WO2020246689A1 - 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 - Google Patents

포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 Download PDF

Info

Publication number
WO2020246689A1
WO2020246689A1 PCT/KR2020/002664 KR2020002664W WO2020246689A1 WO 2020246689 A1 WO2020246689 A1 WO 2020246689A1 KR 2020002664 W KR2020002664 W KR 2020002664W WO 2020246689 A1 WO2020246689 A1 WO 2020246689A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
point cloud
point
cloud data
attribute information
Prior art date
Application number
PCT/KR2020/002664
Other languages
English (en)
French (fr)
Inventor
이동금
오세진
Original Assignee
엘지전자 주식회사
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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Publication of WO2020246689A1 publication Critical patent/WO2020246689A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/184—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being bits, e.g. of the compressed video stream

Definitions

  • Embodiments provide Point Cloud content to provide users with various services such as VR (Virtual Reality, Virtual Reality), AR (Augmented Reality, Augmented Reality), MR (Mixed Reality, Mixed Reality), and autonomous driving service.
  • VR Virtual Reality, Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality, Mixed Reality
  • autonomous driving service Provide a solution.
  • a point cloud is a set of points in 3D space. There is a problem that it is difficult to generate point cloud data because the amount of points in 3D space is large.
  • the prediction method is to limit the area among all point cloud data, and then always check the predicted attribute information within the range without a verification procedure. ) There is a problem that it applies to information.
  • the technical problem according to the embodiments is to provide a point cloud data transmission apparatus, a transmission method, a point cloud data reception apparatus, and a reception method for efficiently transmitting and receiving a point cloud in order to solve the above-described problems.
  • a technical problem according to embodiments is to provide a point cloud data transmission apparatus, a transmission method, a point cloud data reception apparatus, and a reception method for solving latency and encoding/decoding complexity.
  • the technical problem according to the embodiments is to improve the compression performance of the point cloud by improving the encoding technology of attribute information of geometry-point cloud compression (G-PCC).
  • G-PCC geometry-point cloud compression
  • the point cloud data transmission method may include encoding the point cloud data and/or transmitting the encoded point cloud data.
  • the encoding of the point cloud data includes: encoding geometric information of the point cloud data, and the encoding of the geometric information generates a geometric information bitstream and reconstructed geometric information; And/or encoding attribute information of the point cloud data based on the restored geometric information, and encoding the attribute information generates an attribute information bitstream; It may include.
  • the step of encoding the point cloud data includes selecting at least one point corresponding to a nearest neighbor for the first point of the point cloud data based on the restored geometric information. step; Calculating a residual of attribute information of the first point based on attribute information of at least one point corresponding to the selected nearlist neighbor; And/or quantizing information related to attribute information of the first point. It may include.
  • the encoding of the point cloud data may further include comparing the size of the residual and the attribute information of the first point, and the quantizing the residual is the first point. If the attribute information is larger than the attribute information, attribute information of the first point may be quantized, and if the residual is smaller than the attribute information of the first point, the residual may be quantized.
  • the step of encoding the point cloud data further generates prediction method information, and the prediction method information includes whether the quantized attribute information includes attribute information of the first point or register. It can indicate whether or not the dual is included.
  • At least one point corresponding to the near-list neighbor may include a plurality of points.
  • the step of generating the residual of the attribute value of the first point may include comparing a maximum value of the difference between the attribute information of the plurality of points and a threshold; When the maximum value of the difference is greater than the threshold value, predicting attribute information of a first point based on attribute information of a plurality of points, where a first score value for the predicted attribute information of the first point is generated box; Predicting attribute information of a first point based only on attribute information of a second point included in the plurality of points, wherein a second score value for the predicted attribute information of the first point is generated; And/or comparing the generated first score value and the second score value to calculate a residual for attribute information of the first point. It may include.
  • a method for receiving point cloud data includes: receiving point cloud data and signaling information; Decoding the point cloud data; And/or rendering the decoded point cloud data. It may include.
  • the decoding of the point cloud data includes: decoding a geometric information bitstream of the point cloud data, and the decoding of the geometric information bitstream generates reconstructed geometric information; And/or decoding the attribute information bitstream of the point cloud data based on the restored geometric information, and the decoding the attribute information bitstream generates restored attribute information; It may include.
  • the decoding of the point cloud data may include inverse quantization of the attribute information bitstream, and the inverse quantization of the point cloud data generates inverse quantized information of points of the point cloud data; Selecting at least one point corresponding to a nearest neighbor for the first point of the point cloud data based on the restored geometric information; And/or predicting reconstructed attribute information of the first point based on at least one points corresponding to the selected nearlist neighbor and inverse quantized information about the first point. It may further include.
  • the reconstructed attribute information of the first point is at least one point corresponding to the selected nearlist neighbor. It may be determined based on information related to and inverse quantized information for the first point.
  • the reconstructed attribute information of the first point may be determined by the dequantized information about the first point.
  • the signaling information may further include prediction method information indicating whether the dequantized information for the first point corresponds to a residual.
  • a point cloud data transmission method, a transmission device, a point cloud data reception method, and a reception device may provide a point cloud service with high quality.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device may achieve various video codec methods.
  • a point cloud data transmission method, a transmission device, a point cloud data reception method, and a reception device may provide general-purpose point cloud content such as an autonomous driving service.
  • Point cloud data transmission method/apparatus and/or receiving method/apparatus may be encoded with a similar amount of computation as before, since the above-described verification process is also performed through condition comparison without a separate computation process.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • FIG. 5 shows an example of a voxel according to embodiments.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • FIG 13 is an example of a reception device according to embodiments.
  • FIG. 14 illustrates an architecture for G-PCC-based point cloud content streaming according to embodiments.
  • 15 shows an example of a transmission device according to embodiments.
  • FIG. 16 shows an example of a receiving device according to embodiments.
  • FIG. 17 shows an example of a structure capable of interworking with a method/device for transmitting and receiving point cloud data according to embodiments.
  • FIG. 18 shows a point cloud encoder according to embodiments.
  • FIG 19 illustrates an attribute information encoder according to embodiments.
  • 21 shows a point cloud decoder according to embodiments.
  • FIG. 24 shows a syntax of a bitstream for encoding point cloud data according to embodiments.
  • FIG. 25 shows an example of a structure of point cloud data according to embodiments.
  • SPS sequence parameter set
  • APS attribute parameter set
  • FIG. 27 shows the syntax of a slice bitstream according to embodiments.
  • FIG. 28 is a flowchart illustrating a method of transmitting point cloud data according to embodiments.
  • 29 is a flowchart illustrating a method of receiving point cloud data according to embodiments.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system illustrated in FIG. 1 may include a transmission device 10000 and a reception device 10004.
  • the transmission device 10000 and the reception device 10004 are capable of wired or wireless communication to transmit and receive point cloud data.
  • the transmission device 10000 may secure, process, and transmit point cloud video (or point cloud content).
  • the transmission device 10000 is a fixed station, a base transceiver system (BTS), a network, an artificial intelligence (AI) device and/or system, a robot, an AR/VR/XR device and/or server. And the like.
  • the transmission device 10000 uses a radio access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to communicate with a base station and/or other wireless devices, Robots, vehicles, AR/VR/XR devices, portable devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, etc. may be included.
  • 5G NR New RAT
  • LTE Long Term Evolution
  • the transmission device 10000 includes a point cloud video acquisition unit (Point Cloud Video Acquisition, 10001), a point cloud video encoder (Point Cloud Video Encoder, 10002) and/or a transmitter (Transmitter (or Communication module), 10003). Include)
  • the point cloud video acquisition unit 10001 acquires a point cloud video through a process such as capture, synthesis, or generation.
  • the point cloud video is point cloud content expressed as a point cloud, which is a set of points located in a three-dimensional space, and may be referred to as point cloud video data.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Accordingly, the point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, a frame, and a picture.
  • the point cloud video encoder 10002 encodes the secured point cloud video data.
  • the point cloud video encoder 10002 may encode point cloud video data based on Point Cloud Compression coding.
  • Point cloud compression coding may include Geometry-based Point Cloud Compression (G-PCC) coding and/or Video based Point Cloud Compression (V-PCC) coding or next-generation coding.
  • G-PCC Geometry-based Point Cloud Compression
  • V-PCC Video based Point Cloud Compression
  • point cloud compression coding according to the embodiments is not limited to the above-described embodiments.
  • the point cloud video encoder 10002 may output a bitstream including encoded point cloud video data.
  • the bitstream may include not only the encoded point cloud video data, but also signaling information related to encoding of the point cloud video data.
  • the transmitter 10003 transmits a bitstream including encoded point cloud video data.
  • the bitstream according to the embodiments is encapsulated into a file or segment (for example, a streaming segment) and transmitted through various networks such as a broadcasting network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or an encapsulation module) that performs an encapsulation operation.
  • the encapsulation unit may be included in the transmitter 10003.
  • a file or segment may be transmitted to the receiving device 10004 through a network or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmitter 10003 may perform wired/wireless communication with the reception device 10004 (or a receiver 10005) through a network such as 4G, 5G, or 6G.
  • the transmitter 10003 may perform necessary data processing operations according to a network system (for example, a communication network system such as 4G, 5G, or 6G).
  • the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • the reception device 10004 includes a receiver 10005, a point cloud video decoder 10006, and/or a renderer 10007.
  • the receiving device 10004 uses a wireless access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to communicate with a base station and/or other wireless devices, a robot , Vehicles, AR/VR/XR devices, portable devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like.
  • 5G NR New RAT
  • LTE Long Term Evolution
  • the receiver 10005 receives a bitstream including point cloud video data or a file/segment in which the bitstream is encapsulated from a network or a storage medium.
  • the receiver 10005 may perform necessary data processing operations according to a network system (for example, a communication network system such as 4G, 5G, or 6G).
  • the receiver 10005 may decapsulate the received file/segment and output a bitstream.
  • the receiver 10005 may include a decapsulation unit (or a decapsulation module) for performing a decapsulation operation.
  • the decapsulation unit may be implemented as an element (or component) separate from the receiver 10005.
  • the point cloud video decoder 10006 decodes a bitstream including point cloud video data.
  • the point cloud video decoder 10006 may decode the point cloud video data according to the encoding method (for example, a reverse process of the operation of the point cloud video encoder 10002). Accordingly, the point cloud video decoder 10006 may decode the point cloud video data by performing point cloud decompression coding, which is a reverse process of the point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • the renderer 10007 renders the decoded point cloud video data.
  • the renderer 10007 may output point cloud content by rendering audio data as well as point cloud video data.
  • the renderer 10007 may include a display for displaying point cloud content.
  • the display is not included in the renderer 10007 and may be implemented as a separate device or component.
  • the feedback information is information for reflecting an interaction ratio with a user who consumes point cloud content, and includes user information (eg, head orientation information, viewport information, etc.).
  • user information eg, head orientation information, viewport information, etc.
  • the feedback information is the content sending side (for example, the transmission device 10000) and/or a service provider.
  • the feedback information may be used not only in the transmitting device 10000 but also in the receiving device 10004, and may not be provided.
  • Head orientation information is information on a position, direction, angle, and movement of a user's head.
  • the receiving device 10004 may calculate viewport information based on the head orientation information.
  • the viewport information is information on the area of the point cloud video that the user is viewing.
  • a viewpoint is a point at which the user is watching a point cloud video, and may mean a center point of a viewport area. That is, the viewport is an area centered on a viewpoint, and the size and shape of the area may be determined by a field of view (FOV).
  • FOV field of view
  • the receiving device 10004 may extract viewport information based on a vertical or horizontal FOV supported by the device in addition to the head orientation information.
  • the receiving device 10004 performs a gaze analysis and the like to check the point cloud consumption method of the user, the point cloud video area that the user gazes, and the gaze time.
  • the receiving device 10004 may transmit feedback information including the result of gaze analysis to the transmitting device 10000.
  • Feedback information may be obtained during rendering and/or display.
  • Feedback information may be secured by one or more sensors included in the receiving device 10004.
  • the feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • a dotted line in FIG. 1 shows a process of transmitting feedback information secured by the renderer 10007.
  • the point cloud content providing system may process (encode/decode) point cloud data based on feedback information.
  • the point cloud video data decoder 10006 may perform a decoding operation based on the feedback information.
  • the receiving device 10004 may transmit feedback information to the transmitting device 10000.
  • the transmission device 10000 (or the point cloud video data encoder 10002) may perform an encoding operation based on feedback information. Therefore, the point cloud content providing system does not process (encode/decode) all point cloud data, but efficiently processes necessary data (e.g., point cloud data corresponding to the user's head position) based on feedback information. Point cloud content can be provided to users.
  • the transmission device 10000 may be referred to as an encoder, a transmission device, a transmitter, and the like
  • the reception device 10004 may be referred to as a decoder, a reception device, a receiver, or the like.
  • Point cloud data (processed in a series of acquisition/encoding/transmission/decoding/rendering) processed in the point cloud content providing system of FIG. 1 according to embodiments may be referred to as point cloud content data or point cloud video data.
  • the point cloud content data may be used as a concept including metadata or signaling information related to the point cloud data.
  • Elements of the point cloud content providing system shown in FIG. 1 may be implemented by hardware, software, processor, and/or a combination thereof.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • the block diagram of FIG. 2 shows the operation of the point cloud content providing system described in FIG. 1.
  • the point cloud content providing system may process point cloud data based on point cloud compression coding (eg, G-PCC).
  • point cloud compression coding eg, G-PCC
  • a point cloud content providing system may acquire a point cloud video (20000).
  • the point cloud video is expressed as a point cloud belonging to a coordinate system representing a three-dimensional space.
  • a point cloud video may include a Ply (Polygon File format or the Stanford Triangle format) file.
  • Ply files contain point cloud data such as the geometry and/or attributes of the point.
  • the geometry includes the positions of the points.
  • the position of each point may be expressed by parameters (eg, values of each of the X-axis, Y-axis, and Z-axis) representing a three-dimensional coordinate system (eg, a coordinate system composed of XYZ axes).
  • Attributes include attributes of points (eg, texture information of each point, color (YCbCr or RGB), reflectance (r), transparency, etc.).
  • a point has one or more attributes (or attributes).
  • one point may have an attribute of one color, or two attributes of a color and reflectance.
  • geometry may be referred to as positions, geometry information, geometry data, and the like, and attributes may be referred to as attributes, attribute information, attribute data, and the like.
  • the point cloud content providing system (for example, the point cloud transmission device 10000 or the point cloud video acquisition unit 10001) provides points from information related to the acquisition process of the point cloud video (eg, depth information, color information, etc.). Cloud data can be secured.
  • the point cloud content providing system may encode point cloud data (20001).
  • the point cloud content providing system may encode point cloud data based on point cloud compression coding.
  • the point cloud data may include the geometry and attributes of the point.
  • the point cloud content providing system may output a geometry bitstream by performing geometry encoding for encoding geometry.
  • the point cloud content providing system may output an attribute bitstream by performing attribute encoding for encoding the attribute.
  • the point cloud content providing system may perform attribute encoding based on geometry encoding.
  • the geometry bitstream and the attribute bitstream according to the embodiments may be multiplexed and output as one bitstream.
  • the bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • the point cloud content providing system may transmit encoded point cloud data (20002).
  • the encoded point cloud data may be expressed as a geometry bitstream and an attribute bitstream.
  • the encoded point cloud data may be transmitted in the form of a bitstream together with signaling information related to encoding of the point cloud data (eg, signaling information related to geometry encoding and attribute encoding).
  • the point cloud content providing system may encapsulate the bitstream for transmitting the encoded point cloud data and transmit it in the form of a file or segment.
  • the point cloud content providing system may receive a bitstream including encoded point cloud data.
  • the point cloud content providing system may demultiplex the bitstream.
  • the point cloud content providing system can decode the encoded point cloud data (e.g., geometry bitstream, attribute bitstream) transmitted as a bitstream. have.
  • the point cloud content providing system (for example, the receiving device 10004 or the point cloud video decoder 10005) can decode the point cloud video data based on signaling information related to encoding of the point cloud video data included in the bitstream. have.
  • the point cloud content providing system (for example, the receiving device 10004 or the point cloud video decoder 10005) may restore positions (geometry) of points by decoding a geometry bitstream.
  • the point cloud content providing system may restore the attributes of points by decoding an attribute bitstream based on the restored geometry.
  • the point cloud content providing system (for example, the receiving device 10004 or the point cloud video decoder 10005) may restore the point cloud video based on the decoded attributes and positions according to the restored geometry.
  • the point cloud content providing system may render the decoded point cloud data (20004 ).
  • the point cloud content providing system may render geometry and attributes decoded through a decoding process according to a rendering method according to various rendering methods. Points of the point cloud content may be rendered as a vertex having a certain thickness, a cube having a specific minimum size centered on the vertex position, or a circle centered on the vertex position. All or part of the rendered point cloud content is provided to the user through a display (eg VR/AR display, general display, etc.).
  • a display eg VR/AR display, general display, etc.
  • the point cloud content providing system may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode point cloud data based on feedback information. Since the operation of the system for providing feedback information and point cloud content according to the embodiments is the same as the feedback information and operation described in FIG. 1, a detailed description will be omitted.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIGS. 1 to 2 shows an example of a point cloud video capture process in the point cloud content providing system described in FIGS. 1 to 2.
  • the point cloud content is an object located in various three-dimensional spaces (for example, a three-dimensional space representing a real environment, a three-dimensional space representing a virtual environment, etc.) and/or a point cloud video (images and/or Videos). Therefore, the point cloud content providing system according to the embodiments includes one or more cameras (eg, an infrared camera capable of securing depth information, color information corresponding to the depth information) to generate the point cloud content. You can capture a point cloud video using an RGB camera that can extract the image), a projector (for example, an infrared pattern projector to secure depth information), and LiDAR.
  • cameras eg, an infrared camera capable of securing depth information, color information corresponding to the depth information
  • a projector for example, an infrared pattern projector to secure depth information
  • LiDAR LiDAR
  • the point cloud content providing system may obtain point cloud data by extracting a shape of a geometry composed of points in a 3D space from depth information, and extracting an attribute of each point from color information.
  • An image and/or an image according to the embodiments may be captured based on at least one or more of an inward-facing method and an outward-facing method.
  • the left side of Fig. 3 shows an inword-facing scheme.
  • the inword-facing method refers to a method in which one or more cameras (or camera sensors) located surrounding a central object capture a central object.
  • the in-word-facing method provides point cloud content that provides users with 360-degree images of key objects (e.g., provides users with 360-degree images of objects (eg, key objects such as characters, players, objects, actors, etc.) VR/AR content).
  • the outward-facing method refers to a method in which one or more cameras (or camera sensors) located surrounding the central object capture the environment of the central object other than the central object.
  • the outward-pacing method may be used to generate point cloud content (for example, content representing an external environment that may be provided to a user of a self-driving vehicle) to provide an environment that appears from a user's point of view.
  • the point cloud content may be generated based on the capture operation of one or more cameras.
  • the point cloud content providing system may calibrate one or more cameras to set a global coordinate system before the capture operation.
  • the point cloud content providing system may generate point cloud content by synthesizing an image and/or image captured by the above-described capture method with an arbitrary image and/or image.
  • the point cloud content providing system may not perform the capture operation described in FIG. 3 when generating point cloud content representing a virtual space.
  • the point cloud content providing system may perform post-processing on the captured image and/or image. In other words, the point cloud content providing system removes an unwanted area (e.g., background), recognizes the space where captured images and/or images are connected, and performs an operation to fill in a spatial hole if there is. I can.
  • the point cloud content providing system may generate one point cloud content by performing coordinate system transformation on points of the point cloud video acquired from each camera.
  • the point cloud content providing system may perform a coordinate system transformation of points based on the position coordinates of each camera. Accordingly, the point cloud content providing system may generate content representing a wide range, or may generate point cloud content having a high density of points.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • the point cloud encoder uses point cloud data (for example, positions and/or positions of points) to adjust the quality of the point cloud content (for example, lossless-lossless, loss-lossy, near-lossless) according to network conditions or applications. Attributes) and perform an encoding operation.
  • point cloud data for example, positions and/or positions of points
  • the quality of the point cloud content for example, lossless-lossless, loss-lossy, near-lossless
  • Attributes perform an encoding operation.
  • the point cloud content providing system may not be able to stream the content in real time. Therefore, the point cloud content providing system can reconstruct the point cloud content based on the maximum target bitrate in order to provide it according to the network environment.
  • the point cloud encoder may perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • Point cloud encoders include a coordinate system transform unit (Transformation Coordinates, 40000), a quantization unit (Quantize and Remove Points (Voxelize), 40001), an octree analysis unit (Analyze Octree, 40002), and a surface aproxiation analysis unit ( Analyze Surface Approximation, 40003), Arithmetic Encode (40004), Reconstruct Geometry (40005), Transform Colors (40006), Transfer Attributes (40007), RAHT Transformation A unit 40008, an LOD generation unit (Generated LOD) 40009, a lifting transform unit (Lifting) 40010, a coefficient quantization unit (Quantize Coefficients, 40011), and/or an Arithmetic Encode (40012).
  • a coordinate system transform unit Transformation Coordinates, 40000
  • a quantization unit Quantization and Remove Points (Voxelize)
  • An octree analysis unit Analyze Octree, 40002
  • the coordinate system transform unit 40000, the quantization unit 40001, the octree analysis unit 40002, the surface aproximation analysis unit 40003, the arithmetic encoder 40004, and the geometry reconstruction unit 40005 perform geometry encoding. can do.
  • Geometry encoding according to embodiments may include octree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisoup geometry encoding are applied selectively or in combination. Also, geometry encoding is not limited to the above example.
  • the coordinate system conversion unit 40000 receives positions and converts them into a coordinate system.
  • positions may be converted into position information in a three-dimensional space (eg, a three-dimensional space represented by an XYZ coordinate system).
  • the location information of the 3D space according to embodiments may be referred to as geometry information.
  • the quantization unit 40001 quantizes geometry. For example, the quantization unit 40001 may quantize points based on the minimum position values of all points (eg, minimum values on each axis with respect to the X-axis, Y-axis, and Z-axis). The quantization unit 40001 multiplies the difference between the minimum position value and the position value of each point by a preset quantum scale value, and then performs a quantization operation to find the nearest integer value by performing a rounding or a rounding. Thus, one or more points may have the same quantized position (or position value). The quantization unit 40001 according to embodiments performs voxelization based on the quantized positions to reconstruct the quantized points.
  • the quantization unit 40001 performs voxelization based on the quantized positions to reconstruct the quantized points.
  • the minimum unit including the 2D image/video information is a pixel, and points of the point cloud content (or 3D point cloud video) according to the embodiments may be included in one or more voxels.
  • Voxel is a combination of volume and pixel
  • the quantization unit 40001 may match groups of points in a 3D space with voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • a position of a center point (ceter) of a corresponding voxel may be set based on positions of one or more points included in one voxel.
  • attributes of all positions included in one voxel may be combined and assigned to a corresponding voxel.
  • the octree analysis unit 40002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure represents points matched to voxels based on an octal tree structure.
  • the surface aproxiation analysis unit 40003 may analyze and approximate the octree.
  • the octree analysis and approximation according to the embodiments is a process of analyzing to voxelize a region including a plurality of points in order to efficiently provide octree and voxelization.
  • the arithmetic encoder 40004 entropy encodes the octree and/or the approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • a geometry bitstream is generated.
  • Color conversion unit 40006, attribute conversion unit 40007, RAHT conversion unit 40008, LOD generation unit 40009, lifting conversion unit 40010, coefficient quantization unit 40011 and/or Arismatic encoder 40012 Performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is applied equally to attributes of one point. However, when one attribute (eg, color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding includes color transform coding, attribute transform coding, Region Adaptive Hierarchial Transform (RAHT) coding, Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding, and interpolation-based hierarchical nearest -Neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • RAHT Region Adaptive Hierarchial Transform
  • Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding
  • interpolation-based hierarchical nearest -Neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • the aforementioned RAHT coding, predictive transform coding, and lifting transform coding may be selectively used, or a combination of one or more codings may be used.
  • attribute encoding according to embodiments is not limited to the above-de
  • the color conversion unit 40006 performs color conversion coding for converting color values (or textures) included in attributes.
  • the color conversion unit 40006 may convert the format of color information (eg, convert from RGB to YCbCr).
  • the operation of the color conversion unit 40006 according to the embodiments may be selectively applied according to color values included in attributes.
  • the geometry reconstruction unit 40005 reconstructs (decompresses) an octree and/or an approximated octree.
  • the geometry reconstruction unit 40005 reconstructs an octree/voxel based on a result of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as reconstructed geometry (or reconstructed geometry).
  • the attribute conversion unit 40007 performs attribute conversion for converting attributes based on the reconstructed geometry and/or positions for which geometry encoding has not been performed. As described above, since attributes are dependent on geometry, the attribute conversion unit 40007 may transform the attributes based on the reconstructed geometry information. For example, the attribute conversion unit 40007 may convert an attribute of the point of the position based on the position value of the point included in the voxel. As described above, when a position of a center point of a corresponding voxel is set based on positions of one or more points included in one voxel, the attribute conversion unit 40007 converts attributes of one or more points. When tri-soup geometry encoding is performed, the attribute conversion unit 40007 may convert attributes based on trisoup geometry encoding.
  • the attribute conversion unit 40007 is an average value of attributes or attribute values (for example, the color of each point or reflectance) of points neighboring within a specific position/radius from the position (or position value) of the center point of each voxel. Attribute conversion can be performed by calculating.
  • the attribute conversion unit 40007 may apply a weight according to a distance from a central point to each point when calculating an average value. Thus, each voxel has a position and a calculated attribute (or attribute value).
  • the attribute conversion unit 40007 may search for neighboring points existing within a specific position/radius from the position of the center point of each voxel based on a K-D tree or a Molton code.
  • the K-D tree is a binary search tree and supports a data structure that can manage points based on location so that the Nearest Neighbor Search (NNS) can be quickly performed.
  • the Molton code represents a coordinate value (for example, (x, y, z)) representing a three-dimensional position of all points as a bit value, and is generated by mixing the bits. For example, if the coordinate value indicating the position of the point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute conversion unit 40007 may sort points based on a Morton code value and perform a shortest neighbor search (NNS) through a depth-first traversal process. After the attribute transformation operation, when the shortest neighbor search (NNS) is required in another transformation process for attribute coding, a K-D tree or a Molton code is used.
  • NSS shortest neighbor search
  • the converted attributes are input to the RAHT conversion unit 40008 and/or the LOD generation unit 40009.
  • the RAHT conversion unit 40008 performs RAHT coding for predicting attribute information based on the reconstructed geometry information. For example, the RAHT conversion unit 40008 may predict attribute information of a node at a higher level of the octree based on attribute information associated with a node at a lower level of the octree.
  • the LOD generation unit 40009 generates a level of detail (LOD) to perform predictive transform coding.
  • LOD level of detail
  • the LOD according to the embodiments is a degree representing the detail of the point cloud content, and a smaller LOD value indicates that the detail of the point cloud content decreases, and a larger LOD value indicates that the detail of the point cloud content is high. Points can be classified according to LOD.
  • the lifting transform unit 40010 performs lifting transform coding that transforms attributes of a point cloud based on weights. As described above, the lifting transform coding can be selectively applied.
  • the coefficient quantization unit 40011 quantizes attribute-coded attributes based on coefficients.
  • Arismatic encoder 40012 encodes quantized attributes based on Arismatic coding.
  • the elements of the point cloud encoder of FIG. 4 are not shown in the drawing, but hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing apparatus. , Software, firmware, or a combination thereof.
  • One or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud encoder of FIG. 4 described above. Further, one or more processors may operate or execute a set of software programs and/or instructions for performing operations and/or functions of the elements of the point cloud encoder of FIG. 4.
  • One or more memories according to embodiments may include high speed random access memory, and nonvolatile memory (e.g., one or more magnetic disk storage devices, flash memory devices, or other nonvolatile solid state Memory devices (solid-state memory devices, etc.).
  • FIG. 5 shows an example of a voxel according to embodiments.
  • voxels located in a three-dimensional space represented by a coordinate system composed of three axes of the X-axis, Y-axis, and Z-axis.
  • a point cloud encoder eg, quantization unit 40001
  • voxel 5 is an octree structure recursively subdividing a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ) Shows an example of a voxel generated through.
  • One voxel includes at least one or more points.
  • the voxel can estimate spatial coordinates from the positional relationship with the voxel group.
  • voxels have attributes (color or reflectance, etc.) like pixels of a 2D image/video. A detailed description of the voxel is the same as that described with reference to FIG. 4 and thus will be omitted.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • a point cloud content providing system (point cloud video encoder 10002) or a point cloud encoder (for example, octree analysis unit 40002) efficiently manages the area and/or position of the voxel.
  • octree geometry coding (or octree coding) based on an octree structure is performed.
  • FIG. 6 shows an octree structure.
  • the three-dimensional space of the point cloud content according to the embodiments is represented by axes of a coordinate system (eg, X-axis, Y-axis, Z-axis).
  • the octree structure is created by recursive subdividing of a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ). . 2d may be set to a value constituting the smallest bounding box surrounding all points of the point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the d value is determined according to the following equation. In the following equation, (x int n , y int n , z int n ) represents positions (or position values) of quantized points.
  • the entire 3D space may be divided into eight spaces according to the division.
  • Each divided space is represented by a cube with 6 faces.
  • each of the eight spaces is divided again based on the axes of the coordinate system (eg, X axis, Y axis, Z axis).
  • axes of the coordinate system e.g, X axis, Y axis, Z axis.
  • each space is further divided into eight smaller spaces.
  • the divided small space is also represented as a cube with 6 faces. This division method is applied until a leaf node of an octree becomes a voxel.
  • the lower part of FIG. 6 shows the octree's ocupancy code.
  • the octree's ocupancy code is generated to indicate whether each of the eight divided spaces generated by dividing one space includes at least one point. Therefore, one Okufanshi code is represented by 8 child nodes. Each child node represents the occupancy of the divided space, and the child node has a value of 1 bit. Therefore, the Ocufanshi code is expressed as an 8-bit code. That is, if at least one point is included in the space corresponding to the child node, the node has a value of 1. If the point is not included in the space corresponding to the child node (empty), the node has a value of 0. Since the ocupancy code shown in FIG.
  • a point cloud encoder (for example, the Arismatic encoder 40004) according to embodiments may entropy encode an ocupancy code.
  • the point cloud encoder can intra/inter code the ocupancy code.
  • the reception device (for example, the reception device 10004 or the point cloud video decoder 10006) according to the embodiments reconstructs an octree based on an ocupancy code.
  • a point cloud encoder may perform voxelization and octree coding to store positions of points.
  • points in the 3D space are not always evenly distributed, there may be a specific area where there are not many points. Therefore, it is inefficient to perform voxelization over the entire 3D space. For example, if there are almost no points in a specific area, it is not necessary to perform voxelization to the corresponding area.
  • the point cloud encoder does not perform voxelization for the above-described specific region (or nodes other than the leaf nodes of the octree), but directly codes the positions of points included in the specific region. ) Can be performed. Coordinates of a direct coding point according to embodiments are referred to as a direct coding mode (DCM).
  • the point cloud encoder according to embodiments may perform trisoup geometry encoding in which positions of points within a specific region (or node) are reconstructed based on voxels based on a surface model. Trisoup geometry encoding is a geometry encoding that expresses the representation of an object as a series of triangle meshes.
  • Direct coding and trisoup geometry encoding may be selectively performed.
  • direct coding and trisoup geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use direct mode to apply direct coding must be activated, and the node to which direct coding is applied is not a leaf node, but below the threshold within a specific node. There must be points of. In addition, the number of all points subject to direct coding must not exceed a preset limit.
  • the point cloud encoder (or the arithmetic encoder 40004) according to the embodiments may entropy-code the positions (or position values) of the points.
  • the point cloud encoder determines a specific level of the octree (if the level is less than the depth d of the octree), and from that level, the node Trisoup geometry encoding that reconstructs the position of a point in the region based on voxels can be performed (tri-soup mode).
  • a point cloud encoder may designate a level to which trisoup geometry encoding is applied. For example, if the specified level is equal to the depth of the octree, the point cloud encoder does not operate in the try-soup mode.
  • the point cloud encoder may operate in the try-soup mode only when the specified level is less than the depth value of the octree.
  • a three-dimensional cube area of nodes of a designated level according to the embodiments is referred to as a block.
  • One block may include one or more voxels.
  • the block or voxel may correspond to a brick.
  • the geometry is represented by a surface.
  • the surface according to embodiments may intersect each edge (edge) of the block at most once.
  • one block has 12 edges, there are at least 12 intersection points within one block. Each intersection is called a vertex (vertex, or vertex).
  • a vertex existing along an edge is detected when there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An occupied voxel refers to a voxel including a point. The position of the vertex detected along the edge is the average position along the edge of all voxels among all blocks sharing the edge.
  • the point cloud encoder uses the starting point (x, y, z) of the edge and the direction vector of the edge ( x, y, z) Vertex position values (relative position values within an edge) can be entropycoded.
  • the point cloud encoder e.g., the geometry reconstruction unit 40005
  • the point cloud encoder performs a triangle reconstruction, up-sampling, and voxelization process. By doing so, you can create reconstructed geometry (reconstructed geometry).
  • the vertices located at the edge of the block determine the surface that passes through the block.
  • the surface according to the embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by a triangle based on the starting point of the edge, the direction vector of the edge, and the position value of the vertex.
  • the triangle reconstruction process is as follows. 1 Calculate the centroid value of each vertex, 2 calculate the squared values of the values subtracted from each vertex value by subtracting the center value, and calculate the sum of all the values.
  • each vertex is projected on the x-axis based on the center of the block, and projected on the (y, z) plane.
  • the projected value on the (y, z) plane is (ai, bi)
  • ⁇ is obtained through atan2(bi, ai)
  • vertices are aligned based on the ⁇ value.
  • the table below shows a combination of vertices for generating a triangle according to the number of vertices. Vertices are ordered from 1 to n.
  • the table below shows that for four vertices, two triangles may be formed according to a combination of vertices.
  • the first triangle may be composed of 1st, 2nd, and 3rd vertices among the aligned vertices
  • the second triangle may be composed of 3rd, 4th and 1st vertices among the aligned vertices. .
  • the upsampling process is performed to voxelize by adding points in the middle along the edge of the triangle. Additional points are created based on the upsampling factor and the width of the block. The additional point is called a refined vertice.
  • the point cloud encoder may voxelize refined vertices. In addition, the point cloud encoder may perform attribute encoding based on the voxelized position (or position value).
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • the point cloud encoder may perform entropy coding based on context adaptive arithmetic coding.
  • a point cloud content providing system or a point cloud encoder directly converts the Ocufanshi code.
  • Entropy coding is possible.
  • the point cloud content providing system or point cloud encoder performs entropy encoding (intra encoding) based on the ocupancy code of the current node and the ocupancy of neighboring nodes, or entropy encoding (inter encoding) based on the ocupancy code of the previous frame. ) Can be performed.
  • a frame according to embodiments means a set of point cloud videos generated at the same time.
  • the compression efficiency of intra-encoding/inter-encoding may vary depending on the number of referenced neighbor nodes. The larger the bit, the more complicated it is, but it can be skewed to one side, increasing compression efficiency. For example, if you have a 3-bit context, you have to code in 8 ways. The divided coding part affects the complexity of the implementation. Therefore, it is necessary to match the appropriate level of compression efficiency and complexity.
  • a point cloud encoder determines occupancy of neighboring nodes of each node of an octree and obtains a value of a neighbor pattern.
  • the neighboring node pattern is used to infer the occupancy pattern of the corresponding node.
  • the left side of FIG. 7 shows a cube corresponding to a node (centered cube) and six cubes (neighbor nodes) that share at least one surface with the cube. Nodes shown in the figure are nodes of the same depth (depth). Numbers shown in the figure indicate weights (1, 2, 4, 8, 16, 32, etc.) associated with each of the six nodes. Each weight is sequentially assigned according to the positions of neighboring nodes.
  • the right side of FIG. 7 shows neighboring node pattern values.
  • the neighbor node pattern value is the sum of values multiplied by weights of the occupied neighbor nodes (neighbor nodes having points). Therefore, the neighbor node pattern value has a value from 0 to 63. When the neighbor node pattern value is 0, it indicates that no node (occupied node) has a point among neighboring nodes of the corresponding node. If the neighboring node pattern value is 63, it indicates that all neighboring nodes are occupied nodes. As shown in the figure, since neighboring nodes to which weights 1, 2, 4, and 8 are assigned are occupied nodes, the neighboring node pattern value is 15, which is the sum of 1, 2, 4, and 8.
  • the point cloud encoder may perform coding according to the neighboring node pattern value (for example, if the neighboring node pattern value is 63, 64 codings are performed). According to embodiments, the point cloud encoder may reduce coding complexity by changing a neighbor node pattern value (for example, based on a table changing 64 to 10 or 6).
  • the encoded geometry is reconstructed (decompressed) before attribute encoding is performed.
  • the geometry reconstruction operation may include changing the placement of the direct coded points (eg, placing the direct coded points in front of the point cloud data).
  • the geometry reconstruction process is triangular reconstruction, upsampling, voxelization, and the attribute is dependent on geometry, so the attribute encoding is performed based on the reconstructed geometry.
  • the point cloud encoder may reorganize points for each LOD.
  • the figure shows point cloud content corresponding to the LOD.
  • the left side of the figure shows the original point cloud content.
  • the second figure from the left of the figure shows the distribution of the lowest LOD points, and the rightmost figure in the figure shows the distribution of the highest LOD points. That is, the points of the lowest LOD are sparsely distributed, and the points of the highest LOD are densely distributed. That is, as the LOD increases according to the direction of the arrow indicated at the bottom of the drawing, the spacing (or distance) between points becomes shorter.
  • a point cloud content providing system or a point cloud encoder (for example, a point cloud video encoder 10002, a point cloud encoder in FIG. 4, or an LOD generator 40009) generates an LOD. can do.
  • the LOD is generated by reorganizing the points into a set of refinement levels according to a set LOD distance value (or a set of Euclidean distance).
  • the LOD generation process is performed not only in the point cloud encoder but also in the point cloud decoder.
  • FIG. 9 shows examples (P0 to P9) of points of point cloud content distributed in a three-dimensional space.
  • the original order of FIG. 9 represents the order of points P0 to P9 before LOD generation.
  • the LOD based order of FIG. 9 represents the order of points according to LOD generation. Points are rearranged by LOD. Also, the high LOD includes points belonging to the low LOD.
  • LOD0 includes P0, P5, P4 and P2.
  • LOD1 includes the points of LOD0 and P1, P6 and P3.
  • LOD2 includes points of LOD0, points of LOD1 and P9, P8 and P7.
  • the point cloud encoder may selectively or combine predictive transform coding, lifting transform coding, and RAHT transform coding.
  • the point cloud encoder may generate a predictor for points and perform predictive transform coding to set a predicted attribute (or predicted attribute value) of each point. That is, N predictors may be generated for N points.
  • the predicted attribute (or attribute value) is a weight calculated based on the distance to each neighboring point to the attributes (or attribute values, for example, color, reflectance, etc.) of neighboring points set in the predictor of each point. It is set as the average value multiplied by (or weight value).
  • a point cloud encoder e.g., the coefficient quantization unit 40011
  • the quantization process is as shown in the following table.
  • Table 2 shows the Attribute prediction residuals quantization pseudo code
  • Table 3 shows the Attribute prediction residuals inverse quantization pseudo code.
  • the point cloud encoder (for example, the arithmetic encoder 40012) according to the embodiments may entropy-code the quantized and dequantized residual values as described above when there are points adjacent to the predictors of each point.
  • the point cloud encoder according to embodiments (for example, the arithmetic encoder 40012) may entropy-code attributes of the corresponding point without performing the above-described process if there are no points adjacent to the predictor of each point.
  • the point cloud encoder (for example, the lifting transform unit 40010) according to the embodiments generates a predictor of each point, sets the calculated LOD to the predictor, registers neighboring points, and increases the distance to the neighboring points.
  • Lifting transform coding can be performed by setting weights.
  • Lifting transform coding according to embodiments is similar to the above-described predictive transform coding, but differs in that a weight is accumulated and applied to an attribute value.
  • a process of cumulatively applying a weight to an attribute value according to embodiments is as follows.
  • the weights calculated by additionally multiplying the weights calculated for all predictors by the weights stored in the QW corresponding to the predictor indexes are cumulatively added to the update weight array by the indexes of neighboring nodes.
  • the value obtained by multiplying the calculated weight by the attribute value of the index of the neighboring node is accumulated and summed.
  • the predicted attribute value is calculated by additionally multiplying the attribute value updated through the lift update process by the weight updated through the lift prediction process (stored in QW).
  • a point cloud encoder for example, the coefficient quantization unit 40011
  • the point cloud encoder for example, the Arismatic encoder 40012
  • the point cloud encoder (for example, the RAHT transform unit 40008) according to the embodiments may perform RAHT transform coding that estimates the attributes of higher-level nodes by using an attribute associated with a node at a lower level of the octree.
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud encoder according to the embodiments scans from voxels to the entire area, and repeats the merging process up to the root node while merging the voxels into larger blocks in each step.
  • the merging process according to the embodiments is performed only for an occupied node.
  • the merging process is not performed for the empty node, and the merging process is performed for the node immediately above the empty node.
  • the following equation represents the RAHT transformation matrix. Denotes the average attribute value of voxels at level l. Is Wow Can be calculated from Wow Weight of and to be.
  • Is high-pass coefficients, and the high-pass coefficients in each step are quantized and entropy-coded (for example, encoding of the arithmetic encoder 400012).
  • Weight is Is calculated as Root node is the last and Is calculated as follows.
  • the gDC value is also quantized and entropy coded like the high pass coefficient.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder illustrated in FIG. 10 is an example of the point cloud video decoder 10006 described in FIG. 1, and may perform the same or similar operation as that of the point cloud video decoder 10006 described in FIG. 1.
  • the point cloud decoder may receive a geometry bitstream and an attribute bitstream included in one or more bitstreams.
  • the point cloud decoder includes a geometry decoder and an attribute decoder.
  • the geometry decoder performs geometry decoding on the geometry bitstream and outputs decoded geometry.
  • the attribute decoder outputs decoded attributes by performing attribute decoding on the basis of the decoded geometry and the attribute bitstream.
  • the decoded geometry and decoded attributes are used to reconstruct the point cloud content.
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder illustrated in FIG. 11 is an example of the point cloud decoder described in FIG. 10, and may perform a decoding operation that is a reverse process of the encoding operation of the point cloud encoder described in FIGS. 1 to 9.
  • the point cloud decoder may perform geometry decoding and attribute decoding. Geometry decoding is performed prior to attribute decoding.
  • the point cloud decoder includes an arithmetic decoder (11000), an octree synthesis unit (synthesize octree, 11001), a surface optimization synthesis unit (synthesize surface approximation, 11002), and a geometry reconstruction unit (reconstruct geometry). , 11003), inverse transform coordinates (11004), arithmetic decode (11005), inverse quantize (11006), RAHT transform unit (11007), LOD generator (generate LOD, 11008) ), Inverse lifting (11009), and/or inverse transform colors (11010).
  • the arithmetic decoder 11000, the octree synthesis unit 11001, the surface opoxidation synthesis unit 11002, the geometry reconstruction unit 11003, and the coordinate system inverse transform unit 11004 may perform geometry decoding.
  • Geometry decoding according to embodiments may include direct coding and trisoup geometry decoding. Direct coding and trisoup geometry decoding are optionally applied. Further, the geometry decoding is not limited to the above example, and is performed in the reverse process of the geometry encoding described in FIGS. 1 to 9.
  • the Arismatic decoder 11000 decodes the received geometry bitstream based on Arismatic coding.
  • the operation of the Arismatic decoder 11000 corresponds to the reverse process of the Arismatic encoder 40004.
  • the octree synthesizer 11001 may generate an octree by obtaining an ocupancy code from a decoded geometry bitstream (or information on a geometry obtained as a result of decoding).
  • a detailed description of the OQFancy code is as described in FIGS. 1 to 9.
  • the surface opoxidation synthesizer 11002 may synthesize a surface based on the decoded geometry and/or the generated octree.
  • the geometry reconstruction unit 11003 may regenerate the geometry based on the surface and/or the decoded geometry. 1 to 9, direct coding and trisoup geometry encoding are selectively applied. Accordingly, the geometry reconstruction unit 11003 directly imports and adds position information of points to which direct coding is applied. In addition, when trisoup geometry encoding is applied, the geometry reconstruction unit 11003 performs a reconstruction operation of the geometry reconstruction unit 40005, such as triangle reconstruction, up-sampling, and voxelization, to restore the geometry. have. Details are the same as those described in FIG. 6 and thus will be omitted.
  • the reconstructed geometry may include a point cloud picture or frame that does not include attributes.
  • the coordinate system inverse transform unit 11004 may acquire positions of points by transforming a coordinate system based on the restored geometry.
  • Arithmetic decoder 11005, inverse quantization unit 11006, RAHT conversion unit 11007, LOD generation unit 11008, inverse lifting unit 11009, and/or color inverse conversion unit 11010 are attributes described in FIG. Decoding can be performed.
  • Attribute decoding according to embodiments includes Region Adaptive Hierarchial Transform (RAHT) decoding, Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding, and interpolation-based hierarchical nearest-neighbor prediction with an update/lifting. step (Lifting Transform)) decoding may be included.
  • RAHT Region Adaptive Hierarchial Transform
  • Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding
  • interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)) decoding may be included.
  • the Arismatic decoder 11005 decodes the attribute bitstream by arithmetic coding.
  • the inverse quantization unit 11006 inverse quantizes information on the decoded attribute bitstream or the attribute obtained as a result of decoding, and outputs inverse quantized attributes (or attribute values). Inverse quantization may be selectively applied based on the attribute encoding of the point cloud encoder.
