KR20120095869A - 메시 모델을 인코딩하는 방법 및 장치, 인코딩된 메시 모델, 그리고 메시 모델을 디코딩하는 방법 및 장치 - Google Patents

메시 모델을 인코딩하는 방법 및 장치, 인코딩된 메시 모델, 그리고 메시 모델을 디코딩하는 방법 및 장치 Download PDF

Info

Publication number
KR20120095869A
KR20120095869A KR1020127009533A KR20127009533A KR20120095869A KR 20120095869 A KR20120095869 A KR 20120095869A KR 1020127009533 A KR1020127009533 A KR 1020127009533A KR 20127009533 A KR20127009533 A KR 20127009533A KR 20120095869 A KR20120095869 A KR 20120095869A
Authority
KR
South Korea
Prior art keywords
cell
cells
repeating
mesh model
data
Prior art date
Application number
KR1020127009533A
Other languages
English (en)
Other versions
KR101637624B1 (ko
Inventor
강 잉 카이
유 진
지 보 첸
Original Assignee
톰슨 라이센싱
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 톰슨 라이센싱 filed Critical 톰슨 라이센싱
Publication of KR20120095869A publication Critical patent/KR20120095869A/ko
Application granted granted Critical
Publication of KR101637624B1 publication Critical patent/KR101637624B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H04W16/20—Network planning tools for indoor coverage or short range network deployment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/02—Terminal devices
    • H04W88/04—Terminal devices adapted for relaying to or from another terminal or user

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Geometry (AREA)
  • Mathematical Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computer Graphics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Image Generation (AREA)

Abstract

대부분의 대규모 3D 엔지니어링 모델에 대해, 연결 성분의 반복하는 인스턴스의 인스턴스 위치는 상당한 다중 공간 집적을 나타낸다. 본 발명은 공간적으로 모여 있는 점들의 클러스터마다 하나씩 몇개의 KD-트리를 사용한다. 다수의 KD-트리는 비교적 짧은 데이터 스트림을 발생하고, 따라서 총 압축비를 향상시킨다. 3D 메시 모델의 점들을 인코딩하는 방법은 메시 모델이 연결 성분의 반복된 인스턴스를 포함하는지를 판정하는 단계 및 각각의 반복하는 인스턴스에 대해 적어도 하나의 기준점을 결정하는 단계, 반복하는 인스턴스들의 기준점들을 하나 이상의 클러스터로 클러스터링하는 단계, 및 클러스터링된 기준점들을 KD-트리 코딩을 사용하여 인코딩하는 단계 - 각각의 클러스터에 대해, 개별적인 KD-트리가 발생됨 - 를 포함한다.

