- 1、本文档共14页,其中可免费阅读13页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供了一种基于切片的深度学习点云几何压缩方法,包括:S1.预处理;S2.切片分割;S3.深度学习模型的设计与训练;S4.熵模型处理;S5.熵编码/熵解码:已知待编码/解码符号的概率分布,使用算术编码器/解码器将符号进行无损编解码,实现高效压缩,获得解码体素的顺序;S6.点云的重建:熵解码之后得到体素的占位码信息,根据解码体素的顺序,恢复各个点的坐标,进而重建点云的几何信息。本发明方法通过将点云转换为切片序列表示的形式,能够高效地压缩点云数据,减少数据的冗余信息。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117528120A
(43)申请公布日2024.02.06
(21)申请号202311479611.4
(22)申请日2023.11.08
(71)申请人北京大学深圳研究生院
地址51
文档评论(0)