A Sampling-based 3D Point Cloud Compression Algorithm for Immersive Communication

3D-Punktwolke ist eines der häufigsten und grundlegendsten 3D-Objektdarstellungsmodelle, das in Virtual / Augmented-Reality-Anwendungen wie immersiver Kommunikation weit verbreitet ist. Die Komprimierung von 3D-Punktwolken stellt aufgrund ihres enormen Datenvolumens und ihrer unregelmäßigen Datenstruktur eine große Herausforderung dar. In diesem Beitrag schlagen wir einen stichprobenbasierten Komprimierungsalgorithmus für 3D-Punktwolken vor. Zunächst wurde eine 3D-Punktwolke durch einen Graphenfilter neu abgetastet, um eine Teilmenge repräsentativer 3D-Punkte zu erhalten. Anschließend wurden die repräsentativen Punkte durch die von MPEG veröffentlichte Encoder-Software G-PCC (Geometrie-basierte Punktwolkenkomprimierung) komprimiert. Schließlich wurden die entschlüsselten repräsentativen Punkte verwendet, um die ursprünglichen 3D-Punktwolken durch einen CNN-basierten Up-Sampling-Ansatz zu rekonstruieren. Experimentelle Ergebnisse zeigen, dass mit dem vorgeschlagenen 3D-Punktwolkenkomprimierungsalgorithmus eine signifikante (73,15%) Verringerung der Bitrate bei minimaler Qualitätsverschlechterung der rekonstruierten 3D-Punktwolken erreicht werden kann.