WO2022060176A1 - 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 - Google Patents

포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 Download PDF

Info

Publication number
WO2022060176A1
WO2022060176A1 PCT/KR2021/012840 KR2021012840W WO2022060176A1 WO 2022060176 A1 WO2022060176 A1 WO 2022060176A1 KR 2021012840 W KR2021012840 W KR 2021012840W WO 2022060176 A1 WO2022060176 A1 WO 2022060176A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
cloud data
coordinate system
point
laser
Prior art date
Application number
PCT/KR2021/012840
Other languages
English (en)
French (fr)
Inventor
오현묵
오세진
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to US18/026,926 priority Critical patent/US20230328285A1/en
Publication of WO2022060176A1 publication Critical patent/WO2022060176A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/96—Tree coding, e.g. quad-tree coding

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • the point cloud content is content expressed as a point cloud, which is a set of points (points) belonging to a coordinate system representing a three-dimensional space.
  • Point cloud content can express three-dimensional media, and provides various services such as VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), and autonomous driving service. used to provide However, tens of thousands to hundreds of thousands of point data are needed to express point cloud content. Therefore, a method for efficiently processing a large amount of point data is required.
  • Embodiments provide an apparatus and method for efficiently processing point cloud data.
  • Embodiments provide a point cloud data processing method and apparatus for solving latency and encoding/decoding complexity.
  • a method for transmitting point cloud data may include encoding the point cloud data and transmitting a bitstream including the point cloud data.
  • a method of receiving point cloud data according to embodiments may include receiving a bitstream including point cloud data and decoding the point cloud data.
  • the apparatus and method according to the embodiments may process point cloud data with high efficiency.
  • the apparatus and method according to the embodiments may provide a high quality point cloud service.
  • the apparatus and method according to the embodiments may provide point cloud content for providing universal services such as a VR service and an autonomous driving service.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • FIG. 5 illustrates an example of a voxel according to embodiments.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • FIG 9 shows another example of a point configuration for each LOD according to embodiments.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • FIG 12 is an example of an apparatus for transmitting point cloud data according to embodiments.
  • FIG 13 is an example of an apparatus for receiving point cloud data according to embodiments.
  • FIG. 14 illustrates an example of a structure capable of interworking with a method/device for transmitting and receiving point cloud data according to embodiments.
  • 15 is an example of a block diagram illustrating an apparatus for transmitting point cloud data according to embodiments.
  • 16 is an example of a block diagram illustrating an apparatus for receiving point cloud data according to embodiments.
  • 17 illustrates an example of a coordinate system transformation process of point cloud data according to embodiments.
  • FIG. 19 illustrates an example of a coordinate system transformation process of point cloud data according to embodiments.
  • FIG. 20 illustrates an example of a coordinate system projection process of point cloud data according to embodiments.
  • FIG. 21 schematically illustrates a structure of a lidar for acquiring point cloud data according to embodiments.
  • FIG. 22 illustrates a position of a head of a lidar and a position of a laser according to embodiments.
  • 24 is a diagram illustrating a method of using position index information in inverse projection according to embodiments.
  • 25A shows an example of encoded point cloud data according to embodiments.
  • 25B shows an example of a syntax of a sequence parameter set according to embodiments.
  • 26 shows an example of a syntax of a tile inventory according to embodiments.
  • FIG. 27 illustrates an example of syntax of a general attribute slice bitstream and an attribute slice header according to embodiments.
  • FIG. 30 is a table showing improvement in coding performance of a prediction-lifting (Pred-Lift) transform attribute by a coordinate system transform according to embodiments.
  • Pred-Lift prediction-lifting
  • FIG. 31 shows a table showing improvement of RAHT transform attribute coding performance by coordinate system transform according to embodiments.
  • 32 illustrates an example of a syntax of an attribute parameter set according to embodiments.
  • 35 illustrates an example of a method for maintaining an index interval based on a scale factor with respect to point cloud data according to embodiments.
  • 36 illustrates an example of a laser index-based neighbor point search method in point cloud data according to embodiments.
  • 39 shows a state in which horizontal angles of lasers included in a lidar according to embodiments are different from each other.
  • 40 illustrates an example of a method for grouping point cloud data according to embodiments.
  • 41 illustrates an example of a syntax of a sequence parameter set according to embodiments.
  • 44 illustrates an example of syntax of a general geometry slice bitstream and a geometry slice header according to embodiments.
  • 45 shows an example of syntax of a general attribute slice bitstream and an attribute slice header according to embodiments.
  • 46 to 48 show examples of syntax of projection info according to embodiments.
  • 49A to 49B are block diagrams illustrating an apparatus for transmitting point cloud data according to embodiments.
  • 50 shows an example of a method for transmitting point cloud data according to embodiments.
  • 51A to 51B are block diagrams illustrating an apparatus for receiving point cloud data according to embodiments.
  • FIG. 52 shows an example of a method for receiving point cloud data according to embodiments.
  • FIG. 53 shows an example of a method for transmitting point cloud data according to embodiments.
  • FIG. 54 shows an example of a method for receiving point cloud data according to embodiments.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system shown in FIG. 1 may include a transmission device 10000 and a reception device 10004 .
  • the transmitter 10000 and the receiver 10004 are capable of wired/wireless communication in order to transmit and receive point cloud data.
  • the transmitting device 10000 may secure, process, and transmit a point cloud video (or point cloud content).
  • the transmitter 10000 may include a fixed station, a base transceiver system (BTS), a network, an Ariticial Intelligence (AI) device and/or system, a robot, an AR/VR/XR device and/or a server. and the like.
  • the transmitter 10000 uses a radio access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to perform communication with a base station and/or other wireless devices; It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Things (IoT) devices, AI devices/servers, and the like.
  • a radio access technology eg, 5G NR (New RAT), LTE (Long Term Evolution)
  • 5G NR New RAT
  • LTE Long Term Evolution
  • IoT Internet of Things
  • Transmission device 10000 is a point cloud video acquisition unit (Point Cloud Video Acquisition, 10001), a point cloud video encoder (Point Cloud Video Encoder, 10002) and / or a transmitter (Transmitter (or Communication module), 10003 ) contains
  • the point cloud video acquisition unit 10001 acquires the point cloud video through processing such as capturing, synthesizing, or generating.
  • the point cloud video is point cloud content expressed as a point cloud that is a set of points located in a three-dimensional space, and may be referred to as point cloud video data, point cloud data, or the like.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Accordingly, the point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, a frame, and a picture.
  • the point cloud video encoder 10002 encodes the obtained point cloud video data.
  • the point cloud video encoder 10002 may encode point cloud video data based on point cloud compression coding.
  • Point cloud compression coding may include Geometry-based Point Cloud Compression (G-PCC) coding and/or Video based Point Cloud Compression (V-PCC) coding or next-generation coding.
  • G-PCC Geometry-based Point Cloud Compression
  • V-PCC Video based Point Cloud Compression
  • the point cloud video encoder 10002 may output a bitstream including encoded point cloud video data.
  • the bitstream may include not only the encoded point cloud video data, but also signaling information related to encoding of the point cloud video data.
  • the transmitter 10003 transmits a bitstream including encoded point cloud video data.
  • the bitstream according to the embodiments is encapsulated into a file or segment (eg, a streaming segment) and transmitted through various networks such as a broadcasting network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or an encapsulation module) that performs an encapsulation operation.
  • the encapsulation unit may be included in the transmitter 10003 .
  • the file or segment may be transmitted to the receiver 10004 through a network or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmitter 10003 may communicate with the receiver 10004 (or the receiver 10005) through wired/wireless communication through networks such as 4G, 5G, and 6G. Also, the transmitter 10003 may perform a necessary data processing operation according to a network system (eg, a communication network system such as 4G, 5G, 6G, etc.). Also, the transmitter 10000 may transmit encapsulated data according to an on demand method.
  • a network system eg, a communication network system such as 4G, 5G, 6G, etc.
  • the transmitter 10000 may transmit encapsulated data according to an on demand method.
  • the receiver 10004 includes a receiver (Receiver, 10005), a point cloud video decoder (Point Cloud Decoder, 10006), and/or a renderer (Renderer, 10007).
  • the receiver 10004 uses a radio access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to communicate with a base station and/or another wireless device, a device, or a robot.
  • a radio access technology eg, 5G NR (New RAT), LTE (Long Term Evolution)
  • the receiver 10005 receives a bitstream including point cloud video data or a file/segment in which the bitstream is encapsulated from a network or a storage medium.
  • the receiver 10005 may perform a necessary data processing operation according to a network system (eg, a communication network system such as 4G, 5G, or 6G).
  • the receiver 10005 may output a bitstream by decapsulating the received file/segment.
  • the receiver 10005 may include a decapsulation unit (or a decapsulation module) for performing a decapsulation operation.
  • the decapsulation unit may be implemented as an element (or component) separate from the receiver 10005 .
  • the point cloud video decoder 10006 decodes a bitstream including point cloud video data.
  • the point cloud video decoder 10006 may decode the point cloud video data according to an encoded manner (eg, a reverse process of the operation of the point cloud video encoder 10002 ). Accordingly, the point cloud video decoder 10006 may decode the point cloud video data by performing point cloud decompression coding, which is a reverse process of the point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • the renderer 10007 renders the decoded point cloud video data.
  • the renderer 10007 may output point cloud content by rendering audio data as well as point cloud video data.
  • the renderer 10007 may include a display for displaying the point cloud content.
  • the display may not be included in the renderer 10007 and may be implemented as a separate device or component.
  • the feedback information is information for reflecting the interactivity with the user who consumes the point cloud content, and includes user information (eg, head orientation information, viewport information, etc.).
  • user information eg, head orientation information, viewport information, etc.
  • the feedback information is provided by the content transmitting side (eg, the transmission device 10000) and/or the service provider can be passed on to According to embodiments, the feedback information may be used by the transmitter 10000 as well as the receiver 10004 or may not be provided.
  • the head orientation information is information about the user's head position, direction, angle, movement, and the like.
  • the receiver 10004 may calculate viewport information based on head orientation information.
  • the viewport information is information about the area of the point cloud video that the user is looking at.
  • a viewpoint is a point at which a user is watching a point cloud video, and may mean a central point of the viewport area. That is, the viewport is an area centered on a viewpoint, and the size and shape of the area may be determined by a Field Of View (FOV).
  • FOV Field Of View
  • the receiver 10004 may extract viewport information based on a vertical or horizontal FOV supported by the device in addition to the head orientation information.
  • the receiver 10004 checks the user's point cloud consumption method, the point cloud video area the user gazes on, the gaze time, and the like by performing a gaze analysis or the like.
  • the receiver 10004 may transmit feedback information including the result of the gaze analysis to the transmitter 10000 .
  • Feedback information may be obtained during rendering and/or display.
  • Feedback information may be secured by one or more sensors included in the receiving device 10004 .
  • the feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • a dotted line in FIG. 1 shows a process of transmitting the feedback information secured by the renderer 10007 .
  • the point cloud content providing system may process (encode/decode) the point cloud data based on the feedback information. Accordingly, the point cloud video data decoder 10006 may perform a decoding operation based on the feedback information. Also, the receiver 10004 may transmit feedback information to the transmitter 10000 . The transmitter 10000 (or the point cloud video data encoder 10002 ) may perform an encoding operation based on the feedback information. Therefore, the point cloud content providing system does not process (encode / decode) all point cloud data, but efficiently processes necessary data (for example, point cloud data corresponding to the user's head position) based on the feedback information, and the user can provide point cloud content to
  • the transmitting apparatus 10000 may be referred to as an encoder, a transmitting device, a transmitter, a transmitter, and the like
  • the receiving apparatus 10004 may be referred to as a decoder, a receiving device, a receiver, and the like.
  • Point cloud data (processed in a series of acquisition/encoding/transmission/decoding/rendering) processed in the point cloud content providing system of FIG. 1 according to embodiments may be referred to as point cloud content data or point cloud video data.
  • the point cloud content data may be used as a concept including metadata or signaling information related to the point cloud data.
  • the elements of the point cloud content providing system shown in FIG. 1 may be implemented by hardware, software, a processor and/or a combination thereof.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • the block diagram of FIG. 2 shows the operation of the point cloud content providing system described in FIG. 1 .
  • the point cloud content providing system may process point cloud data based on point cloud compression coding (eg, G-PCC).
  • point cloud compression coding eg, G-PCC
  • the point cloud content providing system may acquire a point cloud video (20000).
  • a point cloud video is expressed as a point cloud belonging to a coordinate system representing a three-dimensional space.
  • the point cloud video according to embodiments may include a Ply (Polygon File format or the Stanford Triangle format) file.
  • the acquired point cloud video may include one or more Ply files.
  • the Ply file contains point cloud data such as the point's geometry and/or attributes. Geometry includes positions (positions) of points.
  • the position of each point may be expressed by parameters (eg, values of each of the X-axis, Y-axis, and Z-axis) representing a three-dimensional coordinate system (eg, a coordinate system including XYZ axes).
  • the attribute includes attributes of points (eg, texture information of each point, color (YCbCr or RGB), reflectance (r), transparency, etc.).
  • a point has one or more attributes (or properties). For example, one point may have one attribute of color, or two attributes of color and reflectance.
  • geometry may be called positions, geometry information, geometry data, location information, location data, etc.
  • attributes may be called attributes, attribute information, attribute data, attribute information, attribute data, etc.
  • the point cloud content providing system (for example, the point cloud transmission device 10000 or the point cloud video acquisition unit 10001) provides a point from information (eg, depth information, color information, etc.) related to the point cloud video acquisition process. Cloud data can be obtained.
  • the point cloud content providing system may encode the point cloud data (20001).
  • the point cloud content providing system may encode point cloud data based on point cloud compression coding.
  • the point cloud data may include point geometry information and attribute information.
  • the point cloud content providing system may output a geometry bitstream by performing geometry encoding for encoding the geometry.
  • the point cloud content providing system may output an attribute bitstream by performing attribute encoding for encoding an attribute.
  • the point cloud content providing system may perform attribute encoding based on geometry encoding.
  • the geometry bitstream and the attribute bitstream according to the embodiments may be multiplexed and output as one bitstream.
  • the bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • the point cloud content providing system may transmit the encoded point cloud data (20002).
  • the encoded point cloud data may be expressed as a geometry bitstream and an attribute bitstream.
  • the encoded point cloud data may be transmitted in the form of a bitstream together with signaling information related to encoding of the point cloud data (eg, signaling information related to geometry encoding and attribute encoding).
  • the point cloud content providing system may encapsulate the bitstream for transmitting the encoded point cloud data and transmit it in the form of a file or segment.
  • the point cloud content providing system may receive a bitstream including the encoded point cloud data. Also, the point cloud content providing system (eg, the receiver 10004 or the receiver 10005) may demultiplex the bitstream.
  • the point cloud content providing system may decode the encoded point cloud data (for example, a geometry bitstream, an attribute bitstream) transmitted as a bitstream. there is.
  • the point cloud content providing system (for example, the receiver 10004 or the point cloud video decoder 10005) may decode the point cloud video data based on signaling information related to encoding of the point cloud video data included in the bitstream. there is.
  • the point cloud content providing system (eg, the receiver 10004 or the point cloud video decoder 10005) may decode the geometry bitstream to restore positions (geometry) of the points.
  • the point cloud content providing system may restore attributes of points by decoding an attribute bitstream based on the restored geometry.
  • the point cloud content providing system (eg, the receiver 10004 or the point cloud video decoder 10005) may restore the point cloud video based on positions and decoded attributes according to the restored geometry.
  • the point cloud content providing system may render the decoded point cloud data (20004).
  • the point cloud content providing system eg, the receiver 10004 or the renderer 10007) may render the geometry and attributes decoded through the decoding process according to various rendering methods according to the rendering method.
  • the points of the point cloud content may be rendered as a vertex having a certain thickness, a cube having a specific minimum size centered at the vertex position, or a circle centered at the vertex position. All or part of the rendered point cloud content is provided to the user through a display (eg, VR/AR display, general display, etc.).
  • the point cloud content providing system (eg, the receiving device 10004) according to embodiments may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode the point cloud data based on the feedback information. Since the operation of the feedback information and point cloud content providing system according to the embodiments is the same as the feedback information and operation described with reference to FIG. 1 , a detailed description thereof will be omitted.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 3 shows an example of a point cloud video capture process of the point cloud content providing system described with reference to FIGS. 1 and 2 .
  • the point cloud content is an object located in various three-dimensional spaces (eg, a three-dimensional space representing a real environment, a three-dimensional space representing a virtual environment, etc.) and/or a point cloud video representing the environment (images and/or videos) are included.
  • one or more cameras eg, an infrared camera capable of securing depth information, color information corresponding to depth information
  • the point cloud content providing system according to the embodiments may extract a shape of a geometry composed of points in a three-dimensional space from depth information, and extract an attribute of each point from color information to secure point cloud data.
  • An image and/or an image according to embodiments may be captured based on at least one of an inward-facing method and an outward-facing method.
  • the left side of FIG. 3 shows an inward-pacing scheme.
  • the inward-pacing method refers to a method in which one or more cameras (or camera sensors) located surrounding the central object capture the central object.
  • the inward-facing method provides a 360-degree image of a point cloud content that provides a user with a 360-degree image of a core object (for example, a 360-degree image of an object (e.g., a core object such as a character, player, object, actor, etc.) to the user. It can be used to create VR/AR content).
  • the right side of FIG. 3 shows an outward-pacing scheme.
  • the outward-pacing method refers to a method in which one or more cameras (or camera sensors) positioned surrounding the central object capture the environment of the central object rather than the central object.
  • the outward-pacing method may be used to generate point cloud content (eg, content representing an external environment that may be provided to a user of an autonomous vehicle) for providing a surrounding environment that appears from the user's point of view.
  • point cloud content eg, content representing an external environment that may be provided to a user of an autonomous vehicle
  • the point cloud content may be generated based on a capture operation of one or more cameras.
  • the point cloud content providing system may perform calibration of one or more cameras in order to set a global coordinate system before the capture operation.
  • the point cloud content providing system may generate the point cloud content by synthesizing the image and/or image captured by the above-described capture method and an arbitrary image and/or image.
  • the point cloud content providing system may not perform the capture operation described with reference to FIG. 3 when generating point cloud content representing a virtual space.
  • the point cloud content providing system according to the embodiments may perform post-processing on the captured image and/or the image. That is, the point cloud content providing system removes an unwanted area (eg, a background), recognizes a space where captured images and/or images are connected, and fills in a spatial hole if there is one. can
  • the point cloud content providing system may generate one point cloud content by performing coordinate system transformation on points of the point cloud video secured from each camera.
  • the point cloud content providing system may perform coordinate system transformation of points based on the position coordinates of each camera. Accordingly, the point cloud content providing system may generate content representing one wide range and may generate point cloud content having a high density of points.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • the point cloud encoder controls point cloud data (eg, positions of points and/or attributes) and perform an encoding operation.
  • point cloud data e.g, positions of points and/or attributes
  • the point cloud content providing system may not be able to stream the corresponding content in real time. Accordingly, the point cloud content providing system may reconfigure the point cloud content based on a maximum target bitrate in order to provide it according to a network environment.
  • the point cloud encoder may perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • the point cloud encoder may include a coordinate system transformation unit (Transformation Coordinates, 40000), a quantization unit (Quantize and Remove Points (Voxelize), 40001), an octree analysis unit (Analyze Octree, 40002), and a surface appropriation analysis unit ( Analyze Surface Approximation (40003), Arithmetic Encode (40004), Reconstruct Geometry (40005), Color Transformer (Transform Colors, 40006), Attribute Transformer (Transfer Attributes, 40007), RAHT Transform It includes a unit 40008, an LOD generator (Generated LOD, 40009), a lifting transform unit (Lifting) 40010, a coefficient quantization unit (Quantize Coefficients, 40011) and/or an arithmetic encoder (Arithmetic Encode, 40012).
  • a coordinate system transformation unit Transformation Coordinates, 40000
  • a quantization unit Quantization and Remove Points (Voxelize)
  • the coordinate system transformation unit 40000, the quantization unit 40001, the octree analysis unit 40002, the surface approxy analysis unit 40003, the arithmetic encoder 40004, and the geometry reconstruction unit 40005 perform geometry encoding. can do.
  • Geometry encoding may include octree geometry coding, predictive tree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisup geometry encoding are applied selectively or in combination. Also, geometry encoding is not limited to the above example.
  • the coordinate system conversion unit 40000 receives the positions and converts them into a coordinate system.
  • the positions may be converted into position information in a three-dimensional space (eg, a three-dimensional space expressed in an XYZ coordinate system, etc.).
  • Location information in 3D space may be referred to as geometry information.
  • the quantizer 40001 quantizes the geometry.
  • the quantization unit 40001 may quantize the points based on the minimum position values of all points (eg, the minimum values on each axis with respect to the X-axis, Y-axis, and Z-axis).
  • the quantization unit 40001 performs a quantization operation to find the nearest integer value by multiplying the difference between the minimum position value and the position value of each point by a preset quatization scale value, and then rounding down or rounding it up. Accordingly, one or more points may have the same quantized position (or position value).
  • the quantizer 40001 according to embodiments performs voxelization based on quantized positions to reconstruct quantized points.
  • a minimum unit including 2D image/video information is a pixel, and points of point cloud content (or 3D point cloud video) according to embodiments may be included in one or more voxels.
  • the quantizer 40001 may match groups of points in a 3D space to voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • a position of a center point of the voxel may be set based on positions of one or more points included in one voxel.
  • attributes of all positions included in one voxel may be combined and assigned to a corresponding voxel.
  • the octree analyzer 40002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure represents points matched to voxels based on the octal tree structure.
  • the surface appropriation analyzer 40003 may analyze and approximate the octree.
  • Octree analysis and approximation is a process of analyzing to voxelize a region including a plurality of points in order to efficiently provide octree and voxelization.
  • the arithmetic encoder 40004 entropy encodes the octree and/or the approximated octree.
  • the encoding method includes an arithmetic encoding method.
  • the encoding results in a geometry bitstream.
  • Color transform unit 40006 performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is equally applied to attributes of one point. However, when one attribute (eg, color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding may include color transform coding, attribute transform coding, region adaptive hierarchical transform (RAHT) coding, interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding, and interpolation-based hierarchical nearest -neighbor prediction with an update/lifting step (Lifting Transform)) may include coding.
  • RAHT region adaptive hierarchical transform
  • coding interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding
  • Lifting Transform interpolation-based hierarchical nearest -neighbor prediction with an update/lifting step
  • attribute encoding is not limited to the above-described example.
  • the color conversion unit 40006 performs color conversion coding for converting color values (or textures) included in attributes.
  • the color converter 40006 may convert the format of color information (eg, convert RGB to YCbCr).
  • the operation of the color converter 40006 according to embodiments may be optionally applied according to color values included in the attributes.
  • the geometry reconstruction unit 40005 reconstructs (decompresses) an octree, a prediction tree, and/or an approximated octree.
  • the geometry reconstruction unit 40005 reconstructs an octree/voxel based on a result of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as a reconstructed geometry (or a reconstructed geometry).
  • the attribute transform unit 40007 performs an attribute transform that transforms attributes based on positions to which geometry encoding has not been performed and/or a reconstructed geometry. As described above, since the attributes are dependent on the geometry, the attribute transform unit 40007 may transform the attributes based on the reconstructed geometry information. For example, the attribute conversion unit 40007 may convert an attribute of a point at the position based on the position value of the point included in the voxel. As described above, when the position of the center point of a voxel is set based on the positions of one or more points included in one voxel, the attribute conversion unit 40007 converts attributes of the one or more points. When the tri-soup geometry encoding is performed, the attribute conversion unit 40007 may convert the attributes based on the tri-soup geometry encoding.
  • the attribute conversion unit 40007 is an average value of attributes or attribute values (eg, color of each point, reflectance, etc.) of neighboring points within a specific position/radius from the position (or position value) of the central point of each voxel. can be calculated to perform attribute transformation.
  • the attribute conversion unit 40007 may apply a weight according to the distance from the center point to each point when calculating the average value.
  • each voxel has a position and a computed attribute (or attribute value).
  • the attribute conversion unit 40007 may search for neighboring points existing within a specific position/radius from the position of the center point of each voxel based on the K-D tree or the Morton code.
  • the K-D tree is a binary search tree and supports a data structure that can manage points based on location so that Nearest Neighbor Search-NNS is possible quickly.
  • the Molton code represents a coordinate value (eg (x, y, z)) indicating a three-dimensional position of all points as a bit value, and is generated by mixing the bits. For example, if the coordinate value indicating the position of the point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute transform unit 40007 may align the points based on the Molton code value and perform a shortest neighbor search (NNS) through a depth-first traversal process. After the attribute transformation operation, if the nearest neighbor search (NNS) is required in another transformation process for attribute coding, a K-D tree or a Molton code is used.
  • NSS shortest neighbor search
  • the converted attributes are input to the RAHT conversion unit 40008 and/or the LOD generation unit 40009.
  • the RAHT converter 40008 performs RAHT coding for predicting attribute information based on the reconstructed geometry information.
  • the RAHT transform unit 40008 may predict attribute information of a node at an upper level of the octree based on attribute information associated with a node at a lower level of the octree.
  • the LOD generator 40009 generates a level of detail (LOD) to perform predictive transform coding.
  • LOD level of detail
  • the LOD according to the embodiments indicates the detail of the point cloud content, and the smaller the LOD value, the lower the detail of the point cloud content, and the higher the LOD value, the higher the detail of the point cloud content. Points may be classified according to LOD.
  • the lifting transform unit 40010 performs lifting transform coding that transforms the attributes of the point cloud based on weights. As described above, lifting transform coding may be selectively applied.
  • the coefficient quantizer 40011 quantizes the attribute-coded attributes based on coefficients.
  • the arithmetic encoder 40012 encodes the quantized attributes based on arithmetic coding.
  • the elements of the point cloud encoder of FIG. 4 are hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. , software, firmware, or a combination thereof.
  • the one or more processors may perform at least any one or more of the operations and/or functions of the elements of the point cloud encoder of FIG. 4 described above.
  • the one or more processors may operate or execute a set of software programs and/or instructions for performing operations and/or functions of the elements of the point cloud encoder of FIG. 4 .
  • One or more memories in accordance with embodiments may include high speed random access memory, non-volatile memory (eg, one or more magnetic disk storage devices, flash memory devices, or other non-volatile solid state memory devices (such as solid-state memory devices).
  • FIG. 5 illustrates an example of a voxel according to embodiments.
  • voxel 5 is an octree structure that recursively subdivides a bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ).
  • An example of a voxel generated through One voxel includes at least one or more points.
  • a voxel may estimate spatial coordinates from a positional relationship with a voxel group.
  • voxels have attributes (such as color or reflectance) like pixels of a 2D image/image.
  • a detailed description of the voxel is the same as that described with reference to FIG. 4 and thus will be omitted.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • the point cloud content providing system (point cloud video encoder 10002) or point cloud encoder (eg, octree analysis unit 40002) efficiently manages the area and/or position of voxels
  • octree geometry coding (or octree coding) based on the octree structure is performed.
  • FIG. 6 shows the octree structure.
  • the three-dimensional space of the point cloud content according to the embodiments is expressed by axes (eg, X-axis, Y-axis, and Z-axis) of the coordinate system.
  • An octree structure is created by recursive subdividing a bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ). . 2d may be set as a value constituting the smallest bounding box surrounding all points of the point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the value of d is determined according to the following equation. In the following equation (x int n , y int n , z int n ) represents positions (or position values) of quantized points.
  • the entire 3D space may be divided into eight spaces according to the division.
  • Each divided space is expressed as a cube with six faces.
  • each of the eight spaces is again divided based on the axes of the coordinate system (eg, X-axis, Y-axis, and Z-axis). Therefore, each space is further divided into 8 small spaces.
  • the divided small space is also expressed as a cube with six faces. This division method is applied until a leaf node of the octree becomes a voxel.
  • the lower part of FIG. 6 shows the occupancy code of the octree.
  • the occupancy code of the octree is generated to indicate whether each of the eight divided spaces generated by dividing one space includes at least one point.
  • one occupanci code is expressed by eight child nodes.
  • Each child node represents an occupancies of the divided space, and each child node has a value of 1 bit. Therefore, the occupanci code is expressed as an 8-bit code. That is, if at least one point is included in the space corresponding to the child node, the corresponding node has a value of 1. If the space corresponding to the child node does not contain a point (empty), the node has a value of 0. Since the occupanci code shown in FIG.
  • a point cloud encoder (eg, arithmetic encoder 40004 ) according to embodiments may entropy encode the occupanci code. In addition, to increase the compression efficiency, the point cloud encoder can intra/inter-code the occupanci code.
  • the receiving device eg, the receiving device 10004 or the point cloud video decoder 10006) according to embodiments reconstructs an octree based on the occupanci code.
  • the point cloud encoder (eg, the point cloud encoder of FIG. 4 , or the octree analyzer 40002) according to embodiments may perform voxelization and octree coding to store positions of points.
  • the points in the 3D space are not always evenly distributed, there may be a specific area where there are not many points. Therefore, it is inefficient to perform voxelization on the entire 3D space. For example, if there are few points in a specific area, there is no need to perform voxelization up to the corresponding area.
  • the point cloud encoder does not perform voxelization on the above-described specific region (or a node other than a leaf node of an octree), but directly codes positions of points included in the specific region. ) can be done. Coordinates of direct coding points according to embodiments are called direct coding mode (DCM).
  • DCM direct coding mode
  • the point cloud encoder according to embodiments may perform trisoup geometry encoding for reconstructing positions of points in a specific region (or node) based on a voxel based on a surface model.
  • Tri-Soop geometry encoding is a geometry encoding that expresses the representation of an object as a series of triangle meshes.
  • the point cloud decoder can generate a point cloud from the mesh surface.
  • Direct coding and trisup geometry encoding according to embodiments may be selectively performed.
  • direct coding and trisup geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use a direct mode for applying direct coding must be activated, and a node to which direct coding is to be applied is not a leaf node, but is less than a threshold within a specific node. points must exist. In addition, the total number of points to be subjected to direct coding must not exceed a preset limit value. If the above condition is satisfied, the point cloud encoder (or the arithmetic encoder 40004 ) according to the embodiments may entropy-code positions (or position values) of points.
  • the point cloud encoder (for example, the surface appropriation analyzer 40003) according to the embodiments determines a specific level of the octree (when the level is smaller than the depth d of the octree), and from that level, a node using the surface model It is possible to perform tri-soup geometry encoding, which reconstructs the position of a point in a region based on voxels (tri-soup mode).
  • the point cloud encoder may designate a level to which tri-soup geometry encoding is to be applied. For example, if the specified level is equal to the depth of the octree, the point cloud encoder will not operate in tri-soup mode.
  • the point cloud encoder may operate in the tri-soup mode only when the specified level is smaller than the depth value of the octree.
  • a three-dimensional cube region of nodes of a specified level according to embodiments is called a block.
  • One block may include one or more voxels.
  • a block or voxel may correspond to a brick.
  • the geometry is represented as a surface.
  • a surface according to embodiments may intersect each edge of the block at most once.
  • a vertex existing along an edge is detected when there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An ocupided voxel means a voxel including a point. The position of the vertex detected along the edge is the average position along the edge of all voxels of all voxels adjacent to the edge among all blocks sharing the edge.
  • the point cloud encoder When a vertex is detected, the point cloud encoder according to the embodiments entropy-codes the starting point (x, y, z) of the edge, the direction vectors ( ⁇ x, ⁇ y, ⁇ z) of the edge, and the vertex position values (relative position values within the edge).
  • the point cloud encoder eg, the geometry reconstruction unit 40005
  • the point cloud encoder performs triangle reconstruction, up-sampling, and voxelization processes. to create a reconstructed geometry (reconstructed geometry).
  • Vertices located on the edge of a block determine the surface that passes through the block.
  • the surface according to embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by a triangle based on the starting point of the edge, the direction vector of the edge, and the position value of the vertex.
  • the triangle reconstruction process is as follows. 1 Calculate the centroid of each vertex, 2 perform the square on the values obtained by subtracting the centroid from each vertex value, and obtain the sum of all the values.
