具体实施方式

本公开的各方面提供了点云编解码技术，特别是使用视频编码进行点云压缩(Video-coding for Point Cloud Compression，V-PCC)。V-PCC可以使用通用视频编解码器进行点云压缩。本公开中的点云编解码技术可以改善由V-PCC产生的无损和有损压缩。

点云是在3D空间中的一组点，每个点具有相关联的属性，例如颜色、材料特性、纹理信息、强度属性、反射率属性、运动相关属性、模态属性以及各种其它属性。点云可以用于重构对象或场景作为此类点的组合。可以在各种设置中使用多个相机和深度传感器捕获所述点，并且所述点可以由数千到数十亿个点组成，以便真实地表示重构的场景。

需要压缩技术来减少表示点云所需的数据量。因此，在实时通信和六自由度(6DoF)虚拟现实中，需要使用点云的有损压缩技术。另外，在自动驾驶和文化遗产应用等的动态映射的环境中，寻求无损点云压缩技术。运动图像专家组(MPEG)开始研究解决几何形状和属性的压缩的标准，例如颜色和反射率、可缩放/渐进编码、随时间捕获的点云序列的编码以及对点云子集的随机访问。

根据本公开的一个实施例，V-PCC背后的主要理念是利用现有的视频编解码器将动态点云的几何形状、占用率和纹理压缩为三个单独的视频序列。分别压缩解释这三个视频序列所需的额外元数据。整个比特流的一小部分是元数据，可以使用软件对所述元数据进行有效的编码/解码。大部分信息由视频编解码器处理。

图1示出了根据本公开的一个实施例的通信系统(100)的简化框图。通信系统(100)包括能够经由例如网络(150)彼此通信的多个终端设备。例如，通信系统(100)包括经由网络(150)互连的一对终端设备(110)和(120)。在图1的示例中，第一对终端设备(110)和(120)执行点云数据的单向传输。例如，终端设备(110)可以压缩与终端设备(110)连接的传感器105捕获的点云(例如，表示结构的点)。已压缩的点云可以例如以比特流的形式经由网络(150)传输到另一个终端设备(120)。终端设备(120)可以从网络(150)接收已压缩的点云，解压缩比特流以重建点云，并根据重建的点云适当地显示。在媒体服务应用等应用中,单向数据传输可能很常见。

在图1的示例中，终端设备(110)和(120)可以被示为服务器和个人计算机，但是本公开的原理可以不限于此。本公开的实施例可以应用于膝上型计算机、平板计算机、智能电话、游戏终端、媒体播放器和/或专用三维(3D)设备。网络(150)表示在终端设备(110)和(120)之间传输已压缩的点云的任何数量的网络。网络(150)可以包括例如有线(wireline/wired)和/或无线通信网络。网络(150)可以在电路交换和/或分组交换信道中交换数据。代表性的网络包括电信网络、局域网、广域网和/或因特网。为了本讨论的目的，网络(150)的结构和拓扑对于本公开的操作可能无关紧要，除了下文中所解释的。

图2示出了所公开主题针对点云应用的示例。所公开的主题可以等同地应用于包括3D远程应用、虚拟现实应用的其它点云启用的应用。

流式传输系统200可以包括捕获子系统(213)。捕获子系统(213)可以包括点云源(201)，例如光探测和测距(LIDAR)系统、3D相机、3D扫描仪、在软件中生成未压缩的点云的图形生成组件以及生成例如未压缩的点云(202)的类似组件。在一个示例中，未压缩的点云(202)包括由3D相机捕获的点。与已压缩的点云(204)(已压缩的点云的比特流)相比时，将点云(202)描绘为粗线以强调高数据量。已压缩的点云(204)可以由电子设备(220)生成，所述电子设备(220)包括耦合到点云源(201)的编码器(203)。编码器(203)可以包括硬件、软件或其组合，以启用或实现如下文更详细描述的所公开的主题的各方面。与未压缩的点云流(202)相比时，将已压缩的点云(204)(或已压缩的点云(204)的比特流)描绘为细线以强调更低的数据量，并且可以将已压缩的点云(204)(或已压缩的点云(204)的比特流)存储于流服务器(205)中以供将来使用。一个或多个流客户端子系统，例如图2中的客户端子系统(206)和(208)，能够访问流服务器(205)以取回已压缩的点云(204)的副本(207)和(209)。客户端子系统(206)可以包括例如在电子设备(230)中的解码器(210)。解码器(210)对已压缩的点云的传入副本(207)进行解码，并创建可以在呈现装置(212)上呈现的重建的点云(211)的传出流。在一些流式传输系统中，已压缩的点云(204)、(207)和(209)(例如，已压缩的点云的比特流)可以根据某些标准被压缩。在一些示例中，在已压缩点云中使用视频编码标准。这些标准的示例包括高效视频编码(HEVC)、通用视频编码(VVC)等。

需要注意的是，电子设备(220)和(230)可以包括其它组件(未示出)。例如，电子设备(220)可以包括解码器(未示出)，并且电子设备(230)也可以包括编码器(未示出)。

图3示出了根据一些实施例的用于编码点云帧的V-PCC编码器(300)的框图。在一些实施例中，V-PCC编码器(300)可以用于通信系统(100)和流式传输系统(200)中。例如，编码器(203)可以以与V-PCC编码器(300)类似的方式配置和操作。

V-PCC编码器(300)接收作为输入的未压缩的点云帧，并生成与已压缩的点云帧相对应的比特流。在一些实施例中，V-PCC编码器(300)可以从例如点云源(201)等的点云源接收点云帧。

在图3的示例中，V-PCC编码器(300)包括如图3所示的耦合在一起的面片生成模块306、面片打包模块308、几何图像生成模块310、纹理图像生成模块312、面片信息模块304、占用图模块314、平滑模块336、图像填充模块316和318、组扩张模块320、视频压缩模块322、323和332、辅助面片信息压缩模块338、熵压缩模块334和多路复用器324。

