WO2020262824A1 - 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 - Google Patents

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

Info

Publication number
WO2020262824A1
WO2020262824A1 PCT/KR2020/006914 KR2020006914W WO2020262824A1 WO 2020262824 A1 WO2020262824 A1 WO 2020262824A1 KR 2020006914 W KR2020006914 W KR 2020006914W WO 2020262824 A1 WO2020262824 A1 WO 2020262824A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
cloud data
attribute
geometry
information
Prior art date
Application number
PCT/KR2020/006914
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 US17/623,114 priority Critical patent/US20220327742A1/en
Publication of WO2020262824A1 publication Critical patent/WO2020262824A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/10—Geometric effects
    • G06T15/20—Perspective computation
    • 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
    • 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

Definitions

  • the embodiments are directed to a method and apparatus for processing point cloud content.
  • 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, VR (Virtual Reality, Virtual Reality), AR (Augmented Reality, Augmented Reality), MR (Mixed Reality, Mixed Reality), XR (Extended Reality), and autonomous driving. It is used to provide various services such as services. 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.
  • the technical problem according to the embodiments is to provide a point cloud data transmission apparatus, a transmission method, a point cloud data reception apparatus, and a reception method for efficiently transmitting and receiving point clouds in order to solve the above-described problems.
  • a technical problem according to embodiments is to provide a point cloud data transmission apparatus, a transmission method, a point cloud data reception apparatus, and a reception method for solving latency and encoding/decoding complexity.
  • the technical problem according to the embodiments is a data transmission apparatus and a transmission method for improving the compression performance of the point cloud by improving the encoding technology of the attribute information of geometry-point cloud compression (G-PCC). , To provide a point cloud data receiving apparatus and a receiving method.
  • G-PCC geometry-point cloud compression
  • the technical problem according to embodiments is, by layering attribute information of point cloud data based on an octree structure, and encoding and decoding attribute information based on this, to perform latency and attribute encoding/ It is to provide a point cloud data transmission device, a transmission method, a point cloud data reception device, and a reception method that solve decoding complexity.
  • the point cloud data transmission method includes the steps of obtaining point cloud data, encoding geometric information included in the point cloud data, and the method included in the point cloud data. Encoding attribute information, and transmitting the encoded geometry information and the encoded attribute information.
  • the encoding of the geometry information includes quantizing the geometry information, generating an octree structure having an octal tree structure based on the quantized geometry information, and approximating the octree structure, Reconfiguring geometry information based on the generated octree structure and the approximated octree structure, and entropy encoding the generated octree structure or occupancy codes of the approximated octree structure to output a geometry bitstream.
  • I can.
  • the encoding of the attribute information includes matching attribute information and geometry information of the point cloud data to nodes of the octree structure, and an octree structure in which attribute information and geometry information of the point cloud data are matched.
  • Generating retained sets by collecting point cloud data based on, generating level of details (LODs) based on the retained sets, classifying the point cloud data according to the generated LODs, and the It may include compressing attribute information of the divided point cloud data.
  • LODs level of details
  • Each Retained set according to the embodiments may be a collection of point cloud data newly added compared to the previous LoD according to a certain criterion to configure each LoD.
  • point cloud data of one or more levels may be generated as a single retained set.
  • the point cloud data of one level may be divided to generate a plurality of retained sets.
  • the step of matching the attribute information of the point cloud data and geometry information to nodes of the octree structure includes at least one of the attribute information matched to the ocupid nodes within the leaf node level of the octree structure. It can be determined based on predicted attribute information of levels.
  • a point cloud data transmission apparatus includes an acquisition unit for obtaining point cloud data, a geometry encoding unit for encoding geometry information included in the point cloud data, and attribute encoding for encoding attribute information included in the point cloud data. It may include a sub, and a transmitter that transmits the encoded geometry information and the encoded attribute information.
  • the geometry encoding unit a quantization unit that quantizes the geometry information, an octree analysis unit that generates an octree structure having an octal tree structure based on the quantized geometry information, and an approximation analysis unit that approximates the octree structure.
  • a geometry reconstruction unit that reconstructs geometry information based on the generated octree structure and the approximated octree structure, and Aris outputs a geometry bitstream by entropy encoding the generated octree structure or occupancy codes of the approximated octree structure. It may include a metic encoding unit.
  • an octree colorization unit that matches attribute information and geometry information of the point cloud data to nodes of the octree structure, an octree structure in which attribute information and geometry information of the point cloud data are matched
  • An LOD generator that collects point cloud data based on and generates retained sets, generates level of detail (LODs) based on the retained sets, and classifies the point cloud data according to the generated LODs, and the An attribute compression unit for compressing attribute information of the divided point cloud data may be included.
  • Each Retained set according to the embodiments may be a collection of point cloud data newly added compared to the previous LoD according to a certain criterion to configure each LoD.
  • the LOD generator may generate point cloud data of one or more levels as one retained set.
  • the LOD generator may divide point cloud data of one level and generate a plurality of retained sets.
  • the octree colorization unit may determine at least one of attribute information matched to occupied nodes within a leaf node level of the octree structure as predicted attribute information of one or more higher levels.
  • the method for receiving point cloud data includes receiving point cloud data and signaling information, decoding geometric information included in the point cloud data, decoding attribute information included in the point cloud data, And processing and rendering the decoded geometry information and the decoded attribute information.
  • the decoding of the geometry information may include reconstructing a partial-level or full-level octree structure based on an occupancy code included in the geometry information to restore geometry information.
  • a level of detail is generated based on the octree structure, and the point cloud data is generated based on the generated LODs and the partial or full-level octree structure. It may include the step of decompressing the partial-level or full-level attribute information included in to restore the attribute information.
  • the point cloud data receiving apparatus includes a receiver for receiving point cloud data and signaling information, a geometry decoding unit for decoding geometry information included in the point cloud data, and for decoding attribute information included in the point cloud data.
  • An attribute decoding unit may include a renderer that processes and renders the decoded geometry information and the decoded attribute information.
  • the geometry decoding unit may reconstruct geometry information by regenerating a partial-level or full-level octree structure based on an occupancy code included in the geometry information.
  • the attribute decoding unit generates LODs based on the octree structure, and based on the generated LODs and the partial level or full level octree structure, the partial level or full level included in the point cloud data
  • the attribute information can be restored by decompressing the attribute information.
  • a point cloud data transmission method, a transmission device, a point cloud data reception method, and a reception device may provide a point cloud service with high quality.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device may achieve various video codec methods.
  • a point cloud data transmission method, a transmission device, a point cloud data reception method, and a reception device may provide general-purpose point cloud content such as an autonomous driving service.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device match point cloud data based on location information of an octree node of an octree structure, and apply this to the LOD configuration, thereby efficiently Attribute encoding and attribute decoding can be performed.
  • the generated LOD to prediction and lifting attribute compression, it is possible to compress the attribute at the transmitting side and restore the compressed attribute at the receiving side with a small amount of computation.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device use the similarity between structurally adjacent attributes on the geometry for attribute prediction, so that the transmitting device compresses the attributes of the point cloud, and the receiving device compresses the attributes of the point cloud.
  • the similarity between the highly related attributes in the geometry structure is effectively removed with respect to the predicted attributes. Accordingly, it is possible to reduce the computational complexity and reduce dependence on geometry decoding, thereby increasing the decoding speed.
  • a point cloud data transmission method, a transmission device, a point cloud data reception method, and a reception device configure an LOD based on an octree structure, so that a point cloud of low resolution or subsampled by using an octree node to which an attribute is assigned.
  • Data can be transmitted.
  • the transmission side can compress attribute information based on a small amount of computation, and it is highly likely to be utilized in a transmission system requiring low-delay.
  • attribute information is compressed for a decoder with various performances, it is possible to support receivers with various performances through one bitstream instead of generating or storing independent compression information suitable for each decoder performance. There is also an advantage in terms of space and bit efficiency.
  • the receiving side has an effect that can be used in a transmission/reception system requiring low-delay by restoring attribute information at the same time as geometry decoding with a small amount of computation.
  • the output level of the attribute information is selected, even a receiver having low computational power can output attribute information suitable for the performance of the corresponding receiver without delay.
  • the attribute of each level decoded or reconstructed is an attribute value that matches the octree node of the corresponding level. Can be used.
  • FIG. 1 shows a system for providing point cloud content according to embodiments.
  • FIG. 2 shows a process for providing Point Cloud content according to embodiments.
  • FIG 3 shows an arrangement configuration of Point Cloud capture equipment according to embodiments.
  • FIG. 4 shows a point cloud video encoder according to embodiments.
  • FIG. 5 illustrates voxels in a 3D space 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. 8 shows an example of a point configuration of Point Cloud content for each LOD according to embodiments.
  • FIG 9 shows an example of a point configuration of Point Cloud content for each LOD according to embodiments.
  • FIG. 10 shows an example of a block diagram of a point cloud video decoder according to embodiments.
  • FIG. 11 shows an example of a point cloud video decoder according to embodiments.
  • FIG. 12 shows components for encoding Point Cloud video of a transmitter according to embodiments.
  • FIG. 13 shows components for decoding Point Cloud video of a receiver according to embodiments.
  • FIG. 14 shows an architecture for G-PCC-based point cloud data storage and streaming according to embodiments.
  • 15 shows point cloud data storage and transmission according to embodiments.
  • 16 shows a device for receiving point cloud data according to embodiments.
  • FIG. 17 shows an example of a structure that can be interlocked with a point cloud data method/device according to embodiments.
  • FIG. 18 is a diagram showing embodiments of a degree of detail of point cloud data according to a depth level of an octree structure.
  • 19 is a diagram illustrating an example of an octree structure colored according to embodiments.
  • 20 is a diagram illustrating another example of a colored octree structure according to embodiments.
  • 21 is a diagram illustrating an example in which the distance between nodes decreases as the depth level increases in an octree structure according to embodiments.
  • 23 is a diagram illustrating an example of generating a plurality of retained sets in an octree structure according to embodiments.
  • 24 is a diagram illustrating an example of generating an LOD based on a plurality of retained sets in an octree structure according to embodiments.
  • 25 is a diagram illustrating another example of generating an LOD based on a plurality of retained sets in an octree structure according to embodiments.
  • 26 is a diagram illustrating an example of performing attribute compression based on an LOD generated according to embodiments.
  • FIG. 27 is a block diagram showing another example of a point cloud video encoder according to embodiments.
  • FIG. 28 is a flowchart illustrating a method of encoding a point cloud video according to embodiments.
  • 29 is a block diagram showing another example of a point cloud video decoder according to embodiments.
  • FIG. 30 is a flowchart illustrating a method for decoding a point cloud video according to embodiments.
  • FIG. 31 is a diagram illustrating an example of scalable encoding and/or scalable decoding of point cloud data according to embodiments.
  • 32 is a diagram illustrating another example of scalable encoding and/or scalable decoding of point cloud data according to embodiments.
  • 33 is a diagram illustrating another example of scalable decoding of point cloud data according to embodiments.
  • 34 is a diagram illustrating an example of outputting different levels of geometry according to embodiments.
  • 35 is a diagram illustrating an example of outputting attributes of different levels according to embodiments.
  • 36 is a diagram illustrating an example of a syntax structure of an attribute parameter set according to embodiments.
  • 37A and 37B are diagrams illustrating an example of dividing an octree depth level into a plurality of layers 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 10001, a Point Cloud Video Encoder 10002 and/or a transmitter (or Communication module), 10003)
  • 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 the interaction ratio with the user who consumes the 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.
  • the viewpoint is a point at which the user is watching the point cloud video, and may mean a center point of the 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 represents 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 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 encoder 10002) may perform an encoding operation based on the 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, a transmission system, and the like
  • the reception device 10004 may be referred to as a decoder, a reception device, a receiver, a reception system, and 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). For example, 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 a point from information related to the acquisition process of the point cloud video (for example, 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 the decoded geometry and attributes through a decoding process 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.).
  • 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.
  • 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 right side of FIG. 3 shows an outword-pacing scheme.
  • 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-facing method may be used to generate point cloud content (for example, content representing an external environment that may be provided to a user of an autonomous vehicle) for providing a surrounding environment appearing 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 capture operation described in FIG. 3 may not be performed.
  • the point cloud content providing system may perform post-processing on the captured image and/or image. That is, the point cloud content providing system removes unwanted areas (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 one wide range or may generate point cloud content having a high density of points.
  • FIG. 4 shows an example of a point cloud video encoder according to embodiments.
  • the point cloud video encoder uses point cloud data (e.g., positions and/or positions of points) to adjust the quality of the point cloud content (e.g., lossless-lossless, loss-lossy, near-lossless) according to network conditions or applications. Or attributes) and perform an encoding operation.
  • point cloud data e.g., positions and/or positions of points
  • the quality of the point cloud content e.g., lossless-lossless, loss-lossy, near-lossless
  • 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 video encoder may perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • a point cloud video encoder includes a Transformation Coordinates unit (40000), a quantization unit (40001), an octree analysis unit (40002), and a surface approximation analysis unit (Surface Approximation).
  • 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 a minimum position value 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.
  • a minimum position value 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,
  • Voxelization refers to the minimum unit expressing position information in 3D space.
  • Points of point cloud content (or 3D point cloud video) according to embodiments may be included in one or more voxels.
  • 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 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 morton 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 converter 40007 may sort points based on a Molton 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 transform 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).
  • 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 video encoder of FIG. 4 are not shown in the drawing, but include one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud content providing apparatus. It may be implemented in hardware, 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 video encoder of FIG. 4 described above. In addition, 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 video encoder of FIG. 4.
  • One or more memories 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 video encoder eg, quantization unit 40001
  • voxel 5 is an octree structure recursively subdividing a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ) Shows an example of a voxel generated through.
  • One voxel includes at least one or more points.
  • the voxel can estimate spatial coordinates from the positional relationship with the voxel group.
  • voxels have attributes (color or reflectance, etc.) like pixels of a 2D image/video. A detailed description of the voxel is the same as that described with reference to FIG. 4 and thus is omitted.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • the point cloud content providing system (point cloud video encoder 10002) or the octree analysis unit 40002 of the point cloud video encoder efficiently manages the region and/or position of the voxel. Perform octree geometry coding (or octree coding) based on an octree structure.
  • 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 Equation 1 below.
  • (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 video encoder (for example, the Arismatic Encoder 40004) according to the embodiments may entropy encode an ocupancy code. In addition, in order to increase the compression efficiency, the point cloud video 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 video encoder (eg, octree analysis unit 40002) 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 video encoder does not perform voxelization on 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. coding) can be performed. Coordinates of a direct coding point according to embodiments are referred to as a direct coding mode (DCM).
  • DCM direct coding mode
  • the point cloud video encoder 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.
  • the point cloud video decoder can generate a point cloud from the mesh surface.
  • Direct coding and trisoup geometry encoding according to embodiments 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 total number of points subject to direct coding must not exceed a preset limit value.
  • the point cloud video encoder eg, the Arismatic encoder 40004
  • the embodiments may entropy-code the positions (or position values) of the points.
  • the point cloud video encoder determines a specific level of the octree (when the level is less than the depth d of the octree), and from that level, the surface model is used Trisoup geometry encoding that reconstructs the position of a point in a node region based on voxels can be performed (tri-soup mode).
  • the point cloud video encoder according to embodiments 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 video encoder does not operate in the try-soup mode.
  • the point cloud video 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 video encoder When a vertex is detected, the point cloud video encoder according to the embodiments includes the starting point (x, y, z) of the edge and the direction vector of the edge ( x, y, z), vertex position values (relative position values within an edge) may be entropy-coded.
  • the point cloud video encoder e.g., the geometry reconstruction unit 40005
  • the point cloud video encoder performs a triangle reconstruction, up-sampling, and voxelization process. Can be performed to 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 shown in Equation 2 below. 1 Calculate the centroid value of each vertex, 2 calculate the squares to the values subtracting the center value from each vertex 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.
  • Table 1 below shows a combination of vertices for generating a triangle according to the number of vertices. Vertices are ordered from 1 to n.
  • 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 video encoder may voxelize refined vertices. In addition, the point cloud video 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 video encoder may perform entropy coding based on context adaptive arithmetic coding.
  • the point cloud content providing system, the point cloud video encoder 10002 of FIG. 2, or the point cloud video encoder or Arismatic encoder 40004 of FIG. 4 can directly entropy code the ocupancy code. have.
  • the point cloud content providing system or point cloud video encoder performs entropy encoding (intra encoding) based on the ocupancy code of the current node and the ocupancy of neighboring nodes, or entropy encoding (intermediate encoding) based on the ocupancy code of the previous frame. Encoding).
  • 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 the 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 video 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 (a cube located in the center) 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 video encoder may perform coding according to the neighbor node pattern value (for example, if the neighbor node pattern value is 63, 64 types of coding are performed). According to embodiments, the point cloud video 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 video encoder may reorganize points by 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 arrow direction indicated at the bottom of the drawing, the spacing (or distance) between the points becomes shorter.
  • a point cloud content providing system or a point cloud video encoder (for example, a point cloud video encoder 10002 in FIG. 2, a point cloud video encoder in FIG. 4, or an LOD generator 40009) )
  • a point cloud video encoder for example, a point cloud video encoder 10002 in FIG. 2, a point cloud video encoder in FIG. 4, or an LOD generator 40009
  • 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 video encoder but also in the point cloud video 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 video encoder may selectively or combine LOD-based predictive transform coding, lifting transform coding, and RAHT transform coding.
  • the point cloud video encoder may generate a predictor for points and perform LOD-based 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 video encoder e.g., the coefficient quantization unit 40011
  • Attributes, residual attribute values, attribute prediction residual values, prediction error attribute values, etc. can be quantized and inverse quantized.
  • a quantization process of the transmitting device performed on the residual attribute value Is shown in Table 2.
  • Table 2 the inverse quantization process of the receiving device performed on the quantized residual attribute value is shown in Table 3.
  • the point cloud video encoder 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 video encoder (for example, the arithmetic encoder 40012) according to the embodiments 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 video 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 determines the distance to the neighboring points.
  • Lifting transform coding can be performed by setting the weight according to it.
  • the lifting transform coding according to the embodiments is similar to the LOD-based predictive transform coding described above, 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 video encoder for example, the coefficient quantization unit 40011
  • the point cloud video encoder for example, the Arismatic encoder 40012
  • the point cloud video encoder entropy-codes the quantized attribute values.
  • the point cloud video 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. have.
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud video 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.
  • Equation 3 represents the RAHT transformation matrix.
  • g lx,y,z denotes the average attribute value of voxels at level l.
  • g lx,y,z can be calculated from g l+1 2x,y,z and g l+1 2x+1,y,z .
  • g l-1 x,y,z are low-pass values and are used in the merging process at the next higher level.
  • h l-1 x,y,z are high-pass coefficients, and high-pass coefficients in each step are quantized and entropy-coded (for example, encoding of the arithmetic encoder 400012).
  • the root node is generated as shown in Equation 4 below through the last g 1 0,0,0 and g 1 0,0,1 .
  • the gDC value is also quantized and entropy coded like the high pass coefficient.
  • FIG. 10 shows an example of a point cloud video decoder according to embodiments.
  • the point cloud video 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 video decoder may receive a geometry bitstream and an attribute bitstream included in one or more bitstreams.
  • the point cloud video 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 performs attribute decoding on the attribute bitstream based on the decoded geometry and outputs decoded attributes.
  • the decoded geometry and decoded attributes are used to reconstruct the point cloud content.
  • FIG. 11 shows an example of a point cloud video decoder according to embodiments.
  • the point cloud video decoder illustrated in FIG. 11 is a detailed example of the point cloud video decoder described in FIG. 10, and may perform a decoding operation, which is a reverse process of the encoding operation of the point cloud video encoder described in FIGS. 1 to 9.
  • the point cloud video decoder may perform geometry decoding and attribute decoding. Geometry decoding is performed prior to attribute decoding.
  • a point cloud video decoder includes an arithmetic decoder (11000), an octree synthesis unit (11001), a surface approximation synthesis unit (11002), and a geometry reconstruction unit. (geometry reconstruction unit, 11003), coordinates inverse transformation unit (11004), arithmetic decoder (11005), inverse quantization unit (11006), RAHT conversion unit (11007), LOD generation A unit (LOD generation unit, 11008), an inverse lifting unit (11009), and/or a color inverse transformation unit (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 decoding and trisoup geometry decoding. Direct decoding and trisoup geometry decoding are selectively 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 can be selectively applied based on the attribute encoding of the point cloud video 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 video 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 inverse color transform unit 11010 may be selectively performed based on the operation of the color transform unit 40006 of the point cloud video encoder.
  • the elements of the point cloud video decoder of FIG. 11 are not shown in the drawing, but include one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud content providing system. It may be implemented in hardware, 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 video 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 video decoder of FIG. 11.
  • the transmission device shown in FIG. 12 is an example of the transmission device 10000 of FIG. 1 (or the point cloud video 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 video 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 conversion processing unit (or attribute conversion processing unit) (12009), LOD/lifting/RAHT conversion
  • 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 to the operation and/or method of the point cloud video 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 video encoder (for example, the surface aproximation 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 LOD/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 LOD/lifting/RAHT transform processing unit 12010 may code transformed attributes by using one or a combination of RAHT coding, LOD-based predictive transform coding, and lifting transform coding.
  • the LOD/lifting/RAHT conversion processing unit 12010 performs at least one of the same or similar operations as the RAHT conversion unit 40008, the LOD generation unit 40009, and the lifting conversion unit 40010 described in FIG. 4. do.
  • descriptions of LOD-based predictive transform coding, lifting transform coding, and RAHT transform coding are the same as those described with reference to FIGS. 1 to 9, and thus detailed descriptions are omitted.
  • the Arismatic coder 12011 may encode coded attributes based on Arismatic coding.
  • the Arismatic coder 12011 performs the same or similar operation and/or method to the operation and/or method of the Arismatic encoder 400012.
  • the transmission processor 12012 transmits each bitstream including the encoded geometry and/or the encoded attribute, and metadata information, or transmits the encoded geometry and/or the encoded attribute, and the metadata information in one piece. It can be configured as a bitstream and transmitted. When the encoded geometry and/or encoded attribute and metadata information according to the embodiments are configured as one bitstream, the bitstream may include one or more sub-bitstreams.
  • the bitstream according to the embodiments is a sequence parameter set (SPS) for signaling of a sequence level, a geometry parameter set (GPS) for signaling of geometry information coding, an attribute parameter set (APS) for signaling of attribute information coding, and a tile.
  • SPS sequence parameter set
  • GPS geometry parameter set
  • APS attribute parameter set
  • TPS Transaction Parameter Set
  • Slice data may include information on one or more slices.
  • One slice according to embodiments may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 and Attr1 0 ).
  • the TPS according to the embodiments may include information about each tile (eg, coordinate value information and height/size information of a bounding box) 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 processor 12012 according to the embodiments may perform the same or similar operation and/or a transmission method as the operation and/or transmission method of the transmitter 10003. Detailed descriptions are the same as those described in FIGS. 1 to 2 and thus will be omitted.
  • FIG 13 is an example of a reception device according to embodiments.
  • the receiving device illustrated in FIG. 13 is an example of the receiving device 10004 of FIG. 1 (or the point cloud video decoder of FIGS. 10 and 11 ).
  • the reception 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 video 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, LOD 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 Arismatic decoder 13007, the inverse quantization processing unit 13008, the LOD/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 LOD/lifting/RAHT inverse transform processing unit 13009 may process the reconstructed geometry and inverse quantized attributes.
  • the LOD/lifting/RAHT inverse transform processing unit 13009 is the same or similar to the operations and/or decodings of the RAHT converting unit 11007, the LOD generating unit 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), and performs point cloud video encoding on the acquired point cloud to provide a point cloud video bit.
  • Streams (Eb) can be output. Since the point cloud video encoding of the transmission device is the same as or similar to the point cloud video encoding (for example, the encoding of the point cloud video encoder of FIG. 4) described in FIGS. 1 to 13, a detailed description 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 in a file format such as ISOBMFF or a dynamic adaptive streaming over HTTP (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 on the ISOBMFF (ISO International Standards Organization Base Media File Format) file format, or may be included in separate tracks within the file.
  • the transmission device may encapsulate the metadata itself as a separate file.
  • the transmission device 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 the decoded video data B'v by performing point cloud video decoding on the video bitstream E'v. Since the point cloud video decoding according to the embodiments is the same as or similar to the point cloud video decoding described in FIGS. 1 to 13 (for example, decoding of the point cloud video 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 video decoding, and rendering operations based on metadata transmitted together.
  • the description of the metadata is the same as that described with reference to FIGS. 12 to 13 and thus will be omitted.
  • the receiving device may generate feedback information (orientation, viewport).
  • the feedback information according to the embodiments may be used in a decapsulation process, a point cloud video decoding process and/or a rendering process of a receiving device, or 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 (e.g., the transmission device 10000 of FIG. 1, the point cloud video encoder of FIG. 4, and the transmission device of FIG. 12 , Corresponding to an example of the transmission device of FIG. 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 include at least one of point cloud acquisition, point cloud video encoding, file/segment encapsulation, and delivery. You can do the above.
  • 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.
  • Mesh data compression according to embodiments may include the trisoup geometry encoding described in FIGS. 1 to 14.
  • the transmission device may encapsulate bitstreams (eg, point cloud streams) output according to point cloud video 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, the point cloud video encoding, file/segment encapsulation, and transmission are in progress. At least 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 reception device according to embodiments.
  • the receiving device of FIG. 16 is a device for receiving 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 video decoder of FIG. 11, and the receiving device of FIG. 13) , Corresponds to an example of the reception device of FIG. 14). Accordingly, the receiving device of FIG. 16 performs the same or similar operation to that of the receiving device described in FIGS. 1 to 14. In addition, the receiving device of FIG. 16 may receive a signal transmitted from the transmitting device of FIG. 15, and may perform a reverse process of the operation of the transmitting device of FIG. 15.
  • the receiving device includes at least one of delivery, file/segement decapsulation, point cloud video decoding, and point cloud rendering, or You can do the above.
  • 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.
  • attribute decoding may be referred to as attribute decompression.
  • one 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 may include decoding the trisoup geometry described in FIGS. 1 to 14.
  • the receiving device may render the output point cloud data according to the point cloud video 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 video 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 is a server 1760, a robot 1710, an autonomous vehicle 1720, an XR device 1730, a smartphone 1740, a home appliance 1750, and/or a head-mount display (HMD) 1770). At least one of them represents a configuration connected to the cloud network 1710.
  • 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 compressed data (PCC) device according to embodiments or may be interlocked with a PCC device.
  • PCC point cloud compressed 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, the embodiments of the present specification 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 point cloud compressed data (PCC) transmission/reception device receives/processes AR/VR/PCC service related content data that can be provided with autonomous driving service when connected to enable wired/wireless communication with a vehicle. Can be transferred to the vehicle.
  • 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 according to the embodiments may include a signal indicating an autonomous driving service.
  • LOD LOD
  • l represents the LOD and is an integer starting from 0.
  • LOD 0 is a set consisting of points with the largest distance between points, and as l increases, the distance between points belonging to LODl decreases.
  • LOD-based predictive transformation and the lifting transformation an attribute is sequentially encoded by generating an LOD according to the distance of a point.
  • a process for finding neighboring points must be preceded.
  • a neighbor is defined as a set of nodes sampled at different reference distances with attribute information of an occupied leaf node. Referring to FIG. 9 as an example, LOD0 is a set of nodes having a longer distance between nodes than LOD1. That is, LOD0 is a set composed of points having the largest distance between points.
  • this specification constructs an attribute based on an octree structure used in geometry encoding and decoding, and generates an LOD based on this and uses it for attribute encoding and/or attribute decoding, thereby improving attribute encoding and/or attribute decoding performance.
  • attribute coding can be efficiently performed by matching point cloud data based on location information of an octree node and applying it to the LOD configuration. By doing so, it is possible to provide low-resolution or subsampled point cloud data using the octree node to which the attribute is assigned.
  • One method of matching point cloud data based on location information of an octree node is a point paired octree, that is, a method of matching an attribute and a position with an octree node.
  • octree colorization is a term used to aid the understanding of the present specification, and since this term can be easily changed by a person skilled in the art, this term may be referred to as other terms within the scope of equivalent meanings, and this is also the present invention. Belongs to the scope of.
  • point cloud data existing at a location similar to the location of an octree node may be matched based on distance similarity.
  • the colorized octree structure constructed through this can be viewed as an octree matched with point cloud data, and by classifying the point cloud data according to the LOD generated based on this structure, it is used as one of the attribute coding methods. Can be used for prediction lift transform.
  • the LOD according to the embodiments has a characteristic that points existing in each LOD are distributed so as to be separated by a reference distance or more, and the reference distance may be designed to decrease as the LoD increases. Therefore, as LoD increases, the distance between the points becomes closer and closer as shown in FIG. 8.
  • a subset of point cloud data having different details according to the application field is formed by pre-composing point cloud data having different complexity, resolution, or quality. There is an advantage of being able to transmit to the receiving side.
  • FIG. 18 is a diagram showing embodiments of a degree of detail of point cloud data according to a depth level of an octree structure.
  • the octree structure used in encoding geometry information among point cloud data is effective information by dividing the bounding box into smaller units as the depth level increases (that is, the direction from the root node to the leaf node).
  • the location of the valid information is gradually found in finer units.
  • the detail representing the point cloud data gradually increases as shown in FIG. 18, and this has a direction similar to the configuration of the LoD-based point cloud data described above.
  • scalable coding of the transmitting side and the replica of the receiving side correspond to the depth level and the LoD level of the octree structure. It can be applied to a representation.
  • the location of an occupied node indicated at a specific depth level of the octree structure is not the location information of actual point cloud data, but an approximate or representative value of the location of data existing at a similar location.
  • the other is that there is no attribute matching each node of the octree structure.
  • an octree colorization method for matching point cloud data to an octree structure can be used to solve the above two problems.
  • the attribute of the actual point cloud data and corresponding position information may be matched to the octree structure.
  • FIG. 19 is a diagram illustrating an example of an octree structure colored according to embodiments. That is, in the octree structure, nodes belonging to the same layer have the same depth level value, and child nodes have a depth level value that is increased by 1 compared to the parent node. And each time the depth level of a child node increases, eight child nodes are created for one parent node. In other words, lower-level child nodes divided from the same parent node represent eight nodes adjacent in each axis direction in the xyz space. Therefore, it can be assumed that the attribute similarity is the highest between eight child nodes connected to one parent node.
  • corresponding attribute information (c1, c2, c3, c4, c5, c6, c7, c8, c9) is mapped to occupied nodes in the leaf node level of the octree. That is, this is an example in which the corresponding attribute information output from the attribute conversion unit 40007 is mapped to the location information of occupied nodes in the leaf node level of the octree.
  • one of attribute information (c1, c2, c3, c4) of the child nodes (for example, c1) is mapped, and one of the attribute information (c5, c6, c7, c8, c9) of the child nodes (e.g., c5) of the parent node 14012 of the eight child nodes 14022 is This is a mapped example.
  • attribute information of one of the attribute information (c1, c2, c3, c4, c5, c6, c7, c8, c9) of occupied nodes in the leaf node level is an example of mapping.
  • redundant information may exist between a point matched to a leaf node and a point matched to an upper depth level.
  • the leaf node level attribute information c1 and c5 is duplicated at the upper depth level of the leaf node level, and the leaf node level attribute information c2 is duplicated at the root node level.
  • duplicated attribute information may be removed at the leaf node level.
  • 20 is a diagram illustrating another example of a colored octree structure according to embodiments, and illustrates an example in which redundant attribute information is removed at a leaf node level.
  • the attribute information (c1, c2, c5) is removed from the nodes in which the attribute information (c1, c2, c5) at the leaf node level (14031) is removed, and the nodes have an ocupancy code value of 1 In this way, a one-to-one match can be made between the input point cloud data and the point cloud data structured according to the octree.
  • One characteristic is that the distance between nodes decreases as the depth level increases in the octree structure. This can be linked to the feature that as LoD increases, the distance between points decreases.
  • 21 is a diagram illustrating an example in which the distance between nodes decreases as the depth level increases in an octree structure according to embodiments.
  • Another feature is that as the depth level increases in the octree structure, the number of points that match the actual position/attribute increases. This can be linked to the feature that as the depth level increases in the octree structure (ie, from the root node to the leaf node), the detail of the corresponding point cloud data increases.
  • 22 illustrates an example of generating (or configuring) an LOD using the above feature in an octree structure from which duplicated attribute information is removed according to embodiments.
  • the LOD according to the embodiments may be generated by applying the following method.
  • the LOD is generated using an octree structure.
  • the distance between nodes is kept constant according to the depth level of the octree structure, and the distance between nodes decreases as the depth level of the octree structure increases. Carry out the process.
  • the LoD generation process consists of a Retained Set generation process, which is a process of collecting point cloud data sampled according to a certain criterion for LoD generation, and a process of generating a LoD based on the Retained Set.
  • the above-described octree colorization process (that is, a process of matching attributes and positions of point cloud data to nodes of an octree structure) may be performed as a prerequisite for LoD generation.
  • a distance between points at an octree depth level may be used instead of a reference distance used for LoD generation.
  • a distance criterion that is inversely proportional to the LoD number is set, and the nearest one (or the first one, etc.) out of a certain distance is sub-sampled and included in the new LoD.
  • various methods such as a sub-sampling method according to the Morton code order) can be used to reduce the time for this.
  • the points matched to each node have a distance of at least as much as the node size within the octree depth level, and points having a certain distance due to the octree structure Can be considered as being sampled as For example, for an octree structure in which the depth level of the root node is set to 0 and the depth level of the leaf node is set to N, the minimum value of the distance between nodes of the n ( ⁇ N)-th depth level may be considered to be 2 n . In this case, points matching an occupied node at each octree depth level may be considered as points sampled for a corresponding octree depth level.
  • FIG. 23 is a diagram illustrating an example of generating a retained set during an octree-based LOD (or point cloud layer) generation process according to embodiments.
  • the LoD is defined to include all points of the lower LoD in the upper LoD.
  • a set of point cloud data newly added compared to the previous LoD is defined as a retained set.
  • LoD is generated based on the octree structure, it can be defined to increase the LoD in the direction in which the detail increases, that is, the direction in which the octree depth level increases.
  • a newly added octree depth level may be defined as a retained set.
  • the retained set can be defined in various ways as follows.
  • points sampled for one or a plurality of octree depth levels may be determined as data belonging to the retained set. That is, a set of points sampled for one or a plurality of octree depth levels (that is, matched with an occupied node) may be defined as a retained set.
  • points sampled for one octree depth level may be defined by dividing into a plurality of retained sets according to a predetermined criterion.
  • various criteria for dividing one octree depth level into a plurality of retained sets may be considered as follows. For example, when one octree depth level is divided into M retained sets, the data in the retained set may be made into M retained sets having consecutive Molton codes, or the remainder of the Molton code order index divided by M The same ones may be gathered together to form M retained sets, or, when grouped into sibling nodes, ones in the same position may be grouped together to form M retained sets.
  • the method of generating the retained set may be separately signaled through signaling information such as metadata.
  • some of the sampled points of a plurality of octree depth levels may be determined as a retained set.
  • a depth level of a root node is set to 0 and a depth level of a leaf node is set to N, according to embodiments, from a root node level to an octree depth level N-3 as a set of Retained 0, and an octree depth level N
  • An example of dividing -2 into the Retained 1 set, the octree depth level N-1 into the Retained 2 set, and the leaf node level (ie, N) into three Retained sets, that is, Retained 3, Retained 4, and Retained 5, is shown.
  • the octree layer may have the same meaning as the octree depth level.
  • FIG. 24 is a diagram illustrating an example of generating LODs based on Retained sets generated as shown in FIG. 23.
  • the upper LoD may be configured to include the lower LoD as shown in Equation 5 below.
  • LoD 0 may be configured from the root node level to the octree depth level 4 (ie, octree layer N-3).
  • the octree depth levels 5 and 6 constitute Retained sets 1 and 2, respectively, so that LoD 1 is from the root node level to octree depth level 5 (i.e., octree layer N-2), and LoD 2 is from the root node level to octree depth level 6 ( That is, it can be configured to include up to the octree layer N-1).
  • the octree depth level 7 shows an example of dividing it into three ratained sets.Retained set 3 according to the remainder of dividing point cloud data by 3 in a state in which point cloud data that was not selected in the previous LoD (LoD 2 in this example) was sorted by Molton code , 4, 5 can be determined.
  • LoD 3 can be configured to contain LoD 2 + Retained set 3
  • LoD 4 can be configured to contain LoD2 + Retained set 3 + Retained set 4
  • LoD 5 can be configured to contain the whole, that is, LoD2 + Retained set 3 + It can be configured to include Retained Set 4 + Retained Set 5.
  • the fast prediction strategy using octree structure is as follows.
  • 25 is a diagram illustrating another example of generating LODs based on a plurality of retained sets in an octree structure according to embodiments.
  • 26 is a diagram illustrating an example of performing attribute compression based on an LOD generated according to embodiments.
  • the algorithm for finding the nearest neighbor based on distance takes a lot of time.
  • a method of finding a neighbor among points within a certain range of neighbors is used for points arranged in the order of increasing the Morton code within the order of increasing LoD.
  • neighbors can be defined based on the positional similarity (positional similarity between child nodes) existing in the octree structure.
