WO2022075428A1 - 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 - Google Patents
三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 Download PDFInfo
- Publication number
- WO2022075428A1 WO2022075428A1 PCT/JP2021/037232 JP2021037232W WO2022075428A1 WO 2022075428 A1 WO2022075428 A1 WO 2022075428A1 JP 2021037232 W JP2021037232 W JP 2021037232W WO 2022075428 A1 WO2022075428 A1 WO 2022075428A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- dimensional
- point
- information
- coding
- prediction
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 441
- 230000033001 locomotion Effects 0.000 claims abstract description 202
- 238000012545 processing Methods 0.000 description 141
- 238000010586 diagram Methods 0.000 description 140
- 230000008569 process Effects 0.000 description 132
- 230000005540 biological transmission Effects 0.000 description 125
- 238000006243 chemical reaction Methods 0.000 description 108
- 238000004891 communication Methods 0.000 description 99
- 239000000872 buffer Substances 0.000 description 89
- 238000013480 data collection Methods 0.000 description 52
- 238000013139 quantization Methods 0.000 description 43
- 238000012546 transfer Methods 0.000 description 30
- 239000013598 vector Substances 0.000 description 30
- 230000006870 function Effects 0.000 description 29
- 238000004364 calculation method Methods 0.000 description 24
- 238000003860 storage Methods 0.000 description 24
- 230000002829 reductive effect Effects 0.000 description 23
- 230000006835 compression Effects 0.000 description 18
- 238000007906 compression Methods 0.000 description 18
- 238000013500 data storage Methods 0.000 description 18
- 238000012544 monitoring process Methods 0.000 description 18
- 238000013519 translation Methods 0.000 description 17
- 230000004044 response Effects 0.000 description 14
- 238000001514 detection method Methods 0.000 description 13
- 239000000284 extract Substances 0.000 description 12
- 230000015572 biosynthetic process Effects 0.000 description 11
- 230000002093 peripheral effect Effects 0.000 description 11
- 238000003786 synthesis reaction Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 238000012937 correction Methods 0.000 description 9
- 239000003550 marker Substances 0.000 description 9
- 230000001360 synchronised effect Effects 0.000 description 9
- 238000006073 displacement reaction Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 230000002194 synthesizing effect Effects 0.000 description 7
- 230000006837 decompression Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000007430 reference method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- TVMXDCGIABBOFY-UHFFFAOYSA-N octane Chemical compound CCCCCCCC TVMXDCGIABBOFY-UHFFFAOYSA-N 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
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
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
- H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
- H04N19/51—Motion estimation or motion compensation
- H04N19/513—Processing of motion vectors
- H04N19/517—Processing of motion vectors by encoding
- H04N19/52—Processing of motion vectors by encoding by predictive 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
- H04N19/50—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
- H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
- H04N19/96—Tree coding, e.g. quad-tree coding
Definitions
- the present disclosure relates to a three-dimensional data coding method, a three-dimensional data decoding method, a three-dimensional data coding device, and a three-dimensional data decoding device.
- 3D data In the future, devices or services that utilize 3D data are expected to become widespread in a wide range of fields such as computer vision for autonomous operation of automobiles or robots, map information, monitoring, infrastructure inspection, or video distribution.
- the three-dimensional data is acquired by various methods such as a distance sensor such as a range finder, a stereo camera, or a combination of a plurality of monocular cameras.
- point cloud As one of the expression methods of 3D data, there is an expression method called point cloud that expresses the shape of a 3D structure by a point cloud in a 3D space. In the point cloud, the position and color of the point cloud are stored. Point clouds are expected to become the mainstream method for expressing 3D data, but point clouds have a very large amount of data. Therefore, in the storage or transmission of 3D data, it is essential to compress the amount of data by encoding, as in the case of 2D moving images (for example, MPEG-4 AVC or HEVC standardized by MPEG). Become.
- 2D moving images for example, MPEG-4 AVC or HEVC standardized by MPEG.
- the compression of the point cloud is partially supported by a public library (Point Cloud Library) that performs processing related to the point cloud.
- a public library Point Cloud Library
- Patent Document 1 a technique for searching and displaying facilities located around a vehicle using three-dimensional map data is known (see, for example, Patent Document 1).
- the coding target point among the plurality of three-dimensional points is set to a second frame different from the first frame including the prediction tree including the coding target point.
- the coded data is generated by encoding with reference to the included three-dimensional points, a bit stream containing the coded data is generated, and the plurality of three-dimensional points included in the second frame are already encoded.
- the coding target point is coded by referring to at least a part of the plurality of three-dimensional points included in the second frame based on the motion compensation information associated with the prediction tree.
- the bit stream contains the motion compensation information.
- the three-dimensional data decoding method acquires coded data in which a coded target point included in the prediction tree of the first frame is coded and motion compensation information, and obtains the above-mentioned bit stream. Using the motion compensation information, at least a part of a plurality of three-dimensional points included in the second frame different from the first frame is specified, and the decoding result obtained by decoding the coded data and the decoding result.
- the coding target point is calculated using at least a part thereof, the plurality of three-dimensional points included in the second frame have been decoded, and the motion compensation information is the prediction tree and the first. This is information that associates with at least a part of a plurality of three-dimensional points included in two frames.
- the present disclosure can provide a three-dimensional data coding method, a three-dimensional data decoding method, a three-dimensional data coding device, or a three-dimensional data decoding device that can improve the coding efficiency.
- FIG. 1 is a diagram showing a configuration of a three-dimensional data coding / decoding system according to the first embodiment.
- FIG. 2 is a diagram showing a configuration example of point cloud data according to the first embodiment.
- FIG. 3 is a diagram showing a configuration example of a data file in which the point cloud data information according to the first embodiment is described.
- FIG. 4 is a diagram showing the types of point cloud data according to the first embodiment.
- FIG. 5 is a diagram showing a configuration of a first coding unit according to the first embodiment.
- FIG. 6 is a block diagram of the first coding unit according to the first embodiment.
- FIG. 7 is a diagram showing a configuration of a first decoding unit according to the first embodiment.
- FIG. 1 is a diagram showing a configuration of a three-dimensional data coding / decoding system according to the first embodiment.
- FIG. 2 is a diagram showing a configuration example of point cloud data according to the first embodiment.
- FIG. 3 is a diagram showing a
- FIG. 8 is a block diagram of the first decoding unit according to the first embodiment.
- FIG. 9 is a block diagram of the three-dimensional data coding apparatus according to the first embodiment.
- FIG. 10 is a diagram showing an example of position information according to the first embodiment.
- FIG. 11 is a diagram showing an example of an ocree representation of position information according to the first embodiment.
- FIG. 12 is a block diagram of the three-dimensional data decoding device according to the first embodiment.
- FIG. 13 is a block diagram of the attribute information coding unit according to the first embodiment.
- FIG. 14 is a block diagram of the attribute information decoding unit according to the first embodiment.
- FIG. 15 is a block diagram showing a configuration of an attribute information coding unit according to the first embodiment.
- FIG. 16 is a block diagram of the attribute information coding unit according to the first embodiment.
- FIG. 17 is a block diagram showing a configuration of an attribute information decoding unit according to the first embodiment.
- FIG. 18 is a block diagram of the attribute information decoding unit according to the first embodiment.
- FIG. 19 is a diagram showing a configuration of a second coding unit according to the first embodiment.
- FIG. 20 is a block diagram of a second coding unit according to the first embodiment.
- FIG. 21 is a diagram showing a configuration of a second decoding unit according to the first embodiment.
- FIG. 22 is a block diagram of a second decoding unit according to the first embodiment.
- FIG. 23 is a diagram showing a protocol stack related to PCC coded data according to the first embodiment.
- FIG. 24 is a diagram showing a configuration of a coding unit and a multiplexing unit according to the second embodiment.
- FIG. 25 is a diagram showing a configuration example of coded data according to the second embodiment.
- FIG. 26 is a diagram showing a configuration example of the coded data and the NAL unit according to the second embodiment.
- FIG. 27 is a diagram showing an example of the semantics of pcc_nal_unit_type according to the second embodiment.
- FIG. 28 is a diagram showing an example of a prediction tree used in the three-dimensional data coding method according to the third embodiment.
- FIG. 29 is a flowchart showing an example of the three-dimensional data coding method according to the third embodiment.
- FIG. 30 is a flowchart showing an example of the three-dimensional data decoding method according to the third embodiment.
- FIG. 31 is a diagram for explaining a method of generating a predicted tree according to the third embodiment.
- FIG. 32 is a diagram for explaining a first example of the prediction mode according to the third embodiment.
- FIG. 33 is a diagram showing a second example of a table showing predicted values calculated in each prediction mode according to the third embodiment.
- FIG. 34 is a diagram showing a specific example of the second example of the table showing the predicted values calculated in each prediction mode according to the third embodiment.
- FIG. 35 is a diagram showing a third example of a table showing predicted values calculated in each prediction mode according to the third embodiment.
- FIG. 31 is a diagram for explaining a method of generating a predicted tree according to the third embodiment.
- FIG. 32 is a diagram for explaining a first example of the prediction mode according to the third embodiment.
- FIG. 33 is a diagram showing a second example of a table showing predicted values calculated in
- FIG. 36 is a diagram showing an example of the syntax of the header of the position information according to the third embodiment.
- FIG. 37 is a diagram showing an example of the syntax of position information according to the third embodiment.
- FIG. 38 is a diagram showing another example of the position information syntax according to the third embodiment.
- FIG. 39 is a block diagram of the three-dimensional data coding apparatus according to the fourth embodiment.
- FIG. 40 is a block diagram of the three-dimensional data decoding device according to the fourth embodiment.
- FIG. 41 is a block diagram of the three-dimensional data coding apparatus according to the fourth embodiment.
- FIG. 42 is a block diagram of the three-dimensional data decoding device according to the fourth embodiment.
- FIG. 43 is a diagram showing an example of inter-prediction according to the fourth embodiment.
- FIG. 44 is a diagram showing an example of SPS syntax according to the fourth embodiment.
- FIG. 45 is a diagram showing an example of GPS syntax according to the fourth embodiment.
- FIG. 46 is a flowchart of the three-dimensional data coding process according to the fourth embodiment.
- FIG. 47 is a flowchart of the three-dimensional data decoding process according to the fourth embodiment.
- FIG. 48 is a block diagram of the three-dimensional data coding apparatus according to the fifth embodiment.
- FIG. 49 is a block diagram of the three-dimensional data decoding device according to the fifth embodiment.
- FIG. 50 is a flowchart showing an example of a procedure for encoding each three-dimensional point of the prediction tree according to the fifth embodiment.
- FIG. 50 is a flowchart showing an example of a procedure for encoding each three-dimensional point of the prediction tree according to the fifth embodiment.
- FIG. 51 is a flowchart showing an example of a procedure for decoding each three-dimensional point of the predicted tree according to the fifth embodiment.
- FIG. 52 is a block diagram of a three-dimensional data coding device according to a modified example of the fifth embodiment.
- FIG. 53 is a block diagram of a three-dimensional data decoding device according to a modified example of the fifth embodiment.
- FIG. 54 is an example of the GPS syntax according to the fifth embodiment.
- FIG. 55 is an example of the syntax of each three-dimensional point according to the fifth embodiment.
- FIG. 56 is a flowchart showing the three-dimensional data coding process according to the fifth embodiment.
- FIG. 57 is a flowchart showing the three-dimensional data decoding process according to the fifth embodiment.
- FIG. 58 is a flowchart showing a coordinate system switching process in the coding process according to the fifth embodiment.
- FIG. 59 is a flowchart showing a coordinate system switching process in the decoding process according to the fifth embodiment.
- FIG. 60 is a flowchart showing another example of the three-dimensional data coding process according to the fifth embodiment.
- FIG. 61 is a flowchart showing another example of the three-dimensional data decoding process according to the fifth embodiment.
- FIG. 62 describes a first example of a process for determining a three-dimensional point cloud to be referred to when the three-dimensional data coding apparatus according to the sixth embodiment encodes a three-dimensional point cloud to be encoded. It is a figure for.
- FIG. 62 describes a first example of a process for determining a three-dimensional point cloud to be referred to when the three-dimensional data coding apparatus according to the sixth embodiment encodes a three-dimensional point cloud to be encoded. It is a figure for.
- FIG. 62 describes
- FIG. 63 describes a second example of the process for determining the three-dimensional point cloud to be referred to when the three-dimensional data coding apparatus according to the sixth embodiment encodes the three-dimensional point cloud to be encoded. It is a figure for.
- FIG. 64 describes a third example of a process for determining a three-dimensional point cloud to be referred to when the three-dimensional data coding apparatus according to the sixth embodiment encodes a three-dimensional point cloud to be encoded. It is a figure for.
- FIG. 65 is a flowchart showing a processing procedure for determining a three-dimensional point cloud to be referred to when the three-dimensional data coding apparatus according to the sixth embodiment encodes a three-dimensional point cloud to be encoded.
- FIG. 64 describes a third example of a process for determining a three-dimensional point cloud to be referred to when the three-dimensional data coding apparatus according to the sixth embodiment encodes a three-dimensional point cloud to be encoded.
- FIG. 65 is a flowchart showing a
- FIG. 66 is a diagram showing a syntax example of motion compensation information according to the sixth embodiment.
- FIG. 67 is a flowchart showing a processing procedure of the three-dimensional data coding apparatus according to the sixth embodiment.
- FIG. 68 is a flowchart showing a processing procedure of the three-dimensional data decoding apparatus according to the sixth embodiment.
- FIG. 69 is a diagram for explaining a reference method of a reference point cloud in the inter-prediction according to the present embodiment according to the seventh embodiment.
- FIG. 70 is a diagram showing an example of the GPS (geometry parameter set) syntax according to the seventh embodiment.
- FIG. 71 is a diagram showing an example of the syntax of the predicted tree according to the seventh embodiment.
- FIG. 72 is a diagram showing an example of the syntax of the motion compensation information of the predicted tree according to the seventh embodiment.
- FIG. 73 is a diagram showing an example of the syntax of motion compensation information in the polar coordinate coding according to the seventh embodiment.
- FIG. 74 is a diagram showing an example of the syntax of the coding range information of the prediction tree according to the seventh embodiment.
- FIG. 75 is a flowchart of the three-dimensional data coding process according to the seventh embodiment.
- FIG. 76 is a flowchart of the three-dimensional data decoding process according to the seventh embodiment.
- FIG. 77 is a block diagram of the three-dimensional data creation device according to the eighth embodiment.
- FIG. 78 is a flowchart of the three-dimensional data creation method according to the eighth embodiment.
- FIG. 79 is a diagram showing a configuration of the system according to the eighth embodiment.
- FIG. 80 is a block diagram of the client device according to the eighth embodiment.
- FIG. 81 is a block diagram of the server according to the eighth embodiment.
- FIG. 82 is a flowchart of the three-dimensional data creation process by the client device according to the eighth embodiment.
- FIG. 83 is a flowchart of the sensor information transmission process by the client device according to the eighth embodiment.
- FIG. 84 is a flowchart of the three-dimensional data creation process by the server according to the eighth embodiment.
- FIG. 85 is a flowchart of the three-dimensional map transmission process by the server according to the eighth embodiment.
- FIG. 86 is a diagram showing a configuration of a modified example of the system according to the eighth embodiment.
- FIG. 87 is a diagram showing a configuration of a server and a client device according to the eighth embodiment.
- FIG. 88 is a diagram showing a configuration of a server and a client device according to the eighth embodiment.
- FIG. 89 is a flowchart of processing by the client device according to the eighth embodiment.
- FIG. 90 is a diagram showing the configuration of the sensor information collection system according to the eighth embodiment.
- FIG. 91 is a diagram showing an example of the system according to the eighth embodiment.
- FIG. 92 is a diagram showing a modified example of the system according to the eighth embodiment.
- FIG. 93 is a flowchart showing an example of application processing according to the eighth embodiment.
- FIG. 94 is a diagram showing a sensor range of various sensors according to the eighth embodiment.
- FIG. 95 is a diagram showing a configuration example of the automatic driving system according to the eighth embodiment.
- FIG. 96 is a diagram showing a configuration example of a bit stream according to the eighth embodiment.
- FIG. 97 is a flowchart of the point group selection process according to the eighth embodiment.
- FIG. 98 is a diagram showing a screen example of the point group selection process according to the eighth embodiment.
- FIG. 99 is a diagram showing a screen example of the point group selection process according to the eighth embodiment.
- FIG. 100 is a diagram showing a screen example of the point group selection process according to the eighth embodiment.
- the coding target point among the plurality of three-dimensional points is set to a second frame different from the first frame including the prediction tree including the coding target point.
- the coded data is generated by encoding with reference to the included three-dimensional points, a bit stream containing the coded data is generated, and the plurality of three-dimensional points included in the second frame are already encoded.
- the coding target point is coded by referring to at least a part of the plurality of three-dimensional points included in the second frame based on the motion compensation information associated with the prediction tree.
- the bit stream contains the motion compensation information.
- the coding efficiency can be improved.
- the position information of each of the plurality of three-dimensional points included in the first frame and the second frame is represented by a polar coordinate system, and each of the first frame and the second frame is mapped to a two-dimensional image.
- Each pixel of the two-dimensional image indicates the position information of each of the plurality of three-dimensional points included in the second frame, and has the distance information included in the position information as a pixel value.
- the coding target point may be encoded by referring to at least a part of the plurality of three-dimensional points included in the second frame mapped to the two-dimensional image.
- the two-dimensional coordinates indicating the pixel positions of each pixel of the two-dimensional image may indicate the elevation angle information and the horizontal angle information included in the polar coordinates.
- a plurality of three-dimensional points included in the prediction tree are identified in a two-dimensional region of the two-dimensional image to which the first frame is mapped, and the bitstream is further positioned in the two-dimensional region. And may include area information indicating the size.
- the position information of each of the plurality of three-dimensional points included in the first frame and the second frame is represented by an orthogonal coordinate system, and the plurality of three-dimensional points included in the prediction tree is the first frame.
- the bit stream is included in the second three-dimensional region included in the first three-dimensional region of the above, and may further include region information indicating the position and size of the second three-dimensional region.
- the three-dimensional data decoding method acquires coded data in which a coded target point included in the prediction tree of the first frame is coded and motion compensation information, and obtains the above-mentioned bit stream. Using the motion compensation information, at least a part of a plurality of three-dimensional points included in the second frame different from the first frame is specified, and the decoding result obtained by decoding the coded data and the decoding result.
- the coding target point is calculated using at least a part thereof, the plurality of three-dimensional points included in the second frame have been decoded, and the motion compensation information is the prediction tree and the first. This is information that associates with at least a part of a plurality of three-dimensional points included in two frames.
- the coded code is used to determine at least some of the three-dimensional points to be referred to for decoding the coded point to be coded using the motion compensation information shown in the bitstream.
- the conversion target point can be appropriately decoded.
- the position information of each of the plurality of three-dimensional points included in the first frame and the second frame is represented by a polar coordinate system, and each of the first frame and the second frame is mapped to a two-dimensional image.
- Each pixel of the two-dimensional image indicates the position information of each of the plurality of three-dimensional points included in the second frame, and has the distance information included in the position information as a pixel value.
- the coding target point may be decoded by referring to at least a part of the plurality of three-dimensional points included in the second frame mapped to the two-dimensional image.
- the two-dimensional coordinates indicating the pixel positions of each pixel of the two-dimensional image may indicate the elevation angle information and the horizontal angle information included in the polar coordinates.
- a plurality of three-dimensional points included in the prediction tree are identified in a two-dimensional region of the two-dimensional image to which the first frame is mapped, and the bitstream is further positioned in the two-dimensional region. And may include area information indicating the size.
- the position information of each of the plurality of three-dimensional points included in the first frame and the second frame is represented by an orthogonal coordinate system, and the plurality of three-dimensional points included in the prediction tree is the first frame.
- the bit stream is included in the second three-dimensional region included in the first three-dimensional region of the above, and may further include region information indicating the position and size of the second three-dimensional region.
- the three-dimensional data coding apparatus includes a processor and a memory, and the processor uses the memory to set a coding target point among a plurality of three-dimensional points. Coding is performed by referring to a three-dimensional point included in a second frame different from the first frame containing a prediction tree containing a coded target point to generate coded data, and a bit stream containing the coded data is generated.
- the plurality of three-dimensional points included in the second frame are already encoded, and in the coding, the plurality of three-dimensional points included in the second frame are included based on the motion compensation information associated with the prediction tree.
- the coding target point is encoded with reference to at least a part of the three-dimensional points, and the bit stream contains the motion compensation information.
- the coding efficiency can be improved.
- the three-dimensional data decoding device includes a processor and a memory, and the processor uses the memory to encode a coding target point included in a prediction tree of the first frame.
- a bit stream including the encoded data and motion compensation information is acquired, and the motion compensation information is used to at least one of a plurality of three-dimensional points included in a second frame different from the first frame.
- the coded target point is calculated, and a plurality of three dimensions included in the second frame.
- the points have been decoded, and the motion compensation information is information that associates the prediction tree with at least a part of a plurality of three-dimensional points included in the second frame.
- the coded code is used to determine at least some of the three-dimensional points to be referred to for decoding the coded point to be coded using the motion compensation information shown in the bitstream.
- the conversion target point can be appropriately decoded.
- a recording medium such as a system, method, integrated circuit, computer program or computer-readable CD-ROM, and the system, method, integrated circuit, computer program. And may be realized by any combination of recording media.
- a three-dimensional data coding method and a three-dimensional data coding device for providing a function of transmitting and receiving necessary information according to an application in the coded data of a three-dimensional point cloud, and the code thereof.
- a three-dimensional data decoding method and a three-dimensional data decoding device for decoding the encoded data, a three-dimensional data multiplexing method for multiplexing the encoded data, and a three-dimensional data transmission method for transmitting the encoded data will be described. do.
- a first coding method and a second coding method are being studied as a coding method (coding method) for point group data, but the configuration of the coded data and the coded data are used as a system.
- the method of storing in the format is not defined, and there is a problem that the MUX processing (multiplexing), transmission or storage in the coding unit cannot be performed as it is.
- PCC Point Cloud Compression
- FIG. 1 is a diagram showing a configuration example of a three-dimensional data coding / decoding system according to the present embodiment.
- the three-dimensional data coding / decoding system includes a three-dimensional data coding / decoding system 4601, a three-dimensional data decoding system 4602, a sensor terminal 4603, and an external connection unit 4604.
- the three-dimensional data coding system 4601 generates coded data or multiplexed data by encoding point cloud data which is three-dimensional data.
- the three-dimensional data coding system 4601 may be a three-dimensional data coding device realized by a single device, or may be a system realized by a plurality of devices. Further, the three-dimensional data coding apparatus may include a part of a plurality of processing units included in the three-dimensional data coding system 4601.
- the three-dimensional data coding system 4601 includes a point cloud data generation system 4611, a presentation unit 4612, a coding unit 4613, a multiplexing unit 4614, an input / output unit 4615, and a control unit 4616.
- the point cloud data generation system 4611 includes a sensor information acquisition unit 4617 and a point cloud data generation unit 4618.
- the sensor information acquisition unit 4617 acquires sensor information from the sensor terminal 4603 and outputs the sensor information to the point cloud data generation unit 4618.
- the point cloud data generation unit 4618 generates point cloud data from the sensor information and outputs the point cloud data to the coding unit 4613.
- the presentation unit 4612 presents sensor information or point cloud data to the user. For example, the presentation unit 4612 displays information or an image based on sensor information or point cloud data.
- the coding unit 4613 encodes (compresses) the point cloud data, and outputs the obtained coded data, the control information obtained in the coding process, and other additional information to the multiplexing unit 4614.
- the additional information includes, for example, sensor information.
- the multiplexing unit 4614 generates multiplexed data by multiplexing the coded data input from the coding unit 4613, the control information, and the additional information.
- the format of the multiplexed data is, for example, a file format for storage or a packet format for transmission.
- the input / output unit 4615 (for example, the communication unit or the interface) outputs the multiplexed data to the outside.
- the multiplexed data is stored in a storage unit such as an internal memory.
- the control unit 4616 (or application execution unit) controls each processing unit. That is, the control unit 4616 controls coding, multiplexing, and the like.
- the sensor information may be input to the coding unit 4613 or the multiplexing unit 4614. Further, the input / output unit 4615 may output the point cloud data or the coded data as it is to the outside.
- the transmission signal (multiplexed data) output from the 3D data coding system 4601 is input to the 3D data decoding system 4602 via the external connection unit 4604.
- the three-dimensional data decoding system 4602 generates point cloud data, which is three-dimensional data, by decoding encoded data or multiplexed data.
- the three-dimensional data decoding system 4602 may be a three-dimensional data decoding device realized by a single device, or may be a system realized by a plurality of devices. Further, the three-dimensional data decoding device may include a part of a plurality of processing units included in the three-dimensional data decoding system 4602.
- the three-dimensional data decoding system 4602 includes a sensor information acquisition unit 4621, an input / output unit 4622, a demultiplexing unit 4623, a decoding unit 4624, a presentation unit 4625, a user interface 4626, and a control unit 4627.
- the sensor information acquisition unit 4621 acquires sensor information from the sensor terminal 4603.
- the input / output unit 4622 acquires the transmission signal, decodes the multiplexed data (file format or packet) from the transmitted signal, and outputs the multiplexed data to the demultiplexed unit 4623.
- the demultiplexing unit 4623 acquires coded data, control information and additional information from the multiplexing data, and outputs the coded data, control information and additional information to the decoding unit 4624.
- the decoding unit 4624 reconstructs the point cloud data by decoding the encoded data.
- the presentation unit 4625 presents the point cloud data to the user. For example, the presentation unit 4625 displays information or an image based on the point cloud data.
- the user interface 4626 acquires instructions based on user operations.
- the control unit 4627 (or application execution unit) controls each processing unit. That is, the control unit 4627 controls demultiplexing, decoding, presentation, and the like.
- the input / output unit 4622 may acquire the point cloud data or the coded data as it is from the outside. Further, the presentation unit 4625 may acquire additional information such as sensor information and present information based on the additional information. Further, the presentation unit 4625 may make a presentation based on the user's instruction acquired by the user interface 4626.
- the sensor terminal 4603 generates sensor information, which is information obtained by the sensor.
- the sensor terminal 4603 is a terminal equipped with a sensor or a camera, and includes, for example, a moving object such as an automobile, a flying object such as an airplane, a mobile terminal, or a camera.
- the sensor information that can be acquired by the sensor terminal 4603 is, for example, (1) the distance between the sensor terminal 4603 and the object obtained from the LIDAR, the millimeter-wave radar, or the infrared sensor, or the reflectance of the object, and (2) a plurality.
- the sensor information may include the attitude, orientation, gyro (angular velocity), position (GPS information or altitude), speed, acceleration, and the like of the sensor.
- the sensor information may include temperature, atmospheric pressure, humidity, magnetism, and the like.
- the external connection unit 4604 is realized by communication with an integrated circuit (LSI or IC), an external storage unit, a cloud server via the Internet, broadcasting, or the like.
- LSI integrated circuit
- IC integrated circuit
- cloud server via the Internet, broadcasting, or the like.
- FIG. 2 is a diagram showing the structure of point cloud data.
- FIG. 3 is a diagram showing a configuration example of a data file in which information on point cloud data is described.
- the point cloud data includes data of a plurality of points.
- the data at each point includes position information (three-dimensional coordinates) and attribute information for the position information.
- a point cloud is a collection of multiple points. For example, a point cloud indicates a three-dimensional shape of an object.
- Position information such as three-dimensional coordinates may be called geometry.
- the data at each point may include attribute information (attribute) of a plurality of attribute types.
- the attribute type is, for example, color or reflectance.
- One attribute information may be associated with one position information, or attribute information having a plurality of different attribute types may be associated with one position information. Further, a plurality of attribute information of the same attribute type may be associated with one position information.
- the configuration example of the data file shown in FIG. 3 is an example in which the position information and the attribute information have a one-to-one correspondence, and shows the position information and the attribute information of N points constituting the point cloud data. There is.
- the position information is, for example, information on three axes of x, y, and z.
- the attribute information is, for example, RGB color information.
- a typical data file is a ply file or the like.
- FIG. 4 is a diagram showing the types of point cloud data.
- the point cloud data includes a static object and a dynamic object.
- the static object is 3D point cloud data at an arbitrary time (certain time).
- a dynamic object is three-dimensional point cloud data that changes over time.
- the three-dimensional point cloud data at a certain time is referred to as a PCC frame or a frame.
- the object may be a point cloud whose area is limited to some extent like ordinary video data, or a large-scale point cloud whose area is not limited such as map information.
- the sensor information is acquired by various methods such as a distance sensor such as LIDAR or a range finder, a stereo camera, or a combination of a plurality of monocular cameras.
- the point cloud data generation unit 4618 generates point cloud data based on the sensor information obtained by the sensor information acquisition unit 4617.
- the point cloud data generation unit 4618 generates position information as point cloud data, and adds attribute information for the position information to the position information.
- the point cloud data generation unit 4618 may process the point cloud data when generating position information or adding attribute information. For example, the point cloud data generation unit 4618 may reduce the amount of data by deleting the point clouds whose positions overlap. Further, the point cloud data generation unit 4618 may convert the position information (position shift, rotation, normalization, etc.), or may render the attribute information.
- point cloud data generation system 4611 is included in the three-dimensional data coding system 4601 in FIG. 1, it may be independently provided outside the three-dimensional data coding system 4601.
- the coding unit 4613 generates coded data by coding the point cloud data based on a predetermined coding method.
- a predetermined coding method There are roughly the following two types of coding methods.
- the first is a coding method using position information, and this coding method will be hereinafter referred to as a first coding method.
- the second is a coding method using a video codec, and this coding method will be hereinafter referred to as a second coding method.
- the decoding unit 4624 decodes the point cloud data by decoding the coded data based on a predetermined coding method.
- the multiplexing unit 4614 generates multiplexed data by multiplexing the coded data using an existing multiplexing method.
- the generated multiplexed data is transmitted or accumulated.
- the multiplexing unit 4614 multiplexes other media such as video, audio, subtitles, applications, and files, or reference time information. Further, the multiplexing unit 4614 may further multiplex the attribute information related to the sensor information or the point cloud data.
- the multiplexing method or file format includes ISOBMFF, MPEG-DASH, MMT, MPEG-2 TS Systems, RMP, etc., which are ISOBMFF-based transmission methods.
- the demultiplexing unit 4623 extracts PCC coded data, other media, time information, etc. from the multiplexing data.
- the input / output unit 4615 transmits the multiplexed data by using a method suitable for the medium to be transmitted or the medium to be stored, such as broadcasting or communication.
- the input / output unit 4615 may communicate with other devices via the Internet, or may communicate with a storage unit such as a cloud server.
- http http, ftp, TCP, UDP, etc. are used.
- a PULL type communication method may be used, or a PUSH type communication method may be used.
- Either wired transmission or wireless transmission may be used.
- wired transmission Ethernet (registered trademark), USB, RS-232C, HDMI (registered trademark), a coaxial cable, or the like is used.
- wireless transmission wireless LAN, Wi-Fi (registered trademark), Bluetooth (registered trademark), millimeter wave and the like are used.
- DVB-T2 DVB-S2, DVB-C2, ATSC3.0, ISDB-S3 and the like are used.
- FIG. 5 is a diagram showing the configuration of the first coding unit 4630, which is an example of the coding unit 4613 that encodes the first coding method.
- FIG. 6 is a block diagram of the first coding unit 4630.
- the first coding unit 4630 generates coded data (coded stream) by coding the point cloud data by the first coding method.
- the first coding unit 4630 includes a position information coding unit 4631, an attribute information coding unit 4632, an additional information coding unit 4633, and a multiplexing unit 4634.
- the first coding unit 4630 has a feature of performing coding while being aware of the three-dimensional structure. Further, the first coding unit 4630 has a feature that the attribute information coding unit 4632 performs coding using the information obtained from the position information coding unit 4631.
- the first coding method is also called GPCC (Geometry based PCC).
- the point cloud data is PCC point cloud data such as a PLY file, or PCC point cloud data generated from sensor information, and is position information (Position), attribute information (Attribute), and other additional information (MetaData). including.
- the position information is input to the position information coding unit 4631, the attribute information is input to the attribute information coding unit 4632, and the additional information is input to the additional information coding unit 4633.