根据本公开的一个方面，V-PCC编码器(300)将3D点云帧转换为基于图像的表示，以及将已压缩的点云转换回经解压缩的点云所需的一些元数据(例如，占用图和面片信息)。在一些示例中，V-PCC编码器(300)可以将3D点云帧转换为几何图像、纹理图像和占用图，然后使用视频编码技术将几何图像、纹理图像和占用图编码为比特流。通常，几何图像是2D图像。2D图像的像素填充有几何值，其中，该几何值与投影到像素的点相关联。填充了几何值的像素可以称为几何样本。纹理图像是2D图像，2D图像的像素填充有纹理值，该纹理值与投影到像素的点相关联。填充了纹理值的像素可以称为纹理样本。占用图是2D图像，2D图像的像素填充有指示面片已占用或未占用的值。

面片生成模块(306)将点云分割成面片的集合(例如，将面片定义为由点云描述的表面的邻接子集)。所述面片的集合可以重叠或不重叠，使得可以由相对于2D空间中的平面的深度场描述每个面片。在一些实施例中，面片生成模块(306)旨在将点云分解为具有平滑边界的最小数量的面片，同时还最小化重建误差。

面片信息模块(304)可以收集指示面片的大小和形状的面片信息。在一些示例中，可以将面片信息打包到图像帧中，然后由辅助面片信息压缩模块338编码以生成压缩的辅助面片信息。

面片打包模块308用于将所提取的面片映射到二维(2D)网格上，同时最小化未使用的空间，并确保网格中的每个M×M(例如，16×16)块都与唯一面片相关联。有效的面片打包可以通过最小化未使用的空间或确保时间一致性直接影响压缩效率。

几何图像生成模块310可以在给定的面片位置处生成与点云的几何形状相关联的2D几何图像。纹理图像生成模块312可以在给定的面片位置处生成与点云的纹理相关联的2D纹理图像。几何图像生成模块310和纹理图像生成模块312使用在打包过程中计算的3D到2D映射，将点云的几何形状和纹理存储为图像。为了更好地处理多个点被投影到相同样本的情况，将每个面片投影到称为层的两个图像上。在一个示例中，由YUV420-8bit格式中的WxH的单色帧表示几何图像。为了生成纹理图像，纹理生成过程使用重建的/平滑的几何形状，以计算与重新采样的点相关联的颜色(也成为颜色转移)。

占用图模块314可以生成描述每个单元的填充信息的占用图。例如，占用图包括二进制图，所述二进制图指示网格中的每个单元是属于空白空间还是属于点云。在一个示例中，占用图使用二进制信息描述每个像素是否被填充。在另一个示例中，占用图使用二进制信息描述每个像素块是否被填充。

可以使用无损编码或有损编码压缩由占用图模块314生成的占用图。当使用无损编码时，熵压缩模块334用于压缩占用图；当使用有损编码时，视频压缩模块332用于压缩占用图。

需要注意的是，面片打包模块308可以在图像帧中打包的2D面片之间留下一些空白空间。图像填充模块316和318可以填充空白空间(称为填充),以生成适合于2D视频和图像编解码器的图像帧。图像填充也称为背景填充，可以通过冗余信息填充未使用的空间。在一些示例中，好的背景填充最小限度地增加比特率，而不会在面片边界周围引入显著的编码失真。

视频压缩模块322、323和332可以基于例如HEVC、VVC等合适的视频编码标准对例如填充的几何图像、填充的纹理图像和占据图的2D图像进行编码。在一个示例中，视频压缩模块322、323和332是单独操作的独立组件。需要注意的是，在另一个示例中，视频压缩模块322、323和332可以实现为单个组件。

在一些示例中，平滑模块336用于生成重建的几何图像的平滑图像。可以将平滑图像信息提供给纹理图像生成模块312。然后，纹理图像生成模块312可以基于重建的几何图像调整纹理图像的生成。例如，当面片形状(例如，几何形状)在编码和解码期间稍微失真时，在生成纹理图像时,可以考虑所述失真以校正面片形状中的失真。

在一些实施例中，组扩张模块320用于将像素添加到对象的边界,以减少压缩伪像并增加编码增益。

多路复用器324可以将已压缩的几何图像、已压缩的纹理图像、已压缩的占用图、已压缩的辅助面片信息复用到压缩的比特流中。

图4示出了根据一些实施例的V-PCC解码器(400)的框图,其中所述V-PCC解码器(400)用于解码与点云帧对应的压缩的比特流。在一些实施例中，V-PCC解码器(400)可以用于通信系统(100)和流式传输系统(200)中。例如，解码器(210)可以用与V-PCC解码器(400)类似的方式配置和操作。V-PCC解码器(400)接收压缩的比特流，并基于压缩的比特流生成重建的点云。

在图4的示例中，V-PCC解码器(400)包括如图4所示的耦合在一起的解多路复用器(432)、视频解压缩模块(434)和(436)、占用图解压缩模块(438)、辅助面片信息解压缩模块(442)、几何重建模块(444)、平滑模块(446)、纹理重建模块(448)和颜色平滑模块(452)。

解多路复用器(432)可以接收已压缩的比特流,并分离成已压缩的纹理图像、已压缩的几何图像、已压缩的占用图和已压缩的辅助面片信息。

视频解压缩模块(434)和(436)可以根据适当的标准(例如，HEVC、VVC等)解码已压缩的图像，并输出解压缩的图像。例如，视频解压缩模块(434)解码已压缩的纹理图像，并输出解压缩的纹理图像；视频解压缩模块(436)解码已压缩的几何图像，并输出解压缩的几何图像。

