【技术实现步骤摘要】
本专利技术涉及点云数据压缩，尤其涉及一种动态点云数据的压缩方法、装置、计算机设备及介质。
技术介绍
1、目前，三维点云数据可以广泛应用于建筑建模场景等，以获取到高精度的三维信息，例如医疗场景下应用智能机器人进行医疗建筑内部空间建模，从而提供医疗场景三维模型空间作为智能机器人的巡航、寻址等功能基础，上述智能机器人可以支持医疗场景内部的地点引导、协助取药等功能。
2、然而，高精度也意味着三维点云数据的数据量较大，相应地，点云数据占用的存储空间较大，而在使用动态的三维点云数据时，点云数据的存储压力会进一步提升，因此，在三维点云数据进行存储、传输等操作时，通常需要对三维点云数据进行压缩后再处理。
3、但是，现有的三维点云数据压缩方式仅能针对于单帧的三维点云数据，在面对多帧动态的三维点云数据时，仍然是对多帧三维点云数据进行分帧后再逐帧处理，导致动态点云数据的压缩效率较低，因此，如何提高动态点云数据的压缩效率，进而降低医疗场景下点云建模的存储压力，提高智能机器人在医疗场景下的可应用性成为亟待解决的问题。
技术实现思路
1、有鉴于此，本专利技术实施例提供了一种动态点云数据的压缩方法、装置、计算机设备及介质，以解决动态点云数据的压缩效率较低的问题。
2、第一方面，本专利技术实施例提供一种动态点云数据的压缩方法，所述压缩方法包括：
3、获取目标空间内的当前点云数据，将所述目标空间均分为n个子空间，统计得到每个子空间内包含点云数据的数据数量，n为大于一的
4、将每个子空间的数据数量作为对应子空间的空间标识，对所有空间标识进行排序，得到对应所述目标空间的一级标识序列；
5、获取预设标识阈值，确定大于所述预设标识阈值的空间标识对应的子空间为目标子空间，从所述一级标识序列中确定所述目标子空间的排序位置；
6、将所述目标子空间均分为n个子空间，统计得到每个子空间内包含点云数据的数据数量，将每个子空间的数据数量作为对应子空间的空间标识，对所有空间标识进行排序，得到对应所述目标子空间的二级标识序列；
7、根据所述目标子空间的排序位置和二级标识序列，形成描述所述目标子空间的描述信息，根据所述一级标识序列中所有目标子空间的排序位置，将所有的目标子空间的描述信息拼接，得到拼接结果，确定所述拼接结果为所述当前点云数据的目标描述信息；
8、获取当前点云数据的前一时刻点云数据的参考描述信息，使用预设的预测模型，提取所述目标描述信息和所述参考描述信息的关联信息，并根据所述关联信息，得到所述目标描述信息的目标概率分布，对所述目标概率分布进行熵编码，得到编码结果，确定所述编码结果为所述当前点云数据的压缩结果。
9、第二方面，本专利技术实施例提供一种动态点云数据的压缩装置，所述压缩装置包括：
10、数量统计模块，用于获取目标空间内的当前点云数据，将所述目标空间均分为n个子空间，统计得到每个子空间内包含点云数据的数据数量，n为大于一的整数；
11、第一排序模块，用于将每个子空间的数据数量作为对应子空间的空间标识，对所有空间标识进行排序，得到对应所述目标空间的一级标识序列；
12、位置确定模块，用于获取预设标识阈值，确定大于所述预设标识阈值的空间标识对应的子空间为目标子空间，从所述一级标识序列中确定所述目标子空间的排序位置；
13、第二排序模块，用于将所述目标子空间均分为n个子空间，统计得到每个子空间内包含点云数据的数据数量，将每个子空间的数据数量作为对应子空间的空间标识，对所有空间标识进行排序，得到对应所述目标子空间的二级标识序列；
14、空间描述模块，用于根据所述目标子空间的排序位置和二级标识序列，形成描述所述目标子空间的描述信息，根据所述一级标识序列中所有目标子空间的排序位置，将所有的目标子空间的描述信息拼接，得到拼接结果，确定所述拼接结果为所述当前点云数据的目标描述信息；
15、点云压缩模块，用于获取当前点云数据的前一时刻点云数据的参考描述信息，使用预设的预测模型，提取所述目标描述信息和所述参考描述信息的关联信息，并根据所述关联信息，得到所述目标描述信息的目标概率分布，对所述目标概率分布进行熵编码，得到编码结果，确定所述编码结果为所述当前点云数据的压缩结果。
