点云编码处理方法、点云解码处理方法及相关设备

技术领域

本申请属于计算机技术领域，具体涉及一种点云编码处理方法、点云解码处理方法及相关设备。

背景技术

点云是三维物体或场景的一种表现形式，是由空间中一组无规则分布、表达三维物体或场景空间结构和表面属性的离散点集所构成。为了准确反映空间中的信息，所需离散点的数量相当大，而为了减少点云数据存储和传输时所占用的带宽，需要对点云数据进行编码压缩处理。点云数据通常由描述位置的几何信息如三维坐标(x，y，z)，以及该位置的属性信息如颜色(R，G，B)或者反射率等构成。在点云编码压缩过程中对几何信息及属性信息的编码是分开进行的。

目前，对点云的属性信息进行编码的过程，去除信息间冗余的效果较差，从而导致编码效率较低。

发明内容

本申请实施例提供一种点云编码处理方法、点云解码处理方法及相关设备，能够解决编码效率较低的问题。

第一方面，提供了一种点云编码处理方法，该方法包括：

确定分布特性值，所述分布特性值用于表示待编码属性信息的分布特性信息；

基于所述分布特性值确定所述待编码属性信息对应的目标阶数，所述目标阶数为指数哥伦布编码的阶数；

基于所述目标阶数的指数哥伦布编码算法对所述待编码属性信息进行熵编码，得到属性码流。

第二方面，提供了一种点云解码处理方法，该方法包括：

确定待解码属性码流对应的目标阶数，所述目标阶数为指数哥伦布解码的阶数；

基于所述目标阶数的指数哥伦布解码算法对所述待解码属性码流进行熵解码。

第三方面，提供了一种点云编码处理装置，包括：

第一确定模块，用于确定分布特性值，所述分布特性值用于表示待编码属性信息的分布特性信息；

第二确定模块，用于基于所述分布特性值确定所述待编码属性信息对应的目标阶数，所述目标阶数为指数哥伦布编码的阶数；

编码模块，用于基于所述目标阶数的指数哥伦布编码算法对所述待编码属性信息进行熵编码，得到属性码流。

第四方面，提供了一种点云解码处理装置，包括：

确定模块，用于确定待解码属性码流对应的目标阶数，所述目标阶数为指数哥伦布解码的阶数；

解码模块，用于基于所述目标阶数的指数哥伦布解码算法对所述待解码属性码流进行熵解码。

第五方面，本申请实施例提供了一种电子设备，该电子设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤，或者，所述程序或指令被所述处理器执行时实现如第二方面所述的方法的步骤。

第六方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤，或者，所述程序或指令被处理器执行时实现如第二方面所述的方法的步骤。

第七方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面或第二方面所述的方法。

第八方面，本申请实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如第一方面或第二方面所述的方法。

本申请实施例中，确定分布特性值，所述分布特性值用于表示待编码属性信息的分布特性信息；基于所述分布特性值确定所述待编码属性信息对应的目标阶数，所述目标阶数为指数哥伦布编码的阶数；基于所述目标阶数的指数哥伦布编码算法对所述待编码属性信息进行熵编码，得到属性码流。这样，在对点云的属性信息进行编码的过程中，能够基于待编码属性信息的分布特性信息自适应确定目标阶数，采用目标阶数的指数哥伦布编码算法对待编码属性信息进行熵编码，能够提高去除信息间冗余的效果，从而提高编码效率。

附图说明

图1是一种点云AVS编码器框架示意图之一；

图2是一种点云AVS解码器框架示意图之一；

图3是本申请实施例提供的一种点云编码处理方法的流程图；

图4是本申请实施例提供的一种点云解码处理方法的流程图；

图5是本申请实施例提供的一种点云编码处理装置的结构图；

图6是本申请实施例提供的一种点云解码处理装置的结构图；

图7是本申请实施例提供的一种电子设备的结构图之一；

图8是本申请实施例提供的一种电子设备的结构图之二。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。

本申请实施例中的编解码方法对应的编解码端可以为终端，该终端也可以称作终端设备或者用户终端(User Equipment，UE)，终端可以是手机、平板电脑(Tablet PersonalComputer)、膝上型电脑(Laptop Computer)或称为笔记本电脑、个人数字助理(PersonalDigital Assistant，PDA)、掌上电脑、上网本、超级移动个人计算机(ultra-mobilepersonal computer，UMPC)、移动上网装置(Mobile Internet Device，MID)、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、机器人、可穿戴式设备(Wearable Device)或车载设备(VUE)、行人终端(PUE)等终端侧设备，可穿戴式设备包括：智能手表、手环、耳机、眼镜等。需要说明的是，在本申请实施例并不限定终端的具体类型。

