ISOIEC 23090-92023 信息技术.沉浸式媒体的编码表示.第9部分基于几何的点云压缩标准立项发展报告

信息技术沉浸式媒体的编码表示第9部分：基于几何的点云压缩标准立项发展报告StandardizationDevelopmentReport:InformationTechnology-CodedRepresentationofImmersiveMedia-Part9:Geometry-BasedPointCloudCompression(ISO/IEC23090-9:2023)摘要随着虚拟现实（VR）、增强现实（AR）、自动驾驶、三维重建及数字孪生等技术的迅猛发展，三维点云数据已成为表示客观世界和沉浸式视觉信息的重要数据形态，其数据量之庞大对压缩编码和传输技术提出了严苛挑战。为满足异构网络与多样化终端对点云数据高效、可互操作压缩的需求，国际标准化组织动态图像专家组（MPEG）制定了ISO/IEC23090-9:2023《信息技术沉浸式媒体的编码表示第9部分：基于几何的点云压缩》（简称G-PCC）。本报告系统梳理了该标准的立项背景、技术路线、主要编码框架与关键模块，阐述了其在几何量化、属性预测、熵编码和可扩展性等方面的核心技术优势，并详细介绍了标准中涉及的主要参与单位——华为技术有限公司在标准制定过程中的技术贡献。报告还对该标准在自动驾驶、沉浸式通信、文化遗存数字化保护及工业检测等典型应用场景中的价值进行了分析，展望了与AI驱动的端到端压缩及多模态融合编码相衔接的未来演进方向。该标准的发布标志着三维点云编码进入以几何驱动为核心的全新阶段，为构建泛在沉浸式媒体生态提供了坚实的技术基石。关键词：点云压缩；G-PCC；沉浸式媒体；ISO/IEC23090；三维编码；MPEG标准；几何驱动一、引言1.1标准化需求背景三维点云是由空间坐标系中大量离散点构成的数据集合，每个点通常包含几何坐标信息（X、Y、Z）以及与之关联的属性信息（如颜色、反射率、法向量等）。与传统的二维图像/视频相比，点云能够更加真实、细致地记录三维场景的几何结构与表面纹理，因而成为沉浸式媒体（ImmersiveMedia）、自动驾驶环境感知、高精度地图构建、工业质量检测以及文化遗产数字化保护等前沿领域不可或缺的数据表示方式。然而，高精度点云的数据规模极为庞大。以单帧高分辨率点云为例，其数据量可达数百万乃至数千万个点，未压缩的原始数据动辄占据数百兆字节（MB）的存储空间，远超传统视频的数据量级。若缺乏高效的压缩编码标准，点云数据的分发、存储和实时传输将难以在实际系统中落地。这一问题已引起国际标准化组织的高度重视，亟需制定一套通用的、高性能的点云压缩编码标准，以支撑沉浸式媒体的规模化应用。1.2国际标准制定组织与进展国际标准化组织/国际电工委员会第一联合技术委员会（ISO/IECJTC1）下设的动态图像专家组（MovingPictureExpertsGroup,MPEG）长期致力于音视频及媒体编码的国际标准化工作。自2017年起，MPEG启动了点云压缩标准的探索与立项工作，同步推进两条技术路线：一是基于几何模型的点云压缩（Geometry-basedPointCloudCompression，简称G-PCC），侧重于静态点云和动态点云的高效压缩；二是基于视频的点云压缩（Video-basedPointCloudCompression，简称V-PCC），通过将点云投影为二维图集（Atlas）后利用传统视频编码器进行压缩。经过多轮核心实验（CoreExperiment）与提案评估，G-PCC的编码框架被确定采纳为ISO/IEC23090系列标准的第9部分，并于2023年3月31日正式发布为ISO/IEC23090-9:2023。