KR20200067112A - 삼차원 동적 포인트 클라우드 압축방법 - Google Patents

Abstract

본 발명의 실시예에 따른 삼차원 동적 포인트 클라우드 압축방법은 장치에 의해서 구현되는 삼차원 동적 포인트 클라우드 압축방법으로, 단일 프레임에서 포인트의 위치, 색상 정보를 압축하는 프레임 내 압축 단계 및 인접한 프레임 간의 상기 포인트의 위치, 색상정보를 압축하는 프레임 간 압축단계를 포함하고 이를 통해서 삼차원 동적 포인트 클라우드를 효율적으로 압축할 수 있다.

Description

삼차원 동적 포인트 클라우드 압축방법{3D DYNAMIC POINT CLOUD COMPRESSION METHOD}

본 발명은 삼차원 동적 포인트 클라우드 압축방법에 관한 것으로서, 보다 상세하게는 삼차원 프레임 내 압축방법과 삼차원 프레임 간의 압축기법을 포함하는 삼차원 동적 포인트 클라우드 압축방법에 관한 것이다.

인터넷은 인간이 정보를 생성하고 소비하는 인간 중심의 연결 망에서, 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 사물인터넷(Internet of Things, IoT) 망으로 진화하고 있다. IoE(Internet of Everything) 기술은 클라우드 서버 등과의 연결을 통한 빅데이터 (Big data) 처리 기술 등이 IoT 기술에 결합된 하나의 예가 될 수 있다.

IoT를 구현하기 위해서, 센싱 기술, 유무선 통신 및 네트워크 인프라, 서비스 인터페이스 기술, 및 보안 기술 등과 같은 기술 요소 들이 요구되어, 최근에는 사물간의 연결을 위한 센서 네트워크(sensor network), 사물 통신(Machine to Machine, M2M), MTC (Machine Type Communication) 등의 기술이 연구되고 있다.

IoT 환경에서는 연결된 사물들에서 생성된 데이터를 수집, 분석하여 인간의 삶에 새로운 가치를 창출하는 지능형 IT(Internet Technology) 서비스가 제공될 수 있다. IoT는 기존의 IT 기술과 다양한 산업 간의 융합 및 복합을 통하여 스마트홈, 스마트 빌딩, 스마트 시티, 스마트 카 혹은 커넥티드 카, 스마트 그리드, 헬스 케어, 스마트 가전, 첨단의료서비스 등의 분야에 응용될 수 있다.

한편, 멀티미디어 관련 국제 표준화 기구인 MPEG(Moving Picture Experts Group)은 1988년 MPEG-1을 시작으로 현재까지, MPEG-2, MPEG-4, MPEG-7, MPEG-21의 표준화 작업을 진행하고 있다. 또한 멀티미디어 응용 형식(Multimedia Application Format, MAF)은 기존의 MPEG 표준들뿐만 아니라, 비 MPEG 표준들을 함께 사용하여, 산업의 요구를 적극적으로 대응하여 표준의 활용 가치를 높이고자 한다. 상기 MAF 표준화의 주요 목적은 MPEG 기술을 쉽게 산업에서 이용 할 수 있는 기회를 제공하는데 있다. 즉, MAF 표준화의 주요 목적은 특정한 어플리케이션을 위한 표준화된 파일 포맷을 제공함으로써, 해당 어플리케이션의 범용적인 사용 및 MPEG 표준의 보급 등을 목적으로 한다.

한편, 대용량의 3차원 데이터는 포인트 클라우드(point cloud)로 표현되며, 포인트 클라우드는 방대한 양의 포인트의 집합을 의미한다. 포인트 클라우드는 2D 영상과는 비교되는 값으로, 3차원 상의 한 점을 표현하는 방법이고, 위치 좌표와 색상을 동시에 가지는 벡터 형태이다. 예를 들어, 포인트 클라우드는 (x, y, z, R, G, B)와 같이 표현될 수 있다.

3차원 데이터를 표현하는 포인트 클라우드는 상당량의 메모리 리소스를 차지하기 때문에 포인트 클라우드 압축 방법이 요구된다. 그러나 일반적인 포인트 클라우드 압축 방법은 새로운 코덱을 생성하고 확산하는데 시간이 많이 필요하기 때문에 기존의 코덱(예컨대, 2차원 비디오 압축 방식)을 활용하는 효율적인 방법이 요구되고 있다.

