WO2021215849A1 - 포인트 클라우드 데이터 처리 장치 및 처리 방법 - Google Patents

포인트 클라우드 데이터 처리 장치 및 처리 방법 Download PDF

Info

Publication number
WO2021215849A1
WO2021215849A1 PCT/KR2021/005105 KR2021005105W WO2021215849A1 WO 2021215849 A1 WO2021215849 A1 WO 2021215849A1 KR 2021005105 W KR2021005105 W KR 2021005105W WO 2021215849 A1 WO2021215849 A1 WO 2021215849A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
geometry
unit
prediction
cloud data
Prior art date
Application number
PCT/KR2021/005105
Other languages
English (en)
French (fr)
Inventor
이수연
오세진
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to US17/919,836 priority Critical patent/US20230164353A1/en
Publication of WO2021215849A1 publication Critical patent/WO2021215849A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • 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
    • G06T9/004—Predictors, e.g. intraframe, interframe coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • 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
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/537—Motion estimation other than block-based
    • 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

Definitions

  • the embodiments provide a user with various services such as VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), and autonomous driving service. content) is provided.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Mated Reality
  • autonomous driving service. content is provided.
  • 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.
  • the method for transmitting point cloud data includes encoding point cloud data including geometry and attributes and transmitting a bitstream including the encoded point cloud data.
  • Geometry according to embodiments is information indicating positions of points of point cloud data
  • an attribute according to embodiments includes at least one of a color and reflectance of the points.
  • Encoding point cloud data according to embodiments includes transforming coordinates representing positions of points.
  • An apparatus for transmitting point cloud data includes an encoder for encoding point cloud data including geometry and attributes, and a transmitter for transmitting a bitstream including the encoded point cloud data.
  • Geometry is information indicating positions of points of point cloud data
  • an attribute according to embodiments includes at least one of a color and reflectance of the points.
  • An encoder transforms coordinates representing positions of points.
  • a method of processing point cloud data includes receiving a bitstream including point cloud data and decoding the point cloud data.
  • a bitstream according to embodiments includes signaling information.
  • the geometry according to the embodiments is information indicating positions of points of the point cloud data, and the attribute includes at least one of a color and a reflectance of the points.
  • Decoding the point cloud data according to the embodiments includes transforming coordinates indicating positions of points based on signaling information.
  • a point cloud data processing apparatus includes a receiver for receiving a bitstream including point cloud data and a decoder for decoding the point cloud data.
  • a bitstream according to embodiments includes signaling information.
  • the geometry according to the embodiments is information indicating positions of points of the point cloud data, and the attribute includes at least one of a color and a reflectance of the points.
  • a decoder according to embodiments includes transforming coordinates indicating positions of points based on signaling information.
  • 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.
  • 15 illustrates an example of a prediction unit of inter prediction according to embodiments.
  • 16 shows an example of a PU.
  • FIG 17 shows an example of a PU determiner according to embodiments.
  • 18 is an illustration of PU partitioning according to embodiments.
  • 19 is an illustration of PU partitioning according to embodiments.
  • 20 is an illustration of PU partitioning according to embodiments.
  • 21 is an illustration of PU partitioning according to embodiments.
  • 22 is an illustration of PU partitioning according to embodiments.
  • 25 shows an example of a window and a block.
  • 26 is an example of a syntax structure of signaling information related to PU splitting.
  • 27 is an example of a syntax structure of signaling information related to PU splitting.
  • 28 is an example of a syntax structure of signaling information related to PU splitting.
  • 29 is an example of a syntax structure of signaling information related to PU splitting.
  • 30 is an example of a syntax structure of signaling information related to PU splitting.
  • 31 is an example of a syntax structure of signaling information related to PU splitting.
  • FIG. 32 is a flow diagram illustrating a point cloud processing method according to embodiments.
  • 33 is a flow diagram illustrating a point cloud processing method according to embodiments.
  • 35 shows an example of a neighboring PU.
  • 36 shows an example of a neighboring PU.
  • 40 shows an example of a merge target PU and an example of a PU list.
  • 41 is an example of a syntax structure of signaling information related to PU merging.
  • 43 is an example of a syntax structure of signaling information related to PU merging.
  • 44 is an example of a syntax structure of signaling information related to PU merging.
  • 45 is an example of a syntax structure of signaling information related to PU merging.
  • 46 is an example of a syntax structure of signaling information related to PU merging.
  • 47 is a flow diagram illustrating a point cloud processing method according to embodiments.
  • FIG. 48 is a flow diagram illustrating a point cloud processing method according to embodiments.
  • 49 is a syntax structure of signaling information related to PU division and PU merging.
  • 50 is a syntax structure of signaling information related to PU division and PU merging.
  • 51 is a syntax structure of signaling information related to PU division and PU merging.
  • 52 is a syntax structure of signaling information related to PU division and PU merging.
  • 53 is a syntax structure of signaling information related to PU division and PU merging.
  • 54 is a flow diagram illustrating a point cloud data processing method according to embodiments.
  • 55 is a flow diagram illustrating a point cloud data processing method 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 operation of the feedback information and point cloud content providing system according to the embodiments is the same as the feedback information and operation described with reference to 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
  • Point cloud video can be captured using an RGB camera that can extract
  • the point cloud content providing system according to the embodiments 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 (e.g., a core object such as a character, player, object, actor, etc.) to the user.
  • VR/AR content for example, a 360-degree image of an object (e.g., a core object such as a character, player, object, actor, etc.)
  • 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 point cloud data (eg, positions of points and/or attributes) and perform an encoding operation.
  • point cloud data e.g, positions of points and/or attributes
  • 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 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 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 the positions (or position values) of the 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 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 When a vertex is detected, the point cloud encoder according to the embodiments entropy-codes the starting point (x, y, z) of the edge, the direction vectors ( ⁇ x, ⁇ y, ⁇ z) of the edge, and the vertex position values (relative position values within the edge).
  • the point cloud encoder eg, the geometry reconstruction unit 40005
  • the point cloud encoder performs triangle reconstruction, up-sampling, and voxelization processes. to create a reconstructed 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 the sum of 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 (for example, the arithmetic encoder 40012) according to the embodiments may entropy-code the quantized and dequantized residual values as described above when there are points adjacent to the predictor of each point.
  • the point cloud encoder according to the examples (eg, the arithmetic encoder 40012) may entropy-code the attributes of the corresponding point without performing the above-described process if there are no neighboring points in the predictor of each point.
  • a point cloud encoder (for example, the lifting transform unit 40010) generates a predictor of each point, sets an LOD calculated in the predictor, registers neighboring points, and weights according to distances to neighboring points
  • Lifting transform coding may be performed by setting .Lifting transform coding according to embodiments is similar to the above-described predictive transform coding, except that a weight is accumulated and applied to an attribute value. The process of cumulatively applying weights to values is as follows.
  • the weights calculated 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, and 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 ,
  • 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, a synthesize octree 11001, a synthesize surface approximation 11002, and a 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 composing 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 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 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
  • tile Signaling information including a Tile Parameter Set (TPS) for level signaling
  • Slice data may include information about one or more slices.
  • One slice according to embodiments may include one geometry bitstream (Geom00) and one or more attribute bitstreams (Attr00, Attr10).
  • 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 color inverse 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 to overlap the real 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 part of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 1220 may output XR/PCC objects corresponding to objects such as 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 point cloud encoder (for example, the quantization unit 40001 described in FIG. 4, the quantization processor 12001 described in FIG. 12, and the voxelization processor 12002) is the input point cloud data ( For example, geometry) may be quantized and voxelized to facilitate compression processing.
  • the point cloud encoder according to the embodiments may split the point cloud data into a prediction unit (hereinafter, may be described as PU) in order to perform inter prediction on the processed point cloud data.
  • PU prediction unit
  • a PU is a unit in which inter prediction is performed and may be referred to as a unit, a region, or the like. It is not limited to this example.
  • the point cloud encoder may include a size of a PU, which is a unit for performing inter prediction, from a specific node size of a frame unit or an octree structure included in point cloud data, a PU division range for PU division (or a PU split range). (PU split range)) can be determined.
  • a PU according to embodiments may be divided according to a PU tree structure, and a range for dividing/generating a PU is called a PU split range.
  • point cloud data may be unevenly distributed in the 3D coordinate system. If the PU size and PU division range are determined in the same way for all axes of the coordinate system without considering such data distribution, points with poor similarity may belong to the PU.
  • the point cloud encoder is a distribution region of points constituting the entire stream or frame (eg, random access point/intra prediction/reference frame, etc.) PU segmentation is performed in consideration of the distribution characteristics of the point cloud content by scanning .
  • the divided PU may be divided by the same division method as that previously applied to the divided PU, or may be divided by a different division method according to the distribution characteristics of the point cloud content. Also, the PU may be skipped without being divided according to the presence or absence of data included in the PU or the state of the data.
  • the point cloud decoder receives the bitstream and performs entropy decoding of the point cloud data. A residual that is a prediction error of a point may be restored.
  • the point cloud decoder may secure motion vector (hereinafter, referred to as MV) information for each PU based on signaling information related to inter prediction and predict a point value within a PU range of the current frame.
  • MV motion vector
  • 15 illustrates an example of a prediction unit of inter prediction according to embodiments.
  • FIG. 15 shows an octree structure. 1 to 14 , a bounding box including all points of the point cloud data is divided into 8 nodes having the same size, and the 8 divided nodes are each again 8 of the same size. It is recursively partitioned into nodes. That is, as shown in the figure, each node becomes a parent node of 8 child nodes in the direction from the root node represented by 2n to the lower node (eg, 2n-1 node, 2n-2 node), and each child node is It becomes the parent node of the other 8 child nodes according to the division again.
  • Each of the eight divided nodes (eg, a 2n-1 node) shown in the figure corresponds to an octree depth, and the octree depth decreases in the direction of a child node and becomes 0 at a leaf node.
  • a black box among the nodes shown in the figure indicates that point cloud data exists in the corresponding node, and a white box indicates that the point cloud data exists in the corresponding node. indicates that it does not exist. Therefore, only the upper node where data exists is divided into 8 child nodes.
  • the center of FIG. 15 shows a Largest Prediction Unit (LPU).
  • LPU Largest Prediction Unit
  • the LPU according to the embodiments may also be referred to as a PU.
  • the LPU according to the embodiments may be divided again according to a PU tree structure, and a range in which the PU is generated by dividing the LPU is called a PU split range.
  • a PU generated by splitting the LPU may be referred to as a sub PU.
  • the PU division range may be set according to the distribution characteristics of the point cloud data as described above.
  • the division of the LPU according to the embodiments may be performed or skipped according to the cost.
  • nodes having data are recursively divided into 8 child nodes according to the octree division method. If the LPU is split, the child nodes correspond to the sub PU expressed as LPU/2 according to the split of the LPU.
  • the point cloud data processing apparatus (eg, the point cloud transmission apparatus described with reference to FIGS. 1 to 14 , the point cloud reception apparatus, etc.) according to the embodiments performs inter prediction according to the PU and MV information. to secure the predicted value of the point within the corresponding division range.
  • 16 shows an example of a PU.
  • the top left of the figure shows three motion vectors with an optimized prediction direction in the PU ( 1600 ).
  • the upper right of the drawing shows a result of predicting one motion vector by performing motion estimation in units of nodes corresponding to PUs ( 1610 ).
  • the lower left of the drawing shows an example in which a PU on which motion estimation has been performed is divided into 8 sub PUs as in the existing octree division ( 1620 ). In this case, since an unnecessary region is not excluded, a process of determining whether to further divide the PU is further required, resulting in poor coding efficiency.
  • the lower right side of the drawing shows an example of dividing the PU area into three sub PUs ( 1630 ). In this case, since unnecessary regions are excluded, coding efficiency is increased.
  • FIG 17 shows an example of a PU determiner according to embodiments.
  • the PU determiner 1700 illustrated in FIG. 17 is included in the point cloud transmission apparatus or point cloud encoder described with reference to FIGS. 1 to 14 , and performs PU determination and division described with reference to FIGS. 15 to 16 . Also, the PU determiner 1700 illustrated in FIG. 17 may be included in the geometry encoder. The geometry encoder is included in the point cloud encoder.
  • the geometry encoder includes 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 At least one of the geometry reconstruction unit 40005 may be included.
  • the geometry encoder according to the exemplary embodiment includes the data input unit 12000 , the quantization processing unit 12001 , the voxelization processing unit 12002 , the octree occupancy code generation unit 12003 , and the surface model processing unit 12004 described with reference to FIG. 12 . ), an intra/inter coding processing unit 12005 , and an arithmetic coder 12006 .
  • the geometry encoder includes hardware, software, firmware or It can be implemented by a combination of these.
  • the PU determination unit 1700 includes a data distribution processing unit (Data distribution processing unit) 1710 , a split mode determination unit 1720 , a motion estimation processing unit 1730 , and a Sub PU split. ) may include a determining unit 1740 .
  • 17 is an example of the PU determiner 1700, the order of components may be changed, and the PU determiner 1700 may correspond to hardware, software, a process, or a combination thereof.
  • the data distribution processing unit 1710 may include points constituting the entire stream or frame (eg, random access point/intra prediction/reference frame, etc.) Identify (or scan) the distribution area (or range of distribution). For example, when point cloud data is widely distributed or narrowly distributed around a specific axis of the 3D coordinate system, it is efficient to perform PU division based on the corresponding axis.
  • One node or one frame described with reference to FIGS. 15 to 16 is divided into PU units and used for inter prediction.
  • the data distribution processing unit 1710 calculates a length to determine a data distribution range for each axis of the input point cloud content, or
  • Standard deviation, mean, min, max values, medium, and mode values can be used to determine the distribution state and degree of data distribution, and the values are not limited to this example.
  • the data distribution processing unit 1710 determines the data distribution for each axis by using min and max values for each axis extracted after scanning all points. can be calculated). The length of each axis is expressed as
  • X_length Xmax - Xmin
  • Y_length Ymax - Ymin
  • X_length represents the length of the x-axis
  • Y_length represents the length of the y-axis
  • Z_length represents the length of the z-axis.
  • the length of each axis may be secured through content scanning, or may be signaled to the point cloud decoder (or point cloud data receiving device) through the bitstream described with reference to FIGS. 1 to 14 .
  • the data distribution processing unit 1710 may determine on which axis to perform division by comparing the length values for each axis. First, if the axis that is the basis for division is determined, the remaining axes that do not serve as the basis maintain the value corresponding to the size of the original node or the bounding box. If the length values of the two axes are the same and the length of the other axis is small, PU division is performed with the same value based on the two axes at the same time, and the remaining axis maintains the value corresponding to the size of the original node or bounding box. do. If the length of the three axes or the two axes is smaller than a preset threshold value, the three axes or the two axes may or may not be divided by the same method/reference/mode (skip) .
  • the division mode determiner 1720 determines the shape of the PU.
  • the shape of the PU according to the embodiments may be determined according to a division mode. That is, the PU has a shape of a cube, a cuboid, etc. according to the division mode.
  • the division mode determiner 1720 calculates a residual between the reference frame/intra prediction frame and the current frame when the PU is divided, finds the division mode with the smallest residual, and determines the corresponding mode as the division mode. .
  • the determined division mode and residual value are transmitted to the motion estimation processing unit 1730 .
  • Mode 0 to Mode 4 A total of five division modes according to the embodiments are called Mode 0 to Mode 4, and the number and names of division modes are not limited to these examples.
  • Mode 0 Indicates no division. This mode is applied when there is no difference in length between the above-described three axes or a preset threshold value is not exceeded.
  • Mode 0 is not limited to this example and may be applied in other situations. Accordingly, the box shown in the figure represents one PU.
  • Mode 0 indicates a method of finding an MV by setting a searching range without dividing the PU, and the corresponding information (eg, Mode0 information, etc.) is transmitted to the point cloud encoder and the point cloud decoder.
  • Mode 0 may be applied to a sub PU in which the PU is generated in a division mode other than Mode 0 (eg, Mode 1) when PU division is recursively applied.
  • Mode 1 It means 1:1 division.
  • the expression X:Y represents a relative difference (or ratio) between the size (size or size) of a Sub PU close to the origin of the division reference axis and the size (size or size) of a Sub PU close to the origin of the division reference axis.
  • X corresponds to a size of a Sub PU close to the origin of the division reference axis
  • Y corresponds to a size of a Sub PU far from the origin of the division reference axis.
  • Mode 1 is a mode applied when there is no difference in length between the two axes or a preset threshold value is not exceeded.
  • Mode 1 is not limited to this example and may be applied in other situations.
  • a PU is divided into half (1/2) based on one axis, and each sub PU generated by division is set as a searching range to find an MV, and then motion compensation is performed.
  • a sub PU divided according to embodiments may have different MVs.
  • the MV may be defined for each PU or may have the same vector information.
  • Mode 2 Indicates 1:3 division. Since the size difference between the sub PU close to the origin (eg, referred to as the first sub PU) and the sub PU far from the origin (eg, referred to as the second sub PU) is 1:3, the size of the second sub PU is It is larger than the first sub PU.
  • Mode 2 is a mode applied when the length or range of a specific axis is longer or shorter than the other two axes. However, Mode 2 is not limited to this example and may be applied in other situations.
  • Two sub PUs generated according to the split may have different MVs, may be further split under different conditions or modes (split), or may not be split (skip).
  • the MV may be defined for each sub PU or may have the same vector information.
  • Mode 3 Indicates 3:1 split.
  • the difference in size between a sub PU close to the origin (eg, called a first sub PU) and a sub PU far from the origin (eg, called a second sub PU) is 3:1, so the size of the second sub PU is 3:1. is smaller than the first sub PU.
  • Mode 3 is a mode applied when the length or range of a specific axis is longer or shorter than the other two axes. However, Mode 3 is not limited to this example and may be applied in other situations.
  • Two sub PUs generated according to splitting may have different MVs or may be further split under different conditions or modes.
  • the MV may be defined for each sub PU or may have the same vector information.
  • Mode 2 and Mode 3 are selected according to the data distribution.
  • Mode 4 1:2:1 split, indicating that the PU is split into three sub PUs.
  • the difference between the sizes of the first sub PU close to the origin, the second sub PU located in the center, and the third sub PU farthest from the origin is 1:2:1, so that the first sub PU is relatively larger than the first sub PU and the third sub PU.
  • Mode 4 may be determined by split cost and is used when each sub PU has significantly different MVs. However, Mode 4 is not limited to this example and may be applied in other situations.
  • the three sub PUs generated according to the split may have different MVs, may be further split under different conditions or modes (split), or may not be split (skip).
  • the motion estimation processing unit 1730 may perform motion estimation (or motion vector estimation, motion) according to a preset method for inter prediction (eg, a preset method in a point cloud encoder and a point cloud decoder). vector estimation).
  • a cost value for determining the MV extracted according to the motion estimation and the additional division and/or skip is transmitted to the sub PU division determining unit 1740 .
  • the sub PU partitioning determiner 1740 checks a cost when an MV extracted according to motion estimation is applied, and determines whether to perform additional partitioning into sub PUs or skip according to the cost.
  • the sub-PU division determining unit 1740 transmits the corresponding information to the data distribution processing unit 1710 when additional division is performed.
  • the data distribution processing unit 1710 recursively performs an operation for re-segmentation.
  • the operation of the data distribution processing unit 1710 is omitted and , information related to the additional division is transmitted to the division mode determiner 1720 .
  • the division mode determiner 1720 according to embodiments recursively performs an operation for division again.
  • 18 is an illustration of PU partitioning according to embodiments.
  • each PU is divided into two sub PUs, and the size difference between the two sub PUs is expressed as 1:3.
  • 19 is an illustration of PU partitioning according to embodiments.
  • FIG. 19 sequentially shows examples of PU division to which Mode 0 to Mode 4 described in FIG. 17 are applied based on the x-axis. Descriptions of Mode 0, Mode 1, Mode 2, Mode 3, and Mode 4 are the same as those of FIGS. 17 to 18 and thus will be omitted.
  • 20 is an illustration of PU partitioning according to embodiments.
  • Mode 1x, Mode 2x, Mode 3x, and Mode 4x are expressed as Mode 1x, Mode 2x, Mode 3x, and Mode 4x, respectively.
  • Mode 1y, Mode 2y, Mode 3y, and Mode 4y are expressed as Mode 1y, Mode 2y, Mode 3y, and Mode 4y, respectively.
  • Mode 1z, Mode 2z, Mode 3z, and Mode 4z are expressed as Mode 1z, Mode 2z, Mode 3z, and Mode 4z, respectively.
  • each sub PU may be divided into any one of Mode 1, Mode 2, Mode 3, and Mode 4.
  • 21 is an illustration of PU partitioning according to embodiments.
  • Mode 4 Mode 4x
  • Mode 4x1x Mode 4x2x
  • Mode 4x3x Mode 4x4x
  • Mode 4x4x Mode 4x4x1y
  • Mode 4x2y Mode 4x2y
  • Mode 4x3y Mode 4x3y
  • Mode 4x4y Mode 4x4y
  • the axis serving as a reference may be the reference (eg, the x axis) according to the previous division, or may be another axis.
  • the axis serving as a basis for applying the additional division may be determined by comparing the data distribution for each sub PU or the length and/or range of data by comparison, or may be preset before PU division.
  • Information on the preset axis is signaled to the point cloud encoder described with reference to FIGS. 1 to 14 or signaled to the point cloud decoder through the bitstream described with reference to FIGS. 1 to 14 .
  • 22 is an illustration of PU partitioning according to embodiments.
  • the left side of FIG. 22 shows three sub PUs, the first sub PU 2200 , the second sub PU 2210 , and the third sub PU divided according to Mode 4 (Mode 4x) applied based on the x-axis described in FIG. 20 . (2230) is shown.
  • the right side of the drawing shows an example in which the first sub PU 2200, the second sub PU 2210, and the third sub PU 2230 are each further divided.
  • the first sub PU 2200 may be divided into Mode 4 based on the y-axis. Accordingly, the division mode of the first sub PU 2200 is expressed as 4x4y (or Mode4x4y).
  • the first sub PU may not be divided, and the second subPU may be divided into Mode 1 based on the z-axis. Therefore, the final division mode of the second sub PU 2201 is expressed as 4x1x01z (or Mode 4x1x01).
  • the third Sub PU 2230 may be divided into Mode 3 based on the y-axis. Therefore, the final division mode of the third sub PU 2230 is expressed as 4x3y (or Mode 4x3y).
  • each sub PU is divided according to the same or different division mode, so that the shape of the sub PUs of each sub PU may be different. This segmentation configuration can be easily applied to segmentation of point cloud data.
  • FIG. 22 is an example, and PUs having various shapes and sizes may be applied by combining the various division modes described with reference to FIGS. 17 to 21 .
  • the PU can be divided into various directions and shapes.
  • the point cloud transmitting apparatus and the receiving apparatus according to the embodiments perform a process for determining a splitting mode in order to determine a best mode (or best splitting mode, best split mode).
  • the partitioning mode determiner according to the embodiments may perform PU partitioning on a specific node in one frame or an octree structure.
  • 23 is a flowchart 2300 illustrating a method for determining a split mode of a split mode determiner (for example, the split mode determiner 1720 described in FIG. 17) for a bounding box corresponding to one frame. .
  • the division mode determiner may divide the bounding box for each mode ( 2310 ).
  • the division mode determiner selects points corresponding to a window ( 2320 ) and extracts points (blocks, blocks) existing in the sub PU ( 2330 ).
  • a window according to embodiments indicates a region including sub Pu and a search range of a region (or node, frame) at the same position in the reference frame.
  • a block according to embodiments indicates a sub-PU of a PU in a region (or node, frame) that is a target of the PU in the current frame.
  • Sub PU according to the embodiments means each element constituting a PU that is split irrespective of a split mode. Each PU and sub PU is set not to overlap each other within the same frame.
  • a window is set by adding a search range to an area in the same position as the sub PU in order to include an area in which the sub PU can move.
  • the search range may be signaled to the point cloud decoder as preset information through the bitstream, and may be adaptively changed according to the size of the PU.
  • the division mode determiner may calculate a accumulated distance between a block and a window for cost calculation for each mode ( 2340 ).
  • the distance calculated for each mode is expressed as mode A.distance.
  • the splitting mode determiner may determine the mode having the smallest cost as the best mode (expressed as BestSplit_Mode) after calculating the accumulated distance for each mode by RDO value (Rate Distortion optimization) ( 2350 ).
  • the following equation shows a method of determining the best mode.
  • X is the mode value (eg 0,1..)
  • numBlock is the number of blocks constituting modeX
  • Block_size is the total number of points included in one block
  • window_size is the total number of points included in one window
  • the number of points, block k .x l , block k .y l , block k .z l indicates the x,y,z coordinate information for the lth point included in the block
  • the mth window m .x m , window m .y m , window m .z m represents x, y, z coordinate information for one point included in the window.
  • Mode x means information corresponding to Mode 0 ⁇ 4, is the Lagrange multiplier, and R is the number of bits used to divide the corresponding mode.
  • FIG. 24 is another example of FIG. 23 showing a method of determining a split mode of a split mode determiner (eg, the split mode determiner 1720 described in FIG. 17 ) for applying PU splitting from a specific node size.
  • flowchart 2400 a method of determining a split mode of a split mode determiner (eg, the split mode determiner 1720 described in FIG. 17 ) for applying PU splitting from a specific node size.
