WO2021066312A1 - 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
WO2021066312A1
WO2021066312A1 PCT/KR2020/010283 KR2020010283W WO2021066312A1 WO 2021066312 A1 WO2021066312 A1 WO 2021066312A1 KR 2020010283 W KR2020010283 W KR 2020010283W WO 2021066312 A1 WO2021066312 A1 WO 2021066312A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
node
attribute
data
geometry
Prior art date
Application number
PCT/KR2020/010283
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
Priority to CN202080069413.9A priority Critical patent/CN114503586B/xx
Priority to EP20870816.4A priority patent/EP4006839B1/en
Publication of WO2021066312A1 publication Critical patent/WO2021066312A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/005—Tree description, e.g. octree, quadtree
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • 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
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/167—Position within a video image, e.g. region of interest [ROI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—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
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • H04N19/33—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability in the spatial domain
    • 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
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/91—Entropy coding, e.g. variable length coding [VLC] or arithmetic 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
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/96—Tree coding, e.g. quad-tree coding
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals

Definitions

  • Embodiments relate 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 service. 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.
  • the embodiments provide an apparatus and method for efficiently processing point cloud data.
  • the embodiments provide a point cloud data processing method and apparatus for solving latency and encoding/decoding complexity.
  • a method for receiving point cloud data includes: receiving a bitstream including point cloud data; Decoding the point cloud data; It may include.
  • a method for transmitting point cloud data includes: encoding point cloud data; Transmitting a bitstream including 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 high quality point cloud service.
  • the apparatus and method according to the embodiments may provide point cloud content for providing general-purpose services such as VR service and autonomous driving service.
  • 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 illustrates 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.
  • 15 illustrates structures of geometry data and attribute data for spatial scalability according to embodiments.
  • FIG. 16 illustrates an attribute encoding/decoding process according to embodiments.
  • FIG. 17 shows an octree structure of point cloud data according to embodiments.
  • FIG. 18 illustrates a method of classifying points belonging to a node based on a Molton code according to embodiments.
  • 21 shows a PCC data decoder according to embodiments.
  • FIG. 22 shows a bitstream structure of point cloud data according to embodiments.
  • 25 shows a tile parameter set according to embodiments.
  • 26 illustrates an attribute slice header according to embodiments.
  • 29 illustrates matching between nodes and locations according to embodiments.
  • FIG. 30 illustrates selection of a reference node in an octree structure according to embodiments.
  • 31 shows a PCC data encoder according to embodiments.
  • SPS sequence parameter set
  • TPS Tile Parameter Set
  • FIG. 36 illustrates an attribute slice header (ASH) according to embodiments.
  • FIG. 37 shows a method of transmitting point cloud data according to embodiments.
  • 38 illustrates 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 in order to transmit and receive point cloud data.
  • the transmission device 10000 may secure, process, and transmit a 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 wireless 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, and the like may be included.
  • a wireless access technology eg, 5G NR (New RAT), LTE (Long Term Evolution)
  • Robots, vehicles, AR/VR/XR devices, portable devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like may be included.
  • the transmission apparatus 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.
  • a point cloud video is a 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 or the like.
  • 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
  • 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 may be 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 receiving 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 receiving 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 (e.g., 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 a necessary data processing operation according to a network system (for example, a communication network system such as 4G, 5G, or 6G).
  • the receiver 10005 may output a bitstream by decapsulating the received file/segment.
  • 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. Can be delivered to.
  • the feedback information may be used not only in the transmitting device 10000 but also in the receiving device 10004 or may not be provided.
  • Head orientation information is information on a position, direction, angle, and movement of a user's head.
  • the reception 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 a 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 represents a process of transmitting feedback information secured by the renderer 10007.
  • the point cloud content providing system may process (encode/decode) point cloud data based on feedback information.
  • the point cloud video 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 the feedback information. Therefore, the point cloud content providing system does not process (encode/decode) all point cloud data, but efficiently processes necessary data (e.g., point cloud data corresponding to the user's head position) based on feedback information. Point cloud content can be provided to users.
  • the transmission device 10000 may be referred to as an encoder, a transmission device, a transmitter, 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, a 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
  • the 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.
  • the point cloud video according to embodiments 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).
  • the attribute includes 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 that encodes 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.
  • the point cloud content providing system may decode the point cloud video data based on signaling information related to encoding of the point cloud video data included in the bitstream.
  • a 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 the 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 (e.g., VR/AR display, general display, etc.).
  • a display e.g., 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 the feedback information. Since the operation of the feedback information and point cloud content providing system 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 of the point cloud content providing system described in FIGS. 1 to 2.
  • Point cloud content is an object located in various three-dimensional spaces (for example, a three-dimensional space representing a real environment, a three-dimensional space representing a virtual environment, etc.) and/or a point cloud video (images and/or Videos). Therefore, the point cloud content providing system according to the embodiments includes one or more cameras (eg, an infrared camera capable of securing depth information, color information corresponding to the depth information) to generate the point cloud content.
  • the point cloud video can be captured using an RGB camera that can extract the image), a projector (for example, an infrared pattern projector to secure depth information), and 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 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 in-word-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 core objects (e.g., provides users with 360-degree images of objects (e.g., key objects such as characters, players, objects, actors, etc.) VR/AR content).
  • the right side of Fig. 3 shows an outword-pacing scheme.
  • the outward-facing method refers to a method in which one or more cameras (or camera sensors) located surrounding the central object capture the environment of the central object other than the central object.
  • the outward-facing method may be used to generate point cloud content (for example, content representing an external environment that may be provided to a user of a self-driving vehicle) for providing a surrounding environment appearing from a user's point of view.
  • the point cloud content may be generated based on the capture operation of one or more cameras.
  • the point cloud content providing system may calibrate one or more cameras to set a global coordinate system before the capture operation.
  • the point cloud content providing system may generate point cloud content by synthesizing an image and/or image captured by the above-described capture method with an arbitrary image and/or image.
  • the capture operation described in FIG. 3 may not be performed.
  • the point cloud content providing system may perform post-processing on the captured image and/or image. 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 one 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 (e.g., positions and/or positions of points) to adjust the quality of the point cloud content (e.g., lossless-lossless, loss-lossy, near-lossless) according to network conditions or applications. Attributes) and perform an encoding operation.
  • point cloud data e.g., positions and/or positions of points
  • the quality of the point cloud content e.g., lossless-lossless, loss-lossy, near-lossless
  • the point cloud content providing system may not be able to stream the content in real time. Therefore, the point cloud content providing system can reconstruct the point cloud content based on the maximum target bitrate in order to provide it in accordance with the network environment.
  • the point cloud encoder may perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • a point cloud encoder includes a coordinate system transform unit (Transformation Coordinates, 40000), a quantization unit (Quantize and Remove Points (Voxelize), 40001), an octree analysis unit (Analyze Octree, 40002), and a surface aproxiation analysis unit ( Analyze Surface Approximation, 40003), Arithmetic Encode (40004), Reconstruct Geometry (40005), Transform Colors (40006), Transfer Attributes (40007), RAHT Transformation A unit 40008, an LOD generation unit (Generated LOD) 40009, a lifting transform unit (Lifting) 40010, a coefficient quantization unit (Quantize Coefficients, 40011), and/or an Arithmetic Encode (40012).
  • a coordinate system transform unit Transformation Coordinates, 40000
  • a quantization unit Quantization and Remove Points (Voxelize)
  • An octree analysis unit Analyze Octree, 40002
  • the coordinate system transform unit 40000, the quantization unit 40001, the octree analysis unit 40002, the surface aproximation analysis unit 40003, the arithmetic encoder 40004, and the geometry reconstruction unit 40005 perform geometry encoding. can do.
  • Geometry encoding according to embodiments may include octree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisoup geometry encoding are applied selectively or in combination. Also, geometry encoding is not limited to the above example.
  • the coordinate system conversion unit 40000 receives positions and converts them into a coordinate system.
  • positions may be converted into position information in a three-dimensional space (eg, a three-dimensional space represented by an XYZ coordinate system).
  • Location information of a 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 quantized positions to reconstruct quantized points.
  • the quantization unit 40001 performs voxelization based on quantized positions to reconstruct quantized points.
  • the minimum unit including the 2D image/video information is like a pixel, and points of the point cloud content (or 3D point cloud video) according to 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 an 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 coding.
  • RAHT Region Adaptive Hierarchial Transform
  • -Neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • the above-described 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-described example.
  • 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 the attributes are dependent on geometry, the attribute conversion unit 40007 may convert 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 trisoup geometry encoding is performed, the attribute converter 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, color of each point, reflectance, etc.) of points neighboring within a specific position/radius from the position (or position value) of the center point of each voxel. Attribute conversion can be performed by calculating.
  • the attribute conversion unit 40007 may apply a weight according to a distance from a central point to each point when calculating an average value. Thus, each voxel has a position and a calculated attribute (or attribute value).
  • the attribute conversion unit 40007 may search for neighboring points existing within a specific position/radius from the position of the center point of each voxel based on a K-D tree or a Molton code.
  • the K-D tree is a binary search tree and supports a data structure that can manage points based on location so that the Nearest Neighbor Search (NNS) can be quickly performed.
  • the Molton code represents a coordinate value (for example, (x, y, z)) representing a three-dimensional position of all points as a bit value, and is generated by mixing the bits. For example, if the coordinate value indicating the position of the point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute conversion unit 40007 may sort points based on a Morton code value and perform a shortest neighbor search (NNS) through a depth-first traversal process. After the attribute transformation operation, when a shortest neighbor search (NNS) is required in another transformation process for attribute coding, a K-D tree or a Molton code is used.
  • NSS shortest neighbor search
  • the converted attributes are input to the RAHT conversion unit 40008 and/or the LOD generation unit 40009.
  • the RAHT transform unit 40008 performs RAHT coding for predicting attribute information based on the reconstructed geometry information. For example, the RAHT transform 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 generator 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 the attributes of the 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.
  • 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 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). Memory devices (solid-state memory devices, etc.).
  • FIG. 5 shows an example of a voxel according to embodiments.
  • unit 1.0
  • voxel 5 is created through an octree structure recursively subdividing a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2d, 2d, 2d) Shows an example of the voxel.
  • One voxel includes at least one or more points.
  • the voxel can estimate spatial coordinates from the positional relationship with the voxel group.
  • the voxel has attributes (such as color or reflectance) like pixels of a 2D image/video. A detailed description of the voxel is the same as that described with reference to FIG. 4 and thus will be omitted.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • a point cloud content providing system (point cloud video encoder 10002) or a point cloud encoder (for example, octree analysis unit 40002) efficiently manages the area and/or position of the voxel.
  • octree geometry coding (or octree coding) based on an octree structure is performed.
  • FIG. 6 shows an octree structure.
  • the three-dimensional space of the point cloud content according to embodiments is expressed 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 occupancy 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 Okufanshi code is expressed as an 8-bit code. That is, if at least one point is included in the space corresponding to the child node, the node has a value of 1. If the point is not included in the space corresponding to the child node (empty), the node has a value of 0. Since the ocupancy code shown in FIG.
  • the point cloud encoder (for example, the Arismatic encoder 40004) according to the embodiments may entropy encode an ocupancy code. In addition, in order to increase the compression efficiency, the point cloud encoder can intra/inter code the ocupancy code.
  • the reception device (for example, the reception device 10004 or the point cloud video decoder 10006) according to the embodiments reconstructs an octree based on an ocupancy code.
  • the point cloud encoder (eg, the point cloud encoder of FIG. 4 or the octree analyzer 40002) may perform voxelization and octree coding to store positions of points.
  • the 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.
  • the point cloud decoder can generate a point cloud from the mesh surface.
  • Direct coding and trisoup geometry encoding according to embodiments may be selectively performed.
  • direct coding and trisoup geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use direct mode for applying direct coding must be activated, and the node to which direct coding is applied is not a leaf node, but is below the threshold within a specific node. There must be points of. In addition, the number of full points subject to direct coding must not exceed a preset limit value.
  • 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 It is possible to perform trisoup geometry encoding in which the position of a point in the region is reconstructed based on voxels (try-soup mode).
  • the 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 3D 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 intersections within one block. Each intersection is called a vertex (vertex, or vertex). Vertices existing along an edge are detected when there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An occupied voxel according to embodiments means 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 entropy-codes the starting point of the edge (x, y, z), 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 (for example, the geometry reconstruction unit 40005) according to embodiments performs a triangle reconstruction, up-sampling, and voxelization process. This allows you to create reconstructed geometry (reconstructed geometry).
  • Vertices located at the edge of the block determine the surface through which the block passes.
  • the surface according to the embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by a triangle based on the starting point of the edge, the direction vector of the edge, and the position value of the vertex.
  • the triangle reconstruction process is as follows. 1 Calculate the centroid value of each vertex, 2 calculate the values obtained by subtracting the center value from each vertex value, 3 perform squares, and add all the values.
  • each vertex is projected on the x-axis based on the center of the block, and is projected on the (y, z) plane. If the value generated when projecting to the (y, z) plane is (ai, bi), ⁇ is obtained through atan2(bi, ai), and the vertices are aligned based on the ⁇ value.
  • the table below shows combinations 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 illustrates 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 an ocupancy 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 refers to 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.
  • FIG. 7 shows a process of obtaining an ocupancy pattern based on the ocupancy of neighboring nodes.
  • the point cloud encoder determines occupancy of neighboring nodes of each node of an octree and obtains a neighbor pattern value.
  • the neighboring node pattern is used to infer the occupancy pattern of the corresponding node.
  • the left side of Fig. 7 shows a cube corresponding to a node (a cube located in the center) and six cubes (neighbor nodes) that share at least one surface with the cube. Nodes shown in the figure are nodes of the same depth (depth). Numbers shown in the figure indicate weights (1, 2, 4, 8, 16, 32, etc.) associated with each of the six nodes. Each weight is sequentially assigned according to the positions of neighboring nodes.
  • the right side of FIG. 7 shows neighboring node pattern values.
  • the neighbor node pattern value is the sum of values multiplied by the weights of the occupied neighbor nodes (neighbor nodes having points). Therefore, the value of the neighboring node pattern ranges from 0 to 63. If 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 of the 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 neighbor node pattern value (for example, if the neighbor node pattern value is 63, 64 types of coding are performed). According to embodiments, the point cloud encoder may reduce coding complexity by changing a neighbor node pattern value (for example, based on a table that changes 64 to 10 or 6).
  • the encoded geometry is reconstructed (decompressed) before attribute encoding is performed.
  • the geometry reconstruction operation may include changing the arrangement 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 depends on the geometry, so the attribute encoding is performed based on the reconstructed geometry.
  • the point cloud encoder may reorganize points for each LOD.
  • the figure shows point cloud content corresponding to the LOD.
  • the left side of the figure shows the original point cloud content.
  • the second figure from the left of the figure shows the distribution of the points of the lowest LOD, and the rightmost figure of the figure shows the distribution of the points of the highest LOD. That is, the points of the lowest LOD are sparse, and the points of the highest LOD are densely distributed. That is, as the LOD increases according to the direction of the arrow indicated at the bottom of the drawing, the spacing (or distance) between 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 not only in the point cloud encoder but also in the point cloud decoder.
  • FIG. 9 shows examples (P0 to P9) of points of point cloud content distributed in a three-dimensional space.
  • the original order of FIG. 9 represents the order of points P0 to P9 before LOD generation.
  • the LOD based order of FIG. 9 represents the order of points according to LOD generation. Points are rearranged by LOD. Also, the high LOD includes points belonging to the low LOD.
  • LOD0 includes P0, P5, P4 and P2.
  • LOD1 includes the points of LOD0 and P1, P6 and P3.
  • LOD2 includes points of LOD0, points of LOD1 and P9, P8 and P7.
  • the point cloud encoder may selectively or combine predictive transform coding, lifting transform coding, and RAHT transform coding.
  • the point cloud encoder may generate a predictor for points and perform predictive transform coding to set a predicted attribute (or predicted attribute value) of each point. That is, N predictors may be generated for N points.
  • the predicted attribute (or attribute value) is a weight calculated based on the distance to each neighboring point on 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 the 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 may perform RAHT transform coding for predicting 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 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 represent 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 a geometry bitstream and outputs decoded geometry.
  • the attribute decoder outputs decoded attributes by performing attribute decoding based on 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, which 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 before attribute decoding.
  • the point cloud decoder includes an arithmetic decoder (11000), an octree synthesis unit (synthesize octree, 11001), a surface opoxidation 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 11007, generate LOD 11008 ), an inverse lifting unit 11009, and/or an inverse transform colors 11010.
  • the arithmetic decoder 11000, the octree synthesizer 11001, the surface opoxidation synthesizer 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. Therefore, the geometry reconstruction unit 11003 directly fetches 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, for example, triangle reconstruction, up-sampling, and voxelization to restore the geometry. have. Detailed contents are the same as those described in FIG.
  • the reconstructed geometry may include a point cloud picture or frame that does not include attributes.
  • the coordinate system inverse transform unit 11004 may obtain 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 the 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
  • step (Lifting Transform)) decoding may be included.
  • the Arismatic decoder 11005 decodes the attribute bitstream by Arismatic coding.
  • the inverse quantization unit 11006 inverse quantizes information on the decoded attribute bitstream or the attribute obtained as a result of decoding, and outputs inverse quantized attributes (or attribute values). Inverse quantization can be selectively applied based on the attribute encoding of the point cloud 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 color inverse 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 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 decoder of FIG. 11 described above.
  • 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 device 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, and 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 a geometry (eg, a position value or a position value of points).
  • the operation and/or quantization of the quantization processing unit 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 processing unit 12002 voxelizes the position values of the quantized points.
  • the voxelization processing unit 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 ocupancy 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 for reconstructing positions of points in a specific area (or node) based on a voxel based on a surface model.
  • the surface 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 processing unit 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.
  • the intra/inter coding processor 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 Arismatic coder 12006 performs the same or similar operation and/or method to the operation and/or method of the Arismatic encoder 40004.
  • the metadata processing unit 12007 processes metadata about point cloud data, for example, a set value, and provides it to a necessary processing process such as geometry encoding and/or attribute encoding. Also, the metadata processing unit 12007 according to embodiments 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 for converting 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 is omitted.
  • the attribute transformation processing unit 12009 performs attribute transformation for transforming attributes based on positions in which geometry encoding has not been performed and/or reconstructed geometry.
  • 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 is omitted.
  • the prediction/lifting/RAHT transform processing unit 12010 may code transformed attributes by using 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. 1 to 9, detailed descriptions will be omitted.
  • the Arismatic coder 12011 may encode coded attributes based on Arismatic coding.
  • the Arismatic coder 12011 performs the same or similar operation and/or method to the operation and/or method of the Arismatic encoder 400012.
  • the transmission processing unit 12012 transmits each bitstream including the encoded geometry and/or the encoded attribute, and metadata information, or transmits the encoded geometry and/or the encoded attribute, and the metadata information in one piece. It can be configured as a bitstream and transmitted.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to the embodiments includes a sequence parameter set (SPS) for signaling of a sequence level, a geometry parameter set (GPS) for signaling of geometry information coding, an attribute parameter set (APS) for signaling of attribute information coding, and a tile.
  • SPS sequence parameter set
  • GPS geometry parameter set
  • APS attribute parameter set
  • Slice data may include information on one or more slices.
  • One slice according to embodiments may include one geometry bitstream Geom00 and one or more attribute bitstreams Attr00 and Attr10.
  • 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 of a bounding box and height/size information) with respect to one or more tiles.
  • the geometry bitstream may include a header and a payload.
  • the header of the geometry bitstream may include identification information of a parameter set included in GPS (geom_ parameter_set_id), a tile identifier (geom_tile_id), a slice identifier (geom_slice_id), 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 and/or processed signaling information to the transmission processing unit 12012.
  • elements that perform geometry encoding and elements that perform attribute encoding may share data/information with each other as dotted line processing.
  • the transmission processing unit 12012 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 device 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, an inverse color transformation processing unit 13010, and/or a renderer 13011 may be included.
  • Each component of the decoding according to the embodiments may perform the reverse process of the component of the 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 to the operation and/or receiving method of the receiver 10005 of FIG. 1. Detailed description is omitted.
  • the reception processor 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 of the octree synthesis unit 11001 and/or the method of generating an octree.
  • the surface model processing unit 13004 decodes the trisoup geometry based on the surface model method and reconstructs the related geometry (e.g., triangular reconstruction, up-sampling, voxelization). You can do it.
  • 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 processor 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 with reference to FIG. 12, and thus will be omitted.
  • the arithmetic decoder 13007, the inverse quantization processing unit 13008, the prediction/lifting/RAHT inverse transformation processing unit 13009, and the color inverse transformation processing unit 13010 perform attribute decoding. Since attribute decoding is the same as or similar to the attribute decoding described in FIGS. 1 to 10, detailed descriptions will be omitted.
  • the Arismatic decoder 13007 may decode the attribute bitstream through Arismatic coding.
  • the arithmetic decoder 13007 may decode 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 processor 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 generation unit 11008 and/or the inverse lifting unit 11009, and/or At least one or more of the decodings is performed.
  • the inverse color 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, the home appliance 1450, and the like 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 may assist at least part of the processing of the connected devices 1410 to 1470.
  • 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, a wearable device, a home appliance, a digital signage, a vehicle, a fixed robot or a 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, a wearable device, a home appliance, a digital signage, a vehicle, a fixed robot or a 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 having a means for providing an XR image, an autonomous driving vehicle that is an object of control/interaction within the XR image.
  • the autonomous vehicle 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 obtain 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 an image of a real object.
  • the MR technology is similar to the above-described AR technology in that it mixes and combines virtual objects in the real world.
  • real objects and virtual objects made of CG images are clear, and virtual objects are used in a form that complements real objects, whereas in MR technology, virtual objects are regarded as having the same characteristics as 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. Accordingly, 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 services are connected to PCC devices to enable wired/wireless communication.
  • the vehicle When the point cloud data (PCC) transmission/reception device according to the embodiments is connected to enable wired/wireless communication with the vehicle, the vehicle receives/processes AR/VR/PCC service related content data that can be provided along with the autonomous driving service. Can be transferred to.
  • the point cloud transmission/reception device when the point cloud data transmission/reception device is mounted on a vehicle, the point cloud transmission/reception device may receive/process content data related to AR/VR/PCC service according to a user input signal input through the user interface device and provide it to the user.
  • the vehicle or user interface device may receive a user input signal.
  • the user input signal according to embodiments may include a signal indicating an autonomous driving service.
  • 15 illustrates structures of geometry data and attribute data for spatial scalability according to embodiments.
  • the G-PCC decoder 15000 and/or the G-PCC decoder 15010 of FIG. 15 are the receiving device 10004 of FIG. 1, the point cloud video decoder 10006, the decoding 20003 of FIG. 2, and 10-11. It can correspond to the decoder of Fig. 13, the decoder of Fig. 13, and the XR device 1430 of Fig. 14.
  • the G-PCC decoder 15000 and/or the G-PCC decoder 15010 of FIG. 15 are the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the encoding 10001 of FIG. 2, and the encoder of FIG.
  • the reverse process of the transmission side operation of the encoder of FIG. 12 and the XR device 1430 of FIG. 14 may be performed.
  • the 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.
  • the method/apparatus according to the embodiments refers to a method/device for transmitting and receiving point cloud data according to the embodiments.
  • Embodiments are attributes for supporting spatial scalability of an encoder (encoder)/decoder (decoder) of Geometry-based Point Cloud Compression (G-PCC) for compressing 3D point cloud data It relates to a compression scheme.
  • Embodiments propose a method of changing a point sampling method for each LOD based on an octree in order to provide a spatial scalability function in the G-PCC attribute encoding/decoding process.
  • point cloud data When point cloud data is dense, you may need to use a smaller bandwidth such as thumbnails, or you may need the ability to send and process point clouds of lower resolution to reduce the amount of computation on the decoder side. This function is called spatial scalability.
