兵工学报 ›› 2023, Vol. 44 ›› Issue (S2): 167-177.doi: 10.12382/bgxb.2023.0856
所属专题: 群体协同与自主技术
马景起1, 于脐文1, 黄平1,*(), 王伟1, 李友为2
收稿日期:
2023-09-04
上线日期:
2024-01-10
通讯作者:
基金资助:
MA Jingqi1, YU Qiwen1, HUANG Ping1,*(), WANG Wei1, LI Youwei2
Received:
2023-09-04
Online:
2024-01-10
摘要:
随着数字孪生技术的不断发展,人们面临将大规模、高维度的点云数据进行压缩编码的问题,以提高传输效率。然而大多点云编码方式存在压缩实时性不强、压缩效率低、点云格式要求过高等问题。针对解决这些问题,提出了一种基于谷歌Draco几何压缩库的实时彩色点云流压缩(Real-time Color Stream Draco,RCS-Draco)算法。将算法集成到ROS框架内,借助ROS消息流,对点云流实时地进行编码和解码,提高了算法的实时性;通过建立优化裁剪模型,对点云进行裁剪和滤波,去除了漂移和离群点云,提高了压缩算法的压缩效率。建立量化预测模型,对点云的RGB颜色信息进行编码,解决了大多数点云压缩算法无法处理颜色信息的问题。对比试验通过调整压缩等级和量化参数,证明RCS-Draco算法的平均压缩率最高能够达到77%、平均压缩和解压时间小于0.035s、位置平均误差小于0.05m、属性平均误差小于35;并通过相融试验证明RCS-Draco算法在各项指标上优于Draco算法。试验结果表明,RCS-Draco压缩算法在压缩实时性、效率、点云格式方面均表现良好,能够有效地提升传输效率。
中图分类号:
马景起, 于脐文, 黄平, 王伟, 李友为. 一种面向环境扫描的彩色点云流实时压缩算法[J]. 兵工学报, 2023, 44(S2): 167-177.
MA Jingqi, YU Qiwen, HUANG Ping, WANG Wei, LI Youwei. A Real-time Compression Algorithm of Color Point Cloud Streams for Environmental Scanning[J]. Acta Armamentarii, 2023, 44(S2): 167-177.
压缩 算法 | 压缩 信息 | 压/解 效率 | 压/解 时间 | 压/解 格式 | 还原 质量 |
---|---|---|---|---|---|
Draco | 几何+属性 | 较差 | 中等 | .pcd | 可控 |
HEVC | 几何 | 较高 | 慢 | .bin | 无损 |
Realtime | 几何+深度 | 较高 | 较快 | .bin | 有损 |
BitPan | 几何+颜色 | 较高 | 慢 | .bin | 有损 |
表1 典型点云压缩特点对比
Table 1 Comparison of typical point cloud compression characteristics
压缩 算法 | 压缩 信息 | 压/解 效率 | 压/解 时间 | 压/解 格式 | 还原 质量 |
---|---|---|---|---|---|
Draco | 几何+属性 | 较差 | 中等 | .pcd | 可控 |
HEVC | 几何 | 较高 | 慢 | .bin | 无损 |
Realtime | 几何+深度 | 较高 | 较快 | .bin | 有损 |
BitPan | 几何+颜色 | 较高 | 慢 | .bin | 有损 |
量化水平 | L=0 | L=3 | L=7 | L=10 | ||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
ACR/% | APE/m | ACE | ACR/% | APE/m | ACE | ACR/% | APE/m | ACE | ACR/% | APE/m | ACE | |
Q=0 | 77.003 | 0.000 | 6.413 | 75.003 | 0.000 | 6.413 | 75.003 | 0.000 | 6.366 | 75.003 | 0.000 | 6.413 |
Q=5 | 1.193 | 0.048 | 34.478 | 1.193 | 0.048 | 34.478 | 1.294 | 0.048 | 34.478 | 4.041 | 0.048 | 34.292 |
Q=10 | 10.989 | 0.003 | 4.087 | 10.989 | 0.003 | 7.087 | 11.922 | 0.003 | 7.087 | 12.438 | 0.003 | 7.087 |
Q=15 | 22.058 | 0.000 | 6.860 | 22.058 | 0.000 | 6.860 | 23.643 | 0.000 | 6.860 | 18.477 | 0.000 | 6.812 |