为了方便理解，以下对本申请实施例涉及的一些内容进行说明：

如图1所示，在点云数字音视频编解码技术标准(Audio Video coding Standard，AVS)编码器框架中，点云的几何信息和属性信息是分开编码的。首先对几何信息进行坐标转换，使点云全部包含在一个包围盒(bounding box)中，然后再进行坐标量化。量化主要起到缩放的作用，由于量化会对几何坐标取整，使得一部分点的几何信息相同，称为重复点，根据参数来决定是否移除重复点，量化和移除重复点这两个步骤又被称为体素化过程。接下来，对包围盒进行多叉树划分，例如八叉树、四叉树或二叉树划分。在基于多叉树的几何信息编码框架中，将包围盒八等分为8个子立方体，对非空的的子立方体继续进行划分，直到划分得到叶子节点为1x1x1的单位立方体时停止划分，对叶子结点中的点数进行编码，生成二进制码流。

几何编码完成后，对几何信息进行重建，用于后面的重着色。属性编码主要针对的是颜色和反射率信息。首先根据参数判断是否进行颜色空间转换，若进行颜色空间转换，则将颜色信息从红绿蓝(Red Green Blue，RGB)颜色空间转换到亮度色彩(YUV)颜色空间。然后，利用原始点云对几何重建点云进行重着色，使得未编码的属性信息与重建的几何信息对应起来。在颜色信息编码中，通过莫顿码对点云进行排序后，利用几何空间关系搜索待预测点的最近邻，并利用所找到邻居的重建属性值对待预测点进行预测得到预测属性值，然后将真实属性值和预测属性值进行差分得到预测残差，最后对预测残差进行量化并编码，生成二进制码流。

在属性信息编码中分为三个分支：属性预测、属性预测变换与属性变换。

(1)属性预测过程如下：首先对点云进行重排序，然后进行差分预测。当前AVS编码框架中均采用Hilbert码对点云进行重排序。然后对排序之后的点云进行属性预测，若当前待编码点与前一个已编码点的几何信息相同，即为重复点，则利用重复点的重建属性值作为当前待编码点的属性预测值，否则对当前待编码点选择Hilbert序的前m个点作为邻居候选点，然后分别计算它们同当前待编码点的几何信息的曼哈顿距离，确定距离最近的n个点作为当前待编码点的邻居，以距离的倒数作为权重，计算所有邻居的属性的加权平均，作为当前待编码点的属性预测值。通过属性预测值和当前待编码点的属性值，计算出预测残差，最后对预测残差进行量化并熵编码，生成二进制码流。

(2)属性预测变换过程如下：首先按照点云的空间疏密程度对点云序列进行分组，然后对点云属性信息进行预测。对得到的预测残差进行变换，将得到的变换系数进行量化；最后将量化后的变换系数和预测残差进行熵编码，生成二进制码流。

(3)属性变换过程如下：首先对点云属性做小波变换，对变换系数做量化；其次通过逆量化、逆小波变换得到属性重建值；然后计算原始属性和属性重建值的差得到预测残差并对其量化；最后将量化后的变换系数和预测残差进行熵编码，生成二进制码流。

可选地，AVS解码流程与编码流程对应，具体的，AVS解码器框架如图2所示。

可选地，本申请实施例提供的点云编码处理方法涉及AVS编码器框架中属性信息编码部分，点云解码处理方法涉及AVS解码器框架中属性信息解码部分。

可选地，本申请实施例提供的点云编码处理方法涉及属性信息编码部分中的熵编码，点云解码处理方法涉及属性信息解码部分的熵解码。

下面结合附图，通过一些实施例及其应用场景对本申请实施例提供的点云编码处理方法及点云解码处理方法进行详细地说明。

参见图3，图3是本申请实施例提供的一种点云编码处理方法的流程图，如图3所示，点云编码处理方法包括以下步骤：

步骤101、确定分布特性值，所述分布特性值用于表示待编码属性信息的分布特性信息。

其中，点云编码处理方法可以用于编码端。待编码属性信息的分布特性信息可以表征点云的属性分布。待编码属性信息可以为点云序列的属性信息；或者可以为点云序列的某一子集的属性信息；或者可以为点云序列的某一子集再划分的子集的属性信息，等等，本实施例对此不进行限定。点云序列的某一子集可以为点云序列的某一个片(slice)。示例地，以待编码属性信息为点云序列的属性信息为例，待编码属性信息可以为当前点云序列的属性信息。