Description

메시 모델을 인코딩하는 방법 및 장치, 인코딩된 메시 모델, 그리고 메시 모델을 디코딩하는 방법 및 장치{METHOD AND APPARATUS FOR ENCODING A MESH MODEL, ENCODED MESH MODEL, AND METHOD AND APPARATUS FOR DECODING A MESH MODEL}
본 발명은 메시 모델을 인코딩하는 방법 및 장치, 인코딩된 메시 모델, 그리고 메시 모델을 디코딩하는 방법 및 장치에 관한 것이다.
건축 설계, 화학 공장 및 기계 CAD(computer-aided design) 설계와 같은 대규모 3D 엔지니어링 모델이 Second Life™ 및 Google Earth™와 같은 다양한 가상 세계 응용에서 점점 더 배포되고 있다. 대부분의 엔지니어링 모델에서, 많은 수의 소형 내지 중형 연결 성분이 있으며, 각각의 연결 성분은 평균하여 최대 수백개의 폴리곤을 가진다. [SBM01]1에 정의된 바와 같이, 연결 성분 내의 임의의 2개의 폴리곤 사이에 경로가 존재하는 경우 메시 모델의 부분집합은 연결 성분이다. 게다가, 이러한 유형의 모델은 다양한 위치, 스케일 및 배향으로 반복되는 다수의 기하 특징부를 가진다.
1990년대 초기 이래로 3D 메시를 효율적으로 압축하는 다양한 알고리즘이 제안되었다. 그러나, 초기 연구는 부드러운 표면 및 작은 삼각형들을 갖는 단일-연결(single connected) 3D 모델을 압축하는 것에 중점을 두고 있다. 대규모 3D 엔지니어링 모델과 같은 다중-연결(multi-connected) 3D 모델(다수의 연결 성분을 포함하는 3D 모델)의 경우, 성분들이 개별적으로 압축된다. 이것은 비교적 비효과적인 압축을 가져온다. 실제로, 상이한 연결 성분 사이의 중복을 제거함으로써 압축 성능이 크게 향상될 수 있다.
대규모 3D 엔지니어링 모델에서 반복하는 기하 특징부를 자동으로 발견하는 방법은 [SBM01]에 제안되어 있다. 그러나, 3D 엔지니어링 모델의 보다 효율적인 압축을 위한 많은 여지가 남아 있다. 예컨대, 원래의 모델을 복원하는 데 필요한, 반복된 인스턴스의 변환 정보를 다루고 있는 어떤 압축 솔루션도 제공되지 않았다. 3D 엔지니어링 모델이 보통 갖는 연결 성분의 큰 크기를 고려하면, 이러한 종류의 정보는 대량의 저장 장치를 소비할 것이다. 게다가, 성분의 꼭지점 위치의 PCA(Principal Component Analysis)가 사용되는 경우, 동일한 기하 형태 및 상이한 연결을 갖는 성분이 동일한 평균 및 동일한 배향축을 가질 것이다. 최신 기술은 다양한 스케일에서 반복하는 패턴을 검출 및/또는 압축하는 데 적합하지 않다. 스케일(즉, 크기)만이 상이한 2개의 성분이 동일한 등가 클래스(equivalence class)의 반복하는 특징부로서 인식되지 않는다. 게다가, [SBM01]에 기술된 것보다 더 높은 압축비를 달성하는 것이 바람직하다.
[OG00]2는 메시 모델의 모든 연결 성분의 평균을 인코딩하는 KD-트리 기반 압축 알고리즘을 개시하고 있다. 이 알고리즘은 각각의 반복에서 셀을 2개의 자식 셀로 세분하고, 2개의 자식 셀 중 하나의 자식 셀에서의 꼭지점의 수를 인코딩한다. 부모 셀이 p개의 꼭지점을 포함하는 경우, 자식 셀들 중 하나의 자식 셀에서의 꼭지점의 수가 산술 코더에 의해 log2(p + 1) 비트를 사용하여 인코딩될 수 있다. 이 세분은, 각각의 비어 있지 않은 셀이 단지 하나의 꼭지점만을 포함할 정도로 충분히 작을 때까지, 재귀적으로 적용되고, 꼭지점 위치의 충분히 정확한 재구성을 가능하게 한다. 이 알고리즘이 불균일 분포에 대해 아주 효율적이고 균일한 분포가 최악의 경우라는 것이 [OG00]에 언급되어 있다.
1[SBM01] : D. Shikhare, S. Bhakar and S. P. Mudur . "Compression of Large 3D Engineering Models using Automatic Discovery of Repeating Geometric Features(반복하는 기하 특징부의 자동 발견을 사용하는 대규모 3D 엔지니어링 모델의 압축)", November 21-23, 2001, Stuttgart, Germany
2[OG00] : O. Devillers, P. Gandoin. "Geometric compression for interactive transmission(상호작용적 전송에 대한 기하 압축)", in: IEEE Visualization, 2000, pp. 319-326
본 발명은, 대부분의 대규모 3D 엔지니어링 모델에 대해, 연결 성분의 반복하는 인스턴스의 인스턴스 위치가 상당한 다중 공간 집적을 나타낸다는 사실, 및 이 경우에 대해, [OG00]에 기술된 알고리즘의 효율성이 향상될 수 있다는 사실을 인식하는 것에 기초하고 있다. 즉, 대규모 3D 메시 모델 내의 반복하는 인스턴스는 종종 몇개의 인스턴스가 하나 또는 몇개의 작은 영역 내에 있고 다른 비교적 큰 영역에는 인스턴스가 없도록 분포되어 있다. [OG00]에 제안된 바와 같이, 단일 KD-트리가 이러한 유형의 점 데이터 집합을 구성 및 압축하는 데 사용되는 경우, KD-트리는 터무니없이 깊을 것이며, 이는 출력 데이터 스트림을 필요한 것보다 더 길게 만들 것이다.
본 발명은 이 경우에 대한 개선을 제공한다. 본 발명에 따르면, 공간적으로 모여 있는 점들의 클러스터마다 하나씩 몇개의 KD-트리가 사용된다. 그 KD-트리는 비교적 짧은 데이터 스트림을 발생할 것이고, 따라서 총 압축비를 향상시킬 것이다.
일 양태에서, 본 발명은 메시 모델의 점들을 인코딩하는 방법을 제공한다. 이 방법은, 메시 모델이 연결 성분의 반복된 인스턴스를 포함하는지를 판정하는 단계 및 각각의 반복하는 인스턴스에 대해 적어도 하나의 기준점을 결정하는 단계, 반복하는 인스턴스들의 기준점들을 하나 이상의 클러스터로 클러스터링하는 단계, 및 클러스터링된 기준점들을 KD-트리 코딩을 사용하여 인코딩하는 단계 - 각각의 클러스터에 대해, 개별적인 KD-트리가 발생됨 - 를 포함한다.
본 발명의 다른 양태에 따르면, 메시 모델의 점들을 인코딩하는 장치는 메시 모델이 연결 성분의 반복하는 인스턴스를 포함하는지를 판정하는 분석 수단, 및 각각의 반복하는 인스턴스에 대해 적어도 하나의 기준점을 결정하는 결정 수단, 반복하는 인스턴스들의 기준점들을 하나 이상의 클러스터로 클러스터링하는 클러스터링 수단, 및 클러스터링된 기준점들을 KD-트리 코딩을 사용하여 인코딩하는 인코딩 수단 - 각각의 클러스터에 대해, 개별적인 KD-트리가 발생됨 - 을 포함한다.
