WO2020246690A1 - 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 - Google Patents

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

Info

Publication number
WO2020246690A1
WO2020246690A1 PCT/KR2020/002724 KR2020002724W WO2020246690A1 WO 2020246690 A1 WO2020246690 A1 WO 2020246690A1 KR 2020002724 W KR2020002724 W KR 2020002724W WO 2020246690 A1 WO2020246690 A1 WO 2020246690A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
attribute
point cloud
cloud data
unit
Prior art date
Application number
PCT/KR2020/002724
Other languages
English (en)
French (fr)
Inventor
박유선
오세진
허혜정
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
Priority to US17/610,635 priority Critical patent/US20220239946A1/en
Publication of WO2020246690A1 publication Critical patent/WO2020246690A1/ko

Links

Images

Classifications

    • 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/10—Geometric effects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/004—Predictors, e.g. intraframe, interframe 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
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • 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
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform 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
    • H04N19/65—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using error resilience
    • 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
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
    • H04N19/89—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving methods or arrangements for detection of transmission errors at the decoder
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof

Definitions

  • 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 signaling information may include information indicating whether to perform the step of compressing the error by reconstructing the converted attribute information.
  • 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.
  • FIG. 16 shows an example of a reception device according to embodiments.
  • SPS sequence parameter set
  • FIG. 29 illustrates a TPS (Tile Parameter Set) of a bitstream (or a bitstream received by a point cloud data receiving device) transmitted by a point cloud data transmission device according to embodiments.
  • TPS Transform Parameter Set
  • FIG. 31 illustrates an attribute slice header of Attr of a bitstream (or a bitstream received by a point cloud data reception device) transmitted by a point cloud data transmission device 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.
  • 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.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • 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 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.
  • Arismatic encoder 40012 encodes quantized attributes based on Arismatic coding.
  • 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 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 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 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.
  • FIG. 16 shows an example of a receiving device according to embodiments.
  • 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 attribute reconfiguration error compression unit 19000 may include an attribute reconfiguration unit 19001, an attribute reconfiguration error compression flag checking unit 19002, an attribute reconfiguration error generation unit 19003, and/or an attribute residual value compression unit 19004. I can.
  • the attribute reconfiguration error generator 19003 forms a correspondence relationship between the information from which the attribute information is reconstructed according to the embodiments and the original attribute information. For example, when the location information is losslessly compressed, since the value of the location information has not changed, the original property value of each point and the reconstructed property value can form a one-to-one correspondence. For example, when the location information is lossy compressed, since the original location information value and the reconstructed location information value are not the same, various correspondence relationship forming algorithms can be used to match the location information value.
  • a quality of a compression result may be determined using a quantization coefficient before applying these arithmetic coding methods.
  • the method of transmitting point cloud data may further include determining an execution unit of attribute information for performing the step of compressing the attribute reconfiguration error, and the step of compressing the attribute reconfiguration error , It is possible to compress an attribute reconfiguration error of attribute information included in an execution unit of attribute information.
  • the execution unit of the attribute information may be one or more 3D blocks including one or more attribute information.
  • the signaling information may include information on an execution unit of attribute information.
  • the step 20003 of comparing image quality may be performed based on the following criteria.
  • two methods are used as a method for evaluating image quality.
  • cloud_A is defined as a set of points for the original cloud
  • cloud_B is defined as a point cloud with deteriorated image quality.
  • the prediction/lifting/RAHT conversion processing unit 21009 may perform RAHT transformation, lifting transformation, and/or prediction transformation on the attribute information converted by the attribute transformation processing unit based on the reconstructed geometry information.
  • the prediction/lifting/RAHT conversion processing unit may perform RAHT 40008, LOD generation 40009, and/or lifting conversion 40010 of FIG. 4.
  • the second Arismatic coder 21012 may entropy-code quantized attribute information by the coefficient quantization processor.
  • the second arithmetic coder may perform the arithmetic coding 40012 described in FIG. 4.
  • the second arithmetic coder 21012 may perform the operation of the arithmetic coder 12011 described in FIG. 12.
  • FIG. 23 illustrates original attribute information and attribute information reconstructed by an attribute reconfiguration error compression unit according to embodiments.
  • FIG. 24 shows a point cloud decoder according to embodiments.
  • the point cloud decoder 24000 includes a geometric information decoding unit 24001 and/or an attribute information decoding unit 24002.
  • the point cloud decoder 24000 receives a geometric information bitstream 24000a of point cloud data and/or an attribute information bitstream 24000b of point cloud data.
  • the arithmetic decoding unit 25001 receives the bitstream unit 25000a according to the embodiments and performs arithmetic decoding on the bitstream unit 25000a.
  • the arithmetic decoder 25001 may perform, for example, the arithmetic decoding 11005 described in FIG. 11 and the arithmetic decoder 13007 of FIG. 13. Arithmetic decoding may also be referred to as Arithmetic decoding.
  • direct coding may mean modifying attribute information of a corresponding point into actual attribute information of a corresponding point when there is a point to be additionally corrected in the point cloud data.
  • the residual information table here may mean a table including points to be additionally subtracted or added (or corrected) in the point cloud data and a degree to be further subtracted or added (or corrected). For example, if the attribute information of a specific point (A) needs to be corrected by subtracting by 3 after decoding, the residual information table according to the embodiments is used to identify the location information (or to identify the specific point). Information) and the subtraction amount (or correction amount, for example -3) information of the specific point A.
  • the occupancy code-based octree reconstruction processing unit 2602 may receive a geometry bitstream decoded by the first arithmetic decoder and may reconstruct an occupancy code based on an occupancy code.
  • the coordinate inverse transform unit 26005 may inverse transform points of geometry data reconstructed by the geometry reconstruction unit.
  • attribute_error_index is 1, it indicates that attribute information is compressed by a direct coding method.
  • values are sequentially transferred to corresponding points one-to-one to add only loss information to the bitstream.
  • sps_extension_data_flag can have any value. The presence of this parameter does not affect the behavior of the profile presented in Annex A of the corresponding standard document of the decoder. (may have any value. Its presence and value do not affect decoder conformance to profiles specified in Annex A Decoders conforming to a profile specified in Annex A.)
  • tile_bounding_box_offset_z[i] represents the z offset of the i-th tile in the Cartesian coordinate system. (indicates indicates the z offset of the i-th tile in the Cartesian coordinates.) If the corresponding z offset does not exist, the value of tile_bounding_box_offset_z[ 0] may be sps_bounding_box_offset_z. (When not present, the value of tile_bounding_box_offset_z[ 0] is inferred to be sps_bounding_box_offset_z.)
  • FIG. 30 illustrates an APS (Attribute Parameter Set) of a bitstream (or a bitstream received by a point cloud data receiving device) transmitted by a point cloud data transmission device according to embodiments.
  • APS Attribute Parameter Set
  • lifting_quant_step_size can represent the quantization step for the first component of the attribute.
  • the value of lifting_quant_step_size can range from 1 to xx. (specifies the quantization step size for the 1st component of the attribute.
  • the value of quant_step_size may be in the range of 1 to xx.)
  • each drawing has been described separately, but it is also possible to design a new embodiment by merging the embodiments described in each drawing.
  • designing a computer-readable recording medium in which a program for executing the previously described embodiments is recorded is also within the scope of the rights of the embodiments according to the needs of the skilled person.
  • the apparatus and method according to the embodiments are not limitedly applicable to the configuration and method of the described embodiments as described above, but the embodiments are all or part of each of the embodiments selectively combined so that various modifications can be made. It can also be configured.
  • Executable instructions for performing the method/operations of the apparatus may be stored in a non-transitory CRM or other computer program products configured to be executed by one or more processors, or may be stored in one or more It may be stored in a temporary CRM or other computer program products configured for execution by the processors.
  • the memory according to the embodiments may be used as a concept including not only volatile memory (eg, RAM, etc.) but also nonvolatile memory, flash memory, PROM, and the like.
  • it may be implemented in the form of a carrier wave 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.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Discrete Mathematics (AREA)
  • Geometry (AREA)
  • Computer Graphics (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 단계; 를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 수신하는 단계; 포인트 클라우드 데이터를 디코딩하는 단계; 및/또는 포인트 클라우드 데이터를 렌더링하는 단계; 를 포함할 수 있다.

