3D 点云数据压缩技术近期趋势及 3D 压缩域直接处理挑战速览
计算机视觉与模式识别
2020-07-13 v1 机器人学
图像与视频处理
摘要
用于目标检测、跟踪与分割的 3D 点云数据自动处理是 AI 与数据科学领域最新的研究趋势，其特别旨在解决自动驾驶汽车的不同挑战并获得实时性能。然而，以 3D 点云（通过 LiDAR）形式产生的数据量非常巨大，因此研究者正致力于发明新的数据压缩算法来处理如此生成的海量数据。然而，压缩一方面在克服空间需求上具有优势，但另一方面，由于解压缩需要额外计算资源，其处理变得昂贵。因此，设想开发能够直接对压缩数据进行操作/分析而无需涉及解压缩与再压缩阶段（压缩数据往往需多次操作或分析时所必需）的算法将是新颖的。该研究领域被称为压缩域处理。在本文中，我们将快速回顾 LiDAR 生成的 3D 点云数据压缩领域若干近期最先进进展，并强调 3D 点云数据压缩域处理的未来挑战。
引用
@article{arxiv.2007.05038,
title = {A Quick Review on Recent Trends in 3D Point Cloud Data Compression Techniques and the Challenges of Direct Processing in 3D Compressed Domain},
author = {Mohammed Javed and MD Meraz and Pavan Chakraborty},
journal= {arXiv preprint arXiv:2007.05038},
year = {2020}
}