Giya sa ZTE Algorithm alang sa Lossless Point Cloud Geometry Compression

Mga detalye:

• Ngalan sa Produkto: Spatio-Temporal Context-Guided Algorithm para sa Lossless Point Cloud Geometry Compression
• Mga tagsulat: ZHANG Huiran, DONG Zhen, WANG Mingsheng
• Gipatik: Disyembre 2023
• DOI: 10.12142/ZTECOM.202304003

Mga Instruksyon sa Paggamit sa Produkto

Pasiuna:
Ang produkto gidisenyo aron epektibong ma-compress ang data sa point cloud, pagsulbad sa mga hagit nga may kalabotan sa kapasidad sa storage space ug bandwidth transmission sa network.

Panguna nga mga bahin:

1. Prediction mode nga magamit sa intraframe ug inter-frame point clouds gamit ang extended travelling salesman nga problema.
2. Adaptive arithmetic encoder nga adunay paspas nga pag-update sa konteksto alang sa episyente nga pagkalkula sa posibilidad ug mga resulta sa compression.

Mga lakang sa paggamit:

Lakang 1: Bahina ang Point Clouds
Bahina ang point clouds ngadto sa unit layers ubay sa main axis.

Lakang 2: Design Prediction Mode
Pagdesinyo ug prediction mode gamit ang traveling salesman algorithm aron magamit ang spatial ug temporal nga redundancies.

Lakang 3: Pag-encode sa mga Nabilin
Isulat ang mga nahabilin ngadto sa mga bit stream gamit ang context-adaptive arithmetic encoder para sa compression.

FAQ:

• P: Unsa ang mga mahinungdanong benepisyo sa paggamit niini nga produkto?
  A: Gitugotan sa produkto ang episyente nga pag-compress sa data sa point cloud, gamit ang spatial ug temporal nga mga correlasyon alang sa gipaayo nga mga resulta sa compression.
• Q: Mahimo ba nga kini nga produkto makadumala sa parehas nga single-frame ug multi-frame point clouds?
  A: Oo, ang prediction mode magamit sa intraframe ug inter-frame point clouds, nga nagtugot sa versatile nga mga senaryo sa paggamit.

ZHANG Huiran, DONG Zhen, WANG Mingsheng

1. Guangzhou Urban Planning ug Design Survey Research Institute, Guangzhou 510060, China；
2. Guangdong Enterprise Key Laboratory para sa Urban Sensing, Monitor⁃ ing ug Early Warning, Guangzhou 510060, China；
3. State Key Laboratory of Information Engineering sa Surveying Map⁃ ping ug Remote Sensing, Wuhan University, Wuhan 430079, China)

Abstract: Importante ang point cloud compression aron ma-deploy ang 3D nga mga representasyon sa pisikal nga kalibutan sama sa 3D immersive telepresence, autonomous driving, ug cultural heri.tage pagpreserba. Bisan pa, ang data sa point cloud gipang-apod-apod nga dili regular ug wala’y hunong sa spatial ug temporal nga mga dominyo, diin ang sobra nga wala’y trabaho nga mga voxel ug huyang nga mga correlasyon sa 3D nga wanang naghimo sa pagkab-ot sa episyente nga kompresyon nga usa ka mahagiton nga problema. Niini nga papel, among gisugyot ang usa ka spatio-temporal context-guided algorithm alang sa lossless point cloud geometry compression. Ang gisugyot nga laraw magsugod sa pagbahin sa point cloud ngadto sa hiniwa nga mga layer sa unit nga gibag-on subay sa pinakataas nga axis. Dayon, gipaila niini ang pamaagi sa pagtagna diin anaa ang intraframe ug inter-frame point clouds, pinaagi sa pagtino sa mga sulat tali sa kasikbit nga mga layer ug pagbanabana sa pinakamubo nga dalan gamit ang traveling salesman algorithm. Sa katapusan, ang pipila nga nahabilin nga prediksyon episyente nga na-compress uban ang kamalaumon nga gigiya sa konteksto ug adaptive fastmode arithmetic coding nga mga teknik. Ang mga eksperimento nagpamatuod nga ang gisugyot nga pamaagi epektibong makakab-ot sa ubos nga bit rate lossless compression sa point cloud geometric nga impormasyon, ug haom alang sa 3D point cloud compression nga magamit sa lain-laing matang sa mga talan-awon.
Keyword: point cloud geometry compression; single-frame point nga mga panganod; multi-frame point clouds; predictive coding; aritmetika coding.

Citation (Format 1): ZHANG HR, DONG Z, WANG M S. Spatio-temporal context-guided algorithm alang sa lossless point cloud geometry compression [J]. ZTE Communications, 2023, 21(4): 17–28. DOI: 10.12142/ZTECOM.202304003
Citation (Format 2): HR Zhang, Z. Dong, ug MS Wang, "Spatio-temporal context-guided algorithm alang sa lossless point cloud geometry compression," ZTE Communications, vol. 21, dili. 4, pp. 17–28, Dis. 2023. doi: 10.12142/ZTECOM.202304003.

 

Pasiuna

Uban sa pag-uswag sa multi-platform ug multi-resolution acquisition equipment performance, light detection and ranging (LiDAR) nga teknolohiya mahimo nga epektibong makasundog sa 3D nga mga butang o mga talan-awon nga adunay dagkong mga set sa punto. Kung itandi sa tradisyonal nga multimedia data, ang point cloud data adunay daghang pisikal nga impormasyon sa pagsukod nga nagrepresentar sa mga butang gikan sa libre viewmga punto, bisan ang mga talan-awon nga adunay komplikado nga topological nga mga istruktura. Nagresulta kini sa kusog nga interactive ug immersive nga mga epekto nga naghatag sa mga tiggamit og usa ka tin-aw ug realistiko nga kasinatian sa visualization. Dugang pa, ang data sa point cloud adunay mas lig-on nga anti-noise nga abilidad ug parallel nga kapabilidad sa pagproseso, nga ingon og nakakuha og atraksyon gikan sa industriya ug akademya, ilabi na sa mga domain sa aplikasyon sama sa kultural nga kabilin.tage preserbasyon, 3D immersive telepresence ug awtomatik nga pagdrayb [1–2].
Bisan pa, ang data sa point cloud kasagaran adunay milyon-milyon hangtod sa bilyon-bilyon nga mga punto sa spatial nga mga dominyo, nga nagdala sa mga palas-anon ug mga hagit sa kapasidad sa storage space ug bandwidth sa transmission sa network. Pananglitan, ang usa ka sagad nga dinamikong point cloud nga gigamit alang sa kalingawan kasagaran naglangkob sa halos usa ka milyon nga puntos matag frame, nga, sa 30 nga mga frame matag segundo, mokabat sa usa ka kinatibuk-ang bandwidth nga 3.6 Gbit / s kung dili ma-compress [3]. Busa, ang panukiduki bahin sa high-efficiency geometry compression algorithms alang sa point clouds adunay importante nga teoretikal ug praktikal nga bili.
Gisulbad sa una nga trabaho kini nga problema pinaagi sa direkta nga pagtukod sa mga grids o on-demand down-sampling, tungod sa mga limitasyon sa gahum sa kompyuter sa kompyuter ug kahusayan sa pagkolekta sa point cloud, nga miresulta sa ubos nga spatio-temporal compression performance ug pagkawala sa geometric attribute feature nga impormasyon. Ang bag-ong mga pagtuon kay nag-una base sa computer graphics ug digital signal processing techniques aron ipatuman ang block operations on-point cloud data [4 5] o hiniusa nga video coding technology [6 7] para sa optimization. Sa 2017, ang Moving Picture Experts Group (MPEG) nangayo og mga sugyot alang sa point cloud compression ug nagpahigayon og sunod-sunod nga mga diskusyon kon unsaon pag-compress niining matang sa datos. Uban sa nagkadaghang mga pamaagi sa point cloud comression nga anaa ug gipresentar, ang two-point cloud data compression frameworks-TMC13 ug TMC2 gi-isyu sa 2018. Ang panukiduki sa ibabaw nagpakita sa talagsaong pag-uswag nga nahimo sa compression technology sa point cloud. Bisan pa, ang una nga trabaho kasagaran nag-atubang sa spatial ug temporal nga co-relation sa point cloud nga gilain apan wala pa mapahimuslan sa ilang hingpit nga potensyal sa point cloud compression.
Aron matubag ang nahisgutang mga hagit, gipaila namo ang spatio-temporal context-guided method para sa lossless point cloud geometry compression. Among gibahin una ang point clouds ngadto sa unit layers subay sa main axis. Gidisenyo dayon namo ang prediction mode pinaagi sa traveling salesman algorithm, pinaagi sa pagsagop sa spatiotemporal correlation. Sa katapusan, ang mga nahabilin gisulat sa mga bit-stream nga adunay gigamit nga context-adaptive arithmetic encoder. Ang among nag-unang kontribusyon mao ang mosunod.
1) Kami nagdesinyo- usa ka prediction mode nga magamit sa intra-frame ug inter-frame point cloud, pinaagi sa extended traveling salesman problem (TSP). Pinaagi sa paggamit sa spatial ug temporal nga redundancies sa point clouds, ang geometry nga prediksyon makahimo sa mas maayo nga paggamit sa spatial correlation ug busa makahimo sa nagkalain-laing matang sa mga senaryo.
2) Gipresentar namo ang usa ka adaptive arithmetic encoder nga adunay paspas nga pag-update sa konteksto, nga nagpili sa labing maayo nga konteksto sa 3D gikan sa diksyonaryo sa konteksto, ug gipugngan ang pagtaas sa pagtantiya sa entropy. Ingon usa ka sangputanan, gipauswag niini ang pagkaepektibo sa pagkalkula sa kalagmitan sa mga entropy encoder ug naghatag hinungdanon nga mga resulta sa comprsion.
Ang nahabilin niini nga papel gi-istruktura sama sa mosunod. Ang Seksyon 2 naghatag ug outline sa may kalabutan nga trabaho sa point cloud geometry compression. Ang seksyon 3 una nga nagpresentar sa usa ka pagkahumanview sa gisugyot nga balangkas. Unya, ang gisugyot nga pamaagi gihulagway sa detalye. Ang mga resulta sa eksperimento ug mga konklusyon gipresentar sa Seksyon 4 ug 5, matag usa.

