一种基于相对熵的点云质量评估方法

技术领域

本发明属于多媒体信息处理领域，涉及一种基于相对熵的点云质量评估方法。

背景技术

点云作为一种新兴的多媒体类型，在智能交通、无人驾驶、虚拟现实等领域得到了广泛关注。一个典型的点云由数百万个非结构化、非均匀分布的3D点组成，每一个点都至少包含位置信息和颜色信息。

与传统的图像处理方法类似，点云的处理经历采样、压缩、传输、重建、渲染和分析等步骤。由于技术的限制，在以上处理过程中，点云的质量一定会受到损害，例如有损压缩会导致失真，采样过程中会受到噪声污染等，因此，对有损点云进行准确的质量评估至关重要。

点云的质量评估可分为主观评估和客观评估，主观评估是按照观看者的主观观感来对点云进行评估，一种常见的主观质量评估方法给出原始点云(参考点云)和失真点云(待评估点云)，让观看者们给待评估图像评分，再对所有主观得分求和取平均，得到平均主观得分；客观评估是使用某种特定的数学模型给出参考图像和待评估图像之间的差异量化值。主观评估受到观看者主观喜好、观看设备场地等因素影响，成本高、效率低；客观评估的分数不受主观因素影响，在点云质量评估领域得到了广泛应用。申请人发现，现有的点云客观质量评估算法精确度不够，造成后续处理步骤效率低下。

发明内容

有鉴于此，本发明的目的在于提供一种基于相对熵的点云质量评估方法。该方法考虑了点云的几何特征和颜色特征，首先通过对参考点云进行重采样来提取几何关键点，形成几何骨架。然后在参考点云和失真点云中以这些关键点为中心分别构造子点云，对参考点云和失真点云的子点云从几何失真、颜色失真两个角度进行评估：首先计算参考点云和失真点云的子点云的快速点特征直方图，再计算点特征直方图之间的相对熵来度量几何失真程度，得到子点云的几何质量；计算参考点云和失真点云的子点云的颜色梯度的统计矩来衡量颜色失真程度，得到子点云的颜色质量。最后，将所有子点云的几何质量和颜色质量进行线性加权，得到基于相对熵的张量点云质量评估模型。

为达到上述目的，本发明提供如下技术方案：

一种基于相对熵的点云质量评估方法，包括以下步骤：

S1：对参考点云进行下采样，通过高通图滤波器来获取下采样后参考点云的几何架构。

S2：使用k最近邻分类算法，在参考点云和失真点云中构建以几何架构为中心的子点云，分别记作S

S3：计算S

S4：将S

S5：加权聚合子点云的几何质量结果和颜色质量结果，得到最终的基于相对熵的张量点云质量评估模型；

进一步，步骤S1中包括以下步骤：

S11：参考点云由N个点组成，每个点有K个属性，记为：

其中，

S12：使用几何距离

其中，σ

S13：使用对角矩阵D来测量每个顶点的边缘密度，点

S14：参考点云通过的高通滤波器表示为：

其中L是滤波器长度，h

A＝D

S15：在h(A)的基础上，选择一个类哈尔局部域滤波器h

其中λ

S16：每一个通过该滤波器的点

其中

设滤波器采样频率为f

进一步，步骤S2中，给定一个欧式距离阈值γ，在参考点云和失真点云中以

其中S

子点云中的点按照距离几何关键点的距离进行由小到大的排列。

进一步，步骤S3所述将相对熵当作该子点云的几何质量结果的具体步骤包括：

S31：从S

从S

S32：在S

在S

S33：在S

在S

S34：计算S

其中d

S35：计算FPFH

进一步，步骤S4中所述计算得到该子点云的颜色质量结果，具体包括以下步骤：

S41：将S

S42：定义第零矩、第一矩、第二矩分别为总数m

S43：定义S

N

S44：将以上3个度量值相乘，得到S

进一步，步骤S5中所述加权聚合子点云的几何质量结果和颜色质量结果，得到最终的基于相对熵的张量点云质量评估模型为：

其中，

本发明的有益效果在于：本模型既评估了点云的颜色质量，又在相对熵的理论上，精准评估了点云的几何张量。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明采用的系统流程图；

图2为本发明方法步骤S1中对点云重采样的示意图；

图3为本发明方法步骤S2中根据几何架构聚类后的示意图；

图4为本发明方法步骤S3中影响子点云的快速点特征直方图的区域图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

如图1所示，本发明提供一种基于相对熵的点云质量评估方法，包括以下步骤：

S1：如图2所示，将点云通过高通滤波器进行重采样，得到几何架构。

点云由N个点组成，每个点有K个属性。把这种点云记为

使用几何距离

使用对角矩阵D来测量每个顶点的边缘密度。点

参考点云通过的高通滤波器表示为

其中L是滤波器长度，h

A＝D

在h(A)的基础上，选择一个类哈尔局部域滤波器h

其中λ

每一个通过该滤波器的点

设滤波器采样频率为f

进一步，对所述步骤S2中，给定一个欧式距离阈值γ，在参考点云和失真点云中以

子点云中的点按照距离几何关键点的距离进行由小到大的排列。

S3所述将相对熵当作该子点云的几何质量结果的具体步骤包括：

S31：从S

从S

S32：在S

在S

S33：在S

在S

S44：影响第一主成分的快速点特征直方图的区域如图4所示。计算S

其中d

S35：计算FPFH

进一步，S4中得到子点云的颜色质量结果的具体步骤为：

S41：将S

S42：定义第零矩、第一矩、第二矩分别为总数m

S43：定义S

N

S44：将以上3个度量值相乘，得到S

进一步，所述步骤S5中加权聚合子点云的几何质量结果和颜色质量结果，得到最终的基于相对熵的张量点云质量评估模型为：

其中，

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。