본 발명의 추가의 양태에 따르면, 인코딩된 메시 모델의 점들을 디코딩하는 방법은 반복하는 연결 성분의 인스턴스에 대한 데이터를 추출하는 단계, 상기 추출된 데이터를 사용하여 연결 성분의 인스턴스를 디코딩하는 단계, 클러스터의 수를 정의하는 제1 데이터, 공간 분해능을 정의하는 제2 데이터, 및 상기 반복하는 연결 성분의 복수의 반복의 위치인 제3 데이터를 추출하는 단계 - 제3 데이터는 KD-트리로서 인코딩됨 -, 메시 모델 내의 부분을 정의하는 제4 데이터를 추출하는 단계, 및 제3 데이터 및 제4 데이터로부터 상기 반복하는 연결 성분의 복수의 반복의 위치를 결정하는 단계를 포함하고, 제3 데이터는 제4 데이터에 의해 정의되는 메시 모델의 부분에 적용된다.
본 발명의 또 다른 양태에 따르면, 인코딩된 메시 모델의 점들을 디코딩하는 장치는 인코딩된 메시 모델로부터 반복하는 연결 성분의 인스턴스에 대한 데이터를 추출하는 제1 추출 수단, 상기 추출된 데이터를 사용하여 연결 성분의 인스턴스를 디코딩하는 디코딩 수단, 클러스터의 수를 정의하는 제1 데이터, 공간 분해능을 정의하는 제2 데이터, 및 상기 반복하는 연결 성분의 복수의 반복의 위치인 제3 데이터 - 제3 데이터는 KD-트리로서 인코딩됨 - 를 추출하는 제2 추출 수단, 메시 모델 내의 부분을 정의하는 제4 데이터를 추출하는 추가의 제3 추출 수단, 및 제3 데이터 및 제4 데이터로부터 상기 반복하는 연결 성분의 복수의 반복의 위치를 결정하는 결정 수단을 포함하고, 제3 데이터는 제4 데이터에 의해 정의되는 메시 모델의 부분에 적용된다.
본 발명의 일 양태에 따르면, 인코딩된 메시 모델은 복수의 반복하는 연결 성분을 포함하고, 인코딩된 메시 모델은 각각의 반복하는 연결 성분의 적어도 하나의 인스턴스의 인코딩된 데이터, 상기 반복하는 연결 성분의 복수의 반복의 위치 - 이 위치들은 KD-트리로서 인코딩됨 -, 및 메시 모델 내에서의 경계 영역 - KD-트리는 상기 영역을 참조함 - 을 포함한다.
본 발명의 유익한 실시예가 종속 청구항, 이하의 설명 및 도면에 개시되어 있다.
본 발명의 예시적인 실시예에 대해 첨부 도면을 참조하여 기술한다.
도 1은 2D 예에서의 KD-트리 코딩의 원리를 나타낸 도면이다.
도 2a는 반복하는 연결 성분의 다수의 인스턴스의 위치를 나타낸 도면이다.
도 2b는 반복하는 연결 성분의 다수의 인스턴스의 위치에 대한 종래의 KD-트리 코딩의 결과를 나타낸 도면이다.
도 3은 클러스터링 이후의 클러스터 위치를 나타낸 도면이다.
도 4는 클러스터에 기초한 인코딩된 메시 모델의 데이터 구조를 나타낸 도면이다.
도 5는 5574개 연결 성분으로 이루어진 회의실의 예시적인 3D 메시 모델의 2D 표현을 나타낸 도면이다.
도 6은 인코딩 방법 및 디코딩 방법의 예시적인 흐름도이다.
도 7은 클러스터링 방법의 예시적인 흐름도이다.
도 1은 2D 경우에 종래의 KD-트리 코딩의 원리를 예시적으로 나타낸 것이다. 2D 모델은 부모 셀이라고 하는 경계 상자(10)로 둘러싸여 있다. 7개의 꼭지점이 부모 셀 내에 위치해 있다. KD-트리 인코딩 알고리즘은 소정의 수의 비트를 사용하여 꼭지점의 총수를 인코딩하는 것으로 시작하고, 이어서 셀을 재귀적으로 세분한다. 이 알고리즘은, 부모 셀을 2개의 자식 셀로 세분할 때마다, 2개의 자식 셀 중 하나의 자식 셀에서의 꼭지점의 수를 인코딩한다. 통례적으로, 이것은 (수직 분할 이후에) 좌측 자식 셀 또는 (수평 분할 이후의) 상부 셀일 수 있다. 부모 셀이 p개의 꼭지점을 포함하는 경우, 자식 셀들 중 하나의 자식 셀에서의 꼭지점의 수가 산술 코더에 의해 log2(p + 1) 비트를 사용하여 인코딩될 수 있다. 이 세분은, 각각의 비어 있지 않은 셀이 단지 하나의 꼭지점만을 포함할 정도로 충분히 작을 때까지, 재귀적으로 적용되고, 꼭지점 위치의 충분히 정확한 재구성을 가능하게 한다. 모든 반복된 인스턴스의 위치를 압축하기 위해, 모든 위치의 전체 경계 상자(10)가 처음에 부모 셀로서 간주된다. 도 1의 예에서, 꼭지점의 총수(7개)가 32 비트를 사용하여 인코딩된다. 이어서, 수직 분할이 적용되고, 따라서 좌측 자식 셀(V1) 및 우측 자식 셀(V2)이 얻어진다. 그 다음 코딩 단계에서, 좌측 자식 셀(V1) 내의 꼭지점의 수(4개)가 인코딩된다. 인코딩을 위해 사용된 비트의 수는 부모 셀 내의 꼭지점의 수에 의해 결정되며, log2(7+1) = 3 비트이다. 부모 셀 내의 꼭지점의 수 및 좌측 자식 셀(V1) 내의 꼭지점의 수로부터, 우측 자식 셀(V2) 내의 꼭지점의 수가 추론될 수 있고, 따라서 인코딩될 필요가 없다.
그 다음 단계에서, 수평 분할이 적용된다. 좌측 자식 셀(V1) - 이제 부모 셀(V1)임 - 은 상부 자식 셀(V1H1) 및 하부 자식 셀(V1H2)로 분할된다. 우측 자식 셀(V2) - 이제 부모 셀(V2)임 - 은 상부 자식 셀(V2H1) 및 하부 자식 셀(V2H2)로 분할된다. 2개의 꼭지점을 갖는 상부 좌측 자식 셀(V1H1)에서 인코딩이 계속된다. 따라서, 숫자 2가 그 다음에 인코딩되고, 여기서 log2(4+1) = 2.3 비트가 산술 코더에서 사용된다. 이상에서 기술한 바와 같이, 하부 좌측 자식 셀(V1H2)은, 좌측 셀(V1) 및 상부 좌측 자식 셀(V1H1) 내의 꼭지점의 수로부터 추론될 수 있기 때문에, 인코딩될 필요가 없다. 이어서, 동일한 절차가 우측 셀(V2)에 적용되고, 그 결과 2 비트를 사용하여 0을 인코딩한다. 도 1에 도시된 바와 같이, 각각의 꼭지점이 개별적인 셀에 있을 때까지 분할 단계가 2개 더 필요하고, 각각의 꼭지점이 그의 셀 내에서 충분히 국소화될 때까지 훨씬 더 많은 단계가 필요하다. 각각의 단계는 점점 더 많은 수의 1 또는 0의 인코딩을 필요로 한다. 요구된 정확도에 따라, 부가적인 단계들의 수가 많을 수 있다.