占用图解压缩模块(438)可以根据适当的标准(例如，HEVC、VVC等)解码已压缩的占用图，并输出解压缩的占用图。

辅助面片信息解压缩模块(442)可以根据适当的标准(例如，HEVC、VVC等)解码已压缩的辅助面片信息，并输出解压缩的辅助面片信息。

几何重建模块(444)可以接收解压缩的几何图像，并基于解压缩的占有图和解压缩的辅助面片信息生成重建的点云几何形状。

平滑模块(446)可以平滑面片边缘处的不一致。平滑过程旨在减轻可能由于压缩伪像而在面片边界处出现的潜在不连续性。在一些实施例中，可以对位于面片边界的像素应用平滑滤波器，以减轻可能由压缩/解压缩引起的失真。

纹理重建模块(448)可以基于解压缩的纹理图像和平滑几何形状,确定点云中的点的纹理信息。

颜色平滑模块(452)可以平滑着色的不一致。3D空间中的非邻近面片通常在2D视频中彼此相邻打包。在一些示例中，基于块的视频编解码器可能混合非邻近面片的像素值。颜色平滑的目标是减少在面片边界处出现的可见伪像。

图5示出了根据本公开一个实施例的视频解码器(510)的框图。视频解码器(510)可以用于V-PCC解码器(400)中。例如，视频解压缩模块(434)和(436)、占用图解压缩模块(438)可以与视频解码器(510)类似地配置。

视频解码器(510)可包括解析器(520),以根据已压缩图像,比如,已编码视频序列,重建符号(521)。这些符号的类别包括用于管理视频解码器(510)的操作的信息。解析器(520)可对接收到的已编码视频序列进行解析/熵解码。已编码视频序列的编码可根据视频编码技术或标准进行，且可遵循各种原理，包括可变长度编码、霍夫曼编码(Huffmancoding)、具有或不具有上下文灵敏度的算术编码等等。解析器(520)可基于对应于群组的至少一个参数，从已编码视频序列提取用于视频解码器中的像素的子群中的至少一个子群的子群参数集。子群可包括图片群组(Group of Pictures，GOP)、图片、图块、切片、宏块、编码单元(Coding Unit，CU)、块、变换单元(Transform Unit，TU)、预测单元(PredictionUnit，PU)等等。解析器(520)还可从已编码视频序列提取信息，例如变换系数、量化器参数值、运动矢量等等。

解析器(520)可对从缓冲存储器接收的视频序列执行熵解码/解析操作，从而创建符号(521)。

取决于已编码视频图片或一部分已编码视频图片(例如：帧间图片和帧内图片、帧间块和帧内块)的类型以及其它因素，符号(521)的重建可涉及多个不同单元。涉及哪些单元以及涉及方式可由解析器(520)从已编码视频序列解析的子群控制信息控制。为了简洁起见，未描述解析器(520)与下文的多个单元之间的此类子群控制信息流。

除已经提及的功能块以外，视频解码器(510)可在概念上细分成如下文所描述的数个功能单元。在商业约束下运行的实际实施例中，这些单元中的许多单元彼此紧密交互并且可以彼此集成。然而，出于描述所公开主题的目的，概念上细分成下文的功能单元是适当的。

第一单元是缩放器/逆变换单元(551)。缩放器/逆变换单元(551)从解析器(520)接收作为符号(521)的量化变换系数以及控制信息，包括使用哪种变换方式、块大小、量化因子、量化缩放矩阵等。缩放器/逆变换单元(551)可输出包括样本值的块，所述样本值可输入到聚合器(555)中。

在一些情况下，缩放器/逆变换单元(551)的输出样本可属于帧内编码块；即：不使用来自先前重建的图片的预测性信息，但可使用来自当前图片的先前重建部分的预测性信息的块。此类预测性信息可由帧内图片预测单元(552)提供。在一些情况下，帧内图片预测单元(552)采用从当前图片缓冲器(558)提取的已重建信息生成大小和形状与正在重建的块相同的周围块。举例来说，当前图片缓冲器(558)缓冲部分重建的当前图片和/或完全重建的当前图片。在一些情况下，聚合器(555)基于每个样本，将帧内预测单元(552)生成的预测信息添加到由缩放器/逆变换单元(551)提供的输出样本信息中。

在其它情况下，缩放器/逆变换单元(551)的输出样本可属于帧间编码和潜在运动补偿块。在此情况下，运动补偿预测单元(553)可访问参考图片存储器(557)以提取用于预测的样本。在根据符号(521)对提取的样本进行运动补偿之后，这些样本可由聚合器(555)添加到缩放器/逆变换单元(551)的输出(在这种情况下被称作残差样本或残差信号)，从而生成输出样本信息。运动补偿预测单元(553)从参考图片存储器(557)内的地址获取预测样本可受到运动矢量控制，且所述运动矢量以所述符号(521)的形式而供运动补偿预测单元(553)使用，所述符号(521)例如是包括X、Y和参考图片分量。运动补偿还可包括在使用子样本精确运动矢量时，从参考图片存储器(557)提取的样本值的内插、运动矢量预测机制等等。

聚合器(555)的输出样本可在环路滤波器单元(556)中被各种环路滤波技术采用。视频压缩技术可包括环路内滤波器技术，所述环路内滤波器技术受控于包括在已编码视频序列(也称作已编码视频码流)中的参数，且所述参数作为来自解析器(520)的符号(521)可用于环路滤波器单元(556)。然而，在其他实施例中，视频压缩技术还可响应于在解码已编码图片或已编码视频序列的先前(按解码次序)部分期间获得的元信息，以及响应于先前重建且经过环路滤波的样本值。

