一种基于神经网络的动态获取点云编码方法

摘要：

由于点云数据的稀疏性和无序性,导致其很难被压缩到较小的空间中,为此,可以将三维点云图像转换成二维距离图像,然后使用传统方法进行压缩.但传统方法在压缩过程中难以去除点云数据的相关性,对此,本文设计了一种基于神经网络的改变点云数据分布特点的方法.我们在神经网络中加入了广义除法归一化层,通过线性变换级联非线性变换,实现对点云数据的映射和高斯化,增强点云数据的空间相关性.同时,在解码步骤中使用残差网络增加网络深度,这将使网络有更好的泛化性能,从而达到更好的图像编码效果.与其他方法相比,本文针对二维点云距离图像对网络进行了优化,并且在保持相同质量情况下,码率节省了4.78％～5.63％,取得了更好的图像压缩编码效果.

关键词：三维、激光雷达、点云、图像压缩、GDN层、神经网络

所属期刊栏目：29

分类号：TP391;TN919.81;U495

资助基金：福建省自然科学基金资助项目;中国福建光电信息科学与技术创新实验室闽都创新实验室资助项目

在线出版日期：2022-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：121-125