  • the RAHT conversion unit 11007, the LOD generation unit 11008 and/or the inverse lifting unit 11009 may process reconstructed geometry and inverse quantized attributes. As described above, the RAHT conversion unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may selectively perform a decoding operation corresponding thereto according to the encoding of the point cloud encoder.
  • the inverse color transform unit 11010 performs inverse transform coding for inverse transforming a color value (or texture) included in the decoded attributes.
  • the operation of the color inverse transform unit 11010 may be selectively performed based on the operation of the color transform unit 40006 of the point cloud encoder.
  • elements of the point cloud decoder of FIG. 11 are not shown in the drawing, hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing apparatus , Software, firmware, or a combination thereof.
  • One or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud decoder of FIG. 11 described above. Further, one or more processors may operate or execute a set of software programs and/or instructions for performing operations and/or functions of elements of the point cloud decoder of FIG. 11.
  • the transmission device shown in FIG. 12 is an example of the transmission device 10000 of FIG. 1 (or a point cloud encoder of FIG. 4 ).
  • the transmission device illustrated in FIG. 12 may perform at least one or more of the same or similar operations and methods as the operations and encoding methods of the point cloud encoder described in FIGS. 1 to 9.
  • the transmission apparatus includes a data input unit 12000, a quantization processing unit 12001, a voxelization processing unit 12002, an octree occupancy code generation unit 12003, a surface model processing unit 12004, an intra/ Inter-coding processing unit (12005), Arithmetic coder (12006), metadata processing unit (12007), color conversion processing unit (12008), attribute transformation processing unit (or attribute transformation processing unit) (12009), prediction/lifting/RAHT transformation
  • a processing unit 12010, an Arithmetic coder 12011, and/or a transmission processing unit 12012 may be included.
  • the data input unit 12000 receives or acquires point cloud data.
  • the data input unit 12000 may perform the same or similar operation and/or an acquisition method to the operation and/or acquisition method of the point cloud video acquisition unit 10001 (or the acquisition process 20000 described in FIG. 2 ).
  • the coder 12006 performs geometry encoding.
  • the geometry encoding according to the embodiments is the same as or similar to the geometry encoding described in FIGS. 1 to 9, so a detailed description thereof will be omitted.
  • the quantization processing unit 12001 quantizes geometry (eg, a position value or position value of points).
  • the operation and/or quantization of the quantization processor 12001 is the same as or similar to the operation and/or quantization of the quantization unit 40001 described in FIG. 4. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the voxelization processor 12002 voxelsizes the position values of the quantized points.
  • the voxelization processor 120002 may perform the same or similar operation and/or process as the operation and/or the voxelization process of the quantization unit 40001 described in FIG. 4. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the octree occupancy code generation unit 12003 performs octree coding on positions of voxelized points based on an octree structure.
  • the octree ocupancy code generation unit 12003 may generate an ocupancy code.
  • the octree occupancy code generation unit 12003 may perform the same or similar operation and/or method as the operation and/or method of the point cloud encoder (or octree analysis unit 40002) described in FIGS. 4 and 6. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the surface model processing unit 12004 may perform trisoup geometry encoding to reconstruct positions of points within a specific area (or node) based on a voxel based on a surface model.
  • the face model processing unit 12004 may perform the same or similar operation and/or method as the operation and/or method of the point cloud encoder (eg, the surface aproxiation analysis unit 40003) described in FIG. 4. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the intra/inter coding processor 12005 may intra/inter code point cloud data.
  • the intra/inter coding processing unit 12005 may perform the same or similar coding as the intra/inter coding described in FIG. 7. The detailed description is the same as described in FIG. 7. According to embodiments, the intra/inter coding processing unit 12005 may be included in the arithmetic coder 12006.
  • the arithmetic coder 12006 entropy encodes an octree and/or an approximated octree of point cloud data.
  • the encoding method includes an Arithmetic encoding method.
  • the arithmetic coder 12006 performs the same or similar operation and/or method to the operation and/or method of the arithmetic encoder 40004.
  • the metadata processing unit 12007 processes metadata related to point cloud data, for example, a set value, and provides it to a necessary processing such as geometry encoding and/or attribute encoding.
  • the metadata processing unit 12007 may generate and/or process signaling information related to geometry encoding and/or attribute encoding. Signaling information according to embodiments may be encoded separately from geometry encoding and/or attribute encoding. In addition, signaling information according to embodiments may be interleaved.
  • the color conversion processing unit 12008, the attribute conversion processing unit 12009, the prediction/lifting/RAHT conversion processing unit 12010, and the Arithmetic coder 12011 perform attribute encoding.
  • Attribute encoding according to embodiments is the same as or similar to the attribute encoding described in FIGS. 1 to 9, and thus a detailed description thereof will be omitted.
  • the color conversion processing unit 12008 performs color conversion coding that converts color values included in attributes.
  • the color conversion processing unit 12008 may perform color conversion coding based on the reconstructed geometry. Description of the reconstructed geometry is the same as described in FIGS. 1 to 9. In addition, the same or similar operation and/or method to the operation and/or method of the color conversion unit 40006 described in FIG. 4 is performed. Detailed description will be omitted.
  • the attribute conversion processing unit 12009 performs attribute conversion for converting attributes based on the reconstructed geometry and/or positions for which geometry encoding has not been performed.
  • the attribute conversion processing unit 12009 performs the same or similar operation and/or method to the operation and/or method of the attribute conversion unit 40007 described in FIG. 4. Detailed description will be omitted.
  • the prediction/lifting/RAHT transform processing unit 12010 may code transformed attributes by using any one or a combination of RAHT coding, predictive transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT conversion processing unit 12010 performs at least one of the same or similar operations as the RAHT conversion unit 40008, LOD generation unit 40009, and lifting conversion unit 40010 described in FIG. 4. do.
  • descriptions of predictive transform coding, lifting transform coding, and RAHT transform coding are the same as those described in FIGS.
  • the Arismatic coder 12011 may encode coded attributes based on Arismatic coding.
  • the Arismatic coder 12011 performs the same or similar operation and/or method to the operation and/or method of the Arismatic encoder 400012.
  • the transmission processor 12012 transmits each bitstream including the encoded geometry and/or the encoded attribute, and metadata information, or transmits the encoded geometry and/or the encoded attribute, and the metadata information in one piece. It can be configured as a bitstream and transmitted. When the encoded geometry and/or encoded attribute and metadata information according to the embodiments are configured as one bitstream, the bitstream may include one or more sub-bitstreams.
  • the bitstream according to the embodiments is a sequence parameter set (SPS) for signaling of a sequence level, a geometry parameter set (GPS) for signaling of geometry information coding, an attribute parameter set (APS) for signaling of attribute information coding, and a tile.
  • SPS sequence parameter set
  • GPS geometry parameter set
  • APS attribute parameter set
  • TPS Transaction Parameter Set
  • Slice data may include information on one or more slices.
  • One slice according to embodiments may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 and Attr1 0 ).
  • the TPS according to the embodiments may include information about each tile (eg, coordinate value information and height/size information of a bounding box) with respect to one or more tiles.
  • the geometry bitstream may include a header and a payload.
  • the header of the geometry bitstream may include identification information of a parameter set included in GPS (geom_ parameter_set_id), a tile identifier (geom_tile_id), a slice identifier (geom_slice_id), information on data included in the payload, and the like.
  • the metadata processing unit 12007 may generate and/or process signaling information and transmit the generated and/or processed signaling information to the transmission processing unit 12012.
  • elements that perform geometry encoding and elements that perform attribute encoding may share data/information with each other as dotted line processing.
  • the transmission processing unit 12012 according to the embodiments may perform the same or similar operation and/or transmission method as the operation and/or transmission method of the transmitter 10003. Detailed descriptions are the same as those described in FIGS. 1 to 2 and thus will be omitted.
  • FIG 13 is an example of a reception device according to embodiments.
  • the receiving device illustrated in FIG. 13 is an example of the receiving device 10004 of FIG. 1 (or the point cloud decoder of FIGS. 10 and 11 ).
  • the receiving device illustrated in FIG. 13 may perform at least one or more of the same or similar operations and methods as the operations and decoding methods of the point cloud decoder described in FIGS. 1 to 11.
  • the receiving apparatus includes a receiving unit 13000, a receiving processing unit 13001, an arithmetic decoder 13002, an octree reconstruction processing unit 13003 based on an Occupancy code, and a surface model processing unit (triangle reconstruction).
  • a receiving unit 13000 Up-sampling, voxelization) (13004), inverse quantization processing unit (13005), metadata parser (13006), arithmetic decoder (13007), inverse quantization processing unit (13008), prediction A /lifting/RAHT inverse transformation processing unit 13009, a color inverse transformation processing unit 13010, and/or a renderer 13011 may be included.
  • Each component of decoding according to the embodiments may perform a reverse process of the component of encoding according to the embodiments.
  • the receiving unit 13000 receives point cloud data.
  • the receiving unit 13000 may perform the same or similar operation and/or a receiving method as the operation and/or receiving method of the receiver 10005 of FIG. 1. Detailed description will be omitted.
  • the reception processing unit 13001 may obtain a geometry bitstream and/or an attribute bitstream from received data.
  • the reception processing unit 13001 may be included in the reception unit 13000.
  • the arithmetic decoder 13002, the ocupancy code-based octree reconstruction processing unit 13003, the surface model processing unit 13004, and the inverse quantization processing unit 13005 may perform geometry decoding. Since the geometry decoding according to the embodiments is the same as or similar to the geometry decoding described in FIGS. 1 to 10, a detailed description will be omitted.
  • the Arismatic decoder 13002 may decode a geometry bitstream based on Arismatic coding.
  • the Arismatic decoder 13002 performs the same or similar operation and/or coding as the operation and/or coding of the Arismatic decoder 11000.
  • the ocupancy code-based octree reconstruction processing unit 13003 may obtain an ocupancy code from a decoded geometry bitstream (or information on a geometry obtained as a result of decoding) to reconstruct the octree.
  • the ocupancy code-based octree reconstruction processing unit 13003 performs the same or similar operation and/or method as the operation and/or the octree generation method of the octree synthesis unit 11001.
  • the surface model processing unit 13004 decodes the trisoup geometry based on the surface model method and reconstructs the related geometry (e.g., triangle reconstruction, up-sampling, voxelization). Can be done.
  • the surface model processing unit 13004 performs an operation identical or similar to that of the surface opoxidation synthesis unit 11002 and/or the geometry reconstruction unit 11003.
  • the inverse quantization processing unit 13005 may inverse quantize the decoded geometry.
  • the metadata parser 13006 may parse metadata included in the received point cloud data, for example, a setting value.
  • the metadata parser 13006 may pass metadata to geometry decoding and/or attribute decoding.
  • the detailed description of the metadata is the same as that described in FIG. 12 and thus will be omitted.
  • the arithmetic decoder 13007, the inverse quantization processing unit 13008, the prediction/lifting/RAHT inverse transformation processing unit 13009, and the color inverse transformation processing unit 13010 perform attribute decoding. Since the attribute decoding is the same as or similar to the attribute decoding described in FIGS. 1 to 10, a detailed description will be omitted.
  • the Arismatic decoder 13007 may decode the attribute bitstream through Arismatic coding.
  • the arithmetic decoder 13007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the Arismatic decoder 13007 performs the same or similar operation and/or coding as the operation and/or coding of the Arismatic decoder 11005.
  • the inverse quantization processing unit 13008 may inverse quantize the decoded attribute bitstream.
  • the inverse quantization processing unit 13008 performs the same or similar operation and/or method as the operation and/or the inverse quantization method of the inverse quantization unit 11006.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 may process reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 is the same or similar to the operations and/or decodings of the RAHT transform unit 11007, the LOD generator 11008 and/or the inverse lifting unit 11009, and/or At least one or more of the decodings is performed.
  • the color inverse transform processing unit 13010 according to embodiments performs inverse transform coding for inverse transforming a color value (or texture) included in the decoded attributes.
  • the color inverse transform processing unit 13010 performs the same or similar operation and/or inverse transform coding as the operation and/or inverse transform coding of the color inverse transform unit 11010.
  • the renderer 13011 may render point cloud data.
  • FIG. 14 illustrates an architecture for G-PCC-based point cloud content streaming according to embodiments.
  • FIG. 14 shows a process in which the transmission device (for example, the transmission device 10000, the transmission device of FIG. 12, etc.) described in FIGS. 1 to 13 processes and transmits the point cloud content.
  • the transmission device for example, the transmission device 10000, the transmission device of FIG. 12, etc.
  • the transmission device may obtain audio Ba of the point cloud content (Audio Acquisition), encode the acquired audio, and output audio bitstreams Ea.
  • the transmission device acquires a point cloud (Bv) (or point cloud video) of the point cloud content (Point Acqusition), performs point cloud encoding on the acquired point cloud, and performs a point cloud video bitstream ( Eb) can be output.
  • the point cloud encoding of the transmission device is the same as or similar to the point cloud encoding (for example, the encoding of the point cloud encoder of FIG. 4) described in FIGS.
  • the transmission device may encapsulate the generated audio bitstreams and video bitstreams into files and/or segments (File/segment encapsulation).
  • the encapsulated file and/or segment may include a file of a file format such as ISOBMFF or a DASH segment.
  • Point cloud-related metadata may be included in an encapsulated file format and/or segment.
  • Meta data may be included in boxes of various levels in the ISOBMFF file format or may be included in separate tracks in the file.
  • the transmission device may encapsulate the metadata itself as a separate file.
  • the transmission device according to the embodiments may deliver an encapsulated file format and/or segment through a network. Since the encapsulation and transmission processing method of the transmission device is the same as those described in FIGS. 1 to 13 (for example, the transmitter 10003, the transmission step 20002 of FIG. 2, etc.), detailed descriptions are omitted.
  • FIG. 14 shows a process of processing and outputting point cloud content by the receiving device (for example, the receiving device 10004, the receiving device of FIG. 13, etc.) described in FIGS. 1 to 13.
  • the receiving device for example, the receiving device 10004, the receiving device of FIG. 13, etc.
  • the receiving device includes a device that outputs final audio data and final video data (e.g., loudspeakers, headphones, display), and a point cloud player that processes point cloud content ( Point Cloud Player).
  • the final data output device and the point cloud player may be configured as separate physical devices.
  • the point cloud player according to the embodiments may perform Geometry-based Point Cloud Compression (G-PCC) coding and/or Video based Point Cloud Compression (V-PCC) coding and/or next-generation coding.
  • G-PCC Geometry-based Point Cloud Compression
  • V-PCC Video based Point Cloud Compression
  • the receiving device secures a file and/or segment (F', Fs') included in the received data (for example, a broadcast signal, a signal transmitted through a network, etc.) and decapsulation (File/ segment decapsulation). Since the reception and decapsulation method of the reception device is the same as those described in FIGS. 1 to 13 (for example, the receiver 10005, the reception unit 13000, the reception processing unit 13001, etc.), a detailed description thereof will be omitted.
  • the receiving device secures an audio bitstream E'a and a video bitstream E'v included in a file and/or segment. As shown in the drawing, the receiving device outputs the decoded audio data B'a by performing audio decoding on the audio bitstream, and rendering the decoded audio data to final audio data. (A'a) is output through speakers or headphones.
  • the receiving device outputs decoded video data B'v by performing point cloud decoding on the video bitstream E'v. Since the point cloud decoding according to the embodiments is the same as or similar to the point cloud decoding described in FIGS. 1 to 13 (for example, decoding of the point cloud decoder of FIG. 11 ), a detailed description will be omitted.
  • the receiving device may render the decoded video data and output the final video data through the display.
  • the receiving device may perform at least one of decapsulation, audio decoding, audio rendering, point cloud decoding, and rendering operations based on metadata transmitted together.
  • the description of the metadata is the same as that described with reference to FIGS. 12 to 13 and thus will be omitted.
  • the receiving device may generate feedback information (orientation, viewport).
  • the feedback information according to the embodiments may be used in a decapsulation process, a point cloud decoding process and/or a rendering process of a receiving device, or may be transmitted to a transmitting device.
  • the description of the feedback information is the same as that described with reference to FIGS. 1 to 13 and thus will be omitted.
  • 15 shows an example of a transmission device according to embodiments.
  • the transmission device of FIG. 15 is a device that transmits point cloud content, and the transmission device described in FIGS. 1 to 14 (for example, the transmission device 10000 of FIG. 1, the point cloud encoder of FIG. 4, the transmission device of FIG. 12, 14). Accordingly, the transmission device of FIG. 15 performs the same or similar operation to that of the transmission device described in FIGS. 1 to 14.
  • the transmission device may perform at least one or more of point cloud acquisition, point cloud encoding, file/segment encapsulation, and delivery. Can be done.
  • the transmission device may perform geometry encoding and attribute encoding.
  • Geometry encoding according to embodiments may be referred to as geometry compression, and attribute encoding may be referred to as attribute compression.
  • attribute compression As described above, one point may have one geometry and one or more attributes. Therefore, the transmission device performs attribute encoding for each attribute.
  • the drawing shows an example in which a transmission device has performed one or more attribute compressions (attribute #1 compression, ...attribute #N compression).
  • the transmission apparatus may perform auxiliary compression. Additional compression is performed on the metadata. Description of the meta data is the same as that described with reference to FIGS. 1 to 14 and thus will be omitted.
  • the transmission device may perform mesh data compression.
  • the mesh data compression according to embodiments may include the trisoup geometry encoding described with reference to FIGS. 1 to 14.
  • the transmission device may encapsulate bitstreams (eg, point cloud streams) output according to point cloud encoding into files and/or segments.
  • a transmission device performs media track encapsulation for carrying data other than metadata (for example, media data), and metadata tracak for carrying meta data. encapsulation) can be performed.
  • metadata may be encapsulated as a media track.
  • the transmitting device receives feedback information (orientation/viewport metadata) from the receiving device, and based on the received feedback information, at least one of point cloud encoding, file/segment encapsulation, and transmission operations. Any one or more can be performed. Detailed descriptions are the same as those described in FIGS. 1 to 14, and thus will be omitted.
  • FIG. 16 shows an example of a receiving device according to embodiments.
  • the receiving device of FIG. 16 is a device that receives point cloud content, and the receiving device described in FIGS. 1 to 14 (for example, the receiving device 10004 of FIG. 1, the point cloud decoder of FIG. 11, the receiving device of FIG. 13, 14). Accordingly, the receiving device of FIG. 16 performs the same or similar operation to that of the receiving device described in FIGS. 1 to 14. In addition, the receiving device of FIG. 16 may receive a signal transmitted from the transmitting device of FIG. 15, and may perform a reverse process of the operation of the transmitting device of FIG.
  • the receiving device may perform at least one or more of delivery, file/segement decapsulation, point cloud decoding, and point cloud rendering. Can be done.
  • the reception device performs decapsulation on a file and/or segment acquired from a network or a storage device.
  • the receiving device performs media track decapsulation carrying data other than meta data (for example, media data), and metadata track decapsulation carrying meta data. decapsulation) can be performed.
  • the metadata track decapsulation is omitted.
  • the receiving device may perform geometry decoding and attribute decoding on bitstreams (eg, point cloud streams) secured through decapsulation.
  • Geometry decoding according to embodiments may be referred to as geometry decompression, and attribute decoding may be referred to as attribute decompression.
  • a point may have one geometry and one or more attributes, and are each encoded. Therefore, the receiving device performs attribute decoding for each attribute.
  • the drawing shows an example in which the receiving device performs one or more attribute decompressions (attribute #1 decompression, ...attribute #N decompression).
  • the receiving device may perform auxiliary decompression. Additional decompression is performed on the metadata.
  • the receiving device may perform mesh data decompression.
  • the mesh data decompression according to embodiments may include decoding the trisoup geometry described with reference to FIGS. 1 to 14.
  • the receiving device according to the embodiments may render the output point cloud data according to the point cloud decoding.
  • the receiving device secures orientation/viewport metadata using a separate sensing/tracking element, etc., and transmits feedback information including the same to a transmission device (for example, the transmission device of FIG. 15). Can be transmitted.
  • the receiving device may perform at least one or more of a receiving operation, file/segment decapsulation, and point cloud decoding based on the feedback information. Detailed descriptions are the same as those described in FIGS. 1 to 14, and thus will be omitted.
  • FIG. 17 shows an example of a structure capable of interworking with a method/device for transmitting and receiving point cloud data according to embodiments.
  • the structure of FIG. 17 includes at least one of a server 1760, a robot 1710, an autonomous vehicle 1720, an XR device 1730, a smartphone 1740, a home appliance 1750, and/or an HMD 1770.
  • a configuration connected to the cloud network 1710 is shown.
  • the robot 1710, the autonomous vehicle 1720, the XR device 1730, the smartphone 1740, the home appliance 1750, and the like are referred to as devices.
  • the XR device 1730 may correspond to a point cloud data (PCC) device according to embodiments or may be interlocked with a PCC device.
  • PCC point cloud data
  • the cloud network 1700 may constitute a part of a cloud computing infrastructure or may mean a network that exists in the cloud computing infrastructure.
  • the cloud network 1700 may be configured using a 3G network, a 4G or long term evolution (LTE) network, or a 5G network.
  • LTE long term evolution
  • the server 1760 includes at least one of a robot 1710, an autonomous vehicle 1720, an XR device 1730, a smartphone 1740, a home appliance 1750, and/or an HMD 1770, and a cloud network 1700.
  • the connected devices 1710 to 1770 may be connected through, and may assist at least part of the processing of the connected devices 1710 to 1770.
  • the HMD (Head-Mount Display) 1770 represents one of types in which an XR device and/or a PCC device according to embodiments may be implemented.
  • the HMD type device according to the embodiments includes a communication unit, a control unit, a memory unit, an I/O unit, a sensor unit, and a power supply unit.
  • the devices 1710 to 1750 shown in FIG. 17 may be interlocked/coupled with the point cloud data transmission/reception apparatus according to the above-described embodiments.
  • the XR/PCC device 1730 is applied with PCC and/or XR (AR+VR) technology to provide a head-mount display (HMD), a head-up display (HUD) provided in a vehicle, a television, a mobile phone, a smart phone, It may be implemented as a computer, wearable device, home appliance, digital signage, vehicle, fixed robot or mobile robot.
  • HMD head-mount display
  • HUD head-up display
  • vehicle a television
  • mobile phone a smart phone
  • It may be implemented as a computer, wearable device, home appliance, digital signage, vehicle, fixed robot or mobile robot.
  • the XR/PCC device 1730 analyzes 3D point cloud data or image data acquired through various sensors or from an external device to generate position data and attribute data for 3D points, thereby Information can be obtained, and the XR object to be output can be rendered and output.
  • the XR/PCC device 1730 may output an XR object including additional information on the recognized object in correspondence with the recognized object.
  • the autonomous vehicle 1720 may be implemented as a mobile robot, a vehicle, or an unmanned aerial vehicle by applying PCC technology and XR technology.
  • the autonomous driving vehicle 1720 to which the XR/PCC technology is applied may refer to an autonomous driving vehicle having a means for providing an XR image, an autonomous driving vehicle that is an object of control/interaction within the XR image.
  • the autonomous vehicle 1720 which is the object of control/interaction in the XR image, is distinguished from the XR device 1730 and may be interlocked with each other.
  • the autonomous vehicle 1720 having a means for providing an XR/PCC image may acquire sensor information from sensors including a camera, and may output an XR/PCC image generated based on the acquired sensor information.
  • the autonomous vehicle 1720 may provide an XR/PCC object corresponding to a real object or an object in a screen to the occupant by outputting an XR/PCC image with a HUD.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a part of the XR/PCC object may be output to overlap the actual object facing the occupant's gaze.
  • the XR/PCC object when the XR/PCC object is output on a display provided inside the autonomous vehicle, at least a part of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 1220 may output XR/PCC objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, motorcycles, pedestrians, and buildings.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects or backgrounds in the real world only as CG images.
  • AR technology refers to a technology that shows a virtually created CG image on a real object image.
  • MR technology is similar to the AR technology described above in that virtual objects are mixed and combined in the real world.
  • real objects and virtual objects made from CG images are clear, and virtual objects are used in a form that complements the real objects, whereas in MR technology, the virtual objects are regarded as having the same characteristics as the real objects. It is distinct from technology. More specifically, for example, it is a hologram service to which the aforementioned MR technology is applied.
  • VR, AR, and MR technologies are sometimes referred to as XR (extended reality) technology rather than clearly distinguishing between them. Therefore, embodiments of the present invention are applicable to all of VR, AR, MR, and XR technologies.
  • This technology can be applied to encoding/decoding based on PCC, V-PCC, and G-PCC technology.
  • the PCC method/apparatus according to the embodiments may be applied to a vehicle providing an autonomous driving service.
  • Vehicles providing autonomous driving service are connected to PCC devices to enable wired/wireless communication.
  • the vehicle receives/processes AR/VR/PCC service related content data that can be provided together with the autonomous driving service. Can be transferred to.
  • the point cloud transmission/reception device may receive/process AR/VR/PCC service related content data according to a user input signal input through the user interface device and provide it to the user.
  • the vehicle or user interface device may receive a user input signal.
  • the user input signal may include a signal indicating an autonomous driving service.
  • the method/device according to the embodiments may refer to a point cloud data transmission/reception method and/or a point cloud data transmission/reception apparatus.
  • geometry information may be referred to as geometric information
  • attribute information may be referred to as attribute information.
  • the encoder according to the embodiments may be referred to as a point cloud data encoder, a point cloud encoder, and a point cloud encoder according to the embodiments.
  • the decoder according to the embodiments may be referred to as a point cloud data decoder, a point cloud decoder, and a point cloud decoder according to the embodiments.
  • a geometry bitstream of point cloud data according to embodiments may be referred to as a geometric information bitstream, and an attribute bitstream of point cloud data according to embodiments may be referred to as an attribute bitstream.
  • FIG. 18 shows a point cloud encoder according to embodiments.
  • the point cloud encoder 18000 receives point cloud data (PCC data, 18000a) and encodes them.
  • the point cloud encoder according to the embodiments outputs a geometric information bitstream 18000b and an attribute information bitstream 18000c.
  • the point cloud encoder 18000 according to the embodiments may include a spatial division unit 18001, a geometric information encoding unit 18002, and/or an attribute information encoding unit 18003.
  • the spatial division unit 18001 may receive the point cloud data (PCC data, 18000a) from the point cloud encoder, and divide the point cloud data into one or more three-dimensional spaces.
  • the spatial divider 18001 may receive point cloud data and spatially divide the point cloud data into 3D blocks.
  • the point cloud data may include geometric information and/or attribute information of a point (or points).
  • the spatial divider 18001 may spatially divide point cloud data (PCC data) based on a bounding box and/or a sub-bounding box.
  • the method/apparatus according to the embodiments may perform encoding/decoding based on a divided unit (box).
  • the space division unit 18001 is a part of the operation of the Point Cloud Acquisition (10001) of FIG. 1, the acquisition (20000) of FIG. 2, the operation of FIGS. 3 to 5, and the data input unit 12000 of FIG. 12 /Can do all.
  • the geometric information encoding unit 18002 receives geometry information of point cloud data (PCC data) according to embodiments and encodes them.
  • the geometry information may mean location information of points included in the point cloud data.
  • the geometry information encoder 18002 encodes geometry information and outputs a geometry information bitstream.
  • the geometric information encoder 18002 may reconstruct the location information of the points and output the reconstructed geometric information 18002a.
  • the geometric information encoding unit 18002 may transmit the reconstructed geometric information to the attribute information encoding unit 18002.
  • the geometric information encoding unit 18002 is a point cloud video encoder 10002 of FIG. 1, an encoding 20001 of FIG. 2, a coordinate system transforming unit 40000 of FIG. 4, a quantization 40001, an octree analysis unit. (40002), a surface aproximation analysis unit (40003), an arithmetic encoder (40004), a geometry reconstruction unit (40005), a quantization processing unit (12001) of FIG. 12, a voxelization processing unit (12002), an octree occupancy
  • Some/all of the operations of the code generation unit 12003, the surface model processing unit 12004, the intra/inter coding processing unit 12005, and/or the arithmetic coder 12006 may be performed.
  • the attribute information encoding unit 18003 may receive attribute information of the point cloud data according to embodiments, and may encode the attribute information using the reconstructed geometric information received from the geometric information encoder 18003.
  • the attribute information encoding unit 18003 encodes attribute information and outputs an attribute information bitstream 18000c.
  • the attribute information encoder 18003 may, for example, perform prediction transform, lifting transform, and/or region adaptive hierarchical transform (RAHT) transform according to embodiments.
  • RAHT region adaptive hierarchical transform
  • the attribute information encoding unit 18003 may, for example, perform prediction lifting (or predictive lifting) transformation.
  • the prediction lifting transformation may mean a combination of some or all of the detailed operations of the predictive transformation and/or the lifting transformation according to embodiments.
  • the point cloud encoder encodes some, all and/or a combination of prediction transform, lifting transform, and/or Region Adaptive Hierarchical Transform (RAHT) transform according to the embodiments. Can be done.
  • RAHT Region Adaptive Hierarchical Transform
  • the attribute information encoding unit 18003 includes a point cloud video encoder 10002 of FIG. 1, an encoding 20001 of FIG. 2, a color converter 40006 of FIG. 4, an attribute converter 40007, and a RATH converter 40008. , LOD generation unit 40009, Lifting transform unit 40010, coefficient quantization unit 40011 and/or operation of Arismatic encoding unit 40012, color conversion processing unit 12008 of FIG. 12, attribute conversion processing unit 12009 , All/some operations of the prediction/lifting/RAHT conversion processor 12010 and the Arismatic coder 12011 may be performed.
  • the reconstructed geometric information 18002c may mean an octree reconstructed by the Reconstruct Geometry 40005 described in FIG. 4 and/or an approximated octree.
  • the restored geometric information may refer to the occupancy code described in FIG. 6 or may refer to an octree structure.
  • the restored geometric information may refer to an octree occupancy code generated by the octree occupancy code generator 12003 described in FIG. 12.
  • the attribute information encoder 18003 may encode attribute information of point cloud data according to embodiments.
  • the encoder 18003 according to the embodiments may encode attribute information by using reconstructed geometric information (or reconstructed geometric information) according to the embodiments.
  • the attribute information encoder 18003 may generate a bitstream including attribute information (or attribute information) by encoding the received data.
  • the attribute information encoding unit 18003 includes a color conversion unit 40006, an attribute transmission unit 40007, a RAHT conversion unit 40008, an LOD generation unit 40009, a lifting unit 40010, and A quantization unit 40011 and/or an arithmetic encoding unit 400012 may be included.
  • Point cloud data may be classified into category 1 and category 3 according to the characteristics of the data.
  • Category 1 data may be static data and may be data composed of one frame.
  • Category 3 data is dynamic data and may be data composed of N frames.
  • a ply file which is a file format of point cloud data, may be composed of a number of points according to a data acquisition method.
  • the point cloud data transmission apparatus may encode attribute information by applying a new transformation type.
  • G-PCC can be divided into geometry information compression and attribute information compression.
  • a Region-Adaptive Haar (or hierarchical) Transform (RAHT) may be used to encode data distributed in space when attribute information is compressed.
  • RAHT Region-Adaptive Haar
  • coefficients generated by applying the method should be encoded as accurately as possible, and if a specific coefficient is not correctly encoded, deterioration may occur in the entire area of the reconstructed point cloud data.
  • Geometric information may include location information of each point (each point of points of PCC data).
  • geometric information is (x, y) of a two-dimensional orthogonal coordinate system or ( , ) Or (x, y, z) of a Cartesian coordinate system in three-dimensional space or ( , , z) of the spherical coordinate system ( , , ) Can be expressed as a coordinate vector.
  • Attribute information is a vector representing a color of a point (each point of points in point cloud data) (eg, (R, G, B) information), a brightness value (or a luminance value) , The reflection coefficient of the lidar and/or a vector of values obtained from one or more sensors (eg, a temperature value obtained from a thermal imaging camera, etc.).
  • the spatial dividing unit 18000 may divide the input point cloud data into at least one 3D block.
  • the block may mean a tile group, a tile, a slice, or a coding unit (CU), a prediction unit (PU), or a transformation unit (TU).
  • the space dividing unit 18000 according to the embodiments may divide point cloud data into blocks having an arbitrary horizontal and vertical height.
  • the space dividing unit 18000 according to embodiments may divide point cloud data by selectively determining various positions and sizes of blocks. The partitioning may be performed based on at least one of an octree, a quadtree, a binary tree, a triple tree, and a k-d tree.
  • the point cloud data transmission method can efficiently and quickly encode point cloud data due to the configuration of the geometric information encoding unit and/or the attribute information encoding unit. It can provide a realistic virtual reality environment.
  • FIG 19 illustrates an attribute information encoder according to embodiments.
  • the attribute information encoding unit includes a Morton code conversion and alignment unit 1900, a nearest neighbor search and selection unit 1901, an attribute information prediction method selection and residual calculation unit 1902. ), a quantization and atomic encoding unit 1903 and/or a bit packing unit 1904 may be included.
  • Each component included in the attribute information encoding unit according to embodiments may be a configuration of one or more hardware blocks/modules and/or software executed by a processor.
  • It may represent a process of encoding in a prediction method among attribute coding according to embodiments.
  • Morton code conversion and alignment is a process of receiving information reconstructed by a geometry coding unit as input, converting the location information (x, y, z) values into morton codes, and then sorting them in ascending order.
  • the sorted morton code is delivered to the Nearest neighbor search and selection block.
  • the nearest neighbor finds points (2, 3 or more) with the closest distance among point clouds included in a specific range based on the point cloud to be encoded. Select as.
  • the most suitable prediction method is selected by analyzing the characteristics of the selected NN information.
  • residual information is derived by differentiating it from attribute (input attribute) information to be encoded.
  • attribute input attribute
  • a smaller one is selected and transmitted.
  • an additional flag indicated as prediction method information here
  • prediction method information indicating which information is selected should be transmitted.
  • residual information is input to a quantization & arithmetic coding block, quantized and entropy-coded.
  • various coding methods such as Exponential Golomb, Context-Adaptive Variable Length Coding (CAVLC), and Context-Adaptive Binary Arithmetic Coding (CABAC) may be used.
  • the coded information is packed in a bit packing block to be transmitted to the receiving end to form a bitstream.
  • the Morton code conversion and alignment unit 1900 receives reconstructed geometry information (or reconstructed geometry information) according to embodiments.
  • the Morton code conversion and alignment unit 1900 converts the location information (for example, (x,y,z) values) of the received geometry information into a Morton code and converts it into a Morton code. You can sort (for example, sort in ascending order) the location information.
  • the sorted morton code may be transmitted to a nearest neighbor search and selection unit.
  • the nearest neighbor search and select unit 1901 corresponds to a nearest neighbor for points of the point cloud data. Or select more points.
  • Points of point cloud data mean data of a point cloud to be encoded.
  • the nearest neighbor refers to the points with the closest distance among point clouds (points) included within a specific range based on the corresponding point (e.g., 2, 3 Or more).
  • the near-list neighbor search and select unit searches for one or more points (or near-list neighbors) based on each point and selects one or more points corresponding to the near-list neighbor.
  • the near-list neighbor may also be referred to as a neighboring neighbor, a Nearest Neighbor (NN), or the like, according to embodiments.
  • the near-list NAVER search and selection unit may be referred to as a near-list Naver search unit, a near-list Naver selection unit, a near-list Naver search/selection unit, a near-list Naver unit, and NN unit.
  • the attribute information prediction method selection and residual calculation unit 1902 selects a method of predicting point cloud data to be predicted based on points (or near-list neighbors) corresponding to near-list neighbors according to embodiments. .
  • the attribute information prediction method selection and residual calculation unit predicts point cloud data to be predicted based on the selected prediction method, and generates residual information.
  • the data sizes of residual information or point cloud data to be predicted ie, input attributes
  • Predicting the point cloud data to be predicted It may be predicted based on the distance between the point and the nearlist neighbor(s) according to embodiments.
  • the residual information may be a difference between an attribute attribute (attribute information) of the predicted point cloud data and an attribute attribute (ie, input attribute, input attribute) of the input point cloud data.
  • An input attribute (or input attribute information) may mean an attribute attribute of point cloud data input to a transmission device according to embodiments.
  • the predicted attribute may mean an attribute attribute of point cloud data predicted by the transmission device (or the attribute information encoder) according to the embodiments.
  • the residual may mean a residual value generated by difference between an input attribute and a predicted attribute.
  • the attribute information prediction method selection and residual calculation unit may generate a residual by differentiating the attribute attribute (attribute information) of the predicted point cloud data from the input point cloud data.
  • the residual information may be less or more than the amount of information of the predicted attribute attribute or input attribute of the point cloud data. Accordingly, the attribute information prediction method selection and residual calculation unit may select and transmit information having a smaller amount of information by comparing the residual information with the amount of information of the predicted attribute attribute or input attribute of the point cloud data.
  • the attribute information prediction method selection and residual calculation unit may further generate prediction method information. That is, the attribute information prediction method selection and residual calculation unit determines which information is selected and which information is transmitted using the prediction method information (eg, additional flag or signaling information) to the receiving device according to the embodiments. I can tell.
  • prediction method information eg, additional flag or signaling information
  • the residual when the generated residual information has less information than the predicted attribute attribute and input attribute of the point cloud data, the residual may be selected and transmitted. (For example, in the case of point cloud data corresponding to Category 3, the neighboring neighbors are actually far apart, so the attribute values of the nearlist neighbor and the prediction target point may be significantly different.)
  • the information prediction method selection and residual calculation unit may transmit flag information (or signaling information) indicating that the residual is selected and transmitted. Conversely, when the generated residual information has a larger amount of information than the input attribute (i.e., when the input attribute has the least amount of information among the residual information, input attribute, and attribute attributes of the predicted point cloud data), the attribute information prediction method is selected and The residual calculation unit may select and transmit an input attribute. Even at this time, the attribute information prediction method selection and residual calculation unit may transmit flag information (or signaling information) indicating that the input attribute is selected and transmitted.
  • the quantization and algorithmic encoding unit 1903 may quantize and encode residual information (or information generated by the attribute information prediction method selection and residual calculation unit) according to embodiments.
  • the quantization and arismatic encoding unit 1903 may perform arithmetic coding as an embodiment, and in addition, Exponential Golomb, Context-Adaptive Variable Length Coding (CAVLC), and CABAC ( Context-Adaptive Binary Arithmetic Coding) may be used.
  • the quantization and algorithmic encoding unit encodes residual information (or information generated by the attribute information prediction method selection and residual calculation unit) according to the embodiments, and outputs a bitstream (or bits).
  • the quantization and algorithmic encoding unit 1903 may entropy-code residual information (or information generated by the attribute information prediction method selection and residual calculation unit) according to embodiments.
  • the quantization and algorithmic encoding unit 1903 according to embodiments may entropy-code data (ie, information having a smaller size among residual and attribute attributes) generated by the attribute information prediction method selection and the residual calculation unit. have.
  • the bit packing unit 1904 may pack a bitstream output by the quantization and algorithmic coding unit.
  • the bit packing unit may select the attribute information prediction method and pack the prediction method information generated by the residual calculation unit.
  • the bit packing unit transmits a bitstream to the reception device according to the embodiments.
  • the attribute information encoder (or PCC data encoder) may generate a plurality of predictor candidates based on a result of a search of a nearlist neighbor. Searching for a near-list neighbor can be done by creating a LoD.
  • the plurality of predictor candidates may include a predictor index and a predicted attribute value.
  • the predictor index may indicate a method of performing decoding when decoding a related point, and information related to a point that is a reference for prediction during decoding (for example, a predicted attribute value).
  • the predictor index according to embodiments may be transmitted in the form of a flag.
  • the attribute information encoder (or PCC data encoder) according to the embodiments may select an optimal predictor using a plurality of generated predictor candidates.
  • the attribute information encoder according to embodiments may select an optimal predictor index by a rate-distortion optimization procedure.
  • the attribute information encoding unit may perform quantization and/or encoding using the selected optimal predictor index.
  • the attribute information encoder may perform prediction transform, lifting transform, and/or region adaptive hierarchical transform (RAHT) transform according to the embodiments.
  • the attribute information encoder may perform prediction lifting (or predictive lifting) transformation.
  • the prediction lifting transformation according to the embodiments may mean a combination of some or all of the detailed operations of the predictive transformation and/or the lifting transformation according to the embodiments.
  • the lifting transformation may be referred to as a lifting scheme
  • the prediction transformation may be referred to as a prediction scheme, or the like.
  • the prediction transformation may be referred to as a prediction scheme or the like according to embodiments.
  • RAHT conversion may be referred to as a RAHT scheme or the like according to embodiments.
  • the prediction lifting transformation according to embodiments may be referred to as a prediction lifting scheme or the like.
  • attribute information encoder may include some, all, and/or each of the prediction transform, lifting transform, and/or region adaptive hierarchical transform (RAHT) transform according to embodiments. Encoding can be performed in combination.
  • RAHT region adaptive hierarchical transform
  • the flowchart on the right side of FIG. 12 shows the attribute information encoding process.
  • the color transformation processing unit, attribute transformation processing unit, prediction/lift/RAHT transformation processing unit, and the Arithmetic coder according to the embodiments shown in FIG. It corresponds to'predicted attribute information prediction method selection and residual information calculation unit'.
  • Point cloud data transmission method the step of encoding the point cloud data; And transmitting the encoded point cloud data. It may include.
  • the encoding of the point cloud data includes: encoding geometric information of the point cloud data; And encoding attribute information of the acquired point cloud data based on the restored geometric information.
  • the step of encoding the geometric information may generate a geometric information bitstream and reconstructed geometric information.
  • encoding the attribute information may generate an attribute information bitstream.
  • the encoding of the point cloud data may include selecting at least one point corresponding to a nearest neighbor to the first point of the point cloud data based on the restored geometric information; Calculating a residual of attribute information of the first point based on attribute information of at least one point corresponding to the selected nearlist neighbor; And quantizing information related to attribute information of the first point. It may include.
  • the point cloud data transmission method can efficiently and quickly encode point cloud data due to the configuration of the geometric information encoding unit and/or the attribute information encoding unit. It can provide a realistic virtual reality environment.
  • the point cloud data transmission method may improve transmission/reception efficiency by removing unnecessary data transmission by performing a process of comparing the residual information calculated through prediction and attribute information. Furthermore, by comparing the residual information and the input attribute information, accurate attribute information of a point to be transmitted can be provided to the receiving device.
  • the point cloud data transmission method may reduce an additional computational burden and a memory burden of a receiving device by performing a process of comparing the residual information calculated through prediction and attribute information.
  • the point cloud data transmission method may reduce the burden of entropy coding and/or quantization by encoding data having a small size as described above.
  • the point cloud data transmission method does not significantly affect the overall computational complexity because the process of comparing both information can be composed only of simple conditional statements, whereas the use of inaccurate predicted information due to the configuration By preventing it, detailed prediction can be made and coding performance improvement can be expected.
  • the point cloud data transmission method/device and/or receiving method/device uses a prediction-based module (device, etc.) of G-PCC to obtain attribute information of a point cloud.
  • information that is more effective for encoding may be selected through a process of comparing and verifying residual (residual) information through prediction and original (input attribute) information of an attribute.
  • the point cloud data transmission method can expect to improve compression performance without an additional computation process and occupying additional memory.
  • the operation of encoding attribute information according to embodiments may be performed by the attribute information encoder according to the embodiments.
  • the process of performing attribute information encoding includes calculating a maximum difference (maxDiff) between near-list neighbors (NN) (S2000), comparing the maximum difference and threshold information (S2001), and weighted NN (Weighted NN).
  • NN predicted attribute information predicted and calculating residual information (S2002), calculating a first score (S2003), predicted by referring to one NN
  • Predicting attribute information and calculating residual information (S2004) calculating a second score (S2005), comparing the first score and the second score (S2006), weighted NN in response to the step S2006
  • comparing the residual with the input attribute (S2009) quantizing/coding the input attribute when the residual information amount is large (S2010) and/or input
  • the step of quantizing the
  • the method/apparatus may calculate a maximum difference (maxDiff) between near-list neighbors (NN).
  • maxDiff maximum difference between near-list neighbors
  • a difference between attribute information of a neighbor point corresponding to a neighbor may be calculated.
  • the method/apparatus according to the embodiments may compare the maximum difference and threshold information.
  • the method/apparatus according to the embodiments compares the maximum difference value (that is, the difference between the minimum value and the maximum value of attribute information for each of the neighbors) and threshold information between near-list neighbors.
  • the threshold information may mean a maximum value of a difference between a minimum value and a maximum value of attribute information for each of the neighbors that the method/device according to the embodiments must satisfy to perform attribute information prediction.
  • the threshold information may be a preset value.
  • the maximum difference value (that is, the difference between the minimum value and the maximum value of attribute information for each of the neighbors) between the nearlist neighbors is greater than the value of the threshold information.
  • predicted attribute information may be predicted and/or residual information may be calculated using the average of the weighted NN.
  • a predicted attribute value may be predicted by averaging information of all selected neighbor points.
  • the attribute information encoder (or PCC data encoder) may generate a plurality of predictor candidates based on a result of a search of a nearlist neighbor.
  • the plurality of predictor candidates may include a predictor index and a predicted attribute value.
  • the predicted attribute information is predicted as a predictor candidate.
  • a dict index is 0, and an average value of a predicted attribute value may be stored.
  • the structure of the stored data is as shown in FIG. 24B.
  • the method/apparatus may calculate a first score based on predicted predicted attribute information and/or residual information.
  • the first score may be referred to as a best score according to embodiments.
  • the best score may be calculated according to [Equation 1].
  • the first score may be expressed as Score NN according to embodiments.
  • the first score (i.e., the first score) is the amount of information used when encoding residual information generated by performing prediction based on neighbors (e.g., entropy encoding) and It may mean related score information.
  • a ⁇ _j is the attribute information of the j-th nearest neighbor, the Euclidean distance between the point to be encoded and the j-th nearest neighbor point (Euclidean distance). That is, the predicted attribute information a ⁇ _i of the i-th point is calculated as the reciprocal of the distance is a weighted sum for each attribute of NN.
  • the method/apparatus estimates the amount of information used to encode residual information derived by a difference between an input attribute and a predicted attribute.
  • the predictor's score is determined. Initially, since the best score does not exist, the calculated score can be initialized as the best score.
  • An input attribute may mean an attribute attribute of point cloud data input to a transmission device according to embodiments.
  • the predicted attribute may mean an attribute attribute of point cloud data predicted by the transmission device (or the attribute information encoder) according to the embodiments.
  • the residual may mean a residual value generated by difference between an input attribute and a predicted attribute.
  • the method/apparatus according to the embodiments may predict predicted attribute information and/or calculate residual information with reference to one NN. That is, in connection with this step, when predicting predicted attribute information, the method/apparatus according to the embodiments performs prediction by referring only to one nearest neighbor information. In addition, in connection with this step, the method/apparatus according to the embodiments may derive residual information based on a difference between the predicted information and input attribute information. If there are two or more nearby neighbors, residual information is derived by proceeding in the same manner for other neighbors.