  • the minimum value of the added values is obtained, and the projection process is performed along the axis with the minimum value. For example, if the x element is the minimum, each vertex is projected on the x-axis with respect to the center of the block and projected on the (y, z) plane. If the value that comes out when projecting on the (y, z) plane is (ai, bi), the ⁇ value is obtained through atan2(bi, ai), and the vertices are aligned based on the ⁇ value.
  • the table below shows combinations of vertices for generating a triangle according to the number of vertices. Vertices are sorted in order from 1 to n.
  • the table below shows that for four vertices, two triangles can be formed according to a combination of vertices.
  • the first triangle may be composed of 1st, 2nd, and 3rd vertices among the aligned vertices
  • the second triangle may be composed of 3rd, 4th, and 1st vertices among the aligned vertices. .
  • the upsampling process is performed to voxelize the triangle by adding points along the edge of the triangle. Create additional points based on the upsampling factor and the width of the block. The additional points are called refined vertices.
  • the point cloud encoder may voxel the refined vertices.
  • the point cloud encoder may perform attribute encoding based on the voxelized position (or position value).
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • the point cloud encoder may perform entropy coding based on context adaptive arithmetic coding.
  • the point cloud content providing system or point cloud encoder (for example, the point cloud video encoder 10002, the point cloud encoder or the arithmetic encoder 40004 of FIG. 4) directly transmits the occupanci code.
  • Entropy coding is possible.
  • the point cloud content providing system or point cloud encoder performs entropy encoding (intra-encoding) based on the occupancies of the current node and the occupancies of neighboring nodes, or entropy encoding (inter-encoding) based on the occupancies of the previous frame. ) can be done.
  • a frame according to embodiments means a set of point cloud videos generated at the same time.
  • a point cloud encoder determines occupancy of neighboring nodes of each node of an octree and obtains a neighbor pattern value.
  • the neighbor node pattern is used to infer the occupancies pattern of the corresponding node.
  • the left side of FIG. 7 shows a cube corresponding to a node (a cube located in the center) and six cubes (neighboring nodes) that share at least one face with the cube.
  • the nodes shown in the figure are nodes of the same depth (depth).
  • the numbers shown in the figure represent the weights (1, 2, 4, 8, 16, 32, etc.) associated with each of the six nodes. Each weight is sequentially assigned according to the positions of neighboring nodes.
  • the right side of FIG. 7 shows the neighboring node pattern values.
  • the neighbor node pattern value is the sum of values multiplied by the weights of the ocupided neighbor nodes (neighbor nodes with points). Therefore, the neighbor node pattern values range from 0 to 63. When the neighbor node pattern value is 0, it indicates that there is no node (ocupid node) having a point among the neighboring nodes of the corresponding node. When the neighbor node pattern value is 63, it indicates that all of the neighboring nodes are ocupid nodes. As shown in the figure, since neighboring nodes to which weights 1, 2, 4, and 8 are assigned are ocupided nodes, the neighboring node pattern value is 15, which is the sum of 1, 2, 4, and 8.
  • the point cloud encoder may perform coding according to the neighboring node pattern value (eg, when the neighboring node pattern value is 63, 64 types of coding are performed). According to embodiments, the point cloud encoder may change the neighbor node pattern value (eg, based on a table that changes 64 to 10 or 6) to reduce coding complexity.
  • the encoded geometry is reconstructed (decompressed).
  • the geometry reconstruction operation may include changing the arrangement of the direct coded points (eg, placing the direct coded points in front of the point cloud data).
  • tri-soap geometry encoding is applied, the geometry reconstruction process is triangular reconstruction, upsampling, and voxelization. Since the attribute is dependent on the geometry, attribute encoding is performed based on the reconstructed geometry.
  • the point cloud encoder may reorganize the points by LOD.
  • the figure shows the point cloud content corresponding to the LOD.
  • the left side of the figure shows the original point cloud content.
  • the second figure from the left of the figure shows the distribution of the points of the lowest LOD, and the rightmost figure of the figure shows the distribution of the points of the highest LOD. That is, the points of the lowest LOD are sparsely distributed, and the points of the highest LOD are tightly distributed. That is, as the LOD increases according to the direction of the arrow indicated at the bottom of the drawing, the interval (or distance) between the points becomes shorter.
  • the point cloud content providing system or the point cloud encoder (for example, the point cloud video encoder 10002, the point cloud encoder of FIG. 4, or the LOD generator 40009) generates an LOD. can do.
  • the LOD is created by reorganizing the points into a set of refinement levels according to a set LOD distance value (or set of Euclidean Distance).
  • the LOD generation process is performed not only in the point cloud encoder but also in the point cloud decoder.
  • FIG. 9 shows examples (P0 to P9) of points of point cloud content distributed in a three-dimensional space.
  • the original order of FIG. 9 indicates the order of points P0 to P9 before LOD generation.
  • the LOD based order of FIG. 9 indicates the order of points according to the LOD generation. Points are rearranged by LOD. Also, the high LOD includes points belonging to the low LOD.
  • LOD0 includes P0, P5, P4 and P2.
  • LOD1 includes the points of LOD0 and P1, P6 and P3.
  • LOD2 includes points of LOD0, points of LOD1, and P9, P8 and P7.
  • the point cloud encoder may perform predictive transform coding, lifting transform coding, and RAHT transform coding selectively or in combination.
  • the point cloud encoder may generate predictors for points and perform predictive transform coding to set prediction attributes (or prediction attribute values) of each point. That is, N predictors may be generated for N points.
  • the prediction attribute (or attribute value) is a weight calculated based on the distance to each neighboring point in the attributes (or attribute values, for example, color, reflectance, etc.) of neighboring points set in the predictor of each point (or the weight value) is set as the average value of the multiplied value.
  • the point cloud encoder eg, the coefficient quantization unit 40011
  • the quantization process is shown in the following table.
  • Attribute prediction residuals quantization pseudo code int PCCQuantization(int value, int quantStep) ⁇ if( value > 0) ⁇ return floor(value / quantStep + 1.0 / 3.0); ⁇ else ⁇ return -floor(-value / quantStep + 1.0 / 3.0); ⁇ ⁇
  • the point cloud encoder (eg, the arithmetic encoder 40012 ) according to the embodiments may entropy-code the quantized and dequantized residual values as described above when there are neighboring points to the predictor of each point.
  • the point cloud encoder (eg, the arithmetic encoder 40012 ) according to embodiments may entropy-code attributes of a corresponding point without performing the above-described process if there are no neighboring points in the predictor of each point.
  • the point cloud encoder (for example, the lifting transform unit 40010) according to the embodiments generates a predictor of each point, sets the LOD calculated in the predictor and registers neighboring points, and according to the distance to the neighboring points
  • Lifting transform coding can be performed by setting weights.
  • Lifting transform coding according to embodiments is similar to the aforementioned predictive transform coding, but is different in that a weight is accumulated and applied to an attribute value.
  • a process of accumulatively applying a weight to an attribute value according to embodiments is as follows.
  • the weights calculated for all predictors are additionally multiplied by the weights stored in the QW corresponding to the predictor index, and the calculated weights are cumulatively added to the update weight array as the indices of neighboring nodes.
  • the value obtained by multiplying the calculated weight by the attribute value of the index of the neighbor node is accumulated and summed.
  • a predicted attribute value is calculated by additionally multiplying an attribute value updated through the lift update process by a weight updated through the lift prediction process (stored in QW).
  • a point cloud encoder eg, the coefficient quantization unit 40011
  • a point cloud encoder eg, arithmetic encoder 40012
  • entropy codes the quantized attribute values.
  • the point cloud encoder (for example, the RAHT transform unit 40008) according to the embodiments may perform RAHT transform coding for estimating the attributes of nodes of a higher level by using an attribute associated with a node at a lower level of the octree.
  • RAHT transform coding is an example of attribute intra coding with octree backward scan.
  • the point cloud encoder according to the embodiments scans the entire area from the voxel, and repeats the merging process up to the root node while merging the voxels into a larger block at each step.
  • the merging process according to the embodiments is performed only for the ocupid node. A merging process is not performed on an empty node, and a merging process is performed on a node immediately above the empty node.
  • the following equation represents the RAHT transformation matrix. denotes the average attribute value of voxels in level l. Is Wow can be calculated from Wow the weight of class am.
  • the root node is the last class is created as follows,
  • the gDC value is also quantized and entropy-coded like the high-pass coefficient.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 10 is an example of the point cloud video decoder 10006 described in FIG. 1 , and may perform the same or similar operations to the operation of the point cloud video decoder 10006 described in FIG. 1 .
  • the point cloud decoder may receive a geometry bitstream and an attribute bitstream included in one or more bitstreams.
  • the point cloud decoder includes a geometry decoder and an attribute decoder.
  • the geometry decoder outputs decoded geometry by performing geometry decoding on the geometry bitstream.
  • the attribute decoder outputs decoded attributes by performing attribute decoding based on the decoded geometry and the attribute bitstream.
  • the decoded geometry and decoded attributes are used to reconstruct the point cloud content (decoded point cloud).
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 11 is an example of the point cloud decoder described with reference to FIG. 10 , and may perform a decoding operation that is a reverse process of the encoding operation of the point cloud encoder described with reference to FIGS. 1 to 9 .
  • the point cloud decoder may perform geometry decoding and attribute decoding. Geometry decoding is performed before attribute decoding.
  • a point cloud decoder may include an arithmetic decoder 11000, a synthesize octree 11001, a synthesize surface approximation 11002, and a reconstruct geometry , 11003), inverse transform coordinates (11004), arithmetic decoder (11005), inverse quantize (11006), RAHT transform unit (11007), LOD generator (generate LOD, 11008) ), inverse lifting unit (Inverse lifting, 11009), and / or color inverse transform unit (inverse transform colors, 11010).
  • the arithmetic decoder 11000 , the octree synthesizer 11001 , the surface opproximation synthesizer 11002 , the geometry reconstruction unit 11003 , and the coordinate system inverse transformation unit 11004 may perform geometry decoding.
  • Geometry decoding according to embodiments may include direct decoding and trisoup geometry decoding. Direct decoding and tri-soup geometry decoding are optionally applied. Also, the geometry decoding is not limited to the above example, and is performed as a reverse process of the geometry encoding described with reference to FIGS. 1 to 9 .
  • the arithmetic decoder 11000 decodes the received geometry bitstream based on arithmetic coding.
  • the operation of the arithmetic decoder 11000 corresponds to the reverse process of the arithmetic encoder 40004 .
  • the octree synthesizer 11001 may generate an octree by obtaining an occupanci code from a decoded geometry bitstream (or information about a geometry secured as a result of decoding).
  • a detailed description of the occupanci code is the same as described with reference to FIGS. 1 to 9 .
  • the surface op-proximation synthesizing unit 11002 may synthesize a surface based on a decoded geometry and/or a generated octree when trisupe geometry encoding is applied.
  • the geometry reconstruction unit 11003 may reconstruct a geometry based on the surface and/or the decoded geometry. As described with reference to FIGS. 1 to 9 , direct coding and tri-soup geometry encoding are selectively applied. Accordingly, the geometry reconstruction unit 11003 directly brings and adds position information of points to which direct coding is applied. In addition, when tri-soap geometry encoding is applied, the geometry reconstruction unit 11003 may perform a reconstruction operation of the geometry reconstruction unit 40005, for example, triangle reconstruction, up-sampling, and voxelization to restore the geometry. there is. Specific details are the same as those described with reference to FIG. 6 and thus will be omitted.
  • the reconstructed geometry may include a point cloud picture or frame that does not include attributes.
  • the coordinate system inverse transform unit 11004 may obtain positions of points by transforming the coordinate system based on the restored geometry.
  • the arithmetic decoder 11005, the inverse quantization unit 11006, the RAHT transform unit 11007, the LOD generator 11008, the inverse lifting unit 11009, and/or the inverse color transform unit 11010 are the attributes described with reference to FIG. decoding can be performed.
  • Attribute decoding according to embodiments includes Region Adaptive Hierarchical Transform (RAHT) decoding, Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding, and interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)) decoding may be included.
  • RAHT Region Adaptive Hierarchical Transform
  • Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding
  • interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)) decoding may be included.
  • the arithmetic decoder 11005 decodes an attribute bitstream by arithmetic coding.
  • the inverse quantization unit 11006 inverse quantizes the decoded attribute bitstream or information on the attribute secured as a result of decoding, and outputs inverse quantized attributes (or attribute values). Inverse quantization may be selectively applied based on attribute encoding of the point cloud encoder.
  • the RAHT transformation unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may process the reconstructed geometry and dequantized attributes. As described above, the RAHT converting unit 11007, the LOD generating unit 11008, and/or the inverse lifting unit 11009 may selectively perform a corresponding decoding operation according to the encoding of the point cloud encoder.
  • the color inverse transform unit 11010 performs inverse transform coding for inverse transforming color values (or textures) included in decoded attributes.
  • the operation of the color inverse transform unit 11010 may be selectively performed based on the operation of the color transform unit 40006 of the point cloud encoder.
  • the elements of the point cloud decoder of FIG. 11 are hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. , software, firmware, or a combination thereof.
  • the one or more processors may perform at least any one or more of the operations and/or functions of the elements of the point cloud decoder of FIG. 11 described above.
  • the one or more processors may operate or execute a set of software programs and/or instructions for performing operations and/or functions of the elements of the point cloud decoder of FIG. 11 .
  • the transmission device shown in FIG. 12 is an example of the transmission device 10000 of FIG. 1 (or the point cloud encoder of FIG. 4 ).
  • the transmitter shown in FIG. 12 may perform at least any one or more of the same or similar operations and methods to the operations and encoding methods of the point cloud encoder described with reference to FIGS. 1 to 9 .
  • the transmission apparatus includes a data input unit 12000 , a quantization processing unit 12001 , a voxelization processing unit 12002 , an octree occupancy code generation unit 12003 , a surface model processing unit 12004 , and an intra/ Inter-coding processing unit 12005, arithmetic coder 12006, metadata processing unit 12007, color conversion processing unit 12008, attribute conversion processing unit (or attribute conversion processing unit) 12009, prediction/lifting/RAHT conversion It may include a processing unit 12010 , an arithmetic coder 12011 , and/or a transmission processing unit 12012 .
  • the data input unit 12000 receives or acquires point cloud data.
  • the data input unit 12000 may perform the same or similar operation and/or acquisition method to the operation and/or acquisition method of the point cloud video acquisition unit 10001 (or the acquisition process 20000 described in FIG. 2 ).
  • the coder 12006 performs geometry encoding. Since the geometry encoding according to the embodiments is the same as or similar to the geometry encoding described with reference to FIGS. 1 to 9 , a detailed description thereof will be omitted.
  • the quantization processing unit 12001 quantizes a geometry (eg, a position value or a position value of points).
  • the operation and/or quantization of the quantization processing unit 12001 is the same as or similar to the operation and/or quantization of the quantization unit 40001 described with reference to FIG. 4 .
  • a detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the voxelization processing unit 12002 voxelizes position values of quantized points.
  • the voxelization processing unit 12002 may perform the same or similar operations and/or processes to those of the quantization unit 40001 described with reference to FIG. 4 and/or the voxelization process. A detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the octree occupancy code generator 12003 performs octree coding on the positions of voxelized points based on the octree structure.
  • the octree occupancy code generator 12003 may generate an occult code.
  • the octree occupancy code generator 12003 may perform the same or similar operations and/or methods to those of the point cloud encoder (or the octree analyzer 40002) described with reference to FIGS. 4 and 6 . A detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the surface model processing unit 12004 may perform tri-supply geometry encoding for reconstructing positions of points in a specific region (or node) based on voxels based on a surface model.
  • the fore surface model processing unit 12004 may perform the same or similar operations and/or methods to those of the point cloud encoder (eg, the surface appropriation analyzer 40003) described with reference to FIG. 4 .
  • a detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the intra/inter coding processing unit 12005 may perform intra/inter coding of point cloud data.
  • the intra/inter coding processing unit 12005 may perform the same or similar coding to the intra/inter coding described with reference to FIG. 7 . A detailed description is the same as that described with reference to FIG. 7 .
  • the intra/inter coding processing unit 12005 may be included in the arithmetic coder 12006 .
  • the arithmetic coder 12006 entropy encodes an octree and/or an approximated octree of point cloud data.
  • the encoding method includes an arithmetic encoding method.
  • the arithmetic coder 12006 performs the same or similar operations and/or methods as the operations and/or methods of the arithmetic encoder 40004 .
  • the metadata processing unit 12007 processes metadata related to point cloud data, for example, a setting value, and provides it to necessary processing such as geometry encoding and/or attribute encoding. Also, the metadata processing unit 12007 according to embodiments may generate and/or process signaling information related to geometry encoding and/or attribute encoding. Signaling information according to embodiments may be encoded separately from geometry encoding and/or attribute encoding. Also, signaling information according to embodiments may be interleaved.
  • the color conversion processing unit 12008, the attribute conversion processing unit 12009, the prediction/lifting/RAHT conversion processing unit 12010, and the arithmetic coder 12011 perform attribute encoding. Since the attribute encoding according to the embodiments is the same as or similar to the attribute encoding described with reference to FIGS. 1 to 9 , a detailed description thereof will be omitted.
  • the color conversion processing unit 12008 performs color conversion coding for converting color values included in the attributes.
  • the color conversion processing unit 12008 may perform color conversion coding based on the reconstructed geometry.
  • the description of the reconstructed geometry is the same as described with reference to FIGS. 1 to 9 .
  • the same or similar operation and/or method to the operation and/or method of the color conversion unit 40006 described with reference to FIG. 4 is performed. A detailed description will be omitted.
  • the attribute transformation processing unit 12009 performs an attribute transformation for transforming attributes based on positions where geometry encoding has not been performed and/or a reconstructed geometry.
  • the attribute transformation processing unit 12009 performs the same or similar operations and/or methods to those of the attribute transformation unit 40007 described in FIG. 4 . A detailed description will be omitted.
  • the prediction/lifting/RAHT transform processing unit 12010 may code the transformed attributes in any one or a combination of RAHT coding, predictive transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT transformation processing unit 12010 performs at least one or more of the same or similar operations to the operations of the RAHT transformation unit 40008, the LOD generation unit 40009, and the lifting transformation unit 40010 described with reference to FIG. 4 . do.
  • the descriptions of predictive transform coding, lifting transform coding, and RAHT transform coding are the same as those described in FIGS. 1 to 9 , detailed descriptions thereof will be omitted.
  • the arithmetic coder 12011 may encode coded attributes based on arithmetic coding.
  • the arithmetic coder 12011 performs the same or similar operations and/or methods to the operations and/or methods of the arithmetic encoder 400012 .
  • the transmission processing unit 12012 transmits each bitstream including the encoded geometry and/or encoded attribute and metadata information, or converts the encoded geometry and/or the encoded attribute and metadata information into one It can be transmitted by composing it as a bitstream.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to the embodiments is a Sequence Parameter Set (SPS) for sequence-level signaling, a Geometry Parameter Set (GPS) for signaling of geometry information coding, APS (Attribute Parameter Set) for signaling of attribute information coding, tile Signaling information including a Tile Parameter Set (TPS) for level signaling and slice data may be included.
  • SPS Sequence Parameter Set
  • GPS Geometry Parameter Set
  • APS Attribute Parameter Set
  • tile Signaling information including a Tile Parameter Set (TPS) for level signaling
  • Slice data may include information about one or more slices.
  • One slice according to embodiments may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 , Attr1 0 ).
  • a slice refers to a series of syntax elements representing all or a part of a coded point cloud frame.
  • the TPS may include information about each tile (eg, coordinate value information and height/size information of a bounding box, etc.) for one or more tiles.
  • a geometry bitstream may include a header and a payload.
  • the header of the geometry bitstream according to the embodiments may include identification information (geom_ parameter_set_id), a tile identifier (geom_tile_id), a slice identifier (geom_slice_id) of a parameter set included in GPS, and information on data included in a payload, etc.
  • the metadata processing unit 12007 may generate and/or process signaling information and transmit it to the transmission processing unit 12012 .
  • elements performing geometry encoding and elements performing attribute encoding may share data/information with each other as a dotted line process.
  • the transmission processing unit 12012 may perform the same or similar operation and/or transmission method to the operation and/or transmission method of the transmitter 10003 . Since the detailed description is the same as that described in FIGS. 1 to 2 , it will be omitted.
  • FIG. 13 is an example of a receiving apparatus according to embodiments.
  • the receiving device shown in FIG. 13 is an example of the receiving device 10004 of FIG. 1 (or the point cloud decoder of FIGS. 10 and 11 ).
  • the receiver shown in FIG. 13 may perform at least any one or more of the same or similar operations and methods to the operations and decoding methods of the point cloud decoder described with reference to FIGS. 1 to 11 .
  • the reception apparatus includes a reception unit 13000, a reception processing unit 13001, an arithmetic decoder 13002, an Occupancy code-based octree reconstruction processing unit 13003, and a surface model processing unit (triangle reconstruction). , up-sampling, voxelization) 13004, inverse quantization processing unit 13005, metadata parser 13006, arithmetic decoder 13007, inverse quantization processing unit 13008, prediction It may include a /lifting/RAHT inverse transformation processing unit 13009 , an inverse color transformation processing unit 13010 , and/or a renderer 13011 .
  • Each component of decoding according to embodiments may perform a reverse process of a component of encoding according to embodiments.
  • the receiver 13000 receives point cloud data.
  • the receiver 13000 may perform the same or similar operation and/or reception method to the operation and/or reception method of the receiver 10005 of FIG. 1 . A detailed description will be omitted.
  • the reception processing unit 13001 may acquire a geometry bitstream and/or an attribute bitstream from the received data.
  • the reception processing unit 13001 may be included in the reception unit 13000 .
  • the arithmetic decoder 13002 , the occupancy code-based octree reconstruction processing unit 13003 , the surface model processing unit 13004 , and the inverse quantization processing unit 13005 may perform geometry decoding. Since the geometry decoding according to the embodiments is the same as or similar to the geometry decoding described with reference to FIGS. 1 to 10 , a detailed description thereof will be omitted.
  • the arithmetic decoder 13002 may decode a geometry bitstream based on arithmetic coding.
  • the arithmetic decoder 13002 performs the same or similar operations and/or coding to the operations and/or coding of the arithmetic decoder 11000 .
  • the occupancy code-based octree reconstruction processing unit 13003 may reconstruct the octopus by obtaining an occupanci code from a decoded geometry bitstream (or information about a geometry secured as a result of decoding).
  • the occupancy code-based octree reconstruction processing unit 13003 performs the same or similar operations and/or methods to those of the octree synthesis unit 11001 and/or the octree generation method.
  • the surface model processing unit 13004 may decode a trichop geometry based on the surface model method and reconstruct a geometry related thereto (eg, triangle reconstruction, up-sampling, voxelization) based on the surface model method, when trisoop geometry encoding is applied. can be performed.
  • the surface model processing unit 13004 performs the same or similar operations to those of the surface op-proximation synthesis unit 11002 and/or the geometry reconstruction unit 11003 .
  • the inverse quantization processing unit 13005 may inverse quantize the decoded geometry.
  • the metadata parser 13006 may parse metadata included in the received point cloud data, for example, a setting value.
  • the metadata parser 13006 may pass the metadata to geometry decoding and/or attribute decoding. A detailed description of the metadata is the same as that described with reference to FIG. 12 , and thus will be omitted.
  • the arithmetic decoder 13007, the inverse quantization processing unit 13008, the prediction/lifting/RAHT inverse transformation processing unit 13009, and the inverse color transformation processing unit 13010 perform attribute decoding. Since the attribute decoding is the same as or similar to the attribute decoding described with reference to FIGS. 1 to 10 , a detailed description thereof will be omitted.
  • the arithmetic decoder 13007 may decode an attribute bitstream by arithmetic coding.
  • the arithmetic decoder 13007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the arithmetic decoder 13007 performs the same or similar operations and/or coding to the operations and/or coding of the arithmetic decoder 11005 .
  • the inverse quantization processing unit 13008 may inverse quantize the decoded attribute bitstream.
  • the inverse quantization processing unit 13008 performs the same or similar operations and/or methods to those of the inverse quantization unit 11006 and/or the inverse quantization method.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 may process the reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 performs the same or similar operations and/or decodings as the operations and/or decodings of the RAHT transform unit 11007, the LOD generation unit 11008 and/or the inverse lifting unit 11009 and/or At least any one or more of the decodings are performed.
  • the color inverse transform processing unit 13010 according to embodiments performs inverse transform coding for inverse transforming color values (or textures) included in decoded attributes.
  • the color inverse transform processing unit 13010 performs the same or similar operation and/or inverse transform coding to the operation and/or inverse transform coding of the color inverse transform unit 11010 .
  • the renderer 13011 may render point cloud data.
  • FIG. 14 illustrates an example of a structure capable of interworking with a method/device for transmitting and receiving point cloud data according to embodiments.
  • the structure of FIG. 14 includes at least one or more of a server 1460 , a robot 1410 , an autonomous vehicle 1420 , an XR device 1430 , a smartphone 1440 , a home appliance 1450 , and/or an HMD 1470 .
  • a configuration connected to the cloud network 1410 is shown.
  • the robot 1410 , the autonomous driving vehicle 1420 , the XR device 1430 , the smartphone 1440 , or the home appliance 1450 are referred to as devices.
  • the XR device 1430 may correspond to a point cloud data (PCC) device according to embodiments or may be linked with a PCC device.
  • PCC point cloud data
  • the cloud network 1400 may constitute a part of the cloud computing infrastructure or may refer to a network existing in the cloud computing infrastructure.
  • the cloud network 1400 may be configured using a 3G network, a 4G or Long Term Evolution (LTE) network, or a 5G network.
  • LTE Long Term Evolution
  • the server 1460 includes at least one of a robot 1410 , an autonomous vehicle 1420 , an XR device 1430 , a smartphone 1440 , a home appliance 1450 and/or an HMD 1470 , and a cloud network 1400 . It is connected through and may help at least a part of the processing of the connected devices 1410 to 1470 .
  • a Head-Mount Display (HMD) 1470 represents one of the types in which an XR device and/or a PCC device according to embodiments may be implemented.
  • the HMD type device according to the embodiments includes a communication unit, a control unit, a memory unit, an I/O unit, a sensor unit, a power supply unit, and the like.
  • the devices 1410 to 1450 shown in FIG. 14 may be linked/coupled with the point cloud data transceiver according to the above-described embodiments.
  • XR / PCC device 1430 is PCC and / or XR (AR + VR) technology is applied, HMD (Head-Mount Display), HUD (Head-Up Display) provided in the vehicle, television, mobile phone, smart phone, It may be implemented as a computer, a wearable device, a home appliance, a digital signage, a vehicle, a stationary robot, or a mobile robot.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • the XR/PCC device 1430 analyzes three-dimensional point cloud data or image data acquired through various sensors or from an external device to generate position data and attribute data for three-dimensional points in the surrounding space or real objects. Information can be obtained and the XR object to be output can be rendered and output. For example, the XR/PCC apparatus 1430 may output an XR object including additional information on the recognized object to correspond to the recognized object.
  • the XR/PCC device 1430 may be implemented as a mobile phone 1440 or the like to which PCC technology is applied.
  • the mobile phone 1440 may decode and display the point cloud content based on the PCC technology.
  • the autonomous driving vehicle 1420 may be implemented as a mobile robot, a vehicle, an unmanned aerial vehicle, etc. by applying PCC technology and XR technology.
  • the autonomous driving vehicle 1420 to which the XR/PCC technology is applied may mean an autonomous driving vehicle equipped with a means for providing an XR image or an autonomous driving vehicle subject to control/interaction within the XR image.
  • the autonomous driving vehicle 1420 that is the target of control/interaction within the XR image may be distinguished from the XR device 1430 and may be interlocked with each other.
  • the autonomous vehicle 1420 having means for providing an XR/PCC image may obtain sensor information from sensors including a camera, and output an XR/PCC image generated based on the acquired sensor information.
  • the autonomous vehicle 1420 may provide an XR/PCC object corresponding to a real object or an object in the screen to the occupant by outputting an XR/PCC image with a HUD.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a portion of the XR/PCC object may be output to overlap the real object to which the passenger's gaze is directed.
  • the XR/PCC object when the XR/PCC object is output to a display provided inside the autonomous vehicle, at least a portion of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 1220 may output XR/PCC objects corresponding to objects such as a lane, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, pedestrians, and buildings.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects or backgrounds in the real world only as CG images.
  • AR technology refers to a technology that shows a virtual CG image on top of a real object image.
  • the MR technology is similar to the AR technology described above in that it shows the virtual objects by mixing and combining them in the real world.
  • AR technology the distinction between real objects and virtual objects made of CG images is clear, and virtual objects are used in a form that complements real objects, whereas in MR technology, virtual objects are regarded as equivalent to real objects. distinct from technology. More specifically, for example, a hologram service to which the aforementioned MR technology is applied.
  • VR, AR, and MR technologies are sometimes called XR (extended reality) technologies rather than clearly distinguishing them. Accordingly, embodiments of the present invention are applicable to all of VR, AR, MR, and XR technologies.
  • encoding/decoding based on PCC, V-PCC, and G-PCC technology may be applied.
  • the PCC method/apparatus according to the embodiments may be applied to a vehicle providing an autonomous driving service.
  • a vehicle providing an autonomous driving service is connected to a PCC device to enable wired/wireless communication.
  • the point cloud data (PCC) transceiver receives/processes AR/VR/PCC service-related content data that can be provided together with the autonomous driving service when connected to a vehicle to enable wired/wireless communication, can be sent to
  • the point cloud transceiver may receive/process AR/VR/PCC service-related content data according to a user input signal input through the user interface device and provide it to the user.
  • a vehicle or a user interface device may receive a user input signal.
  • a user input signal according to embodiments may include a signal indicating an autonomous driving service.
  • the point cloud data is composed of a set of points, and each point may have geometric data (geometric information) and attribute data (attribute information).
  • the geometric data is three-dimensional position information (eg, coordinate values of x, y, and z axes) of each point. That is, the position of each point is expressed by parameters on the coordinate system representing the three-dimensional space (eg, parameters (x, y, z) of the three axes representing the space: the X-axis, the Y-axis, and the Z-axis).
  • the attribute information may mean a color (RGB, YUV, etc.) of a point, reflectance, normal vectors, transparency, and the like. Attribute information may be expressed in a scalar or vector form.
  • the point cloud data may be classified into category 1 of static point cloud data, category 2 of dynamic point cloud data, and category 3 acquired while moving according to the type and acquisition method of the point cloud data.
  • category 1 it consists of a point cloud of a single frame with a high density of points for an object or space.
  • Category 3 data is a fused single frame of frame-based data with multiple frames acquired while moving, and a color image acquired as a 2D image with a point cloud acquired through a lidar sensor for a large space. data can be classified.
  • the present embodiment may perform a projection process of the point cloud data as a preprocessing for attribute compression of the point cloud data. That is, the geometry information of the input point cloud data is encoded. In the case of lossy coding, attribute information is matched with changed geometry information through geometry decoding and recoloring. Thereafter, attribute encoding is performed, and if the attribute encoding efficiency is increased by changing the geometry information (e.g. when data of a certain pattern is obtained, such as lidar data), point cloud data projection can be performed as a pre-processing.
  • This figure shows a point cloud data transmission method 15000 of a point cloud data transmission device (eg, the point cloud data transmission device of FIGS. 1, 2, 4, 11 or 12) according to embodiments.
  • the point cloud data transmitter according to the embodiments may perform the same or similar operation to the encoding operation described with reference to FIGS. 1 to 14 .
  • a method 15000 for transmitting point cloud data includes encoding geometric information of point cloud data and encoding attribute information of point cloud data. Also, the transmission method 15000 includes transmitting a bitstream including point cloud data.
  • the encoding of the attribute information may include determining whether to project the geometry information and projecting the geometry information ( 15001 ).
  • the point cloud data transmitter may encode the point cloud data.
  • a point cloud data transmitter includes a geometry encoder for encoding a geometry indicating a position of one or more points of point cloud data, and an attribute encoder for encoding an attribute of one or more points.
  • the point cloud data transmission apparatus may further include a projection unit for projecting positions of points for at least one of a geometry encoder and an attribute encoder.
  • the geometry encoder may perform the same or similar operation to the geometry encoding operation described with reference to FIGS. 1 to 14 .
  • the attribute encoder according to the embodiments may perform the same or similar operation to the attribute encoding operation described with reference to FIGS. 1 to 14 .
  • the projection unit may perform the projection operation described with reference to FIGS. 16 to 54 to be described later.
  • the projection process includes a process of converting and expressing coordinates representing positions of points expressed in a first coordinate system into a second coordinate system, and a process of converting and expressing the coordinates of the points expressed in the second coordinate system based on the coordinates representing the positions of the points. It may include the process of projecting a position.
  • the projection step 15001 of FIG. 15 may include a process of converting and expressing coordinates representing positions of points expressed in the above-described first coordinate system into a second coordinate system.
  • the projection step 15001 of FIG. 15 may include a process of projecting the positions of the points based on the coordinates representing the positions of the points transformed into the second coordinate system and expressed.
  • the first coordinate system and the second coordinate system according to the embodiments are the same as or similar to the first coordinate system and the second coordinate system described with reference to FIGS. 16 to 54 to be described later.
  • the first coordinate system according to embodiments may include a Cartesian coordinate system
  • the second coordinate system may include a spherical coordinate system, a cylindrical coordinate system, or a sector-shaped coordinate system.
  • the process of projecting the positions of the points according to the embodiments may be based on coordinates and scale values indicating the positions of the points that are converted into the second coordinate system and expressed.
  • the scale value according to the embodiments is the same as or similar to the scale value for each axis described with reference to FIGS. 16 to 54 to be described later.
  • the point cloud data transmitter may transmit a bitstream including encoded point cloud data.
  • a bitstream according to embodiments may include signaling information regarding a projection process.
  • the receiving method 16000 decodes the attribute information after decoding the geometry information.