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 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/또는 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/또는 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.
상기한 기술적 과제를 해결하기 위하여, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및/또는 포인트 클라우드 데이터 및/또는 시그널링 정보를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다.
또한 실시예들에 따르면, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 포인트들의 위치 정보에 기반한 지오메트리 정보를 인코딩하는 단계; 지오메트리 정보를 재구성하는 단계; 재구성된 지오메트리 정보에 기초하여 포인트 클라우드 데이터의 포인트들의 어트리뷰트 정보를 인코딩하는 단계; 및/또는 인코딩된 어트리뷰트 정보를 오류 압축하는 단계; 를 포함할 수 있다.
또한 실시예들에 따르면, 오류 압축하는 단계는, 인코딩된 어트리뷰트 정보를 재구성하는 단계; 재구성된 어트리뷰트 정보에 기초하여 어트리뷰트 재구성 오류를 압축할지 여부를 결정하는 단계, 어트리뷰트 재구성 오류는 재구성된 어트리뷰트 정보와 포인트 클라우드 데이터의 포인트들의 어트리뷰트 정보의 잔차를 나타냄; 어트리뷰트 재구성 오류를 압축하는 경우, 재구성된 어트리뷰트 정보와 포인트 클라우드 데이터의 포인트들의 어트리뷰트 정보의 대응 관계에 기초하여 어트리뷰트 재구성 오류를 생성하는 단계; 및/또는 어트리뷰트 재구성 오류를 압축하는 단계; 를 포함할 수 있다.
더 나아가, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은, 어트리뷰트 재구성 오류를 압축하는 단계를 수행하기 위한 어트리뷰트 정보의 수행 단위를 결정하는 단계를 더 포함할 수 있다. 어트리뷰트 재구성 오류를 압축하는 단계는, 어트리뷰트 정보의 수행 단위에 포함된 어트리뷰트 정보의 어트리뷰트 재구성 오류를 압축하고, 어트리뷰트 정보의 수행 단위는 타일(tile)일 수 있고, 시그널링 정보는 어트리뷰트 정보의 수행 단위에 관한 정보를 포함할 수 있다.
더 나아가, 실시예들에 따른 시그널링 정보는, 변환된 어트리뷰트 정보를 재구성하여 오류를 압축하는 단계를 수행할지 여부를 나타내는 정보를 포함할 수 있다.
더 나아가, 실시예들에 따르면, 대응 관계는 직접 코딩 방법, 최근접 탐색 알고리즘을 이용한 오류 테이블을 구성하는 방법 및/또는 MSE(Mean Square Error)를 이용한 최소 오류 점 탐색 알고리즘을 이용한 오류 테이블을 구성하는 방법 중 적어도 하나에 의해 결정되고, 시그널링 정보는 대응 관계를 결정하는 방법이 수행되는지 여부와 관련된 정보를 더 포함할 수 있다.
더 나아가, 시그널링 정보는 어트리뷰트 재구성 오류를 압축하는 단계와 관련된 정보를 더 포함할 수 있다.
또한 상기한 기술적 과제를 달성하기 위하여 실시예들에 따른 포인트 클라우드 데이터 수신 방법은, 포인트 클라우드 데이터 및/또는 시그널링 정보를 포함하는 비트스트림을 수신하는 단계; 포인트 클라우드 데이터를 디코딩하는 단계; 및/또는 포인트 클라우드 데이터를 렌더링하는 단계; 를 포함할 수 있다.
또한, 포인트 클라우드 데이터를 디코딩하는 단계는, 비트스트림의 지오메트리 비트스트림으로부터 지오메트리 정보를 재구성하는 단계; 비트스트림의 어트리뷰트 비트스트림을 복호화하는 단계, 복호화하는 단계는 포인트 클라우드 데이터의 포인트들의 어트리뷰트 정보 및/또는 잔차 정보를 생성함; 재구성된 지오메트리 정보에 기초하여, 포인트들의 어트리뷰트 정보를 역변환하는 단계; 및/또는 잔차 정보에 기초하여 역변환된 포인트들의 어트리뷰트 정보를 재구성하는 단계; 를 포함할 수 있다.
나아가, 시그널링 정보는 어트리뷰트 정보를 재구성할지 여부를 나타내는 제 1 정보를 포함할 수 있고, 역변환된 포인트들의 어트리뷰트 정보를 재구성하는 단계는, 제 1 정보에 대응하여 역변환된 포인트들의 어트리뷰트 정보에 잔차 정보를 가감함으로써 재구성된 어트리뷰트 정보를 생성할 수 있다.
더 나아가, 시그널링 정보는 잔차 정보와 역변환된 포인트들의 어트리뷰트 정보의 대응 관계와 관련된 제 2 정보 및/또는 잔차 정보의 압축 방법과 관련된 제 3 정보를 더포함할 수 있다. 또한, 역변환된 포인트들의 어트리뷰트 정보를 재구성하는 단계는, 제 2 정보에 기초하여 역변환된 포인트들의 어트리뷰트 정보에 잔차 정보를 가감할 수 있고, 역변환된 포인트들의 어트리뷰트 정보를 재구성하는 단계는, 제 3 정보에 기초하여 가감된 어트리뷰트 정보를 복호화함으로써 재구성할 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 따르면, 원본 포인트 클라우드 데이터로부터 복호화기에 나올 수 없는 값들에 대해서 작은 시그널링만으로 오차율을 줄일 수 있다는 효과를 가지고 있다. 또한, 데이터의 특성에 따라 가변적으로 속성 범위를 클립핑(Clipping)하여 특정 범위에만 존재시킬 수 있어, 속성 정보를 효율적으로 복호화할 수 있는 방안이다.
첨부된 도면은 본 발명의 실시예들을 나타내고 설명과 함께 본 발명의 원리를 설명한다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다.
도 1은 실시예들에 따른 포인트 클라우드 콘텐츠 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 5는 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.
도 15는 실시예들에 따른 전송 장치의 예시를 나타낸다.
도 16은 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 19은 실시예들에 따른 속성 재구성 오류 압축부를 나타낸다.
도 20은 실시예들에 따른 속성 재구성 오류 압축부에 의해 포인트 클라우드의 화질을 개선하는 과정을 나타낸다.
도 21은 실시예들에 따른 속성 재구성 오류 압축부를 포함하는 포인트 클라우드 데이터 인코더를 나타낸다.
도 22는 비트레이트 별 포인트 클라우드의 렌더링 결과를 나타낸다.
도 23은 실시예들에 따른 원본 속성 정보와 속성 재구성 오류 압축부에 의해 재구성된 속성 정보를 나타낸다.
도 24은 실시예들에 따른 포인트 클라우드 디코더를 나타낸다.
도 25는 실시예들에 따른 포인트 클라우드 데이터 수신 장치의 디코더의 잔차 정보 처리부를 나타낸다.
도 26은 실시예들에 따른 포인트 클라우드 데이터 수신 장치의 디코더를 나타낸다.
도 27은 실시예들에 따른 포인트 클라우드 데이터의 구조의 예시를 나타낸다.
도 28은 실시예들에 따른 포인트 클라우드 데이터 전송 장치가 전송하는 비트스트림 (또는 포인트 클라우드 데이터 수신 장치가 수신하는 비트스트림) 의 SPS(Sequence Parameter Set)를 나타낸다.
도 29는 실시예들에 따른 포인트 클라우드 데이터 전송 장치가 전송하는 비트스트림 (또는 포인트 클라우드 데이터 수신 장치가 수신하는 비트스트림) 의 TPS(Tile Parameter Set)를 나타낸다.
도 30은 실시예들에 따른 포인트 클라우드 데이터 전송 장치가 전송하는 비트스트림 (또는 포인트 클라우드 데이터 수신 장치가 수신하는 비트스트림) 의 APS(Attribute Parameter Set)를 나타낸다.
도 31은 실시예들에 따른 포인트 클라우드 데이터 전송 장치가 전송하는 비트스트림 (또는 포인트 클라우드 데이터 수신 장치가 수신하는 비트스트림) 의 Attr의 어트리뷰트 슬라이스 헤더(Attribute Slice Header)를 나타낸다.
도 32는 실시예들에 따른 포인트 클라우드 데이터 전송 방법을 나타내는 흐름도이다.
도 33은 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.
도 1은 실시예들에 따른 포인트 클라우드 콘텐츠 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 데이터 뿐만 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 PCTKR2020002724-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(Δx, Δy, Δz), 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 PCTKR2020002724-appb-img-000002
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 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.
도7은 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.
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);
}
}
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 PCTKR2020002724-appb-img-000003
는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다.
Figure PCTKR2020002724-appb-img-000004
는
Figure PCTKR2020002724-appb-img-000005
와
Figure PCTKR2020002724-appb-img-000006
로부터 계산될 수 있다.
Figure PCTKR2020002724-appb-img-000007
와
Figure PCTKR2020002724-appb-img-000008
의 가중치를
Figure PCTKR2020002724-appb-img-000009
과
Figure PCTKR2020002724-appb-img-000010
이다.
Figure PCTKR2020002724-appb-img-000011
Figure PCTKR2020002724-appb-img-000012
는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다.
Figure PCTKR2020002724-appb-img-000013
은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는
Figure PCTKR2020002724-appb-img-000014
로 계산된다. 루트 노드는 마지막
Figure PCTKR2020002724-appb-img-000015
과
Figure PCTKR2020002724-appb-img-000016
을 통해서 다음과 같이 생성된다.,
Figure PCTKR2020002724-appb-img-000017
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.
도 18은 실시예들에 따른 포인트 클라우드 인코더를 나타낸다.
실시예들에 따른 포인트 클라우드 인코더는 포인트 클라우드 데이터(PCC 데이터)를 수신하여 이들을 인코딩한다. 실시예들에 따른 포인트 클라우드 인코더는 기하정보 비트스트림 및 속성 정보 비트스트림을 출력한다. 실시예들에 따른 포인트 클라우드 인코더는 공간 분할부(18001), 기하정보 부호화부(18002) 및/또는 속성정보 부호화부(18003)를 포함할 수 있다.
공간 분할부(18000)는 포인트 클라우드 인코더는 포인트 클라우드 데이터(PCC 데이터)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. 공간분할부는 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(18000)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(18001)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(18001)는 지오메트리 정보를 부호화하여 기하정보 비트스트림을 출력한다. 기하정보 부호화부(18001)는 포인트들의 위치 정보를 재구성하여 복원된 기하정보를 출력할 수 있다. 기하정보 부호화부(18001)는 복원된 기하정보를 속성정보 부호화부(18001)로 전달할 수 있다.
기하정보 부호화부(18001)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(18002)는 실시예들에 따른 포인트 클라우드 데이터의 속성 정보를 수신하고, 기하정보 부호화부(18001)로부터 수신한 복원된 기하정보를 이용하여 속성 정보를 부호화할 수 있다. 속성정보 부호화부(18002)는 속성 정보를 부호화하여 속성 정보 비트스트림을 출력한다. 속성정보 부호화부(18002)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(18002)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(18002)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 기하정보는 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(18002)는, 실시예들에 따른 포인트 클라우드 데이터의 속성 정보를 인코딩할 수 있다. 여기서, 실시예들에 따른 부호화부(18002)는 실시예들에 따른 복원된 기하정보(또는 복원된 지오메트리 정보)를 이용하여 속성 정보를 부호화할 수 있다. 속성정보 부호화부(18002)은 수신된 데이터를 인코딩하여 어트리뷰트 정보(또는 속성 정보)를 포함하는 비트스트림을 생성할 수 있다.
실시예들에 따른 속성정보 부호화부(18002)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. 그러나 도 4 또는 도 12에 따라 포인트 클라우드 데이터의 속성 정보를 부호화할 경우, 일부 포인트 클라우드 데이터의 화질 저하가 발생될 수 있다. 왜냐하면, 실시예들에 따른 포인트 클라우드 데이터의 속성 정보를 부호화하는 과정에서 일부의 포인트에 대한 속성 정보가 손실될 수 있기 때문이다.
예를 들어, 실시예들에 따른 포인트 클라우드 데이터 송수신 장치는 예측(prediction) 방법 또는 리프팅(Lifting) 방법에 의하여 특정 포인트들의 속성 정보를 예측하고, 예측된 속성 정보를 송신하거나 렌더링한다. 이 경우, 속성 정보의 예측은 포인트 클라우드 데이터의 송수신 효율을 위해 포인트들의 거리와 속성 정보에 기초하여 생성되고, 속성 정보가 예측된 이후 속성 정보를 보정하는 과정이 없기 때문이다.
이러한 예측은 포인트들 간의 거리가 가까울수록 속성 정보의 값이 유사하다는 것을 가정한 것에서부터 기초한 것이므로, 만약 포인트 클라우드 데이터의 속성 정보들이 불규칙적으로 분포하거나, 가까운 거리의 포인트들의 속성 값들의 차이가 큰 데이터인 경우에는 영상의 화질이 크게 저하될 수 있다.
따라서, 실시예들에 따른 포인트 클라우드 데이터 송신 장치는(또는 속성정보 부호화부, 18002)는, 실시예들에 따른 속성 정보를 재구성하여 발생한 오류(예를 들어, 잔차 정보)를 압축하여 전송할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 송신 장치는 속성 재구성 오류 압축부를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법은, 포인트 클라우드 데이터를 인코딩하는 단계 및/또는 포인트 클라우드 데이터 및 시그널링 정보를 포함하는 비트스트림을 전송하는 단계를 포함할 수 있다.
도 19은 실시예들에 따른 속성 재구성 오류 압축부를 나타낸다.
실시예들에 따르면, 속성 재구성 오류 압축부(19000)는 속성 정보 유닛(19000a)을 수신할 수 있다. 속성 재구성 오류 압축부(19000)는 속성 정보 유닛(19000a)을 수신하여 압축된 속성 잔차 정보를 생성한다. 실시예들에 따르면, 속성 재구성 오류 압축부(19000)는 예를 들어, 도 18의 속성정보 부호화부(18002) 내에 포함될 수 있다.
속성 재구성 오류 압축부(19000)는 속성 재구성부(19001), 속성 재구성 오류 압축 플래그 여부 확인부(19002), 속성 재구성 오류 생성부(19003) 및/또는 속성 잔차 값 압축부(19004)를 포함할 수 있다.
속성 재구성부(19001)는 속성 정보 유닛(19000a)을 수신하여, 속성 정보 유닛 내의 속성 정보를 재구성한다. 실시예들에 따른 속성 정보 유닛(19000a)은 실시예들에 따른 속성 정보의 재구성 오류 압축을 수행하는 속성 정보의 단위를 의미한다. 예를 들어, 속성 정보 유닛(19000a)은 하나의 3차원 블록 혹은 두개 이상의 3차원 블록의 묶음에 해당하는 속성 정보 또는 그의 집합이 될 수 있다. 속성 정보 유닛은 공간분할부(예를 들어, 도 18의 공간분할부, 18000)를 통해 분할된 속성 정보의 재구성 오류 압축을 수행할 단위일 수 있다. 속성 정보 유닛(19000a)은 실시예들에 따른 변환된 속성 정보(예를 들어, RAHT(40008)에 의해 변환된 속성 정보 및/또는 리프팅(Lifting, 40010)에 의해 변환된 속성 정보)일 수 있다.
속성 정보 재구성부(19001)는 실시예들에 따른 PCC 수신 장치의 속성 정보 복호화기에서 사용되는 재구성 방법(예를 들어, 디코딩)과 동일한 방식을 사용할 수 있다. 실시예들에 따른 속성 정보 재구성부(19001)는 재구성된 속성 정보를 생성할 수 있다.
속성 재구성 오류 압축 플래그 여부 확인부(19002)는 속성 재구성 오류 압축부가 속성 재구성 오류를 압축할지 여부를 결정할 수 있다. 실시예들에 따르면, 속성 재구성부(19001)에 의해 생성되는 재구성된 속성 정보는 원래의 속성 정보와 차이가 존재할 수 있다. 이러한 차이는 속성 재구성 오류라고 호칭할 수 있다. 속성 재구성 오류 압축 플래그 여부 확인부(19002)는 속성 재구성 오류를 압축할지 여부를 결정하고, 속성 재구성 오류를 압축할지 여부를 나타내는 정보(또는 플래그)를 생성할 수 있다. 이 정보는 후술하는 실시예들에 따른 attribute_rec_error_flag 파라미터일 수 있다.
실시예들에 따르면, 속성 재구성 오류 압축 플래그 여부 확인부(19002)는 재구성 오류 압축 수행 시 해당 유닛의 크기, 유닛 내부의 값, 주변 유닛과의 관계, 유닛의 원본 값과 재구성 값과의 관계, 유닛의 속성 정보의 범위 및/또는 gp등과 같은 정보에 기초하여 재구성 오류 압축 수행 여부를 결정할 수 있다.
실시예들에 따르면, 속성 재구성 오류 압축 플래그 여부 확인부(19002)는, 원본 유닛의 속성 정보의 범위가 15~254를 갖는 유닛이 0~254 범위로 재구성된 경우, 유닛내 0~14 범위의 재구성된 값에 대해서만 속성 재구성 오류 압축을 수행할 수 있다.
속성 재구성 오류 생성부(19003)는 속성 정보의 재구성 오류 압축이 수행되는 경우, 실시예들에 따른 재구성된 속성 정보와 원본 속성 정보 사이의 대응 관계를 형성하고, 속성 재구성 오류를 생성할 수 있다. 여기서 대응 관계는, 재구성된 속성 정보와 원본 속성 정보가 어떻게 매핑되었는지를 나타낸다. 즉, 속성 재구성 오류 생성부는 대응 관계를 나타내는 정보를 생성할 수 있다. 속성 재구성 오류 생성부는 재구성 값과 원본 값의 대응 관계 형성부, 대응관계 형성부 등으로 호칭될 수도 있다.
실시예들에 따르면 속성 재구성 오류는, 재구성된 속성 정보와 포인트 클라우드 데이터의 포인트들의 속성 정보(즉, 원본 속성 정보)의 차이를 나타내는 정보(즉, 잔차 정보)일 수 있다.
예를 들어, 특정 포인트에 대한 속성 정보의 값이 13이고, 재구성된 속성 정보의 값이 20인 경우, 속성 재구성 오류 생성부 원본 속성 값인 13과 재구성된 속성 정보 값인 20에 대하여 대응 관계를 나타내는 정보를 생성할 수 있다.
여기서, 위치 정보가 무손실 압축 될 경우, 위치 정보의 값이 변화하지 않았기 때문에, 각 포인트의 원본 속성 값과 재구성된 속성 값을 일대일 대응으로 대응 관계를 형성할 수 있다. 다만, 위치 정보가 손실 압축될 경우, 원본의 위치 정보 값과 재구성된 위치 정보 값이 동일하지 않기 때문에 이를 대응시킬 다양한 대응 관계 형성 알고리즘을 사용할 수 있다.
실시예들에 따르면, 대응 관계 형성을 위해 사용되는 알고리즘은 다양한 최근접 탐색 알고리즘, MES를 활용한 최소 오류 점 탐색 등과 같은 대응 관계 형성 알고리즘이 사용될 수 있다.
실시예들에 따르면, PCC 송신 장치는 속성 재구성 오류 생성부에 의해 수행된 대응관계 형성 알고리즘을 나타내는 정보를 전송할 수 있다. 대응관계 형성 알고리즘을 나타내는 정보는 실시예들에 따른 속성 정보 부호화기에서 어떤 대응관계 형성 알고리즘을 사용했는지에 대한 정보(예를 들어, 후술할 corresponded_relationship_algorithm_index 파라미터 등)를 포함할 수 있다. 실시예들에 따르면, 대응 관계 형성을 위해 사용되는 알고리즘은 유닛의 특징에 따라 특정 알고리즘으로 고정될 수 있다.
속성 잔차 값 압축부(19004)는, 속성 재구성 오류 생성부에 의해 생성된 속성 재구성 오류를 압축할 수 있다. 속성 잔차 값 압축부는, 속성 잔차 정보 압축부, 속성 잔차 압축부 등으로 호칭될 수 있다. 잔차 값 압축은 산술 부호화 방식(아리스메틱 인코딩)으로 수행될 수 있다. 속성 잔차 값 압축부는 도 4의 아리스메틱 인코딩(40012)의 동작에 따라 수행될 수 있다.
<속성 재구성 오류 압축부: 위치 정보 유닛>
실시예들에 따르면, 하나의 속성 정보 유닛(19000a)의 일부 혹은 전체에 대하여 재구성 오류 압축이 수행될 수 있다. 실시예들에 따른 속성 정보 유닛(19000a)의 속성 정보는 색상 값인 R, G, B 뿐만 아니라 반사율(Reflectance), 투명률(Transparence) 등의 정보를 포함할 수 있다. 실시예들에 따르면, 속성 정보 유닛(19000a)는 데이터의 묶음(예: Tile, Slice, frame)이 될 수 있다. 속성 정보는 포인트 클라우드 시각화 품질을 높이기 위해 사용될 수 있다.
속성 정보 유닛(19000a)은 포인트 클라우드 부호화기(포인트 클라우드 인코더)와 복호화기(포인트 클라우드 디코더)의 설정에 따라 유동적으로(예, tile, slice, frame 단위) 변경될 수 있다. 실시예들에 따른 포인트 클라우드 데이터 전송 장치(또는 속성 재구성 오류 압축부(19000))는 재구성 오류 압축을 수행할 단위를 알려주기 위한 속성 정보 유닛의 크기 (예를들어 attribute_rec_error_unit_size)등과 같은 정보를 생성하고 실시예들에 따른 포인트 클라우드 데이터 수신 장치로 전송할 수 있다.
<속성 재구성 오류 압축부: 속성 재구성 오류 압축 플래그 여부 확인>
실시예들에 따른 속성 재구성부(19001)는 속성 정보 유닛(19000a)의 단위가 결정되면 각 단위마다 속성 정보를 재구성한다. 실시예들에 따르면, 속성 정보 재구성부(19001)의 속성 정보의 재구성 동작은 실시예들에 따른 포인트 클라우드 복호화기에서 사용되는 재구성의 방법과 동일한 방법에 따라 재구성(예를 들어, 디코딩)을 수행할 수 있다. 실시예들에 따른 속성 재구성부(19001)는 실시예들에 따른 포인트 클라우드 복호화기에서 얻을 수 있는 재구성된 속성 정보를 생성할 수 있다.
<속성 재구성 오류 압축부 : 속성 재구성 오류 압축 플래그 여부 확인>
실시예들에 따른 속성 재구성 오류 압축 플래그 여부 확인부(19002)는, 속성 정보 유닛(19000a)들의 속성 정보가 속성 재구성부(19001)에 의해 재구성되면, 각 속성 정보 유닛(19000a)마다 속성 정보의 재구성 오류 압축 수행 여부를 확인한다.
실시예들에 따른 포인트 클라우드 부호화기에서 특정 속성 정보 유닛(19000a)에 대하여 속성 정보의 재구성 오류 압축 수행 여부에 대한 정보가(attribute_rec_error_flag) 전송될 수 있다. 속성 정보의 재구성 오류 압축 수행 시 해당 유닛의 크기, 유닛 내부의 값, 주변 유닛과의 관계, 유닛의 원본 값과 재구성 값과의 관계, 유닛의 속성 정보의 범위, qp등과 같은 정보를 이용하여 특정 값을 계산한 뒤 해당 값에 따라 재구성 오류 압축 수행 여부를 결정할 수 있다.
실시예들에 따르면, 포인트 클라우드 부호화기에서 리프(leaf) 노드 단위로 attribute_rec_error_flag가 전송되고 실시예들에 따른 포인트 클라우드 복호화기에서 해당 플래그(flag)를 이용하여 각 리프(leaf) 노드마다 필터링을 수행할지 안 할지 알 수 있다.
<속성 재구성 오류 압축부: 재구성 값과 원본 값의 대응 관계 형성>
실시예들에 따른 속성 재구성 오류 생성부(19003)는 실시예들에 따른 속성 정보가 재구성된 정보와 원래의 속성 정보 사이의 대응 관계를 형성한다. 예를 들어, 위치 정보가 무손실 압축 될 경우, 위치 정보의 값이 변화하지 않았기 때문에, 각 포인트의 원본 속성 값과 재구성된 속성 값을 일대일 대응으로 대응 관계를 형성할 수 있다. 예를 들어, 위치 정보가 손실 압축될 경우, 원본의 위치 정보 값과 재구성된 위치 정보 값이 동일하지 않기 때문에 이를 대응시킬 다양한 대응 관계 형성 알고리즘을 사용할 수 있다.
실시예들에 따른 속성 재구성 오류 생성부(19003)는 다양한 최근접 탐색 알고리즘, MES를 활용한 최소 오류 점 탐색 등에 기초하여, 재구성 정보(속성 정보의 재구성 정보)와 원래의 속성 정보 간의 대응 관계를 형성할 수 있다.
실시예들에 따른 속성 재구성 오류 생성부(19003)는 실시예들에 따른 대응 관계를 형성하는 알고리즘에 대한 정보를 생성할 수 있다. 실시예들에 따른 포인트 클라우드 부호화기에서 어떤 대응 관계 형성 알고리즘을 사용했는지를 나타내는 정보(예를 들어, corresponded_relationship_algorithm_index)가 포인트 클라우드 데이터 복호화기로 전송될 수 있으며, 속성 정보 유닛(19000a)의 특징에 따라 대응 관계 형성 알고리즘이 특정 알고리즘으로 고정되어 사용될 수 있다.
<속성 재구성 오류 압축부 : 속성 잔차 값 압축부(19004)>
실시예들에 따른 속성 잔차 정보 압축부(19004)는 속성 정보 유닛의 원래의 속성 정보와 속성 재구성부(19001)에 의해 재구성된 속성 정보 사이에 대응 관계가 형성되면, 대응되는 속성 정보 사이의 차이 값을 계산 및 생성하고, 생성된 차이 값(즉, 잔차 정보)을 압축할 수 있다. 실시예들에 따른 잔차 정보는 다양한 잔차 압축 방식을 사용하여 잔차 값을 압축한다. 예를 들어, 잔차 값을 압축은 산술 부호화 방식을 사용한 속성 잔차 정보 압축이 수행될 수 있다. 이때, 산술 부호화 방식에는 Run Length 부호화, Entropy 부호화 등의 다양한 산술 부호화 방식을 사용할 수 있다.
실시예들에 따르면, 산술 부호화 방식을 사용한 속성 잔차 값 압축 수행 시 이러한 산술 부호화 방식들을 적용하기 전에, 양자화 계수를 사용하여 압축 결과의 품질을 결정할 수 있다. 특히 양자화 계수를 적응적으로 사용하여 속성 값의 특징(예: 분포, 범위, 분산 등)에 따라 다른 계수 값을 사용하여 품질을 변경할 수도 있다.
실시예들에 따르면, 이때 부호화기에서 사용되는 산술 부호화 방식들이 기존 부호화기에서 사용되는 산술 부호화 방식을 사용하지 않을 경우에는 어떤 산술 부호화 방식이 사용되었는지를 전달하는 정보(attribute_residual_arithmetic_coding_index)가 복호화기에 전송될 수 있으며, 속성 잔차 값들의 특징에 따라 특정 알고리즘이 고정적으로 사용될 수 있다.
실시예들에 따르면, 산술 부호화 방식을 사용한 속성 잔차 값 압축 수행 시 양자화 계수를 사용할 경우 부호화기에서 사용된 양자화 계수에 대한 정보(attribute_residual_quantization_parameter)가 복호화기에 전달될 수 있으며, 이 또한 속성 잔차 값들의 특징에 따라 특정 계수들이 고정적으로 사용될 수 있다.
