WO2021141221A1 - 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
WO2021141221A1
WO2021141221A1 PCT/KR2020/015138 KR2020015138W WO2021141221A1 WO 2021141221 A1 WO2021141221 A1 WO 2021141221A1 KR 2020015138 W KR2020015138 W KR 2020015138W WO 2021141221 A1 WO2021141221 A1 WO 2021141221A1
Authority
WO
WIPO (PCT)
Prior art keywords
geometry
point cloud
cloud data
attribute
octree
Prior art date
Application number
PCT/KR2020/015138
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 EP20912067.4A priority Critical patent/EP4068789A4/en
Priority to JP2022541851A priority patent/JP7425207B2/ja
Priority to CN202080091844.5A priority patent/CN114930860A/zh
Publication of WO2021141221A1 publication Critical patent/WO2021141221A1/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
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/96—Tree coding, e.g. quad-tree coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—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
    • H04N19/50—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
    • 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
    • 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

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 three-dimensional media, and provides various services such as VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), and autonomous driving service. used to provide However, tens of thousands to hundreds of thousands of point data are needed to express point cloud content. Therefore, a method for efficiently processing a large amount of point data is required.
  • Embodiments provide an apparatus and method for efficiently processing point cloud data.
  • Embodiments provide a point cloud data processing method and apparatus for solving latency and encoding/decoding complexity.
  • a method for transmitting point cloud data includes encoding the point cloud data and transmitting a bitstream including the point cloud data.
  • a method for receiving point cloud data according to embodiments includes receiving a bitstream including the point cloud data and decoding the point cloud data.
  • the apparatus and method according to the embodiments may process point cloud data with high efficiency.
  • the apparatus and method according to the embodiments may provide a high quality point cloud service.
  • the apparatus and method according to the embodiments may provide point cloud content for providing universal services such as a VR service and an 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 shows an example of a neighbor node pattern according to embodiments.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • FIG. 13 is an example of a receiving apparatus according to embodiments.
  • FIG. 14 shows an example of a structure capable of interworking with a method/device for transmitting and receiving point cloud data according to embodiments.
  • 16 illustrates a method of processing a bitstream based on an LOD according to embodiments.
  • 17 illustrates a spatial scalability structure of geometry and attributes according to embodiments.
  • FIG. 20 illustrates an operation of reconstructing a geometry (position) on an intermediate node of an octree according to embodiments.
  • 21 illustrates a partial geometry decoding operation according to embodiments.
  • FIG. 22 shows a structure of a point cloud data encoder according to embodiments.
  • FIG. 23 shows the structure of a point cloud data decoder according to embodiments.
  • FIG. 24 shows the structure of a bitstream related to point cloud data according to embodiments.
  • SPS Sequence Parameter Set
  • GPS Geometry Parameter Set
  • TPS tile parameter set
  • 29 illustrates a geometry node according to embodiments.
  • 30 shows a sequence parameter set according to embodiments.
  • 31 shows a set of geometric parameters according to embodiments.
  • 34 illustrates a method for transmitting point cloud data according to embodiments.
  • 35 illustrates a method for 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 shown in FIG. 1 may include a transmission device 10000 and a reception device 10004 .
  • the transmitting device 10000 and the receiving device 10004 are capable of wired/wireless communication in order to transmit/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 may be a fixed station, a base transceiver system (BTS), a network, an Ariticial Intelligence (AI) device and/or system, a robot, an AR/VR/XR device and/or a server and the like.
  • BTS base transceiver system
  • AI Ariticial Intelligence
  • robot an AR/VR/XR device and/or a server and the like.
  • the transmission device 10000 uses a radio access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to perform communication with a base station and/or other wireless devices; It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Things (IoT) devices, AI devices/servers, and the like.
  • a radio access technology eg, 5G NR (New RAT), LTE (Long Term Evolution)
  • 5G NR New RAT
  • LTE Long Term Evolution
  • IoT Internet of Things
  • Transmission device 10000 is 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) ) contains
  • the point cloud video acquisition unit 10001 acquires the point cloud video through processing such as capturing, synthesizing, or generating.
  • the point cloud video is point cloud content expressed as a point cloud that 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 obtained 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 (eg, 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 encapsulation module) that performs an encapsulation operation.
  • the encapsulation unit may be included in the transmitter 10003 .
  • the file or segment may be transmitted to the receiving device 10004 through a network or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmitter 10003 may communicate with the receiving device 10004 (or a receiver 10005) through wired/wireless communication through networks such as 4G, 5G, and 6G. Also, the transmitter 10003 may perform a necessary data processing operation according to a network system (eg, a communication network system such as 4G, 5G, or 6G). Also, the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • a network system eg, 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 apparatus 10004 includes a receiver (Receiver, 10005), a point cloud video decoder (Point Cloud Decoder, 10006), and/or a renderer (Renderer, 10007).
  • the receiving device 10004 uses a radio access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to communicate with a base station and/or other wireless devices, a device, a robot , vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Things (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 (eg, 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 an encoded manner (eg, 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 the point cloud content.
  • the display may not be included in the renderer 10007 and may be implemented as a separate device or component.
  • the feedback information is information for reflecting the interactivity with the user who consumes the point cloud content, and includes user information (eg, head orientation information, viewport information, etc.).
  • user information eg, head orientation information, viewport information, etc.
  • the feedback information is provided by the content transmitting side (eg, the transmission device 10000) and/or the service provider can be passed on to According to embodiments, the feedback information may be used by the receiving device 10004 as well as the transmitting device 10000 or may not be provided.
  • the head orientation information is information about the user's head position, direction, angle, movement, and the like.
  • the receiving apparatus 10004 may calculate viewport information based on head orientation information.
  • the viewport information is information about the area of the point cloud video that the user is looking at.
  • a viewpoint is a point at which a user is watching a point cloud video, and may mean a central point of the viewport area. That is, the viewport is an area centered on a viewpoint, and the size and shape of the area may be determined by a Field Of View (FOV).
  • FOV Field Of View
  • the reception 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 checks the user's point cloud consumption method, the point cloud video area the user gazes at, the gaze time, and the like by performing a gaze analysis or the like.
  • the receiving device 10004 may transmit feedback information including the result of the gaze analysis to the transmitting device 10000 .
  • Feedback information may be obtained during rendering and/or display.
  • Feedback information may be secured by one or more sensors included in the receiving device 10004 .
  • the feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • a dotted line in FIG. 1 shows a process of transferring feedback information secured by the renderer 10007 .
  • the point cloud content providing system may process (encode/decode) the point cloud data based on the feedback information. Accordingly, the point cloud video data decoder 10006 may perform a decoding operation based on the feedback information. Also, the receiving device 10004 may transmit feedback information to the transmitting device 10000 . The transmitting 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 (for example, point cloud data corresponding to the user's head position) based on the feedback information, and the user can provide point cloud content to
  • the transmitting apparatus 10000 may be referred to as an encoder, a transmitting device, a transmitter, or the like, and the receiving apparatus 10004 may be referred to as a decoder, a receiving 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.
  • the 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).
  • a point cloud video is expressed as a point cloud belonging to a coordinate system representing a three-dimensional space.
  • a point cloud video according to embodiments may include a Ply (Polygon File format or the Stanford Triangle format) file.
  • the acquired point cloud video may include one or more Ply files.
  • the Ply file contains point cloud data such as the point's geometry and/or attributes. Geometry includes positions of 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 including 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 properties).
  • one point may have one attribute of color, or two attributes of color and reflectance.
  • the geometry may be referred to as positions, geometry information, geometry data, and the like, and the attribute may be referred to as attributes, attribute information, attribute data, and the like.
  • the point cloud content providing system receives points from information (eg, depth information, color information, etc.) related to the point cloud video acquisition process. Cloud data can be obtained.
  • the point cloud content providing system may encode the point cloud data (20001).
  • the point cloud content providing system may encode point cloud data based on point cloud compression coding.
  • the point cloud data may include the geometry and attributes of the point.
  • the point cloud content providing system may output a geometry bitstream by performing geometry encoding for encoding the 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 the 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 (eg, the receiving device 10004 or the receiver 10005) according to the embodiments may receive a bitstream including the encoded point cloud data. Also, the point cloud content providing system (eg, the receiving device 10004 or the receiver 10005) may demultiplex the bitstream.
  • the point cloud content providing system may decode the encoded point cloud data (for example, a geometry bitstream, an attribute bitstream) transmitted as a bitstream. have.
  • the point cloud content providing system (for example, the receiving device 10004 or the point cloud video decoder 10005) may decode the point cloud video data based on signaling information related to encoding of the point cloud video data included in the bitstream. have.
  • the point cloud content providing system (eg, the receiving device 10004 or the point cloud video decoder 10005) may decode the geometry bitstream to restore positions (geometry) of the points.
  • the point cloud content providing system may restore attributes of points by decoding an attribute bitstream based on the restored geometry.
  • the point cloud content providing system (eg, the receiving device 10004 or the point cloud video decoder 10005) may reconstruct the point cloud video based on positions and decoded attributes according to the reconstructed geometry.
  • the point cloud content providing system may render the decoded point cloud data (20004).
  • the point cloud content providing system may render the geometry and attributes decoded through the decoding process according to various rendering methods according to the rendering method. Points of the point cloud content may be rendered as a vertex having a certain thickness, a cube having a specific minimum size centered at the vertex position, or a circle centered at the vertex position. All or part of the rendered point cloud content is provided to the user through a display (eg, VR/AR display, general display, etc.).
  • a display eg, VR/AR display, general display, etc.
  • the point cloud content providing system (eg, the receiving device 10004) according to embodiments may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode the point cloud data based on the feedback information. Since the feedback information and the operation of the point cloud content providing system according to the embodiments are the same as the feedback information and operation described in FIG. 1 , a detailed description thereof will be omitted.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 3 shows an example of a point cloud video capture process of the point cloud content providing system described with reference to FIGS. 1 to 2 .
  • the point cloud content is an object located in various three-dimensional spaces (eg, a three-dimensional space representing a real environment, a three-dimensional space representing a virtual environment, etc.) and/or a point cloud video representing the environment (images and/or videos) are included.
  • one or more cameras eg, an infrared camera capable of securing depth information, color information corresponding to depth information
  • projectors for example, infrared pattern projectors to secure depth information, etc.
  • LiDAR etc.
  • the point cloud content providing system may extract a shape of a geometry composed of points in a three-dimensional space from depth information, and extract an attribute of each point from color information to secure point cloud data.
  • An image and/or an image according to embodiments may be captured based on at least one of an inward-facing method and an outward-facing method.
  • the left side of FIG. 3 shows an inward-pacing scheme.
  • the inward-pacing method refers to a method in which one or more cameras (or camera sensors) located surrounding the central object capture the central object.
  • the inward-facing method provides a 360-degree image of a point cloud content that provides a 360-degree image of a core object to the user (for example, a 360-degree image of an object (eg, a core object such as a character, player, object, actor, etc.) VR/AR content).
  • the right side of FIG. 3 shows an outward-pacing scheme.
  • the outward-pacing method refers to a method in which one or more cameras (or camera sensors) positioned surrounding the central object capture the environment of the central object rather than the central object.
  • the outward-pacing method may be used to generate point cloud content (eg, content representing an external environment that may be provided to a user of an autonomous vehicle) for providing a surrounding environment that appears from the user's point of view.
  • point cloud content eg, content representing an external environment that may be provided to a user of an autonomous vehicle
  • the point cloud content may be generated based on a capture operation of one or more cameras.
  • the point cloud content providing system may perform calibration of one or more cameras in order to set a global coordinate system before a capture operation.
  • the point cloud content providing system may generate the point cloud content by synthesizing the image and/or image captured by the above-described capture method and an arbitrary image and/or image.
  • the point cloud content providing system may not perform the capture operation described with reference to FIG. 3 when generating point cloud content representing a virtual space.
  • the point cloud content providing system according to the embodiments may perform post-processing on the captured image and/or the image. That is, the point cloud content providing system removes an unwanted area (for example, a background), recognizes a space where captured images and/or images are connected, and fills in a spatial hole if there is one. 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 obtained from each camera.
  • the point cloud content providing system may perform 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 and 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 controls the point cloud data (for example, positions of points and / or the like) to adjust the quality (eg, lossless, lossy, near-lossless) of the point cloud content according to the network situation or application. attributes) and perform an encoding operation.
  • the point cloud content providing system may not be able to stream the corresponding content in real time. Accordingly, the point cloud content providing system may reconfigure the point cloud content based on a maximum target bitrate in order to provide it according to a network environment.
  • the point cloud encoder may perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • the point cloud encoder may include a coordinate system transformation unit (Transformation Coordinates, 40000), a quantization unit (Quantize and Remove Points (Voxelize), 40001), an octree analysis unit (Analyze Octree, 40002), and a surface appropriation analysis unit ( Analyze Surface Approximation (40003), Arithmetic Encode (40004), Reconstruct Geometry (40005), Color Transformer (Transform Colors, 40006), Attribute Transformer (Transfer Attributes, 40007), RAHT Transform It includes a unit 40008, an LOD generator (Generated LOD, 40009), a lifting transform unit (Lifting) 40010, a coefficient quantization unit (Quantize Coefficients, 40011) and/or an arithmetic encoder (Arithmetic Encode, 40012).
  • a coordinate system transformation unit Transformation Coordinates, 40000
  • a quantization unit Quantization and Remove Points (Voxelize)
  • the coordinate system transformation unit 40000, the quantization unit 40001, the octree analysis unit 40002, the surface approximation 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 trisup geometry encoding are applied selectively or in combination. Also, the geometry encoding is not limited to the above example.
  • the coordinate system conversion unit 40000 receives the positions and converts them into a coordinate system.
  • the positions may be converted into position information in a three-dimensional space (eg, a three-dimensional space expressed in an XYZ coordinate system, etc.).
  • Location information in a 3D space according to embodiments may be referred to as geometry information.
  • the quantizer 40001 quantizes the geometry. For example, the quantizer 40001 may quantize the points based on the minimum position values of all points (eg, the 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 quatization scale value, and then performs a quantization operation to find the nearest integer value by rounding or rounding it down. Accordingly, one or more points may have the same quantized position (or position value). The quantizer 40001 according to embodiments performs voxelization based on quantized positions to reconstruct quantized points.
  • the quantizer 40001 performs voxelization based on quantized positions to reconstruct quantized points.
  • a minimum unit including 2D image/video information is a pixel, and points of point cloud content (or 3D point cloud video) according to embodiments may be included in one or more voxels.
  • the quantizer 40001 may match groups of points in a 3D space to voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • a position of a center point of a corresponding voxel may be set based on positions of one or more points included in one voxel.
  • attributes of all positions included in one voxel may be combined and assigned to a corresponding voxel.
  • the octree analyzer 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 the octal tree structure.
  • the surface approximation analyzer 40003 may analyze and approximate the octree.
  • Octree analysis and approximation 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.
  • the encoding results in a geometry bitstream.
  • Color transform unit 40006, attribute transform unit 40007, RAHT transform unit 40008, LOD generating unit 40009, lifting transform unit 40010, coefficient quantization unit 40011 and/or arithmetic encoder 40012 performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is equally applied 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 may include color transform coding, attribute transform coding, region adaptive hierarchical transform (RAHT) coding, interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding, and interpolation-based hierarchical nearest -neighbor prediction with an update/lifting step (Lifting Transform)) may include coding.
  • RAHT region adaptive hierarchical transform
  • coding interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding
  • Lifting Transform interpolation-based hierarchical nearest -neighbor prediction with an update/lifting step
  • attribute encoding 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 converter 40006 according to embodiments may be optionally applied according to color values included in the 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 a reconstructed geometry (or a reconstructed geometry).
  • the attribute transform unit 40007 performs an attribute transform that transforms attributes based on positions where geometry encoding has not been performed and/or a reconstructed geometry. As described above, since the attributes are dependent on the geometry, the attribute conversion unit 40007 may transform the attributes based on the reconstructed geometry information. For example, the attribute conversion unit 40007 may convert an attribute of a point at the position based on the position value of the point included in the voxel. As described above, when the position of the center point of a corresponding voxel is set based on the positions of one or more points included in one voxel, the attribute conversion unit 40007 converts attributes of the one or more points. When the tri-soup geometry encoding is performed, the attribute conversion unit 40007 may convert the attributes based on the tri-soup geometry encoding.
  • the attribute conversion unit 40007 is an average value of attributes or attribute values (eg, color or reflectance of each point) of neighboring points within a specific position/radius from the position (or position value) of the center point of each voxel. can be calculated to perform attribute transformation.
  • the attribute conversion unit 40007 may apply a weight according to the distance from the center point to each point when calculating the average value.
  • each voxel has a position and a computed attribute (or attribute value).
  • the attribute transform 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 the K-D tree or the Morton code.
  • the K-D tree is a binary search tree and supports a data structure that can manage points based on location so that Nearest Neighbor Search-NNS is possible quickly.
  • the Molton code represents a coordinate value (eg (x, y, z)) representing the 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 transform unit 40007 may align the points based on the Molton code value and perform a shortest neighbor search (NNS) through a depth-first traversal process. After the attribute transform operation, when the nearest neighbor search (NNS) is required in another transform 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 converter 40008 performs RAHT coding for predicting attribute information based on the reconstructed geometry information.
  • the RAHT transform unit 40008 may predict attribute information of a node at an upper 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 indicates the detail of the point cloud content, and the smaller the LOD value, the lower the detail of the point cloud content, and the larger the LOD value, the higher the detail of the point cloud content. Points may 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, lifting transform coding may be selectively applied.
  • the coefficient quantizer 40011 quantizes the attribute-coded attributes based on the coefficients.
  • the arithmetic encoder 40012 encodes the quantized attributes based on arithmetic coding.
  • the elements of the point cloud encoder of FIG. 4 are hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. , software, firmware, or a combination thereof.
  • the one or more processors may perform at least any one or more of the operations and/or functions of the elements of the point cloud encoder of FIG. 4 described above.
  • the one or more processors may also operate or execute a set of software programs and/or instructions for performing the 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, non-volatile memory (eg, one or more magnetic disk storage devices, flash memory devices, or other non-volatile solid state memory). memory devices (such as solid-state memory devices).
  • FIG. 5 shows an example of a voxel according to embodiments.
  • voxel 5 is an octree structure that recursively subdivides a bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ).
  • An example of a voxel generated through One voxel includes at least one or more points.
  • a voxel may estimate spatial coordinates from a positional relationship with a voxel group.
  • voxels have attributes (such as color or reflectance) like pixels of a 2D image/image.
  • 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.
  • the point cloud content providing system (point cloud video encoder 10002) or point cloud encoder (eg, octree analysis unit 40002) efficiently manages the area and/or position of voxels.
  • point cloud video encoder 10002 or point cloud encoder eg, octree analysis unit 40002
  • octree geometry coding or octree coding based on octree structure is performed.
  • FIG. 6 shows the octree structure.
  • the three-dimensional space of the point cloud content according to the embodiments is expressed by axes (eg, X-axis, Y-axis, and Z-axis) of the coordinate system.
  • the octree structure is created by recursive subdividing a cubic 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 value of d 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 six faces.
  • each of the eight spaces is again divided based on the axes of the coordinate system (eg, X-axis, Y-axis, and Z-axis). Therefore, each space is further divided into 8 small spaces.
  • the divided small space is also expressed as a cube with six faces. This division method is applied until a leaf node of the octree becomes a voxel.
  • the lower part of FIG. 6 shows the occupanci code of the octree.
  • An occupancy code of an octree is generated to indicate whether each of eight divided spaces generated by dividing one space includes at least one point. Accordingly, one occupanci code is expressed by eight child nodes. Each child node represents the occupancies of the divided space, and each child node has a value of 1 bit. Therefore, the occupanci 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 corresponding node has a value of 1. If the space corresponding to the child node does not contain a point (empty), the node has a value of 0. Since the occupanci code shown in FIG.
  • a point cloud encoder (eg, arithmetic encoder 40004 ) according to embodiments may entropy encode the occupanci code. In addition, to increase the compression efficiency, the point cloud encoder can intra/inter-code the occupanci code.
  • the receiving apparatus (eg, the receiving apparatus 10004 or the point cloud video decoder 10006) according to the embodiments reconstructs an octree based on the occupanci code.
  • the point cloud encoder (eg, the point cloud encoder of FIG. 4 , or the octree analyzer 40002) according to embodiments 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 on the entire 3D space. For example, if there are few points in a specific area, it is not necessary to perform voxelization up to the corresponding area.
  • the point cloud encoder does not perform voxelization on the above-described specific region (or a node other than a leaf node of an octree), but directly codes positions of points included in the specific region. ) can be done. Coordinates of direct coding points according to embodiments are called direct coding mode (DCM).
  • DCM direct coding mode
  • the point cloud encoder according to the embodiments may perform trisoup geometry encoding for reconstructing positions of points in a specific region (or node) based on a voxel based on a surface model.
  • Tri-Soop 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 trisup geometry encoding according to embodiments may be selectively performed. Also, direct coding and trisup geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use a direct mode for applying direct coding must be activated, and a node to which direct coding is to be applied is not a leaf node, but is below a threshold within a specific node. points must exist. In addition, the number of whole points to be subjected to direct coding should not exceed a preset limit value. If the above condition is satisfied, the point cloud encoder (or the arithmetic encoder 40004 ) according to embodiments may entropy-code positions (or position values) of points.
  • the point cloud encoder (for example, the surface appropriation analyzer 40003) according to the embodiments determines a specific level of the octree (when the level is smaller than the depth d of the octree), and from that level, a node using the surface model It is possible to perform tri-soup geometry encoding that reconstructs the position of a point in a region based on voxels (tri-soup mode).
  • the point cloud encoder according to the embodiments may designate a level to which tri-soup geometry encoding is to be applied. For example, if the specified level is equal to the depth of the octree, the point cloud encoder will not operate in trichop mode.
  • the point cloud encoder may operate in the tri-soup mode only when the designated level is smaller than the depth value of the octree.
  • a three-dimensional cube region of nodes of a specified level according to embodiments is called a block.
  • One block may include one or more voxels.
  • a block or voxel may correspond to a brick.
  • the geometry is represented as a surface.
  • a surface according to embodiments may intersect each edge of the block at most once.
  • a vertex existing along an edge is detected when there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An ocupided voxel 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 of all voxels adjacent to the edge among all blocks sharing the edge.
  • the point cloud encoder may entropy-code the starting point (x, y, z) of the edge and the direction vectors ( ⁇ vertex position values (relative position values within the edge) of the edge).
  • the point cloud encoder eg, the geometry reconstruction unit 40005
  • the point cloud encoder performs a triangle reconstruction, up-sampling, and voxelization processes to restore a reconstructed image. You can create geometry (reconstructed geometry).
  • Vertices located at the edge of a block determine the surface that passes through the block.
  • the surface according to 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 perform a square on the values obtained by subtracting the center value from each vertex value, and obtain a value obtained by adding all the values.
  • the minimum value of the added values is obtained, and the projection process is performed along the axis with the minimum value. For example, if the x element is the minimum, each vertex is projected on the x-axis with respect to the center of the block and projected on the (y, z) plane. If the projected value on the (y, z) plane is (ai, bi), the ⁇ value 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 sorted in order from 1 to n.
  • the table below shows that for four vertices, two triangles can 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 the triangle by adding points along the edge of the triangle. Create additional points based on the upsampling factor and the width of the block. The additional points are called refined vertices.
  • the point cloud encoder may voxel the refined vertices. Also, the point cloud encoder may perform attribute encoding based on the voxelized position (or position value).
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • the point cloud encoder may perform entropy coding based on context adaptive arithmetic coding.
  • the point cloud content providing system or the point cloud encoder directly transmits the occupanci code.
  • Entropy coding is possible.
  • the point cloud content providing system or point cloud encoder performs entropy encoding (intra-encoding) based on the occupancies of the current node and the occupancies of neighboring nodes, or entropy encoding (inter-encoding) based on the occupancies of the previous frame. ) can be done.
  • a frame according to embodiments means a set of point cloud videos generated at the same time.
  • a point cloud encoder determines occupancy of neighboring nodes of each node of an octree and obtains a value of a neighbor pattern.
  • the neighbor node pattern is used to infer the occupancies 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) sharing at least one face with the cube.
  • the nodes shown in the figure are nodes of the same depth (depth).
  • the numbers shown in the figure represent the 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 the neighboring node pattern values.
  • the neighbor node pattern value is the sum of values multiplied by the weights of the ocupided neighbor nodes (neighbor nodes with points). Therefore, the neighbor node pattern values range from 0 to 63. When the value of the neighbor node pattern is 0, it indicates that there is no node (ocupid node) having a point among the neighboring nodes of the corresponding node. When the neighbor node pattern value is 63, it indicates that all of the neighbor nodes are ocupid nodes. As shown in the figure, since neighboring nodes to which weights 1, 2, 4, and 8 are assigned are ocupided 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 value of the neighboring node pattern (for example, if the value of the neighboring node pattern is 63, 64 types of coding are performed). According to embodiments, the point cloud encoder may reduce coding complexity by changing the neighbor node pattern value (eg, based on a table that changes 64 to 10 or 6).
  • the encoded geometry is reconstructed (decompressed).
  • 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, and voxelization. Since the attribute is dependent on the geometry, the attribute encoding is performed based on the reconstructed geometry.
  • the point cloud encoder may reorganize the points by LOD.
  • the figure shows the point cloud content corresponding to the LOD.
  • the left side of the drawing shows the original point cloud content.
  • the second figure from the left of the figure shows the distribution of the points of the lowest LOD, and the rightmost figure of the figure shows the distribution of the points of the highest LOD. That is, the points of the lowest LOD are sparsely distributed, and the points of the highest LOD are densely distributed. That is, as the LOD increases according to the direction of the arrow indicated at the bottom of the drawing, the interval (or distance) between the points becomes shorter.
  • the point cloud content providing system or the point cloud encoder (for example, the point cloud video encoder 10002, the point cloud encoder of FIG. 4, or the LOD generator 40009) generates an LOD. can do.
  • the LOD is created by reorganizing the points into a set of refinement levels according to a set LOD distance value (or 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 indicates the order of points P0 to P9 before LOD generation.
  • the LOD based order of FIG. 9 indicates the order of points according to the 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 perform predictive transform coding, lifting transform coding, and RAHT transform coding selectively or in combination.
  • a point cloud encoder may generate predictors for points and perform predictive transform coding to set a predictive attribute (or predictive attribute value) of each point. That is, N predictors may be generated for N points.
  • the prediction attribute (or attribute value) is a weight calculated based on the distance to each neighboring point in the attributes (or attribute values, for example, color, reflectance, etc.) of neighboring points set in the predictor of each point (or a weight value) is set as the average value of the multiplied value.
  • the point cloud encoder for example, the coefficient quantization unit 40011 according to the embodiments subtracts the predicted attribute (attribute value) from the attribute (attribute value) of each point (residuals, residual attribute, residual attribute value, attribute quantization and inverse quantization can be performed on the prediction residual value, etc.
  • the quantization process is shown in the following table.
  • the point cloud encoder (eg, the arithmetic encoder 40012 ) may entropy-code the quantized and dequantized residual values as described above when there are neighboring points to the predictor of each point.
  • the point cloud encoder (eg, the arithmetic encoder 40012 ) according to embodiments may entropy-code attributes of a corresponding point without performing the above-described process if there are no neighboring points in the predictor of each point.
  • the point cloud encoder (for example, the lifting transform unit 40010) according to the embodiments generates a predictor of each point, sets the LOD calculated in the predictor and registers neighboring points, and according to the distance to the neighboring points
  • Lifting transform coding can be performed by setting weights.
  • Lifting transform coding according to embodiments is similar to the aforementioned predictive transform coding, but is different in that a weight is accumulated and applied to an attribute value.
  • a process of accumulatively applying a weight to an attribute value according to the embodiments is as follows.
  • the weights calculated for all predictors are additionally multiplied by the weights stored in the QW corresponding to the predictor index, and the calculated weights are cumulatively added to the update weight array as the indexes of neighboring nodes.
  • the value obtained by multiplying the calculated weight by the attribute value of the index of the neighbor node is accumulated and summed.
  • predictive attribute values are calculated by additionally multiplying the attribute values updated through the lift update process by the weights updated through the lift prediction process (stored in QW).
  • a point cloud encoder eg, the coefficient quantization unit 40011
  • a point cloud encoder eg, arithmetic encoder 40012
  • entropy codes the quantized attribute values.
  • the point cloud encoder (for example, the RAHT transform unit 40008) according to the embodiments may perform RAHT transform coding for estimating the attributes of the nodes of the higher level by using the attributes associated with the nodes at the lower level of the octree.
  • RAHT transform coding is an example of attribute intra coding with octree backward scan.
  • the point cloud encoder according to the embodiments scans the entire area from the voxel, and repeats the merging process up to the root node while merging the voxels into a larger block at each step.
  • the merging process according to the embodiments is performed only for the ocupid node. A merging process is not performed on an empty node, and a merging process is performed on a node immediately above the empty node.
  • g lx, y, and z represent the average attribute values of voxels in level l.
  • g lx, y, z can be calculated from g l+1 2x, y, z and g l+1 2x+1, y, z.
  • g l-1 x, y, z are low-pass values, which are used in the merging process at the next higher level.
  • h l-1 x, y, z are high-pass coefficients, and the high-pass coefficients in each step are quantized and entropy-coded (eg, encoding of the arithmetic encoder 400012 ).
  • the root node is created as follows through the last g 1 0, 0, 0 and g 1 0, 0, 1 ,
  • the gDC value is also quantized and entropy-coded like the high-pass coefficient.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 10 is an example of the point cloud video decoder 10006 described in FIG. 1 , and may perform the same or similar operations to the operation 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 outputs decoded geometry by performing geometry decoding on the geometry bitstream.
  • 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 (decoded point cloud).
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 11 is an example of the point cloud decoder described with reference to FIG. 10 , and may perform a decoding operation that is a reverse process of the encoding operation of the point cloud encoder described with reference to FIGS. 1 to 9 .
  • the point cloud decoder may perform geometry decoding and attribute decoding. Geometry decoding is performed before attribute decoding.
  • a point cloud decoder may include an arithmetic decoder (11000), an octree synthesizing unit (synthesize octree, 11001), a synthesize surface approximation (11002), and a geometry reconstructing unit (reconstruct geometry). , 11003), inverse transform coordinates (11004), arithmetic decoder (11005), inverse quantize (11006), RAHT transform unit (11007), LOD generator (generate LOD, 11008) ), an inverse lifting unit (Inverse lifting, 11009), and / or color inverse transform unit (inverse transform colors, 11010).
  • the arithmetic decoder 11000 , the octree synthesizer 11001 , the surface opproximation synthesizer 11002 , the geometry reconstruction unit 11003 , and the coordinate system inverse transformation unit 11004 may perform geometry decoding.
  • Geometry decoding according to embodiments may include direct coding and trisoup geometry decoding. Direct coding and trisup geometry decoding are optionally applied. Also, the geometry decoding is not limited to the above example, and is performed as a reverse process of the geometry encoding described with reference to FIGS. 1 to 9 .
  • the arithmetic decoder 11000 decodes the received geometry bitstream based on arithmetic coding.
  • the operation of the arithmetic decoder 11000 corresponds to the reverse process of the arithmetic encoder 40004 .
  • the octree synthesizing unit 11001 may generate an octree by obtaining an ocupancy code from a decoded geometry bitstream (or information about a geometry secured as a result of decoding).
  • a detailed description of the occupanci code is the same as described with reference to FIGS. 1 to 9 .
  • the surface op-proximation synthesizing unit 11002 may synthesize a surface based on the decoded geometry and/or the generated octree when the tri-top geometry encoding is applied.
  • the geometry reconstruction unit 11003 may reconstruct a geometry based on the surface and/or the decoded geometry. As described with reference to FIGS. 1 to 9 , direct coding and tri-soup geometry encoding are selectively applied. Accordingly, the geometry reconstruction unit 11003 directly brings and adds position information of points to which direct coding is applied. In addition, when tri-soup geometry encoding is applied, the geometry reconstruction unit 11003 may perform a reconstruction operation of the geometry reconstruction unit 40005, for example, triangle reconstruction, up-sampling, and voxelization to restore the geometry. have. Specific details are the same as those described with reference to FIG. 6 and thus will be omitted.
  • the reconstructed geometry may include a point cloud picture or frame that does not include attributes.
  • the coordinate system inverse transform unit 11004 may obtain positions of points by transforming the coordinate system based on the restored geometry.
  • the arithmetic decoder 11005, the inverse quantization unit 11006, the RAHT transform unit 11007, the LOD generation unit 11008, the inverse lifting unit 11009, and/or the color inverse transform unit 11010 are the attributes described with reference to FIG. decoding can be performed.
  • Attribute decoding according to embodiments includes Region Adaptive Hierarchical 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 Hierarchical Transform
  • Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding
  • interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)) decoding may be included.
  • the arithmetic decoder 11005 decodes an attribute bitstream by arithmetic coding.
  • the inverse quantization unit 11006 inverse quantizes the decoded attribute bitstream or information about the attribute secured as a result of decoding, and outputs inverse quantized attributes (or attribute values). Inverse quantization may be selectively applied based on attribute encoding of the point cloud encoder.
  • the RAHT transformation unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may process the reconstructed geometry and dequantized attributes. As described above, the RAHT converting unit 11007, the LOD generating unit 11008 and/or the inverse lifting unit 11009 may selectively perform a corresponding decoding operation according to the encoding of the point cloud encoder.
  • the color inverse transform unit 11010 performs inverse transform coding for inverse transforming color values (or textures) included in decoded attributes.
  • the operation of the color inverse transform unit 11010 may be selectively performed based on the operation of the color transform unit 40006 of the point cloud encoder.
  • the elements of the point cloud decoder of FIG. 11 are not shown in the figure, 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 any one or more of the operations and/or functions of the elements of the point cloud decoder of FIG. 11 described above.
  • the 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 decoder of FIG. 11 .
  • the transmission device shown in FIG. 12 is an example of the transmission device 10000 of FIG. 1 (or the point cloud encoder of FIG. 4 ).
  • the transmitting apparatus shown in FIG. 12 may perform at least any one or more of the same or similar operations and methods to the operations and encoding methods of the point cloud encoder described with reference to FIGS. 1 to 9 .
  • the transmission apparatus includes a data input unit 12000 , a quantization processing unit 12001 , a voxelization processing unit 12002 , an 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 conversion processing unit (or attribute conversion processing unit) 12009, prediction/lifting/RAHT conversion It may include a processing unit 12010 , an arithmetic coder 12011 , and/or a transmission processing unit 12012 .
  • 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 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. Since the geometry encoding according to the embodiments is the same as or similar to the geometry encoding described with reference to FIGS. 1 to 9 , a detailed description thereof will be omitted.
  • the quantization processing unit 12001 quantizes a geometry (eg, a position value of points or a position value).
  • 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 with reference to FIG. 4 .
  • a detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the voxelization processing unit 12002 voxelizes position values of quantized points.
  • the voxelization processing unit 12002 may perform the same or similar operations and/or processes as those of the quantization unit 40001 described with reference to FIG. 4 and/or the voxelization process. A detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the octree occupancy code generator 12003 performs octree coding on the positions of voxelized points based on the octree structure.
  • the octree occupancy code generator 12003 may generate an occupanci code.
  • the octree occupancy code generator 12003 may perform the same or similar operations and/or methods to those of the point cloud encoder (or the octree analyzer 40002) described with reference to FIGS. 4 and 6 . A detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the surface model processing unit 12004 may perform tri-supply geometry encoding for reconstructing positions of points in a specific region (or node) based on a voxel based on a surface model.
  • the fore surface model processing unit 12004 may perform the same or similar operations and/or methods to those of the point cloud encoder (eg, the surface appropriation analyzer 40003) described with reference to FIG. 4 .
  • a detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the intra/inter coding processing unit 12005 may perform intra/inter coding of point cloud data.
  • the intra/inter coding processing unit 12005 may perform the same or similar coding to the intra/inter coding described with reference to FIG. 7 . A detailed description is the same as that described with reference to FIG. 7 .
  • the intra/inter coding processing unit 12005 may be included in the arithmetic coder 12006 .
  • the arithmetic coder 12006 entropy encodes an octree and/or an approximated octree of point cloud data.
  • the encoding method includes an arithmetic encoding method.
  • the arithmetic coder 12006 performs the same or similar operations and/or methods as the operations and/or methods of the arithmetic encoder 40004 .
  • the metadata processing unit 12007 processes metadata related to point cloud data, for example, a setting value, and provides it to necessary processing 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. Also, 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. Since the attribute encoding according to the embodiments is the same as or similar to the attribute encoding described with reference to FIGS. 1 to 9 , a detailed description thereof will be omitted.
  • the color conversion processing unit 12008 performs color conversion coding for converting color values included in the attributes.
  • the color conversion processing unit 12008 may perform color conversion coding based on the reconstructed geometry.
  • the description of the reconstructed geometry is the same as that described with reference to FIGS. 1 to 9 .
  • the same or similar operation and/or method to the operation and/or method of the color conversion unit 40006 described with reference to FIG. 4 is performed. A detailed description will be omitted.
  • the attribute transformation processing unit 12009 performs an attribute transformation for transforming attributes based on positions where geometry encoding has not been performed and/or a reconstructed geometry.
  • the attribute transformation processing unit 12009 performs the same or similar operations and/or methods as those of the attribute transformation unit 40007 described in FIG. 4 . A detailed description will be omitted.
  • the prediction/lifting/RAHT transform processing unit 12010 may code the transformed attributes by any one or a combination of RAHT coding, predictive transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT transformation processing unit 12010 performs at least one or more of the same or similar operations to the operations of the RAHT transformation unit 40008, the LOD generation unit 40009, and the lifting transformation unit 40010 described with reference to FIG. 4 . do.
  • the descriptions of predictive transform coding, lifting transform coding, and RAHT transform coding are the same as those described with reference to FIGS. 1 to 9 , a detailed description thereof will be omitted.
  • the arithmetic coder 12011 may encode coded attributes based on arithmetic coding.
  • the arithmetic coder 12011 performs the same or similar operations and/or methods to the operations and/or methods of the arithmetic encoder 400012 .
  • the transmission processing unit 12012 transmits each bitstream including the encoded geometry and/or the encoded attribute and metadata information, or converts the encoded geometry and/or the encoded attribute and metadata information into one It can be transmitted by configuring it as a bitstream.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to the embodiments is a sequence parameter set (SPS) for signaling of a sequence level, a geometry parameter set (GPS) for signaling of a geometry information coding, an attribute parameter set (APS) for signaling of an attribute information coding, a tile Signaling information including a Tile Parameter Set (TPS) for level signaling and slice data may be included.
  • SPS sequence parameter set
  • GPS geometry parameter set
  • APS attribute parameter set
  • TPS Tile Parameter Set
  • Slice data may include information about one or more slices.
  • One slice according to embodiments may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 , Attr1 0 ).
  • a slice refers to a series of syntax elements representing all or a part of a coded point cloud frame.
  • the TPS may include information about each tile (eg, coordinate value information and height/size information of a bounding box, etc.) for one or more tiles.
  • a geometry bitstream may include a header and a payload.
  • the header of the geometry bitstream according to the embodiments may include identification information (geom_ parameter_set_id), a tile identifier (geom_tile_id), a slice identifier (geom_slice_id) of a parameter set included in GPS, and information about data included in a payload, etc.
  • the metadata processing unit 12007 may generate and/or process signaling information and transmit it to the transmission processing unit 12012 .
  • elements performing geometry encoding and elements performing attribute encoding may share data/information with each other as dotted lines are processed.
  • the transmission processing unit 12012 may perform the same or similar operation and/or transmission method to the operation and/or transmission method of the transmitter 10003 . Since the detailed description is the same as that described with reference to FIGS. 1 to 2 , a detailed description thereof will be omitted.
  • FIG. 13 is an example of a receiving apparatus according to embodiments.
  • the reception apparatus shown in FIG. 13 is an example of the reception apparatus 10004 of FIG. 1 (or the point cloud decoder of FIGS. 10 and 11 ).
  • the receiving apparatus shown in FIG. 13 may perform at least any one or more of the same or similar operations and methods to the operations and decoding methods of the point cloud decoder described with reference to FIGS. 1 to 11 .
  • the reception apparatus includes a reception unit 13000 , a reception processing unit 13001 , an arithmetic decoder 13002 , an Occupancy code-based octree reconstruction processing unit 13003 , and a surface model processing unit (triangle reconstruction). , up-sampling, voxelization) 13004, inverse quantization processing unit 13005, metadata parser 13006, arithmetic decoder 13007, inverse quantization processing unit 13008, prediction It may include a /lifting/RAHT inverse transformation processing unit 13009 , an inverse color transformation processing unit 13010 , and/or a renderer 13011 .
  • Each component of decoding according to embodiments may perform a reverse process of a component of encoding according to embodiments.
  • the receiver 13000 receives point cloud data.
  • the receiver 13000 may perform the same or similar operation and/or reception method as the operation and/or reception method of the receiver 10005 of FIG. 1 . A detailed description will be omitted.
  • the reception processing unit 13001 may acquire a geometry bitstream and/or an attribute bitstream from the received data.
  • the reception processing unit 13001 may be included in the reception unit 13000 .
  • the arithmetic decoder 13002, the occupancy 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 with reference to FIGS. 1 to 10 , a detailed description thereof will be omitted.
  • the arithmetic decoder 13002 may decode a geometry bitstream based on arithmetic coding.
  • the arithmetic decoder 13002 performs the same or similar operations and/or coding to the operations and/or coding of the arithmetic decoder 11000 .
  • the ocupancy code-based octree reconstruction processing unit 13003 may reconstruct the octopus by obtaining an occupanci code from a decoded geometry bitstream (or information about a geometry secured as a result of decoding).
  • the occupancy code-based octree reconstruction processing unit 13003 performs the same or similar operations and/or methods as those of the octree synthesis unit 11001 and/or the octree generation method.
  • the surface model processing unit 13004 may decode a trichop geometry based on the surface model method and reconstruct the geometry related thereto (eg, triangle reconstruction, up-sampling, voxelization) based on the surface model method when trisuple geometry encoding is applied. can be performed.
  • the surface model processing unit 13004 performs the same or similar operations to the operations of the surface op-proximation synthesis unit 11002 and/or the geometry reconstruction unit 11003 .
  • the inverse quantization processing unit 13005 may inverse quantize the decoded geometry.
  • the metadata parser 13006 may parse metadata included in the received point cloud data, for example, a setting value.
  • the metadata parser 13006 may pass the 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 the attribute decoding is the same as or similar to the attribute decoding described with reference to FIGS. 1 to 10 , a detailed description thereof will be omitted.
  • the arithmetic decoder 13007 may decode the attribute bitstream by arithmetic coding.
  • the arithmetic decoder 13007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the arithmetic decoder 13007 performs the same or similar operation and/or coding to the operation and/or coding of the arithmetic decoder 11005 .
  • the inverse quantization processing unit 13008 may inverse quantize the decoded attribute bitstream.
  • the inverse quantization processing unit 13008 performs the same or similar operations and/or methods to those of the inverse quantization unit 11006 and/or the inverse quantization method.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 may process the reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 performs the same or similar operations and/or decodings as 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 any one or more of the decodings are performed.
