WO2020256308A1 - 포인트 클라우드 데이터 처리 장치 및 방법 - Google Patents

포인트 클라우드 데이터 처리 장치 및 방법 Download PDF

Info

Publication number
WO2020256308A1
WO2020256308A1 PCT/KR2020/006959 KR2020006959W WO2020256308A1 WO 2020256308 A1 WO2020256308 A1 WO 2020256308A1 KR 2020006959 W KR2020006959 W KR 2020006959W WO 2020256308 A1 WO2020256308 A1 WO 2020256308A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
information
attribute
octree
cloud data
Prior art date
Application number
PCT/KR2020/006959
Other languages
English (en)
French (fr)
Inventor
오현묵
오세진
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to EP20827770.7A priority Critical patent/EP3979205A4/en
Priority to CN202080044643.XA priority patent/CN114009046A/zh
Priority to US17/621,463 priority patent/US12010341B2/en
Publication of WO2020256308A1 publication Critical patent/WO2020256308A1/ko
Priority to US18/658,345 priority patent/US20240298029A1/en

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
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/50—Lighting effects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/005—Tree description, e.g. octree, quadtree
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • 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
    • H04N19/124—Quantisation
    • 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
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/167—Position within a video image, e.g. region of interest [ROI]
    • 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
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • 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
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • 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
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/96—Tree coding, e.g. quad-tree coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/56—Particle system, point based geometry or rendering