May Kalabutan nga Trabaho

Adunay daghang point cloud geometry compression algorithms nga gisugyot sa literatura. CAO ug uban pa. [8] ug GRAZIOSI et al. [9] nagpahigayon og imbestigasyon ug summary sa kasamtangang paagi sa point cloud compression, nga nagtutok sa spatial dimension compression technology ug MPEG standardization frameworks matag usa. Naghatag kami usa ka mubo nga pag-usabview sa bag-o nga mga kalamboan sa duha ka mga kategorya: single-frame point cloud compression ug multi-frame point cloud compression.

1. Single-Frame Point Cloud Compression
   Ang single-frame point cloud kay kaylap nga gigamit sa mga survey sa engineering, cultural heritage pagpreserba, geographic nga mga sistema sa impormasyon, ug uban pang mga senaryo. Ang octree usa ka kaylap nga gigamit nga istruktura sa datos aron epektibo nga magrepresentar sa mga panganod sa punto, nga mahimong ma-compress pinaagi sa pagrekord sa kasayuran pinaagi sa gi-okupar nga mga node. HUANG et al.[10] Isugyot ang usa ka octree-based nga pamaagi nga recursively subdivide ang point cloud ngadto sa nodes uban sa ilang mga posisyon nga girepresentahan sa geometric center sa matag unit. FAN ug uban pa.[11] pauswagon pa kini nga pamaagi pinaagi sa pagpaila sa cluster analysis aron makamugna og level of detail (LOD) hierarchy ug pag-encode niini sa gilapdon-una nga han-ay. Bisan pa, kini nga mga pamaagi mahimong hinungdan sa pagtuis tungod sa pagbanabana sa orihinal nga modelo sa panahon sa proseso sa pag-uli.
   Aron matubag kini nga mga limitasyon, gipaila sa mga eskolar ang mga bahin sa geometric nga istruktura, sama sa- ang triangular nga modelo sa nawong [12], ang planar nga modelo sa nawong [13 14], ug ang clustering al-gorithm [15], alang sa inter-layer nga panagna ug nahabilin nga pagkalkula. . RENTE et al.[16] Isugyot ang usa ka konsepto sa progresibong layered compression nga una nga naggamit sa octree structure para sa coarse-grained encoding ug dayon naggamit sa graph Fourier transform para sa compression ug pagtukod pag-usab sa mga detalye sa panganod. Sa 2019, gipagawas sa MPEG ang geometry-based point cloud compression (G-PCC) nga teknolohiya para sa static ug dinamikong point clouds, nga gipatuman pinaagi sa coordinate transformation, voxelization, geometric structure analysis, ug arithmetic coding step by step [17].
   Tungod kay ang pipila ka mga octants sulod sa usa ka octree mahimo nga gamay ra ang populasyon o bisan walay sulod, pipila ka mga pamaagi ang gisugyot aron ma-optimize ang istruktura sa kahoy pinaagi sa pagpul-ong sa mga sub-node ug busa makatipig sa alokasyon sa memorya. Kay example, DRICOT ug uban pa. [18] nagsugyot og usa ka inferred direct coding mode (IDCM) para sa pagtapos sa octree partition base sa predefined nga mga kondisyon sa sparsity analysis, nga naglakip sa pagpul-ong sa octree structure aron sa pagluwas sa mga bits nga gigahin sa child nodes. ZHANG et al. [19] nagsugyot sa pag-subdivide sa point cloud space subay sa mga principal component ug pagpahiangay sa partition method gikan sa binary tree, quadtree ug octree. Kung itandi sa tradisyonal nga octree partitioning, ang hybrid nga mga modelo nga gihisgutan sa ibabaw mahimong epektibo nga makunhuran ang gidaghanon sa mga bit nga gigamit sa pagrepresentar sa mga gamay nga punto, busa makatipig sa mga node nga kinahanglan nga i-encode. Bisan pa, ang komplikado nga mga kondisyon sa hyperparameter ug determinasyon sa mode gikinahanglan sa proseso, nga nagpalisud sa pagtagbo sa mga kinahanglanon sa pagpahiangay sa kaugalingon ug ubos nga pagkakomplikado.
   Uban sa lawom nga mga network sa neural nga naghimo sa hinungdanon nga mga lakang sa pag-compress sa imahe ug video, ang mga tigdukiduki nag-usisa sa mga paagi aron makunhuran pa ang mga rate sa bit pinaagi sa paggamit sa super nauna nga giya ug ang pag-usab sa tinago nga ekspresyon sa wanang sa panahon sa proseso sa compression. QUACH et al.[20] ug HUANG et al.[21] pagsugyot og mga pamaagi nga naglakip niini nga mga konsepto. GUARDA ug uban pa. paghiusa sa convolutional neural network ug autoencoders aron mapahimuslan ang redundancy tali sa kasikbit nga mga punto ug mapalambo ang coding adaptability sa Ref. [22]. Bag-ohay lang, WANG et al. [23] nagsugyot og usa ka paagi sa pag-compression sa point cloud base sa variational auto-encoder, nga nagpauswag sa compression ratio pinaagi sa pagkat-on sa hyperprior ug pagkunhod sa konsumo sa memorya sa arithmetic coding. Ang nahisgutang mga pamaagi naggamit sa neural network encoders aron makuha ang high-order hidden vector sa point cloud, ang entropy model probabilities, ug ang edge probabilities nga mas mohaum, sa ingon mamenosan ang memory consumption sa arithmetic coding. Sa kinatibuk-an, ang panukiduki bahin sa single-frame point cloud geometric compression medyo hamtong na, apan adunay duha ka hagit nga nagpabilin pa. Ang spatial correlation wala magamit nga epektibo, ug kadaghanan sa mga pamaagi wala mag-code sa correlation sa point cloud data sa hingpit ug episyente. Gawas pa, ang pagkalkula sa probabilidad nga modelo alang sa entropy coding makita nga taas ug lisud tungod sa daghang mga konteksto.
2. Daghang-Frame Point Cloud Compression
   Ang multi-frame point clouds kasagarang gigamit sa mga senaryo sama sa real-time nga 3D immersive telepresence, interactive VR, 3D free viewpoint broadcasting ug automatic driving. Dili sama sa single-frame point cloud compression, ang multi-frame point cloud compression nag-una sa paggamit sa time correlation, ingon man sa motion estimation ug compensation. Ang kasamtangan nga mga pamaagi alang sa multi-frame point cloud compression mahimong bahinon sa duha ka kategorya: 2D projection ug 3D decorrelation.
   Ang natad sa pag-compress sa imahe ug video kaylap ug maayo nga gisusi sa miaging pipila ka mga dekada. Ang lain-laing mga algorithm nag-convert sa point clouds ngadto sa mga hulagway ug dayon i-compress kini sa prangka pinaagi sa FFmpeg ug H. 265 encoders, ug uban pa. Ang AINALA et al[24] nagpaila sa usa ka planar projection nga gibanabana nga en-coding mode nga nag-encode sa geometry ug color attributes pinaagi sa raster scanning sa eroplano. . Bisan pa, kini nga pamaagi hinungdan sa mga pagbag-o sa target nga porma sa panahon sa proseso sa pagmapa, nga naghimo sa tukma nga inter-prediction nga lisud. Busa, SCHWARZ et al.[25] ug SEVOM et al.[26] isugyot ang rotated planar projection, cube projection, ug patch-based projection nga mga pamaagi aron ma-convert ang point clouds ngadto sa 2D nga mga video, matag usa. Pinaagi sa pagbutang sa parehas nga mga projection sa kasikbit nga mga frame sa parehas nga lokasyon sa kasikbit nga mga imahe, ang video compressor hingpit nga makatangtang sa temporal nga correlation. Sa Ref. [27], ang inter-geometry nga panagna gihimo pinaagi sa TSP, nga nagkuwenta sa usa-sa-usa nga mga sulat sa kasikbit nga intra-block pinaagi sa pagpangita sa block nga adunay labing duol nga average nga kantidad. Gipagawas sa MPEG ang video-based point cloud compression (V-PCC) nga teknolohiya para sa dinamikong point clouds sa 2019[28]. Kini nga balangkas nagbahin sa input point cloud ngadto sa gagmay nga mga bloke nga adunay susama nga normal nga mga vector ug padayon nga wanang, dayon gi-convert kini ngadto sa planar surface pinaagi sa mga cubes aron irekord ang occupancy image ug auxiliary nga impormasyon. Ang tanan nga resulta nga mga imahe gi-compress sa mga hamtong nga video codec, ug ang tanan nga mga bitstream gitigum sa usa ka output. file. Ang ubang mga pagsulay gihimo aron mapauswag ang pagkaepektibo niini nga mga pamaagi. COSTA et al.[29] pahimusli ang pipila ka bag-ong mga estratehiya sa pagputos sa patch gikan sa panglantaw sa pag-optimize alang sa algorithm sa pagputos, mga link sa pagputos sa datos, may kalabutan nga paghan-ay, ug mga indikasyon sa pagpoposisyon. Dugang pa, ang PARK et al. [30] pagdesinyo ug data-adaptive packing method nga adaptively nga nag-grupo sa kasikbit nga mga frame ngadto sa samang grupo sumala sa structural nga pagkaparehas nga dili makaapekto sa performance sa V-PCC stream. Tungod sa dili kalikayan nga pagkawala sa impormasyon nga gipahinabo sa point cloud projection, ang mga eskolar nakamugna ug epektibong mga pamaagi sa pag-compress sa point cloud sequence sa sunud-sunod nga mga frame gamit ang motion compensation technology base sa 3D space. KAMMERL et al.[31] isugyot ang usa ka octree-based geometric encoding nga pamaagi, nga nakab-ot ang taas nga compression efficiency pinaagi sa paghimo sa eksklusibong OR (XOR) nga mga kalainan tali sa kasikbit nga mga frame. Kini nga pamaagi wala lamang gisagop sa sikat nga Point Cloud Library (PCL)[32] apan kaylap nga gigamit alang sa dugang nga panukiduki sa algorithm. Ang ubang mga interframe nga mga pamaagi nag-convert sa 3D motion estimation problem ngadto sa feature matching problem [33] o naggamit og reconstructed geometric nga impormasyon[34] aron sa pagtagna sa motion vectors ug sa tukma nga pag-ila sa katugbang nga relasyon tali sa kasikbit nga mga frame. Gipakita sa bag-ong mga eksplosibong pagtuon [35 36] nga ang nakat-unan nga video compression nagtanyag sa mas maayo nga rate-distortion performance kaysa sa mga tradisyonal, nga nagdala og mahinungdanong reference nga kahulogan sa point cloud compression. ZHAO et al.[37] pagpaila ug bi-directional inter-frame prediction network aron mahimo ang inter-frame prediction ug magdala ug epektibong paggamit sa may kalabutan nga impormasyon sa spatial ug temporal nga dimensyon. KAYA et al. [38] nagdesinyo ug bag-ong paradigm para sa pag-encode sa geometriko nga mga bahin sa dasok nga punto nga mga han-ay sa panganod, pag-optimize sa CNN alang sa pagbanabana sa pag-apod-apod sa pag-encode aron makaamgo nga walay pagkawala sa kompresiyon sa dasok nga mga panganod sa punto.
   Bisan pa sa pag-uswag sa teknolohiya sa compression coding sa multi-frame point cloud models, duha ka problema ang nagpadayon. Ang naglungtad nga multi-frame point cloud compression approach nag-una nagsalig sa video coding ug motion compensation, nga dili kalikayan nga naglakip sa pagkawala sa impormasyon o pagtuis tungod sa mapping ug block edge discontinuity. Dugang pa, ang predictive coding nagpakita sa ubos nga pagkagamit tungod sa pagkadili makanunayon sa inter-frame point cloud geometry. Ang dayag nga offset sa mga punto tali sa mga frame ug ang dili malikayan nga kasaba nagdugang sa kalisud sa epektibo nga paggamit sa predictive coding sa inter-frame compression.