16、第三方面，本专利技术实施例提供一种计算机设备，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的压缩方法。
17、第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的压缩方法。
18、本专利技术实施例与现有技术相比存在的有益效果是：
19、获取目标空间内的当前点云数据，将目标空间均分为n个子空间，统计得到每个子空间内包含点云数据的数据数量，将每个子空间的数据数量作为对应子空间的空间标识，对所有空间标识进行排序，得到对应目标空间的一级标识序列，获取预设标识阈值，确定大于预设标识阈值的空间标识对应的子空间为目标子空间，从一级标识序列中确定目标子空间的排序位置，将目标子空间均分为n个子空间，统计得到每个子空间内包含点云数据的数据数量，将每个子空间的数据数量作为对应子空间的空间标识，对所有空间标识进行排序，得到对应目标子空间的二级标识序列，根据目标子空间的排序位置和二级标识序列，形成描述目标子空间的描述信息，根据一级标识序列中所有目标子空间的排序位置，将所有的目标子空间的描述信息拼接，得到拼接结果，确定拼接结果为当前点云数据的目标描述信息，获取当前点云数据的前一时刻点云数据的参考描述信息，使用预设的预测模型，提取目标描述信息和参考描述信息的关联信息，并根据关联信息，得到目标描述信息的目标概率分布，对目标概率分布进行熵编码，得到编码结果，确定编码结果为当前点云数据的压缩结果，对当前点云数据所属的三维空间进行多次空间均分，从而准确得到当前点云数据中各个点的空域描述信息，联合参考描述信息和目标描述信息进行分布预测，充分利用了动态点云数据的时域相关性，从而提高了动态点云数据的压缩效率和压缩比率，进而降低医疗场景下点云建模的存储压力，提高智能机器人在医疗场景下的可应用性。
本文档来自技高网...【技术保护点】
1.一种动态点云数据的压缩方法，其特征在于，所述压缩方法包括：
2.根据权利要求1所述的压缩方法，其特征在于，所述将每个子空间的数据数量作为对应子空间的空间标识，包括：
3.根据权利要求1所述的压缩方法，其特征在于，所述对所有空间标识进行排序，得到对应所述目标空间的一级标识序列，包括：
4.根据权利要求1所述的压缩方法，其特征在于，所根据所述目标子空间的排序位置和二级标识序列，形成描述所述目标子空间的描述信息，包括：
5.根据权利要求1所述的压缩方法，其特征在于，所述将所有的目标子空间的描述信息拼接，得到拼接结果，确定所述拼接结果为所述当前点云数据的目标描述信息，包括：
6.根据权利要求1所述的压缩方法，其特征在于，所述预测模型包括第一编码器、第二编码器和第三编码器，所述第一编码器和所述第二编码器相同；
7.根据权利要求1至6任一项所述的压缩方法，其特征在于，所述对所述目标概率分布进行熵编码，得到编码结果，包括：
8.一种动态点云数据的压缩装置，其特征在于，所述压缩装置包括：
9.一种
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的压缩方法。
...【技术特征摘要】
1.一种动态点云数据的压缩方法，其特征在于，所述压缩方法包括：
2.根据权利要求1所述的压缩方法，其特征在于，所述将每个子空间的数据数量作为对应子空间的空间标识，包括：
3.根据权利要求1所述的压缩方法，其特征在于，所述对所有空间标识进行排序，得到对应所述目标空间的一级标识序列，包括：
4.根据权利要求1所述的压缩方法，其特征在于，所根据所述目标子空间的排序位置和二级标识序列，形成描述所述目标子空间的描述信息，包括：
5.根据权利要求1所述的压缩方法，其特征在于，所述将所有的目标子空间的描述信息拼接，得到拼接结果，确定所述拼接结果为所述当前点云数据的目标描述信息，包括：
6.根据权利要求1所述的压缩方法，其...
【专利技术属性】
技术研发人员：李佳琳，瞿晓阳，鲁凯，王健宗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。