상기한 종래 기술의 문서 [OG00]는 단일 KD-트리가 최적화된 압축을 제공한다는 것을 제안하고 있다. 그러나, 공간적으로 모여 있는 점들의 경우, 본 발명에 의해 감소될 수 있는 부가적인 중복이 있다는 것을 알았다. 점들이 공간적으로 모여 있다는 것은, 다수의 후속하는 분할 동작에서, 항상 자식 셀들 중 하나의 자식 셀이 비어 있다는 것을 의미한다. 따라서, 점들이 공간적으로 모여 있는 경우, 임의의 레벨 (k+1)은 그의 부모 레벨(k)와 동일한 비트 수를 사용할 것이다. 원칙적으로, KD-트리의 종래의 사용은 KD-트리의 각각의 레벨을 좁게 만듦으로써 압축비를 향상시킨다. 본 발명은, 다수의 KD-트리를 사용하고 각각의 KD-트리가 보다 적은 수의 레벨을 갖게 함으로써, 압축비를 향상시킨다.
본 발명은 꼭지점 위치를 인코딩하는 데 뿐만 아니라 반복하는 연결 성분의 위치를 인코딩하는 것에도 KD-트리 코딩 알고리즘을 적용한다. 도 2a는 다수의 반복하는 연결 성분(21 내지 24)이 3D 메시 모델의 경계 상자(20) 내에 위치해 있는 예를 나타낸 것이다. 많은 대규모 3D 메시 모델에서의 경우와 같이, 위치들이 경계 상자 내에서 아주 불균일하게 분포되어 있다. 위치를 인코딩하기 위해 KD-트리 코딩 알고리즘만이 적용되는 경우, 예시적인 결과가 도 2b에 나타내어져 있다. 클러스터들이 국소화되기 이전에 5개의 초기 분할 단계가 필요하다는 것을 알 수 있다. 즉, 도 2의 예에서, 코드는 다음과 같을 것이다: 12(총수) - 6(좌측 자식 셀 제1 세대) - 6-3(상부 자식 셀 제2 세대) - 2-3-0(좌측, 제3 세대) - 2-0-0-0(상부, 제4 세대) - 2-4-0-3(좌측, 제5 세대) - 2-0-3-0(상부, 제6 세대), 그 결과 12-6-6-3-2-3-0-2-0-0-0-2-4-0-3-2-0-3-0이 얻어짐. 비트 수의 할당은 이상에서 기술한 바와 같다. 보다 정확한 위치를 얻기 위해서는 추가의 데이터가 필요할 수 있다. 따라서, 코드는 이전의 값 또는 0의 수많은 반복을 포함한다.
본 발명에서는, 절차 및 얻어지는 코드 둘다가 실질적으로 더 짧다. 본 발명의 일 양태에 따르면, 점들이 클러스터링되고, 즉 클러스터가 생성되고, 가능한 경우, 점이 클러스터에 할당된다. 도 2에 도시된 점들은 유익하게도 도 3에 도시된 바와 같은 방식으로 클러스터링될 수 있다. 이 예에서, 4개의 클러스터(31 내지 34)가 경계 상자(30) 내에 있다. 일반적으로, 클러스터링은 아직 클러스터링되지 않았고 하나 이상의 점을 포함하는 제1 셀을 선택하는 것, 및 제1 셀 또는 제1 셀 내의 하나 이상의 점을 포함하는 클러스터를 정의하는 것을 포함한다.
일 실시예에서, 도 6a에 도시된 바와 같이, 메시 모델의 점들을 인코딩하는 방법은 메시 모델이 연결 성분의 반복하는 인스턴스를 포함하는지를 판정(E1)하는 단계, 및 각각의 반복하는 인스턴스에 대해 적어도 하나의 기준점을 결정(E2)하는 단계, 반복하는 인스턴스들의 기준점들을 하나 이상의 클러스터로 클러스터링(E3)하는 단계, 및 클러스터링된 기준점들을 KD-트리 코딩을 사용하여 인코딩(E4)하는 단계 - 각각의 클러스터에 대해, 개별적인 KD-트리가 발생됨 - 를 포함한다.
일 실시예에서, 클러스터링하는 단계는 메시 모델 주변에 경계 상자를 정의하는 단계, 경계 상자를 셀들로 분할하는 단계 - 셀은 가장 작은 공간 분해능 단위임 -, 아직 클러스터링되지 않았고 반복하는 인스턴스의 하나 이상의 기준점을 포함하는 제1 셀을 선택하는 단계, 및 상기 제1 셀 또는 상기 제1 셀 내의 하나 이상의 기준점을 포함하는 클러스터를 정의하는 단계를 포함한다. 일반적으로, 제1 셀은 새로운 클러스터를 생성하기 위한 후보이다. 일 실시예에서, 클러스터를 생성하는 데 하나의 셀로 충분하다. 다른 실시예에서, 클러스터를 생성하는 데 하나 이상의 점을 각각 포함하는 적어도 2개의 인접한 셀이 요구된다. 또 다른 실시예에서, 클러스터를 생성하는 데 임의의 수의 인접한 셀 내의 소정의 최소 수의 점이 요구된다.
일 실시예에서, 제1 셀은 아직 클러스터링되지 않았고 적어도 M개의 점(예컨대, 반복하는 M개의 인스턴스의 기준점)을 포함하는 경우에만 선택된다. 일 실시예에서, M은 사용자-정의가능 파라미터이다. 대응하는 인코딩 방법은 셀을 새로운 클러스터를 생성하는 소스로서 선택하기 위한 파라미터 M을 정의하는 단계 - 여기서 M은 셀 내의 점의 최소 수임 - 를 포함한다.
일 실시예에서, 클러스터링하는 단계는 하나 이상의 추가의 셀을 결정하는 단계 - 추가의 셀은 선택된 제1 셀의 이웃하는 셀 또는 재귀적으로 이웃하는 셀(즉, 이웃의 이웃 등)이고, 결정된 추가의 셀 각각은 반복하는 인스턴스의 적어도 하나의 기준점을 포함함 -, 및 상기 결정된 이웃하는 셀 또는 셀들을 상기 클러스터에 추가하는 단계를 더 포함할 수 있다.
일 실시예에서, 클러스터링하는 단계는 각각의 셀 내의 기준점의 수의 오름차순 또는 내림차순으로 모든 셀을 정렬하는 단계를 더 포함하고, 제1 셀(새로운 클러스터를 생성하기 위한 후보)은 상기 순서에 따라 선택된다.
도 5에 도시된 예시적인 회의실과 같은 많은 대규모 3D 엔지니어링 모델에서, 인스턴스 위치는 상당한 다중 공간 집적(multiple spatial aggregation)을 나타낸다. 이러한 유형의 점 데이터 집합을 구성 및 압축하는 데 단 하나의 KD-트리가 사용되는 경우, KD-트리가 터무니없이 깊어질 것이다. 반면, 공간적으로 모여 있는 점들의 클러스터마다 하나씩 몇개의 KD-트리가 사용되는 경우, KD-트리는 비교적 짧은 데이터 스트림을 발생할 것이고 따라서 총 압축비를 향상시킬 것이다. 예를 들어, 도 5에 도시된 바와 같이, 5574개의 연결 성분으로 이루어진 회의실의 3D 모델에서, 다수의 반복하는 연결 성분은 의자(RCC1), 카펫(RCC2)의 반복하는 텍스처 요소, 또는 칸델라브룸(candelabrum)의 반복하는 구성 요소(RCC3)이다. 대규모 3D 엔지니어링 모델의 압축 저장 및 고속 전송을 가능하게 하기 위해, 본 발명은 모든 반복된 인스턴스의 위치를 인코딩하는 데 특히 유익한 효율적인 압축 전략을 제공한다. 일 양태에서, 본 발명은 이산점에 대한, 특히 상당한 다중 공간 집적을 나타내는 점에 대한 효율적인 압축 방법을 제공한다. 대규모 3D 엔지니어링 모델에서의 반복된 인스턴스의 위치는 종종 이러한 종류의 특성을 가진다.
본 발명은 상당한 다중 공간 집적을 갖는 이산점 데이터 집합을 효율적으로 압축하는 클러스터형 KD-트리 기반 압축 알고리즘을 제공한다. 입력점이 먼저 그의 공간 위치에 따라 클러스터링된다. 각각의 클러스터는 공간적으로 모여 있는 점들의 집합을 포함한다. 이어서, 각각의 클러스터는 그에 속하는 모든 점을 하나의 KD-트리로 구성함으로써 압축된다.