  • Geometry encoding/decoding may provide a spatial scalability function through a process of encoding or decoding occupancy bits only up to a selected depth level by adjusting a depth level of an octree.
  • Attribute (attribute) encoding/decoding may perform an operation according to embodiments based on an octree structure in order to provide a spatial scalability function. It may be necessary to provide spatial scalability during attribute encoding/decoding, such as a method of generating an LOD from a selected depth level of an octree according to embodiments, a method of calculating a neighbor node, and a method of calculating a weight.
  • Attribute encoding/decoding changes the method of sampling points for each LOD based on an octree in order to provide a spatial scalability function, so that the most suitable points for each LOD can be composed of nodes. I can. Accordingly, there is an effect of increasing the attribute compression efficiency.
  • Embodiments propose a method of changing a point sampling method for each LOD based on an octree in order to provide a spatial scalability function in the G-PCC attribute encoding/decoding process.
  • the LOD sampling-based method may refer to a method of arranging points by a morton code and classifying a selected point into a lower LOD that may be a candidate of a neighboring set according to the embodiments.
  • the LOD sampling-based method according to embodiments has an effect of reducing the complexity of LOD generation, increasing the accuracy of generating a neighboring point set, and increasing compression efficiency.
  • PCC data (or point cloud data) may be composed of a geometry bitstream and an attribute bitstream.
  • the point cloud data may be encoded and transmitted by a point cloud data transmission apparatus or a point cloud data encoder according to embodiments.
  • the point cloud data receiving apparatus or the point cloud data decoder according to the embodiments may decode the point cloud data.
  • the geometry data (or geometry bitstream) and/or attribute data (or attribute bitstream) partially point to the geometry bitstream of the octree structure and/or the attribute bitstream based on lifting coding in the order of Level of Detail (LOD).
  • LOD Level of Detail
  • the G-PCC decoder 15000 and/or the G-PCC decoder 15010 represent a decoder of the point cloud data receiving apparatus according to the embodiments. Specifically, the G-PCC decoder 15000 and/or the G-PCC decoder 15010 represents a geometry decoder and/or an attribute decoder of the PCC decoder.
  • the G-PCC decoder 15000 does not decode the entire geometry bitstream and/or attribute bitstream in the received bitstream, but partially decodes the geometry bitstream and/or attribute bitstream to provide low resolution.
  • Point cloud data can be provided to users.
  • the G-PCC decoder 15010 may decode the entire geometry bitstream and/or the attribute bitstream in the received bitstream and provide it to the user.
  • the PCC encoder of the transmitting side corresponding to the G-PCC decoder 15000 and the G-PCC decoder 15010 may encode and transmit the entire point cloud data, and may encode and transmit the partial point cloud data.
  • FIG. 16 illustrates an attribute encoding/decoding process according to embodiments.
  • decoders 15000 and 15010 of FIG. 15 and/or encoders corresponding thereto transmission apparatus 10000 of FIG. 1, point cloud video encoder 10002
  • encoding 10001 of FIG. 2 encoder of FIG. 4
  • the encoder of FIG. 12 the XR device 1430 of FIG. 14, or the like.
  • the attribute encoder/decoder may apply an octree structure as in geometry encoding/decoding to provide a spatial scalability function when encoding/decoding an attribute (attribute).
  • Embodiments include a method of classifying points belonging to a node from a selected depth level of an octree and a method of sampling points for each LOD.
  • the method of classifying points and the method of sampling points for each LOD is performed in the PCC attribute encoding/decoding of the PCC decoder/encoder, and can be applied when the predictive transformation method or the lifting transformation method is used in the attribute encoding/decoding process.
  • Points in the point cloud may be changed into Molton codes based on x, y, and z position values, and points may be sorted based on the changed Molton code values.
  • an octree depth level may be set to configure points to be attribute encoded (decoded) from the set octree depth level, and then encoded/decoded (see FIG. 17).
  • Node size indicates the octree depth level (17 000 in Fig. 17).
  • Point PX Molton Code (PX_mortoncode): Represents the Molton code of the node PX.
  • Molton code range indicates the Molton code range of a node.
  • Maximum number of points (maxNumOfPoints): This indicates the maximum number of points of a specific octree depth level. This is the maximum number of points that the node can ideally have.
  • a range (end_range_mc) having the same Molton code value in one node in an octree structure can be known, and through this, a node can be selected and raised to an upper node.
  • the lifting method When the lifting method is used, the following node selection method can be used.
  • lifting_scalability_enabled_flag if the lifting method is used, the following is applied;
  • currVoxelIndex McodeUnsorted[unprocessedPointIndexes[i]] >> (3 ⁇ (lod+1))
  • nonAssignedPointIndexes[nonAssignedPointCount++] unprocessedPointIndexes[i]
  • prevVoxelIndex McodeUnsorted[unprocessedPointIndexes[i-1]] >> (3 ⁇ (lod+1))
  • nonAssignedPointIndexes[nonAssignedPointCount++] unprocessedPointIndexes[i]
  • nonAssignedPointIndexes[nonAssignedPointCount++] unprocessedPointIndexes[i]
  • nextVoxelIndex McodeUnsorted[unprocessedPointIndexes[i+1]] >> (3 ⁇ (lod+1))
  • nonAssignedPointIndexes[nonAssignedPointCount++] unprocessedPointIndexes[i]
  • nextVoxelIndex McodeUnsorted[unprocessedPointIndexes[i+1]] >> (3 ⁇ (lod+1))
  • Morton code value is within the same range by shifting the Morcon code. can do.
  • the encoder obtains end_range_mc from the Molton code of a point, and if the Molton code values of the next points are within the range of end_range_mc, the points belong to the same node, and if they have a large value out of the range, they are changed to a new node.
  • End_range_mc can be obtained based on the point's Molton code and applied to subsequent points. In this way, points belonging to an octree node can be classified from points arranged by the Molton code (see FIG. 18).
  • Step S16030 Merging the isolated nodes
  • nodes When the number of points belonging to a node is less than a specific threshold value, nodes can be merged (see FIG. 18).
  • the node can be merged with the next node.
  • a value of a can be signaled.
  • the maximum merging range is called r, and the maximum merging is possible with r next nodes, and the r value can be signaled. If the number is smaller than the minimum number of points and is merged with the next node, and the number of merged points is again smaller than the minimum number of points, it may be possible to merge with the next node. This repetition may be possible r times.
  • LOD configuration may be performed from a root node to a leaf node, and LOD configuration may be performed from a leaf node to a root node.
  • the LOD when the LOD is configured from a root to a leaf, the LOD may be configured from a root node to a leaf node. Consistency can be maintained. When configuring the LOD from the leaf to the root, you can configure the LOD from the leaf node to the root node.
  • Sampling may be performed by selecting a point from points belonging to a node (including a merged node according to embodiments). Depending on which point you select, attribute compression may be affected. Since the best reference point is selected and classified into a referenced region (retained list), and a set of neighboring nodes is formed from the reference region, the compression efficiency can be conclusively affected.
  • the LOD configuration unit 20120 may use three sampling methods as follows.
  • N When selecting one point from points belonging to a node (including merged nodes), the Nth point can be selected.
  • N When compressed in the encoder, N can be input from the user, or the best value can be found using the RDO method.
  • the N value may be transmitted as a parameter (metadata or signaling data) to the decoder (receiving device). If there is no N value specified, the 0th value, that is, the first value can be selected.
  • the compression efficiency may vary depending on the number of points selected.
  • the point closest to the center position of the parent node's bounding-box can be selected. As the selected point is closer to the center position of the parent node, there is an effect of lowering an error in selecting a neighboring point and calculating the weight of a neighboring point.
  • the distance between the point and the point is calculated, and a point with a close distance may be selected as the neighboring point.
  • the position value of the point may be replaced with the central position value of the node to which the point belongs (the corresponding node may vary according to the level of the LOD). It can also be configured to calculate the distance in this state. Therefore, in order to find neighboring points of point Pi, the position value of Pi is changed to the center position of the parent node according to LODl, and the position of the point Ri in the neighboring point candidate list (retained list) and R is also changed according to LODl.
  • You can calculate the distance from This can be a calculation of distances between central positions between nodes at the same depth level, and through this, a neighboring node can be set as a neighboring point.
  • the apparatus for transmitting and receiving according to the embodiments may select a point close to the center position of the parent node area when selecting a reference point during encoding or decoding. By matching the position value of the reference point, lowering the error value and lowering the error value can have a good effect on the compression efficiency.
  • a point in the middle index of the points can be selected.
  • the probability that the node of the middle index is close to the center of the parent node's bounding-box (but not in all cases) is high (but not in all cases), and there are not many additional calculations for point selection through the middle index, so the center with little calculations There may be a high probability of finding a point close to the location.
  • FIG. 17 shows an octree structure of point cloud data according to embodiments.
  • FIG. 17 describes the operation S16010 of FIG. 16.
  • an octree structure When the point cloud transceiving apparatus or encoder/decoder according to the embodiments encodes or decodes an attribute, as shown in FIG. 17, an octree structure may be applied.
  • the octree structure is interpreted as a leaf node from a root node in an order from an upper node (parent node) to a lower node (child node), and each node may be arranged in a Morton code order from left to right.
  • the LOD may be configured (generated) in the order of a leaf node and a root node.
  • an octree depth level is set, and from the set octree depth level 17000, the G-PCC decoder 15000 may decode the point cloud data as shown in FIG. 15.
  • the parent node is a child node of the parent node and may have 8 or less than 8 nodes.
  • the frontmost point 17050 among the points 17040 arranged in a Morton code belonging to the parent node can be selected as a reference node or retained node. Yes (Fig. 17).
  • the transmission apparatus or encoder may encode and transmit all points or may encode and transmit points for a specific depth.
  • a receiving device or a decoder according to the embodiments may decode all points or may decode points for a specific depth.
  • octree level is 0 (17010), level 1 (17020), and level 2 (17030), a starting depth (17030) is set, points below the starting depth (17030) are ignored, and from the starting depth (17030) The points can be decoded.
  • Points are classified from the points of the starting depth 17030, merged, and the LOD is configured, and the points are sampled, so that the transmitting device may encode the attribute or the receiving device may decode the attribute.
  • FIG. 18 illustrates a method of classifying points belonging to a node based on a Molton code according to embodiments.
  • the encoder according to the embodiments may classify points of the child node 18010 belonging to the parent node 18000 based on operation S16020 of FIG. 16.
  • the points of the octree belonging to the level in the order of the start depth 17000 or the level after the start depth are expressed in S16020 of FIGS. 18 and 16 Like, can be classified.
  • points of the level (depth) of the octree set in FIG. 17 may include P0, P1, P2 to P13, and the like.
  • a method/apparatus including an encoder/decoder
  • the second range value may be calculated using the octree level value of P6, the Molton code value (eg, 9), and the equation of FIG. 16. If there is one point P6 smaller than the value of the second range, P6 is classified as one point (18020).
  • the third range value may be calculated using the octree level value of P7, the Molton code value (eg, 16), and the equation of FIG. 16.
  • P7 to P10 having Molton code values included in the third range value may be classified as points belonging to the same node (18030).
  • the fourth range value may be calculated using the octree level value of P11, the Molton code value (eg, 26), and the equation of FIG. 16. Points having a Molton code value included in the fourth range value may be classified as points belonging to the same node (18040).
  • the isolated node refers to point(s) in which the number of classified points is less than a certain number.
  • the number of points belonging to the same node as shown in 19010 exceeds 4
  • the number of points belonging to the same node may be 4 or less, such as 19020 and 19030.
  • the transmission/reception method/apparatus according to the embodiments may merge points with a certain number of points or less as individual nodes without placing them as individual nodes.
  • the merging process may be optional according to embodiments.
  • the number of classified points may be greater than or equal to a certain number.
  • Classified points belonging to the same node have one sampling range.
  • merged nodes have a merged sampling range.
  • FIG. 19 shows an example in which a node having a number of points of 1 and a node having a number of points of 4 are merged, and an example in which a node having a number of points of 3 and a node having a number of points of 2 are merged (19040).
  • FIG. 20 is an encoder (transmitting apparatus 10000 of FIG. 1, point cloud video encoder 10002), encoding 10001 of FIG. 2, encoder of FIG. Fig. 14 shows a configuration diagram of an encoder and an XR device 1430 in FIG.
  • the PCC data encoder according to the embodiments may be referred to as an encoder, and the PCC data decoder according to the embodiments may be referred to as a decoder.
  • PCC data (point cloud data) is input as an input of the encoder and is encoded to output a geometric information bitstream and an attribute information bitstream (a bitstream for point cloud data).
  • Each component of FIG. 20 may correspond to hardware, software, a processor, and/or a combination thereof.
  • the data input unit 20000 may receive geometry data, attribute data, and/or parameters related thereto.
  • the coordinate system conversion unit 20010 may convert a coordinate system related to location (coordinate) information of geometry data.
  • the coordinate system conversion unit 17010 may correspond to the coordinate system conversion unit 40000 of FIG. 4.
  • the geometric information transform quantization processor 20020 may be referred to as a geometric information transform quantizer or the like.
  • the geometric information transformation quantization processor 17020 may correspond to the quantizer 40001 of FIG. 4.
  • the geometric information transformation quantization processor 20020 may receive one full scale value (quantization value) and adjust the scale for each axis according to the distribution of contents.
  • the space division unit 20030 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 20030 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 the corresponding geometry data within the same slice.
  • a geometric data unit may appear before the associated attribute units.
  • the data units of a 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 20040 may encode geometry data of point cloud data.
  • the detailed process of geometry encoding is as follows.
  • the voxelization processing unit 20050 may voxelize geometry data.
  • the voxelization processor 15050 may correspond to the voxelizer 40001 of FIG. 4.
  • the octree generator 20060 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 octree generator 20060 constructs an octree from the received geometric information bitstream (geometry data).
  • the octree generator 20060 may configure geometric information only at a specific level of the octree for a spatial scalability function, and at this time, change the position value to the center value of the bounding box.
  • the octree generator 20060 may configure and decode points to be attribute decoded from the restored octree depth level for partial geometry decoding.
  • the geometric information prediction unit 20070 may predict geometry data.
  • the geometric information predictor 20070 may generate a predicted value of geometry data between a parent node and a child node in an octree structure. By generating a residual value through the predicted value, the residual value may be 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 20070 may reconstruct (reconfigure) 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 encoder 20080 may entropy-code geometry data to generate a geometry bitstream.
  • the attribute information encoder 20090 may encode attribute data as follows.
  • the color conversion processing unit 20100 may convert the color of attribute data according to data characteristics.
  • the color readjustment unit 20110 may be referred to as a color readjuster, a color recolorer, or a recolorer.
  • the attribute information encoder 17090 may perform color readjustment, otherwise, RAHT attribute coding, or prediction/lifting transform attribute coding. Therefore, you can configure the LOD.
  • color readjustment and/or LOD configuration may be performed even in RATH coding.
  • color readjustment is performed in case of lossy geometry, or in case of predictive/lifting transform attribute coding, not lossy geometry, LOD configuration You can do it. If there are multiple points in one voxel and a voxel that merges redundant points by lossy compression, an operation of the color readjustment unit may be applied. In addition, when the geometry quantization coefficient is less than 1, 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 20110 may search for a neighboring point close to the center position of the voxel in the original point cloud to set the representative color of the voxel, and calculate the representative color from the neighboring points. In the process of searching for a neighboring point, geometric information can be inverse quantized to restore the positional difference between the original and the quantized value. When performing inverse quantization, the color readjustment unit 20110 may perform inverse quantization for each axis.
  • the LOD configuration unit 20120 may configure an LOD from point cloud data.
  • the LOD constructing unit 20120 may generate an LOD from attribute data that has been re-adjusted based on the restored geometric information (geometry data).
  • an LOD may be generated.
  • the LOD configuration unit 20120 can classify points belonging to a node using a Molton code, can merge isolated nodes, perform LOD sampling according to embodiments at an octree node, and generate related information as signaling information. Can be delivered.
  • the LOD configuration unit 20120 may configure points to be attribute-encoded from the set octree depth level by setting the depth level of the octree to support spatial scalability of attribute encoding/decoding, and encode/decode (see FIG. 17).
  • the LOD configurator 20120 may be referred to as an LOD generator, an LOD configurator, or the like.
  • the octree depth level may be delivered by an encoder (encoder) according to embodiments to a decoder (decoder) as signaling information, and may be changed according to a usage purpose or computing performance of a decoder.
  • the LOD constructing unit 20120 may perform point classification for each octree node by calculating a range of a Molton code for each octree node from points arranged in a Molton code (see FIG. 18).
  • the LOD configuration unit 20120 may set the minimum number of node points (a value) to classify a case where the number of points of a node is less than the minimum number of node points, and this value may be signaled to the decoder as signaling information.
  • the process of merging with the next consecutive node may be referred to as an isolated node merging process (see FIG. 19), and whether or not the isolated node merging process may be signaled to the decoder as signaling information.
  • the number of node points is less than the minimum number of node points, it may be merged with the next consecutive node, and the merge may be performed up to r times (see FIG. 19).
  • the value of the maximum number of merges r may be signaled to the decoder as signaling information.
  • the neighbor point set construction unit 20130 configures a set of neighboring points of points belonging to the LOD within the corresponding LOD and higher LODs based on the LOD.
  • Every point can have one predictor.
  • the property is predicted from neighboring points registered in the predictor.
  • Properties can be predicted through a predictor.
  • the average of values obtained by multiplying the properties of registered neighboring points by weight may be used as the predicted result, or a specific point may be used as the predicted result.
  • the attribute value of the point and the residual of the attribute value predicted by the predictor of the point may be encoded together with a method selected by the predictor and signaled to the receiver.
  • the decoder may decode the step-transmitted prediction method and predict the attribute value according to the method.
  • the attribute value can be restored by adding the predicted value by decoding the transmitted residual value.
  • the attribute information predictor 20140 predicts an attribute value of a point from a set of neighboring points.
  • the residual attribute information quantization processor 20150 may generate a predicted value for attribute data, generate a residual value between the predicted value and the attribute value, and quantize the residual value.
  • the attribute value of Px is predicted based on the attribute values of the neighboring points in the set, and the residual between the predicted attribute value and the Px attribute value is obtained.
  • the residual value can be encoded and transmitted to the decoder.
  • the decoder constructs a set of neighboring points of Px through LOD generation and received additional information, predicts the attribute value of Px based on the attribute values of neighboring points in the neighboring set, and adds the received residual value. Restore attribute values.
  • the residual attribute information quantization processor 20150 may calculate the residual between the prediction value and the point value suitable for the prediction mode, and encode the quantized value together with the prediction mode. have.
  • a quantized value may be encoded by calculating a residual between a prediction value and a point value suitable for the prediction mode.
  • the attribute information entropy encoder 20160 may generate an attribute bitstream by entropy coding the attribute data. For example, a residual value may be coded to generate an attribute bitstream.
  • 21 shows a PCC data decoder according to embodiments.
  • Fig. 21 is a G-PCC decoder 15000 of Fig. 15, a G-PCC decoder 15010, a receiving device 10004 of Fig. 1, a point cloud video decoder 10006, a decoding 20003 of Fig. 2, and Fig. 10- It can correspond to the decoder of Fig. 11, the decoder of Fig. 13, the XR device 1430 of Fig. 14, and the like.
  • the encoded geometric information bitstream and the attribute information bitstream are input as inputs of the decoder, and PCC data reconstructed by decoding may be output.
  • Each component of FIG. 21 may correspond to hardware, software, a processor, and/or a combination thereof.
  • the geometric information decoding unit 210000 may receive the geometric information bitstream and decode the geometric information.
  • the geometric information decoding unit 210000 corresponds to a decoder on the receiving side corresponding to the geometric information encoding unit 20040 on the transmitting side, and the geometric information decoding unit 210000 performs the reverse process of the operation of the geometric information encoding unit 20040. You can do it.
  • the geometric information entropy decoder 210010 may receive the geometric information bitstream and decode the geometric information based on an entropy method.
  • the geometric information entropy decoder 210010 may perform a reverse process of the operation of the geometric information entropy encoder 20080.
  • the octree reconstruction unit 210020 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 20060.
  • the geometric information prediction unit 210030 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 predictor 18030 may perform a reverse process of the operation of the geometric information predictor 20070.
  • the geometric information transformation inverse quantization processing unit 210040 may inversely quantize the geometry data. For example, the geometric information transformation dequantization processing unit 210040 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 210050 may inversely convert the coordinate system information of the geometric information.
  • the coordinate system inverse transform unit 210050 may perform an inverse process of the operation of the coordinate system transform unit 20010.
  • the attribute information decoding unit 210060 may receive the attribute information bitstream and decode the attribute information.
  • the attribute information decoding unit 210060 may perform a reverse process of the operation of the attribute information encoding unit 20090.
  • the attribute residual information entropy decoder 210070 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 210070 may perform a reverse process of the operation of the attribute information entropy encoder 20160.
  • the LOD configuration unit 210080 may configure an LOD from point cloud data.
  • the LOD constructing unit 210080 may generate an LOD from attribute data that has been re-adjusted based on the restored geometric information (geometry data).
  • an LOD may be generated.
  • the LOD configuration unit 210080 may correspond to the LOD configuration unit 20120 of FIG. 20.
  • the LOD constructing unit 210080 may classify points belonging to a node by using a Molton code, merge isolated nodes, and perform LOD sampling according to embodiments at an octree node.
  • the LOD constructing unit 210080 may configure and decode points to be attribute encoded from the restored octree depth level for partial attribute decoding (see FIG. 17).
  • the LOD constructing unit 210080 may perform point classification for each octree node by calculating a range of a Molton code for each octree node from points arranged in a Molton code (see FIG. 18).
  • the LOD configuration unit 210080 may merge the restored minimum number of node points, that is, a case in which the number of points of a node based on a is less than the minimum number of node points, with consecutive nodes (see FIG. 19).
  • the process of merging with the next consecutive node may be referred to as an isolated node merging process, and the merging may be performed through whether or not the decoded isolated node merging process is performed.
  • the number of node points is less than the number of restored minimum node points, it may be merged with the next consecutive node, and the merge may be performed the maximum number of restored merges, that is, r times.
  • one point may be selected from points belonging to the node (including the merged node).
  • the method may include an N-th point selection method, a point selection method close to the center position of the octree parent node region, and an intermediate index point selection method (see FIG. 16).
  • the neighbor point set configuration unit 210090 may search for neighboring points of a point included in the LODs based on the LOD generated from the attribute information bitstream and register it as a neighboring point set.
  • the neighboring point set construction unit 210090 may correspond to the neighboring point set construction unit 20130 of FIG. 20.
  • the attribute information predictor 210100 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 210100 may perform a reverse process of the operation of the attribute information predictor 20140.
  • the residual attribute information inverse quantization processing unit 210110 may inversely quantize residual attribute information, for example, a residual value for attribute information.
  • the residual attribute information inverse quantization processing unit 210110 may perform an inverse process of an operation of the residual attribute information quantization processing unit 20150.
  • the color inverse transformation processing unit 210120 may inversely transform color information, which is attribute information.
  • the color inverse transformation processing unit 210120 may perform an inverse process of the operation of the color transformation processing unit 20100.
  • FIG. 22 shows a bitstream structure of point cloud data according to embodiments.
  • the method/apparatus according to the embodiments may generate and obtain a point cloud bitstream as shown in FIG. 22.
  • a point cloud bitstream including parameters including metadata for this may 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) including signaling information according to embodiments, a geometry parameter set (GPS), an attribute parameter set (APS), and a tile parameter set (TPS).
  • 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). 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, etc.
  • 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, a geometry for each slice, or an attribute for each slice (Attr).
  • the structure of 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 transmission/reception 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 the 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 point cloud data receiving apparatus can restore the corresponding image by 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.
  • One slice (eg, slice 0 in FIG. 22) includes a slice header and slice data.
  • 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) of a parameter set included in GPS, a tile identifier (geom_tile id), a 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 about 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 Geometry quantization can be performed differently for each axis.
  • 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 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 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 It has the effect of being able to access point cloud data.
  • Signaling information according to embodiments may be used at a transmitting end or a receiving end.
  • Geometry bitstream geometry slice header + geometry slice data
  • the transmission method/apparatus may signal by adding information related to the configuration of an attribute point for a spatial scalability function of the attribute encoding/decoding process to the SPS or APS.
  • the transmission method/device may signal by adding information related to the configuration of an attribute point for a spatial scalability function in the attribute encoding/decoding process to the TPS or the attribute data for each slice (Attr).
  • a tile or slice is provided so that the point cloud according to the embodiments can be divided and processed by region. That is, the point cloud data may be divided for each area, and the unit of the division may be a tile and/or a slice.
  • Attribute slice data may be changed and signaled according to an option related to prediction mode processing.
  • the transmission/reception apparatus may provide a signaling scheme as follows to support the operation according to the embodiments.
  • FIG. 23 shows a sequence parameter set included in a bitstream according to embodiments as shown in FIG. 22.
  • the metadata, parameters, or signaling information of FIG. 23 are the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the receiving device 10004, the point cloud video decoder 10006, and the encoding 20001 of FIG.
  • decoding 20003 the encoding process of Fig. 4, the decoding process of Fig. 11, the transmission device of Fig. 12, the receiving unit of Fig. 13, the XR device 1430 of Fig. 14, the encoder of Fig. 20, the decoder of Fig. 21, and the like, It can be created, transmitted and received.
  • Information related to the configuration of an attribute point for a spatial scalability function in the attribute encoding/decoding process may be added to a sequence parameter set and signaled. 23 to 26, there is an effect of being able to efficiently signal an attribute for supporting a spatial scalability function.
  • the name of the signaling information can be understood within the scope of the meaning and function of the signaling information.
  • LOD generation direction indicates the direction of LOD generation.
  • this value indicates a method of generating from LOD0 to LODN (that is, in the case of octree, proceeding from the root node to the leaf node). If this value is 1, it indicates a method of generating LOD0 from the LODN (ie, the octree case proceeds from the leaf node to the root node).
  • Sampling selection type This indicates a point selection method when selecting one point from points belonging to a node (including merged nodes).
  • this value indicates the N-th point selection method. If this value is 2, it indicates a point selection method close to the center position of the octree parent node area. If this value is 3, it indicates an intermediate index point selection method.
  • sampling_isolated_node_min_number_of_points This indicates the minimum number of points belonging to a node that can be defined as an isolated node.
  • Sampling isolated node merge flag (sampling_isolated_node_merge_flag): Indicates whether the isolated nodes are merged.
  • sampling_isolated_node_merge_flag 1
  • sampling_isolated_node_max_merge_range is signaled.
  • Sampling isolated node maximum merge range represents the maximum merge range (number of consecutive nodes) for merging isolated nodes.
  • Sampling selection index indicates the number of points to select when selecting a point using the N-th point selection method in the sampling selection type (sampling_select_type). It can be set to 0 as a default value, which means selecting the first point.