另外，分布特性值可以与所述待编码属性信息的最大值相关；或者分布特性值可以与所述待编码属性信息的最小值相关；或者分布特性值可以与所述待编码属性信息的最大值与最小值的差值相关；或者分布特性值可以与所述待编码属性信息的绝对值的平均值相关；等等，本实施例对此不进行限定。

以待编码属性信息为当前点云序列的属性信息为例，可以遍历当前点云序列，记录当前点云序列中属性信息的最大值和最小值，可以根据属性信息的最大值和最小值来表示当前点云序列属性信息的分布范围，示例地，分布特性值可以为当前点云序列中属性信息的最大值和最小值的差值；或者可以遍历当前点云序列，计算当前点云序列中属性信息的平均值，分布特性值可以为当前点云序列中属性信息的绝对值的平均值。

一种实施方式中，分布特性值disAttr可以为当前点云序列中属性信息的最大值Attr

disAttr＝Attr

另外，分布特性值可以基于待编码属性信息确定，或者可以基于所述待编码属性信息对应的目标信息确定，所述目标信息包括预测残差和变换系数中的至少一项。以分布特性值基于所述待编码属性信息对应的目标信息确定为例，分布特性值可以为所述待编码属性信息对应的目标信息的最大值和最小值的差值；或者分布特性值可以为所述待编码属性信息对应的目标信息的绝对值的平均值。

需要说明的是，待编码属性信息可以为颜色属性信息，或者可以为反射率属性信息，或者还可以为其他类型的属性信息，本申请实施例对待编码属性信息的属性类型不进行限定。

步骤102、基于所述分布特性值确定所述待编码属性信息对应的目标阶数，所述目标阶数为指数哥伦布编码的阶数。

其中，所述目标阶数可以与所述分布特性值正相关，一种实施方式中，可以基于所述分布特性值与属性量化步长的比值，确定所述待编码属性信息对应的目标阶数。所述待编码属性信息对应的目标阶数，可以与所述分布特性值与属性量化步长的比值正相关。所述分布特性值与属性量化步长的比值越大，则待编码属性信息对应的目标阶数越大。所述分布特性值与属性量化步长的比值disAttr′为：

其中，disAttr为分布特性值，AttrQuantStep为属性量化步长。分布特性值与属性量化步长的比值可以表征待编码属性信息在当前码率点下的分布特性信息。

一种实施方式中，可以根据所述分布特性值与属性量化步长的比值计算目标索引值，根据目标索引值在存储的查找表中查找该目标索引值对应的指数哥伦布编码阶数，将该目标索引值对应的指数哥伦布编码阶数确定为目标阶数。该查找表是根据指数哥伦布编码的编码特性预先设置好的查找表，该查找表存储有索引值与指数哥伦布编码阶数的对应关系。

另外，该索引值Index可以与所述分布特性值与属性量化步长的比值disAttr′正相关。

一种实施方式中，该目标索引值Index可以为：

Index＝log

步骤103、基于所述目标阶数的指数哥伦布编码算法对所述待编码属性信息进行熵编码，得到属性码流。

其中，可以获取所述待编码属性信息对应的目标信息，所述目标信息包括预测残差和变换系数中的至少一项，采用所述目标阶数的指数哥伦布编码算法对所述目标信息进行熵编码。示例地，可以对待编码属性信息进行属性预测，得到预测残差，采用所述目标阶数的指数哥伦布编码算法对预测残差进行熵编码。

