실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
. 실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 컨텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000) 뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 데이터 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)으로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 3은 도 1 내지 도 2에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
포인트 클라우드 콘텐트는 다양한 3차원 공간(예를 들면 현실 환경을 나타내는 3차원 공간, 가상 환경을 나타내는3차원 공간 등)에 위치한 오브젝트(object) 및/또는 환경을 나타내는 포인트 클라우드 비디오(이미지들 및/또는 영상들)을 포함한다. 따라서 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 콘텐트를 생성하기 위하여 하나 또는 그 이상의 카메라(camera)들(예를 들면, 깊이 정보를 확보할 수 있는 적외선 카메라, 깊이 정보에 대응되는 색상 정보를 추출 할 수 있는 RGB 카메라 등), 프로젝터(예를 들면 깊이 정보를 확보하기 위한 적외선 패턴 프로젝터 등), 라이다(LiDAR)등을 사용하여 포인트 클라우드 비디오를 캡쳐할 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 깊이 정보로부터 3차원 공간상의 포인트들로 구성된 지오메트리의 형태를 추출하고, 색상정보로부터 각 포인트의 어트리뷰트를 추출하여 포인트 클라우드 데이터를 확보할 수 있다. 실시예들에 따른 이미지 및/또는 영상은 인워드-페이싱(inward-facing) 방식 및 아웃워드-페이싱(outward-facing) 방식 중 적어도 어느 하나 이상을 기반으로 캡쳐될 수 있다.
도3의 왼쪽은 인워드-페이싱 방식을 나타낸다. 인워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트를 캡쳐하는 방식을 의미한다. 인워드-페이싱 방식은 핵심 객체에 대한 360도 이미지를 사용자에게 제공하는 포인트 클라우드 콘텐트(예를 들면 사용자에게 객체(예-캐릭터, 선수, 물건, 배우 등 핵심이 되는 객체)의 360도 이미지를 제공하는 VR/AR 콘텐트)를 생성하기 위해 사용될 수 있다.
도3의 오른쪽은 아웃워드-페이싱 방식을 나타낸다. 아웃워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트가 아닌 중심 오브젝트의 환경을 캡쳐하는 방식을 의미한다. 아웃워드-페이싱 방식은 사용자의 시점에서 나타나는 주변 환경을 제공하기 위한 포인트 클라우드 콘텐트(예를 들면자율 주행 차량의 사용자에게 제공될 수 있는 외부 환경을 나타내는 콘텐트)를 생성하기 위해 사용될 수 있다.
도면에 도시된 바와 같이, 포인트 클라우드 콘텐트는 하나 또는 그 이상의 카메라들의 캡쳐 동작을 기반으로 생성될 수 있다. 이 경우 각 카메라의 좌표계가 다를 수 있으므로 포인트 클라우드 콘텐트 제공 시스템은 캡쳐 동작 이전에 글로벌 공간 좌표계(global coordinate system)을 설정하기 위하여 하나 또는 그 이상의 카메라들의 캘리브레이션을 수행할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 상술한 캡쳐 방식으로 캡쳐된 이미지 및/또는 영상과 임의의 이미지 및/또는 영상을 합성하여 포인트 클라우드 콘텐트를 생성할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 가상 공간을 나타내는 포인트 클라우드 콘텐트를 생성하는 경우 도3에서 설명한 캡쳐 동작을 수행하지 않을 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 캡쳐한 이미지 및/또는 영상에 대해 후처리를 수행할 수 있다. 즉, 포인트 클라우드 콘텐트 제공 시스템은 원하지 않는 영역(예를 들면 배경)을 제거하거나, 캡쳐한 이미지들 및/또는 영상들이 연결된 공간을 인식하고, 구명(spatial hole)이 있는 경우 이를 메우는 동작을 수행할 수 있다.
또한 포인트 클라우드 콘텐트 제공 시스템은 각 카메라로부터 확보한 포인트 클라우드 비디오의 포인트들에 대하여 좌표계 변환을 수행하여 하나의 포인트 클라우드 콘텐트를 생성할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 각 카메라의 위치 좌표를 기준으로 포인트들의 좌표계 변환을 수행할 수 있다. 이에 따라, 포인트 클라우드 콘텐트 제공 시스템은 하나의 넓은 범위를 나타내는 콘텐트를 생성할 수도 있고, 포인트들의 밀도가 높은 포인트 클라우드 콘텐트를 생성할 수 있다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
*
*
*실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 40000), 양자화부(Quantize and Remove Points (Voxelize), 40001), 옥트리 분석부(Analyze Octree, 40002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 40005), 컬러 변환부(Transform Colors, 40006), 어트리뷰트 변환부(Transfer Attributes, 40007), RAHT 변환부(40008), LOD생성부(Generated LOD, 40009), 리프팅 변환부(Lifting)(40010), 계수 양자화부(Quantize Coefficients, 40011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 40012)를 포함한다.
좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(40000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(40001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(40001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(40001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(40001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(40002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(40003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(40004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(40006), 어트리뷰트 변환부(40007), RAHT 변환부(40008), LOD생성부(40009), 리프팅 변환부(40010), 계수 양자화부(40011) 및/또는 아리스메틱 인코더(40012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(40006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(40006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(40006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(40005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(40005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(40007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(40007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(40007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(40007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(40007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(40007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(40007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(40007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(40007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(40008) 및/또는 LOD 생성부(40009)로 입력된다.
실시예들에 따른 RAHT 변환부(40008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(40008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(40009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(40010)는 포인트 클라우드의 어트리뷰트들을 가중치에 기반하여 변환하는 리프팅 변환 코딩을 수행한다. 상술한 바와 같이 리프팅 변환 코딩은 선택적으로 적용될 수 있다.
실시예들에 따른 계수 양자화부(40011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(40012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 4의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 5는 X축, Y축, Z축의 3가지 축으로 구성된 좌표계로 표현되는 3차원 공간상에 위치한 복셀을 나타낸다. 도 4에서 설명한 바와 같이 포인트 클라우드 인코더(예를 들면 양자화부(40001) 등)은 복셀화를 수행할 수 있다. 복셀은 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 도 5는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하는 옥트리 구조를 통해 생성된 복셀의 예시를 나타낸다. 하나의 복셀은 적어도 하나 이상의 포인트를 포함한다. 복셀은 복셀군(voxel group)과의 포지션 관계로부터 공간 좌표를 추정 할 수 있다. 상술한 바와 같이 복셀은 2차원 이미지/영상의 픽셀과 마찬가지로 어트리뷰트(색상 또는 반사율 등)을 가진다. 복셀에 대한 구체적인 설명은 도 4에서 설명한 바와 동일하므로 생략한다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(40002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 6의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 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 (xint
n, yint
n, zint
n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
d =Ceil(Log2(Max(x_n^int,y_n^int,z_n^int,n=1,…,N)+1))
도 6의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 6 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 6의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 6에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 4의 포인트 클라우드 인코더, 또는 옥트리 분석부(40002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(Δx, Δy, Δz), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(40005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③ 자승을 수행하고 그 값을 모두 더한 값을 구한다.
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. gl x, y, z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. gl x, y, z 는 gl+1 2x, y, z와 gl+1 2x+1, y, z로부터 계산될 수 있다. gl 2x, y, z 와 gl 2x+1, y, z 의 가중치를 w1=w l 2x, y, z 과 w2=w l 2x+1, y, z 이다.
gl-1 x, y, z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. hl-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 g1 0, 0, 0 과 g1 0, 0, 1을 통해서 다음과 같이 생성된다.,
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.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도20, 22의 인코딩 프로세스 등을 지칭하는 용어로 해석된다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도21, 23의 디코딩 프로세스 등을 지칭하는 용어로 해석된다.
또한, 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 실시예들에 따른 방법/장치로 줄여서 호칭될 수 있다.
실시예들에 따라, 포인트 클라우드 데이터를 구성하는 지오메트리 데이터, 지오메트리 정보, 위치 정보 등은 서로 동일한 의미로 해석된다. 포인트 클라우드 데이터를 구성하는 어트리뷰트 데이터, 어트리뷰트 정보, 속성 정보 등은 서로 동일한 의미로 해석된다.
도15는 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도1의 송신장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩, 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도16의 포인트 클라우드 데이터 송신 장치 등은 도15와 같은 방법에 기반하여 포인트 클라우드 데이터를 압축(인코딩)할 수 있다. 도1의 수신장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩, 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도17의 포인트 클라우드 데이터 수신 장치 등은 도15와 같은 방법에 기반하여 포인트 클라우드 데이터를 디코딩할 수 있다.
실시예들에 따른 방법/장치는 저지연으로 포인트 클라우드 지오메트리 정보를 압축/복원하고, 이 과정에서 효율적인 처리를 위해 예측 트리를 이용할 수 있고, 예측 트리 생성 시 그룹핑에 기반하여 포인트들을 정렬하고 정렬된 순서에 기반하여 빠른 예측 트리를 생성할 수 있다.