  • sampling_select_type is 1, sampling_select_idx is signaled.
  • Profile_idc Represents a profile followed by a bitstream according to embodiments.
  • the bitstream does not include values other than values according to embodiments, and other values of the profile may be reserved for future use of ISO/IEC shall not contain values of profile_idc other than those specified in Annex A. Other values of profile_idc are reserved for future use by ISO/IEC).
  • Profile compatibility flag (profile_compatibility_flags): If this value is 1, indicates that the bitstream conforms to the profile indicated by profile_idc equal to j.
  • Number of SPS attribute sets (sps_num_attribute_sets): This indicates the number of coded attributes in the bitstream. This value can range from 0 to 63.
  • Attribute dimension (attribute_dimension[ i ]): This indicates the number of components of the i-th attribute.
  • Attribute instance identifier (attribute_instance_id[i]): represents the instance identifier for the i-th attribute.
  • FIG. 24 illustrates a sequence parameter set included in a bitstream according to embodiments as shown in FIG. 22.
  • the metadata, parameters, or signaling information of FIG. 24 are the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the receiving device 10004, the point cloud video decoder 10006, and the encoding 20001 of FIG.
  • decoding 20003 the encoding process of Fig. 4, the decoding process of Fig. 11, the transmission device of Fig. 12, the receiving unit of Fig. 13, the XR device 1430 of Fig. 14, the encoder of Fig. 20, the decoder of Fig. 21, and the like, It can be created, transmitted and received.
  • APS attribute parameter set identifier (aps_attr_parameter_set_id): Provides an identifier for the APS for reference by other syntax elements. This value can have a range of 0 to 15 (inclusive) (provides an identifier for the APS for reference by other syntax elements. The value of aps_attr_parameter_set_id shall be in the range of 0 to 15, inclusive).
  • APS sequence parameter set identifier indicates the value of the SPS sequence parameter set identifier for active SPS. This value can have a range of 0 to 15 (inclusive) (specifies the value of sps_seq_parameter_set_id for the active SPS. The value of aps_seq_parameter_set_id shall be in the range of 0 to 15, inclusive).
  • attribute coding type (attr_coding_type) is 0 or the attribute coding type is 2, lifting indication information (isLifting) is 1, and if not, it has 0.
  • lifting-related signaling information is signaled as follows.
  • Number of lifting prediction neighbors (lifting_num_pred_nearest_neighbours): This indicates the maximum number of near neighbors used for prediction. This value may have a range of 1 to XX (specifies the maximum number of nearest neighbors to be used for prediction. The value of lifting_num_pred_nearest_neighbours shall be in the range of 1 to xx).
  • MaxNumPredictors lifting_max_num_direct_predicots + 1 (specifies the maximum number of predictor to be used for direct prediction.
  • the value of lifting_max_num_direct_predictors shall be range of 0 to lifting_num_pred_nearest_neighbours).
  • sampling_scalability_attribute_octree_level LOD_generation_direction
  • sampling_select_type sampling_isolated_node_min_number_of_points
  • sampling_isolated_node_merge_flag sampling_isolated_node_max_merge_range
  • sampling_select_idx and the like according to the embodiments, refer to the description of FIG.
  • 25 shows a tile parameter set according to embodiments.
  • FIG. 25 illustrates a sequence parameter set included in a bitstream according to embodiments as shown in FIG. 22.
  • the metadata, parameters, or signaling information of FIG. 25 are the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the reception device 10004, the point cloud video decoder 10006, and the encoding 20001 of FIG.
  • decoding 20003 the encoding process of Fig. 4, the decoding process of Fig. 11, the transmission device of Fig. 12, the receiving unit of Fig. 13, the XR device 1430 of Fig. 14, the encoder of Fig. 20, the decoder of Fig. 21, and the like, It can be created, transmitted, and received.
  • the transmitting device or encoder according to the embodiments may signal the receiving device or decoder according to the embodiments by adding information related to the property point configuration for the spatial scalability function of the property encoding/decoding to a tile parameter set. have.
  • Number of tiles Indicates the number of tiles signaled for the bitstream. If not present, this value can be inferred as 0 (specifies the number of tiles signaled for the bitstream.When not present, num_tiles is inferred to be 0).
  • Tile bounding box offset X indicates the X offset of the i-th tile in the coordinate system. If not present, tile_bounding_box_offset_x[ 0] can be inferred as sps_bounding_box_offset_x (indicates the x offset of the i-th tile in the cartesian coordinates. When not present, the value of tile_bounding_box_offset_x[ 0] is inferred to be sps_bounding_box_).
  • Tile bounding box offset Y indicates the Y offset of the i-th tile in the coordinate system.
  • tile_bounding_box_offset_y[ 0] can be inferred as sps_bounding_box_offset_y (indicates indicates the y offset of the i-th tile in the cartesian coordinates.
  • the value of tile_bounding_box_offset_y[ 0] is inferred to be sps_bounding_box_offset).
  • sampling_scalability_attribute_octree_level LOD_generation_direction
  • sampling_select_type sampling_isolated_node_min_number_of_points
  • sampling_isolated_node_merge_flag sampling_isolated_node_max_merge_range
  • sampling_select_idx and the like according to the embodiments, refer to the description of FIG.
  • 26 illustrates an attribute slice header according to embodiments.
  • FIG. 26 shows a sequence parameter set included in a bitstream according to embodiments as shown in FIG. 22.
  • the metadata, parameters, or signaling information of FIG. 26 are the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the reception device 10004, the point cloud video decoder 10006, and the encoding 20001 of FIG.
  • decoding 20003 the encoding process of Fig. 4, the decoding process of Fig. 11, the transmission device of Fig. 12, the receiving unit of Fig. 13, the XR device 1430 of Fig. 14, the encoder of Fig. 20, the decoder of Fig. 21, and the like, It can be created, transmitted, and received.
  • the transmission device or encoder may signal by adding attribute point configuration-related information for a spatial scalability function in an attribute encoding/decoding process to an attribute slice header.
  • ASH attribute parameter set identifier (ash_attr_parameter_set_id): Specifies the value of the aps_attr_parameter_set_id of the active APS.
  • Attribute SPS Attribute Index (ash _attr_sps_attr_idx): Represents an attribute set in the active SPS.
  • the value of abh_attr_sps_attr_idx shall be in the range of 0 to sps_num_attribute_sets in the active SPS (specifies the attribute set in the active SPS.
  • ASH attribute geometry slice ID (ash_attr_geom_slice_id): Specifies the value of the gsh_slice_id of the active Geometry Slice Header.
  • the PCC encoding method, PCC decoding method, and signaling method of the above-described embodiments may provide the following effects.
  • Spatial scalability is a function that can send and process point clouds of lower resolution so that when the point cloud data is dense, a smaller bandwidth such as a thumbnail should be used, or the amount of computation on the decoder side can be reduced.
  • the embodiments are octree based on points to provide a spatial scalability function in an 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
  • the proposed method of classifying points for each octree node through the Morton code can reduce the encoding/decoding execution time by reducing the amount of encoding/decoding calculations constituting the octree.
  • the distance weight based on the central position value of the parent node's bounding box applied for spatial scalability is considered, and a point close to the central position value is selected, or the distance weight error value is calculated by selecting the central index point.
  • embodiments provide a property compression method for providing a spatial scalability function of an encoder (encoder)/decoder (decoder) of Geometry-based Point Cloud Compression (G-PCC) for compressing 3D point cloud data. It can be done, and it can be provided by increasing the attribute compression efficiency.
  • G-PCC Geometry-based Point Cloud Compression
  • the PCC encoder and/or PCC decoder according to the embodiments may have a spatial scalability effect by providing a method of changing a point sampling method for each LOD based on an octree.
  • Embodiments propose a method of changing an octree-based geometry point position value setting method and a point sampling method for each LOD in order to provide a spatial scalability function in the G-PCC attribute encoding/decoding process.
  • the method according to the embodiments includes the following.
  • embodiments relate to a method of compressing attributes for supporting spatial scalability of Geometry-based Point Cloud Compression (G-PCC) for compressing 3D point cloud data.
  • G-PCC Geometry-based Point Cloud Compression
  • the transmission/reception method/device may provide a spatial scalability function through a process of encoding or decoding occupancy bits only up to a selected depth level by adjusting a depth level of an octree in geometry encoding/decoding.
  • FIG. 27 shows a method of setting a geometry location for providing a spatial scalability function, as shown in FIG. 15.
  • FIG. 27 may be performed by the encoder of FIG. 20, the decoder of FIG. 21, and/or a transmitting/receiving device according to embodiments corresponding thereto.
  • Attribute encoding/decoding may also need to be modified by applying an octree structure in order to provide a spatial scalability function.
  • the method of generating the LOD from the selected depth level of the octree, the method of calculating the neighbor node, and the method of calculating the weight may need to be changed to provide spatial scalability during attribute encoding/decoding.
  • the embodiments propose a method of setting a geometry position value when only partially decoding a geometry when decoding a geometry.
  • embodiments change the method of sampling points for each LOD based on an octree in order to provide a spatial scalability function in attribute encoding/decoding, so that the most suitable points for each LOD can be composed of nodes, thereby improving attribute compression efficiency. Provides a way to increase it.
  • Embodiments provide a method of changing a point sampling method for each LOD based on an octree in order to provide a spatial scalability function in a G-PCC attribute encoding/decoding process.
  • Embodiments may set a representative location value of an octree for providing a spatial scalability function during geometry decoding.
  • an octree structure can be applied in geometry encoding/decoding. We propose a method of classifying points belonging to a node from the selected depth level of the octree and a method of sampling points for each LOD.
  • the method of classifying points and the method of sampling points for each LOD is performed in the PCC attribute encoding/decoding of the PCC decoder/encoder, and can be applied when the predictive transformation method or the lifting transformation method is used in the attribute encoding/decoding process.
  • the position of a point representing each octree node may be sampled (selected) to the node closest to the center position of the bounding box of the node.
  • the Molton order, the LOD configuration, and the neighbor node search can be performed based on the position set as the middle position of the node.
  • Points in the point cloud may be changed to Molton codes based on x, y, and z position values, and may be sorted based on the changed Molton code values.
  • points to be attribute-encoded can be configured and encoded/decoded from the set octree depth level by setting the depth level of the octree (see FIG. 17).
  • a method of classifying points for each octree node in points arranged by the Molton code may use the following pseudo code (formula) described in FIG. 16.
  • nodeSizeLog2 octree depth level
  • end_range_mc Molton code range of the node
  • the range of the Molton code of the node may be calculated based on the Molton code of the point, the octree depth level, and the number of maximum points.
  • end_range_mc is obtained from the Molton code of a point and the Molton code values of the next points are within the range of end_range_mc, the points belong to the same node, and if they have a large value out of the range, the Molton of the corresponding point is changed to a new node. Based on the code, end_range_mc can be obtained and applied to subsequent points. In this way, points belonging to an octree node can be classified from points arranged in a Molton code.
  • Sampling can be performed by selecting a point from points belonging to the node (including the merged node). Depending on which point you select, attribute compression may be affected. Since the best reference point is selected and classified into a referenced region (retained list), and a set of neighboring nodes is constructed from the reference region, it is possible to increase the compression efficiency in conclusion.
  • the errors occurring in the parent node can be reduced by selecting the points selected during attribute coding as well as positions close to the center position value. Therefore, for LOD sampling at the octree node, a method of selecting a location close to the center point of the parent node can be selected.
  • a method for receiving point cloud data includes: receiving a bitstream including point cloud data; Decoding the point cloud data; It may include.
  • Point cloud data may include geometry data and attribute data.
  • the decoding of point cloud data may include decoding geometry data and decoding attribute data.
  • an octree structure for the geometry data is generated, and the position of a point representing each node included in the octree structure is converted to a node closest to the center position of the bounding box of each node. Can be sampled (selected).
  • the decoding of the attribute data includes changing the position values of points of the point cloud data to a Molton code based on geometry data and the attribute data, aligning the points based on the Molton code, and including the points. Points can be decoded from the depth level of the octree structure.
  • the decoding of attribute data may further include classifying points belonging to each node based on a Molton code and a range value for the Molton code.
  • an octree structure for geometric data is generated, a level of detail (LOD) is generated based on the octree structure, and a node belonging to the LOD is sampled (selected) from the LODs.
  • LOD level of detail
  • Fig. 28 shows S270010 of Fig. 27.
  • 29 illustrates matching between nodes and locations according to embodiments.
  • FIG. 29 shows an operation of matching each node and location when points are arranged in the order of Molton code as shown in FIG. 28.
  • FIG. FIG. 29 shows S270030 of FIG. 27.
  • a reference node or retained node indicates that it is a node (point) selected at the time of sampling.
  • the node (or point) 29000, 29040, and 29050 of FIG. 29 and the node (or point) of FIG. 30 may be reference nodes.
  • the node closest to the center position (29030) of the parent node's bounding box (29020) is the last node (29040).
  • the node closest to the central position of the parent node in N-2 may be the first node 29050.
  • the first node can be selected when the LOD is even, and the last node can be selected when the LOD is odd.
  • the last node can be selected, and if the LOD is an odd number, the first node can be selected.
  • the encoder may signal the configuration information on this selection method to the decoder.
  • the encoder and/or decoder provide various methods for selecting a node closest to the center position on the parent node from the child node when sampling the LOD at the octree node.
  • Embodiments include a method of using even and odd indexes, or a method of selecting a node closest to a central position in a bounding box.
  • the node closest to the center location can be selected based on the distance, density, and properties of the points.
  • a node close to the center can be sampled, and if it does not belong, an odd/even (ie, first/last node) node can be sampled.
  • FIG. 30 illustrates selection of a reference node in an octree structure according to embodiments.
  • Fig. 30 explains the LOD sampling in Figs. 28-29 (S270030 in Fig. 27) in an octree structure.
  • nodes may be distributed in the order of a loop node to a leaf node, and next nodes belonging to the node may be arranged in a Morcon code order.
  • the octree structure may include N LODs, and the transmission/reception method/apparatus according to the embodiments may perform partial encoding and partial decoding from a specific depth level on the octree structure.
  • LOD N (here, N can be referred to as the index of the LOD)
  • LOD N-1 is an odd LOD
  • Nodes can be selected in the order of the first node, the last node, the first node, and the last node in the order of rising from a specific node to the parent node in the octree structure. This method has the effect of increasing the gain of sampling.
  • points belonging to LOD N (30000) consider that LOD N is an even number, and the first node 30010 among points arranged in the order of Molton code belonging to the node is referred to as a reference node for each parent node (reference nod or It can be selected (sampled) as a retained node, 30010).
  • Points 30020 belonging to LOD N-1 consider that N-1 is odd, and the last node 30030 among points arranged in the order of Morcon code belonging to the node is selected (sampling) as a reference node for each parent node. can do.
  • This operation can be expressed as follows in a pseudo code.
  • samplingFromLastFlag lod & 1 // If the LOD is even, the last digit of the bit is 0, and if the LOD is odd, the last digit is 1 //
  • currVoxelIndex McodeUnsorted[unprocessedPointIndexes[i]] >> (3 ⁇ (lod+1))
  • nonAssignedPointIndexes[nonAssignedPointCount++] unprocessedPointIndexes[i]
  • prevVoxelIndex McodeUnsorted[unprocessedPointIndexes[i-1]] >> (3 ⁇ (lod+1))
  • nonAssignedPointIndexes[nonAssignedPointCount++] unprocessedPointIndexes[i]
  • the sampled points are assigned to NonassignedPointsIndexes. Points that are not sampled are assigned to assignedPointIndexes.
  • the method/device according to the embodiments can classify the LOD.
  • nonAssignedPointIndexes[nonAssignedPointCount++] unprocessedPointIndexes[i]
  • nextVoxelIndex McodeUnsorted[unprocessedPointIndexes[i+1]] >> (3 ⁇ (lod+1))
  • nonAssignedPointIndexes[nonAssignedPointCount++] unprocessedPointIndexes[i]
  • NonassignedPointsIndexes means sampled points
  • samplingFromLastFlag it is possible to signal whether sampling starts from the start LOD to the first node (or it can be referred to as Left) or to start sampling to the last node (or it can be exhausted with Right).
  • the LOD may be reconstructed according to the octree node based on the geometry data.
  • the transmission/reception method/apparatus may select a point closest to a central position of a bounding-box of a parent node when selecting one point from points belonging to a node (including a merged node). As the selected point is closer to the center position of the parent node, the error in selecting the neighboring point and calculating the weight of the neighboring point can be reduced.
  • the distance between the point and the point is calculated, and a point with a close distance may be selected as the neighboring point.
  • the distance can be calculated while the position value of the point is replaced with the central position value of the node to which the point belongs (the corresponding node may vary depending on the level of the LOD). Therefore, in order to find neighboring points of point Pi, the position value of Pi is changed to the center position of the parent node according to LODl, and the position of the point Ri in the neighboring point candidate list (retained list) and R is also changed according to LODl.
  • You can calculate the distance from This can be a calculation of distances between central positions between nodes at the same depth level, and through this, a neighboring node can be set as a neighboring point.
  • a point close to the center position of the parent node area can be selected.
  • lowering the error value and lowering the error value can have a good effect on the compression efficiency.
  • the transmission/reception method/apparatus may select a point in an intermediate index of points when selecting one point from points belonging to a node (including a merged node).
  • the probability that the node of the middle index is close to the center of the parent node's bounding-box is high (but not in all cases), and there are not many additional calculations for point selection through the middle index, so the center with little calculations There may be a high probability of finding a point close to the location.
  • the method of receiving point flow data may sample (select) a first point within a node belonging to the LOD or sample (select) a last point within a node belonging to the LOD based on the LODs.
  • 31 shows a PCC data encoder according to embodiments.
  • FIG. 31 corresponds to the point cloud data encoder of FIG. 20 and/or the device according to the corresponding embodiments. For a description of the operation of each component of FIG. 31, refer to the description of FIG. 20.
  • the LOD configuration unit 31000 may perform LOD configuration and sampling according to embodiments.
  • the LOD configuration unit 31000 can classify points belonging to the node using the Molton code, can merge isolated nodes, perform the LOD sampling method according to embodiments in the octree node, and signal related information. can do.
  • the LOD configuration unit 31000 may configure points to be attribute-encoded from the set octree depth level by setting the depth level of the octree to support spatial scalability of attribute encoding/decoding, and encode/decode (see FIGS. 17 and 30). .
  • the transmitting apparatus or encoder according to the embodiments may signal the octree depth level as signaling information to the receiving apparatus or decoder according to the embodiments, and may be changed according to a usage purpose or computing performance of the decoder.
  • the LOD constructing unit 31000 may perform point classification for each octree node by calculating a range of a Molton code for each octree node from points arranged in a Molton code (see FIGS. 18 and 27).
  • the residual attribute information quantization processor 31010 may generate a predicted value for attribute data, generate a residual value between the predicted value and the attribute value, and quantize the residual value.
  • the residual attribute information quantization processor 31010 may calculate a residual between a prediction value and a point value suitable for the prediction mode, and encode the quantized value together with the prediction mode.
  • the residual attribute information quantization processor 31010 may calculate a residual between a prediction value and a point value suitable for the prediction mode, and encode only the quantized value.
  • FIG. 32 corresponds to the point cloud data decoder of FIG. 21 and/or the apparatus according to the corresponding embodiments.
  • FIG. 32 corresponds to the point cloud data decoder of FIG. 21 and/or the apparatus according to the corresponding embodiments.
  • the octree reconstruction unit 32000 reconstructs an octree from the received geometry information bitstream (geometry data).
  • the octree reconstruction unit 32000 may configure geometric information only at a specific level of the octree for a spatial scalability function, and at this time, change the position value to the center value of the bounding box.
  • the octree reconstruction unit 32000 may configure and decode points to be attribute decoded from the restored octree depth level for partial geometry decoding.
  • the LOD configuration unit 32010 may classify points belonging to the node using the Molton code, merge isolated nodes, and perform LOD sampling according to embodiments at the octree node.
  • the LOD configuration unit 32010 may configure and decode points to be attribute decoded from the restored octree depth level for partial attribute decoding.
  • the LOD configuration unit 32010 may perform point classification for each octree node by calculating a range of a Molton code for each octree node from points arranged in a Molton code.
  • the LOD configuration unit 32010 may select one point from points belonging to the node (including the merged node) based on the restored point selection method. There may be a method of selecting the first node from the LOD and then selecting the last node from the next consecutive higher LOD, a method of selecting a point close to the center position of the octree parent node area, and a method of selecting an intermediate index point.
  • the LOD configuration unit 32010 may select and configure the first node according to the restored selection type in a method of selecting the first node from the LOD and then the last node from the next consecutive higher LOD, or select the last node to configure the LODs. .
  • the transmission/reception apparatus may provide a signaling scheme as follows to support the operation according to the embodiments.
  • the transmission/reception apparatus may signal the attribute point configuration related information for the spatial scalability function in addition to the SPS (FIG. 33) or APS (FIG. 34).
  • the transmission/reception apparatus may signal the attribute point configuration related information for the spatial scalability function in addition to the TPS (FIG. 35) or the Attr for each slice (FIG. 36). Due to the signaling information according to embodiments, it is possible to efficiently signal geometry/attributes for supporting the spatial scalability function.
  • SPS sequence parameter set
  • the metadata, parameters, or signaling information of FIG. 33 may include the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the receiving device 10004, the point cloud video decoder 10006, and the encoding 20001 of FIG.
  • decoding 20003 the encoding process of Fig. 4, the decoding process of Fig. 11, the transmission device of Fig. 12, the receiving unit of Fig. 13, the XR device 1430 of Fig. 14, the encoder of Fig. 20, the decoder of Fig. 21, and the like, It can be created, transmitted, and received.
  • Spatial scalability octree level (spatial_scalability_octree_level): Represents a partial reconstruction octree level.
  • Spatial scalability attribute octree level (spatial_scalability_attribute_octree_level): Represents a partial reconstruction octree level. That is, it represents the partial octree level applied to the attribute. In the case of properties, it can have a reconstruction octree level different from that of the geometry.
  • LOD generation direction indicates the direction of LOD generation.
  • this value indicates the method of generating LODN from LOD0 (that is, in the case of octree, proceeding from the root node to the leaf node).
  • this value indicates a method of generating LOD0 from the LODN (ie, proceeding from a leaf node to a root node in the case of octree).
  • the integer value indicating this direction can be modified according to embodiments.
  • Sampling selection type (sampling_select_type): This indicates the point selection method when selecting one point from points belonging to a node (including merged nodes). For example, if this value is 1, the even number of LODs indicates the method of selecting the first node and the odd number of LODs indicates the method of selecting the last node. If this value is 2, it indicates a point selection method close to the center position of the octree parent node area. If this value is 3, it indicates an intermediate index point selection method. An integer value representing this type can be modified according to embodiments.
  • Sampling first node flag (sampling_first_node_flag): This indicates a method of selecting whether to select the first node or the last node in the starting LOD.
  • FIG. 34 illustrates a sequence parameter set included in a bitstream according to embodiments as shown in FIG. 22.
  • the metadata, parameters, or signaling information of FIG. 34 are the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the reception device 10004, the point cloud video decoder 10006, and the encoding 20001 of FIG.
  • decoding 20003 the encoding process of Fig. 4, the decoding process of Fig. 11, the transmission device of Fig. 12, the receiving unit of Fig. 13, the XR device 1430 of Fig. 14, the encoder of Fig. 20, the decoder of Fig. 21, and the like, It can be created, transmitted, and received.
  • Information related to the configuration of an attribute point for the spatial scalability function may be signaled in addition to the attribute parameter set.
  • TPS Tile Parameter Set
  • FIG. 35 shows a sequence parameter set included in a bitstream according to embodiments as shown in FIG. 22.
  • the metadata, parameters, or signaling information of FIG. 35 are the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the reception device 10004, the point cloud video decoder 10006, and the encoding 20001 of FIG.
  • decoding 20003 the encoding process of Fig. 4, the decoding process of Fig. 11, the transmission device of Fig. 12, the receiving unit of Fig. 13, the XR device 1430 of Fig. 14, the encoder of Fig. 20, the decoder of Fig. 21, and the like, It can be created, transmitted, and received.
  • FIG. 36 illustrates an attribute slice header (ASH) according to embodiments.
  • FIG. 36 illustrates a sequence parameter set included in a bitstream according to embodiments as shown in FIG. 22.
  • the metadata, parameters, or signaling information of FIG. 36 are the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the receiving device 10004, the point cloud video decoder 10006, and the encoding 20001 of FIG.
  • decoding 20003 the encoding process of Fig. 4, the decoding process of Fig. 11, the transmission device of Fig. 12, the receiving unit of Fig. 13, the XR device 1430 of Fig. 14, the encoder of Fig. 20, the decoder of Fig. 21, and the like, It can be created, transmitted, and received.
  • Information related to the configuration of an attribute point for the spatial scalability function may be added to the attribute slice header and signaled.
  • FIG. 37 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 1000 of FIG. 1, the point cloud video encoder 10002, the encoding 10001 of FIG. 2, the encoder of FIG. 4, the encoder of FIG. 12, and the XR device 1430 of FIG. 14. ), partial encoding corresponding to partial decoding of Fig. 15, the encoding process of Figs. 16-19, the encoder of Fig. 20, the point cloud data bitstream process of Figs. 22 to 26, the encoding process of Figs. 27-30, and the encoder of Fig. 31 , May correspond to or be combined with operations such as the point cloud data bitstream process of FIGS. 33-36.
  • 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 operations of the transmitter 10003 of FIG. 1, the transmission 20002 of FIG. 2, and the transmission processing unit 12012 of FIG. 12.
  • 38 illustrates a method of receiving point cloud data according to embodiments.
  • a method for receiving point cloud data may include receiving a bitstream including point cloud data.
  • the reception operation according to the embodiments may correspond to or be combined with operations of the receiver 10007 of FIG. 1, the transmission 20002 of FIG. 2, the reception unit 13000 of FIG. 13, and the like.
  • 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 decoder of FIG. 10, the decoder of FIG. 11, the decoder of FIG. 13, and the XR device 1430 of FIG. 14. , Partial decoding of Fig. 15, the decoding process of Figs. 16-19, the decoder of Fig. 21, the point cloud data bitstream process of Figs. 22 to 26, the decoding process of Figs. 27-30, the decoder of Fig. 32, and Figs. 33-36.
  • Point cloud data may correspond to or be coupled to operations such as bitstream processes.
  • the PCC encoding method, PCC decoding method, and signaling method of the above-described embodiments may provide the following effects.
  • Spatial scalability is a function that can send and process point clouds of lower resolution so that when the point cloud data is dense, a smaller bandwidth such as a thumbnail should be used, or the amount of computation on the decoder side can be reduced.
  • the embodiments are octree based on points to provide a spatial scalability function in an 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
  • the proposed method of classifying points for each octree node through the Morton code can reduce the encoding/decoding execution time by reducing the amount of encoding/decoding calculations constituting the octree.
  • the distance weight based on the central position value of the parent node's bounding box applied for spatial scalability is considered, and a point close to the central position value is selected, or the distance weight error value is calculated by selecting the central index point.
  • embodiments provide a property compression method for providing a spatial scalability function of an encoder (encoder)/decoder (decoder) of Geometry-based Point Cloud Compression (G-PCC) for compressing 3D point cloud data. It can be done, and it can be provided by increasing the attribute compression efficiency.
  • G-PCC Geometry-based Point Cloud Compression
  • the PCC encoder and/or PCC decoder may provide a spatial scalability function by providing a method of restoring a point position of a geometry to a center position value of a node based on an octree and changing a point sampling method for each LOD.
  • A/B is interpreted as A and/or 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 recording medium readable by a computer 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 a person skilled in the art.
  • 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 according to the embodiments 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 to be executed by the processors.
  • the memory according to the embodiments may be used as a concept including not only volatile memory (eg, RAM, etc.) but also non-volatile memory, flash memory, PROM, and the like.
  • it may be implemented in the form of a carrier wave such as transmission through the Internet.
  • the recording medium readable by the processor may be distributed over a computer system connected through a network, so that code readable by the processor may be stored and executed in a distributed manner.
  • 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 is nothing more than 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 in whole or in part to an apparatus and system for transmitting and receiving point cloud data.
  • 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)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

