Lossless Point Cloud Геометрия кысуу үчүн ZTE жетектелген алгоритм

Өзгөчөлүктөрү:

• Продукт аты: Жоготуусуз чекиттин булут геометриясын кысуу үчүн мейкиндик-убакыттык контекстке негизделген алгоритм
• Авторлор: ЧЖАН Хуйран, ДУН Чжэн, Ван Миншен
• Жарыяланган: декабрь 2023
• DOI: 10.12142/ZTECOM.202304003

Продукт колдонуу нускамалары

Киришүү:
Продукт сактоо мейкиндигинин сыйымдуулугуна жана тармактын өткөрүү жөндөмдүүлүгүнө байланыштуу көйгөйлөрдү чечип, чекит булуттарынын маалыматтарын натыйжалуу кысуу үчүн иштелип чыккан.

Негизги өзгөчөлүктөрү:

1. Кеңейтилген кыдыруучу сатуучунун көйгөйүн колдонуу менен интрарамдык жана кадр аралык чекит булуттарына тиешелүү болжолдоо режими.
2. Ыктымалдуулукту эффективдүү эсептөө жана кысуу натыйжалары үчүн контекстти тез жаңыртуу менен адаптивдүү арифметикалык коддогуч.

Колдонуу кадамдары:

1-кадам: Булуттарды бөлүү
Негизги огу боюнча чекиттүү булуттарды бирдик катмарларына бөлүңүз.

2-кадам: Дизайн болжолдоо режими
Мейкиндик жана убакыттык ашыкчаларды колдонуу үчүн кыдыруучу сатуучу алгоритмин колдонуп, болжолдоо режимин иштеп чык.

3-кадам: калдыктарды коддоо
Кысуу үчүн контекстке ылайыкташтырылган арифметикалык коддогучту колдонуп, калдыктарды бит агымдарына жазыңыз.

Көп берилүүчү суроолор:

• С: Бул продуктуну колдонуунун негизги артыкчылыктары кандай?
  A: Продукт жакшыртылган кысуу натыйжалары үчүн мейкиндик жана убакыттык корреляцияны колдонуп, чекиттүү булут маалыматтарын эффективдүү кысуу мүмкүнчүлүгүн берет.
• С: Бул продукт бир рамкалуу жана көп кадрдуу булуттарды да иштете алабы?
  A: Ооба, болжолдоо режими ар тараптуу колдонуу сценарийлерине мүмкүнчүлүк берип, кадр ичиндеги жана кадр аралык чекит булуттарына да тиешелүү.

ЧЖАН Хуйран, ДУН Чжэн, Ван Миншен

1. Гуанчжоу шаар куруу жана долбоорлоо изилдөө институту, Гуанчжоу 510060, Кытай;
2. Шаарды аныктоо, монитор⁃ ing жана эрте эскертүү боюнча Гуандун ишканасынын негизги лабораториясы, Гуанчжоу 510060, Кытай;
3. Географиялык карта⁃ пинг жана алыстан зонддоо боюнча маалымат инженериясынын мамлекеттик негизги лабораториясы, Вухан университети, Вухан 430079, Кытай)

Аннотация: Булуттун чекитинин кысуу физикалык дүйнөнүн 3D көрүнүштөрүн, мисалы, 3D иммерсивдүү телекөрсөтүү, автономдуу айдоо жана маданий мурастарды жайылтуу үчүн абдан маанилүү.tagд сактоо. Бирок, чекиттүү булут маалыматтары мейкиндик жана убакыттык домендерде үзгүлтүксүз жана үзгүлтүксүз бөлүштүрүлөт, мында ашыкча бош вокселдер жана 3D мейкиндигинде алсыз корреляция эффективдүү кысууга жетишүүнү татаал маселеге айлантат. Бул макалада биз жоготуусуз чекиттүү булут геометриясын кысуу үчүн мейкиндик-убакыттык контекстке негизделген алгоритмди сунуштайбыз. Сунушталган схема чекиттүү булутту эң узун огу боюнча бирдик калыңдыгынын кесилген катмарларына бөлүүдөн башталат. Андан кийин, ал чектеш катмарлардын ортосундагы корреспонденцияларды аныктоо жана кыдыруучу сатуучу алгоритмин колдонуу менен эң кыска жолду баалоо аркылуу интрарамдык жана кадр аралык чекит булуттары жеткиликтүү болгон болжолдоо ыкмасын киргизет. Акыр-аягы, бир нече божомол калдыктары оптималдуу контекстке негизделген жана адаптацияланган тез режимдеги арифметикалык коддоо ыкмалары менен натыйжалуу кысылган. Тажрыйбалар сунуш кылынган ыкма геометриялык геометриялык маалыматтын төмөн бит ылдамдыгын жоготуусуз кысуусуна эффективдүү жетээрин жана ар кандай көрүнүштөр үчүн колдонулуучу 3D чекиттүү булут кысуу үчүн ылайыктуу экенин далилдейт.
Ачкыч сөздөр: чекиттүү булут геометриясын кысуу; бир кадрлуу булут; көп кадрлуу булуттар; алдын ала коддоо; арифметикалык коддоо.

Цитата (Формат 1): ZHANG HR, DONG Z, WANG M S. Жоготуусуз чекиттүү булут геометриясын кысуу үчүн мейкиндик-убакыттык контекстке негизделген алгоритм [J]. ZTE Communications, 2023, 21(4): 17–28. DOI: 10.12142/ZTECOM.202304003
Цитата (Формат 2): HR Zhang, Z. Dong, and MS Wang, “Spatio-timeporal context-guided algorithm for lossless point булут геометриясын кысуу”, ZTE Communications, том. 21, жок. 4, 17–28-беттер, 2023-жыл. doi: 10.12142/ZTECOM.202304003.

 

Introduction

Көп платформалуу жана көп резолюциялуу алуу жабдууларынын иштешинин жакшырышы менен жарыкты аныктоо жана диапазонду аныктоо (LiDAR) технологиясы 3D объектилерин же масштабдуу чекиттери бар көрүнүштөрдү эффективдүү окшоштура алат. Салттуу мультимедиялык маалыматтар менен салыштырганда, чекиттүү булут маалыматтары объекттерди акысыз чагылдырган физикалык өлчөө маалыматын камтыйт viewпункттары, ал тургай татаал топологиялык структуралар менен көрүнүштөр. Бул колдонуучуларга жандуу жана реалдуу визуализация тажрыйбасын камсыз кылган күчтүү интерактивдүү жана иммерсивдүү эффекттерге алып келет. Кошумчалай кетсек, чекиттүү булут маалыматтары ызы-чууга каршы күчтүүрөөк жана параллелдүү иштетүү жөндөмдүүлүгүнө ээ, бул өнөр жай жана академия тарабынан, өзгөчө маданий гери сыяктуу колдонмо домендери үчүн кызыктырылган окшойт.tagэлектрондук сактоо, 3D иммерсивдүү телекөрсөтүү жана автоматтык айдоо[1–2].
Бирок, чекиттүү булут маалыматтары, адатта, мейкиндик домендеринде миллиондогон-миллиарддаган пункттарды камтыйт, бул сактоо мейкиндигинин сыйымдуулугуна жана тармактын өткөрүү жөндөмдүүлүгүнө жүктөрдү жана кыйынчылыктарды алып келет. Мисалы, көңүл ачуу үчүн колдонулган жалпы динамикалык чекит булуту, адатта, бир кадрга болжол менен бир миллион пунктту камтыйт, ал секундасына 30 кадрда, кысылбай калса, жалпы өткөрүү жөндөмдүүлүгү 3.6 Гбит/с түзөт[3]. Ошондуктан, чекиттүү булуттар үчүн жогорку эффективдүү геометриялык кысуу алгоритмдери боюнча изилдөө маанилүү теориялык жана практикалык мааниге ээ.
Мурунку иштер бул көйгөйдү түздөн-түз тармактарды куруу же талап боюнча төмөндөтүү аркылуу чечкенampлинг, компьютердик эсептөө кубаттуулугунун жана чекиттүү булуттарды чогултуунун эффективдүүлүгүнүн чектөөлөрүнөн улам, мейкиндик-убакыттык кысуу көрсөткүчүнүн төмөн болушуна жана геометриялык атрибуттардын маалыматынын жоголушуна алып келди. Акыркы изилдөөлөр, негизинен, оптималдаштыруу үчүн блоктук операцияларды ишке ашыруу үчүн компьютердик графикага жана санариптик сигналды иштетүү ыкмаларына негизделген [4 5] же бириктирилген видео коддоо технологиясы [6 7]. 2017-жылы Moving Picture Experts Group (MPEG) чекиттүү булуттарды кысуу боюнча сунуштарды сурап, маалыматтын бул түрүн кантип кысуу боюнча кийинки талкууларды өткөргөн. Булуттун чекиттерин кысуу ыкмаларынын көбөйүшү менен жеткиликтүү жана сунушталган эки чекиттүү булуттагы маалыматтарды кысуу алкактары — TMC13 жана TMC2 2018-жылы чыгарылган. Жогорудагы изилдөөлөр чекиттүү булуттун кысуу технологиясында көрүнүктүү прогресске жетишкенин көрсөтүп турат. Бирок, буга чейинки иштер негизинен чекиттүү булуттардын мейкиндик жана убакыттык өз ара байланышын өз-өзүнчө карап чыккан, бирок чекиттүү булуттарды кысуу боюнча алардын толук потенциалы али пайдаланыла элек.
Жогоруда айтылган көйгөйлөрдү чечүү үчүн биз жоготуусуз чекиттүү булут геометриясын кысуу үчүн мейкиндик-убакыттык контекстке негизделген ыкманы киргизебиз. Адегенде чекиттүү булуттарды негизги огу боюнча бирдик катмарларга бөлөбүз. Андан кийин биз мейкиндик-убакыттык корреляцияны кабыл алуу менен кыдыруучу сатуучу алгоритми аркылуу болжолдоо режимин иштеп чыгабыз. Акырында, калдыктар колдонулган контекстке ылайыкташтырылган арифметикалык коддогуч менен бит-агымдарга жазылат. Биздин негизги салымдар төмөнкүдөй.
1) Биз долбоорлойбуз - кеңейтилген кыдыруучу сатуучу көйгөйү (TSP) аркылуу кадр ичиндеги жана кадр аралык чекит булутуна да колдонулуучу болжолдоо режимин. Чекиттик булуттардын мейкиндик жана убакыттык ашыкчалыктарын колдонуу менен геометрияны болжолдоо мейкиндиктик корреляцияны жакшыраак пайдалана алат жана ошондуктан ар кандай сценарийлерди ишке ашырат.
2) Биз контексттик сөздүктөн оптималдуу 3D контекстти тандап алган жана энтропияны баалоонун жогорулашын басаңдатуучу контекстти тез жаңыртуу менен адаптацияланган арифметикалык коддоочуну сунуштайбыз. Натыйжада, ал энтропия коддоочуларынын ыктымалдык эсептөө натыйжалуулугун жогорулатат жана олуттуу компрсиондук натыйжаларды берет.
Бул кагаздын калган бөлүгү төмөнкүдөй түзүлөт. 2-бөлүм чекиттүү булут геометриясын кысуу боюнча тиешелүү иштердин схемасын берет. 3-бөлүм биринчи кезекте бүтүрүүнү көрсөтөтview сунуш кылынган негиздин. Андан кийин, сунушталган ыкма майда-чүйдөсүнө чейин баяндалат. Эксперименттик натыйжалар жана корутундулар тиешелүүлүгүнө жараша 4 жана 5 бөлүмдөрүндө берилген.