  • the division mode determiner may divide the 3D box corresponding to the specific node for each mode ( 2420 ).
  • the division mode determiner selects points corresponding to a window ( 2430 ) and extracts points (blocks, blocks) existing in the sub PU ( 2440 ). Descriptions of windows and blocks according to the embodiments are the same as those described with reference to FIG. 23 and thus will be omitted.
  • the partitioning mode determiner may calculate a accumulated distance between a block and a window for cost calculation for each mode ( 2450 ).
  • the distance calculated for each mode is expressed as mode A.distance.
  • the splitting mode determiner may determine the mode having the lowest cost as the best mode (BestSplit_Mode) after calculating the accumulated distance for each mode as the RDO value (Rate Distortion optimization) ( 2460 ). Since the method of determining the best mode is the same as that described with reference to FIG. 24 , a detailed description thereof will be omitted.
  • 25 shows an example of a window and a block.
  • the left side of FIG. 25 is an example 2500 illustrating a relationship between a window and a block.
  • a window according to embodiments indicates a region including sub Pu and a search range of a region (or node, frame) at the same position in the reference frame.
  • a block according to embodiments indicates a sub-PU of a PU in a region (or node, frame) that is a target of the PU in the current frame.
  • a sub PU according to embodiments means each element constituting a PU that is split regardless of a split mode. Thus, a window can contain blocks.
  • each sub PU is a block, and is expressed as block0, block 1, and block2, respectively.
  • the windows of each block 0, block 1, and block 2, window 0, window 1 and window 2 are determined.
  • Window 0, window 1, and window 2 are regions obtained by adding a search range to the regions of Block0, Block1, and Block2, respectively, and the points of the reference frame located in the corresponding regions are included.
  • An example 2520 on the right side of FIG. 25 represents window 0, which is a window of block 0. As shown in the figure, the area of window 0 is larger than the area of block 0. As described above, the division mode determiner may calculate the distance between all points included in the two regions of window 0 and block 0 according to Mode 4 .
  • the point cloud data processing apparatus may transmit the encoded point cloud data in the form of a bitstream.
  • a bitstream is a sequence of bits that forms a representation of point cloud data (or point cloud frame).
  • Point cloud data (or point cloud frame) may be divided into tiles and slices.
  • Point cloud data may be partitioned into multiple slices and encoded within a bitstream.
  • One slice is a set of points and is expressed as a series of syntax elements representing all or part of encoded point cloud data.
  • One slice may or may not have a dependency on other slices.
  • one slice includes one geometry data unit, and may or may not have one or more attribute data units (zero attribute data unit).
  • the attribute data unit is based on the geometry data unit within the same slice. That is, the point cloud data receiving device (for example, the receiving device 10004 or the point cloud video decoder 10006) may process the attribute data based on the decoded geometry data. Therefore, within a slice, a geometry data unit must appear before the associated attribute data units. Data units within a slice are necessarily contiguous, and the order between slices is not specified.
  • a tile is a rectangular cuboid (three-dimensional) in a bounding box (eg, the bounding box described in FIG. 5).
  • a bounding box may contain one or more tiles.
  • One tile may completely or partially overlap another tile.
  • One tile may include one or more slices.
  • the point cloud data transmitting apparatus may provide high-quality point cloud content by processing data corresponding to a tile according to importance. 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.
  • a bitstream includes signaling information and a plurality of slices (slice 0, ..., slice n).
  • signaling information appears before slices in the bitstream.
  • the point cloud data receiving apparatus may first secure signaling information and sequentially or selectively process a plurality of slices based on the signaling information.
  • slice 0 (slice0) includes one geometry data unit (Geom0 0 ) and two attribute data units (Attr0 0 , Attr1 0 ). Also, geometry data units appear before attribute data units within the same slice.
  • the point cloud data receiving apparatus first processes (decodes) the geometry data unit (or geometry data), and processes the attribute data unit (or attribute data) based on the processed geometry data.
  • the signaling information may be referred to as signaling data, metadata, and the like, and is not limited thereto.
  • the signaling information includes a sequence parameter set (SPS), a geometry parameter set (GPS), and one or more attribute parameter sets (APS).
  • SPS is encoding information for the entire sequence, such as profile and level, and may include comprehensive information (sequence level) for the entire sequence, such as picture resolution and video format.
  • GPS is information about the geometry encoding applied to the geometry included in the sequence (bitstream).
  • the GPS may include information on an octree (eg, the octree described in FIG. 6 ), information on an octree depth, and the like.
  • APS is information about attribute encoding applied to an attribute included in a sequence (bitstream). As shown in the figure, the bitstream includes one or more APSs (eg, APS0, APS1.. shown in the figure) according to an identifier for identifying an attribute.
  • the signaling information according to embodiments may further include information about a tile (eg, tile inventory, a tile parameter set).
  • the information about the tile may include information about a tile identifier, a tile size, and the like.
  • the signaling information according to the embodiments is information of a sequence, that is, a bitstream level, and is applied to a corresponding bitstream.
  • the signaling information has a syntax structure including a syntax element and a descriptor for describing it. A pseudo code may be used to describe the syntax.
  • the point cloud receiving device e.g., the receiving device 10004 of FIG. 1, the point cloud decoder of FIGS. 10 and 11, and the receiving device of FIG. 13
  • the geometry data unit and the attribute data unit include a geometry header and an attribute header, respectively.
  • the geometry header and the attribute header according to the embodiments have the above-described syntax structure as signaling information applied at a corresponding slice level.
  • a geometry header includes information (or signaling information) for processing a corresponding geometry data unit. Therefore, the geometry header appears first in the corresponding geometry data unit.
  • the point cloud receiving apparatus may process the geometry data unit by first parsing the geometry header.
  • the geometry header has a relationship with the GPS including information on the entire geometry. Accordingly, the geometry header includes information specifying gps_geom_parameter_set_id included in the GPS.
  • the geometry header includes tile information (eg, tile_id) related to the slice to which the geometry data unit belongs, and a tile identifier.
  • the attribute header includes information (or signaling information) for processing the corresponding attribute data unit. Therefore, the attribute header appears first in the corresponding attribute data unit.
  • the point cloud receiving apparatus may process the attribute data unit by first parsing the attribute header.
  • the attribute header has a relationship with the APS that includes information about all attributes. Accordingly, the attribute header includes information specifying aps_attr_parameter_set_id included in the APS. As described above, since attribute decoding is based on geometry decoding, the attribute header includes information specifying the slice identifier included in the geometry header in order to determine the geometry data unit associated with the corresponding attribute data unit.
  • signaling information in the bitstream includes signaling information related to PU partitioning (for example, whether to apply the above-described inter prediction, partition mode, partition mode determination method). information, etc.) may be further included.
  • the signaling information related to projection may be included in signaling information (eg, SPS, APS, etc.) of a sequence level, slice level (eg, an attribute header, etc.), an SEI message, or the like.
  • the point cloud reception apparatus may perform decoding including reverse projection based on signaling information related to PU division.
  • the signaling information related to PU partitioning may be included in signaling information of various levels (eg, a sequence level, a slice level, etc.).
  • the signaling information related to PU division is transmitted to a point cloud receiving device (eg, the receiving device 10004 of FIG. 1 , the point cloud decoder of FIGS. 10 and 11 , and the receiving device of FIG. 13 ).
  • 26 is an example of a syntax structure of signaling information related to PU splitting.
  • 26 shows an example in which signaling information related to PU splitting is included in an SPS of a sequence level as a syntax structure of an SPS.
  • pu_coding_flag Indicates whether inter prediction is performed with PU. When the value of pu_coding_flag is true, it indicates that inter prediction is performed in units of PUs, and when it is false, it indicates that inter prediction is not performed in units of PUs.
  • frame_pu_split_flag Indicates whether inter prediction is performed by dividing the entire frame into PUs. If the value of frame_pu_split_flag is true, the entire frame is divided into PUs, and if false, PU division is performed at the slice level or a specific octree level.
  • split_pu_initial_criteria It indicates whether the division starts first based on which of the three axes.
  • the axis based on the specific value is as follows.
  • the left column indicates a value of split_pu_initial_criteria
  • the right column indicates a reference axis (or a bounding box corresponding to the entire frame or a bounding box corresponding to a specific octree level, width, height, and depth) according to the value of split_pu_initial_criteria, respectively.
  • a value of split_pu_initial_criteria according to embodiments is changeable.
  • split_pu_criteria_update_flag Indicates whether an axis serving as a criterion for further splitting (segmentation of the next level) is newly found. If the value of split_pu_criteria_update_flag is true (true), a new axis is found for the criterion of further splitting, and if it is false (false), the current axis is continuously used.
  • split_pu_threshold In the case of determining a new reference axis when searching for a reference axis or performing additional splitting, if the difference in length of one or more reference axes is smaller than the threshold, split or maintain in the same way and split on the remaining axes. The corresponding value is predefined.
  • initial_split_mode Indicates a PU splitting type or mode.
  • the mode according to the value of initial_split_mode is as follows.
  • the left column shows the value of initial_split_mode
  • the right column shows the ratio indicating the difference in size of Sub PUs corresponding to the split mode described with reference to FIGS. 19 to 22 according to the value of initial_split_mode.
  • the value of initial_split_mode is 0, it indicates the split mode according to Mode 0 described with reference to FIGS. 19 to 22 , that is, no split.
  • the value of initial_split_mode is 1, 1:1 according to the split mode according to Mode 1 described with reference to FIG. 19 may be indicated.
  • the split mode indicated by each value of initial_split_mode may be changed according to embodiments, and the expression method is not limited to this example.
  • initial_length_width, initial_length_height, initial_length_depth Variables representing the entire data distribution in each axial frame of the PU division, meaning length or data distribution or range.
  • initial_length_width indicates the range of data distributed in the width direction (max - min)
  • initial_length_height indicates the range of data distributed in the height direction (max - min)
  • initial_length_depth indicates the range of data distributed in the depth direction (max - min) ) is indicated. That value can be substituted for any value that can be computed and compared to the data distribution.
  • split_pu_max_node_size indicates the size of the largest PU when PU splitting is performed in a slice unit or at a specific level (or a node corresponding to the level) of the octree structure.
  • max_split_pu_level Indicates the maximum number of PU splits.
  • the value of max_split_pu_level may be adaptively changed according to the total number of points, or may be input and determined in advance.
  • the SPS syntax according to the embodiments is not limited to the above example, and may further include additional elements or may not include some elements shown in the figure for efficiency of signaling. Some elements may be signaled through signaling information other than SPS (eg, APS, attribute header, etc.) or an attribute data unit.
  • 27 is an example of a syntax structure of signaling information related to PU splitting.
  • FIG. 27 shows an example in which signaling information related to PU splitting is included in a tile parameter set at a tile level as a syntax structure of a tile parameter set.
  • a description of signaling information related to PU partitioning is the same as that described with reference to FIG. 26, and thus will be omitted.
  • the tile parameter set syntax according to the embodiments is not limited to the above example, and may further include additional elements or may not include some elements illustrated in the figure for efficiency of signaling. Some elements may be signaled through other signaling information (eg, APS, attribute header, etc.) or an attribute data unit other than a tile parameter set.
  • 28 is an example of a syntax structure of signaling information related to PU splitting.
  • GPS syntax according to the embodiments is not limited to the above example, and may further include additional elements or may not include some elements shown in the figure for efficiency of signaling. Some elements may be signaled through other signaling information other than GPS (eg, APS, attribute header, etc.) or an attribute data unit.
  • 29 is an example of a syntax structure of signaling information related to PU splitting.
  • FIG. 29 shows an example in which signaling information related to PU splitting is included in an APS of a sequence level as a syntax structure of an APS.
  • a description of signaling information related to PU partitioning is the same as that described with reference to FIG. 26, and thus will be omitted.
  • the GPS syntax according to the embodiments is not limited to the above example, and may further include additional elements or may not include some elements shown in the figure for efficiency of signaling. Some elements may be signaled through signaling information other than APS, for example, a geometry slice data unit.
  • 30 is an example of a syntax structure of signaling information related to PU splitting.
  • FIG. 30 shows an example in which signaling information related to PU splitting is included in a slice-level geometry slice header as a syntax structure of a geometry slice header.
  • a description of signaling information related to PU partitioning is the same as that described with reference to FIG. 26, and thus will be omitted.
  • the geometry slice header syntax according to the embodiments is not limited to the above example, and may further include additional elements or may not include some elements illustrated in the figure for efficiency of signaling. Some elements may be signaled through signaling information other than the geometry slice header, for example, a geometry slice data unit.
  • 31 is an example of a syntax structure of signaling information related to PU splitting.
  • FIG. 31 shows an example in which signaling information related to PU splitting is included in slice-level geometry slice data as a syntax structure of geometry slice data.
  • a description of signaling information related to PU partitioning is the same as that described with reference to FIG. 26, and thus will be omitted.
  • the syntax of the geometry slice data according to the embodiments is not limited to the above example, and may further include additional elements or may not include some elements shown in the drawings for efficiency of signaling. Some elements may be signaled through signaling information other than geometry slice data (eg, an attribute header, etc.) or an attribute data unit.
  • FIG. 32 is a flow diagram illustrating a point cloud processing method according to embodiments.
  • the flow diagram 3200 of FIG. 32 is a point cloud data processing apparatus that performs PU segmentation described in FIGS. 15 to 31 (eg, a point cloud data transmission apparatus described in FIGS. 1 to 14 , a point cloud encoder, a geometry encoder, etc.) ) shows the processing method.
  • the point cloud processing method shown in the drawing may include the method of determining the division mode described with reference to FIGS. 17 and 24 to 25 .
  • a point cloud data processing apparatus receives point cloud data and performs data quantization and voxelization (data quantization/ voxelization) is performed (3210).
  • the voxelized geometry has an octree structure.
  • the geometry encoder includes 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 At least one of the geometry reconstruction unit 40005 may be included.
  • the geometry encoder according to the exemplary embodiment includes the data input unit 12000 , the quantization processing unit 12001 , the voxelization processing unit 12002 , the octree occupancy code generation unit 12003 , and the surface model processing unit 12004 described with reference to FIG. 12 . ), an intra/inter coding processing unit 12005 , and an arithmetic coder 12006 .
  • the geometry encoder includes hardware, software, firmware or It can be implemented by a combination of these.
  • the point cloud data processing apparatus (eg, a geometry encoder) according to embodiments performs PU segmentation described with reference to FIGS. 15 to 31 ( 3220 ).
  • the PU partitioning process according to the embodiments is the same as or similar to the method of determining the partitioning mode described with reference to FIGS. 17 and 24 to 25 .
  • the PU segmentation process 3220 according to the embodiments is included in the geometry encoding process described with reference to FIGS. 1 to 15 .
  • the PU partitioning process 3220 includes the following process.
  • the point cloud data processing unit determines whether to perform PU splitting for the entire frame or a specific node size of the octree structure, and when determining the PU split range (PU split range, search range), it identifies the distribution characteristics of the point cloud data in the corresponding area and It is possible to determine on which axis the division is to be performed (determine PU split range (search range) and axis (axes) 3221).
  • Information related to PU division may be signaled at various levels such as a sequence level and a tile level through a bitstream. Since the information related to PU division is the same as that described in Figs. 26 to 31, the description is omitted.
  • the division mode described in Figs. 17 to 24 calculate the cost for each mode, perform a best split mode search with the lowest cost, and perform the split (3222) Point Cloud Data
  • the processing unit performs motion estimation for each component on each of the divided sub PUs (3223), and when the motion estimation is completed, it is determined whether to perform additional splitting (additional split) for each sub PU ( 3224).
  • the point cloud data processing unit may or may not perform additional division, if additional division is performed, the point cloud data processing unit determines the PU division range again according to the dotted arrow and in the corresponding area It is possible to determine the distribution characteristics of the point cloud data and decide on which axis to perform the division.
  • the point cloud data processing device performs motion compensation using the obtained MV when motion estimation is completed for each PU. 3230, the reconstructed geometry (or reconstructed points) cloud data) to perform attribute encoding (3240). Attribute encoding may be performed by transforming, quantizing, and entropy coding a residual between original data and predicted data.
  • the PU segmentation process described with reference to FIGS. 15 to 31 may be applied to attribute encoding.
  • the best mode according to embodiments is determined based on a cost calculated based on an attribute value of a point existing within a search range, rather than a distance between points.
  • the processing method corresponding to each step shown in the drawings may be performed sequentially, but at least one or more steps may be performed simultaneously, and the processing order may also be changed.
  • 33 is a flow diagram illustrating a point cloud processing method according to embodiments.
  • the flow diagram 3300 of FIG. 33 is a point cloud data processing device that performs the PU partitioning described in FIGS. 15 to 31 (eg, the point cloud data receiving device described in FIGS. 1 to 14 , a point cloud decoder, a geometry decoder, The processing method of the attribute decoder, etc.) is shown.
  • the point cloud processing method shown in the drawing may include the method of determining the division mode described with reference to FIGS. 17 and 24 to 25 .
  • a point cloud data processing apparatus eg, a geometry decoder
  • the geometry decoder includes at least any one or more of 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 described with reference to FIG. 12 . can do.
  • the geometry decoder includes hardware, software, firmware or these including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. It can be implemented as a combination of
  • a point cloud data processing device eg, a geometry decoder secures motion vector (MV) information (or MV) signaled for each PU and predicts a point value in the PU range of the current frame. can (3320).
  • the point cloud data processing device outputs the reconstructed point cloud geometry by summing the predicted point value and the restored residual and stores it in the frame memory ( 3350 ).
  • the stored reconstructed point cloud geometry is used for data prediction within the PU range of the next frame.
  • the point cloud data processing apparatus may inverse transform colors to include the attribute in the position of the point indicated by the restored geometry ( 3360 ).
  • Reconstructed point cloud contents based on the reconstructed geometry and attributes are delivered to the renderer.
  • the processing method corresponding to each step shown in the drawings may be performed sequentially, but at least one or more steps may be performed simultaneously, and the processing order may also be changed.
  • the point cloud data processing apparatus described in FIGS. 1 to 33 generates a list between PUs having the same or similar MV when performing inter prediction using a PU to increase the compression efficiency of point cloud data having one or more frames.
  • MV signaling of a plurality of PUs may be performed using single MV information.
  • the PU may be generated based on the octree structure. However, if the partitioned octree node is encoded and decoded without considering the distribution and characteristics of the data constituting the point cloud content, the PU may be split without considering the object of the point cloud content, and MVs for each PU information must be signaled.
  • the point cloud data processing apparatus merges (merges or groups) the corresponding PUs when there are one or more adjacent PUs having the same MV regardless of the PU partitioning method to form one representing the merged PUs.
  • one MV representing the merged PUs may be referred to as a merged motion vector (MMV).
  • MMV merged motion vector
  • the point cloud data processing apparatus may define one MV in units of objects between frames by merging PUs (standardized PUs or unstructured PUs) constituting the objects.
  • the indexes of the PUs to be merged according to the embodiments are registered in the merge PU list or the merge list.
  • a merge list according to embodiments is expressed as MMV_list.
  • the number of merged PU lists according to embodiments is one or more, and each PU list corresponds to a set of PUs constituting an object. Also, each merge list may be referenced in one or more frames.
  • Information on the merge list and MMV according to the embodiments are transmitted to the point cloud decoder through signaling information related to PU merging signaled through the above-described bitstream.
  • the point cloud decoder (or the geometry decoder described with reference to FIG. 10 ) according to embodiments may secure signaling information related to PU merging from a bitstream and perform inter prediction (inter prediction) using MMV.
  • the PU merge unit 3400 shown in FIG. 34 is included in the point cloud transmission apparatus or the point cloud encoder described with reference to FIGS. 1 to 14 , and may generate and merge PUs. Also, the PU merging unit 3400 shown in FIG. 34 may be included in the geometry encoder. The geometry encoder is included in the point cloud encoder.
  • the geometry encoder includes 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 At least one of the geometry reconstruction unit 40005 may be included.
  • the geometry encoder according to the exemplary embodiment includes the data input unit 12000 , the quantization processing unit 12001 , the voxelization processing unit 12002 , the octree occupancy code generation unit 12003 , and the surface model processing unit 12004 described with reference to FIG. 12 . ), an intra/inter coding processing unit 12005 , and an arithmetic coder 12006 .
  • the geometry encoder includes hardware, software, firmware or It can be implemented by a combination of these.
  • the PU merge unit 3400 includes a PU split unit 3410, a motion vector estimation processing unit 3420, a motion vector comparison unit 3430, and a merge decision. part 3440 .
  • 34 is an example of the PU merging unit 3400, the order of components may be changed, and the PU merging unit 3400 may correspond to hardware, software, a process, or a combination thereof.
  • the PU divider 3410 may divide the point cloud data according to a preset PU type. Also, the PU division unit 3410 may perform the PU division method described with reference to FIGS. 15 to 33 .
  • the motion vector estimation processing unit 3420 (eg, the motion estimation processing unit 1730 described with reference to FIG. 17) is configured for interprediction in a predetermined method (eg, a method predetermined in a point cloud encoder and a point cloud decoder). Accordingly, motion estimation (or motion vector estimation) is performed.
  • a predetermined method eg, a method predetermined in a point cloud encoder and a point cloud decoder. Accordingly, motion estimation (or motion vector estimation) is performed.
  • the sub PU division determiner for example, the sub PU division determiner described in FIG. 17) 1740
  • the sub PU division determining unit checks the cost when the MV extracted according to motion vector estimation is applied, and determines whether to perform additional division into sub PUs or to skip according to the cost. When additional division is performed, the corresponding information is transmitted to the PU division unit 3410 , and the PU division unit 3410 recursively performs an operation for division again.
  • the motion vector comparison unit 3430 calculates an MV difference between neighboring PUs to be compared in order to compare the MVs determined for each PU and each sub PU, and calculates an MV difference value (MVD, Motion Vector Difference).
  • MVD Motion Vector Difference
  • the merging determiner 3440 may select (determine) PUs to be merged based on the calculated MV difference value and a preset criterion.
  • 35 shows an example of a neighboring PU.
  • FIG. 35 shows an example of neighboring PUs for merging described in FIG. 34 .
  • An example 3500 shown on the left side of the figure represents 10 neighboring PUs (color-processed blocks around the current PU 3510) for a current PU (CPU) 3510, and is shown on the right side of the figure.
  • Example 3520 shows 26 neighboring PUs for the current PU. That is, a neighboring PU according to embodiments may be defined as a PU corresponding to a node having the same octree structure depth as the current PU or a PU corresponding to a parent node.
  • the neighboring PU may be defined as a PU that shares at least one vertex or edge with the current PU.
  • the distance between the best MVs of the neighboring PUs according to the embodiments is calculated to be less than a threshold value, or the RDO is calculated for the best MVs of the neighboring PUs and is less than the threshold value, or when the best MVs of the neighboring PUs are completely the same, the neighboring PUs is the target of merging.
  • Neighboring PUs according to embodiments may be referred to as candidate PUs for merging.
  • 36 shows an example of a neighboring PU.
  • the example 3600 of FIG. 36 shows neighboring PUs to be merged among the neighboring PUs around the current PU 3510 described in FIG. 35 (in the vicinity of the current PU 3510 described in FIG. colored blocks).
  • the depth of the child node or the current PU If only a PU that is not adjacent to the current PU exists at the same depth as the corresponding node, it is excluded from the merging target.
  • the point cloud data processing apparatus utilizes sibling occupancy information or utilizes PU index information to share a face with the current PU based on PU index information corresponding to the vicinity of the current PU. can only be determined as the target of merging.
  • PU indexes may be sequentially allocated in the order from CC0 to CC7 or may be allocated according to a preset system setting, a Morton code sort order, other sort order, etc., and is not limited to this example.
  • the point cloud data processing apparatus (for example, the merging determiner 3440 described in FIG. 34 ) shares a surface with the current PU 3810 as described with reference to FIGS. 35 to 37 , and when a PU with an MV is selected, each A target to be merged is selected by comparing the best MV determined for each PU with the MV of the current node.
  • the point cloud data processing apparatus may sequentially compare MVs to update a comparison result to select a target to be merged, or may determine a best MV for all PUs and compare the determined best MVs.
  • the same color-processed PUs are neighboring PUs coded before the current PU 3810 or include a neighboring PU that shares at least one face with the current PU 3810 .
  • FIG. 39 is an MV comparison process for the example 3800 of the neighboring PU shown in FIG. 38 .
  • the left side of FIG. 39 is an example 3900 illustrating a process of comparing the MV (CMV) of the current PU with the MVs of all neighboring PUs.
  • the point cloud data processing apparatus (or point cloud encoder, geometry encoder) according to the embodiments is the difference between the MV (CMV) of the current PU and the MVs (MVM) of the PUs that are the motion vector merging target MVD as described with reference to FIG. 34 . (Motion Vector Difference) is calculated.
  • the point cloud data processing apparatus registers it as an element of the temporary merged PU index list or array in that order .
  • the point cloud data processing apparatus compares the best MV (MVMci) found in each PU with the best MV (CMV) of the current PU to calculate each MVD (eg, MVD1, which is the difference between CMV and MVMc1).
