WO2022025552A1 - 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 - Google Patents
포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 Download PDFInfo
- Publication number
- WO2022025552A1 WO2022025552A1 PCT/KR2021/009619 KR2021009619W WO2022025552A1 WO 2022025552 A1 WO2022025552 A1 WO 2022025552A1 KR 2021009619 W KR2021009619 W KR 2021009619W WO 2022025552 A1 WO2022025552 A1 WO 2022025552A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- point cloud
- cloud data
- attribute
- data
- geometry
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 272
- 230000005540 biological transmission Effects 0.000 title claims abstract description 72
- 238000012545 processing Methods 0.000 claims abstract description 159
- 230000009466 transformation Effects 0.000 claims abstract description 86
- 238000006243 chemical reaction Methods 0.000 claims description 37
- 238000009877 rendering Methods 0.000 claims description 8
- 238000011426 transformation method Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 63
- 238000013139 quantization Methods 0.000 description 32
- 238000005516 engineering process Methods 0.000 description 28
- 230000000875 corresponding effect Effects 0.000 description 25
- 230000015654 memory Effects 0.000 description 24
- 230000011664 signaling Effects 0.000 description 18
- 230000006835 compression Effects 0.000 description 17
- 238000007906 compression Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 239000013598 vector Substances 0.000 description 5
- 239000011449 brick Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000005538 encapsulation Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000002310 reflectometry Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000001131 transforming effect Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 239000000344 soap Substances 0.000 description 3
- 230000002194 synthesizing effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000006837 decompression Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241000238413 Octopus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/001—Model-based coding, e.g. wire frame
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/40—Tree coding, e.g. quadtree, octree
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/90—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
Abstract
실시예들에 따른 포인트 클라우드 데이터 전송 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 전송장치는 포인트 클라우드 데이터를 인코딩하는 인코더; 및 상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함하고, 상기 인코더는, 상기 지오메트리 데이터에 대한 위치 예측트리를 형성하는 예측트리생성부; 포인트 클라우드 데이터의 지오메트리 데이터를 정렬하는 지오메트리재구성부; 정렬된 데이터를 기반으로 속성 예측트리를 생성하는 예측트리생성/변환처리부를 포함할 수 있다.
Description
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
기술적 과제를 달성하기 위해서, 실시예들에 따른 포인트 클라우드 데이터 전송 방법은 포인트 클라우드 데이터를 인코딩하는 단계, 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계, 포인트 클라우드 데이터를 디코딩하는 단계를 포함할 수 있다.
실시예들에 따른 장치 및 방법은 높은 효율로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 장치 및 방법은 높은 퀄리티의 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 장치 및 방법은 VR 서비스, 자율주행 서비스 등 범용적인 서비스를 제공하기 위한 포인트 클라우드 콘텐트를 제공할 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다. 이하에서 설명하는 다양한 실시예들의 보다 나은 이해를 위하여, 하기 도면들에 걸쳐 유사한 참조 번호들이 대응하는 부분들을 포함하는 다음의 도면들과 관련하여 이하의 실시예들의 설명을 반드시 참조해야 한다.
도 1은 실시예들에 따른 포인트 클라우드 콘텐트 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 다른 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 포인트 클라우드 데이터 전송장치의 예시이다.
도 13은 실시예들에 따른 포인트 클라우드 데이터 수신장치의 예시이다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 15는 실시예들에 따른 포인트 클라우드 데이터의 전송 방법에서 예측트리 구조를 생성하고 부호화하는 예시를 나타낸다.
도 16은 실시예들에 따른 포인트 클라우드 데이터의 전송 방법에서 애지무스 순서(azimuth order)에 따라 예측 포인트를 탐색하는 예시를 나타낸다.
도 17은 실시예들에 따른 포인트 클라우드 데이터의 전송 방법에서 예측트리를 탐색하여 속성 데이터를 코딩하는 예시를 나타낸다.
도 18은 실시예들에 따른 포인트 클라우드 데이터 전송방법의 예시를 나타낸다.
도 18a는 실시예들에 따른 포인트 클라우드 데이터 전송방법의 예시를 나타낸다.
도 18b는 실시예들에 따른 포인트 클라우드 데이터 수신방법의 예시를 나타낸다.
도 19는 실시예들에 따른 포인트 클라우드 데이터를 공간좌표계와 구면좌표계로 나타낸다.
도 20은 실시예들에 따른 포인트 클라우드 데이터의 전송장치의 예시를 나타낸다.
도 21은 실시예들에 따른 포인트 클라우드 데이터의 수신장치의 예시를 나타낸다.
도 22는 실시예들에 따른 부호화된 포인트 클라우드 데이터의 예시를 나타낸다.
도 23은 실시예들에 따른 Sequence Parameter Set의 Syntax 예시를 나타낸다.
도 24는 실시예들에 따른 Tile Parameter Set의 Syntax 예시를 나타낸다.
도 25는 실시예들에 따른 Geometry Parameter Set의 Syntax 예시를 나타낸다.
도 26은 실시예들에 따른 Attribute Parameter Set의 Syntax 예시를 나타낸다.
도 27은 실시예들에 따른 Geometry bitstream의 Slice header의 Syntax 예시를 나타낸다.
도 28은 실시예들에 따른 포인트 클라우드 데이터 전송 방법의 예시를 나타낸다.
도 29는 실시예들에 따른 포인트 클라우드 데이터 수신 방법의 예시를 나타낸다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타난다. 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.
도 1은 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송장치(transmission device)(10000) 및 수신장치(reception device)(10004)를 포함할 수 있다. 전송장치(10000) 및 수신장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
실시예들에 따른 전송장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송장치(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 따른 전송장치(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 전송장치(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, 포인트 클라우드 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, 전송장치(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 수신장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신장치(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 전송장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신장치(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 수신장치(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 전송장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송장치(10000)뿐만 아니라 수신장치(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 수신장치(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 수신장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신장치(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 수신장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 전송장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신장치(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 수신장치(10004)는 피드백 정보를 전송장치(10000)로 전송할 수 있다. 전송장치(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, 전송장치(10000)는 인코더, 전송 디바이스, 전송기, 송신기 등으로 호칭될 수 있으며, 수신장치(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 전송장치(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 포지션(위치)들을 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, 위치 정보, 위치 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터, 속성 정보, 속성 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송장치(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 전송장치(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 정보 및 어트리뷰트 정보를 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 전송장치(10000) 또는 트랜스미터(10003))은 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 수신장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(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 수신장치(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 수신장치(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 수신장치(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 수신장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(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 수신장치(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, 구멍(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, 예측트리 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, 예측트리 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.
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 수신장치(예를 들면 수신장치(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 전체 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. .
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, 속성 잔차값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.
| 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); |
| } |
| } |
| 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. 
는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. 
는 
와 
로부터 계산될 수 있다. 
와 
의 가중치를 
과 
이다.
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 디코더는 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006) 예시로서, 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006)의 동작 등과 동일 또는 유사한 동작을 수행할 수 있다. 도면이 도시된 바와 같이 포인트 클라우드 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 디코더는 지오메트리 디코더(geometry decoder)및 어트리뷰트 디코더(attribute decoder)를 포함한다. 지오메트리 디코더는 지오메트리 비트스트림에 대해 지오메트리 디코딩을 수행하여 디코딩된 지오메트리(decoded geometry)를 출력한다. 어트리뷰트 디코더는 디코딩된 지오메트리 및 어트리뷰트 비트스트림을 기반으로 어트리뷰트 디코딩을 수행하여 디코딩된 어트리뷰트들(decoded attributes)을 출력한다. 디코딩된 지오메트리 및 디코딩된 어트리뷰트들은 포인트 클라우드 콘텐트를 복원(decoded point cloud)하는데 사용된다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 디코더는 도 10에서 설명한 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 11000), 옥트리 합성부(synthesize octree, 11001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 11002), 지오메트리 리컨스트럭션부(reconstruct geometry, 11003), 좌표계 역변환부(inverse transform coordinates, 11004), 아리스메틱 디코더(arithmetic decode, 11005), 역양자화부(inverse quantize, 11006), RAHT변환부(11007), LOD생성부(generate LOD, 11008), 인버스 리프팅부(Inverse lifting, 11009), 및/또는 컬러 역변환부(inverse transform colors, 11010)를 포함한다.
아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스럭션부(11003), 좌표계 역변환부(11004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 디코딩(direct decoding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 디코딩 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 전송장치의 예시이다.
도 12에 도시된 전송장치는 도 1의 전송장치(10000) (또는 도 4의 포인트 클라우드 인코더)의 예시이다. 도 12에 도시된 전송장치는 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 전송장치는 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(12002)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 수신장치의 예시이다.
도 13에 도시된 수신장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 13에 도시된 수신장치는 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 수신장치는 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 송수신장치와 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) 송수신장치는 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 송수신장치 차량에 탑재된 경우, 포인트 클라우드 송수신장치는 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 15는 실시예들에 따른 포인트 클라우드 데이터의 전송 방법에서 위치 예측트리 구조를 생성하고 부호화하는 예시를 나타낸다.
포인트 클라우드 데이터는 실시예들에 따른 포인트 클라우드 비디오 획득부(10001)에 의해 획득(20000)될 수 있고, 실시예들에 따른 포인트 클라우드 비디오 인코더(10002)에 의하여 인코딩(20001)될 수 있다. 또한, 실시예들에 따른 데이터 입력부(12000)에서 포인트 클라우드 데이터는 수신 또는 획득될 수 있다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도 2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
도 15의 포인트 클라우드 데이터는 도 1의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001) 과정, 도 4의 인코더, 도 12의 전송장치, 도 14의XR디바이스(1430), 도 20의 전송장치, 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 인코딩될 수 있다.
포인트 클라우드 데이터는 실시예들에 따른 포인트 클라우드 데이터를 인코딩하는 단계(도28, S2800)에서 인코딩되고, 인코딩된 포인트 클라우드 데이터는 실시예들에 따른 비트스트림을 전송하는 단계(S2810)에서 비트스트림으로 수신장치에 전송될 수 있다. 실시예들에 따른 수신장치(10004)에서 수신기(10005)는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하고(도29, S2900), 포인트 클라우드 디코더(10006)는 수신된 포인트 클라우드 데이터를 디코딩할 수 있다. (S2910)
한편, 포인트 클라우드 데이터는 포인트(point)들의 집합으로 구성되며, 각 포인트는 지오메트리(geometry) 데이터(위치 정보)와 어트리뷰트(attributes) 데이터(속성 정보)를 가질 수 있다. 포인트 클라우드 데이터의 인코딩(encoding) 과정은 지오메트리 데이터를 압축하고, 압축을 통해 변경된 정보로 재구성된 지오메트리(reconstructed geometry) 데이터를 기반으로 어트리뷰트 데이터를 압축하는 과정을 포함할 수 있다. 즉, 포인트 클라우드 데이터는 지오메트리 데이터와 어트리뷰트 데이터를 포함한다. 지오메트리 데이터는 포인트들에 대한 좌표 정보(위치 정보, 기하 정보)를 포함한다. 지오메트리 데이터는 각 포인트의 위치 정보, 예를 들어 2차원 직교 좌표계의 (x, y) 또는 원통 좌표계의 (r, θ) 또는 3차원 공간에서의 직교 좌표계의 (x, y, z) 또는 원통 좌표계의 (r, θ, z), 구면 좌표계의 (r, θ, Φ) 좌표 벡터로 표현될 수 있다.
어트리뷰트 데이터는 포인트의 색을 나타내는 벡터 (R, G, B) 및/또는 밝기 값 및/또는 라이다의 반사계수 및/또는 열화상 카메라로부터 획득된 온도 값과 같이 하나 또는 다수의 센서로부터 획득한 값의 벡터일 수 있다.
한편, 포인트 클라우드 데이터는 그 특성에 따라 카테고리 1과 카테고리 3으로 나누어질 수 있다. 카테고리 1 데이터는 정적 데이터로서 1장의 프레임(frame)으로 구성된다. 카테고리 3 데이터는 동적 데이터로 N장의 프레임(frame) 혹은 방법에 따라 여러 개의 점들로 구성된다. 한 장에 평균적으로 백만개 이하의 점을 가지고 있는 카테고리 3 프레임 데이터는 프레임 마다 부호화/복호화가 진행되며, 하나의 슬라이스로 구성되기 때문에 비트스트림의 단위로도 구성될 수 있다.