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 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 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.
이러한 기술적 과제를 해결하기 위해서, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다.
또한, 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 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 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도15는 실시예들에 따른 공간 스케일러빌리티(spatial scalability)를 위한 지오메트리 데이터 및 어트리뷰트 데이터의 구조를 나타낸다.
도16은 실시예들에 따른 어트리뷰트 인코딩/디코딩 과정을 나타낸다.
도17은 실시예들에 따른 포인트 클라우드 데이터의 옥트리 구조를 나타낸다.
도18은 실시예들에 따른 몰톤 코드 기반의 노드에 속하는 포인트들을 분류하는 방안을 나타낸다.
도19는 실시예들에 따른 고립 노드 병합을 나타낸다.
도20은 실시예들에 따른 PCC 데이터 부호화기를 나타낸다.
도21은 실시예들에 따른 PCC 데이터 복호화기를 나타낸다.
도22는 실시예들에 따른 포인트 클라우드 데이터의 비트스트림 구조를 나타낸다.
도23은 실시예들에 따른 시퀀스 파라미터 세트(Sequence Parameter Set)를 나타낸다.
도24는 실시예들에 따른 어트리뷰트 파라미터 세트(Attribute Parameter Set)를 나타낸다.
도25는 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set)를 나타낸다.
도26은 실시예들에 따른 어트리뷰트 슬라이스 헤더(Attribute slice header)를 나타낸다.
도27은 실시예들에 따른 어트리뷰트 인코딩/디코딩을 나타낸다.
도28은 실시예들에 따른 바운딩 박스 및 노드를 나타낸다.
도29는 실시예들에 따른 각 노드 및 위치 간 매칭을 나타낸다.
도30은 실시예들에 따른 옥트리 구조 상 참조 노드 선택을 나타낸다.
도31은 실시예들에 따른 PCC 데이터 부호화기를 나타낸다.
도32는 실시예들에 따른 PCC 데이터 복호화기를 나타낸다.
도33은 실시예들에 따른 시퀀스 파라미터 세트(Sequence Parameter Set, SPS)를 나타낸다.
도34는 실시예들에 따른 어트리뷰트 파라미터 세트(Atribute Paremeter Set, APS)를 나타낸다.
도35는 실시예들에 따른 (Tile Parameter Set, TPS)를 나타낸다.
도36는 실시예들에 따른 어트리뷰트 슬라이스 헤더(Attribute Slice Header, ASH)을 나타낸다.
도37은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도38은 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.
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 (2d, 2d, 2d) 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 PCTKR2020010283-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
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
포인트 클라우드 비디오의 압축 효율을 증가시키기 위하여 실시예들에 따른 포인트 클라우드 인코더는 콘텍스트 어탭티브 아리스메틱 (context adaptive arithmetic) 코딩을 기반으로 엔트로피 코딩을 수행할 수 있다.
도 1 내지 도 6에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더 또는 아리스메틱 인코더(40004))는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더는 현재 노드의 오큐판시 코드와 이웃 노드들의 오큐판시를 기반으로 엔트로피 인코딩(인트라 인코딩)을 수행하거나, 이전 프레임의 오큐판시 코드를 기반으로 엔트로피 인코딩(인터 인코딩)을 수행할 수 있다. 실시예들에 따른 프레임은 동일한 시간에 생성된 포인트 클라우드 비디오의 집합을 의미한다. 실시예들에 따른 인트라 인코딩/인터 인코딩의 압축 효율은 참조하는 이웃 노드들의 개수에 따라 달라질 수 있다. 비트가 커지면 복잡해지지만 한쪽으로 치우치게 만들어서 압축 효율이 높아질 수 있다. 예를 들어 3-bit context를 가지면, 2의 3승인 = 8가지 방법으로 코딩 해야 한다. 나누어 코딩을 하는 부분은 구현의 복잡도에 영향을 준다. 따라서 압축의 효율과 복잡도의 적정 수준을 맞출 필요가 있다.
도7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더는 옥트리의 각 노드의 이웃 노드들의 오큐판시(occupancy)를 판단하고 이웃 노드 패턴(neighbor pattern) 값을 구한다. 이웃 노드 패턴은 해당 노드의 오큐판시 패턴을 추론하기 위해 사용된다. 도7의 왼쪽은 노드에 대응하는 큐브(가운데 위치한 큐브) 및 해당 큐브와 적어도 하나의 면을 공유하는 6개의 큐브들(이웃 노드들)을 나타낸다. 도면에 도시된 노드들은 같은 뎁스(깊이)의 노드들이다. 도면에 도시된 숫자는 6개의 노드들 각각과 연관된 가중치들(1, 2, 4, 8, 16, 32, 등)을 나타낸다. 각 가중치는 이웃 노드들의 위치에 따라 순차적으로 부여된다.
도 7의 오른쪽은 이웃 노드 패턴 값을 나타낸다. 이웃 노드 패턴 값은 오큐파이드 이웃 노드(포인트를 갖는 이웃 노드)의 가중치가 곱해진 값들의 합이다. 따라서 이웃 노드 패턴 값은 0에서 63까지의 값을 갖는다. 이웃 노드 패턴 값이 0 인 경우, 해당 노드의 이웃 노드 중 포인트를 갖는 노드(오큐파이드 노드)가 없음을 나타낸다. 이웃 노드 패턴 값이 63인 경우, 이웃 노드들이 전부 오큐파이드 노드들임을 나타낸다. 도면에 도시된 바와 같이 가중치1, 2, 4, 8가 부여된 이웃 노드들은 오큐파이드 노드들이므로, 이웃 노드 패턴 값은 1, 2, 4, 8을 더한 값인 15이다. 포인트 클라우드 인코더는 이웃 노드 패턴 값에 따라 코딩을 수행할 수 있다(예를 들어 이웃 노드 패턴 값이 63인 경우, 64가지의 코딩을 수행). 실시예들에 따라 포인트 클라우드 인코더는 이웃 노드 패턴 값을 변경 (예를 들면 64를 10 또는 6으로 변경하는 테이블을 기반으로) 하여 코딩의 복잡도를 줄일 수 있다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 7에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(40009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 8에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더, 또는 LOD 생성부(40009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 9의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 9의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 9의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 9에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 4에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.
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 PCTKR2020010283-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 PCTKR2020010283-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(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)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 공간 스케일러빌리티(spatial scalability)를 위한 지오메트리 데이터 및 어트리뷰트 데이터의 구조를 나타낸다.
도15의 G-PCC 디코더(15000) 및/또는 G-PCC 디코더(15010)는 도1의 수신 장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20003), 도10-11의 디코더, 도13의 디코더, 도14의 XR디바이스(1430)에 대응할 수 있다. 도15의 G-PCC 디코더(15000) 및/또는 G-PCC 디코더(15010)는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(10001), 도4의 인코더, 도12의 인코더, 도14의 XR디바이스(1430)의 송신 측 동작의 역과정을 수행할 수 있다.
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.
실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)의 공간 확장성(Spatial scalability)를 지원하기 위한 속성 압축 방안에 관한 것이다.
실시예들은 G-PCC의 속성 부호화/복호화 과정에 공간 확장성 (spatial scalability) 기능을 제공하기 위해 옥트리 기반으로 LOD별 포인트 샘플링 방식을 변경하는 방안을 제안한다.
구체적으로, 1) 몰톤 코드를 활용한 옥트리 노드별 포인트 분류하는 방법, 2) 고립된(isolated) 포인트에 대한 처리 방법, 3) 노드별 포인트 샘플링 방식 , 4) 위 3가지 방법을 지원하기 위한 시그널링 방안을 제안한다.
포인트 클라우드 데이터가 밀도가 높을 때(dense), 썸네일과 같이 더 작은 대역폭(bandwidth) 사용해야하거나 디코더쪽 계산량을 낮출 수 있도록 더 낮은 해상도의 포인트 클라우드를 보내고 처리할 수 있는 기능이 필요할 수 있다. 이러한 기능을 공간 확장성(spatial scalability)라고 한다.
지오메트리 인코딩/디코딩은 옥트리의 깊이 레벨을 조절하여 선택된 깊이 레벨까지만 점유비트(occupancy bits)를 인코딩하거나 디코딩하는 과정을 통해 공간 스케일버빌리티(spatial scalability) 기능을 제공할 수 있다.
실시예들에 따른 속성(어트리뷰트) 인코딩/디코딩은 공간 스케일러빌리티(spatial scalability) 기능 제공을 위해 옥트리 구조에 기반한 실시예들에 따른 동작을 수행할 수 있다. 실시예들에 따른 옥트리의 선택된 깊이 레벨부터 LOD를 생성하는 방식과 이웃노드를 계산하는 방식, 가중치를 계산하는 방식 등 속성 인코딩/디코딩시 공간 확장성(spatial scalability)을 제공하기 위해 필요할 수 있다.
실시예들에 따른 속성 인코딩/디코딩은 공간 확장성(spatial scalability) 기능을 제공하기 위해 포인트들을 옥트리 기반으로 LOD별로 포인트를 샘플링 하는 방식을 변경하여, 각 LOD별로 가장 적합한 포인트들을 노드들로 구성될 수 있다. 이로 인하여, 속성 압축 효율을 높일 수 있는 효과가 있다.
실시예들은 G-PCC의 속성 부호화/복호화 과정에 공간 확장성(spatial scalability) 기능을 제공하기 위해 옥트리 기반으로 LOD별 포인트 샘플링 방식을 변경하는 방안을 제안한다.
실시예들에 따른 LOD샘플링 기반 방법은 포인트들을 몰톤(morton) 코드로 정렬하고, 실시예들에 따라 선택된 포인트를 이웃 집합의 후보가 될 수 있는 하위 LOD로 분류하는 방법을 의미할 수 있다. 실시예들에 따른 LOD샘플링 기반 방법은 LOD생성의 복잡도를 낮추면서 이웃 포인트 집합 생성의 정확도를 증가시키고, 압축 효율을 증가시키는 효과가 있다.
도15와 같이, PCC데이터(또는 포인트 클라우드 데이터)는 지오메트리 비트스트림 및 어트리뷰트 비트스트림으로 구성될 수 있다. 포인트 클라우드 데이터는 실시예들에 따른 포인트 클라우드 데이터 송신 장치 또는 포인트 클라우드 데이터 인코더에 의해 인코딩되고 전송될 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 장치 또는 포인트 클라우드 데이터 디코더가 포인트 클라우드 데이터를 디코딩할 수 있다.
이때, 지오메트리 데이터(또는 지오메트리 비트스트림) 및/또는 어트리뷰트 데이터(또는 어트리뷰트 비트스트림)은 LOD(Level of Detail) 순서대로 옥트리 구조의 지오메트리 비트스트림 및/도는 리프팅 코딩 기반의 어트리뷰트 비트스트림을 부분적으로 포인트 클라우드 데이터 수신 장치가 디코딩할 수 있다.
G-PCC 디코더(15000) 및/또는 G-PCC 디코더(15010)는 실시예들에 따른 포인트 클라우드 데이터 수신 장치의 디코더를 나타낸다. 구체적으로, G-PCC 디코더(15000) 및/또는 G-PCC 디코더(15010)는 PCC디코더의 지오메트리 디코더 및/또는 어트리뷰트 디코더 를 나타낸다.
G-PCC 디코더(15000)는 수신한 비트스트림 내 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림 전체를 디코딩하지 않고, 부분적(partial)으로 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 디코딩하여 로우 레졸루션(low resolution) 포인트 클라우드 데이터를 사용자게에 제공할 수 있다.
G-PCC 디코더(15010)는 수신한 비트스트림 내 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림 전체를 디코딩하여 사용자에게 제공할 수 있다.
또한, G-PCC 디코더(15000) 및 G-PCC 디코더(15010)에 대응하는 송신 측의 PCC 인코더는 전체 포인트 클라우드 데이터를 인코딩하여 전송할 수 있고, 부분 포인트 클라우드 데이터를 인코딩하여 전송할 수 있다.
도16은 실시예들에 따른 어트리뷰트 인코딩/디코딩 과정을 나타낸다.
도16은 실시예들에 따른 인코딩 및/또는 디코딩에 적용될 수 있다. 예를 들어, 도 15의 디코더(15000, 15010) 및/또는 그에 대응하는 인코더(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(10001), 도4의 인코더, 도12의 인코더, 도14의 XR디바이스(1430)) 등에 의해 수행될 수 있다.
한편, 본 문서의 실시예들 간 변경 및 결합이 가능하다. 또한, 본 문서에서 사용되는 용어는 해당 분야에서 널리 사용되는 범위 내에서, 용어의 의도된 의미에 근거하여 이해될 수 있다.
실시예들에 따른 어트리뷰트 인코더/디코더는 속성(어트리뷰트) 인코딩/디코딩 시 스파셜 스케일러빌리티(spatial scalability) 기능 제공을 위해 지오메트리 인코딩/디코딩에서와 같이 옥트리 구조를 적용할 수 있다. 실시예들은 옥트리의 선택된 깊이 레벨부터 노드에 속하는 포인트를 분류하는 방법과 LOD별 포인트를 샘플링 하는 방식을 포함한다.
포인트를 분류하는 방법과 LOD별 포인트 샘플링 방법은 PCC 복호화기/부호화기의 PCC 속성 부호화/복호화에서 수행되며, 속성 부호화/복호화 과정에서 예측 변환 기법 또는 리프팅 변환 기법을 사용할 경우 적용될 수 있다.
S16000 포인트 클라우드 데이터를 몰톤 순서에 기반하여 정렬하는 단계
포인트 클라우드의 포인트들을 x, y, z 위치 값을 기반으로 몰톤 코드로 변경하고, 변경된 몰톤 코드 값을 기반으로 포인트들을 정렬할 수 있다.
S16010 어트리뷰트 데이터의 부분 인코딩/디코딩 영역을 설정하는 단계
속성 인코딩/디코딩 시 지오메트리 인코딩/디코딩과 마찬가지로 옥트리의 깊이 레벨을 설정하여 설정된 옥트리 깊이 레벨부터 속성 인코딩(디코딩)할 포인트들을 구성하고 인코딩/디코딩할 수 있다(도17 참조).
S16020 몰톤 코드를 사용하여 옥트리 노드에 속하는 포인트를 분류 하는 단계
실시예들에 따른 몰톤 코드로 정렬된 포인트들에서 옥트리 노드별 포인트 분류 방법은 다음 수도 코드(수식)을 사용할 수 있다.
노드 사이즈(nodeSizeLog2): 옥트리 깊이 레벨을 나타낸다(도17의 17000).
포인트PX의 몰톤코드(PX_mortoncode): 노드PX의 몰톤 코드를 나타낸다.
몰톤 코드의 범위(end_range_mc): 노드의 몰톤 코드 범위를 나타낸다.
포인트들의 맥시멈 개수(maxNumOfPoints): 특정 옥트리 깊이 레벨의 포인트들의 맥시멈 개수를 나타낸다. 해당 노드가 이상적으로 가질 수 있는 포인트들의 최대 개수이다.
Int maxNumOfPoints = pow(8, nodeSizeLog2 + 1);
For (int I = 1; I < indexCount; ++i) {
if(Pi_mortoncode < end_range_mc) {
…
} else {
end_range_mc = Pi_mortoncode +
(maxNumOfPoints -(Pi_mortoncode % maxNumOfPoints));
}
}
위 신택스에 따르면, 옥트리 구조 상의 하나의 노드 내 같은 몰톤 코드 값을 가지는 범위(end_range_mc)를 알 수 있고, 이를 통해 노드를 선택해서 상위 노드로 올릴 수 있다.
위 신택스와 동일한 의미를 표현 방식만 달리하여 다음과 같이 나타낼 수 있다.
리프팅 방식이 사용된 경우 다음과 같은 노드 선택 방식이 사용될 수 있다.
lifting_scalability_enabled_flag(리프팅 방식이 사용된 경우) is equal to 1, the following is applied;
endIndex = 0
assignedPointCount = 0
for (lod = minGeomNodeSizeLog2; unprocessedPointCount > 0; lod++) {
startIndex = assignedPointCount
nonAssignedPointCount = 0
samplingFromLastFlag = lod & 1
for (i = 0; i < unprocessedPointCount; i++) {
currVoxelIndex = McodeUnsorted[unprocessedPointIndexes[i]] >> (3×(lod+1))
if (samplingFromLastFlag == 0){
if (i == 0)
nonAssignedPointIndexes[nonAssignedPointCount++] = unprocessedPointIndexes[i]
else {
prevVoxelIndex = McodeUnsorted[unprocessedPointIndexes[i-1]] >> (3×(lod+1))
if (currVoxelIndex > prevVoxelIndex)
nonAssignedPointIndexes[nonAssignedPointCount++] = unprocessedPointIndexes[i]
else
assignedPointIndexes[assignedPointCount++] = unprocessedPointIndexes[i]
}
} else {
if (i == (unprocessedPointCount - 1))
nonAssignedPointIndexes[nonAssignedPointCount++] = unprocessedPointIndexes[i]
else {
nextVoxelIndex = McodeUnsorted[unprocessedPointIndexes[i+1]] >> (3×(lod+1))
if (currVoxelIndex < nextVoxelIndex)
nonAssignedPointIndexes[nonAssignedPointCount++] = unprocessedPointIndexes[i]
else
assignedPointIndexes[assignedPointCount++] = unprocessedPointIndexes[i]
}
}
}
endIndex = assignedPointCount
if (startIndex != endIndex) {
numOfPointInSkipped = PointNumInSlice - PointCount
if ((endIndex - startIndex) > (startIndex + numOfPointInSkipped)){
for ( (loop = 0; loop < lod - minGeomNodeSizeLog2; loop++ )){
computeNearestNeighbours(
PointCount - unprocessedPointCountPerLevelOfDetail[loop],
PointCount - unprocessedPointCountPerLevelOfDetail[loop+1],
loop + minGeomNodeSizeLog2, assignedPointIndexes,
McodeUnsorted, nonAssignedPointCount,
nonAssignedPointIndexes ))
}
}
}
computeNearestNeighbours(
startIndex, endIndex,
lod , assignedPointIndexes,
McodeUnsorted, nonAssignedPointCount,
nonAssignedPointIndexes)
unprocessedPointCountPerLevelOfDetail[lod+1] = nonAssignedPointCount
unprocessedPointCount = nonAssignedPointCount
unprocessedPointIndexes = nonAssignedPointIndexes
}
구체적으로, nextVoxelIndex = McodeUnsorted[unprocessedPointIndexes[i+1]] >> (3×(lod+1))와 같이, 다음 복셀 인덱스를 설정 시, 몰콘 코드를 shifting하여 몰톤 코드 값이 동일 범위 내에 있는지를 판단할 수 있다.
실시예들에 따른 인코더는 포인트의 몰톤 코드로부터 end_range_mc를 구하고, 다음 포인트들의 몰톤 코드 값이 end_range_mc범위 내에 있다면, 같은 노드에 속하는 포인트들이고, 범위를 벗어나는 큰 값을 가지고 있으면 새로운 노드로 변경된 상태로 해당 포인트의 몰톤 코드를 기준으로 end_range_mc를 구해서 이후 포인트들에 적용할 수 있다. 이와 같은 방법으로 몰톤 코드로 정렬된 포인트들에서 옥트리 노드에 속하는 포인트들을 분류할 수 있다(도18 참조).
S16030 고립 노드를 병합하는 단계
노드에 속한 포인트의 개수가 특정 값(threshold) 값보다 작을 경우, 노드들을 병합할 수 있다.(도18 참조).
예를 들어, 노드의 최소 포인트 수를 a라 하고 최소 포인트 수 보다 작을 경우 노드를 다음 노드와 병합할 수 있다 또한, a값은 시그널링될 수있다. 최대 병합 범위는 r번이라 하고 다음노드 r개와 최대 병합이 가능하며, r값은 시그널링 될 수 있다. 최소 포인트 수 보다 작아서 다음 노드와 병합하고, 병합한 개수가 또 다시 최소 포인트 수보다 작으면 그 다음 노드와 병합이 가능할 수 있다. 이러한 반복은 r번 가능할 수 있다.
S16040 옥트리 노드의 LOD 구성하는 단계
실시예들에 따라서 루트 노드(root node)에서 리프 노드(leaf node)로 LOD 구성을 진행 할 수 있고, 리프 노드에서 루트 노드로 LOD 구성을 진행할 수 있다.
예를 들어, 루트에서 리프로 LOD 구성하는 경우, 루트 노드에서 리프 노드로 LOD 구성을 진행할 수 있다. 일관성을 유지할 수 있다. 리프에서 루트로 LOD 구성하는 경우, 리프 노드에서 루트 노드로 LOD 구성을 진행할 수 있다.
S16050 옥트리 노드의 LOD 샘플링하는 단계
노드에 속한 포인트들로부터(실시예들에 따라 병합된 노드 포함) 포인트를 선택하여 샘플링을 수행 할 수 있다. 어떤 포인트를 선택하느냐에 따라서 속성 압축에 영향을 줄 수 있다. 가장 좋은 참조 포인트를 선택하여 참조할 수 있는 영역(retained list) 으로 분류하고, 참조 영역으로 부터 이웃 노드 집합을 구성하기때문에 결론적으로 압축 효율에 영향을 줄 수 있다.
실시예들에 따른 LOD구성부(20120)는 다음과 같이, 3가지 샘플링 방식을 사용할 수 있다.
<N번째 포인트 선택>
노드에 속한 포인트들로부터(병합된 노드 포함) 하나의 포인트를 선택할 때 N번째 포인트를 선택 할 수 있다. 부호기에서 압축 시 N은 사용자로부터 입력 받을 수도 있고, RDO 방식으로 가장 좋은 값을 찾을 수도 있다.
N값은 복호기(수신 장치)에 파라미터(메타데이터, 또는 시그널링 데이터)로 전송될 수 있다. 지정한 N값이 없을 경우, 0번째 값, 즉 첫번째 값을 선택할 수 있다.
몇 번째 포인트를 선택하느냐에 따라 압축 효율이 달라질 수 있다.
<옥트리 부모 노드 영역의 중앙 위치에 가까운 포인트 선택>
노드에 속한 포인트들로부터(병합된 노드 포함) 하나의 포인트를 선택할 때 부모 노드의 바운딩 박스(bounding-box)의 중앙 위치에 가장 가까운 포인트를 선택할 수 있다. 선택된 포인트가 부모 노드의 중앙 위치에 가까울 수록 이웃 포인트 선택과 이웃 포인트 가중치 계산에 있어서 에러를 낮출 수 있는 효과가 있다.
이웃 포인트 선택시 포인트와 포인트 사이의 거리 계산을 하게 되고 거리가 가까운 포인트를 이웃 포인트로 선택하게 될 수 있다. 공간적 스케일러빌리티(spatial scalability) 또는 공간 확장성 기능 제공을 위해 포인트의 위치 값을 포인트가 속하는 노드의 (LOD의 레벨에 따라 해당되는 노드가 달라질 수 있다) 중앙 위치 값으로 대체할 수 있다. 또한, 이 상태에서 거리를 계산하도록 구성할 수 있다. 따라서 포인트 Pi의 이웃 포인트들을 찾기 위해서 Pi의 위치 값은 LODl에 따라 부모 노드의 중앙 위치로 변경되고, 이웃 포인트 후보 리스트(retained list), R에 있는 포인트 Ri의 위치 또한 LODl에 따라 위치가 변경된 상태에서 거리를 계산할 수 있다. 이는 같은 깊이 레벨에 있는 노드들 간의 중앙 위치들간의 거리 계산이 될 수 있고 이를 통해 이웃 노드를 이웃 포인트로 설정할 수 있다. 이렇게 계산된 거리는 1/거리=Pi 의 이웃 포인트의 가중치가 될 수 있다. 부모 노드의 중앙 위치로 변경하여 거리를 계산하기때문에 에러를 가지고 있다. 노드의 깊이 레벨이 낮을수록, 즉 노드의 바운딩 박스가 클 수록, 이러한 에러값은 더 커질 수 있다.
이러한 에러 값을 줄이기 위해 실시예들에 따른 송수신 방법 장치는 인코딩 또는 디코딩 시 참조 포인트 선택 시 부모 노드 영역의 중앙 위치에 가까운 포인트를 선택할 수 있다. 참조 포인트의 위치값이 맞추어 에러값을 낮추고, 에러값을 낮추어 압축 효율에 좋은 영향을 줄 수 있다.
<중간 인덱스 포인트 선택>
노드에 속한 포인트들로부터(병합된 노드 포함) 하나의 포인트를 선택할 때 포인트들의 중간 인덱스에 있는 포인트를 선택할 수 있다. 중간 인덱스의 노드가 부모 노드의 바운딩 박스(bounding-box)의 중앙 위치에 가까울 수 있는 확률이 높고(모든 경우가 그런 것은 아님) 중간 인덱스를 통한 포인트 선택에 추가적인 계산이 많지 않기때문에 적은 계산으로 중앙 위치에 가까운 포인트를 찾을 확률이 높을 수 있다.
도17은 실시예들에 따른 포인트 클라우드 데이터의 옥트리 구조를 나타낸다.
도17은 도16의 S16010 동작을 설명한다.
실시예들에 따른 포인트 클라우드 송수신 장치 또는 인코더/디코더가 어트리뷰트를 인코딩 또는 디코딩하는 경우, 도17과 같이, 옥트리 구조를 적용할 수 있다. 옥트리 구조는 상위 노드(부모 노드)에서 하위 노드(자식 노드) 순서로 루트 노드에서 리프 노드로 해석되고, 각 노드는 왼쪽에서 오른쪽 순서로 몰톤 순서(Morton code)대로 정렬될 수 있다. 또한, LOD는 리프 노드에서 루트 노드 순서로 구성(생성)될 수 있다.