环路滤波器单元(556)的输出可以是样本流，所述样本流可输出到显示装置以及存储在参考图片存储器(557)，以用于后续的帧间图片预测。

一旦完全重建，某些已编码图片就可用作参考图片以用于将来预测。举例来说，一旦对应于当前图片的已编码图片被完全重建，且已编码图片(通过例如解析器(520))被识别为参考图片，则当前图片缓冲器(558)可变为参考图片存储器(557)的一部分，且可在开始重建后续已编码图片之前重新分配新的当前图片缓冲器。

视频解码器(510)可根据例如ITU-T H.265标准中的预定视频压缩技术执行解码操作。在已编码视频序列遵循视频压缩技术或标准的语法以及视频压缩技术或标准中记录的配置文件的意义上，已编码视频序列可符合所使用的视频压缩技术或标准指定的语法。具体地说，配置文件可从视频压缩技术或标准中可用的所有工具中选择某些工具作为在所述配置文件下可供使用的仅有工具。对于合规性，还要求已编码视频序列的复杂度处于视频压缩技术或标准的层级所限定的范围内。在一些情况下，层级限制最大图片大小、最大帧率、最大重建取样率(以例如每秒兆(mega)个样本为单位进行测量)、最大参考图片大小等。在一些情况下，由层级设定的限制可通过假想参考解码器(Hypothetical ReferenceDecoder，HRD)规范和在已编码视频序列中用信号表示的HRD缓冲器管理的元数据来进一步限定。

图6示出了根据本公开一个实施例的视频编码器(603)的框图。视频编码器(603)可以用于在V-PCC编码器(300)中压缩点云。在一个示例中，视频压缩模块(322)和(323)以及视频压缩模块(332)的配置类似于编码器(603)。

视频编码器(603)可以接收例如填充的几何图像、填充的纹理图像等图像，并生成已压缩的图像。

根据实施例，视频编码器(603)可实时或在由应用所要求的任何其它时间约束下，将源视频序列(多个图像)的图片编码且压缩成已编码视频序列(已编码图像)。施行适当的编码速度是控制器(650)的一个功能。在一些实施例中，控制器(650)控制如下文所描述的其它功能单元且在功能上耦接到这些单元。为了简洁起见，图中未标示耦接。由控制器(650)设置的参数可包括速率控制相关参数(图片跳过、量化器、率失真优化技术的λ值等)、图片大小、图片群组(group of pictures，GOP)布局，最大运动矢量搜索范围等。控制器(650)可用于具有其它合适的功能，这些功能涉及针对某一系统设计优化的视频编码器(603)。

在一些实施例中，视频编码器(603)在编码环路中进行操作。作为简单的描述，在实施例中，编码环路可包括源编码器(630)(例如，负责基于待编码的输入图片和参考图片创建符号，例如符号流)和嵌入于视频编码器(603)中的(本地)解码器(633)。解码器(633)以类似于(远程)解码器创建样本数据的方式重建符号以创建样本数据(因为在本公开所考虑的视频压缩技术中，符号与已编码视频码流之间的任何压缩是无损的)。将重建的样本流(样本数据)输入到参考图片存储器(634)。由于符号流的解码产生与解码器位置(本地或远程)无关的位精确结果，因此参考图片存储器(634)中的内容在本地编码器与远程编码器之间也是按比特位精确对应的。换句话说，编码器的预测部分“看到”的参考图片样本与解码器将在解码期间使用预测时所“看到”的样本值完全相同。这种参考图片同步性基本原理(以及在例如因信道误差而无法维持同步性的情况下产生的漂移)也用于一些相关技术。

“本地”解码器(633)的操作可与例如已在上文结合图5详细描述视频解码器(510)的“远程”解码器相同。然而，另外简要参考图5，当符号可用且熵编码器(645)和解析器(520)能够无损地将符号编码/解码为已编码视频序列时，包括解析器(520)在内的视频解码器(510)的熵解码部分，可能无法完全在本地解码器(633)中实施。

此时可以观察到，除存在于解码器中的解析/熵解码之外的任何解码器技术，也必定以基本上相同的功能形式存在于对应的编码器中。出于此原因，本公开侧重于解码器操作。可简化编码器技术的描述，因为编码器技术与全面地描述的解码器技术互逆。仅在某些区域中需要更详细的描述，并且在下文提供。

在操作期间，在一些实施例中，源编码器(630)可执行运动补偿预测编码。参考来自视频序列中被指定为“参考图片”的一个或多个先前已编码图片，所述运动补偿预测编码对输入图片进行预测性编码。以此方式，编码引擎(632)对输入图片的像素块与参考图片的像素块之间的差异进行编码，所述参考图片可被选作所述输入图片的预测参考。

本地视频解码器(633)可基于源编码器(630)创建的符号，对可指定为参考图片的图片的已编码视频数据进行解码。编码引擎(632)的操作可为有损过程。当已编码视频数据可在视频解码器(图6中未示)处被解码时，重建的视频序列通常可以是带有一些误差的源视频序列的副本。本地视频解码器(633)复制解码过程，所述解码过程可由视频解码器对参考图片执行，且可使重建的参考图片存储在参考图片高速缓存(634)中。以此方式，视频编码器(603)可在本地存储重建的参考图片的副本，所述副本与将由远端视频解码器获得的重建参考图片具有共同内容(不存在传输误差)。

预测器(635)可针对编码引擎(632)执行预测搜索。即，对于将要编码的新图片，预测器(635)可在参考图片存储器(634)中搜索可作为所述新图片的适当预测参考的样本数据(作为候选参考像素块)或某些元数据，例如参考图片运动矢量、块形状等。预测器(635)可基于样本块逐像素块操作，以找到合适的预测参考。在一些情况下，根据预测器(635)获得的搜索结果，可确定输入图片可具有从参考图片存储器(634)中存储的多个参考图片取得的预测参考。