  • the inverse color transform processing unit 13010 according to embodiments performs inverse transform coding for inverse transforming color values (or textures) included in decoded attributes.
  • the color inverse transform processing unit 13010 performs the same or similar operation and/or inverse transform coding to 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 or more 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 smart phone 1440 , or the home appliance 1450 are referred to as devices.
  • the XR device 1430 may correspond to a point cloud data (PCC) device according to embodiments or may be linked with the PCC device.
  • PCC point cloud data
  • the cloud network 1400 may constitute a part of the cloud computing infrastructure or may refer to a network existing 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 . It is connected through and may help at least a part of the processing of the connected devices 1410 to 1470 .
  • a Head-Mount Display (HMD) 1470 represents one of the 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 linked/coupled with the point cloud data transmission/reception device according to the above-described embodiments.
  • XR / PCC device 1430 is PCC and / or XR (AR + VR) technology is applied, HMD (Head-Mount Display), HUD (Head-Up Display) provided in the vehicle, television, mobile phone, smart phone, It may be implemented as a computer, a wearable device, a home appliance, a digital signage, a vehicle, a stationary robot, or a mobile robot.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • the XR/PCC device 1430 analyzes three-dimensional point cloud data or image data acquired through various sensors or from an external device to generate position data and attribute data for three-dimensional points in the surrounding space or real objects. Information can be obtained and the XR object to be output can be rendered and output. For example, the XR/PCC apparatus 1430 may output an XR object including additional information on the recognized object to correspond to the recognized object.
  • the XR/PCC device 1430 may be implemented as a mobile phone 1440 or the like to which PCC technology is applied.
  • the mobile phone 1440 may decode and display the point cloud content based on the PCC technology.
  • the autonomous vehicle 1420 may be implemented as a mobile robot, a vehicle, an unmanned aerial vehicle, etc. by applying PCC technology and XR technology.
  • the autonomous driving vehicle 1420 to which the XR/PCC technology is applied may mean an autonomous driving vehicle equipped with a means for providing an XR image or an autonomous driving vehicle subject to control/interaction within the XR image.
  • the autonomous driving vehicle 1420 that is the target of control/interaction within the XR image may be distinguished from the XR device 1430 and may be interlocked with each other.
  • the autonomous vehicle 1420 having means for providing an XR/PCC image may obtain sensor information from sensors including a camera, and 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 a passenger 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 portion of the XR/PCC object may be output so as to overlap the actual object to which the passenger's gaze is directed.
  • the XR/PCC object when the XR/PCC object is output to a display provided inside the autonomous vehicle, at least a portion 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 a lane, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, 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 virtual CG image on top of an actual object image.
  • the MR technology is similar to the AR technology described above in that it shows the virtual objects by mixing and combining them in the real world.
  • AR technology the distinction between real objects and virtual objects made of CG images is 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. distinct from technology. More specifically, for example, a hologram service to which the aforementioned MR technology is applied.
  • VR, AR, and MR technologies are sometimes called XR (extended reality) technologies rather than clearly distinguishing them. Accordingly, embodiments of the present invention are applicable to all of VR, AR, MR, and XR technologies. For these technologies, encoding/decoding based on PCC, V-PCC, and G-PCC technologies may be applied.
  • the PCC method/apparatus according to the embodiments may be applied to a vehicle providing an autonomous driving service.
  • a vehicle providing an autonomous driving service is connected to a PCC device for wired/wireless communication.
  • the point cloud data (PCC) transceiver receives/processes AR/VR/PCC service-related content data that can be provided together with the autonomous driving service when connected to a vehicle to enable wired/wireless communication, can be sent to
  • the point cloud transceiver may receive/process AR/VR/PCC service-related content data according to a user input signal input through the user interface device and provide it to the user.
  • a vehicle or a user interface device may receive a user input signal.
  • a user input signal according to embodiments may include a signal indicating an autonomous driving service.
  • the method/device for transmitting and receiving point cloud data according to the embodiments may be abbreviated as a method/device according to the embodiments.
  • geometry may be referred to as geometry data, geometry information, position values of points, and the like.
  • attributes may be referred to as attribute data, attribute information, attribute values (color, reflectivity, etc.) of points.
  • FIG. 15 is an octree 15000 and attributes of the geometry generated by the point cloud video encoder 10002 of FIG. 1, the encoding 20001 of FIG. 2, the encoding process of the points of the encoder of FIG. 4, and the transmitter of FIG. 12 LODs 15010 are shown.
  • the decoding process of the bitstream including the point cloud video decoder 10006 of FIG. 1 , the decoding 20003 of FIG. 2 , the decoder of FIG. 4 , the decoder of FIG. 11 , and the point cloud data of the receiver of FIG. 13 .
  • the octree 15000 of the generated geometry and LODs 15010 of the attribute are shown.
  • Embodiments provide a spatial scalability function of Geometry-based Point Cloud Compression (G-PCC) for three-dimensional point cloud data compression. It relates to a method of increasing geometry compression efficiency by reconstructing a position.
  • G-PCC Geometry-based Point Cloud Compression
  • the octree 15000 of the geometry is an octal tree of position values of points generated by the octree analysis unit 40002 of the encoder according to embodiments (refer to FIGS. 5 to 6 ).
  • the attribute LODs 15010 are a set of LODs for an octree-based attribute generated by the LOD generator 40009 of the encoder according to embodiments (refer to FIGS. 8 to 9 ).
  • An octree 15000 of geometry and LODs 15010 of an attribute may include a specific level 15030 . According to the level, when the LOD index is low, it is a full-resolution point cloud original, and when the LOD index is high, it means a full-resolution point cloud bitstream (see Fig. 8).
  • the method/apparatus may perform scalable encoding and/or decoding.
  • embodiments may generate an octree 15000 of points generated through scalable geometry encoding/decoding at a specific depth 15030 of the octree.
  • the attribute LODs 15010 may be generated through scalable attribute encoding/decoding (lifting method).
  • the embodiments propose an operation of an encoder/decoder that processes point cloud data so that the geometry octree 15040 and the positions 15050 of points of the attribute octree are similar, and a syntax of signaling information therefor.
  • the method/apparatus according to the embodiments may perform geometry position reconstruction for spatial scalability, and may generate and transmit/receive signaling information for supporting the method.
  • 16 illustrates a method of processing a bitstream based on an LOD according to embodiments.
  • the encoder 16020 is the transmitter 10000 of Figure 1, the point cloud video encoder 10002, the encoder 20001 of Figure 2, the encoder of Figure 4, the transmitter of Figure 12, and the XR device 1430 of Figure 14. can respond.
  • the decoder 16030 includes the receiver 10004 of FIG. 1 , the point cloud video decoder 10006 , the decoder 20003 of FIG. 2 , the decoder of FIGS. 10-11 , the receiver of FIG. 13 , and the XR device 1430 of FIG. 14 . ), may correspond to the decoders 17000 and 17010 of FIG.
  • Embodiments may perform geometry position encoding/decoding for supporting spatial scalability of Geometry-based Point Cloud Compression (G-PCC) for 3D point cloud data compression.
  • G-PCC Geometry-based Point Cloud Compression
  • the method/device according to the embodiments may provide a function of sending and processing a point cloud having a low resolution when the point cloud data is dense and the bandwidth is low.
  • the method/device according to the embodiments may process data so that the receiving device can render the point cloud data according to the function of the receiving device.
  • the method / apparatus when the point cloud data is dense and the performance of the decoder is low, the method / apparatus according to the embodiments provides a function of providing a point cloud of low resolution by partially decoding so as to reduce the amount of computation on the decoder side. can provide
  • the encoder 16020 may receive the point cloud original data of full resolution.
  • the encoder 16020 may configure the geometry of the point cloud data as an octree.
  • the encoder 16020 may encode only the geometry 16040 up to a certain level based on LODs. According to the level of the LOD, the encoder 16020 may generate the low-resolution point cloud i-th LOD to the high-resolution point cloud bitstream.
  • the decoder 16030 may receive the low-resolution point cloud i-th LOD or the high-resolution point cloud bitstream transmitted to the encoder.
  • the decoder 16030 may decode and restore the point cloud data corresponding to the specific level 16050 and render it.
  • the decoder 16030 may generate a low-resolution decoded point cloud or a high-resolution decoded point cloud.
  • the encoder 16020 may receive the full resolution point cloud original data.
  • the encoder 16020 may encode a geometry octree of all levels rather than a specific level.
  • the encoder 16020 may generate a full resolution point cloud bitstream.
  • the decoder 16030 may receive the full resolution point cloud bitstream.
  • the decoder 16030 may decode and restore the point cloud data up to a specific level 16060 .
  • the decoder 16030 may generate the low-resolution point cloud data.
  • the data processing shown in FIG. 16 provides an effect regarding spatial scalability of point cloud data.
  • the transmitting device or encoder according to the embodiments may encode and transmit only a part of the point cloud data, and in 160010, the transmitting device or the encoder according to the embodiments may encode and transmit the entire point cloud data.
  • the receiving device or decoder according to the embodiments may partially decode and restore the received point cloud data scalably based on a specific level of the octree.
  • the spatial scalability function according to the embodiments has an effect of efficiently processing point cloud data according to a transmission environment, characteristics, and performance of a reception device.
  • 17 illustrates a spatial scalability structure of geometry and attributes according to embodiments.
  • the decoders 17000 and 17010 are the point cloud video decoder 10006 of the receiving device 10004 of FIG. 1 , the decoder 20003 performing decoding of FIG. 2 , and the decoder for decoding the geometry bitstream and attribute bitstream of FIG. 11 . , may correspond to or be combined with the receiving device of FIG. 13 , the XR device 1430 of FIG. 14 , and the decoder 16030 of FIG. 16 .
  • the decoder 17000 may restore the low-resolution point cloud data having an attribute.
  • the decoder 17000 receives partial geometry data and partial attribute data corresponding to a specific level 17020 of the octree from a geometry bitstream and an attribute bitstream expressed by LOD (level of detail), and a low-resolution point cloud having an attribute data can be restored.
  • LOD level of detail
  • the decoder 17010 may restore full-resolution point cloud data.
  • the decoder 17010 may restore the full-resolution point cloud data by receiving the geometry data and attribute data including all of the geometry bitstream and attribute bitstream expressed by LOD (level of detail) to the end of the level of the octree.
  • LOD level of detail
  • Geometry encoding and geometry decoding control the depth level of the octree to encode or decode the occupancy bits up to the selected depth level (eg, 15030, 16040, 16050, 16060). It can provide a scalability function.
  • an encoder and/or a decoder may need to relocate a geometry position value.
  • the encoder and/or decoder of the transceiver may increase geometry compression efficiency by reconstructing a position (eg, geometry) of a point based on an octree for a spatial scalability function.
  • the spatial scalability function according to embodiments may be combined with other embodiments. That is, the terms used in this document may be understood based on the intended meaning of the terms within the range widely used in the relevant field.
  • the method/apparatus according to the embodiments may apply the same octree structure to a geometry to provide a spatial scalability function during encoding and/or decoding (refer to FIG. 17).
  • the method/apparatus according to the embodiments proposes a method of constructing a corresponding partial geometry from the entire geometry bitstream to the selected depth level 17020 of the octree.
  • the method of reconstructing the geometry for each LOD may be performed by the PCC decoder/encoder according to the embodiments.
  • FIG. 18 shows the geometry of the transmitter 10000 of FIG. 1 , the point cloud video encoder 10002 , the encoder 20001 of FIG. 2 , the encoder of FIG. 4 , the transmitter of FIG. 12 , and the XR device 1430 of FIG. 14 .
  • 15-16 shows an operation for supporting spatial scalability when encoding .
  • An encoder may perform lossy geometry coding.
  • the encoder according to embodiments may quantize the geometry. A detailed operation of quantization according to embodiments will be described with reference to FIG. 19 .
  • An encoder may partially encode the geometry. Partial geometry encoding according to embodiments will be described with reference to FIG. 20 .
  • Fig. 19 shows the detailed operation of S18000 of Fig. 18;
  • FIG. 19 illustrates an operation in which an encoder quantizes a geometry according to embodiments.
  • the quantizer or voxelizer 40001 of FIG. 4 the voxelization processor 12002 of FIG. 12, or the like may perform quantization as shown in FIG.
  • the encoder may perform quantization by multiplying a geometric position value by a scale value for lossy geometry coding.
  • the position value indicated by the geometry data is changed.
  • Quantization may include a ceil, a floor, a round, and the like.
  • An encoder may quantize a geometry based on various quantization types for spatial scalability.
  • the encoder may transmit quantization type information applied to the geometry by including it in the point cloud bitstream.
  • the decoder may reconstruct the position of the geometry based on quantization type information included in the bitstream.
  • the discard quantization 19000 may be changed by discarding a point position value of a geometry.
  • the point 19020 may have position values (1.2, 1.1, 1.4) in the coordinate system within the voxel 19030 . If the encoder quantizes the point 19020 by discarding it, the decimal point value of each position value may be removed. For example, position values (1.2, 1.1, 1.4) are quantized into position values (1, 1, 1).
  • the point 19050 may have position values (0.6, 0.5, 0.6) in the coordinate system within the voxel 19060 . If the encoder discards point 19050 and quantizes it, the position value (0.6, 0.5, 0.6) can be quantized to (0, 0, 0).
  • the rounding quantization 19010 may convert a point position value of a geometry into an adjacent integer value.
  • the point 19080 may have position values 1.2, 1.1, and 1.4 within the voxel 19090 . 1.2, 1.1, 1.4 lie between 1 and 2.
  • each coordinate value may be set to the closest value of 1 and 2. That is, (1.2, 1.1, 1.4) is quantized to (1, 1, 1).
  • the point 19100 may have position values (0.6, 0.5, 0.6) within the voxel 19110 .
  • the position values (0.6, 0.5, 0.6) can be quantized into position values (1, 1, 1).
  • 0.5 may be round quantized to 1.
  • a point located in the middle such as 0.5 may be quantized to 0 or 1 according to a setting according to embodiments.
  • the method/apparatus according to the embodiments may set the representative position of the node of the octree based on a quantization technique (eg, rounding, rounding, rounding, etc.).
  • a quantization technique eg, rounding, rounding, rounding, etc.
  • an encoder may perform lossy coding by quantizing a position value of a geometry.
  • An encoder may quantize points according to directions 19140 and 19150 according to an encoding order.
  • Quantization may be used for lossy geometry coding, and when lossless coding other than lossy coding is applied, the quantization operation may be optional.
  • FIG. 20 illustrates an operation of reconstructing a geometry (position) on an intermediate node of an octree according to embodiments.
  • the encoder may generate and transmit a partial geometry bitstream by encoding only a specific depth level of the octree without encoding the entire octree (up to the leaf node of the octree) for spatial scalability.
  • An encoder may generate an occupancy bit up to a specific depth level of an octree and reconstruct geometry location information based on the encoded geometry information in order to encode an attribute as shown in FIGS. 15-16 .
  • the encoder sets a representative position of an octree middle node (LOD N in FIG. 20) rather than a leaf node when reconstructing a geometric position as shown in FIGS. 18-20 and reconstructs the position as a point.
  • the representative position can be set as the left, bottom, and front (Left, Bottom, Front) points of the node area (or bounding box, voxel, etc. 20020, 20070, 20090, 20100) (20000), and the center (Middle/center) position It may be determined as (20010), or it may be determined as a centroid according to the distribution (20010). It can also be set to a variety of different corner positions.
  • the central position may mean a central position of each node area in LOD N (regardless of a point position within a node, a central value of a bounding box).
  • the center point is the actual center value of the points included in each node area in LOD N, and after checking whether it is the left/bottom/front of the lower node including the point, or the center of the lower node, the type of the location It informs the decoder with information signaling the index (0-7) of the node and its lower node.
  • the method/apparatus according to the embodiments restores the geometry value itself to the representative position when the geometry position is restored.
  • Such restoration has the effect of better matching with the result from attribute coding.
  • the weight (distance) is calculated by moving it to a representative central position.
  • this value may not be an actual value when position restoration at an intermediate level is bottom/left/front in partial decoding. That is, it is a virtual value. This is because, in order to know where the actual point is within the area, it must be decoded up to the leaf level. Accordingly, encoding/decoding efficiency is further increased by centered on the representative position.
  • Partial decoding may perform data only up to L level, which is a specific level among a plurality of levels, for specific reasons such as the decoder does not want, cannot, or does not need to decode the full level. can be restored. Therefore, the representative positions of all nodes from 0 to N level are not restored, but are restored to the representative positions according to the occupied bit for each octree node in the L level desired by the decoder. If the occupancy bit of the corresponding octree node is 0, it is not restored.
  • the encoder according to the embodiments may represent point cloud data, for example, a geometry in an octree structure.
  • the octree is composed of a node region 20020 and points included in the node region 20020 according to the octree level.
  • the octree level may be represented by LODs 20030 . From LOD 0 to LOD N, the size of the node region decreases as the index N increases, and in the case of a level corresponding to a leaf node, the node region may correspond to a voxel.
  • the encoder may represent points of a geometry located in space in an octree structure based on a point distance such as a level of detail (LOD).
  • LOD level of detail
  • the node region 20020 may include one or more points.
  • the encoder according to the embodiments may set the representative positions of the points of the node region 2002 to the left, lower, and front positions 20040 .
  • the point of the node region 20020 may be regarded as the point of the representative location 20040 .
  • a node of LOD level N-1 may include a maximum of 8 nodes as lower nodes (or child nodes).
  • One or more nodes included in the LOD N level may also set the representative position of each node region to the left, bottom, and front positions 20050 of each node region.
  • the encoder may set the representative position of each node region as the central position 20060 of the node region.
  • the representative position of the node region 20070 may be the center.
  • the node region 20070 may include a maximum of 8 lower nodes (or child nodes).
  • one or more nodes may have a central location of each node as a representative location 2008 of one or more points included in the node.
  • a representative location type of an octree node according to embodiments may be signaled.
  • the encoder according to the embodiments may transmit information indicating the representative location type (representing 20000, 20010, etc.) of the octree node according to the embodiments as metadata, signaling information, or parameters in the point cloud bitstream.
  • the reception device according to the embodiments may restore the location of the geometry included in the point cloud bitstream based on the representative location type related information included in the bitstream.
  • a neighboring point may be searched by considering the representative position of the attribute as the center.
  • the reference distance may be calculated based on the center movement.
  • Fig. 20 shows a spatially scalable geometry encoding method.
  • the encoder may calculate where the center point of the lower child level position in the current octree depth level (0 to N) belongs. It can be set as a point to the left, bottom, front position of the lower level, or a center position, or each corner.
  • the encoder or metadata processor may add a lower-level position index value and a lower-level representative position type to the point cloud bitstream as signaling information or parameters. Based on the signaling information, the decoder according to the embodiments may reconstruct a partial geometry position.
  • the representative position type applied when encoding the partial geometry may set a representative value according to the quantization type applied in the quantization step of the loss geometry.
  • the representative position type may be set to the center, and if the quantization type is a rounding method, the representative position type may be configured as a right-top-back position.
  • the quantization type and/or the representative position type according to the embodiments may be transmitted as a parameter and signaling information of a bitstream.
  • the decoder may reconstruct the partial geometry point position based on the parameter or signaling information.
  • Attribute encoding/decoding may be performed based on the same point(s) during attribute encoding and/or attribute decoding.
  • the depth of the entire octree when encoded with partial geometry, not only the depth of the entire octree, but also the depth level of the octree used for encoding may be included in the bitstream as signaling information and transmitted.
  • the geometry position reconstruction operation of FIG. 20 may be operated by the following syntax.
  • ChildIdx GeometryNodeChildren[ child ]
  • PointPos[ PointCount ][ 0 ] geomScale( x , 0);
  • PointPos[ PointCount ][ 1 ] geomScale( y , 1);
  • PointPos[ PointCount ][ 2 ] geomScale( z , 2);
  • PointPos[ PointCount ][ 0 ] geomScale( ( x ⁇ EffectiveChildNodeSizeLog2 ) + PointOffsetX[ i ] , 0);
  • PointPos[ PointCount ][ 1 ] geomScale( ( y ⁇ EffectiveChildNodeSizeLog2 ) + PointOffsetY[ i ] , 1);
  • PointPos[ PointCount ][ 2 ] geomScale( ( z ⁇ EffectiveChildNodeSizeLog2 ) + PointOffsetZ[ i ] , 2);
  • PointPos[ PointCount ][ 0 ] geomScale( ( x ⁇ EffectiveChildNodeSizeLog2 ) + PointOffsetX[ 0 ] , 0);
  • PointPos[ PointCount ][ 1 ] geomScale( ( y ⁇ EffectiveChildNodeSizeLog2 ) + PointOffsetY[ 0 ] , 1);
  • PointPos[ PointCount ][ 2 ] geomScale( ( z ⁇ EffectiveChildNodeSizeLog2 ) + PointOffsetZ[ 0 ] , 2);
  • PointPos[ i ][ 0 ] (PointPos[ i ][ 0 ] & mask) + (1 ⁇ (minGeomNodeSizeLog2 - 1))
  • PointPos[ i ][ 1 ] (PointPos[ i ][ 1 ] & mask) + (1 ⁇ (minGeomNodeSizeLog2 - 1))
  • PointPos[ i ][ 2 ] (PointPos[ i ][ 2 ] & mask) + (1 ⁇ (minGeomNodeSizeLog2 - 1))
  • the method/apparatus according to the embodiments may set the position of each node of a specific octree level (eg, LOD 0 to N) as a center value (eg, 20060, 20080) through bit operation. That is, the & and ⁇ operations can move the position to the center by leaving or deleting 0/1 bits.
  • a specific octree level eg, LOD 0 to N
  • a center value eg, 20060, 20080
  • the level of the octree may be set to minGeomNodeSizeLog2.
  • Mask (-1) ⁇ minGeomNodeSizeLog2 operation can create a bit for erasing right-most digits based on 0s and & operation to apply a specific octree level.
  • PointPos[i][0] & mask operation can delete the right digit from the position value. Then, the position values of the left, bottom, and front (left, bottom, front) of the octree of the corresponding level can be created.
  • the geometry position reconstruction operation of FIG. 20 may be performed by a geometry encoder, or may be performed by a point cloud encoder. Furthermore, geometry position reconstruction is performed in conjunction with attribute encoding and/or attribute decoding. That is, if the geometric position is reconstructed, there is an effect that the point cloud data can be well restored.
  • the restored position values are left/bottom/front (Left/bottom/front) values. can be set as the default (ie, a hypothetical value). It is not known which sub-octree node is occupied in the intermediate node. Left/bottom/front is also a virtual value, and when encoding and/or decoding an attribute, the weight value of each point with NN (Nearest Neighbor) must be calculated. Therefore, the weight (distance) value is calculated after shifting the node value to the central position value.
  • the geometry is restored to the left/bottom/front point, and it is assumed that the attribute is at the center, and it has the effect of reducing errors caused by inconsistency when calculating the weight of NN.
  • both geometry/attribute are restored to the center (20060, 20080) and matched, so that PSNR is improved.
  • Reconstructing the representative position is for decoding up to a specific level. That is, partial decoding is possible. According to embodiments, encoding may proceed to a full level ( 16010 ). Apart from shifting the attribute coding NN weight to the center in the attribute encoding, geometry position reconstruction can provide the same effect as above.
  • 21 illustrates a partial geometry decoding operation according to embodiments.
  • the decoders 17000 and 17010 are the point cloud video decoder 10006 of the receiving device 10004 of FIG. 1 , the decoder 20003 performing decoding of FIG. 2 , and the decoder for decoding the geometry bitstream and attribute bitstream of FIG. 11 . , a partial geometry decoding operation performed by the receiving apparatus of FIG. 13 , the XR device 1430 of FIG. 14 , the decoder 16030 of FIG. 16 , and the decoders 17000 and 17010 of FIG. 17 .
  • Operation 21000 represents a partial geometry decoding operation according to embodiments.
  • partial geometry bitstreams can be generated and transmitted to the decoder by encoding only a specific depth level without encoding the entire octree (up to the leaf nodes of the tree).
  • partial geometry encoding may be used for brow nail support.
  • the decoder may decode up to a specific depth level of the octree without decoding all of the received octree-based bitstream.
  • Geometry decoding may include the following three cases.
  • the receiving apparatus and/or decoder according to the embodiments may execute the following three cases, respectively, according to the embodiments.
  • a receiving device or decoder receives a bitstream including full-resolution full geometry from a transmitting device or encoder.
  • the receiving device may restore the entire geometry position information from the entire geometry based on the octree.
  • the receiving device receives a bitstream including the full-resolution full geometry from the transmitting device.
  • the receiving device may partially reconstruct the geometry and partial location information from the octree-based geometry to a specific level (spatial scalability).
  • the receiving device receives the partial geometry bitstream from the transmitting device.
  • the receiving device may restore the entire octree corresponding to the partial geometry.
  • the second case ( S21010 ) and/or the third case ( S21020 ) may correspond to partial geometry decoding.
  • the second case ( S21010 ) may correspond to operation 16010 of FIG. 16
  • the third case ( S21020 ) may correspond to operation 16000 of FIG. 16 .
  • the receiving apparatus may perform the following operations ( S21030 and S21040 ) using the following information.
  • the decoder may decode the geometry and reconstruct the position value of the geometry.
  • the decoder may decode the geometry and reconstruct the position value of the geometry.
  • the receiving apparatus may decode the position of the partial geometry according to the embodiments as follows ( S21050 and S21060 ).
  • the decoder may parse the occupied bits included in the received geometry. At this time, for partial decoding, occupied bits corresponding to an octree at a specific level are parsed. An octree can be constructed based on the parsed occupied bits.
  • the occupancy bits may be parsed from the geometry bitstream to the octree of a specific level for partial decoding, and the octree may be configured.
  • Nodes may be configured according to whether or not a certain level of occupied bit is present.
  • the decoder may reconstruct the position values of the configured nodes.
  • the position within the node can be calculated with the same position as the quantization type. For example, as shown in FIG. 19 , the position of the point 19080 that was quantized as the point 19120 may be reconstructed and calculated.
  • FIG. 22 shows a structure of a point cloud data encoder according to embodiments.
  • FIG. 22 shows the transmitter 10000 of FIG. 1, the point cloud video encoder 10002, the encoder 20001 of FIG. 2, the encoder of FIG. 4, the transmitter of FIG. 12, the XR device 1430 of FIG. It is a detailed structural diagram of an encoder according to embodiments corresponding to the encoder 16020 of . Each component corresponds to hardware, software, a processor and/or a combination thereof.
  • Each component of FIG. 22 may always be included in the encoder according to the embodiments, and may be selectively included for each component. Signaling information regarding the operation of the encoding component of the encoder may be included in the bitstream and transmitted.
  • the transmitting apparatus or the encoder included in the transmitting apparatus encodes the point cloud data and generates a geometric information bitstream and/or an attribute information bitstream.
  • the data input device 22000 may receive geometry data, attribute data, and/or parameters related thereto.
  • the coordinate system converter 22010 may convert a coordinate system related to position (coordinate) information of geometric data.
  • the coordinate system transformation unit 17010 may correspond to the coordinate system transformation unit 40000 of FIG. 4 .
  • the geometric information transformation quantization processor 22020 may be referred to as a geometric information transformation quantizer or the like.
  • the geometric information transformation quantization processing unit 20020 may correspond to the quantizer 40001 of FIG. 4 .
  • the geometric information transformation quantization processing unit 22020 may receive one full scale value (quantization value) and adjust the scale according to the distribution of content.
  • the space divider 22030 may divide the point cloud data into space division units according to embodiments.
  • the space divider 22030 may spatially divide the space of data by using a tile, block, density-based, axis-based, attribute-based, geometry-based method, etc. according to the data characteristics of the point cloud data.
  • the space divider 22030 may perform data partitioning.
  • a frame may 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 contain one geometry data unit and zero or one or more attribute data units. Attribute data units may depend on corresponding geometry data within the same slice.
  • a geometry data unit may appear before related attribute units.
  • the data units of a slice are contiguous.
  • a group of slices may be identified by a common tile identifier.
  • Tile information describing the bounding box for each tile may be in the bitstream. Tiles may overlap other tiles in the bounding box.
  • Each slice may include an index identifying which tile belongs to.
  • the geometric information encoding 22040 may encode the geometry data of the point cloud data.
  • the detailed process of geometry encoding may be performed by the following components.
  • the geometric information encoding 22040 may generate an octree based on the point cloud quantized by the octree generator, and may be used by the color readjuster.
  • the geometry encoder 22040 (eg, the octree generator 22060 ) may set the depth level of the octree and set the points to be encoded from the set octree depth level.
  • the octree depth level applied to the partial geometry as a parameter in the bitstream, it can be signaled to the decoder, and the octree depth level setting environment can be changed according to the purpose of use or computing performance of the decoder.
  • the voxelization processor 22050 may voxelize the geometry data.
  • the voxelization processor 22050 may correspond to the voxelizer 40001 of FIG. 4 .
  • the voxelization type may quantize a geometry according to a quantization type setting according to embodiments (refer to FIGS. 18-19 ).
  • the quantization type applied to the geometry by the encoder according to the embodiments may be included in the bitstream as a parameter (signaling information) and transmitted to the receiving device according to the embodiments.
  • the voxelization processor 22050 may signal a quantization type used in lossy geometry coding to the decoder, and may be used in the encoder and/or the geometry position restorers 22090 and 23030 of the decoder.
  • a quantization type may include a ceil, a floor, and a rounding scheme.
  • the octree generator 22060 may correspond to the octree analyzer 40002 of FIG. 4 .
  • the octree generator 22060 may generate the geometry data in an octree structure.
  • geometry encoding may be performed as follows: 1) A bounding box defined by two points may be defined. An 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 accumulative code. One bit per each sub-cube can be expressed as 1 when the point is filled, and 0 when the point is empty. Sub-cubes with a size greater than 1 are further divided. A sub-cube of size 1 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 may be arithmetically 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 accumulatory codes.
  • points of the sub-cube can be arithmetically decoded.
  • the octree generator 22060 may generate an octree for the geometry. You can create an octree for the entire geometry, or create an octree for a part of the geometry.
  • the octree generator 22060 may generate an octree including leaf nodes including all levels (16000) or a partial octree including nodes up to a specific level. (16010).
  • the transmitter may include the depth level of the octree as a parameter (signaling information) in the bitstream and transmit it to the receiver.
  • the geometric information predictor 22070 may predict the geometry data.
  • the geometric information prediction unit 22070 may generate a predicted value of the geometry data between the parent node and the child node in the octree structure.
  • a geometry bitstream may be constructed by generating a residual value through the prediction value and entropy-coding the residual value. There is an effect of efficient bitstream transmission by coding only the residual value with the predicted value.
  • the geometry prediction unit 22070 may restore (reconstruct) geometry data from a geometry octree for attribute coding. This is because attribute coding is performed based on the reconstructed geometry data.
  • the geometric information predictor 22070 may not always be performed. There are options for action. Geometry prediction is performed according to the option value. For example, whether to operate may be signaled by the Adjacent Child Neibhgour flag.
  • Whether the value generated through the geometric information predictor 22070 is occupied by the current octree node may be known.
  • the value is transmitted and input to the geometry position reconstruction unit 22090 .
  • the geometry position reconfiguration unit 22090 only matters whether the corresponding node is occupied.
  • the geometry entropy encoder 22080 may entropy-code geometry data to generate a geometry bitstream.
  • the geometry position reconstructor 22090 may reconstruct the geometry. That is, the geometry encoded by the geometry encoder 22040 may be reconstructed. The geometric position values are reconstructed. The reconstructed geometry position value is provided to the attribute encoder 22100 .
  • the geometry position reconstructor 22090 may receive the representative position type of each octree node and reconstruct the geometric position value according to the representative position type (refer to FIG. 20).
  • the representative position type used in the encoder may be included in a parameter of the bitstream and provided to the decoder.
  • the representative position type uses the same type as the quantization type (see Fig. 19), and selects all corner positions such as left-bottom-front (Left, Bottom, Front)/right-bottom-front, etc. (see 20000 in Fig. 20) , a middle position selection (see 20010 of FIG. 20 ), a central point position selection method, and the like.
  • the central position means the center of a bounding box that is a node area.
  • the geometry position reconstructor 22090 transmits the index of the node of the lower level of the octree depth level to which the centroid value calculated by analyzing the distribution of points belongs to the decoder as signaling information (parameter) as a bitstream. can be included and transmitted. For example, the values of node indices 0 to 7 of the lower level may be transmitted.
  • the geometric location reconstructor 22090 may reconstruct a geometric location value according to a representative location type of a location to be reconstructed based on a node index of a lower level in which the centroid is located.
  • the representative position type may be included as parameter information of the bitstream and transmitted to the decoder.
  • the representative position type uses the same type as the quantization type, selects all corner positions such as left-bottom-front (Left, Bottom, Front)/right-bottom-front, etc., and selects the middle position. .
  • the encoder may send data in full, and the decoder may partially decode it. Also, according to embodiments, the encoder partially encodes the data can be transmitted When the encoder partially encodes and transmits data, the operation of restoring the center point location selection may require additionally lower-level node indexes because there is no additional information on child nodes. Accordingly, the index of the node of the lower level may be transmitted to the decoder. Since there are a maximum of 8 lower nodes, the encoder may transmit the index value of the lower node corresponding to the central position value among them to the decoder.
  • the node index received during decoding becomes the central point.
  • the decoder does not need to receive the node index of the lower level. This is because the decoder can find the lower level and bring the center point.
  • the decoder may receive the center point index and set it as a representative position value.
  • the attribute information encoder 22100 may encode attribute data.
  • the attribute information encoder 22100 may encode an attribute based on a geometry reconstructed according to a representative location type.
  • the attribute may be encoded based on the representative position of the node of the octree based on the octree including up to a specific level.
  • the attribute information encoder 22100 may include the following elements.
  • the color conversion processor 22110 may convert the color of the attribute data according to data characteristics.
  • the color re-adjuster may perform color re-adjustment when overlapping points are merged on the reconstructed geometry octree structure, or perform RAHT attribute coding or prediction/lifting transformation attribute coding.
  • LOD can be configured accordingly.
  • the LOD configurator may construct the LOD from the point cloud data.
  • the LOD constructor can generate LODs from color-reconciled attribute data based on the restored geometry (geometric data). LOD can be generated when prediction/Lift Transform other than RAHT is applied during attribute coding.
  • a neighbor point set constructor (not shown) configures a set of neighboring points of a point belonging to the LOD in the corresponding LOD and higher LODs based on the LOD.
  • Every point can have one predictor. Predicts an attribute from neighboring points registered in the predictor.
  • a predictor can predict properties.
  • the average of values obtained by multiplying the properties of registered neighboring points by a weight may be used as the predicted result, or a specific point may be used as the predicted result.
  • a method that can generate the smallest stream can be selected.
  • the residual of the attribute value of the point and the attribute value predicted by the predictor of the point may be encoded together with the method selected by the predictor and signaled to the receiver.
  • the decoder can decode the step-transmitted prediction method and predict the attribute value according to the method.
  • the attribute value may be restored by decoding the transmitted residual value and adding the predicted value.
  • An attribute information predictor (not shown) predicts an attribute value of a point from a set of neighboring points. For example, when encoding Px, if a set of neighboring points of Px is configured, predicting an attribute value of Px based on attribute values of neighboring points in the set, obtaining a residual between the predicted attribute value and Px attribute value, The residual value may be encoded and transmitted to a decoder. On the other hand, 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 attribute values of neighboring points in the neighboring set, and adds the received residual value to determine the value of Px. Restore the attribute value.
  • the residual attribution information quantization processor may generate a predicted value for the attribute data, generate a residual value between the predicted value and the attribute value, and quantize the residual value.
  • the attribute information entropy encoder 22120 may entropy-code attribute data to generate an attribute bitstream.
  • the residual value may be coded to generate an attribute bitstream.
  • the transmitting apparatus may generate signaling information (metadata) or parameters indicating an operation related to geometry encoding and/or attribute encoding.
  • the transmitting apparatus may generate and transmit a bitstream including encoded geometry data, encoded attribute data, related metadata, and the like (refer to FIGS. 24 to 31 ).
  • a method of transmitting point cloud data may include encoding point cloud data; transmitting a bitstream including point cloud data; may include.
  • the encoding of the point cloud data may include encoding geometry data of the point cloud data and encoding attribute data of the point cloud data.
  • the encoding of the attribute data may include generating Levels of Details (LODs) based on the point cloud data, retrieving nearest neighbor points for the current point from the LODs, and the nearest neighbor points.
  • the method may include generating a predicted value for the attribute value of the current point based on the values, and encoding a residual value between the attribute value of the current point and the predicted value.
  • LODs Levels of Details
  • the encoding of the geometry may include voxelizing the geometry or expressing the geometry based on an octree.
  • the encoding according to embodiments may further include reconstructing the position of the geometry, and the reconstructing the position of the geometry may include, based on the octree for the geometry, reconstructing the position of the geometry up to a specific level of the octree.
  • the step of reconstructing the position of the geometry may reconstruct the position of the geometry based on the central position of each octree node of a specific level.
  • FIG. 23 shows the structure of a point cloud data decoder according to embodiments.
  • FIG. 23 shows the point cloud video decoder 10006 of the receiving device 10004 of FIG. 1, the decoding 20003 of FIG. 2, the decoder of FIGS. 10-11, and the receiving device for decoding the geometry bitstream and attribute bitstream of FIG. , may correspond to or be combined with the XR device 1430 for processing the point cloud data of FIG. 14 .
  • Each component corresponds to hardware, software, a processor and/or a combination thereof.
  • Each component of FIG. 23 may always be included in the decoder according to the embodiments, and may be selectively included for each component.
  • An operation for each component of the decoder may be performed based on signaling information regarding an operation of an encoding component of the encoder.
  • a receiving apparatus or a decoder included in the receiving apparatus may receive a bitstream.
  • a bitstream includes encoded geometry data, encoded attribute data, and related metadata.
  • the reception apparatus decodes and restores point cloud data based on metadata (parameters) related to bitstream and/or geometry encoding included in the bitstream and metadata (parameters) related to attribute encoding.
  • the geometric information decoder 23000 may receive the geometric information bitstream and decode the geometric information.
  • the geometric information decoding unit 23000 corresponds to a decoder of the receiving side corresponding to the geometric information encoding unit 22040 of the transmitting side, and the geometric information decoding unit 23000 is the reverse process of the operation of the geometric information encoding unit 22040. can be done
  • the geometric information entropy decoder 23010 may receive the geometric information bitstream and decode the geometric information based on the entropy method.
  • the geometric information entropy decoding unit 23010 may perform a reverse process of the operation of the geometric information entropy encoding unit 22080 .
  • the octree reconstructor 23020 may reconstruct an octree from the geometric information.
  • the octree reconstructor 23020 may perform a reverse process of the operation of the octree generator 22060 .
  • the octree reconstructor 23020 may configure and decode points to be attribute-decoded from the reconstructed octree depth level for partial geometry decoding.
  • the octree reconstructor 23020 may generate a full or partial octree based on information related to a partial octree level included in the received bitstream.
  • the geometry position reconstructor 23030 may reconstruct the position value of the reconstructed node according to the occupied bit in the partially decoded octree through the reconstructed quantization type or the reconstructed representative position type.
  • the geometry position reconstructor 23030 may reconstruct the geometry position based on information related to a quantization type, a representative position type, etc. included in the received bitstream.
  • the geometric information predictor 23040 may generate a predicted value of the geometric information. For example, by generating a prediction value between nodes in an octree structure, geometric information can be efficiently decoded using a residual value of the prediction value.
  • the geometric information prediction unit 23040 may perform a reverse process of the operation of the geometric information prediction unit 22070 .
  • the geometric information transformation inverse quantization processor 23050 may inversely quantize the geometry data.
  • the geometric information transformation inverse quantization processing unit 23050 obtains a scale value (quantization value) from signaling information (parameter) included in the bitstream, and applies inverse quantization to the geometric information reconstructed based on the scale value.
  • the coordinate system inverse transformer 23060 may inversely transform coordinate system information of geometric information.
  • the coordinate system inverse transform unit 23060 may perform a reverse process of the operation of the coordinate system transform unit 22010 .
  • the attribute information decoder 23070 may receive the attribute information bitstream and decode the attribute information.
  • the attribution information decoding unit 23070 may perform a reverse process of the operation of the attribution information encoding unit 22100 .
  • the attribute residual information entropy decoder 23080 may decode attribute residual information (eg, a residual value of attribute information) included in the attribute information bitstream based on the entropy method.
  • the attribute residual information entropy decoder 23080 may perform a reverse process of the operation of the attribute information entropy encoder 21160 .
  • the attribute information decoder 23070 may further include the following elements.
  • the LOD configurator may construct the LOD from the point cloud data.
  • the LOD construction unit 22080 may generate the LOD from the color-reconciled attribute data based on the restored geometric information (geometric data).
  • an LOD may be generated.
  • the LOD component may correspond to the LOD component included in the attribute information encoder of FIG. 22 .
  • a neighboring point set constructor may search for neighboring points of a point included in LODs based on the LOD generated from the attribute information bitstream and register it as a neighboring point set.
  • the neighboring point set constructing unit may correspond to the neighboring point set constructing unit included in the attribute information encoder of FIG. 22 .
  • the attribute information predictor may generate a predicted value for the 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 may perform a reverse process of the operation of the attribute information predictor included in the attribute information encoder of FIG. 22 .
  • the residual attribution information inverse quantization processor 23090 may inversely quantize the residual attribution information, for example, a residual value of the attribution information.
  • the residual attribution information inverse quantization processing unit 23090 may perform a reverse process of the operation of the residual attribution information quantization processing unit included in the attribution information encoder of FIG. 22 .
  • the inverse color conversion processor 23100 may inversely convert color information that is attribute information.
  • the inverse color conversion processing unit 23100 may perform a reverse process of the operation of the color conversion processing unit 22100 .
  • Point cloud data receiving apparatus a receiver for receiving a bitstream including point cloud data; a decoder for decoding point cloud data; includes
  • a decoder for decoding point cloud data includes a geometry decoder for decoding geometry data of point cloud data, and an attribute decoder for decoding attribute data of point cloud data.
  • An attribute decoder for decoding attribute data generates Levels of Details (LODs) based on point cloud data, retrieves nearest neighbor points for a current point from the LODs, and selects the nearest neighbor points generates a predicted value for the attribute value of the current point based on , restores the point cloud data based on a predicted value and a residual value of the point cloud data, and the predicted value is generated based on a prediction mode.
  • LODs Levels of Details
  • a geometry decoder for decoding a geometry may express a geometry based on an octree.
  • the decoder may reconstruct the position of the geometry up to a specific level of the octree based on the octree for the geometry.
  • the decoder may reconstruct the position of the geometry based on the central position of each octree node of a specific level.
  • FIG. 24 shows the structure of a bitstream related to point cloud data according to embodiments.
  • FIG. 24 shows the point cloud video encoder 10002 of the transmitter 10000 of FIG. 1, the encoding 20001 of FIG. 2, the encoder of FIG. 4, the transmitter of FIG. 12, the XR device of FIG. 14, the encoder of FIG. 22, etc. It represents the structure of a bitstream encoded and generated by the .
  • the bitstream of Fig. 24 is the point cloud video decoder 10006 of the receiving device 10004 of Fig. 1, the decoding 20003 of Fig. 2, the decoder of Figs. 10-11, the receiving device of Fig. 13, the XR device of Fig. 14, It can be received and decoded by the decoder of FIG. 23 or the like.
  • the method/apparatus may encode point cloud data, generate related information, and include it in a bitstream for transmission and reception.
  • a point cloud data encoder performing geometry encoding and/or attribute encoding may generate an encoded point cloud (or a bitstream including the point cloud) as follows.
  • the signaling information about the point cloud data may be generated and processed by the metadata processing unit of the point cloud data transmission apparatus to be included in the point cloud as follows.
  • the signaling information according to the embodiments is generated and transmitted in the transmission/reception device according to the embodiments, for example, a metadata processor (12007, may be referred to as a metadata generator, etc.) of the transmission device, and the metadata parser 13006 of the reception device. can be received and obtained from Each operation of the receiving apparatus according to the embodiments may perform each operation based on signaling information.
  • a metadata processor (12007, may be referred to as a metadata generator, etc.
  • a brick may be referred to as a block, a slice, or the like.
  • Point cloud data may have the form of a bitstream as shown in FIG. 24 .
  • the point cloud data may include a Sequence Parameter Set (SPS), a Geometry Parameter Set (GPS), an Attribute Parameter Set (APS), and a Tile Parameter Set (TPS) including signaling information according to embodiments.
  • Point cloud data may include one or more geometries and/or attributes.
  • geometry and/or attributes may be divided into one or more slice units (or brick/block units).
  • the geometry may have a structure of a geometry slice header and geometry slice data.
  • the TPS including signaling information is Tile(0). It may include tile_bounding_box_xyz0, Tile(0)_tile_bounding_box_whd, and the like.
  • 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.
  • the signaling information according to the embodiments may be signaled in addition to SPS, GPS, APS, TPS, and the like.
  • the signaling information may be signaled by being added to the TPS or a geometry (Geom) for each slice or an attribute (Attr) for each slice.
  • the structure of the point cloud data according to the embodiments may provide an efficient effect in terms of encoding/decoding/data access of parameter set(s), geometry(s), and attribute(s) including signaling information.
  • the 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, and an attribute bitstream.
  • a field of signaling information may be divided 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 transmitting apparatus may divide an image of the point cloud data into one or more packets in consideration of an error of a transmission channel and transmit the divided image into one or more packets through a network.
  • a bitstream according to embodiments may include one or more packets (eg, Network Abstraction Layer (NAL) units). Therefore, even if some packets are lost in a poor network environment, the point cloud data receiving apparatus can restore the corresponding image by using the remaining packets.
  • 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 performing point cloud compression coding by partitioning a picture of point cloud data.
  • the point cloud data transmitting apparatus may provide high-quality point cloud content by processing data corresponding to each area according to the importance of each divided area of the point cloud data. That is, the point cloud data transmission apparatus according to the embodiments may perform point cloud compression coding processing on data corresponding to an area important to a user with better compression efficiency and appropriate latency.
  • An image (or a picture) of point cloud content is divided into basic processing unit units for point cloud compression coding.
  • a basic processing unit for point cloud compression coding according to embodiments is a coding tree (CTU) unit), a brick, and the like, and is not limited to this example.
  • CTU coding tree
  • a slice according to embodiments is an area including one or more integer number of basic processing units for point cloud compression coding and does not have a rectangular shape.
  • a slice according to embodiments includes data transmitted through a packet.