该标准由国际电工委员会（IEC）归口管理，与ISO/IEC23090系列其他部分（如V-PCC等）共同构成沉浸式媒体编码的完整标准体系。1.3标准定位与技术价值ISO/IEC23090-9:2023作为G-PCC标准的正式国际版本，主要面向静态点云、动态获取的点云序列以及LIDAR类稀疏点云等多类型数据。其技术路线具有鲜明的几何驱动特征：利用八叉树（Octree）或三角面片（TriangleSoup）对点云几何信息进行结构化建模，辅以属性信息的层级预测与熵编码，实现高压缩比和良好的率失真性能。相比于依赖视频编码器间接压缩点云的V-PCC路线，G-PCC在稀疏点云场景中具有显著优势，不依赖视频编解码硬件，支持更精细的几何和属性渐进式（可伸缩）解码，是当前及未来一段时间内点云压缩领域不可或缺的关键标准。二、标准立项背景与研制历程2.1国际标准提案与立项历程点云压缩标准的需求论证始于MPEG在2014年前后对三维图形编码（3DGraphicsCoding）的早期探索。随着沉浸式显示设备和实时三维采集技术的普及，MPEG于2017年1月在日内瓦召开的第119次会议上正式启动了点云压缩的探索性研究，成立了专门的特设组（AhGonPointCloudCompression）。此后，MPEG向全球学术界和工业界广泛征集点云压缩技术提案，收到了来自华为、三星、高通、索尼、苹果、FraunhoferHHI、Tencent、Xiaomi等数十家机构的大量提案。在2018年至2020年间，MPEG历经多轮核心实验，对基于八叉树+属性预测的G-PCC路线和基于投影图集+视频编码的V-PCC路线进行了系统性评估。评估结果显示，G-PCC在稀疏点云（如LIDAR扫描数据）和静态点云场景下具有显著性能优势，且解码复杂度相对可控。2020年7月，MPEG正式将G-PCC纳入ISO/IEC23090-9的工作草案（WorkingDraft），此后经过多轮委员会草案（CommitteeDraft）和国际标准草案（DraftInternationalStandard）的审议和修订，于2023年3月31日正式发布为ISO/IEC23090-9:2023。2.2立项时的技术痛点与产业需求在G-PCC标准立项之前，点云压缩领域面临着多重技术痛点：1.无统一标准可依：业界虽然已有多款点云压缩算法（如GoogleDraco、PointCloudLibrary中的VoxelGridFilter等），但均未能形成国际通用标准，不同系统间的点云数据无法做到互操作。2.压缩效率不足：传统基于八叉树的编码方案在表示精确几何信息时码率开销过高；基于网格简化的方法则损失了过多的几何精度，难以满足高保真沉浸式应用的需求。3.大规模数据实时传输困难：面向实时交互场景（如VR会议、云游戏、远程操控），点云数据的编码延迟和传输带宽往往成为系统瓶颈。4.属性与几何联合优化缺失：早期算法通常分别处理几何和属性信息，导致两者之间的冗余未能有效去除，总体压缩性能受限。面对上述痛点，制定一项以高效几何表示为核心、兼顾属性压缩、具有可伸缩性和可并行性的国际标准成为产学研各界的共识，ISO/IEC23090-9:2023正是响应这一需求的直接成果。2.3标准的技术演进与里程碑ISO/IEC23090-9从工作草案到正式国际标准经历了多个里程碑节点：|时间|里程碑事件||------|-----------||2017.01|MPEG启动点云压缩探索性研究（AhGonPCC）||2018.07|确定G-PCC与V-PCC双路线并行推进策略||2020.07|G-PCC进入工作草案（WD）阶段||2021.04|形成委员会草案（CD）||2022.01|进入国际标准草案（DIS）阶段||2023.03|正式发布为ISO/IEC23090-9:2023|在上述过程中，标准文本经历了数十次技术修订和编辑性修改，技术内容从最初的框架性描述逐步细化为包含大量编码工具、语法元素和一致性测试要求的完备规范。