控制器(650)可管理源编码器(630)的编码操作，包括例如设置用于对视频数据进行编码的参数和子群参数。

可在熵编码器(645)中对所有上述功能单元的输出进行熵编码。熵编码器(645)根据例如霍夫曼编码、可变长度编码、算术编码等技术对各种功能单元生成的符号进行无损压缩，从而将所述符号转换成已编码视频序列。

控制器(650)可管理视频编码器(603)的操作。在编码期间，控制器(650)可以为每个已编码图片分配某一已编码图片类型，但这可能影响可应用于相应的图片的编码技术。例如，通常可将图片分配为以下任一种图片类型：

帧内图片(I图片)，其可以是不将序列中的任何其它图片用作预测源就可被编码和解码的图片。一些视频编解码器容许不同类型的帧内图片，包括例如独立解码器刷新(Independent Decoder Refresh，“IDR”)图片。所属领域的技术人员了解I图片的变体及其相应的应用和特征。

预测性图片(P图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多一个运动矢量和参考索引来预测每个块的样本值。

双向预测性图片(B图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多两个运动矢量和参考索引来预测每个块的样本值。类似地，多个预测性图片可使用多于两个参考图片和相关联元数据以用于重建单个块。

源图片通常可在空间上细分成多个样本块(例如，4×4、8×8、4×8或16×16个样本的块)，且逐块进行编码。这些块可参考其它(已编码)块进行预测编码，根据应用于块的相应图片的编码分配来确定所述其它块。举例来说，I图片的块可进行非预测编码，或所述块可参考同一图片的已经编码的块来进行预测编码(空间预测或帧内预测)。P图片的像素块可参考一个先前编码的参考图片通过空间预测或通过时域预测进行预测编码。B图片的块可参考一个或两个先前编码的参考图片通过空间预测或通过时域预测进行预测编码。

视频编码器(603)可根据例如ITU-T H.265建议书的预定视频编码技术或标准执行编码操作。在操作中，视频编码器(603)可执行各种压缩操作，包括利用输入视频序列中的时间和空间冗余的预测编码操作。因此，已编码视频数据可符合所用视频编码技术或标准指定的语法。

视频可以是时间序列中的多个源图片(图像)的形式。帧内图片预测(常常简化为帧内预测)利用给定图片中的空间相关性，而帧间图片预测则利用图片之间的(时间或其它)相关性。在实施例中，将正在编码/解码的特定图片分割成块，正在编码/解码的特定图片被称作当前图片。在当前图片中的块类似于视频中先前已编码且仍被缓冲的参考图片中的参考块时，可通过称作运动矢量的矢量对当前图片中的块进行编码。所述运动矢量指向参考图片中的参考块，且在使用多个参考图片的情况下，所述运动矢量可具有识别参考图片的第三维度。

在一些实施例中，双向预测技术可用于帧间图片预测中。根据双向预测技术，使用两个参考图片，例如按解码次序都在视频中的当前图片之前(但按显示次序可能分别是过去和将来)第一参考图片和第二参考图片。可通过指向第一参考图片中的第一参考块的第一运动矢量和指向第二参考图片中的第二参考块的第二运动矢量对当前图片中的块进行编码。具体来说，可通过第一参考块和第二参考块的组合来预测所述块。

此外，合并模式技术可用于帧间图片预测中以改善编码效率。

根据本公开的一些实施例，帧间图片预测和帧内图片预测等预测的执行以块为单位。举例来说，根据HEVC标准，将视频图片序列中的图片分割成编码树单元(coding treeunit，CTU)以用于压缩，图片中的CTU具有相同大小，例如64×64像素、32×32像素或16×16像素。一般来说，CTU包括三个编码树块(coding tree block，CTB)，所述三个编码树块是一个亮度CTB和两个色度CTB。更进一步的，还可将每个CTU以四叉树拆分为一个或多个编码单元(coding unit，CU)。举例来说，可将64×64像素的CTU拆分为一个64×64像素的CU，或4个32×32像素的CU，或16个16×16像素的CU。在实施例中，分析每个CU以确定用于CU的预测类型，例如帧间预测类型或帧内预测类型。此外，取决于时间和/或空间可预测性，将CU拆分为一个或多个预测单元(prediction unit，PU)。通常，每个PU包括亮度预测块(predictionblock，PB)和两个色度PB。在实施例中，编码(编码/解码)中的预测操作以预测块为单位来执行。以亮度预测块作为预测块为例，预测块包括像素值(例如，亮度值)的矩阵，例如8×8像素、16×16像素、8×16像素、16×8像素等等。

根据本公开的一些方面，可以在编码器侧(用于点云压缩)和解码器侧(用于点云重建)执行几何平滑。在示例中，在编码器侧，对几何视频进行压缩之后，使用压缩的几何视频和对应的占用映射，重建点云的几何部分，并且将重建的点云(几何部分)称为几何重建云。几何重建云用于生成纹理图像。例如，纹理图像生成312可以确定与几何重建云中的重采样点相关联的颜色(也称为颜色转移)，并相应地生成纹理图像。

在一些示例中，在颜色转移之前，将几何平滑应用于几何重建云。例如，平滑模块336可以对基于重建的几何图像生成的几何重建云应用平滑(例如，平滑滤波器)。在本公开的一些实施例中，平滑模块336被配置为不仅恢复面片边界处的几何失真，而且恢复面片内的几何失真。

在解码器侧，使用图4中的V-PCC解码器400作为示例，平滑模块446可以对几何重建云应用平滑，并生成平滑的几何重建云。然后，基于解压缩的纹理图像和平滑的几何重建云，纹理重建模块448可以确定点云中的点的纹理信息。

