点云属性信息编码方法、解码方法、装置及相关设备与流程

1.本技术属于点云处理

技术领域

：
：，具体涉及一种点云属性信息编码方法、解码方法、装置及相关设备。

背景技术

：
：：2.在点云数字音视频编解码技术标准(audiovideocodingstandard，avs)编码器框架中，点云的几何信息和每点所对应的属性信息是分开编码的。目前，属性信息编码中分为属性预测编码和属性变换编码，其中属性变换编码是直接对原始属性信息进行变换，对于局部变换幅度较大的区域，得到的变换系数中仍然存在较多的冗余信息，导致编码效率较低。技术实现要素：3.本技术实施例提供一种点云属性信息编码方法、解码方法、装置及相关设备，能够解决现有的点云属性信息编码效率低的问题。4.第一方面，提供了一种点云属性信息编码方法，包括：5.获取第一信息；6.基于所述第一信息关联的第二信息确定是否对k个待编码点进行离散余弦变换dct变换；7.在确定对所述k个待编码点进行dct变换的情况下，对所述k个待编码点进行dct变换，得到所述k个待编码点的变换系数；8.对所述k个待编码点的变换系数进行量化，基于量化后的变换系数进行熵编码，生成二进制码流；9.其中，所述第一信息包括所述k个待编码点，所述第二信息包括所述k个待编码点的属性预测信息；或者，所述第一信息包括所述k个待编码点的前n个已编码点，所述第二信息包括所述n个已编码点的属性重建信息，k为正整数，n为大于1的整数。10.第二方面，提供了一种点云属性信息解码方法，包括：11.获取第三信息；12.基于所述第三信息关联的第四信息确定是否对k个待解码点进行dct反变换；13.在确定对所述k个待解码点进行dct反变换的情况下，对所述k个待解码点进行dct反变换，得到所述k个待解码点的属性残差信息；14.基于所述k个待解码点的属性残差信息和属性预测信息，获取所述k个待解码点的属性重建信息，以对待解码点云中的未解码点进行解码；15.其中，所述第三信息包括所述k个待解码点，所述第四信息包括所述k个待解码点的属性预测信息；或者，所述第三信息包括所述k个待解码点的前n个已解码点，所述第四信息包括所n个已解码点的属性重建信息，k为正整数，n为大于1的整数。16.第三方面，提供了一种点云属性信息编码装置，包括：17.第一获取模块，用于获取第一信息；18.第一确定模块，用于基于所述第一信息关联的第二信息确定是否对k个待编码点进行离散余弦变换dct变换；19.第一变换模块，用于在确定对所述k个待编码点进行dct变换的情况下，对所述k个待编码点进行dct变换，得到所述k个待编码点的变换系数；20.编码模块，用于对所述k个待编码点的变换系数进行量化，基于量化后的变换系数进行熵编码，生成二进制码流；21.其中，所述第一信息包括所述k个待编码点，所述第二信息包括所述k个待编码点的属性预测信息；或者，所述第一信息包括所述k个待编码点的前n个已编码点，所述第二信息包括所述n个已编码点的属性重建信息，k为正整数，n为大于1的整数。22.第四方面，提供了一种点云属性信息解码装置，包括：23.第二获取模块，用于获取第三信息；24.第二确定模块，用于基于所述第三信息关联的第四信息确定是否对k个待解码点进行dct反变换；25.第二变换模块，用于在确定对所述k个待解码点进行dct反变换的情况下，对所述k个待解码点进行dct反变换，得到所述k个待解码点的属性残差信息；26.解码模块，用于基于所述k个待解码点的属性残差信息和属性预测信息，获取所述k个待解码点的属性重建信息，以对待解码点云中的未解码点进行解码；27.其中，所述第三信息包括所述k个待解码点，所述第四信息包括所述k个待解码点的属性预测信息；或者，所述第三信息包括所述k个待解码点的前n个已解码点，所述第四信息包括所n个已解码点的属性重建信息，k为正整数，n为大于1的整数。28.第五方面，提供了一种终端，该终端包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的点云属性信息编码方法的步骤，或者实现如第二方面所述的点云属性信息解码方法的步骤。29.第六方面，提供了一种终端，包括处理器及通信接口，其中，所述处理器用于：30.获取第一信息；31.基于所述第一信息关联的第二信息确定是否对k个待编码点进行离散余弦变换dct变换；32.在确定对所述k个待编码点进行dct变换的情况下，对所述k个待编码点进行dct变换，得到所述k个待编码点的变换系数；33.对所述k个待编码点的变换系数进行量化，基于量化后的变换系数进行熵编码，生成二进制码流；34.其中，所述第一信息包括所述k个待编码点，所述第二信息包括所述k个待编码点的属性预测信息；或者，所述第一信息包括所述k个待编码点的前n个已编码点，所述第二信息包括所述n个已编码点的属性重建信息，k为正整数，n为大于1的整数；35.或者，所述处理器用于：36.获取第三信息；37.基于所述第三信息关联的第四信息确定是否对k个待解码点进行dct反变换；38.在确定对所述k个待解码点进行dct反变换的情况下，对所述k个待解码点进行dct反变换，得到所述k个待解码点的属性残差信息；39.基于所述k个待解码点的属性残差信息和属性预测信息，获取所述k个待解码点的属性重建信息，以对待解码点云中的未解码点进行解码；40.其中，所述第三信息包括所述k个待解码点，所述第四信息包括所述k个待解码点的属性预测信息；或者，所述第三信息包括所述k个待解码点的前n个已解码点，所述第四信息包括所n个已解码点的属性重建信息，k为正整数，n为大于1的整数。41.第七方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的点云属性信息编码方法的步骤，或者实现如第二方面所述的点云属性信息解码方法的步骤。42.第八方面，提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的点云属性信息编码方法的步骤，或者实现如第二方面所述的点云属性信息解码方法的步骤。43.第九方面，提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在非易失的存储介质中，所述程序/程序产品被至少一个处理器执行以实现如第一方面所述的点云属性信息编码方法的步骤，或者实现如第二方面所述的点云属性信息解码方法的步骤。44.在本技术实施例中，在对待编码点云进行编码的过程中，需要根据待编码点的属性预测信息或者是已编码点的属性重建信息来决定是否对待编码点进行dct变换，在确定需要对待编码点进行dct变换时，则对待编码点进行dct变换，进而能够将属性信息在空间域的分散分布转换为在变换域的相对集中分布，使信号能量集中于少数几个系数中，更方便进行量化和编码，从而去除属性冗余，达到提高属性编码效率和重建性能的目的。附图说明45.图1是avs编解码器框架图；46.图2是编码端的变换流程图；47.图3是本技术实施例提供的一种点云属性信息编码方法的流程图；48.图4是本技术实施例提供的另一种点云属性信息编码方法的流程图；49.图5是本技术实施例提供的一种点云属性信息解码方法的流程图；50.图6是本技术实施例提供的一种点云属性信息编码装置的结构图；51.图7是本技术实施例提供的一种点云属性信息解码装置的结构图；52.图8是本技术实施例提供的一种通信设备的结构图；53.图9是本技术实施例提供的一种终端的结构图。具体实施方式54.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本技术保护的范围。55.本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。56.本技术实施例中的编码方法对应的编码器和解码方法对应的解码器均可以为终端，该终端也可以称作终端设备或者用户终端(userequipment，ue)，终端可以是手机、平板电脑(tabletpersonalcomputer)、膝上型电脑(laptopcomputer)或称为笔记本电脑、个人数字助理(personaldigitalassistant，pda)、掌上电脑、上网本、超级移动个人计算机(ultra-mobilepersonalcomputer，umpc)、移动上网装置(mobileinternetdevice，mid)、增强现实(augmentedreality，ar)/虚拟现实(virtualreality，vr)设备、机器人、可穿戴式设备(wearabledevice)或车载设备(vue)、行人终端(pue)等终端侧设备，可穿戴式设备包括：智能手表、手环、耳机、眼镜等。需要说明的是，在本技术实施例并不限定终端的具体类型。57.为更好地理解本技术技术方案，以下对本技术中可能涉及的相关概念进行解释说明。58.在点云数字音视频编解码技术标准(audiovideocodingstandard，avs)编码器框架中，点云的几何信息和每点所对应的属性信息是分开编码的。59.请参照图1，图1是avs编解码器框架图。在对几何信息进行编码时，首先对几何信息进行坐标转换，使点云全都包含在一个boundingbox(包围盒)中。然后再进行量化，这一步量化主要起到缩放的作用，由于量化取整，使得一部分点的几何信息相同，根据参数来决定是否移除重复点，量化和移除重复点这一过程属于预处理过程。接下来，按照广度优先遍历的顺序对boundingbox进行划分(八叉树/四叉树/二叉树)，对每个节点的占位码进行编码。在基于八叉树的几何码框架中，将包围盒依次划分得到子立方体，对非空的(包含点云中的点)的子立方体继续进行划分，直到划分得到的叶子结点为1x1x1的单位立方体时停止划分，其次对叶子节点中所包含的点数进行编码，最终完成几何八叉树的编码，生成二进制码流。在基于八叉树的几何解码过程中，解码端按照广度优先遍历的顺序，通过不断解析得到每个节点的占位码，并且依次不断划分节点，直至划分得到1x1x1的单位立方体时停止划分，解析得到每个叶子节点中包含的点数，最终恢复得到几何重构点云信息60.属性编码主要针对颜、反射率信息等进行。首先判断是否进行颜空间的转换，若进行颜空间转换，则将颜信息从rgb颜空间转换到yuv颜空间。然后，利用原始点云对重建点云进行重着，使得未编码的属性信息与重建的几何信息对应起来。在属性信息编码中分为两个方法：属性预测编码与属性变换编码。属性预测过程如下：首先对点云进行重排序，然后进行差分预测。其中重排序的方法有两种：莫顿重排序和希尔伯特hilbert重排序。对于cat1a序列与cat2序列，对其进行hilbert重排序；对于cat1b序列与cat3序列，对其进行莫顿重排序。对排序之后的点云使用差分方式进行属性预测，最后对预测残差进行量化并熵编码，生成二进制码流。属性变换过程如下：首先对点云属性做小波变换，对变换系数做量化；其次通过逆量化、逆小波变换得到属性重建值；然后计算原始属性和属性重建值的差得到属性残差并对其量化；最后将量化后的变换系数和属性残差进行熵编码，生成二进制码流。属性信息的解码为编码的逆过程，此处不做详述。61.在图像和视频编码中，主要使用离散余弦变换(discretecosinetransform，dct)和离散正弦变换(discretesinetransform，dst)。请参照图2，编码端的变换流程如下：首先由原始信号减去预测信号获得残差信号，然后将残差信号通过一次dct变换获得一次变换系数，然后对一次变换系数块的低频分量进行二次变换，获得能量分布更加集中的二次变换系数，再进行量化、熵编码获得码流。然后将量化后的系数通过反量化、反向二次变换、反向一次变换获得恢复的残差，将其加上预测信号即可获得重建信号，再进行环路滤波降低失真。其中二次变换并不一定会进行，如图2虚线部分所示。62.现有的视频编码标准中，属性变换编码是直接对原始属性信息进行变换，对于局部变换幅度较大的区域，得到的变换系数中仍然存在较多的冗余信息，导致编码效率较低。63.下面结合附图，通过一些实施例及其应用场景对本技术实施例提供的点云属性信息编码方法、解码方法、装置及相关设备进行详细地说明。64.请参照图3，图3是本技术实施例提供的一种点云属性信息编码方法的流程图，所述方法可以是应用于如手机、平板电脑、计算机等终端。如图3所示，所述方法包括以下步骤：65.步骤301、获取第一信息。66.本技术实施例中，所述第一信息可以是包括待编码点，也可以是包括已编码点。67.可选地，所述第一信息包括所述k个待编码点，所述步骤301包括：68.对所述待编码点云进行排序，获取排序后的所述待编码点云中的k个待编码点。69.本技术实施例中，在获取到待编码点云后，可以是对待编码点云进行排序。例如，在属性信息主要针对颜的情况下，首先判断待编码点云是否需要进行颜空间的转换，若进行颜空间的转换，可以将待编码点云的颜信息从rgb颜空间转换到yuv颜空间，然后利用原始点云对对待编码点云进行重着，使得待编码点云的属性信息预重建的几何信息对应起来。对经过重着和颜空间转换的待编码点云进行排序，假设待编码点云包括n个点，每个点表示为pn(n＝1,2,…,n)，对待编码点云进行排序，排序之后每个点可以是表示为在排序后的待编码点云中选择k个待编码点。70.可选地，待编码点云的排序可以是基于希尔伯或莫顿码实现。所述对所述待编码点云进行排序，获取排序后的所述待编码点云中的k个待编码点，包括：71.计算所述待编码点云中每个点对应的希尔伯，将所述待编码点云按照希尔伯进行排序，在排序后的所述待编码点云中按序依次选取k个待编码点；或者，72.计算所述待编码点云中每个点对应的莫顿码，将所述待编码点云按照莫顿码进行排序，在排序后的所述待编码点云中按序依次选取k个待编码点。73.需要说明的是，所述k个待编码点可以是基于一定的顺序进行选择。例如，假设待编码点云包括9个待编码点，在计算出这9个待编码点对应的希尔伯，将这9个待编码点按照希尔伯特进行排序后，可以是以每3点待编码点为一组，先选择排序在前的3个点作为所述k个待编码点，进行后续属性预测等流程，然后再依次选择前3个点之后的三个点为一组进行属性预测等流程，再选择最后3个点进行后续属性预测等流程。74.其中，对于选择的k个待编码点，需要判断这k个待编码点中的待编码点是否与已编码点为重复点；若其中某个待编码点与已编码点为重复点，则可以是直接计算该待编码点与所述已编码点的属性残差信息，该待编码点不作为这k个待编码点中的点；若其中的待编码点与所述已编码点不是重复点，则可以是通过已编码点对这k个待编码点进行属性信息预测，得到这k个待编码点的属性预测信息，其具体的属性信息预测方法在后续实施例中进行说明。