Definitions

  • Embodiments provide Point Cloud content to provide users with various services such as VR (Virtual Reality, Virtual Reality), AR (Augmented Reality, Augmented Reality), MR (Mixed Reality, Mixed Reality), and autonomous driving service.
  • VR Virtual Reality, Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality, Mixed Reality
  • autonomous driving service Provide a solution.
  • the point cloud content is content expressed as a point cloud, which is a set of points (points) belonging to a coordinate system representing a three-dimensional space.
  • Point cloud content can express media consisting of three dimensions, and provides various services such as VR (Virtual Reality, Virtual Reality), AR (Augmented Reality, Augmented Reality), MR (Mixed Reality, Mixed Reality), and autonomous driving services. Used to provide. However, tens of thousands to hundreds of thousands of point data are required to represent point cloud content. Therefore, a method for efficiently processing a vast amount of point data is required.
  • Embodiments provide an apparatus and method for efficiently processing point cloud data.
  • Embodiments provide a point cloud data processing method and apparatus for solving latency and encoding/decoding complexity.
  • the point cloud data processing method includes encoding point cloud data including geometry information and attribute information, and transmitting a bitstream including the encoded point cloud data. Includes steps.
  • Geometry information is information indicating positions of points of point cloud data
  • attribute information is information indicating attributes of points of the point cloud data.
  • the point cloud data processing apparatus includes an encoder for encoding point cloud data including geometry information and attribute information, and a transmission unit for transmitting a bitstream including the encoded point cloud data.
  • Geometry information is information indicating positions of points of point cloud data
  • attribute information is information indicating attributes of points of the point cloud data.
  • the point cloud data processing method includes receiving a bitstream including point cloud data and decoding the point cloud data.
  • Point cloud data includes geometry information and attribute information.
  • Geometry information is information indicating positions of points of point cloud data
  • attribute information is information indicating attributes of points of the point cloud data.
  • a point cloud data processing apparatus includes a receiver for receiving a bitstream including point cloud data and a decoder for decoding point cloud data.
  • Point cloud data includes geometry information and attribute information.
  • Geometry information is information indicating positions of points of point cloud data
  • attribute information is information indicating attributes of points of the point cloud data.
  • the apparatus and method according to the embodiments may process point cloud data with high efficiency.
  • the apparatus and method according to the embodiments may provide a point cloud service of high quality.
  • the apparatus and method according to the embodiments may provide point cloud content for providing general-purpose services such as VR services and autonomous driving services.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • FIG. 5 shows an example of a voxel according to embodiments.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • FIG 13 is an example of a reception device according to embodiments.
  • FIG. 14 illustrates an architecture for G-PCC-based point cloud content streaming according to embodiments.
  • 15 shows an example of a transmission device according to embodiments.
  • FIG. 16 shows an example of a reception device according to embodiments.
  • FIG. 17 shows an example of a structure capable of interworking with a method/device for transmitting and receiving point cloud data according to embodiments.
  • FIG. 19 illustrates an example of point cloud data based on a colored octree according to embodiments.
  • 21 is an example of a flow chart of attribute coding according to embodiments.
  • 25 is an example of syntax for APS according to embodiments.
  • 26 is an example of syntax for an attribute slice bitstream according to embodiments.
  • FIG. 27 is a block diagram illustrating an encoding operation of a point cloud encoder.
  • 28 is a block diagram showing a decoding operation of a point cloud decoder.
  • 29 shows details of geometry and attributes according to scalable decoding according to embodiments.
  • FIG. 30 is an example of a flow diagram of a method for processing point cloud data according to embodiments.
  • 31 is an example of a flow diagram of a method for processing point cloud data according to embodiments.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system illustrated in FIG. 1 may include a transmission device 10000 and a reception device 10004.
  • the transmission device 10000 and the reception device 10004 are capable of wired or wireless communication to transmit and receive point cloud data.
  • the transmission device 10000 may secure, process, and transmit point cloud video (or point cloud content).
  • the transmission device 10000 is a fixed station, a base transceiver system (BTS), a network, an artificial intelligence (AI) device and/or system, a robot, an AR/VR/XR device and/or server. And the like.
  • the transmission device 10000 uses a radio access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to communicate with a base station and/or other wireless devices, Robots, vehicles, AR/VR/XR devices, portable devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, etc. may be included.
  • 5G NR New RAT
  • LTE Long Term Evolution
  • the transmission device 10000 includes a point cloud video acquisition unit (Point Cloud Video Acquisition, 10001), a point cloud video encoder (Point Cloud Video Encoder, 10002) and/or a transmitter (Transmitter (or Communication module), 10003). Include)
  • the point cloud video acquisition unit 10001 acquires a point cloud video through a process such as capture, synthesis, or generation.
  • the point cloud video is point cloud content expressed as a point cloud, which is a set of points located in a three-dimensional space, and may be referred to as point cloud video data.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Accordingly, the point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, a frame, and a picture.
  • the point cloud video encoder 10002 encodes the secured point cloud video data.
  • the point cloud video encoder 10002 may encode point cloud video data based on Point Cloud Compression coding.
  • Point cloud compression coding may include Geometry-based Point Cloud Compression (G-PCC) coding and/or Video based Point Cloud Compression (V-PCC) coding or next-generation coding.
  • G-PCC Geometry-based Point Cloud Compression
  • V-PCC Video based Point Cloud Compression
  • point cloud compression coding according to the embodiments is not limited to the above-described embodiments.
  • the point cloud video encoder 10002 may output a bitstream including encoded point cloud video data.
  • the bitstream may include not only the encoded point cloud video data, but also signaling information related to encoding of the point cloud video data.
  • the transmitter 10003 transmits a bitstream including encoded point cloud video data.
  • the bitstream according to the embodiments is encapsulated into a file or segment (for example, a streaming segment) and transmitted through various networks such as a broadcasting network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or an encapsulation module) that performs an encapsulation operation.
  • the encapsulation unit may be included in the transmitter 10003.
  • a file or segment may be transmitted to the receiving device 10004 through a network or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmitter 10003 may perform wired/wireless communication with the reception device 10004 (or a receiver 10005) through a network such as 4G, 5G, or 6G.
  • the transmitter 10003 may perform necessary data processing operations according to a network system (for example, a communication network system such as 4G, 5G, or 6G).
  • the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • the reception device 10004 includes a receiver 10005, a point cloud video decoder 10006, and/or a renderer 10007.
  • the receiving device 10004 uses a wireless access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to communicate with a base station and/or other wireless devices, a robot , Vehicles, AR/VR/XR devices, portable devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like.
  • 5G NR New RAT
  • LTE Long Term Evolution
  • the receiver 10005 receives a bitstream including point cloud video data or a file/segment in which the bitstream is encapsulated from a network or a storage medium.
  • the receiver 10005 may perform necessary data processing operations according to a network system (for example, a communication network system such as 4G, 5G, or 6G).
  • the receiver 10005 may decapsulate the received file/segment and output a bitstream.
  • the receiver 10005 may include a decapsulation unit (or a decapsulation module) for performing a decapsulation operation.
  • the decapsulation unit may be implemented as an element (or component) separate from the receiver 10005.
  • the point cloud video decoder 10006 decodes a bitstream including point cloud video data.
  • the point cloud video decoder 10006 may decode the point cloud video data according to the encoding method (for example, a reverse process of the operation of the point cloud video encoder 10002). Accordingly, the point cloud video decoder 10006 may decode the point cloud video data by performing point cloud decompression coding, which is a reverse process of the point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • the renderer 10007 renders the decoded point cloud video data.
  • the renderer 10007 may output point cloud content by rendering audio data as well as point cloud video data.
  • the renderer 10007 may include a display for displaying point cloud content.
  • the display is not included in the renderer 10007 and may be implemented as a separate device or component.
  • the feedback information is information for reflecting an interaction ratio with a user who consumes point cloud content, and includes user information (eg, head orientation information, viewport information, etc.).
  • user information eg, head orientation information, viewport information, etc.
  • the feedback information is the content sending side (for example, the transmission device 10000) and/or a service provider.
  • the feedback information may be used not only in the transmitting device 10000 but also in the receiving device 10004, and may not be provided.
  • Head orientation information is information on a position, direction, angle, and movement of a user's head.
  • the receiving device 10004 may calculate viewport information based on the head orientation information.
  • the viewport information is information on the area of the point cloud video that the user is viewing.
  • a viewpoint is a point at which the user is watching a point cloud video, and may mean a center point of a viewport area. That is, the viewport is an area centered on a viewpoint, and the size and shape of the area may be determined by a field of view (FOV).
  • FOV field of view
  • the receiving device 10004 may extract viewport information based on a vertical or horizontal FOV supported by the device in addition to the head orientation information.
  • the receiving device 10004 performs a gaze analysis and the like to check the point cloud consumption method of the user, the point cloud video area that the user gazes, and the gaze time.
  • the receiving device 10004 may transmit feedback information including the result of gaze analysis to the transmitting device 10000.
  • Feedback information may be obtained during rendering and/or display.
  • Feedback information may be secured by one or more sensors included in the receiving device 10004.
  • the feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • a dotted line in FIG. 1 shows a process of transmitting feedback information secured by the renderer 10007.
  • the point cloud content providing system may process (encode/decode) point cloud data based on feedback information.
  • the point cloud video data decoder 10006 may perform a decoding operation based on the feedback information.
  • the receiving device 10004 may transmit feedback information to the transmitting device 10000.
  • the transmission device 10000 (or the point cloud video data encoder 10002) may perform an encoding operation based on feedback information. Therefore, the point cloud content providing system does not process (encode/decode) all point cloud data, but efficiently processes necessary data (e.g., point cloud data corresponding to the user's head position) based on feedback information. Point cloud content can be provided to users.
  • the transmission device 10000 may be referred to as an encoder, a transmission device, a transmitter, and the like
  • the reception device 10004 may be referred to as a decoder, a reception device, a receiver, or the like.
  • Point cloud data (processed in a series of acquisition/encoding/transmission/decoding/rendering) processed in the point cloud content providing system of FIG. 1 according to embodiments may be referred to as point cloud content data or point cloud video data.
  • the point cloud content data may be used as a concept including metadata or signaling information related to the point cloud data.
  • Elements of the point cloud content providing system shown in FIG. 1 may be implemented by hardware, software, processor, and/or a combination thereof.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • the block diagram of FIG. 2 shows the operation of the point cloud content providing system described in FIG. 1.
  • the point cloud content providing system may process point cloud data based on point cloud compression coding (eg, G-PCC).
  • point cloud compression coding eg, G-PCC
  • a point cloud content providing system may acquire a point cloud video (20000).
  • the point cloud video is expressed as a point cloud belonging to a coordinate system representing a three-dimensional space.
  • a point cloud video may include a Ply (Polygon File format or the Stanford Triangle format) file.
  • Ply files contain point cloud data such as the geometry and/or attributes of the point.
  • the geometry includes the positions of the points.
  • the position of each point may be expressed by parameters (eg, values of each of the X-axis, Y-axis, and Z-axis) representing a three-dimensional coordinate system (eg, a coordinate system composed of XYZ axes).
  • Attributes include attributes of points (eg, texture information of each point, color (YCbCr or RGB), reflectance (r), transparency, etc.).
  • a point has one or more attributes (or attributes).
  • one point may have an attribute of one color, or two attributes of a color and reflectance.
  • geometry may be referred to as positions, geometry information, geometry data, and the like, and attributes may be referred to as attributes, attribute information, attribute data, and the like.
  • the point cloud content providing system (for example, the point cloud transmission device 10000 or the point cloud video acquisition unit 10001) provides points from information related to the acquisition process of the point cloud video (eg, depth information, color information, etc.). Cloud data can be secured.
  • the point cloud content providing system may encode point cloud data (20001).
  • the point cloud content providing system may encode point cloud data based on point cloud compression coding.
  • the point cloud data may include the geometry and attributes of the point.
  • the point cloud content providing system may output a geometry bitstream by performing geometry encoding for encoding geometry.
  • the point cloud content providing system may output an attribute bitstream by performing attribute encoding for encoding the attribute.
  • the point cloud content providing system may perform attribute encoding based on geometry encoding.
  • the geometry bitstream and the attribute bitstream according to the embodiments may be multiplexed and output as one bitstream.
  • the bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • the point cloud content providing system may transmit encoded point cloud data (20002).
  • the encoded point cloud data may be expressed as a geometry bitstream and an attribute bitstream.
  • the encoded point cloud data may be transmitted in the form of a bitstream together with signaling information related to encoding of the point cloud data (eg, signaling information related to geometry encoding and attribute encoding).
  • the point cloud content providing system may encapsulate the bitstream for transmitting the encoded point cloud data and transmit it in the form of a file or segment.
  • the point cloud content providing system may receive a bitstream including encoded point cloud data.
  • the point cloud content providing system may demultiplex the bitstream.
  • the point cloud content providing system can decode the encoded point cloud data (e.g., geometry bitstream, attribute bitstream) transmitted as a bitstream. have.
  • the point cloud content providing system (for example, the receiving device 10004 or the point cloud video decoder 10005) can decode the point cloud video data based on signaling information related to encoding of the point cloud video data included in the bitstream. have.
  • the point cloud content providing system (for example, the receiving device 10004 or the point cloud video decoder 10005) may restore positions (geometry) of points by decoding a geometry bitstream.
  • the point cloud content providing system may restore the attributes of points by decoding an attribute bitstream based on the restored geometry.
  • the point cloud content providing system (for example, the receiving device 10004 or the point cloud video decoder 10005) may restore the point cloud video based on the decoded attributes and positions according to the restored geometry.
  • the point cloud content providing system may render the decoded point cloud data (20004 ).
  • the point cloud content providing system may render geometry and attributes decoded through a decoding process according to a rendering method according to various rendering methods. Points of the point cloud content may be rendered as a vertex having a certain thickness, a cube having a specific minimum size centered on the vertex position, or a circle centered on the vertex position. All or part of the rendered point cloud content is provided to the user through a display (eg VR/AR display, general display, etc.).
  • a display eg VR/AR display, general display, etc.
  • the point cloud content providing system may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode point cloud data based on feedback information. Since the operation of the system for providing feedback information and point cloud content according to the embodiments is the same as the feedback information and operation described in FIG. 1, a detailed description will be omitted.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIGS. 1 to 2 shows an example of a point cloud video capture process in the point cloud content providing system described in FIGS. 1 to 2.
  • the point cloud content is an object located in various three-dimensional spaces (for example, a three-dimensional space representing a real environment, a three-dimensional space representing a virtual environment, etc.) and/or a point cloud video (images and/or Videos). Therefore, the point cloud content providing system according to the embodiments includes one or more cameras (eg, an infrared camera capable of securing depth information, color information corresponding to the depth information) to generate the point cloud content. You can capture a point cloud video using an RGB camera that can extract the image), a projector (for example, an infrared pattern projector to secure depth information), and LiDAR.
  • cameras eg, an infrared camera capable of securing depth information, color information corresponding to the depth information
  • a projector for example, an infrared pattern projector to secure depth information
  • LiDAR LiDAR
  • the point cloud content providing system may obtain point cloud data by extracting a shape of a geometry composed of points in a 3D space from depth information, and extracting an attribute of each point from color information.
  • An image and/or an image according to the embodiments may be captured based on at least one or more of an inward-facing method and an outward-facing method.
  • the left side of Fig. 3 shows an inword-facing scheme.
  • the inword-facing method refers to a method in which one or more cameras (or camera sensors) located surrounding a central object capture a central object.
  • the in-word-facing method provides point cloud content that provides users with 360-degree images of key objects (e.g., provides users with 360-degree images of objects (e.g., key objects such as characters, players, objects, actors, etc.) VR/AR content).
  • the outward-facing method refers to a method in which one or more cameras (or camera sensors) located surrounding the central object capture the environment of the central object other than the central object.
  • the outward-pacing method may be used to generate point cloud content (for example, content representing an external environment that may be provided to a user of a self-driving vehicle) to provide an environment that appears from a user's point of view.
  • the point cloud content may be generated based on the capture operation of one or more cameras.
  • the point cloud content providing system may calibrate one or more cameras to set a global coordinate system before the capture operation.
  • the point cloud content providing system may generate point cloud content by synthesizing an image and/or image captured by the above-described capture method with an arbitrary image and/or image.
  • the point cloud content providing system may not perform the capture operation described in FIG. 3 when generating point cloud content representing a virtual space.
  • the point cloud content providing system may perform post-processing on the captured image and/or image. In other words, the point cloud content providing system removes an unwanted area (e.g., background), recognizes the space where captured images and/or images are connected, and performs an operation to fill in a spatial hole if there is. I can.
  • the point cloud content providing system may generate one point cloud content by performing coordinate system transformation on points of the point cloud video acquired from each camera.
  • the point cloud content providing system may perform a coordinate system transformation of points based on the position coordinates of each camera. Accordingly, the point cloud content providing system may generate content representing a wide range, or may generate point cloud content having a high density of points.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • the point cloud encoder uses point cloud data (for example, positions and/or positions of points) to adjust the quality of the point cloud content (for example, lossless-lossless, loss-lossy, near-lossless) according to network conditions or applications. Attributes) and perform an encoding operation.
  • point cloud data for example, positions and/or positions of points
  • the quality of the point cloud content for example, lossless-lossless, loss-lossy, near-lossless
  • Attributes perform an encoding operation.
  • the point cloud content providing system may not be able to stream the content in real time. Therefore, the point cloud content providing system can reconstruct the point cloud content based on the maximum target bitrate in order to provide it according to the network environment.
  • the point cloud encoder may perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • Point cloud encoders include a coordinate system transform unit (Transformation Coordinates, 40000), a quantization unit (Quantize and Remove Points (Voxelize), 40001), an octree analysis unit (Analyze Octree, 40002), and a surface aproximation analysis unit ( Analyze Surface Approximation, 40003), Arithmetic Encode (40004), Reconstruct Geometry (40005), Transform Colors (40006), Transfer Attributes (40007), RAHT Transformation A unit 40008, an LOD generation unit (Generated LOD) 40009, a lifting transform unit (Lifting) 40010, a coefficient quantization unit (Quantize Coefficients, 40011), and/or an Arithmetic Encode (40012).
  • a coordinate system transform unit Transformation Coordinates, 40000
  • a quantization unit Quantization and Remove Points (Voxelize)
  • An octree analysis unit Analyze Octree, 40002
  • the coordinate system transform unit 40000, the quantization unit 40001, the octree analysis unit 40002, the surface aproximation analysis unit 40003, the arithmetic encoder 40004, and the geometry reconstruction unit 40005 perform geometry encoding. can do.
  • Geometry encoding according to embodiments may include octree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisoup geometry encoding are applied selectively or in combination. Also, geometry encoding is not limited to the above example.
  • the coordinate system conversion unit 40000 receives positions and converts them into a coordinate system.
  • positions may be converted into position information in a three-dimensional space (eg, a three-dimensional space represented by an XYZ coordinate system).
  • the location information of the 3D space according to embodiments may be referred to as geometry information.
  • the quantization unit 40001 quantizes geometry. For example, the quantization unit 40001 may quantize points based on the minimum position values of all points (eg, minimum values on each axis with respect to the X-axis, Y-axis, and Z-axis). The quantization unit 40001 multiplies the difference between the minimum position value and the position value of each point by a preset quantum scale value, and then performs a quantization operation to find the nearest integer value by performing a rounding or a rounding. Thus, one or more points may have the same quantized position (or position value). The quantization unit 40001 according to embodiments performs voxelization based on the quantized positions to reconstruct the quantized points.
  • the quantization unit 40001 performs voxelization based on the quantized positions to reconstruct the quantized points.
  • the minimum unit including the 2D image/video information is a pixel, and points of the point cloud content (or 3D point cloud video) according to the embodiments may be included in one or more voxels.
  • Voxel is a combination of volume and pixel
  • the quantization unit 40001 may match groups of points in a 3D space with voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • a position of a center point (ceter) of a corresponding voxel may be set based on positions of one or more points included in one voxel.
  • attributes of all positions included in one voxel may be combined and assigned to a corresponding voxel.
  • the octree analysis unit 40002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure represents points matched to voxels based on an octal tree structure.
  • the surface aproxiation analysis unit 40003 may analyze and approximate the octree.
  • the octree analysis and approximation according to the embodiments is a process of analyzing to voxelize a region including a plurality of points in order to efficiently provide octree and voxelization.
  • the arithmetic encoder 40004 entropy encodes the octree and/or the approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • a geometry bitstream is generated.
  • Color conversion unit 40006, attribute conversion unit 40007, RAHT conversion unit 40008, LOD generation unit 40009, lifting conversion unit 40010, coefficient quantization unit 40011 and/or Arismatic encoder 40012 Performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is applied equally to attributes of one point. However, when one attribute (eg, color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding includes color transform coding, attribute transform coding, Region Adaptive Hierarchial Transform (RAHT) coding, Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding, and interpolation-based hierarchical nearest -Neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • RAHT Region Adaptive Hierarchial Transform
  • Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding
  • interpolation-based hierarchical nearest -Neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • the aforementioned RAHT coding, predictive transform coding, and lifting transform coding may be selectively used, or a combination of one or more codings may be used.
  • attribute encoding according to embodiments is not limited to the above-de
  • the color conversion unit 40006 performs color conversion coding for converting color values (or textures) included in attributes.
  • the color conversion unit 40006 may convert the format of color information (eg, convert from RGB to YCbCr).
  • the operation of the color conversion unit 40006 according to the embodiments may be selectively applied according to color values included in attributes.
  • the geometry reconstruction unit 40005 reconstructs (decompresses) an octree and/or an approximated octree.
  • the geometry reconstruction unit 40005 reconstructs an octree/voxel based on a result of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as reconstructed geometry (or reconstructed geometry).
  • the attribute conversion unit 40007 performs attribute conversion for converting attributes based on the reconstructed geometry and/or positions for which geometry encoding has not been performed. As described above, since attributes are dependent on geometry, the attribute conversion unit 40007 may transform the attributes based on the reconstructed geometry information. For example, the attribute conversion unit 40007 may convert an attribute of the point of the position based on the position value of the point included in the voxel. As described above, when a position of a center point of a corresponding voxel is set based on positions of one or more points included in one voxel, the attribute conversion unit 40007 converts attributes of one or more points. When tri-soup geometry encoding is performed, the attribute conversion unit 40007 may convert attributes based on trisoup geometry encoding.
  • the attribute conversion unit 40007 is an average value of attributes or attribute values (for example, the color of each point or reflectance) of points neighboring within a specific position/radius from the position (or position value) of the center point of each voxel. Attribute conversion can be performed by calculating.
  • the attribute conversion unit 40007 may apply a weight according to a distance from a central point to each point when calculating an average value. Thus, each voxel has a position and a calculated attribute (or attribute value).
  • the attribute conversion unit 40007 may search for neighboring points existing within a specific position/radius from the position of the center point of each voxel based on a K-D tree or a Molton code.
  • the K-D tree is a binary search tree and supports a data structure that can manage points based on location so that the Nearest Neighbor Search (NNS) can be quickly performed.
  • the Molton code represents a coordinate value (for example, (x, y, z)) representing a three-dimensional position of all points as a bit value, and is generated by mixing the bits. For example, if the coordinate value indicating the position of the point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute conversion unit 40007 may sort points based on a Morton code value and perform a shortest neighbor search (NNS) through a depth-first traversal process. After the attribute transformation operation, when the shortest neighbor search (NNS) is required in another transformation process for attribute coding, a K-D tree or a Molton code is used.
  • NSS shortest neighbor search
  • the converted attributes are input to the RAHT conversion unit 40008 and/or the LOD generation unit 40009.
  • the RAHT conversion unit 40008 performs RAHT coding for predicting attribute information based on the reconstructed geometry information. For example, the RAHT conversion unit 40008 may predict attribute information of a node at a higher level of the octree based on attribute information associated with a node at a lower level of the octree.
  • the LOD generation unit 40009 generates a level of detail (LOD) to perform predictive transform coding.
  • LOD level of detail
  • the LOD according to the embodiments is a degree representing the detail of the point cloud content, and a smaller LOD value indicates that the detail of the point cloud content decreases, and a larger LOD value indicates that the detail of the point cloud content is high. Points can be classified according to LOD.
  • the lifting transform unit 40010 performs lifting transform coding that transforms attributes of a point cloud based on weights. As described above, the lifting transform coding can be selectively applied.
  • the coefficient quantization unit 40011 quantizes attribute-coded attributes based on coefficients.
  • Arismatic encoder 40012 encodes quantized attributes based on Arismatic coding.
  • the elements of the point cloud encoder of FIG. 4 are not shown in the drawing, but hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing apparatus. , Software, firmware, or a combination thereof.
  • One or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud encoder of FIG. 4 described above. Further, one or more processors may operate or execute a set of software programs and/or instructions for performing operations and/or functions of the elements of the point cloud encoder of FIG. 4.
  • One or more memories according to embodiments may include high speed random access memory, and nonvolatile memory (e.g., one or more magnetic disk storage devices, flash memory devices, or other nonvolatile solid state Memory devices (solid-state memory devices, etc.).
  • FIG. 5 shows an example of a voxel according to embodiments.
  • voxels located in a three-dimensional space represented by a coordinate system composed of three axes of the X-axis, Y-axis, and Z-axis.
  • a point cloud encoder eg, quantization unit 40001, etc.
  • FIG. 5 is an octree structure recursively subdividing a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ) Shows an example of a voxel generated through.
  • One voxel includes at least one or more points.
  • the voxel can estimate spatial coordinates from the positional relationship with the voxel group.
  • the voxel has attributes (such as color or reflectance) like pixels of a 2D image/video.
  • a detailed description of the voxel is the same as that described with reference to FIG. 4 and thus is omitted.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • a point cloud content providing system (point cloud video encoder 10002) or a point cloud encoder (for example, octree analysis unit 40002) efficiently manages the area and/or position of the voxel.
  • octree geometry coding (or octree coding) based on an octree structure is performed.
  • FIG. 6 shows an octree structure.
  • the three-dimensional space of the point cloud content according to the embodiments is represented by axes of a coordinate system (eg, X-axis, Y-axis, Z-axis).
  • the octree structure is created by recursive subdividing of a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ). . 2d may be set to a value constituting the smallest bounding box surrounding all points of the point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the d value is determined according to the following equation. In the following equation, (x int n , y int n , z int n ) represents positions (or position values) of quantized points.
  • the entire 3D space may be divided into eight spaces according to the division.
  • Each divided space is represented by a cube with 6 faces.
  • each of the eight spaces is divided again based on the axes of the coordinate system (eg, X axis, Y axis, Z axis).
  • axes of the coordinate system e.g, X axis, Y axis, Z axis.
  • each space is further divided into eight smaller spaces.
  • the divided small space is also represented as a cube with 6 faces. This division method is applied until a leaf node of an octree becomes a voxel.
  • the lower part of FIG. 6 shows the octree's ocupancy code.
  • the octree's ocupancy code is generated to indicate whether each of the eight divided spaces generated by dividing one space includes at least one point. Therefore, one Okufanshi code is represented by 8 child nodes. Each child node represents the occupancy of the divided space, and the child node has a value of 1 bit. Therefore, the Ocufanshi code is expressed as an 8-bit code. That is, if at least one point is included in the space corresponding to the child node, the node has a value of 1. If the point is not included in the space corresponding to the child node (empty), the node has a value of 0. Since the ocupancy code shown in FIG.
  • the point cloud encoder (for example, the Arismatic encoder 40004) according to embodiments may entropy encode an ocupancy code. In addition, in order to increase the compression efficiency, the point cloud encoder can intra/inter code the ocupancy code.
  • the reception device (for example, the reception device 10004 or the point cloud video decoder 10006) according to the embodiments reconstructs an octree based on an ocupancy code.
  • a point cloud encoder may perform voxelization and octree coding to store positions of points.
  • points in the 3D space are not always evenly distributed, there may be a specific area where there are not many points. Therefore, it is inefficient to perform voxelization over the entire 3D space. For example, if there are almost no points in a specific area, it is not necessary to perform voxelization to the corresponding area.
  • the point cloud encoder does not perform voxelization for the above-described specific region (or nodes other than the leaf nodes of the octree), but directly codes the positions of points included in the specific region. ) Can be performed. Coordinates of a direct coding point according to embodiments are referred to as a direct coding mode (DCM).
  • the point cloud encoder according to embodiments may perform trisoup geometry encoding in which positions of points within a specific region (or node) are reconstructed based on voxels based on a surface model. Trisoup geometry encoding is a geometry encoding that expresses the representation of an object as a series of triangle meshes.
  • Direct coding and trisoup geometry encoding may be selectively performed.
  • direct coding and trisoup geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use direct mode to apply direct coding must be activated, and the node to which direct coding is applied is not a leaf node, but below the threshold within a specific node. There must be points of. In addition, the number of all points subject to direct coding must not exceed a preset limit.
  • the point cloud encoder (or the arithmetic encoder 40004) according to the embodiments may entropy-code the positions (or position values) of the points.
  • the point cloud encoder determines a specific level of the octree (if the level is less than the depth d of the octree), and from that level, the node Trisoup geometry encoding that reconstructs the position of a point in the region based on voxels can be performed (tri-soup mode).
  • a point cloud encoder may designate a level to which trisoup geometry encoding is applied. For example, if the specified level is equal to the depth of the octree, the point cloud encoder does not operate in the try-soup mode.
  • the point cloud encoder may operate in the try-soup mode only when the specified level is less than the depth value of the octree.
  • a three-dimensional cube area of nodes of a designated level according to the embodiments is referred to as a block.
  • One block may include one or more voxels.
  • the block or voxel may correspond to a brick.
  • the geometry is represented by a surface.
  • the surface according to embodiments may intersect each edge (edge) of the block at most once.
  • one block has 12 edges, there are at least 12 intersection points within one block. Each intersection is called a vertex (vertex, or vertex).
  • a vertex existing along an edge is detected when there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An occupied voxel refers to a voxel including a point. The position of the vertex detected along the edge is the average position along the edge of all voxels among all blocks sharing the edge.
  • the point cloud encoder When a vertex is detected, the point cloud encoder according to the embodiments entropycodes the starting point (x, y, z) of the edge, the direction vector of the edge ( ⁇ x, ⁇ y, ⁇ z), and vertex position values (relative position values within the edge). I can.
  • the point cloud encoder e.g., the geometry reconstruction unit 40005
  • the point cloud encoder performs a triangle reconstruction, up-sampling, and voxelization process. By doing so, you can create reconstructed geometry (reconstructed geometry).
  • the vertices located at the edge of the block determine the surface that passes through the block.
  • the surface according to the embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by a triangle based on the starting point of the edge, the direction vector of the edge, and the position value of the vertex.
  • the triangle reconstruction process is as follows. 1 Calculate the centroid value of each vertex, 2 calculate the squared values of the values subtracted from each vertex value by subtracting the center value, and calculate the sum of all the values.
  • each vertex is projected on the x-axis based on the center of the block, and projected on the (y, z) plane.
  • the projected value on the (y, z) plane is (ai, bi)
  • ⁇ is obtained through atan2(bi, ai)
  • vertices are aligned based on the ⁇ value.
  • the table below shows a combination of vertices for generating a triangle according to the number of vertices. Vertices are ordered from 1 to n.
  • the table below shows that for four vertices, two triangles may be formed according to a combination of vertices.
  • the first triangle may be composed of 1st, 2nd, and 3rd vertices among the aligned vertices
  • the second triangle may be composed of 3rd, 4th and 1st vertices among the aligned vertices. .
  • the upsampling process is performed to voxelize by adding points in the middle along the edge of the triangle. Additional points are created based on the upsampling factor and the width of the block. The additional point is called a refined vertice.
  • the point cloud encoder may voxelize refined vertices. In addition, the point cloud encoder may perform attribute encoding based on the voxelized position (or position value).
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • the point cloud encoder may perform entropy coding based on context adaptive arithmetic coding.
  • a point cloud content providing system or a point cloud encoder directly converts the Ocufanshi code.
  • Entropy coding is possible.
  • the point cloud content providing system or point cloud encoder performs entropy encoding (intra encoding) based on the ocupancy code of the current node and the ocupancy of neighboring nodes, or entropy encoding (inter encoding) based on the ocupancy code of the previous frame. ) Can be performed.
  • a frame according to embodiments means a set of point cloud videos generated at the same time.
  • the compression efficiency of intra-encoding/inter-encoding may vary depending on the number of referenced neighbor nodes. The larger the bit, the more complicated it is, but it can be skewed to one side, increasing compression efficiency. For example, if you have a 3-bit context, you have to code in 8 ways. The divided coding part affects the complexity of the implementation. Therefore, it is necessary to match the appropriate level of compression efficiency and complexity.
  • a point cloud encoder determines occupancy of neighboring nodes of each node of an octree and obtains a value of a neighbor pattern.
  • the neighboring node pattern is used to infer the occupancy pattern of the corresponding node.
  • the left side of FIG. 7 shows a cube corresponding to a node (centered cube) and six cubes (neighbor nodes) that share at least one surface with the cube. Nodes shown in the figure are nodes of the same depth (depth). Numbers shown in the figure indicate weights (1, 2, 4, 8, 16, 32, etc.) associated with each of the six nodes. Each weight is sequentially assigned according to the positions of neighboring nodes.
  • the right side of FIG. 7 shows neighboring node pattern values.
  • the neighbor node pattern value is the sum of values multiplied by weights of the occupied neighbor nodes (neighbor nodes having points). Therefore, the neighbor node pattern value has a value from 0 to 63. When the neighbor node pattern value is 0, it indicates that no node (occupied node) has a point among neighboring nodes of the corresponding node. If the neighboring node pattern value is 63, it indicates that all neighboring nodes are occupied nodes. As shown in the figure, since neighboring nodes to which weights 1, 2, 4, and 8 are assigned are occupied nodes, the neighboring node pattern value is 15, which is the sum of 1, 2, 4, and 8.
  • the point cloud encoder may perform coding according to the neighboring node pattern value (for example, if the neighboring node pattern value is 63, 64 codings are performed). According to embodiments, the point cloud encoder may reduce coding complexity by changing a neighbor node pattern value (for example, based on a table changing 64 to 10 or 6).
  • the encoded geometry is reconstructed (decompressed) before attribute encoding is performed.
  • the geometry reconstruction operation may include changing the placement of the direct coded points (eg, placing the direct coded points in front of the point cloud data).
  • the geometry reconstruction process is triangular reconstruction, upsampling, voxelization, and the attribute is dependent on geometry, so the attribute encoding is performed based on the reconstructed geometry.
  • the point cloud encoder may reorganize points for each LOD.
  • the figure shows point cloud content corresponding to the LOD.
  • the left side of the figure shows the original point cloud content.
  • the second figure from the left of the figure shows the distribution of the lowest LOD points, and the rightmost figure in the figure shows the distribution of the highest LOD points. That is, the points of the lowest LOD are sparsely distributed, and the points of the highest LOD are densely distributed. That is, as the LOD increases according to the direction of the arrow indicated at the bottom of the drawing, the spacing (or distance) between points becomes shorter.
  • a point cloud content providing system or a point cloud encoder (for example, a point cloud video encoder 10002, a point cloud encoder in FIG. 4, or an LOD generator 40009) generates an LOD. can do.
  • the LOD is generated by reorganizing the points into a set of refinement levels according to a set LOD distance value (or a set of Euclidean distance).
  • the LOD generation process is performed not only in the point cloud encoder but also in the point cloud decoder.
  • FIG. 9 shows examples (P0 to P9) of points of point cloud content distributed in a three-dimensional space.
  • the original order of FIG. 9 represents the order of points P0 to P9 before LOD generation.
  • the LOD based order of FIG. 9 represents the order of points according to LOD generation. Points are rearranged by LOD. Also, the high LOD includes points belonging to the low LOD.
  • LOD0 includes P0, P5, P4 and P2.
  • LOD1 includes the points of LOD0 and P1, P6 and P3.
  • LOD2 includes points of LOD0, points of LOD1 and P9, P8 and P7.
  • the point cloud encoder may selectively or combine predictive transform coding, lifting transform coding, and RAHT transform coding.
  • the point cloud encoder may generate a predictor for points and perform predictive transform coding to set a predicted attribute (or predicted attribute value) of each point. That is, N predictors may be generated for N points.
  • the predicted attribute (or attribute value) is a weight calculated based on the distance to each neighboring point to the attributes (or attribute values, for example, color, reflectance, etc.) of neighboring points set in the predictor of each point. It is set as the average value multiplied by (or weight value).
  • a point cloud encoder e.g., the coefficient quantization unit 40011
  • the quantization process is as shown in the following table.
  • the point cloud encoder (for example, the arithmetic encoder 40012) according to the embodiments may entropy-code the quantized and dequantized residual values as described above when there are points adjacent to the predictors of each point.
  • the point cloud encoder according to embodiments (for example, the arithmetic encoder 40012) may entropy-code attributes of the corresponding point without performing the above-described process if there are no points adjacent to the predictor of each point.
  • the point cloud encoder (for example, the lifting transform unit 40010) according to the embodiments generates a predictor of each point, sets the calculated LOD to the predictor, registers neighboring points, and increases the distance to the neighboring points.
  • Lifting transform coding can be performed by setting weights.
  • Lifting transform coding according to embodiments is similar to the above-described predictive transform coding, but differs in that a weight is accumulated and applied to an attribute value.
  • a process of cumulatively applying a weight to an attribute value according to embodiments is as follows.
  • the weights calculated by additionally multiplying the weights calculated for all predictors by the weights stored in the QW corresponding to the predictor indexes are cumulatively added to the update weight array by the indexes of neighboring nodes.
  • the value obtained by multiplying the calculated weight by the attribute value of the index of the neighboring node is accumulated and summed.
  • the predicted attribute value is calculated by additionally multiplying the attribute value updated through the lift update process by the weight updated through the lift prediction process (stored in QW).
  • a point cloud encoder for example, the coefficient quantization unit 40011
  • the point cloud encoder for example, the Arismatic encoder 40012
  • the point cloud encoder (for example, the RAHT transform unit 40008) according to the embodiments may perform RAHT transform coding that estimates the attributes of higher-level nodes by using an attribute associated with a node at a lower level of the octree.
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud encoder according to the embodiments scans from voxels to the entire area, and repeats the merging process up to the root node while merging the voxels into larger blocks in each step.
  • the merging process according to the embodiments is performed only for an occupied node.
  • the merging process is not performed for the empty node, and the merging process is performed for the node immediately above the empty node.
  • the following equation represents the RAHT transformation matrix. Denotes the average attribute value of voxels at level l. Is Wow Can be calculated from Wow The weight of and to be.
  • Is high-pass coefficients, and the high-pass coefficients in each step are quantized and entropy-coded (for example, encoding of the arithmetic encoder 400012).
  • Weight is Is calculated as Root node is the last and It is created as follows:
  • the gDC value is also quantized and entropy coded like the high pass coefficient.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder illustrated in FIG. 10 is an example of the point cloud video decoder 10006 described in FIG. 1, and may perform the same or similar operation as that of the point cloud video decoder 10006 described in FIG. 1.
  • the point cloud decoder may receive a geometry bitstream and an attribute bitstream included in one or more bitstreams.
  • the point cloud decoder includes a geometry decoder and an attribute decoder.
  • the geometry decoder performs geometry decoding on the geometry bitstream and outputs decoded geometry.
  • the attribute decoder outputs decoded attributes by performing attribute decoding on the basis of the decoded geometry and the attribute bitstream.
  • the decoded geometry and decoded attributes are used to reconstruct the point cloud content.
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder illustrated in FIG. 11 is an example of the point cloud decoder described in FIG. 10, and may perform a decoding operation that is a reverse process of the encoding operation of the point cloud encoder described in FIGS. 1 to 9.
  • the point cloud decoder may perform geometry decoding and attribute decoding. Geometry decoding is performed prior to attribute decoding.
  • the point cloud decoder includes an arithmetic decoder (11000), an octree synthesis unit (synthesize octree, 11001), a surface optimization synthesis unit (synthesize surface approximation, 11002), and a geometry reconstruction unit (reconstruct geometry). , 11003), inverse transform coordinates (11004), arithmetic decode (11005), inverse quantize (11006), RAHT transform unit (11007), LOD generator (generate LOD, 11008) ), Inverse lifting (11009), and/or inverse transform colors (11010).
  • the arithmetic decoder 11000, the octree synthesis unit 11001, the surface opoxidation synthesis unit 11002, the geometry reconstruction unit 11003, and the coordinate system inverse transform unit 11004 may perform geometry decoding.
  • Geometry decoding according to embodiments may include direct coding and trisoup geometry decoding. Direct coding and trisoup geometry decoding are optionally applied. Further, the geometry decoding is not limited to the above example, and is performed in the reverse process of the geometry encoding described in FIGS. 1 to 9.