根据本公开的一些方面，由于几何压缩和/或高分辨率占用图到较低分辨率图的转换期间的量化误差，可能发生失真。量化误差可能会影响面片边界，并且可能影响面片内的重建深度值(多个点的几何信息)，从而导致不平滑的重建表面。本公开提供了平滑面片内的重建深度值的技术。

所提出的方法可以单独使用,或以任何顺序组合使用。此外，每个方法(或实施例)、每个编码器和解码器可以由处理电路(例如，一个或多个处理器,或一个或多个集成电路)实现。在一个示例中，一个或多个处理器执行存储在非易失性计算机可读介质中的程序。

图7示出了用于点云的几何图像710和纹理图像750。将点云分解为多个面片。在一些相关示例中，平滑仅应用于面片边界，比如，图7中由711所示的边界。在本公开中，可以将平滑应用于面片内的某些位置，比如，721所示。可以基于某些标准选择位置。以选择性的方式在面片内应用平滑，从而产生最小的额外计算复杂度。在一些实施例中，可以确定重建深度值与未压缩深度值相比差异最大的多个候选点，并将确定的多个候选点添加到列表中。该列表还可以包括边界点。然后，可以通过例如平滑模块336、平滑模块446等，将平滑应用于列表中的点。

在一些实施例中，基于重建深度值，导出将由平滑滤波器进行平滑的面片内的一组候选点。在一些实施例中，在编码器侧和解码器侧使用合适的算法，例如基于估计，选择多个候选点，这些候选点的重建深度值与原始未压缩值相差最大，而原始未压缩值在解码器侧不可用。在一些示例中，选择那些认为其重构深度值具有较大量化误差的点作为多个候选点。在示例中，可以选择深度图(例如，重建的几何图像)中具有高频率分量(高空间频率分量)的区域。例如，当区域中的高空间频率分量的强度与低空间频率分量的强度的比率高于阈值时，该区域是具有相对高水平的多个高空间频率分量的高频率区域，并且可以选择该区域以应用平滑滤波器。在另一示例中，可以选择深度图(例如，重建的几何图像)中具有高运动内容的区域。例如，可以基于视频编解码器中通常使用的运动矢量信息，选择该区域。

在一些实施例中，可以将边缘检测应用于深度图(例如，重建的几何图像)，以确定面片内与边缘对应的多个点，并且可以将平滑应用于面片内与边缘对应的多个点。通常，边缘区域具有相对较高的空间频率分量。

在一些实施例中，可以基于视频压缩工具(例如HEVC)隐式提供的信息，导出多个候选点，其中，视频压缩工具由V-PCC使用，以压缩/解压缩深度图。在示例中，可以选择具有大运动矢量的像素，并且可以选择与具有大运动矢量的像素对应的多个点作为多个候选点，并将多个候选点添加到将应用平滑的列表中。在另一示例中，可以选择对样本自适应偏移(Sample Adaptive Offset，SAO)的响应相对较大的多个像素，并且可以选择与对SAO具有较大响应的多个像素对应的多个点作为多个候选点，并将多个候选点添加到将应用平滑的列表中。

根据本公开的一些方面，编码器侧和解码器侧使用相同的算法确定面片内的多个点(或多个区域)，以应用平滑。在一些实施例中，可以在已编码比特流中包含多个标志和多个参数，因此，解码器侧可以确定编码器选择面片内的多个点以应用平滑的算法和参数，然后，解码器侧可以使用相同的算法和参数，选择面片内的多个点，以应用平滑。

图8示出了根据本公开的一些实施例的语法的示例。在图8的示例中，selective_smoothing_inside_patches_present_flag用于指示是否使用面片内的选择性平滑。在示例中，当selective_smoothing_inside_patches_present_flag为真时，可以例如由algorithm_to_find_candidates_inside_patches表示的参数指示算法。

此外，在示例中，当算法是边缘检测算法时，可以指示在边缘检测算法中使用的参数，比如，由kernel_size表示的边缘检测算法的内核大小、由kernel[i]表示的关于光栅扫描顺序的内核中的值，i＝0…kernel_size×kernel_size等。

注意，在图8中，XYZ表示选择面片内的多个候选点以应用平滑的其它合适算法，并且XYZ_parameters表示将用于算法XYZ的参数值。

图9示出了根据本公开一个实施例的概述过程(900)的流程图。可以在编码点云的编码过程中使用过程(900)。在各种实施例中，由处理电路执行过程(900)，所述处理电路例如终端设备(110)中的处理电路、执行编码器(203)功能的处理电路、执行V-PCC编码器(300)功能的处理电路等。在一些实施例中，在软件指令中实现过程(900)，因此当处理电路执行所述软件指令时，所述处理电路执行所述过程(900)。所述过程开始于(S901)并进行到(S910)。

在(S910)处，压缩与点云相关联的几何图像。在示例中，面片生成模块306可以生成用于点云的面片。此外，几何图像生成模块310将几何信息存储为几何图像，其中，几何信息可以是比如多个点的深度值。视频压缩模块322可以压缩与点云相关联的几何图像。

在(S920)处，根据压缩的几何图像，生成几何重建云。在示例中，视频压缩模块322可以根据压缩的几何图像，生成重建的几何图像。重建的几何图像可以用于形成几何重建云。

在(S930)处，除了面片的边界样本之外，将平滑滤波器应用于几何重建云的面片内的至少一个几何样本。在一些示例中，平滑模块336可以在面片的多个边界点上应用平滑滤波器。另外，平滑模块336选择性地将平滑滤波器应用于面片内的一些点。在一些实施例中，可以基于估计，选择重建深度值与原始未压缩值可能相差最大的多个点。例如，可以选择区域中具有高水平的高空间频率分量的多个点。在另一示例中，可以选择深度图中具有高运动内容的多个点(例如，基于视频压缩模块322提供的运动矢量信息而确定)。