Gisugyot nga Spatio-Temporal Context-Guided Lossless Geometry Point Cloud Compression Method

Tapos naview
Ang kinatibuk-ang pipeline sa atong spatio-temporal context-guided algorithm gipakita sa Fig. 1. Una, atong preprocess ang input point cloud pinaagi sa paggamit sa voxelization ug scale transformation. Dayon, ang punto nga panganod gibahin ngadto sa unit-gibag-on nga hiniwa nga mga lut-od subay sa nag-unang axis. Sunod, nagdesinyo kami og prediction mode nga hingpit nga naggamit sa temporal ug spatial nga impormasyon sa correlation sulod sa intra-frame ug inter-frame. Among kuwentahon ang pinakamubo nga agianan sa mga punto sa reference layer (R-layers) pinaagi sa traveling salesman algorithms, ug ang mga resulta sa R-layers gigamit dayon sa pagtagna sa spatiotemporally ug pag-encode sa nahabilin nga point clouds, nga mao ang predicted layers (P-layers). ). Sa katapusan, ang gipaayo nga entropy coding algorithm gisagop aron makuha ang compressed binary file.

Hulagway nga Hiniwa-Base sa Hierarchical Division

1. Pre-pagproseso
   Ang pre-processing module naglakip sa voxelization ug scale transformation, alang sa mas maayo nga pag-indeks sa matag piho nga punto. Sa voxelization, among gibahin ang wanang sa mga cubes nga gidak-on N, nga katumbas sa aktwal nga resolusyon sa point cloud. Ang matag punto gihatagan usa ka talagsaon nga voxel base sa posisyon niini. Ang usa ka voxel girekord isip 1; kung kini positibo nga giokupahan, kini 0 kung dili. Ang pagbag-o sa scale makapakunhod sa sparsity alang sa mas maayo nga compression pinaagi sa pag-zoom out sa point cloud, diin ang distansya tali sa mga punto mogamay. Among gi-aggregate ang point cloud coordinates ( x, y, z) gamit ang scaling factor s, ie,
   Aron masiguro ang pagkawala sa kompresiyon, kinahanglan naton sigurohon nga ang hinungdan sa pag-scale dili mahimong hinungdan sa pagkawala sa geometry ug kinahanglan nga irekord sa header. file.
2. Dibisyon sa hiniwa nga layer
   Kini nga module nagtrabaho pinaagi sa pagbahin sa 3D point cloud subay sa usa sa mga axes niini, paghimo og daghang unit-sliced ​​layers nga adunay okupado ug dili-okupar nga impormasyon lamang nga mahimo pa nga ma-compress gamit ang predictive encoder ug arithmetic coder. Ang function gihubit ingon:
   diin ang G nagtumong sa input point cloud coordinate matrix, ang axis nagtumong sa pinili nga dimensyon, ug ang S (a, b) mao ang 2D slice nga gikuha sa matag layer. Sa kinatibuk-an, nagpahigayon kami og mga eksperimento sa daghang gidaghanon sa mga han-ay sa pagsulay, ug ang mga resulta nagsugyot nga ang pagbahin ubay sa pinakataas nga axis sa point cloud spatial variation mohatag og pinakaubos nga bitrate, ie.
3. Minimum nga pagbukad sa kahon nga pagkuha
   Sa kasagaran nga mga kaso, ang on-occupied voxels kasagaran dili malikayan ug mas daghan kay sa occupied voxels. Ingon nga resulta, ang pagproseso ug pag-encode sa duha ka matang sa voxels dungan nga nagpabug-at sa computational complexity ug encoding speeds sa compression algorithm. Busa, gisagop namo ang oriented bounding box (OBB) [39] aron kuwentahon ang minimum nga bounding box para sa matag sliced ​​layer, pagsiguro nga ang mga direksyon sa bounding boxes managsama sa mga layer. Sa sunod nga pagproseso, ang mga voxel lamang nga nahimutang sulod sa gipugngan nga rektanggulo ang gi-compress.