  • the point cloud data processing apparatus selects six calculated MVDs according to a preset criterion (eg, when MVD is equal to 0 or MVD is less than a threshold). When the MVD is 0 or less than a threshold value, the point cloud data processing apparatus selects the corresponding PU as a PU to be merged.
  • the right side of FIG. 39 is an example 3910 illustrating four neighboring PUs (MVMc1, MVMc2, MVMc3, and MVMc6) selected through a comparison process. Colored circles correspond to the selected four neighboring PUs.
  • the point cloud data processing apparatus may signal an index of a selected neighboring PU, and there may be one or more PU indexes to be merged. As shown in the figure, if there is more than one PU index to be merged, the point cloud data processing apparatus may input the index of the PU to be merged at the end of the merge list so that the indexes of the PUs to be merged can be recorded in the order of sorting or neighbor search. .
  • 40 shows an example of a merge target PU and an example of a PU list.
  • An example 4000 shown on the left side of FIG. 40 indicates four neighboring PUs (MVMc1, MVMc2, MVMc3, MVMc6) and a current PU that are merged selected through MVD calculation as described in FIG. 39 .
  • An example 4010 shown in the middle of FIG. 40 shows MVs of PUs to be merged and PUs that are not merged
  • a list 4020 shown on the right side of FIG. 40 is an example of a merge list (MMV_list).
  • the merge list 4020 includes an index of a current PU (PU_index_current) and indexes of four PUs (PU_index_c1, PU_index_c2, PU_index_c3, PU_index_c6).
  • the point cloud data processing apparatus calculates the arithmetic average or geometric average value of the MVs of the four PUs to be merged and merges the calculated values. It may be determined as a merged motion vector (MMV), which is a representative value of the four PUs, or the MV value of the current PU may be determined as an MMV. In this case, the point cloud data processing apparatus only needs to signal the MV for the current PU.
  • MMV merged motion vector
  • the point cloud data processing apparatus does not signal a total of 7 MVs for the current PU and 6 neighboring PUs, respectively, and the MV of the current PU and two neighboring PUs that are not merged Only three MVs in total including MVs (MVMv4, MVMc5) for each of the MVs can be signaled. Accordingly, since the number of MVs to be signaled is reduced, the bitstream size and encoding time are reduced, thereby increasing coding efficiency.
  • the index of the corresponding PU is added to the end of the coded merge list (MMV_list), and the indexes of all PUs for which the merge has been determined are merged with the merge list (MMV_list). ) or nested in an array.
  • one or more merge lists may exist, and the number of merge lists is the same as the number of MMVs.
  • two or more merge lists may be integrated, or one merge list may be divided. PUs belonging to the same merge list may be set as a PU set for an object.
  • the merge list can be shared among one or more frames.
  • the signaling information related to PU merging may be included in signaling information of various levels (eg, a sequence level, a slice level, etc.).
  • the signaling information related to PU merging is transmitted to a point cloud receiving device (eg, the receiving device 10004 of FIG. 1 , the point cloud decoder of FIGS. 10 and 11 , and the receiving device of FIG. 13 ).
  • 41 is an example of a syntax structure of signaling information related to PU merging.
  • 41 shows an example in which signaling information related to PU merging is included in the SPS of the sequence level as a syntax structure of the SPS.
  • MMV_flag Indicates whether the same or similar MVs are signaled as one MV or merged motion vector (MMV) by finding the best MV of each PU and calculating the difference (MVD) between MVs.
  • num_of_MMV_list Indicates the number of MMV_list (merged list) in one slice, frame, or entire point cloud content.
  • num_MMV_list_component Indicates the number of PU components belonging to MMV_list. This value can change until a merge target is found for slice, frame, or entire point cloud content.
  • MMV Indicates an MV representing each MMV_list.
  • the MMV value can be expressed as (x, y, z), (azimuth, radius, laserID) or a coordinate value in a format required by the system.
  • MMV_threshold Indicates a threshold value compared with the calculated MVD to determine whether the PU is to be merged.
  • the value of MMV_threshold becomes 0, and when a PU having an MVD smaller than a certain value is selected as a merge target, the value of MMV_threshold may be a set value other than 0.
  • the index of the corresponding PU may be added to the MMV_list.
  • the MMV_threshold value may be predetermined, or may be inferred or calculated on the system.
  • allow_use_next_frame A flag for determining whether to allow reference to the corresponding MMV_list to another slice, tile, or frame. When the value of allow_use_next_frame is True, it indicates that MMV_list reference to other frames is allowed, and when it is false, it indicates that it is not allowed. When a reference is used, it is transmitted when encoding/decoding of another frame is performed without deleting the corresponding information even after encoding and decoding of the frame is completed.
  • core_PU_index When configuring MMV_list, indicates a PU index representing the list. If the PU index representing the MMV_list is located at the top of the MMV_list, signaling of the core_PU_index may be omitted.
  • PU_position In order to signal the position of each PU, it indicates a reference position that can indicate the position of the PU.
  • An example 4100 shown on the right side of FIG. 41 indicates PU_position when coordinate information of a PU position is expressed as (x, y, z).
  • PU_position according to embodiments may be a value closest to the origin among PUs, or may be a position indicating the center of the PU. Coordinate information may vary according to system requirements.
  • PU_size Information signaled together with the PU position, indicating the size of the PU.
  • PU_size may be expressed by the width, height, and depth of the PU. Also, the corresponding information may vary according to the type of PU.
  • PU_index An index for designating (identifying) each PU.
  • the index allocation method may be changed according to the system-defined sorting method.
  • MMV_residual Indicates the residual value of each MV when MMV_threshold is set to a non-zero value.
  • the format of the data may vary according to the setting of the MMV data.
  • the SPS syntax according to the embodiments is not limited to the above example, and may further include additional elements or may not include some elements shown in the figure for efficiency of signaling. Some elements may be signaled through signaling information other than SPS (eg, APS, attribute header, etc.) or an attribute data unit.
  • tile parameter set syntax is not limited to the above example, and may further include additional elements or may not include some elements illustrated in the figure for efficiency of signaling. Some elements may be signaled through other signaling information (eg, APS, attribute header, etc.) or an attribute data unit other than a tile parameter set.
  • 43 is an example of a syntax structure of signaling information related to PU merging.
  • GPS 43 shows an example in which signaling information related to PU merging is included in a sequence-level GPS as a syntax structure of GPS.
  • a description of signaling information related to PU merging is the same as that described with reference to FIG. 41 , and thus will be omitted.
  • the GPS syntax according to the embodiments is not limited to the above example, and may further include additional elements or may not include some elements shown in the figure for efficiency of signaling. Some elements may be signaled through other signaling information other than GPS (eg, APS, attribute header, etc.) or an attribute data unit.
  • 44 is an example of a syntax structure of signaling information related to PU merging.
  • GPS syntax according to the embodiments is not limited to the above example, and may further include additional elements or may not include some elements shown in the figure for efficiency of signaling. Some elements may be signaled through signaling information other than APS, for example, a geometry slice data unit.
  • 45 is an example of a syntax structure of signaling information related to PU merging.
  • FIG. 45 shows an example in which signaling information related to PU merging is included in a slice-level geometry slice header as a syntax structure of a geometry slice header.
  • a description of signaling information related to PU merging is the same as that described with reference to FIG. 41 , and thus will be omitted.
  • the geometry slice header syntax according to the embodiments is not limited to the above example, and may further include additional elements or may not include some elements illustrated in the figure for efficiency of signaling. Some elements may be signaled through signaling information other than the geometry slice header, for example, a geometry slice data unit.
  • 46 is an example of a syntax structure of signaling information related to PU merging.
  • FIG. 46 shows an example in which signaling information related to PU merging is included in slice-level geometry slice data as a syntax structure of geometry slice data.
  • a description of signaling information related to PU merging is the same as that described with reference to FIG. 41 , and thus will be omitted.
  • the syntax of the geometry slice data according to the embodiments is not limited to the above example, and may further include additional elements or may not include some elements shown in the drawings for efficiency of signaling. Some elements may be signaled through signaling information other than geometry slice data (eg, an attribute header, etc.) or an attribute data unit.
  • 47 is a flow diagram illustrating a point cloud processing method according to embodiments.
  • the flow diagram 4700 of FIG. 47 is a point cloud data processing device that performs PU merging described in FIGS. 34 to 46 (eg, a point cloud data transmission device described in FIGS. 1 to 14 , a point cloud encoder, a geometry encoder, etc.) ) shows the processing method.
  • the point cloud processing method shown in the figure may include the PU merging method described in FIGS. 34 to 46 .
  • a point cloud data processing apparatus receives point cloud data and performs data quantization and voxelization (data quantization/ voxelization) is performed (4710).
  • the geometry encoder includes 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 At least one of the geometry reconstruction unit 40005 may be included.
  • the geometry encoder according to the exemplary embodiment includes the data input unit 12000 , the quantization processing unit 12001 , the voxelization processing unit 12002 , the octree occupancy code generation unit 12003 , and the surface model processing unit 12004 described with reference to FIG. 12 . ), an intra/inter coding processing unit 12005 , and an arithmetic coder 12006 .
  • the geometry encoder includes hardware, software, firmware or It can be implemented by a combination of these.
  • the point cloud data processing apparatus divides the PU by a preset method (PU split) (4720).
  • the point cloud data processing apparatus may perform motion estimation on the divided PU ( 4730 ).
  • the point cloud data processing apparatus may determine whether to perform sub PU splitting by comparing a result value on which motion estimation is performed and a target value (4731).
  • PU split a preset method
  • the point cloud data processing apparatus may determine whether to perform sub PU splitting by comparing a result value on which motion estimation is performed and a target value (4731).
  • the point cloud data processing apparatus performs sub PU division, motion estimation is performed on the divided sub PU, and when motion estimation is completed, it is determined whether to perform additional division or to perform motion compensation on the value. To do this, we calculate the cost and decide based on the calculated cost.
  • the sub PU division 4731 may or may not be performed.
  • the point cloud data processing apparatus performs PU merge based on a motion vector (MV) obtained by performing motion estimation for each PU and/or sub PU ( 4740 ).
  • the PU merging 4740 according to the embodiments is the same as the PU merging process described with reference to FIGS. 34 to 40 .
  • PU merging 4740 according to embodiments includes the following processes.
  • the point cloud data processing apparatus performs screening from a PU having a small PU index in order to select a PU merging target, determines a PU having the smallest index as a current PU (current PU), and a neighbor of the current PU PUs in .
  • the point cloud data processing apparatus calculates a Motion Vector Difference (MVD), which is a difference between the MV of the current PU and the MVs of the CPUs (4742).
  • MVD Motion Vector Difference
  • the point cloud data processing apparatus selects the corresponding PU as the merged PU, and adds the index of the corresponding PU to the MMV_list of the current PU (4744). Otherwise, the point cloud data processing apparatus repeats the same process for the next candidate PU (CPU) to check the MVD with all candidate PUs (CPUs) and complete the MMV_list.
  • the point cloud data processing apparatus performs the PU merging process 4740 again on the PU having the next index. If the PU having the next index is added to the MMV_list of the PU having the previous index, the MMV) list of the corresponding PU is added to the end of the MMV_list of the previous PU and managed. When the MMV_list for all PU indexes is completed, the corresponding information is transmitted for motion compensation, and the point cloud data processing apparatus performs motion compensation ( 4750 ). The point cloud data processing apparatus performs attribute coding based on the reconstructed point cloud data (reconstructed geometry) ( 4760 ), transforms, quantizes, and entropy-encodes the residual between the original data and the prediction data. It can be encoded.
  • processing method corresponding to each step shown in the drawings may be performed sequentially, but at least one or more steps may be performed simultaneously, and the processing order may also be changed.
  • PU merging 4740 may be performed concurrently with PU splitting 4720 and motion estimation 4730 .
  • FIG. 48 is a flow diagram illustrating a point cloud processing method according to embodiments.
  • the flow diagram 4800 of FIG. 48 is a point cloud data processing device that performs PU merging described in FIGS. 34 to 46 (eg, a point cloud data receiving device described in FIGS. 1 to 14 , a point cloud decoder, a geometry decoder, etc.) ) shows the processing method.
  • the point cloud processing method shown in the figure may include the PU merging method described with reference to FIGS. 34 to 46 .
  • the point cloud data processing apparatus (eg, a geometry decoder) according to the embodiments performs entropy decoding on a geometry included in a received bitstream (4810), and performs dequantization (4830) and inverse transformation (inverse transformation). By performing ( 4840 ), a residual that is a prediction error for each point may be reconstructed.
  • the geometry decoder includes at least any one or more of 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 described with reference to FIG. 12 . can do.
  • the geometry decoder includes hardware, software, firmware or these including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. It can be implemented as a combination of
  • the point cloud data processing apparatus (eg, a geometry decoder) secures motion vector (MV) information signaled for each PU or merged PU, and predicts a point value in the PU range of the current frame. can (4820).
  • MV information for each PU may be shared in the MMV_list and merged into one. Accordingly, the point cloud data processing apparatus divides the PU (4821), and determines whether an MMV (or MMV_list) exists for each PU index (4822). When there is an MMV, the point cloud data processing apparatus allocates an MV representing the MMV_list to the corresponding PU (4823).
  • the point cloud data processing apparatus may allocate the signaled MV to the corresponding PU (4824).
  • the point cloud data processing unit obtains MVs for all PUs, sums the predicted point value and the restored residual, and outputs the reconstructed point cloud geometry (or restored geometry) and frame memory Save to (4850).
  • the reconstructed point cloud geometry may be stored together with the MMV_list and may be used as data prediction information within the PU range of the next frame.
  • the point cloud data processing apparatus may inverse transform colors to include the attribute in the position of the point indicated by the restored geometry (eg, color) (4860). Reconstructed point cloud contents based on the reconstructed geometry and attributes are delivered to the renderer.
  • the processing method corresponding to each step shown in the drawings may be performed sequentially, but at least one or more steps may be performed simultaneously, and the processing order may also be changed.
  • Signaling information related to PU splitting and signaling information related to PU merging may be included in signaling information of various levels (eg, sequence level, slice level, etc.). Signaling information related to PU division and PU merging is transmitted to a point cloud receiving device (eg, the receiving device 10004 of FIG. 1 , the point cloud decoder of FIGS. 10 and 11 , and the receiving device of FIG. 13 ).
  • a point cloud receiving device eg, the receiving device 10004 of FIG. 1 , the point cloud decoder of FIGS. 10 and 11 , and the receiving device of FIG. 13 ).
  • 49 is a syntax structure of signaling information related to PU division and PU merging.
  • signaling information related to PU splitting and signaling information related to PU merging are included in a sequence level SPS as a syntax structure of an SPS.
  • a description of signaling information related to PU splitting is the same as that described in FIG. 26
  • signaling information related to PU merging is the same as described in FIG. 41 , so it will be omitted.
  • 50 is a syntax structure of signaling information related to PU division and PU merging.
  • the syntax of the tile parameter set may include both signaling information related to PU splitting and signaling information related to PU merging shown in FIG. 49 .
  • a description of signaling information related to PU splitting is the same as that described in FIG. 26
  • signaling information related to PU merging is the same as described in FIG. 41 , so it will be omitted.
  • 51 is a syntax structure of signaling information related to PU division and PU merging.
  • 51 is a syntax structure of GPS, and shows an example in which signaling information related to PU splitting and signaling information related to PU merging are included in a sequence-level GPS.
  • a description of signaling information related to PU splitting is the same as that described in FIG. 26
  • signaling information related to PU merging is the same as described in FIG. 41 , so it will be omitted.
  • 52 is a syntax structure of signaling information related to PU division and PU merging.
  • signaling information related to PU splitting and signaling information related to PU merging are included in the APS at the sequence level as a syntax structure of the APS.
  • a description of signaling information related to PU splitting is the same as that described in FIG. 26
  • signaling information related to PU merging is the same as described in FIG. 41 , so it will be omitted.
  • 53 is a syntax structure of signaling information related to PU division and PU merging.
  • signaling information related to PU splitting and signaling information related to PU merging are included in a slice-level geometry slice header as a syntax structure of a geometry slice header.
  • a description of signaling information related to PU splitting is the same as that described in FIG. 26
  • signaling information related to PU merging is the same as described in FIG. 41 , so it will be omitted.
  • 54 is a flow diagram illustrating a point cloud data processing method according to embodiments.
  • the flow diagram 5400 of FIG. 54 shows the point cloud data processing device (or point cloud transmission device, for example, the transmission device or point cloud encoder described in FIGS. 1, 12 and 14) described in FIGS. 1 to 53 is a point Indicates a cloud data processing method.
  • the point cloud data processing apparatus encodes point cloud data including geometry and attributes ( 5410 ).
  • the geometry is information indicating positions of points of the point cloud data, and the attribute includes at least one of a color and a reflectance of the points.
  • the point cloud data processing apparatus includes a geometry encoder for encoding a geometry and an attribute encoder for encoding an attribute based on the encoded geometry. As described with reference to FIGS. 1 to 53 , attribute encoding is dependent on geometry encoding.
  • the geometry encoder includes 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 At least one of the geometry reconstruction unit 40005 may be included.
  • the geometry encoder according to the exemplary embodiment includes the data input unit 12000 , the quantization processing unit 12001 , the voxelization processing unit 12002 , the octree occupancy code generation unit 12003 , and the surface model processing unit 12004 described with reference to FIG. 12 . ), an intra/inter coding processing unit 12005 , and an arithmetic coder 12006 .
  • the geometry encoder includes hardware, software, firmware or It can be implemented by a combination of these.
  • the attribute encoder is included in the point cloud encoder.
  • the attribute encoder according to the embodiments includes the color transform unit 40006, the attribute transform unit 40007, the RAHT transform unit 40008, the LOD generation unit 40009, the lifting transform unit 40010, and the coefficient quantization unit described with reference to FIG. 4 .
  • At least one of 40011 and/or an arithmetic encoder 40012 may be included.
  • the attribute encoder according to the embodiments may include at least any one of 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 described with reference to FIG. 12 . It may include more than one.
  • the attribute encoder includes hardware, software, firmware, or It can be implemented by a combination of these.
  • the geometry encoder and the attribute encoder are separate hardware communicatively connected to each other, a single piece of hardware, or one or more processors configured to communicate with one or more memories, separate software, or at least one of the above components. It may be implemented by a combination of the above.
  • a geometry encoder voxelizes a geometry, and divides the voxelized geometry into one or more prediction units (PUs) according to PU division described with reference to FIGS. 15 to 33 for inter prediction. ) can be divided into Each prediction unit is a unit of inter prediction.
  • the geometry encoder determines a splitting mode for performing additional splitting on at least one split prediction unit, and divides the at least one split prediction unit into one or more sub-prediction units (sub PUs) according to the determined splitting mode. can be divided into The sub prediction unit is also a unit of inter prediction.
  • the bitstream according to the embodiments may include signaling information related to PU splitting (signaling information related to PU splitting described with reference to FIGS.
  • the bitstream includes information indicating whether inter prediction is performed in a prediction unit (PU) (for example, pu_coding_flag in FIG. 26), and the prediction unit division into one or more prediction units is the point cloud data.
  • Information indicating whether it is applied at a specific level among one or more levels constituting the octree structure of a frame unit or geometry of (for example, frame_pu_split_flag in FIG. ) is included.
  • a detailed description of PU partitioning is omitted since it is the same as described with reference to FIGS. 15 to 33 .
  • the geometry encoder may perform PU merging described with reference to FIGS. 34 to 53 .
  • the geometry encoder searches for neighboring prediction units with respect to at least one partitioned prediction unit, secures a motion vector of the prediction unit and motion vectors of the neighboring prediction units, and a difference between the motion vector of the prediction unit and the motion vectors of neighboring prediction units Values (eg, the above-described MVD) are compared, and if the difference value is less than or equal to a preset value, a list including indices of neighboring prediction units (eg, MMV_list) is generated, and the generated list is represented.
  • a motion vector value (eg, MMV described with reference to FIGS. 34 to 53 ) may be determined.
  • the bitstream may include signaling information related to PU merging (eg, signaling information related to PU merging described in FIGS. 41 to 46 and signaling information related to PU merging described in FIGS. 49 to 53).
  • signaling information related to PU merging eg, signaling information related to PU merging described in FIGS. 41 to 46 and signaling information related to PU merging described in FIGS. 49 to 53.
  • a detailed description of PU merging is the same as described with reference to FIGS. 34 to 53 , and thus will be omitted.
  • 55 is a flow diagram of a point cloud data processing method according to embodiments.
  • the flow diagram 5500 of FIG. 55 shows a point cloud data processing method of the point cloud data receiving apparatus (eg, the receiving apparatus 10004 or the point cloud video decoder 10006) described in FIGS. 1 to 53 . .
  • the point cloud data receiving apparatus receives a bitstream including the point cloud data ( 5510 ).
  • the point cloud data receiving apparatus decodes the point cloud data based on the signaling information ( 5520 ).
  • the point cloud data receiving apparatus decodes the geometry included in the point cloud data.
  • the point cloud data includes a geometry and an attribute, the geometry is information indicating positions of points of the point cloud data, and the attribute includes at least one of a color and a reflectance of the points.
  • the point cloud decoder may include a geometry decoder that decodes a geometry (eg, the geometry decoder of FIG. 10) and an attribute decoder that decodes an attribute based on the decoded geometry (eg, the attribute decoder of FIG. 10). .
  • the geometry decoder includes at least any one or more of 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 described with reference to FIG. 12 . can do.
  • the geometry decoder secures motion vector (MV) information signaled for the operations of entropy decoding 3310, inverse quantization 3330, and inverse transform 3340 described in FIG. 33 and for each PU, and PU range of the current frame.
  • a prediction 3320 may be performed on the point value in .
  • the geometry decoder secures motion vector (MV) information signaled for each PU or the merged PU described in FIG.
  • the geometry decoder includes hardware, software, firmware or these including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. It can be implemented as a combination of
  • the attribute decoder may include at least one of the arithmetic decoder 13007, the inverse quantization processor 13008, the prediction/lifting/RAHT inverse transform processor 13009, and the inverse color transform processor 13010 described with reference to FIG. 12 .
  • the attribute decoder includes hardware, software, firmware or these including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. It can be implemented as a combination of
  • the geometry decoder and the attribute decoder may include separate hardware, a single piece of hardware, or one or more processors configured to communicate with one or more memories, separate software, or at least one of the above-described components communicatively connected to each other. It may be implemented by a combination of the above.
  • the bitstream according to the embodiments includes information related to prediction unit division for dividing a geometry into one or more prediction units (PUs) for inter prediction (eg, FIGS. 26 to 31 ).
  • signaling information related to PU partitioning described in signaling information related to PU partitioning described in FIGS. 49 to 53
  • Information related to prediction unit splitting includes information indicating whether inter prediction is performed in the prediction unit (for example, pu_coding_flag described in FIG. 26), and the octree structure of the frame unit or geometry of the point cloud data in which the prediction unit splitting is performed.
  • Information indicating whether it is applied at a specific level among one or more levels constituting it for example, frame_pu_split_flag described in FIG.
  • a geometry decoder may divide a geometry into one or more prediction units (PUs). Also, the geometry decoder according to embodiments may divide at least one prediction unit into one or more sub-prediction units (sub PUs).
  • a prediction unit (PU) and a sub prediction unit (Sub PU) according to embodiments are units of inter prediction. Since the description of PU partitioning according to the embodiments is the same as that described with reference to FIGS. 26 to 33 , a detailed description thereof will be omitted.
  • the geometry decoder may perform geometry decoding according to PU merging described with reference to FIGS. 34 to 53 . That is, the geometry decoder divides the geometry into one or more prediction units (PUs), and if there is a merged motion vector for the prediction unit, the motion vector merged into the divided prediction unit. can be assigned.
  • the bitstream according to the embodiments may include signaling information related to PU aggregation (eg, signaling information related to PU aggregation described in FIGS. 41 to 46 and signaling information related to PU aggregation described in FIGS. 49 to 53). have. Since PU merging and the PU merging operation of the geometry decoder are the same as those described with reference to FIGS. 34 to 48 , detailed descriptions thereof will be omitted.
  • the components of the point cloud data processing apparatus according to the embodiments described with reference to FIGS. 1 to 55 may be implemented as hardware, software, firmware, or a combination thereof including one or more processors coupled with a memory.
  • Components of the device according to the embodiments may be implemented as one chip, for example, one hardware circuit.
  • the components of the point cloud data processing apparatus according to the embodiments may be implemented as separate chips.
  • at least one of the components of the point cloud data processing apparatus according to the embodiments may be composed of one or more processors capable of executing one or more programs, and the one or more programs are shown in FIG. 1 to 55 may perform any one or more of the operations/methods of the point cloud data processing apparatus described above, or may include instructions for performing the operations.
  • the point cloud data transmission method according to the embodiments may be performed by the point cloud data transmission apparatus or components included in the point cloud data transmission apparatus according to the embodiments.
  • the method for receiving point cloud data according to the embodiments may be performed by the device for receiving point cloud data or components included in the device for receiving point cloud data according to the embodiments.
  • Various components of the apparatus according to the embodiments may be configured 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 volatile memory (eg, RAM, etc.) but also non-volatile memory, flash memory, 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 is only 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. Although both the first user input signal and the second user input signal are user input signals, they do not mean the same user input signals unless the context clearly indicates otherwise.