需要说明的是，在AVS-PCC属性熵编码过程中，需要利用K阶指数哥伦布编码对预测残差进行熵编码。相关技术中，针对不同的属性类型，直接分配不同的K值进行熵编码，例如：当属性信息为颜色时，使用1阶指数哥伦布编码对预测残差进行熵编码；当属性信息为反射率时，使用3阶指数哥伦布编码对预测残差进行熵编码。然而，由于不同的点云序列在不同的码率点下，属性残差的分布范围也是具有差异的。本申请实施例基于待编码属性信息的分布特性信息确定所述待编码属性信息对应的目标阶数，提出了一种自适应指数哥伦布编码方法，相对于对同一属性类型在所有的码率点均使用相同的K阶指数哥伦布编码，本申请实施例能够高效的去除信息间的冗余；且能够充分利用不同属性类型在不同码率点下的属性信息分布情况，能够进一步提升编码效率。

本申请实施例中，确定分布特性值，所述分布特性值用于表示待编码属性信息的分布特性信息；基于所述分布特性值确定所述待编码属性信息对应的目标阶数，所述目标阶数为指数哥伦布编码的阶数；基于所述目标阶数的指数哥伦布编码算法对所述待编码属性信息进行熵编码，得到属性码流。这样，在对点云的属性信息进行编码的过程中，能够基于待编码属性信息的分布特性信息自适应确定目标阶数，采用目标阶数的指数哥伦布编码算法对待编码属性信息进行熵编码，能够提高去除信息间冗余的效果，从而提高编码效率。

可选的，所述属性码流中携带所述目标阶数的指示信息。

其中，所述指示信息可以用于指示所述目标阶数，以目标阶数为K阶为例，目标阶数的指示信息可以为K，或者可以为K阶，或者可以为Degree K，等等，本实施例对目标阶数的指示信息的具体表现形式不进行限定。

需要说明的是，所述属性码流中携带的指示信息所指示的目标阶数，在用于解码时为指数哥伦布解码的阶数。

该实施方式中，所述属性码流中携带所述目标阶数的指示信息，从而解码端可以通过属性码流中携带的目标阶数的指示信息获取目标阶数，采用该目标阶数的指数哥伦布解码算法进行熵解码。

可选的，所述属性码流中携带有属性信息参数集，所述属性信息参数集包括所述指示信息以及所述指示信息对应的属性类型，所述属性类型为所述待编码属性信息的类型。

其中，编码端可以将目标阶数的指示信息写入属性信息参数集APS中。

一种实施方式中，在属性信息参数集APS中引入参数GolombNumber[num_attr_type]来存储不同类型的属性选择的指数哥伦布编码的阶数。其中，num_attr_type为待编码点云的属性类型的总个数，GolombNumber[attrIdx]的值指示了第attrIdx个属性的指数哥伦布编码的阶数，attrIdx＝0，1，……，num_attr_type-1。GolombNumber[attrIdx]取值为大于或等于0的整数，attrIdx用以标识不同的属性类型。例如，当前AVS点云数据集主要包含两种类型的属性：颜色和反射率，则本申请实施例中attrIdx与属性类型之间的对应关系可以如表1所示：

表1.attrIdx与属性类型的对应关系

需要说明的是，解码端可以从待解码属性码流中解析得到指数哥伦布阶数K，即目标阶数，然后根据该阶数K对待解码属性码流进行解码。一种实施方式中，解码端从输入码流中获取语法元素GolombNumber[attrIdx]的值；根据GolombNumber[attrIdx]的值获得属性类型对应的指数哥伦布阶数K。其中，指数哥伦布阶数，即指数哥伦布编码阶数。

针对颜色属性(即attrIdx为0时)，指数哥伦布阶数K等于kth_GolombNumber[0]的值，在解码属性信息时，使用K阶指数哥伦布解码算法对颜色信息对应的属性码流进行解码；

针对反射率属性(即attrIdx为1时)，指数哥伦布阶数K等于kth_GolombNumber[1]的值，在解码属性信息时，使用K阶指数哥伦布解码算法对反射率对应的属性码流进行解码。

该实施方式中，所述属性码流中携带有属性信息参数集，所述属性信息参数集包括所述指示信息以及所述指示信息对应的属性类型，从而解码端可以通过属性信息参数集获取目标阶数与属性类型的对应关系，从而可以根据待解码的属性信息的属性类型确定目标阶数，采用该目标阶数的指数哥伦布解码算法进行熵解码。

