実運用データ（航空 LiDAR・車載 LiDAR・地上型スキャナ・三角測量スキャナ）を対象に、 「どこにビットが使われているか」を実測し、そこから設計した可逆の点群符号器（PCC2）と、 その成果をまとめた論文 3 本を置いている。
指標の順は、可逆を前提に サイズ → 速度 → メモリ。
姉妹論文で、依存は下から上への一方向。符号化論文は単独で読める。
| 内容 | |
|---|---|
| Lossless Coding of Airborne LiDAR Attributes in a Geometry-Derived Order | 容器が幾何を先に復号する性質を使い、座標だけで決まる順序と予測子を副情報なしで使う |
| A Representation Normalization Layer for Point Cloud Compression | 符号化の前段に置く可逆写像の族。恒等写像を含めて実測で選ぶことで「元より悪化しない」を構成的に保証する。自前の器を単独で使った結果も載せる |
| Input Order Is an Uncontrolled Variable in Lossless Point Cloud Compression Benchmarks | 点の並びが可逆符号器の比較を左右することを、8 通りの順序・4 符号器・17 ファイルの 41 ブロック、計 324 行で示す |
最初の 2 本の主な構成は LASzip を内側のコーデックとして用いる。自前の器（PCC2）を単独で使った結果は
pcc.pdf の「The container standing alone」にある。
las 15 件の全列を、同じ列を詰め直した LASzip と比べた（python/bench_all.py）。
点の次元・VLR・EVLR・ヘッダの欄まで全部保存したうえでの値である。
| 値 | |
|---|---|
| LASzip より小さいファイル | 15/15 |
| 中央値 | −16.3% |
| 四分位 | [−32.9, −12.8] |
| 幅 | −38.2〜−9.8% |
| 幾何 / 属性 | −13.3% / −18.3%（どちらも 15/15） |
- 幾何だけ（17 ファイル）: LAZ には 17/17 で勝つ（比の中央値 0.87）。G-PCC には公称値どうしで 11/17（0.91）。
G-PCC は点の順序を捨てているので、そのままでは同じ仕事の比較ではない（
order.pdf） - 車載 LiDAR（KITTI、108 frame）: float32 × 4（128 bit/点）に対して可逆で −83.3%。座標は 1 mm の整数倍で、 器はそれを見つけてビット完全に整数化する
- 速度（LASzip 比、中央値）: 符号化 47.1 倍、復号 9.9 倍（どちらも遅い）。候補を全部符号化して最短を採るため
- メモリ: 1 点あたり 928 byte（属性込み）。三者で最も重い
- **列ごとに、符号器の候補を実際に符号化して、いちばん短いものを採る。**恒等候補を必ず含むので、 どの列も生のまま（64 bit）より長くならない
- **幾何を属性より先に復号する器。**属性の予測子は座標を副情報なしで使える。流れの順は 点番号・gps_time・戻りの情報 → 幾何 → 属性。点の順序は並べ替えない
- 文脈の旗: 桁長の記号化（記）、下位ビットの素通し（生）、文脈の束ね（束）、直前の残差の符号（符）、 戻りの種類・同じパルスの続き（光）、z の曲面予測（面）、速い適応（速）、既に復号済みの列の類（類）
- 非可逆（
--eps、float の器だけ）: 極座標・直交の格子を実際に符号化して短いほうを選ぶ。属性はビット完全のまま - 器の形: 版 5（版 3・4 も読める）。タグつきの頭、流れの表、crc64
- pack の自己検証: 選んだ流れを符号化し直してバイト一致（決定性）→ 復号して全列一致 →
LAS なら
unpack --lasと同じ道で書き戻して元のファイルと欄ごとに照合。どれかに落ちたら器を残さない - 検証一式
python/verify_suite.py（10 項目）: 直した不具合の回帰 63 件・15 件の往復と照合・ スレッド数を変えた md5 一致・次元の被覆・unpack --lasの生バイト比較・PLY・KITTI 108 frame・ 幾何の候補 58 本の強制・非可逆（極座標とデカルト格子）・命令セットの違う二値との一致 - 復号は libm の三角関数を呼ばない（版 4 以降。非可逆の極座標は四則演算と floor だけの sin/cos、
十進の格子は正確な 10^d の表）。二値の既定の命令セットは
x86-64（SSE2 だけ）
bash scripts/setup.sh # 冪等。ビルド依存・Python 環境・G-PCC の参照ソフト・サンプルデータを用意する置き場所は PCC_VENV・PCC_TOOLS で変えられる（既定は $HOME/.venvs/pcc・$HOME/tools）。
スクリプトは PCCPY（Python）と TMC3（G-PCC の参照ソフト）を環境変数で探すので、
setup.sh が最後に表示する export をシェルの設定に足しておく。
cd cpp && cmake -S . -B build -G Ninja -DCMAKE_BUILD_TYPE=Release && ninja -C build
export LD_LIBRARY_PATH=$HOME/tools/laszip-install/lib:$LD_LIBRARY_PATH