예를 들어, 시작 뎁스(17000)와 같이, 옥트리 깊이 레벨을 설정하고, 설정된 옥트리 깊이 레벨(17000)로부터 도15와 같이, G-PCC디코더(15000)가 포인트 클라우드 데이터를 디코딩할 수 있다.
부모 노드는 그 부모 노드의 자식 노드로 8개 또는 8개 이하의 노드를 가질 수 있다. 자식 노드에서 특정 노드를 샘플링하여 부모 노드로 올리는 과정에서, 부모 노드에 속하는 몰톤 코드로 정렬된 포인트들(17040) 중 가장 앞에 있는 포인트(17050)를 참조 노드(reference node or retained node)로 선택할 수 있다(도17).
구체적으로, 스파셜 스케일러빌리티 지원을 위해서, 실시예들에 따른 송신 장치 또는 인코더는 전체 포인트들을 인코딩하여 전송하거나 특정 뎁스에 대한 포인트들을 인코딩하여 전송할 수 있다. 마찬가지로, 실시예들에 다른 수신 장치 또는 디코더는 전체 포인트들을 디코딩하거나 또는 특정 뎁스에 대한 포인트들을 디코딩할 수 있다.
도17과 같이, 수신된 포인트 클라우드 데이터의 포인트들을 나타내는 옥트리가 있는 경우, 시작 뎁스(17000)에 기반하여 spatil scalability 디코딩하는 과정을 설명한다.
옥트리의 레벨이 0(17010), 레벨1(17020), 레벨2(17030)인 경우, 시작 뎁스(17030)를 설정하고, 시작 뎁스(17030) 이하의 포인트들은 무시하고, 시작 뎁스(17030)부터 포인트들을 디코딩할 수 있다.
시작 뎁스(17030)의 포인트들부터 포인트를 분류하고, 병합하고, LOD를 구성하고, 포인트를 샘플링하여, 송신 장치가 어트리뷰트를 인코딩하거나 수신 장치가 어트리뷰트를 디코딩할 수 있다.
도18은 실시예들에 따른 몰톤 코드 기반의 노드에 속하는 포인트들을 분류하는 방안을 나타낸다.
도18은 도16의 S16020 동작을 나타낸다.
실시예들에 따른 인코더는 부모 노드(18000)에 속하는 자식 노드(18010)의 포인트들을 도16의 S16020동작에 기반하여 분류할 수 있다.
도17에서 어트리뷰트 인코딩/디코딩 영역을 시작 뎁스(17000)에 기반하여 설정한 이후, 시작 뎁스(17000) 또는 시작 뎁스 이후의 레벨 순서대로 레벨에 속하는 옥트리의 포인트들을 도18 및 도16의 S16020의 수식과 같이, 분류할 수 있다.
예를 들어, 도17에서 설정된 옥트리의 레벨(뎁스)의 포인트들이 P0, P1, P2 내지 P13 등이 있을 수 있다. 효율적인 인코딩/디코딩을 위해서 실시예들에 따른 방법/장치(인코더/디코더를 포함)는 포인트들을 도18과 같이 같은 범주에 속하는 그룹들로 분류할 수 있다.
도16의 수식인 'end_range_mc = Pi_mortoncode + (maxNumOfPoints -(Pi_mortoncode % maxNumOfPoints));'에 따라서, P0의 옥트리 레벨 값, 몰톤 코드 값(예를 들어, 1)을 사용하여 범위 값(end range mc)을 산출할 수 있다. 제1범위 값이 8인 경우, P0 내지 P5의 각 몰톤 코드 값(MC)은 8이하이므로, 같은 노드에 속하는 포인트들로 분류될 수 있다(18010).
P6의 옥트리 레벨 값, 몰톤 코드 값(예를 들어, 9) 및 도16의 수식을 사용하여 제2범위 값을 산출할 수 있다. 제2범위 값보다 작은 포인트가 P6하나인 경우, P6는 하나의 포인트로써 분류된다(18020).
P7의 옥트리 레벨 값, 몰톤 코드 값(예를 들어, 16) 및 도16의 수식을 사용하여 제3범위 값을 산출할 수 있다. 제3범위 값 내에 포함되는 몰톤 코드 값들을 가지는 P7 내지 P10이 같은 노드에 속하는 포인트들로 분류될 수 있다(18030).
P11의 옥트리 레벨 값, 몰톤 코드 값(예를 들어, 26) 및 도16의 수식을 이용하여 제4범위 값을 산출할 수 있다. 제4범위 값 내에 포함되는 몰톤 코드 값을 가지는 포인트들이 같은 노드에 속하는 포인트들로 분류될 수 있다(18040).
도19는 실시예들에 따른 고립 노드 병합을 나타낸다.
도19는 도16의 S16030의 예시를 나타낸다.
고립 노드란, 분류된 포인트들의 개수가 일정 개수 이하인 포인트(들)을 말한다.
도16의 S16030에서 설명한, 노드의 최소 포인트 개수인 a가 4인 경우를 예를 들어서 설명한다.
예를 들어, 몰톤 코드 순서대로 정렬된 포인트들(19000)이 있고, 정렬된 포인트들을 도16내지18에서 설명한 동작에 기반하여 분류한 결과, 19010과 같이 같은 노드에 속하는 포인트들의 개수가 4를 초과할 수 있고, 19020 및 19030과 같이 같은 노드에 속하는 포인트들의 개수가 4 이하인 포인트(들)이 발생할 수 있다.
실시예들에 따른 송수신 방법/장치는 일정 개수 이하의 포인트들을 개별적인 노드로 두지 않고, 서로 병합(merge)할 수 있다. 병합 과정은 실시예들에 따라 선택적일 수 있다.
고립 노드를 병합함으로써, 분류된 포인트들의 개수가 일정 개수 이상이 될 수 있다. 같은 노드에 속하는 분류된 포인트들은 하나의 샘플링 범위(one sampling range)를 가진다. 또한, 병합된 노드들의 경우, 병합된 샘플링 범위(merged sampling range)를 가진다.
도19는 포인트의 개수가 1인 노드와 포인트의 개수가 4인 노드가 병합되는 예시 및 포인트의 개수가 3인 노드 및 포인트의 개수가 2인 노드가 병합되는 예시를 나타낸다(19040).
도20은 실시예들에 따른 PCC 데이터 부호화기를 나타낸다.
도20은 도16의 동작을 수행하는 실시예들에 따른 인코더(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(10001), 도4의 인코더, 도12의 인코더, 도14의 XR디바이스(1430))의 구성도를 나타낸다.
실시예들에 따른 PCC 데이터 부호화기는 인코더(encoder), 실시예들에 따른 PCC 데이터 복호화기는 디코더(decoder) 등으로 지칭될 수 있다.
부호화기의 입력으로 PCC 데이터(포인트 클라우드 데이터)가 들어가고 부호화되어 기하정보 비트스트림과 속성정보 비트스트림(포인트 클라우트 데이터에 대한 비트스트림)이 출력될 수 있다.
도20의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다.
데이터 입력부(20000)는 지오메트리 데이터, 어트리뷰트 데이터 및/또는 이와 관련된 파리미터들을 수신할 수 있다.
좌표계 변환부(20010)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(20020)는 기하정보 변환 양자화기 등으로 지칭될 수 있다. 기하정보 변환 양자화 처리부(17020)는 도4의 양자화기(40001)에 대응될 수 있다. 기하정보 변환 양자화 처리부(20020)는 전체 스케일값(양자화값) 하나를 입력 받고, 콘텐츠의 분포에 따라서 각 축 별 스케일 조절할 수도 있다.
공간 분할부(20030)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(20030)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(20040)는 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩할 수 있다. 지오메트리 인코딩의 상세 과정은 다음과 같다.
복셀화 처리부(20050)는 지오메트리 데이터를 복셀화할 수 있다. 복셀화 처리부(15050)는 도4의 복셀화기(40001)에 대응될 수 있다.
옥트리 생성부(20060)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.
옥트리 생성부(20060)는 수신된 기하정보 비트스트림(지오메트리 데이터)로부터 옥트리를 구성한다. 옥트리 생성부(20060)는 spatial scalability 기능을 위해서 옥트리의 특정 레벨만으로 기하정보를 구성할 수 있고, 이 때 위치값을 바운딩 박스의 중앙 값으로 변경할 수 있다.
옥트리 생성부(20060)는 부분 지오메트리 디코딩을 위해 복원된 옥트리 깊이 레벨부터 속성 디코딩 할 포인트들을 구성하고 디코딩할 수 있다.
기하정보 예측부(20070)는 지오메트리 데이터에 대한 예측을 수행할 수 있다. 기하정보 예측부(20070)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. 기하정보 예측부(20070)는 어트리뷰트 코딩을 위해 지오메트리 옥트리로부터 지오메트리 데이터를 복원(재구성)할 수 있다. 재구성된 지오메트리 데이터에 기반하여 어트리뷰트 코딩이 수행되기 때문이다.
기하정보 엔트로피 부호화부(20080)는 지오메트리 데이터를 엔트로피 코딩하여, 지오메트리 비트스트림을 생성할 수 있다.
속성정보 부호화부(20090)는 어트리뷰트 데이터를 다음과 같이 인코딩할 수 있다.
색상 변환 처리부(20100)는 어트리뷰트 데이터의 색상을 데이터 특성에 맞게 변환할 수 있다.
색상 재조정부(20110)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(20110)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. 이웃 포인트 검색 과정에서 원본과 양자화된 값의 위치 차를 복원하기 위해 기하정보를 역양자화 할 수 있다. 색상 재조정부(20110)는 역양자화를 수행할 때 축 별 역양자화를 수행할 수 있다.
LOD구성부(20120)는 포인트 클라우드 데이터로부터 LOD를 구성할 수 있다. LOD구성부(20120)는 복원된 기하정보(지오메트리 데이터)에 기반하여 색상 재조정된 어트리뷰트 데이터로부터 LOD를 생성할 수 있다. 어트리뷰트 코딩 중 RAHT 가 아닌 예측(Prediction)/리프트 변환(Lift Transform)이 적용되는 경우 LOD를 생성할 수 있다. LOD구성부(20120)는 몰톤 코드를 사용하여 노드에 속하는 포인트를 분류할 수 있고, 고립 노드를 병합할 수 있고, 옥트리 노드에서 실시예들에 따른 LOD샘플링을 하고, 관련 정보를 시그널링 정보로 생성하여 전달할 수 있다.
LOD구성부(20120)는 속성 인코딩/디코딩의 spatial scalability 지원을 위해 옥트리의 깊이 레벨을 설정하여 설정된 옥트리 깊이 레벨부터 속성 인코딩할 포인트들을 구성하고 인코딩/디코딩할 수 있다(도17 참조). LOD구성부(20120)는 LOD제너레이터, LOD구성기 등으로 지칭될 수 있다.
옥트리 깊이 레벨은 실시예들에 따른 부호화기(인코더)가 시그널링 정보로써 복호화기(디코더)에 전달할 수 있고, 사용 용도 또는 디코더의 컴퓨팅 성능에 따라 변경될 수 있다.
LOD구성부(20120)는 몰톤 코드로 정렬된 포인트들에서 옥트리 노드별 몰톤 코드 범위를 계산하여 옥트리 노드별 포인트 분류를 수행할 수 있다(도18 참조).
LOD구성부(20120)는 노드의 포인트들의 수가 최소 노드 포인트 수보다 적을 경우를 분류하기 위해 최소 노드 포인트 수 (a값)를 설정할 수 있고, 이 값은 시그널링 정보로써 복호화기에 시그널링 될 수 있다.
최소 노드 포인트 수 보다 적을 경우, 다음 연속된 노드와 병합하는 과정을 고립 노드 병합 처리라고 할 수 있으며(도19 참조), 고립 노드 병합 처리 여부는 시그널링 정보로써 복호화기에 시그널링 할 수 있다.
노드 포인트 수가 최소 노드 포인트 수보다 적을 경우 다음 연속된 노드와 병합할 수 있으며 병합은 최대 r번 수행 가능할 수 있다(도19참조). 최대 병합 횟수 r값은 시그널링 정보로써 복호화기에 시그널링 될 수 있다.
노드에 속한 포인트들로부터(병합된 노드 포함) 하나의 포인트를 선택(sampling)할 때 선택할 수 있는 방식이 있으며(도16참조), 해당 방식은 시그널링 정보로써 복호화기에 시그널링 될 수 있다. N번째 포인트 선택 방식, 옥트리 부모 노드 영역의 중앙 위치에 가까운 포인트 선택 방식, 중간 인덱스 포인트 선택 방식이 있을 수 있다.
이웃 포인트 집합 구성부(20130)는 LOD에 기반하여 LOD에 속한 포인트의 이웃 포인트 집합을 해당 LOD 및 상위 LOD들 내에서 구성한다.
LODl 집합을 생성한 후, LODl 집합을 기반으로 LOD가 같거나 작은 (노드간의 거리가 큰) 그룹에서 X(>0)개의 가장 가까운 이웃 포인트(nearest neighbor)들을 찾아 예측기(predictor)에 이웃 포인트 집합으로 등록할 수 있다.
모든 포인트는 하나의 예측기(predictor)를 가질 수 있다. 예측기에 등록된 이웃 포인트들로부터 속성을 예측한다.
예측기를 통해 속성을 예측할 수 있다. 등록된 이웃 포인트들의 속성에 가중치를 곱한 값의 평균을 예측된 결과로 사용할 수도 있고, 특정 포인트를 예측된 결과로 사용할 수 있다. 어떤 방법을 사용할지는 압축된 결과 값을 미리 계산한 후, 가장 작은 스트림을 생성할 수 있는 방법을 선택할 수 있다.
포인트의 속성값과 포인트의 예측기가 예측한 속성값의 잔차는 예측기에서 선택한 방법과 함께 부호화하여 수신기로 시그널 될 수 있다.
복호기에서는 단계 송신된 예측 방법을 복호화하여 그 방법에 따라 속성값을 예측할 수 있다. 송신된 잔차값을 복호화하여 예측된 값을 더해주어 속성값을 복원할 수 있다.
속성 정보 예측부(20140)는 이웃 포인트 집합으로부터 포인트의 속성값을 예측한다.
잔차 속성정보 양자화 처리부(20150)는 어트리뷰트 데이터에 대한 예측값을 생성하고, 예측값 및 속성값 간의 잔차값을 생성하고, 잔차값을 양자화할 수 있다.
예를 들어, Px를 부호화할때, Px의 이웃 포인트 집합이 구성되면, 집합 내의 이웃 포인트들의 속성값을 기반으로 Px의 속성값을 예측하고, 예측된 속성값과 Px 속성값의 잔차를 구하고, 잔차 값을 부호화해서 복호화기에 전송할 수 있다. 한편, 복호화기에서는 LOD 생성과 전송 받은 추가 정보를 통해 Px의 이웃 포인트 집합을 구성하고, 이웃 집합 내의 이웃 포인트들의 속성값을 기반으로 Px의 속성값을 예측하고, 전송받은 잔차값을 더해 Px의 속성값을 복원한다.
예측 모드와 잔차 정보 분리 여부 플래그가 참(true)인 경우, 잔차 속성정보 양자화 처리부(20150)는 예측 모드에 맞는 예측 값과 포인트 값의 잔차를 계산하고 양자화한 값을 예측 모드와 함께 부호화 할 수 있다.
예측 모드와 잔차 정보 분리 여부 플래그가 거짓(false)인 경우, 예측 모드에 맞는 예측 값과 포인트 값의 잔차를 계산하고 양자화한 값만을 부호화 할 수 있다.
속성정보 엔트로피 부호화부(20160)는 어트리뷰트 데이터를 엔트로피 코딩하여 어트리뷰트 비트스트림을 생성할 수 있다. 예를 들어, 잔차값이 코딩되어 어트리뷰트 비트스트림이 생성될 수 있다.
도21은 실시예들에 따른 PCC 데이터 복호화기를 나타낸다.
도21은 도15의 G-PCC 디코더(15000), G-PCC 디코더(15010), 도1의 수신 장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20003), 도10-11의 디코더, 도13의 디코더, 도14의 XR디바이스(1430) 등에 대응할 수 있다.
복호화기의 입력으로 부호화된 기하정보 비트스트림과 속성정보 비트스트림이 들어가고 복호화 되어 복원된 PCC된 데이터가 출력될 수 있다.
도21의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다.
기하정보 복호화부(210000)는 기하정보 비트스트림을 수신하여 기하정보를 디코딩할 수 있다. 기하정보 복호화부(210000)는 송신 측의 기하정보 부호화부(20040)에 대응하는 수신 측의 디코더에 해당하고, 기하정보 복호화부(210000)는 기하정보 부호화부(20040)의 동작의 역과정을 수행할 수 있다.
기하정보 엔트포리 복호화부(210010)는 기하정보 비트스트림을 수신하여 기하정보를 엔트로피 방식에 기반하여 디코딩할 수 있다. 기하정보 엔트로피 복호화부(210010)는 기하정보 엔트로피 부호화부(20080)의 동작의 역과정을 수행할 수 있다.
옥트리 재구성부(210020)는 기하정보로부터 옥트리를 재구성할 수 있다. 옥트리 재구성부(18020)는 옥트리 생성부(20060)의 동작의 역과정을 수행할 수 있다.
기하정보 예측부(210030)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(20070)의 동작의 역과정을 수행할 수 있다.
기하정보 변환 역양자화 처리부(210040)는 지오메트리 데이터를 역으로 양자화할 수 있다. 예를 들어, 기하정보 변환 역양자화 처리부(210040)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(210050)는 기하정보의 좌표계 정보를 역으로 변환할 수 있다. 좌표계 역변환부(210050)는 좌표계 변환부(20010)의 동작의 역과정을 수행할 수 있다.
속성정보 복호화부(210060)는 속성정보 비트스트림을 수신하여 속성정보를 디코딩할 수 있다. 속성정보 복호화부(210060)는 속성정보 부호화부(20090)의 동작의 역과정을 수행할 수 있다.
속성 잔차 정보 엔트로피 복호화부(210070)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(210070)는 속성정보 엔트로피 부호화부(20160)의 동작의 역과정을 수행할 수 있다.
LOD구성부(210080)는 포인트 클라우드 데이터로부터 LOD를 구성할 수 있다. LOD구성부(210080)는 복원된 기하정보(지오메트리 데이터)에 기반하여 색상 재조정된 어트리뷰트 데이터로부터 LOD를 생성할 수 있다. 어트리뷰트 코딩 중 RAHT 가 아닌 예측(Prediction)/리프트 변환(Lift Transform)이 적용되는 경우 LOD를 생성할 수 있다. LOD구성부(210080)는 도20의 LOD구성부(20120)에 대응될 수 있다.
LOD구성부(210080)는 몰톤 코드를 사용하여 노드에 속한 포인트를 분류할 수 있고, 고립 노드를 병합할 수 있고, 옥트리 노드에서 실시예들에 따른 LOD샘플링을 수행할 수 있다.
LOD구성부(210080)는 부분 속성 디코딩을 위해 복원된 옥트리 깊이 레벨부터 속성 인코딩할 포인트들을 구성하고 디코딩할 수 있다(도17참조).
LOD구성부(210080)는 몰톤 코드로 정렬된 포인트들에서 옥트리 노드별 몰톤 코드 범위를 계산하여 옥트리 노드별 포인트 분류를 수행할 수 있다(도18참조).
LOD구성부(210080)는 복원된 최소 노드 포인트 수, 즉, a를 기준으로 노드의 포인트 수가 최소 노드 포인트 수보다 적을 경우를 연속된 노드와 병합할 수 있다(도19참조).
최소 노드 포인트 수 보다 적을 경우, 다음 연속된 노드와 병합하는 과정을 고립 노드 병합 처리라고 할 수 있으며, 복호화된 고립 노드 병합 처리 여부를 통해 병합을 수행할 수 있다.
노드 포인트 수가 복원된 최소 노드 포인트 수보다 적을 경우 다음 연속된 노드와 병합할 수 있으며 병합은 복원된 최대 병합 횟수, 즉 r번 수행 가능할 수 있다.
복원된 포인트 선택 방식에 기반하여 노드에 속한 포인트들로부터(병합된 노드 포함) 하나의 포인트를 선택할 수 있다. 방식에는 N번째 포인트 선택 방식, 옥트리 부모 노드 영역의 중앙 위치에 가까운 포인트 선택 방식, 중간 인덱스 포인트 선택 방식이 있을 수 있다(도16참조).
이웃 포인트 집합 구성부(210090)는 속성정보 비트스트림으로부터 생성된 LOD에 기반하여 LOD들 내에 포함된 포인트의 이웃 포인트들 검색하고 이웃 포인트 집합으로 등록할 수 있다. 이웃 포인트 집합 구성부(210090)는 도20의 이웃 포인트 집합 구성부(20130)에 대응될 수 있다.
속성 정보 예측부(210100)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(210100)는 속성 정보 예측부(20140)의 동작의 역과정을 수행할 수 있다.
잔차 속성정보 역양자화 처리부(210110)는 잔차 속성정보, 예를 들어, 속성정보에 대한 잔차값을 역으로 양자화할 수 있다. 잔차 속성정보 역양자화 처리부(210110)는 잔차 속성정보 양자화 처리부(20150)의 동작의 역과정을 수행할 수 있다.
색상 역변환 처리부(210120)는 속성정보인 색상 정보를 역으로 변환할 수 있다. 색상 역변환 처리부(210120)는 색상 변환 처리부(20100)의 동작의 역과정을 수행할 수 있다.
도22는 실시예들에 따른 포인트 클라우드 데이터의 비트스트림 구조를 나타낸다.
실시예들에 따른 방법/장치는 도22와 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), 도20의 인코더, 도21의 디코더 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 22의 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.
실시예들을 수행하기 위해서 관련 정보를 시그널링할 수 있다. 실시예들에 따른 시그널링 정보는 송신단 또는 수신단 등에서 사용될 수 있다.
지오메트리 데이터(Geom): 지오메트리 비트스트림(Geometry bitstream) = 지오메트리 슬라이스 헤더(geometry slice header)+ 지오메트리 슬라이스 데이터(geometry slice data)
어트리뷰트 데이터(Attr): 어트리뷰트 비트스트림(Attribute bitstream) = 어트리뷰트 브릭 헤더(attribute blick header) + 어트리뷰트 브릭 데이터(attribute brick data).
실시예들에 따른 송신 방법/장치는 속성 부호화/복호화 과정의 spatial scalability 기능을 위한 속성 포인트 구성 관련 정보를 SPS 또는 APS에 추가하여 시그널링할 수 있다.
실시예들에 따른 송신 방법/장치는 속성 부호화/복호화 과정의 spatial scalability 기능을 위한 속성 포인트 구성 관련 정보를 TPS 또는 각 Slice별 어트리뷰트 데이터(Attr)에 추가하여 시그널링할 수 있다.
실시예들에 따른 포인트 클라우드를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스를 제공한다. 즉, 포인트 클라우드 데이터는 영역별로 분할될 수 있고, 분할의 단위는 타일 및/또는 슬라이스일 수 있다.
영역별로 포인트 클라우드 데이터를 나눌 때 각각의 영역 별로 다른 이웃 포인트 집합 생성 옵션을 설정해서 복잡도(complexity)는 낮고, 결과의 신뢰도는 다소 떨어지거나 반대로 복잡도가 높으나 신뢰도가 높은 선택 방안을 제공할 수 있다. 수신기의 처리능력(capacity)에 따라서 다르게 설정할 수 있다.
포인트 클라우드가 타일(Tile)로 나누어지는 경우, 각 타일별로 다른 중복 포인트 처리 옵션을 적용할 수 있다.
포인트 클라우드가 슬라이스(Slice)로 나누어지는 경우, 각 슬라이스별로 다른 중복 포인트 처리 옵션을 적용할 수 있다.
예측 모드 처리 관련 옵션에 따라 어트리뷰트 슬라이스 데이터(Attribute slice data)가 변경되어 시그널링될 수 있다.
도23내지26은 도22의 포인트 클라우드 데이터의 비트스트림에 포함되는 시그널링 정보의 상세 신택스를 나타낸다. 실시예들에 따른 송수신 장치는 실시예들에 따른 동작을 지원하기 위해서 다음과 같이 시그널링 방안을 제공할 수 있다.
도23은 실시예들에 따른 시퀀스 파라미터 세트(Sequence Parameter Set)를 나타낸다.
도23은 도22와 같이 실시예들에 따른 비트스트림에 포함된 시퀀스 파라미터 세트를 나타낸다. 도23의 메타데이터, 파라미터, 또는 시그널링 정보는 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), 도20의 인코더, 도21의 디코더 등에 의해서, 생성되고 전송되고 수신될 수 있다.
속성 부호화/복호화 과정의 spatial scalability 기능을 위한 속성 포인트 구성 관련 정보는 Sequence Parameter Set에 추가되어 시그널링될 수 있다. 도23 내지 26으로 인하여, spatial scalability 기능 지원을 위한 속성을 효율적으로 시그널링할 수 있는 효과가 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
LOD생성 방향(LOD_generation_direction): LOD 생성 방향을 나타낸다.
예를 들어, 이 값이 0이면, LOD0에서 LODN으로 생성하는 방식 (즉, 옥트리 경우 루트 노드에서 리프 노드로 진행)을 나타낸다. 이 값이 1이면, LODN에서 LOD0으로 생성하는 방식 (즉, 옥트리 경우 리프 노드에서 루트 노드로 진행)을 나타낸다. 이 정보의 각 정수값은 실시예들에 따라 변형이 가능하다.
샘플링 선택 타입(Sampling_select_type): 노드에 속한 포인트들로부터(병합된 노드 포함) 하나의 포인트를 선택할 때의 포인트 선택 방법을 나타낸다.
예를 들어, 이 값이 1이면 N 번째 포인트 선택 방식을 나타낸다. 이 값이 2이면, 옥트리 부모 노드 영역의 중앙 위치에 가까운 포인트 선택 방식을 나타낸다. 이 값이 3이면, 중간 인덱스 포인트 선택 방식을 나타낸다. 이 정보의 각 정수값은 실시예들에 따라 변형이 가능하다.
샘플링 고립 노드 포인트들의 최소 개수(sampling_isolated_node_min_number_of_points): 고립 노드로 정의할 수 있는 노드에 속한 최소 포인트 개수를 나타낸다.
샘플링 고립 노드 병합 플래그(sampling_isolated_node_merge_flag): 고립 노드를 병합 여부를 나타낸다.
sampling_isolated_node_merge_flag가 1이면, sampling_isolated_node_max_merge_range가 시그널링된다.
샘플링 고립 노드 맥시멈 병합 범위(sampling_isolated_node_max_merge_range: 고립 노드를 병합하기 위한 최대 병합 범위(연속된 노드 수)를 나타낸다.
샘플링 선택 인덱스(sampling_select_idx): 샘플링 선택 타입(sampling_select_type)에서 N번째 포인트 선택 방식으로 포인트를 선택할 때 몇 번째 포인트를 선택할지를 나타낸다. 디폴트 값으로 0으로 설정될 수 있고, 이 값은 첫번째 포인트 선택하는 것을 의미한다.
sampling_select_type가 1이면, sampling_select_idx가 시그널링된다.
프로파일(profile_idc): 실시예들에 따른 비트스트림이 따르는 프로파일을 나타낸다. 실시예들에 따르는 값들 이외에 다른 값들을 비트스트림이 포함하지 않고, 프로파일의 다른 값들은 ISO/IEC의 추후 사용을 위해 예약될 수 있다(indicates a profile to which the bitstream conforms as specified in Annex A. Bitstreams shall not contain values of profile_idc other than those specified in Annex A. Other values of profile_idc are reserved for future use by ISO/IEC).
프로파일 호환성 플래그(profile_compatibility_flags): 이 값이 1이면, j와 동일한 프로파일(profile_idc)에 의해 지시되는 프로파일을 비트스트림이 따르는 것을 나타낸다(indicates that the bitstream conforms to the profile indicated by profile_idc equal to j).
SPS 어트리뷰트 세트 개수(sps_num_attribute_sets): 비트스트림 내 코딩된 어트리뷰트들의 개수를 나타낸다. 이 값은 0 내지 63의 범위를 가질 수 있다.
어트리뷰트 디멘션(attribute_dimension[ i ]): i번재 어트리뷰트의 컴포넌트들의 개수를 나타낸다.
어트리뷰트 인스턴스 식별자(attribute_instance_id[ i ]): i번째 어트리뷰트를 위한 인스턴스 식별자를 나타낸다.
도24는 실시예들에 따른 어트리뷰트 파라미터 세트(Attribute Parameter Set)를 나타낸다.
