Book Point Cloud Compression Technologies and Standardization Введение: Быстрый рост объемов данных 3D-облака точек и его разнообразных приложений в различных отраслях, таких как автономное вождение, иммерсивные медиа и защита культурного наследия, подчеркнул необходимость эффективных технологий сжатия для управления огромными объемами данных облака точек. В этой книге рассматриваются передовые технологии сжатия облака точек, ключевые технологии, усилия по стандартизации и перспективы на будущее. Как растущий формат пространственных данных, трехмерные облака точек в последние годы вызвали исследовательский бум в области компьютерного зрения, играя существенную роль во многих современных промышленных приложениях. Чтобы соответствовать постоянно растущим требованиям приложений и достичь трех прогрессивных целей - простоты хранения, передачи и обработки, крайне важно исследовать и разработать эффективные алгоритмы сжатия для обработки огромного количества облаков точек. Глава 1: Эволюция технологий сжатия облака точек Развитие технологий сжатия облака точек можно проследить с ранних дней компьютерного зрения, когда основное внимание уделялось разработке алгоритмов для реконструкции 3D-моделей из 2D-изображений. По мере развития месторождения акцент сместился на уменьшение размера наборов данных облака точек для облегчения хранения и передачи. С появлением мультимедийных технологий и ростом 3D-зрения сжатие облака точек стало важнейшей ветвью трехмерного компьютерного зрения. Основой 3D-видения является моделирование внешней поверхности непрерывной 3D-модели с использованием дискретных точек выборки, которые затем представляются в виде облака точек. Book Title: Point Cloud Compression Technologies and Standardization Introduction: The rapid growth of 3D point cloud data and its diverse applications in various industries, such as autonomous driving, immersive media, and cultural heritage protection, has highlighted the need for efficient compression technologies to manage the vast amounts of point cloud data. This book delves into the forefront of point cloud compression, exploring key technologies, standardization efforts, and future prospects. As a burgeoning format of spatial data, 3D point clouds have triggered a research boom in the field of computer vision in recent years, playing an essential role in many modern industrial applications. To keep pace with the ever-growing application requirements and meet the three progressive goals of ease of storage, transmission, and processing, it is crucial to investigate and develop efficient compression algorithms to handle the massive amount of point clouds. Chapter 1: The Evolution of Point Cloud Compression Technologies The evolution of point cloud compression technologies can be traced back to the early days of computer vision, when the primary focus was on developing algorithms to reconstruct 3D models from 2D images. As the field progressed, the emphasis shifted to reducing the size of point cloud datasets to facilitate storage and transmission. With the advent of multimedia technology and the rise of 3D vision, point cloud compression became an essential branch of 3D computer vision. The basis of 3D vision is to model the exterior surface of a continuous 3D model using discrete sampling points, which are then represented as a point cloud. download pdf file להוריד קובץ PDF pdf dosyasını indir descargar archivo pdf PDF-Datei herunterladen download pdf file pdf 파일 다운로드 下载 pdf 文件 télécharger le fichier pdf Scarica il file pdf تنزيل ملف pdf скачать файл PDF pobierz plik pdf PDFファイルをダウンロード descarregar ficheiro pdf
Les clouds de points 3D sont largement utilisés dans différents secteurs et ont contribué à des réalisations dans des domaines tels que la conduite autonome, le multimédia immersif, la métaversion et la protection du patrimoine culturel. En raison de la croissance rapide des données du nuage de points 3D et de ses applications, le besoin de technologies de compression efficaces est devenu primordial. Ce livre traite des technologies avancées de compression de nuage de points, des technologies clés, des efforts de normalisation et des perspectives d'avenir. En tant que format croissant de données spatiales, le nuage de points 3D a provoqué un boom de la recherche dans le domaine de la vision ces dernières années. Il joue un rôle essentiel dans de nombreuses applications industrielles modernes, telles que la conduite autonome et la réalité augmentée virtuelle. Pour répondre aux exigences toujours croissantes des applications et répondre à trois objectifs progressifs - la facilité de stockage, de transfert et de traitement - il devient de plus en plus important pour la recherche et le développement d'algorithmes de compression efficaces pour travailler avec un grand nombre de nuages de points. Les technologies de compression des nuages de points sont devenues des « points chauds » de recherche au cours des dernières années. Avec le développement de la technologie multimédia, la vision 3D a suscité un grand enthousiasme pour la recherche. La base de la vision 3D est la modélisation de la surface extérieure d'un modèle 3D continu. Le nuage de points est une représentation largement utilisée des modèles géométriques 3D. Les technologies de compression du nuage de points sont devenues la branche la plus importante de la vision informatique 3D. Un nuage de points est un ensemble de points d'échantillonnage discrets sur les surfaces sous-jacentes incorporées dans l'espace 3D. La compression d'un nuage de points se réfère à la compression de données d'un nuage de points pour réduire l'espace de stockage occupé et la bande passante de transmission. Les technologies de compression de nuage de points utilisent des techniques de compression sans perte ou avec perte pour éliminer les informations redondantes, ce qui les rend largement utilisées dans le traitement des données 3D, la vision par ordinateur, la robotique et d'autres domaines connexes.