이하에서, 인코딩을 위한 예시적인 클러스터링 방법에 대해 기술한다. C_Point가 모든 점 클러스터를 나타낸다고 하자. 처음에, C_Point는 비어 있다.
단계 1: 압축될 모든 점의 전체 경계 상자를 N*N*N개의 셀로 세분한다.
단계 2: 각각의 셀에 속하는 점의 수의 오름차순에 따라 모든 셀을 정렬하여 큐 Q_Cell에 넣는다.
단계 3: (Q_Cell이 비어 있는) 경우
Q_Cell로부터 셀 P를 제거함. 비어 있는 셀을 건너뜀. 단계 4로 감.
그렇지 않은 경우, 단계 6으로 감.
단계 4: (P가 C_Point 내의 어떤 클러스터에도 속하지 않는) 경우
P만을 포함하는 새로운 클러스터 C를 발생하고 C를 C_Point에 추가함
단계 5로 감.
그렇지 않은 경우, 단계 3으로 감.
단계 5: C에 있는 모든 셀의 모든 이웃 셀을 검사함
P1이 C 내의 임의의 셀의 임의의 이웃 셀이라고 하자.
(P1에 속하는 점의 수 > B)이고
(P1이 C_Point 내의 어떤 클러스터에도 속하지 않는) 경우
P1을 C에 추가함.
(B는 사용자-지정 임계값임)
모든 이웃 셀에 대한 검사를 끝낸 후에, 단계 3으로 감.
단계 6: C_Point 내의 동일한 클러스터에 속하는 셀에 들어 있는 점을 독립적으로 압축함. 각각의 클러스터는 대응하는 점을 구성하고 개별적인 KD-트리를 사용하여, 예컨대, [OG00]에 기초하여 이들을 압축함으로써 압축됨.
사용자-정의 파라미터 B는, 셀이 클러스터에 대한 이웃으로서 추가되기 위해, 셀에 몇개의 점이 있어야만 하는지를 지정한다. 일 실시예에서, B = 1이지만, 다른 실시예는 더 높은 B의 값을 필요로 할 수 있다. 클러스터링 방법의 흐름도가 도 7에 도시되어 있다.
얻어지는 비트 스트림의 구문은 표 1에 나타낸 것과 같을 수 있고, ae(v)는 H.264/AVC에서의 산술 코딩과 얼마간 유사한 산술 코딩을 의미한다.
Figure pct00001
예시적인 비트 스트림의 의미(semantics)는 다음과 같다:
BoundaryBox_Of_All_Instance_Positions는 모든 인스턴스 위치의 경계 상자를 나타낸다.
Num_Of_Clusters는 클러스터의 수를 나타낸다.
N은 셀의 분해능, 즉 상기한 인코딩 절차의 단계 1에서의 N을 나타낸다.
Indices_of_Two_Boundary_Cells_of_cluster[i]는 cluster[i]의 경계 상자를 정의하는 2개의 셀의 인덱스를 나타낸다. 이는 2*Log2(n*n*n) 비트를 가진다.
KD-tree_of_current_cluster는 현재 클러스터의 KD-트리를 기록하는 비트를 나타낸다.
일 실시예에서, 인코딩 동안, 실제의 클러스터링 후에, 각각의 클러스터의 경계 및 대응하는 2개의 경계 셀을 결정하는 단계가 있다. 경계는 2개의 경계 셀의 인덱스로 표현될 수 있다. 현재 클러스터의 경계 셀은 각각의 차원의 최소 인덱스 및 최대 인덱스를 갖는 셀이다. 예컨대, 2D 경우에서, 클러스터에 속하는 점들이 {xmin, xmax} 및 {ymin, ymax}의 범위에 있다면, 이들 셀이 실제로는 클러스터 내에 있지 않더라도, 경계 셀은 xmin, ymin 및 xmax, ymax에 있다. 그러나, 경계 셀의 인덱스가 현재 클러스터에 대한 국소 경계 상자를 정의하는 데 사용된다. 국소 경계 상자 내에서, 국소 좌표가 사용될 수 있고, 이는 비트의 양을 감소시킨다.
일 실시예에서, 현재 클러스터의 KD-트리를 계산하는 단계는 현재 cluster[i]에 속하는 인스턴스의 상대 위치를 계산하는 단계, 및 세계 좌표계(world coordinate system)에서 경계 상자 밖에 있는 대응하는 인스턴스 위치를 계산하는 단계를 가진다.
일 실시예에서, 인코딩 방법은 메시 모델의 공간 분해능, 예컨대, 표 1에서의 N을 정의하는 단계를 더 포함한다. 이 경우에, 셀은 정의된 공간 분해능에 따른 가장 작은 공간 분해능 단위이다. 공간 분해능은 재구성의 정확성에 영향을 미치는데, 그 이유는 인코딩 동안 특정의 셀 내의 어딘가에 있는 위치가 디코딩 후에 셀 내의 소정의 위치에서만, 예컨대, 셀의 중앙에서 재현될 수 있기 때문이다. 보다 정확한 위치를 위해, 더 높은 공간 분해능이 필요하다. 일 실시예에서, N이 사전 정의된다. 다른 실시예에서, N이 품질 요구사항에 따라 선택될 수 있는데, 예컨대, N이 저해상도 디스플레이 상에 재현하기 위해 감소될 수 있다.
이상에서 기술한 바와 같이, 종래 기술의 방법은 점들이 아주 불균일하게 분포되어 있을 때 비효과적이다. 일 실시예에서, 인코딩 방법은 점들의 공간 균일성(spatial homogeneity)의 척도를 결정하는 단계(공간 균일성의 척도는 점들이 균등하게 분포되어 있는 경우에 높고 분포가 덜 균등한 경우에 낮음), 공간 균일성을 임계값과 비교하는 단계, 및 공간 균일성이 임계값 미만인 경우에만 클러스터링을 수행하는 단계를 더 포함한다. 예컨대, 인코딩 방법은 반복하는 인스턴스의 기준점의 공간 균일성의 척도를 결정하는 단계, 공간 균일성을 임계값과 비교하는 단계, 및 공간 균일성이 임계값 미만인 경우에만(즉, 점들의 분포가 아주 불균일한 경우에) 클러스터링을 수행하는 단계를 포함할 수 있다.
일 실시예에서, 인코딩 방법은 공간 균일성이 임계값 미만인 경우에 공간 분해능을 수정하는 단계, 공간 균일성을 측정하는 단계, 및 공간 균일성이 임계값 미만이 아닐 때까지 이들 단계를 반복하는 단계를 더 포함한다.
도 4는 클러스터에 기초한 인코딩된 메시 모델의 데이터 구조를 나타낸 것이다. 특정 유형의 연결 성분 및 전체 3D 메시 모델을 참조하는 루트는 적어도 하나의 클러스터 - 반복하는 연결 성분을 참조하고 KD-트리 KD-T1, …, KD-T3로서 표현됨 - 를 포함한다. 도 4의 예에서, 연결 성분 루트 CCr은 특정의 연결 성분을 나타낸다. 예를 들어, 연결 성분은 3D 엔지니어링 메시 모델에서 특정의 유형의 나사일 수 있다. 이 예에서, 이러한 유형의 나사가 아주 종종 사용되는 3D 모델 내의 3개의 영역이 있다. 이들 영역 각각은 클러스터 - 개별적인 KD-트리 KD-T1, …, KD-T3로 표현되어 있음 - 로서 나타내어져 있다. 다른 영역에도 연결 성분의 인스턴스가 하나 있거나 거의 없을 수 있다. 일 실시예에서, 이들 인스턴스가 클러스터링되지 않고, 그의 위치가 개별적인 구조 T4, 예컨대, 특수 KD-트리 또는 단지 좌표의 목록에 기재되어 있다. 3개의 클러스터 KD-트리 KD-T1, …, KD-T3 각각은 연결 성분의 다수의 인스턴스로 된 하나의 클러스터를 참조하고 위치 정보, 예컨대, 클러스터의 경계 셀의 인덱스를 포함한다.
