WO2021029575A1 - 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
WO2021029575A1
WO2021029575A1 PCT/KR2020/009972 KR2020009972W WO2021029575A1 WO 2021029575 A1 WO2021029575 A1 WO 2021029575A1 KR 2020009972 W KR2020009972 W KR 2020009972W WO 2021029575 A1 WO2021029575 A1 WO 2021029575A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
geometry
data
attribute
cloud data
Prior art date
Application number
PCT/KR2020/009972
Other languages
English (en)
French (fr)
Inventor
허혜정
오세진
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Publication of WO2021029575A1 publication Critical patent/WO2021029575A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/124—Quantisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/184—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being bits, e.g. of the compressed video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display

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, and provides various services such as VR (Virtual Reality, Virtual Reality), AR (Augmented Reality, Augmented Reality), MR (Mixed Reality, Mixed Reality), and autonomous driving services. Used to provide. However, tens of thousands to hundreds of thousands of point data are required to represent point cloud content. Therefore, a method for efficiently processing a vast amount of point data is required.
  • Embodiments provide an apparatus and method for efficiently processing point cloud data.
  • Embodiments provide a point cloud data processing method and apparatus for solving latency and encoding/decoding complexity.
  • the method of transmitting point cloud data includes: encoding point cloud data; Transmitting a bitstream including point cloud data; It may include.
  • a method for receiving point cloud data includes: receiving a bitstream including point cloud data; Decoding the point cloud data; It may include.
  • the apparatus and method according to the embodiments may process point cloud data with high efficiency.
  • the apparatus and method according to the embodiments may provide a point cloud service of high quality.
  • the apparatus and method according to the embodiments may provide point cloud content for providing general-purpose services such as VR services and autonomous driving services.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • FIG. 5 shows an example of a voxel according to embodiments.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • FIG 13 is an example of a reception device according to embodiments.
  • FIG. 14 shows an example of a structure capable of interworking with a method/device for transmitting and receiving point cloud data according to embodiments.
  • 16 illustrates an attribute coding operation based on geometry quantization for each axis according to embodiments.
  • FIG 17 shows the structure of a PCC data encoder according to embodiments.
  • FIG. 19 shows a configuration of an encoded point cloud according to embodiments.
  • 21 shows an SPS according to embodiments.
  • 26 shows a method of transmitting point cloud data according to embodiments.
  • FIG. 27 shows a method of receiving point cloud data according to embodiments.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system illustrated in FIG. 1 may include a transmission device 10000 and a reception device 10004.
  • the transmission device 10000 and the reception device 10004 are capable of wired or wireless communication to transmit and receive point cloud data.
  • the transmission device 10000 may secure, process, and transmit point cloud video (or point cloud content).
  • the transmission device 10000 is a fixed station, a base transceiver system (BTS), a network, an artificial intelligence (AI) device and/or system, a robot, an AR/VR/XR device and/or server. And the like.
  • the transmission device 10000 uses a radio access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to communicate with a base station and/or other wireless devices, Robots, vehicles, AR/VR/XR devices, portable devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, etc. may be included.
  • 5G NR New RAT
  • LTE Long Term Evolution
  • the transmission device 10000 includes a point cloud video acquisition unit (Point Cloud Video Acquisition, 10001), a point cloud video encoder (Point Cloud Video Encoder, 10002) and/or a transmitter (Transmitter (or Communication module), 10003). Include)
  • the point cloud video acquisition unit 10001 acquires a point cloud video through a process such as capture, synthesis, or generation.
  • the point cloud video is point cloud content expressed as a point cloud, which is a set of points located in a three-dimensional space, and may be referred to as point cloud video data.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Accordingly, the point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, a frame, and a picture.
  • the point cloud video encoder 10002 encodes the secured point cloud video data.
  • the point cloud video encoder 10002 may encode point cloud video data based on Point Cloud Compression coding.
  • Point cloud compression coding may include Geometry-based Point Cloud Compression (G-PCC) coding and/or Video based Point Cloud Compression (V-PCC) coding or next-generation coding.
  • G-PCC Geometry-based Point Cloud Compression
  • V-PCC Video based Point Cloud Compression
  • point cloud compression coding according to the embodiments is not limited to the above-described embodiments.
  • the point cloud video encoder 10002 may output a bitstream including encoded point cloud video data.
  • the bitstream may include not only the encoded point cloud video data, but also signaling information related to encoding of the point cloud video data.
  • the transmitter 10003 transmits a bitstream including encoded point cloud video data.
  • the bitstream according to the embodiments is encapsulated into a file or segment (for example, a streaming segment) and transmitted through various networks such as a broadcasting network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or an encapsulation module) that performs an encapsulation operation.
  • the encapsulation unit may be included in the transmitter 10003.
  • a file or segment may be transmitted to the receiving device 10004 through a network or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmitter 10003 may perform wired/wireless communication with the reception device 10004 (or a receiver 10005) through a network such as 4G, 5G, or 6G.
  • the transmitter 10003 may perform necessary data processing operations according to a network system (for example, a communication network system such as 4G, 5G, or 6G).
  • the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • the reception device 10004 includes a receiver 10005, a point cloud video decoder 10006, and/or a renderer 10007.
  • the receiving device 10004 uses a wireless access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to communicate with a base station and/or other wireless devices, a robot , Vehicles, AR/VR/XR devices, portable devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like.
  • 5G NR New RAT
  • LTE Long Term Evolution
  • the receiver 10005 receives a bitstream including point cloud video data or a file/segment in which the bitstream is encapsulated from a network or a storage medium.
  • the receiver 10005 may perform necessary data processing operations according to a network system (for example, a communication network system such as 4G, 5G, or 6G).
  • the receiver 10005 may decapsulate the received file/segment and output a bitstream.
  • the receiver 10005 may include a decapsulation unit (or a decapsulation module) for performing a decapsulation operation.
  • the decapsulation unit may be implemented as an element (or component) separate from the receiver 10005.
  • the point cloud video decoder 10006 decodes a bitstream including point cloud video data.
  • the point cloud video decoder 10006 may decode the point cloud video data according to the encoding method (for example, a reverse process of the operation of the point cloud video encoder 10002). Accordingly, the point cloud video decoder 10006 may decode the point cloud video data by performing point cloud decompression coding, which is a reverse process of the point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • the renderer 10007 renders the decoded point cloud video data.
  • the renderer 10007 may output point cloud content by rendering audio data as well as point cloud video data.
  • the renderer 10007 may include a display for displaying point cloud content.
  • the display is not included in the renderer 10007 and may be implemented as a separate device or component.
  • the feedback information is information for reflecting an interaction ratio with a user who consumes point cloud content, and includes user information (eg, head orientation information, viewport information, etc.).
  • user information eg, head orientation information, viewport information, etc.
  • the feedback information is the content sending side (for example, the transmission device 10000) and/or a service provider.
  • the feedback information may be used not only in the transmitting device 10000 but also in the receiving device 10004, and may not be provided.
  • Head orientation information is information on a position, direction, angle, and movement of a user's head.
  • the receiving device 10004 may calculate viewport information based on the head orientation information.
  • the viewport information is information on the area of the point cloud video that the user is viewing.
  • a viewpoint is a point at which the user is watching a point cloud video, and may mean a center point of a viewport area. That is, the viewport is an area centered on a viewpoint, and the size and shape of the area may be determined by a field of view (FOV).
  • FOV field of view
  • the receiving device 10004 may extract viewport information based on a vertical or horizontal FOV supported by the device in addition to the head orientation information.
  • the receiving device 10004 performs a gaze analysis and the like to check the point cloud consumption method of the user, the point cloud video area that the user gazes, and the gaze time.
  • the receiving device 10004 may transmit feedback information including the result of gaze analysis to the transmitting device 10000.
  • Feedback information may be obtained during rendering and/or display.
  • Feedback information may be secured by one or more sensors included in the receiving device 10004.
  • the feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • a dotted line in FIG. 1 shows a process of transmitting feedback information secured by the renderer 10007.
  • the point cloud content providing system may process (encode/decode) point cloud data based on feedback information.
  • the point cloud video data decoder 10006 may perform a decoding operation based on the feedback information.
  • the receiving device 10004 may transmit feedback information to the transmitting device 10000.
  • the transmission device 10000 (or the point cloud video data encoder 10002) may perform an encoding operation based on feedback information. Therefore, the point cloud content providing system does not process (encode/decode) all point cloud data, but efficiently processes necessary data (e.g., point cloud data corresponding to the user's head position) based on feedback information. Point cloud content can be provided to users.
  • the transmission device 10000 may be referred to as an encoder, a transmission device, a transmitter, and the like
  • the reception device 10004 may be referred to as a decoder, a reception device, a receiver, or the like.
  • Point cloud data (processed in a series of acquisition/encoding/transmission/decoding/rendering) processed in the point cloud content providing system of FIG. 1 according to embodiments may be referred to as point cloud content data or point cloud video data.
  • the point cloud content data may be used as a concept including metadata or signaling information related to the point cloud data.
  • Elements of the point cloud content providing system shown in FIG. 1 may be implemented by hardware, software, processor, and/or a combination thereof.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • the block diagram of FIG. 2 shows the operation of the point cloud content providing system described in FIG. 1.
  • the point cloud content providing system may process point cloud data based on point cloud compression coding (eg, G-PCC).
  • point cloud compression coding eg, G-PCC
  • a point cloud content providing system may acquire a point cloud video (20000).
  • the point cloud video is expressed as a point cloud belonging to a coordinate system representing a three-dimensional space.
  • a point cloud video may include a Ply (Polygon File format or the Stanford Triangle format) file.
  • Ply files contain point cloud data such as the geometry and/or attributes of the point.
  • the geometry includes the positions of the points.
  • the position of each point may be expressed by parameters (eg, values of each of the X-axis, Y-axis, and Z-axis) representing a three-dimensional coordinate system (eg, a coordinate system composed of XYZ axes).
  • Attributes include attributes of points (eg, texture information of each point, color (YCbCr or RGB), reflectance (r), transparency, etc.).
  • a point has one or more attributes (or attributes).
  • one point may have an attribute of one color, or two attributes of a color and reflectance.
  • geometry may be referred to as positions, geometry information, geometry data, and the like, and attributes may be referred to as attributes, attribute information, attribute data, and the like.
  • the point cloud content providing system (for example, the point cloud transmission device 10000 or the point cloud video acquisition unit 10001) provides points from information related to the acquisition process of the point cloud video (eg, depth information, color information, etc.). Cloud data can be secured.
  • the point cloud content providing system may encode point cloud data (20001).
  • the point cloud content providing system may encode point cloud data based on point cloud compression coding.
  • the point cloud data may include the geometry and attributes of the point.
  • the point cloud content providing system may output a geometry bitstream by performing geometry encoding for encoding geometry.
  • the point cloud content providing system may output an attribute bitstream by performing attribute encoding for encoding the attribute.
  • the point cloud content providing system may perform attribute encoding based on geometry encoding.
  • the geometry bitstream and the attribute bitstream according to the embodiments may be multiplexed and output as one bitstream.
  • the bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • the point cloud content providing system may transmit encoded point cloud data (20002).
  • the encoded point cloud data may be expressed as a geometry bitstream and an attribute bitstream.
  • the encoded point cloud data may be transmitted in the form of a bitstream together with signaling information related to encoding of the point cloud data (eg, signaling information related to geometry encoding and attribute encoding).
  • the point cloud content providing system may encapsulate the bitstream for transmitting the encoded point cloud data and transmit it in the form of a file or segment.
  • the point cloud content providing system may receive a bitstream including encoded point cloud data.
  • the point cloud content providing system may demultiplex the bitstream.
  • the point cloud content providing system can decode the encoded point cloud data (e.g., geometry bitstream, attribute bitstream) transmitted as a bitstream. have.
  • the point cloud content providing system (for example, the receiving device 10004 or the point cloud video decoder 10005) can decode the point cloud video data based on signaling information related to encoding of the point cloud video data included in the bitstream. have.
  • the point cloud content providing system (for example, the receiving device 10004 or the point cloud video decoder 10005) may restore positions (geometry) of points by decoding a geometry bitstream.
  • the point cloud content providing system may restore the attributes of points by decoding an attribute bitstream based on the restored geometry.
  • the point cloud content providing system (for example, the receiving device 10004 or the point cloud video decoder 10005) may restore the point cloud video based on the decoded attributes and positions according to the restored geometry.
  • the point cloud content providing system may render the decoded point cloud data (20004 ).
  • the point cloud content providing system may render geometry and attributes decoded through a decoding process according to a rendering method according to various rendering methods. Points of the point cloud content may be rendered as a vertex having a certain thickness, a cube having a specific minimum size centered on the vertex position, or a circle centered on the vertex position. All or part of the rendered point cloud content is provided to the user through a display (eg VR/AR display, general display, etc.).
  • a display eg VR/AR display, general display, etc.
  • the point cloud content providing system may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode point cloud data based on feedback information. Since the operation of the system for providing feedback information and point cloud content according to the embodiments is the same as the feedback information and operation described in FIG. 1, a detailed description will be omitted.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIGS. 1 to 2 shows an example of a point cloud video capture process in the point cloud content providing system described in FIGS. 1 to 2.
  • the point cloud content is an object located in various three-dimensional spaces (for example, a three-dimensional space representing a real environment, a three-dimensional space representing a virtual environment, etc.) and/or a point cloud video (images and/or Videos). Therefore, the point cloud content providing system according to the embodiments includes one or more cameras (eg, an infrared camera capable of securing depth information, color information corresponding to the depth information) to generate the point cloud content. You can capture a point cloud video using an RGB camera that can extract the image), a projector (for example, an infrared pattern projector to secure depth information), and LiDAR.
  • cameras eg, an infrared camera capable of securing depth information, color information corresponding to the depth information
  • a projector for example, an infrared pattern projector to secure depth information
  • LiDAR LiDAR
  • the point cloud content providing system may obtain point cloud data by extracting a shape of a geometry composed of points in a 3D space from depth information, and extracting an attribute of each point from color information.
  • An image and/or an image according to the embodiments may be captured based on at least one or more of an inward-facing method and an outward-facing method.
  • the left side of Fig. 3 shows an inword-facing scheme.
  • the inword-facing method refers to a method in which one or more cameras (or camera sensors) located surrounding a central object capture a central object.
  • the in-word-facing method provides point cloud content that provides users with 360-degree images of key objects (e.g., provides users with 360-degree images of objects (e.g., key objects such as characters, players, objects, actors, etc.) VR/AR content).
  • the outward-facing method refers to a method in which one or more cameras (or camera sensors) located surrounding the central object capture the environment of the central object other than the central object.
  • the outward-pacing method may be used to generate point cloud content (for example, content representing an external environment that may be provided to a user of a self-driving vehicle) to provide an environment that appears from a user's point of view.
  • the point cloud content may be generated based on the capture operation of one or more cameras.
  • the point cloud content providing system may calibrate one or more cameras to set a global coordinate system before the capture operation.
  • the point cloud content providing system may generate point cloud content by synthesizing an image and/or image captured by the above-described capture method with an arbitrary image and/or image.
  • the point cloud content providing system may not perform the capture operation described in FIG. 3 when generating point cloud content representing a virtual space.
  • the point cloud content providing system may perform post-processing on the captured image and/or image. In other words, the point cloud content providing system removes an unwanted area (e.g., background), recognizes the space where captured images and/or images are connected, and performs an operation to fill in a spatial hole if there is. I can.
  • the point cloud content providing system may generate one point cloud content by performing coordinate system transformation on points of the point cloud video acquired from each camera.
  • the point cloud content providing system may perform a coordinate system transformation of points based on the position coordinates of each camera. Accordingly, the point cloud content providing system may generate content representing a wide range, or may generate point cloud content having a high density of points.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • the point cloud encoder uses point cloud data (for example, positions and/or positions of points) to adjust the quality of the point cloud content (for example, lossless-lossless, loss-lossy, near-lossless) according to network conditions or applications. Attributes) and perform an encoding operation.
  • point cloud data for example, positions and/or positions of points
  • the quality of the point cloud content for example, lossless-lossless, loss-lossy, near-lossless
  • Attributes perform an encoding operation.
  • the point cloud content providing system may not be able to stream the content in real time. Therefore, the point cloud content providing system can reconstruct the point cloud content based on the maximum target bitrate in order to provide it according to the network environment.
  • the point cloud encoder may perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • the point cloud encoder includes a coordinate system transformation unit (Transformation Coordinates, 40000), a quantization unit (Quantize and Remove Points (Voxelize), 40001), an octree analysis unit (Analyze Octree, 40002), and a surface aproxiation analysis unit.
  • the coordinate system transform unit 40000, the quantization unit 40001, the octree analysis unit 40002, the surface aproximation analysis unit 40003, the arithmetic encoder 40004, and the geometry reconstruction unit 40005 perform geometry encoding. can do.
  • Geometry encoding according to embodiments may include octree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisoup geometry encoding are applied selectively or in combination. Also, geometry encoding is not limited to the above example.
  • the coordinate system conversion unit 40000 receives positions and converts them into a coordinate system.
  • positions may be converted into position information in a three-dimensional space (eg, a three-dimensional space represented by an XYZ coordinate system).
  • the location information of the 3D space according to embodiments may be referred to as geometry information.
  • the quantization unit 40001 quantizes geometry. For example, the quantization unit 40001 may quantize points based on the minimum position values of all points (eg, minimum values on each axis with respect to the X-axis, Y-axis, and Z-axis). The quantization unit 40001 multiplies the difference between the minimum position value and the position value of each point by a preset quantum scale value, and then performs a quantization operation to find the nearest integer value by performing a rounding or a rounding. Thus, one or more points may have the same quantized position (or position value). The quantization unit 40001 according to embodiments performs voxelization based on the quantized positions to reconstruct the quantized points.
  • the quantization unit 40001 performs voxelization based on the quantized positions to reconstruct the quantized points.
  • the minimum unit including the 2D image/video information is a pixel, and points of the point cloud content (or 3D point cloud video) according to the embodiments may be included in one or more voxels.
  • Voxel is a combination of volume and pixel
  • the quantization unit 40001 may match groups of points in a 3D space with voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • a position of a center of a corresponding voxel may be set based on positions of one or more points included in one voxel.
  • attributes of all positions included in one voxel may be combined and assigned to a corresponding voxel.
  • the octree analysis unit 40002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure represents points matched to voxels based on an octal tree structure.
  • the surface aproxiation analysis unit 40003 may analyze and approximate the octree.
  • the octree analysis and approximation according to the embodiments is a process of analyzing to voxelize a region including a plurality of points in order to efficiently provide octree and voxelization.
  • the arithmetic encoder 40004 entropy encodes the octree and/or the approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • a geometry bitstream is generated.
  • Color conversion unit 40006, attribute conversion unit 40007, RAHT conversion unit 40008, LOD generation unit 40009, lifting conversion unit 40010, coefficient quantization unit 40011 and/or Arismatic encoder 40012 Performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is applied equally to attributes of one point. However, when one attribute (eg, color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding includes color transform coding, attribute transform coding, Region Adaptive Hierarchial Transform (RAHT) coding, Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding, and interpolation-based hierarchical nearest -Neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • RAHT Region Adaptive Hierarchial Transform
  • Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding
  • interpolation-based hierarchical nearest -Neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • the aforementioned RAHT coding, predictive transform coding, and lifting transform coding may be selectively used, or a combination of one or more codings may be used.
  • attribute encoding according to embodiments is not limited to the above-de
  • the color conversion unit 40006 performs color conversion coding for converting color values (or textures) included in attributes.
  • the color conversion unit 40006 may convert the format of color information (eg, convert from RGB to YCbCr).
  • the operation of the color conversion unit 40006 according to the embodiments may be selectively applied according to color values included in attributes.
  • the geometry reconstruction unit 40005 reconstructs (decompresses) an octree and/or an approximated octree.
  • the geometry reconstruction unit 40005 reconstructs an octree/voxel based on a result of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as reconstructed geometry (or reconstructed geometry).
  • the attribute conversion unit 40007 performs attribute conversion for converting attributes based on the reconstructed geometry and/or positions for which geometry encoding has not been performed. As described above, since attributes are dependent on geometry, the attribute conversion unit 40007 may transform the attributes based on the reconstructed geometry information. For example, the attribute conversion unit 40007 may convert an attribute of the point of the position based on the position value of the point included in the voxel. As described above, when a position of a center point of a corresponding voxel is set based on positions of one or more points included in one voxel, the attribute conversion unit 40007 converts attributes of one or more points. When tri-soup geometry encoding is performed, the attribute conversion unit 40007 may convert attributes based on trisoup geometry encoding.
  • the attribute conversion unit 40007 is an average value of attributes or attribute values (for example, the color of each point or reflectance) of points neighboring within a specific position/radius from the position (or position value) of the center point of each voxel. Attribute conversion can be performed by calculating.
  • the attribute conversion unit 40007 may apply a weight according to a distance from a central point to each point when calculating an average value. Thus, each voxel has a position and a calculated attribute (or attribute value).
  • the attribute conversion unit 40007 may search for neighboring points existing within a specific position/radius from the position of the center point of each voxel based on a K-D tree or a Molton code.
  • the K-D tree is a binary search tree and supports a data structure that can manage points based on location so that Nearest Neighbor Search (NNS) is possible.
  • the Molton code represents a coordinate value (for example, (x, y, z)) representing a three-dimensional position of all points as a bit value, and is generated by mixing the bits. For example, if the coordinate value indicating the position of the point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute conversion unit 40007 may sort points based on a Morton code value and perform a shortest neighbor search (NNS) through a depth-first traversal process. After the attribute transformation operation, when the shortest neighbor search (NNS) is required in another transformation process for attribute coding, a K-D tree or a Molton code is used.
  • NSS shortest neighbor search
  • the converted attributes are input to the RAHT conversion unit 40008 and/or the LOD generation unit 40009.
  • the RAHT conversion unit 40008 performs RAHT coding for predicting attribute information based on the reconstructed geometry information. For example, the RAHT conversion unit 40008 may predict attribute information of a node at a higher level of the octree based on attribute information associated with a node at a lower level of the octree.
  • the LOD generation unit 40009 generates a level of detail (LOD) to perform predictive transform coding.
  • LOD level of detail
  • the LOD according to the embodiments is a degree representing the detail of the point cloud content, and a smaller LOD value indicates that the detail of the point cloud content decreases, and a larger LOD value indicates that the detail of the point cloud content is high. Points can be classified according to LOD.
  • the lifting transform unit 40010 performs lifting transform coding that transforms attributes of a point cloud based on weights. As described above, the lifting transform coding can be selectively applied.
  • the coefficient quantization unit 40011 quantizes attribute-coded attributes based on coefficients.
  • Arismatic encoder 40012 encodes quantized attributes based on Arismatic coding.
  • the elements of the point cloud encoder of FIG. 4 are not shown in the drawing, but hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing apparatus. , Software, firmware, or a combination thereof.