포인트 클라우드 콘텐츠 중에 저지연(low-latency) 코딩이 필요한 시나리오가 있을 수 있다. 예를 들어 LiDAR 로부터 포인트 클라우드 데이터를 실시간으로 캡처되어 전송되어야 하는 경우, 또는 3D Map 데이터를 실시간으로 전송 받아서 처리해야하는 경우가 이에 해당할 수 있다.
따라서, 실시예들에 따른 방법/장치는 저지연 코딩이 필요한 클라우드 콘텐츠의 Geometry-based Point Cloud Compression (G-PCC)의 지오메트리 압축/복원 시 적용될 수 있는 예측 트리 기반 지오메트리 정보 코딩 압축/복원 효율을 높이기 위한 그룹핑 기반 포인트 정렬 방안과 정렬된 순서 기반으로 예측 트리를 빠르게 생성하는 방안에 관한 것이다.
예를 들어, 비트스트림 사이즈를 줄이기 위해 예측 트리 생성시 포인트 정렬 방법 및 정렬된 순서 기반 빠른 예측 트리 생성 방법, 그리고 위 방법을 지원하기 위한 시그널링 방안 등을 포함할 수 있다.
실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 속성 압축 효율을 높이기 위한 속성 예측기 선택 방안에 관한 것이다. 이하 인코더(encoder), 부호화기는 부호화기로 디코더(decoder), 복호화기는 복호화기로 지칭한다.
포인트 클라우드는 포인트(point)들의 집합으로 구성되며, 각 포인트는 지오메트리(geometry) 정보와 속성(attributes) 정보를 포함할 수 있다. 지오메트리 정보는 3차원 위치(XYZ) 정보이며, 속성 정보는 색상 (RGB, YUV 등) 또는/과 반사(Reflectance) 값이다. G-PCC 부호화(encoding) 과정은 지오메트리를 압축하고, 압축을 통해 변경된 위치 정보들로 재구성하여 복원된 지오메트리(reconstructed geometry=복호화된 지오메트리)를 바탕으로 속성 정보를 압축하는 과정으로 구성될 수 있다(도4, 도12, 도16 등 참조).
G-PCC 부호화과정에 대응하는 G-PCC 복호화(decoding) 과정은 부호화된 지오메트리 비트스트림(bitstream)과 속성 비트스트림(도18-22 등 참조)을 전송 받아서 지오메트리를 복호화하고 복호화 과정을 통해 재구성된 지오메트리를 기반으로 속성 정보를 복호화하는 과정으로 구성될 수 있다. (도10, 도11, 도13, 도17 등 참조)
지오메트리 정보 압축을 위해 옥트리(octree) 기반, 트라이숩(trisoup) 기반, 또는 예측 트리(predictive tree) 기반 압축 기법 등을 사용할 수 있다.
저지연이 요구되는 포인트 클라우드 서비스의 예는, 3D map 포인트 클라우드를 사용하는 실시간 네비게이션의 경우, 또는 LiDAR장비를 통해 실시간으로 포인트 클라우드를 캡처해서 압축하고 전송해야하는 경우가 대표적일 수 있다.
저지연 서비스를 위해 인코더와 디코더의 방식을 개선하는 주요 기능으로는 포인트 클라우드 데이터의 일부에 대해서 먼저 압축을 시작할 수 있는 기능이 필요할 수 있다. 옥트리(octree) 기반 지오메트리 코딩 방식은 너비 우선 (breadth-first) 방식으로 포인트들을 스캐닝하며 코딩하는 반면, 저지연 지오메트리 압축을 타겟으로 하는 예측 트리 기반 지오메트리 압축 기법은 깊이 우선 (depth-first) 방식으로 단계적 포인트 스캐닝을 가능한 줄이며 트리 상 부모와 자식 노드간의 지오메트리 정보를 통해 예측값을 생성하고 잔차값(residual)을 엔트로피 코딩하여 지오메트리 비트스트림으로 구성할 수 있다. 깊이 우선 방식은 전체 포인트들에 대한 단계적 스캐닝이 필요 없기 때문에 모든 데이터가 캡처되기를 기다릴 필요가 없이 점차적으로(progressive) 캡처된 포인트 클라우드 데이터를 지오메트리 코딩 할 수 있다는 장점이 있을 수 있다.
그러나 깊이 우선 방식으로 진행되기 때문에 전체를 분석해서 효율적으로 코딩하는 옥트리 기반 지오메트리 코딩 방식에 비해서 잔차값이 커질 수 있고 그에 따라 지오메트리 비트스트림 사이즈가 커질 수 있다는 단점이 있을 수 있다.
또한, 예측 트리 기반 압축 방법은 포인트를 정렬하고, 정렬된 포인트 기준으로 트리 생성이 순차적으로 진행되기 때문에 포인트의 순서가 트리 생성에 밀접한 영향을 줄 수 있다. 즉, 예측 트리 내의 노드들이 거리가 가까운 포인트를 부모/자식 노드로 설정하지 않을 수 있고 포인트 배열의 인접 순서에 있는 포인트를 부모/자식 노드로 설정할 확률이 높을 수 있다.
실시예들에 따른 방법/장치는 포인트 정렬하는 방법을 변경하여 지오메트리 비트스트림 사이즈를 줄이는 효과가 있다.
또한 KD 트리 기반으로 예측 트리 생성 시 거리상 가까운 포인트들의 검색하는 시간이 오래 걸릴 수 있다는 특성이 저지연 실시간 서비스에 방해가 될 수 있기 때문에, 실시예들에 따른 방법/장치는 예측 트리를 생성하는 시간을 줄이는 효과가 있다.
실시예들에 따른 예측 트리 기반 지오메트리 압축 기법은 PCC 부호화기의 PCC 지오메트리 부호화부에서 수행되고 PCC 복호화기의 PCC 지오메트리 복호화 과정을 통해 복원될 수 있다.
1500, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 예측 트리 생성을 위한 포인트 정렬하는 단계를 포함할 수 있다.
예측 트리 생성을 위한 포인트 정렬
실시예들에 따른 방법/장치는 효율적인 예측 트리 생성을 위해서 포인트들을 특정 방식으로 정렬할 수 있다.
예측 트리를 생성하기 전에 포인트들(Points[*])을 몰톤 코드(Morton code), 반경(radius), 아지무스(azimuth), 엘리베이션(elevation), 센서 ID 기준, 또는 캡처된 시간 순서 등을 순차적으로 적용하는 등으로 정렬할 수 있다. 정렬 방법은 콘텐츠의 특성에 따라서 다양하게 적용할 수 있다.
정렬은 여러 단계로 나누어 단계별로 다르게 적용할 수 있다. 예를 들어, LiDAR 장비로 캡처된 스피닝 데이터(spinning dat)a형태를 띄는 콘텐츠의 경우 콘텐츠에 적합한 아지무스(azimuth) 기반으로 포인트들(포인트 클라우드 데이터의 지오메트리 데이터)을 정렬하고, 포인트 간 아지무스(azimuth)가 같은 경우 반경(radius)으로, 혹은 반경(radius)이 같은 경우 엘리베이션(elevation)을 기준으로 포인트들을 일정한 순서로 정렬을 적용할 수 있다.
실시예들에 따라, 정렬의 방향을 지정할 수 있다. 오름차순일 수 있고, 내림차순 일 수도 있으며, 두 개를 같이 사용할 수도 있다. 예를 들어, 아지무스(azimuth)는 내림차순으로 반경(radius)은 오름차순으로 함께 적용할 수도 있다.
실시예들에 따른 방법/장치는 포인트들을 정렬할 때, 그룹핑을 적용할 수 있다.
그룹핑은 특정 범위를 주고 해당 범위 내에서 정렬하고, 그룹과 그룹이 정렬되는 방식이다.
예를 들어, 아지무스(azimuth)를 기준으로 포인트들을 그룹핑(group)하게 되면 아지무스(azimuth)의 특정 범위에 있는 포인트들이 하나의 그룹에 포함될 수 있고, 그 그룹 내에서 포인트들을 반경(radius) 기분으로로 정렬하고, 반경이 같은 경우 엘리베이션(elevation)을 기준으로 정렬할 수 있다.
실시예들에 따른 그룹핑의 기준은 정렬의 기준과 같이 다양할 수 있다. 몰톤 코드(Morton code), 반경(radius), 아지무스(azimuth), 엘리베이션(elevation), 센서 ID 기준, 캡처된 시간 순서 등에 그룹핑을 적용할 수 있으며, 그룹핑을 위해 값의 범위를 정할 수 있다.
예를 들어, 몰톤 코드(Morton code)는 x, y, z 값을 시프팅(shifting)해서 그룹핑이 가능하고, 아지무스(azimuth)의 경우 라디안(radian)값인 경우 소수점을 반올림할 수 있다. 엘리베이션(Elevation), 반경(radius), 센서 id, 캡쳐 시간은 범위를 설정할 수 있다.