실시예들에 따르면, 잔차 값을 압축하는 또 다른 실시 예로 속성 값 대응 테이블을 활용한 속성 잔차 값 압축이 수행될 수 있다. 속성 값 대응 테이블은 원본 속성 값과 재구성된 속성 값의 대응 관계의 특징을 고려하여 각 범위의 값이 품질을 높일 수 있는 값으로 변경될 수 있도록 지원한다.
실시예들에 따르면, 예를 들어, 속성 값 대응 테이블을 활용한 속성 잔차 값 압축 수행 시 원본 속성 값과 재구성된 속성 값의 대응 관계를 확률로 표현하여, 각 범위의 값이 가장 빈번히 변경되는 속성 값으로 변경될 수 있도록 속성 값 분포 테이블을 작성할 수 있다.
실시예들에 따르면, 이때 속성 값 대응 테이블은 다양한 산술 부호화 방식이 사용될 수 있으며, 부호화기에서 사용된 산술 부호화 방식을 전달하는 정보(attribute_corresponded_table_arithmetic_coding_index)가 복호화기에 전송될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법은, 포인트 클라우드 데이터를 인코딩하는 단계 및/또는 포인트 클라우드 데이터 및 시그널링 정보를 포함하는 비트스트림을 전송하는 단계를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 장치의 오류 압축하는 단계는, 인코딩된 속성 정보를 재구성하는 단계, 재구성된 속성 정보에 기초하여 속성 재구성 오류를 압축할지 여부를 결정하는 단계, 속성 재구성 오류를 압축하는 경우, 재구성된 속성 정보와 포인트 클라우드 데이터의 포인트들의 속성 정보의 대응 관계를 결정함으로써 속성 재구성 오류를 생성하는 단계 및 속성 재구성 오류를 압축하는 단계를 포함할 수 있다. 여기서, 속성 재구성 오류는 재구성된 속성 정보와 포인트 클라우드 데이터의 포인트들의 속성 정보의 잔차를 나타낼 수 있다.
또한, 실시예들에 따르면, 포인트 클라우드 데이터 송신 방법은, 속성 재구성 오류를 압축하는 단계를 수행하기 위한 속성 정보의 수행 단위를 결정하는 단계를 더 포함할 수 있고, 속성 재구성 오류를 압축하는 단계는, 속성 정보의 수행 단위에 포함된 속성 정보의 속성 재구성 오류를 압축할 수 있다. 속성 정보의 수행 단위는 하나 또는 그 이상의 속성 정보를 포함하는 하나 또는 그 이상의 3차원 블록일 수 있다. 또한, 시그널링 정보는 속성 정보의 수행 단위에 관한 정보를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 장치는 속성 재구성 오류 압축부(19000)를 더 포함함으로써, 실시예들에 따른 포인트 클라우드 데이터의 속성 정보를 부호화하는 과정에서 일부의 포인트에 대한 속성 정보의 손실을 제거할 수 있다. 실시예들에 따른 수신 장치가 포인트 클라우드 데이터의 복호화를 수행하는 경우, 원본 포인트 클라우드 데이터의 속성으로 있을 수 없는 정보를 가감함으로써 데이터의 오차율을 줄일 수 있다. 또한, 데이터의 특성에 따라 가변적으로 속성 범위를 클립핑(Clipping)하여 특정 범위에만 존재시킬 수 있어, 속성 정보를 효율적으로 복호화할 수 있다.
도 20은 실시예들에 따른 속성 재구성 오류 압축부에 의해 포인트 클라우드의 화질을 개선하는 과정을 나타낸다.
도 20은 실시예들에 따른 속성 재구성 오류 압축부가 원본 포인트 클라우드의 속성 정보와, 화질이 저하된 포인트 클라우드의 속성 정보를 비교하여 화질을 비교하는 과정을 나타낸다. 도 20에 도시한 동작들은 도 19에서 설명한 속성 재구성 오류 압축부(또는 속성 재구성 오류 생성부)에 의해 수행될 수 있다.
실시예들에 따른 속성 재구성 오류 압축부에 의해 포인트 클라우드의 화질을 개선하는 과정은 원본 포인트 클라우드를 수신하는 단계(20000, cloud_A), 부호화 및 복호화를 수행하는 단계(20001), 화질이 저하된 포인트 클라우드를 추출하는 단계(20002) 및/또는 화질을 비교하는 단계(20003)을 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송수신 장치는 부호화 과정에서 포인트 클라우드 데이터의 화질이 저하될 수 있다.
포인트 클라우드 데이터 송수신 장치는 포인트 클라우드 데이터 중 바운더리(boundary)에 해당하는 포인트들에 대하여 데이터 손실이 있을 수 있다. 이러한 화질의 저하 및/또는 데이터의 손실을 방지하기 위하여, 실시예들에 따른 포인트 클라우드 데이터 송신 장치는, 부호화가 수행된 포인트 클라우드 데이터(예를 들어, 화질이 저하된 포인트 클라우드 데이터)의 바운더리 영역에 패치(patch)를 추가할 수 있다. 바운더리 영역에 패치를 추가하는 것을 패치 익스펜션(Patch Expansion)이라고 호칭할 수도 있다.
따라서 실시예들에 따른 포인트 클라우드 데이터 송신 장치는, 포인트 클라우드 데이터의 화질 저하를 방지하기 위해, 포인트 클라우드 데이터의 바운더리(boundary)를 감지하고 바운더리 영역에 패치(patch)를 추가할 수 있다. 바운더리(boundary)란, 포인트 클라우드 데이터의 포인트들 중 인접한 포인트들의 속성 정보와 차이가 큰 포인트들의 집합을 의미할 수 있다. 패치(patch)는 바운더리와 인접하거나 가까이 있는 위치에, 바운더리에 존재하는 포인트들의 속성 정보와 근접한 속성 정보를 추가하는 것을 의미한다. 즉, 따라서 실시예들에 따른 포인트 클라우드 데이터 송신 장치는, 바운더리 영역에 패치가 추가된 포인트 클라우드 데이터에 대하여 인코딩을 수행함으로써 부호화 과정에서 발생할 수 있는 오류를 최소화할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 장치는, 포인트 클라우드 데이터의 화질 저하를 방지하기 위해, 포인트 클라우드 데이터가 부호화된 후 부호화된 포인트 클라우드 데이터의 바운더리(boundary)를 감지하여 바운더리 영역에 패치(patch)를 추가할 수 있다. 즉, 따라서 실시예들에 따른 포인트 클라우드 데이터 송신 장치는, 부호화가 수행된 포인트 클라우드 데이터의 바운더리 영역에 패치를 추가함으로써 자연스러운 포인트 클라우드 콘텐츠를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송수신 장치는 칼라 스무딩(Color smoothing) 방법에 기초하여 화질을 개선할 수 있다. 실시예들에 따른 포인트 클라우드 데이터는, 복호화가 수행된 이후에 포인트들의 속성 정보가 왜곡되거나 화질이 저하될 수 있다. 예를 들어, 포인트 클라우드 데이터의 특정 영역에 속성 정보의 값의 차이가 큰 영역이 존재할 수 있다. 이러한 영역은 인접한 영역과 속성 정보의 차이가 크므로 자연스럽지 못한 포인트 클라우드 콘텐츠로 복호화될 수 있다. 따라서, 인접한 영역과 속성 정보의 차이가 큰 영역에 대해서는 유사한 색상으로 덮어씌울 수 있다.
원본 포인트 클라우드를 수신하는 단계(20000)는 원본 포인트 클라우드(cloud_A)를 수신할 수 있다. 여기서 원본 포인트 클라우드(cloud_A)는 도 19에서 설명한 속성 정보 유닛(19000)에 포함된 포인트 클라우드 데이터의 포인트들이 부호화되기 이전의 속성 정보들을 의미할 수 있다. 원본 포인트 클라우드는 부호화되지 않은 원본 포인트들의 속성 정보들을 포함할 수 있다.
예를 들어, 원본 포인트 클라우드(cloud_A)는 도 1에 의해 획득된 포인트 클라우드 비디오 데이터의 원본 속성 정보를 포함하는 포인트들의 집합일 수 있다. 예를 들어, 원본 포인트 클라우드는 도 4에서 도시한 속성들(attributes)로, 속성 정보가 RAHT(40008) 또는 LOD 생성부(40009) 및 리프팅부(40010)에 의해 변환되기 이전의 원본 속성 정보를 의미할 수 있다. 예를 들어, 원본 포인트 클라우드는 도 12의 예측/리프팅/RAHT 변환 처리부(12010)에 의해 변환되기 이전의 원본 속성 정보를 의미할 수 있다.
부호화 및 복호화하는 단계(20001)는 수신한 원본 포인트 클라우드(cloud_A)를 부호화하고 다시 복호화할 수 있다. 부호화 및 복호화하는 단계(20001)는 원본 포인트 클라우드를 부호화하는 단계 및 복호화하는 단계를 포함할 수 있다.
여기서 부호화하는 단계는 원본 포인트 클라우드의 속성 정보들을 부호화한다. 예를 들어, 부호화하는 단계는 도 4에서 설명한 RATH 변환(4008), LOD 생성(40009), 리프팅(40010), 양자화(40011) 및/또는 아리스매틱 인코딩(40012)의 동작, 도 12에서 설명한 속성 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010) 및/또는 아리스매틱 코더(12011)의 전부/일부를 수행할 수 있다. 여기서 복호화하는 단계는 부호화된 원본 포인트 클라우드 속성 정보들을 다시 복호화한다.
화질이 저하된 포인트 클라우드(cloud_B)를 추출하는 단계(20002)는, 부호화 및 복호화하는 단계에 의해 생성된 화질이 저하된 포인트 클라우드를 추출한다. 여기서 부호화 및 복호화하는 단계에 의해 생성된 포인트 클라우드 데이터는 원본 포인트 클라우드보다 화질이 낮을 수 있다.
부호화 및 복호화하는 단계(20001)와 화질이 저하된 포인트 클라우드(cloud_B)를 추출하는 단계(20002)는 도 19에서 설명한 속성 재구성부(19001)에 의해 수행될 수 있다.
화질을 비교하는 단계(20003)는, 원본 포인트 클라우드(cloud_A)와 화질이 저하된 포인트 클라우드(cloud_B)를 비교한다. 화질을 비교하는 단계는, 원본 포인트 클라우드(cloud_A)와 화질이 저하된 포인트 클라우드(cloud_B)를 비교하고, 부호화 및 복호화에 의해 생성된 부호화 오차를 계산할 수 있다. 여기서 부호화 오차는 도 19에서 설명한 실시예들에 따른 속성 재구성 오류를 의미할 수 있다. 즉, 화질을 비교하는 단계(20003)는 도 19의 속성 재구성 오류 생성부에 의해 수행될 수 있으며, 부호화 오차는 도 19에서 설명한 속성 재구성을 의미할 수 있다.
실시예들에 따르면, 화질을 비교하는 단계(20003)는 다음과 같은 기준에 기초하여 수행될 수 있다. 예를 들어, 화질 평가를 위한 방법으로 두 가지 방법이 사용된다. 아래 cloud_A 원본 클라우드에 대한 점들의 집합으로 정의하고, cloud_B를 화질이 저하 된 포인트 클라우드 라고 정의한다.
Figure PCTKR2020002724-appb-img-000018
cloud_A의 모든 점 vi와 cloud_B의 모든 점 vi의 하우스도르프 거리(hausdorff distance)의 합을 eA,B라고 하면, 두 포인트 클라우드의 화질 정도를 PSNR로 나타내는 수식은 아래와 같을 수 있다.
Figure PCTKR2020002724-appb-img-000019
도 21은 실시예들에 따른 속성 재구성 오류 압축부를 포함하는 포인트 클라우드 데이터 인코더를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 인코더는 데이터 입력부(21000), 좌표 변환부(21001), 양자화/복셀화 처리부(21002), 옥트리 오큐펀시 코드 생성부(21003), 표면 모델 처리부(21004), 제 1 아리스메틱 코더(21005), 지오메트리 재구성부(21006), 색상 변환 처리부(21007), 속성 변환 처리부(21008), 예측/리프팅/RAHT 변환 처리부(21009), 계수 양자화 처리부(21009), 속성 재구성부(21010), 재구성 오류 압축부(21011a), 직접 코딩부(21011b) 및/또는 제 2 아리스매틱 코더(21012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(21000), 좌표 변환부(21001), 양자화/복셀화 처리부(21002), 옥트리 오큐펀시 코드 생성부(21003), 표면 모델 처리부(21004), 제 1 아리스메틱 코더(21005) 및/또는 지오메트리 재구성부(21006)는 도 18에서 설명한 기하정보 부호화부(18001)에 포함될 수 있다. 실시예들에 따른 색상 변환 처리부(21007), 속성 변환 처리부(21008), 예측/리프팅/RAHT 변환 처리부(21009), 계수 양자화 처리부(21009), 속성 재구성부(21010), 재구성 오류 압축부(21011a), 직접 코딩부(21011b) 및/또는 제 2 아리스매틱 코더(21012)는 도 18에서 설명한 속성 정보 부호화부(18002)에 포함될 수 있다.
데이터 입력부(21000)는, 획득한 포인트 클라우드 데이터를 수신한다. 포인트 클라우드 데이터는 포인트 클라우드 비디오 획득부 등에 의해 생성될 수 있다. 데이터 입력부(21000)는 예를 들어 도 3에서 설명한 포인트 클라우드 데이터를 수신할 수 있다. 데이터 입력부는 예를 들어 도 12의 데이터 입력부(12000)를 의미할 수 있다.
좌표 변환부(21001)는 수신 포인트 클라우드 데이터의 위치 정보를 수신하여 해당 위치 정보를 좌표로 변환한다. 좌표 전환부는 예를 들어, 도 4에서 설명 및 도시한 좌표 변환부(40000, Transform coordinates)의 동작, 도 5에서 설명한 동작을 수행할 수 있다.
양자화/복셀화 처리부(21002)는, 좌표 변환부에 의해 변환된 포인트들의 위치 정보에 대하여 양자화 및/또는 복셀화를 수행한다. 양자화/복셀화 처리부는 도 4의 양자화 및 복셀화(40001)의 동작, 도 5에서 설명한 동작을 수행할 수 있다. 양자화/복셀화 처리부는 도 12에서 설명한 복셀화 처리부(12002)를 의미할 수 있다.
옥트리 오큐펀시 코드 생성부(21003)는 양자화/복셀화 처리부에 의해 양자화 및 복셀화 처리된 포인트들의 위치 정보로부터 옥트리 오큐펀시 코드(octree occupancy code)를 생성한다. 옥트리 오큐펀시 코드 생성부는 도 4에서 설명한 옥트리 분석부(40002)의 동작 및/또는 도 6에서 설명한 동작을 수행할 수 있다. 옥트리 오큐펀시 코드 생성부는 도 12에서 설명한 옥트리 오큐펀시 코드 생성부(12003)를 의미할 수 있다.
표면 모델 처리부(21004) 생성된 옥트리 오큐펀시 코드를 이용하여 표면모델을 처리할 수 있다. 표면 모델 처리부는 도 4에서 설명한 Analyze surface approximation(40003)의 동작 전부/일부를 수행할 수 있다. 표면 모델 처리부는 도 12에서 설명한 표면 모델 처리부(12004)를 의미할 수 있다.
제 1 아리스메틱 코더(21005)는 옥트리 오큐펀시 코드 생성부에 의해 생성된 옥트리 오큐펀시 코드 및/또는 표면모델 처리부에 의해 표면 모델 처리된 옥트리 오큐펀시 코드를 엔트로피 코딩할 수 있다. 제 1 아리스메틱 코더는 도 4에서 설명한 아리스메틱 인코딩(40004)를 의미할 수 있다. 제 1 아리스메틱 코더는 도 12에서 설명한 아리스메틱 코더(12006)의 동작을 수행할 수 있다.
지오메트리 재구성부(21006)는, 옥트리 오큐펀시 코드 생성부에 의해 생성된 옥트리 오큐펀시 코드 및/또는 표면모델 처리부에 의해 생성된 표면 모델 처리된 옥트리 오큐펀시 코드를 이용하여 지오메트리를 재구성할 수 있다. 즉 지오메트리 재구성부는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성할 수 있다. 지오메트리 재구성부(21006)는 도 4에서 설명한 지오메트리 리컨스럭션부(Reconstruct Geometry, 40005)의 동작을 수행할 수 있다.
색상 변환 처리부(21007)는, 데이터 입력부에 의해 수신한 포인트 클라우드 데이터의 포인트들의 속성 정보를 수신하여 속성들(Attribute)에 포함된 컬러 값(또는 텍스쳐)을 변환할 수 있다. 색상 변환 처리부는 예를 들어 도 4에서 설명한 컬러 변환부(Transform Colors, 40006)의 동작을 수행할 수 있다.
속성 변환 처리부(21008)는, 색상 변환 처리부에 의해 변환된 속성 정보를 재구성된 지오메트리 정보에 기반하여 변환할 수 있다. 예를 들어, 속성 변환부(번호)는 복셀에 포함된 포인트의 위치 값을 기반으로 그 위치의 포인트가 가지는 속성값을 변환할 수 있다. 속성 변환 처리부(21008)는 도 4에서 설명한 속성 변환부(Transfer Attributes, 40007)의 동작을 수행할 수 있다.
예측/리프팅/RAHT 변환 처리부(21009)는 속성 변환 처리부에 의해 변환된 속성 정보를 재구성된 지오메트리 정보에 기반하여 RAHT 변환, 리프팅 변환 및/또는 예측 변환할 수 있다. 예측/리프팅/RAHT 변환 처리부는 도 4의 RAHT(40008), LOD 생성(40009) 및/또는 리프팅변환(40010)을 수행할 수 있다.
계수 양자화 처리부(21009)는 예측/리프팅/RAHT 변환 처리부에 의해 RAHT 변환, 리프팅 변환 및/또는 예측 변환된 속성 정보를 양자화할 수 있다. 계수 양자화 처리부는 도4에서 설명한 계수 양자화부(40011)의 동작을 수행할 수 있다.
속성 재구성부(21010), 계수 양자화된 속성 정보를 수신하여 속성 정보를 재구성한다. 속성 재구성부는 도 19에서 설명한 속성 재구성부(19001)의 동작을 수행할 수 있다. 속성 재구성부는 도 20에서 설명한 부호화 및 복호화하는 단계(20001)를 수행할 수 있다. 계수 양자화된 속성 정보는 도 20에서 설명한 원본 포인트 클라우드(cloud_A)를 의미할 수 있다. 속성 재구성부는 도 19에서 나타난 속성 재구성 오류 압축 플래그 여부 확인부(19002) 및/또는 속성 재구성 오류 생성부를 포함할 수 있다. 속성 재구성부는 도 19에서 설명한 재구성된 속성 정보와 원본 속성 정보의 대응 관계를 나타내는 정보를 생성할 수 있다.
속성 재구성부는 속성 정보를 재구성하여 속성 재구성 오류를 생성하고, 속성 재구성 오류에 기초하여 속성 재구성 오류 압축을 수행할지 여부를 결정할 수 있다. 예를 들어, 속성 재구성부는 도 20에서 설명한 화질을 비교하는 단계(20003)를 수행할 수 있다. 속성 재구성부는 속성 재구성 오류 압축을 수행할지 여부를 나타내는 시그널링 정보(또는 플래그)를 생성할 수 있다.
재구성 오류 압축부(21011a)는 속성 재구성부에 의해 생성된 속성 재구성 오류를 압축한다. 재구성 오류 압축부는 속성 재구성부(21010)에 의해 결정된 속성 재구성 오류 압축을 수행할지 여부에 기초하여 속성 재구성 오류를 압축할 수 있다. 재구성 오류 압축부는 도 19에서 설명한 속성 잔차 값 압축부(19004)의 동작을 수행할 수 있다.
직접 코딩부(21011b)는, 재구성된 속성 정보들에 대해 속성 정보의 범위에 포함되지 않는 값만을 직접 코딩 하여 속성 정보를 부호화 할 수 있다. 직접 코딩(direct coding)은, 재구성된 속성 정보들 중 원본의 속성 정보의 범위에 포함되지 않는 정보들을 직접 부호화하는 것을 의미할 수 있다.
제 2 아리스매틱 코더(21012)는 계수 양자화 처리부에 의해 양자화된 속성 정보를 엔트로피 코딩할 수 있다. 제 2 아리스메틱 코더는 도 4에서 설명한 아리스메틱 코딩(40012)을 수행할 수 있다. 제 2 아리스메틱 코더(21012)는 도 12에서 설명한 아리스메틱 코더(12011)의 동작을 수행할 수 있다.
실시예들에 따른 속성 재구성 오류 압축을 수행하는 구성(예를 들어, 도 21의 속성 재구성부(21010), 재구성 오류 압축부(210011a) 등)은 실시예들에 따른 포인트 클라우드 데이터 송수신 장치 모두 포함될 수 있다. 예를 들어, 포인트 클라우드 데이터 송신 장치는 속성 재구성 부(21010)가 속성을 재구성한 후, attribute_error_correction_flag가 1인 경우, 속성 재구성 오류 압축 부(21011a) 혹은 직접 코딩 부(21011b) 속성 재구성 오류 압축 또는 직접 코딩을 수행될 수 있다. 실시예들에 따르면, 속성 재구성 오류 압축 부(21011a) 혹은 직접 코딩 부(21011b)에 의해 압축 또는 코딩된 결과는 속성 비트스트림에 전달되고 이를 기반으로 속성 부호화 과정이 수행된다.
도 22는 비트레이트 별 포인트 클라우드의 렌더링 결과를 나타낸다.
도 22는 실시예들에 따른 PCC 수신 장치의 디코더가 수신 포인트 클라우드 데이터를 비트레이트(bitrate) 별로 복호화하여 렌더링한 결과를 나타낸다. r1에서 r6으로 갈수록 복호화 할 때 높은 비트레이트를 할당한 것이다. G-PCC 속성 손실 부호화 중 양자화 과정에서 나타나는 화질 저하 현상은 발생할 수 있다.
실시예들에 따르면, PCC 전송 장치는 다양한 조건으로 부호화를 수행할 수 있다. 예를 들어, PCC 전송 장치는 손실(lossy) 부호화를 수행하거나, 무손실(lossless) 부호화를 수행할 수 있다. 여기서, 손실 부호화는 색상과 같은 중요한 속성 정보들을 낮은 비트레이트(bit-rate)로 처리하여 저 지연 혹은 압축률을 높여야 하는 어플리케이션에서 주로 사용될 수 있다. 또한 여기서, 무손실 부호화는 원본 파일을 정확하게 복호화 해야 하는 어플리케이션에서 사용될 수 있다.
도 22의 r1은 낮은 비트레이트를 이용하여 부호화된 포인트 클라우드 데이터를, 실시예들에 따른 PCC 수신 장치가 복호화하여 렌더링한 결과이다. 이 경우 낮은 비트레이트를 이용하여 부호화되어 중요한 속성 정보들이 왜곡될 수 있는 반면, 저 지연 송수신 또는 높은 압축률을 보장할 수 있다.
도 22의 r3은 중간 비트레이트를 이용하여 부호화된 포인트 클라우드 데이터를, 실시예들에 따른 PCC 수신 장치가 복호화하여 렌더링한 결과이다. 중간 비트레이트를 이용하여 부호화되는 경우, PCC 송수신 장치는 중요한 속성 정보들의 표현과 지연률 또는 압축률을 절충할 수 있다.
도 22의 r6은 높은 비트레이트를 이용하여 부호화된 포인트 클라우드 데이터를, 실시예들에 따른 PCC 수신 장치가 복호화하여 렌더링한 결과이다. 높은 비트레이트를 이용하여 부호화되는 경우, PCC 송수신 장치는 중요한 속성 정보들을 정확하게 전송 및 렌더링할 수 있다. 이 경우에도 PCC 수신 장치가 복호화하는 과정에서 속성 정보의 오차가 발생할 수 있어 화질이 저하될 수도 있다.
본 명세서에서는 어느 비트레이트를 이용하는 경우에서도 발생할 수 있는 화질의 저하 현상을, PCC 송신 장치가 속성 재구성 오류를 생성하고 압축하여 전송하고 PCC 수신 장치가 이를 수신하여 재구성함으로써 해결할 수 있다. 즉, 실시예들에 따른 PCC 송수신 장치의 부호화기 및 복호화기의 구조로 인해, 화질 저하 현상을 방지하고 정확한 속성 정보를 렌더링할 수 있다.
도 23은 실시예들에 따른 원본 속성 정보와 속성 재구성 오류 압축부에 의해 재구성된 속성 정보를 나타낸다.
실시예들에 따른 속성 재구성 오류 압축부는 도 19에서 설명한 속성 재구성 오류 압축부(19000)를 의미할 수 있다. 속성 재구성 오류 압축부는 예를 들어 도 20에서 설명한 동작들을 수행할 수 있다. 속성 재구성 오류 압축부는 예를 들어 도 21에서 설명한 속성 재구성부(21010), 재구성 오류 압축부(21011a) 및/또는 직접 코딩부(21011b)를 포함할 수 있다.
부호화 테스트 환경 중 위치 정보와 속성 정보의 부호화 정도를 비교하기 위하여 현재 MPEG에서는 크게 4가지 조건으로 수행 환경을 정의하고 있다. 손실(lossy)은 , 무손실(lossless) 및 근접-무손실(near-lossless)방법으로 부호화 조건을 구성할 수 있다. 손실 압축은 부호화 이전의 원본 포인트 클라우드에서의 포인트 정보와 복호화 된 포인트 정보가 반드시 동일하지 않아도 되는 조건이다. 무손실 압축은 원본 포인트 클라우드의 포인트 정보와 복호화 된 포인트 정보가 동일해야 하는 조건이다. 근접-무손실 부호화는 특정 임계 값 이하의 에러는 가질 수 있는 무 손실 압축을 정의하고 있다.
포인트 클라우드는 데이터의 획득 과정의 방법에 따라 실제 사용하는 속성 값의 비트-범위가 다양하다. 이중 라이다(Lidar)의 특성에 따라 8bit(0-254) 혹은 16bit(0-65535)의 범위를 사용한다. 이때, 실제 관측된 데이터는 라이다에서 정의한 범위의 모든 고유 값을 사용하지 않을 수 있다. 본 포인트 클라우드 비디오 후처리의 내용을 확장한 내용이다.
도 23(A)는 예를 들어 속성 재구성 오류 압축부에 의해 재구성된 라이다의 속성값 범위와 실제 관측된 속성값을 나타낸다.
이러한 획득된 데이터의 특성을 바탕으로 부호화/복호화 과정이 이루어 진다. 도 23(B) 실제 데이터에서 관측한 원본 속성 정보의 고유 값과 재구성된 속성 정보의 고유 값을 나타낸다.
도 23(A)는 속성 정보의 원본 속성 정보의 범위(23000)와 속성 재구성 오류 압축부(예를 들어, 도 19의 19000)에 의해 재구성된 포인트 클라우드 데이터의 포인트들의 속성값 범위(23001)을 나타낸 것이다. 예를 들어, 재구성된 속성 정보의 범위는 라이다 데이터의 재구성된 속성 정보의 범위를 의미할 수 있다. 실시예들에 따른 포인트 클라우드 데이터의 원본 속성 정보(23000)는 속성 재구성 오류 압축부에 의해 재구성된 포인트 클라우드 데이터의 포인트들의 속성 정보의 범위(23001)와 차이가 있을 수 있다.
도 23(A)에서 나타난 원본 속성 정보의 범위(23000)에 속하는 원본 속성 정보는 도 20에서 설명한 원본 포인트 클라우드(cloud_A)를 의미할 수 있다. 도 23(A)에서 나타난 재구성된 속성 정보의 범위(23001)는 도 20에서 설명한 화질이 저하된 포인트 클라우드(cloud_B)의 속성 정보의 범위를 나타낸다. 원본 속성 정보의 범위(23000)는 실제 관측된 속성 정보(속성 값)의 범위를 의미할 수 있고, 재구성된 속성 정보의 범위(23001)는 속성 재구성 오류 압축부에 의해 재구성된 포인트 클라우드 데이터의 포인트들의 속성 정보의 범위를 의미할 수 있다.
실시예들에 따른 속성 재구성 오류 압축부(예를 들어, 도 19의 19000)는 원본 속성 정보의 범위(23000)와 재구성된 속성 정보의 범위(23001)를 비교할 수 있다. 예를 들어, 원본 속성 정보의 범위(23000)가 15 이상 254 이하인 경우와 재구성된 속성 정보의 범위(23001)가 0 이상 255 이하인 경우가 있을 수 있다. 재구성된 속성 정보 중 0이상 15 미만에 해당하는 속성 정보는 원본 속성 정보의 범위와 벗어난 속성 정보이다. 마찬가지로 255에 해당하는 속성 정보는 원본 속성 정보의 범위에 벗어난 속성 정보이다. 이러한 0 이상 15 미만 및 255에 해당하는 속성 정보는 실시예들에 따른 재구성부의 동작의 오류에 기인한 것일 수 있다.
실시예들에 따른 속성 재구성 오류 압축부(예를 들어, 도 19의 19000)는 재구성된 속성 정보 중 0 이상 15 미만 및 255에 해당하는 속성 정보를 갖는 포인트들의 속성 정보를 원본 속성 정보의 범위 내로 매핑되도록 잔차 정보를 생성할 수 있다. 실시예들에 따른 재구성 오류 압축부는 원본 속성 정보의 범위와 재구성된 속성 정보의 범위를 이용하여, 원본 속성 정보의 범위에 속하지 않는 속성 정보를 갖는 포인트들이 원본 속성 정보의 범위 내의 속성 정보를 갖도록 속성 정보의 대응 관계를 형성할 수 있다.
도 23(A)에서 2에 해당하는 속성 값을 가지는 포인트는 속성 정보의 재구성 동작으로 인해 최소한 13에 해당하는 만큼의 오차가 발생한 것일 수 있다. 따라서 실시예들에 따른 속성 재구성 오류 압축부(예를 들어, 도 19의 19000)는 2에 해당하는 속성 값을 가지는 포인트에 대하여 원본 속성 정보의 범위에 해당하는 속성 정보(예를 들어 15)로 맵핑하는 대응 관계를 형성할 수 있다. 실시예들에 따른 속성 재구성 오류 압축부는 0 이상 15 미만 및 255를 갖는 포인트들은 15 또는 254에 해당하는 속성 정보 (또는 원본 속성 정보의 범위 내에 있는 속성 값)으로 맵핑하도록 대응관계를 형성할 수 있다.
도 23(B)는 실제 관측된 속성값을 부호화 및 복호화하는 단계를 이용하여, 재구성된 속성 정보를 산출하는 과정 나타낸 것이다. 도 23(B)에 나타난 동작은 도 21의 속성 재구성부(21010), 도 19의 속성 재구성부(19001)에서 수행될 수 있다. 도 23(B)에 나타난 동작은 도 20에 나타난 동작을 의미할 수 있다.