  • One or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud encoder of FIG. 4 described above. Further, one or more processors may operate or execute a set of software programs and/or instructions for performing operations and/or functions of the elements of the point cloud encoder of FIG. 4.
  • One or more memories according to embodiments may include high speed random access memory, and nonvolatile memory (e.g., one or more magnetic disk storage devices, flash memory devices, or other nonvolatile solid state Memory devices (solid-state memory devices, etc.).
  • FIG. 5 shows an example of a voxel according to embodiments.
  • voxels located in a three-dimensional space represented by a coordinate system composed of three axes of the X-axis, Y-axis and Z-axis.
  • a point cloud encoder eg, quantization unit 40001
  • voxel 5 is an octree structure recursively subdividing a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ) Shows an example of a voxel generated through.
  • One voxel includes at least one or more points.
  • the voxel can estimate spatial coordinates from the positional relationship with the voxel group.
  • voxels have attributes (color or reflectance, etc.) like pixels of a 2D image/video. A detailed description of the voxel is the same as that described with reference to FIG. 4 and thus is omitted.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • a point cloud content providing system (point cloud video encoder 10002) or a point cloud encoder (for example, octree analysis unit 40002) efficiently manages the area and/or position of the voxel.
  • octree geometry coding (or octree coding) based on an octree structure is performed.
  • FIG. 6 shows an octree structure.
  • the three-dimensional space of the point cloud content according to the embodiments is represented by axes of a coordinate system (eg, X-axis, Y-axis, Z-axis).
  • the octree structure is created by recursive subdividing of a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ). . 2d may be set to a value constituting the smallest bounding box surrounding all points of the point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the d value is determined according to the following equation. In the following equation, (x int n , y int n , z int n ) represents positions (or position values) of quantized points.
  • the entire 3D space may be divided into eight spaces according to the division.
  • Each divided space is represented by a cube with 6 faces.
  • each of the eight spaces is divided again based on the axes of the coordinate system (eg, X axis, Y axis, Z axis).
  • axes of the coordinate system e.g, X axis, Y axis, Z axis.
  • each space is further divided into eight smaller spaces.
  • the divided small space is also represented as a cube with 6 faces. This division method is applied until a leaf node of an octree becomes a voxel.
  • the lower part of FIG. 6 shows the octree's ocupancy code.
  • the octree's ocupancy code is generated to indicate whether each of the eight divided spaces generated by dividing one space includes at least one point. Therefore, one Okufanshi code is represented by 8 child nodes. Each child node represents the occupancy of the divided space, and the child node has a value of 1 bit. Therefore, the Ocufanshi code is expressed as an 8-bit code. That is, if at least one point is included in the space corresponding to the child node, the node has a value of 1. If the point is not included in the space corresponding to the child node (empty), the node has a value of 0. Since the ocupancy code shown in FIG.
  • a point cloud encoder (for example, the Arismatic encoder 40004) according to embodiments may entropy encode an ocupancy code.
  • the point cloud encoder can intra/inter code the ocupancy code.
  • the reception device (for example, the reception device 10004 or the point cloud video decoder 10006) according to the embodiments reconstructs an octree based on an ocupancy code.
  • a point cloud encoder may perform voxelization and octree coding to store positions of points.
  • points in the 3D space are not always evenly distributed, there may be a specific area where there are not many points. Therefore, it is inefficient to perform voxelization over the entire 3D space. For example, if there are almost no points in a specific area, it is not necessary to perform voxelization to the corresponding area.
  • the point cloud encoder does not perform voxelization for the above-described specific region (or nodes other than the leaf nodes of the octree), but directly codes the positions of points included in the specific region. ) Can be performed. Coordinates of a direct coding point according to embodiments are referred to as a direct coding mode (DCM).
  • the point cloud encoder according to embodiments may perform trisoup geometry encoding in which positions of points within a specific region (or node) are reconstructed based on voxels based on a surface model. Trisoup geometry encoding is a geometry encoding that expresses the representation of an object as a series of triangle meshes.
  • Direct coding and trisoup geometry encoding may be selectively performed.
  • direct coding and trisoup geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use direct mode to apply direct coding must be activated, and the node to which direct coding is applied is not a leaf node, but below the threshold within a specific node. There must be points of. In addition, the number of all points subject to direct coding must not exceed a preset limit.
  • the point cloud encoder (or the arithmetic encoder 40004) according to the embodiments may entropy-code the positions (or position values) of the points.
  • the point cloud encoder determines a specific level of the octree (if the level is less than the depth d of the octree), and from that level, the node Trisoup geometry encoding that reconstructs the position of a point in the region based on voxels can be performed (tri-soup mode).
  • a point cloud encoder may designate a level to which trisoup geometry encoding is applied. For example, if the specified level is equal to the depth of the octree, the point cloud encoder does not operate in the try-soup mode.
  • the point cloud encoder may operate in the try-soup mode only when the specified level is less than the depth value of the octree.
  • a three-dimensional cube area of nodes of a designated level according to the embodiments is referred to as a block.
  • One block may include one or more voxels.
  • the block or voxel may correspond to a brick.
  • the geometry is represented by a surface.
  • the surface according to embodiments may intersect each edge (edge) of the block at most once.
  • one block has 12 edges, there are at least 12 intersection points within one block. Each intersection is called a vertex (vertex, or vertex).
  • a vertex existing along an edge is detected when there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An occupied voxel refers to a voxel including a point. The position of the vertex detected along the edge is the average position along the edge of all voxels among all blocks sharing the edge.
  • the point cloud encoder When a vertex is detected, the point cloud encoder according to the embodiments entropycodes the starting point (x, y, z) of the edge, the direction vector of the edge ( ⁇ x, ⁇ y, ⁇ z), and vertex position values (relative position values within the edge). I can.
  • the point cloud encoder e.g., the geometry reconstruction unit 40005
  • the point cloud encoder performs a triangle reconstruction, up-sampling, and voxelization process. By doing so, you can create reconstructed geometry (reconstructed geometry).
  • the vertices located at the edge of the block determine the surface that passes through the block.
  • the surface according to the embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by a triangle based on the starting point of the edge, the direction vector of the edge, and the position value of the vertex.
  • the triangle reconstruction process is as follows. 1 Calculate the centroid value of each vertex, and 2 calculate the values obtained by subtracting the center value from each vertex value and 3 perform the square and add all the values.
  • each vertex is projected on the x-axis based on the center of the block, and projected on the (y, z) plane.
  • the projected value on the (y, z) plane is (ai, bi)
  • ⁇ is obtained through atan2(bi, ai)
  • vertices are aligned based on the ⁇ value.
  • the table below shows a combination of vertices for generating a triangle according to the number of vertices. Vertices are ordered from 1 to n.
  • the table below shows that for four vertices, two triangles may be formed according to a combination of vertices.
  • the first triangle may be composed of 1st, 2nd, and 3rd vertices among the aligned vertices
  • the second triangle may be composed of 3rd, 4th and 1st vertices among the aligned vertices. .
  • the upsampling process is performed to voxelize by adding points in the middle along the edge of the triangle. Additional points are created based on the upsampling factor and the width of the block. The additional point is called a refined vertice.
  • the point cloud encoder may voxelize refined vertices. In addition, the point cloud encoder may perform attribute encoding based on the voxelized position (or position value).
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • the point cloud encoder may perform entropy coding based on context adaptive arithmetic coding.
  • a point cloud content providing system or a point cloud encoder directly converts the Ocufanshi code.
  • Entropy coding is possible.
  • the point cloud content providing system or point cloud encoder performs entropy encoding (intra encoding) based on the ocupancy code of the current node and the ocupancy of neighboring nodes, or entropy encoding (inter encoding) based on the ocupancy code of the previous frame. ) Can be performed.
  • a frame according to embodiments means a set of point cloud videos generated at the same time.
  • the compression efficiency of intra-encoding/inter-encoding may vary depending on the number of referenced neighbor nodes. The larger the bit, the more complicated it is, but it can be skewed to one side, increasing 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 encoder determines occupancy of neighboring nodes of each node of an octree and obtains a value of a neighbor pattern.
  • the neighboring node pattern is used to infer the occupancy pattern of the corresponding node.
  • the left side of FIG. 7 shows a cube corresponding to a node (centered cube) and six cubes (neighbor nodes) that share at least one surface with the cube. Nodes shown in the figure are nodes of the same depth (depth). Numbers shown in the figure indicate weights (1, 2, 4, 8, 16, 32, etc.) associated with each of the six nodes. Each weight is sequentially assigned according to the positions of neighboring nodes.
  • the right side of FIG. 7 shows neighboring node pattern values.
  • the neighbor node pattern value is the sum of values multiplied by weights of the occupied neighbor nodes (neighbor nodes having points). Therefore, the neighbor node pattern value has a value from 0 to 63. When the neighbor node pattern value is 0, it indicates that no node (occupied node) has a point among neighboring nodes of the corresponding node. If the neighboring node pattern value is 63, it indicates that all neighboring nodes are occupied nodes. As shown in the figure, since neighboring nodes to which weights 1, 2, 4, and 8 are assigned are occupied nodes, the neighboring node pattern value is 15, which is the sum of 1, 2, 4, and 8.
  • the point cloud encoder may perform coding according to the neighboring node pattern value (for example, if the neighboring node pattern value is 63, 64 types of coding are performed). According to embodiments, the point cloud encoder may reduce coding complexity by changing a neighbor node pattern value (for example, based on a table changing 64 to 10 or 6).
  • the encoded geometry is reconstructed (decompressed) before attribute encoding is performed.
  • the geometry reconstruction operation may include changing the placement of the direct coded points (eg, placing the direct coded points in front of the point cloud data).
  • the geometry reconstruction process is triangular reconstruction, upsampling, voxelization, and the attribute is dependent on geometry, so the attribute encoding is performed based on the reconstructed geometry.
  • a point cloud encoder (for example, the LOD generator 40009 may reorganize points by LOD.
  • the drawing shows point cloud content corresponding to the LOD.
  • the left side of the drawing shows the original point cloud content.
  • the second figure from the left of the figure shows the distribution of the points of the lowest LOD, and the figure on the right shows the distribution of the points of the highest LOD, that is, the points of the lowest LOD are sparse and the highest
  • the points of the LOD are densely distributed, that is, as the LOD increases in the direction of the arrow indicated at the bottom of the figure, the spacing (or distance) between the points becomes shorter.
  • a point cloud content providing system or a point cloud encoder (for example, a point cloud video encoder 10002, a point cloud encoder in FIG. 4, or an LOD generator 40009) generates an LOD. can do.
  • the LOD is generated by reorganizing the points into a set of refinement levels according to a set LOD distance value (or a set of Euclidean distance).
  • the LOD generation process is performed in the point cloud decoder as well as the point cloud encoder.
  • FIG. 9 shows examples (P0 to P9) of points of point cloud content distributed in a three-dimensional space.
  • the original order of FIG. 9 represents the order of points P0 to P9 before LOD generation.
  • the LOD based order of FIG. 9 represents the order of points according to LOD generation. Points are rearranged by LOD. Also, the high LOD includes points belonging to the low LOD.
  • LOD0 includes P0, P5, P4 and P2.
  • LOD1 includes the points of LOD0 and P1, P6 and P3.
  • LOD2 includes points of LOD0, points of LOD1 and P9, P8 and P7.
  • the point cloud encoder may selectively or combine predictive transform coding, lifting transform coding, and RAHT transform coding.
  • the point cloud encoder may generate a predictor for points and perform predictive transform coding to set a predicted attribute (or predicted attribute value) of each point. That is, N predictors may be generated for N points.
  • the predicted attribute (or attribute value) is a weight calculated based on the distance to each neighboring point to the attributes (or attribute values, for example, color, reflectance, etc.) of neighboring points set in the predictor of each point. It is set as the average value multiplied by (or weight value).
  • a point cloud encoder e.g., the coefficient quantization unit 40011
  • the quantization process is as shown in the following table.
  • a point cloud 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 encoder according to the examples 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.
  • Point cloud encoder for example, the lifting transform unit 40010 generates a predictor of each point, sets the calculated LOD to the predictor, registers neighboring points, and weights according to distances to neighboring points
  • Lifting transform coding can be performed by setting the Lifting transform coding according to the embodiments is similar to the above-described predictive transform coding, but differs in that a weight is accumulated and applied to an attribute value.
  • the process of cumulatively applying weights to values is as follows.
  • the weights calculated by additionally multiplying the weights calculated for all predictors by the weights stored in the QW corresponding to the predictor indexes are cumulatively added to the update weight array by the indexes of neighboring nodes.
  • the value obtained by multiplying the calculated weight by the attribute value of the index of the neighboring node is accumulated and summed.
  • the predicted attribute value is calculated by additionally multiplying the attribute value updated through the lift update process by the weight updated through the lift prediction process (stored in QW).
  • a point cloud encoder for example, the coefficient quantization unit 40011
  • the point cloud encoder for example, the Arismatic encoder 40012
  • the point cloud encoder (for example, the RAHT transform unit 40008) according to the embodiments may perform RAHT transform coding that estimates the attributes of higher-level nodes by using an attribute associated with a node at a lower level of the octree.
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud encoder according to the embodiments scans from voxels to the entire area, and repeats the merging process up to the root node while merging the voxels into larger blocks in each step.
  • the merging process according to the embodiments is performed only for an occupied node.
  • the merging process is not performed for the empty node, and the merging process is performed for the node immediately above the empty node.
  • g lx, y, and z denote average attribute values 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, and z are low-pass values and are used in the merging process at the next higher level.
  • h l-1 x, y, and 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 created through the last g 1 0, 0, 0 and g 1 0, 0, 1 as follows,
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder illustrated in FIG. 10 is an example of the point cloud video decoder 10006 described in FIG. 1, and may perform the same or similar operation as that of the point cloud video decoder 10006 described in FIG. 1.
  • the point cloud decoder may receive a geometry bitstream and an attribute bitstream included in one or more bitstreams.
  • the point cloud decoder includes a geometry decoder and an attribute decoder.
  • the geometry decoder performs geometry decoding on the geometry bitstream and outputs decoded geometry.
  • the attribute decoder outputs decoded attributes by performing attribute decoding on the basis of the decoded geometry and the attribute bitstream.
  • the decoded geometry and decoded attributes are used to reconstruct the point cloud content.
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder illustrated in FIG. 11 is an example of the point cloud decoder described in FIG. 10, and may perform a decoding operation that is a reverse process of the encoding operation of the point cloud encoder described in FIGS. 1 to 9.
  • the point cloud decoder may perform geometry decoding and attribute decoding. Geometry decoding is performed prior to attribute decoding.
  • the point cloud decoder includes an arithmetic decoder (11000), an octree synthesis unit (synthesize octree, 11001), a surface optimization synthesis unit (synthesize surface approximation, 11002), and a geometry reconstruction unit (reconstruct geometry). , 11003), inverse transform coordinates (11004), arithmetic decode (11005), inverse quantize (11006), RAHT transform unit (11007), LOD generator (generate LOD, 11008) ), Inverse lifting (11009), and/or inverse transform colors (11010).
  • the arithmetic decoder 11000, the octree synthesis unit 11001, the surface opoxidation synthesis unit 11002, the geometry reconstruction unit 11003, and the coordinate system inverse transform unit 11004 may perform geometry decoding.
  • Geometry decoding according to embodiments may include direct coding and trisoup geometry decoding. Direct coding and trisoup geometry decoding are optionally applied. Further, the geometry decoding is not limited to the above example, and is performed in the reverse process of the geometry encoding described in FIGS. 1 to 9.
  • the Arismatic decoder 11000 decodes the received geometry bitstream based on Arismatic coding.
  • the operation of the Arismatic decoder 11000 corresponds to the reverse process of the Arismatic encoder 40004.
  • the octree synthesizer 11001 may generate an octree by obtaining an ocupancy code from a decoded geometry bitstream (or information on a geometry obtained as a result of decoding).
  • a detailed description of the OQFancy code is as described in FIGS. 1 to 9.
  • the surface opoxidation synthesizer 11002 may synthesize a surface based on the decoded geometry and/or the generated octree.
  • the geometry reconstruction unit 11003 may regenerate the geometry based on the surface and/or the decoded geometry. 1 to 9, direct coding and trisoup geometry encoding are selectively applied. Accordingly, the geometry reconstruction unit 11003 directly imports and adds position information of points to which direct coding is applied. In addition, when trisoup geometry encoding is applied, the geometry reconstruction unit 11003 performs a reconstruction operation of the geometry reconstruction unit 40005, such as triangle reconstruction, up-sampling, and voxelization, to restore the geometry. have. Details are the same as those described in FIG. 6 and thus will be omitted.
  • the reconstructed geometry may include a point cloud picture or frame that does not include attributes.
  • the coordinate system inverse transform unit 11004 may acquire positions of points by transforming a coordinate system based on the restored geometry.
  • Arithmetic decoder 11005, inverse quantization unit 11006, RAHT conversion unit 11007, LOD generation unit 11008, inverse lifting unit 11009, and/or color inverse conversion unit 11010 are attributes described in FIG. Decoding can be performed.
  • Attribute decoding according to embodiments includes Region Adaptive Hierarchial Transform (RAHT) decoding, Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding, and interpolation-based hierarchical nearest-neighbor prediction with an update/lifting. step (Lifting Transform)) decoding may be included.
  • RAHT Region Adaptive Hierarchial Transform
  • Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding
  • interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)) decoding may be included.
  • the Arismatic decoder 11005 decodes the attribute bitstream by arithmetic coding.
  • the inverse quantization unit 11006 inverse quantizes information on the decoded attribute bitstream or the attribute obtained as a result of decoding, and outputs inverse quantized attributes (or attribute values). Inverse quantization may be selectively applied based on the attribute encoding of the point cloud encoder.
  • the RAHT conversion unit 11007, the LOD generation unit 11008 and/or the inverse lifting unit 11009 may process reconstructed geometry and inverse quantized attributes. As described above, the RAHT conversion unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may selectively perform a decoding operation corresponding thereto according to the encoding of the point cloud encoder.
  • the inverse color transform unit 11010 performs inverse transform coding for inverse transforming a color value (or texture) included in the decoded attributes.
  • the operation of the color inverse transform unit 11010 may be selectively performed based on the operation of the color transform unit 40006 of the point cloud encoder.
  • the elements of the point cloud decoder of FIG. 11 are not shown in the figure, but hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing apparatus. , Software, firmware, or a combination thereof.
  • One or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud decoder of FIG. 11 described above. Further, one or more processors may operate or execute a set of software programs and/or instructions for performing operations and/or functions of elements of the point cloud decoder of FIG. 11.
  • the transmission device shown in FIG. 12 is an example of the transmission device 10000 of FIG. 1 (or a point cloud encoder of FIG. 4 ).
  • the transmission device illustrated in FIG. 12 may perform at least one or more of the same or similar operations and methods as the operations and encoding methods of the point cloud encoder described in FIGS. 1 to 9.
  • the transmission apparatus includes a data input unit 12000, a quantization processing unit 12001, a voxelization processing unit 12002, an octree occupancy code generation unit 12003, a surface model processing unit 12004, an intra/ Inter-coding processing unit (12005), Arithmetic coder (12006), metadata processing unit (12007), color conversion processing unit (12008), attribute transformation processing unit (or attribute transformation processing unit) (12009), prediction/lifting/RAHT transformation
  • a processing unit 12010, an Arithmetic coder 12011, and/or a transmission processing unit 12012 may be included.
  • the data input unit 12000 receives or acquires point cloud data.
  • the data input unit 12000 may perform the same or similar operation and/or an acquisition method to the operation and/or acquisition method of the point cloud video acquisition unit 10001 (or the acquisition process 20000 described in FIG. 2 ).
  • the coder 12006 performs geometry encoding.
  • the geometry encoding according to the embodiments is the same as or similar to the geometry encoding described in FIGS. 1 to 9, so a detailed description thereof will be omitted.
  • the quantization processing unit 12001 quantizes geometry (eg, a position value or position value of points).
  • the operation and/or quantization of the quantization processor 12001 is the same as or similar to the operation and/or quantization of the quantization unit 40001 described in FIG. 4. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the voxelization processor 12002 voxelsizes the position values of the quantized points.
  • the voxelization processor 120002 may perform the same or similar operation and/or process as the operation and/or the voxelization process of the quantization unit 40001 described in FIG. 4. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the octree occupancy code generation unit 12003 performs octree coding on positions of voxelized points based on an octree structure.
  • the octree ocupancy code generation unit 12003 may generate an ocupancy code.
  • the octree occupancy code generation unit 12003 may perform the same or similar operation and/or method as the operation and/or method of the point cloud encoder (or octree analysis unit 40002) described in FIGS. 4 and 6. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the surface model processing unit 12004 may perform trisoup geometry encoding to reconstruct positions of points within a specific area (or node) based on a voxel based on a surface model.
  • the face model processing unit 12004 may perform the same or similar operation and/or method as the operation and/or method of the point cloud encoder (eg, the surface aproxiation analysis unit 40003) described in FIG. 4. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the intra/inter coding processor 12005 may intra/inter code point cloud data.
  • the intra/inter coding processing unit 12005 may perform the same or similar coding as the intra/inter coding described in FIG. 7. The detailed description is the same as described in FIG. 7. According to embodiments, the intra/inter coding processing unit 12005 may be included in the arithmetic coder 12006.
  • the arithmetic coder 12006 entropy encodes an octree and/or an approximated octree of point cloud data.
  • the encoding method includes an Arithmetic encoding method.
  • the arithmetic coder 12006 performs the same or similar operation and/or method to the operation and/or method of the arithmetic encoder 40004.
  • the metadata processing unit 12007 processes metadata related to point cloud data, for example, a set value, and provides it to a necessary processing such as geometry encoding and/or attribute encoding.
  • the metadata processing unit 12007 may generate and/or process signaling information related to geometry encoding and/or attribute encoding. Signaling information according to embodiments may be encoded separately from geometry encoding and/or attribute encoding. In addition, signaling information according to embodiments may be interleaved.
  • the color conversion processing unit 12008, the attribute conversion processing unit 12009, the prediction/lifting/RAHT conversion processing unit 12010, and the Arithmetic coder 12011 perform attribute encoding.
  • Attribute encoding according to embodiments is the same as or similar to the attribute encoding described in FIGS. 1 to 9, and thus a detailed description thereof will be omitted.
  • the color conversion processing unit 12008 performs color conversion coding that converts color values included in attributes.
  • the color conversion processing unit 12008 may perform color conversion coding based on the reconstructed geometry. Description of the reconstructed geometry is the same as described in FIGS. 1 to 9. In addition, the same or similar operation and/or method to the operation and/or method of the color conversion unit 40006 described in FIG. 4 is performed. Detailed description will be omitted.
  • the attribute conversion processing unit 12009 performs attribute conversion for converting attributes based on the reconstructed geometry and/or positions for which geometry encoding has not been performed.
  • the attribute conversion processing unit 12009 performs the same or similar operation and/or method to the operation and/or method of the attribute conversion unit 40007 described in FIG. 4. Detailed description will be omitted.
  • the prediction/lifting/RAHT transform processing unit 12010 may code transformed attributes by using any one or a combination of RAHT coding, predictive transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT conversion processing unit 12010 performs at least one of the same or similar operations as the RAHT conversion unit 40008, LOD generation unit 40009, and lifting conversion unit 40010 described in FIG. 4. do.
  • descriptions of predictive transform coding, lifting transform coding, and RAHT transform coding are the same as those described in FIGS.
  • the Arismatic coder 12011 may encode coded attributes based on Arismatic coding.
  • the Arismatic coder 12011 performs the same or similar operation and/or method to the operation and/or method of the Arismatic encoder 400012.
  • the transmission processor 12012 transmits each bitstream including the encoded geometry and/or the encoded attribute, and metadata information, or transmits the encoded geometry and/or the encoded attribute, and the metadata information in one piece. It can be configured as a bitstream and transmitted. When the encoded geometry and/or encoded attribute and metadata information according to the embodiments are configured as one bitstream, the bitstream may include one or more sub-bitstreams.
  • the bitstream according to the embodiments is a sequence parameter set (SPS) for signaling of a sequence level, a geometry parameter set (GPS) for signaling of geometry information coding, an attribute parameter set (APS) for signaling of attribute information coding, and a tile It may include signaling information including TPS (Tile Parameter Set) for level signaling and slice data.
  • SPS sequence parameter set
  • GPS geometry parameter set
  • APS attribute 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 ).
  • a slice refers to a series of syntax elements representing all or part of a coded point cloud frame.
  • the TPS 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. I can.
  • 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 decoder of FIGS. 10 and 11 ).