  • the attribute information encoder may generate a plurality of predictor candidates by predicting predicted attribute information with reference to one NN. For example, in this step, when predicted attribute information is predicted with reference to one NN, the predicted attribute is a predictor candidate, and the predicted index is the order of neighbor points near the corresponding pointer. As such, with an integer value (for example, 1, 2, 3...), the predicted value may be stored as attribute information of a neighbor point or information related thereto.
  • the structure of the stored data is as shown in FIG. 24B.
  • the method/apparatus may calculate a second score for each naver based on predicted attribute information and/or residual information predicted with reference to one NN.
  • the second score may be expressed as Score NN_i according to embodiments. Where i is 1, 2, 3,... , M, where M may represent the number of neighbors.
  • the second score (i.e., the second score) is used when encoding residual information generated by performing prediction based on each neighbor (eg, entropy encoding). It may mean score information related to the amount of information.
  • the method/device according to the embodiments may compare the calculated first score and the second score.
  • step S2007 when the second score (Score NN_i , or the maximum value of Score NN_i ) is greater than the first score (best score), the method/device according to the embodiments in relation to this step calculates a second score.
  • step S2008 when the second scores (Score NN_i ) for the neighbors are all less than (or less than or equal to) the first score
  • the method/apparatus according to the embodiments has a first score
  • Point attribute information can be predicted by the prediction method used when it was calculated. For example, when the first score (best score) is less than or equal to the second score (Score NN_i ) for all i, the prediction is based on the average or weighted average of the attribute information corresponding to all naveres. Can predict attributes. In this case, residual information may also be generated based on the predicted attribute generated as described above.
  • the method/apparatus according to the embodiments may compare the information amount of the residual information generated according to the above-described steps S2007 and/or S2008 with the information amount of input attribute information according to the embodiments. have.
  • the amount of information may mean an amount of data required to quantize and encode a residual or input attribute or to transmit.
  • the method/apparatus according to the embodiments may quantize/code an input attribute when the amount of information of the residual is large (or greater than or equal to).
  • the method/apparatus according to the embodiments may include quantizing/coding the residual information when the amount of information of the input attribute is large (or greater than or equal to).
  • the method/apparatus according to the embodiments may generate prediction method information according to the embodiments.
  • the prediction method information is information indicating whether the transmission device according to the embodiments has selected and quantized/coded an input attribute to transmit attribute information of a corresponding point in this step, or whether a residual has been selected and quantized/coded. That is, the reception device according to the embodiments may be informed of what information is transmitted using prediction method information (eg, additional flag or signaling information). According to embodiments, this step may be performed in the attribute information prediction method selection and residual calculation unit.
  • the method/apparatus according to the embodiments may be performed by the quantization and atomic encoding unit according to the embodiments.
  • the quantization and atomic encoding unit according to the embodiments may entropy-code the residual information (or information generated by the property information prediction method selection and the residual calculation unit) according to the embodiments.
  • the quantization and atomic encoding unit according to embodiments may entropy-code data determined by S2009 (ie, information having a smaller size among residual and attribute attributes).
  • the prediction method information may indicate that the input attribute has been quantized/coded. Conversely, if the residual information amount for the corresponding point is smaller than (or less than or equal to) the information amount of the input attribute, the prediction method information may indicate that the residual information is quantized/coded.
  • information on predicted attributes predicted in step S2005 and/or step S2005 may be stored together with a predictor index. That is, the attribute information encoder (or PCC data encoder) according to the embodiments determines a plurality of predictor candidates based on the result of searching for a neighbor point, and determines a set of predictor index and predicted attribute values. Can be saved.
  • the transmission device/method may further transmit a parameter indicating the maximum number of predictor candidates.
  • a parameter indicating the maximum number of predictor candidates may be transmitted as signaling information such as MaxNumCand, which may be included in an attribute header and may be encoded by an encoder according to embodiments.
  • a parameter indicating the maximum number of predictor candidates may be used as an encoding/decoding predictor index in truncated unary binarization.
  • step S2000 may be performed by a maximum difference (maxDiff) calculator between nearest neighbors (NNs).
  • step S2002 may be performed by "predicting a predicted attribute with an average of a weighted NN and a residual information calculator”.
  • all or part of the steps corresponding to S2002 and/or S2003 may be performed by a score calculator (or score calculator).
  • Steps S2004 and/or S2005 may be performed by “predicted attribute prediction and residual information calculator with reference to only one NN”.
  • some or all of the steps according to FIG. 20 may be performed by the attribute information prediction method selection and residual calculation unit described in FIG. 19.
  • FIG. 20 the operation process of the attribute information prediction method selection and residual calculation unit (predicted attribute information prediction method selection and residual information calculation) of FIG. 19 is shown in more detail.
  • attributes attribute information
  • an input attribute input attribute information
  • the maxDiff calculator between Nearest neighbors (NNs) analyzes differences in attributes of neighbor points. As a result of the analysis, if the difference between the minimum value and the maximum value is greater than a certain threshold (maxDiff ⁇ threshold), it is determined that predicting the predicted attribute value by averaging the information of all neighbor points does not always produce a good result, and thus a more diverse method is attempted. do.
  • the predicted attribute prediction and residual information calculator predicts the predicted attribute by referring to attribute information of all nearest neighbors using the average of the weighted NN (NN).
  • the prediction equation is the same as [Equation 2].
  • a ⁇ _j means attribute information of the j-th nearest neighbor, and the Euclidean distance between the encoding target point and the j-th nearest neighbor point. That is, predicted attribute information a ⁇ _i of the i-th point is calculated by weighted sum of the reciprocal distance for each attribute of NN.
  • the score calculator estimates the amount of information used to encode residual information derived from the difference between the input attribute and the predicted attribute, and scores the predictor. Initially, there is no best score, so the calculated score is regarded as the best score.
  • the predicted attribute prediction and residual information calculation block by referring to only one NN, when predicted attribute information is predicted, only one nearest neighbor information is referred to for prediction.
  • the predicted information is different from the input attribute information to induce residual information. If there are two or more nearest neighbors, residual information is derived by proceeding in the same manner for other neighbors.
  • the'predicted attribute prediction and residual calculation' block is used as the method used when the largest score NN was calculated, and the best score among Score NN_i If there is no larger case, the block'predicting predicted attribute and calculating residual information with the average of weighted NN' is performed.
  • residual information and input attribute information are compared at the end. If the input attribute information is smaller than the residual information, it is determined that it is more effective to entropy-code the input attribute information instead of the residual attribute information, and the input attribute is transmitted as it is. In this case, if necessary, an additional flag should be defined, and the receiver should be informed that the input attribute is directly transmitted. In the opposite case, the residual is entropy encoded and transmitted to the decoder as in the conventional method.
  • the performing of attribute information encoding may include prediction transform, lifting transform, and/or region adaptive hierarchical transform (RAHT) transform according to the embodiments.
  • the step of performing attribute information encoding may perform prediction lifting (or prediction lifting) transformation.
  • the prediction lifting transformation according to the embodiments may mean a combination of some or all of the detailed operations of the predictive transformation and/or the lifting transformation according to the embodiments.
  • the lifting transformation may be referred to as a lifting scheme
  • the prediction transformation may be referred to as a prediction scheme, or the like.
  • the prediction transformation may be referred to as a prediction scheme or the like according to embodiments.
  • RAHT conversion may be referred to as a RAHT scheme or the like according to embodiments.
  • the prediction lifting transformation according to embodiments may be referred to as a prediction lifting scheme or the like.
  • the step of performing the attribute information encoding is a combination of a prediction transform, a lifting transform, and/or a Region Adaptive Hierarchical Transform (RAHT) transform according to embodiments. Encoding can be performed.
  • Point cloud data transmission method the step of encoding the point cloud data; And transmitting the encoded point cloud data. It may include.
  • the encoding of the point cloud data includes: encoding geometric information of the point cloud data; And encoding attribute information of the acquired point cloud data based on the restored geometric information.
  • the step of encoding the geometric information may generate a geometric information bitstream and reconstructed geometric information.
  • encoding the attribute information may generate an attribute information bitstream.
  • the encoding of the point cloud data may include selecting at least one point corresponding to a nearest neighbor to the first point of the point cloud data based on the restored geometric information; Calculating a residual of attribute information of the first point based on attribute information of at least one point corresponding to the selected nearlist neighbor; And quantizing information related to attribute information of the first point. It may include.
  • the encoding of the point cloud data may further include comparing the size of the residual and the attribute information of the first point, and the quantizing step is performed when the residual is greater than the attribute information of the first point.
  • the attribute information of one point can be quantized, and when the residual is smaller than the attribute information of the first point, the residual can be quantized.
  • encoding the point cloud data may further generate prediction method information, and the prediction method information may indicate whether the quantized attribute information includes attribute information of the first point or a residual.
  • At least one point corresponding to the near-list neighbor may include a plurality of points, and the step of generating a residual of the attribute value of the first point includes a maximum value and a threshold of the difference between the attribute information of the plurality of points.
  • Comparing When the maximum value of the difference is greater than the threshold value, predicting attribute information of a first point based on attribute information of a plurality of points, where a first score value for the predicted attribute information of the first point is generated box; Predicting attribute information of a first point based only on attribute information of a second point included in the plurality of points, wherein a second score value for the predicted attribute information of the first point is generated;
  • the point cloud data transmission method may improve transmission/reception efficiency by removing unnecessary data transmission by performing a process of comparing residual information calculated through prediction and attribute information. Furthermore, by comparing the residual information and the input attribute information, accurate attribute information of a point to be transmitted can be provided to the receiving device.
  • the point cloud data transmission method may reduce an additional computational burden and a memory burden of a receiving device by performing a process of comparing the residual information calculated through prediction and attribute information.
  • the process of comparing both information can consist only of simple conditionals, so it does not significantly affect the overall computational complexity, whereas the use of inaccurate predicted information due to the configuration is prevented in advance, enabling detailed prediction and coding performance. You can expect improvement.
  • the point cloud data transmission method may reduce the burden of entropy coding and/or quantization by encoding data having a small size as described above.
  • the point cloud data transmission method/device and/or receiving method/device uses a prediction-based module (device, etc.) of G-PCC to obtain attribute information of a point cloud.
  • information that is more effective for encoding may be selected through a process of comparing and verifying residual (residual) information through prediction and original (input attribute) information of an attribute.
  • the point cloud data transmission method can expect to improve compression performance without an additional computation process and occupying additional memory.
  • 21 shows a point cloud decoder according to embodiments.
  • a point cloud decoder may include a geometric information decoding unit 2101 and/or a property information decoding unit 2102. According to embodiments, the point cloud decoder may be referred to as a PCC decoder, a PCC decoder, a point cloud decoder, a point cloud decoder, a PCC decoder, or the like.
  • the PCC decoder may include a geometric information decoding unit 2101 and an attribute information decoding unit 2102.
  • the geometric information decoding unit 2101 restores geometric information by decoding the received geometric information bitstream.
  • the restored geometric information may be input to the attribute information decoding unit.
  • the attribute information decoding unit 2102 receives the received attribute information bitstream and the restored geometric information received from the geometry information decoding unit and restores the attribute information.
  • the restored attribute information may consist of restored PCC data together with the restored geometric information.
  • the geometry information decoding unit 2101 receives the geometry information bitstream received by the reception device according to the embodiments.
  • the geometry information decoding unit 2101 may decode a geometry information bitstream.
  • the attribute information decoding unit 2102 receives the attribute information bitstream received by the reception device according to the embodiments.
  • the attribute information decoding unit may decode attribute information of the attribute information bitstream based on the restored geometric information. Geometric information and/or attribute information included in the point cloud data may be decoded and restored PCC data.
  • the restored PCC data may include data in which the geometry information bitstream is decoded by the geometry information decoding unit and/or data in which the attribute information bitstream is decoded by the attribute information decoding unit.
  • the PCC decoder of FIG. 21 is composed of a geometry information bitstream, an attribute information bitstream, a geometry information decoding unit, a recovered geometry information, an attribute information decoding unit, and a recovered PCC data. Corresponding components may correspond to the configuration according to FIG. 13.
  • the geometric information bitstream and the attribute information bitstream of FIG. 21 may correspond to the receiving processing unit and the metadata parser according to FIG. 13.
  • the geometric information decoding unit 2101 includes an arthimetic decoder and an occupancy code-based octree reconstruction processing unit, a surface model processing unit, and/or an inverse quantization processing unit (or inverse quantization processing unit) according to FIG. 13. Can correspond to
  • the reconstructed geometric information according to FIG. 21 may correspond to sharing of reconstructed location values indicated by signaling without a separate block.
  • the attribute information decoding unit according to FIG. 21 according to embodiments, an arithmetic decoder according to FIG. 13, an inverse quantization processing unit on the side to which the attribute information bitstream is signaled, a prediction/lifting/RAHT inverse transformation processing unit, and a color inverse transformation processing unit. Can correspond.
  • the restored PCC data according to FIG. 21 may correspond to input or output data of the renderer according to FIG. 13.
  • a method for receiving point cloud data includes: receiving point cloud data and signaling information; Decoding the point cloud data; And rendering the decoded point cloud data. It may include.
  • the decoding of the point cloud data may include decoding a geometric information bitstream of the point cloud data and decoding an attribute information bitstream of the point cloud data based on the restored geometric information.
  • reconstructed geometric information may be generated.
  • the decoding of the attribute information bitstream may generate reconstructed attribute information.
  • the computational burden on the receiving end is reduced and transmission/reception efficiency can be improved.
  • the process of comparing both pieces of information can be composed only of simple conditional statements, so that it does not significantly affect the overall computational complexity, but due to the configuration, detailed prediction is possible and encoding performance can be expected to be improved.
  • the method of receiving point cloud data according to the embodiments can expect to improve decoding performance without an additional computational process and occupying an additional memory.
  • the attribute information decoding unit includes a Morton code conversion and alignment unit 2200, a nearest neighbor search and selection unit 2201, a bit unpacking unit 2202, It may include an arismatic decoding/dequantization unit 2203 and/or an attribute information prediction and restoration unit 2204.
  • Each component included in the attribute information encoding unit according to embodiments may be a configuration of one or more hardware blocks/modules and/or software executed by a processor.
  • FIG. 22 may mean, for example, a process of decoding the attribute information decoding unit of FIG. 21 using a prediction method.
  • a description of the operation process of FIG. 22 is as follows.
  • the Morton code conversion and alignment receives the information restored from the geometry coding unit as input and transfers the position information (x, y, z) values to the embodiments. It is a process of sorting in ascending order after converting to the corresponding Molton code. The sorted Molton code is transmitted to the nearest neighbor search and selection unit.
  • the Nearest Neighbor search and selection unit selects points (2, 3 or more) with the closest distance among point clouds included within a specific range based on the code information. ) And select it as the nearest neighbor.
  • the mentioned two blocks are the same as the'Morton code conversion and alignment' block and the'Nearest neighbor search and selection' block in the attribute encoding process. Therefore, additional parameters and metadata may not be required to execute the corresponding block.
  • bit unpacking block the received bitstream is unpacked and information is parsed.
  • Arithmetic decoding & inverse characterization block quantized information is restored through entropy decoding, and residual information is restored through an inverse quantization process.
  • various coding methods such as Exponential Golomb, Context-Adaptive Variable Length Coding (CAVLC), and Context-Adaptive Binary Arithmetic Coding (CABAC) may be used.
  • the predicted attribute prediction & attribute information restoration block first selects a predictor to be used to predict an attribute by referring to encoded prediction method information transmitted from the transmitter. Next, the attribute is predicted using the selected predictor, but prediction may not be performed by referring to the transmitted prediction method information. If prediction is not performed, information reconstructed through inverse quantization is regarded as an attribute and output. When prediction is performed, information reconstructed through inverse quantization is considered residual, and the predicted attribute information is added and output. The process is described in more detail in [Fig. 23].
  • the Morton code conversion and alignment unit 2200 converts the location information (i.e., (x, y, z) values, etc.) of the reconstructed geometry information into a Morton code according to embodiments. can do.
  • the Morton code conversion and sorting unit may sort the converted Morton codes (eg, sort in ascending order).
  • the sorted Molton code is transmitted to the nearest neighbor search and selection unit.
  • the Molton code conversion and alignment unit 2200 described in FIG. 22 may perform the same operation as the Molton code conversion and alignment unit described in FIG. 19. Therefore, additional parameters and signaling information (metadata) may not be required to perform the corresponding block.
  • the nearest neighbor search and selection unit 2201 is one corresponding to the nearest neighbor for points of the point cloud data based on the information of the input code (eg, Molton code). Or select more points.
  • Points of point cloud data mean encoded point cloud data.
  • the nearest neighbor refers to the points with the closest distance among point clouds (points) included within a specific range based on the corresponding point (e.g., 2, 3 Or more).
  • the near-list neighbor search and select unit searches for one or more points (or near-list neighbors) based on each point and selects one or more points corresponding to the near-list neighbor.
  • the near-list neighbor search and select unit 2201 described in FIG. 22 may perform the same operation as the near-list neighbor search and select unit described in FIG. 19. Therefore, additional parameters and signaling information (metadata) may not be required to perform the corresponding block.
  • the bit unpacking unit 2202 may perform unpacking or parsing by receiving a bitstream (eg, attribute information bitstream) received by the reception device according to the embodiments. have.
  • the unpacked bitstream may include coded and quantized attribute information.
  • Arithmetic decoding/inverse quantization unit 2203 restores quantized information through arithmetic entropy decoding, and recovers residual information through inverse quantization process.
  • various decoding/encoding methods such as Exponential Golomb, Context-Adaptive Variable Length Coding (CAVLC), and Context-Adaptive Binary Arithmetic Coding (CABAC) may be used.
  • the attribute information prediction and restoration unit 2204 is used for one or more points corresponding to the selected near-list neighbor and the points decoded/inverse quantized by the arithmetic decoding/inverse quantization unit 2203. Based on the data, the predicted attribute may be predicted and attribute information (attribute information) may be restored.
  • the attribute information prediction and reconstruction unit may select a predictor to be used to predict attribute information with reference to quantized and coded prediction method information transmitted from the transmission device according to the embodiments.
  • the attribute information prediction and restoration unit according to embodiments may predict attribute information using the selected predictor.
  • the attribute information prediction and reconstruction unit according to embodiments may not perform prediction of attribute information in response to information of a predictor.
  • the attribute information prediction and reconstruction unit according to the embodiments may not perform prediction by referring to the transmitted prediction method information. If the attribute information prediction and reconstruction unit according to the embodiments does not perform prediction, information restored through inverse quantization may be output as attribute information as it is. However, when the attribute information prediction and restoration unit according to the embodiments performs prediction, the data restored through inverse quantization is regarded as residual, so the attribute information prediction and restoration unit according to the embodiments Is predicted, and residual information is added to the predicted attribute information and output.
  • Each component included in the attribute information encoding unit may be a configuration of one or more hardware blocks/modules and/or software executed by a processor.
  • the attribute information decoding process of the right part of FIG. 13 may include an arithmetic decoder, an inverse quantization unit, a prediction/lifting/RAHT inverse transformation processing unit, and an inverse color transformation processing unit. This may correspond to the operation of the attribute information prediction and restoration unit in the attribute information decoding process (or operation of the attribute information decoding unit) shown in FIG. 22. That is, the attribute information decoding process illustrated in FIG. 22 may correspond to “Predicted attribute prediction, Arithmetic decoding & inverse quantization, and attribute information restoration”.
  • a method for receiving point cloud data includes: receiving point cloud data and signaling information; Decoding the point cloud data; And rendering the decoded point cloud data. It may include.
  • the decoding of the point cloud data may include decoding a geometric information bitstream of the point cloud data and decoding an attribute information bitstream of the point cloud data based on the restored geometric information.
  • reconstructed geometric information may be generated.
  • the decoding of the attribute information bitstream may generate reconstructed attribute information.
  • the decoding of the point cloud data comprises: dequantizing the attribute information bitstream; at least one point corresponding to a nearest neighbor to the first point of the point cloud data based on the restored geometric information. And/or predicting reconstructed attribute information of the first point based on at least one point corresponding to the selected nearlist neighbor and inverse quantized information for the first point. have.
  • the step of dequantizing may generate dequantized information of points of the point cloud data.
  • the computational burden on the receiving end is reduced and transmission/reception efficiency can be improved.
  • the process of comparing both pieces of information can consist only of simple conditional statements, so it does not significantly affect the overall computational complexity, but by preventing the use of inaccurate predicted information in advance due to the configuration, it is expected to improve prediction performance and improve encoding performance. I can.
  • the method of receiving point cloud data according to the embodiments can expect to improve decoding performance without an additional computational process and occupying an additional memory.
  • the process of performing attribute information encoding may include determining whether the attribute information is residual (S2300) and/or restoring attribute information (S2301).
  • FIG. 23 may show an operation of the attribute information prediction and restoration unit 2204 of FIG. 22.
  • a description of the operation process is as follows.
  • the method for receiving point cloud data determines whether information restored after inverse quantization corresponds to attribute information or residual. can do. According to embodiments, whether information restored after inverse quantization corresponds to attribute information or residual may be performed based on prediction method information received by the receiving device.
  • step S2301 if the data restored through the inverse quantization process corresponds to a residual, this step provides attribute information on the target point based on the received residual and/or Naver attributes. It can be reconstructed by prediction. Therefore, in this step, the restored attribute information (attribute information) for the target point may be output.
  • a predictor to be used to predict attribute information of a target point is selected.
  • the attribute information of the target point is predicted using the selected predictor.
  • step S2301 includes the attribute information of the point P1 (or attribute information related thereto). It can be predicted by information.
  • the selected predictor indicates that prediction is performed based on the weighted average of the neighbors (that is, if predIndex is 0 in the above example)
  • the attribute information of the target point is the way of the neighbors. It can be determined by the average of Tides.
  • the restored data means attribute information on the target point, and thus the restored data can be output as the restored attribute information.
  • step S2300 and/or S2301 may be performed by the attribute information prediction and restoration unit 2204 of FIG. 22. That is, the attribute information prediction and restoration unit according to embodiments of the present invention includes the neighbor attributes extracted through the'Nearest neighbor search and selection unit' and an inverse quantization process. The restored data and/or prediction method information may be received. The attribute information prediction and reconstruction unit may determine whether data restored through the inverse quantization process corresponds to attribute information or residual using the received prediction method information (S2300).
  • the attribute information prediction and restoration unit when it is determined that the restored information is residual by referring to the prediction method information, uses the attribute information of the point (or points) corresponding to the selected neighbor to determine the predicted attribute. Calculates (predicted attribute) and restores the attribute information of the target point by adding residual information to it.
  • the attribute information prediction and restoration unit may output inverse quantized information as reconstructed attribute information for a target point.
  • a method for receiving point cloud data includes: receiving point cloud data and signaling information; Decoding the point cloud data; And rendering the decoded point cloud data. It may include.
  • the decoding of the point cloud data may include decoding a geometric information bitstream of the point cloud data and decoding an attribute information bitstream of the point cloud data based on the restored geometric information.
  • reconstructed geometric information may be generated.
  • the decoding of the attribute information bitstream may generate reconstructed attribute information.
  • the decoding of the point cloud data comprises: dequantizing the attribute information bitstream; at least one point corresponding to a nearest neighbor to the first point of the point cloud data based on the restored geometric information. And/or predicting reconstructed attribute information of the first point based on at least one point corresponding to the selected nearlist neighbor and inverse quantized information for the first point. have.
  • the step of dequantizing may generate dequantized information of points of the point cloud data.
  • the restored attribute information of the first point corresponds to a selected nearlist neighbor. It may be determined based on information related to the at least one point and inverse quantized information on the first point.
  • the dequantized information for the first point does not correspond to the residual
  • the reconstructed attribute information of the first point may be determined by the dequantized information for the first point, and the signaling information is the first point. It may further include prediction method information indicating whether the inverse quantized information on is corresponding to the residual.
  • the computational burden on the receiving end is reduced and transmission/reception efficiency can be improved.
  • the process of comparing both information can consist only of simple conditionals, so it does not significantly affect the overall computational complexity, whereas the use of inaccurate predicted information due to the configuration is prevented in advance, enabling detailed prediction and coding performance. You can expect improvement.
  • the method of receiving point cloud data according to the embodiments can expect to improve decoding performance without an additional computational process and occupying an additional memory.
  • FIG. 24 shows a syntax of a bitstream for encoding point cloud data according to embodiments.
  • FIG. 24(A) shows a case in which the proposed method is applied to a syntax defined for PCC encoding in one MPEG standard.
  • predIndex[i] Specifies the predictor index when decoding the value of the i-th point of the attribute.
  • the value of predIndex[i] ranges from 0 to max_num_direct_predictors.
  • X_i be the set of k-nearest neighbors of the current point i
  • the number k of near-list neighbors has a value between 1 and num_pred_nearest_neighbour.
  • maxPredDiff is calculated as follows.
  • residual information is derived through the difference between the predicted value predicted through the predictor and the input attribute in the final stage.
  • the predIndex is set to 4 and transmitted to the decoder (refer to [Table 3]). This means that since the amount of information on the input attribute is smaller than the residual information, prediction information is not used.
  • Figure 24(A) shows the syntax of a bitstream for encoding point cloud data according to embodiments.
  • Figure 24(A) is a syntax of a bitstream for encoding point cloud data through a prediction using a lifting transformation or an update/lifting step, and a Predicting Transformaion method. Can represent.
  • predIndex[ i] designates the predictor index used when decoding (decoding) the value of the i-th point of an attribute.
  • the range of the value of predIndex[ i] may range from 0 to the number of predictor candidates.
  • the number of predictor candidates may be represented by max_num_direct_predictors signaling information (or MaxNumCand).
  • maxPredDiff[i] may be information indicating a difference between a predicted attribute and an input attribute according to embodiments with respect to the attribute information of the i-th point.
  • the maxPredDiff value can be calculated as follows.
  • adaptive_prediction_threshold may mean threshold information according to embodiments.
  • MaxNumPredictors may mean the number of predictor candidates according to embodiments. It may also be indicated by max_num_direct_predictors.
  • X_i be the set of k-th near-list neighbors of the current point i
  • the number k of nearlist neighbors may have a value between 1 and num_pred_nearest_neighbour.
  • FIG. 24B shows the syntax of attribute slice data of point cloud data according to embodiments.
  • the predictor index when the predictor index is 0, the predicted attribute is predicted by the average (or weighted average) of the points corresponding to the neighbor of the corresponding point and stored in the predicted value.
  • the predictor index is 1, 2, 3, P4 points of points corresponding to the neighbors of the corresponding point (i.e., nearest neighbors at the first shortest distance), P5 (i.e., at the second shortest distance)
  • the attribute values (or related values) of the existing nearist neighbor) and P0 point that is, the nearest neighbor existing in the third shortest distance) are stored as predicted attribute values.
  • the point cloud data transmission apparatus may further compare the residual information generated by predicting the predicted attribute of the corresponding point and the input attribute information. In this case, when the amount of information of the residual information is larger than the amount of information of the input attribute information, the point cloud data transmission apparatus (or the attribute information encoder) according to the embodiments may further add a prediction candidate. .
  • the input attribute may mean an attribute attribute of point cloud data input to the transmission device according to the embodiments.
  • the predicted attribute may mean an attribute attribute of point cloud data predicted by the transmission device (or the attribute information encoder) according to the embodiments.
  • the residual may mean a residual value generated by difference between an input attribute and a predicted attribute.
  • a prediction index is 4, and a predicted value is a corresponding input attribute value.
  • a candidate which is information including information or information indicating that there is no predicted value (No predicted value) may be added. That is, in this case, since the information amount of the input attribute is smaller than that of the residual information, it means that the prediction information is not used.
  • information indicating that there is no predicted value may be transmitted in a data structure of a prediction candidate or may be transmitted in a data structure in the form of a flag.
  • the flag refers to an additional flag generated by the attribute information prediction method selection and residual calculation unit (eg, attribute information prediction method selection and residual calculation unit described in FIG. 19) according to the embodiments. I can.
  • the step of encoding the point cloud data may further generate prediction method information, and the prediction method information indicates whether the quantized attribute information includes attribute information of the first point or a residual. It can indicate whether to include.
  • the restored attribute information of the first point is information related to at least one point corresponding to the selected nearlist neighbor and the first It may be determined based on inverse quantized information about the point.
  • the reconstructed attribute information of the first point may be determined by the dequantized information about the first point.
  • the signaling information may further include prediction method information indicating whether the dequantized information for the first point corresponds to a residual.
  • the point cloud data transmission apparatus/method and reception method/device according to the embodiments may improve encoding performance by using and supplementing the signaling information described in FIG. 24.
  • a point cloud data transmission method, a transmission device, a point cloud data reception method, and a reception device may provide a point cloud service with high quality.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device may achieve various video codec methods.
  • the point cloud data transmission method may improve encoding performance, simplify an operation process of a receiver, and reduce the occupancy of a memory by using a predictor candidate and information related thereto.
  • the process of comparing both information can consist only of simple conditionals, so it does not significantly affect the overall computational complexity, whereas the use of inaccurate predicted information due to the configuration is prevented in advance, enabling detailed prediction and coding performance. You can expect improvement.
  • the method of receiving point cloud data according to the embodiments can expect to improve decoding performance without an additional computational process and occupying an additional memory.
  • FIG. 25 shows an example of a structure of point cloud data according to embodiments.
  • the point cloud data transmission apparatus may transmit a bitstream 25000 having a bitstream structure as illustrated in FIG. 25.
  • the bitstream (25000) of the point cloud data is SPS (Sequential Parameter Set, 25001), GPS (Geometry Parameter Set, 25002), APS (Attribute Parameter Set, 25003), TPS (25004), and one or more slices. They may include 25005.
  • the bitstream 25000 of the point cloud data may include one or more tiles.
  • a tile according to embodiments may be a group of slices including one or more slices.
  • SPS Sequence Parameter Set, 25001
  • SPS Sequence Parameter Set, 25001
  • SPS Sequence Parameter Set, 25001
  • It is a syntax structure that includes syntax elements that are used.
  • SPS is a point according to embodiments It may include sequence information of the cloud data bitstream.
  • the GPS may mean a syntax structure including syntax elements to which zero or more total geometry (or encoded geometry) is applied.
  • the GPS 25002 may include information on a method of encoding attribute (attribute) information of point cloud data included in one or more slices 25005.
  • the GPS 25002 may include SPS identifier information indicating a geometry parameter related to which SPS 25001 according to embodiments, and GPS identifier information identifying a corresponding GPS.
  • the APS may mean a syntax structure including syntax elements to which zero or more all attributes (or encoded attributes) are applied.
  • the APS 25003 may include information about a method of encoding attribute (attribute) information of point cloud data included in one or more slices 25005.
  • the APS 25003 may include SPS identifier information indicating which geometry parameter associated with the SPS 25001 is included, and GPS identifier information for identifying the corresponding APS.
  • the Tile Parameter Set (TPS) 25004 may mean a syntax structure including syntax elements to which zero or more total tiles (or encoded tiles) are applied.
  • the tile inventory includes information on zero or more tiles included in the point cloud data bitstream according to embodiments.
  • the tile inventory may be referred to as a tile inventory according to embodiments.
  • the TPS 25004 may include identifier information identifying one or more tiles and information indicating a range of one or more tiles (ie, a bounding box of a tile).
  • Information indicating a range of one or more tiles is coordinate information of a point that is a reference of a bounding box represented by a corresponding tile (eg, Tile(n).tile_bounding_box_xyz0) and Information about the width, height, and depth of the corresponding bounding box (eg, Tile(n).tile_boudning_box_whd) may be included.
  • the tile inventory 33004 may include information indicating a bounding box for each of the tiles.
  • the information indicating the bounding box of each tile is Tile(0).tile_bounding_box_xyz0, Tile(0).tile_bounding_box_whd, Tile(1).tile_bounding_box_xyz0 , Tile(1).tile_bounding_box_whd... It can be expressed as such.
  • a slice 25005 may mean a unit for encoding point cloud data by the apparatus for transmitting point cloud data according to embodiments.
  • a slice 33005 according to embodiments may mean a unit including one geometry bitstream Geom00 and one or more attribute bitstreams Attr00 and Attr10.
  • a slice (25005) is a geometry slice (Geometry, 33005a) representing geometry information of point cloud data included in the slice, and one or more attribute slices representing attribute information of point cloud data included in the slice. (Attribute Slice, Attr, 33005b) may be included.
  • Geometry Slice (Geometry Slice, Geom, 25005a) includes geometry slice data (Geometry Slice Data, Geom_slice_data, 25005d) including geometry information of point cloud data, and Geometry Slice Header (Geometry Slice Header) including information about geometry slice data. Geom_slice_header, GSH, 25005c).
  • the geometry slice header 25005c includes information on the geometry slice data 25005d in the slice.
  • the geometry slice header 25005c includes a geometry parameter set identifier (geom_geom_parameter_set_id) for identifying which GPS 25002 represents the geometry information of a corresponding slice, and a geometry slice identifier (geom_slice_id) for identifying the geometry slice.
  • geometry box origin information indicating the box origin of the corresponding geometry slice data
  • information indicating the lock scale of the geometry slice (geom_box_log2_scale)
  • information related to the number of points of the corresponding geometry slice (geom_num_points), etc.
  • the header of the geometry bitstream according to the embodiments is information for identifying a tile including the geometry bitstream (geom_tile_id ) May be further included.
  • the attribute slice (Attribute Slice, Attr, 25005a) includes attribute slice data (Attr_slice_data) including attribute information of point cloud data, and an attribute slice header (Attribute Slice Header, Attr_slice_header) including information on attribute slice data.
  • attribute slice data Attr_slice_data
  • attribute slice header Attr_slice_header
  • the point cloud data transmission apparatus/method and reception method/device according to the embodiments may improve encoding performance by using and supplementing the signaling information described in FIG. 24.
  • a point cloud data transmission method, a transmission device, a point cloud data reception method, and a reception device may provide a point cloud service with high quality.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device may achieve various video codec methods.
  • SPS sequence parameter set
  • APS attribute parameter set
  • the left syntax table of FIG. 26 is a syntax of the SPS defined for the operation of the point cloud data transmission method according to the embodiments
  • the right syntax table of FIG. 26 is the operation of the point cloud data transmission method according to the embodiments.
  • This is the APS syntax defined for 26 shows a case in which a flag for operating the proposed method in a sequence parameter set (SPS) and an attribute parameter set (APS) is defined.
  • Syntaxes of SPS and APS according to the embodiments shown in FIG. 26 may be syntaxes of SPS and APS according to the embodiments shown in FIG. 25.
  • enable_alternative_encoding indicates whether to encode attribute information in a different way.
  • an operation of comparing residual information and input attribute information among the attribute information encoding methods according to embodiments described with reference to FIGS. 18 to 25 may be included.
  • the method of encoding the attribute information according to the embodiments described with reference to FIGS. 18 to 25 may not include an operation of comparing residual information and input attribute information.
  • Corresponding parameters according to embodiments may be processed in a processing stage (higher level) higher than the above-described predIndex signaling information (parameter).
  • the corresponding parameter according to embodiments may be ON/OFF type signaling information (or flag type information).
  • the step of encoding the point cloud data may further generate prediction method information, and the prediction method information indicates whether the quantized attribute information includes attribute information of the first point or a residual. It can indicate whether to include.
  • the restored attribute information of the first point is information related to at least one point corresponding to the selected nearlist neighbor and the first It may be determined based on inverse quantized information about the point.
  • the reconstructed attribute information of the first point may be determined by the dequantized information about the first point.
  • the signaling information may further include prediction method information indicating whether the dequantized information for the first point corresponds to a residual.
  • the point cloud data transmission apparatus/method and reception method/device according to the embodiments may improve encoding performance by using and supplementing the signaling information described in FIG. 24.
  • a point cloud data transmission method, a transmission device, a point cloud data reception method, and a reception device may provide a point cloud service with high quality.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device may achieve various video codec methods.
  • the point cloud data transmission method may improve encoding performance, simplify an operation process of a receiver, and reduce the occupancy of a memory by using a predictor candidate and information related thereto.
  • the process of comparing both information can consist only of simple conditionals, so it does not significantly affect the overall computational complexity, whereas the use of inaccurate predicted information due to the configuration is prevented in advance, enabling detailed prediction and coding performance. You can expect improvement.
  • the method of receiving point cloud data according to the embodiments can expect to improve decoding performance without an additional computational process and occupying an additional memory.
  • FIG. 27 shows the syntax of a slice bitstream according to embodiments.
  • FIG. 27 shows a method of transmitting/receiving point cloud data according to embodiments in a slice bitstream when point cloud information according to the embodiments is transmitted in a slice unit (for example, 18 to 25) illustrate examples of syntax required to apply.
  • the flag may be defined in attribute_slice_header() or attribute_slice_data().
  • a slice bitstream shows the syntax of a slice bitstream.
  • a slice bitstream may include an attribute slice header (FIG. 27(B)) and/or attribute slice data (FIG. 27(C)).
  • the attribute slice header may include ash_attr_parameter_set_id, ash_attr_sps_attr_idx, ash_attr_geom_slice_id, byte_alignment ( ).
  • the attribute slice header may include enable_alternative_encoding_.
  • the attribute slice data may include enable_alternative_encoding_.
  • enable_alternative_encoding indicates whether to encode attribute information in a different way.
  • an operation of comparing residual information and input attribute information among the attribute information encoding methods according to the embodiments described with reference to FIGS. 18 to 25 may be included.
  • the method of encoding the attribute information according to the embodiments described with reference to FIGS. 18 to 25 may not include an operation of comparing residual information and input attribute information.
  • the step of encoding the point cloud data may further generate prediction method information, and the prediction method information indicates whether the quantized attribute information includes attribute information of the first point or a residual. It can indicate whether to include.
  • the restored attribute information of the first point is information related to at least one point corresponding to the selected nearlist neighbor and the first It may be determined based on inverse quantized information about the point.
  • the reconstructed attribute information of the first point may be determined by the dequantized information about the first point.
  • the signaling information may further include prediction method information indicating whether the dequantized information for the first point corresponds to a residual.
  • the point cloud data transmission apparatus/method and reception method/device according to the embodiments may improve encoding performance by using and supplementing the signaling information described in FIG. 24.
  • a point cloud data transmission method, a transmission device, a point cloud data reception method, and a reception device may provide a point cloud service with high quality.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device may achieve various video codec methods.
  • the process of comparing both information can consist only of simple conditionals, so it does not significantly affect the overall computational complexity, whereas the use of inaccurate predicted information due to the configuration is prevented in advance, enabling detailed prediction and coding performance. You can expect improvement.
  • FIG. 28 is a flowchart illustrating a method of transmitting point cloud data according to embodiments.
  • the point cloud data transmission method (or operation of the transmission device) according to the embodiments may include encoding the point cloud data (S2801) and/or transmitting the encoded point cloud data (S2702).
  • the step of encoding the point cloud data includes encoding (encoding) geometric information of the point cloud data according to embodiments and/or encoding (encoding) attribute information of the point cloud data. can do.
  • a geometric information bitstream and reconstructed geometric information may be generated.
  • the restored geometric information may be used in the step of encoding attribute information of the point cloud data.
  • Encoding the attribute information may generate an attribute information bitstream.
  • the step of encoding the attribute information may be performed based on the reconstructed geometric information.
  • the encoding of the attribute information according to embodiments may perform all or part of the series of operations described in FIGS. 18 to 20.
  • Encoding the attribute information may include all or part of the devices described in FIGS. 19 to 20 included in the attribute information encoder (or attribute information encoder) and/or the attribute information encoder of the point cloud data transmission device according to the embodiments. Can be done by
  • the point cloud data transmission apparatus may transmit the encoded point cloud data.
  • Encoding point cloud data according to embodiments includes performing prediction transform, lifting transform, and/or RAHT transform. can do.
  • encoding point cloud data may include performing prediction lifting (or predictive lifting) transformation.
  • the lifting transformation may be referred to as a lifting scheme
  • the prediction transformation may be referred to as a prediction scheme, or the like.
  • 29 is a flowchart illustrating a method of receiving point cloud data according to embodiments.
  • the point cloud data receiving method includes receiving point cloud data and signaling information (S2900), decoding the received point cloud data (S2901), and/or a decoded point. It may include rendering the cloud data (S2902).
  • the apparatus for receiving point cloud data may receive point cloud data and signaling information.
  • the signaling information may include prediction method information.
  • all or part of the point cloud data and signaling information may be received by the syntax described with reference to FIGS. 24 to 27.
  • the apparatus for receiving point cloud data may decode (decode) the received point cloud data.
  • the point cloud data receiving apparatus may include the point cloud decoder or attribute information encoder described in FIGS. 21 to 23.
  • the point cloud data receiving apparatus may perform a step of decoding a geometric information bitstream of the reception point cloud data and/or a step of decoding an attribute information bitstream of the point cloud data based on the restored geometric information.
  • the point cloud data receiving apparatus may include a geometric information decoding unit (or a geometric information decoder) and/or an attribute information decoding unit (or an attribute information decoder).
  • the decoding of the geometric information bitstream may generate reconstructed geometric information
  • the decoding of the attribute information bitstream may generate reconstructed property information.
  • the step of decoding the attribute information includes dequantizing the attribute information bitstream, and at least one points corresponding to a nearest neighbor to the first point of the point cloud data based on the restored geometric information.
  • the selecting and/or predicting reconstructed attribute information of the first point based on at least one point corresponding to the selected nearlist neighbor and inverse quantized information about the first point.
  • the restored attribute information of the first point is information related to at least one point corresponding to the selected nearlist neighbor and the first point. It may be determined based on inverse quantized information for one point, and if the inverse quantized information for the first point does not correspond to a residual, the reconstructed attribute information for the first point is inverse quantized for the first point. Can be determined by information.
  • the signaling information may further include prediction method information indicating whether the dequantized information for the first point corresponds to a residual.
  • the apparatus for receiving point cloud data may render the decoded point cloud data.
  • Each of the above-described parts, modules or units may be software, processor, or hardware parts that execute successive processes stored in a memory (or storage unit). Each of the steps described in the above-described embodiment may be performed by processor, software, and hardware parts. Each module/block/unit described in the above-described embodiment may operate as a processor, software, or hardware. In addition, methods suggested by the embodiments may be executed as code. This code can be written to a storage medium that can be read by the processor, and thus can be read by a processor provided by the apparatus.
  • the apparatus and method according to the embodiments are not limitedly applicable to the configuration and method of the described embodiments as described above. It may be configured in combination.
  • the processor-readable recording medium includes all types of recording devices that store data that can be read by the processor. Examples of recording media that can be read by the processor include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage, etc., and also include those implemented in the form of carrier waves such as transmission through the Internet. .
  • the recording medium readable by the processor may be distributed over a computer system connected through a network, so that code readable by the processor may be stored and executed in a distributed manner.
  • Various elements of the embodiments may be performed by hardware, software, firmware, or a combination thereof.
  • Various elements of the embodiments may be implemented on a single chip such as a hardware circuit.
  • the embodiments may optionally be performed on individual needles.
  • at least one of the elements of the embodiments may be executed in one or more processors including instructions for performing operations according to the embodiments.
  • first and second are used to describe various elements of the embodiments. These terms do not limit the interpretation of the elements of the embodiments. These terms are used to distinguish between one element and another.
  • a first user input signal may be referred to as a second user input signal.
  • the second user input signal may be referred to as a first user input signal.
  • Both the first user input signal and the second user input signal are user input signals, and do not mean the same user input signals unless clearly indicated in context.
  • Conditional expressions such as when, when, and when used to describe the embodiments are not limited to an optional case. When a specific condition is satisfied, it is intended to perform a related operation in response to a specific condition or to interpret the related definition.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 포인트 클라우드 데이터를 인코딩하는 단계 및/또는 인코딩된 포인트 클라우드 데이터를 전송하는 단계를 포함할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 단계; 포인트 클라우드 데이터를 디코딩하는 단계; 및 디코딩된 포인트 클라우드 데이터를 렌더링하는 단계; 를 포함할 수 있다.