그룹핑 후, 그룹 내에서 정렬을n차로 추가로 진행할 수 있다.
특정 범위에 있는 포인트 분포의 특성이 유사할 수 있다는 특성을 활용하여 분포의 특성이 유사한 포인트들의 순서로 정렬되어 예측 트리를 생성하게 되면 유사 패턴으로 인해 잔차 값이 작아지게 되고, 그로 인해 비트 스트림의 사이즈가 작아질 수 있다.
1501, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 예측 트리 생성하는 단계를 더 포함할 수 있다.
실시예들에 따른 예측 트리 생성 방안은 KD트리 이용 방안, 그룹핑 기반 예측 트리 생성 방안 등을 포함할 수 있다.
1. KD트리 이용 방안
예측 트리 기반 지오메트리 정보 압축 코딩 방법에서 예측 트리 생성을 위해 정렬된 순서 기반으로 트리를 생성하는 과정은 다음 의사코드(pseudo-code)와 같을 수 있다.
Points[] : 모든 포인트들의 배열
pointCount: 전체 포인트 개수
second_sorted_idexes[] : 최종 정렬된 포인트의 인덱스 배열
KDTree: 이웃 노드 검색을 위해 사용하는 KD-Tree
for (i=0; I < pointCount; i++) {
1) P = Points[second_sorted_idexes[i]]
2) P와 가까운 이웃을 KDTree에서 검색
3) 검색 결과가 없으면 P를 KDTree에 노드로 등록
처음에 KD트리에 아무 노드가 없을 때 P를 KD트리에 등록할 수 있다.
4) 검색 결과가 있으면, KDTreee의 해당 노드와 연결된 원본(original) 노드의 child가 몇 개인지 체크하고, 3개 이하(또는 3개 미만)이면, 해당 원본 노드의 child로 등록, 3개 이상이면 다음 가까운 node 체크하고 3개 이하이면 등록
자식 노드의 개수는 실시예들에 따라 다양하게 설정될 수 있다.
5) P의 예측(predicted) 결과(3개, 자기 자신 제외)들을 KDTree의 노드로 등록
}
정렬된 포인트들로부터 현재 포인트에 대한 가장 유사한 이웃을 자식 노드로 가지는 예측 트리가 생성될 수 있다. 예측 트리는 포인트(노드)별로 부모와 자식 관계를 나타내고, 예측 트리로부터 포인트의 예측값을 생성할 수 있다.
예측 트리로부터 P의 예측(predicted)된 결과는 부모 노드(parent node)로 부터 예측된 결과, 부모의 부모(grand-parent)와 부모(parent)로부터 예측된 결과, 부모의 부모의 부모(grand-grand-parent), 부모의 부모(grand-parent)와 부모(parent)로부터 예측된 결과 등을 통해 구할 수 있다. 가까운 이웃을 검색하여 생성된 부모/자식 노드를 포함하는 예측 트리로부터 예측값을 효율적으로 획득할 수 있다.
2. 그룹핑 기반 예측 트리
실시예들에 따라, 예측 트리 생성을 빠르게 하기 위해서, KD 트리 없이 정렬된 순서에 따라 그룹(group) 내의 포인트들은 부모와 자식 관계로, 연속된 그룹(group)간에서 가장 가까운 포인트에 대해서 부모와 자식 관계로 설정하여 빠르게 예측 트리를 구성할 수 있다. 다음 의사코드(pseudo-code)와 같을 수 있다.
idx =0
group_sorted_indxes[][]: 그룹내에 속한 포인트들의 indexes
for (i=0; I < groupCount; i++) {
for (j=0; j < groupCount[i].size(); j++) {
1) P = Points[group_sorted_indxes[i][j]]
그룹 개수 별로 그룹에 포함된 포인트들에 대한 예측 트리 생성을 시작한다.
예를 들어, i번째 그룹의 j번째 포인트부터 시작할 수 있다.
2) j != 0이면, P의 부모(parent)로 Points[group_sorted_indxes[i][j-1]]로 설정
j의 이전 값인 j-1 에 해당하는 포인트를 P의 부모로 설정해서, 부모/자식 관계 설정을 빠르게 할 수 있다.
3) j = 0이고 i != 0이면,
(1) group_sorted_indxes[i-1]에서 P와 가까운 포인트를 찾아서 (예를 들어 반경(radius) 차, x/y/z 거리(distance) 등) 해당 포인트(point)를 P의 부모(parent)로 설정
i번째 그룹에 대한 부모를 그 이전에 처리한 i-1번째 그룹에서 검색하기 때문에 부모/자식 관계 설정을 빠르게 할 수 있다.
}
}
실시예들에 따른 각 단계는 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 있는 실시예들에 따른 포인트 클라우드 데이터 송수신 장치에 의해서 수행될 수 있다.
도16은 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도1의 송신장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩, 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도16의 포인트 클라우드 데이터 송신 장치 등은 도16과 같은 구조를 포함할 수 있다. 각 구성요소는 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 있는 실시예들에 따른 포인트 클라우드 데이터 송신 장치에 대응할 수 있다.
데이터 입력부(16000)는 포인트 클라우드 데이터를 수신할 수 있다. 데이터 입력부는 포인트 클라우드 데이터의 지오메트리 데이터, 어트리뷰트 데이터, 및/또는 포인트 클라우드 데이터에 관해 설정된 파라미터 정보를 입력받을 수 있다.
좌표계 변환부(16001)는 포인트 클라우드 데이터의 좌표계 정보를 인코딩을 위해서 변환할 수 있다.
지오메트리 정보 변환 양자화 처리부(16002)는 지오메트리 데이터를 양자화할 수 있다. 예를 들어, 양자화 파라미터에 기반하여 지오메트리 데이터에 양자화를 적용할 수 있다.
공간 분할부(16003)는 지오메트리 데이터를 인코딩하기 위해서 공간 단위에 기반하여 분할할 수 있다.
지오메트리 정보 부호화부(16004)는 지오메트리 데이터를 인코딩할 수 있다. 지오메트리 정보 부호화부는 지오메트리 데이터를 복셀화할 수 있다. 실시예들에 따라, 복셀화 처리는 옵셔널할 수 있다. 즉, 지오메트리 코딩을 위한 예측 트리를 수행하는 경우 지오메트리 데이터를 복셀화할 수 있고, 안 할수도 있다.
지오메트리 정보 부호화부는 지오메트리 코딩 타입이 예측 기반 코딩일 경우, 예측 트리 생성부를 통해 예측 트리를 생성하고, 예측 결정부를 통해 예측 트리를 생성하고 RDO(Rate Distortion Optimization) 과정을 수행하여 최적의 예측 모드를 선택할 수 있다. 최적의 예측 모드에 따른 지오메트리 예측 값을 생성할 수 있다.
지오메트리 정보 엔트로피 부호화부는 예측된 값과의 잔차값을 엔트로피 코딩하여 지오메트리 정보 비트스트림을 구성할 수 있다.
예측 트리 생성부는 포인트 정렬 방법(e.g., 정렬 안 함, Morton code 순서로 정렬, radius 순서로 정렬, azimuth 순서로 정렬, elevation 순서로 정렬, 센서 ID 순서로 정렬, 캡처된 시간 순서로 정렬 등), 그룹핑 적용 방법(e.g., 정렬 안 함, Morton code 순서로 정렬, radius 순서로 정렬, azimuth 순서로 정렬, elevation 순서로 정렬, 센서 ID 순서로 정렬, 캡처된 시간 순서로 정렬, 그것들의 조합 등), 그룹핑 적용 범위(e.g, Morton code 그룹핑 방법은 shift 값, radius, azimuth, elevation, 캡처된 시간 순서와 같이 소수점이 있는 경우, 반올림 자리수, 기타 그 외로 범위을 나타내는 값 등), 그룹핑 내 정렬 방법(e.g., 정렬 안 함, Morton code 순서로 정렬, radius 순서로 정렬, azimuth 순서로 정렬, elevation 순서로 정렬, 센서 ID 순서로 정렬, 캡처된 시간 순서로 정렬 등), 빠른 예측 트리 적용 여부 (그룹 내 부모/자식 관계 기반 예측 트리 생성, 인접한 그룹 간 부모/자식 관계 기반 예측 트리 생성)등에 따른 설정에 따라 예측 트리를 생성할 수 있다.
예측 트리 생성부는 포인트 정렬 방법(pred_geom_tree_sorting_type), 그룹핑 적용 방법(pred_geom_tree_sorting_type), 그룹핑 적용 범위(pred_geom_tree_grouping_n_digit), 그룹핑 내 정렬 방법(pred_geom_tree_sorting_type), 빠른 예측 트리 적용 여부(pred_geom_tree_build_method)에 관한 정보를 생성하여 수신 측에 전달할 수 있다.