  • a tile according to embodiments is a region divided in a rectangular shape in an image and includes one or more basic processing units for point cloud compression coding.
  • 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 according to the embodiments is a Sequence Parameter Set (SPS) for sequence-level signaling, a Geometry Parameter Set (GPS) for signaling of geometry information coding, APS (Attribute Parameter Set) for signaling of attribute information coding, tile It may include signaling information including a Tile Parameter Set (TPS) for level signaling and one or more slices.
  • SPS Sequence Parameter Set
  • GPS Geometry Parameter Set
  • APS Attribute Parameter Set
  • tile It may include signaling information including a Tile Parameter Set (TPS) for level signaling and one or more slices.
  • TPS Tile Parameter Set
  • the SPS is encoding information for the entire sequence, such as a profile and a level, and may include comprehensive information about the entire file, such as a picture resolution and a video format.
  • One slice (eg, slice 0) includes a slice header and slice data.
  • Slice data may include one geometry bitstream (Geom00) and one or more attribute bitstreams (Attr00, Attr10).
  • a geometry bitstream may include a header (eg, a geometry slice header) and a payload (eg, geometry slice data).
  • the header of the geometry bitstream includes identification information (geom_geom_parameter_set_id), tile identifier (geom_tile id), slice identifier (geom_slice_id), geometry box origin information (geomBoxOrigin) of a parameter set included in GPS (geomBoxOrigin), 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), and information on data included in the payload.
  • the attribute bitstream may include a header (eg, an attribute slice header or an attribute brick header) and a payload (eg, attribute slice data or an attribute brick data).
  • related information may be signaled.
  • the signaling information according to the embodiments may be used at a transmitting end or a receiving end.
  • the method/apparatus according to the embodiments may transmit predictor selection related option information according to the embodiments in addition to the SPS or the APS.
  • the method/device according to the embodiments may transmit predictor selection related option information by adding it to the TPS or an attribute header for each slice.
  • the method/device according to the embodiments may divide data into tiles or slices so that the point cloud may be divided and processed by regions, and may generate and transmit signaling information for each tile/slice.
  • the method/apparatus according to the embodiments may signal geometry point reconstruction related information for a spatial scalability function used in a process of encoding and/or decoding a geometry in addition to SPS and/or GPS.
  • the method/device according to the embodiments may signal by adding geometry point reconstruction related information for a spatial scalability function used in the process of encoding and/or decoding a geometry to the TPS and/or Geom_slice_header for each slice.
  • a different geometry position reconstruction method may be applied to each tile.
  • a different geometry position reconstruction method may be applied to each slice.
  • the method/apparatus according to the embodiments may signal by adding center point location information through distribution analysis to a geometry node with respect to a partially encoded node of a geometry.
  • SPS Sequence Parameter Set
  • Fig. 25 is an SPS included in Fig. 24;
  • the SPS according to the embodiments may include information used to reconstruct points of the geometry for encoding and/or decoding for spatial scalability of the geometry.
  • Profile indicates a profile followed by a bitstream according to embodiments.
  • the bitstream does not contain values other than those according to embodiments, and other values of the profile may be reserved for future use of ISO/IEC (indicates a profile to which the bitstream conforms as specified in Annex A. Bitstreams) shall not contain values of profile_idc other than those specified in Annex A. Other values of profile_idc are reserved for future use by ISO/IEC).
  • Profile compatibility flags (profile_compatibility_flags): If this value is 1, indicates that the bitstream conforms to the profile indicated by profile_idc equal to j).
  • SPS attribute set number (sps_num_attribute_sets): Indicates the number of coded attributes in the bitstream. This value may range from 0 to 63 (sps_num_attribute_sets indicates the number of coded attributes in the bitstream. The value of sps_num_attribute_sets shall be in the range of 0 to 63).
  • Attribute dimension (attribute_dimension[ i ]): Indicates the number of components of the i-th attribute (attribute_dimension[ i ] specifies the number of components of the i-th attribute).
  • Attribute instance identifier indicates an instance identifier for the i-th attribute (attribute_instance_id[ i ] specifies the instance id for the i-th attribute).
  • Spatial scalability LOD may indicate an encoded octree depth level for supporting spatial scalability.
  • Spatial scalability geometry quantization type may indicate a geometry quantization type.
  • the spatial scalability geometry quantization type is 0, it may indicate a rounding method, and if the spatial scalability geometry quantization type is 1, it may indicate a ceil method, and the spatial scalability geometry quantization type If is 2, it can represent a floor method.
  • An integer value for each indication information may be variously changed according to embodiments.
  • Spatial scalability geometry position type may indicate a method of reconstructing a geometry position belonging to a node.
  • the geometry position reconstruction method is the same as the quantization type, center for rounding, and right-top-back for rounding the geometry to the right-top-back position. can be reconstructed.
  • the spatial scalability geometry position type is 1, the geometry position may be configured as a left-bottom-front position. If the spatial scalability geometry position type is 2, the geometry position may be configured as a left-bottom-back position. If the spatial scalability geometry position type is 3, the geometry position may be configured as a left-top-front position. If the spatial scalability geometry position type is 4, the geometry position may be configured as a left-top-back position.
  • the geometry position may be configured as a right-bottom-front position. If the spatial scalability geometry position type is 6, the geometry position may be configured as a right-bottom-back position. If the spatial scalability geometry position type is 7, the geometry position may be configured as a right-top-front position. If the spatial scalability geometry position type is 8, the geometry position may be configured as a right-top-back position. If the spatial scalability geometry position type is 9, the geometry position may be configured as a middle/center position. If the spatial scalability geometry position type is 10, the geometry position can be configured as a sub-node position with a center point calculated through distribution.
  • spatial_scalability_geom_position_type 10
  • the spatial scalability geometry centroid position type is included in the SPS.
  • Spatial scalability geometry centroid position type When reconstructing a geometric position of a central point calculated through distribution, it may indicate a method of reconstructing the position of a node to which the central point belongs.
  • the position of the node to which the central point belongs may be reconstructed in the same way as the quantization type.
  • the quantization type is rounding
  • the position of the node can be reconstructed by a central method, and when the quantization type is a rounding method, the right-top-back position is configured.
  • the spatial scalability geometry centroid position type is 1, a position above the node to which the central point belongs may be configured as a left-bottom-front position.
  • the spatial scalability geometry centroid position type is 2, the position of the node to which the central point belongs may be configured as a left-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a left-top-front position. If the spatial scalability geometry centroid position type is 4, the position of the node to which the central point belongs may be configured as a left-top-back position. If the spatial scalability geometry centroid position type is 5, the position of the node to which the central point belongs may be configured as a right-bottom-front position. If the spatial scalability geometry centroid position type is 6, the position of the node to which the central point belongs may be configured as a right-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a right-top-front position. If the spatial scalability geometry centroid position type is 8, the position of the node to which the central point belongs may be configured as a right-top-back position. If the spatial scalability geometry centroid position type is 9, the position of the node to which the central point belongs may be configured as a middle/center position.
  • GPS Geometry Parameter Set
  • Fig. 26 shows the GPS of Fig. 24
  • GPS may include information used to reconstruct points of a geometry for encoding and/or decoding for spatial scalability of the geometry.
  • Spatial scalability LOD may indicate an encoded octree depth level for supporting spatial scalability.
  • Spatial scalability geometry quantization type may indicate a geometry quantization type.
  • the spatial scalability geometry quantization type is 0, it may indicate a rounding method, and if the spatial scalability geometry quantization type is 1, it may indicate a ceil method, and the spatial scalability geometry quantization type If is 2, it can represent a floor method.
  • An integer value for each indication information may be variously changed according to embodiments.
  • Spatial scalability geometry position type may indicate a method of reconstructing a geometry position belonging to a node.
  • the geometry position reconstruction method is the same as the quantization type, center for rounding, and right-top-back for rounding the geometry to the right-top-back position. can be reconstructed.
  • the spatial scalability geometry position type is 1, the geometry position may be configured as a left-bottom-front position. If the spatial scalability geometry position type is 2, the geometry position may be configured as a left-bottom-back position. If the spatial scalability geometry position type is 3, the geometry position may be configured as a left-top-front position. If the spatial scalability geometry position type is 4, the geometry position may be configured as a left-top-back position.
  • the geometry position may be configured as a right-bottom-front position. If the spatial scalability geometry position type is 6, the geometry position may be configured as a right-bottom-back position. If the spatial scalability geometry position type is 7, the geometry position may be configured as a right-top-front position. If the spatial scalability geometry position type is 8, the geometry position may be configured as a right-top-back position. If the spatial scalability geometry position type is 9, the geometry position may be configured as a middle/center position. If the spatial scalability geometry position type is 10, the geometry position can be configured as a sub-node position with a center point calculated through distribution.
  • spatial_scalability_geom_position_type 10
  • the spatial scalability geometry centroid position type is included in GPS.
  • Spatial scalability geometry centroid position type When reconstructing a geometric position of a central point calculated through distribution, it may indicate a method of reconstructing the position of a node to which the central point belongs.
  • the position of the node to which the central point belongs may be reconstructed in the same way as the quantization type.
  • the quantization type is rounding
  • the position of the node can be reconstructed by a central method, and when the quantization type is a rounding method, the right-top-back position is configured.
  • the spatial scalability geometry centroid position type is 1, a position above the node to which the central point belongs may be configured as a left-bottom-front position.
  • the spatial scalability geometry centroid position type is 2, the position of the node to which the central point belongs may be configured as a left-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a left-top-front position. If the spatial scalability geometry centroid position type is 4, the position of the node to which the central point belongs may be configured as a left-top-back position. If the spatial scalability geometry centroid position type is 5, the position of the node to which the central point belongs may be configured as a right-bottom-front position. If the spatial scalability geometry centroid position type is 6, the position of the node to which the central point belongs may be configured as a right-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a right-top-front position. If the spatial scalability geometry centroid position type is 8, the position of the node to which the central point belongs may be configured as a right-top-back position. If the spatial scalability geometry centroid position type is 9, the position of the node to which the central point belongs may be configured as a middle/center position.
  • Spatial scalability tile-based geometry reconstruction flag (spatial_scalability_tile_based_geom_reconstruction_flag): A flag indicating whether different geometry reconstruction schemes are applied in units of tiles.
  • GPS Geometry Parameter Set ID (gps_geom_parameter_set_id): Provides an identifier for GPS for reference by other syntax elements.
  • the value of gps_seq_parameter_set_id provides an identifier for the GPS for reference by other syntax elements.
  • the value of gps_seq_parameter_set_id shall be in the range of 0 to 15, inclusive.
  • GPS sequence parameter set ID (gps_seq_parameter_set_id): Indicates a value of sps_seq_parameter_set_id for an active SPS.
  • the value of gps_seq_parameter_set_id may be in the range of 0 to 15 (inclusive) (specifies the value of sps_seq_parameter_set_id for the active SPS.
  • the value of gps_seq_parameter_set_id shall be in the range of 0 to 15, inclusive).
  • TPS tile parameter set
  • Fig. 27 corresponds to the TPS of Fig. 24;
  • the TPS may include information used to reconstruct points of the geometry for encoding and/or decoding for spatial scalability of the geometry.
  • Spatial scalability LOD may indicate an encoded octree depth level applied to a tile for supporting spatial scalability.
  • Spatial scalability geometry quantization type may indicate a geometry quantization type applied to a tile.
  • the spatial scalability geometry quantization type is 0, it may indicate a rounding method, and if the spatial scalability geometry quantization type is 1, it may indicate a ceil method, and the spatial scalability geometry quantization type If is 2, it can represent a floor method.
  • An integer value for each indication information may be variously changed according to embodiments.
  • Spatial scalability geometry position type may indicate a method of reconstructing a geometry position belonging to a node applied to a tile.
  • the geometry position reconstruction method is the same as the quantization type, center for rounding, and right-top-back for rounding the geometry to the right-top-back position. can be reconstructed.
  • the spatial scalability geometry position type is 1, the geometry position may be configured as a left-bottom-front position. If the spatial scalability geometry position type is 2, the geometry position may be configured as a left-bottom-back position. If the spatial scalability geometry position type is 3, the geometry position may be configured as a left-top-front position. If the spatial scalability geometry position type is 4, the geometry position may be configured as a left-top-back position.
  • the geometry position may be configured as a right-bottom-front position. If the spatial scalability geometry position type is 6, the geometry position may be configured as a right-bottom-back position. If the spatial scalability geometry position type is 7, the geometry position may be configured as a right-top-front position. If the spatial scalability geometry position type is 8, the geometry position may be configured as a right-top-back position. If the spatial scalability geometry position type is 9, the geometry position may be configured as a middle/center position. If the spatial scalability geometry position type is 10, the geometry position can be configured as a sub-node position with a center point calculated through distribution.
  • spatial_scalability_geom_position_type 10
  • the spatial scalability geometry centroid position type is included in the TPS.
  • Spatial scalability geometry centroid position type When reconstructing a geometric position of a central point calculated through distribution, it may indicate a method of reconstructing the position of a node to which the central point belongs.
  • the position of the node to which the central point belongs may be reconstructed in the same way as the quantization type.
  • the quantization type is rounding
  • the position of the node can be reconstructed by a central method, and when the quantization type is a rounding method, the right-top-back position is configured.
  • the spatial scalability geometry centroid position type is 1, a position above the node to which the central point belongs may be configured as a left-bottom-front position.
  • the spatial scalability geometry centroid position type is 2, the position of the node to which the central point belongs may be configured as a left-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a left-top-front position. If the spatial scalability geometry centroid position type is 4, the position of the node to which the central point belongs may be configured as a left-top-back position. If the spatial scalability geometry centroid position type is 5, the position of the node to which the central point belongs may be configured as a right-bottom-front position. If the spatial scalability geometry centroid position type is 6, the position of the node to which the central point belongs may be configured as a right-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a right-top-front position. If the spatial scalability geometry centroid position type is 8, the position of the node to which the central point belongs may be configured as a right-top-back position. If the spatial scalability geometry centroid position type is 9, the position of the node to which the central point belongs may be configured as a middle/center position.
  • Spatial scalability slice-based geometry reconstruction flag (spatial_scalability_slice_based_geom_reconstuction_flag): A flag indicating whether different geometry reconstruction methods are applied in units of slices.
  • Number of tiles Indicates the number of tiles signaled for the bitstream. If not present, the number of tiles may be inferred to be zero.
  • the tile bounding box offset element may be delivered to the TPS as follows.
  • Tile bounding box offset X (tile_bounding_box_offset_x[ i ]): may indicate the X offset of the i-th tile in the coordinate system. If it does not exist, the value of tile_bounding_box_offset_x[ 0 ] may be inferred as sps_bounding_box_offset_x.
  • Tile bounding box offset Y (tile_bounding_box_offset_y[ i ]): indicates the Y offset of the i-th tile in the coordinate system. If it does not exist, the value of tile_bounding_box_offset_y[ 0 ] may be inferred as sps_bounding_box_offset_y.
  • Tile bounding box offset Z (tile_bounding_box_offset_z[ i ]): indicates the Z offset of the i-th tile in the coordinate system. If it does not exist, the value of tile_bounding_box_offset_z[ 0 ] may be inferred as sps_bounding_box_offset_z.
  • Fig. 28 shows the GSH of Fig. 24
  • GSH may include information used to reconstruct points of a geometry for encoding and/or decoding for spatial scalability of the geometry.
  • Spatial scalability LOD may indicate an encoded octree depth level applied to a slice for supporting spatial scalability.
  • Spatial scalability geometry quantization type may indicate a geometry quantization type applied to a slice.
  • the spatial scalability geometry quantization type is 0, it may indicate a rounding method, and if the spatial scalability geometry quantization type is 1, it may indicate a ceil method, and the spatial scalability geometry quantization type If is 2, it can represent a floor method.
  • An integer value for each indication information may be variously changed according to embodiments.
  • Spatial scalability geometry position type may indicate a method of reconstructing a geometry position belonging to a node applied to a slice.
  • the geometry position reconstruction method is the same as the quantization type, center for rounding, and right-top-back for rounding the geometry to the right-top-back position. can be reconstructed.
  • the spatial scalability geometry position type is 1, the geometry position may be configured as a left-bottom-front position. If the spatial scalability geometry position type is 2, the geometry position may be configured as a left-bottom-back position. If the spatial scalability geometry position type is 3, the geometry position may be configured as a left-top-front position. If the spatial scalability geometry position type is 4, the geometry position may be configured as a left-top-back position.
  • the geometry position may be configured as a right-bottom-front position. If the spatial scalability geometry position type is 6, the geometry position may be configured as a right-bottom-back position. If the spatial scalability geometry position type is 7, the geometry position may be configured as a right-top-front position. If the spatial scalability geometry position type is 8, the geometry position may be configured as a right-top-back position. If the spatial scalability geometry position type is 9, the geometry position may be configured as a middle/center position. If the spatial scalability geometry position type is 10, the geometry position can be configured as a sub-node position with a center point calculated through distribution.
  • spatial_scalability_geom_position_type 10
  • the spatial scalability geometry centroid position type is included in GSH.
  • Spatial scalability geometry centroid position type When reconstructing a geometric position of a central point calculated through distribution, it may indicate a method of reconstructing the position of a node to which the central point belongs.
  • the position of the node to which the central point belongs may be reconstructed in the same way as the quantization type.
  • the quantization type is rounding
  • the position of the node can be reconstructed by a central method, and when the quantization type is a rounding method, the right-top-back position is configured.
  • the spatial scalability geometry centroid position type is 1, a position above the node to which the central point belongs may be configured as a left-bottom-front position.
  • the spatial scalability geometry centroid position type is 2, the position of the node to which the central point belongs may be configured as a left-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a left-top-front position. If the spatial scalability geometry centroid position type is 4, the position of the node to which the central point belongs may be configured as a left-top-back position. If the spatial scalability geometry centroid position type is 5, the position of the node to which the central point belongs may be configured as a right-bottom-front position. If the spatial scalability geometry centroid position type is 6, the position of the node to which the central point belongs may be configured as a right-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a right-top-front position. If the spatial scalability geometry centroid position type is 8, the position of the node to which the central point belongs may be configured as a right-top-back position. If the spatial scalability geometry centroid position type is 9, the position of the node to which the central point belongs may be configured as a middle/center position.
  • GSH geometry parameter set ID (gsh_geometry_parameter_set_id): Indicates the value of gps_geom_parameter_set_id of the active GPS.
  • GSH tile ID (gsh_tile_id): Indicates a value of a tile ID that can be referenced by GSH.
  • the value of gsh_tile_id may range from 0 to XX (inclusive).
  • GSH slice ID (gsh_slice_id): Identifies a slice header for reference by other syntax elements.
  • the value of gsh_slice_id may range from 0 to XX (inclusive).
  • 29 illustrates a geometry node according to embodiments.
  • Fig. 29 shows node information of a geometry included in the bitstream of Fig. 24;
  • the method / apparatus when the representative location type is a centroid, to include the center point related information in the geometry node can
  • Child occupancy index When reconstructing the geometric position based on the center point calculated through the distribution, indicates the position of the node to which the center point belongs.
  • a node position may correspond to an index of a lower child node. For example, it may have a value of 0-7.
  • Single occupancy flag (single_occupancy_flag): If this value is 1, it indicates that the current node includes a single child node. If this value is 0, it indicates that the current node contains multiple child nodes.
  • a geometry node may include a child accumulatory index.
  • the method/apparatus according to the embodiments may provide effects such as spatial scalability based on the operation and signaling information according to the embodiments.
  • Spatial scalability is a function that can send and process low-resolution point clouds when the point cloud data is dense and the bandwidth is low.
  • the point cloud data is dense and the entire octree bitstream is transmitted, but the decoder's capacity or resource is insufficient, or the thumbnail is required quickly in the scenario.
  • This is a function that can provide a low-resolution point cloud by decoding only the specific depth level of the octree without decoding the entire octree-based bitstream transmitted to .
  • a partial octree configuration and an operation for reconstructing a position from octree nodes of the last level configured are provided.
  • the proposed method of reconstructing points of octree nodes can increase the efficiency of partially encoded/decoded geometry for spatial scalability according to where the geometry is reconstructed.
  • spatial scalability of the encoder (encoder)/decoder (decoder) of Geometry-based Point Cloud Compression (G-PCC) for three-dimensional point cloud data compression A geometry compression method for providing a function may be provided, and the geometry compression efficiency may be increased and provided.
  • a method/apparatus (a transmitting method/apparatus and/or a receiving method/apparatus) according to the embodiments provides various geometry position reconstruction methods for spatial scalability, thereby efficiently generating various types of point cloud data.
  • An effect capable of encoding/decoding may be provided.
  • the method/apparatus according to the embodiments may set the center point differently for each LOD level. That is, in the case of FIG. 20, if the geometry is reconstructed based on the representative position of the node from LOD 0 to a specific level (LOD N) based on one type of center point setting method, as additional embodiments, different types of different types for each LOD level are used. Various methods for setting the center point can be applied. That is, operation S21040 may be variously performed for each LOD level.
  • the transmitting apparatus and/or encoder according to the embodiments may analyze the central point for each LOD and transmit information indicating the central point analysis method for each LOD to the receiving device and/or the decoder according to the embodiments.
  • Operation 21020 (reconfiguration of geometry position) according to embodiments may be performed for each LOD of an octree.
  • 30 shows a sequence parameter set according to embodiments.
  • FIG. 30 may correspond to the SPS of FIG. 25 .
  • the SPS according to the embodiments may include information used to reconstruct points of the geometry for encoding and/or decoding for spatial scalability of the geometry.
  • Profile indicates a profile followed by a bitstream according to embodiments.
  • the bitstream does not contain values other than those according to embodiments, and other values of the profile may be reserved for future use of ISO/IEC (indicates a profile to which the bitstream conforms as specified in Annex A. Bitstreams) shall not contain values of profile_idc other than those specified in Annex A. Other values of profile_idc are reserved for future use by ISO/IEC).
  • Profile compatibility flags (profile_compatibility_flags): If this value is 1, indicates that the bitstream conforms to the profile indicated by profile_idc equal to j).
  • SPS attribute set number (sps_num_attribute_sets): Indicates the number of coded attributes in the bitstream. This value may range from 0 to 63 (sps_num_attribute_sets indicates the number of coded attributes in the bitstream. The value of sps_num_attribute_sets shall be in the range of 0 to 63).
  • Attribute dimension (attribute_dimension[ i ]): Indicates the number of components of the i-th attribute (attribute_dimension[ i ] specifies the number of components of the i-th attribute).
  • Attribute instance identifier indicates an instance identifier for the i-th attribute (attribute_instance_id[ i ] specifies the instance id for the i-th attribute).
  • Spatial scalability LOD may indicate an encoded octree depth level for supporting spatial scalability.
  • Spatial scalability geometry quantization type may indicate a geometry quantization type.
  • the spatial scalability geometry quantization type is 0, it may indicate a rounding method, and if the spatial scalability geometry quantization type is 1, it may indicate a ceil method, and the spatial scalability geometry quantization type If is 2, it can represent a floor method.
  • An integer value for each indication information may be variously changed according to embodiments.
  • Spatial scalability geometry position type may indicate a method of reconstructing a geometry position belonging to a node.
  • the geometry position reconstruction method is the same as the quantization type, center for rounding, and right-top-back for rounding the geometry to the right-top-back position. can be reconstructed.
  • the spatial scalability geometry position type is 1, the geometry position may be configured as a left-bottom-front position. If the spatial scalability geometry position type is 2, the geometry position may be configured as a left-bottom-back position. If the spatial scalability geometry position type is 3, the geometry position may be configured as a left-top-front position. If the spatial scalability geometry position type is 4, the geometry position may be configured as a left-top-back position.
  • the geometry position may be configured as a right-bottom-front position. If the spatial scalability geometry position type is 6, the geometry position may be configured as a right-bottom-back position. If the spatial scalability geometry position type is 7, the geometry position may be configured as a right-top-front position. If the spatial scalability geometry position type is 8, the geometry position may be configured as a right-top-back position. If the spatial scalability geometry position type is 9, the geometry position may be configured as a middle/center position. If the spatial scalability geometry position type is 10, the geometry position can be configured as a sub-node position with a center point calculated through distribution.
  • spatial_scalability_geom_position_type 10
  • the spatial scalability geometry centroid position type is included in the SPS.
  • Spatial scalability geometry centroid position type When reconstructing a geometric position of a central point calculated through distribution, it may indicate a method of reconstructing the position of a node to which the central point belongs.
  • the position of the node to which the central point belongs may be reconstructed in the same way as the quantization type.
  • the quantization type is rounding
  • the position of the node can be reconstructed by a central method, and when the quantization type is a rounding method, the right-top-back position is configured.
  • the spatial scalability geometry centroid position type is 1, a position above the node to which the central point belongs may be configured as a left-bottom-front position.
  • the spatial scalability geometry centroid position type is 2, the position of the node to which the central point belongs may be configured as a left-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a left-top-front position. If the spatial scalability geometry centroid position type is 4, the position of the node to which the central point belongs may be configured as a left-top-back position. If the spatial scalability geometry centroid position type is 5, the position of the node to which the central point belongs may be configured as a right-bottom-front position. If the spatial scalability geometry centroid position type is 6, the position of the node to which the central point belongs may be configured as a right-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a right-top-front position. If the spatial scalability geometry centroid position type is 8, the position of the node to which the central point belongs may be configured as a right-top-back position. If the spatial scalability geometry centroid position type is 9, the position of the node to which the central point belongs may be configured as a middle/center position.
  • Octtree Height Depth (octree_height_depth): Indicates the octree height height.
  • Analyzed distribution for depth represents a center point position result value obtained by analyzing the distribution of points at each octree depth. Specifically, it may represent an octree child node-based index.
  • the center point position is a left-bottom-front position. If the analyzed distribution for depth is 2, the center point position is the left-bottom-back position. If the analyzed distribution for depth is 3, then the center point position is a left-top-front position. If the analyzed distribution for depth is 4, then the center point position is the left-top-back position. If the analyzed distribution for depth is 5, then the center point position is a right-bottom-front position. If the analyzed distribution for depth is 6, then the center point position is a right-bottom-back position. If the analyzed distribution for depth is 7, then the center point position is a right-top-front position. If the analyzed distribution for depth is 8, then the center point position is a right-top-back position.
  • 31 shows a set of geometric parameters according to embodiments.
  • Fig. 31 may correspond to the geometric parameter set of Fig. 26 .
  • GPS may include information used to reconstruct points of a geometry for encoding and/or decoding for spatial scalability of the geometry.
  • Spatial scalability LOD may indicate an encoded octree depth level for supporting spatial scalability.
  • Spatial scalability geometry quantization type may indicate a geometry quantization type.
  • the spatial scalability geometry quantization type is 0, it may indicate a rounding method, and if the spatial scalability geometry quantization type is 1, it may indicate a ceil method, and the spatial scalability geometry quantization type If is 2, it can represent a floor method.
  • An integer value for each indication information may be variously changed according to embodiments.
  • Spatial scalability geometry position type may indicate a method of reconstructing a geometry position belonging to a node.
  • the geometry position reconstruction method is the same as the quantization type, center for rounding, and right-top-back for rounding the geometry to the right-top-back position. can be reconstructed.
  • the spatial scalability geometry position type is 1, the geometry position may be configured as a left-bottom-front position. If the spatial scalability geometry position type is 2, the geometry position may be configured as a left-bottom-back position. If the spatial scalability geometry position type is 3, the geometry position may be configured as a left-top-front position. If the spatial scalability geometry position type is 4, the geometry position may be configured as a left-top-back position.
  • the geometry position may be configured as a right-bottom-front position. If the spatial scalability geometry position type is 6, the geometry position may be configured as a right-bottom-back position. If the spatial scalability geometry position type is 7, the geometry position may be configured as a right-top-front position. If the spatial scalability geometry position type is 8, the geometry position may be configured as a right-top-back position. If the spatial scalability geometry position type is 9, the geometry position may be configured as a middle/center position. If the spatial scalability geometry position type is 10, the geometry position can be configured as a sub-node position with a center point calculated through distribution.
  • spatial_scalability_geom_position_type 10
  • the spatial scalability geometry centroid position type is included in GPS.
  • Spatial scalability geometry centroid position type When reconstructing a geometric position of a central point calculated through distribution, it may indicate a method of reconstructing the position of a node to which the central point belongs.
  • the position of the node to which the central point belongs may be reconstructed in the same way as the quantization type.
  • the quantization type is rounding
  • the position of the node can be reconstructed by a central method, and when the quantization type is a rounding method, the right-top-back position is configured.
  • the spatial scalability geometry centroid position type is 1, a position above the node to which the central point belongs may be configured as a left-bottom-front position.
  • the spatial scalability geometry centroid position type is 2, the position of the node to which the central point belongs may be configured as a left-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a left-top-front position. If the spatial scalability geometry centroid position type is 4, the position of the node to which the central point belongs may be configured as a left-top-back position. If the spatial scalability geometry centroid position type is 5, the position of the node to which the central point belongs may be configured as a right-bottom-front position. If the spatial scalability geometry centroid position type is 6, the position of the node to which the central point belongs may be configured as a right-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a right-top-front position. If the spatial scalability geometry centroid position type is 8, the position of the node to which the central point belongs may be configured as a right-top-back position. If the spatial scalability geometry centroid position type is 9, the position of the node to which the central point belongs may be configured as a middle/center position.
  • Spatial scalability tile-based geometry reconstruction flag (spatial_scalability_tile_based_geom_reconstruction_flag): A flag indicating whether different geometry reconstruction schemes are applied in units of tiles.
  • LOD-specific spatial scalability flag (spatial_scalability_per_LOD_flag): A flag indicating whether to apply a different geometry reconstruction scheme for each octree depth.
  • octree height depth (octree_height_depth: represents the octree height height).
  • GPS Geometry Parameter Set ID (gps_geom_parameter_set_id): Provides an identifier for GPS for reference by other syntax elements.
  • the value of gps_seq_parameter_set_id provides an identifier for the GPS for reference by other syntax elements.
  • the value of gps_seq_parameter_set_id shall be in the range of 0 to 15, inclusive.
  • GPS sequence parameter set ID (gps_seq_parameter_set_id): Indicates a value of sps_seq_parameter_set_id for an active SPS.
  • the value of gps_seq_parameter_set_id may be in the range of 0 to 15 (inclusive) (specifies the value of sps_seq_parameter_set_id for the active SPS.
  • the value of gps_seq_parameter_set_id shall be in the range of 0 to 15, inclusive).
  • Figure 32 corresponds to the TPS of Figure 27.
  • the TPS may include information used to reconstruct points of the geometry for encoding and/or decoding for spatial scalability of the geometry.
  • Spatial scalability LOD may indicate an encoded octree depth level applied to a tile for supporting spatial scalability.
  • Spatial scalability geometry quantization type may indicate a geometry quantization type applied to a tile.
  • the spatial scalability geometry quantization type is 0, it may indicate a rounding method, and if the spatial scalability geometry quantization type is 1, it may indicate a ceil method, and the spatial scalability geometry quantization type If is 2, it can represent a floor method.
  • An integer value for each indication information may be variously changed according to embodiments.
  • Spatial scalability geometry position type may indicate a method of reconstructing a geometry position belonging to a node applied to a tile.
  • the geometry position reconstruction method is the same as the quantization type, center for rounding, and right-top-back for rounding the geometry to the right-top-back position. can be reconstructed.
  • the spatial scalability geometry position type is 1, the geometry position may be configured as a left-bottom-front position. If the spatial scalability geometry position type is 2, the geometry position may be configured as a left-bottom-back position. If the spatial scalability geometry position type is 3, the geometry position may be configured as a left-top-front position. If the spatial scalability geometry position type is 4, the geometry position may be configured as a left-top-back position.
  • the geometry position may be configured as a right-bottom-front position. If the spatial scalability geometry position type is 6, the geometry position may be configured as a right-bottom-back position. If the spatial scalability geometry position type is 7, the geometry position may be configured as a right-top-front position. If the spatial scalability geometry position type is 8, the geometry position may be configured as a right-top-back position. If the spatial scalability geometry position type is 9, the geometry position may be configured as a middle/center position. If the spatial scalability geometry position type is 10, the geometry position can be configured as a sub-node position with a center point calculated through distribution.
  • spatial_scalability_geom_position_type 10
  • the spatial scalability geometry centroid position type is included in the TPS.
  • Spatial scalability geometry centroid position type When reconstructing a geometric position of a central point calculated through distribution, it may indicate a method of reconstructing the position of a node to which the central point belongs.
  • the position of the node to which the central point belongs may be reconstructed in the same way as the quantization type.
  • the quantization type is rounding
  • the position of the node can be reconstructed by a central method, and when the quantization type is a rounding method, the right-top-back position is configured.
  • the spatial scalability geometry centroid position type is 1, a position above the node to which the central point belongs may be configured as a left-bottom-front position.
  • the spatial scalability geometry centroid position type is 2, the position of the node to which the central point belongs may be configured as a left-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a left-top-front position. If the spatial scalability geometry centroid position type is 4, the position of the node to which the central point belongs may be configured as a left-top-back position. If the spatial scalability geometry centroid position type is 5, the position of the node to which the central point belongs may be configured as a right-bottom-front position. If the spatial scalability geometry centroid position type is 6, the position of the node to which the central point belongs may be configured as a right-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a right-top-front position. If the spatial scalability geometry centroid position type is 8, the position of the node to which the central point belongs may be configured as a right-top-back position. If the spatial scalability geometry centroid position type is 9, the position of the node to which the central point belongs may be configured as a middle/center position.
  • Spatial scalability slice-based geometry reconstruction flag (spatial_scalability_slice_based_geom_reconstuction_flag): A flag indicating whether different geometry reconstruction methods are applied in units of slices.
  • LOD-specific spatial scalability flag (spatial_scalability_per_LOD_flag): A flag indicating whether to apply a different geometry reconstruction scheme for each octree depth.
  • Octtree Height Depth (octree_height_depth): Indicates the octree height height.
  • Number of tiles Indicates the number of tiles signaled for the bitstream. If not present, the number of tiles may be inferred to be zero.
  • the tile bounding box offset element may be delivered to the TPS as follows.
  • Tile bounding box offset X (tile_bounding_box_offset_x[ i ]): may indicate the X offset of the i-th tile in the coordinate system. If it does not exist, the value of tile_bounding_box_offset_x[ 0 ] may be inferred as sps_bounding_box_offset_x.
  • Tile bounding box offset Y (tile_bounding_box_offset_y[ i ]): indicates the Y offset of the i-th tile in the coordinate system. If it does not exist, the value of tile_bounding_box_offset_y[ 0 ] may be inferred as sps_bounding_box_offset_y.
  • Tile bounding box offset Z (tile_bounding_box_offset_z[ i ]): indicates the Z offset of the i-th tile in the coordinate system. If it does not exist, the value of tile_bounding_box_offset_z[ 0 ] may be inferred as sps_bounding_box_offset_z.
  • Fig. 33 corresponds to the geometry slice header of Fig. 28;
  • GSH may include information used to reconstruct points of a geometry for encoding and/or decoding for spatial scalability of the geometry.
  • Spatial scalability LOD may indicate an encoded octree depth level applied to a slice for supporting spatial scalability.
  • Spatial scalability geometry quantization type may indicate a geometry quantization type applied to a slice.
  • the spatial scalability geometry quantization type is 0, it may indicate a rounding method, and if the spatial scalability geometry quantization type is 1, it may indicate a ceil method, and the spatial scalability geometry quantization type If is 2, it can represent a floor method.
  • An integer value for each indication information may be variously changed according to embodiments.
  • Spatial scalability geometry position type may indicate a method of reconstructing a geometry position belonging to a node applied to a slice.
  • the geometry position reconstruction method is the same as the quantization type, center for rounding, and right-top-back for rounding the geometry to the right-top-back position. can be reconstructed.
  • the spatial scalability geometry position type is 1, the geometry position may be configured as a left-bottom-front position. If the spatial scalability geometry position type is 2, the geometry position may be configured as a left-bottom-back position. If the spatial scalability geometry position type is 3, the geometry position may be configured as a left-top-front position. If the spatial scalability geometry position type is 4, the geometry position may be configured as a left-top-back position.
  • the geometry position may be configured as a right-bottom-front position. If the spatial scalability geometry position type is 6, the geometry position may be configured as a right-bottom-back position. If the spatial scalability geometry position type is 7, the geometry position may be configured as a right-top-front position. If the spatial scalability geometry position type is 8, the geometry position may be configured as a right-top-back position. If the spatial scalability geometry position type is 9, the geometry position may be configured as a middle/center position. If the spatial scalability geometry position type is 10, the geometry position can be configured as a sub-node position with a center point calculated through distribution.
  • spatial_scalability_geom_position_type 10
  • the spatial scalability geometry centroid position type is included in GSH.
  • Spatial scalability geometry centroid position type When reconstructing a geometric position of a central point calculated through distribution, it may indicate a method of reconstructing the position of a node to which the central point belongs.
  • the position of the node to which the central point belongs may be reconstructed in the same way as the quantization type.
  • the quantization type is rounding
  • the position of the node can be reconstructed by a central method, and when the quantization type is a rounding method, the right-top-back position is configured.
  • the spatial scalability geometry centroid position type is 1, a position above the node to which the central point belongs may be configured as a left-bottom-front position.
  • the spatial scalability geometry centroid position type is 2, the position of the node to which the central point belongs may be configured as a left-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a left-top-front position. If the spatial scalability geometry centroid position type is 4, the position of the node to which the central point belongs may be configured as a left-top-back position. If the spatial scalability geometry centroid position type is 5, the position of the node to which the central point belongs may be configured as a right-bottom-front position. If the spatial scalability geometry centroid position type is 6, the position of the node to which the central point belongs may be configured as a right-bottom-back position.
  • the position of the node to which the central point belongs may be configured as a right-top-front position. If the spatial scalability geometry centroid position type is 8, the position of the node to which the central point belongs may be configured as a right-top-back position. If the spatial scalability geometry centroid position type is 9, the position of the node to which the central point belongs may be configured as a middle/center position.
  • LOD-specific spatial scalability flag (spatial_scalability_per_LOD_flag): A flag indicating whether to apply a different geometry reconstruction scheme for each octree depth.
  • Octtree Height Depth (octree_height_depth): Indicates the octree height height.
  • GSH geometry parameter set ID (gsh_geometry_parameter_set_id): Indicates the value of gps_geom_parameter_set_id of the active GPS.
  • GSH tile ID (gsh_tile_id): Indicates a value of a tile ID that can be referenced by GSH.
  • the value of gsh_tile_id may range from 0 to XX (inclusive).
  • GSH slice ID (gsh_slice_id): Identifies a slice header for reference by other syntax elements.
  • the value of gsh_slice_id may range from 0 to XX (inclusive).
  • 34 illustrates a method for transmitting point cloud data according to embodiments.
  • the method for transmitting point cloud data may include encoding the point cloud data.
  • the encoding operation according to the embodiments includes the transmitting apparatus 10000 of FIG. 1 , the point cloud video encoder 10002 , the encoding 20001 of FIG. 2 , the encoder of FIG. 4 , and point cloud data processing of the transmitting apparatus of FIG. 12 , FIG. It may include operations such as XR device 1430 of 14, point cloud data encoding of FIGS. 15 to 16, geometry encoding of FIGS. 18 to 20, encoder of FIG. 22, and bitstream generation and encoding of FIGS. 24-33.
  • the method for transmitting point cloud data according to the embodiments may further include transmitting a bitstream including the point cloud data.
  • the transmission operation according to the embodiments may include operations of the transmitter 10003 of FIG. 1 , the transmission 20002 of FIG. 2 , and the like.
  • 35 illustrates a method for receiving point cloud data according to embodiments.
  • the method for receiving point cloud data may include receiving a bitstream including the point cloud data.
  • the reception operation according to the embodiments may include operations such as the reception apparatus 10004 of FIG. 1 , the receiver 10005 , the reception according to transmission 20002 of FIG. 2 , and the bitstream reception of FIGS. 24-33 .
  • the method for receiving point cloud data 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 rendering 20004 , the decoder of FIGS. 10-11 , the point cloud data processing of the receiving device of FIG. 13 , It may include operations such as the XR device 1430 of FIG. 14 , point cloud data decoding of FIGS. 16-17 , geometry decoding of FIG. 21 , the decoder of FIG. 23 , and bitstream decoding of FIGS. 24-33 .
  • Spatial scalability is a function that can send and process low-resolution point clouds when the point cloud data is dense and the bandwidth is low.
  • the point cloud data is dense and the entire octree bitstream is transmitted, but the decoder's capacity or resource is insufficient, or the thumbnail is preferentially needed in the scenario, the entire transmitted It is a function that can provide a low-resolution point cloud by decoding only a specific depth level of the octree without decoding all of the octree-based bitstream.
  • a partial octree configuration and a method of reconstructing a position from the last-level octree nodes are provided.
  • the method for reconstructing a point of an octree node may increase the efficiency of compression of partially encoded/decoded geometry for spatial scalability according to where the geometry is reconstructed.
  • a geometry compression method for providing spatial scalability functions of an encoder (encoder)/decoder (decoder) of Geometry-based Point Cloud Compression (G-PCC) for three-dimensional point cloud data compression can be provided, and it can be provided by increasing the geometry compression efficiency.
  • a method/apparatus (a transmitting method/apparatus and/or a receiving method/apparatus) according to the embodiments provides various geometry position reconstruction methods for spatial scalability, thereby efficiently generating various types of point cloud data.
  • An effect capable of encoding/decoding may be provided.
  • the method/apparatus for transmitting and receiving point cloud data according to the embodiments is based on an octree to provide a spatial scalability function due to the geometry position reconstruction method & signal method for spatial scalability according to the above-described embodiments. It is possible to provide the effect of increasing the geometry compression efficiency by reconstructing the position of the point.
  • Various components of the apparatus of the embodiments may be implemented by hardware, software, firmware, or a combination thereof.
  • Various components of the embodiments may be implemented with one chip, for example, one hardware circuit.
  • the components according to the embodiments may be implemented with 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 the one or more programs may be implemented Any one or more of the operations/methods according to the examples may be performed or may include instructions for performing the operations/methods.
  • Executable instructions for performing the method/acts of the apparatus according to the embodiments may be stored in non-transitory CRM or other computer program products configured for execution by one or more processors, or one or more may be stored in temporary CRM or other computer program products configured for execution by processors.
  • the memory according to the embodiments may be used as a concept including not only a volatile memory (eg, RAM, etc.) but also a non-volatile memory, a flash memory, a PROM, and the like. Also, it may be implemented in the form of a carrier wave, such as transmission through the Internet.
  • the processor-readable recording medium is distributed in a computer system connected through a network, so that the processor-readable code can be stored and executed in a distributed manner.
  • first, second, etc. may be used to describe various elements of the embodiments. However, interpretation of various components according to the embodiments should not be limited by the above terms. These terms are only used to distinguish one component from another. it's just For example, the first user input signal may be referred to as a second user input signal. Similarly, the second user input signal may be referred to as a first user input signal. Use of these terms should be interpreted as not departing from the scope of the 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 the context clearly indicates otherwise.
  • the operations according to the embodiments described in this document may be performed by a transceiver including a memory and/or a processor according to the embodiments.
  • the memory may store programs for processing/controlling operations according to the 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 in embodiments may be performed by firmware, software, and/or a combination thereof, and the firmware, software, and/or a combination thereof may be stored in a processor or stored in a memory.
  • the transceiver device may include a transceiver for transmitting and receiving media data, a memory for storing instructions (program code, algorithm, flowchart and/or data) for a process according to embodiments, and a processor for controlling operations of the transmitting/receiving device.
  • a processor may be referred to as a controller or the like, and may correspond to, for example, hardware, software, and/or a combination thereof. Operations according to the above-described embodiments may be performed by a processor.
  • the processor may be implemented as an encoder/decoder or the like for the operation of the above-described embodiments.
  • the embodiments may be wholly or partially applied to a point cloud data transmission/reception device and system.
  • Embodiments may include variations/modifications without departing from the scope of the claims and the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Image Generation (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

