن معالجة الإشارات والمعلومات، 2020، 9(1): e13. دوى: 10.1017/atsip.2020.12
10. هوانغ واي، بنغ جي إل، كوو سي جي، وآخرون. ترميز هندسي تقدمي قائم على Octtree للسحب النقطية [C] // المؤتمر الثالث لـ Eurographics / IEEE VGTC حول الرسومات القائمة على النقاط. معهد مهندسي الكهرباء والإلكترونيات، 3: 2016-103
11. FAN YX، HUANG Y، PENG J L. ضغط السحابة النقطية استنادًا إلى تجميع النقاط الهرمي [C] // القمة والمؤتمر السنوي لرابطة معالجة الإشارات والمعلومات في آسيا والمحيط الهادئ. IEEE، 2014: 1 - 7. DOI: 10.1109/APSIPA.2013.6694334
12. DRICOT A، ASCENSO J. حساء المثلث التكيفي متعدد المستويات للتشفير السحابي النقطي القائم على الهندسة [C] // ورشة العمل الدولية الحادية والعشرون حول معالجة إشارات الوسائط المتعددة (MMSP). IEEE، 21: 2019 – 1. DOI: 6/ MMSP.10.1109
13. سعادة سي، ران إل كيو، وانغ إل، وآخرون. نقطة ضغط سطح المجموعة بناءً على تحليل نمط الشكل [J]. أدوات وتطبيقات الوسائط المتعددة، 2017، 76(20): 20545-20565. دوى: 10.1007/s11042-016-3991-0
14. إمداد يو، آسيف إم، أحمد إم، وآخرون. ضغط السحابة النقطية ثلاثية الأبعاد وفك الضغط باستخدام متعددات الحدود من الدرجة الأولى [J]. التناظر، 2019، 11 (2): 209. DOI: 10.3390/sym11020209
15. صن إكس بي، ما إتش، صن واي إكس، وآخرون. خوارزمية ضغط سحابة نقطية جديدة تعتمد على التجميع [J]. IEEE الروبوتات ورسائل الأتمتة، 2019، 4(2): 2132-2139. دوى: 10.1109/LRA.2019.2900747
16. دي أوليفيرا رينتي بي، برايتس سي، أسينسو جي، وآخرون. الترميز الهندسي للسحب النقطية الثابتة ثلاثية الأبعاد القائم على الرسم البياني [J]. معاملات IEEE على الوسائط المتعددة، 3، 2019(21): 2-284. دوى: 299/TMM.10.1109
17. ايزو. ضغط السحابة النقطية القائم على الهندسة (G-PCC): ISO/IEC 23090-9 [S]. 2021
18. DRICOT A، ASCENSO J. ترميز هندسة السحابة النقطية الهجينة ذات المستوى الثماني [C] // المؤتمر الأوروبي السابع والعشرون لمعالجة الإشارات (EUSIPCO). معهد مهندسي الكهرباء والإلكترونيات، 27: 2019-1
19. ZHANG X، GAO W، LIU S. قسم الهندسة الضمنية لضغط السحابة النقطية [C] // وقائع مؤتمر ضغط البيانات لعام 2020 (DCC). IEEE، 2020: 73-82. دوى: 10.1109/DCC47342.2020.00015
20. QUACH M، VALENZISE G، DUFAUX F. تعلم التحويلات التلافيفية لضغط هندسة السحابة ذات النقاط المفقودة [C] // مؤتمر IEEE الدولي لعام 2019 حول معالجة الصور (ICIP). IEEE، 2019: 4320-4324. DOI: 10.1109/ICIP.2019.8803413
21. HUANG TX، LIU Y. ضغط هندسة السحابة النقطية ثلاثية الأبعاد على التعلم العميق [C] // المؤتمر الدولي السابع والعشرون ACM للوسائط المتعددة. إيه سي إم، 3: 27-2019. دوى: 890/898
22. GUARDA AFR، RODRIGUES NMM، PEREIRA F. التشفير السحابي النقطي: اعتماد نهج قائم على التعلم العميق [C] // ندوة ترميز الصور (PCS). IEEE، 2020: 1-5. دوى: 10.1109/PCS48520.2019.8954537
23. وانغ جي كيو، تشو إتش، ما زي، وآخرون. تعلم ضغط هندسة السحابة النقطية [EB/OL]. [2023-09-01]. https://arxiv.org/abs/1909.12037.pdf
24. أينالا ك، ميكوريا آر إن، خاتاريا ب، وآخرون. طبقة محسنة⁃ محسنة لضغط السحابة النقطية المستندة إلى الثماني مع تقريب مستوى إسقاط⁃ [C]//SPIE Optical Engineering+Applications. SPIE، 2016: 223-231. DOI: 10.1117/12.2237753
25. شوارز إس، هانوكسيلا مم، فاكور-سيفوم V، وآخرون. ترميز الفيديو ثنائي الأبعاد لبيانات الفيديو الحجمية [C]// ندوة ترميز الصور (PCS). معهد مهندسي الكهرباء والإلكترونيات، 2: 2018-61. دوى: 65/PCS.10.1109
26. FAKOUR SEVOM V، SCHWARZ S، GABBOUJ M. استيفاء البيانات ثلاثية الأبعاد الموجهة هندسيًا لترميز السحابة النقطية الديناميكية المستندة إلى الإسقاط [C] // ورشة العمل الأوروبية السابعة حول معالجة المعلومات المرئية (EUVIP). معهد مهندسي الكهرباء والإلكترونيات، 3: 7-2019. دوى: 1/EUVIP.6