Spatial Context-Guided Predictive Encoding

Ang tumong sa spatial context-guided predictive encoding mao ang pag-encode sa tanang punto nga layer sa layer. Nadasig sa TSP, nagdesinyo kami ug prediction mode aron masusi ang posibleng mga order ug correlation sulod sa matag sliced ​​layer. Kini nga module naglangkob sa partition ug ang pinakamubo nga kalkulasyon sa agianan.
Sa sinugdan, among gibahin ang mga hiniwa nga mga sapaw ug gitino ang R-layer ug R-layer alang sa matag grupo. Among gilatas ang point cloud layer por layer subay sa pinili nga axis. Kung ang gitas-on sa panguna nga direksyon sa minimum nga kahon sa pagbugkos tali sa kasikbit nga mga sapaw magkalainlain sa usa ka piho nga gitas-on sa yunit, kini gitala ingon parehas nga grupo. Kung dili, kini gigamit ingon nga reference layer sa sunod nga grupo, ug ang matag point cloud sa mosunod nga grupo naggamit sa samang pinakamubo nga agianan. Niini nga papel, among gibutang ang unang layer sa matag grupo isip R-layer, ug ang uban isip P-layer. Naghimo usab kami mga eksperimento sa daghang gidaghanon sa mga se-uence sa pagsulay ug girekomenda nga itakda kini nga piho nga parameter ingon 3 nga mga yunit aron makuha ang labing kaayo nga compression.
Pagkahuman, gihimo namon ang labing kadali nga pagkalkula sa agianan sa mga R-layer ug girekord ang nahabilin nga mga Manlalaro. Sumala sa regulasyon sa pag-apod-apod sa punto nga panganod sa matag slice layer, maayo nga atong gihan-ay ang dili regular nga point clouds alang sa matag slice layer base sa TSP algorithm. Kini nagtugot kanato sa episyenteng pagkuwenta sa pinakamubo nga agianan paingon sa point cloud sa R-layers, ug dayon irekord ang mga nahabilin sa katugbang nga prediction layers. Ang Algorithm 1 nagpakita sa pseudo-code sa pamaagi sa pagtagna.

Una, atong gihubit ang gilay-on kalkulasyon lagda sa taliwala sa mga punto sa lokal nga dapit ug sa pagsugod sa dalan nga kahimtang sa usa ka random pinili nga punto pc1. Sa matag pag-uli, sa matag higayon nga ang usa ka bag-ong punto pci idugang, ang permutation dinamikong gi-update pinaagi sa state transition equation path (P - i, i) hangtod ang tanan nga gidugang nga mga punto matala sa P sa han-ay sa pinakamubo nga agianan. Kini nga proseso hinayhinay nga giusab base sa minimum nga gilay-on nga sukdanan. Human makompleto ang tanan nga mga pag-uli sa kinatibuk-ang pinakamubo nga agianan, among gikalkulo ang min dist(pci, pcj ) sa matag usa sa R-layer, ug ibalik ang pinakamubo nga talaan sa talaan sa agianan sa point clouds sa matag usa sa R-layer. Para sa dugang nga compression, atong kuwentahon ang deviation sa P-layers gikan sa pinakamubo nga agianan sa R-layer sulod sa samang grupo ug irekord kini isip predictive residuals. Sa katapusan, ang pinakamubo nga agianan sa Rlayer ug ang mga nahabilin sa matag grupo ang output ug gipasa ngadto sa entropy encoder aron sa pag-compress sa mga residual sa prediksyon sa dugang.

Spatio-Temporal nga Konteksto nga Gigiyahan sa Predictive Encoding
Ang spatial context-guided prediction mode nag-encode
single-frame point clouds tagsa-tagsa. Bisan pa, ang pag-apply sa spatial encoding sa matag usa ka frame point cloud nga gilain mahimong mawad-an sa mga oportunidad nga gibutyag sa temporal nga mga correlations sa multi-frame point cloud. Gikonsiderar nga ang multi-frame point cloud nag-ambit sa daghang mga tipik sa mga nagsapaw, nagpunting kami sa paggamit sa temporal nga redundancy aron mapauswag pa ang kahusayan sa compression. Busa, base sa gisugyot nga spatial context-guided prediction mode, mahimo natong i-compress ang multiframe point cloud pinaagi sa pag-ila sa usa ka sulat tali sa kasikbit nga mga layer sa mga frame.

1. Inter-frame partition
   Aron mapausbaw ang pagka-epektibo sa inter-frame prediction mode, importante nga masiguro ang igong pagkaparehas tali sa sikbit nga mga layer sa mga frame. Ingon usa ka sangputanan, kinahanglan naton nga bahinon ang mga grupo tali sa kasikbit nga mga bayanan ug mahibal-an ang mga R-layer ug P-layer sa mga frame. Pinaagi sa pagbana-bana sa pinakamubo nga agianan sa P-layers base sa pinakamubo nga agianan sa R-layers, atong girekord ang mga nahabilin nga prediksyon ug dugang pa nga i-compress kini pinaagi sa entropy encoder. Ang Algorithm 2 nagpakita sa pseudocode sa interframe partition.
   Pinasukad sa pag-align sa oryentasyon sa mga sliced-layers, among naamgohan ang coarse partition ug fine partition nga sunodsunod. Alang sa coarse partition, among han-ay ang mga hiniwa nga layer sa matag frame base sa mga coordinate nga katumbas sa division axes, gikan sa gamay ngadto sa dako. Ingon nga resulta, ang matag slice layer sa matag frame adunay usa ka talagsaon nga layer number, nga nagtugot kanato sa coarsely partition sa slice layers nga adunay parehas nga numero tali sa kasikbit nga mga frame. Pagkahuman, among kwentahon ang kalainan tali sa punoan nga mga gitas-on sa axis sa minimum nga mga kahon nga nagbugkos sa kasikbit nga mga layer nga adunay parehas nga numero. Kung kini nga kantidad gamay ra sa o katumbas sa usa ka piho nga gitas-on nga yunit, ang mga layer pagabahinon sa parehas nga grupo. Kung dili, atong itandi ang kalainan sa gitas-on sa nag-unang direksyon nga axis sa minimum nga bounding box sa katugbang nga layer sa kasikbit nga frame nga adunay gitakda nga layer sa wala pa ug pagkahuman sa numero sa kasikbit nga frame. Ang layer nga adunay pinakagamay nga kalainan unya gibahin sa parehas nga grupo. Kini nagsiguro sa usa ka maayo nga partition tali sa kasikbit nga mga sapaw, ug aron sa pagkaamgo sa maayo nga partition sa kasikbit nga relasyon.
2. Spatio-temporal nga konteksto-gigiyahan nga paagi sa panagna
   Base sa partition, atong i-apply ug gipalapdan ang prediction mode nga gihisgotan sa Seksyon 3.3. Among gilakip ang inter-frame nga konteksto sa proseso, nga nagpasabot nga ang unang layer sa matag grupo, nga nagsilbi nga R-layer, dili kinahanglan nga makahatag sa pinakamaayo nga resulta sa panagna. Aron hingpit nga masusi ang potensyal nga correlation tali sa kasikbit nga mga layer, kinahanglan natong ibutyag ang kamalaumon nga prediction mode.
   Una, atong kuwentahon ang mga prediksyon nga nahabilin alang sa matag sliced-layer sa kasamtangan nga grupo kung gigamit isip R-layer. Pinaagi sa pagtandi sa mga nahabilin nga panagna sa tanan nga mga kaso, gipili namon ang R-layer nga adunay labing gamay nga hingpit nga nahabilin nga kantidad ingon ang labing kaayo nga mode sa panagna. Para sa R-layer shortest path calculation, among gigamit ang traveling salesman algorithm sa pag-compute sa pinakamubo nga agianan sa R-layers ubos sa best prediction mode. Dugang pa, among gikalkulo ang mga nahabilin nga panagna alang sa matag grupo ubos sa ilang tagsa-tagsa nga labing maayo nga mga paagi sa panagna. Girekord usab namo ang gitas-on sa pag-okupar ug impormasyon sa R-layer sa matag grupo alang sa dugang nga pag-compress sa sunod nga pagproseso. Sa follow-up nga operasyon, gigamit namo ang arithmetic coding base sa pinakamaayong pagpili sa konteksto para sa impormasyon sa ibabaw aron makompleto ang tibuok proseso sa multi-frame point cloud geometry compression algorithm.