75.步骤302、基于所述第一信息关联的第二信息确定是否对k个待编码点进行dct变换。76.其中，所述第一信息包括所述k个待编码点，所述第二信息包括所述k个待编码点的属性预测信息；或者，所述第一信息包括所述k个待编码点的前n个已编码点，所述第二信息包括所述n个已编码点的属性重建信息，k为正整数，n为大于1的正整数。77.也就是说，在第一信息为k个待编码点的情况下，所述第二信息为这k个待编码点的属性预测信息，则基于所述k个待编码点的属性预测信息确定是否对这k个待编码点进行dct变换；在第一信息为k个待编码点的前n个已编码点的情况下，所述第二信息为这n个已编码点的属性重建信息，则基于所述n个已编码点的属性重建信息来确定是否对k个待编码点进行dct变换。78.本技术实施例中，若基于k个待编码点的属性预测信息来确定是否对这k个待编码点进行dct变换，则需要先获取所述k个待编码点的属性预测信息。79.可选地，所述步骤302之前还包括：80.按照双希尔伯特序或双莫顿序，获取与目标待编码点曼哈顿距离最近的s个邻居点，所述目标待编码点为所述k个待编码点中的任一个；81.基于所述s个邻居点确定所述目标待编码点的初始属性预测信息；82.根据所述目标待编码点对应的第一权重及所述初始属性预测信息，确定所述目标待编码点的属性预测信息。83.其中，所述按照双希尔伯特序或双莫顿序，获取与目标待编码点曼哈顿距离最近的s个邻居点，包括：84.在给定的预设搜索范围中，按照希尔伯特1序，获取目标待编码点的前序m个点，以及按照希尔伯特2序，获取所述目标待编码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待编码点曼哈顿距离最近的s个邻居点。85.具体地，在确定k个待编码点后，基于预设原则选择目标待编码点，例如可以是按照这k个待编码点的顺序依次来选择目标待编码点。假设所述k个待编码点是待编码点云按照希尔伯排序后确定的，则可以是基于这k个待编码点对应的希尔伯大小来依次确定目标待编码点。86.对于目标待编码点，首先按照希尔伯特1序，查目标待编码点的前序m个点，再按照希尔伯特2序，分别查目标待编码点的前序n1个点和后序n2个点，在这m+n1+n2个点中，选择与目标待编码点曼哈顿距离最近的s个邻居点，基于这s个邻居点确定目标待编码点的初始属性预测信息，然后根据目标待编码点对应的第一权重及初始属性预测信息，确定所述目标待编码点的属性预测信息。需要说明地，m、n1和n2均为正整数。87.可选地，所述给定的预设搜索范围根据点云序列的初始点数和输入点云包围盒体积的相关关系决定。88.其中，所述基于所述s个邻居点确定所述目标待编码点的初始属性预测信息，包括：89.基于所述s个邻居点中每一个邻居点及对应的第二权重，确定所述目标待编码点的初始属性预测信息，所述第二权重为所述目标待编码点与所述邻居点之间的曼哈顿距离的倒数。90.可以理解地，目标待编码点的s个邻居点中，每一个邻居点与目标待编码点之间的曼哈顿距离不相同，第二权重为当前邻居点与目标待编码点之间曼哈顿距离的倒数，则每一个邻居点对应的第二权重也就不一样。目标待编码点的初始属性预测信息可以是s个邻居点中每一个邻居点的属性信息与其对应的第二权重的乘积之和，进而以计算得到目标待编码点的初始属性预测信息。91.进一步地，基于上述确定目标待编码点初始属性预测信息的方式，也就能够计算出k个待编码点中每一个待编码点的初始属性预测信息，根据每一个待编码点对应的第一权重及初始属性预测信息，也就能够计算出每一个待编码点对应的属性预测信息。92.例如，假设目标待编码点pn的初始属性预测信息为pren，k个待编码点(pn，pn+1，…，pn+k-1)的初始属性预测信息分别记为pren，pren+1，…，pren+k-1，则k个待编码点的属性预测信息可记为attrprei(i＝n，n+1，…，n+k-1)，设k个待编码点中每个待编码点的第一权重为wij(i，j＝n，n+1，…，n+k-1)，则k个待编码点的属性预测信息可表示为：[0093][0094]其中，attrprei为k个待编码点的属性预测信息，prej为k个点中第j个点的初始属性预测信息。其中，[0095][0096]例如，当attrprei＝wiiprei，即wii＝1，wij＝0(i≠j)时，当前k个待编码点中每个点的属性预测信息等于它的初始属性预测信息；当attrprei＝wi，n+2pren+2，即wi，n+2＝1，wij＝0(j≠n+2)时，当前k个待编码点中每个点都使用这个k个点中第二个点的初始属性预测信息作为它们的属性预测信息。[0097]可选地，所述k个待编码节点各自对应的所述第一权重的和为1。例如，假设k的数值为4，则这4个待编码点分别对应的4个第一权重的和为1。[0098]或者，所述按照双希尔伯特序或双莫顿序，获取与目标待编码点曼哈顿距离最近的s个邻居点，包括：[0099]在给定的预设搜索范围中，按照莫顿1序，获取目标待编码点的前序m个点，以及按照莫顿2序，获取所述目标待编码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待编码点曼哈顿距离最近的s个邻居点。[0100]具体地，对于目标待编码点，首先按照莫顿1序，查目标待编码点的前序m个点，再按照莫顿2序，分别查目标待编码点的前序n1个点和后序n2个点，在这m+n1+n2个点中，选择与目标待编码点曼哈顿距离最近的s个邻居点，基于这s个邻居点确定目标待编码点的初始属性预测信息，然后根据目标待编码点对应的第一权重及初始属性预测信息，确定所述目标待编码点的属性预测信息。需要说明地，m、n1和n2均为正整数。[0101]可选地，所述给定的预设搜索范围根据点云序列的初始点数和输入点云包围盒体积的相关关系决定。[0102]进一步地，在基于莫顿序得到与目标待编码点曼哈顿距离最近的s个邻居点后，对s个邻居点进行属性加权预测，权重为当前邻居点与目标待编码点曼哈顿距离的倒数，得到目标待编码点的初始属性预测信息；再根据目标待编码点对应的第一权重及初始属性预测信息，计算目标待编码点的属性预测信息，进而依此计算出k个待编码点的属性预测信息。其中，属性预测信息的获取方式可以是参照上述基于双希尔伯特序得到s个邻居点并进行属性预测的具体描述，不同之处仅在于本实施方式是基于双莫顿序来得到s个邻居点，获得属性预测信息的具体方式此处不再赘述。[0103]可选地，所述希尔伯特1序或莫顿1序的搜索范围为第一预设范围，所述希尔伯特2序或莫顿2序的前序搜索范围为第二预设范围，所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围或所述第二预设范围。需要说明地，上述第一预设范围、第二预设范围和第三预设范围的搜索范围可以是根据编码需求人为设定。[0104]其中，所述二进制码流包括第一属性参数和第二属性参数，所述第一属性参数用于表征所述第一预设范围，所述第二属性参数用于表征所述第二预设范围；在所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围的情况下，所述二进制码流还包括第三属性参数，所述第三属性参数用于表征所述第三预设范围。[0105]也就是说，上述第一预设范围、第二预设范围和第三预设范围可以作为属性信息参数集，写入码流中。在希尔伯特2序或莫顿2序的前序搜索范围，与希尔伯特2序或莫顿2序的后序搜索范围相同，也即都为第二预设范围的情况下，在码流中可以是只需要写入表征希尔伯特1序或莫顿1序的搜索范围的第一属性参数，和表征希尔伯特2序或莫顿2序的前序及希尔伯特2序或莫顿2序的后续的第二属性参数；若希尔伯特2序或莫顿2序的前序搜索范围，与希尔伯特2序或莫顿2序的后序搜索范围不同，则二进制码流中需要写入第一属性参数、第二属性参数和第三属性参数。通过将属性参数写入码流中，进而在属性信息编码过程中，也就能够基于第一预设范围、第二预设范围和第三预设范围来确定目标待编码点曼哈顿距离最近的s个邻居点。[0106]本技术实施例中，所述k个待编码点的属性预测信息还可以是基于其他的方式来确定。可选地，所述步骤302之前包括：[0107]以所述k个待编码点中的第一个点作为参考点，获取所述参考点的t个邻居点；[0108]获取所述t个邻居点中与所述参考点曼哈顿距离最近的r个邻居点；[0109]获取所述k个待编码点中目标待编码点在所述r个邻居点中曼哈顿距离最近的l个邻居点，所述目标待编码点为所述k个待编码点中的任一个；[0110]基于l个邻居点确定所述目标待编码点的初始属性预测信息；[0111]根据所述目标待编码点对应的第一权重及所述初始属性预测信息，确定所述目标待编码点的属性预测信息；其中，t、r和l均为正整数。[0112]本实施方式中，k个待编码点可以是按照一定的顺序排列，例如待编码点云是按照莫顿码进行排序的情况下，k个待编码点可以是基于对应的莫顿码大小进行排序，所述k个待编码点中的第一个点，可以是指莫顿码最小的一个点，或者是最大的一个点。进一步地，以该第一个点作为参考点，选取该参考点的t个邻居点，然后选取这t个邻居点中与参考点曼哈顿距离最近的r个邻居点，所述k个待编码点中每一个待编码点均从这r个邻居点中选取各自曼哈顿距离最近的l个邻居点，每一个待编码点基于各自对应的l个邻居点确定对应的初始属性预测信息，进一步基于每一个待编码点对应的第一权重及初始属性预测信息，确定每一个待编码点各自对应的属性预测信息。这样，也就能够计算获得所述k个待编码点的属性预测信息。[0113]本实施方式中，所述k个待编码节点各自对应的所述第一权重的和为1。[0114]其中，所述基于l个邻居点确定所述目标待编码点的初始属性预测信息，包括：[0115]基于所述l个邻居点中每一个邻居点及对应的第二权重，确定所述目标待编码点的初始属性预测信息，所述第二权重为所述目标待编码点与所述邻居点之间的曼哈顿距离的倒数。[0116]可以理解地，目标待编码点的l个邻居点中，每一个邻居点与目标待编码点之间的曼哈顿距离不相同，第二权重为当前邻居点与目标待编码点之间曼哈顿距离的倒数，则每一个邻居点对应的第二权重也就不一样。可选地，目标待编码点的初始属性预测信息可以是l个邻居点中每一个邻居点的属性信息与其对应的第二权重的乘积之和，进而以计算得到目标待编码点的初始属性预测信息。[0117]本技术实施例中，在基于上述方式确定k个待编码点的属性预测信息后，则可以基于k个待编码点的属性预测信息来确定是否对所述k个待编码点进行dct变换。这种情况下，也即所述第一信息包括所述k个待编码点，所述第二信息包括所述k个待编码点的属性预测信息，则所述步骤302可以包括：[0118]获取所述k个待编码点对应的属性预测信息中的最大属性预测值与最小属性预测值，在所述最大属性预测值与所述最小属性预测值的绝对差值小于第一阈值的情况下，则确定对所述k个待编码点进行dct变换；或者，[0119]在所述最大属性预测值与所述最小属性预测值的绝对比值小于第二阈值的情况下，则确定对所述k个待编码点进行dct变换。[0120]例如，所述k个待编码点的属性预测信息记为attrprei，i的取值范围为1至k；获取这k个待编码点对应的属性预测信息中的最大属性预测值和最小属性预测值，分别记为attrpremax和attrpremin，第一阈值记为threshold1，若|attrpremax-attrpremin|≥threshold1，则对所述k个待编码点不进行dct变换，若|attrpremax-attrpremin|＜threshold1，则对所述k个待编码点进行dct变换。[0121]或者，获取这k个待编码点对应的属性预测信息中的最大属性预测值和最小属性预测值，分别记为attrpremax和attrpremin，第二阈值记为threshold2，若则对所述k个待编码点不进行dct变换，若则对所述k个待编码点不进行dct变换。[0122]本技术实施例中，第一信息还可以是包括所述k个待编码点的前n个已编码点，所述第二信息包括所述n个已编码点的属性重建信息；这种情况下，所述步骤302包括：[0123]获取所述n个已编码点对应的属性重建信息中的最大属性重建值和最小属性重建值，在所述最大属性重建值与所述最小属性重建值的绝对差值小于第三阈值的情况下，则确定对所述k个待编码点进行dct变换；或者，[0124]在所述最大属性重建值与所述最小属性重建值的绝对比值小于第四阈值的情况下，则确定对所述k个待编码点进行dct变换。[0125]其中，n为大于1的整数，也即需要获取所述k个待编码点的至少前2个已编码点。可以理解地，已编码点的属性重建信息是能够获知的。所述属性重建信息是指将要赋予给点云序列的属性信息，但属性重建信息不同于原始点云中的原始属性信息，属性重建信息为编码端经过编码过程后，点云的属性预测信息加上属性残差信息得到。[0126]本实施方式中，假设n个待编码点的属性重建信息记为attrreci，i的取值范围为1至n；获取这n个待编码点对应的属性重建信息中的最大属性重建值与最小属性重建值，分别记为attrrecmax和attrrecmin，第三阈值记为threshold3，若|attrrecmax-attrrecmin|≥threshold3，则对所述k个待编码点不进行dct变换，若|attrrecmax-attrrecmin|＜threshold3，则对所述k个待编码点进行dct变换。[0127]或者，获取这n个待编码点对应的属性重建信息中的最大属性重建值与最小属性重建值，分别记为attrrecmax和attrrecmin，第四阈值记为threshold4，若则对所述k个待编码点不进行dct变换，若则对所述k个待编码点进行dct变换。[0128]步骤303、在确定对所述k个待编码点进行dct变换的情况下，对所述k个待编码点进行dct变换，得到所述k个待编码点的变换系数。[0129]本技术实施例中，若确定对k个待编码点进行dct变换，可以对这k个待编码点的属性残差信息进行dct变换。进而，在对k个待编码点进行dct变换之前，所述方法还包括：[0130]基于所述k个待编码点的属性预测信息，获取所述k个待编码点的属性残差信息。[0131]其中，对于k个待编码点中每个待编码点的属性残差信息，可以是待编码点的原始属性信息与属性预测信息之差。[0132]进一步地，所述对所述k个待编码点进行dct变换，得到所述k个待编码点的变换系数，包括：[0133]对所述k个待编码点的属性残差信息进行dct变换，得到所述k个待编码点对应的变换系数。[0134]例如，所述k个待编码点的属性残差信息记为attrresi，对这k个点的属性残差信息进行dct变换，其中k表示dct变换的阶数。