27. كاثاريا ب، لي إل، لي زي، وآخرون. ضغط هندسة السحابة النقطية الديناميكية بدون فقدان مع التعويض البيني وتنبؤات البائع المتجول [C]// مؤتمر ضغط البيانات. IEEE، 2018: 414. DOI: 10.1109/DCC.2018.00067
28. ايزو. التشفير الحجمي المرئي المستند إلى الفيديو (V3C) والضغط السحابي النقطي المستند إلى الفيديو: ISO/IEC 23090-5 [S]. 2021
29. بارك جي، لي جي، بارك إس، وآخرون. ترميز خريطة الإشغال القائم على الإسقاط لضغط السحابة النقطية ثلاثية الأبعاد [J]. معاملات IIEE على المعالجة الذكية والحوسبة، 3، 2020(9): 4-293. DOI: 297/ieiespc.10.5573
30. كوستا أ، دريكو أ، برايتس سي، وآخرون. تعبئة تصحيحية محسنة لمعيار MPEG V-PCC [C] // ورشة العمل الدولية الحادية والعشرون لمعهد مهندسي الكهرباء والإلكترونيات حول معالجة إشارات الوسائط المتعددة (MMSP). IEEE، 21: 2019 – 1. DOI: 6/ MMSP.10.1109
31. كاميرل جي، بلودو ن، روسو آر بي، وآخرون. الضغط في الوقت الحقيقي لتدفقات السحابة النقطية [C]// وقائع مؤتمر IEEE الدولي لعام 2012 حول الروبوتات والأتمتة. IEEE، 2012: 778 - 785. DOI: 10.1109/ICRA.2012.6224647
32. PCL. مكتبة نقطة السحابة. [إب/رأ]. [2023-09-01]. http://pointclouds.org/
33. THANOU D، CHOU PA، FROSSARD P. الضغط القائم على الرسم البياني للتسلسلات السحابية النقطية الديناميكية ثلاثية الأبعاد [J]. معاملات معهد مهندسي الكهرباء والإلكترونيات (IEEE) بشأن معالجة الصور، 3، 2016(25): 4-1765. دوى: 1778/TIP.10.1109
34. لي إل، لي زي، زاخارشينكو الخامس، وآخرون. التنبؤ المتقدم للحركة ثلاثية الأبعاد لضغط سمات السحابة النقطية المستندة إلى الفيديو [C]// مؤتمر ضغط البيانات (DCC). معهد مهندسي الكهرباء والإلكترونيات، 3: 2019-498. دوى: 507/DCC.10.1109
    تشاو ليرة لبنانية، MA KK، لين XH، وآخرون. ضغط سحابة نقاط LiDAR في الوقت الفعلي باستخدام التنبؤ ثنائي الاتجاه وترميز الفاصلة العائمة المتكيف مع النطاق [J]. معاملات IEEE على البث، 2022، 68(3): 620 - 635. DOI: 10.1109/TBC.2022.3162406
35. لين جي بي، ليو د، لي إتش كيو، وآخرون. M-LVC: التنبؤ بالإطارات المتعددة لضغط الفيديو المتعلم [C] // مؤتمر IEEE/CVF حول رؤية الكمبيوتر والتعرف على الأنماط. IEEE، 2020: 3543 – 3551. DOI: 10.1109/ CVPR42600.2020.00360
36. يانغ آر، منتزر إف، فان جول إل، وآخرون. تعلم ضغط الفيديو بجودة هرمية وتعزيز متكرر [C] // مؤتمر IEEE/CVF حول رؤية الكمبيوتر والتعرف على الأنماط. IEEE، 2020: 6627–6636.DOI: 10.1109/CVPR42600.2020.00666
37. KAYA EC، TABUS I. ضغط بدون فقدان لتسلسلات السحابة النقطية باستخدام نماذج CNN المحسنة للتسلسل [J]. وصول IEEE، 2022، 10: 83678 –83691. دوى: 10.1109/ACCESS.2022.3197295
38. DING S، MANNAN MA، POO A N. الصندوق المحيط الموجه واكتشاف التداخل العالمي القائم على الأوكتري في المعالجة ذات 5 محاور للأسطح ذات الشكل الحر [J]. التصميم بمساعدة الحاسوب، 2004، 36(13): 1281-1294
39. أليكسيو إي، فيولا الأول، بورجيس تي إم، وآخرون. دراسة شاملة لأداء معدل التشوه في ضغط سحابة نقطة MPEG [J]. معاملات APIPA على معالجة الإشارات والمعلومات، 2019، 8: e27. دوى:10.1017/ATSIP.2019.20
40. PEIXOTO E. الضغط داخل الإطار لهندسة السحابة النقطية باستخدام التحلل الثنائي [J]. رسائل معالجة الإشارة في معهد مهندسي الكهرباء والإلكترونيات (IEEE)، 2020، 27: 246-250. دوى: 10.1109/LSP.2020.2965322
41. RAMALHO E، PEIXOTO E، MEDEIROS E. Silhouette 4D مع اختيار السياق: ضغط هندسي بدون فقدان للسحب النقطية الديناميكية [J]. رسائل معالجة إشارة IEEE، 2021، 28: 1660 – 1664. DOI: 10.1109/ lsp.2021.3102525
42. ايزو. شروط الاختبار الشائعة لوثيقة G-PCC N00106: ISO/IEC JTC 1/ SC 29/WG 7 MPEG [S]. 2021

