(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210902132.8 (22)申请日 2022.07.29 (71)申请人 上海工程 技术大学 地址 201620 上海市松江区龙腾路3 33号 (72)发明人 方志军　庄乐辉　田瑾　姜晓燕　 谭清宇　 (74)专利代理 机构 上海唯智赢专利代理事务所 (普通合伙) 31293 专利代理师 刘朵朵 (51)Int.Cl. G06T 9/40(2006.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于非对称自编码器结构的点云几何 压缩方法 (57)摘要 本发明公开了一种基于非对称自编码器结 构的点云几何压缩方法， 属于点云压缩技术领 域。 该方案包括： 首先对预先获取的点云数据集 进行预处理， 得到训练数据； 构建非对称点云几 何压缩网络模 型， 所述非对称点 云几何压缩网络 包括非对称的编码器网络和解码器网络； 构建多 尺度加权失真损失函数， 对所述非对称点云几何 压缩网络进行训练； 最后将所述点云数据输入至 训练好的所述非对称点云几何压缩网络实现点 云压缩。 本发明实现了3D点云数据更好的压缩性 能， 与MEPG方法相比， 本发明在率失真性能上远 超过了MPEG的G ‑PCC与V‑PCC。 同时， 在相近的位 率下， 本发明重建出的点 云可视化效果比MPEG方 法表现更好。 权利要求书2页 说明书5页 附图2页 CN 115393452 A 2022.11.25 CN 115393452 A 1.一种基于非对称自编码器结构的点云几何压缩方法， 其特 征在于， 包括： (1)对预先获取的点云数据集进行 预处理， 得到训练数据； (2)构建非对称点云几何压缩网络模型， 所述非对称点云几何压缩几何网络包括非对 称的编码器网络和解码器网络； (3)构建多尺度加权失真损失函数， 对所述非对称点云几何压缩网络进行训练； (4)将所述 点云数据输入至训练好的所述非对称点云几何压缩网络实现点云压缩。 2.根据权利要求1所述的基于非对称自编码器结构的点云几何压缩方法， 其特征在于， 所述对预 先获取的点云数据集进行 预处理包括： 对所述点云数据集进行随机采样得到随机数目的点云数据； 对所述点云数据进行随机 旋转增加数据多样性； 通过坐标量 化， 得到符合要求的所述训练数据。 3.根据权利要求1所述的基于非对称自编码器结构的点云几何压缩方法， 其特征在于： 构建非对称点云几何压缩网络模型包括： 相对解码器网络， 设计更为复杂的编码器网络， 有利于实现更好的率失真性能； 所述编码器网络包含多组下采样模块与注意力模块， 通过所述编码器网络对输入点云 进行下采样操作， 得到下采样点云几何信息与属性信息， 将其分别进行压缩， 实现点云编 码； 所述解码器网络包含多组上采样模块与宽感受野模块， 将压缩文件输入所述解码器网 络， 通过所述上采样模块实现点云数目恢复， 通过所述宽感受野模块得到更高质量的重建 点云， 得到解码数据。 4.据权利要求3所述的基于非对称自编码器结构的点云几何压缩方法， 其特 征在于： 所述下采样模块 通过步长为2的卷积模块实现； 所述注意力模块包含注意力分支和并行残差分支， 所述注意力分支通过残差模块提取 特征， sigmoid非线性激活计算得到注 意力掩码； 所述并行残差 分支通过三个并行残差网络 提取点云特征图； 将所述点云特征图与所述注意力掩码逐元素相乘， 得到所述下采样点云 几何信息与属性信息 。 5.根据权利要求3所述的基于非对称自编码器结构的点云几何压缩方法， 其特 征在于： 所述上采样模块 通过步长为2的转置卷积模块实现； 所述宽感受野模块由宽感受野 网络与残差模块组成； 所述宽感受野模块通过宽的感受 野， 提取特征信息； 将所述特 征信息输入所述残差模块， 得到高质量的重建点云。 6.据权利要求3所述的基于非对称自编码器结构的点云几何压缩方法， 其特征在于： 对 所述下采样点云的几何信息与属性信息分别进行压缩 包括： 对所述点云几何信息通过八叉树编码器进行 无损压缩， 确保几何信息的准确； 对所述点云属性信息通过算术编码器进行有损压缩， 对所述点云属性信息先进行量 化， 再通过超先验提高属性信息的条件概 率估计。 7.根据权利要求1所述的基于非对称自编码器结构的点云几何压缩方法， 其特征在于： 所述多尺度加权失真损失函数为： 根据每个尺度所述重建点云， 通过二分类交叉熵损 失对体素占用情况进行判断， 所述 二进制交叉熵损失表达式为：权　利　要　求　书 1/2 页 2 CN 115393452 A 2其中xi是当前体素的真实标签， pi为预测的体素被占用的概率， N是生成点云中点的数 量， k为解码层序号； 根据所述 二进制交叉熵损失， 构建多尺度加权失真损失， 表达式为： 其中， Dk为不同尺度下的二进制交叉熵损失， δk为相应的失真度系数。 8.一种基于非对称自编码器结构的点云几何压缩系统， 其特 征在于， 包括： 获取模块： 用于对预 先获取的点云数据集进行 预处理， 得到训练数据； 建模模块： 用于构建非对称点云几何压缩网络模型， 所述非对称点云几何压缩网络包 括非对称的编码器网络和解码器网络； 训练模块： 用于构建多尺度加权失真损 失函数， 对所述非对称点云几何压缩网络进行 训练； 验证模块： 用于将所述点云数据输入至训练好的所述非对称点云几何压缩 网络实现点 云压缩。 9.一种设备， 包括存储器、 处理器以及存储在存储器中并能在存储器上执行的计算机 程序， 其特征在于： 所述处理器执行计算机程序时实现如权利要求 1‑7中任一项 所述的基于 非对称自编码器结构的点云几何压缩方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于： 当所述计算机程 序在计算机中执行时， 令计算机执行权利要求1 ‑7中任一项所述的基于非对称自编码器结 构的点云几何压缩方法。权　利　要　求　书 2/2 页 3 CN 115393452 A 3