예측 트리 생성부는 포인트들을 정렬 방법을 송신 장치 설정에 따라서 입력 받을 수 있고, 정렬 방법에 따라 포인트들을 정렬할 수 있다. 포인트 정렬 방법에는 몰톤 코드(Morton code), 반경(radius), 아지무스(azimuth), 엘리베이션(elevation), 센서 ID 기준, 또는 캡처된 시간 순서, 그것들의 조합 등이 있을 수 있다. 적용된 정렬 방법은 비트스트림에 파라미터 정보로 포함되어 디코더에 전달될 수 있다. 정렬의 단계를 여러 단계로 나누어, 각 단계별로 정렬을 다르게 적용할 수 있다. 복수의 포인트 클라우드 데이터를 단계별로 서로 다르게 정렬할 수 있다.
예측 트리 생성부는 포인트 정렬 방법에 그룹핑을 적용할 지 여부, 그룹핑을 진행할 방법을 송신 장치 설정에 따라 입력 받을 수 있다. 그룹핑 정렬 방법에는 몰톤 코드(Morton code), 반경(radius), 아지무스(azimuth), 엘리베이션(elevation), 센서 ID 기준, 또는 캡처된 시간 순서, 그것들의 조합 등이 있을 수 있다. 적용된 그룹핑 정렬 방법은 비트스트림에 파라미터 정보로 포함되어 디코더에 전달될 수 있다. 정렬의 단계를 여러 단계로 나누로, 각 단계별로 그룹핑을 적용할 수 있다. 복수의 포인트 클라우드 데이터를 단계별로 서로 다르게 그룹핑할 수 있다.
예측 트리 생성부는 그룹핑 범위를 송신 장치 설정에 따라 입력 받을 수 있다.
예를 들어, 몰톤 코드(Morton code) 그룹핑 방법은 시프트(shift) 값이 그룹핑 범위 설정값이 될 수 있다. 복수의 포인트들에 대한 몰톤 코드가 비트로 표현되는 경우 그룹핑 범위를 나타내는 시프트 값에 의해 몰톤 코드가 시프트되어 복수의 포인트들이 동일한 그룹으로 그룹핑(또는 소팅 sorting)될 수 있다.
아지무스(azimuth), 엘리베이션, 시간 등 그 값이 소수점을 가지는 경우, 반올림 자리수가 그룹핑 범위 설정값이 될 수 있다. 복수의 포인트들이 아지무스와 같이 소수점을 가진 데이터로 표현되는 경우 일정한 자릿수에서 반올림을 하면 복수의 포인트들이 동일한 그룹으로 그룹핑 또는 분류(sorting)될 수 있다.
센서ID 또는 기타 데이터의 경우 범위값이 그룹핑 범위 설정값이 될 수 있다. 일정 범위 내 포함되는 포인트들은 동일한 그룹으로 그룹핑 또는 분류될 수 있다.
실시예들에 따른 그룹핑 범위는 파라미터 정보로서 비트스트림에 포함되어 디코더에 전달될 수 있다.
예측 트리 생성부는 그룹 내 포인트들 정렬하는 방법을 송신 장치 설정에 따라 입력 받을 수 있다. 그룹 내 정렬 방법에 따라 그룹 내에 속한 포인트들을 정렬할 수 있다. 포인트 정렬 방법에는 몰톤 코드(Morton code), 반경(radius), 아지무스(azimuth), 엘리베이션(elevation), 센서 ID 기준, 캡처된 시간 순서, 또는 그것들의 조합 등이 있을 수 있다. 적용된 정렬 방법은 파라미터 정보로 비트스트림에 포함되어 디코더에 전달될 수 있다.
예측 트리 생성부는 정렬된 순서를 기반으로 빠른 예측 트리 생성 방법을 적용할지 여부를 송신 장치 설정에 따라 입력 받을 수 있다. 빠른 생성을 하는 경우 그룹 내 정렬된 순서에 따라서 예측 트리를 생성될 수 있고 그룹 간 연속된 그룹의 첫번째 포인트와 거리가 가까운 포인트를 찾아서 부모/자식 관계를 생성할 수 있다. 빠른 예측 트리 생성방법이 적용되었는지 여부는 파라미터 정보로 비트스트림에 포함되어 디코더에 전달될 수 있다.
지오메트리 정보 부호화부는 지오메트리 코딩 타입을 확인할 수 있다. 지오메트리 코딩 타입은 실시예들에 따른 포인트 클라우드 데이터 송신 장치에서 설정될 수 있다. 예를 들어, 포인트 클라우드 데이터에 기반하여 최적의 코딩 타입을 결정할 수 있다. 실시예들에 따른 코딩 타입은 옥트리 기반 코딩, 예측 기반 코딩, 및/또는 트라이숩 기반 코딩 등을 포함할 수 있다.
옥트리 기반 코딩은 지오메트리 데이터에 대한 옥트리를 생성하고, 옥트리에 기반하여 지오메트리 데이터를 인코딩할 수 있다.
트라이숩 기반 코딩은 지오메트리 데이터에 대한 트라이숩을 생성하여, 트라이숩에 기반하여 지오메트리 데이터를 인코딩할 수 있다.
예측 기반 코딩은 실시예들에 따른 예측 트리를 생성하고, RDO기반하여 예측 데이터를 결정할 수 있다.
실시예들에 따른 예측 기반 코딩을 위해서, 예측 트리 구성 타입 정보, 포인트 정렬 방법, 최대 거리 정보 등을 입력받을 수 있다. 또한, 예측 트리에서, 적용된 예측 트리 구성 타입 정보, 적용된 포인트 정렬 방법 정보를 수신 디코더 장치에 전달할 수 있다.
지오메트리 정보 부호화부는 지오메트리 데이터, 즉 위치 데이터를 재구성할 수 있다. 재구성(복원)된 지오메트리 데이터는 어트리뷰트 코딩을 위해서 속성정보 부호화부에 전달될 수 있다.
지오메트리 정보 부호화부는 지오메트리 코딩 타입이 예측 기반 코딩일 경우, 예측 트리 생성부를 통해 예측 트리를 생성하고, RDO를 통한 예측 결정부를 통해 생성된 예측 트리를 기반으로 RDO(Rate Distortion Optimization) 과정을 수행하여 최적의 예측 모드를 선택할 수 있다. 최적의 예측 모드에 따른 지오메트리 예측 값을 생성할 수 있다.
지오메트리 정보 엔트로피 부호화부(17050)는 엔트로피 방식에 기반하여 포인트 클라우드 데이터를 인코딩할 수 있다. 지오메트리 정보 부호화부는 인코딩된 지오메트리 정보 비트스트림을 생성할 수 있다.
지오메트리 정보 엔트로피 부호화부(16005)는 지오메트리 데이터 및 예측된 값과의 잔차값을 엔트로피 코딩하여 지오메트리 정보 비트스트림을 구성할 수 있다.
속성정보 부호화부(16006)는 데이터 입력부로부터 어트리뷰트 데이터를 수신하여 부호화할 수 있다. 어트리뷰트 데이터(속성)는 지오메트리 데이터(위치)에 의존적이기 때문에, 지오메트리 위치 재구성부가 복원한 지오메트리 데이터에 기반하여 어트리뷰트 데이터를 인코딩할 수 있다. 어트리뷰트 정보인 컬러(색상)을 인코딩 처리를 위해서 변환할 수 있다. 속성정보 부호화부는 어트리뷰트 데이터를 엔트로피 방식에 기반하여 부호화할 수 있다.
지오메트리 정보 부호화부는 지오메트리 데이터를 옥트리, 예측 트리, 트라이숩 등에 기반하여 인코딩하여 지오메트리 정보 비트스트림을 생성할 수 있고, 속성정보 부호화부는 어트리뷰트 데이터를 인코딩하여 속성정보 비트스트림을 생성할 수 있다.
또한, 지오메트리 정보 부호화부 및 속성정보 부호화부를 포함하는 인코더는 지오메트리 코딩 및 어트리뷰트 코딩에 관한 정보를 파라미터 정보로 비트스트림에 포함시켜서 디코더에 전달할 수 있다.
도17은 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도1의 수신장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩, 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도17의 포인트 클라우드 데이터 수신 장치 등은 도15와 같은 방법에 기반하여 포인트 클라우드 데이터를 디코딩할 수 있다. 각 구성요소는 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 있는 실시예들에 따른 포인트 클라우드 데이터 수신 장치에 대응할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 장치는 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는 비트스트림을 수신하고, 지오메트리 데이터를 디코딩하고, 어트리뷰트 데이터를 디코딩할 수 있다.
도17의 동작은 도16의 대응하는 동작의 역과정을 따를 수 있다.
지오메트리 정보 복호화부(17000)는 지오메트리 정보 비트스트림을 수신할 수 있다.
