一种基于神经网络的动态获取点云编码方法

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。