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

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
전술한 기술적 과제를 달성하기 위해, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계, 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함한다. 또한, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계, 포인트 클라우드 데이터를 디코딩하는 단계를 포함한다.
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 지오메트리의 옥트리 및 옥트리에 기반하여 생성된 어트리뷰트의 LOD(Level of Detail)들을 나타낸다.
도16은 실시예들에 따른 LOD에 기반하여 비트스트림을 처리하는 방안을 나타낸다.
도17은 실시예들에 따른 지오메트리 및 어트리뷰트의 공간 스케일러빌리티 구조를 나타낸다.
도18은 실시예들에 따른 지오메트리 인코딩의 동작을 나타낸다.
도19은 실시예들에 따른 버림 양자화 및 라운딩 양자화를 나타낸다.
도20은 실시예들에 따른 옥트리의 중간 노드 상 지오메트리(위치)를 재구성하는 동작을 나타낸다.
도21은 실시예들에 따른 부분 지오메트리 디코딩 동작을 나타낸다.
도22는 실시예들에 따른 포인트 클라우드 데이터 부호화기의 구조를 나타낸다.
도23은 실시예들에 따른 포인트 클라우드 데이터 복호화기의 구조를 나타낸다.
도24는 실시예들에 따른 포인트 클라우드 데이터에 관한 비트스트림의 구조를 나타낸다.
도25는 실시예들에 따른 시퀀스 파라미터 세트(Sequence Parameter Set, SPS)를 나타낸다.
도26은 실시예들에 따른 지오메트리 파라미터 세트(Geometry Parameter Set, GPS)를 나타낸다.
도27은 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set, TPS)를 나타낸다.
도28은 실시예들에 따른 지오메트리 슬라이스 헤더(Geometry Slice Header)를 나타낸다.
도29는 실시예들에 따른 지오메트리 노드를 나타낸다.
도30은 실시예들에 따른 시퀀스 파라미터 세트를 나타낸다.
도31은 실시예들에 따른 지오메트리 파라미터 세트를 나타낸다.
도32는 실시예들에 따른 타일 파라미터 세트를 나타낸다.
도33은 실시예들에 따른 지오메트리 슬라이스 헤더를 나타낸다.
도34는 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도35는 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 (2 d, 2 d, 2 d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하는 옥트리 구조를 통해 생성된 복셀의 예시를 나타낸다. 하나의 복셀은 적어도 하나 이상의 포인트를 포함한다. 복셀은 복셀군(voxel group)과의 포지션 관계로부터 공간 좌표를 추정 할 수 있다. 상술한 바와 같이 복셀은 2차원 이미지/영상의 픽셀과 마찬가지로 어트리뷰트(색상 또는 반사율 등)을 가진다. 복셀에 대한 구체적인 설명은 도 4에서 설명한 바와 동일하므로 생략한다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(40002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 6의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2 d, 2 d, 2 d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (x int n, y int n, z int n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
d =Ceil(Log2(Max(x_n^int,y_n^int,z_n^int,n=1,…,N)+1))
도 6의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 6 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 6의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 6에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 4의 포인트 클라우드 인코더, 또는 옥트리 분석부(40002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(ΔΔΔ버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(40005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure PCTKR2020015138-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 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 PCTKR2020015138-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 PCTKR2020015138-appb-img-000003
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 디코더는 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006) 예시로서, 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006)의 동작 등과 동일 또는 유사한 동작을 수행할 수 있다. 도면이 도시된 바와 같이 포인트 클라우드 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 디코더는 지오메트리 디코더(geometry decoder)및 어트리뷰트 디코더(attribute decoder)를 포함한다. 지오메트리 디코더는 지오메트리 비트스트림에 대해 지오메트리 디코딩을 수행하여 디코딩된 지오메트리(decoded geometry)를 출력한다. 어트리뷰트 디코더는 디코딩된 지오메트리 및 어트리뷰트 비트스트림을 기반으로 어트리뷰트 디코딩을 수행하여 디코딩된 어트리뷰트들(decoded attributes)을 출력한다. 디코딩된 지오메트리 및 디코딩된 어트리뷰트들은 포인트 클라우드 콘텐트를 복원(decoded point cloud)하는데 사용된다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 디코더는 도 10에서 설명한 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 11000), 옥트리 합성부(synthesize octree, 11001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 11002), 지오메트리 리컨스트럭션부(reconstruct geometry, 11003), 좌표계 역변환부(inverse transform coordinates, 11004), 아리스메틱 디코더(arithmetic decode, 11005), 역양자화부(inverse quantize, 11006), RAHT변환부(11007), LOD생성부(generate LOD, 11008), 인버스 리프팅부(Inverse lifting, 11009), 및/또는 컬러 역변환부(inverse transform colors, 11010)를 포함한다.
아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스럭션부(11003), 좌표계 역변환부(11004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 9에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(11000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(11000)의 동작은 아리스메틱 인코더(40004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(11001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(11002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(11003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 9에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(11003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(11003)는 지오메트리 리컨스트럭션부(40005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 6에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(11004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(11005), 역양자화부(11006), RAHT 변환부(11007), LOD생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(11005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(11006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(11010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(11010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 12에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 4의 포인트 클라우드 인코더)의 예시이다. 도 12에 도시된 전송 장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 (Arithmetic) 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011) 및/또는 전송 처리부(12012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(12000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 9에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(12001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(12001)의 동작 및/또는 양자화는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(12002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(120002)는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(12003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(12003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(12003)는 도 4 및 도 6에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(40002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(12004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(12004)는 도 4 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(12005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(12005)는 도 7에서 설명한 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 구체적인 설명은 도 7에서 설명한 바와 동일하다. 실시예들에 따라 인트라/인터 코딩 처리부(12005)는 아리스메틱 코더(12006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(12006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(12006)는 아리스메틱 인코더(40004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(12007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(12007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(12008), 어트리뷰트 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 9에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(12008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(12008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하다. 또한 도 4에서 설명한 컬러 변환부(40006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(12009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(12009)는 도 4에 설명한 어트리뷰트 변환부(40007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(12010)는 도 4에서 설명한 RAHT 변환부(40008), LOD 생성부(40009) 및 리프팅 변환부(40010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(12011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(12011)는 아리스메틱 인코더(400012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(12012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom0 0) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr0 0, Attr1 0)을 포함할 수 있다.
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+XR+모바일폰>
XR/PCC 장치(1430)는 PCC기술이 적용되어 모바일폰(1440) 등으로 구현될 수 있다.
모바일폰(1440)은 PCC 기술에 기반하여 포인트 클라우드 콘텐츠를 디코딩하고, 디스플레이할 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.
본 문서에서 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치를 줄여서 실시예들에 따른 방법/장치으로 지칭할 수 있다.
본 문서에서 지오메트리는 지오메트리 데이터, 지오메트리 정보, 포인트들의 위치값 등으로 지칭할 수 있다.
본 문서에서 어트리뷰트는 어트리뷰트 데이터, 어트리뷰트 정보, 포인트들의 속성값(컬러, 반사도 등) 등으로 지칭할 수 있다.
도15는 실시예들에 따른 지오메트리의 옥트리 및 옥트리에 기반하여 생성된 어트리뷰트의 LOD(Level of Detail)들을 나타낸다.
도15는 도1의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도4의 인코더, 도12의 송신장치의 포인트들의 인코딩 과정에 의해 생성되는 지오메트리의 옥트리(15000) 및 어트리뷰트의 LOD들(15010)을 나타낸다.
또한, 도1의 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20003), 도4의 디코더, 도11의 디코더, 도13의 수신장치의 포인트 클라우드 데이터를 포함하는 비트스트림의 디코딩 과정에 의해 생성되는 지오메트리의 옥트리(15000) 및 어트리뷰트의 LOD들(15010)을 나타낸다.
실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 지오메트리 기반 포인트 클라우드 압축(Geometry-based Point Cloud Compression, G-PCC)의 공간 스케일러빌리티(spatial scalability) 기능을 제공하기 위해 옥트리 기반으로 포인트의 위치를 재구성하여 지오메트리 압축 효율을 높일 수 있는 방안에 관한 것이다.
지오메트리의 옥트리(15000)는 실시예들에 따른 인코더의 옥트리 분석부(40002)에 의해 생성되는 포인트들의 위치값에 대한 팔진 트리이다(도5 내지 도6 참조).
어트리뷰트의 LOD들(15010)은 실시예들에 따른 인코더의 LOD생성부(40009)에 의해 생성되는 옥트리-기반 어트리뷰트에 대한 LOD들의 집합이다(도8 내지 도9 참조).
지오메트리의 옥트리(15000) 및 어트리뷰트의 LOD들(15010)은 특정 레벨(15030)을 포함할 수 있다. 레벨에 따라서, LOD의 인덱스가 낮으면, 풀 레졸루션의 포인트 클라우드 오리지널이고, LOD의 인덱스가 높으면, 풀 레졸루션의 포인트 클라우드 비트스트림을 의미한다(도8참조).
특정 레벨(15030)에 기반하여, 실시예들에 따른 방법/장치는 스케일러블 인코딩 및/또는 디코딩을 할 수 있다.
즉, 실시예들은 옥트리의 특정 깊이(depth, 15030)에서 스케일러블(scalable) 지오메트리 인코딩/디코딩을 통해 생성된 포인트들의 옥트리(15000)을 생성할 수 있다. 또한, 스케일러블(scalable) 속성 인코딩/디코딩(lifting 방식)을 통해 어트리뷰트LOD들(15010)을 생성할 수 있다.
이때 포인트들의 옥트리(15000)의 옥트리 상의 위치(15040)의 리프노드 및 어트리뷰트 LOD(15010)의 옥트리 상의 위치(15050)의 위치가 최대한 일치(15060)할수록 포인트 클라우드 데이터의 압축 효율이 증가함을 의미한다.
따라서, 실시예들은 지오메트리 옥트리(15040)와 속성 옥트리의 포인트들의 위치(15050)가 유사하도록 포인트 클라우드 데이터를 처리하는 인코더/디코더의 동작 및 이를 위한 시그널링 정보의 신택스를 제안한다.
실시예들에 따른 방법/장치는 공간 스케일러빌리티(Spatial scalability)를 위해 지오메트리 위치 재구성(geometry position reconstruction)을 할 수 있고, 이러한 방법을 지원하기 위한 시그널링 정보를 생성하여 송수신할 수 있다.
도16은 실시예들에 따른 LOD에 기반하여 비트스트림을 처리하는 방안을 나타낸다.
인코더(16020)는 도1의 송신장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코더(20001), 도4의 인코더, 도12의 송신장치, 도14의 XR디바이스(1430)에 대응할 수 있다.
디코더(16030)는 도1의 수신장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 디코더(20003), 도10-11의 디코더, 도13의 수신장치, 도14의 XR디바이스(1430), 도17의 디코더(17000, 17010)에 대응할 수 있다.
실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 Spatial scalability 지원을 위한 지오메트리 위치(position) 인코딩/디코딩을 수행할 수 있다.
실시예들에 따른 방법/장치는 포인트 클라우드 데이터가 밀도가 높고(dense) 대역폭(bandwidth)이 낮을 때, 낮은 해상도의 포인트 클라우드를 보내고 처리할 수 있는 기능을 제공할 수 있다. 실시예들에 따른 방법/장치는 수신 장치의 기능에 맞춰서 수신 장치가 포인트 클라우드 데이터를 렌더링할 수 있도록 데이터 처리를 할 수 있다.
또한, 실시예들에 따른 방법/장치는 포인트 클라우드 데이터가 밀도가 높고(dense) 디코더의 성능이 낮을 때, 디코더쪽 계산량을 낮출 수 있도록 일부만 디코딩 해서 낮은 해상도의 포인트 클라우드를 제공할 수 있는 기능을 제공할 수 있다.
16000동작과 같이, 인코더(16020)는 풀 레졸루션의 포인트 클라우드 오리지널 데이터를 수신할 수 있다. 인코더(16020)는 포인트 클라우드 데이터의 지오메트리를 옥트리로 구성할 수 있다. 인코더(16020)는 LOD들에 기반하여 특정 레벨까지의 지오메트리(16040)까지만 인코딩할 수 있다. LOD의 레벨에 따라서, 인코더(16020)는 로우 레졸루션 포인트 클라우드 i번째 LOD 내지 하이 레졸루션 포인트 클라우드 비트스트림을 생성할 수 있다. 디코더(16030)는 인코더에 전송된 로우 레볼루션 포인트 클라우드 i번째 LOD 또는 하이 레졸루션 포인트 클라우드 비트스트림을 수신할 수 있다. 디코더(16030)는 특정 레벨(16050)에 해당하는 포인트 클라우드 데이터를 디코딩하고 복원하여 렌더링할 수 있다. 디코더(16030)는 로우 레졸루션 디코딩된 포인트 클라우드 내지 하이 레졸루션 디코딩된 포인트 클라우드를 생성할 수 있다.
16010동작과 같이, 인코더(16020)는 풀 레졸루션 포인트 클라우드 오리지널 데이터를 수신할 수 있다. 인코더(16020)는 특정 레벨이 아닌 모든 레벨의 지오메트리 옥트리를 인코딩할 수 있다. 인코더(16020)는 풀 레졸루션 포인트 클라우드 비트스트림을 생성할 수 있다. 디코더(16030)는 풀 레졸루션 포인트 클라우드 비트스트림을 수신할 수 있다. 디코더(16030)는 특정 레벨(16060)까지 포인트 클라우드 데이터를 디코딩하고 복원할 수 있다. 디코더(16030)는 로우 레졸루션 포인트 클라우드 데이터를 생성할 수 있다.
도16과 같은 데이터 처리는 포인트 클라우드 데이터의 공간 스케일러빌리티(spatial scalability)에 관한 효과를 제공한다.
16000과 같이 실시예들에 따른 송신 장치 또는 인코더가 포인트 클라우드 데이터를 일부만 인코딩하여 전송할 수 있고, 160010과 같이 실시예들에 따른 송신 장치 또는 인코더가 포인트 클라우드 데이터를 전체 인코딩하여 전송할 수 있다. 실시예들에 따른 수신 장치 또는 디코더는 수신한 포인트 클라우드 데이터를 옥트리의 특정 레벨에 기반하여 스케일러블하게 포인트 클라우드 데이터의 부분적으로 디코딩하고 복원할 수 있다.
실시예들에 따른 공간 스케일러빌리티 기능은 전송 환경, 수신 장치의 특성, 성능 등에 따라서 포인트 클라우드 데이터를 효율적으로 처리하는 효과가 있다.
도17은 실시예들에 따른 지오메트리 및 어트리뷰트의 공간 스케일러빌리티 구조를 나타낸다.
디코더(17000, 17010)는 도1의 수신 장치(10004)의 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩을 수행하는 디코더(20003), 도11의 지오메트리 비트스트림 및 어트리뷰트 비트스트림을 디코딩하는 디코더, 도13의 수신 장치, 도14의 XR디바이스(1430), 도16의 디코더(16030)에 대응하거나 결합될 수 있다.
실시예들에 따른 디코더(17000)는 어트리뷰트를 갖는 로우 레졸루션 포인트 클라우드 데이터를 복원할 수 있다. 디코더(17000)는 LOD(level of detail)에 의해 표현되는 지오메트리 비트스트림 및 어트리뷰트 비트스트림으로부터 옥트리의 특정 레벨(17020)에 해당하는 부분 지오메트리 데이터 및 부분 어트리뷰트 데이터를 수신하여 어트리뷰트를 갖는 로우 레졸루션 포인트 클라우드 데이터를 복원할 수 있다.
실시예들에 따른 디코더(17010)는 풀 레졸루션 포인트 클라우드 데이터를 복원할 수 있다. 디코더(17010)는 LOD(level of detail)에 의해 표현되는 지오메트리 비트스트림 및 어트리뷰트 비트스트림으로부터 옥트리의 레벨 끝까지 모두 포함하는 지오메트리 데이터 및 어트리뷰트 데이터를 수신하여 풀 레졸루션 포인트 클라우드 데이터를 복원할 수 있다.
실시예들에 따른 지오메트리 인코딩 및 지오메트리 디코딩은 옥트리의 깊이 레벨을 조절하여 선택된 깊이 레벨(예를 들어, 15030, 16040, 16050, 16060)까지만 점유비트(occupancy bits)를 인코딩하거나 디코딩 하는 과정을 통해 공간 스케일러빌리티 기능을 제공할 수 있다.
실시예들에 따른 공간 스케일러빌리티 기능 제공을 위해, 인코더 및/또는 디코더는 지오메트리 위치 값을 재배치할 필요가 있을 수 있다.
실시예들에 따른 송수신 장치의 인코더 및/또는 디코더는 공간 스케일러빌리티 기능을 위해 옥트리 기반으로 포인트의 위치(예를 들어, 지오메트리)를 재구성하여 지오메트리 압축 효율을 높일 수 있다.
나아가, 실시예들에 따른 공간 스케일러빌리티 기능은 다른 실시예들과 결합이 가능하다. 즉, 본 문서에서 사용되는 용어는 해당 분야에서 널리 사용되는 범위 내에서, 용어의 의도된 의미에 근거하여 이해될 수 있다.
실시예들에 따른 방법/장치는 인코딩 및/또는 디코딩 시 공간 스케일러빌리티 기능을 제공할 수 있도록 지오메트리에 같은 옥트리 구조를 적용할 수 있다(도17참조). 실시예들에 따른 방법/장치는 전체 지오메트리 비트스트림으로부터 옥트리의 선택된 깊이 레벨(17020)까지 해당하는 부분 지오메트리를 구성하는 방식을 제안한다. LOD별로 지오메트리를 재구성하는 방법은 실시예들에 따른 PCC 복호화기/부호화기에서 수행될 수 있다.
도18은 실시예들에 따른 지오메트리 인코딩의 동작을 나타낸다.
도18은 도1의 송신장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코더(20001), 도4의 인코더, 도12의 송신장치, 도14의 XR디바이스(1430) 등이 지오메트리를 인코딩 시 도15-16 등과 같이 공간 스케일러빌리티를 지원하기 위한 동작을 나타낸다.
S18000, 손실 지오메트리(lossy geometry) 코딩을 위한 양자화
실시예들에 따른 인코더는 손실 지오메트리 코딩을 할 수 있다. 손실 지오메트리 코딩을 위해서, 실시예들에 따른 인코더는 지오메트리를 양자화할 수 있다. 실시예들에 따른 양자화의 구체적인 동작은 도19를 참조하여 설명한다.
S18010, 부분 지오메트리(partial geometry) 인코딩
실시예들에 따른 인코더는 지오메트리를 부분적으로 인코딩할 수 있다. 실시예들에 따른 파셜 지오메트리 인코딩은 도20을 참조하여 설명한다.
도19은 실시예들에 따른 버림 양자화 및 라운딩 양자화를 나타낸다.
도19는 도18의 S18000의 상세 동작을 나타낸다.
도19는 실시예들에 따른 인코더가 지오메트리를 양자화하는 동작을 나타낸다. 예를 들어, 도4의 양자화기 또는 복셀화기(40001), 도12의 복셀화 처리기(12002) 등이 도19와 같은 양자화를 수행할 수 있다.
실시예들에 따른 인코더는 손실 지오메트리 코딩을 위해서 지오메트리 위치 값에 스케일 값을 곱함으로써 양자화(quantization)할 수 있다. 지오메트리가 양자화되면, 지오메트리 데이터가 나타내는 위치값이 변경된다.
실시예들에 따른 양자화는 올림(ceil), 버림(floor), 라운딩(round) 등을 포함할 수 있다.
실시예들에 따른 인코더는 공간 스케일러빌리티를 위한 다양한 양자화 타입에 기반하여 지오메트리를 양자화할 수 있다. 인코더는 지오메트리에 적용된 양자화 타입 정보를 포인트 클라우드 비트스트림에 포함시켜서 전송할 수 있다. 실시예들에 따른 디코더는 비트스트림에 포함된 양자화 타입 정보에 기반하여 지오메트리의 위치를 복원할 수 있다.
실시예들에 따른 버림 양자화(19000)는 지오메트리의 포인트 위치값을 버림으로써 변경할 수 있다. 포인트(19020)은 복셀(19030) 내 좌표계 상 위치값 (1.2, 1.1, 1.4)을 가질 수 있다. 인코더가 포인트(19020)를 버림 양자화 하면, 각 위치값의 소수점 값이 제거될 수 있다. 예를 들어, 위치값(1.2, 1.1, 1.4)는 위치값(1, 1, 1)으로 양자화된다. 포인트(19050)는 복셀(19060) 내 좌표계 상 위치값(0.6, 0.5, 0.6)을 가질 수 있다. 인코더가 포인트(19050)를 버림 양자화하면, 위치값 (0.6, 0.5, 0.6)은 (0, 0, 0)으로 양자화될 수 있다.
실시예들에 따른 라운딩 양자화(19010)는 지오메트리의 포인트 위치값을 근접한 정수값으로 변환할 수 있다. 포인트(19080)는 복셀(19090) 내 위치값(1.2, 1.1, 1.4)을 가질 수 있다. 1.2, 1.1, 1.4는 1 및 2와 사이에 위치한다. 라운딩 양자화는 각 좌표값을 1및2 중 가까운 값으로 설정할 수 있다. 즉, (1.2, 1.1, 1.4)는 (1, 1, 1)으로 양자화된다. 포인트(19100)는 복셀(19110) 내 위치값(0.6, 0.5, 0.6)을 가질 수 있다. 위치값(0.6, 0.5, 0.6)은 위치값(1, 1, 1)으로 양자화될 수 있다. 실시예들에 따라 0.5는 1로 라운딩 양자화될 수 있다. 실시예들에 따라 0.5와 같이 중간에 위치한 포인트는 실시예들에 따른 설정에 따라서 0또는 1로 양자화될 수 있다.
실시예들에 따른 방법/장치는 옥트리의 노드의 대표위치를 양자화 기법(예를 들어, 올림, 버림, 라운딩 등)에 기반하여 설정할 수 있다.
도19와 같이, 실시예들에 따른 인코더는 지오메트리가 가지는 위치값을 양자화함으로써 손실 코딩을 할 수 있다.
실시예들에 따른 인코더는 인코딩 오더에 따른 방향(19140, 19150)에 따라 포인트들을 양자화할 수 있다.
실시예들에 따른 양자화는 손실 지오메트리 코딩을 위해 사용될 수 있고, 손실 코딩이 아닌 무손실 코딩이 적용되는 경우, 양자화 동작은 옵셔널할 수 있다.
도20은 실시예들에 따른 옥트리의 중간 노드 상 지오메트리(위치)를 재구성하는 동작을 나타낸다.
도20은 도18의 S18010의 상세 동작을 나타낸다.
실시예들에 따른 인코더는 공간 스케일러빌리티를 위해 전체 옥트리(옥트리의 리프노드까지)를 인코딩 하지 않고, 옥트리의 특정 깊이 레벨까지만 인코딩하여 부분 지오메트리 비트스트림을 생성하여 전송할 수 있다.
실시예들에 따른 인코더는 도15-16과 같이 옥트리의 특정 깊이 레벨까지 점유 비트가 생성되고, 속성을 인코딩하기 위해서 인코딩된 지오메트리 정보를 바탕으로 지오메트리 위치 정보를 재구성(reconstruct)할 수 있다.
실시예들에 따른 인코더는 도18-20와 같이 지오메트리 위치를 재구성할 때 리프 노드(leaf node)가 아닌 옥트리 중간 노드(도20의 LOD N)의 대표 위치를 설정하고 해당 위치를 포인트로 재구성할 수 있다.
대표 위치는 노드 영역(또는 바운딩 박스, 복셀 등. 20020, 20070, 20090, 20100)의 왼쪽, 하단, 앞쪽(Left, Bottom, Front) 포인트로 정할 수도 있고(20000), 중앙(Middle/center) 위치로 정할 수도 있고(20010), 분포에 따라서 중심점(Centroid)으로 정할 수도 있다(20010). 또한, 다양한 다른 코너 위치로 설정할 수 있다.
실시예들에 따른 중앙 위치는 LOD N에서 각 노드 영역의 중앙 위치(노드 내 포인트 위치와 무관하고. 바운딩 박스의 중앙 값)를 의미할 수 있다.
실시예들에 따른 중심점은 LOD N에서 각 노드 영역에 포함된 포인트들의 실제 중심값으로, 포인트를 포함하는 하위 노드의 왼쪽/하단/앞쪽인지, 하위 노드의 중앙인지 확인 한 뒤 그 위치에 대한 타입과 그 하위노드의 인덱스(0-7)를 시그널링하는 정보로 디코더에 알려준다.
실시예들에 따른 방법/장치는 지오메트리 위치를 복원할 때 지오메트리 값 자체를 대표위치로 복원한다. 그렇게 복원하면 속성 코딩에서 나온 결과와 매칭이 더 잘 되는 효과가 있다. 이유는 속성 코딩에서 웨이트(weight) (거리)를 대표 중앙 위치로 옮겨서 계산하기때문입니다. 그리고, 부분 디코딩(partial decoding)에서 중간 레벨에서의 위치 복원을 바닥/좌/앞(bottom/left/front)로 할 때 이 값은 실제 값이 아닐 수 있다. 즉, 가상의 값이다. 해당 영역 안에 어디에 실제 포인트가 있는지는 리프 레벨까지 디코딩을 해야 알 수 있기 때문이다. 따라서 대표 위치를 중앙으로 하는 것이 더 인코딩/디코딩 효율이 증가한다.
실시예들에 따른 부분 디코딩(partial decoding)은 디코더가 풀 레벨(full level)을 디코딩 하고 싶지 않거나, 할 수 없거나, 할 필요성이 없거나 등등 특정 이유로 인해서 복수의 레벨들 중 특정 레벨인 L 레벨까지만 데이터를 복원할 수 있다. 따라서 0부터 N 레벨까지 모든 노드의 대표 위치가 복원되는 것이 아니라, 디코더 원하는 L레벨에서의 옥트리 노드별로 점유 비트에 맞춰서 대표위치로 복원됩니다. 해당 옥트리 노드의 점유 비트가 0이면 복원되지 않는다.
실시예들에 따른 인코더는 포인트 클라우드 데이터, 예를 들어, 지오메트리를 옥트리 구조로 나타낼 수 있다. 옥트리는 옥트리 레벨에 따른 노드 영역(20020) 및 노드 영역(20020)에 포함된 포인트로 구성된다.
옥트리 레벨은 LOD들(20030)로 표현될 수 있다. LOD 0 내지 LOD N으로, 인덱스N으로 갈수록 노드영역의 사이즈가 작아지고 리프노드에 해당하는 레벨의 경우 노드 영역이 복셀에 대응할 수 있다.
20000동작과 같이, 실시예들에 따른 인코더는 LOD(level of detail)과 같은 포인트 거리에 기반하여 공간 상 위치한 지오메트리의 포인트들을 옥트리 구조로 나타낼 수 있다.
예를 들어, LOD N-1레벨의 경우, 노드 영역(20020)은 하나 또는 하나 이상의 포인트들을 포함할 수 있다. 실시예들에 따른 인코더는 노드 영역(20020)의 포인트의 대표위치를 왼쪽, 하단, 앞쪽 위치(20040)로 설정할 수 있다. 노드 영역(20020)의 포인트는 대표위치(20040)의 포인트로 간주될 수 있다. 옥트리 구조 상 LOD N-1레벨의 노드는 하위 노드(또는 자식 노드)로 최대 8개의 노드들을 포함할 수 있다. LOD N레벨에 포함된 하나 또는 하나 이상의 노드들도 각 노드 영역의 대표위치를 각 노드 영역의 왼쪽, 하단, 앞쪽 위치(20050)로 설정할 수 있다.
20010동작은 20000동작과 비교하여, 실시예들에 따른 인코더는 각 노드 영역의 대표위치를 노드 영역의 중앙 위치(20060)로 설정할 수 있다.
예를 들어, LOD N-1레벨에서, 노드 영역(20070)의 대표위치는 중앙이 될 수 있다. 옥트리 구조 상 노드 영역(20070)은 최대 8개의 하위 노드(또는 자식 노드)를 포함할 수 있다. LOD N 레벨에서, 하나 또는 하나 이상의 노드들은 각 노드의 중앙 위치가 노드가 포함하는 하나 또는 하나 이상의 포인트들의 대표위치(20080)가 될 수 있다.
실시예들에 따른 옥트리 노드의 대표 위치 타입은 시그널링될 수 있다. 실시예들에 따른 인코더는 실시예들에 따른 옥트리 노드의 대표 위치 타입(20000, 20010 등을 나타내는)을 나타내는 정보를 포인트 클라우드 비트스트림에 메타데이터, 시그널링 정보 또는 파라미터 등으로 포함시켜서 전송할 수 있다. 실시예들에 따른 수신 장치는 비트스트림에 포함된 대표 위치 타입 관련 정보에 기반하여 포인트 클라우드 비트스트림에 포함된 지오메트리의 위치를 복원할 수 있다.
한편, 실시예들에 따른 인코더가 어트리뷰트를 LOD에 기반하여 인코딩하는 경우, 어트리뷰트의 대표위치를 중앙으로 간주하여 이웃 포인트를 서치할 수 있다.
예를 들어, 어트리뷰트 코딩에서 웨이트 계산 방법을 사용하는 경우 중앙 이동에 기반하여 기준 거리를 계산할 수 있다.
어트리뷰트 인코딩과 비교 시, 도20은 공간 스케일리블한 지오메트리 인코딩 방법을 나타낸다.
실시예들에 따른 인코더가 공간 상 포인트들의 분포에 따라서 포인트의 중심점을 설정하는 경우, 현재 옥트리 깊이 레벨(0 내지 N)에서 하위 자식 레벨 위치의 중심점이 어디에 속하는지 계산할 수 있다. 하위 레벨의 왼쪽, 하단, 앞쪽 위치로 포인트, 또는 중앙 위치, 또는 각 코너들로 설정할 수 있다.
실시예들에 따른 인코더 또는 메타데이터 처리기는 하위 레벨의 위치 인덱스 값과 하위 레벨에서의 대표 위치 타입을 포인트 클라우드 비트스트림에 시그널링 정보 또는 파라미터로 추가할 수 있다. 시그널링 정보에 기반하여 실시예들에 따른 디코더는 부분 지오메트리 위치 복원할 수 있다.
부분 지오메트리 인코딩시 적용되는 대표 위치 타입은 손실 지오메트리의 양자화 단계에서 적용한 양자화 타입에 맞춰서 대표값을 설정할 수도 있다.
예를 들어, 양자화 타입이 라운딩인 경우 대표 위치 타입은 중앙으로 설정할 수 있고, 양자화 타입이 올림 방식의 경우 대표 위치 타입은 오른쪽-위-뒤(right-top-back)위치로 구성할 수 있다. 실시예들에 따른 양자화 타입 및/또는 대표 위치 타입은 비트스트림의 파라미터, 시그널링 정보로 포함되어 전송될 수 잇다. 디코더는 파라미터 또는 시그널링 정보에 기반하여, 부분 지오메트리 포인트 위치를 재구성할 수 있다.
설명한 실시예들에 따른 방식은 인코더 및/또는 디코더에 같은 방식으로 적용도리 수 있다. 어트리뷰트 인코딩 및/또는 어트리뷰트 디코딩 시 동일한 포인트(들)에 기반하여 어트리뷰트 인코딩/디코딩이 수행될 수 있다.
부분 지오메트리로 인코딩된 경우, 전체 옥트리의 깊이뿐 아니라, 인코딩에 사용된 옥트리의 깊이 레벨 또한 시그널링 정보로써 비트스트림에 포함되어 전송될 수 있다.
실시예들에 따른 시그널링 정보는 도24에서 포인트 클라우드 비트스트림의 구조와 함께 구체적으로 설명한다.
도20의 지오메트리 위치 재구성 동작은 다음과 같은 구문에 의해 동작될 수 있다.
for( child = 0; child < GeometryNodeChildrenCnt; child++ ) {
childIdx = GeometryNodeChildren[ child ];
x = 2 × xN + ( childIdx & 4 ) = = 1 ;
y = 2 × yN + ( childIdx & 2 ) = = 1 ;
z = 2 × zN + ( childIdx & 1 ) = = 1 ;
for( i = 0; i < GeometryNodeDupPoints[ child ] + 1 ; i++, PointCount++ ) {
PointPos[ PointCount ][ 0 ] = geomScale( x , 0);
PointPos[ PointCount ][ 1 ] = geomScale( y , 1);
PointPos[ PointCount ][ 2 ] = geomScale( z , 2);
}
if( direct_mode_flag ) {
if (!duplicatedPointFlag) {
for( i = 0; i <= num_direct_points_minus1; i++, PointCount++ ) {
PointPos[ PointCount ][ 0 ] = geomScale( ( x << EffectiveChildNodeSizeLog2 ) + PointOffsetX[ i ] , 0);
PointPos[ PointCount ][ 1 ] = geomScale( ( y << EffectiveChildNodeSizeLog2 ) + PointOffsetY[ i ] , 1);
PointPos[ PointCount ][ 2 ] = geomScale( ( z << EffectiveChildNodeSizeLog2 ) + PointOffsetZ[ i ] , 2);
}
}
else {
for( i = 0; i <= num_direct_points_minus1; i++, PointCount++ ) {
PointPos[ PointCount ][ 0 ] = geomScale( ( x << EffectiveChildNodeSizeLog2 ) + PointOffsetX[ 0 ] , 0);
PointPos[ PointCount ][ 1 ] = geomScale( ( y << EffectiveChildNodeSizeLog2 ) + PointOffsetY[ 0 ] , 1);
PointPos[ PointCount ][ 2 ] = geomScale( ( z << EffectiveChildNodeSizeLog2 ) + PointOffsetZ[ 0 ] , 2);
}
}
}
}
if(minGeomNodeSizeLog2 > 1) {
mask = (-1) << minGeomNodeSizeLog2;
for( i = 0; i < PointCount ; i++) {
PointPos[ i ][ 0 ] = (PointPos[ i ][ 0 ] & mask) + (1 << (minGeomNodeSizeLog2 - 1))
PointPos[ i ][ 1 ] = (PointPos[ i ][ 1 ] & mask) + (1 << (minGeomNodeSizeLog2 - 1))
PointPos[ i ][ 2 ] = (PointPos[ i ][ 2 ] & mask) + (1 << (minGeomNodeSizeLog2 - 1))
}
}
실시예들에 따른 방법/장치는 비트 연산을 통해 특정 옥트리 레벨(예를 들어, LOD 0 내지 N)의 각 노드들의 위치를 센터값(예를 들어, 20060, 20080)으로 설정할 수 있다. 즉 & 와 << 연산이 0/1 bit를 남기거나 지워서, 위치를 센터로 이동시킬 수 있다.
옥트리의 레벨은 minGeomNodeSizeLog2으로 설정될 수 있다.
Mask = (-1) << minGeomNodeSizeLog2동작은 특정 옥트리 레벨을 적용하기 위해서 오른쪽 끝자리들을 0s과 & 연산에 기반하여 지우기 위한 비트를 생성할 수 있다.
PointPos[i][0] & mask동작은 위치 값에서 오른쪽 자리를 삭제할 수 있다. 그렇게 되면 해당 레벨의 옥트리의 좌, 바닥, 앞(left,bottom,front)의 위치 값이 생성될 수 있다.
+ (1<< (minGeomNodeSizeLog2-1)) 동작은 서브-옥트리 노드(sub-Octree node) 한 개의 크기 값을 구할 수 있다. 해당 값을 더하면면 해당 옥트리 레벨의 중앙 위치가 도출될 수 있다.
도20의 지오메트리 위치 재구성 동작은 지오메트리 인코더에 의해서 실행될 수 있고, 또는 포인트 클라우드 인코더에 의해서 실행될 수 있다. 나아가, 지오메트리 위치 재구성은 어트리뷰트 인코딩 및/또는 어트리뷰트 디코딩과 연관되어 실행된다. 즉, 지오메트리 위치를 재구성하면, 포인트 클라우드 데이터를 잘 복원할 수 있는 효과가 있다.
포인트 클라우드 데이터의 복원 시, 전체 레벨을 모두 복원하는 것이 아닌 경우, 중간 레벨까지만 복원하는 경우(부분 디코딩partial decoding, 16030), 복원된 위치 값을 좌/바닥/앞(Left/bottom/front)값을 디폴트(default)로 설정할 수 있다(즉, 가상의 값). 중간 노드에서 어떤 서브-옥트리 노드(sub-Octree node)가 점유(occupied)되어 있는지 모른다. 좌/바닥/앞(left/bottom/front) 또한 가상의 값인데, 어트리뷰트를 인코딩 및/또는 디코딩할때 각 포인트들의 NN(Nearest Neighbour, 가장 가까운 이웃)과의 웨이트(weight) 값 계산해야 한다. 따라서, 노드의 값을 중앙 위치값으로 시프팅(shifting) 한 후에 웨이트(weight(distance))값을 계산한다.
따라서 지오메트리 또한 전체 레벨 복원이 아닌 중간 레벨에서 지오메트리 복원 시(17020) 어트리뷰트의 웨이트(weight) 계산 방법에 맞춰서 지오메트리의 위치를 센터 값으로 복원을 하게 되면, 복원된 포인트와 복원된 색상과의 매칭이 잘 맞아서 PSNR이 상당히 높게 나오는 효과가 있다.
지오메트리는 좌/바닥/앞(left/bottom/front) 포인트로 복원하고, 어트리뷰트는 센터에 있다고 가정하고 NN의 웨이트를 계산하게 되었을때의 불일치로 나오는 오류를 줄여주는 효과가 있다. 부분 디코딩 시 지오메트리/어트리뷰트 모두 센터(20060, 20080)로 복원해서 일치시킴에 따라 PSNR이 향상된다.
대표위치를 재구성하는 것은 특정 레벨까지만 디코딩하기 위함이다. 즉, 부분 디코딩을 가능하게 한다. 실시예들에 따라 인코딩은 풀 레벨로 진행될 수 있다(16010). 어트리뷰트 인코딩에서 어트리뷰트 코딩 NN 웨이트를 센터로 옮기는 것과 별개로, 지오메트리 위치 재구성은 위와 같은 효과를 제공할 수 있다.
속성 코딩 시 NN과의 거리 계산을 통해 웨이트(weight)를 구할때, 자신의 포인트 NN의 포인트 모두 센터로 위치를 변경시키고 거리(distance)를 계산할 수 있다. 즉, 스케일러빌리티 코딩이 가능하다. 왜냐하면, 부분 디코딩 또는 풀 레벨 디코딩시 모두 같은 웨이트가 적용될 수 있다.
도21은 실시예들에 따른 부분 지오메트리 디코딩 동작을 나타낸다.
디코더(17000, 17010)는 도1의 수신 장치(10004)의 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩을 수행하는 디코더(20003), 도11의 지오메트리 비트스트림 및 어트리뷰트 비트스트림을 디코딩하는 디코더, 도13의 수신 장치, 도14의 XR디바이스(1430), 도16의 디코더(16030), 도17의 디코더(17000, 17010)에 의해 수행되는 부분 지오메트리 디코딩 동작이다.
21000동작은 실시예들에 따른 부분 지오메트리 디코딩 동작을 나타낸다.
공간 스케일러빌리티 기능 제공을 위해 전체 옥트리(트리의 리프 노드까지)를 인코딩 하지 않고 특정 깊이 레벨까지만 인코딩 하여 부분 지오메트리 비트스트림을 생성하고 디코더에 전송할 수도 있다. 예를 들어, 썹네일 지원을 위해서 부분 지오메트리 인코딩이 이용될 수 있다.
또한, 전체 옥트리 비스트스림을 인코딩하였지만 디코더에서 디코더의 성능(capacity) 또는 자원(resource) 부족, 또는 시나리오상 썸네일(thumbnail)을 우선적으로 빠르게 필요로 하는 경우가 있을 수 있다. 이때, 디코더가 수신한 전체 옥트리 기반 비트스트림을 모두 디코딩하지 않고, 옥트리의 특정 깊이 레벨까지만 디코딩 할 수도 있다.
지오메트리 디코딩은 다음 3가지 경우를 포함할 수 있다. 실시예들에 따른 수신 장치 및/또는 디코더는 다음의 3가지 경우를 실시예들에 따라서 각각 실행할 수 있다.
제1경우(S21000): 전체 지오메트리 비트스트림을 수신하고(full geometry encoding), 옥트리 전체를 지오메트리 위치 정보로 재구성하기(full geometry decoding).
실시예들에 따른 수신 장치 또는 디코더는 송신 장치 또는 인코더로부터 풀 레졸루션의 전체 지오메트리를 포함하는 비트스트림을 수신한다. 수신 장치는 옥트리에 기반한 전체 지오메트리로부터 지오메트리 전체 위치 정보를 복원할 수 있다.
제2경우(S21010): 전체 지오메트리 비트스트림을 수신하고(full geometry encoding), 부분 옥트리를 통해 지오메트리 위치 정보로 재구성하기(partial geometry decoding).
수신 장치는 송신 장치로부터 풀 레졸루션의 전체 지오메트리를 포함하는 비트스트림을 수신한다. 수신 장치는 옥트리에 기반한 지오메트리로부터 부분적으로(partial) 특정 레벨까지 지오메트리 파셜 위치 정보를 복원할 수 있다(spatial scalability).
제3경우(S21020): 부분 지오메트리 비트스트림을 수신하고(partial geometry encoding), 수신된 옥트리 전체를 재구성하기(partial geometry decoding).
수신 장치는 송신 장치로부터 부분 지오메트리 비트스트림을 수신한다. 수신 장치는 부분 지오메트리에 해당하는 옥트리 전체를 복원할 수 있다.
제2경우(S21010) 및/또는 제3경우(S21020)이 부분 지오메트리 디코딩에 해당할 수 있다. 제2경우(S21010)가 도16의 16010동작에 대응할 수 있고, 제3경우(S21020)가 도16의 16000동작에 대응할 수 있다.