表2 In-door数据集下不同量化水平和压缩级别下的ACR、APE、ACE指标情况
Table 2 ACR, APE and ACE metrics indicators at different quantization and compression levels in the In-door dataset
量化水平 | L=0 | L=3 | L=7 | L=10 | ||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
ACR/% | APE/m | ACE | ACR/% | APE/m | ACE | ACR/% | APE/m | ACE | ACR/% | APE/m | ACE | |
Q=0 | 77.003 | 0.000 | 6.413 | 75.003 | 0.000 | 6.413 | 75.003 | 0.000 | 6.366 | 75.003 | 0.000 | 6.413 |
Q=5 | 1.193 | 0.048 | 34.478 | 1.193 | 0.048 | 34.478 | 1.294 | 0.048 | 34.478 | 4.041 | 0.048 | 34.292 |
Q=10 | 10.989 | 0.003 | 4.087 | 10.989 | 0.003 | 7.087 | 11.922 | 0.003 | 7.087 | 12.438 | 0.003 | 7.087 |
Q=15 | 22.058 | 0.000 | 6.860 | 22.058 | 0.000 | 6.860 | 23.643 | 0.000 | 6.860 | 18.477 | 0.000 | 6.812 |
量化水平 | L=0 | L=3 | L=7 | L=10 | ||||
---|---|---|---|---|---|---|---|---|
ACT/ms | ADT/ms | ACT/ms | ADT/ms | ACT/ms | ADT/ms | ACT/ms | ADT/ms | |
Q=0 | 15.428 | 16.764 | 15.753 | 17.325 | 15.113 | 19.951 | 13.948 | 17.262 |
Q=5 | 28.542 | 13.344 | 26.655 | 12.937 | 23.130 | 14.387 | 21.800 | 15.562 |
Q=10 | 34.387 | 17.802 | 32.178 | 18.327 | 27.653 | 17.140 | 20.956 | 15.723 |
Q=15 | 34.799 | 19.793 | 34.840 | 18.306 | 28.845 | 19.598 | 24.602 | 17.124 |
表3 In-door数据集下不同量化水平和压缩级别下的ACT、ADT指标情况
Table 3 ACT and ADT indicators at different quantization and compression levels in the In-door dataset
量化水平 | L=0 | L=3 | L=7 | L=10 | ||||
---|---|---|---|---|---|---|---|---|
ACT/ms | ADT/ms | ACT/ms | ADT/ms | ACT/ms | ADT/ms | ACT/ms | ADT/ms | |
Q=0 | 15.428 | 16.764 | 15.753 | 17.325 | 15.113 | 19.951 | 13.948 | 17.262 |
Q=5 | 28.542 | 13.344 | 26.655 | 12.937 | 23.130 | 14.387 | 21.800 | 15.562 |
Q=10 | 34.387 | 17.802 | 32.178 | 18.327 | 27.653 | 17.140 | 20.956 | 15.723 |
Q=15 | 34.799 | 19.793 | 34.840 | 18.306 | 28.845 | 19.598 | 24.602 | 17.124 |
图9 Out-door数据集下RCS-Draco(左)和Draco(右) 点云图片还原清晰度对比
Fig.9 Comparison of restoration clarities of RCS-Draco (lift) and Draco (right) point cloud images in the Out-door dataset
[1] |
王珣, 高亮, 魏永勇, 等. 基于任务级-交战级体系仿真平台的并行实验研究[J]. 兵工学报, 2022, 43(增刊1): 183-188.
|
doi: 10.12382/bgxb.2022.A015 |
|
[2] |
纪广, 郝建国, 张振伟. 面向无人机作战的虚拟孪生系统设计方案[J]. 兵工学报, 2022, 43(8): 1902-1912.