设t为k阶变换矩阵，则由下列变换式可以得到变换系数为：[0135][0136]其中，attrresi表示属性残差信息，i＝n，n+1，…，n+k-1，dc表示进行dct变换之后得到的低频系数，ac表示进行dct变换之后得到的高频系数。这样，也就能够得到k个待编码点进行dct变换之后的变换系数。[0137]步骤304、对所述k个待编码点的变换系数进行量化，基于量化后的变换系数进行熵编码，生成二进制码流。[0138]具体地，在得到所述k个待编码点的变换系数后，对所述变换系数进行量化，得到量化后的变换系数，并对量化后的变换系数进行熵编码，以生成二进制码流，进而以完成待编码点云属性信息的编码。[0139]本技术实施例中，在对待编码点云进行编码的过程中，需要根据待编码点的属性预测信息或者是已编码点的属性重建信息来决定是否对待编码点进行dct变换，在确定需要对待编码点进行dct变换时，则对待编码点进行dct变换，进而能够将属性信息在空间域的分散分布转换为在变换域的相对集中分布，使信号能量集中于少数几个系数中，更方便进行量化和编码，从而去除属性冗余，达到提高属性编码效率和重建性能的目的。[0140]其中，所述变换系数包括低频系数和高频系数，所述对所述k个待编码点的变换系数进行量化，基于量化后的变换系数进行熵编码，包括：[0141]对所述k个待编码点对应的高频系数和低频系数进行量化，并对量化后的高频系数和低频系数分别进行熵编码，以得到第一编码值和第二编码值。[0142]可选地，所述对所述k个待编码点的变换系数进行量化，基于量化后的变换系数进行熵编码之后，所述方法还包括：[0143]对所述基于量化后的变换系数进行反量化，对反量化后得到的反变换系数进行反变换，以获取所述k个待编码点的属性重建信息。[0144]本技术实施例中，在对k个待编码点的变换系数进行量化及熵编码后，还可以进一步基于量化后的变换系数进行反量化和反dct变换，以获取所述k个待编码点的属性重建信息。[0145]其中，在对量化后的高频系数和低频系数分别进行熵编码，以得到第一编码值和第二编码值后，所述对所述熵编码后得到的编码值进行反量化，对反量化后得到的反变换系数进行反变换，以获取所述k个待编码点的属性重建信息，包括：[0146]对所述第一编码值和所述第二编码值进行反量化，得到反量化后的反高频系数和反低频系数；[0147]基于所述反高频系数和所述反低频系数进行dct反变换，得到所述k个待编码点对应的反属性残差信息；[0148]根据所述k个待编码点的所述属性预测信息及所述反属性残差信息，获取所述k个待编码点的属性重建信息。[0149]具体地，在对量化后的高频系数和低频系数分别进行熵编码，对熵编码后的编码值进行反量化，得到反量化的反高频系数和反低频系数，并对反高频系数和反低频系数进行dct反变换，得到所述k个待编码点的反属性残差信息。需要说明的是，编码过程中，需要对k个待编码点的属性残差信息进行dct变换，而后经过量化、反量化及反变换，在这过程中，所述属性残差信息可能会有损失，因而得到的所述反属性残差信息与k个待编码点dct变换之前的属性残差信息可能不一致。[0150]进一步地，基于所述反属性残差信息及k个待编码点的属性预测信息，也就能够得到这k个待编码点的属性重建信息。所述属性重建信息可以是属性预测信息与反属性残差信息之和。[0151]本技术实施例中，所述对所述k个待编码点对应的高频系数和低频系数进行量化，包括：[0152]获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长；[0153]根据所述高频系数及所述高频系数量化步长对所述高频系数进行量化，根据所述低频系数及所述低频系数量化步长对所述低频系数进行量化。[0154]其中，在对变换系数进行量化的过程中，量化步长可能会有一定的偏移，则需要基于量化步长的偏移来完成整数dct的比例缩放运算，也即进行量化的变换系数的量化步长是完成了比例缩放运算后的量化步长，以确保量化结果的准确性，避免量化步长偏移而造成的量化误差。[0155]可选地，所述获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长，包括：[0156]根据所述k个待编码点的属性信息对应的分量分布情况，获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长。[0157]其中，在所述k个待编码点的属性信息对应的分量分布平坦的情况下，所述高频变换系数的量化步长为原始量化步长、预设量化步长偏移和高频系数量化步长偏移之和，所述低频变换系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和；[0158]在所述k个待编码点的属性信息对应的分量分布不平坦的情况下，所述高频系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和，所述低频系数的量化步长与所述高频系数的量化步长相等。[0159]例如，对于属性信息对应的分量分布平坦的情况，可以是采取较为粗糙的量化方式，此时qfin-ac＝qori+offsetcoeff+offsetac，qfin-dc＝qori+offsetcoeff+offsetdc；其中，qfin-ac表示高频系数的量化步长，qori表示原始量化步长，offsetcoeff表示预设量化步长偏移，offsetac表示高频系数量化步长偏移，qfin-dc表示低频系数的量化步长，offsetdc表示低频系数量化步长偏移。[0160]对于属性信息对应的分量分布不平坦的情况，在量化时对高频系数和低频系数采用相同的量化步长，此时qfin＝qori+offsetcoeff+offsetdc，其中，qfin表示低频系数的量化步长，也表示高频系数的量化步长，qori表示原始量化步长，offsetcoeff表示预设量化步长偏移，offsetdc表示低频系数量化步长偏移。[0161]另外，在所述高频系数小于第一预设阈值的情况下，所述高频系数量化后的值为0，在所述低频系数小于第二预设阈值的情况下，所述低频系数量化后的值为0。其中，第一预设阈值和第二预设阈值可以是相同，也可以不同。[0162]本技术实施例中，还可以包括对所述k个待编码点不进行dct变换的编码方式。可选地，所述方法还包括：[0163]在确定对所述k个待编码点不进行dct变换的情况下，对所述k个待编码点的属性残差信息进行量化；[0164]对所述k个待编码点量化后的属性残差信息进行熵编码，生成二进制码流。[0165]也就是说，若基于k个待编码点的属性预测信息确定对所述k个待编码点不进行dct变换，或者是基于n个已编码点确定对所述k个待编码点不进行dct变换，则可以是直接对所述k个待编码点的属性残差信息进行量化，然后基于量化后的属性残差信息进行熵编码，生成二进制码流，从而完成待编码点云的编码。[0166]进一步地，对所述k个待编码点量化后的属性残差信息进行熵编码之后，所述方法还可以包括：[0167]对所述熵编码后得到编码值进行反量化，得到所述k个待编码点反量化后的反属性残差信息；[0168]根据所述k个待编码点的所述属性预测信息及所述反属性残差信息，获取所述k个待编码点的属性重建信息。[0169]也就是说，对于不需要进行dct变换的k个待编码点，对这k个待编码点的属性残差信息进行量化，并基于量化后的属性残差信息进行熵编码后，同样可以是对熵编码后得到的编码值进行反量化，以得到反属性残差信息，进而基于所述反属性残差信息及所述k个待编码点的属性预测信息之和，得到这k个点的属性重建信息。[0170]可选地，本技术实施例中，在所述获取第一信息之前，所述方法还包括：[0171]获取标识信息，所述标识信息用于指示是否执行所述方法；[0172]根据所述标识信息确定是否执行所述方法。[0173]其中，所述标识信息可以是基于用户输入获得的标识信息，例如可以是用户输入一个参数，或者也可以是编码端预先存储的参数，通过用户操作来获得该预先存储的参数；该参数用于指示编码端是否执行上述点云属性信息编码方法。[0174]例如，所述标识信息可以是以0和1来表征，若该标识信息为0，则表示不需要执行上述点云属性信息编码方法，则编码端不执行上述点云属性信息编码方法；若该标识信息为1，则编码端执行上述点云属性信息编码方法。可选地，所述标识信息也可以是其他表征形式，例如若该标识信息为“true”，则编码端执行上述点云属性信息编码方法；若该标识信息为“false”，则编码端不执行上述点云属性信息编码方法。当然，所述标识信息还可以是其他的表征形式，本技术实施例不做过多列举。[0175]进一步地，在所述生成二进制码流之后，所述方法还包括：[0176]将所述标识信息写入所述二进制码流。[0177]可以理解地，编码端在生成二进制码流后，将所述标识信息写入所述二进制码流，进而解码端在获取到二进制码流后，能够基于对二进制码流进行解码而获取到所述标识信息，也就能够基于所述标识信息来获知编码端是否采用了上述点云属性信息编码方法来进行编码，进而解码端也就能够基于该标识信息来采取对应的解码方法，确保解码端能够顺畅解码，保障解码效率。[0178]本技术实施例中，通过对熵编码后的编码值反量化，以获取k个待编码点的属性重建信息，或者对于进行了dct变换的k个待编码点，通过对熵编码后的编码值依次进行反量化、dct反变换，来获取k个待编码点的属性重建信息，基于得到的属性重建信息也就能够对待编码点云中的未编码点是否需要进行dct变换进行判断，进而以将属性信息在空间域的分散分布转换为在变换域的集中分布，以达到去除空间冗余的目的，提高属性编码效率和重建性能的目的。[0179]请参照图4，图4是本技术实施例提供的另一种点云属性编码方法的流程图。如图4所示，该方法的流程如下：首先对待编码点云排序，可以是基于莫顿码进行排序，也可以是基于希尔伯进行排序；对排序后的待编码点，判断待编码点是否为重复点，也即判断是否与已编码点重复，若是，则获取该重复点的属性预测信息，并基于属性预测信息进行量化；若待编码点不是重复点，则对待编码点进行属性信息预测，获取属性预测信息，基于待编码点的属性预测信息判断是否需要进行dct变换，若是，则对待编码点进行k阶dct变换，得到变换系数，并对变换系数进行量化；若不需要进行dct变换，则直接对待编码点的属性残差信息进行量化；基于量化后的相关信息进行属性信息重建，得到属性重建信息，根据属性重建信息来判断后续的未编码点是否需要进行dct变换；进一步地，判断是否遍历完未编码点云序列中所有的点，若是，则对量化后的相关信息进行熵编码，若否，则继续判断未编码点是否为重复点，直至完成未编码点云中所有点的量化和熵编码。需要说明的是，该实施例中涉及的相关概念及具体实现方式可以参照上述图3所示实施例中的描述，此处不再赘述。[0180]请参照图5，图5是本技术实施例提供的一种点云属性信息解码方法的流程图，所述方法可以是应用于如手机、平板电脑、计算机等终端。如图5所示，所述方法包括以下步骤：[0181]步骤501、获取第三信息；[0182]步骤502、基于所述第三信息关联的第四信息确定是否对k个待解码点进行dct反变换；[0183]步骤503、在确定对所述k个待解码点进行dct反变换的情况下，对所述k个待解码点进行dct反变换，得到所述k个待解码点的属性残差信息；[0184]步骤504、基于所述k个待解码点的属性残差信息和属性预测信息，获取所述k个待解码点的属性重建信息，以对待解码点云中的未解码点进行解码；[0185]其中，所述第三信息包括所述k个待解码点，所述第四信息包括所述k个待解码点的属性预测信息；或者，所述第三信息包括所述k个待解码点的前n个已解码点，所述第四信息包括所n个已解码点的属性重建信息，k为正整数，n为大于1的整数。[0186]可选地，所述第三信息包括所述k个待解码点，所述第四信息包括所述k个待解码点的属性预测信息；这种情况下，所述步骤502包括：[0187]获取所述k个待解码点对应的属性预测信息中的最大属性预测值与最小属性预测值，在所述最大属性预测值与所述最小属性预测值的绝对差值小于第一阈值的情况下，则确定对所述k个待解码点进行dct反变换；或者，[0188]在所述最大属性预测值与所述最小属性预测值的绝对比值小于第二阈值的情况下，则确定对所述k个待编码点进行dct反变换。[0189]可选地，所述第三信息包括所述k个待解码点的前n个已解码点，所述第四信息包括所n个已解码点的属性重建信息；这种情况下，所述步骤502包括：[0190]获取所述n个已解码点对应的属性重建信息中的最大属性重建值和最小属性重建值，在所述最大属性重建值与所述最小属性重建值的绝对差值小于第三阈值的情况下，则确定对所述k个待解码点进行dct反变换；或者，[0191]在所述最大属性重建值与所述最小属性重建值的绝对比值小于第四阈值的情况下，则确定对所述k个待解码点进行dct反变换。[0192]可选地，所述第三信息包括k个待解码点，所述步骤501可以包括：[0193]对所述待解码点云进行排序，获取排序后的所述待解码点云中的k个待解码点。[0194]可选地，所述对所述待解码点云进行排序，获取排序后的所述待解码点云中的k个待解码点，包括：[0195]计算所述待解码点云中每个点对应的希尔伯，将所述待解码点云按照希尔伯进行排序，在排序后的所述待解码点云中按序依次选取k个待解码点；或者，[0196]计算所述待解码点云中每个点对应的莫顿码，将所述待解码点云按照莫顿码进行排序，在排序后的所述待解码点云中按序依次选取k个待解码点。[0197]可选地，所述步骤502之前，所述方法还包括：[0198]按照双希尔伯特序或双莫顿序，获取与目标待解码点曼哈顿距离最近的s个邻居点，所述目标待解码点为所述k个待解码点中的任一个；[0199]基于所述s个邻居点确定所述目标待解码点的初始属性预测信息；[0200]根据所述目标待解码点对应的第一权重及所述初始属性预测信息，确定所述目标待解码点的属性预测信息。[0201]可选地，所述按照双希尔伯特序或双莫顿序，获取与目标待解码点曼哈顿距离最近的s个邻居点，包括：[0202]在给定的预设搜索范围中，按照希尔伯特1序，获取目标待解码点的前序m个点，以及按照希尔伯特2序，获取所述目标待解码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待解码点曼哈顿距离最近的s个邻居点；或者，[0203]在所述给定的预设搜索范围中，按照莫顿1序，获取目标待解码点的前序m个点，以及按照莫顿2序，获取所述目标待解码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待解码点曼哈顿距离最近的s个邻居点；[0204]其中，m、n1和n2均为正整数。