도 23(B)에 나타난 원본 속성 정보의 고유값은 도 20의 원본 포인트 클라우드(cloud_A, 20000)의 속성 정보의 값들을 의미할 수 있다. 도 23(B)에 나타난 재구성된 속성 정보의 고유값은 도 20의 원본 포인트 클라우드(cloud_A, 20000)의 속성 정보의 값들을 의미할 수 있다
원본 속성 정보의 고유값은 도 23(A)에 도시한 바와 같이 15 내지 254에 해당하는 속성 정보의 범위 내의 속성 값을 가질 수 있다. 15 내지 254에 해당하는 속성 값(원본 속성 정보의 고유값)을 가지는 포인트들은 속성 재구성 오류 압축부(또는 속성 재구성 오류 압축부의 속성 재구성부)에 의해 부호화/복호화를 수행할 수 있다. 여기서 부호화/복호화는 도 20에서 설명한 부호화 및 복호화하는 단계(20001)를 의미할 수 있다. 부호화/복호화가 수행되면 재구성된 속성 정보의 고유값(재구성된 속성 정보의 범위)을 갖는 속성 정보를 출력할 수 있다. 마찬가지로, 원본 속성 정보의 고유값들과 재구성된 속성 정보의 고유값들을 이용하여, 실시예들에 따른 속성 재구성 오류 압축부는 원본 속성 정보의 범위와 재구성된 속성 정보의 범위를 비교할 수 있고 포인트들의 대응 관계를 형성할 수 있고, 재구성 오류(예를 들어, 잔차 정보)를 생성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 인코더는, 속성 재구성 오류 압축부의 구성으로 인해 포인트 클라우드 데이터의 인코딩 과정에서 발생할 수 있는 오류를 최소화할 수 있고, 실시예들에 따른 포인트 클라우드 데이터 디코더는 인코딩 과정에서 발생한 오류를 최소화할 수 있다. 원본 포인트 클라우드 데이터로부터 복호화기에 나올 수 없는 값들에 대해서 작은 시그널링만으로 오차율을 줄일 수 있다는 효과를 가지고 있다. 또한, 데이터의 특성에 따라 가변적으로 속성 범위를 클립핑(Clipping)하여 특정 범위에만 존재시킬 수 있어, 속성 정보를 효율적으로 복호화할 수 있는 방안이다.
도 24은 실시예들에 따른 포인트 클라우드 디코더를 나타낸다.
실시예들에 따른 포인트 클라우드 디코더(24000)는 기하정보 복호화부(24001) 및/또는 속성정보 복호화부(24002)를 포함한다. 실시예들에 따른 포인트 클라우드 디코더(24000)는 포인트 클라우드 데이터의 기하정보 비트스트림(24000a) 및/또는 포인트 클라우드 데이터의 속성정보 비트스트림(24000b)를 수신한다.
기하정보 복호화부(24001), 속성정보 복호화부(24002)는 도 1의 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder), 도 2의 디코딩(20003) 동작, 도 10에서 설명한 지오메트리 디코더(geometry decoder), 어트리뷰트 디코더(attribute decoder)의 동작을 수행할 수 있다. 기하정보 비트스트림(24000a) 및 속성정보 비트스트림(24000b)는 실시예들에 따른 포인트 클라우드 데이터 수신 장치에 의해 수신된 비트스트림에 포함될 수 있다.
기하정보 복호화부(24001)는 실시예들에 따른 기하정보 비트스트림(24000a)를 수신하고 이를 복호화한다. 기하정보 복호화부(24001)는 기하정보 비트스트림(24000a)를 복호화하여 복원된 포인트 클라우드 데이터(24000d) 기하 정보를 출력한다. 기하정보 복호화부(24001)는 복원된 기하정보(24000c)를 생성할 수 있다. 기하정보 복호화부(24001)는 도 11의 아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스럭션부(11003) 및/또는 좌표계 역변환부(11004)의 동작을 수행할 수 있다.
실시예들에 따른 복원된 기하정보(24000c)는 도 11에서 설명한 지오메트리 리컨스럭션부(reconstruct geometry, 11003)에 의해 재구성된 지오메트릭을 의미할 수 있다. 실시예들에 따른 복원된 기하정보(24000c)는 도 13에서 설명한 오큐펀시 코드기반 옥트리 재구성 처리부(13003)에 의해 재구성된 옥트리 오큐펀시 코드를 의미할 수도 있다.
속성정보 복호화부(24002)는 실시예들에 따른 속성정보 비트스트림(24000b)를 수신하고 이를 복호화한다. 속성정보 복호화부(24002)는 속성정보 비트스트림(24000b)를 복호화하여 복원된 포인트 클라우드 데이터(24000d)의 속성 정보를 출력한다. 속성정보 복호화부(24002)는 실시예들에 따른 복원된 기하정보(24000c)에 기초하여 포인트 클라우드 데이터(24000d)의 속성 정보를 생성할 수 있다. 속성정보 복호화부(24001)는 도 11의 역양자화부(11006), RAHT(11007), LOD생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010) 동작을 수행할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 디코더(24000)는 속성정보 비트스트림을 수신하여 이를 복호화할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 디코더는 속성 정보를 복호화하는 과정에서 속성 정보를 예측(prediction)하는 방법으로 속성 정보를 생성할 수 있다. 그러나, 실시예들에 따른 속성정보 부호화부(24002)는 특정 포인트의 속성 정보를 예측할 때, 원본의 포인트 클라우드 데이터의 속성 정보와 오차가 발생할 수 있다. 따라서 실시예들에 따른 속성정보 복호화부(24002)는 오차를 상쇄하기 위해 속성정보 비트스트림(24000b)으로부터 잔차 정보를 추출할 수 있다. 따라서, 실시예들에 따른 속성정보 복호화부(24002)는 속성정보 비트스트림(24000b)으로부터 잔차 정보를 추출하고, 예측 방법에 의해 예측된 속성 정보에 잔차 정보를 가감하는 실시예들에 따른 잔차 정보 처리부를 포함할 수 있다.
실시예들에 따른 속성정보 복호화부(24002)는 도 11의 아리스메틱 디코딩부(11005), 역양자화부(11006), RAHT 역변환부(11007), LOD 생성부(11008), 역리프팅부(11009) 및/또는 색상 역변환부(11010)를 포함할 수 있다. 그러나 도 11 또는 도 13에 따라 포인트 클라우드 데이터의 속성 정보를 부호화할 경우, 일부 포인트 클라우드 데이터의 화질 저하가 발생될 수 있다. 왜냐하면, 실시예들에 따른 포인트 클라우드 데이터의 속성 정보를 복호화하는 과정에서 일부의 포인트에 대한 속성 정보가 손실될 수 있기 때문이다.
예를 들어, 실시예들에 따른 포인트 클라우드 데이터 수신 장치는 예측(prediction) 방법 또는 리프팅(Lifting) 방법에 의하여 특정 포인트들의 속성 정보를 예측하고, 예측된 속성 정보를 송신하거나 렌더링한다. 이 경우, 속성 정보의 예측은 포인트 클라우드 데이터의 송수신 효율을 위해 포인트들의 거리와 속성 정보에 기초하여 생성되고, 속성 정보가 예측된 이후 속성 정보를 보정하는 과정이 없기 때문이다.
이러한 예측은 포인트들 간의 거리가 가까울수록 속성 정보의 값이 유사하다는 것을 가정한 것에서부터 기초한 것이므로, 만약 포인트 클라우드 데이터의 속성 정보들이 불규칙적으로 분포하거나, 가까운 거리의 포인트들의 속성 값들의 차이가 큰 데이터인 경우에는 영상의 화질이 크게 저하될 수 있다. 따라서, 실시예들에 따른 포인트 클라우드 데이터 송신 장치는(또는 속성정보 부호화부, 18002)는, 도 18 내지 도 22에서 도시된 실시예들과 같이, 실시예들에 따른 속성 정보를 재구성하여 발생한 오류(예를 들어, 잔차 정보)를 압축하여 전송할 수 있다.
따라서, 실시예들에 따른 포인트 클라우드 데이터 수신 장치(24000)의 속성정보 복호화부(24002)는, 포인트 클라우드 데이터 송신 장치로부터 송신되는 비트스트림에 포함된 오류(예를 들어, 잔차 정보)를 포함하는 속성 정보 비트스트림(24000b)를 수신할 수 있다. 속성정보 복호화부(24002)는 오류를 포함하는 속성 정보 비트스트림(24000b)를 수신하여 이들을 처리하는 잔차 정보 처리부를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터 및 시그널링 정보를 포함하는 비트스트림을 수신하는 단계, 포인트 클라우드 데이터를 디코딩하는 단계 및/또는 포인트 클라우드 데이터를 렌더링하는 단계를 포함할 수 있다.
도 25는 실시예들에 따른 잔차 정보 처리부를 나타낸다.
실시예들에 따른 잔차 정보 처리부(25000)는 실시예들에 따른 비트스트림 유닛(25000a)를 수신하여 역양자화된 속성 정보(25000b)를 출력할 수 있다. 잔차 정보 처리부(25000)는 산술 부호화부(25001), 플래그 확인부(25002), 가감부(25003) 및/또는 역양자화 처리부(25004)를 포함할 수 있다.
실시예들에 따른 비트스트림 유닛(25000a)는 실시예들에 따른 포인트 클라우드 데이터의 속성 정보를 포함하는 속성정보 비트스트림의 단위를 의미할 수 있다. 실시예들에 따른 비트스트림 유닛(25000a)는 예를 들어 도 24의 속성정보 비트스트림(24000b)를 의미할 수 있다. 실시예들에 따른 비트스트림 유닛(25000a)는 슬라이스(slice)단위의 비트스트림일 수도 있고, 타일(tile)단위의 비트스트림일 수 있다.
비트스트림 유닛(25000a)은 실시예들에 따른 잔차 처리부가 수행하는 동작의 수행 단위를 의미한다. 비트스트림 유닛은 도 13에서 설명한 수신 처리부(13001) 또는 수신부(13000)에 의해 결정될 수 있다. 비트스트림 유닛은 도 6에서 설명 및 도시한 블록 또는, 하나 또는 그 이상의 블록의 묶음이 실시예들에 따라 부호화(속성정보 부호화)되어 출력된 비트스트림의 단위를 의미할 수 있다.
비트스트림 유닛(25000a)는 실시예들에 따른 포인트 클라우드 데이터의 포인트들의 속성 정보 및 잔차 정보를 포함할 수 있다. 잔차 정보는 도 19 내지 도 23에서 설명한 속성 재구성 오류를 포함할 수 있다. 잔차 정보는 실시예들에 따른 포인트 클라우드 데이터 디코더가 특정 포인트의 속성 정보에 대하여 예측을 수행한 후, 예측된 속성 정보와 원래의 포인트 클라우드 데이터 간의 오차를 상쇄하기 위한 정보를 포함할 수 있다.
산술 복호화부(25001)는 실시예들에 따른 비트스트림 유닛(25000a)를 수신하고, 비트스트림 유닛(25000a)에 대하여 산술 복호화를 수행한다. 산술 복호화부(25001)는 예를 들어, 도 11에서 설명한 아리스메틱 디코딩(11005) 동작, 도 13의 아리스메틱 디코더(13007)의 동작을 수행할 수 있다. 산술 복호화는 아리스매틱 디코딩(Arithmetic decoding)이라고 호칭할 수도 있다.
여기서 산술 복호화부는 PCC 수신 장치가 수신한 비트스트림(또는 잔차 값 처리부가 수신한 비트스트림 유닛)에 포함된, 산술 복호화 관련 시그널링 정보에 기초하여 산술 복호화를 수행할 수 있다. 산술 복호화 관련 시그널링 정보는 예를 들어 도 28 내지 도 31에 포함된 attribute_corresponded_table_arithmetic_coding_index 일 수 있다.
산술 복호화부(25001)는 비트스트림 유닛(25000a)에 포함된 실시예들에 따른 포인트 클라우드 데이터의 포인트들의 속성 정보 및 잔차 정보를 복호화할 수 있다. 실시예들에 따른 산술 복호화부(25001)는 복호화된 포인트 클라우드 데이터의 포인트들의 속성 정보 즉, 포인트들의 속성 정보를 출력할 수 있다. 산술 복호화부(25001)는 실시예들에 따른 잔차 정보를 포함하는 비트스트림을 복호화하여 잔차 정보를 추출할 수 있다. 산술 복호화부(25001)에 의해 추출된 잔차 정보는 특정 포인트들에 대한 속성 재구성 오류 정보 및/또는 잔차 정보 처리와 관련된 정보를 포함할 수 있다.
플래그 확인부(25002)는 산술 복호화부(25001)에 의해 추출된 잔차 정보를 파싱(parsing)할 수 있다. 플래그 확인부(25002)는 잔차 정보에 기초하여 실시예들에 따른 잔차 정보 처리부(25000)가 특정 포인트들에 대하여 속성 재구성 오류를 상쇄할지 (또는 가감할지) 여부를 결정할 수 있다. 플래그 확인부(25002)는 잔차 정보에 기초하여 특정 포인트들에 대하여 속성 재구성 오류를 어떤 방식으로 상쇄(또는 가감)할지 여부를 결정할 수 있다.
잔차 정보 처리와 관련된 정보는 특정 포인트들에 대하여 속성 재구성 오류를 상쇄할지 여부를 나타내는 정보(또는 플래그), 속성 재구성 오류를 상쇄(또는 가감)하는 방법을 나타내는 정보(또는 플래그)를 포함할 수 있다. 예를 들어, 잔차 정보 처리와 관련된 정보는 수신 비트스트림 유닛(25000a)에 잔차 정보 테이블이 존재하는지 여부를 나타내는 정보(또는 플래그), 실시예들에 따른 속성 정보를 직접코딩(direct coding)에 따라 속성 재구성 오류를 생쇄할지 여부를 나타내는 정보(도는 플래그) 등을 포함할 수 있다.
잔차 정보 처리와 관련된 정보는 도 21에서 설명한 속성 재구성 오류 압축을 수행할지 여부를 나타내는 정보(플래그)를 포함할 수 있다. 플래그 확인부는 속성 재구성 오류 압축을 수행할지 여부를 나타내는 정보(또는 플래그)를 확인하여, 수신한 비트스트림 유닛(25000a)이 복호화하고자 원본 속성 정보를 나타내는지 원본 속성 정보에 대한 잔차 정보(및/또는 재구성된 속성 정보)를 포함하는지 여부를 확인할 수 있다. 속성 재구성 오류 압축을 수행할지 여부를 나타내는 정보(또는 플래그)는 도 28 내지 31에 포함된 attribute_corresponded_table_arithmetic_coding_index및/또는 corresponded_relationship_algorithm_index를 포함할 수 있다.
예를 들어, 속성 재구성 오류 압축을 수행할지 여부를 나타내는 정보가 수신한 비트스트림 유닛이 원본 속성 정보임을 나타낸다면, 해당 비트스트림 유닛에 대하여 직접 코딩을 수행할 수 있다. 재구성 오류 압축을 수행할지 여부를 나타내는 정보가 수신한 비트스트림 유닛이 잔차 정보를 포함함을 나타낸다면, 해당 비트스트림 유닛에 대하여 재구성된 속성 정보와 잔차 정보를 가감함으로써 원본 속성 정보를 추출하는 가감부의 동작을 수행할 수 있다.
즉, 속성 재구성 오류 압축을 수행할지 여부를 나타내는 정보가 수신한 비트스트림 유닛이 원본 속성 정보임을 나타낸다면, 수신 비트스트림 유닛은 양자화된 원본 속성 정보를 포함한다. 속성 재구성 오류 압축을 수행할지 여부를 나타내는 정보가 수신한 비트스트림 유닛이 잔차 정보를 포함함을 나타낸다면, 수신 비트스트림 유닛은 재구성된 속성 정보와 잔차 정보 (및/또는 잔차 정보 테이블)을 포함할 수 있다.
여기서 직접 코딩은, 포인트 클라우드 데이터의 내 추가적으로 보정하여야 할 포인트가 존재하는 경우, 해당 포인트의 속성 정보를 해당 포인트의 실제 속성 정보로 수정하는 것을 의미할 수 있다. 또한 여기서 잔차 정보 테이블은, 포인트 클라우드 데이터의 내 추가적으로 감산 또는 가산(또는 보정)하여야 할 포인트들과, 추가적으로 감산 또는 가산(또는 보정)하여야 하는 정도를 포함하는 테이블을 의미할 수 있다. 예를 들어, 특정 포인트(A)의 속성 정보가 복호화 후 3만큼의 감산하는 보정이 필요하다면, 실시예들에 따른 잔차 정보 테이블은 특정 포인트(A)에 대한 위치 정보(또는 특정 포인트를 식별할 수 있는 정보)와 특정 포인트(A)의 감산량(또는 보정량, 예를 들어 -3) 정보를 포함할 수 있다.
가감부(25003)는, 속성 재구성 오류 압축을 수행할지 여부를 나타내는 정보(플래그)가 수신한 비트스트림 유닛이 잔차 정보를 포함함을 나타내는 경우, 수신 비트스트림 유닛에 포함된 재구성된 속성 정보에 잔차 정보를 가감함으로써 포인트들 각각의 속성 정보를 추출할 수 있다.
역양자화 처리부(25004)는 직접 코딩 방식으로 추출된 원본 속성 정보 및/또는 가감부에 의해 보정(추출)된 속성 정보를 역양자화할 수 있다. 여기서, 역양자화는 포인트 클라우드 데이터 수신 장치가 수신한 비트스트림(또는 잔차 값 처리부가 수신한 비트스트림 유닛)에 포함된, 역양자화 관련 시그널링 정보에 기초하여 수행될 수 있다. 역양자화 관련 시그널링 정보는 역양자화 처리부가 역양자화하는 방법을 나타내는 정보를 포함할 수 있다. 산술 복호화 관련 시그널링 정보는 예를 들어 도 28 내지 도 31에 포함된 attribute_residual_quantization_parameter일 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 장치는, 송신 장치에서 전달된 비트스트림 유닛을 산술 복호화할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 장치는, 산술 복호화된 비트스트림에 대하여 잔차 정보, 잔차 정보 테이블 생성 여부 및/또는 직접 코딩 여부를 확인한다. 실시예들에 따른 포인트 클라우드 데이터 수신 장치는, 송신 장치에서 전달된 잔차 정보(예를 들어 속성 재구성 오류 압축 플래그)에 기초하여 속성 정보(예를 들어, 예측된 속성 정보)와 잔차 정보의 속성 재구성 오류 정보를 가감함으로써 속성 정보를 보정할 수 있다.
실시예들에 따르면, 속성 재구성 값은 송신단에서 사용한 산술 부호화의 Run Length 부호화 혹은 Entropy 부호화를 따르며, 송신단에서 전달한 attribute_residual_arithmetic_coding_index, attribute_residual_quantization_parameter, attribute_corresponded_table_arithmetic_coding_index 등을 수신할 수 있다. 실시예들에 따른 속성 값 재구성부는 상술한 파라미터들에 기초하여 속성 정보를 재구성할 수 있다.
실시예들에 따르면 포인트 클라우드 데이터를 디코딩하는 단계는, 비트 스트림의 지오메트리 비트스트림으로부터 기하 정보를 재구성하는 단계, 비트 스트림의 속성 비트스트림을 복호화하는 단계, 재구성된 기하 정보에 기초하여, 포인트들의 속성 정보를 역변환하는 단계 및 잔차 정보에 기초하여 역변환된 포인트들의 속성 정보를 재구성하는 단계를 포함할 수 있다. 여기서, 복호화하는 단계는 포인트 클라우드 데이터의 포인트들의 속성 정보 및 잔차 정보를 생성할 수 있다.
실시예들에 따르면, 시그널링 정보는 속성 정보를 재구성할지 여부를 나타내는 제 1 정보를 포함하고, 역변환된 포인트들의 속성 정보를 재구성하는 단계는, 제 1 정보에 대응하여 역변환된 포인트들의 속성 정보에 잔차 정보를 가감함으로써 재구성된 속성 정보를 생성할 수 있다.
또한, 실시예들에 따르면, 시그널링 정보는 잔차 정보와 역변환된 포인트들의 속성 정보의 대응 관계와 관련된 제 2 정보 및 잔차 정보의 압축 방법과 관련된 제 3 정보를 더 포함할 수 있다. 역변환된 포인트들의 속성 정보를 재구성하는 단계는, 제 2 정보에 기초하여 역변환된 포인트들의 속성 정보에 잔차 정보를 가감할 수 있다. 또한, 역변환된 포인트들의 속성 정보를 재구성하는 단계는, 제 3 정보에 기초하여 가감된 속성 정보를 복호화함으로써 재구성할 수 있다.
원본 포인트 클라우드 데이터로부터 복호화기에 나올 수 없는 값들에 대해서 작은 시그널링만으로 오차율을 줄일 수 있다는 효과를 가지고 있다. 또한, 데이터의 특성에 따라 가변적으로 속성 범위를 클립핑(Clipping)하여 특정 범위에만 존재시킬 수 있어, 속성 정보를 효율적으로 복호화할 수 있는 방안이다.
도 26은 실시예들에 따른 포인트 클라우드 데이터 수신 장치의 디코더를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 수신 장치의 디코더는 수신 처리부(26000), 제 1 아리스메틱 디코더(26001), 오큐펀시 코드기반 옥트리 재구성 처리부(26002), 표면 모델 처리부(26003), 지오메트리 재구성부(26004), 좌표 역변환부(26005), 제 2 아리스메틱 디코더(26006), 역양자화 처리부(26007), 예측/리프팅/RAHT 역변환 처리부(26008), 잔차값 처리부(26009), 속성 재구성부(26010) 및/또는 색상 역변환 처리부(26011)를 포함할 수 있다.
수신 처리부(26000), 실시예들에 따른 포인트 클라우드 데이터 및/또는 시그널링 정보를 포함하는 비트스트림을 수신할 수 있다. 수신 처리부는 수신 비트스트림을 파싱하여 지오메트리 비트스트림, 속성 비트스트림 및/또는 시그널링 정보(플래그들)을 출력할 수 있다.
제 1 아리스메틱 디코더(26001)는 지오메트리 비트스트림을 수신하고, 지오메트리 비트스트림에 대하여 아리스메틱 디코딩을 수행할 수 있다.
오큐펀시 코드기반 옥트리 재구성 처리부(26002)는 제 1 아리스메틱 디코더에 의해 디코딩된 지오메트리 비트스트림을 수신하여 오큐펀시 코드(occupancy code)에 기반한 옥트리를 재구성할 수 있다.
표면 모델 처리부(26003)는 제 1 아리스메틱 디코더에 의해 디코딩된 지오메트리 비트스트림을 수신하고, 해당 데이터에 대하여 표면 모델 처리를 수행할 수 있다. 예를 들어, 표면 모델 처리부는 삼각형 재구성 동작, 업-샘플링 동작 및/또는 복셀화 동작을 수행할 수 있다.
지오메트리 재구성부(26004)는 표면 모델 처리부에 의해 처리된 데이터(즉, 지오메트리 데이터)를 수신하여 이를 재구성할 수 있다.
좌표 역변환부(26005)는 지오메트리 재구성부에 의해 재구성된 지오메트리 데이터의 포인트들을 역변환할 수 있다.
제 2 아리스메틱 디코더(26006)는 수신 처리부로부터 수신한 속성 비트스트림을 아리스메틱 디코딩할 수 있다.
역양자화 처리부(26007)는 제 2 아리스메틱 디코더에 의해 디코딩된 비트스트림을 수신하여 이를 역양자화할 수 있다. 역양자화 처리부는 도 25에서 설명한 역양자화 처리부(25004)와 동일하거나 유사한 동작을 수행할 수 있다.
예측/리프팅/RAHT 역변환 처리부(26008)는 역양자화된 속성 정보에 대하여 역변환을 수행할 수 있다. 역변환은 예측(prediction) 방법을 이용한 역변환, 리프팅(Lifting) 방법을 이용한 역변환 및/또는 RATH 방법을 이용한 역변환일 수 있다.
잔차값 처리부(26009)는 제 2 아리스메틱 디코더에 의해 디코딩된 속성 비트스트림을 수신할 수 있다. 잔차 값 처리부는 도 25에서 설명한 잔차 값 처리부에 포함된 동작들을 수행할 수 있다. 즉, 수신한 속성 비트스트림은 도 25에서 설명하는 비트스트림 유닛(25000)을 포함할 수 있다.
잔차값 처리부(26009)는 수신 처리부(26000)에 의해 수신한 비트스트림의 속성 비트스트림을 수신할 수 있다. 잔차 값 처리부(26009)는 속성 비트스트림을 수신하여 도 25에 따른 잔차 정보 처리부(25000)의 산술 복호화부(25001), 플래그 확인부(25002), 가감부(25003) 및/또는 역양자화 처리부(25004)의 동작들을 수행할 수 있다. 잔차 정보 처리부(25000)의 동작 전부 또는 일부를 수행한 속성 비트스트림은 역양자화 처리부(26007), 예측/리프팅/RAHT 역변환 처리부(26008) 및/또는 속성 재구성(26010)로 전송될 수 있다.
속성 재구성부(26010)는 실시예들에 따른 잔차 값 처리부(26009)에 의해 처리된 잔차 값에 기초하여 속성 정보를 재구성할 수 있다. 실시예들에 따른 속성 재구성부(26010)는 도 25의 가감부(25003)의 동작을 수행할 수 있다. 속성 재구성부(26010)는 잔차 값 처리부(26009)에 의해 추출된 잔차 정보와 예측/리프팅/RAHT 역변환 처리부에 의해 추출된 속성 정보에 기초하여 재구성될 속성 정보를 생성할 수 있다.
색상 역변환 처리부(26011)는 속성 재구성부(26010) 또는 역양자화 처리부(26007)로부터 재구성된 또는 역양자화 처리된 속성 정보를 수신하여 이들을 색상으로 역변환할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 장치는 attribute_error_correction_flag 가 1인 경우(즉, 켜져 있는 경우), 속성 재구성 부(26010)가 수행될 수 있다. 재구성된 결과를 기반으로 속성 복호화 과정을 수행할 수 있다. (도 10, 도 11 및 해당하는 명세서의 설명에서의 디코딩 과정 참고)
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터 및 시그널링 정보를 포함하는 비트스트림을 수신하는 단계, 포인트 클라우드 데이터를 디코딩하는 단계 및/또는 포인트 클라우드 데이터를 렌더링하는 단계를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터를 디코딩하는 단계는, 비트스트림의 지오메트리 비트스트림으로부터 지오메트리 정보를 재구성하는 단계, 비트스트림의 어트리뷰트 비트스트림을 복호화하는 단계, 재구성된 지오메트리 정보에 기초하여, 포인트들의 어트리뷰트 정보를 역변환하는 단계 및/또는 잔차 정보에 기초하여 역변환된 포인트들의 어트리뷰트 정보를 재구성하는 단계를 포함할 수 있다. 복호화하는 단계는 포인트 클라우드 데이터의 포인트들의 어트리뷰트 정보 및 잔차 정보를 생성할 수 있다.
실시예들에 따른 시그널링 정보는 어트리뷰트 정보를 재구성할지 여부를 나타내는 제 1 정보를 포함할 수 있다. 실시예들에 따르면, 역변환된 포인트들의 어트리뷰트 정보를 재구성하는 단계는, 제 1 정보에 대응하여 역변환된 포인트들의 어트리뷰트 정보에 잔차 정보를 가감함으로써 재구성된 어트리뷰트 정보를 생성할 수 있다.
실시예들에 따른 시그널링 정보는 잔차 정보와 역변환된 포인트들의 어트리뷰트 정보의 대응 관계와 관련된 제 2 정보 및 잔차 정보의 압축 방법과 관련된 제 3 정보를 더 포함할 수 있다. 실시예들에 따르면, 역변환된 포인트들의 어트리뷰트 정보를 재구성하는 단계는, 제 2 정보에 기초하여 역변환된 포인트들의 어트리뷰트 정보에 잔차 정보를 가감할 수 있고, 역변환된 포인트들의 어트리뷰트 정보를 재구성하는 단계는, 제 3 정보에 기초하여 가감된 어트리뷰트 정보를 복호화함으로써 재구성할 수 있다.
도 27은 실시예들에 따른 포인트 클라우드 데이터의 구조의 예시를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터는 도 1의 포인트 클라우드 비디오 획득부(10001), 도 2의 획득부(20000), 도 3에서 설명한 방법에 의해 생성될 수 있다. 실시예들에 따른 포인트 클라우드 데이터는 도 18의 공간분할부(18000), 기하정보 부호화부(18001) 및/또는 속성정보 부호화부(18002)에 의해 인코딩될 수 있다. 실시예들에 따른 포인트 클라우드 데이터는 도 19 내지 도 23에 나타난 동작에 의해 인코딩될 수 있다. 실시예들에 따른 포인트 클라우드 데이터는 상술한 바와 같이 인코딩되어 실시예들에 따른 포인트 클라우드 데이터의 비트스트림을 생성할 수 있다. 실시예들에 따른 포인트 클라우드 데이터의 비트스트림은 도 1의 트랜스미터(10003), 도 2의 전송부(20002)에 의해 전송될 수 있다.
실시예들에 따른 포인트 클라우드 데이터의 비트스트림은 실시예들에 따른 포인트 클라우드 데이터 수신 장치의 수신부에 의해 수신될 수 있다. 예를 들어, 실시예들에 따른 포인트 클라우드 데이터의 비트스트림은 도 1의 리시버(10005), 도 2의 수신부(20002), 도 13의 수신부(13000)에 의해 수신될 수 있다. 실시예들에 따른 포인트 클라우드 데이터의 비트스트림은 도 24 내지 도 26에 나타난 방법 및 구성들(예를 들어, 도 24의 기하정보 복호화부(24001), 도 24의 속성정보 복호화부(24002), 도 25의 잔차정보 처리부(25000), 도 26의 구성요소들(26001 내지 도 26011) 등)에 의해 디코딩하여 출력될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 장치는 도 27에서 도시한 바에 따른 비트스트림 구조를 가지는 비트스트림(27000)을 전송할 수 있다. 포인트 클라우드 데이터의 비트스트림(27000)은 SPS(Sequential Parameter Set, 27001), GPS(Geometry Parameter Set, 27002), APS(Attribute Parameter Set, 27003), TPS(Tile Parameter Set, 27004) 및 하나 또는 그 이상의 슬라이스(slice)들(27005)을 포함할 수 있다. 포인트 클라우드 데이터의 비트스트림(27000)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, 27001)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, 27002)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(27002)는 하나 또는 그 이상의 슬라이스들(27005)에 포함된 포인트 클라우드 데이터의 어트리뷰트(속성) 정보를 인코딩하는 방법에 관한 정보를 포함할 수 있다. GPS(27002)는 실시예들에 따른 어떤 SPS(27001)와 관련된 지오메트리 파라미터를 포함하는지를 나타내는 SPS 식별자 정보, 해당 GPS를 식별하는 GPS 식별자 정보를 포함할 수 있다.