지오메트리 정보 복호화부는 기하정보 엔트로피 복호화부에 의해 엔트로피 방식으로 지오메트리 데이터를 디코딩할 수 있다.
지오메트리 정보 복호화부는 지오메트리 코딩 타입을 확인할 수 있다. 인코더에서 옥트리 기반 코딩이 적용되었는지, 예측 기반 코딩이 적용되었는지를 확인하여 그에 따른 대응하는 디코딩을 수행할 수 있다.
인코더에서 옥트리 기반 코딩을 적용한 경우, 지오메트리 정보 복호화부는 옥트리 재구성부를 통해 옥트리 기반 디코딩을 수행할 수 있다.
인코더에서 예측 기반 코딩을 적용한 경우, 지오메트리 정보 복호화부는 예측 트리 재구성부를 통해 예특 트리 기반 디코딩을 수행할 수 있다.
예측 트리 재구성부는 포인트 정렬 방법과 그룹핑 적용 여부, 그룹핑 적용 방법, 그룹핑 적용 범위 여부, 빠른 예측 트리 적용 여부를 비트스트림에 포함된 파라미터 정보에 기반하여 확인하고 그에 따라 예측 트리를 재구성하고 지오메트리의 예측값을 복호화할 수 있다.
지오메트리 정보 복호화부는 지오메트리 데이터(위치)를 재구성하여 복원된 지오메트리 데이터를 생성하여, 속성정보 복호화부에 전달할 수 있다.
지오메트리 정보 복호화부는 기하정보 예측부를 통해 지오메트리 데이터를 예측하고, 기하정보 변환 역양자화 처리부를 통해 변환하고 역으로 양자화할 수 있다.
지오메트리 정보 복호화부는 지오메트리 데이터에 대한 좌표계를 역으로 변환할 수 있다.
지오메트리 정보 복호화부는 지오메트리 정보 비트스트림을 디코딩하여 기하정보를 복원할 수 있다.
속성정보 복호화부(17010)는 속성정보 비트스트림을 디코딩하여 속성정보를 복원할 수 있다. 속성 정보 복호화부는 복원된 기하정보에 기반하여 속성 정보를 디코딩할 수 있다.
속성정보 복호화부는 속성 잔차 정보 엔트로피 복호화부를 통해 인코더가 전달한 어트리뷰트 데이터에 대한 잔차값을 엔트로피 방식에 기반하여 디코딩할 수 있다.
속성정보 복호화부는 잔차 속성정보 역양자화 처리부를 통해 잔차 속성정보를 역으로 양자화할 수 있다.
색상 역변환 처리부는 어트리뷰트 데이터(색상)을 역으로 변환하여 속성정보를 복원할 수 있다.
도18은 실시예들에 따른 포인트 클라우드 데이터를 포함하는 비트스트림 구조를나타낸다.
도1의 송신장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩, 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도16의 포인트 클라우드 데이터 송신 장치 등은 도18과 같은 포인트 클라우드 데이터를 포함하는 비트스트림을 생성할 수 있다. 도1의 수신장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩, 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도17의 포인트 클라우드 데이터 수신 장치 등은 도18과 같은 포인트 클라우드 데이터를 포함하는 비트스트림을 디코딩할 수 있다.
예를 들어, 실시예들에 따른 방법/장치는 PCC부호화 관련 정보를 시그널링 할 수 있다. 실시예들에 따른 시그널링 정보는 송신단 또는 수신단 등에서 사용될 수 있다. 실시예들에 따른 시그널링 정보는 실시예들에 따른 송수신 장치, 예를 들어, 송신 장치의 메타데이터 처리부(메타데이터 제너레이터 등 지칭 가능)에서 생성되고 전송되어 수신 장치의 메타데이터 파서에서 수신되고 획득될 수 있다. 실시예들에 따른 수신 장치의 각 동작은 시그널링 정보에 기반하여 각 동작을 수행할 수 있다. 부호화된 포인트 클라우드 구성은 다음과 같다.
포인트 클라우드 데이터에 포함된 정보의 약어는 다음과 같다. SPS: 시퀀스 파라미터 세트(Sequence Parameter Set), GPS: 지오메트리 파라미터 세트(Geometry Parameter Set), APS: 어트리뷰트 파라미터 세트(Attribute Parameter Set), TPS: 타일 파라미터 세트(Tile Parameter Set), Geom: 지오메트리 비트스트림(Geometry bitstream), 지오메트리 비트스트림은 지오메트리 슬라이스 헤더(geometry slice header) 및/또는 지오메트리 슬라이스 데이터(geometry slice data)를 포함할 수 있다. Attr: 어트리뷰트 비트스트림(Attribute bitstream), 어트리뷰트 비트스트림은 어트리뷰트 브릭 헤더(attribute brick header) 및 어트리뷰트 브릭 데이터(attribute brick data)를 포함할 수 있다. 실시예들에 따라, 슬라이스는 인코딩의 단위를 의미할 수 있다. 지오메트리 인코딩 시 슬라이스 기반 지오메트리를 부호화할 수 있고, 어트리뷰트 인코딩 시 슬라이스 기반 어트리뷰트를 부호화할 수 있다. 실시예들에 따라, 비트스트림 구조에 데이터 유닛이 추가될 수 있다. 데이터 유닛 별로 지오메트리/어트리뷰트 데이터가 전달될 수 있다.
실시예들에 따른 방법/장치는 도15 내지 도17동작들에 관련된 포인트 정렬/예측 트리 생성 관련 옵션 정보를 도19, 도20과 같이 포인트 클라우드 데이터의 비트스트림의 시퀀스 파라미터 세트(SPS), 또는 지오메트리 파라미터 세트(GPS) 등에 추가하여 전달할 수 있다.
실시예들에 따른 방법/장치는 도15 내지 도17동작들에 관련된 포인트 정렬/예측 트리 생성 관련 옵션 정보를 도21, 도22와 같이 타일 파라미터 세트(TPS), 또는 각 슬라이스(Slice)별 지오메트리 헤더(Geometry header)에 추가하여 전달할 수 있다.
실시예들에 따른 방법/장치는 포인트 클라우드를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스에 기반하여 포인트 클라우드 데이터를 처리할 수 있다.
포인트 클라우드 데이터를 영역별로 나눌 때 각각의 영역 별로 다른 이웃 포인트 집합 생성 옵션을 설정해서 복잡도(complexity)는 낮고, 결과의 신뢰도는 다소 떨어지거나 반대로 복잡도가 높으나 신뢰도가 높은 선택 방안을 다양하게 제공할 수 있다. 수신기의 처리능력(capacity)에 따라서 다르게 설정할 수 있다.
따라서, 포인트 클라우드가 타일(Tile)로 나누어지는 경우, 각 타일별로 다른 옵션을 적용할 수 있다. 타일 별 설정 정보를 타일 파라미터 세트 정보를 통해 전달할 수 있다.
포인트 클라우드는 슬라이스(Slice)로 나누어지는 경우, 각 슬라이스별로 다른 옵션을 적용할 수 있다. 슬라이스 별 설정 정보를 슬라이스 헤더 정보를 통해 전달할 수 있다.
도19는 실시예들에 따른 시퀀스 파라미터 세트를 나타낸다.
도1의 송신장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩, 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도16의 포인트 클라우드 데이터 송신 장치 등은 도19과 같은 포인트 클라우드 데이터 및 포인트 클라우드 데이터에 관한 시퀀스 파라미터 정보를 포함하는 비트스트림을 생성할 수 있다. 도1의 수신장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩, 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도17의 포인트 클라우드 데이터 수신 장치 등은 도19와 같은 포인트 클라우드 데이터 및 포인트 클라우드 데이터에 관한 시퀀스 파라미터 정보를 포함하는 비트스트림을 디코딩할 수 있다.
실시예들에 따른 포인트 정렬 및 예측 트리 생성 관련 옵션 정보를 시퀀스 파라미터 세트에 포함될 수있다.
예측 지오메트리 트리 정렬 단계 개수(pred_geom_tree_sorting_num_steps): 해당 시퀀스에서 적용할 포인트 정렬 단계를 나타낼 수 있다. 예측 지오메트리 트리를 위한 포인트 정렬 방식을 해당 시퀀스에서 복수의 단계별로 적용할 수 있다. 시퀀스란 포인트 클라우드 데이터를 포함하는 프레임을 의미할 수 있다.
예측 지오메트리 트리 정렬 타입(pred_geom_tree_sorting_type): 해당 시퀀스에서 예측 지오메트리 트리 생성시 적용할 단계별 정렬 방법을 나타낼 수 있다.
0= 정렬 안 함
1= Morton code 순서로 정렬
2= radius 순서로 정렬
3= azimuth 순서로 정렬
4= elevation 순서로 정렬
5= 센서 ID 순서로 정렬
6= 캡처된 시간 순서로 정렬
각 정렬 방법에 따른 값은 다양하게 변형될 수 있다.