[0205]可选地，所述希尔伯特1序或莫顿1序的搜索范围为第一预设范围，所述希尔伯特2序或莫顿2序的前序搜索范围为第二预设范围，所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围；[0206]其中，二进制码流包括第一属性参数和第二属性参数，所述第一属性参数用于表征所述第一预设范围，所述第二属性参数用于表征所述第二预设范围；[0207]在所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围的情况下，所述二进制码流还包括第三属性参数，所述第三属性参数用于表征所述第三预设范围。[0208]可选地，所述给定的预设搜索范围根据点云序列的初始点数和输入点云包围盒体积的相关关系决定。[0209]可选地，所述基于所述s个邻居点确定所述目标待解码点的初始属性预测信息，包括：[0210]基于所述s个邻居点中每一个邻居点及对应的第二权重，确定所述目标待解码点的初始属性预测信息，所述第二权重为所述目标待解码点与所述邻居点之间的曼哈顿距离的倒数。[0211]可选地，所述第三信息包括所述k个待解码点，所述步骤502之前，所述方法还包括：[0212]以所述k个待解码点中的第一个点作为参考点，获取所述参考点的t个邻居点；[0213]获取所述t个邻居点中与所述参考点曼哈顿距离最近的r个邻居点；[0214]获取所述k个待解码点中目标待解码点在所述r个邻居点中曼哈顿距离最近的l个邻居点，所述目标待解码点为所述k个待解码点中的任一个；[0215]基于l个邻居点确定所述目标待解码点的初始属性预测信息；[0216]根据所述目标待解码点对应的第一权重及所述初始属性预测信息，确定所述目标待解码点的属性预测信息；[0217]其中，t、r和l均为正整数。[0218]可选地，所述基于l个邻居点确定所述目标待解码点的初始属性预测信息，包括：[0219]基于所述l个邻居点中每一个邻居点及对应的第二权重，确定所述目标待解码点的初始属性预测信息，所述第二权重为所述目标待解码点与所述邻居点之间的曼哈顿距离的倒数。[0220]可选地，所述k个待解码节点各自对应的所述第一权重的和为1。[0221]可选地，所述对所述k个待解码点进行dct反变换之前，所述方法还包括：[0222]获取所述k个待解码点的变换系数；[0223]对所述变换系数进行反量化，获得反量化后的变换系数；[0224]所述对所述k个待解码点进行dct反变换，包括：[0225]基于所述反量化后的变换系数对所述k个待解码点进行dct反变换。[0226]可选地，所述变换系数包括高频系数和低频系数，所述对所述变换系数进行反量化，获得反量化后的变换系数，包括：[0227]获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长；[0228]根据所述高频系数及所述高频系数量化步长对所述高频系数进行反量化，根据所述低频系数及所述低频系数量化步长对所述低频系数进行反量化。[0229]可选地，所述获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长，包括：[0230]根据所述k个待解码点的属性信息对应的分量分布情况，获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长。[0231]可选地，所述根据所述k个待解码点的属性信息对应的分量分布情况，获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长，包括：[0232]在所述k个待解码点的属性信息对应的分量分布平坦的情况下，所述高频变换系数的量化步长为原始量化步长、预设量化步长偏移和高频系数量化步长偏移之和，所述低频变换系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和；[0233]在所述k个待解码点的属性信息对应的分量分布不平坦的情况下，所述高频系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和，所述低频系数的量化步长与所述高频系数的量化步长相等。[0234]可选地，在所述高频系数小于第一预设阈值的情况下，所述高频系数量化后的值为0，在所述低频系数小于第二预设阈值的情况下，所述低频系数量化后的值为0。[0235]可选地，所述方法还包括：[0236]在确定对所述k个待解码点不进行dct反变换的情况下，对所述k个待解码点的变换系数进行量化，以得到所述k个待解码点的属性残差信息。[0237]可选地，在所述获取第三信息之前，所述方法还包括：[0238]从二进制码流中获取标识信息，所述标识信息用于指示是否执行所述方法；[0239]根据所述标识信息确定是否执行所述方法。[0240]需要说明地，本实施例中提供的解码方法，与上述图3所述实施例中的编码方法相对应，本实施例中所涉及的相关概念及具体实现方式可以是参照上述图3所述编码方法中的描述，本实施例不再赘述。[0241]本技术实施例提供的解码方法，在对待解码点云进行解码的过程中，需要根据待解码点的属性预测信息或者是已解码点的属性重建信息来决定是否对待解码点进行dct变换，在确定需要对待解码点进行dct变换时，则对待解码点进行dct变换，进而能够将属性信息在空间域的分散分布转换为在变换域的相对集中分布，使信号能量集中于少数几个系数中，更方便进行量化和解码，从而去除属性冗余，达到提高属性解码效率和重建性能的目的。[0242]需要说明的是，本技术实施例提供的点云属性信息编码方法，执行主体可以为点云属性信息编码装置，或者，该点云属性信息编码装置中的用于执行点云属性信息编码方法的控制模块。本技术实施例中以点云属性信息编码装置执行点云属性信息编码方法为例，说明本技术实施例提供的点云属性信息编码装置。[0243]请参照图6，图6是本技术实施例提供的一种点云属性信息编码装置的结构图。如图6所示，点云属性信息编码装置600包括：[0244]第一获取模块601，用于获取第一信息；[0245]第一确定模块602，用于基于所述第一信息关联的第二信息确定是否对k个待编码点进行离散余弦变换dct变换；[0246]第一变换模块603，用于在确定对所述k个待编码点进行dct变换的情况下，对所述k个待编码点进行dct变换，得到所述k个待编码点的变换系数；[0247]编码模块604，用于对所述k个待编码点的变换系数进行量化，基于量化后的变换系数进行熵编码，生成二进制码流；[0248]其中，所述第一信息包括所述k个待编码点，所述第二信息包括所述k个待编码点的属性预测信息；或者，所述第一信息包括所述k个待编码点的前n个已编码点，所述第二信息包括所述n个已编码点的属性重建信息，k为正整数，n为大于1的整数。[0249]可选地，所述第一信息包括所述k个待编码点，所述第二信息包括所述k个待编码点的属性预测信息；[0250]所述第一确定模块602还用于：[0251]获取所述k个待编码点对应的属性预测信息中的最大属性预测值与最小属性预测值，在所述最大属性预测值与所述最小属性预测值的绝对差值小于第一阈值的情况下，则确定对所述k个待编码点进行dct变换；或者，[0252]在所述最大属性预测值与所述最小属性预测值的绝对比值小于第二阈值的情况下，则确定对所述k个待编码点进行dct变换。[0253]可选地，所述第一信息包括所述k个待编码点的前n个已编码点，所述第二信息包括所述n个已编码点的属性重建信息；[0254]所述第一确定模块602还用于：[0255]获取所述n个已编码点对应的属性重建信息中的最大属性重建值和最小属性重建值，在所述最大属性重建值与所述最小属性重建值的绝对差值小于第三阈值的情况下，则确定对所述k个待编码点进行dct变换；或者，[0256]在所述最大属性重建值与所述最小属性重建值的绝对比值小于第四阈值的情况下，则确定对所述k个待编码点进行dct变换。[0257]可选地，所述第一信息包括所述k个待编码点，所述第一获取模块601还用于：[0258]对所述待编码点云进行排序，获取排序后的所述待编码点云中的k个待编码点。[0259]可选地，所述第一获取模块601还用于：[0260]计算所述待编码点云中每个点对应的希尔伯，将所述待编码点云按照希尔伯进行排序，在排序后的所述待编码点云中按序依次选取k个待编码点；或者，[0261]计算所述待编码点云中每个点对应的莫顿码，将所述待编码点云按照莫顿码进行排序，在排序后的所述待编码点云中按序依次选取k个待编码点。[0262]可选地，所述装置还包括属性信息预测模块，用于：[0263]按照双希尔伯特序或双莫顿序，获取与目标待编码点曼哈顿距离最近的s个邻居点，所述目标待编码点为所述k个待编码点中的任一个；[0264]基于所述s个邻居点确定所述目标待编码点的初始属性预测信息；[0265]根据所述目标待编码点对应的第一权重及所述初始属性预测信息，确定所述目标待编码点的属性预测信息。[0266]可选地，所述属性信息预测模块，还用于：[0267]在给定的预设搜索范围中，按照希尔伯特1序，获取目标待编码点的前序m个点，以及按照希尔伯特2序，获取所述目标待编码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待编码点曼哈顿距离最近的s个邻居点；或者，[0268]在所述给定的预设搜索范围中，按照莫顿1序，获取目标待编码点的前序m个点，以及按照莫顿2序，获取所述目标待编码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待编码点曼哈顿距离最近的s个邻居点；[0269]其中，m、n1和n2均为正整数。[0270]可选地，所述希尔伯特1序或莫顿1序的搜索范围为第一预设范围，所述希尔伯特2序或莫顿2序的前序搜索范围为第二预设范围，所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围或所述第二预设范围；[0271]其中，所述二进制码流包括第一属性参数和第二属性参数，所述第一属性参数用于表征所述第一预设范围，所述第二属性参数用于表征所述第二预设范围；[0272]在所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围的情况下，所述二进制码流还包括第三属性参数，所述第三属性参数用于表征所述第三预设范围。[0273]可选地，所述给定的预设搜索范围根据点云序列的初始点数和输入点云包围盒体积的相关关系决定。[0274]可选地，所述属性信息预测模块，还用于：[0275]基于所述s个邻居点中每一个邻居点及对应的第二权重，确定所述目标待编码点的初始属性预测信息，所述第二权重为所述目标待编码点与所述邻居点之间的曼哈顿距离的倒数。[0276]可选地，所述第一信息包括所述k个待编码点，所述属性信息预测模块，还用于：[0277]以所述k个待编码点中的第一个点作为参考点，获取所述参考点的t个邻居点；[0278]获取所述t个邻居点中与所述参考点曼哈顿距离最近的r个邻居点；[0279]获取所述k个待编码点中目标待编码点在所述r个邻居点中曼哈顿距离最近的l个邻居点，所述目标待编码点为所述k个待编码点中的任一个；[0280]基于l个邻居点确定所述目标待编码点的初始属性预测信息；[0281]根据所述目标待编码点对应的第一权重及所述初始属性预测信息，确定所述目标待编码点的属性预测信息；[0282]其中，t、r和l均为正整数。[0283]可选地，所述属性信息预测模块，还用于：[0284]基于所述l个邻居点中每一个邻居点及对应的第二权重，确定所述目标待编码点的初始属性预测信息，所述第二权重为所述目标待编码点与所述邻居点之间的曼哈顿距离的倒数。[0285]可选地，所述k个待编码节点各自对应的所述第一权重的和为1。[0286]可选地，所述装置还包括第三获取模块，用于：[0287]基于所述k个待编码点的属性预测信息，获取所述k个待编码点的属性残差信息；[0288]所述第一变换模块603还用于：[0289]对所述k个待编码点的属性残差信息进行dct变换，得到所述k个待编码点对应的变换系数。[0290]可选地，所述装置还包括属性重建模块，用于：[0291]对所述基于量化后的变换系数进行反量化，对反量化后得到的反变换系数进行反变换，以获取所述k个待编码点的属性重建信息。[0292]可选地，所述变换系数包括低频系数和高频系数，所述编码模块604还用于：[0293]对所述k个待编码点对应的高频系数和低频系数进行量化，并对量化后的高频系数和低频系数分别进行熵编码，以得到第一编码值和第二编码值；[0294]所述属性重建模块，还用于：[0295]对所述第一编码值和所述第二编码值进行反量化，得到反量化后的反高频系数和反低频系数；[0296]基于所述反高频系数和所述反低频系数进行dct反变换，得到所述k个待编码点对应的反属性残差信息；[0297]根据所述k个待编码点的所述属性预测信息及所述反属性残差信息，获取所述k个待编码点的属性重建信息。[0298]可选地，所述编码模块604还用于：[0299]获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长；[0300]根据所述高频系数及所述高频系数量化步长对所述高频系数进行量化，根据所述低频系数及所述低频系数量化步长对所述低频系数进行量化。[0301]可选地，所述编码模块604还用于：[0302]根据所述k个待编码点的属性信息对应的分量分布情况，获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长。[0303]可选地，所述编码模块604还用于：[0304]在所述k个待编码点的属性信息对应的分量分布平坦的情况下，所述高频变换系数的量化步长为原始量化步长、预设量化步长偏移和高频系数量化步长偏移之和，所述低频变换系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和；[0305]在所述k个待编码点的属性信息对应的分量分布不平坦的情况下，所述高频系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和，所述低频系数的量化步长与所述高频系数的量化步长相等。