- the position information coding unit 4631 generates coded position information (Compressed Geometry) which is coded data by encoding the position information.
- the position information coding unit 4631 encodes the position information using an N-branch structure such as an ocree. Specifically, in the ocree, the target space is divided into eight nodes (subspaces), and 8-bit information (occupancy code) indicating whether or not each node contains a point cloud is generated. .. Further, the node including the point cloud is further divided into eight nodes, and 8-bit information indicating whether or not each of the eight nodes includes the point cloud is generated. This process is repeated until it becomes equal to or less than the threshold value of the number of point clouds included in the predetermined hierarchy or node.
- the attribute information coding unit 4632 generates coded attribute information (Compressed Attribute) which is coded data by encoding using the configuration information generated by the position information coding unit 4631. For example, the attribute information coding unit 4632 determines a reference point (reference node) to be referred to in coding the target point (target node) to be processed based on the octal tree structure generated by the position information coding unit 4631. do. For example, the attribute information coding unit 4632 refers to a node whose parent node in the octal tree is the same as the target node among the peripheral nodes or adjacent nodes. The method of determining the reference relationship is not limited to this.
- the attribute information coding process may include at least one of a quantization process, a prediction process, and an arithmetic coding process.
- the reference means that the reference node is used to calculate the predicted value of the attribute information, or the state of the reference node (for example, occupancy indicating whether or not the reference node contains a point group) is used to determine the coding parameter. Information) is used.
- the coding parameter is a quantization parameter in the quantization process, a context in arithmetic coding, or the like.
- the additional information coding unit 4633 generates coded additional information (Compressed Metadata Data) which is encoded data by encoding the compressible data among the additional information.
- coded additional information Compressed Metadata Data
- the multiplexing unit 4634 generates a coded stream (Compressed Stream) which is coded data by multiplexing the coded position information, the coded attribute information, the coded additional information, and other additional information.
- the generated coded stream is output to a processing unit of a system layer (not shown).
- FIG. 7 is a diagram showing the configuration of the first decoding unit 4640.
- FIG. 8 is a block diagram of the first decoding unit 4640.
- the first decoding unit 4640 generates point cloud data by decoding the coded data (coded stream) encoded by the first coding method by the first coding method.
- the first decoding unit 4640 includes a demultiplexing unit 4641, a position information decoding unit 4642, an attribute information decoding unit 4643, and an additional information decoding unit 4644.
- a coded stream (Compressed Stream), which is coded data, is input to the first decoding unit 4640 from a processing unit of a system layer (not shown).
- the demultiplexing unit 4641 separates the coded position information (Compressed Geometry), the coded attribute information (Compressed Attribute), the coded additional information (Compressed Metadata), and other additional information from the coded data.
- the position information decoding unit 4642 generates position information by decoding the coded position information. For example, the position information decoding unit 4642 restores the position information of the point cloud represented by the three-dimensional coordinates from the coded position information represented by the N-branch structure such as the octal tree.
- the attribute information decoding unit 4643 decodes the coded attribute information based on the configuration information generated by the position information decoding unit 4642. For example, the attribute information decoding unit 4643 determines a reference point (reference node) to be referred to in decoding the target point (target node) to be processed, based on the octave tree structure obtained by the position information decoding unit 4642. For example, the attribute information decoding unit 4643 refers to a node in which the parent node in the octal tree is the same as the target node among the peripheral nodes or adjacent nodes. The method of determining the reference relationship is not limited to this.
- the attribute information decoding process may include at least one of an inverse quantization process, a prediction process, and an arithmetic decoding process.
- the reference means that the reference node is used to calculate the predicted value of the attribute information, or the state of the reference node (for example, the occupied information indicating whether or not the reference node contains a point cloud) is used to determine the decoding parameter. ) Is used.
- the decoding parameter is a quantization parameter in the inverse quantization process, a context in arithmetic decoding, or the like.
- the additional information decoding unit 4644 generates additional information by decoding the coded additional information. Further, the first decoding unit 4640 uses the additional information necessary for the decoding process of the position information and the attribute information at the time of decoding, and outputs the additional information necessary for the application to the outside.
- FIG. 9 is a block diagram of the position information coding unit 2700 according to the present embodiment.
- the position information coding unit 2700 includes an ocree generation unit 2701, a geometric information calculation unit 2702, a coding table selection unit 2703, and an entropy coding unit 2704.
- the ocree generation unit 2701 generates, for example, an ocree from the input position information, and generates an occupancy code for each node of the ocree.
- the geometric information calculation unit 2702 acquires information indicating whether or not the node adjacent to the target node is an occupied node. For example, the geometric information calculation unit 2702 calculates the occupancy information of the adjacent node (information indicating whether or not the adjacent node is the occupancy node) from the occupancy code of the parent node to which the target node belongs. Further, the geometric information calculation unit 2702 may save the encoded nodes in a list and search for adjacent nodes from the list. The geometric information calculation unit 2702 may switch the adjacent node according to the position in the parent node of the target node.
- the coding table selection unit 2703 selects a coding table to be used for entropy coding of the target node using the occupancy information of the adjacent node calculated by the geometric information calculation unit 2702. For example, the coded table selection unit 2703 may generate a bit string using the occupancy information of the adjacent node, and may select the coded table of the index number generated from the bit string.
- the entropy coding unit 2704 generates coded position information and metadata by performing entropy coding on the occupancy code of the target node using the coding table of the selected index number.
- the entropy coding unit 2704 may add information indicating the selected coding table to the coding position information.
- the position information (position data) is converted into an octa-tree structure (octree-ized) and then encoded.
- the ocree tree structure consists of nodes and leaves. Each node has eight nodes or leaves, and each leaf has voxel (VXL) information.
- FIG. 10 is a diagram showing a structural example of position information including a plurality of voxels.
- FIG. 11 is a diagram showing an example in which the position information shown in FIG. 10 is converted into an octal tree structure.
- the leaves 1, 2 and 3 represent the voxels VXL1, VXL2 and VXL3 shown in FIG. 10, respectively, and represent the VXL including the point cloud (hereinafter, effective VXL).
- the node 1 corresponds to the entire space including the position information of FIG.
- the entire space corresponding to node 1 is divided into eight nodes, and among the eight nodes, the node containing the valid VXL is further divided into eight nodes or leaves, and this process is repeated for the hierarchy of the tree structure.
- each node corresponds to a subspace, and has information (occupancy code) indicating at which position the next node or leaf is held after division as node information.
- the lowest block is set in the leaf, and the number of point clouds included in the leaf is held as leaf information.
- FIG. 12 is a block diagram of the position information decoding unit 2710 according to the present embodiment.
- the position information decoding unit 2710 includes an ocree generation unit 2711, a geometric information calculation unit 2712, a coding table selection unit 2713, and an entropy decoding unit 2714.
- the ocree generation unit 2711 generates an ocree in a certain space (node) by using the header information or metadata of the bitstream. For example, the 8-branch tree generation unit 2711 creates a large space (root node) using the x-axis, y-axis, and z-axis directions of a certain space added to the header information, and uses that space as the x-axis. Eight small spaces A (nodes A0 to A7) are generated by dividing into two in the y-axis and z-axis directions, respectively, to generate an eight-part tree. Further, nodes A0 to A7 are sequentially set as target nodes.
- the geometric information calculation unit 2712 acquires occupancy information indicating whether or not the node adjacent to the target node is an occupancy node. For example, the geometric information calculation unit 2712 calculates the occupancy information of the adjacent node from the occupancy code of the parent node to which the target node belongs. Further, the geometric information calculation unit 2712 may save the decoded nodes in a list and search for adjacent nodes from the list. The geometric information calculation unit 2712 may switch the adjacent node according to the position in the parent node of the target node.
- the coding table selection unit 2713 selects a coding table (decoding table) used for entropy decoding of the target node using the occupancy information of the adjacent node calculated by the geometric information calculation unit 2712. For example, the coded table selection unit 2713 may generate a bit string using the occupancy information of the adjacent node and select the coded table of the index number generated from the bit string.
- a coding table decoding table
- the entropy decoding unit 2714 generates position information by entropy decoding the occupancy code of the target node using the selected coding table.
- the entropy decoding unit 2714 may decode and acquire the information of the selected coding table from the bitstream, and may entropy-decode the occupancy code of the target node using the coding table indicated by the information. ..
- FIG. 13 is a block diagram showing a configuration example of the attribute information coding unit A100.
- the attribute information coding unit may include a plurality of coding units that execute different coding methods. For example, the attribute information coding unit may switch between the following two methods according to the use case.
- the attribute information coding unit A100 includes a LoD attribute information coding unit A101 and a conversion attribute information coding unit A102.
- the LoD attribute information coding unit A101 classifies each 3D point into a plurality of layers using the position information of the 3D points, predicts the attribute information of the 3D points belonging to each layer, and encodes the predicted residual. To become.
- each classified layer is referred to as LoD (Level of Detail).
- the conversion attribute information coding unit A102 encodes the attribute information using RAHT (Region Adaptive Hierarchical Transfer Form). Specifically, the conversion attribute information coding unit A102 generates high-frequency components and low-frequency components of each layer by applying RAHT or Har conversion to each attribute information based on the position information of the three-dimensional points. Then, those values are encoded by using quantization, entropy coding, or the like.
- RAHT Registered Adaptive Hierarchical Transfer Form
- FIG. 14 is a block diagram showing a configuration example of the attribute information decoding unit A110.
- the attribute information decoding unit may include a plurality of decoding units that execute different decoding methods. For example, the attribute information decoding unit may switch and decode the following two methods based on the information included in the header and the metadata.
- the attribute information decoding unit A110 includes a LoD attribute information decoding unit A111 and a conversion attribute information decoding unit A112.
- the LoD attribute information decoding unit A111 classifies each three-dimensional point into a plurality of layers using the position information of the three-dimensional points, and decodes the attribute value while predicting the attribute information of the three-dimensional points belonging to each layer.
- the conversion attribute information decoding unit A112 decodes the attribute information using RAHT (Region Adaptive Hierarchical Transfer Form). Specifically, the conversion attribute information decoding unit A112 applies the invoke RAHT or invoke Haar conversion to the high frequency component and the low frequency component of each attribute value based on the position information of the three-dimensional point to obtain the attribute value. Decrypt.
- RAHT Restion Adaptive Hierarchical Transfer Form
- FIG. 15 is a block diagram showing the configuration of the attribute information coding unit 3140, which is an example of the LoD attribute information coding unit A101.
- the attribute information coding unit 3140 includes a LoD generation unit 3141, a peripheral search unit 3142, a prediction unit 3143, a prediction residual calculation unit 3144, a quantization unit 3145, an arithmetic coding unit 3146, and an inverse quantization unit. It includes 3147, a decoding value generation unit 3148, and a memory 3149.
- LoD generation unit 3141 generates LoD using the position information of the three-dimensional point.
- the surrounding search unit 3142 searches for neighboring three-dimensional points adjacent to each three-dimensional point by using the LoD generation result by the LoD generation unit 3141 and the distance information indicating the distance between each three-dimensional point.
- the prediction unit 3143 generates a prediction value of the attribute information of the target three-dimensional point to be encoded.
- the predicted residual calculation unit 3144 calculates (generates) the predicted residual of the predicted value of the attribute information generated by the prediction unit 3143.
- the quantization unit 3145 quantizes the predicted residual of the attribute information calculated by the predicted residual calculation unit 3144.
- the arithmetic coding unit 3146 arithmetically encodes the predicted residual after being quantized by the quantization unit 3145.
- the arithmetic coding unit 3146 outputs a bit stream including an arithmetically coded predicted residual to, for example, a three-dimensional data decoding device.
- the predicted residual may be binarized by, for example, the quantization unit 3145 before being arithmetically coded by the arithmetic coding unit 3146.
- the arithmetic coding unit 3146 may initialize the coding table used for arithmetic coding before arithmetic coding.
- the arithmetic coding unit 3146 may initialize the coding table used for arithmetic coding for each layer.
- the arithmetic coding unit 3146 may include information indicating the position of the layer in which the coding table is initialized in the bit stream and output the information.
- the dequantization unit 3147 dequantizes the predicted residual after being quantized by the quantization unit 3145.
- the decoded value generation unit 3148 generates a decoded value by adding the predicted value of the attribute information generated by the prediction unit 3143 and the predicted residual after dequantization by the inverse quantization unit 3147.
- the memory 3149 is a memory that stores the decoded value of the attribute information of each three-dimensional point decoded by the decoded value generation unit 3148. For example, when the prediction unit 3143 generates a predicted value of a three-dimensional point that has not been encoded yet, the prediction unit 3143 generates the predicted value by using the decoded value of the attribute information of each three-dimensional point stored in the memory 3149. ..
- FIG. 16 is a block diagram of the attribute information coding unit 6600, which is an example of the conversion attribute information coding unit A102.
- the attribute information coding unit 6600 includes a sorting unit 6601, a Har conversion unit 6602, a quantization unit 6603, an inverse quantization unit 6604, an inverse Haar conversion unit 6605, a memory 6606, and an arithmetic coding unit 6607. Be prepared.
- the sort unit 6601 generates a Morton code using the position information of the three-dimensional points, and sorts a plurality of three-dimensional points in the order of the Morton code.
- the Har conversion unit 6602 generates a coding coefficient by applying the Har conversion to the attribute information.
- the quantization unit 6603 quantizes the coding coefficient of the attribute information.
- the dequantization unit 6604 dequantizes the coding coefficient after quantization.
- the inverse Har conversion unit 6605 applies the inverse Har conversion to the coding coefficient.
- the memory 6606 stores the values of the attribute information of the plurality of decoded three-dimensional points. For example, the attribute information of the decoded three-dimensional point stored in the memory 6606 may be used for predicting an unencoded three-dimensional point.
- the arithmetic coding unit 6607 calculates ZeroCnt from the coding coefficient after quantization, and arithmetically encodes ZeroCnt. In addition, the arithmetic coding unit 6607 arithmetically encodes the non-zero coding coefficient after quantization. The arithmetic coding unit 6607 may binarize the coding coefficient before arithmetic coding. Further, the arithmetic coding unit 6607 may generate and encode various header information.
- FIG. 17 is a block diagram showing the configuration of the attribute information decoding unit 3150, which is an example of the LoD attribute information decoding unit A111.
- the attribute information decoding unit 3150 includes a LoD generation unit 3151, a peripheral search unit 3152, a prediction unit 3153, an arithmetic decoding unit 3154, an inverse quantization unit 3155, a decoding value generation unit 3156, and a memory 3157. ..
- the LoD generation unit 3151 generates LoD using the position information of the three-dimensional point decoded by the position information decoding unit (not shown in FIG. 17).
- the surrounding search unit 3152 searches for neighboring 3D points adjacent to each 3D point by using the LoD generation result by the LoD generation unit 3151 and the distance information indicating the distance between each 3D point.
- the prediction unit 3153 generates a predicted value of the attribute information of the target three-dimensional point to be decoded.
- the arithmetic decoding unit 3154 arithmetically decodes the predicted residual in the bit stream acquired from the attribute information coding unit 3140 shown in FIG.
- the arithmetic decoding unit 3154 may initialize the decoding table used for arithmetic decoding.
- the arithmetic decoding unit 3154 initializes the decoding table used for arithmetic decoding for the layer to which the arithmetic coding unit 3146 shown in FIG. 15 has been encoded.
- the arithmetic decoding unit 3154 may initialize the decoding table used for arithmetic decoding for each layer. Further, the arithmetic decoding unit 3154 may initialize the decoding table based on the information included in the bitstream indicating the position of the layer in which the encoding table is initialized.
- the dequantization unit 3155 dequantizes the predicted residual that is arithmetically decoded by the arithmetic decoding unit 3154.
- the decoded value generation unit 3156 generates a decoded value by adding the predicted value generated by the prediction unit 3153 and the predicted residual after dequantization by the inverse quantization unit 3155.
- the decoded value generation unit 3156 outputs the decoded attribute information data to another device.
- the memory 3157 is a memory that stores the decoded value of the attribute information of each three-dimensional point decoded by the decoded value generation unit 3156. For example, when the prediction unit 3153 generates a predicted value of a three-dimensional point that has not been decoded yet, the prediction unit 3153 generates a predicted value by using the decoded value of the attribute information of each three-dimensional point stored in the memory 3157. ..
- FIG. 18 is a block diagram of the attribute information decoding unit 6610, which is an example of the conversion attribute information decoding unit A112.
- the attribute information decoding unit 6610 includes an arithmetic decoding unit 6611, an inverse quantization unit 6612, an inverse Har conversion unit 6613, and a memory 6614.
- the arithmetic decoding unit 6611 arithmetically decodes ZeroCnt and the coding coefficient included in the bit stream.
- the arithmetic decoding unit 6611 may decode various header information.
- the dequantization unit 6612 dequantizes the arithmetically decoded coding coefficient.
- the inverse Haar conversion unit 6613 applies the inverse Har conversion to the coding coefficient after the inverse quantization.
- the memory 6614 stores the values of the attribute information of the plurality of decoded three-dimensional points. For example, the attribute information of the decoded three-dimensional point stored in the memory 6614 may be used for predicting the undecoded three-dimensional point.
- FIG. 19 is a diagram showing the configuration of the second coding unit 4650.
- FIG. 20 is a block diagram of the second coding unit 4650.
- the second coding unit 4650 generates coded data (coded stream) by coding the point cloud data by the second coding method.
- the second coding unit 4650 includes an additional information generation unit 4651, a position image generation unit 4652, an attribute image generation unit 4653, a video coding unit 4654, an additional information coding unit 4655, and a multiplexing unit 4656. And include.
- the second coding unit 4650 generates a position image and an attribute image by projecting the three-dimensional structure onto the two-dimensional image, and encodes the generated position image and the attribute image using an existing video coding method. It has the feature.
- the second coding method is also called VPCC (Video based PCC).
- the point cloud data is PCC point cloud data such as a PLY file, or PCC point cloud data generated from sensor information, and includes position information (Position), attribute information (Attribute), and other additional information (MetaData).
- Position information Position
- attribute information Attribute
- MetaData Other additional information
- the additional information generation unit 4651 generates map information of a plurality of two-dimensional images by projecting the three-dimensional structure onto the two-dimensional image.
- the position image generation unit 4652 generates a position image (Geometry Image) based on the position information and the map information generated by the additional information generation unit 4651.
- This position image is, for example, a distance image in which a distance (Dept) is shown as a pixel value.
- this distance image may be an image in which a plurality of point groups are viewed from one viewpoint (an image in which a plurality of point groups are projected on one two-dimensional plane), or a plurality of point groups from a plurality of viewpoints. It may be a plurality of images that have been viewed, or it may be a single image that is a combination of these plurality of images.
- the attribute image generation unit 4653 generates an attribute image based on the attribute information and the map information generated by the additional information generation unit 4651.
- This attribute image is, for example, an image in which attribute information (for example, color (RGB)) is shown as a pixel value.
- RGB color
- this image may be an image in which a plurality of point groups are viewed from one viewpoint (an image in which a plurality of point groups are projected onto one two-dimensional plane), or a plurality of point groups are viewed from a plurality of viewpoints. It may be a plurality of images viewed, or it may be a single image in which these plurality of images are integrated.
- the video coding unit 4654 encodes the position image and the attribute image by using the video coding method, so that the coded position image (Compressed Geometry Image) and the coded attribute image (Compressed Attribute Image) which are the coded data are encoded. ) Is generated.
- the video coding method any known coding method may be used.
- the video coding method is AVC, HEVC, or the like.
- the additional information coding unit 4655 generates encoded additional information (Compressed Metadata Data) by encoding the additional information included in the point cloud data, the map information, and the like.
- the multiplexing unit 4656 generates a coded stream (Compressed Stream) which is coded data by multiplexing the coded position image, the coded attribute image, the coded additional information, and other additional information.
- the generated coded stream is output to a processing unit of a system layer (not shown).
- FIG. 21 is a diagram showing the configuration of the second decoding unit 4660.
- FIG. 22 is a block diagram of the second decoding unit 4660.
- the second decoding unit 4660 generates point cloud data by decoding the coded data (coded stream) encoded by the second coding method by the second coding method.
- the second decoding unit 4660 includes a demultiplexing unit 4661, a video decoding unit 4662, an additional information decoding unit 4663, a position information generation unit 4664, and an attribute information generation unit 4665.
- a coded stream (Compressed Stream), which is coded data, is input to the second decoding unit 4660 from a processing unit of a system layer (not shown).
- the demultiplexing unit 4661 separates a coded position image (Compressed Geometry Image), a coded attribute image (Compressed Attribute Image), a coded additional information (Compressed Metadata Image), and other additional information from the coded data. ..
- the video decoding unit 4662 generates a position image and an attribute image by decoding the coded position image and the coded attribute image using a video coding method.
- a video coding method any known coding method may be used.
- the video coding method is AVC, HEVC, or the like.
- the additional information decoding unit 4663 generates additional information including map information by decoding the coded additional information.
- the position information generation unit 4664 generates position information using the position image and the map information.
- the attribute information generation unit 4665 generates attribute information using the attribute image and the map information.
- the second decoding unit 4660 uses the additional information necessary for decoding at the time of decoding, and outputs the additional information necessary for the application to the outside.
- FIG. 23 is a diagram showing a protocol stack related to PCC coded data.
- FIG. 23 shows an example in which data of another medium such as video (for example, HEVC) or audio is multiplexed with PCC coded data and transmitted or stored.
- video for example, HEVC
- audio is multiplexed with PCC coded data and transmitted or stored.
- the multiplexing method and file format have a function for multiplexing, transmitting or accumulating various coded data.
- the coded data In order to transmit or store the coded data, the coded data must be converted to a multiplexing format.
- HEVC defines a technique for storing coded data in a data structure called a NAL unit and storing the NAL unit in ISOBMFF.
- a first coding method (Codec1) and a second coding method (Codec2) are being studied as a method for coding point group data.
- the method of storing in the system format is not defined, and there is a problem that MUX processing (multiplexing), transmission and storage in the coding unit cannot be performed as it is.
- the coded data (position information (Geometry), attribute information (Attribute), additional information (Metatatta)) generated by the first coding unit 4630 or the second coding unit 4650 described above.
- the type of the data, the method of generating additional information (metadata), and the multiplexing process in the multiplexing unit will be described.
- the additional information (metadata) may be referred to as a parameter set or control information.
- the dynamic object (three-dimensional point cloud data that changes with time) described with reference to FIG. 4 will be described as an example, but even in the case of a static object (three-dimensional point cloud data at an arbitrary time). A similar method may be used.
- FIG. 24 is a diagram showing a configuration of a coding unit 4801 and a multiplexing unit 4802 included in the three-dimensional data coding apparatus according to the present embodiment.
- the coding unit 4801 corresponds to, for example, the first coding unit 4630 or the second coding unit 4650 described above.
- the multiplexing unit 4802 corresponds to the multiplexing unit 4634 or 4656 described above.
- the coding unit 4801 encodes the point cloud data of a plurality of PCC (Point Cloud Compression) frames and generates the coded data (Multiple Compressed Data) of a plurality of position information, attribute information and additional information.
- PCC Point Cloud Compression
- the multiplexing unit 4802 converts data of a plurality of data types (position information, attribute information, and additional information) into a NAL unit, thereby converting the data into a data configuration in consideration of data access in the decoding device.
- FIG. 25 is a diagram showing a configuration example of coded data generated by the coding unit 4801.
- the arrow in the figure shows the dependency related to the decoding of the coded data, and the source of the arrow depends on the data at the tip of the arrow. That is, the decoding device decodes the data at the tip of the arrow, and uses the decoded data to decode the original data of the arrow.
- dependence means that the dependent data is referenced (used) in the processing (encoding or decoding, etc.) of the dependent data.
- the coding unit 4801 encodes the position information of each frame to generate coded position data (Compressed Geometry Data) for each frame. Further, the coded position data is represented by G (i). i indicates a frame number, a frame time, or the like.
- the coding unit 4801 generates a position parameter set (GPS (i)) corresponding to each frame.
- the position parameter set contains parameters that can be used to decode the coded position data. Also, the coded position data for each frame depends on the corresponding position parameter set.
- the coded position data consisting of a plurality of frames is defined as a position sequence (Geometry Sequence).
- the coding unit 4801 generates a position sequence parameter set (also referred to as Geometry Sequence PS: position SPS) that stores parameters commonly used for decoding processing for a plurality of frames in the position sequence.
- the position sequence depends on the position SPS.
- the coding unit 4801 encodes the attribute information of each frame to generate the coded attribute data (Compressed Attribute Data) for each frame. Further, the coded attribute data is represented by A (i). Further, FIG. 25 shows an example in which the attribute X and the attribute Y exist, the coded attribute data of the attribute X is represented by AX (i), and the coded attribute data of the attribute Y is represented by AY (i). ..
- the coding unit 4801 generates an attribute parameter set (APS (i)) corresponding to each frame.
- the attribute parameter set of the attribute X is represented by AXPS (i)
- the attribute parameter set of the attribute Y is represented by AYPS (i).
- the attribute parameter set contains parameters that can be used to decode the coded attribute information.
- the coded attribute data depends on the corresponding set of attribute parameters.
- the coded attribute data consisting of a plurality of frames is defined as an attribute sequence (Attribute Sequence).
- the coding unit 4801 generates an attribute sequence parameter set (attribute Sequence PS: also referred to as attribute SPS) that stores parameters commonly used for decoding processing for a plurality of frames in the attribute sequence.
- attribute sequence PS also referred to as attribute SPS
- the attribute sequence depends on the attribute SPS.
- the coding attribute data depends on the coding position data.
- FIG. 25 shows an example in which two types of attribute information (attribute X and attribute Y) exist.
- attribute information for example, the respective data and metadata are generated by the two encoding units.
- an attribute sequence is defined for each type of attribute information, and an attribute SPS is generated for each type of attribute information.
- FIG. 25 shows an example in which there is one type of position information and two types of attribute information, but the present invention is not limited to this, and the attribute information may be one type or three or more types. good.
- the coded data can be generated by the same method.
- the attribute information may not be present. In that case, the coding unit 4801 does not have to generate the parameter set related to the attribute information.
- the coding unit 4801 generates a PCC stream PS (PCC Stream PS: also referred to as a stream PS), which is a parameter set for the entire PCC stream.
- the coding unit 4801 stores in the stream PS a parameter that can be commonly used in the decoding process for one or more position sequences and one or more attribute sequences.
- the stream PS includes identification information indicating a codec of point cloud data, information indicating an algorithm used for encoding, and the like.
- the position sequence and attribute sequence depend on the stream PS.
- An access unit is a basic unit for accessing data at the time of decryption, and is composed of one or more data and one or more metadata.
- the access unit is composed of position information at the same time and one or more attribute information.
- a GOF is a random access unit and is composed of one or more access units.
- the coding unit 4801 generates an access unit header (AU Header) as identification information indicating the head of the access unit.
- the coding unit 4801 stores the parameters related to the access unit in the access unit header.
- the access unit header contains the structure or information of the coded data contained in the access unit.
- the access unit header includes parameters commonly used for data included in the access unit, for example, parameters related to decoding of coded data.
- the encoding unit 4801 may generate an access unit delimiter that does not include parameters related to the access unit instead of the access unit header.
- This access unit delimiter is used as identification information indicating the head of the access unit.
- the decryption device identifies the head of the access unit by detecting the access unit header or the access unit delimiter.
- the coding unit 4801 generates a GOF header (GOF Header) as identification information indicating the head of the GOF.
- the coding unit 4801 stores the parameters related to the GOF in the GOF header.
- the GOF header contains the structure or information of the coded data contained in the GOF.
- the GOF header includes parameters commonly used for the data included in the GOF, for example, parameters related to decoding of the coded data.
- the coding unit 4801 may generate a GOF delimiter that does not include the parameters related to the GOF instead of the GOF header.
- This GOF delimiter is used as identification information indicating the head of the GOF.
- the decoding device identifies the head of the GOF by detecting the GOF header or the GOF delimiter.
- the access unit is defined as a PCC frame unit.
- the decoding device accesses the PCC frame based on the identification information at the head of the access unit.
- GOF is defined as one random access unit.
- the decoding device accesses the random access unit based on the identification information at the head of the GOF. For example, if the PCC frames are not dependent on each other and can be decoded independently, the PCC frame may be defined as a random access unit.
- one access unit may be assigned two or more PCC frames, or one GOF may be assigned a plurality of random access units.
- the coding unit 4801 may define and generate a parameter set or metadata other than the above.
- the coding unit 4801 may generate an SEI (Supplemental Enhancement Information) that stores parameters (optional parameters) that may not necessarily be used at the time of decoding.
- SEI Supplemental Enhancement Information
- FIG. 26 is a diagram showing an example of coded data and a NAL unit.
- the coded data includes a header and a payload.
- the coded data may include length information indicating the length (data amount) of the coded data, the header or the payload. Further, the coded data does not have to include a header.
- the header contains, for example, identification information for identifying data.
- This identification information indicates, for example, a data type or a frame number.
- the header contains, for example, identification information indicating a reference relationship. This identification information is stored in the header when there is a dependency between the data, and is information for referencing the reference destination from the reference source. For example, the referenced header contains identification information for identifying the data. The header of the reference source contains identification information indicating the reference destination.
- the identification information for specifying the data or the identification information indicating the reference relationship may be omitted.
- the multiplexing unit 4802 stores the coded data in the payload of the NAL unit.
- the NAL unit header includes pcc_nal_unit_type which is identification information of the coded data.
- FIG. 27 is a diagram showing an example of the semantics of pcc_nal_unit_type.
- pcc_codec_type is codec 1 (Codec 1: first coding method)
- the values 0 to 10 of pcc_nal_unit_type are codec position data (Geometry) and coding attribute X data in codec 1.
- HeaderX Codec Attribute Y Data (HeaderY), Position PS (Geom.PS), Attribute XPS (AttrX.PS), Attribute YPS (AttrX.PS), Position SPS (Heometri Function PS), Attribute XSPS (HeaderX) It is assigned to PS), attribute YSPS (AttributeY Sequence PS), AU header (AU Header), and GOF header (GOF Header). Further, the value 11 or later is assigned to the reserve of the codec 1.
- pcc_codec_type is codec 2 (Codec 2: second coding method)
- the values 0 to 2 of pcc_nal_unit_type are assigned to codec data A (DataA), metadata A (MetaDataA), and metadata B (MetaDataB). .. Further, the value 3 or later is assigned to the reserve of the codec 2.
- the position information of a plurality of three-dimensional points is encoded by using the prediction tree generated based on the position information.
- FIG. 28 is a diagram showing an example of a prediction tree used in the three-dimensional data coding method according to the third embodiment.
- FIG. 29 is a flowchart showing an example of the three-dimensional data coding method according to the third embodiment.
- FIG. 30 is a flowchart showing an example of the three-dimensional data decoding method according to the third embodiment.
- a prediction tree is generated using a plurality of three-dimensional points, and then the node information included in each node of the prediction tree is encoded. This results in a bitstream containing encoded node information.
- Each node information is, for example, information about one node of the prediction tree.
- Each node information is, for example, the position information of one node, the index of the one node, the number of child nodes of the one node, the prediction mode used for encoding the position information of the one node, and the like.
- the predicted residual is included.
- each coded node information included in the bit stream is decoded, and then the position information is decoded while generating a prediction tree. ..
- FIG. 31 is a diagram for explaining a method of generating a predicted tree according to the third embodiment.
- the three-dimensional data coding device first adds a point 0 as the initial point of the prediction tree.
- the position information of the point 0 is indicated by the coordinates including the three elements (x0, y0, z0).
- the position information of the point 0 may be indicated by the coordinates of the three-axis Cartesian coordinate system or may be indicated by the coordinates of the polar coordinate system.
- the child_count is incremented by 1 each time one child node is added to the node for which the child_count is set.
- the child_count of each node after the generation of the predicted tree is completed indicates the number of child nodes possessed by each node, and is added to the bitstream.
- the pred_mode indicates a prediction mode for predicting the value of the position information of each node. The details of the prediction mode will be described later.
- the three-dimensional data coding device adds point 1 to the prediction tree.
- the three-dimensional data encoding device may search for the nearest point 1 from the point cloud already added to the prediction tree, and add the point 1 as a child node of the nearest point 1.