可选的，所述目标阶数与所述分布特性值成正相关。

其中，以分布特性值为待编码属性信息的最大值与所述待编码属性信息的最小值的差值为例，分布特性值越大，表征待编码属性信息的分布范围较大，目标阶数与所述分布特性值成正相关，从而对于分布范围较大的待编码属性信息采用较大的指数哥伦布编码阶数，从而能够高效的去除信息间的冗余，提升编码效率。

一种实施方式中，所述目标阶数与所述分布特性值成正比。

可选的，所述基于所述分布特性值确定所述待编码属性信息对应的目标阶数，包括：

基于所述分布特性值与属性量化步长的比值的取整值，确定所述待编码属性信息对应的目标阶数。

其中，所述属性量化步长可以为当前属性量化步长，即当前编码的属性量化步长。所述待编码属性信息对应的目标阶数，可以与所述分布特性值与属性量化步长的比值的取整值正相关，示例地，所述待编码属性信息对应的目标阶数，可以与所述分布特性值与属性量化步长的比值的取整值成正比。

一种实施方式中，可以在查找表中存储索引值与指数哥伦布编码阶数的对应关系，将所述分布特性值与属性量化步长的比值的取整值作为目标索引值，在查找表中查找与目标索引值对应的指数哥伦布编码阶数作为目标阶数。

该实施方式中，基于所述分布特性值与属性量化步长的比值的取整值，确定所述待编码属性信息对应的目标阶数，通过在属性熵编码过程中，根据不同属性类型在不同码率点下属性信息的分布来自适应的选择指数哥伦布编码的阶数，使用更匹配的K阶指数哥伦布算法进行熵编码能够更有效的减少信息间的冗余，进一步提升编码效率。

可选的，所述基于所述分布特性值与属性量化步长的比值的取整值，确定所述待编码属性信息对应的目标阶数，包括：

基于所述分布特性值与属性量化步长的比值的取整值，确定目标索引值；

基于存储的指数哥伦布编码阶数与索引值的对应关系确定所述待编码属性信息对应的目标阶数，所述目标阶数与所述目标索引值对应。

其中，指数哥伦布编码阶数，即指数哥伦布编码的阶数。可以以查找表的方式存储指数哥伦布编码阶数与索引值的对应关系，从而可以在存储的查找表中查找目标索引值对应的指数哥伦布编码阶数，将目标索引值对应的指数哥伦布编码阶数确定为目标阶数。该查找表可以是根据指数哥伦布编码的编码特性预先设置好的查找表。

另外，目标索引值可以与所述分布特性值与属性量化步长的比值的取整值成正相关，

一种实施方式中，目标索引值可以为：log

一种实施方式中，目标索引值可以为：[log

该实施方式中，基于所述分布特性值与属性量化步长的比值的取整值，确定目标索引值；基于存储的指数哥伦布编码阶数与索引值的对应关系确定所述待编码属性信息对应的目标阶数，所述目标阶数与所述目标索引值对应。这样，能够基于存储的指数哥伦布编码阶数与索引值的对应关系快速地确定目标阶数，进一步提高编码效率。

可选的，所述基于所述目标阶数的指数哥伦布编码算法对所述待编码属性信息进行熵编码，包括：

获取所述待编码属性信息对应的目标信息，所述目标信息包括预测残差和变换系数中的至少一项；

采用所述目标阶数的指数哥伦布编码算法对所述目标信息进行熵编码。

其中，可以对待编码属性信息进行属性预测，得到预测残差，采用所述目标阶数的指数哥伦布编码算法对预测残差进行熵编码；或者，可以对待编码属性信息进行属性预测变换，得到预测残差和变换系数，采用所述目标阶数的指数哥伦布编码算法对预测残差和变换系数进行熵编码；或者，可以对待编码属性信息进行属性变换，得到预测残差和变换系数，采用所述目标阶数的指数哥伦布编码算法对预测残差和变换系数进行熵编码；等等，本实施例对此不进行限定。

该实施方式中，获取所述待编码属性信息对应的目标信息，所述目标信息包括预测残差和变换系数中的至少一项；采用所述目标阶数的指数哥伦布编码算法对所述目标信息进行熵编码。这样，在对预测残差或变换系数进行熵编码时能够提高去除信息间冗余的效果，从而提高编码效率。