카테고리 3 프레임 데이터는 정적 데이터에 대비하여 상대적으로 점의 밀도가 낮으며, 각 점은 컬러값이 없고, 반사도값을 포함한다. 카테고리 3 프레임 데이터 시퀀스는 주로 자율주행에서 저지연과 실시간 처리를 목적으로 하나, 종래의 옥트리 부호화/복호화 방법은 복호화기에서 옥트리 분할이 리프까지 진행되어 저지연 복호화가 어려웠다. 실시예들에 따른 포인트 클라우드 데이터 전송장치/전송방법은 예측트리 기반의 부호화 방식을 통해 데이터의 실시간 처리가 가능하며, 동시에 부호화 효율을 향상시킨다.
도 15는 예측트리 기반 지오메트리 코딩 시 위치 예측트리를 생성하고 부호화하는 예시를 나타낸다. 위치 예측트리 생성 및 예측값 계산, 부호화 과정은 도 1의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도 4의 인코더, 도 12의 전송장치, 도 14의 XR디바이스(1430), 도 20의 전송장치 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 수행될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송장치는 위치 예측트리를 생성하는 위치예측트리생성부(20020, 도20)를 포함할 수 있다. 지오메트리 데이터 기반의 위치 예측트리(지오메트리 예측트리)는 포인트의 x, y, z 좌표값으로부터 포인트들 간의 관계를 고려하여 만들어진다. 위치예측트리생성부(20020)는 포인트 클라우드 데이터(ply)를 특정 기준으로 정렬하고, 정렬된 포인트를 기반으로 근접 포인트를 탐색하며 예측모드들로 포인트의 예측값을 계산하여 위치 예측트리를 생성한다. 그리고 위치 예측트리 구조를 기반으로 포인트마다 예측계산식에 의해 위치 예측값을 계산하고, 부호화 과정에서 포인트마다 예측값과 원본값의 차이값(위치 잔차값) 및 위치 예측모드를 코딩 순서에 따라 부호화하며, 부호화된(인코딩된) 포인트 클라우드 데이터는 트랜스미터(10003)를 통해 비트스트림으로 수신장치(10004)에 전송될 수 있다.
실시예들에 따른 수신장치(10004)는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하고, 디코더(10006)는 인코딩된 포인트 클라우드 데이터를 디코딩(20003)(복호화)한다. 실시예들에 따른 수신장치(도21 참조)는 예측트리재구성처리부(21002)를 포함하고, 예측트리재구성처리부(21002)는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하여 포인트마다 위치 잔차값 및 위치 예측모드를 통해 포인트의 위치값을 복원할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송방법에서 지오메트리 데이터를 인코딩하는 단계는 지오메트리 데이터를 기반으로 이웃 포인트(근접 포인트)를 참조하여 위치 예측트리를 형성하는 단계 및 위치 예측트리를 기반으로 위치 예측모드와 위치 잔차값을 부호화하는 단계를 포함할 수 있다. 이때, 위치 예측트리를 형성하는 단계는 포인트 클라우드 데이터를 정렬하는 단계와 위치 예측트리를 형성하는 단계를 포함할 수 있다.
위치 예측트리를 형성하는 단계는 도 1의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도 4의 인코더, 도 12의 전송장치, 도 14의 XR디바이스(1430), 도 20의 전송장치, 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 수행될 수 있다.
포인트 클라우드 데이터를 정렬하는 단계에서 포인트 클라우드 데이터는 몰톤 순서(morton order), 래디우스 순서(radius order), 애지무스 순서(azimuth order)에 따르거나, x, y, 또는 z축 기준으로 오름차순 또는 내림차순 정렬될 수 있다. 포인트 클라우드 데이터가 정렬된 순서는 위치 예측트리에서 포인트를 연결해가는 순서가 될 수 있다. 또는, 위치 예측트리 상에 기등록된 포인트에 대한 이웃 포인트를 정렬된 포인트 배열에서 탐색하고, 위치 예측모드들로 계산된 위치 예측값들을 비교하여 위치 잔차값이 가장 적은 위치에 탐색된 이웃 포인트를 연결하여 위치 예측트리를 형성할 수 있다.
보다 상세하게는, 실시예들에 따른 위치예측트리생성부(20020)는 정렬된 포인트 배열을 기반으로 kd-tree공간탐색 알고리즘을 통해 소정의 개수의 근접 포인트를 탐색한다. 그리고, 위치예측트리생성부(20020)는 탐색된 근접 노드들에 대하여 위치 예측모드들을 통해 위치 예측값을 계산하고, 위치 예측값과 원본값의 차이값(위치 잔차값)들을 비교하여 가장 작은 위치 잔차값을 가지게 되는 위치 예측트리 상의 부분에 탐색된 근접 포인트들을 연결할 수 있다. 즉, 위치예측트리생성부(20003)는 탐색된 이웃(근접) 포인트를 어떤 포인트에 연결해야 예측모드에 의해 계산된 예측값이 가장 원본값에 비슷할지 판단하여 위치 예측트리에 연결한다. 그 판단 과정에서, 현재 포인트에 대한 예측값을 다양한 예측모드들에 의해 계산하고 비교할 수 있다.
한편, 실시예들에 따른 전송장치(10000, 도20)는 각 포인트에 대하여 위치 예측모드에 의해 계산된 위치 잔차값을 산출한다. 또한, 각 포인트에 대하여 복수의 위치 예측모드들에 의해 계산된 복수의 예측값들을 비교하여 가장 위치 잔차값이 적은 위치 예측모드와 위치 잔차값을 수신장치(10004, 도21)에 전달할 수 있다. 즉, 각 포인트 당 하나의 위치 예측모드와 위치 잔차값이 수신장치(10004, 도21)에 전달되고, 수신장치(10004, 도21)는 전달받은 위치 예측모드와 위치 잔차값으로 해당 포인트를 복원할 수 있다. 완성된 위치 예측트리에 대하여 코딩 순서는 깊이우선탐색(Depth First Search, DFS), 너비우선탐색(Breadth First Search, BFS) 기준으로 설정될 수 있으나, 이에 한정되지 않는다.
실시예들에 따른 위치예측트리생성부(20020)에서 위치 예측트리를 형성하는 단계는, 부모노드(p0), 부모부모노드(p1), 또는 부모부모부모노드(p2)를 활용하여 예측하는 세 개의 예측모드들과, 예측하지 않는 모드를 활용하여 위치 예측트리를 형성할 수 있다. 이때, 부모노드(parent node), 부모부모노드(parent-parent node), 부모부모부모노드(parent-parent-parent node)는 위치 예측트리 상에서 상위 계층에 연결된 노드가 부모노드가 되고, 하위에 연결된 노드가 자식노드가 되는 관계에 따라 설정된다. 즉, 예측트리에서 특정 노드(n1)의 상위로 연결된 노드(n2)는 해당 특정 노드(n1)의 부모노드(n2)이고, 이 부모노드(n2)의 부모노드(n3)는 특정 노드(n1)의 부모부모노드(n3)이다. 또한, 부모부모노드(n3)의 부모노드(n4)는 특정 노드(n1)의 부모부모부모노드(n4)로 표현될 수 있다.
노드의 위치 예측값(p)은 예측 대상인 해당노드의 부모노드(p0)와 부모부모노드(p1) 또는 부모부모부모노드(p2)의 위치값을 기반으로 계산될 수 있다. 이하, 실시예들에 따른 위치예측트리생성부(20020) 에서 위치 예측값을 계산하는 위치 예측모드들을 설명한다.
비예측 모드(No prediction mode)는 예측을 수행하지 않는 모드이다. 따라서, (0, 0, 0)이 위치 예측값(p)이 되며, 부호화 시 현재 노드(x, y, z)와 위치 예측값의 차이값(residual, 위치 잔차값)은 x, y, z값이 그대로 사용된다. 특정 포인트에 대해 비예측 모드(No prediction mode)를 사용한 경우, 특정 포인트에 대한 예측모드 정보를 모드 0으로 수신장치(10004)에 전달할 수 있다. 비예측 모드는 통상적으로 부모 노드가 없는 루트 노드에 대해 사용된다. 따라서, 어떤 노드에 대해 모드 0으로 예측모드 정보가 전달될 경우, 수신장치(10004)는 해당 노드를 루트로 인식할 수 있다.
델타예측 모드(Delta prediction mode)의 계산식은 예측 대상인 해당 노드의 부모노드(p0, 좌표값(x', y', z'))로 위치 예측값(predicted)을 계산한다. 해당 노드(좌표값(x, y, z))에 대하여 예측값의 차이값(x' - x, y' - y, z' - z)이 부호화되어 수신장치(10004)에 전달되며, 어떤 포인트에 대해 델타예측 모드로 예측값을 계산한 경우, 그 포인트에 대한 위치 예측모드 정보는 모드 1로 수신장치(10004)에 전달될 수 있다.
선형예측 모드(Linear prediction mode)의 계산식은 부모노드(p0, 좌표값(x', y', z'))와 부모부모노드(p1, 좌표값(x'', y'', z''))와의 차이값으로 위치 예측값(p)을 계산한다. (p = 2 * p0 - p1) 따라서, 위치 예측값(p)은 (2x' - x”2y' - y”2z' - z”가 되고, 위치 잔차값(residual)은 (2x' - x”- x, 2y' - y”- y, 2z' - z”- z)이 된다. 또한, 어떤 포인트에 대해 선형예측 모드로 위치 예측값을 계산한 경우, 그 포인트에 대한 위치 예측모드 정보는 모드 2로 수신장치(10004)에 전달될 수 있다.
평행사변형예측 모드(Parallelogram prediction mode)의 계산식은 부모부모부모노드(p2)와 부모부모노드(p1) 그리고 부모노드(p0)를 사용하여 예측값(p = p0 + p1 - p2)을 계산한다. 부모부모부모노드(p2)의 위치값을 x“', y”', z”'라고 할 때, x값의 위치 잔차값(residual)은 2x' + x”- x”' - x 가 되며, y축과 z축도 동일한 방식으로 잔차값이 계산된다. 또한, 어떤 포인트에 대해 평행사변형예측 모드로 예측값을 계산하는 경우, 그 포인트에 대한 위치 예측모드 정보는 모드 3으로 수신장치(10004)에 전달될 수 있다.
한편, 어트리뷰트 데이터(속성 데이터)의 경우, 지오메트리 데이터가 압축된 후 코딩 순서에 따라 예측 변환(Predicting transform)/리프팅 변환(Lifting transform) 코딩을 사용하여 부호화될 수 있다. 예측 변환은 LoD가 1개일 때 부호화 조건이며, 리프팅 변환은 LoD가 N개일 때 부호화 조건이다.
실시예들에 따른 포인트 클라우드 데이터 전송방법은 지오메트리 코딩 순서 또는 그밖에 포인트 클라우드 데이터 정렬 순서를 어트리뷰트 코딩(속성 코딩)에 적용할 수 있다. 또한, 예측 변환/리프팅 변환을 이용하거나 속성 예측트리를 생성하여 속성 코딩에 적용할 수 있다. 또한, 속성 예측트리를 생성하는 조건을 변경할 수 있다. 또한, 포인트 클라우드 데이터를 레이저 아이디(Laser ID)에 따라 레이어(Layer)로 분류하고, 레이어를 배열하여 속성 코딩에 적용할 수 있다. 레이어들의 배열 방식에 따라 속성 코딩에 예측 변환 또는 리프팅 변환 방법을 사용할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법은 속성 코딩을 지오메트리 코딩과 연결함으로써 저지연 어플리케이션에서 사용할 경우 지오메트리 데이터와 속성 데이터 전체의 실시간 복호화가 가능하다. 또한, 실시예들에 따른 포인트 클라우드 데이터 전송 방법은 지오메트리의 위치 예측트리에서 찾은 이웃 포인트 정보를 속성 코딩에 사용할 수 있다.
옥트리 지오메트리 코딩의 경우, 옥트리의 리프 노드의 순서가 몰톤 순서(morton order)에 대응되므로 포인트들의 코딩 순서는 몰톤 순서로 정렬한 것과 동일하다. 따라서, 옥트리 지오메트리 코딩 후 산출되는 지오메트리 데이터 순서로 예측 변환 또는 리프팅 변환하여 속성 코딩을 수행할 수 있다. 따라서, 지오메트리 데이터의 연결 관계가 속성 코딩에 반영된다. 예측트리 기반의 지오메트리 데이터 코딩을 할 경우, 산출되는 코딩 순서는(Coded geometry order) 옥트리 기반의 지오메트리 코딩과 다르다.