[0306]可选地，在所述高频系数小于第一预设阈值的情况下，所述高频系数量化后的值为0，在所述低频系数小于第二预设阈值的情况下，所述低频系数量化后的值为0。[0307]可选地，所述编码模块604还用于：[0308]在确定对所述k个待编码点不进行dct变换的情况下，对所述k个待编码点的属性残差信息进行量化；[0309]对所述k个待编码点量化后的属性残差信息进行熵编码，生成二进制码流。[0310]可选地，所述装置还包括属性重建模块，用于：[0311]对所述熵编码后得到的编码值进行反量化，得到所述k个待编码点反量化后的反属性残差信息；[0312]根据所述k个待编码点的所述属性预测信息及所述反属性残差信息，获取所述k个待编码点的属性重建信息。[0313]可选地，所述装置还包括：[0314]第三确定模块，用于获取标识信息，所述标识信息用于指示所述装置是否执行点云属性信息编码；[0315]根据所述标识信息确定所述装置是否执行所述点云属性信息编码；[0316]写入模块，用于将所述标识信息写入所述二进制码流。[0317]需要说明地，所述装置执行点云属性信息编码是指，所述装置基于上述各模块(如第一获取模块、第一确定模块等)执行上述相应操作，此处不再赘述。[0318]本技术实施例中，点云属性信息编码装置在对待编码点云进行编码的过程中，需要根据待编码点的属性预测信息或者是已编码点的属性重建信息来决定是否对待编码点进行dct变换，在确定需要对待编码点进行dct变换时，则对待编码点进行dct变换，进而能够将属性信息在空间域的分散分布转换为在变换域的相对集中分布，使信号能量集中于少数几个系数中，更方便进行量化和编码，从而去除属性冗余，达到提高属性编码效率和重建性能的目的。[0319]本技术实施例中的点云属性信息编码装置可以是装置，具有操作系统的装置或电子设备，也可以是终端中的部件、集成电路、或芯片。该装置或电子设备可以是移动终端，也可以为非移动终端。示例性的，移动终端可以包括但不限于上述所列举的终端的类型，非移动终端可以为服务器、网络附属存储器(networkattachedstorage，nas)、个人计算机(personalcomputer，pc)、电视机(television，tv)、柜员机或者自助机等，本技术实施例不作具体限定。[0320]本技术实施例提供的点云属性信息编码装置能够实现图3或图4的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。[0321]请参照图7，图7是本技术实施例提供的一种点云属性信息解码装置的结构图。如图7所示，点云属性信息解码装置700包括：[0322]第二获取模块701，用于获取第三信息；[0323]第二确定模块702，用于基于所述第三信息关联的第四信息确定是否对k个待解码点进行dct反变换；[0324]第二变换模块703，用于在确定对所述k个待解码点进行dct反变换的情况下，对所述k个待解码点进行dct反变换，得到所述k个待解码点的属性残差信息；[0325]解码模块704，用于基于所述k个待解码点的属性残差信息和属性预测信息，获取所述k个待解码点的属性重建信息，以对待解码点云中的未解码点进行解码；[0326]其中，所述第三信息包括所述k个待解码点，所述第四信息包括所述k个待解码点的属性预测信息；或者，所述第三信息包括所述k个待解码点的前n个已解码点，所述第四信息包括所n个已解码点的属性重建信息，k为正整数，n为大于1的整数。[0327]可选地，所述第三信息包括所述k个待解码点，所述第四信息包括所述k个待解码点的属性预测信息；[0328]所述第二确定模块702还用于：[0329]获取所述k个待解码点对应的属性预测信息中的最大属性预测值与最小属性预测值，在所述最大属性预测值与所述最小属性预测值的绝对差值小于第一阈值的情况下，则确定对所述k个待解码点进行dct反变换；或者，[0330]在所述最大属性预测值与所述最小属性预测值的绝对比值小于第二阈值的情况下，则确定对所述k个待解码点进行dct反变换。[0331]可选地，所述第三信息包括所述k个待解码点的前n个已解码点，所述第四信息包括所n个已解码点的属性重建信息；[0332]所述第二确定模块702还用于：[0333]获取所述n个已解码点对应的属性重建信息中的最大属性重建值和最小属性重建值，在所述最大属性重建值与所述最小属性重建值的绝对差值小于第三阈值的情况下，则确定对所述k个待解码点进行dct反变换；或者，[0334]在所述最大属性重建值与所述最小属性重建值的绝对比值小于第四阈值的情况下，则确定对所述k个待解码点进行dct反变换。[0335]可选地，所述第三信息包括k个待解码点，所述第二获取模块701还用于：[0336]对所述待解码点云进行排序，获取排序后的所述待解码点云中的k个待解码点。[0337]可选地，所述第二获取模块701还用于：[0338]计算所述待解码点云中每个点对应的希尔伯，将所述待解码点云按照希尔伯进行排序，在排序后的所述待解码点云中按序依次选取k个待解码点；或者，[0339]计算所述待解码点云中每个点对应的莫顿码，将所述待解码点云按照莫顿码进行排序，在排序后的所述待解码点云中按序依次选取k个待解码点。[0340]可选地，所述装置还包括属性预测模块，用于：[0341]按照双希尔伯特序或双莫顿序，获取与目标待解码点曼哈顿距离最近的s个邻居点，所述目标待解码点为所述k个待解码点中的任一个；[0342]基于所述s个邻居点确定所述目标待解码点的初始属性预测信息；[0343]根据所述目标待解码点对应的第一权重及所述初始属性预测信息，确定所述目标待解码点的属性预测信息。[0344]可选地，所述属性预测模块，还用于：[0345]在给定的预设搜索范围中，按照希尔伯特1序，获取目标待解码点的前序m个点，以及按照希尔伯特2序，获取所述目标待解码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待解码点曼哈顿距离最近的s个邻居点；或者，[0346]在所述给定的预设搜索范围中，按照莫顿1序，获取目标待解码点的前序m个点，以及按照莫顿2序，获取所述目标待解码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待解码点曼哈顿距离最近的s个邻居点；[0347]其中，m、n1和n2均为正整数。[0348]可选地，所述希尔伯特1序或莫顿1序的搜索范围为第一预设范围，所述希尔伯特2序或莫顿2序的前序搜索范围为第二预设范围，所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围；[0349]其中，二进制码流包括第一属性参数和第二属性参数，所述第一属性参数用于表征所述第一预设范围，所述第二属性参数用于表征所述第二预设范围；[0350]在所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围的情况下，所述二进制码流还包括第三属性参数，所述第三属性参数用于表征所述第三预设范围。[0351]可选地，所述给定的预设搜索范围根据点云序列的初始点数和输入点云包围盒体积的相关关系决定。[0352]可选地，所述属性预测模块，还用于：[0353]基于所述s个邻居点中每一个邻居点及对应的第二权重，确定所述目标待解码点的初始属性预测信息，所述第二权重为所述目标待解码点与所述邻居点之间的曼哈顿距离的倒数。[0354]可选地，所述第三信息包括所述k个待解码点，所述属性预测模块还用于：[0355]以所述k个待解码点中的第一个点作为参考点，获取所述参考点的t个邻居点；[0356]获取所述t个邻居点中与所述参考点曼哈顿距离最近的r个邻居点；[0357]获取所述k个待解码点中目标待解码点在所述r个邻居点中曼哈顿距离最近的l个邻居点，所述目标待解码点为所述k个待解码点中的任一个；[0358]基于l个邻居点确定所述目标待解码点的初始属性预测信息；[0359]根据所述目标待解码点对应的第一权重及所述初始属性预测信息，确定所述目标待解码点的属性预测信息；[0360]其中，t、r和l均为正整数。[0361]可选地，所述属性预测模块，还用于：[0362]基于所述l个邻居点中每一个邻居点及对应的第二权重，确定所述目标待解码点的初始属性预测信息，所述第二权重为所述目标待解码点与所述邻居点之间的曼哈顿距离的倒数。[0363]可选地，所述k个待解码节点各自对应的所述第一权重的和为1。[0364]可选地，所述装置还包括反量化模块，用于：[0365]获取所述k个待解码点的变换系数；[0366]对所述变换系数进行反量化，获得反量化后的变换系数；[0367]所述第二变换模块703还用于：[0368]基于所述反量化后的变换系数对所述k个待解码点进行dct反变换。[0369]可选地，所述变换系数包括高频系数和低频系数，所述反量化模块，还用于：[0370]获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长；[0371]根据所述高频系数及所述高频系数量化步长对所述高频系数进行反量化，根据所述低频系数及所述低频系数量化步长对所述低频系数进行反量化。[0372]可选地，所述反量化模块，还用于：[0373]根据所述k个待解码点的属性信息对应的分量分布情况，获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长。[0374]可选地，所述反量化模块，还用于：[0375]在所述k个待解码点的属性信息对应的分量分布平坦的情况下，所述高频变换系数的量化步长为原始量化步长、预设量化步长偏移和高频系数量化步长偏移之和，所述低频变换系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和；[0376]在所述k个待解码点的属性信息对应的分量分布不平坦的情况下，所述高频系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和，所述低频系数的量化步长与所述高频系数的量化步长相等。[0377]可选地，在所述高频系数小于第一预设阈值的情况下，所述高频系数量化后的值为0，在所述低频系数小于第二预设阈值的情况下，所述低频系数量化后的值为0。[0378]可选地，所述装置还包括量化模块，用于：[0379]在确定对所述k个待解码点不进行dct反变换的情况下，对所述k个待解码点的变换系数进行量化，以得到所述k个待解码点的属性残差信息。[0380]可选地，所述装置还包括第四确定模块，用于：[0381]从二进制码流中获取标识信息，所述标识信息用于指示所述装置是否执行点云属性信息解码；[0382]根据所述标识信息确定所述装置是否执行所述点云属性信息解码。[0383]需要说明地，所述装置执行点云属性信息解码是指，所述装置基于上述各模块(如第二获取模块、第二确定模块等)执行相应操作，此处不再赘述。[0384]本技术实施例提供的点云属性信息解码装置，在对待解码点云进行解码的过程中，需要根据待解码点的属性预测信息或者是已解码点的属性重建信息来决定是否对待解码点进行dct变换，在确定需要对待解码点进行dct变换时，则对待解码点进行dct变换，进而能够将属性信息在空间域的分散分布转换为在变换域的相对集中分布，使信号能量集中于少数几个系数中，更方便进行量化和解码，从而去除属性冗余，达到提高属性解码效率和重建性能的目的。[0385]本技术实施例中的点云属性信息解码装置可以是装置，具有操作系统的装置或电子设备，也可以是终端中的部件、集成电路、或芯片。该装置或电子设备可以是移动终端，也可以为非移动终端。示例性的，移动终端可以包括但不限于上述所列举的终端的类型，非移动终端可以为服务器、网络附属存储器(networkattachedstorage，nas)、个人计算机(personalcomputer，pc)、电视机(television，tv)、柜员机或者自助机等，本技术实施例不作具体限定。[0386]本技术实施例提供的点云属性信息解码装置能够实现图5方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。[0387]可选的，如图8所示，本技术实施例还提供一种通信设备800，包括处理器801，存储器802，存储在存储器802上并可在所述处理器801上运行的程序或指令，例如，该通信设备800为终端时，该程序或指令被处理器801执行时实现上述图3或图4所述方法实施例的各个过程，或者实现上述图5所述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。[0388]本技术实施例还提供一种终端，包括处理器和通信接口，处理器用于实现上述图3或图4所述方法实施例的各个过程，或者实现上述图5所述方法实施例的各个过程。该终端实施例是与上述终端侧方法实施例对应的，上述方法实施例的各个实施过程和实现方式均可适用于该终端实施例中，且能达到相同的技术效果。具体地，图9为实现本技术实施例的一种终端的硬件结构示意图。[0389]该终端900包括但不限于：射频单元901、网络模块902、音频输出单元903、输入单元904、传感器905、显示单元906、用户输入单元907、接口单元908、存储器909、以及处理器910等中的至少部分部件。[0390]本领域技术人员可以理解，终端900还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器910逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图9中示出的终端结构并不构成对终端的限定，终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。[0391]应理解的是，本技术实施例中，输入单元904可以包括图形处理器(graphicsprocessingunit，gpu)9041和麦克风9042，图形处理器9041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元906可包括显示面板9061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板9061。用户输入单元907包括触控面板9071以及其他输入设备9072。触控面板9071，也称为触摸屏。触控面板9071可包括触摸检测装置和触摸控制器两个部分。其他输入设备9072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。