  • a neighbor search time can be reduced by using a method of finding a neighbor based on an upper node in an octree structure as well as a restriction on LoD.
  • the above-described octree-based LOD generation process can be applied equally to the receiver as well as the transmitter. In addition, it can be used for prediction and transformation for attribute decoding according to the LoD to be used in the application field, and output can be performed for an arbitrary LoD level for the final output.
  • FIG. 27 shows another embodiment of a point cloud video encoder according to the present specification. 27 is another embodiment of the point cloud video encoder of FIG. 4.
  • Each component of the point cloud video encoder of FIG. 27 may be implemented by hardware, software, a processor, and/or a combination thereof.
  • the metic encoder 40012 is referred to as an attribute encoder that performs attribute encoding.
  • the point cloud video encoder of FIG. 27 also receives and encodes the point cloud data (or point cloud video data) acquired by the point cloud video acquisition unit 10001 of FIG. 1.
  • Point cloud data is composed of points, and each point is composed of geometry (ie, position) information and attribute information.
  • Geometry information is (x, y) of a two-dimensional orthogonal coordinate system or ( , ) Or (x, y, z) of a Cartesian coordinate system in three-dimensional space or ( , , z), ( , , ) Can be a coordinate vector.
  • the attribute information according to the embodiments may include a vector (R, G, B) representing the color of a point and/or a brightness value and/or a reflection coefficient of a lidar and/or a temperature value obtained from a thermal imaging camera. It may be a vector of values obtained from the sensor.
  • the point cloud video encoder of FIG. 27 may further include a spatial division unit (not shown) that spatially divides input point cloud data into at least one 3D block.
  • the 3D block is a tile group or tile or slice or a coding unit (CU), a prediction unit (PU), or a transformation unit (TU).
  • CU coding unit
  • PU prediction unit
  • TU transformation unit
  • information for spatial division is entropy-encoded and transmitted to a receiving side.
  • the entropy encoding is a coding method that converts data into bits for transmission.
  • Positions of at least one 3D block spatially divided by the spatial division unit are output to the coordinate system conversion unit 40000, and attribute information (or attributes) is output to the color conversion unit 40006.
  • the coordinate system conversion unit 40000 may convert a coordinate system by receiving positions. That is, the coordinate system conversion unit 40000 may convert an existing coordinate system into another coordinate system. For example, positions may be converted into three-dimensional (XYZ) position information. Alternatively, the coordinate system conversion unit 40000 may not perform coordinate system conversion. The output of the coordinate system conversion unit 40000 will be referred to as geometry information.
  • the receiving device is derived using whether to transform the coordinate system of the neighboring block, the size of the block, the number of points, the quantization value, the block division depth, the location of the unit, and the distance between the unit and the origin.
  • Geometry information output from the coordinate system transform unit 40000 is quantized by the quantization unit 40001. Also, the quantization unit 40001 reconstructs points of point cloud data by performing voxelization based on quantized geometry information. Voxelization refers to the minimum unit expressing position information in a 3D space.
  • the voxel can estimate position information (ie, spatial coordinates) of at least one point included in the voxel in a positional relationship with a voxel group, and attribute information (e.g., color) of the at least one point Or reflectance information).
  • one point may not be included in one voxel.
  • a plurality of point-related information may exist in one voxel, or may be integrated into one voxel. This adjustment can be performed selectively.
  • one voxel is expressed as one point information (i.e., the latter in the above example)
  • the position value of the center point of the voxel is set based on the position values of points existing in the voxel as an embodiment. do.
  • the octree analysis unit 40002 constructs (or generates) an octree based on voxels output from the quantization unit 40001.
  • the octree has a layer tree structure, and a parent node, which is an upper layer, is a structure connected to eight child nodes, which are lower layers. That is, spatially, the three-dimensional space under the jurisdiction of the upper node is divided in the x, y, and z directions, and the child nodes control a total of 8 spaces of the same size.
  • nodes belonging to the same layer have the same level value, and child nodes have a level value that is increased by 1 compared to the parent node. And every time the level of the child node increases, 8 child nodes are created for one parent node.
  • a node belonging to the uppermost layer of the octree is referred to as a root node (or a head node), and a node belonging to the lowermost layer is referred to as a leaf node.
  • the level value of the top layer is 1 (ie, depth 0)
  • the level values of the eight nodes of the next layer are 2 (ie, depth 1).
  • the level value of 16 nodes of the next layer is 3 (ie, depth 2).
  • octree division is performed as much as a destination level value or until a leaf node becomes a voxel. That is, since the octree is used to manage voxels in which the positions of points are reflected, the total volume of the octree must be set to (0,0,0) ⁇ (2 d , 2 d , 2 d ). 2 d is set to a value constituting the smallest bounding box surrounding all points of the point cloud video, and d is the depth of the octree.
  • each node of the octree may be expressed as an ocupancy code. For example, if a point is included in a specific node, it is expressed as 1, and if there is no point, it is expressed as 0. Each node has an 8-bit bitmap indicating whether or not the 8 child nodes are occupied.
  • a node having an ocupancy code value of 0 is no longer divided into 8 nodes.
  • a node having an occupancy code value of 1 among eight nodes of level 2 ie, depth 1
  • the octree generated by the octree analysis unit 40002 is output to the surface aproximation analysis unit 40003, the arithmetic encoding unit 40004, and the geometry reconstruction unit 40005.
  • the surface aproximation analysis unit 40003 analyzes and approximates the input octree, and then outputs them to the arithmetic encoding unit 40004 and the geometry reconstruction unit 40005.
  • the geometry information is compressed while passing through the quantization unit 40001, the octree analysis unit 40002, and/or the surface aproxiation analysis unit 40003.
  • the arithmetic encoding unit 40004 entropy-encodes the octree output from the octree analysis unit 40002 or the octree approximated by the surface aproxiation analysis unit 40003 and outputs a geometry bitstream.
  • the arithmetic encoding unit 40004 includes an ocupancy code of each node of a leaf node of an octree generated by the octree analysis unit 40002 or an approximate code in the surface aproxiation analysis unit 40003. Entropy encoding of the occupancy code of each node of the leaf node of the octree.
  • the arithmetic encoding unit 40004 may directly encode the ocupancy code, or may perform intra/inter coding and then entropy encoding to increase compression efficiency.
  • the receiver may reconstruct the octree through the ocupancy code.
  • Entropy encoding may use various encoding methods such as Exponential Golomb, Context-Adaptive Variable Length Coding (CAVLC), and Context-Adaptive Binary Arithmetic Coding (CABAC).
  • Exponential Golomb Context-Adaptive Variable Length Coding
  • CABAC Context-Adaptive Binary Arithmetic Coding
  • the geometry reconstruction unit 40005 receives the octree generated by the octree analysis unit 40002 and/or the octree approximated by the surface aproxiation analysis unit 40003 to reconstruct geometry information. That is, the geometry reconstruction unit 40005 reconstructs an octree/voxel based on a result of analyzing the distribution of points.
  • the geometry information reconstructed by the geometric reconstruction unit 40005 is output to the attribute conversion unit 40007, the attribute compression unit 40030, and/or the octra colorization unit 40031 of the attribute encoder.
  • the color conversion unit 40006 may convert a color among input attribute information. For example, if the input attribute information includes RGB format color information, it may be converted into YCbCr format color information. Color information may or may not be converted by the color conversion unit 40006.
  • the color conversion of the color conversion unit 40006 according to embodiments is one of the point cloud attribute coding schemes.
  • the attribute conversion unit 40007 may reconstruct the attribute information by mapping positions and/or geometry information reconstructed by the geometry reconstruction unit 40005 and attribute information output from the color conversion unit 40006. .
  • the attribute conversion unit 40007 may convert an attribute value of a point at that location based on the location value of a point included in the voxel.
  • Attribute transformation of the attribute transformation unit 40007 according to embodiments is one of point cloud attribute coding schemes.
  • a plurality of points are included in a specific voxel generated by the quantization unit 40001 according to the embodiments, but the point information may be integrated and expressed as one point information.
  • a location value of a center point of the voxel may be set based on location values for points included in the voxel.
  • the attribute conversion unit 40007 according to the embodiments performs attribute conversion related thereto.
  • the attribute conversion unit 40007 uses the average value of the color or reflectance of the points included in the voxel or the position value of the center point of the voxel and the average value of the color or reflectance of the points adjacent within a specific radius. You can also adjust the value of the attribute of.
  • the attribute information reconstructed by the attribute conversion unit 40007 may be provided to at least one of the attribute compression unit 40030 and the octree colorization unit 40031.
  • the attribute compression unit 40030 may include at least one of a RAHT conversion unit, a lifting conversion unit, and a geometry-based attribute compression unit.
  • the point cloud attribute coding method uses octree-based attribute compression, RAHT transformation, LOD-based lifting transformation, or octree-based attribute compression/RAHT/LOD-based lifting transformation scheme. I can.
  • the octree colorization unit 40031 performs an octree colorization process, and based on this, the LOD generation unit 40032 performs a process of generating the LOD. do.
  • the octree colorization unit 40031 receives the octree structure generated by the octree analysis unit 40002 of the geometry encoder and/or the octree structure reconstructed by the geometry reconstruction unit 40005, and the attribute conversion unit 40007 ), and performs octree colorization matching the position with the attribute information of the point cloud data to the input octree node.
  • the LOD generation unit 40032 generates a plurality of retained sets based on an octree structure in which attribute information and positions of point cloud data in the octree node are matched, and generates an LOD based on the plurality of retained sets.
  • the octree colorization process of the octree colorization unit 40021, the LOD generation process of the LOD generation unit 40032, and the lifting conversion process of the attribute compression unit 40030 using the generated LOD are illustrated in FIGS. Since it has been described in detail in 26, it will be omitted here to avoid duplication of description.
  • the coefficient quantization unit 40011 quantizes attribute information (or attribute data) output from the attribute compression unit 40030 based on quantization coefficients.
  • the arithmetic encoding unit 40012 entropy-encodes the quantized attribute information and outputs it as an attribute bitstream. Entropy encoding according to embodiments may use various encoding methods such as Exponential Golomb, Context-Adaptive Variable Length Coding (CAVLC), and Context-Adaptive Binary Arithmetic Coding (CABAC).
  • the point cloud video encoding method includes an octree generation step 16001, a geometry prediction step 16002, an entropy encoding step 16003, an octree colorization step 16004, an LOD generation step 16005, and an attribute compression step. It may include a step 16006, a transform and quantization step 16007, and an entropy encoding step 16008.
  • the octree generation step 16001, the geometry prediction step 16002, and the entropy encoding step 16003 are the coordinate system transform unit 40000, quantization unit 40001, and octree analysis unit 40002 of FIG. 4 or 27. ), a surface aproximation analysis unit 40003, an arithmetic encoder 40004, and a geometry reconstruction unit 40005 as an embodiment.
  • FIG. 28 the octree generation step 16001, the geometry prediction step 16002, and the entropy encoding step 16003 are the coordinate system transform unit 40000, quantization unit 40001, and octree analysis unit 40002 of FIG. 4 or 27. ), a surface aproximation analysis unit 40003, an arithmetic encoder 40004, and a geometry reconstruction unit 40005 as an embodiment.
  • FIG. 28 the octree generation step 16001, the geometry prediction step 16002, and the entropy encoding step 16003 are the coordinate system transform unit 40000, quantization unit 40001, and octre
  • the octree generation step 16001, the geometry prediction step 16002, and the entropy encoding step 16003 are the data input unit 12000, quantization processing unit 12001, and voxelization processing unit ( 12002), an octree occupancy code generation unit 12003, a surface model processing unit 12004, an intra/inter coding processing unit 12005, and an Arismatic coder 12006.
  • attribute information separated from point cloud data may be input, and attribute information passed through the color conversion unit 40006 and the attribute conversion unit 40007 of FIG. 4 or 27 You can also receive input.
  • the octree structure received in the octree colorization step 16004 may be an octree structure generated by the octree analysis unit 40002 of FIG. 4 or 27, or may be an octree structure reconstructed by the geometry reconstruction unit 40005. have.
  • RAHT transformation may be performed, lifting transformation may be performed based on an LOD, and attribute compression may be performed for each LOD based on a colored octree structure.
  • attribute prediction and residual attribute estimation may be performed for LOD0, attribute prediction and residual attribute estimation may be performed for LOD1, or attribute prediction and residual attribute estimation may be performed for both LOD0 and LOD1.
  • the attribute compression step 16006 may perform attribute prediction based on positional proximity between sub-nodes divided (or split) in the same node of an octree structure.
  • child nodes belonging to the same parent node (or a node belonging to the same branch at a higher level) in the octree structure can be viewed as geometrically adjacent nodes.
  • the attribute similarity is the highest between the eight child nodes connected to one parent node.
  • seven nodes ie, sibling nodes, sibling nodes
  • seven nodes other than themselves among eight nodes having the same parent node may be determined as neighboring nodes.
  • the definition of the neighboring node can be applied as a bundle of neighboring parent nodes (for example, in units of grandparent nodes) depending on the application and image characteristics, and the prediction and compression performance of the next step may vary according to the definition of the neighboring node.
  • attribute information of a node to be encoded is predicted based on the node to be encoded and attribute information of the detected neighboring nodes.
  • predicted attribute information (referred to as predicted attribute information, or predicted attribute value or predicted attribute data) may be obtained for each node, or neighboring nodes may use the same predicted attribute information to reduce the amount of information. May be.
  • predicted attribute information referred to as predicted attribute information, or predicted attribute value or predicted attribute data
  • neighboring nodes may use the same predicted attribute information to reduce the amount of information.
  • predicted attribute information may be obtained for each node, or neighboring nodes may use the same predicted attribute information to reduce the amount of information.
  • attribute information may be predicted using various types of attribute prediction methods.
  • representative values of the attributes of neighboring nodes can be determined as predicted attribute information
  • attribute values representing regional characteristics can be determined as predicted attribute information
  • values that minimize prediction errors can be calculated/selected. It can also be determined by predicted attribute information.
  • an attribute value of a node at a specific location may be used as predicted attribute information.
  • the upper level of the leaf node is among the attribute information (c1) of the child nodes of the leaf node (c1, c2, c3, c4) and the attribute information of the child nodes (c5, c6, c7, c8, c9).
  • An example of selecting each attribute information (c5) and selecting the attribute information (c2) of a leaf node as the root node is shown.
  • a method of selecting an attribute value of a node at a specific location can be applied in various ways. For example, it is possible to select an attribute value of a geometrical centroid, an attribute value corresponding to a specific order within a prediction unit, or an attribute value that minimizes an attribute error.
  • a prediction unit may be defined by adding a node to be encoded and neighboring nodes of the corresponding node. For example, when the range of a neighboring node is a parent node unit, eight child nodes having the same parent node are defined as prediction units. The prediction unit according to embodiments may vary according to the range of neighboring nodes.
  • residual attribute information is estimated based on the predicted attribute information. For example, when the range of the neighboring node is in the parent node unit, if the residual attribute is estimated for LOD0, each node matching the level 1 attribute information (c1, c5) is the attribute information (c2 or c5) of the corresponding node. The difference between the and the root node's attribute information (c2) is determined as residual attribute information (or prediction error attribute information) of the node.
  • each node whose leaf node's attribute information (c1, c2, c3, c4) is matched is the corresponding node's attribute information (c1).
  • one of c2, c3, c4) and the predicted attribute information (c1) of the upper level and the difference is determined as the residual attribute information of the node, and the attribute information of the leaf node (c5, c6, c7, c8, c9) is matched.
  • Each node determines the difference between the attribute information of the corresponding node (one of c5, c6, c7, c8, and c9) and the predicted attribute information (c5) of the higher level as the residual attribute information of the node.
  • each node whose level 1 attribute information (c1, c5) is matched determines the difference between the attribute information (c2 or c5) of the corresponding node and the attribute information (c2) of the root node as the residual attribute information of the node.
  • the residual attribute information of the nodes matched with the attribute information (c1, c2, c5) of the leaf node is It becomes 0.
  • a value (eg, 0) indicating a blank may be transmitted as residual attribute information of a corresponding node, a corresponding position may be signaled, or a blank may not be transmitted and only a corresponding position may be signaled.
  • the attribute information predicted in the attribute compression step 16006 and the estimated residual attribute information are quantized based on quantization coefficients in the transform and quantization step 16007.
  • the quantization process is performed after performing attribute transformation as shown in Equation 6 below. You can also do it.
  • an attribute transformation process may be additionally performed as shown in Equation 6 before quantization.
  • the predicted attribute information and/or residual attribute information may be transformed based on a transform type such as Discrete Cosine Transform (DCT), Discrete Sine Transform (DST), and wavelet. That is, in the transformation and quantization step 16007, the predicted attribute information on which the transformation has been performed or the transformation is not performed and the estimated residual attribute information are quantized as shown in Equation 7 below based on the quantization coefficient (q), and then entropy Output to the encoding step 16008.
  • DCT Discrete Cosine Transform
  • DST Discrete Sine Transform
  • the degree of quantization is determined by the quantization coefficient (q), and different quantization coefficients may be used according to data types. As an embodiment, different quantization coefficients may be used according to luma/chroma and predicted attribute information/residual attribute information.
  • the predicted attribute information quantized in the transform and quantization step 16007 and the residual attribute information are output to the entropy encoding step 16008 step by step in consideration of the decoder processing process of the receiver. That is, the quantized predicted attribute information is first transferred to the entropy encoding step 16008, and then quantized residual attribute information is transferred to the entropy encoding step 16008. In this way, it is possible to prevent the delay of the decoder on the receiving side.
  • each step can be delivered in an increasing order (e.g., morton code order) along the xyz axis, and a reordering process can be added if necessary.
  • the quantized predicted attribute information is entropy-encoded, and the quantized residual attribute information is entropy-quantized and output as an attribute bitstream.
  • the entropy encoding may use various encoding methods such as Exponential Golomb, Context-Adaptive Variable Length Coding (CAVLC), and Context-Adaptive Binary Arithmetic Coding (CABAC).
  • Entropy encoding is performed by outputting to the entropy encoding step 16008.
  • FIG. 29 shows another embodiment of a point cloud video decoder according to the present specification. That is, FIG. 29 is another embodiment of the point cloud video decoder of FIG. 11.
  • Each component of the point cloud video decoder of FIG. 29 may be performed by hardware, software, a processor, and/or a combination thereof.
  • unexplained parts are the same as in FIG. The description of the signed block will be used.
  • the point cloud video decoder of FIG. 29 may perform the reverse process of the point cloud video encoder of FIG. 27.
  • Arithmetic decoding unit 11000, octree synthesis unit 11001, surface opoxidation synthesis unit 11002, geometry reconstruction unit 11003, and coordinate system inverse transform unit 11004 of the point cloud video decoder 10006 It may be referred to as a geometry decoder including, and includes an arithmetic decoding unit 11005, an inverse quantization unit 11006, an attribute decompression unit 11030, an LOD generation unit 11031, and/or an inverse color transform unit 11010. Thus, it may be referred to as an attribute decoder.
  • the arithmetic decoding unit 11000 of the geometry decoder obtains geometry information by entropy decoding the geometry bitstream included in the input bitstream based on an arithmetic method.
  • the information on the geometry includes an occupancy code of each node of an octree of the transmitting side.
  • the octree synthesis unit 11001 reconstructs the octree based on the occupancy code of each node obtained from the information on the geometry.
  • the octree reconstructed by the octree synthesis unit 11001 is output to the surface opoxidation synthesis unit 11002.
  • the reconstructed octree may be output to at least one of the attribute decompression unit 11030 and the LOD generation unit 11031.
  • the surface opoxidation synthesis unit 11002 synthesizes a surface based on the geometry decoded by the arithmetic decoding unit 11000 and/or the octree reconstructed by the octree synthesis unit 11001. .
  • the geometry reconstruction unit 11003 is configured to reconstruct a geometry based on the surface synthesized by the surface opoxidation synthesis unit 11002 and/or the geometry decoded by the arithmetic decoding unit 11000. Let it be an example. At this time, when the direct mode is applied, the geometry reconstruction unit 11003 directly obtains and adds the positional information value of the point, and when the trisoup mode is applied, the geometry reconstruction unit 11003 is subjected to triangle reconstruction and up-sampling. , The geometry is restored through the voxelization process.
  • the restored geometry may include restored (decoded) point cloud picture/frame without (any) attributes.
  • the geometry reconstructed by the geometry reconstruction unit 11003 is output to at least one of the coordinate system inverse transform unit 11004, the attribute decompression unit 11030 of the attribute decoder, and the LOD generation unit 11031.
  • the inverse coordinates transformation unit 11004 obtains positions (positions) by inverse transforming the coordinate system based on the reconstructed geometry.
  • the Arismatic decoding unit 11005 of the attribute decoder obtains information on an attribute by entropy decoding the attribute bitstream included in the input bitstream based on an Arismatic method.
  • the inverse quantization unit 11006 performs inverse quantization of information on the attribute obtained by the arithmetic decoding unit 11005.
  • the information on the attribute includes predicted attribute information and residual attribute information. That is, the inverse quantization unit 11006 performs an inverse quantization process if necessary in the attribute decoding process.
  • the inverse quantization unit 11006 may use an inverse quantization function as shown in Equation 8 below.
  • the coefficient quantization unit 40011 of the transmitting side uses different quantization coefficients according to various quantization methods or data characteristics, it is assumed that the inverse quantization coefficient q is included in the received signaling information.
  • the degree of quantization of the coefficient quantization unit 40011 is determined by a quantization coefficient (q).
  • data having different characteristics such as luma/chroma and predicted attribute information/residual attribute information, may use different quantization coefficients.
  • the inverse transformation is performed as shown in Equation 9 below based on the transform_type field value included in the signaling information. That is, the predicted attribute information and/or the residual attribute information are inverse transformed based on a transform type such as DCT, DST, wavelet, etc. according to the transform_type field value.
  • Information about the attribute output from the inverse quantization unit 11006 is provided to at least one of the attribute decompression unit 11030 and the LOD generation unit 11031.
  • a method of restoring an attribute in the attribute decompression unit 11030 is using octree-based attribute decompression, RAHT inverse transformation, LOD-based lifting inverse transformation, or octree-based attribute decompression/RAHT inverse transformation.
  • /LOD-based Lifting Inverse Transformation combination can be used. That is, the inverse transformation process for the octree-based attribute compression/RAHT/LOD-based Lifting transform is selectively performed according to the method applied during encoding.
  • the RAHT inverse transform and the LOD-based lifting inverse transform each perform an inverse process of an operation corresponding to the RAHT transform unit 40008 and the lifting transform unit 40010 of FIG. 4, or inverse with the RAHT inverse transform unit 11007 of FIG.
  • An embodiment is performed by the lifting unit 11009, or by the prediction/lifting/RAHT inverse transform processing unit 130089 of FIG. 13, respectively.
  • the LOD is generated based on the LOD generation process of the transmitting side described in FIGS. 18 to 26.
  • the attribute information restored by the attribute decompression unit 11030 is output to the color inverse transform unit 11010.
  • the color inverse transform unit 11010 performs color conversion of input attribute information when necessary.
  • the point cloud video decoder includes a geometry decoder and an attribute decoder
  • the point cloud content including positions decoded and output by the geometry decoder and attribute information decoded and output by the attribute decoder is a renderer ( 10007).
  • the rendering process of the renderer 10007 refers to a process of rendering and displaying data of Point Cloud content in 3D space.
  • the renderer 10007 renders according to a desired rendering method with position and attribute information of points decoded through a decoding process of the point cloud video decoder of FIG. 11 or 13 or 29.
  • Points of the Point Cloud content may be rendered as a vertex with a certain thickness, a cube with a specific minimum size centered on the vertex position, or a circle centered on the vertex position.
  • the user can view all or part of the rendered result through a VR/AR display or a general display.
  • the feedback process may include a process of transferring various feedback information, which can be obtained during the display process, to a transmitting side or to a receiving side decoding. Since the feedback process has been described in detail above, in order to avoid duplication of description, the above-described contents are referred to and will be omitted herein.
  • the point cloud video decoding method includes an entropy decoding step (17001) of a geometry bitstream, an octree reconstruction step (17002), an entropy decoding step of an attribute bitstream (17003), an inverse quantization step (17004), and an inverse transform step. (17005), an attribute prediction and reconstruction step 17006, and an LOD-based scalable representation step 17007.
  • the geometry bitstream is entropy decoded in the entropy decoding step 17001.
  • the octree reconstruction step (17002) the octree structure is reconstructed based on the entropy-decoded geometry to restore geometry information.
  • the attribute bitstream of the received bitstream is entropy decoded in the entropy decoding step 17003.
  • the entropy-decoded attribute is inverse quantized based on quantization coefficients in the inverse quantization step 17004, and inverse transformed in the inverse transform step 17005.
  • various methods may be used for the inverse quantization and inverse transformation process according to the quantization and transformation process used by the transmitting side. If the transmitting side encodes data without a conversion process, the inverse conversion step 17005 is not performed.
  • the attribute dequantized in the inverse quantization step 17004 or the attribute inversely transformed in the inverse transform step 17005, and the octree structure regenerated in the octree reconstruction step 17002 are provided to the attribute prediction and reconstruction step 17006.
  • the attribute inverse quantized in the inverse quantization step 17004 or the attribute inversely transformed in the inverse transform step 17005 includes predicted attribute information and estimated residual attribute information.
  • the predicted attribute information and residual attribute information may exist for each LOD or only for leaf nodes, and residual attribute information may be provided at each level, and predicted attribute information may be provided only at the highest node (e.g., root node). have.
  • the neighboring nodes of the node to be decoded are detected based on the regenerated octree structure, the predicted attribute information is obtained based on the detected neighboring nodes, and the received residual attribute information is added to the octree node.
  • the process of reconstructing the corresponding attribute information ie, colorized ontree regeneration is performed.
  • the attribute prediction and reconstruction step 17006 performs the same process as the detection of a neighboring node of the transmitting side to reconstruct location information. That is, the attribute prediction and reconstruction step 17006 detects neighboring nodes of the node to be decoded based on the octree structure provided in the octree reconstruction step 17002.
  • the range of neighboring nodes is in units of parent nodes. That is, 8 child nodes with the same parent are defined as neighboring nodes. That is, a sibling node having the same parent is defined as a neighbor node. If a different definition (eg, a different size) of the range (or unit) of the neighboring node is used, information for detecting the neighboring node may be included in the received signaling information. In addition, attribute prediction is performed based on the detected neighbor node information. That is, while the level goes down in the reverse order of the attribute prediction performed by the transmitting side (that is, the direction from the root node to the leaf node), the attribute is predicted as in Equation 10 below.
  • the attribute prediction method uses the same method as the method used by the transmitting side, and a reconstructed attribute of a parent node can be used as a predicted value for a child node.
  • the method used at the time of encoding and additional information may be delivered to the receiving side through signaling information or metadata.
  • the predicted attribute information and the residual attribute information are reconstructed as attributes of each child node.
  • the inverse of the residual attribute estimation method used by the transmitting side is performed to reconstruct the attribute of each child node. For example, when the sending side estimates residual attribute information based on the difference between the original attribute information and the predicted attribute information, the attribute information is reconstructed by adding the predicted attribute information and the decoded residual attribute information as shown in Equation 11 below. can do.
  • the residual attribute estimation method may be transmitted to the receiver through signaling information or metadata.
  • a goal is to output the attributes of a leaf node as a final result, but attribute information reconstructed at a certain level may be output depending on receiver performance, application field, and presence or absence of information.
  • the level and related information to be output may be transmitted to the receiving side through signaling information or metadata.
  • the attribute information reconstructed (i.e., reconstructed) in the attribute prediction and reconstruction step 17006 is used to collect the decoded octree-level point cloud data for the output of the point cloud data in the LOD-based scalable representation 17007.
  • colorization is performed based on the reconstructed attribute information, and information on the LOD in the LOD-based scalable representation 17007 can be known through signaling information.
  • the colorization is performed in the same process as the transmission side. That is, colorization is a process of matching the decoded attribute information for an occupied node from a root node to a leaf node for an octree structure.
  • the transmitting side performs encoding on the attribute information that has undergone colorization
  • the receiving side only needs to match the attribute information to the occupied nodes according to the octree depth level according to the decoding order.
  • attribute decompression unit 11030 can know the predicted attribute information and the residual attribute information of the previous level before the geometry is decoded to the leaf node, a specific level of the octree without waiting until the geometry decoding is completed to the leaf node. When is decoded, the restoration of attribute information can begin.
  • geometry information and attribute information may be partially decoded and rendered to a specific level of the octree, or both geometry information and attribute information may be decoded and rendered up to the leaf node level. May be.
  • Spatial scalability is a function capable of sending and processing a point cloud of low resolution when the point cloud data is dense and the bandwidth is low.
  • FIG. 31 is a block diagram illustrating an example of scalable encoding and/or scalable decoding of point cloud data according to embodiments.
  • the scalable encoder 18010 of the transmitting side encodes geometry information and attribute information as full, and transmits the geometry information of the full depth level and the attribute information of the full depth level to the receiving side in a single bitstream form. And, the receiving side selects a bitstream to be decoded from a single bitstream through the bitstream selector 18030 according to the decoder's capacity, resource shortage, or display performance, and selects the selected bitstream from the corresponding scalable decoders 18041 to 1804N. This is an example of decoding in one of).
  • the scalable decoder 18041 receives geometry information of a partial depth level and attribute information of a partial depth level through the bitstream selector 18030 and performs decoding, and scales
  • the scalable decoder 18042 performs decoding by receiving geometry information of a full depth level and attribute information of a partial depth level
  • the scalable decoder 1804N performs the decoding of the geometry information of the full depth level and the geometry information of the full depth level. It is possible to perform decoding by receiving attribute information.
  • the single bitstream generated by the transmitting side may be stored in the storage unit 18020 and then provided to the bitstream selector 18030 of the receiving side.
  • the receiving side may be provided with one of the scalable decoders 18041 to 1804N depending on the capacity of the decoder, lack of resources, or display performance.
  • 32 is a block diagram illustrating another example of scalable encoding and/or scalable decoding of point cloud data according to embodiments.
  • the transmitting side encodes both the geometry information and the attribute information to a partial depth level using one or more scalable encoders (19001-1900N) and outputs it as a single bitstream, or the geometry information is output at a full depth level. level) and the attribute information can be encoded to a partial depth level and output in a single bitstream format, and both geometry information and attribute information can be encoded to the full depth level and output in a single bitstream format.
  • One of the bitstreams output from one or more scalable encoders (19001-1900N) is selected through the bitstream selector 19010 and transmitted to the receiving side in the form of a single bitstream or stored in the storage unit 19020 and then transmitted to the receiving side. It could be.
  • the receiving side selects one of the one or more scalable decoders 19041 to 1904N through the decoder selector 19030 according to the decoder's capacity, lack of resources, or display performance, and selects the bitstream input from the selected scalable decoder.
  • the scalable decoder 19041 receives geometry information of a partial depth level and attribute information of a partial depth level to perform decoding
  • the scalable decoder 19042 The decoding is performed by receiving geometry information of a full depth level and attribute information of a partial depth level
  • the scalable decoder 1904N receives geometry information of a full depth level and attribute information of a full depth level and performs decoding. can do.
  • the first G-PCC decoder 19071 receives geometry information 19051 and 19052 of a full depth level and attribute information 19061 of a partial depth level, and performs G-PCC decoding to perform low resolution.
  • the second G-PCC decoder 19072 receives full-depth-level geometry information (19051, 19052) and full-depth-level attribute information (19061, 19062) and receives G-PCC This is an example of outputting full resolution point cloud data by performing decoding.
  • the first G-PCC decoder 19071 includes both the geometry information 19051 of the partial depth level in the direction of the root node and the geometry information 19052 of the partial depth level in the direction of the leaf node.
  • the geometry information 19052 of the partial depth level in the direction of the leaf node is for assisting attribute decoding and is not for representation.
  • receivers of various performances can be supported based on one compressed bitstream according to a compression method.
  • a compression method For example, in the case of compressing geometry information and attribute information for decoders of various performances, it is possible to support receivers of various performances through one bitstream instead of generating or storing independent compression information suitable for each decoder performance. . Therefore, it is advantageous in terms of storage space and bit efficiency of the transmission side.
  • the transmitting side can generate and transmit low-resolution point cloud data.
  • a receiver that has received compressed geometry information and attribute information as in any one of FIGS. 31 to 33 performs geometry decoding and attribute decoding almost simultaneously with a small amount of computation to restore attribute information, thereby reducing low-delay. It can be used in the required transmitter and/or receiver.
  • the output level of the attribute information is selected, it is expected that even a receiver with low computational power can output attribute information suitable for the performance of the corresponding receiver without delay.
  • different results may be output according to receiver performance or receiver requirements for attribute decoding and reconstruction.
  • the decoded or reconstructed attribute of each level may be used as an attribute value matched with an octree node of the corresponding level.
  • an octree level may be selected according to output performance or renderer performance.
  • the receiver may output or render a low-resolution image after performing octree colorization on the reconstructed point cloud data after decoding in consideration of output or rendering performance.
  • FIG. 34 is a diagram illustrating embodiments when different levels of geometry are output according to the performance of a receiver.
  • the receiver may select and output one of the steps of FIG. 34 according to the performance of the receiver through signaling information given through the present specification.
  • FIG. 35 is a diagram illustrating embodiments when different levels of attributes are output according to the performance of a receiving system.
  • the resolution of the geometry is selectively output as shown in FIG. 34
  • the resolution can be selectively output also for an attribute.
  • attribute information is selectively output, it can be seen that the detail of the attribute gradually increases from right to left as shown in FIG. 35.
  • the receiver may select and output an attribute having the same level as the level selected from the geometry of FIG. 34 or details corresponding thereto. In this case, the attribute may be matched with an octree node indicated by the geometry, or the attribute of the location of the actually occupied leaf node may be matched.
  • the following signaling information may be delivered for decoding.
  • the signaling information (or signaling) defined below is a parameter set (GPS: geometry parameter set, APS: attribute parameter set, VPS: video parameter set, SPS: sequence parameter set, PPS: picture parameter), which is information of the video codec. set, TPS: Tile Parameter Set, etc.) may be signaled and transmitted. Also, such as slice or tile, it may be signaled and transmitted in units of coding units of each image.
  • the information may be file format, dynamic adaptive streaming over HTTP (DASH), MPEG media transport (MMT), etc., or high definition multimedia interface (HDMI), Display Port, Video Electronics Standards Association (VESA), CTA, etc. It can also be defined at the wired interface of
  • the point cloud data may include a sequence parameter set (SPS) including signaling information according to embodiments, a geometry parameter set (GPS), an attribute parameter set (APS), and a tile parameter set (TPS).
  • SPS sequence parameter set
  • GPS geometry parameter set
  • APS attribute parameter set
  • TPS tile parameter set
  • Point cloud data may include one or more geometry and/or attributes.
  • the geometry and/or attributes of the point cloud data may be included in units of one or more slices.
  • the geometry may have a structure of a geometry slice header and geometry slice data.
  • a method/apparatus according to the embodiments may signal related information to add/perform an operation of the embodiments.
  • the signaling information according to embodiments may be used at a transmitting end or a receiving end.
  • the method/apparatus according to the embodiments may signal by adding signaling information for octree-based LOD generation and/or attribute prediction to the APS.
  • the method/apparatus according to the embodiments provides a tile or a slice so that the point cloud can be divided and processed by regions.
  • the method/apparatus may signal signaling information for octree-based LOD generation and/or attribute prediction for each slice.
  • 36 is a diagram showing an embodiment of a syntax structure of an attribute parameter set (attribute_paramter_set()) according to the present specification.
  • the aps_attr_parameter_set_id field represents an identifier (ID) for identifying attribute parameter set information.
  • the aps_seq_parameter_set_id field represents an identifier (ID) for identifying sequence parameter set information.
  • the octree_based_layering_flag field indicates whether attribute compression is performed on an octree basis and is in a layered data format. For example, if the value of the octree_based_layering_flag field is 1, it indicates that the point cloud data is octree-based in the form of layered data (eg, matching LoD as in the embodiment of the present specification). In this case, information about a relationship with an octree depth level for expressing a layer used in an application field may be additionally delivered.
  • a num_layers field and a num_index field may be further included.
  • the num_layers field indicates the number of layers used in an application field, and may indicate, for example, the number of LoDs. Depending on the application field, it may be explicitly delivered or inferred as in Equation 12 below through given information.
  • the num_index field indicates the number of layers matched with an octree depth level matched to a layer used in an application field.
  • the attribute parameter set according to embodiments may further include a repeat statement repeated by a value of the num_index field, and the repeat statement may include an octree_level_start field and a num_octree_levels field.
  • the octree_level_start field represents a starting octree depth level used to configure an i-th layer (i-th layer, or i-th LoD).
  • the num_octree_levels field represents the number of octree depth levels used to configure the i-th layer (or i-th LoD).
  • a value of 1 in the num_octree_levels field indicates that point cloud data matched to a single octree depth level belongs to the i-th layer.
  • the value of the num_octree_levels field is greater than 1, it may indicate that all point cloud data matched with the octree depth level of the value of the num_octree_levels field belong to the i-th layer. In this case, it may indicate that an octree depth layer corresponding to the octree_level_start field + the num_octree_levels field-1 from the value of the octree_level_start field belongs to the i-th layer.
  • the attribute parameter set according to embodiments may further include a multiple_layers_present_flag field when a value of the i-th num_index field is 1.
  • the multiple_layers_present_flag field indicates whether one octree depth level matches a plurality of layers. For example, if the value of the multiple_layers_present_flag field is 1, it may indicate that one octree depth level matches a plurality of layers, and if it is 0, it may indicate that one octree depth level matches one layer.
  • the attribute parameter set according to embodiments may further include a num_sub_layers field when a value of the multiple_layers_present_flag field is 1.
  • the num_sub_layers field represents the number of layers to which octree depth levels are matched.
  • the attribute parameter set according to embodiments may further include a repeat statement repeated by the value of the num_sub_layers field, and the repeat statement may include a division_type field and a num_point field.
  • the division_type field indicates a method of dividing the octree depth level into a plurality of layers.
  • division_type can be used to classify the method as shown in (a) and (b) of FIG. 37.
  • FIG. 37A is a method of configuring a plurality of layers by gathering the same modular results of the octree depth level for the num_division[i] field.
  • 37B shows a method of configuring a plurality of rares by sequentially cutting the octree depth levels by a predetermined number.
  • the num_point field represents the number of points constituting a corresponding layer.
  • the attribute parameter set according to embodiments may further include only the num_point field if the value of the i-th num_index field is not 1.
  • Each of the above-described parts, modules or units may be software, processor, or hardware parts that execute successive processes stored in a memory (or storage unit). Each of the steps described in the above-described embodiment may be performed by processor, software, and hardware parts. Each module/block/unit described in the above-described embodiment may operate as a processor, software, or hardware. In addition, the methods suggested by the embodiments may be executed as code. This code can be written to a storage medium that can be read by the processor, and thus can be read by a processor provided by the apparatus.
  • the apparatus and method according to the embodiments are not limitedly applicable to the configuration and method of the described embodiments as described above, 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.
  • Various components of the apparatus of the embodiments may be implemented by hardware, software, firmware, or a combination thereof.
  • Various components of the embodiments may be implemented with one chip, for example, one hardware circuit.
  • Each of 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 operated/ It may include instructions for performing or performing any one or more of the operations/methods.
  • 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 (for example, 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.
  • Various elements of the embodiments may be performed by hardware, software, firmware, or a combination thereof.
  • Various elements of the embodiments may be implemented on a single chip such as a hardware circuit.
  • the embodiments may optionally be performed on individual chips.
  • at least one of the elements of the embodiments may be executed in one or more processors including instructions for performing operations according to the embodiments.
  • first and second are used to describe various elements of the embodiments. These terms do not limit the interpretation of the elements of the embodiments. These terms are used to distinguish between one element and another.
  • a first user input signal may be referred to as a second user input signal.
  • the second user input signal may be referred to as a first user input signal.
  • Both the first user input signal and the second user input signal are user input signals, and do not mean the same user input signals unless clearly indicated in context.
  • Conditional expressions such as when, when, and when used to describe the embodiments are not limited to an optional case. When a specific condition is satisfied, it is intended to perform a related operation in response to a specific condition or to interpret the related definition.