Arithmetic Coding Base sa Context Dictionary
Ang kadaghanon sa konteksto sa point cloud dakog gibug-aton sa kinatibuk-ang compression scheme sa termino sa arithmetic coding computational complexity. Among gipauswag ang arithmetic coding gikan sa mosunod nga duha ka modules. 1) Nagbutang kami og usa ka diksyonaryo sa konteksto, ug gipili ug gi-update ang global nga kamalaumon nga kantidad sumala sa banabana sa entropy, ug dayon 2) gisagop namon ang mga adaptive encoder aron epektibo nga makalkula ang taas ug ubos nga mga utlanan sa mga posibilidad.

1. Pagtukod sa diksyonaryo sa konteksto
2. Naghimo kami usa ka diksyonaryo sa konteksto nga nagrepresentar sa usa ka triple queue, nga gilangkuban sa mga coordinate sa point cloud sa matag hiniwa nga layer ug ang integer nga representasyon sa katumbas nga wala’y sulod nga konteksto. Sa ingon, among gi-associate ang mga voxel nga naa sa point cloud nga adunay minimum nga bounding box sa matag layer nga adunay wala’y sulod nga konteksto. Sa pag-ilustrar sa pagtukod sa triple queue array sa konteksto nga diksyonaryo tin-aw, naghatag kami ug intuitive nga katin-awan sa Fig. 2. Alang sa shaded two squares sa Fig. 2, ang context map positions pc1 ug pc2 lang ang gikonsiderar. Ang kontribusyon sa konteksto ubay sa x-axis ug sa y-axis girekord sa duha ka pila nga QX - ug QY - matag usa. Busa ang konteksto nga diksyonaryo naglangkob sa QX – ug QY -. Ang mga elemento sa pila nga adunay parehas nga mga koordinasyon gisagol sa usa ka triplet, ang representasyon sa integer sa konteksto nga gikalkula ingon ang sumada sa mga kontribusyon sa konteksto sa gisagol nga triplet.
   Busa, ang konteksto sa matag voxel mahimong kwentahon isip sumada sa independenteng kontribusyon sa giokupar nga mga voxel sa konteksto nga diksyonaryo niini. Kini nga istruktura makatabang sa pagtino kung ang usa ka voxel kinahanglan nga idugang sa diksyonaryo sa konteksto nga wala’y kapoy nga pagpangita sa matrix, nga nagresulta sa usa ka hinungdanon nga pagkunhod sa pagkakompyut sa computational ug oras sa pagdagan.
3. Pagkalkula sa kalagmitan
   Aron makalkulo ang posibilidad sa entropy, ang gitas-on sa han-ay ug ang konteksto sa mga constituent voxels niini kinahanglang tagdon. Niini nga module, nagdesinyo kami ug adaptive encoder nga una nga nagbanabana sa taas ug ubos nga kumulative probability bounds alang sa matag grupo gikan sa context dictionary, ug dayon gi-encode kini sunod. Una sa tanan, nagtukod kami og binary tree base sa Markov chain model. Pinaagi sa paglatas sa pag-okupar sa mga voxel, gi-assign namo ang mga kantidad nga 1 ug 0 sa mga okupado ug walay sulod nga mga voxel, matag usa, ug kuwentahon ang kalagmitan base sa istruktura sa kahoy. Sugod gikan sa root node, kung ang usa ka voxel na-okupar, among girekord ang wala nga bata nga node isip 1. Kung dili, among markahan ang tuo nga bata nga node isip 0 ug magpadayon sa sunod nga lakang sa paghukom ug pagbahin. Ang pormula sa pagkalkula alang sa posibilidad sa pagdagan sa giokupar nga mga voxel makita sa Eq. (4).

Para sa dagan nga ubos o katumbas sa n, mahimong adunay 2n sa mga tree node nga nagrepresentar sa occupancy states sa voxels. Busa, ang kalagmitan sa bisan unsang giokupar nga voxel girepresentahan sa independenteng hiniusang kalagmitan sa paglatas sa tanang estado sugod sa gamot ug matapos sa bisan unsang walay anak nga buko sa kahoy. Base sa Eq. (4), aron mahimo ang pag-encode sa aritmetika sa pag-okupar sa han-ay sa voxel, kinahanglan naton ang cumulative nga taas ug ubos nga posibilidad sa pagkasunod-sunod, ingon sa gipakita sa Eq. (5).

Pinaagi sa paggamit niini nga pamaagi, mahimo natong gamiton ang adaptive properties sa arithmetic coding aron i-adjust ang probability estimation value sa matag simbolo base sa optimized probability estimation model ug ang frequency sa matag simbolo sa kasamtangang sequence sa simbolo. Kini nagtugot kanamo sa pagkalkulo sa taas ug ubos nga mga utlanan sa kumulatibo nga posibilidad sa giokupar nga mga voxel ug pagkompleto sa proseso sa pag-encode.

Eksperimento

Mga Detalye sa Implementasyon

1. Dataset. Aron mapamatud-an ang nahimo sa among gisugyot nga pamaagi, daghang mga eksperimento ang gihimo sa 16 point cloud datasets nga mahimong ma-download gikan sa Ref. [40], ingon sa gipakita sa Fig. 3, diin Fig. Ang 3(a)– 3(l) maoy mga hulagway nga may dasok nga mga punto, ug Fig. Ang 3(m) - 3(p) kay arkitektura nga adunay mga tipik nga punto. Mga igos. 3(a) – 3(h) mao ang voxelized ibabaw nga mga lawas point cloud data sequences sa duha ka spatial resolution nga nakuha gikan sa Microsoft. Mga igos. Ang 3(i)– 3(l) gipili gikan sa 8i voxelized full body point cloud data sequences. Nagpabiling dako-dako nga gamay nga punto nga panganod sa Fig. Ang 3(k)– 3(p) kay static nga facade ug mga dataset sa arkitektura.
2. Mga sukatan sa ebalwasyon. Ang pasundayag sa gisugyot nga pamaagi gisusi sa termino sa bit per point (BPP). Ang BPP nagtumong sa kadaghanon sa mga piraso nga giokupar sa coordinate nga impormasyon nga gilakip sa punto. Kon mas ubos ang bili, mas maayo ang performance. diin ang Sizedig nagrepresentar sa gidaghanon sa mga bits nga giokupar sa coordinate nga impormasyon sa point cloud data, ug ang k nagtumong sa gidaghanon sa mga punto sa orihinal nga point cloud.
3. Mga sukaranan. Gikomparar namo ang among pamaagi sa ubang baseline algorithm, lakip ang: PCL-PCC: octree-based compression sa PCL; G-PCC (MPEG intra-coders test model) ug interEM (MPEG inter-coders test model) target single-frame ug multi-frame point cloud compression matag usa; Ang Silhouette 3D (S3D)[41] ug Silhouette 4D (S4D)[42] target ang single frame ug multi-frame point cloud compression, matag usa.
   Para sa PCL, among gigamit ang octree point cloud compression approach sa PCL-v1.8.1 para sa geometry compression lang. Gibutang namon ang mga parameter sa resolusyon sa octree gikan sa katukma sa punto ug resolusyon sa voxel. Para sa G-PCC (TM13-v11.0), mopili mi ug lossless geometry —lossless attributes condition sa octree-predictive mode, nga nagbilin sa mga parameter isip default. Para sa interEM (tmc3v3.0), gigamit namo ang mga resulta sa eksperimento ubos sa lossless geometry ug lossless attributes nga kondisyon isip pagtandi [43]. Alang sa S3D
   ug S4D, among gisunod ang default nga mga kondisyon ug mga parametro.
4. Hardware. Ang gisugyot nga algorithm gipatuman sa Matlab ug C++ gamit ang pipila ka mga gimbuhaton sa PCL-v1.8.1. Ang tanan nga mga eksperimento gisulayan sa usa ka laptop nga adunay Intel Core i7- 8750 CPU @2.20 GHz nga adunay 8 GB nga memorya.

