KR102592986B1 - 포인트 클라우드 코딩을 위한 점유 코딩의 콘텍스트 모델링 - Google Patents

Abstract

포인트 클라우드 데이터를 디코딩하기 위한 방법, 컴퓨터 프로그램 및 컴퓨터 시스템이 제공된다. 포인트 클라우드에 대응하는 데이터가 수신된다. 수신된 데이터와 연관된 다수의 콘텍스트는 수신된 데이터 내의 하나 이상의 부모 노드 및 하나 이상의 자식 노드에 대응하는 점유 데이터에 기반하여 감소된다. 포인트 클라우드에 대응하는 데이터는 감소된 콘텍스트 수를 기반으로 디코딩된다.

Description

포인트 클라우드 코딩을 위한 점유 코딩의 콘텍스트 모델링

본 출원은, 2020년 6월 3일에 출원되고 발명의 명칭이 "포인트 클라우드 코딩을 위한 점유 코딩의 콘텍스트 모델링에 대한 업데이트"인 미국 가출원 번호 제63/034,113호 및 2020년 8월 14일에 출원되고 발명의 명칭이 "포인트 클라우드 코딩을 위한 점유 코딩의 부모 노드 레벨 콘텍스트 모델링에 대한 업데이트"인 미국 가출원 번호 제63/066,099호에 대한 우선권을 주장하는, 2021년 4월 15일에 출원되고 발명의 명칭이 "포인트 클라우드 코딩을 위한 점유 코딩의 콘텍스트 모델링"인 미국 특허 출원 번호 제17/231,695호에 대한 우선권을 주장하는 바이며, 상기 문헌의 내용은 그 전체로서 원용에 의해 본 명세서에 포함된다.

본 개시는 일반적으로 데이터 처리 분야에 관한 것으로, 특히 포인트 클라우드에 관한 것이다.

포인트 클라우드(Point Cloud)는 최근 몇 년 동안 널리 사용되었다. 예를 들어, 객체(object) 검출 및 측위(localization)를 위해 자율 주행 차량에 사용되며; 또한 매핑을 위한 GIS(geographic information systems)에 사용되고 문화 유산 개체 및 컬렉션 등을 시각화 및 보관하기 위해 문화 유산에서 사용된다. 포인트 클라우드(point cloud)는 일반적으로 3차원(three dimensional, 3D)의 고차원 포인트 세트를 포함하며, 각각은 3D 위치 정보와 색상, 반사율(reflectance) 등과 같은 추가 속성을 포함한다. 이것들은 다양한 설정에서 다수의 카메라와 깊이 센서 또는 라이다(Lidar)를 사용하여 캡처될 수 있으며, 수천에서 수십억 포인트로 구성되어 원래의 장면을 사실적으로 표현할 수 있다. 더 빠른 전송 또는 스토리지 축소를 위해 포인트 클라우드를 나타내는 데 필요한 데이터 양을 감소시키기 위해서는 압축 기술이 필요하다. ISO/IEC MPEG(JTC 1/SC 29/WG 11)는 정적 또는 동적 포인트 클라우드에 대한 압축 기술을 표준화하기 위해 애드훅(ad-hoc) 그룹(MPEG-PCC)을 만들었다.

실시예는 포인트 클라우드 데이터를 디코딩하기 위한 방법, 시스템, 및 컴퓨터가 판독 가능한 매체에 관한 것이다. 일 측면에 따르면, 포인트 클라우드 데이터를 디코딩하는 방법이 제공된다. 상기 방법은 포인트 클라우드에 대응하는 데이터를 수신하는 단계를 포함할 수 있다. 상기 수신된 데이터와 연관된 콘텍스트의 수는 상기 수신된 데이터 내의 하나 이상의 부모 노드 및 하나 이상의 자식 노드에 대응하는 점유 데이터(occupancy data)에 기반하여 감소된다. 상기 포인트 클라우드에 대응하는 데이터는 감소된 콘텍스트 수를 기반으로 디코딩된다.

다른 측면에 따르면, 포인트 클라우드 데이터를 디코딩하는 컴퓨터 시스템이 제공된다. 상기 컴퓨터 시스템은 하나 이상의 프로세서, 하나 이상의 컴퓨터가 판독 가능한 메모리, 하나 이상의 컴퓨터가 판독 가능한 유형의 저장 디바이스 및 상기 하나 이상의 메모리 중 적어도 하나를 통해 상기 하나 이상의 프로세서 중 적어도 하나에 의한 실행을 위해, 상기 하나 이상의 저장 디바이스 중 적어도 하나에 저장된 프로그램 명령을 포함하며, 이에 의해, 상기 컴퓨터 시스템은 방법을 수행할 수 있다. 상기 방법은 포인트 클라우드에 대응하는 데이터를 수신하는 단계를 포함한다. 상기 수신된 데이터와 연관된 콘텍스트의 수는 상기 수신된 데이터 내의 하나 이상의 부모 노드 및 하나 이상의 자식 노드에 대응하는 점유 데이터에 기반하여 감소된다. 상기 포인트 클라우드에 대응하는 데이터는 감소된 콘텍스트 수를 기반으로 디코딩된다.

또 다른 측면에 따르면, 포인트 클라우드 데이터를 코딩하기 위한 컴퓨터가 판독 가능한 매체가 제공된다. 상기 컴퓨터가 판독 가능한 매체는 하나 이상의 컴퓨터가 판독 가능한 저장 디바이스 및 상기 하나 이상의 유형의 저장 디바이스 중 적어도 하나에 저장된 프로그램 명령을 포함할 수 있으며, 상기 프로그램 명령은 프로세서에 의해 실행 가능하다. 상기 프로그램 명령은 포인트 클라우드에 대응하는 데이터를 수신하는 것을 포함할 수 있는 방법을 수행하기 위해 프로세서에 의해 실행 가능하다. 상기 수신된 데이터와 연관된 콘텍스트의 수는 상기 수신된 데이터 내의 하나 이상의 부모 노드 및 하나 이상의 자식 노드에 대응하는 점유 데이터에 기반하여 감소된다. 상기 포인트 클라우드에 대응하는 데이터는 감소된 콘텍스트 수를 기반으로 디코딩된다.

이들 및 다른 목적, 특징 및 이점은 첨부 도면과 관련하여 판독될 예시적인 실시예의 다음의 상세한 설명으로부터 명백해질 것이다. 도면의 다양한 특징은 상세한 설명과 함께 당업자의 이해를 용이하게 하기 위한 예시이므로 스케일링(scale)되지 않는다. 도면에서:
도 1은 적어도 하나의 실시예에 따른 네트워크화된 컴퓨터 환경을 도시한다.
도 2a는 적어도 하나의 실시예에 따른 포인트 클라우드 데이터에 대한 팔진트리 구조의 도면이다.
도 2b는 적어도 하나의 실시예에 따른 포인트 클라우드 데이터에 대한 팔진트리 파티션의 도면이다.
도 2c는 적어도 하나의 실시예에 따른 포인트 클라우드 데이터에 대한 부모 레벨 노드 이웃의 블록도이다.
도 2d는 적어도 하나의 실시예에 따른 포인트 클라우드 데이터에 대한 부모 노드 레벨 콘텍스트의 블록도이다.
도 2e는 적어도 하나의 실시예에 따른 포인트 클라우드 데이터에 대한 현재 코딩된 노드의 부모 레벨 이웃의 블록도이다.
도 2f는 적어도 하나의 실시예에 따른 포인트 클라우드 데이터에 대한 부모 노드 레벨 콘텍스트의 블록도이다.
도 2g는 적어도 하나의 실시예에 따른 포인트 클라우드 데이터에 대한 현재 코딩된 노드의 부모 레벨 이웃의 블록도이다.
도 2h는 적어도 하나의 실시예에 따른 포인트 클라우드 데이터에 대한 자식 노드 레벨 이웃의 블록도이다.
도 3a는 적어도 하나의 실시예에 따른 포인트 클라우드 데이터 콘텍스트의 축소를 시그널링하기 위한 신택스 엘리먼트이다.
도 3b는 적어도 하나의 실시예에 따른 코딩된 포인트 클라우드 지오메트리 정보에 대한 해시 테이블이다.
도 4는 적어도 하나의 실시예에 따라 포인트 클라우드 데이터를 디코딩하는 프로그램에 의해 수행되는 단계들을 예시하는 작동 흐름도이다.
도 5는 적어도 하나의 실시예에 따른 도 1에 도시된 컴퓨터 및 서버의 내부 컴포넌트와 외부 컴포넌트의 블록도이다.
도 6은 적어도 하나의 실시예에 따른 도 1에 도시된 컴퓨터 시스템을 포함하는 예시적인 클라우드 컴퓨팅 환경의 블록도이다.
도 7은 적어도 하나의 실시예에 따른 도 6의 예시적인 클라우드 컴퓨팅 환경의 기능 계층의 블록도이다.

청구된 구조 및 방법의 상세한 실시예가 여기에 개시되어 있으며; 그러나, 개시된 실시예는 다양한 형태로 구현될 수 있는 청구된 구조 및 방법을 단지 예시한다는 것이 이해될 수 있다. 그러나 이러한 구조 및 방법은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되는 것으로 해석되어서는 안 된다. 오히려, 이러한 예시적인 실시예는 본 개시가 철저하고 완전하며 본 기술 분야에서 통상의 지식을 가진 자에게 그 범위를 충분히 전달하도록 제공된다. 설명에서, 잘 알려진 특징 및 기술의 세부사항은 제시된 실시예를 불필요하게 모호하게 하는 것을 피하기 위해 생략될 수 있다.