Description

포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 사용자에게 VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위하여 Point Cloud 콘텐츠를 제공하는 방안을 제공한다.
포인트 클라우드는 3D공간 상의 포인트들의 집합이다. 3D공간 상의 포인트들의 양이 많아서 포인트 클라우드 데이터를 생성하기 어려운 문제점이 있다.
포인트 클라우드의 데이터를 전송하고 수신하기 위해서 많은 처리량이 요구되는 문제점이 있다. 포인트 클라우드 데이터를 부호화/복호화하는 경우, 예측 방식은 전체 포인트 클라우드 데이터(point cloud data) 중 구역을 제한한 후, 해당 범위 내에서 예측된 속성(attribute) 정보를 검증 절차 없이 항상 원래의 속성(attribute) 정보에 적용한다는 문제점이 있다.
실시예들에 따른 기술적 과제는, 전술한 문제점 등을 해결하기 위해서, 포인트 클라우드를 효율적으로 송수신하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 지오메트리-포인트 클라우드 압축(Geometry - point cloud compression, G-PCC)의 속성 정보(attribute)의 부호화 기술을 개선하여 포인트 클라우드의 압축 성능 향상시키는데 있다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 본 문서 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
상술한 목적 및 다른 이점을 달성하기 위해서 실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 포인트 클라우드 데이터를 인코딩하는 단계 및/또는 인코딩된 포인트 클라우드 데이터를 전송하는 단계를 포함할 수 있다.
실시예들에 따르면, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 기하 정보를 인코딩하는 단계, 기하 정보를 인코딩하는 단계는 기하 정보 비트스트림 및 복원된 기하 정보를 생성함; 및/또는 복원된 기하 정보에 기초하여 포인트 클라우드 데이터의 속성 정보를 인코딩하는 단계, 속성 정보를 인코딩하는 단계는 속성 정보 비트스트림을 생성함; 를 포함할 수 있다.
또한, 실시예들에 따르면, 포인트 클라우드 데이터를 인코딩하는 단계는, 복원된 기하 정보에 기초하여 포인트 클라우드 데이터의 제 1 포인트에 대한 니어리스트 네이버(Nearest neighbor)에 해당하는 적어도 하나의 포인트들을 선정하는 단계; 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들의 속성 정보에 기초하여 제 1 포인트의 속성 정보의 레지듀얼(residual)을 계산하는 단계; 및/또는 제 1 포인트의 속성 정보와 관련된 정보를 양자화하는 단계; 를 포함할 수 있다.
또한, 실시예들에 따르면, 포인트 클라우드 데이터를 인코딩하는 단계는, 레지듀얼과 제 1 포인트의 속성 정보의 크기를 비교하는 단계를 더 포함할 수 있고, 양자화하는 단계는 레지듀얼이 제 1 포인트의 속성 정보보다 큰 경우 제 1 포인트의 속성 정보를 양자화하고, 레지듀얼이 제 1 포인트의 속성 정보보다 작은 경우 레지듀얼을 양자화할 수 있다.
추가로, 실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 포인트 클라우드 데이터를 인코딩하는 단계는 예측 방법 정보를 더 생성하고, 예측 방법 정보는 양자화된 속성 정보가 제 1 포인트 의 속성 정보을 포함하는지 또는 레지듀얼을 포함하는지 여부를 나타낼 수 있다.
여기서, 니어리스트 네이버에 해당하는 적어도 하나의 포인트는 복수의 포인트들을 포함할 수 있다. 여기서, 제 1 포인트의 속성 값의 레지듀얼을 생성하는 단계는, 복수의 포인트들의 속성 정보의 차이의 최댓값과 스레숄드(threshold)를 비교하는 단계; 차이의 최댓값이 스레숄드 값보다 큰 경우, 복수의 포인트들의 속성 정보에 기초하여 제 1 포인트의 속성 정보를 예측하는 단계, 여기서 예측된 제 1 포인트의 속성 정보에 대한 제 1 스코어(score) 값을 생성함; 복수의 포인트들에 포함된 제 2 포인트의 속성 정보에만 기초하여 제 1 포인트의 속성 정보를 예측하는 단계, 여기서 예측된 제 1 포인트의 속성 정보에 대한 제 2 스코어(score) 값을 생성함; 및/또는 생성된 제 1 스코어 값 및 제 2 스코어 값을 비교하여 제 1 포인트의 속성 정보에 대한 레지듀얼을 계산하는 단계; 를 포함할 수 있다.
상술한 목적 및 다른 이점을 달성하기 위해서 실시예들에 따른 포인트 클라우드 데이터 수신 방법은, 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 단계; 포인트 클라우드 데이터를 디코딩하는 단계; 및/또는 디코딩된 포인트 클라우드 데이터를 렌더링하는 단계; 를 포함할 수 있다.
또한, 실시예들에 따르면, 포인트 클라우드 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터의 기하 정보 비트스트림을 디코딩하는 단계, 기하 정보 비트스트림을 복호화하는 단계는 복원된 기하 정보를 생성함; 및/또는 복원된 기하 정보에 기초하여 포인트 클라우드 데이터의 속성 정보 비트스트림을 디코딩하는 단계, 속성 정보 비트스트림을 디코딩하는 단계는 복원된 속성 정보를 생성함; 를 포함할 수 있다.
여기서, 실시예들에 따르면, 포인트 클라우드 데이터를 디코딩하는 단계는, 속성 정보 비트스트림을 역양자화하는 단계, 역양자화하는 단계는 포인트 클라우드 데이터의 포인트들의 역양자화된 정보를 생성함; 복원된 기하 정보에 기초하여 포인트 클라우드 데이터의 제 1 포인트에 대한 니어리스트 네이버(Nearest neighbor)에 해당하는 적어도 하나의 포인트들을 선정하는 단계; 및/또는 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들 및 제 1 포인트에 대한 역양자화된 정보에 기초하여 제 1 포인트의 복원된 속성 정보를 예측하는 단계; 를 더 포함할 수 있다.
나아가, 실시예들에 따르면, 제 1 포인트에 대한 역양자화된 정보가 레지듀얼(residual)에 대응하는 경우, 제 1 포인트의 복원된 속성 정보는 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들과 관련된 정보 및 제 1 포인트에 대한 역양자화된 정보에 기초하여 결정될 수 있다. 또한, 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하지 않는 경우, 제 1 포인트의 복원된 속성 정보는 제 1 포인트에 대한 역양자화된 정보에 의해 결정될 수 있다. 또한, 시그널링 정보는 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하는지 여부를 나타내는 예측 방법 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 퀄리티 있는 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 다양한 비디오 코덱 방식을 달성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 자율주행 서비스 등 범용적인 포인트 클라우드 콘텐츠를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법/장치 및/또는 수신 방법/장치는 상술한 검증 과정도 별도의 연산 과정 없이 조건 비교만을 통해 수행되므로 기존과 비슷한 수준의 연산량으로 부호화될 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다. 이하에서 설명하는 다양한 실시예들의 보다 나은 이해를 위하여, 하기 도면들에 걸쳐 유사한 참조 번호들이 대응하는 부분들을 포함하는 다음의 도면들과 관련하여 이하의 실시예들의 설명을 반드시 참조해야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 14는 실시예들에 따른 G-PCC 기반 포인트 클라우드 콘텐트 스트리밍을 위한 아키텍쳐를 나타낸다.
도15는 실시예들에 따른 전송 장치의 예시를 나타낸다.
도16은 실시예들에 따른 수신 장치의 예시를 나타낸다.
도 17은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 18은 실시예들에 따른 포인트 클라우드 인코더를 나타낸다.
도 19는 실시예들에 따른 속성 정보 부호화부를 나타낸다.
도 20은 실시예들에 따른 속성 정보 부호화를 수행하는 과정을 나타낸다.
도 21은 실시예들에 따른 포인트 클라우드 디코더를 나타낸다.
도 22는 실시예들에 따른 속성 정보 복호화부를 나타낸다
도 23은 실시예들에 따른 속성 정보 복호화를 수행하는 과정을 나타낸다.
도 24는 실시예들에 따른 포인트 클라우드 데이터를 인코딩하기 위한 비트스트림의 신텍스(syntax)를 나타낸다.
도 25는 실시예들에 따른 포인트 클라우드 데이터의 구조의 예시를 나타낸다.
도 26은 실시예들에 따른 SPS (Sequence Parameter Set) 또는 APS (Attribute Parameter Set)에 정의된 신텍스(syntax)를 나타낸다.
도 27은 실시예들에 따른 슬라이스 비트스트림(slice bitstream)의 신텍스를 나타낸다.
도 28은 실시예들에 따른 포인트 클라우드 데이터 전송 방법을 나타내는 흐름도이다.
도 29는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타내는 흐름도이다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
. 실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 컨텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000) 뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 데이터 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)으로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 3은 도 1 내지 도 2에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
포인트 클라우드 콘텐트는 다양한 3차원 공간(예를 들면 현실 환경을 나타내는 3차원 공간, 가상 환경을 나타내는3차원 공간 등)에 위치한 오브젝트(object) 및/또는 환경을 나타내는 포인트 클라우드 비디오(이미지들 및/또는 영상들)을 포함한다. 따라서 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 콘텐트를 생성하기 위하여 하나 또는 그 이상의 카메라(camera)들(예를 들면, 깊이 정보를 확보할 수 있는 적외선 카메라, 깊이 정보에 대응되는 색상 정보를 추출 할 수 있는 RGB 카메라 등), 프로젝터(예를 들면 깊이 정보를 확보하기 위한 적외선 패턴 프로젝터 등), 라이다(LiDAR)등을 사용하여 포인트 클라우드 비디오를 캡쳐할 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 깊이 정보로부터 3차원 공간상의 포인트들로 구성된 지오메트리의 형태를 추출하고, 색상정보로부터 각 포인트의 어트리뷰트를 추출하여 포인트 클라우드 데이터를 확보할 수 있다. 실시예들에 따른 이미지 및/또는 영상은 인워드-페이싱(inward-facing) 방식 및 아웃워드-페이싱(outward-facing) 방식 중 적어도 어느 하나 이상을 기반으로 캡쳐될 수 있다.
도3의 왼쪽은 인워드-페이싱 방식을 나타낸다. 인워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트를 캡쳐하는 방식을 의미한다. 인워드-페이싱 방식은 핵심 객체에 대한 360도 이미지를 사용자에게 제공하는 포인트 클라우드 콘텐트(예를 들면 사용자에게 객체(예-캐릭터, 선수, 물건, 배우 등 핵심이 되는 객체)의 360도 이미지를 제공하는 VR/AR 콘텐트)를 생성하기 위해 사용될 수 있다.
도3의 오른쪽은 아웃워드-페이싱 방식을 나타낸다. 아웃워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트가 아닌 중심 오브젝트의 환경을 캡쳐하는 방식을 의미한다. 아웃워드-페이싱 방식은 사용자의 시점에서 나타나는 주변 환경을 제공하기 위한 포인트 클라우드 콘텐트(예를 들면자율 주행 차량의 사용자에게 제공될 수 있는 외부 환경을 나타내는 콘텐트)를 생성하기 위해 사용될 수 있다.
도면에 도시된 바와 같이, 포인트 클라우드 콘텐트는 하나 또는 그 이상의 카메라들의 캡쳐 동작을 기반으로 생성될 수 있다. 이 경우 각 카메라의 좌표계가 다를 수 있으므로 포인트 클라우드 콘텐트 제공 시스템은 캡쳐 동작 이전에 글로벌 공간 좌표계(global coordinate system)을 설정하기 위하여 하나 또는 그 이상의 카메라들의 캘리브레이션을 수행할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 상술한 캡쳐 방식으로 캡쳐된 이미지 및/또는 영상과 임의의 이미지 및/또는 영상을 합성하여 포인트 클라우드 콘텐트를 생성할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 가상 공간을 나타내는 포인트 클라우드 콘텐트를 생성하는 경우 도3에서 설명한 캡쳐 동작을 수행하지 않을 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 캡쳐한 이미지 및/또는 영상에 대해 후처리를 수행할 수 있다. 즉, 포인트 클라우드 콘텐트 제공 시스템은 원하지 않는 영역(예를 들면 배경)을 제거하거나, 캡쳐한 이미지들 및/또는 영상들이 연결된 공간을 인식하고, 구명(spatial hole)이 있는 경우 이를 메우는 동작을 수행할 수 있다.
또한 포인트 클라우드 콘텐트 제공 시스템은 각 카메라로부터 확보한 포인트 클라우드 비디오의 포인트들에 대하여 좌표계 변환을 수행하여 하나의 포인트 클라우드 콘텐트를 생성할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 각 카메라의 위치 좌표를 기준으로 포인트들의 좌표계 변환을 수행할 수 있다. 이에 따라, 포인트 클라우드 콘텐트 제공 시스템은 하나의 넓은 범위를 나타내는 콘텐트를 생성할 수도 있고, 포인트들의 밀도가 높은 포인트 클라우드 콘텐트를 생성할 수 있다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 40000), 양자화부(Quantize and Remove Points (Voxelize), 40001), 옥트리 분석부(Analyze Octree, 40002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 40005), 컬러 변환부(Transform Colors, 40006), 어트리뷰트 변환부(Transfer Attributes, 40007), RAHT 변환부(40008), LOD생성부(Generated LOD, 40009), 리프팅 변환부(Lifting)(40010), 계수 양자화부(Quantize Coefficients, 40011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 40012)를 포함한다.
좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(40000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(40001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(40001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(40001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(40001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(ceter)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(40002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(40003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(40004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(40006), 어트리뷰트 변환부(40007), RAHT 변환부(40008), LOD생성부(40009), 리프팅 변환부(40010), 계수 양자화부(40011) 및/또는 아리스메틱 인코더(40012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(40006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(40006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(40006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(40005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(40005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(40007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(40007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(40007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(40007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(40007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(40007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(40007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(40007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(40007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(40008) 및/또는 LOD 생성부(40009)로 입력된다.
실시예들에 따른 RAHT 변환부(40008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(40008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(40009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(40010)는 포인트 클라우드의 어트리뷰트들을 가중치에 기반하여 변환하는 리프팅 변환 코딩을 수행한다. 상술한 바와 같이 리프팅 변환 코딩은 선택적으로 적용될 수 있다.
실시예들에 따른 계수 양자화부(40011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(40012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 4의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 5는 X축, Y축, Z축의 3가지 축으로 구성된 좌표계로 표현되는 3차원 공간상에 위치한 복셀을 나타낸다. 도 4에서 설명한 바와 같이 포인트 클라우드 인코더(예를 들면 양자화부(40001) 등)은 복셀화를 수행할 수 있다. 복셀은 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 도 5는 두 개의 극점들(0,0,0) 및 (2 d, 2 d, 2 d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하는 옥트리 구조를 통해 생성된 복셀의 예시를 나타낸다. 하나의 복셀은 적어도 하나 이상의 포인트를 포함한다. 복셀은 복셀군(voxel group)과의 포지션 관계로부터 공간 좌표를 추정 할 수 있다. 상술한 바와 같이 복셀은 2차원 이미지/영상의 픽셀과 마찬가지로 어트리뷰트(색상 또는 반사율 등)을 가진다. 복셀에 대한 구체적인 설명은 도 4에서 설명한 바와 동일하므로 생략한다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(40002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 6의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2 d, 2 d, 2 d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (x int n, y int n, z int n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
Figure PCTKR2020002664-appb-img-000001
도 6의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 6 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 6의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 6에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 4의 포인트 클라우드 인코더, 또는 옥트리 분석부(40002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(
Figure PCTKR2020002664-appb-img-000002
x,
Figure PCTKR2020002664-appb-img-000003
y,
Figure PCTKR2020002664-appb-img-000004
z)버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(40005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure PCTKR2020002664-appb-img-000005
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다. .
표. Triangles formed from vertices ordered 1,... n
n Triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
포인트 클라우드 비디오의 압축 효율을 증가시키기 위하여 실시예들에 따른 포인트 클라우드 인코더는 콘텍스트 어탭티브 아리스메틱 (context adaptive arithmetic) 코딩을 기반으로 엔트로피 코딩을 수행할 수 있다.
도 1 내지 도 6에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더 또는 아리스메틱 인코더(40004))는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더는 현재 노드의 오큐판시 코드와 이웃 노드들의 오큐판시를 기반으로 엔트로피 인코딩(인트라 인코딩)을 수행하거나, 이전 프레임의 오큐판시 코드를 기반으로 엔트로피 인코딩(인터 인코딩)을 수행할 수 있다. 실시예들에 따른 프레임은 동일한 시간에 생성된 포인트 클라우드 비디오의 집합을 의미한다. 실시예들에 따른 인트라 인코딩/인터 인코딩의 압축 효율은 참조하는 이웃 노드들의 개수에 따라 달라질 수 있다. 비트가 커지면 복잡해지지만 한쪽으로 치우치게 만들어서 압축 효율이 높아질 수 있다. 예를 들어 3-bit context를 가지면 2의 3승인 = 8가지 방법으로 코딩 해야 한다. 나누어 코딩을 하는 부분은 구현의 복잡도에 영향을 준다. 따라서 압축의 효율과 복잡도의 적정 수준을 맞출 필요가 있다.
도 7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더는 옥트리의 각 노드의 이웃 노드들의 오큐판시(occupancy)를 판단하고 이웃 노드 패턴(neighbor pattern) 값을 구한다. 이웃 노드 패턴은 해당 노드의 오큐판시 패턴을 추론하기 위해 사용된다. 도7의 왼쪽은 노드에 대응하는 큐브(가운데 위치한 큐브) 및 해당 큐브와 적어도 하나의 면을 공유하는 6개의 큐브들(이웃 노드들)을 나타낸다. 도면에 도시된 노드들은 같은 뎁스(깊이)의 노드들이다. 도면에 도시된 숫자는 6개의 노드들 각각과 연관된 가중치들(1, 2, 4, 8, 16, 32, 등)을 나타낸다. 각 가중치는 이웃 노드들의 위치에 따라 순차적으로 부여된다.
도 7의 오른쪽은 이웃 노드 패턴 값을 나타낸다. 이웃 노드 패턴 값은 오큐파이드 이웃 노드(포인트를 갖는 이웃 노드)의 가중치가 곱해진 값들의 합이다. 따라서 이웃 노드 패턴 값은 0에서 63까지의 값을 갖는다. 이웃 노드 패턴 값이 0 인 경우, 해당 노드의 이웃 노드 중 포인트를 갖는 노드(오큐파이드 노드)가 없음을 나타낸다. 이웃 노드 패턴 값이 63인 경우, 이웃 노드들이 전부 오큐파이드 노드들임을 나타낸다. 도면에 도시된 바와 같이 가중치1, 2, 4, 8가 부여된 이웃 노드들은 오큐파이드 노드들이므로, 이웃 노드 패턴 값은 1, 2, 4, 8을 더한 값인 15이다. 포인트 클라우드 인코더는 이웃 노드 패턴 값에 따라 코딩을 수행할 수 있다(예를 들어 이웃 노드 패턴 값이 63인 경우, 64가지의 코딩을 수행). 실시예들에 따라 포인트 클라우드 인코더는 이웃 노드 패턴 값을 변경 (예를 들면 64를 10 또는 6으로 변경하는 테이블을 기반으로) 하여 코딩의 복잡도를 줄일 수 있다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 7에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(40009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 8에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더, 또는 LOD 생성부(40009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 9의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 9의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 9의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 9에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 4에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.
표 2는 Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
표3은 Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(40010))는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(40008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다.
Figure PCTKR2020002664-appb-img-000006
는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다.
Figure PCTKR2020002664-appb-img-000007
는
Figure PCTKR2020002664-appb-img-000008
와
Figure PCTKR2020002664-appb-img-000009
로부터 계산될 수 있다.
Figure PCTKR2020002664-appb-img-000010
와
Figure PCTKR2020002664-appb-img-000011
의 가중치를
Figure PCTKR2020002664-appb-img-000012
과
Figure PCTKR2020002664-appb-img-000013
이다.
Figure PCTKR2020002664-appb-img-000014
Figure PCTKR2020002664-appb-img-000015
는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다.
Figure PCTKR2020002664-appb-img-000016
은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는
Figure PCTKR2020002664-appb-img-000017
로 계산된다. 루트 노드는 마지막
Figure PCTKR2020002664-appb-img-000018
과
Figure PCTKR2020002664-appb-img-000019
를 통해서 다음과 같이 계산된다.
Figure PCTKR2020002664-appb-img-000020
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 디코더는 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006) 예시로서, 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006)의 동작 등과 동일 또는 유사한 동작을 수행할 수 있다. 도면이 도시된 바와 같이 포인트 클라우드 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 디코더는 지오메트리 디코더(geometry decoder)및 어트리뷰트 디코더(attribute decoder)를 포함한다. 지오메트리 디코더는 지오메트리 비트스트림에 대해 지오메트리 디코딩을 수행하여 디코딩된 지오메트리(decoded geometry)를 출력한다. 어트리뷰트 디코더는 디코딩된 지오메트리 및 어트리뷰트 비트스트림을 기반으로 어트리뷰트 디코딩을 수행하여 디코딩된 어트리뷰트들(decoded attributes)을 출력한다. 디코딩된 지오메트리 및 디코딩된 어트리뷰트들은 포인트 클라우드 콘텐트를 복원(decoded point cloud)하는데 사용된다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 디코더는 도 10에서 설명한 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 11000), 옥트리 합성부(synthesize octree, 11001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 11002), 지오메트리 리컨스트럭션부(reconstruct geometry, 11003), 좌표계 역변환부(inverse transform coordinates, 11004), 아리스메틱 디코더(arithmetic decode, 11005), 역양자화부(inverse quantize, 11006), RAHT변환부(11007), LOD생성부(generate LOD, 11008), 인버스 리프팅부(Inverse lifting, 11009), 및/또는 컬러 역변환부(inverse transform colors, 11010)를 포함한다.
아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스럭션부(11003), 좌표계 역변환부(11004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 9에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(11000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(11000)의 동작은 아리스메틱 인코더(40004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(11001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(11002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(11003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 9에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(11003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(11003)는 지오메트리 리컨스트럭션부(40005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 6에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(11004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(11005), 역양자화부(11006), RAHT 변환부(11007), LOD생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(11005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(11006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(11010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(11010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 12에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 4의 포인트 클라우드 인코더)의 예시이다. 도 12에 도시된 전송 장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 (Arithmetic) 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011) 및/또는 전송 처리부(12012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(12000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 9에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(12001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(12001)의 동작 및/또는 양자화는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(12002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(120002)는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(12003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(12003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(12003)는 도 4 및 도 6에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(40002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(12004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(12004)는 도 4 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(12005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(12005)는 도 7에서 설명한 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 구체적인 설명은 도 7에서 설명한 바와 동일하다. 실시예들에 따라 인트라/인터 코딩 처리부(12005)는 아리스메틱 코더(12006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(12006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(12006)는 아리스메틱 인코더(40004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(12007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(12007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(12008), 어트리뷰트 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 9에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(12008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(12008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하다. 또한 도 4에서 설명한 컬러 변환부(40006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(12009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(12009)는 도 4에 설명한 어트리뷰트 변환부(40007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(12010)는 도 4에서 설명한 RAHT 변환부(40008), LOD 생성부(40009) 및 리프팅 변환부(40010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(12011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(12011)는 아리스메틱 인코더(400012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(12012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom0 0) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr0 0, Attr1 0)을 포함할 수 있다. 실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(12007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(12012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(12012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 13에 도시된 수신 장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 13에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(13000), 수신 처리부(13001), 아리스메틱 (arithmetic) 디코더(13002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(13004), 인버스(inverse) 양자화 처리부(13005), 메타데이터 파서(13006), 아리스메틱 (arithmetic) 디코더(13007), 인버스(inverse)양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009), 색상 역변환 처리부(13010) 및/또는 렌더러(13011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(13000)는 포인트 클라우드 데이터를 수신한다. 수신부(13000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(13001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(13001)는 수신부(13000)에 포함될 수 있다.
아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(13002)는 아리스메틱 디코더(11000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 옥트리 합성부(11001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(13004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(13004)는 서페이스 오프록시메이션 합성부(11002) 및/또는 지오메트리 리컨스트럭션부(11003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(13006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(13006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 12에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(13007), 인버스 양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009) 및 색상 역변환 처리부(13010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(13007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(13007)는 아리스메틱 디코더(11005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(13008)는 역양자화부(11006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(13009)는 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(13010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(13010)는 컬러 역변환부(11010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(13011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 14는 실시예들에 따른 G-PCC 기반 포인트 클라우드 콘텐트 스트리밍을 위한 아키텍쳐를 나타낸다.
도 14의 상단은 도 1 내지 도 13에서 설명한 전송 장치(예를 들면 전송 장치(10000), 도 12의 전송 장치 등)가 포인트 클라우드 콘텐트를 처리 및 전송하는 과정을 나타낸다.
도 1 내지 도 13에서 설명한 바와 같이 전송 장치는 포인트 클라우드 콘텐트의 오디오(Ba)를 획득하고(Audio Acquisition), 획득한 오디오를 인코딩(Audio encoding)하여 오디오 비트스트림(Ea)들을 출력할 수 있다. 또한 전송 장치는 포인트 클라우드 콘텐트의 포인트 클라우드(Bv)(또는 포인트 클라우드 비디오)를 확보하고(Point Acqusition), 확보한 포인트 클라우드에 대하여 포인트 클라우드 인코딩(Point cloud encoding)을 수행하여 포인트 클라우드 비디오 비트스트림(Eb)들을 출력할 수 있다. 전송 장치의 포인트 클라우드 인코딩은 도 1 내지 도 13에서 설명한 포인트 클라우드 인코딩(예를 들면 도 4의 포인트 클라우드 인코더의 인코딩 등)과 동일 또는 유사하므로 구체적인 설명은 생략한다.
전송 장치는 생성된 오디오 비트스트림들 및 비디오 비트스트림들을 파일 및/또는 세그먼트로 인캡슐레이션(File/segment encapsulation)할 수 있다. 인캡슐레이션된 파일 및/또는 세그먼트(Fs, File)은 ISOBMFF 등의 파일 포맷의 파일 또는 DASH 세그먼트를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 관련 메타 데이터(metadata)는 인캡슐레이션된 파일 포맷 및/또는 세그먼트에 포함될 수 있다. 메타 데이터는 ISOBMFF 파일 포맷 상의 다양한 레벨의 박스(box)에 포함되거나 파일 내에서 별도의 트랙에 포함될 수 있다. 실시예에 따라 전송 장치는 메타데이터 자체를 별도의 파일로 인캡슐레이션할 수 있다. 실시예들에 따른 전송 장치는 인캡슐레이션 된 파일 포맷 및/또는 세그먼트를 네트워크를 통해 전송(delivery)할 수 있다. 전송 장치의 인캡슐레이션 및 전송 처리 방법은 도 1 내지 도 13에서 설명한 바 (예를 들면 트랜스미터(10003), 도 2의 전송 단계(20002) 등)와 동일하므로 구체적인 설명은 생략한다.
도 14의 하단은 도 1 내지 도 13에서 설명한 수신 장치(예를 들면 수신 장치(10004), 도 13의 수신 장치 등)가 포인트 클라우드 콘텐트를 처리 및 출력하는 과정을 나타낸다.
실시예들에 따라 수신 장치는 최종 오디오 데이터 및 최종 비디오 데이터를 출력하는 디바이스 (예를 들면 스피커(Loudspeakers), 헤드폰들(headphones), 디스플레이(Display))와 포인트 클라우드 콘텐트를 처리하는 포인트 클라우드 플레이어(Point Cloud Player)를 포함할 수 있다. 최종 데이터 출력 디바이스 및 포인트 클라우드 플레이어는 별도의 물리적인 디바이스들로 구성될 수 있다. 실시예들에 따른 포인트 클라우드 플레이어는 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 및/또는 차세대 코딩을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신한 데이터(예를 들면 방송 신호, 네트워크를 통해 전송되는 신호 등)에 포함된 파일 및/또는 세그먼트(F',Fs')를 확보하고 디캡슐레이션(File/segment decapsulation)할 수 있다. 수신 장치의 수신 및 디캡슐레이션 방법은 도 1 내지 도 13에서 설명한 바(예를 들면 리시버(10005), 수신부(13000), 수신 처리부(13001)등)와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 수신 장치는 파일 및/또는 세그먼트에 포함된 오디오 비트스트림(E'a) 및 비디오 비트스트림(E'v)를 확보한다. 도면에 도시된 바와 같이 수신 장치는 오디오 비트스트림에 대해 오디오 디코딩(audio decoding)을 수행하여 디코딩된 오디오 데이터(B'a)를 출력하고, 디코딩된 오디오 데이터를 렌더링(audio rendering)하여 최종 오디오 데이터(A'a)를 스피커 또는 헤드폰 등을 통해 출력한다.
또한 수신 장치는 비디오 비트스트림(E'v)에 대해 포인트 클라우드 디코딩(point cloud decoding)을 수행하여 디코딩된 비디오 데이터(B'v)를 출력한다. 실시예들에 따른 포인트 클라우드 디코딩은 도 1 내지 도 13에서 설명한 포인트 클라우드 디코딩과 동일 또는 유사하므로 (예를 들면 도11의 포인트 클라우드 디코더의 디코딩 등) 구체적인 설명은 생략한다. 수신 장치는 디코딩된 비디오 데이터를 렌더링(rendering)하여 최종 비디오 데이터를 디스플레이를 통해 출력할 수 있다.
실시예들에 따른 수신 장치는 함께 전송된 메타데이터를 기반으로 디캡슐레이션, 오디오 디코딩, 오디오 렌더링, 포인트 클라우드 디코딩 및 렌더링 동작 중 적어도 어느 하나 이상을 수행할 수 있다. 메타데이터에 대한 설명은 도 12 내지 도 13에서 설명한 바와 동일하므로 생략한다.
도면에 도시된 점선과 같이, 실시예들에 따른 수신 장치(예를 들면 포인트 클라우드 플레이어 또는 포인트 클라우드 플레어 내의 센싱/트랙킹부(sensing/tracking))는 피드백 정보(orientation, viewport)를 생성할 수 있다. 실시예들에 따른 피드백 정보는 수신 장치의 디캡슐레이션, 포인트 클라우드 디코딩 과정 및/또는 렌더링 과정에서 사용될 수도 있고, 송신 장치로 전달 될 수도 있다. 피드백 정보에 대한 설명은 도 1 내지 도 13에서 설명한 바와 동일하므로 생략한다.
도15는 실시예들에 따른 전송 장치의 예시를 나타낸다.
도 15의 전송 장치는 포인트 클라우드 콘텐트를 전송하는 장치로서, 도 1 내지 도 14에서 설명한 전송 장치(예를 들면 도 1의 전송 장치(10000), 도 4의 포인트 클라우드 인코더, 도 12의 전송 장치, 도 14의 전송 장치 등)의 예시에 해당한다. 따라서 도 15의 전송 장치는 도 1 내지 도 14에서 설명한 전송 장치의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 전송 장치는 포인트 클라우드 획득(point cloud acquisition), 포인트 클라우드 인코딩(point cloud encoding), 파일/세그먼트 인캡슐레이션(file/segement encapsulation) 및 전송(delivery) 중 적어도 하나 또는 그 이상을 수행할 수 있다.
도면에 도시된 포인트 클라우드 획득 및 전송 동작은 도 1 내지 도 14에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
도 1 내지 도 14에서 설명한 바와 같이 실시예들에 따른 전송 장치는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 지오메트리 컴프레션(geometry compression)이라 호칭될 수 있으며 어트리뷰트 인코딩은 어트리뷰트 컴프레션(attribute compression)이라 호칭될 수 있다. 상술한 바와 같이 하나의 포인트는 하나의 지오메트리와 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 따라서 전송 장치는 각 어트리뷰트에 대하여 어트리뷰트 인코딩을 수행한다. 도면은 전송 장치가 하나 또는 그 이상의 어트리뷰트 컴프레션들(attribute #1 compression, …attribute #N compression)을 수행한 예시를 나타낸다. 또한 실시예들에 따른 전송 장치는 추가 컴프레션(auxiliary compression)을 수행할 수 있다. 추가 컴프레션은 메타데이터(metadata)에 대해 수행된다. 메타 데이터에 대한 설명은 도 1 내지 도 14에서 설명한 바와 동일하므로 생략한다. 또한 전송 장치는 메쉬 데이터 컴프레션(Mesh data compression)을 수행할 수 있다. 실시예들에 따른 메쉬 데이터 컴프레션은 도 1 내지 도 14에서 설명한 트라이숩 지오메트리 인코딩을 포함할 수 있다.
실시예들에 따른 전송 장치는 포인트 클라우드 인코딩에 따라 출력된 비트스트림들(예를 들면 포인트 클라우드 스트림들)을 파일 및/또는 세그먼트로 인캡슐레이션 할 수 있다. 실시예들에 따라 전송 장치는 메타 데이터 외의 데이터(예를 들면 미디어 데이터)를 운반하는 미디어 트랙 인캡슐레이션(media track encapsulation)을 수행하고, 메타 데이터를 운반하는 메타데이터 트랙 인캡슐레이션(metadata tracak encapsulation)을 수행할 수 있다. 실시예들에 따라 메타데이터는 미디어 트랙으로 인캡슐레이션 될 수 있다.
도 1 내지 도 14에서 설명한 바와 같이 전송 장치는 수신 장치로부터 피드백 정보(오리엔테이션/뷰포트 메타 데이터)를 수신하고, 수신한 피드백 정보를 기반으로 포인트 클라우드 인코딩, 파일/세그먼트 인캡슐레이션 및 전송 동작 중 적어도 어느 하나 이상을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 14에서 설명한 바와 동일하므로 생략한다.
도16은 실시예들에 따른 수신 장치의 예시를 나타낸다.
도 16의 수신 장치는 포인트 클라우드 콘텐트를 수신하는 장치로서, 도 1 내지 도 14에서 설명한 수신 장치(예를 들면 도 1의 수신 장치(10004), 도 11의 포인트 클라우드 디코더, 도 13의 수신 장치, 도 14의 수신 장치 등)의 예시에 해당한다. 따라서 도 16의 수신 장치는 도 1 내지 도 14에서 설명한 수신 장치의 동작과 동일 또는 유사한 동작을 수행한다. 또한 도 16의 수신 장치는 도 15의 전송 장치에서 전송한 신호 등을 받고, 도 15의 전송 장치의 동작의 역과정을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신 (delivery), 파일/세그먼트 디캡슐레이션(file/segement decapsulation), 포인트 클라우드 디코딩(point cloud decoding) 및 포인트 클라우드 렌더링(point cloud rendering) 중 적어도 하나 또는 그 이상을 수행할 수 있다.
도면에 도시된 포인트 클라우드 수신 및 포인트 클라우드 렌더링 동작은 도 1 내지 도 14에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
도 1 내지 도 14에서 설명한 바와 같이 실시예들에 따른 수신 장치는 네트워크 또는 저장 장치로터 획득한 파일 및/또는 세그먼트에 대해 디캡슐레이션을 수행한다. 실시예들에 따라 수신 장치는 메타 데이터 외의 데이터(예를 들면 미디어 데이터)를 운반하는 미디어 트랙 디캡슐레이션(media track decapsulation)을 수행하고, 메타 데이터를 운반하는 메타데이터 트랙 디캡슐레이션(metadata tracak decapsulation)을 수행할 수 있다. 실시예들에 따라 메타데이터가 미디어 트랙으로 인캡슐레이션 된 경우, 메타 데이터 트랙 디캡슐레이션은 생략된다.
도 1 내지 도 14에서 설명한 바와 같이 수신 장치는 디캡슐레이션을 통해 확보한 비트스트림(예를 들면 포인트 클라우드 스트림들)에 대하여 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 지오메트리 디컴프레션(geometry decompression)이라 호칭될 수 있으며 어트리뷰트 디코딩은 어트리뷰트 디컴프레션(attribute decompression)이라 호칭될 수 있다. 상술한 바와 같이 하나의 포인트는 하나의 지오메트리와 하나 또는 그 이상의 어트리뷰트들을 가질 수 있으며 각각 인코딩된다. 따라서 수신 장치는 각 어트리뷰트에 대하여 어트리뷰트 디코딩을 수행한다. 도면은 수신 장치가 하나 또는 그 이상의 어트리뷰트 디컴프레션들(attribute #1 decompression, …attribute #N decompression)을 수행한 예시를 나타낸다. 또한 실시예들에 따른 수신 장치는 추가 디컴프레션(auxiliary decompression)을 수행할 수 있다. 추가 디컴프레션은 메타데이터(metadata)에 대해 수행된다. 메타 데이터에 대한 설명은 도 1 내지 도 14에서 설명한 바와 동일하므로 생략한다. 또한 수신 장치는 메쉬 데이터 디컴프레션(Mesh data decompression)을 수행할 수 있다. 실시예들에 따른 메쉬 데이터 디컴프레션은 도 1 내지 도 14에서 설명한 트라이숩 지오메트리 디코딩을 포함할 수 있다. 실시예들에 따른 수신 장치는 포인트 클라우드 디코딩에 따라 출력된 포인트 클라우드 데이터를 렌더링 할 수 있다.
도 1 내지 도 14에서 설명한 바와 같이 수신 장치는 별도의 센싱/트랙킹 엘레멘트등을 이용하여 오리엔테이션/뷰포트 메타 데이터를 확보하고, 이를 포함하는 피드백 정보를 전송 장치(예를 들면 도 15의 전송 장치)로 전송할 수 있다. 또한 수신 장치는 피드백 정보를 기반으로 수신 동작, 파일/세그먼트 디캡슐레이션 및 포인트 클라우드 디코딩 중 적어도 어느 하나 이상을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 14에서 설명한 바와 동일하므로 생략한다.
도 17은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 17의 구조는 서버(1760), 로봇(1710), 자율 주행 차량(1720), XR 장치(1730), 스마트폰(1740), 가전(1750) 및/또는 HMD(1770) 중에서 적어도 하나 이상이 클라우드 네트워크(1710)와 연결된 구성을 나타낸다. 로봇(1710), 자율 주행 차량(1720), XR 장치(1730), 스마트폰(1740) 또는 가전(1750) 등은 장치라 호칭된다. 또한, XR 장치(1730)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1700)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1700)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1760)는 로봇(1710), 자율 주행 차량(1720), XR 장치(1730), 스마트폰(1740), 가전(1750) 및/또는 HMD(1770) 중에서 적어도 하나 이상과 클라우드 네트워크(1700)을 통하여 연결되고, 연결된 장치들(1710 내지 1770)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1770)는 실시예들에 따른 XR 디바이스 및/또는 PCC 디바이스가 구현될 수 있는 타입 중 하나를 나타낸다. 실시예들에 따른HMD 타입의 디바이스는, 커뮤니케이션 유닛, 컨트롤 유닛, 메모리 유닛, I/O 유닛, 센서 유닛, 그리고 파워 공급 유닛 등을 포함한다.
이하에서는, 상술한 기술이 적용되는 장치(1710 내지 1750)의 다양한 실시 예들을 설명한다. 여기서, 도 17에 도시된 장치(1710 내지 1750)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1730)는 PCC 및/또는 XR(AR+VR) 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수도 있다.