Landscapes

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

Abstract

실시예들에 따른 포인트 클라우드 데이터 처리 방법은 포인트 클라우드 데이터를 인코드하여 전송할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 처리 방법은 포인트 클라우드 데이터를 수신하고 디코드할 수 있다.

Description

포인트 클라우드 데이터 처리 장치 및 처리 방법
실시예들은 사용자에게 VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위하여 포인트 클라우드 콘텐트(Point Cloud Content)를 제공하는 방안을 제공한다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 상술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
따라서 효율적으로 포인트 클라우드 데이터를 처리하기 위하여 실시예들에 따른 포인트 클라우드 데이터 전송 방법은 지오메트리 및 어트리뷰트를 포함하는 포인트 클라우드 데이터를 인코딩하는 단계 및 인코드된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함한다. 실시예들에 따른 지오메트리는 포인트 클라우드 데이터의 포인트들의 포지션들을 나타내는 정보이고, 실시예들에 따른 어트리뷰트는 포인트들의 색상 및 반사율 중 적어도 하나 이상을 포함한다. 실시예들에 따른 포인트 클라우드 데이터를 인코딩하는 단계는 포인트들의 포지션들을 나타내는 좌표를 변환하는 단계를 포함한다.
실시예들에 따른 포인트 클라우드 데이터 전송 장치는 지오메트리 및 어트리뷰트를 포함하는 포인트 클라우드 데이터를 인코딩하는 인코더 및 인코드된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 전송부를 포함한다. 실시예들에 따른 지오메트리는 포인트 클라우드 데이터의 포인트들의 포지션들을 나타내는 정보이고, 실시예들에 따른 어트리뷰트는 포인트들의 색상 및 반사율 중 적어도 하나 이상을 포함한다. 실시예들에 따른 인코더는 포인트들의 포지션들을 나타내는 좌표를 변환한다.
실시예들에 따른 포인트 클라우드 데이터 처리 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계 및 포인트 클라우드 데이터를 디코딩하는 단계를 포함한다. 실시예들에 따른 비트스트림은 시그널링 정보를 포함한다. 실시예들에 따른 지오메트리는 상기 포인트 클라우드 데이터의 포인트들의 포지션들을 나타내는 정보이고, 어트리뷰트는 포인트들의 색상 및 반사율 중 적어도 어느 하나를 포함한다. 실시예들에 따른 포인트 클라우드 데이터를 디코딩하는 단계는 시그널링 정보를 기반으로 포인트들의 포지션들을 나타내는 좌표를 변환하는 단계를 포함한다.
실시예들에 따른 포인트 클라우드 데이터 처리 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부 및 포인트 클라우드 데이터를 디코딩하는 디코더를 포함한다. 실시예들에 따른 비트스트림은 시그널링 정보를 포함한다. 실시예들에 따른 지오메트리는 상기 포인트 클라우드 데이터의 포인트들의 포지션들을 나타내는 정보이고, 어트리뷰트는 포인트들의 색상 및 반사율 중 적어도 어느 하나를 포함한다. 실시예들에 따른 디코더는 시그널링 정보를 기반으로 포인트들의 포지션들을 나타내는 좌표를 변환하는 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.
도 1은 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.
도 15는 실시예들에 따른 인터 프레딕션의 예측 단위의 예시를 나타낸다.
도 16은 PU의 예시를 나타낸다.
도 17은 실시예들에 따른 PU 결정부의 예시를 나타낸다.
도 18은 실시예들에 따른 PU 분할의 예시이다.
도 19는 실시예들에 따른 PU 분할의 예시이다.
도 20은 실시예들에 따른 PU 분할의 예시이다.
도 21은 실시예들에 따른 PU 분할의 예시이다.
도 22는 실시예들에 따른 PU 분할의 예시이다.
도 23은 분할 모드 결정 방법의 예시를 나타낸다.
도 24는 분할 모드 결정 방법의 예시를 나타낸다.
도 25는 윈도우 및 블록의 예시를 나타낸다.
도 26은 PU 분할과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 27은 PU 분할과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 28은 PU 분할과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 29는 PU 분할과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 30은 PU 분할과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 31은 PU 분할과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 32는 실시예들에 따른 포인트 클라우드 처리 방법을 나타내는 플로우 다이어그램이다.
도 33은 실시예들에 따른 포인트 클라우드 처리 방법을 나타내는 플로우 다이어그램이다.
도 34는 실시예들에 따른 PU 병합부의 예시를 나타낸다.
도 35는 이웃 PU의 예시를 나타낸다.
도 36은 이웃 PU의 예시를 나타낸다.
도 37은 PU 인덱스 할당의 예시를 나타낸다.
도 38은 이웃 PU의 예시를 나타낸다.
도 39는 실시예들에 따른 MV 비교 과정을 나타낸다.
도 40은 병합 대상 PU의 예시 및 PU 리스트의 예시를 나타낸다.
도 41은 PU 병합과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 42는 PU 병합과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 43은 PU 병합과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 44는 PU 병합과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 45는 PU 병합과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 46은 PU 병합과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 47은 실시예들에 따른 포인트 클라우드 처리 방법을 나타내는 플로우 다이어그램이다.
도 48은 실시예들에 따른 포인트 클라우드 처리 방법을 나타내는 플로우 다이어그램이다.
도 49는 PU분할 및 PU 병합과 관련된 시그널링 정보의 신택스 구조이다.
도 50은 PU분할 및 PU 병합과 관련된 시그널링 정보의 신택스 구조이다.
도 51은 PU분할 및 PU 병합과 관련된 시그널링 정보의 신택스 구조이다.
도 52는 PU분할 및 PU 병합과 관련된 시그널링 정보의 신택스 구조이다.
도 53은 PU분할 및 PU 병합과 관련된 시그널링 정보의 신택스 구조이다.
도 54는 실시예들에 따른 포인트 클라우드 데이터 처리 방법을 나타내는 플로우 다이어그램이다.
도 55는 실시예들에 따른 포인트 클라우드 데이터 처리 방법을 나타내는 플로우 다이어그램이다.
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 포인를들의 포지션들(또는 포지션 값들)을 나타낸다.
d =Ceil(Log2(Max(x_n^int,y_n^int,z_n^int,n=1,…,N)+1))
도 6의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 6 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 6의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 6에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 4의 포인트 클라우드 인코더, 또는 옥트리 분석부(40002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(Δx, Δy, Δz), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(40005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③ 자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure PCTKR2021005105-appb-img-000001
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다. .
표2-1. Triangles formed from vertices ordered 1,…,n
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
포인트 클라우드 비디오의 압축 효율을 증가시키기 위하여 실시예들에 따른 포인트 클라우드 인코더는 콘텍스트 어탭티브 아리스메틱 (context adaptive arithmetic) 코딩을 기반으로 엔트로피 코딩을 수행할 수 있다.
도 1 내지 도 6에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더 또는 아리스메틱 인코더(40004))는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더는 현재 노드의 오큐판시 코드와 이웃 노드들의 오큐판시를 기반으로 엔트로피 인코딩(인트라 인코딩)을 수행하거나, 이전 프레임의 오큐판시 코드를 기반으로 엔트로피 인코딩(인터 인코딩)을 수행할 수 있다. 실시예들에 따른 프레임은 동일한 시간에 생성된 포인트 클라우드 비디오의 집합을 의미한다. 실시예들에 따른 인트라 인코딩/인터 인코딩의 압축 효율은 참조하는 이웃 노드들의 개수에 따라 달라질 수 있다. 비트가 커지면 복잡해지지만 한쪽으로 치우치게 만들어서 압축 효율이 높아질 수 있다. 예를 들어 3-bit context를 가지면, 2의 3승인 = 8가지 방법으로 코딩 해야 한다. 나누어 코딩을 하는 부분은 구현의 복잡도에 영향을 준다. 따라서 압축의 효율과 복잡도의 적정 수준을 맞출 필요가 있다.
도7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더는 옥트리의 각 노드의 이웃 노드들의 오큐판시(occupancy)를 판단하고 이웃 노드 패턴(neighbor pattern) 값을 구한다. 이웃 노드 패턴은 해당 노드의 오큐판시 패턴을 추론하기 위해 사용된다. 도7의 왼쪽은 노드에 대응하는 큐브(가운데 위치한 큐브) 및 해당 큐브와 적어도 하나의 면을 공유하는 6개의 큐브들(이웃 노드들)을 나타낸다. 도면에 도시된 노드들은 같은 뎁스(깊이)의 노드들이다. 도면에 도시된 숫자는 6개의 노드들 각각과 연관된 가중치들(1, 2, 4, 8, 16, 32, 등)을 나타낸다. 각 가중치는 이웃 노드들의 위치에 따라 순차적으로 부여된다.
도 7의 오른쪽은 이웃 노드 패턴 값을 나타낸다. 이웃 노드 패턴 값은 오큐파이드 이웃 노드(포인트를 갖는 이웃 노드)의 가중치가 곱해진 값들의 합이다. 따라서 이웃 노드 패턴 값은 0에서 63까지의 값을 갖는다. 이웃 노드 패턴 값이 0 인 경우, 해당 노드의 이웃 노드 중 포인트를 갖는 노드(오큐파이드 노드)가 없음을 나타낸다. 이웃 노드 패턴 값이 63인 경우, 이웃 노드들이 전부 오큐파이드 노드들임을 나타낸다. 도면에 도시된 바와 같이 가중치1, 2, 4, 8가 부여된 이웃 노드들은 오큐파이드 노드들이므로, 이웃 노드 패턴 값은 1, 2, 4, 8을 더한 값인 15이다. 포인트 클라우드 인코더는 이웃 노드 패턴 값에 따라 코딩을 수행할 수 있다(예를 들어 이웃 노드 패턴 값이 63인 경우, 64가지의 코딩을 수행). 실시예들에 따라 포인트 클라우드 인코더는 이웃 노드 패턴 값을 변경 (예를 들면 64를 10 또는 6으로 변경하는 테이블을 기반으로) 하여 코딩의 복잡도를 줄일 수 있다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 7에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(40009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 8에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더, 또는 LOD 생성부(40009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 9의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 9의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 9의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 9에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 4에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.
표. Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
표. Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012)는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012)는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(40010)는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(40008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다. g l x, y, z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. g l x, y, z 는 g l+1 2x, y, z와 g l+1 2x+1, y, z로부터 계산될 수 있다. g l 2x, y, z 와 g l 2x+1, y, z 의 가중치를 w1=w l 2x, y, z 과 w2=w l 2x+1, y, z 이다.
Figure PCTKR2021005105-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 PCTKR2021005105-appb-img-000003
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 디코더는 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006) 예시로서, 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006)의 동작 등과 동일 또는 유사한 동작을 수행할 수 있다. 도면이 도시된 바와 같이 포인트 클라우드 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 디코더는 지오메트리 디코더(geometry decoder)및 어트리뷰트 디코더(attribute decoder)를 포함한다. 지오메트리 디코더는 지오메트리 비트스트림에 대해 지오메트리 디코딩을 수행하여 디코딩된 지오메트리(decoded geometry)를 출력한다. 어트리뷰트 디코더는 디코딩된 지오메트리 및 어트리뷰트 비트스트림을 기반으로 어트리뷰트 디코딩을 수행하여 디코딩된 어트리뷰트들(decoded attributes)을 출력한다. 디코딩된 지오메트리 및 디코딩된 어트리뷰트들은 포인트 클라우드 콘텐트를 복원(decoded point cloud)하는데 사용된다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 디코더는 도 10에서 설명한 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 11000), 옥트리 합성부(synthesize octree, 11001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 11002), 지오메트리 리컨스트럭션부(reconstruct geometry, 11003), 좌표계 역변환부(inverse transform coordinates, 11004), 아리스메틱 디코더(arithmetic decode, 11005), 역양자화부(inverse quantize, 11006), RAHT변환부(11007), LOD생성부(generate LOD, 11008), 인버스 리프팅부(Inverse lifting, 11009), 및/또는 컬러 역변환부(inverse transform colors, 11010)를 포함한다.
아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스럭션부(11003), 좌표계 역변환부(11004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 9에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(11000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(11000)의 동작은 아리스메틱 인코더(40004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(11001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(11002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(11003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 9에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(11003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(11003)는 지오메트리 리컨스트럭션부(40005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 6에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(11004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(11005), 역양자화부(11006), RAHT 변환부(11007), LOD생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(11005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(11006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(11010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(11010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 12에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 4의 포인트 클라우드 인코더)의 예시이다. 도 12에 도시된 전송 장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 (Arithmetic) 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011) 및/또는 전송 처리부(12012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(12000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 9에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(12001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(12001)의 동작 및/또는 양자화는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(12002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(120002)는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(12003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(12003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(12003)는 도 4 및 도 6에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(40002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(12004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(12004)는 도 4 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(12005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(12005)는 도 7에서 설명한 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 구체적인 설명은 도 7에서 설명한 바와 동일하다. 실시예들에 따라 인트라/인터 코딩 처리부(12005)는 아리스메틱 코더(12006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(12006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(12006)는 아리스메틱 인코더(40004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(12007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(12007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(12008), 어트리뷰트 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 9에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(12008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(12008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하다. 또한 도 4에서 설명한 컬러 변환부(40006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(12009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(12009)는 도 4에 설명한 어트리뷰트 변환부(40007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(12010)는 도 4에서 설명한 RAHT 변환부(40008), LOD 생성부(40009) 및 리프팅 변환부(40010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(12011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(12011)는 아리스메틱 인코더(400012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(12012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(12007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(12012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(12012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 13에 도시된 수신 장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 13에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(13000), 수신 처리부(13001), 아리스메틱 (arithmetic) 디코더(13002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(13004), 인버스(inverse) 양자화 처리부(13005), 메타데이터 파서(13006), 아리스메틱 (arithmetic) 디코더(13007), 인버스(inverse)양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009), 색상 역변환 처리부(13010) 및/또는 렌더러(13011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(13000)는 포인트 클라우드 데이터를 수신한다. 수신부(13000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(13001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(13001)는 수신부(13000)에 포함될 수 있다.
아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(13002)는 아리스메틱 디코더(11000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 옥트리 합성부(11001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(13004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(13004)는 서페이스 오프록시메이션 합성부(11002) 및/또는 지오메트리 리컨스트럭션부(11003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(13006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(13006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 12에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(13007), 인버스 양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009) 및 색상 역변환 처리부(13010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(13007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(13007)는 아리스메틱 디코더(11005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(13008)는 역양자화부(11006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(13009)는 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(13010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(13010)는 컬러 역변환부(11010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(13011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 14의 구조는 서버(1460), 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상이 클라우드 네트워크(1410)와 연결된 구성을 나타낸다. 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440) 또는 가전(1450) 등은 장치라 호칭된다. 또한, XR 장치(1430)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1400)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1400)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1460)는 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상과 클라우드 네트워크(1400)을 통하여 연결되고, 연결된 장치들(1410 내지 1470)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1470)는 실시예들에 따른 XR 디바이스 및/또는 PCC 디바이스가 구현될 수 있는 타입 중 하나를 나타낸다. 실시예들에 따른HMD 타입의 디바이스는, 커뮤니케이션 유닛, 컨트롤 유닛, 메모리 유닛, I/O 유닛, 센서 유닛, 그리고 파워 공급 유닛 등을 포함한다.
이하에서는, 상술한 기술이 적용되는 장치(1410 내지 1450)의 다양한 실시 예들을 설명한다. 여기서, 도 14에 도시된 장치(1410 내지 1450)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1430)는 PCC 및/또는 XR(AR+VR) 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수도 있다.
XR/PCC 장치(1430)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 어트리뷰트 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR/PCC 장치(1430)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+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.
도 1 내지 도 14에서 설명한 바와 같이 포인트 클라우드 인코더(예를 들면 도 4에서 설명한 양자화부(40001), 도 12에서 설명한 양자화 처리부(12001), 복셀화 처리부(12002))는 입력된 포인트 클라우드 데이터(예를 들면 지오메트리)의 압축 처리를 용이하게 하기 위해 양자화하고, 복셀화를 수행할 수 있다. 실시예들에 따른 포인트 클라우드 인코더는 처리된 포인트 클라우드 데이터에 대하여 인터 프레딕션(inter prediction)을 수행하기 위하여 포인트 클라우드 데이터를 예측 단위(Prediction unit, 이하 PU로 기재가능)로 분할(split)할 수 있다. 실시예들에 따른 PU는 인터 프레딕션이 수행되는 단위로서 유닛, 영역 등으로 호칭될 수 있으며. 본 예시에 국한되는 것은 아니다. 실시예들에 따른 포인트 클라우드 인코더는 포인트 클라우드 데이터에 포함된 프레임 단위 또는 옥트리 구조의 특정 노드 사이즈에서부터 인터 프레딕션을 수행하기 위한 단위인 PU의 사이즈, PU 분할을 위한 PU 분할 범위 (또는 PU 스플릿 범위(PU split range))등을 결정할 수 있다. 실시예들에 따른 PU는PU 트리(PU tree)구조에 따라 분할 될 수 있으며, PU를 분할/생성하는 범위를 PU 분할 범위 (PU split range)라고 호칭한다. 하지만3차원 좌표계 상에서 포인트 클라우드 데이터가 불균형하게 분포할 수 있다. 이와 같은 데이터의 분포를 고려하지 않고 좌표계의 모든 축에 대해 동일한 방법으로 PU 사이즈, PU 분할 범위 등을 결정하면 유사성이 떨어지는 포인트들이 PU에 속할 수 있다. 이 경우 모션 예측 및 보상(motion estimation/compensation)의 정확도가 떨어지므로 전체적인 압축 성능이 감축할 수 있다. 따라서 실시예들에 따른 포인트 클라우드 인코더는 전체 스트림 또는 프레임(예를 들면 랜덤 억세스 포인트(radon access point)/인트라 프레딕션(intra prediction)/레퍼런스 프레임(reference frame) 등)을 구성하는 포인트들의 분포 영역을 스캔하여 포인트 클라우드 콘텐트의 분포 특성을 고려하여 PU 분할을 수행한다. 실시예들에 따라 분할된 PU는 포인트 클라우드 콘텐트의 분포 특성에 따라 이전에 분할된 PU에 적용된 분할과 동일한 분할 방법으로 분할되거나, 다른 분할 방법으로 분할 될 수 있다. 또한 PU는 PU에 포함된 데이터의 존재 여부 또는 데이터의 상태에 따라 분할되지 않고 스킵(skip)될 수 있다.
도 1 내지 도 14에서 설명한 바와 같이 포인트 클라우드 디코더(예를 들면 도 10 내지 도 11에서 설명한 포인트 클라우드 디코더, 도 13에서 설명한 수신 장치)는 비트스트림을 수신하고 엔트로피 디코딩 등을 수행하여 포인트 클라우드 데이터의 포인트의 예측 에러인 레지듀얼(residual)을 복원할 수 있다. 포인트 클라우드 디코더는 인터 프레딕션과 관련된 시그널링 정보를 기반으로 PU 별 모션 벡터(Motion vector, 이하 MV로 기재) 정보를 확보하고 현재 프레임의 PU 범위 내의 포인트 값을 예측할 수 있다.
도 15는 실시예들에 따른 인터 프레딕션의 예측 단위의 예시를 나타낸다.