Landscapes

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

Abstract

실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 포인트 클라우드 데이터를 획득하는 단계, 상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 인코딩하는 단계, 상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 인코딩하는 단계, 및 상기 인코딩된 지오메트리 정보와 상기 인코딩된 어트리뷰트 정보를 전송하는 단계를 포함할 수 있다.

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
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), XR (Extended Reality), 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.
즉, 포인트 클라우드의 데이터를 전송하고 수신하기 위해서 많은 처리량이 요구되는 문제점이 있다. 그래서, 포인트 클라우드 데이터를 전송하고 수신하는 과정에서 압축을 위한 인코딩/압축 해제를 위한 디코딩을 수행하는데, 포인트 클라우드 데이터의 크기가 크기 때문에 연산이 복잡하고 시간이 많이 소요되는 문제가 있다.
실시예들에 따른 기술적 과제는, 전술한 문제점 등을 해결하기 위해서, 포인트 클라우드를 효율적으로 송수신하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 지오메트리-포인트 클라우드 압축(Geometry - point cloud compression, G-PCC)의 어트리뷰트 정보(attribute)의 인코딩 기술을 개선하여 포인트 클라우드의 압축 성능 향상시키는 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 옥트리 구조를 기반으로 포인트 클라우드 데이터의 어트리뷰트 정보를 레이어링(layering)하고, 이를 기반으로 어트리뷰트 정보의 인코딩 및 디코딩을 수행함으로써, 지연 시간(latency) 및 어트리뷰트의 인코딩/디코딩 복잡도를 해결하는 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 본 문서 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
상술한 목적 및 다른 이점을 달성하기 위해서 실시예들에 따른 포인트 클라우드 데이터 전송 방법은 포인트 클라우드 데이터를 획득하는 단계, 상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 인코딩하는 단계, 상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 인코딩하는 단계, 및 상기 인코딩된 지오메트리 정보와 상기 인코딩된 어트리뷰트 정보를 전송하는 단계를 포함할 수 있다.
실시예들에 따른 상기 지오메트리 정보를 인코딩하는 단계는 상기 지오메트리 정보를 양자화하는 단계, 상기 양자화된 지오메트리 정보를 기반으로 8진 트리 구조를 갖는 옥트리 구조를 생성하는 단계, 상기 옥트리 구조를 근사화하는 단계, 상기 생성된 옥트리 구조와 상기 근사화된 옥트리 구조를 기반으로 지오메트리 정보를 재구성하는 단계, 및 상기 생성된 옥트리 구조 또는 상기 근사화된 옥트리 구조의 occupancy 코드들을 엔트로피 인코딩하여 지오메트리 비트스트림을 출력하는 단계를 포함할 수 있다.
실시예들에 따른 상기 어트리뷰트 정보를 인코딩하는 단계는 상기 옥트리 구조의 노드들에 상기 포인트 클라우드 데이터의 어트리뷰트 정보와 지오메트리 정보를 매칭하는 단계, 상기 포인트 클라우드 데이터의 어트리뷰트 정보와 지오메트리 정보가 매칭된 옥트리 구조를 기반으로 포인트 클라우드 데이터를 모아 retained 집합들을 생성하는 단계, 상기 retained 집합들을 기반으로 레벨 오브 디테일(LOD)들을 생성하는 단계, 상기 생성된 LOD들에 따라 상기 포인트 클라우드 데이터를 구분하는 단계, 및 상기 구분된 포인트 클라우드 데이터의 어트리뷰트 정보를 압축하는 단계를 포함할 수 있다.
실시예들에 따른 각 Retained 집합은 각 LoD를 구성하기 위해 일정 기준에 따라 이전 LoD 대비 새롭게 추가되는 포인트 클라우드 데이터의 모음일 수 있다.
실시예들에 따른 상기 어트리뷰트 정보를 인코딩하는 단계는 하나 이상의 레벨들의 포인트 클라우드 데이터를 하나의 Retained 집합으로 생성할 수 있다.
실시예들에 따른 상기 어트리뷰트 정보를 인코딩하는 단계는 하나의 레벨의 포인트 클라우드 데이터를 나누어 복수개의 Retained 집합들로 생성할 수 있다.
실시예들에 따른 옥트리 구조의 노드들에 상기 포인트 클라우드 데이터의 어트리뷰트 정보와 지오메트리 정보를 매칭하는 단계는 상기 옥트리 구조의 리프 노드 레벨 내 오큐파이드 노드들에 매칭된 어트리뷰트 정보 중 적어도 하나를 하나 이상의 상위 레벨들의 예측된 어트리뷰트 정보로 결정할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 장치는 포인트 클라우드 데이터를 획득하는 획득부, 상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 인코딩하는 지오메트리 인코딩부, 상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 인코딩하는 어트리뷰트 인코딩부, 및 상기 인코딩된 지오메트리 정보와 상기 인코딩된 어트리뷰트 정보를 전송하는 트랜스미터를 포함할 수 있다.
실시예들에 따른 상기 지오메트리 인코딩부는 상기 지오메트리 정보를 양자화하는 양자화부, 상기 양자화된 지오메트리 정보를 기반으로 8진 트리 구조를 갖는 옥트리 구조를 생성하는 옥트리 분석부, 상기 옥트리 구조를 근사화하는 근사화 분석부, 상기 생성된 옥트리 구조와 상기 근사화된 옥트리 구조를 기반으로 지오메트리 정보를 재구성하는 지오메트리 재구성부, 및 상기 생성된 옥트리 구조 또는 상기 근사화된 옥트리 구조의 occupancy 코드들을 엔트로피 인코딩하여 지오메트리 비트스트림을 출력하는 아리스메틱 인코딩부를 포함할 수 있다.
실시예들에 따른 상기 어트리뷰트 인코딩부는 상기 옥트리 구조의 노드들에 상기 포인트 클라우드 데이터의 어트리뷰트 정보와 지오메트리 정보를 매칭하는 옥트리 컬러라이제이션부, 상기 포인트 클라우드 데이터의 어트리뷰트 정보와 지오메트리 정보가 매칭된 옥트리 구조를 기반으로 포인트 클라우드 데이터를 모아 retained 집합들을 생성하고, 상기 retained 집합들을 기반으로 레벨 오브 디테일(LOD)들을 생성하는 LOD 생성부, 및 상기 생성된 LOD들에 따라 상기 포인트 클라우드 데이터를 구분하고, 상기 구분된 포인트 클라우드 데이터의 어트리뷰트 정보를 압축하는 어트리뷰트 압축부를 포함할 수 있다.
실시예들에 따른 각 Retained 집합은 각 LoD를 구성하기 위해 일정 기준에 따라 이전 LoD 대비 새롭게 추가되는 포인트 클라우드 데이터의 모음일 수 있다.
실시예들에 따른 상기 LOD 생성부는 하나 이상의 레벨들의 포인트 클라우드 데이터를 하나의 Retained 집합으로 생성할 수 있다.
실시예들에 따른 상기 LOD 생성부는 하나의 레벨의 포인트 클라우드 데이터를 나누어 복수개의 Retained 집합들로 생성할 수 있다.
실시예들에 따른 상기 옥트리 컬러라이제이션부는 상기 옥트리 구조의 리프 노드 레벨 내 오큐파이드 노드들에 매칭된 어트리뷰트 정보 중 적어도 하나를 하나 이상의 상위 레벨들의 예측된 어트리뷰트 정보로 결정할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 단계, 상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 디코딩하는 단계, 상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 디코딩하는 단계, 및 상기 디코딩된 지오메트리 정보와 상기 디코딩된 어트리뷰트 정보를 프로세싱하여 렌더링하는 단계를 포함할 수 있다.
실시예들에 따른 상기 지오메트리 정보를 디코딩하는 단계는 상기 지오메트리 정보에 포함된 occupancy 코드를 기반으로 부분 레벨 또는 풀 레벨의 옥트리 구조를 재생성하여 지오메트리 정보를 복원하는 단계를 포함할 수 있다.
실시예들에 따른 상기 어트리뷰트 정보를 디코딩하는 단계는 상기 옥트리 구조를 기반으로 레벨 오브 디테일(LOD)들을 생성하고, 생성된 LOD들과 상기 부분 레벨 또는 풀 레벨의 옥트리 구조를 기반으로 상기 포인트 클라우드 데이터에 포함된 부분 레벨 또는 풀 레벨의 어트리뷰트 정보를 압축 해제하여 어트리뷰트 정보를 복원하는 단계를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 장치는 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 리시버, 상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 디코딩하는 지오메트리 디코딩부, 상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 디코딩하는 어트리뷰트 디코딩부, 및 상기 디코딩된 지오메트리 정보와 상기 디코딩된 어트리뷰트 정보를 프로세싱하여 렌더링하는 렌더러를 포함할 수 있다.
실시예들에 따른 상기 지오메트리 디코딩부는 상기 지오메트리 정보에 포함된 occupancy 코드를 기반으로 부분 레벨 또는 풀 레벨의 옥트리 구조를 재생성하여 지오메트리 정보를 복원할 수 있다.
실시예들에 따른 상기 어트리뷰트 디코딩부는 상기 옥트리 구조를 기반으로 LOD들을 생성하고, 생성된 LOD들과 상기 부분 레벨 또는 풀 레벨의 옥트리 구조를 기반으로 상기 포인트 클라우드 데이터에 포함된 부분 레벨 또는 풀 레벨의 어트리뷰트 정보를 압축 해제하여 어트리뷰트 정보를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 퀄리티 있는 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 다양한 비디오 코덱 방식을 달성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 자율주행 서비스 등 범용적인 포인트 클라우드 콘텐츠를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 옥트리 구조의 옥트리 노드의 위치 정보를 기반으로 포인트 클라우드 데이터를 매칭하고, 이를 LOD 구성에 적용함으로써, 효율적으로 어트리뷰트 인코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 특히 이렇게 생성된 LOD를 예측 및 리프팅 어트리뷰트 압축에 적용함으로써, 적은 연산량으로 송신측에서는 어트리뷰트를 압축하고 수신측에서는 압축된 어트리뷰트를 복원할 수 있게 된다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 지오메트리 상에서 구조적으로 인접한 어트리뷰트 간 유사성을 어트리뷰트 예측에 사용하여 전송 디바이스에서는 포인트 클라우드의 어트리뷰트를 압축하고 수신 디바이스에서는 포인트 클라우드의 어트리뷰트를 압축 해제함으로써, 예측된 어트리뷰트에 대해 지오메트리 구조에서 연관성이 높은 어트리뷰트 간의 유사성이 효과적으로 제거되도록 한다. 따라서, 연산 복잡도를 줄이고 지오메트리 디코딩에 대한 의존성을 줄일 수 있어서 디코딩 속도가 빨라지는 효과가 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 옥트리 구조를 기반으로 LOD를 구성함으로써, 어트리뷰트가 할당된 옥트리 노드를 이용하여 저해상도의 또는 서브샘플된 포인트 클라우드 데이터를 전송할 수 있다. 이와 같이 송신측에서는 적은 연산량을 바탕으로 어트리뷰트 정보를 압축할 수 있으며, low-delay가 요구되는 송신 시스템에서 활용 가능성이 높다. 또한 다양한 성능의 디코더를 대상으로 어트리뷰트 정보를 압축하는 경우, 각각의 디코더 성능에 맞는 독립된 압축 정보를 생성하거나 저장하는 대신 하나의 비트스트림을 통해 다양한 성능의 수신기를 지원할 수 있기 떄문에 송신측의 저장 공간 및 비트 효율 측면에서도 장점이 있다. 또한 본 발명을 기반으로 포인트 클라우드 데이터를 전달 받는 경우 수신측에서는 적은 연산량으로 지오메트리 디코딩과 동시에 어트리뷰트 정보를 복원 함으로써 low-delay가 요구되는 송/수신 시스템에서 사용 가능한 효과가 있다. 이에 더하여, 어트리뷰트 정보의 출력 레벨을 선택하는 경우, low computational power을 갖는 수신기에서도 해당 수신기의 성능에 맞는 어트리뷰트 정보를 지연없이 출력할 수 있는 장점이 있다. 예를 들어 어트리뷰트 디코딩하여 재구성하는 과정에서 수신기의 성능 혹은 시스템의 요구사항에 따라 서로 다른 결과를 출력할 수 있으며, 이때 디코딩되거나 재구성된 각 레벨의 어트리뷰트는 해당 레벨의 옥트리 노드와 매칭되는 어트리뷰트 값으로 사용될 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다.
도 1은 실시예들에 따른 포인트 클라우드(Point Cloud) 콘텐츠 제공을 위한 시스템을 나타낸다.
도 2는 실시예들에 따른 Point Cloud 콘텐츠 제공을 위한 과정을 나타낸다.
도 3은 실시예들에 따른 Point Cloud 캡처 장비 배열 구성을 나타낸다.
도 4는 실시예들에 따른 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder)를 나타낸다.
도 5는 실시예들에 따른 3차원 공간상의 복셀을 나타낸다.
도 6은 실시예들에 따른 옥트리와 occupancy 코드의 예시를 나타낸다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
도 8은 실시예들에 따른 LOD별 Point Cloud 콘텐츠의 Point 구성의 예시를 나타낸다.
도 9는 실시예들에 따른 LOD별 Point Cloud 콘텐츠의 Point 구성의 예시를 나타낸다.
도 10은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 블록 다이어그램(block diagram) 예시를 나타낸다.
도 11은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 예시를 나타낸다.
도 12는 실시예들에 따른 송신기의 Point Cloud 비디오 인코딩을 위한 구성요소를 나타낸다.
도 13은 실시예들에 따른 수신기의 Point Cloud 비디오 디코딩을 위한 구성요소를 나타낸다.
도 14는 실시예들에 따른 G-PCC 기반 point cloud 데이터 저장 및 스트리밍을 위한 아키텍쳐를 나타낸다.
도 15는 실시예들에 따른 point cloud 데이터 저장 및 전송을 나타낸다.
도 16은 실시예들에 따른 point cloud 데이터 수신 장치를 나타낸다.
도 17은 실시예들에 따른 포인트 클라우드 데이터 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 18은 옥트리 구조의 깊이 레벨에 따른 포인트 클라우드 데이터의 디테일 정도의 실시예들을 보인 도면이다.
도 19는 실시예들에 따라 컬러라이즈된 옥트리 구조의 예시를 보인 도면이다.
도 20은 실시예들에 따라 컬러라이즈된 옥트리 구조의 다른 예시를 보인 도면이다.
도 21은 실시예들에 따른 옥트리 구조에서 깊이 레벨이 증가할수록 노드들 사이의 거리가 작아지는 예시를 보인 도면이다.
도 22는 실시예들에 따라 중복된 어트리뷰트 정보가 제거된 옥트리 구조에서 LOD를 생성한 예를 보이고 있다.
도 23은 실시예들에 따른 옥트리 구조에서 복수개의 retained 집합들을 생성하는 예시를 보인 도면이다.
도 24는 실시예들에 따른 옥트리 구조에서 복수개의 retained 집합들을 기반으로 LOD를 생성하는 예시를 보인 도면이다.
도 25는 실시예들에 따른 옥트리 구조에서 복수개의 retained 집합들을 기반으로 LOD를 생성하는 다른 예시를 보인 도면이다.
도 26은 실시예들에 따라 생성된 LOD를 기반으로 어트리뷰트 압축을 수행하는 예시를 보인 도면이다.
도 27은실시예들에 따른 포인트 클라우드 비디오 인코더의 다른 예시를 보인 구성 블록도이다.
도 28은 실시예들에 따른 포인트 클라우드 비디오 인코딩 방법의 흐름도를 나타낸 도면이다.
도 29는실시예들에 따른 포인트 클라우드 비디오 디코더의 다른 예시를 보인 구성 블록도이다.
도 30은실시예들에 따른 포인트 클라우드 비디오 디코딩 방법의 흐름도를 나타낸 도면이다.
도 31은 실시예들에 따른 포인트 클라우드 데이터의 스케일러블 인코딩 및/또는 스케일러블 디코딩의 예시를 보인 도면이다.
도 32는 실시예들에 따른 포인트 클라우드 데이터의 스케일러블 인코딩 및/또는 스케일러블 디코딩의 다른 예시를 보인 도면이다.
도 33은 실시예들에 따른 포인트 클라우드 데이터의 스케일러블 디코딩의 또 다른 예시를 보인 도면이다.
도 34는 실시예들에 따른 서로 다른 레벨의 지오메트리를 출력할 때의 예시를 보인 도면이다.
도 35는 실시예들에 따른 서로 다른 레벨의 어트리뷰트를 출력할 때의 예시를 보인 도면이다.
도 36은 실시예들에 따른 어트리뷰트 파라미터 셋의 신택스 구조의 예시를 보인 도면이다.
도 37의 (a), (b)는 실시예들에 따른 옥트리 깊이 레벨을 복수개의 레이어들로 나누는 예시를 보인 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 하기의 실시예들은 본 발명을 구체화하기 위한 것일 뿐 본 발명의 권리 범위를 제한하거나 한정하는 것이 아님은 물론이다. 본 발명의 상세한 설명 및 실시예들로부터 본 발명이 속하는 기술 분야의 전문가가 용이하게 유추할 수 있는 것은 본 발명의 권리 범위에 속하는 것으로 해석된다.
본 명세서의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 안되며, 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
바람직한 실시예들에 대해 구체적으로 설명하되, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 구현될 수 있는 실시예들만을 나타내기보다는 바람직한 실시예들을 설명하기 위한 것이다. 이하에서는 본 발명에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함하여 설명한다. 그러나 본 발명이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다. 본 명세서에서 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 본 발명은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다. 또한 이하의 도면들 및 상세한 설명은 구체적으로 기술된 실시예들에만 국한되어 해석되지 않고, 도면 및 상세한 설명에 기재된 실시예들과 균등하거나, 대체 가능한 것들까지 포함하는 것으로 해석되어야만 한다.
도 1은 실시예들에 따른 포인트 클라우드 콘텐트 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 unit, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Video 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 콘텐트를 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 클라우드 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. 도 1의 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 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 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, 전송 시스템 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기, 수신 시스템 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)로부터 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). 도 1에서 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 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 나타내는 3차원 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.
도 3의 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.
도 3의 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 들면, 자율 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, 도 3에서 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, 구멍(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 수도 있다.
도 4는 실시예들에 따른 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder)의 예시를 나타낸다.
도 4는 도 1의 포인트 클라우드 비디오 인코더(10002)의 상세 예시를 나타낸다. 포인트 클라우드 비디오 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 도 2 에서 설명한 바와 같이 포인트 클라우드 비디오 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 비디오 인코더는 좌표계 변환부(Transformation Coordinates unit, 40000), 양자화부(Quantization unit, 40001), 옥트리 분석부(Octree Analysis unit, 40002), 서페이스 어프록시메이션 분석부(Surface Approximation Analysis unit, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004), 지오메트리 리컨스트럭션부(Geometry Reconstruction unit, 40005), 컬러 변환부(Color Transformation unit, 40006), 어트리뷰트 변환부(Attribute Transformation unit, 40007), RAHT(Region Adaptive Hierarchical Transform) 변환부(40008), LOD생성부(LOD Generation unit, 40009), 리프팅 변환부(Lifting Transformation unit)(40010), 계수 양자화부(Coefficient Quantization unit, 40011) 및/또는 아리스메틱 인코더(Arithmetic Encoder, 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 들면 XYZ 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 각 축상의 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. 복셀화는 3차원 공간 상의 위치정보를 표현하는 최소한의 유닛을 의미한다. 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(center point)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(morton) 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. 몰톤 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 값을 z, 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 몰톤 코드 값을 기준으로 포인트들을 정렬하고 depth-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 RAHT 코딩을 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 LOD 생성부(40009)는 LOD(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 비디오 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 콘텐트 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 비디오 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 4의 포인트 클라우드 비디오 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 비디오 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 비디오 인코더의 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 수학식 1에 따라 결정된다. 하기 수학식 1에서 (x int n, y int n, z int n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
[수학식 1]
Figure PCTKR2020006914-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 6의 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 비디오 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 비디오 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 비디오 인코더(예를 들면 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 비디오 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 비디오 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 비디오 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 전체 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들어, 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 비디오 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 비디오 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 비디오 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 비디오 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 비디오 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(
Figure PCTKR2020006914-appb-img-000002
x,
Figure PCTKR2020006914-appb-img-000003
y,
Figure PCTKR2020006914-appb-img-000004
z), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피 코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 비디오 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 다음의 수학식 2와 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스 값에서 중심 값을 뺀 값들에 ③자승을 수행하고 그 값을 모두 더한 값을 구한다.
[수학식 2]
Figure PCTKR2020006914-appb-img-000005
그리고나서, 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 표 1은 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표 1은 4개의 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 1. Triangles formed from vertices ordered 1,…, n
n Triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 비디오 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 비디오 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 비디오 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 도 2의 포인트 클라우드 비디오 인코더(10002) 또는 도 4의 포인트 클라우드 비디오 인코더 또는 아리스메틱 인코더(40004)는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 비디오 인코더는 현재 노드의 오큐판시 코드와 이웃 노드들의 오큐판시를 기반으로 엔트로피 인코딩(인트라 인코딩)을 수행하거나, 이전 프레임의 오큐판시 코드를 기반으로 엔트로피 인코딩(인터 인코딩)을 수행할 수 있다. 실시예들에 따른 프레임은 동일한 시간에 생성된 포인트 클라우드 비디오의 집합을 의미한다. 실시예들에 따른 인트라 인코딩/인터 인코딩의 압축 효율은 참조하는 이웃 노드들의 개수에 따라 달라질 수 있다. 비트가 커지면 복잡해지지만 한쪽으로 치우치게 만들어서 압축 효율이 높아질 수 있다. 예를 들어 3-bit context를 가지면, 2의 3승인 = 8가지 방법으로 코딩 해야 한다. 나누어 코딩을 하는 부분은 구현의 복잡도에 영향을 준다. 따라서 압축의 효율과 복잡도의 적정 수준을 맞출 필요가 있다.
도 7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 비디오 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. 도 7의 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 가중치 1, 2, 4, 8가 부여된 이웃 노드들은 오큐파이드 노드들이므로, 이웃 노드 패턴 값은 1, 2, 4, 8을 더한 값인 15이다. 포인트 클라우드 비디오 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 비디오 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 비디오 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 비디오 인코더(예를 들면 도 2의 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 비디오 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 비디오 인코더뿐만 아니라 포인트 클라우드 비디오 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 생성 전 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 비디오 인코더는 LOD 기반의 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 LOD 기반의 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 비디오 인코더(예를 들면 계수 양자화부(40011)는 해당 포인트의 어트리뷰트(즉, 오리지날 어트리뷰트 값)에서 해당 예측 어트리뷰트(어트리뷰트값)을 뺀 해당 포인트의 잔여값(residual, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값, 예측 에러 어트리뷰트 값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 잔여 어트리뷰트 값에 대해 수행되는 송신 디바이스의 양자화 과정은 표 2와 같다. 그리고 표 2와 같이 양자화가 이루어진 잔여 어트리뷰트 값에 대해 수행되는 수신 디바이스의 역 양자화 과정은 표 3과 같다.