[0392]本技术实施例中，射频单元901将来自网络侧设备的下行数据接收后，给处理器910处理；另外，将上行的数据发送给网络侧设备。通常，射频单元901包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。[0393]存储器909可用于存储软件程序或指令以及各种数据。存储器909可主要包括存储程序或指令区和存储数据区，其中，存储程序或指令区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器909可以包括高速随机存取存储器，还可以包括非易失性存储器，其中，非易失性存储器可以是只读存储器(read-onlymemory，rom)、可编程只读存储器(programmablerom，prom)、可擦除可编程只读存储器(erasableprom，eprom)、电可擦除可编程只读存储器(electricallyeprom，eeprom)或闪存。例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。[0394]处理器910可包括一个或多个处理单元；可选的，处理器910可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序或指令等，调制解调处理器主要处理无线通信，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器910中。[0395]在一种实施方式中，处理器910，用于：[0396]获取第一信息；[0397]基于所述第一信息关联的第二信息确定是否对k个待编码点进行离散余弦变换dct变换；[0398]在确定对所述k个待编码点进行dct变换的情况下，对所述k个待编码点进行dct变换，得到所述k个待编码点的变换系数；[0399]对所述k个待编码点的变换系数进行量化，基于量化后的变换系数进行熵编码，生成二进制码流；[0400]其中，所述第一信息包括所述k个待编码点，所述第二信息包括所述k个待编码点的属性预测信息；或者，所述第一信息包括所述k个待编码点的前n个已编码点，所述第二信息包括所述n个已编码点的属性重建信息，k为正整数，n为大于1的整数。[0401]可选地，所述第一信息包括所述k个待编码点，所述第二信息包括所述k个待编码点的属性预测信息；处理器910，还用于：[0402]获取所述k个待编码点对应的属性预测信息中的最大属性预测值与最小属性预测值，在所述最大属性预测值与所述最小属性预测值的绝对差值小于第一阈值的情况下，则确定对所述k个待编码点进行dct变换；或者，[0403]在所述最大属性预测值与所述最小属性预测值的绝对比值小于第二阈值的情况下，则确定对所述k个待编码点进行dct变换。[0404]可选地，所述第一信息包括所述k个待编码点的前n个已编码点，所述第二信息包括所述n个已编码点的属性重建信息；处理器910，还用于：[0405]获取所述n个已编码点对应的属性重建信息中的最大属性重建值和最小属性重建值，在所述最大属性重建值与所述最小属性重建值的绝对差值小于第三阈值的情况下，则确定对所述k个待编码点进行dct变换；或者，[0406]在所述最大属性重建值与所述最小属性重建值的绝对比值小于第四阈值的情况下，则确定对所述k个待编码点进行dct变换。[0407]可选地，所述第一信息包括所述k个待编码点，处理器910，还用于：[0408]对所述待编码点云进行排序，获取排序后的所述待编码点云中的k个待编码点。[0409]可选地，处理器910，还用于：[0410]计算所述待编码点云中每个点对应的希尔伯，将所述待编码点云按照希尔伯进行排序，在排序后的所述待编码点云中按序依次选取k个待编码点；或者，[0411]计算所述待编码点云中每个点对应的莫顿码，将所述待编码点云按照莫顿码进行排序，在排序后的所述待编码点云中按序依次选取k个待编码点。[0412]可选地，处理器910，还用于：[0413]按照双希尔伯特序或双莫顿序，获取与目标待编码点曼哈顿距离最近的s个邻居点，所述目标待编码点为所述k个待编码点中的任一个；[0414]基于所述s个邻居点确定所述目标待编码点的初始属性预测信息；[0415]根据所述目标待编码点对应的第一权重及所述初始属性预测信息，确定所述目标待编码点的属性预测信息。[0416]可选地，处理器910，还用于：[0417]在给定的预设搜索范围中，按照希尔伯特1序，获取目标待编码点的前序m个点，以及按照希尔伯特2序，获取所述目标待编码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待编码点曼哈顿距离最近的s个邻居点；或者，[0418]在所述给定的预设搜索范围中，按照莫顿1序，获取目标待编码点的前序m个点，以及按照莫顿2序，获取所述目标待编码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待编码点曼哈顿距离最近的s个邻居点；[0419]其中，m、n1和n2均为正整数。[0420]可选地，所述希尔伯特1序或莫顿1序的搜索范围为第一预设范围，所述希尔伯特2序或莫顿2序的前序搜索范围为第二预设范围，所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围或所述第二预设范围；[0421]其中，所述二进制码流包括第一属性参数和第二属性参数，所述第一属性参数用于表征所述第一预设范围，所述第二属性参数用于表征所述第二预设范围；[0422]在所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围的情况下，所述二进制码流还包括第三属性参数，所述第三属性参数用于表征所述第三预设范围。[0423]可选地，所述给定的预设搜索范围根据点云序列的初始点数和输入点云包围盒体积的相关关系决定。[0424]可选地，处理器910，还用于：[0425]基于所述s个邻居点中每一个邻居点及对应的第二权重，确定所述目标待编码点的初始属性预测信息，所述第二权重为所述目标待编码点与所述邻居点之间的曼哈顿距离的倒数。[0426]可选地，所述第一信息包括所述k个待编码点，处理器910，还用于：[0427]以所述k个待编码点中的第一个点作为参考点，获取所述参考点的t个邻居点；[0428]获取所述t个邻居点中与所述参考点曼哈顿距离最近的r个邻居点；[0429]获取所述k个待编码点中目标待编码点在所述r个邻居点中曼哈顿距离最近的l个邻居点，所述目标待编码点为所述k个待编码点中的任一个；[0430]基于l个邻居点确定所述目标待编码点的初始属性预测信息；[0431]根据所述目标待编码点对应的第一权重及所述初始属性预测信息，确定所述目标待编码点的属性预测信息；[0432]其中，t、r和l均为正整数。[0433]可选地，处理器910，还用于：[0434]基于所述l个邻居点中每一个邻居点及对应的第二权重，确定所述目标待编码点的初始属性预测信息，所述第二权重为所述目标待编码点与所述邻居点之间的曼哈顿距离的倒数。[0435]可选地，所述k个待编码节点各自对应的所述第一权重的和为1。[0436]可选地，处理器910，还用于：[0437]基于所述k个待编码点的属性预测信息，获取所述k个待编码点的属性残差信息；[0438]所述对所述k个待编码点进行dct变换，得到所述k个待编码点的变换系数，包括：[0439]对所述k个待编码点的属性残差信息进行dct变换，得到所述k个待编码点对应的变换系数。[0440]可选地，处理器910，还用于：[0441]对所述基于量化后的变换系数进行反量化，对反量化后得到的反变换系数进行反变换，以获取所述k个待编码点的属性重建信息。[0442]可选地，处理器910，还用于：[0443]对所述k个待编码点对应的高频系数和低频系数进行量化，并对量化后的高频系数和低频系数分别进行熵编码，以得到第一编码值和第二编码值；[0444]所述对所述熵编码后得到的编码值进行反量化，对反量化后得到的反变换系数进行反变换，以获取所述k个待编码点的属性重建信息，包括：[0445]对所述第一编码值和所述第二编码值进行反量化，得到反量化后的反高频系数和反低频系数；[0446]基于所述反高频系数和所述反低频系数进行dct反变换，得到所述k个待编码点对应的反属性残差信息；[0447]根据所述k个待编码点的所述属性预测信息及所述反属性残差信息，获取所述k个待编码点的属性重建信息。[0448]可选地，处理器910，还用于：[0449]获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长；[0450]根据所述高频系数及所述高频系数量化步长对所述高频系数进行量化，根据所述低频系数及所述低频系数量化步长对所述低频系数进行量化。[0451]可选地，处理器910，还用于：[0452]根据所述k个待编码点的属性信息对应的分量分布情况，获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长。[0453]可选地，处理器910，还用于：[0454]在所述k个待编码点的属性信息对应的分量分布平坦的情况下，所述高频变换系数的量化步长为原始量化步长、预设量化步长偏移和高频系数量化步长偏移之和，所述低频变换系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和；[0455]在所述k个待编码点的属性信息对应的分量分布不平坦的情况下，所述高频系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和，所述低频系数的量化步长与所述高频系数的量化步长相等。[0456]可选地，在所述高频系数小于第一预设阈值的情况下，所述高频系数量化后的值为0，在所述低频系数小于第二预设阈值的情况下，所述低频系数量化后的值为0。[0457]可选地，处理器910，还用于：[0458]在确定对所述k个待编码点不进行dct变换的情况下，对所述k个待编码点的属性残差信息进行量化；[0459]对所述k个待编码点量化后的属性残差信息进行熵编码，生成二进制码流。[0460]可选地，处理器910，还用于：[0461]对所述熵编码后得到的编码值进行反量化，得到所述k个待编码点反量化后的反属性残差信息；[0462]根据所述k个待编码点的所述属性预测信息及所述反属性残差信息，获取所述k个待编码点的属性重建信息。[0463]可选地，处理器910，还用于：[0464]获取标识信息，所述标识信息用于指示所述处理器910是否执行点云属性信息编码；[0465]根据所述标识信息确定所述处理器910是否执行所述点云属性信息解码；[0466]将所述标识信息写入所述二进制码流。[0467]其中，处理器910执行点云属性信息编码是指，处理器910执行上述各步骤以实现点云属性信息编码，或者说实现如图3或图4所述的点云属性信息编码方法，具体实现方式此处不再赘述。[0468]本实施方式中，终端900在对待编码点云进行编码的过程中，需要根据待编码点的属性预测信息或者是已编码点的属性重建信息来决定是否对待编码点进行dct变换，在确定需要对待编码点进行dct变换时，则对待编码点进行dct变换，进而能够将属性信息在空间域的分散分布转换为在变换域的相对集中分布，使信号能量集中于少数几个系数中，更方便进行量化和编码，从而去除属性冗余，达到提高属性编码效率和重建性能的目的。[0469]或者，在另一种实施方式中，处理器910，用于：[0470]获取第三信息；[0471]基于所述第三信息关联的第四信息确定是否对k个待解码点进行dct反变换；[0472]在确定对所述k个待解码点进行dct反变换的情况下，对所述k个待解码点进行dct反变换，得到所述k个待解码点的属性残差信息；[0473]基于所述k个待解码点的属性残差信息和属性预测信息，获取所述k个待解码点的属性重建信息，以对待解码点云中的未解码点进行解码；[0474]其中，所述第三信息包括所述k个待解码点，所述第四信息包括所述k个待解码点的属性预测信息；或者，所述第三信息包括所述k个待解码点的前n个已解码点，所述第四信息包括所n个已解码点的属性重建信息，k为正整数，n为大于1的整数。[0475]可选地，所述第三信息包括所述k个待解码点，所述第四信息包括所述k个待解码点的属性预测信息；处理器910，还用于：[0476]获取所述k个待解码点对应的属性预测信息中的最大属性预测值与最小属性预测值，在所述最大属性预测值与所述最小属性预测值的绝对差值小于第一阈值的情况下，则确定对所述k个待解码点进行dct反变换；或者，[0477]在所述最大属性预测值与所述最小属性预测值的绝对比值小于第二阈值的情况下，则确定对所述k个待解码点进行dct反变换。[0478]可选地，所述第三信息包括所述k个待解码点的前n个已解码点，所述第四信息包括所n个已解码点的属性重建信息；处理器910，还用于：[0479]获取所述n个已解码点对应的属性重建信息中的最大属性重建值和最小属性重建值，在所述最大属性重建值与所述最小属性重建值的绝对差值小于第三阈值的情况下，则确定对所述k个待解码点进行dct反变换；或者，[0480]在所述最大属性重建值与所述最小属性重建值的绝对比值小于第四阈值的情况下，则确定对所述k个待解码点进行dct反变换。[0481]可选地，所述第三信息包括k个待解码点，处理器910，还用于：[0482]对所述待解码点云进行排序，获取排序后的所述待解码点云中的k个待解码点。[0483]可选地，处理器910，还用于：[0484]计算所述待解码点云中每个点对应的希尔伯，将所述待解码点云按照希尔伯进行排序，在排序后的所述待解码点云中按序依次选取k个待解码点；或者，[0485]计算所述待解码点云中每个点对应的莫顿码，将所述待解码点云按照莫顿码进行排序，在排序后的所述待解码点云中按序依次选取k个待解码点。[0486]可选地，处理器910，还用于：[0487]按照双希尔伯特序或双莫顿序，获取与目标待解码点曼哈顿距离最近的s个邻居点，所述目标待解码点为所述k个待解码点中的任一个；[0488]基于所述s个邻居点确定所述目标待解码点的初始属性预测信息；[0489]根据所述目标待解码点对应的第一权重及所述初始属性预测信息，确定所述目标待解码点的属性预测信息。