부분 지오메트리 디코딩을 위해서, 실시예들에 따른 수신 장치는 다음의 정보를 사용하여 다음의 동작(S21030, S21040)을 수행할 수 있다.
S21030, 양자화 타입 정보에 기반하여, 지오메트리를 디코딩하고 지오메트리의 위치를 재구성하기.
인코더로부터 수신한 비트스트림에 포함된 양자화 타입 정보에 기반하여, 디코더는 지오메트리를 디코딩하고 지오메트리의 위치값을 재구성할 수 있다.
S21040, 대표 위치 정보에 기반하여, 지오메트리를 디코딩하고, 지오메트리의 위치를 재구성하기.
인코더로부터 수신한 비트스트림에 포함된 대표 위치 정보에 기반하여, 디코더는 지오메트리를 디코딩하고, 지오메트리의 위치값을 재구성할 수 있다.
수신 장치는 실시예들에 따른 부분 지오메트리의 위치를 다음(S21050, S21060)과 같이 디코딩할 수 있다.
S21050, 특정 레벨의 옥트리까지 점유 비트를 파싱하고, 옥트리 구성하기.(partial decoding)
디코더는 수신한 지오메트리에 포함된 점유 비트들을 파싱할 수 있다. 이때, 부분 디코딩을 위해서 특정 레벨에 옥트리까지 해당하는 점유 비트들이 파싱된다. 파싱된 점유 비트들에 기반하여 옥트리를 구성할 수 있다.
즉, 지오메트리 비트스트림으로부터 부분 디코딩을 위한 특정 레벨의 옥트리까지 점유 비트(occupancy bits)를 파싱하며 옥트리를 구성할 수 있다. 특정 레벨의 점유 비트 여부에 따라서 노드들이 구성될 수 있다.
S21060, 노드(들)의 위치를 재구성하기.
디코더는 구성된 노드들의 위치값을 재구성할 수 있다. 위치값을 구성하는 과정은 양자화 타입과 같은 위치로 노드 내 위치를 계산할 수 있다. 예를 들어, 도19와 같이, 포인트(19120)으로 양자화되었던 포인트(19080)의 위치가 재구성되고 계산될 수 있다.
도22는 실시예들에 따른 포인트 클라우드 데이터 부호화기의 구조를 나타낸다.
도22는 도1의 송신장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코더(20001), 도4의 인코더, 도12의 송신장치, 도14의 XR디바이스(1430), 도16의 인코더(16020)에 대응하는 실시예들에 따른 부호화기의 상세 구조도이다. 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응된다.
도22의 각 구성요소는 실시예들에 따른 부호화기 내에 항상 포함될 수 있고, 구성요소 별로 선택적으로 포함될 수 있다. 부호화기의 인코딩 구성요소의 동작에 관한 시그널링 정보는 비트스트림에 포함되어 전송될 수 있다.
실시예들에 따른 송신 장치 또는 송신 장치에 포함된 인코더는 포인트 클라우드 데이터를 인코딩하고, 기하정보 비트스트림 및/또는 속성정보 비트스트림을 생성한다.
데이터 입력기(22000)는 지오메트리 데이터, 어트리뷰트 데이터 및/또는 이와 관련된 파리미터들을 수신할 수 있다.
좌표계 변환기(22010)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 처리기(22020)는 기하정보 변환 양자화기 등으로 지칭될 수 있다. 기하정보 변환 양자화 처리부(20020)는 도4의 양자화기(40001)에 대응될 수 있다. 기하정보 변환 양자화 처리부(22020)는 전체 스케일값(양자화값) 하나를 입력 받고, 콘텐츠의 분포에 따라서 스케일 조절할 수도 있다.
공간 분할기(22030)는 포인트 클라우드 데이터를 실시예들에 따른 공간 분할 단위로 분할할 수 있다. 공간 분할부(22030)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(22030)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 부호하기(22040)는 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩할 수 있다. 지오메트리 인코딩의 상세 과정은 다음 구성요소들에 의해 수행될 수 있다. 기하정보 부호하기(22040)는 옥트리 생성부에서 양자화된 포인트 클라우드를 기준으로 옥트리를 생성하고, 색상 재조정부에서 사용할 수 있도록 할 수 있다.
지오메트리 인코더(22040)(예를 들어, 옥트리 생성기(22060))는 공간 스케일러빌리티를 제공하기 위해, 옥트리의 깊이 레벨을 설정하여 설정된 옥트리 깊이 레벨부터 인코딩 할 포인트들을 설정할 수 있다.
부분 지오메트리에 적용된 옥트리 깊이 레벨을 비트스트림에 파라미터로 포함시켜 전송함으로써 디코더에 시그널링할 수 있고, 사용 용도 또는 디코더의 컴퓨팅 성능에 따라 옥트리 깊이 레벨 설정 환경이 변경될 수 있다.
복셀화 처리기(22050)는 지오메트리 데이터를 복셀화할 수 있다. 복셀화 처리부(22050)는 도4의 복셀화기(40001)에 대응될 수 있다.
복셀화 타입은 실시예들에 따른 양자화 타입 설정에 따라서, 지오메트리를 양자화할 수 있다(도18-19 참조).
실시예들에 따른 인코더가 지오메트리에 적용한 양자화 타입은 파라미터(시그널링 정보)로써 비트스트림에 포함시켜서 실시예들에 따른 수신 장치에 전송될 수 있다.
이처럼 복셀화 처리기(22050)는 손실 지오메트리 코딩시 사용된 양자화 타입을 디코더에 시그널링할 수 있고, 인코더 및/또는 디코더의 지오메트리 위치 복원기(22090, 23030)에서 사용될 수 있다. 양자화 타입은 올림(ceil), 버림(floor), 라운딩(round) 방식이 있을 수 있다.
옥트리 생성기(22060)는 도4의 옥트리 분석부(40002)에 대응될 수 있다. 옥트리 생성부(22060)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 생성기(22060)는 지오메트리에 대한 옥트리를 생성할 수 있다. 지오메트리 전체에 대한 옥트리를 생성하거나, 지오메트리 부분에 대한 옥트리를 생성할 수 있다.
실시예들에 따른 깊이 레벨의 인덱스에 따라서, 옥트리 생성기(22060)는 모든 레벨을 포함하는 리프노드를 포함하는 옥트리를 생성하거나(16000) 특정 레벨까지의 노드를 포함하는 부분 옥트리를 생성할 수 있다(16010). 송신 장치는 옥트리의 깊이 레벨을 비트스트림에 파라미터(시그널링 정보)로써 포함시켜서 수신 장치에 전송할 수 있다.
기하정보 예측기(22070)는 지오메트리 데이터에 대한 예측을 수행할 수 있다. 기하정보 예측부(22070)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(22070)는 어트리뷰트 코딩을 위해 지오메트리 옥트리로부터 지오메트리 데이터를 복원(재구성)할 수 있다. 재구성된 지오메트리 데이터에 기반하여 어트리뷰트 코딩이 수행되기 때문이다.
기하정보 예측기(22070)는 항상 수행되지는 않을 수 있다. 동작에 대한 옵션이 있다. 옵션 값에 따라서 기하정보 예측이 수행된다. 예를 들어, Adjacent Child Neibhgour flag 에 의해 동작 여부가 시그널링될 수 있다.
기하정보 예측기(22070)를 통해 생성된 값이 현재 옥트리 노드가 점유(occupy) 되었는지 여부를 알 수 있다. 그 값이 전달되어 지오메트리 위치 재구성부(22090)에 입력된다.
지오메트리 위치 재구성부(22090)의 입력 값은 그 입력이 기하정보 예측기(22070)에 의해 예측되어 나온 점유된 비트(occupied bit)인지 아닌지 여부는 지오메트리 위치 재구성부(22090)에서는 무관하다. 즉, 지오메트리 위치 재구성부(22090)는 해당 노드가 점유(occupied)되었는지 여부만 중요하다.
기하정보 엔트로피 인코더(22080)는 지오메트리 데이터를 엔트로피 코딩하여, 지오메트리 비트스트림을 생성할 수 있다.
지오메트리 위치 재구성기(22090)는 지오메트리를 복원할 수 있다. 즉, 지오메트리 인코더(22040)에 의해 부호화된 지오메트리를 다시 복원할 수 있다. 지오메트리 위치값이 재구성된다. 복원된 지오메트리 위치값은 어트리뷰트 인코더(22100)에 제공된다.
지오메트리 위치 재구성기(22090)는 각 옥트리 노드의 대표 위치 타입을 받아 대표 위치 타입에 따라 지오메트리 위치 값을 재구성 할 수 있다(도20 참조). 인코더에서 사용된 대표 위치 타입은 비트스트림의 파라미터에 포함되어 디코더에 제공될 수 있다. 대표 위치 타입은 양자화 타입과 같은 타입을 사용하는 방식(도19 참조), 왼쪽-하단-앞쪽(Left, Bottom, Front)/오른쪽-하단-앞쪽, 등 모든 코너 위치 선택(도20의 20000참조), 중앙(Middle) 위치 선택(도20의 20010 참조), 중심점(Centroid) 위치 선택 방식 등을 포함할 수 있다.
중앙 위치란, 노드 영역인 바운딩 박스의 센터를 의미한다.
지오메트리 위치 재구성기(22090)는 중심점(centroid) 위치 선택시, 포인트의 분포를 분석하여 계산된 중심값이 속한 옥트리 깊이 레벨의 하위 레벨의 노드의 인덱스를 디코너에 시그널링 정보(파라미터)로써 비트스트림에 포함시켜서 전송할 수 있다. 예를 들어, 하위 레벨의 노드 인덱스 0 내지 7의 값이 전송될 수 있다.
지오메트리 위치 재구성기(22090)는 중심점(centroid) 위치 선택시, 중심점이 위치한 하위 레벨의 노드 인덱스 기준으로 재구성될 위치의 대표 위치 타입에 따라 지오메트리 위치 값을 재구성할 수 있다. 대표 위치 타입은 비트스트림의 파라미터 정보로써 포함되어 디코더에 전송 될 수 있다. 대표 위치 타입은 양자화 타입과 같은 타입을 사용하는 방식, 왼쪽-하단-앞쪽(Left, Bottom, Front)/오른쪽-하단-앞쪽, 등 모든 코너 위치 선택, 중앙(Middle) 위치 선택 방식이 있을 수 있다.
실시예들에 따라, 인코더에서 데이터를 풀(full)로 보내고, 디코더에서 부분적(partial)으로 디코딩(decoding)할 수 있다, 또한, 실시예들에 따르 인코더가 데이터를 파셜(partial)하게 인코딩하여 전송할 수 있다. 인코더에서 파셜(partial)하게 데이터를 인코딩하여 전송하였을 때, 중심점 위치 선택으로 복원하는 동작은 자식 노드(child)에 대한 추가 정보가 없기 때문에 추가로 하위 레벨의 노드의 인덱스를 필요할 수 있다. 따라서, 하위 레벨의 노드의 인덱스를 디코더에 전송할 수 있다. 하위 노드는 8개가 최대 있기 때문에, 그 중에 중심 위치 값에 해당하는 하위 노드의 인덱스값을 인코더가 디코더로 전송할 수 있다.
디코딩 시 전달받은 노드 인덱스가 중심점이 된다. 인코더에서 풀 레졸루션으로(fully) 데이터를 인코딩하고 전달하는 경우는 하위레벨의 노드 인덱스를 디코더가 전달받을 필요가 없다. 디코더에서 하위레벨을 찾아서 중심점을 가져 올 수 있기 때문이다. 하지만, 인코더에서 풀 레졸루션이 아닌 부분 인코딩한 경우, 중심점 인덱스를 디코더가 전달 받아서 대표 위치 값으로 설정할 수 있다.
속성정보 부호화기(22100)는 어트리뷰트 데이터를 인코딩할 수 있다.
속성정보 부호화기(22100)는 대표 위치 타입에 따라 재구성된 지오메트리에 기반하여 어트리뷰트를 인코딩할 수 있다.
부분 인코딩하는 경우, 특정 레벨까지 포함하는 옥트리에 기반하여 옥트리의 노드의 대표위치에 기반하여 어트리뷰트를 인코딩할 수 있다.
속성정보 부호화기(22100)는 다음의 엘리먼트를 포함할 수 있다.
색상 변환 처리기(22110)는 어트리뷰트 데이터의 색상을 데이터 특성에 맞게 변환할 수 있다.
색상 재조정기(도면 미도시)는 실시예들에 따라서, 재구성된 지오메트리 옥트리 구조 상 중첩 포인트가 병합되어 있는 경우, 색상 재조정을 수행할 수 있고, 아니면 RAHT 어트리뷰트 코딩을 하거나, 예측/리프팅 변환 어트리뷰트 코딩에 따라서 LOD를 구성할 수 있다.
LOD구성기(도면 미도시)는 포인트 클라우드 데이터로부터 LOD를 구성할 수 있다. LOD구성기는 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..
이웃 포인트 집합 구성기(도면 미도시)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 예측기(도면 미도시)는 이웃 포인트 집합으로부터 포인트의 속성값을 예측한다. 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.
잔차 속성정보 양자화 처리기(도면 미도시)는 어트리뷰트 데이터에 대한 예측값을 생성하고, 예측값 및 속성값 간의 잔차값을 생성하고, 잔차값을 양자화할 수 있다.
속성정보 엔트로피 부호화기(22120)는 어트리뷰트 데이터를 엔트로피 코딩하여 어트리뷰트 비트스트림을 생성할 수 있다. 예를 들어, 잔차값이 코딩되어 어트리뷰트 비트스트림이 생성될 수 있다.
실시예들에 따른 송신 장치는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩에 관한 동작을 나타내는 시그널링 정보(메타데이터) 또는 파라미터들을 생성할 수 있다. 실시예들에 따른 송신 장치는 부호화된 지오메트리 데이터, 부호화된 어트리뷰트 데이터, 관련된 메타데이터 등을 포함하는 비트스트림을 생성하고 전송할 수 있다(도24내지 도31 참조).
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계, 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계를 포함할 수 있다.
실시예들에 따른 어트리뷰트 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터에 기반하여 LOD(Level of Details)들을 생성하는 단계, LOD들로부터 현재 포인트에 대한 가장 가까운 이웃 포인트들을 검색하는 단계, 가장 가까운 이웃 포인트들에 기반하여 상기 현재 포인트의 어트리뷰트 값에 대한 예측값을 생성하는 단계, 현재 포인트의 어트리뷰트 값 및 예측값 간 잔차값을 인코딩하는 단계를 포함할 수 있다.
실시예들에 따른 지오메트리를 인코딩하는 단계는 지오메트리를 복셀화하는 단계, 또는 지오메트리를 옥트리에 기반하여 표현하는 단계를 포함할 수 있다.
실시예들에 따른 인코딩하는 단계는 지오메트리의 위치를 재구성하는 단계를 더 포함하고, 지오메트리의 위치를 재구성하는 단계는, 지오메트리에 대한 옥트리에 기반하여, 옥트리의 특정 레벨까지 상기 지오메트리의 위치를 재구성할 수 있다.
실시예들에 따른 지오메트리의 위치를 재구성하는 단계는 특정 레벨의 각 옥트리 노드의 중앙 위치에 기반하여 지오메트리의 위치를 재구성할 수 있다.
도23은 실시예들에 따른 포인트 클라우드 데이터 복호화기의 구조를 나타낸다.
도23은 도1의 수신장치(10004)의 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20003), 도10-11의 디코더, 도13의 지오메트리 비트스트림 및 어트리뷰트 비트스트림을 디코딩하는 수신 장치, 도14의 포인트 클라우드 데이터를 처리하는 XR디바이스(1430) 등에 대응하거나 결합될 수 있다. 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응된다.
도23의 각 구성요소는 실시예들에 따른 복호화기 내에 항상 포함될 수 있고, 구성요소 별로 선택적으로 포함될 수 있다. 부호화기의 인코딩 구성요소의 동작에 관한 시그널링 정보에 기반하여 복호화기의 각 구성요소 별 동작이 수행될 수 있다.
실시예들에 따른 수신 장치 또는 수신 장치에 포함된 디코더는 비트스트림을 수신할 수 있다. 비트스트림은 부호화된 지오메트리 데이터, 부호화된 어트리뷰트 데이터, 관련된 메타데이터 등을 포함한다. 실시예들에 따른 수신 장치는 비트스트림 및/또는 비트스트림에 포함된 지오메트리 인코딩에 관한 메타데이터(파라미터), 어트리뷰트 인코딩에 관한 메타데이터(파라미터)에 기반하여 포인트 클라우드 데이터를 디코딩하고 복원한다.
기하정보 복호화기(23000)는 기하정보 비트스트림을 수신하여 기하정보를 디코딩할 수 있다. 기하정보 복호화부(23000)는 송신 측의 기하정보 부호화부(22040)에 대응하는 수신 측의 디코더에 해당하고, 기하정보 복호화부(23000)는 기하정보 부호화부(22040)의 동작의 역과정을 수행할 수 있다.
기하정보 엔트로피 복호화기(23010)는 기하정보 비트스트림을 수신하여 기하정보를 엔트로피 방식에 기반하여 디코딩할 수 있다. 기하정보 엔트로피 복호화부(23010)는 기하정보 엔트로피 부호화부(22080)의 동작의 역과정을 수행할 수 있다.
옥트리 재구성기(23020)는 기하정보로부터 옥트리를 재구성할 수 있다. 옥트리 재구성부(23020)는 옥트리 생성부(22060)의 동작의 역과정을 수행할 수 있다.
옥트리 재구성기(23020)는 부분 지오메트리 디코딩을 위해 복원된 옥트리 깊이 레벨부터 속성 디코딩할 포인트들을 구성하고 디코딩할 수 있다.
옥트리 재구성기(23020)은 수신한 비트스트림에 포함된 부분 옥트리 레벨에 관련된 정보에 기반하여 전체 도는 부분 옥트리를 생성할 수 있다.
지오메트리 위치 재구성기(23030)는 복원된 양자화 타입, 또는 복원된 대표 위치 타입를 통해 부분적으로 디코딩된 옥트리에서 점유 비트에 따라 복원된 노드의 위치 값을 재구성할 수 있다.
지오메트리 위치 재구성기(23030)는 수신한 비트스트림에 포함된 양자화 타입, 대표 위치 타입 등에 관련된 정보에 기반하여 지오메트리 위치를 재구성할 수 있다.
기하정보 예측기(23040)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(23040)는 기하정보 예측부(22070)의 동작의 역과정을 수행할 수 있다.
기하정보 변환 역양자화 처리기(23050)는 지오메트리 데이터를 역으로 양자화할 수 있다. 예를 들어, 기하정보 변환 역양자화 처리부(23050)는 스케일값(양자화값)을 비트스트림 내 포함된 시그널링 정보(파라미터)에서 획득하고, 스케일값에 기반하여 재구성된 기하정보에 역양자화를 적용할 수 있다.
좌표계 역변환기(23060)는 기하정보의 좌표계 정보를 역으로 변환할 수 있다. 좌표계 역변환부(23060)는 좌표계 변환부(22010)의 동작의 역과정을 수행할 수 있다.
속성정보 복호화기(23070)는 속성정보 비트스트림을 수신하여 속성정보를 디코딩할 수 있다. 속성정보 복호화부(23070)는 속성정보 부호화부(22100)의 동작의 역과정을 수행할 수 있다.
속성 잔차정보 엔트로피 복호화기(23080)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(23080)는 속성정보 엔트로피 부호화부(21160)의 동작의 역과정을 수행할 수 있다.
속성정보 복호화기(23070)는 다음의 엘리먼트를 더 포함할 수 있다.
LOD구성기(도면 미도시)는 포인트 클라우드 데이터로부터 LOD를 구성할 수 있다. LOD구성부(22080)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. LOD구성부는 도22의 속성정보 부호화기에 포함되는 LOD구성부에 대응될 수 있다.
이웃 포인트 집합 구성기(도면 미도시)는 속성정보 비트스트림으로부터 생성된 LOD에 기반하여 LOD들 내에 포함된 포인트의 이웃 포인트들 검색하고 이웃 포인트 집합으로 등록할 수 있다. 이웃 포인트 집합 구성부는 도22의 속성정보 부호화기에 포함되는 이웃 포인트 집합 구성부에 대응될 수 있다.
속성 정보 예측기(도면 미도시)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 예측부는 도22의 속성정보 부호화기에 포함되는 속성 정보 예측부의 동작의 역과정을 수행할 수 있다.
잔차 속성정보 역양자화 처리기(23090)는 잔차 속성정보, 예를 들어, 속성정보에 대한 잔차값을 역으로 양자화할 수 있다. 잔차 속성정보 역양자화 처리부(23090)는 도22의 속성정보 부호화기에 포함되는 잔차 속성정보 양자화 처리부의 동작의 역과정을 수행할 수 있다.
색상 역변환 처리기(23100)는 속성정보인 색상 정보를 역으로 변환할 수 있다. 색상 역변환 처리부(23100)는 색상 변환 처리부(22100)의 동작의 역과정을 수행할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 장치 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 리시버; 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함한다.
실시예들에 따른 포인트 클라우드 데이터를 디코딩하는 디코더는, 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 지오메트리 디코더, 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 어트리뷰트 디코더를 포함한다.
실시예들에 따른 어트리뷰트 데이터를 디코딩하는 어트리뷰트 디코더는, 포인트 클라우드 데이터에 기반하여 LOD(Level of Details)들을 생성하고, LOD들로부터 현재 포인트에 대한 가장 가까운 이웃 포인트들을 검색하고, 가장 가까운 이웃 포인트들에 기반하여 상기 현재 포인트의 어트리뷰트 값에 대한 예측값을 생성하고, 예측값 및 상기 포인트 클라우드 데이터의 잔차값에 기반하여 상기 포인트 클라우드 데이터를 복원하고, 상기 예측값은 예측 모드에 기반하여 생성된다.
실시예들에 따른 지오메트리를 디코딩하는 지오메트리 디코더는 지오메트리를 옥트리에 기반하여 표현할 수 있다.
실시예들에 따른 디코더는 지오메트리에 대한 옥트리에 기반하여, 옥트리의 특정 레벨까지 지오메트리의 위치를 재구성할 수 있다.
실시예들에 따른 디코더는 특정 레벨의 각 옥트리 노드의 중앙 위치에 기반하여 지오메트리의 위치를 재구성할 수 있다.
도24는 실시예들에 따른 포인트 클라우드 데이터에 관한 비트스트림의 구조를 나타낸다.
도24는 도1의 송신장치(10000)의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도4의 인코더, 도12의 송신 장치, 도14의 XR디바이스, 도22의 인코더 등에 의해 인코딩되어 생성되는 비트스트림의 구조를 나타낸다.
도24의 비트스트림은 도1의 수신장치(10004)의 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20003), 도10-11의 디코더, 도13의 수신 장치, 도14의 XR디바이스, 도23의 디코더 등에 의해 수신되어 디코딩될 수 있다.
실시예들에 따른 방법/장치는 포인트 클라우드 데이터를 인코딩하고, 관련된 정보를 생성하여 비트스트림에 포함시켜서 송수신할 수 있다. 예를 들어, 지오메트리 인코딩 및/또는 어트리뷰트 인코딩을 수행하는 포인트 클라우드 데이터 인코더는 다음과 같은 인코딩된 포인트 클라우드 (또는 포인트 클라우드를 포함하는 비트스트림)을 생성할 수 있다. 또한, 포인트 클라우드 데이터에 관한 시그널링 정보는 포인트 클라우드 데이터 송신 장치의 메타데이터 처리부에 의해 생성되고 처리되어 다음과 같이 포인트 클라우드에 포함될 수 있다.
실시예들에 따른 시그널링 정보는 실시예들에 따른 송수신 장치, 예를 들어, 송신 장치의 메타데이터 처리기(12007, 메타데이터 제너레이터 등 지칭 가능)에서 생성되고 전송되어 수신 장치의 메타데이터 파서(13006)에서 수신되고 획득될 수 있다. 실시예들에 따른 수신 장치의 각 동작은 시그널링 정보에 기반하여 각 동작을 수행할 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(=슬라이스) 헤더(attribute brick(slice) header) + 어트리뷰트 브릭(슬라이스) 데이터(attribute brick(slice) data). 여기서, 브릭은 블록, 슬라이스 등의 용어로 지칭될 수 있다.
실시예들에 따른 포인트 클라우드 데이터는 도24와 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 장치는 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 장치는 전송 채널의 에러를 고려하여 포인트 클라우드 데이터의 영상을 하나 또는 그 이상의 패킷들로 나누어 네트워크를 통해 전송할 수 있다. 실시예들에 따른 비트스트림은 하나 또는 그 이상의 패킷(예를 들면 NAL (Network Abstraction Layer) 유닛)들을 포함할 수 있다. 따라서 열악한 네트워크 환경에서 일부 패킷이 손실되더라도 포인트 클라우드 데이터 수신 장치는 나머지 패킷들을 이용하여 해당 영상을 복원할 수 있다. 포인트 클라우드 데이터를 하나 또는 그 이상의 슬라이스(slice)들 또는 하나 또는 그 이상의 타일(tile)들로 분할하여 처리할 수 있다. 실시예들에 따른 타일 및 슬라이스는 포인트 클라우드 데이터의 픽처를 파티셔닝(partitioning)하여 포인트 클라우드 컴프레션 코딩 처리하기 위한 영역이다. 포인트 클라우드 데이터 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 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 하나 또는 그 이상의 슬라이스들을 포함할 수 있다.
실시예들에 따른 SPS는 프로파일, 레벨 등 시퀀스 전체에 대한 인코딩 정보로서, 픽처 해상도, 비디오 포멧 등 파일 전체에 대한 포괄적인 정보를 포함할 수 있다.
실시예들에 따른 하나의 슬라이스(예를 들면 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.
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 따라 브릭은 슬라이스로 지칭될 수 있다(brick=slice).
실시예들에 따른 방법/장치는 실시예들에 따른 예측기 선택 관련 옵션 정보를 SPS, 또는 APS에 추가하여 전송할 수 있다.
실시예들에 따른 방법/장치는 예측기 선택 관련 옵션 정보를 TPS, 또는 각 Slice별 Attribute header에 추가하여 전송할 수 있다.
실시예들에 따른 방법/장치는 포인트 클라우드를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스로 데이터를 분할하고, 타일/슬라이스 별로 시그널링 정보를 생성하여 전송할 수 있다.
영역별로 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.
실시예들에 따른 방법/장치는 지오메트리를 인코딩 및/또는 디코딩하는 과정에서 사용되는 공간 스케일러빌리티 기능을 위한 지오메트리 포인트 재구성 관련 정보는 SPS 및/또는 GPS 에 추가하여 시그널링할 수 있다.
실시예들에 따른 방법/장치는 지오메트리를 인코딩 및/또는 디코딩하는 과정에서 사용되는 공간 스케일러빌리티 기능을 위한 지오메트리 포인트 재구성 관련 정보를 TPS 및/또는 각 Slice별 Geom_slice_header에 추가하여 시그널링할 수 있다.
3차원 공간 상의 특정 영역에 따라 서로 다른 지오메트리 인코딩이 가능할 수 있기 때문에, 실시예들에 따른 방법/장치가 포인트 클라우드 데이터를 영역별로 나눌 때 서로 다른 지오메트리 위치 재구성 방법을 사용할 수 있다.
따라서, 실시예들에 따른 방법/장치가 포인트 클라우드를 타일(Tile)로 나누어지는 경우, 각 타일별로 다른 지오메트리 위치 재구성 방법을 적용할 수 있다.
실시예들에 따른 방법/장치가 포인트 클라우드를 슬라이스(Slice)로 나누어지는 경우, 각 슬라이스별로 다른 지오메트리 위치 재구성 방법을 적용할 수 있다.
실시예들에 따른 방법/장치가 지오메트리(Geom)의 부분 인코딩된 노드에 대해서 분포 분석을 통한 중심점 위치 정보를 지오메트리 노드(Geometry Node)에 추가하여 시그널링할 수 있다.
이하에서, 비트스트림에 포함되는 구체적 정보(엘리먼트)의 신택스 또는 정의를 설명한다.
도25는 실시예들에 따른 시퀀스 파라미터 세트(Sequence Parameter Set, SPS)를 나타낸다.
도25는 도24에 포함된 SPS이다.
실시예들에 따른 SPS는 지오메트리의 공간 스케일러빌리티를 위한 인코딩 및/또는 디코딩을 위한 지오메트리의 포인트를 재구성하는데 이용되는 정보를 포함할 수 있다.
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(sps_num_attribute_sets indicates the number of coded attributes in the bitstream. The value of sps_num_attribute_sets shall be in the range of 0 to 63).
SPS 어트리뷰트 세트 개수만큼 어트리뷰트에 대한 다음의 엘리먼트들이 SPS에 포함될 수 있다.
어트리뷰트 디멘션(attribute_dimension[ i ]): i번재 어트리뷰트의 컴포넌트들의 개수를 나타낸다(attribute_dimension[ i ] specifies the number of components of the i-th attribute).
어트리뷰트 인스턴스 식별자(attribute_instance_id[ i ]): i번째 어트리뷰트를 위한 인스턴스 식별자를 나타낸다(attribute_instance_id[ i ] specifies the instance id for the i-th attribute).
공간 스케일러빌리티 LOD(spatial_scalability_LOD): 공간 스케일러빌리티 지원을 위한 인코딩된 옥트리 깊이 레벨을 나타낼 수 있다.
공간 스케일러빌리티 지오메트리 양자화 타입(spatial_scalability_geom_quantization_type): 지오메트리 양자화 타입을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 양자화 타입이 0이면, 라운딩(rounding) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 1이면, 올림(ceil) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 2이면, 내림(floor) 방식 을 나타낼 수 있다. 각 지시 정보에 대한 정수값은 실시예들에 따라 다양하게 변경될 수 있다.
공간 스케일러빌리티 지오메트리 포지션 타입(spatial_scalability_geom_position_type): 노드에 속한 지오메트리 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 포지션 타입이 0이면, 지오메트리 위치 재구성 방법은 양자화 타입과 같은 방식으로, 라운딩의 경우 중앙, 올림 방식의 경우 오른쪽-위-뒤(right-top-back) 위치로 지오메트리를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 1이면, 지오메트리 위치를 좌-바닥-앞(left-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 2이면, 지오메트리 위치를 좌-바닥-뒤(left-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 3이면, 지오메트리 위치를 좌-탑-앞(left-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 4이면, 지오메트리 위치를 좌-탑-뒤(left-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 5이면, 지오메트리 위치를 우-바닥-앞(right-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 6이면, 지오메트리 위치를 우-바닥-뒤(right-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 7이면, 지오메트리 위치를 좌-탑-앞(right-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 8이면, 지오메트리 위치를 우-탑-뒤(right-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 9이면, 지오메트리 위치를 중앙(middle/center) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 10이면, 지오메트리 위치를 분포를 통해 계산된 중심점이 있는 하위 노드 위치로 구성할 수 있다.
spatial_scalability_geom_position_type이 10이면 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 SPS에 포함된다.
공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입(spatial_scalability_geom_centroid_position_type): 분포를 통해 계산된 중심점을 지오메트리 위치를 재구성할때, 중심점이 속한 노드의 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 0이면, 중심점이 속한 노드의 위치를 양자화 타입과 같은 방식으로 재구성할 수 있다. 양자화 타입이 라운딩인 경우 중앙 방식, 양자화 타입이 올림 방식인 경우 오른쪽-위-뒤(right-top-back)위치로 구성하는 방식으로 노드의 위치를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 1이면, 좌-바닥-앞(left-bottom-front) 위치로 중심점이 속한 노드위 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 2이면, 좌-바닥-뒤(left-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 3이면, 좌-탑-앞(left-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 4이면, 좌-탑-뒤(left-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 5이면, 우-바닥-앞(right-bottom-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 6이면, 우-바닥-뒤(right-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 7이면, 우-탑-앞(right-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 8이면, 우-탑-뒤(right-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 9이면, 중앙(middle/center) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다.
도26은 실시예들에 따른 지오메트리 파라미터 세트(Geometry Parameter Set, GPS)를 나타낸다.
도26은 도24의 GPS를 나타낸다.
실시예들에 따른 GPS는 지오메트리의 공간 스케일러빌리티를 위한 인코딩 및/또는 디코딩을 위한 지오메트리의 포인트를 재구성하는데 이용되는 정보를 포함할 수 있다.
공간 스케일러빌리티 LOD(spatial_scalability_LOD): 공간 스케일러빌리티 지원을 위한 인코딩된 옥트리 깊이 레벨을 나타낼 수 있다.
공간 스케일러빌리티 지오메트리 양자화 타입(spatial_scalability_geom_quantization_type): 지오메트리 양자화 타입을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 양자화 타입이 0이면, 라운딩(rounding) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 1이면, 올림(ceil) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 2이면, 내림(floor) 방식 을 나타낼 수 있다. 각 지시 정보에 대한 정수값은 실시예들에 따라 다양하게 변경될 수 있다.
공간 스케일러빌리티 지오메트리 포지션 타입(spatial_scalability_geom_position_type): 노드에 속한 지오메트리 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 포지션 타입이 0이면, 지오메트리 위치 재구성 방법은 양자화 타입과 같은 방식으로, 라운딩의 경우 중앙, 올림 방식의 경우 오른쪽-위-뒤(right-top-back) 위치로 지오메트리를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 1이면, 지오메트리 위치를 좌-바닥-앞(left-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 2이면, 지오메트리 위치를 좌-바닥-뒤(left-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 3이면, 지오메트리 위치를 좌-탑-앞(left-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 4이면, 지오메트리 위치를 좌-탑-뒤(left-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 5이면, 지오메트리 위치를 우-바닥-앞(right-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 6이면, 지오메트리 위치를 우-바닥-뒤(right-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 7이면, 지오메트리 위치를 좌-탑-앞(right-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 8이면, 지오메트리 위치를 우-탑-뒤(right-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 9이면, 지오메트리 위치를 중앙(middle/center) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 10이면, 지오메트리 위치를 분포를 통해 계산된 중심점이 있는 하위 노드 위치로 구성할 수 있다.
spatial_scalability_geom_position_type이10이면, 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 GPS에 포함된다.
공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입(spatial_scalability_geom_centroid_position_type): 분포를 통해 계산된 중심점을 지오메트리 위치를 재구성할때, 중심점이 속한 노드의 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 0이면, 중심점이 속한 노드의 위치를 양자화 타입과 같은 방식으로 재구성할 수 있다. 양자화 타입이 라운딩인 경우 중앙 방식, 양자화 타입이 올림 방식인 경우 오른쪽-위-뒤(right-top-back)위치로 구성하는 방식으로 노드의 위치를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 1이면, 좌-바닥-앞(left-bottom-front) 위치로 중심점이 속한 노드위 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 2이면, 좌-바닥-뒤(left-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 3이면, 좌-탑-앞(left-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 4이면, 좌-탑-뒤(left-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 5이면, 우-바닥-앞(right-bottom-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 6이면, 우-바닥-뒤(right-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 7이면, 우-탑-앞(right-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 8이면, 우-탑-뒤(right-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 9이면, 중앙(middle/center) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다.
공간 스케일러빌리티 타일 기반 지오메트리 리컨스트럭션 플래그(spatial_scalability_tile_based_geom_reconstruction_flag): 타일 단위로 서로 다른 지오메트리 재구성 방안이 적용되었는지를 나타내는 플래그이다.
GPS 지오메트리 파라미터 세트 아이디(gps_geom_parameter_set_id): 다른 신택스 엘리먼트들에 의한 참조를 위한 GPS에 대한 식별자를 제공한다. gps_seq_parameter_set_id의 값은 0 내지 15(포함) 범위에 있을 수 있다(provides an identifier for the GPS for reference by other syntax elements. The value of gps_seq_parameter_set_id shall be in the range of 0 to 15, inclusive).
GPS 시퀀스 파라미터 세트 아이디(gps_seq_parameter_set_id): 액티브 SPS에 대한 sps_seq_parameter_set_id의 값을 나타낸다. gps_seq_parameter_set_id의 값은 0내지15(포함) 범위 내 있을 수 있다(specifies the value of sps_seq_parameter_set_id for the active SPS. The value of gps_seq_parameter_set_id shall be in the range of 0 to 15, inclusive).
도27은 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set, TPS)를 나타낸다.
도27은 도24의 TPS에 해당한다.
실시예들에 따른 TPS는 지오메트리의 공간 스케일러빌리티를 위한 인코딩 및/또는 디코딩을 위한 지오메트리의 포인트를 재구성하는데 이용되는 정보를 포함할 수 있다.
spatial_scalability_tile_based_geom_reconstruction_flag이 true이면, 다음의 엘리먼트들이 TPS에 포함된다.
공간 스케일러빌리티 LOD(spatial_scalability_LOD): 공간 스케일러빌리티 지원을 위한 타일에 적용된 인코딩된 옥트리 깊이 레벨을 나타낼 수 있다.
공간 스케일러빌리티 지오메트리 양자화 타입(spatial_scalability_geom_quantization_type): 타일에 적용된 지오메트리 양자화 타입을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 양자화 타입이 0이면, 라운딩(rounding) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 1이면, 올림(ceil) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 2이면, 내림(floor) 방식 을 나타낼 수 있다. 각 지시 정보에 대한 정수값은 실시예들에 따라 다양하게 변경될 수 있다.
공간 스케일러빌리티 지오메트리 포지션 타입(spatial_scalability_geom_position_type): 타일에 적용된 노드에 속한 지오메트리 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 포지션 타입이 0이면, 지오메트리 위치 재구성 방법은 양자화 타입과 같은 방식으로, 라운딩의 경우 중앙, 올림 방식의 경우 오른쪽-위-뒤(right-top-back) 위치로 지오메트리를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 1이면, 지오메트리 위치를 좌-바닥-앞(left-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 2이면, 지오메트리 위치를 좌-바닥-뒤(left-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 3이면, 지오메트리 위치를 좌-탑-앞(left-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 4이면, 지오메트리 위치를 좌-탑-뒤(left-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 5이면, 지오메트리 위치를 우-바닥-앞(right-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 6이면, 지오메트리 위치를 우-바닥-뒤(right-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 7이면, 지오메트리 위치를 좌-탑-앞(right-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 8이면, 지오메트리 위치를 우-탑-뒤(right-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 9이면, 지오메트리 위치를 중앙(middle/center) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 10이면, 지오메트리 위치를 분포를 통해 계산된 중심점이 있는 하위 노드 위치로 구성할 수 있다.
spatial_scalability_geom_position_type이 10이면, 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 TPS에 포함된다.
공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입(spatial_scalability_geom_centroid_position_type): 분포를 통해 계산된 중심점을 지오메트리 위치를 재구성할때, 중심점이 속한 노드의 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 0이면, 중심점이 속한 노드의 위치를 양자화 타입과 같은 방식으로 재구성할 수 있다. 양자화 타입이 라운딩인 경우 중앙 방식, 양자화 타입이 올림 방식인 경우 오른쪽-위-뒤(right-top-back)위치로 구성하는 방식으로 노드의 위치를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 1이면, 좌-바닥-앞(left-bottom-front) 위치로 중심점이 속한 노드위 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 2이면, 좌-바닥-뒤(left-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 3이면, 좌-탑-앞(left-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 4이면, 좌-탑-뒤(left-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 5이면, 우-바닥-앞(right-bottom-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 6이면, 우-바닥-뒤(right-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 7이면, 우-탑-앞(right-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 8이면, 우-탑-뒤(right-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 9이면, 중앙(middle/center) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다.
공간 스케일러빌리티 슬라이스 기반 지오메트리 리컨스트럭션 플래그(spatial_scalability_slice_based_geom_reconstuction_flag): 슬라이스 단위로 서로 다른 지오메트리 재구성 방안이 적용되었는지를 나타내는 플래그이다.