도 15의 왼쪽은 옥트리 (octree) 구조를 나타낸다. 도 1 내지 도 14에서 설명한 바와 같이 포인트 클라우드 데이터의 포인트들을 전부 포함하는 바운딩 박스(bounding box)는 8개의 동일한 크기를 갖는 노드들로 분할되고, 분할된 8개의 노드들은 각각 다시 8개의 동일한 크기의 노드들로 재귀적으로 분할된다. 즉, 도면에 도시된 바와 같이 2n으로 표현되는 루트 노드부터 하위 노드 (예를 들면 2n-1 노드, 2n-2 노드) 방향으로 각 노드들은 8개의 자식 노드들의 부모 노드가 되며, 각 자식 노드는 다시 분할에 따라 다른 8개의 자식 노드들의 부모 노드가 된다. 도면에 도시된 분할된 8개의 노드들(예를 들면 2n-1 노드)는 각각 옥트리 뎁스에 대응하며, 옥트리 뎁스는 자식 노드 방향으로 감소하여 리프 노드에서 0이 된다. 또한 도면에 도시된 노드들 중 까만색 박스 (예를 들면 2n-1의 8개의 노드들 중 2개의 까만색 박스)는 해당 노드에 포인트 클라우드 데이터가 존재함을 나타내며, 흰색 박스는 해당 노드에 포인트 클라우드 데이터가 존재하지 않음을 나타낸다. 따라서 데이터가 존재하는 상위 노드만 8개의 자식 노드들로 분할된다.
도 15의 가운데는 LPU(Largest Prediction Unit)을 나타낸다. 옥트리 분할 방법에 따라 분할된 포인트 클라우드 데이터에 대하여, 일정 노드(또는 노드 사이즈)에 도달했을 때 해당 노드는 LPU(Largest Prediction Unit)으로 지정된다. 실시예들에 따른 LPU는 PU로도 호칭될 수 있다. 실시예들에 따른 LPU는 다시 PU 트리 (PU tree)구조에 따라 분할 될 수 있으며, LPU를 분할하여 PU를 생성하는 범위를 PU 분할 범위 (PU split range)라고 호칭한다. LPU가 분할되어 생성된 PU는 sub PU로 호칭될 수 있다. PU 분할 범위는 상술한 바와 같이 포인트 클라우드 데이터의 분포 특성에 따라 설정될 수 있다. 또한 실시예들에 따른 LPU의 분할은 코스트(cost)에 따라 수행되거나 스킵(skip) 될 수 있다. 예를 들어 LPU에 대응하는 노드들 중 데이터를 가진 노드들은 다시 옥트리 분할 방법에 따라 8개의 자식 노드들로 재귀적으로 분할된다. 만약 LPU가 분할된다면 자식 노드들은 LPU의 분할(split)에 따라 LPU/2로 표현되는 sub PU에 대응한다.
PU의 사이즈가 결정되면, 실시예들에 따른 포인트 클라우드 데이터 처리 장치(예를 들면 도 1 내지 도 14에서 설명한 포인트 클라우드 송신 장치, 포인트 클라우드 수신 장치 등)은 해당 PU와 MV 정보에 따라 인터 프레딕션을 수행하여 해당 분할 범위 내의 포인트의 예측 값을 확보한다.
도 16은 PU의 예시를 나타낸다.
도면의 상단 좌측은 PU 내 최적화된 예측 방향을 갖는 3개의 모션 벡터들을 나타낸다(1600). 도면의 상단 우측은 PU에 대응하는 노드 단위로 모션 에스티메이션(motion estimation)을 수행하여 하나의 모션 벡터를 예측한 결과를 나타낸다(1610).
도면 좌측 하단은 모션 에스티메이션이 수행된 PU에 대하여 기존 옥트리 분할과 같이 8개의 sub PU들로 분할된 예시를 나타낸다(1620). 이 경우 불필요한 영역이 제외되지 않으므로 추가로 PU를 더 분할할지 여부를 판단하는 과정이 더 필요하여 코딩 효율이 떨어진다. 도면 하단의 우측은 PU 영역을 3개의 sub PU들로 분할하는 예시를 나타낸다(1630). 이 경우 불필요한 영역이 제외되므로 코딩 효율이 높아진다.
도 17은 실시예들에 따른 PU 결정부의 예시를 나타낸다.
도 17에 도시된 PU 결정부(1700)는 도 1 내지 도 14에서 설명한 포인트 클라우드 송신 장치, 또는 포인트 클라우드 인코더에 포함되며, 도 15 내지 도 16에서 설명한 PU 결정 및 분할을 수행한다. 또한 도 17에 도시된 PU 결정부(1700)은 지오메트리 인코더에 포함될 수 있다. 지오메트리 인코더는 포인트 클라우드 인코더에 포함된다.
실시예들에 따른 지오메트리 인코더는 도 4에서 설명한 좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005) 중 적어도 어느 하나 이상을 포함할 수 있다. 실시예들에 따른 지오메트리 인코더는 도 12에서 설명한 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) 중 적어도 어느 하나 이상을 포함할 수 있다. 또한 지오메트리 인코더는 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.
PU 결정부(1700)는 데이터 분포 처리부(Data 분포 처리부)(1710), 분할 모드(split mode) 결정부(1720), 모션 에스티메이션(motion estimation)처리부(1730) 및 Sub PU 분할(Sub PU split) 결정부(1740)를 포함할 수 있다. 도 17은 PU 결정부(1700)의 예시로서, 구성요소의 순서는 변경될 수 있으며, PU 결정부(1700)는 하드웨어, 소프트웨어, 프로세스 또는 이들의 조합에 대응할 수 있다.
실시예들에 따른 데이터 분포 처리부(1710)는 전체 스트림 또는 프레임(예를 들면 랜덤 억세스 포인트(radon access point)/인트라 프레딕션(intra prediction)/레퍼런스 프레임(reference frame) 등)을 구성하는 포인트들의 분포 영역(또는 분포 범위)를 확인(또는 스캔) 한다. 예를 들어 포인트 클라우드 데이터가 3차원 좌표계의 특정 축을 중심으로 넓게 분포되거나 좁게 분포되는 경우 해당 축을 기준으로 PU 분할을 수행하는 것이 효율적이기 때문이다.
도 15 내지 도 16에서 설명한 하나의 노드 또는 하나의 프레임은 PU 단위로 분할되어 인터 프레딕션에 사용된다. 전체 프레임이 PU로 분할되어 모션 에스티메이션이 수행되는 경우, 데이터 분포 처리부(1710)는 입력된 포인트 클라우드 콘텐트의 각 축별 데이터 분포 범위 파악을 위해 길이(length)를 계산하거나, 분포,
표준 편차, 평균, min, max 값, medium, mode 값 등 데이터의 분포 상태 및 분포 정도를 파악할 수 있는 값을 사용할 수 있으며 그 값은 본 예시에 국한되지 않는다.
예를 들어 데이터 분포 처리부(1710)는 바운딩 박스를 결정할 때 전체 포인트들에 대한 스캔후 추출된 각 축별 min, max 값을 이용하여 각 축별 데이터 분포를 결정하는 길이(또는 범위(range)라고 호칭할 수 있다)를 계산할 수 있다. 각 축의 길이는 다음과 같이 표현된다.
X_length = Xmax - Xmin
Y_length = Ymax - Ymin
Z_length = Zmax - Zmin
여기서 X_length는 x축의 길이, Y_length는 y축의 길이, Z_length는 z축의 길이를 나타낸다. 각 축의 길이는 콘텐트의 스캔을 통해 확보될 수도 있고, 도 1 내지 도 14에서 설명한 비트스트림을 통해 포인트 클라우드 디코더(또는 포인트 클라우드 데이터 수신 장치)에 시그널링 될 수 있다.
데이터 분포 처리부(1710)는 각 축별 길이의 값을 비교하여 어떤 축을 기준으로 분할을 수행할지 결정할 수 있다. 가장 먼저 분할을 위한 기준이 되는 축을 결정하면, 나머지 기준이 되지 않은 축들은 오리지널 노드 또는 바운딩 박스 크기에 해당하는 값을 유지한다. 만약 두 개의 축들의 길이 값이 동일하고 나머지 하나의 축의 길이의 값이 작은 경우, 두개의 축들을 동시에 기준으로 동일한 값으로 PU 분할을 수행하고 나머지 축은 오리지널 노드 또는 바운딩 박스 크기에 해당하는 값을 유지한다. 만약 세개의 축들 또는 두개의 축들이 길이의 값이 미리 기설정된 역치값(threshold value) 보다 작은 경우 세개의 축들 또는 두개의 축들은 동일한 방법/기준/모드로 분할되거나 분할되지 않을 수 있다(skip).
실시예들에 따른 분할 모드 결정부(1720)는 PU의 형태를 결정한다. 실시예들에 따른 PU의 형태는 분할 모드(mode)에 따라 결정될 수 있다. 즉 PU는 분할 모드에 따라 정육면체, 직육면체 등의 형태를 갖는다. 분할 모드 결정부(1720)는 PU를 분할했을 때 레퍼런스 프레임/인트라 프레딕션 프레임과 현재 프레임 사이의 레지듀얼(residual)을 계산하여 가장 레지듀얼이 작은 분할 모드를 찾고 해당 모드를 분할 모드로 결정한다. 결정된 분할 모드와 레지듀얼 값은 모션 에스티메이션 처리부(1730)로 전달된다.
실시예들에 따른 분할 모드는 총 5가지로 Mode 0부터 Mode 4로 호칭되며, 분할 모드의 개수, 명칭 등은 이러한 예시에 국한되지 않는다.
Mode 0: 분할하지 않음을 나타낸다. 상술한 세 축들의 길이 차이가 없거나 기설정된 역치값을 넘지 않는 경우 적용되는 모드이다. 그러나 Mode 0는 본 예시에만 국한되지 않고 다른 상황에서도 적용될 수 있다. 따라서 도면에 도시된 박스는 하나의 PU를 나타낸다. Mode 0는 PU를 분할하지 않고 검색 범위(searching range)를 설정하여 MV를 찾는 방법을 나타내며, 해당 정보(예를 들면 Mode0 정보 등)는 포인트 클라우드 인코더 및 포인트 클라우드 디코더에 전달된다. Mode 0는 PU 분할이 재귀적으로 적용되는 경우, 예를 들면 PU가 Mode0 이 아닌 다른 분할 모드(예를 들면 Mode 1)으로 생성된 sub PU 에 적용될 수 있다.
Mode 1: 1:1 분할을 의미한다. X : Y의 표현은 분할 기준 축의 원점에서 가까운 Sub PU의 사이즈(size 또는 크기)와 분할 기준 축의 원점에서 가까운 Sub PU의 사이즈(size 또는 크기)의 상대적인 차이(또는 비율)를 나타낸다. 실시예들에 따른 X는 분할 기준 축의 원점에서 가까운 Sub PU의 사이즈에 대응하고 Y는 분할 기준 축의 원점에서 먼 Sub PU의 사이즈에 대응한다. Mode 1의 경우 원점에서 가까운 sub PU(예를 들어 제 1 sub PU로 호칭한다), 원점에서 먼 sub PU (예를 들어 제 2 sub PU로 호칭한다)의 크기 차이는 1:1 로 제 1 sub PU 및 제 2 sub PU 의 크기는 동일하다. Mode1은 두 축들의 길이의 차이가 없거나 기설정된 역치값을 넘지 않는 경우 적용되는 모드이다. 그러나 Mode 1은 본 예시에만 국한되지 않고 다른 상황에서도 적용될 수 있다. PU에 대하여 하나의 축을 기준으로 절반(1/2)으로 분할하고 분할로 생성된 각 sub PU를 검색 범위(searching range)로 설정하여 MV를 찾은뒤 모션 보상(motion compensation)을 수행한다. 이후 생성된 레지듀얼 값 및 분할 모드 값은 포인트 클라우드 인코더 및 포인트 클라우드 디코더에 전달된다. 실시예들에 따라 분할된 sub PU는 서로 다른 MV를 가질 수 있다. 또한 각 sub=PU는 서로 다른 조건 또는 분할 모드에 따라 추가 분할되거나(split), 분할되지 않을 수 있다(skip). 또한 MV는 각 PU마다 정의되거나 동일한 벡터 정보를 가질 수 있다.
Mode 2: 1:3분할을 나타낸다. 원점에서 가까운 sub PU(예를 들어 제 1 sub PU로 호칭한다), 원점에서 먼 sub PU (예를 들어 제 2 sub PU로 호칭한다)의 크기 차이는 1:3이므로 제 2 sub PU의 크기는 제 1 sub PU보다 크다. Mode 2는 특정 축의 길이 또는 범위가 다른 두 축에 비해 길거나 짧은 경우 적용되는 모드이다. 그러나 Mode 2는 본 예시에만 국한되지 않고 다른 상황에서도 적용될 수 있다. 분할에 따라 생성된 두 sub PU들은 서로 다른 MV를 가지거나, 서로 다른 조건 또는 모드로 추가 분할되거나(split), 분할되지 않을 수 있다(skip). MV는 각sub PU마다 정의되거나 동일한 벡터 정보를 가질 수 있다.
Mode 3 : 3:1 분할을 나타낸다. 원점에서 가까운 sub PU(예를 들어 제 1 sub PU로 호칭한다), 원점에서 먼 sub PU (예를 들어 제 2 sub PU로 호칭한다)의 크기의 차이는 3:1이므로 제 2 sub PU의 크기는 제 1 sub PU보다 작다. Mode 3는 특정 축의 길이 또는 범위가 다른 두 축에 비해 길거나 짧은 경우 적용되는 모드이다. 그러나 Mode 3는 본 예시에만 국한되지 않고 다른 상황에서도 적용될 수 있다. 분할에 따라 생성된 두 sub PU들은 서로 다른 MV를 가지거나, 서로 다른 조건 또는 모드로 추가 분할될 수 있다. MV는 각sub PU마다 정의되거나 동일한 벡터 정보를 가질 수 있다.
Mode 2 및 Mode 3는 데이터 분포에 따라 선택된다.
Mode 4 : 1:2:1 분할로서PU가 세 개의 sub PU들로 분할됨을 나타낸다. 원점에 가까운 제1 sub PU, 가운데 위치한 제2 sub PU 및 원점에서 가장 먼 제 3 sub PU의 크기의 차이는 1:2:1 이므로 제 sub PU는 제1 sub PU 및 제3 sub PU 보다 상대적으로 크다. Mode 4는 분할 코스트(split cost)에 의해 결정될 수 있으며 각 sub PU가 현저히 다른 MV를 갖는 경우에 사용된다. 그러나 Mode 4는 본 예시에만 국한되지 않고 다른 상황에서도 적용될 수 있다. 분할에 따라 생성된 세 개의 sub PU들은 서로 다른 MV를 가지거나, 서로 다른 조건 또는 모드로 추가 분할되거나(split), 분할되지 않을 수 있다(skip).
실시예들에 따른 모션 에스티메이션 처리부(1730)는 인터 프레딕션을 위해 기설정된 방법(예를 들면 포인트 클라우드 인코더 및 포인트 클라우드 디코더에서 기설정된 방법)에 따라 모션 에스티메이션(또는 모션 벡터 에스티메이션, motion vector estimation)을 수행한다. 모션 에스티메이션에 따라 추출된 MV, 추가 분할 및/또는 스킵(skip)을 결정하기 위한 코스트 값은 sub PU 분할 결정부(1740)로 전달된다.
실시예들에 따른 sub PU 분할 결정부(1740)는 모션 에스티메이션에 따라 추출된 MV를 적용하였을 때의 코스트를 확인하고 코스트에 따라 sub PU로 추가 분할을 할지 또는 스킵을 할지 결정한다. Sub PU 분할 결정부(1740)는 추가 분할을 하는 경우 데이터 분포 처리부(1710)에 해당 정보를 전달한다. 데이터 분포 처리부(1710)는 재귀적으로 다시 분할을 위한 동작을 수행한다. 코스트 계산에 따라 분할을 하는 경우로서 각 sub PU 컴포넌트에 속하는 데이터 분포를 고려하지 않고 이전 단계의 분할의 기준이 되었던 축을 제외한 나머지 축을 기준으로 분할하는 경우, 데이터 분포 처리부(1710)의 동작은 생략되고, 추가 분할과 관련된 정보는 분할 모드 결정부(1720)로 전달된다. 실시예들에 따른 분할 모드 결정부(1720)는 재귀적으로 다시 분할을 위한 동작을 수행한다.
도 18은 실시예들에 따른 PU 분할의 예시이다.
도 18은 각 축 별 PU 분할의 예시를 나타낸다. 도면의 좌측은 x축을 기준으로 나머지 축들에 대하여 도 17에서 설명한 Mode 2에 따른 분할을 수행한 PU를 나타낸다. 도면의 가운데는 z축을 기준으로 나머지 축들에 대하여 도 17에서 설명한 Mode 2에 따른 분할을 수행한 PU를 나타낸다. 도면의 우측은 y축을 기준으로 나머지 축들에 대하여 도 17에서 설명한 Mode 2에 따른 분할을 수행한 PU를 나타낸다. 상술한 바와 같이 분할에 따라 각 PU는 두개의 sub PU들로 분할되며 두 개의 sub PU들의 크기 차이는 1:3으로 표현된다.
도 19는 실시예들에 따른 PU 분할의 예시이다.
도 19는 x축을 기준으로 도 17에서 설명한 Mode 0 내지 Mode 4를 적용한 PU 분할 예시를 순차적으로 나타낸다. Mode 0, Mode 1, Mode 2, Mode 3 및 Mode 4 에 대한 설명은 도 17 내지 도 18과 동일하므로 생략한다.
도 20은 실시예들에 따른 PU 분할의 예시이다.
도 20은 Mode 0에 해당하는 PU (2000)의 예시 및 x축, y축 및 z 축 각각에 대하여 도 17에서 설명한 Mode 1, Mode 2, Mode 3, Mode 4를 적용한 예시들을 나타낸다. x축을 기준으로 적용된 Mode 1, Mode 2, Mode 3, Mode 4는 각각 Mode 1x, Mode 2x, Mode 3x, Mode 4x로 표현된다. y축을 기준으로 적용된 Mode 1, Mode 2, Mode 3, Mode 4는 각각 Mode 1y, Mode 2y, Mode 3y, Mode 4y로 표현된다. z축을 기준으로 적용된 Mode 1, Mode 2, Mode 3, Mode 4는 각각 Mode 1z, Mode 2z, Mode 3z, Mode 4z로 표현된다. 분할된 두개의 sub PU들 또는 세개의 sub PU들에 대하여, 각 sub PU는Mode 1, Mode 2, Mode 3 및 Mode 4 중 어느 하나의 Mode로 분할 될 수 있다.
도 21은 실시예들에 따른 PU 분할의 예시이다.
도 21은 도 20에서 설명한 x축을 기준으로 적용된Mode 4(Mode 4x)에 따라 분할된 3개의 sub PU들 중 가운데 위치한 sub PU (2100)를 x축, y축 및 z 축 각각에 대하여 도 17에서 설명한 Mode 1, Mode 2, Mode 3, Mode 4를 적용한 16가지의 분할 예시들을 나타낸다. x축을 기준으로 적용된 Mode 1, Mode 2, Mode 3, Mode 4는 각각 Mode 4x1x, Mode 4x2x, Mode 4x3x, Mode 4x4x로 표현된다. y축을 기준으로 적용된 Mode 1, Mode 2, Mode 3, Mode 4는 각각 Mode 4x1y, Mode4x2y, Mode 4x3y, Mode 4x4y로 표현된다. z축을 기준으로 적용된 Mode 1, Mode 2, Mode 3, Mode 4는 각각 Mode 4x1z, Mode 4x2z, Mode 4x3z, Mode 4x4z로 표현된다.
도면에 도시된 바와 같이 추가 분할이 적용되는 경우 기준이 되는 축은 이전 분할에 따른 기준(예를 들면 x축)이 될 수도 있고, 다른 축이 될 수도 있다. 추가 분할을 적용하기 위한 기준이 되는 축은 각 sub PU별 데이터 분포 또는 데이터의 길이 및/또는 범위를 확인하여 비교하여 결정되거나, PU 분할 이전부터 기설정될 수 있다. 기설정된 축에 대한 정보는 도 1 내지 도 14에서 설명한 포인트 클라우드 인코더에 시그널링 되거나, 도 1 내지 도 14에서 설명한 비트스트림을 통해 포인트 클라우드 디코더에 시그널링된다.
도 22는 실시예들에 따른 PU 분할의 예시이다.
도 22의 좌측은 도 20에서 설명한 x축을 기준으로 적용된Mode 4(Mode 4x)에 따라 분할된 3개의 sub PU들, 제 1 sub PU (2200), 제 2 sub PU(2210) 및 제 3 sub PU(2230)을 나타낸다. 도면의 우측은 제 1 sub PU (2200), 제 2 sub PU(2210) 및 제 3 sub PU(2230)이 각각 추가 분할된 예시를 나타낸다. 도면에 도시된 바와 같이 제 1 sub PU(2200)는 y축을 기준으로Mode 4로 분할 될 수 있다. 따라서 제 1 sub PU(2200)의 분할 모드는4x4y(또는 Mode4x4y)로 표현된다. 제 2 sub PU(2210)는 Mode 1으로 분할된 뒤 이 중 첫번째 sub PU는 분할되지 않고, 두번째 subPU는 z 축을 기준으로 Mode 1으로 분할될 수 있다. 따라서 제 2 sub PU(2201)의 최종 분할 모드는 4x1x01z(또는 Mode 4x1x01)로 표현된다. 제 3 Sub PU(2230)는 y축을 기준으로 Mode 3로 분할 될 수 있다. 따라서 제 3 sub PU(2230)의 최종 분할 모드는 4x3y(또는 Mode 4x3y)로 표현된다. 도면에 도시된 바와 같이PU 분할 이후 각 sub PU는 서로 같거나 다른 분할 모드에 따라 분할 되어 각 sub PU의 sub Pu들의 형태는 달라질 수 있다. 이러한 분할 구성은 포인트 클라우드 데이터의 세그멘테이션에 용이하게 적용될 수 있다. 도 22는 하나의 예시로서 도 17 내지 도 21에서 설명한 다양한 분할 모드들을 조합하여 다양한 형태 및 크기를 갖는 PU를 적용할 수 있다.
도 23은 분할 모드 결정 방법의 예시를 나타낸다.
상술한 바와 같이 PU는 다양한 방향 및 형태로 분할 될 수 있다. 실시예들에 따른 포인트 클라우드 송신 장치 및 수신 장치는 베스트 모드(best mode, 또는 베스트 분할 모드, best split mode)를 결정하기 위해 분할 모드 결정을 위한 프로세스를 수행한다. 상술한 바와 같이 실시예들에 따른 분할 모드 결정부는 하나의 프레임 또는 옥트리 구조에서의 특정 노드에 대해 PU 분할을 수행할 수 있다. 도 23은 하나의 프레임에 대응하는 바운딩 박스에 대한 분할 모드 결정부(예를 들면 도 17에서 설명한 분할 모드 (split mode) 결정부(1720))의 분할 모드 결정 방법을 나타내는 플로우차트(2300)이다.
실시예들에 따른 분할 모드 결정부는 Mode 별로 바운딩 박스를 분할할 수 있다(2310). 분할 모드 결정부는 윈도우(window)에 대응하는 포인트들을 선정하고(2320), sub PU에 존재하는 포인트들(블록, block)을 추출한다(2330). 실시예들에 따른 윈도우는 레퍼런스 프레임에서 동일한 위치에 있는 영역(또는 노드, 프레임)의 sub Pu와 검색 범위(search range)를 포함하는 영역을 나타낸다. 실시예들에 따른 블록은 현재 프레임에서 PU의 대상이 되는 영역(또는 노드, 프레임)에서 PU의 sub PU를 나타낸다. 실시예들에 따른 Sub PU는 분할 모드에 관계없이 분할되는 PU를 이루는 각각의 요소를 의미한다. 각 PU 및 sub PU는 동일한 프레임 내에서 서로 겹치치 않도록 설정된다. 윈도우는 검색 범위를 포함하므로 동일한 레퍼런스 프레임 내에서 다른 위도우와 겹칠 수 있다. 실시예들에 따른 윈도우는 sub PU가 이동할 수 있는 영역을 포함하기 위하여 sub PU와 동일한 위치에 있는 영역에 검색 범위를 더하여 설정된다. 검색 범위는 비트스트림을 통해 기설정된 정보로서 포인트 클라우드 디코더에 시그널링 될 수도 있고, PU의 크기에 따라 적응적으로 변경될 수 있다.
실시예들에 따른 분할 모드 결정부는 모드 별로 코스트 계산을 위해 블록과 윈도우 사이의 거리(cumulated distance)를 계산할 수 있다(2340). 각 모드 별로 계산된 거리는 mode A.distance로 표현된다.
분할 모드 결정부는 모드별로 계산된 거리 (cumulated distance)를 RDO value(Rate Distortion optimization)으로 각각 계산 후 가장 코스트가 작은 값을 가지는 모드를 베스트 모드(BestSplit_Mode로 표현된다) 로 결정할 수 있다(2350).
아래의 수학식은 베스트 모드를 결정하는 방법을 나타낸다.
Figure PCTKR2021005105-appb-img-000004
수학식에서 X는 모드 값(예를 들면 0,1..), numBlock은 modeX를 이루고 있는 block의 수, Block_size는 하나의 블록에 포함된 전체 포인트들의 개수, window_size는 하나의 윈도우에 포함된 전체 전체 포인트들의 개수, block k.x l, block k.y l, block k.z l는 block에 포함되어 있는 l번째 포인트에 대한 x,y,z 좌표 정보를 나타내고 m번째window m.x m, window m.y m, window m.z m는 윈도우에 포함되어 있는 하나의 포인트에 대한 x,y,z 좌표 정보를 나타낸다. Mode x는 Mode 0~4에 해당하는 정보를 의미하며,
Figure PCTKR2021005105-appb-img-000005
는 Lagrange multiplier, R는 해당 모드를 분할하기 위해 쓰인 비트들의 개수를 나타낸다.
도 24는 분할 모드 결정 방법의 예시를 나타낸다.
도 24는 도 23의 다른 예시로서 특정 노드 사이즈부터 PU 분할을 적용하기 위한 분할 모드 결정부(예를 들면 도 17에서 설명한 분할 모드 (split mode) 결정부(1720))의 분할 모드 결정 방법을 나타내는 플로우차트(2400)이다.
특정 노드 사이즈가 될 때까지 옥트리 분할이 수행되면(2410), 실시예들에 따른 분할 모드 결정부는 특정 노드에 대응하는 3차원 박스를Mode 별로 분할할 수 있다(2420). 분할 모드 결정부는 윈도우(window)에 대응하는 포인트들을 선정하고(2430), sub PU에 존재하는 포인트들(블록, block)을 추출한다(2440). 실시예들에 따른 윈도우 및 블록에 대한 설명은 도 23에서 설명한 바와 동일하므로 생략한다.
실시예들에 따른 분할 모드 결정부는 모드별로 코스트 계산을 위해 블록과 윈도우 사이의 거리(cumulated distance)를 계산할 수 있다(2450). 각 모드 별로 계산된 거리는 mode A.distance로 표현된다.
분할 모드 결정부는 모드별로 계산된 거리(cumulated distance)를 RDO value(Rate Distortion optimization)으로 각각 계산 후 가장 코스트가 작은 값을 가지는 모드를 베스트 모드(BestSplit_Mode)로 결정할 수 있다(2460). 베스트 모드를 결정하는 방법은 도 24에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
도 25는 윈도우 및 블록의 예시를 나타낸다.
도 25의 좌측은 윈도우와 블록의 관계를 나타낸 예시(2500)이다.
실시예들에 따른 윈도우는 레퍼런스 프레임에서 동일한 위치에 있는 영역(또는 노드, 프레임)의 sub Pu와 검색 범위(search range)를 포함하는 영역을 나타낸다. 실시예들에 따른 블록은 현재 프레임에서 PU의 대상이 되는 영역(또는 노드, 프레임)에서 PU의 sub PU를 나타낸다. 실시예들에 따른 sub PU는 분할 모드에 관계없이 분할되는 PU를 이루는 각각의 요소를 의미한다. 따라서 윈도우는 블록을 포함할 수 있다.
도 25의 가운데 예시(2510)는 도 23 내지 도 24에서 설명한 바와 같이 분할 모드 결정부가 모드(Mode) 별 코스트 계산을 하기 위하여 x축을 기준으로 Mode 4에 따라 PU를 분할하여 생성한 세개의 sub PU들을 나타낸다. 각각의 sub Pu는 블록이며, 각각 block0, block 1, block2로 표현된다. 각 block 0, block 1 및 block 2의 윈도우인 window 0, window 1 및 window 2가 결정된다.
Window 0, window 1 및 window 2는 각각 Block0, Block1, Block2의 영역에 검색 범위(search range)를 더한 영역이 되고 해당 영역에 위치한 레퍼런스 프레임의 포인트들이 포함된다.
도 25의 우측 예시(2520)는 block 0의 윈도우인 window 0을 나타낸다. 도면에 도시된 바와 같이 window 0 의 영역은 block 0의 영역보다 크다. 상술한 바와 같이 분할 모드 결정부는 Mode 4에 따라 window 0와 block 0 의 두 영역에 포함되는 모든 포인트들간의 거리를 계산할 수 있다.
포인트 클라우드 데이터 처리 장치(예를 들면 도 1, 도 12 및 도 14에서 설명한 전송 장치)는 부호화된 포인트 클라우드 데이터를 비트스트림의 형태로 전송할 수 있다. 비트스트림은 포인트 클라우드 데이터(또는 포인트 클라우드 프레임)의 표현을 형성하는 비트들의 시퀀스이다.
포인트 클라우드 데이터(또는 포인트 클라우드 프레임)은 타일들 및 슬라이스들로 분할될 수 있다.
포인트 클라우드 데이터는 멀티플 슬라이스들(multiple slices)로 분할(partition)될 수 있으며, 비트스트림 내에서 인코드된다. 하나의 슬라이스는 포인트들의 집합으로, 인코드된 포인트 클라우드 데이터의 전체 또는 부분을 나타내는 신텍스 엘레먼트의 시리즈들로 표현된다. 하나의 슬라이스들은 다른 슬라이스들에 대하여 의존성을 가질 수도 있고 가지지 않을 수도 있다. 또한 하나의 슬라이스는 하나의 지오메트리 데이터 유닛(geometry data unit)을 포함하며, 하나 이상의 어트리뷰트 데이터 유닛(attribute data unit)들을 가질 수도 있고, 가지지 않을 수도 있다(zero attribute data unit). 상술한 바와 같이 어트리뷰트 인코딩은 지오메트리 인코딩을 기반으로 수행되므로 어트리뷰트 데이터 유닛은 동일한 슬라이스 내의 지오메트리 데이터 유닛에 기반한다. 즉, 포인트 클라우드 데이터 수신 장치(예를 들면 예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 디코드된 지오메트리 데이터를 기반으로 어트리뷰트 데이터를 처리할 수 있다. 따라서 슬라이스 내에서 지오메트리 데이터 유닛은 반드시 연관된 어트리뷰트 데이터 유닛들보다 먼저 나타난다. 슬라이스 내의 데이터 유닛들은 반드시 연속적이며, 슬라이스들간의 순서는 특정되지 않는다.
타일(tile)은 바운딩 박스(예를 들면 도 5에서 설명한 바운딩 박스)내의 직사각형 직육면체(3차원)이다. 바운딩 박스는 하나 또는 그 이상의 타일들을 포함할 수 있다. 하나의 타일은 다른 타일과 전부 또는 일부 오버랩될 수 있다. 하나의 타일은 하나 또는 그 이상의 슬라이스들을 포함할 수 있다.
따라서 포인트 클라우드 데이터 송신 장치는 중요도에 따라 타일에 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 비트스트림은 시그널링 정보 및 복수 개의 슬라이스들 (slice 0, …, slice n)을 포함한다. 도면에 도시된 바와 같이 시그널링 정보는 비트스트림 내에서 슬라이스들보다 먼저 나타난다. 따라서 포인트 클라우드 데이터 수신 장치는 시그널링 정보를 먼저 확보하고, 시그널링 정보를 기반으로 복수개의 슬라이스들을 순차적으로 또는 선택적으로 처리할 수 있다. 도면에 도시된 바와 같이 슬라이스 0(slice0)는 하나의 지오메트리 데이터 유닛(Geom0 0) 및 두 개의 어트리뷰트 데이터 유닛들(Attr0 0, Attr1 0)을 포함한다. 또한 지오메트리 데이터 유닛은 동일한 슬라이스 내에서 어트리뷰트 데이터 유닛보다 먼저 나타난다. 따라서 포인트 클라우드 데이터 수신 장치는 지오메트리 데이터 유닛(또는 지오메트리 데이터)를 먼저 처리(디코드)하고, 처리된 지오메트리 데이터를 기반으로 어트리뷰트 데이터 유닛(또는 어트리뷰트 데이터)를 처리한다. 실시예들에 따른 시그널링 정보는 시그널링 데이터, 메타데이터 등으로 호칭 가능하며, 예시에 국한되지 않는다.
실시예들에 따른 시그널링 정보는 SPS(Sequence Parameter Set), GPS (Geometry Parameter set) 및 하나 또는 그 이상의 APS(Attribute Parameter Set)들을 포함한다. SPS는 프로파일, 레벨 등 시퀀스 전체에 대한 인코딩 정보로서, 픽처 해상도, 비디오 포멧 등 시퀀스 전체에 대한 포괄적인 정보(시퀀스 레벨)를 포함할 수 있다. GPS는 시퀀스(비트스트림) 내에 포함된 지오메트리에 적용된 지오메트리 인코딩에 대한 정보이다. GPS는 옥트리 (예를 들면 도 6에서 설명한 옥트리)에 대한 정보, 옥트리 뎁스에 대한 정보 등을 포함할 수 있다. APS는 시퀀스(비트스트림)내 포함된 어트리뷰트에 적용된 어트리뷰트 인코딩에 대한 정보이다. 도면에 도시된 바와 같이 비트스트림은 어트리뷰트를 식별하는 식별자에 따라 하나 또는 그 이상의 APS(예를 들면 도면에 도시된 APS0, APS1..)를 포함한다.
실시예들에 따른 시그널링 정보는 타일에 대한 정보(예를 들면 tile inventory, 타일 파라미터 세트(tile parameter set))를 더 포함할 수 있다. 타일에 대한 정보는 타일 식별자, 타일 크기 등에 대한 정보를 포함할 수 있다. 실시예들에 따른 시그널링 정보는 시퀀스, 즉 비트스트림 레벨의 정보로서, 해당 비트스트림에 적용된다. 또한 시그널링 정보는 신택스 엘레멘트 (syntax element) 및 이를 설명하는 디스크립터(Descriptor)를 포함하는 신택스 구조를 갖는다. 신택스를 설명하기 위하여 수도 코드 (pseudo code)가 사용될 수 있다. 또한 포인트 클라우드 수신 장치(예를 들면 도 1의 수신 장치(10004), 도 10 및 도 11의 포인트 클라우드 디코더, 도 13의 수신 장치)는 신택스 내에서 나타나는 신택스 엘레멘트를 순차적으로 파싱하여 처리할 수 있다.
도면에 도시되지 않았으나 실시예들에 따른 지오메트리 데이터 유닛 및 어트리뷰트 데이터 유닛은 각각 지오메트리 헤더 및 어트리뷰트 헤더를 포함한다. 실시예들에 따른 지오메트리 헤더 및 어트리뷰트 헤더는 해당 슬라이스 레벨에서 적용되는 시그널링 정보로서 상술한 신택스 구조를 갖는다.
실시예들에 따른 지오메트리 헤더는 해당 지오메트리 데이터 유닛을 처리하기 위한 정보(또는 시그널링 정보)를 포함한다. 따라서 지오메트리 헤더는 해당 지오메트리 데이터 유닛 내에서 가장 먼저 나타난다. 포인트 클라우드 수신 장치는 지오메트리 헤더를 먼저 파싱하여 지오메트리 데이터 유닛을 처리할 수 있다. 지오메트리 헤더는 전체 지오메트리에 대한 정보를 포함하는 GPS와 연관관계를 갖는다. 따라서 지오메트리 헤더는 GPS에 포함된 gps_geom_parameter_set_id를 특정하는 정보를 포함한다. 또한 지오메트리 헤더는 지오메트리 데이터 유닛이 속한 슬라이스와 관련된 타일 정보(예를 들면 tile_id), 타일 식별자 등을 포함한다.