한편, 도 16은 실시예들에 따른 포인트 클라우드 데이터의 전송 방법에서 포인트 클라우드 데이터가 애지무스 순서(azimuth order)에 따라 정렬되어 코딩된 예시를 나타낸다. 도 16에서 화살표는 코딩 순서를 나타낸다. 도 16과 같이 특정 기준으로 (ex. 애지무스 순서)로 정렬하여 코딩한 경우 공간상 더 가까운 포인트가 있음에도 다른 포인트를 먼저 탐색하고 공간 탐색 방향이 일정하지 않을 수 있다. 따라서, 실시예들에 따른 포인트 클라우드 데이터의 전송 방법은 포인트 클라우드 데이터를 재정렬하거나 위치 예측트리에서 탐색 순서를 설정할 수 있다. 이때, 위치 예측트리의 탐색 순서는 지오메트리 데이터 코딩이 수행된 후 설정된다. 위치 예측트리의 탐색 순서는 압축 효율에 따라 DFS(Depth First Search) 순서, BFS(Breadth First Search) 순서, 전위 순회, 중위 순회, 후위 순회 등을 적용할 수 있다.
도 17은 위치 예측트리를 탐색하여 포인트 클라우드 데이터를 정렬한 순서를 기반으로 예측 변환 또는 리프팅 변환을 적용하여 어트리뷰트 코딩하는 예시를 나타낸다. 도 17에서 도시된 위치 예측트리를 탐색하는 순서는 압축 효율에 따라 DFS(Depth First Search) 순서, BFS(Breadth First Search) 순서, 전위 순회, 중위 순회, 후위 순회 등의 탐색 순서를 적용할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 전송방법은 애지무스 순서(azimuth order), 래디우스 순서(radius order) 또는 몰톤 순서(morton order)로 포인트 클라우드 데이터를 다시 정렬한 후 어트리뷰트 코딩을 할 수 있다. 어트리뷰트 코딩은 예측 변환 또는 리프팅 변환 방법을 적용할 수 있다.
예측 변환의 경우 몰톤 코드 생성(molton code generation)과 몰톤 정렬(morton sorting), 이웃 포인트 탐색 연산량 등의 문제로 실시간 디코딩 및 슬라이스 내 병렬 디코딩에 불리하다. 몰톤 코드 생성과 몰톤 정렬은 전체 포인트에 대해 O(nlogn)의 연산 수행량(복잡도)을 가지며, 이웃 포인트 탐색에서 L1 distance O(n)혹은 L2 distance의 연산량 O(^2)을 수행한다. 실시예들에 따른 포인트 클라우드 데이터 전송방법/수신방법은 지오메트리 코딩에서 예측트리 방식을 사용한 것처럼 어트리뷰트 코딩에서도 예측트리 방식을 사용하여 부호화/복호화 할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송방법은 어트리뷰트 코딩 시 지오메트리 코딩 순서를 사용할 수 있다. 지오메트리 코딩 순서를 동일하게 사용하지 않는 경우, 지오메트리 코딩에 사용된 위치 예측트리의 탐색 순서를 설정할 수 있다. 위치 예측트리의 탐색 순서는 DFS(Depth First Search), BFS(Breadth First Search), 전위순회, 중위순회, 후위순회, 및/또는 그밖에 통상의 기술자가 적용할 수 있는 탐색 순서를 포함한다.
또한, 실시예들에 따른 포인트 클라우드 데이터 전송방법은 지오메트리 코딩에 사용된 위치 예측트리와 동일한 예측트리를 사용하여 어트리뷰트 코딩을 할 수 있다. 어트리뷰트 코딩에 위치 예측트리와 동일한 예측트리를 사용할 경우, 지오메트리 코딩에서 사용된 예측모드와 동일한 예측모드를 사용하여 어트리뷰트를 코딩할 수 있다. 또한, 지오메트리 코딩에서 사용된 예측모드와 다른 속성 예측모드를 사용할 수도 있다.
한편, 실시예들에 따른 포인트 클라우드 데이터 전송방법에서, 어트리뷰트 코딩에서 위치 예측트리와 동일한 예측트리를 사용하지 않을 경우, 포인트 클라우드 데이터를 다시 정렬하여 어트리뷰트값(속성값) 또는 지오메트리값(위치값)을 기반으로 속성 예측트리를 형성할 수 있다. 또한, 속성 예측트리를 기반으로 속성 예측모드를 사용하여 속성 예측값을 계산하고, 속성의 원본값과 속성 예측값의 차이값인 속성 잔차값을 계산할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송장치(도 20)는 포인트 클라우드 데이터를 다시 정렬하는 지오메트리재구성부(20030)를 포함하고, 정렬된 포인트 클라우드 데이터를 기반으로 속성 예측트리를 생성하는 예측트리생성/변환처리부(20060)을 포함한다. 예측트리생성/변환처리부(20060)은 속성 예측모드와 속성 잔차값을 부호화하여 수신장치(도 21)로 전송할 수 있고, 실시예들에 따른 포인트 클라우드 데이터 수신장치(도 21)는 전송받은 데이터를 기반으로 속성값을 복원할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 전송장치(도20)의 지오메트리재구성부(20030)은 도4의 지오메트리리컨스트럭션부(40005)와 대응할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송장치의 예측트리생성/변환처리부(20050)은 포인트 클라우드 데이터를 부호화하여 전송할 때, 지오메트리 코딩 시 사용한 위치 예측모드와 어트리뷰트 코딩 시 사용한 속성 예측모드의 차를 부호화하여 전송할 수 있다. 예를들어, 특정 포인트에 대한 위치 예측모드가 3이고 속성 예측모드가 2일 때, 3과 2의 차이인 1을 부호화하여 수신장치로 전송할 수 있다. 동일한 방식으로, 지오메트리 코딩에서 산출된 위치 잔차값(위치 예측값과 원본값의 차이)과 어트리뷰트 코딩에서 산출된 속성 잔차값(속성 예측값과 원본값의 차이)의 차이를 부호화하여 수신장치로 전송할 수 있다. 또한, 속성 코딩에서 속성 예측모드와 속성 잔차값은 복수의 포인트들이 그룹화되어 부호화될 수 있다. 또한, 속성값(예를들어, 반사도값)은 양자화되거나 일정한 값을 가지도록 Look up table을 이용할 수 있다.
속성 예측트리를 이용한 어트리뷰트 코딩 방법은 포인트 by 포인트 예측이 가능하고, 속성 예측모드와 속성 잔차값을 부호화한다. 또한, 포인트들을 그룹핑하여 부호화할 수 있고, 예측에 사용하는 포인트는 다양하게 정의될 수 있다.
도 18은 실시예들에 따른 포인트 클라우드 데이터의 전송 방법의 예시를 나타낸다. 실시예들에 따른 포인트 클라우드 데이터의 전송 방법은 포인트 클라우드 데이터를 인코딩하는 단계와 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함한다.
포인트 클라우드 데이터를 인코딩하는 단계는 지오메트리 데이터를 인코딩하는 단계와 어트리뷰트 데이터를 인코딩하는 단계를 포함한다. 지오메트리 데이터를 인코딩하는 단계는 지오메트리 데이터를 기반으로 이웃 포인트를 참조하여 위치 예측트리를 형성하는 단계와 상기 위치 예측트리를 기반으로 위치 예측모드와 위치 잔차값을 부호화하는 단계를 포함한다.(도18, 18001)
어트리뷰트 데이터를 인코딩하는 단계는 포인트 클라우드 데이터를 배열하는 단계(18002)와, 상기 배열에서 이웃 포인트를 참조하여 속성 예측트리를 형성하는 단계(18003) 및 부호화하는 단계(18004)를 포함한다.
포인트 클라우드 데이터를 배열하는 단계(18002)는 지오메트리 데이터의 코딩 순서를 그대로 유지하거나 다른 정렬 방법을 이용하여 특정 기준에 따라 포인트 클라우드 데이터를 배열할 수 있다. 정렬 방법은 애지무스 순서(azimuth order), 래디우스 순서(radius order) 또는 몰톤 순서(morton order)를 포함한다. 또한, 정렬 방법은 지오메트리 데이터를 인코딩하는 단계에서 생성된 위치 예측트리를 탐색하여 포인트 클라우드 데이터를 배열할 수 있다. 위치 예측트리를 탐색하는 방법은 DFS(Depth First Search), BFS(Breadth First Search), 전위순회, 중위순회, 후위순회 방법 등을 포함한다. 또한, 정렬 방법은 포인트 클라우드 데이터의 어트리뷰트 값(컬러, 반사도 등)을 기준으로 데이터를 정렬하는 방법을 포함할 수 있다.
속성 예측트리를 형성하는 단계(18003)는 포인트 클라우드 데이터를 배열하는 단계(18002)에서 배열된 포인트 클라우드 데이터를 기반으로 속성 예측트리를 생성할 수 있다. 속성 예측트리의 생성은 지오메트리 값(위치값)을 기반으로 예측트리를 생성하거나 속성값을 기반으로 예측트리를 생성할 수 있다. 또한, 속성 예측트리를 형성하는 단계(18003)는 지오메트리 데이터를 인코딩하는 단계(18001)에서 생성된 위치 예측트리와 동일한 예측트리를 속성 예측트리로 사용할 수 있다. 이때, 위치 예측트리와 동일한 예측트리를 속성 예측트리로 사용하는 경우, 지오메트리 데이터를 인코딩하는 단계에서 사용한 위치 예측모드와 동일한 예측모드를 속성 예측모드로 사용할 수 있다.
어트리뷰트 데이터를 부호화하는 단계(18004)는 속성 예측트리를 기반으로 속성 예측모드와 속성 잔차값을 부호화할 수 있다. 이때, 부호화 단계는 지오메트리 데이터를 인코딩하는 단계에서 사용된 위치 예측모드와 속성 예측트리를 기반으로 하는 속성 예측모드의 차이값(모드 차이값)을 부호화할 수 있다. 또한, 어트리뷰트 데이터를 부호화하는 단계(18004)는 지오메트리 데이터를 인코딩하는 단계(18001)에서 계산된 위치 잔차값과 속성 잔차값의 차이값(잔차 차이값)을 부호화할 수 있다. 또한, 어트리뷰트 데이터를 부호화하는 단계(18004)는 포인트 클라우드 데이터들을 그룹화하여 부호화할 수 있다. 또한, 어트리뷰트 데이터를 부호화하는 단계(18004)는 하나의 슬라이드 또는 브릭에 포함된 포인트 클라우드 데이터들을 그룹화하여 부호화하거나 포인트 클라우드 데이터 각각을 부호화하는 방법을 혼합적으로 사용할 수 있다.
한편, 어트리뷰트 데이터를 인코딩하는 단계는 획득된 포인트 클라우드 데이터들 간의 연관성을 판단하는 단계를 포함할 수 있다. 예를들어, 라이더 센서를 통해 획득되는 포인트 클라우드 데이터의 경우, 래디우스값(Radius)과 반사도값(reflectance)이 상관성이 있을 수 있다. 따라서, 어트리뷰트 데이터를 인코딩하는 단계는 이러한 상관성을 반영하여 이웃 노드 탐색에 유리한 속성 예측트리를 생성할 수 있다.
도 18a는 실시예들에 따른 포인트 클라우드 데이터 전송방법의 예시를 나타낸다. 전송방법(도18a)는 지오메트리 데이터를 기반으로 위치 예측트리를 생성하는 단계(S18101)와, 포인트 클라우드 데이터를 정렬하는 단계(S18102)와, 속성 예측트리를 생성하고 부호화하는 단계(S18103) 또는 예측/리프팅 변환으로 속성 코딩하는 단계(S18104)를 포함할 수 있다. 각 단계는 전송장치(도20)에 의해 수행될 수 있으며, 전송장치(도20)는 위치예측트리생성부(20020), 지오메트리재구성부(20030), 속성변환처리부(20040), 예측트리생성/변환처리부(20060) 및 예측/리프팅변환처리부(20050)를 포함할 수 있다.