실시예는 일반적으로 데이터 처리 분야, 특히 포인트 클라우드에 관한 것이다. 다음에 설명되는 예시적인 실시예는 무엇보다도 포인트 클라우드 데이터와 연관된 콘텍스트의 수를 감소시키기 위한 시스템, 방법 및 컴퓨터 프로그램을 제공한다. 따라서, 일부 실시예는 포인트 클라우드 데이터에서 현재 노드의 모든 이웃 노드 중에서 이웃 노드의 관련 서브 세트를 고려함으로써, 개선된 포인트 클라우드 압축(compression) 및 압축 해제(decompression)를 허용하는 것에 의해 컴퓨팅 분야를 개선할 수 있는 능력을 갖는다.

앞에서 설명한 것처럼 최근 몇 년 동안 포인트 클라우드가 널리 사용되었다. 예를 들어, 객체 검출 및 측위를 자율 주행 차량에 사용되며; 또한 매핑을 위한 GIS(geographic information system)에 사용되며 문화 유산 개체 및 컬렉션 등을 시각화 및 보관하기 위해 문화 유산에서 사용된다. 포인트 클라우드는 일반적으로 3차원(three dimensional, 3D)의 고차원 포인트 세트를 포함하며, 각각은 3D 위치 정보와 색상, 반사율 등과 같은 추가 속성을 포함한다. 이것들은 다양한 설정에서 다수의 카메라와 깊이 센서 또는 라이다(Lidar)를 사용하여 캡처될 수 있으며, 수천에서 수십억 포인트로 구성되어 원래의 장면을 사실적으로 표현할 수 있다. 더 빠른 전송 또는 스토리지 축소를 위해 포인트 클라우드를 나타내는 데 필요한 데이터 양을 감소시키기 위해서는 압축 기술이 필요한다. SO/IEC MPEG(JTC 1/SC 29/WG 11)는 정적 또는 동적 포인트 클라우드에 대한 압축 기술을 표준화하기 위해 애드훅(ad-hoc) 그룹(MPEG-PCC)을 만들었다.

그러나, 점유 코딩의 부모 노드 레벨 콘텍스트(parent-node-level context) 모델링은 최대 6개의 이웃하는 코딩된 노드에 액세스하도록 제한한다. 이것은 상대적으로 적은 수의 콘텍스트로 이어질 수 있다. 따라서, 6개의 가장 가까운 이웃만 보는 것만으로도 수신 필드의 범위가 크게 제한되고, 이에 따른 성능 향상이 제한된다. 더욱이, 점유 코딩의 콘텍스트 모델링은 많은 수의 콘텍스트를 초래할 수 있다. 그러나, 하드웨어 구현 측면에서 콘텍스트가 너무 많으면 많은 양의 메모리를 소모하므로 바람직하지 않다. 따라서, 제시되는 콘텍스트의 수를 감소시키는 것에 의해 콘텍스트의 수를 작게 유지하면서 부모 노드 레벨 콘텍스트의 성능을 향상시키는 것이 유리할 수 있다.

측면들은 다양한 실시예에 따른 방법, 장치(시스템), 및 컴퓨터가 판독 가능한 매체의 흐름도 예시 및/또는 블록도를 참조하여 여기에서 설명된다. 흐름도 예시 및/또는 블록도의 각 블록, 및 흐름도 예시 및/또는 블록도의 블록 조합은 컴퓨터가 판독 가능한 프로그램 명령에 의해 구현될 수 있음을 이해할 것이다.

다음에 설명되는 예시적인 실시예는 포인트 클라우드 데이터와 관련된 확장된 콘텍스트 세트를 감소시키는 것에 기반하여 포인트 클라우드 데이터를 압축 및 압축 해제하는 시스템, 방법 및 컴퓨터 프로그램을 제공한다. 이제 도 1을 참조하면, 포인트 클라우드 데이터를 압축 및 압축 해제하기 위한 포인트 클라우드 압축 시스템(100)(이하 "시스템")을 예시하는 네트워크화된(networked) 컴퓨터 환경의 기능 블록도이다. 도 1은 단지 하나의 구현의 예시를 제공하고 상이한 실시예가 구현될 수 있는 환경과 관련하여 어떠한 제한도 의미하지 않는다. 묘사된 환경에 대한 많은 수정은 설계 및 구현 요건을 기반으로 할 수 있다.

시스템(100)은 컴퓨터(102) 및 서버 컴퓨터(114)를 포함할 수 있다. 컴퓨터(102)는 통신 네트워크(110)(이하 "네트워크")를 통해 서버 컴퓨터(114)와 통신할 수 있다. 컴퓨터(102)는 프로세서(104) 및 데이터 저장 디바이스(106)에 저장되고 사용자와 인터페이스하고 서버 컴퓨터(114)와 통신할 수 있는 소프트웨어 프로그램(108)을 포함할 수 있다. 도 5를 참조하여 아래에서 논의되는 바와 같이, 컴퓨터(102)는 내부 컴포넌트(internal component)(800A) 및 외부(external) 컴포넌트(900A)를 각각 포함할 수 있고, 서버 컴퓨터(114)는 내부 컴포넌트(800B) 및 외부 컴포넌트(900B)를 각각 포함할 수 있다. 컴퓨터(102)는 예를 들어 모바일 디바이스, 전화, 개인 휴대 정보 단말기, 넷북, 랩톱 컴퓨터, 태블릿 컴퓨터, 데스크톱 컴퓨터, 또는 프로그램을 실행하고, 네트워크를 액세스하며, 데이터베이스를 액세스할 수 있는 임의의 타입(type)의 컴퓨팅 디바이스일 수 있다.

서버 컴퓨터(114)는 또한 도 6 내지 도 7과 관련하여 아래에서 논의되는 바와 같이, SaaS(Software as a Service), PaaS(Platform as a Service), 또는 IaaS(Infrastructure as a Service)와 같은 클라우드 컴퓨팅 서비스 모델에서 작동할 수 있다. 서버 컴퓨터(114)는 또한 사설 클라우드, 커뮤니티 클라우드, 공용 클라우드, 또는 하이브리드 클라우드와 같은 클라우드 컴퓨팅 배포 모델에 위치될 수 있다.

포인트 클라우드 압축 및 압축 해제에 사용될 수 있는 서버 컴퓨터(114)는 데이터베이스(112)와 상호 작용할 수 있는 포인트 클라우드 압축 프로그램(116)(이하 "프로그램")을 실행하도록 활성화된다(enabled). 포인트 클라우드 압축 프로그램(Point Cloud Compression Program) 방법은 도 4를 참조하여 아래에서 더 자세히 설명된다. 일 실시예에서, 컴퓨터(102)는 사용자 인터페이스를 포함하는 입력 디바이스로서 작동할 수 있는 반면, 프로그램(116)은 주로 서버 컴퓨터(114) 상에서 실행될 수 있다. 대안적인 실시예에서, 프로그램(116)은 주로 하나 이상의 컴퓨터(102)에서 실행될 수 있는 반면, 서버 컴퓨터(114)는 프로그램(116)에 의해 사용되는 데이터의 처리 및 저장에 사용될 수 있다. 프로그램(116)은 독립형 프로그램일 수 있거나 더 큰 포인트 클라우드 압축 및 압축 해제 프로그램에 통합될 수 있다는 점에 유의해야 한다.

그러나, 프로그램(116)에 대한 처리는 일부 경우에 컴퓨터(102)와 서버 컴퓨터(114) 사이에서 임의의 비율로 공유될 수 있음에 유의해야 한다. 다른 실시예에서, 프로그램(116)은 하나 이상의 컴퓨터, 서버 컴퓨터, 또는 컴퓨터와 서버 컴퓨터의 일부 조합, 예를 들어 네트워크(110)를 통해 단일 서버 컴퓨터(114)와 통신하는 복수의 컴퓨터(102)에서 작동할 수 있다. 다른 실시예에서, 예를 들어, 프로그램(116)은 네트워크(110)를 통해 복수의 클라이언트 컴퓨터와 통신하는 복수의 서버 컴퓨터(114) 상에서 작동할 수 있다. 다르게는, 프로그램은 네트워크를 통해 서버 및 복수의 클라이언트 컴퓨터와 통신하는 네트워크 서버에서 작동할 수 있다.

네트워크(110)는 유선 연결, 무선 연결, 광섬유 연결, 또는 이들의 일부 조합을 포함할 수 있다. 일반적으로, 네트워크(110)는 컴퓨터(102)와 서버 컴퓨터(114) 사이의 통신을 지원할 연결 및 프로토콜의 임의의 조합일 수 있다. 네트워크(110)는, 예를 들면, LAN(Local Area Network), 인터넷과 같은 WAN(Wide Area Network), PSTN(Public Switched Telephone Network)과 같은 전기 통신 네트워크(telecommunication network), 무선 네트워크, 공중 교환 네트워크, 위성 네트워크, 셀룰러 네트워크(예: 5G(fifth generation) 네트워크, LTE(Long-Term Evolution) 네트워크, 3G(third generation) 네트워크, CDMA(code division multiple access) 네트워크 등), PLMN(Public Land Mobile Network), MAN(Metropolitan Area Network), 사설 네트워크, 애드훅(Ad Hoc) 네트워크, 인트라넷, 광섬유 기반 네트워크 등 및 /또는 이들 또는 다른 타입의 네트워크의 조합과 같은 다양한 타입의 네트워크를 포함할 수 있다.