예측 지오메트리 트리 정렬 오름차순 플래그(pred_geom_tree_sorting_ascending_flag): 해당 시퀀스에서 예측 지오메트리 트리 생성시 단계별 포인트를 정렬하는 경우 각 단계별 오름차순으로 정렬할지(true) 내림차순으로 정렬할지(false)에 대한 정보를 나타낸다.
예측 지오메트리 트리 그룹 정렬 플래그(pred_geom_tree_group_sorting_flag): 해당 시퀀스에 예측 지오메트리 트리 생성시 정렬 단계별 그룹핑 기반 정렬 수행할지 여부에 정보를 나타낸다.
예측 지오메트리 트리 그룹핑 범위(pred_geom_tree_grouping_n_digit): 해당 시퀀스에서 예측 지오메트리 트리 생성시 단계별 정렬 그룹핑 수행시 그룹핑을 적용할 범위를 나타낸다. 그룹핑 적용 범위의 신택스(syntax)는 동일하나, 예측 지오메트리 트리 정렬 타입(pred_geom_tree_sorting_type)에 따라서, 그룹핑 범위 적용이 다양할 수 있다.
예를 들어, 몰톤 코드(Morton code) 그룹핑 범위는 시트값(shift) 값으로 표현될 수 있다.
radius, azimuth, elevation등과 같이 데이터가 소수점을 가지는 경우 그룹핑 범위는 반올림을 수행할 자리수로 표현될 수 있다. 그 밖에, 범위를 나타내는 값으로 그룹핑 범위가 표현될 수 있다.
예측 지오메트리 트리 생성 방법(pred_geom_tree_build_method): 해당 시퀀스에서 예측 지오메트리 트리 생성 방법을 나타낼 수 있다.
0= 정렬된 순서 기반 예측 트리 생성 방안
1= KD 트리 기반 거리 기준 예측 트리 생성 방안
3= 그룹으로 정렬된 순서 기반 예측 트리 생성 방안
각 정수값은 다양하게 설정될 수 있다.
프로파일(profile_idc): 실시예들에 따른 비트스트림에 대한 프로파일 정보를 나타낼 수 있다. ISO/IEC에 의해 사용될 수 있는 후보 값들이 예약될 수 있다.
프로파일 호환성 플래그(profile_compatibility_flags): 이 값이 1이면, 프로파일(profile_idc)에 의해 지시되는 프로파일을 비트스트림이 따르는 것을 나타낸다.
SPS 어트리뷰트 세트 개수(sps_num_attribute_sets): 비트스트림 내 코딩된 어트리뷰들의 개수를 나타낸다. 이 값의 범위는 0 내지63일 수 있다.
어트리뷰트 디멘션(attribute_dimension[ i ]): i번째 어트리뷰트의 컴포넌트들의 개수를 나타낸다. 어트리뷰트 컴포넌트는 컬러, 반사도 등을 포함할 수 있다.
어트리뷰트 인스턴스 아이디(attribute_instance_id[ i ]): i번째 어트리뷰트의 인스턴스 아이디를 나타낸다.
실시예들에 따른 방법/장치는 도19 내지 도22에 따른 예측 지오메트리 코딩 관련 파라미터에 기반하여 다음과 같이 시그널링 정보를 전달할 수 있다.
예를 들어, 포인트에 적용된 정렬 방법 (Morton code, radius, azimuth, elevation, 센서 ID 기준, 또는 캡처된 시간 순서 등)은 도19내지 도22의 pred_geom_tree_sorting_type 정보에 의해 지시될 수 있다.
그룹핑에 적용된 그룹핑 정렬 방법 (Morton code, radius, azimuth, elevation, 센서 ID 기준, 또는 캡처된 시간 순서 등)은 도19내지 도22의 pred_geom_tree_sorting_type 정보에 의해 지시될 수 있다.
그룹핑 범위 (Morton code 그룹핑 방법은 shift 값을 입력 받을 수 있고, azimuth 나 그 외에 소수점이 있는 경우, 반올림 자리수를 입력 받을 수 있고, 그 외로 범위)는 도19내지 도22의 pred_geom_tree_grouping_n_digit 정보에 의해 지시될 수 있다.
그룹 내 정렬 방법 (Morton code, radius, azimuth, elevation, 센서 ID 기준, 캡처된 시간 순서, 또는 조합 등)은 도19내지 도22의 pred_geom_tree_sorting_type 정보에 의해 지시될 수 있다.
그룹핑 기반 빠른 예측 트리 생성 방법 여부는 도19내지 도22의 pred_geom_tree_group_sorting_flag 정보에 의해 지시될 수 있다.
pred_geom_tree_sorting_num_steps 정보에 의해서 포인트에 적용된 정렬 방법, 그룹핑에 적용된 그룹핑 정렬 방법, 그룹 내 정렬 방법 등이 구별될 수 있다. pred_geom_tree_sorting_num_steps가 하나 또는 하나 이상인 경우, 정렬 스텝이 1개일 수 있고, 정렬 스텝이 2개(sorting_type[0], sorting_type[1])일 수 있다. 복수 개 정렬 타입이 있으면, 큰 범위에 먼저 타입이 적용되고, 그 다음으로 그룹핑된 범위에 적용될 수 있다.
예를 들어, 도19내지 도22에서, for (i=0; i< pred_geom_tree_sorting_num_steps; i++) 에서 복수의 단계가 있는 경우, i = 0이면, pred_geom_tree_sorting_type은 포인트에 적용된 정렬 방법을 나타내고, i=1이면, pred_geom_tree_sorting_type은 그룹핑에 적용된 그룹핑 정렬 방법을 나타내고, i=2이면, pred_geom_tree_sorting_type은 그룹 내 정렬 방법을 나타낼 수 있다. i에 따른 지시되는 정보의 순서는 실시예들에 따라 다양하게 설정될 수 있다.
도20은 실시예들에 따른 지오메트리 파라미터 세트를 나타낸다.
도1의 송신장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩, 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도16의 포인트 클라우드 데이터 송신 장치 등은 도20과 같은 포인트 클라우드 데이터 및 포인트 클라우드 데이터에 관한 지오메트리 파라미터 정보를 포함하는 비트스트림을 생성할 수 있다. 도1의 수신장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩, 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도17의 포인트 클라우드 데이터 수신 장치 등은 도20와 같은 포인트 클라우드 데이터 및 포인트 클라우드 데이터에 관한 지오메트리 파라미터 정보를 포함하는 비트스트림을 디코딩할 수 있다.
실시예들에 따른 방법/장치는 포인트 정렬/예측 트리 생성 기능을 위한 관련 옵션 정보를 지오메트리 파라미터 세트(Geometry Parameter Set)에 추가하여 전달할 수 있다
예측 지오메트리 트리 정렬 단계 개수(pred_geom_tree_sorting_num_steps): 해당 시퀀스에서 적용할 포인트 정렬 단계를 나타낼 수 있다. 예측 지오메트리 트리를 위한 포인트 정렬 방식을 해당 시퀀스에서 복수의 단계별로 적용할 수 있다. 시퀀스란 포인트 클라우드 데이터를 포함하는 프레임을 의미할 수 있다.
예측 지오메트리 트리 정렬 타입(pred_geom_tree_sorting_type): 해당 시퀀스에서 예측 지오메트리 트리 생성시 적용할 단계별 정렬 방법을 나타낼 수 있다.
0= 정렬 안 함
1= Morton code 순서로 정렬
2= radius 순서로 정렬
3= azimuth 순서로 정렬
4= elevation 순서로 정렬
5= 센서 ID 순서로 정렬
6= 캡처된 시간 순서로 정렬
각 정렬 방법에 따른 값은 다양하게 변형될 수 있다.
예측 지오메트리 트리 정렬 오름차순 플래그(pred_geom_tree_sorting_ascending_flag): 해당 시퀀스에서 예측 지오메트리 트리 생성시 단계별 포인트를 정렬하는 경우 각 단계별 오름차순으로 정렬할지(true) 내림차순으로 정렬할지(false)에 대한 정보를 나타낸다.
예측 지오메트리 트리 그룹 정렬 플래그(pred_geom_tree_group_sorting_flag): 해당 시퀀스에 예측 지오메트리 트리 생성시 정렬 단계별 그룹핑 기반 정렬 수행할지 여부에 정보를 나타낸다.
예측 지오메트리 트리 그룹핑 범위(pred_geom_tree_grouping_n_digit): 해당 시퀀스에서 예측 지오메트리 트리 생성시 단계별 정렬 그룹핑 수행시 그룹핑을 적용할 범위를 나타낸다. 그룹핑 적용 범위의 신택스(syntax)는 동일하나, 예측 지오메트리 트리 정렬 타입(pred_geom_tree_sorting_type)에 따라서, 그룹핑 범위 적용이 다양할 수 있다.