  • the receiving device illustrated in FIG. 13 may perform at least one or more of the same or similar operations and methods as the operations and decoding methods of the point cloud decoder described in FIGS. 1 to 11.
  • the receiving apparatus includes a receiving unit 13000, a receiving processing unit 13001, an arithmetic decoder 13002, an octree reconstruction processing unit 13003 based on an Occupancy code, and a surface model processing unit (triangle reconstruction).
  • a receiving unit 13000 Up-sampling, voxelization) (13004), inverse quantization processing unit (13005), metadata parser (13006), arithmetic decoder (13007), inverse quantization processing unit (13008), prediction A /lifting/RAHT inverse transformation processing unit 13009, a color inverse transformation processing unit 13010, and/or a renderer 13011 may be included.
  • Each component of decoding according to the embodiments may perform a reverse process of the component of encoding according to the embodiments.
  • the receiving unit 13000 receives point cloud data.
  • the receiving unit 13000 may perform the same or similar operation and/or a receiving method as the operation and/or receiving method of the receiver 10005 of FIG. 1. Detailed description will be omitted.
  • the reception processing unit 13001 may obtain a geometry bitstream and/or an attribute bitstream from received data.
  • the reception processing unit 13001 may be included in the reception unit 13000.
  • the arithmetic decoder 13002, the ocupancy code-based octree reconstruction processing unit 13003, the surface model processing unit 13004, and the inverse quantization processing unit 13005 may perform geometry decoding. Since the geometry decoding according to the embodiments is the same as or similar to the geometry decoding described in FIGS. 1 to 10, a detailed description will be omitted.
  • the Arismatic decoder 13002 may decode a geometry bitstream based on Arismatic coding.
  • the Arismatic decoder 13002 performs the same or similar operation and/or coding as the operation and/or coding of the Arismatic decoder 11000.
  • the ocupancy code-based octree reconstruction processing unit 13003 may obtain an ocupancy code from a decoded geometry bitstream (or information on a geometry obtained as a result of decoding) to reconstruct the octree.
  • the ocupancy code-based octree reconstruction processing unit 13003 performs the same or similar operation and/or method as the operation and/or the octree generation method of the octree synthesis unit 11001.
  • the surface model processing unit 13004 decodes the trisoup geometry based on the surface model method and reconstructs the related geometry (e.g., triangle reconstruction, up-sampling, voxelization). Can be done.
  • the surface model processing unit 13004 performs an operation identical or similar to that of the surface opoxidation synthesis unit 11002 and/or the geometry reconstruction unit 11003.
  • the inverse quantization processing unit 13005 may inverse quantize the decoded geometry.
  • the metadata parser 13006 may parse metadata included in the received point cloud data, for example, a setting value.
  • the metadata parser 13006 may pass metadata to geometry decoding and/or attribute decoding. A detailed description of the metadata is the same as that described in FIG.
  • the arithmetic decoder 13007, the inverse quantization processing unit 13008, the prediction/lifting/RAHT inverse transformation processing unit 13009, and the color inverse transformation processing unit 13010 perform attribute decoding. Since the attribute decoding is the same as or similar to the attribute decoding described in FIGS. 1 to 10, a detailed description will be omitted.
  • the Arismatic decoder 13007 may decode the attribute bitstream through Arismatic coding.
  • the arithmetic decoder 13007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the Arismatic decoder 13007 performs the same or similar operation and/or coding as the operation and/or coding of the Arismatic decoder 11005.
  • the inverse quantization processing unit 13008 may inverse quantize the decoded attribute bitstream.
  • the inverse quantization processing unit 13008 performs the same or similar operation and/or method as the operation and/or the inverse quantization method of the inverse quantization unit 11006.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 may process reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 is the same or similar to the operations and/or decodings of the RAHT transform unit 11007, the LOD generator 11008 and/or the inverse lifting unit 11009, and/or At least one or more of the decodings is performed.
  • the color inverse transform processing unit 13010 according to embodiments performs inverse transform coding for inverse transforming a color value (or texture) included in the decoded attributes.
  • the color inverse transform processing unit 13010 performs the same or similar operation and/or inverse transform coding as the operation and/or inverse transform coding of the color inverse transform unit 11010.
  • the renderer 13011 may render point cloud data.
  • FIG. 14 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. 14 includes at least one of a server 1460, a robot 1410, an autonomous vehicle 1420, an XR device 1430, a smartphone 1440, a home appliance 1450, and/or an HMD 1470.
  • a configuration connected to the cloud network 1410 is shown.
  • the robot 1410, the autonomous vehicle 1420, the XR device 1430, the smartphone 1440, or the home appliance 1450 are referred to as devices.
  • the XR device 1430 may correspond to a point cloud data (PCC) device according to embodiments or may be interlocked with a PCC device.
  • PCC point cloud data
  • the cloud network 1400 may constitute a part of a cloud computing infrastructure or may mean a network that exists in the cloud computing infrastructure.
  • the cloud network 1400 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 1460 includes at least one of a robot 1410, an autonomous vehicle 1420, an XR device 1430, a smartphone 1440, a home appliance 1450, and/or an HMD 1470, and a cloud network 1400.
  • the connected devices 1410 to 1470 may be connected through and assist at least in part in processing.
  • the HMD (Head-Mount Display) 1470 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 1410 to 1450 shown in FIG. 14 may be interlocked/coupled with the point cloud data transmission/reception apparatus according to the above-described embodiments.
  • the XR/PCC device 1430 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 1430 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 1430 may output an XR object including additional information on the recognized object in correspondence with the recognized object.
  • the autonomous vehicle 1420 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 1420 to which the XR/PCC technology is applied may refer to an autonomous driving vehicle including 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 1420 which is the object of control/interaction in the XR image, is distinguished from the XR device 1430 and may be interlocked with each other.
  • the autonomous vehicle 1420 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 1420 may provide an XR/PCC object corresponding to a real object or an object in a screen to the occupant by outputting an XR/PCC image with a HUD.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a part of the XR/PCC object may be output to overlap the actual object facing the occupant's gaze.
  • the XR/PCC object when the XR/PCC object is output on a display provided inside the autonomous vehicle, at least a part of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 1220 may output XR/PCC objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, motorcycles, pedestrians, and buildings.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects or backgrounds in the real world only as CG images.
  • AR technology refers to a technology that shows a virtually created CG image on a real object image.
  • MR technology is similar to the AR technology described above in that virtual objects are mixed and combined in the real world.
  • real objects and virtual objects made from CG images are clear, and virtual objects are used in a form that complements the real objects, whereas in MR technology, the virtual objects are regarded as having the same characteristics as the real objects. It is distinct from technology. More specifically, for example, it is a hologram service to which the aforementioned MR technology is applied.
  • VR, AR, and MR technologies are sometimes referred to as XR (extended reality) technology rather than clearly distinguishing between them. Therefore, embodiments of the present invention are applicable to all of VR, AR, MR, and XR technologies.
  • This technology can be applied to encoding/decoding based on PCC, V-PCC, and G-PCC technology.
  • the PCC method/apparatus according to the embodiments may be applied to a vehicle providing an autonomous driving service.
  • Vehicles providing autonomous driving service are connected to PCC devices to enable wired/wireless communication.
  • the vehicle receives/processes AR/VR/PCC service related content data that can be provided together with the autonomous driving service. Can be transferred to.
  • the point cloud transmission/reception device may receive/process AR/VR/PCC service related content data according to a user input signal input through the user interface device and provide it to the user.
  • the vehicle or user interface device may receive a user input signal.
  • the user input signal may include a signal indicating an autonomous driving service.
  • FIG. 15 is a geometry quantization operation for each axis according to embodiments performed by a point cloud data encoder (PCC data encoding) corresponding to FIGS. 17 and 17.
  • PCC data encoding point cloud data encoder
  • PCC data encoding may correspond to an encoder, an encoder, a point cloud transmission device, a point cloud data encoder, and the like.
  • geometric information may be referred to as geometry information, geometry data, and the like
  • attribute information may be referred to as attribute information, attribute data, and the like.
  • a method/apparatus according to embodiments refers to a method/device for transmitting and receiving point cloud data according to the embodiments.
  • a method/apparatus relates to a method for controlling/applying geometry quantization of G-PCC (Geometry-based Point Cloud Compression) for compressing 3D point cloud data.
  • G-PCC Geometry-based Point Cloud Compression
  • the method/apparatus according to the embodiments proposes a method for applying geometry quantization for each axis according to the importance and influence of each axis according to the characteristics of the content and the service. Through this, it is possible to provide a method to cope with various requirements and to increase the geometry compression efficiency.
  • the point cloud source represented by the bitstream is a set of points in the decoding order.
  • the source and decoded point clouds may be composed of one or more sample arrays.
  • the sample array may include:
  • -Geometry information 0 1 2 or coordinates of occupied points in 3D space of XYZ.
  • the method/apparatus according to the embodiments proposes the following features: 1) a geometry quantization method and signaling for each axis, 2) an attribute coding modification method by applying geometry quantization for each axis.
  • the method/apparatus according to the embodiments relates to a method of improving the performance of geometry quantization of G-PCC (Geometry-based Point Cloud Compression) for compressing 3D point cloud data. .
  • G-PCC Geometry-based Point Cloud Compression
  • the point cloud data transmission apparatus, encoder, encoder, and the like according to the embodiments are interpreted as terms corresponding to each other.
  • the transmitting device may be interpreted as a device including an encoder, and may be used as a term to broadly describe an encoder according to embodiments.
  • the point cloud data receiving apparatus, decoder, decoder, etc. according to the embodiments are interpreted as terms corresponding to each other.
  • the receiving device may be interpreted as a device including a decoder, and may be used as a term to broadly describe a decoder according to embodiments.
  • the point cloud is composed of a set of points, and each point may include geometry information and attribute information.
  • the geometry information is three-dimensional position (XYZ) information
  • the attribute information is color (RGB, YUV, etc.) or/and/and/or a reflection value.
  • geometry information, geometry data, and the like may be used as terms that correspond to each other.
  • attribute information, attribute data, and the like may be used as terms corresponding to each other.
  • the G-PCC decoding process may consist of a process of receiving an encoded geometry bitstream and an attribute bitstream, decoding the geometry, and decoding attribute information based on the geometry reconstructed through the decoding process. (See Fig. 4)
  • the geometry information compression process may use an octree technique or a trisoup technique.
  • an octree technique for managing occupied voxels, and a tri-forest a process of converting information into information of vertex segments for forming a triangle may be included.
  • a Prediction transform scheme, a Lift transform scheme, and a RAHT method may be used.
  • geometry coding and attribute coding are separated. Therefore, the quality control of geometry and attribute compression can be adjusted by quantization values, respectively.
  • each axis may be different depending on the characteristics of the point cloud content and the characteristics of the service, it may be necessary to adjust the quantization value for each axis when adjusting the quality of the geometry.
  • the importance of the z axis may fall on the x and y axes due to the characteristics of the data.
  • the point cloud data transmission/reception method/apparatus includes the following proposals as a solution to this technical problem: 1) Geometry quantization method and signaling for each axis, 2) Property coding correction due to the application of geometry quantization for each axis measures.
  • the transmission method/device according to the embodiments may perform geometry and attribute coding by setting a quantization value for each axis as an input, and provide signaling information for this.
  • the receiving method/apparatus according to the embodiments may perform geometry/attribute decoding/restore as a reverse process of transmission.
  • the geometry quantization method for each axis is performed in PCC geometry/attribute coding of a PCC encoder (see FIG. 17), and may be reconstructed through a PCC geometry/attribute decoding process of the PCC decoder (see FIG. 18).
  • a method of applying geometry quantization for each axis according to embodiments encoder: the transmission device 10000 of Fig. 1, the point cloud video encoder 10002, the encoding 20001 of Fig. 2, the encoder of Fig. 4, and the encoder of Fig. 12
  • the XR device 1430 of FIG. 14 and the encoder of FIG. 17 include: 1) a reference point adjustment step for points (S15000), 2) a geometry scale value application step (S15010), and 3) a quantization step for points ( S15020), and/or 4) a voxelization step for points (S15030). Each step may be performed by an encoder according to embodiments.
  • the encoder may be variously referred to as a point cloud data encoder, a point cloud transmission device, an encoder, a transmission device, and the like.
  • a point cloud data encoder a point cloud transmission device
  • an encoder a transmission device
  • each step of a geometry coding process of an encoder for applying geometry quantization for each axis according to the embodiments will be described in detail.
  • the encoder can find the minimum x, y, and z position values of all points and subtract them from the position values of each point. Through this process, the position of the lower left corner of the point cloud content can be adjusted to the origin (0, 0, 0). That is, it can be adjusted to the origin based on the minimum point (minimum value) of the sporadic points.
  • the value of the origin may be various integer values according to embodiments.
  • the encoder can receive a geometry scale value and apply it to the position values of the points.
  • the geometry scale value may also be referred to as a geometry quantization parameter.
  • one value can be applied to all axes, or a different geometry scale value can be applied for each axis.
  • the method/apparatus according to the embodiments may variously apply a geometry scale value for each axis to suit the characteristics and processing requirements of each axis.
  • the scale value may be 1, and in lossy geometry, the scale value may be designated as a number less than 1.
  • the lossless or lossy method may be determined according to the type and setting of the point cloud data.
  • the quantization value of the y-axis may give more loss compared to the x and z axes.
  • one basic full scaling value is input, and if the scale value is less than 1 lossy compression, the scale value is automatically adjusted and applied for each axis according to the distribution of the point cloud. May be. Alternatively, detailed adjustment values of each axis can be input.
  • the method/apparatus according to the embodiments may provide effective performance in terms of PNSR.
  • the encoder can integer (quantize) the changed geometry position information.
  • the encoder may determine a cube having a horizontal, vertical, and height of 1 as one voxel (see FIG. 5).
  • the integerized point position value may be a voxel position information value having a point. Several points may belong to one voxel. Depending on whether duplicated points are allowed, points may be integrated into a corresponding voxel or point location information may be directly coded for an additional point. In the case of integrating points into one, a task of setting a representative attribute (color or reflection value) for the point is included in a later step, resulting in a loss in geometry and a loss in attribute as well.
  • 16 illustrates an attribute coding operation based on geometry quantization for each axis according to embodiments.
  • FIG. 16 is a geometry quantization operation for each axis according to embodiments performed by a point cloud data encoder (PCC data encoding) corresponding to FIGS. 17 and 17.
  • PCC data encoding point cloud data encoder
  • a method of changing attribute coding according to the application of geometry quantization for each axis (encoder: the transmission device 10000 of Fig. 1, the point cloud video encoder 10002, the encoding 20001 of Fig. 2, the encoder of Fig. 4, and the encoder of Fig. 12)
  • the XR device 1430 of FIG. 14 and the encoder of FIG. 17 are 1) recoloring step (S16000), 2) distance-based LOD generation step (S16010), and/or 3) neighboring points ( A nearest neighbor) set search step (S16020) may be included.
  • S16000 recoloring step
  • S16010 distance-based LOD generation step
  • S16020 A nearest neighbor
  • the encoder's lossy geometry compression does not allow redundant points during geometry coding, and may allow only one point per voxel.
  • One voxel contains several points, and to make it one point, geometry coding of the encoder ignores all point values and registers only one center value of the voxel. In this case, it may be necessary to calculate a representative attribute (color or reflection value) for one selected point.
  • the representative attribute may be found in the point cloud (hereinafter referred to as the original cloud) before quantization of Nearest Neighbor Points close to the central point, and may be set as a weighted average of their colors. This process can be referred to as color readjustment (recoloring). Recoloring of attributes may be performed when point cloud data is lost.
  • the encoder can find neighboring points in the original cloud around the inverse quantized value by applying inverse quantization to the quantized position value. If the geometry quantization is different for each axis, when inverse quantization is performed to find a neighboring point, inverse quantization is performed with a different value for each axis to find an accurate neighboring point.
  • the encoder may perform an LOD generation step for attribute residual coding. This is because efficient compression and transmission of point cloud data is possible through attribute residual coding.
  • LOD LOD generation step
  • the quantized geometry data may be inversely quantized (restored), and an LOD may be generated based on the geometry data and/or attribute data.
  • the method/device according to the embodiments may perform prediction and generate a residual value.
  • the residual (or residual attribute information) is quantized, encoded, and transmitted in the form of an attribute bitstream.
  • Equation 16011 when generating a distance-based LOD, an LOD may be generated based on Equation 16011.
  • QP may be a scale value for each axis.
  • a scale value When a scale value is applied to a geometry point for each X, Y, and Z axis, a value for correcting distance distortion may be applied for each axis.
  • the LOD configuration unit When the LOD configuration unit according to the embodiments generates a distance between points I and J, a value based on a difference value between points I and J may be additionally applied to a scale value to calculate the distance.
  • the encoder generates the LOD, and when generating the neighboring point set of the point Px belonging to the LODl set, the points in the LOD0 to LODl-1 set and the points in the LODl set that are in the front (or the Morton code is Px It is possible to search for a set of neighboring points from points less than or equal to the Molton code of.
  • a search range is given, and distances to points in the search range are calculated and compared, and the nearest points can be registered as many as the maximum number of neighboring points.
  • correction may be required as shown in Equation 16021 when the geometric quantization value applied for each axis is applied when calculating the distance.
  • the weight of the neighboring point may be changed as in Equation 16022.
  • a method of changing attribute coding according to the application of geometry quantization for each axis (decoder: receiver 10004 of FIG. 1, point cloud video decoder 10006, decoding 20003 of FIG. 2, decoder of FIG. 10, and Decoder, decoder of Fig. 13, XR device 1430 of Fig. 14, decoder of Fig. 18, ):
  • the decoder can also perform inverse quantization for each axis when performing geometry inverse quantization.
  • a distance calculation method and a weight calculation method applied in a distance-based LOD generation and a neighbor point set search step may be applied.
  • Geometry inverse quantization and attribute decoding may be performed in a decoder according to embodiments, and the decoder may correspond to a decoder, a reception device, a point cloud data reception device, a point cloud decoder, and the like according to the embodiments.
  • each operation of the decoder according to the embodiments may follow a reverse process of each corresponding operation of the encoder according to the embodiments.
  • PCC data may be input as an input of the encoder and encoded to output a geometric information bitstream and an attribute information bitstream.
  • a transmission method includes encoding point cloud data; Transmitting a bitstream including point cloud data; It may include.
  • Point cloud data includes geometry data and attribute data.
  • the step of encoding includes adjusting the position of the geometric data as a reference point.
  • the encoding step includes applying a scale value to the geometry data, and the scale value may be the same or different for each axis of the geometry data.
  • encoding may include quantizing geometry data and voxelizing geometry data.
  • Encoding according to embodiments may include dequantizing geometry data to readjust the color of attribute data, generating a level of detail (LOD) based on geometry data and attribute data, a set of neighboring points from the LOD It may include the step of searching for.
  • LOD level of detail
  • FIG 17 shows the structure of a PCC data encoder according to embodiments.
  • FIG. 17 may correspond to the point cloud video encoder 10002 of FIG. 1, the encoding 20001 of FIG. 2, the point cloud data encoder of FIG. 4, the encoder of FIG. 12, and the XR device 1430 of FIG. 14.
  • the operations according to the above-described embodiments may be performed by a geometric information transformation quantization processing unit and an attribute information encoding unit.
  • the data input unit 17000 may receive geometry data, attribute data, and/or parameters related thereto.
  • the coordinate system conversion unit 17010 may convert a coordinate system related to location (coordinate) information of geometric data.
  • the coordinate system conversion unit 17010 may correspond to the coordinate system conversion unit 40000 of FIG. 4.
  • the geometric information transformation quantization processing unit 17020 may be referred to as a geometric information transformation quantizer or the like.
  • the geometric information transformation quantization processing unit 17020 may correspond to the quantizer 40001 of FIG. 4.
  • the geometric information transform quantizer 17020 may receive a scale value (quantization value) for each axis (x, y, z axis).
  • the geometric information transform quantizer 17020 may receive one full scale value (quantization value) and adjust the scale for each axis according to the distribution of contents. Whether or not detailed adjustment for each axis can be signaled to a decoder (decoder/receiver).
  • the geometric information conversion quantizer 17020 may receive one full scale value (quantization value) and set a scale value for each axis by receiving a percentage for each axis.
  • the decoder or the geometric information transform quantizer 17020 may quantize geometric information for each axis according to a scale value (quantization value) for each axis generated based on an input value.
  • the scale value (quantization value) for each axis is signaled to the decoder and can be used when the decoder recovers geometric information.
  • the space dividing unit 17030 may divide the point cloud data into space division units according to embodiments.
  • the spatial dividing unit 17030 may spatially divide the space of data using methods such as tiles, blocks, density-based, axis-based, attribute-based, and geometry-based, depending on the data characteristics of the point cloud data.
  • the space division unit 17030 may perform data partitioning.
  • the frame can be partitioned into tiles and slices.
  • the source point cloud data may be partitioned into a plurality of slices, and may be encoded within a bitstream.
  • a slice is a set of points that can be independently encoded or decoded.
  • a slice may include one geometry data unit and zero or one or more attribute data units. Attribute data units may depend on corresponding geometry data within the same slice. Within a slice, a geometric data unit may appear before the associated attribute units. The data units of the slice are contiguous.
  • a group of slices can be identified by a common tile identifier.
  • Tile information describing a bounding box for each tile may be in the bitstream. Tiles can overlap other tiles in the bounding box.
  • Each slice may include an index that identifies which tile belongs.
  • the geometric information encoder 17040 may encode geometry data of point cloud data.
  • the detailed process of geometry encoding is as follows.
  • the voxelization processor 17050 may voxelize geometry data.
  • the voxelization processing unit 15050 may correspond to the voxelizer 40001 of FIG. 4.
  • the octree generator 17060 may be referred to as an octree generator or the like.
  • the octree generation unit 17060 may correspond to the octree analysis unit 40002 of FIG. 4.
  • the octree generator 17060 may generate geometry data in an octree structure.
  • geometry encoding can be performed as follows: 1) A bounding box defined by two points can be defined. The octree structure is built by recursively subdividing the bounding box. Each cube is divided into 8 sub-cubes. The 8-bit code may be referred to as an accufancy code. One bit per sub-cube can be expressed as 1 if the point is filled, and 0 if the point is empty. Sub-cubes with a size larger than 1 are further divided. A sub-cube of one size may be a voxel. A plurality of points may overlap and may be mapped to the same sub-cube (voxel). The points of each sub-cube can be arismatically encoded.
  • the decoding process can be started by reading the dimensions of the bounding box from the bitstream.
  • the same octree structure can be created by dividing the bounding box according to the accufancy codes.
  • the points of the sub-cube can be arismatically decoded.
  • the geometric information predictor 17070 may predict geometry data.
  • the geometric information predictor 17070 may generate a predicted value of geometry data between a parent node and a child node in an octree structure.
  • a residual value is generated through the predicted value, and the residual value is entropy-coded to form a geometry bitstream. There is an effect of enabling efficient bitstream transmission by coding only a residual value with a predicted value.
  • the geometric information prediction unit 17070 may reconstruct (reconstruct) geometry data from a geometry octree for attribute coding. This is because attribute coding is performed based on the reconstructed geometry data.
  • the geometric information entropy encoding unit 17080 may entropy-code geometry data to generate a geometry bitstream.
  • a residual value generated based on a predicted value between a parent node and a child node on a geometry octree structure may be coded and transmitted.
  • the attribute information encoder 17090 may encode the attribute data as follows.
  • the color conversion processing unit 17100 may convert a color of attribute data according to data characteristics.
  • the color readjustment unit 17100 may be referred to as a color readjuster, a color recolorer, or a recolorer.
  • the attribute information encoding unit 17090 may perform color readjustment, otherwise, RAHT attribute coding, or prediction/lifting transformation attribute coding. Therefore, you can configure the LOD. According to embodiments, when overlapping points are not merged, color readjustment and/or LOD configuration may be performed even in RATH coding.
  • an operation of the color readjustment unit may be applied.
  • a plurality of points may be included in one voxel, and in this case, color readjustment, LOD configuration, neighbor point set configuration, and the like may be performed.
  • the color readjustment unit 17100 may search for a neighboring point close to the center position of the voxel in the original point cloud to set a representative color of the voxel, and calculate the representative color from the neighboring points.
  • the color readjustment unit 17100 may inverse quantize the geometric information in order to restore a position difference between the original and the quantized value in the process of searching for a neighboring point.
  • the color readjustment unit 17100 may be performed when lossy geometry compression is performed.