도 1에 도시된 디바이스 및 네트워크의 수와 배열은 예시로 제공된다. 실제로, 추가 디바이스 및/또는 네트워크, 더 적은 수의 디바이스 및/또는 네트워크, 상이한 디바이스 및/또는 네트워크, 또는 도 1에 도시된 것보다 상이하게 배열된 디바이스 및/또는 네트워크가 있을 수 있다. 또한, 도 1에 도시된 2개 이상의 디바이스는 단일 디바이스 내에서 구현될 수 있으며, 또는 도 1에 도시된 단일 디바이스는 다중 분산 디바이스로서 구현될 수 있다. 추가적으로, 또는 다르게는, 시스템(100)의 디바이스 세트(예를 들어, 하나 이상의 디바이스)는 시스템(100)의 다른 디바이스 세트에 의해 수행되는 것으로 설명된 하나 이상의 기능(function)들을 수행할 수 있다.

이제 도 2a를 참조하면, 팔진트리(octree) 구조(200A)의 다이어그램이 도시되어 있다. TMC13에서, 팔진트리 지오메트리 코덱(octree geometry codec)을 사용하면 지오메트리 인코딩은 다음과 같이 진행된다. 먼저, 입방축 정렬 경계 상자(cubical axis-aligned bounding box) B는 두 포인트(0,0,0)와 ()로 정의되며, 여기서 은 B의 크기를 정의하고 은 비트스트림에서 지정된다. 팔진트리 구조(200A)는 그런 다음 B를 재귀적으로 세분화하는 것에 의해 구축된다. 각 스테이지(stage)에서, 큐브(cube)는 8개의 서브 큐브로 세분화된다. 8비트 코드, 즉 점유 코드(occupancy code)는 포인트를 포함하는지(즉, 가득 차 있고(full) 값이 1임) 아닌지(즉, 비어 있고(empty) 값이 0임)를 지시하기 위해, 각 서브 큐브에 1 비트 값을 연관시키는 것에 의해 생성된다. 크기가 1보다 큰 전체 서브 큐브(full sub-cube)(즉, 비복셀(non-voxel))만 더 세분화된다.

이제 도 2b를 참조하면, 팔진트리 파티션(partition)(200B)의 다이어그램이 도시되어 있다. 팔진트리 파티션(200B)은 2-레벨 팔진트리 파티션(202) 및 대응하는 점유 코드(204)를 포함할 수 있으며, 여기서 어두운 큐브 및 노드는 이들이 포인트에 의해 점유되었음을 지시한다. 각 노드의 점유 코드(204)는 그 다음 산술 인코더에 의해 압축된다. 점유 코드(204)는 8비트 정수인 로 표시될 수 있으며, 의 각 비트는 각각의 자식(child) 노드의 점유 상태를 지시한다. 점유 코드(204)에 대한 두 가지 인코딩 방법이 TMC13에 존재하며, 즉, 비트 단위 인코딩(bit-wise encoding) 방법과 바이트 단위 인코딩(byte-wise encoding) 방법이 있으며, 비트 단위 인코딩은 기본적으로 활성화되어 있다. 어느 쪽이든 콘텍스트 모델링(context modeling)으로 산술 코딩을 수행하여 점유 코드(204)를 인코딩하며, 여기서 콘텍스트 상태(status)는 전체 코딩 프로세스의 시작 부분에서 초기화되고 코딩 프로세스 동안 업데이트된다.

비트 단위 인코딩의 경우, 에 있는 8개의 빈(bin)을 특정 순서로 인코딩하며 각 빈은 이웃 노드와 이웃 노드의 자식 노드의 점유 상태를 참조하여 인코딩되며, 여기서 이웃 노드는 현재 노드와 동일한 레벨에 있다. 바이트 단위 인코딩의 경우, 는 N(예: 32)개의 가장 빈번한 점유 코드를 추적하는 적응형 룩업 테이블(adaptive look up table, A-LUT)과 마지막으로 상이한 관찰된 M(예: 16)개의 점유 코드를 추적하는 캐시(cache)를 참조하는 것에 의해 인코딩된다.

가 A-LUT인지를 지시하는 이진 플래그(binary flag)가 인코딩된다. 가 A-LUT에 있으면, A-LUT의 인덱스는 이진 산술 인코더를 사용하여 인코딩된다. 가 A-LUT에 없으면, 가 캐시에 있는지를 지시하는 이진 플래그가 인코딩된다. 가 캐시에 있으면, 그의 인덱스의 이진 표현(representation)이 이진 산술 인코더를 사용하여 인코딩된다. 그렇지 않고 가 캐시에 없으면, 의 이진 표현이 이진 산술 인코더를 사용하여 인코딩된다. 디코딩 프로세스는 비트스트림에서 경계 상자 B의 치수(dimension)를 파싱하는(parsing) 것에 의해 시작된다. 그런 다음 디코딩된 점유 코드에 따라 B를 세분화하는 것에 의해 동일한 팔진트리 구조가 구축된다.

현재 노드의 점유 코드는 일반적으로 8비트를 가지며, 각 비트는 i번째 자식 노드가 점유되었는지를 나타낸다. 현재 노드의 점유 코드를 코딩할 때, 이웃의 코딩된 노드의 모든 정보를 콘텍스트 모델링에 사용할 수 있다. 콘텍스트 정보는 파티션 레벨 및 현재 노드까지의 거리 측면에서 추가로 그룹화될 수 있다. 일반성을 잃지 않고 현재 노드에 있는 i번째 자식 노드의 콘텍스트 인덱스는 다음:

과 같이 획득될 수 있으며, 여기서 LUT는 콘텍스트 인덱스의 룩업 테이블이다. 및 는 부모 노드 레벨 및 자식 노드 레벨 이웃 정보를 나타내는 LUT 인덱스를 나타낸다.

이제 도 2c를 참조하면, 부모 레벨 노드 이웃의 블록도(200C)가 도시되어 있다. 하나 이상의 실시예에 따르면, 팔진트리가 너비 우선 순서(breadth-first order)로 순회된다고(traversed) 가정한다. 현재 노드의 6개의 이웃 노드를 부모 노드 레벨 콘텍스트 설치(installation)로 활용할 수 있다. 중앙에 있는 블록은 현재 노드일 수 있고, 다른 6개의 블록은 현재 노드까지의 거리가 1인 블록 단위인 가장 가까운 이웃일 수 있다. 가 i번째 이웃의 점유 상태를 표시한다고 하며, 즉,이며, 여기서 이다. 그다음 부모 노드 레벨 콘텍스트 인덱스는 다음:

과 같이 획득될 수 있다. 따라서, 모든 이웃이 점유되어 있으면, 의 최대값은 63이며, 이는 이 경우에서 부모 노드 레벨의 콘텍스트 수가 64임을 지시한다.

이제 도 2d를 참조하면, 부모 노드 레벨 콘텍스트의 블록도(200D)가 도시되어 있다. 하나 이상의 실시예에 따르면, 팔진트리는 너비 우선 순서로 순회된다. 부모 레벨 점유의 모든 노드는 코딩될 수 있으며, 현재 레벨의 콘텍스트로 사용될 수 있다. 부모 노드 레벨의 콘텍스트 액세스 방법은은 인덱스가 i인 자식 노드마다 상이할 수 있다. 예를 들어, 8개의 서브 도면은 현재 코딩된 노드의 i번째 자식 노드 ()에 대한 부모 노드 레벨 콘텍스트 액세스 방법을 나타낼 수 있다. 각 서브 도면에서, 현재 코딩된 노드는 짙은 회색으로 강조 표시되고, 현재 노드 내의 더 작은 서브 블록은 i번째 자식 노드() 이며; 각 자식 노드는 현재 노드에 대해 상이한 위치를 가진다. 부모 노드 레벨 콘텍스트 액세스 방법은 현재 노드에 대한 상대적 위치에 따라 자식 노드마다 상이하다.

이제 도 2e를 참조하면, 현재 코딩된 노드의 부모 레벨 이웃의 블록도(200E)가 도시되어 있다. 하나 이상의 실시예에서, i번째 자식 노드()를 코딩할 때, 부모 레벨에서 i번째 자식 노드에 인접한 7개의 노드가 콘텍스트로 활용된다. i번째 자식 노드에 인접한 7개의 노드는 자식 노드와 동일한 면(face)을 공유하는 노드 3개와 동일한 에지(edge)를 공유하는 노드 3개, 정점(vertex)을 공유하는 노드 1개로 구성된다. 서로 다른 자식 노드는 서로 다른 부모 노드 세트를 참조하기 때문에, 현재 노드를 코딩할 때 총 26개의 부모 레벨 이웃 노드가 사용된다. 6개의 부모 레벨 이웃 노드만 사용하는 것과 비교하여, 26개의 부모 레벨 이웃 노드를 활용하면 훨씬 더 많은 정보를 활용한다.