이하에서, 본 발명의 추가의 실시예들에 대해 기술한다.
일 실시예에서, 메시 모델의 점들을 인코딩하는 장치는 메시 모델이 연결 성분의 반복하는 인스턴스를 포함하는지를 판정하는 판정 수단, 및 각각의 반복하는 인스턴스에 대해 적어도 하나의 기준점을 결정하는 결정 수단, 반복하는 인스턴스들의 기준점들을 하나 이상의 클러스터로 클러스터링하는 클러스터링 수단, 및 클러스터링된 기준점들을 KD-트리 코딩을 사용하여 인코딩하는 인코딩 수단 - 각각의 클러스터에 대해, 개별적인 KD-트리가 발생됨 - 을 포함한다.
일 실시예에서, 클러스터링 수단은 메시 모델 주변에 경계 상자를 정의하는 정의 수단, 경계 상자를 셀들로 분할하는 분할 수단 - 셀은 가장 작은 공간 분해능 단위임 -, 아직 클러스터링되지 않았고 반복하는 인스턴스의 하나 이상의 기준점을 포함하는 제1 셀을 선택하는 선택 수단, 및 상기 제1 셀 또는 상기 제1 셀 내의 하나 이상의 기준점을 포함하는 클러스터를 정의하는 정의 수단을 포함한다.
일 실시예에서, 장치는 하나 이상의 추가의 셀을 결정하는 결정 수단 - 추가의 셀은 선택된 제1 셀의 이웃하는 셀 또는 재귀적으로 이웃하는 셀이고, 결정된 추가의 셀 각각은 반복하는 인스턴스의 적어도 하나의 기준점을 포함함 -, 및 상기 결정된 이웃하는 셀 또는 셀들을 상기 클러스터에 추가하는 추가 수단을 더 포함한다.
일 실시예에서, 클러스터링 수단은 각각의 셀 내의 기준점의 수의 오름차순 또는 내림차순으로 모든 셀을 정렬하는 구성 수단을 더 포함하고, 제1 셀(즉, 클러스터의 초기 셀)은 상기 순서에 따라 선택된다.
일 실시예에서, 클러스터링 수단은 현재 클러스터의 경계 셀(각각의 차원의 최소 인덱스 및 최대 인덱스를 갖는 셀임)을 결정하는 수단을 포함한다.
일 실시예에서, 인코딩 장치는 공간 분해능을 정의하는 수단을 더 포함하고, 여기서 셀은 상기 정의된 공간 분해능에 따른 가장 작은 공간 분해능 단위이다.
일 실시예에서, 인코딩 장치는 반복하는 인스턴스의 기준점의 공간 균일성의 척도를 결정하는 분석 수단 - 공간 균일성(spatial homogeneity)의 척도는 기준점들이 균등하게 분포되어 있는 경우에 높고 분포가 덜 균등한 경우에 낮음 -, 공간 균일성을 임계값과 비교하는 비교기 수단, 및 공간 균일성이 임계값 미만인 경우에만 클러스터링이 수행되도록 제어하는 제어 수단을 더 포함한다.
일 실시예에서, 인코딩된 메시 모델은 복수의 반복하는 연결 성분을 포함하고, 인코딩된 메시 모델은 각각의 반복하는 연결 성분의 적어도 하나의 인스턴스의 인코딩된 데이터, 상기 반복하는 연결 성분의 복수의 반복의 위치 - 위치는 KD-트리로서 인코딩됨 -, 및 메시 모델 내에서의 경계 영역 - KD-트리는 상기 영역을 참조함 - 을 포함한다.
일 실시예에서, 인코딩된 메시 모델의 경계 영역의 데이터는 경계 셀의 인덱스를 포함한다.
도 6b에 도시된 일 실시예에서, 인코딩된 메시 모델의 점들을 디코딩하는 방법은 반복하는 연결 성분의 인스턴스에 대한 데이터를 추출(D1)하는 단계, 상기 추출된 데이터를 사용하여 연결 성분의 인스턴스를 디코딩(D2)하는 단계, 클러스터의 수를 정의하는 제1 데이터(Num_Of_Clusters), 공간 분해능을 정의하는 제2 데이터(N), 및 상기 반복하는 연결 성분의 복수의 반복의 위치인 제3 데이터(KD-T1, ..., KD-T3) - 제3 데이터는 KD-트리로서 인코딩됨 - 를 추출(D3)하는 단계, 메시 모델 내의 부분을 정의하는 제4 데이터(Index_Boundary_Cluster)를 추출(D4)하는 단계, 및 제3 데이터 및 제4 데이터로부터 상기 반복하는 연결 성분의 복수의 반복의 위치를 결정(D5)하는 단계를 포함하고, 제3 데이터는 제4 데이터에 의해 정의되는 메시 모델의 부분에 적용된다.
디코딩 방법의 일 실시예에서, 제4 데이터(Index_Boundary_Cluster)는 메시 모델 내의 2개의 셀의 인덱스를 포함하고, 셀은 상기 제2 데이터에 의해 정의된 공간 분해능에 따른 가장 작은 공간 분해능 단위이다.
실험은, 패턴 위치 데이터에 대해, 본 발명에 따른 클러스터 기반 KD-트리 압축이, 종래의 KD-트리 기반 압축과 비교하여, 약 50%의 저장 공간(Clus_Comp/Coor_Comp)을 절감할 수 있음을 보여준다.
표 2에서, #C는 연결 성분의 수이고, #P는 반복하는 성분의 수이고, Coor.(K)는 원시 인스턴스 위치의 크기(단위: 킬로바이트)이며, Coor_Comp (K)는 하나의 KD-트리를 사용하여 압축된 인스턴스 위치의 크기이고, #Clu는 클러스터의 수이며, Clu_Coor_Comp (K)는 클러스터형 KD-트리 기반 압축 방법에 의해 압축된 인스턴스 위치의 크기이다.
Figure pct00002
본 발명의 바람직한 실시예에 적용되는 본 발명의 새로운 기본 특징이 도시되고 기술되며 지적되어 있지만, 기술된 장치 및 방법, 개시된 장치의 형태 및 상세, 그리고 그의 동작에서의 다양한 생략, 대체 및 변경이 본 발명의 사상을 벗어나지 않고 당업자에 의해 행해질 수 있다는 것을 이해할 것이다. 본 발명이 반복하는 연결 성분의 인스턴스 위치와 관련하여 개시되어 있지만, 당업자는 본 명세서에 기술된 방법 및 장치가 원칙적으로 이산점의 그룹의 압축에 관한 임의의 시나리오에 적용될 수 있다는 것을 인식할 것이다. 동일한 결과를 달성하기 위해 실질적으로 동일한 방식으로 실질적으로 동일한 기능을 수행하는 요소들의 모든 조합이 명백히 본 발명의 범위 내에 속하는 것으로 보아야 한다. 기술된 한 실시예의 요소를 다른 기술된 실시예의 요소로 치환하는 것도 충분히 의도되며 생각되고 있다.
본 발명이 단지 예로서 기술되었고 본 발명의 범위를 벗어나지 않고 상세에 대한 수정이 행해질 수 있다는 것을 이해할 것이다. 설명 및 특허청구범위(적절한 경우)와 도면에 개시된 각각의 특징이 독립적으로 또는 임의의 적절한 조합으로 제공될 수 있다. 특징이, 적절한 경우, 하드웨어로, 소프트웨어로, 또는 이 둘의 조합으로 구현될 수 있다. 청구항에 나오는 참조 번호는 단지 예시이며, 청구항의 범위를 결코 제한하는 것으로 보아서는 안 된다.