- the position information of the point 1 is indicated by the coordinates including the three elements (x1, y1, z1).
- the position information of the point 1 may be indicated by the coordinates of the three-axis Cartesian coordinate system or may be indicated by the coordinates of the polar coordinate system.
- point 0 is the nearest point to point 1
- point 1 is added as a child node of point 0.
- the three-dimensional data coding device increments the value indicated by the child_count at point 0 by 1.
- the predicted value of the position information of each node may be calculated when the node is added to the prediction tree.
- the three-dimensional data coding device may add point 1 as a child node of point 0 and calculate the position information of point 0 as a predicted value.
- pred_mode 1 may be set.
- the pred_mode is prediction mode information (prediction mode value) indicating the prediction mode.
- the three-dimensional data coding apparatus may calculate the error_value (predicted residual) of point 1 after calculating the predicted value.
- residual_value is a difference value obtained by subtracting the predicted value calculated in the predicted mode indicated by pred_mode from the position information of each node.
- the coding efficiency can be improved by coding the difference value from the predicted value instead of the position information itself.
- the three-dimensional data coding device adds the point 2 to the prediction tree.
- the three-dimensional data encoding device may search for the nearest point of the point 2 from the point cloud already added to the prediction tree, and add the point 2 as a child node of the nearest point.
- the position information of the point 2 is indicated by the coordinates including the three elements (x2, y2, z2).
- the position information of the point 2 may be indicated by the coordinates of the three-axis Cartesian coordinate system or may be indicated by the coordinates of the polar coordinate system.
- point 1 is the nearest point to point 2, and point 2 is added as a child node of point 1.
- the three-dimensional data coding device increments the value indicated by the child_count of point 1 by 1.
- the three-dimensional data coding device adds the point 3 to the prediction tree.
- the three-dimensional data encoding device may search for the nearest point 3 from the point cloud already added to the prediction tree, and add the point 3 as a child node of the nearest point 3.
- the position information of the point 3 is indicated by the coordinates including the three elements (x3, y3, z3).
- the position information of the point 3 may be indicated by the coordinates of the three-axis Cartesian coordinate system or may be indicated by the coordinates of the polar coordinate system.
- point 0 is the nearest point to point 3
- point 3 is added as a child node of point 0.
- the three-dimensional data coding device increments the value indicated by the child_count at point 0 by 1.
- the 3D data coding device adds all the points to the prediction tree and completes the generation of the prediction tree.
- the three-dimensional data coding device encodes the children_count, pred_mode, and residual_value of each node selected from the nodes of the root in the order of depth priority. That is, when selecting nodes in the order of depth priority, the three-dimensional data encoding device selects a child node that has not yet been selected from one or more child nodes of the selected node as the node next to the selected node. .. If the selected node does not have a child node, the 3D data encoding device selects another unselected child node of the parent node of the selected node.
- the coding order is not limited to the depth priority order, but may be, for example, a breadth first order.
- the three-dimensional data encoding device selects a node that has not yet been selected from one or more nodes in the same depth (hierarchy) as the selected node as the node next to the selected node. select. If the node of the same depth as the selected node does not exist, the three-dimensional data coding device selects a node of one or more of the next depth that has not been selected yet.
- points 0 to 3 are examples of a plurality of three-dimensional points.
- child_count, pred_mode, and residual_value are calculated when each point is added to the prediction tree, but this is not always the case, and for example, after the generation of the prediction tree is completed. , They may be calculated.
- the input order of a plurality of three-dimensional points to the three-dimensional data encoding device may be such that the input three-dimensional points are rearranged in ascending or descending order of the Morton orderer and processed in order from the first three-dimensional point.
- the three-dimensional data coding apparatus can efficiently search for the nearest point of the three-dimensional point to be processed, and can improve the coding efficiency.
- the three-dimensional data coding apparatus may process the three-dimensional points in the input order without rearranging them.
- the 3D data coding device may generate a predictive tree without branches in the input order of a plurality of 3D points.
- the three-dimensional data encoding device adds the input three-dimensional point next to the input three-dimensional point as a child node of a predetermined three-dimensional point in the input order of a plurality of three-dimensional points. You may.
- FIG. 32 is a diagram for explaining a first example of the prediction mode according to the third embodiment.
- FIG. 32 is a diagram showing a part of the predicted tree.
- Eight prediction modes may be set as shown below. For example, as shown in FIG. 32, a case of calculating the predicted value of the point c will be described as an example.
- the prediction tree shows that the parent node at point c is point p0, the grandfather node at point c is point p1, and the great-grandfather node at point c is point p2.
- the point c, the point p0, the point p1, and the point p2 are examples of a plurality of three-dimensional points.
- the prediction mode in which the prediction mode value is 0 (hereinafter referred to as prediction mode 0) may be set without prediction. That is, the three-dimensional data coding apparatus may calculate the input position information of the point c as the predicted value of the point c in the prediction mode 0.
- prediction mode 1 the prediction mode in which the prediction mode value is 1 (hereinafter referred to as prediction mode 1) may be set to the difference prediction with the point p0. That is, the three-dimensional data encoding device may calculate the position information of the point p0, which is the parent node of the point c, as the predicted value of the point c.
- the prediction mode in which the prediction mode value is 2 (hereinafter referred to as prediction mode 2) may be set to linear prediction by points p0 and points p1. That is, the three-dimensional data coding device obtains the prediction result of the point c by linear prediction using the position information of the point p0 which is the parent node of the point c and the position information of the point p1 which is the grandfather node of the point c. It may be calculated as a predicted value. Specifically, the three-dimensional data coding device calculates the predicted value of the point c in the prediction mode 2 using the following equation T1.
- p0 indicates the position information of the point p0
- p1 indicates the position information of the point p1.
- the prediction mode in which the prediction mode value is 3 may be set to Parallelogram prediction using points p0, point p1 and point p2. That is, the three-dimensional data coding device has the position information of the point p0 which is the parent node of the point c, the position information of the point p1 which is the grandfather node of the point c, and the position information of the point p2 which is the great-grandfather node of the point c.
- the prediction result by the Parentogram prediction using and may be calculated as the prediction value of the point c.
- the three-dimensional data coding device calculates the predicted value of the point c in the prediction mode 3 using the following equation T2.
- p0 indicates the position information of the point p0
- p1 indicates the position information of the point p1
- p2 indicates the position information of the point p2.
- prediction mode 4 may be set to the difference prediction with the point p1. That is, the three-dimensional data encoding device may calculate the position information of the point p1, which is the grandfather node of the point c, as the predicted value of the point c.
- prediction mode 5 may be set to the difference prediction with the point p2. That is, the three-dimensional data coding device may calculate the position information of the point p2, which is the great-grandfather node of the point c, as the predicted value of the point c.
- the prediction mode in which the prediction mode value is 6 may be set to the average of any two or more of the points p0, the point p1, and the point p2. That is, the three-dimensional data coding device has the position information of the point p0 which is the parent node of the point c, the position information of the point p1 which is the grandfather node of the point c, and the position information of the point p2 which is the great-grandfather node of the point c.
- the average value of two or more position information of the above may be calculated as the predicted value of the point c.
- the following equation T3 is used to calculate the predicted value of the point c in the prediction mode 6. do.
- p0 indicates the position information of the point p0
- p1 indicates the position information of the point p1.
- prediction mode 7 the prediction mode in which the prediction mode value is 7 (hereinafter referred to as prediction mode 7) is used for non-linear prediction using the distance d0 between the points p0 and p1 and the distance d1 between the points p2 and p1. It may be set. That is, the three-dimensional data coding device may calculate the prediction result by the non-linear prediction using the distance d0 and the distance d1 as the prediction value of the point c.
- the prediction method assigned to each prediction mode is not limited to the above example. Further, the above eight prediction modes and the above eight prediction methods do not have to be the above combination, and may be any combination. For example, when the prediction mode is encoded by using entropy coding such as arithmetic coding, the prediction mode 0 may be assigned a frequently used prediction method. Thereby, the coding efficiency can be improved. Further, the three-dimensional data coding apparatus may improve the coding efficiency by dynamically changing the allocation of the prediction mode according to the frequency of use of the prediction mode while advancing the coding process.
- the three-dimensional data coding apparatus may count, for example, the frequency of use of each prediction mode at the time of coding, and may assign a prediction mode indicated by a smaller value to a prediction method having a higher frequency of use. This can improve the coding efficiency.
- the three-dimensional data coding device uses the predicted value (px, py, pz) of the position information (x, y, z) of the three-dimensional point as a code among the three-dimensional points around the three-dimensional point to be encoded.
- the predicted value used for calculating the position information of the three-dimensional point to be encoded may be calculated by using the position information of the three-dimensional point whose distance is close to the three-dimensional point to be encoded. Further, the three-dimensional data coding apparatus may add prediction mode information (pred_mode) for each three-dimensional point so that the predicted value calculated according to the prediction mode can be selected.
- the position information of the three-dimensional point p0 of the nearest neighbor point is assigned to the prediction mode 0, ...
- the position information of the three-dimensional point p2 is assigned to the prediction mode M-1 and used for prediction. It is conceivable to add the predicted mode to the bitstream for each three-dimensional point.
- FIG. 33 is a diagram showing a second example of a table showing predicted values calculated in each prediction mode according to the third embodiment.
- the predicted value of the position information of the point c is calculated using the position information of at least one of the point p0, the point p1, and the point p2.
- the prediction mode is added for each three-dimensional point to be encoded.
- the predicted value is calculated according to the added prediction mode.
- FIG. 34 is a diagram showing a specific example of the second example of the table showing the predicted values calculated in each prediction mode according to the third embodiment.
- the three-dimensional data coding apparatus selects, for example, the prediction mode 1, and encodes the position information (x, y, z) of the three-dimensional point to be encoded by using the predicted values (p0x, p0y, p0z), respectively. It may be converted. In this case, "1", which is a prediction mode value indicating the selected prediction mode 1, is added to the bit stream.
- the three-dimensional data coding apparatus can be used as one prediction mode for calculating the prediction value of each of the three elements including the position information of the three-dimensional point to be encoded in the selection of the prediction mode. You may choose a common prediction mode for the three elements.
- FIG. 35 is a diagram showing a third example of a table showing predicted values calculated in each prediction mode according to the third embodiment.
- the predicted value of the position information of the point c is calculated using the position information of at least one of the point p0 and the point p1.
- the prediction mode is added for each three-dimensional point to be encoded.
- the predicted value is calculated according to the added prediction mode.
- the prediction mode in which the predicted value is not assigned may be set to not available.
- another prediction method may be assigned to the prediction mode.
- the position information of the point p2 may be assigned as the predicted value to the prediction mode.
- the prediction mode may be assigned a prediction value assigned to another prediction mode.
- the position information of the point p1 assigned to the prediction mode 4 may be assigned to the prediction mode 3 in which the not variable is set. At that time, the position information of the point p2 may be newly assigned to the prediction mode 4. In this way, when a prediction mode in which not variable is set occurs, the coding efficiency can be improved by assigning a new prediction method to the prediction mode.
- FIG. 36 is a diagram showing an example of the syntax of the header of the position information. NumNeigborPoint, NumPredMode, Thfix, QP, and unique_point_per_leaf in the syntax of FIG. 36 will be described in order.
- NuMeightborPoint indicates the upper limit of the number of surrounding points used to generate the predicted value of the position information of the three-dimensional point.
- the predicted value may be calculated using the M peripheral points in the calculation process of the predicted value.
- NuMRedMode indicates the total number M of prediction modes used for predicting position information.
- the maximum value MaxM that can be taken by the number of prediction modes may be specified by a standard or the like.
- the number of prediction modes NuMRedMode does not have to be added to the bit stream, and the value may be specified by a profile or level such as a standard. Further, the number of prediction modes may be defined by NumNeightborPoint + NumPredMode.
- the prediction mode is fixed at ⁇ .
- ⁇ is a prediction mode for calculating a prediction value using linear prediction, and is “2” in the above embodiment. It should be noted that Thfix does not have to be added to the bitstream, and the value may be specified by a profile or level such as a standard.
- the three-dimensional data coding apparatus may calculate the quantization step from the quantization parameter and quantize the position information using the calculated quantization step.
- the determination of whether or not to fix the prediction mode is performed using the absolute difference value between the distance d0 and the distance d1, but the determination is not necessarily limited to this, and any method is used. You can judge. For example, this judgment calculates the distance d0 between the points p1 and p0, and if the distance d0 is larger than the threshold value, it is determined that the point p1 cannot be used for prediction, and the prediction mode value is set to "1" (predicted value). It may be fixed to p0), and if not, the prediction mode may be set. As a result, the coding efficiency can be improved while suppressing the overhead.
- the NumNeigborPoint, NumPredMode, Thfix, and unique_point_per_leaf may be entropy-coded and added to the header. For example, each value may be binarized and calculated and encoded. Further, each value may be encoded with a fixed length in order to reduce the amount of processing.
- FIG. 37 is a diagram showing an example of the syntax of location information. NumofPoint, child_count, pred_mode, and residual_value [j] in the syntax of FIG. 37 will be described in order.
- NuMofPoint indicates the total number of 3D points included in the bitstream.
- Child_count indicates the number of child nodes possessed by the i-th three-dimensional point (node [i]).
- Pred_mode indicates a prediction mode for encoding or decoding the position information of the i-th three-dimensional point.
- ⁇ is a prediction mode for calculating a prediction value using linear prediction, and is “2” in the above embodiment. In addition, ⁇ is not limited to “2”, and any value from 0 to M-1 may be set as an estimated value.
- the estimated value when pred_mode is not in the bitstream may be added to the header or the like separately.
- the pred_mode may be arithmetically coded by binarizing with a truncated unary code using the number of prediction modes to which the predicted value is assigned.
- the specific prediction mode is a predetermined prediction mode.
- Residual_value [j] indicates the coded data of the predicted residual between the predicted value and the predicted value of the position information.
- the residual_value [0] may indicate the element x of the position information
- the residual_value [1] may indicate the element y of the position information
- the residual_value [2] may indicate the element z of the position information.
- FIG. 38 is a diagram showing another example of the syntax of location information.
- the example of FIG. 38 is a modification of the example of FIG. 37.
- the pred_mode may indicate the prediction mode for each of the three elements of the position information (x, y, z). That is, pred_mode [0] indicates the prediction mode of the element x, pred_mode [1] indicates the prediction mode of the element y, and pred_mode [2] indicates the prediction mode of the element z.
- the pred_mode [0], pred_mode [1], and pred_mode [2] may be added to the bitstream.
- FIG. 39 is a block diagram of the three-dimensional data coding apparatus 12800 according to the present embodiment.
- FIG. 39 describes a processing unit for coding the position information (geometry) of the point cloud
- the three-dimensional data coding device 12800 is a processing unit or the like that encodes the attribute information of the point cloud. Other processing units may be provided.
- the point cloud to be encoded is encoded with reference to the coded point cloud.
- the three-dimensional data coding device 12800 includes an ocree tree section 12801, a buffer 12802, an entropy coding section 12803, a buffer 12804, a buffer 12805, a point cloud grouping section 12806, a buffer 12807, and motion detection compensation.
- a unit 12808, an ocree wood unit 12809, a buffer 12810, and a control unit 12811 are provided.
- the ocree tree unit 12801 converts the target point cloud, which is the input data of the point cloud to be encoded, into an octree representation, so that the position information of the target point cloud is converted into an ocree. Generate the expressed target ocree.
- the position of the point cloud is represented by, for example, three-dimensional coordinates (for example, x, y, z).
- Buffer 12802 holds the generated target ocree.
- the ocree is composed of a plurality of nodes (branch points), and the information of each node is an 8-bit occupancy code indicating whether or not each of the eight child nodes of the node contains a three-dimensional point. including.
- the buffer 12802 may initialize the data held for each ocree (target point cloud).
- the entropy coding unit 12803 generates a bit stream by entropy coding information for each node (for example, an entropy code).
- a probability parameter (encoding table or) is based on the information of the coded node (intra-reference node) in the target point group or the information of the node (inter-reference node) in the coded point group. (Also called a probability table) is controlled.
- the buffer 12804 holds the information of the target node (for example, the occupancy code) as the intra reference node (encoded node). For example, the buffer 12804 may initialize the data held for each ocree (target point cloud).
- Buffer 12805 holds information on the target node (for example, an occupancy code). Further, the buffer 12805 holds the information of the target node in units of an ocree as an encoded ocree. For example, the buffer 12805 may initialize the data held for each ocree (target point cloud).
- the point cloud grouping unit 12806 generates an interreference point cloud (encoded point cloud) by converting the coded octane into a point cloud.
- Buffer 12807 holds a group of interreference points. That is, the buffer 12807 holds a plurality of interreference point clouds, which are one or a plurality of encoded point clouds.
- the motion detection compensation unit 12808 detects the displacement between the inter-reference point group and the target point group (motion detection), and corrects the inter-reference point group based on the detected displacement (motion compensation) to perform the inter-alignment after alignment. Generates a post-alignment point cloud, which is a reference point cloud.
- the octal tree conversion unit 12809 converts the alignment point cloud into an octal tree representation to generate an interreference octave tree in which the position information of the alignment point cloud is expressed by an octal tree.
- Buffer 12810 holds the generated interreference ocree. Further, for example, the buffer 12810 may initialize the data held for each ocree (target point cloud).
- the three-dimensional data coding device 12800 may perform motion detection and motion compensation in units of frames or ocree, or may be performed for each node (point). Further, the three-dimensional data coding device 12800 may describe information related to motion compensation such as a motion vector in the header portion of a frame or an ocree, or the header of the node information after entropy coding the information. It may be described in the section.
- the interreference point cloud may be a point cloud included in a coded frame different from the coded frame, or may be a coded point cloud included in the same frame as the coded frame. There may be.
- the control unit 12811 uses the intra-reference node stored in the buffer 12804 or the inter-reference node contained in the inter-reference 8-branch tree stored in the buffer 12810, and the entropy coding unit 12803 uses the target node. Controls the stochastic parameters used for entropy coding (arithmetic coding). Whether the control of the probability parameter using the intra-reference node (hereinafter referred to as the intra-reference) is used or the control of the probability parameter using the inter-reference node (hereinafter referred to as the inter-reference) is used, for example. , It may be predetermined in units of frames or point clouds, or it may be determined by any method. For example, a reference method (intra-reference or inter-reference) in which the actual code amount is calculated and the code amount is reduced may be selected.
- a probability parameter is selected from a plurality of probability parameters based on the occupancy state (whether or not the node contains a point) of a plurality of adjacent nodes (intra reference nodes) of the target node.
- the node When an interreference is used, a plurality of probability parameters are based on the occupied state of the node (interreference node) at the same position as at least one of the target node and the plurality of adjacent nodes included in the interreference ocree.
- the probability parameter is selected from.
- the probability parameter may be controlled by combining the interreference and the intrareference.
- the plurality of probability parameters may include probability parameters that are updated according to the frequency of occurrence, or may include fixed values.
- the three-dimensional data coding device 12800 controls the probability parameter of entropy coding based on the information of the inter-reference node in addition to the information of the intra-reference node, so that the probability of occurrence of the information of the target node can be determined. Prediction accuracy can be improved. Therefore, there is a possibility that the coding efficiency can be improved.
- the three-dimensional data encoding device 12800 does not always need to refer to the inter-reference point cloud, and has a predetermined time interval (for example, every 1 second), a predetermined frame interval (for example, every 30 frames), or three-dimensional.
- the target point cloud may be encoded based only on the information of the target point group, such as by clearing the buffer 12807 storing the interreference point group at an arbitrary timing for notifying the data decoding device.
- FIG. 40 is a block diagram of the three-dimensional data decoding device 12820 according to the present embodiment.
- FIG. 40 describes a processing unit for decoding the position information (geometry) of the point cloud
- the three-dimensional data decoding device 12820 is another processing unit or the like that decodes the attribute information of the point cloud. It may be provided with a processing unit.
- the three-dimensional data decoding device 12820 performs inter-predictive decoding that decodes the point cloud from the encoded bit stream while referring to the encoded point cloud. For example, the three-dimensional data decoding device 12820 decodes the bitstream generated by the three-dimensional data coding device 12800 shown in FIG. 39.
- the three-dimensional data decoding device 12820 includes an entropy decoding unit 12821, a buffer 12822, a buffer 12823, a point cloud grouping unit 12824, a buffer 12825, a motion compensation unit 12826, an ocree tree unit 12827, and a buffer 12828. ,
- the control unit 12829 is provided.
- the entropy decoding unit 12821 generates information (for example, an occupancy code) of the decoding node by entropy decoding the input bit stream at each branch point (node) of the octave tree.
- the probability parameter (both the coding table and the probability table) is based on the information of the decoded node (intra-reference node) in the target point group or the information of the node (inter-reference node) in the decoded point group. Call) is controlled.
- the buffer 12822 holds the generated information of the decrypted node as an intra-reference node (decrypted node). For example, the buffer 12822 may initialize the data held for each ocree (decoding point cloud).
- the buffer 12823 holds information on the decoding node (for example, an occupancy code). Further, the buffer 12823 holds the information of the decoding node in units of an ocree as a decoding ocree. For example, the buffer 12823 may initialize the data to be held for each ocree (decoding point cloud).
- the point cloud grouping unit 12824 generates a decoded point cloud by converting the decoded octaree into a point cloud.
- the buffer 12825 holds the decoding point cloud as an interreference point cloud.
- the motion compensation unit 12826 corrects (motion compensation) the displacement between the inter-reference point cloud and the point cloud to be decoded to generate a post-alignment point cloud, which is an inter-reference point cloud after alignment.
- the motion compensation unit 12826 acquires information related to motion compensation such as a motion vector from the header unit of a frame or an ocree, or the header unit of node information, and performs motion compensation using the acquired information. ..
- the ocree tree conversion unit 12827 converts the alignment after-point cloud into an octa-tree representation to generate an interreference octa-division tree in which the position information of the alignment after-point cloud is expressed by an ocree.
- Buffer 12828 holds the generated interreference ocree. Further, for example, the buffer 12828 may initialize the data held for each ocree (decoding point group).
- the three-dimensional data decoding device 12820 may perform motion compensation in units of frames or ocree, or may be performed for each node (point).
- the interreference point cloud may be a point cloud included in a decoded frame different from the frame to be decoded, or may be a decoded point cloud included in the same frame as the frame to be decoded. ..
- the control unit 12829 uses the intra-reference node stored in the buffer 12822 or the inter-reference node included in the inter-reference ocree stored in the buffer 12828, and the entropy decoding unit 12821 uses the entropy of the target node. Controls the probability parameters used for decoding (arithmetic decoding). Whether an intra reference is used or an interreference is used may be determined, for example, based on the control information included in the bitstream, or may be predetermined in units of frames or point clouds. It may be determined by any method.
- a probability parameter is selected based on the occupancy state (whether or not the node contains a point) of a plurality of adjacent nodes (intra reference nodes) of the target node.
- a probability parameter is selected based on the occupied state of the node (interreference node) at the same position as at least one of the target node and a plurality of adjacent nodes included in the interreference ocree. Will be done.
- the probability parameter may be controlled by combining the interreference and the intrareference.
- the three-dimensional data decoding device 12820 controls the entropy decoding probability parameter based on the information of the inter-reference node in addition to the information of the intra-reference node, thereby referring to the coded point group.
- the point group can be decoded from the coded bit stream (for example, the bit stream output from the three-dimensional data coding apparatus 12800 shown in FIG. 39).
- the three-dimensional data decoding device 12820 does not always need to refer to the inter-reference point cloud, and has a predetermined time interval (for example, every second) and a predetermined frame interval (for example, every second) according to the three-dimensional data coding device. Based only on the information of the point cloud to be decoded, such as by clearing the buffer 12825 storing the interreference point cloud at an arbitrary timing notified from the 3D data encoding device (every 30 frames, etc.). The decoding target point cloud may be decoded. As a result, the three-dimensional data decoding device 12820 can realize the dive reproduction start from the point cloud that does not refer to the interreference point cloud other than the head of the bit stream.
- FIG. 41 is a block diagram of the three-dimensional data coding device 12800A, which is a modification of the three-dimensional data coding device 12800.
- the three-dimensional data coding device 12800A shown in FIG. 41 further includes a motion compensation unit 12812 with respect to the three-dimensional data coding device 12800 shown in FIG. 39.
- the motion compensation unit 12812 aligns with the inter-reference point cloud already stored in the buffer 12807 by performing motion compensation on the coded point cloud generated by the point cloud grouping unit 12806.
- the buffer 12807 updates the stored inter-reference point cloud by integrating the motion-compensated coded point cloud into the already stored inter-reference point cloud.
- the inter-reference point cloud a dense point cloud in which the point clouds of a plurality of frames are superimposed can be used.
- other processing is the same as, for example, the three-dimensional data coding apparatus 12800.
- the interreference point cloud may be a point cloud included in a coded frame different from the coded frame, or may be a coded point cloud included in the same frame as the coded frame. There may be.
- the three-dimensional data coding device 12800A may be able to improve the point cloud density of the interreference point cloud by aligning and integrating the coded point clouds. As a result, the accuracy of predicting the occurrence probability of the information of the target node is improved, so that there is a possibility that the coding efficiency can be further improved.
- the three-dimensional data coding device 12800A does not need to refer to all the coded point clouds as an interreference point cloud, and has a predetermined time interval (for example, every 1 second) and a predetermined frame interval (for example, 5 frames). (Every time, etc.), or at any time to notify the three-dimensional data decoder, clear all or part of the buffer 12807 that stores the interreference point cloud, etc., and only the target point cloud or encode it.
- the target point cloud may be encoded based on the information of the target point cloud and a part of the coded point cloud.
- FIG. 42 is a block diagram of the three-dimensional data decoding device 12820A, which is a modification of the three-dimensional data decoding device 12820.
- the three-dimensional data decoding device 12820A shown in FIG. 42 further includes a motion compensation unit 12830 with respect to the three-dimensional data decoding device 12820 shown in FIG. 40.
- the three-dimensional data decoding device 12820A decodes a point cloud from the bit stream generated by the three-dimensional data coding device 12800A shown in FIG. 41.
- the motion compensation unit 12830 performs motion compensation to the decoding point group to align with the inter-reference point group already stored in the buffer 12825.
- the buffer 12825 updates the stored inter-reference point group by integrating the motion-compensated decoding point group with the already stored inter-reference point group.
- the inter-reference point cloud a dense point cloud in which the point clouds of a plurality of frames are superimposed can be used.
- other processing is the same as, for example, the three-dimensional data decoding device 12820.
- the interreference point cloud may be a point cloud included in a decoded frame different from the frame to be decoded, or may be a decoded point cloud included in the same frame as the frame to be decoded. ..
- the three-dimensional data decoding device 12820A has a configuration in which the decoded point clouds are aligned and integrated, so that the bit stream encoded by the three-dimensional data coding apparatus having the same configuration (for example,).
- the point cloud can be decoded from the bit stream generated by the three-dimensional data coding apparatus 12800A shown in FIG. 41.
- the three-dimensional data decoding device 12820A does not need to refer to all the decoded point clouds as an interreference point cloud, and has a predetermined time interval (for example, every 1 second) and a predetermined frame interval (for example, every 5 frames). ) Or at an arbitrary timing notified from the three-dimensional data encoding device, such as clearing all or part of the buffer 12825 storing the interreference point cloud, and only the decoding target point cloud or decoding.
- the decoding target point cloud may be decoded based on the information of the target point cloud and a part of the decoded point cloud.
- the three-dimensional data decoding device 12820A can realize the jump reproduction start from the point cloud that does not refer to the inter-reference point cloud other than the head of the bit stream. Therefore, there is a possibility that the random accessibility and error tolerance of the bitstream can be improved. Further, when the three-dimensional data decoding device performs decoding based on the information of the decoding target point cloud and a part of the decoded point cloud, the capacity of the buffer 12825 holding the interreference point cloud can be reduced. Therefore, there is a possibility that the mounting cost of the three-dimensional data coding device and the three-dimensional data decoding device can be reduced.
- FIG. 43 is a diagram showing an example of inter-prediction in the three-dimensional data coding apparatus shown in FIGS. 39 and 41. The same applies to the inter-prediction in the three-dimensional data decoding apparatus shown in FIGS. 40 and 42.
- the three-dimensional data coding device sets a first rectangular parallelepiped including a target point cloud.
- the three-dimensional data coding device sets a second rectangular parallelepiped that is translated from the first rectangular parallelepiped.
- the second rectangular parallelepiped is a space containing the coded point cloud referred to in the coding of the target point cloud.
- the three-dimensional data encoding device describes the x, y, z components of the parallel movement distance between the first rectangular parallelepiped and the second rectangular parallelepiped as the motion vector information in the header portion of the frame or the ocree.
- the information may be entropy-encoded and then described in the header portion of the node information.
- FIG. 44 is a diagram showing an example of the syntax of the sequence parameter set (SPS) included in the bit stream.
- SPS is control information common to a plurality of frames, a plurality of point clouds, or a plurality of slices, and is control information common to attribute information and position information.
- the SPS includes sps_inter_prescription_enable_flag and sps_max_num_ref_frames_minus1.
- Sps_inter_prescription_enable_flag 1 specifies that the use of interprediction is allowed for bitstreams that reference the SPS.
- Sps_inter_prescription_enable_flag 0 specifies that interprediction is invalid for the bitstream that references the SPS.
- Sps_max_num_ref_frames_minus1 + 1 (value obtained by adding 1 to sps_max_num_ref_frames_minus1) specifies the maximum number of reference point cloud frames referenced by the frame.
- the value of sps_max_num_ref_frames_minus1 must be in the range 0 to MaxNumRefFrames-1.
- Sps_max_num_ref_frames_minus1 is included in SPS when sps_inter_prepition_enabled_flag is 1, and is not included in SPS when sps_inter_prepition_enable_flag is 0.
- FIG. 45 is a diagram showing an example of the syntax of the position information parameter set (GPS) included in the bit stream.
- GPS is control information common to a plurality of frames, a plurality of point clouds, or a plurality of slices), and is position information control information.
- GPS includes gps_inter_prescription_enable_flag and gps_num_ref_frames_minus1.
- Gps_inter_prescription_enable_flag which is equal to 1, specifies that the use of inter-prediction is permitted in the decoding process of the position information data unit of the bitstream that refers to GPS. Specifies that inter-prediction is invalid in the decoding process of the position information data unit of the bitstream that refers to gps_inter_prescription_enable_flag, which is equal to 0, and GPS.
- gps_inter_prescription_enable_flag is 0.
- Gps_num_ref_frames_minus1 + 1 (value obtained by adding 1 to gps_num_ref_frames_minus1) specifies the number of reference point cloud frames referenced in the frame that refers to GPS.
- the value of gps_num_ref_frames_minus1 must be in the range from 0 to sps_max_num_ref_frames_minus1.
- Gps_num_ref_frames_minus1 is included in GPS when gps_inter_prepition_enabled_flag is 1, and is not included in GPS when gps_inter_prepition_enable_flag is 0.
- the 3D data encoding device indicates whether the sequence parameter set and the position information parameter set are allowed to perform inter-predictive coding, for example, sps_inter_prediction_enable_flag and gps_inter_prediction_enable_flag. The information may be notified to the three-dimensional data decoder. Further, when the 3D data encoding device notifies the 3D data decoding device of information indicating that the implementation of the inter-predictive coding is permitted, the inter-predictive coding such as sps_max_num_ref_frames_minus1 and gps_num_ref_frames_minus1 is used. Information regarding the number of frames referred to in the above or the maximum value thereof may be notified to the three-dimensional data decoding device.
- MaxNumRefFrames is a fixed value defined as a requirement that the 3D data decoding device should satisfy, and it is conceivable to set it to several frames such as 6 frames, but the 3D data coding device and the 3D data decoding device If both of them are processed using the same value, a value larger than these may be used.
- the information indicating whether or not the above-mentioned inter-predictive coding is permitted and the information regarding the number of frames referred to in the inter-predictive coding or the maximum value thereof are stored in both SPS and GPS. It may be stored in only one of them. Further, these information may be stored in control information other than SPS and GPS.
- FIGS. 39 to 45 may be carried out in combination with at least a part of other disclosures in the present disclosure.
- a part of the apparatus, processing, and syntax disclosed using FIGS. 39 to 45 may be carried out in combination with other disclosures.