따라서, 현재 노드에서 i번째 자식 노드의 콘텍스트 인덱스는 다음:

과 같이 획득될 수 있으며, 는 i번째 자식 노드의 부모 레벨에서 j번째 인접 노드의 점유를 나타내고, 는 i번째 자식 노드의 부모 레벨에서 j번째 인접 노드가 점유되어 있으면 1과 같고, 그렇지 않으면 0과 같으며, 여기서 및 이다.

부모 노드 레벨에서 콘텍스트 수를 감소시키기 위해, 다른 실시예에서 부모 노드 레벨 콘텍스트 인덱스는 다음:

과 같이 획득될 수 있으며, 이 경우, 의 최대값은 6으로 감소되어, 부모 노드 레벨의 콘텍스트 수가 64에서 7로 감소되었음을 지시한다.

부모 노드 레벨에서 콘텍스트 수를 더 감소시키기 위해, 다른 실시예에서 부모 노드 레벨 콘텍스트는 다음:

을 설정하여 비활성화된다. 이 경우 부모 노드 레벨 이웃 정보는 전혀 사용되지 않는다.

이제 도 2f를 참조하면, 부모 노드 레벨 콘텍스트의 블록도(200F)가 도시되어 있다. 하나 이상의 실시예에 따르면, 부모 레벨 이웃의 수는 변경될 수 있다. 예를 들어, 각 자식 노드는 6개의 가장 가까운 부모 레벨 이웃만 사용할 수 있다. 8개의 서브 도면은 현재 코딩된 노드의 i번째 자식 노드()에 대한 부모 노드 레벨 콘텍스트 액세스 방법을 나타낸다. 각 서브 도면에서, 현재 코딩된 노드는 짙은 회색으로 강조 표시되고, 현재 노드 내의 더 작은 서브 블록은 i번째 자식 노드()이며; 각 자식 노드는 현재 노드에 대해 상이한 위치를 가진다. 부모 노드 레벨 콘텍스트 액세스 방법은 현재 노드에 대한 상대적 위치에 따라 자식 노드마다 상이하다. i번째 자식 노드()를 코딩할 때, 부모 레벨에서 i번째 자식 노드에 인접한 6개의 노드만 콘텍스트로 활용된다. i번째 자식 노드에 인접한 6개의 노드는 자식 노드와 동일한 면을 공유하는 3개의 노드와 동일한 에지를 공유하는 3개의 노드를 포함할 수 있다. 도 2d와 비교하여, 이 경우 자식 노드와 동일한 정점을 공유하는 노드는 사용되지 않을 수 있다.

도 2g를 참조하면, 도 2f의 부모 노드 레벨 콘텍스트에 기반하여 현재 코딩된 노드의 부모 레벨 이웃을 표시하는 200G를 나타내는 블록도가 표시된다. 하나 이상의 실시예에서, 자식 노드와 동일한 정점을 공유하는 노드는 사용되지 않을 수 있다. 따라서, 도 2d 및 도 2e에서 26개에서 감소된, 최대 18개의 부모 레벨 이웃 노드가 사용될 수 있다. 따라서, 현재 노드에서 i번째 자식 노드의 콘텍스트 인덱스는 다음:

같이 획득될 수 있으며, 여기서 는 i번째 자식 노드의 부모 레벨에서 j번째 인접 노드의 점유를 나타내고, 는 i번째 자식 노드의 부모 레벨에서 j번째 인접 노드가 점유되어 있으면 1과 같고, 그렇지 않으면 0과 같으며, 여기서 및 이다. 부모 레벨 이웃의 수는 이웃의 서브 세트만을 사용함으로써 더 감소될 수 있음을 이해할 수 있다.

콘텍스트의 수를 더 감소시키기 위해 의 도출(derivation)을 단순화할 수 있다. 일 실시예에서, 각 자식 노드는 도 6에 도시된 바와 같이 최대 6개의 부모 레벨 이웃을 참조하고, 부모 레벨 콘텍스트 인덱스는 다음:

과 같이 획득될 수 있으며, 는 i번째 자식 노드와 동일한 면을 공유하는 3개의 부모 레벨 노드의 점유 상태를 나타내고, 는 i번째 자식 노드와 동일한 에지를 공유하는 3개의 부모 레벨 노드의 점유 상태를 나타낸다. 이 경우, 면을 공유하는 이웃의 중요도가 높고 가능한 모든 조합을 취하여 콘텍스트 인덱스를 계산하며, 에지를 공유하는 이웃의 중요도가 낮고 몇 개의 이웃이 점유되는지를 카운트하는 것에 의해 콘텍스트 인덱스를 계산한다. 이에 따라 의 최대값이 내지 로 감소하므로, 전체 콘텍스트 수가 절반으로 감소된다. 다른 유사한 단순화 방법을 적용하여 부모 레벨 콘텍스트를 도출할 수 있음을 유의한다.

이제 도 2h를 참조하면, 자식 노드 레벨 이웃의 블록도(200H)가 도시되어 있다. 하나 이상의 실시예에 따르면, 자식 노드 레벨 이웃은 여러 방식으로 정의될 수 있다. 예를 들어, 이미 코딩된 자식 노드 레벨의 이웃 노드는 중심 노드까지의 거리에 따라 분류될 수 있다. 일반성을 잃지 않고, 자식 노드의 각 에지의 크기를 1이라고 가정하면, 중심까지의 거리 는 왼쪽에서 오른쪽으로 각각 1, 및 이다.

, 및 는 각각 1, 및 과 같은 거리 를 가지는 자식 노드 레벨에서 i번째 이웃의 점유 상태를 표시하며, 즉, 이다. 거리가 1, 및 인 코딩된 자식 레벨 이웃 노드의 최대 수는 각각 3, 9 및 7일 수 있다.

따라서, 자식 노드 레벨 콘텍스트 인덱스는 다음:

과 같이 획득될 수 있다. 따라서, 자식 노드 레벨의 최대 콘텍스트 수는 개로 애플리케이션에 대해 너무 많다. 콘텍스트의 수를 감소시키기 위해, 하나 이상의 실시예에서 부분적인 자식 노드 레벨 이웃이 고려될 수 있다. 이것은 자식 노드 레벨의 최대 콘텍스트 수를 로 줄일 수 있다.

다른 실시예에서, 콘텍스트의 최대 수는 다음:

과 같이 더 단순화될 수 있으며, 여기서 자식 노드 레벨의 최대 콘텍스트 수는 로 감소된다.

콘텍스트 수를 더 감소시키기 위해, 거리 가 1인 가장 가까운 노드 3개만 사용할 수 있으며, 콘텍스트 인덱스는 다음:

과 같이 계산되며, 여기서 자식 노드 레벨의 최대 콘텍스트 수는 로 감소된다.

콘텍스트 수를 더 감소시키기 위해, 부모 레벨 콘텍스트 와 자식 노드 인덱스 i 간의 관계가 디커플링될 수 있다. 이를 달성하기 위해 특정 규칙을 정의할 수 있다. 일 실시예에서, 각각의 자식 노드는 6개까지의 부모 레벨 이웃을 참조한다. 현재 노드에 있는 i번째 자식 노드의 콘텍스트 인덱스는 다음:

과 같이 획득될 수 있으며, 여기서 는 i번째 자식 노드와 같은 면을 공유하는 3개의 부모 레벨 노드의 점유 상태를 나타내고, 는 i번째 자식 노드와 동일한 에지를 공유하는 3개의 부모 레벨 노드의 점유 상태를 나타낸다. 최종 콘텍스트 인덱스는 자식 인덱스 i와 독립적임에 유의한다. 이를 달성하기 위해, 이웃한 부모 레벨 노드 즉, 의 순서에 대한 매핑이 각 자식 노드에 대해 정의될 수 있다. 매핑은 도 3b와 관련하여 논의될 것이다. 디커플링(decoupling)은 각 자식 노드와 6개의 이웃한 부모 레벨 노드 사이의 대칭 지오메트리(symmetric geometry)를 반영한다. 다른 실시예에서 유사한 매핑 테이블을 정의함으로써 다른 디커플링 방법이 사용될 수 있다는 것이 이해될 수 있다.

하나 이상의 실시예에 따르면, 콘텍스트의 수를 감소시키기 위해 콘텍스트를 계산할 때 서로 다른 자식 노드 간에 구별이 없을 수 있다. 구체적으로 현재 노드에서 i번째 자식 노드의 콘텍스트 인덱스는 다음:

과 같이 획득될 수 있으며, 여기서 i는 더 이상 LUT의 차원이 아니다. 즉, 모든 자식 노드는 동일하게 간주된다.

이제 도 3a를 참조하면, 신택스 엘리먼트(300A)가 도시되어 있다. 다양한 콘텐츠 및 시나리오에 대한 적응성을 달성하기 위해 다양한 경우에 대해 다양한 콘텍스트 축소 전략이 활성화될 수 있다. 따라서, 상위 레벨(high-level) 신택스는 콘텍스트 축소 레벨(reduction level)을 지시하기 위해 시퀀스 파라미터 세트 또는 지오메트리 파라미터 세트 또는 슬라이스 데이터 헤더 또는 다른 곳에서 시그널링될 수 있다. 지정된 콘텍스트 축소 레벨의 값과 관련하여, 인코더 및 디코더는 이웃 코딩된 노드로부터 콘텍스트 정보를 활용하는 방법을 결정할 수 있다. 콘텍스트 축소 레벨은 콘텍스트 축소 방법의 조합 방식에 대응할 수 있다.

