随着三维扫描设备的不断发展,高精度像片般逼真点云的获取已经变为可能。因此,现实生活中的某些动态场景例如运动中的人或物体,可以使用点云序列来描述。相比于传统的二维图像,点云包含了物体或场景的完整信息并且可以从任意视角被渲染,可以为用户提供良好的沉浸式体验。因此,点云序列在诸如虚拟现实(VR)、增强现实(AR)、3D视频会议系统、3D自由视角赛事回放系统等新兴的沉浸式应用中得到了广泛的应用。然而传统的点云压缩算法无法实现对上述点云序列的高效压缩,其在时间和空间上的编码效率都很低。近年来,为了实现对点云序列压缩的标准化,MPEG提出一个基于视频编码的点云序列压缩框架Test Model Category 2(下文称作TMC2),其算法思想就是首先将点云分割为一组分割块(Patch),进而通过一定的投影策略将其转化为图像,之后再利用成熟的视频编解码技术对上述所得图像进行压缩编码。相比于传统的点云序列压缩算法,TMC2在压缩编码效率上取得了很大提升,但TMC2在某些方面还存在改进的空间。本文在TMC2的基础上提出一种时空一致Patch打包编码算法,该算法可以数据自适应地将输入点云序列划分为若干子组,在每个子组中所有点云帧的Patch均以一种时空一致的方式进行打包,从而使得其对应的深度图和纹理图序列在时间和空间上高度一致,同时也可以大大降低Patch元数据之间的数据冗余,最终有效提升了TMC2对点云序列压缩的编码效率。在本文实验部分,分别在五个目标比特率下对五组测试序列进行了压缩与解压缩的实验评估。本文分别从客观和主观两方面对实验结果进行了分析,客观指标表明,相比于TMC2,本文算法在点云几何和纹理信息的BD-BR指标上分别可以取得4.9%和17.4%的性能提升;而主观指标表明,相比于TMC2,由本文算法得到的重建点云具有更高的视觉质量。