  • the LOD configurator 17110 may be referred to as an LOD generator, an LOD configurator, or the like.
  • the LOD constructing unit 17110 may configure an LOD in case of a predictive transform scheme and/or a lifting transform scheme during attribute coding in order to encode attribute information.
  • the LOD configuration unit 17110 may be based on distance as a method of configuring the LODs.
  • the LOD constructing unit 17110 may change/apply a distance calculation formula based on a weight for each axis and/or a geometric scale value for each axis.
  • the neighboring point set construction unit 17120 may include a neighboring point set construction unit in the case of a predictive transform scheme and a lifting transform scheme during attribute coding in order to encode attribute information.
  • the neighboring point set construction unit 17120 is in front of the points belonging to the LOD0 ⁇ LOD l-1 set and the points belonging to the LODl set. It is possible to search for a set of neighboring points from points (or points having a Molton code less than or equal to the Molton code of Px).
  • the neighboring point set construction unit 17120 may register as many as neighboring points based on the distance to the points.
  • the used distance may be changed/applied based on a weight for each axis and/or a geometric scale value for each axis.
  • the weight value of the selected neighboring point may be changed/applied based on a weight for each axis and/or a geometric scale value for each axis.
  • the attribute information prediction unit 17140 predicts attribute information from a result of registering neighboring points of a specific point based on the LOD.
  • the attribute information predictor 17140 predicts the attribute of a point from neighboring points.
  • a residual value between the attribute value of the point and the predicted attribute value (predicted value) may be generated.
  • a bitstream can be generated by coding such a residual value, and an efficient bitstream can be delivered.
  • the residual attribute information quantization processing unit 17130 may quantize the residual attribute information.
  • the attribute information entropy encoder 17140 may entropy-code the attribute data to generate an attribute bitstream.
  • the residual value may be coded to generate an attribute bitstream.
  • Fig. 18 shows the receiving device 10004 of Fig. 1, the point cloud video decoder 10006, the decoding 20003 of Fig. 2, the decoder of Fig. 10, the decoder of Fig. 11, the decoder of Fig. 13, and the XR device 1430 of Fig. 14. ) May correspond.
  • the PCC data decoder of FIG. 18 may perform the reverse process of the corresponding component of the PCC data encoder of FIG. 17.
  • the encoded geometric information bitstream and the attribute information bitstream are input as inputs of the decoder, and the PCC data recovered by decoding may be output.
  • the geometry information decoding unit 18000 may receive the geometry information bitstream and decode the geometry information.
  • the geometric information decoding unit 18000 corresponds to a decoder on the receiving side corresponding to the geometric information encoding unit 17040 on the transmitting side, and the geometric information decoding unit 18000 performs the reverse process of the operation of the geometric information encoding unit 17040. Can be done.
  • the geometric information entropy decoder 18010 may receive the geometric information bitstream and decode the geometric information based on an entropy method.
  • the geometric information entropy decoder 18010 may perform a reverse process of the operation of the geometric information entropy encoder 17080.
  • the octree reconstruction unit 18020 may reconstruct an octree from geometric information.
  • the octree reconstruction unit 18020 may perform a reverse process of the operation of the octree generation unit 17060.
  • the geometric information predictor 18030 may generate a predicted value of geometric information. For example, by generating a predicted value between nodes in an octree structure, geometric information can be efficiently decoded using a residual value for the predicted value.
  • the geometric information prediction unit 18030 may perform a reverse process of the operation of the geometric information prediction unit 17070.
  • the geometric information transformation inverse quantization processing unit 18040 may inversely quantize geometric data. For example, the geometric information transformation dequantization processing unit 18040 acquires a scale value (quantization value) for each axis from signaling information (parameters) included in the bitstream, and reconstructs geometric information based on the scale value for each axis. Inverse quantization can be applied to
  • the coordinate system inverse transform unit 18050 may inversely transform the coordinate system information of the geometric information.
  • the coordinate system inverse transform unit 18050 may perform an inverse process of the operation of the coordinate system transform unit 17010.
  • the attribute information decoding unit 18060 may receive the attribute information bitstream and decode the attribute information.
  • the attribute information decoder 18060 may perform a reverse process of the operation of the attribute information encoder 17090.
  • the attribute residual information entropy decoder 18070 may decode attribute residual information (eg, a residual value for attribute information) included in the attribute information bitstream based on an entropy method.
  • the attribute residual information entropy decoder 18070 may perform a reverse process of the operation of the attribute information entropy encoder 17160.
  • the LOD construction unit 18080 may generate an LOD for attribute data included in an attribute information bitstream (attribute bitstream).
  • the LOD configuration unit 18080 may correspond to the LOD configuration unit 17120 of FIG. 17.
  • the neighbor point set construction unit 18090 may search for neighboring points of a point included in the LODs based on the LOD generated from the attribute information bitstream and register the neighboring point set as a neighboring point set.
  • the neighbor point set construction unit 16090 may correspond to the neighbor point set construction unit 17130 of FIG. 17.
  • the attribute information predictor 18100 may generate a predicted value for attribute information. For example, a predicted value for a point may be generated from an LOD and a set of neighboring points, and a residual value for the predicted value may be generated. The attribute information predictor 18100 may perform a reverse process of the operation of the attribute information predictor 17140.
  • the residual attribute information inverse quantization processing unit 18110 may inversely quantize residual attribute information, for example, a residual value for attribute information.
  • the residual attribute information inverse quantization processing unit 18110 may perform an inverse process of an operation of the residual attribute information quantization processing unit 17150.
  • the color inverse transformation processing unit 18120 may inversely transform color information, which is attribute information.
  • the color inverse transformation processing unit 18120 may perform an inverse process of the operation of the color transformation processing unit 17100.
  • FIG. 19 shows a configuration of an encoded point cloud according to embodiments.
  • the method/apparatus according to the embodiments may generate and obtain a point cloud bitstream as shown in FIG. 19.
  • the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the receiving device 10004, the point cloud video decoder 10006, the encoding 20001, the decoding 20003 of FIG. Including parameters including geometry information, attribute information, and/or metadata for the encoding process, the decoding process of FIG. 11, the transmission device of FIG. 12, the reception device of FIG. 13, and the XR device 1430 of FIG. 14 A point cloud bitstream that can be generated (encoded) and received (decoded).
  • the brick may be referred to as a block or the like.
  • Point cloud data may have the form of a bitstream as shown in FIG. 19.
  • the point cloud data may include a sequence parameter set (SPS), a geometry parameter set (GPS), an attribute parameter set (APS), and a tile parameter set (TPS) including signaling information according to embodiments.
  • Point cloud data may include one or more geometry and/or attributes.
  • geometry and/or attributes may be divided into one or more slice units (or brick/block units).
  • the geometry may have a structure of a geometry slice header and geometry slice data.
  • the TPS including signaling information is Tile(0). It may include tile_bounding_box_xyz0, Tile(0)_tile_bounding_box_whd, and the like.
  • the geometry may include geom_geom_parameter_set_id, geom_tile_id, geom_slice_id, geomBoxOrigin, geom_box_log2_scale, geom_max_node_size_log2, geom_num_points, and the like.
  • Signaling information may be signaled in addition to SPS, GPS, APS, TPS, and the like.
  • the signaling information may be signaled by being added to a TPS or a geometry for each slice (Geom) or an attribute for each slice (Attr).
  • the structure of the point cloud data may provide an efficient effect in terms of encoding/decoding/data accessing parameter set(s), geometry(s), and attribute(s) including signaling information.
  • Point cloud data related to the point cloud data transmitting/receiving apparatus may include at least one of a sequence parameter, a geometry parameter, an attribute parameter, a tile parameter, a geometry bitstream, or an attribute bitstream.
  • a field of signaling information may be classified into first signaling information, second signaling information, and the like and called.
  • the point cloud data transmission apparatus may transmit encoded point cloud data in the form of a bitstream.
  • a bitstream may include one or more sub-bitstreams.
  • the point cloud data transmission device divides the image of the point cloud data into one or more packets in consideration of the error of the transmission channel. Can be transmitted over the network.
  • a bitstream according to embodiments may include one or more packets (eg, Network Abstraction Layer (NAL) units). Therefore, even if some packets are lost in a poor network environment, the device for receiving point cloud data may restore a corresponding image using the remaining packets.
  • the point cloud data may be processed by dividing it into one or more slices or one or more tiles. Tiles and slices according to embodiments are areas for processing point cloud compression coding by partitioning a picture of point cloud data.
  • the point cloud data transmission apparatus may provide high-quality point cloud content by processing data corresponding to each region according to the importance of each divided region of the point cloud data. That is, the point cloud data transmission apparatus according to the embodiments may perform point cloud compression coding processing of data corresponding to an area important to a user having better compression efficiency and appropriate latency.
  • An image (or picture) of point cloud content is divided into units of basic processing units for point cloud compression coding.
  • a basic processing unit for point cloud compression coding according to embodiments is a coding tree (CTU). unit), brick, etc., and are not limited to this example.
  • a slice according to the embodiments does not have a rectangular shape as an area including basic processing units for one or more integer number of point cloud compression coding.
  • a slice according to embodiments includes data transmitted through a packet.
  • a tile according to embodiments includes one or more basic processing units for coding a point cloud compression as an area divided into a rectangular shape in an image.
  • One slice according to embodiments may be included in one or more tiles. Also, one tile according to embodiments may be included in one or more slices.
  • the bitstream 3000 includes a Sequence Parameter Set (SPS) for signaling of a sequence level, a Geometry Parameter Set (GPS) for signaling of geometry information coding, and an Attribute Parameter Set (APS) for signaling of attribute information coding. ), signaling information including a Tile Parameter Set (TPS) for signaling of a tile level, and one or more slices.
  • SPS Sequence Parameter Set
  • GPS Geometry Parameter Set
  • APS Attribute Parameter Set
  • TPS Tile Parameter Set
  • the SPS according to the embodiments is encoding information on the entire sequence such as a profile and a level, and may include comprehensive information on the entire file, such as a picture resolution and a video format.
  • Slice data may include one geometry bitstream (Geom00) and one or more attribute bitstreams (Attr00, Attr10).
  • the geometry bitstream may include a header (eg, geometry slice header) and a payload (eg, geometry slice data).
  • the header of a geometry bitstream includes identification information (geom_geom_parameter_set_id), tile identifier (geom_tile id), slice identifier (geom_slice_id), origin information of a geometry box (geomBoxOrigin), and a geometry box scale ( geom_box_log2_scale), the geometry node max size (geom_max_node_size_log2), the number of geometry points (geom_num_poins), information on data included in the payload, and the like.
  • the attribute bitstream may include a header (eg, attribute slice header or attribute brick header) and a payload (eg, attribute slice data or attribute brick data).
  • the method/apparatus according to the embodiments may signal by adding geometry quantization option information for each axis according to the embodiments in the point cloud bitstream to the SPS.
  • the SPS maintains the scale value (quantization value) applied as a whole, and the Geometry Parameter Set can set the scale value (quantization value) that is finely adjusted for each axis.
  • Geometry quantization option information for each axis may be added to the TPS and signaled when quantization is performed differently for each tile. Since the distribution of geometry for each tile divided by area may be different, when setting the geometric quantization value (scale value) for each axis according to the distribution, or when re-adjusting the quantization value for each axis according to the percentage of each axis in one quantization value, the tile Each axis can perform different geometry quantization.
  • Geometry quantization option information for each axis may be signaled by being added to a geometry header for each slice. Since the geometry distribution for each slice can be different, when setting the geometry quantization value (scale value) for each axis according to the distribution, or re-adjusting the quantization value for each axis according to the percentage of each axis for one quantization value, the geometry for each axis for each slice Quantization can be done differently.
  • the transmission method/apparatus according to the embodiments may include related parameter information (signaling information) in the bitstream according to the quantization characteristics in the bitstream, and the receiving method/device according to the embodiments is statically/dynamically There is an effect of being able to access point cloud data.
  • Fig. 20 is a detailed syntax of the SPS of Fig. 19;
  • Option information related to support of geometry quantization for each axis may be added to the SPS. Due to the syntax form of FIG. 20, it is possible to efficiently signal support for geometry quantization for each axis.
  • the name of the signaling information can be understood within the scope of the meaning and function of the signaling information.
  • SPS sequence scale factor X (sps_source_scale_factor_x): represents the x-axis scale value (quantization value).
  • SPS source scale factor Y (sps_source_scale_factor_y): represents the y-axis scale (quantization value).
  • SPS source scale factor Z (sps_source_scale_factor_z): represents the z-axis scale (quantization value).
  • Profile_idc Represents a profile followed by a bitstream according to embodiments. Other values of profile_idc may be reserved for future use of ISO/IEC.
  • Profile compatibility flag (profile_compatibility_flags): If this value is 1, it indicates that the bitstream follows the profile indicated by the same profile_idc as j. If the value of profile_compatibility_flag[ j] is 0 for any J, it indicates that the value of profile_idc is not allowed. That is, it indicates whether the bitstream profile is defined according to embodiments and is compatible.
  • Level IDC indicates a level followed by a bitstream according to embodiments. Other values of level_idc may be reserved for future use of ISO/IEC.
  • SPS bounding box presence flag (sps_bounding_box_present_flag): If this value is 1, it indicates the source bounding box offset, and indicates that size information is signaled in the SPS. If this value is 0, it indicates that source bounding box information is not signaled.
  • 21 shows an SPS according to embodiments.
  • Figure 21 is an embodiment corresponding to the SPS of Figure 20. Further from FIG. 20, as shown in FIG. 21, the method/apparatus according to the embodiments may separate and signal the full scale and the detailed percentage/detail scale. Fields overlapping with FIG. 20 may refer to the description of FIG. 20.
  • SPS source scale factor (sps_source_scale_factor): represents the total scale value (quantization value).
  • SPS source axis-based sub-scale presence flag (sps_source_axis_base_sub_scale_present_flag): Indicates whether the detailed scale change percentage for each axis/or scale value (quantization value) is specified.
  • SPS source sub-scale percentage flag (sps_source_sub_scale_precentage_flag): This indicates whether the sub-scale value for each axis is a percentage or an absolute value.
  • SPS source scale X sub-scale factor Specifies the x-axis sub-scale percentage or indicates the x-axis scale value (quantized value).
  • SPS source Y sub-scale factor indicates the y-axis sub-scale percentage specification or y-axis scale value (quantization value).
  • SPS source Z sub-scale factor indicates the z-axis sub-scale percentage or z-axis scale value (quantized value).
  • FIG. 22 is an SPS included in the bitstream of FIG. 19, and may correspond to the SPS of FIGS. 20-21.
  • FIG. 22 illustrates an example in which a method/apparatus according to embodiments in combination with FIG. 23 provides information on an option related to supporting geometry quantization for each axis.
  • the method/apparatus according to embodiments may efficiently signal support for geometry quantization for each axis by adding option information related to support for geometry quantization for each axis to a geometry parameter set.
  • the entire geometry scale value (quantization value) may be specified in the SPS as shown in FIG. 20, and only whether a detailed scale value exists may be specified in the SPS.
  • sps_source_scale_factor_x sps_source_scale_factor_y
  • sps_source_scale_factor_z sps_source_axis_based_ sub_scale_present_flag
  • FIG. 23 is an example of signaling option information related to geometry quantization support for each axis based on SPS/GPS as shown in FIG. 22.
  • information for each axis may be added to a geometry parameter set.
  • GPS source sub-scale percentage flag (gps_source_sub_scale_precentage_flag): This indicates whether the sub-scale value for each axis is a percentage or an absolute value.
  • GPS source X sub-scale factor Specifies the x-axis sub-scale percentage or indicates the x-axis scale value (quantization value).
  • GPS source Y sub-scale factor indicates the y-axis sub-scale percentage or y-axis scale value (quantized value).
  • GPS source Z sub-scale factor Specifies the z-axis sub-scale percentage or indicates the z-axis scale value (quantization value).
  • GPS geometry parameter set ID (gps_geom_parameter_set_id): This is a GPS identifier for reference by other Siktax elements.
  • the value of gps_seq_parameter_set_id may have a range of 0 to 15 (inclusive).
  • GPS sequence parameter set ID indicates the value of sps_seq_parameter_set_id for active SPS.
  • the value of gps_seq_parameter_set_id may have a range of 0 to 15 (inclusive).
  • GPS box presence flag (gps_box_present_flag): When this value is 1, it indicates that additional bounding box information in the geometry header that references the current GPS is provided. If this value is 0, it indicates that additional bounding box information in the geometry header is not signaled.
  • Fig. 24 is a detailed syntax of the TPS of Fig. 19;
  • the method/apparatus according to the embodiments may add option information related to geometry quantization support for each axis to the TPS, and thereby efficiently signal support for geometry quantization for each axis.
  • Tile source subscale percentage flag (tile_source_sub_scale_precentage_flag): This indicates whether the subscale value for each axis is a percentage or an absolute value.
  • Tile source x subscale factor represents the x-axis subscale percentage or x-axis scale value (quantization value).
  • Tile source Y sub-scale factor (tile_source_y-sub_scale_factor): Represents a y-axis sub-scale percentage or a y-axis scale value (quantization value).
  • Tile source Z sub-scale factor (tile_source_z-sub_scale_factor): Represents the z-axis sub-scale percentage or z-axis scale value (quantization value).
  • Number of tiles (num_tiles): Indicates the number of tiles signaled for the bitstream. If not present, this value can be inferred as zero.
  • Tile bounding box offset X (tile_bounding_box_offset_x[i]): represents the X offset of the I-th tile in the cartesian coordinates. If not present, the value of tile_bounding_box_offset_x[ 0] can be inferred as sps_bounding_box_offset_x.
  • Tile bounding box offset Y (tile_bounding_box_offset_y[i]): indicates the Y offset of the I-th tile in the coordinate system. If not present, the value of tile_bounding_box_offset_y[ 0] can be inferred as sps_bounding_box_offset_y.
  • Tile bounding box offset Z indicates the Z offset of the I-th tile in the coordinate system. If not present, the value of tile_bounding_box_offset_z[ 0] can be deduced as sps_bounding_box_offset_z.
  • Tile bounding box size width (tile_bounding_box_size_width[ i ]): This indicates the width of the I-th tile in the coordinate system. If not present, the value of tile_bounding_box_size_width[ 0] can be inferred as sps_bounding_box_size_width.
  • Tile bounding box size height indicates the height of the I-th tile in the coordinate system. If not present, the value of tile_bounding_box_size_height[ 0] can be inferred as sps_bounding_box_size_height.
  • Tile bounding box size depth indicates the depth of the I-th tile in the coordinate system. If not present, the value of tile_bounding_box_size_depth[ 0] can be inferred as sps_bounding_box_size_depth.
  • Fig. 25 is a detailed syntax of the geometry slice header of Fig. 19;
  • the method/apparatus according to embodiments may efficiently signal support for geometry quantization for each axis by adding option information related to support for geometry quantization for each axis to a geometry slice header.
  • GSH source sub-scale percentage flag (gsh_source_sub_scale_precentage_flag): This indicates whether the sub-scale value for each axis is a percentage or an absolute value.
  • GSH source X sub-scale factor (gsh_source_x_sub_scale_factor): represents the x-axis sub-scale percentage or the x-axis scale value (quantization value).
  • GSH source Y sub-scale factor represents the y-axis sub-scale percentage or y-axis scale value (quantization value).
  • GSH source Z sub-scale factor represents the z-axis sub-scale percentage or z-axis scale value (quantization value).
  • GSH geometry parameter set ID (gsh_geometry_parameter_set_id): This indicates the value of gps_geom_parameter_set_id of Abit GPS.
  • GSH tile ID (gsh_tile_id): This indicates the value of the tile ID referenced by GSH. gsh_tile_id may have a range of 0 to XX (inclusive).
  • GSH slice ID (gsh_slice_id): A slice header for reference by other syntax elements can be identified.
  • the value of gsh_slice_id may range from 0 to XX (inclusive).
  • GSH box scale (gsh_box_log2_scale): indicates the scaling factor of the bounding box origin for the slice.
  • GSH box origin X (gsh_box_origin_x): represents the X value of the bounding box origin scaled by the gsh_box_log2_scale value.
  • GSH box origin Y (gsh_box_origin_y): represents the Y value of the origin of the bounding box scaled by the gsh_box_log2_scale value.
  • GSH box origin Z (gsh_box_origin_z): represents the Z value of the bounding box origin scaled by the gsh_box_log2_scale value.
  • GSH Max Node Size (gsh_log2_max_nodesize): This indicates the value of the variable MaxNodeSize used in the decoding process.
  • GSH points Indicates the number of coded points in a slice.
  • 26 shows a method of transmitting point cloud data according to embodiments.
  • the point cloud data transmission method may include encoding the point cloud data.
  • the encoding operation according to the embodiments includes the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the encoding 20001 of FIG. 2, the point cloud data encoder of FIG. 4, the point cloud data encoder of FIG. XR device 1430 of 14, geometry quantization operation for each axis of FIG. 15, attribute coding operation according to application of geometry quantization for each axis of FIG. 16, point cloud data encoder of FIG. 17, and generation of point cloud bitstream of FIG. 19-25 It can correspond to the back or be combined with them.
  • the point cloud data transmission method according to the embodiments may further include transmitting a bitstream including point cloud data.
  • the transmission operation according to the embodiments may correspond to or be combined with the transmission device 10000 of FIG. 1, the transmitter 10003, the transmission 20002 of FIG. 2, the XR device 1430 of FIG. 14, and the like.
  • FIG. 27 shows a method of receiving point cloud data according to embodiments.
  • a method of receiving point cloud data may include receiving a bitstream including point cloud data.
  • the reception operation according to the embodiments includes the reception device 10004 of FIG. 1, the receiver 10007, the transmission 20002 of FIG. 2, the XR device 1430 of FIG. 14, and the reception of the point cloud bitstream of FIG. 19-25. It can correspond to the back or be combined with them.
  • the method of receiving point cloud data according to the embodiments may further include decoding the point cloud data.
  • the decoding operation according to the embodiments includes the point cloud video decoder 10006 of FIG. 1, the decoding 20003 of FIG. 2, the point cloud data decoder of FIGS. 10-13, the XR device 1430 of FIG. 14, and the point of FIG. 18. It may correspond to, or be combined with, a cloud data decoder, decoding of the point cloud bitstream of FIGS. 19-25, and the like.
  • PCC encoding method point cloud data transmission method/device
  • PCC decoding method point cloud data receiving method/device
  • signaling method parametrimeters
  • embodiments apply geometry quantization for each axis according to the influence of the encoder (encoder)/decoder (decoder) of Geometry-based Point Cloud Compression (G-PCC) for compressing 3D point cloud data.
  • G-PCC Geometry-based Point Cloud Compression
  • embodiments are applied to various application scenarios through a method of applying geometry quantization for each axis to an encoder (encoder)/decoder (decoder) of Geometry-based Point Cloud Compression (G-PCC) for compressing 3D point cloud data. It provides a method to cope with, and improves the overall geometry compression efficiency by giving a difference in compression quality for an important axis and a less important axis according to data characteristics and user environment. Accordingly, the G-PCC encoder (encoder) and the decoder (decoder) according to the embodiments may provide an effect of increasing the overall geometry compression efficiency.
  • A/B is to be interpreted as a term including A or B, A and B.
  • each drawing has been described separately, but it is also possible to design a new embodiment by merging the embodiments described in each drawing.
  • designing a computer-readable recording medium in which a program for executing the previously described embodiments is recorded is also within the scope of the rights of the embodiments according to the needs of the skilled person.
  • the apparatus and method according to the embodiments are not limitedly applicable to the configuration and method of the described embodiments as described above, but the embodiments are all or part of each of the embodiments selectively combined so that various modifications can be made. It can also be configured.
  • 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 as one chip, for example, one hardware circuit.
  • the components according to the embodiments may be implemented as separate chips.
  • at least one or more of the components of the device according to the embodiments may be composed of one or more processors capable of executing one or more programs, and one or more programs may be implemented. It may include instructions for performing or performing any one or more of the operations/methods according to the examples.
  • Executable instructions for performing the method/operations of the apparatus may be stored in a non-transitory CRM or other computer program products configured to be executed by one or more processors, or may be stored in one or more It may be stored in a temporary CRM or other computer program products configured for execution by the processors.
  • the memory according to the embodiments may be used as a concept including not only volatile memory (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.
  • first and second may be used to describe various elements of the embodiments. However, the interpretation of various components according to the embodiments should not be limited by the above terms. These terms are only used to distinguish one component from another. It's just a thing.
  • a first user input signal may be referred to as a second user input signal.
  • the second user input signal may be referred to as a first user input signal.
  • the use of these terms should be construed as not departing from the scope of various embodiments.
  • the first user input signal and the second user input signal are both user input signals, but do not mean the same user input signals unless clearly indicated in context.
  • operations according to the embodiments described in this document may be performed by a transmission/reception apparatus including a memory and/or a processor according to the embodiments.
  • the memory may store programs for processing/controlling operations according to embodiments, and the processor may control various operations described in this document.
  • the processor may be referred to as a controller or the like.
  • operations may be performed by firmware, software, and/or a combination thereof, and firmware, software, and/or a combination thereof may be stored in a processor or in a memory.
  • the embodiments may be applied wholly or partially to the point cloud data transmission/reception apparatus and system.
  • Embodiments may include changes/modifications, and changes/modifications do not depart from the scope of the claims and the same.