Байланыштуу иш

Адабиятта сунуш кылынган көптөгөн чекиттүү булут геометриясынын кысуу алгоритмдери бар. CAO жана башкалар. [8] жана GRAZIOSI et al. [9] тиешелүүлүгүнө жараша мейкиндик өлчөмдөрүн кысуу технологиясына жана MPEG стандартташтыруу алкактарына көңүл буруп, учурдагы чекиттүү булут кысуу ыкмаларын иликтөө жана корутундусун жүргүзөт. Биз кыскача маалымат беребизview эки категориядагы акыркы өнүгүүлөрдүн: бир кадрдык чекиттүү булут кысуу жана көп кадрдык чекиттүү булут кысуу.

1. Single-Freme Point Cloud Compression
   Бир кадрлуу чекит булуттары инженердик изилдөөлөрдө, маданий гериде кеңири колдонулатtagэлектрондук сактоо, географиялык маалымат системалары жана башка сценарийлер. Октре - ээлеген түйүндөр аркылуу маалыматты жазуу аркылуу кысылышы мүмкүн болгон чекиттүү булуттарды эффективдүү көрсөтүү үчүн кеңири колдонулган маалымат структурасы. HUANG ж.б.[10] чекиттүү булутту рекурсивдүү түрдө ар бир бирдиктин геометриялык борбору менен көрсөтүлгөн түйүндөргө бөлгөн октрийге негизделген методду сунуштаңыз. FAN ж.б.[11] деталдардын (LOD) иерархиясынын деңгээлин түзүү үчүн кластердик анализди киргизүү жана аны эң биринчи иретте коддоо аркылуу бул ыкманы андан ары өркүндөтүү. Бирок, бул ыкмалар итерация процессинде баштапкы моделдин жакындашынан улам бурмалоого алып келиши мүмкүн.
   Бул чектөөлөрдү чечүү үчүн окумуштуулар катмарлар аралык болжолдоо жана калдыктарды эсептөө үчүн үч бурчтуу беттин модели[12], тегиз беттин модели[13 14] жана кластердик алгоритм [15] сыяктуу геометриялык түзүлүштүн өзгөчөлүктөрүн киргизишти. . RENTE жана башкалар.[16] прогрессивдүү катмарлуу кысуу концепциясын сунуштаңыз, ал адегенде орой бүртүкчөлүү коддоо үчүн октрий структурасын колдонот, андан кийин булуттун деталдарын кысуу жана реконструкциялоо үчүн Фурье графигин колдонот. 2019-жылы MPEG статикалык жана динамикалык чекит булуттары үчүн геометрияга негизделген чекит булуттарын кысуу (G-PCC) технологиясын чыгарды, ал координатты трансформациялоо, вокселизациялоо, геометриялык структураны анализдөө жана кадам сайын арифметикалык коддоо аркылуу ишке ашырылат[17].
   Октрийдин ичиндеги кээ бир октанттар сейрек же ал тургай бош болушу мүмкүн болгондуктан, суб-түйүндөрдү кесүү аркылуу дарак структурасын оптималдаштыруу үчүн кээ бир ыкмалар сунушталды, демек, эстутум бөлүштүрүүнү үнөмдөө. Мисалы үчүнample, DRICOT жана башкалар. [18] сейректик талдоосунун алдын ала аныкталган шарттарына негизделген октре бөлүүнү токтотуу үчүн болжолдуу түз коддоо режимин (IDCM) сунуштайт, ал бала түйүндөргө бөлүнгөн биттерди сактоо үчүн октре түзүмүн кыркууну камтыйт. ZHANG жана башкалар. [19] чекиттүү булут мейкиндигин негизги компоненттер боюнча бөлүүнү жана экилик дарактан, төрттүк жана октреден бөлүү ыкмасын адаптациялоону сунуштайт. Салттуу октрий бөлүү менен салыштырганда, жогоруда айтылган гибриддик моделдер сейрек чекиттерди көрсөтүү үчүн колдонулган биттердин санын натыйжалуу кыскарта алат, ошондуктан коддолушу керек түйүндөрдү үнөмдөйт. Бирок процессте татаал гиперпараметрдик шарттар жана режимди аныктоо талап кылынат, бул өзүн-өзү адаптациялоо жана төмөн татаалдык талаптарын аткарууну кыйындатат.
   Терең нейрон тармактары сүрөттөрдү жана видеону кысуу боюнча олуттуу кадамдарды жасоо менен, изилдөөчүлөр супер алдын ала көрсөтмөлөрдү жана кысуу процессинде жашыруун мейкиндиктин ашыкчалыгын колдонуу менен бит ылдамдыгын андан ары төмөндөтүү жолдорун изилдешти. QUACH ж.б.[20] жана HUANG ж.б.[21] бул түшүнүктөрдү камтыган ыкмаларды сунушташат. ГУАРДА жана башкалар. Конволюциялык нейрон тармактарын жана автокодерлерди бириктирип, чектеш чекиттер ортосундагы ашыкчалыкты пайдалануу жана Реф. [22]. Жакында WANG et al. [23] гиперприорду үйрөнүү жана арифметикалык коддоонун эстутум керектөөсүн азайтуу аркылуу кысуу катышын жакшыртуучу вариациялык авто-кодерге негизделген чекиттүү булут кысуу ыкмасын сунушташат. Жогоруда айтылган ыкмалар чекиттүү булуттун жогорку тартиптеги жашыруун векторун, энтропия моделинин ыктымалдыктарын жана четтик ыктымалдыктарын жакшыраак тууралоо үчүн нейрондук тармак коддорун колдонушат, ошентип арифметикалык коддоонун эстутум керектөөсүн азайтат. Жалпысынан алганда, бир кадрдык чекиттүү булуттун геометриялык кысуу боюнча изилдөөлөр салыштырмалуу жетилген, бирок дагы деле эки көйгөй бар. Мейкиндик корреляциясы эффективдүү колдонулган эмес жана көпчүлүк ыкмалар чекиттүү булут маалыматтарынын корреляциясын кылдат жана натыйжалуу коддобойт. Мындан тышкары, энтропияны коддоо үчүн ыктымалдык моделин эсептөө контексттердин көптүгүнө байланыштуу узак жана оор көрүнөт.
2. Көп кадрдык чекиттүү булут кысуу
   Көп кадрдуу чекит булуттары, адатта, реалдуу убакыттагы 3D иммерсивдүү телекөрсөтүү, интерактивдүү VR, 3D акысыз сыяктуу сценарийлерде колдонулат. viewпунктка берүү жана автоматтык айдоо. Бир кадрдык чекиттүү булут кысуудан айырмаланып, көп кадрдуу чекиттүү булут кысуу убакыттын корреляциясын, ошондой эле кыймылды баалоону жана компенсациялоону колдонууга артыкчылык берет. Көп кадрдуу булуттарды кысуу үчүн колдонулган ыкмаларды эки категорияга бөлүүгө болот: 2D проекциясы жана 3D декорреляциясы.
   Сүрөт жана видеону кысуу чөйрөсү кеңири жана акыркы бир нече он жылдыкта жакшы изилденген. Ар кандай алгоритмдер чекиттүү булуттарды сүрөттөргө айландырышат, андан кийин аларды FFmpeg жана H. 265 коддору ж.б. аркылуу түз кысып алышат. AINALA et al[24] тегиздикте растрдик сканерлөө аркылуу геометрияны жана түс атрибуттарын коддогон тегиздик проекциянын болжолдуу коддоо режимин киргизет. . Бирок, бул ыкма карта түзүү процессинде максаттуу формада өзгөрүүлөрдү жаратып, так аралык болжолдоону кыйындатат. Ошондуктан, SCHWARZ et al.[25] жана SEVOM ж.б.[26] чекиттүү булуттарды 2D видеого айландыруу үчүн тегиздик тегиздик проекцияны, кубдук проекцияны жана патчка негизделген проекция ыкмаларын сунуштаңыз. Окшош проекцияларды чектеш сүрөттөрдө бир эле жерге жайгаштыруу менен, видеокомпрессор убактылуу корреляцияны толугу менен жок кыла алат. Ref. [27], геометриялар аралык болжолдоо TSP аркылуу жүргүзүлөт, ал эң жакын орточо мааниси бар блокту издөө менен чектеш интраблоктордун бирден-бир кат алышуусун эсептейт. MPEG 2019-жылы динамикалык чекит булуттары үчүн видеого негизделген чекиттүү булут кысуу (V-PCC) технологиясын чыгарды[28]. Бул алкак киргизүү чекитинин булутун окшош нормалдуу векторлору жана үзгүлтүксүз мейкиндиги бар чакан блокторго бөлөт, андан кийин аларды басып алуу сүрөтүн жана көмөкчү маалыматты жазуу үчүн кубтар аркылуу тегиздик бетине айлантат. Бардык алынган сүрөттөр жетилген видео кодектер тарабынан кысылып, бардык бит агымдары бир чыгууга чогултулат file. Бул ыкмалардын натыйжалуулугун жогорулатуу үчүн башка аракеттер жасалды. COSTA ж.