타일들의 개수(num_tiles): 비트스트림에 대해 시그널링되는 타일들의 개수를 나타낸다. 존재하지 않는 경우, 타일들의 개수는 0으로 추론될 수 있다.
타일들의 개수에 따라서, 타일 바운딩 박스 오프셋 엘리먼트가 다음과 같이 TPS에 전달될 수 있다.
타일 바운딩 박스 오프셋X(tile_bounding_box_offset_x[ i ]): 좌표계 내 i번째 타일의 X오프셋을 나타낼 수 있다. 존재하지 않는 경우, tile_bounding_box_offset_x[ 0 ]의 값은 sps_bounding_box_offset_x으로 추론될 수 있다.
타일 바운딩 박스 오프셋Y(tile_bounding_box_offset_y[ i ]): 좌표계 내 i번째 타일의 Y오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_y[ 0 ]의 값은 sps_bounding_box_offset_y으로 추론될 수 있다.
타일 바운딩 박스 오프셋Z(tile_bounding_box_offset_z[ i ]): 좌표계 내 i번째 타일의 Z오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_z[ 0 ]의 값은 sps_bounding_box_offset_z으로 추론될 수 있다.
도28은 실시예들에 따른 지오메트리 슬라이스 헤더(Geometry Slice Header)를 나타낸다.
도28은 도24의 GSH를 나타낸다.
실시예들에 따른 GSH는 지오메트리의 공간 스케일러빌리티를 위한 인코딩 및/또는 디코딩을 위한 지오메트리의 포인트를 재구성하는데 이용되는 정보를 포함할 수 있다.
spatial_scalability_slice_based_geom_reconstruction_flag이 true이면 다음의 엘리먼트들이 GSH에 포함될 수 있다.
공간 스케일러빌리티 LOD(spatial_scalability_LOD): 공간 스케일러빌리티 지원을 위한 슬라이스에 적용된 인코딩된 옥트리 깊이 레벨을 나타낼 수 있다.
공간 스케일러빌리티 지오메트리 양자화 타입(spatial_scalability_geom_quantization_type): 슬라이스에 적용된 지오메트리 양자화 타입을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 양자화 타입이 0이면, 라운딩(rounding) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 1이면, 올림(ceil) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 2이면, 내림(floor) 방식 을 나타낼 수 있다. 각 지시 정보에 대한 정수값은 실시예들에 따라 다양하게 변경될 수 있다.
공간 스케일러빌리티 지오메트리 포지션 타입(spatial_scalability_geom_position_type): 슬라이스에 적용된 노드에 속한 지오메트리 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 포지션 타입이 0이면, 지오메트리 위치 재구성 방법은 양자화 타입과 같은 방식으로, 라운딩의 경우 중앙, 올림 방식의 경우 오른쪽-위-뒤(right-top-back) 위치로 지오메트리를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 1이면, 지오메트리 위치를 좌-바닥-앞(left-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 2이면, 지오메트리 위치를 좌-바닥-뒤(left-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 3이면, 지오메트리 위치를 좌-탑-앞(left-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 4이면, 지오메트리 위치를 좌-탑-뒤(left-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 5이면, 지오메트리 위치를 우-바닥-앞(right-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 6이면, 지오메트리 위치를 우-바닥-뒤(right-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 7이면, 지오메트리 위치를 좌-탑-앞(right-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 8이면, 지오메트리 위치를 우-탑-뒤(right-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 9이면, 지오메트리 위치를 중앙(middle/center) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 10이면, 지오메트리 위치를 분포를 통해 계산된 중심점이 있는 하위 노드 위치로 구성할 수 있다.
spatial_scalability_geom_position_type이 10이면, 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 GSH에 포함된다.
공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입(spatial_scalability_geom_centroid_position_type): 분포를 통해 계산된 중심점을 지오메트리 위치를 재구성할때, 중심점이 속한 노드의 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 0이면, 중심점이 속한 노드의 위치를 양자화 타입과 같은 방식으로 재구성할 수 있다. 양자화 타입이 라운딩인 경우 중앙 방식, 양자화 타입이 올림 방식인 경우 오른쪽-위-뒤(right-top-back)위치로 구성하는 방식으로 노드의 위치를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 1이면, 좌-바닥-앞(left-bottom-front) 위치로 중심점이 속한 노드위 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 2이면, 좌-바닥-뒤(left-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 3이면, 좌-탑-앞(left-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 4이면, 좌-탑-뒤(left-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 5이면, 우-바닥-앞(right-bottom-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 6이면, 우-바닥-뒤(right-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 7이면, 우-탑-앞(right-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 8이면, 우-탑-뒤(right-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 9이면, 중앙(middle/center) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다.
GSH지오메트리 파라미터 세트 아이디(gsh_geometry_parameter_set_id): 액티브 GPS의 gps_geom_parameter_set_id의 값을 나타낸다.
GSH 타일 아이디(gsh_tile_id): GSH에 의해 참조될 수 있는 타일 아이디의 값을 나타낸다. gsh_tile_id의 값은 0 내지 XX(포함)의 범위를 가질 수 있다.
GSH 슬라이스 아이디(gsh_slice_id): 다른 신택스 엘리먼트들에 의한 참조를 위한 슬라이스 헤더를 식별한다. gsh_slice_id의 값은 0 내지 XX(포함)의 범위를 가질 수 있다.
도29는 실시예들에 따른 지오메트리 노드를 나타낸다.
도29는 도24의 비트스트림에 포함된 지오메트리의 노드 정보를 나타낸다.
실시예들에 따른 방법/장치는 지오메트리 인코딩 및/또는 디코딩 시 공간 스케일러빌리티를 위한 지오메트리의 포인트를 재구성하는 과정에서, 대표 위치 타입이 중심점(centroid)인 경우, 중심점 관련 정보를 지오메트리 노드에 포함시킬 수 있다.
자식 어큐판시 인덱스(child_occupancy_idx): 분포를 통해 계산된 중심점에 기반하여 지오메트리 위치를 재구성할때, 중심점이 속한 노드의 위치를 나타낸다. 노드 위치는 하위 자식 노드의 인덱스에 대응할 수 있다. 예를 들어, 0~7의 값을 가질 수 있다.
싱글 어큐판시 플래그(single_occupancy_flag): 이 값이 1이면, 현재 노드가 싱글 자식 노드를 포함함을 나타낸다. 이 값이 0이면, 현재 노드가 멀티플 자식 노드들을 포함함을 나타낸다.
spatial_scalability_geom_position_type이 10(중심점)인 경우, 지오메트리 노드가 자식 어큐판시 인덱스를 포함할 수 있다.
실시예들에 따른 방법/장치는 실시예들에 따른 동작 및 시그널링 정보에 기반하여 공간 스케일러빌리티와 같은 효과를 제공할 수 있다.
공간 스케일러빌리티는 포인트 클라우드 데이터가 밀도가 높고(dense) 대역폭(bandwidth)이 낮을 때, 낮은 해상도의 포인트 클라우드를 보내고 처리할 수 있는 기능이다. 또한, 포인트 클라우드 데이터가 밀도가 높고(dense) 전체 옥트리 비스트스림을 전송 받았지만 디코더에서 디코더의 성능(capacity) 또는 자원(resource) 부족, 또는 시나리오상 썹네일(thumbnail)을 우선적으로 빠르게 필요로 하는 경우에 전송받은 전체 옥트리 기반 비트스트림을 모두 디코딩하지 않고 옥트리의 특정 깊이 레벨까지만 디코딩해서 낮은 해상도의 포인트 클라우드를 제공할 수 있는 기능이다.
실시예들의 G-PCC 지오메트리 부호화/복호화 과정에서 공간 스케일러빌리티 효과를 제공하기 위해 부분 옥트리 구성과 구성된 마지막 레벨의 옥트리 노드들로부터 위치를 재구성하는 동작을 제공한다.
제안한 옥트리 노드의 포인트 재구성 방법은 지오메트리의 위치를 어디에 재구성하는지에 따라서 공간 스케일러빌리티를 위해 부분 인코딩/디코딩된 지오메트리 압축 효율을 높일 수 있다.
이로써 본 실시예에서는 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 지오메트리 기반 포인트 클라우드 압축(Geometry-based Point Cloud Compression) (G-PCC)의 인코더(부호화기)/디코더(복호화기)의 공간 스케일러빌리티 기능 제공을 위한 지오메트리 압축 방법을 제공할 수 있고, 지오메트리 압축 효율을 높여서 제공할 수 있다.
실시예들에 따른 방법/장치(송신 방법/장치 및/또는 수신 방법/장치)는 공간 스케일러빌리티 를 위한 다양한 지오메트리 위치 재구성(geometry position reconstruction) 방법을 제공함으로써, 다양한 타입의 포인트 클라우드 데이터를 효율적으로 인코딩/디코딩할 수 있는 효과를 제공할 수 있다.
도20을 참조하여, 실시예들에 따른 방법/장치는 지오메트리를 재구성하는 경우, LOD 레벨 별로 다르게 중심점을 설정할 수 있다. 즉, 도20의 경우 한 가지 타입의 중심점 설정 방법에 기반하여 LOD 0부터 특정 레벨(LOD N)까지 노드의 대표위치에 기반하여 지오메트리를 재구성하였다면, 추가 실시예들로써, LOD 레벨마다 서로 다른 타입의 중심점 설정 방식을 다양하게 적용할 수 있다. 즉, S21040 동작을 LOD레벨마다 다양하게 수행할 수 있다. 실시예들에 따른 송신 장치 및/또는 인코더는 각 LOD별로 중심점을 분석하여 실시예들에 따른 수신 장치 및/또는 디코더에 LOD별로 중심점 분석 방법을 나타내는 정보를 전송할 수 있다.
실시예들에 따른 대표 위치 타입에 관한 모든 방식은 각 LOD별로 적용되고, 디코더에 시그널링될 수 있다.
실시예들에 따른 21020동작(지오메트리 위치 재구성)은 옥트리의 LOD별로 수행될 수 있다.
도30은 실시예들에 따른 시퀀스 파라미터 세트를 나타낸다.
도30은 도25의 SPS에 대응할 수 있다.
도30에 포함된 엘리먼트의 정의는 도25에 대응하는 엘리먼트의 설명을 참조할 수 있다.
실시예들에 따른 SPS는 지오메트리의 공간 스케일러빌리티를 위한 인코딩 및/또는 디코딩을 위한 지오메트리의 포인트를 재구성하는데 이용되는 정보를 포함할 수 있다.
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(sps_num_attribute_sets indicates the number of coded attributes in the bitstream. The value of sps_num_attribute_sets shall be in the range of 0 to 63).
SPS 어트리뷰트 세트 개수만큼 어트리뷰트에 대한 다음의 엘리먼트들이 SPS에 포함될 수 있다.
어트리뷰트 디멘션(attribute_dimension[ i ]): i번재 어트리뷰트의 컴포넌트들의 개수를 나타낸다(attribute_dimension[ i ] specifies the number of components of the i-th attribute).
어트리뷰트 인스턴스 식별자(attribute_instance_id[ i ]): i번째 어트리뷰트를 위한 인스턴스 식별자를 나타낸다(attribute_instance_id[ i ] specifies the instance id for the i-th attribute).
공간 스케일러빌리티 LOD(spatial_scalability_LOD): 공간 스케일러빌리티 지원을 위한 인코딩된 옥트리 깊이 레벨을 나타낼 수 있다.
공간 스케일러빌리티 지오메트리 양자화 타입(spatial_scalability_geom_quantization_type): 지오메트리 양자화 타입을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 양자화 타입이 0이면, 라운딩(rounding) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 1이면, 올림(ceil) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 2이면, 내림(floor) 방식 을 나타낼 수 있다. 각 지시 정보에 대한 정수값은 실시예들에 따라 다양하게 변경될 수 있다.
공간 스케일러빌리티 지오메트리 포지션 타입(spatial_scalability_geom_position_type): 노드에 속한 지오메트리 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 포지션 타입이 0이면, 지오메트리 위치 재구성 방법은 양자화 타입과 같은 방식으로, 라운딩의 경우 중앙, 올림 방식의 경우 오른쪽-위-뒤(right-top-back) 위치로 지오메트리를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 1이면, 지오메트리 위치를 좌-바닥-앞(left-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 2이면, 지오메트리 위치를 좌-바닥-뒤(left-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 3이면, 지오메트리 위치를 좌-탑-앞(left-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 4이면, 지오메트리 위치를 좌-탑-뒤(left-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 5이면, 지오메트리 위치를 우-바닥-앞(right-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 6이면, 지오메트리 위치를 우-바닥-뒤(right-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 7이면, 지오메트리 위치를 좌-탑-앞(right-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 8이면, 지오메트리 위치를 우-탑-뒤(right-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 9이면, 지오메트리 위치를 중앙(middle/center) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 10이면, 지오메트리 위치를 분포를 통해 계산된 중심점이 있는 하위 노드 위치로 구성할 수 있다.
spatial_scalability_geom_position_type이 10이면 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 SPS에 포함된다.
공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입(spatial_scalability_geom_centroid_position_type): 분포를 통해 계산된 중심점을 지오메트리 위치를 재구성할때, 중심점이 속한 노드의 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 0이면, 중심점이 속한 노드의 위치를 양자화 타입과 같은 방식으로 재구성할 수 있다. 양자화 타입이 라운딩인 경우 중앙 방식, 양자화 타입이 올림 방식인 경우 오른쪽-위-뒤(right-top-back)위치로 구성하는 방식으로 노드의 위치를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 1이면, 좌-바닥-앞(left-bottom-front) 위치로 중심점이 속한 노드위 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 2이면, 좌-바닥-뒤(left-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 3이면, 좌-탑-앞(left-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 4이면, 좌-탑-뒤(left-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 5이면, 우-바닥-앞(right-bottom-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 6이면, 우-바닥-뒤(right-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 7이면, 우-탑-앞(right-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 8이면, 우-탑-뒤(right-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 9이면, 중앙(middle/center) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다.
옥트리 높이 깊이(octree_height_depth): 옥트리 높이height를 나타낸다.
깊이에 대한 분석된 분포( analyzed_distribution_at_depth): 각 옥트리 깊이에서 포인트들의 분포를 분석한 중심점 위치 결과 값을 나타낸다. 구체적으로, 옥트리 자식 노드 기반 인덱스를 나타낼 수 있다.
예를 들어, 깊이에 대한 분석된 분포가 1이면, 중심점 위치는 좌-바닥-앞(left-bottom-front) 위치이다. 깊이에 대한 분석된 분포가 2이면, 중심점 위치는 좌-바닥-뒤(left-bottom-back) 위치이다. 깊이에 대한 분석된 분포가 3이면, 중심점 위치는 좌-탑-앞(left-top-front) 위치이다. 깊이에 대한 분석된 분포가 4이면, 중심점 위치는 좌-탑-뒤(left-top-back) 위치이다. 깊이에 대한 분석된 분포가 5이면, 중심점 위치는 우-바닥-앞(right-bottom-front) 위치이다. 깊이에 대한 분석된 분포가 6이면, 중심점 위치는 좌-바닥-뒤(right-bottom-back) 위치이다. 깊이에 대한 분석된 분포가 7이면, 중심점 위치는 우-탑-앞(right-top-front) 위치이다. 깊이에 대한 분석된 분포가 8이면, 중심점 위치는 우-탑-뒤(right-top-back) 위치이다.
도31은 실시예들에 따른 지오메트리 파라미터 세트를 나타낸다.
도31은 도26의 지오메트리 파라미터 세트에 대응할 수 있다.
도31에 포함된 엘리먼트의 정의는 도26에 대응하는 엘리먼트의 설명을 참조할 수 있다.
실시예들에 따른 GPS는 지오메트리의 공간 스케일러빌리티를 위한 인코딩 및/또는 디코딩을 위한 지오메트리의 포인트를 재구성하는데 이용되는 정보를 포함할 수 있다.
공간 스케일러빌리티 LOD(spatial_scalability_LOD): 공간 스케일러빌리티 지원을 위한 인코딩된 옥트리 깊이 레벨을 나타낼 수 있다.
공간 스케일러빌리티 지오메트리 양자화 타입(spatial_scalability_geom_quantization_type): 지오메트리 양자화 타입을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 양자화 타입이 0이면, 라운딩(rounding) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 1이면, 올림(ceil) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 2이면, 내림(floor) 방식 을 나타낼 수 있다. 각 지시 정보에 대한 정수값은 실시예들에 따라 다양하게 변경될 수 있다.
공간 스케일러빌리티 지오메트리 포지션 타입(spatial_scalability_geom_position_type): 노드에 속한 지오메트리 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 포지션 타입이 0이면, 지오메트리 위치 재구성 방법은 양자화 타입과 같은 방식으로, 라운딩의 경우 중앙, 올림 방식의 경우 오른쪽-위-뒤(right-top-back) 위치로 지오메트리를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 1이면, 지오메트리 위치를 좌-바닥-앞(left-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 2이면, 지오메트리 위치를 좌-바닥-뒤(left-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 3이면, 지오메트리 위치를 좌-탑-앞(left-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 4이면, 지오메트리 위치를 좌-탑-뒤(left-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 5이면, 지오메트리 위치를 우-바닥-앞(right-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 6이면, 지오메트리 위치를 우-바닥-뒤(right-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 7이면, 지오메트리 위치를 좌-탑-앞(right-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 8이면, 지오메트리 위치를 우-탑-뒤(right-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 9이면, 지오메트리 위치를 중앙(middle/center) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 10이면, 지오메트리 위치를 분포를 통해 계산된 중심점이 있는 하위 노드 위치로 구성할 수 있다.
spatial_scalability_geom_position_type이10이면, 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 GPS에 포함된다.
공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입(spatial_scalability_geom_centroid_position_type): 분포를 통해 계산된 중심점을 지오메트리 위치를 재구성할때, 중심점이 속한 노드의 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 0이면, 중심점이 속한 노드의 위치를 양자화 타입과 같은 방식으로 재구성할 수 있다. 양자화 타입이 라운딩인 경우 중앙 방식, 양자화 타입이 올림 방식인 경우 오른쪽-위-뒤(right-top-back)위치로 구성하는 방식으로 노드의 위치를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 1이면, 좌-바닥-앞(left-bottom-front) 위치로 중심점이 속한 노드위 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 2이면, 좌-바닥-뒤(left-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 3이면, 좌-탑-앞(left-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 4이면, 좌-탑-뒤(left-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 5이면, 우-바닥-앞(right-bottom-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 6이면, 우-바닥-뒤(right-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 7이면, 우-탑-앞(right-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 8이면, 우-탑-뒤(right-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 9이면, 중앙(middle/center) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다.
공간 스케일러빌리티 타일 기반 지오메트리 리컨스트럭션 플래그(spatial_scalability_tile_based_geom_reconstruction_flag): 타일 단위로 서로 다른 지오메트리 재구성 방안이 적용되었는지를 나타내는 플래그이다.
LOD별 공간 스케일러빌리티 플래그(spatial_scalability_per_LOD_flag): 옥트리 깊이 마다 다른 지오메트리 재구성 방안을 적용할지 여부에 대한 플래그이다.
옥트리 높이 깊이(octree_height_depth: 옥트리 높이height를 나타낸다.
GPS 지오메트리 파라미터 세트 아이디(gps_geom_parameter_set_id): 다른 신택스 엘리먼트들에 의한 참조를 위한 GPS에 대한 식별자를 제공한다. gps_seq_parameter_set_id의 값은 0 내지 15(포함) 범위에 있을 수 있다(provides an identifier for the GPS for reference by other syntax elements. The value of gps_seq_parameter_set_id shall be in the range of 0 to 15, inclusive).
GPS 시퀀스 파라미터 세트 아이디(gps_seq_parameter_set_id): 액티브 SPS에 대한 sps_seq_parameter_set_id의 값을 나타낸다. gps_seq_parameter_set_id의 값은 0내지15(포함) 범위 내 있을 수 있다(specifies the value of sps_seq_parameter_set_id for the active SPS. The value of gps_seq_parameter_set_id shall be in the range of 0 to 15, inclusive).
도32는 실시예들에 따른 타일 파라미터 세트를 나타낸다.
도32은 도27의 TPS에 해당한다.
도32에 포함된 엘리먼트의 정의는 도27에 대응하는 엘리먼트의 설명을 참조할 수 있다.
실시예들에 따른 TPS는 지오메트리의 공간 스케일러빌리티를 위한 인코딩 및/또는 디코딩을 위한 지오메트리의 포인트를 재구성하는데 이용되는 정보를 포함할 수 있다.
spatial_scalability_tile_based_geom_reconstruction_flag이 true이면, 다음의 엘리먼트들이 TPS에 포함된다.
공간 스케일러빌리티 LOD(spatial_scalability_LOD): 공간 스케일러빌리티 지원을 위한 타일에 적용된 인코딩된 옥트리 깊이 레벨을 나타낼 수 있다.
공간 스케일러빌리티 지오메트리 양자화 타입(spatial_scalability_geom_quantization_type): 타일에 적용된 지오메트리 양자화 타입을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 양자화 타입이 0이면, 라운딩(rounding) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 1이면, 올림(ceil) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 2이면, 내림(floor) 방식 을 나타낼 수 있다. 각 지시 정보에 대한 정수값은 실시예들에 따라 다양하게 변경될 수 있다.
공간 스케일러빌리티 지오메트리 포지션 타입(spatial_scalability_geom_position_type): 타일에 적용된 노드에 속한 지오메트리 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 포지션 타입이 0이면, 지오메트리 위치 재구성 방법은 양자화 타입과 같은 방식으로, 라운딩의 경우 중앙, 올림 방식의 경우 오른쪽-위-뒤(right-top-back) 위치로 지오메트리를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 1이면, 지오메트리 위치를 좌-바닥-앞(left-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 2이면, 지오메트리 위치를 좌-바닥-뒤(left-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 3이면, 지오메트리 위치를 좌-탑-앞(left-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 4이면, 지오메트리 위치를 좌-탑-뒤(left-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 5이면, 지오메트리 위치를 우-바닥-앞(right-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 6이면, 지오메트리 위치를 우-바닥-뒤(right-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 7이면, 지오메트리 위치를 좌-탑-앞(right-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 8이면, 지오메트리 위치를 우-탑-뒤(right-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 9이면, 지오메트리 위치를 중앙(middle/center) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 10이면, 지오메트리 위치를 분포를 통해 계산된 중심점이 있는 하위 노드 위치로 구성할 수 있다.
spatial_scalability_geom_position_type이 10이면, 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 TPS에 포함된다.
공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입(spatial_scalability_geom_centroid_position_type): 분포를 통해 계산된 중심점을 지오메트리 위치를 재구성할때, 중심점이 속한 노드의 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 0이면, 중심점이 속한 노드의 위치를 양자화 타입과 같은 방식으로 재구성할 수 있다. 양자화 타입이 라운딩인 경우 중앙 방식, 양자화 타입이 올림 방식인 경우 오른쪽-위-뒤(right-top-back)위치로 구성하는 방식으로 노드의 위치를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 1이면, 좌-바닥-앞(left-bottom-front) 위치로 중심점이 속한 노드위 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 2이면, 좌-바닥-뒤(left-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 3이면, 좌-탑-앞(left-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 4이면, 좌-탑-뒤(left-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 5이면, 우-바닥-앞(right-bottom-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 6이면, 우-바닥-뒤(right-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 7이면, 우-탑-앞(right-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 8이면, 우-탑-뒤(right-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 9이면, 중앙(middle/center) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다.
공간 스케일러빌리티 슬라이스 기반 지오메트리 리컨스트럭션 플래그(spatial_scalability_slice_based_geom_reconstuction_flag): 슬라이스 단위로 서로 다른 지오메트리 재구성 방안이 적용되었는지를 나타내는 플래그이다.
LOD별 공간 스케일러빌리티 플래그(spatial_scalability_per_LOD_flag): 옥트리 깊이 마다 다른 지오메트리 재구성 방안을 적용할지 여부에 대한 플래그이다.
옥트리 높이 깊이(octree_height_depth): 옥트리 높이height를 나타낸다.
타일들의 개수(num_tiles): 비트스트림에 대해 시그널링되는 타일들의 개수를 나타낸다. 존재하지 않는 경우, 타일들의 개수는 0으로 추론될 수 있다.
타일들의 개수에 따라서, 타일 바운딩 박스 오프셋 엘리먼트가 다음과 같이 TPS에 전달될 수 있다.
타일 바운딩 박스 오프셋X(tile_bounding_box_offset_x[ i ]): 좌표계 내 i번째 타일의 X오프셋을 나타낼 수 있다. 존재하지 않는 경우, tile_bounding_box_offset_x[ 0 ]의 값은 sps_bounding_box_offset_x으로 추론될 수 있다.
타일 바운딩 박스 오프셋Y(tile_bounding_box_offset_y[ i ]): 좌표계 내 i번째 타일의 Y오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_y[ 0 ]의 값은 sps_bounding_box_offset_y으로 추론될 수 있다.
타일 바운딩 박스 오프셋Z(tile_bounding_box_offset_z[ i ]): 좌표계 내 i번째 타일의 Z오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_z[ 0 ]의 값은 sps_bounding_box_offset_z으로 추론될 수 있다.
도33은 실시예들에 따른 지오메트리 슬라이스 헤더를 나타낸다.
도33은 도28의 지오메트리 슬라이스 헤더에 해당한다.
도32에 포함된 엘리먼트의 정의는 도28에 대응하는 엘리먼트의 설명을 참조할 수 있다.
실시예들에 따른 GSH는 지오메트리의 공간 스케일러빌리티를 위한 인코딩 및/또는 디코딩을 위한 지오메트리의 포인트를 재구성하는데 이용되는 정보를 포함할 수 있다.
spatial_scalability_slice_based_geom_reconstruction_flag이 true이면 다음의 엘리먼트들이 GSH에 포함될 수 있다.
공간 스케일러빌리티 LOD(spatial_scalability_LOD): 공간 스케일러빌리티 지원을 위한 슬라이스에 적용된 인코딩된 옥트리 깊이 레벨을 나타낼 수 있다.
공간 스케일러빌리티 지오메트리 양자화 타입(spatial_scalability_geom_quantization_type): 슬라이스에 적용된 지오메트리 양자화 타입을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 양자화 타입이 0이면, 라운딩(rounding) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 1이면, 올림(ceil) 방식을 나타낼 수 있고, 공간 스케일러빌리티 지오메트리 양자화 타입이 2이면, 내림(floor) 방식 을 나타낼 수 있다. 각 지시 정보에 대한 정수값은 실시예들에 따라 다양하게 변경될 수 있다.
공간 스케일러빌리티 지오메트리 포지션 타입(spatial_scalability_geom_position_type): 슬라이스에 적용된 노드에 속한 지오메트리 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 포지션 타입이 0이면, 지오메트리 위치 재구성 방법은 양자화 타입과 같은 방식으로, 라운딩의 경우 중앙, 올림 방식의 경우 오른쪽-위-뒤(right-top-back) 위치로 지오메트리를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 1이면, 지오메트리 위치를 좌-바닥-앞(left-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 2이면, 지오메트리 위치를 좌-바닥-뒤(left-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 3이면, 지오메트리 위치를 좌-탑-앞(left-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 4이면, 지오메트리 위치를 좌-탑-뒤(left-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 5이면, 지오메트리 위치를 우-바닥-앞(right-bottom-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 6이면, 지오메트리 위치를 우-바닥-뒤(right-bottom-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 7이면, 지오메트리 위치를 좌-탑-앞(right-top-front) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 8이면, 지오메트리 위치를 우-탑-뒤(right-top-back) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 9이면, 지오메트리 위치를 중앙(middle/center) 위치로 구성할 수 있다. 공간 스케일러빌리티 지오메트리 포지션 타입이 10이면, 지오메트리 위치를 분포를 통해 계산된 중심점이 있는 하위 노드 위치로 구성할 수 있다.
spatial_scalability_geom_position_type이 10이면, 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 GSH에 포함된다.
공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입(spatial_scalability_geom_centroid_position_type): 분포를 통해 계산된 중심점을 지오메트리 위치를 재구성할때, 중심점이 속한 노드의 위치를 재구성하는 방법을 나타낼 수 있다.
예를 들어, 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 0이면, 중심점이 속한 노드의 위치를 양자화 타입과 같은 방식으로 재구성할 수 있다. 양자화 타입이 라운딩인 경우 중앙 방식, 양자화 타입이 올림 방식인 경우 오른쪽-위-뒤(right-top-back)위치로 구성하는 방식으로 노드의 위치를 재구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 1이면, 좌-바닥-앞(left-bottom-front) 위치로 중심점이 속한 노드위 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 2이면, 좌-바닥-뒤(left-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 3이면, 좌-탑-앞(left-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 4이면, 좌-탑-뒤(left-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 5이면, 우-바닥-앞(right-bottom-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 6이면, 우-바닥-뒤(right-bottom-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 7이면, 우-탑-앞(right-top-front) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 8이면, 우-탑-뒤(right-top-back) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다. 공간 스케일러빌리티 지오메트리 센트로이드 포지션 타입이 9이면, 중앙(middle/center) 위치로 중심점이 속한 노드의 위치를 구성할 수 있다.
LOD별 공간 스케일러빌리티 플래그(spatial_scalability_per_LOD_flag): 옥트리 깊이 마다 다른 지오메트리 재구성 방안을 적용할지 여부에 대한 플래그이다.
옥트리 높이 깊이(octree_height_depth): 옥트리 높이height를 나타낸다.
GSH지오메트리 파라미터 세트 아이디(gsh_geometry_parameter_set_id): 액티브 GPS의 gps_geom_parameter_set_id의 값을 나타낸다.
GSH 타일 아이디(gsh_tile_id): GSH에 의해 참조될 수 있는 타일 아이디의 값을 나타낸다. gsh_tile_id의 값은 0 내지 XX(포함)의 범위를 가질 수 있다.
GSH 슬라이스 아이디(gsh_slice_id): 다른 신택스 엘리먼트들에 의한 참조를 위한 슬라이스 헤더를 식별한다. gsh_slice_id의 값은 0 내지 XX(포함)의 범위를 가질 수 있다.
도34는 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
S34000, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계를 포함할 수 있다. 실시예들에 따른 인코딩 동작은 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도4의 인코더, 도12의 송신 장치의 포인트 클라우드 데이터 처리, 도14의 XR디바이스(1430), 도15 내지16의 포인트 클라우드 데이터 인코딩, 도18내지20의 지오메트리 인코딩, 도22의 인코더, 도24-33의 비트스트림 생성 및 인코딩 등의 동작을 포함할 수 있다.
S34010, 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) 등의 동작을 포함할 수 있다.
도35는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
S35000, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함할 수 있다. 실시예들에 따른 수신 동작은 도1의 수신 장치(10004), 리시버(10005), 도2의 전송에 따른 수신(20002), 도24-33의 비트스트림 수신 등의 동작을 포함할 수 있다.
S35010, 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), 렌더링(20004), 도10-11의 디코더, 도13의 수신 장치의 포인트 클라우드 데이터 처리, 도14의 XR디바이스(1430), 도16-17의 포인트 클라우드 데이터 디코딩, 도21의 지오메트리 디코딩, 도23의 디코더, 도24-33의 비트스트림 디코딩 등의 동작을 포함할 수 있다.
공간 스케일러빌리티는 포인트 클라우드 데이터가 밀도가 높고(dense) 대역폭(bandwidth)이 낮을 때, 낮은 해상도의 포인트 클라우드를 보내고 처리할 수 있는 기능이다. 또한, 포인트 클라우드 데이터가 밀도가 높고(dense) 전체 옥트리 비스트스림을 전송 받았지만 디코더에서 디코더의 성능(capacity) 또는 자원(resource) 부족, 또는 시나리오상 thumbnail을 우선적으로 빠르게 필요로 하는 경우에 전송받은 전체 옥트리 기반 비트스트림을 모두 디코딩하지 않고 옥트리의 특정 깊이 레벨까지만 디코딩해서 낮은 해상도의 포인트 클라우드를 제공할 수 있는 기능이다.
실시예들의 G-PCC 지오메트리 부호화/복호화 과정에서 공간 스케일러빌리티 기능을 제공하기 위해 부분 옥트리 구성과 구성된 마지막 레벨의 옥트리 노드들로 부터 위치를 재구성하는 방안을 제공하였다.
실시예들에 따른 옥트리 노드의 포인트 재구성 방법은 지오메트리의 위치를 어디에 재구성하는지에 따라서 공간 스케일러빌리티를 위해 부분 인코딩/디코딩된 지오메트리 압축 효율을 높일 수 있다.
이로써 본 실시예에서는 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)의 공간 스케일러빌리티 기능 제공을 위한 지오메트리 압축 방법을 제공할 수 있고, 지오메트리 압축 효율을 높여서 제공할 수 있다.
실시예들에 따른 방법/장치(송신 방법/장치 및/또는 수신 방법/장치)는 공간 스케일러빌리티를 위한 다양한 지오메트리 위치 재구성(geometry position reconstruction) 방법을 제공함으로써, 다양한 타입의 포인트 클라우드 데이터를 효율적으로 인코딩/디코딩할 수 있는 효과를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 상술한 실시예들에 따른공간 스케일러빌리티를 위해 지오메트리 위치 재구성(geometry position reconstruction) 방안 & 시그널 방안으로 인하여, 공간 스케일러빌리티 기능을 제공하기 위해 옥트리 기반으로 포인트의 위치를 재구성하여 지오메트리 압축 효율을 높일 수 있는 효과를 제공할 수 있다.
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.
한편 , 상술한 실시예들에 따른 동작은 실시예들 따른 송신 장치 및/또는 수신 장치에 의해서 수행될 수 있다. 송수신 장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신 장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.
상술한 바와 같이, 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신 장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다.
당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다.
실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항들 및 그 와 동일한 것들의 범위를 벗어나지 않는다.