일본 공개특허 제2000-011206호(2000.01.14.) 대한민국 공개특허 제2019-0089115(2019.07.30.)

본 발명의 목적은 삼차원 포인트 클라우드를 사용하기 위해 효율적으로 압축하는 삼차원 동적 포인트 클라우드 압축방법을 제공하는 것이다.

본 발명의 실시예에 따른 삼차원 동적 포인트 클라우드 압축방법은 장치에 의해서 구현되는 삼차원 동적 포인트 클라우드 압축방법으로, 단일 프레임에서 포인트의 위치, 색상 정보를 압축하는 프레임 내 압축 단계 및 인접한 프레임 간의 상기 포인트의 위치, 색상정보를 압축하는 프레임 간 압축단계를 포함한다.

본 발명의 실시예에 따른 삼차원 동적 포인트 클라우드 압축방법에 의하면, 삼차원 포인트 클라우드를 효율적으로 압축할 수 있다.

또한, 기 설정되는 임계값을 조정하여 삼차원 동적 포인트 클라우드의 압축율을 조절할 수 있다.

도 1은 본 발명의 실시예에 따른 삼차원 동적 포인트 클라우드 압축방법의 순서도이다.
도 2는 본 발명의 실시예에 따른 프레임 내 위치정보를 압축하는 단계의 순서도이다.
도 3은 본 발명의 실시예에 따른 팔진 트리 생성 예시도이다.
도 4는 본 발명의 실시예에 따른 프레임 내 색상정보 압축단계의 순서도이다.
도 5는 본 발명의 실시예에 따른 이중 팔진 트리 생성과정의 예시도이다.
도 6은 본 발명의 실시예에 따른 k-최근접 이웃 알고리즘의 예시도이다.

상술한 본 발명의 특징 및 효과는 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이며, 그에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다.

제1, 제2등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다.

일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.

이하의 설명에서 사용되는 구성요소에 대한 접미사 모듈, 블록 및 부는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.

이하, 본 발명의 바람직한 실시 예를 첨부한 도면을 참조하여 당해 분야에 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 설명한다. 하기에서 본 발명의 실시 예를 설명함에 있어, 관련된 공지의 기능 또는 공지의 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.

도 1은 본 발명의 실시예에 따른 삼차원 동적 포인트 클라우드 압축방법의 순서도이다.

도 1에 도시된 바와 같이 본 발명의 실시예에 따른 삼차원 동적 포인트 클라우드 압축방법은 장치에 의해서 구현되는 삼차원 동적 포인트 클라우드 압축방법으로, 단일 프레임에서 포인트의 위치, 색상 정보를 압축하는 프레임 내 압축 단계(S100) 및 인접한 프레임 간의 상기 포인트의 위치, 색상정보를 압축하는 프레임 간 압축단계(S200)를 포함한다.

본 발명의 실시예에 따른 삼차원 동적 포인트 클라우드 압축방법을 상세히 설명하기에 앞서 본 발명의 전반에 걸쳐 사용되고 있는 용어를 정의한다.

포인트 클라우드는 삼차원 영상 정보를 표현하는 한 가지 자료 구조이며, 삼차원 포인트 클라우드는 삼차원 영상 정보를 무수히 많은 포인트들의 집합으로 표현하고 있다. 각 포인트들은 위치 정보를 나타내는 값과 색상 정보를 나타내는 값을 포함하고 있다.

삼차원 데이터를 표현하는 방법으로는 삼차원 포인트 클라우드, 삼차원 메쉬 등이 있다. 이 중 삼차원 포인트 클라우드는 삼차원 데이터를 무수히 많은 포인트들의 집합으로 표현하고 있다. 각 포인트들은 위치 정보를 나타내는 값과 색상 정보를 나타내는 값을 포함하고 있다.