도24은 도22와 같이 실시예들에 따른 비트스트림에 포함된 시퀀스 파라미터 세트를 나타낸다. 도24의 메타데이터, 파라미터, 또는 시그널링 정보는 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), 도20의 인코더, 도21의 디코더 등에 의해서, 생성되고 전송되고 수신될 수 있다.
APS 어트리뷰트 파라미터 세트 식별자(aps_attr_parameter_set_id): 다른 신택스 엘리먼트들에 의한 참조를 위한 APS에 대한 식별자를 제공한다. 이 값은 0내지 15(포함)의 범위를 가질 수 있다(provides an identifier for the APS for reference by other syntax elements. The value of aps_attr_parameter_set_id shall be in the range of 0 to 15, inclusive).
APS 시퀀스 파라미터 세트 식별자(aps_seq_parameter_set_id): 액티브 SPS를 위한 SPS시퀀스 파라미터 세트 식별자의 값을 나타낸다. 이 값은 0내지15(포함)의 범위를 가질 수 있다(specifies the value of sps_seq_parameter_set_id for the active SPS. The value of aps_seq_parameter_set_id shall be in the range of 0 to 15, inclusive).
어트리뷰트 코딩 타입(attr_coding_type)이 0 또는 어트리뷰트 코딩 타입이 2이면, 리프팅 지시 정보(isLifting)가 1이고, 아닌 경우 0을 갖게 된다.
리프팅 지시 정보에 따라서 리프팅 관련 시그널링 정보가 다음과 같이 시그널링된다.
리프팅 프레딕션 이웃들의 개수(lifting_num_pred_nearest_neighbours): 프레딕션을 위해 사용되는 니어스트 이웃들의 맥시멈 개수를 나타낸다. 이 값은 1 내지 XX의 범위를 가질 수 있다(specifies the maximum number of nearest neighbours to be used for prediction. The value of lifting_num_pred_nearest_neighbours shall be in the range of 1 to xx).
리프팅 다이렉트 예측기의 맥시멈 개수(lifting_max_num_direct_predictors): 다이렉트 프레딕션을 위해 사용되는 프레딕터의 맥시멈 개수를 나타낸다. 이 값은 0내지 lifting_num_pred_nearest_neighbours의 범위를 가질 수 있다. 변수 MaxNumPredictors는 디코딩 과정에서 다음과 같이 사용될 수 있다: MaxNumPredictors = lifting_max_num_direct_predicots + 1(specifies the maximum number of predictor to be used for direct prediction. The value of lifting_max_num_direct_predictors shall be range of 0 to lifting_num_pred_nearest_neighbours).
실시예들에 띠른 spatial_scalability_attribute_octree_level, LOD_generation_direction, sampling_select_type, sampling_isolated_node_min_number_of_points, sampling_isolated_node_merge_flag, sampling_isolated_node_max_merge_range, sampling_select_idx 등은 도23의 설명을 참조한다.
도25는 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set)를 나타낸다.
도25은 도22와 같이 실시예들에 따른 비트스트림에 포함된 시퀀스 파라미터 세트를 나타낸다. 도25의 메타데이터, 파라미터, 또는 시그널링 정보는 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), 도20의 인코더, 도21의 디코더 등에 의해서, 생성되고 전송되고 수신될 수 있다.
실시예들에 따른 송신 장치 또는 인코더는 속성 부호화/복호화의 spatial scalability 기능을 위한 속성 포인트 구성 관련 정보를 타일 파라미터 세트(Tile Parameter Set)에 추가하여 실시예들에 따른 수신 장치 또는 디코더에 시그널링 할 수 있다.
타일 개수(num_tiles): 비트스트림을 위해 시그널링되는 타일들의 개수를 나타낸다. 존재하지 않는 경우, 이 값은 0으로 추론될 수 있다(specifies the number of tiles signalled for the bitstream. When not present, num_tiles is inferred to be 0).
타일 바운딩 박스 오프셋 X(tile_bounding_box_offset_x[ i ]): 좌표계 내 i번째 타일의 X오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_x[ 0 ]은 sps_bounding_box_offset_x 으로 추론될 수 있다(indicates the x offset of the i-th tile in the cartesian coordinates. When not present, the value of tile_bounding_box_offset_x[ 0 ] is inferred to be sps_bounding_box_offset_x).
타일 바운딩 박스 오프셋 Y(tile_bounding_box_offset_y[ i ]): 좌표계 내 i번째 타일의 Y오프셋을 나타낸다. 존재하지 않는 경우 tile_bounding_box_offset_y[ 0 ]은 sps_bounding_box_offset_y으로 추론될 수 있다(indicates indicates the y offset of the i-th tile in the cartesian coordinates. When not present, the value of tile_bounding_box_offset_y[ 0 ] is inferred to be sps_bounding_box_offset_y).
실시예들에 띠른 spatial_scalability_attribute_octree_level, LOD_generation_direction, sampling_select_type, sampling_isolated_node_min_number_of_points, sampling_isolated_node_merge_flag, sampling_isolated_node_max_merge_range, sampling_select_idx 등은 도23의 설명을 참조한다.
도26은 실시예들에 따른 어트리뷰트 슬라이스 헤더(Attribute slice header)를 나타낸다.
도26은 도22와 같이 실시예들에 따른 비트스트림에 포함된 시퀀스 파라미터 세트를 나타낸다. 도26의 메타데이터, 파라미터, 또는 시그널링 정보는 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), 도20의 인코더, 도21의 디코더 등에 의해서, 생성되고 전송되고 수신될 수 있다.
실시예들에 따른 송신 장치 또는 인코더는 속성 부호화/복호화 과정의 spatial scalability 기능을 위한 속성 포인트 구성 관련 정보는 Attribute slice header에 추가하어 시그널링 할 수 있다.
ASH 어트리뷰트 파라미터 세트 식별자(ash_attr_parameter_set_id):액티브 APS의 aps_attr_parameter_set_id의 값을 나타낸다(specifies the value of the aps_attr_parameter_set_id of the active APS).
ASH 어트리뷰트 SPS 어트리뷰트 인덱스(ash _attr_sps_attr_idx): 액티브 SPS 내 어트리뷰트 세트를 나타낸다. abh_attr_sps_attr_idx의 값은 0내지 액티브 SPS내 sps_num_attribute_sets의 범위를 가질 수 있다(specifies the attribute set in the active SPS. The value of abh_attr_sps_attr_idx shall be in the range of 0 to sps_num_attribute_sets in the active SPS).
ASH 어트리뷰트 지오메트리 슬라이스 아이디(ash_attr_geom_slice_id): 액티브 지오메트리 슬라이스 헤더의 gsh_slice_id의 값을 나타낸다(specifies the value of the gsh_slice_id of the active Geometry Slice Header).
상술한 실시예들의 PCC 부호화 방법, PCC복호화 방법, 시그널링 방법은 다음의 효과를 제공할 수 있다.
Spatial scalability는 포인트 클라우드 데이터가 밀도가 높을 때(dense), 썸네일과 같이 더 작은 대역폭(bandwidth) 사용해야하거나 디코더쪽 계산량을 낮출 수 있도록 더 낮은 해상도의 포인트 클라우드를 보내고 처리할 수 있는 기능이다.
실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)에서 spatial scalability 기능을 제공하기 위해 포인트들을 옥트리 기반으로 LOD별로 포인트를 샘플링 하는 방식을 변경하여 각 LOD별로 가장 적합한 포인트들을 노드들로 구성될 수 있도록 하여 속성 압축 효율을 높일 수 있는 방안을 제공하였다.
제안한 몰톤 코드를 통해 옥트리 노드별 포인트 분류하는 방법은 옥트리를 구성하는 인코딩/디코딩 계산량을 줄여 인코딩/디코딩 수행시간을 줄일 수 있다.
제안한 노드별 샘플링 방식을 통해 spatial scalability를 위해 적용된 부모 노드의 바운딩 박스의 중앙 위치 값 기반 거리 가중치를 기법을 고려하여 중앙 위치값과 가까운 포인트를 선택하고나 중앙 인덱스 포인트를 선택하여 거리 가중치 에러 값을 줄여 속성 압축 효율을 높이는 방법을 제공할 수 있다.
이로써 실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)의 spatial scalability 기능 제공을 위한 속성 압축 방법을 제공할 수 있고, 속성 압축 효율을 높여서 제공할 수 있다.
실시예들에 따른 PCC 부호화기 및/또는 PCC 복호화기는 옥트리 기반으로 LOD별 포인트 샘플링 방식을 변경하는 방안을 제공함으로써 spatial scalability 효과를 가질 수 있다.
계속해서, 실시예들에 따른 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)의 Spatial scalability를 지원하기 위한 지오메트리/속성 압축 방안을 설명한다.
실시예들은 G-PCC의 속성 부호화/복호화 과정에 spatial scalability 기능을 제공하기 위해 옥트리 기반 지오메트리 포인트 위치 값 설정 방식과 LOD별 포인트 샘플링 방식을 변경하는 방안을 제안한다.
실시예들 따른 방법은 다음을 포함한다.
1) Spatial scalability 지원을 위한 부분 복원시 지오메트리 위치 계산 방식, 2) 노드별 참조 포인트 샘플링 방식, 3) 그리고 위 방법을 지원하기 위한 시그널링 방안을 제안한다.
도15를 참조하면, 실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 Spatial scalability 지원을 위한 속성(attributes) 압축 방안에 관한 것이다. 포인트 클라우드 데이터가 밀도가 높을 때(dense), 썸네일과 같이 더 작은 대역폭(bandwidth) 사용해야하거나 디코더쪽 계산량을 낮출 수 있도록 더 낮은 해상도의 포인트 클라우드를 보내고 처리할 수 있는 기능이 필요할 수 있다. 이러한 기능을 spatial scalability라고 한다.
실시예들에 따른 송수신 방법/장치는 지오메트리 인코딩/디코딩에서는 옥트리의 깊이 레벨을 조절하여 선택된 깊이 레벨까지만 점유비트(occupancy bits)를 인코딩하거나 디코딩하는 과정을 통해 spatial scalability 기능을 제공할 수 있다.
도27은 실시예들에 따른 어트리뷰트 인코딩/디코딩을 나타낸다.
도27은 도15와 같이 Spatial scalability 기능 제공을 위한지오메트리 위치 설정 방법 등을 나타낸다.
도27은 도20의 인코더, 도21의 디코더 및/또는 그에 대응하는 실시예들에 따른 송수신 장치 등에 의해 수행될 수 있다.
속성 인코딩/디코딩에도 spatial scalability 기능 제공을 위해 옥트리 구조를 적용하여 수정이 필요할 수 있다. 옥트리의 선택된 깊이 레벨부터 LOD를 생성하는 방식과 이웃노드를 계산하는 방식, 가중치를 계산하는 방식이 속성 인코딩/디코딩시 spatial scalability를 제공하기 위해 변경이 필요할 수 있다.
실시예들은 지오메트리 디코딩시 부분적으로만 디코딩할 때 지오메트리 위치 값을 설정하는 방법을 제안한다. 또한 실시예들은 속성 인코딩/디코딩에서 spatial scalability 기능을 제공하기 위해 포인트들을 옥트리 기반으로 LOD별로 포인트를 샘플링 하는 방식을 변경하여 각 LOD별로 가장 적합한 포인트들을 노드들로 구성될 수 있도록 하여 속성 압축 효율을 높일 수 있는 방안을 제공한다.
실시예들은 G-PCC의 속성 부호화/복호화 과정에 spatial scalability 기능을 제공하기 위해 옥트리 기반으로 LOD별 포인트 샘플링 방식을 변경하는 방안을 제공한다.
실시예들은 지오메트리 디코딩시에 spatial scalability 기능 제공을 위한 옥트리의 대표 위치 값을 설정할 수 있다. 속성 인코딩/디코딩에도 spatial scalability 기능 제공을 위해 지오메트리 인코딩/디코딩에서 옥트리 구조를 적용할 수 있다. 옥트리의 선택된 깊이 레벨부터 노드에 속하는 포인트를 분류하는 방법과 LOD별 포인트를 샘플링 하는 방식을 제안한다.
포인트를 분류하는 방법과 LOD별 포인트 샘플링 방법은 PCC 복호화기/부호화기의 PCC 속성 부호화/복호화에서 수행되며, 속성 부호화/복호화 과정에서 예측 변환 기법 또는 리프팅 변환 기법을 사용할 경우 적용될 수 있다.
S270000 지오메트리 구성
포인트 클라우드의 포인트들을 디코딩할 때 특정 옥트리 깊이(depth)까지만 디코딩하고, 포인트의 위치값으로 복원할 필요가 있다. 이러한 기능 지원이 spatial scalability일 수 있다. 옥트리의 중간 깊이에서 부분적으로 디코딩할 때 각 옥트리 노드를 대표하는 포인트의 위치는 노드의 바운딩 박스의 중앙 위치에 가장 가까운 노드로 샘플링(선택)될 수 있다. 이렇게 설정할 경우, 속성을 부분적으로 디코딩할 때 노드의 중간 위치로 설정된 위치기반으로 몰톤 순서, LOD구성, 이웃노드 검색을 수행할 수 있다.
S270010 몰톤 순서 기반 정렬
포인트 클라우드의 포인트들을 x, y, z 위치 값을 기반으로 몰톤 코드로 변경하고, 변경된 몰톤 코드 값을 기반으로 정렬할 수 있다.
S270020 속성 부분 인코딩/디코딩 영역 설정
속성 인코딩/디코딩에서도 지오메트리 인코딩/디코딩에서와 마찬가지로 옥트리의 깊이 레벨을 설정하여 설정된 옥트리 깊이 레벨부터 속성 인코딩할 포인트들을 구성하고 인코딩/디코딩할 수 있다(도17참조).
S270030 몰톤 코드를 사용하여 노드에 속하는 포인트 분류
몰톤 코드로 정렬된 포인트들에서 옥트리 노드별 포인트 분류 방법은 도16에서 설명한 다음 수도 코드(수식)을 사용할 수 있다.
nodeSizeLog2: 옥트리 깊이 레벨
PX_mortoncode: PX의 몰톤 코드
end_range_mc: 노드의 몰톤 코드 범위
Int maxNumOfPoints = pow(8, nodeSizeLog2 + 1);
For (int I = 1; I < indexCount; ++i) {
if(Pi_mortoncode < end_range_mc) {
…
} else {
end_range_mc = Pi_mortoncode +
(maxNumOfPoints -(Pi_mortoncode % maxNumOfPoints));
}
}
노드의 몰톤 코드 범위를 포인트의 몰톤 코드, 옥트리 깊이 레벨, 맥시멈 포인트들의 개수에 기반하여 산출할 수 있다.
도18과 같이, 포인트의 몰톤 코드로부터 end_range_mc를 구하고 다음 포인트들의 몰톤 코드 값이 end_range_mc범위 내에 있다면, 같은 노드에 속하는 포인트들이고, 범위를 벗어나는 큰 값을 가지고 있으면 새로운 노드로 변경된 상태로 해당 포인트의 몰톤 코드를 기준으로 end_range_mc를 구해서 이후 포인트들에 적용할 수 있다. 이와 같은 방법으로몰톤 코드로 정렬된 포인트들에서 옥트리 노드에 속하는 포인트들을 분류할 수 있다.
S270030 옥트리 노드에서의 LOD 샘플링
노드에 속한 포인트들로부터(병합된 노드 포함) 포인트를 선택하여 샘플링을 수행 할 수 있다. 어떤 포인트를 선택하느냐에 따라서 속성 압축에 영향을 줄 수 있다. 가장 좋은 참조 포인트를 선택하여 참조할 수 있는 영역(retained list) 으로 분류하고, 참조 영역으로부터 이웃 노드 집합을 구성하기때문에 결론적으로 압축 효율을 증가시킬 수 있다.
지오메트리의 옥트리 노드들을 위치를 중심점으로 변경하게 되면, 속성 코딩시에 선택하는 포인트들 또한 중앙 위치값에 가까운 위치로 선택하게 되면 부모 노드에서 발생하는 오차를 줄일 수 있다. 따라서 옥트리 노드에서의 LOD 샘플링은 부모 노드의 중앙점에 가까운 위치를 선택하는 방법을 선택할 수 있다.
중앙점에 가까운 위치를 찾는 방법은 다양할 수 있다. 정확하게 찾기 위해 위치를 계산할 수도 있고, 시간을 빠르게 하기 위해서 옥트리 노드상의 위치를 참조할 수도 있다. 다음은 그러한 다양한 선택 방법일 수 있다. 도28-30을 참조하여 샘플링을 설명한다: 1) LOD에서 첫번째 노드 선택후 다음 연속된 상위LOD에서 마지막 노드 선택(도28-30참조), 2) 옥트리 부모 노드 영역의 중앙 위치에 가까운 포인트 선택, 3) 중간 인덱스 포인트 선택, 및/또는 4) 그것들의 조합.
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 포인트 클라우드 데이터는 지오메트리 데이터 및 어트리뷰트 데이터를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터를 디코딩하는 단계는, 지오메트리 데이터를 디코딩하는 단계 및 어트리뷰트 데이터를 디코딩하는 단계를 포함할 수 있다.
실시예들에 따른 지오메트리 데이터를 디코딩하는 단계는, 지오메트리 데이터에 대한 옥트리 구조를 생성하고, 옥트리 구조에 포함된 각 노드를 대표하는 포인트의 위치를 각 노드의 바운딩 박스의 중앙 위치에 가장 가까운 노드로 샘플링(선택)할 수 있다.
실시예들에 따른 어트리뷰트 데이터를 디코딩하는 단계는, 지오메트리 데이터 및 어트리뷰트 데이터에 기반하여 포인트 클라우드 데이터의 포인트들의 위치값을 몰톤 코드로 변경하고, 몰톤 코드에 기반하여 포인트들을 정렬하고, 포인트들을 포함하는 옥트리 구조의 깊이 레벨로부터 포인트들을 디코딩할 수 있다.
실시예들에 따른 어트리뷰트 데이터를 디코딩하는 단계는, 몰톤 코드 및 몰톤 코드에 관한 범위값에 기반하여 각 노드에 속하는 포인트들을 분류하는 단계를 더 포함할 수 있다.
실시예들에 따른 어트리뷰트 데이터를 디코딩하는 단계는, 지오메트리 데이터에 대한 옥트리 구조를 생성하고, 옥트리 구조에 기반하여 LOD(Level of Detail)들을 생성하고 LOD들로부터 LOD에 속한 노드를 샘플링(선택)할 수 있다. 즉, 노드에 포함된 포인트들이 샘플링되는 것을 의미한다.
도28은 실시예들에 따른 바운딩 박스 및 노드를 나타낸다.
도28은 도27의 S270010을 나타낸다.
바운딩 박스에 포함되는 노드가 8개 있을 수 있다. 몰톤코드 순서대로 정렬하면, 몰톤코드 값 기준으로 0내지7의 값을 갖는 포인트들이 순서대로 나열될 수 있다.
도29는 실시예들에 따른 각 노드 및 위치 간 매칭을 나타낸다.
도29는 도28과 같이 몰톤 코드 순으로 포인트가 정렬되는 경우 각 노드 및 위치를 매칭하는 동작을 나타낸다. 도29는 도 27의 S270030을 나타낸다.
참조 노드(Reference node or retained node)는 샘플링 시 선택된 노드(포인트)임을 나타낸다. 예를 들어, 도29의 노드(또는 포인트)(29000, 29040, 29050) 및 도30의 노드(또는 포인트)() 등이 참조 노드일 수 있다.
그림과 같이 첫번째 노드(N, 29000)를 선택한 경우, 부모 노드(N-1, 29010)로 올라갈 경우 부모 노드의 바운딩 박스(29020)의 중앙 위치(29030)에 가장 가까운 노드가 마지막 노드(29040)일 수 있다. N-1에서 마지막 노드(29040)를 선택한 경우, N-2에서 부모 노드의 중앙 위치와 가장 가까운 노드는 첫번째 노드(29050) 일 수 있다.
따라서 LOD샘플링 시 이러한 점을 이용하여 LOD가 짝수인경우 첫번째 노드를 선택하고, LOD가 홀수인 경우, 마지막노드를 선택할 수 있다. 또는 LOD가 짝수인경우 마지막 노드를 선택하고, LOD가 홀수인 경우 첫번째 노드를 선택할 수 있다. 이러한 선택 방안에 관한 구성 정보를 인코더가 디코더에 시그널링할 수 있다.
즉, 실시예들에 따른 인코더 및/또는 디코더는 옥트리 노드에서 LOD 샘플링 시 부모 노드 상 중앙 위치에 가장 가까운 노드를 자식 노드에서 선택하는 다양한 방안을 제공한다. 실시예들은 짝수 및 홀수 인덱스를 이용하는 방안, 또는 바운딩 박스에 중앙 위치에 가장 가까운 노드를 선택하는 방안 등을 포함한다. 예를 들어, 포인트들의 거리, 밀도, 속성 등에 기반하여 중앙 위치에 가장 가까운 노드를 선택할 수 있다. 또한, 중앙 위치와 가까운 포인트를 선택하기 위해서, 2x2x2 노드에 속하면 센터(center)에 가까운 노드로 샘플링할 수 있고, 속하지 않으면 홀수/짝수(즉, first/last node) 노드를 샘플링할 수 있다.
도30은 실시예들에 따른 옥트리 구조 상 참조 노드 선택을 나타낸다.
도30은 도28-29의 LOD 샘플링(도 27의 S270030))을 옥트리 구조상에서 설명한다.
실시예들에 따른 옥트리 구조는 루프 노드에서 리프 노드 순서로 노드들이 분포하고, 노드에 속하는 다음 노드들이 몰콘 코드 순서로 정렬될 수 있다. 옥트리 구조는 N개의 LOD를 포함할 수 있고, 실시예들에 따른 송수신 방법/장치는 옥트리 구조 상 특정 깊이 레벨부터 부분 인코딩 및 부분 디코딩을 수행할 수 있다.
LOD N에 속하는 포인트들을 몰톤 코드 순서대로 정렬된 옥트리 구조이고, 참조 노드는 각 LOD에서 샘플링된 노드이다. LOD N(여기서, N을 LOD의 인덱스라고 지칭할 수 있다)이 짝수 LOD라고 보면, 포인트들 중 가장 앞에 있는 포인트를 선택할 수 있다. LOD N-1이 홀수 LOD라고 보면, 포인트들 중 가장 마지막에 있는 포인트를 선택할 수 있다. 옥트리 구조 상에서 특정 노드에서 부모 노드로 올라가면서 처음 노드, 마지막 노드, 처음 노드, 마지막 노드 순서대로 차례로 노드를 선택할 수 있다. 이러한 방안은 샘플링의 게인을 증가시키는 효과가 있다.
예를 들어, LOD N에 속하는 포인트들(30000)은 LOD N이 짝수라고 보고, 노드에 속하는 몰톤 코드 순서대로 정렬된 포인트들 중 첫번째 노드(30010)를 각 부모 노드에 대한 참조 노드(reference nod or retained node, 30010)로서 선택(샘플링)할 수 있다.
LOD N-1에 속하는 포인트들(30020)은 N-1이 홀수라고 보고, 노드에 속하는 몰콘 코드 순서대로 정렬된 포인트들 중 마지막 노드(30030)들은 각 부모 노드에 대한 참조 노드로서 선택(샘플링)할 수 있다.
실시예들에 따라서, LOD 샘플링을 시작하는 레벨에서 처음 노드를 샘플링, 다음 레벨에서 마지막 노드 샘플링, 다음 레벨에서 처음 노드를 샘플링하는 방법이 있고, LOD샘플링을 시작하는 레벨에서 마지막 노드를 샘플링, 다음 레벨에서 처음 노드 샘플링, 다음 레벨에서 마지막 노드 샘플링하는 방법이 있다.
이러한 동작은 수도 코드로 다음과 같이 표현될 수 있다.
endIndex = 0
assignedPointCount = 0
for (lod = minGeomNodeSizeLog2; unprocessedPointCount > 0; lod++) {
startIndex = assignedPointCount
nonAssignedPointCount = 0
samplingFromLastFlag = lod & 1 // LOD가 짝수인 경우 비트의 마지막 자리는 0이고 LOD가 홀수인 경우 마지막 자리는 1을 가진다 //
for (i = 0; i < unprocessedPointCount; i++) {
currVoxelIndex = McodeUnsorted[unprocessedPointIndexes[i]] >> (3×(lod+1))
if (samplingFromLastFlag == 0){
if (i == 0) // LOD 짝수를 의미하고, 첫 번재 포인트가 참조노드로 샘플링됨
nonAssignedPointIndexes[nonAssignedPointCount++] = unprocessedPointIndexes[i]
else {
prevVoxelIndex = McodeUnsorted[unprocessedPointIndexes[i-1]] >> (3×(lod+1))
if (currVoxelIndex > prevVoxelIndex)
nonAssignedPointIndexes[nonAssignedPointCount++] = unprocessedPointIndexes[i]
(여기서, 샘플링된 포인트는 NonassignedPointsIndexes에 할당되게 된다. 샘플링되지 않는 포인트들은 assignedPointIndexes에 할당된다. NonassignedPointsIndexes 및 assignedPointIndexes를 각각 설정함으로서 실시예들에 따른 방법/장치는 LOD를 분류할 수 있다.)
else
assignedPointIndexes[assignedPointCount++] = unprocessedPointIndexes[i]
}
} else { // LOD 홓수를 의미하고, 마지막 번재 포인트가 참조노드로 샘플링됨
if (i == (unprocessedPointCount - 1))
nonAssignedPointIndexes[nonAssignedPointCount++] = unprocessedPointIndexes[i]
else {
nextVoxelIndex = McodeUnsorted[unprocessedPointIndexes[i+1]] >> (3×(lod+1))
if (currVoxelIndex < nextVoxelIndex)
nonAssignedPointIndexes[nonAssignedPointCount++] = unprocessedPointIndexes[i]
(여기에서, NonassignedPointsIndexes가 샘플링된 포인트를 의미한다)
else
assignedPointIndexes[assignedPointCount++] = unprocessedPointIndexes[i]
}
}
}
endIndex = assignedPointCount
if (startIndex != endIndex) {
numOfPointInSkipped = PointNumInSlice - PointCount
if ((endIndex - startIndex) > (startIndex + numOfPointInSkipped)){
for (loop = 0; loop < lod - minGeomNodeSizeLog2; loop++){
computeNearestNeighbours(
PointCount - unprocessedPointCountPerLevelOfDetail[loop],
PointCount - unprocessedPointCountPerLevelOfDetail[loop+1],