Resulta sa Single-Frame Point Cloud Compression

1. Ang mga resulta sa compression sa mga hulagway sa dasok nga punto nga cloud data sequences
   Gipakita sa talaan 1 ang pasundayag sa among spatial contextguided lossless point cloud geometry compression algorithms kumpara sa PCL-PCC, G-PCC ug S3D nga mga pamaagi sa mga hulagway sa dense point cloud data sequence. Makita gikan sa Talaan 1 nga alang sa tanan nga punto nga panganod sa parehas nga mga han-ay, ang gisugyot nga pamaagi nakab-ot ang labing ubos nga compression BPP kumpara sa ubang mga pamaagi. Ang among algorithm nagtanyag ug average nga mga ganansya gikan sa −1.56% hangtod −0.02% batok sa S3D, ug mga kadaugan gikan sa −10.62% hangtod −1.45% batok sa G-PCC. Nagpakita kini og mas klaro nga advantage, sa ato pa, ang compression performance gains sa gisugyot nga algorithm gikan sa -10.62% ngadto sa -1.45%; Para sa PCL-PCC, ang gisugyot nga algorithm nagpakita og halos doble nga ganansya sa tanang sequence, gikan sa -154.43% ngadto sa -85.39%.
2. Ang mga resulta sa compression sa dinagkong tipik nga data sa cloud point
   Tungod kay ang S3D dili molihok niini nga kaso, atong itandi ang atong spatial context-guided lossless geometry point cloud compression algorithm uban sa PCL-PCC ug G-PCC nga mga pamaagi sa dako-scale sparse point cloud data. Pag-usab, ang among algorithm nakab-ot ang igo nga pasundayag sa G-PCC ug PCL-PCC, sama sa gipakita sa Talaan 1. Gipakita sa mga resulta nga ang mga average nga nakuha sa BPP gikan sa -8.84% hangtod -4.35% nakuha kung itandi sa G-PCC. Para sa PCL-PCC, ang among gisugyot nga algorithm nagpakita sa mas klaro nga advantages, nga adunay mga ganansya gikan sa −34.69% hangtod sa −23.94%.
3. Summary
   Aron mahatagan ang mas masabtan nga pagtandi sa usa ka frame point cloud compression nga mga resulta, ang Table 2 nagpresentar sa kasagaran nga mga resulta tali sa atong spatial context-guided compression method ug uban pang state-of-the-art nga benchmark nga mga pamaagi. Kung itandi sa S3D, ang among gisugyot nga pamaagi nagpakita sa kasagaran nga mga ganansya gikan sa − 0.58% hangtod sa − 3.43%. Sama sa alang sa G-PCC ug PCL-PCC, ang kasagaran nga mga ganansya nakab-ot labing menos − 3.43% ug −95.03% matag usa. Ang pag-analisar sa eksperimento nagpadayag nga ang among spatial contextguided compression method milapas sa kasamtangang S3D, G-PCC ug PCL-PCC sa usa ka mahinungdanong margin. Sa ingon, kini makatagbaw sa walay pagkawala nga mga kinahanglanon sa compression sa point cloud geometry alang sa lain-laing mga matang sa talan-awon, pananglitan, dasok o katag-katag nga mga pag-apod-apod, ug ang pagkaepektibo sa among pamaagi kanunay nga nagpabilin.
4. Resulta sa Multi-frame Point Cloud Compression
   Among e-evaluate ang among gisugyot nga spatial-temporal context-guided point cloud geometry compression algorithm batok sa kasamtangan nga compression algorithms sama sa S4D, PCL-PCC, G-PCC ug interEM. Ang mga hulagway lamang sa mga han-ay sa datos sa dasok nga punto sa panganod ang gigamit niini nga eksperimento. Ang mga resulta gihulagway sa.

Talaan 1. Ang mga pagtandi sa BPP sa among spatial context-guided compression algorithm ug ang baseline nga mga pamaagi.

Talaan 2. Ang pagtandi sa BPP sa state-of-the-art nga mga algorithm sa single-frame point cloud data.

Talaan 3. Sama sa atong makita, human sa pag-optimize sa prediction mode ug arithmetic encoder, ang gisugyot nga algorithm nagpakita sa pagkalabaw sa tanan nga mga han-ay sa pagsulay. Sa espesipiko, kon itandi sa interEM ug G-PCC, ang gisugyot nga algorithm nagpakita sa mahinungdanong mga kadaugan gikan sa -51.94% ngadto sa −17.13% ug −46.62% ngadto sa −5.7%, matag usa. Kung itandi sa S4D, ang gisugyot nga algorithm nagpakita sa lig-on nga pag-uswag gikan sa −12.18% hangtod sa −0.33%. Sama sa alang sa PCL-PCC, ang among gisugyot nga algorithm hapit natunga sa tanan nga mga han-ay sa pagsulay.
Dugang pa, gi-summarize namo ang mga resulta sa compression ug mga nakuha sa gisugyot nga pamaagi sa mga dense point cloud data sequences sa portrait, nga gilista sa Table 4. Sa aberids, naghatag kini og mga ganansya tali sa −11.5% ug −2.59% kumpara sa spatial context-guided point cloud geometry compression algorithm nga gisugyot kaniadto. Dugang pa, kini nagpakita sa labaw nga average nga ganansya sa -19% kumpara sa G-PCC ug nakab-ot ang usa ka average coding ganansya sa −24.55% kumpara sa interEM. Dugang pa, kung itandi sa S3D ug S4D, nakakuha kini labaw sa −6.11% ug −3.64% sa kasagaran. Ang kinatibuk-ang eksperimento nga pagtuki nagpakita nga ang spatiotemporal context-guided point cloud compression method makahimo sa hingpit nga paggamit sa spatial ug temporal nga correlation sa kasikbit nga mga layer sulod sa intra-frames ug inter-frames. Gipauswag usab namo ang global context selection ug probability model sa arithmetic encoder aron makakuha og mas ubos nga bit rate. Ang gisugyot nga pamaagi milabaw sa performance sa state-of-the-art nga mga algorithm, aron matubag ang mga kinahanglanon sa point cloud geometry nga walay pagkawala sa compression sa mga senaryo sa aplikasyon sa multimedia sama sa dinamikong mga hulagway.

Talaan 3. Bit-per-point nga pagtandi sa among spatio-temporal context-guided compression algorithm ug ang baseline nga mga pamaagi.

Talaan 4. Bit-per-point nga pagtandi sa state-of-the-art nga mga algorithm sa multi-frame point cloud data.

Pagtuon sa Ablation
Naghimo kami og mga pagtuon sa ablation sa predictive encoding sa 8i voxelized full-body point cloud data sequences aron ipakita ang pagka-epektibo sa partition. Makita gikan sa Table 5 nga ang pag-uswag nagpakita sa usa ka lig-on nga ganansya nga −70% sa multiframe point cloud compression ug − 60% sa single-frame point cloud compression batok sa non-partition predictive coding.
Sunod, naghimo kami usa ka eksperimento sa ablation sa aritmetika coding aron ipakita ang pagkaepektibo sa diksyonaryo sa konteksto. Ingon sa gipakita sa Talaan 6, ang usa ka lig-on nga pag-uswag sa -33% sa multi-frame point cloud compression ug sa −41% sa single-frame point cloud compression batok sa aritmetika nga coding nga walay diksyonaryo sa konteksto ang nakita sa among pamaagi.

Pagkonsumo sa Panahon
Gisulayan namon ang pagkonsumo sa oras aron mahibal-an ang pagkakomplikado sa algorithm ug itandi ang gisugyot nga mga pamaagi sa uban. Ang pagkakomplikado sa algorithm gi-analisa sa mga encoder ug decoder nga independente, nga gilista sa Talaan 7. Sama sa atong makita, ang G-PCC, interEM ug PCL-PCC makab-ot ang usa ka oras sa pag-encode nga wala’y 10 s ug usa ka oras sa pag-decode nga wala’y 5 s alang sa portrait-dense point cloud data. Maayo usab ang ilang nahimo sa dinagko nga mga data sa data nga wala’y punto sa panganod kung itandi sa uban. Ang among gisugyot nga mga algorithm mokabat sa 60 s ug 15 s aron ma-encode ug ma-decode ang mga han-ay sa portrait, labi pa sa data sa facade ug arkitektura nga punto sa panganod. Adunay usa ka trade-off tali sa bitrates ug compression speed. Kon itandi sa S3D ug S4D, nga mokabat og gatusan ka segundos aron ma-encode, ang atong makagugol sa panahon nga paagi makapakita sa pagkalabaw.
Sa katingbanan, ang pagkonsumo sa oras sa among gisugyot nga mga pamaagi medium sa tanan nga gitandi nga mga algorithm apan kinahanglan pa nga pauswagon pa.