# 検証一式の isa 項目用に、この機械の命令セットで建てた二値も作る（出力は既定の二値と同じ）
cmake -S . -B build_native -G Ninja -DCMAKE_BUILD_TYPE=Release -DPCC_MARCH=native && ninja -C build_native pccnorm命令セットは -DPCC_MARCH=<値> で選ぶ（既定 x86-64）。既存のビルド用ディレクトリは値を
CMakeCache に覚えるので、既定を変えるときは -DPCC_MARCH=x86-64 を渡して cmake を回し直す。
共有フォルダなど、ファイルの更新時刻が伝わりにくい場所では ninja がヘッダの変更を検知しないことがある。 そのときは
touch cpp/include/pcc/*.hpp cpp/src/*.cppしてからビルドする。
# 符号化 → 決定性・往復・LAS 書き戻しを確かめて確定 → 5 軸を出す
./cpp/build/pccnorm pack <in.laz|in.bin|in.ply> <out.pcc2> [--max-points N] [--trace]
./cpp/build/pccnorm unpack <out.pcc2> [--las restored.laz] [--bin restored.bin]主なオプション（pack）
| 内容 | |
|---|---|
--trace |
候補ごとの実測 bpp を全部出す（採択の根拠） |
--eps <m> |
非可逆。float の器（KITTI .bin・PLY）だけ。誤差上限を守る格子（極座標か直交）に量子化する。属性はビット完全のまま |
--no-verify |
自己検証を全部飛ばす（ベンチで符号化の時間だけを測るとき） |
--no-fallback |
自前の出力より、同じ点を書き直した基準の LAZ が短いときに包む退避路を切る（LAS 入力だけ。測定用） |
--force-geom <名前> |
幾何の候補を 1 本に固定する（旗つきの名前も可）。選ばれなかった候補の往復に使う |
--fast-attr |
属性の候補を 2 本に絞って速くする（サイズは伸びる） |
--sample-select N |
符号器の選択を N 点の散らした標本で行う（既定より遅く、サイズも伸びうる） |
--no-normalize |
正規化（定数・複製・整数アフィンの除去）を行わない |
--no-spatial |
属性の空間予測を候補に入れない |
--split-geom |
幾何 3 軸を別々のストリームにする |
unpack --bin は KITTI の .bin として書き戻す。PLY を書き出す口は無い。
./cpp/build/pccnorm bench <file.laz> # 正規化レイヤーの E2E 評価＋復元検証
./cpp/build/pccnorm score <file> # 取得構造スコア（6 指標）
./cpp/build/pccnorm octant|geom|lfs|persist <file>
./cpp/build/pccnorm residue|extern <file.laz> # 正規化後の内訳 / 外部化の損得
./cpp/build/pccnorm surf <file> # 面符号化と点符号化の率歪み比較
./cpp/build/pccnorm diff <target> <ref> # 反復測量の差分符号化
./cpp/build/pccnorm sphere 1.0 20000 0 # 正解つき形状で lfs を検証旧形式（PCC1）のレンジコーダは C++ と Python でバイト列まで一致する。
$PCCPY python/verify_suite.py [札] # 検証一式（10 項目。測定と同時に回さない）
$PCCPY python/regress_fixes.py # 直した不具合の回帰（63 件）
BENCH_N=2000000 $PCCPY python/bench_all.py # サイズ・速度・メモリを LASzip と比べる
BENCH_N=2000000 $PCCPY python/bench_split.py # 幾何と属性の内訳
BENCH_N=2000000 $PCCPY python/bench_three.py # 幾何のみの三者比較（G-PCC・LAZ・PCC2）
$PCCPY python/bench_ab.py <旧 pccnorm> <新 pccnorm> # 2 つの二値を交互に回して速度とメモリを比べる測定のログは data/work/grid/ に書かれる（data/ は git の管理外）。
cpp/ C++ 実装（本体）
include/pcc/ frame・pcc2・scanmodel・rangecoder・las・normalize・geom ほか
src/
tests/fixtures/ 回帰試験用の作り物のデータ
python/ Python の対照実装・検証・ベンチ
paper/ 論文（PDF）
scripts/ 環境の用意（setup.sh）
data/ サンプルデータ（git 管理外。setup.sh が取得する）
Apache License 2.0。同梱・参照している第三者のコードとデータの出典は NOTICE にまとめてある。cpp/include/pcc/nanoflann.hpp は nanoflann（BSD-2-Clause）。