一种基于高效采样与优化熵模型的点云端到端压缩方法

本发明公开了一种基于高效采样与优化熵模型的点云端到端压缩方法，在现有技术上通过利用局部图的构造、图特征嵌入和基于注意的采样设计神经图采样模块，将其嵌入到编码过程中的特征提取网络，采用多模块堆叠的方式来提取原始点云的潜在关键点，有效提升了采样效率；通过非对称空间信道熵模块利用可变形动态核扩展空间聚合能力，并将潜在变量沿着信道维度分组，在保持编码效率的同时减少了统计冗余。本发明基于神经图采样模块和非对称空间信道熵模块的加入，实现了最具采样价值点的获取和分布参数估计的有效优化，从而实现海量点云数据的端到端压缩。