Landscapes

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

Abstract

실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다.

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 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), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
상술한 기술적 과제를 위한 기술적 해결방법으로서, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다.
실시예들에 따른 장치 및 방법은 높은 효율로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 장치 및 방법은 높은 퀄리티의 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 장치 및 방법은 VR 서비스, 자율주행 서비스 등 범용적인 서비스를 제공하기 위한 포인트 클라우드 콘텐트를 제공할 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다. 이하에서 설명하는 다양한 실시예들의 보다 나은 이해를 위하여, 하기 도면들에 걸쳐 유사한 참조 번호들이 대응하는 부분들을 포함하는 다음의 도면들과 관련하여 이하의 실시예들의 설명을 반드시 참조해야 한다.
도1은 실시예들에 따른 포인트 클라우드 콘텐츠 제공 시스템의 예시를 나타낸다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도15는 실시예들에 따른 축 별 지오메트리 양자화 동작을 나타낸다.
도16은 실시예들에 따른 축 별 지오메트리 양자화 기반의 속성 코딩 동작을 나타낸다.
도17은 실시예들에 따른 PCC 데이터 부호화기의 구조를 나타낸다.
도18은 실시예들에 따른 PCC데이터 복호화기를 나타낸다.
도19는 실시예들에 따른 인코딩된 포인트 클라우드의 구성을 나타낸다.
도20은 실시예들에 따른 SPS를 나타낸다.
도21은 실시예들에 따른 SPS을 나타낸다.
도22는 실시예들에 따른 SPS을 나타낸다.
도23은 실시예들에 따른 GPS를 나타낸다.
도24는 실시예들에 따른 TPS를 나타낸다.
도25는 실시예들에 따른 GSH를 나타낸다.
도26은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도27은 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
. 실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 컨텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000) 뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 데이터 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)으로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 3은 도 1 내지 도 2에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
포인트 클라우드 콘텐트는 다양한 3차원 공간(예를 들면 현실 환경을 나타내는 3차원 공간, 가상 환경을 나타내는3차원 공간 등)에 위치한 오브젝트(object) 및/또는 환경을 나타내는 포인트 클라우드 비디오(이미지들 및/또는 영상들)을 포함한다. 따라서 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 콘텐트를 생성하기 위하여 하나 또는 그 이상의 카메라(camera)들(예를 들면, 깊이 정보를 확보할 수 있는 적외선 카메라, 깊이 정보에 대응되는 색상 정보를 추출 할 수 있는 RGB 카메라 등), 프로젝터(예를 들면 깊이 정보를 확보하기 위한 적외선 패턴 프로젝터 등), 라이다(LiDAR)등을 사용하여 포인트 클라우드 비디오를 캡쳐할 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 깊이 정보로부터 3차원 공간상의 포인트들로 구성된 지오메트리의 형태를 추출하고, 색상정보로부터 각 포인트의 어트리뷰트를 추출하여 포인트 클라우드 데이터를 확보할 수 있다. 실시예들에 따른 이미지 및/또는 영상은 인워드-페이싱(inward-facing) 방식 및 아웃워드-페이싱(outward-facing) 방식 중 적어도 어느 하나 이상을 기반으로 캡쳐될 수 있다.
도3의 왼쪽은 인워드-페이싱 방식을 나타낸다. 인워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트를 캡쳐하는 방식을 의미한다. 인워드-페이싱 방식은 핵심 객체에 대한 360도 이미지를 사용자에게 제공하는 포인트 클라우드 콘텐트(예를 들면 사용자에게 객체(예-캐릭터, 선수, 물건, 배우 등 핵심이 되는 객체)의 360도 이미지를 제공하는 VR/AR 콘텐트)를 생성하기 위해 사용될 수 있다.
도3의 오른쪽은 아웃워드-페이싱 방식을 나타낸다. 아웃워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트가 아닌 중심 오브젝트의 환경을 캡쳐하는 방식을 의미한다. 아웃워드-페이싱 방식은 사용자의 시점에서 나타나는 주변 환경을 제공하기 위한 포인트 클라우드 콘텐트(예를 들면자율 주행 차량의 사용자에게 제공될 수 있는 외부 환경을 나타내는 콘텐트)를 생성하기 위해 사용될 수 있다.
도면에 도시된 바와 같이, 포인트 클라우드 콘텐트는 하나 또는 그 이상의 카메라들의 캡쳐 동작을 기반으로 생성될 수 있다. 이 경우 각 카메라의 좌표계가 다를 수 있으므로 포인트 클라우드 콘텐트 제공 시스템은 캡쳐 동작 이전에 글로벌 공간 좌표계(global coordinate system)을 설정하기 위하여 하나 또는 그 이상의 카메라들의 캘리브레이션을 수행할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 상술한 캡쳐 방식으로 캡쳐된 이미지 및/또는 영상과 임의의 이미지 및/또는 영상을 합성하여 포인트 클라우드 콘텐트를 생성할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 가상 공간을 나타내는 포인트 클라우드 콘텐트를 생성하는 경우 도3에서 설명한 캡쳐 동작을 수행하지 않을 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 캡쳐한 이미지 및/또는 영상에 대해 후처리를 수행할 수 있다. 즉, 포인트 클라우드 콘텐트 제공 시스템은 원하지 않는 영역(예를 들면 배경)을 제거하거나, 캡쳐한 이미지들 및/또는 영상들이 연결된 공간을 인식하고, 구명(spatial hole)이 있는 경우 이를 메우는 동작을 수행할 수 있다.
또한 포인트 클라우드 콘텐트 제공 시스템은 각 카메라로부터 확보한 포인트 클라우드 비디오의 포인트들에 대하여 좌표계 변환을 수행하여 하나의 포인트 클라우드 콘텐트를 생성할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 각 카메라의 위치 좌표를 기준으로 포인트들의 좌표계 변환을 수행할 수 있다. 이에 따라, 포인트 클라우드 콘텐트 제공 시스템은 하나의 넓은 범위를 나타내는 콘텐트를 생성할 수도 있고, 포인트들의 밀도가 높은 포인트 클라우드 콘텐트를 생성할 수 있다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
*실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 40000), 양자화부(Quantize and Remove Points (Voxelize), 40001), 옥트리 분석부(Analyze Octree, 40002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 40005), 컬러 변환부(Transform Colors, 40006), 어트리뷰트 변환부(Transfer Attributes, 40007), RAHT 변환부(40008), LOD생성부(Generated LOD, 40009), 리프팅 변환부(Lifting)(40010), 계수 양자화부(Quantize Coefficients, 40011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 40012)를 포함한다.
좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(40000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(40001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(40001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(40001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(40001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(40002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(40003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(40004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(40006), 어트리뷰트 변환부(40007), RAHT 변환부(40008), LOD생성부(40009), 리프팅 변환부(40010), 계수 양자화부(40011) 및/또는 아리스메틱 인코더(40012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(40006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(40006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(40006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(40005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(40005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(40007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(40007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(40007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(40007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(40007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(40007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(40007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(40007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(40007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(40008) 및/또는 LOD 생성부(40009)로 입력된다.
실시예들에 따른 RAHT 변환부(40008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(40008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(40009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(40010)는 포인트 클라우드의 어트리뷰트들을 가중치에 기반하여 변환하는 리프팅 변환 코딩을 수행한다. 상술한 바와 같이 리프팅 변환 코딩은 선택적으로 적용될 수 있다.
실시예들에 따른 계수 양자화부(40011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(40012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 4의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 5는 X축, Y축, Z축의 3가지 축으로 구성된 좌표계로 표현되는 3차원 공간상에 위치한 복셀을 나타낸다. 도 4에서 설명한 바와 같이 포인트 클라우드 인코더(예를 들면 양자화부(40001) 등)은 복셀화를 수행할 수 있다. 복셀은 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 도 5는 두 개의 극점들(0,0,0) 및 (2 d, 2 d, 2 d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하는 옥트리 구조를 통해 생성된 복셀의 예시를 나타낸다. 하나의 복셀은 적어도 하나 이상의 포인트를 포함한다. 복셀은 복셀군(voxel group)과의 포지션 관계로부터 공간 좌표를 추정 할 수 있다. 상술한 바와 같이 복셀은 2차원 이미지/영상의 픽셀과 마찬가지로 어트리뷰트(색상 또는 반사율 등)을 가진다. 복셀에 대한 구체적인 설명은 도 4에서 설명한 바와 동일하므로 생략한다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(40002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 6의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2 d, 2 d, 2 d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (x int n, y int n, z int n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
d =Ceil(Log2(Max(x_n^int,y_n^int,z_n^int,n=1,…,N)+1))
도 6의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 6 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 6의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 6에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 4의 포인트 클라우드 인코더, 또는 옥트리 분석부(40002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(Δx, Δy, Δz), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(40005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③ 자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure PCTKR2020009972-appb-img-000001
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다. .
표2-1. Triangles formed from vertices ordered 1,…,n
ntriangles
3(1,2,3)
4(1,2,3), (3,4,1)
5(1,2,3), (3,4,5), (5,1,3)
6(1,2,3), (3,4,5), (5,6,1), (1,3,5)
7(1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8(1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9(1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10(1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11(1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12(1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
포인트 클라우드 비디오의 압축 효율을 증가시키기 위하여 실시예들에 따른 포인트 클라우드 인코더는 콘텍스트 어탭티브 아리스메틱 (context adaptive arithmetic) 코딩을 기반으로 엔트로피 코딩을 수행할 수 있다.
도 1 내지 도 6에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더 또는 아리스메틱 인코더(40004))는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더는 현재 노드의 오큐판시 코드와 이웃 노드들의 오큐판시를 기반으로 엔트로피 인코딩(인트라 인코딩)을 수행하거나, 이전 프레임의 오큐판시 코드를 기반으로 엔트로피 인코딩(인터 인코딩)을 수행할 수 있다. 실시예들에 따른 프레임은 동일한 시간에 생성된 포인트 클라우드 비디오의 집합을 의미한다. 실시예들에 따른 인트라 인코딩/인터 인코딩의 압축 효율은 참조하는 이웃 노드들의 개수에 따라 달라질 수 있다. 비트가 커지면 복잡해지지만 한쪽으로 치우치게 만들어서 압축 효율이 높아질 수 있다. 예를 들어 3-bit context를 가지면, 2의 3승인 = 8가지 방법으로 코딩 해야 한다. 나누어 코딩을 하는 부분은 구현의 복잡도에 영향을 준다. 따라서 압축의 효율과 복잡도의 적정 수준을 맞출 필요가 있다.
도7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더는 옥트리의 각 노드의 이웃 노드들의 오큐판시(occupancy)를 판단하고 이웃 노드 패턴(neighbor pattern) 값을 구한다. 이웃 노드 패턴은 해당 노드의 오큐판시 패턴을 추론하기 위해 사용된다. 도7의 왼쪽은 노드에 대응하는 큐브(가운데 위치한 큐브) 및 해당 큐브와 적어도 하나의 면을 공유하는 6개의 큐브들(이웃 노드들)을 나타낸다. 도면에 도시된 노드들은 같은 뎁스(깊이)의 노드들이다. 도면에 도시된 숫자는 6개의 노드들 각각과 연관된 가중치들(1, 2, 4, 8, 16, 32, 등)을 나타낸다. 각 가중치는 이웃 노드들의 위치에 따라 순차적으로 부여된다.
도 7의 오른쪽은 이웃 노드 패턴 값을 나타낸다. 이웃 노드 패턴 값은 오큐파이드 이웃 노드(포인트를 갖는 이웃 노드)의 가중치가 곱해진 값들의 합이다. 따라서 이웃 노드 패턴 값은 0에서 63까지의 값을 갖는다. 이웃 노드 패턴 값이 0 인 경우, 해당 노드의 이웃 노드 중 포인트를 갖는 노드(오큐파이드 노드)가 없음을 나타낸다. 이웃 노드 패턴 값이 63인 경우, 이웃 노드들이 전부 오큐파이드 노드들임을 나타낸다. 도면에 도시된 바와 같이 가중치1, 2, 4, 8가 부여된 이웃 노드들은 오큐파이드 노드들이므로, 이웃 노드 패턴 값은 1, 2, 4, 8을 더한 값인 15이다. 포인트 클라우드 인코더는 이웃 노드 패턴 값에 따라 코딩을 수행할 수 있다(예를 들어 이웃 노드 패턴 값이 63인 경우, 64가지의 코딩을 수행). 실시예들에 따라 포인트 클라우드 인코더는 이웃 노드 패턴 값을 변경 (예를 들면 64를 10 또는 6으로 변경하는 테이블을 기반으로) 하여 코딩의 복잡도를 줄일 수 있다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 7에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(40009)는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 8에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더, 또는 LOD 생성부(40009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 9의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 9의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 9의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 9에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 4에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.
표. Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
표. Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012)는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012)는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(40010)는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(40008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다. g l x, y, z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. g l x, y, z 는 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, z 과 w2=w l 2x+1, y, z 이다.
Figure PCTKR2020009972-appb-img-000002
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 다음과 같이 생성된다.,
Figure PCTKR2020009972-appb-img-000003
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 디코더는 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006) 예시로서, 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006)의 동작 등과 동일 또는 유사한 동작을 수행할 수 있다. 도면이 도시된 바와 같이 포인트 클라우드 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 디코더는 지오메트리 디코더(geometry decoder)및 어트리뷰트 디코더(attribute decoder)를 포함한다. 지오메트리 디코더는 지오메트리 비트스트림에 대해 지오메트리 디코딩을 수행하여 디코딩된 지오메트리(decoded geometry)를 출력한다. 어트리뷰트 디코더는 디코딩된 지오메트리 및 어트리뷰트 비트스트림을 기반으로 어트리뷰트 디코딩을 수행하여 디코딩된 어트리뷰트들(decoded attributes)을 출력한다. 디코딩된 지오메트리 및 디코딩된 어트리뷰트들은 포인트 클라우드 콘텐트를 복원(decoded point cloud)하는데 사용된다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 디코더는 도 10에서 설명한 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 11000), 옥트리 합성부(synthesize octree, 11001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 11002), 지오메트리 리컨스트럭션부(reconstruct geometry, 11003), 좌표계 역변환부(inverse transform coordinates, 11004), 아리스메틱 디코더(arithmetic decode, 11005), 역양자화부(inverse quantize, 11006), RAHT변환부(11007), LOD생성부(generate LOD, 11008), 인버스 리프팅부(Inverse lifting, 11009), 및/또는 컬러 역변환부(inverse transform colors, 11010)를 포함한다.
아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스럭션부(11003), 좌표계 역변환부(11004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 9에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(11000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(11000)의 동작은 아리스메틱 인코더(40004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(11001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(11002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(11003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 9에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(11003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(11003)는 지오메트리 리컨스트럭션부(40005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 6에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(11004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(11005), 역양자화부(11006), RAHT 변환부(11007), LOD생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(11005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(11006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(11010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(11010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 12에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 4의 포인트 클라우드 인코더)의 예시이다. 도 12에 도시된 전송 장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 (Arithmetic) 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011) 및/또는 전송 처리부(12012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(12000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 9에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(12001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(12001)의 동작 및/또는 양자화는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(12002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(120002)는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(12003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(12003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(12003)는 도 4 및 도 6에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(40002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(12004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(12004)는 도 4 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(12005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(12005)는 도 7에서 설명한 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 구체적인 설명은 도 7에서 설명한 바와 동일하다. 실시예들에 따라 인트라/인터 코딩 처리부(12005)는 아리스메틱 코더(12006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(12006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(12006)는 아리스메틱 인코더(40004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(12007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(12007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(12008), 어트리뷰트 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 9에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(12008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(12008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하다. 또한 도 4에서 설명한 컬러 변환부(40006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(12009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(12009)는 도 4에 설명한 어트리뷰트 변환부(40007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(12010)는 도 4에서 설명한 RAHT 변환부(40008), LOD 생성부(40009) 및 리프팅 변환부(40010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(12011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(12011)는 아리스메틱 인코더(400012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(12012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom0 0) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr0 0, Attr1 0)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(12007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(12012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(12012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 13에 도시된 수신 장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 13에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(13000), 수신 처리부(13001), 아리스메틱 (arithmetic) 디코더(13002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(13004), 인버스(inverse) 양자화 처리부(13005), 메타데이터 파서(13006), 아리스메틱 (arithmetic) 디코더(13007), 인버스(inverse)양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009), 색상 역변환 처리부(13010) 및/또는 렌더러(13011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(13000)는 포인트 클라우드 데이터를 수신한다. 수신부(13000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(13001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(13001)는 수신부(13000)에 포함될 수 있다.