- each device may include only a part of the components.
- the three-dimensional data coding apparatus performs the processing shown in FIG.
- the three-dimensional data coding device performs motion compensation on a plurality of coded point clouds (S12801).
- the three-dimensional data coding apparatus generates a reference point cloud (for example, the inter-reference point cloud shown in FIG. 41) by integrating (synthesizing) a plurality of coded point clouds after motion compensation (S1282).
- the three-dimensional data encoding device generates an N-divided tree structure of a target point cloud (N is an integer of 2 or more) (for example, an object octa-divided tree shown in FIG. 41) (S12803).
- the three-dimensional data coding apparatus encodes the N-branch structure of the target point group using the reference point group (S12804).
- N is, for example, it may be any power of 2 or any other value.
- the three-dimensional data coding device can improve the coding efficiency by coding the target point cloud using the reference point cloud that integrates a plurality of coded point clouds.
- the reference point group in encoding the N-division structure of the target point group (S12804), the reference point group is compensated for the motion of the target point group, and the N-branch of the reference point group after the motion compensation is compensated.
- a structure for example, the inter-reference octaree tree shown in FIG. 41
- the N-branch structure of the target point cloud is encoded using the N-branch structure of the reference point cloud.
- the N-branch structure of the target point group in encoding the N-branch structure of the target point group (S12804), is entropy-coded and used in entropy coding based on the reference point group. Control the probability parameters to be.
- the three-dimensional data coding device selects a probability parameter to be used from a plurality of probability parameters based on a reference point cloud.
- the three-dimensional data coding device generates a coded target point group (for example, the coded point group shown in FIG. 41) from the N-branch structure of the target point group, and encodes the target point group.
- the reference point group is updated by performing motion compensation for the reference point group and integrating the coded target point group after motion compensation into the reference point group.
- each of the plurality of encoded point clouds belongs to a frame different from the target point cloud.
- each of a plurality of encoded point clouds belongs to the same frame as the target point cloud.
- the three-dimensional data coding device provides first information (for example, sps_inter_prescription_enable_flag or gps_inter_prescription_enable_flag) indicating whether or not coding using the reference point cloud is permitted, which is common to the plurality of point clouds.
- first information for example, sps_inter_prescription_enable_flag or gps_inter_prescription_enable_flag
- sps_inter_prescription_enable_flag for example, sps_inter_prescription_enable_flag or gps_inter_prescription_enable_flag
- the second information (eg, for example) regarding the number of the plurality of encoded point clouds.
- the control information for example, SPS or GPS
- the second information indicates the number or maximum number of encoded point clouds to be integrated.
- the three-dimensional data encoding device includes a processor and a memory, and the processor uses the memory to perform the above processing.
- the three-dimensional data decoding device performs the process shown in FIG. 47.
- the three-dimensional data decoding device performs motion compensation on a plurality of decoded point clouds (S12811).
- the three-dimensional data decoding device generates a reference point cloud (for example, the inter-reference point cloud shown in FIG. 42) by integrating (synthesizing) a plurality of decoded point clouds after motion compensation (S12812).
- the three-dimensional data decoding device decodes the N-division structure (N is an integer of 2 or more) (for example, the decoding octa-tree shown in FIG. 42) of the target point group using the reference point group (S12813).
- the three-dimensional data decoding device acquires the N-branch structure of the target point cloud by decoding the bit stream (encoded data) generated by encoding the N-branch structure of the target point cloud. ..
- the three-dimensional data decoding device generates a decoding point group of the target point group from the N-branch structure of the target point group (S12814).
- N is, for example, it may be any power of 2 or any other value.
- the three-dimensional data decoding device can decode the target point cloud using a reference point cloud that integrates a plurality of decoded point clouds.
- the three-dimensional data decoding device compensates the reference point group for motion with respect to the target point group, and the N-branch structure of the reference point group after motion compensation (S12813).
- the inter-reference octave tree shown in FIG. 42 is generated, and the N-branch structure of the target point cloud is decoded using the N-branch structure of the reference point cloud.
- the three-dimensional data decoding device in decoding the N-branch structure of the target point group (S12813), the three-dimensional data decoding device entropy-decodes the N-branch structure of the target point group, and is a probability parameter used in the entropy decoding based on the reference point group. To control. For example, the three-dimensional data decoding device selects a probability parameter to be used from a plurality of probability parameters based on a reference point cloud.
- the three-dimensional data decoding device updates the reference point group by performing motion compensation for the reference point group on the decoding point group of the target point group and integrating the decoding point group after motion compensation into the reference point group.
- each of the decoded point clouds belongs to a frame different from the target point cloud.
- each of the decoded point clouds belongs to the same frame as the target point cloud.
- the three-dimensional data decoding device provides first information (for example, sps_inter_prediction_enable_flag or gps_inter_prescription_enable_flag) indicating whether or not decoding using the reference point cloud is permitted, and control information common to the plurality of point clouds (for example,). Obtained from SPS or GPS).
- first information for example, sps_inter_prediction_enable_flag or gps_inter_prescription_enable_flag
- the second information regarding the number of the plurality of decoded point clouds is acquired from the control information (for example, SPS or GPS) common to the plurality of point clouds.
- the control information for example, SPS or GPS
- the second information indicates the number of decoded point clouds to be integrated, or the maximum number.
- the three-dimensional data decoding device includes a processor and a memory, and the processor uses the memory to perform the above processing.
- FIG. 48 is a block diagram of the three-dimensional data coding device 12900 according to the present embodiment.
- FIG. 48 describes a processing unit for coding the position information (geometry) of the point cloud
- the three-dimensional data coding apparatus 12900 is a processing unit or the like that encodes the attribute information of the point cloud.
- Other processing units may be provided.
- the point cloud to be encoded is encoded with reference to the coded point cloud.
- the three-dimensional data coding device 12900 includes a grouping unit 12901, a buffer 12902, a quantization unit 12903, an inverse quantization unit 12904, a buffer 12905, an intra prediction unit 12906, a buffer 12907, and a motion detection compensation unit. It includes a 12908, an inter-prediction unit 12909, a switching unit 12910, and an entropy coding unit 12911.
- the grouping unit 12901 extracts a point cloud to be a prediction tree (Predtree), which is a unit of coding, from the target point cloud which is the data of the input point cloud to be encoded, and sets it as one group. ..
- the position of the point cloud is represented by, for example, three-dimensional coordinates (for example, x, y, z).
- Buffer 12902 holds the generated prediction tree.
- the buffer 12902 may initialize the data held for each predicted tree. Processing for encoding is sequentially executed for each of a plurality of three-dimensional points included in the prediction tree (Predtree) held in the buffer 12902.
- the three-dimensional coordinates may be expressed in Cartesian coordinates or polar coordinates. In the following, the position information expressed in Cartesian coordinates will be referred to as the position information in the Cartesian coordinate system, and the position information expressed in polar coordinates will be referred to as the position information in the polar coordinate system.
- first residual signal the difference between each of the plurality of three-dimensional points included in the predicted tree and the selected predicted point is calculated.
- This first residual signal is also referred to as a predicted residual.
- the first residual signal is an example of the first residual.
- the quantization unit 12903 quantizes the first residual signal.
- the entropy coding unit 12911 entropy-codes the quantized first residual signal to generate coded data, and outputs (generates) a bit stream including the coded data.
- the inverse quantization unit 12904 dequantizes the first residual signal quantized by the quantization unit 12903.
- the dequantized first residual signal is added to the predicted value based on the selected predicted points (one or more candidate points) to serve as a three-dimensional point (reference point) used for intra-prediction and inter-prediction. It is decrypted.
- the predicted value is calculated based on the position information of one or more candidate points as described in the above embodiment.
- the buffer 12905 holds the reference point cloud of the decoded intra prediction. For example, the buffer 12905 may initialize the data held for each prediction tree (target point cloud). Further, the buffer 12907 holds a reference point cloud for inter-prediction. For example, the buffer 12907 may initialize the data held for each prediction tree (target point cloud).
- the intra prediction unit 12906 sets the intra prediction point used for prediction to a plurality of three-dimensional points (reference point cloud for intra prediction) included in a prediction tree (Predtree) including the three-dimensional point to be encoded. It is determined by a predetermined method with reference to the information in the predtree. For example, the intra prediction unit 12906 uses two three-dimensional points (decoding points) that have been dequantized immediately before the three-dimensional point to be encoded (for example, an ancestor node such as the parent node of the prediction tree). The intra prediction point may be determined by inserting it.
- the motion detection compensation unit 12908 reproduces a coded point cloud based on a plurality of three-dimensional points (plural decoding points) included in the prediction tree (Predtree) including the three-dimensional points to be encoded, and encodes the code.
- Motion detection detecting the displacement between the encoded point cloud and the point cloud to be encoded
- motion compensation correcting the encoded point cloud based on the detected displacement (motion compensation), after alignment.
- inter-prediction point cloud which is a reference point cloud for inter-prediction.
- the inter-prediction unit 12909 determines the inter-prediction point to be used for prediction by a predetermined method based on the motion-compensated inter-prediction point group. For example, the inter-prediction unit 12909 may select the point closest to the intra-prediction point from the inter-prediction point group as the inter-prediction point, or encode it immediately before (last) without referring to the intra-prediction point.
- An inter-prediction point is a 3D point in the vicinity of a 3D point (for example, a 3D point corresponding to an ancestor node such as the parent node of a prediction tree) (for example, the 3D point closest to the 3D point encoded immediately before). You may choose.
- the switching unit 12910 determines the prediction point to be used for prediction by selecting either the intra prediction point or the inter prediction point.
- the position information of one or more candidate points among the plurality of coded three-dimensional points is determined as the prediction point, and the prediction value is calculated based on the prediction point.
- the prediction point is determined based on the three-dimensional point encoded immediately before the three-dimensional point to be encoded. That is, the three-dimensional data coding apparatus 12900 determines one or more candidate points for calculating the predicted value based on one or more reference points among the plurality of coded three-dimensional points.
- One or more reference points are three-dimensional points encoded immediately before the three-dimensional point to be encoded, and correspond to, for example, the parent node (ancestor node) of one three-dimensional point to be encoded in the prediction tree. It may be a three-dimensional point.
- the three-dimensional data coding device 12900 may select any one of the intra prediction point and the inter prediction point as the prediction point according to the procedure of the flowchart of FIG. 50 described later. Further, even if the information related to the prediction (prediction information) for selecting which of the intra prediction point and the inter prediction point is used as the prediction point is entropy-coded and described in the header part of each three-dimensional point. Alternatively, it may be described as being interleaved with each three-dimensional point. Further, information on motion compensation such as a motion vector may be described in the header portion of a frame or a prediction tree (Predtree), or may be entropy-coded and described in the header portion of each three-dimensional point.
- Prediction information information related to the prediction
- Predtree prediction tree
- the reference point cloud of the inter-prediction may be a point cloud included in a coded frame different from the frame to be encoded, or a coded point cloud included in the same frame as the frame to be encoded. It may be a group.
- the three-dimensional data coding apparatus 12900 reduces the amount of information of the first residual signal to be entropy-coded by predicting the coding target point by using inter-prediction in addition to intra-prediction. There is a possibility that the coding efficiency can be improved.
- the three-dimensional data encoding device 12900 does not always need to refer to the inter-prediction point, and has a predetermined time interval (for example, every 1 second), a predetermined frame interval (for example, every 30 frames), or three-dimensional.
- the buffer 12907 that stores the reference point cloud of the inter-prediction is initialized at an arbitrary timing to notify the data decoding device so that the data is encoded based only on the information of the point cloud to be encoded. You may.
- the corresponding 3D data decoding device it is possible to start jumping playback from a point cloud that is not the beginning of the bitstream that does not refer to the inter-predicted point, and it is possible to improve the random accessibility or error tolerance of the bitstream. there is a possibility.
- the three-dimensional data encoding device 12900 encodes the position information indicated by the coordinates expressed in Cartesian coordinates.
- the three-dimensional data coding apparatus 12900 encodes the position information indicated by the coordinates expressed in polar coordinates.
- FIG. 49 is a block diagram of the three-dimensional data decoding device 12920 according to the present embodiment.
- FIG. 49 describes a processing unit for decoding the position information (geometry) of the point cloud
- the three-dimensional data decoding device 12920 has other processing units such as a processing unit for decoding the attribute information of the point cloud. It may be provided with a processing unit.
- the three-dimensional data decoding device 12920 performs inter-predictive decoding to decode the point cloud to be decoded while referring to the decoded point cloud. For example, the three-dimensional data decoding device 12920 decodes the bitstream generated by the three-dimensional data coding device 12900 shown in FIG. 48.
- the three-dimensional data decoding device 12920 includes an entropy decoding unit 12921, an inverse quantization unit 12922, a buffer 12923, an intra prediction unit 12924, a buffer 12925, a motion compensation unit 12926, an inter prediction unit 12927, and a switching unit 12928. And prepare.
- the three-dimensional data decoding device 12920 acquires the bit stream generated by the three-dimensional data coding device 12900.
- the entropy decoding unit 12921 generates a quantized first residual signal by entropy decoding the input bit stream for each three-dimensional point of the prediction tree (Predtree).
- the dequantization unit 12922 dequantizes the quantized first residual signal and reproduces the first residual signal.
- the first residual signal of each three-dimensional point is added to the predicted value based on the predicted point corresponding to each three-dimensional point, and then generated (output) as a decoding point. That is, the three-dimensional data decoding device 12920 calculates the position information of one three-dimensional point to be decoded by adding the predicted value and the predicted residual.
- Buffer 12923 holds the generated decoding points as a reference point cloud for intra-prediction. For example, the buffer 12923 may initialize the data held for each prediction tree (target point cloud). Further, the buffer 12925 holds the generated decoding point as a reference point group for interprediction. For example, the buffer 12925 may initialize the data held for each prediction tree (target point cloud).
- the intra prediction unit 12924 uses the intra prediction point for prediction as a prediction such as a plurality of three-dimensional points (reference point cloud for intra prediction) included in a prediction tree (Predtree) including the three-dimensional points to be decoded. It is determined by a predetermined method with reference to the information in the tree (Predtree). For example, the intra prediction unit 12924 extrapolates using two dequantized three-dimensional points (decoding points) immediately before the three-dimensional point to be decoded (for example, an ancestor node such as the parent node of the prediction tree). The intra prediction point may be determined by doing so.
- a prediction such as a plurality of three-dimensional points (reference point cloud for intra prediction) included in a prediction tree (Predtree) including the three-dimensional points to be decoded. It is determined by a predetermined method with reference to the information in the tree (Predtree). For example, the intra prediction unit 12924 extrapolates using two dequantized three-dimensional points (decoding points
- the motion compensation unit 12926 reproduces the decoded point cloud based on the plurality of three-dimensional points (plural decoding points) included in the prediction tree (Predtree) including the three-dimensional points to be decoded, and the decoded points. By correcting the displacement (motion compensation) between the group and the point cloud to be decoded, an inter-prediction point cloud, which is a reference point group for inter-prediction after alignment, is generated.
- the inter-prediction unit 12927 determines the inter-prediction point to be used for prediction by a predetermined method based on the motion-compensated inter-prediction point group. For example, the inter prediction unit 12927 may select the point closest to the intra prediction point from the inter prediction point group and select it as the inter prediction point, or the third order decoded immediately before without referring to the intra prediction point. Select a 3D point near the original point (for example, the 3D point corresponding to the ancestor node such as the parent node of the prediction tree) (for example, the 3D point closest to the immediately decoded 3D point) as the inter-prediction point. You may.
- the switching unit 12928 determines the prediction point to be used for prediction by selecting either the intra prediction point or the inter prediction point.
- the position information of one or more candidate points among the plurality of decoded three-dimensional points is determined as the prediction point, and the prediction value is calculated based on the prediction point.
- the intra prediction unit 12924 and the inter prediction unit 12927 determine the prediction point (intra prediction point or inter prediction point) based on the three-dimensional point decoded immediately before the three-dimensional point to be decoded. That is, the three-dimensional data decoding device 12920 determines one or more candidate points for calculating the predicted value based on one or more reference points among the plurality of decoded three-dimensional points.
- the reference point of 1 or more is a 3D point encoded immediately before the 3D point to be decoded.
- the cubic corresponding to the parent node (ancestor node) of one 3D point to be decoded It may be the original point.
- the three-dimensional data decoding device 12920 may select any one of the intra prediction point and the inter prediction point as the prediction point according to the procedure of the flowchart of FIG. 51 described later. Further, the three-dimensional data decoding device 12920 uses the intra prediction point and the inter prediction point based on the information related to the prediction (prediction information) for selecting which of the intra prediction point and the inter prediction point is used as the prediction point. Any one of the above may be selected as the prediction point.
- the prediction information may be entropy-coded and described in the header portion of each three-dimensional point, or may be described interleaved with each three-dimensional point.
- information on motion compensation such as a motion vector may be described in the header portion of a frame or a prediction tree (Predtree), may be entropy-coded and described in the header portion of each point, or may be described in the header portion of each point. It may be described as being interleaved with the original point.
- the prediction information or the information regarding the motion compensation may be notified to the three-dimensional data decoding device 12920 from the corresponding three-dimensional data coding device 12900.
- the reference point cloud of the inter-prediction may be a point cloud included in a coded frame different from the frame to be encoded, or a coded point cloud included in the same frame as the frame to be encoded. It may be a group.
- the three-dimensional data decoding device 12920 predicts the decoding target point by using the inter-prediction in addition to the intra-prediction, so that the encoded bit stream (for example, for example) with reference to the decoded point cloud is used.
- the point cloud can be decoded from the bit stream) output from the three-dimensional data encoding device 12900 of FIG. 48.
- the three-dimensional data decoding device 12920 does not always need to refer to the inter-prediction point, and has a predetermined time interval (for example, every 1 second), a predetermined frame interval (for example, every 30 frames), or a corresponding tertiary. Decoding is performed based only on the information of the point cloud to be decoded, such as by initializing the buffer 12925 that stores the reference point cloud of the inter-prediction at an arbitrary timing notified from the original data encoding device 12900. You may do so. As a result, the three-dimensional data decoding device 12920 can start jumping playback from a point cloud that is not the beginning of the bitstream that does not refer to the inter-predicted point, and can improve the random accessibility and error tolerance of the bitstream. There is sex.
- the three-dimensional data decoding device 12920 decodes the position information represented by the coordinates expressed in Cartesian coordinates when the bitstream has the coded data in which the position information represented by the coordinates expressed in Cartesian coordinates is encoded. ..
- the three-dimensional data decoding device 12920 decodes the position information represented by the coordinates expressed in polar coordinates when the bitstream has the coded data in which the position information represented by the coordinates expressed in polar coordinates is encoded.
- FIG. 50 is a flowchart showing an example of a procedure for coding each three-dimensional point of the prediction tree (Predtree) in the three-dimensional data coding apparatus 12900.
- the three-dimensional data coding device 12900 first determines the intra prediction point from the reference point group of the intra prediction (S12901).
- the three-dimensional data coding apparatus 12900 may determine the intra prediction point by using, for example, the method of determining the prediction point using the prediction tree disclosed in the embodiment described above.
- the 3D data coding device 12900 generates a prediction tree using a plurality of coded 3D points, and selects 1 or more candidate points from a plurality of coded 3D points based on the prediction tree. You may choose.
- the three-dimensional data coding apparatus 12900 may determine the prediction point having the smallest code amount as the intra prediction point among at least one intra prediction point determined by at least one of the above methods. Further, in the three-dimensional data coding apparatus 12900, among at least one intra prediction point determined by at least one of the above methods, the prediction point having the smallest absolute sum (or square sum) of the coordinate residuals. May be determined as an intra prediction point.
- the three-dimensional data coding device 12900 outputs an intra-prediction-related parameter (S12902).
- the three-dimensional data coding apparatus 12900 outputs information indicating the candidate for the selected determination method to the bitstream as an intra-prediction-related parameter. You may.
- the three-dimensional data encoding device 12900 determines the inter-prediction point with reference to at least one candidate point extracted from the inter-prediction point group. For example, the three-dimensional data coding apparatus 12900 may determine one candidate point as an inter-prediction point, or determine a prediction point having an average value of the coordinates of a plurality of candidate points as an inter-prediction point. May be good. Alternatively, the three-dimensional data coding apparatus 12900 may determine a prediction point having the average value of the coordinates of the intra prediction point and at least one candidate point as the coordinates as the inter prediction point.
- the three-dimensional data coding device 12900 may search for a point located in the vicinity of the intra prediction point as at least one candidate point (S12903).
- the three-dimensional data coding apparatus 12900 may assign smaller index values to each of the determined at least one inter-prediction point in order of proximity to the intra-prediction point (S12904).
- the three-dimensional data coding apparatus 12900 determines whether or not the search is completed (S12905), and if the search is completed (Yes in S12905), the process proceeds to the next step S12906, and the search is not completed. If (No in S12905), the process returns to step S12903.
- the completion of the search may be determined by finding a predetermined number of inter-predicted points, may be determined by searching all of the point cloud in a predetermined range, or may be determined by searching all of the predetermined range of inter-predicted points. May be determined by satisfying either the discovery of the above point cloud or the search for all of the point clouds in the predetermined range.
- the three-dimensional data coding device 12900 determines the prediction method (S12906). Specifically, the three-dimensional data coding apparatus 12900 determines whether the method for determining the prediction point is intra-prediction or inter-prediction. That is, the three-dimensional data coding device 12900 determines whether to determine the intra prediction point as the prediction point or the inter prediction point as the prediction point. For example, the three-dimensional data coding apparatus 12900 may determine the prediction method of the prediction point having the smallest code amount among the intra prediction points and the inter prediction points. Further, the three-dimensional data coding apparatus 12900 may determine the prediction method of the prediction point having the smallest absolute value sum (or square sum) of the coordinate residuals among the intra prediction points and the inter prediction points.
- the three-dimensional data coding apparatus 12900 determines whether the mode of the determined prediction method is the intermode indicating that the prediction method is inter-prediction or the intra-prediction mode indicating that the prediction method is intra-prediction. Judgment (S12907).
- the three-dimensional data coding apparatus 12900 provides a bitstream with identification information (for example, a flag) indicating that the inter-prediction point is determined as the prediction point.
- identification information for example, a flag
- the three-dimensional data encoding device 12900 uses information about the number of candidate points used for determining the coordinates of the inter-prediction points, the index value of each candidate point used, and the like as bits as inter-prediction-related parameters. Output to the stream (S12909).
- the index value may be assigned to one or more candidate points used to determine the predicted value.
- the three-dimensional data coding apparatus 12900 sets the bit of the identification information (for example, a flag) indicating that the intra prediction point is determined as the prediction point.
- the identification information in step S12908 and step S12911 is information indicating whether the inter prediction point is determined as the prediction point or the intra prediction point is determined as the prediction point.
- the three-dimensional data coding apparatus 12900 encodes the coordinate information of the three-dimensional point to be encoded with reference to the predicted point obtained by the determined prediction method (S12910).
- the three-dimensional data coding apparatus 12900 determines at least one inter-prediction point with reference to the inter-prediction point cloud and the intra-prediction point, and obtains the prediction point from these intra-prediction points and the inter-prediction points. The method is determined, and the position information (coordinate information) of the three-dimensional point to be encoded is encoded with reference to the predicted point.
- the intra prediction-related parameters such as the three-dimensional point encoded immediately before (for example, the three-dimensional point corresponding to the ancestor node such as the parent node of the prediction tree) are not referred to, without referring to the intra prediction point.
- An inter-prediction point may be searched in the vicinity of a three-dimensional point uniquely determined.
- S12902 may not be carried out immediately after S12901, but S12902 may be carried out immediately after S12911.
- FIG. 51 is a flowchart showing an example of a procedure for decoding each three-dimensional point of the predicted tree (Predtree) in the three-dimensional data decoding device 12920.
- FIG. 51 corresponds to the decoding of the bitstream generated according to the coding procedure of FIG. That is, the bitstream contains a coded first residual signal (predicted residual) and an index value assigned to one candidate point used to calculate the predicted value.
- the 3D data decoding device 12920 first acquires the intra-prediction-related parameters from the bitstream (S12921).
- the three-dimensional data decoding device 12920 determines the intra prediction point based on the acquired intra prediction related parameters (S12922). Specifically, the three-dimensional data decoding device 12920 determines the intra prediction point by the same method as in step S12901 of FIG. In the three-dimensional data decoding device 12920, the intra-prediction-related parameter is notified from the corresponding three-dimensional data coding device 12900, and the intra-prediction point is determined according to the intra-prediction-related parameter.
- the intra-prediction-related parameters are acquired in step S12921 and include information specifying at least one method of determining the intra-prediction point and parameters accompanying this information.
- the three-dimensional data decoding device 12920 acquires identification information indicating the mode of the prediction method from the bit stream (S12923).
- the three-dimensional data decoding device 12920 indicates whether the acquired identification information indicates an intermode indicating that the prediction method is inter-prediction or an intra-prediction mode indicating that the prediction method is intra-prediction. Judgment (S12924).
- the three-dimensional data decoding device 12920 acquires the inter-prediction-related parameters from the bit stream (S12925).
- the three-dimensional data decoding device 12920 executes a process (S12926 to S12929) for determining the inter prediction point. Specifically, the three-dimensional data decoding device 12920 determines the inter prediction point by the same method as in steps S12903 to S12905 of FIG. For example, the three-dimensional data decoding device 12920 determines the inter-prediction point with reference to at least one candidate point extracted from the inter-prediction point cloud. For example, the three-dimensional data decoding device 12920 may determine one candidate point as an inter-prediction point, or may determine a prediction point having an average value of the coordinates of a plurality of candidate points as an inter-prediction point. good. Alternatively, the three-dimensional data decoding device 12920 may determine a prediction point having the average value of the coordinates of the intra prediction point and at least one candidate point as the coordinates as the inter prediction point.
- the three-dimensional data decoding device 12920 may search for a point located in the vicinity of the intra prediction point as at least one candidate point (S12926).
- the three-dimensional data decoding device 12920 may assign smaller index values to each of the determined at least one inter-prediction point in order of proximity to the intra-prediction point (S12927).
- the three-dimensional data decoding device 12920 determines whether or not the search is completed (S12928), and if the search is completed (Yes in S12928), the process proceeds to the next step S12929, and the search is not completed. (No in S12928), the process returns to step S12926.
- the completion of the search may be determined by finding a predetermined number of inter-predicted points, may be determined by searching all of the point cloud in a predetermined range, or may be determined by searching all of the predetermined range of inter-predicted points. May be determined by satisfying either the discovery of the above point cloud or the search for all of the point clouds in the predetermined range.
- the three-dimensional data decoding device 12920 determines the inter-prediction point based on the inter-prediction-related parameter while referring to the inter-prediction point group and the intra-prediction point (S12929).
- the three-dimensional data decoder 12920 contains information on the number of candidate points used to determine the coordinates of the inter-prediction points included in the inter-prediction-related parameters, and the index value assigned to each candidate point used.
- the candidate points used for determining the coordinates of the inter-predicted points are specified, and the coordinates of the inter-predicted points are determined using the specified candidate points to determine the inter-predicted points. That is, the three-dimensional data decoding device 12920 selects one candidate point from a plurality of decoded three-dimensional points based on the index value included in the bit stream.
- the three-dimensional data decoding device 12920 refers to the prediction point obtained by the specified prediction method after step S12929 or in the case of the intra mode in step S12924, and the position information (coordinate information) of the three-dimensional point to be decoded is referred to. ) Is decoded (S12930).
- the three-dimensional data decoding device 12920 decodes the coordinate information of the point to be decoded by referring to the inter-prediction point when the prediction method is inter-prediction, and intra-prediction when the prediction method is intra-prediction.
- the coordinate information of the point to be decoded is decoded by referring to the point.
- the intra prediction-related parameters such as the three-dimensional point decoded immediately before (for example, the three-dimensional point corresponding to the ancestor node such as the parent node of the prediction tree) without referring to the intra prediction point are not used.
- An inter-prediction point may be searched in the vicinity of a uniquely determined three-dimensional point.
- S12921 and S12922 may not be executed immediately before S12923, but S12921 and S12922 may be executed when the intra mode is determined by S12924.
- FIG. 52 is a block diagram of a three-dimensional data coding device 12930 according to a modified example of the present embodiment.
- FIG. 52 describes a processing unit for coding the position information (geometry) of the point cloud
- the three-dimensional data coding device 12930 is a processing unit or the like that encodes the attribute information of the point cloud.
- Other processing units may be provided.
- the point cloud to be encoded is encoded with reference to the coded point cloud.
- the three-dimensional data coding device 12930 is located in polar coordinates, which is a group of points having position information expressed in orthogonal coordinates, as compared with the three-dimensional data coding device 12900 in FIG.
- the three-dimensional data coding device 12930 is the same in its configuration and operation as compared with the three-dimensional data coding device 12900, except for the above-mentioned differences.
- the three-dimensional data coding device 12930 includes a coordinate conversion unit 12931, a grouping unit 12932, a buffer 12933, a buffer 12934, an intra prediction unit 12935, a buffer 12936, a motion detection compensation unit 12937, and an inter prediction unit 12938. , A switching unit 12939, a coordinate conversion unit 12940, a buffer 12941, a quantization unit 12942, and an entropy coding unit 12943.
- the coordinate conversion unit 12931 converts the coordinate system of the position information of the target point cloud, which is the input data of the point cloud to be encoded, from the orthogonal coordinate system to the polar coordinate system. That is, the coordinate conversion unit 12931 generates the position information of the polar coordinate system by converting the coordinate system of the position information of the orthogonal coordinate system of one three-dimensional point to be encoded.
- the point cloud to be encoded converted into polar coordinates is output to the grouping unit 12932.
- the grouping unit 12932 extracts a point cloud to be a prediction tree (Predtree), which is a unit of coding, from the target point cloud, which is a point cloud to be coded converted into polar coordinates, and sets it as one group. .. Buffer 12933 holds the generated prediction tree. For example, the buffer 12933 may initialize the data held for each predicted tree. Processing for encoding is sequentially executed for each of a plurality of three-dimensional points included in the prediction tree (Predtree) held in the buffer 12933.
- Predtree a prediction tree
- This first residual signal is a residual signal of position information expressed in polar coordinates.
- the first residual signal is also referred to as a predicted residual.
- This first residual signal is an example of the first residual. Since the position information of the plurality of three-dimensional points held in the buffer 12933 is converted into the polar coordinate system, the first residual is the difference between the position information of the transformed polar coordinate system and the predicted value.
- the first residual signal and the prediction point are added and held in the buffer 12934, 12936 as the decoded points that have been encoded.
- the position information of the decoding point held in the buffer 12934 and 12936 is expressed in polar coordinates.
- the functions of buffers 12934 and 12936 are different from those of buffers 12905 and 12907, but the other functions are the same.
- the intra prediction unit 12935, the motion detection compensation unit 12937, the inter prediction unit 12938, and the switching unit 12939 also have the intra prediction unit 12906 in that the position information of the three-dimensional point to be processed is expressed in polar coordinates.
- the functions thereof are different from those of the motion detection compensation unit 12908, the inter-prediction unit 12909, and the switching unit 12910, but the other functions are the same.
- the coordinate conversion unit 12940 acquires the same decoding point as the decoding point held in the buffer 12934, 12936, and converts the coordinate system of the position information of the acquired decoding point from the polar coordinate system to the orthogonal coordinate system. That is, the coordinate conversion unit 12940 generates the position information of the orthogonal coordinate system by inversely converting the coordinate system of the position information of the polar coordinate system after the conversion by the coordinate conversion unit 12931.
- the buffer 12941 holds the position information of the three-dimensional points expressed in Cartesian coordinates, which is input to the three-dimensional data coding device 12930.
- the difference (second residual signal) between the input position information of the Cartesian coordinate system and the position information of the Cartesian coordinate system in which the coordinate system is converted from the polar coordinate system to the Cartesian coordinate system by the coordinate conversion unit 12940 is calculated.
- This second residual signal is an example of the second residual. That is, the second residual signal includes the position information of the Cartesian coordinate system that has not been subjected to coordinate conversion in the coordinate conversion unit 12931 and the position information that has been once converted to polar coordinates and then back-converted to the Cartesian coordinate system. It is a difference of, and is a conversion error generated by coordinate conversion.