하나 이상의 실시예에서, 신택스 엘리먼트(300A)는 아래 표에 도시된 바와 같이 콘텍스트 축소 레벨을 나타내는 지오메트리 파라미터 세트로 시그널링될 수 있다. 콘텍스트 축소 레벨이 콘텍스트 축소가 없음을 의미하는 0이면, 일반 콘텍스트 설치(regular context installation)가 적용된다. 콘텍스트 축소 레벨이 1이면, 하위 레벨 축소(low-level reduction)가 적용된다. 콘텍스트 축소 레벨이 2이면, 중간 레벨 축소(medium-level reduction)가 적용된다. 콘텍스트 축소 레벨이 3이면, 상위 레벨 축소(high-level reduction)가 적용된다. 콘텍스트 축소 레벨이 높을수록 더 적은 수의 콘텍스트가 사용된다. 이 경우, 콘텐츠 및 시나리오 측면에서 서로 다른 콘텍스트 구성이 선택될 수 있다. 따라서, gps_context_reduction_level은 지오메트리 파라미터 세트에서 콘텍스트 축소 레벨을 지정할 수 있다.

이제 도 3b를 참조하면, 해시 테이블(hash table)(300B)이 도시되어 있다. 하나 이상의 실시예에서, 나중에 코딩된 노드가 이 정보를 콘텍스트로 사용할 필요가 있기 때문에 코딩된 지오메트리 점유 정보는 캐시 메모리에 저장되어야 한다. 해시 테이블(300B)은 점유 정보를 캐싱하는 데 사용될 수 있다. 각각의 팔진트리 파티션 깊이 에 대해, 해시 테이블 이 유지되고, 키(key)는 깊이 의 팔진트리 노드의 모턴(Morton) 코드, 즉, 이며, 는 팔진트리 노드의 3D 좌표이다. 모턴 코드 를 키로 사용하여, 해시 테이블 에서 점유 값에 액세스할 수 있다. 깊이 에서 팔진트리 노드 i의 점유 값은 다음:

과 같이 획득될 수 있다. 현재 노드의 점유 값을 인코딩/디코딩할 때, 해시 테이블 에서 주변 노드의 점유 정보를 획득한다. 현재 노드의 점유 값을 인코딩/디코딩한 후에, 코딩된 점유 값이 에 저장된다.

이제 도 4를 참조하면, 포인트 클라우드 데이터를 압축 및 압축 해제하는 프로그램에 의해 수행되는 방법(400)의 단계들을 예시하는 작동 흐름도가 도시되어 있다.

402에서, 방법(400)은 포인트 클라우드에 대응하는 데이터를 수신하는 단계를 포함할 수 있다.

404에서, 방법(400)은 수신된 데이터 내의 하나 이상의 부모 노드 및 하나 이상의 자식 노드에 대응하는 점유 데이터에 기반하여 수신된 데이터와 연관된 콘텍스트의 수를 감소시키는 단계를 포함할 수 있다.

406에서, 방법(400)은 콘텍스트의 감소된 수에 기반하여 포인트 클라우드에 대응하는 데이터를 디코딩하는 단계를 포함할 수 있다.

도 4는 단지 하나의 구현의 예시를 제공하고 상이한 실시예가 구현될 수 있는 방법에 관한 어떠한 제한도 의미하지 않는다. 묘사된 환경에 대한 많은 수정은 설계 및 구현 요건을 기반으로 할 수 있다.

도 5는 예시적인 실시예에 따라 도 1에 도시된 컴퓨터의 내부 컴포넌트 및 외부 컴포넌트의 블록도(500)이다. 도 5는 단지 하나의 구현의 예시를 제공하고 상이한 실시예가 구현될 수 있는 환경과 관련하여 어떠한 제한도 의미하지 않음을 감사해야 한다. 묘사된 환경에 대한 많은 수정은 설계 및 구현 요건을 기반으로 할 수 있다.

컴퓨터(102)(도 1) 및 서버 컴퓨터(114)(도 1)는 도 5에 도시된 내부 컴포넌트(800A,B) 및 외부 컴포넌트(900A,B)의 각각의 세트를 포함할 수 있다. 내부 컴포넌트(800)의 세트 각각은 하나 이상의 버스(826) 상의 하나 이상의 프로세서(820), 하나 이상의 컴퓨터가 판독 가능한 RAM(822) 및 하나 이상의 컴퓨터가 판독 가능한 ROM(824), 하나 이상의 운영 체제(828), 및 컴퓨터가 판독 가능한 유형의 저장 디바이스(computer-readable tangible storage device)(830)를 포함한다.

프로세서(820)는 하드웨어, 펌웨어, 또는 하드웨어와 소프트웨어의 조합으로 구현된다. 프로세서(820)는 CPU(Central Processing Unit), GPU(Graphics Processing Unit), APU(Accelerated Processing Unit), 마이크로프로세서, 마이크로컨트롤러, DSP(Digital Signal Processor), FPGA(Field-Programmable Gate Array), ASIC(application-specific integrated circuit) 또는 다른 타입의 처리 컴포넌트이다. 일부 구현에서, 프로세서(820)는 기능을 수행하도록 프로그래밍될 수 있는 하나 이상의 프로세서를 포함한다. 버스(826)는 내부 컴포넌트(800A, B) 간의 통신을 허용하는 컴포넌트를 포함한다.

하나 이상의 운영 체제(828), 서버 컴퓨터(114)(도 1) 상의 소프트웨어 프로그램(108)(도 1) 및 포인트 클라우드 압축 프로그램(Point Cloud Compression Program)(116)(도 1)은, 각각의 RAM(822)(일반적으로 캐시 메모리를 포함함) 중 하나 이상을 통해 각각의 프로세서(820) 중 하나 이상에 의한 실행을 위해, 각각의 컴퓨터가 판독 가능한 유형의 저장 디바이스(830) 중 하나 이상에 저장된다. 도 5에 도시된 실시예에서, 컴퓨터가 판독 가능한 유형의 저장 디바이스(830) 각각은 내부 하드 드라이브의 자기 디스크 저장 디바이스이다. 다르게는, 컴퓨터가 판독 가능한 유형의 저장 디바이스(830) 각각은 ROM(824), EPROM, 플래시 메모리, 광 디스크, 광자기 디스크, 솔리드 스테이트 디스크, CD(compact disc), DVD(digital versatile disc), 플로피 디스크, 카트리지, 자기 테이프 및/또는 컴퓨터 프로그램과 디지털 정보를 저장할 수 있는 다른 타입의 컴퓨터가 판독 가능한 비일시적 유형의 저장 디바이스와 같은 반도체 저장 디바이스이다.

내부 컴포넌트(800A,B)의 각 세트는 또한 CD-ROM, DVD, 메모리 스틱, 자기 테이프, 자기 디스크, 광 디스크 또는 반도체 저장 디바이스와 같은 하나 이상의 휴대 가능한, 컴퓨터가 판독 가능한 유형의 휴대용 저장 디바이스(936)를 읽고 쓰기 위한 R/W 드라이브 또는 인터페이스(832)를 포함한다. 소프트웨어 프로그램(108)(도 1) 및 포인트 클라우드 압축 프로그램(116)(도 1)과 같은 소프트웨어 프로그램은, 각각의 휴대 가능한 컴퓨터가 판독 가능한 유형의 저장 디바이스(936) 중 하나 이상에 저장되고, 각각의 R/W 드라이브 또는 인터페이스(832)를 통해 판독되고, 그리고 각각의 하드 드라이브(830)에 로딩될 수 있다.

내부 컴포넌트(800A,B)의 각 세트는 TCP/IP 어댑터 카드와 같은 네트워크 어댑터 또는 인터페이스(836); 무선 Wi-Fi 인터페이스 카드; 또는 3G, 4G 또는 5G 무선 인터페이스 카드 또는 기타 유선 또는 무선 통신 링크를 포함할 수 있다. 서버 컴퓨터(114)(도 1) 상의 소프트웨어 프로그램(108)(도 1) 및 포인트 클라우드 압축 프로그램(116)(도 1)은 네트워크(예를 들어, 인터넷, 근거리 통신망 또는 기타 광역 통신망) 및 각각의 네트워크 어댑터 또는 인터페이스(836)를 통해 외부 컴퓨터로부터 컴퓨터(102)(도 1) 및 서버 컴퓨터(114)로 다운로드될 수 있다. 네트워크 어댑터 또는 인터페이스(836)로부터, 서버 컴퓨터(114) 상의 소프트웨어 프로그램(108) 및 포인트 클라우드 압축 프로그램(116)은 각각의 하드 드라이브(830)에 로딩된다. 네트워크는 구리 와이어(copper wire), 광섬유, 무선 전송, 라우터, 방화벽, 스위치, 게이트웨이 컴퓨터 및/또는 에지 서버를 포함할 수 있다.