아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
*실시예들에 따른 아리스메틱 디코더(13002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(13002)는 아리스메틱 디코더(11000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 옥트리 합성부(11001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(13004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(13004)는 서페이스 오프록시메이션 합성부(11002) 및/또는 지오메트리 리컨스트럭션부(11003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(13006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(13006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 12에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(13007), 인버스 양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009) 및 색상 역변환 처리부(13010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(13007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(13007)는 아리스메틱 디코더(11005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(13008)는 역양자화부(11006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(13009)는 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(13010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(13010)는 컬러 역변환부(11010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(13011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 14의 구조는 서버(1460), 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상이 클라우드 네트워크(1410)와 연결된 구성을 나타낸다. 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440) 또는 가전(1450) 등은 장치라 호칭된다. 또한, XR 장치(1430)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1400)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1400)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1460)는 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상과 클라우드 네트워크(1400)을 통하여 연결되고, 연결된 장치들(1410 내지 1470)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1470)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(1410 내지 1450)의 다양한 실시 예들을 설명한다. 여기서, 도 14에 도시된 장치(1410 내지 1450)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1430)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(1430)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(1430)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1420)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1420)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(1420)은 XR 장치(1430)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1420)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1420)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 발명의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 데이터 (PCC) 송수신 장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신 장치 차량에 탑재된 경우, 포인트 클라우드 송수신 장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
도15는 실시예들에 따른 축 별 지오메트리 양자화 동작을 나타낸다.
도15는 도17 및 도17에 대응하는 포인트 클라우드 데이터 부호화기(PCC 데이터 부호하기) 등에 의해 수행되는 실시예들에 따른 축 별 지오메트리 양자화 동작이다.
실시예들에 따라 PCC 데이터 부호하기는 부호화기, 인코더, 포인트 클라우드 송신 장치, 포인트 클라우드 데이터 인코더 등에 대응될 수 있다.
실시예들에 따라 기하정보는 지오메트리 정보, 지오메트리 데이터 등으로 지칭될 수 있고, 속성정보는 어트리뷰트 정보, 어트리뷰트 데이터 등으로 지칭될 수 있다.
실시예들에 따른 방법/장치는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치를 의미한다.
실시예들에 따른 방법/장치는 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 G-PCC(Geometry-based Point Cloud Compression)의 지오메트리 양자화 조절/적용 방안에 관한 것이다.
실시예들에 따른 방법/장치는 콘텐츠의 특성과 서비스의 특성에 따른 축 별 중요도, 영향도에 따라 축 별 지오메트리 양자화 적용을 위한 방안을 제안한다. 이를 통해 다양한 요구사항에 대처할 수 있는 방법을 제공하고, 지오메트리 압축 효율을 높일 수 있다.
비트스트림에 의해 표현되는 포인트 클라우드 소스는 디코딩 순서 내 포인트들의 집합이다.
소스 및 디코딩된 포인트 클라우드들이 하나 또는 하나 이상의 샘플 어레이들로 구성될 수 있다. 샘플 어레이는 다음을 포함할 수 있다:
- 지오메트리 정보: 0 1 2 또는 XYZ의 3D 공간 내 점유된 포인트의 좌표이다.
- 싱글 스티뮬러스(루마, 반사도)
- 컬러, 예를 들어, 그린, 블루, 레드(GBR, RGB)
- 프레임 인덱스, 투명도와 같은 멀티-스티뮬러스 어트리뷰트 샘플링들 또는 다른 모노크롬을 나타내는 어레이들
실시예들에 따른 방법/장치는 다음의 특징을 제안한다: 1) 축 별 지오메트리 양자화 방안 및 시그널링, 2) 축 별 지오메트리 양자화 적용으로 인한 속성 코딩 수정 방안.
실시예들에 따른 방법/장치는 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 G-PCC(Geometry-based Point Cloud Compression)의 지오메트리(geometry) 양자화(quantization)의 성능을 개선하는 방안에 관한 것이다.
본 문서에서, 실시예들에 따른 포인트 클라우드 데이터 송신 장치, 인코더, 부호화기 등은 서로 대응되는 용어로 해석된다. 송신 장치는 인코더를 포함하는 장치로 해석될 수 있고, 실시예들에 따라 인코더를 넓게 설명하는 용어로 사용될 수 있다. 마찬가지로, 실시예들에 따른 포인트 클라우드 데이터 수신 장치, 디코더, 복호화기 등은 서로 대응되는 용어로 해석된다. 수신 장치는 디코더를 포함하는 장치로 해석될 수 있고, 실시예들에 따라 디코더를 넓게 설명하는 용어로 사용될 수 있다.
포인트 클라우드는 포인트(point)들의 집합으로 구성되며, 각 포인트는 지오메트리(geometry) 정보와 속성(attributes) 정보를 포함할 수 있다. 지오메트리 정보는 3차원 위치(XYZ) 정보이며, 속성 정보는 색상 (RGB, YUV 등) 또는/과 반사(Reflectance) 값이다.
본 문서에서 지오메트리 정보, 지오메트리 데이터 등은 서로 대응되는 용어로 사용될 수 있다. 또한, 어트리뷰트 정보, 어트리뷰트 데이터 등은 서로 대응되는 용어로 사용될 수 있다.
G-PCC 부호화(encoding) 과정은 지오메트리를 압축하고, 압축을 통해 변경된 위치 정보들로 재구성된 지오메트리(reconstructed geometry=복호화된 지오메트리)를 바탕으로 속성 정보를 압축하는 과정으로 구성될 수 있다. G-PCC 복호화(decoding) 과정은 부호화된 지오메트리 비트스트림(bitstream)과 속성 비트스트림을 전송 받아서 지오메트리를 복호화하고 복호화 과정을 통해 재구성된 지오메트리를 기반으로 속성 정보를 복호화하는 과정으로 구성될 수 있다. (도 4 참조)
지오메트리 정보 압축 과정은 옥트리 기법 또는 트라이숩(trisoup) 기법을 사용할 수 있다. 지오메트리 정보 복셀화(voxelization), 점유된 복셀(occupied voxel) 관리를 위한 옥트리 기법, 트라이숲을 사용하는 경우, 삼각형을 만들기 위한 정점 세그먼트들의 정보로 정보를 변환하는 과정이 포함될 수 있다. (도4내지7의 지오메트리 인코딩 참조) 속성 정보 압축 과정에서는 Prediction transform scheme, Lift transform scheme, RAHT 기법을 사용할 수 있다. (도4내지9의 어트리뷰트 인코딩 참조)
실시예들에 따른 포인트 클라우드의 압축 과정은 지오메트리 코딩과 속성 코딩이 분리되어 있다. 따라서, 지오메트리 및 속성 압축의 질의 조절은 양자화 값으로 각각 조절될 수 있다.
① 포인트 클라우드 콘텐츠의 특성과 서비스의 특성에 따라서 각 축 별로 중요도가 다를 수 있기 때문에, 지오메트리의 질(quality) 조절시 각 축 별로 양자화 값을 조절할 필요가 있을 수 있다.
예를 들면, LiDAR 데이터의 경우, 데이터의 특성 상 z 축이 중요도가 x, y 축에 떨어질 수도 있다.
또한, 사람이 캡처 된 데이터의 경우, y축에 데이터 중요하기는 하지만 지연도(latency)를 줄이기 위해서 y축의 질을 떨어트리는 것이 z축의 질을 떨어뜨리는 것보다 효과적일 수 있다.
② 이처럼 포인트 클라우드 처리 과정은 지오메트리 코딩과 속성 코딩이 분리되어있지만, 지오메트리 압축된 결과로 재구성된 포인트 클라우드가 속성 코딩의 입력이 되기 때문에 지오메트리 압축의 질은 속성 코딩에 영향을 줄 수도 있다. 축별로 다르게 압축의 질이 조절된 경우, 속성 코딩이 영향을 받지 않도록 변경해야 할 방법을 제시할 필요가 있을 수 있다.
따라서, 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 이러한 기술적 과제에 대한 솔루션으로 다음 제안을 포함한다: 1) 축 별 지오메트리 양자화 방안 및 시그널링, 2) 축 별 지오메트리 양자화 적용으로 인한 속성 코딩 수정 방안.
실시예들에 따른 송신 방법/장치는 축 별 양자화 값을 입력으로 설정하여 지오메트리 및 어트리뷰트 코딩을 수행하고, 이를 위한 시그널링 정보를 제공할 수 있다. 마찬가지로, 실시예들에 따른 수신 방법/장치는 송신의 역과정으로서, 지오메트리/어트리뷰트 디코딩/복원을 수행할 수 있다.
한편, 본 문서의 실시예들 간 변경 및 결합이 가능하다. 본 문서에서 사용되는 용어는 해당 분야에서 널리 사용되는 범위 내에서, 용어의 의도된 의미에 근거하여 이해될 수 있다.
실시예들에 따른 축 별 지오메트리 양자화 방안은 PCC 부호화기의 PCC 지오메트리/속성 부호화에서 수행되고(도17 참조), PCC 복호화기의 PCC 지오메트리/속성 복호화 과정을 통해 복원될 수 있다(도18참조).
1. 실시예들에 따른 축 별 지오메트리 양자화 적용 방안 (부호화기: 도1의 송신장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도4의 인코더, 도12의 인코더, 도14의 XR디바이스(1430), 도17의 인코더)은, 1) 포인트들에 대한 기준점 조정 단계(S15000), 2) 지오메트리 스케일 값 적용 단계(S15010), 3) 포인트들에 대한 양자화 단계(S15020), 및/또는 4) 포인트들에 대한 복셀화 단계(S15030) 등을 포함할 수 있다. 각 단계는 실시예들에 따른 부호화기에 의해 수행될 수 있다. 부호화기는 포인트 클라우드 데이터 인코더, 포인트 클라우드 송신 장치, 인코더, 송신 장치 등으로 다양하게 지칭될 수 있다. 이하에서, 실시예들에 딸느따른 축 별 지오메트리 양자화를 적용하기 위한 부호화기의 지오메트리 코딩 과정에 대한 각 단계를 상술한다.
1) 포인트들에 대한 기준점 조정 단계(S15000)
인코더는 전체 포인트들의 최소 x, y, z 위치 값을 찾아 각 포인트들의 위치 값에서 빼줄 수 있다. 이 과정을 통해 해당 포인트 클라우드 콘텐츠의 왼쪽 하단 앞쪽의 위치를 원점(0, 0, 0)으로 조절 될 수 있다. 즉, 산발적인 포인트들의 미니멈점(최소값) 기준으로 원점으로 조정될 수 있다. 원점의 값은 실시예들에 따라 다양한 정수값일 수 있다.
2) 지오메트리 스케일 값 적용 단계(S15010)
인코더는 지오메트리 스케일(scale) 값을 입력 받아 포인트들의 위치 값에 적용할 수 있다. 지오메트리 스케일(scale) 값은 지오메트리 양자값 (geometry quantization parameter) 이라고도 할 수 있다.
지오메트리 스케일 값은 모든 축에 하나의 값을 적용할 수도 있고, 각 축 별로 서로 다른 지오메트리 스케일 값을 적용할 수도 있다.
포인트 클라우드 데이터의 타입에 따라서 각 축 별의 특성 및 처리 요건에 맞게, 실시예들에 따른 방법/장치는 축 별로 지오메트리 스케일 값을 다양하게 적용할 수 있다.
무손실 지오메트리 코딩에서는 스케일 값은 1이고, 손실 지오메트리에서는 스케일 값은 1보다 작은 수로 지정될 수 있다. 무손실 또는 손실 방식은 포인트 클라우드 데이터의 종류 및 설정에 따라 정해질 수 있다.
예를 들어, 콘텐츠를 둘러싸고 있는 가장 작은 범위의 직육면체인 바운딩 박스(bounding box)가 y 축이 더 긴 경우, 손실 압축시, y 축의 양자화 값을 x, z 축에 비해 더 많은 손실을 줄 수도 있다.
축 별 지오메트리 스케일 값(양자화값) 대신, 기본 전체 스케일링 값 하나를 입력 받고, 스케일 값이 1보다 작은 손실 압축일 경우, 포인트 클라우드의 분포에 따라서 자동으로 각 축 별로 스케일 값을 세부 조정하여 적용할 수도 있다. 또는 각 축의 세부 조절값을 입력 받을 수도 있다.
축 별로 다르게 지오메트리 스케일 값을 이용함으로써, 실시예들에 따른 방법/장치는 PNSR 측면에서 효과적인 퍼포먼스를 제공할 수 있다.
3) 포인트들에 대한 양자화 단계(S15020)
인코더는 지오메트리 스케일 값(양자화 값)이 모든 포인트에 적용된 후, 변경된 지오메트리 위치 정보를 정수화(양자화)시킬 수 있다.
4) 포인트들에 대한 복셀화 단계(S15030)
인코더는 가로, 세로, 높이가 1인 큐브를 하나의 복셀(voxel)로 정할 수 있다(도5참조). 정수화된 포인트 위치 값은 포인트를 가지고 있는 복셀(voxel) 위치 정보 값일 수 있다. 1개의 복셀에는 여러 개의 포인트들이 속할 수 있다. 중복 포인트 (duplicated point) 허용 여부에 따라서 해당 복셀에 포인트들을 하나로 통합할 수도 있고, 추가 포인트에 대해서 포인트 위치 정보를 직접 코딩 할 수도 있다. 포인트를 하나로 통합하는 경우, 이후 단계에서 포인트에 대한 대표 속성(색상 또는 반사값)을 설정하는 작업이 포함되어, 지오메트리적으로도 손실이 발생하고, 속성 면에서도 손실이 일어날 수 있다.
도16은 실시예들에 따른 축 별 지오메트리 양자화 기반의 속성 코딩 동작을 나타낸다.
도16은 도17 및 도17에 대응하는 포인트 클라우드 데이터 부호화기(PCC 데이터 부호하기) 등에 의해 수행되는 실시예들에 따른 축 별 지오메트리 양자화 동작이다.
2. 축 별 지오메트리 양자화 적용에 따른 속성 코딩 변경 방안 (부호화기: 도1의 송신장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도4의 인코더, 도12의 인코더, 도14의 XR디바이스(1430), 도17의 인코더)은 1) 색상 재조정(recoloring ) 단계(S16000), 2) 거리(distance) 기반 LOD 생성 단계(S16010), 및/또는 3) 이웃 포인트(nearest neighbour) 집합 검색 단계(S16020)를 포함할 수 있다. 이하에서, 실시예들에 따른 각 축 별로 지오메트리 스케일 값(지오메트리 양자화 값)을 적용함에 따라 달라져야 하는 속성 코딩 과정들에 대한 각 단계를 설명한다.
1) 색상 재조정(recoloring ) 단계(S16000)
인코더의 손실 지오메트리 압축은 지오메트리 코딩시 중복 포인트를 허용하지 않고, 하나의 복셀에 하나의 포인트만을 허용할 수 있다. 하나의 복셀에 여러 개의 포인트가 포함되어 있었는데, 그것을 하나의 포인트로 만들기 위해서 인코더의 지오메트리 코딩은 모든 포인트 값을 무시하고 복셀의 중앙 값 하나만 등록할 수 있다. 이러한 경우, 선택된 하나의 포인트를 위한 대표 속성(색상 또는 반사값)을 계산해야 할 수 있다. 대표 속성은 중앙 포인트와 가까운 이웃 포인트(Nearest Neighbor Points)를 양자화 하기 전의 포인트 클라우드(이하 원본 클라우드라 칭함)에서 찾고, 그들 색상의 가중치 적용 평균(weighted average)한 속성값으로 설정할 수 있다. 이러한 과정을 색상 재조정(리컬러링)이라고 지칭할 수 있다. 어트리뷰트의 리컬러링은 포인트 클라우드 데이터가 손실(lossy)한 경우에 수행될 수 있다.
인코더는 양자화를 적용한 위치 값에 역양자화를 적용해서 역양자화된 값을 중심으로 원본 클라우드에서 이웃 포인트들을 찾을 수 있다. 축 별로 지오메트리 양자화를 다르게 한 경우, 이웃 포인트를 찾기 위해 역양자화 진행시, 축 별로 다른 값으로 역양자화를 진행해야 정확한 이웃 포인트를 찾을 수 있다.
2) 거리(distance) 기반 LOD 생성 단계(S16010)
인코더는 속성 잔차(residual) 코딩을 위해서 LOD 생성 단계를 수행할 수 있다. 속성 잔차 코딩을 통해 효율적인 포인트 클라우드 데이터의 압축 및 전송이 가능하기 때문이다. LOD 생성을 위해 두 가지 방법이 있을 수 있다. 거리 기반 또는 순서 기반이다. 거리기반 LOD 생성시, 각 축 별 지오메트리 양자화를 진행한 경우, 일반적인 거리 계산시에 왜곡이 발생할 수 있어서 수식(16011)과 같은 보정이 필요할 수 있다.
예를 들어, 양자화된 지오메트리 데이터를 다시 역으로 양자화(복원)하고, 지오메트리 데이터 및/또는 어트리뷰트 데이터에 기반하여 LOD를 생성할 수 있다. LOD에 기반하여 실시예들에 따른 방법/장치는 프레딕션을 수행하고, 잔차값(residual)을 생성할 수 있다. 잔차값(residual)(또는 잔차 속성 정보)는 양자화되고, 인코딩되어 어트리뷰트 비트스트림의 형태로써 전송된다.
또한, 수식(16011)을 참조하면, 거리 기반 LOD 생성시 수식(16011)에 기반하여 LOD가 생성될 수 있다. QP는 축 별 스케일 값일 수 있다. 각 X, Y, Z축 별 지오메트리 포인트에 스케일 값이 적용되면, 거리 왜곡을 보정하는 값이 축마다 적용될 수 있다. 실시예들에 따른 LOD구성부가 포인트 I 및 J간 거리(distance)를 생성 시, I포인트 및 J포인트 간 차이값에 기반하는 값이 스케일 값이 추가로 적용되어 거리가 계산될 수 있다.
3) 이웃 포인트(nearest neighbour) 집합 검색 단계(S16020)
인코더는 LOD가 생성되고, LODl 집합에 속한 포인트 Px의 이웃 포인트 집합 생성시, LOD0 ~ LODl-1 집합에 속한 포인트들과 LODl 집합에 속한 포인트들 중에 순서상 앞에 있는 포인트들(또는 몰톤 코드가 Px의 몰톤 코드보다 작거나 같은 포인트들)에서 이웃 포인트 집합을 검색할 수 있다.
이웃 포인트 집합 검색 시, 검색 범위가 주어지고 그 검색 범위에 있는 포인트들과의 거리를 계산하고 비교해서 그 가운데 가장 가까운 포인트들을 최대 이웃 포인트 개수만큼 등록할 수 있다. 이 때, 거리 계산시 축 별로 적용한 지오메트리 양자화 값이 적용된 경우에 대해서 수식(16021)과 같이 보정이 필요할 수 있다.
또한, 이웃 포인트에 대한 가중치는 수식(16022)과 같이 변경 될 수 있다.
3. 축 별 지오메트리 양자화 적용에 따른 속성 코딩 변경 방안 (복호화기: 도1의 수신 장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20003), 도10의 디코더, 도11의 디코더, 도13의 디코더, 도14의 XR디바이스(1430), 도18의 디코더, ):
부호화기는 각 축 별로 지오메트리 스케일 값(지오메트리 양자화 값)을 적용함에 따라 복호화기도 지오메트리 역양자화 실행시 축 별로 역양자화를 수행할 수 있다.
복호화기에서의 속성 복호화 시, 거리 기반 LOD 생성과 이웃 포인트 집합 검색단계에서 적용된 거리 계산법과 가중치 계산법이 적용될 수 있다.
지오메트리 역양자화, 속성 복호화 등은 실시예들에 따른 복호화기에서 수행될 수 있고, 복호화기는 실시예들에 따른 디코더, 수신 장치, 포인트 클라우드 데이터 수신 장치, 포인트 클라우드 디코더 등에 대응될 수 있다. 또한, 실시예들에 따른 디코더의 각 동작은 실시예들에 따른 인코더의 각 대응되는 동작의 역과정을 따를 수 있다.
부호화기의 입력으로 PCC 데이터가 들어가고 부호화되어 기하정보 비트스트림과 속성정보 비트스트림이 출력될 수 있다.
실시예들에 따른 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다. 포인트 클라우드 데이터는 지오메트리 데이터 및 어트리뷰트 데이터를 포함한다. 특히, 인코딩하는 단계는, 지오메트리 데이터의 위치를 기준점으로 조정하는 단계를 포함한다. 나아가, 인코딩하는 단계는, 지오메트리 데이터에 스케일 값을 적용하는 단계를 포함하고, 스케일 값은 지오메트리 데이터에 대한 각 축마다 동일하거나 다를 수 있다. 또한, 인코딩하는 단계는 지오메트리 데이터를 양자화 하는 단계, 지오메트리 데이터를 복셀화하는 단계를 포함할 수 있다. 실시예들에 따른 인코딩하는 단계는, 지오메트리 데이터를 역양자화하여, 어트리뷰트 데이터의 색상을 재조정하는 단계, 지오메트리 데이터 및 어트리뷰트 데이터에 기반하여 LOD(Level of Detail)를 생성하는 단계, LOD로부터 이웃 포인트 집합을 검색하는 단계를 포함할 수 있다.
도17은 실시예들에 따른 PCC 데이터 부호화기의 구조를 나타낸다.
도17은 도1의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도4의 포인트 클라우드 데이터 인코더, 도12의 인코더, 도14의 XR디바이스(1430)에 대응될 수 있다.
상술한 실시예들에 따른 동작들은 기하 정보 변환 양자화 처리부, 속성 정보 부호화부에 의해 수행될 수 있다.
데이터 입력부(17000)는 지오메트리 데이터, 어트리뷰트 데이터 및/또는 이와 관련된 파리미터들을 수신할 수 있다.
좌표계 변환부(17010)는 지오메트리 데이터의 위치(좌표)정보에 관한 좌표계를 변환할 수 있다. 좌표계 변환부(17010)는 도4의 좌표계 변환부(40000)에 대응될 수 있다.
기하정보 변환 양자화 처리부(17020)는 기하정보 변환 양자화기 등으로 지칭될 수 있다. 기하정보 변환 양자화 처리부(17020)는 도4의 양자화기(40001)에 대응될 수 있다.
실시예들에 따라 기하정보 변환 양자화기(17020)는 각 축 별 (x, y, z 축) 스케일값(양자화값)을 입력 받을 수 있다.
또는 실시예들에 따라 기하정보 변환 양자화기(17020)는 전체 스케일값(양자화값) 하나를 입력 받고, 콘텐츠의 분포에 따라서 각 축 별 스케일 조절할 수도 있다. 축 별 세부 조정 여부는 복호화기(디코더/수신 장치)에 시그널링 될 수 있다.
또는 실시예들에 따라 기하정보 변환 양자화기(17020)는 전체 스케일값(양자화값) 하나를 입력 받고, 각 축 별 퍼센티지를 입력 받아 각 축 별 스케일값을 설정할 수도 있다.
디코더 또는 기하정보 변환 양자화기(17020)는 입력받은 값 기반으로 생성된 각 축 별 스케일값(양자화값)에 따라 기하정보를 각 축 별로 양자화 할 수 있다. 축 별 스케일값(양자화 값)은 복호화기에 시그널링되고, 복호화기에서 기하정보를 복원할 때 사용할 수 있다.
공간 분할부(17030)는 포인트 클라우드 데이터를 실시예들에 따른 공간 분할 단위로 분할할 수 있다. 공간 분할부(17030)는 포인트 클라우드 데이터의 데이터 특성에 따라서 공간 적응적으로 타일, 블록, 밀도 기반, 축 기반, 어트리뷰트 기반, 지오메트리 기반 등의 방법을 사용하여 데이터의 공간을 분할할 수 있다.
공간 분할부(17030)는 데이터 파티셔닝을 수행할 수 있다. 프레임이 타일들 및 슬라이스들로 파티셔닝될 수 있다. 소스 포인트 클라우드 데이터는 복수의 슬라이스들로 파티셔닝될 수 있고, 비트스트림 내에서 인코딩될 수 있다. 슬라이스는 독립적으로 인코딩 또는 디코딩될 수 있는 포인트들의 집합이다. 슬라이스는 하나의 지오메트리 데이터 유닛 및 제로 또는 하나 이상의 어트리뷰트 데이터 유닛을 포함할 수 있다. 어트리뷰트 데이터 유닛들은 동일한 슬라이스 내에 대응하는 지오메트리 데이터에 의존적일 수 있다. 슬라이스 내에, 지오메트리 데이터 유닛은 관련된 어트리뷰트 유닛들 이전에 나타날 수 있다. 슬라이스의 데이터 유닛들은 인접해있다.
슬라이스들의 그룹은 공통의 타일 식별자에 의해 식별될 수 있다. 각 타일을 위한 바운딩 박스를 기술하는 타일 정보가 비트스트림 내에 있을 수 있다. 타일은 바운딩 박스 내 다른 타일을 오버랩할 수 있다. 각 슬라이스는 타일이 속하는 것을 식별하는 인덱스를 포함할 수 있다.
기하정보 부호화부(17040)는 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩할 수 있다. 지오메트리 인코딩의 상세 과정은 다음과 같다.
복셀화 처리부(17050)는 지오메트리 데이터를 복셀화할 수 있다. 복셀화 처리부(15050)는 도4의 복셀화기(40001)에 대응될 수 있다.
옥트리 생성부(17060)는 옥트리 제너레이터 등으로 지칭될 수 있다. 옥트리 생성부(17060)는 도4의 옥트리 분석부(40002)에 대응될 수 있다. 옥트리 생성부(17060)는 지오메트리 데이터를 옥트리 구조로 생성할 수 있다.
지오메트리 옥트리가 사용되는 경우, 지오메트리 인코딩이 다음과 같이 수행될 수 있다: 1) 두 개의 포인트들에 의해 정의되는 바운딩 박스가 정의될 수 있다. 바운딩 박스를 재귀적으로 분할(recursively subdividing)하면서 옥트리 구조가 빌딩된다. 각 큐브는 8개의 서브-큐브들로 분할된다. 8비트 코드는 어큐판시 코드로 지칭될 수 있다. 각 서브-큐브 당 1비트가 포인트가 채워져 있으면 1, 포인트가 비워져 있으면 0와 같이 표현될 수 있다. 1보다 사이즈가 큰 서브-큐브들이 추가로 분할된다. 1크기의 서브-큐브가 복셀일 수 있다. 복수의 포인트들이 중복될 수 있고, 동일한 서브-큐브(복셀)에 매핑될 수 있다. 각 서브-큐브의 포인트들은 아리스메티컬하게 인코딩될 수 있다.
한편, 디코딩 프로세스는 비트스트림으로부터 바운딩 박스의 디멘션을 읽음으로써 시작될 수 있다. 어큐판시 코드들에 따라서 바운딩 박스를 분할함으로써 동일한 옥트리 구조가 생성될 수 있다. 디멘션1의 서브-큐브에 도달하면 서브-큐브의 포인트들이 아리스메티컬하게 디코딩될 수 있다.
기하정보 예측부(17070)는 지오메트리 데이터에 대한 예측을 수행할 수 있다.
예를 들어서, 기하정보 예측부(17070)는 옥트리 구조에서 부모 노드 및 자식 노드 간 지오메트 데이터의 예측값을 생성할 수 있다. 예측값을 통해 잔차값을 생성하여 잔차값을 엔트로피 코딩하여 지오메트리 비트스트림을 구성할 수 있다. 예측값과의 잔차값만을 코딩하여 효율적인 비트스트림 전송을 할 수 있는 효과가 있다.
또한, 기하정보 예측부(17070)는 어트리뷰트 코딩을 위해 지오메트리 옥트리로부터 지오메트리 데이터를 복원(재구성)할 수 있다. 재구성된 지오메트리 데이터에 기반하여 어트리뷰트 코딩이 수행되기 때문이다.
기하정보 엔트로피 부호화부(17080)는 지오메트리 데이터를 엔트로피 코딩하여, 지오메트리 비트스트림을 생성할 수 있다.
예를 들어, 지오메트리 옥트리 구조 상에서 부모 노드 및 자식 노드 간 예측값에 기반하여 생성된 잔차값만 코딩하여 전송될 수 있다.
속성정보 부호화부(17090)는 어트리뷰트 데이터를 다음과 같이 인코딩할 수 있다.
색상 변환 처리부(17100)는 어트리뷰트 데이터의 색상을 데이터 특성에 맞게 변환할 수 있다.
색상 재조정부(17100)는 색상 재조정기 또는 색상 리컬러러, 리컬러러 등으로 지칭될 수 있다.
실시예들에 따라서, 재구성된 지오메트리 옥트리 구조 상 중첩 포인트가 병합되어 있는 경우, 속성정보 부호화부(17090)는 색상 재조정을 수행할 수 있고, 아니면 RAHT 어트리뷰트 코딩을 하거나, 예측/리프팅 변환 어트리뷰트 코딩에 따라서 LOD를 구성할 수 있다. 실시예들에 따라서, 중첩된 포인트들이 병합되지 않은 경우, RATH 코딩인 경우에도 색상 재조정 및/또는 LOD 구성이 수행될 수 있다.
또한, 실시예들에 따라서, 재구성된 지오메트리 데이터에 기반하여 속성정보 인코딩을 수행 시 손실(lossy) 지오메트리인 경우에 색상 재조정을 수행하거나, 손실 지오메트리가 아니고, 예측/리프팅 변환 어트리뷰트 코딩인 경우 LOD 구성을 수행할 수 있다.
하나의 복셀 내에 여러 개의 포인트들이 존재하고 손실 압축으로 중복 포인트 병합을 진행한 복셀이라면, 색상 재조정부의 동작이 적용될 수 있다.
또한, 지오메트리 양자화 계수가 1보다 작은 경우, 하나의 복셀에 다수 개의 포인트들이 포함될 수 있고, 이 때 색상 재조정, LOD 구성, 이웃 포인트 집합 구성 등이 수행될 수 있다.
색상 재조정부(17100)는 복셀의 대표 색상을 설정하기 위해 원본 포인트 클라우드에서 복셀의 중앙 위치와 가까운 이웃 포인트를 검색할 수 있고, 그 이웃 포인트들로부터 대표 색상을 계산할 수 있다.
색상 재조정부(17100)는 이웃 포인트 검색 과정에서 원본과 양자화된 값의 위치 차를 복원하기 위해 기하정보를 역양자화 할 수 있다. 역양자화를 수행할 때 축 별 역양자화를 수행할 수 있다.
또한, 실시예들에 따라서, 색상 재조정부(17100)는 손실 지오메트리 압축을 진행한 경우에 수행될 수 있다.
LOD구성부(17110)는 LOD제너레이터, LOD구성기 등으로 지칭될 수 있다.
LOD구성부(17110)는 속성정보를 부호화하기 위해 어트리뷰트 코딩 중 예측 변환 방식(Predictive Transform scheme) 및/또는 리프팅 변환 방식(Lifting Transform Scheme)인 경우 LOD를 구성할 수 있다.
LOD구성부(17110)가 LOD들을 구성하는 방법으로 거리 기반이 있을 수 있다.
거리 기반 LOD 구성시, LOD구성부(17110)는 각 축에 대한 가중치 및/또는 축 별 지오메트리 스케일값에 기반하여 거리 계산식을 변경/적용 할 수 있다.
이웃 포인트 집합 구성부(17120)는 속성정보를 부호화하기 위해 어트리뷰트 코딩 중 예측 변환 기법(Predictive Transform scheme)과 리프팅 변환 기법(Lifting Transform Scheme)인 경우 이웃 포인트 집합 구성부를 포함할 수 있다.