las nubes de puntos 3D encuentran una amplia aplicación en diferentes industrias y han contribuido a los avances en áreas como la conducción autónoma, multimedia inmersiva, metavaleno y protección del patrimonio cultural. Debido al rápido crecimiento de los datos de la nube de puntos 3D y sus aplicaciones, la necesidad de tecnologías de compresión eficientes se ha vuelto primordial. Este libro examina tecnologías avanzadas de compresión de nube de puntos, tecnologías clave, esfuerzos de estandarización y perspectivas de futuro. Como formato creciente de datos espaciales, la nube tridimensional de puntos ha provocado un auge exploratorio en el campo de la visión en los últimos años. Juega un papel esencial en muchas aplicaciones industriales modernas, como la conducción autónoma y la realidad aumentada virtual. Para adaptarse a los crecientes requerimientos de las aplicaciones y cumplir con tres objetivos progresivos: facilidad de almacenamiento, transmisión y procesamiento, adquiere cada vez más importancia para la investigación y el desarrollo de algoritmos de compresión eficientes para trabajar con un gran número de nubes de puntos. Las tecnologías de compresión de la nube de puntos se han convertido en «puntos calientes» de investigación en los últimos años. Con el desarrollo de las tecnologías multimedia, la visión 3D despertó un gran entusiasmo exploratorio. La base de la visión 3D es la simulación de la superficie exterior de un modelo 3D continuo. La nube de puntos es una representación ampliamente utilizada de modelos geométricos tridimensionales. Las tecnologías de compresión de la nube de puntos se han convertido en la rama más importante de la visión computarizada tridimensional. Una nube de puntos es un conjunto de puntos de muestreo discretos en superficies subyacentes incrustadas en un espacio 3D. La compresión de nube de puntos se refiere a la compresión de datos de nube de puntos para reducir el espacio de almacenamiento ocupado y el ancho de banda de transmisión. Las tecnologías de compresión de nube de puntos utilizan técnicas de compresión sin pérdidas o con pérdidas para eliminar el exceso de información, lo que hace que se aplique ampliamente en el procesamiento de datos 3D, visión informática, robótica y otras áreas relacionadas.
nuvens de pontos 3D são amplamente aplicadas em vários setores e contribuíram para avanços em áreas como condução autônoma, mídia imersiva, metavel e proteção do patrimônio cultural. Devido ao rápido crescimento dos dados da nuvem de pontos 3D e suas aplicações, a necessidade de tecnologias de compressão eficazes tornou-se essencial. Este livro aborda as tecnologias avançadas de compressão da nuvem de pontos, as tecnologias-chave, os esforços de normalização e as perspectivas para o futuro. Como um formato crescente de dados espaciais, a nuvem de pontos tridimensional provocou um boom de pesquisa na visão nos últimos anos. Ele desempenha um papel importante em muitas aplicações industriais modernas, como condução autônoma e realidade aumentada virtual. Para atender às necessidades das aplicações em constante crescimento e atender a três objetivos progressivos - a facilidade de armazenamento, transmissão e processamento - ele é cada vez mais importante para a pesquisa e desenvolvimento de algoritmos de compressão eficazes para lidar com uma grande quantidade de nuvens de pontos. As tecnologias de compressão da nuvem de pontos tornaram-se os pontos quentes da pesquisa nos últimos anos. Com o desenvolvimento da tecnologia multimídia 3D, a visão gerou um grande entusiasmo de pesquisa. A visão 3D baseia-se na modelagem da superfície externa do modelo 3D contínuo. A nuvem de pontos é uma representação amplamente utilizada de modelos geométricos 3D. As tecnologias de compressão da nuvem de pontos tornaram-se um ramo crucial da visão tridimensional do computador. A nuvem de pontos é um conjunto de pontos discretos de amostra em superfícies subjacentes incorporadas ao espaço 3D. A compactação da nuvem de pontos se refere à compressão dos dados da nuvem de pontos para reduzir o espaço de armazenamento ocupado e a largura de banda. As tecnologias de compressão de nuvem de ponto usam métodos de compressão sem perdas ou com perdas para eliminar informações redundantes, tornando-as amplamente utilizadas no processamento de dados 3D, visão de computador, robótica e outras áreas adjacentes.