  • the Arismatic decoder 11000 decodes the received geometry bitstream based on Arismatic coding.
  • the operation of the Arismatic decoder 11000 corresponds to the reverse process of the Arismatic encoder 40004.
  • the octree synthesizer 11001 may generate an octree by obtaining an ocupancy code from a decoded geometry bitstream (or information on a geometry obtained as a result of decoding).
  • a detailed description of the OQFancy code is as described in FIGS. 1 to 9.
  • the surface opoxidation synthesizer 11002 may synthesize a surface based on the decoded geometry and/or the generated octree.
  • the geometry reconstruction unit 11003 may regenerate the geometry based on the surface and/or the decoded geometry. 1 to 9, direct coding and trisoup geometry encoding are selectively applied. Accordingly, the geometry reconstruction unit 11003 directly imports and adds position information of points to which direct coding is applied. In addition, when trisoup geometry encoding is applied, the geometry reconstruction unit 11003 performs a reconstruction operation of the geometry reconstruction unit 40005, such as triangle reconstruction, up-sampling, and voxelization, to restore the geometry. have. Details are the same as those described in FIG. 6 and thus will be omitted.
  • the reconstructed geometry may include a point cloud picture or frame that does not include attributes.
  • the coordinate system inverse transform unit 11004 may acquire positions of points by transforming a coordinate system based on the restored geometry.
  • Arithmetic decoder 11005, inverse quantization unit 11006, RAHT conversion unit 11007, LOD generation unit 11008, inverse lifting unit 11009, and/or color inverse conversion unit 11010 are attributes described in FIG. Decoding can be performed.
  • Attribute decoding according to embodiments includes Region Adaptive Hierarchial Transform (RAHT) decoding, Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding, and interpolation-based hierarchical nearest-neighbor prediction with an update/lifting. step (Lifting Transform)) decoding may be included.
  • RAHT Region Adaptive Hierarchial Transform
  • Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding
  • interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)) decoding may be included.
  • the Arismatic decoder 11005 decodes the attribute bitstream by arithmetic coding.
  • the inverse quantization unit 11006 inverse quantizes information on the decoded attribute bitstream or the attribute obtained as a result of decoding, and outputs inverse quantized attributes (or attribute values). Inverse quantization may be selectively applied based on the attribute encoding of the point cloud encoder.
  • the RAHT conversion unit 11007, the LOD generation unit 11008 and/or the inverse lifting unit 11009 may process reconstructed geometry and inverse quantized attributes. As described above, the RAHT conversion unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may selectively perform a decoding operation corresponding thereto according to the encoding of the point cloud encoder.
  • the inverse color transform unit 11010 performs inverse transform coding for inverse transforming a color value (or texture) included in the decoded attributes.
  • the operation of the color inverse transform unit 11010 may be selectively performed based on the operation of the color transform unit 40006 of the point cloud encoder.
  • elements of the point cloud decoder of FIG. 11 are not shown in the drawing, hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing apparatus , Software, firmware, or a combination thereof.
  • One or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud decoder of FIG. 11 described above. Further, one or more processors may operate or execute a set of software programs and/or instructions for performing operations and/or functions of elements of the point cloud decoder of FIG. 11.
  • the transmission device shown in FIG. 12 is an example of the transmission device 10000 of FIG. 1 (or a point cloud encoder of FIG. 4 ).
  • the transmission device illustrated in FIG. 12 may perform at least one or more of the same or similar operations and methods as the operations and encoding methods of the point cloud encoder described in FIGS. 1 to 9.
  • the transmission apparatus includes a data input unit 12000, a quantization processing unit 12001, a voxelization processing unit 12002, an octree occupancy code generation unit 12003, a surface model processing unit 12004, an intra/ Inter-coding processing unit (12005), Arithmetic coder (12006), metadata processing unit (12007), color conversion processing unit (12008), attribute transformation processing unit (or attribute transformation processing unit) (12009), prediction/lifting/RAHT transformation
  • a processing unit 12010, an Arithmetic coder 12011, and/or a transmission processing unit 12012 may be included.
  • the data input unit 12000 receives or acquires point cloud data.
  • the data input unit 12000 may perform the same or similar operation and/or an acquisition method to the operation and/or acquisition method of the point cloud video acquisition unit 10001 (or the acquisition process 20000 described in FIG. 2 ).
  • the coder 12006 performs geometry encoding.
  • the geometry encoding according to the embodiments is the same as or similar to the geometry encoding described in FIGS. 1 to 9, so a detailed description thereof will be omitted.
  • the quantization processing unit 12001 quantizes geometry (eg, a position value or position value of points).
  • the operation and/or quantization of the quantization processor 12001 is the same as or similar to the operation and/or quantization of the quantization unit 40001 described in FIG. 4. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the voxelization processor 12002 voxelsizes the position values of the quantized points.
  • the voxelization processor 120002 may perform the same or similar operation and/or process as the operation and/or the voxelization process of the quantization unit 40001 described in FIG. 4. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the octree occupancy code generation unit 12003 performs octree coding on positions of voxelized points based on an octree structure.
  • the octree ocupancy code generation unit 12003 may generate an ocupancy code.
  • the octree occupancy code generation unit 12003 may perform the same or similar operation and/or method as the operation and/or method of the point cloud encoder (or octree analysis unit 40002) described in FIGS. 4 and 6. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the surface model processing unit 12004 may perform trisoup geometry encoding to reconstruct positions of points within a specific area (or node) based on a voxel based on a surface model.
  • the face model processing unit 12004 may perform the same or similar operation and/or method as the operation and/or method of the point cloud encoder (eg, the surface aproxiation analysis unit 40003) described in FIG. 4. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the intra/inter coding processor 12005 may intra/inter code point cloud data.
  • the intra/inter coding processing unit 12005 may perform the same or similar coding as the intra/inter coding described in FIG. 7. The detailed description is the same as described in FIG. 7. According to embodiments, the intra/inter coding processing unit 12005 may be included in the arithmetic coder 12006.
  • the arithmetic coder 12006 entropy encodes an octree and/or an approximated octree of point cloud data.
  • the encoding method includes an Arithmetic encoding method.
  • the arithmetic coder 12006 performs the same or similar operation and/or method to the operation and/or method of the arithmetic encoder 40004.
  • the metadata processing unit 12007 processes metadata related to point cloud data, for example, a set value, and provides it to a necessary processing such as geometry encoding and/or attribute encoding.
  • the metadata processing unit 12007 may generate and/or process signaling information related to geometry encoding and/or attribute encoding. Signaling information according to embodiments may be encoded separately from geometry encoding and/or attribute encoding. In addition, signaling information according to embodiments may be interleaved.
  • the color conversion processing unit 12008, the attribute conversion processing unit 12009, the prediction/lifting/RAHT conversion processing unit 12010, and the Arithmetic coder 12011 perform attribute encoding.
  • Attribute encoding according to embodiments is the same as or similar to the attribute encoding described in FIGS. 1 to 9, and thus a detailed description thereof will be omitted.
  • the color conversion processing unit 12008 performs color conversion coding that converts color values included in attributes.
  • the color conversion processing unit 12008 may perform color conversion coding based on the reconstructed geometry. Description of the reconstructed geometry is the same as described in FIGS. 1 to 9. In addition, the same or similar operation and/or method to the operation and/or method of the color conversion unit 40006 described in FIG. 4 is performed. Detailed description will be omitted.
  • the attribute conversion processing unit 12009 performs attribute conversion for converting attributes based on the reconstructed geometry and/or positions for which geometry encoding has not been performed.
  • the attribute conversion processing unit 12009 performs the same or similar operation and/or method to the operation and/or method of the attribute conversion unit 40007 described in FIG. 4. Detailed description will be omitted.
  • the prediction/lifting/RAHT transform processing unit 12010 may code transformed attributes by using any one or a combination of RAHT coding, predictive transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT conversion processing unit 12010 performs at least one of the same or similar operations as the RAHT conversion unit 40008, LOD generation unit 40009, and lifting conversion unit 40010 described in FIG. 4. do.
  • descriptions of predictive transform coding, lifting transform coding, and RAHT transform coding are the same as those described in FIGS.
  • the Arismatic coder 12011 may encode coded attributes based on Arismatic coding.
  • the Arismatic coder 12011 performs the same or similar operation and/or method to the operation and/or method of the Arismatic encoder 400012.
  • the transmission processing unit 12012 transmits each bitstream including the encoded geometry and/or the encoded attribute and metadata information, or transmits the encoded geometry and/or the encoded attribute and the metadata information in one It can be configured as a bitstream and transmitted.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to the embodiments is a sequence parameter set (SPS) for signaling of a sequence level, a geometry parameter set (GPS) for signaling of geometry information coding, an attribute parameter set (APS) for signaling of attribute information coding, and a tile.
  • SPS sequence parameter set
  • GPS geometry parameter set
  • APS attribute parameter set
  • TPS Transaction Parameter Set
  • Slice data may include information on one or more slices.
  • One slice according to embodiments may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 and Attr1 0 ).
  • the TPS according to the embodiments may include information about each tile (eg, coordinate value information and height/size information of a bounding box) for one or more tiles.
  • the geometry bitstream may include a header and a payload.
  • the header of the geometry bitstream may include identification information of a parameter set included in GPS (geom_ parameter_set_id), a tile identifier (geom_tile_id), a slice identifier (geom_slice_id), and information about data included in the payload.
  • the metadata processing unit 12007 may generate and/or process signaling information and transmit the generated signaling information to the transmission processing unit 12012.
  • elements that perform geometry encoding and elements that perform attribute encoding may share data/information with each other as dotted line processing.
  • the transmission processing unit 12012 according to the embodiments may perform the same or similar operation and/or transmission method as the operation and/or transmission method of the transmitter 10003. Detailed descriptions are the same as those described with reference to FIGS.
  • FIG 13 is an example of a reception device according to embodiments.
  • the receiving device illustrated in FIG. 13 is an example of the receiving device 10004 of FIG. 1 (or the point cloud decoder of FIGS. 10 and 11 ).
  • the receiving device illustrated in FIG. 13 may perform at least one or more of the same or similar operations and methods as the operations and decoding methods of the point cloud decoder described in FIGS. 1 to 11.
  • the receiving apparatus includes a receiving unit 13000, a receiving processing unit 13001, an arithmetic decoder 13002, an octree reconstruction processing unit 13003 based on an Occupancy code, and a surface model processing unit (triangle reconstruction).
  • a receiving unit 13000 Up-sampling, voxelization) (13004), inverse quantization processing unit (13005), metadata parser (13006), arithmetic decoder (13007), inverse quantization processing unit (13008), prediction A /lifting/RAHT inverse transformation processing unit 13009, a color inverse transformation processing unit 13010, and/or a renderer 13011 may be included.
  • Each component of decoding according to the embodiments may perform a reverse process of the component of encoding according to the embodiments.
  • the receiving unit 13000 receives point cloud data.
  • the receiving unit 13000 may perform the same or similar operation and/or a receiving method as the operation and/or receiving method of the receiver 10005 of FIG. 1. Detailed description will be omitted.
  • the reception processing unit 13001 may obtain a geometry bitstream and/or an attribute bitstream from received data.
  • the reception processing unit 13001 may be included in the reception unit 13000.
  • the arithmetic decoder 13002, the ocupancy code-based octree reconstruction processing unit 13003, the surface model processing unit 13004, and the inverse quantization processing unit 13005 may perform geometry decoding. Since the geometry decoding according to the embodiments is the same as or similar to the geometry decoding described in FIGS. 1 to 10, a detailed description will be omitted.
  • the Arismatic decoder 13002 may decode a geometry bitstream based on Arismatic coding.
  • the Arismatic decoder 13002 performs the same or similar operation and/or coding as the operation and/or coding of the Arismatic decoder 11000.
  • the ocupancy code-based octree reconstruction processing unit 13003 may obtain an ocupancy code from a decoded geometry bitstream (or information on a geometry obtained as a result of decoding) to reconstruct the octree.
  • the ocupancy code-based octree reconstruction processing unit 13003 performs the same or similar operation and/or method as the operation and/or the octree generation method of the octree synthesis unit 11001.
  • the surface model processing unit 13004 decodes the trisoup geometry based on the surface model method and reconstructs the related geometry (e.g., triangle reconstruction, up-sampling, voxelization). Can be done.
  • the surface model processing unit 13004 performs an operation identical or similar to that of the surface opoxidation synthesis unit 11002 and/or the geometry reconstruction unit 11003.
  • the inverse quantization processing unit 13005 may inverse quantize the decoded geometry.
  • the metadata parser 13006 may parse metadata included in the received point cloud data, for example, a setting value.
  • the metadata parser 13006 may pass metadata to geometry decoding and/or attribute decoding.
  • the detailed description of the metadata is the same as that described in FIG. 12 and thus will be omitted.
  • the arithmetic decoder 13007, the inverse quantization processing unit 13008, the prediction/lifting/RAHT inverse transformation processing unit 13009, and the color inverse transformation processing unit 13010 perform attribute decoding. Since the attribute decoding is the same as or similar to the attribute decoding described in FIGS. 1 to 10, a detailed description will be omitted.
  • the Arismatic decoder 13007 may decode the attribute bitstream through Arismatic coding.
  • the arithmetic decoder 13007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the Arismatic decoder 13007 performs the same or similar operation and/or coding as the operation and/or coding of the Arismatic decoder 11005.
  • the inverse quantization processing unit 13008 may inverse quantize the decoded attribute bitstream.
  • the inverse quantization processing unit 13008 performs the same or similar operation and/or method as the operation and/or the inverse quantization method of the inverse quantization unit 11006.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 may process reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 is the same or similar to the operations and/or decodings of the RAHT transform unit 11007, the LOD generator 11008 and/or the inverse lifting unit 11009, and/or At least one or more of the decodings is performed.
  • the color inverse transform processing unit 13010 according to embodiments performs inverse transform coding for inverse transforming a color value (or texture) included in the decoded attributes.
  • the color inverse transform processing unit 13010 performs the same or similar operation and/or inverse transform coding as the operation and/or inverse transform coding of the color inverse transform unit 11010.
  • the renderer 13011 may render point cloud data.
  • FIG. 14 illustrates an architecture for G-PCC-based point cloud content streaming according to embodiments.
  • FIG. 14 shows a process in which the transmission device (for example, the transmission device 10000, the transmission device of FIG. 12, etc.) described in FIGS. 1 to 13 processes and transmits the point cloud content.
  • the transmission device for example, the transmission device 10000, the transmission device of FIG. 12, etc.
  • the transmission device may obtain audio Ba of the point cloud content (Audio Acquisition), encode the acquired audio, and output audio bitstreams Ea.
  • the transmission device acquires a point cloud (Bv) (or point cloud video) of the point cloud content (Point Acqusition), performs point cloud encoding on the acquired point cloud, and performs a point cloud video bitstream ( Eb) can be output.
  • the point cloud encoding of the transmission device is the same as or similar to the point cloud encoding described in FIGS. 1 to 13 (for example, encoding of the point cloud encoder of FIG. 4, etc.), so a detailed description thereof will be omitted.
  • the transmission device may encapsulate the generated audio bitstreams and video bitstreams into files and/or segments (File/segment encapsulation).
  • the encapsulated file and/or segment may include a file of a file format such as ISOBMFF or a DASH segment.
  • Point cloud-related metadata may be included in an encapsulated file format and/or segment.
  • Meta data may be included in boxes of various levels in the ISOBMFF file format or may be included in separate tracks in the file.
  • the transmission device may encapsulate the metadata itself as a separate file.
  • the transmission device according to the embodiments may deliver the encapsulated file format and/or segment through a network. Since the encapsulation and transmission processing method of the transmission device is the same as those described in FIGS. 1 to 13 (for example, the transmitter 10003, the transmission step 20002 of FIG. 2, etc.), detailed descriptions are omitted.
  • FIG. 14 shows a process of processing and outputting point cloud content by the receiving device (for example, the receiving device 10004, the receiving device of FIG. 13, etc.) described in FIGS. 1 to 13.
  • the receiving device for example, the receiving device 10004, the receiving device of FIG. 13, etc.
  • the receiving device includes a device that outputs final audio data and final video data (e.g., loudspeakers, headphones, display), and a point cloud player that processes point cloud content ( Point Cloud Player).
  • the final data output device and the point cloud player may be configured as separate physical devices.
  • the point cloud player according to the embodiments may perform Geometry-based Point Cloud Compression (G-PCC) coding and/or Video based Point Cloud Compression (V-PCC) coding and/or next-generation coding.
  • G-PCC Geometry-based Point Cloud Compression
  • V-PCC Video based Point Cloud Compression
  • the receiving device secures a file and/or segment (F', Fs') included in the received data (for example, a broadcast signal, a signal transmitted through a network, etc.) and decapsulation (File/ segment decapsulation). Since the reception and decapsulation method of the reception device is the same as those described in FIGS. 1 to 13 (for example, the receiver 10005, the reception unit 13000, the reception processing unit 13001, etc.), a detailed description thereof will be omitted.
  • the receiving device secures an audio bitstream E'a and a video bitstream E'v included in a file and/or segment. As shown in the drawing, the receiving device outputs the decoded audio data B'a by performing audio decoding on the audio bitstream, and rendering the decoded audio data to final audio data. (A'a) is output through speakers or headphones.
  • the receiving device outputs decoded video data B'v by performing point cloud decoding on the video bitstream E'v. Since the point cloud decoding according to the embodiments is the same as or similar to the point cloud decoding described in FIGS. 1 to 13 (for example, decoding of the point cloud decoder of FIG. 11 ), a detailed description will be omitted.
  • the receiving device may render the decoded video data and output the final video data through the display.
  • the receiving device may perform at least one of decapsulation, audio decoding, audio rendering, point cloud decoding, and rendering operations based on metadata transmitted together.
  • the description of the metadata is the same as that described with reference to FIGS. 12 to 13 and thus will be omitted.
  • the receiving device may generate feedback information (orientation, viewport).
  • Feedback information may be used in a decapsulation process, a point cloud decoding process and/or a rendering process of a receiving device, or may be transmitted to a transmitting device. The description of the feedback information is the same as that described with reference to FIGS. 1 to 13 and thus will be omitted.
  • 15 shows an example of a transmission device according to embodiments.
  • the transmission device of FIG. 15 is a device that transmits point cloud content, and the transmission device described in FIGS. 1 to 14 (for example, the transmission device 10000 of FIG. 1, the point cloud encoder of FIG. 4, the transmission device of FIG. 12, 14). Accordingly, the transmission device of FIG. 15 performs the same or similar operation to that of the transmission device described in FIGS. 1 to 14.
  • the transmission device may perform at least one or more of point cloud acquisition, point cloud encoding, file/segment encapsulation, and delivery. Can be done.
  • the transmission device may perform geometry encoding and attribute encoding.
  • Geometry encoding according to embodiments may be referred to as geometry compression, and attribute encoding may be referred to as attribute compression.
  • attribute compression As described above, one point may have one geometry and one or more attributes. Therefore, the transmission device performs attribute encoding for each attribute.
  • the drawing shows an example in which a transmission device has performed one or more attribute compressions (attribute #1 compression, ...attribute #N compression).
  • the transmission apparatus may perform auxiliary compression. Additional compression is performed on the metadata. Description of the meta data is the same as that described with reference to FIGS. 1 to 14 and thus will be omitted.
  • the transmission device may perform mesh data compression.
  • the mesh data compression according to embodiments may include the trisoup geometry encoding described with reference to FIGS. 1 to 14.
  • the transmission device may encapsulate bitstreams (eg, point cloud streams) output according to point cloud encoding into files and/or segments.
  • a transmission device performs media track encapsulation for carrying data other than metadata (for example, media data), and metadata tracak for carrying meta data. encapsulation) can be performed.
  • metadata may be encapsulated as a media track.
  • the transmitting device receives feedback information (orientation/viewport metadata) from the receiving device, and based on the received feedback information, at least one of point cloud encoding, file/segment encapsulation, and transmission operations. Any one or more can be performed. Detailed descriptions are the same as those described in FIGS. 1 to 14, and thus will be omitted.
  • FIG. 16 shows an example of a receiving device according to embodiments.
  • the receiving device of FIG. 16 is a device that receives point cloud content, and the receiving device described in FIGS. 1 to 14 (for example, the receiving device 10004 of FIG. 1, the point cloud decoder of FIG. 11, the receiving device of FIG. 13, 14). Accordingly, the receiving device of FIG. 16 performs the same or similar operation to that of the receiving device described in FIGS. In addition, the receiving device of FIG. 16 may receive a signal transmitted from the transmitting device of FIG. 15, and may perform a reverse process of the operation of the transmitting device of FIG. 15.
  • the receiving device may perform at least one or more of delivery, file/segement decapsulation, point cloud decoding, and point cloud rendering. Can be done.
  • the reception device performs decapsulation on a file and/or segment acquired from a network or a storage device.
  • the receiving device performs media track decapsulation carrying data other than meta data (for example, media data), and metadata track decapsulation carrying meta data. decapsulation) can be performed.
  • the metadata track decapsulation is omitted.
  • the receiving device may perform geometry decoding and attribute decoding on bitstreams (eg, point cloud streams) secured through decapsulation.
  • Geometry decoding according to embodiments may be referred to as geometry decompression, and attribute decoding may be referred to as attribute decompression.
  • a point may have one geometry and one or more attributes, and are each encoded. Therefore, the receiving device performs attribute decoding for each attribute.
  • the drawing shows an example in which the receiving device performs one or more attribute decompressions (attribute #1 decompression, ...attribute #N decompression).
  • the receiving device may perform auxiliary decompression. Additional decompression is performed on the metadata.
  • the receiving device may perform mesh data decompression.
  • the mesh data decompression according to embodiments may include decoding the trisoup geometry described in FIGS. 1 to 14.
  • the receiving device according to the embodiments may render the output point cloud data according to the point cloud decoding.
  • the receiving device secures orientation/viewport metadata using a separate sensing/tracking element, etc., and transmits feedback information including the same to a transmission device (for example, the transmission device of FIG. 15). Can be transmitted.
  • the receiving device may perform at least one or more of a receiving operation, file/segment decapsulation, and point cloud decoding based on the feedback information. Detailed descriptions are the same as those described in FIGS. 1 to 14, and thus will be omitted.
  • FIG. 17 shows an example of a structure capable of interworking with a method/device for transmitting and receiving point cloud data according to embodiments.
  • the structure of FIG. 17 includes at least one of a server 1760, a robot 1710, an autonomous vehicle 1720, an XR device 1730, a smartphone 1740, a home appliance 1750, and/or an HMD 1770.
  • a configuration connected to the cloud network 1710 is shown.
  • the robot 1710, the autonomous vehicle 1720, the XR device 1730, the smartphone 1740, the home appliance 1750, and the like are referred to as devices.
  • the XR device 1730 may correspond to a point cloud data (PCC) device according to embodiments or may be interlocked with a PCC device.
  • PCC point cloud data
  • the cloud network 1700 may constitute a part of a cloud computing infrastructure or may mean a network that exists in the cloud computing infrastructure.
  • the cloud network 1700 may be configured using a 3G network, a 4G or long term evolution (LTE) network, or a 5G network.
  • LTE long term evolution
  • the server 1760 includes at least one of a robot 1710, an autonomous vehicle 1720, an XR device 1730, a smartphone 1740, a home appliance 1750, and/or an HMD 1770, and a cloud network 1700.
  • the connected devices 1710 to 1770 may be connected through, and may help at least part of the processing of the connected devices.
  • the HMD (Head-Mount Display) 1770 represents one of types in which an XR device and/or a PCC device according to embodiments may be implemented.
  • the HMD type device according to the embodiments includes a communication unit, a control unit, a memory unit, an I/O unit, a sensor unit, and a power supply unit.
  • the devices 1710 to 1750 shown in FIG. 17 may be interlocked/coupled with the point cloud data transmission/reception apparatus according to the above-described embodiments.
  • the XR/PCC device 1730 is applied with PCC and/or XR (AR+VR) technology to provide a head-mount display (HMD), a head-up display (HUD) provided in a vehicle, a television, a mobile phone, a smart phone, It may be implemented as a computer, wearable device, home appliance, digital signage, vehicle, fixed robot or mobile robot.
  • HMD head-mount display
  • HUD head-up display
  • vehicle a television
  • mobile phone a smart phone
  • It may be implemented as a computer, wearable device, home appliance, digital signage, vehicle, fixed robot or mobile robot.
  • the XR/PCC device 1730 analyzes 3D point cloud data or image data acquired through various sensors or from an external device to generate position data and attribute data for 3D points, thereby Information can be obtained, and the XR object to be output can be rendered and output.
  • the XR/PCC device 1730 may output an XR object including additional information on the recognized object in correspondence with the recognized object.
  • the autonomous vehicle 1720 may be implemented as a mobile robot, a vehicle, or an unmanned aerial vehicle by applying PCC technology and XR technology.
  • the autonomous driving vehicle 1720 to which the XR/PCC technology is applied may refer to an autonomous driving vehicle having a means for providing an XR image, an autonomous driving vehicle that is an object of control/interaction within the XR image.
  • the autonomous vehicle 1720 which is the object of control/interaction in the XR image, is distinguished from the XR device 1730 and may be interlocked with each other.
  • the autonomous vehicle 1720 having a means for providing an XR/PCC image may acquire sensor information from sensors including a camera, and may output an XR/PCC image generated based on the acquired sensor information.
  • the autonomous vehicle 1720 may provide an XR/PCC object corresponding to a real object or an object in a screen to the occupant by outputting an XR/PCC image with a HUD.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a part of the XR/PCC object may be output to overlap the actual object facing the occupant's gaze.
  • the XR/PCC object when the XR/PCC object is output on a display provided inside the autonomous vehicle, at least a part of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 1220 may output XR/PCC objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, motorcycles, pedestrians, and buildings.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects or backgrounds in the real world only as CG images.
  • AR technology refers to a technology that shows a virtually created CG image on a real object image.
  • MR technology is similar to the AR technology described above in that virtual objects are mixed and combined in the real world.
  • real objects and virtual objects made from CG images are clear, and virtual objects are used in a form that complements the real objects, whereas in MR technology, the virtual objects are regarded as having the same characteristics as the real objects. It is distinct from technology. More specifically, for example, it is a hologram service to which the aforementioned MR technology is applied.
  • VR, AR, and MR technologies are sometimes referred to as XR (extended reality) technology rather than clearly distinguishing between them. Therefore, embodiments of the present invention are applicable to all of VR, AR, MR, and XR technologies.
  • This technology can be applied to encoding/decoding based on PCC, V-PCC, and G-PCC technology.
  • the PCC method/apparatus according to the embodiments may be applied to a vehicle providing an autonomous driving service.
  • Vehicles providing autonomous driving service are connected to PCC devices to enable wired/wireless communication.
  • the vehicle receives/processes AR/VR/PCC service related content data that can be provided together with the autonomous driving service. Can be transferred to.
  • the point cloud transmission/reception device may receive/process AR/VR/PCC service related content data according to a user input signal input through the user interface device and provide it to the user.
  • the vehicle or user interface device may receive a user input signal.
  • the user input signal may include a signal indicating an autonomous driving service.
  • the receiving device is selectively performed according to the decoding performance of the receiving device (for example, the receiving device 10004 of FIG. 1, the point cloud decoder of FIGS. 10 and 11, and the receiving device of FIG. 13). It is a decoding performed on some or all of the geometry and/or attributes. Some of the geometry and attributes according to embodiments are referred to as partial geometry and partial attributes.
  • the scalable decoding applied to the geometry according to embodiments is referred to as scalable geometry decoding or geometry scalable decoding.
  • the scalable decoding applied to the attribute according to the embodiments is called scalable attribute decoding or attribute scalable decoding.
  • points of the point cloud content are distributed in a 3D space, and the distributed points are expressed in an octree structure.
  • the octree structure is an octree structure, and the depth increases from the upper node to the lower node. Depth according to embodiments is referred to as a level and/or a layer. Therefore, in order to provide point cloud content of low resolution, the receiving device performs geometry decoding (or geometry scalable decoding) and/or partial attribute for a partial geometry corresponding to a specific depth or level from an upper node to a lower node of the octree structure. For attribute decoding (or attribute scalable decoding) can be performed.
  • the receiving device may perform geometry and attribute decoding corresponding to the entire octree structure in order to provide high-resolution point cloud content.
  • the receiving device according to the embodiments is a scalable point cloud that displays point cloud data corresponding to some of one or more layers (or levels) constituting the geometry and attribute-decoded point cloud data. Representation (scalable point cloud representation) or scalable representation is performed.
  • the scalable representation according to embodiments may be selectively performed by the receiving device when the performance of the display and/or the renderer is lower than that of the point cloud decoder.
  • the level of the scalable representation according to the embodiments corresponds to the depth of the octree structure. As the level value according to the embodiments increases, the resolution or detail increases.
  • Scalable decoding supports receiving devices of various performances, and enables point cloud services to be provided even in an adaptive bitrate environment.
  • geometry information is required in order to perform accurate attribute decoding.
  • a transform coefficient for RAHT coding is determined based on geometry distribution information (or geometry structure information, for example, an octree structure, etc.).
  • predictive transform coding and lifting transform coding require total geometry distribution information (or geometry structure information, for example, octree structure) to obtain points belonging to each LOD.
  • the receiving device can receive and process all geometry in order to perform stable attribute decoding.
  • it is inefficient in terms of bit rate to transmit and receive geometry information that is not actually displayed according to the performance of the receiving device.
  • the receiving device decodes all of the geometry, a delay may occur in providing a point cloud content service.
  • the decoder of the receiving device has low performance, it may not be possible to decode all of the geometry.
  • FIG. 18 is an example 1810 of a scalable representation of a point cloud decoder (eg, a point cloud video decoder 10006 described in FIG. 10 or a point cloud decoder described in FIG. 11) according to embodiments.
  • Arrow 1800 shown in the drawing indicates a direction in which the depth of the octree structure of the geometry increases.
  • the highest node of the octree structure according to the embodiments corresponds to the lowest depth or the first depth, and is called a root.
  • the lowest node of the octree structure according to the embodiments corresponds to the highest depth or the last depth and is called a leaf.
  • the depth of the octree structure according to the embodiments increases from the root to the leaf.
  • the point cloud decoder performs decoding 1811 for providing full-resolution point cloud content or decoding 1812 for providing low-resolution point cloud content according to performance.
  • the point cloud decoder decodes (1811) a geometry bitstream 181-1 and an attribute bitstream 1812-1 corresponding to the entire octree structure.
  • a point cloud decoder for providing low-resolution point cloud content decodes 1812 a partial geometry bitstream 1812-1 and a partial attribute bitstream 1812-2 corresponding to a specific depth of an octree structure.
  • Attribute decoding according to embodiments is performed based on geometry decoding.
  • the point cloud decoder even when the point cloud decoder decodes the attribute corresponding to the partial attribute bitstream 1812-2, the point cloud decoder must decode the entire geometry bitstream 181-1 (that is, from root depth to leaf depth). do. That is, the hatched portion 1811-3 in the drawing corresponds to geometric information that is not displayed, but is transmitted and decoded to decode an attribute corresponding to the partial attribute bitstream 1812-1.
  • a transmission device for example, a transmission device 10000 described in FIG. 1 or a transmission device described in FIG. 12 or a point cloud encoder (point cloud video encoder 10002 in FIG. 1, point cloud in FIG.
  • the encoder, the point cloud encoder described in FIGS. 12, 14, and 15) may transmit only the partial geometry bitstream 1812-1 and the partial attribute bitstream 1812-2 corresponding to a specific depth of an octree structure.
  • a point cloud decoder for providing low-resolution point cloud content decodes 1812 a partial geometry bitstream 1812-1 and a partial attribute bitstream 1812-2 corresponding to a specific depth of an octree structure.
  • a geometry bitstream 181-1 and an attribute bitstream 1812-1 Processing process and signaling information are required to process a part of.
  • the point cloud encoder generates a colored octree by matching attributes with a geometric structure.
  • the colored octree according to the embodiments is generated by matching nodes and attributes of each level with respect to one or more levels (or depths) representing an octree structure of a geometry.
  • Attribute encoding is performed based on the generated colored octree.
  • the point cloud encoder generates scalable representation information including information related to colored octrees so that the receiving device can perform scalable decoding and scalable representation, and the encoded geometry and encoded att It is transmitted through a bitstream with a review.
  • the receiving device may generate a colored octree as a reverse process of the transmitting device or the point cloud encoder based on the scalable representation information.
  • the colored octree represents an attribute matched to the octree structure of a geometry. Accordingly, the receiving device may select a specific level based on the colored octree and output or render low-resolution point cloud content according to the matched attributes. In particular, the receiving device may provide point cloud content of various resolutions according to the performance of the receiving device without a separate receiving or processing process.
  • Both the transmitting device (or point cloud encoder) and the receiving device (or point cloud decoder) according to the embodiments may generate a colored octree.
  • the process or method of generating a colored octree according to embodiments may be referred to as octree colorization.
  • the point cloud encoder according to the embodiments may perform octree colorization for the entire octree structure from the highest node (lowest level) to the lowest node (highest level) of the octree structure.
  • the point cloud encoder according to the embodiments may perform octree colorization for an arbitrary depth section (eg, from n-1 level to n level) of an octree structure.
  • the point cloud decoder according to the embodiments may perform octree colorization based on the above-described scalable coding information.
  • FIG. 19 illustrates an example of point cloud data based on a colored octree according to embodiments.
  • a point cloud encoder e.g., a point cloud video encoder 10002 of FIG. 1, a point cloud encoder of FIG. 4, a point cloud encoder described in FIGS. 12, 14, and 15), etc.
  • the transmission device for example, the transmission device 10000 described in FIG. 1 or the transmission device described in FIG. 12
  • can provide a scalable representation (or scalable decoding) of point cloud data source geometry and source attributes, Alternatively, it may be referred to as geometry and attributes) and may encode geometry and attributes (1900).
  • the encoded geometry and the encoded attribute according to the embodiments are transmitted through a bitstream (for example, the bitstream described in FIG. 1).
  • a partial geometry and a partial attribute of the same level may be transmitted (1910), or a full geometry and a partial attribute may be transmitted (1920).
  • partial geometry and full attributes may be transmitted (1930), or entire geometry and all attributes may be transmitted (1940).
  • a receiving device receives a bitstream and secures scalable representation information. do.
  • the receiving device may provide point cloud data of various resolutions by processing the whole or partial geometry and/or attributes in the bitstream based on the scalable representation information (scalable representation).
  • a point cloud encoder encodes an attribute. Attribute encoding can be performed to output an attribute bitstream.
  • the point cloud encoder performs attribute encoding based on the geometry structure. That is, the point cloud encoder according to the embodiments (eg, the attribute conversion unit 40007 described in FIG. 4) may transform an attribute based on a geometry structure (or a reconstructed geometry structure).
  • the geometry structure includes an octree structure. Since the octree structure according to the embodiments is a structure representing a three-dimensional space, attributes for each node are not expressed.
  • each node has a position (or location information) based on the positions of points included in the 3D space corresponding to each node.
  • the position of the node according to the embodiments includes the median value of the positions of points included in the area corresponding to the node, the position corresponding to a certain vertex, a preset representative position, the average value of the positions of the points included in the area corresponding to the node, etc. Can be. Therefore, the position of the node represents a position that is close to the position information of the actual points.
  • Detailed descriptions of the octree structure according to the embodiments are the same as those described in FIGS. 1 to 19, and thus will be omitted.
  • the left side of FIG. 20 shows attributes (c1, c2, c3, and c4) corresponding to each of four leaf nodes of a geometry octree structure according to embodiments.
  • the leaf node corresponds to the highest depth or the highest level (eg, level n) of the octree structure.
  • the point cloud encoder matches each leaf node with an attribute.
  • the right side of FIG. 20 is an example of a colored octree generated based on attributes corresponding to a leaf node of an octree structure.
  • the point cloud encoder according to the embodiments matches a lower depth or a lower level (eg, level n-1) of an octree structure, that is, an upper node, based on attributes (eg, level n) corresponding to leaf nodes. You can create a colored octree structure that represents the attributes that have been created.
  • the point cloud encoder according to embodiments matches a position of an octree node with an attribute or a predicted value of an attribute, or matches point cloud data with an octree node.
  • the colored octree structure represents an attribute matched to a root node corresponding to the lowest level (eg, level 0).
  • the point cloud encoder encodes a colored octree structure and signaling information related to the generation of the octree structure (for example, the scalable representation information described in FIG. 18).
  • the receiving device or the point cloud decoder performs scalable decoding up to a specific level (eg, arbitrary level I or highest level n) according to decoding performance based on signaling information (eg, scalable decoding described in FIGS. 18 to 19). To provide point cloud content of various resolutions.
  • 21 is an example of a flow chart of attribute coding according to embodiments.
  • the point cloud encoder may generate the colored octree structure described in FIG. 20 to perform attribute coding.
  • the flow chart shown in FIG. 21 is an example 2100 of a process (or octree colorization) of generating the colored octree structure described in FIG. 20.
  • the point cloud encoder according to the embodiments matches attributes with leaf nodes of an octree structure (eg, the octree structure described with reference to FIGS. 1 to 20) (2110 ).
  • the leaf node according to the embodiments corresponds to the highest level of the octree structure.
  • the number of leaf nodes is one or more integers.
  • a point cloud encoder according to embodiments matches an attribute with an upper node (ie, a lower level) of a leaf node based on an attribute matched with the leaf node.
  • Each node according to the embodiments has a position (or location information). As described in FIG.
  • a node of an octree structure corresponds to a space in which a three-dimensional space is divided according to the level of the octree structure, and has a position set based on positions of points included in each space.
  • the point cloud encoder may match attributes to each node (2120). If the attributes are not matched to each node, the point cloud encoder generates an estimated attribute based on the attributes of the higher level (e.g., leaf node attributes), and the corresponding level (e.g. leaf node A colored octree structure is generated by matching a node of a lower level of the level of (2130).
  • the point cloud encoder can repeat the same process up to the root node level.
  • the point cloud encoder may match the position of the node or the position and the attribute of actual point cloud data (2140 ).
  • the point cloud encoder generates a colored octree structure by matching the positions and attributes of each node (2150). For example, the point cloud encoder may match an attribute of one child node among one or more child nodes of each node with the corresponding node.
  • the point cloud encoder can repeat the same process up to the root node level.
  • the point cloud encoder generates a colored octree structure by matching the actual point cloud data with the node (2160). Since the leaf node according to the embodiments corresponds to the voxel, which is the smallest division unit, the leaf node includes at least one point. Therefore, the position of the leaf node coincides with the position of the point. However, the positions of nodes other than the leaf node in the octree structure may not exactly match the positions of one or more points located in the 3D space corresponding to the actual node. Therefore, for one or more child nodes of each node, the point cloud encoder selects the position and attribute pair of one child node and matches the node, or either the average value or the median value of the positions of the child nodes. After selecting, the selected value and the attribute of the child node having the position closest to the selected value may be matched to the corresponding node.
  • Signaling information related to the process of generating the colored octree structure shown in FIG. 21 is included and transmitted such as related signaling information so that the receiving device described in FIG. 18 can perform scalable representation. Therefore, the receiving device or the point cloud decoder provides scalable decoding and scalable representation to a specific level (eg, arbitrary level I or highest level n) according to decoding performance based on signaling information (eg, FIGS. 18 to 19).
  • the scalable representation described above is performed to provide point cloud content of various resolutions.
  • the three-dimensional space of the point cloud content is represented by axes of a coordinate system (eg, X-axis, Y-axis, Z-axis).
  • the octree structure is created by recursively subdividing a bounding box (cubical axis-aligned bounding box). This division method is applied until a leaf node of an octree becomes a voxel. The level increases from the highest node in the octree structure to the leaf node, the lowest node, and each leaf node corresponds to a voxel.
  • FIG. 22 shows a three-level octree structure representing a point cloud.
  • Each node of the octree structure has a position expressed as a coordinate value in a three-dimensional coordinate system.
  • each leaf node has an actual point position. Therefore, the leaf nodes 2200 corresponding to the highest level 3 of the octree structure shown in the figure are (0,2,0), (1,2,0), (0,3,0), (1, Has a position represented by 3,0), (3,2,2), (2,2,1), (3,2,3), (2,3,3), (3,3,3) . That is, each leaf node may include a point located at each position.
  • the two occupied nodes (00100001 and 2210) corresponding to the level 2 of the octree structure have positions represented by (0,1,0) and (1,1,1), respectively.
  • Examples 2300, 2310, and 2320 of FIG. 23 show examples of a colored octree structure generated based on the three-level octree structure described in FIG. 22.
  • An example 2300 of FIG. 23 shows an attribute matched to a leaf node of an octree structure (eg, the octree structure described in FIGS. 1 to 20).
  • the example 2300 of FIG. 23 corresponds to an operation (for example, 2110) of matching a leaf node and an attribute by the point cloud encoder described in FIG. 21.
  • each leaf node corresponds voxels
  • the position of each leaf node is the same as the position of an actual point. That is, the positions of the leaf nodes are (0,2,0), (1,2,0), (0,3,0), (1,3,0), (3,2,2), (2), respectively. It is expressed as coordinate values of ,2,1), (3,2,3), (2,3,3), (3,3,3), and each coordinate value is the position of a point in 3D space.
  • Each leaf node is matched with the attribute of the point at that position.
  • C1, c2, c3, c4, c5, c6, c7, c8, and c9 shown in the drawing represent attributes of each point.
  • the attribute value of the (x,y,z) position is expressed as Attr(x,y,z). Therefore, the attribute value matched to the occupied leaf node among a total of 16 leaf nodes is expressed as follows.
  • the area corresponding to the upper node (parent node) of the octree leaf node is an area that is 8 times larger than the area corresponding to the leaf node (2 times each of the width, height, and height).
  • the size of the region corresponding to the upper node of the octree structure according to the embodiments is expressed as 8 ⁇ (octree level difference from the leaf node).
  • the region corresponding to the upper node according to the embodiments includes one or more points.
  • the position of an upper node according to embodiments may be set or expressed as an average value or an average position of positions of child nodes of the corresponding node. Therefore, the position of the upper node may not coincide with the positions of points in the region corresponding to the upper node. That is, since there is no actual point corresponding to the upper node position, the point cloud encoder cannot match the attribute corresponding to the higher node position. Therefore, the point cloud encoder according to the embodiments (point cloud video encoder 10002 of FIG. 1, point cloud encoder of FIG. 4, point cloud encoder described in FIGS. 12, 14, and 15, etc.) Can match.
  • the point cloud encoder according to the embodiments may detect neighboring nodes and match arbitrary attributes. Neighboring nodes according to the embodiments correspond to ocupid nodes among child nodes of the corresponding node.