[0490]可选地，处理器910，还用于：[0491]在给定的预设搜索范围中，按照希尔伯特1序，获取目标待解码点的前序m个点，以及按照希尔伯特2序，获取所述目标待解码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待解码点曼哈顿距离最近的s个邻居点；或者，[0492]在所述给定的预设搜索范围中，按照莫顿1序，获取目标待解码点的前序m个点，以及按照莫顿2序，获取所述目标待解码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待解码点曼哈顿距离最近的s个邻居点；[0493]其中，m、n1和n2均为正整数。[0494]可选地，所述希尔伯特1序或莫顿1序的搜索范围为第一预设范围，所述希尔伯特2序或莫顿2序的前序搜索范围为第二预设范围，所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围；[0495]其中，二进制码流包括第一属性参数和第二属性参数，所述第一属性参数用于表征所述第一预设范围，所述第二属性参数用于表征所述第二预设范围；[0496]在所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围的情况下，所述二进制码流还包括第三属性参数，所述第三属性参数用于表征所述第三预设范围。[0497]可选地，所述给定的预设搜索范围根据点云序列的初始点数和输入点云包围盒体积的相关关系决定。[0498]可选地，处理器910，还用于：[0499]基于所述s个邻居点中每一个邻居点及对应的第二权重，确定所述目标待解码点的初始属性预测信息，所述第二权重为所述目标待解码点与所述邻居点之间的曼哈顿距离的倒数。[0500]可选地，处理器910，还用于：[0501]以所述k个待解码点中的第一个点作为参考点，获取所述参考点的t个邻居点；[0502]获取所述t个邻居点中与所述参考点曼哈顿距离最近的r个邻居点；[0503]获取所述k个待解码点中目标待解码点在所述r个邻居点中曼哈顿距离最近的l个邻居点，所述目标待解码点为所述k个待解码点中的任一个；[0504]基于l个邻居点确定所述目标待解码点的初始属性预测信息；[0505]根据所述目标待解码点对应的第一权重及所述初始属性预测信息，确定所述目标待解码点的属性预测信息；[0506]其中，t、r和l均为正整数。[0507]可选地，处理器910，还用于：[0508]基于所述l个邻居点中每一个邻居点及对应的第二权重，确定所述目标待解码点的初始属性预测信息，所述第二权重为所述目标待解码点与所述邻居点之间的曼哈顿距离的倒数。[0509]可选地，所述k个待解码节点各自对应的所述第一权重的和为1。[0510]可选地，处理器910，还用于：[0511]获取所述k个待解码点的变换系数；[0512]对所述变换系数进行反量化，获得反量化后的变换系数；[0513]所述对所述k个待解码点进行dct反变换，包括：[0514]基于所述反量化后的变换系数对所述k个待解码点进行dct反变换。[0515]可选地，所述变换系数包括高频系数和低频系数，处理器910，还用于：[0516]获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长；[0517]根据所述高频系数及所述高频系数量化步长对所述高频系数进行反量化，根据所述低频系数及所述低频系数量化步长对所述低频系数进行反量化。[0518]可选地，处理器910，还用于：[0519]根据所述k个待解码点的属性信息对应的分量分布情况，获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长。[0520]可选地，处理器910，还用于：[0521]在所述k个待解码点的属性信息对应的分量分布平坦的情况下，所述高频变换系数的量化步长为原始量化步长、预设量化步长偏移和高频系数量化步长偏移之和，所述低频变换系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和；[0522]在所述k个待解码点的属性信息对应的分量分布不平坦的情况下，所述高频系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和，所述低频系数的量化步长与所述高频系数的量化步长相等。[0523]可选地，在所述高频系数小于第一预设阈值的情况下，所述高频系数量化后的值为0，在所述低频系数小于第二预设阈值的情况下，所述低频系数量化后的值为0。[0524]可选地，处理器910，还用于：[0525]在确定对所述k个待解码点不进行dct反变换的情况下，对所述k个待解码点的变换系数进行量化，以得到所述k个待解码点的属性残差信息。[0526]可选地，处理器910，还用于：[0527]从二进制码流中获取标识信息，所述标识信息用于指示所述处理器910是否执行点云属性信息解码；[0528]根据所述标识信息确定所述处理器910是否执行所述点云属性信息解码。[0529]其中，处理器910执行点云属性信息解码是指，处理器910执行上述各步骤以实现点云属性信息解码，或者说实现如图5所述的点云属性信息解码方法，具体实现方式此处不再赘述[0530]本实施方式中，终端900在对待解码点云进行解码的过程中，需要根据待解码点的属性预测信息或者是已解码点的属性重建信息来决定是否对待解码点进行dct变换，在确定需要对待解码点进行dct变换时，则对待解码点进行dct变换，进而能够将属性信息在空间域的分散分布转换为在变换域的相对集中分布，使信号能量集中于少数几个系数中，更方便进行量化和解码，从而去除属性冗余，达到提高属性解码效率和重建性能的目的。[0531]本技术实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述图3或图4所述方法实施例的各个过程，或者实现上述图5所述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。[0532]其中，所述处理器为上述实施例中所述的终端中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等。[0533]本技术实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述图3或图4所述方法实施例的各个过程，或者实现上述图5所述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。[0534]应理解，本技术实施例提到的芯片还可以称为系统级芯片，系统芯片，芯片系统或片上系统芯片等。[0535]需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本技术实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。[0536]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。[0537]上面结合附图对本技术的实施例进行了描述，但是本技术并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本技术的保护之内。当前第1页12当前第1页12

技术特征：

1.一种点云属性信息编码方法，其特征在于，包括：获取第一信息；基于所述第一信息关联的第二信息确定是否对k个待编码点进行离散余弦变换dct变换；在确定对所述k个待编码点进行dct变换的情况下，对所述k个待编码点进行dct变换，得到所述k个待编码点的变换系数；对所述k个待编码点的变换系数进行量化，基于量化后的变换系数进行熵编码，生成二进制码流；其中，所述第一信息包括所述k个待编码点，所述第二信息包括所述k个待编码点的属性预测信息；或者，所述第一信息包括所述k个待编码点的前n个已编码点，所述第二信息包括所述n个已编码点的属性重建信息，k为正整数，n为大于1的整数。2.根据权利要求1所述的方法，其特征在于，所述第一信息包括所述k个待编码点，所述第二信息包括所述k个待编码点的属性预测信息；所述基于所述第一信息关联的第二信息确定是否对k个待编码点进行dct变换，包括：获取所述k个待编码点对应的属性预测信息中的最大属性预测值与最小属性预测值，在所述最大属性预测值与所述最小属性预测值的绝对差值小于第一阈值的情况下，则确定对所述k个待编码点进行dct变换；或者，在所述最大属性预测值与所述最小属性预测值的绝对比值小于第二阈值的情况下，则确定对所述k个待编码点进行dct变换。3.根据权利要求1所述的方法，其特征在于，所述第一信息包括所述k个待编码点的前n个已编码点，所述第二信息包括所述n个已编码点的属性重建信息；所述基于所述第一信息关联的第二信息确定是否对k个待编码点进行dct变换，包括：获取所述n个已编码点对应的属性重建信息中的最大属性重建值和最小属性重建值，在所述最大属性重建值与所述最小属性重建值的绝对差值小于第三阈值的情况下，则确定对所述k个待编码点进行dct变换；或者，在所述最大属性重建值与所述最小属性重建值的绝对比值小于第四阈值的情况下，则确定对所述k个待编码点进行dct变换。4.根据权利要求1所述的方法，其特征在于，所述第一信息包括所述k个待编码点，所述获取第一信息，包括：对所述待编码点云进行排序，获取排序后的所述待编码点云中的k个待编码点。5.根据权利要求4所述的方法，其特征在于，所述对所述待编码点云进行排序，获取排序后的所述待编码点云中的k个待编码点，包括：计算所述待编码点云中每个点对应的希尔伯，将所述待编码点云按照希尔伯进行排序，在排序后的所述待编码点云中按序依次选取k个待编码点；或者，计算所述待编码点云中每个点对应的莫顿码，将所述待编码点云按照莫顿码进行排序，在排序后的所述待编码点云中按序依次选取k个待编码点。6.根据权利要求1所述的方法，其特征在于，所述基于所述第一信息关联的第二信息确定是否对k个待编码点进行dct变换之前，所述方法还包括：按照双希尔伯特序或双莫顿序，获取与目标待编码点曼哈顿距离最近的s个邻居点，所
述目标待编码点为所述k个待编码点中的任一个；基于所述s个邻居点确定所述目标待编码点的初始属性预测信息；根据所述目标待编码点对应的第一权重及所述初始属性预测信息，确定所述目标待编码点的属性预测信息。7.根据权利要求6所述的方法，其特征在于，所述按照双希尔伯特序或双莫顿序，获取与目标待编码点曼哈顿距离最近的s个邻居点，包括：在给定的预设搜索范围中，按照希尔伯特1序，获取目标待编码点的前序m个点，以及按照希尔伯特2序，获取所述目标待编码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待编码点曼哈顿距离最近的s个邻居点；或者，在所述给定的预设搜索范围中，按照莫顿1序，获取目标待编码点的前序m个点，以及按照莫顿2序，获取所述目标待编码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待编码点曼哈顿距离最近的s个邻居点；其中，m、n1和n2均为正整数。8.根据权利要求7所述的方法，其特征在于，所述希尔伯特1序或莫顿1序的搜索范围为第一预设范围，所述希尔伯特2序或莫顿2序的前序搜索范围为第二预设范围，所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围或所述第二预设范围；其中，所述二进制码流包括第一属性参数和第二属性参数，所述第一属性参数用于表征所述第一预设范围，所述第二属性参数用于表征所述第二预设范围；在所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围的情况下，所述二进制码流还包括第三属性参数，所述第三属性参数用于表征所述第三预设范围。9.根据权利要求7所述的方法，其特征在于，所述给定的预设搜索范围根据点云序列的初始点数和输入点云包围盒体积的相关关系决定。10.根据权利要求6所述的方法，其特征在于，所述基于所述s个邻居点确定所述目标待编码点的初始属性预测信息，包括：基于所述s个邻居点中每一个邻居点及对应的第二权重，确定所述目标待编码点的初始属性预测信息，所述第二权重为所述目标待编码点与所述邻居点之间的曼哈顿距离的倒数。11.根据权利要求1所述的方法，其特征在于，所述第一信息包括所述k个待编码点，所述基于所述第一信息关联的第二信息确定是否对k个待编码点进行dct变换之前，所述方法还包括：以所述k个待编码点中的第一个点作为参考点，获取所述参考点的t个邻居点；获取所述t个邻居点中与所述参考点曼哈顿距离最近的r个邻居点；获取所述k个待编码点中目标待编码点在所述r个邻居点中曼哈顿距离最近的l个邻居点，所述目标待编码点为所述k个待编码点中的任一个；基于l个邻居点确定所述目标待编码点的初始属性预测信息；根据所述目标待编码点对应的第一权重及所述初始属性预测信息，确定所述目标待编码点的属性预测信息；其中，t、r和l均为正整数。12.根据权利要求11所述的方法，其特征在于，所述基于l个邻居点确定所述目标待编
码点的初始属性预测信息，包括：基于所述l个邻居点中每一个邻居点及对应的第二权重，确定所述目标待编码点的初始属性预测信息，所述第二权重为所述目标待编码点与所述邻居点之间的曼哈顿距离的倒数。13.根据权利要求6-12任一项所述的方法，其特征在于，所述k个待编码节点各自对应的所述第一权重的和为1。14.根据权利要求6-12任一项所述的方法，其特征在于，在对所述k个待编码点进行dct变换，得到所述k个待编码点的变换系数之前，所述方法还包括：基于所述k个待编码点的属性预测信息，获取所述k个待编码点的属性残差信息；所述对所述k个待编码点进行dct变换，得到所述k个待编码点的变换系数，包括：对所述k个待编码点的属性残差信息进行dct变换，得到所述k个待编码点对应的变换系数。15.根据权利要求14所述的方法，其特征在于，所述对所述k个待编码点的变换系数进行量化，基于量化后的变换系数进行熵编码之后，所述方法还包括：对所述基于量化后的变换系数进行反量化，对反量化后得到的反变换系数进行反变换，以获取所述k个待编码点的属性重建信息。16.根据权利要求15所述的方法，其特征在于，所述变换系数包括低频系数和高频系数，所述对所述k个待编码点的变换系数进行量化，基于量化后的变换系数进行熵编码，包括：对所述k个待编码点对应的高频系数和低频系数进行量化，并对量化后的高频系数和低频系数分别进行熵编码，以得到第一编码值和第二编码值；所述对所述熵编码后得到的编码值进行反量化，对反量化后得到的反变换系数进行反变换，以获取所述k个待编码点的属性重建信息，包括：对所述第一编码值和所述第二编码值进行反量化，得到反量化后的反高频系数和反低频系数；基于所述反高频系数和所述反低频系数进行dct反变换，得到所述k个待编码点对应的反属性残差信息；根据所述k个待编码点的所述属性预测信息及所述反属性残差信息，获取所述k个待编码点的属性重建信息。17.根据权利要求16所述的方法，其特征在于，所述对所述k个待编码点对应的高频系数和低频系数进行量化，包括：获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长；根据所述高频系数及所述高频系数量化步长对所述高频系数进行量化，根据所述低频系数及所述低频系数量化步长对所述低频系数进行量化。18.根据权利要求17所述的方法，其特征在于，所述获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长，包括：根据所述k个待编码点的属性信息对应的分量分布情况，获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长。