三、标准核心技术内容分析3.1标准适用范围与基本框架ISO/IEC23090-9:2023适用于静态点云和动态点云序列的压缩编码，支持两种几何表示模式：-八叉树模式（OctreeMode）：通过递归地将三维空间等分为八个子立方体来构建点云几何的层级结构。每个非空子立方体继续细分，直至达到预设的体素深度。该模式适用于分布较为均匀、采集密度较高的点云（如双目相机和深度相机生成的静态点云）。-三角面片模式（TriangleSoupMode，简称Trisoup）：利用点云局部表面的平面近似，将点云几何表示为一组三角面片的交点，从而显著减少需要编码的几何信息量。该模式适用于表面平滑、拓扑简单的点云（如LIDAR扫描的建筑物模型）。在属性编码部分，标准支持颜色（YCbCr4:2:0或4:4:4格式）和反射率等属性的压缩，通过层级最近邻搜索进行属性预测，然后对预测残差进行变换（可选）和熵编码。3.2编码架构与关键模块ISO/IEC23090-9:2023的编码架构可以概括为以下关键模块：1.几何量化与体素化：在编码前，点云的几何坐标被量化为整数值，建立统一的体素空间映射。量化步长直接影响几何精度与码率的平衡，是编码器端的重要参数。2.八叉树构建与广度优先编码：几何体素化后，编码器自顶向下构建八叉树，并采用广度优先（Breadth-First）顺序编码各层节点的占用信息（即每个子节点是否包含点）。每个节点的占用码（OccupancyCode）通过上下文自适应的二进制算术编码（CABAC）进行压缩，利用相邻节点的占用状态构建上下文模型。3.几何可伸缩编码：八叉树的层级结构天然支持质量可伸缩（QualityScalability）——解码器可以在不完整接收码流的情况下优先重建低分辨率（稀疏）的点云，随着更多层数据的到达逐步提高几何精度。这一特性对带宽受限的流媒体场景尤为关键。4.属性层级预测与变换：对于属性信息（颜色/反射率），编码器在几何重建的基础上，基于点到点的最近邻关系进行层级预测。在预测基础上，可选使用区域自适应分层变换（Region-AdaptiveHierarchicalTransform,RAHT）对预测残差进行变换编码，进一步去除属性在空间域上的相关性。5.熵编码：标准采用CABAC作为统一的熵编码引擎，对几何占用码、属性预测残差和变换系数进行高效的二进制算术编码。针对不同的语法元素设计了多套上下文模型，以实现良好的自适应编码性能。6.帧间预测（可选）：对于动态点云序列，标准支持基于块的运动补偿预测，通过估计相邻帧之间的三维运动矢量来去除时间冗余，提升压缩比。3.3技术优势与国内外对比相较于传统算法（如Draco等），G-PCC具备以下优势：-标准化程度高：作为ISO/IEC国际标准，具备完整的合规性测试与互操作性支撑，不同厂商的编码器和解码器可以无缝对接。-压缩效率更优：基于八叉树和CABAC的联合优化在同等几何精度条件下可比Draco获得约20%～40%的码率节省（具体随点云密度和内容特性有所差异）。-可伸缩性更强：八叉树广度优先编码天然支持几何逐级精化，便于在带宽波动时自适应调节传输码率。与V-PCC（ISO/IEC23090-5）相比，G-PCC的差异化优势在于：-适用于稀疏的、非连续的点云数据，无需进行复杂的二维图集投影。-不需要额外的视频编解码器，降低了系统复杂度。-支持单点精确重建，适合需要毫米级精度的应用（如工业测量和医学影像建模）。3.4知识产权与专利态势作为一项纳入大量创新技术的国际标准，ISO/IEC23090-9涉及多件必要专利（StandardEssentialPatents,SEPs），主要持有者包括华为、三星、高通、索尼等通信和多媒体领域企业。