计算机辅助设计与图形学学报

作者：杨柏林, 应瑞琦, 丁丹丹, 南方哲, 赵俊杰, 郑东

关键词：动态点云压缩, 深度学习, 几何压缩, 属性压缩, 联合压缩

动态点云数据因具备时间连续性和高维数据特性,能准确地描述物体动态变化,广泛应用于自动驾驶、增强现实、虚拟现实、机器人导航和三维视频等.动态点云压缩在有效地管理不断增长的点云数据量的存储、传输和感知方面发挥着重要作用,当前缺乏专门针对动态点云压缩方法的全面调查.针对该问题,对动态点云压缩方法进行了系统的综述.首先介绍动态点云压缩的研究意义和理论支撑;然后从几何压缩、属性压缩和联合压缩3个方面阐述了主流模型的基本原理及优势;之后介绍了主流的动态点云压缩数据集及评价指标,总结各种方法在不同数据集上的性能;最后分析了当前方法在算法复杂度与场景适应性方面的局限性,并指出轻量化网络设计、联合时空建模及跨模态信息融合是未来的主要研究方向.文中总结了动态点云压缩的最新进展,有助于更深入理解动态点云压缩,促进基于动态点云压缩系统的进一步发展.

来源：2025年第12期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第12期