б.[29] таңгактоо алгоритмин оптималдаштыруу, маалыматтын таңгактоо шилтемелери, тиешелүү сорттоо жана жайгаштыруу көрсөткүчтөрү боюнча бир нече жаңы патч таңгактоо стратегияларын колдонуңуз. Андан тышкары, PARK et al. [30] V-PCC агымынын иштешине таасир этпестен, структуралык окшоштугуна жараша чектеш рамкаларды бир топко адаптациялоочу топтоочу маалымат-адаптивдүү таңгактоо ыкмасын иштеп чыгуу. Улам чекиттүү булут проекциясы менен шартталган маалыматтын сөзсүз жоголушуна, окумуштуулар 3D мейкиндигине негизделген кыймылдын ордун толтуруу технологиясын колдонуу менен ырааттуу кадрлардын чекиттүү булут ырааттуулугун кысуу үчүн эффективдүү ыкмаларды иштеп чыгышты. KAMMERL ж.б.[31] чектеш кадрлардын ортосундагы эксклюзивдүү ЖЕ (XOR) айырмачылыктарды аткаруу менен жогорку кысуу эффективдүүлүгүн камсыз кылган октриге негизделген геометриялык коддоо ыкмасын сунуштаңыз. Бул ыкма популярдуу Point Cloud Library (PCL) [32] ичинде гана кабыл алынбастан, андан аркы алгоритмдерди изилдөө үчүн да кеңири колдонулган. Башка кадр аралык ыкмалар 3D кыймылды баалоо маселесин өзгөчөлүктөргө дал келген маселеге айлантат[33] же кыймыл векторлорун болжолдоо жана чектеш кадрлардын ортосундагы тиешелүү байланышты так аныктоо үчүн реконструкцияланган геометриялык маалыматты [34] колдонушат. Акыркы жарылуучу изилдөөлөр[35 36] үйрөнгөн видео кысуу салттууларга караганда жакшыраак бурмалоо көрсөткүчтөрүн сунуштап, булуттарды кысуу үчүн маанилүү шилтеме маанисин алып келерин көрсөттү. ZHAO ж.б.[37] мейкиндик жана убакыт өлчөмдөрүндө тиешелүү маалыматты эффективдүү колдонууга алып келүү жана кадр аралык болжолдоону жүзөгө ашыруу үчүн эки багыттуу кадр аралык болжолдоо тармагын киргизүү. КАЯ жана башкалар. [38] жыш чекиттүү булут тизмегинин геометриялык өзгөчөлүктөрүн коддоо үчүн жаңы парадигманы иштеп чыгуу, жыш чекиттүү булуттарды жоготуусуз кысуу үчүн коддоо бөлүштүрүүнү баалоо үчүн CNNди оптималдаштыруу.
   Көп кадрлуу булут моделдерин кысуу коддоо технологиясындагы прогресске карабастан, эки көйгөй сакталууда. Учурдагы көп кадрлуу булуттарды кысуу ыкмалары негизинен видео коддоого жана кыймылдын компенсациясына таянат, бул сөзсүз түрдө картага түшүрүү жана блоктун четинин үзгүлтүккө учурашынан улам келип чыккан маалыматтын жоголушун же бурмаланышын камтыйт. Кошумчалай кетсек, болжолдуу коддоо кадр аралык чекит булут геометриясынын дал келбегендигинен улам төмөн колдонулушун көрсөтөт. Кадрлардын ортосундагы чекиттердин көрүнгөн жылышы жана кутулбогон ызы-чуу кадр аралык кысууда алдын ала коддоону эффективдүү колдонуунун кыйынчылыгын жогорулатат.

Сунушталган мейкиндик-убакыттык контекст боюнча жетектелген жоготуусуз геометриялык чекиттин булут кысуу ыкмасы

Бүттүview
Биздин мейкиндик-убакыттык контекстке негизделген алгоритмибиздин жалпы трубопроводу 1-сүрөттө көрсөтүлгөн. Биринчиден, биз вокселизацияны жана масштабды трансформациялоону колдонуу менен киргизүү чекитинин булутун алдын ала иштетебиз. Андан кийин чекит булуту негизги огу боюнча бирдик калыңдыгы кесилген катмарларга бөлүнөт. Андан кийин, биз кадр ичиндеги жана кадр аралык ичиндеги убактылуу жана мейкиндик корреляциялык маалыматын толук пайдаланган болжолдоо режимин иштеп чыгабыз. Биз кыдыруучу сатуучу алгоритмдери аркылуу шилтеме катмарларынын чекиттеринин (R-кабаттарынын) эң кыска жолун эсептейбиз жана R-кабаттарынын натыйжалары мейкиндик-убакыттык болжолдоо жана калган чекиттүү булуттарды коддоо үчүн колдонулат, тактап айтканда, болжолдонгон катмарлар (P-кабаттары) ). Акыр-аягы, кысылган бинардык алуу үчүн жакшыртылган энтропия коддоо алгоритмдери кабыл алынган file.

Сүрөт кесилгенге негизделген иерархиялык бөлүм

1. Алдын ала иштетүү
   Алдын ала иштетүү модулу ар бир белгилүү чекитти жакшыраак индекстөө үчүн вокселизацияны жана масштабды өзгөртүүнү камтыйт. Вокселизацияда биз мейкиндикти N өлчөмүндөгү кубтарга бөлөбүз, бул чекиттүү булуттун реалдуу резолюциясына туура келет. Ар бир чекитке өзүнүн абалына жараша уникалдуу воксел ыйгарылган. Voxel 1 катары жазылат; ал оң ээлеген болсо, анда 0 башка. Масштабды трансформациялоо чекиттердин ортосундагы аралык кичирейген чекиттүү булутту кичирейтүү аркылуу жакшыраак кысуу үчүн сейректүктү азайтат. Биз чекиттүү булут координаттарын (x, y, z) масштабдоо коэффициентин s колдонуп, топтойбуз, б.а.
   Жоопсуз кысууну камсыз кылуу үчүн, масштабдоо фактору s геометриянын жоголушуна алып келбей тургандыгын жана темада жазылышы керек экендигин камсыз кылышыбыз керек. file.
2. Кесилген катмар бөлүнүшү
   Бул модул 3D чекит булутун өз огу боюнча бөлүү жолу менен иштейт, алдын ала коддоочу жана арифметикалык кодер аркылуу андан ары кысылышы мүмкүн болгон ээлеген жана ээлебеген маалымат менен бир нече бирдикке кесилген катмарларды түзөт. Функция төмөнкүчө аныкталат:
   мында G киргизүү чекитинин булут координаттарынын матрицасын билдирет, огу тандалган өлчөмдү билдирет, ал эми S (a, b) - ар бир катмар тарабынан алынган 2D кесим. Жалпысынан, биз көп сандагы сыноо ырааттуулугу боюнча эксперименттерди жүргүзөбүз жана натыйжалар чекиттүү булуттун мейкиндик вариациясынын эң узун огу боюнча бөлүү эң төмөнкү бит ылдамдыгын берет, б.а.
3. Минималдуу чектеш кутучаны чыгаруу
   Көпчүлүк учурларда, ээлеген вокселдер, адатта, сөзсүз болот жана ээлеген вокселдерден кыйла көп. Натыйжада, вокселдердин эки түрүн тең иштетүү жана коддоо бир эле учурда кысуу алгоритминин эсептөө татаалдыгын жана коддоо ылдамдыгын жүктөйт. Ошондуктан, ар бир кесилген катмар үчүн минималдуу чектөө кутучасын эсептөө үчүн багытталган чектеш кутучаны (ОББ) [39] кабыл алып, чектеш кутучалардын багыттары катмарлар боюнча ырааттуу болушун камсыз кылабыз. Кийинки иштетүүдө чектелген тик бурчтуктун ичинде жайгашкан вокселдер гана кысылган.