在(S940)处，基于平滑的几何重建云生成纹理图像。在示例中，纹理图像生成模块312可以确定与平滑的几何重建云中的重采样点相关联的颜色(也称为颜色转移)，并相应地生成纹理图像。

在(S950)处，压缩纹理图像。在示例中，视频压缩模块323可以生成压缩的纹理图像。然后，可以多路复用压缩的几何图像、压缩的纹理图像和其它合适的信息，以形成已编码比特流。在一些示例中，已编码比特流中可以包括多个标志和参数，其中，该多个标志和参数与面片内的选择性几何平滑相关联。然后，该过程进行到(S999)并结束。

图10是根据本公开实施例的概述过程(1000)的流程图。可以在解码过程中使用过程(1000)以重建点云。在各种实施例中，过程(1000)由处理电路(比如，终端设备(120)中的处理电路、执行解码器(210)功能的处理电路、执行V-PCC解码器(400)功能的处理电路等)执行。在一些实施例中，过程(1000)以软件指令实现，因此当处理电路执行这些软件指令时，处理电路执行过程(1000)。该过程开始于(S1001)并进行到(S1010)。

在(S1010)处，从对应于点云的已编码比特流中解码图像的预测信息。在一些示例中，预测信息包括多个标志和参数，其中，该多个标志和参数与面片内的选择性几何平滑相关联。

在(S1020)处，根据从已编码比特流解码的几何图像，生成几何重建云。在示例中，视频解压缩模块436可以对几何信息进行解码，并生成解压缩的一个或多个几何图像。几何重建模块444可以基于解压缩的一个或多个几何图像，生成几何重建云。

在(S1030)处，除了面片的边界样本之外，将平滑滤波器应用于几何重建云的面片内的至少一个几何样本。在一些示例中，平滑模块446可以在面片边界点的多个几何样本上应用平滑滤波器。另外，平滑模块446选择性地将平滑滤波器应用于面片内的一些点的几何样本。在一些实施例中，可以基于估计，选择重建深度值与原始未压缩值可能相差最大的多个点。例如，可以选择区域中具有高水平的高空间频率分量的点。在另一示例中，可以选择深度图中具有高运动内容的多个点(例如，由视频解压缩模块436提供的运动矢量信息而确定)。

在(S1040)处，基于平滑的几何重建云，重建点云。例如，纹理重建模块(448)可以基于解压缩的纹理图像和平滑的几何重建云，确定点云中多个点的纹理信息。然后，颜色平滑模块(452)能够平滑着色的不一致。然后，该过程进行到(S1099)并结束。

上述技术可以通过计算机可读指令实现为计算机软件，并且物理地存储在一个或多个计算机可读介质中。例如，图11示出了计算机系统(1100)，其适于实现所公开主题的某些实施例。

所述计算机软件可通过任何合适的机器代码或计算机语言进行编码，通过汇编、编译、链接等机制创建包括指令的代码，所述指令可由一个或多个计算机中央处理单元(CPU)，图形处理单元(GPU)等直接执行或通过译码、微代码等方式执行。

所述指令可以在各种类型的计算机或其组件上执行，包括例如个人计算机、平板电脑、服务器、智能手机、游戏设备、物联网设备等。

图11所示的用于计算机系统(1100)的组件本质上是示例性的，并不用于对实现本申请实施例的计算机软件的使用范围或功能进行任何限制。也不应将组件的配置解释为与计算机系统(1100)的示例性实施例中所示的任一组件或其组合具有任何依赖性或要求。

计算机系统(1100)可以包括某些人机界面输入设备。这种人机界面输入设备可以通过触觉输入(如：键盘输入、滑动、数据手套移动)、音频输入(如：声音、掌声)、视觉输入(如：手势)、嗅觉输入(未示出)，对一个或多个人类用户的输入做出响应。所述人机界面设备还可用于捕获某些媒体，气与人类有意识的输入不必直接相关，如音频(例如：语音、音乐、环境声音)、图像(例如：扫描图像、从静止影像相机获得的摄影图像)、视频(例如2D视频、包括立体视频的3D视频)。

人机界面输入设备可包括以下中的一个或多个(仅绘出其中一个)：键盘(1101)、鼠标(1102)、触控板(1103)、触摸屏(1110)、数据手套(未示出)、操纵杆(1105)、麦克风(1106)、扫描仪(1107)、照相机(1108)。

计算机系统(1100)还可以包括某些人机界面输出设备。这种人机界面输出设备可以通过例如触觉输出、声音、光和嗅觉/味觉来刺激一个或多个人类用户的感觉。这样的人机界面输出设备可包括触觉输出设备(例如通过触摸屏(1110)、数据手套(未示出)或操纵杆(1105)的触觉反馈，但也可以有不用作输入设备的触觉反馈设备)、音频输出设备(例如，扬声器(1109)、耳机(未示出))、视觉输出设备(例如，包括阴极射线管屏幕、液晶屏幕、等离子屏幕、有机发光二极管屏的屏幕(1110)，其中每一个都具有或没有触摸屏输入功能、每一个都具有或没有触觉反馈功能——其中一些可通过诸如立体画面输出的手段输出2D视觉输出或3D以上的输出；虚拟现实眼镜(未示出)、全息显示器和放烟箱(未示出))以及打印机(未示出)。

计算机系统(1100)还可以包括人可访问的存储设备及其相关介质，如包括具有CD/DVD的高密度只读/可重写式光盘(CD/DVD ROM/RW)(1120)或类似介质(1121)的光学介质、拇指驱动器(1122)、可移动硬盘驱动器或固体状态驱动器(1123)，诸如磁带和软盘(未示出)的传统磁介质，诸如安全软件保护器(未示出)等的基于ROM/ASIC/PLD的专用设备，等等。