  • the result of attribute decoding corresponds to information matching the projected point cloud data.
  • projection of the decoded geometry information may be performed, and the decoded attribute information may be matched with the projected geometry information.
  • Point cloud data whose geometry and attributes are matched in the projection space can be converted to the original spatial location through the reverse projection process.
  • This figure shows a point cloud data receiving method of a point cloud data receiving apparatus (eg, the point cloud data receiving apparatus of FIGS. 1, 2, 10 and 13) according to embodiments.
  • the point cloud data receiving apparatus according to the embodiments may perform the same or similar operation to the decoding operation described with reference to FIGS. 1 to 35 .
  • a method 16000 for receiving point cloud data includes receiving a bitstream including point cloud data.
  • a bitstream according to embodiments may include signaling information regarding an inverse projection process.
  • the point cloud data receiving method 16000 decodes the point cloud data.
  • the receiving method 16000 includes decoding geometry information of point cloud data and decoding attribute information.
  • the receiving method 16000 may include a step of projecting (16001) and reverse-projecting (16002) of geometric information in the process of decoding and restoring the point cloud data.
  • the projecting step (16001) and the inverse projecting step (16002) may be performed based on signaling information transmitted from the transmitter according to the embodiments.
  • the point cloud data receiving apparatus may decode the point cloud data.
  • a point cloud data receiving apparatus may include a geometry decoder for decoding a geometry indicating a position of one or more points of point cloud data and an attribute decoder for decoding an attribute of one or more points.
  • the point cloud data receiving apparatus may further include an inverse projection unit for inversely projecting positions of points for at least one of a geometry decoder and an attribute decoder.
  • the geometry decoder according to the embodiments may perform the same or similar operation to the geometry decoding operation described with reference to FIGS. 1 to 54 .
  • the attribute decoder according to the embodiments may perform the same or similar operation to the attribute encoding operation described with reference to FIGS. 1 to 54 .
  • the reverse projection unit according to the embodiments may perform the same or similar operation to the operation of the reverse projection unit described with reference to FIGS. 15 to 54 .
  • the process of inverse projection of the positions of the points based on the coordinates indicating the positions of the points, and the process of converting and expressing the coordinates indicating the positions of the points expressed in the second coordinate system into the first coordinate system may include Coordinates indicating positions of the above-described reverse-projected points may be expressed in the first coordinate system.
  • the coordinate system inverse projection unit 51130 of FIG. 51B may perform a process of inversely projecting the positions of the points based on coordinates indicating the positions of the points.
  • the reverse projection unit 51130 of FIG. 51B may perform a process of converting and expressing coordinates representing positions of points expressed in the second coordinate system into the first coordinate system.
  • the first coordinate system and the second coordinate system according to the embodiments may be the same as or similar to the first coordinate system and the second coordinate system described with reference to FIGS. 15 to 54 .
  • the first coordinate system according to embodiments may include a Cartesian coordinate system
  • the second coordinate system may include a spherical coordinate system, a cylindrical coordinate system, or a sector-shaped coordinate system.
  • the second coordinate system may include a sector-shaped spherical coordinate system and a sector-shaped cylindrical coordinate system.
  • the process of inversely projecting positions of points according to embodiments may be based on coordinates and scale values indicating positions of points expressed in the second coordinate system.
  • 17 illustrates an example of a coordinate system transformation process of point cloud data according to embodiments.
  • This figure is an example of the projection process 15001 of the point cloud data transmission apparatus (eg, the point cloud video encoder 10002 of FIG. 1 and the transmission method 15000 of FIG. 15 ) according to embodiments.
  • the point cloud data transmission apparatus eg, the point cloud video encoder 10002 of FIG. 1 and the transmission method 15000 of FIG. 15 .
  • the point cloud data transmission apparatus may acquire a point cloud video (eg, the point cloud video of FIG. 1 ).
  • a transmission device may acquire a point cloud video using LiDAR.
  • the transmitting apparatus may acquire the point cloud video through an out word pacing method (eg, the out word pacing method of FIG. 3 ) using LiDAR.
  • LiDAR data acquired through LiDAR according to embodiments may be referred to as LiDAR data.
  • a diagram 23001 on the left side of FIG. 23 shows an example of lidar data.
  • a schematic structure of a lidar according to embodiments is shown in a left view 18001 of FIG. 18 , and FIGS. 21 and 22 .
  • LiDAR according to embodiments may acquire lidar data based on reflection of light emitted from one or more lasers arranged in a rotating LiDAR header. Accordingly, lidar data according to embodiments may be in the form of a cylinder or a sphere. The distance between the light rays emitted by one or more lasers increases as the distance from the lidar increases.
  • lidar data according to embodiments may have a cylindrical shape in which points are sparsely distributed as the distance from the lidar header increases.
  • coding efficiency may decrease.
  • the transmitting apparatus according to the embodiments may not be able to search for points distributed in a short distance from a specific point.
  • the transmitting apparatus may project (convert positions) the points of the point cloud data (eg, lidar data) to make the distribution of the points of the point cloud data uniform.
  • the points of the point cloud data eg, lidar data
  • FIG. 17 is a diagram illustrating transformation of a coordinate system in order to perform a projection process in a transmission apparatus (eg, FIG. 49A ) or a transmission method ( FIG. 15 ) according to embodiments. That is, FIG. 17 shows the coordinates representing the positions of points expressed in the first coordinate system (eg, the Cartesian coordinate system 17001) in the second coordinate system (eg, the spherical coordinate system 17003 (spherical coordinates) or the cylindrical coordinate system ( 17002) (cylindrical coordinates)) and represents the process of expression. Positions of points of point cloud data (eg, lidar data) obtained by the transmission device according to embodiments may be expressed through cartesian coordinates.
  • first coordinate system eg, the Cartesian coordinate system 17001
  • the second coordinate system eg, the spherical coordinate system 17003 (spherical coordinates) or the cylindrical coordinate system ( 17002) (cylindrical coordinates)
  • Positions of points of point cloud data eg
  • the positions of the points of the point cloud data obtained by the transmission device according to the embodiments may be expressed by parameters representing the Cartesian coordinate system (eg, coordinate values of the x-axis, y-axis, and z-axis, respectively).
  • the transmission apparatus according to the embodiments may convert and express coordinates representing positions of points expressed in a Cartesian coordinate system into a cylindrical coordinate system or a spherical coordinate system.
  • the transmission apparatus may convert and express coordinates indicating positions of points expressed in a Cartesian coordinate system into a cylindrical coordinate system. That is, the transmission apparatus according to the embodiments converts coordinates indicating positions of points expressed by parameters (eg, coordinate values of x-axis, y-axis, and z-axis, respectively) indicating a rectangular coordinate system to parameters indicating a cylindrical coordinate system. (eg, r value, ⁇ value, and z value).
  • parameters eg, coordinate values of x-axis, y-axis, and z-axis, respectively
  • parameters eg, coordinate values of x-axis, y-axis, and z-axis, respectively indicating a rectangular coordinate system
  • parameters indicating a cylindrical coordinate system eg,
  • the transmission apparatus may convert and express coordinates indicating positions of points expressed in a Cartesian coordinate system into a spherical coordinate system. That is, the transmission apparatus according to the embodiments converts coordinates indicating positions of points expressed by parameters (eg, coordinate values of each of the x-axis, y-axis, and z-axis) indicating the Cartesian coordinate system to the parameters indicating the spherical coordinate system.
  • parameters eg, coordinate values of each of the x-axis, y-axis, and z-axis
  • the projection process ( FIGS. 15 and 15001 ) according to the embodiments may include a process of transforming and expressing a coordinate system and a process of projecting the positions of the points based on coordinates indicating the positions of the transformed and expressed points.
  • the projection process according to the embodiments may be performed by the projection unit 49110 of the transmission device (FIG. 49A) according to the embodiments.
  • Sector-shaped coordinate systems may be an additional option for coordinate system transformation in addition to a cylindrical coordinate system and a spherical coordinate system.
  • the sectoral coordinate system takes into account the characteristic of acquiring data while the lasers arranged vertically to the lidar rotate horizontally.
  • the lasers are vertically placed at a certain angle on the rider's head and rotate horizontally about a vertical axis to acquire data.
  • the arranged lasers are often arranged to spread radially.
  • the sectoral coordinate system is to transform a point on the central axis of a cylinder or a sphere as a center.
  • the shape of the sector-shaped coordinate system is formed by overlapping a cylindrical or spherical shape while a sector-shaped plane erected vertically with the origin of the sector on the vertical axis rotates horizontally based on the vertical axis.
  • the elevation direction may be limited to a certain range.
  • FIG. 19 illustrates an example of a sector-shaped coordinate system transformation process of point cloud data according to embodiments.
  • 19 is a diagram illustrating transformation of a coordinate system in order to perform a projection process in a transmission apparatus (eg, FIG. 49A ) or a transmission method ( FIG. 15 ) according to embodiments. That is, FIG. 19 shows the coordinates indicating the positions of points expressed in the first coordinate system (eg, the Cartesian coordinate system 19001) in the second coordinate system (eg, the sectoral spherical coordinate system 19003) or the sectoral cylindrical coordinate system 19002 ) (cylindrical coordinates))) and represents the process of expression.
  • the first coordinate system eg, the Cartesian coordinate system 19001
  • the second coordinate system eg, the sectoral spherical coordinate system 19003
  • the sectoral cylindrical coordinate system 19002 eylindrical coordinates
  • Positions of points of point cloud data (eg, lidar data) obtained by the transmission device according to embodiments may be expressed through cartesian coordinates. Accordingly, the positions of the points of the point cloud data obtained by the transmission device according to the embodiments may be expressed by parameters representing the Cartesian coordinate system (eg, coordinate values of the x-axis, y-axis, and z-axis, respectively).
  • the transmission apparatus according to the embodiments may convert and express coordinates representing positions of points expressed in a Cartesian coordinate system into a sector-shaped cylindrical coordinate system or a sector-shaped spherical coordinate system.
  • the transmission apparatus may convert and express coordinates indicating positions of points expressed in a Cartesian coordinate system into a sector-shaped cylindrical coordinate system. That is, the transmission apparatus according to the embodiments is a parameter representing a sector-shaped cylinder coordinate system to coordinates indicating positions of points expressed by parameters (eg, coordinate values of each of the x-axis, y-axis, and z-axis) indicating the Cartesian coordinate system. (eg, r value, ⁇ value, and ⁇ value) can be converted and expressed.
  • parameters eg, coordinate values of each of the x-axis, y-axis, and z-axis
  • the process of the transmission device converting the x-axis value, the y-axis value, and the z-axis value of the Cartesian coordinate system into the r value, ⁇ value, and ⁇ value of the sectoral cylindrical coordinate system is as follows.
  • the transmission apparatus may convert and express coordinates representing positions of points expressed in a Cartesian coordinate system into a sector-shaped spherical coordinate system. That is, the transmission device according to the embodiments converts coordinates indicating positions of points expressed by parameters (eg, coordinate values of x-axis, y-axis, and z-axis, respectively) indicating a rectangular coordinate system to a parameter indicating a sectoral spherical coordinate system. (eg, ⁇ value, ⁇ value, and ⁇ value) can be converted and expressed.
  • parameters eg, coordinate values of x-axis, y-axis, and z-axis, respectively
  • a parameter indicating a sectoral spherical coordinate system eg, ⁇ value, ⁇ value, and ⁇ value
  • the process of the transmission device converting the x-axis value, the y-axis value, and the z-axis value of the Cartesian coordinate system into the ⁇ value, ⁇ value, and ⁇ value of the cylindrical coordinate system is as follows.
  • the projection process ( FIGS. 15 and 15001 ) according to the embodiments may include a process of transforming and expressing a coordinate system and a process of projecting the positions of the points based on coordinates indicating the positions of the transformed and expressed points.
  • the projection process according to the embodiments may be performed by the projection unit 49110 of the transmission device (FIG. 49A) according to the embodiments.
  • Coordinate system transformation may include a coordinate system selection step and a coordinate system transformation application step.
  • the coordinate system selection step derives coordinate system transformation information.
  • the coordinate system transformation information may include whether or not the coordinate system is transformed or information on the coordinate system.
  • Coordinate system transformation information may be signaled in units of sequences, frames, tiles, slices, blocks, and the like.
  • the coordinate system transformation information may be derived based on whether the neighboring blocks are transformed into the coordinate system, the size of the block, the number of points, a quantization value, a block division depth, a position of a unit, a distance between a unit and an origin, and the like.
  • the step of applying the coordinate system transformation is a step of transforming the coordinate system based on the coordinate system selected in the coordinate system selection step.
  • the coordinate system transformation may be performed based on the coordinate system transformation information. Alternatively, the coordinate system transformation may not be performed based on the coordinate system transformation information.
  • FIG. 20 illustrates an example of a coordinate system projection of point cloud data according to embodiments. It is an example of a point cloud data projection of a point cloud data transmitter (eg, the point cloud video encoder 10002 of FIG. 1 ) according to embodiments.
  • a point cloud data projection of a point cloud data transmitter eg, the point cloud video encoder 10002 of FIG. 1
  • FIG. 20 is a diagram illustrating a process of converting a coordinate system expressed in a sectoral cylinder or a sectoral sphere into a quadrangular pole space according to embodiments. Converts the coordinate system (r, ⁇ , ⁇ ) or ( ⁇ , ⁇ ) expressed in a sectoral cylinder or sectoral sphere into (X', Y', Z'). In the figure, (x_max, y_max, z_max) and (x_min, y_min, z_min) indicate the maximum and minimum values of each axis.
  • the transmission apparatus eg, the projection unit 49110) according to the embodiments
  • the transmission device may convert the positions of points by matching each axis of the Cartesian coordinate system to each of the r value, ⁇ value, and ⁇ value of the coordinates expressed in the sectoral cylindrical coordinate system.
  • the transmitter according to the embodiments may express coordinates indicating positions of projected points as a new coordinate system.
  • the transmitter may express coordinates indicating the positions of the projected points as parameters indicating a new Cartesian coordinate system (eg, coordinate values of each of the X' axis, Y' axis, and Z' axis).
  • a new Cartesian coordinate system according to embodiments may be referred to as a third coordinate system.
  • a new Cartesian coordinate system according to embodiments is an origin (0,0,0), a pole (r_max (eg, the maximum value of r), 360° (eg, a value corresponding to 2 ⁇ [rad]) , z_max (eg, the maximum value of z)), an X' axis, a Y' axis, and a Z' axis.
  • the X' axis, Y' axis, and Z' axis of the new Cartesian coordinate system according to embodiments may be orthogonal to each other at the origin (0,0,0).
  • a process of projecting points (converting positions) in the transmitter according to the embodiments is as follows.
  • the center position in the coordinate system before transformation and may mean the head position of the lidar (eg, xyz coordinates in the world coordinate system).
  • the projection correction in consideration of the laser position is performed by the transmission device 10000 of FIG. 1, the transmission device of FIG. 4, the transmission device of FIG. 12, the XR device 1430 of FIG. 14, the transmission device 15000 of FIG. hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to be in communication with the device 49000 and/or one or more memories. In detail, it may be performed by the projection unit 49110 of the transmission device 49000 according to the embodiments.
  • the projection correction in consideration of the laser position is performed by the receiving device 10004 of FIG. 1 , the receiving device of FIG. 11 , the receiving device of FIG. 13 , the XR device 1430 of FIG. 14 , the receiving device 16000 of FIG. It may be performed by hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to be able to communicate with the receiver 51000 and/or one or more memories. In detail, it may be performed by the re-projection unit 51110 of the receiving apparatus 51000 according to embodiments.
  • FIG. 21 schematically illustrates a structure of a lidar for acquiring point cloud data according to embodiments.
  • a plurality of lasers are arranged in a vertical direction in a lidar head (LiDAR head).
  • lasers may be disposed on the upper and lower portions of the lidar head, respectively, in order to acquire more point cloud data.
  • a position difference between the lasers may occur, which may cause deterioration of projection accuracy. Accordingly, a method of correcting the projection in consideration of the position of the laser may be used.
  • FIG. 22 illustrates a head position of a lidar and a relative position of a laser according to embodiments.
  • the positions of the vertically arranged lasers in FIG. 22 are the head positions. in the horizontal direction from , in the vertical direction located as far away as Assuming that the head position is (0, 0, 0), the laser located in, is as follows It can be obtained as a relational expression with
  • lidar If you know the structure of lidar, can be directly signaled or obtained.
  • the projection correction in consideration of the sampling characteristics is performed by the transmission device 10000 of FIG. 1 , the transmission device of FIG. 4 , the transmission device of FIG. 12 , the XR device 1430 of FIG. 14 , the transmission device 15000 of FIG. hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to be in communication with the device 49000 and/or one or more memories. In detail, it may be performed by the projection unit 49110 of the transmission device 49000 according to the embodiments.
  • projection correction in consideration of sampling characteristics is performed by the receiver 10004 of FIG. 1 , the receiver of FIG. 11 , the receiver of FIG. 13 , the XR device 1430 of FIG. 14 , the receiver 16000 of FIG. It may be performed by hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to be able to communicate with the receiver 51000 and/or one or more memories. In detail, it may be performed by the re-projection unit 51110 of the receiving apparatus 51000 according to embodiments.
  • Point cloud compression assumes that X, Y, and Z data are all positive integers when Morton code sorting is used. Accordingly, it is necessary to convert all projected point cloud data to have positive integer values, and for this purpose, a voxelization process may be performed. In this case, if all points can be distinguished, ideal lossless compression is possible, but if the distance between the points is small, loss may occur in the voxelization process, so correction for improving compression performance is required. In this case, the range of the point cloud projection value and the characteristics of the data acquisition device may be considered.
  • r or ⁇ represents the distance from the center, it has a value of 0 or more, and the frequency may be determined according to the resolution according to the distance of the laser and the analysis ability of the acquisition device.
  • ⁇ represents the horizontal angle when rotating about the vertical axis, and may have a range of 0 to 360 degrees in a normal lidar, and the frequency is determined according to the amount of data acquired per degree while the lidar rotates .
  • ⁇ represents the angle in the vertical axis direction, and since it has a large correlation with a single laser angle, it can have a range of - ⁇ /2 to ⁇ /2, and the frequency of data depends on the number of lasers, the vertical position of the laser, and the accuracy of the laser. can be determined.
  • the correction for each axis may be defined as a scaling factor.
  • scaling for r, ⁇ , and ⁇ will be described, and the application method may be equally applied to ⁇ , ⁇ , ⁇ or other projection methods.
  • a scaling factor may be defined based on a mechanical characteristic of the point cloud data acquisition device. For example, when a device in which N lasers are arranged vertically rotates in the horizontal direction, laser reflection light is detected M times per angle 1 degree, and the radius of the spot generated by each laser light source is given by D, A scaling factor may be defined as follows. represents a constant.
  • the following scaling factor may be defined.
  • min( ) may denote a minimum value in the point cloud data or a minimum value according to a physical characteristic.
  • a scaling factor may be defined as a function of the density of each axis. That is, a large scaling factor may be allocated to an axis having a high density per unit length, and a relatively small scaling factor may be allocated to an axis having a low density per unit length. For example, when the maximum number of points in a direction parallel to each axis is N and the length of each axis is D, a scaling factor may be defined as follows.
  • different scaling factors may be defined according to importance. For example, it can be considered as important information as it is closer to the origin, and weights can be applied differently according to the distance from the origin (or center). In addition, a large amount of weight may be applied to information in front of or close to the horizon with respect to an angle in a horizontal or vertical direction. In this case, the weight may be given in a stepwise manner or the reciprocal of exponential depending on the range of the important part.
  • each axis may be moved to start from the origin so that the projected point cloud data is composed of a positive number.
  • Morton code order can be used (prediction-lift), or octree-based geometry information can be used (RAHT).
  • RAHT octree-based geometry information
  • the length of the three axes may be set to be the same. The correction considering such matters can be expressed as follows.
  • max is can mean or It can be the nearest 2 ⁇ n -1 of the larger numbers.
  • the point cloud data transmission apparatus may change positions of points in consideration of characteristics of the acquired point cloud data (eg, distribution characteristics of points).
  • the transmitter according to the embodiments may change the positions of the points based on the scale values for each axis according to the distribution characteristics of the points.
  • the scale value for each axis according to the embodiments has a value greater than 1, the positions of the projected points may be distributed sparsely than the positions of the points before being projected.
  • the scale value for each axis according to the embodiments has a value less than 1
  • the positions of the projected points may be more densely distributed than the positions of the points before being projected.
  • the ⁇ value and ⁇ value greater than 1 and ⁇ value less than 1 Based on , the distribution of positions of points can be projected uniformly.
  • the point cloud data transmitter may perform coding based on the positions (or geometries) of the projected points. Accordingly, the point cloud data transmission apparatus according to the embodiments may secure a higher coding gain by increasing coding efficiency by using a projected geometry (eg, a geometry having a uniform distribution).
  • a projected geometry eg, a geometry having a uniform distribution
  • the voxelization process includes the transmission device 10000 of FIG. 1 , the transmission device of FIG. 4 , the transmission device of FIG. 12 , the XR device 1430 of FIG. 14 , the transmission device 15000 of FIG. 15 , and the transmission device 49000 of FIG. ) and/or one or more processors or integrated circuits configured to communicate with one or more memories, hardware, software, firmware, or a combination thereof.
  • the voxelization process is performed by the receiving device 10004 of FIG. 1 , the receiving device of FIG. 11 , the receiving device of FIG. 13 , the XR device 1430 of FIG. 14 , the receiving device 16000 of FIG. 16 , and the receiving device of FIG. 51 .
  • hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to communicate with 51000 and/or one or more memories.
  • Point cloud data expressed in X, Y, and Z coordinate systems by the above-described process may be converted into a coordinate system effective for compression, such as distance and angle.
  • the converted data may be converted into integer unit position information for applying the point cloud compression technique through a voxelization process.
  • FIG. 23 is a diagram illustrating projected point cloud data according to embodiments, wherein the left diagram shows before projection and the right diagram shows after projection. The figure on the right shows the projected point cloud data when looking at the r - ⁇ , ⁇ - ⁇ , and ⁇ - r planes, respectively.
  • 24 is a diagram illustrating a method of using position index information in reverse projection according to embodiments.
  • the receiving apparatus 10004 of FIG. 1 the receiving apparatus of FIG. 11 , the receiving apparatus of FIG. 13 , the XR apparatus 1430 of FIG. 14 , the receiving apparatus 16000 of FIG. 16 , and the receiving apparatus 51000 of FIG. 51 are performed. ) and/or one or more processors or integrated circuits configured to communicate with one or more memories, hardware, software, firmware, or a combination thereof. In detail, it may be performed by the reverse projection unit 51130 of the receiving apparatus 51000 according to embodiments.
  • the reverse projection may perform the same projection process of the point cloud data.
  • the inverse projection may convert the point cloud data from the projected coordinate system to the existing coordinate system using an inverse transformation formula.
  • projection is applied to attribute coding, by linking the restored geometry information and the corresponding attribute information, the attribute information is matched to an appropriate value, and restoration is possible.
  • indexing may be performed on the geometry information. That is, the receiving apparatus according to the embodiments may align the restored geometry information in a certain way (e.g., Morton code order, x-y-z zigzag order, etc.) and then assign an index according to the order.
  • a certain way e.g., Morton code order, x-y-z zigzag order, etc.
  • an index to decoded position map and a decoded position to index map (decoded position to index map) ) can be created. Projection is performed on the indexed position information, and at this time, a decoded position to projected position map is generated, as in the relationship 2 in FIG. 24, and the decoded position (decoded position) ) and the index (index) can create a projected position to index map (projected position to index map).
  • the projected points After attribute decoding, the projected points have attribute values, and the original position can be found in the projected position through the projected position to index map and the index to position map. can In this way, the restored geometry information and the restored attribute information may be matched with each other.
  • 25A shows an example of encoded point cloud data according to embodiments.
  • the point cloud video encoder 10002 encodes the point cloud data in the process of encoding 20001, and the transmitter 10003 according to the embodiments receives a bitstream including the encoded point cloud data. 10004) can be transmitted.
  • the encoded point cloud data (bitstream) is the point cloud video encoder 10002 of FIG. 1 , the encoding 20001 of FIG. 2 , the encoder of FIG. 4 , the transmission device of FIG. 12 , and the XR device of FIG. 14 . 1430 , to be generated by hardware, software, firmware, or a combination thereof, including one or more processors or integrated circuits configured to communicate with the transmitter of FIG. 21 , and/or one or more memories.
  • processors or integrated circuits configured to communicate with the transmitter of FIG. 21 , and/or one or more memories.
  • the encoded point cloud data is the point cloud video decoder 10006 of FIG. 1 , the decoding 20003 of FIG. 2 , the decoder of FIG. 11 , the receiving device of FIG. 13 , and the receiving device of FIG.
  • the encoded point cloud data is the point cloud video decoder 10006 of FIG. 1 , the decoding 20003 of FIG. 2 , the decoder of FIG. 11 , the receiving device of FIG. 13 , and the receiving device of FIG.
  • software, firmware, or a combination thereof including one or more processors or integrated circuits configured to communicate with the XR device 1430, the receiver of FIG. 22, and/or one or more memories can be decoded.
  • information related to projection may be defined in a sequence parameter set, an attribute parameter set, and an SEI message.
  • the sequence parameter set informs that projection is performed, and specific information may be included in projection_info() and delivered to the receiving apparatus according to the embodiments.
  • all or part of the related information is included in the sequence parameter set and transmitted, and the remaining partial information is included in the geometry parameter set, attribute parameter set, tile parameter set, slice header, or SEI message and may be delivered to the receiving device.
  • the range of application of the transmitted information, the application method, etc. can be set differently.
  • the related information is a parameter set ( parameter set) and the like and may be transmitted to the receiving device.
  • parameters (metadata, signaling information, etc.) according to the embodiments may be generated in the process of the transmission apparatus or transmission method according to the embodiments, and are transmitted to the reception device according to the embodiments to reconstruct the point cloud data can be used for
  • the parameter according to the embodiments may be generated by the metadata processing unit (or metadata generator) of the transmitting device according to the embodiments and obtained from the metadata parser of the receiving device according to the embodiments.
  • FIG. 25B is an example in which projection related information is defined in the SPS
  • FIG. 26 shows an example of syntax of tile inventory and slice header. It can be used when projection is performed after dividing a tile or slice, and projection can be applied to any one of geometry or attributes. Bounding box information and the like may be transmitted through each information or information in projection_info defined according to embodiments may be used.
  • FIGS. 28 and 29 are examples of syntax of a projection (Projection_info) according to embodiments.
  • projection flag (projection_flag) When the projection flag (projection_flag) is 1, it indicates that reprojection or inverse projection of decoded data into the XYZ coordinate space is required in the decoder post-processing process.
  • projection info is transmitted so that the receiving device can grasp specific information for reprojection or inverse projection.
  • the projection info ID is an indicator indicating projection info (projection info).
  • coordinate conversion type (coordinate_conversion_type) is 0, it is a cylindrical coordinate system, if it is 1, it is a spherical coordinate system, if it is 2, it is a sector with a triangular pyramid removed. It may mean a spherical coordinate system.
  • the projection type indicates the type of projection used for the coordinate conversion type. For example, when the coordinate conversion type (coordinate_conversion_type) is 2 and the projection type (projection_type) is 0, x, y, and z are matches to, if 1 It can be defined to match If necessary, a projection type (projection_type) can be defined for each axis, respectively.
  • the laser position adjustment flag (laser_position_adjustment_flag) is 1, it may indicate projection correction in consideration of the laser position.
  • the laser number indicates the total number of lasers.
  • r laser (r_laser) represents the horizontal distance from the central axis of the laser.
  • the z laser (z_laser) represents the vertical distance from the horizontal center of the laser.
  • Theta laser (theta_laser) represents the vertical angle of the laser.
  • the laser position information can be provided as r laser (r_laser), z laser (z_laser), and theta laser (theta_laser), and can be provided as x laser (x_laser), y laser (y_laser), and z laser (z_laser).
  • sampling adjustment cubic flag (sampling_adjustment_cubic_flag)
  • the lengths of the three axes are made equal when compensating in consideration of the sampling characteristics.
  • sampling adjustment spread bounding box flag (sampling_adjustment_spread_bbox_flag) 1
  • a method of uniformly widening the distribution within the bounding box can be used during sampling correction.
  • sampling adjustment type indicates a sampling correction method. If it is 0, the method is corrected based on mechanical properties, if it is 1, it is corrected based on the axial minimum distance between points, if it is 2, it is corrected based on the density of each axis, and if 3, it is corrected based on the importance of the points. method can be defined.
  • geoprojection enable flag and attr_projection_enable_flag are 1, it indicates that the transformed coordinate system is used when coding the geometry or attribute.
  • Bounding box x offset, bounding box y offset, and bounding box z offset indicate the starting point of a range including coordinate system-transformed point cloud data. For example, when the projection type (projection _type) is 0, it may have a value of (0, 0, 0), and when the projection type (projection _type) is 1, it may have a value of (-r_max1, 0, 0).
  • Bounding box x-length, bounding box y-length, and bounding box z-length may indicate ranges including coordinate system-transformed point cloud data.
  • the projection type (projection _type) is 0, r_max, 360, and z_max may be matched, and when the projection type (projection _type) is 1, r_max1+r_max2, 180, and z_max may be matched.
  • Origin bounding box x offset, origin bounding box y offset, and origin bounding box z offset may indicate the starting point of a range including point cloud data before coordinate system transformation.
  • Origin bounding box x-length, origin bounding box y-length, and origin bounding box z-length may indicate a range including point cloud data before coordinate system transformation.
  • Rotation yaw, rotation pitch, and rotation roll are rotation information used in coordinate system transformation.
  • Cylinder center x, cylinder center y, and cylinder center z (cylinder_center_x, cylinder_center_y, cylinder_center_z) indicate the position of the center of the cylindrical column on the original XYZ coordinate system.
  • Cylinder radius max, cylinder degree max, cylinder z max (cylinder_radius_max, cylinder_degree_max, cylinder_z_max) represent the maximum values of the radius, angle, and height of the cylindrical column on the original XYZ coordinate system.
  • the referrer vector x, the referrer vector y, and the referrer vector z(ref_vector_x, ref_vector_y, ref_vector_z ) indicate the direction of a vector that is a reference when projecting a cylindrical column from the center to the (x, y, z) direction. . It may correspond to the x-axis of the transformed bounding box.
  • normal vector x, normal vector y, and normal vector z indicate the direction of the normal vector of the cylindrical column in the (x, y, z) direction from the center. It may correspond to the z-axis of the transformed bounding box.
  • the clockwise degree flag indicates the directionality of obtaining a cylindrical angle.
  • a value of 1 indicates a clockwise direction when viewed from the top view, and a value of 0 indicates a counterclockwise direction. It may correspond to the directionality of the y-axis of the transformed bounding box. (In this embodiment, 0 is shown.)
  • Granularity angler, granularityradius, and granularitynormal(granrality_angular, granurality_radius, granurality_normal) are the angle, the distance from the center in the circular plane, the distance from the center in the direction of the normal vector It is a parameter indicating the resolution for . It may correspond to the scaling factors ⁇ , ⁇ , and ⁇ used when transforming in a cylindrical coordinate system.
  • coordinate transformation may be proposed to improve the performance of G-PCC attribute coding for LiDAR acquisition data.
  • the position of each point distributed in the cylindrical coordinate system can be converted into a rectangular coordinate system in which the axis is a function of the radius, azimuth (horizontal angle) and elevation angle (vertical angle).
  • the corresponding position in the cylindrical coordinate system is derived as follows.
  • Coordinate transformation can be performed as follows using
  • parameters here is derived as the maximum length of the bounding box edge normalized to the length of the bounding box edge of each axis.
  • FIG. 30 shows a summary of BD rate and BD PSNR of coordinate transformation for the Pred-Lift coding scheme.
  • the overall average of the reflectance gain is 5.4%, 4.0%, 1.4%, and 2.7% for the C1, C2, CW and CY conditions.
  • the proposed coordinate transformation can also be applied to the RAHT attribute coding scheme, and Fig. 31 shows a summary result thereof.
  • the average performance improvement of Cat3-frame data increased significantly by 15.3% and 12.5% in C1 and C3 conditions, respectively.
  • Attr_coord_conv_enable_flag 1 If the attr_coord_conv_enable_flag is 1, it indicates that point cloud transformation is performed in the attribute coding process. If the attr_coord_conv_enable_flag is 0, it indicates that point cloud transformation is not performed in the attribute coding process.
  • the coordinate transformation scale present flag (coord_conv_scale_present_flag) is 1, it indicates that the coordinate system transformation scale factors scale_x, scale_y, and scale_z exist. If the coordinate transformation scale present flag (coord_conv_scale_present_flag) is 0, the coordinate system transformation scale factor does not exist, and scale_x, scale_y, and scale_z are the maximum distances for all axes normalized to the maximum distances of the x, y, and z axes.
  • Attr_coord_conv_scale (attr_coord_conv_scale) specifies the scale ratio of the coordinate transformation axis in units of 2-8.
  • ScaleAxis array ScaleAxis[i] for i in the range 0 to 2 is derived as
  • the coordinate transformation process is called as a preprocessing for attribute decoding, and the output PointPos is used for the subsequent attribute decoding process.
  • the coordinate transformation post-processing process is called to match the attribute with the point position in the Cartesian coordinate system.
  • the input is as follows.
  • Attr_coord_conv_enabled_flag (attr_coord_conv_enabled_flag)
  • LaserAngle A variable that specifies the tangent of the elevation angle of the laser.
  • the output of this process is the modified array PointPos, where PointPosCart can specify the connection between the positions before and after the coordinate transformation.
  • This process is applied when the attr_coord_conv_enabled_flag is 1. This process determines laserIndex[pointIdx] with pointIdx in the range of 0 to PointCount-1 for the point performing coordinate transformation.
  • the estimated laserIndexEstimate[pointIdx] is calculated by determining the node angle PointTheta.
  • the process can be described as follows.
  • PointTheta ((PointPos[pointIdx][2] - geomAngularOrigin[2]) ⁇ rInvLaser) >> 14
  • the laser angle LaserAngle[laserIndexEstimate[pointIdx]] closest to this point is determined.
  • the process can be described as follows.
  • minDelta Abs(LaserAngle[start] - PointTheta)
  • PointPosCart[pointIdx][0] PointPos[pointIdx][0]
  • PointPosCart[pointIdx][1] PointPos[pointIdx][1]
  • PointPosCart[pointIdx][2] PointPos[pointIdx][2]
  • ConvPointPos[pointIdx] specifies the point position of the converted cylindrical coordinate system, and the range of pointIdx is 0 to PointCount-1.