Мейкиндиктик контекстке негизделген алдын ала коддоо

Мейкиндиктик контекстке негизделген алдын ала коддоонун максаты бардык чекиттерди катмар менен коддоо болуп саналат. TSPтин шыктандыруусу менен биз ар бир кесилген катмардагы потенциалдуу буйруктарды жана корреляцияны изилдөө үчүн болжолдоо режимин иштеп чыгабыз. Бул модул бөлүү жана эң кыска жолду эсептөөдөн турат.
Адегенде кесилген катмарларды бөлүп, ар бир топ үчүн R жана R катмарларын аныктайбыз. Биз чекиттүү булут катмарын тандалган огу боюнча катмар-катмар басып өтөбүз. Кошуна катмарлардын ортосундагы минималдуу чектеш кутучанын негизги багытынын узундугу белгиленген бирдик узундугу менен айырмаланганда, ал ошол эле топ катары жазылат. Болбосо, ал кийинки топтун эталондук катмары катары колдонулат жана кийинки топтогу ар бир чекит булуту бирдей эң кыска жолду колдонот. Бул макалада биз ар бир топтун биринчи катмарын R-кабат, ал эми калгандарын P-кабаттары деп койдук. Биз ошондой эле көп сандагы сыноо секциясы боюнча эксперименттерди жүргүзөбүз жана эң жакшы кысуу алуу үчүн бул көрсөтүлгөн параметрди 3 бирдик катары коюуну сунуштайбыз.
Андан кийин, биз R-кабаттарында эң кыска жолду эсептеп, Оюнчулардын калдыктарын жазабыз. Ар бир тилке катмарынын чекиттүү булуттарынын бөлүштүрүлүшүнүн регламентине ылайык, биз TSP алгоритминин негизинде ар бир тилке катмары үчүн туура эмес чекиттүү булуттарды оптималдуу иретке келтиребиз. Бул бизге R-кабаттарынын чекиттүү булутуна эң кыска жолду натыйжалуу эсептөөгө, андан кийин тиешелүү болжолдоо катмарларынын калдыктарын жазууга мүмкүндүк берет. 1-алгоритмде болжолдоо процедурасынын псевдокоду көрсөтүлгөн.

Биринчиден, биз локалдык аймактагы чекиттердин ортосундагы аралыкты эсептөө эрежесин аныктайбыз жана жолдун абалын туш келди тандалган pc1 чекити менен инициализациялайбыз. Ар бир итерацияда, жаңы pci чекити кошулган сайын, алмаштыруу абалдын өтүү теңдемесинин жолу (P – i, i) аркылуу динамикалык түрдө жаңыртылып, бардык кошулган чекиттер P ичинде эң кыска жолдун тартибинде жазылганга чейин жүргүзүлөт. Бул процесс минималдуу аралык критерийинин негизинде акырындык менен өзгөртүлөт. Бардык итерациялар жалпы эң ​​кыска жолдо аяктагандан кийин, мин R-кабаттарынын ар биринде dist(pci, pcj ) жана ар бир R катмарындагы чекит булуттарынын эң кыска жол жазуу таблицасын кайтарыңыз. Андан ары кысуу үчүн Р-кабаттарынын R-кабатынын эң кыска жолунан бир эле топтун ичиндеги четтөөсүн эсептеп, аларды болжолдоочу калдыктар катары жазабыз. Акырында, Rlayerдин эң кыска жолу жана ар бир топтун калдыктары чыгарылып, болжолдоо калдыктарын андан ары кысуу үчүн энтропия коддоруна өткөрүлүп берилет.

Мейкиндик-убакыттык контекст-жетектөөчү алдын ала коддоо
Мейкиндиктик контекстке негизделген болжолдоо режими коддошот
бир кадрдык чекиттүү булуттарды өзүнчө. Бирок, ар бир бир кадрдык чекит булутуна мейкиндик коддоосун өз-өзүнчө колдонуу, көп кадрдуу чекит булутундагы убактылуу корреляциянын таасири астында калган мүмкүнчүлүктөрдү колдон чыгарып жибериши мүмкүн. Көп кадрдуу чекиттүү булут бири-бирине дал келген чоң бөлүктөрүн бөлүшөрүн эске алып, кысуу натыйжалуулугун андан ары жогорулатуу үчүн убактылуу ашыкча колдонууга көңүл бурабыз. Демек, сунушталган мейкиндиктик контекстке негизделген болжолдоо режиминин негизинде, алкактар ​​боюнча чектеш катмарлардын ортосундагы корреспонденцияны аныктоо менен көп кадрдык булутту кысып алабыз.

1. Кадрлар аралык бөлүү
   Кадрлар аралык болжолдоо режиминин эффективдүүлүгүн жогорулатуу үчүн рамкалардын чектеш катмарларынын ортосундагы адекваттуу окшоштукту камсыз кылуу өтө маанилүү. Натыйжада, топторду чектеш рамкалардын ортосунда бөлүп, R-кабаттарын жана P-кабаттарын рамкалар боюнча аныкташыбыз керек. R-кабаттарынын эң кыска жолунун негизинде P-кабаттарынын эң кыска жолун баалоо менен, биз болжолдоо калдыктарын жазып алабыз жана аларды энтропия коддору аркылуу андан ары кысабыз. 2-алгоритмде кадр аралык бөлүмдүн псевдокоду көрсөтүлгөн.
   Кесилген катмарлардын ориентациясынын тегиздөөсүнө таянып, биз одоно бөлүүнү жана майда бөлүүнү катары менен ишке ашырабыз. Оор бөлүү үчүн биз ар бир кадрдын кесилген катмарларын бөлүү огуна туура келген координаттардын негизинде кичинеден чоңго чейин иреттейбиз. Натыйжада, ар бир кадрдын ар бир кесим катмары уникалдуу катмар номерине ээ, бул бизге кесим катмарларын чектеш кадрлардын ортосунда бирдей сан менен одоно бөлүүгө мүмкүндүк берет. Андан кийин, биз бирдей сандагы чектеш катмарлардын минималдуу чектеш кутучаларынын негизги огунун узундуктарынын ортосундагы айырманы эсептейбиз. Бул маани көрсөтүлгөн узундук бирдигинен аз же барабар болсо, катмарлар бир топко бөлүнөт. Болбосо, чектеш кадрдын тиешелүү катмарындагы минималдуу чектеш кутучанын негизги багыт огунун узундугунун айырмасын жанаша кадрдагы санга чейинки жана кийинки көрсөтүлгөн катмар менен салыштырабыз. Эң кичине айырмасы бар катмар андан кийин ошол эле топко бөлүнөт. Бул чектеш катмарлардын ортосундагы жакшы бөлүштүрүүнү камсыздайт жана чектеш мамилелердин жакшы бөлүктөрүн ишке ашыруу үчүн.
2. Мейкиндик-убакыттык контекстке негизделген болжолдоо режими
   Бөлүмдүн негизинде биз 3.3-бөлүмдө айтылган болжолдоо режимин колдонобуз жана кеңейтебиз. Биз процесске кадр аралык контекстти киргизебиз, башкача айтканда, R-кабат катары кызмат кылган ар бир топтун биринчи катмары алдын ала айтуунун эң жакшы натыйжасын бербеши мүмкүн. Кошуна катмарлардын ортосундагы потенциалдуу корреляцияны толук изилдөө үчүн оптималдуу болжолдоо режимин ачып беришибиз керек.
   Биринчиден, биз R-кабат катары колдонулган учурда учурдагы топтун ар бир кесилген катмары үчүн болжолдоо калдыктарын эсептейбиз. Бардык учурларда болжолдоо калдыктарын салыштыруу менен биз эң жакшы алдын ала айтуу режими катары эң кичине абсолюттук калдык мааниси бар R катмарын тандайбыз. R-катмарынын эң кыска жолун эсептөө үчүн, биз эң мыкты болжолдоо режиминде R катмарларынын эң кыска жолун эсептөө үчүн кыдыруучу сатуучу алгоритмин колдонобуз. Мындан тышкары, биз ар бир топ үчүн болжолдоо калдыктарын алардын тиешелүү мыкты болжолдоо режимдеринде эсептейбиз. Биз ошондой эле кийинки иштетүүдө андан ары кысуу үчүн ар бир топтун ээлөө узундугун жана R-кабат маалыматын жазабыз. Кийинки операцияда биз көп кадрлуу чекит булут геометриясын кысуу алгоритминин бүт процессин аяктоо үчүн жогорудагы маалымат үчүн эң жакшы контекстти тандоонун негизинде арифметикалык коддоону колдонобуз.