MPEG遵循FRAND（公平、合理、非歧视）原则进行专利许可，以保证标准技术的广泛可用性。据不完全统计，截至2024年底，涉及G-PCC核心编码工具（如八叉树上下文建模、RAHT属性变换等）的已公开专利申请已超过200件。四、标准的主要参与单位及其贡献——以华为技术有限公司为例4.1单位概况华为技术有限公司（HuaweiTechnologiesCo.,Ltd.）成立于1987年，是全球领先的信息与通信技术（ICT）解决方案提供商。华为在全球范围内拥有超过20万名员工，业务遍及170多个国家和地区，致力于为运营商、企业和消费者提供创新的ICT解决方案。在音视频与多媒体技术领域，华为拥有深厚的积累，其2012实验室下的媒体技术实验室长期参与MPEG、ITU-TVCEG、3GPP等国际标准化组织的标准制定工作。4.2在标准研制中的核心技术贡献在ISO/IEC23090-9:2023的研制过程中，华为技术有限公司作为MPEG的重要成员单位，深度参与了G-PCC标准的技术提案、核心实验、参考软件维护和一致性测试等工作。其主要贡献集中在以下几个方面：1.基于交叉验证的八叉树上下文建模：华为提出了一种基于当前节点已编码邻域状态的上下文分配方法，通过交叉组合多个已编码邻居节点的占用状态构建高维上下文模型，有效提升了占用码的编码效率。该方案被采纳为G-PCC几何编码的核心工具之一。2.属性RAHT变换的优化：华为对区域自适应分层变换（RAHT）的层级划分策略和变换矩阵的定点化实现提出了优化方案，在保证变换性能的同时显著降低了硬件实现的门槛和计算复杂度。3.帧间运动估计与补偿的改进：针对动态点云序列的帧间编码，华为提出了一种基于局部曲面拟合的运动向量预测方法，能够更精确地估计点云表面的非刚性运动，改善了动态场景的压缩比。4.低延迟编码框架：华为在低延迟实时通信场景下的需求分析中发挥了重要作用，推动标准在编码框架上支持分片（Slice）并行编码与解码，以满足实时交互类应用的时延约束。据公开资料显示，在G-PCC标准的提案贡献数量上，华为位于所有参与单位的前列，提案覆盖了从几何编码到属性编码的多个关键技术模块，其多项核心技术方案被采纳进标准文本。4.3标准化工作经验华为在标准化组织中的长期深度参与为其在G-PCC中的突出贡献奠定了坚实基础。华为是MPEG中最为活跃的成员之一，长期担任多个特设组的主席或联合主席职务，并在音视频编码（如H.265/HEVC、H.266/VVC）、点云压缩（G-PCC）、神经网路压缩（NNCM）等领域均拥有大量标准必要专利。华为倡导的“技术专利化、专利标准化、标准产业化”理念在G-PCC标准的推进过程中得到了充分体现。五、标准实施的产业影响与应用前景5.1典型应用场景ISO/IEC23090-9:2023的应用场景覆盖了消费电子、智能网联汽车、工业制造、文化产业和医疗健康等多个领域。以下几个场景尤其具有代表性：-自动驾驶与智能网联汽车：LIDAR获取的高精度三维点云是高精地图构建和实时环境感知的核心数据。G-PCC的高压缩比和低复杂度解码能力使得车载终端在有限带宽条件下即可实时接收和解析高密度点云地图数据，支持V2X（车到一切）通信环境下的协同感知。-沉浸式通信与VR/AR：在6G和5G-Advanced网络中，全息通信和沉浸式视频会议将越来越多地采用点云作为三维视觉表示。G-PCC为实现低时延、高保真的三维实时通信提供了可行的编码方案。-工业检测与数字孪生：工厂自动化检测中，三维点云被用于零部件尺寸精度分析、表面缺陷识别和逆向建模。G-PCC支持的高精度几何重建与可伸缩传输能力与工业数字孪生的需求高度契合。5.2对产业链的带动作用G-PCC标准的发布有效带动了三维数据采集设备、点云处理软