이웃 포인트 집합 구성부(17120)는 LOD가 생성되고, LODl 집합에 속한 포인트 Px의 이웃 포인트 집합 생성시, LOD0 ~ LODㅣ-1 집합에 속한 포인트들과 LODl 집합에 속한 포인트들 중에 순서상 앞에 있는 포인트들(또는 몰톤 코드가 Px의 몰톤 코드보다 작거나 같은 포인트들)에서 이웃 포인트 집합을 검색할 수 있다.
이웃 포인트 집합 구성부(17120)는 이웃 포인트 집합 구성시, 포인트들과의 거리를 기준으로 최대 이웃 포인트만큼을 등록할 수 있다. 사용된 거리는 각 축에 대한 가중치 및/또는 축 별 지오메트리 스케일값에 기반하여 변경/적용될 수 있다.
선택된 이웃 포인트의 가중치값은 각 축에 대한 가중치 및/또는 축 별 지오메트리 스케일값에 기반하여 변경/적용될 수 있다.
속성정보 예측부(17140)는 LOD에 기반하여 특정 포인트의 이웃 포인트들이 등록된 결과부터 속성정보를 예측한다. 속성정보 예측부(17140)는 이웃 포인트들로부터 포인트의 속성을 예측한다. 포인트의 속성값과 예측된 속성값(예측값)과의 잔차값이 생성될 수 있다. 이러한 잔차값을 코딩하여 비트스트림을 생성하고, 효율적인 비트스트림을 전달할 수 있다.
잔차 속성정보 양자화 처리부(17130)는 잔차 속성정보를 양자화할 수 있다.
속성정보 엔트로피 부호화부(17140)는 어트리뷰트 데이터를 엔트로피 코딩하여 어트리뷰트 비트스트림을 생성할 수 있다. 예를 들어, 잔차값이 코딩되어 어트리뷰트 비트스트림이 생성될 수 있다.
도18은 실시예들에 따른 PCC데이터 복호화기를 나타낸다.
도18은 도1의 수신 장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20003), 도10의 디코더, 도11의 디코더, 도13의 디코더, 도14의 XR디바이스(1430)에 대응될 수 있다.
도18의 PCC데이터 복호화기는 도17의 PCC데이터 부호화기의 대응 구성요소의 역과정을 수행할 수 있다.
복호화기의 입력으로 부호화된 기하정보 비트스트림과 속성정보 비트스트림이 들어가고 복호화 되어 복원된 PCC된 데이터가 출력될 수 있다.
기하정보 복호화부(18000)는 기하정보 비트스트림을 수신하여 기하정보를 디코딩할 수 있다. 기하정보 복호화부(18000)는 송신 측의 기하정보 부호화부(17040)에 대응하는 수신 측의 디코더에 해당하고, 기하정보 복호화부(18000)는 기하정보 부호화부(17040)의 동작의 역과정을 수행할 수 있다.
기하정보 엔트로피 복호화부(18010)는 기하정보 비트스트림을 수신하여 기하정보를 엔트로피 방식에 기반하여 디코딩할 수 있다. 기하정보 엔트로피 복호화부(18010)는 기하정보 엔트로피 부호화부(17080)의 동작의 역과정을 수행할 수 있다.
옥트리 재구성부(18020)는 기하정보로부터 옥트리를 재구성할 수 있다. 옥트리 재구성부(18020)는 옥트리 생성부(17060)의 동작의 역과정을 수행할 수 있다.
기하정보 예측부(18030)는 기하정보의 예측값을 생성할 수 있다. 예를 들어, 옥트리 구조에서 노드 간 예측값을 생성하여, 예측값에 대한 잔차값을 이용하여 기하정보를 효율적으로 디코딩할 수 있다. 기하정보 예측부(18030)는 기하정보 예측부(17070)의 동작의 역과정을 수행할 수 있다.
기하정보 변환 역양자화 처리부(18040)는 지오메트리 데이터를 역으로 양자화할 수 있다. 예를 들어, 기하정보 변환 역양자화 처리부(18040)는 각 축 별 스케일값(양자화값)을 비트스트림 내 포함된 시그널링 정보(파라미터)에서 획득하고, 각 축 별 스케일값에 기반하여 재구성된 기하정보에 역양자화를 적용할 수 있다.
좌표계 역변환부(18050)는 기하정보의 좌표계 정보를 역으로 변환할 수 있다. 좌표계 역변환부(18050)는 좌표계 변환부(17010)의 동작의 역과정을 수행할 수 있다.
속성정보 복호화부(18060)는 속성정보 비트스트림을 수신하여 속성정보를 디코딩할 수 있다. 속성정보 복호화부(18060)는 속성정보 부호화부(17090)의 동작의 역과정을 수행할 수 있다.
속성 잔차 정보 엔트로피 복호화부(18070)는 속성정보 비트스트림 내 포함된 속성 잔차 정보(예를 들어, 속성정보에 대한 잔차값)를 엔트로피 방식에 기반하여 디코딩할 수 있다. 속성 잔차 정보 엔트로피 복호화부(18070)는 속성정보 엔트로피 부호화부(17160)의 동작의 역과정을 수행할 수 있다.
LOD구성부(18080)는 속성정보 비트스트림(어트리뷰트 비트스트림)에 포함된 어트리뷰트 데이터에 대해 LOD를 생성할 수 있다. LOD구성부(18080)는 도17의 LOD구성부(17120)에 대응될 수 있다.
이웃 포인트 집합 구성부(18090)는 속성정보 비트스트림으로부터 생성된 LOD에 기반하여 LOD들 내에 포함된 포인트의 이웃 포인트들 검색하고 이웃 포인트 집합으로 등록할 수 있다. 이웃 포인트 집합 구성부(16090)는 도17의 이웃 포인트 집합 구성부(17130)에 대응될 수 있다.
속성 정보 예측부(18100)는 속성정보에 대한 예측값을 생성할 수 있다. 예를 들어, LOD 및 이웃포인트 집합으로부터 포인트에 대한 예측값을 생성하고, 예측값에 대한 잔차값을 생성할 수 있다. 속성 정보 예측부(18100)는 속성 정보 예측부(17140)의 동작의 역과정을 수행할 수 있다.
잔차 속성정보 역양자화 처리부(18110)는 잔차 속성정보, 예를 들어, 속성정보에 대한 잔차값을 역으로 양자화할 수 있다. 잔차 속성정보 역양자화 처리부(18110)는 잔차 속성정보 양자화 처리부(17150)의 동작의 역과정을 수행할 수 있다.
색상 역변환 처리부(18120)는 속성정보인 색상 정보를 역으로 변환할 수 있다. 색상 역변환 처리부(18120)는 색상 변환 처리부(17100)의 동작의 역과정을 수행할 수 있다.
도19는 실시예들에 따른 인코딩된 포인트 클라우드의 구성을 나타낸다.
실시예들에 따른 방법/장치는 도19와 같은 포인트 클라우드 비트스트림을 생성하고 획득될 수 있다. 예를 들어, 도1의 전송장치(10000), 포인트 클라우드 비디오 인코더(10002), 수신장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 인코딩(20001, 디코딩(20003), 도4의 인코딩 프로세스, 도11의 디코딩 프로세스, 도12의 전송 장치, 도13의 수신 장치, 도14의 XR디바이스(1430) 등에 의해서, 지오메트리 정보, 어트리뷰트 정보 및/또는 이를 위한 메타데이터를 포함하는 파라미터들을 포함하는 포인트 클라우드 비트스트림이 생성(인코딩)되고, 수신(디코딩)될 수 있다.
실시예들을 위한 정보를 시그널링할 수 있다.
각 약어는 다음을 의미한다. SPS: 시퀀스 파라미터 세트(Sequence Parameter Set), GPS: 지오메트리 파라미터 세트(Geometry Parameter Set), APS: 어트리뷰트 파라미터 세트(Attribute Parameter Set), TPS: 타일 파라미터 세트(Tile Parameter Set), Geom: 지오메트리 비트스트림(Geometry bitstream) = 지오메트리 슬라이스 헤더(geometry slice header)+ 지오메트리 슬라이스 데이터(geometry slice data), Attr: 어트리뷰트 비트스트림(Attribute bitstream) = 어트리뷰트 브릭 헤더(attribute brick header) + 어틜뷰트 브릭 데이터(attribute brick data). 여기서, 브릭은 블록 등의 용어로 지칭될 수 있다.
실시예들에 따른 포인트 클라우드 데이터는 도19와 같은 비트스트림의 형태를 가질 수 있다. 포인트 클라우드 데이터는 실시예들에 따른 시그널링정보 등을 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 데이터는 지오메트리 및/또는 어트리뷰트는 하나 또는 하나 이상의 슬라이스 단위(또는 브릭/블록 단위)로 구분될 수 있다. 지오메트리는 지오메트리 슬라이스 헤더 및 지오메트리 슬라이스 데이터의 구조를 가질 수 있다. 예를 들어, 시그널링 정보를 포함하는 TPS는 Tile(0). tile_bounding_box_xyz0, Tile(0)_tile_bounding_box_whd 등을 포함할 수 있다. 지오메트리는 geom_geom_parameter_set_id, geom_tile_id, geom_slice_id, geomBoxOrigin, geom_box_log2_scale, geom_max_node_size_log2, geom_num_points 등을 포함할 수 있다.
실시예들에 따른 시그널링 정보는 SPS, GPS, APS, TPS 등에 추가되어 시그널링될 수 있다.
실시예들에 따라, 시그널링 정보는 TPS 또는 각 Slice별 지오메트리(Geom) 또는 Slice별 어트리뷰트(Attr)에 추가되어 시그널링될 수 있다.
실시예들에 따른 포인트 클라우드 데이터의 구조는 시그널링 정보를 포함하는 파라미터 세트(들), 지오메트리(들), 어트리뷰트(들)을 인코딩/디코딩/데이터 어세스 관점에서 효율적인 효과를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신/수신 장치에 관련된 포인트 클라우드 데이터는 시퀀스 파라미터, 지오메트리 파라미터, 어트리뷰트 파라미터, 타일 파라미터, 지오메트리 비트스트림 또는 어트리뷰트 비트스트림 중 적어도 하나를 포함할 수 있다.
이하에서, 구체적인 시그널링 정보의 신택스를 도면을 참조하여 설명한다. 참고로, 실시예들에 따른 시그널링 정보의 명칭은 시그널링 정보가 의도하는 의미/기능 범위 내에서 변형/확장되어 이해될 수 있다. 시그널링 정보의 필드는 제1시그널링 정보, 제2시그널링 정보 등으로 구별되어 호칭될 수 있다.
상술한 바와 같이, 포인트 클라우드 데이터 송신 장치(예를 들면 도 1, 도 11, 도 14 및 도 1에서 설명한 포인트 클라우드 데이터 송신 장치)는 부호화된 포인트 클라우드 데이터를 비트스트림의 형태로 전송할 수 있다. 실시예들에 따른 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다.
포인트 클라우드 데이터 송신 장치(예를 들면 도 1, 도 4, 도 12 및 도 17에서 설명한 포인트 클라우드 데이터 송신 장치)는 전송 채널의 에러를 고려하여 포인트 클라우드 데이터의 영상을 하나 또는 그 이상의 패킷들로 나누어 네트워크를 통해 전송할 수 있다. 실시예들에 따른 비트스트림은 하나 또는 그 이상의 패킷(예를 들면 NAL (Network Abstraction Layer) 유닛)들을 포함할 수 있다. 따라서 열악한 네트워크 환경에서 일부 패킷이 손실되더라도 포인트 클라우드 데이터 수신 장치는 나머지 패킷들을 이용하여 해당 영상을 복원할 수 있다. 포인트 클라우드 데이터를 하나 또는 그 이상의 슬라이스(slice)들 또는 하나 또는 그 이상의 타일(tile)들로 분할하여 처리할 수 있다. 실시예들에 따른 타일 및 슬라이스는 포인트 클라우드 데이터의 픽처를 파티셔닝(partitioning)하여 포인트 클라우드 컴프레션 코딩 처리하기 위한 영역이다. 포인트 클라우드 데이터 송신 장치는 포인트 클라우드 데이터의 나누어진 영역별 중요도에 따라 각 영역에 대응하는 데이터를 처리하여 고품질의 포인트 클라우드 콘텐트를 제공할 수 있다. 즉, 실시예들에 따른 포인트 클라우드 데이터 송신 장치는 사용자에게 중요한 영역에 대응하는 데이터를 더 좋은 압축 효율과 적절한 레이턴시를 갖는 포인트 클라우드 컴프레션 코딩 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트의 영상(또는 픽처(picture)은 포인트 클라우드 컴프레션 코딩을 위한 기본 프로세싱 유닛 단위로 분할된다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩을 위한 기본 프로세싱 유닛은 CTU(Coding Tree unit), 브릭(brick)등을 포함할 수 있으며 본 예시에 국한되지 않는다.
실시예들에 따른 슬라이스는 하나 또는 그 이상의 정수개의 포인트 클라우드 컴프레션 코딩을 위한 기본 프로세싱 유닛들을 포함하는 영역으로 직사각형의 형태를 가지지 않는다. 실시예들에 따른 슬라이스는 패킷을 통해 전송되는 데이터를 포함한다. 실시예들에 따른 타일은 영상 내에 직사각형 형태로 분할된 영역으로 하나 또는 그 이상의 포인트 클라우드 컴프레션 코딩을 위한 기본 프로세싱 유닛들을 포함한다. 실시예들에 따른 하나의 슬라이스는 하나 또는 그 이상의 타일들에 포함될 수 있다. 또한 실시예들에 따른 하나의 타일은 하나 또는 그 이상의 슬라이스들에 포함될 수 있다.
실시예들에 따른 비트스트림(3000)은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 하나 또는 그 이상의 슬라이스들을 포함할 수 있다.
실시예들에 따른 SPS는 프로파일, 레벨 등 시퀀스 전체에 대한 인코딩 정보로서, 픽처 해상도, 비디오 포멧 등 파일 전체에 대한 포괄적인 정보를 포함할 수 있다.
실시예들에 따른 하나의 슬라이스(예를 들면 도 19의 slice 0)는 슬라이스 헤더 및 슬라이스 데이터를 포함한다. 슬라이스 데이터는 하나의 지오메트리 비트스트림 (Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다. 지오메트리 비트스트림은 헤더(예를 들면 지오메트리 슬라이스 헤더) 및 페이로드(예를 들면 지오메트리 슬라이스 데이터)를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_geom_parameter_set_id), 타일 식별자(geom_tile id), 슬라이스 식별자(geom_slice_id), 지오메트리 박스의 원점 정보(geomBoxOrigin), 지오메트리 박스 스케일(geom_box_log2_scale), 지오메트리 노드 맥스 사이즈(geom_max_node_size_log2), 지오메트리 포인트 개수(geom_num_poins) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 어트리뷰트 비트스트림은 헤더 (예를 들면 어트리뷰트 슬라이스 헤더 또는 어트리뷰트 브릭 헤더) 및 페이로드 (예를 들면 어트리뷰트 슬라이스 데이터 또는 어트리뷰트 브릭 데이터)를 포함할 수 있다.
실시예들에 따른 방법/장치는 포인트 클라우드 비트스트림 내 실시예들에 따른 축 별 지오메트리 양자화 옵션 정보를 SPS에 추가하어 시그널할 할 수 있다. 또한, 실시예들에 따른 축 별 지오메트리 양자화 옵션 정보를 Geometry Parameter_Set에 추가하어 시그널링 할 수 있다. SPS는 전체적으로 적용되는 스케일값(양자화값)을 유지하고, Geometry Parameter Set는 축별 세부 조정되는 스케일 값(양자화값)을 설정할 수 있다.
실시예들에 따른 축 별 지오메트리 양자화 옵션 정보는 Tile별로 양자화가 다르게 수행될 경우, TPS에 추가되어 시그널링될 수 있다. 영역별로 나누어진 타일별로 지오메트리 분포가 다를 수 있기때문에 축 별 지오메트리 양자화 값(스케일값)을 분포에 따라 설정하는 경우 또는 하나의 양자화 값에 축 별 퍼센티지에 따라서 축 별 양자화 값을 재조정하는 경우, 타일별로 축 별 지오메트리 양자화를 다르게 수행할 수 있다.
실시예들에 따른 축 별 지오메트리 양자화 옵션 정보는 각 Slice별 Geometry header에 추가되어 시그널링될 수 있다. 슬라이스별로 지오메트리 분포가 다를 수 있기때문에 축 별 지오메트리 양자화 값(스케일값)을 분포에 따라 설정하는 경우 또는 하나의 양자화 값에 축 별 퍼센티지에 따라서 축 별 양자화 값을 재조정하는 경우, 슬라이스별로 축 별 지오메트리 양자화를 다르게 수행할 수 있다.
이로 인하여, 실시예들에 따른 송신 방법/장치는 비트스트림 내 양자화 특성에 따라서 관련 파라미터 정보(시그널링 정보)를 비트스트림 내 포함시킬 수 있고, 실시예들에 따른 수신 방법/장치는 스태틱/다이나믹하게 포인트 클라우드 데이터를 억세스할 수 있는 효과가 있다.
도20은 실시예들에 따른 SPS를 나타낸다.
도20은 도19의 SPS의 구체적 신택스이다.
실시예들에 따른 축 별 지오메트리 양자화 지원 관련 옵션 정보가 SPS에 추가될 수 있다. 도20의 신택스 형태로 인하여 축 별 지오메트리 양자화 지원을 효율적으로 시그널링 될 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
SPS시퀀스 스케일 팩터X(sps_source_scale_factor_x): x축 스케일값(양자화값)을 나타낸다.
SPS소스 스케일 팩터Y(sps_source_scale_factor_y): y축 스케일(양자화값)을 나타낸다.
SPS소스 스케일 팩터Z(sps_source_scale_factor_z): z축 스케일(양자화값)을 나타낸다.
프로파일(profile_idc): 실시예들에 따른 비트스트림이 따르는 프로파일을 나타낸다. profile_idc의 다른 값들이 ISO/IEC의 추후 사용을 위해 예약될 수 있다.
프로파일 호환성 플래그(profile_compatibility_flags): 이 값이 1이면, j 와 동일한 profile_idc에 의해 지시되는 프로파일을 따르는 비트스트림임을 나타낸다. profile_compatibility_flag[ j ]의 값이 어떠한 J에 대해서도0이면 profile_idc의 허락된 값이 아님을 나타낸다. 즉, 비트스트림 프로파일이 실시예들에 따라 정의되어 호환성이 있는지 여부를 나타낸다.
레벨IDC(level_idc): 실시예들에 따른 비트스트림이 따르는 레벨을 나타낸다. level_idc의 다른 값들은 ISO/IEC의 추후 사용을 위해 예약될 수 있다.
SPS바운딩 박스 존재 플래그(sps_bounding_box_present_flag): 이 값이 1이면, 소스 바운딩 박스 오프셋을 나타내고, 사이즈 정보가 SPS내 시그널링됨을 나타낸다. 이 값이 0이면, 소스 바운딩 박스 정보가 시그널링되지 않음을 나타낸다.
도21은 실시예들에 따른 SPS을 나타낸다.
도21은 도20의 SPS에 대응되는 실시예이다. 도20에서 더 나아가, 도21와 같이, 실시예들에 따른 방법/장치는 전체 스케일과 세부 퍼센티지/세부 스케일을 분리하여 시그널링 할 수도 있다. 도20과 중복되는 필드는 도20의 설명을 참조할 수 있다.
SPS소스 스케일 팩터(sps_source_scale_factor): 전체 스케일값(양자화값)을 나타낸다.
SPS소스 축 기반 서브 스케일 존재 플래그(sps_source_axis_base_sub_scale_present_flag): 각 축별 세부 스케일 변경 퍼센티지/또는 스케일값(양자화값) 명시 여부를 나타낸다.
SPS소스 서브 스케일 퍼센티지 플래그(sps_source_sub_scale_precentage_flag): 축별 서브 스케일값이 퍼센티지인지 절대값인지 여부를 나타낸다.
SPS소스 스케일 X서브 스케일 팩터(sps_source_x_sub_scale_factor): x축 서브 스케일 퍼센티지 명시 또는 x축 스케일값(양자화값)을 나타낸다.
SPS소스Y서브 스케일 팩터(sps_source_y-sub_scale_factor): y축 서브 스케일 퍼센티지 명시 또는 y축 스케일값(양자화값)을 나타낸다.
SPS소스Z서브 스케일 팩터(sps_source_z-sub_scale_factor): z축 서브 스케일 퍼센티지 명시 또는 z축 스케일값(양자화값)을 나타낸다.
도22는 실시예들에 따른 SPS을 나타낸다.
도22은 도19의 비트스트림 내 포함되는 SPS이고, 도20-21의 SPS에 대응될 수 있다. 도22은 도23과 결합되어 실시예들에 따른 방법/장치가 축 별 지오메트리 양자화 지원 관련 옵션 정보를 제공하는 예시를 나타낸다.
실시예들에 따른 방법/장치는 축 별 지오메트리 양자화 지원 관련 옵션 정보를 지오메트리 파라미터 세트(Geometry Parameter Set)에 추가하여 축 별 지오메트리 양자화 지원을 효율적으로 시그널링할 수 있다.
이 때, 전체 지오메트리 스케일값(양자화값)은, 도20과 같이, SPS에 명시하고, 세부 스케일값이 존재하는지 여부만 SPS에 명시할 수 있다.
예를 들어, sps_source_scale_factor_x, sps_source_scale_factor_y, sps_source_scale_factor_z, sps_source_axis_based_ sub_scale_present_flag 를 SPS에서 전달할 수 있다.
도23은 실시예들에 따른 GPS를 나타낸다.
도23은 도22과 같이 SPS/GPS에 기반하여 축 별 지오메트리 양자화 지원 관련 옵션 정보를 시그널링하는 실시예들이다.
도23과 같이, 각 축 별 정보는 지오메트리 파라미터 세트(Geometry Parameter Set)에 추가될 수 있다.
GPS 소스 서브 스케일 퍼센티지 플래그(gps_source_sub_scale_precentage_flag): 축별 서브 스케일값이 퍼센티지인지 절대값인지 여부를 나타낸다.
GPS 소스 X서브 스케일 팩터(gps_source_x_sub_scale_factor): x축 서브 스케일 퍼센티지 명시 또는 x축 스케일값(양자화값)을 나타낸다.
GPS 소스 Y서브 스케일 팩터(gps_source_y-sub_scale_factor): y축 서브 스케일 퍼센티지 명시 또는 y축 스케일값(양자화값)을 나타낸다.
GPS 소스 Z서브 스케일 팩터(gps_source_z-sub_scale_factor): z축 서브 스케일 퍼센티지 명시 또는 z축 스케일값(양자화값)을 나타낸다.
GPS 지오메트리 파라미터 세트 아이디(gps_geom_parameter_set_id): 다른 식택스 엘리먼트들에 의한 참조를 위한 GPS 내 식별자이다. gps_seq_parameter_set_id 의 값은 0 내지 15(포함)의 범위를 가질 수 있다.
GPS 시퀀스 파라미터 세트 아이디(gps_seq_parameter_set_id): 액티브 SPS를 위한 sps_seq_parameter_set_id의 값을 나타낸다. gps_seq_parameter_set_id 의 값은 0 내지 15(포함)의 범위를 가질 수 있다.
GPS 박스 존재 플래그(gps_box_present_flag): 이 값이 1이면, 현재 GPS를 레퍼런스하는 지오메트리 헤더 내 추가적인 바운딩 박스 정보가 제공됨을 나타낸다. 이 값이 0이면, 지오메트리 헤더 내 추가적인 바운딩 박스 정보가 시그널링되지 않음을 나타낸다.
도24는 실시예들에 따른 TPS를 나타낸다.
도24는 도19의 TPS의 구체적인 신택스이다.
실시예들에 따른 방법/장치는 축 별 지오메트리 양자화 지원 관련 옵션 정보를 TPS에 추가할 수 있고, 이로 인하여 축 별 지오메트리 양자화 지원을 효율적으로 시그널링할 수 있다.
타일 소스 서브 스케일 퍼센티지 플래그(tile_source_sub_scale_precentage_flag): 축별 서브 스케일값이 퍼센티지인지 절대값인지 여부를 나타낸다.
타일 소스X서브 스케일 팩터(tile_source_x_sub_scale_factor): x축 서브 스케일 퍼센티지 또는 x축 스케일값(양자화값)을 나타낸다.
타일 소스 Y서브 스케일 팩터(tile_source_y-sub_scale_factor): y축 서브 스케일 퍼센티지 또는 y축 스케일값(양자화값)을 나타낸다.
타일 소스 Z서브 스케일 팩터(tile_source_z-sub_scale_factor): z축 서브 스케일 퍼센티지 또는 z축 스케일값(양자화값)을 나타낸다.
타일들의 개수(num_tiles): 비트스트림에 대해 시그널링되는 타일들의 개수를 나타낸다. 존재하지 않는 경우, 이 값은 0으로 추론될 수 있다.
타일 바운딩 박스 오프셋 X(tile_bounding_box_offset_x[ i ]): 좌표계(cartesian coordinates) 내 I번째 타일의 X오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_x[ 0 ]의 값은 sps_bounding_box_offset_x으로 추론될 수 있다.
타일 바운딩 박스 오프셋 Y(tile_bounding_box_offset_y[ i ]): 좌표계 내 I번째 타일의 Y 오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_y[ 0 ]의 값은 sps_bounding_box_offset_y으로 추론될 수 있다.
타일 바운딩 박스 오프셋 Z(tile_bounding_box_offset_z[ i ]): 좌표계 내 I번째 타일의 Z 오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_z[ 0 ] 의 값은 sps_bounding_box_offset_z 으로 추론될 수 있다.
타일 바운딩 박스 사이즈 너비(tile_bounding_box_size_width[ i ]): 좌표계 내 I번째 타일의 너비를 나타낸다. 존재하지 않는 경우, tile_bounding_box_size_width[ 0 ]의 값은 sps_bounding_box_size_width 으로 추론될 수 있다.
타일 바운딩 박스 사이즈 높이(tile_bounding_box_size_height[ i ]): 좌표계 내 I번째 타일의 높이를 나타낸다. 존재하지 않는 경우, tile_bounding_box_size_height[ 0 ] 의 값은 sps_bounding_box_size_height 으로 추론될 수 있다.
타일 바운딩 박스 사이즈 뎁스(tile_bounding_box_size_depth[ i ]): 좌표계 내 I번째 타일의 뎁스를 나타낸다. 존재하지 않는 경우, tile_bounding_box_size_depth[ 0 ] 의 값은 sps_bounding_box_size_depth 으로 추론될 수 있다.
도25는 실시예들에 따른 GSH를 나타낸다.
도25는 도19의 지오메트리 슬라이스 헤더의 구체적 신택스이다.
실시예들에 따른 방법/장치는 축 별 지오메트리 양자화 지원 관련 옵션 정보를 지오메트리 슬라이스 헤더(Geometry slice header)에 추가하여 축 별 지오메트리 양자화 지원을 효율적으로 시그널링할 수 있다.
GSH 소스 서브 스케일 퍼센티지 플래그(gsh_source_sub_scale_precentage_flag): 축별 서브 스케일값이 퍼센티지인지 절대값인지 여부를 나타낸다.
GSH 소스 X서브 스케일 팩터(gsh_source_x_sub_scale_factor): x축 서브 스케일 퍼센티지 또는 x축 스케일값(양자화값)을 나타낸다.
GSH 소스 Y서브 스케일 팩터(gsh_source_y-sub_scale_factor): y축 서브 스케일 퍼센티지 또는 y축 스케일값(양자화값)을 나타낸다.
GSH 소스 Z서브 스케일 팩터(gsh_source_z-sub_scale_factor): z축 서브 스케일 퍼센티지 또는 z축 스케일값(양자화값)을 나타낸다.
GSH 지오메트리 파라미터 세트 아이디(gsh_geometry_parameter_set_id): 액비트 GPS의 gps_geom_parameter_set_id의 값을 나타낸다.
GSH 타일 아이디(gsh_tile_id): GSH에 의해 참조되는 타일 아이디의 값을 나타낸다. gsh_tile_id는 0 내지 XX(포함)의 범위를 가질 수 있다.
GSH 슬라이스 아이디(gsh_slice_id): 다른 신택스 엘리먼트들에 의한 참조를 위한 슬라이스 헤더를 식별할 수 있다. gsh_slice_id의 값은 0 내지 XX(포함)의 범위를 가질 수 있다.
GSH 박스 스케일(gsh_box_log2_scale): 슬라이스에 대한 바운딩 박스 원점(origin)의 스케일링 팩터를 나타낸다.
GSH 박스 원점X(gsh_box_origin_x): gsh_box_log2_scale 값에 의해 스케일된 바운딩 박스 원점(origin)의 X 값을 나타낸다.
GSH 박스 원점 Y(gsh_box_origin_y): gsh_box_log2_scale 값에 의해 스케일된 바운딩 박스의 오리진의 Y값을 나타낸다.
GSH 박스 원점Z(gsh_box_origin_z): gsh_box_log2_scale 값에 의해 스케일된 바운딩 박스 오리진의 Z 값을 나타낸다.
GSH 맥스 노드사이즈(gsh_log2_max_nodesize): 디코딩 프로세스 내 사용되는 변수 MaxNodeSize의 값을 나타낸다.
GSH 포인트들의 개수(gsh_points_number): 슬라이스 내 코딩된 포인트들의 개수를 나타낸다.
도26은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
S26000, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계를 포함할 수 있다. 실시예들에 따른 인코딩 동작은 도1의 송신장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도4의 포인트 클라우드 데이터 인코더, 도12의 포인트 클라우드 데이터 인코더, 도14의 XR디바이스(1430), 도15의 축 별 지오메트리 양자화 동작, 도16의 축 별 지오메트리 양자화 적용에 따른 속성 코딩 동작, 도17의 포인트 클라우드 데이터 인코더, 도19-25의 포인트 클라우드 비트스트림의 생성 등에 대응 또는 그것들에 결합될 수 있다.
S26010, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 더 포함할 수 있다. 실시예들에 따른 전송 동작은 도1의 송신장치(10000), 트랜스미터(10003), 도2의 전송(20002), 도14의 XR디바이스(1430) 등에 대응 또는 그것들에 결합될 수 있다.
도27은 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
S27000, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함할 수 있다. 실시예들에 따른 수신 동작은 도1의 수신 장치(10004), 리시버(10007), 도2의 전송(20002), 도14의 XR디바이스(1430), 도19-25의 포인트 클라우드 비트스트림의 수신 등에 대응 또는 그것들에 결합될 수 있다.
S27010, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 디코딩하는 단계를 더 포함할 수 있다. 실시예들에 따른 디코딩 동작은 도1의 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20003), 도10-13의 포인트 클라우드 데이터 디코더, 도14의 XR디바이스(1430), 도18의 포인트 클라우드 데이터 디코더, 도19-25의 포인트 클라우드 비트스트림의 디코딩 등에 대응 또는 그것들에 결합될 수 있다.
상술한 PCC 부호화 방법(포인트 클라우드 데이터 송신 방법/장치), PCC복호화 방법(포인트 클라우드 데이터 수신 방법/장치), 시그널링 방법(파라미터들)은 다음의 효과를 제공할 수 있다.
구체적으로, 실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)의영향도에 따라 축 별 지오메트리 양자화 적용을 위한 방안을 제공한다.
이로써 실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)에 축 별 지오메트리 양자화 적용 방안 통해 다양한 응용 시나리오에 대처할 수 있는 방법을 제공하고, 데이터 특성 및 사용자 환경에 따라서 중요한 축과 덜 중요한 축에 대한 압축 질의 차이를 주어 전체 지오메트리 압축 효율을 높일 수 있다. 따라서, 실시예들에 따른G-PCC 인코더(부호화기) 및 디코더(복호화기)는 전체 지오메트리 압축 효율이 증가하는 효과를 제공할 수 있다.
본 문서에서 A/B 는 A또는 B, A및B 모두를 포함하는 용어로 해석된다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 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.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사욛외는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
상술한 바와 같이, 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신 장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다.
당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다.
실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항들 및 그 와 동일한 것들의 범위를 벗어나지 않는다.