Claims (20)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  2. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 지오메트리를 인코딩하는 단계,
    상기 포인트 클라우드 데이터의 어트리뷰트를 인코딩하는 단계를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  3. 제2항에 있어서,
    상기 지오메트리를 인코딩하는 단계는
    상기 지오메트리를 복셀화하는 단계, 또는
    상기 지오메트리를 옥트리에 기반하여 표현하는 단계를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  4. 제1항에 있어서,
    상기 인코딩하는 단계는
    상기 지오메트리의 위치를 재구성하는 단계를 더 포함하고,
    상기 지오메트리의 위치를 재구성하는 단계는,
    상기 지오메트리에 대한 옥트리에 기반하여, 상기 옥트리의 특정 레벨까지 상기 지오메트리의 위치를 재구성하는,
    포인트 클라우드 데이터 송신 방법.
  5. 제4항에 있어서,
    상기 지오메트리의 위치를 재구성하는 단계는
    상기 특정 레벨의 각 옥트리 노드의 중앙 위치에 기반하여 상기 지오메트리의 위치를 재구성하는,
    포인트 클라우드 데이터 송신 방법.
  6. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  7. 제6항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 인코더는
    상기 포인트 클라우드 데이터의 지오메트리를 인코딩하는 지오메트리 인코더,
    상기 포인트 클라우드 데이터의 어트리뷰트를 인코딩하는 어트리뷰트 인코더, 를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  8. 제7항에 있어서,
    상기 지오메트리를 인코딩하는 지오메트리 인코더는
    상기 지오메트리를 복셀화하거나, 또는
    상기 지오메트리를 옥트리에 기반하여 표현하는,
    포인트 클라우드 데이터 송신 장치.
  9. 제6항에 있어서,
    상기 인코더는
    상기 지오메트리에 대한 옥트리에 기반하여, 상기 옥트리의 특정 레벨까지 상기 지오메트리의 위치를 재구성하는,
    포인트 클라우드 데이터 송신 장치.
  10. 제9항에 있어서,
    상기 인코더는
    상기 특정 레벨의 각 옥트리 노드의 중앙 위치에 기반하여 상기 지오메트리의 위치를 재구성하는,
    포인트 클라우드 데이터 송신 장치.
  11. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  12. 제11항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터의 지오메트리를 디코딩하는 단계,
    상기 포인트 클라우드 데이터의 어트리뷰트를 디코딩하는 단계를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  13. 제12항에 있어서,
    상기 지오메트리를 디코딩하는 단계는
    상기 지오메트리를 옥트리에 기반하여 표현하는 단계를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  14. 제11항에 있어서,
    상기 디코딩하는 단계는
    상기 지오메트리에 대한 옥트리에 기반하여, 상기 옥트리의 특정 레벨까지 상기 지오메트리의 위치를 재구성하는 단계를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  15. 제14항에 있어서,
    상기 디코딩하는 단계는
    상기 특정 레벨의 각 옥트리 노드의 중앙 위치에 기반하여 상기 지오메트리의 위치를 재구성하는 단계를 더 포함하는,
    포인트 클라우드 데이터 수신 방법.
  16. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 리시버; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함하는,
    포인트 클라우드 데이터 수신 장치.
  17. 제16항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 디코더는,
    상기 포인트 클라우드 데이터의 지오메트리를 디코딩하는 지오메트리 디코더,
    상기 포인트 클라우드 데이터의 어트리뷰트를 디코딩하는 어트리뷰트 디코더를 포함하는,
    포인트 클라우드 데이터 수신 장치.
  18. 제17항에 있어서,
    상기 지오메트리를 디코딩하는 지오메트리 디코더는
    상기 지오메트리를 옥트리에 기반하여 표현하는,
    포인트 클라우드 데이터 수신 장치.
  19. 제16항에 있어서,
    상기 디코더는
    상기 지오메트리에 대한 옥트리에 기반하여, 상기 옥트리의 특정 레벨까지 상기 지오메트리의 위치를 재구성하는,
    포인트 클라우드 데이터 수신 장치.
  20. 제19항에 있어서,
    상기 디코더는
    상기 특정 레벨의 각 옥트리 노드의 중앙 위치에 기반하여 상기 지오메트리의 위치를 재구성하는,
    포인트 클라우드 데이터 수신 장치.
PCT/KR2020/015138 2020-01-07 2020-11-02 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2021141221A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP20912067.4A EP4068789A4 (en) 2020-01-07 2020-11-02 POINT CLOUD DATA TRANSMITTER DEVICE, POINT CLOUD DATA TRANSMITTER METHOD, POINT CLOUD DATA RECEIVE DEVICE AND POINT CLOUD DATA RECEIVE METHOD
JP2022541851A JP7425207B2 (ja) 2020-01-07 2020-11-02 ポイントクラウドデータ送信装置、ポイントクラウドデータ送信方法、ポイントクラウドデータ受信装置及びポイントクラウドデータ受信方法
CN202080091844.5A CN114930860A (zh) 2020-01-07 2020-11-02 点云数据发送装置、点云数据发送方法、点云数据接收装置和点云数据接收方法