19.根据权利要求18所述的方法，其特征在于，所述根据所述k个待编码点的属性信息对应的分量分布情况，获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长，包括：在所述k个待编码点的属性信息对应的分量分布平坦的情况下，所述高频变换系数的量化步长为原始量化步长、预设量化步长偏移和高频系数量化步长偏移之和，所述低频变换系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和；在所述k个待编码点的属性信息对应的分量分布不平坦的情况下，所述高频系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和，所述低频系数的量化步长与所述高频系数的量化步长相等。20.根据权利要求17所述的方法，其特征在于，在所述高频系数小于第一预设阈值的情况下，所述高频系数量化后的值为0，在所述低频系数小于第二预设阈值的情况下，所述低频系数量化后的值为0。21.根据权利要求14所述的方法，其特征在于，所述方法还包括：在确定对所述k个待编码点不进行dct变换的情况下，对所述k个待编码点的属性残差信息进行量化；对所述k个待编码点量化后的属性残差信息进行熵编码，生成二进制码流。22.根据权利要求21所述的方法，其特征在于，在对所述k个待编码点量化后的属性残差信息进行熵编码之后，所述方法还包括：对所述熵编码后得到的编码值进行反量化，得到所述k个待编码点反量化后的反属性残差信息；根据所述k个待编码点的所述属性预测信息及所述反属性残差信息，获取所述k个待编码点的属性重建信息。23.根据权利要求1所述的方法，其特征在于，在所述获取第一信息之前，所述方法还包括：获取标识信息，所述标识信息用于指示是否执行所述方法；根据所述标识信息确定是否执行所述方法；在所述生成二进制码流之后，所述方法还包括：将所述标识信息写入所述二进制码流。24.一种点云属性信息解码方法，其特征在于，包括：获取第三信息；基于所述第三信息关联的第四信息确定是否对k个待解码点进行dct反变换；在确定对所述k个待解码点进行dct反变换的情况下，对所述k个待解码点进行dct反变换，得到所述k个待解码点的属性残差信息；基于所述k个待解码点的属性残差信息和属性预测信息，获取所述k个待解码点的属性重建信息，以对待解码点云中的未解码点进行解码；其中，所述第三信息包括所述k个待解码点，所述第四信息包括所述k个待解码点的属性预测信息；或者，所述第三信息包括所述k个待解码点的前n个已解码点，所述第四信息包括所述n个已解码点的属性重建信息，k为正整数，n为大于1的整数。25.根据权利要求24所述的方法，其特征在于，所述第三信息包括所述k个待解码点，所
述第四信息包括所述k个待解码点的属性预测信息；所述基于所述第三信息关联的第四信息确定是否对k个待解码点进行dct反变换，包括：获取所述k个待解码点对应的属性预测信息中的最大属性预测值与最小属性预测值，在所述最大属性预测值与所述最小属性预测值的绝对差值小于第一阈值的情况下，则确定对所述k个待解码点进行dct反变换；或者，在所述最大属性预测值与所述最小属性预测值的绝对比值小于第二阈值的情况下，则确定对所述k个待解码点进行dct反变换。26.根据权利要求24所述的方法，其特征在于，所述第三信息包括所述k个待解码点的前n个已解码点，所述第四信息包括所n个已解码点的属性重建信息；所述基于所述第三信息关联的第四信息确定是否对k个待解码点进行dct反变换，包括：获取所述n个已解码点对应的属性重建信息中的最大属性重建值和最小属性重建值，在所述最大属性重建值与所述最小属性重建值的绝对差值小于第三阈值的情况下，则确定对所述k个待解码点进行dct反变换；或者，在所述最大属性重建值与所述最小属性重建值的绝对比值小于第四阈值的情况下，则确定对所述k个待解码点进行dct反变换。27.根据权利要求24所述的方法，其特征在于，所述第三信息包括k个待解码点，所述获取第三信息，包括：对所述待解码点云进行排序，获取排序后的所述待解码点云中的k个待解码点。28.根据权利要求27所述的方法，其特征在于，所述对所述待解码点云进行排序，获取排序后的所述待解码点云中的k个待解码点，包括：计算所述待解码点云中每个点对应的希尔伯，将所述待解码点云按照希尔伯进行排序，在排序后的所述待解码点云中按序依次选取k个待解码点；或者，计算所述待解码点云中每个点对应的莫顿码，将所述待解码点云按照莫顿码进行排序，在排序后的所述待解码点云中按序依次选取k个待解码点。29.根据权利要求24所述的方法，其特征在于，所述基于所述第三信息关联的第四信息确定是否对k个待解码点进行dct反变换之前，所述方法还包括：按照双希尔伯特序或双莫顿序，获取与目标待解码点曼哈顿距离最近的s个邻居点，所述目标待解码点为所述k个待解码点中的任一个；基于所述s个邻居点确定所述目标待解码点的初始属性预测信息；根据所述目标待解码点对应的第一权重及所述初始属性预测信息，确定所述目标待解码点的属性预测信息。30.根据权利要求29所述的方法，其特征在于，所述按照双希尔伯特序或双莫顿序，获取与目标待解码点曼哈顿距离最近的s个邻居点，包括：在给定的预设搜索范围中，按照希尔伯特1序，获取目标待解码点的前序m个点，以及按照希尔伯特2序，获取所述目标待解码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待解码点曼哈顿距离最近的s个邻居点；或者，在所述给定的预设搜索范围中，按照莫顿1序，获取目标待解码点的前序m个点，以及按
照莫顿2序，获取所述目标待解码点的前序n1个点和后序n2个点，在基于m、n1及n2确定的目标范围内获取与目标待解码点曼哈顿距离最近的s个邻居点；其中，m、n1和n2均为正整数。31.根据权利要求30所述的方法，其特征在于，所述希尔伯特1序或莫顿1序的搜索范围为第一预设范围，所述希尔伯特2序或莫顿2序的前序搜索范围为第二预设范围，所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围；其中，二进制码流包括第一属性参数和第二属性参数，所述第一属性参数用于表征所述第一预设范围，所述第二属性参数用于表征所述第二预设范围；在所述希尔伯特2序或莫顿2序的后序搜索范围为第三预设范围的情况下，所述二进制码流还包括第三属性参数，所述第三属性参数用于表征所述第三预设范围。32.根据权利要求30所述的方法，其特征在于，所述给定的预设搜索范围根据点云序列的初始点数和输入点云包围盒体积的相关关系决定。33.根据权利要求29所述的方法，其特征在于，所述基于所述s个邻居点确定所述目标待解码点的初始属性预测信息，包括：基于所述s个邻居点中每一个邻居点及对应的第二权重，确定所述目标待解码点的初始属性预测信息，所述第二权重为所述目标待解码点与所述邻居点之间的曼哈顿距离的倒数。34.根据权利要求24所述的方法，其特征在于，所述第三信息包括所述k个待解码点，所述基于所述第三信息关联的第四信息确定是否对k个待解码点进行dct反变换之前，所述方法还包括：以所述k个待解码点中的第一个点作为参考点，获取所述参考点的t个邻居点；获取所述t个邻居点中与所述参考点曼哈顿距离最近的r个邻居点；获取所述k个待解码点中目标待解码点在所述r个邻居点中曼哈顿距离最近的l个邻居点，所述目标待解码点为所述k个待解码点中的任一个；基于l个邻居点确定所述目标待解码点的初始属性预测信息；根据所述目标待解码点对应的第一权重及所述初始属性预测信息，确定所述目标待解码点的属性预测信息；其中，t、r和l均为正整数。35.根据权利要求34所述的方法，其特征在于，所述基于l个邻居点确定所述目标待解码点的初始属性预测信息，包括：基于所述l个邻居点中每一个邻居点及对应的第二权重，确定所述目标待解码点的初始属性预测信息，所述第二权重为所述目标待解码点与所述邻居点之间的曼哈顿距离的倒数。36.根据权利要求29-35任一项所述的方法，其特征在于，所述k个待解码节点各自对应的所述第一权重的和为1。37.根据权利要求29-35任一项所述的方法，其特征在于，所述对所述k个待解码点进行dct反变换之前，所述方法还包括：获取所述k个待解码点的变换系数；对所述变换系数进行反量化，获得反量化后的变换系数；
所述对所述k个待解码点进行dct反变换，包括：基于所述反量化后的变换系数对所述k个待解码点进行dct反变换。38.根据权利要求37所述的方法，其特征在于，所述变换系数包括高频系数和低频系数，所述对所述变换系数进行反量化，获得反量化后的变换系数，包括：获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长；根据所述高频系数及所述高频系数量化步长对所述高频系数进行反量化，根据所述低频系数及所述低频系数量化步长对所述低频系数进行反量化。39.根据权利要求38所述的方法，其特征在于，所述获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长，包括：根据所述k个待解码点的属性信息对应的分量分布情况，获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长。40.根据权利要求39所述的方法，其特征在于，所述根据所述k个待解码点的属性信息对应的分量分布情况，获取所述高频系数对应的高频系数量化步长，以及获取所述低频系数对应的低频系数量化步长，包括：在所述k个待解码点的属性信息对应的分量分布平坦的情况下，所述高频变换系数的量化步长为原始量化步长、预设量化步长偏移和高频系数量化步长偏移之和，所述低频变换系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和；在所述k个待解码点的属性信息对应的分量分布不平坦的情况下，所述高频系数的量化步长为原始量化步长、预设量化步长偏移和低频系数量化步长偏移之和，所述低频系数的量化步长与所述高频系数的量化步长相等。41.根据权利要求38所述的方法，其特征在于，在所述高频系数小于第一预设阈值的情况下，所述高频系数量化后的值为0，在所述低频系数小于第二预设阈值的情况下，所述低频系数量化后的值为0。42.根据权利要求37所述的方法，其特征在于，所述方法还包括：在确定对所述k个待解码点不进行dct反变换的情况下，对所述k个待解码点的变换系数进行量化，以得到所述k个待解码点的属性残差信息。43.根据权利要求24所述的方法，其特征在于，在所述获取第三信息之前，所述方法还包括：从二进制码流中获取标识信息，所述标识信息用于指示是否执行所述方法；根据所述标识信息确定是否执行所述方法。44.一种点云属性信息编码装置，其特征在于，包括：第一获取模块，用于获取第一信息；第一确定模块，用于基于所述第一信息关联的第二信息确定是否对k个待编码点进行离散余弦变换dct变换；第一变换模块，用于在确定对所述k个待编码点进行dct变换的情况下，对所述k个待编码点进行dct变换，得到所述k个待编码点的变换系数；编码模块，用于对所述k个待编码点的变换系数进行量化，基于量化后的变换系数进行熵编码，生成二进制码流；
其中，所述第一信息包括所述k个待编码点，所述第二信息包括所述k个待编码点的属性预测信息；或者，所述第一信息包括所述k个待编码点的前n个已编码点，所述第二信息包括所述n个已编码点的属性重建信息，k为正整数，n为大于1的整数。45.一种点云属性信息解码装置，其特征在于，包括：第二获取模块，用于获取第三信息；第二确定模块，用于基于所述第三信息关联的第四信息确定是否对k个待解码点进行dct反变换；第二变换模块，用于在确定对所述k个待解码点进行dct反变换的情况下，对所述k个待解码点进行dct反变换，得到所述k个待解码点的属性残差信息；解码模块，用于基于所述k个待解码点的属性残差信息和属性预测信息，获取所述k个待解码点的属性重建信息，以对待解码点云中的未解码点进行解码；其中，所述第三信息包括所述k个待解码点，所述第四信息包括所述k个待解码点的属性预测信息；或者，所述第三信息包括所述k个待解码点的前n个已解码点，所述第四信息包括所n个已解码点的属性重建信息，k为正整数，n为大于1的整数。46.一种终端，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-23中任一项所述的点云属性信息编码方法的步骤，或者实现如权利要求24-43中任一项所述的点云属性信息解码方法的步骤。47.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-23中任一项所述的点云属性信息编码方法的步骤，或者实现如权利要求24-43中任一项所述的点云属性信息解码方法的步骤。

技术总结

本申请公开了一种点云属性信息编码方法、解码方法、装置及相关设备。所述点云属性信息编码方法包括：获取第一信息；基于第一信息关联的第二信息确定是否对K个待编码点进行DCT变换；在确定对K个待编码点进行DCT变换的情况下，对所述K个待编码点进行DCT变换，得到所述K个待编码点的变换系数；对所述K个待编码点的变换系数进行量化，基于量化后的变换系数进行熵编码，生成二进制码流；其中，所述第一信息包括所述K个待编码点，所述第二信息包括所述K个待编码点的属性预测信息；或者，所述第一信息包括所述K个待编码点的前N个已编码点，所述第二信息包括所述N个已编码点的属性重建信息，K为正整数，N为大于1的整数。N为大于1的整数。N为大于1的整数。