可选的，所述分布特性值基于如下至少一项确定：

所述待编码属性信息的最大值；

所述待编码属性信息的最小值；

所述待编码属性信息的最大值与最小值的差值；

所述待编码属性信息的绝对值的平均值。

该实施方式中，所述待编码属性信息的最大值，所述待编码属性信息的最小值，所述待编码属性信息的最大值与最小值的差值及所述待编码属性信息的绝对值的平均值中的任意一项均能够较好地体现待编码属性信息的分布状况，从而能够利用待编码属性信息的分布状况自适应确定目标阶数，采用目标阶数的指数哥伦布编码算法对待编码属性信息进行熵编码，能够提高去除信息间冗余的效果，从而提高编码效率。

如表2至表5所示，在多种测试条件下，采用本申请实施例的点云编码处理方法进行点云编码，相对PCRMV5.0压缩效率更高，能够提升编码性能。其中，表2中AVSC1_ai表征在几何有损，且属性有损编码方式下进行测试；表3中AVSC2_ai表征在几何无损，且属性有损编码方式下进行测试；表4中AVSC3_ai表征在几何无损，且属性有限度有损编码方式下进行测试；表5中AVSC4_ai表征在几何无损，且属性无损编码方式下进行测试。average表征该条件下所有测试序列的平均性能增益。Overall average表征所有测试序列的平均性能增益。AVSCat1A为属性信息是反射率信息的测试序列；AVSCat1B为属性信息是颜色信息的测试序列；AVSCat1C为属性信息包括反射率信息和颜色信息的测试序列；AVSCat2为属性信息是反射率信息，且为多帧序列的测试序列；AVSCat3为属性信息是颜色信息，且为多帧序列的测试序列；AVSCat1A+AVSCat2 average为该两个测试序列的平均性能增益。表2至表4中，Luma、Chroma Cb及Chroma Cr表征三个通道，Reflectance表征反射率。表5中，Total表示总码流的变化，Colour表征颜色，Geometry表征几何信息。表2至表5中“-”表示该项无数据。

需要说明的是，BD-AttrReate是用来衡量属性信息编码性能好坏的参数，BD-AttrReate为负时表示性能变好，在此基础上BD-AttrReate的绝对值越大，则性能的增益越大。Bpip(bits per input point，每输入点的比特数)为压缩完成之后的每个输入点的平均比特数，比特数越少代表着压缩效率越高。bpip ratio为测试方法与参考方法这两种方法的bpip之比，为百分比的形式。在无损条件下，如果bpip ratio小于100％，说明测试方法的性能要更好。通过表2至表5的数据可知，采用本申请实施例的点云编码处理方法编码性能相比参考方法，属性信息编码性能较好。

表2.AVSC1_ai条件下测试结果

表3.AVSC2_ai条件下测试结果

表4.AVSC3_ai条件下测试结果

表5.AVSC4_ai条件下测试结果

参见图4，图4是本申请实施例提供的一种点云解码处理方法的流程图，如图4所示，点云解码处理方法包括以下步骤：

步骤201、确定待解码属性码流对应的目标阶数，所述目标阶数为指数哥伦布解码的阶数；

步骤202、基于所述目标阶数的指数哥伦布解码算法对所述待解码属性码流进行熵解码。

可选的，所述待解码属性码流中携带用于指示所述目标阶数的指示信息。

可选的，所述待解码属性码流中携带有属性信息参数集，所述属性信息参数集包括所述指示信息以及所述指示信息对应的属性类型，所述属性类型为所述待解码属性码流对应的属性信息的类型。

需要说明的是，本实施例作为与图3所示的实施例中对应的解码侧的实施方式，其具体的实施方式可以参见图3所示的实施例的相关说明，为了避免重复说明，本实施例不再赘述，且还可以达到相同有益效果。

本申请实施例提供的点云编码处理方法，执行主体可以为点云编码处理装置。本申请实施例中以点云编码处理装置执行点云编码处理的方法为例，说明本申请实施例提供的点云编码处理的装置。