Mga konklusyon

Niini nga papel, among gisugyot ang usa ka spatiotemporal context-guided method para sa lossless point cloud geometry compres⁃ sion. Giisip namo ang hiniwa nga punto nga panganod sa gibag-on sa unit isip input unit ug gisagop ang geometry predictive coding mode base sa traveling salesman algorithm, nga magamit sa intra-frame ug inter-frame. Dugang pa, bug-os namong gigamit ang impormasyon sa konteksto sa tibuok kalibotan ug adaptive arithmetic encoder base sa paspas nga pag-update sa konteksto aron makab-ot ang lossless compression ug decompression nga resulta sa point clouds. Ang mga resulta sa eksperimento nagpakita sa pagkaepektibo sa atong mga pamaagi ug sa ilang pagkalabaw sa nangaging mga pagtuon. Alang sa umaabot nga trabaho, nagplano kami nga tun-an pa ang kinatibuk-ang pagkakomplikado sa algorithm, pinaagi sa pagkunhod sa pagkakomplikado sa algorithm aron makab-ot ang usa ka high-speed compression rate ug ubos nga bit rate compression nga mga resulta. Ang ubos nga bit rate ug real-time/low-delay nga gisuportahan nga pamaagi gikinahanglan kaayo sa lain-laing matang sa mga talan-awon.

Mga pakisayran

1. MI XX, YANG BS, DONG Z, ug uban pa. Automated 3D road boundary extraction ug vectorization gamit ang MLS point clouds [J]. Mga transaksyon sa IEEE sa intelihenteng sistema sa transportasyon, 2022, 23(6): 5287 – 5297. DOI: 10.1109/TITS.2021.3052882
2. DONG Z, LIANG FX, YANG BS, et al. Pagrehistro sa dagkong terrestrial laser scanner point clouds: usa ka review ug benchmark [J]. ISPRS journal sa photogrammetry ug remote sensing, 2020, 163: 327–342. DOI: 10.1016/j.isprsjprs.2020.03.013
3. GRAZIOSI D, NAKAGAMI O, KUMA S, et al. Usa ka overview sa nagpadayon nga point cloud compression standardization nga mga kalihokan: video-based (V-PCC) ug geometry-based (G-PCC) [J]. Mga transaksyon sa APSIPA sa pagproseso sa signal ug impormasyon, 2020, 9: e13
4. DE QUEIROZ RL, CHOU PA. Compression sa 3D point clouds gamit ang region-adaptive hierarchical transform [J]. Mga transaksyon sa IEEE sa pagproseso sa imahe, 2016, 25(8): 3947–3956. DOI: 10.1109/TIP.2016.2575005
5. BLETTERER A, PAYAN F, ANTONINI M, et al. Point cloud compression gamit ang giladmon nga mga mapa [J]. Electronic imaging, 2016, 2016(21):1–6
6. MEKURIA R, BLOM K, CESAR P. Disenyo, pagpatuman, ug ebalwasyon sa usa ka point cloud codec alang sa tele-immersive nga video [J]. Mga transaksyon sa IEEE sa mga sirkito ug sistema alang sa teknolohiya sa video, 2017, 27(4): 828 – 842. DOI: 10.1109/TCSVT.2016.2543039
7. DE QUEIROZ RL, CHOU P A. Motion-compensated compression sa dinamikong voxelized point clouds [J]. Mga transaksyon sa IEEE sa pagproseso sa imahe, 2017, 26 (8): 3886–3895. DOI: 10.1109/TIP.2017.2707807
8. CAO C, PREDA M, ZAHARIA T. 3D point cloud compression: usa ka survey [C]// Ang 24th International Conference sa 3D Web Teknolohiya. ACM, 2019: 1–9. DOI: 10.1145/3329714.3338130
9. GRAZIOSI D, NAKAGAMI O, KUMA S, et al. Usa ka overview sa nagpadayon nga point cloud compression standardization nga mga kalihokan: video-based (V-PCC) ug geometry-based (G-PCC) [J]. Mga transaksyon sa APSIPA sa pagproseso sa signal ug impormasyon, 2020, 9(1): e13. DOI: 10.1017/atsip.2020.12
10. HUANG Y, PENG JL, KUO CJ, et al. Octree-based nga progresibong geometry coding sa point clouds [C]//Ang 3rd Eurographics/IEEE VGTC Conference on Point-Based Graphics. IEEE, 2016: 103–110
11. FAN YX, HUANG Y, PENG J L. Point cloud compression base sa hierarchical point clustering [C]//Asia-Pacific Signal and Information Processing Association Annual Summit and Conference. IEEE, 2014: 1 – 7. DOI: 10.1109/APSIPA.2013.6694334
12. DRICOT A, ASCENSO J. Adaptive multi-level triangle nga sabaw para sa geometry-based point cloud coding [C]//Ang 21st International Workshop sa Multimedia Signal Processing (MMSP). IEEE, 2019: 1 – 6. DOI: 10.1109/ MMSP.2019.8901791
13. HE C, RAN LQ, WANG L, et al. Point set surface compression base sa shape pattern analysis [J]. Mga himan ug aplikasyon sa multimedia, 2017, 76(20): 20545–20565. DOI: 10.1007/s11042-016-3991-0
14. IMDAD U, ASIF M, AHMAD M, ug uban pa. Three-dimensional point cloud compression ug decompression gamit ang polynomials sa degree one [J]. Symmetry, 2019, 11(2): 209. DOI: 10.3390/sym11020209
15. SUN XB, MA H, SUN YX, ug uban pa. Usa ka nobela nga point cloud compression algorithm base sa clustering [J]. IEEE robotics ug automation nga mga sulat, 2019, 4(2): 2132–2139. DOI: 10.1109/LRA.2019.2900747
16. DE OLIVEIRA RENTE P, BRITES C, ASCENSO J, et al. Gibase sa graph nga static nga 3D point clouds geometry coding [J]. Mga transaksyon sa IEEE sa multimedia, 2019, 21(2): 284–299. DOI: 10.1109/TMM.2018.2859591
17. ISO. Geometry-based point cloud compression (G-PCC): ISO/IEC 23090-9 [S]. 2021
18. DRICOT A, ASCENSO J. Hybrid octree-plane point cloud geometry coding [C]//Ang ika-27 nga European Signal Processing Conference (EUSIPCO). IEEE, 2019: 1–5
19. ZHANG X, GAO W, LIU S. Implicit geometry partition para sa point cloud compression [C]//Proceedings of 2020 Data Compression Conference (DCC). IEEE, 2020: 73–82. DOI: 10.1109/DCC47342.2020.00015
20. QUACH M, VALENZISE G, DUFAUX F. Pagkat-on sa convolutional transforms para sa lossy point cloud geometry compression [C]//Ang 2019 IEEE International Conference on Image Processing (ICIP). IEEE, 2019: 4320– 4324. DOI: 10.1109/ICIP.2019.8803413
21. HUANG TX, LIU Y. 3D point cloud geometry compression sa lawom nga pagkat-on [C]//Ang 27th ACM International Conference on Multimedia. ACM, 2019: 890–898. DOI: 10.1145/3343031.3351061
22. GUARDA AFR, RODRIGUES NMM, PEREIRA F. Point cloud coding: Pagsagop sa lawom nga paagi sa pagkat-on [C]//Picture Coding Symposium (PCS). IEEE, 2020: 1–5. DOI: 10.1109/PCS48520.2019.8954537
23. WANG JQ, ZHU H, MA Z, ug uban pa. Nakat-unan nga point cloud geometry compression [EB/OL]. [2023-09-01]. https://arxiv.org/abs/1909.12037.pdf
24. AINALA K, MEKURIA RN, KHATHARIYA B, et al. Usa ka gipaayo nga layer sa pagpauswag alang sa octree-based point cloud compression nga adunay plane projection ap⁃ proximation [C]//SPIE Optical Engineering+Applications. SPIE, 2016: 223– 231. DOI: 10.1117/12.2237753
25. SCHWARZ S, HANNUKSELA MM, FAKOUR-SEVOM V, et al. 2D video coding sa volumetric video data [C]//Picture Coding Symposium (PCS). IEEE, 2018: 61–65. DOI: 10.1109/PCS.2018.8456265
26. FAKOUR SEVOM V, SCHWARZ S, GABBOUJ M. Geometry-guided 3D data interpolation alang sa projection-based dynamic point cloud coding [C]//The 7th European Workshop on Visual Information Processing (EUVIP). IEEE, 2019: 1–6. DOI: 0.1109/EUVIP.2018.8611760
27. KATHARIYA B, LI L, LI Z, ug uban pa. Wala’y pagkawala nga dinamikong point cloud geometry compression nga adunay inter-compensation ug prediksyon sa nagbiyahe nga salesman [C] // Data Compression Conference. IEEE, 2018: 414. DOI: 10.1109/ DCC.2018.00067
28. ISO. Visual volumetric video-based coding (V3C) ug video-based point cloud compression: ISO/IEC 23090-5 [S]. 2021
29. PARK J, LEE J, PARK S, ug uban pa. Ang projection-based occupancy map coding para sa 3D point cloud compression [J]. Mga transaksyon sa IEIE sa intelihenteng pagproseso ug pag-compute, 2020, 9(4): 293–297. DOI: 10.5573/ieiespc.2020.9.4.293
30. COSTA A, DRICOT A, BRITES C, ug uban pa. Gipauswag nga patch packing para sa MPEG V-PCC standard [C]//IEEE 21st International Workshop sa Multimedia Signal Processing (MMSP). IEEE, 2019: 1 – 6. DOI: 10.1109/ MMSP.2019.8901690
31. KAMMERL J, BLODOW N, RUSU RB, ug uban pa. Real-time nga compression sa point cloud streams [C]//Proceedings of 2012 IEEE International Conference on Robotics and Automation. IEEE, 2012: 778 – 785. DOI: 10.1109/ ICRA.2012.6224647
32. PCL. Point cloud library. [EB/OL]. [2023-09-01]. http://pointclouds.org/
33. THANOU D, CHOU PA, FROSSARD P. Graph-based compression sa dinamikong 3D point cloud sequence [J]. Mga transaksyon sa IEEE sa pagproseso sa imahe, 2016, 25(4): 1765–1778. DOI: 10.1109/TIP.2016.2529506
34. LI L, LI Z, ZAKHARCHENKO V, ug uban pa. Advanced nga 3D motion prediction para sa video-based point cloud attributes compression [C]//Data Compression Conference (DCC). IEEE, 2019: 498–507. DOI: 10.1109/DCC.2019.00058
    ZHAO LL, MA KK, LIN XH, ug uban pa. Real-time nga LiDAR point cloud compression gamit ang Bi-directional prediction ug range-adaptive floating-point coding [J]. Mga transaksyon sa IEEE sa pagsibya, 2022, 68(3): 620 – 635. DOI: 10.1109/TBC.2022.3162406
35. LIN JP, LIU D, LI HQ, ug uban pa. M-LVC: Daghang mga frame nga panagna alang sa nakat-unan nga video compression [C]//IEEE/CVF Conference sa Computer Vision ug Pattern Recognition. IEEE, 2020: 3543 – 3551. DOI: 10.1109/ CVPR42600.2020.00360
36. YANG R, MENTZER F, VAN GOOL L, ug uban pa. Pagkat-on alang sa video compression nga adunay hierarchical nga kalidad ug balik-balik nga pagpauswag [C]//IEEE/CVF Conference on Computer Vision and Pattern Recognition. IEEE, 2020: 6627–6636.DOI: 10.1109/CVPR42600.2020.00666
37. KAYA EC, TABUS I. Lossless compression sa point cloud sequences gamit ang sequence optimized CNN models [J]. IEEE access, 2022, 10: 83678 –83691. DOI: 10.1109/ACCESS.2022.3197295
38. DING S, MANNAN MA, POO A N. Naka-orient nga bounding box ug octree-based global interference detection sa 5-axis machining sa free-form surfaces [J]. Computer-aided design, 2004, 36(13): 1281-1294
39. ALEXIOU E, VIOLA I, BORGES TM, ug uban pa. Usa ka komprehensibo nga pagtuon sa rate-distortion performance sa MPEG point cloud compression [J]. Mga transaksyon sa APSIPA sa pagproseso sa signal ug impormasyon, 2019, 8: e27. doi: 10.1017/ ATSIP.2019.20
40. PEIXOTO E. Intra-frame compression sa point cloud geometry gamit ang dyadic decomposition [J]. IEEE Signal Processing Letter, 2020, 27: 246–250. DOI: 10.1109/LSP.2020.2965322
41. RAMALHO E, PEIXOTO E, MEDEIROS E. Silhouette 4D nga adunay pagpili sa konteksto: lossless geometry compression sa dinamikong point clouds [J]. IEEE Signal Processing Letters, 2021, 28: 1660 – 1664. DOI: 10.1109/ lsp.2021.3102525
42. ISO. Kasagaran nga mga kondisyon sa pagsulay alang sa G-PCC nga dokumento N00106: ISO/IEC JTC 1/ SC 29/WG 7 MPEG [S]. 2021