XR/PCC 장치(1730)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 어트리뷰트 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR/PCC 장치(1730)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1720)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1720)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(1720)은 XR 장치(1730)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1720)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1720)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 발명의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 데이터 (PCC) 송수신 장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신 장치 차량에 탑재된 경우, 포인트 클라우드 송수신 장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
실시예들에 따른 방법/장치는 포인트 클라우드 데이터 송수신 방법 및/또는 포인트 클라우드 데이터 송수신 장치를 지칭할 수 있다. 실시예들에 따라, 지오메트리 정보는 기하 정보로, 어트리뷰트 정보는 속성 정보로 지칭될 수 있다.
실시예들에 따른 인코더는 실시예들에 따른 포인트 클라우드 데이터 인코더, 포인트 클라우드 인코더, 포인트 클라우드 부호화기 등으로 호칭될 수 있다. 실시예들에 따른 디코더는 실시예들에 따른 포인트 클라우드 데이터 디코더, 포인트 클라우드 디코더, 포인트 클라우드 복호화기 등으로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 데이터의 지오메트리 비트스트림은 기하정보 비트스트림으로, 실시예들에 따른 포인트 클라우드 데이터의 어트리뷰트 비트스트림은 속성 비트스트림으로 호칭될 수 있다.
도 18은 실시예들에 따른 포인트 클라우드 인코더를 나타낸다.
실시예들에 따른 포인트 클라우드 인코더(18000)는 포인트 클라우드 데이터(PCC 데이터, 18000a)를 수신하여 이들을 인코딩한다. 실시예들에 따른 포인트 클라우드 인코더는 기하정보 비트스트림(18000b) 및 속성 정보 비트스트림(18000c)을 출력한다. 실시예들에 따른 포인트 클라우드 인코더(18000)는 공간 분할부(18001), 기하정보 부호화부(18002) 및/또는 속성정보 부호화부(18003)를 포함할 수 있다.
공간 분할부(18001)는 포인트 클라우드 인코더는 포인트 클라우드 데이터(PCC 데이터, 18000a)를 수신하고, 포인트 클라우드 데이터를 하나 또는 그 이상의 3차원 공간으로 분할할 수 있다. 공간분할부(18001)는 포인트 클라우드 데이터를 수신하고, 포인트 클라우드 데이터를 3차원 블록으로 공간분할할 수 있다. 포인트 클라우드 데이터는 포인트(또는 포인트들)의 기하 정보 및/또는 속성 정보를 포함할 수 있다. 공간분할부(18001)는 바운딩 박스(bounding box) 및/또는 서브 바운딩 박스 등에 기반하여 포인트 클라우드 데이터(PCC 데이터)를 공간 분할할 수 있다. 실시예들에 따른 방법/장치는 분할된 단위(박스)에 기반하여 인코딩/디코딩을 수행할 수 있다.
공간 분할부(18001)는 도 1의 클라우드 에퀴지션(Point Cloud Acquisition, 10001), 도 2의 획득(20000) 동작, 도 3 내지 도 5에 따른 동작, 도 12의 데이터 입력부(12000) 동작의 일부/전부를 수행할 수 있다.
기하정보 부호화부(18002)는 실시예들에 따른 포인트 클라우드 데이터(PCC 데이터)의 지오메트리 정보를 수신하여 이들을 부호화한다. 지오메트리 정보는 포인트 클라우드 데이터에 포함된 포인트들의 위치 정보를 의미할 수 있다. 기하정보 부호화부(18002)는 지오메트리 정보를 부호화하여 기하정보 비트스트림을 출력한다. 기하정보 부호화부(18002)는 포인트들의 위치 정보를 재구성하여 복원된 기하정보(18002a)를 출력할 수 있다. 기하정보 부호화부(18002)는 복원된 기하정보를 속성정보 부호화부(18002)로 전달할 수 있다.
기하정보 부호화부(18002)는 도 1의 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002), 도 2의 인코딩(20001), 도 4의 좌표계 변환부(40000), 양자화(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 지오메트리 리컨스럭션부(40005), 도 12의 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐펀시 코드 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005) 및/또는 아리스메틱 코더(12006)의 동작의 일부/전부를 수행할 수 있다.
속성정보 부호화부(18003)는 실시예들에 따른 포인트 클라우드 데이터의 속성 정보를 수신하고, 기하정보 부호화부(18003)로부터 수신한 복원된 기하정보를 이용하여 속성 정보를 부호화할 수 있다. 속성정보 부호화부(18003)는 속성 정보를 부호화하여 속성 정보 비트스트림(18000c)을 출력한다. 속성정보 부호화부(18003)는 예를 들어, 실시예들에 따른 예측 변환(prediction transform), 리프팅 변환(lifting transform) 및/또는 RAHT(Region Adaptive Hierarchical Transform) 변환을 수행할 수 있다. 속성정보 부호화부(18003)는 예를 들어, 프리딕션 리프팅(prediction lifting, 또는 예측 리프팅) 변환을 수행할 수 있다. 프리딕션 리프팅 변환은 실시예들에 따른 예측 변환 및/또는 리프팅 변환의 각 세부 동작들의 일부 또는 전부를 조합한 것을 의미할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 실시예들에 따른 예측 변환(prediction transform), 리프팅 변환(lifting transform) 및/또는 RAHT(Region Adaptive Hierarchical Transform) 변환의 일부, 전부 및/또는 각각의 조합으로 인코딩을 수행할 수 있다.
속성정보 부호화부(18003)는 도 1의 포인트 클라우드 비디오 인코더(10002), 도 2의 인코딩(20001), 도 4의 컬러 변환부(40006), 속성 변환부(40007), RATH 변환부(40008), LOD생성부(40009), Lifting 변환부(40010), 계수 양자화부(40011) 및/또는 아리스메틱 인코딩부(40012)의 동작, 도 12의 색상 변환 처리부(12008), 속성 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스매틱 코더(12011)의 동작 전부/일부를 수행할 수 있다.
여기서, 복원된 기하정보(18002c)는 도 4에서 설명한 지오메트리 리컨스럭션부(Reconstruct Geometry, 40005)에 의해 재구성된 옥트리 및/또는 근사화된 옥트리를 의미할 수 있다. 복원된 기하정보는 도 6에서 설명한 오큐펀시 코드를 의미할 수 있고, 또는 옥트리 구조를 의미할 수도 있다. 복원된 기하정보는 도 12에서 설명한 옥트리 오큐펀시 코드 생성부(12003)에 의해 성성된 옥트리 오큐펀시 코드를 의미할 수도 있다.
속성정보 부호화부(18003)는, 실시예들에 따른 포인트 클라우드 데이터의 속성 정보를 인코딩할 수 있다. 여기서, 실시예들에 따른 부호화부(18003)는 실시예들에 따른 복원된 기하정보(또는 복원된 지오메트리 정보)를 이용하여 속성 정보를 부호화할 수 있다. 속성정보 부호화부(18003)은 수신된 데이터를 인코딩하여 어트리뷰트 정보(또는 속성 정보)를 포함하는 비트스트림을 생성할 수 있다.
실시예들에 따른 속성정보 부호화부(18003)는 도 4의 색상 변환부(40006), 속성 전송부(40007), RAHT 변환부(40008), LOD 생성부(40009), 리프팅부(40010), 양자화부(40011) 및/또는 아리스메틱 인코딩부(400012)를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터는 데이터의 특성에 따라 카테고리 1과 카테고리 3으로 분류될 수 있다. 카테고리 1 데이터는 정적 데이터로 1장의 프레임(frame)으로 구성되는 데이터일 수 있다. 카테고리 3 데이터는 동적 데이터로 N장의 프레임(frame)으로 구성되는 데이터일 수 있다. 포인트 클라우드 데이터의 파일 포맷(file format)인 ply 파일은 데이터의 획득 방법에 따라 여러 개의 포인트(points)들로 구성될 수 있다.
실시예들에 따르면, 포인트 클라우드 데이터 전송 장치는 geometry-based point cloud compression(G-PCC)기반의 압축 방법으로 point cloud 데이터를 압축할 때 attribute 정보에 대해 새로운 변환 유형을 적용하여 부호화할 수 있다. 실시예들에 따르면, G-PCC는 geometry 정보 압축과 attribute 정보 압축으로 나뉠 수 있다. 실시예들에 따르면, attribute 정보 압축시 공간 상에 분산되어 있는 데이터를 부호화하기 위해 Region-Adaptive Haar (or hierarchical) Transform (RAHT) 을 이용할 수 있다. 하지만, 해당 방법이 적용되어 생성된 coefficient들은 가능한 정확히 부호화되어야 하고, 만약 특정 coefficient가 정확히 부호화되지 않을 경우, 복원된 point cloud 데이터의 전체 영역에 대해서 열화가 발생할 수 있다.
실시예들에 따른 기하정보(지오메트리 정보)는 각 포인트(PCC 데이터의 포인트들의 각 포인트)의 위치 정보를 포함할 수 있다. 예를 들어, 실시예들에 따른 기하정보는 각 포인트의 위치 정보에 대하여, 2차원 직교 좌표계의 (x, y) 또는 원통 좌표계의 (
Figure PCTKR2020002664-appb-img-000021
,
Figure PCTKR2020002664-appb-img-000022
) 또는 3차원 공간에서의 직교 좌표계의 (x, y, z) 또는 원통 좌표계의 (
Figure PCTKR2020002664-appb-img-000023
,
Figure PCTKR2020002664-appb-img-000024
, z) 구면 좌표계의 (
Figure PCTKR2020002664-appb-img-000025
,
Figure PCTKR2020002664-appb-img-000026
,
Figure PCTKR2020002664-appb-img-000027
) 좌표 벡터로 표현될 수 있다.
실시예들에 따른 속성정보(어트리뷰트 정보)는 포인트(포인트 클라우드 데이터의 포인트들의 각 포인트)의 색을 나타내는 벡터(예를 들어, (R,G,B) 정보), 밝기 값(또는 루미넌스 값), 라이다의 반사계수 및/또는 하나 또는 다수개의 센서로부터 획득한 값의 벡터(예를 들어, 열화상 카메라로부터 얻은 온도 값 등)일 수 있다.
실시예들에 따른 공간 분할부(18000)는 입력된 포인트 클라우드 데이터를 적어도 하나의 3차원 블록으로 분할할 수 있다. 이때, 블록은 타일 그룹(Tile Group) 또는 타일(Tile) 또는 슬라이스(Slice) 또는 부호화 단위(CU), 예측 단위(PU) 또는 변환 단위(TU)를 의미할 수 있다. 실시예들에 따른 공간 분할부(18000)는 임의의 가로 세로 높이의 블록단위로 포인트 클라우드 데이터를 분할할 수 있다. 실시예들에 따른 공간 분할부(18000)는 블록의 다양한 위치 및 크기를 선택적으로 결정하여 포인트 클라우드 데이터를 분할할 수 있다. 분할은 옥트리(Octree), 쿼드 트리(Quadtree), 바이너리 트리(Biniary tree), 트리플 트리(Triple tree), k-d 트리 중 적어도 하나에 기반하여 수행될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 기하 정보 부호화부 및/또는 속성 정보 부호화부의 구성으로 인해 포인트 클라우드 데이터를 효율적이고 신속하게 부호화할 수 있고, 적은 양의 데이터와 연산 과정으로도 사용자에게 실제와 같은 가상현실 환경을 제공할 수 있다.
도 19는 실시예들에 따른 속성 정보 부호화부를 나타낸다.
실시예들에 따른 속성 정보 부호화부는 몰톤 코드(Morton code) 변환 및 정렬부(1900), 니어리스트 네이버(Nearest neighbor) 탐색 및 선정부(1901), 속성정보 예측방법 선정 및 레지듀얼 계산부(1902), 양자화 및 어리스메틱 부호화부(1903) 및/또는 비트 패킹부(1904)를 포함할 수 있다. 실시예들에 따른 속성 정보 부호화부에 포함된 각 구성요소는 하나 또는 그 이상의 하드웨어 블록/모듈 및/또는 프로세서에 의해 실행되는 소프트웨어의 구성일 수 있다.
실시예들에 따른 속성정보 부호화부(attribute coding) 중 prediction 방식으로 부호화하는 과정을 나타낸 것일 수 있다.
본 도면에서 도시된 실시예들에 따른 속성 정보 부호화부의 동작 과정에 대한 설명은 다음과 같다.
Morton code 변환 및 정렬은 기하정보 부호화부(geometry coding)에서 복원된 정보를 입력으로 받아서 위치 정보(x, y, z) 값을 morton code로 변환한 후, 오름차순으로 정렬하는 과정이다. 정렬된 morton code는 Nearest neighbor 탐색 및 선정 블록으로 전달된다.
Nearest neighbor 탐색 및 선정 블록에서는 입력된 code 정보 기반으로 부호화 대상의 point cloud에 기준으로 특정 범위 안에 포함된 point cloud들 중 거리가 가장 가까운 point들 (2개, 3개 혹은 그 이상)을 찾아서 nearest neighbor로 선정한다.
Predicted attribute 정보 예측 방법 선정 및 residual 정보 계산에서는 선정된 NN 정보의 특성을 분석하여 가장 적합한 예측 방법을 선정한다. 다음, 선정된 예측 방법을 기반으로 predicted attribute를 예측한 후, 부호화 대상의 attribute (input attribute) 정보와 차분하여 residual 정보를 유도한다. 하지만, residual 정보가 attribute의 정보량보다 적다고 단정할 수 없으므로, residual과 attribute간의 정보량을 비교 후 더욱 적은 것을 선택하여 전송한다. 이 때 추가적인 flag를 정의하여 (여기서는 예측 방법 정보로 표시), 어떤 정보가 전송됨을 수신기에 알려야 한다.
이 때 어떤 정보를 선택했는지를 의미하는 예측 방법 정보를 전송해주어야 한다.
이후 residual 정보는 양자화 & Arithmetic 부호화 블록에 입력되어 양자화되고 entropy coding된다. Arithmetic coding 외에도 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding), CABAC(Context-Adaptive Binary Arithmetic Coding)과 같은 다양한 부호화 방법이 사용될 수도 있다.
Coding된 정보들은 수신단으로 전송되기 위해 bit packing 블록에서 packing되어서 bitstream으로 형성된다.
몰톤 코드(Morton code) 변환 및 정렬부(1900)는 실시예들에 따른 복원된(reconstructed) 지오메트리 정보(또는 복원 기하정보)를 수신한다. 몰톤 코드(Morton code) 변환 및 정렬부(1900)는 수신한 지오메트리 정보의 위치 정보(예를 들어, (x,y,z) 값)을 몰톤 코드(Morton code)로 변환하고, 몰톤 코드로 변환된 위치 정보를 정렬(예를 들어, 오름차순으로 정렬)할 수 있다. 정렬된 몰톤 코드(morton code)는 니어리스트 네이버(Nearest neighbor) 탐색 및 선정부로 전달될 수 있다.
니어리스트 네이버(Nearest neighbor) 탐색 및 선정부(1901)는 입력된 코드(예를 들어, 몰톤 코드)의 정보에 기초하여 포인트 클라우드 데이터의 포인트들에 대한 니어리스트 네이버(nearest neighbor)에 해당하는 하나 또는 그 이상의 포인트들을 선정한다. 포인트 클라우드 데이터의 포인트들은 부호화 대상이 되는 포인트 클라우드의 데이터를 의미한다. 여기서, 니어리스트 네이버(nearest neighbor)는 해당 포인트들 각각에 대하여, 해당 포인트를 기준으로 특정 범위 내에 포함된 포인트 클라우드들(포인트들) 중 거리가 가장 가까운 포인트들 (예를 들어 2개, 3개 혹은 그 이상)을 의미할 수 있다. 니어리스트 네이버 탐색 및 선정부는 각각의 포인트들을 기준으로 하나 또는 그 이상의 포인트들(또는 니어리스트 네이버들)을 탐색하여 니어리스트 네이버에 해당하는 하나 또는 그 이상의 포인트들을 선정한다.
니어리스트 네이버는 실시예들에 따라, 근접 이웃, NN(Nearest Neighbor) 등으로 호칭될 수도 있다. 니어리스트 네이버 탐색 및 선정부는 실시예들에 따라 니어리스트 네이버 탐색부, 니어리스트 네이버 선정부, 니어리스트 네이버 탐색/선정부, 니어리스트 네이버부, NN부 등으로 호칭될 수 있다.
속성정보 예측방법 선정 및 레지듀얼 계산부(1902)는, 실시예들에 따른 니어리스트 네이버에 해당하는 포인트들(또는 니어리스트 네이버들)에 기초하여, 예측할 포인트 클라우드 데이터를 예측하는 방법을 선정한다. 또한, 속성정보 예측방법 선정 및 레지듀얼 계산부는 선정된 예측 방법에 기초하여 예측할 포인트 클라우드 데이터를 예측(predict)하고, 레지듀얼(residual) 정보를 생성한다. 실시예들에 따른 전송 장치/방법은 작은 사이즈의 입력 데이터가 인코딩의 동작에 유리하므로, 레지듀얼 정보 또는 예측할 포인트 클라우드 데이터(즉, 인풋 어트리뷰트)의 데이터 사이즈를 비교할 수 있다. 예측할 포인트 클라우드 데이터의 예측(predict) 실시예들에 따른 포인트와 니어리스트 네이버(들)의 거리에 기초하여 예측될 수 있다.
여기서 레지듀얼 정보는, 예측한 포인트 클라우드 데이터의 속성 어트리뷰트(속성 정보)와 입력된 포인트 클라우드 데이터의 속성 어트리뷰트(즉, 인풋 어트리뷰트, input attribute) 간의 차이일 수 있다. 인풋 어트리뷰트(input attribute, 또는 인풋 어트리뷰트 정보)란, 실시예들에 따른 전송 장치에 입력된 포인트 클라우드 데이터의 속성 어트리뷰트를 의미할 수 있다. 예측 어트리뷰트는 실시예들에 따른 전송 장치가(또는 속성 정보 부호화부가) 예측한 포인트 클라우드 데이터의 속성 어트리뷰트를 의미할 수 있다. 또한, 레지듀얼이란, 인풋 어트리뷰트와 예측 어트리뷰트가 차분되어 생성된 나머지 값을 의미할 수 있다.
즉, 속성정보 예측방법 선정 및 레지듀얼 계산부는 예측한 포인트 클라우드 데이터의 속성 어트리뷰트(속성 정보)와 입력된 포인트 클라우드 데이터를 차분하여 레지듀얼을 생성할 수 있다.
다만, 레지듀얼 정보가, 예측한 포인트 클라우드 데이터의 속성 어트리뷰트 또는 인풋 어트리뷰트의 정보량보다 적을 수도 있고 많을 수도 있다. 따라서, 속성정보 예측방법 선정 및 레지듀얼 계산부는 레지듀얼 정보를 예측한 포인트 클라우드 데이터의 속성 어트리뷰트 또는 인풋 어트리뷰트의 정보량과 비교하여 정보량이 더 적은 정보를 선택하여 전송할 수 있다.
이 때, 속성정보 예측방법 선정 및 레지듀얼 계산부는 예측 방법 정보를 더 생성할 수 있다. 즉, 속성정보 예측방법 선정 및 레지듀얼 계산부는 어떤 정보를 선택하고 어떤 정보를 전송하였는지를 예측 방법 정보(예를 들어, 추가적인 플래그(flag) 또는 시그널링 정보)를 이용하여 실시예들에 따른 수신 장치에 알릴 수 있다.
예를 들면, 생성된 레지듀얼 정보가 예측한 포인트 클라우드 데이터의 속성 어트리뷰트 및 인풋 어트리뷰트보다 정보량이 적은 경우에는 레지듀얼을 선택하고 전송할 수 있다. (예를 들어, 카테고리 3(Category 3)에 해당하는 포인트 클라우드 데이터의 경우에는 인접한 네이버(neighbor)이 실제로 멀리 떨어져 있어, 니어리스트 네이버와 예측 대상 포인트의 속성 값이 크게 다를 수 있다.) 따라서 속성정보 예측방법 선정 및 레지듀얼 계산부는 레지듀얼을 선택하여 전송하였다는 것을 나타내는 플래그 정보(또는 시그널링 정보)를 전송할 수 있다. 반대로, 생성된 레지듀얼 정보가 인풋 어트리뷰트보다 정보량이 큰 경우(즉, 레지듀얼 정보, 인풋 어트리뷰트, 예측된 포인트 클라우드 데이터의 속성 어트리뷰트 중 인풋 어트리뷰트가 정보량이 가장 적은 경우), 속성정보 예측방법 선정 및 레지듀얼 계산부는 인풋 어트리뷰트를 선택하여 전송할 수 있다. 이 때에도, 속성정보 예측방법 선정 및 레지듀얼 계산부는 인풋 어트리뷰트를 선택하여 전송하였다는 것을 나타내는 플래그 정보(또는 시그널링 정보)를 전송할 수 있다.
양자화 및 어리스메틱 부호화부(1903)는 실시예들에 따른 레지듀얼 정보(또는 속성정보 예측방법 선정 및 레지듀얼 계산부에 의해 생성된 정보)를 양자화하여 부호화할 수 있다. 여기서 양자화 및 어리스메틱 부호화부(1903)는 실시예로 어리스매틱 부호화(Arithmetic coding)을 수행할 수도 있고, 그 외에도 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding), CABAC(Context-Adaptive Binary Arithmetic Coding) 등에 따라 부호화할 수도 있다. 양자화 및 어리스메틱 부호화부는 실시예들에 따른 레지듀얼 정보(또는 속성정보 예측방법 선정 및 레지듀얼 계산부에 의해 생성된 정보)를 부호화하여 비트스트림(또는 비트들)을 출력한다.
양자화 및 어리스메틱 부호화부(1903)는 실시예들에 따른 레지듀얼 정보(또는 속성정보 예측방법 선정 및 레지듀얼 계산부에 의해 생성된 정보)를 엔트로피 코딩할 수 있다. 실시예들에 따른 양자화 및 어리스메틱 부호화부(1903)는 속성정보 예측방법 선정 및 레지듀얼 계산부에 의해 생성된 데이터(즉, 레지듀얼과 속성 어트리뷰트 중 크기가 작은 정보)를 엔트로피 코딩할 수 있다.
비트 패킹부(bit packing, 1904)는, 양자화 및 어리스메틱 부호화부에 의해 출력된 비트스트림을 패킹(packing)할 수 있다. 비트 패킹부는 속성정보 예측방법 선정 및 레지듀얼 계산부에서 생성한 예측 방법 정보를 패킹할 수 있다. 비트 패킹부는 실시예들에 따른 수신 장치로 비트스트림을 전송한다.
여기서, 실시예들에 따른 속성 정보 부호화부(또는 PCC 데이터 인코더)는 니어리스트 네이버의 탐색의 결과에 기초하여 복수의 프리딕터 후보(predictor candidate)들을 생성할 수 있다. 니어리스트 네이버를 탐색하는 것은 LoD를 생성함으로써 수행될 수 있다. 복수의 프리딕터 후보들은 프리딕터 인덱스(predictor index)와 예측 어트리뷰트(predicted attribute) 값(value)을 포함할 수 있다. 프리딕터 인덱스는 관련 포인트를 디코딩하는 경우 디코딩을 수행하는 방법, 디코딩 시 예측의 참조가 되는 포인트에 관련된 정보(예를 들면 예측 어트리뷰트 값(predicted attribute value) 등)를 나타낼 수 있다. 실시예들에 따른 프리딕터 인텍스는 플래그(flag) 형태로 전송될 수도 있다.
이 때, 실시예들에 따른 속성 정보 부호화부(또는 PCC 데이터 인코더)는 생성된 복수의 프리딕터 후보(predictor candidate)들을 이용하여 최적의 프리딕터(best predictor)를 선택할 수 있다. 실시예들에 따른 속성 정보 부호화부는 레이트-디스토션 최적화 동작(rate-distortion optimization procedure)에 의해 최적의 프리딕터 인덱스를 선택할 수 있다.
그 후, 실시예들에 따른 속성 정보 부호화부는 선택된 최적의 프리딕터 인덱스를 이용하여 양자화 및/또는 부호화를 수행할 수 있다.
실시예들에 따른 속성 정보 부호화부(속성 정보 부호화기)는 실시예들에 따른 예측 변환(prediction transform), 리프팅 변환(lifting transform) 및/또는 RAHT(Region Adaptive Hierarchical Transform) 변환을 수행할 수 있다. 또한, 속성 정보 부호화부(속성 정보 부호화기)는 프리딕션 리프팅(prediction lifting, 또는 예측 리프팅) 변환을 수행할 수 있다. 실시예들에 따른 프리딕션 리프팅 변환은 실시예들에 따른 예측 변환 및/또는 리프팅 변환의 각 세부 동작들의 일부 또는 전부를 조합한 것을 의미할 수 있다.
리프팅 변환은 실시예들에 따라 리프팅 스킴(lifting scheme), 예측 변환은 프리딕션 스킴(prediction scheme) 등으로 호칭될 수 있다. 예측 변환은 실시예들에 따라 프리딕션 스킴(prediction scheme) 등으로 호칭될 수 있다. RAHT 변환은 실시예들에 따라 RAHT 스킴(RAHT scheme) 등으로 호칭될 수 있다. 또한, 실시예들에 따른 프리딕션 리프팅 변환은 프리딕션 리프팅 스킴(prediction lifting scheme) 등으로 호칭될 수 있다.
또한, 속성 정보 부호화부(속성 정보 부호화기)는 실시예들에 따른 예측 변환(prediction transform), 리프팅 변환(lifting transform) 및/또는 RAHT(Region Adaptive Hierarchical Transform) 변환의 일부, 전부 및/또는 각각의 조합으로 인코딩을 수행할 수 있다.
앞서 서술되었듯이, 도 12의 우측 흐름도가 속성정보 부호화 과정을 나타낸 것인데, 도 12에 나타난 실시예들에 따른 색상 변환 처리부, 속성 변환 처리부, 예측/리프트/RAHT 변환 처리부와 Arithmetic 코더는 도 19의 'Predicted attribute 정보 예측 방법 선정 및 residual 정보 계산부'에 대응된다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 포인트 클라우드 데이터를 인코딩하는 단계; 및 인코딩된 포인트 클라우드 데이터를 전송하는 단계; 를 포함할 수 있다.
이 때, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 기하 정보를 인코딩하는 단계; 및 복원된 기하 정보에 기초하여 획득한 포인트 클라우드 데이터의 속성 정보를 인코딩하는 단계를 더 포함할 수 있다. 여기서, 기하 정보를 인코딩하는 단계는 기하 정보 비트스트림 및 복원된 기하 정보를 생성할 수 있다. 또한, 속성 정보를 인코딩하는 단계는 속성 정보 비트스트림을 생성할 수 있다.
여기서, 포인트 클라우드 데이터를 인코딩하는 단계는, 복원된 기하 정보에 기초하여 포인트 클라우드 데이터의 제 1 포인트에 대한 니어리스트 네이버(Nearest neighbor)에 해당하는 적어도 하나의 포인트들을 선정하는 단계; 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들의 속성 정보에 기초하여 제 1 포인트의 속성 정보의 레지듀얼(residual)을 계산하는 단계; 및 제 1 포인트의 속성 정보와 관련된 정보를 양자화하는 단계; 를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 기하 정보 부호화부 및/또는 속성 정보 부호화부의 구성으로 인해 포인트 클라우드 데이터를 효율적이고 신속하게 부호화할 수 있고, 적은 양의 데이터와 연산 과정으로도 사용자에게 실제와 같은 가상현실 환경을 제공할 수 있다.
또한, 실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 예측을 통해 계산된 잔차 정보와 속성 정보를 비교하는 과정을 수행함으로써, 불필요한 데이터의 전송을 제거하여 송수신 효율을 높일 수 있다. 나아가, 레지듀얼 정보와 인풋 어트리뷰트 정보를 비교함으로써, 전송하고자 하는 포인트의 정확한 속성 정보를 수신 장치로 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 예측을 통해 계산된 잔차 정보와 속성 정보를 비교하는 과정을 수행함으로써, 수신 장치의 추가 연산 부담 및 메모리 부담을 감소할 수 있다. 또한 실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 상술한 바와 같이 크기가 적은 데이터를 인코딩하게 함으로써 엔트로피 코딩 및/또는 양자화 과정의 부담을 줄일 수 있다.
또한, 실시예들에 따른 포인트 클라우드 데이터 전송 방법은 양 정보를 비교하는 과정은 단순 조건문들로만 구성될 수 있어 전체 연산 복잡도에 큰 영향을 주지 않는 반면, 해당 구성으로 인해 부정확한 예측된 정보 사용을 사전에 방지함으로써, 세밀한 예측을 가능하게 하고 및 부호화 성능 향상을 기대할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법/장치 및/또는 수신 방법/장치는 G-PCC의 예측(prediction) 기반 모듈(장치 등)을 이용하여 포인트 클라우드(point cloud)의 속성(attribute) 정보를 부호화할 때, 예측을 통한 잔차(레지듀얼, residual) 정보와 속성(attribute)의 원래(인풋 어트리뷰트) 정보를 비교 및 검증 과정을 통해 부호화에 더욱 효과적인 정보를 선택할 수 있다.
따라서 실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 추가적인 연산 과정 및 추가적인 메모리의 점유 없이 압축 성능 향상을 기대할 수 있다.
도 20은 실시예들에 따른 속성 정보 부호화를 수행하는 과정을 나타낸다.
실시예들에 따른 속성 정보 부호화를 수행하는 동작은 실시예들에 따른 속성 정보 부호화부에서 수행될 수 있다.
속성 정보 부호화를 수행하는 과정은 니어리스트 네이버(NN)들간의 최대 차이(maxDiff)를 계산하는 단계(S2000), 최대 차이와 스레숄드(threshold) 정보를 비교하는 단계(S2001), 웨이티드 NN(Weighted NN)의 평균으로 예측된 어트리뷰트(predicted attribute) 정보 예측 및 레지듀얼(residual) 정보 계산하는 단계(S2002), 제 1 스코어(Score)를 계산하는 단계(S2003), 하나의 NN을 참조하여 예측된 어트리뷰트 정보를 예측 및 레지듀얼 정보를 계산하는 단계(S2004), 제 2 스코어를 계산하는 단계(S2005), 제 1 스코어와 제 2 스코어를 비교하는 단계(S2006), S2006 단계에 대응하여 웨이티드 NN(Weighted NN)의 평균으로 예측된 어트리뷰트(predicted attribute) 정보 예측 및 레지듀얼 정보를 계산하는 단계(S2008), S2006 단계에 대응하여 가장 큰 제 2 스코어가 계산된 경우에 사용된 방식으로 예측된 어트리뷰트(predicted attribute) 예측 및 레지듀얼 계산하는 단계(S2007), 레지듀얼과 인풋 어트리뷰트를 비교하는 단계(S2009), 레지듀얼의 정보량이 큰 경우 인풋 어트리뷰트를 양자화/부호화하는 단계(S2010) 및/또는 인풋 어트리뷰트의 정보량이 큰 경우 레지듀얼 정보를 양자화/부호화하는 단계(S2011)를 포함할 수 있다.
S2000 단계와 관련하여, 실시예들에 따른 방법/장치는 니어리스트 네이버(NN)들간의 최대 차이(maxDiff)를 계산할 수 있다. 본 단계는, 네이버에 해당하는 포인트들(neighbor point)의 속성 정보(attribute)들 간의 차이를 계산할 수 있다.
S2001단계와 관련하여, 실시예들에 따른 방법/장치는 최대 차이와 스레숄드(threshold) 정보를 비교할 수 있다. 본 단계와 관련하여, 실시예들에 따른 방법/장치는 니어리스트 네이버들 간의 최대 차이 값(즉, 네이버들 각각에 대한 어트리뷰트 정보의 최소값과 최대값의 차이)과 스레숄드(threshold) 정보와 비교한다. 스레숄드 정보란, 실시예들에 따른 방법/장치가 속성 정보 예측을 수행하기 위하여 만족해야 하는 네이버들 각각에 대한 어트리뷰트 정보의 최소값과 최대값의 차이의 최댓값을 의미할 수 있다. 스레숄드 정보는 기 설정된 값일 수 있다.
S2002 단계와 관련하여, 실시예들에 따른 방법/장치는 니어리스트 네이버들 간의 최대 차이 값(즉, 네이버들 각각에 대한 어트리뷰트 정보의 최소값과 최대값의 차이)이 스레숄드(threshold) 정보의 값보다 작은 경우(즉, maxDiff < threshold), 웨이티드 NN(Weighted NN)의 평균을 이용하여 예측 어트리뷰트(predicted attribute) 정보를 예측 및/또는 레지듀얼(residual) 정보를 계산할 수 있다. 본 단계에서는 선정된 모든 네이버 포인트(neighbor point)들의 정보를 평균하여 예측된 속성정보(predicted attribute) 값을 예측할 수도 있다.
여기서, 실시예들에 따른 속성 정보 부호화부(또는 PCC 데이터 인코더)는 니어리스트 네이버의 탐색의 결과에 기초하여 복수의 프리딕터 후보(predictor candidate)들을 생성할 수 있다. 복수의 프리딕터 후보들은 프리딕터 인덱스(predictor index)와 예측 어트리뷰트(predicted attribute) 값(value)을 포함할 수 있다. 예를 들어, 본 단계에서, 선정된 모든 네이버 포인트(neighbor point)들의 정보를 평균하여 예측된 속성정보(predicted attribute) 값을 예측하는 경우, 예측된 속성정보(predicted attribute)는 프리딕터 후보로서 프리딕터 인덱스가 0이고, 예측 어트리뷰트 값(predicted value)이 평균(average) 값이 저장될 수 있다. 저장되는 데이터의 구조는 도 24(B)에 도시된 바와 같다.
S2003 단계와 관련하여, 실시예들에 따른 방법/장치는 예측된 예측 어트리뷰트(predicted attribute) 정보 및/또는 레지듀얼(residual) 정보에 기초하여 제 1 스코어를 계산할 수 있다. 제 1 스코어는 실시예들에 따라 베스트 스코어(best score)로 호칭할 수도 있다. 여기서, 예를 들면 베스트 스코어는 [Equation 1]에 따라 계산될 수 있다. 제 1 스코어는 실시예들에 따라 Score NN 로 표현될 수도 있다. 제 1 점수(즉, 제 1 스코어)는 네이버(neighbor)들에 기초하여 예측(prediction)을 수행하여 생성된 레지듀얼(residual) 정보를 부호화할 때(예를 들어, 엔트로피 부호화) 사용되는 정보량과 관련된 점수 정보를 의미할 수 있다.
[Equation 1]
Figure PCTKR2020002664-appb-img-000028
[Equation 1] 에서 a^_j 는 j번째 니어리스트 네이버(nearest neighbor)의 속성(attribute)정보, 부호화 대상이 되는 포인트(point)와 j번째 니어리스트 네이버 포인트(nearest neighbor point)간의 유클리디언 거리(Euclidean distance)를 의미한다. 즉, i번째 포인트의 예측 어트리뷰트(predicted attribute) 정보 a^_i 는 각 NN의 속성(attribute) 에 대해서 거리의 역수가 웨이티드 합(weighted sum)이 되어서 계산된다.
본 단계와 관련하여, 실시예들에 따른 방법/장치는 인풋 어트리뷰트(input attribute)와 예측 어트리뷰트(predicted attribute)와의 차분으로 유도된 레지듀얼(residual) 정보를 부호화(encoding) 하는데 사용된 정보량을 추정하여 예측자(predictor)의 스코어(score)를 책정한다. 처음에는 베스트 스코어(best score)가 존재하지 않으므로, 계산된 스코어를 베스트 스코어로 초기화할 수 있다.
인풋 어트리뷰트(input attribute, 또는 인풋 어트리뷰트 정보)란, 실시예들에 따른 전송 장치에 입력된 포인트 클라우드 데이터의 속성 어트리뷰트를 의미할 수 있다. 예측 어트리뷰트는 실시예들에 따른 전송 장치가(또는 속성 정보 부호화부가) 예측한 포인트 클라우드 데이터의 속성 어트리뷰트를 의미할 수 있다. 또한, 레지듀얼이란, 인풋 어트리뷰트와 예측 어트리뷰트가 차분되어 생성된 나머지 값을 의미할 수 있다.
S2004 단계와 관련하여, 실시예들에 따른 방법/장치는 하나의 NN을 참조하여 예측 어트리뷰트 정보를 예측하고 및/또는 레지듀얼 정보를 계산할 수 있다. 즉, 본 단계와 관련하여, 실시예들에 따른 방법/장치는 예측 어트리뷰트(predicted attribute) 정보를 예측할 때, 하나의 니어리스트 네이버(nearest neighbor) 정보만을 참조하여 예측한다. 또한 본 단계와 관련하여, 실시예들에 따른 방법/장치는, 예측된 정보와 인풋 어트리뷰트(input attribute)정보와의 차분으로 레지듀얼(residual) 정보를 유도할 수 있다. 만약 니어리스트 네이버(nearest neighbor)가 2개 이상 존재하면, 다른 네이버(neighbor)들에 대해서는 같은 방식으로 진행하여 레지듀얼(residual) 정보를 유도한다.
실시예들에 따른 속성 정보 부호화부(또는 PCC 데이터 인코더)는 하나의 NN을 참조하여 예측 어트리뷰트 정보를 예측하여 복수의 프리딕터 후보(predictor candidate)들을 생성할 수 있다. 예를 들어, 본 단계에서, 하나의 NN을 참조하여 예측 어트리뷰트 정보를 예측하는 경우, 예측된 속성정보(predicted attribute)는 프리딕터 후보로서 프리딕터 인덱스는 해당 포인터로부터 가까운 네이버(neighbor) 포인트의 순서대로 정수 값을 가지고(예를 들면 1, 2, 3...) 예측 어트리뷰트 값(predicted value)은 네이버(neighbor) 포인트의 속성 정보(attribute) 또는 그와 관련된 정보로 저장될 수 있다. 저장되는 데이터의 구조는 도 24(B)에 도시된 바와 같다.
S2005 단계와 관련하여, 실시예들에 따른 방법/장치는 하나의 NN을 참조하여 예측된 예측 어트리뷰트 정보 및/또는 레지듀얼 정보에 기초하여, 각 네어버들에 대한 제 2 점수를 계산할 수 있다. 제 2 스코어는 실시예들에 따라 Score NN_i 로 표현될 수도 있다. 여기서, i는 1, 2, 3, …, M일 수 있고, 여기서 M은 네이버들의 개수를 나타낼 수 있다. 제 2 점수(즉, 제 2 스코어)는 각각의 네이버(neighbor)들에 기초하여 예측(prediction)을 수행하여 생성된 레지듀얼(residual) 정보를 부호화할 때(예를 들어, 엔트로피 부호화) 사용되는 정보량과 관련된 점수 정보를 의미할 수 있다.
S2006 단계와 관련하여, 실시예들에 따른 방법/장치는 계산된 제 1 스코어와 제 2 스코어를 비교할 수 있다.
S2007 단계와 관련하여, 제 2 스코어(Score NN_i, 또는 Score NN_i 중 최댓값)가 제 1 스코어(베스트 스코어)보다 클 경우, 본 단계와 관련하여 실시예들에 따른 방법/장치는 제 2 스코어가 계산되었을 때 사용된 예측 방법으로 해당 포인트를 예측(prediction)할 수 있다. 예를 들면, Score NN_3 이 제 1 스코어보다 클 경우에는, i=3인 네이버에 해당하는 포인트에 기초하여 예측하려는 포인트의 속성 정보(예측 어트리뷰트)를 예측할 수 있다. 이 경우, 레지듀얼 정보도, 상술한 바와 같이 생성된 예측 어트리뷰트에 기초하여 생성될 수 있다.
S2008 단계와 관련하여, 네이버들에 대한 제 2 스코어(Score NN_i)가 모두 제 1 스코어보다 작은(또는 작거나 같은)경우 본 단계와 관련하여, 실시예들에 따른 방법/장치는 제 1 스코어가 계산되었을 때 사용한 예측 방법으로 포인트의 속성정보(예측 어트리뷰트)를 예측할 수 있다. 예를 들면, 제 1 스코어(베스트 스코어)가 모든 i에 대한 제 2 스코어(Score NN_i )보다 작거나 같은 경우에는, 모든 네어버들에 해당하는 속성 정보의 평균 또는 웨이티드 평균(Weighted average)으로 예측 어트리뷰트를 예측할 수 있다. 이 경우, 레지듀얼 정보도, 상술한 바와 같이 생성된 예측 어트리뷰트에 기초하여 생성될 수 있다.
S2009 단계와 관련하여, 실시예들에 따른 방법/장치는 상술한 S2007 및/또는 S2008 단계에 따라 생성된 레지듀얼 정보의 정보량과 실시예들에 따른 인풋 어트리뷰트(input attribute) 정보의 정보량을 비교할 수 있다. 여기서 정보량은, 레지듀얼 또는 인풋 어트리뷰트를 양자화하여 부호화하는데 필요하거나 전송하는데 데이터의 양을 의미할 수 있다.
S2010 단계와 관련하여, 실시예들에 따른 방법/장치는 레지듀얼의 정보량이 큰 경우(또는 크거나 같은 경우) 인풋 어트리뷰트를 양자화/부호화할 수 있다.
S2011 단계와 관련하여, 실시예들에 따른 방법/장치는 인풋 어트리뷰트의 정보량이 큰 경우(또는 크거나 같은 경우) 레지듀얼 정보를 양자화/부호화하는 단계를 포함할 수 있다.
실시예들에 따르면, S2009, S2010, S2011 단계와 관련하여, 실시예들에 따른 방법/장치는 실시예들에 따른 예측 방법 정보를 생성할 수 있다. 예측 방법 정보는, 실시예들에 따른 전송 장치가 본 단계에서, 해당 포인트의 속성 정보를 전송하기 위하여 인풋 어트리뷰트를 선택하여 양자화/부호화하였는지, 레지듀얼을 선택하여 양자화/부호화하였는지를 나타내는 정보이다. 즉, 어떤 정보를 전송하였는지를 예측 방법 정보(예를 들어, 추가적인 플래그(flag) 또는 시그널링 정보)를 이용하여 실시예들에 따른 수신 장치에 알릴 수 있다. 실시예들에 따르면 본 단계는 속성정보 예측방법 선정 및 레지듀얼 계산부에서 수행될 수 있다.
실시예들에 따르면 S2010및/또는 S2011 단계와 관련하여, 실시예들에 따른 방법/장치는 실시예들에 따른 양자화 및 어리스메틱 부호화부에 의해 수행될 수 있다. 실시예들에 따른 양자화 및 어리스메틱 부호화부는 실시예들에 따른 레지듀얼 정보(또는 속성정보 예측방법 선정 및 레지듀얼 계산부에 의해 생성된 정보)를 엔트로피 코딩할 수 있다. 실시예들에 따른 양자화 및 어리스메틱 부호화부는, S2009에 의해 결정된 데이터(즉, 레지듀얼과 속성 어트리뷰트 중 크기가 작은 정보)를 엔트로피 코딩할 수 있다.
만약 해당 포인트에 대한 레지듀얼(residual)의 정보량이 인풋 어트리뷰트(input attribute)의 정보량보다 크다면(또는 크거나 같다면) 예측 방법 정보는 인풋 어트리뷰트가 양자화/부호화되었다는 것을 나타낼 수 있다. 반대로, 만약 해당 포인트에 대한 레지듀얼(residual)의 정보량이 인풋 어트리뷰트(input attribute)의 정보량보다 작다면(또는 작거나 같다면) 예측 방법 정보는 레지듀얼 정보가 양자화/부호화되었다는 것을 나타낼 수 있다.
또한, 실시예들에 따르면, S2005 단계 및/또는 S2005 단계에서 예측된 예측 어트리뷰트(predicted attribute) 정보는 프리딕터 인덱스(predictor index)와 함께 저장될 수 있다. 즉, 실시예들에 따른 속성 정보 부호화부(또는 PCC 데이터 인코더)는 네이버(neighbor) 포인트의 탐색의 결과에 기초하여 복수의 프리딕터 후보(predictor candidate)들을 프리딕터 인덱스와 예측 어트리뷰트 값의 세트를 저장할 수 있다.
이 때, 실시예들에 따르면, 전송 장치/방법은 프리딕터 후보(predictor candidate)의 최대 개수를 나타내는 파라미터를 더 전송할 수 있다. 프리딕터 후보의 최대 개수를 나타내는 파라미터는 MaxNumCand와 같은 시그널링 정보로 전송될 수 있고, 이는 어트리뷰트 헤더(attributes header)에 포함되어 실시예들에 따른 인코더에 의해 인코딩될 수 있다. 실시예들에 다르면, 프리딕터 후보의 최대 개수를 나타내는 파라미터는 트렁케이티드 유너리 바이너리제이션(truncated unary binarization)에서 인코딩/디코딩 프리딕터 인덱스로 사용될 수 있다.
즉, 프리딕터 인덱스와 함께 저장하는 방법의 예시는 도 24(C)에서 설명한다.
도 20에서 설명한 각 단계는 해당 단계를 수행하는 장치에 의해 수행될 수도 있다. 예를 들면, S2000 단계는 니어리스트 네이버(Nearest neighbor, NN)들간의 최대 차이(maxDiff) 계산기에 의해 수행될 수 있다. S2002 단계는 “웨이티드 NN(Weighted NN)의 평균으로 예측 어트리뷰트(predicted attribute) 예측 및 레지듀얼(residual)정보 계산기”에 의해 수행될 수 있다. 또한, S2002 및/또는 S2003에 해당하는 단계의 전부 또는 일부는 스코어(score) 계산기(또는 스코어 계산부)에 의해 수행될 수 있다. S2004 및/또는 S2005 단계는 “NN 1개만 참조하여 예측 어트리뷰트(predicted attribute) 예측 및 레지듀얼(residual) 정보 계산기”에 의해 수행될 수 있다. 또한 도 20에 따른 단계들의 일부 또는 전부는 도 19에서 설명한 속성정보 예측방법 선정 및 레지듀얼 계산부에 의해 수행될 수 있다.
도 20에서는 도 19의 속성정보 예측방법 선정 및 레지듀얼 계산부 (predicted attribute 정보 예측 방법 선정 및 residual 정보 계산)의 동작 과정을 좀 더 상세히 도시하였다. 도 20에 따른 동작을 수행하기 위해서 기본적으로 니어리스트 네이버(nearest neighbor)의 어트리뷰트(attribute, 속성 정보)들과 부호화 대상의 인풋 어트리뷰트(input attribute, 인풋 속성 정보)를 입력 받는다.
니어리스트 네이버(Nearest neighbor, NN)들간의 최대 차이(maxDiff) 계산기는 neighbor point의 attribute의 차이를 분석한다. 분석 결과 최소값과 최대값의 차이가 일정 threshold보다 클 경우(maxDiff < threshold), 모든 neighbor point들의 정보를 평균하여 predicted attribute 값을 예측하는게 항상 좋은 결과를 만들지 못한다고 판단하여 좀 더 다양한 방법으로 예측을 시도한다.
웨이티드 NN(Weighted NN)의 평균으로 예측 어트리뷰트(predicted attribute) 예측 및 레지듀얼(residual)정보 계산기는 모든 nearest neighbor의 attribute 정보를 참조하여 predicted attribute를 예측한다. 예측 식은 [Equation 2]과 같다.
[Equation 2]
Figure PCTKR2020002664-appb-img-000029
[Equation 2] 에서 a^_j 는 j번째 nearest neighbor의 attribute 정보, 부호화 대상이 되는 point와 j번째 nearest neighbor point간의 Euclidean distance를 의미한다. 즉, i번째 point의 predicted attribute 정보 a^_i 는 각 NN의attribute에 대해서 거리의 역수가 weighted sum되어서 계산된다.
Score 계산기(Score 계산 블록)는 input attribute와 predicted attribute와의 차분으로 유도된 residual 정보를 encoding하는데 사용된 정보량을 추정하여 predictor의 score를 매긴다. 처음에는 best score가 존재하지 않으므로, 계산된 score를 best score로 간주한다.
NN 1개만 참조하여 predicted attribute 예측 및 residual 정보 계산 블록에서는 predicted attribute 정보를 예측할 때, 하나의 nearest neighbor 정보만을 참조하여 예측한다. 예측된 정보는 input attribute 정보와의 차분으로 residual 정보를 유도한다. 만약 nearest neighbor가 2개 이상 존재하면, 다른 neighbor들에 대해서는 같은 방식으로 진행하여 residual 정보를 유도한다.
각각의 prediction 방식을 통해 유도된 residual 정보를 entropy encoding할 때 사용된 정보량을 분석하여 Score NN_i (i=1,2,...,M) 를 매긴다. 만약 Score NN_i (i=1,2,...,M)중에 best score보다 더 높은 경우에는 가장 높은 score를 받았던 prediction 방식으로 해당 point를 prediction하는데 사용한다.
만약 Score NN_i (i=1,2,…,M)이 best score보다 클 경우, 가장 큰 Score NN 이 계산됐을 때 사용된 방식으로 'predicted attribute 예측 및 residual 계산' 블록이 사용되고, Score NN_i 중에 best score보다 큰 경우가 없을 경우에는 'weighted NN의 평균으로 predicted attribute 예측 및 residual 정보 계산' 블록이 수행된다.
어떤 블록이 선택되더라도, 마지막에는 residual 정보와 input attribute 정보와 비교한다. Input attribute 정보가 residual 정보보다 작을 경우에는 residual attribute 정보 대신 input attribute 정보를 직접 entropy coding하는게 더욱 효과적이라고 판단하여, input attribute를 그대로 전송한다. 이 경우에 대해서 필요할 경우에는 추가적인 flag를 정의하여, input attribute가 직접 전송됨을 수신기에 알려야 한다. 만약 반대일 경우에는 기존 방식처럼 residual을 entropy encoding하여 decoder로 전송한다.
실시예들에 따른 속성 정보 부호화를 수행하는 단계는 실시예들에 따른 예측 변환(prediction transform), 리프팅 변환(lifting transform) 및/또는 RAHT(Region Adaptive Hierarchical Transform) 변환을 포함할 수 있다. 또한, 속성 정보 부호화를 수행하는 단계는 프리딕션 리프팅(prediction lifting, 또는 예측 리프팅) 변환을 수행할 수 있다. 실시예들에 따른 프리딕션 리프팅 변환은 실시예들에 따른 예측 변환 및/또는 리프팅 변환의 각 세부 동작들의 일부 또는 전부를 조합한 것을 의미할 수 있다.
리프팅 변환은 실시예들에 따라 리프팅 스킴(lifting scheme), 예측 변환은 프리딕션 스킴(prediction scheme) 등으로 호칭될 수 있다. 예측 변환은 실시예들에 따라 프리딕션 스킴(prediction scheme) 등으로 호칭될 수 있다. RAHT 변환은 실시예들에 따라 RAHT 스킴(RAHT scheme) 등으로 호칭될 수 있다. 또한, 실시예들에 따른 프리딕션 리프팅 변환은 프리딕션 리프팅 스킴(prediction lifting scheme) 등으로 호칭될 수 있다.
또한, 속성 정보 부호화를 수행하는 단계는 실시예들에 따른 예측 변환(prediction transform), 리프팅 변환(lifting transform) 및/또는 RAHT(Region Adaptive Hierarchical Transform) 변환의 일부, 전부 및/또는 각각의 조합으로 인코딩을 수행할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 포인트 클라우드 데이터를 인코딩하는 단계; 및 인코딩된 포인트 클라우드 데이터를 전송하는 단계; 를 포함할 수 있다.
이 때, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 기하 정보를 인코딩하는 단계; 및 복원된 기하 정보에 기초하여 획득한 포인트 클라우드 데이터의 속성 정보를 인코딩하는 단계를 더 포함할 수 있다. 여기서, 기하 정보를 인코딩하는 단계는 기하 정보 비트스트림 및 복원된 기하 정보를 생성할 수 있다. 또한, 속성 정보를 인코딩하는 단계는 속성 정보 비트스트림을 생성할 수 있다.
여기서, 포인트 클라우드 데이터를 인코딩하는 단계는, 복원된 기하 정보에 기초하여 포인트 클라우드 데이터의 제 1 포인트에 대한 니어리스트 네이버(Nearest neighbor)에 해당하는 적어도 하나의 포인트들을 선정하는 단계; 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들의 속성 정보에 기초하여 제 1 포인트의 속성 정보의 레지듀얼(residual)을 계산하는 단계; 및 제 1 포인트의 속성 정보와 관련된 정보를 양자화하는 단계; 를 포함할 수 있다.
여기서, 포인트 클라우드 데이터를 인코딩하는 단계는, 레지듀얼과 제 1 포인트의 속성 정보의 크기를 비교하는 단계를 더 포함할 수 있고, 양자화하는 단계는 레지듀얼이 제 1 포인트의 속성 정보보다 큰 경우 제 1 포인트의 속성 정보를 양자화할 수 있고, 레지듀얼이 제 1 포인트의 속성 정보보다 작은 경우 레지듀얼을 양자화할 수 있다.
또한, 포인트 클라우드 데이터를 인코딩하는 단계는 예측 방법 정보를 더 생성할 수 있고, 예측 방법 정보는 양자화된 속성 정보가 제 1 포인트의 속성 정보을 포함하는지 또는 레지듀얼을 포함하는지 여부를 나타낼 수 있다.
즉, 니어리스트 네이버에 해당하는 적어도 하나의 포인트는 복수의 포인트들을 포함할 수 있고, 제 1 포인트의 속성 값의 레지듀얼을 생성하는 단계는 복수의 포인트들의 속성 정보의 차이의 최댓값과 스레숄드(threshold)를 비교하는 단계; 차이의 최댓값이 스레숄드 값보다 큰 경우, 복수의 포인트들의 속성 정보에 기초하여 제 1 포인트의 속성 정보를 예측하는 단계, 여기서 예측된 제 1 포인트의 속성 정보에 대한 제 1 스코어(score) 값을 생성함; 복수의 포인트들에 포함된 제 2 포인트의 속성 정보에만 기초하여 제 1 포인트의 속성 정보를 예측하는 단계, 여기서 예측된 제 1 포인트의 속성 정보에 대한 제 2 스코어(score) 값을 생성함;
생성된 제 1 스코어 값 및 제 2 스코어 값을 비교하여 제 1 포인트의 속성 정보에 대한 레지듀얼을 계산하는 단계; 를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 예측을 통해 계산된 잔차 정보와 속성 정보를 비교하는 과정을 수행함으로써, 불필요한 데이터의 전송을 제거하여 송수신 효율을 높일 수 있다. 나아가, 레지듀얼 정보와 인풋 어트리뷰트 정보를 비교함으로써, 전송하고자 하는 포인트의 정확한 속성 정보를 수신 장치로 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 예측을 통해 계산된 잔차 정보와 속성 정보를 비교하는 과정을 수행함으로써, 수신 장치의 추가 연산 부담 및 메모리 부담을 감소할 수 있다. 양 정보를 비교하는 과정은 단순 조건문들로만 구성될 수 있어 전체 연산 복잡도에 큰 영향을 주지 않는 반면, 해당 구성으로 인해 부정확한 예측된 정보 사용을 사전에 방지함으로써, 세밀한 예측을 가능하게 하고 및 부호화 성능 향상을 기대할 수 있다. 또한 실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 상술한 바와 같이 크기가 적은 데이터를 인코딩하게 함으로써 엔트로피 코딩 및/또는 양자화 과정의 부담을 줄일 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법/장치 및/또는 수신 방법/장치는 G-PCC의 예측(prediction) 기반 모듈(장치 등)을 이용하여 포인트 클라우드(point cloud)의 속성(attribute) 정보를 부호화할 때, 예측을 통한 잔차(레지듀얼, residual) 정보와 속성(attribute)의 원래(인풋 어트리뷰트) 정보를 비교 및 검증 과정을 통해 부호화에 더욱 효과적인 정보를 선택할 수 있다.
따라서 실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 추가적인 연산 과정 및 추가적인 메모리의 점유 없이 압축 성능 향상을 기대할 수 있다.
도 21은 실시예들에 따른 포인트 클라우드 디코더를 나타낸다.
실시예들에 따른 포인트 클라우드 디코더는 기하정보 복호화부(2101) 및/또는 속성정보 복호화부(2102)를 포함할 수 있다. 실시예들에 따르면, 포인트 클라우드 디코더는 PCC 복호화기, PCC 복호화부, 포인트 클라우드 복호화기, 포인트 클라우드 복호화부, PCC 디코더 등으로 호칭될 수 있다.
즉, PCC 복호화기는 기하정보 복호화부(2101), 속성정보 복호화부(2102)를 포함 할 수 있다. 기하정보 복호화부(2101)는 입력 받은 기하정보 비트스트림을 복호화하여 기하정보를 복원한다. 복원된 기하정보는 속성정보 복호화부로 입력 될 수 있다. 속성정보 복호화부(2102)는 입력받은 속성정보 비트스트림과 기하정보 복호화부로부터 입력 받은 복원된 기하정보를 입력 받아 속성정보를 복원한다. 복원된 속성정보는 복원된 기하정보와 함께 복원된 PCC 데이터로 구성 될 수 있다.
기하정보 복호화부(2101)는 실시예들에 따른 수신 장치가 수신한 기하정보 비트스트림을 수신한다. 기하정보 복호화부(2101)는 기하정보 비트스트림을 복호화할 수 있다.
속성정보 복호화부(2102)는 실시예들에 따른 수신 장치가 수신한 속성정보 비트스트림을 수신한다. 속성정보 복호화부는 복원된 기하정보에 기반하여 속성정보 비트스트림의 속성정보를 복호화할 수 있다. 포인트 클라우드 데이터에 포함된 기하정보 및/또는 속성정보는 복호화되어 복원된 PCC데이터가 될 수 있다.
여기서 복원된 PCC 데이터는 기하정보 비트스트림이 기하정보 복호화부에 의해 복호화된 데이터 및/또는 속성정보 비트스트림이 속성정보 복호화부에 의해 복호화된 데이터를 포함할 수 있다.
도 21의 PCC 복호화기는 기하정보 비트스트림, 속성정보 비트스트림, 기하정보 복호화부, 복원된 기하정보, 속성정보 복호화부, 복원된 PCC 데이터로 구성된다. 해당 구성요소들은 도 13에 따른 구성에 대응될 수 있다.
예를 들어, 도 21의 기하정보 비트스트림과 속성정보 비트스트림은 도 13에 따른 수신 처리부 및 메터데이터 파서에 대응될 수 있다. 기하정보 복호화부(2101)는 도 13에 따른 어리스매틱(Arthimetic) 디코더와 오큐펀시(Occupancy) 코드 기반 옥트리 재구성 처리부, 표면 모델 처리부 및/또는 인버스(Inverse) 양자화 처리부(또는 역양자화 처리부)에 대응될 수 있다.
또한, 예를 들어, 도 21에 따른 복원된 기하정보는 별도의 블록 없이 signaling으로 표시된 재구성된 위치값 공유에 대응될 수 있다. 실시예들에 따른 도 21에 따른 속성정보 복호화부는 도 13에 따른 어리스매틱(Arithmetic) 디코더, 속성 정보 비트스트림이 signaling되는 쪽의 Inverse 양자화 처리부, 예측/리프팅/RAHT 역변환 처리부와 색상 역변환 처리부에 대응될 수 있다.