지오메트리 데이터를 기반으로 위치 예측트리를 생성하는 단계(S18101)는 위치예측트리생성부(20020)에 의하여 수행될 수 있다. 위치예측트리생성부(20020)는 생성한 위치 예측트리를 기반으로 해당 포인트에 대하여 가장 위치 잔차값(residual)이 적은 위치 예측모드와 위치 예측값을 부호화할 수 있다.
포인트 클라우드 데이터를 정렬하는 단계(S18102)는 지오메트리재구성부(20030)에 의해 수행될 수 있다. 지오메트리재구성부(20030)는 속성 코딩을 위해 지오메트리 데이터의 코딩 순서를 유지하거나, 다른 정렬 방법으로 포인트 클라우드 데이터를 다시 정렬하는 구성이다. 지오메트리재구성부(20030)는 위치예측트리생성부(20020)에서 생성된 위치 예측트리를 탐색하여 포인트 클라우드 데이터를 정렬할 수 있다. 위치 예측트리를 탐색하는 방법은 DFS(Depth First Search), BFS(Breadth First Search), 전위순회, 중위순회, 후위순회 방법 등을 포함한다. 또한, 지오메트리재구성부(20030)는 애지무스 순서(azimuth order), 래디우스 순서(radius order) 또는 몰톤 순서(morton order)로 정렬하거나, 포인트 클라우드 데이터의 어트리뷰트 값(컬러, 반사도 등)을 기준으로 데이터를 정렬할 수 있다.
속성 예측트리를 생성하고 부호화하는 단계(S18103)는 예측트리생성/변환처리부(20060)에서 수행될 수 있다. 예측트리생성/변환처리부(20060)는 지오메트리재구성부(20030)에서 정렬한 포인트 클라우드 데이터 순서를 기반으로 속성 예측트리를 생성하고, 상기 속성 예측트리를 기반으로 해당 포인트에 대하여 가장 속성 잔차값(residual)이 적은 속성 예측모드와 속성 예측값을 부호화할 수 있다. 이때, 부호화 과정에서 위치 예측모드와 속성 예측모드의 차이인 모드 차이값을 부호화하거나, 위치 잔차값과 속성 잔차값의 차이인 잔차 차이값을 부호화할 수 있으며, 모드 차이값이나 속성 잔차값을 그룹화하여 부호화할 수 있다.
예측/리프팅 변환으로 속성 코딩하는 단계(S18104)는 예측/리프팅변환처리부(20050)에서 수행될 수 있다. 예측/리프팅변환처리부(20050)는 지오메트리재구성부(20030)에서 정렬한 포인트 클라우드 데이터를 기반으로 예측 변환(predictive transform) 또는 리프팅 변환(lifting transform) 속성 코딩하는 구성이다.
한편, 지오메트리재구성부(20030)는 지오메트리 데이터의 구면좌표계 정보를 기반으로 동일한 Laser ID의 레이저에 의해 획득된 포인트들을 레이어로 분류하고, 레이어들을 배열할 수 있다. 이때, 예측/리프팅변환처리부(20050)는 지오메트리재구성부(20030)에서 레이어들을 배열하는 방식에 따라 예측 변환 또는 리프팅 변환 방식으로 어트리뷰트 데이터를 부호화할 수 있다.
전술한 구성에 의하여, 실시예들에 따른 포인트 클라우드 데이터 전송방법은 다양한 데이터 배열을 적용하여 예측트리에 기반한 속성 코딩 및 위치 예측트리 구조를 그대로 활용하는 속성 코딩이 가능하므로, 속성 코딩의 확장성을 넓히고 데이터에 따른 효율적인 코딩이 가능하다. 또한, 레이저 아이디에 기반한 레이어 분류/배열로 포인트 클라우드 데이터를 배열하여 코딩함으로써 확장성을 증대한다.
도 18b는 실시예들에 따른 포인트 클라우드 데이터 수신방법의 예시를 나타낸다. 수신방법(도18b)은 수신된 지오메트리 데이터를 기반으로 위치 예측트리 구조를 재구성하는 단계(S18201)와, 포인트 클라우드 데이터를 정렬하는 단계(S18202)와, 속성 예측트리를 기반으로 어트리뷰트값을 복호화하는 단계(S18203) 또는 예측/리프팅 변환으로 어트리뷰트값을 복호화하는 단계(S18204)를 포함할 수 있다. 수신방법(18b)의 각 단계는 수신장치(도21)에 의해 수행될 수 있다. 수신장치(도18b)는 예측트리재구성처리부(21002), 지오메트리재구성부(21003), 예측트리생성/변환처리부(21005), 예측/리프팅변환처리부(21004)를 포함할 수 있다.
수신된 지오메트리 데이터를 기반으로 위치 예측트리 구조를 재구성하는 단계(S18201)는 예측트리재구성처리부(21002)에 의해 수행될 수 있다. 예측트리재구성처리부(21002)는 수신된 비트스트림에서 전달된 정보를 기반으로 위치 예측트리의 구조를 재구성하고, 재구성한 위치 예측트리 구조와 전달된 위치 예측모드 및 위치 잔차값 정보를 기반으로 지오메트리 데이터를 복호화하는 구성이다.
포인트 클라우드 데이터를 정렬하는 단계(S18202)는 지오메트리재구성부(21003)에 의해 수행될 수 있다. 지오메트리재구성부(21003)는 지오메트리 데이터의 코딩 순서를 유지하거나, 다른 정렬 방법으로 포인트 클라우드 데이터를 다시 정렬하는 구성이다. 지오메트리재구성부(21003)는 예측트리재구성처리부(21002)에서 재구성한 위치 예측트리를 탐색하여 포인트 클라우드 데이터를 정렬할 수 있다. 위치 예측트리를 탐색하는 방법은 DFS(Depth First Search), BFS(Breadth First Search), 전위순회, 중위순회, 후위순회 방법 등을 포함한다. 또한, 지오메트리재구성부(21003)는 애지무스 순서(azimuth order), 래디우스 순서(radius order) 또는 몰톤 순서(morton order)로 정렬하거나, 포인트 클라우드 데이터의 어트리뷰트 값(컬러, 반사도 등)을 기준으로 데이터를 정렬할 수 있다. 지오메트리재구성부(21003)는 전송장치(도20)로부터 포인트 클라우드 데이터의 정렬 순서 정보(Sorting order)를 전달받아 동일한 정렬 순서로 포인트 클라우드 데이터를 정렬할 수 있다.
속성 예측트리를 기반으로 어트리뷰트값을 복호화하는 단계(S18203)는 예측트리생성/변환처리부(21005)에 의해 수행될 수 있다. 예측트리생성/변환처리부(21005)는 지오메트리재구성부(21003)에서 정렬한 포인트 클라우드 데이터 순서를 기반으로 속성 예측트리를 재구성하고, 상기 속성 예측트리의 구조와 속성 예측모드 및 속성 예측값 정보를 기반으로 어트리뷰트 데이터를 복호화할 수 있다. 이때, 복호화 과정에서 위치 예측모드와 속성 예측모드의 차이인 모드 차이값을 기반으로 하거나, 위치 잔차값과 속성 잔차값의 차이인 잔차 차이값을 기반으로 하여 어트리뷰트 데이터를 복호화할 수 있으며, 그룹핑된 모드 차이값이나 속성 잔차값을 기반으로 어트리뷰트 데이터를 복호화할 수 있다.
예측/리프팅 변환으로 어트리뷰트값을 복호화하는 단계(S18204)는 예측/리프팅변환처리부(21004)에 의해 수행될 수 있다. 지오메트리재구성부(21003)에서 정렬한 포인트 클라우드 데이터를 기반으로 예측 변환(predictive transform) 또는 리프팅 변환(lifting transform)을 통해 어트리뷰트 데이터를 디코딩하는 구성이다.
한편, 지오메트리재구성부(21003)는 지오메트리 데이터의 구면좌표계 정보를 기반으로 동일한 Laser ID의 레이저에 의해 획득된 포인트들을 레이어로 분류하고, 레이어들을 배열할 수 있다. 이때, 예측/리프팅변환처리부(21004)는 지오메트리재구성부(21003)에서 레이어들을 배열하는 방식에 따라 예측 변환 또는 리프팅 변환 방식으로 어트리뷰트 데이터를 복호화할 수 있다.
전술한 구성에 의하여, 실시예들에 따른 포인트 클라우드 데이터 수신방법은 다양한 데이터 배열을 적용하여 예측트리에 기반한 속성 코딩 및 위치 예측트리 구조를 그대로 활용하는 속성 코딩이 가능하므로, 속성 코딩의 확장성을 넓히고 데이터에 따른 효율적인 코딩이 가능하다. 또한, 레이저 아이디에 기반한 레이어 분류/배열로 포인트 클라우드 데이터를 배열하여 코딩함으로써 확장성을 증대한다.
도 19는 실시예들에 따른 포인트 클라우드 데이터를 공간좌표계와 구면좌표계로 나타낸 것이다. 공간좌표계는 포인트 클라우드 데이터의 위치가 (x, y, z)로 표현되고, 구면좌표계는 포인트 클라우드 데이터의 위치가 (r, Φ, θ)로 표현될 수 있다.
도 19에서 우측에 위치한 그림은 라이더 센서에서 복수의 레이저들이 발신되어 포인트들을 획득하는 것을 나타낸다. 각 레이저들은 서로 다른 레이저 아이디(Laser ID)가 부여되고, 레이저들의 발신 각도는 서로 다르다. 도면의 경우, 16개의 레이저가 발신된 것을 나타낸다. 실시예들에 따른 포인트 클라우드 데이터 전송장치(도20)는 동일한 레이저 아이디의 레이저에 의해 획득된 포인트들을 하나의 레이어(Layer)로 분류할 수 있다. 또는, 포인트들의 위치값을 구면좌표계로 변환한 후 변환된 위치값을 통해 같은 레이저에 의해 획득된 포인트들을 유추할 수 있다. 예를들어, 발신된 레이저는 서로 발신각도가 다르므로 구면좌표계의 θ 값이 동일한 포인트들을 하나의 레이어로 분류할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 전송장치(도20)는 속성변환처리부(20040)를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 전송장치(도20)에서 속성변환처리부(20040) 또는 지오메트리재구성부(20030)는 획득된 포인트들을 레이어(layer)들로 분류하고 적절하게 배열할 수 있다.
한편, 레이저 아이디가 N개 일 때, N개의 레이어가 생성될 수 있다. 이때, N개의 레이어에 포함된 포인트들을 배열하여 예측 변환 또는 리프팅 변환 방식으로 어트리뷰트 코딩을 할 수 있다. N개의 레이어에 포함된 포인트들을 1차원으로 배열하는 경우 예측 변환을 사용하여 어트리뷰트 코딩을 할 수 있다. 또한, N개의 레이어들을 N개의 LoD와 유사한 개념으로 트리화 시키면 리프팅 변환을 사용하여 어트리뷰트 코딩을 할 수 있다. 이때, 레이어 0에서 레이어N까지 n+1 개의 레이어가 있을 때, 레이어 번호가 높을수록 많은 포인트들을 포함하도록 레이어들이 구성될 수 있다. 예를들어, 도로(Road)로부터 획득된 포인트들의 개수는 상대적으로 물체(Object)로부터 획득된 포인트들의 개수보다 많다. 이러한 레이어들을 포인트들의 갯수에 따라 정렬(배열)하고, 마치 LoD를 이용하여 리프팅 변환 속성 코딩하듯이 정렬(배열)된 레이어들을 이용하여 리프팅 변환 방법으로 속성 코딩을 할 수 있다. 즉, 레이어들을 배열하는 방식에 따라 예측 변환 또는 리프팅 변환으로 어트리뷰트 코딩을 할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송장치(도20)에서 속성변환처리부(20040) 또는 지오메트리재구성부(20030)는 하나의 레이어에 포함된 포인트들의 수의 많고 적음에 따라 복수의 레이어들을 하나로 통합하거나 하나의 레이어들 복수의 레이어들로 분할할 수 있다. 또한, 각각의 레이어 단위로 예측트리를 생성하여 속성 코딩을 할 수도 있다.
도 20은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 예시를 나타낸다. 도 20의 전송장치는 도 1의 전송장치(10000) (또는, 도 4의 포인트 클라우드 인코더)의 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나를 수행할 수 있다.
도 20의 전송장치의 각 구성요소는 하나 또는 그 이상의 메모리들과 통신 가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 대응할 수 있다.
