非一致性稀疏采样的LiDAR点云压缩方法

陈元相， 陈建， 郑明魁， 陈志峰

(福州大学物理与信息工程学院， 福建 福州 350108)

0 引言

随着3D感知和获取技术的进步， 虚拟现实(virtual reality， VR)/增强现实(augmented reality， AR)/混合现实(mixed reality， MR)、 移动地图、 文物扫描、 智慧城市、 机器人和自动驾驶等新兴智能产业飞速发展， 3D点云已经成为这些产业中一种流行的数据存储和传输的格式. 在智能驾驶和移动机器人领域， 3D 激光雷达(light detection and ranging， LiDAR)传感器作为关键的点云采集设备， 对于真实环境的数字感知， 以及在定位、 路径规划[1]和障碍物检测[2]等应用中起着至关重要的作用. 存储和共享LiDAR点云是智能交通及车路协同系统的必然要求. 然而， 在实际应用中， 点云数据面临着与2D应用相同的带宽、 存储和压缩限制， 以及相似的质量水平期望， 3D技术所需处理的点云数据量通常比相似分辨率的2D媒体应用至少高一个数量级. 因而， 研究高效的点云压缩(point cloud compression, PCC)解决方案对于自动驾驶、 高级辅助驾驶等相关的产业具有重要的科学意义.

本文关注于单帧LiDAR点云压缩问题， 因为LiDAR点云序列的基本组成是单帧点云， 在点云后续的帧间预测中， 为了有效利用邻近帧之间的时域相关性， 使用先前已经编码的重建帧作为参考帧(关键帧)，对后续的编码帧进行预测. 对关键帧的压缩是帧间预测基本前提， 高性能的单帧压缩方案不仅可以为后续帧提供高质量的参考帧， 提高帧间预测准确度， 而且可以提升点云序列压缩率与性能. 单帧压缩是点云序列压缩的重要组成部分， 为此本文提……