基于特征域最近邻搜索和拼接的动态点云压缩算法

来源：电子测量技术杂志2026年第9期北京时间：

作者：山寿

单位：中国飞行试验研究院 西安 710089

摘要：动态点云在沉浸式通信与自动驾驶等前沿应用中具有重要价值，其高效压缩是实现实时传输与存储的关键。尽管已有基于规则与学习的方法在点云几何压缩方面取得进展，但现有方法在动态序列的帧间相关性利用上仍显不足。本文提出一种基于特征域最近邻搜索与拼接的动态点云几何压缩方法，将多尺度稀疏表示框架扩展至动态场景，并引入多尺度时间先验以增强帧间条件编码。具体而言，通过从已重建参考帧中提取分层特征，并与当前帧特征在特征域执行最近邻搜索与拼接，构建跨空间的时空上下文信息，从而更精确地估计体素占用概率。该方法在编码端仅传输部分特征，解码端结合参考帧信息重构时间先验，显著提升了压缩效率。实验在遵循MPEG通用测试条件的标准数据集上进行，结果表明，所提方法在多个测试序列上相较于现有基于规则与学习的压缩方法，在D1-PSNR与D2-PSNR下均取得大于10%的显著BD-Rate增益，尤其在宽比特率范围内展现出优越的率失真性能，验证了其在动态点云几何压缩中的有效性与先进性。

关键词：动态点云压缩;特征域;最近邻搜索