APS(Attribute Parameter Set, 27003)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(27003)는 하나 또는 그 이상의 슬라이스들(27005)에 포함된 포인트 클라우드 데이터의 어트리뷰트(속성) 정보를 인코딩하는 방법에 관한 정보를 포함할 수 있다. APS(27003)는 실시예들에 따른 어떤 SPS(27001)와 관련된 지오메트리 파라미터를 포함하는지를 나타내는 SPS 식별자 정보, 해당 APS를 식별하는 GPS 식별자 정보를 포함할 수 있다.
TPS(Tile Parameter Set, 27004)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. TPS는 실시예들에 따른 포인트 클라우드 데이터 비트스트림에 포함된 0개 또는 그 이상의 타일(tile)들에 관한 정보를 포함한다. TPS는 실시예들에 따라 타일 인벤토리(Tile Inventory)으로 호칭될 수도 있다.
타일 인벤토리는(Tile Inventory, 27004)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, 27004)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, 27005)는 실시예들에 따른 포인트 클라우드 데이터의 송신 장치가 포인트 클라우드 데이터를 인코딩하기 위한 단위를 의미할 수 있다. 실시예들에 따른 슬라이스(27005)는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함하는 단위를 의미할 수 있다.
슬라이스(slice, 27005)는 해당 슬라이스 내에 포함된 포인트 클라우드 데이터의 지오메트리 정보를 나타내는 지오메트리 슬라이스 (Geometry Slice, Geom, 27005a) 및 해당 슬라이스 내에 포함된 포인트 클라우드 데이터의 어트리뷰트 정보를 나타내는 하나 또는 그 이상의 어트리뷰트 슬라이스 (Attribute Slice, Attr, 27005b)를 포함할 수 있다.
지오메트리 슬라이스 (Geometry Slice, Geom, 27005a)는 포인트 클라우드 데이터의 지오메트리 정보를 포함하는 지오메트리 슬라이스 데이터(Geometry Slice Data, Geom_slice_data, 27005d) 및 지오메트리 슬라이스 데이터에 관한 정보를 포함하는 지오메트리 슬라이스 헤더(Geometry Slice Header, Geom_slice_header, GSH, 27005c)를 포함한다.
지오메트리 슬라이스 헤더(27005c)는 해당 슬라이스 내의 지오메트리 슬라이스 데이터(27005d)에 관한 정보를 포함한다. 예를 들어, 지오메트리 슬라이스 헤더(27005c)는 어느 GPS(27002)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, 27005a)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, 27005c)를 포함한다.
실시예들에 따르면, 포인트 클라우드 인코딩에 필요한 파라미터들은 포인트 클라우드(point cloud)의 파라미터 세트(parameter set) 및 헤더(header) 정보로 새로 정의될 수 있다. 예를 들어, 속성정보 부호화를 할 때에는 attribute parameter set RBSP syntax에, 타일 기반 부호화를 할 때에는 tile_header syntax 등에 추가할 수 있다.
실시예들에 따르면, 도 27에 나타난 실시예들에 따른 상술한 파라미터들은 타일(tile) 단위로 또는 후술할 슬라이스 (slice) 단위로 시그널링 될 수 있다. 실시예들에 따른 상술한 파라미터들은 SPS(Sequential Parameter Set), GPS(Geometry Parameter Set), APS(Attribute Parameter Set) 또는 타일 인벤토리(Tile Inventory) 내에서 시그널링될 수 있다.
예를 들어, 실시예들에 따른 포인트 클라우드 데이터가 슬라이스(slice) 단위로 전송될 경우, 실시예들에 따른 도 27에 나타난 파라미터들은 각 슬라이스의 속성 정보에 대한 정보를 포함하는 APS(Attribute Parameter Set) 내에 포함될 수 있다.
다른 예로, 실시예들에 따른 포인트 클라우드 데이터가 슬라이스(slice) 단위로 전송될 경우, 실시예들에 따른 도 27에 나타난 파라미터들은 지오메트리 슬라이스 헤더(geometry slice header, gsh) 내에 포함될 수 있다.
예를 들어, 실시예들에 따른 포인트 클라우드 데이터가 타일(tile) 단위로 전송될 경우, 실시예들에 따른 도 27에 나타난 파라미터들은 각 슬라이스의 속성 정보에 대한 정보를 포함하는 TPS(Attribute Parameter Set) 내 (또는 타일 인벤토리) 내에 포함될 수 있다.
실시예들에 따른 SA-DCT 함수는 각 포인트 클라우드 데이터를 비트스트림으로부터 수신할 수 있다. 실시예들에 따르면, 속성정보 부호화에서 해당 방법이 적용될 경우에는, R, G, B, Reflectance 등이 될 수 있고, 기하정보 부호화를 할 때에는 x, y, z와 같은 좌표 정보가 될 수 있다.
실시예들에 따른 PCC 송수신 방법은 이러한 비트스트림 구조를 제공함으로써, 수신기로 하여금 포인트 클라우드 데이터의 속성 정보의 복호화 성능을 높일 수 있다. 또한, SA-DCT 변환을 시그널링함으로써 더욱 로버스트한 양자화를 수행할 수 있고, 이에 따라 복호화기의 출력단에서 인지적인 역변환 성능 향상을 제공할 수 있다.
도 28은 실시예들에 따른 포인트 클라우드 데이터 전송 장치가 전송하는 비트스트림 (또는 포인트 클라우드 데이터 수신 장치가 수신하는 비트스트림) 의 SPS(Sequence Parameter Set)를 나타낸다.
도 18 내지 도 27에서 설명한 시그널링 정보 및/또는 플래그들 전부 또는 일부는 도 28에서 설명 및 도시한 SPS에 포함될 수 있다.
attribute_rec_error_flag는 실시예들에 따른 속성 정보 오류 재구성 수행 여부를 나타내는 시그널링 정보이다. attribute_rec_error_flag는 플래그일 수도 있다.
attribute_rec_error_unit_size는 실시예들에 따른 속성 정보의 잔차 정보(잔차 값) 단위를 알려주기 위한 속성 정보 유닛의 크기를 나타낸다.
attribute_error_index는 실시예들에 따라 잔차 속성 정보(또는 속성 정보)가 압축된 압축 방법을 나타낸다. 예를 들어, 1=직접 코딩, 2=오류 테이블 구성(최근접 탐색 알고리즘), 3=오류 테이블 구성(MSE, Mean Square Error을 활용한 방법 등)일 수 있다.
attribute_error_index가 1이면, 직접 코딩 방법에 의해 속성 정보가 압축되었음을 나타낸다. 실시예들에 따른 직접 코딩 방법은, 일대일 대응하는 점들에 대하여 순차적으로 값을 전달하여 손실 정보만을 비트스트림에 추가시킨다.
attribute_error_index가 2이면 오류 테이블 구성하는 방법에 의해 속성 정보가 압축되었음을 나타낸다. 이 경우, 해당 파라미터로 인해 실시예들에 따른 PCC 전송 장치가 다양한 최근접 탐색 알고리즘을 활용한 최소 오류 점 탐색 등과 같은 대응 관계 형성 알고리즘으로 테이블을 구성하여 잔차 정보(잔차 값)을 전달하였음을 알 수 있다.
attribute_error_index가 3이면 오류 테이블 구성하는 방법에 의해 속성 정보가 압축되었음을 나타낸다. 이 경우, MSE(Mean Square Error)를 활용한 최소 오류 점 탐색 등과 같은 대응 관계 형성 알고리즘으로 테이블을 구성하여 잔차 정보(잔차 값)을 전달하였음을 알 수 있다. 즉, 실시예들에 오류 테이블은, 인풋 어트리뷰트(input attribute)의 속성 값과 예측된 속성 정보의 차이(예를 들어, 두 속성 정보 간의 Mean Square Error 거리)를 포함할 수 있다.
encode_direct_rec_error는 잔차값을 양자화, 대응 테이블을 구성하지 않고, 직접 값을 보내는 정보를 나타낸다. encode_direct_rec_error는 속성 재구성 오류와 오류의 대상 포인트를 나타내는 잔차 정보 테이블이 아닌 직접코딩(direct coding) 방법으로 부호화를 수행하였음을 나타낸다. 예를 들어, 특정 포인트에 대하여 encode_direct_rec_error이 1인 경우에는 실시예들에 따른 포인트 클라우드 데이터 송신 장치가 해당 포인트의 속성 재구성 오류가 아닌 해당 포인트의 실제 속성 정보를 전송하였음을 나타낸다. 따라서, encode_direct_rec_error이 1인 경우에는, 해당 포인트는 직접 코딩(direct coding)되었음을 나타낸다.
corresponded_relationship_algorithm_index는 속성 재구성 오류 압축부에서 선택된 재구성 값과 원본 값의 대응관계 형성 알고리즘의 정보를 전송하기 위해 어떤 알고리즘을 사용하였는지 알려주는 정보를 나타낸다. 즉, 실시예들에 따른 대응 관계 형성을 위한 알고리즘을 나타낸다.
attribute_residual_arithmetic_coding_index는 산술 부호화 방식들이 기존 부호화기에서 사용되는 산술 부호화 방식을 사용하지 않고, 어떤 산술 부호화 방식이 사용되었는지에 대한 정보를 나타낸다.
attribute_residual_quantization_parameter는 실시예들에 따라 잔차 속성 정보에 대하여 압축 수행 시 양자화 계수에 대한 정보를 나타낸다.
attribute_corresponded_table_arithmetic_coding_index은 속성 값 대응 테이블을 다양한 산술 부호화 방식이 사용될 수 있으며, 이때 부호화기에서 사용된 산술 부호화 방식의 정보를 나타낸다.
profile_idc 는 H.264 표준문서의 Annex A를 만족할 수 있는 비트스트림의 프로파일(profile)을 나타내는 정보를 의미할 수 있다. profile_idc의 다른 값은 ISO/IEC에 의해 추후 사용될 수 있다. (indicates a profile to which the bitstream conforms as specified in Annex A. Bitstreams shall not contain values of profile_idc other than those specified in Annex A. Other values of profile_idc are reserved for future use by ISO/IEC.)
profile_compatibility_flags 가 1이면, 해당 비트스트림이 profile_idc가 Annex A에 따라 j인 프로파일(profile)을 만족한다는 것을 나타낼 수 있다. profile_compatibility_flag[ j ]의 값은 Annex A에 따라 정의된 값이 아닌 j를 갖는 경우 0일 수 있다. (equal to 1, indicates that the bitstream conforms to the profile indicated by profile_idc equal to j as specified in Annex A. The value of profile_compatibility_flag[ j ] shall be equal to 0 for any value of j that is not specified as an allowed value of profile_idc in Annex A.)
level_idc 는 H.264 표준문서의 Annex A를 만족할 수 있는 비트스트림의 레벨을 나타낸다. 비트스트림은 H.264 표준문서의 Annex A에 정의된 정보와 다른 정보로 level_idc의 값을 가지지 않는다. Level_idc의 다른 값들은 ISO/IEC에 의해 추후를 위해 남겨둔다. (indicates a level to which the bitstream conforms as specified in Annex A. Bitstreams may not contain values of level_idc other than those specified in Annex A. Other values of level_idc are reserved for future use by ISO/IEC.)
sps_bounding_box_present_flag 는 바운딩 박스 오프셋과 사이즈 정보가 시그널링되는 경우 1일 수 있다. (equal to 1 specifies the bounding box offset and size information is signalled. sps_bounding_box_present_flag equal to 0 specifies)
sps_bounding_box_offset_x 는 직교 좌표계의 원본 바운딩 박스의 x 오프셋을 나타낸다. 해당 정보가 존재하지 않는 경우 본 파라미터의 값은 0일 수 있다. (indicates the x offset of the source bounding box in the cartesian coordinates. When not present, the value of sps_bounding_box_offset_x is inferred to be 0.)
sps_bounding_box_offset_y 는 직교 좌표계의 원본 바운딩 박스의 y 오프셋을 나타낸다. 해당 정보가 존재하지 않는 경우 본 파라미터의 값은 0일 수 있다. (indicates indicates the y offset of the source bounding box in the cartesian coordinates. When not present, the value of sps_bounding_box_offset_y is inferred to be 0.)
sps_bounding_box_offset_z 는 직교 좌표계의 원본 바운딩 박스의 z 오프셋을 나타낸다. 해당 정보가 존재하지 않는 경우 본 파라미터의 값은 0일 수 있다. (indicates indicates the z offset of the source bounding box in the Cartesian coordinates. When not present, the value of sps_bounding_box_offset_z is inferred to be 0.)
sps_bounding_box_scale_factor 는 직교 좌표계 내의 원본 바운딩 박스의 스케일 펙터를 나타낸다. 해당 정보가 존재하지 않는 경우 본 파라미터의 값은 1이거나 0일 수 있다. (indicates the scale factor the source bounding box in the Cartesian coordinates. When not present, the value of sps_bounding_box_scale_factor is inferred to be 1. Indicates. When not present, the value of sps_bounding_box_scale_factor is inferred to be 0.)
sps_bounding_box_size_width 는 직교 좌표계 내의 원본 바운딩 박스의 폭을 나타낸다. 해당 정보가 존재하지 않는 경우, sps_bounding_box_size_width의 값은 10과 같이 특정 값일 수 있다. (indicates the width of the source bounding box in the Cartesian coordinates. … When not present, the value of sps_bounding_box_size_width is inferred to be a specific value (such as 10).)
sps_bounding_box_size_height 는 직교 좌표계 내의 원본 바운딩 박스의 높이를 나타낸다. 해당 정보가 존재하지 않는 경우, sps_bounding_box_size_height의 값은 1이거나 0일 수 있다. (indicates the height of the source bounding box in the Cartesian coordinates. When not present, the value of sps_bounding_box_size_height is inferred to be 1. When not present, the value of sps_bounding_box_size_hieght is inferred to be 0.)
sps_bounding_box_size_depth 는 직교 좌표계 내의 원본 바운딩 박스의 깊이를 나타낸다. 해당 정보가 존재하지 않는 경우, sps_bounding_box_size_height의 값은 1이거나 0일 수 있다. (indicates the depth of the source bounding box in the Cartesian coordinates. When not present, the value of sps_bounding_box_size_depth is inferred to be 1. When not present, the value of sps_bounding_box_size_depth is inferred to be 0.)
sps_source_scale_factor 는 원본 포인트 클라우드의 스케일 펙터를 나타낸다. (indicates the scale factor of the source point cloud.)
sps_seq_parameter_set_id 는 다른 신텍스 엘리먼트에 의해 참조되는 SPS에 대한 id 정보를 나타난다. sps_seq_parameter_set_id는 해당 버전의 명세서 내의 조건들을 만족하는 범위 내에서 0에서 15의 값으로 정해질 수 있다. 0이 아닌 다른 정보로 sps_seq_parameter_set_id는 ISO/IEC에 의해 추후 사용될 수 있다. (provides an identifier for the SPS for reference by other syntax elements. In The value of sps_seq_parameter_set_id may be in the range of 0 to 15, inclusive in bitstreams conforming to this version of this Specification.. The value other than 0 for sps_seq_parameter_set_id is reserved for future use by ISO/IEC.)
sps_num_attribute_sets 는 비트스트림 내의 코딩된 속성의 수를 나타낸다. sps_seq_parameter_set_id 는 0에서 64의 범위를 가질 수 있다. (indicates the number of coded attributes in the bitstream. The value of sps_num_attribute_sets may be in the range of 0 to 64.)
attribute_dimension[ i ] 는 i번째 속성의 컴포넌트들의 수를 나타낸다. (specifies the number of components of the i-th attribute.)
attribute_instance_id[ i ] 는 속성 인스턴스 id를 나타낸다. (specifies attribute instance id.)
attribute_bitdepth[ i ] 는 i번째 속성 신호(들)의 비트뎁스(bitdepth) 정보를 나타낸다. (specifies the bitdepth of the i-th attribute signal(s).)
attribute_cicp_colour_primaries[ i ] 는 컬러 속성 소스 프라이머리들의 색도를 나타낸다. (indicates the chromaticity coordinates of the colour attribute source primaries.)
attribute_cicp_transfer_characteristics[ i ] 는 원본 입력 리니어 시각적 강도(input linear optical intensity)인 Lc와 0에서 1 사이의 명목 실제-값으로 구성된, 컬러 속성의 참조 광전자적 전달 특성 함수를 나타낸다. 또는 본 파라미터는 출력 리니어 시각적 강도(output linear optical intensity)인 Lo와 0에서 1의 범위를 가지는 명목 실제-값으로 구성된, 참조 광전자적 전달 특성 함수의 역을 나타낼 수 있다. (either indicates the reference opto-electronic transfer characteristic function of the colour attribute as a function of a source input linear optical intensity Lc with a nominal real-valued range of 0 to 1 or indicates the inverse of the reference electro-optical transfer characteristic function as a function of an output linear optical intensity Lo with a nominal real-valued range of 0 to 1. )
attribute_cicp_matrix_coeffs[ i ] 는 녹색, 청색 및 적색 (또는 Y, Z, X의 삼원색)의 루마(luma)와 채도(chroma) 신호들 행렬 계수를 나타낸다. (describes the matrix coefficients used in deriving luma and chroma signals from the green, blue, and red, or Y, Z, and X primaries.)
attribute_cicp_video_full_range_flag[ i ] 는 E'Y, E'PB 및 E'PR 또는 E'R, E'G 및 E'B 실제-값 컴포넌트 신호들로부터 도출되는 블랙 레벨과 루마 및 채도 신호의 범위를 나타낸다. (specifies indicates the black level and range of the luma and chroma signals as derived from E′Y, E′PB, and E′PR or E′R, E′G, and E′B real-valued component signals.)
known_attribute_label_flag[ i ] 가 1인 경우 i번째 속성에 대하여 know_attribute_label이 시그널링됨을 나타낸다. 해당 파라미터가 0인 경우 attribute_label_four_bytes가 i번째 속성에 대하여 시그널링됨을 나타낸다. (equal to 1 specifies know_attribute_label is signalled for the i-th attribute. known_attribute_label_flag[ i ] equal to 0 specifies attribute_label_four_bytes is signalled for the i-th attribute. )
known_attribute_label[ i ] 가 0인 경우 속성이 컬러임을 나타낸다. 해당 파라미터가 1인 경우 속성은 반사율임을 나타낸다. 해당 파라미터가 2인 경우 속성은 프레임 인덱스임을 나타낸다. (equal to 0 specifies the attribute is colour. known_attribute_label[ i ] equal to 1 specifies the attribute is reflectance. known_attribute_label[ i ] equal to 2 specifies the attribute is farme index.)
attribute_label_four_bytes[ i ] specifies …
sps_extension_present_flag 이 1인 경우 sps_extension_data가 SPS RBSP 신텍스 구조 내에 존재함을 나타낸다. 해당 파라미터가 0인 경우, 해당 신텍스 구조가 존재하지 않음을 나타낸다. 존재하지 않는 경우, sps_extension_present_flag의 값이 0일 수 있다. (equal to 1 specifies that the sps_extension_data syntax structure is present in the SPS RBSP syntax structure. sps_extension_present_flag equal to 0 specifies that this syntax structure is not present. When not present, the value of sps_extension_present_flag is inferred to be equal to 0.)
sps_extension_data_flag 는 어느 값이나 가질 수 있다. 해당 파라미터의 존재는 디코더의 해당 표준문서의 Annex A에 제시된 프로파일의 동작에 영향을 주지 않는다. (may have any value. Its presence and value do not affect decoder conformance to profiles specified in Annex A Decoders conforming to a profile specified in Annex A.)
도 29는 실시예들에 따른 포인트 클라우드 데이터 전송 장치가 전송하는 비트스트림 (또는 포인트 클라우드 데이터 수신 장치가 수신하는 비트스트림) 의 TPS(Tile Parameter Set)를 나타낸다.
실시예들에 따르면, corresponded_relationship_algorithm_index, attribute_residual_arithmetic_coding_index, attribute_residual_quantization_parameter, attribute_corresponded_table_arithmetic_coding_index는 도 28에서 설명한 각각의 파라미터를 의미할 수 있다.
num_tiles 는 해당 비트스트림 내에 존재하는 타일들의 개수를 나타낸다. (Represents the number of tiles signalled for the bitstream). 만약 해당 비트스트림 내에 존재하는 타일이 없으면, num_tiles는 0으로 시그널링될 수 있다. (When not present, num_tiles is inferred to be 0)
tile_bounding_box_offset_x[ i ] 는 직교 좌표계 내의 i-번째 타일의 x 오프셋을 나타낸다 (indicates the x offset of the i-th tile in the cartesian coordinates). 만약 해당 x 오프셋이 존재하지 않으면, tile_bounding_box_offset_x[ 0 ]의 값이 sps_bounding_box_offset_x일 수 있다. (When not present, the value of tile_bounding_box_offset_x[ 0 ] is inferred to be sps_bounding_box_offset_x.)