  • the point cloud encoder matches arbitrary attributes to upper nodes (eg, nodes corresponding to level n-1) of a leaf node (eg, level n) based on the attribute of the leaf node. .
  • the point cloud encoder creates a colored octree by repeating the same process until it reaches the top node.
  • the colored octree according to the embodiments is referred to as an attribute paired octree.
  • An example 2310 in the upper right of FIG. 23 is a colored octree showing estimated attributes matched with an upper node.
  • the point cloud encoder defines and estimates the position of an octree node in order to enable operations such as scalable coding, point cloud sub-sampling, and low-resolution point cloud content provision in the receiving device. You can match attributes.
  • the position of a node in the octree according to the embodiments may be expressed as a Molton code position corresponding to each node or a position in a 3D coordinate system.
  • the point cloud encoder may express an attribute of a higher node higher than a leaf node as an estimated attribute that is a value (for example, a weighted average value, median value, etc.) that can represent the attributes of the child nodes of the corresponding node. That is, the position and attribute of the node according to the embodiments may not be the same as the position and attribute of the actual point cloud data included in the region corresponding to each node.
  • the receiving device may provide various versions of point cloud content (for example, a low-resolution version of point cloud content or an approximate version of point cloud content) according to decoding performance or network environment based on the above-described colored octree structure. .
  • p0 represents an estimated attribute matched to the highest node (level 1)
  • p1 and p2 represent the estimated attribute matched to the upper node.
  • the point cloud encoder may calculate p1 (2315-1) based on the attributes c1, c2, c3, and c4 of the lower child nodes 2315.
  • the following equation represents an estimated attribute (p(x,y,z)) of an upper node having a position (x, y, z) value.
  • Attr(xn,yn,yn) shown in the equation represents the attribute of the child node of the corresponding node.
  • W represents the weights for the peripheral nodes, and I,j,k are parameters used to define the position of the peripheral node around the upper node position (x,y,z).
  • N means the number of peripheral nodes.
  • An example 2320 at the lower right of FIG. 23 is a colored octree showing attributes matched to an upper node.
  • the point cloud encoder selects one of the attributes of the child nodes of the corresponding node (for example, the attribute of the first child node among the child nodes arranged in ascending order) to define the attribute of the upper node of the leaf node. I can. Since an upper node according to the embodiments has a node position and an actual attribute, the receiving device may provide a more approximate point cloud content (low resolution point cloud content) even if scalable decoding is performed.
  • p0 denotes an estimated attribute matched to the highest node (level 1)
  • p1 and p2 denote an attribute matched to the higher node.
  • p1 is the same as c4 among attributes of lower child nodes
  • p2 is the same as c6 among attributes of lower child nodes.
  • the attribute p0 matched to the highest node is the same as c4 among the lower attributes.
  • the following equation represents an estimated attribute (p(x,y,z)) matched to an upper node having a position (x, y, z) value.
  • Cp shown in the equation represents an attribute (eg, a color value) matched to an occupied node among lower child nodes.
  • Attr(xn,yn,yn) represents the attribute of the neighboring node of the corresponding node.
  • M denotes the sum of weights for peripheral nodes. That is, the above equation is an equation for determining an attribute Cp with a minimum difference from a neighboring node as an estimated attribute (ie, a predicted value) matched with an upper node.
  • Examples 2400, 2410, and 2420 of FIG. 24 illustrate examples of a colored octree structure generated based on an example 2300 of a three-level octree structure having leaf nodes with matching attributes described in FIG. 22.
  • each node of the octree structure (excluding the leaf node) has a position.
  • the position of each node may not be the same as the positions of points included in the region corresponding to the node.
  • the point cloud encoder according to the embodiments may generate a colored octree structure by matching not only the attributes described in FIG. 23 but also the positions with respect to the node having the octree structure.
  • the colored octree according to the embodiments is referred to as a point paired octree. Therefore, even if the receiving device performs scalable decoding, it is possible to provide a point cloud content approximating the original based on the colored octree.
  • a point cloud encoder is an upper node of an octree structure (leaf In order to match the actual points to (excluding nodes), point cloud data close to the position of the corresponding node can be selected. For example, the point cloud encoder may select the position of the node at which the distance to the peripheral node is minimum as the position of the corresponding node. In addition, the point cloud encoder can match an attribute corresponding to a geometric centroid to a corresponding node.
  • the center of gravity corresponds to a point at which the distance between all of the neighboring nodes of the octree node (eg, nodes of the same level and/or child nodes of the node) is the minimum.
  • the following equation represents an attribute of the center of gravity matched to a node having a position of (x,y,z).
  • (x_p, y_p, z_p) represents the position of a node with the minimum distance from neighboring nodes.
  • (x_n, y_n, z_n) represents neighboring nodes.
  • Neighboring nodes include nodes and/or child nodes at the same level as the corresponding node.
  • (x_p, y_p, z_p) and (x_n, y_n, z_n) are included in the set of peripheral nodes (neighbor nodes, NEIGHB(x,y,z)) of the node with the value of (x,y,z) .
  • Attr(xn,yn,yn) represents the attribute of the neighboring node of the corresponding node.
  • M represents the sum of weights for neighboring nodes (or neighboring nodes). That is, the above equation is an equation for determining an attribute of the center of gravity at which the difference in distance from a neighboring node is minimum as an estimated attribute (ie, a predicted value) matched with an upper node.
  • An example 2400 shown in the upper part of FIG. 24 is a colored octree in which the position and attribute of any one of the child nodes are matched with the upper node.
  • the point cloud encoder selects a position corresponding to the center of gravity as an upper node (eg, an upper node of a leaf node).
  • the position corresponding to the center of gravity according to the embodiments is point cloud data of a node in a fixed order among the child nodes of the corresponding node (for example, the first node in an ascending order) (or Point) can be selected.
  • leaf nodes 2401 have c1, c2, c3, and c4 attributes, respectively.
  • the point cloud encoder matches the position and attribute c1 of the first child node with the parent node 2402 of the leaf nodes 2401.
  • Leaf nodes 2403 have c5, c6, c7, c8, and c9 attributes, respectively. Accordingly, the point cloud encoder matches the position and attribute c5 of the first child node with the parent node 2404 of the leaf nodes 2403.
  • the point cloud encoder matches the position and attribute c1 of the first node 2402 among the child nodes 2402 and 2404 of the node with the highest node 2405.
  • the point cloud encoder calculates an average position of positions of occupied nodes among child nodes, and matches point data (or points) of a child node having a position closest to the average value with an upper node. Create a colored octree.
  • the following equation represents a method of calculating an average value of positions of occupied nodes among child nodes.
  • (X_p, y_p, z_p) in the equation represents the position of the parent node, and the weight is a weight value that indicates whether the child node is occupied or not (e.g., an occupied node has a weight of 1, an unoccupied node has a weight 0), can indicate a weight for a specific direction.
  • NEIGHBOR represents neighboring nodes, that is, child nodes of a corresponding parent node.
  • M represents the sum of weights.
  • An example 2410 illustrated in FIG. 24 is a colored octree in which an average value of positions of occupied nodes among child nodes is calculated, and the positions and attributes of a child node having a position closest to the average value are matched with an upper node.
  • leaf nodes 2411 have c1, c2, c3, and c4 attributes, respectively.
  • the point cloud encoder calculates a median value of the positions of the leaf nodes 2411. Positions and attributes of leaf nodes 2411 according to embodiments are expressed as follows.
  • c1 Attr(0,2,0)
  • c2 Attr(1,2,0)
  • c3 Attr(0,3,0)
  • c4 Attr(1,3,0)
  • the point cloud encoder matches the position and attribute of c1 to the parent node 2412 (eg, a node of level n-1) of the leaf nodes 2411. do.
  • Leaf nodes 2413 have c5, c6, c7, c8, and c9 attributes, respectively.
  • the point cloud encoder calculates the median value of the positions of the leaf nodes 2413.
  • the positions and attributes of the leaf nodes 2413 according to the embodiments are expressed as follows.
  • the point cloud encoder matches the position and attribute of c5 with the parent node 2414 (eg, a node of level n-1) of the leaf nodes 2413. do.
  • the point cloud encoder computes the average of the positions of node 2412 and node 2414 (eg, nodes of level n-1). Positions and attributes of the node 2412 and the node 2414 according to the embodiments are as follows.
  • the average value of the positions of the node 2412 and the node 2414 according to the embodiments is expressed as follows.
  • the point cloud encoder matches the position and attribute of c1 to the node 2412 and the parent node 2415 (for example, the highest level node) of the node 2414. do.
  • the point cloud encoder calculates the median position of the positions of the occupied nodes among child nodes, and matches the positions and attributes of the child node having the position closest to the median value to the upper node to colorize. Create an octree.
  • the median value according to embodiments may represent the median value in Molton code order. Also, the point cloud encoder according to embodiments may calculate a median value when the number of occupied nodes is an even number.
  • the following equation represents a method of calculating a median value of positions of occupied nodes among child nodes.
  • NEIGHBOR represents neighboring nodes, that is, child nodes of a corresponding parent node.
  • An example 2420 illustrated in FIG. 24 is a colored octree in which a median value of positions of occupied nodes among child nodes is calculated, and the positions and attributes of a child node having a position closest to the median value are matched with an upper node.
  • leaf nodes 2421 have c1, c2, c3, and c4 attributes, respectively.
  • the point cloud encoder according to embodiments calculates the median value of the positions of the leaf nodes 2421. Since the position closest to the median is the position of the node c2, the point cloud encoder according to the embodiments has the position and attribute of c2 on the parent node 2422 (for example, a node at level n-1) of the leaf nodes 2421. Matches.
  • Leaf nodes 2423 have c5, c6, c7, c8, and c9 attributes, respectively.
  • the point cloud encoder according to embodiments calculates the median value of the positions of the leaf nodes 2423. Since the position closest to the median is the position of the c7 node, the point cloud encoder according to the embodiments is the position and attribute of c7 on the parent node 2424 (eg, a node of level n-1) of the leaf nodes 2423. Matches.
  • the point cloud encoder computes the median of the positions of node 2422 and node 2424 (eg, nodes of level n-1). Since the position closest to the median is c2, the point cloud encoder according to the embodiments matches the position and attribute of c2 to the node 2422 and the parent node 2425 (eg, the highest level node) of the node 2424. .
  • the point cloud encoder may select one of the attributes of child nodes (neighbor nodes) of the corresponding node in order to define the attribute of the upper node higher than the leaf node (Fig. Example of 23 (2320)).
  • the point cloud encoder according to the embodiments may match not only an attribute of a selected child node but also a position.
  • the following equation is an embodiment of the equation corresponding to the example 2320 of FIG. 23.
  • Attr(xp, yp, zp) shown in the equation represents an attribute of a parent node having a position of (xp, yp,zp), and Attr(xn, yn, zn) represents an attribute of a neighboring node.
  • M represents the sum of weights for neighboring nodes (or neighboring nodes). That is, the above equation is an equation for determining an attribute of a neighboring node whose difference from the attribute of the upper node is minimum as an estimated attribute (ie, a predicted value) that matches the attribute of the upper node.
  • the point cloud data transmission device may transmit encoded point cloud data in the form of a bitstream.
  • a bitstream may include one or more sub-bitstreams.
  • the point cloud data transmission apparatus may divide the image of the point cloud data into one or more packets in consideration of an error of a transmission channel and transmit the image through a network.
  • a bitstream according to embodiments may include one or more packets (eg, Network Abstraction Layer (NAL) units). Therefore, even if some packets are lost in a poor network environment, the device for receiving point cloud data may restore a corresponding image using the remaining packets.
  • the point cloud data may be processed by dividing it into one or more slices or one or more tiles. Tiles and slices according to embodiments are areas for processing point cloud compression coding by partitioning a picture of point cloud data.
  • the point cloud data transmission apparatus may provide high-quality point cloud content by processing data corresponding to each region according to the importance of each divided region of the point cloud data. That is, the point cloud data transmission apparatus according to the embodiments may perform a point cloud compression coding process on data corresponding to an area important to a user having better compression efficiency and appropriate latency.
  • a tile according to embodiments refers to a rectangular parallelepiped in a three-dimensional space (eg, a bounding box) in which point cloud data is distributed.
  • a slice according to embodiments is a series of syntax elements representing some or all of the encoded point cloud data, and means a set of points that can be independently encoded or decoded.
  • a slice according to embodiments may include data transmitted through a packet and may include one geometry data unit and a number of attribute data units having a size equal to that of zero.
  • One tile according to embodiments may include one or more slices.
  • the bitstream according to the embodiments is a sequence parameter set (SPS) for signaling of a sequence level, a geometry parameter set (GPS) for signaling of geometry information coding, an attribute parameter set (APS) for signaling of attribute information coding, and a tile.
  • SPS sequence parameter set
  • GPS geometry parameter set
  • APS attribute parameter set
  • TPS Tile Parameter Set
  • the SPS according to the embodiments is encoding information on the entire sequence such as a profile and a level, and may include comprehensive information on the entire file, such as a picture resolution and a video format.
  • One slice includes a slice header and slice data.
  • Slice data may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 and Attr1 0 ).
  • the geometry bitstream may include a header (eg, geometry slice header) and a payload (eg, geometry slice data).
  • the header of the geometry bitstream may include identification information of a parameter set included in GPS (geom_geom_parameter_set_id), a tile identifier (geom_tile id), a slice identifier (geom_slice_id), and information on data included in the payload.
  • the attribute bitstream may include a header (eg, attribute slice header or attribute brick header) and a payload (eg, attribute slice data or attribute brick data).
  • the point cloud encoder may generate a colored octree and generate scalable representation information including signaling information related to the generation of the colored octree. . Therefore, the bitstream includes scalable representation information.
  • the point cloud decoder In order to perform the above-described scalable representation, the point cloud decoder generates the colored octrees described in FIGS. 18 to 24. Accordingly, the point cloud decoder according to embodiments acquires scalable representation information included in the bitstream, and performs scalable decoding based on the scalable representation information.
  • the scalable representation information included in the bitstream according to the embodiments may be in the metadata processing unit or the transmission processing unit (for example, the transmission processing unit 12012 in FIG. 12) or the metadata processing unit or the transmission processing unit included in the point cloud encoder. Element) or the attribute coder 1840 described in FIG. 18.
  • the scalable representation information according to embodiments may be generated based on a result of performing attribute encoding.
  • the scalable representation information according to embodiments may be included in the APS and the attribute slice.
  • the scalable representation information according to embodiments may be defined in connection with attribute coding (attribute encoding and attribute decoding), or may be independently defined.
  • attribute coding attribute encoding and attribute decoding
  • scalable representation information may be included in GPS.
  • the scalable representation information when applied to one or more of a plurality of point cloud bitstreams or applied in a tile unit, it may be included in an SPS or a tile parameter set.
  • the transmission location of the scalable representation information in the bitstream according to the embodiments is not limited to this example.
  • 25 is an example of syntax for APS according to embodiments.
  • 25 is an example of syntax for APS according to embodiments, and may include the following information (or field, parameter, etc.).
  • aps_attr_parameter_set_id represents the identifier of the APS for reference by other syntax elements.
  • aps_attr_parameter_set_id has a value in the range of 0 to 15. Since one or more attribute bitstreams are included in the bitstream, a field having the same value as aps_attr_parameter_set_id in the header of each attribute bitstream (for example, ash_attr_parameter_set_id
  • the point cloud decoder may secure an APS corresponding to each attribute bitstream based on aps_attr_parameter_set_id and process the corresponding attribute bitstream.
  • aps_seq_parameter_set_id represents the value of sps_seq_parameter_set_id for active SPS. aps_seq_parameter_set_id has a value in the range of 0 to 15.
  • the following shows scalable coding information 2500 according to embodiments.
  • scalable_representation_available_flag indicates whether scalable decoding (or scalable representation) is applicable.
  • the point cloud encoder according to the embodiments is colored to enable scalable representation. You can create a risen octree and process attributes based on the colored octree. Therefore, the receiving device can provide a scalable representation by generating a colored octree based on this information. This indicates that the data does not have a structure capable of scalable representation.
  • octree_colorization_type represents a colored octree type or a method of generating a colored octree. If the value of octree_colorization_type is 0, it indicates that the colored octree is generated according to an attribute paired octree (for example, the attribute paired octree described in FIG. 23) or an attribute paired octree generation method. When the value of octree_colorization_type is 1, it indicates that the colored octree is generated according to a point paired octree (for example, a point paired octree described in FIG. 24) or a point paired octree generation method.
  • octree_colorization_type 0 when the value of octree_colorization_type is 0, that is, when the colored octree is an attribute paired octree.
  • Matched_attribute_type represents the type of an attribute matched to an octree node.
  • Matched_attribute_type indicates that the attribute is a speculative attribute (eg, an attribute estimated based on attributes of a neighboring node or a child node). Since the process of calculating the estimated attribute and matching the estimated attribute is the same as or similar to the process described in FIG. 23 (for example, example 2310), a detailed description is omitted.
  • Matched_attribute_type indicates that the attribute is an actual attribute (for example, an attribute of a child node). The process of matching the actual attribute is the same as or similar to the process described in FIG. 23 (for example, example 2320), so a detailed description thereof will be omitted.
  • attribute_selection_type represents a method of matching an attribute to an octree node.
  • the attribute_selection_type value is 0, the estimated attribute corresponds to the average value of the attributes of child nodes.
  • the attribute_selection_type value is 1, the estimated attribute corresponds to the median value of the attributes of child nodes.
  • the attribute_selection_type value is 2, the attribute corresponds to the attributes of the child nodes in a fixed order (for example, the attribute of the first child node or the attribute of the second child node among child nodes sorted in ascending order).
  • octree_colorization_type 1, that is, when the colored octree is a point paired octree.
  • point_data_selection_type represents a method or type of selecting point data to match an octree node. If the value of point_data_selection_type is 0, point_data_selection_type is
  • point_data_selection_type represents a method of selecting a point of a child node having a position closest to the average value of positions of ocupid nodes among child nodes (for example, example 2410 of FIG. 24).
  • point_data_selection_type represents a method of selecting a point of a child node having a position closest to the intermediate value of the positions of the occupied nodes among child nodes (for example, example 2420 of FIG. 24). .
  • the point_cloud_geometry_info_present_flag indicates whether geometry information for point data (or points) matched to the octree node is directly provided.
  • point_cloud_geometry_info_present_flag is 1, geometry information (eg, position) for point data (or points) matched to the octree node is transmitted together.
  • point_cloud_geometry_info_present_flag is 0, geometry information for point data (or points) matched to the octree node is transmitted together.
  • 26 is an example of syntax for an attribute slice bitstream according to embodiments.
  • a first syntax 2600 shown in FIG. 26 shows an example of syntax for an attribute slice bitstream according to embodiments.
  • the attribute slice bitstream includes an attribute slice header (attribute_slice_header) and attribute slice data (attribute_slice_data).
  • the second syntax 2610 shown in FIG. 26 is an example of syntax for an attribute header according to embodiments.
  • the syntax for the attribute header may include the following information (or fields, parameters, etc.).
  • ash_attr_parameter_set_id has the same value as aps_attr_parameter_set_id of active APSs (for example, aps_attr_parameter_set_id included in the syntax for APS described in FIG. 25).
  • ash_attr_sps_attr_idx identifies an attribute set included in an active SPS.
  • the value of ash_attr_sps_attr_idx falls within the range from 0 to the value of sps_num_attribute_sets included in the active SPS.
  • the third syntax 2620 shown in FIG. 26 is an example of syntax for attribute slice data according to embodiments.
  • the syntax for attribute slice data may include the following information.
  • attribute_dimension[ ash_attr_sps_attr_idx ] represents an attribute dimension (attribute_dimension) of the set of attributes identified by ash_attr_sps_attr_idx.
  • the attribute dimension (attribute_dimension) refers to the number of components constituting an attribute. Attributes according to embodiments represent reflectance, color, and the like. Therefore, the number of components that an attribute has is different. For example, an attribute corresponding to a color may have three color components (eg, RGB). Accordingly, an attribute corresponding to reflectance may be a mono-dimensional attribute, and an attribute corresponding to a color may be a three-dimensional attribute.
  • Attributes according to embodiments may be attribute-encoded in units of dimensions. For example, an attribute corresponding to reflectance and an attribute corresponding to color may be attribute encoded. In addition, attributes according to embodiments may be attribute-encoded together regardless of a dimension. For example, an attribute corresponding to reflectance and an attribute corresponding to color may be attribute encoded together.
  • the syntax for attribute slice data includes a bitstream according to the attribute coding type.
  • the APS according to embodiments may include attr_coding_type.
  • attr_coding_type represents an attribute coding type.
  • the value of attr_coding_type is equal to any one of 0, 1, or 2 in bitstreams according to embodiments. Other values of attr_coding_type may be used later by ISO/IEC. Therefore, the point cloud decoder according to embodiments may ignore other values of attr_coding_type other than 0, 1, and 2. If the value is 0, the attribute coding type is predicting weight lifting transform coding, if the value is 1, the attribute coding type is RAHT transform coding, and if the value is 2, the attribute coding type is fixed weight lifting. weight lifting) transformation coding.
  • the syntax for attribute slice data includes a PredictingWeight_Lifting bitstream (PredictingWeight_Lifting_bitstream(dimension)).
  • the syntax for attribute slice data includes a RAHT bitstream (RAHT_bitstream(dimension)).
  • the syntax for attribute slice data includes a FixedWeight_Lifting bitstream (FixedWeight_Lifting_bitstream(dimension)).
  • the APS includes point_cloud_geometry_info_present_flag.
  • the syntax for attribute slice data further includes a colored octree position bitstream.
  • a fourth syntax 2630 shown in the drawing is an example of syntax for a colored octree position bitstream.
  • the syntax for the colored octree position bitstream includes the following parameters.
  • colorization_start_depth_level represents a starting octree level or octree depth level to which octree colorization is applied to generate a colored octree.
  • colorization_end_depth_level represents the end octree level or octree depth level to which octree colorization is applied.
  • the total number of octree depth levels to which octree colorization is applied is expressed as a value obtained by adding 1 to the difference between the level indicated by colorization_end_depth_level and the level indicated by colorization_start_depth_level.
  • numOctreeDepthLevel colorization_end_depth_level-colorization_start_depth_level + 1
  • num_colorized_nodes[i] represents the number of nodes to which octree colorization is applied to the i-th octree depth level. i is greater than or equal to 0 and has a value less than the number indicated by numOctreeDepthLevel.
  • Each octree depth level ((i + colorization_start_depth_level)th octree depth level) is equal to the sum of the value indicated by i and the value indicated by colorization_start_depth_level.
  • position_index [i][j] represents the position of the j-th node of the (i + colorization_start_depth_level)-th octree level.
  • j represents the index of each node.
  • j has a value greater than or equal to 0 and less than the value of num_colorized nodes.
  • the position according to the embodiments includes a coordinate value on a three-dimensional coordinate system composed of x, y, and z axes and/or an order of a corresponding point in a Molton code order.
  • the position_index [i][j] may be transmitted for each node.
  • Point_data_selection_type is a method of selecting point cloud data (or points) of a node in a fixed order among the child nodes of the corresponding node (for example, the first node in an ascending order) (e.g. When the same information is repeated at the entire octree structure or at the corresponding octree level as shown in the example 2400 of FIG. 24), the position_index [i][j] according to the embodiments is transmitted only at the repetition time or the transmission position is changed. It can be (for example, a syntax change).
  • FIG. 27 is a block diagram illustrating an encoding operation of a point cloud encoder.
  • a point cloud encoder 2700 (for example, a point cloud video encoder 10002 of FIG. 1, a point cloud encoder of FIG. 4, a point cloud encoder described in FIGS. 12, 14, and 15) according to embodiments is shown in FIG.
  • the encoding operation (including octree colorization) described in FIGS. 1 to 26 may be performed.
  • Point Cloud (PCC) data or Point Cloud Compression (PCC) data is input data of the point cloud encoder 2700 and may include geometry and/or attributes.
  • Geometry is information indicating a position (eg, a location) of a point, and may be expressed by parameters of a coordinate system such as a Cartesian coordinate system, a cylindrical coordinate system, and a spherical coordinate system.
  • An attribute according to embodiments represents an attribute of a point (eg, color, transparency, reflectivity, grayscale, etc.).
  • the geometry may be referred to as geometry information (or geometry data), and the attribute may be referred to as attribute information (or attribute data).
  • the point cloud encoder 2700 is octree generation 2710 and geometry prediction 2720 to perform geometry coding (or geometry encoding) described in FIGS. 1 to 26. And entropy encoding 2730 to output a geometry bitstream.
  • the octree generation 2710, the geometry prediction 2720, and the entropy encoding 2730 according to the embodiments are the coordinate system transform unit 40000, quantization 40001, octree analysis unit 40002, and surface aproxy described in FIG. 4. Operations and/or operations of the Mation analysis unit 40003, the arithmetic encoder 40004, and the Reconstruct Geometry unit 40005 are described in FIG.
  • the point cloud encoder 2700 includes colorized octree generation 2740 and attribute prediction in order to perform attribute coding (or attribute encoding) described in FIGS. 1 to 26. ) (2750), transform (2760), quantization (2770), and entropy encoding (entrophy encoding) 2780.
  • the colorized octree generation 2740, attribute prediction 2750, transform 2760, quantization 2770, and entropy encoding 2780 may include a geometry reconstruction unit 40005 described in FIG. 4, Color conversion unit 40006, attribute conversion unit 40007, RAHT conversion unit 40008, LOD generation unit 40009, lifting conversion unit 40010, coefficient quantization unit 40011 and/or Arismatic encoder 40012 And/or the same as those of the color conversion processing unit 12008, attribute conversion processing unit 12009, prediction/lifting/RAHT conversion processing unit 12110, and Arithmetic coder 12011 described in FIG. 12 or Since they are similar, detailed descriptions are omitted.
  • the point cloud encoder 2700 generates a colored octree based on the information on the octree structure or the octree structure generated in the octree generation 2710 (2740). Generation of the colored octree according to the embodiments is the same as or similar to the octree colorization described in FIGS. 18 to 24.
  • the point cloud encoder 2700 according to the embodiments predicts (estimates) and removes similarity between attributes for each depth level based on a colored octree (attribute prediction 2750).
  • the point cloud encoder 2700 performs an attribute prediction 2750 based on a spatial distribution characteristic of adjacent data.
  • the point cloud encoder 2700 transforms (transforms) the predictive attribute into a format suitable for transmission or a domain having high compression efficiency (2760).
  • the point cloud encoder 2700 may or may not transform based on various transformation methods (eg, DCT series transformation, Lifting transform, RAHT, wavelet transform series, etc.) according to data types. Thereafter, the point cloud encoder 2700 quantizes the transformed attribute (2770), and performs entropy encoding for transforming the converted attribute into bit-based data for transmission (2780).
  • the point cloud encoder 2700 may perform attribute encoding based on a colored octree structure.
  • the point cloud encoder 2700 detects neighboring nodes. As described with reference to FIGS. 18 to 26, neighboring nodes are child nodes belonging to the same parent node. In the octree structure according to the embodiments, child nodes are likely to have adjacent positions. Accordingly, the point cloud encoder 2700 performs prediction on a current node among child nodes by assuming that child nodes are adjacent in a 3D space composed of x, y, and z axes. The point cloud encoder 2700 according to the embodiments may obtain a predicted value of each child node.
  • the point cloud encoder 2700 defines child nodes belonging to the same parent node as sibling nodes, and defines the sibling nodes to have the same prediction value to reduce the number of co-efficients required when performing encoding of each child node and achieve high efficiency. Encoding is performed.
  • the same prediction value may be used as an attribute of an occupied node and may be used to predict an attribute matched to a parent node. The following equations represent the predicted attribute at level 1 and the predicted attribute at level 1-1.
  • klm is parameters for defining the position of a peripheral node (or a neighboring node) around the (x, y, z) position.
  • the point cloud encoder 2700 calculates an attribute prediction error of each child node based on the predicted attribute.
  • the following equation is a method of obtaining an attribute prediction error of each child node, and represents the residual (rl(x,y,z)) between the original attribute value and the predicted attribute value.
  • Rl(x,y,z) shown in the equation represents the residual, that is, the residual of the l-th node having the position of (x,y,z).
  • cl(x,y,z) represents the actual attribute (e.g. color) of the l-th node with a position of (x,y,z), and pl(x,y,z) is (x,y,z) )
  • the method of calculating the attribute prediction error according to the embodiments is not limited to this example, and is based on various methods (eg, weighted difference, weighted averaged difference, etc.). can do.
  • the octree structure is an octree structure, and the depth increases from an upper node to a lower node.
  • Depth is referred to as a level and/or a layer.
  • the upper node corresponds to a smaller level and the lower node corresponds to a larger level (e.g., the highest node corresponds to level 0, the lowest node corresponds to level n).
  • the point cloud encoder 2700 may signal a prediction attribute value for the highest level and may signal an attribute prediction error for lower levels.
  • the point cloud encoder 2700 may determine an order of transferring data (attributes) for each level (level in an octree structure) in consideration of a decoding process. For example, the point cloud encoder 2700 delivers data in the order of increasing levels (for example, starting with a predicted attribute value of an upper node and transferring data to a lower node), and at the same level, the x, y, and z axes Data can be delivered in the order of increasing coordinate values (for example, the order of the Molton code based on the Molton code). According to embodiments, the point cloud encoder 2700 may perform reordering. In addition, the point cloud encoder 2700 according to embodiments performs quantization expressed by the following equation on the predicted attribute value and the attribute prediction error.
  • Q shown in the equation is a quantization coefficient, and the degree of quantization is determined according to the quantization coefficient.
  • dl(x,y,z) is data of the l-th node having a position of (x,y,z) and means data to be quantized.
  • dl'(x,y,z) represents data on which quantization has been performed.
  • the point cloud encoder 2700 may use different quantization coefficients according to a prediction attribute value and an attribute prediction error or for each level.
  • Information (eg, scalable representation information) related to geometry coding and attribute coding of the point cloud encoder 2700 according to the embodiments may be transmitted to the receiving device through the bitstream described in FIGS. 25 to 26. .
  • 28 is a block diagram showing a decoding operation of a point cloud decoder.
  • the point cloud decoder 2800 performs an operation corresponding to the reverse process of the point cloud encoder 2700 described in FIG. 27.
  • the point cloud decoder 2800 according to the embodiments (for example, the point cloud video decoder 10006 described in FIG. 10 or the point cloud decoder described in FIG. 11, the point cloud decoder described in FIG. 19, etc.) is illustrated in FIGS. 1 to 25 The decoding operation described above can be performed.
  • the point cloud decoder 2800 receives a bitstream.
  • the bitstream according to the embodiments (for example, the bitstream described in FIGS. 25 to 26) includes a geometry bitstream and an attribute bitstream.
  • a geometry bitstream according to embodiments may include the entire geometry and may include the partial geometry. Since the bitstream according to the embodiments includes the scalable representation information described with reference to FIGS. 25 to 26, the point cloud decoder 2800 includes the scalable level described with reference to FIGS. 18 to 26 based on the scalable representation information. Presentation can be performed.
  • the point cloud decoder 2800 performs entropy decoding 2810 on a geometry bitstream in order to perform geometry coding (or geometry decoding) described in FIGS.
  • a construction (Octree reconstruction) 2820 is performed to output geometry data and an octree structure.
  • Entropy decoding 2810 and octree reconstruction 2820 according to embodiments
  • the point cloud decoder 2800 includes entropy decoding 2830 and inverse quantization of an attribute bitstream. ) (2840), inverse transform (2850), attribute reconstruction (2860), and colorized octree generation (2870) to output attribute data.
  • the entropy decoding 2830, inverse quantization 2840, inverse transform 2850, and attribute reconstruction 2860 according to the embodiments include the arithmetic decoder 11005, inverse quantization unit 11006, and RAHT described in FIG.
  • the inverse quantization 2840 and the inverse transform 2850 according to the embodiments may or may not be executed according to the operation of the point cloud encoder 2700 of FIG. 27.
  • the point cloud decoder 2800 performs an attribute reconstruction 2860 based on an octree structure and a scalable representation depth level (or scalable representation level) output from the octree reconstruction 2820. Perform.
  • the scalable representation depth level according to embodiments may be determined by the receiving device according to performance.
  • the scalable representation depth level according to the embodiments may be determined by a point cloud encoder (for example, the point cloud encoder 2700 and transmitted together with the encoded point cloud data.
  • the point cloud decoder 2800 Detects neighboring nodes based on an octree structure for reconfiguring position information, similar to the point cloud encoder 2700 described in Fig. 27.
  • the point cloud decoder 2800 stores signaling information included in the bitstream. Neighbor nodes (for example, child nodes belonging to the same parent node described in Fig. 27) may be detected according to the definition of the neighbor nodes signaled through the point cloud decoder 2800 according to the embodiments.
  • the attributes can be predicted in the reverse order of the attribute prediction of the cloud encoder, for example, when the attribute prediction of the point cloud encoder is performed in the order of level from high to low (for example, from leaf node to root node), point
  • the cloud decoder 2800 predicts attributes from a low level to a high level (eg, from a root node to a leaf node)
  • the point cloud decoder 2800 includes an attribute prediction of a point cloud encoder In the same way, the reconstructed attribute of the parent node is used as a predicted value for the child nodes.
  • the above-described bitstream is one or more
  • the point cloud decoder 2800 may predict an attribute based on signaling information transmitted through a bitstream, and the following equations are given by the point cloud decoder 2800. Indicate the process.
  • the point cloud decoder 2800 may reconstruct an attribute of each child node based on the predicted attribute (2860).
  • the attribute reconstruction 2860 of the point cloud decoder 2800 corresponds to a reverse process of the attribute prediction 2750 of the point cloud encoder 2700 described in FIG. 27.
  • the point cloud decoder 2800 may reconstruct the attribute by adding the predicted attribute and the decoded attribute prediction error.
  • the following equation represents an attribute reconstruction process.
  • the colored octree generation 2870 is performed for scalable decoding or scalable representation.
  • the point cloud decoder 2800 according to the embodiments generates a colored octree based on an octree structure output from the octree reconstruction 2820 and a scalable representation depth level (or scalable representation level). (Colorized Octree Generation (2870)).
  • the colored octree generation 2870 is the same as or similar to the octree colorization described in FIGS. 18 to 24. Accordingly, the receiving device or the point cloud decoder 2800 may provide point cloud content of various resolutions.
  • 29 shows details of geometry and attributes according to scalable decoding according to embodiments.
  • FIG. 29 The upper part of FIG. 29 is an example 2900 showing details of geometry according to scalable decoding.
  • a first arrow 2910 indicates a direction from an upper node to a lower node of the octree.
  • the leaf nodes of the octree structure correspond to the top level detail of the geometry.
  • FIG. 29 The lower part of FIG. 29 is an example 2920 showing details of an attribute according to scalable decoding.
  • a second arrow 2930 indicates a direction from an upper node to a lower node of the octree. As shown in the figure, when scalable decoding is performed from an upper octree node to a lower node, the detail of an attribute increases.
  • FIG. 30 is an example of a flow diagram of a method for processing point cloud data according to embodiments.
  • the flow diagram 3000 of FIG. 30 is a point cloud data processing device (for example, the transmission device described in FIGS. 1, 11, 14 to 15, and 18 or the point cloud data encoder 2700 described in FIG. 27 ). Shows the point cloud data processing method.
  • the point cloud data processing apparatus according to embodiments may perform the same or similar operation as the encoding operation described in FIGS. 1 to 27.
  • the point cloud data processing apparatus may encode point cloud data including geometry information and attribute information (3010).
  • Geometry information is information indicating positions of points of point cloud data.
  • attribute information is information indicating attributes of points of point cloud data.
  • the point cloud data processing apparatus may encode geometry information and may encode attribute information.
  • the point cloud data processing apparatus performs the same or similar operation to the geometry information encoding operation described in FIGS. 1 to 27.
  • the point cloud data processing apparatus performs the same or similar operation to the attribute information encoding operation described in FIGS. 1 to 27.
  • the point cloud data processing apparatus receives an octree structure of geometry information.
  • the octree structure is expressed in one or more levels.
  • the point cloud data processing apparatus generates a colored octree by matching one or more attributes to each level of an octree structure (or by matching attributes to nodes of each level).
  • the colored octree according to embodiments is used to encode attribute information so that some or all of the attribute information can be represented in a scalable representation.
  • Geometry information encoding and attribute information encoding are the same as or similar to the geometry information encoding and attribute information encoding described in FIGS. 1 to 27, and thus detailed descriptions thereof will be omitted.
  • the point cloud data processing apparatus may transmit a bitstream including the encoded point cloud data (3020).
  • a bitstream according to embodiments may include scalable representation information (eg, scalable representation information described with reference to FIGS. 18 to 26).
  • the scalable representation information according to the embodiments may be transmitted through the APS and attribute data of the attribute slice, as described with reference to FIGS. 25 to 26, and is not limited to the above-described example.
  • the scalable representation information includes information indicating whether or not the scalable representation is possible (for example, scalable_represenatation_available_flag described in FIG. 25 ). If the corresponding information indicates that the scalable representation is possible, the scalable representation information further includes information indicating a method of generating a colored octree structure (eg, octree_colorization_type described in FIG. 25).
  • Information indicating a method of generating a colored octree structure is a method in which a method of generating a colored octree structure matches one or more arbitrary attributes to each level of the octree structure (for example, When the value of octree_colorization_type is 0, the colorized octree includes an attribute paired octree (for example, the attribute paired octree described in FIG. 23) and the actual attributes and positions of the lower levels of the corresponding level in each level of the octree structure.
  • an attribute paired octree for example, the attribute paired octree described in FIG. 23
  • the matching method for example, when the value of octree_colorization_type is 1, the colored octree is at least one of a point paired octree (for example, a point paired octree described in FIG. 24)).
  • a point paired octree for example, a point paired octree described in FIG. 24
  • 31 is an example of a flow diagram of a method for processing point cloud data according to embodiments.
  • the flow diagram 3100 of FIG. 31 is a point cloud data processing device (for example, the point cloud data receiving device described in FIGS. 1, 13, 14, 16, and 25 or the point cloud data decoder 2800 of FIG. 28 ). ) Of the point cloud data processing method.
  • the point cloud data processing apparatus according to the embodiments may perform the same or similar to the decoding operation described in FIGS. 1 to 28.
  • the point cloud data processing apparatus receives a bitstream including point cloud data (3110).
  • Geometry information is information indicating positions of points of point cloud data.
  • the attribute information according to embodiments is information indicating attributes of points of point cloud data.
  • the structure of the bitstream according to the embodiments is the same as that described with reference to FIGS. 25 to 26, so a detailed description will be omitted.
  • the point cloud data processing apparatus decodes the point cloud data (3120).
  • the point cloud data processing apparatus may decode geometry information and decode attribute information.
  • the point cloud data processing apparatus performs the same or similar operation as the geometry information decoding operation described in FIGS. 1 to 28.
  • the point cloud data processing apparatus performs the same or similar operation to the attribute information decoding operation described in FIGS. 1 to 28.
  • a bitstream according to embodiments may include scalable representation information (eg, scalable representation information described with reference to FIGS. 25 to 26).
  • the scalable representation information according to the embodiments may be transmitted through the APS and attribute data of the attribute slice, as described with reference to FIGS. 25 to 26, and is not limited to the above-described example.
  • the scalable representation information includes information indicating whether or not the scalable representation is possible (for example, scalable_represenatation_available_flag described in FIG. 25 ). If the corresponding information indicates that the scalable representation is possible, the scalable representation information further includes information indicating a method of generating a colored octree structure (eg, octree_colorization_type described in FIG. 25).
  • Information indicating a method of generating a colored octree structure is a method in which a method of generating a colored octree structure matches one or more arbitrary attributes to each level of the octree structure (for example, When the value of octree_colorization_type is 0, the colorized octree includes an attribute paired octree (for example, the attribute paired octree described in FIG. 23) and the actual attributes and positions of the lower levels of the corresponding level in each level of the octree structure.
  • an attribute paired octree for example, the attribute paired octree described in FIG. 23
  • the matching method for example, when the value of octree_colorization_type is 1, the colored octree is at least one of a point paired octree (for example, a point paired octree described in FIG. 24)).
  • a point paired octree for example, a point paired octree described in FIG. 24
  • the point cloud data processing apparatus receives an octree structure of the decoded geometry information.
  • the octree structure according to the embodiments is expressed in one or more levels.
  • the point cloud data processing apparatus according to the embodiments is colorized by matching one or more attributes to each level of an octree structure (or by matching attributes to nodes of each level) based on scalable representation information. Create a colored octree. As described with reference to FIGS. 1 to 28, the colored octree is used for the scalable representation.
  • Components of the point cloud data processing apparatus according to the embodiments described with reference to FIGS. 1 to 31 may be implemented by hardware, software, firmware, or a combination thereof including one or more processors combined with a memory.
  • Components of the device according to the embodiments may be implemented with one chip, for example, one hardware circuit.
  • components of the point cloud data processing apparatus according to embodiments may be implemented as separate chips.
  • at least one of the components of the point cloud data processing apparatus according to the embodiments may be composed of one or more processors capable of executing one or more programs, and one or more programs are shown in FIG. 1.
  • 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.
  • the point cloud data transmission method according to the embodiments may be performed by components included in the point cloud data transmission device or the point cloud data transmission device according to the embodiments.
  • the point cloud data receiving method according to the embodiments may be performed by the point cloud data receiving apparatus or the components included in the point cloud data receiving apparatus according to the embodiments.
  • Various components of the device according to the embodiments may be configured by hardware, software, firmware, or a combination thereof.
  • Various components of the embodiments may be implemented as one chip, for example, one hardware circuit.
  • the components according to the embodiments may be implemented as separate chips.
  • at least one or more of the components of the device according to the embodiments may be composed of one or more processors capable of executing one or more programs, and one or more programs may be implemented. It may include instructions for performing or performing any one or more of the operations/methods according to the examples.
  • 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 processor-readable recording medium is distributed over a computer system connected through a network, so that the processor-readable code can be stored and executed in a distributed manner.
  • first and second may be used to describe various elements of the embodiments. However, the interpretation of various components according to the embodiments should not be limited by the above terms. These terms are only used to distinguish one component from another. It's just a thing.
  • a first user input signal may be referred to as a second user input signal.
  • the second user input signal may be referred to as a first user input signal.
  • the use of these terms should be construed as not departing from the scope of various embodiments.
  • the first user input signal and the second user input signal are both user input signals, but do not mean the same user input signals unless clearly indicated in context.