Claims (20)

  1. 메시 모델의 점들을 인코딩하는 방법으로서,
    상기 메시 모델이 연결 성분(connected component)의 반복하는 인스턴스들(repeating instances)을 포함하는 것을 판정(E1)하는 단계 및 각각의 반복하는 인스턴스에 대해 적어도 하나의 기준점을 판정하는 단계;
    상기 반복하는 인스턴스들의 기준점들을 하나 이상의 클러스터로 클러스터링하는 단계; 및
    상기 클러스터링된 기준점들을 KD-트리 코딩을 사용하여 인코딩하는 단계 - 각각의 클러스터에 대해, 개별적인 KD-트리가 발생됨 -
    를 포함하는 인코딩 방법.
  2. 제1항에 있어서, 상기 클러스터링하는 단계는,
    상기 메시 모델 주변에 경계 상자(bounding box)를 정의하는 단계;
    상기 경계 상자를 셀들로 분할하는 단계 - 셀은 가장 작은 공간 분해능 단위임 -;
    아직 클러스터링되지 않았고 반복하는 인스턴스의 하나 이상의 기준점을 포함하는 제1 셀을 선택하는 단계; 및
    상기 제1 셀, 또는 상기 제1 셀 내의 상기 하나 이상의 기준점을 포함하는 클러스터를 정의하는 단계
    를 포함하는 인코딩 방법.
  3. 제2항에 있어서, 상기 제1 셀은 아직 클러스터링되지 않은 경우에만 선택되고 M개의 반복하는 인스턴스의 적어도 M개의 기준점을 포함하며, M은 사용자-정의가능 파라미터인 인코딩 방법.
  4. 제2항 또는 제3항에 있어서,
    하나 이상의 추가의 셀들을 결정하는 단계 - 상기 추가의 셀들은 상기 선택된 제1 셀의 이웃하는 셀들 또는 재귀적으로 이웃하는 셀들이고, 상기 결정된 추가의 셀들의 각각은 반복하는 인스턴스의 적어도 하나의 기준점을 포함함 -; 및
    상기 결정된 이웃하는 셀 또는 셀들을 상기 클러스터에 추가하는 단계
    를 더 포함하는 인코딩 방법.
  5. 제2항 내지 제4항 중 어느 한 항에 있어서, 상기 클러스터링하는 단계는 각각의 셀 내의 기준점들의 수의 오름차순 또는 내림차순으로 모든 셀들을 정렬하는 단계를 더 포함하고, 상기 제1 셀들은 상기 순서에 따라 선택되는 인코딩 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서, 상기 클러스터링하는 단계는 현재 클러스터의 경계 셀들(각각의 차원(dimension)의 최소 인덱스들 및 최대 인덱스들을 갖는 셀들임)을 결정하는 단계를 포함하는 인코딩 방법.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서, 공간 분해능(N)을 정의하는 단계를 더 포함하고, 셀은 상기 정의된 공간 분해능에 따른 가장 작은 공간 분해능 단위인 인코딩 방법.
  8. 제1항 내지 제7항 중 어느 한 항에 있어서,
    상기 반복하는 인스턴스들의 기준점들의 공간 균일성(spatial homogeneity)의 척도(measure)를 결정하는 단계 - 상기 공간 균일성의 척도는 상기 기준점들이 균등하게 분포되어 있는 경우에 높고 분포가 덜 균등한 경우에 낮음 -;
    상기 공간 균일성을 임계값과 비교하는 단계; 및
    상기 공간 균일성이 임계값 미만인 경우에만 상기 클러스터링하는 단계를 수행하는 단계
    를 더 포함하는 인코딩 방법.
  9. 제8항에 있어서,
    상기 공간 균일성이 상기 임계값 미만인 경우에 상기 공간 분해능을 수정하는 단계; 및
    공간 균일성의 척도를 결정하는 상기 단계를 반복하는 단계
    를 더 포함하는 인코딩 방법.
  10. 메시 모델의 점들을 인코딩하는 장치로서,
    상기 메시 모델이 연결 성분의 반복하는 인스턴스들을 포함하는 것을 판정하는 수단, 및 각각의 반복하는 인스턴스에 대해 적어도 하나의 기준점을 결정하는 수단;
    상기 반복하는 인스턴스들의 기준점들을 하나 이상의 클러스터로 클러스터링하는 수단; 및
    상기 클러스터링된 기준점들을 KD-트리 코딩을 사용하여 인코딩하는 수단 - 각각의 클러스터에 대해, 개별적인 KD-트리가 발생됨 -
    을 포함하는 인코딩 장치.
  11. 제10항에 있어서, 상기 클러스터링하는 수단은,
    상기 메시 모델 주변에 경계 상자를 정의하는 수단;
    상기 경계 상자를 셀들로 분할하는 수단 - 셀은 가장 작은 공간 분해능 단위임 -;
    아직 클러스터링되지 않았고 반복하는 인스턴스의 하나 이상의 기준점을 포함하는 제1 셀을 선택하는 수단; 및
    상기 제1 셀, 또는 상기 제1 셀 내의 하나 이상의 기준점을 포함하는 클러스터를 정의하는 수단
    을 포함하는 인코딩 장치.
  12. 제10항에 있어서,
    하나 이상의 추가의 셀들을 결정하는 수단 - 상기 추가의 셀들은 상기 선택된 제1 셀의 이웃하는 셀들 또는 재귀적으로 이웃하는 셀들이고, 상기 결정된 추가의 셀들의 각각은 반복하는 인스턴스의 적어도 하나의 기준점을 포함함 -; 및
    상기 결정된 이웃하는 셀 또는 셀들을 상기 클러스터에 추가하는 수단
    을 더 포함하는 인코딩 장치.
  13. 제10항 내지 제12항 중 어느 한 항에 있어서, 상기 클러스터링하는 수단은 각각의 셀 내의 기준점들의 수의 오름차순 또는 내림차순으로 모든 셀들을 정렬하는 수단을 더 포함하고, 상기 제1 셀들은 상기 순서에 따라 선택되는 인코딩 장치.
  14. 제10항 내지 제13항 중 어느 한 항에 있어서, 상기 클러스터링하는 수단은 현재 클러스터의 경계 셀들(각각의 차원의 최소 인덱스들 및 최대 인덱스들을 갖는 셀들임)을 결정하는 수단을 포함하는 인코딩 장치.
  15. 제10항 내지 제14항 중 어느 한 항에 있어서, 공간 분해능(N)을 정의하는 수단을 더 포함하고, 셀은 상기 정의된 공간 분해능에 따른 가장 작은 공간 분해능 단위인 인코딩 장치.
  16. 제10항 내지 제15항 중 어느 한 항에 있어서,
    상기 반복하는 인스턴스들의 기준점들의 공간 균일성의 척도를 결정하는 수단 - 상기 공간 균일성의 척도는 상기 기준점들이 균등하게 분포되어 있는 경우에 높고 분포가 덜 균등한 경우에 낮음 -;
    상기 공간 균일성을 임계값과 비교하는 수단; 및
    상기 공간 균일성이 상기 임계값 미만인 경우에만 상기 클러스터링을 수행하는 수단
    을 더 포함하는 인코딩 장치.
  17. 복수의 반복하는 연결 성분을 포함하는 인코딩된 메시 모델로서,
    상기 인코딩된 메시 모델은 적어도,
    각각의 반복하는 연결 성분의 하나의 인스턴스;
    상기 반복하는 연결 성분들의 복수의 반복의 위치들 - 상기 위치들은 KD-트리로서 인코딩됨 -; 및
    상기 메시 모델 내의 경계 영역 - 상기 KD-트리는 상기 영역을 참조함 -
    의 인코딩된 데이터를 포함하는, 인코딩된 메시 모델.
  18. 제17항에 있어서, 상기 경계 영역의 상기 데이터는 경계 셀들의 인덱스들을 포함하는, 인코딩된 메시 모델.
  19. 인코딩된 메시 모델의 점들을 디코딩하는 방법으로서,
    반복하는 연결 성분의 인스턴스에 대한 데이터를 추출하는 단계;
    상기 추출된 데이터를 사용하여 상기 연결 성분의 인스턴스를 디코딩하는 단계;
    클러스터의 수를 정의하는 제1 데이터(Num_Of_Clusters), 공간 분해능을 정의하는 제2 데이터(N), 및 상기 반복하는 연결 성분의 복수의 반복의 위치들인 제3 데이터(KD-T) - 상기 제3 데이터(KD-T)는 KD-트리로서 인코딩됨 - 를 추출하는 단계;
    상기 메시 모델 내의 부분을 정의하는 제4 데이터(Index_Boundary_Cluster)를 추출하는 단계; 및
    상기 제3 데이터(KD-T) 및 상기 제4 데이터로부터 상기 반복하는 연결 성분의 복수의 반복의 위치들을 결정하는 단계 - 상기 제3 데이터(KD-T)가 상기 제4 데이터에 의해 정의되는 상기 메시 모델의 상기 부분에 적용됨 -
    를 포함하는 디코딩 방법.
  20. 제19항에 있어서, 상기 제4 데이터(Index_Boundary_Cluster)는 상기 메시 모델 내의 2개의 셀의 인덱스들 - 셀은 상기 제2 데이터(N)에 의해 정의된 공간 분해능에 따른 가장 작은 공간 분해능 단위임 - 을 포함하는 디코딩 방법.
KR1020127009533A 2009-10-15 2009-10-15 메시 모델을 인코딩하는 방법 및 장치, 인코딩된 메시 모델, 그리고 메시 모델을 디코딩하는 방법 및 장치 KR101637624B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2009/001143 WO2011044713A1 (en) 2009-10-15 2009-10-15 Method and apparatus for encoding a mesh model, encoded mesh model, and method and apparatus for decoding a mesh model