  • the process can be described as follows.
  • ConvPointPos[pointIdx][1] (atan2(tPoint, sPoint) + 3294199) >> 8;
  • ConvPointPos[pointIdx][2] ((PointPos[pointIdx][2] - geomAngularOrigin[2] - LaserCorrection[laserIndex[pointIdx]]) ⁇ rInvLaser) >> 22;
  • the updated PointPos can be specified as a multiple of the scale factor for each axis. If ScaleAxis is a non-zero positive value, the updated PointPos can be derived as follows.
  • PointPos[pointIdx][0] ((ConvPointPos[pointIdx][0] - MinPointPos[0]) ⁇ ScaleAxis[0]) >> 8
  • PointPos[pointIdx][1] ((ConvPointPos[pointIdx][1] - MinPointPos[1]) ⁇ ScaleAxis[1]) >> 8
  • PointPos[pointIdx][2] ((ConvPointPos[pointIdx][2] - MinPointPos[2]) ⁇ ScaleAxis[2]) >> 8
  • MinPointPos is the minimum point position of ConvPointPos[pointIdx], and the range of pointIdx is 0 to pointCount-1.
  • the ScaleAxis is derived by the bound box.
  • MaxPointPos be the maximum point position of a given ConvPointPos
  • the length of the bounding box along the axis LengthBbox can be defined as follows.
  • LengthBbox[0] MaxPointPos[0] - MinPointPos[0]
  • LengthBbox[1] MaxPointPos[1] - MinPointPos[1]
  • LengthBbox[2] MaxPointPos[2] - MinPointPos[2]
  • MaxLengthBbox Max( LengthBbox[0], Max( LengthBbox[1], LengthBbox[2] ) )
  • ScaleAxis can be derived as follows.
  • the inputs (inputs) of this process are:
  • PointsAttr[ pointIdx][ cIdx ] Array of PointsAttr with elements. pointIdx ranges from 0 to PointCount-1, and cldx ranges from 0 to AttrDim-1.
  • the output from this process is an array PointAttr with the elements PointAttr[ pointIdx ][ cIdx ]. where each element with index pointIdx of PointAttr is associated with the position given by the array PointPosCart with the same index pointIdx.
  • a projection type (projection_type) for each axis may be defined if necessary.
  • the projection type defined for each axis may be represented by a projection type x (projection_type_x), a projection type y (projection_type_y), and a projection type z (projection_type_z).
  • projection_type_x When the projection type x (projection_type_x) is 0, it indicates a case in which projection is not performed (that is, the value of x is used without conversion). If 1, it represents the first conversion value of the coordinate system (for example, the radius of the cylindrical coordinate system) indicated by the coordinate conversion type (coordinate_conversion_type), and if 2, the simplified conversion value (for example, square with respect to the radius of the cylindrical coordinate system) Represents a simplified (simplified x*x + y*y value) by removing the root.
  • the projection type z (projection_type_z) is 0, it indicates a case in which projection is not performed (that is, the z value is used without conversion). If 1, the coordinate conversion type (coordinate_conversion_type) represents the third conversion value of the coordinate system (for example, the vertical angle of the cylindrical coordinate system, elevation angle), and if 2, the simplified conversion value (for example, the angle value) The tangent value can be obtained to reduce the inverse tangent operation to obtain the angle indicates there is).
  • a projection type (projection_type) applied to each axis may be defined for one coordinate conversion, and a different coordinate conversion type (coordinate_conversion_type) may be signaled for each axis. That is, it indicates that different projections are applied to each axis, and may be used as a method of signaling different conversion methods. An example is described below.
  • the coordinate conversion type (coordinate_conversion_type) and the projection type (projection_type) may be used to designate a coordinate conversion type according to sequence characteristics. For example, while using cylindrical coordinate conversion for A type sequence, the projection type can use (radius, azimuthal angle, laser index), and for the B type sequence, cylindrical coordinate conversion ( While using cylindrical coordinate conversion, the projection type uses (x, y, laser index), and while using spherical coordinate conversion for the C type sequence, the projection type is ( radius, azimuthal angle, and elevation angle) can be used.
  • projection_type_z 2
  • an elevation angle may be expressed as a laser index
  • the lidar rotates in the horizontal direction around the head (33001), and when the light emitted from the laser is reflected and received by the object, the position of the object may be estimated based on the difference in transmission/reception time.
  • the acquired points are located on the trajectory of the laser, and the points are located somewhat higher or lower than the trajectory of the laser due to the influence of noise (33002). That is, the elevation angle of each point has a value somewhat larger or smaller than the laser angle.
  • the vertical angle of each point may be considered as a laser angle associated therewith or as a laser index. That is, the difference between the vertical angle and the laser angle is discarded and the point is considered to be located on the laser. Accordingly, the vertical angle of each point is the same as the laser angle, and it can be considered as being aligned according to the laser index.
  • the laser angle corresponding to the n-th laser is and the laser angle of the adjacent laser is am.
  • the vertical angle of any point (elevation angle) A condition in which ⁇ is matched to laser n may be as follows.
  • the difference between the current point and the elevation angle of each laser , and a laser whose difference value is minimized may be defined as a laser that has acquired a corresponding point.
  • points matched with adjacent lasers through the above process may be divided into N groups. That is, the points are divided into N groups by adjusting the laser angle or the laser index, and can be viewed as being quantized.
  • a scaling factor for each axis expressed by granularity_radius, granularity_angular, and granularity_normal may have another meaning. That is, it may serve as a separator for separating the N quantized groups.
  • the scaling factor is 1 for coordinate conversion consisting of (radius, azimuthal angle, laser index)
  • the distance 1 of the radius and the distance 1 of the laser have the same meaning
  • the laser plane may mean a plane to which points associated with one laser belong or a plane scanned by one laser.
  • Maximum neighbor distance in a laser plane may mean a distance from among k-th neighbors when finding a neighbor based on points on a laser plane when finding k neighbors.
  • a scaling factor corresponding to granularity_normal can be defined based on the maximum value for the maximum k-th neighbor distance in a laser plane for each laser plane, and different scaling according to each plane Factors can be adaptively defined.
  • the maximum neighbor distance in a laser plane may be measured according to each sequence in the encoder according to the embodiments or may signal a predetermined value through an experiment to the decoder according to the embodiments. This helps to achieve independent compression or peripheral characterization in each laser plane by increasing the distance between the lasers.
  • the maximum neighbor distance in a laser plane may use a predetermined value in the decoder according to the embodiments.
  • FIG. 35 illustrates an example of a method for maintaining an index interval based on a scaling factor with respect to point cloud data according to embodiments. That is, FIG. 35 shows that a neighbor search error is prevented by maintaining an interval between laser indices based on a scaling factor.
  • the maximum neighbor distance for determining the scaling factor is a value defined through experiment or after measuring a neighbor distance in a laser index in an encoder according to embodiments, it is defined according to a sequence feature can be signaled.
  • 36 illustrates an example of a laser index-based neighbor point search method in point cloud data according to embodiments.
  • 36 is a diagram illustrating a case in which point cloud data according to embodiments is coordinate-converted into a radius, an azimuth angle, and a laser index, a radius/azimuth ) are arranged in the vertical direction along the laser index with respect to the plane.
  • a point having a different laser index or laser angle is not considered and only points included in the same laser are considered, and the neighboring point may be searched based on the distance.
  • This index-based neighbor point search may be applied in nearest neighbor search of predictive-lifting attribute coding or may be applied in predictive attribute coding.
  • it can be used as a condition for collecting points obtained from a single laser by prioritizing aligning points having the same laser index into groups in the point sorting process.
  • corresponding information may be included for each point. That is, laser index or laser angle information may be added to the previously included xyz position information, or laser index or laser angle information may be used by substituting or converting one or more axis values. If the laser index or laser angle information is not included in the acquired data, the laser index or laser angle of each point can be inferred based on related information (laser angle of the entire image acquisition device, laser head position, and related laser position information).
  • the use of the aforementioned laser index or laser angle can be used as a correction of points sampled according to an elevation angle in a cylindrical coordinate system or a spherical coordinate system.
  • An azimuthal index may be used as a sampling correction for an azimuthal angle in a cylindrical coordinate system, a spherical coordinate system, or a sectoral coordinate system.
  • FIG. 37 a plurality of lasers arranged in a vertical direction are rotated in a horizontal direction ( 37001 ) to acquire point cloud data. If the position sampled by each laser is expressed as a line, the sampled points should theoretically be located on the line, but the points may be sampled at a position deviating from the line due to sampling noise, quantization error, laser interference, etc. (37002).
  • FIG. 37 shows k-th sampling of an n-th laser among a plurality of lasers arranged in a vertical direction and sampling (k-1 th, k+1 th) points adjacent thereto (37003).
  • the positions of the points sampled by the k th ray and the k+1 th ray are distributed with an error centering on the trajectory of the laser photoelectric field.
  • the position of the point having an error in the horizontal angle can be corrected to be located on the line trajectory of the laser by approximating it with an index.
  • 38 illustrates an example of a method of correcting an azaimuth angle value of a point of point cloud data according to embodiments.
  • the azimuthal angle sampled at the kth from the nth laser , and the horizontal angles sampled at the k-1th and k+1th adjacent thereto are respectively , , the azimuthal angle of the point
  • the condition that matches the k-th sampling angle of the n-th laser is as follows.
  • the horizontal angle of the point is the kth sampling horizontal angle of the nth laser can be corrected with
  • the horizontal angle of the point ( ) and the horizontal angles sampled by the laser difference with It can be corrected by approximating the azimuthal angle of the laser at which is the minimum to the horizontal angle of the point.
  • the position of the point close to the k-th laser beam is corrected to be located on the trajectory of the k-th laser beam.
  • information about the horizontal angle that the laser samples may be transmitted directly as a parameter or may be transmitted in a form operable by the transmitting device or the receiving device according to the embodiments.
  • the rotation speed of the lidar is constant
  • the number of samplings per rotation N: number_phi_per_turn
  • the sampling start position of the nth laser N: number_phi_per_turn
  • information on the horizontal angle can be calculated as follows (unit: radian).
  • the offset may have the same value for all laser indices or a similar value within an error range, or may have a different value depending on the laser index. When the horizontal positions of the lasers are different, grouping can be done more accurately by considering the offset.
  • 39 shows a state in which horizontal angles of lasers included in a lidar according to embodiments are different from each other.
  • 40 illustrates an example of a method for grouping point cloud data according to embodiments. 40 illustrates a grouping of two horizontally adjacent sampling positions into one. That is, the 2k-2th and 2k-1th sampled points are grouped by m-1, and the 2k-2th and 2k+1th sampled points are grouped by m. When the horizontal sampling is dense, the similarity between adjacent points can be further considered by lowering the sampling rate.
  • the point cloud data transmission apparatus and transmission method according to the embodiments may signal projection-related information to the reception device according to the embodiments.
  • FIG. 42 shows an example of a syntax of a Geometry Parameter Set according to embodiments.
  • 43 shows an example of syntax of an Attribute Parameter Set according to embodiments
  • FIG. 44 shows an example of syntax of general geometry slice bitstream and geometry slice hear according to embodiments.
  • 45 shows examples of syntax of general attribute slice bitstream and attribute slice hear according to embodiments
  • FIGS. 46 to 48 show examples of syntax of projection info according to embodiments.
  • Information related to coordinate axis transformation may be defined in parameter set and SEI message.
  • sequence parameter set, geometry parameter set, attribute parameter set, and slice header inform whether independent projection is performed, and specific information on projection may be included in projection_info() and delivered.
  • Whether to perform projection may be determined by transmitting a projection flag (projection_flag) in SPS, GPS, and APS, respectively, and simultaneously defining a projection flag (projection_flag) in units of slices to convey whether projection is performed in units of slices.
  • projection_flag a projection flag
  • all or part of related information may be delivered to the sequence parameter set, and the remaining information may be delivered in a geometry parameter set, an attribute parameter set, a tile parameter set, a slice header, or an SEI message.
  • Signaling information (parameters, metadata, etc.) has different meanings depending on the transmitted location.
  • SPS signaling information indicates that it is applied to the entire sequence
  • signaling information is defined in GPS, geometry (location) restoration indicates that it is used for
  • APS indicates that attribute (attribute) restoration is applied
  • TPS time-to-live
  • signaling information is defined in a slice unit it indicates that signaling information is applied to the corresponding slice.
  • the signaling information may be defined in a corresponding location or a separate location according to an application or a system, so that an application range, an application method, etc. may be different.
  • a defined syntax element can be applied to a plurality of point cloud data streams as well as a current point cloud data stream, a parameter set of a higher concept Signaling information may be transmitted through the
  • parameters (metadata, signaling information, etc.) according to the embodiments may be generated during the process of the transmitter according to the embodiments to be described later, and transmitted to the receiver according to the embodiments to be used in the reconfiguration process.
  • the parameters according to the embodiments may be generated by the metadata processing unit (or metadata generator) of the transmission device according to the embodiments to be described later, and may be obtained from the metadata parser of the reception device according to the embodiments. .
  • the SPS projection parameter present flag (sps_projection_param_present_flag), the GPS projection parameter present flag (gps_projection_param_present_flag), and the APS projection parameter present flag (aps_projection_param_present_flag) are When 1, it indicates that projection related parameters are transmitted from sequence parameter set, geometry parameter set, and attribute parameter set. In the case of 0, parameters can be transmitted in slice units.
  • the SPS sequence parameter set ID (sps_seq_parameter_set_id) and GPS sequence parameter set ID (gps_seq_parameter_set_id) are indicators of the corresponding parameter set when coordinate projection is performed and related parameters are transmitted to sps or gps. indicates
  • a parameter set indicator that can refer to the corresponding parameter can be passed directly.
  • the sequence parameter set indicator can be directly indicated. Accordingly, it is possible to refer to a parameter set including a required parameter among a plurality of parameter sets. If the parameters defined in the APS are used for geometry (position) restoration, the APS indicator can be defined in the GPS.
  • Elevation index enable flag (elevation_index_enable_flag), azimuthal index enable flag (azimuthal_index_enable_flag) In the case of 1, it indicates whether the index of the vertical angle or the index of the horizontal angle is used with respect to the coordinate-converted point position.
  • the laser piper turn(laser_phi_per_turn[i]) is It represents the number of samples per horizontal rotation for the i-th laser.
  • the laser angle offset laser_angle_offset[i] represents a horizontal sampling position difference of the i-th laser in order to correct a sampling position difference between the plurality of lasers. For example, it may indicate the angle of the first sample.
  • the laser sampling angle laser_sampling_angle[i][j] represents the j-th horizontal sampling angle of the i-th laser. When the sampling position of the laser is not uniform, it can be used to indicate each sampling angle.
  • the grouping rate may indicate the frequency of grouping horizontal indexes.
  • grouping rate indicates the same sampling number as the horizontal sampling number per rotation (laser_phi_per_turn), and when it is greater than 1, it indicates that a plurality of laser sampling positions are grouped and considered as one.
  • it is less than 1, it may indicate that a virtual laser sampling position is added. It may be used as a meaning of scale in terms of increasing the interval between laser sampling positions.
  • 49A and 49B are block diagrams illustrating an apparatus 49000 for transmitting point cloud data according to embodiments.
  • the transmission device 49000 includes the transmission device 10000 of FIG. 1 , the transmission device of FIG. 4 , the transmission device of FIG. 12 , the XR device 1430 of FIG. 14 , the transmission device 15000 of FIG. 15 and
  • the point cloud data may be acquired, encoded, and transmitted by hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to communicate with/or one or more memories.
  • the transmitting device 49000 includes an encoder for encoding the point cloud data and a transmitter for transmitting a bitstream including the encoded point cloud data.
  • the encoder may include a geometry encoder that encodes a geometry representing a position of one or more points of the point cloud data, and an attribute encoder that encodes an attribute of the one or more points.
  • the encoder may include a projection unit 49100 for projecting a point of the point cloud data.
  • the projection unit 49100 of the transmission device 49000 may convert and express coordinate values indicating the positions of the points into another coordinate system, and may project the points based on the coordinate values of the points expressed by converting the coordinate system.
  • the projection unit 49100 converts the coordinate value of the point expressed on the Cartesian coordinate system or the xyz rectangular coordinate system (first coordinate system) into at least one (second coordinate system) of a cylindrical coordinate system, a spherical coordinate system, or a sector-shaped coordinate system. can be expressed (FIG. 19). Then, the projection unit 49100 projects the point on the Cartesian coordinate system ( FIGS.
  • the first coordinate system or the second coordinate system may include at least one of a Cartesian coordinate system, a cylindrical coordinate system, a spherical coordinate system, or a sector-shaped coordinate system.
  • the geometry information projected by the projection unit 49100 may be transmitted to the attribute encoder. That is, the geometry information used for attribute coding may be a projected one.
  • sub-sampled attribute data may be encoded based on sub-sampled geometry.
  • the projection unit 49100 may generate related information (eg, geo_projection_enable_flag, attr_projetion_enable_flag) according to the projection application range and transmit it to the receiving apparatus according to the embodiments. Projection of point cloud data may be applied to geometry coding and/or attribute coding.
  • the projection unit 49100 may include a coordinate system transformation unit 49111 , a coordinate system projection unit 49112 , a laser position adjustment unit 49113 , a sampling rate adjustment unit 49114 , or a voxelization unit 49115 .
  • the coordinate conversion unit 49111 converts a coordinate value indicating a position of the input point cloud data.
  • the positions of points expressed in the XYZ rectangular coordinate system may be expressed by converting the positions into a cylindrical coordinate system, a spherical coordinate system, or a sectoral coordinate system.
  • information on the distribution range of the input point cloud data eg, orig_bounding_box_x_offset, orig_bounding_box_y_offset, orig_bounding_box_z_offset, orig_bounding_box_x_length, orig_bounding_box_y_length, orig_bounding_box_z_length
  • orig_bounding_box_x_length orig_bounding_box_y_length
  • information on the central position and the range of data distribution in the transformation coordinate system may be generated and transmitted to the receiving apparatus according to the embodiments.
  • the coordinate system projection unit 49112 is configured to project the point of the point cloud data expressed by the coordinate system transformation.
  • a coordinate system projection unit (Coordinate projection, 49112) generates information (eg, bounding_box_x/y/z_length, granularity_radius/angular/normal) on the range and scaling of the projected point cloud data to the receiving device according to the embodiments. can transmit
  • the laser position adjustment unit 49113 performs a correction process based on the characteristics according to the position of the laser on the lidar structure.
  • the laser position adjustment flag (laser_position_adjustment_flag)
  • the laser position adjustment unit 49113 generates and implements information necessary for correction such as a laser number (num_laser), r laser (r_laser), z laser (z_laser), theta laser (theta_laser), etc. It can be transmitted to the receiving device according to the examples. 21 to 22 describe the projection correction in consideration of the position of the laser, and related contents may be performed by the laser position adjusting unit 49113.
  • a sampling rate adjustment unit 49114 may perform correction of a sampling rate for each axis.
  • the sampling rate adjustment unit 49114 may generate information on sampling correction (eg, sampling_adjustment_cubic_flag, sampling_adjustment_spread_bbox_flag, sampling_adjustment_type) and transmit it to the receiving apparatus according to embodiments.
  • the sampling rate adjusting unit 49114 may convert an azimuthal angle or an elevation angle into a horizontal direction index (azimuth index) or a laser index (laser index). That is, the sampling rate adjusting unit may correct by approximating or quantizing the horizontal or vertical angles of the points.
  • the projection unit 49110 may perform sampling correction through coordinate system transformation, projection and index transformation, approximation, or quantization of the point cloud data.
  • a method of transmitting point cloud data according to embodiments includes encoding the point cloud data (S5300) and transmitting a bitstream including the encoded point cloud data (S5310).
  • a method of transmitting point cloud data includes the transmission device 10000 of FIG. 1 , the transmission 20002 of FIG. 2 , the transmission device of FIG. 4 , the transmission device of FIG. 12 , the XR device 1430 of FIG. 14 ,
  • the point cloud data is transmitted by hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to communicate with the transmitter 15000 of FIG. 15 and/or one or more memories. It may correspond to an operation of acquiring, encoding, and transmitting.
  • the step of encoding the point cloud data includes the point cloud video encoder 10002 of FIG. 1, the encoding 20001 of FIG. 2, the encoder of FIG. 4, the transmission device of FIG. 12, the XR device 1430 of FIG. 14,
  • the point cloud data is transmitted by hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to communicate with the transmitter 1500 of FIG. 15 and/or one or more memories. This is the encoding step.
  • the step of transmitting the bitstream including the point cloud data is the transmitter 10003 of FIG. 1 , the transmission processing unit 12012 of FIG. 12 , the XR device 1430 of FIG. 14 , and the transmission device of FIG. 15 ( 1500) and/or the transmission of point cloud data 20002 of FIG. ), which is the same step as the transmission step.
  • Encoding the point cloud data includes encoding a geometry of a point in the point cloud data, and encoding an attribute of a point in the point cloud data.
  • the step of encoding the point cloud data includes the step of projecting a point of the point cloud data, and the step of projecting is a step of converting and expressing the coordinates indicating the position of the point expressed in the first coordinate system into the second coordinate system (50010) and a step of projecting a point based on the coordinates of the point expressed by being transformed into the second coordinate system (50020).
  • the step of transforming the coordinate system 50010 corresponds to the operation performed by the coordinate system transformation unit 49111 according to the embodiments
  • the step of projecting 50020 is an operation performed by the coordinate system projection unit 49112 according to the embodiments.
  • the projecting may further include correcting the point cloud data based on the position of the laser ( 50030 ) and adjusting the sampling rate ( 50040 ).
  • Correcting based on the position of the laser 50030 corresponds to the operation performed by the laser position adjusting unit 49113 according to the embodiments, and adjusting the sampling rate 50040 is the sampling rate adjusting unit according to the embodiments. It may correspond to the operation performed in (49114).
  • the operation corresponding to each step may correspond to the performing operation of the components of the transmitter 49000, and the description of the performed operation of each component will be described with reference to FIGS. 15 to 49 .
  • the step of projecting the point of the point cloud data may further include correcting the horizontal angle of the point based on the horizontal angle of the laser that obtained the point.
  • the horizontal angle of the points may be corrected with the horizontal angle of the laser having a minimum difference from the horizontal angle of the points among the horizontal angles of the plurality of points sampled by the laser. . That is, the horizontal angle of the point can be corrected with the horizontal angle of the laser having the most approximate value to the horizontal angle of the point.
  • the step of correcting the horizontal angle of the points is equal to or greater than the average value of the k-1 th and k th sampling horizontal angles of the laser, and is less than the average value of the k th and k+1 th sampling horizontal angles of the laser.
  • the direction angle can be corrected by the k-th sampling horizontal direction angle of the laser.
  • Such correction of the horizontal angle may be performed by the projection unit 49110 of the transmission apparatus according to the embodiments, and FIG. 38 will explain related contents.
  • 51A and 51B are block diagrams illustrating an apparatus 51000 for receiving point cloud data according to embodiments.
  • the receiving device 51000 includes the receiving device 10004 of FIG. 1 , the receiving device of FIG. 11 , the receiving device of FIG. 13 , the XR device 1430 of FIG. 14 , the receiving device 16000 of FIG. 16 and
  • the point cloud data may be received and decoded by hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to communicate with one or more memories and/or one or more memories.
  • the receiving apparatus 51000 includes a receiver for receiving a bitstream including point cloud data and a decoder for decoding the point cloud data.
  • the decoder may include a geometry decoder for decoding a geometry indicating a position of one or more points of the point cloud data, and an attribute decoder for decoding an attribute of the one or more points.
  • the decoder includes a re-projection unit 51110 for projecting the projected point cloud data.
  • the re-projection unit 51110 may include a coordinate system transformation unit and a coordinate system projection unit.
  • the coordinate system projection unit projects the points of the point cloud data.
  • the coordinate system projection unit may re-convert the point cloud data (X'Y'Z' coordinate system) decoded according to the coordinate conversion type (coordinate_conversion_type) in the three-dimensional space, and the range and scaling information of the projected data (eg, cylinder_center_x /y/z, cylinder_radius_max, cylinder_degree_max, cylinder_z_max, ref_vector_x/y/z, normal_vector_x/y/z, clockwise_degree_flag)
  • coordinate conversion type coordinate conversion type
  • range and scaling information of the projected data eg, cylinder_center_x /y/z, cylinder_radius_max, cylinder_degree_max, cylinder_z_max, ref_vector_x/y/z, normal_vector_x/y/z, clockwise_degree_flag
  • the coordinate system transformation unit is a component that transforms the coordinate system of the point of the point cloud data.
  • a cylindrical coordinate system may be converted into an XYZ rectangular coordinate system (Cartesian coordinate system), and a method used for projection may be obtained by receiving a projection type (projection_type).
  • projection_type a projection type
  • the distribution range of the output point cloud data may be identified through related information (eg, orig_bounding_box_x/y/z_offset, orig_bounding_box_x/y/z_length).
  • the coordinate system transformation unit may determine information on the coordinate system to be converted (eg, cylinder_center_x/y/z, cylinder_radius_max, cylinder_degree_max, cylinder_z_max, ref_vector_x/y/z, normal_vector_x/y/z, clockwise_degree_flag) through the signaling information. .
  • the re-projection unit 51110 may or may not perform coordinate system transformation and projection depending on whether the received point cloud data is projected.
  • the received point cloud data may be point cloud data projected by the transmitter according to the embodiments, or may not be projected.
  • the coordinate system expressing the position of the point of the point cloud data may be at least one of a Cartesian coordinate system, a cylindrical coordinate system, a spherical coordinate system, or a sector-shaped coordinate system, and the position of the point of the point cloud data is expressed by another coordinate system through the transformation of the coordinate system.
  • the position of the point of the point cloud data may be projected based on the value expressed in the changed coordinate system.
  • the projection unit 51110 may further include a laser position adjusting unit (not shown) and a sampling rate adjusting unit (not shown).
  • the laser position adjustment unit performs a correction process based on the characteristics according to the position of the laser on the lidar structure.
  • the laser position adjustment flag (laser_position_adjustment_flag)
  • the laser position adjustment unit may obtain information necessary for correction, such as a laser number (num_laser), r laser (r_laser), z laser (z_laser), theta laser (theta_laser). 21 to 22 describe projection correction in consideration of the position of the laser, and related contents may be performed by the laser position adjusting unit.
  • a sampling rate adjustment unit may perform correction of a sampling rate for each axis.
  • the sampling rate adjuster may receive information on sampling correction (eg, sampling_adjustment_cubic_flag, sampling_adjustment_spread_bbox_flag, sampling_adjustment_type).
  • sampling rate adjusting unit may perform horizontal direction index (azimuth index) or laser index (laser index) conversion with respect to the horizontal direction angle (azimuthal angle) or vertical direction angle (elevation angle). That is, the sampling rate adjusting unit may correct the horizontal angle or vertical angle of the points through approximation or quantization.
  • the re-projection unit 51110 may perform correction through coordinate system transformation, projection and index transformation, approximation, or quantization of the point cloud data.
  • the decoder may further include an index map generator 51120 and a reverse projection unit 51130 .
  • the index map generator 51120 may generate an index map for the restored geometry (location) information.
  • FIG. 24 describes the content of generating a map between the positions of the projected points, the position index, and the decoded positions, and the related content may be performed by the index map generator 51120 .
  • the reverse-projection unit 51130 is configured to change the attribute information restored as an attribute with respect to the projected geometry into a domain for the geometry information restored to the original position.
  • the reverse projection may perform the same projection process of the point cloud data.
  • the inverse projection may convert the position of a point in the point cloud data from the projected coordinate system to the existing coordinate system by using an inverse transformation equation.
  • the decoder may further include an inverse projection unit 51130 that inversely projects the positions of the projected points of the point cloud data.
  • a method for receiving point cloud data may include receiving a bitstream including point cloud data ( S5410 ) and decoding the point cloud data ( S5420 ).
  • the reception method includes the receiving apparatus 10004 of FIG. 1 , the receiving apparatus of FIG. 11 , the receiving apparatus of FIG. 13 , the XR apparatus 1430 of FIG. 14 , the receiving apparatus 16000 of FIG. 16 and/or one
  • the point cloud data may be received and decoded by hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to communicate with the above memories.
  • Receiving the bitstream including the point cloud data includes the receiving device 10004 of FIG. 1 , the receiving device of FIGS. 10 and 11 , the receiving unit 13000 of FIG. 13 , and the xr device 1430 of FIG. 14 .
  • point cloud data by hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to communicate with the receiver 1600 and/or one or more memories of FIG. receive
  • the step of decoding the point cloud data is the point cloud video decoder 10006 of Fig. 1, the receiving device of Figs. 10, 11, and 13, the XR device 1430 of Fig. 14, and the receiving device 1600 of Fig. 16 ) and/or decodes the point cloud data by hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to communicate with one or more memories.
  • the decoding includes decoding a geometry representing a position of a point in the point cloud data, and decoding an attribute of the point.
  • the step of decoding further includes the step of transforming the coordinate system and the step of projecting the coordinate system.
  • the step of transforming the coordinate system may transform the coordinates of the points of the point cloud data.
  • the operation of converting the coordinate system corresponds to the operation performed by the coordinate system transformation unit of the receiving device 51110 .
  • the step of projecting the coordinate system projects the points of the point cloud data.
  • the operation of the step of projecting the coordinate system corresponds to the operation performed by the coordinate system projection unit of the receiver 51110 .
  • the decoding may further include correcting the projection in consideration of the position of the laser and correcting the projection in consideration of the sampling rate.
  • the operation performed in each step corresponds to the operation performed by the laser position adjusting unit (not shown) and the sampling rate adjusting unit (not shown) of the receiving device 51110 according to the embodiments, and related details are omitted above.
  • the decoding may further include inverse projection.
  • attribute information restored as an attribute with respect to the projected geometry is changed to a domain for the restored geometry information.
  • the operation performed in the reverse projection step corresponds to the operation performed by the reverse projection unit 51130 of the receiving apparatus 51110 according to embodiments.
  • the transmission device may rearrange data based on a distribution characteristic of the point cloud data. Accordingly, inefficiently arranged data (eg, a data form with a lower density as it moves away from the center) can be arranged in a uniform distribution through projection, and the data can be compressed and transmitted with higher efficiency.
  • inefficiently arranged data eg, a data form with a lower density as it moves away from the center
  • the data can be compressed and transmitted with higher efficiency.
  • the point cloud data transmission and reception method/device may attribute-coding the point cloud data based on a projection technique, and in this case, a projection coordinate system setting and projection method based on the characteristics of the acquisition device, and/or sampling characteristics It is possible to set parameters in consideration of
  • the transmission and reception method/apparatus according to the embodiments increases the compression performance of data by rearranging data based on the characteristics of the data distribution characteristic/acquisition device based on the combination and/or related signaling information of the embodiments, and , the receiving method/apparatus according to the embodiments may efficiently reconstruct the point cloud data.
  • the projection method according to the embodiments may be applied as a pre/post-processing process independently of attribute coding, and when applied to geometry coding, the prediction-based geometry coding method is based on the pre-processing process of the prediction-based geometry coding method or the transformed position. can be applied.
  • Various components of the apparatus of the embodiments may be implemented by hardware, software, firmware, or a combination thereof.
  • Various components of the embodiments may be implemented with one chip, for example, one hardware circuit.
  • the components according to the embodiments may be implemented with separate chips.
  • at least one or more of the components of the device according to the embodiments may be composed of one or more processors capable of executing one or more programs, and the one or more programs may be implemented Any one or more of the operations/methods according to the examples may be performed or may include instructions for performing the operations/methods.
  • Executable instructions for performing the method/acts of the apparatus according to the embodiments may be stored in non-transitory CRM or other computer program products configured for execution by one or more processors, or one or more may be stored in temporary CRM or other computer program products configured for execution by processors.
  • the memory according to the embodiments may be used as a concept including not only a volatile memory (eg, RAM, etc.) but also a non-volatile memory, a flash memory, a PROM, and the like. Also, it may be implemented in the form of a carrier wave, such as transmission through the Internet.
  • the processor-readable recording medium is distributed in a computer system connected through a network, so that the processor-readable code can be stored and executed in a distributed manner.
  • first, second, etc. may be used to describe various components of the embodiments. However, interpretation of various components according to the embodiments is not limited by the above terms. These terms are only used to distinguish one component from another.
  • the first user input signal may be referred to as a second user input signal.
  • the second user input signal may be referred to as a first user input signal. Use of these terms should be interpreted as not departing from the scope of the various embodiments.
  • both the first user input signal and the second user input signal are user input signals, they do not mean the same user input signals unless the context clearly indicates otherwise.
  • the operations according to the embodiments described in this document may be performed by a transceiver including a memory and/or a processor according to the embodiments.
  • the memory may store programs for processing/controlling operations according to the embodiments, and the processor may control various operations described in this document.
  • the processor may be referred to as a controller or the like.
  • operations may be performed by firmware, software, and/or a combination thereof, and the firmware, software, and/or a combination thereof may be stored in a processor or stored in a memory.
  • the transceiver may include a transceiver for transmitting and receiving media data, a memory for storing instructions (program code, algorithm, flowchart and/or data) for a process according to embodiments, and a processor for controlling operations of the transmitting/receiving device.
  • instructions program code, algorithm, flowchart and/or data
  • a processor may be referred to as a controller or the like, and may correspond to, for example, hardware, software, and/or a combination thereof. Operations according to the above-described embodiments may be performed by a processor.
  • the processor may be implemented as an encoder/decoder or the like for the operation of the above-described embodiments.
  • the embodiments may be applied in whole or in part to a point cloud data transceiver and system.
  • Those skilled in the art can variously change or modify the embodiments within the scope of the embodiments.
  • Embodiments may include changes/modifications without departing from the scope of the claims and what is recognized as equivalent thereto.