동적 포인트 클라우드는 인접한 포인트 클라우드 프레임 여러 장으로 구성되어 있다. 이때 인접한 프레임 간에 전체 포인트 개수가 다르고, 변화 영역의 크기와 정도가 크지 않다는 특징을 가지고 있다. 대표적인 동적 포인트 클라우드 데이터 셋으로는 JPEG Pleno Database: Microsoft Voxelized Upper Bodies가 있고, 이는 20만개 이상의 포인트들로 이루어진 프레임 수 백 장으로 이루어져 있다. 이에 따라 삼차원 포인트 클라우드는 굉장히 큰 용량을 차지한다. 따라서 실생활에서 삼차원 포인트 클라우드를 사용하기 위해서는 압축이 필수적이다.

팔진 트리는 삼차원 포인트 위치 정보를 표현하는 한 가지 자료 구조이다. 팔진 트리는 삼차원 포인트들이 속한 삼차원 공간을 계층적으로 동일한 크기의 정육면체 공간 8개로 분할한다. 각 계층에서 분할된 공간 내 포인트 존재 유무에 따라 팔진 트리를 생성한다. 분할된 공간 내 포인트가 존재하면 해당 공간에 상응하는 팔진 트리 노드값에 비트값 1을 할당하고, 다음 계층 분할을 진행한다. 분할된 공간 내 포인트가 존재하지 않으면 비트값 0을 할당하고, 다음 계층 분할을 중단한다.

산술 부호화 코더는 엔트로피 부호화 코더의 일종이다. 해당 코더는 자주 등장하는 심볼에 대해서는 작은 크기의 비트를 할당하고, 자주 등장하지 않는 심볼에 대해서는 상대적으로 큰 크기의 비트를 할당하여 압축 효율을 극대화한다.

양자화는 연속된 값을 가지는 범위를 여러 개의 범위로 연속적으로 분할한 뒤, 각 범위의 값들을 하나의 대표값으로 대체하는 기법이다.

k-최근접 이웃 알고리즘이란 기준이 되는 포인트에 대해서 해당 포인트로부터의 유클리드 거리가 가장 가까운 포인트 k를 탐색하는 기법이다.

이중 팔진 트리는 길이와 구조가 다른 한 쌍의 팔진 트리에 대해서 한 팔진 트리의 길이와 구조를 다른 팔진 트리의 길이와 구조가 같도록 한 뒤, 둘의 정보 모두를 포함하도록 만들어진 구조이다.

도 1에 도시된 바와 같이 본 발명의 실시예에 따른 프레임 내 압축단계는 팔진 트리를 이용하여 프레임 내 포인트의 위치정보를 압축하는 단계(S100) 및 근사화된 색상 정보값들을 산술 부호화 코더를 이용하여 색상정보를 압축하는 단계(S200)를 포함한다.

도 2는 본 발명의 실시예에 따른 프레임 내 위치정보를 압축하는 단계의 순서도이다.

도 2에 도시된 바와 같이 본 발명의 실시예에 따른 프레임 내 위치정보를 압축단계는 포인트 클라우드가 속한 삼차원 공간을 동일한 크기의 정육면체 공간 8개로 분할하는 단계(S111), 분할된 공간내에 포인트 존재여부에 따라 팔진트리를 생성하는 단계(S112), 포인트 클라우드의 위치정보를 담은 비트열을 생성하는 단계(S113) 및 생성된 비트열을 8비트 단위로 산술 부호화 코드를 이용하여 압축하는 단계(S114)를 포함한다.

도 3은 본 발명의 실시예에 따른 팔진 트리 생성 예시도이다.

본 발명의 실시예에 따른 프레임 내 위치정보 압축단계는 프레임 각각의 내부 위치 정보를 압축하기 위해서 팔진 트리 구조를 이용한다.

도 3에 도시된 바와 같이 팔진 트리는 포인트 클라우드가 속한 삼차원 공간을 계층적으로 동일한 크기의 정육면체 공간 8개로 분할한다.

각 계층에서 분할된 공간 내 포인트 존재 유무에 따라 팔진 트리를 생성한다. 분할된 공간 내 포인트가 존재하면 해당 공간에 상응하는 팔진 트리 노드값에 비트값 1을 할당하고, 다음 계층 분할을 진행한다. 분할된 공간 내 포인트가 존재하지 않으면 비트값 0을 할당하고, 다음 계층 분할을 중단한다.

각 계층마다 할당된 비트값들을 순차적으로 조합하여 해당 포인트 클라우드의 위치 정보를 담은 비트열을 생성한다.