또한, 도 21에 따른 복원된 PCC 데이터는 도 13에 따른 렌더러의 입력 혹은 출력 데이터에 대응될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 단계; 포인트 클라우드 데이터를 디코딩하는 단계; 및 디코딩된 포인트 클라우드 데이터를 렌더링하는 단계; 를 포함할 수 있다.
여기서 포인트 클라우드 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터의 기하 정보 비트스트림을 디코딩하는 단계 및 복원된 기하 정보에 기초하여 포인트 클라우드 데이터의 속성 정보 비트스트림을 디코딩하는 단계를 포함할 수 있다. 여기서, 여기서 기하 정보 비트스트림을 복호화하는 단계는 복원된 기하 정보를 생성할 수 있다. 여기서 속성 정보 비트스트림을 디코딩하는 단계는 복원된 속성 정보를 생성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은, 레지듀얼 정보 및 인풋 목적하는 포인트의 속성 정보 중 데이터의 양이 적은 데이터를 수신함으로써 수신단의 연산 부담이 적어 송수신 효율을 높일 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법에서 예측을 통해 계산된 잔차 정보와 속성 정보를 비교하는 과정을 수행함으로써, 실시예들에 따른 수신 장치의 추가 연산 부담 및 메모리 부담을 감소할 수 있다. 양 정보를 비교하는 과정은 단순 조건문들로만 구성될 수 있어 전체 연산 복잡도에 큰 영향을 주지 않는 반면, 해당 구성으로 인해 세밀한 예측을 가능하게 하고 및 부호화 성능 향상을 기대할 수 있다.
따라서 실시예들에 따른 포인트 클라우드 데이터 수신 방법은, 추가적인 연산 과정 및 추가적인 메모리의 점유 없이 복호화 성능 향상을 기대할 수 있다.
도 22는 실시예들에 따른 속성 정보 복호화부를 나타낸다
실시예들에 따른 속성 정보 복호화부는 몰톤 코드(Morton code) 변환 및 정렬부(2200), 니어리스트 네이버(Nearest neighbor) 탐색 및 선정부(2201), 비트 언패킹(bit unpacking)부(2202), 어리스매틱 복호화/역양자화부(2203) 및/또는 속성정보 예측 및 복원부(2204)를 포함할 수 있다. 실시예들에 따른 속성 정보 부호화부에 포함된 각 구성요소는 하나 또는 그 이상의 하드웨어 블록/모듈 및/또는 프로세서에 의해 실행되는 소프트웨어의 구성일 수 있다.
도 22은 예를 들어, 도 21의 속성정보 복호화부(attribute coding) 중 예측(prediction) 방식으로 복호화하는 과정을 나타낸 것을 의미할 수 있다. 도 22의 동작 과정에 대한 설명은 다음과 같다.
몰톤 코드(Morton code) 변환 및 정렬(또는 몰톤 코드 변환 및 정렬부)은 기하정보 부호화부(geometry coding)에서 복원된 정보를 입력으로 받아서 위치 정보(x, y, z) 값을 실시예들에 따른 몰톤 코드로 변환한 후, 오름차순으로 정렬하는 과정이다. 정렬된 몰톤 코드는 니어리스트 네이버(Nearest neighbor) 탐색 및 선정부로 전달된다.
니어리스트 네이버(Nearest neighbor) 탐색 및 선정부에서는 입력된 code 정보 기반으로 부호화 대상의 point cloud에 기준으로 특정 범위 안에 포함된 point cloud들 중 거리가 가장 가까운 point들 (2개, 3개 혹은 그 이상)을 찾아서 nearest neighbor로 선정한다. 언급된 두 개의 블록은 attribute encoding 과정에서의 'Morton code 변환 및 정렬' 블록과 'Nearest neighbor 탐색 및 선정' 블록과 동일하다. 따라서 해당 블록을 수행하기 위해 추가적인 파라미터 및 metadata 등이 필요하지 않을 수 있다.
Bit unpacking 블록에서는 수신된 bitstream을 unpacking 하여 정보를 parsing하는 과정이다.
Arithmetic 복호화 & 역영자화 블록에서는 Arithmetic 복호화(entropy decoding)을 통해 양자화된 정보를 복원하고, 역양자화 과정을 통해서 residual 정보를 복원한다. Arithmetic coding 외에도 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding), CABAC(Context-Adaptive Binary Arithmetic Coding)과 같은 다양한 부호화 방법이 사용될 수도 있다.
Predicted attribute 예측 & Attribute 정보 복원 블록은 먼저 송신단에서 전송된 encoding된 예측 방법 정보를 참조하여 attribute를 예측하기 위해 사용할 predictor를 선택한다. 다음, 선택한 predictor를 이용하여 attribute를 예측하지만, 전송된 예측 방법 정보를 참조하여 예측을 수행하지 않을 수 있다. 만약 예측을 수행하지 않을 경우, 역양자화를 통해서 복원된 정보가 그대로 attribute로 간주되어서 출력되고, 예측을 수행하면 역양자화를 통해서 복원된 정보가 residual로 간주되어서 예측된 attribute 정보를 더하여 출력한다. 해당 과정은 [도 23]에 좀 더 자세히 설명하였다.
몰톤 코드(Morton code) 변환 및 정렬부(2200)는, 복원된 기하 정보(Reconstructed Geometry information)의 위치 정보(즉, (x, y, z) 값 등)을 실시예들에 따른 몰톤 코드로 변환할 수 있다. 또한, 몰톤 코드(Morton code) 변환 및 정렬부는 변환된 몰톤 코드를 정렬(예를 들어, 오름차순 정렬)할 수 있다. 정렬된 몰톤 코드는 니어리스트 네이버(Nearest neighbor) 탐색 및 선정부로 전달된다.
실시예들에 따르면, 도 22에서 설명하는 몰톤 코드 변환 및 정렬부(2200)는 도 19에서 설명한 몰톤 코드 변환 및 정렬부와 동일한 동작을 수행할 수 있다. 따라서 해당 블록을 수행하기 위해 추가적인 파라미터 및 시그널링 정보(메타데이터) 등이 필요하지 않을 수도 있다.
니어리스트 네이버(Nearest neighbor)탐색 및 선정부(2201)는 입력된 코드(예를 들어, 몰톤 코드)의 정보에 기초하여 포인트 클라우드 데이터의 포인트들에 대한 니어리스트 네이버(nearest neighbor)에 해당하는 하나 또는 그 이상의 포인트들을 선정한다. 포인트 클라우드 데이터의 포인트들은 부호화된 포인트 클라우드의 데이터를 의미한다. 여기서, 니어리스트 네이버(nearest neighbor)는 해당 포인트들 각각에 대하여, 해당 포인트를 기준으로 특정 범위 내에 포함된 포인트 클라우드들(포인트들) 중 거리가 가장 가까운 포인트들 (예를 들어 2개, 3개 혹은 그 이상)을 의미할 수 있다. 니어리스트 네이버 탐색 및 선정부는 각각의 포인트들을 기준으로 하나 또는 그 이상의 포인트들(또는 니어리스트 네이버들)을 탐색하여 니어리스트 네이버에 해당하는 하나 또는 그 이상의 포인트들을 선정한다.
실시예들에 따르면, 도 22에서 설명하는 니어리스트 네이버 탐색 및 선정부(2201)는 도 19에서 설명한 니어리스트 네이버 탐색 및 선정부와 동일한 동작을 수행할 수 있다. 따라서 해당 블록을 수행하기 위해 추가적인 파라미터 및 시그널링 정보(메타데이터) 등이 필요하지 않을 수도 있다.
비트 언패킹(bit unpacking)부(2202)는, 실시예들에 따른 수신 장치가 수신한 비트스트림(예를 들어, 속성 정보 비트스트림)을 수신하여 언패킹(unpacking, 또는 parsing)을 수행할 수 있다. 언패킹된 비트스트림은 부호화 및 양자화된 속성 정보를 포함할 수 있다.
어리스매틱(Arithmetic) 복호화/역양자화부(2203)는 어리스매틱(Arithmetic) 복호화(entropy decoding)을 통해 양자화된 정보를 복원하고, 역양자화 과정을 통해서 레지듀얼(residual) 정보를 복원할 수 있다. 어리스매틱 복호화 외에도 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding), CABAC(Context-Adaptive Binary Arithmetic Coding)과 같은 다양한 복호화/부호화 방법이 사용될 수도 있다.
속성정보 예측 및 복원부(2204)는 선정된 니어리스트 네이버에 해당하는 하나 또는 그 이상의 포인트들 및 어리스매틱(Arithmetic) 복호화/역양자화부(2203)에 의해 복호화/역양자화된 포인트들에 대한 데이터에 기초하여 예측 어트리뷰트를 예측하고 어트리뷰트 정보(속성 정보)를 복원할 수 있다.
실시예로, 속성정보 예측 및 복원부는, 실시예들에 따른 송신 장치에서 전송된, 양자화 및 부호화된 예측 방법 정보를 참조하여 속성 정보를 예측하기 위해 사용할 프리딕터를 선택할 수 있다. 실시예들에 따른 속성 정보 예측 및 복원부는 선택된 프리딕터를 이용하여 속성 정보를 예측할 수 있다.
여기서, 실시예들에 따른 속성 정보 예측 및 복원부는 프리딕터의 정보에 대응하여 속성 정보의 예측(prediction)을 수행하지 않을 수 있다. 즉, 다시 말하면 실시예들에 따른 속성 정보 예측 및 복원부는 전송된 예측 방법 정보를 참조하여 예측을 수행하지 않을 수도 있다. 만약 실시예들에 따른 속성 정보 예측 및 복원부가 예측(prediction)을 수행하지 않을 경우, 역양자화를 통해서 복원된 정보가 그대로 속성 정보(attribute)로 출력될 수 있다. 그러나, 실시예들에 따른 속성 정보 예측 및 복원부가 예측을 수행하는 경우, 역양자화를 통해서 복원된 데이터는 레지듀얼(residual)인 것으로 간주되므로, 실시예들에 따른 속성 정보 예측 및 복원부는 속성 정보를 예측하고, 예측된 속성 정보에 레지듀얼 정보를 더하여 출력한다.
실시예들에 따른 속성 정보 부호화부에 포함된 각 구성요소는 하나 또는 그 이상의 하드웨어 블록/모듈 및/또는 프로세서에 의해 실행되는 소프트웨어의 구성일 수 있다.
도 13의 우측 부분의 속성정보 복호화 과정은 어리스매틱(Arithmetic) 디코더, Inverse 양자화부, 예측/리프팅/RAHT 역변환 처리부, 색상 역변환 처리부으로 구성되어 있을 수 있다. 이는 도 22에서 도시한 속성 정보 복호화 과정(또는 속성 정보 복호화부의 동작)의 속성정보 예측 및 복원부의 동작에 대응될 수 있다. 즉, 도 22에서 도시한 속성 정보 복호화 과정은 “Predicted attribute 예측, Arithmetic 복호화 & 역양자화, Attribute 정보 복원”에 대응될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 단계; 포인트 클라우드 데이터를 디코딩하는 단계; 및 디코딩된 포인트 클라우드 데이터를 렌더링하는 단계; 를 포함할 수 있다.
여기서 포인트 클라우드 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터의 기하 정보 비트스트림을 디코딩하는 단계 및 복원된 기하 정보에 기초하여 포인트 클라우드 데이터의 속성 정보 비트스트림을 디코딩하는 단계를 포함할 수 있다. 여기서, 여기서 기하 정보 비트스트림을 복호화하는 단계는 복원된 기하 정보를 생성할 수 있다. 여기서 속성 정보 비트스트림을 디코딩하는 단계는 복원된 속성 정보를 생성할 수 있다.
여기서, 포인트 클라우드 데이터를 디코딩하는 단계는, 속성 정보 비트스트림을 역양자화하는 단계 복원된 기하 정보에 기초하여 포인트 클라우드 데이터의 제 1 포인트에 대한 니어리스트 네이버(Nearest neighbor)에 해당하는 적어도 하나의 포인트들을 선정하는 단계, 및/또는 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들 및 제 1 포인트에 대한 역양자화된 정보에 기초하여 제 1 포인트의 복원된 속성 정보를 예측하는 단계를 포함할 수 있다. 이 때, 역양자화하는 단계는 포인트 클라우드 데이터의 포인트들의 역양자화된 정보를 생성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은, 레지듀얼 정보 및 인풋 목적하는 포인트의 속성 정보 중 데이터의 양이 적은 데이터를 수신함으로써 수신단의 연산 부담이 적어 송수신 효율을 높일 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법에서 예측을 통해 계산된 잔차 정보와 속성 정보를 비교하는 과정을 수행함으로써, 실시예들에 따른 수신 장치의 추가 연산 부담 및 메모리 부담을 감소할 수 있다. 양 정보를 비교하는 과정은 단순 조건문들로만 구성될 수 있어 전체 연산 복잡도에 큰 영향을 주지 않는 반면, 해당 구성으로 인해 부정확한 예측된 정보 사용을 사전에 방지함으로써, 예측 성능 향상 및 부호화 성능 향상을 기대할 수 있다.
따라서 실시예들에 따른 포인트 클라우드 데이터 수신 방법은, 추가적인 연산 과정 및 추가적인 메모리의 점유 없이 복호화 성능 향상을 기대할 수 있다.
도 23은 실시예들에 따른 속성 정보 복호화를 수행하는 과정을 나타낸다.
실시예들에 따른 속성 정보 부호화를 수행하는 과정은, 레지듀얼인지 여부를 판단하는 단계(S2300) 및/또는 속성 정보를 복원하는 단계(S2301)를 포함할 수 있다.
도 23은 도 22의 속성정보 예측 및 복원부(2204)의 동작을 나타낸 것일 수 있다. 동작 과정에 대한 설명은 다음과 같다.
먼저, 해당 블록을 수행하기 위해 'Nearest neighbor 선정 및 탐색'을 통해 추출된 neighbor attributes, 역양자화 과정을 통해 복원된 정보 와 예측 방법 정보 flag를 입력 받는다. 다음으로, 예측 방법 정보를 참조하여 복원된 정보가 residual이라고 판단된 경우(if residual = true), neighbor 정보를 이용하여 predicted attribute를 계산 후, residual 정보에 더하여 attribute 정보를 복원한다. 예측 방법 정보를 참조하여 복원된 정보가 residual이 아니라고 판단된 경우(if residual = false), 역자화된 정보를 복원된 attribute 정보로 간주한다.
S2300 단계와 관련하여, 실시예들에 따른 포인트 클라우드 데이터 수신 방법(또는 장치의 동작)은, 역양자화 후 복원된 정보가 속성 정보(attribute)에 해당하는지 레지듀얼(residual)에 해당하는지 여부를 판단할 수 있다. 실시예들에 따르면, 역양자화 후 복원된 정보가 속성 정보(attribute)에 해당하는지 레지듀얼(residual)에 해당하는지 여부는, 수신 장치가 수신한 예측 방법 정보에 기초하여 수행될 수 있다.
S2301 단계와 관련하여, 만약 역양자화 과정을 통해 복원된 데이터가 레지듀얼(residual)에 해당하는 경우, 본 단계는 수신한 레지듀얼 및/또는 네이버 어트리뷰트들에 기초하여 목표하는 포인트에 대한 속성 정보를 예측(prediction)하여 복원할 수 있다. 따라서, 본 단계는 목표하는 포인트에 대한 복원된 어트리뷰트 정보(속성 정보)를 출력할 수 있다.
실시예들에 따르면, 역양자화 과정을 통해 복원된 데이터가 레지듀얼(residual)에 해당하는 경우에는, 목표하는 포인트의 속성 정보를 예측하기 위해 사용할 프리딕터(predictor)를 선택한다. 다음, 선택한 프리딕터(predictor)를 이용하여 목표하는 포인트의 속성 정보를 예측한다.
예를 들어, 선택된 프리딕터가 목표하는 포인트의 네이버 포인트인 P1 포인트에만 기초하여 예측을 수행하는 것임을 나타낸다면, S2301 단계는 P1 포인트의 속성 정보(또는 그와 관련된 속성 정보)를 목표하는 포인트의 속성 정보로 예측할 수 있다. 다른 예로, 선택된 프리딕터가 네이버들의 웨이티드 평균(Weighted average)에 기초하여 예측을 수행하는 것임을 나타낸다면(즉, 위의 예시에서 predIndex가 0인 경우), 목표하는 포인트의 속성 정보는 네이버들의 웨이티드 평균으로 결정될 수 있다.
만약, 역양자화 과정을 통해 복원된 데이터가 레지듀얼(residual)에 해당하지 않는 경우, 복원된 데이터는 목표하는 포인트에 대한 속성 정보를 의미하므로, 복원된 데이터를 복원된 속성 정보로 출력할 수 있다.
실시예들에 따르면, S2300 단계 및/또는 S2301는 도 22의 속성정보 예측 및 복원부(2204)에 의해 수행될 수 있다. 즉, 실시예들에 따른 속성 정보 예측 및 복원부는 ‘니어리스트 네이버(Nearest neighbor) 탐색 및 선정부'을 통해 추출된 네이버 어트리뷰트들(neighbor attributes, 또는 네이버 포인트들에 대한 속성 정보), 역양자화 과정을 통해 복원된 데이터 및/또는 예측 방법 정보를 수신할 수 있다. 속성정보 예측 및 복원부는 수신한 예측 방법 정보를 이용하여 역양자화 과정을 통해 복원된 데이터가 속성 정보(attribute)에 해당하는지 또는 레지듀얼에 해당하는지 여부를 판단(S2300)할 수 있다.
또한, 실시예들에 따른 속성 정보 예측 및 복원부는 예측 방법 정보를 참조하여 복원된 정보가 레지듀얼이라고 판단된 경우, 선정된 네이버에 해당하는 포인트(또는 포인트들)의 속성 정보를 이용하여 예측 어트리뷰트(predicted attribute)를 계산하고, 이에 레지듀얼 정보를 더하여 목표하는 포인트의 속성 정보를 복원한다. 예측 방법 정보를 참조하여 복원된 정보가 레지듀얼이 아니라고 판단된 경우, 실시예들에 따른 속성 정보 예측 및 복원부는 역양자화된 정보를 목표하는 포인트에 대한 복원된 속성 정보로 출력할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 단계; 포인트 클라우드 데이터를 디코딩하는 단계; 및 디코딩된 포인트 클라우드 데이터를 렌더링하는 단계; 를 포함할 수 있다.
여기서 포인트 클라우드 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터의 기하 정보 비트스트림을 디코딩하는 단계 및 복원된 기하 정보에 기초하여 포인트 클라우드 데이터의 속성 정보 비트스트림을 디코딩하는 단계를 포함할 수 있다. 여기서, 여기서 기하 정보 비트스트림을 복호화하는 단계는 복원된 기하 정보를 생성할 수 있다. 여기서 속성 정보 비트스트림을 디코딩하는 단계는 복원된 속성 정보를 생성할 수 있다.
여기서, 포인트 클라우드 데이터를 디코딩하는 단계는, 속성 정보 비트스트림을 역양자화하는 단계 복원된 기하 정보에 기초하여 포인트 클라우드 데이터의 제 1 포인트에 대한 니어리스트 네이버(Nearest neighbor)에 해당하는 적어도 하나의 포인트들을 선정하는 단계, 및/또는 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들 및 제 1 포인트에 대한 역양자화된 정보에 기초하여 제 1 포인트의 복원된 속성 정보를 예측하는 단계를 포함할 수 있다. 이 때, 역양자화하는 단계는 포인트 클라우드 데이터의 포인트들의 역양자화된 정보를 생성할 수 있다.
또한, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은, 제 1 포인트에 대한 역양자화된 정보가 레지듀얼(residual)에 대응하는 경우, 제 1 포인트의 복원된 속성 정보는 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들과 관련된 정보 및 제 1 포인트에 대한 역양자화된 정보에 기초하여 결정될 수 있다. 여기서, 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하지 않는 경우, 제 1 포인트의 복원된 속성 정보는 제 1 포인트에 대한 역양자화된 정보에 의해 결정될 수 있고, 시그널링 정보는 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하는지 여부를 나타내는 예측 방법 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은, 레지듀얼 정보 및 인풋 목적하는 포인트의 속성 정보 중 데이터의 양이 적은 데이터를 수신함으로써 수신단의 연산 부담이 적어 송수신 효율을 높일 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법에서 예측을 통해 계산된 잔차 정보와 속성 정보를 비교하는 과정을 수행함으로써, 실시예들에 따른 수신 장치의 추가 연산 부담 및 메모리 부담을 감소할 수 있다. 양 정보를 비교하는 과정은 단순 조건문들로만 구성될 수 있어 전체 연산 복잡도에 큰 영향을 주지 않는 반면, 해당 구성으로 인해 부정확한 예측된 정보 사용을 사전에 방지함으로써, 세밀한 예측을 가능하게 하고 및 부호화 성능 향상을 기대할 수 있다.
따라서 실시예들에 따른 포인트 클라우드 데이터 수신 방법은, 추가적인 연산 과정 및 추가적인 메모리의 점유 없이 복호화 성능 향상을 기대할 수 있다.
도 24는 실시예들에 따른 포인트 클라우드 데이터를 인코딩하기 위한 비트스트림의 신텍스(syntax)를 나타낸다.
구체적으로, 도 24(A)는 하나의 MPEG 표준에서 PCC 부호화를 위해 정의된 syntax에 제안된 방법을 적용했을 경우를 나타낸 것이다.
predIndex[i]: attribute의 i번째 point 값을 decoding할 때 predictor index를 지정한다. predIndex[i] 값의 범위는 0에서 max_num_direct_predictors이다.
X_i를 현재 point i의 k-nearest neighbour의 집합이라고 하고,
Figure PCTKR2020002664-appb-img-000030
를 재구성된 어트리뷰트(reconstructed attribute) 값이라고 할 때, 니어리스트 네이버(nearest neighbor) 의 수 k는 1부터 num_pred_nearest_neighbour 사이의 값을 갖는다.
maxPredDiff는 아래와 같이 계산된다.
Figure PCTKR2020002664-appb-img-000031
도 24(B)에서 설명하였듯이, 어떤 방식의 predictor가 선택되었다 할지라도, 최종단에서는 predictor를 통해 예측된 predicted value와 input attribute의 차분을 통해 residual 정보를 유도한다. 이 때 residual 정보가 input attribute정보보다 클 경우, predIndex는 4로 설정되어서 decoder로 전송된다 ([Table 3] 참조). 이는 residual 정보보다 input attribute의 정보량이 더욱 적기 때문에, prediction 정보를 이용하지 않음을 의미한다.
도 24(A)는 실시예들에 따른 포인트 클라우드 데이터를 인코딩하기 위한 비트스트림의 신텍스(syntax)를 나타낸다. 도 24(A)는 포인트 클라우드 데이터를 리프팅 트랜스포메이션(Lifting Transformation) 또는 업데이트/리프팅(Update/lifting) 스텝을 이용한 프리딕션, 프리딕팅 트렌스포메이션(Predicting Transformaion) 방식을 통해 인코딩하기 위한 비트스트림의 신텍스를 나타낼 수 있다.
predIndex[ i ]는 어트리뷰트(attribute) 의 i번째 포인트의 값을 디코딩(복호화)할 때 사용되는 프리딕터 인덱스(predictor index) 를 지정한다. predIndex[ i ] 값의 범위는 0에서 프리딕터 후보(predictor candidate)의 개수일 수 있다. 프리딕터 후보의 개수는 max_num_direct_predictors 시그널링 정보(또는 MaxNumCand)로 나타낼 수 있다.
maxPredDiff[ i ]는 i 번째 포인트의 속성 정보에 대하여, 예측 어트리뷰트(predicted attribute)와 실시예들에 따른 인풋 어트리뷰트(input attribute)의 차이를 나타내는 정보일 수 있다. 예를 들어, maxPredDiff 값은 아래와 같이 계산될 수 있다.
Figure PCTKR2020002664-appb-img-000032
adaptive_prediction_threshold는 실시예들에 따른 스레숄드(threshold) 정보를 의미할 수 있다.
MaxNumPredictors는 실시예들에 따른 프리딕터 후보(predictor candidate)들의 개수를 의미할 수 있다. max_num_direct_predictors에 의해 나타내어질 수도 있다. 여기서, X_i를 현재 포인트 i의 k번째 니어리스트 네이버의 집합이라고 하고,
Figure PCTKR2020002664-appb-img-000033
를 재구성된 어트리뷰트(reconstructed attribute, 예측 어트리뷰트) 값이라고 할 때, 니어리스트 네이버의 수 k는 1부터 num_pred_nearest_neighbour 사이의 값을 가질 수 있다.
도 24(B)는 실시예들에 따른 포인트 클라우드 데이터의 어트리뷰트 슬라이스 데이터의 신텍스(syntax) 를 나타낸다. 도 24(B)에서는 프리딕터 인덱스(predIndex)가 0인 경우, 해당 포인트의 네이버에 해당하는 포인트들의 평균(또는 웨이티드 평균)으로 예측 어트리뷰트를 예측하여 예측 어트리뷰트 값(predicted value)에 저장한 것이다. 또한, 프리딕터 인덱스가 1, 2, 3인 경우, 각각 해당 포인트의 네이버에 해당하는 포인트들의 P4 포인트(즉, 1번째 최단거리에 존재하는 니어리스트 네이버), P5(즉, 2번째 최단거리에 존재하는 니어리스트 네이버), P0 포인트(즉, 3번째 최단거리에 존재하는 니어리스트 네이버)의 속성 값(또는 그와 관련된 값)을 예측 어트리뷰트 값으로 저장한 것이다.
여기서, 실시예들에 따른 포인트 클라우드 데이터 전송 장치는(또는 속성 정보 부호화부는) 해당 포인트의 예측 어트리뷰트를 예측함으로써 생성된 레지듀얼(residual) 정보와 인풋 어트리뷰트(input attribute) 정보를 더 비교할 수 있다. 이 때, 레지듀얼 정보의 정보량이 인풋 어트리뷰트 정보의 정보량보다 큰 경우, 실시예들에 따른 포인트 클라우드 데이터 전송 장치는(또는 속성 정보 부호화부)는 프리딕션 후보(prediction candidate)를 더 추가할 수 있다.
여기서 인풋 어트리뷰트(input attribute)란, 실시예들에 따른 전송 장치에 입력된 포인트 클라우드 데이터의 속성 어트리뷰트를 의미할 수 있다. 예측 어트리뷰트는 실시예들에 따른 전송 장치가(또는 속성 정보 부호화부가) 예측한 포인트 클라우드 데이터의 속성 어트리뷰트를 의미할 수 있다. 또한, 레지듀얼이란, 인풋 어트리뷰트와 예측 어트리뷰트가 차분되어 생성된 나머지 값을 의미할 수 있다.
예를 들어, 도 24(B)에서, 레지듀얼(residual) 정보가 인풋 어트리뷰트(input attribute) 정보보다 클 경우, 프리딕션 인덱스(predIndex)이 4이고, 예측 값(predicted value)이 해당 인풋 어트리뷰트 값을 포함하는 정보 또는 예측된 값이 없음을 알리는 정보(No predicted value)인 후보를 추가할 수 있다. 즉, 이 경우에는 레지듀얼 정보보다 인풋 어트리뷰트의 정보량이 적기 때문에, 예측 정보를 이용하지 않음을 의미한다. 여기서, 예측된 값이 없음을 알리는 정보는 프리딕션 후보의 데이터 구조로 전송될 수도 있고, 플래그(flag) 형태의 데이터 구조로 전송될 수도 있다. 여기서 플래그(flag)는 실시예들에 따른 속성정보 예측방법 선정 및 레지듀얼 계산부(예를 들어, 도 19에서 설명하는 속성정보 예측방법 선정 및 레지듀얼 계산부)에서 생성한 추가적인 플래그를 의미할 수 있다.
실시예들에 따른 포인트 클라우스 송신 방법에서, 포인트 클라우드 데이터를 인코딩하는 단계는 예측 방법 정보를 더 생성할 수 있고, 예측 방법 정보는 양자화된 속성 정보가 제 1 포인트의 속성 정보을 포함하는지 또는 레지듀얼을 포함하는지 여부를 나타낼 수 있다.
또한, 제 1 포인트에 대한 역양자화된 정보가 레지듀얼(residual)에 대응하는 경우, 제 1 포인트의 복원된 속성 정보는 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들과 관련된 정보 및 제 1 포인트에 대한 역양자화된 정보에 기초하여 결정될 수 있다. 또한, 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하지 않는 경우, 제 1 포인트의 복원된 속성 정보는 제 1 포인트에 대한 역양자화된 정보에 의해 결정될 수 있다. 또한, 시그널링 정보는 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하는지 여부를 나타내는 예측 방법 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 장치/방법 및 수신 방법/장치는 도 24에서 설명한 시그널링 정보를 이용 및 보완함으로써 부호화의 성능을 향상시킬 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 퀄리티 있는 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 다양한 비디오 코덱 방식을 달성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 프리딕터 후보 및 그와 관련된 정보를 이용하여, 인코딩의 성능을 높임과 동시에 수신단의 연산 과정을 단순화하고 메모리의 점유를 낮출 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법에서 예측을 통해 계산된 잔차 정보와 속성 정보를 비교하는 과정을 수행함으로써, 실시예들에 따른 수신 장치의 추가 연산 부담 및 메모리 부담을 감소할 수 있다. 양 정보를 비교하는 과정은 단순 조건문들로만 구성될 수 있어 전체 연산 복잡도에 큰 영향을 주지 않는 반면, 해당 구성으로 인해 부정확한 예측된 정보 사용을 사전에 방지함으로써, 세밀한 예측을 가능하게 하고 및 부호화 성능 향상을 기대할 수 있다.
따라서 실시예들에 따른 포인트 클라우드 데이터 수신 방법은, 추가적인 연산 과정 및 추가적인 메모리의 점유 없이 복호화 성능 향상을 기대할 수 있다.
도 25는 실시예들에 따른 포인트 클라우드 데이터의 구조의 예시를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 장치는 도 25에서 도시한 바에 따른 비트스트림 구조를 가지는 비트스트림(25000)을 전송할 수 있다. 포인트 클라우드 데이터의 비트스트림(25000)은 SPS(Sequential Parameter Set, 25001), GPS(Geometry Parameter Set, 25002), APS(Attribute Parameter Set, 25003), TPS(25004) 및 하나 또는 그 이상의 슬라이스(slice)들(25005)을 포함할 수 있다. 포인트 클라우드 데이터의 비트스트림(25000)은 하나 또는 그 이상의 타일(tile)을 포함할 수 있다. 실시예들에 따른 타일(tile)은 하나 또는 그 이상의 슬라이스(slice)를 포함하는 슬라이스들의 그룹일 수 있다.
SPS(Sequence Parameter Set, 25001)는 각각의 슬라이스 세그먼트 헤더(slice segment header)내의 신텍스 엘리먼트(syntax element)에 의해 참조되는 PPS 내의 신텍스 엘리먼트의 컨텐츠에 의해 결정되는 0개 또는 그 이상의 전체 CVS들에 적용되는 신텍스 엘리먼트들을 포함하는 신텍스 스트럭쳐이다. (A syntax structure containing syntax elements that apply to zero or more entire CVSs as determined by the content of a syntax element found in the PPS referred to by a syntax element found in each slice segment header.) SPS는 실시예들에 따른 포인트 클라우드 데이터 비트스트림의 시퀀스 정보를 포함할 수 있다.
GPS(Geometry Parameter Set, 25002)은 0개 또는 그 이상의 전체 지오메트리(또는 부호화된 지오메트리)가 적용되는 신텍스 엘리먼트들(syntax elements)을 포함하는 신텍스 스트럭처(syntax structure)를 의미할 수 있다. 실시예들에 따른 GPS(25002)는 하나 또는 그 이상의 슬라이스들(25005)에 포함된 포인트 클라우드 데이터의 어트리뷰트(속성) 정보를 인코딩하는 방법에 관한 정보를 포함할 수 있다. GPS(25002)는 실시예들에 따른 어떤 SPS(25001)와 관련된 지오메트리 파라미터를 포함하는지를 나타내는 SPS 식별자 정보, 해당 GPS를 식별하는 GPS 식별자 정보를 포함할 수 있다.
APS(Attribute Parameter Set, 25003)은 0개 또는 그 이상의 전체 어트리뷰트(또는 부호화된 어트리뷰트)가 적용되는 신텍스 엘리먼트들(syntax elements)을 포함하는 신텍스 스트럭처(syntax structure)를 의미할 수 있다. 실시예들에 따른 APS(25003)는 하나 또는 그 이상의 슬라이스들(25005)에 포함된 포인트 클라우드 데이터의 어트리뷰트(속성) 정보를 인코딩하는 방법에 관한 정보를 포함할 수 있다. APS(25003)는 실시예들에 따른 어떤 SPS(25001)와 관련된 지오메트리 파라미터를 포함하는지를 나타내는 SPS 식별자 정보, 해당 APS를 식별하는 GPS 식별자 정보를 포함할 수 있다.
TPS(Tile Parameter Set, 25004)는 0개 또는 그 이상의 전체 타일들(또는 부호화된 타일들)이 적용되는 신텍스 엘리먼트들(syntax elements)을 포함하는 신텍스 스트럭처(syntax structure)를 의미할 수 있다. 타일 인벤토리는 실시예들에 따른 포인트 클라우드 데이터 비트스트림에 포함된 0개 또는 그 이상의 타일(tile)들에 관한 정보를 포함한다. 타일 인벤토리는 실시예들에 따라 타일 인벤토리(Tile Inventory)으로 호칭될 수도 있다.
TPS(25004)는 하나 또는 그 이상의 타일(tile)들을 식별하는 식별자 정보 및 하나 또는 그 이상의 타일(tile)들의 범위(즉, 타일의 바운딩 박스)를 나타내는 정보를 포함할 수 있다. 하나 또는 그 이상의 타일(tile)들의 범위(즉, 타일의 바운딩 박스)를 나타내는 정보는, 해당 타일이 나타내는 바운딩 박스의 기준이 되는 점의 좌표 정보(예를 들어, Tile(n).tile_bounding_box_xyz0) 및 해당 바운딩 박스의 폭, 높이 및 깊이에 관한 정보(예를 들어, Tile(n).tile_boudning_box_whd)를 포함할 수 있다. 복수 개의 타일이 존재하는 경우, 타일 인벤토리는(Tile Inventory, 33004)는 타일들 각각에 대한 바운딩 박스를 나타내는 정보를 포함할 수 있다. 예를 들어, 각 타일들이 타일들의 식별자 정보에 의해 0 내지 n으로 표현되는 경우, 각 타일들의 바운딩 박스를 나타내는 정보는 Tile(0).tile_bounding_box_xyz0, Tile(0).tile_bounding_box_whd, Tile(1).tile_bounding_box_xyz0, Tile(1).tile_bounding_box_whd … 등으로 표현될 수 있다.
슬라이스(slice, 25005)는 실시예들에 따른 포인트 클라우드 데이터의 송신 장치가 포인트 클라우드 데이터를 인코딩하기 위한 단위를 의미할 수 있다. 실시예들에 따른 슬라이스(33005)는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함하는 단위를 의미할 수 있다.
슬라이스(slice, 25005)는 해당 슬라이스 내에 포함된 포인트 클라우드 데이터의 지오메트리 정보를 나타내는 지오메트리 슬라이스 (Geometry Slice, Geom, 33005a) 및 해당 슬라이스 내에 포함된 포인트 클라우드 데이터의 어트리뷰트 정보를 나타내는 하나 또는 그 이상의 어트리뷰트 슬라이스 (Attribute Slice, Attr, 33005b)를 포함할 수 있다.
지오메트리 슬라이스 (Geometry Slice, Geom, 25005a)는 포인트 클라우드 데이터의 지오메트리 정보를 포함하는 지오메트리 슬라이스 데이터(Geometry Slice Data, Geom_slice_data, 25005d) 및 지오메트리 슬라이스 데이터에 관한 정보를 포함하는 지오메트리 슬라이스 헤더(Geometry Slice Header, Geom_slice_header, GSH, 25005c)를 포함한다.
지오메트리 슬라이스 헤더(25005c)는 해당 슬라이스 내의 지오메트리 슬라이스 데이터(25005d)에 관한 정보를 포함한다. 예를 들어, 지오메트리 슬라이스 헤더(25005c)는 어느 GPS(25002)가 해당 슬라이스의 지오메트리 정보를 나타내는지 여부를 식별하기 위한 지오메트리 파라미터 세트 식별자(geom_geom_parameter_set_id), 해당 지오메트리 슬라이스를 식별하기 위한 지오메트리 슬라이스 식별자(geom_slice_id), 해당 지오메트리 슬라이스 데이터의 박스 원점을 나타내는 지오메트리 박스 오리진 정보(geomBoxOrigin), 지오메트리 슬라이스의 로크 스케일을 나타내는 정보(geom_box_log2_scale), 해당 지오메트리 슬라이스의 포인트들의 개수와 관련된 정보(geom_num_points) 등을 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 비트스트림이 하나 또는 그 이상의 타일(tile)을 포함하는 경우, 실시예들에 따른 지오메트리 비트스트림의 헤더는 해당 지오메트리 비트스트림을 포함하는 타일을 식별하기 위한 정보(geom_tile_id)를 더 포함할 수 있다.
어트리뷰트 슬라이스 (Attribute Slice, Attr, 25005a)는 포인트 클라우드 데이터의 어트리뷰트 정보를 포함하는 어트리뷰트 슬라이스 데이터(Attribute Slice Data, Attr_slice_data) 및 어트리뷰트 슬라이스 데이터에 관한 정보를 포함하는 어트리뷰트 슬라이스 헤더(Attribute Slice Header, Attr_slice_header, ASH, 25005c)를 포함한다.
실시예들에 따른 포인트 클라우드 데이터 전송 장치/방법 및 수신 방법/장치는 도 24에서 설명한 시그널링 정보를 이용 및 보완함으로써 부호화의 성능을 향상시킬 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 퀄리티 있는 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 다양한 비디오 코덱 방식을 달성할 수 있다.
도 26은 실시예들에 따른 SPS (Sequence Parameter Set) 또는 APS (Attribute Parameter Set)에 정의된 신텍스(syntax)를 나타낸다.
구체적으로, 도 26의 좌측 신텍스 테이블은 실시예들에 따른 포인트 클라우드 데이터 전송 방법의 동작을 위해 정의된 SPS의 신텍스이고, 도 26의 우측 신텍스 테이블은 실시예들에 따른 포인트 클라우드 데이터 전송 방법의 동작을 위해 정의된 APS 신텍스이다. 도 26은 SPS (Sequence Parameter Set), APS (Attribute Parameter Set)에 제안된 방법이 작동하기 위한 플래그(flag)가 정의된 경우를 나타낸다. 도 26에 나타난 실시예들에 따른 SPS 및 APS의 신텍스는 도 25에 나타난 실시예들에 따른 SPS 및 APS의 신텍스일 수 있다.
enable_alternative_encoding은 attribute 정보를 다른 방식으로 encoding할지 여부를 나타낸다. 1인 경우, 도 18 내지 도 25에서 설명한 실시예들에 따른 속성 정보 부호화 방법 중 레지듀얼 정보와 인풋 어트리뷰트(input attribute) 정보를 비교하는 동작을 포함할 수 있다. 0인 경우, 도 18 내지 도 25에서 설명한 실시예들에 따른 속성 정보 부호화 방법 중 레지듀얼 정보와 인풋 어트리뷰트 정보를 비교하는 동작을 포함하지 않을 수 있다. 실시예들에 따른 해당 파라미터는, 상술한 predIndex 시그널링 정보(파라미터)보다 상위의 처리단(상위 레벨)에서 처리될 수 있다. 실시예들에 따른 해당 파라미터는 ON/OFF 방식의 시그널링 정보(또는 플래그 형태의 정보)일 수 있다.
실시예들에 따른 포인트 클라우스 송신 방법에서, 포인트 클라우드 데이터를 인코딩하는 단계는 예측 방법 정보를 더 생성할 수 있고, 예측 방법 정보는 양자화된 속성 정보가 제 1 포인트의 속성 정보을 포함하는지 또는 레지듀얼을 포함하는지 여부를 나타낼 수 있다.
또한, 제 1 포인트에 대한 역양자화된 정보가 레지듀얼(residual)에 대응하는 경우, 제 1 포인트의 복원된 속성 정보는 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들과 관련된 정보 및 제 1 포인트에 대한 역양자화된 정보에 기초하여 결정될 수 있다. 또한, 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하지 않는 경우, 제 1 포인트의 복원된 속성 정보는 제 1 포인트에 대한 역양자화된 정보에 의해 결정될 수 있다. 또한, 시그널링 정보는 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하는지 여부를 나타내는 예측 방법 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 장치/방법 및 수신 방법/장치는 도 24에서 설명한 시그널링 정보를 이용 및 보완함으로써 부호화의 성능을 향상시킬 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 퀄리티 있는 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 다양한 비디오 코덱 방식을 달성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 프리딕터 후보 및 그와 관련된 정보를 이용하여, 인코딩의 성능을 높임과 동시에 수신단의 연산 과정을 단순화하고 메모리의 점유를 낮출 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법에서 예측을 통해 계산된 잔차 정보와 속성 정보를 비교하는 과정을 수행함으로써, 실시예들에 따른 수신 장치의 추가 연산 부담 및 메모리 부담을 감소할 수 있다. 양 정보를 비교하는 과정은 단순 조건문들로만 구성될 수 있어 전체 연산 복잡도에 큰 영향을 주지 않는 반면, 해당 구성으로 인해 부정확한 예측된 정보 사용을 사전에 방지함으로써, 세밀한 예측을 가능하게 하고 및 부호화 성능 향상을 기대할 수 있다.
따라서 실시예들에 따른 포인트 클라우드 데이터 수신 방법은, 추가적인 연산 과정 및 추가적인 메모리의 점유 없이 복호화 성능 향상을 기대할 수 있다.
도 27은 실시예들에 따른 슬라이스 비트스트림(slice bitstream)의 신텍스를 나타낸다.
구체적으로 도 27은, 실시예들에 따른 포인트 클라우드 정보가 슬라이스(slice) 단위로 전송될 때, 슬라이스 비트스트림(slice bitstream) 에 실시예들에 따른 포인트 클라우드 데이터 전송/수신 방법(예를 들어, 도 18 내지 도 25)을 적용하기 위해 필요한 신텍스(syntax)의 예시를 나타낸 것이다. 도 27에 나타내었듯이, 해당 플래그(flag)는 attribute_slice_header( ) 혹은 attribute_slice_data( ) 에 정의될 수 있다.
도 27(A)는 슬라이스 비트스트림의 신텍스를 나타낸다. 실시예들에 따른 슬라이스 비트스트림은 어트리뷰트 슬라이스 헤더(도 27(B)) 및/또는 어트리뷰트 슬라이스 데이터(도 27(C))를 포함할 수 있다.
도 27(B)는 실시예들에 따른 어트리뷰트 슬라이스 헤더(attribute_slice_header)를 나타낸다. 어트리뷰트 슬라이스 헤더는 ash_attr_parameter_set_id, ash_attr_sps_attr_idx, ash_attr_geom_slice_id, byte_alignment(　)를 포함할 수 있다. 이 때, 실시예들에 따르면, 어트리뷰트 슬라이스 헤더는 enable_alternative_encoding_을 포함할 수 있다.
도 27(C)는 실시예들에 따른 어트리뷰트 슬라이스 데이터(attribute_slice_data)를 나타낸다. 어트리뷰트 슬라이스 데이터는 enable_alternative_encoding_를 포함할 수 있다.
enable_alternative_encoding은 attribute 정보를 다른 방식으로 encoding할지 여부를 나타낸다. 1인 경우, 도 18 내지 도 25에서 설명한 실시예들에 따른 속성 정보 부호화 방법 중 레지듀얼 정보와 인풋 어트리뷰트 정보를 비교하는 동작을 포함할 수 있다. 0인 경우, 도 18 내지 도 25에서 설명한 실시예들에 따른 속성 정보 부호화 방법 중 레지듀얼 정보와 인풋 어트리뷰트 정보를 비교하는 동작을 포함하지 않을 수 있다.
실시예들에 따른 포인트 클라우스 송신 방법에서, 포인트 클라우드 데이터를 인코딩하는 단계는 예측 방법 정보를 더 생성할 수 있고, 예측 방법 정보는 양자화된 속성 정보가 제 1 포인트의 속성 정보을 포함하는지 또는 레지듀얼을 포함하는지 여부를 나타낼 수 있다.
또한, 제 1 포인트에 대한 역양자화된 정보가 레지듀얼(residual)에 대응하는 경우, 제 1 포인트의 복원된 속성 정보는 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들과 관련된 정보 및 제 1 포인트에 대한 역양자화된 정보에 기초하여 결정될 수 있다. 또한, 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하지 않는 경우, 제 1 포인트의 복원된 속성 정보는 제 1 포인트에 대한 역양자화된 정보에 의해 결정될 수 있다. 또한, 시그널링 정보는 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하는지 여부를 나타내는 예측 방법 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 장치/방법 및 수신 방법/장치는 도 24에서 설명한 시그널링 정보를 이용 및 보완함으로써 부호화의 성능을 향상시킬 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 퀄리티 있는 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 다양한 비디오 코덱 방식을 달성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법에서 예측을 통해 계산된 잔차 정보와 속성 정보를 비교하는 과정을 수행함으로써, 실시예들에 따른 수신 장치의 추가 연산 부담 및 메모리 부담을 감소할 수 있다. 양 정보를 비교하는 과정은 단순 조건문들로만 구성될 수 있어 전체 연산 복잡도에 큰 영향을 주지 않는 반면, 해당 구성으로 인해 부정확한 예측된 정보 사용을 사전에 방지함으로써, 세밀한 예측을 가능하게 하고 및 부호화 성능 향상을 기대할 수 있다.
도 28은 실시예들에 따른 포인트 클라우드 데이터 전송 방법을 나타내는 흐름도이다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법(또는 전송 장치의 동작)은 포인트 클라우드 데이터를 인코딩하는 단계(S2801) 및/또는 인코딩된 포인트 클라우드 데이터를 전송하는 단계(S2702)를 포함할 수 있다.
S2801 단계와 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는 실시예들에 따른 포인트 클라우드 데이터의 기하 정보를 부호화(인코딩)하는 단계 및/또는 포인트 클라우드 데이터의 속성 정보를 부호화(인코딩)하는 단계를 포함할 수 있다.
기하 정보를 부호화하는 단계는 기하 정보 비트스트림 및 복원된(reconstructed) 기하 정보(또는 지오메트리 정보)를 생성할 수 있다. 복원된 기하 정보는 포인트 클라우드 데이터의 속성 정보를 부호화하는 단계에서 이용될 수 있다.
속성 정보를 부호화하는 단계는 속성 정보 비트스트림을 생성할 수 있다. 이 떄, 속성 정보를 부호화하는 단계는 복원된 기하 정보에 기초하여 수행될 수 있다. 실시예들에 따른 속성 정보를 부호화하는 단계는 도 18 내지 도 20에서 설명한 일련의 동작들의 전부 또는 일부를 수행할 수도 있다. 속성 정보를 부호화하는 단계는 실시예들에 따른 포인트 클라우드 데이터 전송 장치의 속성 정보 부호화부(또는 속성 정보 부호화기) 및/또는 속성 정보 부호화부에 포함된 도 19 내지 도 20에서 설명한 장치의 전부 또는 일부에 의해 수행될 수 있다.
S2702 단계와 관련하여, 실시예들에 따른 포인트 클라우드 데이터 전송 장치는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다.
실시예들에 따른 포인트 클라우드 데이터를 인코딩하는 단계(또는 포인트 클라우드 데이터의 속성 정보를 부호화하는 단계)는 예측 변환(prediction transform), 리프팅 변환(lifting transform) 및/또는 RAHT 변환을 수행하는 단계를 포함할 수 있다. 실시예들에 포인트 클라우드 데이터를 인코딩하는 단계(또는 포인트 클라우드 데이터의 속성 정보를 부호화하는 단계)는 프리딕션 리프팅(prediction lifting, 또는 예측 리프팅) 변환을 수행하는 단계를 포함할 수 있다.
리프팅 변환은 실시예들에 따라 리프팅 스킴(lifting scheme), 예측 변환은 프리딕션 스킴(prediction scheme) 등으로 호칭될 수 있다.
도 29는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타내는 흐름도이다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법(또는 수신 장치의 동작)은 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 단계(S2900), 수신한 포인트 클라우드 데이터를 디코딩하는 단계(S2901) 및/또는 디코딩된 포인트 클라우드 데이터를 렌더링하는 단계(S2902)를 포함할 수 있다.
S2900 단계와 관련하여, 실시예들에 따른 포인트 클라우드 데이터 수신 장치는 포인트 클라우드 데이터 및 시그널링 정보를 수신할 수 있다. 실시예들에 따르면, 시그널링 정보는 예측 방법 정보를 포함할 수 있다. 또한, 실시예들에 따르면, 포인트 클라우드 데이터 및 시그널링 정보의 전부 또는 일부는 도 24 내지 도 27에서 설명한 신텍스(syntax)에 의해 수신될 수 있다.
S2901 단계와 관련하여, 실시예들에 따른 포인트 클라우드 데이터 수신 장치는 수신한 포인트 클라우드 데이터를 디코딩(복호화)할 수 있다. 실시예들에 따르면, 포인트 클라우드 데이터 수신 장치는 도 21 내지 도 23에서 설명한 포인트 클라우드 디코더 또는 속성 정보 부호화부를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 장치는 수신 포인트 클라우드 데이터의 기하 정보 비트스트림을 디코딩하는 단계 및/또는 복원된 기하 정보에 기초하여 포인트 클라우드 데이터의 속성 정보 비트스트림을 디코딩하는 단계를 수행할 수 있다. 즉, 실시예들에 따른 포인트 클라우드 데이터 수신 장치는 기하 정보 복호화부(또는 기하 정보 디코더) 및/또는 속성 정보 복호화부(또는 속성 정보 디코더)를 포함할 수 있다. 여기서, 기하 정보 비트스트림을 복호화하는 단계는 복원된 기하 정보를 생성할 수 있고, 속성 정보 비트스트림을 디코딩하는 단계는 복원된 속성 정보를 생성할 수 있다.
여기서, 속성 정보 디코딩하는 단계는, 속성 정보 비트스트림을 역양자화하는 단계, 복원된 기하 정보에 기초하여 포인트 클라우드 데이터의 제 1 포인트에 대한 니어리스트 네이버(Nearest neighbor)에 해당하는 적어도 하나의 포인트들을 선정하는 단계 및/또는 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들 및 제 1 포인트에 대한 역양자화된 정보에 기초하여 제 1 포인트의 복원된 속성 정보를 예측하는 단계를 포함할 수 있다.
이 떄, 제 1 포인트에 대한 역양자화된 정보가 레지듀얼(residual)에 대응하는 경우, 제 1 포인트의 복원된 속성 정보는 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들과 관련된 정보 및 제 1 포인트에 대한 역양자화된 정보에 기초하여 결정될 수 있고, 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하지 않는 경우, 제 1 포인트의 복원된 속성 정보는 제 1 포인트에 대한 역양자화된 정보에 의해 결정될 수 있다. 또한, 시그널링 정보는 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하는지 여부를 나타내는 예측 방법 정보를 더 포함할 수 있다.
S2902 단계와 관련하여, 실시예들에 따른 포인트 클라우드 데이터 수신 장치는 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다.
전술한 각각의 파트, 모듈 또는 유닛은 메모리(또는 저장 유닛)에 저장된 연속된 수행과정들을 실행하는 소프트웨어, 프로세서, 하드웨어 파트일 수 있다. 전술한 실시예에 기술된 각 단계들은 프로세서, 소프트웨어, 하드웨어 파트들에 의해 수행될 수 있다. 전술한 실시예에 기술된 각 모듈/블락/유닛들은 프로세서, 소프트웨어, 하드웨어로서 동작할 수 있다. 또한, 실시예들이 제시하는 방법들은 코드로서 실행될 수 있다. 이 코드는 프로세서가 읽을 수 있는 저장매체에 쓰여질 수 있고, 따라서 장치(apparatus)가 제공하는 프로세서에 의해 읽혀질 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다.
실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상술한 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
한편, 실시예들이 제안하는 방법을 네트워크 디바이스에 구비된, 프로세서가 읽을 수 있는 기록매체에, 프로세서가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 프로세서가 읽을 수 있는 기록매체는 프로세서에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 프로세서가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함한다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
또한, 이상에서는 실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 사상이나 범위를 벗어나지 않고 실시예들에서 다양한 변경 및 변형이 가능함은 당업자에게 이해된다. 따라서, 실시예들은 첨부된 청구항 및 그 동등 범위 내에서 제공되는 실시예들의 변경 및 변형을 포함하는 것으로 의도된다.
본 명세서에서 장치 및 방법 발명이 모두 언급되고, 장치 및 방법 발명 모두의 설명은 서로 보완하여 적용될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A, B, C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. (In this document, the term “/”and “,”should be interpreted to indicate “and/or”. For instance, the expression“A/B”may mean "A and/or B". Further, "A, B, C" may mean“at least one of A, B, and/or C.”Also, "A/B/C" may mean“at least one of A, B and/or C.")
추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A”만을 의미하거나, 2) “B”만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다. (Further, in the document, the term “or”should be interpreted to indicate “and/or”. For instance, the expression "A or B" may comprise 1) only A, 2) only B, and/or 3) both A and B. In other words, the term “or”in this document should be interpreted to indicate “additionally or alternatively.”)
실시예들의 다양한 엘리먼트들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 엘리먼트는 하드웨어 회로와 같은 싱글 칩 상에서 수행될 수 있다. 실시예들에 따라, 실시예들은 선택적으로 개별적인 침들 상에서 수행될 수 있다. 실시예들에 따라, 실시예들의 엘리먼트들 중 적어도 하나는 실시예들에 따른 동작을 수행하는 인스트럭션들을 포함하는 하나 또는 하나 이상의 프로세서 내에서 수행될 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 엘리먼트들을 설명하기 위해서 사용된다. 이러한 용어는 실시예들의 엘리먼트들의 해석을 제한하지 않는다. 이러한 용어는 하나의 엘리먼트 및 다른 엘리먼트 간의 구별을 위해서 사용된다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어는 실시예들의 범위 내에서 해석될 수 있다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이고, 문맥 상 명확하게 지칭하지 않는 한 같은 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다.
실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
발명의 실시를 위한 최선의 형태에서 구체적으로 설명되었다.
본 실시예들의 사상이나 범위를 벗어나지 않고 본 실시예들에서 다양한 변경 및 변형이 가능함은 당업자에게 자명하다. 따라서, 실시예들은 첨부된 청구항 및 그 동등 범위 내에서 제공되는 본 실시예들의 변경 및 변형을 포함하는 것으로 의도된다.