Landscapes

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

Abstract

실시예들에 따른 포인트 클라우드 데이터 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 포함할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 수신 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및 상기 포인트 클라우드 데이터를 디코딩하는 디코더;를 포함할 수 있다.

Description

포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
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 데이터 전송장치를 나타내는 블록도의 예시이다.
도 16은 실시예들에 따른 포인트 클라우드 데이터 수신장치를 나타내는 블록도의 예시이다.
도 17은 실시예들에 따른 포인트 클라우드 데이터의 좌표계 변환 과정의 예시를 나타낸다.
도 18은 실시예들에 따른 부채꼴형 좌표계의 예시를 나타낸다.
도 19는 실시예들에 따른 포인트 클라우드 데이터의 좌표계 변환 과정의 예시를 나타낸다.
도 20은 실시예들에 따른 포인트 클라우드 데이터의 좌표계 프로젝션 과정의 예시를 나타낸다.
도 21은 실시예들에 따른 포인트 클라우드 데이터를 획득하는 라이다(Lidar) 구조를 개략적으로 나타낸 것이다.
도 22는 실시예들에 따른 라이다의 헤드 위치 및 레이저의 위치를 나타낸다.
도 23은 실시예들에 따른 프로젝션된 포인트 클라우드 데이터를 나타낸다.
도 24는 실시예들에 따른 인버스 프로젝션에서 포지션 인덱스 정보를 사용하는 방법을 설명하기 위해 도시한 것이다.
도 25a는 실시예들에 따른 부호화된 포인트 클라우드 데이터의 예시를 나타낸다.
도 25b는 실시예들에 따른 시퀀스 파라미터 세트(Sequence Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
도 26은 실시예들에 따른 타일 인벤토리(Tile inventory)의 신택스(Syntax)예시를 나타낸다.
도 27은 실시예들에 따른 제네럴 어트리뷰트 슬라이스 비트스트림(General attribute slice bitstream) 및 어튜리뷰트 슬라이스 헤더(attribute slice header)의 신택스(Syntax) 예시를 나타낸다.
도 28 및 도 29는 실시예들에 따른 프로젝션인포(Projection info)의 신택스(Syntax) 예시를 나타낸다.
도 30은 실시예들에 따른 좌표계 변환에 의한 예측-리프팅(Pred-Lift) 변환 속성 코딩 성능 개선을 나타낸 테이블을 도시한다.
도 31은 실시예들에 따른 좌표계 변환에 의한 RAHT 변환 속성 코딩 성능 개선을 나타낸 테이블을 도시한다.
도 32는 실시예들에 따른 어트리뷰트 파라미트 세트(Attribute Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
도 33은 실시예들에 따른 포인트 클라우드 데이터를 인덱스로 전환하는 예시를 나타낸다.
도 34는 실시예들에 따른 포인트 클라우드 데이터를 근사화하는 방법의 예시를 나타낸다.
도 35는 실시예들에 따른 포인트 클라우드 데이터에 대하여 스케일 팩터 기반의 인덱스 간격 유지 방법의 예시를 나타낸다.
도 36은 실시예들에 따른 포인트 클라우드 데이터에서 레이저 인덱스 기반의 이웃 포인트 탐색 방법 예시를 나타낸다.
도 37은 실시예들에 따른 포인트 클라우드 데이터를 인덱스로 전환하는 예시를 나타낸다.
도 38은 실시예들에 따른 포인트 클라우드 데이터를 근사화하는 방법의 예시를 나타낸다.
도 39는 실시예들에 따른 라이다(Lidar)에 포함된 레이저(laser)들의 수평방향각도가 서로 다른 상태를 나타낸다.
도 40은 실시예들에 따른 포인트 클라우드 데이터의 그룹핑 방법 예시를 나타낸다.
도 41은 실시예들에 따른 시퀀스 파라미터 세트(Sequence Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
도 42는 실시예들에 따른 지오메트리 파라미터 세트(Geometry Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
도 43은 실시예들에 따른 어트리뷰트 파라미터 세트(Attribute Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
도 44는 실시예들에 따른 제네럴 지오메트리 슬라이스 비트스트림(General geometry slice bitstream) 및 지오메트리 슬라이스 헤더(geometry slice header)의 신택스(Syntax) 예시를 나타낸다.
도 45는 실시예들에 따른 제네럴 어트리뷰트 슬라이스 비트스트림(General attribute slice bitstream) 및 어트리뷰트 슬라이스 헤더(attribute slice header)의 신택스(Syntax) 예시를 나타낸다.
도 46 내지 48은 실시예들에 따른 프로젝션인포(projection info)의 신택스(Syntax) 예시를 나타낸다.
도 49a 내지 49b는 실시예들에 따른 포인트 클라우드 데이터 전송장치를 나타내는 블록도 예시이다.
도 50은 실시예들에 따른 포인트 클라우드 데이터 전송방법의 예시를 나타낸다.
도 51a 내지 도 51b는 실시예들에 따른 포인트 클라우드 데이터 수신장치를 나타내는 블록도 예시이다.
도 52는 실시예들에 따른 포인트 클라우드 데이터 수신방법의 예시를 나타낸다.
도 53은 실시예들에 따른 포인트 클라우드 데이터 전송방법의 예시를 나타낸다.
도 54는 실시예들에 따른 포인트 클라우드 데이터 수신방법의 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.
Figure PCTKR2021012840-appb-img-000001
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.
Figure PCTKR2021012840-appb-img-000002
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.다D
Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(40010))는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(40008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다.
Figure PCTKR2021012840-appb-img-000003
는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다.
Figure PCTKR2021012840-appb-img-000004
는
Figure PCTKR2021012840-appb-img-000005
와
Figure PCTKR2021012840-appb-img-000006
로부터 계산될 수 있다.
Figure PCTKR2021012840-appb-img-000007
와
Figure PCTKR2021012840-appb-img-000008
의 가중치는
Figure PCTKR2021012840-appb-img-000009
과
Figure PCTKR2021012840-appb-img-000010
이다.
Figure PCTKR2021012840-appb-img-000011
Figure PCTKR2021012840-appb-img-000012
는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다.
Figure PCTKR2021012840-appb-img-000013
은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는
Figure PCTKR2021012840-appb-img-000014
로 계산된다. 루트 노드는 마지막
Figure PCTKR2021012840-appb-img-000015
과
Figure PCTKR2021012840-appb-img-000016
을 통해서 다음과 같이 생성된다.,
Figure PCTKR2021012840-appb-img-000017
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 1 내지 도 14에서 설명한 것과 같이 포인트 클라우드 데이터는 포인트들의 집합으로 구성되며, 각 포인트는 지오메트리 데이터(지오메트리 정보)와 어트리뷰트 데이터(어트리뷰트 정보)를 가질 수 있다. 지오메트리 데이터는 각 포인트의 3차원 위치 정보(예를 들어, x, y, z축의 좌표값)이다. 즉, 각 포인트의 위치는 3차원 공간을 나타내는 좌표계상의 파라미터들(예를 들면 공간을 나타내는 3개의 축인 X축, Y축 및 Z축의 파라미터들 (x, y, z))로 표현된다. 그리고, 어트리뷰트 정보는 포인트의 색상(RGB, YUV 등), 반사도(reflectance), 법선(normal vectors), 투명도(transparency) 등을 의미할 수 있다. 어트리뷰트 정보는 스칼라 또는 벡터 형태로 표현될 수 있다.
실시예들에 따르면, 포인트 클라우드 데이터의 종류 및 취득 방법에 따라 정적 포인트 클라우드 데이터의 카테고리 1, 동적 포인트 클라우드 데이터의 카테고리 2, 동적으로 움직이면서 취득한 카테고리 3으로 포인트 클라우드 데이터를 분류할 수 있다. 카테고리 1의 경우, 오브젝트나 공간에 대해 포인트들의 밀도가 높은 단일 프레임의 포인트 클라우드로 구성된다. 카테고리 3 데이터는 이동하면서 취득된 다수개의 프레임들을 갖는 프레임-기반 데이터 및 대규모 공간에 대해 라이다 센서를 통해 취득된 포인트 클라우드와 2D 영상으로 취득된 색상 영상이 정합된 단일 프레임의 융합된(fused) 데이터로 구분될 수 있다.
도 15는 실시예들에 따른 포인트 클라우드 데이터 전송방법을 나타내는 블록도의 예시이다. 본 실시예는 포인트 클라우드 데이터의 어트리뷰트 압축을 위한 전처리로써 포인트 클라우드 데이터의 프로젝션 과정을 수행할 수 있다. 즉, 입력된 포인트 클라우드 데이터의 지오메트리 정보를 인코딩한다. lossy coding의 경우, 지오메트리 디코딩 및 리컬러링(recolouring)을 통해 어트리뷰트 정보를 변경된 지오메트리 정보와 매칭 한다. 이후 어트리뷰트 인코딩을 진행하는데, 지오메트리 정보의 변경을 통해 어트리뷰트 인코딩 효율이 높아지는 경우, (e.g. 라이다 데이터처럼 일정한 패턴의 데이터가 획득된 경우) 전처리로써 포인트 클라우드 데이터 프로젝션을 수행할 수 있다.
이 도면은 실시예들에 따른 포인트 클라우드 데이터 전송장치(예를 들어, 도 1, 도 2, 도 4, 도 11 또는 도 12의 포인트 클라우드 데이터 전송장치)의 포인트 클라우드 데이터 전송방법(15000)을 나타낸다. 실시예들에 따른 포인트 클라우드 데이터 전송장치는 도 1 내지 도 14 에서 설명한 인코딩 동작과 동일 또는 유사한 동작을 수행할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송방법(15000)은 포인트 클라우드 데이터의 지오메트리 정보를 인코딩하는 단계 및 포인트 클라우드 데이터의 어트리뷰트 정보를 인코딩하는 단계를 포함한다. 또한, 전송방법(15000)은 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함한다. 어트리뷰트 정보를 인코딩하는 단계는 지오메트리 정보의 프로젝션 여부를 결정하는 단계와 지오메트리 정보를 프로젝션하는 단계를 포함할 수 있다(15001).
실시예들에 따른 포인트 클라우드 데이터 전송장치는 포인트 클라우드 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 전송장치는 포인트 클라우드 데이터의 하나 또는 그 이상의 포인트들의 포지션을 나타내는 지오메트리를 인코딩하는 지오메트리 인코더 및 하나 또는 그 이상의 포인트들의 어트리뷰트를 인코딩하는 어트리뷰트 인코더를 포함한다. 실시예들에 따른 포인트 클라우드 데이터 전송장치는 지오메트리 인코더 및 어트리뷰트 인코더 중 적어도 어느 하나를 위해 포인트들의 포지션을 프로젝션하는 프로젝션부를 더 포함할 수 있다. 실시예들에 따른 지오메트리 인코더는 도 1 내지 도 14 에서 설명한 지오메트리 인코딩 동작과 동일 또는 유사한 동작을 수행할 수 있다. 실시예들에 따른 어트리뷰트 인코더는 도 1 내지 도 14 에서 설명한 어트리뷰트 인코딩 동작과 동일 또는 유사한 동작을 수행할 수 있다. 실시예들에 따른 프로젝션부는 후술하는 도 16 내지 도 54 에서 설명한 프로젝션 동작을 수행할 수 있다.
실시예들에 따른 프로젝션 과정은 제 1 좌표계로 표현되는 포인트들의 포지션을 나타내는 좌표를 제 2 좌표계로 변환하여 표현하는 과정 및 제 2 좌표계로 변환되어 표현된 포인트들의 포지션을 나타내는 좌표를 기반으로 포인트들의 포지션을 프로젝션하는 과정을 포함할 수 있다. 도 15의 프로젝션 단계(15001)는 상술한 제 1 좌표계로 표현되는 포인트들의 포지션을 나타내는 좌표를 제 2 좌표계로 변환하여 표현하는 과정을 포함할 수 있다. 도 15의 프로젝션 단계(15001)는 상술한 제 2 좌표계로 변환되어 표현된 포인트들의 포지션을 나타내는 좌표를 기반으로 포인트들의 포지션을 프로젝션하는 과정을 포함할 수 있다. 실시예들에 따른 제 1 좌표계 및 제 2 좌표계는 후술하는 도 16 내지 도 54에서 설명한 제 1 좌표계 및 제 2 좌표계와 동일 또는 유사하다. 실시예들에 따른 제 1 좌표계는 데카르트 좌표계(cartesian coordinate)를 포함하고, 제 2 좌표계는 구면 좌표계(spherical coordinate) 또는 원기둥 좌표계(cylindrical coordinate) 또는 부채꼴형 좌표계를 포함할 수 있다. 실시예들에 따른 포인트들의 포지션을 프로젝션하는 과정은 제 2 좌표계로 변환되어 표현된 포인트들의 포지션을 나타내는 좌표 및 스케일 값을 기반으로 할 수 있다. 실시예들에 따른 스케일 값은 후술하는 도 16 내지 도 54에서 설명한 각 축에 대한 스케일 값과 동일 또는 유사하다.
실시예들에 따른 포인트 클라우드 데이터 전송장치는 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송할 수 있다. 실시예들에 따른 비트스트림은 프로젝션 과정에 관한 시그널링 정보를 포함할 수 있다.
도 16은 실시예들에 따른 포인트 클라우드 데이터 수신방법(16000)을 나타내는 블록도의 예시이다. 수신방법(16000)은 지오메트리 정보를 디코딩한 후 어트리뷰트 정보를 디코딩한다. 전송측에서 프로젝션이 수행된 경우 어트리뷰트 디코딩의 결과는 프로젝션된 포인트 클라우드 데이터에 매칭되는 정보에 해당한다. 따라서, 어트리뷰트 디코딩의 전처리 과정으로써 디코딩된 지오메트리 정보에 대한 프로젝션을 수행하고, 디코딩된 어트리뷰트 정보를 프로젝션된 지오메트리 정보에 매칭할 수 있다. 프로젝션 공간에서 지오메트리와 어트리뷰트가 매칭된 포인트 클라우드 데이터는 역프로젝션 과정으로 원래 공간 위치로 변환될 수 있다.
이 도면은 실시예들에 따른 포인트 클라우드 데이터 수신장치(예를 들어, 도 1, 도 2, 도 10 및 도 13의 포인트 클라우드 데이터 수신장치)의 포인트 클라우드 데이터 수신방법을 나타낸다. 실시예들에 따른 포인트 클라우드 데이터 수신장치는 도 1 내지 도 35 에서 설명한 디코딩 동작과 동일 또는 유사한 동작을 수행할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신방법(16000)은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함한다. 실시예들에 따른 비트스트림은 인버스 프로젝션 과정에 관한 시그널링 정보를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신방법(16000)은 포인트 클라우드 데이터를 디코딩한다. 상세하게는, 수신방법(16000)은 포인트 클라우드 데이터의 지오메트리 정보를 디코딩하는 단계 및 어트리뷰트 정보를 디코딩하는 단계를 포함한다. 수신방법(16000)은 포인트 클라우드 데이터를 디코딩하여 복원하는 과정에서 지오메트리 정보를 프로젝션하는 단계(16001) 및 역프로젝션하는 단계(16002)를 포함할 수 있다. 이때, 프로젝션하는 단계(16001) 및 역프로젝션하는 단계(16002)는 실시예들에 따른 전송장치로부터 전달된 시그널링 정보를 기반으로 수행될 수 있다.
상술한 수신방법(16000)과 대응하는 장치의 관점에서 설명하면, 실시예들에 따른 포인트 클라우드 데이터 수신장치는 포인트 클라우드 데이터를 디코딩할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신장치는 포인트 클라우드 데이터의 하나 또는 그 이상의 포인트들의 포지션을 나타내는 지오메트리를 디코딩하는 지오메트리 디코더 및 하나 또는 그 이상의 포인트들의 어트리뷰트를 디코딩하는 어트리뷰트 디코더를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신장치는 지오메트리 디코더 및 어트리뷰트 디코더 중 적어도 어느 하나를 위해 포인트들의 포지션을 역프로젝션하는 역프로젝션부를 더 포함할 수 있다. 실시예들에 따른 지오메트리 디코더는 도 1 내지 도 54 에서 설명한 지오메트리 디코딩 동작과 동일 또는 유사한 동작을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코더는 도 1 내지 도 54 에서 설명한 어트리뷰트 인코딩 동작과 동일 또는 유사한 동작을 수행할 수 있다. 실시예들에 따른 역프로젝션부는 도 15 내지 도 54 에서 설명한 역프로젝션부의 동작과 동일 또는 유사한 동작을 수행할 수 있다.
실시예들에 따른 역프로젝션 과정은, 포인트들의 포지션을 나타내는 좌표를 기반으로 포인트들의 포지션을 인버스 프로젝션하는 과정 및 제 2 좌표계로 표현된 포인트들의 포지션을 나타내는 좌표를 제 1 좌표계로 변환하여 표현하는 과정을 포함할 수 있다. 상술한 역프로젝션된 포인트들의 포지션을 나타내는 좌표는 제 1 좌표계로 표현될 수 있다. 도 51b의 좌표계 역프로젝션부(51130)는 포인트들의 포지션을 나타내는 좌표를 기반으로 포인트들의 포지션을 역프로젝션하는 과정을 수행할 수 있다. 도 51b의 역프로젝션부(51130)는 제 2 좌표계로 표현된 포인트들의 포지션을 나타내는 좌표를 제 1 좌표계로 변환하여 표현하는 과정을 수행할 수 있다. 실시예들에 따른 제 1 좌표계 및 제 2 좌표계는 도 15 내지 도 54에서 설명한 제 1 좌표계 및 제 2 좌표계와 동일 또는 유사할 수 있다. 실시예들에 따른 제 1 좌표계는 데카르트 좌표계(cartesian coordinate)를 포함하고, 제 2 좌표계는 구면 좌표계(spherical coordinate), 원기둥 좌표계(cylindrical coordinate) 또는 부채꼴형 좌표계를 포함할 수 있다. 또한, 제2좌표계는 부채꼴형 구면 좌표계와 부채꼴형 원기둥 좌표계를 포함할 수 있다. 실시예들에 따른 포인트들의 포지션을 역프로젝션하는 과정은, 제 2 좌표계로 표현된 포인트들의 포지션을 나타내는 좌표 및 스케일 값을 기반으로 할 수 있다.
도 17은 실시예들에 따른 포인트 클라우드 데이터의 좌표계 변환 과정의 예시를 나타낸다.
이 도면은, 실시예들에 따른 포인트 클라우드 데이터 전송장치(예를 들어, 도 1의 포인트 클라우드 비디오 인코더(10002), 도 15의 전송방법(15000)의 프로젝션 과정(15001)의 예시이다.
실시예들에 따른 포인트 클라우드 데이터 전송장치(예를 들어, 도 1의 포인트 클라우드 비디오 획득부(10001))는 포인트 클라우드 비디오(예를 들어, 도 1의 포인트 클라우드 비디오)를 획득할 수 있다. 실시예들에 따른 전송장치는 라이다(LiDAR)를 사용하여 포인트 클라우드 비디오를 획득할 수 있다. 실시예들에 따른 전송장치는 라이다(LiDAR)를 사용하여 아웃 워드 페이싱 방식(예를 들어, 도 3의 아웃 워드 페이싱 방식)을 통해 포인트 클라우드 비디오를 획득할 수 있다.
실시예들에 따른 라이다를 통해 획득한 포인트 클라우드 데이터는 라이다 데이터(LiDAR data)로 호칭될 수 있다. 도23의 좌측에 도시면 도면(23001)은 라이다 데이터의 예시를 나타낸다. 실시예들에 따른 라이다는 도18의 좌측도면(18001), 도21 및 도22에 개략적인 구조가 도시된다. 실시예들에 따른 라이다는 회전하는 라이다 헤더(LiDAR header)에 배열된 하나 또는 그 이상의 레이저들(lasers)에서 방출된 빛의 반사를 기반으로 라이다 데이터를 획득할 수 있다. 따라서, 실시예들에 따른 라이다 데이터는 원기둥(cylinder) 또는 구(sphere) 형태일 수 있다. 하나 또는 그 이상의 레이저들이 방출하는 광선(light ray)간의 거리는 라이다로부터 멀어질수록 커진다. 따라서, 실시예들에 따른 라이다 데이터는 라이다 헤더로부터 멀어질수록 포인트들이 희소(sparse)하게 분포하는 원기둥 형태일 수 있다. 포인트들의 분포가 고르지 않은 지오메트리를 기반으로 인코딩 과정을 수행할 경우, 코딩 효율이 떨어질 수 있다. 예를 들어, 실시예들에 따른 전송장치는 포인트들의 분포가 고르지 않은 지오메트리를 기반으로 인코딩 과정을 수행할 경우, 특정 포인트로부터 가까운 거리에 분포하는 포인트들을 탐색하지 못할 수 있다.
따라서, 실시예들에 따른 전송장치는 포인트 클라우드 데이터(예를 들어, 라이다 데이터)의 포인트들을 프로젝션(포지션을 컨버젼)하여 포인트 클라우드 데이터의 포인트들의 분포를 균일하게 할 수 있다.
도 17은 실시예들에 따른 전송장치(예를 들어, 도 49a) 또는 전송방법(도15)에서 프로젝션 과정을 수행하기 위해 좌표계를 변환하는 것을 나타낸다. 즉, 도17은 제 1 좌표계(예를 들어, 직교 좌표계(17001))로 표현되는 포인트들의 포지션을 나타내는 좌표를 제 2 좌표계(예를 들어, 구면 좌표계(17003)(spherical coordinates) 또는 원기둥 좌표계(17002)(cylindrical coordinates))로 변환하여 표현하는 과정을 나타낸다. 실시예들에 따른 전송장치가 획득한 포인트 클라우드 데이터(예를 들어, 라이다 데이터)의 포인트들의 포지션은 직교 좌표계(cartesian coordinates)를 통해 표현될 수 있다. 따라서, 실시예들에 따른 전송장치가 획득한 포인트 클라우드 데이터의 포인트들의 포지션은 직교 좌표계를 나타내는 파라미터들(예를 들어, x축, y축 및 z축 각각의 좌푯값)로 표현될 수 있다. 실시예들에 따른 전송장치는 직교 좌표계로 표현되는 포인트들의 포지션을 나타내는 좌표를 원기둥 좌표계 또는 구면 좌표계로 변환하여 표현할 수 있다.
실시예들에 따른 전송장치는 직교 좌표계로 표현되는 포인트들의 포지션을 나타내는 좌표를 원기둥 좌표계로 변환하여 표현할 수 있다. 즉, 실시예들에 따른 전송장치는 직교 좌표계를 나타내는 파라미터들(예를 들어, x축, y축 및 z축 각각의 좌표값)로 표현된 포인트들의 포지션을 나타내는 좌표를 원기둥 좌표계를 나타내는 파라미터들(예를 들어, r값, θ값 및 z값)로 변환하여 표현할 수 있다. 예를 들어, 전송장치가 직교 좌표계의 x축 값, y축 값 및 z축 값을 원기둥 좌표계의 r값, θ값 및 z값으로 변환하는 과정은 다음과 같다.
Figure PCTKR2021012840-appb-img-000018
실시예들에 따른 전송장치는 직교 좌표계로 표현되는 포인트들의 포지션을 나타내는 좌표를 구면 좌표계로 변환하여 표현할 수 있다. 즉, 실시예들에 따른 전송장치는 직교 좌표계를 나타내는 파라미터들(예를 들어, x축, y축 및 z축 각각의 좌푯값)로 표현된 포인트들의 포지션을 나타내는 좌표를 구면 좌표계를 나타내는 파라미터들(예를 들어, ρ값, Φ값 및 θ값)로 변환하여 표현할 수 있다. 예를 들어, 전송장치가 직교 좌표계의 x축 값, y축 값 및 z축 값을 원기둥 좌표계의 ρ값, Φ값 및 θ값 으로 변환하는 과정은 다음과 같다.
Figure PCTKR2021012840-appb-img-000019
실시예들에 따른 프로젝션 과정(도15, 15001)은 좌표계를 변환하여 표현하는 과정 및 변환되어 표현된 포인트들의 포지션을 나타내는 좌표를 기반으로 포인트들의 포지션을 프로젝션하는 과정을 포함할 수 있다. 실시예들에 따른 프로젝션 과정은 실시예들에 따른 전송장치(도49a)의 프로젝션부(49110)에서 수행될 수 있다.
도 18은 실시예들에 따른 부채꼴형 좌표계의 예시를 나타낸다.
실시예들에 따른 부채꼴형 좌표계들은 원기둥 좌표계, 구면 좌표계에 더하여 좌표계 변환의 추가적인 옵션이 될 수 있다. 부채꼴형 좌표계들은 라이더에 수직으로 배열된 레이저들이 수평으로 회전하면서 데이터를 획득하는 특성을 고려한 것이다. 레이저들은 라이더 헤드에 일정한 각도로 수직 배치되며 수직 축을 중심으로 수평으로 회전하여 데이터를 획득한다. 데이터 획득 범위를 넓히기 위해, 배치된 레이저들은 방사형으로 퍼지도록 배치되는 경우가 많다. 이를 고려한 부채꼴형 좌표계는 원기둥 또는 구면의 중심 축 상의 한 점을 중심으로 변환하기 위한 것이다. 부채꼴형 좌표계의 모양은 수직 축 상에 부채꼴의 원점을 두고 세로로 세워진 부채꼴 평면이 수직 축을 기준으로 수평 회전하면서 원기둥 또는 구형 모양과 겹치는 부분으로 형성된다. 부채꼴 원통형 좌표계와 부채꼴 구형 좌표계에서 높이(elevation) 방향은 일정 범위로 제한될 수 있다.
도 19는 실시예들에 따른 포인트 클라우드 데이터의 부채꼴형 좌표계 변환 과정의 예시를 나타낸다. 도 19는 실시예들에 따른 전송장치(예를 들어, 도 49a) 또는 전송방법(도15)에서 프로젝션 과정을 수행하기 위해 좌표계를 변환하는 것을 나타낸다. 즉, 도19은 제 1 좌표계(예를 들어, 직교 좌표계(19001))로 표현되는 포인트들의 포지션을 나타내는 좌표를 제 2 좌표계(예를 들어, 부채꼴 구면 좌표계(19003)) 또는 부채꼴 원기둥 좌표계(19002)(cylindrical coordinates))로 변환하여 표현하는 과정을 나타낸다. 실시예들에 따른 전송장치가 획득한 포인트 클라우드 데이터(예를 들어, 라이다 데이터)의 포인트들의 포지션은 직교 좌표계(cartesian coordinates)를 통해 표현될 수 있다. 따라서, 실시예들에 따른 전송장치가 획득한 포인트 클라우드 데이터의 포인트들의 포지션은 직교 좌표계를 나타내는 파라미터들(예를 들어, x축, y축 및 z축 각각의 좌푯값)로 표현될 수 있다. 실시예들에 따른 전송장치는 직교 좌표계로 표현되는 포인트들의 포지션을 나타내는 좌표를 부채꼴 원기둥 좌표계 또는 부채꼴 구면 좌표계로 변환하여 표현할 수 있다.
실시예들에 따른 전송장치는 직교 좌표계로 표현되는 포인트들의 포지션을 나타내는 좌표를 부채꼴 원기둥 좌표계로 변환하여 표현할 수 있다. 즉, 실시예들에 따른 전송장치는 직교 좌표계를 나타내는 파라미터들(예를 들어, x축, y축 및 z축 각각의 좌표값)로 표현된 포인트들의 포지션을 나타내는 좌표를 부채꼴 원기둥 좌표계를 나타내는 파라미터들(예를 들어, r값, θ값 및 Φ값)로 변환하여 표현할 수 있다. 예를 들어, 전송장치가 직교 좌표계의 x축 값, y축 값 및 z축 값을 부채꼴 원기둥 좌표계의 r값, θ값 및 Φ값으로 변환하는 과정은 다음과 같다.
Figure PCTKR2021012840-appb-img-000020
실시예들에 따른 전송장치는 직교 좌표계로 표현되는 포인트들의 포지션을 나타내는 좌표를 부채꼴 구면 좌표계로 변환하여 표현할 수 있다. 즉, 실시예들에 따른 전송장치는 직교 좌표계를 나타내는 파라미터들(예를 들어, x축, y축 및 z축 각각의 좌푯값)로 표현된 포인트들의 포지션을 나타내는 좌표를 부채꼴 구면 좌표계를 나타내는 파라미터들(예를 들어, ρ값, θ값 및 Φ값)로 변환하여 표현할 수 있다. 예를 들어, 전송장치가 직교 좌표계의 x축 값, y축 값 및 z축 값을 원기둥 좌표계의 ρ값, θ값 및 Φ값 으로 변환하는 과정은 다음과 같다.
Figure PCTKR2021012840-appb-img-000021
실시예들에 따른 프로젝션 과정(도15, 15001)은 좌표계를 변환하여 표현하는 과정 및 변환되어 표현된 포인트들의 포지션을 나타내는 좌표를 기반으로 포인트들의 포지션을 프로젝션하는 과정을 포함할 수 있다. 실시예들에 따른 프로젝션 과정은 실시예들에 따른 전송장치(도49a)의 프로젝션부(49110)에서 수행될 수 있다.
좌표계의 변환은 좌표계 선택 단계와 좌표계 변환 적용 단계를 포함할 수 있다. 좌표계 선택 단계는 좌표계 변환 정보를 유도한다. 좌표계 변환 정보는 좌표계 변환 여부 또는 좌표계 정보를 포함할 수 있다. 좌표계 변환 정보는 시퀀스, 프레임, 타일, 슬라이스, 블록 등의 단위로 시그널링 될 수 있다. 또한, 좌표계 변환 정보는 주변 블록의 좌표계 변환 여부, 블록의 크기, 포인트의 개수, 양자화 값, 블록 분할 깊이, 단위의 위치, 단위와 원점과의 거리 등을 기초로 유도될 수 있다.
좌표계 변환 적용 단계는 좌표계 선택 단계에서 선택된 좌표계를 기초로 좌표계를 변환하는 단계이다. 좌표계 변환 적용 단계는 좌표계 변환 정보를 기초로 하여 좌표계 변환을 수행 할 수 있다. 또는, 좌표계 변환 여부 정보를 기초로 하여 좌표계 변환을 수행 하지 않을 수 있다.
도 20은 실시예들에 따른 포인트 클라우드 데이터의 좌표계 프로젝션 예시를 나타낸다. 실시예들에 따른 포인트 클라우드 데이터 전송장치(예를 들어, 도 1의 포인트 클라우드 비디오 인코더(10002))의 포인트 클라우드 데이터 프로젝션 예시이다.
변환된 좌표계로 표현된 포인트 클라우드 데이터를 압축하기 위해서 압축 가능한 형태로 프로젝션이 필요하다. 도 20은 실시예들에 따른 부채꼴 원통형 또는 부채꼴 구형으로 표현된 좌표계를 사각 기둥 공간으로 변환하는 과정을 나타낸 것이다. 부채꼴 원기둥 또는 부채꼴 구형으로 표현된 좌표계 (r, θ, Φ) 또는 (ρ, θΦ) 를 (X', Y', Z')으로 변환한다. 도면에서 (x_max, y_max, z_max) 및 (x_min, y_min, z_min)는 각 축 값의 최대와 최소를 나타낸다. (r, θ,Φ) 또는 (ρ, θ,Φ)는 X', Y', Z' 각 축과 일대일 대응하거나 별도의 변환이 적용될 수 있다. 부채꼴 원기둥 좌표계의 경우, Φ의 범위가 한정되는데 탄젠트(tangent)를 이용하여 Z' 축에 대해 매핑된 값들을 모아주면 압축 효율이 증가할 수 있다.
한편, 도20에서 직교 좌표계로 표현되는 포인트들의 포지션을 나타내는 좌표가 부채꼴 원기둥 좌표계(20001) 또는 부채꼴 구형 좌표계(20002)로 변환되면, 실시예들에 따른 전송장치(예를 들어, 프로젝션부(49110))는 변환되어 표현된 좌표를 기반으로 포인트들을 프로젝션(포지션을 컨버전)할 수 있다. 예를 들어, 전송장치는 부채꼴 원기둥 좌표계로 표현된 좌표의 r값, θ값 및 φ 값 각각에 직교 좌표계의 각 축을 대응시켜 포인트들의 포지션을 컨버전할 수 있다. 실시예들에 따른 전송장치는 프로젝션된 포인트들의 포지션을 나타내는 좌표를 새로운 좌표계로 표현할 수 있다. 예를 들어, 전송장치는 프로젝션된 포인트들의 포지션을 나타내는 좌표를 새로운 직교 좌표계를 나타내는 파라미터들(예를 들어, X'축, Y'축 및 Z'축 각각의 좌표값)로 표현할 수 있다. 실시예들에 따른 새로운 직교 좌표계는 제 3 좌표계로 호칭될 수 있다. 실시예들에 따른 새로운 직교 좌표계는, 원점 (0,0,0), 극점 (r_max(예를 들어, r의 최대값), 360°(예를 들어, 2∏ [rad]에 해당하는 값), z_max(예를 들어, z의 최대값)), X'축, Y'축 및 Z'축을 포함할 수 있다. 실시예들에 따른 새로운 직교 좌표계의 X'축, Y'축 및 Z'축은 원점 (0,0,0)에서 서로 직교(orthogonal)할 수 있다. 실시예들에 따른 전송장치에서 포인트들을 프로젝션하는(포지션을 컨버전하는) 과정은 다음과 같다.
1) 부채꼴 원통형 좌표계 프로젝션1
Figure PCTKR2021012840-appb-img-000022
2) 부채꼴 원통형 좌표계 프로젝션2
삼각함수 계산을 최소화하여 계산의 편의성을 고려한 방법이다.
Figure PCTKR2021012840-appb-img-000023
아래는, 부채꼴 구형 좌표계에 대해서도 유사하게 프로젝션할 수 있다.
1) 부채꼴 구형 좌표계 프로젝션1
Figure PCTKR2021012840-appb-img-000024
2) 부채꼴 구형 좌표계 프로젝션2
Figure PCTKR2021012840-appb-img-000025
위 수식에서
Figure PCTKR2021012840-appb-img-000026
는 변환되기 전 좌표계에서 중심 위치(center position)를 나타내며, 라이다의 헤드 위치(head position)(예를 들어, world coordinate system에서 xyz 좌표)를 의미할 수 있다.
이하, 라이다의 레이저 위치를 고려한 프로젝션 보정에 대하여 설명한다.
레이저 위치를 고려한 프로젝션 보정은 도1의 전송장치(10000), 도 4의 전송장치, 도 12의 전송장치, 도 14의 XR 장치(1430), 도15의 전송장치(15000), 도49의 전송장치(49000) 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. 상세하게는, 실시예들에 따른 전송장치(49000)의 프로젝션부(49110)에서 수행될 수 있다.
또한, 레이저 위치를 고려한 프로젝션 보정은 도1의 수신장치(10004), 도 11의 수신장치, 도 13의 수신장치, 도 14의 XR 장치(1430), 도16의 수신장치(16000), 도51의 수신장치(51000) 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. 상세하게는, 실시예들에 따른 수신장치(51000)의 리프로젝션부(51110)에서 수행될 수 있다.
도 21은 실시예들에 따른 포인트 클라우드 데이터를 획득하는 라이다(Lidar) 구조를 개략적으로 나타낸 것이다. 라이다의 구조는 라이다 헤드(LiDAR head)에 복수의 레이저가 수직 방향으로 배열된다. 또한, 도 21의 좌측 도면처럼, 더 많은 포인트 클라우드 데이터를 획득하기 위해 라이다 헤드의 상부와 하부에 각각 레이저가 배치될 수 있다. 이때, 레이저들 간 위치 차이가 발생하며 프로젝션의 정확도의 저하 원인이 될 수 있다. 따라서, 레이저의 위치를 고려하여 프로젝션을 보정하는 방법이 사용될 수 있다.
도 22는 실시예들에 따른 라이다의 헤드 위치 및 레이저의 상대적 위치를 나타낸다. 도 22에서 수직으로 배열된 레이저의 위치는 헤드 위치
Figure PCTKR2021012840-appb-img-000027
로부터 수평 방향으로
Figure PCTKR2021012840-appb-img-000028
, 수직 방향으로
Figure PCTKR2021012840-appb-img-000029
만큼 떨어진 곳에 위치한다. 헤드 위치를 (0, 0, 0)으로 가정하면, 레이저는 xyz 좌표계 상에서
Figure PCTKR2021012840-appb-img-000030
에 위치하고,
Figure PCTKR2021012840-appb-img-000031
은 다음과 같이
Figure PCTKR2021012840-appb-img-000032
과의 관계식으로 구할 수 있다.
Figure PCTKR2021012840-appb-img-000033
라이다의 구조를 알 경우,
Figure PCTKR2021012840-appb-img-000034
을 직접적으로 시그널링 하거나 구할 수 있다.
전술한 것과 같이 레이저의 상대적인 위치를 고려할 경우, 아래 수식을 통해 각 레이저의 시점이 헤드 위치에서 시작하는 효과가 있다.
1) 레이저의 위치를 고려한 부채꼴 원통형 좌표계 변환
Figure PCTKR2021012840-appb-img-000035
2) 레이저의 위치를 고려한 부채꼴 구형 좌표계 변환
Figure PCTKR2021012840-appb-img-000036
이하, 라이다의 샘플링 특성을 고려한 프로젝션 보정에 대하여 설명한다.
샘플링 특성을 고려한 프로젝션 보정은 도1의 전송장치(10000), 도 4의 전송장치, 도 12의 전송장치, 도 14의 XR 장치(1430), 도15의 전송장치(15000), 도49의 전송장치(49000) 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. 상세하게는, 실시예들에 따른 전송장치(49000)의 프로젝션부(49110)에서 수행될 수 있다.
또한, 샘플링 특성을 고려한 프로젝션 보정은 도1의 수신장치(10004), 도 11의 수신장치, 도 13의 수신장치, 도 14의 XR 장치(1430), 도16의 수신장치(16000), 도51의 수신장치(51000) 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. 상세하게는, 실시예들에 따른 수신장치(51000)의 리프로젝션부(51110)에서 수행될 수 있다.
프로젝션된 포인트 클라우드 데이터를 포인트 클라우드 압축에 사용하기 위해서 추가 보정이 필요할 수 있다. 포인트 클라우드 압축은 몰톤 코드 정렬(Morton code sorting)이 사용될 경우 X, Y, Z데이터가 모두 양의 정수임을 가정한다. 따라서, 프로젝션된 포인트 클라우드 데이터가 모두 양의 정수의 값을 갖도록 변환될 필요가 있고, 이를 위해 복셀화(voxelization) 과정이 수행될 수 있다. 이때, 모든 포인트들을 구별할 수 있는 경우, 이상적인 무손실 압축이 가능하지만 포인트들 간의 거리가 작은 경우 복셀화(voxelization) 과정에서 손실이 발생할 수 있으므로 압축 성능 향상을 위한 보정이 필요하다. 이 때, 포인트 클라우드 프로젝션 값의 범위와 데이터 획득 장치의 특성을 고려할 수 있다. r 또는 ρ는 중심으로부터 거리를 나타내므로 0 이상의 값을 갖고, 레이저의 거리에 따른 분해능과 획득 장치의 해석 능력에 따라 빈도가 결정될 수 있다. θ는 수직 축을 중심으로 회전할 때의 수평방향각도를 나타내며, 통상의 라이다에서 0 내지 360도의 범위를 가질 수 있고, 빈도는 라이다가 회전하면서 1도 당 획득하는 데이터의 양에 따라 결정 된다. φ는 수직 축 방향의 각도를 나타내고, 단일 레이저 각도와 연관성이 크기 때문에 -∏/2 내지 ∏/2의 범위를 가질 수 있으며, 레이저의 개수, 레이저의 수직 위치, 레이저의 정확도 등에 의해 데이터의 빈도가 결정될 수 있다. 다음은 전술한 특성을 바탕으로 프로젝션을 보정하기 위한 방법을 제시한다. 이때, 각 축에 대한 보정을 스케일팩터(scaling factor)로 정의할 수 있다. 이하, r, θ, φ에 대한 스케일링(scaling)을 설명하며, 적용 방법은 ρ, θ, φ 또는 다른 프로젝션 방법에 대하여 동일하게 적용될 수 있다.
Figure PCTKR2021012840-appb-img-000037
일 실시예로서, 포인트 클라우드 데이터 획득 장치의 기계적인 특성을 기반으로 스케일링팩터(scaling factor)가 정의될 수 있다. 예를 들어, N개의 레이저가 수직으로 배열 된 장치가 수평 방향으로 회전할 때 각도 1도 당 M번의 레이저 반사광을 검출하고, 각 레이저 광원이 생성하는 스팟(spot)의 반경이 D로 주어진 경우, 다음과 같이 스케일링팩터(scaling factor)가 정의될 수 있다.
Figure PCTKR2021012840-appb-img-000038
는 상수를 나타낸다.
Figure PCTKR2021012840-appb-img-000039
일 실시예로서, 하나의 레이저 광원 당 획득되는 데이터 사이의 최소 거리를 수직 방향, 수평 방향 및 지름 방향으로 알 경우, 다음과 같은 스케일링팩터(scaling factor)가 정의될 수 있다. 이때,
Figure PCTKR2021012840-appb-img-000040
는 각각 반지름이 증가하는 방향, 회전 수평 방향, 수직 방향에 대한 거리를 나타내며, min( )는 포인트 클라우드 데이터 내에서 최소값 또는 물리적 특성에 따른 최소값을 나타낼 수 있다.
Figure PCTKR2021012840-appb-img-000041
일 실시예로서, 각 축의 밀도에 대한 함수로 스케일링팩터(scaling factor)가 정의될 수 있다. 즉, 단위 길이 당 밀도가 높은 축에 큰 스케일링팩터를 할당하고, 단위 길이당 밀도가 낮은 축에는 상대적으로 작은 스케일링팩터를 할당할 수 있다. 예를 들어, 각 축에 평행한 방향으로의 최대 포인트의 수를 N 이라고 하고, 각 축의 길이를 D 이라고 할 때 다음과 같이 스케일링팩터(scaling factor)가 정의될 수 있다.
Figure PCTKR2021012840-appb-img-000042
일 실시예로서, 중요도에 따라 서로 다른 스케일링팩터가 정의될 수 있다. 예를 들어, 원점으로부터 가까울수록 중요한 정보로 고려할 수 있으며, 이처럼 원점(또는, 중심)으로부터의 거리에 따라 가중치를 다르게 적용할 수 있다. 또한, 수평 또는 수직 방향 각도에 대하여 전방에 있는 정보 또는 지평선과 가까운 정보에 많은 가중치를 적용할 수 있다. 이때, 가중치는 중요한 부분의 범위에 따라 계단식으로 주어지거나, exponential의 역수로 주어질 수 있다.
Figure PCTKR2021012840-appb-img-000043
일 실시예로서, 프로젝션된 포인트 클라우드 데이터가 양수로 구성되기 위해 각 축이 원점으로부터 시작하도록 이동시킬 수 있다. 어트리뷰트 코딩 시 몰톤 코드(Morton code) 순서를 사용하거나(예측-리프트), 옥트리 기반의 지오메트리 정보를 사용할 수 있는데 (RAHT), 가용 포지션(position) 범위 내에서 분포를 균일하게 넓혀주기 위해 각 축의 길이가 2의 지수 승이 되게할 수 있다. 또한, 압축 효율을 높이기 위해 세 축의 길이를 동일하게 설정할 수 있다. 이와 같은 사항을 고려한 보정은 다음과 같이 표현될 수 있다.
Figure PCTKR2021012840-appb-img-000044
이때, max는
Figure PCTKR2021012840-appb-img-000045
를 의미할 수 있다. 또는
Figure PCTKR2021012840-appb-img-000046
보다 큰 수 중에 가장 가까운 2^n -1 이 될 수 있다.
상술한 바와 같이, 실시예들에 따른 포인트 클라우드 데이터 전송장치는 획득한 포인트 클라우드 데이터의 특성(예를 들어, 포인트들의 분포 특성)을 고려하여 포인트들의 포지션을 변경할 수 있다. 또한, 실시예들에 따른 전송장치는 포인트들의 분포 특성에 따른 각 축에 대한 스케일 값에 기반하여 포인트들의 포지션을 변경할 수 있다. 실시예들에 따른 각 축에 대한 스케일 값이 1 보다 큰 값을 가지면, 프로젝션된 포인트들의 포지션은 프로젝션되기 전 포인트들의 포지션보다 희소(sparse)하게 분포할 수 있다. 반대로, 실시예들에 따른 각 축에 대한 스케일 값이 1 보다 작은 값을 가지면, 프로젝션된 포인트들의 포지션은 프로젝션되기 전 포인트들의 포지션보다 조밀(dense)하게 분포할 수 있다. 예를 들어, 전송장치는, 획득한 포인트 클라우드 데이터의 포인트들이 x축 및 y축 방향으로 조밀하게 분포하고 z축 방향으로 희소하게 분포하면, 1 보다 큰 α값 및 β값, 1 보다 작은 γ값을 기반으로 포인트들의 포지션의 분포를 균일하게 프로젝션할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송장치는 프로젝션된 포인트들의 포지션(또는 지오메트리)에 기반한 코딩을 수행할 수 있다. 따라서, 실시예들에 따른 포인트 클라우드 데이터 전송장치는 프로젝션된 지오메트리(예를 들어, 균일한 분포를 가지는 지오메트리)를 사용하여 코딩 효율을 높여 더 높은 코딩 이득(coding gain)을 확보할 수 있다.
이하, 복셀화에 대하여 설명한다.
복셀화 과정은 도1의 전송장치(10000), 도 4의 전송장치, 도 12의 전송장치, 도 14의 XR 장치(1430), 도15의 전송장치(15000), 도49의 전송장치(49000) 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.