프레임 각각의 포인트 클라우드를 팔진 트리 구조화하여 위치 정보를 담은 비트열을 생성한다.

생성된 비트열을 8비트 단위로 산술 부호화 코드를 이용해서 압축한다.

도 4는 본 발명의 실시예에 따른 프레임 내 색상정보 압축단계의 순서도이다.

도 4에 도시된 바와 같이 본 발명의 실시예에 따른 프레임 내 색상정보 압축단계는 포인트가 속한 삼차원 공간을 동일한 크기 정육면체 공간으로 분할하는 단계(S121), 분할된 공간에 속한 포인트들의 색상 정보값의 평균과 표준편차를 계산하는 단계(S122), 표준편차가 기 설정된 임계값 이상인 경우 분할된 공간에 속한 포인트들의 색상 정보값을 유지(S124)하고, 기 설정된 임계값 미만인 경우 분할된 공간에 속한 포인트들의 색상 정보값을 평균 색상 정보값으로 대체(S123)하는 단계를 포함한다.

포인트가 속한 삼차원 공간을 동일한 크기 정육면체 공간으로 분할하는 단계(S121)는 포인트 클라우드가 속한 삼차원 공간을 동일한 크기의 정육면체 공간 4×4×4개(또는 8×8×8개, 16×16×16개, 32×32×32개 등)로 분할하는 단계이다.

다음으로 분할된 공간에 속한 포인트들의 색상 정보값의 평균과 표준편차를 계산하는 단계(S122)는 포인트들의 색상 정보값들의 표준편차에 따라서 유사한 색상으로 파악하여 압축을 할지, 서로 다른 색상으로 파악하게 될지를 결정하는 단계이다.

표준편차가 기 설정된 임계값 이상인 경우 분할된 공간에 속한 포인트 들의 색상 정보값을 유지(S124)하고, 기 설정된 임계값 미만인 경우 분할된 공간에 속한 포인트들의 색상 정보값을 평균 색상 정보값으로 대체(S123)하는 단계는 표준 편차와 미리 설정해둔 임계값을 비교해서 이상인 경우에는 해당 공간에 속한 포인트들이 다양한 색상 정보 분포를 이루고 있다고 판단한다. 표준 편차가 임계값 미만인 경우에는 해당 공간에 속한 포인트들이 서로 간의 유사한 색상 정보를 갖는다고 판단한다.

해당 공간에 속한 포인트들이 다양한 색상 정보 분포를 이루고 있다고 판단된 공간에 대해서는 공간에 소속된 각 포인트들의 색상 정보값을 유지한다. 반면, 해당 공간에 속한 포인트들이 서로 간의 유사한 색상 정보를 갖는다고 판단된 공간에 대해서는 공간에 소속된 포인트들 중 미리 설정해둔 비율만큼을 임의로 추출하여 색상 정보값을 해당 공간의 평균 색상 정보값으로 대체하고, 이처럼 근사화된 색상 정보값들을 산술 부호화 코더를 이용해서 압축한다.

이처럼 본 발명의 실시예에 따른 프레임 내 압축방법을 수행하고, 다음으로 프레임 간 압축을 수행한다.

본 발명의 실시예에 따른 프레임간 압축단계는 앞서 설명한 프레임 내 압축단계와 마찬가지로 인접한 프레임간 위치변화정보를 이용하여 동적 포인트 클라우드를 압축하는 단계 및 인접한 프레임간 색상변화정보를 이용하여 동적 포인트 클라우드를 압축하는 단계를 포함한다.

위치변화정보를 이용하여 동적 포인트 클라우드를 압축하는 단계는 기준 팔진 트리 비트열의 길이와 구조를 목표 팔진 트리 비트열 길이와 구조로 맞추는 단계를 포함한다.

도 5는 본 발명의 실시예에 따른 이중 팔진 트리 생성과정의 예시도이다.

프레임 간 압축 기법에서 인접한 프레임 간 위치 변화 정보를 압축하기 위해서, 개별 포인트 클라우드의 위치 정보를 담은 팔진 트리 구조를 통한 이중 팔진 트리 구조를 이용한다.