실시예들에 따른 포인트 클라우드 데이터의 전송장치는 옥트리 어큐판시 코드 생성부(20010) 또는 위치예측트리생성부(20020)를 포함할 수 있다.
옥트리 어큐판시 코드 생성부(20010) 또는 위치예측트리생성부(20020)는 지오메트리 데이터를 인코딩할 때 지오메트리 데이터를 부호화한다. 옥트리 어큐판시 코드 생성부(20010)는 옥트리 기반으로 지오메트리 데이터를 부호화하고, 위치예측트리생성부(20020)는 위치 예측트리를 생성하여 위치 예측트리를 기반으로 위치 예측모드와 위치 잔차값을 부호화한다. 이때, 지오메트리 코딩 방법을(geometry_coding_type)을 수신장치(복호화기)에 전달하여 수신장치(복호화기)에서 지오메트리 코딩 순서(coded geometry order)에 대한 정보를 알 수 있다.
또한, 실시예들에 따른 포인트 클라우드 데이터의 전송장치는 지오메트리 재구성부(20030)를 포함할 수 있다. 지오메트리재구성부(20030)는 어트리뷰트 코딩을 위하여 포인트 클라우드 데이터를 다시 정렬하거나 지오메트리 코딩 순서와 동일한 순서를 사용할 수 있다. 지오메트리재구성부(20030)는 지오메트리 코딩 순서(coded geometry) 순서를 동일하게 사용할지 여부(coded_geometry_order_use_flag)를 시그널링 한다. 지오메트리 코딩 순서를 사용하지 않을 경우, 애지무스 순서(azimuth order), 래디우스 순서(radius order), 몰톤 순서(morton order), x축 순서, y축 또는 z축 순서로 포인트 클라우드 데이터를 정렬할 수 있다. 또한, 지오메트리재구성부(20030)는 위치 예측트리를 탐색하는 순서(DFS, BFS, 전위순회 등)로 포인트 클라우드 데이터를 정렬하거나, 속성값을 기준으로 정렬할 수 있다. 지오메트리재구성부(20030)에서 선택한 정렬 방법(Sorting_order)은 수신장치(복호화기)에 시그널링 된다.
또한, 실시예들에 따른 포인트 클라우드 데이터의 전송장치는 속성변환처리부(20040)를 포함할 수 있다. 속성변환처리부(20040)는 포인트 클라우드 데이터를 레이어 단위로 분류할 수 있다. 레이어 단위는 레이저 아이디(laser ID)로 구분되거나 그룹핑된 지오메트리 데이터 순서로 구분될 수 있다. 속성변환처리부(20040)는 포인트 클라우드 데이터의 구면좌표계를 기반으로 동일한 레이저 아이디(laser ID)로 획득된 포인트 클라우드 데이터를 레이어 단위로 분류할 수 있다. 또한, 속성변환처리부(20040)는 생성된 레이어의 수(attribute_layer_num)와 레이어의 분할/통합 여부 플래그 정보(attribute_layer_refine_flag)를 각 레이어마다 시그널링 할 수 있다. 또한, 속성변환처리부는 예측 변환, 리프팅 변환 또는 예측트리를 사용한 방식 등 속성값을 부호화하는 방법(attribute_encode_type)에 대해 시그널링한다. 전술한 속성변환처리부(20040)의 기능들은 지오메트리재구성부(20030)와 통합되어 동작할 수 있다.
또한, 실시예들에 따른 포인트 클라우드 데이터의 전송장치는 예측/리프팅 변환처리부(20050)와 예측트리생성/변환처리부(20060)를 포함할 수 있다.
예측/리프팅변환처리부(20050)는 속성변환처리부(20040)에서 정한 속성 코딩 방법에 따라 레이어 단위로 예측 변환 또는 리프팅 변환 방법으로 속성값을 부호화할 수 있다.
예측트리생성/변환처리부(20060)는 속성변환처리부(20040)에서 정한 속성 코딩 방법에 따라 속성 예측트리를 사용하여 속성값을 부호화할 수 있다. 예측트리생성/변환처리부(20060)는 지오메트리 코딩에 사용한 위치 예측트리와 동일한 예측트리를 사용할 지 여부(attribute_geometry_predictive_tree_use_flag)를 정할 수 있다. 그리고, 위치 예측트리와 동일한 예측트리를 사용하는 경우, 지오메트리 코딩에 사용한 위치 예측모드와 동일한 예측모드를 사용할지 여부(geometry_predictive_mode_use_flag)를 정할 수 있다. 위치 예측트리를 사용하지 않는 경우, 지오메트리 데이터 기반으로 속성 예측트리 생성 또는 어트리뷰트 데이터 기반으로 속성 예측트리 생성 여부(attribute_predictive_tree_generation_mode)를 정의할 수 있다. 또한, 속성 데이터를 부호화 시 속성 예측모드의 그룹핑 여부(attribute_predictive_mode_grouping_flag)를 정의할 수 있다.
속성변환처리부(20040), 예측/리프팅변환처리부(20050) 또는 예측트리생성/변환처리부(20060)를 통해 부호화된 어트리뷰트 데이터는 속성 비트스트림으로 전송될 수 있다.
전술한 구성에 의하여, 실시예들에 따른 포인트 클라우드 데이터 전송장치는 다양한 데이터 배열을 적용하여 예측트리에 기반한 속성 코딩 및 위치 예측트리 구조를 그대로 활용하는 속성 코딩이 가능하므로, 속성 코딩의 확장성을 넓히고 데이터에 따른 효율적인 코딩이 가능하다. 또한, 레이저 아이디에 기반한 레이어 분류/배열로 포인트 클라우드 데이터를 배열하여 코딩함으로써 속성 코딩의 확장성을 증대한다.
도 21은 실시예들에 따른 포인트 클라우드 데이터의 수신장치의 예시를 나타낸다. 도 21의 수신장치는 도 1의 수신장치(10004)와 대응될 수 있으며, 도 2의 디코딩(20003) 과정을 수행할 수 있다. 또한, 도 21에 도시된 수신장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나를 수행할 수 있다.
실시예들에 따른 수신장치(10004)는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하고, 디코더(10006)는 인코딩된 포인트 클라우드 데이터를 디코딩(20003)(복호화)한다. 실시예들에 따른 수신장치(21001, 도21 참조)는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하여 포인트마다 위치 잔차값 및 위치 예측모드를 통해 포인트의 위치값을 복원할 수 있다.
실시예들에 따른 포인트 클라우드 데이터의 수신장치는 옥트리재구성 처리부(21001), 예측트리재구성처리부(21002) 또는 지오메트리재구성부(21003)를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터의 수신장치는 실시예들에 따른 전송장치로부터 수신한 지오메트리 코딩 방법(geometry_coding_type)에 대한 정보를 기반으로 옥트리재구성처리부(21001) 또는 예측트리재구성처리부(21002)에서 지오메트리 데이터를 복호화한다.
지오메트리재구성부(21003)는 수신된 지오메트리 코딩 순서(coded geometry) 순서를 동일하게 사용할지 여부(coded_geometry_order_use_flag)와 데이터 정렬 방법(Sorting_order)을 기반으로 포인트 클라우드 데이터를 정렬한다. 또한, 수신된 레이어의 수(attribute_layer_num)와 레이어의 분할/통합 여부 플래그 정보(attribute_layer_refine_flag)를 기반으로 레이어를 재구성할 수 있다. 또한, 수신된 속성값을 부호화하는 방법(attribute_encode_type)을 기반으로 예측/리프팅변환처리부(21004) 또는 예측트리생성/변환처리부(21005)에서 어트리뷰트 데이터를 복호화할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신장치는 포인트 클라우드 비디오 디코더(도1), 포인트 클라우드 디코더(도11, 도12), 디코딩 프로세스(도2) 또는 그 구성요소(들)(도 14)에 대응되거나 결합될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송방법은 예측트리 기반의 코딩 여부를 수신장치에 전달할 수 있다. 실시예들에 따른 파라미터(메타데이터, 시그널링 정보 등)는 실시예들에 따른 포인트 클라우드 데이터 전송 과정에서 생성되며, 실시예들에 따른 포인트 클라우드 데이터 수신장치(10004, 도21)에 전달되어 포인트 클라우드 데이터의 재구성에 사용될 수 있다. 예를 들어, 실시예들에 따른 파라미터는 실시예들에 따른 포인트 클라우드 데이터 전송장치의 메타데이터 처리부(또는 메타데이터 제너레이터)(12007)에서 생성되고, 실시예들에 따른 포인트 클라우드 데이터 수신장치의 메타데이터 파서(13006)에서 획득될 수 있다.
전술한 구성에 의하여, 실시예들에 따른 포인트 클라우드 데이터 수신장치는 다양한 데이터 배열을 적용하여 예측트리에 기반한 속성값 복호화 및 위치 예측트리 구조를 그대로 활용하는 속성값 복호화가 가능하므로, 속성 코딩 방식의 확장성을 넓히고 데이터에 따른 효율적인 부호화/복호화가 가능하다. 또한, 레이저 아이디에 기반한 레이어 분류/배열로 포인트 클라우드 데이터를 배열하여 코딩함으로써 속성 코딩의 확장성을 증대한다.
도 22는 실시예들에 따른 부호화된 포인트 클라우드 데이터의 예시를 나타낸다. 실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 인코딩(20001) 과정에서 포인트 클라우드 데이터를 부호화하고, 실시예들에 따른 트랜스미터(10003)는 부호화된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신장치(10004)에 전송할 수 있다.
실시예들에 따른 부호화된 포인트 클라우드 데이터(비트스트림)는 도 1의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도 4의 인코더, 도 12의 전송장치, 도 14의 XR디바이스(1430), 도 20의 전송장치, 및/또는 하나 이상의 메모리들과 통신가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 생성될 수 있다.
또한, 실시예들에 따른 부호화된 포인트 클라우드 데이터(비트스트림)는 도 1의 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20003), 도 11의 디코더, 도 13의 전송장치, 도 14의 XR디바이스(1430), 도 21의 수신장치, 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 디코딩될 수 있다.
어트리뷰트 데이터의 부호화/복호화를 수행하기 위해 실시예들에 따른 포인트 클라우드 데이터 전송장치는 어트리뷰트 데이터의 부호화/복호화 방법에 관한 정보를 실시예들에 따른 포인트 클라우드 데이터 수신장치에 시그널링 할 수 있다.
도 22에 도시된 약어의 의미는 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 파라미터세트(Tile Parameter Set)
Geom: 지오메트리 비트스트림(Geometry bitstream) = 지오메트리 슬라이스 헤더(geometry slice header)+ 지오메트리 슬라이스 데이터(geometry slice data)
Attr: 어트리뷰트 비트스트림(Attribute bitstream) = 어트리뷰트 브릭 헤더(attribute brick header) + 어트리뷰트 브릭 데이터(attribute brick data)
포인트 클라우드 데이터를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스를 제공할 수 있다. 포인트 클라우드 데이터를 영역별로 분리할 때 각 영역은 중요도가 서로 다르게 설정될 수 있다. 따라서, 상기 중요도에 따라 다른 필터 또는 다른 필터 유닛을 적용할 수 있게 함으로써 복잡도(complexity)가 높으나 결과 품질(quality)이 좋은 필터링 방법을 중요 영역에 사용할 수 있다.
또한, 수신장치의 처리능력(capacity)에 따라 포인트 클라우드 데이터 전체에 복잡한 필터링 방법을 사용하는 대신 영역별로(타일 또는 슬라이스로 나누어진 영역) 서로 다른 필터링을 적용할 수 있다. 따라서, 중요 영역에 대하여 개선된 화질과 시스템 에서 적절한 레이턴시(latency)을 보장할 수 있다. 즉, 포인트 클라우드 데이터는 영역이 타일(Tile)로 나뉜 경우, 각 타일 별로 다른 필터 또는 다른 필터 유닛을 적용할 수 있다. 또한, 포인트 클라우드 데이터는 영역이 슬라이스(Slice)로 나뉜 경우, 각 슬라이스 별로 다른 필터 또는 다른 필터 유닛을 적용할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송장치는 속성 기반 예측트리 부호화/복호화 방법에 관한 정보를 각각의 파라미터 세트에 포함하여 실시예들에 따른 포인트 클라우드 데이터의 수신장치에 시그널링 할 수 있다.
도 23은 실시예들에 따른 Sequence Parameter Set의 Syntax 예시를 나타낸다. 어트리뷰트 데이터의 부호화/복호화 방법에 관한 정보는 SPS에 포함되어 시그널링 될 수 있다.