또한, 복셀화 과정은 도1의 수신장치(10004), 도 11의 수신장치, 도 13의 수신장치, 도 14의 XR 장치(1430), 도16의 수신장치(16000), 도51의 수신장치(51000) 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.
전술한 과정에 의하여 X, Y, Z 좌표계로 표현된 포인트 클라우드 데이터는 거리 및 각도와 같이 압축에 효율적인 좌표계로 변환될 수 있다. 변환된 데이터는 복셀화(voxelization) 과정을 통해 포인트 클라우드 압축 기술을 적용하기 위한 정수 단위의 위치 정보로 변환될 수 있다.
도 23은 실시예들에 따른 프로젝션된 포인트 클라우드 데이터를 나타낸 것으로서, 좌측 도면은 프로젝션 전이고 우측 도면은 프로젝션된 후를 나타낸 것이다. 우측 도면은 각각 r - θ, φ - θ, φ - r 평면을 바라볼 때 프로젝션된 포인트 클라우드 데이터를 나타낸다.
이하, 역프로젝션에 대하여 설명한다.
도 24는 실시예들에 따른 역프로젝션에서 포지션 인덱스 정보를 사용하는 방법을 설명하기 위해 도시한 것이다.
역프로젝션 과정은 도1의 수신장치(10004), 도 11의 수신장치, 도 13의 수신장치, 도 14의 XR 장치(1430), 도16의 수신장치(16000), 도51의 수신장치(51000) 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. 상세하게는 실시예들에 따른 수신장치(51000)의 역프로젝션부(51130)에서 수행될 수 있다.
역프로젝션은 포인트 클라우드 데이터의 프로젝션 과정을 동일하게 수행할 수 있다. 역프로젝션은 역변환 수식을 이용하여 프로젝션된 좌표계에서 기존의 좌표계로 포인트 클라우드 데이터를 변환할 수 있다. 프로젝션이 어트리뷰트 코딩에 적용되는 경우, 복원된 지오메트리 정보와 대응하는 어트리뷰트 정보를 연결함으로써 어트리뷰트 정보가 적합한 값에 매칭되어 복원이 가능하다.
한편, 프로젝션된 지오메트리 정보와 프로젝션 되기 전 지오메트리 정보를 연결하는 방법으로서, 지오메트리 정보에 인덱싱(indexing)을 할 수 있다. 즉, 실시예들에 따른 수신장치는 복원된 지오메트리 정보를 일정한 방법으로 정렬한 후(e.g., Morton code order, x-y-z zigzag order 등) 순서에 따라서 인덱스(index)를 부여할 수 있다.
일 실시예로서, 도24의 1번 관계와 같이, 프로젝션 되기 전 위치와 인덱스 관계에 기반하여 인덱스 투 디코디드포지션 맵(index to decoded position map)과 디코디드포지션 투 인덱스 맵(decoded position to index map)을 생성할 수 있다. 인덱스가 부여된 위치 정보에 대해 프로젝션을 수행하게 되는데, 이 때 도 24의 2번 관계와 같이 디코디드포지션 투 프로젝티드 포지션 맵(decoded position to projected position map)을 생성하고, 디코디드 포지션(decoded position) 과 인덱스(index) 사이의 관계에 의해 프로젝티드 포지션 투 인덱스 맵(projected position to index map)을 생성할 수 있다.
어트리뷰트 디코딩 이후 프로젝션된 포인트들은 어트리뷰트 값을 갖는데, 프로젝티드 포지션 투 인덱스 맵(projected position to index map)과 인덱스 투 포지션 맵(index to position map)을 통해 프로젝션된 포지션(projected position)에서 원래 위치를 찾을 수 있다. 이와 같은 방식으로, 복원된 지오메트리 정보와 복원된 어트리뷰트 정보는 상호 매칭될 수 있다.
도 25a는 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 21의 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 수신장치, 도 14의 XR디바이스(1430), 도 22의 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.
도 25a에서 도시된 약어의 뜻은 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)
도 25a를 참조하면, 실시예들에 따른 프로젝션과 관련한 정보는 sequence parameter set, attribute parameter set 및 SEI message 에 정의될 수 있다. sequence parameter set는 프로젝션이 수행됨을 알려주고, 구체적인 정보는 프로젝션인포(projection_info())에 포함되어 실시예들에 따른 수신장치에 전달될 수 있다. 또한, sequence parameter set에 관련 정보의 전부 또는 일부가 포함되어 전달되고, 나머지 일부 정보는 geometry parameter set, attribute parameter set, tile parameter set, slice header 또는 SEI message 등에 포함되어 수신장치에 전달될 수 있다. 어플리케이션 또는 시스템에 따라 상응하는 위치 혹은 별도의 위치를 정의하여 전달되는 정보의 적용 범위, 적용 방법 등을 다르게 설정할 수 있다. 또한, 정의된 신택스 요소(syntax element)가 포인트 클라우드 데이터 스트림(point cloud data stream) 뿐만 아니라 복수의 포인트 클라우드 데이터 스트림(point cloud data stream)에 적용될 수 있는 경우, 관련 정보는 상위 개념의 파라미터 세트(parameter set) 등에 포함되어 수신장치에 전달될 수 있다.
이하, 실시예들에 따른 파라미터(메타데이터, 시그널링 정보 등)는 실시예들에 따른 전송장치 또는 전송방법의 프로세스 상에서 생성될 수 있고, 실시예들에 따른 수신장치에 전달되어 포인트 클라우드 데이터 재구성 과정에 이용될 수 있다. 예를 들어, 실시예들에 따른 파라미터는 실시예들에 따른 전송장치의 메타데이터 처리부(또는 메타데이터 제너레이터)에서 생성되고, 실시예들에 따른 수신장치의 메타데이터 파서에서 획득될 수 있다.
도 25b는 SPS에 프로젝션(projection) 관련 정보가 정의되는 예시이고, 도 26은 Tile inventory, slice header의 Syntax 예시를 나타낸다. Tile 또는 slice를 나눈 뒤 프로젝션이 수행될 경우 사용될 수 있고, 지오메트리 또는 어트리뷰트 중 어느 하나에 프로젝션이 적용될 수 있다. 바운딩박스(bounding box) 정보 등은 각 정보를 통해 전달되거나 실시예들에 따라 정의된 프로젝션인포(projection_info) 내의 정보를 사용할 수 있다.
도 27은 실시예들에 따른 General attribute slice bitstream 및 attribute slice header의 Syntax 예시이고, 도 28 및 도 29는 실시예들에 따른 프로젝션(Projection_info)의 Syntax 예시이다.
프로젝션플래그(projection_flag)가 1인 경우 디코더 후처리 과정에서 디코딩된 데이터를 XYZ 좌표공간으로 재변환(reprojection) 또는 역변환(inverse projection) 과정이 필요함을 알려준다. 프로젝션플래그(projection_flag)가 1인 경우 프로젝션인포(projection info)가 전달되어 재변환(reprojection) 또는 역변환(inverse projection)을 위한 구체적인 정보를 수신장치에서 파악할 수 있다.
프로젝션인포아이디(projection_info_id)는 프로젝션인포(projection info)를 나타내는 인디케이터(indicator)이다.
코디네이트컨버전타입(coordinate_conversion_type)이 0인 경우 원기둥 좌표계(cylindrical coordinate), 1인 경우 구면 좌표계(spherical coordinate), 2인 경우 삼각뿔이 제거된 부채꼴 원기둥 좌표계(cylindrical coordinate), 3인 경우 부채꼴을 회전시킨 부채꼴 구면 좌표계(sphere coordinate)를 의미할 수 있다.
프로젝션타입(projection_type)은 코디네이트컨버전타입(coordinate conversion type)에 대하여 사용된 프로젝션(projection)의 종류를 나타낸다. 예를 들어, 코디네이트컨버전타입 (coordinate_conversion_type)이 2인 경우 프로젝션타입(projection_type) 이 0인 경우 x, y, z가
Figure PCTKR2021012840-appb-img-000047
에 매칭, 1인 경우
Figure PCTKR2021012840-appb-img-000048
에 매칭되도록 정의할 수 있다. 필요한 경우, 각 축에 대해서 프로젝션타입(projection_type)을 각각 정의할 수 있다.
레이저포지션조정플래그(laser_position_adjustment_flag)가 1인 경우 레이저 위치를 고려한 프로젝션 보정을 나타낼 수 있다. 레이저넘버(num_laser)는 레이저의 총 개수를 나타낸다. r레이저(r_laser)는 레이저의 중심 축으로부터의 수평방향 거리를 나타낸다. z레이저(z_laser)는 레이저의 수평 중심으로부터의 수직방향 거리를 나타낸다. 세타레이저(theta_laser)는 레이저의 수직 방향 각도를 나타낸다. 이와 같이 레이저의 위치 정보를 r레이저(r_laser), z레이저(z_laser), 세타레이저(theta_laser)로 제공할 수 있고, x레이저(x_laser), y레이저(y_laser), z레이저(z_laser)로 제공할 수 있다.
샘플링조정큐빅플래그(sampling_adjustment_cubic_flag)가 1인 경우 샘플링 특성을 고려하여 보정할 때 세 축의 길이를 같게 한다.
샘플링조정스프레드바운딩박스플래그(sampling_adjustment_spread_bbox_flag)가 1인 경우 샘플링 보정 시 바운딩박스(bounding box) 내에서 분포를 유니폼(uniform)하게 넓히는 방법을 사용할 수 있다
샘플링조정타입(sampling_adjustment_type)은 샘플링 보정 방법을 나타낸다. 0인 경우 기계적 특성을 기반으로 보정하는 방법, 1인 경우 포인트 간 축방향 최소 거리에 기반하여 보정하는 방법, 2인 경우 각 축의 밀도에 기반하여 보정하는 방법, 3인 경우 포인트의 중요도에 따른 보정 방법 등으로 정의할 수 있다.
지오프로젝션이네이블플래그, 어트프로젝션이네이블플래그(geo_projection_enable_flag, attr_projection_enable_flag)가 1인 경우 지오메트리 또는 어트리뷰트 코딩 시 변환된 좌표계를 사용함을 나타낸다.
바운딩박스x오프셋, 바운딩박스y오프셋, 바운딩박스z오프셋(bounding_box_x_offset, bounding_box_y_offset, bounding_box_z_offset)은 좌표계 변환된 포인트 클라우드 데이터가 포함된 범위의 시작점을 나타낸다. 예를 들어 프로젝션타입(projection _type)이 0인 경우 (0, 0, 0)값을 가질 수 있으며, 프로젝션타입(projection _type)이 1인 경우 (-r_max1, 0, 0) 값을 가질 수 있다.
바운딩박스x렝스, 바운딩박스y렝스, 바운딩박스z렝스(bounding_box_x_length, bounding_box_y_length, bounding_box_z_length)는 좌표계 변환된 포인트 클라우드 데이터가 포함된 범위를 나타낼 수 있다. 프로젝션타입(projection _type)이 0 인 경우 r_max, 360, z_max가 매칭될 수 있으며, 프로젝션타입(projection _type)이 1 인 경우 r_max1+r_max2, 180, z_max가 매칭될 수 있다.
오리진바운딩박스x오프셋, 오리진바운딩박스y오프셋, 오리진바운딩박스z오프셋 (orig_bounding_box_x_offset, orig_bounding_box_y_offset, orig_bounding_box_z_offset)은 좌표계 변환 이전 포인트 클라우드 데이터가 포함된 범위의 시작점을 나타낼 수 있다.
오리진바운딩박스x렝스, 오리진바운딩박스y렝스, 오리진바운딩박스z렝스(orig_bounding_box_x_length, orig_bounding_box_y_length, orig_bounding_box_z_length)는 좌표계 변환 이전 포인트 클라우드 데이터가 포함된 범위를 나타낼 수 있다.
로테이션야, 로테이션피치, 로테이션롤(rotation_yaw, rotation_pitch, rotation_roll)는 좌표계 변환에서 사용하는 로테이션(rotation) 정보이다.
실린더센터x, 실린더센터y, 실린더센터z(cylinder_center_x, cylinder_center_y, cylinder_center_z)는 원본 XYZ 좌표계(coordinate) 상에서 원통형 기둥의 중심 위치를 나타낸다.
실린더레디우스맥스, 실린더디그리맥스, 실린더z맥스(cylinder_radius_max, cylinder_degree_max, cylinder_z_max)는 원본 XYZ 좌표계(coordinate) 상에서 원통형 기둥의 반경(radius), 각도(degree), 높이의 최대값을 나타낸다.
레퍼백터x, 레퍼벡터y, 레퍼벡터z(ref_vector_x, ref_vector_y, ref_vector_z )는 원통형 기둥을 프로젝션 할 때 기준이 되는 벡터(vector)의 방향성을 중심(center)으로부터 (x, y, z) 방향으로 나타낸다. 변환된 바운딩박스(bounding box)의 x 축에 대응될 수 있다.
노멀벡터x, 노멀벡터y, 노멀벡터z(normal_vector_x, normal_vector_y, normal_vector_z)는 원통형 기둥의 노멀 벡터(normal vector)의 방향성을 중심(center)으로부터 (x, y, z) 방향으로 나타낸다. 변환된 바운딩박스(bounding box)의 z 축에 대응될 수 있다.
클록와이즈디그리플래그(clockwise_degree_flag)는 원통형 각도를 구하는 방향성을 나타낸다. 1인 경우 탑뷰(top view)에서 보았을 때 시계 방향, 0인 경우 반 시계 방향을 나타낸다. 변환된 바운딩박스(bounding box)의 y 축의 방향성에 대응될 수 있다. (본 실시예에서는 0인 경우를 나타낸 것이다.)
그래눌라리티앵글러, 그래눌라리티래디우스, 그래눌라리티노말(granurality_angular, granurality_radius, granurality_normal)은 각도, 서큘러 평면(circular plane)에서 중심으로부터의 거리, 노멀 벡터(normal vector) 방향으로 중심으로부터의 거리에 대한 해상도를 나타내는 파라미터(parameter) 이다. 원기둥 좌표계(Cylindrical coordinate)에서 변환할 때 사용하였던 스케일링팩터(scaling factor) α, β, γ 와 대응될 수 있다.
한편, 좌표 변환은 라이다 획득 데이터에 대한 G-PCC 어트리뷰트 코딩의 성능을 개선하기 위해 제안될 수 있다. 이 방법에서 원기둥 좌표계에 분포하는 각 포인트의 위치는 축이 반지름, 방위각(수평방향각도) 및 표고각(수직방향각도)의 함수인 직사각형 좌표계로 변환될 수 있다. XYZ 좌표계의 포인트 위치(x, y, z)가 주어진 경우, 원기둥 좌표계의 해당 위치는 다음과 같이 도출된다.
Figure PCTKR2021012840-appb-img-000049
Figure PCTKR2021012840-appb-img-000050
및
Figure PCTKR2021012840-appb-img-000051
는 각각 라이다 헤드 센터 위치와 레이저의 상대 위치를 나타낸다.
Figure PCTKR2021012840-appb-img-000052
를 사용하여 다음과 같이 좌표 변환이 수행될 수 있다.
Figure PCTKR2021012840-appb-img-000053
여기서 파라미터
Figure PCTKR2021012840-appb-img-000054
는 각 축의 바운딩 박스 가장자리의 길이로 정규화된 바운딩 박스 가장자리의 최대 길이로 도출된다.
도 30은 예측-리프트(Pred-Lift) 코딩 방식에 대한 좌표 변환의 BD 속도 및 BD PSNR의 요약을 보여준다. 반사율 이득의 전체 평균은 C1, C2, CW 및 CY 조건의 경우 5.4%, 4.0%, 1.4%, 2.7%이다.
제안된 좌표 변환은 RAHT 속성 코딩 방식에도 적용될 수 있으며, 도31은 그 요약 결과를 나타낸다. RAHT속성 코딩 방식의 경우 Cat3-frame 데이터의 평균 성능 개선은 C1 및 C3 조건에서 각각 15.3%, 12.5% 증가하여 유의하게 증가하였다.
도 32는 실시예들에 따른 Attribute Parameter Set의 Syntax 예시를 나타낸다.
어트좌표변환여부플래그(attr_coord_conv_enable_flag)가 1이면 포인트 클라우드 변환이 어트리뷰트 코딩 프로세스에서 수행되는 것을 나타낸다. 어트좌표변환여부플래그(attr_coord_conv_enable_flag)가 0이면, 포인트 클라우드 변환이 어트리뷰트 코딩 프로세스에서 수행되지 않음을 나타낸다.
좌표변환스케일프레젠트플래그(coord_conv_scale_present_flag)가 1이면, 좌표계 변환 스케일 팩터 scale_x, scale_y, scale_z가 존재하는 것을 나타낸다. 좌표변환스케일프레젠트플래그(coord_conv_scale_present_flag)가 0이면, 좌표계 변환 스케일 팩터가 존재하지 않고, scale_x, scale_y, scale_z는 x,y,z축의 최대 거리로 정규화된 모든 축에 대한 최대거리이다.
어트좌표변환스케일(attr_coord_conv_scale)은 좌표 변환 축의 축척 비율을 2-8 단위로 지정한다.
ScaleAxis 배열, 0에서 2 범위의 i에 대한 ScaleAxis[i]는 다음과 같이 도출된다.
ScaleAxis[0] = attr_coord_conv_scale[0]
ScaleAxis[1] = attr_coord_conv_scale[1]
ScaleAxis[2] = attr_coord_conv_scale[2]
어트좌표변환여부플래그(attr_coord_conv_enabled_flag)가 1이면 좌표 변환 프로세스가 속성 디코딩을 위한 전처리로서 호출되고 출력 PointPos가 후속 속성 디코딩 과정에 사용된다. 속성 디코딩 프로세스를 수행한 후, 좌표 변환 후처리 과정은 데카르트 좌표계 시스템의 포인트 위치와 속성을 매치시키기 위해 호출된다.
이하, 어트리뷰트 디코딩을 위한 좌표계 변환 전처리에 대하여 설명한다.
이 과정에서 입력(인풋)은 다음과 같다.
- 데카르트 좌표계로 표현되는 포인트의 위치를 지정하는 PointPos 배열
- 어트리뷰트 코딩 과정에서 좌표계 변환의 사용을 지정하는 인디케이터 어트좌표변환여부플래그(attr_coord_conv_enabled_flag)
- 레이저의 수를 지정하는 변수 레이저넘버(number_lasers)
- 레이저의 수직방향각도(elevation angle)의 탄젠트를 지정하는 변수 레이저각도(LaserAngle)
- 레이저 원점의 (x, y, z) 좌표를 지정하는 변수 지오각도원점(geomAngularOrigin)
- 각 축의 좌표계 변환을 위한 스케일 팩터를 지정하는 변수 스케일액시스(ScaleAxis)
- 지오각도원점(geomAngularOrigin )에 상대적인 레이저 위치를 보정하는 변수 레이저보정(LaserCorrection)
이 프로세스의 출력은 수정된 배열 PointPos이며, PointPosCart는 좌표 변환 전후의 위치 간의 연결을 지정할 수 있다.
이하, 레이저인덱스의 결정 프로세스에 관하여 설명한다.
이 프로세스는 어트좌표변환여부플래그(attr_coord_conv_enabled_flag)가 1인 경우 적용된다. 이 과정은 좌표 변환을 수행하는 포인트에 대하여 0부터 PointCount-1의 범위의 pointIdx를 갖는 laserIndex[pointIdx]를 결정한다.
먼저, 노드 각도 PointTheta(node angle PointTheta)를 결정함으로써 추정된 laserIndexEstimate[pointIdx]가 계산된다. 해당 과정은 다음과 같이 기술될 수 있다.
sPoint = (PointPos[pointIdx][0] - geomAngularOrigin[0]) << 8
tPoint = (PointPos[pointIdx][1] - geomAngularOrigin[1]) << 8
r2 = sPoint × sPoint + tPoint × tPoint
rInvLaser = 1 ÷ Sqrt(r2)
PointTheta = ((PointPos[pointIdx][2] - geomAngularOrigin[2]) × rInvLaser) >> 14
그리고, 이 점에서 가장 가까운 레이저 각도 LaserAngle[laserIndexEstimate[pointIdx]]를 결정한다. 해당 과정은 다음과 같이 기술될 수 있다.
start = 0
end = number_lasers - 1
for (int t = 0; t <= 4; t++) {
mid = (start + end) >> 1
if (LaserAngle[mid] > PointTheta)
end = mid
else
start = mid
}
minDelta = Abs(LaserAngle[start] - PointTheta)
laserIndex[pointIdx] = start
for (j = start + 1; j <= end; j++) {
delta = Abs(LaserAngle[j] PointTheta)
if (delta < minDelta) {
minDelta = delta
laserIndex[pointIdx] = j
}
}
이하, 좌표계 변환 프로세스에 관하여 설명한다.
프로세스 시작 시, 데카르트 좌표계에서 포인트 위치 배열의 위치는 PointPosCart[pointIdx ]에 복사되며, pointIdx의 범위는 0내지 PointCount-1 이다. 해당 과정은 다음과 같이 기술될 수 있다.
PointPosCart[pointIdx][0] = PointPos[pointIdx][0]
PointPosCart[pointIdx][1] = PointPos[pointIdx][1]
PointPosCart[pointIdx][2] = PointPos[pointIdx][2]
다음 프로세스는 좌표축을 데카르트 좌표계에서 원기둥 좌표계로 변환하기 위해 포인트에 적용된다. 여기서 ConvPointPos[pointIdx]는 변환된 원기둥 좌표계의 포인트 위치를 지정하고, pointIdx의 범위는 0 내지 PointCount-1이다. 해당 과정은 다음과 같이 기술될 수 있다.
ConvPointPos[pointIdx][0] = Sqrt(r2) >> 8;
ConvPointPos[pointIdx][1] = (atan2(tPoint, sPoint) + 3294199) >> 8;
ConvPointPos[pointIdx][2] = ((PointPos[pointIdx][2] - geomAngularOrigin[2] - LaserCorrection[laserIndex[pointIdx]]) × rInvLaser) >> 22;
업데이트된 PointPos는 각 축에 대한 스케일 팩터의 배수로서 지정될 수 있다. 스케일액시스(ScaleAxis)가 0이 아닌 양의 값이면, 업데이트된 PointPos는 다음과 같이 파생될 수 있다.
PointPos[pointIdx][0] = ((ConvPointPos[pointIdx][0] - MinPointPos[0]) ×ScaleAxis[0]) >> 8
PointPos[pointIdx][1] = ((ConvPointPos[pointIdx][1] - MinPointPos[1]) ×ScaleAxis[1]) >> 8
PointPos[pointIdx][2] = ((ConvPointPos[pointIdx][2] - MinPointPos[2]) ×ScaleAxis[2]) >> 8
여기서 MinPointPos는 ConvPointPos[pointIdx]의 최소 포인트 위치이며, pointIdx의 범위는 0내지 pointCount-1이다.
스케일액시스(ScaleAxis)의 요소들의 적어도 하나 이상이 0이면, 스케일액시스는 바운드 박스에 의해 파생된다. MaxPointPos가 주어진 ConvPointPos의 최대 포인트 위치가 되게 하고, 축 LengthBbox를 따르는 바운딩 박스의 길이는 다음과 같이 정의할 수 있다.
LengthBbox[0] = MaxPointPos[0] - MinPointPos[0]
LengthBbox[1] = MaxPointPos[1] - MinPointPos[1]
LengthBbox[2] = MaxPointPos[2] - MinPointPos[2]
그리고 셋 중 최대길이가 정의된다.
MaxLengthBbox = Max( LengthBbox[0], Max( LengthBbox[1], LengthBbox[2] ) )
그러면, 스케일액시스(ScaleAxis)는 다음과 같이 도출될 수 있다.
ScaleAxis[0] = MaxLengthBbox ÷ LengthBbox[0]
ScaleAxis[1] = MaxLengthBbox ÷ LengthBbox[1]
ScaleAxis[2] = MaxLengthBbox ÷ LengthBbox[2]
이하, 어트리뷰트 디코딩에 대한 좌표계 변환 후처리 프로세스에 대하여 설명한다.
이 프로세스의 입력(인풋)은 다음과 같다.
- 어트리뷰트 코딩 프로세스 내에서 좌표 변환 사용을 지정하는 인디케이터 어트좌표변환여부플래그(attr_coord_conv_enabled_flag)
- PointsAttr[ pointIdx][ cIdx ] 요소를 가진 PointsAttr 배열. pointIdx는 0 내지 PointCount-1 범위이고, cldx는 0 내지 AttrDim-1 범위에 있다.
- PointPosCart[ pointIdx ] 요소를 가진 PointPosCart 배열. pointIdx는 0 내지 PointCount-1 범위이다.
이 프로세스에서 출력은 PointAttr[ pointIdx ][ cIdx ] 요소가 있는 배열 PointAttr이다. 여기서 PointAttr의 인덱스 pointIdx가 있는 각 요소는 동일한 인덱스 pointIdx를 가진 배열 PointPosCart에 의해 주어진 위치와 관련된다.
한편, 실시예들에 따른 프로젝션 수행 과정에서, 필요 시 각 축에 대한 프로젝션타입(projection_type)이 정의될 수 있다. 이때, 각 축마다 정의된 프로젝션타입은 프로젝션타입x(projection_type_x), 프로젝션타입y(projection_type_y), 프로젝션타입z(projection_type_z)로 나타낼 수 있다.
프로젝션타입x(projection_type_x)가 0이면 프로젝션을 하지 않는 경우를 나타낸다(즉, 변환 없이 x값을 사용한다). 1이면, 코디네이트컨버전타입(coordinate_conversion_type)에서 나타내는 좌표계의 첫번째 변환값(예를 들어, 원기둥 좌표계의 radius)을 나타내고, 2이면 단순화(simplified)된 변환값(예를 들어, 원기둥 좌표계의 radius에 대하여 square root 를 제거함으로써 단순화(simplified) 된 x*x + y*y 값)을 나타낸다. 3이면, 단순화된 거리합(simplified sum of distance)(예를 들어, 각 축의 위치 정보의 합, x + y 또는 x + y + z 등)을 나타낼 수 있고, 4이면 약속된 함수에 의한 변환값(예를 들어 log_2(x))을 나타낼 수 있다.
프로젝션타입y(projection_type_y)가 0이면 프로젝션을 하지 않는 경우를 나타낸다(즉, 변환 없이 y값을 사용한다). 1이면, 코디네이트컨버전타입(coordinate_conversion_type)에서 나타내는 좌표계의 두번째 변환값(예를 들어, 원기둥 좌표계의 수평방향각도, azimuthal angle)을 나타내고, 2이면 단순화(simplified)된 변환값(예를 들어, 각도값으로써 각도를 구하기 위한 inverse tangent 연산을 줄이기 위해 tangent 값을 구할 수 있으며, 이 때 tan_phi = phi로 가정할 수 있다)을 나타낸다. 3이면, 단순화된 거리(simplified distance)(예를 들어, 각 축의 위치 정보의 차이, x - y 또는 y - x - z 등)을 나타낼 수 있고, 4이면 약속된 함수에 의한 변환값(예를 들어 log_2(y))을 나타낼 수 있다.
프로젝션타입z(projection_type_z)가 0이면 프로젝션을 하지 않는 경우를 나타낸다(즉, 변환 없이 z값을 사용한다). 1이면, 코디네이트컨버전타입(coordinate_conversion_type)에서 나타내는 좌표계의 세번째 변환값(예를 들어, 원기둥 좌표계의 수직 방향 각도, elevation angle)을 나타내고, 2이면 단순화(simplified)된 변환값(예를 들어, 각도값으로써 각도를 구하기 위한 inverse tangent 연산을 줄이기 위해 tangent 값을 구할 수 있다 레이저의 개수 및 일정하게 분포하는 레이저의 위치를 기반으로 데이터 획득에 사용된 레이저를 유추하여 레이저 인덱스를 단순화된 변환값으로 사용할 수 있다)을 나타낸다. 3이면, 단순화된 거리(simplified distance)(예를 들어, 각 축의 위치 정보의 차이, z - y 또는 z - x - y 등)를 나타낼 수 있고, 4이면 약속된 함수에 의한 변환값(예를 들어 log_2(z))을 나타낼 수 있다.
각 축에 적용되는 프로젝션타입(projection_type)은 하나의 코디네이트컨버전(coordinate conversion)에 대하여 정의될 수 있고, 각 축에 대하여 서로 다른 코디네이트컨버전타입(coordinate_conversion_type)이 시그널링 될 수 있다. 즉, 각 축에 서로 다른 프로젝션(projection)이 적용되는 것을 나타내며, 서로 다른 변환 방법을 시그널링하는 방법으로 사용될 수 있다. 아래에 예시를 설명한다.
coordinate_conversion_type = 1 이고 projection_type_x = 1, projection_type_y = 1, projection_type_z = 1 인 경우 원기둥 좌표계의 radius, azimuth angle, elevation angle을 나타낼 수 있다.
coordinate_conversion_type = 2 이고 projection_type_x = 1, projection_type_y = 1, projection_type_z = 1 인 경우 구면 좌표계의 radius, azimuth angle, elevation angle 을 나타낼 수 있다.
coordinate_conversion_type = 1 이고 projection_type_x = 0, projection_type_y = 0, projection_type_z = 0 인 경우 프로젝션이 일어나지 않은 경우 (granurality_radius, granurality_angular, granurality_normal에 의한 각 축의 scaling 변화만 있음)를 나타낼 수 있다.
coordinate_conversion_type = 2 이고 projection_type_x = 0, projection_type_y = 0, projection_type_z = 1 인 경우 x, y 축 및 구면 좌표계의 elevation angle로 변환된 경우를 나타낼 수 있다.
coordinate_conversion_type = 1 이고 projection_type_x = 0, projection_type_y = 0, projection_type_z = 2 인 경우 x, y 축 및 레이저 인덱스(laser index)로 변환된 경우를 나타낼 수 있다.
coordinate_conversion_type = 1 이고 projection_type_x = 2, projection_type_y = 2, projection_type_z = 2 인 경우 원기둥 좌표계에서 하드웨어(HW)의 구현을 고려하여 단순화된 반경(simplified radius), 단순화된수평각도(simplified azimuth angle) 및 레이저인덱스(laser index)로 변환된 경우를 나타낼 수 있다.
코디네이트컨버전타입(coordinate_conversion_type)과 프로젝션타입(projection_type)은 시퀀스 특성에 따른 코디네이트컨버전타입(coordinate conversion type)을 지정하기 위해 사용될 수 있다. 예를 들어, A type sequence에 대해서 원기둥 좌표계 변환(cylindrical coordinate conversion)을 사용하면서 프로젝션타입(projection type)은 (radius, azimuthal angle, laser index)를 사용할 수 있고, B type sequence에 대해서 원기둥 좌표계 변환(cylindrical coordinate conversion)을 사용하면서 프로젝션타입(projection type)은 (x, y, laser index)를 사용하고, C type sequence에 대해서 구면 좌표계 변환(spherical coordinate conversion)을 사용하면서 프로젝션타입(projection type)은 (radius, azimuthal angle, elevation angle)을 사용할 수 있다.
도 33은 실시예들에 따른 포인트 클라우드 데이터를 인덱스로 전환하는 예시를 나타낸다. 프로젝션타입z(projection_type_z)가 2인 경우, 수직방향각도(elevation angle)가 레이저 인덱스(laser index)로 표현될 수 있다.
도 33과 같이 라이다는 헤드를 중심으로 수평방향 회전을 하고(33001), 레이저에서 방출된 빛이 사물에 반사되어 수신될 때 송수신 시간의 차이를 기반으로 사물의 위치를 추정할 수 있다. 이 때, 획득된 포인트들은 레이저의 궤적 상에 위치하는데, 노이즈의 영향으로 포인트가 레이저 궤적보다 다소 높거나 낮은 곳에 위치한다(33002). 즉, 각 포인트의 수직방향각도(elevation angle)는 레이저각도(laser angle)보다 다소 크거나 작은 값을 가진다. 따라서, 포인트의 수직방향각도를 근사화(approximation) 또는 보정(adjustment)하는 경우 각 포인트들의 수직방향각도를 이와 연관된 레이저각도(laser angle)로 고려하거나 레이저인덱스(laser index)로 고려할 수 있다. 즉, 수직방향각도와 레이저각도의 차이를 버리고 포인트가 레이저 위에 위치하는 것으로 고려한다. 따라서, 각 포인트의 수직방향각도는 레이저각도와 동일하고, 레이저인덱스(laser index)에 따라 정렬한 것으로 고려될 수 있다.
도 34는 실시예들에 따른 포인트 클라우드 데이터를 보정하는 방법의 예시를 나타낸다. 도 34를 참조하면, n 번째 레이저에 해당하는 레이저각도는
Figure PCTKR2021012840-appb-img-000055
이고, 인접한 레이저의 레이저각도는
Figure PCTKR2021012840-appb-img-000056
이다. 이때, 임의의 포인트의 수직방향각도(elevation angle)
Figure PCTKR2021012840-appb-img-000057
가 레이저 n에 매칭되는 조건은 다음과 같을 수 있다.
Figure PCTKR2021012840-appb-img-000058
또한, 현재 포인트와 각 레이저의 수직방향각도(elevation angle) 차이
Figure PCTKR2021012840-appb-img-000059
를 계산하고, 차이값이 최소화되는 레이저를 해당 포인트를 획득한 레이저로 정의할 수 있다.
전체 레이저의 수가 N개이면, 전술한 과정을 통해 인접한 레이저와 매칭된 포인트들은 N개의 그룹으로 나뉠 수 있다. 즉, 포인트들은 레이저각도 또는 레이저인덱스로 보정(adjustment)되어 N개의 그룹으로 나뉘며, 양자화 (quantization)된 것으로 볼 수 있다. 이 경우, granularity_radius, granularity_angular, granularity_normal로 표현된 각 축에 대한 스케일링팩터(scaling factor)는 또 다른 의미를 가질 수 있다. 즉, N개의 양자화된 그룹(quantized group)을 구분하기 위한 세퍼레이터(separator) 역할을 수행할 수 있다. 예를 들어 (radius, azimuthal angle, laser index)로 이루어진 좌표계 변환(coordinate conversion)에 대해 스케일링팩터(scaling factor)가 1이면, radius의 거리 1과 laser의 거리 1이 같은 의미를 가지며, 주변 포인트를 찾을 때 인접 레이저인덱스(laser index) 사이에 실제보다 과도하게 가깝다고 판단하여 크로스레이저인덱스포인트(cross laser index point)들이 이웃탐색(neighbor search)될 가능성이 커진다. 따라서, 이를 예방하기 위해 granularity_normal로 기술된 시그널을 이용하여 레이저인덱스(laser index) 사이의 거리를 일정하게 유지하고, 레이저인덱스(laser index)가 다른 포인트들이 이웃탐색(neighbor search)되는 것을 방지할 수 있다. 즉, 포인트 클라우드 데이터의 부호화 과정에서 포인트들 간의 이웃탐색 시 유사 포인트의 탐색 확률을 높일 수 있다.
Figure PCTKR2021012840-appb-img-000060
이 때,
Figure PCTKR2021012840-appb-img-000061
는 레이저n에 속한 임의의 인접 포인트들의 xyz 위치를 나타낸다.
이 때, 레이저평면은 하나의 레이저와 연관된 포인트들이 속하는 평면 또는 하나의 레이저가 스캔하는 평면을 의미할 수 있다. 레이저평면최대이웃거리(Maximum neighbor distance in a laser plane)는 k개의 이웃을 구할 때 레이저평면 상의 포인트들을 대상으로 이웃을 구할 때 k 번째 이웃들 중 거리가 가장 먼 것을 의미할 수 있다. 각 레이저평면에 대한 레이저평면최대k번째이웃거리(maximum k-th neighbor distance in a laser plane)에 대하여 최대값을 기반으로 granularity_normal에 해당하는 스케일링팩터를 정의할 수 있고, 각 평면에 따라 서로 다른 스케일링팩터를 적응적으로 정의할 수 있다. 레이저평면최대이웃거리(Maximum neighbor distance in a laser plane)는 실시예들에 따른 인코더에서 각 시퀀스에 따라 측정하거나 실험을 통해 미리 정해진 값을 실시예들에 따른 디코더에 시그널링 해줄 수 있다. 이는 레이저 사이의 거리를 띄움으로써 각 레이저평면(laser plane)에서 독립적인 압축 또는 주변 특성 파악이 이루지도록 돕는다. 또는, 레이저평면최대이웃거리(Maximum neighbor distance in a laser plane)는 실시예들에 따른 디코더에서 미리 정해진 값을 사용할 수 있다.
이는 최소레이저거리(minimum laser distance)로써 모든 레이저 사이에 동일하게 적용될 수 있고, 레이저의 특성에 따라 레이저 사이에 또는 동일 레이저에 대해서도 중심으로부터의 거리에 따라 서로 다른 거리(distance)를 사용할 수 있다.
도 35는 실시예들에 따른 포인트 클라우드 데이터에 대하여 스케일링 팩터 기반의 인덱스 간격 유지 방법 예시를 나타낸다. 즉, 도 35는 스케일링 팩터를 기반으로 레이저인덱스(laser index) 사이의 간격을 유지하여 이웃탐색(neighbor search) 오류를 방지하는 것을 나타낸다. 스케일링 팩터를 결정하기 위한 최대 이웃 거리(max neighbor distance)는 실험을 통해 정의된 값 또는 실시예들에 따른 인코더에서 레이저인덱스(laser index) 내의 이웃 거리(neighbor distance)를 측정 후 시퀀스 특징에 따라 정의되어 시그널링될 수 있다.
한편, 시그널링 없이 레이저인덱스로 변환된 좌표계를 효율적으로 사용할 수 있다. 포인트의 이웃탐색 시 레이저인덱스 또는 레이저각도가 동일한 포인트만을 탐색하거나 레이저인덱스 또는 레이저각도의 일정 범위 내에 있는 포인트만을 탐색할 수 있다.
최근접이웃(nearest neighbor) = 동일 레이저 인덱스에서 최소 거리 포인트(minimum distance point within the same laser index)
도 36은 실시예들에 따른 포인트 클라우드 데이터에서 레이저 인덱스 기반의 이웃 포인트 탐색 방법 예시를 나타낸다. 도 36은 실시예들에 따른 포인트 클라우드 데이터가 반경(radius), 수평방향각도(azimuth angle), 레이저인덱스(laser index)로 좌표계 변환(coordinate conversion)된 경우, 반경(radius)/애지무스(azimuth) 평면에 대하여 레이저인덱스(laser index)를 따라 수직 방향으로 나열된 것이다. 이웃 포인트의 탐색은 n 번째 레이저에 속하는 포인트에 대하여, 다른 레이저인덱스 또는 레이저각도를 가진 포인트는 고려되지 않고 동일 레이저에 포함된 포인트들만 고려하여 거리를 기반으로 이웃 포인트의 탐색이 수행될 수 있다.
이러한 인덱스 기반의 이웃 포인트 탐색은 예측-리프팅 어트리뷰트 코딩(predictive-lifting attribute coding)의 최근접 이웃 탐색(nearest neighbor search)에서 적용되거나, 예측 어트리뷰트 코딩(predictive attribute coding)에서 적용될 수 있다. 또한, 포인트 정렬(sorting) 과정에서 동일한 레이저인덱스를 가진 포인트들을 그룹으로 정렬하는 것을 우선 순위로 둠으로써 단일 레이저에서 획득된 포인트들을 모으는 조건으로 사용될 수 있다.
레이저인덱스 또는 레이저각도를 사용하는 경우, 포인트마다 해당 정보를 포함할 수 있다. 즉, 기존에 포함된 xyz position 정보에 레이저인덱스 또는 레이저각도 정보가 추가되거나, 하나 이상의 축 값을 대체하거나 변환하여 레이저인덱스 또는 레이저각도 정보가 사용될 수 있다. 획득된 데이터에 레이저인덱스 또는 레이저각도 정보가 포함되지 않은 경우, 관련 정보(영상 획득 장치 전반의 레이저각도, 레이저헤드위치, 관련레이저위치 정보)를 기반으로 각 포인트의 레이저인덱스 또는 레이저각도를 유추할 수 있다.
전술한 레이저인덱스 또는 레이저각도의 사용은 원기둥 좌표계 또는 구면 좌표계에서 수직방향각도(elevation angle)에 따라 샘플링된 포인트들의 보정으로 사용될 수 있다.
도 37은 실시예들에 따른 포인트 클라우드 데이터에서 수평방향각도(azimuthal angle)를 인덱스로 전환하여 보정하는 예시를 나타낸다. 원기둥 좌표계 시스템, 구면 좌표계 시스템 또는 부채꼴 좌표계 시스템에서 수평방향각도(azimuthal angle)에 대한 샘플링 보정으로 수평방향인덱스(azimuthal index)를 사용할 수 있다.
도 37을 참조하면, 수직 방향으로 배열된 복수의 레이저가 수평 방향으로 회전하면서(37001) 포인트 클라우드 데이터를 획득한다. 각 레이저에 의해 샘플링되는 위치를 선으로 표현하면, 샘플링된 포인트들은 이론적으로 선 위에 위치해야 하지만 샘플링 노이즈, 양자화 오류, 레이저 간섭 등으로 포인트가 선에서 벗어난 위치에서 샘플링될 수 있다(37002). 도 37은 수직 방향으로 배열된 복수의 레이저들 중 n 번째 레이저의 k번째 샘플링 및 이와 인접한 샘플링(k-1번째, k+1번째) 포인트들을 나타낸다(37003). k 번째 광선과 k+1 번째 광선에 의해 샘플링된 포인트들의 위치는 레이저 광전의 궤적을 중심으로 오차를 가지고 분포된다. 이와 같이 수평방향각도에 오차가 있는 포인트의 위치는 인덱스로 근사화하여 레이저의 라인 궤적 상에 위치하도록 보정될 수 있다.
도 38은 실시예들에 따른 포인트 클라우드 데이터의 포인트의 수평방향각도(azaimuth angle) 값을 보정하는 방법의 예시를 나타낸다.
n 번째 레이저에서 k번째에 샘플링한 수평방향각도(azimuthal angle)를
Figure PCTKR2021012840-appb-img-000062