请参见图5，图5是本申请实施例提供的一种点云编码处理装置的结构图，如图5所示，点云编码处理装置300包括：

第一确定模块301，用于确定分布特性值，所述分布特性值用于表示待编码属性信息的分布特性信息；

第二确定模块302，用于基于所述分布特性值确定所述待编码属性信息对应的目标阶数，所述目标阶数为指数哥伦布编码的阶数；

编码模块303，用于基于所述目标阶数的指数哥伦布编码算法对所述待编码属性信息进行熵编码，得到属性码流。

可选的，所述属性码流中携带所述目标阶数的指示信息。

可选的，所述属性码流中携带有属性信息参数集，所述属性信息参数集包括所述指示信息以及所述指示信息对应的属性类型，所述属性类型为所述待编码属性信息的类型。

可选的，所述目标阶数与所述分布特性值成正相关。

可选的，所述第二确定模块302具体用于：

基于所述分布特性值与属性量化步长的比值的取整值，确定所述待编码属性信息对应的目标阶数。

可选的，所述第二确定模块302具体用于：

基于所述分布特性值与属性量化步长的比值的取整值，确定目标索引值；

基于存储的指数哥伦布编码阶数与索引值的对应关系确定所述待编码属性信息对应的目标阶数，所述目标阶数与所述目标索引值对应。

可选的，所述编码模块303具体用于：

获取所述待编码属性信息对应的目标信息，所述目标信息包括预测残差和变换系数中的至少一项；

采用所述目标阶数的指数哥伦布编码算法对所述目标信息进行熵编码，得到属性码流。

可选的，所述分布特性值基于如下至少一项确定：

所述待编码属性信息的最大值；

所述待编码属性信息的最小值；

所述待编码属性信息的最大值与最小值的差值；

所述待编码属性信息的绝对值的平均值。

本申请实施例中，第一确定模块确定分布特性值，所述分布特性值用于表示待编码属性信息的分布特性信息；第二确定模块基于所述分布特性值确定所述待编码属性信息对应的目标阶数，所述目标阶数为指数哥伦布编码的阶数；编码模块基于所述目标阶数的指数哥伦布编码算法对所述待编码属性信息进行熵编码，得到属性码流。这样，在对点云的属性信息进行编码的过程中，能够基于待编码属性信息的分布特性信息自适应确定目标阶数，采用目标阶数的指数哥伦布编码算法对待编码属性信息进行熵编码，能够提高去除信息间冗余的效果，从而提高编码效率。

本申请实施例中的点云编码处理装置可以是电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(Mobile Internet Device，MID)、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobilepersonal computer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等，还可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。

本申请实施例中的点云编码处理装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。

本申请实施例提供的点云编码处理装置能够实现图3的方法实施例实现的各个过程，为避免重复，这里不再赘述。

本申请实施例提供的点云解码处理方法，执行主体可以为点云解码处理装置。本申请实施例中以点云解码处理装置执行点云解码处理的方法为例，说明本申请实施例提供的点云解码处理的装置。

请参见图6，图6是本申请实施例提供的一种点云解码处理装置的结构图，如图6所示，点云解码处理装置400包括：

确定模块401，用于确定待解码属性码流对应的目标阶数，所述目标阶数为指数哥伦布解码的阶数；

解码模块402，用于基于所述目标阶数的指数哥伦布解码算法对所述待解码属性码流进行熵解码。

可选的，所述待解码属性码流中携带用于指示所述目标阶数的指示信息。

可选的，所述待解码属性码流中携带有属性信息参数集，所述属性信息参数集包括所述指示信息以及所述指示信息对应的属性类型，所述属性类型为所述待解码属性码流对应的属性信息的类型。

本申请实施例中的点云解码处理装置可以是电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(Mobile Internet Device，MID)、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobilepersonal computer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等，还可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。

本申请实施例中的点云解码处理装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。

本申请实施例提供的点云解码处理装置能够实现图4的方法实施例实现的各个过程，为避免重复，这里不再赘述。

可选地，如图7所示，本申请实施例还提供一种电子设备500，包括处理器501和存储器502，存储器502上存储有可在所述处理器501上运行的程序或指令，该程序或指令被处理器501执行时实现上述点云编码处理方法实施例的各个步骤，或者，该程序或指令被处理器501执行时实现上述点云解码处理方法实施例的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。

需要说明的是，本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。

图8为实现本申请实施例的一种电子设备的硬件结构示意图。

该电子设备600包括但不限于：射频单元601、网络模块602、音频输出单元603、输入单元604、传感器605、显示单元606、用户输入单元607、接口单元608、存储器609、以及处理器610等部件。

本领域技术人员可以理解，电子设备600还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器610逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图8中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。