외부 컴포넌트(900A,B)의 세트 각각은 컴퓨터 디스플레이 모니터(920), 키보드(930), 및 컴퓨터 마우스(934)를 포함할 수 있다. 외부 컴포넌트(900A,B)는 또한 터치 스크린, 가상 키보드, 터치 패드, 포인팅 디바이스 및 기타 휴먼 인터페이스 디바이스를 포함할 수 있다. 내부 컴포넌트(800A,B)의 세트 각각은 또한 컴퓨터 디스플레이 모니터(920), 키보드(930) 및 컴퓨터 마우스(934)에 인터페이스하기 위한 디바이스 드라이버(840)를 포함한다. 디바이스 드라이버(840), R/W 드라이브 또는 인터페이스(832) 및 네트워크 어댑터 또는 인터페이스(836)는 하드웨어 및 소프트웨어(저장 디바이스(830) 및/또는 ROM(824)에 저장됨)를 포함한다.

비록 본 개시가 클라우드 컴퓨팅에 대한 상세한 설명을 포함하지만, 여기에 인용된 교시의 구현이 클라우드 컴퓨팅 환경으로 제한되지 않는다는 것을 미리 이해해야 한다. 오히려, 일부 실시예는 현재 알려져 있거나 나중에 개발될 임의의 다른 타입의 컴퓨팅 환경과 함께 구현될 수 있다.

클라우드 컴퓨팅은, 최소한의 관리 노력 또는 서비스 제공자와의 상호 작용으로 신속하게 프로비저닝되고(provisioned) 릴리스되는(released), 구성 가능한 컴퓨팅 리소스(예: 네트워크, 네트워크 대역폭, 서버, 처리(processing), 메모리, 스토리지, 애플리케이션, 가상 머신 및 서비스)의 공유 풀에 대한 편리한 주문형 네트워크 액세스를 가능하게 하는 서비스 제공 모델이다. 이 클라우드 모델은 적어도 5개의 특성, 적어도 3개의 서비스 모델, 및 적어도 4개의 배포(deployment) 모델을 포함할 수 있다.

특성은 다음과 같다.

주문형 셀프 서비스(On-demand self-service): 클라우드 소비자는 서비스 제공자와 사람의 상호 작용 없이 필요에 따라 자동으로 서버 시간 및 네트워크 스토리지와 같은 컴퓨팅 기능을 일방적으로 프로비저닝할 수 있다.

광범위한 네트워크 액세스(Broad network access): 능력(capabilities)이 네트워크를 통해 사용 가능하며, 이기종 씬 또는 씩 클라이언트 플랫폼(heterogeneous thin or thick client platform)(예: 모바일폰, 랩톱 및 PDA)에 의한 사용을 촉진하는 표준 메커니즘을 통해 액세스될 수 있다.

리소스 풀링(Resource pooling): 공급자의 컴퓨팅 리소스는 다중 테넌트 모델(multi-tenant model)을 사용하여 여러 소비자에게 서비스를 제공하도록 풀링되며(polled), 수요에 따라 다양한 물리적 및 가상 리소스가 동적으로 할당 및 재할당된다. 소비자가 일반적으로 제공된 리소스의 정확한 위치에 대한 제어 또는 지식이 없지만, 더 높은 레벨의 추상화(abstraction)(예: 국가(country), 주(state) 또는 데이터 센터)에서 위치를 지정할 수 있다는 점에서 위치 독립성(sense of location independence)이 있다.

신속한 탄력성(Rapid elasticity): 능력이 신속하고 탄력적으로 프로비저닝되어, 경우에 따라 자동으로 신속하게 확장하며, 신속하게 릴리스되어 신속하게 축소할 수 있다. 소비자에 대해, 프로비저닝에 사용할 수 있는 능력은 종종 무제한으로 보이며 언제든지 수량에 관계없이 구매될 수 있다.

측정된 서비스(Measured service): 클라우드 시스템은 서비스 타입(예: 스토리지, 처리, 대역폭 및 활성 사용자 계정)에 적합한 추상화 레벨에서 미터링 능력(metering capability)을 활용하여 리소스 사용을 자동으로 제어하고 최적화한다. 리소스 사용량(Resource usage)을 모니터링, 제어 및 보고할 수 있어 활용되는 서비스의 제공자와 소비자 모두에게 투명성을 제공한다.

서비스 모델은 다음과 같다.

SaaS(Software as a Service): 소비자에게 제공되는 기능은 클라우드 인프라(infrastructure)에서 실행되는 공급자의 애플리케이션을 사용하는 것이다. 애플리케이션은 웹 브라우저(예: 웹 기반 이메일)와 같은 씬 클라이언트(thin client) 인터페이스를 통해 다양한 클라이언트 디바이스에서 액세스될 수 있다. 소비자는 제한된 사용자별 애플리케이션 구성 설정을 제외하고 네트워크, 서버, 운영 체제, 스토리지 또는 개별 애플리케이션 기능을 포함한 기본 클라우드 인프라를 관리하거나 제어하지 않는다.

PaaS(Platform as a Service): 소비자에게 제공되는 능력은 공급자가 지원하는 프로그래밍 언어 및 도구를 사용하여 만든 소비자 생성 또는 획득 애플리케이션을 클라우드 인프라에 배포하는 것이다. 소비자는 네트워크, 서버, 운영 체제 또는 스토리지를 포함한 기본 클라우드 인프라를 관리하거나 제어하지 않지만, 배포된 애플리케이션 및 애플리케이션 호스팅 환경 구성을 제어할 수 있다.

IaaS(Infrastructure as a Service): 소비자에게 제공되는 능력은 소비자가 운영 체제 및 애플리케이션을 포함할 수 있는 임의의 소프트웨어를 배포 및 실행할 수 있는 처리, 스토리지, 네트워크 및 기타 기본 컴퓨팅 리소스를 프로비저닝하는 것이다. 소비자는 기본 클라우드 인프라를 관리하거나 제어하지 않지만 운영 체제, 스토리지, 배포된 애플리케이션에 대한 제어 권한이 있으며 일부 네트워킹 컴포넌트(예: 호스트 방화벽)에 대한 제한된 제어 권한이 있을 수 있다.

배포 모델은 다음과 같다.

프라이빗 클라우드(Private cloud): 클라우드 인프라는 조직만을 위해 운영된다. 조직 또는 제3자가 관리할 수 있으며, 온프레미스(on-premises) 또는 오프프레미스(off-premises)에 존재할 수 있다.

커뮤니티 클라우드(Community cloud): 클라우드 인프라는 여러 조직에 의해 공유되며, 관심사(concern)(예: 미션, 보안 요건, 정책 및 규정 준수 고려 사항)를 공유하는 특정 커뮤니티를 지원한다. 조직 또는 제3자가 관리할 수 있으며, 온프레미스 또는 오프프레미스에 존재할 수 있다.

퍼블릭 클라우드(Public cloud): 클라우드 인프라는 일반 대중 또는 대규모 산업 그룹이 사용할 수 있으며, 클라우드 서비스를 판매하는 조직이 소유한다.

하이브리드 클라우드(Hybrid cloud): 클라우드 인프라는 고유한 엔티티로 남아 있지만 데이터 및 애플리케이션 이식성(portability)을 가능하게 하는 표준화된 또는 독점 기술(예: 클라우드 간의 로드 밸런싱(load-balancing)을 위한 클라우드 버스팅(cloud bursting))에 의해 함께 결합되는 둘 이상의 클라우드(프라이빗, 커뮤니티 또는 퍼블릭)의 합성(composition)이다.

클라우드 컴퓨팅 환경은 무상태(stateless), 낮은 결합성(low coupling), 모듈성(modularity) 및 의미론적 상호 운용성(semantic interoperability)에 중점을 둔 서비스 지향이다. 클라우드 컴퓨팅의 핵심에는 상호 연결된 노드 네트워크로 구성된 인프라가 있다.

도 6을 참조하면, 예시적인 클라우드 컴퓨팅 환경(600)이 도시되어 있다. 도시된 바와 같이, 클라우드 컴퓨팅 환경(600)은 예를 들어 PDA(personal digital assistant) 또는 셀룰러 전화(54A), 데스크톱 컴퓨터(54B), 랩톱 컴퓨터(54C), 및/또는 자동차 컴퓨터 시스템(54N)과 같은 클라우드 소비자에 의해 사용되는 로컬 컴퓨팅 디바이스가 통신할 수 있는, 하나 이상의 클라우드 컴퓨팅 노드(10)를 포함한다. 클라우드 컴퓨팅 노드(10)는 서로 통신할 수 있다. 이들은 물리적으로 또는 가상으로, 하나 이상의 네트워크에서, 예를 들어, 위에서 설명한 프라이빗, 커뮤니티, 퍼블릭 또는 하이브리드 클라우드 또는 이들의 조합과 같이 그룹화될 수 있다(도시되지 않음). 이것은 클라우드 컴퓨팅 환경(600)이 클라우드 소비자가 로컬 컴퓨팅 디바이스에서 리소스를 유지할 필요가 없는 서비스로서 인프라, 플랫폼 및/또는 소프트웨어를 제공할 수 있게 한다. 도 6에 도시된 컴퓨팅 디바이스(54A-N)의 유형이 단지 예시를 위한 것이며 클라우드 컴퓨팅 노드(10) 및 클라우드 컴퓨팅 환경(600)이 임의의 타입의 네트워크 및/또는 네트워크 주소 지정 연결(addressable connection)(예를 들어, 웹 브라우저를 사용하여)을 통해 임의의 타입의 컴퓨터화된 디바이스와 통신할 수 있다는 것을 이해할 수 있다.