loop + minGeomNodeSizeLog2, assignedPointIndexes,
McodeUnsorted, nonAssignedPointCount,
nonAssignedPointIndexes)
}
}
}
computeNearestNeighbours(
startIndex, endIndex,
lod , assignedPointIndexes,
McodeUnsorted, nonAssignedPointCount,
nonAssignedPointIndexes)
unprocessedPointCountPerLevelOfDetail[lod+1] = nonAssignedPointCount
unprocessedPointCount = nonAssignedPointCount
unprocessedPointIndexes = nonAssignedPointIndexes
}
Then, the following procedure is applied:
for (i = 0; i < PointCount; i++)
indexes[PointCount- 1 - i] = assignedPointIndexes[i]
for (lod = 0; lod < LevelDetailCount; lod++)
pointCountPerLevelOfDetail[lod] = unprocessedPointCountPerLevelOfDetail[LevelDetailCount - 1 - lod]
// samplingFromLastFlag 값에 따라서, 시작 LOD에서 처음 노드(혹은 Left로 지칭 가능함)로 샘플링 시작할지 마지막 노드로 샘플링(혹은 Right로 지치이 가능함)을 시작할지를 시그널링할 수 있다.
실시예들에 따라 비트스트림에 포함된 리프팅 LOD 샘플링 관련 플래그(lifting_lod_regular_sampling_enabled_flag)와 같은 시그널링 정보가 LOD샘플링 방식을 나타내면, 지오메트리 데이터에 기반하여 옥트리 노드에 따라 LOD를 재구성할 수 있다. 샘플링 관련 플래그(samplingFromLastFlag)에 따라서, 노드 내 첫 번재 포인트(i.e., samplingFromLastFlag equals 0) 또는 노드 내 마지막 포인트(i.e., samplingFromLastFlag equals 1)가 샘플링될 수 있다(If lifting_scalability_enabled_flag equals 1, the level of detail degneration process re-organizes the points into a set of refinement levels (R_l )_(l=0…쪳-1), according to octree nodes based on geometry. Depeding on the value of samplingFromLastFlag, the first point in the node (i.e., samplingFromLastFlag equals 0) or the last point in the node (i.e., samplingFromLastFlag equals 1) is sampled).
계속해서, 실시예들에 따른 옥트리 부모 노드 영역의 중앙 위치에 가까운 포인트 선택 방법 및 중간 인덱스 포인트 선택 방법을 설명한다.
옥트리 부모 노드 영역의 중앙 위치에 가까운 포인트 선택:
실시예들에 따른 송수신 방법/장치는 노드에 속한 포인트들로부터(병합된 노드 포함) 하나의 포인트를 선택할 때 부모 노드의 바운딩 박스(bounding-box)의 중앙 위치에 가장 가까운 포인트를 선택할 수 있다. 선택된 포인트가 부모 노드의 중앙 위치에 가까울 수록 이웃 포인트 선택과 이웃 포인트 가중치 계산에 있어서 에러를 낮출 수 있다.
이웃 포인트 선택시 포인트와 포인트 사이의 거리 계산을 하게 되고 거리가 가까운 포인트를 이웃 포인트로 선택하게 될 수 있다. spatial scalability 기능 제공을 위해 포인트의 위치 값을 포인트가 속하는 노드의 (LOD의 레벨에 따라 해당되는 노드가 달라질 수 있다) 중앙 위치 값으로 대체된 상태에서 거리를 계산하도록 구성할 수 있다. 따라서 포인트 Pi의 이웃 포인트들을 찾기 위해서 Pi의 위치 값은 LODl에 따라 부모 노드의 중앙 위치로 변경되고, 이웃 포인트 후보 리스트(retained list), R에 있는 포인트 Ri의 위치 또한 LODl에 따라 위치가 변경된 상태에서 거리를 계산할 수 있다. 이는 같은 깊이 레벨에 있는 노드들 간의 중앙 위치들간의 거리 계산이 될 수 있고 이를 통해 이웃 노드를 이웃 포인트로 설정할 수 있다. 이렇게 계산된 거리는 1/거리=Pi 의 이웃 포인트의 가중치가 될 수 있다. 부모 노드의 중앙 위치로 변경하여 거리를 계산하기때문에 에러를 가지고 있다. 노드의 깊이 레벨이 낮을수록, 즉 노드의 바운딩 박스가 클 수록, 이러한 에러값은 더 커질 수 있다.
이러한 에러 값을 줄이기 위해 참조 포인트 선택 시 부모 노드 영역의 중앙 위치에 가까운 포인트를 선택할 수 있다. 참조 포인트의 위치값이 맞추어 에러값을 낮추고, 에러값을 낮추어 압축 효율에 좋은 영향을 줄 수 있다.
중간 인덱스 포인트 선택:
실시예들에 따른 송수신 방법/장치는 노드에 속한 포인트들로부터(병합된 노드 포함) 하나의 포인트를 선택할 때 포인트들의 중간 인덱스에 있는 포인트를 선택할 수 있다. 중간 인덱스의 노드가 부모 노드의 바운딩 박스(bounding-box)의 중앙 위치에 가까울 수 있는 확률이 높고(모든 경우가 그런 것은 아님) 중간 인덱스를 통한 포인트 선택에 추가적인 계산이 많지 않기 때문에 적은 계산으로 중앙 위치에 가까운 포인트를 찾을 확률이 높을 수 있다.
실시예들에 따른 포인트 플라우드 데이터 수신 방법은 LOD들에 기반하여 LOD에 속한 노드 내 첫 번째 포인트를 샘플링(선택)하거나, 상기 LOD에 속한 노드 내 마지막 포인트를 샘플링(선택)할 수 있다.
도31은 실시예들에 따른 PCC 데이터 부호화기를 나타낸다.
도31은 도20의 포인트 클라우드 데이터 인코더 및/또는 그에 대응하는 실시예들에 따른 장치 등에 대응된다. 도31의 각 구성요소의 동작 설명은 도20의 설명을 참조한다.
LOD구성부(31000)는 실시예들에 따른 LOD구성 및 샘플링을 수행할 수 있다. LOD구성부(31000)는 몰톤 코드를 사용하여 노드에 속하는 포인트를 분류할 수 있고, 고립 노드를 병합할 수 있고, 옥트리 노드에서 실시예들에 따른 LOD샘플링 방식을 수행하고, 이와 관련된 정보를 시그널링할 수 있다.
LOD구성부(31000)는 속성 인코딩/디코딩의 spatial scalability 지원을 위해 옥트리의 깊이 레벨을 설정하여 설정된 옥트리 깊이 레벨부터 속성 인코딩할 포인트들을 구성하고 인코딩/디코딩할 수 있다(도17 및 도30참조).
실시예들에 따른 송신 장치 또는 인코더는 옥트리 깊이 레벨을 시그널링 정보로써 실시예들에 따른 수신 장치 또는 디코더에 시그널링할 수 있고, 사용 용도 또는 디코더의 컴퓨팅 성능에 따라 변경될 수 있다.
LOD구성부(31000)는 몰톤 코드로 정렬된 포인트들에서 옥트리 노드별 몰톤 코드 범위를 계산하여 옥트리 노드별 포인트 분류를 수행할 수 있다(도18 및 도27참조).
LOD구성부(31000)가 노드에 속한 포인트들로부터 하나의 포인트를 선택할 때 선택할 수 있는 방식이 있으며, 해당 방식은 복호화기에 시그널링 될 수 있다. LOD의 짝수는 첫번째 노드 선택하고 LOD의 홀수는 마지막 노드 선택 하는 방식, 옥트리 부모 노드 영역의 중앙 위치에 가까운 포인트 선택 방식, 중간 인덱스 포인트 선택 방식이 있을 수 있다(도28-30참조).
LOD에서 첫번째 노드 선택후 다음 연속된 상위LOD에서 마지막 노드 선택 하는 방식에서 짝수 LOD에서 첫번째 노드를 선택할지 마지막 노드를 선택할지를 정할 수 있다. 복호화기에 시그널링 될 수 있다(도28-30참조).
잔차 속성정보 양자화 처리부(31010)는 어트리뷰트 데이터에 대한 예측값을 생성하고, 예측값 및 속성값 간의 잔차값을 생성하고, 잔차값을 양자화할 수 있다.
잔차 속성정보 양자화 처리부(31010)는 어트리뷰트 예측 모드와 잔차 정보 분리 여부 플래그가 true인 경우, 예측 모드에 맞는 예측 값과 포인트 값의 잔차를 계산하고 양자화한 값을 예측 모드와 함께 부호화 할 수 있다.
잔차 속성정보 양자화 처리부(31010)는 어트리뷰트 예측 모드와 잔차 정보 분리 여부 플래그가 false인 경우, 예측 모드에 맞는 예측 값과 포인트 값의 잔차를 계산하고 양자화한 값만을 부호화 할 수 있다.
도32는 실시예들에 따른 PCC 데이터 복호화기를 나타낸다.
도32은 도21의 포인트 클라우드 데이터 디코더 및/또는 그에 대응하는 실시예들에 따른 장치 등에 대응된다. 도32의 각 구성요소의 동작 설명은 도21의 설명을 참조한다.
옥트리 재구성부(32000)는 수신된 기하정보 비트스트림(지오메트리 데이터)로부터 옥트리를 재구성한다. 옥트리 재구성부(32000)는 spatial scalability 기능을 위해서 옥트리의 특정 레벨만으로 기하정보를 구성할 수 있고, 이 때 위치값을 바운딩 박스의 중앙 값으로 변경할 수 있다.
옥트리 재구성부(32000)는 부분 지오메트리 디코딩을 위해 복원된 옥트리 깊이 레벨부터 속성 디코딩 할 포인트들을 구성하고 디코딩할 수 있다.
LOD 구성부(32010)는 몰톤 코드를 사용하여 노드에 속하는 포인트를 분류할 수 있고, 고립노드를 병합할 수 있고, 옥트리 노드에서 실시예들에 따른 LOD샘플링을 할 수 있다.
LOD 구성부(32010)는 부분 속성 디코딩을 위해 복원된 옥트리 깊이 레벨부터 속성 디코딩 할 포인트들을 구성하고 디코딩할 수 있다.
LOD 구성부(32010)는 몰톤 코드로 정렬된 포인트들에서 옥트리 노드별 몰톤 코드 범위를 계산하여 옥트리 노드별 포인트 분류를 수행할 수 있다.
LOD 구성부(32010)는 복원된 포인트 선택 방식에 기반하여 노드에 속한 포인트들로부터(병합된 노드 포함) 하나의 포인트를 선택할 수 있다. 방식에는 LOD에서 첫번째 노드 선택후 다음 연속된 상위LOD에서 마지막 노드 선택 하는 방식, 옥트리 부모 노드 영역의 중앙 위치에 가까운 포인트 선택 방식, 중간 인덱스 포인트 선택 방식이 있을 수 있다.
LOD 구성부(32010)는 LOD에서 첫번째 노드 선택후 다음 연속된 상위LOD에서 마지막 노드 선택 하는 방식에서 복원된 선택 타입에 따라 첫번째 노드를 선택해서 구성할 수도 마지막 노드를 선택해서 LOD들을 구성할 수 있다.
도33내지36은 도22의 포인트 클라우드 데이터의 비트스트림에 포함되는 시그널링 정보의 상세 신택스를 나타낸다. 실시예들에 따른 송수신 장치는 실시예들에 따른 동작을 지원하기 위해서 다음과 같이 시그널링 방안을 제공할 수 있다.
실시예들에 따른 송수신 장치는 spatial scalability 기능을 위한 속성 포인트 구성 관련 정보는 SPS(도33) 또는 APS(도34)에 추가하여 시그널링 할 수 있다.
실시예들에 따른 송수신 장치는 spatial scalability 기능을 위한 속성 포인트 구성 관련 정보는 TPS(도35) 또는 각 Slice별 Attr(도36)에 추가하여 시그널링 할 수 있다. 실시예들에 따른 시그널링 정보로 인하여, spatial scalability 기능 지원을 위한 지오메트리/속성을 효율적으로 시그널링할 수 있는 효과가 있다.
도33은 실시예들에 따른 시퀀스 파라미터 세트(Sequence Parameter Set, SPS)를 나타낸다.
도33은 도22와 같이 실시예들에 따른 비트스트림에 포함된 시퀀스 파라미터 세트를 나타낸다. 도33의 메타데이터, 파라미터, 또는 시그널링 정보는 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), 도20의 인코더, 도21의 디코더 등에 의해서, 생성되고 전송되고 수신될 수 있다.
spatial scalability 기능을 위한 속성 포인트 구성 관련 정보는 Sequence Parameter Set에 추가 되어 시그널링될 수 있다
스파셜 스케일러빌리티 옥트리 레벨(spatial_scalability_octree_level): 부분 복원 옥트리 레벨을 나타낸다.
스파셜 스케일러빌리티 어트리뷰트 옥트리 레벨(spatial_scalability_attribute_octree_level): 부분 복원 옥트리 레벨을 나타낸다. 즉, 속성에 적용되는 부분 옥트리 레벨을 나타낸다. 속성의 경우 지오메트리와 다른 복원 옥트리 레벨을 가질 수 있다.
LOD 생성 방향(LOD_generation_direction): LOD 생성 방향을 나타낸다.
예를 들어, 이 값이 0 이면, LOD0에서 LODN으로 생성하는 방식 (즉, 옥트리 경우 루트 노드에서 리프 노드로 진행)을 나타낸다. 또한, 이 값이 1이면, LODN에서 LOD0으로 생성하는 방식 (즉, 옥트리 경우 리프 노드에서 루트 노드로 진행)을 나타낸다. 이 방향을 나타내는 정수값은 실시예들에 따라 변형이 가능하다.
샘플링 선택 타입(sampling_select_type): 노드에 속한 포인트들로부터(병합된 노드 포함) 하나의 포인트를 선택할 때 포인트 선택 방법을 나타낸다. 예를 들어, 이 값이 1이면, LOD의 짝수는 첫번째 노드 선택하고 LOD의 홀수는 마지막 노드 선택 하는 방식을 나타낸다. 이 값이 2이면, 옥트리 부모 노드 영역의 중앙 위치에 가까운 포인트 선택 방식을 나타낸다. 이 값이 3이면, 중간 인덱스 포인트 선택 방식을 나타낸다. 이 타입을 나타내는 정수값은 실시예들에 따라 변형이 가능하다.
샘플링 첫 번째 노드 플래그(sampling_first_node_flag): 시작 LOD에서 첫번째 노드를 선택할지, 마지막 노드 선택 할지 선택하는 방식을 나타낸다.
sampling_select_type == 1이면, sampling_first_node_flag이 시그널링 정보로써 제공될 수 있다.
그 외 나머지 필드의 설명은 도23의 설명을 참조한다.
도34는 실시예들에 따른 어트리뷰트 파라미터 세트(Atribute Paremeter Set, APS)를 나타낸다.
도34는 도22와 같이 실시예들에 따른 비트스트림에 포함된 시퀀스 파라미터 세트를 나타낸다. 도34의 메타데이터, 파라미터, 또는 시그널링 정보는 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), 도20의 인코더, 도21의 디코더 등에 의해서, 생성되고 전송되고 수신될 수 있다.
spatial scalability 기능을 위한 속성 포인트 구성 관련 정보는 Attribute Parameter Set에 추가하여 시그널링될 수 있다
spatial_scalability_attribute_octree_level, LOD_generation_direction, sampling_select_type, sampling_first_node_flag 의 설명은 도33을 참조한다.
그 외 필드는 도24의 설명을 참조한다.
도35는 실시예들에 따른 (Tile Parameter Set, TPS)를 나타낸다.
도35는 도22와 같이 실시예들에 따른 비트스트림에 포함된 시퀀스 파라미터 세트를 나타낸다. 도35의 메타데이터, 파라미터, 또는 시그널링 정보는 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), 도20의 인코더, 도21의 디코더 등에 의해서, 생성되고 전송되고 수신될 수 있다.
spatial scalability 기능을 위한 속성 포인트 구성 관련 정보는 Tile Parameter Set에 추가 되어 시그널링될 수 있다
spatial_scalability_attribute_octree_level, LOD_generation_direction, sampling_select_type, sampling_first_node_flag 의 설명은 도33을 참조한다.
그 외 필드는 도25의 설명을 참조한다.
도36는 실시예들에 따른 어트리뷰트 슬라이스 헤더(Attribute Slice Header, ASH)을 나타낸다.
도36은 도22와 같이 실시예들에 따른 비트스트림에 포함된 시퀀스 파라미터 세트를 나타낸다. 도36의 메타데이터, 파라미터, 또는 시그널링 정보는 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), 도20의 인코더, 도21의 디코더 등에 의해서, 생성되고 전송되고 수신될 수 있다.
spatial scalability 기능을 위한 속성 포인트 구성 관련 정보는 Attribute slice header에 추가 되어 시그널링될 수 있다.
spatial_scalability_attribute_octree_level, LOD_generation_direction, sampling_select_type, sampling_first_node_flag 의 설명은 도33을 참조한다.
그 외 필드는 도26의 설명을 참조한다.
도37은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
S37000, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계를 포함할 수 있다. 실시예들에 따른 인코딩 동작은 도1의 송신 장치(1000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(10001), 도4의 인코더, 도12의 인코더, 도14의 XR디바이스(1430), 도15의 partial decoding에 대응하는 partial encoding, 도16-19의 인코딩 프로세스, 도20의 인코더, 도22 내지 26의 포인트 클라우드 데이터 비트스트림 프로세스, 도27-30의 인코딩 프로세스, 도31의 인코더, 도33-36의 포인트 클라우드 데이터 비트스트림 프로세스 등의 동작에 대응 또는 그것들에 결합될 수 있다.
S37010, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 더 포함할 수 있다. 실시예들에 따른 전송 동작은 도1의 트랜스미터(10003), 도2의 전송(20002), 도12의 전송 처리부(12012) 등의 동작에 대응 또는 그것들에 결합될 수 있다.
도38은 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
S38000, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함할 수 있다. 실시예들에 따른 수신 동작은 도1의 리시버(10007), 도2의 전송(20002), 도13의 수신부(13000) 등의 동작에 대응 또는 그것들에 결합될 수 있다.
S38010, 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), 도10의 디코더, 도11의 디코더, 도13의 디코더, 도14의 XR디바이스(1430), 도15의 partial decoding, 도16-19의 디코딩 프로세스, 도21의 디코더, 도22 내지 26의 포인트 클라우드 데이터 비트스트림 프로세스, 도27-30의 디코딩 프로세스, 도32의 디코더, 도33-36의 포인트 클라우드 데이터 비트스트림 프로세스 등의 동작에 대응 또는 그것들에 결합될 수 있다.
상술한 실시예들의 PCC 부호화 방법, PCC복호화 방법, 시그널링 방법은 다음의 효과를 제공할 수 있다.
Spatial scalability는 포인트 클라우드 데이터가 밀도가 높을 때(dense), 썸네일과 같이 더 작은 대역폭(bandwidth) 사용해야하거나 디코더쪽 계산량을 낮출 수 있도록 더 낮은 해상도의 포인트 클라우드를 보내고 처리할 수 있는 기능이다.
실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)에서 spatial scalability 기능을 제공하기 위해 포인트들을 옥트리 기반으로 각 노드의 바운딩 박스의 중앙 위치 값을 포인트 클라우드의 위치 값으로 복원하고, LOD별로 포인트를 샘플링 하는 방식을 변경하여 각 LOD별로 가장 적합한 포인트들을 노드들로 구성될 수 있도록 하여 속성 압축 효율을 높일 수 있는 방안을 제공하였다.
제안한 몰톤 코드를 통해 옥트리 노드별 포인트 분류하는 방법은 옥트리를 구성하는 인코딩/디코딩 계산량을 줄여 인코딩/디코딩 수행시간을 줄일 수 있다.
제안한 노드별 샘플링 방식을 통해 spatial scalability를 위해 적용된 부모 노드의 바운딩 박스의 중앙 위치 값 기반 거리 가중치를 기법을 고려하여 중앙 위치값과 가까운 포인트를 선택하고나 중앙 인덱스 포인트를 선택하여 거리 가중치 에러 값을 줄여 속성 압축 효율을 높이는 방법을 제공할 수 있다.
이로써 실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)의 spatial scalability 기능 제공을 위한 속성 압축 방법을 제공할 수 있고, 속성 압축 효율을 높여서 제공할 수 있다.
실시예들에 따른 PCC 부호화기 및/또는 PCC 복호화기는 옥트리 기반으로 노드의 중앙 위치 값으로 지오메트리의 포인트 위치를 복원하고 LOD별 포인트 샘플링 방식을 변경하는 방안을 제공함으로써 spatial scalability 기능을 제공할 수 있다.
실시예들에 따른 Spatial scalability 지원을 위한 부분 복원시 지오메트리 위치 계산 방식, 노드별 참조 포인트 샘플링 방식, 이러한 방법을 지원하기 위한 시그널링 방안을 제안함으로써, G-PCC의 속성 부호화/복호화 상 spatial scalability 효과를 제공할 수 있다.
본 문서에서 A/B는 A 및/또는 B로 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 포함하는 비트스트림을 수신하는 단계;
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  2. 제1항에 있어서,
    상기 포인트 클라우드 데이터는 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  3. 제2항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 지오메트리 데이터를 디코딩하는 단계 및 상기 어트리뷰트 데이터를 디코딩하는 단계를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  4. 제3항에 있어서,
    상기 지오메트리 데이터를 디코딩하는 단계는,
    상기 지오메트리 데이터에 대한 옥트리 구조를 생성하고,
    상기 옥트리 구조에 포함된 각 노드를 대표하는 포인트의 위치를 각 노드의 바운딩 박스의 중앙 위치에 가장 가까운 노드로 샘플링하는,
    포인트 클라우드 데이터 수신 방법.
  5. 제3항에 있어서,
    상기 어트리뷰트 데이터를 디코딩하는 단계는,
    상기 지오메트리 데이터 및 상기 어트리뷰트 데이터에 기반하여 상기 포인트 클라우드 데이터의 포인트들의 위치값을 몰톤 코드로 변경하고,
    상기 몰톤 코드에 기반하여 상기 포인트들을 정렬하고,
    상기 포인트들을 포함하는 옥트리 구조의 깊이 레벨로부터 상기 포인트들을 디코딩하는,
    포인트 클라우드 데이터 수신 방법.
  6. 제5항에 있어서,
    상기 어트리뷰트 데이터를 디코딩하는 단계는,
    상기 몰톤 코드 및 상기 몰톤 코드에 관한 범위값에 기반하여 각 노드에 속하는 포인트들을 분류하는 단계를 더 포함하는,
    포인트 클라우드 데이터 수신 방법.
  7. 제3항에 있어서,
    상기 어트리뷰트 데이터를 디코딩하는 단계는,
    상기 지오메트리 데이터에 대한 옥트리 구조를 생성하고,
    상기 옥트리 구조에 기반하여 LOD(Level of Detail)들을 생성하고
    상기LOD들로부터 LOD에 속한 노드에 포함된 포인트들을 샘플링하는,
    포인트 클라우드 데이터 수신 방법.
  8. 제7항에 있어서,
    상기 LOD들에 기반하여 상기 LOD에 속한 노드 내 첫 번째 포인트가 샘플링되거나,
    상기 LOD에 속한 노드 내 마지막 포인트가 샘플링되는,
    포인트 플라우드 데이터 수신 방법.
  9. 포인트 클라우드 데이터를 인코딩하는 단계;
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  10. 제9항에 있어서,
    상기 포인트 클라우드 데이터는 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  11. 제10항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 지오메트리 데이터를 인코딩하는 단계 및 상기 어트리뷰트 데이터를 인코딩하는 단계를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  12. 제11항에 있어서,
    상기 지오메트리 데이터를 인코딩하는 단계는,
    상기 지오메트리 데이터에 대한 옥트리 구조를 생성하고,
    상기 옥트리 구조에 포함된 각 노드를 대표하는 포인트의 위치를 각 노드의 바운딩 박스의 중앙 위치에 가장 가까운 노드로 샘플링하는,
    포인트 클라우드 데이터 송신 방법.
  13. 제11항에 있어서,
    상기 어트리뷰트 데이터를 인코딩하는 단계는,
    상기 지오메트리 데이터 및 상기 어트리뷰트 데이터에 기반하여 상기 포인트 클라우드 데이터의 포인트들의 위치값을 몰톤 코드로 변경하고,
    상기 몰톤 코드에 기반하여 상기 포인트들을 정렬하고,
    상기 포인트들을 포함하는 옥트리 구조의 깊이 레벨로부터 상기 포인트들을 인코딩하는,
    포인트 클라우드 데이터 송신 방법.
  14. 제13항에 있어서,
    상기 어트리뷰트 데이터를 인코딩하는 단계는,
    상기 몰톤 코드 및 상기 몰톤 코드에 관한 범위값에 기반하여 각 노드에 속하는 포인트들을 분류하는 단계를 더 포함하는,
    포인트 클라우드 데이터 송신 방법.
  15. 제11항에 있어서,
    상기 어트리뷰트 데이터를 인코딩하는 단계는,
    상기 지오메트리 데이터에 대한 옥트리 구조를 생성하고,
    상기 옥트리 구조에 기반하여 LOD(Level of Detail)들을 생성하고
    상기LOD들로부터 LOD에 속한 노드에 포함된 포인트들을 샘플링하는,
    포인트 클라우드 데이터 송신 방법.
  16. 제15항에 있어서,
    상기 LOD들에 기반하여 상기 LOD에 속한 노드 내 첫 번째 포인트가 샘플링되거나,
    상기 LOD에 속한 노드 내 마지막 포인트가 샘플링되는,
    포인트 플라우드 데이터 송신 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. 포인트 클라우드 데이터를 인코딩하는 인코더;
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  20. 제19항에 있어서,
    상기 포인트 클라우드 데이터는 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는,
    포인트 클라우드 데이터 송신 장치.
PCT/KR2020/010283 2019-10-03 2020-08-04 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2021066312A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202080069413.9A CN114503586B (en) 2019-10-03 2020-08-04 Point cloud data transmitting device, point cloud data transmitting method, point cloud data receiving device and point cloud data receiving method
EP20870816.4A EP4006839B1 (en) 2019-10-03 2020-08-04 Device for transmitting point cloud data, method for transmitting point cloud data, device for receiving point cloud data, and method for receiving point cloud data

