图形变化的点云压缩.docxVIP

基于图形的运动评估和动态3D点云压缩的补偿摘要这篇论文解决的是3D点云序列的运动估计问题。这些3d点云序列有移动的3D位置和颜色属性的特点。运动估计是有效的压缩这些数据的关键，但是由于它短暂的连续帧有不同的大小、没有清楚的相关信息，使它成为一个具有挑战性问题。我们用一组图形来代表这些序列的时变几何结构，并且认为这些点云的3D位置和颜色属性作为图形最高点的信号。之后我们计算运动估计作为连续图像之间的特征匹配问题。使用新的频谱图小波描述符（new spectral graph wavelet descriptors）在一组稀疏的代表性顶点上估计运动。最终通过求解基于图的规则化问题来内插密集运动场。估计的运动最终用于3D点云序列的压缩中的颜色补偿。实验结果表明，我们的方法能够准确地估计运动，并在色彩压缩性能方面带来显着的改进。1.介绍诸如运动中的人的动态3D场景越来越多地被彩色加深度视频摄像机阵列捕获。与计算机生成的几何形状不同，所得到的捕获的几何形状几乎没有显式的时空结构，并且通常由点云的序列表示，其中在每个帧中可能存在不同数量的点，并且在时间上没有点之间的显式关联。执行运动估计，运动补偿和这种数据的压缩是一项具有挑战性的任务。很遗憾，到目前为止3D点云压缩序列在文献中已经被很大程度的忽视了。在压缩静态3D点云中几乎没有任何的贡献。一些示例包括基于2D小波变换的方案和基于八叉树的几何压