라고 하고, 그와 인접하여 k-1번째 및 k+1번째에 샘플링한 수평방향각도를 각각
Figure PCTKR2021012840-appb-img-000063
,
Figure PCTKR2021012840-appb-img-000064
라고 할 때, 해당 포인트의 수평방향각도(azimuthal angle)
Figure PCTKR2021012840-appb-img-000065
가 n번째 레이저의 k번째 샘플링 각도와 매칭되는 조건은 다음과 같다.
Figure PCTKR2021012840-appb-img-000066
즉,
Figure PCTKR2021012840-appb-img-000067
가 상기 수식 조건의 범위에 있는 경우, 해당 포인트의 수평방향각도
Figure PCTKR2021012840-appb-img-000068
를 n번째 레이저의 k번째 샘플링 수평방향각도
Figure PCTKR2021012840-appb-img-000069
로 보정할 수 있다.
또한, 포인트의 수평방향각도(
Figure PCTKR2021012840-appb-img-000070
)와 레이저가 샘플링한 수평방향각도들
Figure PCTKR2021012840-appb-img-000071
과의 차이
Figure PCTKR2021012840-appb-img-000072
가 최소가 되는 레이저의 수평방향각도(azimuthal angle)를 해당 포인트의 수평방향각도로 근사화하여 보정할 수 있다.
도 38을 참조하면, k번째 레이저 광선과 가까운 포인트의 위치는 k번째 레이저 광선의 궤적 위에 위치하는 것으로 보정된다. 이때, 레이저가 샘플링하는 수평방향각도에 대한 정보
Figure PCTKR2021012840-appb-img-000073
는 파라미터로 직접 전달되거나 실시예들에 따른 전송장치 또는 수신장치에서 연산 가능한 형태로 전달될 수 있다. 또한, 라이다의 회전 속도가 일정하다고 가정할 때, 1회전 당 샘플링 수 (N: number_phi_per_turn)와 n 번째 레이저의 샘플링 시작 위치(
Figure PCTKR2021012840-appb-img-000074
: offset)를 통해 수평방향각도에 대한 정보를 다음과 같이 연산할 수 있다(단위: radian).
Figure PCTKR2021012840-appb-img-000075
오프셋(offset)은 모든 레이저인덱스(laser index)에 대하여 동일한 값 또는 오차범위 내에서 유사한 값을 가지거나, 레이저인덱스(laser index)에 따라 다른 값을 가질 수 있다. 레이저의 수평 위치가 다른 경우 오프셋을 고려하면 보다 정확하게 그룹화할 수 있다.
도 39는 실시예들에 따른 라이다(Lidar)에 포함된 레이저(laser)들의 수평방향각도가 서로 다른 상태를 나타낸다.
도 40은 실시예들에 따른 포인트 클라우드 데이터의 그룹핑 방법 예시를 나타낸다. 도 40은 수평방향으로 인접한 두 개의 샘플링 위치를 하나로 그룹화한 것을 나타낸다. 즉, 2k-2 번째와 2k-1 번째로 샘플링된 포인트들은 m-1 로 그룹핑되고, 2k 번째와 2k+1 번째로 샘플링된 포인트들은 m으로 그룹핑된다. 수평방향 샘플링이 조밀한 경우 샘플링레이트(sampling rate)를 낮추어 인접 포인트 사이의 유사성을 더욱 고려할 수 있다.
도 41은 실시예들에 따른 Sequence Parameter Set의 Syntax 예시를 나타낸다. 실시예들에 따른 포인트 클라우드 데이터 전송장치 및 전송방법은 프로젝션과 관련한 정보를 실시예들에 따른 수신장치에 시그널링 할 수 있다.
도 41과 연관된 도면으로서, 도 42는 실시예들에 따른 Geometry Parameter Set의 Syntax 예시를 나타낸다. 도 43은 실시예들에 따른 Attribute Parameter Set의 Syntax 예시를 나타내고, 도 44는 실시예들에 따른 General geometry slice bitstream 및 geometry slice hear의 Syntax 예시를 나타낸다. 도 45은 실시예들에 따른 General attribute slice bitstream 및 attribute slice hear의 Syntax 예시를 나타낸고, 도 46 내지 48은 실시예들에 따른 projection info의 Syntax 예시를 나타낸다.
좌표축 변환(프로젝션)과 관련된 정보는 parameter set 및 SEI message 에서 정의될 수 있다. 또한, sequence parameter set, geometry parameter set, attribute parameter set, slice header는 독립적인 프로젝션(projection) 수행 여부를 알려주고, 프로젝션에 관한 구체적인 정보는 프로젝션인포(projection_info())에 포함되어 전달될 수 있다.
프로젝션(projection) 수행 여부는 SPS, GPS, APS에서 각각 프로젝션플래그(projection_flag)를 전달하고, 동시에 slice 단위로 프로젝션플래그(projection_flag)를 정의하여 slice 단위로 프로젝션(projection) 수행 여부를 전달할 수 있다. 또한, sequence parameter set에 관련 정보의 전부 또는 일부를 전달하고, geometry parameter set, attribute parameter set, tile parameter set, slice header 도는 SEI message 등에서 나머지 정보를 전달할 수 있다.
시그널링 정보(파라미터, 메타데이터 등)는 전달되는 위치에 따라 다른 의미를 가지는데, 시그널링 정보가 SPS에 정의되는 경우 시퀀스 전체에 적용되는 것을 나타내고, 시그널링 정보가 GPS에 정의되는 경우 지오메트리(위치) 복원에 사용됨을 나타낸다. 시그널링 정보가 APS에 정의되는 경우 어트리뷰트(속성) 복원에 적용됨을 나타내며, 시그널링 정보가 TPS에 정의되는 경우 tile 내의 포인트에 대해서 해당 시그널링이 적용됨을 나타낸다. 시그널링 정보가 slice 단위에 정의되는 경우 해당 slice 에 대해서 시그널링 정보가 적용됨을 나타낸다. 시그널링 정보는 어플리케이션, 시스템에 따라 상응하는 위치 또는 별도의 위치에 정의되어 적용 범위, 적용 방법 등을 다르게 할 수 있다. 또한, 정의된 신택스 요소(syntax element)가 현재 포인트 클라우드 데이터 스트림(point cloud data stream) 뿐만 아니라 복수의 포인트 클라우드 데이터 스트림(point cloud data stream)에 적용될 수 있는 경우 상위 개념의 파라미터세트(parameter set) 등을 통해 시그널링 정보가 전달될 수 있다.
이하, 실시예들에 따른 파라미터(메타데이터, 시그널링 정보 등)는 후술하는 실시예들에 따른 전송장치의 프로세스 중 생성될 수 있고, 실시예들에 따른 수신장치에 전달되어 재구성 과정에 이용될 수 있다. 예를 들어, 실시예들에 따른 파라미터는 후술하는 실시예들에 따른 전송장치의 메타데이터 처리부(또는 메타데이터 제너레이터)에서 생성되고, 실시예들에 따른 수신장치의 메타데이터 파서에서 획득될 수 있다.
이하, 관련된 신택스를 설명한다. 도 25b와 중복된 신택스에 관한 설명은 생략한다.
SPS프로젝션파라미터프레젠트플래그(sps_projection_param_present_flag), GPS프로젝션파라미터프레젠트플래그 (gps_projection_param_present_flag), APS프로젝션파라미터프레젠트플래그 (aps_projection_param_present_flag)는 1인 경우 sequence parameter set, geometry parameter set, attribute parameter set 에서 프로젝션(projection) 관련 파라미터가 전달됨을 나타낸다. 0인 경우 slice 단위로 파라미터가 전달될 수 있다.
SPS시퀀스파라미터세트아이디(sps_seq_parameter_set_id), GPS시퀀스파라미터세트아이디 (gps_seq_parameter_set_id)는 좌표계 프로젝션(coordinate projection)이 수행되고, 관련 파라미터가 sps 혹은 gps 에 전달되는 경우 해당 파라미터세트(parameter set)의 인디케이터(indicator)를 나타낸다.
예를 들어, 좌표계 변환(coordinate conversion)이 어트리뷰트 코딩(attribute coding)에 사용될 때, 관련 파라미터가 gps에서 전달될 수 있는데 (지오메트리 코딩에 사용되는 코딩 스킴에서 좌표계 변환(coordinate conversion)에 사용되는 파라미터를 공동으로 사용하는 경우), 이 경우 해당 파라미터를 참조할 수 있는 파라미터 세트 인디케이터를 직접 전달할 수 있다. 해당 파라미터가 포인트 클라우드 데이터 시퀀스 전체에 적용되거나 지오메트리 및 어트리뷰트에 동시 적용됨을 나타내기 위해 SPS에 정의될 경우, 시퀀스파라미터세트인디케이터를 직접 나타낼 수 있다. 따라서, 복수의 파라미터세트 중 필요로 하는 파라미터가 포함된 파라미터세트를 참조할 수 있다. APS 에 정의된 파라미터를 지오메트리(위치) 복원에 사용할 경우, APS 인디케이터를 GPS 내에 정의할 수 있다.
엘레베이션인덱스이네이블플래그(elevation_index_enable_flag), 애지무탈인덱스이네이블플래그(azimuthal_index_enable_flag)가 1인 경우 좌표계 변환(coordinate conversion)된 포인트 위치에 대하여 수직방향각도의 인덱스 또는 수평방향각도의 인덱스의 사용 여부를 나타낸다.
If ( elevation_index_enable_flag == 0, azimuthal_index_enable_flag == 0 )
(x, y, z) -> (radius, azimuthal angle, elevation angle)
else If ( elevation_index_enable_flag == 0, azimuthal_index_enable_flag == 1 )
(x, y, z) -> (radius, angular index, elevation angle)
else If ( elevation_index_enable_flag == 1, azimuthal_index_enable_flag == 0 )
(x, y, z) -> (radius, azimuthal angle, laser index)
else if ( elevation_index_enable_flag == 1, azimuthal_index_enable_flag == 1 )
(x, y, z) -> (radius, angular index, laser index)
레이저파이퍼턴(laser_phi_per_turn[i])은 i 번째 레이저에 대해 수평방향 1 회전 당 샘플링 수를 나타낸다. -1,0,1 과 같이 특정 값에 대하여 디폴트(default) 값을 사용하거나(예를 들어, 800회 샘플링 되는 경우 디폴트(default) 값이 200이면, 4개 샘플을 하나로 그룹핑할 수 있다.), 수평방향인덱스(azimuthal index)를 사용하지 않음(azimuthal_index_enable_flag = 0)을 나타낼 수 있다.
레이저각도오프셋(laser_angle_offset[i])은 복수의 레이저들 간의 샘플링 위치 차이를 보정하기 위해 i 번째 레이저의 수평방향 샘플링 위치 차이를 나타낸다. 예를 들어, 첫번째 샘플의 각도를 나타낼 수 있다.
레이저샘플링각도(laser_sampling_angle[i][j])는 i 번째 레이저의 j 번째 수평방향 샘플링 각도를 나타낸다. 레이저의 샘플링 위치가 균일하지 않은 경우, 각각의 샘플링 각도를 나타내기 위해 사용될 수 있다.
그룹핑레이트(grouping_rate)는 수평방향 인덱스를 그룹핑하는 빈도를 나타낼 수 있다. 그룹핑레이트(grouping_rate)가 1인 경우, 회전 당 수평방향 샘플링 수 (laser_phi_per_turn)와 동일한 샘플링 수를 나타내며, 1보다 큰 경우 복수의 레이저 샘플링 위치를 그룹핑하여 하나로 고려하는 것을 나타낸다. 1보다 작은 경우 가상의 레이저 샘플링 위치가 추가되는 것을 나타낼 수 있다. 레이저 샘플링 위치 간의 간격이 넓어지는 관점에서 스케일(scale)의 의미로 사용될 수 있다.
도 49a, 49b는 실시예들에 따른 포인트 클라우드 데이터 전송장치(49000)를 나타내는 블록도 예시이다.
실시예들에 따른 전송장치(49000)는 도1의 전송장치(10000), 도 4의 전송장치, 도 12의 전송장치, 도 14의 XR 장치(1430), 도15의 전송장치(15000) 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 획득하고, 인코딩하여 전송할 수 있다.
전송장치(49000)는 포인트 클라우드 데이터를 인코딩하는 인코더와 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터를 포함한다. 인코더는 포인트 클라우드 데이터의 하나 또는 그 이상의 포인트들의 포지션을 나타내는 지오메트리를 인코딩하는 지오메트리 인코더와, 하나 또는 그 이상의 포인트들의 어트리뷰트를 인코딩하는 어트리뷰트 인코더를 포함할 수 있다.
또한, 인코더는 포인트 클라우드 데이터의 포인트를 프로젝션하는 프로젝션부(49100)를 포함할 수 있다. 전송장치(49000)의 프로젝션부(49100)는 포인트들의 포지션을 나타내는 좌표값을 다른 좌표계로 변환하여 표현하고, 좌표계가 변환되어 표현된 포인트들의 좌표값을 기반으로 포인트들을 프로젝션할 수 있다. 예를들어, 프로젝션부(49100)는 데카르트 좌표계 또는 xyz 직교 좌표계(제1좌표계) 상에서 표현된 포인트의 좌표값을 원기둥 좌표계, 구면 좌표계 또는 부채꼴형 좌표계 중 적어도 어느 하나(제2좌표계)로 변환하여 표현할 수 있다(도19). 그리고, 프로젝션부(49100)는 제2좌표계로 표현된 포인트의 좌표값을 기반으로 X', Y', Z' 축을 가진 직교 좌표계(도20, 20003) 상에 포인트를 프로젝션한다. 결국, 제2 좌표계로 변환되어 표현된 값(예를들어, r, theta, phi)을 기반으로 직교 좌표계(X', Y', Z')에 포인트를 위치시키면서 포인트의 기존 공간 좌표계에서의 위치와 X',Y',Z' 공간 좌표계에서의 위치는 달라진다. 제1좌표계 또는 제2좌표계는 데카르트 좌표계, 원기둥 좌표계, 구면 좌표계 또는 부채꼴형 좌표계 중 적어도 어느 하나를 포함할 수 있다.
프로젝션부(49100)에서 프로젝션된 지오메트리 정보는 어트리뷰트 인코더에 전달될 수 있다. 즉, 어트리뷰트 코딩에 사용하는 지오메트리 정보는 프로젝션된 것일 수 있다. 또한, 서브 샘플된 지오메트리(sub-sampled geometry)를 기반으로 서브 샘플된 어트리뷰트 정보(sub-sampled attribute data)가 인코딩될 수 있다. 프로젝션부(49100)는 프로젝션 적용 범위에 따라 관련 정보(예를들어, geo_projection_enable_flag, attr_projetion_enable_flag)를 생성하여 실시예들에 따른 수신장치에 전달할 수 있다. 포인트 클라우드 데이터의 프로젝션은 지오메트리 코딩 및/또는 어트리뷰트 코딩에 적용될 수 있다.
도49b는 실시예들에 따른 프로젝션부(49100)를 보다 상세하게 나타낸 블록도 예시이다. 실시예들에 따른 프로젝션부(49100)는 좌표계변환부(49111), 좌표계프로젝션부(49112), 레이저위치조정부(49113), 샘플링레이트조정부(49114) 또는 복셀화부(49115)를 포함할 수 있다.
좌표계변환부(Coordinate conversion, 49111)는 입력된 포인트 클라우드 데이터의 포지션을 나타내는 좌표값의 변환을 수행한다. 예를 들어, XYZ 직교 좌표계(예를들어, 데카르트 좌표계)로 표현된 포인트들의 포지션을 원기둥 좌표계, 구면 좌표계 또는 부채꼴형 좌표계로 변환하여 표현할 수 있다. 이 때, 입력된 포인트 클라우드 데이터의 분포 범위에 대한 정보(예를들어, orig_bounding_box_x_offset, orig_bounding_box_y_offset, orig_bounding_box_z_offset, orig_bounding_box_x_length, orig_bounding_box_y_length, orig_bounding_box_z_length)를 생성하여 실시예들에 따른 수신장치에 전달할 수 있다. 또한, 변환된 좌표계에 관한 정보로서, 중심 위치, 변환 좌표계에서 데이터의 분포 범위 등에 관한 정보(예를들어, cylinder_center_x/y/z, cylinder_radius_max, cylinder_degree_max, cylinder_z_max, ref_vector_x/y/z, normal_vector_x/y/z, clockwise_degree_flag)를 생성하여 실시예들에 따른 수신장치에 전달할 수 있다.
좌표계프로젝션부(Coordinate projection, 49112)는 좌표계 변환되어 표현된 포인트 클라우드 데이터의 포인트를 프로젝션하는 구성이다. 좌표계프로젝션부(Coordinate projection, 49112)는 프로젝션된 포인트 클라우드 데이터의 범위 및 스케일링에 대한 정보(예를들어, bounding_box_x/y/z_length, granurality_radius/angular/normal)를 생성하여 실시예들에 따른 수신장치에 전달할 수 있다.
도 15 내지 도 20은 좌표계의 변환 및 프로젝션에 관한 내용을 설명하며, 관련 내용은 전술한 좌표계변환부(49111) 또는 좌표계프로젝션부(49112)에 의하여 수행될 수 있다.
레이저위치조정부(Laser position adjustment, 49113)는 라이다 구조 상 레이저의 위치에 따른 특성을 기반으로 보정하는 과정을 수행한다. 레이저위치조정부(49113)은 레이저포지션조정플래그(laser_position_adjustment_flag)가 1인 경우 레이저넘버(num_laser), r레이저(r_laser), z레이저(z_laser), 세타레이저(theta_laser) 등 보정에 필요한 정보를 생성하여 실시예들에 따른 수신장치에 전달할 수 있다. 도21 내지 도22는 레이저의 위치를 고려한 프로젝션 보정에 대하여 설명하며, 관련 내용은 레이저위치조정부(49113)에 의하여 수행될 수 있다.
샘플링레이트조정부(Sampling rate adjustment, 49114)는 각 축에 대하여 샘플링레이트(sampling rate)의 보정을 수행할 수 있다. 샘플링레이트조정부(49114)는 샘플링 보정에 관한 정보(예를들어, sampling_adjustment_cubic_flag, sampling_adjustment_spread_bbox_flag, sampling_adjustment_type)을 생성하고 실시예들에 따른 수신장치에 전달할 수 있다. 또한, 샘플링레이트조정부(49114)는 수평방향각도(azimuthal angle) 또는 수직방향각도(elevation angle)에 대하여 수평방향인덱스(azimuth index) 또는 레이저인덱스(laser index)로 변환을 수행할 수 있다. 즉, 샘플링레이트조정부는 포인트들의 수평방향각도 또는 수직방향각도에 대하여 근사화(approximation) 또는 양자화(quantization)하여 보정할 수 있다. 도33 내지 도38은 포인트 클라우드 데이터의 포인트의 수평방향각도 또는 수직방향각도에 대한 인덱스 변환, 근사화, 또는 양자화를 통한 보정에 관한 내용을 설명하며, 실시예들에 따른 샘플링레이트조정부(49114)에서 관련 동작이 수행될 수 있다. 즉, 실시예들에 따른 프로젝션부(49110)는 포인트 클라우드 데이터의 좌표계 변환, 프로젝션 및 인덱스 변환, 근사화 또는 양자화를 통한 샘플링 보정을 수행할 수 있다.
도 50 및 도 53은 실시예들에 따른 포인트 클라우드 데이터 전송 방법의 예시를 나타낸다. 실시예들에 따른 포인트 클라우드 데이터 전송 방법은 포인트 클라우드 데이터를 인코딩하는 단계(S5300)와, 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계(S5310)를 포함한다.
실시예들에 따른 포인트 클라우드 데이터의 전송방법은 도1의 전송장치(10000), 도2의 전송(20002), 도 4의 전송장치, 도 12의 전송장치, 도 14의 XR 장치(1430), 도15의 전송장치(15000) 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 획득하고, 인코딩하여 전송하는 동작과 대응될 수 있다.
포인트 클라우드 데이터를 인코딩하는 단계(S5300)는 도 1의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도 4의 인코더, 도 12의 전송장치, 도 14의 XR디바이스(1430), 도15의 전송장치(1500) 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.
한편, 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계(S2910)는 도 1의 트랜스미터(10003), 도 12의 전송처리부(12012), 도 14의 XR디바이스(1430), 도15의 전송장치(1500) 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 50은 포인트 클라우드 데이터를 인코딩하는 단계(S5300)에 대하여 도시한다. 포인트 클라우드 데이터를 인코딩하는 단계는 포인트 클라우드 데이터의 포인트의 지오메트리를 인코딩하는 단계와, 포인트 클라우드 데이터의 포인트의 어트리뷰트를 인코딩하는 단계를 포함한다.
포인트 클라우드 데이터를 인코딩하는 단계는 포인트 클라우드 데이터의 포인트를 프로젝션하는 단계를 포함하고, 프로젝션하는 단계는 제1 좌표계로 표현되는 포인트의 포지션을 나타내는 좌표를 제 2 좌표계로 변환하여 표현하는 단계(50010)와, 제2 좌표계로 변환되어 표현된 포인트의 좌표를 기반으로 포인트를 프로젝션하는 단계(50020)을 포함한다.
좌표계를 변환하는 단계(50010)는 실시예들에 따른 좌표계변환부(49111)에서 수행하는 동작과 대응되고, 프로젝션하는 단계(50020)는 실시예들에 따른 좌표계프로젝션부(49112)에서 수행하는 동작과 대응한다. 또한, 프로젝션하는 단계는 포인트 클라우드 데이터를 레이저의 포지션에 기반하여 보정하는 단계(50030)와 샘플링 레이트를 조정하는 단계(50040)를 더 포함할 수 있다. 레이저의 포지션에 기반하여 보정하는 단계(50030)는 실시예들에 따른 레이저위치조정부(49113)에서 수행하는 동작과 대응되고, 샘플링 레이트를 조정하는 단계(50040)는 실시예들에 따른 샘플링레이트조정부(49114)에서 수행하는 동작과 대응할 수 있다. 각 단계에 해당하는 동작은 전송장치(49000)의 구성들의 수행 동작에 대응할 수 있으며, 각 구성들의 수행 동작에 관한 설명은 도15 내지 도49에서 설명된다.
한편, 포인트 클라우드 데이터의 포인트를 프로젝션하는 단계는, 포인트를 획득한 레이저의 수평방향각도에 기반하여 포인트의 수평방향각도를 보정하는 단계를 더 포함할 수 있다.
포인트의 수평방향각도를 보정하는 단계는, 레이저가 샘플링한 복수의 포인트들의 수평방향각도들 중 포인트들의 수평방향각도와 차이가 최소인 레이저의 수평방향각도로 포인트들의 수평방향각도를 보정할 수 있다. 즉, 포인트의 수평방향각도와 가장 근사한 값을 가진 레이저의 수평방향각도로 포인트의 수평방향각도를 보정할 수 있다.
또한, 포인트들의 수평방향각도를 보정하는 단계는, 레이저의 k-1번째 및 k 번째 샘플링 수평방향각도의 평균값 이상이고, 레이저의 k 번째 및 k+1 번째 샘플링 수평방향각도의 평균값 미만인 포인트들의 수평방향각도를 레이저의 k 번째 샘플링 수평방향각도로 보정할 수 있다.
이와 같은 수평방향각도의 보정은 실시예들에 따른 전송장치의 프로젝션부(49110)에서 수행될 수 있으며, 도 38은 관련된 내용을 설명한다.
도 51a, 51b는 실시예들에 따른 포인트 클라우드 데이터 수신장치(51000)를 나타내는 블록도 예시이다.
실시예들에 따른 수신장치(51000)는 도1의 수신장치(10004), 도 11의 수신장치, 도 13의 수신장치, 도 14의 XR 장치(1430), 도16의 수신장치(16000) 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, 디코딩할 수 있다.
실시예들에 따른 수신장치(51000)는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부 및 포인트 클라우드 데이터를 디코딩하는 디코더를 포함한다. 또한, 디코더는 포인트 클라우드 데이터의 하나 또는 그 이상의 포인트들의 포지션을 나타내는 지오메트리를 디코딩하는 지오메트리 디코더와, 하나 또는 그 이상의 포인트들의 어트리뷰트를 디코딩하는 어트리뷰트 디코더를 포함할 수 있다.
도51b를 참조하면, 디코더는 프로젝션된 포인트 클라우드 데이터를 프로젝션하는 리프로젝션부(51110)를 포함한다. 리프로젝션부(51110)는 좌표계변환부와 좌표계프로젝션부를 포함할 수 있다.
좌표계프로젝션부는 포인트 클라우드 데이터의 포인트를 프로젝션한다. 좌표계프로젝션부는 코디네이트컨버전타입(coordinate_conversion_type)에 따라 디코딩된 포인트 클라우드 데이터(X'Y'Z' 좌표계)를 3차원 공간상에서 재변환할 수 있고, 프로젝션된 데이터의 범위 및 스케일링 정보(예를들어, cylinder_center_x/y/z, cylinder_radius_max, cylinder_degree_max, cylinder_z_max, ref_vector_x/y/z, normal_vector_x/y/z, clockwise_degree_flag)를 전달받아 파악할 수 있다.
좌표계변환부는 포인트 클라우드 데이터의 포인트의 좌표계를 변환하는 구성이다. 예를 들어, 원기둥 좌표계를 XYZ 직교 좌표계(데카르트 좌표계)로 변환할 수 있고, 프로젝션타입(projection_type)을 전달받아 프로젝션에 사용된 방법를 획득할 수 있다. 이때, 출력된 포인트 클라우드 데이터의 분포 범위는 관련 정보(예를들어, orig_bounding_box_x/y/z_offset, orig_bounding_box_x/y/z_length)를 통해 파악할 수 있다. 또한, 좌표계변환부는 시그널링 정보를 통해 변환할 좌표계에 대한 정보(예를들어, cylinder_center_x/y/z, cylinder_radius_max, cylinder_degree_max, cylinder_z_max, ref_vector_x/y/z, normal_vector_x/y/z, clockwise_degree_flag)를 파악할 수 있다.
리프로젝션부(51110)는 수신된 포인트 클라우드 데이터의 프로젝션 여부에 따라 좌표계 변환 및 프로젝션을 수행하거나, 수행하지 않을 수 있다. 수신된 포인트 클라우드 데이터는 실시예들에 따른 전송장치에서 프로젝션된 포인트 클라우드 데이터일 수 있고, 프로젝션되지 않은 것일 수도 있다. 포인트 클라우드 데이터의 포인트의 위치를 표현하는 좌표계는 데카르트 좌표계, 원기둥 좌표계, 구면 좌표계 또는 부채꼴형 좌표계 중 적어도 어느 하나일 수 있고, 좌표계의 변환을 통해 포인트 클라우드 데이터의 포인트의 위치를 다른 좌표계에 의하여 표현할 수 있다. 또한, 포인트 클라우드 데이터의 포인트의 위치는 변화된 좌표계로 표현된 값을 기반으로 프로젝션될 수 있다.
리프로젝션부(51110)는 레이저위치조정부(미도시)와 샘플링레이트조정부(미도시)를 더 포함할 수 있다.
레이저위치조정부(Laser position adjustment)는 라이다 구조 상 레이저의 위치에 따른 특성을 기반으로 보정하는 과정을 수행한다. 레이저위치조정부는 레이저포지션조정플래그(laser_position_adjustment_flag)가 1인 경우 레이저넘버(num_laser), r레이저(r_laser), z레이저(z_laser), 세타레이저(theta_laser) 등 보정에 필요한 정보를 획득할 수 있다. 도21 내지 도22는 레이저의 위치를 고려한 프로젝션 보정에 대하여 설명하며, 관련 내용은 레이저위치조정부에 의하여 수행될 수 있다.
샘플링레이트조정부(Sampling rate adjustment)는 각 축에 대하여 샘플링레이트(sampling rate)의 보정을 수행할 수 있다. 샘플링레이트조정부는 샘플링 보정에 관한 정보(예를들어, sampling_adjustment_cubic_flag, sampling_adjustment_spread_bbox_flag, sampling_adjustment_type)을 전달받을 수 있다. 또한, 샘플링레이트조정부는 수평방향각도(azimuthal angle) 또는 수직방향각도(elevation angle)에 대하여 수평방향인덱스(azimuth index) 또는 레이저인덱스(laser index) 변환을 수행할 수 있다. 즉, 샘플링레이트조정부는 포인트들의 수평방향각도 또는 수직방향각도에 대하여 근사화(approximation) 또는 양자화(quantization)를 통해 보정할 수 있다. 도33 내지 도38은 수평방향각도 또는 수직방향각도에 대한 인덱스 변환, 근사화 또는 양자화를 통한 보정에 관한 내용을 설명하며, 샘플링레이트조정부에서 관련 동작이 수행될 수 있다. 즉, 실시예들에 따른 리프로젝션부(51110)는 포인트 클라우드 데이터의 좌표계 변환, 프로젝션 및 인덱스 변환, 근사화 또는 양자화를 통한 보정을 수행할 수 있다.
한편, 디코더는 인덱스맵생성부(51120)와 역프로젝션부(51130)을 더 포함할 수 있다.
인덱스맵생성부(51120)은 복원된 지오메트리(위치) 정보에 대한 인덱스 맵을 생성할 수 있다. 도24는 프로젝션된 포인트들의 포지션, 포지션 인덱스, 디코딩된 포지션 간의 맵을 생성하는 내용에 대해 설명하며, 관련 내용은 인덱스맵생성부(51120)에 의하여 수행될 수 있다.
역프로젝션부(51130)은 프로젝션된 지오메트리에 대하여 어트리뷰트로 복원된 어트리뷰트 정보를 원위치로 복원된 지오메트리 정보에 대한 도메인으로 변경하는 구성이다. 역프로젝션은 포인트 클라우드 데이터의 프로젝션 과정을 동일하게 수행할 수 있다. 역프로젝션은 역변환 수식을 이용하여 프로젝션된 좌표계에서 기존의 좌표계로 포인트 클라우드 데이터의 포인트의 위치를 변환할 수 있다. 프로젝션이 어트리뷰트 코딩에 적용되는 경우, 복원된 지오메트리 정보와 대응하는 어트리뷰트 정보를 연결함으로써 어트리뷰트 정보가 적합한 값에 매칭되어 복원된다.
디코더는 포인트 클라우드 데이터의 프로젝션된 포인트들의 포지션을 역으로 프로젝션하는 역프로젝션부(51130)를 더 포함할 수 있다.
도 52 및 도54는 실시예들에 따른 포인트 클라우드 데이터 수신방법의 예시를 나타낸다. 도 54를 참조하면, 실시예들에 따른 포인트 클라우드 데이터 수신방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계(S5410)와 포인트 클라우드 데이터를 디코딩하는 단계(S5420)를 포함할 수 있다.
실시예들에 따른 수신방법은 도1의 수신장치(10004), 도 11의 수신장치, 도 13의 수신장치, 도 14의 XR 장치(1430), 도16의 수신장치(16000) 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, 디코딩할 수 있다.
포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계(S5400)는 도1의 수신장치(10004), 도10, 도 11의 수신장치, 도 13의 수신부(13000), 도14의 xr device(1430), 도16의 수신장치(1600) 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(S5410)는 도1의 포인트 클라우드 비디오 디코더(10006), 도10, 도 11, 도13의 수신장치, 도14의 XR device(1430), 도16의 수신장치(1600) 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.
도 52를 참조하면, 실시예들에 따른 포인트 클라우드 데이터를 디코딩하는 단계(52000)를 나타낸다. 디코딩하는 단계는 포인트 클라우드 데이터의 포인트의 포지션을 나타내는 지오메트리를 디코딩하는 단계와, 포인트의 어트리뷰트를 디코딩하는 단계를 포함한다.
또한, 디코딩하는 단계는 좌표계를 변환하는 단계와 좌표계를 프로젝션하는 단계를 더 포함한다. 좌표계를 변환하는 단계는 포인트 클라우드 데이터의 포인트의 좌표를 변환할 수 있다. 좌표계를 변환하는 단계의 수행 동작은 수신장치(51110)의 좌표계변환부에서 수행하는 동작과 대응한다. 좌표계를 프로젝션하는 단계는 포인트 클라우드 데이터의 포인트를 프로젝션한다. 좌표계를 프로젝션하는 단계의 수행동작은 수신장치(51110)의 좌표계프로젝션부에서 수행하는 동작과 대응한다.
또한, 디코딩하는 단계는 레이저의 위치를 고려하여 프로젝션을 보정하는 단계와 샘플링 레이트를 고려하여 프로젝션을 보정하는 단계를 더 포함할 수 있다. 각 단계에서 수행하는 동작은 실시예들에 따른 수신장치(51110)의 레이저위치조정부(미도시)와 샘플링레이트조정부(미도시)에서 수행하는 동작과 대응하며, 관련 내용은 전술하여 생략한다.
또한, 디코딩하는 단계는 역프로젝션하는 단계를 더 포함할 수 있다. 역프로젝션하는 단계는 프로젝션된 지오메트리에 대하여 어트리뷰트로 복원된 어트리뷰트 정보를 복원된 지오메트리 정보에 대한 도메인으로 변경한다. 역프로젝션 단계에서 수행하는 동작은 실시예들에 따른 수신장치(51110)의 역프로젝션부(51130)에서 수행하는 동작과 대응한다.
실시예들에 따른 전송장치는 포인트 클라우드 데이터의 분포 특성에 기반하여 데이터를 재배치 할 수 있다. 따라서, 비효율적으로 배치된 데이터 (예를들어, 중심에서 멀어질수록 밀도가 낮은 데이터 형태)를 프로젝션을 거쳐 균일한 분포로 배치한 뒤 더 높은 효율로 데이터를 압축하여 전송할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 및 수신 방법/장치는 포인트 클라우드 데이터를 프로젝션 기법에 기반하여 어트리뷰트 코딩할 수 있고, 이때, 획득 장치의 특성에 기반한 프로젝션 좌표계 설정 및 프로젝션 방법, 및/또는 샘플링 특성을 고려한 파라미터 설정 등을 수행할 수 있다.
이로 인하여, 실시예들에 따른 전송 및 수신 방법/장치는 실시예들의 결합 및/또는 관련 시그널링 정보에 기반하여 데이터 분포 특성/획득 장치의 특성에 기반하여 데이터를 재정렬하여 데이터의 압축 성능을 증가시키고, 실시예들에 따른 수신 방법/장치는 포인트 클라우드 데이터를 효율적으로 재구성할 수 있다.
실시예들에 따른 프로젝션 방법은 어트리뷰트 코딩과 독립적으로 전/후처리 과정으로써 적용될 수 있으며, 지오메트리 코딩에 적용되는 경우 예측 기반 지오메트리 코딩 방법의 전처리 과정 또는 변환된 위치를 기반으로 예측 기반 지오메트리 코딩 방법이 적용될 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 (23)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함하고,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 지오메트리를 인코딩하는 단계와,
    상기 포인트 클라우드 데이터의 어트리뷰트를 인코딩하는 단계를 포함하는,
    포인트 클라우드 데이터 전송 방법.
  2. 청구항 1에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 포인트들을 프로젝션하는 단계를 더 포함하고,
    상기 프로젝션하는 단계는,
    제1 좌표계로 표현되는 상기 포인트의 좌표를 제 2 좌표계로 변환하여 표현하는 단계와,
    상기 제2 좌표계로 변환되어 표현된 상기 포인트의 좌표를 기반으로 상기 포인트를 프로젝션하는 단계를 포함하는,
    포인트 클라우드 데이터 전송 방법.
  3. 청구항 2에 있어서,
    상기 제2 좌표계는 좌표값 중 적어도 어느 하나가 수평방향각도(azimuthal angle)로 표현되고,
    상기 프로젝션하는 단계는,
    상기 포인트의 수평방향각도를 보정하는 단계를 더 포함하며,
    상기 보정하는 단계는,
    레이저의 수평방향각도에 기반하여 상기 포인트의 수평방향각도를 보정하는,
    포인트 클라우드 데이터 전송 방법.
  4. 청구항 3에 있어서,
    상기 제 1 좌표계는 데카르트 좌표계(cartesian coordinate)를 포함하고,
    상기 제 2 좌표계는 구면 좌표계(spherical coordinate), 원기둥 좌표계(cylindrical coordinate) 또는 부채꼴형 좌표계 중 적어도 어느 하나를 포함하는,
    포인트 클라우드 데이터 전송 방법.
  5. 청구항 3에 있어서,
    상기 보정하는 단계는,
    상기 포인트의 수평방향각도와 가장 근사한 값을 가진 상기 레이저의 수평방향각도로 상기 포인트의 수평방향각도를 보정하는,
    포인트 클라우드 데이터 전송 방법.
  6. 청구항 3에 있어서,
    상기 보정하는 단계는,
    상기 포인트의 수평방향각도가,
    상기 레이저의 k-1번째 및 k 번째 수평방향각도의 평균값 이상이고, 상기 레이저의 k 번째 및 k+1 번째 수평방향각도의 평균값 미만인 경우,
    상기 포인트의 수평방향각도를 상기 레이저의 k 번째 수평방향각도로 보정하는,
    포인트 클라우드 데이터 전송 방법.
  7. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터를 포함하고,
    상기 인코더는,
    상기 포인트 클라우드 데이터의 포인트의 지오메트리를 인코딩하는 지오메트리 인코더와, 상기 포인트 클라우드 데이터의 포인트의 어트리뷰트를 인코딩하는 어트리뷰트 인코더를 포함하는,
    포인트 클라우드 데이터 전송 장치.
  8. 청구항 7에 있어서,
    상기 인코더는,
    상기 포인트 클라우드 데이터의 포인트들을 프로젝션하는 프로젝션부 를 더 포함하고,
    상기 프로젝션부는,
    제1 좌표계로 표현되는 상기 포인트의 좌표를 제 2 좌표계로 변환하고, 상기 제2 좌표계로 변환되어 표현된 상기 포인트의 좌표를 기반으로 상기 포인트를 프로젝션하는,
    포인트 클라우드 데이터 전송 장치.
  9. 청구항 8에 있어서,
    상기 제2 좌표계는 좌표값 중 적어도 어느 하나가 수평방향각도(azimuthal angle)로 표현되고,
    상기 프로젝션부는,
    레이저의 수평방향각도에 기반하여 상기 포인트의 수평방향각도를 보정하는,
    포인트 클라우드 데이터 전송 장치.
  10. 청구항 9에 있어서,
    상기 프로젝션부는,
    상기 포인트의 수평방향각도와 가장 근사한 값을 가진 상기 레이저의 수평방향각도로 상기 포인트의 수평방향각도를 보정하는,
    포인트 클라우드 데이터 전송 장치.
  11. 청구항 9에 있어서,
    상기 프로젝션부는,
    상기 포인트의 수평방향각도가,
    상기 레이저의 k-1번째 및 k 번째 수평방향각도의 평균값 이상이고, 상기 레이저의 k 번째 및 k+1 번째 수평방향각도의 평균값 미만인 경우,
    상기 포인트의 수평방향각도를 상기 레이저의 k 번째 수평방향각도로 보정하는,
    포인트 클라우드 데이터 전송 장치.
  12. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함하고,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터의 포인트의 지오메트리를 디코딩하는 단계 및 상기 포인트 클라우드 데이터의 포인트의 어트리뷰트를 디코딩하는 단계를 포함하는,
    포인트 클라우드 데이터 수신방법.
  13. 청구항 12에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터의 포인트를 프로젝션하는 단계를 더 포함하는,
    포인트 클라우드 데이터 수신방법.
  14. 청구항 13에 있어서,
    상기 프로젝션하는 단계는,
    제1 좌표계로 표현되는 상기 포인트의 좌표를 제 2 좌표계로 변환하고, 상기 제2 좌표계로 변환되어 표현된 상기 포인트의 좌표를 기반으로 상기 포인트를 프로젝션하고,
    상기 제2 좌표계는 좌표값 중 적어도 어느 하나가 수평방향각도(azimuthal angle)로 표현되는,
    포인트 클라우드 데이터 수신방법.
  15. 청구항 14에 있어서,
    상기 제 1 좌표계는 데카르트 좌표계(cartesian coordinate)를 포함하고,
    상기 제 2 좌표계는 구면 좌표계(spherical coordinate), 원기둥 좌표계(cylindrical coordinate) 또는 부채꼴형 좌표계 중 적어도 어느 하나를 포함하는,
    포인트 클라우드 데이터 수신방법.
  16. 청구항 14에 있어서,
    상기 프로젝션하는 단계는,
    레이저의 수평방향각도에 기반하여 상기 포인트의 수평방향각도를 보정하는,
    포인트 클라우드 데이터 수신방법.
  17. 청구항 14에 있어서,
    상기 프로젝션하는 단계는,
    상기 포인트의 수평방향각도와 가장 근사한 값을 가진 상기 레이저의 수평방향각도로 상기 포인트의 수평방향각도를 보정하는,
    포인트 클라우드 데이터 수신방법.
  18. 청구항 14에 있어서,
    상기 프로젝션하는 단계는,
    상기 포인트의 수평방향각도가,
    상기 레이저의 k-1번째 및 k 번째 수평방향각도의 평균값 이상이고, 상기 레이저의 k 번째 및 k+1 번째 수평방향각도의 평균값 미만인 경우,
    상기 포인트의 수평방향각도를 상기 레이저의 k 번째 수평방향각도로 보정하는,
    포인트 클라우드 데이터 수신방법.
  19. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더를 포함하고,
    상기 디코더는,
    상기 포인트 클라우드 데이터의 지오메트리를 디코딩하는 지오메트리 디코더와, 상기 포인트 클라우드 데이터의 어트리뷰트를 디코딩하는 어트리뷰트 디코더를 포함하는,
    포인트 클라우드 데이터 수신장치.
  20. 청구항 19에 있어서,
    상기 디코더는,
    상기 포인트 클라우드 데이터 포인트를 프로젝션하는 리프로젝션부를 더 포함하고,
    상기 리프로젝션부는 제1 좌표계로 표현되는 상기 포인트의 좌표를 제 2 좌표계로 변환하고, 상기 제2 좌표계로 변환되어 표현된 상기 포인트의 좌표를 기반으로 상기 포인트를 프로젝션하며,
    상기 제2 좌표계는 좌표값 중 적어도 어느 하나가 수평방향각도(azimuthal angle)로 표현되는,
    포인트 클라우드 데이터 수신장치.
  21. 청구항 20에 있어서,
    상기 리프로젝션부는,
    레이저의 수평방향각도에 기반하여 상기 포인트의 수평방향각도를 보정하는,
    포인트 클라우드 데이터 수신장치.
  22. 청구항 21에 있어서,
    상기 리프로젝션부는,
    상기 포인트의 수평방향각도와 가장 근사한 값을 가진 상기 레이저의 수평방향각도로 상기 포인트들의 수평방향각도를 보정하는,
    포인트 클라우드 데이터 수신장치.
  23. 청구항 21에 있어서,
    상기 리프로젝션부는,
    상기 포인트의 수평방향각도가,
    상기 레이저의 k-1번째 및 k 번째 수평방향각도의 평균값 이상이고, 상기 레이저의 k 번째 및 k+1 번째 수평방향각도의 평균값 미만인 경우,
    상기 포인트의 수평방향각도를 상기 레이저의 k 번째 수평방향각도로 보정하는,
    포인트 클라우드 데이터 수신장치.
PCT/KR2021/012840 2020-09-17 2021-09-17 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 WO2022060176A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/026,926 US20230328285A1 (en) 2020-09-17 2021-09-17 Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200119774 2020-09-17
KR10-2020-0119774 2020-09-17