Publications (2)

Publication Number Publication Date
KR20120095869A true KR20120095869A (ko) 2012-08-29
KR101637624B1 KR101637624B1 (ko) 2016-07-07

Family

ID=43875774

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020127009533A KR101637624B1 (ko) 2009-10-15 2009-10-15 메시 모델을 인코딩하는 방법 및 장치, 인코딩된 메시 모델, 그리고 메시 모델을 디코딩하는 방법 및 장치

Country Status (6)

Country Link
US (1) US8949092B2 (ko)
EP (1) EP2489208A4 (ko)
JP (1) JP5456903B2 (ko)
KR (1) KR101637624B1 (ko)
CN (1) CN102577442B (ko)
WO (1) WO2011044713A1 (ko)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102484507B (zh) * 2009-09-01 2015-01-21 日本电气株式会社 通信传输装置、通信耦合器以及阻抗调整片
WO2013007171A1 (en) * 2011-07-08 2013-01-17 Technicolor (China) Technology Co., Ltd. System and method for encoding and decoding a bitstream for a 3d model having repetitive structure
KR20140086998A (ko) * 2011-11-07 2014-07-08 톰슨 라이센싱 예측 위치 인코딩
CN103999490B (zh) * 2011-11-28 2018-05-08 汤姆逊许可公司 可终止的基于空间树的位置编码和解码的方法和装置
TWI534760B (zh) * 2011-11-28 2016-05-21 湯姆生特許公司 空間樹結構對輸入空間點編碼之方法及編碼器，以及空間樹結構位元流之解碼方法及解碼器
KR20140116114A (ko) * 2012-01-21 2014-10-01 톰슨 라이센싱 3차원 (3ｄ) 모델들의 텍스처 정보를 압축하는 방법 및 장치
WO2013117001A1 (en) * 2012-02-09 2013-08-15 Thomson Licensing Efficient compression of 3d models based on octree decomposition
US20150379769A1 (en) * 2012-02-20 2015-12-31 Thomson Licensing Method and apparatus for mesh simplification
EP2839439B1 (en) 2012-04-18 2024-02-28 InterDigital Madison Patent Holdings, SAS Vertex correction method and apparatus for rotated three-dimensional (3d) components
WO2014005415A1 (en) * 2012-07-04 2014-01-09 Thomson Licensing System and method for multi-level repetitive structure based 3d model compression
US9866840B2 (en) 2013-01-10 2018-01-09 Thomson Licensing Method and apparatus for vertex error correction
CN104123739A (zh) * 2013-04-24 2014-10-29 冯卫国 由面元件构成的多面体的编码及解码方法和立体拼图
CA2999193A1 (en) * 2015-09-23 2017-03-30 Koninklijke Philips N.V. Generation of triangle mesh for a three dimensional image
JP7138695B2 (ja) * 2015-12-14 2022-09-16 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置及び三次元データ復号装置
US10733766B2 (en) 2016-10-19 2020-08-04 Google, Llc Methods and apparatus to encode and/or decode normals of geometric representations of surfaces
US10313673B2 (en) 2016-10-19 2019-06-04 Google Llc Methods and apparatus to encode and/or decode normals of geometric representations of surfaces
US10496336B2 (en) 2016-11-17 2019-12-03 Google Llc K-D tree encoding for point clouds using deviations
US9787321B1 (en) 2016-11-17 2017-10-10 Google Inc. Point cloud data compression using a space-filling curve
US10430975B2 (en) 2016-11-17 2019-10-01 Google Llc Advanced k-D tree encoding for point clouds by most significant axis selection
US10950042B2 (en) 2017-06-02 2021-03-16 Google Llc Guided traversal in compression of triangular meshes
US10553035B2 (en) 2017-06-02 2020-02-04 Google Llc Valence based implicit traversal for improved compression of triangular meshes
MX2020010889A (es) 2018-04-19 2020-11-09 Panasonic Ip Corp America Metodo de codificacion de datos tridimensionales, metodo de decodificacion de datos tridimensionales, dispositivo codificador de datos tridimensionales y dispositivo decodificador de datos tridimensionales.
US10891758B2 (en) 2018-07-23 2021-01-12 Google Llc Geometry encoder
US10762667B2 (en) 2018-11-30 2020-09-01 Point Cloud Compression, B.V. Method and apparatus for compression of point cloud data
CN110296703A (zh) * 2019-06-21 2019-10-01 中国人民解放军陆军工程大学 一种应用于大规模无人机群系统中的地理位置编码方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB426038A (en) 1933-10-02 1935-03-26 Mauser Werke Ag Improvements in or relating to sewing machines
KR100294926B1 (ko) * 1998-08-29 2001-07-12 윤종용 점진적인 삼차원 메쉬 정보의 부호화/복호화 방법 및 장치
KR100294927B1 (ko) 1998-08-29 2001-07-12 윤종용 점진적인 삼차원 메쉬 정보의 부호화 방법 및 그 장치
US7538764B2 (en) * 2001-01-05 2009-05-26 Interuniversitair Micro-Elektronica Centrum (Imec) System and method to obtain surface structures of multi-dimensional objects, and to represent those surface structures for animation, transmission and display
US20040181373A1 (en) 2003-03-12 2004-09-16 Computer Associates Think, Inc. Visual simulation of dynamic moving bodies
JP4759291B2 (ja) 2004-03-08 2011-08-31 三星電子株式会社 適応的２ｎ進ツリーの生成方法、ならびにそれを利用して３次元体積データを符号化／復号化する方法および装置
KR100695142B1 (ko) 2004-03-08 2007-03-14 삼성전자주식회사 적응적 ２의 ｎ 제곱 진트리 생성방법 및 이를 이용한 3차원 체적 데이터 부호화/복호화 방법 및 장치
GB2420669A (en) 2004-11-26 2006-05-31 Snell & Wilcox Ltd Image segmentation
JP4756033B2 (ja) * 2005-03-18 2011-08-24 富士通株式会社 電子パッケージ評価装置，電子パッケージ最適化装置及び電子パッケージ評価プログラムを記録したコンピュータ読取可能な記録媒体
US8448067B2 (en) * 2006-12-07 2013-05-21 Sony Computer Entertainment America, LLC Graphics command management tool and methods for analyzing performance for command changes before application modification
CN101470894A (zh) * 2007-12-26 2009-07-01 中国科学院自动化研究所 一种用于实时分割三维网格模型的笔划式交互方法
CN100547616C (zh) 2008-01-21 2009-10-07 浙江大学 一种基于分级层次化深度网格的森林绘制方法
CA2713861A1 (en) * 2008-02-04 2009-08-13 Iain Alexander Anderson Integrated-model musculoskeletal therapies
CN101373543A (zh) * 2008-09-28 2009-02-25 武汉大学 三维网格模型的快速剖切方法
US8681145B2 (en) * 2009-03-20 2014-03-25 Disney Enterprises, Inc. Attribute transfer between computer models including identifying isomorphic regions in polygonal meshes
JP5615354B2 (ja) * 2009-06-23 2014-10-29 トムソン ライセンシングＴｈｏｍｓｏｎ Ｌｉｃｅｎｓｉｎｇ 繰り返しパターンを用いた３ｄメッシュの圧縮方法
JP5635088B2 (ja) 2009-07-16 2014-12-03 ダウ グローバル テクノロジーズ エルエルシー ポリオレフィン系人工皮革

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
D. Shikhare, S. Bhakar and S. P. Mudur . "Compression of Large 3D Engineering Models using Automatic Discovery of Repeating Geometric Features", November 21-23, 2001, Stuttgart, Germany *
K CAI; W WANG; Z CHEN; Q CHEN; J TENG: "Exploiting repeated patterns for efficient compression of massive models" PROCEEDINGS OF THE 8TH INTERNATIONAL CONFERENCE ON VIRTUAL REALITY CONTINUUM AND ITS A *
O. Devillers, P. Gandoin. "Geometric compression for interactive transmission", in: IEEE Visualization, 2000, pp. 319-326 *
S . P . MUDUR AND D . SHIKHARE: "3D Compression of Engineering Models for Cooperative Computing Applications"INTERNATIONAL CONFERENCE ON INFRASTRUCTURE FOR E-BUSINESS, E-EDUCATION, E-SCIENCE, AND E-ME *

Also Published As

Publication number Publication date
EP2489208A1 (en) 2012-08-22
WO2011044713A1 (en) 2011-04-21
CN102577442A (zh) 2012-07-11
US20120203514A1 (en) 2012-08-09
KR101637624B1 (ko) 2016-07-07
JP2013507701A (ja) 2013-03-04
EP2489208A4 (en) 2017-05-03
US8949092B2 (en) 2015-02-03
JP5456903B2 (ja) 2014-04-02
CN102577442B (zh) 2015-06-03

Similar Documents

Publication Publication Date Title
KR101637624B1 (ko) 메시 모델을 인코딩하는 방법 및 장치, 인코딩된 메시 모델, 그리고 메시 모델을 디코딩하는 방법 및 장치
EP2697985B1 (en) Method for encoding a mesh model, encoded mesh model and method for decoding a mesh model
Pantaleoni et al. HLBVH: Hierarchical LBVH construction for real-time ray tracing of dynamic geometry
JP5615354B2 (ja) 繰り返しパターンを用いた３ｄメッシュの圧縮方法
CN111699696A (zh) 用于对字节流进行编码和解码的方法和设备
CN111260784B (zh) 一种城市三维空间网格压缩编码方法、装置及终端设备
WO2021196392A1 (zh) 一种点云几何编码方法、解码方法、编码设备及解码设备
CN105139449B (zh) 一种基于三维网格细分和编码的三维模型压缩方法
CN106600700B (zh) 一种三维模型数据处理系统
CN115047825A (zh) 一种数控加工铣削实时显示的方法
JP2023549447A (ja) 点群階層化方法、デコーダ、エンコーダ及び記憶媒体
CN115587451A (zh) 一种基于体素划分的网页端三角面片模型动态更新方法
WO2022120542A1 (zh) 点云编码和解码方法、装置及计算机可读存储介质
KR20230073303A (ko) 계층적 팔레트 테이블 생성을 이용하는 팔레트 모드 비디오 인코딩
CN114116925A (zh) 一种时空数据的查询方法及相关装置
Choi et al. Parallel SAH kD Tree construction for fast dynamic scene ray tracing
CN116416387B (zh) Osgb三维模型快速顶层重建方法
CN117437354A (zh) 一种海量倾斜摄影三维模型数据存储和秒级加载方法
CN115690360A (zh) 一种bim模型的复用判断方法及系统
Nuber et al. Using graphs for fast error term approximation of time-varying datasets
Kälberer et al. Lossless compression of adaptive multiresolution meshes
CN114615509A (zh) 一种点云的按序编码、解码方法和装置
CN115937445A (zh) 一种空间模型切片数据组织结构的生成方法
CN117319683A (zh) 基于纹理驱动的图稀疏度优化的点云属性压缩方法
Costa et al. Multi-Level Hashed Grids for Ray Tracing

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190716

Year of fee payment: 4