지오메트리 코딩 타입(geometry_coding_type)은 지오메트리 코딩에서 사용된 지오메트리 코딩 방법을 나타낸다. (0=Octree geometry coding, 1=Predictive geometry coding, 2=Trisoup geoemtry coding, 3=기타 다른 지오메트리 코딩 방법)
지오메트리 코딩 순서 유즈 플래그(coded_geometry_order_use_flag)는 지오메트리 재구성부에서 지오메트리 코딩 순서(coded geometry order)를 동일하게 사용할지 여부를 나타낸다.
정렬 순서(sorting_order)는 포인트 클라우드 데이터의 정렬 기준에 대한 정보를 나타낸다. (0=몰톤 순서(morton order), 1=애지무스 순서(azimuth order), 2=래디우스 순서(radius order), 3=xy 축 기반 순서, 4: 기타 다른 정렬 방법)
이에 더하여, SPS에 시퀀스와 관련된 파라미터들이 더 포함되어 전달될 수 있다.
도 24는 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set)의 Syntax 예시를 나타낸다. 어트리뷰트 데이터의 부호화/복호화 방법에 관한 정보는 TPS에 포함되어 시그널링 될 수 있다.
예측트리 지오메트리 코딩 플래그(predictive_tree_geometry_coding_flag)는 지오메트리 코딩에서 트리 기반의 예측트리 코딩 기법이 적용되었는지 여부를 나타낸다. (true=예측트리기법 사용, false=예측트리기법 미사용)
정렬 순서(sorting_order)는 포인트 클라우드 데이터의 정렬 기준에 대한 정보를 나타낸다. (0=몰톤 순서(morton order), 1=애지무스 순서(azimuth order), 2=래디우스 순서(radius order), 3=xy 축 기반 순서, 4: 기타 다른 정렬 방법)
유즈루트예측모드0(use_root_prediction_mode0)는 루트 노드 시그널링을 모드로 시그널링 할 지 여부를 나타낸다. (true=모드 0으로 시그널링, false=인덱스로 시그널링)
예측 방법(prediction_method)은 예측계산 값에서 사용한 α, βγ값을 시그널링한다. (0=adaptive_quadran_pred_method)
이에 더하여, TPS에 타일과 관련된 파라미터들이 더 포함되어 전달될 수 있다.
도 25는 실시예들에 따른 지오메트리 파라미터 세트(Geometry Parameter Set)의 Syntax 예시를 나타낸다. 어트리뷰트 데이터의 부호화/복호화 방법에 관한 정보는 GPS에 포함되어 시그널링 될 수 있다.
지오메트리 코딩 타입(geometry_coding_type)은 지오메트리 코딩에서 사용된 지오메트리 코딩 방법을 나타낸다. (0=Octree geometry coding, 1=Predictive geometry coding, 2=Trisoup geoemtry coding, 3=기타 다른 지오메트리 코딩 방법)
지오메트리 코딩 순서 사용 플래그(coded_geometry_order_use_flag)는 지오메트리 재구성부에서 지오메트리 코딩 순서(coded geometry order)를 동일하게 사용할지 여부를 나타낸다.
정렬 순서(sorting_order)는 포인트 클라우드 데이터의 정렬 기준에 대한 정보를 나타낸다. (0=몰톤 순서(morton order), 1=애지무스 순서(azimuth order), 2=래디우스 순서(radius order), 3=xy 축 기반 순서, 4: 기타 다른 정렬 방법)
이에 더하여, GPS에 지오메트리와 관련된 파라미터들이 더 포함되어 전달될 수 있다.
도 26은 실시예들에 따른 어트리뷰트 파라미터 세트(Attribute Parameter Set)의 Syntax 예시를 나타낸다. 어트리뷰트 데이터의 부호화/복호화 방법에 관한 정보는 APS에 포함되어 시그널링 될 수 있다.
어트리뷰트 레이어 넘버(attribute_layer_num)는 속성 변환부에서 생성된 레이어의 수를 나타낸다.
어트리뷰트 레이어 리파인 플래그(attribute_layer_refine_flag)는 지오메트리 재구성부에서 정렬된 레이어들의 분할/통합 여부를 레이어별로 나타낸다.
어트리뷰트 인코드 타입(attribute_encode_type)은 속성 값을 예측 변환, 리프팅 변환 또는 예측트리를 사용해서 부호화할지 여부를 나타낸다.
어트리뷰트 지오메트리 예측트리 사용 플래그(attribute_geometry_predictive_tree_use_flag)는 어트리뷰트 인코드 타입(attribute_encode_type)에 의하여 예측트리생성/변환처리부에서 지오메트리의 위치 예측트리와 동일한 예측트리를 사용할지 여부를 나타낸다.
지오메트리 예측모드 사용 플래그(geomtry_predictive_mode_use_flag)는 지오메트리 위치 예측트리와 동일한 예측트리를 사용할 경우 지오메트리 위치 예측모드와 동일한 모드를 사용할지 여부를 나타낸다.
어트리뷰트 예측트리 생성 모드(attribute_predictive_tree_generation_mode)는 지오메트리 위치 예측트리와 동일한 예측트리를 사용하지 않는 경우 지오메트리 데이터 기반으로 예측트리 생성 또는 어트리뷰트 데이터 기반으로 예측트리 생성 여부를 나타낸다.
어트리뷰트 예측모드 그룹핑 플래그(attribute_predictive_mode_grouping_flag)는 속성값의 속성 예측모드를 그룹핑하여 부호화할지 여부를 나타낸다.
이에 더하여, APS에 어트리뷰트와 관련된 파라미터들이 더 포함되어 전달될 수 있다.
도 27은 실시예들에 따른 지오메트리 비트스트림(Geometry bitstream)의 Slice header의 Syntax 예시를 나타낸다. 어트리뷰트 데이터의 부호화/복호화 방법에 관한 정보는 Geom의 slice header에 포함되어 시그널링 될 수 있다.
지오메트리 코딩 타입(geometry_coding_type)은 지오메트리 코딩에서 사용된 지오메트리 코딩 방법을 나타낸다. (0=Octree geometry coding, 1=Predictive geometry coding, 2=Trisoup geoemtry coding, 3=기타 다른 지오메트리 코딩 방법)
지오메트리 코딩 순서 사용 플래그(coded_geometry_order_use_flag)는 지오메트리 재구성부에서 지오메트리 코딩 순서(coded geometry order)를 동일하게 사용할지 여부를 나타낸다.
정렬 순서(sorting_order)는 포인트 클라우드 데이터의 정렬 기준에 대한 정보를 나타낸다. (0=몰톤 순서(morton order), 1=애지무스 순서(azimuth order), 2=래디우스 순서(radius order), 3=xy 축 기반 순서, 4: 기타 다른 정렬 방법)
이에 더하여, Geom의 Slice header에 지오메트리 슬라이스와 관련된 파라미터들이 더 포함되어 전달될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 포인트 클라우드 비트스트림에 포함된 실시예들에 따른 시그널링 정보에 기반하여, 포인트 클라우드 데이터를 저지연으로 복원할 수 있다.
도 28은 실시예들에 따른 포인트 클라우드 데이터 전송 방법의 예시를 나타낸다. 실시예들에 따른 전송장치(10000)는 포인트 클라우드 데이터를 인코딩하는 단계(S2800)와 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계(S2810)를 포함할 수 있다.
포인트 클라우드 데이터를 인코딩하는 단계(S2900)는 도 1의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도 4의 인코더, 도 12의 전송장치, 도 14의 XR디바이스(1430), 도 20의 전송장치, 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 포인트 클라우드 데이터를 인코딩하는 단계이다.
보다 상세하게는, 포인트 클라우드 데이터를 인코딩하는 단계(S2900)는 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계와 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계를 포함할 수 있다.
지오메트리 데이터를 인코딩하는 단계는 지오메트리 데이터를 기반으로 이웃 포인트를 참조하여 위치 예측트리를 형성하고, 상기 위치 예측트리를 기반으로 위치 예측모드와 위치 잔차값을 부호화하는 단계를 포함한다. 예측트리를 기반으로 지오메트리 데이터를 인코딩하는 단계는 도20의 전송장치의 위치예측트리생성부(20020)에 의하여 수행될 수 있다.
어트리뷰트 데이터를 인코딩하는 단계는 포인트 클라우드 데이터를 특정 기준에 따라 정렬하는 단계와, 정렬된 포인트 클라우드 데이터에서 어트리뷰트 데이터 또는 지오메트리 데이터를 기반으로 이웃 포인트를 참조하여 속성 예측트리를 형성하는 단계 및 속성 예측트리를 기반으로 속성 예측모드와 속성 잔차값을 부호화하는 단계를 포함할 수 있다.
보다 상세하게는, 포인트 클라우드 데이터를 특정 기준에 따라 정렬하는 단계는 위치 예측트리를 탐색하는 순서에 기반하여 상기 포인트 클라우드 데이터를 정렬할 수 있다. 위치 예측트리를 탐색하는 순서는 DFS(Depth First Search), BFS(Breadth First Search), 전위순회, 중위순회, 후위순회 방식을 포함한다. 또는, 포인트 클라우드 데이터를 특정 기준에 따라 정렬하는 단계는 지오메트리 데이터에 기반하여 애지무스 순서(azimuth order), 래디우스 순서(radius order), 몰톤 순서(morton order) 또는 xyz축 기준으로 포인트 클라우드 데이터의 정렬을 수행할 수 있다. 또는 포인트 클라우드 데이터를 특정 기준에 따라 정렬하는 단계는 어트리뷰트 데이터에 기반하여 컬러 또는 반사도값을 기준으로 포인트 클라우드 데이터의 정렬을 수행할 수 있다.
또한, 어트리뷰트 데이터를 인코딩하는 단계에서 속성 예측트리를 기반으로 속성 예측모드와 속성 잔차값을 부호화하는 단계는, 위치 예측모드와 속성 예측모드의 모드 차이값을 부호화하거나, 위치 잔차값과 속성 잔차값의 잔차 차이값을 부호화할 수 있다. 이때, 부호화 과정은 모드 차이값과 잔차 차이값을 그룹핑하여 부호화할 수 있다.
한편, 어트리뷰트 데이터를 인코딩하는 단계는 포인트 클라우드 데이터의 지오메트리 정보를 구면좌표계 형태로 변환하는 단계와, 포인트 클라우드 데이터의 구면좌표계 정보를 기반으로 동일한 레이저ID를 가진 포인트들을 동일한 레이어로 분류하는 단계 및 상기 레이어들을 배열하는 단계를 포함한다. 이때, 레이어들을 배열하는 단계는 레이어들을 순서에 따라 일렬로 배열하거나, 포인트의 개수가 상대적으로 적은 레이어들을 위로 적층하는 방식으로 배열할 수 있다. 레이어들을 일렬로 배열하는 경우 예측 변환(Predicting transform) 방식으로 어트리뷰트 데이터를 인코딩할 수 있고, 포인트의 개수가 상대적으로 적은 레이어들을 위로 적층하는 방식으로 배열하는 경우, 리프팅 변환(Lifting transform) 방식으로 어트리뷰트 데이터를 인코딩할 수 있다.
한편, 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계(S2910)는 도 1의 트랜스미터(10003), 도 12의 전송처리부(12012), 도 14의 XR디바이스(1430) 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 포인트 클라우드 데이터를 도2의 전송(20002) 단계와 같이 전송하는 단계이다.
도 29는 실시예들에 따른 포인트 클라우드 데이터 수신 방법의 예시를 나타낸다. 실시예들에 따른 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계(S2900)와 포인트 클라우드 데이터를 디코딩하는 단계(S2910)를 포함할 수 있다.
포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계(S3000)는 도1의 수신장치(10004), 도10, 도 11의 수신장치, 도 13의 수신부(13000), 도14의 xr device(1430), 도 21의 수신기 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 포인트 클라우드 데이터를 수신한다.
포인트 클라우드 데이터를 디코딩하는 단계(S2910)는 도1의 포인트 클라우드 비디오 디코더(10006), 도10, 도 11, 도13의 수신장치, 도14의 XR device(1430), 도 21 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 포인트 클라우드 데이터를 디코딩한다.
포인트 클라우드 데이터를 디코딩하는 단계는 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계와, 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계를 포함할 수 있다.
