本发明公开了一种基于稀疏卷积神经网络的点云几何无损压缩方法。该方法包括以下步骤：S1，将点云数据转换成稀疏张量形式，并通过体素下采样生成多个尺度的点云数据；S2，基于稀疏卷积神经网络建立概率预测模型，用于估计体素的占据概率；概率预测模型采用基于隐层特征的概率预测模型或者基于邻居上下文的概率预测模型；S3，将低尺度点云输入概率预测模型中，预测出高尺度点云中每个体素被占据的概率，根据概率对体素的实际占用符号用熵编码无损压缩，输出最终编码码流。本发明能够减少编解码复杂度，且压缩性能更好。
声明：
“基于稀疏卷积神经网络的点云几何无损压缩方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
763
编辑：管理员
来源：北方有色网
咨询细节