- the quantization unit 12942 quantizes the second residual signal.
- the entropy coding unit 12943 entropy-codes the first residual signal and the quantized second residual signal to generate coded data, and outputs a bit stream including the coded data.
- the three-dimensional data coding device 12930 converts the coordinate system of the position information of the three-dimensional point from the orthogonal coordinate system to the polar coordinate system, and encodes the position information of the polar coordinate system. As a result, it is possible to improve the prediction accuracy of the point to be encoded when encoding the point cloud generated by acquiring the three-dimensional position of the surrounding object around the sensor position such as LiDAR. , There is a possibility that the coding efficiency can be improved.
- FIG. 53 is a block diagram of a three-dimensional data decoding device 12950 according to a modified example of the present embodiment.
- FIG. 53 describes a processing unit for decoding the position information (geometry) of the point cloud
- the three-dimensional data decoding device 12950 is another processing unit or the like that decodes the attribute information of the point cloud. It may be provided with a processing unit.
- the three-dimensional data decoding device 12950 performs inter-predictive decoding that decodes the point cloud to be decoded while referring to the decoded point cloud.
- the three-dimensional data decoding device 12950 decodes the bitstream generated by the three-dimensional data coding device 12930 shown in FIG. 52.
- the three-dimensional data decoding device 12950 does not perform inverse quantization of the first residual signal (predicted residual) as compared with the three-dimensional data decoding device 12920 of FIG. 49 in the basic configuration and operation.
- the three-dimensional data decoding device 12950 is the same as the three-dimensional data decoding device 12920 except for the above-mentioned differences.
- the three-dimensional data decoding device 12950 includes an entropy decoding unit 12951, a buffer 12952, an intra prediction unit 12953, a buffer 12954, a motion compensation unit 12955, an inter prediction unit 12965, a switching unit 12957, and a coordinate conversion unit 12985. , With an inverse quantization unit 12959.
- the entropy decoding unit 12951 generates a first residual signal and a quantized second residual signal by entropy decoding the input bit stream for each three-dimensional point of the prediction tree (Predtree).
- the first residual signal of each three-dimensional point is added to the predicted value based on the predicted point corresponding to each three-dimensional point, and then generated (output) as a decoding point expressed in polar coordinates.
- the buffer 12952 holds the generated decoding point as a reference point cloud for intra-prediction. For example, the buffer 12952 may initialize the data held for each prediction tree (target point cloud). Further, the buffer 12954 holds the generated decoding point as a reference point cloud for interprediction. For example, the buffer 12954 may initialize the data held for each prediction tree (target point cloud).
- the position information of the decoding point held in the buffer 12952, 12954 is expressed in polar coordinates. In this respect, the functions of buffers 12952 and 12954 are different from those of buffers 12923 and 12925, but the other functions are the same.
- the intra prediction unit 12953, the motion compensation unit 12955, the inter prediction unit 12965, and the switching unit 12957 also have the intra prediction unit 12924 and the movement in that the position information of the three-dimensional point to be processed is expressed in polar coordinates.
- the functions thereof are different from those of the compensation unit 12926, the inter-prediction unit 12927, and the switching unit 12928, but the other functions are the same.
- the coordinate conversion unit 12985 acquires the same decoding point as the decoding point held in the buffer 12952, 12954, and converts the coordinate system of the position information of the acquired decoding point from the polar coordinate system to the orthogonal coordinate system.
- the dequantization unit 12959 dequantizes the quantized second residual signal and reproduces the second residual signal.
- the position information of the Cartesian coordinate system obtained by coordinate conversion by the coordinate conversion unit 12985 and the second residual signal requantized and reproduced by the inverse quantization unit 12959 are added and then added to the Cartesian coordinate system. It is generated (output) as a decoding point including the position information of.
- the three-dimensional data decoding device 12950 converts the coordinate system of the decoding point having the position information of the polar coordinate system from the polar coordinate system to the orthogonal coordinate system, and obtains the position information of the orthogonal coordinate system and the position information of the polar coordinate system.
- a means for adding to the second residual signal of the orthogonal coordinates corresponding to the error generated by the conversion between the two is provided.
- the three-dimensional data decoding device 12950 is derived from a bit stream encoded with reference to a point cloud encoded in polar coordinates (for example, a bit stream output from the three-dimensional data coding device 12930 of FIG. 52).
- the point cloud can be decoded.
- FIG. 54 is an example of the geometry parameter set (GPS) syntax. This syntax is used in the three-dimensional data coding apparatus 12900, 12930 and the three-dimensional data decoding apparatus 12920, 12950 described with reference to FIGS. 48 to 53.
- GPS geometry parameter set
- GPS may notify information indicating whether or not to use a coordinate system different from orthogonal coordinates such as polar coordinates in the decoding process of each point, for example, gps_alt_coordinates_flag.
- a coordinate system different from orthogonal coordinates such as polar coordinates in the decoding process of each point
- gps_alt_coordinates_flag 1
- the alternative coordinate system for example, polar coordinate system
- gps_alt_coordinates_flag 1 (that is, when the first identification information indicates that the coded data includes the first coded data), specifically, one or more candidates used for calculating the predicted value.
- the position information of the points and the position information of one three-dimensional point to be encoded used for calculating the first residual are the position information of the polar coordinate system.
- the bitstream contains gps_coordinate_trans_enabled_flag.
- gps_coordinate_trans_enabled_flag is an example of the second identification information indicating whether to output the position information of the polar coordinate system or the position information of the orthogonal coordinate system in decoding.
- gps_alt_coordinates_flag 1
- gps_coordinate_trans_enabled_flag 0
- the position information of the polar coordinate system is encoded
- bitstream does not include the gps_coordinate_trans_enabled_flag (second identification information). May be good.
- the gps_alt_coordinates_flag and gps_coordinate_trans_enabled_flag may be included in the SPS, may be included in the header of the data unit, or may be included in other control information as metadata. May be included as.
- FIG. 55 is an example of the syntax of each three-dimensional point (Node of Predtree). This syntax is used in the three-dimensional data coding apparatus 12900, 12930 and the three-dimensional data decoding apparatus 12920, 12950 described with reference to FIGS. 48 to 54.
- the three-dimensional data encoding device 12900, 12930 first transfers the identification information (pred_mode) indicating how to obtain the intra prediction point at the three-dimensional point to be encoded or decoded to the three-dimensional data decoding device 12920, 12950. Notice.
- the three-dimensional data coding device 12900, 12930 may notify the three-dimensional data decoding device 12920, 12950 of additional information for determining the intra prediction point according to the identification information (pred_mode).
- the 3D data encoding device 12900, 12930 encodes.
- Information (intra_pred_flag) indicating whether or not the prediction method at the target or the three-dimensional point to be decoded is intra-prediction (that is, inter-prediction) may be notified to the three-dimensional data decoding apparatus 12920, 12950.
- intra_pred_flag 0, the value of intra_pred_flag may be set to 1 (intra prediction).
- the identification information (inter_pred_mode) indicating how to obtain the inter-prediction point at the 3D point of the coding target or the decoding target. May be notified. Further, the three-dimensional data encoding device 12900, 12930 sets the number of candidate points in the inter-prediction point cloud to be referred to when determining the inter-prediction point in NumRefPoints according to the identification information (inter_pred_mode), and sets each candidate point in NumRefPoints.
- inter_ref_point_idx Only NumRefPoints of indexes (inter_ref_point_idx) may be notified to the three-dimensional data decoding apparatus 12920, 12950.
- the average value of the coordinates of the plurality of designated candidate points may be used as the coordinates of the inter-prediction point. ..
- the three-dimensional data coding apparatus 12900 and 12930 may provide an inter_pred_mode for selecting a specific candidate point such as the smallest index by omitting the notification of the index of the candidate point.
- the three-dimensional data encoding device 12900, 12930 provides notification of the index of candidate points by providing a determination process of whether or not inter_pred_mode indicates the mode, setting the value of NumRefPoints to 0, and the like. May be omitted.
- it can be implemented if the information necessary for the method of uniquely determining the inter-predicted points is notified. For example, instead of inter_pred_mode, the number of candidate points in the inter-predicted point cloud to be referred to when determining the inter-predicted points is used. You may be notified.
- the identification information (pred_mode) indicating how to obtain the intra prediction point such as the three-dimensional point encoded or decoded immediately before (for example, the three-dimensional point corresponding to the ancestor node such as the parent node of the prediction tree), is not used.
- the three-dimensional data encoding device 12900, 12930 notifies the first difference (1st_residual_value) of the position information (coordinate value) of the point to be encoded or decoded and the position information (coordinate value) of the predicted point. May be good.
- the decoding result in another coordinate system such as polar coordinates is obtained in orthogonal coordinates.
- the second difference (2nd_residual_value) between the position information (coordinate value) converted into the original coordinate system and the original position information (coordinate value) may be notified.
- the notification may be decomposed into a plurality of syntaxes such as positive / negative information and absolute value information.
- the three-dimensional data coding device 12900, 12930 and the three-dimensional data decoding device 12920, 12950 match.
- the predicted processing can be performed, and the three-dimensional data decoding apparatus 12920, 12950 can decode the three-dimensional point to be processed without causing inconsistency with the corresponding three-dimensional data encoding apparatus 12900, 12930.
- the apparatus or process, syntax, etc. disclosed with reference to FIGS. 48 to 55 may be implemented in combination with at least a part of other embodiments. Further, the apparatus or process disclosed with reference to FIGS. 48 to 55, a part of the syntax, and the like may be carried out in combination with other embodiments. Further, not all the components disclosed with reference to FIGS. 48 to 55 are necessary, and only some of the components may be included.
- the three-dimensional data coding apparatus performs the processing shown in FIG. 56.
- the three-dimensional data coding apparatus determines a predicted value based on the position information of one or more candidate points among a plurality of coded three-dimensional points (S12931).
- the three-dimensional data coding apparatus calculates a predicted residual, which is a difference between the position information of one three-dimensional point to be coded among the plurality of three-dimensional points and the predicted value (S12932).
- the three-dimensional data coding apparatus generates coded data by coding the predicted residuals (S12933).
- the three-dimensional data coding device generates a bit stream containing the coded data (S12934).
- step S12931 the three-dimensional data coding apparatus determines one or more candidate points based on one or more reference points among a plurality of coded three-dimensional points.
- a plurality of three-dimensional points constitute a prediction tree.
- One or more reference points include a three-dimensional point corresponding to the parent node of one three-dimensional point to be encoded.
- one or more candidate points used for calculating the predicted value are determined based on the parent node of one three-dimensional point to be encoded in the predicted tree, so that the predicted residual can be reduced. It is possible to improve the coding efficiency.
- an index value is assigned to one or more candidate points.
- the bitstream further contains an index value assigned to the candidate point used to determine the predicted value.
- the three-dimensional data decoding device can easily identify the candidate point based on the index value. Therefore, the processing load in the three-dimensional data decoding device can be reduced.
- the three-dimensional data encoding device includes a processor and a memory, and the processor uses the memory to perform the above processing.
- the three-dimensional data decoding device performs the process shown in FIG. 57.
- the three-dimensional data decoder acquires a bitstream containing the encoded predicted residuals and the index value assigned to one candidate point used to calculate the predicted value (S12941).
- the three-dimensional data decoding device determines one candidate point based on one or more reference points among a plurality of decoded three-dimensional points based on the index value (S12942).
- the three-dimensional data decoding device calculates a predicted value based on the position information of one determined candidate point (S12943).
- the three-dimensional data decoding device calculates the predicted residual by decoding the encoded predicted residual (S12944).
- the three-dimensional data decoding device calculates the position information of one three-dimensional point to be decoded by adding the predicted value and the predicted residual (S12945).
- one candidate point is determined based on one or more reference points among a plurality of coded three-dimensional points, and decoding is performed using the predicted value based on the position information of the determined one candidate point.
- the target three-dimensional point can be decoded.
- a plurality of three-dimensional points constitute a prediction tree.
- One or more reference points include a three-dimensional point corresponding to the parent node of one three-dimensional point to be encoded.
- an index value is assigned to one or more candidate points.
- the bitstream further contains an index value assigned to the candidate point used to determine the predicted value.
- the three-dimensional data decoding device can easily identify the candidate point based on the index value. Therefore, the processing load in the three-dimensional data decoding device can be reduced.
- the three-dimensional data decoding device includes a processor and a memory, and the processor uses the memory to perform the above processing.
- FIG. 58 is a flowchart showing a coordinate system switching process in the coding process.
- switching between coding using the three-dimensional data coding device 12900 described with reference to FIG. 48 and coding using the three-dimensional data coding device 12930 described with reference to FIG. 52 is performed. conduct. Further, in the flowchart of FIG. 58, it is also switched between coding the position information of the orthogonal coordinate system and coding the position information of the polar coordinate system.
- the three-dimensional data coding device confirms the coordinate system of the input point cloud, and determines the coordinate system of the coding process and the decoding process (S13001). That is, the three-dimensional data coding device determines the coordinate system of the position information to be the target of the coding process and the decoding process.
- the three-dimensional data coding device determines whether or not the coordinate system of the input point group and the determined coordinate system of the coding process and the decoding process are the same (S1302).
- the coordinate system of the input point group is polar coordinates and the coordinate system of the coding process and the decoding process are orthogonal coordinates is shown as an example.
- the coordinate system of the input point group may be Cartesian coordinates, and the coordinate system of the coding process and the decoding process may be polar coordinates.
- the polar coordinate system can be read as an orthogonal coordinate system, and the orthogonal coordinate system can be read as a polar coordinate system.
- the three-dimensional data coding device determines whether or not the coding coordinate system is a polar coordinate system (Orthogonal coordinate system) (S13005).
- the gps_coordinate_trans_enabled_flag and gps_alt_coordinates_flag described with reference to FIG. 54 may have a syntax configuration that is independently shown regardless of the dependency. That is, gps_coordinate_trans_enabled_flag may be shown in GPS regardless of the presence or absence of gps_alt_coordinates_flag or the value of gps_alt_coordinates_flag.
- the configuration may be adopted.
- FIG. 59 is a flowchart showing a coordinate system switching process in the decoding process.
- it is switched between decoding using the three-dimensional data decoding device 12920 described with reference to FIG. 49 and decoding using the three-dimensional data decoding device 12950 described with reference to FIG. 53. Further, in the flowchart of FIG. 59, it is also switched between decoding the position information of the orthogonal coordinate system and decoding the position information of the polar coordinate system.
- the three-dimensional data decoder analyzes the metadata contained in the bitstream (S13011). Specifically, the metadata is control information included in GPS, SPS, headers and the like. The 3D data decoder confirms the gps_alt_coordinates_flag and gps_coordinate_trans_enabled_flag contained in the metadata.
- the coordinate system of the position information of one three-dimensional point to be decoded is determined according to the value of gps_alt_coordinates_flag, and therefore whether or not the first coded data indicated by the first identification information is included.
- the coordinate system is determined according to.
- the 3D data decoding device decodes the position information in the coordinate system determined without coordinate conversion (S13016).
- the coordinate system of the position information of one three-dimensional point to be decoded is a polar coordinate system.
- the first residual are added to convert the coordinate system of the position information of the polar coordinate system, and the position information of the Cartesian coordinate system obtained by the conversion is used for one three-dimensional point to be decoded. Calculated as position information.
- the coded data includes the second residual, and the three-dimensional data decoding device calculates the second residual by decoding the encoded second residual, and one tertiary of the decoding target.
- the position information of the orthogonal coordinate system obtained by transforming the coordinate system and the second residual are added, and the position information obtained by the addition is 1 of the decoding target. It is calculated as the position information of three three-dimensional points.
- the process proceeds to process 2 of steps S13015 to S13017, and process 1 is performed. If the coordinate system to be decoded is determined to be Cartesian coordinates, the determination in process 2 may be skipped and decoding may be performed using the three-dimensional data decoding device 12920 having the configuration shown in FIG. 49.
- the gps_coordinate_trans_enabled_flag is coordinate conversion information indicating whether or not to perform coordinate conversion of the decoding point before outputting each point from the three-dimensional data decoding device, but the coordinate conversion is performed when each three-dimensional point is encoded. It may be information indicating whether or not the above is performed, or it may be information indicating whether or not the error information (conversion error) generated by the coordinate conversion is included in the bit stream. Further, when the information is included, it may be determined whether or not the coordinate conversion is performed by the three-dimensional data decoding device or the application.
- the processing can be switched by combining the coordinate system of the input point group, the coordinate system of the output point group, the coordinate system of the position information to be the target of the coding process, and the coordinate system of the position information to be the target of the decoding process.
- the signaling method showing these coordinate systems has been described by taking the coding using the predictive tree as an example, but the same method may be used in the case of the octane tree coding.
- the coordinate system of the input point group, the coordinate system of the output point group, the coordinate system of the position information to be the target of the coding process, and the coordinate system of the position information to be the target of the decoding process are any one type.
- the switching process may be omitted, or the process may be expanded when there are three or more types of coordinate systems.
- the coordinate system related to the coding and decoding of the position information has been described as an example, when the coordinate system related to the coding and decoding of the attribute information corresponds to a plurality of coordinate systems, or the input point group and the output point group. If there is a possibility that the coordinate system will switch to another coordinate system, the processing may be switched using the same method. For example, the same syntax as in FIG. 54 may be included in attribute_parameter_set.
- the coordinate system related to the coding and decoding of the position information and the coordinate system related to the coding and decoding of the attribute information may be controlled to be the same.
- the three-dimensional data coding apparatus performs the processing shown in FIG. 60.
- the three-dimensional data coding device encodes a plurality of three-dimensional points in either a Cartesian coordinate system or a polar coordinate system.
- the three-dimensional data coding apparatus calculates a predicted value based on the position information of one or more candidate points among a plurality of coded three-dimensional points (S13021).
- the three-dimensional data coding apparatus calculates the first residual, which is the difference between the position information of one three-dimensional point to be encoded among the plurality of three-dimensional points and the predicted value (S13022).
- the three-dimensional data coding apparatus generates coded data by coding the first residual (S13023).
- the three-dimensional data coding apparatus generates a bitstream including the coded data and the first identification information indicating whether or not the coded data includes the first coded data calculated in the polar coordinate system (S13024). ..
- the three-dimensional data decoding apparatus uses the first identification information.
- the decryption process can be appropriately performed based on the above.
- the bitstream further contains a second identification information.
- the first identification information indicates that the coded data includes the first coded data calculated in a polar coordinate system.
- the second identification information indicates whether to output the position information of the polar coordinate system or the position information of the orthogonal coordinate system in the decoding.
- the bitstream does not include the second identification information.
- the second identification information indicates that the position information of the polar coordinate system is output in the decoding.
- the first residual is quantized and the quantized first residual is encoded.
- the position information of the polar coordinate system is generated by further converting the coordinate system of the position information of the Cartesian coordinate system of one three-dimensional point to be encoded, and the first residual.
- the three-dimensional data coding device reverse-converts the coordinate system of the position information of the polar coordinate system after conversion to obtain a Cartesian coordinate system. Generates the position information of.
- the three-dimensional data coding device calculates the second residual, which is the difference between the position information of the Cartesian coordinate system and the position information of the Cartesian coordinate system after the inverse conversion.
- the coded data is generated by encoding the first residual and the second residual.
- the first identification information indicates that the coded data includes the first coded data.
- the second identification information indicates that the position information of the Cartesian coordinate system is output in the decoding.
- the second identification information indicates whether or not the coded data of the second residual is included in the bit stream.
- the three-dimensional data encoding device includes a processor and a memory, and the processor uses the memory to perform the above processing.
- the three-dimensional data decoding device performs the process shown in FIG. 61.
- the three-dimensional data decoding device decodes a plurality of three-dimensional points in either a Cartesian coordinate system or a polar coordinate system.
- the three-dimensional data decoding device includes coded data in which the first residual is encoded and first identification information indicating whether or not the coded data includes the first coded data calculated in the polar coordinate system. Acquire a bit stream (S13031).
- the three-dimensional data decoding device calculates a predicted value based on the position information of one or more candidate points among the plurality of decoded three-dimensional points (S13032).
- the three-dimensional data decoding device calculates the first residual by decoding the encoded first residual (S13033).
- the three-dimensional data decoding device calculates the position information of one three-dimensional point to be decoded by adding the predicted value and the first residual.
- the coordinate system of the position information of one three-dimensional point to be decoded is the coordinate system depending on whether or not the first coded data indicated by the first identification information is included.
- the coordinate system of the position information of one three-dimensional point to be decoded is determined based on the first identification information indicating whether or not the coded data includes the first coded data calculated in the polar coordinate system. Therefore, the three-dimensional data decoding device can appropriately perform the decoding process based on the first identification information.
- the bitstream further includes a second identification information indicating whether to output the position information of the polar coordinate system or the position information of the orthogonal coordinate system in decoding.
- the first identification information indicates that the coded data includes the first coded data
- the position information of one three-dimensional point of interest is the position information of the polar coordinate system.
- the bitstream does not include the second identification information.
- the coded data is the data in which the first residual is quantized and encoded.
- the coordinate system of the position information of one three-dimensional point to be decoded is the polar coordinate system.
- the decoding target when the first identification information indicates that the coded data includes the first coded data and the second identification information indicates that the position information of the Cartesian coordinate system is output in the decoding, the decoding target.
- the coordinate system of the position information of the polar coordinate system obtained by adding the predicted value and the first residual is converted, and the Cartesian coordinates obtained by the conversion are converted.
- the position information of the system is calculated as the position information of one three-dimensional point to be decoded.
- the coded data when the first identification information indicates that the coded data includes the first coded data and the second identification information indicates that the position information of the Cartesian coordinate system is output in decoding, the coded data. Further includes a coded second residual.
- the three-dimensional data coding apparatus calculates the second residual by decoding the encoded second residual. In the calculation of the position information of one three-dimensional point to be decoded, the position information of the Cartesian coordinate system obtained by transforming the coordinate system and the second residual are added and added to obtain the position. The information is calculated as the position information of one three-dimensional point to be decoded.
- the second identification information indicates whether or not the coded data of the second residual is included in the bit stream.
- the three-dimensional data decoding device includes a processor and a memory, and the processor uses the memory to perform the above processing.
- FIG. 62 describes a first example of a process for determining a three-dimensional point cloud to be referred to when the three-dimensional data coding apparatus according to the present embodiment encodes a three-dimensional point cloud to be encoded. It is a figure for. Specifically, FIG. 62 is an example of inter-prediction (inter-prediction reference method) in the above-mentioned three-dimensional data coding apparatus. The inter-prediction described below will be described by taking the processing procedure of the three-dimensional data coding apparatus as an example. The process for determining the three-dimensional point cloud to be referred to when the three-dimensional data decoding device decodes the coded three-dimensional point cloud to be decoded is the same as the processing procedure of the three-dimensional data coding device.
- inter-prediction inter-prediction reference method
- the three-dimensional data coding device sets a space (also referred to as a first rectangular parallelepiped) including a group of three-dimensional points to be encoded, and moves the first rectangular parallelepiped based on the motion compensation information.
- a space that matches the first rectangular parallelepiped (also referred to as the second rectangular parallelepiped) is set.
- the three-dimensional data coding device sets the second rectangular parallelepiped by translating the first rectangular parallelepiped.
- the second rectangular parallelepiped set in this way is a space including a coded three-dimensional point cloud (also referred to as an inter-reference point cloud) referred to in the coding of the three-dimensional point cloud to be encoded.
- the coded three-dimensional point cloud is a point cloud in which the three-dimensional data (for example, position information) of the three-dimensional point cloud has been encoded.
- the shape of the space set by the three-dimensional data coding device does not have to be a rectangular parallelepiped, and may be arbitrary such as a cone or a sphere.
- FIG. 63 describes a second example of the process for determining the three-dimensional point cloud to be referred to when the three-dimensional data coding apparatus according to the present embodiment encodes the three-dimensional point cloud to be encoded. It is a figure for.
- the three-dimensional data encoding device translates the first rectangular parallelepiped in the same manner as in the above example, and further rotates (horizontally in this example) a space including an interreference point group (that is,). Set the second rectangular parallelepiped).
- Horizontal rotation means rotation around an axis corresponding to the vertical direction in real space (that is, rotation around the axis), for example, rotation around the z-axis in a three-dimensional Cartesian coordinate system. ..
- the side parallel to the y-axis in the first rectangular parallelepiped becomes parallel to the y1 axis in the second rectangular parallelepiped.
- the side parallel to the x-axis in the first rectangular parallelepiped becomes parallel to the x1 axis in the second rectangular parallelepiped.
- the three-dimensional data encoding device sets the second rectangular parallelepiped by moving the first rectangular parallelepiped in parallel and then rotating it horizontally.
- the three-dimensional data encoding device may set the second rectangular parallelepiped by horizontally rotating the first rectangular parallelepiped and then translating it.
- the 3D data encoding device may rotate the first rectangular parallelepiped around a preset z-axis, or a new parallel parallelepiped parallel to the preset z-axis based on the position of the first rectangular parallelepiped.
- An axis may be set and the first rectangular parallelepiped may be rotated around the new axis.
- the three-dimensional data coding device may set, for example, a side parallel to the z-axis in the first rectangular parallelepiped as a new axis.
- FIG. 64 describes a third example of a process for determining a three-dimensional point cloud to be referred to when the three-dimensional data coding apparatus according to the present embodiment encodes a three-dimensional point cloud to be encoded. It is a figure for.
- the three-dimensional data encoding device sets the second rectangular parallelepiped by translating the first rectangular parallelepiped and further rotating it in 3D.
- 3D rotation is rotation around each axis for each of one or more axes.
- the three-dimensional data coding device rotates the first rectangular parallelepiped around the x-axis, rotates the rotated first rectangular parallelepiped around the y-axis, and further rotates the first rectangular parallelepiped. Is rotated around the z-axis.
- the side parallel to the x-axis in the first rectangular parallelepiped becomes parallel to the x2 axis in the second rectangular parallelepiped.
- the side parallel to the y-axis in the first rectangular parallelepiped becomes parallel to the y2 axis in the second rectangular parallelepiped.
- the side parallel to the z-axis in the first rectangular parallelepiped becomes parallel to the z2 axis in the second rectangular parallelepiped.
- the three-dimensional data coding device rotates, for example, about at least one of the x-axis, y-axis, and z-axis in a three-dimensional Cartesian coordinate system about each axis. Just do it. Further, in the 3D rotation, the three-dimensional data coding device may rotate each of at least one axis in an arbitrary order around each axis.
- the 3D data encoding device may rotate the first rectangular parallelepiped around each preset axis, or a new parallel parallel parallelepiped parallel to each preset axis based on the position of the first rectangular parallelepiped.
- Each axis may be set and the first rectangular parallelepiped may be rotated around each axis for each new set axis.
- the prediction mode information indicating which prediction (movement method) of each of the above-mentioned examples is to be performed is a frame, a slice, an ocree, and a prediction tree. It may be described in the header part such as (Predtree), or the prediction mode information may be entropy-coded and described in the header part of the node information of the ocree or the prediction tree.
- the second vertex corresponding to the first vertex of the first rectangular parallelepiped defined by a predetermined rule (for example, selecting the vertex closest to the origin coordinate).
- a predetermined rule for example, selecting the vertex closest to the origin coordinate.
- the rotation angle does not necessarily have to be expressed in all angles, and may be expressed only in a range of, for example, ⁇ 30 °.
- another method that can uniquely set the space including the inter-reference point cloud (for example, a method in which the movement amount is set to zero and motion compensation is not performed) is added and selected. You may be able to do it.
- the prediction accuracy of the occurrence probability of the node information to be coded can be improved. Can be improved. Therefore, in the above-mentioned three-dimensional data coding apparatus, the amount of information of the residual signal to be entropy-coded can be reduced, so that the coding efficiency may be improved. Similarly, in the above-mentioned three-dimensional data decoding device, since the amount of information of the residual signal to be entropy-decoded can be reduced, there is a possibility that the decoding efficiency can be improved.
- the movement method may be arbitrarily determined.
- the three-dimensional data coding device corresponds to each movement method when, for example, the first rectangular parallelepiped is moved by using each of the above-mentioned movement methods and the position information of the three-dimensional point cloud is encoded by the method described later.
- the code amount may be calculated, and the movement method with the smallest code amount among the calculated code amounts may be selected.
- the three-dimensional data encoding device moves the three-dimensional point group (inter-reference point group) included in the second rectangular parallelepiped by moving the first rectangular parallelepiped so as to be included in the first rectangular parallelepiped (for example,). Move according to (parallel movement).
- the three-dimensional data coding device is a three-dimensional point cloud moved in this way, and is a coded (that is, a three-dimensional point cloud that has been encoded once) three-dimensional point cloud (inter-predicted point).
- a three-dimensional point cloud (specifically, point cloud data, more specifically, position information) to be encoded is encoded with reference to (also referred to as a group).
- the three-dimensional data encoding device moves the interreference point group in the direction opposite to the movement of the first rectangular parallelepiped to the position of the second rectangular parallelepiped so as to be included in the first rectangular parallelepiped. It is a group of inter-prediction points.
- FIG. 65 is a flowchart showing a processing procedure for determining (setting) a three-dimensional point cloud to be referred to when the three-dimensional data coding apparatus according to the present embodiment encodes a three-dimensional point cloud to be encoded.
- FIG. 65 is a flowchart showing an example of a motion compensation processing procedure in interprediction.
- the three-dimensional data coding device corresponds to the three-dimensional point group to be encoded included in the first rectangular parallelepiped by moving or rotating the interreference point group contained in the second rectangular parallelepiped in parallel. That is, an inter-prediction point group referred to when the three-dimensional point group to be encoded is encoded is derived.
- mode 0 is a mode that does not perform motion compensation, that is, indicates a movement method that does not move the interreference point cloud (no motion compensation).
- mode 1 is a mode indicating a movement method of moving the interreference point group only in parallel (no rotation).
- mode 2 is a mode indicating a movement method in which the interreference point group is translated and then rotated horizontally (horizontal rotation).
- mode 3 is a mode indicating a movement method of rotating in 3D after moving in parallel (3D rotation).
- these modes are predetermined as prediction modes (for example, mc_mode described later).
- the three-dimensional data coding apparatus determines the movement method so that the code amount is the smallest as described above, determines in advance the prediction mode indicating the determined movement method, and uses the determined prediction mode to perform the following. Is processed.
- the three-dimensional data encoding device is in a mode in which the prediction mode does not perform motion compensation (mode 0 in this example) (“no motion compensation (mode 0)” in step S13101), that is, the movement indicated by mode 0.
- mode 0 the prediction mode does not perform motion compensation
- step S13101 the movement indicated by mode 0.
- the three-dimensional data coding apparatus interpredicts the inter-reference point cloud after the movement process by executing the movement process of moving the inter-reference point cloud by the movement method indicated by the determined mode such as translation and / or rotation. It is set to a point cloud (S13107).
- the three-dimensional data coding apparatus sets the second space at the same position as the first space, that is, no motion compensation, when the prediction mode is mode 0, and the second space ( That is, in this case, the inter-reference point cloud included in the first space) is set as the inter-prediction point cloud.
- the three-dimensional data encoding device is in the first space (for example, the space corresponding to the first rectangular parallelepiped). From the first vertex (eg, any vertex in the first rectangular parallelepiped) to the second vertex corresponding to the first vertex and the second space (eg, the space corresponding to the second rectangular parallelepiped). ) To the second vertex (for example, any vertex in the second rectangular parallelepiped), the interreference point group is moved in parallel (S13102).
- the three-dimensional data coding apparatus moves, for example, the above-mentioned predetermined movement amount inter-reference point group in a direction opposite to the above-mentioned predetermined direction.
- the prediction mode is a mode in which only parallel movement is performed (mode 1 in this example), that is, when the interreference point cloud is moved by the movement method indicated by mode 1 (in step S13103). “No rotation (mode 1)”), the process proceeds to step S13107.
- the three-dimensional data encoding device sets the inter-reference point group after translation movement in step S13102 as the inter-prediction point group in step S13107.
- the three-dimensional data encoding device uses the first vertex after translation as the origin. After setting the Cartesian coordinate system and translating it in step S13102, the interreference point group is rotated by an angle corresponding to the first rotation angle about the z-axis (vertical axis) in the Cartesian coordinate system (S13104). ..