一种实施方式中，该电子设备用于执行点云编码处理方法，其中：

处理器610，用于确定分布特性值，所述分布特性值用于表示待编码属性信息的分布特性信息；

处理器610，还用于基于所述分布特性值确定所述待编码属性信息对应的目标阶数，所述目标阶数为指数哥伦布编码的阶数；

处理器610，还用于基于所述目标阶数的指数哥伦布编码算法对所述待编码属性信息进行熵编码，得到属性码流。

可选的，所述属性码流中携带所述目标阶数的指示信息。

可选的，所述属性码流中携带有属性信息参数集，所述属性信息参数集包括所述指示信息以及所述指示信息对应的属性类型，所述属性类型为所述待编码属性信息的类型。

可选的，所述目标阶数与所述分布特性值成正相关。

可选的，所述处理器610，还用于：

基于所述分布特性值与属性量化步长的比值的取整值，确定所述待编码属性信息对应的目标阶数。

可选的，所述处理器610，还用于：

基于所述分布特性值与属性量化步长的比值的取整值，确定目标索引值；

基于存储的指数哥伦布编码阶数与索引值的对应关系确定所述待编码属性信息对应的目标阶数，所述目标阶数与所述目标索引值对应。

可选的，所述处理器610，还用于：

获取所述待编码属性信息对应的目标信息，所述目标信息包括预测残差和变换系数中的至少一项；

采用所述目标阶数的指数哥伦布编码算法对所述目标信息进行熵编码。

可选的，所述分布特性值基于如下至少一项确定：

所述待编码属性信息的最大值；

所述待编码属性信息的最小值；

所述待编码属性信息的最大值与最小值的差值；

所述待编码属性信息的绝对值的平均值。

本实施方式中，处理器610确定分布特性值，所述分布特性值用于表示待编码属性信息的分布特性信息；处理器610基于所述分布特性值确定所述待编码属性信息对应的目标阶数，所述目标阶数为指数哥伦布编码的阶数；处理器610基于所述目标阶数的指数哥伦布编码算法对所述待编码属性信息进行熵编码，得到属性码流。这样，在对点云的属性信息进行编码的过程中，能够基于待编码属性信息的分布特性信息自适应确定目标阶数，采用目标阶数的指数哥伦布编码算法对待编码属性信息进行熵编码，能够提高去除信息间冗余的效果，从而提高编码效率。

一种实施方式中，该电子设备用于执行点云解码处理方法，其中：

处理器610，用于确定待解码属性码流对应的目标阶数，所述目标阶数为指数哥伦布解码的阶数；

处理器610，还用于基于所述目标阶数的指数哥伦布解码算法对所述待解码属性码流进行熵解码。

可选的，所述待解码属性码流中携带用于指示所述目标阶数的指示信息。

可选的，所述待解码属性码流中携带有属性信息参数集，所述属性信息参数集包括所述指示信息以及所述指示信息对应的属性类型，所述属性类型为所述待解码属性码流对应的属性信息的类型。

本实施方式提供的电子设备能够实现图4的方法实施例实现的各个过程，为避免重复，这里不再赘述。

应理解的是，本申请实施例中，输入单元604可以包括图形处理器(GraphicsProcessing Unit，GPU)6041和麦克风6042，图形处理器6041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元606可包括显示面板6061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板6061。用户输入单元607包括触控面板6071以及其他输入设备6072中的至少一种。触控面板6071，也称为触摸屏。触控面板6071可包括触摸检测装置和触摸控制器两个部分。其他输入设备6072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。

存储器609可用于存储软件程序以及各种数据。存储器609可主要包括存储程序或指令的第一存储区和存储数据的第二存储区，其中，第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器609可以包括易失性存储器或非易失性存储器，或者，存储器609可以包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，DRRAM)。本申请实施例中的存储器609包括但不限于这些和任意其它适合类型的存储器。

处理器610可包括一个或多个处理单元；可选的，处理器610集成应用处理器和调制解调处理器，其中，应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作，调制解调处理器主要处理无线通信信号，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器610中。

本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述点云编码处理方法实施例的各个过程，或者，该程序或指令被处理器执行时实现上述点云解码处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。

本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述点云编码处理方法实施例的各个过程，或者，所述处理器用于运行程序或指令，实现上述点云解码处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。

本申请实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如上述点云编码处理方法实施例的各个过程，或者，该程序产品被至少一个处理器执行以实现如上述点云解码处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。