이중 팔진 트리란 앞서 설명한 바와 같이 길이와 구조가 다른 한 쌍의 팔진 트리에 대해서 한 팔진 트리의 길이와 구조를 다른 팔진 트리의 길이와 구조가 같도록 한 뒤, 둘의 정보 모두를 포함하도록 만들어진 구조이다.

동적 포인트 클라우드는 인접한 프레임 간에도 전체 포인트 개수가 다른 특징을 가지고 있다. 프레임 간에 전체 포인트 개수가 다르기 때문에 포인트 클라우드의 위치 정보를 담은 팔진 트리 비트열의 길이와 구성 또한 다르다. 인접한 두 프레임의 팔진 트리 비트열의 길이와 구조가 달라서, 각 팔진 트리 노드의 위치 변화 비교할 상대 팔진 트리 노드가 없는 경우가 생긴다.

도 5에 도시된 바와 같이 압축 시 기준이 되는 기준 프레임과 압축할 대상인 목표 프레임으로 이루어진 인접한 두 프레임에 대해서 두 팔진 트리 비트열의 길이와 구조를 맞추기 위해서 이중 팔진 트리 구조를 사용한다. 이중 팔진 트리는 기준 팔진 트리 비트열의 길이와 구조를 목표 팔진 트리 비트열의 길이와 구조에 맞춘다.

이중 팔진 트리를 통한 위치 변화 정보 계산은 3단계에 걸쳐서 이루어진다.

도 5의 (a), (b) 와 같이, 기준 팔진 트리(a) 노드값이 0이고 목표 팔진 트리(b) 노드값이 1이면 해당 기준 팔진 트리 노드의 자식 노드값에 비트값 0을 할당한다. 기준 팔진 트리 노드값이 1이고 목표 팔진 트리 노드값이 0이면 해당 목표 팔진 트리 노드의 자식 노드값에 비트값 0을 할당한다. 이 과정을 계층적으로 적용해서 기준 팔진 트리 노드와 목표 팔진 트리 노드간에 비교 상대가 맞춰진다.

다음으로 도 5의 (c), (d) 와 같이, 기준 팔진 트리(c) 노드값이 0이고 목표 팔진 트리(d) 노드값이 1이면, 해당 기준 팔진 트리(c) 노드의 자식 노드값에 비트값 0을 할당하고, 목표 팔진 트리(d) 노드의 자식 노드값은 유지한다. 기준 팔진 트리(c) 노드값이 1이고 목표 팔진 트리(d) 노드값이 0인 경우에는, 도 5의 (c), (d)에 붉게 표시한 것과 같이, 해당 기준 팔진 트리(c) 노드의 자식 노드값과 목표 팔진 트리(d) 노드의 자식 노드값 모두 삭제한다. 나머지 경우에는 해당 기준 팔진 트리(c)와 목표 팔진 트리(d) 노드의 자식 노드값들을 모두 유지한다.(수정 완료) 이 과정을 계층적으로 적용해서 기준 팔진 트리의 계층별 길이와 구조를 목표 팔진 트리의 계층별 길이와 구조에 맞춘다. 즉, 기준 팔진 트리 비트열의 길이와 구조를 목표 팔진 트리 비트열의 길이와 구조에 맞춘다.

다음으로 도 5의 (e) 와 같이, 계층별 길이와 구조가 맞춰진 두 팔진 트리에 배타적 논리합을 적용하여 이중 팔진 트리(e)를 생성한다. 기준 팔진 트리 노드값과 비교하여 목표 팔진 트리 노드값이 변화가 없으면, 해당 이중 팔진 트리 노드값에 비트값 0을 할당한다. 기준 팔진 트리 노드값과 비교하여 목표 팔진 트리 노드값이 변화가 있으면, 해당 이중 팔진 트리 노드값에 비트값 1을 할당한다. 이 과정을 통해 인접한 프레임 간의 위치 변화 정보를 담은 이중 팔진 트리(e)를 생성한다.

마지막으로 생성된 이중 팔진 트리를 비트열로 변환하여, 인접한 두 프레임 간의 위치 변화 정보를 담은 비트열을 생성하고, 생성된 비트열을 8비트 단위로 산술 부호화 코드를 이용해서 압축한다.

아래 표 1은 이중 팔진 트리 생성 과정을 도식화한 것이다.