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);
}
}
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 비디오 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 비디오 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 비디오 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 LOD 기반의 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 비디오 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 비디오 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 비디오 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 비디오 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 수학식 3은 RAHT 변환 행렬을 나타낸다. g lx,y,z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. g lx,y,z는 g l+1 2x,y,z와 g l+1 2x+1,y,z로부터 계산될 수 있다. g l 2x,y,z 와 g l 2x+1,y,z 의 가중치를 w1=w l 2x,y,z과 w2=w l 2x+1,y,z 이다.
[수학식 3]
Figure PCTKR2020006914-appb-img-000006
g l-1 x,y,z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. h l-1 x,y,z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는 w l-1 x,y,z = w l 2x,y,z + w l 2x+1,y,z로 계산된다. 루트 노드는 마지막 g 1 0,0,0 과 g 1 0,0,1을 통해서 다음의 수학식 4와 같이 생성된다.
[수학식 4]
Figure PCTKR2020006914-appb-img-000007
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 10은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 비디오 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 비디오 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 비디오 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 지오메트리를 기반으로어트리뷰트 비트스트림에 대해 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 비디오 디코더(Point Cloud Video Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 비디오 디코더는 도 10에서 설명한 포인트 클라우드 비디오 디코더의 상세 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 비디오 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 비디오 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 비디오 디코더는 아리스메틱 디코더(arithmetic decoder, 11000), 옥트리 합성부(octree synthesis unit, 11001), 서페이스 오프록시메이션 합성부(surface approximation synthesis unit, 11002), 지오메트리 리컨스트럭션부(geometry reconstruction unit, 11003), 좌표계 역변환부(coordinates inverse transformation unit, 11004), 아리스메틱 디코더(arithmetic decoder, 11005), 역양자화부(inverse quantization unit, 11006), RAHT변환부(11007), LOD생성부(LOD generation unit, 11008), 인버스 리프팅부(Inverse lifting unit, 11009), 및/또는 컬러 역변환부(color inverse transformation unit, 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 디코딩(direct decoding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 디코딩 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 비디오 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 비디오 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 비디오 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 비디오 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 콘텐트 제공 시스템에 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 비디오 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 비디오 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 비디오 인코더)의 예시이다. 도 12에 도시된 전송 장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 비디오 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), LOD/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 비디오 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 비디오 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), LOD/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 LOD/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, LOD 기반의 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. LOD/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 LOD 기반의 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 비디오 디코더)의 예시이다. 도 13에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 비디오 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), LOD/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), LOD/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 LOD/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. LOD/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 획득하고(Point Acqusition), 획득한 포인트 클라우드에 대하여 포인트 클라우드 비디오 인코딩(Point cloud video encoding)을 수행하여 포인트 클라우드 비디오 비트스트림(Eb)들을 출력할 수 있다. 전송 장치의 포인트 클라우드 비디오 인코딩은 도 1 내지 도 13에서 설명한 포인트 클라우드 비디오 인코딩(예를 들면 도 4의 포인트 클라우드 비디오 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(dynamic adaptive streaming over HTTP) 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 (ISO International Standards Organization Base Media File Format) 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 비디오 디코딩(point cloud video decoding)을 수행하여 디코딩된 비디오 데이터(B'v)를 출력한다. 실시예들에 따른 포인트 클라우드 비디오 디코딩은 도 1 내지 도 13에서 설명한 포인트 클라우드 비디오 디코딩과 동일 또는 유사하므로 (예를 들면 도11의 포인트 클라우드 비디오 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 비디오 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 비디오 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.
도 15는 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 비디오 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 비디오 인코딩(point cloud video 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 비디오 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 비디오 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.
도 16은 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 비디오 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 딜리버리 (delivery), 파일/세그먼트 디캡슐레이션(file/segement decapsulation), 포인트 클라우드 비디오 디코딩(point cloud video 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 송신 장치에서 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 비디오 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 비디오 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(Head-Mount Display, 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 압축 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 명세서의 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 압축 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.
한편, 전술한 바와 같이 전송 디바이스에서 포인트 클라우드의 어트리뷰트를 압축하기 위하여 RAHT 변환을 사용하거나, 예측 변환을 사용하거나, 리프팅 변환을 사용하거나, RAHT/예측 변환/리프팅 조합에 따른 방식을 사용할 수 있음을 설명하였다.
그리고 예측 변환과 리프팅 변환에서는 LOD들로 포인트들을 나누어 그룹핑 할 수 있다. 이를 LOD 생성 과정이라고 하며, 서로 다른 LOD를 갖는 그룹을 LOD l 집합으로 지칭할 수 있다. l은 LOD를 나타내며 0부터 시작하는 정수이다. LOD 0 는 포인트간의 거리가 가장 큰 포인트로 구성된 집합이고, l이 커질수록 LODl에 속한 포인트간의 거리는 작아진다.
즉, LOD 기반의 예측 변환 및 리프팅 변환의 경우, 포인트의 거리에 따라 LOD를 생성하여 순차적으로 어트리뷰트를 인코딩하는데, 이때 이웃 포인트들을 찾기 위한 과정이 선행되어야 한다. LOD 기반의 예측 변환 및 리프팅 변환의 경우, occupied된 리프 노드의 어트리뷰트 정보를 서로 다른 기준 거리로 샘플링된 노드들의 집합으로서 이웃(neighbor)을 정의한다. 도 9를 예로 들면, LOD0는 LOD1에 비해 노드 간 거리가 더 긴 노드들의 집합이다. 즉, LOD0는 포인트간의 거리가 가장 큰 포인트로 구성된 집합이다. 그리고 LOD1에 속하는 특정 노드(예, P3)를 예측할 때, LOD0의 노드들 중 이웃에 있는 노드들(예, P2, P4)을 P3 노드의 예측에 사용한다. 따라서 각 어트리뷰트의 예측을 위해 LOD 를 구하는 과정 및 이웃의 노드들을 찾는 과정이 선행되어야 하는데 이 과정들은 복잡도가 크고 수행 시간이 오래 걸리는 단점이 있다. 이것은 고속 처리를 요구하는 시스템에서 지연(delay)이 발생하는 요인이 될 수 있다.
따라서 본 명세서는 지오메트리 인코딩과 디코딩에서 이용되는 옥트리 구조를 기반으로 어트리뷰트를 구성하고, 이를 기반으로 LOD를 생성하여 어트리뷰트 인코딩 및/또는 어트리뷰트 디코딩에 이용함으로써, 어트리뷰트 인코딩 및/또는 어트리뷰트 디코딩 성능을 향상시킬 수 있는 장치 및 방법을 제안한다. 좀 더 구체적으로, 옥트리 노드의 위치 정보를 기반으로 포인트 클라우드 데이터를 매칭하고, 이를 LOD 구성에 적용함으로써 효율적으로 어트리뷰트 코딩을 수행할 수 있다. 이렇게 함으로써, 어트리뷰트가 할당된 옥트리 노드를 이용하여 저해상도 또는 서브샘플(subsample)된 포인트 클라우드 데이터를 제공할 수 있다.
실시예들에 따른 옥트리 노드의 위치 정보를 기반으로 포인트 클라우드 데이터를 매칭하는 방법 중 하나는 포인트 페어드 옥트리(point paired octree) 즉, 어트리뷰트와 포지션을 옥트리 노드에 매칭하는 방법이다.
실시예들에 따른 옥트리 구조를 이용하여 LOD를 생성하기 위해서는 먼저, 옥트리 노드에 포인트 클라우드 데이터의 어트리뷰트와 포지션을 매칭하는 과정이 필요하다.
본 명세서는 옥트리 구조의 노드에 포인트 클라우드 데이터의 어트리뷰트와 포지션을 매칭하는 과정을 옥트리 컬러라이제이션(colorization) 과정이라 칭하기로 한다. 옥트리 컬러라이제이션은 본 명세서의 이해를 돕기 위해 사용된 용어이며, 이 용어는 당업자에 의해 용이하게 변경될 수 있으므로 이 용어는 동등한 의미의 범위 내에서 다른 용어로 지칭될 수 있으며, 이 또한 본 발명의 범위에 속한다.
실시예들에 따르면, 옥트리 컬러라이제이션을 통해 포인트 클라우드 데이터를 구조화할 때, 거리 유사성을 기반으로 옥트리 노드의 위치와 유사한 위치에 존재하는 포인트 클라우드 데이터를 매칭할 수 있다. 이를 통해 구성된 컬러라이즈된 옥트리(colorized octree) 구조는 포인트 클라우드 데이터가 매칭된 옥트리로 볼 수 있으며, 이러한 구조를 기반으로 생성된 LOD에 따라 포인트 클라우드 데이터를 구분함으로써, 어트리뷰트 코딩 방법 중 하나로 사용하는 예측 리프팅 변환(prediction lift transform)에 사용할 수 있다.
실시예들에 따른 LOD는 각 LOD 내에 존재하는 포인트들이 기준 거리 이상 떨어지도록 분포하여 구성한다는 특성이 있으며, 이때 기준 거리는 LoD가 증가함에 따라 작아지도록 설계할 수 있다. 따라서, LoD가 증가함에 따라 도 8에서와 같이 포인트 사이의 거리가 점점 가까워진다는 특징을 갖는다.
실시예들에 따라 포인트 클라우드 데이터를 LoD 기반으로 구성하는 경우, 서로 다른 복잡도, 해상도, 또는 퀄리티를 갖는 포인트 클라우드 데이터를 미리 구성함으로써 응용 분야에 따라 서로 다른 디테일(detail)을 갖는 포인트 클라우드 데이터 서브셋을 수신측으로 전송할 수 있는 장점이 있다.
도 18은 옥트리 구조의 깊이 레벨에 따른 포인트 클라우드 데이터의 디테일 정도의 실시예들을 보인 도면이다.
즉, 포인트 클라우드 데이터 중 지오메트리 정보의 인코딩에서 사용하는 옥트리 구조는 깊이 레벨(octree depth level)이 증가할수록 (즉, 루트 노드에서 리프 노드로 진행되는 방향) 바운딩 박스를 점점 더 작은 단위로 쪼개어 유효 정보가 있는 유닛 큐브를 찾고, 유효 정보가 있는 부분을 다음 스텝에서 더 작은 단위로 쪼갬으로써 유효 정보가 있는 위치를 점점 세밀한 단위로 찾게 된다. 결국 옥트리 구조의 깊이 레벨이 증가할수록 도 18에서와 같이 포인트 클라우드 데이터를 표현하는 디테일이 점점 증가하며, 이는 앞에서 기술한 LoD 기반의 포인트 클라우드 데이터의 구성과 유사한 방향성을 가진다.
이와 같이 옥트리 구조의 깊이 레벨(또는 octree depth level)이 증가할수록 디테일이 점점 증가한다는 관점에서 옥트리 구조의 깊이 레벨과 LoD 레벨에 대응하여 송신측의 스케일러블 코딩(scalable coding)과 수신측의 리프리젠테이션(representation)에 응용할 수 있다.
이때, 옥트리 구조를 기반으로 디테일을 증가시키는 경우 LoD 와 비교했을 때 다음과 같이 두 가지 차이점이 존재한다. 이 중 하나는 옥트리 구조의 특정 깊이 레벨에서 나타내는 오큐파이드 노드(occupied node)의 위치는 실제 존재하는 포인트 클라우드 데이터의 위치 정보가 아니라 유사한 위치에 존재하는 데이터들의 위치의 근사값 또는 대표값을 나타낸다. 다른 하나는 옥트리 구조의 각 노드와 매칭되는 어트리뷰트가 존재하지 않는다.
따라서, 본 명세서는 위의 두가지 문제를 해결하기 위해서 옥트리 구조에 포인트 클라우드 데이터를 매칭해주는 옥트리 컬러라이제이션 방법을 사용할 수 있다.
이를 통해 도 19에서와 같이 옥트리 구조에 실제 포인트 클라우드 데이터의 어트리뷰트와 해당되는 포지션 정보를 매칭해줄 수 있다.
도 19는 실시예들에 따라 컬러라이즈된 옥트리 구조의 예시를 보인 도면이다. 즉, 옥트리 구조에서 같은 레이어에 속하는 노드는 같은 깊이 레벨 값을 가지며, 자식 노드는 부모 노드에 비해 1이 증가된 깊이 레벨 값을 갖는다. 그리고 자식 노드의 깊이 레벨이 증가할 때마다 한 개의 부모 노드에 대하여 자식 노드들이 8개씩 생성된다. 즉, 동일 부모 노드에서 분할된 하위 레벨의 자식 노드들은 xyz 공간 상에서 각 축 방향으로 인접해있는 8개의 노드들을 나타낸다. 그러므로, 한 개의 부모 노드에 연결된 8개의 자식 노드들끼리 어트리뷰트의 유사성이 가장 높다고 가정할 수 있다.
도 19는 옥트리의 리프 노드 레벨 내 occupied 노드들에 해당 어트리뷰트 정보(c1, c2, c3, c4, c5, c6, c7, c8, c9)가 매핑된 예를 보이고 있다. 즉, 옥트리의 리프 노드 레벨 내 occupied 노드들의 위치 정보에 상기 어트리뷰트 변환부(40007)에서 출력되는 해당 어트리뷰트 정보가 매핑된 예이다. 그리고, 리프 노드 레벨의 상위 깊이 레벨 즉, 8개의 자식 노드들(14021)의 부모 노드(14011)에는 자식 노드들의 어트리뷰트 정보(c1, c2, c3, c4) 중 하나의 어트리뷰트 정보(예를 들어, c1)가 매핑되고, 8개의 자식 노드들(14022)의 부모 노드(14012)에는 자식 노드들의 어트리뷰트 정보(c5, c6, c7, c8, c9) 중 하나의 어트리뷰트 정보(예를 들어, c5)가 매핑된 예이다. 이에 더하여, 최상위 레벨인 루트 노드 레벨(14010)에는 리프 노드 레벨 내 occupied 노드들의 어트리뷰트 정보(c1, c2, c3, c4, c5, c6, c7, c8, c9) 중 하나의 어트리뷰트 정보(예를 들어, c2)가 매핑된 예이다.
이때, 리프 노드에 매칭된 포인트와 상위 깊이 레벨에 매칭된 포인트 사이에 중복된 정보가 존재할 수 있다. 도 19를 예로 들면, 리프 노드 레벨의 어트리뷰트 정보(c1, c5)는 리프 노드 레벨의 상위 깊이 레벨에서, 리프 노드 레벨의 어트리뷰트 정보(c2)는 루트 노드 레벨에서 중복되고 있다.
실시예들에 따른 옥트리 구조에서 중복된 어트리뷰트 정보는 리프 노드 레벨에서 제거할 수 있다.
도 20은 실시예들에 따라 컬러라이즈된 옥트리 구조의 다른 예시를 보인 도면으로서, 중복된 어트리뷰트 정보를 리프 노드 레벨에서 제거된 예를 보이고 있다. 도 20을 예로 들면, 리프 노드 레벨((14031)의 어트리뷰트 정보(c1, c2, c5)가 있었던 노드들에서 어트리뷰트 정보(c1, c2, c5)가 제거되고, 그 노드들은 오큐판시 코드 값이 1인 오큐파이드 노드들로 변경된다. 이렇게 함으로써, 입력 포인트 클라우드 데이터와 옥트리에 따라 구조화된 포인트 클라우드 데이터 사이에 일대일 매칭이 이루어질 수 있다.
위의 과정을 통해 생성된 컬러라이즈된 옥트리(colorized octree)를 LoD 생성(generation)의 관점에서 고려하는 경우 다음과 같은 2가지 특징을 고려할 수 있다.
한 특징은 옥트리 구조에서 깊이 레벨이 증가할수록 노드들 사이의 거리(distance between nodes)가 작아진다는 특징이다. 이것은 LoD가 증가할수록 포인트 사이의 거리가 작아진다는 특징과 연결 지을 수 있다.
도 21은 실시예들에 따른 옥트리 구조에서 깊이 레벨이 증가할수록 노드들 사이의 거리가 작아지는 예시를 보인 도면이다.
다른 특징은 옥트리 구조에서 깊이 레벨이 증가할수록 실제 포지션/어트리뷰트(position/attribute)와 매칭되는 포인트 수가 증가한다는 특징이다. 이것은 옥트리 구조에서 깊이 레벨이 증가할수록(즉, 루트 노드에서 리프 노드 방향), 해당 포인트 클라우드 데이터의 디테일(detail)이 증가하는 특징과 연결지을 수 있다.
이와 같은 특징에 따른 옥트리 구조에서 깊이 레벨이 증가함에 따라 LoD 가 증가하는 것에 매칭할 수 있다.
도 22는 실시예들에 따라 중복된 어트리뷰트 정보가 제거된 옥트리 구조에서 위의 특징을 이용하여 LOD를 생성(또는 구성)한 예를 보이고 있다.
실시예들에 따른 LOD는 다음의 방법을 적용하여 생성할 수 있다.
본 명세서에서는 옥트리 구조를 사용하여 LOD를 생성하는 것을 일 실시예로 한다. 실시예들에 따르면, 옥트리 구조의 깊이 레벨에 따라서 노드 간의 거리가 일정하게 유지되고, 옥트리 구조의 깊이 레벨이 증가함에 따라 노드 간의 거리가 줄어든다는 옥트리의 구조적인 특징을 기반으로 LoD 생성(generation) 과정을 수행한다.
실시예들에 따른 LoD 생성 과정은 LoD 생성을 위해 일정 기준에 의해서 샘플링된 포인트 클라우드 데이터를 모으는 작업인 Retained 집합 생성 과정(process)과, Retained 집합을 기반으로 LoD를 생성하는 과정(process)으로 이루어진다. 이때, LoD 생성의 선행 작업으로써 전술한 옥트리 컬러라이제이션 과정(즉, 옥트리 구조의 노드에 포인트 클라우드 데이터의 어트리뷰트 및 포지션을 매칭해주는 과정)을 거칠 수 있다.
본 명세서에서 제안하는 옥트리 깊이 레이어 구조와 연계된 LoD를 구성하는 경우, LoD 생성을 위해 사용하는 기준 거리 대신 옥트리 깊이 레벨의 포인트 사이의 거리를 사용할 수 있다. 기존 LoD 구성 방식에서는 LoD number에 반비례하는 거리 기준을 설정하고, 일정 거리 밖에 있는 포인트 중 가까운 것 (또는 첫번째 것 등)을 서브-샘플링(sub-sampling)하여 신규 LoD에 포함하는 방식을 사용한다. 이때, 각각의 거리 기준에 따라 모든 포인트 간의 거리를 비교해보아야 하기 때문에 이에 대한 시간을 줄이기 위한 다양한 방법들 (Morton code 순서에 따른 sub-sampling 방법 등)을 사용할 수 있다.
본 명세서에서 제안하는 옥트리를 기반으로 LoD를 구성하는 경우, 각 노드에 매칭된 포인트 간에 옥트리 깊이 레벨 내에서 최소한 노드 크기만큼의 거리를 가지고 있다고 가정할 수 있으며, 옥트리 구조로 인해 일정 거리를 갖는 포인트들로 샘플링된 것으로 고려할 수 있다. 예를 들어 루트 노드의 깊이 레벨은 0, 리프 노드의 깊이 레벨은 N으로 설정된 옥트리 구조에 대해서 n (<N) 번째 깊이 레벨의 노드들 사이의 거리의 최소값은 2 n으로 고려할 수 있다. 이때, 각 옥트리 깊이 레벨에서의 오큐파이드 노드(occupied node)에 매칭되는 포인트들을 해당 옥트리 깊이 레벨에 대해 샘플링된 포인트로 고려할 수 있다.
도 23은 실시예들에 따른 옥트리 기반의 LOD (또는 포인트 클라우드 레이어) 생성 과정 중에서 Retained 집합을 생성하는 예시를 보인 도면이다.
실시예들에 따르면, LoD는 하위 LoD의 포인트를 상위 LoD에서 모두 포함하도록 정의된다. 이때, 각 LoD를 구성하기 위해 이전 LoD 대비 새롭게 추가되는 포인트 클라우드 데이터의 집합을 Retained 집합으로 정의한다. 옥트리 구조를 기반으로 LoD를 생성하는 경우 디테일이 증가되는 방향, 즉, 옥트리 깊이 레벨이 증가하는 방향으로 LoD가 증가하도록 정의할 수 있다. 이에 따라 새롭게 추가되는 옥트리 깊이 레벨을 Retained 집합으로 정의할 수 있다. 이때, 다음과 같이 다양한 방법으로 Retained 집합을 정의할 수 있다.
일 실시예에 따르면, 하나 또는 복수의 옥트리 깊이 레벨에 대해 샘플링된 포인트들을 Retained 집합에 속한 데이터로 결정할 수 있다. 즉, 하나 또는 복수의 옥트리 깊이 레벨에 대해 샘플링된 (즉, 오큐파이드 노드에 매칭되는) 포인트들의 집합을 Retained 집합으로 정의할 수 있다.
다른 실시예에 따르면, 하나의 옥트리 깊이 레벨에 대해 샘플링된 포인트들을 일정 기준에 의해 복수의 Retained 집합으로 나누어 정의할 수도 있다. 이때, 하나의 옥트리 깊이 레벨을 복수의 Retained 집합으로 나누는 다양한 기준이 다음과 같이 고려될 수 있다. 예를 들어, 하나의 옥트리 깊이 레벨을 M개의 Retained 집합으로 나누는 경우, Retained 집합 내의 데이터가 연속된 몰톤 코드를 갖는 M 개의 Retained 집합이 되도록 할 수도 있고, 또는 몰톤 코드 순서 인덱스를 M으로 나눈 나머지가 같은 것끼리 모아 M개의 Retained 집합이 되도록 할 수도 있으며, 또는 형제 노드로 묶었을 때 같은 위치에 있는 것끼리 묶어서 M개의Retained 집합이 되도록 할 수도 있다. 그리고 Retained 집합을 생성하는 방법은 메타 데이터와 같은 시그널링 정보를 통해 별도로 시그널링 해줄 수 있다.
또 다른 실시예에 따르면, 필요한 경우 복수의 옥트리 깊이 레벨의 샘플링된 포인트들의 일부를 Retained 집합으로 결정할 수도 있다.
도 23은 실시예들에 따라 루트 노드의 깊이 레벨은 0, 리프 노드의 깊이 레벨은 N으로 설정된 옥트리 구조에서, 루트 노드 레벨에서 옥트리 깊이 레벨 N-3까지를 Retained 0 집합으로, 옥트리 깊이 레벨 N-2를 Retained 1 집합으로, 옥트리 깊이 레벨 N-1을 Retained 2 집합으로, 리프 노드 레벨(즉, N)을 3개의 Retained 집합 즉, Retained 3, Retained 4, Retained 5로 나눈 예를 보이고 있다. 도 23에서 옥트리 레이어는 옥트리 깊이 레벨과 동일한 의미로 사용될 수 있다.
도 24는 도 23과 같이 생성된 Retained 집합들을 기반으로 LOD들을 생성하는 예시를 보인 도면이다.
옥트리 구조를 기반으로 Retained 집합을 구성하면 하기의 수학식 5와 같이 상위 LoD가 하위 LoD를 포함하도록 구성할 수 있다.
[수학식 5]
Figure PCTKR2020006914-appb-img-000008
도 24를 예로 들면, 루트 노드 레벨을 제외하고 7개의 깊이 레벨을 갖는 옥트리 구조에서 LoD 0는 루트 노드 레벨부터 옥트리 깊이 레벨 4 (즉, 옥트리 레이어 N-3)까지 포함하여 구성할 수 있다. 옥트리 깊이 레벨 5와 6은 각각 Retained 집합 1, 2를 구성함으로써 LoD 1 은 루트 노드 레벨부터 옥트리 깊이 레벨 5(즉, 옥트리 레이어 N-2)까지, LoD 2는 루트 노드 레벨부터 옥트리 깊이 레벨 6(즉, 옥트리 레이어 N-1)까지를 포함하도록 구성할 수 있다. 옥트리 깊이 레벨 7은 세개의 ratained 집합으로 나눈 예를 보이고 있으며, 이전 LoD (본 실시 예에서는 LoD 2)에서 선택되지 않은 포인트 클라우드 데이터를 몰톤 코드로 정렬한 상태에서 3으로 나눈 나머지에 따라 Retained 집합 3, 4, 5를 결정할 수 있다. 따라서 LoD 3은 LoD 2 + Retained 집합 3을 포함하도록 구성할 수 있고, LoD 4는 LoD2 + Retained 집합 3 + Retained 집합 4을 포함하도록 구성할 수 있으며, LoD 5는 전체 즉, LoD2 + Retained 집합 3 + Retained 집합 4 + Retained 집합 5를 포함하도록 구성할 수 있다.
옥트리 구조를 사용한 빠른 예측 전략(fast prediction strategy using octree structure)은 다음과 같다.
도 25는 실시예들에 따른 옥트리 구조에서 복수개의 retained 집합들을 기반으로 LOD들을 생성하는 다른 예시를 보인 도면이다.
도 26은 실시예들에 따라 생성된 LOD를 기반으로 어트리뷰트 압축을 수행하는 예시를 보인 도면이다.
즉, 옥트리 구조를 기반으로 Retained 집합을 생성하고, Retained 집합을 기반으로 생성된 LoD를 예측 리프팅 변환(Prediction Lifting transform) 기반의 어트리뷰트 인코딩에 사용하는 경우, 도 25에서와 같이 하위 LoD 의 포인트를 예측하는 과정에서 이전 LoD에 포함된 포인트 (또는 동일 LoD에 존재하는 포인트)를 사용할 수 있다.
이때, 예측 과정에서 인접한 포인트를 찾는 과정에서 거리 기반의 nearest neighbor를 찾는 알고리즘이 많은 시간이 소요되는 과정이다. 일반적으로 LoD가 증가하는 순서 내에서 몰톤 코드가 증가하는 순서로 정렬된 포인트들에 대해 이웃(neighbor) 일정 범위(range) 내의 포인트들 중에서 이웃을 찾는 방법을 사용한다.
하지만, 옥트리 구조에 기반하여 LoD를 구성하는 경우, 옥트리 구조에서 존재하는 위치적 유사성 (자식 노드(child node) 간의 위치 유사성)을 기반으로 이웃을 정의할 수 있다. 이 경우 도 26에서와 같이 LoD 에 대한 제약뿐만 아니라 옥트리 구조 상에서 상위 노드를 기반으로 이웃을 찾는 방법을 사용함으로써 이웃 탐색(neighbor search) 시간을 줄일 수 있다.
전술한 옥트리 기반의 LOD 생성 과정은 송신기뿐만 아니라 수신기에서도 동일하게 적용할 수 있다. 또한 응용 분야에서 사용하고자 하는 LoD에 따른 어트리뷰트 디코딩을 위한 예측(prediction), 변환(transformation) 등에 이용할 수 있으며, 최종 출력에 대해서도 임의의 LoD 레벨에 대해 출력을 수행할 수 있다.
특히 본 명세서는 어트리뷰트가 할당된 옥트리 노드를 이용하여 LOD를 구성함으로써, 송신측에서는 어트리뷰트의 스케일러블 인코딩이 가능하고 수신측에서는 어트리뷰트의 스케일러블 디코딩이 가능해진다.
도 27은 본 명세서에 따른 포인트 클라우드 비디오 인코더의 다른 실시예를 나타낸다. 도 27은 도 4의 포인트 클라우드 비디오 인코더의 다른 실시예이다.
도 27의 포인트 클라우드 비디오 인코더의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합 등에 의해 수행될 수 있다.
도 27에서 컬러 변환부(40006), 어트리뷰트 변환부(40007), 어트리뷰트 압축부(40030), 옥트리 컬러라이제이션부(40031), LOD생성부(40032), 계수 양자화부(40011) 및/또는 아리스메틱 인코더(40012)는 어트리뷰트 인코딩을 수행하는 어트리뷰트 인코더라 칭한다.