도 7을 참조하면, 클라우드 컴퓨팅 환경(600)(도 6)에 의해 제공되는 기능적 추상화 계층(700)의 세트가 도시되어 있다. 도 7에 도시된 컴포넌트, 계층 및 기능이 단지 예시에 불과하며 실시예가 이에 한정되는 것은 아닌 것이 미리 이해되어야 한다. 도시된 바와 같이, 다음 계층과 대응하는 기능이 제공된다.

하드웨어 및 소프트웨어 계층(60)은 하드웨어 및 소프트웨어 컴포넌트를 포함한다. 하드웨어 컴포넌트의 예는: 메인 프레임(mainframe)(61); RISC(Reduced Instruction Set Computer) 아키텍처 기반 서버(62); 서버(63); 블레이드(blade) 서버(64); 저장 디바이스(65); 및 네트워크 및 네트워킹 컴포넌트(66)를 포함한다. 일부 실시예에서, 소프트웨어 컴포넌트는 네트워크 애플리케이션 서버 소프트웨어(67) 및 데이터베이스 소프트웨어(68)를 포함한다.

가상화 계층(70)은 예를 들어, 가상 서버(71); 가상 스토리지(72); 가상 사설 네트워크를 포함하는 가상 네트워크(73); 가상 애플리케이션 및 운영 체제(74); 및 가상 클라이언트(75)인, 가상 엔티티가 제공될 수 있는 추상화 계층을 제공한다.

일 예에서, 관리 계층(80)은 아래에서 설명되는 기능들을 제공할 수 있다. 리소스 프로비저닝(resource provisioning)(81)은 클라우드 컴퓨팅 환경 내에서 태스크(task)를 수행하는 데 사용되는 컴퓨팅 리소스 및 기타 리소스의 동적 조달을 제공한다. 미터링(metering) 및 가격 책정(pricing)(82)은 리소스가 클라우드 컴퓨팅 환경 내에서 활용됨에 따라 비용 추적을 제공하고, 이러한 리소스의 사용에 대한 청구 또는 송장 발행을 제공한다. 일 예에서, 이러한 리소스는 애플리케이션 소프트웨어 라이선스를 포함할 수 있다. 보안은 클라우드 소비자 및 태스크에 대한 아이덴티티 확인(identity verification)은 물론 데이터 및 기타 리소스에 대한 보호를 제공한다. 사용자 포털(portal)(83)은 소비자 및 시스템 관리자에게 클라우드 컴퓨팅 환경에 대한 액세스를 제공한다. 서비스 레벨 관리(84)는 요구되는 서비스 레벨이 충족되도록 클라우드 컴퓨팅 리소스 할당 및 관리를 제공한다. SLA(Service Level Agreement) 계획 및 이행(85)은 SLA에 따라 미래 요건이 예상되는 클라우드 컴퓨팅 리소스에 대한 사전 준비 및 조달을 제공한다.

워크로드(workload) 계층(90)은 클라우드 컴퓨팅 환경이 활용될 수 있는 기능의 예를 제공한다. 이 계층에서 제공될 수 있는 워크로드 및 기능의 예는 매핑 및 탐색(navigation)(91); 소프트웨어 개발 및 수명 주기 관리(92); 가상 교실 교육 전달(93); 데이터 분석 처리(94); 트랜잭션(transaction) 처리(95); 및 포인트 클라우드 압축(96)을 포함한다. 포인트 클라우드 압축(96)은 포인트 클라우드 데이터의 압축 및 압축 해제를 위해 현재 노드에 대한 이웃 노드의 확장된 세트를 감소시킬 수 있다.

일부 실시예는 통합의 가능한 기술 세부 레벨에서 시스템, 방법 및/또는 컴퓨터가 판독 가능한 매체에 관한 것일 수 있다. 컴퓨터가 판독 가능한 매체는 프로세서가 작동을 수행하게 하기 위한 컴퓨터가 판독 가능한 프로그램 명령을 갖는, 컴퓨터가 판독 가능한 비일시적 저장 매체(또는 매체)를 포함할 수 있다.

컴퓨터가 판독 가능한 저장 매체는 명령 실행 디바이스에 의해 사용하기 위한 명령을 보유하고 저장할 수 있는 유형의 디바이스일 수 있다. 컴퓨터가 판독 가능한 저장 매체는 예를 들어 전자 저장 디바이스, 자기 저장 디바이스, 광학 저장 디바이스, 전자기 저장 디바이스, 반도체 저장 디바이스, 또는 이들의 임의의 적절한 조합일 수 있지만 이에 제한되지 않는다. 컴퓨터가 판독 가능한 저장 매체의 보다 구체적인 예의 비배타적인 리스트는: 휴대용 컴퓨터 디스켓, 하드 디스크, RAM(random access memory), ROM(read-only memory), EPROM(erasable programmable read-only memory) 또는 플래시 메모리, SRAM(static random access memory), CD-ROM(portable compact disc read-only memory), DVD(digital versatile disk), 메모리 스틱, 플로피 디스크, 펀치 카드 또는 명령이 기록된 홈(groove)의 융기 구조(raised structure)와 같은 기계적으로 인코딩된 디바이스, 및 전술한 것의 임의의 적절한 조합을 포함한다. 여기에서 사용된 컴퓨터가 판독 가능한 저장 매체는 여기에서 사용된 바와 같이, 전파 또는 기타 자유롭게 전파하는 전자기파, 도파관 또는 기타 전송 매체를 통해 전파하는 전자기파(예: 광섬유 케이블을 통과하는 광 펄스), 또는 와이어를 통해 전송되는 전기 신호와 같은, 일시적인 신호 그 자체로 해석되어서는 안된다.

여기에서 기술된 컴퓨터가 판독 가능한 프로그램 명령은, 컴퓨터가 판독 가능한 저장 매체로부터 각각의 컴퓨팅/처리 디바이스로, 또는 네트워크, 예를 들어, 인터넷, 근거리 통신망, 광역 네트워크 및 무선 네트워크를 통해 외부 컴퓨터 또는 외부 저장 디바이스로 다운로드될 수 있다. 네트워크는 구리 전송 케이블, 광 전송 섬유, 무선 전송, 라우터, 방화벽, 스위치, 게이트웨이 컴퓨터 및/또는 에지 서버를 포함할 수 있다. 각 컴퓨팅/처리 디바이스의 네트워크 어댑터 카드 또는 네트워크 인터페이스는 네트워크로부터 컴퓨터가 판독 가능한 프로그램 명령을 수신하고, 각각의 컴퓨팅/처리 디바이스 내의 컴퓨터가 판독 가능한 저장 매체에 저장하기 위해 컴퓨터가 판독 가능한 프로그램 명령을 전달한다.

작동을 수행하기 위한 컴퓨터가 판독 가능한 프로그램 코드/명령은, 어셈블러(assembler) 명령, ISA(instruction-set-architecture) 명령, 기계 명령, 기계 종속 명령, 마이크로코드, 펌웨어 명령, 상태 설정 데이터, 집적 회로용 구성 데이터 또는 Smalltalk, C 등과 같은 객체 지향 프로그래밍 언어 및 "C" 프로그래밍 언어 또는 유사한 프로그래밍 언어와 같은 절차적 프로그래밍 언어를 포함하는 하나 이상의 프로그래밍 언어의 임의의 조합으로 작성된 소스 코드 또는 객체(object) 코드일 수 있다. 컴퓨터가 판독 가능한 프로그램 명령은 사용자의 컴퓨터에서 전적으로, 사용자의 컴퓨터에서 부분적으로, 독립 실행형 소프트웨어 패키지로서, 사용자의 컴퓨터에서 부분적으로 그리고 원격 컴퓨터에서 부분적으로 또는 원격 컴퓨터 또는 서버에서 전체적으로 실행될 수 있다. 후자의 시나리오에서, 원격 컴퓨터는 LAN(Local Area Network) 또는 WAN(Wide Area Network)을 포함한 임의의 유형의 네트워크를 통해 사용자의 컴퓨터에 연결되거나, 예를 들어 인터넷 서비스 공급자를 사용하여 인터넷을 통해 외부 컴퓨터에 연결될 수 있다. 일부 실시예에서, 예를 들어 프로그램 가능 논리 회로, FPGA(field-programmable gate arrays), 또는 PLA(programmable logic arrays)를 포함하는 전자 회로는, 측면이나 작동을 수행하기 위해, 컴퓨터가 판독 가능한 프로그램 명령의 상태 정보를 활용하여 전자 회로를 개인화하는 것에 의해, 컴퓨터가 판독 가능한 프로그램 명령을 실행할 수 있다.