Контексттик сөздүккө негизделген арифметикалык коддоо
Чектүү булуттагы контексттин чоң көлөмү арифметикалык коддоо эсептөө татаалдыгы боюнча жалпы кысуу схемасын олуттуу түрдө жүктөйт. Биз төмөнкү эки модулдан арифметикалык коддоону жакшыртабыз. 1) Биз контексттик сөздүктү түзөбүз жана энтропиянын баалоосуна ылайык глобалдык оптималдуу маанини тандап, жаңыртабыз, андан кийин 2) ыктымалдыктардын жогорку жана төмөнкү чектерин эффективдүү эсептөө үчүн адаптивдик коддогучтарды кабыл алабыз.

1. Контексттик сөздүк түзүү
2. Биз ар бир кесилген катмардагы чекит булутунун координаттарынан жана анын тиешелүү бош эмес контекстинин бүтүн сандагы өкүлчүлүгүнөн турган үчтүк кезекти билдирген контексттик сөздүктү түзөбүз. Ошентип, биз чекит булутундагы вокселдерди ар бир катмардын минималдуу чектеш кутусу менен анын бош эмес контексти менен байланыштырабыз. Контексттик сөздүктүн үчтүк кезек массивинин түзүлүшүн ачык көрсөтүү үчүн биз 2-сүрөттө интуитивдик түшүндүрмө беребиз. 2-сүрөттөгү көлөкөлүү эки квадрат үчүн pc1 жана pc2 контексттик картанын позициялары гана каралат. x жана y огу боюнча контексттик салым тиешелүүлүгүнө жараша QX жана QY эки кезекке жазылат. Ошентип, контексттик сөздүк QX – жана QY - дан турат. Ошол эле координаттары бар кезектин элементтери триплетке бириктирилет, алардын контексттик бүтүн санды көрсөтүүсү бириктирилген триплеттин контексттик салымдарынын суммасы катары эсептелинет.
   Демек, ар бир вокселдин контексти анын контексттик сөздүгүндө ээлеген вокселдердин көз карандысыз салымдарынын суммасы катары эсептелиши мүмкүн. Бул структура контексттик сөздүккө вокселди тажатма матрицалык издөөлөрсүз кошуу керекпи же жокпу, аныктоого жардам берет, натыйжада эсептөө татаалдыгы жана иштөө убактысы олуттуу кыскарат.
3. Ыктымалдуулукту эсептөө
   Энтропия ыктымалдыгын эсептөө үчүн катардын узундугун да, аны түзгөн вокселдердин контекстти да эске алуу керек. Бул модулда биз контексттик сөздүктөн алгач ар бир топ үчүн жогорку жана төмөнкү кумулятивдик ыктымалдык чектерин баалаган, андан кийин аны коддогон адаптацияланган коддоочуну иштеп чыгабыз. Биринчиден, биз Марковдун чынжыр моделинин негизинде бинардык даракты курабыз. Үндөрдүн басып өтүү жолу менен биз ээлеген жана бош вокселдерге 1 жана 0 маанилерин ыйгарабыз жана дарак түзүлүшүнүн негизинде ыктымалдыкты эсептейбиз. Түпкү түйүндөн баштап, үн ээлегенде, сол кошумча түйүндү 1 деп жазабыз. Болбосо, оң жак түйүнгө 0 деп белгилеп, чечим чыгаруунун жана бөлүүнүн кийинки кадамына өтөбүз. Ээленген вокселдердин иштөө ыктымалдыгы үчүн эсептөө формуласын теңдемеден тапса болот. (4).

n аз же барабар чуркоо узундугу үчүн, вокселдердин басып алуу абалын билдирген 2n дарак түйүн болушу мүмкүн. Демек, кандайдыр бир ээлеген вокселдин ыктымалдыгы дарактын тамырынан башталып, дарактын кандайдыр бир баласыз түйүнүндө аяктаган бардык абалдарды басып өтүүнүн көз карандысыз биргелешкен ыктымалдыгы менен көрсөтүлөт. Eq негизинде. (4), вокселдердин ырааттуулугуна арифметикалык коддоо жүргүзүү үчүн, теңдемеде көрсөтүлгөндөй, тизмектин жогорку жана төмөнкү кумулятивдик ыктымалдыктары керек. (5).

Бул ыкманы колдонуу менен биз ар бир символдун ыктымалдыкты баалоо маанисин оптималдаштырылган ыктымалдыкты баалоо моделине жана учурдагы символдук ырааттуулуктагы ар бир символдун жыштыгына тууралоо үчүн арифметикалык коддоонун адаптивдик касиеттерин колдоно алабыз. Бул бизге ээлеген вокселдердин кумулятивдик ыктымалдыгынын жогорку жана төмөнкү чегин эсептөөгө жана коддоо процессин аягына чыгарууга мүмкүндүк берет.

Эксперимент

Ишке ашыруу деталдары

1. Dataset. Сунушталган методубуздун натыйжалуулугун текшерүү үчүн, Ref. [16], 40-сүрөттө көрсөтүлгөндөй, анда Fig. 3(a)– 3(l) тыгыз чекиттери бар портреттер жана 3-сүр. 3(m) – 3(p) сейрек чекиттери бар архитектура. Figs. 3(a) – 3(h) – бул Microsoftтон алынган эки мейкиндиктик резолюциянын вокселдештирилген үстүнкү органдары чекиттүү булут маалымат ырааттуулугу. Figs. 3(i) – 3(l) 8i voxelized толук денелер чекит булут маалымат ырааттуулугун тандалат. Калган ири масштабдуу сейрек чекиттүү булуттар Фиг. 3(k)– 3(p) статикалык фасад жана архитектура маалымат топтому.
2. Баалоо көрсөткүчтөрү. Сунушталган ыкманын натыйжалуулугу чекитке бит (BPP) боюнча бааланат. BPP чекитке тиркелген координата маалыматы ээлеген биттердин суммасын билдирет. Наркы канчалык төмөн болсо, аткаруу ошончолук жакшы болот. мында Sizedig чекиттүү булут маалыматтарынын координаталык маалыматы ээлеген биттердин санын билдирет, ал эми k баштапкы чекит булутундагы чекиттердин санын билдирет.
3. Эталондор. Биз, негизинен, биздин ыкманы башка базалык алгоритмдер менен салыштырабыз, анын ичинде: PCL-PCC: PCLде октриге негизделген кысуу; G-PCC (MPEG ичиндеги кодерлердин сыноо модели) жана interEM (MPEG аралык кодерлердин тест модели) тиешелүүлүгүнө жараша бир кадр жана көп кадрдык чекит булут кысуу; Silhouette 3D (S3D)[41] жана Silhouette 4D (S4D)[42] тиешелүүлүгүнө жараша бир кадрды жана көп кадрдуу чекиттин булут кысуусун максат кылат.
   PCL үчүн, биз PCL-v1.8.1 геометриясын кысуу үчүн гана октрее чекити булут кысуу ыкмасын колдонобуз. Биз чекиттин тактыгынан жана вокселдин резолюциясынан октре резолюциясынын параметрлерин койдук. G-PCC (TM13-v11.0) үчүн биз жоготуусуз геометрияны тандайбыз — параметрлерди демейки катары калтырып, октре-болжолдоочу режимде жоготуусуз атрибуттар абалы. InterEM (tmc3v3.0) үчүн биз салыштыруу катары жоготуусуз геометрия жана жоготуусуз атрибуттар шарттарында эксперименталдык натыйжаларды колдонобуз[43]. S3D үчүн
   жана S4D, биз демейки шарттарды жана параметрлерди карманабыз.
4. Аппараттык. Сунушталган алгоритм PCL-v1.8.1 айрым функцияларын колдонуу менен Matlab жана C++ тилдеринде ишке ашырылган. Бардык эксперименттер Intel Core i7- 8750 CPU @2.20 GHz 8 ГБ эс тутуму бар ноутбукта сыналган.