포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계는 포인트별 위치 예측모드 정보 및 위치 예측값의 차이값(위치 잔차값) 정보를 기반으로 지오메트리 데이터를 복원한다.
보다 상세하게는, 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계는, 지오메트리 데이터를 기반으로 위치 예측트리 구조를 재구성하는 단계와, 상기 지오메트리 데이터를 복호화하는 단계를 포함한다.
위치 예측트리 구조를 재구성하는 단계는, 수신된 비트스트림을 기반으로 위치 예측트리 구조를 파악한다. 지오메트리 데이터를 복호화하는 단계는, 파악된 위치 예측트리 구조와 위치 예측모드 및 위치 잔차값을 기반하여 지오메트리 데이터를 복원한다. 전술한 기능은 실시예들에 따른 포인트 클라우드 데이터 수신장치(도21)의 예측트리재구성처리부(21002)에서 수행될 수 있다.
포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터를 정렬하는 단계와, 상기 정렬된 포인트 클라우드 데이터를 기반으로 속성 예측트리를 형성하는 단계와, 상기 속성 예측트리의 구조와 속성 예측모드 및 속성 잔차값을 기반하여 어트리뷰트 데이터를 복호화하는 단계를 포함한다.
이때, 포인트 클라우드 데이터를 정렬하는 단계는, 위치 예측트리를 탐색하는 순서에 기반하여 상기 포인트 클라우드 데이터를 정렬할 수 있다. 위치 예측트리의 탐색순서는 DFS(Depth First Search), BFS(Breadth First Search), 전위순회, 중위순회, 후위순회 방법을 적용할 수 있다. 또한, 포인트 클라우드 데이터를 정렬하는 단계는, 지오메트리 데이터에 기반하여 애지무스 순서(azimuth order), 래디우스 순서(radius order) 또는 몰톤 순서(morton order)로 상기 포인트 클라우드 데이터를 정렬할 수 있다. 또한, 포인트 클라우드 데이터를 정렬하는 단계는, 실시예들에 따른 포인트 클라우드 전송장치(도20)로부터 지오메트리재구성부(20030)에서 데이터를 정렬한 방법에 관한 정보를 전달받아 그와 동일한 순서로 데이터를 정렬할 수 있다. 전술한 기능은 실시예들에 따른 포인트 클라우드 수신장치(도 21)에서 지오메트리재구성부(21003)에 의하여 수행될 수 있다.
한편, 어트리뷰트 데이터를 디코딩하는 단계는, 위치 예측모드와 속성 예측모드의 모드 차이값을 기반으로 어트리뷰트 데이터를 복호화하는 단계와, 위치 잔차값과 속성 잔차값의 잔차 차이값을 기반으로 어트리뷰트 데이터를 복호화하는 단계를 포함할 수 있다. 이때, 어트리뷰트 데이터를 디코딩하는 단계는, 그룹핑된 모드 차이값과 그룹핑된 잔차 차이값을 기반하여 어트리뷰트 데이터를 복호화하는 단계를 포함할 수 있다.
또한, 어트리뷰트 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터의 지오메트리 데이터에 대한 구면좌표계 정보를 기반으로 동일한 레이저ID의 레이저로 획득된 포인트들을 동일한 레이어로 분류하는 단계와, 상기 레이어를 배열하는 단계 및 상기 어트리뷰트 데이터를 상기 배열에 따라 예측 변환 또는 리프팅 변환 방식으로 디코딩하는 단계를 포함할 수 있다.
실시예들에 따른 수신장치는 도1의 수신장치(10004), 도 11의 수신장치, 도 13, 도 14의 XR 장치(1430), 도 21 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 포인트 클라우드 데이터를 수신하고, 디코딩하여 렌더링할 수 있다.
실시예들에 따른 수신장치는, 포인트 클라우드 데이터를 수신하는 수신부와, 상기 포인트 클라우드 데이터를 디코딩하는 디코더 및 상기 포인트 클라우드 데이터를 렌더링하는 렌더러를 포함한다.
수신부는 포인트 클라우드 데이터의 지오메트리 데이터와 상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 수신할 수 있다. 또한, 수신부는 코딩 순서에 따른 인덱스 정보를 기반으로 생성된 루트노드에 대한 정보와 포인트 클라우드 데이터의 예측값을 계산한 위치 예측모드, 위치 예측값 및 위치 잔차값 정보를 수신하여 상기 디코더에 전달할 수 있다.
디코더는 예측트리재구성처리부(21002), 옥트리재구성처리부(21001), 지오메트리재구성부(21003), 속성변환처리부(미도시), 예측/리프팅변환처리부(21004) 또는 예측트리생성/변환처리부(21005)를 포함할 수 있다.
예측트리재구성처리부(21002)는 지오메트리 데이터를 기반으로 위치 예측트리를 재구성하고, 위치 예측트리의 구조와 위치 예측모드 및 위치 잔차값을 기반으로 상기 지오메트리 데이터를 복호화할 수 있다.
옥트리재구성처리부(21001)는 옥트리 기반으로 부호화된 지오메트리 데이터에 대하여 옥트리 코드를 재구성함으로써 지오메트리 데이터를 복호화할 수 있다.
지오메트리재구성부(21003)는 수신된 포인트 클라우드 데이터를 정렬할 수 있다. 이때, 포인트 클라우드 데이터는 위치 예측트리를 탐색하는 순서에 기반하여 정렬될 수 있다. 위치 예측트리의 탐색순서는 DFS(Depth First Search), BFS(Breadth First Search), 전위순회, 중위순회, 후위순회 방법을 적용할 수 있다. 또한, 포인트 클라우드 데이터는 애지무스 순서(azimuth order), 래디우스 순서(radius order) 또는 몰톤 순서(morton order)로 정렬될 수 있다.
또한, 수신장치(도21)의 지오메트리재구성부(21003)는 실시예들에 따른 포인트 클라우드 전송장치(도20)로부터 데이터 정렬 순서에 관한 정보를 전달받아 동일한 순서로 데이터를 정렬할 수 있다.
예측트리생성/변환처리부(21005)는 지오메트리재구성부(21003)에서 정렬된 포인트 클라우드 데이터를 기반으로 속성 예측트리를 재구성하고, 속성 예측트리의 구조와 속성 예측모드 및 속성 잔차값을 기반으로 어트리뷰트 데이터를 복호화할 수 있다.
예측트리생성/변환처리부(21005)는 위치 예측모드와 속성 예측모드의 모드 차이값을 기반으로 어트리뷰트 데이터를 복호화할 수 있다. 또한, 예측트리생성/변환처리부(21005)는 위치 잔차값과 속성 잔차값의 차이인 잔차 차이값을 기반으로 어트리뷰트 데이터를 복호화할 수 있다. 상기 모드 차이값 또는 상기 잔차 차이값은 그룹핑된 것일 수 있으며, 이 경우 예측트리생성/변환처리부(21005)는 그룹핑된 상기 모드 차이값과 그룹핑된 상기 잔차 차이값을 기반으로 상기 어트리뷰트 데이터를 복호화한다.
한편, 수신장치(도21)의 속성변환처리부(미도시)는 지오메트리 데이터에 대한 구면좌표계 정보를 기반으로 동일한 레이저ID의 레이저로 획득된 포인트들을 동일한 레이어로 분류하여 배열할 수 있다. 속성변환처리부(미도시)는 별도의 구성으로 존재하거나, 그렇지 않을 경우 그 기능이 지오메트리재구성부(21003) 또는 예측/리프팅변환처리부(21004)에 통합될 수 있다.
예측/리프팅변환처리부(21004)는 어트리뷰트 데이터를 예측 변환 또는 리프팅 변환 방식으로 디코딩한다. 포인트 클라우드 데이터가 레이어로 분류된 경우, 예측/리프팅변환처리부(21004)는 레이어들의 배열 방법에 따라 예측 변환 또는 리프팅 변환 방법으로 어트리뷰트 데이터를 디코딩할 수 있다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 도면을 나누었으나, 각 도면에 서술되어 있는 실시예들을 병합하여 새로운 실시예를 구현하도록 설계할 수 있다. 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 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정 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.
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.
본 명세서에서 “/”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, 본 명세서에서 “또는”은 “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 제한되지 않는다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사용되는 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 송수신장치에 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 전송장치 및/또는 수신장치에 의해서 수행될 수 있다. 송수신장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.
상술한 바와 같이 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다. 당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다. 실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항 및 그 와 동일하다고 인정되는 것의 범위를 벗어나지 않는다.
Claims (28)
- 포인트 클라우드 데이터를 인코딩하는 단계; 및상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계;를 포함하는,포인트 클라우드 데이터 전송방법.
- 청구항 1에 있어서,상기 포인트 클라우드 데이터를 인코딩하는 단계는,상기 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계,상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계를 포함하는,포인트 클라우드 데이터 전송방법.
- 청구항 2에 있어서,상기 지오메트리 데이터를 인코딩하는 단계는,상기 지오메트리 데이터를 기반으로 위치 예측트리를 형성하는 단계와,상기 위치 예측트리를 기반으로 위치 예측모드와 위치 잔차값을 부호화하는 단계를 포함하고,상기 어트리뷰트 데이터를 인코딩하는 단계는,상기 포인트 클라우드 데이터를 정렬하는 단계와,상기 정렬된 포인트 클라우드 데이터를 기반으로 속성 예측트리를 형성하는 단계와,상기 속성 예측트리를 기반으로 속성 예측모드와 속성 잔차값을 부호화하는 단계를 포함하는,포인트 클라우드 데이터 전송방법.
- 청구항 3에 있어서,상기 포인트 클라우드 데이터를 정렬하는 단계는,상기 위치 예측트리를 탐색하는 순서에 기반하여 상기 포인트 클라우드 데이터를 정렬하는,포인트 클라우드 데이터 전송방법.
- 청구항 3에 있어서,상기 포인트 클라우드 데이터를 정렬하는 단계는,상기 지오메트리 데이터에 기반하여 애지무스 순서(azimuth order), 래디우스 순서(radius order) 또는 몰톤 순서(morton order)로 상기 포인트 클라우드 데이터를 정렬하는,포인트 클라우드 데이터 전송방법.
- 청구항 4 내지 청구항 5 중 어느 하나에 있어서,상기 어트리뷰트 데이터를 인코딩하는 단계는,상기 위치 예측모드와 상기 속성 예측모드의 모드 차이값을 부호화하는 단계와,상기 위치 잔차값과 상기 속성 잔차값의 잔차 차이값을 부호화하는 단계를 포함하는,포인트 클라우드 데이터 전송방법.
- 청구항 6에 있어서,상기 어트리뷰트 데이터를 인코딩하는 단계는,상기 모드 차이값과 상기 잔차 차이값을 각각 그룹핑하여 부호화하는 단계를 포함하는,포인트 클라우드 데이터 전송방법.
- 청구항 2에 있어서,상기 어트리뷰트 데이터를 인코딩하는 단계는,상기 포인트 클라우드 데이터의 구면좌표계 정보를 기반으로 동일한 레이저ID를 가진 레이저로 획득된 포인트들을 동일한 레이어로 분류하는 단계;상기 레이어를 배열하는 단계; 및상기 배열에 따라 예측 변환 또는 리프팅 변환 방식으로 상기 어트리뷰트 데이터를 인코딩하는 단계;를 포함하는,포인트 클라우드 데이터 전송방법.
- 포인트 클라우드 데이터를 인코딩하는 인코더; 및상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함하고,상기 인코더는,위치 예측트리 기반으로 상기 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 위치예측트리생성부와,상기 포인트 클라우드 데이터를 정렬할 수 있는 지오메트리재구성부와,속성 예측트리 기반으로 상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 예측트리생성/변환처리부를 포함하는,포인트 클라우드 데이터 전송장치.
- 청구항 9에 있어서,상기 지오메트리재구성부는,상기 위치 예측트리를 탐색하는 순서에 기반하여 상기 포인트 클라우드 데이터를 정렬하는,포인트 클라우드 데이터 전송장치.
- 청구항 9에 있어서,상기 지오메트리재구성부는,상기 지오메트리 데이터에 기반하여 애지무스 순서(azimuth order), 래디우스 순서(radius order) 또는 몰톤 순서(morton order)로 상기 포인트 클라우드 데이터를 정렬하는,포인트 클라우드 데이터 전송장치.
