摘要
本发明基于跨维度特征协同的点云压缩方法属于点云压缩方法技术领域,本方法具体步骤如下:步骤S1、将输入点云投影成距离图像并提取距离图像特征;步骤S2、对输入点云数据进行下采样提取特征与坐标;步骤S3、将特征降维与熵编码;步骤S5、利用融合特征自适应地对下采样点云坐标进行上采样解压重建点云。本发明提出结合距离图像信息和点云信息的激光雷达点云压缩框架。这种框架实现了点云特征与距离图像特征的结合,能够在提升几何重建精度的同时,显著降低编码冗余。
技术关键词
融合特征
重建点云
深度卷积神经网络
激光雷达点云压缩
三维激光雷达点云
扫描式激光雷达
点云压缩方法
生成距离图像
坐标
多头注意力机制
解码器
激光器
全局平均池化
熵编码器
上采样
点云特征
系统为您推荐了相关专利信息
迁移卷积神经网络
连续小波变换
滚动轴承故障诊断
深度卷积神经网络
样本
流量异常检测方法
抽水蓄能电站
统计特征
会话
电网调度系统
故障预测模型
故障预测方法
实时数据
机车
融合特征
肝脏肿瘤分割方法
多模态
解码器
编码器
图像编码