Single-Frame Point Cloud Compression натыйжалары

1. жыш чекиттүү булут маалымат тизмектеринин портреттерин кысуу натыйжалары
   1-таблица PCL-PCC, G-PCC жана S3D методдору менен салыштырганда мейкиндик контекстиндеги жоготуусуз чекиттүү булут геометриясынын кысуу алгоритмдерибиздин тыгыз чекит булутунун маалымат ырааттуулугунун портреттери боюнча көрсөткүчтөрүн көрсөтөт. 1-таблицадан көрүнүп тургандай, бирдей ырааттуулуктагы бардык чекит булуттары үчүн сунушталган ыкма башка методдорго салыштырмалуу эң төмөнкү кысуу BPPге жетишет. Биздин алгоритм S1.56Dге каршы −0.02%дан −3%га чейин орточо утуштарды жана G-PCCге каршы −10.62%дан −1.45%га чейин утуштарды сунуштайт. Бул дагы ачык-айкын артыкчылыкты көрсөтөтtagд, башкача айтканда, сунушталган алгоритмдин кысуу натыйжалуулугун жогорулатуу −10.62% дан − 1.45% чейин; PCL-PCC үчүн сунушталган алгоритм −154.43% дан −85.39% га чейин бардык ырааттуулуктар боюнча дээрлик эки эсеге көбөйгөн утушту көрсөтөт.
2. Ири масштабдуу сейрек чекит булут маалыматтарын кысуу натыйжалары
   Бул учурда S3D иштей албагандыктан, биз мейкиндиктик контекстке негизделген жоготуусуз геометриялык чекиттин булут кысуу алгоритмин PCL-PCC жана G-PCC ыкмалары менен чоң масштабдуу сейрек чекит булут маалыматтарында гана салыштырабыз. Дагы бир жолу, биздин алгоритм G-PCC жана PCL-PCC менен олуттуу аткарууга жетишет, 1-таблицада көрсөтүлгөндөй. Натыйжалар G-PCC менен салыштырганда − 8.84% дан −4.35% га чейинки орточо BPP кирешелери алынганын көрсөттү. PCL- PCC үчүн, биздин сунуштаган алгоритм ачык-айкын артыкчылыктарды көрсөтөтtages, −34.69%дан −23.94%га чейинки кирешелер менен.
3. Жыйынтык
   Жалгыз кадр чекитинин булут кысуунун натыйжаларын түшүнүктүүраак салыштыруу үчүн, 2-таблицада биздин мейкиндик контекстке негизделген кысуу ыкмасы менен башка заманбап эталондук ыкмалардын ортосундагы орточо натыйжалар берилген. S3D менен салыштырганда, биздин сунушталган ыкма - 0.58% дан - 3.43% га чейинки орточо кирешени көрсөтөт. G-PCC жана PCL-PCC боюнча, орточо жетишкендиктер, тиешелүүлүгүнө жараша, жок дегенде - 3.43% жана -95.03% жетишет. Эксперименталдык талдоо көрсөткөндөй, биздин мейкиндик контексттик кысуу ыкмасы учурдагы S3D, G-PCC жана PCL-PCCден бир кыйла айырма менен ашат. Ошентип, ал чекиттүү булут геометриясынын ар кандай көрүнүштөр үчүн жоготуусуз кысуу талаптарын канааттандыра алат, мисалы, тыгыз же сейрек бөлүштүрүү, жана биздин ыкманын натыйжалуулугу ырааттуу бойдон калууда.
4. Көп кадрдык чекиттүү булут кысуунун натыйжалары
   Биз сунуштаган мейкиндик-убакыттык контекстке негизделген чекит булутунун геометриясынын кысуу алгоритмин S4D, PCL-PCC, G-PCC жана interEM сыяктуу учурдагы кысуу алгоритмдерине каршы баалайбыз. Бул экспериментте жыш чекиттүү булут маалымат тизмегинин портреттери гана колдонулат. Натыйжалар сүрөттө көрсөтүлгөн.

Таблица 1. Биздин мейкиндик контекстке негизделген кысуу алгоритмибиздин жана базалык методдорубуздун BPP салыштыруулары.

Таблица 2. BPP бир кадр чекиттүү булут маалыматтары боюнча заманбап алгоритмдер менен салыштыруу.

Таблица 3. Көрүнүп тургандай, болжолдоо режиминде жана арифметикалык коддордо оптималдаштыруудан кийин, сунушталган алгоритм бардык тесттик тизмектер боюнча артыкчылыкты көрсөтөт. Тактап айтканда, interEM жана G-PCC менен салыштырганда, сунушталган алгоритм тиешелүүлүгүнө жараша −51.94% дан −17.13% жана −46.62% дан −5.7% га чейинки олуттуу кирешелерди көрсөтөт. S4D менен салыштырганда, сунушталган алгоритм −12.18% дан −0.33% га чейин күчтүү жакшыртууну көрсөтөт. PCL-PCCге келсек, биздин сунуштаган алгоритм бардык сыноо тизмектеринде дээрлик эки эсеге кыскарды.
Андан тышкары, биз 4-таблицада келтирилген портреттин жыш чекит булутунун маалымат ырааттуулугунда сунушталган ыкманын кысуу натыйжаларын жана жетишкендиктерин жалпылайбыз. Орточо алганда, ал мейкиндик контекстинде жетектелген чекит булутуна салыштырмалуу -11.5% жана -2.59% ортосундагы утуштарды берет. мурда сунушталган геометриялык кысуу алгоритми. Мындан тышкары, ал G-PCC менен салыштырганда − 19% жогору орточо жетишкендиктерди көрсөтөт жана interEM менен салыштырганда орточо коддоо пайдасына −24.55% жетишти. Кошумчалай кетсек, S3D жана S4D менен салыштырганда, ал тиешелүүлүгүнө жараша −6.11% жана −3.64% дан көбүрөөк жогорулайт. Жалпы эксперименталдык талдоо көрсөткөндөй, мейкиндик-убакыт контекстинде жетекчиликке алынган чекиттүү булут кысуу ыкмасы рамка ичиндеги жана кадр аралык ичиндеги чектеш катмарлардын мейкиндик жана убакыттык корреляциясын да толук пайдалана алат. Ошондой эле, биз төмөнкү бит ылдамдыгын алуу үчүн глобалдык контекстти тандоону жана арифметикалык коддордун ыктымалдык моделин жакшыртабыз. Сунушталган ыкма, динамикалык портреттер сыяктуу мультимедиялык колдонмо сценарийлеринде чекиттүү булут геометриясынын жоготуусуз кысуу талаптарына жооп берүү үчүн, заманбап алгоритмдердин аткаруусунан ашып кетет.

Таблица 3. Биздин мейкиндик-убакыттык контекстке негизделген кысуу алгоритмибиздин жана базалык методдорубуздун бит-пунктуна салыштыруу.

Таблица 4. Көп кадрлуу булут маалыматтарындагы заманбап алгоритмдер менен чекитке бит салыштыруу.

Абляция изилдөө
Бөлүмдүн эффективдүүлүгүн көрсөтүү үчүн 8i voxelized толук дене чекитинин булут маалымат ырааттуулугу боюнча алдын ала коддоо боюнча абляциялык изилдөөлөрдү жүргүзөбүз. 5-таблицадан көрүүгө болот, бул жакшыртуу көп кадрдык чекиттүү булут кысуу боюнча −70% жана бөлбөгөн алдын ала коддоого каршы бир кадрдык чекиттүү булут кысуу боюнча − 60% туруктуу пайданы көрсөтөт.
Андан кийин контексттик сөздүктүн натыйжалуулугун көрсөтүү үчүн арифметикалык коддоо боюнча абляциялык эксперимент жүргүзөбүз. 6-таблицада көрсөтүлгөндөй, биздин методдо контексттик сөздүксүз арифметикалык коддоого каршы көп кадрдык чекиттүү булут кысуу боюнча -33% жана бир кадрдык чекиттүү булут кысуу боюнча -41% күчтүү жакшыртуу байкалган.

Убакыт керектөө
Алгоритмдин татаалдыгын баалоо жана сунушталган ыкмаларды башкалар менен салыштыруу үчүн убакытты сынайбыз. Алгоритмдин татаалдыгы 7-таблицада келтирилген коддоочулар жана декодерлер тарабынан өз алдынча талданат. Көрүнүп тургандай, G-PCC, interEM жана PCL-PCC коддоо убактысына 10 секунддан азыраак жана 5 секунддан азыраак декоддоо убактысына жетише алат. портреттик тыгыз чекит булут маалыматтары. Алар ошондой эле башкаларга салыштырмалуу ири масштабдуу сейрек чекит булут маалыматтарын жакшы аткарат. Биздин сунуштаган алгоритмдер портреттик ырааттуулуктарды коддоо жана чечмелөө үчүн болжол менен 60 сек жана 15 сек убакытты талап кылат, фасад жана архитектура чекитинин булут маалыматтарында дагы. Бит ылдамдыгы менен кысуу ылдамдыгынын ортосунда келишпестик бар. Коддоштуруу үчүн жүздөгөн секунд талап кылынган S3D жана S4D менен салыштырганда, биздин көп убакытты талап кылган методубуз артыкчылыгын көрсөтө алат.
Кыскача айтканда, биз сунуштаган ыкмалардын убакытты коротуусу бардык салыштырылган алгоритмдердин арасында орточо, бирок дагы эле андан ары өркүндөтүлүшү керек.