실시예들에 따른 어트리뷰트 헤더는 해당 어트리뷰트 데이터 유닛을 처리하기 위한 정보(또는 시그널링 정보)를 포함한다. 따라서 어트리뷰트 헤더는 해당 어트리뷰트 데이터 유닛 내에서 가장 먼저 나타난다. 포인트 클라우드 수신 장치는 어트리뷰트 헤더를 먼저 파싱하여 어트리뷰트 데이터 유닛을 처리할 수 있다. 어트리뷰트 헤더는 전체 어트리뷰트에 대한 정보를 포함하는 APS와 연관돤계를 갖는다. 따라서 어트리뷰트 헤더는 APS에 포함된 aps_attr_parameter_set_id을 특정하는 정보를 포함한다. 상술한 바와 같이 어트리뷰트 디코딩은 지오메트리 디코딩에 기반하므로, 어트리뷰트 헤더는 해당 어트리뷰트 데이터 유닛과 연관된 지오메트리 데이터 유닛을 확정하기 위하여, 지오메트리 헤더 내 포함된 슬라이스 식별자를 특정하는 정보 등을 포함한다.
포인트 클라우드 전송 장치가 도 15 내지 도 25에서 설명한 PU 분할을 수행하는 경우 비트스트림 내 시그널링 정보는 PU 분할과 관련된 시그널링 정보(예를 들면 상술한 인터 프레딕션 적용 여부, 분할 모드, 분할 모드 결정 방법에 관한 정보 등)를 더 포함할 수 있다. 실시예들에 따른 프로젝션과 관련된 시그널링 정보는 시퀀스 레벨의 시그널링 정보(예를 들면 SPS, APS 등)에 포함되거나, 슬라이스 레벨(예를 들면 어트리뷰트 헤더 등), SEI message 등에 포함될 수 있다. 실시예들에 따른 포인트 클라우드 수신 장치는 PU 분할과 관련된 시그널링 정보를 기반으로 역프로젝션을 포함하는 디코딩을 수행할 수 있다.
실시예들에 따른 PU 분할과 관련된 시그널링 정보는 다양한 레벨(예를 들면 시퀀스 레벨, 슬라이스 레벨 등)의 시그널링 정보에 포함될 수 있다. PU 분할과 관련된 시그널링 정보는 포인트 클라우드 수신 장치(예를 들면 도 1의 수신 장치(10004), 도 10 및 도 11의 포인트 클라우드 디코더, 도 13의 수신 장치)로 전송된다.
도 26은 PU 분할과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 26은 SPS의 신택스 구조로서, PU 분할과 관련된 시그널링 정보가 시퀀스 레벨의 SPS에 포함된 예시를 나타낸다.
pu_coding_flag: PU로 인터 프레딕션 (inter prediction)이 되는지 여부를 나타낸다. pu_coding_flag의 값이 참(true)이면 PU 단위로 인터 프레딕션이 수행됨을 나타내고, 거짓 (false)이면 PU 단위로 인터 프레딕션이 수행되지 않음을 나타낸다.
frame_pu_split_flag: 프레임 전체를 PU로 분할하여 인터 프레딕션을 하는지 여부를 나타낸다. frame_pu_split_flag의 값이 참(true)이면 프레임 전체를 PU로 분할하고, 거짓(false)이면 슬라이스 레벨 또는 특정 옥트리 레벨에서 PU 분할을 수행한다.
split_pu_initial_criteria: 3개의 축들 중 어떤 축을 기준으로 분할을 먼저 시작하는지 여부를 나타낸다. 특정 값에 따른 기준이 되는 축은 다음과 같다.
split_pu_initial_criteria Description
0 Width (폭)
1 Height (높이)
2 Depth (깊이)
3-7 reserved
왼쪽 열은 split_pu_initial_criteria의 값을 나타내고, 오른쪽 열은 split_pu_initial_criteria의 값에 따라 기준이 되는 축(또는 전체 프레임에 대응하는 바운딩 박스 또는 특정 옥트리 레벨에 대응하는 바운딩 박스의 폭, 높이, 깊이)를 각각 나타낸다. 실시예들에 따른 split_pu_initial_criteria의 값은 변경가능하다.
split_pu_criteria_update_flag: 추가 분할 (다음 레벨의 분할)을 위한 기준이 되는 축을 새롭게 찾는지 여부를 나타낸다. split_pu_criteria_update_flag의 값이 참(true)이면 추가 분할의 기준을 위한 새로운 축을 찾고, 거짓(false)이면 현재 기준인 축을 계속 사용한다.
split_pu_threshold : 기준 축을 찾거나 추가 split을 할 때 새로운 기준축을 결정하는 경우에 하나 이상의 기준축의 length의 차이가 threshold보다 작은 경우 동일한 방법으로 split 하거나 유지 하고 나머지 축에 대해 split한다. 해당 값은 미리 지정된다.
initial_split_mode : PU 분할 형태 또는 모드를 나타낸다. initial_split_mode의 값에 따른 모드는 다음과 같다.
initial_split_mode Description
0 None
1 1:1
2 1:3
3 3:1
4 1:2:1
5-8 reserved
왼쪽 열은 initial_split_mode 의 값을 나타내고, 오른쪽 열은 initial_split_mode 의 값에 따른 도 19 내지 도 22에서 설명한 분할 모드에 대응하는 Sub PU 들의 크기 차이를 나타내는 비율을 나타낸다. 예를 들어, initial_split_mode의 값이 0이면 도 19 내지 도 22에서 설명한 Mode 0에 따른 분할 모드 즉, 분할되지 않음을 나타낸다. 또한 initial_split_mode의 값이 1이면 도 19에서 설명한 Mode 1에 따른 분할 모드에 따른 1:1을 나타낼 수 있다. 실시예들에 따라 initial_split_mode 의 각 값이 나타내는 분할 모드는 변경될 수 있고, 표현 방식은 본 예시에 국한되지 않는다.
initial_length_width, initial_length_height, initial_length_depth: PU분할의 각 축 프레임에서 전체 데이터 분포를 나타내는 변수로서 길이 또는 데이터 분포 또는 범위(range)를 의미한다.
initial_length_width는 width 방향으로 분포된 데이터의 범위(max - min)를 나타내고, initial_length_height는 height 방향으로 분포된 데이터의 범위(max - min)를 나타내고, initial_length_depth는 depth 방향으로 분포된 데이터의 범위(max - min)를 나타낸다. 해당 값은 데이터 분포를 계산하고 비교할 수 있는 어떤 값이라도 대신할 수 있다.
split_pu_max_node_size : 슬라이스 단위 또는 옥트리 구조의 특정 레벨(또는 레벨에 대응하는 노드)에서 PU 분할(PU split)이 수행되는 경우 가장 큰 PU의 크기를 나타낸다.
max_split_pu_level: PU 분할의 최대 횟수를 나타낸다. max_split_pu_level의 값은 전체 포인트들의 개수에 따라 적응적으로 변경되거나, 미리 입력되어 결정될 수 있다.
실시예들에 따른 SPS 신택스는 위 예시에 국한되지 않으며 추가적인 엘레멘트들을 더 포함하거나 시그널링의 효율성을 위해 도면에 도시된 일부 엘레멘트들을 포함하지 않을 수 있다. 일부 엘레멘트들은 SPS가 아닌 다른 시그널링 정보(예를 들면 APS, 어트리뷰트 헤더 등) 또는 어트리뷰트 데이터 유닛을 통해 시그널될 수 있다.
도 27은 PU 분할과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 27은 타일 파라미터 세트의 신택스 구조로서, PU 분할과 관련된 시그널링 정보가 타일 레벨의 타일 파라미터 세트에 포함된 예시를 나타낸다. PU 분할과 관련된 시그널링 정보에 대한 설명은 도 26에서 설명한 바와 동일하므로 생략한다. 실시예들에 따른 타일 파라미터 세트 신택스는 위 예시에 국한되지 않으며 추가적인 엘레멘트들을 더 포함하거나 시그널링의 효율성을 위해 도면에 도시된 일부 엘레멘트들을 포함하지 않을 수 있다. 일부 엘레멘트들은 타일 파라미터 세트가 아닌 다른 시그널링 정보(예를 들면 APS, 어트리뷰트 헤더 등) 또는 어트리뷰트 데이터 유닛을 통해 시그널될 수 있다.
도 28은 PU 분할과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 28은 GPS의 신택스 구조로서, PU 분할과 관련된 시그널링 정보가 시퀀스 레벨의 GPS에 포함된 예시를 나타낸다. PU 분할과 관련된 시그널링 정보에 대한 설명은 도 26에서 설명한 바와 동일하므로 생략한다. 실시예들에 따른 GPS신택스는 위 예시에 국한되지 않으며 추가적인 엘레멘트들을 더 포함하거나 시그널링의 효율성을 위해 도면에 도시된 일부 엘레멘트들을 포함하지 않을 수 있다. 일부 엘레멘트들은 GPS가 아닌 다른 시그널링 정보(예를 들면 APS, 어트리뷰트 헤더 등) 또는 어트리뷰트 데이터 유닛을 통해 시그널될 수 있다.
도 29는 PU 분할과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 29는 APS의 신택스 구조로서, PU 분할과 관련된 시그널링 정보가 시퀀스 레벨의 APS 에 포함된 예시를 나타낸다. PU 분할과 관련된 시그널링 정보에 대한 설명은 도 26에서 설명한 바와 동일하므로 생략한다. 실시예들에 따른GPS신택스는 위 예시에 국한되지 않으며 추가적인 엘레멘트들을 더 포함하거나 시그널링의 효율성을 위해 도면에 도시된 일부 엘레멘트들을 포함하지 않을 수 있다. 일부 엘레멘트들은 APS가 아닌 다른 시그널링 정보, 예를 들면 지오메트리 슬라이스 데이터 유닛을 통해 시그널될 수 있다.
도 30은 PU 분할과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 30은 지오메트리 슬라이스 헤더의 신택스 구조로서, PU 분할과 관련된 시그널링 정보가 슬라이스 레벨의 지오메트리 슬라이스 헤더에 포함된 예시를 나타낸다. PU 분할과 관련된 시그널링 정보에 대한 설명은 도 26에서 설명한 바와 동일하므로 생략한다. 실시예들에 따른 지오메트리 슬라이스 헤더 신택스는 위 예시에 국한되지 않으며 추가적인 엘레멘트들을 더 포함하거나 시그널링의 효율성을 위해 도면에 도시된 일부 엘레멘트들을 포함하지 않을 수 있다. 일부 엘레멘트들은 지오메트리 슬라이스 헤더가 아닌 다른 시그널링 정보, 예를 들면 지오메트리 슬라이스 데이터 유닛을 통해 시그널될 수 있다.
도 31은 PU 분할과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 31은 지오메트리 슬라이스 데이터의 신택스 구조로서, PU 분할과 관련된 시그널링 정보가 슬라이스 레벨의 지오메트리 슬라이스 데이터에 포함된 예시를 나타낸다. PU 분할과 관련된 시그널링 정보에 대한 설명은 도 26에서 설명한 바와 동일하므로 생략한다. 실시예들에 따른 지오메트리 슬라이스 데이터의 신택스는 위 예시에 국한되지 않으며 추가적인 엘레멘트들을 더 포함하거나 시그널링의 효율성을 위해 도면에 도시된 일부 엘레멘트들을 포함하지 않을 수 있다. 일부 엘레멘트들은 지오메트리 슬라이스 데이터가 아닌 다른 시그널링 정보(예를 들면 어트리뷰트 헤더 등) 또는 어트리뷰트 데이터 유닛을 통해 시그널될 수 있다.
도 32는 실시예들에 따른 포인트 클라우드 처리 방법을 나타내는 플로우 다이어그램이다.
도 32의 플로우 다이어그램(3200)은 도 15 내지 도 31에서 설명한 PU 분할을 수행하는 포인트 클라우드 데이터 처리 장치 (예를 들면 도 1 내지 도 14에서 설명한 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 인코더, 지오메트리 인코더 등)의 처리 방법을 나타낸다. 도면에 도시된 포인트 클라우드 처리 방법은 도 17 및 도 24 내지 도 25에서 설명한 분할 모드 결정 방법을 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 처리 장치(예를 들면 지오메트리 인코더)는 포인트 클라우드 데이터를 입력 받고 입력된 포인트 클라우드 데이터의 지오메트리에 대하여 압축 처리를 용이하게 하기 위해 데이터 양자화 및 복셀라이제이션(data quantization/voxelization)을 수행한다(3210). 복셀화된 지오메트리는 옥트리 구조를 갖는다.
실시예들에 따른 지오메트리 인코더는 도 4에서 설명한 좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005) 중 적어도 어느 하나 이상을 포함할 수 있다. 실시예들에 따른 지오메트리 인코더는 도 12에서 설명한 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) 중 적어도 어느 하나 이상을 포함할 수 있다. 또한 지오메트리 인코더는 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.
실시예들에 따른 포인트 클라우드 데이터 처리 장치(예를 들면 지오메트리 인코더)는 도 15 내지 도 31에서 설명한 PU 분할을 수행한다(3220). 실시예들에 따른 PU 분할 과정은 도 17 및 도 24 내지 도 25에서 설명한 분할 모드 결정 방법과 동일 또는 유사하다. 또한 실시예들에 따른 PU 분할 과정(3220)은 도 1 내지 도 15에서 설명한 지오메트리 인코딩 과정에 포함된다. 실시예들에 따른 PU 분할 과정(3220)은 다음의 과정을 포함한다. 포인트 클라우드 데이터 처리 장치는 전체 프레임 또는 옥트리 구조의 특정 노드 사이즈에 대해 PU 분할을 수행할지 결정하고PU 분할 범위(PU split range, search range)를 결정하면 해당 영역에서 포인트 클라우드 데이터의 분포 특성을 파악하고 어떤 축을 기준으로 분할을 수행할지를 결정할 수 있다(determine PU split range (search range) and axis(axes)(3221). PU 분할과 관련된 정보는 비트스트림을 통해 시퀀스 레벨, 타일 레벨 등 다양한 레벨에서 시그널될 수 있으며, PU 분할과 관련된 정보는 도 26 내지 도 31에서 설명한 바와 동일하므로 설명은 생략한다. 포인트 클라우드 데이터 처리 장치는 분할 기준이 되는 축을 결정하면 도 17내지 도 24에서 설명한 분할 모드(예를 들면 Mode 0, Mode 1, Mode 2등)에 따라 분할될 경우의 코스트(cost)를 모드 별로 계산하여 코스트가 가장 낮은 베스트 모드 검색(best split mode search)하고 분할을 수행한다(3222). 포인트 클라우드 데이터 처리 장치는 분할된 각sub PU에 대하여 컴포넌트 별 모션 에스티메이션(motion estimation)을 수행하고(3223), 모션 에스테메이션이 완료되면 각 sub PU에 대하여 추가 분할(추가 split)을 할지 여부를 결정한다(3224). 포인트 클라우드 데이터 처리 장치는 추가 분할을 수행될 수도 있고 수행되지 않을 수도 있다. 만약 추가 분할이 수행되면 포인트 클라우드 데이터 처리 장치는 점선 처리 된 화살표에 따라 다시 PU 분할 범위를 결정하고 해당 영역에서 포인트 클라우드 데이터의 분포 특성을 파악하고 어떤 축을 기준으로 분할을 수행할지를 결정할 수 있다. 포인트 클라우드 데이터 처리 장치는 PU 별로 모션 에스티메이션이 완료되면 획득한 MV를 이용하여 모션 보상 (Motion compensation)을 수행하고(3230), 재구성된 지오메트리 (또는 재구성된 포인트 클라우드 데이터)를 이용하여 어트리뷰트 인코딩을 수행한다(3240). 어트리뷰트 인코딩은 원본 데이터와 예측된 데이터 사이의 레지듀얼을 변환(transform), 양자화(quantization) 및 엔트로피 코딩(entropy coding)하여 부호화할 수 있다.
도 15 내지 도 31에서 설명한 PU 분할 과정은 어트리뷰트 인코딩에 적용될 수 있다. 실시예들에 따른 베스트 모드는 포인트들간의 거리가 아니라 검색 범위(search range)내에 존재하는 포인트의 어트리뷰트 값을 기반으로 계산된 코스트에 기반하여 결정된다. 도면에 도시된 각 단계에 해당하는 처리 방법은 순차적으로 수행될 수 있으나 적어도 하나 이상 단계는 동시에 함께 수행될 수 있으며, 처리 순서 역시 변경 될 수 있다.
도 33은 실시예들에 따른 포인트 클라우드 처리 방법을 나타내는 플로우 다이어그램이다.
도 33의 플로우 다이어그램(3300)은 도 15 내지 도 31에서 설명한 PU 분할을 수행하는 포인트 클라우드 데이터 처리 장치 (예를 들면 도 1 내지 도 14에서 설명한 포인트 클라우드 데이터 수신 장치, 포인트 클라우드 디코더, 지오메트리 디코더, 어트리뷰트 디코더 등)의 처리 방법을 나타낸다. 도면에 도시된 포인트 클라우드 처리 방법은 도 17 및 도 24 내지 도 25에서 설명한 분할 모드 결정 방법을 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 처리 장치(예를 들면 지오메트리 디코더)는 수신한 비트스트림에 포함된 지오메트리에 대하여 엔트로피 디코딩을 수행하고(3310), 역양자화(dequantization)(3330) 및 역변환 (inverse transformation)을 수행하여(3340) 각 포인트에 대한 예측 에러인 레지듀얼(residual)을 복원할 수 있다.
실시예들에 따른 지오메트리 디코더는 도 12에서 설명한 아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005) 중 적어도 어느 하나 이상을 포함할 수 있다. 지오메트리 디코더는 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.
포인트 클라우드 데이터 처리 장치(예를 들면 지오메트리 디코더)는 각 PU에 대하여 시그널링되는 MV(Motion Vector) 정보(또는 MV)를 확보하고 현재 프레임의 PU 범위 (PU range)에 있는 포인트 값을 예측(prediction)할 수 있다(3320). 포인트 클라우드 데이터 처리 장치는 예측된 포인트 값과 복원된 레지듀얼을 합산되어 재구성된 포인트 클라우드 지오메트리(point cloud geometry, 또는 복원된 지오메트리)를 출력하고 프레임 메모리(frame memory)에 저장한다(3350). 저장된 재구성된 포인트 클라우드 지오메트리는 다음 프레임의 PU 범위 내에 있는 데이터 예측을 위해 사용된다. 지오메트리의 복원이 모두 완료되면 복원된 지오메트리가 나타내는 포인트의 위치에 어트리뷰트를 포함시키기 위하여 포인트 클라우드 데이터 처리 장치는 어트리뷰트(예를 들면 색상 등)를 역변환(inverse transform colors)할 수 있다(3360). 복원된 지오메트리 및 어트리뷰트를 기반으로 재구성된 포인트 클라우드 콘텐트(reconstructed point cloud contents)는 렌더러로 전달된다. 도면에 도시된 각 단계에 해당하는 처리 방법은 순차적으로 수행될 수 있으나 적어도 하나 이상 단계는 동시에 함께 수행될 수 있으며, 처리 순서 역시 변경될 수 있다.
도 1 내지 도 33에서 설명한 포인트 클라우드 데이터 처리 장치는 하나 이상의 프레임들을 갖는 포인트 클라우드 데이터의 압축 효율을 높이기 위하여 PU를 이용한 인터 프레딕션 수행을 할 때 동일 또는 유사한 MV를 갖는 PU들 간의 리스트를 생성하여 복수개의 PU들의 MV 시그널링을 단일 MV 정보를 사용하여 수행할 수 있다. 상술한 바와 같이 PU는 옥트리 구조를 기반으로 생성될 수 있다. 하지만 포인트 클라우드 콘텐트를 구성하는 데이터의 분포, 특성등을 고려하지 않고 분할된 옥트리 노드를 부호화 및 복호화 하는 경우 포인트 클라우드 콘텐트의 오브젝트(object)를 고려하지 않고 PU가 분할될 수 있으며, 각 PU 마다 MV 정보를 시그널링 해야만 한다. 따라서 동일한 MV가 예측되는 경우에도 각 PU 마다 MV 정보를 시그널링 해야 하므로 불필요한 시그널링 정보가 사용된다. 뿐만 아니라 PU가 옥트리 구조가 아닌 다른 분할 (예를 들면 binary tree, quadtree 등)으로 분할되는 경우 동일한 MV를 갖는PU간 병합(merge)을 위한 시그널링 정보가 존재하지 않아 압축 효율 및 신속한 데이터 처리를 저해할 수 있다.
따라서 실시예들에 따른 포인트 클라우드 데이터 처리 장치는 PU 분할 방법과 관계없이 동일한 MV를 갖는 하나 또는 그 이상의 인접한 PU들이 존재하는 경우, 해당 PU들을 병합(merge 또는 grouping)하여 병합된 PU들을 대표하는 하나의 MV만 시그널링하여 코딩 효율을 높일 수 있다. 실시예들에 따라 병합된 PU들을 대표하는 하나의 MV는 MMV(Merged Motion Vector)로 호칭될 수 있다. 또한 포인트 클라우드 데이터 처리 장치는 오브젝트를 구성하는 PU(정형화된 PU 또는 비정형화된 PU)들을 병합하여 프레임 간의 오브젝트 단위의 하나의 MV를 정의할 수 있다. 실시예들에 따른 병합되는 PU들의 인덱스들은 병합 PU 리스트, 또는 병합 리스트에 등록된다. 실시예들에 따른 병합 리스트는 MMV_list로 표현된다. 실시예들에 따른 병합 PU 리스트의 개수는 하나 또는 그 이상이고, 각 PU 리스트는 오브젝트를 구성하는 PU들의 집합에 대응한다. 또한 각 병합 리스트는 하나 이상의 프레임에 참조될 수 있다. 실시예들에 따른 병합 리스트에 대한 정보 및 MMV는 상술한 비트스트림을 통해 시그널되는 PU 병합과 관련된 시그널링 정보를 통하여 포인트 클라우드 디코더로 전송된다. 실시예들에 따른 포인트 클라우드 디코더(또는 도 10에서 설명한 지오메트리 디코더)는 비트스트림으로부터 PU 병합과 관련된 시그널링 정보를 확보하여 MMV를 이용하여 인터 프레딕션(인터 예측)을 수행할 수 있다.
도 34는 실시예들에 따른 PU 병합부의 예시를 나타낸다.
도 34에 도시된 PU 병합부(Merge)(3400)는 도 1 내지 도 14에서 설명한 포인트 클라우드 송신 장치, 또는 포인트 클라우드 인코더에 포함되며, PU들을 생성하고 병합(merge)할 수 있다. 또한 도 34에 도시된 PU 병합부(3400)는 지오메트리 인코더에 포함될 수 있다. 지오메트리 인코더는 포인트 클라우드 인코더에 포함된다.
실시예들에 따른 지오메트리 인코더는 도 4에서 설명한 좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005) 중 적어도 어느 하나 이상을 포함할 수 있다. 실시예들에 따른 지오메트리 인코더는 도 12에서 설명한 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) 중 적어도 어느 하나 이상을 포함할 수 있다. 또한 지오메트리 인코더는 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.
PU 병합부(3400)는 PU 분할부(PU split) (3410), 모션 벡터 에스티메이션(Motion Vector Estimation) 처리부(3420), 모션 벡터 비교부(Motion Vector Comparison)(3430) 및 병합(Merge) 결정부(3440)을 포함한다. 도 34는 PU 병합부(3400)의 예시로서, 구성요소의 순서는 변경될 수 있으며, PU 병합부(3400)는 하드웨어, 소프트웨어, 프로세스 또는 이들의 조합에 대응할 수 있다.
PU 분할부 (3410)는 기설정된 PU 형태에 따라 포인트 클라우드 데이터를 분할할 수 있다. 또한 PU 분할부(3410)는 도 15 내지 도 33에서 설명한 PU 분할 방식을 수행할 수 있다.
모션 벡터 에스티메이션 처리부(3420)(예를 들면 도 17에서 설명한 모션 에스티메이션 처리부(1730))는 인터 프레딕션을 위해 기설정된 방법(예를 들면 포인트 클라우드 인코더 및 포인트 클라우드 디코더에서 기설정된 방법)에 따라 모션 에스티메이션(또는 모션 벡터 에스티메이션)을 수행한다. 모션 벡터 에스티메이션에 따라 추출된 MV, 추가 분할 및/또는 스킵(skip)을 결정하기 위한 코스트 값은 도면에 도시되지 않았으나 sub PU 분할 결정부(예를 들면 도 17에서 설명한 sub PU 분할 결정부(1740))로 전달된다. Sub PU 분할 결정부는 모션 벡터 에스티메이션에 따라 추출된 MV를 적용하였을 때의 코스트를 확인하고 코스트에 따라 sub PU로 추가 분할을 할지 또는 스킵을 할지 결정한다. 추가 분할을 수행하는 경우, PU 분할부(3410)로 해당 정보를 전달하고 PU 분할부(3410)는 재귀적으로 다시 분할을 위한 동작을 수행한다.
모션 벡터 비교부(3430)는 각 PU 및 sub PU 마다 결정된 MV를 비교하기 위하여 비교 대상이 되는 이웃 PU(Neighbor PU) 간의 MV 차이를 계산하여 MV 차이값(MVD, Motion Vector Difference)를 계산한다.
병합 결정부(3440)는 계산된 MV 차이값과 기설정된 판단 기준을 기반으로 병합할 PU들을 선정(결정)할 수 있다.
도 35는 이웃 PU의 예시를 나타낸다.
도 35는 도 34에서 설명한 병합(merge)를 위한 이웃 PU들의 예시를 나타낸다. 도면 좌측에 도시된 예시(3500)는 현재 PU(Current PU, CPU)(3510)에 대한 10개의 이웃 PU들(현재 PU(3510)주변의 색처리된 블록들)을 나타내며, 도면 우측에 도시된 예시(3520)는 현재 PU에 대한 26개의 이웃 PU들을 나타낸다. 즉 실시예들에 따른 이웃 PU는 현재 PU와 동일한 옥트리 구조 뎁스의 노드에 대응하거나 부모 노드에 대응하는 PU로 정의될 수 있다. 또는 PU가 직육면체 형태일 때, 이웃 PU는 현재 PU와 꼭지점(vertex) 또는 모서리(엣지, edge)를 적어도 하나 이상 공유하는PU로 정의될 수 있다. 실시예들에 따른 이웃 PU의 베스트 MV 간의 거리를 계산하여 역치값(threshold) 보다 작거나 이웃 PU의 베스트 MV에 대하 RDO계산하여 역치값 보다 작거나 이웃 PU의 베스트 MV가 완전히 동일한 경우, 이웃 PU는 병합(merge)의 대상이 된다. 실시예들에 따른 이웃 PU들은 병합을 위한 후보 PU(Candidate PU)로 호칭될 수 있다.
도 36은 이웃 PU의 예시를 나타낸다.
도 36의 예시(3600)는 도 35에서 설명한 현재 PU(3510)주변의 이웃 PU들 중 병합 대상이 되는 이웃 PU들(도 35에서 설명한 현재 PU(3510)주변 즉, 도면의 가운데 위치한 블록의 주변 색처리된 블록들)의 예시를 나타낸다. 도 35에서 설명한 바와 같이 부모 노드에서 특정 노드에 대응하는 PU가 병합 기준에 부합하여 병합 대상이 되거나 도면에 도시된 바와 같이 이웃 노드로서 병합 대상이 되더라도, 자식 노드의 깊이(depth) 또는 현재 PU에 대응하는 노드와 동일한 깊이(depth)일 때 현재 PU와 이웃하지 않는 PU만 존재한다면 병합의 대상에서 제외된다. 또한 실시예들에 따른 포인트 클라우드 데이터 처리 장치는 형제 오큐판시 정보(sibling occupancy)를 활용하거나 PU 인덱스 정보를 활용하여 현재 PU 주위에 해당하는 PU 인덱스 정보를 기반으로 현재 PU와 면을 공유하는 이웃 PU만을 병합의 대상으로 결정할 수 있다.
도 37은 PU 인덱스 할당의 예시를 나타낸다.
실시예들에 따른 PU 인덱스는 CC0부터 CC7까지의 순서로 순차적으로 할당될 수도 있고 기설정된 시스템 설정, 몰톤 코드 정렬 순서 그외 정렬 순서 등에 따라 할당될 수 있으며 본 예시에 국한되지 않는다.
도 38은 이웃 PU의 예시를 나타낸다.
도 38은 현재 PU(3810)와 병합할 대상인 6개의 이웃 PU들의 예시(3800)을 나타낸다. 포인트 클라우드 데이터 처리 장치(예를 들면 도 34에서 설명한 병합 결정부(3440))는 도 35 내지 도 37에서 설명한 바와 같이 현재 PU(3810)과 면을 공유하고 MV가 존재하는 PU가 선정되면, 각 PU마다 결정된 베스트 MV를 현재 노드의 MV와 비교하여 병합(merge)할 대상을 선정한다. 포인트 클라우드 데이터 처리 장치는 순차적으로 MV를 비교하여 비교결과를 업데이트하여 병합할 대상을 선정하거나, 모든 PU들에 대한 베스트 MV를 결정하고 결정된 베스트 MV들을 비교할 수 있다. 도 38에 도시된 예시는 모든 PU들에 대한 베스트 MV가 선정된 뒤 결정된 병합 대상을 나타낸다. 동일한 색처리된 PU들은 현재 PU(3810)보다 먼저 코딩된 이웃 PU이거나 현재 PU(3810)과 적어도 하나의 면을 공유하는 이웃 PU를 포함한다.
도 39는 실시예들에 따른 MV 비교 과정을 나타낸다.
도 39는 도 38에 도시된 이웃 PU의 예시(3800)에 대한 MV 비교 과정이다.
도 39의 좌측은 현재 PU(current PU)의 MV(CMV)와 모든 이웃 PU들의 MV를 비교하는 과정을 나타내는 예시(3900)이다. 실시예들에 따른 포인트 클라우드 데이터 처리 장치(또는 포인트 클라우드 인코더, 지오메트리 인코더)는 도 34에서 설명한 바와 같이 현재 PU의 MV(CMV)와 모션 벡터 병합 대상인 PU들의 MV(MVM)들과의 차이인 MVD(Motion Vector Difference)를 계산한다. 예를 들어 현재 PU에 이웃하는 이웃 PU가 6개인 경우, 이웃 PU의 인덱스 순서가 노드 검색 순서와 동일하다면, 포인트 클라우드 데이터 처리 장치는 해당 순서대로 일시적인 병합된 PU 인덱스 리스트 또는 어레이의 요소로 등록한다. 포인트 클라우드 데이터 처리 장치는 각 PU에서 찾은 베스트 MV(MVMci)를 현재 PU의 베스트 MV(CMV)와 비교하여 각각 MVD(예를 들면 CMV와 MVMc1간의 차이인 MVD1)을 계산한다. 포인트 클라우드 데이터 처리 장치는 계산된 6개의 MVD 들을 기설정된 기준 (예를 들면 MVD가 0과 같거나 혹은 MVD가 역치값(threshold)보다 작은 경우)에 따라 선택한다. MVD가 0이거나 역치값(threshold)보다 작은 경우 포인트 클라우드 데이터 처리 장치는 해당 PU를 병합할 PU로 선택한다.
도39의 우측은 비교 과정을 통해 선택된 4개의 이웃 PU들(MVMc1, MVMc2, MVMc3, MVMc6)을 나타내는 예시(3910)이다. 색처리된 원들은 선택된 4개의 이웃 PU들에 대응한다. 실시예들에 따른 포인트 클라우드 데이터 처리 장치는 선택된 이웃 PU의 인덱스를 시그널링 할 수 있으며, 병합할 PU 인덱스는 하나 또는 그 이상일 수 있다. 도면에 도시된 바와 같이 병합할 PU 인덱스가 하나 이상이면, 포인트 클라우드 데이터 처리 장치는 병합할 PU의 인덱스가 정렬(sorting) 또는 이웃 검색 순서대로 기록될 수 있도록 병합 리스트의 가장 마지막에 입력할 수 있다.
도 40은 병합 대상 PU의 예시 및 PU 리스트의 예시를 나타낸다.
도 40의 좌측에 도시된 예시(4000)는 도 39에서 설명한 바와 같이 MVD계산을 통해 선택된 병합인 4개의 이웃 PU들(MVMc1, MVMc2, MVMc3, MVMc6)과 현재 PU를 나타낸다.
도 40의 가운데에 도시된 예시(4010)는 병합할 PU들과 병합되지 않는 PU들의 MV들을 나타내며, 도 40의 우측에 도시된 리스트(4020)는 병합 리스트(MMV_list)의 예시이다. 실시예들에 따른 병합 리스트(4020)는 현재 PU의 인덱스(PU_index_current)와 4개의 PU들의 인덱스(PU_index_c1, PU_index_c2, PU_index_c3, PU_index_c6)들을 포함한다. 이와 같이 현재 PU의 인덱스와 4개의 PU들의 인덱스가 별도의 리스트 또는 어레이에 저장되면, 포인트 클라우드 데이터 처리 장치는 병합될 4개의 PU들의 MV들의 산술평균 또는 기하 평균 값을 산출하고 산출된 값을 병합된 4개의 PU들의 대표 값인 MMV(Merged Motion Vector)로 결정하거나 현재 PU의 MV 값을 MMV로 결정할 수 있다. 이 경우 포인트 클라우드 데이터 처리 장치는 현재 PU에 대해서만 MV를 시그널링하면 된다. 따라서 도면의 예시(4010)에 도시된 바와 같이 포인트 클라우드 데이터 처리 장치는 현재 PU와 6개의 이웃 PU들에 대한 총 7개의 MV들을 각각 시그널링 하지 않고, 현재 PU의 MV, 병합되지 않는 두개의 이웃 PU들 각각에 대한 MV들 (MVMv4, MVMc5)을 포함하여 총 3개의 MV들만을 시그널링 할 수 있다. 따라서 시그널링을 해야 하는 MV 개수가 감소하므로, 비트스트림 사이즈 및 인코딩 시간이 줄어들어 코딩 효율이 증가된다.
이후 이미 병합이 결정된 PU에 대하여 이웃 PU 검색을 통해 추가적으로 병합 대상 PU가 발견되면, 해당 PU의 인덱스는 코딩된 병합 리스트(MMV_list)의 마지막에 추가되어 병합이 결정된 모든PU들의 인덱스들은 병합 리스트(MMV_list) 또는 어레이에 중첩되지 않는다. 상술한 바와 같이 병합 리스트는 하나 또는 그 이상 존재할 수 있으며 병합 리스트의 개수는 MMV의 개수와 동일하다. 실시예들에 따라 두개 이상의 병합 리스트는 통합될 수도 있고, 하나의 병합 리스트가 분할될 수도 있다. 동일한 병합 리스트에 속한 PU 들은 오브젝트에 대한 PU 집합으로 설정될 수 있다. 또한 병합 리스트는 하나 또는 그 이상의 프레임들 간에 공유될 수 있다.
실시예들에 따른 PU 병합과 관련된 시그널링 정보는 다양한 레벨(예를 들면 시퀀스 레벨, 슬라이스 레벨 등)의 시그널링 정보에 포함될 수 있다. PU 병합과 관련된 시그널링 정보는 포인트 클라우드 수신 장치(예를 들면 도 1의 수신 장치(10004), 도 10 및 도 11의 포인트 클라우드 디코더, 도 13의 수신 장치)로 전송된다.
도 41은 PU 병합과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 41은 SPS의 신택스 구조로서, PU 병합과 관련된 시그널링 정보가 시퀀스 레벨의 SPS에 포함된 예시를 나타낸다.
MMV_flag: 각 PU의 베스트 MV를 찾고 MV간의 차이(MVD)를 계산하여 동일 또는 유사한 MV에 대해 하나의 MV, MMV(Merged Motion Vector)로 시그널링 하는지 여부를 나타낸다.