tile_bounding_box_offset_y[ i ] 는 직교 좌표계 내의 i-번째 타일의 y 오프셋을 나타낸다 (indicates the y offset of the i-th tile in the cartesian coordinates). 만약 해당 y 오프셋이 존재하지 않으면, tile_bounding_box_offset_y[ 0 ]의 값이 sps_bounding_box_offset_y일 수 있다.. (When not present, the value of tile_bounding_box_offset_y[ 0 ] is inferred to be sps_bounding_box_offset_y.)
tile_bounding_box_offset_z[ i ] 는 직교 좌표계 내의 i-번째 타일의 z 오프셋을 나타낸다. (indicates indicates the z offset of the i-th tile in the Cartesian coordinates.) 만약 해당 z 오프셋이 존재하지 않으면, tile_bounding_box_offset_z[ 0 ]의 값이 sps_bounding_box_offset_z일 수 있다. (When not present, the value of tile_bounding_box_offset_z[ 0 ] is inferred to be sps_bounding_box_offset_z.)
tile_bounding_box_scale_factor[ i ] 는 직교 좌표계 내의 i-번째 타일과 관련된 스케일 펙터(scale factor)를 나타낸다. (indicates the scale factor the i-th tile in the Cartesian coordinates.) 만약 해당 스케일 펙터가 존재하지 않으면, tile_bounding_box_scale_factor[ 0 ]이 sps_bounding_box_scale_factor일 수 있다. (When not present, the value of tile_bounding_box_scale_factor[ 0 ] is inferred to be sps_bounding_box_scale_factor.)
tile_bounding_box_size_width[ i ] 는 직교 좌표계 내의 i-번째 타일의 폭(width)를 나타낸다. (indicates the width of the i-th tile in the Cartesian coordinates.) 만약 폭 값이 존재하지 않는 경우, tile_bounding_box_size_width[ 0 ] 은 sps_bounding_box_size_width일 수 있다. (When not present, the value of tile_bounding_box_size_width[ 0 ] is inferred to be sps_bounding_box_size_width.)
tile_bounding_box_size_height[ i ] 는 직교 좌표계 내의 i-번째 타일의 높이(height)를 나타낸다. (indicates the height of the i-th tile in the Cartesian coordinates.) 만약 높이 값이 존재하지 않는 경우, tile_bounding_box_size_height[ 0 ] 은 sps_bounding_box_size_height일 수 있다. (When not present, the value of tile_bounding_box_size_height[ 0 ] is inferred to be sps_bounding_box_size_height.)
tile_bounding_box_size_depth[ i ] 는 직교 좌표계 내의 i-번째 타일의 뎁스(depth)를 나타낸다. (indicates the depth of the i-th tile in the Cartesian coordinates.) 만약 높이 값이 존재하지 않는 경우, tile_bounding_box_size_depth[ 0 ] 은 sps_bounding_box_size_depth 일 수 있다. (When not present, the value of tile_bounding_box_size_depth[ 0 ] is inferred to be sps_bounding_box_size_depth.)
도 30은 실시예들에 따른 포인트 클라우드 데이터 전송 장치가 전송하는 비트스트림 (또는 포인트 클라우드 데이터 수신 장치가 수신하는 비트스트림) 의 APS(Attribute Parameter Set)를 나타낸다.
실시예들에 따르면, corresponded_relationship_algorithm_index, attribute_residual_arithmetic_coding_index, attribute_residual_quantization_parameter, attribute_corresponded_table_arithmetic_coding_index는 도 28에서 설명한 각각의 파라미터를 의미할 수 있다.
aps_attr_parameter_set_id 는 다른 신텍스 엘리먼트들에 따른 참조에 대한 APS에 대한 식별자를 나타낼 수 있다. aps_attr_parameter_set_id 의 값은 0 내지 15의 값을 가질 수 있다. (represents an identifier for the APS for reference by other syntax elements. The value of aps_attr_parameter_set_id may be in the range of 0 to 15, inclusive.)
aps_seq_parameter_set_id 는 액티브 SPS(active SPS)에 대한 sps_seq_parameter_set_id 의 값을 나타낼 수 있다. (specifies the value of sps_seq_parameter_set_id for the active SPS. The value of aps_seq_parameter_set_id shall be in the range of 0 to 15, inclusive.)
attr_coding_type 는 attr_coding_type 의 주어진 값에 대한 어트리뷰트에 대한 코딩 타입(coding type)을 나타낼 수 있다. 해당 명세서의 버전에 부합하는 비트스트림들은 attr_coding_type의 값이 0, 1, 2일 수 있다. 다른 attr_coding_type의 값들은 ISO/IEC에 의해 추후 사용될 수 있을 수 있다. 해당 문서의 이 버전에 부합하는 디코더들은 상술한 attr_coding_type의 나머지 값들을 무시할 수 있다. (indicates that the coding type for the attribute for the given value of attr_coding_type. The value of attr_coding_type may be equal to 0, 1, or 2 in bitstreams conforming to this version of this Specification. Other values of attr_coding_type are reserved for future use by ISO/IEC. Decoders conforming to this version of this Specification may ignore reserved values of attr_coding_type.) 해당 값이 0이면, 프리딕팅 웨이트 리프팅(predicting weight lifting), 1이면 리전 어댑티브 히어라키얼 변환(RAHT 변환), 2이면 픽스트 웨이트 리프팅(fixed weight lifting)을 의미할 수 있다. (0 = Predicting weight lifting, 1 = Region Adaptive Hierarchical Transferm (RAHT), 2= Fixed weight lifting)
num_pred_nearest_neighbours 는 니어리스트 네이버(nearest neighbours)의 최대 개수에 관한 정보일 수 있다. numberOfNearestNeighboursInPrediction의 값의 범위는 1부터 xx일 수 있다. (specifies the maximum number of nearest neighbours to be used for prediction. The value of numberOfNearestNeighboursInPrediction may be in the range of 1 to xx.)
max_num_direct_predictors 는 다이렉트 예측(direct prediction)을 위해 사용되는 프리딕터의 개수를 나타낼 수 있는 정보이다. max_num_direct_predictors의 값은 0부터 num_pred_nearest_neighbours일 수 있다. 디코딩 동작에서 사용되는 변수 MaxNumPredictors의 값은 다음과 같이 나타낼 수 있다. (specifies the maximum number of predictor to be used for direct prediction. The value of max_num_direct_predictors may be range of 0 to num_pred_nearest_neighbours. The value of the variable MaxNumPredictors that is used in the decoding process as follows: )
MaxNumPredictors = max_num_direct_predicots + 1
lifting_search_range 는 리프팅(lifting)을 위한 탐색 범위(search range)를 의미할 수 있다. (specifies search range for the lifting.)
lifting_quant_step_size 는 어트리뷰트의 첫 번째 컴포넌트를 위한 양자화 단계(quantization step)을 나타낼 수 있다. lifting_quant_step_size의 값은 1부터 xx까지의 범위일 수 있다. (specifies the quantization step size for the 1st component of the attribute. The value of quant_step_size may be in the range of 1 to xx.)
lifting_quant_step_size_chroma 는 어트리뷰트가 색(colour)이라면, 어트리뷰터의 크로마 컴포넌트를 위한 양자화 동작 사이즈(quantization step size)를 나타낼 수 있다. lifting_quant_step_size_chroma는 1부터 xx의 범위를 가질 수 있다. (specifies the quantization step size for the chroma component of the attribute when the attribute is colour. The value of quant_step_size_chroma may be in the range of 1 to xx.)
lod_binary_tree_enabled_flag 는 log 제너레이션에 대해 이진 트리가 적용될지 말지를 나타낼 수 있다. (specifies whether binary tree is enable or not for the log generation.)
num_detail_levels_minus1 는 어트리뷰트 부호화(어트리뷰트 코딩)을 위한 레벨 오브 디테일의 수를 나타낸다. num_detail_levels_minus1의 값은 0에서 xx의 범위를 가질 수 있다. (specifies the number of levels of detail for the attribute coding. The value of num_detail_levels_minus1 may be in the range of 0 to xx.)
sampling_distance_squared [ idx ] 는 idx에 대한 샘플링 거리(sampling distance)의 제곱을 나타낼 수 있다. sampling_distance_squared는 0에서 xx의 범위를 가질 수 있다. (specifies the square of the sampling distance for idx. The value of sampling_distance_squared[] shall be in the range of 0 to xx.)
adaptive_prediction_threshold 는 예측(프리딕션)의 스레숄드 값을 나타낼 수 있다. (specifies the threshold of prediction.)
raht_depth 는 RAHT에 대한 레벨 오브 디테일의 수를 의미할 수 있다. depthRAHT의 값은 1부터 xx까지일 수 있다. (specifies the number of levels of detail for RAHT. The value of depthRAHT may be in the range of 1 to xx.)
raht_binarylevel_threshold 는 RAHT 계수를 컷 아웃하기 위한 레벨 오브 디테일을 의미할 수 있다. binaryLevelThresholdRAHT의 값은 0부터 xx까지일 수 있다. (specifies the levels of detail to cut out the RAHT coefficient. The value of binaryLevelThresholdRAHT shall be in the range of 0 to xx.)
raht_quant_step_size 는 어트리뷰트의 첫 번째 컴포넌트에 대한 양자화 동작 크기를 나타낼 수 있다. quant_step_size는 1부터 xx의 범위를 가질 수 있다. (specifies the quantization step size for the 1st component of the attribute. The value of quant_step_size shall be in the range of 1 to xx.)
aps_extension_present_flag 가 1이면, 이것은 APS RBSP 신텍스 스트럭처 내에 aps_extension_data 신텍스 스트럭처가 존재함을 나타낸 것이다. aps_extension_present_flag가 0이면, 이것은 상술한 이 신텍스 스트럭처가 존재하지 않음을 나타낸 것이다. 존재하지 않는다면, aps_extension_present_flag의 값은 0일 수 있다. (equal to 1 specifies that the aps_extension_data syntax structure is present in the APS RBSP syntax structure. aps_extension_present_flag equal to 0 specifies that this syntax structure is not present. When not present, the value of aps_ extension_present_flag is inferred to be equal to 0.)
aps_extension_data_flag 는 아무런 값을 가질 수 있다. 이것의 존부 및 값은 Annex A에 따른 프로파일들의 디코더 성능에 영향을 주지 않을 수 있다. (may have any value. Its presence and value do not affect decoder conformance to profiles specified in Annex A. Decoders conforming to a profile specified in Annex A.)
도 31은 실시예들에 따른 포인트 클라우드 데이터 전송 장치가 전송하는 비트스트림 (또는 포인트 클라우드 데이터 수신 장치가 수신하는 비트스트림) 의 Attr의 어트리뷰트 슬라이스 헤더(Attribute Slice Header)를 나타낸다.
실시예들에 따르면, corresponded_relationship_algorithm_index, attribute_residual_arithmetic_coding_index, attribute_residual_quantization_parameter, attribute_corresponded_table_arithmetic_coding_index는 도 28에서 설명한 각각의 파라미터를 의미할 수 있다.
abh_attr_parameter_set_id 는 액티브 APS(active APS)의 id 값을 나타낸다. (specifies the value of the aps_attr_parameter_set_id of the active APS)
abh_attr_sps_attr_idx 는 액티브 SPS 내의 속성 세트를 나타낸다. abh_attr_sps_attr_idx의 값은 0부터 액티브 SPS(active SPS) 내의 sps_num_attribute_sets을 범위로 가질 수 있다. (specifies the attribute set in the active SPS. The value of abh_attr_sps_attr_idx shall be in the range of 0 to sps_num_attribute_sets in the active SPS.)
abh_attr_geom_slice_id 는 geom 슬라이스 id의 값을 나타낸다. (specifies the value of geom slice id.)
실시예들에 따른 포인트 클라우드 데이터 송신 방법은, 포인트 클라우드 데이터를 인코딩하는 단계 및/또는 포인트 클라우드 데이터 및 시그널링 정보를 포함하는 비트스트림을 전송하는 단계를 포함할 수 있다.
실시예들에 따른 시그널링 정보는 변환된 어트리뷰트 정보를 재구성하여 오류를 압축하는 단계를 수행할지 여부를 나타내는 정보를 포함할 수 있다. 실시예들에 따른 대응 관계는 직접 코딩 방법, 최근접 탐색 알고리즘을 이용한 오류 테이블을 구성하는 방법 및 MSE(Mean Square Error)를 이용한 최소 오류 점 탐색 알고리즘을 이용한 오류 테이블을 구성하는 방법 중 적어도 하나에 의해 결정될 수 있다. 또한 실시예들에 따른 시그널링 정보는 대응 관계를 결정하는 방법이 수행되는지 여부와 관련된 정보를 더 포함할 수 있다. 실시예들에 따른 시그널링 정보는 어트리뷰트 재구성 오류를 압축하는 단계와 관련된 정보를 더 포함할 수 있다. 즉, 실시예들에 오류 테이블은, 인풋 어트리뷰트(input attribute)의 속성 값과 예측된 속성 정보의 차이(예를 들어, 두 속성 정보 간의 Mean Square Error 거리)를 포함할 수 있다.
실시예들에 따르면, 가중치 기반 몰톤 코드 생성 방법을 이용한 부호화 방법, 복호화 방법, 시그널링 방법은 부호화기 및 복호화기 측면에서 축 기반 적응형 몰톤 코드는 가까운 이웃 노드의 탐색을 통해 압축률 증가, 화질 성능 증가를 지원할 수 있다. 압축률을 높이기 위한 많은 기술과 더해져 계산 방식의 변경으로 압축률을 높일 수 있다.
도 32는 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(32001) 및/또는 인코딩된 포인트 클라우드 데이터 및 시그널링 정보를 포함하는 비트스트림을 전송하는 단계 (32002)를 포함할 수 있다.
32001 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. 실시예들에 따르면, 36001 단계는, 도 1에서 설명한 포인트 클라우드 인코더(10002)의 동작, 도 2에서 설명한 인코딩(20001), 도 4 내지 도 9에서 설명한 동작들, 도 12에서 설명한 동작들 전부 또는 일부, 도 14 내지 도 15에서 설명한 포인트 클라우드 인코딩 동작들 및 도 18 내지 도 23에서 설명한 동작들 일부 또는 전부를 수행할 수 있다.
32001 단계는, 포인트 클라우드 데이터의 포인트들의 위치 정보에 기반한 기하 정보를 인코딩하는 단계, 재구성된 기하정보에 기초하여 포인트 클라우드 데이터의 포인트들의 속성 정보를 인코딩하는 단계 및 인코딩된 속성 정보를 오류 압축하는 단계를 포함할 수 있다. 기하 정보를 인코딩하는 단계는 재구성된 기하 정보를 생성할 수 있다.
32001 단계에서, 오류 압축하는 단계는, 인코딩된 속성 정보를 재구성하는 단계, 재구성된 속성 정보에 기초하여 속성 재구성 오류를 압축할지 여부를 결정하는 단계, 속성 재구성 오류를 압축하는 경우 재구성된 속성 정보와 포인트 클라우드 데이터의 포인트들의 속성 정보의 대응 관계를 결정함으로써 속성 재구성 오류를 생성하는 단계 및 속성 재구성 오류를 압축하는 단계를 포함할 수 있다. 이 때, 속성 재구성 오류는 재구성된 속성 정보와 포인트 클라우드 데이터의 포인트들의 속성 정보의 잔차를 나타낼 수 있다.
또한, 실시예들에 따르면 32001 단계에서, 포인트 클라우드 데이터 송신 방법은, 속성 재구성 오류를 압축하는 단계를 수행하기 위한 속성 정보의 수행 단위를 결정하는 단계를 더 포함할 수 있고, 속성 재구성 오류를 압축하는 단계는, 속성 정보의 수행 단위에 포함된 속성 정보의 속성 재구성 오류를 압축할 수 있다. 실시예들에 따르면, 속성 정보의 수행 단위는 하나 또는 그 이상의 속성 정보를 포함하는 하나 또는 그 이상의 3차원 블록일 수 있다. 또한 실시예들에 따르면, 시그널링 정보는 속성 정보의 수행 단위에 관한 정보를 포함할 수 있다.
또한 실시예들에 따르면, 시그널링 정보는, 변환된 속성 정보를 재구성하여 오류를 압축하는 단계를 수행할지 여부를 나타내는 정보를 포함할 수 있다.
또한 실시예들에 따르면, 대응 관계는 직접 코딩 방법, 최근접 탐색 알고리즘을 이용한 오류 테이블을 구성하는 방법 및 MSE(Mean Square Error)를 이용한 최소 오류 점 탐색 알고리즘을 이용한 오류 테이블을 구성하는 방법 중 적어도 하나에 의해 결정될 수 있다. 시그널링 정보는 대응 관계를 결정하는 방법이 수행되는지 여부와 관련된 정보를 더 포함할 수 있다. 여기서, 실시예들에 따른 시그널링 정보는 잔차 정보를 압축하는 단계와 관련된 정보를 더 포함할 수 있다. 또한, 실시예들에 오류 테이블은, 인풋 어트리뷰트(input attribute)의 속성 값과 예측된 속성 정보의 차이(예를 들어, 두 속성 정보 간의 Mean Square Error 거리)를 포함할 수 있다.
32002 단계와 관련하여, 실시예들에 따른 포인트 클라우드 데이터 전송 장치는 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송할 수 있다. 32002 단계에 따른 동작은 도 1에서 설명한 실시예들에 따른 PCC 전송 장치의 트랜스미터가 수행할 수 있다. 32002 단계에 따른 동작은 도 2에서 설명한 실시예들에 따른 PCC 전송 방법의 전송 과정(20002)에 대응될 수 있다. 32002단계는 예를 들어 도 1에서 설명한 트랜스미터(10003), 도 2에서 설명한 전송(20002), 도 12에서 설명한 전송 처리부(12012) 및/또는 도 14 내지 도 15에서 설명한 딜리버리(Delivery)에 따른 동작들 일부 또는 전부를 수행할 수 있다. 실시예들에 따르면, 32002 단계는 예를 들어 도 30에서 설명한 비트스트림 구조에 따른 비트스트림을 전송할 수 있다. 또한, 예를 들어 실시예들에 따른 32002 단계는 도 27 내지 도 31에서 설명한 바에 따른 비트스트림을 전송할 수 있다.
도 33은 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(33000), 수신한 포인트 클라우드 데이터를 디코딩하는 단계(33001) 및/또는 디코딩된 포인트 클라우드 데이터를 렌더링하는 단계(33002)를 포함할 수 있다.
33000단계와 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 27 내지 도 31에서 설명한 신텍스(syntax)에 의해 수신될 수 있다. S3700 단계에 해당하는 동작은 도 1의 PCC 수신 장치의 리시버(Receiver, 10007)에서 수행될 수 있다.
33001 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 27 내지 도 29에서 설명한 포인트 클라우드 디코더 또는 속성 정보 부호화부를 포함할 수 있다. 33001단계에 해당하는 동작은 도 1의 PCC 수신 장치의 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder, 10006)에서 수행될 수 있다. 33001단계에 해당하는 동작은 도 2의 PCC 수신 방법의 디코딩(20003)에서 수행될 수 있다.
33001 단계에서 실시예들에 따르면, 포인트 클라우드 데이터를 디코딩하는 단계는, 비트스트림의 지오메트리 비트스트림으로부터 기하 정보를 재구성하는 단계, 비트스트림의 속성 비트스트림을 복호화하는 단계, 재구성된 기하 정보에 기초하여, 포인트들의 속성 정보를 역변환하는 단계 및 잔차 정보에 기초하여 역변환된 포인트들의 속성 정보를 재구성하는 단계를 포함할 수 있다. 여기서, 복호화하는 단계는 포인트 클라우드 데이터의 포인트들의 속성 정보 및 잔차 정보를 생성할 수 있다.
33001에서 실시예들에 따르면, 시그널링 정보는 속성 정보를 재구성할지 여부를 나타내는 제 1 정보를 포함할 수 있다. 역변환된 포인트들의 속성 정보를 재구성하는 단계는, 제 1 정보에 대응하여 역변환된 포인트들의 속성 정보에 잔차 정보를 가감함으로써 재구성된 속성 정보를 생성할 수 있다.
실시예들에 따르면, 시그널링 정보는, 속성 재구성 오류를 압축할지 여부를 나타내는 정보를 포함할 수 있다.
실시예들에 따르면, 대응 관계는 직접 코딩 방법, 최근접 탐색 알고리즘을 이용한 오류 테이블을 구성하는 방법 및 MSE(Mean Square Error)를 이용한 최소 오류 점 탐색 알고리즘을 이용한 오류 테이블을 구성하는 방법 중 적어도 하나에 의해 결정될 수 있다. 실시예들에 따르면, 시그널링 정보는 대응 관계를 결정하는 방법이 수행되는지 여부와 관련된 정보를 더 포함할 수 있다. 실시예들에 따르면, 시그널링 정보는 잔차 정보를 압축하는 단계와 관련된 정보를 더 포함할 수 있다. 예를 들어, 실시예들에 오류 테이블은, 인풋 어트리뷰트(input attribute)의 속성 값과 예측된 속성 정보의 차이(예를 들어, 두 속성 정보 간의 Mean Square Error 거리)를 포함할 수 있다.
33002단계와 관련하여, 실시예들에 따른 포인트 클라우드 데이터 수신 장치는 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다. 33002단계에 따른 동작은 도 1의 PCC 수신 장치의 렌더러(Renderer, 10005)에서 수행될 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, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 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.
본 명세서에서 장치 및 방법 발명이 모두 언급되고, 장치 및 방법 발명 모두의 설명은 서로 보완하여 적용될 수 있다. 예를 들어, 본 명세서에서 설명한 포인트 클라우드 데이터 전송 방법은 실시예들에 따른 포인트 클라우드 데이터 전송 장치 또는 포인트 클라우드 데이터 전송 장치에 포함된 구성요소들에 의해 수행될 수 있다. 또한 본 명세서에서 설명한 포인트 클라우드 데이터 수신 방법은 실시예들에 따른 포인트 클라우드 데이터 수신 장치 또는 포인트 클라우드 데이터 수신 장치에 포함된 구성요소들에 의해 수행될 수 있다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 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. 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.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사욛외는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 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 발명의 사상이나 범위를 벗어나지 않고 본 발명에서 다양한 변경 및 변형이 가능함은 당업자에게 자명하다. 따라서, 본 발명은 첨부된 청구항 및 그 동등 범위 내에서 제공되는 본 발명의 변경 및 변형을 포함하는 것으로 의도된다.