- 청구항 10 내지 청구항 11 중 어느 하나에 있어서,상기 예측트리생성/변환처리부는,상기 위치 예측모드와 상기 속성 예측모드의 모드 차이값을 부호화하고,상기 위치 잔차값과 상기 속성 잔차값의 잔차 차이값을 부호화하는,포인트 클라우드 데이터 전송장치.
- 청구항 12에 있어서,상기 예측트리생성/변환처리부는,상기 모드 차이값과 상기 잔차 차이값을 그룹핑하여 부호화하는,포인트 클라우드 데이터 전송장치.
- 청구항 9에 있어서,상기 인코더는,상기 포인트 클라우드 데이터의 구면좌표계 정보를 기반으로 동일한 레이저ID를 가진 레이저로 획득된 포인트들을 동일한 레이어로 분류하는 속성변환처리부와,상기 속성변환처리부에 의하여 배열된 레이어를 기반으로 예측 변환 또는 리프팅 변환 방식으로 상기 어트리뷰트 데이터를 인코딩하는 예측/리프팅변환처리부를 더 포함하는,포인트 클라우드 데이터 전송장치.
- 포인트 클라우드 데이터를 수신하는 단계;상기 포인트 클라우드 데이터를 디코딩하는 단계; 및상기 포인트 클라우드 데이터를 렌더링하는 단계; 를 포함하고,상기 포인트 클라우드 데이터를 디코딩하는 단계는,상기 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계와, 상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계를 포함하는,포인트 클라우드 데이터 수신방법.
- 청구항 15에 있어서,상기 지오메트리 데이터를 디코딩하는 단계는,상기 지오메트리 데이터를 기반으로 위치 예측트리를 재구성하는 단계와, 상기 위치 예측트리의 구조와 위치 예측모드 및 위치 잔차값을 기반으로 상기 지오메트리 데이터를 복호화하는 단계를 포함하고,상기 어트리뷰트 데이터를 디코딩하는 단계는,상기 포인트 클라우드 데이터를 정렬하는 단계와, 상기 정렬된 포인트 클라우드 데이터를 기반으로 속성 예측트리를 형성하는 단계와, 상기 속성 예측트리의 구조와 속성 예측모드 및 속성 잔차값을 기반으로 복호화하는 단계를 포함하는,포인트 클라우드 데이터 수신방법.
- 청구항 16에 있어서,상기 포인트 클라우드 데이터를 정렬하는 단계는,상기 위치 예측트리를 탐색하는 순서에 기반하여 상기 포인트 클라우드 데이터를 정렬하는,포인트 클라우드 데이터 수신방법.
- 청구항 16에 있어서,상기 포인트 클라우드 데이터를 정렬하는 단계는,상기 지오메트리 데이터에 기반하여 애지무스 순서(azimuth order), 래디우스 순서(radius order) 또는 몰톤 순서(morton order)로 상기 포인트 클라우드 데이터를 정렬하는,포인트 클라우드 데이터 수신방법.
- 청구항 17 내지 청구항 18 중 어느 하나에 있어서,상기 어트리뷰트 데이터를 디코딩하는 단계는,상기 위치 예측모드와 상기 속성 예측모드의 모드 차이값을 기반으로 상기 어트리뷰트 데이터를 복호화하는 단계와,상기 위치 잔차값과 상기 속성 잔차값의 잔차 차이값을 기반으로 상기 어트리뷰트 데이터를 복호화하는 단계를 포함하는,포인트 클라우드 데이터 수신방법.
- 청구항 19에 있어서,상기 어트리뷰트 데이터를 디코딩하는 단계는,그룹핑된 상기 모드 차이값과 그룹핑된 상기 잔차 차이값을 기반으로 상기 어트리뷰트 데이터를 복호화하는 단계를 포함하는,포인트 클라우드 데이터 수신방법.
- 청구항 16에 있어서,상기 어트리뷰트 데이터를 디코딩하는 단계는,상기 포인트 클라우드 데이터의 지오메트리 데이터에 대한 구면좌표계 정보를 기반으로 포인트들을 레이어로 분류하는 단계와,상기 레이어를 배열하는 단계와,상기 어트리뷰트 데이터를 상기 배열에 따라 예측 변환 또는 리프팅 변환 방식으로 디코딩하는 단계; 를 포함하는,포인트 클라우드 데이터 수신방법.
- 포인트 클라우드 데이터를 수신하는 수신부;상기 포인트 클라우드 데이터를 디코딩하는 디코더; 및상기 포인트 클라우드 데이터를 렌더링하는 렌더러; 를 포함하고,상기 수신부는,상기 포인트 클라우드 데이터의 지오메트리 데이터와 상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 수신하는,포인트 클라우드 데이터 수신장치.
- 청구항 22에 있어서,상기 디코더는,상기 지오메트리 데이터를 기반으로 위치 예측트리를 재구성하고, 상기 위치 예측트리의 구조와 위치 예측모드 및 위치 잔차값을 기반으로 상기 지오메트리 데이터를 복호화하는 예측트리재구성처리부;상기 포인트 클라우드 데이터를 정렬하는 지오메트리재구성부; 및정렬된 포인트 클라우드 데이터를 기반으로 속성 예측트리를 재구성하고, 속성 예측트리의 구조와 속성 예측모드 및 속성 잔차값을 기반으로 상기 어트리뷰트 데이터를 복호화하는 예측트리생성/변환처리부;를 포함하는,포인트 클라우드 데이터 수신장치
- 청구항 23에 있어서,상기 지오메트리재구성부는,상기 위치 예측트리를 탐색하는 순서에 기반하여 상기 포인트 클라우드 데이터를 정렬하는,포인트 클라우드 데이터 수신장치.
- 청구항23에 있어서,상기 지오메트리재구성부는,상기 지오메트리 데이터에 기반하여 애지무스 순서(azimuth order), 래디우스 순서(radius order) 또는 몰톤 순서(morton order)로 상기 포인트 클라우드 데이터를 정렬하는,포인트 클라우드 데이터 수신장치.
- 청구항 24 내지 청구항 25 중 어느 하나에 있어서,상기 예측트리생성/변환처리부는,상기 위치 예측모드와 상기 속성 예측모드의 모드 차이값을 기반으로 상기 어트리뷰트 데이터를 복호화하고,상기 위치 잔차값과 상기 속성 잔차값의 잔차 차이값을 기반으로 상기 어트리뷰트 데이터를 복호화하는,포인트 클라우드 데이터 수신장치.
- 청구항 26에 있어서,상기 예측트리생성/변환처리부는,그룹핑된 상기 모드 차이값과 그룹핑된 상기 잔차 차이값을 기반으로 상기 어트리뷰트 데이터를 복호화하는,포인트 클라우드 데이터 수신장치.
- 청구항 22에 있어서,상기 디코더는,상기 포인트 클라우드 데이터의 지오메트리 데이터에 대한 구면좌표계 정보를 기반으로 획득된 포인트들을 레이어로 분류하여 배열하는 속성변환처리부; 및상기 어트리뷰트 데이터를 상기 배열에 따라 예측 변환 또는 리프팅 변환 방식으로 디코딩하는 예측/리프팅변환처리부;를 포함하는,포인트 클라우드 데이터 수신장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US18/018,962 US20230394712A1 (en) | 2020-07-31 | 2021-07-26 | Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2020-0096099 | 2020-07-31 | ||
| KR20200096099 | 2020-07-31 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2022025552A1 true WO2022025552A1 (ko) | 2022-02-03 |
Family
ID=80035815
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/KR2021/009619 WO2022025552A1 (ko) | 2020-07-31 | 2021-07-26 | 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20230394712A1 (ko) |
| WO (1) | WO2022025552A1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023191252A1 (ko) * | 2022-03-29 | 2023-10-05 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
| WO2023191480A1 (ko) * | 2022-03-31 | 2023-10-05 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법. |
| WO2023211097A1 (ko) * | 2022-04-24 | 2023-11-02 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
| WO2023241108A1 (zh) * | 2022-06-17 | 2023-12-21 | 腾讯科技（深圳）有限公司 | 一种点云编码方法、点云解码方法及相关设备 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190044629A (ko) * | 2016-09-07 | 2019-04-30 | 퀄컴 인코포레이티드 | 비디오 코딩을 위한 트리-타입 코딩 |
-
2021
- 2021-07-26 WO PCT/KR2021/009619 patent/WO2022025552A1/ko active Application Filing
- 2021-07-26 US US18/018,962 patent/US20230394712A1/en active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190044629A (ko) * | 2016-09-07 | 2019-04-30 | 퀄컴 인코포레이티드 | 비디오 코딩을 위한 트리-타입 코딩 |
Non-Patent Citations (4)
| Title |
|---|
| D. FLYNN (APPLE), K. MAMMOU (APPLE): "G-PCC: Combined octree-predictive geometry coding", 129. MPEG MEETING; 20200113 - 20200117; BRUSSELS; (MOTION PICTURE EXPERT GROUP OR ISO/IEC JTC1/SC29/WG11), 11 January 2020 (2020-01-11), XP030225211 * |
| DAVID FLYNN, ALEXIS TOURAPIS, KHALED MAMMOU (APPLE): "[G-PCC][New proposal] Predictive Geometry Coding", 128. MPEG MEETING; 20191007 - 20191011; GENEVA; (MOTION PICTURE EXPERT GROUP OR ISO/IEC JTC1/SC29/WG11), 3 October 2019 (2019-10-03), XP030221518 * |
| KHALED MAMMON, PHILIP A. CHOU, DAVID FLYNN, MAJ A KRIVOKUCA, OHJI NAKAGAMI, TOSHIYASU SUGIO: "G-PCC codec description", 125. MPEG MEETING; 20190114 - 20190118; MARRAKECH; (MOTION PICTURE EXPERT GROUP OR ISO/IEC JTC1/SC29/WG11), no. N18189, 22 February 2019 (2019-02-22), pages 1 - 39, XP030212734 * |
| ZHENZHEN GAO, DAVID FLYNN, ALEXIS TOURAPIS, KHALED MAMMOU (APPLE): "[G-PCC][New proposal] Improved implementation of the Prediction and Lifting schemes", 128. MPEG MEETING; 20191007 - 20191011; GENEVA; (MOTION PICTURE EXPERT GROUP OR ISO/IEC JTC1/SC29/WG11), 3 October 2019 (2019-10-03), XP030221516 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023191252A1 (ko) * | 2022-03-29 | 2023-10-05 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
| WO2023191480A1 (ko) * | 2022-03-31 | 2023-10-05 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법. |
| WO2023211097A1 (ko) * | 2022-04-24 | 2023-11-02 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
| WO2023241108A1 (zh) * | 2022-06-17 | 2023-12-21 | 腾讯科技（深圳）有限公司 | 一种点云编码方法、点云解码方法及相关设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20230394712A1 (en) | 2023-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| WO2020189982A1 (ko) | 포인트 클라우드 데이터 처리 장치 및 방법 | |
| WO2021049758A1 (ko) | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 | |
| WO2022025552A1 (ko) | 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 | |
| WO2020246689A1 (ko) | 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 | |
| WO2020256308A1 (ko) | 포인트 클라우드 데이터 처리 장치 및 방법 | |
| WO2021261840A1 (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 | |
| WO2021210743A1 (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 | |
| WO2021141218A1 (ko) | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 | |
| WO2021145573A1 (ko) | 포인트 클라우드 데이터 처리 장치 및 방법 | |
| WO2021206291A1 (ko) | 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법 | |
| WO2021194069A1 (ko) | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 | |
| WO2021045601A1 (ko) | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 | |
| WO2022240128A1 (ko) | 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 | |
| WO2022220382A1 (ko) | 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 | |
| WO2021194065A1 (ko) | 포인트 클라우드 데이터 처리 장치 및 방법 | |
| WO2021215811A1 (ko) | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 | |
| WO2021246837A1 (ko) | 포인트 클라우드 데이터 처리 디바이스 및 처리 방법 | |
| WO2022050612A1 (ko) | 포인트 클라우드 데이터 전송장치, 포인트 클라우드 데이터 전송방법, 포인트 클라우드 데이터 수신장치 및 포인트 클라우드 데이터 수신방법 | |
| WO2021256887A1 (ko) | 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 | |
| WO2023191480A1 (ko) | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법. | |
| WO2021242036A1 (ko) | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 21851230 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: 21851230 Country of ref document: EP Kind code of ref document: A1 |