Корутундулар

Бул макалада биз жоготуусуз чекиттүү булут геометриясын кысу⁃ үчүн мейкиндик-убакыттык контекстке негизделген методду сунуштайбыз. Биз киргизүү бирдиги катары бирдик калыңдыгынын кесилген чекит булутун карайбыз жана геометрияны болжолдоочу коддоо режимин кыдыруучу сатуучунун алгоритминин негизинде кабыл алабыз, ал кадр ичиндеги жана кадр аралыкка да тиешелүү. Мындан тышкары, биз чектүү булуттарды жоготуусуз кысуу жана декомпрессия натыйжаларына жетүү үчүн контекстти тез жаңыртууга негизделген глобалдык контексттик маалыматты жана адаптацияланган арифметикалык коддоочуну толук колдонобуз. Эксперименттик жыйынтыктар биздин методдорубуздун эффективдүүлүгүн жана мурунку изилдөөлөргө караганда алардын артыкчылыгын көрсөтүп турат. Келечектеги иш үчүн биз алгоритмдин татаалдыгын төмөндөтүп, жогорку ылдамдыктагы кысуу ылдамдыгына жана аз бит ылдамдыгын кысуу натыйжаларына жетүү үчүн алгоритмдин жалпы татаалдыгын изилдөөнү пландап жатабыз. Төмөн бит ылдамдыгы жана реалдуу убакыт/аз кечигүү менен колдоого алынган ыкма ар кандай көрүнүштөр үчүн абдан керек.

Шилтемелер

1. MI XX, YANG BS, DONG Z, et al. Автоматташтырылган 3D жолдун чек арасын алуу жана MLS чекит булуттарын колдонуу [J]. Интеллектуалдык транспорт системалары боюнча IEEE транзакциялары, 2022, 23(6): 5287 – 5297. DOI: 10.1109/ TITS.2021.3052882
2. DONG Z, LIANG FX, YANG BS, et al. Ири масштабдуу жер үстүндөгү лазердик сканер чекит булуттарды каттоо: а реview жана эталон [J]. ISPRS фотограмметрия жана алыстан зонддоо журналы, 2020, 163: 327– 342. DOI: 10.1016/j.isprsjprs.2020.03.013
3. ГРАЗИОСИ Д, НАКАГАМИ О, КУМА С, жана башкалар. An overview үзгүлтүксүз чекит булут кысуу стандартташтыруу иш-чаралардын: видео негизинде (V-PCC) жана геометрия негизделген (G-PCC) [J]. Сигнал жана маалыматты иштетүү боюнча APSIPA транзакциялары, 2020, 9: e13
4. DE QUEIROZ RL, CHOU P A. Аймакка ылайыкташтырылган иерархиялык трансформацияны колдонуу менен 3D чекиттүү булуттарды кысуу [J]. Сүрөттү иштетүү боюнча IEEE транзакциялары, 2016, 25(8): 3947–3956. DOI: 10.1109/TIP.2016.2575005
5. БЛЕТТЕРЕР А, ПАЯН Ф, АНТОНИНИ М, жана башкалар. Тереңдик карталарын колдонуу менен чекиттин булуттарын кысуу [J]. Электрондук сүрөт, 2016, 2016(21):1–6
6. MEKURIA R, BLOM K, CESAR P. Дизайн, ишке ашыруу жана теле-иммерсивдүү видео үчүн чекиттүү булут кодегин баалоо [J]. Видеотехнологиялар үчүн схемалар жана системалар боюнча IEEE транзакциялары, 2017, 27(4): 828 – 842. DOI: 10.1109/ TCSVT.2016.2543039
7. DE QUEIROZ RL, CHOU P A. Динамикалык вокселдүү чекиттүү булуттардын кыймылдын компенсацияланган кысуусу [J]. Сүрөттү иштетүү боюнча IEEE транзакциялары, 2017, 26 (8): 3886–3895. DOI: 10.1109/TIP.2017.2707807
8. CAO C, PREDA M, ZAHARIA T. 3D чекиттүү булут кысуу: сурамжылоо [C]// 24D боюнча 3-эл аралык конференция Web Технология. ACM, 2019: 1–9. DOI: 10.1145/3329714.3338130
9. ГРАЗИОСИ Д, НАКАГАМИ О, КУМА С, жана башкалар. An overview үзгүлтүксүз чекит булут кысуу стандартташтыруу иш-чаралардын: видео негизинде (V-PCC) жана геометрия негизделген (G-PCC) [J]. Сигнал жана маалыматты иштетүү боюнча APSIPA транзакциялары, 2020, 9(1): e13. DOI: 10.1017/atsip.2020.12
10. HUANG Y, PEN JL, KUO CJ жана башкалар. Октриге негизделген прогрессивдүү геометриялык чекиттүү булуттарды коддоо [C]//Пойнтага негизделген графика боюнча 3rd Eurographics/IEEE VGTC конференциясы. IEEE, 2016: 103–110
11. FAN YX, HUANG Y, PENG J L. Иерархиялык чекиттерди кластерлөөнүн негизинде чекит булут кысуу [C]//Asia-Pacific Signal and Information Processing Association Жылдык саммити жана конференциясы. IEEE, 2014: 1 – 7. DOI: 10.1109/APSIPA.2013.6694334
12. DRICOT A, ASCENSO J. Геометрияга негизделген чекиттүү булут коддоо үчүн адаптивдүү көп деңгээлдүү үч бурчтук шорпо [C]//Мультимедиа сигналдарын иштетүү боюнча 21-эл аралык семинар (MMSP). IEEE, 2019: 1 – 6. DOI: 10.1109/ MMSP.2019.8901791
13. HE C, RAN LQ, WANG L, et al. Форма үлгүсүнүн анализинин негизинде чекит коюлган беттин кысуу [J]. Мультимедиа куралдары жана тиркемелери, 2017, 76(20): 20545–20565. DOI: 10.1007/s11042-016-3991-0
14. IMDAD U, ASIF M, AHMAD M, et al. Үч өлчөмдүү чекиттүү булуттарды кысуу жана биринчи даражадагы полиномдорду колдонуу менен декомпрессия [J]. Симметрия, 2019, 11(2): 209. DOI: 10.3390/sym11020209
15. SUN XB, MA H, SUN YX, ж.б. Кластерликке негизделген жаңы чекиттүү булут кысуу алгоритми [J]. IEEE робототехника жана автоматташтыруу каттары, 2019, 4(2): 2132–2139. DOI: 10.1109/LRA.2019.2900747
16. DE OLIVEIRA RENTE P, BRITES C, ASCENSO J, et al. Графикке негизделген статикалык 3D чекит булуттарынын геометриясын коддоо [J]. Мультимедиа боюнча IEEE транзакциялары, 2019, 21(2): 284–299. DOI: 10.1109/TMM.2018.2859591
17. ISO. Геометрияга негизделген чекит булут кысуу (G-PCC): ISO/IEC 23090-9 [S]. 2021
18. DRICOT A, ASCENSO J. Гибриддик октри-тегиздик чекиттүү булут геометриясын коддоо [C]//27th European Signal Processing Conference (EUSIPCO). IEEE, 2019: 1–5
19. ZHANG X, GAO W, LIU S. Чекиттүү булут кысуу үчүн жашыруун геометрия бөлүмү [C]//2020-жылдагы Маалыматтарды кысуу конференциясынын материалдары (DCC). IEEE, 2020: 73–82. DOI: 10.1109/DCC47342.2020.00015
20. QUACH M, VALENZISE G, DUFAUX F. Жоготуу чекиттүү булут геометриясын кысуу үчүн конволюциялык трансформацияларды үйрөнүү [C]//2019-жылдагы IEEE Эл аралык сүрөт иштетүүчү конференциясы (ICIP). IEEE, 2019: 4320– 4324. DOI: 10.1109/ICIP.2019.8803413
21. HUANG TX, LIU Y. терең үйрөнүү боюнча 3D чекит булут геометриясын кысуу [C]//Мультимедиа боюнча 27th ACM эл аралык конференциясы. ACM, 2019: 890–898. DOI: 10.1145/3343031.3351061
22. GUARDA AFR, RODRIGUES NMM, PEREIRA F. Пойнттук булут коддоо: терең үйрөнүүгө негизделген мамилени кабыл алуу [C]//Picture Coding Symposium (PCS). IEEE, 2020: 1–5. DOI: 10.1109/PCS48520.2019.8954537
23. WANG JQ, ZHU H, MA Z, et al. Үйрөнгөн чекиттүү булут геометриясынын кысуу [EB/OL]. [2023-09-01]. https://arxiv.org/abs/1909.12037.pdf
24. АЙНАЛА К, МЕКУРИЯ РН, Хатария Б, ж.б. Октриге негизделген чекиттүү булуттарды кысуу үчүн жакшыртылган⁃ менталдык катмары тегиздик проекциясы менен жакынкы [C]//SPIE Optical Engineering+Applications. SPIE, 2016: 223– 231. DOI: 10.1117/12.2237753
25. SCHWARZ S, HANNUKSELA MM, FAKOUR-SEVOM V, жана башкалар. Көлөмдүү видео маалыматтарды 2D видео коддоо [C]//Picture Coding Symposium (PCS). IEEE, 2018: 61–65. DOI: 10.1109/PCS.2018.8456265
26. FAKOUR SEVOM V, SCHWARZ S, GABBOUJ M. Проекцияга негизделген динамикалык чекит булутунун коддоосу үчүн геометрияга негизделген 3D маалымат интерполяциясы [C]//Визуалдык маалыматты иштетүү боюнча 7-Европалык семинар (EUVIP). IEEE, 2019: 1–6. DOI: 0.1109/EUVIP.2018.8611760
27. КАТАРИЯ Б, ЛИ Л, ЛИ З, жана башкалар. Жоопсуз динамикалык чекит булутунун геометриясын компенсациялоо жана кыдыруучу сатуучу болжолдоо менен кысуу [C]// Маалыматтарды кысуу конференциясы. IEEE, 2018: 414. DOI: 10.1109/ DCC.2018.00067
28. ISO. Визуалдык көлөмдүү видео негизинде коддоо (V3C) жана видео негизинде чекит булут кысуу: ISO/IEC 23090-5 [S]. 2021
29. PARK J, LEE J, PARK S, et al. 3D чекиттүү булут кысуу үчүн проекцияга негизделген ээлөө картасы [J]. Акылдуу иштетүү жана эсептөө боюнча IEIE транзакциялары, 2020, 9(4): 293–297. DOI: 10.5573/ieiespc.2020.9.4.293
30. КОСТА А, ДРИКОТ А, БРИТЕС С, ж.б. MPEG V-PCC стандарты [C]//IEEE 21st International Workshop on Multimedia Signal Processing (MMSP) үчүн жакшыртылган патч таңгактоосу. IEEE, 2019: 1 – 6. DOI: 10.1109/ MMSP.2019.8901690
31. KAMMERL J, BLODOW N, RUSU RB, et al. Чектүү булут агымдарынын реалдуу убакытта кысуу [C]//Робототехника жана автоматташтыруу боюнча 2012 IEEE эл аралык конференциясынын материалдары. IEEE, 2012: 778 – 785. DOI: 10.1109/ ICRA.2012.6224647
32. PCL. Point булут китепканасы. [EB/OL]. [2023-09-01]. http://pointclouds.org/
33. THANOU D, CHOU PA, FROSSARD P. Динамикалык 3D чекит булут ырааттуулугун графикке негизделген кысуу [J]. Сүрөттү иштетүү боюнча IEEE транзакциялары, 2016, 25(4): 1765–1778. DOI: 10.1109/TIP.2016.2529506
34. ЛИ Л, ЛИ З, ЗАХАРЧЕНКО В жана башкалар. Видеого негизделген чекит булутунун атрибуттарын кысуу үчүн өркүндөтүлгөн 3D кыймылды болжолдоо [C]//Маалыматтарды кысуу конференциясы (DCC). IEEE, 2019: 498–507. DOI: 10.1109/DCC.2019.00058
    ZHAO LL, MA KK, LIN XH жана башкалар. Би-багыттуу болжолдоо жана диапазонго ыңгайлашуучу калкыма чекит коддоо [J] аркылуу реалдуу убакытта LiDAR чекитинин булут кысуу. Берүү боюнча IEEE транзакциялары, 2022, 68(3): 620 – 635. DOI: 10.1109/TBC.2022.3162406
35. LIN JP, LIU D, LI HQ жана башкалар. M-LVC: Үйрөнгөн видео кысуу үчүн бир нече кадрды болжолдоо [C]//IEEE/CVF Компьютердик көрүү жана үлгү таануу боюнча конференция. IEEE, 2020: 3543 – 3551. DOI: 10.1109/ CVPR42600.2020.00360
36. ЯН Р, МЕНЦЕР Ф, ВАН ГУЛ Л, жана башкалар. Иерархиялык сапаты жана кайталануучу өркүндөтүү менен видеону кысуу үчүн үйрөнүү [C]//IEEE/CVF Компьютердик көрүү жана үлгү таануу боюнча конференция. IEEE, 2020: 6627–6636.DOI: 10.1109/CVPR42600.2020.00666
37. KAYA EC, TABUS I. Секевендик оптималдаштырылган CNN моделдерин колдонуу менен чекиттүү булут ырааттуулугун жоготуусуз кысуу [J]. IEEE мүмкүнчүлүгү, 2022, 10: 83678 –83691. DOI: 10.1109/ACCESS.2022.3197295
38. DING S, MANNAN MA, POO A N. Эркин формадагы беттерди 5 огу иштетүүдө багытталган чектөөчү куту жана октриге негизделген глобалдык интерференцияны аныктоо [J]. Компьютердик дизайн, 2004, 36(13): 1281-1294
39. ALEXIOU E, VIOLA I, BORGES TM, жана башкалар. MPEG чекити булут кысуу ылдамдыгы-бурмалоо аткарууну комплекстүү изилдөө [J]. Сигнал жана маалыматты иштетүү боюнча APSIPA транзакциялары, 2019, 8: e27. doi:10.1017/ ATSIP.2019.20
40. PEIXOTO E. чекиттүү булуттун геометриясынын интра-кадрдык кысуу, диадиктик ажыратуу [J]. IEEE Signal Processing Letters, 2020, 27: 246–250. DOI: 10.1109/LSP.2020.2965322
41. RAMALHO E, PEIXOTO E, MEDEIROS E. Силуэт 4D контекстти тандоо менен: динамикалык чекит булуттарынын жоготуусуз геометриялык кысуу [J]. IEEE Signal Processing Letters, 2021, 28: 1660 – 1664. DOI: 10.1109/lsp.2021.3102525
42. ISO. G-PCC документи N00106 үчүн жалпы сыноо шарттары: ISO/IEC JTC 1/ SC 29/WG 7 MPEG [S]. 2021