도 27을 구성하는 각 블록에 대한 설명 중 설명되지 않은 부분은 도 4의 동일한 부호를 갖는 블록의 설명을 원용하기로 한다.
도 27의 포인트 클라우드 비디오 인코더도 도 1의 포인트 클라우드 비디오 획득부(10001)에서 획득된 포인트 클라우드 데이터(또는 포인트 클라우드 비디오 데이터라 함)를 입력받아 인코딩하는 것을 일 실시예로 한다. 포인트 클라우드 데이터는 포인트들로 이루어지며, 각 포인트는 지오메트리(즉, 포지션) 정보와 어트리뷰트 정보로 구성된다.
실시예들에 따른 지오메트리 정보는 2차원 직교 좌표계의 (x, y) 또는 원통 좌표계의 (
Figure PCTKR2020006914-appb-img-000009
,
Figure PCTKR2020006914-appb-img-000010
) 또는 3차원 공간에서의 직교 좌표계의 (x, y, z) 또는 원통 좌표계의 (
Figure PCTKR2020006914-appb-img-000011
,
Figure PCTKR2020006914-appb-img-000012
, z), 구면 좌표계의 (
Figure PCTKR2020006914-appb-img-000013
,
Figure PCTKR2020006914-appb-img-000014
,
Figure PCTKR2020006914-appb-img-000015
) 좌표 벡터 일 수 있다. 실시예들에 따른 어트리뷰트 정보는 포인트의 색을 나타내는 벡터 (R,G,B) 및/또는 밝기 값 및/또는 라이다의 반사계수 및/또는 열화상 카메라로부터 얻은 온도 값과 같이 하나 또는 다수개의 센서로부터 획득한 값의 벡터일 수 있다.
도 27의 포인트 클라우드 비디오 인코더는 입력되는 포인트 클라우드 데이터를 적어도 하나의 3차원 블록으로 공간 분할하는 공간 분할부(도시되지 않음)를 더 포함할 수 있다. 이때, 상기 3차원 블록은 타일 그룹(Tile Group) 또는 타일(Tile) 또는 슬라이스(Slice) 또는 부호화 단위(Coding Unit, CU), 예측 단위(Prediction Unit, PU) 또는 변환 단위(Transformation Unit, TU)를 의미할 수 있다. 공간 분할을 위한 정보는 엔트로피 인코딩되어 수신측으로 전송되는 것을 일 실시예로 한다. 상기 엔트로피 인코딩은 전송을 위한 비트 단위의 데이터로 변환하는 코딩 방법이다.
실시예들에 따른 공간 분할부에서 공간 분할된 적어도 하나의 3차원 블록의 포지션들은 좌표계 변환부(40000)로 출력되고, 어트리뷰트 정보(또는 어트리뷰트들이라 함)는 컬러 변환부(40006)로 출력된다.
실시예들에 따른 좌표계 변환부(40000)는 포지션들을 입력받아 좌표계를 변환할 수 있다. 즉, 좌표계 변환부(40000)는 기존 좌표계를 다른 좌표계로 변환할 수 있다. 예를 들어, 포지션들이 3차원 (XYZ) 위치 정보로 변환될 수 있다. 또는 좌표계 변환부(40000)는 좌표계 변환을 수행하지 않을 수 있다. 좌표계 변환부(40000)의 출력을 지오메트리 정보라 하기로 한다.
좌표계 변환부(40000)의 좌표계 변환 여부 및 좌표계 정보는 시퀀스, 프레임, 타일, 슬라이스, 블록 등의 단위로 시그널링되어 지오메트리 비트스트림에 포함되어 전송될 수도 있고 별도의 비트스트림으로 전송될 수도 있다. 또한 수신 디바이스에서 주변 블록의 좌표계 변환 여부, 블록의 크기, 포인트의 개수, 양자화 값, 블록 분할 깊이, 단위의 위치, 단위와 원점과의 거리 등을 사용하여 유도되는 것을 일 실시예로 한다.
실시예들에 따른 좌표계 변환부(40000)에서 출력되는 지오메트리 정보는 양자화부(40001)에서 양자화된다. 또한 상기 양자화부(40001)는 양자화된 지오메트리 정보를 기반으로 복셀화(voxelization)를 수행하여, 포인트 클라우드 데이터의 각 포인트들을 재구성한다. 복셀화는 3차원 공간 상의 위치 정보를 표현하는 최소한의 유닛을 의미한다.
본 명세서에서는 3차원에 존재하는 포인트들의 정보를 저장하기 위하여 3차원 공간을 각각의 축(x, y, z축)을 기반으로 유닛(unit=1.0)이 되도록 나누어 생기는 3차원 큐빅(cubic) 공간을 복셀(voxel)이라고 한다. 그리고 3차원 공간 상에 존재하는 포인트를 특정 복셀로 매칭하는 과정을 복셀화 한다고 한다. 복셀은 복셀군(voxel group)과의 위치 관계에서 상기 복셀에 포함되는 적어도 하나의 포인트의 위치 정보(즉, 공간 좌표)를 추정 할 수 있으며, 상기 적어도 하나의 포인트의 어트리뷰트 정보(예를 들어 색상 또는 반사율 정보)를 가지고 있을 수 있다.
즉, 하나의 복셀에 하나의 포인트만 포함되지 않을 수 있다. 예를 들어, 하나의 복셀에 복수개의 포인트들이 포함된다고 가정할 경우, 하나의 복셀에 복수개의 포인트 관련 정보가 존재할 수도 있고, 또는 하나의 포인트 정보로 통합해서 존재할 수도 있다. 이러한 조절은 선택적으로 수행될 수 있다. 하나의 복셀에 하나의 포인트 정보로 표현되는 경우(즉, 위의 예에서 후자), 복셀 내에 존재하는 포인트들에 대한 위치 값을 기반으로 복셀의 중앙점의 위치 값이 설정되는 것을 일 실시예로 한다.
실시예들에 따른 옥트리 분석부(40002)는 상기 양자화부(40001)에서 출력되는 복셀을 기반으로 옥트리를 구성(또는 생성)한다.
일 실시예로, 3차원 이미지의 공간을 x축, y축, z축 기반으로 분할하면 8개의 공간이 생기고, 8개의 각각의 공간을 다시 x축, y축, z축 기반으로 분할하면 다시 각각의 작은 공간에 대해서 8개의 공간이 생기게 된다. 이와 같이 옥트리는 레이어 트리(layer tree) 구조를 가지며, 상위 레이어인 부모 노드(parent node)가 하위 레이어인 8개의 자식 노드(child node)와 연결된 구조이다. 즉, 공간적으로는 상위 노드가 관할하는 3차원 공간을 x, y, z 방향으로 각각 양분하여 총 8개의 동일한 크기의 공간을 자식 노드가 관할한다.
이때 같은 레이어에 속하는 노드는 같은 레벨 값을 가지며, 자식 노드는 부모 노드에 비해 1이 증가된 레벨 값을 갖는다. 그리고 자식 노드의 레벨이 증가할 때마다 한 개의 부모 노드에 대하여 자식 노드가 8개씩 생성된다.
옥트리의 최상부 레이어에 속하는 노드는 루트 노드(또는 헤드 노드)라 칭하고, 가장 하부 레이어에 속하는 노드는 리프 노드(leaf node)라 칭한다. 도 6을 예로 들 경우, 최상부 레이어(즉, 루트 노드)의 레벨 값은 1 (즉, 깊이 0)이고 그 다음 레이어(즉, 2컬럼)의 8개의 노드들의 레벨 값은 2(즉, 깊이 1)이며, 그 다음 레이어(즉, 3컬럼)의 16개의 노드들의 레벨 값은 3(즉, 깊이 2)이다.
그리고 옥트리의 분할은 목표 레벨(destination level) 값만큼 또는 리프 노드가 복셀이 될때까지 진행된다. 즉, 옥트리를 사용하여 포인트들의 위치가 반영된 복셀을 관리하기 때문에 옥트리의 전체 볼륨은 (0,0,0) ~ (2 d, 2 d, 2 d)로 설정 되어야 한다. 2 d는 포인트 클라우드 비디오의 전체 포인트를 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정되고, d는 옥트리의 깊이(depth)가 된다.
이때 옥트리의 각 노드는 오큐판시 코드로 표현될 수 있다. 예를 들어, 특정 노드 내에 포인트가 포함되어 있으면 1로, 포인트가 없으면 0으로 표현 된다. 각 노드는 8개의 자식 노드에 대한 오큐판시 여부를 나타내는 8bit의 비트맵(bitmap)을 가지고 있다.
일 실시예로, 오큐판시 코드 값이 0인 노드는 더 이상 8개의 노드들로 분할되지 않는다. 도 6을 예로 들 경우, 레벨 2(즉, 깊이 1)의 8개의 노드들 중 occupancy 코드 값이 1인 2개의 노드들만 다시 분할되어 각각 8개의 자식 노드들이 생성된다. 이렇게 함으로써, 불필요한 데이터를 제거할 수 있다.
실시예들에 따른 옥트리 분석부(40002)에서 생성된 옥트리는 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코딩부(40004), 및 지오메트리 리컨스트럭션부(40005)로 출력된다.
상기 서페이스 어프록시메이션 분석부(40003)는 입력되는 옥트리를 분석하고 근사화한 후 아리스메틱 인코딩부(40004)와 지오메트리 리컨스트럭션부(40005)로 출력된다.
즉, 지오메트리 정보가 양자화부(40001), 옥트리 분석부(40002), 및/또는 서페이스 어프록시메이션 분석부(40003)를 거치면서 압축된다.
상기 아리스메틱 인코딩부(40004)는 상기 옥트리 분석부(40002)에서 출력되는 옥트리 또는 상기 서페이스 어프록시메이션 분석부(40003)에서 근사화된 옥트리를 엔트로피 인코딩하여 지오메트리 비트스트림으로 출력한다. 실시예들에 따르면, 상기 아리스메틱 인코딩부(40004)는 상기 옥트리 분석부(40002)에서 생성된 옥트리의 리프 노드의 각 노드의 오큐판시 코드 또는 상기 서페이스 어프록시메이션 분석부(40003)에서 근사화된 옥트리의 리프 노드의 각 노드의 오큐판시 코드를 엔트로피 인코딩한다. 이때 상기 아리스메틱 인코딩부(40004)는 오큐판시 코드를 바로 인코딩 할 수도 있고, 압축 효율을 높이기 위해 인트라/인터 코딩한 후 엔트로피 인코딩할 수도 있다. 수신기는 상기 오큐판시 코드를 통해서 옥트리를 재구성할 수 있다.
실시예들에 따른 엔트로피 인코딩은 예를 들어, 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding), CABAC(Context-Adaptive Binary Arithmetic Coding)과 같은 다양한 인코딩 방법을 사용할 수 있다.
상기 지오메트리 리컨스트럭션부(40005)는 상기 옥트리 분석부(40002)에서 생성된 옥트리 및/또는 상기 서페이스 어프록시메이션 분석부(40003)에서 근사화된 옥트리를 입력 받아 지오메트리 정보를 재구성한다. 즉, 상기 지오메트리 리컨스트럭션부(40005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다.
상기 지오메트릭 리컨스트럭션부(40005)에서 재구성된 지오메트리 정보는 어트리뷰트 인코더의 어트리뷰트 변환부(40007), 어트리뷰트 압축부(40030) 및/또는 옥트라 컬러라이제이션부(40031)로 출력된다.
상기 컬러 변환부(40006)는 입력되는 어트리뷰트 정보 중 컬러를 변환할 수 있다. 예를 들어, 입력된 어트리뷰트 정보가 RGB 포맷의 컬러 정보를 포함하고 있다면, YCbCr 포맷의 컬러 정보로 변환할 수 있다. 상기 컬러 변환부(40006)에서 컬러 정보는 변환될 수도 있고, 변환되지 않을 수도 있다. 실시예들에 따른 컬러 변환부(40006)의 컬러 변환은 포인트 클라우드 어트리뷰트 코딩 방식 중의 하나이다.
상기 어트리뷰트 변환부(40007)는 포지션들 및/또는 상기 지오메트리 리컨스트럭션부(40005)에서 재구성된 지오메트리 정보와 상기 컬러 변환부(40006)에서 출력되는 어트리뷰트 정보를 맵핑하여 상기 어트리뷰트 정보를 재구성할 수 있다. 예를 들어, 상기 어트리뷰트 변환부(40007)는 복셀에 포함된 포인트의 위치 값을 기반으로 그 위치의 포인트가 가지는 어트리뷰트의 값을 변환할 수 있다. 실시예들에 따른 어트리뷰트 변환부(40007)의 어트리뷰트 변환은 포인트 클라우드 어트리뷰트 코딩 방식 중의 하나이다.
즉, 실시예들에 따른 양자화부(40001)에서 생성된 특정 복셀에 복수개의 포인트들이 포함되지만, 포인트 정보는 하나의 포인트 정보로 통합되어 표현될 수 있다. 그리고, 그 복셀 내에 포함되는 포인트들에 대한 위치 값을 기반으로 그 복셀의 중앙 포인트의 위치 값이 설정될 수 있다. 이 경우, 실시예들에 따른 어트리뷰트 변환부(40007)는 이와 연관된 어트리뷰트 변환을 수행한다. 일 실시예로, 어트리뷰트 변환부(40007)는 그 복셀에 포함된 포인트들의 색상 또는 반사율의 평균값 또는 그 복셀의 중앙 포인트의 위치 값과 특정 반경 내에 이웃하고 있는 포인트들의 색상 또는 반사율의 평균값으로 그 복셀의 어트리뷰트의 값을 조정할 수도 있다.
실시예들에 따른 어트리뷰트 변환부(40007)에서 재구성된 어트리뷰트 정보는 어트리뷰트 압축부(40030)과 옥트리 컬러라이제이션부(40031) 중 적어도 하나로 제공될 수 있다. 본 명세서에서 어트리뷰트 압축부(40030)는 RAHT 변환부, 리프팅 변환부, 지오메트리 기반 어트리뷰트 압축부 중 적어도 하나를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 어트리뷰트 코딩 방식은 옥트리 기반 어트리뷰트 압축을 사용하거나 RAHT 변환을 사용하거나, LOD기반의 리프팅 변환을 사용하거나, 옥트리 기반 어트리뷰트 압축/RAHT/LOD 기반의 Lifting 조합에 따른 방식을 사용할 수 있다.
실시예들에 따른 RAHT 변환부와 LOD 기반의 리프팅 변환부의 상세한 설명은 도 4를 설명하면서 하였으므로 도 4의 설명을 참조하기로 하고, 여기서는 상세 설명을 생략하기로 한다.
실시예들에 따른 LOD 기반의 리프팅 변환을 수행하기 위해서는 먼저 옥트리 컬러라이제이션부(40031)에서 옥트리 컬러라이제이션 과정을 수행하고, 이를 기반으로 LOD 생성부(40032)에서 LOD를 생성하는 과정을 수행한다.
상기 옥트리 컬러라이제이션부(40031)는 상기 지오메트리 인코더의 옥트리 분석부(40002)에서 생성된 옥트리 구조 및/또는 지오메트리 리컨스트럭션부(40005)에서 재구성된 옥트리 구조를 입력받고, 상기 어트리뷰트 변환부(40007)에서 어트리뷰트 정보를 입력받아, 입력된 옥트리 노드에 포인트 클라우드 데이터의 어트리뷰트 정보와 포지션을 매칭하는 옥트리 컬러라이제이션을 수행한다. 상기 LOD 생성부(40032)는 옥트리 노드에 포인트 클라우드 데이터의 어트리뷰트 정보와 포지션이 매칭된 옥트리 구조를 기반으로 복수개의 Retained 집합을 생성하고, 복수개의 Retained 집합을 기반으로 LOD를 생성한다.
상기 옥트리 컬러라이제이션부(40021)의 옥트리 컬러라이제이션 과정, 상기 LOD 생성부(40032)의 LOD 생성 과정, 그리고 이렇게 생성된 LOD를 이용한 어트리뷰트 압축부(40030)의 리프팅 변환 과정은 도 18 내지 도 26에서 상세히 설명하였으므로, 설명의 중복을 피하기 위해 여기서는 생략하기로 한다.
실시예들에 따른 계수 양자화부(40011)는 상기 어트리뷰트 압축부(40030)에서 출력되는 어트리뷰트 정보(또는 어트리뷰트 데이터라 함)를 양자화 계수에 기반하여 양자화한다. 실시예들에 따른 아리스메틱 인코딩부(40012)는 양자화된 어트리뷰트 정보를 엔트로피 인코딩하여 어트리뷰트 비트스트림으로 출력한다. 실시예들에 따른 엔트로피 인코딩은 예를 들어, 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding), CABAC(Context-Adaptive Binary Arithmetic Coding)과 같은 다양한 인코딩 방법을 사용할 수 있다.
도 28은 실시예들에 따른 포인트 클라우드 비디오 인코딩 방법의 흐름도를 나타낸다. 실시예들에 따른 포인트 클라우드 비디오 인코딩 방법은 옥트리 생성 단계(16001), 지오메트리 예측 단계(16002), 엔트로피 인코딩 단계(16003), 옥트리 컬러라이제이션 단계(16004), LOD 생성 단계(16005), 어트리뷰트 압축 단계(16006), 변환 및 양자화 단계(16007), 및 엔트로피 인코딩 단계(16008)를 포함할 수 있다.
도 28에서, 옥트리 생성 단계(16001), 지오메트리 예측 단계(16002), 및 엔트로피 인코딩 단계(16003)는 도 4 또는 도 27의 좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005)에 의해 수행되는 것을 일 실시예로 한다. 다른 실시예로, 도 28에서, 옥트리 생성 단계(16001), 지오메트리 예측 단계(16002), 및 엔트로피 인코딩 단계(16003)는 도 12의 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 코더(12006)에 의해 수행될 수도 있다.
도 28에서, 옥트리 컬러라이제이션 단계(16004)는 포인트 클라우드 데이터로부터 분리된 어트리뷰트 정보를 입력받을 수도 있고, 도 4 또는 도 27의 컬러 변환부(40006)와 어트리뷰트 변환부(40007)를 거친 어트리뷰트 정보를 입력받을 수도 있다. 또한 옥트리 컬러라이제이션 단계(16004)에서 입력받는 옥트리 구조는 도 4 또는 도 27의 옥트리 분석부(40002)에서 생성된 옥트리 구조일 수도 있고, 지오메트리 리컨스트럭션부(40005)에서 재구성된 옥트리 구조일 수도 있다.
상기 옥트리 컬러라이제이션 단계(16004)와 LOD 생성 단계(16005)의 상세 동작은 도 18 내지 도 26에서 상세히 설명하였으므로, 설명의 중복을 피하기 위해 여기서는 생략하기로 한다.
상기 어트리뷰트 압축 단계(16006)는 RAHT 변환을 수행할 수도 있고, LOD를 기반으로 리프팅 변환을 수행할 수도 있고, 컬러라이즈된 옥트리 구조를 기반으로 LOD별로 어트리뷰트 압축을 수행할 수도 있다.
도 22을 예로 들 경우, LOD0에 대해 어트리뷰트 예측과 잔여 어트리뷰트 추정을 수행할 수도 있고, LOD1에 대해 어트리뷰트 예측과 잔여 어트리뷰트 추정을 수행할 수도 있으며, 또는 LOD0와 LOD1에 대해 모두 어트리뷰트 예측과 잔여 어트리뷰트 추정을 수행할 수도 있다. 실시예들에 따른 어트리뷰트 압축 단계(16006)에서 어트리뷰트 예측과 잔여 어트리뷰트 추정을 위해 먼저, 이웃 노드를 결정하여야 한다.
실시예들에 따르면, 어트리뷰트 압축 단계(16006)는 옥트리 구조의 동일 노드에서 분할(또는 스플릿)된 서브 노드들 간의 위치 인접성에 기반하여 어트리뷰트 예측을 수행할 수 있다.
즉, 옥트리 구조 상 동일 부모 노드 (또는 그 이상 레벨에서 동일 브랜치에 속한 노드)에 속한 자식 노드들은 기하적으로 인접한 노드들로 볼 수 있다. 다시 말해, 한 개의 부모 노드에 연결된 8개의 자식 노드들끼리 어트리뷰트의 유사성이 가장 높다고 가정할 수 있다.
실시예들에 따르면, 동일 부모 노드를 갖는 8개의 노드들 중 자신을 제외한 나머지 7개의 노드들(즉, 형제 노드들, sibling nodes)을 이웃 노드들로 결정할 수도 있다.
이웃 노드에 대한 정의는 어플리케이션, 영상 특성 등에 따라 인접 부모 노드의 묶음 (예를 들어, grandparent 노드 단위)으로 적용 가능하며, 이웃 노드에 대한 정의에 따라 다음 단계의 예측 및 압축 성능이 달라질 수 있다.
실시예들에 따르면, 어트리뷰트 압축 단계(16006)는 인코딩할 노드의 이웃 노드들이 검출되면, 인코딩할 노드와 검출된 이웃 노드들의 어트리뷰트 정보를 기반으로 인코딩할 노드의 어트리뷰트 정보를 예측한다.
이때, 예측된 어트리뷰트 정보(predicted attribute information, 또는 예측된 어트리뷰트 값 또는 예측된 어트리뷰트 데이터라 함)를 각 노드에 대해 구할 수도 있고, 또는 정보량을 줄이기 위해 이웃에 속한 노드들은 동일한 예측된 어트리뷰트 정보를 사용할 수도 있다. 도 22에서는 동일 부모 노드로부터 분할된 8개의 자식 노드들이 이웃에 속한 노드들이 되기 때문에, 동일 부모 노드에게서 분할된 8개의 자식 노드들에 대해 각 노드의 예측된 어트리뷰트 정보는 모두 동일한 값을 갖도록 하는 것을 일 실시예로 한다. 본 실시 예와 같이 이웃 노드가 동일한 예측된 어트리뷰트 값을 갖도록 정의하는 경우, 인코딩 시 필요한 계수의 수를 줄이고 코딩 효율을 증가시키는데 도움이 된다.
그리고 어트리뷰트 정보는 다양한 타입의 어트리뷰트 예측 방법을 사용하여 예측될 수 있다.
예를 들어, 이웃 노드들의 어트리뷰트들의 대표 값을 예측된 어트리뷰트 정보로 정할 수도 있고, 지역적인 특성을 대표하는 어트리뷰트 값을 예측된 어트리뷰트 정보로 정할 수도 있으며, 예측 에러를 최소화 하는 값을 연산/선택하여 예측된 어트리뷰트 정보로 정할 수도 있다.
또 다른 예로, 특정 위치의 노드의 어트리뷰트 값을 예측된 어트리뷰트 정보로 사용할 수도 있다. 도 22에서 리프 노드의 상위 레벨은 리프 노드의 자식 노드들의 어트리뷰트 정보(c1, c2, c3, c4) 중 어트리뷰트 정보(c1)과 자식 노드들의 어트리뷰트 정보(c5, c6, c7, c8, c9) 중 어트리뷰트 정보(c5)를 각각 선택하고, 루트 노드는 리프 노드의 어트리뷰트 정보(c2)를 선택한 예를 보이고 있다.
상기 특정 위치의 노드의 어트리뷰트 값을 선택하는 방법은 다양하게 적용될 수 있다. 예를 들어, 지오메트리컬 중심(geometrical centroid)의 어트리뷰트 값을 선택할 수도 있고, 예측 유닛(prediction unit) 내에서 특정 순서에 해당하는 어트리뷰트 값을 선택할 수도 있으며, 어트리뷰트 에러를 최소화하는 어트리뷰트 값을 선택할 수도 있다. 본 명세서에서 예측 유닛(prediction unit)은 인코딩 할 노드와 해당 노드의 이웃 노드들을 합하여 정의할 수 있다. 예를 들어, 이웃 노드의 범위가 parent 노드 단위인 경우, 동일 부모 노드를 갖는 8개의 자식 노드들이 예측 유닛으로 정의된다. 실시예들에 따른 예측 유닛은 이웃 노드의 범위에 따라 달라질 수 있다.
위와 같이, 어트리뷰트 정보가 예측되면, 예측된 어트리뷰트 정보를 기반으로 잔여 어트리뷰트 정보가 추정된다. 예를 들어, 이웃 노드의 범위가 parent 노드 단위일 때, LOD0에 대해 잔여 어트리뷰트를 추정한다면, 레벨 1의 어트리뷰트 정보(c1, c5)가 매칭된 각 노드는 해당 노드의 어트리뷰트 정보(c2 또는 c5)와 루트 노드의 어트리뷰트 정보(c2)와의 차이를 그 노드의 잔여 어트리뷰트 정보(또는 예측 에러 어트리뷰트 정보라 함)로 정한다.
다른 예로, 이웃 노드의 범위가 parent 노드 단위일 때, LOD1에 대해 잔여 어트리뷰트를 추정한다면, 리프 노드의 어트리뷰트 정보(c1, c2, c3, c4)가 매칭된 각 노드는 해당 노드의 어트리뷰트 정보(c1, c2, c3, c4 중 하나)와 상위 레벨의 예측된 어트리뷰트 정보(c1)와 차이를 그 노드의 잔여 어트리뷰트 정보로 정하고, 리프 노드의 어트리뷰트 정보(c5, c6, c7, c8, c9)가 매칭된 각 노드는 해당 노드의 어트리뷰트 정보(c5, c6, c7, c8, c9 중 하나)와 상위 레벨의 예측된 어트리뷰트 정보(c5)와 차이를 그 노드의 잔여 어트리뷰트 정보로 정한다. 또한 레벨 1의 어트리뷰트 정보(c1, c5)가 매칭된 각 노드는 해당 노드의 어트리뷰트 정보(c2 또는 c5)와 루트 노드의 어트리뷰트 정보(c2)와의 차이를 그 노드의 잔여 어트리뷰트 정보로 정한다. 이때, 리프 노드의 어트리뷰트 정보(c1, c2, c5)는 리프 노드의 상위 레벨에서 예측된 어트리뷰트 정보로 이용되므로, 리프 노드의 어트리뷰트 정보(c1, c2, c5)가 매칭된 노드들의 잔여 어트리뷰트 정보는 0이 된다. 이 경우, 해당 노드의 잔여 어트리뷰트 정보로 블랭크(blank)를 의미하는 값(예를 들어, 0)을 전달하거나 또는 해당 위치를 시그널링하거나 또는 블랭크는 전달하지 않고 해당 위치만 시그널링할 수도 있다. 이렇게 함으로써, 수신측에서는 스케일러블 디코딩이 가능해지게 된다. 즉, 수신측의 디코딩 성능, 디스플레이 성능 등에 따라 모든 레벨에 대해 디코딩을 수행할 수도 있고, 특정 레벨까지만 부분 디코딩을 수행할 수도 있다.
상기 어트리뷰트 압축 단계(16006)에서 예측된 어트리뷰트 정보와 추정된 잔여 어트리뷰트 정보는 변환 및 양자화 단계(16007)에서 양자화 계수에 기반하여 양자화가 이루어진다.
이때 변환 및 양자화 단계(16007)는 예측된 어트리뷰트 정보와 추정된 잔여 어트리뷰트 정보(즉, 예측 에러 어트리뷰트 정보)의 전송 시 효율을 높이기 위해 다음의 수학식 6과 같은 어트리뷰트 변환을 수행한 후 양자화 과정을 수행할 수도 있다.
[수학식 6]
Figure PCTKR2020006914-appb-img-000016
예를 들어, 어트리뷰트 압축 방법으로 RAHT 변환이나 리프팅 변환이 수행된다면, 양자화 전에 수학식 6과 같이 어트리뷰트 변환 과정이 추가로 더 수행될 수 있다. 일 실시예로, 예측된 어트리뷰트 정보 및/또는 잔여 어트리뷰트 정보는 DCT(Discrete Cosine Transform), DST(Discrete Sine Transform), wavelet 등과 같은 변환 타입을 기반으로 변환될 수 있다. 즉, 변환 및 양자화 단계(16007)는 변환이 수행된 또는 변환이 수행되지 않은 예측된 어트리뷰트 정보와 추정된 잔여 어트리뷰트 정보를 양자화 계수(q)에 기반하여 하기의 수학식 7과 같이 양자화한 후 엔트로피 인코딩 단계(16008)로 출력한다.
[수학식 7]
Figure PCTKR2020006914-appb-img-000017
상기 변환 및 양자화 단계(16007)에서 양자화 정도는 양자화 계수 (q)에 의해 결정되며 데이터 종류에 따라 서로 다른 양자화 계수를 사용할 수 있다. 일 실시예로서, 루마/크로마(luma/chroma) 및 예측된 어트리뷰트 정보/잔여 어트리뷰트 정보에 따라 서로 다른 양자화 계수를 사용할 수 있다.
상기 변환 및 양자화 단계(16007)에서 양자화된 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보는 수신측의 디코더 처리 과정을 고려하여 단계별로 엔트로피 인코딩 단계(16008)로 출력하는 것을 일 실시예로 한다. 즉, 양자화된 예측된 어트리뷰트 정보를 먼저 상기 엔트로피 인코딩 단계(16008)로 전달한 후, 양자화된 잔여 어트리뷰트 정보를 상기 엔트로피 인코딩 단계(16008)로 전달한다. 이렇게 함으로써, 수신측에서 디코더의 지연을 방지할 수 있다. 또한 각 단계 안에서는 xyz 축으로 증가하는 순서 (e.g., morton code 순서)로 전달할 수 있으며, 필요한 경우 리오더링(reordering) 과정을 추가할 수 있다.
상기 엔트로피 인코딩 단계(16008)는 상기 양자화된 예측된 어트리뷰트 정보를 엔트로피 인코딩한 후 상기 양자화된 잔여 어트리뷰트 정보를 엔트로피 양자화하여 어트리뷰트 비트스트림으로 출력한다. 상기 엔트로피 인코딩은 예를 들어, 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding), CABAC(Context-Adaptive Binary Arithmetic Coding)과 같은 다양한 인코딩 방법을 사용할 수 있다.
본 명세서는 다른 실시예로, 동일 부모 노드로부터 분할된 8개의 자식 노드들 중 occupied 노드가 1개라면, 즉 이웃 노드들이 없다면, 상기 occupied 노드의 어트리뷰트 정보(즉, 색상/반사율 값)를 그대로 상기 엔트로피 인코딩 단계(16008)로 출력하여 엔트로피 인코딩한다.
도 29는 본 명세서에 따른 포인트 클라우드 비디오 디코더의 다른 실시예를 나타낸다. 즉, 도 29는 도 11의 포인트 클라우드 비디오 디코더의 다른 실시예이다.
도 29의 포인트 클라우드 비디오 디코더의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합 등에 의해 수행될 수 있다.도 29를 구성하는 각 블록에 대한 설명 중 설명되지 않은 부분은 도 11의 동일한 부호를 갖는 블록의 설명을 원용하기로 한다.
도 29의 포인트 클라우드 비디오 디코더는 도 27의 포인트 클라우드 비디오 인코더의 역과정을 수행할 수 있다.
상기 포인트 클라우드 비디오 디코더(10006)의 아리스메틱 디코딩부(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스트럭션부(11003), 및 좌표계 역변환부(11004)를 포함하여 지오메트리 디코더라 지칭할 수 있고, 아리스메틱 디코딩부(11005), 역양자화부(11006), 어트리뷰트 압축 해제부(11030) LOD 생성부(11031), 및/또는 컬러 역변환부(11010)를 포함하여 어트리뷰트 디코더라 지칭할 수 있다.
상기 지오메트리 디코더의 아리스메틱 디코딩부(arithmetic decoding unit, 11000)는 입력된 비트스트림에 포함된 지오메트리 비트스트림을 아리스메틱 방식에 기반하여 엔트로피 디코딩하여 지오메트리에 관한 정보를 획득한다. 상기 지오메트리에 관한 정보는 송신측의 옥트리의 각 노드의 occupancy 코드가 포함되어 있다.
상기 옥트리 합성부(octree synthesis unit, 11001)는 상기 지오메트리에 관한 정보로부터 획득한 각 노드의 occupancy 코드를 기반으로 옥트리를 재구성하는 것을 일 실시예로 한다. 상기 옥트리 합성부(11001)에서 재구성된 옥트리는 상기 서페이스 오프록시메이션 합성부(11002)로 출력된다. 또한 상기 재구성된 옥트리는 상기 어트리뷰트 압축 해제부(11030)와 LOD 생성부(11031) 중 적어도 하나로 출력될 수 있다.
상기 서페이스 오프록시메이션 합성부(11002)는 상기 아리스메틱 디코딩부(11000)에서 디코딩된 지오메트리 및/또는 상기 옥트리 합성부(11001)에서 재구성된 옥트리에 기반하여 서페이스를 합성하는 것을 일 실시예로 한다.
상기 지오메트리 리컨스트럭션부(geometry reconstruction unit, 11003)는 상기 서페이스 오프록시메이션 합성부(11002)에서 합성된 서페이스 및/또는 상기 아리스메틱 디코딩부(11000)에서 디코딩된 지오메트리에 기반하여 지오메트리를 재구성하는 것을 일 실시예로 한다. 이때 상기 지오메트리 리컨스트럭션부(11003)는 직접 모드가 적용된 경우, point의 위치 정보 값을 직접 가져와서 추가하고, 트리숩 모드가 적용된 경우는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 거쳐서 지오메트리를 복원한다. 상기 복원된 지오메트리는 복원된(디코딩된) point cloud picture/frame without (any) attributes를 포함할 수 있다.
상기 지오메트리 리컨스트럭션부(11003)에서 재구성된 지오메트리는 상기 좌표계 역변환부(11004)와 상기 어트리뷰트 디코더의 어트리뷰트 압축 해제부(11030)와 LOD 생성부(11031) 중 적어도 하나로 출력된다.
상기 좌표계 역변환부(inverse coordinates transformation unit, 11004)는 상기 재구성된 지오메트리에 기반하여 좌표계를 인버스 변환하여 위치들(포지션들, positions)을 획득하는 것을 일 실시예로 한다.
상기 어트리뷰트 디코더의 아리스메틱 디코딩부(11005)는 입력된 비트스트림에 포함된 어트리뷰트 비트스트림을 아리스메틱 방식에 기반하여 엔트로피 디코딩하여 어트리뷰트(attribute)에 관한 정보를 획득한다.
상기 역양자화부(inverse quantization unit, 11006)는 상기 아리스메틱 디코딩부(11005)에서 획득된 어트리뷰트에 관한 정보를 인버스 양자화하는 것을 일 실시예로 한다. 상기 어트리뷰트에 관한 정보는 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보를 포함하는 것을 일 실시예로 한다. 즉, 상기 역양자화부(11006)는 어트리뷰트 디코딩 과정에서 필요한 경우 역(inverse) 양자화 과정을 수행한다.
상기 역양자화부(11006)는 아래의 수학식 8과 같이 양자화의 역함수를 사용할 수 있다.
[수학식 8]
Figure PCTKR2020006914-appb-img-000018
이때, 송신측의 계수 양자화부(40011)에서 다양한 양자화 방법 또는 데이터 특성에 따라 서로 다른 양자화 계수를 사용하였다면, 수신되는 시그널링 정보에 역양자화 계수(q)가 포함되어 있는 것을 일 실시예로 한다. 상기 계수 양자화부(40011)의 양자화 정도는 양자화 계수 (q)에 의해 결정된다. 그리고, 루마/크로마(luma/chroma) 및 예측된 어트리뷰트 정보/잔여 어트리뷰트 정보와 같이 서로 다른 특성을 갖는 데이터는 서로 다른 양자화 계수를 사용할 수 있다.
또한 송신측에서 예측된 어트리뷰트 정보 및/또는 잔여 어트리뷰트 정보에 대해 어트리뷰트 변환을 수행하였다면 상기 시그널링 정보에 포함된 transform_type 필드 값을 기반으로 하기 수학식 9와 같이 역변환을 수행한다. 즉, 상기 예측된 어트리뷰트 정보 및/또는 잔여 어트리뷰트 정보는 상기 transform_type 필드 값에 따라 DCT, DST, wavelet 등과 같은 변환 타입을 기반으로 역변환된다.