Claims (20)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터 및 시그널링 정보를 포함하는 비트스트림을 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  2. 제 1 항에 있어서, 상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 포인트들의 위치 정보에 기반한 지오메트리 정보를 인코딩하는 단계;
    상기 지오메트리 정보를 재구성하는 단계;
    상기 재구성된 지오메트리 정보에 기초하여 상기 포인트 클라우드 데이터의 포인트들의 어트리뷰트 정보를 인코딩하는 단계; 및
    상기 인코딩된 어트리뷰트 정보를 오류 압축하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  3. 제 2 항에 있어서, 상기 오류 압축하는 단계는,
    상기 인코딩된 어트리뷰트 정보를 재구성하는 단계;
    상기 재구성된 어트리뷰트 정보에 기초하여 어트리뷰트 재구성 오류를 압축할지 여부를 결정하는 단계, 상기 어트리뷰트 재구성 오류는 상기 재구성된 어트리뷰트 정보와 상기 포인트 클라우드 데이터의 포인트들의 어트리뷰트 정보의 잔차를 나타냄;
    상기 어트리뷰트 재구성 오류를 압축하는 경우, 상기 재구성된 어트리뷰트 정보와 상기 포인트 클라우드 데이터의 포인트들의 어트리뷰트 정보의 대응 관계에 기초하여 상기 어트리뷰트 재구성 오류를 생성하는 단계; 및
    상기 어트리뷰트 재구성 오류를 압축하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  4. 제 3 항에 있어서,
    상기 포인트 클라우드 데이터 송신 방법은, 상기 어트리뷰트 재구성 오류를 압축하는 단계를 수행하기 위한 어트리뷰트 정보의 수행 단위를 결정하는 단계를 더 포함하고,
    상기 어트리뷰트 재구성 오류를 압축하는 단계는, 상기 어트리뷰트 정보의 수행 단위에 포함된 어트리뷰트 정보의 어트리뷰트 재구성 오류를 압축하는 단계이고,
    상기 어트리뷰트 정보의 수행 단위는 타일(tile)이고,
    상기 시그널링 정보는 상기 어트리뷰트 정보의 수행 단위에 관한 정보를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  5. 제 2 항에 있어서, 상기 시그널링 정보는,
    상기 변환된 어트리뷰트 정보를 재구성하여 오류를 압축하는 단계를 수행할지 여부를 나타내는 정보를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  6. 제 3 항에 있어서,
    상기 대응 관계는 직접 코딩 MSE(Mean Square Error)방법, 최근접 탐색 알고리즘을 이용한 오류 테이블을 구성하는 방법 및 를 이용한 최소 오류 점 탐색 알고리즘을 이용한 오류 테이블을 구성하는 방법 중 적어도 하나에 의해 결정되고,
    상기 시그널링 정보는 상기 대응 관계를 결정하는 방법이 수행되는지 여부와 관련된 정보를 더 포함하고,
    상기 시그널링 정보는 상기 어트리뷰트 재구성 오류를 압축하는 단계와 관련된 정보를 더 포함하는,
    포인트 클라우드 데이터 송신 방법.
  7. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터 및 시그널링 정보를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  8. 제 7 항에 있어서, 상기 포인트 클라우드 데이터를 인코딩하는 인코더는,
    상기 포인트 클라우드 데이터의 포인트들의 위치 정보에 기반한 지오메트리 정보를 인코딩하는 지오메트리 부호화부;
    상기 지오메트리 정보를 재구성하는 지오메트리 재구성부;
    상기 재구성된 지오메트리 정보에 기초하여 상기 포인트 클라우드 데이터의 포인트들의 어트리뷰트 정보를 인코딩하는 어트리뷰트 부호화부; 및
    상기 인코딩된 어트리뷰트 정보를 오류 압축하는 오류 압축부; 를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  9. 제 8 항에 있어서, 상기 오류 압축부는,
    상기 인코딩된 어트리뷰트 정보를 재구성하는 어트리뷰트 재구성부;
    상기 재구성된 어트리뷰트 정보에 기초하여 어트리뷰트 재구성 오류를 압축할지 여부를 결정하는 오류 압축 확인부, 상기 어트리뷰트 재구성 오류는 상기 재구성된 어트리뷰트 정보와 상기 포인트 클라우드 데이터의 포인트들의 어트리뷰트 정보의 잔차를 나타냄;
    상기 어트리뷰트 재구성 오류 압축이 적용되는 경우, 상기 재구성된 어트리뷰트 정보와 상기 포인트 클라우드 데이터의 포인트들의 어트리뷰트 정보의 대응 관계에 기초하여 상기 어트리뷰트 재구성 오류를 생성하는 어트리뷰트 재구성 오류 생성부; 및
    상기 어트리뷰트 재구성 오류를 압축하는 잔차 압축부; 를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  10. 제 9 항에 있어서,
    상기 포인트 클라우드 데이터 송신 장치는, 상기 변환된 어트리뷰트 정보를 재구성하여 오류를 압축하기 위한 어트리뷰트 정보의 수행 단위를 결정하고,
    상기 어트리뷰트 재구성 오류 압축부는, 상기 어트리뷰트 정보의 수행 단위에 포함된 어트리뷰트 정보의 어트리뷰트 재구성 오류를 압축하고,
    상기 어트리뷰트 정보의 수행 단위는 타일(tile)이고,
    상기 시그널링 정보는 상기 어트리뷰트 정보의 수행 단위에 관한 정보를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  11. 제 8 항에 있어서, 상기 시그널링 정보는,
    상기 변환된 어트리뷰트 정보를 재구성하여 오류를 압축할지 여부를 나타내는 정보를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  12. 제 9 항에 있어서,
    상기 대응 관계는 직접 코딩 방법, 최근접 탐색 알고리즘을 이용한 오류 테이블을 구성하는 방법 및 MSE(Mean Square Error)를 이용한 최소 오류 점 탐색 알고리즘을 이용한 오류 테이블을 구성하는 방법 중 적어도 하나에 의해 결정되고,
    상기 시그널링 정보는 상기 대응 관계를 결정하는 방법이 수행되는지 여부와 관련된 정보를 더 포함하고,
    상기 시그널링 정보는 상기 어트리뷰트 재구성 오류를 압축하는 단계와 관련된 정보를 더 포함하는,
    포인트 클라우드 데이터 송신 장치.
  13. 포인트 클라우드 데이터 및 시그널링 정보를 포함하는 비트스트림을 수신하는 단계;
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 및
    상기 포인트 클라우드 데이터를 렌더링하는 단계; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  14. 제 13항에 있어서, 상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 비트스트림의 지오메트리 비트스트림으로부터 지오메트리 정보를 재구성하는 단계;
    상기 비트스트림의 어트리뷰트 비트스트림을 복호화하는 단계, 상기 복호화하는 단계는 상기 포인트 클라우드 데이터의 포인트들의 어트리뷰트 정보 및 잔차 정보를 생성함;
    상기 재구성된 지오메트리 정보에 기초하여, 상기 포인트들의 어트리뷰트 정보를 역변환하는 단계; 및
    상기 잔차 정보에 기초하여 상기 역변환된 포인트들의 어트리뷰트 정보를 재구성하는 단계; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  15. 제 14항에 있어서,
    상기 시그널링 정보는 상기 어트리뷰트 정보를 재구성할지 여부를 나타내는 제 1 정보를 포함하고,
    상기 역변환된 포인트들의 어트리뷰트 정보를 재구성하는 단계는, 상기 제 1 정보에 대응하여 상기 역변환된 포인트들의 어트리뷰트 정보에 상기 잔차 정보를 가감함으로써 재구성된 어트리뷰트 정보를 생성하는 단계인,
    포인트 클라우드 데이터 수신 방법.
  16. 제 15항에 있어서,
    상기 시그널링 정보는 상기 잔차 정보와 상기 역변환된 포인트들의 어트리뷰트 정보의 대응 관계와 관련된 제 2 정보 및 상기 잔차 정보의 압축 방법과 관련된 제 3 정보를 더포함하고,
    상기 역변환된 포인트들의 어트리뷰트 정보를 재구성하는 단계는, 상기 제 2 정보에 기초하여 상기 역변환된 포인트들의 어트리뷰트 정보에 상기 잔차 정보를 가감하고,
    상기 역변환된 포인트들의 어트리뷰트 정보를 재구성하는 단계는, 상기 제 3 정보에 기초하여 상기 가감된 어트리뷰트 정보를 복호화함으로써 재구성하는,
    포인트 클라우드 데이터 수신 방법.
  17. 포인트 클라우드 데이터 및 시그널링 정보를 포함하는 비트스트림을 수신하는 수신부;
    상기 포인트 클라우드 데이터를 디코딩하는 디코더; 및
    상기 포인트 클라우드 데이터를 렌더링하는 렌더러; 를 포함하는,
    포인트 클라우드 데이터 수신 장치.
  18. 제 17항에 있어서, 상기 포인트 클라우드 데이터를 디코딩하는 디코더는,
    상기 비트스트림의 지오메트리 비트스트림으로부터 지오메트리 정보를 재구성하는 지오메트리 재구성부;
    상기 비트스트림의 어트리뷰트 비트스트림을 복호화하는 어트리뷰트 복호화부, 어트리뷰트 복호화부는 상기 포인트 클라우드 데이터의 포인트들의 어트리뷰트 정보 및 잔차 정보를 생성함;
    상기 재구성된 지오메트리 정보에 기초하여, 상기 포인트들의 어트리뷰트 정보를 역변환하는 역변환 처리부; 및
    상기 잔차 정보에 기초하여 상기 역변환된 포인트들의 어트리뷰트 정보를 재구성하는 어트리뷰트 재구성부; 를 포함하는,
    포인트 클라우드 데이터 수신 장치.
  19. 제 18항에 있어서,
    상기 시그널링 정보는 상기 어트리뷰트 정보를 재구성할지 여부를 나타내는 제 1 정보를 포함하고,
    상기 어트리뷰트 재구성부는, 상기 제 1 정보에 대응하여 상기 역변환된 포인트들의 어트리뷰트 정보에 상기 잔차 정보를 가감함으로써 재구성된 어트리뷰트 정보를 생성하는,
    포인트 클라우드 데이터 수신 장치.
  20. 제 19항에 있어서,
    상기 시그널링 정보는 상기 잔차 정보와 상기 역변환된 포인트들의 어트리뷰트 정보의 대응 관계와 관련된 제 2 정보 및 상기 잔차 정보의 압축 방법과 관련된 제 3 정보를 더포함하고,
    상기 어트리뷰트 재구성부는, 상기 제 2 정보에 기초하여 상기 역변환된 포인트들의 어트리뷰트 정보에 상기 잔차 정보를 가감하고,
    상기 어트리뷰트 재구성부는, 상기 제 3 정보에 기초하여 상기 가감된 어트리뷰트 정보를 복호화함으로써 재구성하는,
    포인트 클라우드 데이터 수신 장치.
PCT/KR2020/002724 2019-06-04 2020-02-26 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2020246690A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/610,635 US20220239946A1 (en) 2019-06-04 2020-02-26 Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201962857243P 2019-06-04 2019-06-04
US62/857,243 2019-06-04

