技术特征：
1.一种点云属性预测方法，其特征在于，包括：步骤1、确定当前待编码点云的k个近邻点；步骤2、确定点云属性预测模式；步骤3、根据预测模式确定当前待编码点的属性预测值。2.根据权利要求1所述的点云属性预测方法，其特征在于，确定当前待编码点的k个近邻点，包括：(1)设原始点云中第k个点的笛卡尔坐标为(x
k
，y
k
，z
k
)，k＝0，
…
k
‑
1，k为原始点云中的点云数；(2)对原始点云的笛卡尔坐标进行量化转换，量化后的点云笛卡尔坐标为x
k
＝round(x
k
/qs)，y
k
＝round(y
k
/qs)，z
k
＝round(z
k
/qs)，其中，qs为设定的几何量化步长，qs＞0，round(s)为距离s最近的整数的运算符，(3)对点云进行重构，包括：(3
‑
1)对点云的笛卡尔坐标进行反量化转换，反量化转换后的点云坐标为x
k
′
＝round(x
k
*qs)，y
k
′
＝round(y
k
*qs)，z
k
′
＝round(z
k
*qs)，得到重构点云的几何信息；(3
‑
2)为重构点云中的每个点计算新的属性值，对点云属性重上色，包括：(3
‑2‑
1)设原始点云和重构点云的几何信息分别为(p
i
)
i＝0...k
‑1和设原始点云中原始点p
i
的原始属性值(a
i
)
i＝0...k
‑1，其中k和k
rec
分别为原始点云和重构点云中的点数；(3
‑2‑
2)针对重构点云中的每个点在原始点云中建立与q(i)的关系，其中q(i)为原始点云中被量化为的点集，q(i)＝(p
k
(i))
k∈{1，...，d(i)}
，d(i)为q(i)中包含点的个数；(3
‑2‑
3)计算重构点云中每个点的重构属性值的重构属性值其中，a
k
(i)为与原始点云中原始点p
k
(i)相对应的原始属性值，w
k
(i)表示每个原始点的加权权重w
k
(i)，其中，表示原始点p
k
(i)除以几何量化步长qs后的值，|| ||1为矩阵的1
‑
范数，∈为一个常数，∈＞0；(4)遍历重构点云中所有点的几何坐标，利用迭代查询表hilberttable[12][64][2]，得到与重构点云中所有点相对应的希尔伯特码；按照从小到大的顺序，对所有希尔伯特码进行排序，得到希尔伯特序；(5)设当前待编码点为p
cur
，当前待编码点为p
cur
的几何坐标为(x
cur
，y
cur
，z
cur
)，根据所述希尔伯特序，将当前待编码点p
cur
的前m个点为p
j
，p
j
的几何坐标为(x
j
，y
j
，z
j
)，j＝0
…
m
‑
1；利用公式|x
cur
‑
x
j
|+|y
cur
‑
y
j
|+|z
cur
‑
z
j
|，分别计算当前待编码点与m个点的曼哈顿距离，从m个点中选取与当前待编码点p
cur
的曼哈顿距离最近的k个点，将该k个点作为当前待编码点p
cur
的k个最近邻点，k＜m。3.根据权利要求1所述的点云属性预测方法，其特征在于，所述确定预测模式，包括：
(1)对当前待编码点云p
cur
的k个近邻点进行由近及远排序，得到序列p1p2…
p
k
，其中p1为与当前待编码点p
cur
的曼哈顿距离最近的点；(2)设p1的属性值为a1，与当前待编码点的曼哈顿距离最远的点即为p
k
，设p
k
的属性值为a
k
；(3)设定阈值为a_diff；(4)根据最近邻点p1与最远邻点p
k
的属性值差值的绝对值|a1‑
a
k
|与预设阈值a_diff的大小关系确定预测模式：若最近邻点p1与最远邻点p
k
的属性值差值的绝对值不超过阈值，即|a1‑
a
k
|≤a_diff，则使用加权模式来获取当前待编码点的属性预测值a，若最近邻点p1与最远邻点p
k
的属性值差值的绝对值超过阈值，|a1‑
a
k
|＞a_diff，则采用最近邻点预测模式来获取当前待编码点的属性预测值a。4.根据权利要求3所述的点云属性预测方法，其特征在于，所述阈值a_diff设为：a_diff＝3
×
attrquantstep+30，其中attrquantstep为属性量化参数。5.根据权利要求3所述的点云属性预测方法，其特征在于，所述加权模式获取当前待编码点的属性预测值a，w
i
为权重，w
i
的值等于第i个近邻点与当前待编码点的曼哈顿距离。6.根据权利要求3所述的点云属性预测方法，其特征在于，所述采用最近邻点预测模式获取当前待编码点的属性预测值a，a＝a
j
，j＝1。7.一种点云属性预测设备，其特征在于，包括处理器、存储器、通信接口以及通信总线；存储器上存储有可被处理器执行的计算机可读程序；通信总线实现处理器和存储器之间的连接通信；处理器执行计算机可读程序时实现如权利要求1
‑
6任一项所述的点云属性预测方法。
技术总结
本申请属于点云数据处理技术领域，具体而言，涉及一种点云属性预测方法及其设备。本公开包括：确定当前待编码点的K个近邻点，确定预测模式，根据预测模式确定当前待编码点的属性预测值。本发明在确保编解码复杂度基本不变的前提下，能够有效提高压缩效率。通过加权模式与最近邻点预测模式的结合，削弱了因点与点之间角度，或点与点所在区域反射系数相差过大，造成的近邻点与当前点相比的属性突变，对预测当前待编码点的影响，提高预测的精度，减小预测残差，提高激光雷达点云反射率属性预测的准确性，更好的利用激光雷达点云序列的邻居点对当前点的预测作用。当前点的预测作用。当前点的预测作用。
技术研发人员：陈建文 任青山 尹茜 赵丽丽
受保护的技术使用者：北京易智能科技有限公司
技术研发日：2021.08.19
技术公布日：2021/12/10