이러한 컴퓨터가 판독 가능한 프로그램 명령은 범용 컴퓨터, 특수 목적 컴퓨터 또는 기타 프로그램 가능한 데이터 처리 장치의 프로세서에 제공되어 기계를 생성할 수 있으므로, 컴퓨터의 프로세서 또는 기타 프로그램 가능한 데이터 처리 장치를 통해 실행되는 이러한 명령은 흐름도 및/또는 블록도 블록 또는 블록들에 지정된 기능/행위를 구현하기 위한 수단을 생성한다. 이들 컴퓨터가 판독 가능한 프로그램 명령은 또한 컴퓨터, 프로그램 가능한 데이터 처리 장치, 및/또는 다른 디바이스가 특정 방식으로 기능하도록 지시할 수 있는 컴퓨터가 판독 가능한 저장 매체에 저장될 수 있으므로, 명령을 저장하는, 컴퓨터가 판독 가능한 저장 매체는 흐름도 및/또는 블록도 블록 또는 블록들에 지정된 기능/작동(act)의 측면을 구현하는 명령을 포함하는 제조 물품을 포함한다.

컴퓨터가 판독 가능한 프로그램 명령은 또한 컴퓨터, 다른 프로그램 가능한 데이터 처리 장치 또는 다른 디바이스에 로딩되어, 컴퓨터, 다른 프로그램 가능한 장치 또는 다른 디바이스에서 일련의 작동 단계가 수행되어 컴퓨터 구현 프로세스를 생성하므로, 컴퓨터, 다른 프로그램 가능한 장치 또는 다른 디바이스에서 실행되는 명령이, 흐름도 및/또는 블록도 블록 또는 블록들에 지정된 기능/작동을 구현한다.

도면의 흐름도 및 블록도는 다양일 실시예에 따른 시스템, 방법, 및 컴퓨터가 판독 가능한 매체의 가능한 구현의 아키텍처, 기능 및 작동을 예시한다. 이와 관련하여, 흐름도 또는 블록도의 각 블록은 모듈, 세그먼트, 또는 특정 논리 기능(들)을 구현하기 위한 하나 이상의 실행 가능한 명령을 포함하는 명령의 일부를 나타낼 수 있다. 방법, 컴퓨터 시스템, 및 컴퓨터가 판독 가능한 매체는 도면에 도시된 것보다 추가적인 블록, 더 적은 블록, 상이한 블록, 또는 다르게 배열된 블록을 포함할 수 있다. 일부 대안적인 구현에서, 블록에 언급된 기능은 도면에 언급된 순서와 다르게 발생할 수 있다. 예를 들어, 연속적으로 도시된 2개의 블록은 실제로 동시에 또는 실질적으로 동시에 실행될 수 있으며, 관련된 기능에 따라 블록이 때때로 역순으로 실행될 수 있다. 또한, 블록도 및/또는 흐름도 예시의 각 블록과, 블록도 및/또는 흐름도 예시의 블록 조합은, 지정된 기능 또는 작동을 수행하거나 또는 특수 목적 하드웨어와 컴퓨터 명령의 조합을 수행하는 특수 목적 하드웨어 기반 시스템에 의해 구현될 수 있다.

여기에 설명된 시스템 및/또는 방법은 하드웨어, 펌웨어, 또는 하드웨어와 소프트웨어의 조합의 다른 형태로 구현될 수 있음이 명백할 것이다. 이러한 시스템 및/또는 방법을 구현하는 데 사용되는 실제 특수 제어 하드웨어 또는 소프트웨어 코드는 구현을 제한하지 않는다. 따라서, 시스템 및/또는 방법의 작동 및 가동(behavior)은 특정 소프트웨어 코드를 참조하지 않고 여기에서 설명되었으며, 소프트웨어 및 하드웨어는 여기의 설명에 기반하여 시스템 및/또는 방법을 구현하도록 설계될 수 있음을 이해해야 한다.

여기에 사용된 어떤 엘리먼트, 작동 또는 명령도 그렇게 명시적으로 설명되지 않는 한 중요하거나 필수적인 것으로 해석되어서는 안 된다. 또한, 본 명세서에서 사용된 관사 "a" 및 "an"은 하나 이상의 항목을 포함하도록 의도되며, "하나 이상"과 상호교환적으로 사용될 수 있다. 또한, 여기에서 사용된 바와 같이, 용어 "세트"는 하나 이상의 항목(예: 관련 항목, 관련되지 않은 항목, 관련 및 관련되지 않은 항목의 조합 등)을 포함하도록 의도되며, "하나 이상"과 상호 교환적으로 사용될 수 있다. 하나의 항목만 의도된 경우, 용어 "하나" 또는 유사한 언어가 사용된다. 또한, 여기에서 사용된 바와 같이, 용어 "갖다(has)", "갖다(have)", "가지는(having)" 등은 개방형 용어(open-ended term)로 의도된다. 또한, "~에 기반하여"라는 문구는 달리 명시적으로 언급되지 않는 한 "적어도 부분적으로 ~에 기반하여"를 의미하도록 의도된다.

다양한 측면 및 실시예에 대한 설명은 예시의 목적으로 제시되었지만, 개시된 실시예로 완전하거나 제한되도록 의도되지 않는다. 특징들의 조합이 청구범위에 언급되거나 및/또는 명세서에 개시되더라도, 이러한 조합은 가능한 구현의 개시를 제한하도록 의도되지 않는다. 사실, 이들 특징 중 다수는 구체적으로 청구범위에 언급되지 않거나 및/또는 명세서에 개시되지 않은 방식으로 조합될 수 있다. 아래에 나열된 각 종속항은 하나의 청구항에만 직접적으로 의존할 수 있지만 가능한 구현의 개시는 청구항 세트의 다른 모든 청구항과 조합된 각 종속항을 포함한다. 기술된 실시예의 범위를 벗어나지 않으면서 많은 수정 및 변형이 당업자에게 명백할 것이다. 여기에서 사용된 용어는 실시예의 원리, 시장에서 발견되는 기술에 대한 실질적인 응용 또는 기술적 개선을 가장 잘 설명하거나, 또는 당업자가 여기에 개시된 실시예를 이해할 수 있게 하기 위해 선택되었다.

Claims (20)

1. 프로세서에 의해 실행 가능한, 포인트 클라우드 데이터를 디코딩하는 방법으로서,
   포인트 클라우드에 대응하는 데이터를 수신하는 단계;
   복수의 콘텍스트 축소 레벨(context reduction level) 중 하나에 대응하는 시그널링된 콘텍스트 축소 레벨을 수신하는 단계 - 상기 복수의 콘텍스트 축소 레벨의 각각의 콘텍스트 축소 레벨은 상이한 정도의 콘텍스트 축소를 포함함 - ;
   상기 시그널링된 콘텍스트 축소 레벨과, 상기 수신된 데이터 내의 하나 이상의 부모 노드 및 하나 이상의 자식 노드에 대응하는 점유 데이터(occupancy data)에 기반하여 상기 수신된 데이터와 연관된 콘텍스트(context)의 수를 감소시키는 단계;
   상기 감소된 콘텍스트 수에 기반하여 상기 포인트 클라우드에 대응하는 상기 데이터를 디코딩하는 단계
   를 포함하는 디코딩하는 방법.
2. 제1항에 있어서,
   해시(hash) 테이블에 기반하여 상기 점유 데이터를 캐싱하는(caching) 단계
   를 더 포함하는 디코딩하는 방법.
3. 제1항에 있어서,
   상기 시그널링된 콘텍스트 축소 레벨은 시퀀스 파라미터 세트 또는 지오메트리(geometry) 파라미터 세트 또는 슬라이스(slice) 데이터 헤더에 포함되는,
   디코딩하는 방법.
4. 제1항에 있어서,
   상기 콘텍스트의 수는 현재 노드로부터 가장 짧은 거리를 갖는 하나 이상의 자식 노드에 기반하여 감소되는, 디코딩하는 방법.
5. 제1항에 있어서,
   상기 콘텍스트의 수는 상기 하나 이상의 자식 노드 중 자식 노드의 서브 세트만을 고려하는 것에 기반하여 감소되는, 디코딩하는 방법.
6. 제1항에 있어서,
   상기 콘텍스트의 수는 상기 하나 이상의 자식 노드 사이를 구별하지 않는 것에 기반하여 감소되는, 디코딩하는 방법.
7. 제1항에 있어서,
   상기 콘텍스트의 수는 상기 하나 이상의 부모 노드와 연관된 점유 데이터를 폐기하는 것에 기반하여 감소되는, 디코딩하는 방법.
8. 포인트 클라우드 데이터를 디코딩하는 컴퓨터 시스템으로서,
   컴퓨터 프로그램 코드를 저장하도록 구성된 하나 이상의 컴퓨터가 판독 가능한 비일시적 저장 매체; 및
   상기 컴퓨터 프로그램 코드에 액세스하고 상기 컴퓨터 프로그램 코드에 의해 명령된 대로 작동하여, 제1항 내지 제7항 중 어느 한 항에 따른 방법을 수행하도록 구성된 하나 이상의 컴퓨터 프로세서
   를 포함하는 컴퓨터 시스템.
9. 포인트 클라우드 데이터를 디코딩하기 위한 컴퓨터 프로그램이 저장된, 컴퓨터가 판독 가능한 비일시적 매체로서,
   상기 컴퓨터 프로그램은 하나 이상의 컴퓨터 프로세서가 제1항 내지 제7항 중 어느 한 항에 따른 방법을 수행하게 하도록 구성되는, 컴퓨터가 판독 가능한 비일시적 매체.
   
10. 삭제
11. 삭제
12. 삭제
13. 삭제
14. 삭제
15. 삭제
16. 삭제
17. 삭제
18. 삭제
19. 삭제
20. 삭제