Publications (1)

Publication Number Publication Date
WO2020246690A1 true WO2020246690A1 (ko) 2020-12-10

Family

ID=73652457

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/002724 WO2020246690A1 (ko) 2019-06-04 2020-02-26 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (2)

Country Link
US (1) US20220239946A1 (ko)
WO (1) WO2020246690A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023202136A1 (zh) * 2022-04-22 2023-10-26 上海禾赛科技有限公司 用于激光雷达的数据处理方法、数据处理装置及激光雷达系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022119303A1 (ko) * 2020-12-01 2022-06-09 현대자동차주식회사 매핑 함수를 이용하는 포인트 클라우드 코딩 장치 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170347100A1 (en) * 2016-05-28 2017-11-30 Microsoft Technology Licensing, Llc Region-adaptive hierarchical transform and entropy coding for point cloud compression, and corresponding decompression
US20190081638A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Hierarchical point cloud compression
US20190108654A1 (en) * 2017-10-06 2019-04-11 Interdigital Vc Holdings, Inc. Method and apparatus for encoding a point cloud representing three-dimensional objects
US20190116372A1 (en) * 2017-10-16 2019-04-18 Mitsubishi Electric Research Laboratories, Inc. Systems and Methods for Compressing, Representing and Processing Point Clouds
KR20190053129A (ko) * 2017-11-09 2019-05-17 삼성전자주식회사 비-직교 투영을 이용한 포인트 클라우드 압축을 위한 장치 및 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11259048B2 (en) * 2019-01-09 2022-02-22 Samsung Electronics Co., Ltd. Adaptive selection of occupancy map precision

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170347100A1 (en) * 2016-05-28 2017-11-30 Microsoft Technology Licensing, Llc Region-adaptive hierarchical transform and entropy coding for point cloud compression, and corresponding decompression
US20190081638A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Hierarchical point cloud compression
US20190108654A1 (en) * 2017-10-06 2019-04-11 Interdigital Vc Holdings, Inc. Method and apparatus for encoding a point cloud representing three-dimensional objects
US20190116372A1 (en) * 2017-10-16 2019-04-18 Mitsubishi Electric Research Laboratories, Inc. Systems and Methods for Compressing, Representing and Processing Point Clouds
KR20190053129A (ko) * 2017-11-09 2019-05-17 삼성전자주식회사 비-직교 투영을 이용한 포인트 클라우드 압축을 위한 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023202136A1 (zh) * 2022-04-22 2023-10-26 上海禾赛科技有限公司 用于激光雷达的数据处理方法、数据处理装置及激光雷达系统

Also Published As

Publication number Publication date
US20220239946A1 (en) 2022-07-28

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
WO2021066615A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
WO2021025251A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021187839A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2020242244A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2021002604A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021060850A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 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
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045601A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020262831A1 (ko) 포인트 클라우드 데이터 처리 장치 및 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
WO2021210743A1 (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
WO2021002594A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021029511A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022035256A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022015006A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002636A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141218A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022050650A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020189876A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 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: 20818481

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: 20818481

Country of ref document: EP

Kind code of ref document: A1