Биографиялар

• Чжан Хуйран BE жана ME даражаларын Геодезия жана Геоматика мектебинде жана 2020 жана 2023-жылдары Ухань университетинен, Кытайдагы Геодезия жана геоматика боюнча мамлекеттик негизги лабораторияда, маркшейдердик карта жана алыстан зонддоодо алган. Учурда Кытайдын Гуанчжоу шаар куруу жана долбоорлоо изилдөө институтунун геодезист. Анын изилдөө кызыкчылыктарына чекиттүү булуттагы маалыматтарды иштетүү жана кысуу кирет. Ал аралыктан зонддоо тармагына байланыштуу бир нече долбоорлорго катышып, Вухан университетинин Геоматика жана маалымат илиминде бир макала жарыялаган.
• DONG Zhen (dongzhenwhu@whu.edu.cn) 2011 жана 2018-жылдары Кытайдын Ухань университетинде аралыктан зонддоо жана фотограмметрия боюнча BE жана PhD даражаларын алган. Ал Вухан университетинин (LIESMARS) маркшейдерлик, картага түшүрүү жана алыстан зонддоодогу маалымат инженериясынын мамлекеттик негизги лабораториясынын профессору. Анын илимий кызыкчылыктарына 3D реконструкциялоо, сахнаны түшүнүү, чекиттүү булуттарды иштетүү, ошондой эле аларды интеллектуалдык транспорт системасында, санариптик эгиз шаарларда, шаардык туруктуу өнүктүрүүдө жана робототехникада колдонуу кирет. Ал ар кандай республикалык жана эл аралык сынактардан 10дон ашык сыйлыктарды алган жана ар кандай журналдарда жана конференцияларда 60ка жакын макалаларды жарыялаган.
  WANG Mingsheng 2001-жылы Кытайдын Жилин университетинин Компьютердик илим жана технология колледжинде BE даражасын жана 2004-жылы Түштүк Кытай технологиялык университетинин Компьютердик илим жана инженерия мектебинде ME даражасын алган. Учурда ал Гуанчжоу шаар пландоо бөлүмүнүн улук инженери. & Дизайн изилдөө изилдөө институту, Кытай. Анын илимий кызыкчылыктарына компьютердик тиркемелерди жана программалык камсыздоону, физиографияны жана геодезияны камтыйт. Ал ар кандай республикалык сынактардан 20дан ашык сыйлыктарды алган жана ар кандай журналдарда жана конференцияларда 50гө жакын макалаларды жарыялаган.

DOI: 10.12142/ZTECOM.202304003
https://kns.cnki.net/kcms/detail/34.1294.TN.20231108.1004.002.html, 8-жылдын 2023-ноябрында онлайн жарыяланган
Кол жазма кабыл алынды: 2023-09-11

Документтер / Ресурстар

Lossless Point Cloud Геометрия кысуу үчүн ZTE жетектелген алгоритм [pdf] Колдонуучунун колдонмосу Жоготуусуз чекиттин булут геометриясын кысуу үчүн жетектелген алгоритм

Шилтемелер

• User Manual