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202062958259P 2020-01-07 2020-01-07
US62/958,259 2020-01-07
US202062961659P 2020-01-15 2020-01-15
US62/961,659 2020-01-15

Publications (1)

Publication Number Publication Date
WO2021141221A1 true WO2021141221A1 (ko) 2021-07-15

Family

ID=76654723

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/015138 WO2021141221A1 (ko) 2020-01-07 2020-11-02 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (6)

Country Link
US (2) US11395004B2 (ko)
EP (1) EP4068789A4 (ko)
JP (1) JP7425207B2 (ko)
KR (1) KR102294613B1 (ko)
CN (1) CN114930860A (ko)
WO (1) WO2021141221A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11551334B2 (en) * 2020-01-09 2023-01-10 Tencent America LLC Techniques and apparatus for coarse granularity scalable lifting for point-cloud attribute coding

Citations (4)

* 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
WO2019011634A1 (en) * 2017-07-13 2019-01-17 Interdigital Vc Holdings, Inc. METHOD AND APPARATUS FOR COLOR ENCODING / DECODING OF A COLORED POINT CLOUD WHERE GEOMETRY IS REPRESENTED BY AN OCTRATED STRUCTURE
WO2019070830A1 (en) * 2017-10-06 2019-04-11 Interdigital Vc Holdings, Inc. METHOD AND APPARATUS FOR ENCODING / DECODING THE COLORS OF A POINT CLOUD REPRESENTING A 3D OBJECT
WO2020005363A1 (en) * 2018-06-26 2020-01-02 Futurewei Technologies, Inc. High-level syntax designs for point cloud coding

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100446635B1 (ko) * 2001-11-27 2004-09-04 삼성전자주식회사 깊이 이미지 기반 3차원 객체 표현 장치 및 방법
US7940279B2 (en) * 2007-03-27 2011-05-10 Utah State University System and method for rendering of texel imagery
US8731313B2 (en) * 2009-03-23 2014-05-20 Level Set Systems, Inc. Method and apparatus for accurate compression and decompression of three-dimensional point cloud data
FR2961930B1 (fr) * 2010-06-29 2013-01-04 Fittingbox Procede de compression / decompression de maillage tridimensionnel
US11297346B2 (en) * 2016-05-28 2022-04-05 Microsoft Technology Licensing, Llc Motion-compensated compression of dynamic voxelized point clouds
EP3293702B1 (en) * 2016-09-13 2020-04-29 Dassault Systèmes Compressing a signal that represents a physical attribute
EP3429206A1 (en) * 2017-07-13 2019-01-16 Thomson Licensing Method and device for encoding a point cloud
CN107403456B (zh) * 2017-07-28 2019-06-18 北京大学深圳研究生院 一种基于kd树和优化图变换的点云属性压缩方法
US10861196B2 (en) * 2017-09-14 2020-12-08 Apple Inc. Point cloud compression
CN111149363A (zh) * 2017-09-29 2020-05-12 索尼公司 信息处理设备和方法
US10692249B2 (en) * 2017-10-12 2020-06-23 Sony Corporation Octree traversal for anchor point cloud compression
US10424083B2 (en) * 2017-10-21 2019-09-24 Samsung Electronics Co., Ltd. Point cloud compression using hybrid transforms
CN108335335B (zh) * 2018-02-11 2019-06-21 北京大学深圳研究生院 一种基于增强图变换的点云属性压缩方法
US10909727B2 (en) * 2018-04-10 2021-02-02 Apple Inc. Hierarchical point cloud compression with smoothing
US10867414B2 (en) * 2018-04-10 2020-12-15 Apple Inc. Point cloud attribute transfer algorithm
EP3554082A1 (en) * 2018-04-11 2019-10-16 InterDigital VC Holdings, Inc. A method and device for coding the geometry of a point cloud
WO2019203297A1 (ja) * 2018-04-19 2019-10-24 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
CN112119429A (zh) * 2018-05-11 2020-12-22 松下电器（美国）知识产权公司 三维数据编码方法、三维数据解码方法、三维数据编码装置、以及三维数据解码装置
CN112470480A (zh) * 2018-07-11 2021-03-09 索尼公司 图像处理装置和方法
US11076152B2 (en) * 2019-03-18 2021-07-27 Sony Group Corporation Quantization step parameter for point cloud compression
CN112634181A (zh) * 2019-09-24 2021-04-09 北京百度网讯科技有限公司 用于检测地面点云点的方法和装置

Patent Citations (4)

* 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
WO2019011634A1 (en) * 2017-07-13 2019-01-17 Interdigital Vc Holdings, Inc. METHOD AND APPARATUS FOR COLOR ENCODING / DECODING OF A COLORED POINT CLOUD WHERE GEOMETRY IS REPRESENTED BY AN OCTRATED STRUCTURE
WO2019070830A1 (en) * 2017-10-06 2019-04-11 Interdigital Vc Holdings, Inc. METHOD AND APPARATUS FOR ENCODING / DECODING THE COLORS OF A POINT CLOUD REPRESENTING A 3D OBJECT
WO2020005363A1 (en) * 2018-06-26 2020-01-02 Futurewei Technologies, Inc. High-level syntax designs for point cloud coding

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KHALED MAMMOU, PHILIP A. CHOU, DAVID FLYNN, MAJA KRIVOKUĆA, OHJI NAKAGAMI, TOSHIYASU SUGIO: "G-PCC codec description v2", ISO/IEC JTC1/SC29/WG11 N18189, no. N18189, 1 January 2019 (2019-01-01), Marrakech, MA, pages 1 - 39, XP055686871 *

Also Published As

Publication number Publication date
CN114930860A (zh) 2022-08-19
KR102294613B1 (ko) 2021-08-27
US20210211722A1 (en) 2021-07-08
US11395004B2 (en) 2022-07-19
EP4068789A1 (en) 2022-10-05
EP4068789A4 (en) 2023-01-04
JP7425207B2 (ja) 2024-01-30
KR20210089071A (ko) 2021-07-15
JP2023509730A (ja) 2023-03-09
US20220321914A1 (en) 2022-10-06

Similar Documents

Publication Publication Date Title
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021066615A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
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
WO2021210743A1 (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
WO2021246843A1 (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
WO2022050650A1 (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
WO2021182937A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022015006A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022098152A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021206291A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2021029575A1 (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
WO2022035256A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045601A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002665A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2022240128A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021141221A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022186651A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022092852A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021215811A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Legal Events

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

Ref document number: 20912067

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022541851

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2020912067

Country of ref document: EP

Effective date: 20220630

NENP Non-entry into the national phase

Ref country code: DE