《电子测量技术杂志》发表论文赏析

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

2026年9期其他文献查阅:

基于贝叶斯优化模糊PID的控温四探针系统设计

基于运动状态识别的车辆磁干扰补偿方法研究

MEA-YOLO:基于多尺度边缘增强与注意力融合的钢材缺陷检测

面向燃气轮机旋转件参数测试的双频遥测天线设计与验证

装备试验能力战斗力生成贡献度评价方法研究

面向重症监护室患者的无线体征监测系统设计

基于结构感知与动态融合机制的步态识别研究

旋转式可刷新盲文显示装置的设计与评估

南部沿海炼化装置腐蚀速率TL-BiLSTM-Attention智能预测

RDSM-YOLO轻量级夜间车辆检测模型

密集障碍物环境下改进A*-DWA融合导航算法研究

改进YOLOv11n的水面垃圾检测算法

基于高分辨率特征引导学习的小目标检测方法

基于轨迹融合与背景映射的非侵入式负荷监测方法

基于Mamba自注意力和多模态融合的DVT风险预测

基于WPD-UKF的MMC高频振荡检测方法

一维稀疏拓扑阵列雷达三维成像算法研究

多尺度门控融合的图像篡改拼接检测算法

基于监督反馈和Transformer的目标跟踪算法

基于STDD-YOLO的输电线路小目标缺陷检测

小目标车辆及行人轻量化检测算法改进:DSWR-YOLO

基于Prewitt-Franklin矩的亚像素边缘检测方法

基于MSBRAU-Net++的多尺度息肉分割方法

基于YOLOv11n改进的小目标航拍检测算法

基于特征域最近邻搜索和拼接的动态点云压缩算法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!