基于深度学习的利用距离场隐式表征的点云压缩方法

本发明公开了一种基于深度学习的利用距离场隐式表征的点云压缩方法，用于在点云压缩过程中保留原始点云的表面特征从而生成任意不同密度的重建点云，该方法包括：获取初始点云；进行数据预处理，对获取的点云生成mesh，根据mesh面积比例进行不同采样策略进行训练；构建符号距离场隐式表征函数，用隐式的场来表征点云表面；利用空间占用率低的八叉树编码，可以选择进行不同细粒度的细节表现编码；设计符号距离场和重建点云的损失函数进行训练；对生成的模型进行量化压缩；利用行进立方体算法进行解码还原点云。本方法不依赖大批量数据从而实现对单个点云进行高效的表示。