- the three-dimensional data encoding device rotates the first rotation angle interreference point cloud in the direction opposite to the rotation direction rotated around the z-axis when moving the first rectangular parallelepiped to the second rectangular parallelepiped. ..
- the three-dimensional data encoding device is used when the prediction mode is a mode in which translation and horizontal rotation are performed (mode 2 in this example), that is, when the interreference point cloud is moved by the movement method shown in mode 2 (mode 2). “Horizontal rotation (mode 2)” in step S13105), and the process shifts to step S13107.
- the three-dimensional data coding apparatus sets the inter-reference point group after translation in step S13102 and then rotated in step S13104 as the inter-prediction point group in step S13107. do.
- the three-dimensional data encoding device has Cartesian coordinates with the first vertex after rotation in step S13104 as the origin. After setting the system and rotating it in step S13104, the interreference point group is rotated at the second rotation angle and the third rotation angle about the y-axis and the x-axis in the Cartesian coordinate system, respectively (S13106). ..
- the three-dimensional data coding device for example, rotates the inter-reference point group after being rotated in step S13104 at an angle corresponding to the second rotation angle about the y-axis, and further rotates it around the y-axis.
- a Cartesian coordinate system with the first vertex as the origin is set, and the inter-reference point group after rotating around the y-axis is set according to the third rotation angle with the x-axis in the Cartesian coordinate system as the axis. Rotate at an angle.
- the three-dimensional data coding device rotates the second rotation angle interreference point group in the direction opposite to the rotation direction rotated around the y-axis when moving the first rectangular parallelepiped to the second rectangular parallelepiped. Further, when the first rectangular parallelepiped is moved to the second rectangular parallelepiped, the third rotation angle interreference point group is rotated in the direction opposite to the rotation direction rotated about the x-axis.
- the three-dimensional data coding apparatus shifts the processing to step S13107.
- the three-dimensional data coding apparatus When the prediction mode is mode 3, the three-dimensional data coding apparatus further rotates the interreference point cloud after translation in step S13102 and then rotation in step S13104 in step S13107. , The inter-reference point cloud after rotation is set as the inter-prediction point cloud.
- the vertical direction in real space is an axis parallel to the corresponding direction. Is set to the z-axis, the axis parallel to the direction corresponding to the front direction of the moving body is set to the x-axis, and the axis parallel to the direction corresponding to the lateral direction of the moving body is set to the y-axis.
- the movement may be compensated (rotated) in the order of roll.
- the predetermined direction, the predetermined movement amount, the first rotation angle, the second rotation angle, and the third rotation angle may be arbitrarily determined.
- FIG. 66 is a diagram showing a syntax example of motion compensation information (in this example, motion_info ()) according to the present embodiment.
- the three-dimensional data encoding device notifies the three-dimensional data decoding device of motion compensation information by, for example, generating a bit stream including motion_info ().
- Mc_mode is information indicating the calculation method of the inter prediction point cloud.
- the three-dimensional data coding device notifies the three-dimensional data decoding device of information indicating how to obtain the inter-predicted point cloud, such as mc_mode.
- the 3D data encoding device is, for example, mc_mode indicating mode 0 (no motion compensation), mode 1 (translation), mode 2 (translation and horizontal rotation), mode 3 (translation and 3D rotation), and the like. Generate a bitstream containing.
- Ref_frame_idx is information indicating the frame to which the inter-prediction point cloud belongs.
- ref_frame_idx is information indicating the index value of the frame to which the inter-prediction point cloud belongs.
- the three-dimensional data coding device generates, for example, a bitstream containing ref_frame_idx indicating the index value of the frame to which the interreference point cloud belongs.
- the quantity_vector is information indicating the amount of movement in parallel movement.
- the 3D data encoding device for example, in modes other than mode 0 (no motion compensation), has a first vertex in the first space and a second vertex in the second space corresponding to the first vertex. Generates a bitstream containing motion_vector which is information about the amount of movement to.
- the motion_vector may be set to 0 (zero). good.
- the information regarding the movement amount may be information indicating an absolute amount, or information indicating a difference between the absolute amount and the predicted value of the movement amount determined by using spatiotemporal continuity or the like. good.
- Rotation_angle is information indicating the angle of rotation in rotation.
- the three-dimensional data encoding device generates, for example, in modes 2 and 3 in which rotation is performed, a bit stream including information (rotation_angle [0]) regarding a first rotation angle about a vertical axis (z axis). do.
- the three-dimensional data encoding device for example, in mode 3, further relates to information regarding a second rotation angle about the y-axis (rotation_angle [1]) and a third rotation angle about the x-axis. Generates a bitstream containing information (rotation_angle [2]).
- Rotation_angle may be set to 0 (zero).
- an example of combining parallel movement and horizontal rotation is shown as mode 2, but it is not always necessary to limit the rotation to the rotation centered on the z-axis, and rotation centered on the x-axis and / Alternatively, the rotation may be centered on the y-axis.
- the three-dimensional data encoding device is described in the header part of, for example, which axis the rotation is centered on, SPS, GPS, frame, slice, octree, or prediction tree. It may be switchable so that the original data decoding device can be notified.
- the three-dimensional data coding device entropy-codes the information indicating which axis the rotation is centered on, and the encoded information is described in the header part of the node information of the octree or the prediction tree. You may.
- position_vector and rotation_angle are not particularly limited as long as they are information that can uniquely identify the positional relationship between the inter-reference point cloud and the inter-prediction point cloud.
- motion_vector and rotation_angle may be the amount of movement and the angle of rotation when moving from the first space to the second space.
- motion_vector and rotation_angle may be the amount of movement and the angle of rotation when moving from the second space to the first space.
- the motion compensation performed by both the three-dimensional data coding device and the three-dimensional data decoding device may be performed based on a common definition in both the three-dimensional data coding device and the three-dimensional data decoding device.
- processing of the present embodiment may be carried out in combination with at least a part of other embodiments.
- the three-dimensional data coding device and the three-dimensional data decoding device may include only a part of the components.
- the three-dimensional data coding device and the three-dimensional data decoding device may be configured to execute only a part of the processing of the present embodiment.
- the three-dimensional data coding apparatus performs the process shown in FIG. 67.
- FIG. 67 is a flowchart showing a processing procedure of the three-dimensional data coding apparatus according to the present embodiment.
- the three-dimensional data coding device selects one moving method from a plurality of moving methods (S13111).
- the three-dimensional data coding device determines the second region based on the selected movement method and the first region (for example, information indicating the position and size of the first region) (S13112).
- the three-dimensional data coding apparatus determines the second region by moving the first region by, for example, one selected movement method.
- the three-dimensional data coding device moves the second three-dimensional point cloud located in the determined second region to the first region by a method corresponding to one movement method (S13113).
- the second three-dimensional point cloud before movement is, for example, the above-mentioned inter-reference point cloud
- the second three-dimensional point cloud after movement is the above-mentioned inter-prediction point cloud.
- the three-dimensional data encoding device determines the position information of the first three-dimensional point cloud located in the first region based on the coded position information of the second three-dimensional point cloud moved to the first region. Is encoded (S13114).
- the first three-dimensional point cloud is, for example, the above-mentioned three-dimensional point cloud to be encoded.
- the first three-dimensional point cloud belongs to the first frame.
- the second three-dimensional point cloud belongs to a second frame different from the first frame.
- the 3D data coding device may be encoded using inter-prediction.
- the first three-dimensional point cloud and the second three-dimensional point cloud may be attributed to the same frame. In this case, the three-dimensional data coding device may encode using the same prediction method as the inter-prediction.
- the three-dimensional data encoding device generates a bit stream including the coded position information of the first three-dimensional point cloud and the movement information indicating one determined movement method (S13115).
- the movement information is, for example, the above-mentioned mc_motion.
- the plurality of moving methods include one or both of a translation method and a rotation method.
- the plurality of moving methods may include at least a method of translating and at least a method of rotating.
- the plurality of moving methods may be arbitrarily determined in advance except for these moving methods, and are not particularly limited.
- the plurality of moving methods may include at least a method of translating and at least a method of rotating.
- the position information of the 3D point cloud to be encoded is encoded by using the 3D point cloud moved by the appropriately selected moving method. Therefore, the coding efficiency can be improved.
- the 3D point cloud moved by an appropriately selected movement method is used to encode the position information of the 3D point cloud to be encoded, thereby generating the node information to be encoded. Probability prediction accuracy can be improved. Therefore, since the amount of information of the residual signal to be entropy-coded can be reduced, the coding efficiency can be improved.
- a plurality of moving methods include a method of not moving. That is, the first region and the second region may be the same region. In other words, the motion compensation described above does not have to be performed.
- a plurality of moving methods include a method of translating and rotating.
- a three-dimensional point cloud based on information acquired by a moving sensor such as an in-vehicle sensor often changes its position so that both parallel movement and rotation are performed with respect to time change. That is, for example, when each frame is viewed in chronological order, the position of the three-dimensional point cloud is often moved so as to translate and rotate. Therefore, since translation and rotation are included as the movement method, it is possible to easily select an appropriate three-dimensional point cloud as the three-dimensional point cloud used when encoding the three-dimensional point cloud to be encoded.
- the translation is performed and then rotated.
- At least one of the three axes in the three-dimensional Cartesian coordinate system is rotated about an axis parallel to the axis for each axis.
- At least one axis includes an axis corresponding to the vertical direction in real space.
- the three-dimensional point cloud is, for example, a point cloud corresponding to an object in the real space generated by sensing the real space such as an image pickup. For example, when rotating a three-dimensional point cloud, the three-dimensional point cloud is rotated around the axis corresponding to the vertical direction in the real space where the object corresponding to the three-dimensional point cloud is located.
- a three-dimensional point cloud based on information acquired by a moving sensor such as an in-vehicle sensor is likely to rotate around an axis parallel to the vertical direction in real space with respect to time changes.
- a three-dimensional point cloud is unlikely to rotate about an axis parallel to the horizontal direction in real space with respect to time changes. Therefore, since it includes a movement method that rotates around the axis corresponding to the vertical direction in the real space, it is suitable as a 3D point cloud used when coding the position information of the 3D point cloud to be encoded. You can easily select a 3D point cloud.
- At least one axis is one axis.
- a three-dimensional point cloud based on information acquired by a moving sensor such as an in-vehicle sensor is unlikely to rotate around an axis parallel to the horizontal direction in real space with respect to time changes. Therefore, by limiting the method of rotation to the method of rotating around an axis parallel to the vertical direction in the real space, it is possible to suppress an unnecessary increase in the number of multiple movement methods, and at the same time, the three-dimensional point to be encoded. It is possible to easily select an appropriate 3D point cloud as the 3D point cloud used when encoding the position information of the group.
- the three-dimensional data encoding device includes a processor and a memory, and the processor uses the memory to perform the above processing.
- a control program that performs the above processing may be stored in the memory.
- the three-dimensional data decoding device performs the process shown in FIG. 68.
- FIG. 68 is a flowchart showing a processing procedure of the three-dimensional data decoding apparatus according to the present embodiment.
- the three-dimensional data decoding device acquires a bit stream including the encoded position information of the first three-dimensional point cloud and the movement information indicating one movement method (S13121).
- the three-dimensional data decoding device selects one movement method from the plurality of movement methods based on the movement information (S13122).
- the three-dimensional data decoding device determines the second region based on the selected movement method and the first region (for example, information indicating the position and size of the first region) (S13123).
- the three-dimensional data coding apparatus determines the second region by moving the first region by, for example, one selected movement method.
- the three-dimensional data decoding device moves the second three-dimensional point cloud located in the determined second region to the first region by a method corresponding to one movement method (S13124).
- the three-dimensional data decoding device decodes the coded position information of the first three-dimensional point cloud based on the decoded position information of the second three-dimensional point cloud moved to the first region (). S13125).
- the decoded three-dimensional point cloud is a point cloud in which the three-dimensional data (for example, position information) of the three-dimensional point cloud has been decoded.
- the plurality of moving methods include one or both of a translation method and a rotation method.
- the coded position information of the 3D point cloud to be decoded is decoded by using the 3D point cloud moved by the appropriately selected moving method. Therefore, the decoding efficiency can be improved.
- a plurality of moving methods include a method of not moving.
- a plurality of moving methods include a method of translating and rotating.
- a three-dimensional point cloud based on information acquired by a moving sensor such as an in-vehicle sensor often changes its position so that both parallel movement and rotation are performed with respect to time change. That is, the position of the three-dimensional point cloud is often moved so as to translate and rotate when each frame is viewed in chronological order. Therefore, since translation and rotation are included as the movement method, it is possible to easily select an appropriate 3D point cloud as the 3D point cloud used when decoding the coded 3D point cloud to be decoded. ..
- the translation is performed and then rotated.
- the first region is rotated around an axis parallel to the axis for at least one of the three axes in the three-dimensional Cartesian coordinate system.
- At least one axis includes an axis corresponding to the vertical direction in real space.
- a three-dimensional point cloud based on information acquired by a moving sensor such as an in-vehicle sensor is likely to rotate around an axis parallel to the vertical direction in real space with respect to time changes.
- a three-dimensional point cloud is unlikely to rotate about an axis parallel to the horizontal direction in real space with respect to time changes. Therefore, by including a movement method of rotating around the axis corresponding to the vertical direction in the real space, as a 3D point cloud used when decoding the coded position information of the 3D point cloud to be decoded. It is possible to easily select an appropriate 3D point cloud.
- At least one axis is one axis.
- a three-dimensional point cloud based on information acquired by a moving sensor such as an in-vehicle sensor is unlikely to rotate around an axis parallel to the horizontal direction in real space with respect to time changes. Therefore, by limiting the rotation method to the method of rotating around an axis parallel to the vertical direction in the real space, it is possible to suppress an unnecessary increase in the number of multiple movement methods, and the three-dimensional point cloud to be decoded. It is possible to easily select an appropriate 3D point cloud as the 3D point cloud used when decoding the encoded position information of.
- the three-dimensional data decoding device includes a processor and a memory, and the processor uses the memory to perform the above processing.
- a control program that performs the above processing may be stored in the memory.
- FIG. 69 is a diagram for explaining a reference method of a reference point cloud in the inter-prediction according to the present embodiment.
- the point cloud data indicating the three-dimensional point cloud will be described by taking as an example the point cloud generated by acquiring the three-dimensional position of the surrounding object around the sensor position such as LiDAR.
- a depth map which is a two-dimensional image in which the distance information d [v] [h] of the distance measuring position from the sensor position to each three-dimensional point is mapped to the two-dimensional plane.
- the inter-prediction made may be made.
- the horizontal axis is the index h indicating the horizontal angle of the distance measuring position (angle position in the horizontal scan of the sensor), and the vertical axis is the index v indicating the elevation angle of the ranging position (elevation angle of the scan line of the sensor).
- the component [v] of the two-dimensional coordinates ([v], [h]) indicating the pixel position of each pixel of the two-dimensional image indicates the elevation angle of the distance information of the pixel from the distance measurement position of the three-dimensional point. It is an index, and the component [h] is an index indicating the horizontal angle from the distance measuring position of the three-dimensional point of the distance information of the pixel.
- the index indicating the elevation angle is, for example, elevation angle information for specifying one of a plurality of elevation angles (depression angles) preliminarily stored in the sensor in the elevation angle (depression angle) when the sensor is viewed in the horizontal direction.
- the index indicating the horizontal angle is, for example, horizontal angle information for identifying one of a plurality of horizontal angles predetermined to the sensor in the horizontal angle when the sensor is viewed in the vertical direction.
- the 2D image does not have to be assigned 3D points to all pixels. That is, in the plurality of sets of the horizontal angle and the elevation angle specified by the two-dimensional coordinates of the two-dimensional image, the set in which the distance information is not acquired may be included in the two-dimensional image.
- the three-dimensional data encoding device or the three-dimensional data decoding device may determine the prediction point of the inter-prediction of the coding target point as the three-dimensional point of the reference frame.
- the coded target point is included in the target area (the area surrounded by the broken line) encoded by one prediction tree (Predtree) in the coded target frame, and the predicted point is referred to.
- the reference area of the frame's interprediction Included in the reference area of the frame's interprediction.
- the coded frame and the reference frame are each mapped to a two-dimensional image. As described above, these two-dimensional images are depth maps in which the distance information d [v] [h] of the distance measuring position from the sensor position to each three-dimensional point is mapped on the two-dimensional plane.
- the target area is a two-dimensional area of a part of the coded target frame.
- the target area is, for example, a rectangle.
- the reference area of the inter-prediction is an area corresponding to the target area in the coded target frame.
- the reference area is a two-dimensional area that is a part of the reference frame.
- the reference region of the inter-prediction may be associated with a motion vector (motion compensation information) for specifying which region is with respect to the target region.
- the predicted point of the inter-prediction of the coded target point is selected from a plurality of three-dimensional points represented by the pixel values of the plurality of pixels included in the reference area.
- the reference area may be an area designated with respect to the target area by one motion vector mv0.
- a region having the same size and shape as the target region may be designated by the motion vector mv0. This case is referred to as mode 1.
- the reference area may be an area specified by affine transformation so as to be an area having a plurality of points pointed to by the plurality of vectors as vertices.
- the reference area may be an area designated with respect to the target area by the two motion vectors mv0 and mv1.
- the reference region is specified by rotating so as to be a region having the two points pointed to by the two motion vectors mv0 and mv1 as vertices, and performing at least one deformation of enlargement / reduction. Area may be. This case is referred to as mode 2.
- the reference area may be an area designated with respect to the target area by the three motion vectors mv0, mv1 and mv2.
- the reference region is at least rotated, enlarged / reduced, and sheared so as to be a region having the three points pointed to by the three motion vectors mv0, mv1, and mv2 as vertices with respect to the target region. It may be a region specified by making one transformation. This case is referred to as mode 3.
- the motion vector may have integer precision or decimal precision. That is, the motion vector may have an accuracy of an integer pixel unit or an accuracy of a decimal pixel unit. Further, each motion vector may be a zero vector. Further, when referring to the decimal precision position of the reference frame, the decimal precision position may be interpolated based on the peripheral distance information.
- the range of the horizontal angle index h that is, the minimum value (hmin) and the maximum value (hmax) of the horizontal angle index
- the range of the elevation angle index v that is, the minimum value (vmin) and the maximum value of the elevation angle index.
- Information for identifying (vmax) may be included in the header part of the frame or prediction tree. Further, if there is a difference in the range of the horizontal angle and elevation angle indexes v and h of each frame, the motion vector may be corrected based on this difference.
- FIG. 70 is a diagram showing an example of GPS (geometry parameter set) syntax.
- FIG. 71 is a diagram showing an example of the syntax of the predicted tree. These syntaxes correspond to the inter-prediction method described with reference to FIG.
- the fact that gps_predtree_bounding_info_present_flag is 1 indicates that the bounding box information exists in the syntax of the predicted tree data (geometry predtree data) of the position information in the bitstream that refers to GPS.
- the fact that gps_predtree_bounding_info_present_flag is 0 indicates that there is no bounding box information in the syntax of the predicted tree data (geometry predtree data) of the position information in the bitstream that refers to GPS.
- gps_inter_frame_prediction_enabeled_flag is equal to 1
- gps_predtree_bounding_info_present_flag is set to 1.
- the prediction tree syntax shown in FIG. 71 is used when the point cloud in the slice is encoded by using one or more prediction trees.
- This syntax shows that the root node syntax of the prediction tree (geometry_prediction_tree_node ()) is called first, and the node syntax corresponding to the node belonging to the same prediction tree is called recursively.
- the information associated with each prediction tree information indicating the target area encoded by the prediction tree (geometry_predtree_bounding_info ()) and whether or not the prediction tree is encoded by using inter-prediction are shown.
- inter_predtree_flag information on the number of frames referred to by inter-prediction in the prediction tree (num_ref_frames_minus1), information on motion compensation of inter-prediction in the prediction tree (geometry_predtree_motion_info ()), and the like may be included.
- the information indicating the region encoded by the prediction tree is always notified and the inter-prediction is used in order to use it for specifying the reference region of the inter-prediction. If not, the configuration is such that whether or not to notify the information indicating the region to be encoded by the predicted tree is switched according to the gps_predtree_bounding_info_present_flag notified by GPS. Even if the inter-prediction is not used, the information indicating the target area encoded by the prediction tree may always be notified.
- the target area or the predicted tree is set so that the target area includes all the nodes of the predicted tree. May be good.
- FIG. 72 is a diagram showing an example of the syntax of the motion compensation information of the predicted tree.
- FIG. 73 is a diagram showing an example of the syntax of motion compensation information in polar coordinate coding.
- FIG. 74 is a diagram showing an example of the syntax of the coding range information of the prediction tree.
- Examples of these syntaxes are the coding or decoding of a point cloud containing position information expressed in polar coordinate system (point cloud in polar coordinate system) and the point cloud containing position information expressed in Cartesian coordinate system (Cartesian coordinates). It corresponds to both coding and decoding of the point cloud of the system).
- the prediction using the depth map of FIG. 69 is performed.
- the prediction described in the above embodiment is performed.
- information indicating whether or not a coordinate system different from the Cartesian coordinate system such as a polar coordinate system is used in coding or decoding of each three-dimensional point in each syntax (for example, gps_alt_coordinates_flag).
- a coordinate system different from the Cartesian coordinate system such as a polar coordinate system
- the information for polar coordinates (motion_info_polar (), min_vh [k], size_vh [k], etc.) and the information for Cartesian coordinates (motion_info (), min_xyz [k], size_xyz [k], etc.) can be switched. May be shown.
- gps_alt_coordinates_flag indicates that it uses a different coordinate system, it will show information for polar coordinates (motion_info_polar (), min_vh [k], size_vh [k], etc.) and information for Cartesian coordinates (motion_info (), min_xyz, etc.). [K], size_xyz [k], etc.) need not be shown.
- gps_alt_coordinates_flag indicates that a Cartesian coordinate system is used
- information for polar coordinates (motion_info_polar (), min_vh [k], size_vh [k], etc.) is not shown, and information for Cartesian coordinates (motion_info (), min_xyz, etc.) is not shown. [K], size_xyz [k], etc.) may be indicated.
- the syntax described in the above embodiment may be used as motion_info ().
- the information indicating the target area encoded by the prediction tree corresponds to the first rectangular parallelepiped including the point group of the coding target described in the above embodiment, and is used as information indicating the position and size.
- Information indicating the minimum coordinates described in the above embodiment (min_xyz [k]) and information indicating the size of each side of the first rectangular parallelepiped may be included (size_xyz [k]). That is, the bitstream may include region information indicating the position and size of the three-dimensional region.
- the three-dimensional region indicated by the region information is a region including a plurality of three-dimensional points included in the prediction tree to be encoded, and is included in the three-dimensional region of the frame to be encoded.
- the information indicating the target area encoded by the prediction tree can be substituted with other information as long as the information uniquely defines the target area encoded by the prediction tree.
- motion compensation information may be shown in the syntax of FIG. 71.
- this syntax may show information (mc_mode_polar) indicating how to obtain an inter-prediction point cloud.
- the information (mc_mode_polar) indicating how to obtain the inter-prediction point cloud is, for example, information indicating one of the modes 1 to 3 shown in the example of FIG. 69 or the mode indicating no motion compensation (mode 0). Is.
- the mode indicating no motion compensation may be mode 1 in which the motion vector mv0 is a zero vector.
- this syntax may include the index value (ref_frame_idx) of the reference frame.
- motion vectors mv0 to mv2 may be shown depending on the mode.
- motion_vector_polar [i] [k] may be expressed as an absolute quantity or as a difference from a predicted value determined by using spatiotemporal continuity or the like.
- information indicating the position and size of the information indicating the target area encoded by the prediction tree (geometry_predtree_bounding_info ())
- the information indicating the minimum coordinates shown in FIG. 74 (min_vh [k]) and the size of each side of the rectangle.
- Information size_vh [k]) indicating that may be shown.
- the bitstream may include region information indicating the position and size of the two-dimensional region.
- the two-dimensional region indicated by the region information is a region including a plurality of three-dimensional points included in the prediction tree of the coding target, and is included in the two-dimensional region of the two-dimensional image of the coding target frame.
- the information indicating the target area encoded by the prediction tree can be substituted with other information as long as the information uniquely defines the target area encoded by the prediction tree.
- FIGS. 69 to 74 of this embodiment may be carried out in combination with at least a part of other disclosures (other embodiments). Further, the process disclosed using FIGS. 69 to 74 of this embodiment, a part of the syntax, and the like may be carried out in combination with other disclosures (other embodiments).
- FIGS. 69 to 74 of the present embodiment are always necessary, and only some of the components may be provided.
- the three-dimensional data coding apparatus performs the processing shown in FIG. 75.
- the three-dimensional data coding device refers to the coded target point among the plurality of three-dimensional points in the second frame different from the first frame containing the predicted tree containing the coded target point. And encode to generate encoded data (S13501).
- the three-dimensional data coding device generates a bit stream containing the coded data (S13502).
- the plurality of three-dimensional points included in the second frame have been encoded.
- the coding target point is encoded by referring to at least a part of the plurality of three-dimensional points included in the second frame based on the motion compensation information associated with the prediction tree.
- the bitstream contains motion compensation information.
- the coding efficiency can be improved.
- the position information of each of the plurality of three-dimensional points included in the first frame and the second frame is expressed in a polar coordinate system.
- Each of the first frame and the second frame is mapped to a two-dimensional image.
- Each pixel of the two-dimensional image indicates the position information of each of the plurality of three-dimensional points included in the second frame, and has the distance information included in the position information as the pixel value.
- the two-dimensional coordinates indicating the pixel position of each pixel of the two-dimensional image indicate the elevation angle information and the horizontal angle information included in the polar coordinates.
- a plurality of three-dimensional points included in the prediction tree are specified in the two-dimensional region of the two-dimensional image to which the first frame is mapped.
- the bitstream further contains area information indicating the position and size of the two-dimensional area.
- the position information of each of the plurality of three-dimensional points included in the first frame and the second frame is represented by an orthogonal coordinate system.
- the plurality of three-dimensional points included in the prediction tree are included in the second three-dimensional region included in the first three-dimensional region of the first frame.
- the bitstream further contains region information indicating the position and size of the second three-dimensional region.
- the three-dimensional data encoding device includes a processor and a memory, and the processor uses the memory to perform the above processing.
- the three-dimensional data decoding device performs the process shown in FIG. 76.
- the three-dimensional data decoding device acquires a bit stream including the coded data in which the coded target point included in the prediction tree of the first frame is coded and the motion compensation information (S13511).
- the three-dimensional data decoding device uses motion compensation information to identify at least a part of a plurality of three-dimensional points included in a second frame different from the first frame (S13512).
- the three-dimensional data decoding apparatus calculates a coding target point by using the decoding result obtained by decoding the coded data and at least a part thereof (S13513).
- the plurality of three-dimensional points included in the second frame have been decoded.
- the motion compensation information is information that associates the prediction tree with at least a part of the plurality of three-dimensional points included in the second frame.
- the coded code is used to determine at least some of the three-dimensional points to be referred to for decoding the coded point to be coded using the motion compensation information shown in the bitstream.
- the conversion target point can be appropriately decoded.
- the position information of each of the plurality of three-dimensional points included in the first frame and the second frame is expressed in a polar coordinate system.
- Each of the first frame and the second frame is mapped to a two-dimensional image.
- Each pixel of the two-dimensional image indicates the position information of each of the plurality of three-dimensional points included in the second frame, and has the distance information included in the position information as the pixel value.
- the two-dimensional coordinates indicating the pixel position of each pixel of the two-dimensional image indicate the elevation angle information and the horizontal angle information included in the polar coordinates.
- a plurality of three-dimensional points included in the prediction tree are specified in the two-dimensional region of the two-dimensional image to which the first frame is mapped.
- the bitstream further contains area information indicating the position and size of the two-dimensional area.
- the position information of each of the plurality of three-dimensional points included in the first frame and the second frame is represented by an orthogonal coordinate system.
- the plurality of three-dimensional points included in the prediction tree are included in the second three-dimensional region included in the first three-dimensional region of the first frame.
- the bitstream further contains region information indicating the position and size of the second three-dimensional region.
- the three-dimensional data decoding device includes a processor and a memory, and the processor uses the memory to perform the above processing.
- FIG. 77 is a block diagram showing a configuration example of the three-dimensional data creation device 810 according to the present embodiment.
- the three-dimensional data creation device 810 is mounted on a vehicle, for example.
- the three-dimensional data creation device 810 transmits and receives three-dimensional data to and from an external traffic monitoring cloud, a vehicle in front or a following vehicle, and creates and stores three-dimensional data.
- the three-dimensional data creation device 810 includes a data reception unit 811, a communication unit 812, a reception control unit 813, a format conversion unit 814, a plurality of sensors 815, a three-dimensional data creation unit 816, and a three-dimensional data synthesis unit. It includes an 817, a three-dimensional data storage unit 818, a communication unit 819, a transmission control unit 820, a format conversion unit 821, and a data transmission unit 822.
- the data receiving unit 811 receives the three-dimensional data 831 from the traffic monitoring cloud or the vehicle in front.
- the three-dimensional data 831 includes, for example, information such as a point cloud, a visible light image, depth information, sensor position information, or speed information, which includes a region that cannot be detected by the sensor 815 of the own vehicle.
- the communication unit 812 communicates with the traffic monitoring cloud or the vehicle in front, and transmits a data transmission request or the like to the traffic monitoring cloud or the vehicle in front.
- the reception control unit 813 exchanges information such as the corresponding format with the communication destination via the communication unit 812, and establishes communication with the communication destination.
- the format conversion unit 814 generates the three-dimensional data 832 by performing format conversion or the like on the three-dimensional data 831 received by the data receiving unit 811. Further, the format conversion unit 814 performs decompression or decoding processing when the three-dimensional data 831 is compressed or encoded.
- the plurality of sensors 815 are a group of sensors that acquire information outside the vehicle, such as a LiDAR, a visible light camera, or an infrared camera, and generate sensor information 833.
- the sensor information 833 is three-dimensional data such as a point cloud (point cloud data) when the sensor 815 is a laser sensor such as LiDAR.
- the number of sensors 815 does not have to be plural.
- the 3D data creation unit 816 generates 3D data 834 from the sensor information 833.
- the three-dimensional data 834 includes information such as point cloud, visible light image, depth information, sensor position information, and speed information.
- the three-dimensional data synthesizing unit 817 synthesizes the three-dimensional data 834 created based on the sensor information 833 of the own vehicle with the three-dimensional data 832 created by the traffic monitoring cloud or the vehicle in front of the vehicle, thereby synthesizing the three-dimensional data 832 of the own vehicle.
- the three-dimensional data storage unit 818 stores the generated three-dimensional data 835 and the like.
- the communication unit 819 communicates with the traffic monitoring cloud or the following vehicle, and transmits a data transmission request or the like to the traffic monitoring cloud or the following vehicle.
- the transmission control unit 820 exchanges information such as compatible formats with the communication destination via the communication unit 819, and establishes communication with the communication destination. Further, the transmission control unit 820 is in the space of the three-dimensional data to be transmitted based on the three-dimensional data construction information of the three-dimensional data 832 generated by the three-dimensional data synthesis unit 817 and the data transmission request from the communication destination. Determine a transmission area.
- the transmission control unit 820 determines a transmission area including a space in front of the own vehicle that cannot be detected by the sensor of the following vehicle in response to a data transmission request from the traffic monitoring cloud or the following vehicle. Further, the transmission control unit 820 determines the transmission area by determining whether or not the space that can be transmitted or the transmitted space has been updated based on the three-dimensional data construction information. For example, the transmission control unit 820 determines an area designated by the data transmission request and in which the corresponding three-dimensional data 835 exists as the transmission area. Then, the transmission control unit 820 notifies the format conversion unit 821 of the format corresponding to the communication destination and the transmission area.
- the format conversion unit 821 converts the 3D data 836 in the transmission area out of the 3D data 835 stored in the 3D data storage unit 818 into a format supported by the receiving side to convert the 3D data 837. Generate.
- the format conversion unit 821 may reduce the amount of data by compressing or encoding the three-dimensional data 837.
- the data transmission unit 822 transmits the three-dimensional data 837 to the traffic monitoring cloud or the following vehicle.