MMV_flag의 값이 참 (true)이면 동일 혹은 유사한 MV를 갖는 PU들에 대해 하나의 MMV만 시그널링 됨을 나타내고, 거짓(false)이면 동일 혹은 유사한 MV를 갖는 PU들을 통합하지 않음을 나타낸다. num_of_MMV_list: 하나의 슬라이스, 프레임 또는 전체 포인트 클라우드 콘텐트에 있는 MMV_list(병합 리스트)의 개수를 나타낸다.
num_MMV_list_component: MMV_list에 속한 PU 컴포넌트들의 개수를 나타낸다. 이 값은 슬라이스, 프레임 또는 전체 포인트 클라우드 콘텐트에 대해 병합 대상을 탐색할 때까지 변할 수 있다.
MMV: MMV_list 각각을 대표하는 MV를 나타낸다. MMV의 값은 (x,y,z), (azimuth, radius, laserID) 혹은 시스템이 요구하는 형식의 좌표 값으로 표현될 수 있다.
MMV_threshold: 병합할 PU인지 판단하기 위하여 계산한 MVD와 비교하는 역치값을 나타낸다. 완전히 동일한 MV만 병합 대상으로 선택하는 경우, MMV_threshold의 값은 0이 되고, 일부 값 보다 작은 MVD를 가지는 PU를 병합대상으로 선택하는 경우, MMV_threshold의 값은 0이 아닌 설정된 값이 될 수 있다. MMV_threshold 보다 MVD가 작은 경우 해당 PU의 인덱스는 MMV_list에 추가될 수 있다. MMV_threshold값은 미리 지정될 수도 있고, 시스템 상에서 유추하거나 계산될 수도 있다.
allow_use_next_frame: 다른 슬라이스, 타일 또는 프레임에 해당 MMV_list 참조 허용 여부를 판단하기 위한 플래그이다. allow_use_next_frame의 값이 참(True)인 경우 다른 프레임에 MMV_list 참조를 허용함을 나타내고, 거짓(False)인 경우 허용하지 않음을 나타낸다. 참조를 혀용하는 경우, 프레임에 대한 인코딩 및 디코딩 완료 후에도 해당 정보를 삭제하지 않고 다른 프레임의 인코딩/디코딩이 수행될때 전달한다.
core_PU_index: MMV_list를 구성할 때 리스트를 대표하는 PU 인덱스를 나타낸다. 만약 MMV_list를 대표하는 PU 인덱스가 MMV_list 가장 위에 위치할 경우 core_PU_index의 시그널링은 생략될 수 있다.
PU_position: 각 PU의 포지션을 시그널링 하기 위하여 PU의 위치를 나타낼 수 있는 기준 포지션을 나타낸다. 도 41의 우측에 도시된 예시(4100)은 PU 포지션의 좌표 정보가 (x,y,z)로 표현될 때 PU_position을 나타낸다. 실시예들에 따른 PU_position은 PU들 중 가장 원점에 가까운 값이 될 수도 있고, PU의 중심을 나타내는 포지션이 될 수도 있다. 좌표의 정보는 시스템의 요구에 따라 달라 질 수 있다.
PU_size: PU 포지션과 함께 시그널링 되는 정보로 PU의 크기를 나타낸다. PU_size는 PU의 너비, 높이, 깊이(width, height, depth)로 표현될 수 있다. 또한 PU의 형태에 따라 해당 정보는 달라질 수 있다.
PU_index: 각 PU를 지칭(식별)하기 위한 인덱스이다. 인덱스 할당 방법은 시스템에서 정의한 정렬 방법에 따라 변경될 수 있다.
MMV_residual: MMV_threshold가 0이 아닌 값으로 설정되었을 때 각 MV의 레지듀얼 값을 나타낸다. 데이터의 형태는 MMV 데이터의 설정에 따라 달라질 수 있다.
실시예들에 따른 SPS 신택스는 위 예시에 국한되지 않으며 추가적인 엘레멘트들을 더 포함하거나 시그널링의 효율성을 위해 도면에 도시된 일부 엘레멘트들을 포함하지 않을 수 있다. 일부 엘레멘트들은 SPS가 아닌 다른 시그널링 정보(예를 들면 APS, 어트리뷰트 헤더 등) 또는 어트리뷰트 데이터 유닛을 통해 시그널될 수 있다.
도 42는 PU 병합과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 42는 타일 파라미터 세트의 신택스 구조로서, PU 병합과 관련된 시그널링 정보가 타일 레벨의 타일 파라미터 세트에 포함된 예시를 나타낸다. PU 병합과 관련된 시그널링 정보에 대한 설명은 도 41에서 설명한 바와 동일하므로 생략한다. 실시예들에 따른 타일 파라미터 세트 신택스는 위 예시에 국한되지 않으며 추가적인 엘레멘트들을 더 포함하거나 시그널링의 효율성을 위해 도면에 도시된 일부 엘레멘트들을 포함하지 않을 수 있다. 일부 엘레멘트들은 타일 파라미터 세트가 아닌 다른 시그널링 정보(예를 들면 APS, 어트리뷰트 헤더 등) 또는 어트리뷰트 데이터 유닛을 통해 시그널될 수 있다.
도 43은 PU 병합과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 43은 GPS의 신택스 구조로서, PU 병합과 관련된 시그널링 정보가 시퀀스 레벨의 GPS에 포함된 예시를 나타낸다. PU 병합과 관련된 시그널링 정보에 대한 설명은 도 41에서 설명한 바와 동일하므로 생략한다. 실시예들에 따른 GPS신택스는 위 예시에 국한되지 않으며 추가적인 엘레멘트들을 더 포함하거나 시그널링의 효율성을 위해 도면에 도시된 일부 엘레멘트들을 포함하지 않을 수 있다. 일부 엘레멘트들은 GPS가 아닌 다른 시그널링 정보(예를 들면 APS, 어트리뷰트 헤더 등) 또는 어트리뷰트 데이터 유닛을 통해 시그널될 수 있다.
도 44는 PU 병합과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 44는 APS의 신택스 구조로서, PU 병합과 관련된 시그널링 정보가 시퀀스 레벨의 APS에 포함된 예시를 나타낸다. PU 병합과 관련된 시그널링 정보에 대한 설명은 도 41에서 설명한 바와 동일하므로 생략한다. 실시예들에 따른GPS신택스는 위 예시에 국한되지 않으며 추가적인 엘레멘트들을 더 포함하거나 시그널링의 효율성을 위해 도면에 도시된 일부 엘레멘트들을 포함하지 않을 수 있다. 일부 엘레멘트들은 APS가 아닌 다른 시그널링 정보, 예를 들면 지오메트리 슬라이스 데이터 유닛을 통해 시그널될 수 있다.
도 45는 PU 병합과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 45는 지오메트리 슬라이스 헤더의 신택스 구조로서, PU 병합과 관련된 시그널링 정보가 슬라이스 레벨의 지오메트리 슬라이스 헤더에 포함된 예시를 나타낸다. PU 병합과 관련된 시그널링 정보에 대한 설명은 도 41에서 설명한 바와 동일하므로 생략한다. 실시예들에 따른 지오메트리 슬라이스 헤더 신택스는 위 예시에 국한되지 않으며 추가적인 엘레멘트들을 더 포함하거나 시그널링의 효율성을 위해 도면에 도시된 일부 엘레멘트들을 포함하지 않을 수 있다. 일부 엘레멘트들은 지오메트리 슬라이스 헤더가 아닌 다른 시그널링 정보, 예를 들면 지오메트리 슬라이스 데이터 유닛을 통해 시그널될 수 있다.
도 46은 PU 병합과 관련된 시그널링 정보의 신택스 구조의 예시이다.
도 46은 지오메트리 슬라이스 데이터의 신택스 구조로서, PU 병합과 관련된 시그널링 정보가 슬라이스 레벨의 지오메트리 슬라이스 데이터에 포함된 예시를 나타낸다. PU 병합과 관련된 시그널링 정보에 대한 설명은 도 41에서 설명한 바와 동일하므로 생략한다. 실시예들에 따른 지오메트리 슬라이스 데이터의 신택스는 위 예시에 국한되지 않으며 추가적인 엘레멘트들을 더 포함하거나 시그널링의 효율성을 위해 도면에 도시된 일부 엘레멘트들을 포함하지 않을 수 있다. 일부 엘레멘트들은 지오메트리 슬라이스 데이터가 아닌 다른 시그널링 정보(예를 들면 어트리뷰트 헤더 등) 또는 어트리뷰트 데이터 유닛을 통해 시그널될 수 있다.
도 47은 실시예들에 따른 포인트 클라우드 처리 방법을 나타내는 플로우 다이어그램이다.
도 47의 플로우 다이어그램(4700)은 도 34내지 도 46에서 설명한 PU 병합을 수행하는 포인트 클라우드 데이터 처리 장치 (예를 들면 도 1 내지 도 14에서 설명한 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 인코더, 지오메트리 인코더 등)의 처리 방법을 나타낸다. 도면에 도시된 포인트 클라우드 처리 방법은 도 34 내지 도 46에서 설명한PU 병합 방법을 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 처리 장치(예를 들면 지오메트리 인코더)는 포인트 클라우드 데이터를 입력 받고 입력된 포인트 클라우드 데이터의 지오메트리에 대하여 압축 처리를 용이하게 하기 위해 데이터 양자화 및 복셀라이제이션(data quantization/voxelization)을 수행한다(4710).
실시예들에 따른 지오메트리 인코더는 도 4에서 설명한 좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005) 중 적어도 어느 하나 이상을 포함할 수 있다. 실시예들에 따른 지오메트리 인코더는 도 12에서 설명한 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) 중 적어도 어느 하나 이상을 포함할 수 있다. 또한 지오메트리 인코더는 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.
포인트 클라우드 데이터 처리 장치(예를 들면 지오메트리 인코더)는 기설정된 방법으로 PU를 분할한다(PU split)(4720). 포인트 클라우드 데이터 처리 장치는 분할된 PU에 대하여 모션 에스티메이션(Motion Estimation)을 수행할 수 있다(4730). 포인트 클라우드 데이터 처리 장치는 모션 에스티메이션이 수행된 결과 값과 타겟 값을 비교하여 sub PU 분할(sub PU split)을 수행할지 여부를 결정할 수 있다(4731). 포인트 클라우드 데이터 처리 장치는 sub PU 분할을 수행하면 분할된 sub PU에 대해 모션 에스티메이션을 수행하고 모션 에스티메이션이 완료되면 추가 분할을 수행할지 또는 해당 값을 모션 보상(Motion Compensation)을 할지 여부를 판단하기 위하여 코스트를 계산하고 계산된 코스트를 기반으로 결정한다. 실시예들에 따른 sub PU 분할(4731)은 수행될 수도 있고 수행되지 않을 수도 있다.
실시예들에 따른 포인트 클라우드 데이터 처리 장치는 PU 및/또는 sub PU별로 모션 에스티메이션을 수행하여 획득한 MV(Motion Vector)를 기반으로 PU 병합(PU Merge)를 수행한다(4740). 실시예들에 따른 PU 병합(4740)은 도 34 내지 도 40에서 설명한 PU 병합 과정과 동일하다. 실시예들에 따른 PU 병합(4740)은 다음의 과정들을 포함한다. 실시예들에 따른 포인트 클라우드 데이터 처리 장치는 PU 병합 대상을 선정하기 위하여 PU 인덱스가 작은 PU부터 스크리닝을 수행하고, 가장 작은 인덱스를 갖는 PU를 현재 PU(current PU)로 결정하고, 현재 PU의 이웃에 있는 PU들을 병합할 이웃 PU, 즉 후보 PU(Candidate PU, CPU)로 설정한다(4741). 포인트 클라우드 데이터 처리 장치는 현재 PU의 MV와 CPU들의 MV 들의 차이인 MVD(Motion Vector Difference)를 계산한다(4742). 포인트 클라우드 데이터 처리 장치는 계산된 MPD의 값이 기설정된 역치값(threshold)보다 작거나 같은 경우 해당 PU를 병합 PU로 선정하고, 해당 PU의 인덱스를 현재 PU의 MMV_list에 추가한다(4744). 그렇지 않은 경우 포인트 클라우드 데이터 처리 장치는 다음 후보 PU(CPU)에 대해 동일한 과정을 반복하여 모든 후보 PU(CPU)들과의 MVD를 확인하고 MMV_list를 완성한다. 이후 포인트 클라우드 데이터 처리 장치는 다음 인덱스를 갖는 PU에 대하여 다시 PU 병합 과정(4740)을 수행한다. 만약 다음 인덱스를 갖는 PU가 이전 인덱스를 갖는 PU의 MMV_list에 추가된 경우 해당 PU의 MMV)list는 이전 PU의 MMV_list의 마지막에 추가되어 관리된다. 모든 PU 인덱스들에 대하여 MMV_list가 완성되면, 해당 정보는 모션 보상(Motion compensation)을 위해 전달되고, 포인트 클라우드 데이터 처리 장치는 모션 보상을 수행한다(4750). 포인트 클라우드 데이터 처리 장치는 재구성된 포인트 클라우드 데이터(재구성된 지오메트리)를 기반으로 어트리뷰트 코딩을 수행하여(4760), 원본 데이터와 예측 데이터 사이의 레지듀얼을 변환, 양자화 및 엔트로피 인코딩하여 부호화할 수 있다.
도면에 도시된 각 단계에 해당하는 처리 방법은 순차적으로 수행될 수 있으나 적어도 하나 이상 단계는 동시에 함께 수행될 수 있으며, 처리 순서 역시 변경될 수 있다. 예를 들어 PU 병합(4740)은 PU 분할(4720) 및 모션 에스티메이션(4730)과 동시에 수행될 수 있다.
도 48은 실시예들에 따른 포인트 클라우드 처리 방법을 나타내는 플로우 다이어그램이다.
도 48의 플로우 다이어그램(4800)은 도 34내지 도 46에서 설명한PU 병합을 수행하는 포인트 클라우드 데이터 처리 장치 (예를 들면 도 1 내지 도 14에서 설명한 포인트 클라우드 데이터 수신 장치, 포인트 클라우드 디코더, 지오메트리 디코더 등)의 처리 방법을 나타낸다. 도면에 도시된 포인트 클라우드 처리 방법은 도 34내지 도 46에서 설명한 PU병합 방법을 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 처리 장치(예를 들면 지오메트리 디코더)는 수신한 비트스트림에 포함된 지오메트리에 대하여 엔트로피 디코딩을 수행하고(4810) 역양자화(dequantization)(4830) 및 역변환 (inverse transformation)을 수행하여(4840) 각 포인트에 대한 예측 에러인 레지듀얼(residual)을 복원할 수 있다. 실시예들에 따른 지오메트리 디코더는 도 12에서 설명한 아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005) 중 적어도 어느 하나 이상을 포함할 수 있다. 지오메트리 디코더는 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.
포인트 클라우드 데이터 처리 장치(예를 들면 지오메트리 디코더)는 각 PU 또는 병합된 PU에 대하여 시그널링되는 MV(Motion Vector) 정보를 확보하고 현재 프레임의 PU 범위 (PU range)에 있는 포인트 값을 예측(prediction)할 수 있다(4820). 도 34내지 도 46에서 설명한 바와 같이 각 PU에 대한 MV정보는 MMV_list에서 공유되어 하나로 병합될 수 있다. 따라서 포인트 클라우드 데이터 처리 장치는 PU를 분할하고(4821), 각 PU 인덱스에 대하여 MMV (또는 MMV_list)의 존재 여부를 판단한다(4822). MMV가 존재하는 경우 포인트 클라우드 데이터 처리 장치는 MMV_list를 대표하는 MV를 해당 PU에 할당한다(4823). MMV 가 존재하지 않는 경우 포인트 클라우드 데이터 처리 장치는 시그널링된 MV를 해당 PU에 할당할 수 있다(4824). 포인트 클라우드 데이터 처리 장치는 모든 PU에 대하여 MV를 확보하고 예측된 포인트 값과 복원된 레지듀얼을 합산되어 재구성된 포인트 클라우드 지오메트리(point cloud geometry, 또는 복원된 지오메트리)를 출력하고 프레임 메모리(frame memory)에 저장한다(4850). 재구성된 포인트 클라우드 지오메트리는 MMV_list와 함께 저장될 수 있으며 다음 프레임의 PU 범위(PU range)내에 있는 데이터 예측 정보로 사용될 수 있다. 지오메트리의 복원이 모두 완료되면 복원된 지오메트리가 나타내는 포인트의 위치에 어트리뷰트를 포함시키기 위하여 포인트 클라우드 데이터 처리 장치는 어트리뷰트(예를 들면 색상 등)를 역변환(inverse transform colors)할 수 있다(4860). 복원된 지오메트리 및 어트리뷰트를 기반으로 재구성된 포인트 클라우드 콘텐트(reconstructed point cloud contents)는 렌더러로 전달된다. 도면에 도시된 각 단계에 해당하는 처리 방법은 순차적으로 수행될 수 있으나 적어도 하나 이상 단계는 동시에 함께 수행될 수 있으며, 처리 순서 역시 변경될 수 있다.
도 15 내지 도 33에서 설명한 PU 분할 및 도 34 내지 도 48에서 설명한 PU 병합은 함께 수행될 수 있다. 실시예들에 따른 PU 분할과 관련된 시그널링 정보 및 PU 병합과 관련된 시그널링 정보는 다양한 레벨(예를 들면 시퀀스 레벨, 슬라이스 레벨 등)의 시그널링 정보에 포함될 수 있다. PU 분할 및 PU 병합과 관련된 시그널링 정보는 포인트 클라우드 수신 장치(예를 들면 도 1의 수신 장치(10004), 도 10 및 도 11의 포인트 클라우드 디코더, 도 13의 수신 장치)로 전송된다.
도 49는 PU분할 및 PU 병합과 관련된 시그널링 정보의 신택스 구조이다.
도 49는 SPS의 신택스 구조로서, PU 분할과 관련된 시그널링 정보 및 PU 병합과 관련된 시그널링 정보가 시퀀스 레벨의 SPS에 포함된 예시를 나타낸다. PU 분할과 관련된 시그널링 정보에 대한 설명은 도 26에서 설명한 바와 동일하고, PU병합과 관련된 시그널링 정보는 도 41에서 설명한 바와 동일하므로 생략한다.
도 50은 PU분할 및 PU 병합과 관련된 시그널링 정보의 신택스 구조이다.
도 50은 타일 파라미터 세트의 신택스 구조로서 PU 분할과 관련된 시그널링 정보 및 PU 병합과 관련된 시그널링 정보가 타일 레벨의 타일 파라미터 세트에 포함된 예시를 나타낸다. 도면에 도시되지 않았으나, 타일 파라미터 세트의 신택스는 도 49에 도시된 PU 분할과 관련된 시그널링 정보 및 PU 병합과 관련된 시그널링 정보를 모두 포함할 수 있다. PU 분할과 관련된 시그널링 정보에 대한 설명은 도 26에서 설명한 바와 동일하고, PU병합과 관련된 시그널링 정보는 도 41에서 설명한 바와 동일하므로 생략한다.
도 51은 PU분할 및 PU 병합과 관련된 시그널링 정보의 신택스 구조이다.
도 51은 GPS의 신택스 구조로서, PU 분할과 관련된 시그널링 정보 및 PU 병합과 관련된 시그널링 정보가 시퀀스 레벨의 GPS에 포함된 예시를 나타낸다. PU 분할과 관련된 시그널링 정보에 대한 설명은 도 26에서 설명한 바와 동일하고, PU병합과 관련된 시그널링 정보는 도 41에서 설명한 바와 동일하므로 생략한다.
도 52는PU분할 및 PU 병합과 관련된 시그널링 정보의 신택스 구조이다.
도 52는 APS의 신택스 구조로서, PU 분할과 관련된 시그널링 정보 및 PU 병합과 관련된 시그널링 정보가 시퀀스 레벨의 APS에 포함된 예시를 나타낸다. PU 분할과 관련된 시그널링 정보에 대한 설명은 도 26에서 설명한 바와 동일하고, PU병합과 관련된 시그널링 정보는 도 41에서 설명한 바와 동일하므로 생략한다.
도 53은 PU분할 및 PU 병합과 관련된 시그널링 정보의 신택스 구조이다.
도 53은 지오메트리 슬라이스 헤더의 신택스 구조로서, PU 분할과 관련된 시그널링 정보 및 PU 병합과 관련된 시그널링 정보가 슬라이스 레벨의 지오메트리 슬라이스 헤더에 포함된 예시를 나타낸다. PU 분할과 관련된 시그널링 정보에 대한 설명은 도 26에서 설명한 바와 동일하고, PU병합과 관련된 시그널링 정보는 도 41에서 설명한 바와 동일하므로 생략한다.
도 54는 실시예들에 따른 포인트 클라우드 데이터 처리 방법을 나타내는 플로우 다이어그램이다.
도 54의 플로우 다이어그램(5400)는 도 1 내지 도 53에서 설명한 포인트 클라우드 데이터 처리 장치(또는 포인트 클라우드 전송 장치, 예를 들면 도 1, 도 12 및 도 14에서 설명한 전송 장치 또는 포인트 클라우드 인코더)는 포인트 클라우드 데이터 처리 방법을 나타낸다. 포인트 클라우드 데이터 처리 장치는 지오메트리 및 어트리뷰트를 포함하는 포인트 클라우드 데이터를 인코드한다(5410). 지오메트리는 포인트 클라우드 데이터의 포인트들의 포지션들을 나타내는 정보이고, 어트리뷰트는 포인트들의 색상 및 반사율 중 적어도 하나 이상을 포함한다. 포인트 클라우드 데이터 처리 장치는 지오메트리를 인코드하는 지오메트리 인코더와 인코드된 지오메트리를 기반으로 어트리뷰트를 인코드하는 어트리뷰트 인코더를 포함한다. 도 1 내지 도 53에서 설명한 바와 같이 어트리뷰트 인코딩은 지오메트리 인코딩에 종속된다. 실시예들에 따른 지오메트리 인코더는 도 4에서 설명한 좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005) 중 적어도 어느 하나 이상을 포함할 수 있다. 실시예들에 따른 지오메트리 인코더는 도 12에서 설명한 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) 중 적어도 어느 하나 이상을 포함할 수 있다. 또한 지오메트리 인코더는 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.
어트리뷰트 인코더는 포인트 클라우드 인코더에 포함된다. 실시예들에 따른 어트리뷰트 인코더는 도 4에서 설명한 컬러 변환부(40006), 어트리뷰트 변환부(40007), RAHT 변환부(40008), LOD생성부(40009), 리프팅 변환부(40010), 계수 양자화부(40011) 및/또는 아리스메틱 인코더(40012) 중 적어도 어느 하나 이상을 포함할 수 있다. 또한 실시예들에 따른 어트리뷰트 인코더는 도 12에서 설명한 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011)중 적어도 어느 하나 이상을 포함할 수 있다. 또한 어트리뷰트 인코더는 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.
지오메트리 인코더와 어트리뷰트 인코더는 서로 통신 가능하도록 연결된 별도의 하드웨어, 단일한 하드웨어, 또는 하나 또는 그 이상의 메모리들과 통신 가능하도록 설정된 하나 또는 그 이상의 프로세서들, 별도의 소프트웨어, 또는 상술한 구성 요소들의 적어도 하나 이상의 조합으로 구현될 수 있다.
실시예들에 따른 지오메트리 인코더는 지오메트리를 복셀화하고, 인터 예측(inter prediction)을 위하여 상기 복셀화된 지오메트리를 도 15 내지 도 33에서 설명한 PU분할에 따라 하나 또는 그 이상의 예측 단위(prediction unit, PU)들로 분할할 수 있다. 각 예측 단위는 인터 프레딕션의 단위이다. 또한 지오메트리 인코더는 적어도 하나의 분할된 예측 단위에 대하여 추가 분할을 수행하기 위한 분할 모드를 결정하고, 결정된 분할 모드에 따라 적어도 하나의 분할된 예측 단위를 하나 또는 그 이상의 서브 예측 단위(sub PU)들로 분할할 수 있다. 서브 예측 단위 역시 인터 프레딕션의 단위이다. 실시예들에 따른 비트스트림은 PU 분할과 관련된 시그널링 정보 (도 26 내지 도 31에서 설명한 PU 분할과 관련된 시그널링 정보, 도 49 내지 도 53에서 설명한 PU 분할과 관련된 시그널링 정보)를 포함할 수 있다. 예를 들어 비트스트림은 인터 예측이 예측 단위(PU)로 수행이 되는지 여부를 나타내는 정보(예를 들면 도 26의pu_coding_flag) , 하나 또는 그 이상의 예측 단위들로 분할하는 예측 단위 분할이 상기 포인트 클라우드 데이터의 프레임 단위 또는 지오메트리의 옥트리 구조를 구성하는 하나 또는 그 이상의 레벨들 중 특정 레벨에서 적용되는지 여부를 나타내는 정보(예를 들면 도 26의 frame_pu_split_flag) 및 분할 모드를 나타내는 정보(예를 들면 도 26의 initial_split_mode)를 포함한다. PU 분할에 대한 구체적인 설명은 도 15 내지 도 33에서 설명한 바와 동일하므로 생략한다.
또한 지오메트리 인코더는 도 34내지 도 53에서 설명한 PU 병합을 수행할 수 있다. 지오메트리 인코더는 적어도 하나의 분할된 예측 단위에 대하여 이웃 예측 단위들을 검색하고, 예측 단위의 모션 벡터와 상기 이웃 예측 단위들의 모션 벡터들을 확보하고, 예측 단위의 모션 벡터와이웃 예측 단위들의 모션 벡터들의 차이값(예를 들면 상술한 MVD)을 비교하고, 차이값이 기 설정된 값보다 작거나 같으면, 이웃 예측 단위들의 인덱스들을 포함하는 리스트(예를 들면 상술한 MMV_list)를 생성하고, 생성된 리스트를 대표하는 모션 벡터 값(예를 들면 도 34 내지 도 53에서 설명한 MMV)을 결정할 수 있다. 상술한 바와 같이 비트스트림은 PU 병합과 관련된 시그널링 정보(예를 들면 도 41 내지 도 46에서 설명한 PU 병합과 관련된 시그널링 정보, 도 49 내지 도 53에서 설명한 PU 병합과 관련된 시그널링 정보)를 포함할 수 있다. PU 병합에 대한 구체적인 설명은 도 34내지 도 53에서 설명한 바와 동일하므로 생략한다.
도 55는 실시예들에 따른 포인트 클라우드 데이터 처리 방법의 플로우 다이어그램이다.
도 55의 플로우 다이어그램(5500)은 도 1 내지 도 53에서 설명한 포인트 클라우드 데이터 수신 장치(예를 들면 예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))의 포인트 클라우드 데이터 처리 방법을 나타낸다.
포인트 클라우드 데이터 수신 장치(예를 들면 도 1의 receiver, 도 13의 수신부 등 )는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신한다(5510).
포인트 클라우드 데이터 수신 장치(예를 들면 도 10의 디코더)는 시그널링 정보를 기반으로 포인트 클라우드 데이터를 디코드한다(5520). 포인트 클라우드 데이터 수신 장치(예를 들면 도 10의 지오메트리 디코더)는 포인트 클라우드 데이터에 포함된 지오메트리를 디코드한다. 포인트 클라우드 데이터는 지오메트리 및 어트리뷰트를 포함하고, 지오메트리는 포인트 클라우드 데이트의 포인트들의 포지션들을 나타내는 정보이고, 어트리뷰트는 포인트들의 색상 및 반사율 중 적어도 하나 이상을 포함한다. 포인트 클라우드 디코더는 지오메트리를 디코드하는 지오메트리 디코더(예를 들면 도 10의 지오메트리 디코더) 및 디코드된 지오메트리를 기반으로 어트리뷰르를 디코드 하는 어트리뷰트 디코더(예를 들면 도 10의 어트리뷰트 디코더)를 포함할 수 있다. 실시예들에 따른 지오메트리 디코더는 도 12에서 설명한 아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005) 중 적어도 어느 하나 이상을 포함할 수 있다. 지오메트리 디코더는 도 33에서 설명한 엔트로피 디코딩(3310), 역양자화(3330), 역변환(3340)의 동작 및 각 PU에 대하여 시그널링되는 MV(Motion Vector) 정보를 확보하고 현재 프레임의 PU 범위 (PU range)에 있는 포인트 값을 예측(prediction)(3320)을 수행할 수 있다. 또한 지오메트리 디코더는 도 48에서 설명한 각 PU 또는 병합된 PU에 대하여 시그널링되는 MV(Motion Vector) 정보를 확보하고 현재 프레임의 PU 범위 (PU range)에 있는 포인트 값을 예측(prediction)(4820)할 수 있다. 지오메트리 디코더는 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.
어트리뷰트 디코더는 도 12에서 설명한 아리스메틱 디코더(13007), 인버스 양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009) 및 색상 역변환 처리부(13010) 중 적어도 어느 하나 이상을 포함할 수 있다. 어트리뷰트 디코더는 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.
지오메트리 디코더와 어트리뷰트 디코더는 서로 통신 가능하도록 연결된 별도의 하드웨어, 단일한 하드웨어, 또는 하나 또는 그 이상의 메모리들과 통신 가능하도록 설정된 하나 또는 그 이상의 프로세서들, 별도의 소프트웨어, 또는 상술한 구성 요소들의 적어도 하나 이상의 조합으로 구현될 수 있다.
실시예들에 따른 비트스트림은 인터 예측(inter prediction)을 위하여 지오메트리를 하나 또는 그 이상의 예측 단위(prediction unit, PU)들로 분할하기 위한 예측 단위 분할과 관련된 정보 (예를 들면 도 26 내지 도 31에서 설명한 PU 분할과 관련된 시그널링 정보, 도 49 내지 도 53에서 설명한 PU 분할과 관련된 시그널링 정보) 포함할 수 있다. 예측 단위 분할과 관련된 정보는, 인터 예측이 상기 예측 단위로 수행이 되는지 여부를 나타내는 정보(예를 들면 도 26에서 설명한 pu_coding_flag), 예측 단위 분할이 상기 포인트 클라우드 데이터의 프레임 단위 또는 지오메트리의 옥트리 구조를 구성하는 하나 또는 그 이상의 레벨들 중 특정 레벨에서 적용되는지 여부를 나타내는 정보(예를 들면 도 26에서 설명한 frame_pu_split_flag) 및 하나 또는 그 이상의 예측 단위들의 분할 모드를 나타내는 정보(예를 들면 도 26에서 설명한 initial_split_mode)를 포함한다. 도 26 내지 도 31에서 설명한 PU 분할과 관련된 시그널링 정보, 도 49 내지 도 53에서 설명한 PU 분할과 관련된 시그널링 정보에 대한 구체적인 설명은 생략한다. 실시예들에 따른 지오메트리 디코더는 지오메트리를 하나 또는 그 이상의 예측 단위(PU)들로 분할할 수 있다. 또한 실시예들에 따른 지오메트리 디코더는 적어도 하나의 예측 단위를 하나 또는 그 이상의 서브 예측 단위(sub PU)들로 분할할 수 있다. 실시예들에 따른 예측 단위(PU) 및 서브 예측 단위(Sub PU) 는 인터 예측의 단위이다. 실시예들에 따른 PU 분할에 대한 설명은 도 26 내지 도 33에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
또한 실시예들에 따른 지오메트리 디코더는 도 34내지 도 53에서 설명한 PU 병합에 따라 지오메트리 디코딩을 수행할 수 있다. 즉, 지오메트리 디코더는 지오메트리를 하나 또는 그 이상의 예측 단위(prediction unit, PU)들로 분할하고, 예측 단위에 대하여 병합된 모션 벡터(Merged Motion Vector)가 존재하면, 분할된 예측 단위에 병합된 모션 벡터를 할당할 수 있다. 실시예들에 따른 비트스트림은 PU 병합과 관련된 시그널링 정보(예를 들면 도 41 내지 도 46에서 설명한 PU 병합과 관련된 시그널링 정보, 도 49 내지 도 53에서 설명한 PU 병합과 관련된 시그널링 정보)를 포함할 수 있다. PU 병합 및 지오메트리 디코더의 PU 병합 동작은 도 34 내지 도 48에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
도 1 내지 도 55에서 설명한 실시예들에 따른 포인트 클라우드 데이터 처리 장치의 구성요소들은 메모리와 결합된 하나 또는 그 이상의 프로세서들을 포함하는 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 결합으로 구현될 수 있다. 실시예들에 따른 디바이스의 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다. 또한 실시예들에 따른 포인트 클라우드 데이터 처리 장치의 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 또한 실시예들에 따른 포인트 클라우드 데이터 처리 장치의 구성요소들은 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 도 1 내지 도 55에서 설명한 포인트 클라우드 데이터 처리 장치의 동작/방법들 중 어느 하나 또는 그 이상의 동작들을 수행시키거나, 수행하기 위한 인스트럭션들을 포함할 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시예들을 병합하여 새로운 실시예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들에 따른 장치 및 방법에 대한 설명은 서로 보완하여 적용될 수 있다. 예를 들어, 실시예들에 따른 포인트 클라우드 데이터 전송 방법은 실시예들에 따른 포인트 클라우드 데이터 전송 장치 또는 포인트 클라우드 데이터 전송 장치에 포함된 구성요소들에 의해 수행될 수 있다. 또한 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 실시예들에 따른 포인트 클라우드 데이터 수신 장치 또는 포인트 클라우드 데이터 수신 장치에 포함된 구성요소들에 의해 수행될 수 있다.
실시예들에 따른 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 구성될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A”만을 의미하거나, 2) “B”만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사욛외는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
발명의 실시를 위한 최선의 형태에서 구체적으로 설명되었다.
본 발명의 사상이나 범위를 벗어나지 않고 본 발명에서 다양한 변경 및 변형이 가능함은 당업자에게 자명하다. 따라서, 본 발명은 첨부된 청구항 및 그 동등 범위 내에서 제공되는 본 발명의 변경 및 변형을 포함하는 것으로 의도된다.