예를 들어, 몰톤 코드(Morton code) 그룹핑 범위는 시트값(shift) 값으로 표현될 수 있다.
radius, azimuth, elevation등과 같이 데이터가 소수점을 가지는 경우 그룹핑 범위는 반올림을 수행할 자리수로 표현될 수 있다. 그 밖에, 범위를 나타내는 값으로 그룹핑 범위가 표현될 수 있다.
예측 지오메트리 트리 생성 방법(pred_geom_tree_build_method): 해당 시퀀스에서 예측 지오메트리 트리 생성 방법을 나타낼 수 있다.
0= 정렬된 순서 기반 예측 트리 생성 방안
1= KD 트리 기반 거리 기준 예측 트리 생성 방안
3= 그룹으로 정렬된 순서 기반 예측 트리 생성 방안
각 정수값은 다양하게 설정될 수 있다.
GPS 지오메트리 파라미터 세트 아이디(gps_geom_parameter_set_id): 다른 신택스 엘리먼트들에 의한 참조를 위한 GPS에 대한 식별자를 나타내다. 이 값의 범위는 0내지15(포함)일 수 있다.
GPS시퀀스 파라미터 세트 아이디(gps_seq_parameter_set_id): 액티브 SPS에 대한 sps_seq_parameter_set_id의 값을 나타낼 수 있다. 이 값의 범위는 0내지15(포함)일 수 있다.
도21은 실시예들에 따른 타일 파라미터 세트를 나타낸다.
도1의 송신장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩, 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도16의 포인트 클라우드 데이터 송신 장치 등은 도21과 같은 포인트 클라우드 데이터 및 포인트 클라우드 데이터에 관한 타일 파라미터 정보를 포함하는 비트스트림을 생성할 수 있다. 도1의 수신장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩, 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도17의 포인트 클라우드 데이터 수신 장치 등은 도21과 같은 포인트 클라우드 데이터 및 포인트 클라우드 데이터에 관한 타일 파라미터 정보를 포함하는 비트스트림을 디코딩할 수 있다.
실시예들에 따른 방법/장치는 포인트 정렬/예측 트리 생성 기능을 위한 관련 옵션 정보를 타일 파라미터 세트(Tile Parameter Set)에 추가하여 전달할 수 있다.
예측 지오메트리 트리 정렬 단계 개수(pred_geom_tree_sorting_num_steps): 해당 타일에서 적용할 포인트 정렬 단계를 나타낼 수 있다. 예측 지오메트리 트리를 위한 포인트 정렬 방식을 해당 타일에서 복수의 단계별로 적용할 수 있다. 타일이란 포인트 클라우드 데이터를 처리하는 프레임 단위를 의미할 수 있다.
예측 지오메트리 트리 정렬 타입(pred_geom_tree_sorting_type): 해당 타일에서 예측 지오메트리 트리 생성시 적용할 단계별 정렬 방법을 나타낼 수 있다.
0= 정렬 안 함
1= Morton code 순서로 정렬
2= radius 순서로 정렬
3= azimuth 순서로 정렬
4= elevation 순서로 정렬
5= 센서 ID 순서로 정렬
6= 캡처된 시간 순서로 정렬
각 정렬 방법에 따른 값은 다양하게 변형될 수 있다.
예측 지오메트리 트리 정렬 오름차순 플래그(pred_geom_tree_sorting_ascending_flag): 해당 타일에서 예측 지오메트리 트리 생성시 단계별 포인트를 정렬하는 경우 각 단계별 오름차순으로 정렬할지(true) 내림차순으로 정렬할지(false)에 대한 정보를 나타낸다.
예측 지오메트리 트리 그룹 정렬 플래그(pred_geom_tree_group_sorting_flag): 해당 타일에 예측 지오메트리 트리 생성시 정렬 단계별 그룹핑 기반 정렬 수행할지 여부에 정보를 나타낸다.
예측 지오메트리 트리 그룹핑 범위(pred_geom_tree_grouping_n_digit): 해당 타일에서 예측 지오메트리 트리 생성시 단계별 정렬 그룹핑 수행시 그룹핑을 적용할 범위를 나타낸다. 그룹핑 적용 범위의 신택스(syntax)는 동일하나, 예측 지오메트리 트리 정렬 타입(pred_geom_tree_sorting_type)에 따라서, 그룹핑 범위 적용이 다양할 수 있다.
예를 들어, 몰톤 코드(Morton code) 그룹핑 범위는 시트값(shift) 값으로 표현될 수 있다.
radius, azimuth, elevation등과 같이 데이터가 소수점을 가지는 경우 그룹핑 범위는 반올림을 수행할 자리수로 표현될 수 있다. 그 밖에, 범위를 나타내는 값으로 그룹핑 범위가 표현될 수 있다.
예측 지오메트리 트리 생성 방법(pred_geom_tree_build_method): 해당 타일에서 예측 지오메트리 트리 생성 방법을 나타낼 수 있다.
0= 정렬된 순서 기반 예측 트리 생성 방안
1= KD 트리 기반 거리 기준 예측 트리 생성 방안
3= 그룹으로 정렬된 순서 기반 예측 트리 생성 방안
각 정수값은 다양하게 설정될 수 있다.
GPS 지오메트리 파라미터 세트 아이디(gps_geom_parameter_set_id): 다른 신택스 엘리먼트들에 의한 참조를 위한 GPS에 대한 식별자를 나타내다. 이 값의 범위는 0내지15(포함)일 수 있다.
GPS시퀀스 파라미터 세트 아이디(gps_seq_parameter_set_id): 액티브 SPS에 대한 sps_seq_parameter_set_id의 값을 나타낼 수 있다. 이 값의 범위는 0내지15(포함)일 수 있다.
타일 개수(num_tiles) 비트스트림에 대해 시그널링되는 타일들의 개수이다. 존재하지 않는 경우, 타일 개수는 0으로 추론될 수 있다.
타일 바운딩 박스 X(tile_bounding_box_offset_x[ i ]): 좌표계 내 i번째 타일의 X오프셋을 나타낸다. 존재하지 않는 경우, 0번쨰 타일 바운딩 박스 X오프셋으로 추론될 수 있다.
타일 바운딩 박스 Y(tile_bounding_box_offset_y[ i ]): 좌표계 내 i번째 타일의 Y오프셋을 나타낸다. 존재하지 않는 경우, 0번쨰 타일 바운딩 박스 Y오프셋으로 추론될 수 있다.
타일 바운딩 박스 Z(tile_bounding_box_offset_z[ i ]): 좌표계 내 i번째 타일의 Z오프셋을 나타낸다. 존재하지 않는 경우, 0번쨰 타일 바운딩 박스 Z오프셋으로 추론될 수 있다.
도22는 실시예들에 따른 지오메트리 슬라이스 헤더를 나타낸다.
도1의 송신장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩, 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도16의 포인트 클라우드 데이터 송신 장치 등은 도22와 같은 포인트 클라우드 데이터 및 포인트 클라우드 데이터에 관한 슬라이스 헤더 정보를 포함하는 비트스트림을 생성할 수 있다. 도1의 수신장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩, 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도17의 포인트 클라우드 데이터 수신 장치 등은 도22와 같은 포인트 클라우드 데이터 및 포인트 클라우드 데이터에 관한 슬라이스 헤더 정보를 포함하는 비트스트림을 디코딩할 수 있다.
실시예들에 따른 방법/장치는 포인트 정렬/예측 트리 생성 기능을 위한 관련 옵션 정보를 지오메트리 슬라이스 헤더(Geometry Slice Header)에 추가하여 전달할 수 있다. 슬라이스는 포인트 클라우드 데이터의 인코딩 및 디코딩 유닛일 수 있다.
예측 지오메트리 트리 정렬 단계 개수(pred_geom_tree_sorting_num_steps): 해당 슬라이스에서 적용할 포인트 정렬 단계를 나타낼 수 있다. 예측 지오메트리 트리를 위한 포인트 정렬 방식을 해당 타일에서 복수의 단계별로 적용할 수 있다.
예측 지오메트리 트리 정렬 타입(pred_geom_tree_sorting_type): 해당 슬라이스에서 예측 지오메트리 트리 생성시 적용할 단계별 정렬 방법을 나타낼 수 있다.
0= 정렬 안 함
1= Morton code 순서로 정렬
2= radius 순서로 정렬
3= azimuth 순서로 정렬
4= elevation 순서로 정렬
5= 센서 ID 순서로 정렬
6= 캡처된 시간 순서로 정렬
각 정렬 방법에 따른 값은 다양하게 변형될 수 있다.
예측 지오메트리 트리 정렬 오름차순 플래그(pred_geom_tree_sorting_ascending_flag): 해당 슬라이스에서 예측 지오메트리 트리 생성시 단계별 포인트를 정렬하는 경우 각 단계별 오름차순으로 정렬할지(true) 내림차순으로 정렬할지(false)에 대한 정보를 나타낸다.