السير الذاتية

• تشانغ هويران حصلت على درجتي البكالوريوس والماجستير في كلية الجيوديسيا والجيوماتكس والمختبر الرئيسي لهندسة المعلومات في مسح الخرائط والاستشعار عن بعد، وكلاهما من جامعة ووهان، الصين في عامي 2020 و2023 على التوالي. وهي حاليا مساح في معهد قوانغتشو للتخطيط الحضري والتصميم المسحي للأبحاث، الصين. تشمل اهتماماتها البحثية معالجة البيانات السحابية وضغطها. شاركت في العديد من المشاريع المتعلقة بمجال الاستشعار عن بعد ونشرت ورقة بحثية في علم الجيوماتكس وعلوم المعلومات بجامعة ووهان.
• دونغ تشن (dongzhenwhu@whu.edu.cn) حصل على درجتي البكالوريوس والدكتوراه في الاستشعار عن بعد والمسح التصويري من جامعة ووهان، الصين في عامي 2011 و2018، على التوالي. وهو أستاذ في مختبر الدولة الرئيسي لهندسة المعلومات في المسح ورسم الخرائط والاستشعار عن بعد (LIESMARS)، جامعة ووهان. تشمل اهتماماته البحثية إعادة البناء ثلاثي الأبعاد، وفهم المشهد، والمعالجة السحابية النقطية بالإضافة إلى تطبيقاتها في نظام النقل الذكي، والمدن التوأم الرقمية، والتنمية الحضرية المستدامة والروبوتات. حصل على أكثر من 3 أوسمة شرف من مختلف المسابقات الوطنية والدولية ونشر حوالي 10 ورقة بحثية في مختلف المجلات والمؤتمرات.
  وانغ مينغشنغ حصل على درجة البكالوريوس في كلية علوم الكمبيوتر والتكنولوجيا من جامعة جيلين، الصين في عام 2001، ودرجة الماجستير في كلية علوم الكمبيوتر والهندسة من جامعة جنوب الصين للتكنولوجيا، الصين في عام 2004. وهو حاليًا مهندس أول في قوانغتشو للتخطيط الحضري ومعهد بحوث المسح التصميمي، الصين. وتشمل اهتماماته البحثية تطبيقات وبرامج الكمبيوتر، وعلم وظائف الأعضاء، والمسح. حصل على أكثر من 20 مرتبة الشرف من مختلف المسابقات الوطنية ونشر حوالي 50 ورقة بحثية في مختلف المجلات والمؤتمرات.

دوى: 10.12142/ZTECOM.202304003
https://kns.cnki.net/kcms/detail/34.1294.TN.20231108.1004.002.html، تم نشره على الإنترنت في 8 نوفمبر 2023
تم استلام المخطوطة: 2023-09-11

المستندات / الموارد

خوارزمية ZTE الموجهة لضغط هندسة السحابة النقطية بدون فقدان [بي دي اف] دليل المستخدم خوارزمية موجهة لضغط هندسة السحابة النقطية بدون فقدان، خوارزمية موجهة لضغط هندسة السحابة النقطية بدون فقدان، ضغط هندسة السحابة النقطية بدون فقدان، ضغط هندسة السحابة النقطية، ضغط هندسي

مراجع

• دليل المستخدم