Landscapes

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

Abstract

실시예들에 따른 포인트 클라우드 데이터 처리 방법은 포인트 클라우드 데이터를 인코딩하여 전송할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 처리 방법은 포인트 클라우드 데이터를 수신하고 디코딩할 수 있다.

Description

포인트 클라우드 데이터 처리 장치 및 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 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
따라서 효율적으로 포인트 클라우드 데이터를 처리하기 위하여 실시예들에 따른 포인트 클라우드 데이터 처리 방법은 지오메트리 정보 및 어트리뷰트 정보를 포함하는 포인트 클라우드 데이터를 인코딩하는 단계 및 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함한다. 실시예들에 따르 지오메트리 정보는 포인트 클라우드 데이트의 포인트들의 포지션들을 나타내는 정보이고, 실시예들에 따른 어트리뷰트 정보는 상기 포인트 클라우드 데이터의 포인트들의 어트리뷰트들을 나타내는 정보이다.
실시예들에 따른 포인트 클라우드 데이터 처리 장치는 지오메트리 정보 및 어트리뷰트 정보를 포함하는 포인트 클라우드 데이터를 인코딩하는 인코더 및 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 전송부를 포함한다. 실시예들에 따르 지오메트리 정보는 포인트 클라우드 데이트의 포인트들의 포지션들을 나타내는 정보이고, 실시예들에 따른 어트리뷰트 정보는 상기 포인트 클라우드 데이터의 포인트들의 어트리뷰트들을 나타내는 정보이다.
실시예들에 따른 포인트 클라우드 데이터 처리 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계 및 포인트 클라우드 데이터를 디코딩하는 단계를 포함한다. 실시예들에 따른 포인트 클라우드 데이터는 지오메트리 정보 및 어트리뷰트 정보를 포함한다. 실시예들에 따르 지오메트리 정보는 포인트 클라우드 데이트의 포인트들의 포지션들을 나타내는 정보이고, 실시예들에 따른 어트리뷰트 정보는 상기 포인트 클라우드 데이터의 포인트들의 어트리뷰트들을 나타내는 정보이다.
실시예들에 따른 포인트 클라우드 데이터 처리 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신기 및 포인트 클라우드 데이터를 디코딩하는 디코더를 포함한다. 실시예들에 따른 포인트 클라우드 데이터는 지오메트리 정보 및 어트리뷰트 정보를 포함한다. 실시예들에 따르 지오메트리 정보는 포인트 클라우드 데이트의 포인트들의 포지션들을 나타내는 정보이고, 실시예들에 따른 어트리뷰트 정보는 상기 포인트 클라우드 데이터의 포인트들의 어트리뷰트들을 나타내는 정보이다.
실시예들에 따른 장치 및 방법은 높은 효율로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 장치 및 방법은 높은 퀄리티의 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 장치 및 방법은 VR 서비스, 자율주행 서비스 등 범용적인 서비스를 제공하기 위한 포인트 클라우드 콘텐트를 제공할 수 있다.
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 스케일러블 레프리젠테이션의 예시이다.
도 19는 실시예들에 따른 컬러라이즈드 옥트리 기반의 포인트 클라우드 데이터의 예시를 나타낸다.
도 20은 실시예들에 따른 컬러라이즈드 옥트리의 예시를 나타낸다.
도 21은 실시예들에 따른 어트리뷰트 코딩의 플로우 차트의 예시이다.
도 22는 실시예들에 따른 옥트리 구조를 나타낸다.
도 23은 실시예들에 따른 컬러라이즈드 옥트리 구조의 예시이다.
도 24는 실시예들에 따른 컬러라이즈드 옥트리 구조의 예시이다.
도 25는 실시예들에 따른 APS를 위한 신택스의 예시이다.
도 26은 실시예들에 따른 어트리뷰트 슬라이스 비트스트림을 위한 신택스의 예시이다.
도 27은 포인트 클라우드 인코더의 인코딩 동작을 나타내는 블록도이다.
도 28은 포인트 클라우드 디코더의 디코딩 동작을 나타내는 블록도이다.
도 29는 실시예들에 따른 스케일러블 디코딩에 따른 지오메트리 및 어트리뷰트의 디테일을 나타낸다.
도 30은 실시예들에 따른 포인트 클라우드 데이터 처리 방법의 플로우 다이어그램의 예시이다.
도 31은 실시예들에 따른 포인트 클라우드 데이터 처리 방법의 플로우 다이어그램의 예시이다.
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 PCTKR2020006959-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 PCTKR2020006959-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 계산할 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 PCTKR2020006959-appb-img-000003
는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다.
Figure PCTKR2020006959-appb-img-000004
는
Figure PCTKR2020006959-appb-img-000005
와
Figure PCTKR2020006959-appb-img-000006
로부터 계산될 수 있다.
Figure PCTKR2020006959-appb-img-000007
와
Figure PCTKR2020006959-appb-img-000008
의 가중치는
Figure PCTKR2020006959-appb-img-000009
과
Figure PCTKR2020006959-appb-img-000010
이다.
Figure PCTKR2020006959-appb-img-000011
Figure PCTKR2020006959-appb-img-000012
는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다.
Figure PCTKR2020006959-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 PCTKR2020006959-appb-img-000014
로 계산된다. 루트 노드는 마지막
Figure PCTKR2020006959-appb-img-000015
과
Figure PCTKR2020006959-appb-img-000016
을 통해서 다음과 같이 생성된다.,
Figure PCTKR2020006959-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.
실시예들에 따른 스케일러블 디코딩은 수신 장치(예를 들면 도 1의 수신 장치(10004), 도 10 및 도 11의 포인트 클라우드 디코더, 도 13의 수신 장치)의 디코딩 성능에 따라 수신 장치가 선택적으로 지오메트리 및/또는 어트리뷰트 일부 또는 전체에 대해서 수행하는 디코딩이다. 실시예들에 따른 지오메트리 및 어트리뷰트 일부는 파셜 지오메트리 (partial geometry) 및 파셜 어트리뷰트(partial attribute) 라 호칭된다. 실시예들에 따른 지오메트리에 적용되는 스케일러블 디코딩은 스케일러블 지오메트리 디코딩 또는 지오메트리 스케일러블 디코딩이라 호칭된다. 실시예들에 따른 어트리뷰트에 적용되는 스케일러블 디코딩은 스케일러블 어트리뷰트 디코딩 또는 어트리뷰트 스케일러블 디코딩이라 호칭된다. 도 1 내지 도 17에서 설명한 바와 같이 포인트 클라우드 콘텐트의 포인트들은 3차원 공간에 분포되어 있으며 분포된 포인트들은 옥트리 구조로 표현된다. 옥트리 구조는 팔진트리 구조로서 상위 노드에서 하위 노드 방향으로 뎁스가 증가한다. 실시예들에 따른 뎁스는 레벨 및/또는 레이어로 호칭된다. 따라서 수신 장치는 낮은 레졸루션의 포인트 클라우드 콘텐트를 제공하기 위해 옥트리 구조의 상위 노드에서 하위 노드 방향으로 특정 뎁스 또는 레벨까지 대응하는 파셜 지오메트리에 대한 지오메트리 디코딩 (또는 지오메트리 스케일러블 디코딩) 및/또는 파셜 어트리뷰트에 대한 어트리뷰트 디코딩 (또는 어트리뷰트 스케일러블 디코딩)을 수행할 수 있다. 또한 수신 장치는 높은 레졸루션의 포인트 클라우드 콘텐트를 제공하기 위해 옥트리 구조 전체에 대응하는 지오메트리 및 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 수신 장치는 지오메트리 및 어트리뷰트 디코딩된 포인트 클라우드 데이터를 구성하는 하나 또는 그 이상의 레이어(layer)들(또는 레벨들) 중 일부 레이어들에 대응하는 포인트 클라우드 데이터를 디스플레이 하는 스케일러블 포인트 클라우드 레프리젠테이션 (scalable point cloud representation) 또는 스케일러블 레프리젠테이션을 수행한다. 실시예들에 따른 스케일러블 레프리젠테이션은 포인트 클라우드 디코더의 성능보다 디스플레이 및/또는 렌더러의 성능이 낮은 경우, 수신 장치가 선택적으로 수행할 수 있다. 실시예들에 따른 스케일러블 레프리젠테이션의 레벨은 옥트리 구조의 뎁스에 대응한다. 실시예들에 따른 레벨 값이 증가할수록 레졸루션 또는 디테일이 증가한다.
스케일러블 디코딩은 다양한 성능의 수신 장치를 지원하고, 어댑티브 비트레이트 (Adaptive bitrate) 환경에서도 포인트 클라우드 서비스 제공을 가능하게 한다. 하지만 어트리뷰트 디코딩은 지오메트리 디코딩에 기반하여 수행되므로, 정확한 어트리뷰트 디코딩을 수행하기 위해서는 지오메트리 정보가 필요하다. 예를 들어 RAHT 코딩을 위한 트랜스폼 코이피션트(Transform coefficient)는 지오메트리 분포 정보 (또는 지오메트리 구조 정보, 예를 들면 옥트리 구조 등)를 기반으로 결정된다. 또한 예측 변환 코딩 및 리프팅 변환 코딩은 각 LOD에 속하는 포인트들을 구하기 위해 전체 지오메트리 분포 정보(또는 지오메트리 구조 정보, 예를 들면 옥트리 구조)가 필요하다.
따라서 수신 장치는 안정적인 어트리뷰트 디코딩을 수행하기 위해 모든 지오메트리를 수신하고 처리할 수 있다. 하지만 수신 장치의 성능에 따라 실제로 디스플레이되지 않는 지오메트리 정보를 전송 및 수신하는 것은 비트레이트 측면에서 비효율적이다. 또한 수신 장치가 모든 지오메트리를 디코딩하면 포인트 클라우드 콘텐트 서비스 제공에서 딜레이가 발생할 수 있다. 뿐만 아니라 수신 장치의 디코더가 성능이 낮은 경우, 모든 지오메트리를 디코딩하지 못하는 경우도 발생한다.
도 18은 실시예들에 따른 스케일러블 레프리젠테이션의 예시이다.
도 18은 실시예들에 따른 포인트 클라우드 디코더(예를 들면 도 10 에서 설명한 포인트 클라우드 비디오 디코더(10006) 또는 도 11에서 설명한 포인트 클라우드 디코더)의 스케일러블 레프리젠테이션의 예시(1810)이다. 도면에 도시된 화살표(1800)는 지오메트리의 옥트리 구조의 뎁스가 증가하는 방향을 나타낸다. 실시예들에 따른 옥트리 구조의 최상위 노드는 최하위 뎁스 또는 처음 뎁스에 대응하고, 루트(Root)로 호칭된다. 실시예들에 따른 옥트리 구조의 최하위 노드는 최상위 뎁스 또는 마지막 뎁스에 대응하고 리프(Leaf)로 호칭된다. 실시예들에 따른 옥트리 구조의 뎁스는 루트에서 리프 방향으로 증가한다.
실시예들에 따른 포인트 클라우드 디코더는 성능에 따라 풀 레졸루션 포인트 클라우드 콘텐트를 제공하기 위한 디코딩(1811) 또는 낮은 레졸루션 포인트 클라우드 콘텐트를 제공하기 위한 디코딩(1812)을 수행한다. 풀 레졸루션 포인트 클라우드 콘텐트를 제공하기 위하여 포인트 클라우드 디코더는 옥트리 구조 전체에 대응하는 지오메트리 비트스트림(1811-1) 및 어트리뷰트 비트스트림(1812-1)을 디코딩(1811)한다. 낮은 레졸루션 포인트 클라우드 콘텐트를 제공하기 위한 포인트 클라우드 디코더는 옥트리 구조의 특정 뎁스에 대응하는 파셜 지오메트리 비트스트림 (1812-1) 및 파셜 어트리뷰트 비트스트림(1812-2)을 디코딩(1812)한다. 실시예들에 따른 어트리뷰트 디코딩은 지오메트리 디코딩에 기반하여 이루어진다. 따라서 포인트 클라우드 디코더가 파셜 어트리뷰트 비트스트림(1812-2)에 대응하는 어트리뷰트를 디코딩하는 경우에도, 포인트 클라우드 디코더는 전체 지오메트리 비트스트림(1811-1)(즉, 루트 뎁스부터 리프 뎁스까지)을 디코딩해야 한다. 즉, 도면에서 빗금 처리된 부분 (1811-3)은 디스플레이 되지 않는 지오메트리 정보에 대응하나, 파셜 어트리뷰트 비트스트림(1812-1)에 대응하는 어트리뷰트를 디코딩하기 위해 전송 및 디코딩된다.
또한 실시예들에 따른 전송 장치 (예를 들면 도 1에서 설명한 전송 장치(10000) 또는 도 12에서 설명한 전송 장치) 또는 포인트 클라우드 인코더(도 1의 포인트 클라우드 비디오 인코더(10002), 도4의 포인트 클라우드 인코더, 도 12, 도 14 및 도 15에서 설명한 포인트 클라우드 인코더 등)는 옥트리 구조의 특정 뎁스에 대응하는 파셜 지오메트리 비트스트림 (1812-1) 및 파셜 어트리뷰트 비트스트림(1812-2)만을 전송할 수 있다. 낮은 레졸루션 포인트 클라우드 콘텐트를 제공하기 위한 포인트 클라우드 디코더는 옥트리 구조의 특정 뎁스에 대응하는 파셜 지오메트리 비트스트림 (1812-1) 및 파셜 어트리뷰트 비트스트림(1812-2)을 디코딩(1812)한다.
따라서 도 18에 도시된 바와 같이 수신 장치가 다양한 레졸루션의 포인트 클라우드 데이터를 제공하기 위해서, 즉, 스케일러블 레프리젠테이션을 제공하기 위해서는 지오메트리 비트스트림(1811-1) 및 어트리뷰트 비트스트림(1812-1)의 일부를 처리하기 위한 처리 과정 및 시그널링 정보가 필요하다.
실시예들에 따른 포인트 클라우드 인코더는 지오메트리 구조에 어트리뷰트를 매칭하여 컬러라이즈드 옥트리(colorized octree)를 생성한다. 실시예들에 따른 컬러라이즈드 옥트리는 지오메트리의 옥트리 구조를 나타내는 하나 또는 그 이상의 레벨들(또는 뎁스들)에 대하여 각 레벨의 노드와 어트리뷰트를 매칭하여 생성된다. 실시예들에 따른 포인트 클라우드 인코더는
생성된 컬러라이즈드 옥트리를 기반으로 어트리뷰트 인코딩을 수행한다. 또한 포인트 클라우드 인코더는 수신 장치에서 스케일러블 디코딩 및 스케일러블 레프리젠테이션을 수행할 수 있도록 컬러라이즈드 옥트리와 관련된 정보를 포함하는 스케일러블 레프리젠테이션 정보를 생성하고 인코드된 지오메트리 및 인코드된 어트리뷰와 함께 비트스트림을 통해 전송한다.
수신 장치는 스케일러블 레프리젠테이션 정보를 기반으로 송신 장치 또는 포인트 클라우드 인코더의 역과정으로서 컬러라이즈드 옥트리를 생성할 수 있다. 상술한 바와 같이 컬러라이즈드 옥트리는 지오메트리의 옥트리 구조에 매칭된 어트리뷰트를 나타낸다. 따라서 수신 장치는 컬러라이즈드 옥트리를 기반으로 특정 레벨을 선택하여 매칭된 어트리뷰트에 따라 저해상도의 포인트 클라우드 콘텐트를 출력 또는 렌더링할 수 있다. 특히 수신 장치는 별도의 수신 과정 또는 처리 과정 없이 수신 장치의 성능에 따른 다양한 레졸루션의 포인트 클라우드 콘텐트를 제공할 수 있다. 실시예들에 따른 전송 장치(또는 포인트 클라우드 인코더) 및 수신 장치(또는 포인트 클라우드 디코더) 모두 컬러라이즈드 옥트리를 생성할 수 있다. 실시예들에 따른 컬러라이즈드 옥트리 생성 과정 또는 방법은 옥트리 컬러라이제이션(octree colorization)이라고 호칭할 수 있다. 실시예들에 따른 포인트 클라우드 인코더는 옥트리 구조의 최상위 노드(최하위 레벨)부터 최하위 노드(최상위 레벨)에 대하여 전체 옥트리 구조에 대하여 옥트리 컬러라이제이션을 수행할 수도 있다. 또한 실시예들에 따른 포인트 클라우드 인코더는 옥트리 구조의 임의의 뎁스 구간(예를 들면 n-1 레벨부터 n레벨까지)에 대하여 옥트리 컬러라이제이션을 수행할 수 있다. 실시예들에 따른 포인트 클라우드 디코더는 상술한 스케일러블 코딩 정보를 기반으로 옥트리 컬러라이제이션을 수행할 수 있다.
도 19는 실시예들에 따른 컬러라이즈드 옥트리 기반의 포인트 클라우드 데이터의 예시를 나타낸다.
도 18에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 1의 포인트 클라우드 비디오 인코더(10002), 도4의 포인트 클라우드 인코더, 도 12, 도 14 및 도 15에서 설명한 포인트 클라우드 인코더 등) 또는 전송 장치 (예를 들면 도 1에서 설명한 전송 장치(10000) 또는 도 12에서 설명한 전송 장치)는 스케일러블 레프리젠테이션(또는 스케일러블 디코딩)이 가능하도록 포인트 클라우드 데이터(소스 지오메트리 및 소스 어트리뷰트, 또는 지오메트리 및 어트리뷰트라 호칭한다)를 지오메트리 인코딩 및 어트리뷰트 인코딩 할 수 있다(1900). 실시예들에 따른 인코드된 지오메트리 및 인코드된 어트리뷰트는 비트스트림(예를 들면 도 1에서 설명한 비트스트림)을 통해 전송된다.
실시예들에 따른 동일한 레벨의 파셜 지오메트리 및 파셜 어트리뷰트가 전송될 수도 있고(1910), 전체 지오메트리 (full geometry) 및 파셜 어트리뷰트가 전송될 수 있다(1920). 또한 파셜 지오메트리 및 전체 어트리뷰트 (full attribute)가 전송되거나(1930), 전체 지오메트리 및 전체 어트리뷰트가 전송될 수 있다(1940). 상술한 바와 같이 스케일러블 레프리젠테이션 정보는 인코드된 지오메트리 및 인코드된 어트리뷰트와 함꼐 비트스트림을 통해 전송되므로,
실시예들에 따른 수신 장치(예를 들면 도 1의 수신 장치(10004), 도 10 및 도 11의 포인트 클라우드 디코더, 도 13의 수신 장치)는 비트스트림을 수신하고 스케일러블 레프리젠테이션 정보를 확보한다. 수신 장치는 스케일러블 레프리젠테이션 정보를 기반으로 비트스트림 내의 전체 또는 파셜 지오메트리 및/또는 어트리뷰트를 처리하여 다양한 레졸루션의 포인트 클라우드 데이터를 제공할 수 있다(스케일러블 레프리젠테이션).
도 20은 실시예들에 따른 컬러라이즈드 옥트리의 예시를 나타낸다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 1의 포인트 클라우드 비디오 인코더(10002), 도4의 포인트 클라우드 인코더, 도 12, 도 14 및 도 15에서 설명한 포인트 클라우드 인코더 등)는 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 포인트 클라우드 인코더는 지오메트리의 구조를 기반으로 어트리뷰트 인코딩을 수행한다. 즉, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 4에서 설명한 어트리뷰트 변환부(40007) 등)는 지오메트리 구조(또는 재구성된 지오메트리 구조)를 기반으로 어트리뷰트를 변환할 수 있다. 지오메트리 구조는 옥트리 구조를 포함한다. 실시예들에 따른 옥트리 구조는 3차원 공간을 나타내는 구조이므로 각 노드에 대한 어트리뷰트는 표현하지 않는다. 또한 각 노드는 각 노드에 대응하는 3차원 공간에 포함된 포인트들의 포지션들에 기반한 포지션 (또는 위치 정보)를 갖는다. 실시예들에 따른 노드의 포지션은 노드에 대응하는 영역에 포함된 포인트들의 포지션들의 중앙값, 일정 꼭지점에 대응하는 포지션, 기설정된 대표 포지션, 노드에 대응하는 영역에 포함된 포인트들의 포지션들의 평균 값등이 될 수 있다. 따라서 노드의 포지션은 실제 포인트들의 포지션 정보에 근사한 포지션을 나타낸다. 실시예들에 따른 옥트리 구조에 대한 구체적인 설명은 도 1 내지 도 19에서 설명한 바와 동일하므로 생략한다.
도 20의 좌측은 실시예들에 따른 지오메트리 옥트리 구조의 4개의 리프 노드들 각각에 대응하는 어트리뷰트들(c1, c2, c3, 및 c4)을 나타낸다. 상술한 바와 같이 리프 노드는 옥트리 구조의 가장 높은 뎁스 또는 최상위 레벨(예를 들면 레벨 n)에 대응한다. 실시예들에 따른 포인트 클라우드 인코더는 리프 노드 각각과 어트리뷰트를 매칭한다.
도 20의 우측은 옥트리 구조의 리프 노드에 대응하는 어트리뷰트들을 기반으로 생성된 컬러라이즈드 옥트리의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 리프 노드들에 대응하는 어트리뷰트들(예를 들면 레벨 n)을 기반으로 옥트리 구조의 하위 뎁스 또는 하위 레벨(예를 들면 레벨 n-1), 즉 상위 노드에 매칭된 어트리뷰트들을 나타내는 컬러라이즈드 옥트리 구조를 생성할 수 있다. 실시예들에 따른 포인트 클라우드 인코더는 옥트리 노드의 포지션과 어트리뷰트 또는 어트리뷰트의 예측값을 매칭하거나, 옥트리 노드에 포인트 클라우드 데이터를 매칭한다. 실시예들에 따른 컬러라이즈드 옥트리 구조는 최하위 레벨 (예를 들면 레벨 0)에 대응하는 루트 노드에 매칭된 어트리뷰트를 나타낸다. 도 18 내지 도 19에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 컬러라이즈드 옥트리 구조 및 옥트리 구조 생성과 관련된 시그널링 정보(예를 들면 도 18에서 설명한 스케일러블 레프리젠테이션 정보 등)를 인코드된 지오메트리 및 어트리뷰트와 함께 전송한다. 따라서 수신 장치 또는 포인트 클라우드 디코더는 시그널링 정보를 기반으로 디코딩 성능에 따라 특정 레벨(예를 들면 임의 레벨 I 또는 최상위 레벨 n)까지 스케일러블 디코딩(예를 들면 도 18 내지 도 19에서 설명한 스케일러블 디코딩)을 수행하여 다양한 레졸루션의 포인트 클라우드 콘텐트를 제공한다.
도 21은 실시예들에 따른 어트리뷰트 코딩의 플로우 차트의 예시이다.
실시예들에 따른 포인트 클라우드 인코더는 도 20에서 설명한 컬러라이즈드 옥트리 구조를 생성하여 어트리뷰트 코딩을 수행할 수 있다. 도 21에 도시된 플로우 차트는 도 20에서 설명한 컬러라이즈드 옥트리 구조를 생성하는 과정(또는 옥트리 컬러라이제이션)의 예시(2100)이다.
실시예들에 따른 포인트 클라우드 인코더는 옥트리 구조(예를 들면 도 1 내지 도 20에서 설명한 옥트리 구조)의 리프 노드과 어트리뷰트를 매칭한다(2110). 실시예들에 따른 리프 노드는 옥트리 구조의 최상위 레벨에 대응한다. 리프 노드의 개수는 하나 또는 그 이상의 정수이다. 실시예들에 따른 포인트 클라우드 인코더는 리프 노드에 매칭된 어트리뷰트를 기반으로 리프 노드의 상위 노드(즉, 하위 레벨)과 어트리뷰트를 매칭한다. 실시예들에 따른 각 노드는 포지션(또는 위치 정보)을 갖는다. 도 6에서 설명한 바와 같이 옥트리 구조의 노드는 옥트리 구조의 레벨에 따라 3차원 공간이 분할된 공간에 대응하며, 각 공간에 포함된 포인트들의 포지션들을 기반으로 설정되는 포지션을 갖는다. 포인트 클라우드 인코더는 각 노드에 어트리뷰트를 매칭할 수 있다(2120). 각 노드에 어트리뷰트를 매칭하지 않는 경우, 포인트 클라우드 인코더는 상위 레벨의 어트리뷰트들(예를 들면 리프 노드의 어트리뷰트들)을 기반으로 추정 어트리뷰트(estimated attribute)를 생성하고, 해당 레벨(예를 들면 리프 노드의 레벨의 하위 레벨)의 노드에 매칭하여 컬러라이즈드 옥트리 구조를 생성한다(2130). 포인트 클라우드 인코더는 루트 노드 레벨까지 동일한 과정을 반복할 수 있다.
포인트 클라우드 인코더는 각 노드에 어트리뷰트를 매칭하는 경우, 노드의 포지션 또는 실제 포인트 클라우드 데이터의 포지션과 어트리뷰트를 매칭할 수 있다(2140). 포인트 클라우드 인코더는 각 노드의 포지션과 어트리뷰트를 매칭하여 컬러라이지드 옥트리 구조를 생성한다(2150). 예를 들어 포인트 클라우드 인코더는 각 노드의 하나 또는 그 이상의 자식 노드들 중 어느 하나의 자식 노드의 어트리뷰트와 해당 노드를 매칭할 수 있다. 포인트 클라우드 인코더는 루트 노드 레벨까지 동일한 과정을 반복할 수 있다.
포인트 클라우드 인코더는 노드에 실제 포인트 클라우드 데이터를 매칭하여 컬러라이즈드 옥트리 구조를 생성한다(2160). 실시예들에 따른 리프 노드는 가장 작은 분할 단위인 복셀에 대응하므로, 리프 노드는 적어도 하나의 포인트를 포함한다. 따라서 리프 노드의 포지션은 해당 포인트의 포지션과 일치한다. 하지만 옥트리 구조에서 리프 노드를 제외한 나머지 노드들의 포지션은 실제 노드에 대응하는 3차원 공간 내 위치한 하나 또는 그 이상의 포인트들의 포지션들과 정확히 일치하지 않을 수 있다. 따라서 포인트 클라우드 인코더는 각 노드의 하나 또는 그 이상의 자식 노드들에 대하여, 하나의 자식 노드의 포지션 및 어트리뷰트의 페어를 선택하여 해당 노드에 매칭하거나 자식 노드들의 포지션들의 평균값 또는 중앙값(median) 중 어느 하나를 선택하고, 선택된 값 및 선택된 값에 가장 가까운 포지션을 갖는 자식 노드의 어트리뷰트를 해당 노드에 매칭할 수 있다.
도 21에 도시된 컬러라이즈드 옥트리 구조를 생성하는 과정과 관련된 시그널링 정보는 도 18에서 설명한 수신 장치에서 스케일러블 레프리젠테이션을 수행할 수 있도록 관련된 시그널링 정보 등에 포함되어 전송된다. 따라서 수신 장치 또는 포인트 클라우드 디코더는 시그널링 정보를 기반으로 디코딩 성능에 따라 특정 레벨(예를 들면 임의 레벨 I 또는 최상위 레벨 n)까지 스케일러블 디코딩 및 스케일러블 레프리젠테이션(예를 들면 도 18 내지 도 19에서 설명한 스케일러블 레프리젠테이션)을 수행하여 다양한 레졸루션의 포인트 클라우드 콘텐트를 제공한다.
도 22는 실시예들에 따른 옥트리 구조를 나타낸다.
도 6에서 설명한 바와 같이 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다. 옥트리 구조의 최상위 노드부터 최하위 노드인 리프 노드 방향으로 레벨이 증가하며 각 리프 노드는 복셀에 대응한다.
도22의 예시는 포인트 클라우드를 표현하는 3레벨의 옥트리 구조를 나타낸다. 옥트리 구조의 각 노드는 3차원 좌표계 내의 좌표값으로 표현되는 포지션을 갖는다. 상술한 바와 같이 각 리프 노드는 실제 포인트의 포지션을 갖는다. 따라서 도면에 도시된 옥트리 구조의 가장 높은 레벨 3에 대응하는 리프 노드들(2200)은 각각 (0,2,0), (1,2,0), (0,3,0), (1,3,0), (3,2,2), (2,2,1), (3,2,3), (2,3,3), (3,3,3)으로 표현되는 포지션을 가진다. 즉, 각 리프 노드는 각 포지션에 위치한 포인트를 포함할 수 있다. 옥트리 구조의 레벨 2에 대응하는 두 개의 오큐파이드 노드들 (00100001) (2210)은 각각 (0,1,0), (1,1,1)으로 표현되는 포지션을 갖는다.
도 23은 실시예들에 따른 컬러라이즈드 옥트리 구조의 예시이다.
도 23의 예시(2300, 2310, 2320)는 도 22에서 설명한 3레벨의 옥트리 구조를 기반으로 생성된 컬러라이즈드 옥트리 구조의 예시를 나타낸다.
도 23의 예시(2300)는 옥트리 구조(예를 들면 도 1 내지 도 20에서 설명한 옥트리 구조)의 리프 노드에 매칭된 어트리뷰트를 나타낸다. 도 23의 예시(2300)는 도 21에서 설명한 포인트 클라우드 인코더가 리프 노드과 어트리뷰트를 매칭하는 동작(예를 들면 (2110)에 대응한다.
(2110). 상술한 바와 같이 리프 노드는 복셀에 대응하므로 각 리프 노드의 포지션은 실제 포인트의 포지션과 동일하다. 즉, 리프 노드들의 포지션은 각각 (0,2,0), (1,2,0), (0,3,0), (1,3,0), (3,2,2), (2,2,1), (3,2,3), (2,3,3), (3,3,3)의 좌표값으로 표현되며, 각 좌표값은 3차원 공간의 포인트의 포지션이다. 각 리프 노드에는 해당 포지션의 포인트의 어트리뷰트가 매칭된다. 도면에 도시된 c1, c2, c3, c4, c5, c6, c7, c8, c9는 각 포인트의 어트리뷰트를 나타낸다. 도 23의 예시(2300)는 하나의 어트리뷰트(예를 들면 c1)를 갖는 하나의 포인트(예를 들면 (0,2,0)에 위치한 포인트)를 나타낸다. 실시예들에 따른 어트리뷰트와 포인트의 관계는 본 예시에 국한되지 않는다. (x,y,z) 포지션의 어트리뷰트 값은 Attr(x, y, z)라고 표현된다. 따라서 총 16개의 리프 노드들 중 오큐파이드된 리프 노드에 매칭된 어트리뷰트 값은 다음과 같이 표현된다.
c1=Attr(0,2,0), c2=Attr(1,2,0), c3=Attr(0,3,0), c4=Attr(1,3,0),
c5=Attr(3,2,2), c6=Attr(2,2,1), c7=Attr(3,2,3), c8=Attr(2,3,3), c9=Attr(3,3,3)
옥트리 리프 노드의 상위 노드 (부모 노드)에 대응하는 영역은 리프 노드에 대응하는 영역보다 8배(가로, 세로, 높이 각 2배씩) 큰 사이즈의 영역이다. 실시예들에 따른 옥트리 구조의 상위 노드에 대응하는 영역의 사이즈는 8^(리프 노드로부터 옥트리 레벨의 차이(octree level difference from the leaf node))로 표현된다.
실시예들에 따른 상위 노드에 대응하는 영역은 하나 또는 그 이상의 포인트들을 포함한다. 실시예들에 따른 상위 노드의 포지션은 해당 노드의 자식 노드의 포지션들의 평균 값 또는 평균 포지션으로 설정 또는 표현될 수 있다. 따라서 상위 노드의 포지션은 상위 노드에 대응하는 영역 내의 포인트들의 포지션들과 일치하지 않을 수 있다. 즉, 상위 노드 포지션에 대응하는 실제 포인트가 존재하지 않으므로 포인트 클라우드 인코더는 상위 노드 포지션에 대응하는 어트리뷰트를 매칭할 수 없다. 따라서 실시예들에 따른 포인트 클라우드 인코더(도 1의 포인트 클라우드 비디오 인코더(10002), 도4의 포인트 클라우드 인코더, 도 12, 도 14 및 도 15에서 설명한 포인트 클라우드 인코더 등)는 임의의 어트리뷰트를 해당 노드에 매칭할 수 있다. 실시예들에 따른 포인트 클라우드 인코더는 이웃 노드들을 검출하여 임의의 어트리뷰트를 매칭할 수 있다. 실시예들에 따른 이웃 노드들은 해당 노드의 자식 노드들 중 오큐파이드 노드들에 대응한다.
실시예들에 따른 포인트 클라우드 인코더는 리프 노드의 어트리뷰트를 기반으로 리프 노드(예를 들면 레벨 n)의 상위 노드들 (예를 들면 레벨 n-1에 대응하는 노드들)에 임의의 어트리뷰트를 매칭한다. 포인트 클라우드 인코더는 최상위 노드에 도달할 때까지 동일한 과정을 반복하여 컬러라이즈드 옥트리를 생성한다. 실시예들에 따른 컬러라이즈드 옥트리는 어트리뷰트 페어드 옥트리(attribute paired octree)라고 호칭된다.
도 23의 오른쪽 상단의 예시(2310)는 상위 노드에 매칭된 추정 어트리뷰트를 나타내는 컬러라이즈드 옥트리이다. 상술한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 수신 장치에서 스케일러블 코딩, 포인트 클라우드 서브 샘플링, 낮은 레졸루션의 포인트 클라우드 콘텐트 제공 등의 동작을 가능하도록 하기 위하여 옥트리의 노드의 포지션을 정의하고, 추정 어트리뷰트를 매칭할 수 있다.
실시예들에 따른 옥트리에서 노드의 포지션은 각 노드에 대응하는 몰톤 코드 포지션 또는 3차원 좌표계의 포지션으로 표현될 수 있다. 포인트 클라우드 인코더는 리프 노드보다 상위인 상위 노드의 어트리뷰트를 해당 노드의 자식 노드들의 어트리뷰트들을 나타낼 수 있는 값(예를 들면 가중치가 적용된 평균값, 미디언값 등)인 추정 어트리뷰트로 표현할 수 있다. 즉, 실시예들에 따른 노드의 포지션 및 어트리뷰트는 각 노드에 대응하는 영역에 포함된 실제 포인트 클라우드 데이터의 포지션 및 어트리뷰트과 동일하지 않을 수 있다. 하지만 수신 장치는 상술한 컬러라이즈드 옥트리 구조를 기반으로 디코딩 성능 또는 네트워크 환경 등에 따라 다양한 버전의 포인트 클라우드 콘텐트(예를 들면 저해상도 버전의 포인트 클라우드 콘텐트 또는 근사치 버전의 포인트 클라우드 콘텐트)를 제공할 수 있다.
도면에 도시된 p0은 최상위 노드 (레벨 1)에 매칭된 추정 어트리뷰트를 나타내고, p1 및 p2는 상위 노드에 매칭된 추정 어트리뷰트를 나타낸다. 실시예들에 따른 포인트 클라우드 인코더는 하위 자식 노드들(2315)의 어트리뷰트들 c1, c2, c3 및 c4를 기반으로 p1(2315-1)을 계산할 수 있다.
이하의 수학식은 포지션 (x, y, z) 값을 갖는 상위 노드의 추정 어트리뷰트(p(x,y,z))를 나타낸다.
Figure PCTKR2020006959-appb-img-000018
수학식에 나타난Attr(xn,yn,yn)는 해당 노드의 자식 노드의 어트리뷰트를 나타낸다. W는 주변부 노드들에 대한 가중치를 나타내고, I,j,k는 상위 노드 포지션 (x,y,z)을 중심으로 주변부 노드의 포지션을 정의하기 위해 사용되는 파라미터들이다. N은 주변부 노드들의 개수를 의미한다.
도 23의 오른쪽 하단의 예시(2320)는 상위 노드에 매칭된 어트리뷰트를 나타내는 컬러라이즈드 옥트리이다. 실시예들에 따른 포인트 클라우드 인코더는 리프 노드의 상위 노드의 어트리뷰트를 정의하기 위하여 해당 노드의 자식 노드들의 어트리뷰트들 중 하나(예를 들면 오름차순으로 정렬된 자식 노드들 중 첫번째 자식 노드의 어트리뷰트)를 선택할 수 있다. 실시예들에 따른 상위 노드는 노드 포지션 및 실제 어트리뷰트를 가지므로, 수신 장치는 스케일러블 디코딩을 수행하더라도 보다 근사한 포인트 클라우드 콘텐트(낮은 레졸루션의 포인트 클라우드 콘텐트)를 제공할 수 있다. 도면에 도시된 p0은 최상위 노드 (레벨 1)에 매칭된 추정 어트리뷰트를 나타내고, p1 및 p2는 상위 노드에 매칭된 어트리뷰트를 나타낸다. 도면에 도시된 바와 같이 p1은 하위 자식 노드들의 어트리뷰트들 중 c4와 동일하고 p2는 하위 자식 노드들의 어트리뷰트들 중 c6과 동일하다. 최상위 노드에 매칭된 어트리뷰트 p0는 하위 어트리뷰트 들 중 c4와 동일하다.
이하의 수학식은 포지션 (x, y, z) 값을 갖는 상위 노드에 매칭된 추정 어트리뷰트(p(x,y,z))를 나타낸다.
Figure PCTKR2020006959-appb-img-000019
수학식에 도시된 Cp는 하위 자식 노드들 중 오큐파이드 노드에 매칭된 어트리뷰트 (예를 들면 컬러 값)을 나타낸다. Attr(xn,yn,yn)는 해당 노드의 주변부 노드의 어트리뷰트를 나타낸다. M은 주변부 노드들에 대한 가중치의 합을 나타낸다. 즉, 위 수학식은 상위 노드에 매칭되는 추정 어트리뷰트(즉, 예측값)으로써 주변부 노드와의 차가 최소가 되는 어트리뷰트 Cp를 결정하기 위한 식이다.
도 24는 실시예들에 따른 컬러라이즈드 옥트리 구조의 예시이다.
도 24의 예시(2400, 2410, 2420)는 도 22에서 설명한 어트리뷰트가 매칭된 리프 노드들을 갖는 3레벨의 옥트리 구조의 예시(2300)를 기반으로 생성된 컬러라이즈드 옥트리 구조의 예시를 나타낸다. 도 22 내지 도 23에서 설명한 바와 같이 옥트리 구조의 각 노드(리프 노드 제외)는 포지션을 갖는다. 각 노드의 포지션은 해당 노드에 대응하는 영역 내에 포함된 포인트들의 포지션들과 동일하지 않을 수 있다. 실시예들에 따른 포인트 클라우드 인코더는 옥트리 구조의 노드에 대하여 도 23에서 설명한 어트리뷰트뿐만 아니라 포지션도 함께 매칭하여 컬러라이즈드 옥트리 구조를 생성할 수 있다. 즉, 실시예들에 따른 컬러라이즈드 옥트리의 노드에는 실제 포인트가 매칭된다. 실시예들에 따른 컬러라이즈드 옥트리는 포인트 페어드 옥트리(point paired octree)라고 호칭된다. 따라서 수신 장치는 스케일러블 디코딩을 수행하더라도 컬러라이즈드 옥트리를 기반으로 원본에 근사한 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(도 1의 포인트 클라우드 비디오 인코더(10002), 도4의 포인트 클라우드 인코더, 도 12, 도 14 및 도 15에서 설명한 포인트 클라우드 인코더 등)는 옥트리 구조의 상위 노드(리프 노드 제외)에 실제 포인트를 매칭하기 위하여 해당 노드의 포지션에 가까운 포인트 클라우드 데이터를 선택할 수 있다. 예를 들어, 포인트 클라우드 인코더는 해당 노드의 포지션으로서, 주변부 노드와의 거리가 최소가 되는 노드의 포지션을 선택할 수 있다. 또한 포인트 클라우드 인코더는 무게중심(geometric centroid)에 해당하는 어트리뷰트를 해당 노드에 매칭할 수 있다. 또한 실시예들에 따른 무게중심은 옥트리 노드의 이웃 노드들(예를 들면 동일한 레벨의 노드들 및/또는 해당 노드의 자식 노드들) 전체와의 거리가 최소인 포인트에 대응한다. 이하의 수학식은 (x,y,z)의 포지션을 갖는 노드에 매칭된 무게중심의 어트리뷰트를 나타낸다.