예측 지오메트리 트리 그룹 정렬 플래그(pred_geom_tree_group_sorting_flag): 해당 슬라이스에 예측 지오메트리 트리 생성시 정렬 단계별 그룹핑 기반 정렬 수행할지 여부에 정보를 나타낸다.
예측 지오메트리 트리 그룹핑 범위(pred_geom_tree_grouping_n_digit): 해당 슬라이스에서 예측 지오메트리 트리 생성시 단계별 정렬 그룹핑 수행시 그룹핑을 적용할 범위를 나타낸다. 그룹핑 적용 범위의 신택스(syntax)는 동일하나, 예측 지오메트리 트리 정렬 타입(pred_geom_tree_sorting_type)에 따라서, 그룹핑 범위 적용이 다양할 수 있다.
예를 들어, 몰톤 코드(Morton code) 그룹핑 범위는 시트값(shift) 값으로 표현될 수 있다.
radius, azimuth, elevation등과 같이 데이터가 소수점을 가지는 경우 그룹핑 범위는 반올림을 수행할 자리수로 표현될 수 있다. 그 밖에, 범위를 나타내는 값으로 그룹핑 범위가 표현될 수 있다.
예측 지오메트리 트리 생성 방법(pred_geom_tree_build_method): 해당 슬라이스에서 예측 지오메트리 트리 생성 방법을 나타낼 수 있다.
0= 정렬된 순서 기반 예측 트리 생성 방안
1= KD 트리 기반 거리 기준 예측 트리 생성 방안
3= 그룹으로 정렬된 순서 기반 예측 트리 생성 방안
각 정수값은 다양하게 설정될 수 있다.
GSH 지오메트리 파라미터 세트 아이디(gsh_geometry_parameter_set_id): 액티브 GPS의 gps_geom_parameter_set_id의 값을 나타낸다.
GSH 타일 아이디(gsh_tile_id): GSH에 의해 참조되는 타일 아이디의 값을 나타내다. 이 값의 범위는 0내지 XX(포함)일 수 있다.
GSH슬라이스 아이디(gsh_slice_id): 다른 신택스 엘리먼트들에 의한 참조를 위한 슬라이스 헤더를 식별하는 아이디이다. 이 값의 범위는 0내지 XX(포함)일 수 있다.
도23은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
2300, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계를 포함할 수 있다. 실시예들에 따른 인코딩 동작은 도1의 포인트 클라우드 비디오 획득(10001), 포인트 클라우드 비디오 인코더(10002), 도2의 획득(20000), 인코딩(20001), 도4의 포인트 클라우드 데이터 인코더, 도12의 포인트 클라우드 데이터 송신 장치, 도14의 각 디바이스의 처리, 도15의 포인트 클라우드 데이터 부호화 방법, 도16의 포인트 클라우드 데이터 송신 장치, 도18 내지 도22의 포인트 클라우드 데이터에 대한 비트스트림 생성 등의 동작들을 포함할 수 있다.
2301, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 더 포함할 수 있다. 실시예들에 따른 전송 동작은 도1의 트랜스미터(10003), 도2의 전송(20002), 도4의 지오메트리 비트스트림, 어트리뷰트 비트스트림의 전송, 도12의 부호화된 포인트 클라우드 데이터의 전송(12012), 도14의 각 디바이스의 데이터 전송, 도16의 지오메트리 정보 비트스트림 및/또는 속성정보 비트스트림의 전송, 도18 내지 도22의 포인트 클라우드 데이터에 대한 비트스트림 전송 등의 동작들을 포함할 수 있다.
도24는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
2400, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함할 수 있다. 실시예들에 따른 수신 동작은 도1의 리시버(10005), 도2의 전송(20002)에 따른 수신, 도10-11의 지오메트리 비트스트림 및 어트리뷰트 비트스트림을 포함하는 비트스트림의 수신, 도13의 수신부(13000), 도14의 각 디바이스의 데이터 수신, 도17의 지오메트리 정보 비트스트림 및 속성정보 비트스트림의 수신, 도18 내지 도22의 비트스트림의 수신 등의 동작들을 포함할 수 있다.
2401, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 디코딩하는 단계를 더 포함할 수 있다. 실시예들에 따른 디코딩 동작은 도1의 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20003), 도10-11의 포인트 클라우드 데이터의 디코딩, 도13의 포인트 클라우드 데이터 수신 장치, 도14의 각 디바이스의 데이터 처리, 도15의 포인트 정렬 및 예측 트리 생성, 도17의 포인트 클라우드 데이터 수신 장치, 도18 내지 도22의 비트스트림에 포함된 파라미터 정보에 기반하여, 비트스트림에 포함된 지오메트리 데이터 및/또는 어트리뷰트 데이터의 디코딩 등의 동작들을 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터를 인코딩하는 단계는, 예를 들어, 지오메트리 인코딩하는 단계는 예측 트리에 기반하여 지오메트리 데이터를 예측 지오메트리 인코딩할 수 있다.
실시예들에 따른 지오메트리 데이터의 포인트들은 정렬 타입에 기반하여 정렬되고, 정렬 타입은 몰톤 순서, 아지무스 각 순서, 반경 순서 중 적어도 하나를 포함하고, 포인트들은 아지무스, 반경, 엘리베이션 중 적어도 하나를 라운딩함으로써 정렬될 수 있다.
실시예들에 따른 지오메트리 데이터를 인코딩하는 단계는, 지오메트리 데이터의 정렬된 포인트들에 기반하여 예측 트리를 생성할 수 있다.
실시예들에 따른 지오메트리 데이터를 인코딩하는 단계는, 예측 트리에 기반하여 지오메트리 데이터에 대한 예측 데이터를 생성할 수 있다.
실시예들에 따른 지오메트리 데이터를 인코딩하는 단계는, 예측 데이터에 기반하여 지오메트리 데이터에 대한 잔차값을 생성할 수 있다.
실시예들에 따른 비트스트림은 예측 지오메트리 코딩을 위한 파라미터 정보를 포함하는,
실시예들에 따른 포인트 클라우드 데이터 수신 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터를 디코딩하는 디코더는, 예를 들어, 지오메트리 디코더는 예측 트리에 기반하여 상기 지오메트리 데이터를 예측 지오메트리 디코딩할 수 있다.
실시예들에 따른 비트스트림은 예측 지오메트리 코딩을 위한 파라미터 정보를 포함하는, 지오메트리 데이터의 포인트들은 정렬 타입에 기반하여 정렬되고, 정렬 타입은 몰톤 순서, 아지무스 각 순서, 반경 순서 중 적어도 하나를 포함하고, 포인트들은 아지무스, 반경, 엘리베이션 중 적어도 하나를 라운딩함으로써 정렬될 수 있다.
실시예들에 따른 방법/장치는 다음과 같은 효과를 제공할 수 있다.
저지연 서비스가 필요한 시나리오, 예를 들어 LiDAR 로부터 포인트 클라우드 데이터를 실시간으로 캡처하여 전송되어야 하는 경우, 또는 3D Map 데이터를 실시간으로 전송 받아서 처리해야하는 서비스를 제공하는 경우를 대비하여 인코딩과 디코딩 시간의 단축이 필요할 수 있다. 단축하는 방법으로 포인트 클라우드 전체 정보가 있지 않더라도 일부만으로 인코딩을 시작하고 스트리밍하고 디코딩함으로 지연(latency)을 낮출 수 있다.
실시예들은 저지연 서비스를 위해 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 지오메트리 정보 압축 기법의 latency를 줄이면서 비트스트림 사이즈를 유지하기 위해서 콘텐츠의 분포 특성에 맞춰 포인트들을 정렬 할 수 있도록 그룹핑 기반 정렬 방안을 제공하였다. 정렬된 순서는 예측 트리 생성, 특히 부모 자식 노드 설정에 밀접한 영향을 주게 되어 비트스트림 사이즈에 영향을 줄 수 있다. 또한 빠르게 예측 트리를 생성하는 방안을 제공하였다.
이로써 실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)에 효율적인 예측 트리 생성 방안을 위해 콘텐츠 특성에 따른 정렬 방법을 제공함으로써 지오메트리 압축 코딩/디코딩 효율성을 증가시키는 효과를 제공할 수 있다.
따라서, 실시예들에 따른 송신 방법/장치는 포인트 클라우드 데이터를 효율적으로 압축하여 데이터를 전송할 수 있고, 이를 위한 시그널링 정보를 전달함으로써, 실시예들에 따른 수신 방법/장치 역시 포인트 클라우드 데이터를 효율적으로 디코딩/복원할 수 있다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 의미하고, 2) “B” 만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사욛외는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
한편 , 상술한 실시예들에 따른 동작은 실시예들 따른 송신 장치 및/또는 수신 장치에 의해서 수행될 수 있다. 송수신 장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신 장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.