guest ::
Point cloud attribute coding using graph-based transform with adaptation mechanisms
2024 & 2025
Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2024
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2025
Genehmigende Fakultät
Fak06
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2024-12-04
Online
DOI: 10.18154/RWTH-2025-01047
URL: https://publications.rwth-aachen.de/record/1003422/files/1003422.pdf
Einrichtungen
Inhaltliche Beschreibung (Schlagwörter)
Attribute (frei) ; Graphen (frei) ; Kompression (frei) ; Punktwolke (frei) ; attributes (frei) ; compression (frei) ; graphs (frei) ; point cloud (frei)
Thematische Einordnung (Klassifikation)
DDC: 621.3
Kurzfassung
Durch aktuelle Fortschritte im Bereich der Sensortechnologie ist die Erfassung von dreidimensionalen Punktwolken möglich, die im Fokus einer Reihe neuartiger Anwendungen stehen. Punktwolken stellen entweder unbewegte oder bewegte 3D-Objekte der realen Welt dar. Im letzteren Fall werden die Daten oft als volumetrisches Video bezeichnet. Die Menge an Informationen, die für ihre Darstellung benötigt wird, ist erheblich. Daher ist eine effiziente Komprimierung der Punktwolken notwendig, um die Speicherung und Übertragung von Punktwolkendaten zu ermöglichen. In den von der Moving Picture Experts Group (MPEG) initiierten Komprimierungsstandards Geometry-based PCC (G-PCC) und Video-based PCC (V-PCC) sowie in früheren Komprimierungsmethoden wird die Punktwolkenkomprimierung in zwei Teilaufgaben unterteilt: Geometriekomprimierung und Attributkomprimierung. Da Punktwolkenattribute den Großteil der Informationen ausmachen, konzentriert sich diese Arbeit auf letztere Aufgabe. Punktwolken sind von Natur aus unstrukturierte Daten, weshalb sie keine offensichtliche Domäne haben, die für eine effiziente Verarbeiterung in Betracht gezogen werden kann. Darüber hinaus ist die Berücksichtigung des gesamten zugrunde liegenden 3D-Gitters unpraktisch, da Punktwolken nur einen kleinen Prozentsatz des verfügbaren Raums einnehmen. Durch die Verwendung der Geometrie der Punktwolke zur Erzeugung von Graphen und die Beachtung ihrer Attribute als Graphsignale eignet sich die Graphsignalverarbeitung zur Lösung verwandter Signalverarbeitungsprobleme wie der Kompression. Frühe Arbeiten, die Graphsignalverarbeitung verwenden, zeigen vielversprechende Ergebnisse. Diese Arbeit zielt daher darauf ab, wenig erforschte Teile ihrer Transformationskodierungskomponente zu verbessern. Die Beiträge werden anhand von Datensätzen, die in der Forschung gut etabliert sind, experimentell validiert.Recent advancements in sensor technology allow the capture of three dimensional point clouds, which are at the center of a panel of novel applications. Point clouds represent either still or moving 3D real world objects. In the latter case, the data is often referred to as volumetric video and the quantity of information needed to represent them is non-trivial. This drives the need for efficient point cloud compression in order to enable the storage and transmission of point cloud data. In the compression standards initiated by the Moving Picture Experts Group (MPEG) Geometry-based PCC (G-PCC) and Video-based PCC (V-PCC), as well as in earlier compression methods, point cloud compression is divided in two sub-tasks: geometry compression and attribute compression. As point cloud attributes constitute the majority of the information, this work concentrates on this task. Point clouds are inherently unstructured data, so they have no evident support which can be considered for efficient processing. And since point clouds only occupy a small percentage of the available space, considering the entire underlying 3D grid is impractical. Using the point cloud’s geometry to generate graphs and considering its attributes as graph signals makes Graph Signal Processing suitable to tackle related signal processing problems like compression. Early works using Graph Signal Processing show promising results and this thesis aims to improve under-researched parts of their transform coding compression scheme to improve overall performance. The contributions are experimentally validated using data sets that are well established in the research field.
OpenAccess: 
PDF
(additional files)
Dokumenttyp
Dissertation / PhD Thesis
Format
online
Sprache
English
Externe Identnummern
HBZ: HT030952229
Interne Identnummern
RWTH-2025-01047
Datensatz-ID: 1003422
Beteiligte Länder
Germany
|
The record appears in these collections: |