단계	기준 팔진 트리 노드값	목표 팔진 트리 노드값	기준 팔진 트리 자식 노드값	목표 팔진 트리 자식 노드값
1	0	1	0	유지
	1	0	유지	0
2	0	1	0	유지
	1	0	삭제	삭제
-	-	-	이중 팔진 트리 노드값
3	변화 무		0
	변화 유		1

본 발명의 실시예에 따른 색상변화정보를 이용하여 동적 포인트 클라우드를 압축하는 단계는 k-최근접 이웃 알고리즘을 이용하여 기준 프레임의 전체 포인트 개수가 목표 프레임의 전체 포인트 개수와 같은 예상프레임을 생성하는 단계 및 목표 프레임과 예상 프레임의 생상 차이값을 계산하여 기 설정된 임계범위를 기준으로 양자화하는 단계를 포함한다.

프레임 간 압축 기법에서 인접한 프레임 간 색상 변화 정보를 압축하기 위해서 k-최근접 이웃 알고리즘과 양자화를 이용하여 압축한다.

도 6은 본 발명의 실시예에 따른 k-최근접 이웃 알고리즘의 예시도이다.

동적 포인트 클라우드는 인접한 프레임 간에도 전체 포인트 개수가 다른 특징을 가지고 있다. 인접한 두 프레임의 전체 포인트 개수가 달라서, 각 프레임 포인트의 색상 변화 비교할 상대 프레임 포인트가 없는 경우가 생긴다.

압축 시 기준이 되는 기준 프레임과 압축할 대상인 목표 프레임으로 이루어진 인접한 두 프레임에 대해서 두 프레임의 전체 포인트 개수를 맞추기 위해서 k-최근접 이웃 알고리즘을 사용한다. k-최근접 이웃 알고리즘을 이용해서 기준 프레임을 전체 포인트 개수가 목표 프레임의 전체 포인트 개수와 같은 예상 프레임을 생성한다.

k-최근접 이웃 알고리즘을 이용해서 목표 프레임의 한 포인트를 기준으로 이로부터 유클리드 거리가 가장 가까운 기준 프레임의 포인트 k개(도 6은 3개)를 탐색하여 이웃으로 지정한다. 해당하는 목표 프레임 포인트의 이웃들의 평균 색상값을 이에 상응하는 예상 프레임의 색상값에 할당함으로써 예상 프레임을 생성한다.

다음으로 목표 프레임과 예상 프레임의 색상 차이값을 계산하여 미리 설정해둔 임계 범위를 기준으로 양자화한다.

목표 프레임과 예상 프레임의 색상 차이값이 임계 범위(ex. 차이값의 절대값이 20 초과)에 속하면 색상 정보에 유의미한 변화가 생겼다고 판단한다. 반면, 차이값이 임계 범위에 속하지 않으면 색상 정보에 무의미한 변화가 생겼다고 판단한다.

유의미한 변화가 생겼다고 판단되는 색상 차이값은 유지하고, 반면, 무의미한 변화가 생겼다고 판단되는 색상 차이값은 0으로 양자화한다.

양자화된 색상 정보 차이값들을 산술 부호화 코더를 이용해서 압축한다.

이처럼 본 발명의 실시예와 같이 프레임 내 압축과 프레임 간 압축과정을 수행하여 삼차원 동적 포인트 클라우드를 압축함으로서 보다 효율적으로 삼차원 동적 포인트 클라우드를 압축할 수 있다.

이상에서 설명된 발명은 하드웨어 구성 요소, 소프트웨어 구성 요소, 및/또는 하드웨어 구성 요소 및 소프트웨어 구성 요소의 집합으로 구현될 수 있다. 예를 들어, 실시 예들에서 설명된 장치 및 구성 요소는, 예를 들어, 프로세서, 콘트롤러, ALU(Arithmetic Logic Unit), 디지털 신호 프로세서(Digital Signal Processor), 마이크로컴퓨터, FPA(Field Programmable array), PLU(Programmable Logic Unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(Operation System, OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술 분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(Processing Element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(Parallel Processor)와 같은, 다른 처리 구성(Processing Configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(Computer Program), 코드(Code), 명령(Instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(Collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성 요소(Component), 물리적 장치, 가상 장치(Virtual Equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(Signal Wave)에 영구적으로, 또는 일시적으로 구체화(Embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시 예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시 예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM, DVD와 같은 광기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-optical Media), 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시 예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

상술한 본 발명의 특징 및 효과는 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이며, 그에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능뿐만 아니라 각각의 구성 요소들에 대한 설계 및 파라미터 최적화는 별도의 소프트웨어 모듈로도 구현될 수 있다. 적절한 프로그램 언어로 쓰여진 소프트웨어 어플리케이션으로 소프트웨어 코드가 구현될 수 있다. 상기 소프트웨어 코드는 메모리에 저장되고, 제어부(controller) 또는 프로세서(processor)에 의해 실행될 수 있다.