Figure PCTKR2020006959-appb-img-000020
(x_p, y_p, z_p)는 이웃 노드들과의 거리가 최소인 노드의 포지션을 나타낸다. (x_n, y_n, z_n)는 이웃 노드들을 나타낸다. 실시예들에 따른 이웃 노드들은 해당 노드와 동일한 레벨의 노드들 및/또는 자식 노드들을 포함한다. (x_p, y_p, z_p) 및 (x_n, y_n, z_n)은 (x,y,z) 값을 갖는 노드의 주변부 노드들(이웃 노드들, NEIGHB(x,y,z))의 집합에 포함된다. Attr(xn,yn,yn)는 해당 노드의 주변부 노드의 어트리뷰트를 나타낸다. M은 주변부 노드들(또는 이웃 노드들)에 대한 가중치의 합을 나타낸다. 즉, 위 수학식은 상위 노드에 매칭되는 추정 어트리뷰트(즉, 예측값)으로써 주변부 노드와의 거리의 차가 최소가 되는 무게 중심의 어트리뷰트를 결정하기 위한 식이다.
도 24의 상단에 도시된 예시(2400)는 상위 노드에 자식 노드들 중 어느 하나의 포지션 및 어트리뷰트를 매칭한 컬러라이즈드 옥트리이다. 실시예들에 따른 포인트 클라우드 인코더는 무게 중심에 해당하는 포지션을 상위 노드(예를 들면 리프 노드의 상위 노드 등) 포지션으로 선택한다. 실시예들에 따른 무게 중심에 해당하는 포지션은 해당 노드의 자식 노드들 중 고정된 순서의 노드(예를 들면 자식 노드들을 오름차순으로 정렬한 순서(ascending order)상 첫번째 노드)의 포인트 클라우드 데이터(또는 포인트)를 선택할 수 있다.
예시(2400)에 도시된 바와 같이, 리프 노드들(2401)은 각각 c1, c2, c3, 및 c4 어트리뷰트들을 갖는다. 실시예들에 따른 포인트 클라우드 인코더는 리프 노드들(2401)의 부모 노드(2402)에 첫번째 자식 노드의 포지션 및 어트리뷰트(c1)를 매칭한다. 리프 노드들 (2403)은 각각 c5,c6,c7,c8, 및 c9 어트리뷰트들을 갖는다. 따라서 포인트 클라우드 인코더는 리프 노드들(2403)의 부모 노드(2404)에 첫번째 자식 노드의 포지션 및 어트리뷰트(c5)를 매칭한다.
동일한 방식으로 포인트 클라우드 인코더는 최상위 노드(2405)에 해당 노드의 자식 노드들(2402, 2404) 중 첫번째 노드(2402)의 포지션 및 어트리뷰트(c1)를 매칭한다.
따라서 부모 노드에 매칭된 자식 노드의 포인트는 다음의 수학식과 같이 표현된다.
Figure PCTKR2020006959-appb-img-000021
수학식의 (x_p, y_p, z_p)는 상술한 무게 중심을 구하기 위한 포지션이며, (x_k, y_k, z_k)는 고정된 순서 k에 해당하는 자식 노드에 매칭된 포인트를 나타낸다.
실시예들에 따른 포인트 클라우드 인코더는 자식 노드들 중 오큐파이드 노드들의 포지션들의 평균값(average position)을 계산하고, 평균값에 가장 가까운 포지션을 갖는 자식 노드의 포인트 데이터(또는 포인트)를 상위 노드에 매칭하여 컬러라이즈드 옥트리를 생성한다.
이하의 수학식은 자식 노드들 중 오큐파이드 노드들의 포지션들의 평균값을 계산하는 방법을 나타낸다.
Figure PCTKR2020006959-appb-img-000022
수학식의 (x_p, y_p, z_p)는 부모 노드의 포지션을 나타내며, weight는 가중치값으로서 자식 노드의 오큐판시 여부를 나타내거나 (예를 들어 오큐파이드 노드는 가중치1, 오큐파이드되지 않은 노드는 가중치 0), 특정 방향성에 대한 가중치를 나타낼 수 있다. NEIGHBOR는 이웃 노드들 즉, 해당 부모 노드의 자식 노드들을 나타낸다. M은 가중치의 합을 나타낸다.
도 24에 도시된 예시(2410)는 자식 노드들 중 오큐파이드 노드들의 포지션들의 평균값을 계산하고, 평균값에 가장 가까운 포지션을 갖는 자식 노드의 포지션 및 어트리뷰트를 상위 노드에 매칭한 컬러라이즈드 옥트리이다.
예시(2410)에 도시된 바와 같이, 리프 노드들(2411)은 각각 c1, c2, c3, 및 c4 어트리뷰트들을 갖는다. 실시예들에 따른 포인트 클라우드 인코더는 리프 노드들(2411)의 포지션들의 중간 값을 계산한다. 실시예들에 따른 리프 노드들(2411)의 포지션 및 어트리뷰트는 다음과 같이 표현된다.
c1=Attr(0,2,0), c2=Attr(1,2,0), c3=Attr(0,3,0), c4=Attr(1,3,0)
실시예들에 따른 리프 노드들(2411)의 포지션들의 중간 값은 다음과 같이 표현된다.
Mean = (0.4, 2, 0)
따라서 평균값과 가장 가까운 포지션은 c1이므로, 실시예들에 따른 포인트 클라우드 인코더는 리프 노드들(2411)의 부모 노드(2412)(예를 들면 레벨 n-1의 노드)에 c1의 포지션 및 어트리뷰트를 매칭한다.
리프 노드들 (2413)은 각각 c5, c6, c7, c8, 및 c9어트리뷰트들을 갖는다. 실시예들에 따른 포인트 클라우드 인코더는 리프 노드들(2413)의 포지션들의 중간 값을 계산한다. 실시예들에 따른 리프 노드들(2413)의 포지션 및 어트리뷰트는 다음과 같이 표현된다.
c5=Attr(3,2,2), c6=Attr(2,2,1), c7=Attr(3,2,3), c8=Attr(2,3,3), c9=Attr(3,3,3)
실시예들에 따른 리프 노드들(2413)의 포지션들의 중간 값은 다음과 같이 표현된다.
Mean = (2.6, 2.4, 2.4)
따라서 평균값과 가장 가까운 포지션은 c5이므로, 실시예들에 따른 포인트 클라우드 인코더는 리프 노드들(2413)의 부모 노드(2414) (예를 들면 레벨 n-1의 노드)에 c5의 포지션 및 어트리뷰트를 매칭한다.
동일한 방식으로 포인트 클라우드 인코더는 노드(2412) 및 노드(2414) (예를 들면 레벨 n-1의 노드들)의 포지션들의 평균값을 계산한다. 실시예들에 따른 노드(2412) 및 노드(2414)의 포지션 및 어트리뷰트는 다음과 같다.
c1=Attr(0,2,0), c5=Attr(3,2,2)
실시예들에 따른 노드(2412) 및 노드(2414)의 포지션들의 평균값은 다음과 같이 표현된다.
Mean = (1.5, 2, 1)
따라서 평균값과 가장 가까운 포지션은 c1이므로, 실시예들에 따른 포인트 클라우드 인코더는 노드(2412) 및 노드(2414)의 부모 노드(2415) (예를 들면 최상위 레벨 노드)에 c1의 포지션 및 어트리뷰트를 매칭한다.
실시예들에 따른 포인트 클라우드 인코더는 자식 노드들 중 오큐파이드 노드들의 포지션들의 중앙값(median position)을 계산하고, 중앙값에 가장 가까운 포지션을 갖는 자식 노드의 포지션 및 어트리뷰트를 상위 노드에 매칭하여 컬러라이즈드 옥트리를 생성한다. 실시예들에 따른 중앙값은 몰톤 코드 순서에서의 중간값을 나타낼 수 있다. 또한 실시예들에 따른 포인트 클라우드 인코더는 오큐파이드 노드들의 개수가 짝수인 경우 중앙값을 계산할 수 있다.
이하의 수학식은 자식 노드들 중 오큐파이드 노드들의 포지션들의 중앙값을 계산하는 방법을 나타낸다.
Figure PCTKR2020006959-appb-img-000023
수학식의 (x_p, y_p, z_p)는 부모 노드의 포지션을 나타내며, weight는 가중치값으로서 자식 노드의 오큐판시 여부를 나타내거나 (예를 들어 오큐파이드 노드는 가중치1 , 오큐파이드되지 않은 노드는 가중치 0), 특정 방향성에 대한 가중치를 나타낼 수 있다. NEIGHBOR는 이웃 노드들 즉, 해당 부모 노드의 자식 노드들을 나타낸다.
도 24에 도시된 예시(2420)는 자식 노드들 중 오큐파이드 노드들의 포지션들의 중앙값을 계산하고, 중앙값에 가장 가까운 포지션을 갖는 자식 노드의 포지션 및 어트리뷰트를 상위 노드에 매칭한 컬러라이즈드 옥트리이다.
예시(2420)에 도시된 바와 같이, 리프 노드들(2421)은 각각 c1, c2, c3, 및 c4 어트리뷰트들을 갖는다. 실시예들에 따른 포인트 클라우드 인코더는 리프 노드들(2421)의 포지션들의 중간 값을 계산한다. 중앙값과 가장 가까운 포지션은 c2 노드의 포지션이므로, 실시예들에 따른 포인트 클라우드 인코더는 리프 노드들(2421)의 부모 노드(2422)(예를 들면 레벨 n-1의 노드)에 c2의 포지션 및 어트리뷰트를 매칭한다.
리프 노드들 (2423)은 각각 c5, c6, c7, c8, 및 c9 어트리뷰트들을 갖는다. 실시예들에 따른 포인트 클라우드 인코더는 리프 노드들(2423)의 포지션들의 중앙값을 계산한다. 중앙값과 가장 가까운 포지션은 c7 노드의 포지션이므로, 실시예들에 따른 포인트 클라우드 인코더는 리프 노드들(2423)의 부모 노드(2424)(예를 들면 레벨 n-1의 노드)에 c7의 포지션 및 어트리뷰트를 매칭한다.
동일한 방식으로 포인트 클라우드 인코더는 노드(2422) 및 노드(2424) (예를 들면 레벨 n-1의 노드들)의 포지션들의 중앙값을 계산한다. 중앙값과 가장 가까운 포지션은 c2이므로, 실시예들에 따른 포인트 클라우드 인코더는 노드(2422) 및 노드(2424)의 부모 노드(2425) (예를 들면 최상위 레벨 노드)에 c2의 포지션 및 어트리뷰트를 매칭한다.
도 23에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 리프 노드 보다 상위인 상위 노드의 어트리뷰트를 정의하기 위하여 해당 노드의 자식 노드들(이웃 노드들)의 어트리뷰트들 중 하나를 선택할 수 있다(도 23의 예시(2320)). 실시예들에 따른 포인트 클라우드 인코더는 선택된 자식 노드의 어트리뷰트 뿐만 아니라 포지션도 함께 매칭할 수 있다. 이하의 수학식은 도 23의 예시(2320)에 대응하는 수학식의 실시예이다.
Figure PCTKR2020006959-appb-img-000024
수학식에 도시된 Attr(xp, yp, zp) 는 (xp,yp,zp)의 포지션을 갖는 부모 노드의 어트리뷰트를 나타내며, Attr(xn, yn, zn)는 이웃 노드의 어트리뷰트를 나타낸다. M은 주변부 노드들(또는 이웃 노드들)에 대한 가중치의 합을 나타낸다. 즉, 위 수학식은 상위 노드의 어트리뷰트에 매칭되는 추정 어트리뷰트(즉, 예측값)으로써 상위 노드의 어트리뷰트와의 차가 최소가 되는 이웃 노드의 어트리뷰트를 결정하기 위한 식이다.
포인트 클라우드 데이터 전송 장치(예를 들면 도 1, 도 11, 도 14 및 도 18에서 설명한 포인트 클라우드 데이터 전송 장치)는 부호화된 포인트 클라우드 데이터를 비트스트림의 형태로 전송할 수 있다. 실시예들에 따른 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다.
포인트 클라우드 데이터 전송 장치는 전송 채널의 에러를 고려하여 포인트 클라우드 데이터의 영상을 하나 또는 그 이상의 패킷들로 나누어 네트워크를 통해 전송할 수 있다. 실시예들에 따른 비트스트림은 하나 또는 그 이상의 패킷(예를 들면 NAL (Network Abstraction Layer) 유닛)들을 포함할 수 있다. 따라서 열악한 네트워크 환경에서 일부 패킷이 손실되더라도 포인트 클라우드 데이터 수신 장치는 나머지 패킷들을 이용하여 해당 영상을 복원할 수 있다. 포인트 클라우드 데이터를 하나 또는 그 이상의 슬라이스(slice)들 또는 하나 또는 그 이상의 타일(tile)들로 분할하여 처리할 수 있다. 실시예들에 따른 타일 및 슬라이스는 포인트 클라우드 데이터의 픽처를 파티셔닝(partitioning)하여 포인트 클라우드 컴프레션 코딩 처리하기 위한 영역이다. 포인트 클라우드 데이터 전송 장치는 포인트 클라우드 데이터의 나누어진 영역별 중요도에 따라 각 영역에 대응하는 데이터를 처리하여 고품질의 포인트 클라우드 콘텐트를 제공할 수 있다. 즉, 실시예들에 따른 포인트 클라우드 데이터 전송 장치는 사용자에게 중요한 영역에 대응하는 데이터를 더 좋은 압축 효율과 적절한 레이턴시를 갖는 포인트 클라우드 컴프레션 코딩 처리할 수 있다.
실시예들에 따른 타일은 포인트 클라우드 데이터가 분포한 3차원 공간(예를 들면 바운딩 박스) 내의 직육면체를 의미한다. 실시예들에 따른 슬라이스는 인코드된 포인트 클라우드 데이터의 일부 또는 전부를 나타내는 신택스 엘레멘트의 시리즈들로서, 독립적으로 인코드 또는 디코드될 수 있는 포인트들의 집합을 의미한다. 실시예들에 따른 슬라이스는 패킷을 통해 전송되는 데이터를 포함하며 하나의 지오메트리 데이터 유닛 및 0보다 크기가 같은 개수의 어트리뷰트 데이터 유닛들을 포함할 수 있다. 실시예들에 따른 하나의 타일은 하나 또는 그 이상의 슬라이스들을 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 하나 또는 그 이상의 슬라이스들을 포함할 수 있다.
실시예들에 따른 SPS는 프로파일, 레벨 등 시퀀스 전체에 대한 인코딩 정보로서, 픽처 해상도, 비디오 포멧 등 파일 전체에 대한 포괄적인 정보를 포함할 수 있다.
실시예들에 따른 하나의 슬라이스는 슬라이스 헤더 및 슬라이스 데이터를 포함한다. 슬라이스 데이터는 하나의 지오메트리 비트스트림 (Geom0 0) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr0 0, Attr1 0)을 포함할 수 있다. 지오메트리 비트스트림은 헤더(예를 들면 지오메트리 슬라이스 헤더) 및 페이로드(예를 들면 지오메트리 슬라이스 데이터)를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_geom_parameter_set_id), 타일 식별자(geom_tile id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 어트리뷰트 비트스트림은 헤더 (예를 들면 어트리뷰트 슬라이스 헤더 또는 어트리뷰트 브릭 헤더) 및 페이로드 (예를 들면 어트리뷰트 슬라이스 데이터 또는 어트리뷰트 브릭 데이터)를 포함할 수 있다.
도18내지 도 24에서 설명한 바와 같이, 실시예들에 따른 포인트 클라우드 인코더는 컬러라이즈드 옥트리를 생성하고, 컬러라이즈드 옥트리 생성과 관련된 시그널링 정보를 포함하는 스케일러블 레프리젠테이션 정보를 생성할 수 있다. 따라서 비트스트림은 스케일러블 레프리젠테이션 정보를 포함한다. 상술한 스케일러블 레프리젠테이션(scalable representation)을 수행하기 위하여 포인트 클라우드 디코더는 도 18 내지 도 24에서 설명한 컬러라이즈드 옥트리를 생성한다. 따라서 실시예들에 따른 포인트 클라우드 디코더는 비트스트림에 포함된 스케일러블 레프리젠테이션 정보를 획득하고, 스케일러블 레프리젠테이션 정보를 기반으로 스케일러블 디코딩을 수행한다.
실시예들에 따른 비트스트림에 포함되는 스케일러블 레프리젠테이션 정보는 포인트 클라우드 인코더에 포함된 메타데이터 처리부 또는 전송 처리부(예를 들면 도 12의 전송 처리부(12012)) 또는 메타데이터 처리부 또는 전송 처리부 내의 엘레멘트) 또는 도 18에서 설명한 어트리뷰트 코더(1840)에 의해 생성될 수 있다. 실시예들에 따른 스케일러블 레프리젠테이션 정보는 어트리뷰트 인코딩의 수행 결과를 기반으로 생성될 수 있다.
실시예들에 따른 스케일러블 레프리젠테이션 정보는 APS 및 어트리뷰트 슬라이스에 포함될 수 있다. 또한 실시예들에 따른 스케일러블 레프리젠테이션 정보는 어트리뷰트 코딩(어트리뷰트 인코딩 및 어트리뷰트 디코딩)과 연계되어 정의되거나, 독립적으로 정의될 수 있다. 또한 어트리뷰트를 위한 스케일러블 디코딩과 지오메트리 스케일러블 디코딩과 연계되어 정의되는 경우 스케일러블 레프리젠테이션 정보는 GPS에 포함될 수 있다. 또한 스케일러블 레프리젠테이션 정보가 하나 또는 그 이상의 복수의 포인트 클라우드 비트스트림들에 적용되거나 타일 단위로 적용되는 경우, SPS 또는 타일 파라미터 세트 등에 포함될 수 있다. 실시예들에 따른 비트스트림 내의 스케일러블 레프리젠테이션 정보의 전송 위치는 본 예시에 국한되지 않는다.
도 25는 실시예들에 따른 APS를 위한 신택스의 예시이다.
도 25는 실시예들에 따른 APS를 위한 신택스의 예시로서 다음의 정보(또는 필드, 파라미터 등)를 포함할 수 있다.
aps_attr_parameter_set_id는 다른 신택스 엘리먼트들에 의한 참조를 위한 APS의 식별자를 나타낸다. aps_attr_parameter_set_id는 0 내지 15 범위 내의 값을 가진다. 비트스트림 내에는 하나 또는 그 이상의 어트리뷰트 비트스트림들이 포함되므로, 각 어트리뷰트 비트스트림의 헤더에는 aps_attr_parameter_set_id와 동일한 값을 갖는 필드(예를 들면 ash_attr_parameter_set_id
)가 포함될 수 있다. 실시예들에 따른 포인트 클라우드 디코더는 aps_attr_parameter_set_id를 기반으로 각 어트리뷰트 비트스트림에 대응하는 APS를 확보하고 해당 어트리뷰트 비트스트림을 처리할 수 있다.
aps_seq_parameter_set_id 는 액티브 SPS(active SPS)를 위한 sps_seq_parameter_set_id 의 값을 나타낸다. aps_seq_parameter_set_id 는 0 내지 15의 범위 내의 값을 가진다.
이하는 실시예들에 따른 스케일러블 코딩 정보(2500)를 나타낸다.
scalable_representation_available_flag는 스케일러블 디코딩(또는 스케일러블 레프리젠테이션(scalable representation)이 적용가능한지 여부를 나타낸다. 도18 내지 도 24에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 스케일러블 레프리젠테이션이 가능하도록 컬러라이즈드 옥트리를 생성하고 컬러라이즈드 옥트리를 기반으로 어트리뷰트를 처리할 수 있다. scalable_representation_available_flag의 값이 1이면, scalable_representation_available_flag는 디코드된 포인트 클라우드 데이터(디코드된 어트리뷰트)가 스케일러블 레프리젠테이션이 가능한 구조(컬러라이즈드 옥트리 구조)를 가짐을 나타낸다. 따라서 수신 장치는 본 정보를 기반으로 컬러라이즈드 옥트리를 생성하여 스케일러블 레프리젠테이션을 제공할 수 있다. scalable_representation_available_flag의 값이 0이면, scalable_representation_available_flag는 디코드된 포인트 클라우드 데이터가 스케일러블 레프리젠테이션이 가능한 구조를 가지지 않음을 나타낸다.
octree_colorization_type은 컬러라이즈드 옥트리 타입 또는 컬러라이즈드 옥트리를 생성하는 방법을 나타낸다. octree_colorization_type의 값이 0 이면 컬러라이즈드 옥트리는 어트리뷰트 페어드 옥트리(예를 들면 도 23에서 설명한 어트리뷰트 페어드 옥트리) 또는 어트리뷰트 페어드 옥트리 생성방법에 따라 생성됨을 나타낸다. octree_colorization_type의 값이 1 이면 경우, 컬러라이즈드 옥트리는 포인트 페어드 옥트리(예를 들면 도 24에서 설명한 포인트 페어드 옥트리) 또는 포인트 페어드 옥트리 생성방법에 따라 생성됨을 나타낸다.
이하는 octree_colorization_type의 값이 0 경우, 즉 컬러라이즈드 옥트리가 어트리뷰트 페어드 옥트리인 경우 관련 파라미터들이다.
Matched_attribute_type은 옥트리 노드에 매칭된 어트리뷰트의 타입을 나타낸다. Matched_attribute_type의 값이 0인 경우, Matched_attribute_type은 어트리뷰트가 추청 어트리뷰트(예를 들면 주변 노드 또는 자식 노드의 어트리뷰트들을 기반으로 추정된 어트리뷰트)임을 나타낸다. 추정 어트리뷰트의 계산 및 추정 어트리뷰트를 매칭하는 과정은 도 23에서 설명한 과정(예를 들면 예시(2310))과 동일 또는 유사하므로 구체적인 설명은 생략한다. Matched_attribute_type의 값이 1인 경우, Matched_attribute_type은 어트리뷰트가 실제 어트리뷰트(예를 들면 자식 노드의 어트리뷰트)임을 나타낸다. 실제 어트리뷰트를 매칭하는 과정은 도 23에서 설명한 과정(예를 들면 예시(2320))과동일 또는 유사하므로 구체적인 설명은 생략한다.
attribute_selection_type은 옥트리 노드에 어트리뷰트를 매칭하는 방법을 나타낸다. attribute_selection_type값이 0인 경우, 추정 어트리뷰트는 자식 노드들의 어트리뷰트들의 평균값에 대응한다. attribute_selection_type값이 1인 경우, 추정 어트리뷰트는 자식 노드들의 어트리뷰트들의 중간값에 대응한다. attribute_selection_type값이 2인 경우, 어트리뷰트는 고정된 순서의 자식 노드의 어트리뷰트 (예를 들면 오름 차순으로 정렬된 자식 노드들 중 첫번째 자식 노드의 어트리뷰트 또는 두번째 자식 노드의 어트리뷰트)에 대응한다.
이하는 octree_colorization_type의 값이 1 경우, 즉 컬러라이즈드 옥트리가 포인트 페어드 옥트리인 경우 관련 파라미터들이다.
point_data_selection_type 은 옥트리 노드에 매칭할 포인트 데이터를 선택하는 방법 또는 타입을 나타낸다. point_data_selection_type의 값이 0 인 경우, point_data_selection_type는
해당 노드의 자식 노드들 중 고정된 순서의 노드(예를 들면 자식 노드들을 오름차순으로 정렬한 순서(ascending order)상 첫번째 노드)의 포인트 클라우드 데이터(또는 포인트)를 선택하는 방법(예를 들면 도 24의 예시(2400))을 나타낸다. point_data_selection_type의 값이 1 인 경우, point_data_selection_type는 자식 노드들 중 오큐파이드 노드들의 포지션들의 평균값에 가장 가까운 포지션을 갖는 자식 노드의 포인트를 선택하는 방법(예를 들면 도 24의 예시(2410))을 나타낸다. point_data_selection_type의 값이 2 인 경우, point_data_selection_type는 자식 노드들 중 오큐파이드 노드들의 포지션들의 중간값에 가장 가까운 포지션을 갖는 자식 노드의 포인트를 선택하는 방법(예를 들면 도 24의 예시(2420))을 나타낸다.
이하는 point_data_selection_type의 값이 0 이거나 3인 경우 관련된 파라미터들이다. point_cloud_geometry_info_present_flag는 옥트리 노드에 매칭된 포인트 데이터(또는 포인트)에 대한 지오메트리 정보를 직접 제공하는지 여부를 나타낸다. point_cloud_geometry_info_present_flag의 값이 1인 경우, 옥트리 노드에 매칭된 포인트 데이터(또는 포인트)에 대한 지오메트리 정보(예를 들면 포지션)가 함께 전송된다. point_cloud_geometry_info_present_flag의 값이0인 경우, 옥트리 노드에 매칭된 포인트 데이터(또는 포인트)에 대한 지오메트리 정보가 함께 전송된다.
도 26은 실시예들에 따른 어트리뷰트 슬라이스 비트스트림을 위한 신택스의 예시이다.
도 26에 도시된 첫번째 신택스(2600)는 실시예들에 따른 어트리뷰트 슬라이스 비트스트림을 위한 신택스의 예시를 나타낸다. 어트리뷰트 슬라이스 비트스트림은 어트리뷰트 슬라이스 헤더(attribute_slice_header) 및 어트리뷰트 슬라이스 데이터(attribute_slice_data)를 포함한다.
도 26에 도시된 두번째 신택스(2610)는 실시예들에 따른 어트리뷰트 헤더를 위한 신택스의 예시이다. 어트리뷰트 헤더를 위한 신택스는 다음의 정보(또는 필드, 파라미터 등)를 포함할 수 있다.
ash_attr_parameter_set_id는 액티브 APS들의 aps_attr_parameter_set_id (예를 들면 도 25에서 설명한 APS를 위한 신택스에 포함된 aps_attr_parameter_set_id)와 동일한 값을 갖는다.
ash_attr_sps_attr_idx는 액티브 SPS(active SPS)에 포함된 어트리뷰트 세트를 식별한다. ash_attr_sps_attr_idx의 값은 0부터 액티브 SPS내에 포함된 sps_num_attribute_sets 값까지의 범위 내에 속한다.
도 26에 도시된 세번째 신택스(2620)는 실시예들에 따른 어트리뷰트 슬라이스 데이터를 위한 신택스의 예시이다. 어트리뷰트 슬라이스 데이터를 위한 신택스는 다음의 정보를 포함할 수 있다.
dimension = attribute_dimension[　ash_attr_sps_attr_idx　]는 ash_attr_sps_attr_idx로 식별되는 어트리뷰트들의 세트의 어트리뷰트 디멘션(attribute_dimension)을 나타낸다. 어트리뷰트 디멘션(attribute_dimension)은 어트리뷰트를 구성하는 컴포넌트들의 개수를 의미한다. 실시예들에 따른 어트리뷰트는 반사율, 색상 등을 나타낸다. 따라서 어트리뷰트가 갖는 컴포넌트의 개수는 다르다. 예를 들어 색상에 대응하는 어트리뷰트는 세개의 색상 컴포넌트들(예를 들어 RGB)를 가질 수 있다. 따라서 반사율(reflectance)에 대응하는 어트리뷰트는 모노 디멘셔널 어트리뷰트(mono-dimensional attribute)가 될 수 있고, 색상에 대응하는 어트리뷰트는 3 디멘셔널 어트리뷰트(three-dimensional attribute)가 될 수 있다. 실시예들에 따른 어트리뷰트는 디멘션 단위로 어트리뷰트 인코딩될 수 있다. 예를 들어 반사율에 대응하는 어트리뷰트 및 색상에 대응하는 어트리뷰트는 각각 어트리뷰트 인코딩될 수 있다. 또한 실시예들에 따른 어트리뷰트는 디멘션과 관계없이 함께 어트리뷰트 인코딩 될 수 있다. 예를 들어 반사율에 대응하는 어트리뷰트 및 색상에 대응하는 어트리뷰트는 함께 어트리뷰트 인코딩 될 수 있다.
실시예들에 따른 스케일러블 어트리뷰트 디코딩이 슬라이스별로 적용가능한 경우, 어트리뷰트 슬라이스 데이터를 위한 신택스는 어트리뷰트 코딩 타입에 따른 비트스트림을 포함한다. 실시예들에 따른 APS는 attr_coding_type을 포함할 수 있다. attr_coding_type 은 어트리뷰트 코딩 타입(coding type)을 나타낸다. attr_coding_type의 값은 실시예들에 따른 비트스트림들 내에서 0, 1 또는 2 중 어느 하나와 같다. 다른 attr_coding_type의 값들은 ISO/IEC에 의해 추후 사용될 수 있을 수 있다. 따라서 실시예들에 따른 포인트 클라우드 디코더는 attr_coding_type의 0, 1 및 2 가 아닌 나머지 값들을 무시할 수 있다. 해당 값이 0이면, 어트리뷰트 코딩 타입은 프레딕팅 웨이트 리프팅(predicting weight lifting) 변환 코딩, 해당 값이1이면 어트리뷰트 코딩 타입이 RAHT 변환 코딩, 해당 값이 2이면 어트리뷰트 코딩 타입은 픽스트 웨이트 리프팅(fixed weight lifting) 변환 코딩이다.
attr_coding_type의 값이 0이면, 어트리뷰트 코딩 타입은 프레딕팅 웨이트 리프팅(predicting weight lifting) 변환 코딩이다. 따라서 어트리뷰트 슬라이스 데이터를 위한 신택스는 PredictingWeight_Lifting 비트스트림 (PredictingWeight_Lifting_bitstream(dimension))을 포함한다.
attr_coding_type의 값이 1인 경우, 어트리뷰트 코딩 타입은 RAHT 변환 코딩이다. 따라서 어트리뷰트 슬라이스 데이터를 위한 신택스는 RAHT 비트스트림(RAHT_bitstream(dimension))을 포함한다.
attr_coding_type (예를 들면 도 23에서 설명한 attr_coding_type )의 값이 2이면, 어트리뷰트 코딩 타입은 픽스드 프레딕팅 웨이트 리프팅(predicting weight lifting) 변환 코딩이다. 따라서 어트리뷰트 슬라이스 데이터를 위한 신택스는 FixedWeight_Lifting 비트스트림 (FixedWeight_Lifting_bitstream(dimension))을 포함한다.
또한 도 25에서 설명한 바와 같이 실시예들에 따른 APS는 point_cloud_geometry_info_present_flag를 포함한다. point_cloud_geometry_info_present_flag의 값이 1인 경우, 어트리뷰트 슬라이스 데이터를 위한 신택스는 컬러라이즈드 옥트리 포지션 비트스트림을 더 포함한다.
도면에 도시된 네번째 신택스(2630)는 컬러라이즈드 옥트리 포지션 비트스트림을 위한 신택스의 예시이다. 컬러라이즈드 옥트리 포지션 비트스트림을 위한 신택스는 다음의 파라미터들을 포함한다.
colorization_start_depth_level 은 컬러라이즈드 옥트리를 생성하기 위한 옥트리 컬러라이제이션이 적용된 시작 옥트리 레벨(octree level) 또는 옥트리 뎁스 레벨을 나타낸다. colorization_end_depth_level 는 옥트리 컬러라이제이션이 적용된 종료 옥트리 레벨 또는 옥트리 뎁스 레벨을 나타낸다.
따라서 옥트리 컬러라이제이션이 적용된 총 옥트리 뎁스 레벨들의 개수는 colorization_end_depth_level이 나타내는 레벨과 colorization_start_depth_level이 나타내는 레벨의 차에 1을 더한 값으로 표현된다.
numOctreeDepthLevel = colorization_end_depth_level - colorization_start_depth_level + 1
이하는 옥트리 컬러라이제이션이 적용된 각 옥트리 뎁스 레벨과 관련된 정보이다. num_colorized_nodes[i]는 i번째 옥트리 뎁스 레벨에 대하여 옥트리 컬러라이제이션이 적용된 노드들의 개수를 나타낸다. i는0보다 크거나 같고numOctreeDepthLevel이 나타내는 수보다 작은 값을 갖는다. 각 옥트리 뎁스 레벨((i + colorization_start_depth_level)th octree depth level)은i가 나타내는 값과 colorization_start_depth_level이 나타내는 값의 합과 같다.
position_index [i][j]는 (i + colorization_start_depth_level)번째 옥트리 레벨의 j 번째 노드의 포지션을 나타낸다. j는 각 노드의 인덱스를 나타낸다. j는 0보다 크거나 같고 num_colorized nodes의 값보다 작은 값을 갖는다. 실시예들에 따른 포지션은 x,y,z 축들로 구성된 3차원 좌표계 상의 좌표값 및/또는 몰톤 코드 순서 상의 해당 포인트의 순서를 포함한다. 실시예들에 따른 position_index [i][j]는 각 노드 별로 전송될 수 있다. point_data_selection_type이 해당 노드의 자식 노드들 중 고정된 순서의 노드(예를 들면 자식 노드들을 오름차순으로 정렬한 순서(ascending order)상 첫번째 노드)의 포인트 클라우드 데이터(또는 포인트)를 선택하는 방법(예를 들면 도 24의 예시(2400)))과 같이 전체 옥트리 구조 또는 해당 옥트리 레벨에서 동일한 정보가 반복되는 경우, 실시예들에 따른 position_index [i][j]는 반복되는 시점에만 전송되거나 전송되는 위치가 변경(예를 들면 신택스 변경)될 수 있다.
도 27은 포인트 클라우드 인코더의 인코딩 동작을 나타내는 블록도이다.
실시예들에 따른 포인트 클라우드 인코더(2700)(예를 들면 도 1의 포인트 클라우드 비디오 인코더(10002), 도4의 포인트 클라우드 인코더, 도 12, 도 14 및 도 15에서 설명한 포인트 클라우드 인코더 등)는 도 1 내지 도 26에서 설명한 인코딩 동작(옥트리 컬러라이제이션 포함)을 수행할 수 있다.
포인트 클라우드 (Point Cloud, PCC) 데이터 또는 포인트 클라우드 컴프레션 (Point Cloud Compression, PCC) 데이터는 포인트 클라우드 인코더(2700)의 입력 데이터로서, 지오메트리 및/또는 어트리뷰트를 포함할 수 있다. 실시예들에 따른 지오메트리는 포인트의 포지션(예를 들면 위치)을 나타내는 정보로서, 직교 좌표계, 원통 좌표계, 구면 좌표계 등의 좌표계의 파라미터들로 표현될 수 있다. 실시예들에 따른 어트리뷰트는 포인트의 어트리뷰트(예를 들면 색상, 투명도, 반사도, 그레이스케일 등)을 나타낸다. 지오메트리는 지오메트리 정보(또는 지오메트리 데이터)로 호칭될 수 있고, 어트리뷰트는 어트리뷰트 정보(또는 어트리뷰트 데이터)로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 인코더(2700)는 도 1 내지 도 26에서 설명한 지오메트리 코딩(또는 지오메트리 인코딩)을 수행하기 위하여 옥트리 생성(octree generation)(2710), 지오메트리 프레딕션(geometry prediction)(2720) 및 엔트로피 인코딩(entrophy encoding)(2730)을 수행하여 지오메트리 비트스트림을 출력한다. 실시예들에 따른 옥트리 생성(2710), 지오메트리 프레딕션(2720) 및 엔트로피 인코딩(2730)은 도 4에서 설명한 좌표계 변환부(40000), 양자화(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004) 및 지오메트리 리컨스럭션부(Reconstruct Geometry, 40005)의 동작들 및/또는 동작은 도 12에서 설명한 데이터 입력부(12100), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 코더(12006), 메타데이터 처리부(12007)의 동작들과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 포인트 클라우드 인코더(2700)는 도 1 내지 도 26에서 설명한 어트리뷰트 코딩(또는 어트리뷰트 인코딩)을 수행하기 위하여 컬러라이즈드 옥트리 생성(colorized octree generation)(2740), 어트리뷰트 프레딕션(attribute prediction)(2750), 트랜스폼(transform)(2760), 양자화(quantization)(2770) 및 엔트로피 인코딩(entrophy encoding)(2780)을 수행한다.