|
doi: 10.12382/bgxb.2021.0408 |
|
[3] |
赵继东, 盖振伟, 李晶, 等. 车辆通信设备集成化体系结构[J]. 兵工学报, 2022, 43(增刊1): 21-25.
|
doi: 10.12382/bgxb.2022.A002 |
|
[4] |
邵玉斌, 刘晶, 龙华, 等. 面向战场环境下的语音传输与重构[J]. 兵工学报, 2022, 43(11): 2827-2835.
|
doi: 10.12382/bgxb.2021.0549 |
|
[5] |
周可歆, 丁旭辉, 吕德东, 等. 天基信息传输高效低复杂度LDPC译码算法研究[J]. 兵工学报, 2023(2023-04-10)[2023-05-07]. http://www.co-journal.com/CN/10.12382/bgxb.2022.1044.
|
|
|
[6] |
|
[7] |
|
[8] |
doi: 10.1109/TCSVT.2022.3223898 URL |
[9] |
黄炜, 朱映韬, 陈冬杰, 等. 基于稀疏卷积的非对称特征聚合点云压缩算法[J]. 电视技术, 2022, 46(12):67-71,76.
|
|
|
[10] |
赵志, 许可, 马燕新, 等. 三维点云深度模型压缩算法[J]. 国防科技大学学报, 2023, 45(5):193-201.
|
|
|
[11] |
杜雨欣. 激光雷达点云数据压缩算法研究[D]. 西安: 西安电子科技大学, 2023.
|
|
|
[12] |
|
[13] |
doi: 10.1109/LRA.2019.2900747 |
[14] |
|
[15] |
黄源, 达飞鹏, 唐林. 基于改进八叉树的三维点云压缩算法[J]. 光学学报, 2017, 37(12): 1210003.
|
|
|
[16] |
doi: 10.3390/s22145108 URL |
[17] |
|
[18] |
曾志贤, 曹建军, 翁年凤, 等. 结合关键帧提取的视频-文本跨模态实体分辨双重编码方法[J]. 兵工学报, 2022, 43(5): 1107-1116.
doi: 10.12382/bgxb.2021.0262 |
|
|
[19] |
|
[20] |
吴晓军, 刘伟军, 王天然. 基于八叉树的三维网格模型体素化方法[J]. 工程图学学报, 2005, 26(4): 1-7.
|
|
|
[21] |
|
[22] |
|
[23] |
|
[24] |
张卉冉, 董震, 杨必胜, 等. 点云压缩研究进展与趋势[J]. 武汉大学学报 (信息科学版), 2023, 48(2): 192-205.
|
|
|
[25] |
doi: 10.1109/ACCESS.2022.3144533 URL |
[26] |
|
[27] |
doi: 10.1109/LSP.2016. URL |
[28] |
|
[29] |
|
[30] |
doi: 10.3390/s23042250 URL |
[31] |
|
[32] |
doi: 10.1109/TITS.2020.3034879 URL |
[33] |
律帅, 达飞鹏, 黄源. 基于数据类型转换的点云快速有损压缩算法[J]. 图学学报, 2016, 37(2): 199-205.
doi: 10.11996/JG.j.2095-302X.2016020199 |
|
|
[34] |
|
[35] |
doi: 10.1016/j.robot.2008.08.005 URL |
[36] |
DEVILLERSO,GANDOIN P M. Geometric compression for interactive transmission[C]// Proceedings Visualization 2000. Salt Lake City, UT, US: IEEE, 2000.
|
[37] |
|
[38] |
doi: 10.1109/JSTSP.2014.2370752 URL |
[1] | 李正军, 邓长明. 基于无人协同博弈数字孪生的系统模型构建[J]. 兵工学报, 2023, 44(S2): 209-222. |
[2] | 戴璐, 邵一夫, 郭宇元, 徐志红, 赵琪, 张兵, 杜德岩, 梁天. 基于数字孪生的卫星装备智能设计系统[J]. 兵工学报, 2022, 43(S2): 139-145. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||