Claims (20)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 인코딩된 포인트 클라우드 데이터를 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 전송 방법.
  2. 제 1 항에 있어서, 상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 기하 정보를 인코딩하는 단계, 상기 기하 정보를 인코딩하는 단계는 기하 정보 비트스트림 및 복원된 기하 정보를 생성함; 및
    상기 복원된 기하 정보에 기초하여 상기 포인트 클라우드 데이터의 속성 정보를 인코딩하는 단계, 상기 속성 정보를 인코딩하는 단계는 속성 정보 비트스트림을 생성함; 를 포함하는,
    포인트 클라우드 데이터 전송 방법.
  3. 제 2 항에 있어서, 상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 복원된 기하 정보에 기초하여 상기 포인트 클라우드 데이터의 제 1 포인트에 대한 니어리스트 네이버(Nearest neighbor)에 해당하는 적어도 하나의 포인트들을 선정하는 단계;
    상기 선정된 니어리스트 네이버에 해당하는 상기 적어도 하나의 포인트들의 속성 정보에 기초하여 상기 제 1 포인트의 속성 정보의 레지듀얼(residual)을 계산하는 단계; 및
    상기 제 1 포인트의 속성 정보와 관련된 정보를 양자화하는 단계; 를 포함하는,
    포인트 클라우드 데이터 전송 방법.
  4. 제 3 항에 있어서, 상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 레지듀얼과 상기 제 1 포인트의 속성 정보의 크기를 비교하는 단계를 더 포함하고,
    상기 양자화하는 단계는 상기 레지듀얼이 상기 제 1 포인트의 속성 정보보다 큰 경우 상기 제 1 포인트의 속성 정보를 양자화하고, 상기 레지듀얼이 상기 제 1 포인트의 속성 정보보다 작은 경우 상기 레지듀얼을 양자화하는,
    포인트 클라우드 데이터 전송 방법.
  5. 제 4 항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는 예측 방법 정보를 더 생성하고,
    상기 예측 방법 정보는 상기 양자화된 속성 정보가 상기 제 1 포인트 의 속성 정보을 포함하는지 또는 상기 레지듀얼을 포함하는지 여부를 나타내는,
    포인트 클라우드 데이터 전송 방법.
  6. 제 3 항에 있어서,
    상기 니어리스트 네이버에 해당하는 상기 적어도 하나의 포인트는 복수의 포인트들을 포함하고,
    상기 제 1 포인트의 속성 값의 레지듀얼을 생성하는 단계는:
    상기 복수의 포인트들의 속성 정보의 차이의 최댓값과 스레숄드(threshold)를 비교하는 단계;
    상기 차이의 최댓값이 상기 스레숄드 값보다 큰 경우, 상기 복수의 포인트들의 속성 정보에 기초하여 상기 제 1 포인트의 속성 정보를 예측하는 단계, 여기서 상기 예측된 제 1 포인트의 속성 정보에 대한 제 1 스코어(score) 값을 생성함;
    상기 복수의 포인트들에 포함된 제 2 포인트의 속성 정보에만 기초하여 상기 제 1 포인트의 속성 정보를 예측하는 단계, 여기서 상기 예측된 제 1 포인트의 속성 정보에 대한 제 2 스코어(score) 값을 생성함; 및
    상기 생성된 제 1 스코어 값 및 상기 제 2 스코어 값을 비교하여 상기 제 1 포인트의 속성 정보에 대한 레지듀얼을 계산하는 단계; 를 포함하는,
    포인트 클라우드 데이터 전송 방법.
  7. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 인코딩된 포인트 클라우드 데이터를 전송하는 전송부; 를 포함하는,
    포인트 클라우드 데이터 전송 장치.
  8. 제 7 항에 있어서, 상기 포인트 클라우드 데이터를 인코딩하는 인코더는,
    상기 포인트 클라우드 데이터의 기하 정보를 인코딩하는 기하 정보 인코더, 상기 기하 정보 인코더는 기하 정보 비트스트림 및 복원된 기하 정보를 생성함; 및
    상기 복원된 기하 정보에 기초하여 상기 포인트 클라우드 데이터의 속성 정보를 인코딩하는 속성 정보 인코더, 상기 속성 정보 인코더는 속성 정보 비트스트림을 생성함; 를 포함하는,
    포인트 클라우드 데이터 전송 장치.
  9. 제 8 항에 있어서, 상기 포인트 클라우드 데이터를 인코딩하는 인코더는,
    상기 복원된 기하 정보에 기초하여 상기 포인트 클라우드 데이터의 제 1 포인트에 대한 니어리스트 네이버(Nearest neighbor)에 해당하는 적어도 하나의 포인트들을 선정하는 니어리스트 네이버 선정부;
    상기 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들을 속성 정보에 기초하여 상기 제 1 포인트의 속성 정보의 레지듀얼(residual)을 계산하는 레지듀얼 계산부; 및
    상기 제 1 포인트의 속성 정보와 관련된 정보를 양자화하는 양자화부; 를 포함하는,
    포인트 클라우드 데이터 전송 장치.
  10. 제 9 항에 있어서,
    상기 레지듀얼 계산부는 상기 레지듀얼과 상기 제 1 포인트의 속성 정보의 크기를 비교하는 단계를 더 수행하고,
    상기 양자화부는 상기 레지듀얼이 상기 제 1 포인트의 속성 정보보다 큰 경우 상기 제 1 포인트의 속성 정보를 양자화하고, 상기 레지듀얼이 상기 제 1 포인트의 속성 정보보다 작은 경우 상기 레지듀얼을 양자화하는,
    포인트 클라우드 데이터 전송 장치.
  11. 제 10 항에 있어서,
    상기 인코더는 예측 방법 정보를 더 생성하고,
    상기 예측 방법 정보는 상기 양자화된 속성 정보가 상기 제 1 포인트의 속성 정보를 포함하는지 또는 상기 레지듀얼을 포함하는지 여부를 나타내는,
    포인트 클라우드 데이터 전송 장치.
  12. 제 9 항에 있어서,
    상기 니어리스트 네이버에 해당하는 상기 적어도 하나의 포인트는 복수의 포인트들을 포함하고,
    상기 제 1 포인트의 속성 값의 레지듀얼(residual) 정보 계산부는:
    상기 복수의 포인트들의 속성 정보의 차이의 최댓값과 스레숄드(threshold)를 비교하는 단계;
    상기 차이의 최댓값이 상기 스레숄드 값보다 큰 경우 상기 복수의 포인트들의 속성 정보에 기초하여 상기 제 1 포인트의 속성 정보를 예측하는 단계, 여기서 상기 예측된 제 1 포인트의 속성 정보에 대한 제 1 스코어(score) 값을 생성함;
    상기 복수의 포인트들에 포함된 제 2 포인트의 속성 정보에만 기초하여 상기 제 1 포인트의 속성 정보를 예측하는 단계, 여기서 상기 예측된 제 1 포인트의 속성 정보에 대한 제 2 스코어(score) 값을 생성함; 및
    상기 생성된 제 1 스코어 값 및 상기 제 2 스코어 값을 비교하여 상기 제 1 포인트의 속성 정보에 대한 레지듀얼을 계산하는 단계; 를 수행하는,
    포인트 클라우드 데이터 전송 장치.
  13. 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 단계;
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 및
    상기 디코딩된 포인트 클라우드 데이터를 렌더링하는 단계; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  14. 제 13 항에 있어서, 상기 포인트 클라우드 데이터를 디코딩하는 단계는 :
    상기 포인트 클라우드 데이터의 기하 정보 비트스트림을 디코딩하는 단계, 상기 기하 정보 비트스트림을 복호화하는 단계는 복원된 기하 정보를 생성함; 및
    상기 복원된 기하 정보에 기초하여 상기 포인트 클라우드 데이터의 속성 정보 비트스트림을 디코딩하는 단계, 상기 속성 정보 비트스트림을 디코딩하는 단계는 복원된 속성 정보를 생성함; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  15. 제 14 항에 있어서, 상기 포인트 클라우드 데이터를 디코딩하는 단계는 :
    상기 속성 정보 비트스트림을 역양자화하는 단계, 상기 역양자화하는 단계는 상기 포인트 클라우드 데이터의 포인트들의 역양자화된 정보를 생성함;
    상기 복원된 기하 정보에 기초하여 상기 포인트 클라우드 데이터의 제 1 포인트에 대한 니어리스트 네이버(Nearest neighbor)에 해당하는 적어도 하나의 포인트들을 선정하는 단계; 및
    상기 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들 및 상기 제 1 포인트에 대한 역양자화된 정보에 기초하여 상기 제 1 포인트의 복원된 속성 정보를 예측하는 단계; 를 더 포함하는,
    포인트 클라우드 데이터 수신 방법.
  16. 제 15 항에 있어서,
    상기 제 1 포인트에 대한 역양자화된 정보가 레지듀얼(residual)에 대응하는 경우, 상기 제 1 포인트의 복원된 속성 정보는 상기 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들과 관련된 정보 및 상기 제 1 포인트에 대한 역양자화된 정보에 기초하여 결정되고,
    상기 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하지 않는 경우, 상기 제 1 포인트의 복원된 속성 정보는 상기 제 1 포인트에 대한 역양자화된 정보에 의해 결정되고,
    상기 시그널링 정보는 상기 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하는지 여부를 나타내는 예측 방법 정보를 더 포함하는,
    포인트 클라우드 데이터 수신 방법.
  17. 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 수신부(receiver), 상기 포인트 클라우드 데이터는 기하 정보 및 속성 정보를 포함함;
    상기 포인트 클라우드 데이터를 디코딩하는 디코더(decoder); 및
    상기 디코딩된 포인트 클라우드 데이터를 렌더링하는 렌더러(renderer); 를 포함하는,
    포인트 클라우드 데이터 수신 장치.
  18. 제 17 항에 있어서, 상기 포인트 클라우드 데이터를 디코딩하는 디코더는,
    상기 포인트 클라우드 데이터의 기하 정보 비트스트림을 복호화하는 기하 정보 디코더, 상기 기하 정보 디코더는 복원된 기하 정보를 생성함; 및
    상기 복원된 기하 정보에 기초하여 상기 포인트 클라우드 데이터의 속성 정보 비트스트림을 복호화하는 속성 정보 디코더, 상기 속성 정보 디코더는 복원된 속성 정보를 생성함; 를 포함하는,
    포인트 클라우드 데이터 수신 장치.
  19. 제 18 항에 있어서, 상기 포인트 클라우드 데이터를 디코딩하는 디코더는:
    상기 속성 정보 비트스트림을 역양자화하는 역양자화부, 상기 역양자화부는 상기 포인트 클라우드 데이터의 포인트들의 역양자화된 정보를 생성함;
    상기 복원된 기하 정보에 기초하여 상기 포인트 클라우드 데이터의 제 1 포인트에 대한 니어리스트 네이버(Nearest neighbor)에 해당하는 적어도 하나의 포인트들을 선정하는 니어리스트 네이버 선정부; 및
    상기 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들 및 상기 제 1 포인트에 대한 역양자화된 정보에 기초하여 상기 제 1 포인트의 복원된 속성 정보를 예측하는 예측부; 를 포함하는,
    포인트 클라우드 데이터 수신 장치.
  20. 제 19 항에 있어서,
    상기 제 1 포인트에 대한 역양자화된 정보가 레지듀얼(residual)에 대응하는 경우, 상기 제 1 포인트의 복원된 속성 정보는 상기 선정된 니어리스트 네이버에 해당하는 적어도 하나의 포인트들과 관련된 정보 및 상기 제 1 포인트에 대한 역양자화된 정보에 기초하여 결정되고,
    상기 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하지 않는 경우, 상기 제 1 포인트의 복원된 속성 정보는 상기 제 1 포인트에 대한 역양자화된 정보에 의해 결정되고,
    상기 시그널링 정보는 상기 제 1 포인트에 대한 역양자화된 정보가 레지듀얼에 대응하는지 여부를 나타내는 예측 방법 정보를 더 포함하는,
    포인트 클라우드 데이터 수신 장치.
PCT/KR2020/002664 2019-06-05 2020-02-25 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2020246689A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201962857315P 2019-06-05 2019-06-05
US62/857,315 2019-06-05