실시예들에 따른 컬러라이즈드 옥트리 생성(2740), 어트리뷰트 프레딕션(2750), 트랜스폼(2760), 양자화 (2770) 및 엔트로피 인코딩(2780)은 도 4 에서 설명한 지오메트리 리컨스트럭션부(40005), 컬러 변환부(40006), 어트리뷰트 변환부(40007), RAHT 변환부(40008), LOD생성부(40009), 리프팅 변환부(40010), 계수 양자화부(40011) 및/또는 아리스메틱 인코더(40012)의 동작들 및/또는 도 12 에서 설명한 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12110), 아리스메틱 (Arithmetic) 코더(12011)의 동작들과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 포인트 클라우드 인코더(2700)는 옥트리 생성(2710)에서 생성된 옥트리 구조 또는 옥트리 구조에 대한 정보를 기반으로 컬러라이즈드 옥트리를 생성한다(2740). 실시예들에 따른 컬러라이즈드 옥트리 생성은 도 18 내지 도 24에서 설명한 옥트리 컬러라이제이션과 동일 또는 유사하다. 실시예들에 따른 포인트 클라우드 인코더(2700)는 컬러라이즈드 옥트리 를 기반으로 뎁스 레벨 별로 어트리뷰트들 간의 유사성을 예측(추정)하고 제거한다(어트리뷰트 프레딕션(2750)). 실시예들에 따른 포인트 클라우드 인코더(2700)는 인접한 데이터의 공간 분포 특징을 기반으로 어트리뷰트 프레딕션(2750)을 수행한다. 포인트 클라우드 인코더(2700)는 예측 어트리뷰트를 전송에 적합한 포맷 또는 압축 효율이 높은 도메인으로 트랜스폼(변환)한다(2760). 포인트 클라우드 인코더(2700)는 데이터 종류에 따라 다양한 변환 방식(예를 들면 DCT 계열 변환, Lifting transform, RAHT, wavelet transform 계열 등)들을 기반으로 트랜스폼 하거나 트랜스폼하지 않을 수 있다. 이후 포인트 클라우드 인코더(2700)는 변환된 어트리뷰트를 양자화하고(2770), 전송을 위한 비트 단위의 데이터로 변환하는 엔트로피 인코딩을 수행한다(2780).
실시예들에 따른 포인트 클라우드 인코더(2700)는 컬러라이즈드 옥트리 구조를 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(2700)는 이웃 노드들을 검출한다. 도 18 내지 도 26에서 설명한 바와 같이 이웃 노드들은 동일한 부모 노드에 속한 자식 노드들이다. 실시예들에 따른 옥트리 구조에서 자식 노드들은 인접한 포지션들을 가질 가능성이 높다. 따라서 포인트 클라우드 인코더(2700)는 x, y, z 축들로 구성된 3차원 공간에서 자식 노드들이 인접한다는 가정하여 자식 노드들 중 현재 노드에 대한 예측을 수행한다. 실시예들에 따른 포인트 클라우드 인코더(2700)는 각 자식 노드의 예측 값을 구할 수 있다. 또한 포인트 클라우드 인코더(2700)는 동일한 부모 노드에 속한 자식 노드들을 형제 노드들로 정의하고 형제 노드들은 동일한 예측 값을 갖도록 정의하여 각 자식 노드의 인코딩 수행시 필요한 코이피션트의 개수를 감소시키고 높은 효율의 인코딩을 수행한다. 또한 동일한 예측 값은 오큐파이드 노드의 어트리뷰트로 사용되어, 부모 노드에 매칭되는 어트리뷰트 예측에 사용될 수 있다. 하기의 수학식은 레벨 l에서의 예측 어트리뷰트 및 레벨 l-1에서의 예측 어트리뷰트를 나타낸다.
Figure PCTKR2020006959-appb-img-000025
수학식에 도시된
Figure PCTKR2020006959-appb-img-000026
연산은 a를 b로 나누었을 때의 몫을 나타낸다. 수학식에 도시된 Cl 은 l 번째 어트리뷰트를 나타낸다.k l m은 (x, y, z) 포지션을 중심으로 주변부 노드(또는 이웃 노드)의 포지션을 정의하기 위한 파라미터들이다.
실시예들에 따른 포인트 클라우드 인코더(2700)는 예측 어트리뷰트를 기반으로 각 자식 노드의 어트리뷰트 예측 에러를 계산한다. 하기의 수학식은 각 자식 노드의 어트리뷰트 예측 에러를 구하는 방법으로서 원본 어트리뷰트 값과 예측 어트리뷰트 값의 잔차(rl(x,y,z))를 나타낸다.
Figure PCTKR2020006959-appb-img-000027
수학식에 도시된 rl(x,y,z)는 (x,y,z)의 포지션을 갖는 l번째 노드의 레지듀얼(residual), 즉 잔차를 나타낸다. cl(x,y,z)는 (x,y,z)의 포지션을 갖는 l번째 노드의 실제 어트리뷰트(예를 들면 색상)을 나타내며, p l(x,y,z)는 (x,y,z)의 포지션을 갖는 l번째 노드의 추정 어트리뷰트 (또는 예측값)을 나타낸다.
실시예들에 따른 어트리뷰트 예측 에러를 계산하는 방법은 본 예시에 국한되지 않으며 다양한 방법들(e.g., 가중치가 부여된 차이(weighted difference), 가중치가 부여된 평균 차이(weighted averaged difference) 등)에 기반할 수 있다.
상술한 바와 같이 옥트리 구조는 팔진트리 구조로서 상위 노드에서 하위 노드 방향으로 뎁스가 증가한다. 실시예들에 따른 뎁스는 레벨 및/또는 레이어로 호칭된다. 따라서 상위 노드는 더 작은 레벨에 대응하고 하위 노드는 더 큰 레벨에 대응한다예를 들여 최상위 노드가 레벨 0, 최하위 노드가 레벨 n). 실시예들에 따라 상위 노드에서 하위 노드 방향으로 레벨이 감소하도록 설정 가능하다(예를 들여 최상위 노드가 레벨 n, 최하위 노드가 레벨 0). 실시예들에 따른 포인트 클라우드 인코더(2700)는 가장 상위 레벨에 대해서는 예측 어트리뷰트 값을 시그널링하고, 하위 레벨들에 대해서는 어트리뷰트 예측 에러를 시그널링 할 수 있다. 또한 실시예들에 따른 포인트 클라우드 인코더(2700)는 디코딩 처리 과정을 고려하여 레벨 별(옥트리 구조에서의 레벨)로 데이터(어트리뷰트) 전달 순서를 결정할 수 있다. 예를 들어 포인트 클라우드 인코더(2700)는 레벨이 증가하는 순서로 데이터를 전달하고(예를 들어 상위 노드의 예측 어트리뷰트 값으로 시작하여 하위 노드 방향으로 데이터 전달), 동일 레벨에서는 x,y,z 축의 좌표값이 증가하는 순서(예를 들면 몰톤 코드 기반의 몰톤 코드 순서)로 데이터를 전달할 수 있다. 실시예들에 따라 포인트 클라우드 인코더(2700)는 리오더링(reordering)을 수행할 수 있다. 또한 실시예들에 따른 포인트 클라우드 인코더(2700)는 예측 어트리뷰트 값 및 어트리뷰트 예측 에러에 대해 다음의 수학식으로 표현되는 양자화를 수행한다.
Figure PCTKR2020006959-appb-img-000028
수학식에 나타난 q는 양자화 계수로, 양자화 계수에 따라 양자화 정도가 결정된다. dl(x,y,z)는(x,y,z)의 포지션을 갖는 l번째 노드의 데이터로서 양자화 대상이 되는 데이터를 의미한다. dl'(x,y,z)는 양자화가 수행된 데이터를 나타낸다.
실시예들에 따른 포인트 클라우드 인코더(2700)는 예측 어트리뷰트 값 및 어트리뷰트 예측 에러에 따라 혹은 레벨 별로 서로 다른 양자화 계수를 사용할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(2700)의 지오메트리 코딩 및 어트리뷰트 코딩에 관련된 정보(예를 들면 스케일러블 레프리젠테이션 정보)는 도 25 내지 도 26에서 설명한 비트스트림을 통해 수신 장치로 전송될 수 있다.
도 28은 포인트 클라우드 디코더의 디코딩 동작을 나타내는 블록도이다.
실시예들에 따른 포인트 클라우드 디코더(2800)는 도 27에서 설명한 포인트 클라우드 인코더(2700)의 역과정에 대응하는 동작을 수행한다. 실시예들에 따른 포인트 클라우드 디코더(2800)(예를 들면 도 10 에서 설명한 포인트 클라우드 비디오 디코더(10006) 또는 도 11에서 설명한 포인트 클라우드 디코더, 도 19에서 설명한 포인트 클라우드 디코더 등)는 도 1 내지 도 25에서 설명한 디코딩 동작을 수행할 수 있다.
실시예들에 따른 포인트 클라우드 디코더(2800)는 비트스트림을 수신한다. 실시예들에 따른 비트스트림(예를 들면 도 25내지 도 26에서 설명한 비트스트림)은 지오메트리 비트스트림 및 어트리뷰트 비트스트림을 포함한다. 실시예들에 따른 지오메트리 비트스트림은 전체 지오메트리를 포함할 수 있고, 파셜 지오메트리를 포함할 수 있다. 실시예들에 따른 비트스트림은 도 25 내지 도 26에서 설명한 스케일러블 레프리젠테이션 정보를 포함하므로 포인트 클라우드 디코더(2800)는 스케일러블 레프리젠테이션 정보를 기반으로 도 18 내지 도 26에서 설명한 스케일러블 레프리젠테이션을 수행할 수 있다.
실시예들에 따른 포인트 클라우드 디코더(2800)는 도 1 내지 도 26에서 설명한 지오메트리 코딩(또는 지오메트리 디코딩)을 수행하기 위하여 지오메트리 비트스트림에 대해 엔트로피 디코딩(Entropy decoding)(2810)을 수행하고, 옥트리 리컨스트럭션(Octree reconstruction)(2820)을 수행하여 지오메트리 데이터 및 옥트리 구조를 출력한다.
실시예들에 따른 엔트로피 디코딩(2810) 및 옥트리 리컨스트럭션(2820)은
도 11에서 설명한 아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스럭션부(11003), 좌표계 역변환부(11004)의 동작과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 포인트 클라우드 디코더(2800)는 도 1 내지 도 26에서 설명한 어트리뷰트 코딩(또는 어트리뷰트 디코딩)을 수행하기 위하여 어트리뷰트 비트스트림에 대해 엔트로피 디코딩(Entrophy decoding)(2830), 역양자화(Inverse quantization)(2840), 인버스 트랜스폼(Inverse transform)(2850), 어트리뷰트 리컨스트럭션(Attribute reconstruction)(2860) 및 컬러라이즈드 옥트리 제너레이션(colorized octree generation)(2870)을 수행하여 어트리뷰트 데이터를 출력한다. 실시예들에 따른 엔트로피 디코딩(2830), 역양자화(2840), 인버스 트랜스폼(2850) 및 어트리뷰트 리컨스트럭션(2860)은 도 11에서 설명한 아리스메틱 디코더(11005), 역양자화부(11006), RAHT 변환부(11007), LOD생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010)의 동작과 동일 또는 유사하므로 구체적인 설명은 생략한다. 실시예들에 따른 역양자화(2840) 및 인버스 트랜스폼(2850)은 도 27의 포인트 클라우드 인코더(2700)의 동작에 따라 실행될 수도 있고, 실행되지 않을 수도 있다.
실시예들에 따른 포인트 클라우드 디코더(2800)는 옥트리 리컨스트럭션(2820)에서 출력된 옥트리 구조 및 스케일러블 레프리젠테이션 뎁스 레벨(또는 스케일러블 레프리젠테이션 레벨)을 기반으로 어트리뷰트 리컨스트럭션(2860)을 수행한다. 실시예들에 따른 스케일러블 레프리젠테이션 뎁스 레벨은 성능에 따라 수신 장치에서 결정될 수 있다. 또한 실시예들에 따른 스케일러블 레프리젠테이션 뎁스 레벨은 포인트 클라우드 인코더(예를 들면 포인트 클라우드 인코더(2700)에 의해 결정되어 인코드된 포인트 클라우드 데이터와 함께 전송될 수 있다. 포인트 클라우드 디코더(2800)는 도 27에서 설명한 포인트 클라우드 인코더(2700)와 마찬가지로, 포지션 정보 재구성을 위한 옥트리 구조를 기반으로 이웃 노드들을 검출한다. 실시예들에 따른 포인트 클라우드 디코더(2800)는 비트스트림에 포함된 시그널링 정보를 통해 시그널링 되는 이웃 노드들에 대한 정의에 따라 이웃 노드들(예를 들면 도 27에서 설명한 동일한 부모 노드에 속한 자식 노드들)을 검출할 수 있다. 실시예들에 따른 포인트 클라우드 디코더(2800)는 포인트 클라우드 인코더의 어트리뷰트 프레딕션의 역순으로 어트리뷰트를 예측할 수 있다. 예를 들어 포인트 클라우드 인코더의 어트리뷰트 프레딕션이 레벨이 높은 순서에서 낮은 순서로 수행된 경우(예를 들면 리프 노드부터 루트 노드 방향), 포인트 클라우드 디코더(2800)는 레벨이 낮은 순서에서 높은 순서(예를 들면 루트 노드부터 리프 노드 방향)으로 어트리뷰트를 예측한다. 실시예들에 따른 포인트 클라우드 디코더(2800)는 포인트 클라우드 인코더의 어트리뷰트 프레딕션과 동일한 방법으로 부모 노드의 리컨스트럭트된 어트리뷰트를 자식 노드들에 대한 예측 값으로 사용한다. 실시예들에 따라 하나 또는 그 이상의 프레딕션 방법들이 사용된 경우, 상술한 비트스트림은 하나 또는 그 이상의 프레딕션 방법들에 대한 정보를 포함할 수 있다. 포인트 클라우드 디코더(2800)는 비트스트림을 통해 전송되는 시그널링 정보를 기반으로 어트리뷰트를 예측할 수 있다. 이하의 수학식은 포인트 클라우드 디코더(2800)의 어트리뷰트 예측 과정을 나타낸다.
Figure PCTKR2020006959-appb-img-000029
실시예들에 따른 포인트 클라우드 디코더(2800)는 예측 어트리뷰트를 기반으로 각 자식 노드의 어트리뷰트를 리컨스트럭션할 수 있다(2860). 포인트 클라우드 디코더(2800)의 어트리뷰트 리컨스트럭션(2860)은 도 27에서 설명한 포인트 클라우드 인코더(2700)의 어트리뷰트 프레딕션(2750)의 역과정에 해당한다. 도 27에서 설명한 바와 같이 포인트 클라우드 인코더(2700)가 어트리뷰트 예측 에러를 생성한 경우, 포인트 클라우드 디코더(2800)는 예측 어트리뷰트와 디코딩된 어트리뷰트 예측 에러를 합하여 어트리뷰트를 리컨스트럭션할 수 있다. 이하의 수학식은 어트리뷰트 리컨스트럭션 과정을 나타낸다.
Figure PCTKR2020006959-appb-img-000030
실시예들에 따른 컬러라이즈드 옥트리 제너레이션(2870)은 스케일러블 디코딩 또는 스케일러블 레프리젠테이션을 위해 수행된다. 실시예들에 따른 포인트 클라우드 디코더(2800)는 옥트리 리컨스트럭션(2820)에서 출력된 옥트리 구조 및 스케일러블 레프리젠테이션 뎁스 레벨(또는 스케일러블 레프리젠테이션 레벨)을 기반으로 컬러라이즈드 옥트리를 생성한다(컬러라이즈드 옥트리 제너레이션(2870)).
실시예들에 따른 컬러라이즈드 옥트리 제너레이션(2870)은 도 18 내지 도 24에서 설명한 옥트리 컬러라이제이션과 동일 또는 유사하다. 따라서 수신 장치 또는 포인트 클라우드 디코더(2800)는 다양한 레졸루션의 포인트 클라우드 콘텐트를 제공할 수 있다.
도 29는 실시예들에 따른 스케일러블 디코딩에 따른 지오메트리 및 어트리뷰트의 디테일을 나타낸다.
도 29의 상단은 스케일러블 디코딩에 따른 지오메트리의 디테일을 나타내는 예시(2900)이다. 제 1 화살표 (2910)은 옥트리의 상위 노드부터 하위 노드 방향을 나타낸다. 도면에 도시된 바와 같이 옥트리 상위 노드부터 하위 노드 방향으로 스케일러블 디코딩이 진행되면 더 많은 포인트들이 존재하므로 지오메트리의 디테일이 증가한다. 옥트리 구조의 리프 노드는 지오 메트리의 최상위 레벨 디테일에 대응한다.
도 29의 하단은 스케일러블 디코딩에 따른 어트리뷰트의 디테일을 나타내는 예시(2920)이다. 제 2 화살표(2930)는 옥트리의 상위 노드부터 하위 노드 방향을 나타낸다. 도면에 도시된 바와 같이 옥트리 상위 노드부터 하위 노드 방향으로 스케일러블 디코딩이 진행되면 어트리뷰트의 디테일이 증가한다.
도 30은 실시예들에 따른 포인트 클라우드 데이터 처리 방법의 플로우 다이어그램의 예시이다.
도 30의 플로우 다이어그램(3000)은 포인트 클라우드 데이터 처리 장치(예를 들면 도 1, 도 11, 도 14 내지 도 15, 및 도 18에서 설명한 전송 장치 또는 도 27에서 설명한 포인트 클라우드 데이터 인코더(2700))의 포인트 클라우드 데이터 처리 방법을 나타낸다. 실시예들에 따른 포인트 클라우드 데이터 처리 장치는 도 1 내지 도 27에서 설명한 인코딩 동작과 동일 또는 유사한 동작을 수행할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 처리 장치는 지오메트리 정보 및 어트리뷰트 정보를 포함하는 포인트 클라우드 데이터를 인코딩할 수 있다(3010). 실시예들에 따른 지오메트리 정보는 포인트 클라우드 데이터의 포인트들의 포지션들을 나타내는 정보이다. 실시예들에 따른 어트리뷰트 정보는 포인트 클라우드 데이터의 포인트들의 어트리뷰트들을 나타내는 정보이다.
실시예들에 따른 포인트 클라우드 데이터 처리 장치는 지오메트리 정보를 인코딩하고, 어트리뷰트 정보를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 처리 장치는 도 1 내지 도 27에서 설명한 지오메트리 정보 인코딩 동작과 동일 또는 유사한 동작을 수행한다. 또한 포인트 클라우드 데이터 처리 장치는 도 1 내지 도 27에서 설명한 어트리뷰트 정보 인코딩 동작과 동일 또는 유사한 동작을 수행한다. 실시예들에 따른 포인트 클라우드 데이터 처리 장치는 지오메트리 정보의 옥트리 구조를 수신한다. 옥트리 구조는 하나 또는 그 이상의 레벨들로 표현된다. 실시예들에 따른 포인트 클라우드 데이터 처리 장치는 옥트리 구조의 각 레벨에 하나 또는 그 이상의 어트리뷰트들을 매칭하여(또는 각 레벨의 노드에 어트리뷰트를 매칭하여) 컬러라이즈드 옥트리(colorized octree)를 생성한다. 실시예들에 따른 컬러라이즈드 옥트리는 어트리뷰트 정보의 일부 또는 전부를 스케일러블 레프리젠테이션(scalable representation)할 수 있도록 어트리뷰트 정보를 인코딩하기 위해 사용된다.
실시예들에 따른 지오메트리 정보 인코딩 및 어트리뷰트 정보 인코딩은 도 1 내지 도 27에서 설명한 지오메트리 정보 인코딩 및 어트리뷰트 정보 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 포인트 클라우드 데이터 처리 장치는 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송할 수 있다(3020).
실시예들에 따른 비트스트림의 구조는 도 25내지 도 26에서 설명한 바와 동일하므로 구체적인 설명은 생략한다. 실시예들에 따른 비트스트림은 스케일러블 레프리젠테이션 정보(예를 들면 도 18내지 도 26에서 설명한 스케일러블 레프리젠테이션 정보)를 포함할 수 있다. 또한 실시예들에 따른 스케일러블 레프리젠테이션 정보는 도 25내지 도 26에서 설명한 바와 같이 APS 및 어트리뷰트 슬라이스의 어트리뷰트 데이터 등을 통해 전송될 수 있으며 상술한 예시에 국한되지 않는다.
실시예들에 따른 스케일러블 레프리젠테이션 정보는 스케일러블 레프리젠테이션이 가능한지 여부를 나타내는 정보(예를 들면 도 25에서 설명한 scalable_represenatation_available_flag)를 포함한다. 해당 정보가 스케일러블 레프리젠테이션이 가능함을 나타내면, 스케일러블 레프리젠테이션 정보는 컬러라이즈드 옥트리 구조를 생성하는 방법을 나타내는 정보(예를 들면 도 25에서 설명한 octree_colorization_type)를 더 포함한다. 실시예들에 따른 컬러라이즈드 옥트리 구조를 생성하는 방법을 나타내는 정보는, 컬러라이즈드 옥트리 구조를 생성하는 방법이 옥트리 구조의 각 레벨에 하나 또는 그 이상의 임의의 어트리뷰트들을 매칭하는 방법 (예를 들면 octree_colorization_type의 값이 0 인 경우로서, 컬러라이즈드 옥트리는 어트리뷰트 페어드 옥트리(예를 들면 도 23에서 설명한 어트리뷰트 페어드 옥트리))및 옥트리 구조의 각 레벨에 해당 레벨의 하위 레벨의 실제 어트리뷰트 및 포지션을 매칭하는 방법 ( 예를 들면 octree_colorization_type의 값이 1인 경우로서, 컬러라이즈드 옥트리는 포인트 페어드 옥트리(예를 들면 도 24에서 설명한 포인트 페어드 옥트리)) 중 적어도 하나임을 나타낸다. 실시예들에 따른 스케일러블 레프리젠테이션 정보에 대한 구체적인 설명은 도 18 내지 도 26에서 설명한 바와 동일하므로 생략한다.
도 31은 실시예들에 따른 포인트 클라우드 데이터 처리 방법의 플로우 다이어그램의 예시이다.
도 31의 플로우 다이어그램(3100)은 포인트 클라우드 데이터 처리 장치(예를 들면 도 1, 도 13, 도 14, 도 16 및 도 25에서 설명한 포인트 클라우드 데이터 수신장치 또는 도 28의 포인트 클라우드 데이터 디코더(2800))의 포인트 클라우드 데이터 처리 방법을 나타낸다. 실시예들에 따른 포인트 클라우드 데이터 처리 장치는 도 1 내지 도 28에서 설명한 디코딩 동작과 동일 또는 유사한 동작을 수행할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 처리 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신한다(3110). 실시예들에 따른 지오메트리 정보는 포인트 클라우드 데이터의 포인트들의 포지션들을 나타내는 정보이다. 실시예들에 따른 어트리뷰트 정보는 포인트 클라우드 데이터의 포인트들의 어트리뷰트들을 나타내는 정보이다. 실시예들에 따른 비트스트림의 구조는 도 25 내지 도 26에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 포인트 클라우드 데이터 처리 장치는 포인트 클라우드 데이터를 디코딩한다(3120).
실시예들에 따른 포인트 클라우드 데이터 처리 장치는 지오메트리 정보를 디코딩하고, 어트리뷰트 정보를 디코딩할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 처리 장치는 도 1 내지 도 28에서 설명한 지오메트리 정보 디코딩 동작과 동일 또는 유사한 동작을 수행한다. 또한 포인트 클라우드 데이터 처리 장치는 도 1 내지 도 28에서 설명한 어트리뷰트 정보 디코딩 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 비트스트림은 스케일러블 레프리젠테이션 정보(예를 들면 도 25내지 도 26에서 설명한 스케일러블 레프리젠테이션 정보)를 포함할 수 있다. 또한 실시예들에 따른 스케일러블 레프리젠테이션 정보는 도 25내지 도 26에서 설명한 바와 같이 APS 및 어트리뷰트 슬라이스의 어트리뷰트 데이터 등을 통해 전송될 수 있으며 상술한 예시에 국한되지 않는다.
실시예들에 따른 스케일러블 레프리젠테이션 정보는 스케일러블 레프리젠테이션이 가능한지 여부를 나타내는 정보(예를 들면 도 25에서 설명한 scalable_represenatation_available_flag)를 포함한다. 해당 정보가 스케일러블 레프리젠테이션이 가능함을 나타내면, 스케일러블 레프리젠테이션 정보는 컬러라이즈드 옥트리 구조를 생성하는 방법을 나타내는 정보(예를 들면 도 25에서 설명한 octree_colorization_type)를 더 포함한다. 실시예들에 따른 컬러라이즈드 옥트리 구조를 생성하는 방법을 나타내는 정보는, 컬러라이즈드 옥트리 구조를 생성하는 방법이 옥트리 구조의 각 레벨에 하나 또는 그 이상의 임의의 어트리뷰트들을 매칭하는 방법 (예를 들면 octree_colorization_type의 값이 0 인 경우로서, 컬러라이즈드 옥트리는 어트리뷰트 페어드 옥트리(예를 들면 도 23에서 설명한 어트리뷰트 페어드 옥트리))및 옥트리 구조의 각 레벨에 해당 레벨의 하위 레벨의 실제 어트리뷰트 및 포지션을 매칭하는 방법 ( 예를 들면 octree_colorization_type의 값이 1인 경우로서, 컬러라이즈드 옥트리는 포인트 페어드 옥트리(예를 들면 도 24에서 설명한 포인트 페어드 옥트리)) 중 적어도 하나임을 나타낸다. 실시예들에 따른 스케일러블 레프리젠테이션 정보에 대한 구체적인 설명은 도 18 내지 도 26에서 설명한 바와 동일하므로 생략한다.
포인트 클라우드 데이터 처리 장치는 디코딩된 지오메트리 정보의 옥트리 구조를 수신한다. 실시예들에 따른 옥트리 구조는 하나 또는 그 이상의 레벨들로 표현된다. 실시예들에 따른 포인트 클라우드 데이터 처리 장치는 스케일러블 레프리젠테이션 정보를 기반으로, 옥트리 구조의 각 레벨에 하나 또는 그 이상의 어트리뷰트들을 매칭하여 (또는 각 레벨의 노드에 어트리뷰트를 매칭하여) 컬러라이즈드 옥트리(colorized octree)를 생성한다. 도 1 내지 도 28에서 설명한 바와 같이 컬러라이즈드 옥트리는 상기 스케일러블 레프리젠테이션하기 위해 사용된다.
도 1 내지 도 31에서 설명한 실시예들에 따른 포인트 클라우드 데이터 처리 장치의 구성요소들은 메모리와 결합된 하나 또는 그 이상의 프로세서들을 포함하는 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 결합으로 구현될 수 있다. 실시예들에 따른 디바이스의 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다. 또한 실시예들에 따른 포인트 클라우드 데이터 처리 장치의 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 또한 실시예들에 따른 포인트 클라우드 데이터 처리 장치의 구성요소들은 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 도 1 내지 도 31에서 설명한 포인트 클라우드 데이터 처리 장치의 동작/방법들 중 어느 하나 또는 그 이상의 동작들을 수행시키거나, 수행하기 위한 인스트럭션들을 포함할 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.
실시예들에 따른 장치 및 방법에 대한 설명은 서로 보완하여 적용될 수 있다. 예를 들어, 실시예들에 따른 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 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 실시예들에 따른 포인트 클라우드 데이터 수신 장치 또는 포인트 클라우드 데이터 수신 장치에 포함된 구성요소들에 의해 수행될 수 있다.
실시예들에 따른 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 구성될 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. 지오메트리 정보 및 어트리뷰트 정보를 포함하는 포인트 클라우드 데이터를 인코딩하는 단계로서, 상기 지오메트리 정보는 상기 포인트 클라우드 데이트의 포인트들의 포지션들을 나타내는 정보이고, 상기 어트리뷰트 정보는 상기 포인트 클라우드 데이터의 포인트들의 어트리뷰트들을 나타내는 정보이고; 및
    상기 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함하는 포인트 클라우드 데이터 처리 방법.
  2. 제 1 항에 있어서, 상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 지오메트리 정보를 인코딩하는 단계; 및
    상기 어트리뷰트 정보를 인코딩하는 단계를 포함하는 포인트 클라우드 데이터 처리 방법.
  3. 제 2 항에 있어서, 상기 어트리뷰트 정보를 인코딩하는 단계는 ,
    상기 지오메트리 정보의 옥트리 구조를 수신하는 단계로서 상기 옥트리 구조는 하나 또는 그 이상의 레벨들로 표현되고; 및
    상기 옥트리 구조의 각 레벨에 하나 또는 그 이상의 어트리뷰트들을 매칭하여 컬러라이즈드 옥트리(colorized octree)를 생성하는 단계로서, 상기 컬러라이즈드 옥트리는 상기 어트리뷰트 정보의 일부 또는 전부를 스케일러블 레프리젠테이션(scalable representation)할 수 있도록 상기 어트리뷰트 정보를 인코딩하기 위해 사용되는, 포인트 클라우드 데이터 처리 방법.
  4. 제 3항에 있어서, 상기 비트스트림은 스케일러블 레프리젠테이션 정보를 포함하고, 상기 스케일러블 레프리젠테이션 정보는 상기 스케일러블 레프리젠테이션이 가능한지 여부를 나타내는 정보를 포함하는 포인트 클라우드 데이터 처리 방법.
  5. 제 4항에 있어서, 상기 정보가 스케일러블 레프리젠테이션이 가능함을 나타내면, 상기 스케일러블 레프리젠테이션 정보는 상기 컬러라이즈드 옥트리 구조를 생성하는 방법을 나타내는 정보를 더 포함하고, 상기 컬러라이즈드 옥트리 구조를 생성하는 방법을 나타내는 정보는, 상기 컬러라이즈드 옥트리 구조를 생성하는 방법이 상기 옥트리 구조의 각 레벨에 하나 또는 그 이상의 임의의 어트리뷰트들을 매칭하는 방법 및 상기 옥트리 구조의 각 레벨에 해당 레벨의 하위 레벨의 실제 어트리뷰트 및 포지션을 매칭하는 방법 중 적어도 하나임을 나타내는 포인트 클라우드 데이터 처리 방법.
  6. 지오메트리 정보 및 어트리뷰트 정보를 포함하는 포인트 클라우드 데이터를 인코딩하는 인코더로서, 상기 지오메트리 정보는 상기 포인트 클라우드 데이트의 포인트들의 포지션들을 나타내는 정보이고, 상기 어트리뷰트 정보는 상기 포인트 클라우드 데이터의 포인트들의 어트리뷰트들을 나타내는 정보이고; 및
    상기 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 전송부를 포함하는 포인트 클라우드 데이터 처리 장치.
  7. 제 6 항에 있어서, 상기 인코더는
    상기 지오메트리 정보를 인코딩하고, 상기 어트리뷰트 정보를 인코딩하는 것을 포함하는 포인트 클라우드 데이터 처리 장치.
  8. 제 7항에 있어서, 상기 인코더는
    상기 지오메트리 정보의 옥트리 구조를 수신하고, 상기 옥트리 구조는 하나 또는 그 이상의 레벨들로 표현되고, 상기 옥트리 구조의 각 레벨에 하나 또는 그 이상의 어트리뷰트들을 매칭하여 컬러라이즈드 옥트리(colorized octree)를 생성하고, 상기 컬러라이즈드 옥트리는 상기 어트리뷰트 정보의 일부 또는 전부를 스케일러블 레프리젠테이션(scalable representation)할 수 있도록 상기 어트리뷰트 정보를 인코딩하기 위해 사용되는, 포인트 클라우드 데이터 처리 장치.
  9. 제 8항에 있어서, 상기 비트스트림은 스케일러블 레프리젠테이션 정보를 포함하고, 상기 스케일러블 레프리젠테이션 정보는 상기 스케일러블 레프리젠테이션이 가능한지 여부를 나타내는 정보를 포함하는 포인트 클라우드 데이터 처리 장치.
  10. 제 9항에 있어서, 상기 정보가 스케일러블 레프리젠테이션이 가능함을 나타내면, 상기 스케일러블 레프리젠테이션 정보는 상기 컬러라이즈드 옥트리 구조를 생성하는 방법을 나타내는 정보를 더 포함하고, 상기 컬러라이즈드 옥트리 구조를 생성하는 방법을 나타내는 정보는, 상기 컬러라이즈드 옥트리 구조를 생성하는 방법이 상기 옥트리 구조의 각 레벨에 하나 또는 그 이상의 임의의 어트리뷰트들을 매칭하는 방법 및 상기 옥트리 구조의 각 레벨에 해당 레벨의 하위 레벨의 실제 어트리뷰트 및 포지션을 매칭하는 방법 중 적어도 하나임을 나타내는 포인트 클라우드 데이터 처리 장치.
  11. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계로서 상기 포인트 클라우드 데이터는 지오메트리 정보 및 어트리뷰트 정보를 포함하고, 상기 지오메트리 정보는 상기 포인트 클라우드 데이트의 포인트들의 포지션을 나타내는 정보이고, 상기 어트리뷰트 정보는 상기 포인트 클라우드 데이터의 포인트들의 하나 또는 그 이상의 어트리뷰트들을 나타내는 정보인 것을 포함하고; 및
    상기 포인트 클라우드 데이터를 디코딩하는 단계를 포함하는 포인트 클라우드 데이터 처리 방법.
  12. 제 11 항에 있어서, 상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 지오메트리 정보를 디코딩하는 단계; 및
    상기 어트리뷰트 정보를 디코딩하는 단계를 포함하는 포인트 클라우드 데이터 처리 방법.
  13. 제 12항에 있어서, 상기 비트스트림은 스케일러블 레프리젠테이션 (scalable representation)정보를 포함하고, 상기 스케일러블 레프리젠테이션 정보는 상기 디코드된 어트리뷰트 정보의 일부 또는 전부를 스케일러블 레프리젠테이션할 수 있는지 여부를 나타내는 정보를 포함하는 포인트 클라우드 데이터 처리 방법.
  14. 제 13항에 있어서, 상기 정보가 스케일러블 레프리젠테이션이 가능함을 나타내면, 상기 스케일러블 레프리젠테이션 정보는 상기 컬러라이즈드 옥트리 구조를 생성하는 방법을 나타내는 정보를 더 포함하고, 상기 컬러라이즈드 옥트리 구조를 생성하는 방법을 나타내는 정보는, 상기 컬러라이즈드 옥트리 구조를 생성하는 방법이 상기 옥트리 구조의 각 레벨에 하나 또는 그 이상의 임의의 어트리뷰트들을 매칭하는 방법 및 상기 옥트리 구조의 각 레벨에 해당 레벨의 하위 레벨의 실제 어트리뷰트 및 포지션을 매칭하는 방법 중 적어도 하나임을 나타내는 포인트 클라우드 데이터 처리 방법.
  15. 제 14 항에 있어서, 상기 어트리뷰트 정보를 디코딩하는 단계는,
    상기 디코딩된 지오메트리 정보의 옥트리 구조를 수신하는 단계로서, 상기 옥트리 구조는 하나 또는 그 이상의 레벨들로 표현되고; 및
    상기 스케일러블 레프리젠테이션 정보를 기반으로, 상기 옥트리 구조의 각 레벨에 하나 또는 그 이상의 어트리뷰트들을 매칭하여 컬러라이즈드 옥트리(colorized octree)를 생성하는 단계로서, 상기 컬러라이즈드 옥트리는 상기 스케일러블 레프리젠테이션하기 위해 사용되는 포인트 클라우드 데이터 처리 방법.
  16. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신기로서 상기 포인트 클라우드 데이터는 지오메트리 정보 및 어트리뷰트 정보를 포함하고, 상기 지오메트리 정보는 상기 포인트 클라우드 데이트의 포인트들의 포지션을 나타내는 정보이고, 상기 어트리뷰트 정보는 상기 포인트 클라우드 데이터의 포인트들의 하나 또는 그 이상의 어트리뷰트들을 나타내는 정보인 것을 포함하고; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더를 포함하는 포인트 클라우드 데이터 처리 장치.
  17. 제 16항에 있어서, 상기 디코더는
    상기 지오메트리 정보를 디코딩하고, 상기 어트리뷰트 정보를 디코딩하는 것을 포함하는 포인트 클라우드 데이터 처리 장치.
  18. 제 17항에 있어서, 상기 비트스트림은 스케일러블 레프리젠테이션 (scalable representation)정보를 포함하고, 상기 스케일러블 레프리젠테이션 정보는 상기 어트리뷰트 정보의 일부 또는 전부를 스케일러블 레프리젠테이션(scalable representation)할 수 있는지 여부를 나타내는 정보를 포함하는포인트 클라우드 데이터 처리 장치.
  19. 제 18항에 있어서, 상기 정보가 스케일러블 레프리젠테이션이 가능함을 나타내면, 상기 스케일러블 레프리젠테이션 정보는 상기 컬러라이즈드 옥트리 구조를 생성하는 방법을 나타내는 정보를 더 포함하고, 상기 컬러라이즈드 옥트리 구조를 생성하는 방법을 나타내는 정보는, 상기 컬러라이즈드 옥트리 구조를 생성하는 방법이 상기 옥트리 구조의 각 레벨에 하나 또는 그 이상의 임의의 어트리뷰트들을 매칭하는 방법 및 상기 옥트리 구조의 각 레벨에 해당 레벨의 하위 레벨의 실제 어트리뷰트 및 포지션을 매칭하는 방법 중 적어도 하나임을 나타내는 포인트 클라우드 데이터 처리 장치.
  20. 제 19 항에 있어서, 상기 디코더는,
    상기 디코딩된 지오메트리 정보의 옥트리 구조를 수신하고, 상기 옥트리 구조는 하나 또는 그 이상의 레벨들로 표현되고, 상기 스케일러블 레프리젠테이션 정보를 기반으로, 상기 옥트리 구조의 각 레벨에 하나 또는 그 이상의 어트리뷰트들을 매칭하여 컬러라이즈드 옥트리(colorized octree)를 생성하고, 상기 컬러라이즈드 옥트리는 상기 스케일러블 레프리젠테이션하기 위해 사용되는, 포인트 클라우드 데이터 처리 장치.
PCT/KR2020/006959 2019-06-21 2020-05-29 포인트 클라우드 데이터 처리 장치 및 방법 WO2020256308A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP20827770.7A EP3979205A4 (en) 2019-06-21 2020-05-29 POINT CLOUD DATA PROCESSING DEVICE AND METHOD
CN202080044643.XA CN114009046A (zh) 2019-06-21 2020-05-29 用于处理点云数据的装置和方法
US17/621,463 US12010341B2 (en) 2019-06-21 2020-05-29 Device and method for processing point cloud data
US18/658,345 US20240298029A1 (en) 2019-06-21 2024-05-08 Device and method for processing point cloud data