本领域技术人员还应当理解，结合所公开的主题使用的术语“计算机可读介质”不包括传输介质、载波或其它瞬时信号。

计算机系统(1100)还可以包括通往一个或多个通信网络的接口。例如，网络可以是无线的、有线的、光学的。网络还可为局域网、广域网、城域网、车载网络和工业网络、实时网络、延迟容忍网络等等。网络还包括以太网、无线局域网、蜂窝网络(GSM、3G、4G、5G、LTE等)等局域网、电视有线或无线广域数字网络(包括有线电视、卫星电视、和地面广播电视)、车载和工业网络(包括CANBus)等等。某些网络通常需要外部网络接口适配器，用于连接到某些通用数据端口或外围总线(1149)(例如，计算机系统(1100)的USB端口)；其它系统通常通过连接到如下所述的系统总线集成到计算机系统(1100)的核心(例如，以太网接口集成到PC计算机系统或蜂窝网络接口集成到智能电话计算机系统)。通过使用这些网络中的任何一个，计算机系统(1100)可以与其它实体进行通信。所述通信可以是单向的，仅用于接收(例如，无线电视)，单向的仅用于发送(例如CAN总线到某些CAN总线设备)，或双向的，例如通过局域或广域数字网络到其它计算机系统。上述的每个网络和网络接口可使用某些协议和协议栈。

上述的人机界面设备、人可访问的存储设备以及网络接口可以连接到计算机系统(1100)的核心(1140)。

核心(1140)可包括一个或多个中央处理单元(CPU)(1141)、图形处理单元(GPU)(1142)、以现场可编程门阵列(FPGA)(1143)形式的专用可编程处理单元、用于特定任务的硬件加速器(1144)等。这些设备以及只读存储器(ROM)(1145)、随机存取存储器(1146)、内部大容量存储器(例如内部非用户可存取硬盘驱动器、固态硬盘等)(1147)等可通过系统总线(1148)进行连接。在某些计算机系统中，可以以一个或多个物理插头的形式访问系统总线(1148)，以便可通过额外的中央处理单元、图形处理单元等进行扩展。外围装置可直接附接到核心的系统总线(1148)，或通过外围总线(1149)进行连接。外围总线的体系结构包括外部控制器接口PCI、通用串行总线USB等。

CPU(1141)、GPU(1142)、FPGA(1143)和加速器(1144)可以执行某些指令，这些指令组合起来可以构成上述计算机代码。该计算机代码可以存储在ROM(1145)或RAM(1146)中。过渡数据也可以存储在RAM(1146)中，而永久数据可以存储在例如内部大容量存储器(1147)中。通过使用高速缓冲存储器可实现对任何存储器设备的快速存储和检索，高速缓冲存储器可与一个或多个CPU(1141)、GPU(1142)、大容量存储器(1147)、ROM(1145)、RAM(1146)等紧密关联。

所述计算机可读介质上可具有计算机代码，用于执行各种计算机实现的操作。介质和计算机代码可以是为本申请的目的而特别设计和构造的，也可以是计算机软件领域的技术人员所熟知和可用的介质和代码。

作为实施例而非限制，具有体系结构(1100)的计算机系统，特别是核心(1140)，可以作为处理器(包括CPU、GPU、FPGA、加速器等)提供执行包含在一个或多个有形的计算机可读介质中的软件的功能。这种计算机可读介质可以是与上述的用户可访问的大容量存储器相关联的介质，以及具有非易失性的核心(1140)的特定存储器，例如核心内部大容量存储器(1147)或ROM(1145)。实现本申请的各种实施例的软件可以存储在这种设备中并且由核心(1140)执行。根据特定需要，计算机可读介质可包括一个或一个以上存储设备或芯片。该软件可以使得核心(1140)特别是其中的处理器(包括CPU、GPU、FPGA等)执行本文所述的特定过程或特定过程的特定部分，包括定义存储在RAM(1146)中的数据结构以及根据软件定义的过程来修改这种数据结构。另外或作为替代，计算机系统可以提供逻辑硬连线或以其它方式包含在电路(例如，加速器(1144))中的功能，该电路可以代替软件或与软件一起运行以执行本文所述的特定过程或特定过程的特定部分。在适当的情况下，对软件的引用可以包括逻辑，反之亦然。在适当的情况下，对计算机可读介质的引用可包括存储执行软件的电路(如集成电路(IC))，包含执行逻辑的电路，或两者兼备。本申请包括任何合适的硬件和软件组合。

附录A：首字母缩略词

JEM：联合开发模式

VVC：通用视频编码

BMS：基准集合

MV：运动向量

HEVC：高效视频编码

SEI：补充增强信息

VUI：视频可用性信息

GOP：图片组

TU：变换单元

PU：预测单元

CTU：编码树单元

CTB：编码树块

PB：预测块

HRD：假设参考解码器

SNR：信噪比

CPUs：中央处理单元

GPUs：图形处理单元

CRT：阴极射线管

LCD：液晶显示

OLED：有机发光二极管

CD：光盘

DVD：数字化视频光盘

ROM：只读存储器

RAM：随机存取存储器

ASIC：专用集成电路

PLD：可编程逻辑设备

LAN：局域网

GSM：全球移动通信系统

LTE：长期演进

CANBus：控制器局域网络总线

USB：通用串行总线

PCI：外围设备互连

FPGA：现场可编程门阵列

SSD：固态驱动器

IC：集成电路

CU：编码单元

虽然本申请已对多个示例性实施例进行了描述，但实施例的各种变更、排列和各种等同替换均属于本申请的范围内。因此应理解，本领域技术人员能够设计多种系统和方法，所述系统和方法虽然未在本文中明确示出或描述，但其体现了本申请的原则，因此属于本申请的精神和范围之内。