Claims (20)

  1. 포인트 클라우드 데이터를 인코딩하는 단계;
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  2. 제1항에 있어서,
    상기 포인트 클라우드 데이터는 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  3. 제2항에 있어서, 상기 인코딩하는 단계는,
    상기 지오메트리 데이터의 위치를 기준점으로 조정하는 단계를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  4. 제2항에 있어서, 상기 인코딩하는 단계는,
    상기 지오메트리 데이터에 스케일 값을 적용하는 단계를 포함하고,
    상기 스케일 값은 상기 지오메트리 데이터에 대한 각 축마다 동일하거나 다른,
    포인트 클라우드 데이터 송신 방법.
  5. 제2항에 있어서, 상기 인코딩하는 단계는
    상기 지오메트리 데이터를 양자화 하는 단계,
    상기 지오메트리 데이터를 복셀화하는 단계를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  6. 제5항에 있어서, 상기 인코딩하는 단계는,
    상기 지오메트리 데이터를 역양자화하여, 상기 어트리뷰트 데이터의 색상을 재조정하는 단계,
    상기 지오메트리 데이터 및 어트리뷰트 데이터에 기반하여 LOD(Level of Detail)를 생성하는 단계,
    상기 LOD로부터 이웃 포인트 집합을 검색하는 단계를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  7. 포인트 클라우드 데이터를 인코딩하는 인코더;
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  8. 제7항에 있어서,
    상기 포인트 클라우드 데이터는 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  9. 제8항에 있어서, 상기 인코더는,
    상기 지오메트리 데이터의 위치를 기준점으로 조정하는 양자화 처리기를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  10. 제8항에 있어서, 상기 인코더는,
    상기 지오메트리 데이터에 스케일 값을 적용하는 양자화 처리기를 포함하고,
    상기 스케일 값은 상기 지오메트리 데이터에 대한 각 축마다 동일하거나 다른,
    포인트 클라우드 데이터 송신 장치.
  11. 제8항에 있어서, 상기 인코더는
    상기 지오메트리 데이터를 양자화 하는 양자화 처리기를 포함하고,
    상기 지오메트리 데이터를 복셀화하는 복셀화 처리기를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  12. 제11항에 있어서, 상기 인코더는,
    상기 지오메트리 데이터를 역양자화하여, 어트리뷰트 데이터의 색상을 재조정하는 색상 재조정기,
    상기 지오메트리 데이터 및 어트리뷰트 데이터에 기반하여 LOD(Level of Detail)를 생성하는 LOD구성기,
    상기 LOD로부터 이웃 포인트 집합을 검색하는 이웃 포인트 집합 구성기를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  13. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계;
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함하는
    포인트 클라우드 데이터 수신 방법.
  14. 제13항에 있어서,
    상기 포인트 클라우드 데이터는 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  15. 제14항에 있어서, 상기 디코딩하는 단계는,
    상기 지오메트리 데이터를 스케일 값에 기반하여 역으로 양자화하는 단계를 포함하고,
    상기 스케일 값은 상기 지오메트리 데이터에 대한 각 축마다 동일하거나 다른,
    포인트 클라우드 데이터 수신 방법.
  16. 제14항에 있어서, 상기 디코딩하는 단계는,
    상기 지오메트리 데이터를 복원하여, 상기 어트리뷰트 데이터에 대한 LOD를 구성하는 단계,
    상기 LOD로부터 이웃 포인트 집합을 구성하는 단계를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  17. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신기;
    상기 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함하는
    포인트 클라우드 데이터 수신 장치.
  18. 제17항에 있어서,
    상기 포인트 클라우드 데이터는 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는,
    포인트 클라우드 데이터 수신 장치.
  19. 제18항에 있어서, 상기 디코더는,
    상기 지오메트리 데이터를 스케일 값에 기반하여 역으로 양자화하는 역양자화 처리기를 포함하고,
    상기 스케일 값은 상기 지오메트리 데이터에 대한 각 축마다 동일하거나 다른,
    포인트 클라우드 데이터 수신 장치.
  20. 제18항에 있어서, 상기 디코더는,
    상기 지오메트리 데이터를 복원하여, 상기 어트리뷰트 데이터에 대한 LOD를 구성하는 LOD구성기,
    상기 LOD로부터 이웃 포인트 집합을 구성하는 이웃 포인트 집합 구성기를 포함하는,
    포인트 클라우드 데이터 수신 장치.
PCT/KR2020/009972 2019-08-14 2020-07-29 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2021029575A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20190099829 2019-08-14
KR10-2019-0099829 2019-08-14

Publications (1)

Publication Number Publication Date
WO2021029575A1 true WO2021029575A1 (ko) 2021-02-18

Family

ID=74571083

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/009972 WO2021029575A1 (ko) 2019-08-14 2020-07-29 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (1)

Country Link
WO (1) WO2021029575A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114972695A (zh) * 2022-05-20 2022-08-30 北京大学深圳研究生院 一种点云生成方法、装置、电子设备及存储介质
WO2023179279A1 (en) * 2022-03-25 2023-09-28 Beijing Xiaomi Mobile Software Co., Ltd. Encoding/decoding positions of points of a point cloud emcompassed in a cuboid volume
WO2024082101A1 (zh) * 2022-10-17 2024-04-25 Oppo广东移动通信有限公司 编解码方法、解码器、编码器、码流及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190080483A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Point Cloud Compression
US20190081638A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Hierarchical point cloud compression
US20190087979A1 (en) * 2017-09-18 2019-03-21 Apple Inc. Point cloud compression

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190080483A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Point Cloud Compression
US20190081638A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Hierarchical point cloud compression
US20190087979A1 (en) * 2017-09-18 2019-03-21 Apple Inc. Point cloud compression

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MAMMOU, KHALED ET AL.: "G-PCC codec description v2", ISO/IEC JTC1/SC29/WG11 N18189, 9 January 2019 (2019-01-09), pages 1 - 39, XP030212734, Retrieved from the Internet <URL:https://mpeg.chiariglione.org/sites/default/files/files/standards/parts/docs/w18189.zip> [retrieved on 20201023] *
SCHWARZ SEBASTIAN; PREDA MARIUS; BARONCINI VITTORIO; BUDAGAVI MADHUKAR; CESAR PABLO; CHOU PHILIP A.; COHEN ROBERT A.; KRIVOKUCA MA: "Emerging MPEG Standards for Point Cloud Compression", IEEE JOURNAL ON EMERGING AND SELECTED TOPICS IN CIRCUITS AND SYSTEMS, IEEE, PISCATAWAY, NJ, USA, vol. 9, no. 1, 30 March 2019 (2019-03-30), Piscataway, NJ, USA, pages 133 - 148, XP011714044, ISSN: 2156-3357, DOI: 10.1109/JETCAS.2018.2885981 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023179279A1 (en) * 2022-03-25 2023-09-28 Beijing Xiaomi Mobile Software Co., Ltd. Encoding/decoding positions of points of a point cloud emcompassed in a cuboid volume
CN114972695A (zh) * 2022-05-20 2022-08-30 北京大学深圳研究生院 一种点云生成方法、装置、电子设备及存储介质
CN114972695B (zh) * 2022-05-20 2024-03-15 北京大学深圳研究生院 一种点云生成方法、装置、电子设备及存储介质
WO2024082101A1 (zh) * 2022-10-17 2024-04-25 Oppo广东移动通信有限公司 编解码方法、解码器、编码器、码流及存储介质

Similar Documents

Publication Publication Date Title
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020189976A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020242244A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2021025251A1 (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
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021060850A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020189943A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020246689A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020197086A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020256308A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020262831A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021002592A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002558A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
WO2021002594A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021210743A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021029511A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021029575A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002636A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141218A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021215811A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246837A1 (ko) 포인트 클라우드 데이터 처리 디바이스 및 처리 방법
WO2022050650A1 (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

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: 20852011

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: 20852011

Country of ref document: EP

Kind code of ref document: A1