Publications (1)

Publication Number Publication Date
WO2020246689A1 true WO2020246689A1 (ko) 2020-12-10

Family

ID=73652466

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/002664 WO2020246689A1 (ko) 2019-06-05 2020-02-25 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (1)

Country Link
WO (1) WO2020246689A1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112614071A (zh) * 2020-12-29 2021-04-06 清华大学 基于自注意力的多样点云补全方法和装置
CN113240786A (zh) * 2021-05-10 2021-08-10 北京奇艺世纪科技有限公司 一种视频点云渲染方法、装置、电子设备及存储介质
WO2022188582A1 (zh) * 2021-03-12 2022-09-15 腾讯科技（深圳）有限公司 点云中邻居点的选择方法、装置及编解码器
WO2022213572A1 (en) * 2021-04-09 2022-10-13 Beijing Xiaomi Mobile Software Co., Ltd. Method and apparatus of encoding/decoding point cloud geometry data captured by a spinning sensors head
CN115412713A (zh) * 2021-05-26 2022-11-29 荣耀终端有限公司 一种点云深度信息的预测编解码方法及装置
WO2023272730A1 (en) * 2021-07-02 2023-01-05 Beijing Xiaomi Mobile Software Co., Ltd. Method for encoding and decoding a point cloud
WO2023023918A1 (zh) * 2021-08-23 2023-03-02 Oppo广东移动通信有限公司 解码方法、编码方法、解码器以及编码器

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190069000A1 (en) * 2017-08-30 2019-02-28 Samsung Electronics Co., Ltd. Method and apparatus of point-cloud streaming
US20190075320A1 (en) * 2017-09-06 2019-03-07 Apple Inc. Point cloud geometry compression
US20190080483A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Point Cloud Compression
US20190087979A1 (en) * 2017-09-18 2019-03-21 Apple Inc. Point cloud compression

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190069000A1 (en) * 2017-08-30 2019-02-28 Samsung Electronics Co., Ltd. Method and apparatus of point-cloud streaming
US20190075320A1 (en) * 2017-09-06 2019-03-07 Apple Inc. Point cloud geometry compression
US20190080483A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Point Cloud Compression
US20190087979A1 (en) * 2017-09-18 2019-03-21 Apple Inc. Point cloud compression

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"G-PCC codec description v2", ISO/IEC JTC1/SC29/WG11 N18189, January 2019 (2019-01-01), Retrieved from the Internet <URL:https://mpeg.chiariglione.org/sites/default/files/files/standards/parts/docs/w18189.zip> [retrieved on 20200604] *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112614071A (zh) * 2020-12-29 2021-04-06 清华大学 基于自注意力的多样点云补全方法和装置
CN112614071B (zh) * 2020-12-29 2022-08-12 清华大学 基于自注意力的多样点云补全方法和装置
WO2022188582A1 (zh) * 2021-03-12 2022-09-15 腾讯科技（深圳）有限公司 点云中邻居点的选择方法、装置及编解码器
CN115086716A (zh) * 2021-03-12 2022-09-20 腾讯科技（深圳）有限公司 点云中邻居点的选择方法、装置及编解码器
CN115086716B (zh) * 2021-03-12 2023-09-08 腾讯科技（深圳）有限公司 点云中邻居点的选择方法、装置及编解码器
WO2022213572A1 (en) * 2021-04-09 2022-10-13 Beijing Xiaomi Mobile Software Co., Ltd. Method and apparatus of encoding/decoding point cloud geometry data captured by a spinning sensors head
CN113240786A (zh) * 2021-05-10 2021-08-10 北京奇艺世纪科技有限公司 一种视频点云渲染方法、装置、电子设备及存储介质
CN113240786B (zh) * 2021-05-10 2023-06-13 北京奇艺世纪科技有限公司 一种视频点云渲染方法、装置、电子设备及存储介质
CN115412713A (zh) * 2021-05-26 2022-11-29 荣耀终端有限公司 一种点云深度信息的预测编解码方法及装置
WO2023272730A1 (en) * 2021-07-02 2023-01-05 Beijing Xiaomi Mobile Software Co., Ltd. Method for encoding and decoding a point cloud
WO2023023918A1 (zh) * 2021-08-23 2023-03-02 Oppo广东移动通信有限公司 解码方法、编码方法、解码器以及编码器

Similar Documents

Publication Publication Date Title
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020190093A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020189976A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021141346A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2020242244A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2020246689A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020189982A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020189943A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020197086A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002604A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2020256308A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020262831A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021002594A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020190090A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021029511A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002592A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002558A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
WO2021206291A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2021029575A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020189891A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002665A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2023182762A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246837A1 (ko) 포인트 클라우드 데이터 처리 디바이스 및 처리 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20819572

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20819572

Country of ref document: EP

Kind code of ref document: A1