[수학식 9]
Figure PCTKR2020006914-appb-img-000019
상기 역양자화부(11006)에서 출력되는 어트리뷰트에 관한 정보는 어트리뷰트 압축 해제부(11030)와 LOD 생성부(11031) 중 적어도 하나로 제공된다.
실시예들에 따른 어트리뷰트 압축 해제부(11030)에서 어트리뷰트를 복원하는 방식은 옥트리 기반 어트리뷰트 압축 해제를 사용하거나 RAHT 역변환을 사용하거나, LOD기반의 리프팅 역변환을 사용하거나, 옥트리 기반 어트리뷰트 압축 해제/RAHT 역변환/LOD 기반의 Lifting 역변환의 조합에 따른 방식을 사용할 수 있다. 즉, 옥트리 기반 어트리뷰트 압축/RAHT/LOD 기반의 Lifting 변환에 대한 역변환 과정을 인코딩시 적용된 방법에 따라서 선택적으로 수행한다.
상기 RAHT 역변환과 상기 LOD 기반의 리프팅 역변환은도 4의 RAHT변환부(40008)와 리프팅 변환부(40010)에 대응하는 동작의 역과정을 각각 수행하거나, 도 11의 RAHT 역변환부(11007)와 인버스 리프팅부(11009)에서 각각 수행하거나, 도 13의 예측/리프팅/RAHT 역변환 처리부(130089)에서 각각 수행하는 것을 일 실시예로 한다.
실시예들에 따른 LOD 기반의 리프팅 역변환을 수행하기 위해서는 먼저 LOD를 생성하는 과정을 수행하여야 한다. 본 명세서는 도 18 내지 도 26에서 설명된 송신측의 LOD 생성 과정을 기반으로 LOD를 생성하는 것을 일 실시예로 한다.
상기 어트리뷰트 압축 해제부(11030)에서 복원된 어트리뷰트 정보는 컬러 역변환부(11010)로 출력된다. 상기 컬러 역변환부(11010)는 필요한 경우 입력되는 어트리뷰트 정보의 색상 변환을 수행하는 것을 일 실시예로 한다.
지금까지 설명한 바와 같이 상기 포인트 클라우드 비디오 디코더는 지오메트리 디코더와 어트리뷰트 디코더를 포함하고, 상기 지오메트리 디코더에서 디코딩되어 출력되는 포지션들과 상기 어트리뷰트 디코더에서 디코딩되어 출력되는 어트리뷰트 정보를 포함하는 포인트 클라우드 콘텐츠는 렌더러(10007)로 출력된다.
상기 렌더러(10007)의 렌더링 과정은 3D 공간상에 Point Cloud 콘텐츠의 데이터를 렌더링하고 디스플레이 하는 과정을 의미한다. 상기 렌더러(10007)는 도 11 또는 도 13 또는 도 29의 포인트 클라우드 비디오 디코더의 디코딩 과정을 통해 디코딩 된 point들의 위치 및 어트리뷰트 정보를 가지고 원하는 렌더링 방식에 따라 렌더링하는 것을 일 실시예로 한다. Point Cloud 콘텐츠의 point들은 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. 사용자는 VR/AR 디스플레이 또는 일반 디스플레이 등을 통하여 렌더링 된 결과의 전부 또는 일부 영역을 볼 수 있다.
그리고 피드백 과정은 디스플레이 과정에서 획득될 수 있는 다양한 피드백 정보들을 송신측으로 전달하거나 수신측의 디코딩에 전달하는 과정을 포함할 수 있다. 상기 피드백 과정은 앞에서 상세히 설명하였으므로 설명의 중복을 피하기 위하여 전술한 내용을 참조하고 여기서는 생략하기로 한다.
도 30은 실시예들에 따른 포인트 클라우드 비디오 디코딩 방법의 흐름도를 나타낸다. 실시예들에 따른 포인트 클라우드 비디오 디코딩 방법은 지오메트리 비트스트림의 엔트로피 디코딩 단계(17001), 옥트리 리컨스트럭션 단계(17002), 어트리뷰트 비트스트림의 엔트로피 디코딩 단계(17003), 역양자화 단계(17004), 역변환 단계(17005), 어트리뷰트 예측 및 리컨스트럭션 단계(17006), 및 LOD 기반의 스케일러블 리프리젠테이션 단계(17007)를 포함할 수 있다.
수신되는 비트스트림 중 지오메트리 비트스트림은 엔트로피 디코딩 단계(17001)에서 엔트로피 디코딩된다. 옥트리 리컨스트럭션 단계(17002)는 엔트로피 디코딩된 지오메트리를 기반으로 옥트리 구조를 재생성하여 지오메트리 정보를 복원한다.
수신되는 비트스트림 중 어트리뷰트 비트스트림은 엔트로피 디코딩 단계(17003)에서 엔트로피 디코딩된다. 상기 엔트로피 디코딩된 어트리뷰트는 역양자화 단계(17004)에서 양자화 계수를 기반으로 역양자화하고, 역변환 단계(17005)에서 역변환된다. 이때, 역양자화와 역변환 과정은 송신측에서 사용한 양자화, 변환 과정에 따라 다양한 방법이 사용될 수 있다. 만약 송신측에서 변환 과정 없이 데이터를 인코딩한 경우 역변환 단계(17005)가 수행되지 않는다. 역양자화 단계(17004)에서 역양자화된 어트리뷰트 또는 역변환 단계(17005)에서 역변환된 어트리뷰트, 그리고 옥트리 리컨스트럭션 단계(17002)에서 재생성된 옥트리 구조는 어트리뷰트 예측 및 리컨스트럭션 단계(17006)로 제공된다. 상기 역양자화 단계(17004)에서 역양자화된 어트리뷰트 또는 역변환 단계(17005)에서 역변환된 어트리뷰트는 예측된 어트리뷰트 정보와 추정된 잔여 어트리뷰트 정보를 포함하는 것을 일 실시예로 한다. 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보는 LOD별로 존재할 수도 있고, 리프 노드에 대해서만 존재할 수도 있으며, 각 레벨에서는 잔여 어트리뷰트 정보가 제공되고, 최상위 노드(예, 루트 노드)에서만 예측된 어트리뷰트 정보가 제공될 수도 있다.
어트리뷰트 예측 및 리컨스트럭션 단계(17006)는 재생성된 옥트리 구조를 기반으로 디코드될 노드의 이웃 노드들을 검출하고 검출된 이웃 노드들을 기반으로 예측된 어트리뷰트 정보를 구한 후 수신되는 잔여 어트리뷰트 정보를 더하여 옥트리 노드에 대응되는 어트리뷰트 정보를 재구성하는 과정(즉, colorized ontree regeneration)을 수행한다.
실시예들에 따르면, 어트리뷰트 예측 및 리컨스트럭션 단계(17006)는 위치 정보 재구성을 위해 송신측의 이웃 노드 검출과 동일한 과정을 수행한다. 즉, 어트리뷰트 예측 및 리컨스트럭션 단계(17006)는 상기 옥트리 리컨스트럭션 단계(17002)에서 제공되는 옥트리 구조를 기반으로 디코딩될 노드의 이웃 노드들을 검출한다.
본 명세서는 이웃 노드의 범위가 parent 노드 단위인 경우를 일 실시예로 설명한다. 즉, 동일 parent 를 갖는 8개의 자식 노드들을 이웃 노드로 정의한다. 즉, 동일 parent를 갖는 형제 노드(sibling node)가 이웃 노드로 정의된다. 만약 이웃 노드의 범위(또는 단위)에 대한 다른 정의(예를 들어, 다른 크기)를 사용한다면, 수신된 시그널링 정보에 이웃 노드 검출을 위한 정보가 포함될 수 있다. 그리고 검출된 이웃 노드 정보를 기반으로 어트리뷰트 예측을 수행한다. 즉, 송신측에서 수행된 어트리뷰트 예측의 역순으로 레벨이 내려가면서 (즉, 루트 노드로부터 리프 노드로 향하는 방향), 하기의 수학식 10과 같이 어트리뷰트를 예측한다. 어트리뷰트 예측 방법은 송신측에서 사용한 방법과 동일한 방법을 사용하며, 부모 노드의 리컨스트럭트된 어트리뷰트(reconstructed attribute)를 자식 노드에 대한 예측 값으로 사용할 수 있다. 복수의 방법이 사용될 수 있는 경우 인코딩 시에 사용된 방법 및 추가 정보는 시그널링 정보 또는 메타데이터를 통해 수신측에 전달될 수 있다.
[수학식 10]
Figure PCTKR2020006914-appb-img-000020
실시예들에 따른 어트리뷰트 예측 및 리컨스트럭션 단계(17006)는 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보를 각 자식 노드의 어트리뷰트를 재구성한다. 실시예들에 따르면, 각 자식 노드의 어트리뷰트를 재구성하기 위해서 송신측에서 사용한 잔여 어트리뷰트 추정 방법의 역을 수행한다. 예를 들어, 송신측에서 원본 어트리뷰트 정보와 예측된 어트리뷰트 정보의 차이로 잔여 어트리뷰트 정보를 추정한 경우, 아래의 수학식 11과 같이 예측된 어트리뷰트 정보와 디코딩된 잔여 어트리뷰트 정보를 더함으로써 어트리뷰트 정보를 재구성 할 수 있다. 또한 잔여 어트리뷰트 추정 방법은 시그널링 정보 또는 메타데이터를 통해 수신측에 전달될 수 있다.
[수학식 11]
Figure PCTKR2020006914-appb-img-000021
일반적으로는 리프 노드의 어트리뷰트가 최종 결과로서 출력되는 것이 목표가 되지만, 수신기 성능, 응용 분야, 정보의 유무 등에 의해 일정 레벨에서 재구성된 어트리뷰트 정보를 출력할 수 있다. 이때, 출력하고자 하는 레벨 및 관련 정보는 시그널링 정보 또는 메타데이터를 통해 수신측으로 전달될 수 있다.
상기 어트리뷰트 예측 및 리컨스트럭션 단계(17006)에서 재구성된(즉, 복원된) 어트리뷰트 정보는 LOD 기반 스케일러블 리프리젠테이션(17007)에서 포인트 클라우드 데이터의 출력을 위해 디코드된 옥트리 레벨의 포인트 클라우드 데이터를 모으는 과정(즉, point cloud data aggregation) 후에 어트리뷰트 데이터를 출력한다. 상기 어트리뷰트 예측 및 리컨스트럭션 단계(17006)에서 컬러라이제이션은 복원된 어트리뷰트 정보를 기반으로 수행되고, LOD 기반 스케일러블 리프리젠테이션(17007)에서 LOD에 대한 정보는 시그널링 정보를 통해 알 수 있다. 상기 컬러라이제이션은 송신측과 동일한 과정으로 수행된다. 즉, 컬러라이제이션은 옥트리 구조에 대해 루트 노드에서 리프 노드 방향으로 occupied 노드에 대해 디코드된 어트리뷰 정보를 매칭해주는 과정이다. 이때, 송신측에서는 컬러라이제이션을 거친 어트리뷰트 정보에 대해 인코딩을 수행하기 때문에, 수신측에서는 디코딩된 순서에 따라 옥트리 깊이 레벨에 따른 occupied 노드에 어트리뷰트 정보를 매칭해주면 된다.
지금까지 설명한 바와 같이 옥트리 구조를 기반으로 LoD를 생성하는 경우 적은 연산량으로 어트리뷰트 예측 및 리프팅 변환을 수행할 수 있다.
또한 전술한 바와 같이, 어트리뷰트 예측을 수행함으로써, 적은 연산량으로 지오메트리 디코딩과 거의 동시에 어트리뷰트 정보를 복원할 수 있게 된다. 따라서 로우-딜레이(low-delay)가 요구되는 송수신 시스템에서 사용 가능할 것으로 기대된다. 즉, 어트리뷰트 압축 해제부(11030)는 지오메트리가 리프 노드까지 디코딩되기 전 이전 레벨의 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보를 알 수 있으므로, 지오메트리 디코딩이 리프 노드까지 완료될 때까지 기다리지 않고 옥트리의 특정 레벨이 디코딩되었을 때 어트리뷰트 정보의 복원을 시작할 수 있다.
또한 디코더의 성능(capacity) 또는 자원 부족 또는 디스플레이 성능 등에 따라 옥트리의 특정 레벨까지만 지오메트리 정보와 어트리뷰트 정보를 부분 디코딩하여 렌덩링할 수도 있고, 리프 노드 레벨까지 지오메트리 정보와 어트리뷰트 정보를 모두 디코딩하여 렌더링할 수도 있다. 이렇게 함으로써, 공간 스케일러비티(spatial scalability) 기능을 제공할 수 있다. 공간 스케일러비티는 포인트 클라우드 데이터가 밀도가 높고(dense) 대역폭(bandwidth)이 낮을 때, 낮은 해상도의 포인트 클라우드를 보내고 처리할 수 있는 기능이다. 또한, 포인트 클라우드 데이터가 밀도가 높고(dense) 전체 옥트리 비스트스림을 전송 받았지만 디코더에서 디코더의 성능(capacity) 또는 자원(resource) 부족, 또는 시나리오상 thumbnail을 우선적으로 빠르게 필요로 하는 경우에 전송받은 전체 옥트리 기반 비트스트림을 모두 디코딩하지 않고 옥트리의 특정 깊이 레벨까지만 디코딩해서 낮은 해상도의 포인트 클라우드를 제공할 수 있는 기능이다.
도 31은 실시예들에 따른 포인트 클라우드 데이터의 스케일러블 인코딩 및/또는 스케일러블 디코딩의 예시를 보인 블록도이다.
도 31에 따르면, 송신측의 스케일러블 인코더(18010)에서는 지오메트리 정보와 어트리뷰트 정보를 풀(full)로 인코딩하여 풀 깊이 레벨의 지오메트리 정버와 풀 깊이 레벨의 어트리뷰트 정보를 싱글 비트스트림 형태로 수신측으로 전송하고, 수신측에서는 디코더의 성능(capacity) 또는 자원 부족 또는 디스플레이 성능 등에 따라 비트스트림 셀렉터(18030)를 통해 싱글 비트스트림으로부터 디코딩할 비트스트림을 선택하고, 선택된 비트스트림을 해당 스케일러블 디코더(18041~1804N 중 하나)에서 디코딩하는 예이다. 일 예로, 스케일러블 디코더(18041)는 비트스트림 셀렉터(18030)를 통해 일부 깊이 레벨(partial depth level)의 지오메트리 정보와 일부 깊이 레벨(partial depth level)의 어트리뷰트 정보를 입력받아 디코딩을 수행하고, 스케일러블 디코더(18042)는 풀 깊이 레벨(full depth level)의 지오메트리 정보와 일부 깊이 레벨의 어트리뷰트 정보를 입력받아 디코딩을 수행하고, 스케일러블 디코더(1804N)는 풀 깊이 레벨의 지오메트리 정보와 풀 깊이 레벨의 어트리뷰트 정보를 입력받아 디코딩을 수행할 수 있다. 실시예들에 따르면, 송신측에서 생성된 싱글 비트스트림은 저장부(18020)에 저장된 후 수신측의 비트스트림 셀렉터(18030)로 제공될 수도 있다. 실시예들에 따르면, 수신측에서는 디코더의 성능(capacity) 또는 자원 부족 또는 디스플레이 성능 등에 따라 스케일러블 디코더들(18041~1804N) 중 하나를 구비할 수도 있다.
도 32는 실시예들에 따른 포인트 클라우드 데이터의 스케일러블 인코딩 및/또는 스케일러블 디코딩의 다른 예시를 보인 블록도이다.
송신측에서는 하나 이상의 스케일러블 인코더들(19001~1900N)을 이용하여 지오메트리 정보와 어트리뷰트 정보를 모두 부분 깊이 레벨(partial depth level)까지 인코딩하여 싱글 비트스트림 형태로 출력하거나 지오메트리 정보는 풀 깊이 레벨(full depth level)까지 인코딩하고 어트리뷰트 정보는 부분 깊이 레벨(partial depth level)까지 인코딩하여 싱글 비트스트림 형태로 출력할 수도 있으며, 지오메트리 정보와 어트리뷰트 정보를 모두 풀 깊이 레벨까지 인코딩하여 싱글 비트스트림 형태로 출력할 수도 있다. 하나 이상의 스케일러블 인코더들(19001~1900N)에서 출력되는 비트스트림들 중 하나가 비트스트림 셀렉터(19010)를 통해 선택되어 싱글 비트스트림 형태로 수신측으로 전송되거나 저장부(19020)에 저장된 후 수신측으로 전송될 수도 있다. 수신측에서는 디코더의 성능(capacity) 또는 자원 부족 또는 디스플레이 성능 등에 따라 디코더 셀렉터(19030)를 통해 하나 이상의 스케일러블 디코더들(19041~1904N) 중 하나를 선택하고, 선택된 스케일러블 디코더에서 입력된 비트스트림을 디코딩할 수 있다. 일 예로, 스케일러블 디코더(19041)는 일부 깊이 레벨(partial depth level)의 지오메트리 정보와 일부 깊이 레벨(partial depth level)의 어트리뷰트 정보를 입력받아 디코딩을 수행하고, 스케일러블 디코더(19042)는 풀 깊이 레벨(full depth level)의 지오메트리 정보와 일부 깊이 레벨의 어트리뷰트 정보를 입력받아 디코딩을 수행하고, 스케일러블 디코더(1904N)는 풀 깊이 레벨의 지오메트리 정보와 풀 깊이 레벨의 어트리뷰트 정보를 입력받아 디코딩을 수행할 수 있다.
도 33은 실시예들에 따른 포인트 클라우드 데이터의 스케일러블 디코딩의 예시를 보인 도면이다. 제1 G-PCC 디코더(19071)에서는 풀 깊이 레벨(full depth level)의 지오메트리 정보(19051, 19052)와 일부 깊이 레벨의 어트리뷰트 정보(19061)를 입력받아 G-PCC 디코딩을 수행하여 저해상도(low resolution)의 포인트 클라우드 데이터를 출력하는 예이고, 제2 G-PCC 디코더(19072)는 풀 깊이 레벨의 지오메트리 정보(19051, 19052)와 풀 깊이 레벨의 어트리뷰트 정보(19061, 19062)를 입력받아 G-PCC 디코딩을 수행하여 고해상도(full resolution)의 포인트 클라우드 데이터를 출력하는 예이다.
실시예들에 따르면, 제1 G-PCC 디코더(19071)에서는 루트 노드 방향의 부분 깊이 레벨(partial depth level)의 지오메트리 정보(19051)과 리프 노드 방향의 부분 깊이 레벨의 지오메트리 정보(19052)를 모두 입력받을 수 있으나, 리프 노드 방향의 부분 깊이 레벨의 지오메트리 정보(19052)는 어트리뷰트 디코딩을 돕기 위한 것이며, 리프리젠테이션을 위한 것은 아니다.
도 31 내지 도 33 중 어느 하나에서와 같이 지오메트리 정보와 어트리뷰트 정보에 대해 포인트 클라우드 압축을 수행하면, 압축 방법에 따라서 하나의 압축된 비트스트림을 기반으로 다양한 성능의 수신기를 지원할 수 있다. 예를 들어, 다양한 성능의 디코더를 대상으로 지오메트리 정보와 어트리뷰트 정보를 압축하는 경우, 각각의 디코더 성능에 맞는 독립된 압축 정보를 생성하거나 저장하는 대신 하나의 비트스트림을 통해 다양한 성능의 수신기를 지원할 수 있다. 따라서, 송신측의 저장 공간 및 비트 효율 측면에서도 장점이 된다. 또한 전송 대역폭의 제한이 있는 경우 송신측에서 저해상도 포인트 클라우드 데이터를 생성한 후 전달할 수 있다는 장점이 있다.
또한, 도 31 내지 도 33 중 어느 하나에서와 같이 압축된 지오메트리 정보와 어트리뷰트 정보를 전달받은 수신기에서는 적은 연산량으로 지오메트리 디코딩과 거의 동시에 어트리뷰트 디코딩을 수행하여 어트리뷰트 정보를 복원함으로써 로우 지연(low-delay)이 요구되는 송신기 및/또는 수신기에서 사용할 수 있다. 또한 어트리뷰트 정보의 출력 레벨을 선택하는 경우 low computational power를 갖는 수신기에서도 해당 수신기의 성능에 맞는 어트리뷰트 정보를 지연없이 출력할 수 있을 것으로 기대된다.
예를 들어 어트리뷰트 디코딩 및 재구성을 위한 수신기의 성능 또는 수신기의 요구사항에 따라 서로 다른 결과를 출력할 수 있다. 이때, 디코딩되거나 재구성 된 각 레벨의 어트리뷰트는 해당 레벨의 옥트리 노드와 매칭된 어트리뷰트 값으로 사용될 수 있다. 특히 포인트 클라우드 코딩 특성에 따라 컬러라이즈된 옥트리(colorized octree)가 전송된 경우, 출력 성능에 따라서 혹은 렌더러 성능에 따라서 옥트리 레벨을 선택할 수 있다. 또는 수신기에서 출력 또는 렌더링 성능을 고려하여 디코딩 후 복원된 포인트 클라우드 데이터에 옥트리 컬러라이제이션(octree colorization)을 수행한 후 저해상도 영상을 출력 또는 렌더링 할 수도 있다.
도 34는 수신기의 성능에 따라 서로 다른 레벨의 지오메트리를 출력할 때의 실시예들을 보인 도면이다. 지오메트리를 옥트리의 상위 레벨에서부터 나타내는 경우, 도 34와 같이 왼쪽에서 오른쪽으로 진행되면서 포인트와 포인트 사이의 정보가 점점 채워지는 형태 혹은 포인트가 점점 분리되는 형태로 나타나고, 최종적으로 리프 노드로 나타낸 것이다. 수신기에서는 본 명세서를 통해 주어지는 시그널링 정보를 통해 수신기의 성능에 따라 도 34의 단계 중 하나의 단계를 선택하여 출력할 수도 있다.
도 35는 수신 시스템의 성능에 따라 서로 다른 레벨의 어트리뷰트를 출력할 때의 실시예들을 보인 도면이다. 도 34와 같이 지오메트리의 해상도를 선택적으로 출력하는 경우, 어트리뷰트에 대해서도 해상도를 선택적으로 출력할 수 있다. 어트리뷰트 정보를 선택적으로 출력하는 경우, 도 35와 같이 오른쪽에서 왼쪽으로 갈수로 어트리뷰트의 디테일이 점점 더해지는 것을 볼 수 있다. 수신기에서는 도 34의 지오메트리에서 선택한 레벨과 동일한 레벨 또는 그에 상응하는 디테일을 갖는 어트리뷰트를 선택하여 출력할 수 있다. 이때, 어트리뷰트는 지오메트리에서 나타내는 옥트리 노드와 매칭이 될 수도 있고, 실제 오큐파이드된 리프 노드의 위치의 어트리뷰트가 매칭될 수도 있다.
한편 본 명세서에서 제안하는 옥트리 기반의 LOD 생성 및/또는 어트리뷰트 예측 방법을 사용하는 경우, 디코딩을 위해 다음과 같은 시그널링 정보가 전달될 수 있다.
아래에 정의하는 시그널링 정보(또는 시그널링이라 함)는 비디오 코덱 단의 정보인 parameter set (GPS: geometry parameter set, APS: attribute parameter set, VPS: video parameter set, SPS: sequence parameter set, PPS: picture parameter set, TPS: Tile Parameter Set 등) 단위로 시그널링되어 전송될 수 있다. 또한 slice 혹은 tile 과 같이 각 영상의 코딩 유닛 단위로 시그널링되어 전송될 수도 있다. 어플리케이션에 따라 해당 정보는 파일 포맷, DASH(dynamic adaptive streaming over HTTP), MMT(MPEG media transport) 등의 시스템 단 또는 HDMI(High Definition Multimedia Interface), Display Port, VESA(Video Electronics Standards Association), CTA 등의 유선 인터페이스 단에서도 정의될 수 있다.
본 명세서에 따른 포인트 클라우드 데이터는 실시예들에 따른 시그널링 정보를 포함하는 SPS(Sequence Parameter Set), GPS(Geometry Parameter Set), APS(Attribute Parameter Set), TPS(Tile Parameter Set)를 포함할 수 있다. 포인트 클라우드 데이터는 하나 또는 하나 이상의 지오메트리 및/또는 어트리뷰트를 포함할 수 있다. 포인트 클라우드 데이터의 지오메트리 및/또는 어트리뷰트는 하나 또는 하나 이상의 슬라이스 단위로 포함될 수 있다. 지오메트리는 지오메트리 슬라이스 헤더 및 지오메트리 슬라이스 데이터의 구조를 가질 수 있다.
실시예들에 따른 방법/장치가 실시예들의 동작을 추가/수행 하기 위해서 관련 정보를 시그널링 할 수 있다. 실시예들에 따른 시그널링 정보는 송신단 또는 수신단 등에서 사용될 수 있다.
실시예들에 따른 방법/장치는 옥트리 기반의 LOD 생성 및/또는 어트리뷰트 예측을 위한 시그널링 정보를 APS에 추가하여 시그널링 할 수 있다.
실시예들에 따른 방법/장치는 포인트 클라우드를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스를 제공한다.
따라서, 포인트 클라우드가 슬라이스로 나누어지는 경우, 실시예들에 따른 방법/장치는 각 슬라이스별로 옥트리 기반의 LOD 생성 및/또는 어트리뷰트 예측을 위한 시그널링 정보를 시그널링할 수 있다.
도 36은 본 명세서에 따른 어트리뷰트 파라미터 셋(attribute_paramter_set())의 신택스 구조의 일 실시예를 보인 도면이다.
aps_attr_parameter_set_id 필드는 attribute parameter set 정보를 식별하기 위한 식별자(ID)를 나타낸다.
aps_seq_parameter_set_id 필드는 sequence parameter set 정보를 식별하기 위한 식별자(ID)를 나타낸다.
octree_based_layering_flag 필드는 어트리뷰트 압축이 옥트리 기반으로 이루어졌고 레이어드 데이터 형태인지 여부를 지시한다. 예를 들어, octree_based_layering_flag 필드의 값이 1이면, 포인트 클라우드 데이터가 옥트리 기반으로 레이어드 데이터(layered data)의 형태 (예를 들어, 본 명세서의 실시예와 같이 LoD와 매칭)임을 나타낸다. 이 경우 응용 분야에서 사용하는 레이어를 표현하기 위한 옥트리 깊이 레벨(octree depth level)과의 관계성에 대한 정보를 추가로 전달할 수 있다.
예를 들어, octree_based_layering_flag 필드의 값이 1이면, num_layers 필드와 num_index 필드를 더 포함할 수 있다.
상기 num_layers 필드는 응용 분야에서 사용하는 레이어의 수를 나타내며, 예를 들어 LoD 의 수를 나타낼 수 있다. 응용 분야에 따라 명시적으로 전달하거나, 주어진 정보를 통해 아래의 수학식 12와 같이 유추할 수도 있다.
[수학식 12]
Figure PCTKR2020006914-appb-img-000022
상기 num_index 필드는 응용 분야에서 사용하는 레이어에 매칭되는 옥트리 깊이 레벨과 매칭되는 레이어의 수를 나타낸다.
실시예들에 따른 어트리뷰트 파라미터 셋은 num_index 필드 값만큼 반복되는 반복문을 더 포함할 수 있으며, 반복문은 octree_level_start 필드와 num_octree_levels 필드를 포함할 수 있다.
상기 octree_level_start 필드는 i번째 레이어(i-th layer, 또는 i-th LoD)를 구성하기 위해 사용되는 시작 옥트리 깊이 레벨을 나타낸다.
상기 num_octree_levels 필드는 i번째 레이어 (또는 i-th LoD)을 구성하기 위해 사용되어지는 옥트리 깊이 레벨의 수를 나타낸다.
실시예들에 따라, num_octree_levels 필드의 값이 1이면 단일 옥트리 깊이 레벨에 매칭된 포인트 클라우드 데이터가 i번째 레이어에 속함을 나타낸다. 실시예들에 따라 num_octree_levels 필드의 값이 1보다 크면 num_octree_levels 필드의 값의 옥트리 깊이 레벨에 매칭된 포인트 클라우드 데이터가 모두 i번째 레이어(i-th layer)에 속함을 나타낼 수 있다. 이 경우 상기 octree_level_start 필드의 값부터 상기 octree_level_start 필드 + num_octree_levels 필드 - 1 에 해당하는 옥트리 깊이 레이어가 i번째 레이어(i-th layer)에 속함을 나타낼 수 있다.
실시예들에 따른 어트리뷰트 파라미터 셋은 i번째 num_index 필드의 값이 1이면 multiple_layers_present_flag 필드를 더 포함할 수 있다.
상기 multiple_layers_present_flag 필드는 하나의 옥트리 깊이 레벨이 복수의 레이어들에 매칭되는지 여부를 나타낸다. 예를 들어, 상기 multiple_layers_present_flag 필드의 값이 1이면 하나의 옥트리 깊이 레벨이 복수의 레이어들에 매칭됨을 나타내고, 0이면 하나의 옥트리 깊이 레벨이 하나의 레이어에 매칭됨을 나타낼 수 있다.
실시예들에 따른 어트리뷰트 파라미터 셋은 상기 multiple_layers_present_flag 필드의 값이 1이면 num_sub_layers 필드를 더 포함할 수 있다.
상기 num_sub_layers 필드는 옥트리 깊이 레벨이 매칭되는 레이어의 수를 나타낸다.
실시예들에 따른 어트리뷰트 파라미터 셋은 상기 num_sub_layers 필드의 값만큼 반복되는 반복문을 더 포함할 수 있으며, 반복문은 division_type 필드와 num_point 필드를 포함할 수 있다.
상기 division_type 필드는 옥트리 깊이 레벨을 복수의 레이어들로 나누는 방법을 나타낸다. 예를 들어, 도 37의 (a), (b)와 같은 방법을 구분하는데 division_type을 사용할 수 있다.
도 37의 (a)는 num_division[i] 필드에 대한 옥트리 깊이 레벨의 모듈러(modular) 결과가 같은 것끼리 모아 복수의 레이어들을 구성하는 방법이다.
도 37의 (b)는 옥트리 깊이 레벨을 일정 개수만큼 순서대로 잘라 복수의 레어어들을 구성하는 방법이다.
상기 num_point 필드는 해당 레이어를 구성하는 포인트의 수를 나타낸다.
실시예들에 따른 어트리뷰트 파라미터 셋은 i번째 num_index 필드의 값이 1이 아니면 num_point 필드만 더 포함할 수 있다.
전술한 각각의 파트, 모듈 또는 유닛은 메모리(또는 저장 유닛)에 저장된 연속된 수행과정들을 실행하는 소프트웨어, 프로세서, 하드웨어 파트일 수 있다. 전술한 실시예에 기술된 각 단계들은 프로세서, 소프트웨어, 하드웨어 파트들에 의해 수행될 수 있다. 전술한 실시예에 기술된 각 모듈/블락/유닛들은 프로세서, 소프트웨어, 하드웨어로서 동작할 수 있다. 또한, 실시예들이 제시하는 방법들은 코드로서 실행될 수 있다. 이 코드는 프로세서가 읽을 수 있는 저장매체에 쓰여질 수 있고, 따라서 장치(apparatus)가 제공하는 프로세서에 의해 읽혀질 수 있다.
또한 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 그리고 명세서에 기재된 “…부”등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
본 명세서는 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.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다. 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 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. (In this document, the term "/" and "," should be interpreted to indicate "and/or". For instance, the expression "A/B" may mean "A and/or B". Further, "A, B" may mean "A and/or B". Further, "A/B/C" may mean "at least one of A, B, and/or C". Also, "A, B, C" may mean "at least one of A, B, and/or C.")
추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, "A 또는 B"은, 1) "A"만을 의미하고, 2) "B"만을 의미하거나, 3) "A 및 B"를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다. (Further, in the document, the term "or" should be interpreted to indicate "and/or". For instance, the expression "A or B" may comprise 1) only A, 2) only B, and/or 3) both A and B. in other words, the term "or" in this document should be interpreted to indicate "additionally or alternatively.")
실시예들의 다양한 엘리먼트들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 엘리먼트는 하드웨어 회로와 같은 싱글 칩 상에서 수행될 수 있다. 실시예들에 따라, 실시예들은 선택적으로 개별적인 칩들 상에서 수행될 수 있다. 실시예들에 따라, 실시예들의 엘리먼트들 중 적어도 하나는 실시예들에 따른 동작을 수행하는 인스트럭션들을 포함하는 하나 또는 하나 이상의 프로세서 내에서 수행될 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 엘리먼트들을 설명하기 위해서 사용된다. 이러한 용어는 실시예들의 엘리먼트들의 해석을 제한하지 않는다. 이러한 용어는 하나의 엘리먼트 및 다른 엘리먼트 간의 구별을 위해서 사용된다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어는 실시예들의 범위 내에서 해석될 수 있다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이고, 문맥 상 명확하게 지칭하지 않는 한 같은 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. “및/또는” 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. “포함한다” 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다.
실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
발명의 실시를 위한 최선의 형태에서 구체적으로 설명되었다.
본 실시예들의 사상이나 범위를 벗어나지 않고 본 실시예들에서 다양한 변경 및 변형이 가능함은 당업자에게 자명하다. 따라서, 실시예들은 첨부된 청구항 및 그 동등 범위 내에서 제공되는 본 실시예들의 변경 및 변형을 포함하는 것으로 의도된다.