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2019-0074299 2019-06-21
KR20190074299 2019-06-21

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US17/621,463 A-371-Of-International US12010341B2 (en) 2019-06-21 2020-05-29 Device and method for processing point cloud data
US18/658,345 Continuation US20240298029A1 (en) 2019-06-21 2024-05-08 Device and method for processing point cloud data

Publications (1)

Publication Number Publication Date
WO2020256308A1 true WO2020256308A1 (ko) 2020-12-24

Family

ID=74037484

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/006959 WO2020256308A1 (ko) 2019-06-21 2020-05-29 포인트 클라우드 데이터 처리 장치 및 방법

Country Status (4)

Country Link
US (2) US12010341B2 (ko)
EP (1) EP3979205A4 (ko)
CN (1) CN114009046A (ko)
WO (1) WO2020256308A1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4040683A4 (en) * 2019-09-30 2022-11-02 Guangdong Oppo Mobile Telecommunications Corp., Ltd. OCCUPANCY INFORMATION PREDICTION METHOD, ENCODER, DECODER AND STORAGE MEDIA
CN114930823A (zh) * 2020-01-06 2022-08-19 Oppo广东移动通信有限公司 帧内预测方法、装置、编码器、解码器、及存储介质
CN114868389A (zh) * 2020-01-06 2022-08-05 Oppo广东移动通信有限公司 一种帧内预测方法、编码器、解码器及存储介质
JP2023525207A (ja) * 2020-03-24 2023-06-15 オッポ広東移動通信有限公司 イントラ予測方法、装置、エンコーダ、デコーダ、及び記憶媒体
CN115720272A (zh) * 2021-08-24 2023-02-28 西安电子科技大学 点云预测、点云编码、点云解码方法及设备
US11748945B1 (en) * 2023-02-14 2023-09-05 Illuscio, Inc. Systems and methods for signal-based point cloud representation
WO2024182978A1 (zh) * 2023-03-06 2024-09-12 Oppo广东移动通信有限公司 编解码方法、码流、编码器、解码器以及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9530225B1 (en) * 2013-03-11 2016-12-27 Exelis, Inc. Point cloud data processing for scalable compression
US20170347122A1 (en) * 2016-05-28 2017-11-30 Microsoft Technology Licensing, Llc Scalable point cloud compression with transform, and corresponding decompression
EP3429207A1 (en) * 2017-07-13 2019-01-16 Thomson Licensing A method and apparatus for encoding/decoding a colored point cloud representing the geometry and colors of a 3d object
US20190080483A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Point Cloud Compression
KR20190053129A (ko) * 2017-11-09 2019-05-17 삼성전자주식회사 비-직교 투영을 이용한 포인트 클라우드 압축을 위한 장치 및 방법

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9734595B2 (en) * 2014-09-24 2017-08-15 University of Maribor Method and apparatus for near-lossless compression and decompression of 3D meshes and point clouds
US11010931B2 (en) * 2018-10-02 2021-05-18 Tencent America LLC Method and apparatus for video coding
US20200202608A1 (en) * 2018-12-21 2020-06-25 Point Cloud Compression, B.V. Method and apparatus for receiving a volumetric video stream
US11039115B2 (en) * 2018-12-21 2021-06-15 Samsung Electronics Co., Ltd. Low complexity color smoothing of reconstructed point clouds
US20200211290A1 (en) * 2018-12-26 2020-07-02 Lg Electronics Inc. Xr device for providing ar mode and vr mode and method for controlling the same
US11210812B2 (en) * 2019-05-15 2021-12-28 Samsung Electronics Co., Ltd. Single-pass boundary detection in video-based point cloud compression
US11122102B2 (en) * 2019-07-03 2021-09-14 Lg Electronics Inc. Point cloud data transmission apparatus, point cloud data transmission method, point cloud data reception apparatus and point cloud data reception method
EP4002277A4 (en) * 2019-08-14 2023-02-22 LG Electronics Inc. POINT CLOUD DATA TRANSMITTING DEVICE, POINT CLOUD DATA TRANSMITTING METHOD, POINT CLOUD DATA RECEIVING DEVICE AND POINT CLOUD DATA RECEIVING METHOD
WO2021045536A1 (en) * 2019-09-04 2021-03-11 Wilus Institute Of Standards And Technology Inc. Video encoding and decoding acceleration utilizing imu sensor data for cloud virtual reality
US11158107B2 (en) * 2019-10-03 2021-10-26 Lg Electronics Inc. Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
JP2022550877A (ja) * 2019-10-03 2022-12-05 エルジー エレクトロニクス インコーポレイティド ポイントクラウドデータ送信装置、ポイントクラウドデータ送信方法、ポイントクラウドデータ受信装置及びポイントクラウドデータ受信方法。
US11551334B2 (en) * 2020-01-09 2023-01-10 Tencent America LLC Techniques and apparatus for coarse granularity scalable lifting for point-cloud attribute coding
US11373276B2 (en) * 2020-01-09 2022-06-28 Tencent America LLC Techniques and apparatus for alphabet-partition coding of transform coefficients for point cloud compression

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9530225B1 (en) * 2013-03-11 2016-12-27 Exelis, Inc. Point cloud data processing for scalable compression
US20170347122A1 (en) * 2016-05-28 2017-11-30 Microsoft Technology Licensing, Llc Scalable point cloud compression with transform, and corresponding decompression
EP3429207A1 (en) * 2017-07-13 2019-01-16 Thomson Licensing A method and apparatus for encoding/decoding a colored point cloud representing the geometry and colors of a 3d object
US20190080483A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Point Cloud Compression
KR20190053129A (ko) * 2017-11-09 2019-05-17 삼성전자주식회사 비-직교 투영을 이용한 포인트 클라우드 압축을 위한 장치 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3979205A4 *

Also Published As

Publication number Publication date
CN114009046A (zh) 2022-02-01
US20240298029A1 (en) 2024-09-05
US12010341B2 (en) 2024-06-11
US20220417557A1 (en) 2022-12-29
EP3979205A4 (en) 2022-08-03
EP3979205A1 (en) 2022-04-06

Similar Documents

Publication Publication Date Title
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020190093A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020189976A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021141346A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2020242244A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2021002604A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2020189982A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020256308A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020190090A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020242077A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020246689A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020262831A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020189943A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021206291A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2020197086A1 (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
WO2021002592A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021029511A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045603A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246837A1 (ko) 포인트 클라우드 데이터 처리 디바이스 및 처리 방법
WO2021145573A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021002665A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021029575A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020189891A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

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: 20827770

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020827770

Country of ref document: EP

Effective date: 20211229