大型点云压缩相关介绍：LASzip: lossless compression of LiDAR data论文解读代码梳理；MEPG的V-PCC和G-PCC

LAZ和LAS

下图为标准LAS的数据类型，论文将其分类为四种类型

数据压缩 解压 序列化 反序列化

LASzip

Rapidlasso GmbH 的免费开源产品,可以将快速将庞大的 LAS 文件转换为紧凑的 LAZ 文件而不会丢失信息。
LASzip 是 2012 年地理空间世界论坛获得激光雷达处理技术创新奖，也是 2012 年 INTERGEO 创新产品的亚军。
图片中是用PDAL工具压缩后和压缩前的大小对比。压缩后是原数据的0.498倍。

paper

paper简介：LASzip压缩器对点集进行分块压缩，由四部分组成：POINT10，GPSTIME10，RGB12和WAVEPACKET13。
解压和压缩过程是借鉴的 这篇文章
，是用一个类似于kdtree/Octree的分类方式，简单来说就是，对线性增量即熵求最优，也是分为8个维度然后每个维度的线性预测差值区间为，可以构造类似与八叉树的结构进行编码。

软件是开源的，且向后兼容。

且允许在压缩后的laz文件中查找点，每5万点分成一个压缩快，一个文件由多个压缩块组成。

point10的压缩,我们以Return Number（r）和Number of Returns of Pulse（n）重构为例，具体是根据一些二进制掩码什么的重构的，重构示意：

重构后的字段信息：

还会生成一个l阵，l = n - r

其余的也是会生成类似的矩阵

MEPG

MEPG是做视频压缩为主的公司，在VR相关工作中，开发了点云压缩技术——PCC（point cloud compression）。发展出了基于视频的PCC（V-PCC）和基于几何的PCC（G-PCC）。

分别介绍V-PCC和G-PCC。

V-PCC：

其技术是基于之前开发的视频压缩技术，视频流是二维图像数据，故先将3D点云投影到2D上。基础版本的V-PCC发表在《An emerging point cloud compression standard》上。

投影方式是基于±x, ± y, ± z的正交投影，根据点的法向量确定最相关的投影方向。为了避免三维到二维转换中，不同三维点对应同一二维平面点，将不同距离的点投影到不同的二维图像中，看成多个视频流。投影过程中还有一些其他小的Tricks，比如考虑深度值的变换差值、空点插值等，以及插值造成的重复点的剪枝等。

这种形式类似于视频，可以进行分辨率之类的设置，可以有损也可以无损压缩，中间的一些Tricks可能造成，压缩前后点云数量不一致的情况（本人推测）。

G-PCC

这种方式是需要先进行体素化的，本身体素化的过程就是有损的，其后面的过程可以保证无损，但整个过程注定是有损的。其编码方式借鉴了八叉树，根据点云每个体素内的占用与否编码成二进制，占用为1不占用为0。

这种方式的压缩有三种编码方式供选择，(a) RAHT; (b) Predicting Transform;(c) Lifting Transform，其中只有Predicting Transform，是无损的。
这里只介绍无损的Predicting Transform，它是一种基于插值的分层最近邻预测方案。他有一种特定的欧式距离的点的划分准则，下图划分了三个欧式距离范围层级，层级越高分辨率越低（L），层级越低细化程度越高（H）。

查找最近点的时候先在同一层级中查找，再去往下一个相邻层级。
编码的时候先是最高层级的往低层级的分裂，层级属性为分辨率L（N）和细化程度H（N），同时会根据规则生成一个预测值P（N）和偏差值D（N），在解码时用同样的数值反变换即可。

Lastool读取laz点云相关代码梳理

测试结果

测试目标	Darco	lz4	lazperf	laszip
文件格式(大小、点数)	压缩前.ply(818kb 7w点)——压缩后.drc	压缩前.las(262M左右 809w点)——压缩后.lz4	压缩前.las(262M左右 809w点)——压缩后.laz	压缩前.las(279M左右 984w点)——压缩后.laz
压缩率	50%(-qp = 20) 43%(-qp = 16) 33%(-qp = 13(默认数值))	总体在百分之30-50左右比较看数据（各字段二进制编码相似程度）	25%左右	25%左右
误差	<万分之一(-qp = 20) 万分之三(-qp = 16) 千分之二(-qp = 13(默认数值))	无损	无损	无损
压缩时间	441ms(-qp = 20) 309ms(-qp = 16) 290ms(-qp = 13)	3979ms	直接保存为laz格式，不计时间，不做实时存取，直接读.laz	直接保存为laz格式，不计时间，不做实时存取，直接读.laz
解压时间	131ms(-qp = 20) 121ms(-qp = 16) 113ms(-qp = 13)	445ms	直接读取遍历所有x坐标点,laz:60969ms las:3018ms	直接读取遍历所有x坐标点,laz:18511ms las:4051ms
注：后面会出laslayer相关的文章，是一种IO提速方式，会让laszip下laz读取的时间大大降低。这里测试的是没做过laslayers处理的laz，进行坐标遍历