- the three-dimensional data 837 includes information such as a point cloud in front of the own vehicle, visible light images, depth information, or sensor position information, including a region that becomes a blind spot of the following vehicle.
- the format conversion may not be performed.
- the three-dimensional data creation device 810 acquires the three-dimensional data 831 in the area that cannot be detected by the sensor 815 of the own vehicle from the outside, and the sensor information 833 detected by the three-dimensional data 831 and the sensor 815 of the own vehicle.
- the three-dimensional data 835 is generated by synthesizing the three-dimensional data 834 based on the above.
- the three-dimensional data creation device 810 can generate three-dimensional data in a range that cannot be detected by the sensor 815 of the own vehicle.
- the three-dimensional data creation device 810 obtains three-dimensional data including the space in front of the own vehicle, which cannot be detected by the sensor of the following vehicle, in the traffic monitoring cloud or the following in response to the data transmission request from the traffic monitoring cloud or the following vehicle. Can be sent to vehicles, etc.
- FIG. 78 is a flowchart showing an example of a procedure for transmitting three-dimensional data to a traffic monitoring cloud or a following vehicle by the three-dimensional data creation device 810.
- the three-dimensional data creation device 810 generates and updates three-dimensional data 835 of the space including the space on the road ahead of the own vehicle (S801). Specifically, the three-dimensional data creation device 810 synthesizes the three-dimensional data 834 created based on the sensor information 833 of the own vehicle with the three-dimensional data 831 created by the traffic monitoring cloud or the vehicle in front. Therefore, the three-dimensional data 835 including the space in front of the vehicle in front, which cannot be detected by the sensor 815 of the own vehicle, is constructed.
- the three-dimensional data creation device 810 determines whether the three-dimensional data 835 included in the transmitted space has changed (S802).
- the 3D data creation device 810 changes.
- the three-dimensional data including the three-dimensional data 835 of the generated space is transmitted to the traffic monitoring cloud or the following vehicle (S803).
- the three-dimensional data creation device 810 may transmit the three-dimensional data in the space where the change has occurred at the transmission timing of the three-dimensional data to be transmitted at predetermined intervals, but transmit immediately after detecting the change. You may. That is, the three-dimensional data creation device 810 may transmit the three-dimensional data in the space where the change has occurred with priority over the three-dimensional data transmitted at predetermined intervals.
- the three-dimensional data creation device 810 may transmit all the three-dimensional data of the changed space as the three-dimensional data of the changed space, or the difference (for example, appearance or disappearance) of the three-dimensional data. Only the information of the three-dimensional point, the displacement information of the three-dimensional point, etc.) may be transmitted.
- the three-dimensional data creation device 810 may transmit metadata related to the danger avoidance operation of the own vehicle such as a sudden braking warning to the following vehicle prior to the three-dimensional data of the space where the change has occurred.
- the following vehicle can recognize the sudden braking of the preceding vehicle at an early stage, and can start the danger avoidance operation such as deceleration at an earlier stage.
- the three-dimensional data creation device 810 When the three-dimensional data 835 included in the transmitted space has not changed (No in S802), or after step S803, the three-dimensional data creation device 810 has a predetermined shape at a distance L in front of the own vehicle.
- the three-dimensional data contained in the space of is transmitted to the traffic monitoring cloud or the following vehicle (S804).
- steps S801 to S804 are repeatedly performed at predetermined time intervals.
- the three-dimensional data creation device 810 does not have to transmit the three-dimensional data 837 of the space if there is no difference between the three-dimensional data 835 of the space currently to be transmitted and the three-dimensional map.
- the client device transmits the sensor information obtained by the sensor to the server or another client device.
- FIG. 79 is a diagram showing a configuration of a three-dimensional map and a sensor information transmission / reception system according to the present embodiment.
- the system includes a server 901 and client devices 902A and 902B.
- client devices 902A and 902B are not particularly distinguished, they are also referred to as the client devices 902.
- the client device 902 is, for example, an in-vehicle device mounted on a moving body such as a vehicle.
- the server 901 is, for example, a traffic monitoring cloud or the like, and can communicate with a plurality of client devices 902.
- the server 901 transmits a three-dimensional map composed of a point cloud to the client device 902.
- the configuration of the three-dimensional map is not limited to the point cloud, and may represent other three-dimensional data such as a mesh structure.
- the client device 902 transmits the sensor information acquired by the client device 902 to the server 901.
- the sensor information includes, for example, at least one of LiDAR acquisition information, visible light image, infrared image, depth image, sensor position information, and velocity information.
- the data sent and received between the server 901 and the client device 902 may be compressed to reduce the data, or may remain uncompressed to maintain the accuracy of the data.
- a three-dimensional compression method based on an octaree tree structure can be used for the point cloud.
- a two-dimensional image compression method can be used for visible light images, infrared images, and depth images.
- the two-dimensional image compression method is, for example, MPEG-4 AVC or HEVC standardized by MPEG.
- the server 901 transmits the three-dimensional map managed by the server 901 to the client device 902 in response to the transmission request of the three-dimensional map from the client device 902.
- the server 901 may transmit the three-dimensional map without waiting for the transmission request of the three-dimensional map from the client device 902.
- the server 901 may broadcast a three-dimensional map to one or more client devices 902 in a predetermined space.
- the server 901 may transmit a three-dimensional map suitable for the position of the client device 902 to the client device 902 once receiving the transmission request at regular intervals.
- the server 901 may transmit the three-dimensional map to the client device 902 every time the three-dimensional map managed by the server 901 is updated.
- the client device 902 issues a three-dimensional map transmission request to the server 901. For example, when the client device 902 wants to perform self-position estimation during traveling, the client device 902 transmits a transmission request for a three-dimensional map to the server 901.
- the client device 902 may issue a three-dimensional map transmission request to the server 901.
- the client device 902 may issue a transmission request for the three-dimensional map to the server 901.
- the client device 902 may issue a three-dimensional map transmission request to the server 901.
- the client device 902 may issue a three-dimensional map transmission request to the server 901 before a certain time when the client device 902 goes out. For example, when the client device 902 exists within a predetermined distance from the boundary of the space indicated by the three-dimensional map held by the client device 902, the client device 902 issues a three-dimensional map transmission request to the server 901. You may. If the movement route and movement speed of the client device 902 are known, the time when the client device 902 goes out is predicted from the space shown by the three-dimensional map held by the client device 902. You may.
- the client device 902 may issue a three-dimensional map transmission request to the server 901.
- the client device 902 transmits the sensor information to the server 901 in response to the transmission request for the sensor information transmitted from the server 901.
- the client device 902 may send the sensor information to the server 901 without waiting for the sensor information transmission request from the server 901. For example, once the client device 902 receives the sensor information transmission request from the server 901, the client device 902 may periodically transmit the sensor information to the server 901 for a certain period of time. Further, when the error at the time of alignment between the three-dimensional data created by the client device 902 based on the sensor information and the three-dimensional map obtained from the server 901 is equal to or more than a certain value, the client device 902 is located around the client device 902. It may be determined that the three-dimensional map may have changed, and that fact and the sensor information may be transmitted to the server 901.
- the server 901 issues a sensor information transmission request to the client device 902.
- the server 901 receives the position information of the client device 902 such as GPS from the client device 902.
- the server 901 determines that the client device 902 is approaching a space with little information in the three-dimensional map managed by the server 901 based on the position information of the client device 902
- the server 901 determines that the client device 902 is approaching the space, and the client is used to generate a new three-dimensional map.
- a request for transmission of sensor information is sent to the device 902.
- the server 901 issues a sensor information transmission request when it wants to update the three-dimensional map, when it wants to check the road condition such as when it snows or when there is a disaster, when it wants to check the traffic jam situation, or when it wants to check the incident accident situation. May be good.
- the client device 902 may set the data amount of the sensor information to be transmitted to the server 901 according to the communication state or the band at the time of receiving the transmission request of the sensor information received from the server 901. Setting the amount of sensor information to be transmitted to the server 901 means, for example, increasing or decreasing the data itself, or appropriately selecting a compression method.
- FIG. 80 is a block diagram showing a configuration example of the client device 902.
- the client device 902 receives a three-dimensional map composed of a point cloud or the like from the server 901, and estimates the self-position of the client device 902 from the three-dimensional data created based on the sensor information of the client device 902. Further, the client device 902 transmits the acquired sensor information to the server 901.
- the client device 902 includes a data reception unit 1011, a communication unit 1012, a reception control unit 1013, a format conversion unit 1014, a plurality of sensors 1015, a three-dimensional data creation unit 1016, and a three-dimensional image processing unit 1017. It includes a three-dimensional data storage unit 1018, a format conversion unit 1019, a communication unit 1020, a transmission control unit 1021, and a data transmission unit 1022.
- the data receiving unit 1011 receives the three-dimensional map 1031 from the server 901.
- the three-dimensional map 1031 is data including a point cloud such as WLD or SWLD.
- the three-dimensional map 1031 may include either compressed data or uncompressed data.
- the communication unit 1012 communicates with the server 901 and transmits a data transmission request (for example, a three-dimensional map transmission request) or the like to the server 901.
- a data transmission request for example, a three-dimensional map transmission request
- the reception control unit 1013 exchanges information such as the corresponding format with the communication destination via the communication unit 1012, and establishes communication with the communication destination.
- the format conversion unit 1014 generates the three-dimensional map 1032 by performing format conversion or the like on the three-dimensional map 1031 received by the data receiving unit 1011. Further, the format conversion unit 1014 performs decompression or decoding processing when the three-dimensional map 1031 is compressed or encoded. If the three-dimensional map 1031 is uncompressed data, the format conversion unit 1014 does not perform decompression or decoding processing.
- the plurality of sensors 1015 are a group of sensors that acquire information outside the vehicle on which the client device 902 is mounted, such as a LiDAR, a visible light camera, an infrared camera, or a depth sensor, and generate sensor information 1033.
- the sensor information 1033 is three-dimensional data such as a point cloud (point cloud data) when the sensor 1015 is a laser sensor such as LiDAR.
- the number of sensors 1015 does not have to be plural.
- the three-dimensional data creation unit 1016 creates three-dimensional data 1034 around the own vehicle based on the sensor information 1033. For example, the three-dimensional data creation unit 1016 creates point cloud data with color information around the own vehicle using the information acquired by LiDAR and the visible light image obtained by the visible light camera.
- the three-dimensional image processing unit 1017 performs self-position estimation processing of the own vehicle using the received three-dimensional map 1032 such as a point cloud and the three-dimensional data 1034 around the own vehicle generated from the sensor information 1033. ..
- the three-dimensional image processing unit 1017 creates three-dimensional data 1035 around the own vehicle by synthesizing the three-dimensional map 1032 and the three-dimensional data 1034, and estimates the self-position using the created three-dimensional data 1035. Processing may be performed.
- the three-dimensional data storage unit 1018 stores the three-dimensional map 1032, the three-dimensional data 1034, the three-dimensional data 1035, and the like.
- the format conversion unit 1019 generates the sensor information 1037 by converting the sensor information 1033 into a format supported by the receiving side.
- the format conversion unit 1019 may reduce the amount of data by compressing or encoding the sensor information 1037. Further, the format conversion unit 1019 may omit the process when it is not necessary to perform the format conversion. Further, the format conversion unit 1019 may control the amount of data to be transmitted according to the designation of the transmission range.
- the communication unit 1020 communicates with the server 901 and receives a data transmission request (sensor information transmission request) or the like from the server 901.
- the transmission control unit 1021 exchanges information such as compatible formats with the communication destination via the communication unit 1020 to establish communication.
- the data transmission unit 1022 transmits the sensor information 1037 to the server 901.
- the sensor information 1037 includes a plurality of sensors such as information acquired by LiDAR, a brightness image acquired by a visible light camera, an infrared image acquired by an infrared camera, a depth image acquired by a depth sensor, sensor position information, and speed information. Contains information acquired by 1015.
- FIG. 81 is a block diagram showing a configuration example of the server 901.
- the server 901 receives the sensor information transmitted from the client device 902, and creates three-dimensional data based on the received sensor information.
- the server 901 updates the three-dimensional map managed by the server 901 by using the created three-dimensional data. Further, the server 901 transmits the updated three-dimensional map to the client device 902 in response to the transmission request of the three-dimensional map from the client device 902.
- the server 901 includes a data reception unit 1111, a communication unit 1112, a reception control unit 1113, a format conversion unit 1114, a three-dimensional data creation unit 1116, a three-dimensional data synthesis unit 1117, and a three-dimensional data storage unit 1118. , A format conversion unit 1119, a communication unit 1120, a transmission control unit 1121, and a data transmission unit 1122.
- the data receiving unit 1111 receives the sensor information 1037 from the client device 902.
- the sensor information 1037 includes, for example, information acquired by LiDAR, a brightness image acquired by a visible light camera, an infrared image acquired by an infrared camera, a depth image acquired by a depth sensor, sensor position information, speed information, and the like.
- the communication unit 1112 communicates with the client device 902 and transmits a data transmission request (for example, a sensor information transmission request) or the like to the client device 902.
- a data transmission request for example, a sensor information transmission request
- the reception control unit 1113 exchanges information such as the corresponding format with the communication destination via the communication unit 1112 to establish communication.
- the format conversion unit 1114 When the received sensor information 1037 is compressed or encoded, the format conversion unit 1114 generates sensor information 1132 by performing decompression or decoding processing. If the sensor information 1037 is uncompressed data, the format conversion unit 1114 does not perform decompression or decoding processing.
- the three-dimensional data creation unit 1116 creates three-dimensional data 1134 around the client device 902 based on the sensor information 1132. For example, the three-dimensional data creation unit 1116 creates point cloud data with color information around the client device 902 using the information acquired by LiDAR and the visible light image obtained by the visible light camera.
- the 3D data synthesis unit 1117 updates the 3D map 1135 by synthesizing the 3D data 1134 created based on the sensor information 1132 with the 3D map 1135 managed by the server 901.
- the 3D data storage unit 1118 stores the 3D map 1135 and the like.
- the format conversion unit 1119 generates the 3D map 1031 by converting the 3D map 1135 into a format supported by the receiving side.
- the format conversion unit 1119 may reduce the amount of data by compressing or encoding the three-dimensional map 1135. Further, the format conversion unit 1119 may omit the process when it is not necessary to perform the format conversion. Further, the format conversion unit 1119 may control the amount of data to be transmitted according to the designation of the transmission range.
- the communication unit 1120 communicates with the client device 902 and receives a data transmission request (three-dimensional map transmission request) or the like from the client device 902.
- the transmission control unit 1121 exchanges information such as the corresponding format with the communication destination via the communication unit 1120 to establish communication.
- the data transmission unit 1122 transmits the three-dimensional map 1031 to the client device 902.
- the three-dimensional map 1031 is data including a point cloud such as WLD or SWLD.
- the three-dimensional map 1031 may include either compressed data or uncompressed data.
- FIG. 82 is a flowchart showing an operation when the client device 902 acquires a three-dimensional map.
- the client device 902 requests the server 901 to transmit a three-dimensional map (point cloud, etc.) (S1001). At this time, the client device 902 may request the server 901 to transmit a three-dimensional map related to the position information by transmitting the position information of the client device 902 obtained by GPS or the like together.
- a three-dimensional map point cloud, etc.
- the client device 902 receives the three-dimensional map from the server 901 (S1002). If the received 3D map is compressed data, the client device 902 decodes the received 3D map to generate an uncompressed 3D map (S1003).
- the client device 902 creates three-dimensional data 1034 around the client device 902 from the sensor information 1033 obtained by the plurality of sensors 1015 (S1004).
- the client device 902 estimates the self-position of the client device 902 using the three-dimensional map 1032 received from the server 901 and the three-dimensional data 1034 created from the sensor information 1033 (S1005).
- FIG. 83 is a flowchart showing the operation when the sensor information is transmitted by the client device 902.
- the client device 902 receives the sensor information transmission request from the server 901 (S1011).
- the client device 902 transmits the sensor information 1037 to the server 901 (S1012).
- the sensor information 1033 includes a plurality of information obtained by the plurality of sensors 1015
- the client device 902 may generate the sensor information 1037 by compressing each information by a compression method suitable for each information. good.
- FIG. 84 is a flowchart showing an operation when the server 901 acquires sensor information.
- the server 901 requests the client device 902 to transmit the sensor information (S1021).
- the server 901 receives the sensor information 1037 transmitted from the client device 902 in response to the request (S1022).
- the server 901 creates three-dimensional data 1134 using the received sensor information 1037 (S1023).
- the server 901 reflects the created three-dimensional data 1134 in the three-dimensional map 1135 (S1024).
- FIG. 85 is a flowchart showing the operation at the time of transmission of the three-dimensional map by the server 901.
- the server 901 receives the transmission request of the three-dimensional map from the client device 902 (S1031).
- the server 901 that has received the three-dimensional map transmission request transmits the three-dimensional map 1031 to the client device 902 (S1032).
- the server 901 may extract a three-dimensional map in the vicinity thereof according to the position information of the client device 902 and transmit the extracted three-dimensional map.
- the server 901 may compress the three-dimensional map configured by the point cloud by using, for example, a compression method based on an ocree structure, and transmit the compressed three-dimensional map.
- the server 901 creates three-dimensional data 1134 near the position of the client device 902 using the sensor information 1037 received from the client device 902. Next, the server 901 calculates the difference between the three-dimensional data 1134 and the three-dimensional map 1135 by matching the created three-dimensional data 1134 with the three-dimensional map 1135 in the same area managed by the server 901. .. When the difference is equal to or greater than a predetermined threshold value, the server 901 determines that some abnormality has occurred in the vicinity of the client device 902. For example, when land subsidence occurs due to a natural disaster such as an earthquake, a large difference occurs between the three-dimensional map 1135 managed by the server 901 and the three-dimensional data 1134 created based on the sensor information 1037. Is possible.
- the sensor information 1037 may include information indicating at least one of the sensor type, the sensor performance, and the sensor model number. Further, a class ID or the like corresponding to the performance of the sensor may be added to the sensor information 1037. For example, when the sensor information 1037 is the information acquired by LiDAR, the sensor that can acquire the information with the accuracy of several mm is the class 1, the sensor that can acquire the information with the accuracy of several cm is the class 2, and the sensor is the unit of several m. As in class 3, it is conceivable to assign an identifier to the performance of a sensor that can acquire information with accuracy. Further, the server 901 may estimate the performance information of the sensor and the like from the model number of the client device 902.
- the server 901 may determine the sensor spec information from the vehicle model of the vehicle. In this case, the server 901 may acquire information on the vehicle type of the vehicle in advance, or the sensor information may include the information. Further, the server 901 may switch the degree of correction for the three-dimensional data 1134 created by using the sensor information 1037 by using the acquired sensor information 1037. For example, if the sensor performance is high accuracy (class 1), the server 901 does not make corrections to the 3D data 1134. When the sensor performance is low accuracy (class 3), the server 901 applies a correction to the three-dimensional data 1134 according to the accuracy of the sensor. For example, in the server 901, the lower the accuracy of the sensor, the stronger the degree (strength) of the correction.
- the server 901 may issue a sensor information transmission request to a plurality of client devices 902 in a certain space at the same time.
- the server 901 receives a plurality of sensor information from the plurality of client devices 902, it is not necessary to use all the sensor information for creating the three-dimensional data 1134.
- the sensor to be used depends on the performance of the sensor. You may select the information.
- the server 901 selects highly accurate sensor information (class 1) from a plurality of received sensor information, and creates 3D data 1134 using the selected sensor information. You may.
- the server 901 is not limited to a server such as a traffic monitoring cloud, and may be another client device (vehicle-mounted).
- FIG. 86 is a diagram showing a system configuration in this case.
- the client device 902C issues a sensor information transmission request to the nearby client device 902A, and acquires the sensor information from the client device 902A. Then, the client device 902C creates three-dimensional data using the acquired sensor information of the client device 902A, and updates the three-dimensional map of the client device 902C. As a result, the client device 902C can generate a three-dimensional map of the space that can be acquired from the client device 902A by taking advantage of the performance of the client device 902C. For example, it is considered that such a case occurs when the performance of the client device 902C is high.
- the client device 902A that provided the sensor information is given the right to acquire the highly accurate three-dimensional map generated by the client device 902C.
- the client device 902A receives a highly accurate 3D map from the client device 902C in accordance with its rights.
- the client device 902C may issue a request for transmission of sensor information to a plurality of nearby client devices 902 (client device 902A and client device 902B).
- client device 902A and client device 902B client devices 902
- the client device 902C can create three-dimensional data using the sensor information obtained by this high-performance sensor.
- FIG. 87 is a block diagram showing a functional configuration of the server 901 and the client device 902.
- the server 901 includes, for example, a three-dimensional map compression / decoding processing unit 1201 that compresses and decodes a three-dimensional map, and a sensor information compression / decoding processing unit 1202 that compresses and decodes sensor information.
- the client device 902 includes a three-dimensional map decoding processing unit 1211 and a sensor information compression processing unit 1212.
- the three-dimensional map decoding processing unit 1211 receives the encoded data of the compressed three-dimensional map, decodes the encoded data, and acquires the three-dimensional map.
- the sensor information compression processing unit 1212 compresses the sensor information itself instead of the three-dimensional data created from the acquired sensor information, and transmits the compressed sensor information encoded data to the server 901.
- the client device 902 may internally hold a processing unit (device or LSI) that performs a process of decoding a three-dimensional map (point cloud, etc.), and the three-dimensional data of the three-dimensional map (point cloud, etc.). It is not necessary to hold a processing unit that performs processing for compressing. As a result, the cost and power consumption of the client device 902 can be suppressed.
- the client device 902 is mounted on the moving body, and is obtained from the sensor information 1033 indicating the surrounding condition of the moving body obtained by the sensor 1015 mounted on the moving body. Create peripheral three-dimensional data 1034.
- the client device 902 estimates the self-position of the moving object using the created three-dimensional data 1034.
- the client device 902 transmits the acquired sensor information 1033 to the server 901 or another client device 902.
- the client device 902 transmits the sensor information 1033 to the server 901 and the like.
- the amount of transmitted data can be reduced as compared with the case of transmitting three-dimensional data.
- the processing amount of the client device 902 can be reduced. Therefore, the client device 902 can reduce the amount of data to be transmitted or simplify the configuration of the device.
- the client device 902 further transmits a transmission request for the three-dimensional map to the server 901, and receives the three-dimensional map 1031 from the server 901.
- the client device 902 estimates the self-position using the three-dimensional data 1034 and the three-dimensional map 1032 in the estimation of the self-position.
- the sensor information 1033 includes at least one of information obtained by the laser sensor, a luminance image, an infrared image, a depth image, a sensor position information, and a sensor speed information.
- the sensor information 1033 includes information indicating the performance of the sensor.
- the client device 902 encodes or compresses the sensor information 1033, and in transmitting the sensor information, the encoded or compressed sensor information 1037 is transmitted to the server 901 or another client device 902. According to this, the client device 902 can reduce the amount of data to be transmitted.
- the client device 902 includes a processor and a memory, and the processor uses the memory to perform the above processing.
- the server 901 can communicate with the client device 902 mounted on the moving body, and the sensor information 1037 indicating the peripheral situation of the moving body obtained by the sensor 1015 mounted on the moving body is obtained. Is received from the client device 902. The server 901 creates three-dimensional data 1134 around the moving object from the received sensor information 1037.
- the server 901 creates the three-dimensional data 1134 using the sensor information 1037 transmitted from the client device 902. As a result, there is a possibility that the amount of data to be transmitted can be reduced as compared with the case where the client device 902 transmits three-dimensional data. Further, since it is not necessary to perform processing such as compression or coding of three-dimensional data on the client device 902, the processing amount of the client device 902 can be reduced. Therefore, the server 901 can reduce the amount of data to be transmitted or simplify the configuration of the device.
- the server 901 further transmits a transmission request for sensor information to the client device 902.
- the server 901 updates the three-dimensional map 1135 using the created three-dimensional data 1134, and sends the three-dimensional map 1135 to the client device 902 in response to the transmission request of the three-dimensional map 1135 from the client device 902. Send.
- the sensor information 1037 includes at least one of information obtained by the laser sensor, a luminance image, an infrared image, a depth image, a sensor position information, and a sensor speed information.
- the sensor information 1037 includes information indicating the performance of the sensor.
- the server 901 further corrects the three-dimensional data according to the performance of the sensor. According to this, the three-dimensional data creation method can improve the quality of the three-dimensional data.
- the server 901 when receiving sensor information, receives a plurality of sensor information 1037 from a plurality of client devices 902, and based on a plurality of information indicating the performance of the sensor included in the plurality of sensor information 1037, the server 901 receives three-dimensional data 1134. Select the sensor information 1037 used to create. According to this, the server 901 can improve the quality of the three-dimensional data 1134.
- the server 901 decodes or decompresses the received sensor information 1037, and creates three-dimensional data 1134 from the decoded or decompressed sensor information 1132. According to this, the server 901 can reduce the amount of data to be transmitted.
- the server 901 includes a processor and a memory, and the processor uses the memory to perform the above processing.
- FIG. 88 is a diagram showing a configuration of a system according to the present embodiment.
- the system shown in FIG. 88 includes a server 2001, a client device 2002A, and a client device 2002B.
- the client device 2002A and the client device 2002B are mounted on a moving body such as a vehicle and transmit sensor information to the server 2001.
- the server 2001 transmits a three-dimensional map (point cloud) to the client device 2002A and the client device 2002B.
- the client device 2002A includes a sensor information acquisition unit 2011, a storage unit 2012, and a data transmission availability determination unit 2013.
- the configuration of the client device 2002B is also the same. Further, in the following, when the client device 2002A and the client device 2002B are not particularly distinguished, they are also described as the client device 2002.
- FIG. 89 is a flowchart showing the operation of the client device 2002 according to the present embodiment.
- the sensor information acquisition unit 2011 acquires various sensor information using a sensor (sensor group) mounted on the moving body. That is, the sensor information acquisition unit 2011 acquires sensor information indicating the surrounding condition of the moving body, which is obtained by the sensor (sensor group) mounted on the moving body. Further, the sensor information acquisition unit 2011 stores the acquired sensor information in the storage unit 2012.
- This sensor information includes at least one of LiDAR acquisition information, visible light image, infrared image and depth image. Further, the sensor information may include at least one of sensor position information, speed information, acquisition time information, and acquisition location information.
- the sensor position information indicates the position of the sensor from which the sensor information has been acquired.
- the velocity information indicates the velocity of the moving object when the sensor acquires the sensor information.
- the acquisition time information indicates the time when the sensor information is acquired by the sensor.
- the acquisition location information indicates the position of the moving object or the sensor when the sensor information is acquired by the sensor.
- the data transmission availability determination unit 2013 determines whether the mobile body (client device 2002) exists in an environment in which the sensor information can be transmitted to the server 2001 (S2002). For example, the data transmission availability determination unit 2013 may specify the location and time of the client device 2002 using information such as GPS, and determine whether or not the data can be transmitted. Further, the data transmission availability determination unit 2013 may determine whether or not data can be transmitted depending on whether or not it can be connected to a specific access point.
- the client device 2002 determines that the mobile body exists in an environment where the sensor information can be transmitted to the server 2001 (Yes in S2002), the client device 2002 transmits the sensor information to the server 2001 (S2003). That is, when the client device 2002 is in a situation where the sensor information can be transmitted to the server 2001, the client device 2002 transmits the held sensor information to the server 2001.
- a millimeter-wave access point capable of high-speed communication is installed at an intersection or the like.
- the sensor information held by the client device 2002 is transmitted to the server 2001 at high speed by using millimeter wave communication.
- the client device 2002 deletes the sensor information transmitted to the server 2001 from the storage unit 2012 (S2004).
- the client device 2002 may delete the sensor information when the sensor information not transmitted to the server 2001 satisfies a predetermined condition.
- the client device 2002 may delete the sensor information from the storage unit 2012 when the acquisition time of the sensor information to be held is older than a certain time before the current time. That is, the client device 2002 may delete the sensor information from the storage unit 2012 when the difference between the time when the sensor information is acquired by the sensor and the current time exceeds a predetermined time. Further, the client device 2002 may delete the sensor information from the storage unit 2012 when the acquisition location of the sensor information to be held is more than a certain distance from the current position.
- the sensor information May be deleted from the storage unit 2012.
- the capacity of the storage unit 2012 of the client device 2002 can be suppressed.
- the client device 2002 performs the processing after step S2001 again. Further, when the acquisition of the sensor information by the client device 2002 is completed (Yes in S2005), the client device 2002 ends the process.
- the client device 2002 may select the sensor information to be transmitted to the server 2001 according to the communication status. For example, when high-speed communication is possible, the client device 2002 preferentially transmits sensor information (for example, LiDAR acquisition information) having a large size held in the storage unit 2012. Further, when high-speed communication is difficult, the client device 2002 transmits sensor information (for example, a visible light image) having a small size and a high priority held in the storage unit 2012. As a result, the client device 2002 can efficiently transmit the sensor information held in the storage unit 2012 to the server 2001 according to the network conditions.
- sensor information for example, LiDAR acquisition information
- sensor information for example, a visible light image
- the client device 2002 may acquire the time information indicating the current time and the location information indicating the current location from the server 2001. Further, the client device 2002 may determine the acquisition time and acquisition location of the sensor information based on the acquired time information and location information. That is, the client device 2002 may acquire the time information from the server 2001 and generate the acquired time information using the acquired time information. Further, the client device 2002 may acquire the location information from the server 2001 and generate the acquisition location information using the acquired location information.
- the server 2001 and the client device 2002 synchronize the time using a mechanism such as NTP (Network Time Protocol) or PTP (Precision Time Protocol).
- NTP Network Time Protocol
- PTP Precision Time Protocol
- the client device 2002 can acquire accurate time information.
- the server 2001 can handle the sensor information indicating the synchronized time.
- the time synchronization mechanism may be any method other than NTP or PTP.
- GPS information may be used as the time information and location information.
- the server 2001 may acquire sensor information from a plurality of client devices 2002 by designating a time or place. For example, in the event of an accident, the server 2001 broadcasts a sensor information transmission request to a plurality of client devices 2002 by designating the time and place of the accident in order to search for a client in the vicinity thereof. Then, the client device 2002 having the sensor information of the corresponding time and place transmits the sensor information to the server 2001. That is, the client device 2002 receives the sensor information transmission request including the designated information for designating the place and time from the server 2001. The client device 2002 has determined that the storage unit 2012 stores the sensor information obtained at the place and time indicated by the designated information, and that the mobile body exists in an environment in which the sensor information can be transmitted to the server 2001.
- the sensor information obtained at the place and time indicated by the designated information is transmitted to the server 2001.
- the server 2001 can acquire sensor information related to the occurrence of an accident from a plurality of client devices 2002 and use it for accident analysis and the like.
- the client device 2002 may refuse to transmit the sensor information when it receives the sensor information transmission request from the server 2001. Further, the client device 2002 may set in advance which sensor information among the plurality of sensor information can be transmitted. Alternatively, the server 2001 may inquire of the client device 2002 whether or not the sensor information can be transmitted each time.
- points may be given to the client device 2002 that has transmitted the sensor information to the server 2001.
- This point can be used, for example, to pay for gasoline purchase costs, EV (Electric Vehicle) charging costs, highway tolls, car rental costs, and the like.
- the server 2001 may delete the information for identifying the client device 2002 from which the sensor information is transmitted after the sensor information is acquired.
- this information is information such as the network address of the client device 2002.
- the sensor information can be anonymized, so that the user of the client device 2002 can safely transmit the sensor information from the client device 2002 to the server 2001.
- the server 2001 may be composed of a plurality of servers. For example, by sharing sensor information among a plurality of servers, even if one server fails, another server can communicate with the client device 2002. This makes it possible to avoid stopping the service due to a server failure.
- the designated place specified by the sensor information transmission request indicates the position where the accident occurred, and may be different from the position of the client device 2002 at the designated time specified by the sensor information transmission request. Therefore, the server 2001 can request the client device 2002 existing in the range to acquire information by designating a range such as within XXm in the vicinity as the designated place. Similarly, for the designated time, the server 2001 may specify a range such as within N seconds before and after a certain time. As a result, the server 2001 can acquire the sensor information from the client device 2002 that existed at "time: t-N to t + N, location: within XXm from the absolute position S". When transmitting three-dimensional data such as LiDAR, the client device 2002 may transmit the data generated immediately after the time t.