Claims (20)

  1. 포인트 클라우드 데이터를 획득하는 단계;
    상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 인코딩하는 단계;
    상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 인코딩하는 단계; 및
    상기 인코딩된 지오메트리 정보와 상기 인코딩된 어트리뷰트 정보를 전송하는 단계를 포함하는 포인트 클라우드 데이터 전송 방법.
  2. 제 1 항에 있어서, 상기 지오메트리 정보를 인코딩하는 단계는
    상기 지오메트리 정보를 양자화하는 단계;
    상기 양자화된 지오메트리 정보를 기반으로 8진 트리 구조를 갖는 옥트리 구조를 생성하는 단계;
    상기 옥트리 구조를 근사화하는 단계;
    상기 생성된 옥트리 구조와 상기 근사화된 옥트리 구조를 기반으로 지오메트리 정보를 재구성하는 단계; 및
    상기 생성된 옥트리 구조 또는 상기 근사화된 옥트리 구조의 occupancy 코드들을 엔트로피 인코딩하여 지오메트리 비트스트림을 출력하는 단계를 포함하는 포인트 클라우드 데이터 전송 방법.
  3. 제 2 항에 있어서, 상기 어트리뷰트 정보를 인코딩하는 단계는
    상기 옥트리 구조의 노드들에 상기 포인트 클라우드 데이터의 어트리뷰트 정보와 지오메트리 정보를 매칭하는 단계;
    상기 포인트 클라우드 데이터의 어트리뷰트 정보와 지오메트리 정보가 매칭된 옥트리 구조를 기반으로 포인트 클라우드 데이터를 모아 retained 집합들을 생성하는 단계;
    상기 retained 집합들을 기반으로 레벨 오브 디테일(LOD)들을 생성하는 단계;
    상기 생성된 LOD들에 따라 상기 포인트 클라우드 데이터를 구분하는 단계; 및
    상기 구분된 포인트 클라우드 데이터의 어트리뷰트 정보를 압축하는 단계를 포함하는 포인트 클라우드 데이터 전송 방법.
  4. 제 3 항에 있어서,
    각 Retained 집합은 각 LoD를 구성하기 위해 일정 기준에 따라 이전 LoD 대비 새롭게 추가되는 포인트 클라우드 데이터의 모음인 포인트 클라우드 데이터 전송 방법.
  5. 제 3 항에 있어서,
    하나 이상의 레벨들의 포인트 클라우드 데이터를 하나의 Retained 집합으로 생성하는 포인트 클라우드 데이터 전송 방법.
  6. 제 3 항에 있어서,
    하나의 레벨의 포인트 클라우드 데이터를 나누어 복수개의 Retained 집합들로 생성하는 포인트 클라우드 데이터 전송 방법.
  7. 제 3 항에 있어서, 상기 옥트리 구조의 노드들에 상기 포인트 클라우드 데이터의 어트리뷰트 정보와 지오메트리 정보를 매칭하는 단계는 상기 옥트리 구조의 리프 노드 레벨 내 오큐파이드 노드들에 매칭된 어트리뷰트 정보 중 적어도 하나를 하나 이상의 상위 레벨들의 예측된 어트리뷰트 정보로 결정하는 포인트 클라우드 데이터 전송 방법.
  8. 포인트 클라우드 데이터를 획득하는 획득부;
    상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 인코딩하는 지오메트리 인코딩부;
    상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 인코딩하는 어트리뷰트 인코딩부; 및
    상기 인코딩된 지오메트리 정보와 상기 인코딩된 어트리뷰트 정보를 전송하는 트랜스미터를 포함하는 포인트 클라우드 데이터 전송 장치.
  9. 제 8 항에 있어서, 상기 지오메트리 인코딩부는
    상기 지오메트리 정보를 양자화하는 양자화부;
    상기 양자화된 지오메트리 정보를 기반으로 8진 트리 구조를 갖는 옥트리 구조를 생성하는 옥트리 분석부;
    상기 옥트리 구조를 근사화하는 근사화 분석부;
    상기 생성된 옥트리 구조와 상기 근사화된 옥트리 구조를 기반으로 지오메트리 정보를 재구성하는 지오메트리 재구성부; 및
    상기 생성된 옥트리 구조 또는 상기 근사화된 옥트리 구조의 occupancy 코드들을 엔트로피 인코딩하여 지오메트리 비트스트림을 출력하는 아리스메틱 인코딩부를 포함하는 포인트 클라우드 데이터 전송 장치.
  10. 제 8 항에 있어서, 상기 어트리뷰트 인코딩부는
    상기 옥트리 구조의 노드들에 상기 포인트 클라우드 데이터의 어트리뷰트 정보와 지오메트리 정보를 매칭하는 옥트리 컬러라이제이션부;
    상기 포인트 클라우드 데이터의 어트리뷰트 정보와 지오메트리 정보가 매칭된 옥트리 구조를 기반으로 포인트 클라우드 데이터를 모아 retained 집합들을 생성하고, 상기 retained 집합들을 기반으로 레벨 오브 디테일(LOD)들을 생성하는 LOD 생성부; 및
    상기 생성된 LOD들에 따라 상기 포인트 클라우드 데이터를 구분하고, 상기 구분된 포인트 클라우드 데이터의 어트리뷰트 정보를 압축하는 어트리뷰트 압축부를 포함하는 포인트 클라우드 데이터 전송 장치.
  11. 제 8 항에 있어서,
    각 Retained 집합은 각 LoD를 구성하기 위해 일정 기준에 따라 이전 LoD 대비 새롭게 추가되는 포인트 클라우드 데이터의 모음인 포인트 클라우드 데이터 전송 장치.
  12. 제 8 항에 있어서, 상기 LOD 생성부는
    하나 이상의 레벨들의 포인트 클라우드 데이터를 하나의 Retained 집합으로 생성하는 포인트 클라우드 데이터 전송 장치.
  13. 제 8 항에 있어서, 상기 LOD 생성부는
    하나의 레벨의 포인트 클라우드 데이터를 나누어 복수개의 Retained 집합들로 생성하는 포인트 클라우드 데이터 전송 장치.
  14. 제 8 항에 있어서, 상기 옥트리 컬러라이제이션부는
    상기 옥트리 구조의 리프 노드 레벨 내 오큐파이드 노드들에 매칭된 어트리뷰트 정보 중 적어도 하나를 하나 이상의 상위 레벨들의 예측된 어트리뷰트 정보로 결정하는 포인트 클라우드 데이터 전송 장치.
  15. 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 단계;
    상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 디코딩하는 단계;
    상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 디코딩하는 단계; 및
    상기 디코딩된 지오메트리 정보와 상기 디코딩된 어트리뷰트 정보를 프로세싱하여 렌더링하는 단계를 포함하는 포인트 클라우드 데이터 수신 방법.
  16. 제 15 항에 있어서,
    상기 지오메트리 정보를 디코딩하는 단계는
    상기 지오메트리 정보에 포함된 occupancy 코드를 기반으로 부분 레벨 또는 풀 레벨의 옥트리 구조를 재생성하여 지오메트리 정보를 복원하는 단계를 포함하는 포인트 클라우드 데이터 수신 방법.
  17. 제 16 항에 있어서,
    상기 어트리뷰트 정보를 디코딩하는 단계는
    상기 옥트리 구조를 기반으로 레벨 오브 디테일(LOD)들을 생성하고, 생성된 LOD들과 상기 부분 레벨 또는 풀 레벨의 옥트리 구조를 기반으로 상기 포인트 클라우드 데이터에 포함된 부분 레벨 또는 풀 레벨의 어트리뷰트 정보를 압축 해제하여 어트리뷰트 정보를 복원하는 단계를 포함하는 포인트 클라우드 데이터 수신 방법.
  18. 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 리시버;
    상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 디코딩하는 지오메트리 디코딩부;
    상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 디코딩하는 어트리뷰트 디코딩부; 및
    상기 디코딩된 지오메트리 정보와 상기 디코딩된 어트리뷰트 정보를 프로세싱하여 렌더링하는 렌더러를 포함하는 포인트 클라우드 데이터 수신 장치.
  19. 제 18 항에 있어서,
    상기 지오메트리 디코딩부는
    상기 지오메트리 정보에 포함된 occupancy 코드를 기반으로 부분 레벨 또는 풀 레벨의 옥트리 구조를 재생성하여 지오메트리 정보를 복원하는 포인트 클라우드 데이터 수신 장치.
  20. 제 19 항에 있어서, 상기 어트리뷰트 디코딩부는
    상기 옥트리 구조를 기반으로 LOD들을 생성하고, 생성된 LOD들과 상기 부분 레벨 또는 풀 레벨의 옥트리 구조를 기반으로 상기 포인트 클라우드 데이터에 포함된 부분 레벨 또는 풀 레벨의 어트리뷰트 정보를 압축 해제하여 어트리뷰트 정보를 복원하는 포인트 클라우드 데이터 수신 장치.
PCT/KR2020/006914 2019-06-26 2020-05-28 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2020262824A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/623,114 US20220327742A1 (en) 2019-06-26 2020-05-28 Point cloud data transmission device, point cloud data transmission method, point cloud data reception device and point cloud data reception method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2019-0076258 2019-06-26
KR20190076258 2019-06-26