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201962910400P 2019-10-03 2019-10-03
US62/910,400 2019-10-03
US201962911954P 2019-10-07 2019-10-07
US62/911,954 2019-10-07

Publications (1)

Publication Number Publication Date
WO2021066312A1 true WO2021066312A1 (ko) 2021-04-08

Family

ID=75273704

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/010283 WO2021066312A1 (ko) 2019-10-03 2020-08-04 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (4)

Country Link
US (3) US11057645B2 (ko)
EP (1) EP4006839B1 (ko)
KR (1) KR102340238B1 (ko)
WO (1) WO2021066312A1 (ko)

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10861196B2 (en) 2017-09-14 2020-12-08 Apple Inc. Point cloud compression
US10897269B2 (en) 2017-09-14 2021-01-19 Apple Inc. Hierarchical point cloud compression
US11818401B2 (en) 2017-09-14 2023-11-14 Apple Inc. Point cloud geometry compression using octrees and binary arithmetic encoding with adaptive look-up tables
US11113845B2 (en) 2017-09-18 2021-09-07 Apple Inc. Point cloud compression using non-cubic projections and masks
US10909725B2 (en) 2017-09-18 2021-02-02 Apple Inc. Point cloud compression
US10607373B2 (en) 2017-11-22 2020-03-31 Apple Inc. Point cloud compression with closed-loop color conversion
US10939129B2 (en) 2018-04-10 2021-03-02 Apple Inc. Point cloud compression
US10909727B2 (en) 2018-04-10 2021-02-02 Apple Inc. Hierarchical point cloud compression with smoothing
US11010928B2 (en) 2018-04-10 2021-05-18 Apple Inc. Adaptive distance based point cloud compression
US10867414B2 (en) 2018-04-10 2020-12-15 Apple Inc. Point cloud attribute transfer algorithm
US10909726B2 (en) 2018-04-10 2021-02-02 Apple Inc. Point cloud compression
US11017566B1 (en) 2018-07-02 2021-05-25 Apple Inc. Point cloud compression with adaptive filtering
US11202098B2 (en) 2018-07-05 2021-12-14 Apple Inc. Point cloud compression with multi-resolution video encoding
US11012713B2 (en) 2018-07-12 2021-05-18 Apple Inc. Bit stream structure for compressed point cloud data
US11367224B2 (en) 2018-10-02 2022-06-21 Apple Inc. Occupancy map block-to-patch information compression
US11430155B2 (en) 2018-10-05 2022-08-30 Apple Inc. Quantized depths for projection point cloud compression
US11057564B2 (en) 2019-03-28 2021-07-06 Apple Inc. Multiple layer flexure for supporting a moving image sensor
US11711544B2 (en) 2019-07-02 2023-07-25 Apple Inc. Point cloud compression with supplemental information messages
US11562507B2 (en) 2019-09-27 2023-01-24 Apple Inc. Point cloud compression using video encoding with time consistent patches
US11627314B2 (en) 2019-09-27 2023-04-11 Apple Inc. Video-based point cloud compression with non-normative smoothing
US11538196B2 (en) 2019-10-02 2022-12-27 Apple Inc. Predictive coding for point cloud compression
US11895307B2 (en) 2019-10-04 2024-02-06 Apple Inc. Block-based predictive coding for point cloud compression
EP4075804A4 (en) * 2020-01-07 2023-01-25 LG Electronics Inc. POINT CLOUD DATA TRANSMISSION DEVICE, TRANSMISSION METHOD, PROCESSING DEVICE AND PROCESSING METHOD
US11798196B2 (en) 2020-01-08 2023-10-24 Apple Inc. Video-based point cloud compression with predicted patches
US11475605B2 (en) 2020-01-09 2022-10-18 Apple Inc. Geometry encoding of duplicate points
WO2021141090A1 (ja) * 2020-01-10 2021-07-15 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置
US11450031B2 (en) 2020-04-14 2022-09-20 Apple Inc. Significant coefficient flag encoding for point cloud attribute compression
US11620768B2 (en) 2020-06-24 2023-04-04 Apple Inc. Point cloud geometry compression using octrees with multiple scan orders
US11615557B2 (en) 2020-06-24 2023-03-28 Apple Inc. Point cloud compression using octrees with slicing
US20220210480A1 (en) * 2020-12-29 2022-06-30 Qualcomm Incorporated Hybrid-tree coding for inter and intra prediction for geometry coding
US11611775B2 (en) * 2021-01-19 2023-03-21 Tencent America LLC Method and apparatus for point cloud coding
CN118042192A (zh) * 2021-03-12 2024-05-14 腾讯科技（深圳）有限公司 点云编码、解码的方法、装置及设备
US11948338B1 (en) 2021-03-29 2024-04-02 Apple Inc. 3D volumetric content encoding using 2D videos and simplified 3D meshes
US20240242390A1 (en) * 2021-05-11 2024-07-18 Lg Electronics Inc. Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device
WO2023211113A1 (ko) * 2022-04-25 2023-11-02 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023211109A1 (ko) * 2022-04-25 2023-11-02 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023211111A1 (ko) * 2022-04-25 2023-11-02 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2024123568A1 (en) * 2022-12-06 2024-06-13 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Geometry point cloud coding method, encoder and decoder
US20240202980A1 (en) * 2022-12-19 2024-06-20 Tencent America LLC Method and apparatus to symmetrize a mesh cross-reference to related application

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180087348A (ko) * 2016-01-22 2018-08-01 미쓰비시덴키 가부시키가이샤 점군을 압축하는 방법
US20190080483A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Point Cloud Compression
WO2019112995A1 (en) * 2017-12-04 2019-06-13 Interdigital Vc Holdings, Inc. A method and apparatus for encoding/decoding the geometry of a point cloud representing a 3d object

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7940279B2 (en) * 2007-03-27 2011-05-10 Utah State University System and method for rendering of texel imagery
US20140198097A1 (en) * 2013-01-16 2014-07-17 Microsoft Corporation Continuous and dynamic level of detail for efficient point cloud object rendering
US9928643B2 (en) * 2015-09-28 2018-03-27 Douglas Rogers Hierarchical continuous level of detail for three-dimensional meshes
US10911787B2 (en) * 2018-07-10 2021-02-02 Apple Inc. Hierarchical point cloud compression
US11166048B2 (en) * 2018-10-02 2021-11-02 Tencent America LLC Method and apparatus for video coding
US10762667B2 (en) * 2018-11-30 2020-09-01 Point Cloud Compression, B.V. Method and apparatus for compression of point cloud data
US11454710B2 (en) * 2019-01-08 2022-09-27 Apple Inc. Point cloud compression using a space filling curve for level of detail generation
US10964068B2 (en) * 2019-03-18 2021-03-30 Blackberry Limited Methods and devices for predictive point cloud attribute coding
CN113455007B (zh) * 2019-03-22 2023-12-22 腾讯美国有限责任公司 帧间点云属性编解码的方法和装置
CN114175100A (zh) * 2019-05-30 2022-03-11 Lg电子株式会社 用于处理点云数据的方法和装置
CN114073085A (zh) * 2019-07-02 2022-02-18 Lg 电子株式会社 点云数据处理方法和设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180087348A (ko) * 2016-01-22 2018-08-01 미쓰비시덴키 가부시키가이샤 점군을 압축하는 방법
US20190080483A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Point Cloud Compression
WO2019112995A1 (en) * 2017-12-04 2019-06-13 Interdigital Vc Holdings, Inc. A method and apparatus for encoding/decoding the geometry of a point cloud representing a 3d object

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KHALED MAMMOU, ISO, CHOU PHILIP A, FLYNN DAVID, KRIVOKUĆA MAJA, NAKAGAMI OHJI, SUGIO TOSHIYASU: "G-PCC codec description v2- ISO/IEC JTC1/SC29/WG11- ISO/IEC JTC1/SC29/WG11 N18189", 1 January 2019 (2019-01-01), XP055686871 *
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 *
See also references of EP4006839A4 *

Also Published As

Publication number Publication date
EP4006839A4 (en) 2022-11-09
KR102340238B1 (ko) 2021-12-16
US11057645B2 (en) 2021-07-06
KR20210040253A (ko) 2021-04-13
US20240121436A1 (en) 2024-04-11
EP4006839A1 (en) 2022-06-01
US20210105504A1 (en) 2021-04-08
US11889113B2 (en) 2024-01-30
EP4006839B1 (en) 2024-10-16
US20210314613A1 (en) 2021-10-07
CN114503586A (zh) 2022-05-13

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
WO2021141352A2 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021210764A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045601A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246843A1 (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
WO2021210743A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022035256A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022019713A1 (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
WO2022015006A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045603A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
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
WO2021182937A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021242064A1 (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
WO2021029575A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022240128A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2022220645A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022075753A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141221A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Legal Events

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

Ref document number: 20870816

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020870816

Country of ref document: EP

Effective date: 20220225

NENP Non-entry into the national phase

Ref country code: DE