Claims (20)

  1. 지오메트리 및 어트리뷰트를 포함하는 포인트 클라우드 데이터를 인코드하는 단계로서, 상기 지오메트리는 상기 포인트 클라우드 데이터의 포인트들의 포지션들을 나타내는 정보이고, 상기 어트리뷰트는 상기 포인트들의 색상 및 반사율 중 적어도 하나 이상을 포함하고,
    상기 포인트 클라우드 데이터를 인코드하는 단계는,
    상기 지오메트리를 인코드하는 단계 및
    상기 인코드된 지오메트리를 기반으로 상기 어트리뷰트를 인코드하는 단계를 포함하고;
    상기 인코드된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함하는 포인트 클라우드 데이터 처리 방법.
  2. 제 1 항에 있어서
    상기 지오메트리를 인코드하는 단계는,
    상기 지오메트리를 복셀화하는 단계;
    인터 예측(inter prediction)을 위하여 상기 복셀화된 지오메트리를 하나 또는 그 이상의 예측 단위(prediction unit, PU)들로 분할하는 단계를 포함하고, 각 예측 단위는 상기 인터 예측의 단위인, 포인트 클라우드 데이터 처리 방법.
  3. 제 2항에 있어서, 상기 인터 예측(inter prediction)을 위하여 상기 복셀화된 지오메트리를 하나 또는 그 이상의 예측 단위(prediction unit, PU)들로 분할하는 단계는,
    적어도 하나의 분할된 예측 단위에 대하여 추가 분할을 수행하기 위한 분할 모드를 결정하는 단계; 및
    상기 결정된 분할 모드에 따라 상기 적어도 하나의 분할된 예측 단위를 하나 또는 그 이상의 서브 예측 단위(sub PU)들로 분할하는 단계를 더 포함하고, 각 서브 예측 단위는 상기 인터 예측의 단위인, 포인트 클라우드 데이터 처리 방법.
  4. 제 3 항에 있어서 상기 비트스트림은 상기 인터 예측이 상기 예측 단위로 수행이 되는지 여부를 나타내는 정보, 상기 하나 또는 그 이상의 예측 단위들로 분할하는 예측 단위 분할이 상기 포인트 클라우드 데이터의 프레임 단위 또는 상기 지오메트리의 옥트리 구조를 구성하는 하나 또는 그 이상의 레벨들 중 특정 레벨에서 적용되는지 여부를 나타내는 정보 및 상기 분할 모드를 나타내는 정보를 포함하는 포인트 클라우드 데이터 처리 방법.
  5. 제 2항에 있어서, 상기 지오메트리를 인코드하는 단계는,
    적어도 하나의 분할된 예측 단위에 대하여 이웃 예측 단위들을 검색하는 단계;
    상기 예측 단위의 모션 벡터와 상기 이웃 예측 단위들의 모션 벡터들을 확보하고, 상기 예측 단위의 모션 벡터와 상기 이웃 예측 단위들의 모션 벡터들의 차이값을 비교하는 단계; 및
    상기 차이값이 기 설정된 값보다 작거나 같으면, 상기 이웃 예측 단위들의 인덱스들을 포함하는 리스트를 생성하고, 상기 생성된 리스트를 대표하는 모션 벡터 값을 결정하는 단계를 포함하고,
    상기 비트스트림은 상기 리스트 및 상기 결정된 모션 벡터 값과 관련된 시그널링 정보를 포함하는 포인트 클라우드 데이터 처리 방법.
  6. 지오메트리 및 어트리뷰트를 포함하는 포인트 클라우드 데이터를 인코드하는 인코더로서, 상기 지오메트리는 상기 포인트 클라우드 데이터의 포인트들의 포지션들을 나타내는 정보이고, 상기 어트리뷰트는 상기 포인트들의 색상 및 반사율 중 적어도 하나 이상을 포함하고,
    상기 인코더는,
    상기 지오메트리를 인코드하는 지오메트리 인코더; 및
    상기 인코드된 지오메트리를 기반으로 상기 어트리뷰트를 인코드하는 어트리뷰트 인코더를 포함하고; 및
    상기 인코드된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 전송부를 포함하는 포인트 클라우드 데이터 처리 장치.
  7. 제 6항에 있어서,
    상기 지오메트리 인코더는 상기 지오메트리를 복셀화하고,
    인터 예측(inter prediction)을 위하여 상기 복셀화된 지오메트리를 하나 또는 그 이상의 예측 단위(prediction unit, PU)들로 분할하고, 각 예측 단위는 상기 인터 예측의 단위인, 포인트 클라우드 데이터 처리 장치.
  8. 제 7 항에 있어서, 상기 지오메트리 인코더는,
    적어도 하나의 분할된 예측 단위에 대하여 추가 분할을 수행하기 위한 분할 모드를 결정하고, 상기 결정된 분할 모드에 따라 상기 적어도 하나의 분할된 예측 단위를 하나 또는 그 이상의 서브 예측 단위(sub PU)들로 분할하고, 각 서브 예측 단위는 상기 인터 예측의 단위인, 포인트 클라우드 데이터 처리 장치.
  9. 제 8 항에 있어서 상기 비트스트림은 상기 인터 예측이 상기 예측 단위로 수행이 되는지 여부를 나타내는 정보, 상기 하나 또는 그 이상의 예측 단위들로 분할하는 예측 단위 분할이 상기 포인트 클라우드 데이터의 프레임 단위 또는 상기 지오메트리의 옥트리 구조를 구성하는 하나 또는 그 이상의 레벨들 중 특정 레벨에서 적용되는지 여부를 나타내는 정보 및 상기 분할 모드를 나타내는 정보를 포함하는 포인트 클라우드 데이터 처리 장치.
  10. 제 7항에 있어서, 상기 지오메트리 인코더는,
    적어도 하나의 분할된 예측 단위에 대하여 이웃 예측 단위들을 검색하고, 상기 예측 단위의 모션 벡터와 상기 이웃 예측 단위들의 모션 벡터들을 확보하고, 상기 예측 단위의 모션 벡터와 상기 이웃 예측 단위들의 모션 벡터들의 차이값을 비교하고, 상기 차이값이 기 설정된 값보다 작거나 같으면, 상기 이웃 예측 단위들의 인덱스들을 포함하는 리스트를 생성하고, 상기 생성된 리스트를 대표하는 모션 벡터 값을 결정하고,
    상기 비트스트림은 상기 리스트 및 상기 결정된 모션 벡터 값과 관련된 시그널링 정보를 포함하는 포인트 클라우드 데이터 처리 장치.
  11. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및
    상기 포인트 클라우드 데이터를 디코드하는 단계로서, 상기 포인트 클라우드 데이터는 지오메트리 및 어트리뷰트를 포함하고, 상기 지오메트리는 상기 포인트 클라우드 데이트의 포인트들의 포지션들을 나타내는 정보이고, 상기 어트리뷰트는 포인트들의 색상 및 반사율 중 적어도 하나 이상을 포함하고, 상기 포인트 클라우드 데이터를 디코드하는 단계는,
    상기 지오메트리를 디코드하는 단계; 및
    상기 디코드된 지오메트리를 기반으로 상기 어트리뷰트를 디코드하는 단계를 포함하는 포인트 클라우드 데이터 처리 방법.
  12. 제 11항에 있어서, 상기 비트스트림은 인터 예측(inter prediction)을 위하여 상기 지오메트리를 하나 또는 그 이상의 예측 단위(prediction unit, PU)들로 분할하기 위한 예측 단위 분할과 관련된 정보를 포함하고, 상기 예측 단위 분할과 관련된 정보는,
    상기 인터 예측이 상기 예측 단위로 수행이 되는지 여부를 나타내는 정보, 상기 예측 단위 분할이 상기 포인트 클라우드 데이터의 프레임 단위 또는 상기 지오메트리의 옥트리 구조를 구성하는 하나 또는 그 이상의 레벨들 중 특정 레벨에서 적용되는지 여부를 나타내는 정보 및 상기 하나 또는 그 이상의 예측 단위들의 분할 모드를 나타내는 정보를 포함하는 포인트 클라우드 데이터 처리 방법.
  13. 제 12 항에 있어서, 상기 지오메트리를 디코드하는 단계는,
    상기 지오메트리를 상기 하나 또는 그 이상의 예측 단위(prediction unit, PU)들로 분할하는 단계를 포함하고, 각 예측 단위는 상기 인터 에측의 단위인, 포인트 클라우드 데이터 처리 방법.
  14. 제 13항에 있어서, 상기 지오메트리를 디코드하는 단계는,
    적어도 하나의 예측 단위를 하나 또는 그 이상의 서브 예측 단위(sub PU)들로 분할하는 단계를 더 포함하고,
    각 서브 예측 단위는 상기 인터 예측의 단위인, 포인트 클라우드 데이터 처리 방법.
  15. 제 11항에 있어서, 상기 지오메트리를 디코드하는 단계는,
    상기 지오메트리를 하나 또는 그 이상의 예측 단위(prediction unit, PU)들로 분할하는 단계;
    예측 단위에 대하여 병합된 모션 벡터(Merged Motion Vector)가 존재하면 상기 예측 단위에 상기 병합된 모션 벡터를 할당하는 단계를 포함하고, 상기 병합된 모션 벡터는 예측 단위 병합에 따라 병합된 적어도 하나 이상의 예측 단위에 할당되는 모션 벡터이고, 상기 비트스트림은 상기 예측 단위 병합에 관련된 정보를 포함하는 포인트 클라우드 데이터 처리 방법.
  16. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부;
    상기 포인트 클라우드 데이터를 디코드하는 디코더로서, 상기 포인트 클라우드 데이터는 지오메트리 및 어트리뷰트를 포함하고, 상기 지오메트리는 상기 포인트 클라우드 데이트의 포인트들의 포지션들을 나타내는 정보이고, 상기 어트리뷰트는 포인트들의 색상 및 반사율 중 적어도 하나 이상을 포함하고, 상기 디코더는,
    상기 지오메트리를 디코드하는 지오메트리 디코더; 및
    상기 디코드된 지오메트리를 기반으로 상기 어트리뷰트를 디코드하는 어트리뷰트 디코더를 포함하는 포인트 클라우드 데이터 처리 장치.
  17. 제 16항에 있어서, 상기 비트스트림은 인터 예측(inter prediction)을 위하여 상기 지오메트리를 하나 또는 그 이상의 예측 단위(prediction unit, PU)들로 분할하기 위한 예측 단위 분할과 관련된 정보를 포함하고, 상기 예측 단위 분할과 관련된 정보는,
    상기 인터 예측이 상기 예측 단위로 수행이 되는지 여부를 나타내는 정보, 상기 예측 단위 분할이 상기 포인트 클라우드 데이터의 프레임 단위 또는 상기 지오메트리의 옥트리 구조를 구성하는 하나 또는 그 이상의 레벨들 중 특정 레벨에서 적용되는지 여부를 나타내는 정보 및 상기 하나 또는 그 이상의 예측 단위들의 분할 모드를 나타내는 정보를 포함하는 포인트 클라우드 데이터 처리 장치.
  18. 제 17 항에 있어서, 상기 지오메트리 디코더는 상기 지오메트리를 상기 하나 또는 그 이상의 예측 단위(prediction unit, PU)들로 분할하고, 각 예측 단위는 상기 인터 예측의 단위인, 포인트 클라우드 데이터 처리 장치.
  19. 제 18항에 있어서, 상기 지오메트리 디코더는 적어도 하나의 예측 단위를 하나 또는 그 이상의 서브 예측 단위(sub PU)들로 분할하고, 각 서브 예측 단위는 상기 인터 예측의 단위인, 포인트 클라우드 데이터 처리 장치.
  20. 제 16항에 있어서, 상기 지오메트리 디코더는 상기 지오메트리를 하나 또는 그 이상의 예측 단위(prediction unit, PU)들로 분할하고, 예측 단위에 대하여 병합된 모션 벡터(Merged Motion Vector)가 존재하면 상기 지오메트리 디코더는 상기 예측 단위에 상기 병합된 모션 벡터를 할당하고, 상기 병합된 모션 벡터는 예측 단위 병합에 따라 병합된 적어도 하나 이상의 예측 단위에 할당되는 모션 벡터이고, 상기 비트스트림은 상기 예측 단위 병합에 관련된 정보를 포함하는 포인트 클라우드 데이터 처리 장치.
PCT/KR2021/005105 2020-04-22 2021-04-22 포인트 클라우드 데이터 처리 장치 및 처리 방법 WO2021215849A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/919,836 US20230164353A1 (en) 2020-04-22 2021-04-22 Point cloud data processing device and processing method

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2020-0048445 2020-04-22
KR20200048445 2020-04-22
KR20200095503 2020-07-30
KR10-2020-0095503 2020-07-30

Publications (1)

Publication Number Publication Date
WO2021215849A1 true WO2021215849A1 (ko) 2021-10-28

Family

ID=78269432

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/005105 WO2021215849A1 (ko) 2020-04-22 2021-04-22 포인트 클라우드 데이터 처리 장치 및 처리 방법

Country Status (2)

Country Link
US (1) US20230164353A1 (ko)
WO (1) WO2021215849A1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115984087A (zh) * 2022-12-29 2023-04-18 众芯汉创（北京）科技有限公司 一种无人机的海量点云数据快速处理分析方法和系统
WO2023080635A1 (ko) * 2021-11-02 2023-05-11 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023085609A1 (ko) * 2021-11-09 2023-05-19 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023102484A1 (en) * 2021-12-03 2023-06-08 Qualcomm Incorporated Local adaptive inter prediction for g-pcc

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230104977A1 (en) * 2021-10-05 2023-04-06 Sony Group Corporation Adaptive mode selection for point cloud compression

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019216716A2 (ko) * 2018-05-10 2019-11-14 삼성전자 주식회사 부호화 방법 및 그 장치, 복호화 방법 및 그 장치
US20200077114A1 (en) * 2018-05-08 2020-03-05 Tencent America LLC Method and apparatus for video coding
KR20200038534A (ko) * 2017-09-18 2020-04-13 애플 인크. 포인트 클라우드 압축

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200038534A (ko) * 2017-09-18 2020-04-13 애플 인크. 포인트 클라우드 압축
US20200077114A1 (en) * 2018-05-08 2020-03-05 Tencent America LLC Method and apparatus for video coding
WO2019216716A2 (ko) * 2018-05-10 2019-11-14 삼성전자 주식회사 부호화 방법 및 그 장치, 복호화 방법 및 그 장치

Non-Patent Citations (2)

* 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 N1818, no. N18189, 1 January 2019 (2019-01-01), pages 1 - 39, XP055686871 *
LI LI; LI ZHU; ZAKHARCHENKO VLADYSLAV; CHEN JIANLE; LI HOUQIANG: "Advanced 3D Motion Prediction for Video-Based Dynamic Point Cloud Compression", IEEE TRANSACTIONS ON IMAGE PROCESSING, vol. 29, 1 January 2020 (2020-01-01), pages 289 - 302, XP011747622, ISSN: 1057-7149, DOI: 10.1109/TIP.2019.2931621 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023080635A1 (ko) * 2021-11-02 2023-05-11 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023085609A1 (ko) * 2021-11-09 2023-05-19 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023102484A1 (en) * 2021-12-03 2023-06-08 Qualcomm Incorporated Local adaptive inter prediction for g-pcc
CN115984087A (zh) * 2022-12-29 2023-04-18 众芯汉创（北京）科技有限公司 一种无人机的海量点云数据快速处理分析方法和系统
CN115984087B (zh) * 2022-12-29 2023-10-24 众芯汉创（北京）科技有限公司 一种无人机的海量点云数据快速处理分析方法和系统

Also Published As

Publication number Publication date
US20230164353A1 (en) 2023-05-25

Similar Documents

Publication Publication Date Title
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141352A2 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141346A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2021210764A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020242244A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021215849A1 (ko) 포인트 클라우드 데이터 처리 장치 및 처리 방법
WO2021002604A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2021261840A1 (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
WO2021141218A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021201384A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021206291A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2021145573A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2022015006A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022075753A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022240128A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021246837A1 (ko) 포인트 클라우드 데이터 처리 디바이스 및 처리 방법
WO2021215811A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021194065A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021141221A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246839A1 (ko) 포인트 클라우드 데이터 처리 디바이스 및 처리 방법
WO2023018211A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021246796A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022119254A1 (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치

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: 21791639

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21791639

Country of ref document: EP

Kind code of ref document: A1