Mga biyograpiya

• ZHANG Huiran nakadawat sa iyang BE ug ME degree sa School of Geodesy ug Geomatics ug State Key Laboratory of Information Engineering sa Surveying Mapping ug Remote Sensing, parehong gikan sa Wuhan University, China sa 2020 ug 2023, matag usa. Siya karon ang surveyor sa Guangzhou Urban Planning and Design Survey Research Institute, China. Ang iyang mga interes sa panukiduki naglakip sa pagproseso sa datos sa point cloud ug pag-compress. Miapil siya sa daghang mga proyekto nga may kalabotan sa natad sa remote sensing ug gipatik ang usa ka papel sa Geomatics and Information Science sa Wuhan University.
• DONG Zhen (dongzhenwhu@whu.edu.cn) nakadawat sa iyang BE ug PhD degrees sa remote sensing ug photogrammetry gikan sa Wuhan University, China niadtong 2011 ug 2018, matag usa. Usa siya ka propesor sa State Key Laboratory of Information Engineering sa Surveying, Mapping and Remote Sensing (LIESMARS), Wuhan University. Ang iyang mga interes sa panukiduki naglakip sa 3D nga pagtukod pag-usab, pagsabot sa talan-awon, pagproseso sa point cloud ingon man ang ilang mga aplikasyon sa intelihenteng sistema sa transportasyon, digital twin nga mga siyudad, urban sustainable development ug robotics. Nakadawat siya og kapin sa 10 ka pasidungog gikan sa nagkalain-laing nasyonal ug internasyonal nga kompetisyon ug gipatik sa 60 ka mga papel sa nagkalain-laing mga journal ug mga komperensya.
  WANG Mingsheng nakadawat sa iyang BE degree sa College of Computer Science and Technology gikan sa Jilin University, China niadtong 2001, ug ME degree sa School of Computer Science and Engineering gikan sa South China University of Technology, China niadtong 2004. Siya karon usa ka senior engineer sa Guangzhou Urban Planning & Design Survey Research Institute, China. Ang iyang mga interes sa panukiduki naglakip sa mga aplikasyon sa kompyuter ug software, physiography, ug pagsurbi. Nakadawat siya og kapin sa 20 ka pasidungog gikan sa nagkalain-laing nasudnong kompetisyon ug gipatik sa 50 ka mga papeles sa nagkalain-laing mga journal ug mga komperensya.

DOI: 10.12142/ZTECOM.202304003
https://kns.cnki.net/kcms/detail/34.1294.TN.20231108.1004.002.html, gimantala online Nobyembre 8, 2023
Nadawat ang manuskrito: 2023-09-11

Mga Dokumento / Mga Kapanguhaan

Giya sa ZTE Algorithm alang sa Lossless Point Cloud Geometry Compression [pdf] Giya sa Gumagamit Gigiyahan nga Algorithm para sa Lossless Point Cloud Geometry Compression, Gigiyahan, Algorithm para sa Lossless Point Cloud Geometry Compression, Lossless Point Cloud Geometry Compression, Point Cloud Geometry Compression, Geometry Compression

Mga pakisayran

• Manwal sa Gumagamit