Claims (8)

1. 장치에 의해서 구현되는 삼차원 동적 포인트 클라우드 압축방법으로,
   단일 프레임에서 포인트의 위치, 색상 정보를 압축하는 프레임 내 압축 단계; 및
   인접한 프레임 간의 상기 포인트의 위치, 색상정보를 압축하는 프레임 간 압축단계를 포함하는 것을 특징으로 하는 삼차원 동적 포인트 클라우드 압축방법.
2. 제1항에 있어서,
   상기 프레임 내 압축단계는
   팔진 트리를 이용하여 프레임 내 포인트의 위치정보를 압축하는 단계; 및
   근사화된 색상 정보값들을 산술 부호화 코더를 이용하여 색상정보를 압축하는 단계를 포함하는 것을 특징으로 하는 삼차원 동적 포인트 클라우드 압축방법.
3. 제2항에 있어서,
   상기 위치정보를 압축하는 단계는
   포인트 클라우드가 속한 삼차원 공간을 동일한 크기의 정육면체 공간 8개로 분할하는 단계;
   분할된 공간내에 포인트 존재여부에 따라 팔진트리를 생성하는 단계;
   포인트 클라우드의 위치정보를 담은 비트열을 생성하는 단계; 및
   생성된 비트열을 8비트 단위로 산술 부호화 코드를 이용하여 압축하는 단계를 포함하는 것을 특징으로 하는 삼차원 동적 포인트 클라우드 압축방법.
4. 제2항에 있어서,
   상기 색상정보를 압축하는 단계는
   포인트가 속한 삼차원 공간을 동일한 크기 정육면체 공간으로 분할하는 단계;
   분할된 공간에 속한 포인트들의 색상 정보값의 평균과 표준편차를 계산하는 단계;
   표준편차가 기 설정된 임계값 이상인 경우 분할된 공간에 속한 포인트 들의 색상 정보값을 유지하고, 기 설정된 임계값 미만인 경우 분할된 공간에 속한 포인트들의 색상 정보값을 평균 색상 정보값으로 대체하는 단계를 포함하는 것을 특징으로 하는 동적 포인트 클라우드 압축방법.
5. 제1항에 있어서,
   상기 프레임 간 압축단계는
   인접한 프레임간 위치변화정보를 이용하여 동적 포인트 클라우드를 압축하는 단계; 및
   인접한 프레임간 색상변화정보를 이용하여 동적 포인트 클라우드를 압축하는 단계를 포함하는 것을 특징으로 하는 삼차원 동적 포인트 클라우드 압축방법.
6. 제5항에 있어서,
   위치변화정보를 이용하여 동적 포인트 클라우드를 압축하는 단계는
   기준 팔진 트리 비트열의 길이와 구조를 목표 팔진 트리 비트열 길이와 구조로 맞추는 단계를 포함하는 것을 특징으로 하는 삼차원 동적 포인트 클라우드 압축 방법.
7. 제5항에 있어서,
   색상변화정보를 이용하여 동적 포인트 클라우드를 압축하는 단계는
   k-최근접 이웃 알고리즘을 이용하여 기준 프레임의 전체 포인트 개수가 목표 프레임의 전체 포인트 개수와 같은 예상프레임을 생성하는 단계; 및
   목표 프레임과 예상 프레임의 생상 차이값을 계산하여 기 설정된 임계범위를 기준으로 양자화하는 단계를 포함하는 것을 특징으로 하는 삼차원 동적 포인트 클라우드 압축 방법.
8. 제1항 내지 제7항 중 어느 한 항의 방법을 수행하는 컴퓨터 프로그램이 기록된 기록매체.

Images