3D point clouds have broad applications across various industries and have contributed to advancements in fields such as autonomous driving, immersive media, metaverse, and cultural heritage protection. With the fast growth of 3D point cloud data and its applications, the need for efficient compression technologies has become paramount. This book delves into the forefront of point cloud compression, exploring key technologies, standardization efforts, and future prospects. As a burgeoning format of spatial data, 3D point cloud has triggered a research boom in the field of vision in recent years. It plays an essential role in many modern industrial applications, such as autonomous driving and virtualaugmented reality. To keep up with the ever-growing application requirements and meet the three progressive goals of ease of storage, transmission, and processing, it is of increasing significance to research and develop efficient compression algorithms to deal with the huge amount of point clouds. Point cloud compression technologies have become research hotspots for the past few years. With the development of multimedia technology, 3D vision has aroused extensive research enthusiasm. The basis of 3D vision is to model the exterior surface of a continuous 3D model. Point cloud is a widely used representation of 3D geometric models. Point cloud compression technologies have become an essential branch of 3D computer vision. Point cloud is a collection of discrete sampling points on underlying surfaces embedded in 3D space. Point cloud compression refers to the compression of point cloud data to reduce the occupation of storage space and transmission bandwidth. Point cloud compression technologies employ lossless or lossy compression methods to eliminate redundant information, making it widely applicable in 3D data processing, computer vision, robotics, and other related fields.
3D-Punktwolken finden in einer Vielzahl von Branchen breite Anwendung und haben zu Fortschritten in Bereichen wie autonomes Fahren, immersive Multimedia, Metaverse und Schutz des kulturellen Erbes beigetragen. Aufgrund des rasanten Datenwachstums der 3D-Punktwolke und ihrer Anwendungen ist der Bedarf an effizienten Kompressionstechnologien von größter Bedeutung. Dieses Buch untersucht fortschrittliche Punktwolken-Kompressionstechnologien, Schlüsseltechnologien, Standardisierungsbemühungen und Zukunftsperspektiven. Als wachsendes räumliches Datenformat hat die 3D-Punktwolke in den letzten Jahren einen Forschungsboom im Bereich Vision ausgelöst. Es spielt eine wesentliche Rolle in vielen modernen industriellen Anwendungen wie autonomes Fahren und virtuelle erweiterte Realität. Um den ständig wachsenden Anforderungen der Anwendungen gerecht zu werden und die drei progressiven Ziele - einfache Speicherung, Übertragung und Verarbeitung - zu erfüllen, gewinnt es zunehmend an Bedeutung für die Forschung und Entwicklung effizienter Kompressionsalgorithmen für die Arbeit mit einer großen Anzahl von Punktwolken. Punktwolken-Kompressionstechnologien sind in den letzten Jahren zu „Hotspots“ der Forschung geworden. Mit der Entwicklung der Multimedia-Technologie löste die 3D-Vision eine große Forschungsbegeisterung aus. Grundlage des 3D-Sehens ist die Simulation der Außenfläche eines kontinuierlichen 3D-Modells. Die Punktwolke ist eine weit verbreitete Darstellung dreidimensionaler geometrischer Modelle. Punktwolken-Kompressionstechnologien sind zum wichtigsten Zweig der dreidimensionalen Computersicht geworden. Eine Punktwolke ist eine Sammlung von diskreten Abtastpunkten auf darunterliegenden Flächen, die in den 3D-Raum eingebettet sind. Punktwolkenkomprimierung bezieht sich auf die Komprimierung von Punktwolkendaten, um den belegten Speicherplatz und die Übertragungsbandbreite zu reduzieren. Punktwolken-Kompressionstechnologien verwenden verlustfreie oder verlustbehaftete Kompressionstechniken, um redundante Informationen zu eliminieren, wodurch sie in der 3D-Datenverarbeitung, im Computersehen, in der Robotik und in anderen verwandten Bereichen weit verbreitet sind.
3D-облака точек находят широкое применение в различных отраслях и внесли свой вклад в достижения в таких областях, как автономное вождение, иммерсивное мультимедиа, метавселенная и защита культурного наследия. В связи с быстрым ростом данных 3D-облака точек и его приложений первостепенной стала потребность в эффективных технологиях сжатия. В этой книге рассматриваются передовые технологии сжатия облака точек, ключевые технологии, усилия по стандартизации и перспективы на будущее. Как растущий формат пространственных данных, трехмерное облако точек вызвало исследовательский бум в области зрения в последние годы. Он играет существенную роль во многих современных промышленных приложениях, таких как автономное вождение и виртуальная дополненная реальность. Чтобы соответствовать постоянно растущим требованиям приложений и соответствовать трем прогрессивным целям - простоте хранения, передачи и обработки, - он приобретает все большее значение для исследований и разработки эффективных алгоритмов сжатия для работы с огромным количеством облаков точек. Технологии сжатия облака точек стали «горячими точками» исследований за последние несколько лет. С развитием мультимедийных технологий 3D-видение вызвало большой исследовательский энтузиазм. Основой 3D-зрения является моделирование внешней поверхности непрерывной 3D-модели. Облако точек является широко используемым представлением трехмерных геометрических моделей. Технологии сжатия облака точек стали важнейшей ветвью трехмерного компьютерного зрения. Облако точек - это набор дискретных точек выборки на нижележащих поверхностях, встроенных в 3D пространство. Сжатие облака точек относится к сжатию данных облака точек для сокращения занимаемого пространства хранения и полосы пропускания передачи. Технологии сжатия облака точек используют методы сжатия без потерь или с потерями для устранения избыточной информации, что делает ее широко применяемой в обработке 3D-данных, компьютерном зрении, робототехнике и других смежных областях.