自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(15)
  • 收藏
  • 关注

原创 MPEG G-PCC/TMC13总结(一)八叉树编码:八叉树如何实现对点云数据的编码/解码

八叉树(Octree)编码是目前GPCC中对几何信息最为通用的一种编码方式,也是trisoup编码的基础。经过八叉树编码,点云的几何信息就会被转换为二进制的占位信息(occupancy bits),实现编码的目的,再结合相应的熵编码技术,进一步降低码流。

2022-12-25 16:08:26 2117

原创 obuf概率表的生成

obuf概率表的生成情况

2022-06-14 11:23:06 270

原创 概率统计byPython

概率统计情况的脚本

2022-06-06 17:07:30 220

原创 点云反射率可视化效果

avs中的cat1A序列属于高精地图点云序列,只含有位置信息与反射率信息。在对点云进行编码时,反射率信息相比颜色信息更难获取增益。由于对反射率信息缺乏了解,好像也无法找到特殊的规律?记录一下点云反射率可视化前后对比图。根据点云反射率数值大小,其颜色对应为COLORMAP_JET的颜色规律。这个角度可以看出桥梁的内部好像也只能看出反射率取值与是否属于同一物体有关。。。。...

2021-09-21 13:10:57 1392

原创 统计点云重复点个数

#include<fstream>#include <vector>#include<iostream>#include <iostream>#include <fstream>#include <cassert>#include <string>#include <sstream>using namespace std;int main(){ ifstream readFi.

2021-03-09 10:56:53 470

原创 统计分布distribution by python

针对输出的统计数据,如查看occupancy中被占据的子节点数,将各几点被占据的子节点数输出到txt中作为此脚本输入,然后运行脚本进行统计0-7的分布情况。import xlwtimport os from os import pathfrom array import arrayimport randomimport sysdef deleteOtherInformation(filepath): write_txt=open("1.txt","w") with open(

2021-02-03 13:01:51 488 9

翻译 视频与3D图形(3DoF、3DoF+、6DoF与点云)的融合

来源于MPEG创始人与召集人Leonardo的博客https://blog.chiariglione.org/on-the-convergence-of-video-and-3d-graphics/介绍  近年来,MPEG一直在探索如何有效地表示或者说如何压缩各种为用户提供动态的身临其境的视觉体验而产生的数据。这里所说的“动态”是指,拍摄出用户可以体验到物体在移动场景。  静态和动态在概念上听起来似乎并不重要。但是在实际中,无论在编码端还是解码端,处理静态场景的复杂度会比处理动态场景的复杂度低上几个数

2021-01-20 14:20:17 1849 1

翻译 G-PCC与V-PCC:为什么MPEG为点云压缩制作了两个编解码器?

原文链接:mpeg官方新闻网站https://3dgraphics.mpeg.expert/MPEG在2020年FDIS(标准准备的最后一步)中批准了两种用于点云压缩的编码标准:第一种称为V-PCC(基于视频的点云压缩),第二种称为G-PCC(基于几何的点云压缩) )。你可能会感到疑问:为什么对点云数据同时制定两个编解码器标准?这两个编解码器是为同一个目的而相互竞争,还是为不同应用场景而设计的? 简单来说,V-PCC和G-PCC是针对不同类型的点云设计的:V-PCC用于稠密点云,例如代表自然对象(从一组

2021-01-19 17:30:25 4656

原创 c++ 返回二进制数中为1的最低位

先用与、非操作使除最低位之外的数据置0,再用log2函数取值int returnPosOfLow1(u_int& occ){ int n = occ; return log2(n & (~n + 1));}

2021-01-18 15:39:05 1622 1

原创 GPCC TMC13 点云压缩 LOD划分方式的演变(v2-v6)

一年前总结的东西备份一下

2021-01-17 13:53:57 994 2

原创 json文件生成by python

import subprocessimport multiprocessingimport osfrom os import pathimport shutilimport argparseimport sysfrom multiprocessing.dummy import Pool as ThreadPoolimport sysimport timef=open("LPP.txt","w+")#输出的文本,可改成jsonsys.stdout=fdef getFile.

2021-01-15 14:58:54 643 2

原创 json文件生成by C++

#include<fstream>#include <vector>#include<iostream>#include <io.h>#include<CString>#include<string>#include <stdlib.h> #include <afx.h>#include "Windows.h"#include<stdio.h>using namespace st.

2021-01-15 14:56:58 314

原创 基于八叉树点云编码的优缺点

基于八叉树点云编码的优缺点优点:结构简单,初步满足点云压缩的需求。缺点:由于八叉树数据结构本身特性,使得无法使用一些现有工具对几何编码进行性能提升,如预测编码、变换编码等。预测编码的原理是用预测值与原数值做差,一般而言,得到的残差的数据量会远远小于原数值,再进行变换编码、熵编码即可大大减少数据量。但是八叉树编码的结果是一串二进制序列,即使进行了预测也无法通过编码残差而减少数据量,也无法进行变化。因此基于八叉树编码的点云压缩中,几何比特的减少方向集中于上下文建模,即寄希望于熵编码来减少统计冗余

2020-09-18 15:08:15 2345

原创 返回输入值中二进制位为1的个数

返回输入值中二进制位为1的个数对于输入的八位二进制数,通过移位操作使输入值各比特位数值在同一比特位上相加,即可返回输入值二进制位为1的个数inline intpopcnt(uint8_t x){ uint32_t val = x * 0x08040201u; val >>= 3; val &= 0x11111111u; val *= 0x11111111u; return val >> 28;}同理对于输入的32位二进制数inline

2020-08-28 22:04:43 234

原创 PCL点云压缩总结

PCL点云压缩总结调用代码#define _SILENCE_FPOS_SEEKPOS_DEPRECATION_WARNING#include <iostream>#include <pcl/compression/octree_pointcloud_compression.h>#include <pcl/point_cloud.h>#include <pcl/visualization/cloud_viewer.h>#include <pc

2020-07-14 20:11:47 3179 6

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除