Publications (1)

Publication Number Publication Date
WO2020262824A1 true WO2020262824A1 (ko) 2020-12-30

Family

ID=74060997

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/006914 WO2020262824A1 (ko) 2019-06-26 2020-05-28 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (2)

Country Link
US (1) US20220327742A1 (ko)
WO (1) WO2020262824A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022257968A1 (zh) * 2021-06-11 2022-12-15 维沃移动通信有限公司 点云编码方法、点云解码方法及终端

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
EP3496388A1 (en) * 2017-12-05 2019-06-12 Thomson Licensing A method and apparatus for encoding a point cloud representing three-dimensional objects
US20190180409A1 (en) * 2016-08-19 2019-06-13 Movidius Ltd. Operations using sparse volumetric data

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10904564B2 (en) * 2018-07-10 2021-01-26 Tencent America LLC Method and apparatus for video coding
US11010931B2 (en) * 2018-10-02 2021-05-18 Tencent America LLC Method and apparatus for video coding
US11166048B2 (en) * 2018-10-02 2021-11-02 Tencent America LLC Method and apparatus for video coding
WO2020123469A1 (en) * 2018-12-11 2020-06-18 Futurewei Technologies, Inc. Hierarchical tree attribute coding by median points in point cloud coding
CN113632142A (zh) * 2019-07-02 2021-11-09 腾讯美国有限责任公司 点云压缩的方法和装置
US11514610B2 (en) * 2019-08-14 2022-11-29 Tencent America LLC Method and apparatus for point cloud coding
US11368717B2 (en) * 2019-09-16 2022-06-21 Tencent America LLC Method and apparatus for point cloud compression
US11223836B2 (en) * 2019-12-02 2022-01-11 Tencent America LLC Method and apparatus for point cloud coding
US11417029B2 (en) * 2019-12-02 2022-08-16 Tencent America LLC Method and apparatus for point cloud coding

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170347122A1 (en) * 2016-05-28 2017-11-30 Microsoft Technology Licensing, Llc Scalable point cloud compression with transform, and corresponding decompression
US20190180409A1 (en) * 2016-08-19 2019-06-13 Movidius Ltd. Operations using sparse volumetric data
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
EP3496388A1 (en) * 2017-12-05 2019-06-12 Thomson Licensing A method and apparatus for encoding a point cloud representing three-dimensional objects

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022257968A1 (zh) * 2021-06-11 2022-12-15 维沃移动通信有限公司 点云编码方法、点云解码方法及终端

Also Published As

Publication number Publication date
US20220327742A1 (en) 2022-10-13

Similar Documents

Publication Publication Date Title
WO2020190093A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021066312A1 (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
WO2020242244A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2020189982A1 (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
WO2020189943A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002604A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2020246689A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002594A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021029511A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002592A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020197228A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020242077A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021045603A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002558A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
WO2022015006A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022075753A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045601A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002665A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2023182762A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020262824A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022092852A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021215811A1 (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: 20832192

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20832192

Country of ref document: EP

Kind code of ref document: A1