Publications (1)

Publication Number Publication Date
WO2022060176A1 true WO2022060176A1 (ko) 2022-03-24

Family

ID=80776261

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/012840 WO2022060176A1 (ko) 2020-09-17 2021-09-17 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치

Country Status (2)

Country Link
US (1) US20230328285A1 (ko)
WO (1) WO2022060176A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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.
WO2023191321A1 (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
WO2023193534A1 (en) * 2022-04-07 2023-10-12 Beijing Xiaomi Mobile Software Co., Ltd. Methods and apparatus for coding presence flag for point cloud, and data stream including presence flag

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117853666A (zh) * 2024-03-07 2024-04-09 法奥意威(苏州)机器人系统有限公司 基于细分八叉树的点云圆柱体检测方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170135914A (ko) * 2015-09-10 2017-12-08 테년 3디 (톈진) 테크놀로지 코.,엘티디 멀티 라인 레이저 어레이 3차원 스캐닝 시스템 및 멀티 라인 레이저 어레이 3차원 스캐닝 방법
US20180165821A1 (en) * 2016-12-12 2018-06-14 Canon Kabushiki Kaisha Devices, systems, and methods for reconstructing the three-dimensional shapes of objects
KR20180117230A (ko) * 2014-09-11 2018-10-26 사이버옵틱스 코포레이션 3-차원 형상측정에서 복수 카메라 및 광원으로부터의 포인트 클라우드 병합
KR20190082065A (ko) * 2017-12-29 2019-07-09 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 포인트 클라우드 데이터를 처리하기 위한 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180117230A (ko) * 2014-09-11 2018-10-26 사이버옵틱스 코포레이션 3-차원 형상측정에서 복수 카메라 및 광원으로부터의 포인트 클라우드 병합
KR20170135914A (ko) * 2015-09-10 2017-12-08 테년 3디 (톈진) 테크놀로지 코.,엘티디 멀티 라인 레이저 어레이 3차원 스캐닝 시스템 및 멀티 라인 레이저 어레이 3차원 스캐닝 방법
US20180165821A1 (en) * 2016-12-12 2018-06-14 Canon Kabushiki Kaisha Devices, systems, and methods for reconstructing the three-dimensional shapes of objects
KR20190082065A (ko) * 2017-12-29 2019-07-09 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 포인트 클라우드 데이터를 처리하기 위한 방법 및 장치

Non-Patent Citations (1)

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

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023191321A1 (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.
WO2023193534A1 (en) * 2022-04-07 2023-10-12 Beijing Xiaomi Mobile Software Co., Ltd. Methods and apparatus for coding presence flag for point cloud, and data stream including presence flag

Also Published As

Publication number Publication date
US20230328285A1 (en) 2023-10-12

Similar Documents

Publication Publication Date Title
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020190093A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021187839A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2020242244A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022060176A1 (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2020246689A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002604A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2020197228A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020256308A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021029511A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021060850A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021210743A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002558A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
WO2022075786A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021206291A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2021182937A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022015006A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022050650A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022080982A1 (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021002665A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2023287220A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2022240128A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021049762A1 (ko) 포인트 클라우드 데이터 처리 장치 및 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: 21869798

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: 21869798

Country of ref document: EP

Kind code of ref document: A1