- the server 2001 may separately specify, as the designated location, the information indicating the location of the client device 2002 for which the sensor information is to be acquired and the location where the sensor information is desired. For example, the server 2001 specifies that the sensor information including at least the range from the absolute position S to YYm is acquired from the client device 2002 existing within XXm from the absolute position S.
- the client device 2002 selects the 3D data in one or more randomly accessible units so as to include at least the sensor information in the specified range.
- the client device 2002 may transmit a plurality of temporally continuous image data including at least a frame immediately before or after time t.
- the client device 2002 uses the network according to the priority notified from the server 2001. You may choose. Alternatively, the client device 2002 itself may select a network that can secure an appropriate bandwidth based on the size of the transmitted data. Alternatively, the client device 2002 may select a network to be used based on the cost for data transmission and the like. Further, the transmission request from the server 2001 may include information indicating a transmission deadline, such as transmission when the client device 2002 can start transmission by time T. The server 2001 may issue a transmission request again if sufficient sensor information cannot be acquired within the deadline.
- a transmission deadline such as transmission when the client device 2002 can start transmission by time T.
- the sensor information may include header information indicating the characteristics of the sensor data together with the compressed or uncompressed sensor data.
- the client device 2002 may transmit the header information to the server 2001 via a physical network or communication protocol different from the sensor data. For example, the client device 2002 transmits the header information to the server 2001 prior to the transmission of the sensor data.
- the server 2001 determines whether or not to acquire the sensor data of the client device 2002 based on the analysis result of the header information.
- the header information may include information indicating the point cloud acquisition density, elevation angle, or frame rate of LiDAR, or the resolution, signal-to-noise ratio, or frame rate of the visible light image. As a result, the server 2001 can acquire the sensor information from the client device 2002 having the sensor data of the determined quality.
- the client device 2002 acquires the sensor information indicating the peripheral condition of the moving body, which is mounted on the moving body and obtained by the sensor mounted on the moving body, and stores the sensor information in the storage unit 2012. ..
- the client device 2002 determines whether the mobile body exists in an environment capable of transmitting sensor information to the server 2001, and if it determines that the mobile body exists in an environment capable of transmitting sensor information to the server, the client device 2002 transmits the sensor information to the server 2001. Send to.
- the client device 2002 further creates three-dimensional data around the moving body from the sensor information, and estimates the self-position of the moving body using the created three-dimensional data.
- the client device 2002 further transmits a transmission request for the three-dimensional map to the server 2001, and receives the three-dimensional map from the server 2001.
- the client device 2002 estimates the self-position using the three-dimensional data and the three-dimensional map.
- processing by the client device 2002 may be realized as an information transmission method in the client device 2002.
- the client device 2002 includes a processor and a memory, and the processor may perform the above processing using the memory.
- FIG. 90 is a diagram showing a configuration of a sensor information collection system according to the present embodiment.
- the sensor information collection system according to the present embodiment includes a terminal 2021A, a terminal 2021B, a communication device 2022A, a communication device 2022B, a network 2023, a data collection server 2024, and a map server 2025.
- the client device 2026 and the like.
- the terminal 2021A and the terminal 2021B are not particularly distinguished, they are also described as the terminal 2021.
- the communication device 2022A and the communication device 2022B are not particularly distinguished, they are also described as the communication device 2022.
- the data collection server 2024 collects data such as sensor data obtained by the sensor included in the terminal 2021 as position-related data associated with the position in the three-dimensional space.
- the sensor data is, for example, data acquired by using a sensor included in the terminal 2021 such as a state around the terminal 2021 or an internal state of the terminal 2021.
- the terminal 2021 transmits sensor data collected from one or more sensor devices in a position capable of directly communicating with the terminal 2021 or relaying one or a plurality of relay devices by the same communication method to the data collection server 2024. Send.
- the data included in the position-related data may include, for example, information indicating the operation status of the terminal itself or the device included in the terminal, the operation log, the usage status of the service, and the like. Further, the data included in the position-related data may include information in which the identifier of the terminal 2021 is associated with the position or the movement route of the terminal 2021.
- the information indicating the position included in the position-related data is associated with the information indicating the position in the three-dimensional data such as the three-dimensional map data.
- the details of the information indicating the position will be described later.
- the position-related data includes, in addition to the position information which is information indicating the position, the above-mentioned time information, the attributes of the data included in the position-related data, or the information indicating the type (for example, model number) of the sensor that generated the data. And at least one of them may be included.
- the position information and the time information may be stored in the header area of the position-related data or the header area of the frame for storing the position-related data. Further, the position information and the time information may be transmitted and / or stored separately from the position-related data as metadata associated with the position-related data.
- the map server 2025 is connected to the network 2023, for example, and transmits three-dimensional data such as three-dimensional map data in response to a request from another device such as the terminal 2021. Further, as described in each of the above-described embodiments, the map server 2025 may have a function of updating three-dimensional data by using the sensor information transmitted from the terminal 2021.
- the data collection server 2024 is connected to the network 2023, for example, collects position-related data from other devices such as the terminal 2021, and stores the collected position-related data in a storage device inside or in another server. Further, the data collection server 2024 transmits the collected position-related data or the metadata of the three-dimensional map data generated based on the position-related data to the terminal 2021 in response to the request from the terminal 2021.
- Network 2023 is a communication network such as the Internet.
- the terminal 2021 is connected to the network 2023 via the communication device 2022.
- the communication device 2022 communicates with the terminal 2021 while switching between one communication method or a plurality of communication methods.
- the communication device 2022 is, for example, (1) a base station such as LTE (Long Term Evolution), (2) an access point (AP) such as WiFi or millimeter wave communication, and (3) LPWA such as SIGFOX, LoRaWAN or Wi-SUN. (Low Power Wide Area)
- a communication satellite that communicates using a gateway of Network or (4) a satellite communication method such as DVB-S2.
- the base station may communicate with the terminal 2021 by a method classified into LPWA such as NB-IoT (Narrow Band-IoT) or LTE-M, and may communicate with the terminal 2021 while switching between these methods. Communication may be performed.
- LPWA Low Band-IoT
- LTE-M Long Term Evolution
- the terminal 2021 has a function of communicating with a communication device 2022 using two types of communication methods, and a communication device using any of these communication methods or a plurality of these communication methods and a direct communication partner.
- a communication device 2022 using two types of communication methods, and a communication device using any of these communication methods or a plurality of these communication methods and a direct communication partner.
- An example is given in the case of communicating with the map server 2025 or the data collection server 2024 while switching 2022, but the configuration of the sensor information collection system and the terminal 2021 is not limited to this.
- the terminal 2021 may not have a communication function in a plurality of communication methods, but may have a function of communicating in any one communication method.
- the terminal 2021 may support three or more communication methods. Further, the corresponding communication method may be different for each terminal 2021.
- the terminal 2021 includes, for example, the configuration of the client device 902 shown in FIG. 80.
- the terminal 2021 estimates a position such as a self-position using the received three-dimensional data. Further, the terminal 2021 generates position-related data by associating the sensor data acquired from the sensor with the position information obtained by the position estimation process.
- the position information added to the position-related data indicates, for example, the position in the coordinate system used in the three-dimensional data.
- the position information is a coordinate value represented by a latitude and longitude value.
- the terminal 2021 may include the coordinate value as well as the information indicating the coordinate system that is the reference of the coordinate value and the three-dimensional data used for the position estimation in the position information.
- the coordinate values may include altitude information.
- the position information may be associated with a unit of data or a unit of space that can be used for encoding the above-mentioned three-dimensional data.
- This unit is, for example, WLD, GOS, SPC, VLM, VXL, or the like.
- the position information is represented by an identifier for specifying a data unit such as an SPC corresponding to the position-related data.
- the position information is information indicating three-dimensional data in which the three-dimensional space including the data unit such as SPC is encoded, or the details in the SPC. It may contain information indicating a different position.
- the information indicating the three-dimensional data is, for example, the file name of the three-dimensional data.
- the system generates position-related data associated with position information based on position estimation using three-dimensional data, so that the self-position of the client device (terminal 2021) acquired by GPS can be used. It is possible to add position information to the sensor information with higher accuracy than when the based position information is added to the sensor information. As a result, even when the position-related data is used by other devices in other services, the position corresponding to the position-related data can be specified more accurately in the real space by performing the position estimation based on the same three-dimensional data. There is a possibility that it can be done.
- the data transmitted from the terminal 2021 is position-related data
- the data transmitted from the terminal 2021 may be data not associated with the position information. good. That is, the transmission / reception of the three-dimensional data or the sensor data described in the other embodiment may be performed via the network 2023 described in the present embodiment.
- the position information added to the position-related data may be information indicating a position relative to a feature point in the three-dimensional data.
- the feature point that serves as a reference for the position information is, for example, a feature point encoded as SWLD and notified to the terminal 2021 as three-dimensional data.
- the information indicating the relative position with respect to the feature point is represented by, for example, a vector from the feature point to the point indicated by the position information, and may be information indicating the direction and distance from the feature point to the point indicated by the position information.
- the information indicating the relative position with respect to the feature point may be information indicating the displacement amount of each of the X-axis, the Y-axis, and the Z-axis from the feature point to the point indicated by the position information.
- the information indicating the relative position with respect to the feature point may be information indicating the distance from each of the three or more feature points to the point indicated by the position information.
- the relative position may not be the relative position of the point indicated by the position information expressed with respect to each feature point, but may be the relative position of each feature point expressed with reference to the point indicated by the position information.
- An example of position information based on a relative position with respect to a feature point includes information for specifying a reference feature point and information indicating a relative position of a point indicated by the position information with respect to the feature point.
- the information indicating the relative position with respect to the feature point is provided separately from the three-dimensional data
- the information indicating the relative position with respect to the feature point is the coordinate axis used for deriving the relative position, the information indicating the type of the three-dimensional data, and the information indicating the type of the three-dimensional data.
- it may include information indicating the magnitude (scale, etc.) of the value of the information indicating the relative position per unit amount.
- the position information may include information indicating a relative position with respect to each feature point for a plurality of feature points.
- the terminal 2021 that tries to specify the position indicated by the position information in the real space has the position information from the position of the feature point estimated from the sensor data for each feature point.
- the candidate points of the positions indicated by may be calculated, and the points obtained by averaging the calculated plurality of candidate points may be determined to be the points indicated by the position information. According to this configuration, the influence of an error in estimating the position of the feature point from the sensor data can be reduced, so that the estimation accuracy of the point indicated by the position information in the real space can be improved.
- the position information includes information indicating a relative position with respect to a plurality of feature points, even if there is a feature point that cannot be detected due to restrictions such as the type or performance of the sensor included in the terminal 2021, any of the plurality of feature points. If even one of them can be detected, it is possible to estimate the value of the point indicated by the position information.
- a point that can be identified from the sensor data can be used.
- the points that can be identified from the sensor data are, for example, points within a region or points that satisfy predetermined conditions for feature point detection, such as the above-mentioned three-dimensional feature amount or feature amount of visible light data being equal to or greater than a threshold value.
- a marker installed in a real space may be used as a feature point.
- the marker may be detected and its position can be specified from the data acquired by using a sensor such as LiDER or a camera.
- the marker is represented by a change in color or luminance value (reflectance), or a three-dimensional shape (unevenness, etc.).
- a coordinate value indicating the position of the marker, a two-dimensional code or a barcode generated from the identifier of the marker, or the like may be used.
- a light source that transmits an optical signal may be used as a marker.
- a light source of an optical signal When a light source of an optical signal is used as a marker, not only information for acquiring a position such as a coordinate value or an identifier but also other data may be transmitted by the optical signal.
- the optical signal connects to the wireless communication device with the content of the service according to the position of the marker, the address such as ur for acquiring the content, or the identifier of the wireless communication device for receiving the provision of the service. It may include information indicating a wireless communication method for the purpose.
- the terminal 2021 grasps the correspondence between the feature points between different data by using, for example, an identifier commonly used between the data, or information or a table showing the correspondence between the feature points between the data. Further, when there is no information indicating the correspondence between the feature points, the terminal 2021 is the feature at the closest distance when the coordinates of the feature points in one three-dimensional data are converted to the positions in the other three-dimensional data space. A point may be determined to be a corresponding feature point.
- the position information based on the relative position described above is used, it is included in each 3D data or associated with each 3D data even between terminals 2021 or services that use different 3D data.
- the position indicated by the position information can be specified or estimated based on the common feature point. As a result, it becomes possible to identify or estimate the same position with higher accuracy between terminals 2021 or services that use different three-dimensional data.
- the data collection server 2024 may transfer the received position-related data to another data server.
- the data collection server 2024 determines to which data server the received position-related data is to be transferred, and transfers the position-related data to the data server determined as the transfer destination.
- the data collection server 2024 determines the transfer destination based on, for example, the determination rule of the transfer destination server preset in the data collection server 2024.
- the determination rule of the transfer destination server is set, for example, in the transfer destination table in which the identifier associated with each terminal 2021 and the data server of the transfer destination are associated with each other.
- the terminal 2021 adds an identifier associated with the terminal 2021 to the position-related data to be transmitted and transmits the data to the data collection server 2024.
- the data collection server 2024 specified the transfer destination data server corresponding to the identifier attached to the position-related data based on the determination rule of the transfer destination server using the transfer destination table or the like, and specified the position-related data. Send to the data server. Further, the determination rule of the transfer destination server may be specified by the determination condition using the time or place where the position-related data is acquired.
- the identifier associated with the above-mentioned transmission source terminal 2021 is, for example, an identifier unique to each terminal 2021 or an identifier indicating a group to which the terminal 2021 belongs.
- the transfer destination table does not have to be a direct association between the identifier associated with the source terminal and the transfer destination data server.
- the data collection server 2024 holds a management table that stores tag information assigned to each identifier unique to the terminal 2021, and a transfer destination table that associates the tag information with the transfer destination data server.
- the data collection server 2024 may determine the transfer destination data server based on the tag information by using the management table and the transfer destination table.
- the tag information is, for example, management control information or service provision control information given to the type, model number, owner, group to which the terminal 2021 corresponds to the identifier, or other identifier.
- an identifier unique to each sensor may be used instead of the identifier associated with the transmission source terminal 2021.
- the determination rule of the transfer destination server may be set from the client device 2026.
- the data collection server 2024 may determine a plurality of data servers as transfer destinations and transfer the received position-related data to the plurality of data servers. According to this configuration, for example, when backing up location-related data automatically, or in order to share location-related data with different services, location-related data is sent to the data server for providing each service. If it is necessary to do so, the data can be transferred as intended by changing the setting for the data collection server 2024. As a result, the man-hours required for constructing and changing the system can be reduced as compared with the case where the transmission destination of the position-related data is set in the individual terminal 2021.
- the data collection server 2024 registers the data server specified by the transfer request signal as a new transfer destination in response to the transfer request signal received from the data server, and transfers the position-related data received thereafter to the data server. You may.
- the data collection server 2024 stores the position-related data received from the terminal 2021 in the recording device, and requests the position-related data specified by the transmission request signal according to the transmission request signal received from the terminal 2021 or the data server. It may be transmitted to the terminal 2021 or the data server of.
- the data collection server 2024 determines whether or not the location-related data can be provided to the requesting data server or terminal 2021, and if it is determined that the location-related data can be provided, the data collection server 2024 transfers or transmits the location-related data to the requesting data server or terminal 2021. May be done.
- the data collection server 2024 When the request for the current position-related data is received from the client device 2026, the data collection server 2024 requests the terminal 2021 to transmit the position-related data even if the terminal 2021 does not send the position-related data. 2021 may transmit position-related data in response to the transmission request.
- the terminal 2021 transmits the position information data to the data collection server 2024, but the data collection server 2024 collects the position-related data from the terminal 2021, such as a function for managing the terminal 2021. It may be provided with a function necessary for the above or a function used when collecting position-related data from the terminal 2021.
- the data collection server 2024 may have a function of transmitting a data request signal requesting the transmission of position information data to the terminal 2021 and collecting position-related data.
- Management information such as an address for communicating with the terminal 2021 to be collected data or an identifier unique to the terminal 2021 is registered in the data collection server 2024 in advance.
- the data collection server 2024 collects position-related data from the terminal 2021 based on the registered management information.
- the management information may include information such as the type of sensor included in the terminal 2021, the number of sensors included in the terminal 2021, and the communication method supported by the terminal 2021.
- the data collection server 2024 may collect information such as the operating status or the current position of the terminal 2021 from the terminal 2021.
- the registration of the management information may be performed from the client device 2026, or the process for registration may be started by the terminal 2021 transmitting the registration request to the data collection server 2024.
- the data acquisition server 2024 may have a function of controlling communication with the terminal 2021.
- the communication connecting the data collection server 2024 and the terminal 2021 is configured by a dedicated line provided by a service provider such as MNO (Mobile Network Operator) or MVNO (Mobile Virtual Network Operator), or VPN (Virtual Private Network). It may be a virtual dedicated line or the like. According to this configuration, communication between the terminal 2021 and the data collection server 2024 can be performed safely.
- MNO Mobile Network Operator
- MVNO Mobile Virtual Network Operator
- VPN Virtual Private Network
- the data collection server 2024 may have a function of authenticating the terminal 2021 or a function of encrypting data transmitted to and received from the terminal 2021.
- the authentication process of the terminal 2021 or the data encryption process is a terminal group including an identifier unique to the terminal 2021 or a plurality of terminals 2021 shared in advance between the data collection server 2024 and the terminal 2021. It is done using a unique identifier or the like.
- This identifier is, for example, an IMSI (International Mobile Subscriber Identity), which is a unique number stored in a SIM (Subscriber Identity Module) card.
- IMSI International Mobile Subscriber Identity
- SIM Subscriber Identity Module
- the process of authentication or data encryption between the data collection server 2024 and the terminal 2021 can be provided as long as both the data collection server 2024 and the terminal 2021 have a function to perform the process, and can be relayed. It does not depend on the communication method used by the communication device 2022. Therefore, since the common authentication or encryption process can be used without considering whether the terminal 2021 uses the communication method, the convenience of the user's system construction is improved. However, the fact that the communication device 2022 for relaying does not depend on the communication method means that it is not essential to change the communication method according to the communication method. That is, for the purpose of improving transmission efficiency or ensuring security, the authentication or data encryption process between the data collection server 2024 and the terminal 2021 may be switched according to the communication method used by the relay device.
- the data collection server 2024 may provide the client device 2026 with a UI that manages data collection rules such as the type of location-related data collected from the terminal 2021 and the data collection schedule. As a result, the user can specify the terminal 2021 for collecting data using the client device 2026, the data collection time and frequency, and the like. Further, the data collection server 2024 may specify an area on the map on which data is to be collected and collect position-related data from the terminal 2021 included in the area.
- the client device 2026 When the data collection rule is managed for each terminal 2021, the client device 2026 presents, for example, a list of terminals 2021 or sensors to be managed on the screen. The user sets the necessity of data collection or the collection schedule for each item in the list.
- the client device 2026 When designating an area on a map for which data is to be collected, the client device 2026 presents, for example, a two-dimensional or three-dimensional map of the area to be managed on the screen. The user selects an area on the displayed map to collect data.
- the area selected on the map may be a circular or rectangular area centered on a point specified on the map, or may be a circular or rectangular area that can be specified by a drag operation. Further, the client device 2026 may select an area in a preset unit such as a city, an area in the city, a block, or a main road.
- the area may be set by inputting the numerical values of latitude and longitude, or the area is selected from the list of candidate areas derived based on the input text information. May be done.
- Textual information may be, for example, the name of a region, city, or landmark.
- an area on the map may be designated based on the position of the client device 2026 in real space obtained from the sensor data. For example, the client device 2026 estimates its own position using sensor data, and data a region within a predetermined distance from a point on the map corresponding to the estimated position or a distance specified by the user. May be specified as the area to collect. Further, the client device 2026 may designate the sensing area of the sensor, that is, the area corresponding to the acquired sensor data as the area for collecting the data. Alternatively, the client device 2026 may designate an area based on the position corresponding to the sensor data specified by the user as an area for collecting data. The estimation of the area or position on the map corresponding to the sensor data may be performed by the client device 2026 or may be performed by the data acquisition server 2024.
- the data collection server 2024 When specifying in the area on the map, the data collection server 2024 identifies the terminal 2021 in the specified area by collecting the current position information of each terminal 2021, and positions the terminal 2021 with respect to the specified terminal 2021. You may request the transmission of relevant data. Further, the data collection server 2024 does not specify the terminal 2021 in the area, but the data collection server 2024 sends information indicating the designated area to the terminal 2021, and the terminal 2021 itself is in the designated area. It may be determined whether or not it is, and if it is determined that it is within the specified area, the position-related data may be transmitted.
- the data collection server 2024 transmits data such as a list or a map for providing the above-mentioned UI (User Interface) in the application executed by the client device 2026 to the client device 2026.
- the data collection server 2024 may transmit the application program to the client device 2026 as well as data such as a list or a map.
- the above-mentioned UI may be provided as content created by HTML or the like that can be displayed by a browser.
- Some data such as map data may be provided from a server other than the data collection server 2024 such as the map server 2025.
- the client device 2026 transmits the input information to the data collection server 2024 as the setting information when the input for notifying the completion of the input is performed, such as the user pressing the setting button.
- the data collection server 2024 transmits a signal notifying the request for the position-related data or the collection rule of the position-related data to each terminal 2021 based on the setting information received from the client device 2026, and collects the position-related data. conduct.
- object information indicating the position of a power feeding unit such as a wireless power feeding antenna or a power feeding coil embedded in a road or a parking lot is included in the three-dimensional data or associated with the three-dimensional data.
- a power feeding unit such as a wireless power feeding antenna or a power feeding coil embedded in a road or a parking lot is included in the three-dimensional data or associated with the three-dimensional data.
- terminal 2021 such as a car or drone.
- the vehicle or drone that has acquired the object information for charging is automatically driven so that the position of the charging part such as the charging antenna or charging coil of the vehicle faces the area indicated by the object information.
- Move the position of and start charging In the case of a vehicle or drone that does not have an automatic driving function, the direction to move or the operation to be performed is presented to the driver or operator using the image or sound displayed on the screen. To. Then, when it is determined that the position of the charging unit calculated based on the estimated self-position is within the area indicated by the object information or within a predetermined distance from the area, the operation or maneuvering is stopped. The image or sound presented to is switched, and charging is started.
- the object information may not be information indicating the position of the feeding unit, but may be information indicating an area where charging efficiency equal to or higher than a predetermined threshold value can be obtained by arranging the charging unit in the area.
- the position of the object information may be represented by a point at the center of the region indicated by the object information, a region or line in a two-dimensional plane, or a region, line or plane in a three-dimensional space. good.
- the antenna for wireless charging provided in the terminal 2021 such as a car and the wireless embedded in the road etc.
- the alignment with the feeding antenna can be performed with higher accuracy. As a result, the charging speed at the time of wireless charging can be shortened and the charging efficiency can be improved.
- the object information may be an object other than the feeding antenna.
- the three-dimensional data includes the position of the AP of millimeter-wave wireless communication as object information.
- the terminal 2021 can grasp the position of the AP in advance, so that the directivity of the beam can be directed in the direction of the object information and the communication can be started.
- the communication quality such as improving the transmission speed, shortening the time until the start of communication, and extending the communicable period.
- the object information may include information indicating the type of the object corresponding to the object information. Further, the object information should be executed by the terminal 2021 when the terminal 2021 is included in the area in the real space corresponding to the position of the object information on the three-dimensional data or within a range of a predetermined distance from the area. Information indicating the process may be included.
- the object information may be provided from a server different from the server that provides the three-dimensional data.
- the object group in which the object information used in the same service is stored may be provided as different data depending on the type of the target service or the target device. ..
- the three-dimensional data used in combination with the object information may be WLD point cloud data or SWLD feature point data.
- the three-dimensional data decoding device when the attribute information of the target three-dimensional point, which is the three-dimensional point to be coded, is hierarchically coded using LoD (Level of Datail), the three-dimensional data decoding device is the three-dimensional. It is not necessary to decode the attribute information up to the required LoD hierarchy in the data decoding device and not to decode the attribute information of the unnecessary hierarchy. For example, when the total number of LoDs of the attribute information in the bit stream encoded by the three-dimensional data encoding device is N, the three-dimensional data decoding device is M from LoD0 to LoD (M-1) of the uppermost layer. It is not necessary to decode the LoDs (M ⁇ N) and the remaining LoDs (N-1). As a result, the three-dimensional data decoding device can decode the attribute information from LoD0 to LoD (M-1) required by the three-dimensional data decoding device while suppressing the processing load.
- LoD Level of Datail
- FIG. 91 is a diagram showing the above use case.
- the server holds a three-dimensional map obtained by encoding the three-dimensional position information and the attribute information.
- the server (three-dimensional data coding device) broadcasts a three-dimensional map to a client device (three-dimensional data decoding device: for example, a vehicle or a drone) in an area managed by the server, and the client device receives from the server.
- a process of specifying the self-position of the client device using a three-dimensional map, or a process of displaying map information to a user or the like who operates the client device is performed.
- the server encodes the position information of the three-dimensional map by using an octaree tree configuration or the like. Then, the server hierarchically encodes the attribute information of the three-dimensional map using N LoDs constructed based on the position information. The server stores a bitstream of the 3D map obtained by hierarchical coding.
- the server transmits a coded three-dimensional map bitstream to the client device in response to a transmission request for map information transmitted from the client device in the area managed by the server.
- the client device receives the bitstream of the 3D map transmitted from the server, and decodes the position information and attribute information of the 3D map according to the usage of the client device. For example, when the client device performs highly accurate self-position estimation using the position information and the attribute information of N LoDs, the client device determines that the decoding result up to a dense three-dimensional point is required as the attribute information. And decode all the information in the bitstream.
- the client device determines that the decoding result up to the sparse three-dimensional point is necessary as the attribute information, and the position information and the upper layer of LoD are used.
- Decoding attribute information of LoD from a certain LoD0 to M (M ⁇ N).
- the three-dimensional point map includes position information and attribute information.
- the position information is encoded by an octree.
- the attribute information is encoded by N LoDs.
- Client device A performs highly accurate self-position estimation. In this case, the client device A determines that all the position information and the attribute information are necessary, and decodes all the position information in the bit stream and the attribute information composed of N LoDs.
- Client device B displays a three-dimensional map to the user.
- the client device B determines that the position information and the attribute information of M LoDs (M ⁇ N) are necessary, and decodes the position information in the bit stream and the attribute information composed of M LoDs. do.
- the server may broadcast the three-dimensional map to the client device, multicast transmission, or unicast transmission.
- the three-dimensional data coding device when the attribute information of the target three-dimensional point, which is the target three-dimensional point to be coded, is hierarchically coded using LoD, the three-dimensional data coding device is the three-dimensional data decoding device. It is not necessary to encode the attribute information up to the required LoD hierarchy and not to encode the attribute information of the unnecessary hierarchy. For example, when the total number of LoDs is N, the three-dimensional data encoding device encodes M (M ⁇ N) LoDs from the uppermost layer LoD0 to LoD (M-1), and the remaining LoD (N). A bit stream may be generated by not encoding LoD up to -1).
- the 3D data encoding device can obtain a bitstream in which the attribute information from LoD0 to LoD (M-1) required by the 3D data decoding device is encoded in response to the request from the 3D data decoding device. Can be provided.
- FIG. 92 is a diagram showing the above use case.
- the server holds a three-dimensional map obtained by encoding the three-dimensional position information and the attribute information.
- the server (three-dimensional data coding device) unicasts a three-dimensional map to the client device (three-dimensional data decoding device: for example, a vehicle or a drone) in the area managed by the server according to the request of the client device.
- the client device performs a process of specifying the self-position of the client device using a three-dimensional map received from the server, or a process of displaying map information to a user or the like who operates the client device.
- the server encodes the position information of the three-dimensional map by using an octaree tree configuration or the like. Then, the server generates a bitstream of the three-dimensional map A by hierarchically encoding the attribute information of the three-dimensional map using N LoDs constructed based on the position information, and generates the generated bitstream. Save to the server. Further, the server generates a bitstream of the three-dimensional map B by hierarchically coding the attribute information of the three-dimensional map using M (M ⁇ N) LoDs constructed based on the position information. Save the generated bitstream on the server.
- the client device requests the server to send a three-dimensional map according to the purpose of the client device. For example, when the client device performs highly accurate self-position estimation using the position information and the attribute information of N LoDs, the client device determines that the decoding result up to a dense three-dimensional point is necessary as the attribute information, and is tertiary. Requests the server to send the bitstream of the original map A. Further, when displaying the 3D map information to the user or the like, the client device determines that the decoding result up to the sparse 3D point is necessary as the attribute information, and M pieces from the position information and the upper layer LoD0 of LoD.
- the server Requests the server to transmit a bitstream of the three-dimensional map B including LoD attribute information up to (M ⁇ N). Then, the server transmits the encoded bitstream of the three-dimensional map A or the three-dimensional map B to the client device in response to the request for transmission of the map information from the client device.
- the client device receives the bitstream of the three-dimensional map A or the three-dimensional map B transmitted from the server according to the use of the client device, and decodes the bitstream. In this way, the server switches the bit stream to be transmitted according to the usage of the client device. As a result, the processing load of the client device can be reduced.
- the server holds the three-dimensional map A and the three-dimensional map B.
- the server encodes the position information of the three-dimensional map with, for example, an ocree, and encodes the attribute information of the three-dimensional map with N LoDs to generate the three-dimensional map A. That is, NumLoD included in the bitstream of the three-dimensional map A indicates N.
- the server encodes the position information of the three-dimensional map with, for example, an ocree, and encodes the attribute information of the three-dimensional map with M LoDs to generate the three-dimensional map B. That is, NumLoD included in the bitstream of the three-dimensional map B indicates M.
- Client device A performs highly accurate self-position estimation.
- the client device A determines that all the position information and the attribute information are necessary, and sends a transmission request of the three-dimensional map A including all the position information and the attribute information composed of N LoDs to the server. ..
- the client device A receives the three-dimensional map A and decodes all the position information and the attribute information composed of N LoDs.
- Client device B displays a three-dimensional map to the user.
- the client device B determines that the position information and the attribute information of M (M ⁇ N) LoDs are necessary, and includes all the position information and the attribute information composed of M LoDs in three dimensions.
- the client device B receives the three-dimensional map B and decodes all the position information and the attribute information composed of M LoDs.
- the server (three-dimensional data coding device) encodes the three-dimensional map C in which the remaining NM attribute information of LoD is encoded in addition to the three-dimensional map B, and the request of the client device B.
- the three-dimensional map C may be transmitted to the client device B according to the above. Further, the client device B may obtain decoding results of N LoDs by using the bitstream of the three-dimensional map B and the three-dimensional map C.
- FIG. 93 is a flowchart showing an example of application processing.
- the three-dimensional data demultiplexing device acquires an ISOBMFF file including point cloud data and a plurality of coded data (S7301).
- the three-dimensional data demultiplexing device may acquire the ISOBMFF file by communication or may read it from the stored data.
- the three-dimensional data demultiplexing device analyzes the entire configuration information in the ISOBMFF file and identifies the data to be used for the application (S7302). For example, the three-dimensional data demultiplexing device acquires data used for processing and does not acquire data not used for processing.
- the three-dimensional data demultiplexing device extracts one or more data used for the application and analyzes the configuration information of the data (S7303).
- the three-dimensional data demultiplexing device converts the ISOBMFF into a coded stream and extracts a time stamp (S7305). Further, the three-dimensional data demultiplexing device determines whether or not the data are synchronized, for example, by referring to a flag indicating whether or not the data are synchronized, and if they are not synchronized, the synchronization is performed. Processing may be performed.
- the three-dimensional data demultiplexing device decodes the data by a predetermined method according to the time stamp and other instructions, and processes the decoded data (S7306).
- the three-dimensional data demultiplexing device extracts the data and the time stamp (S7307). Further, the three-dimensional data demultiplexing device determines whether or not the data are synchronized, for example, by referring to a flag indicating whether or not the data are synchronized, and if they are not synchronized, the synchronization is performed. Processing may be performed. The three-dimensional data demultiplexing device then processes the data according to the time stamp and other instructions (S7308).
- FIG. 94 is a diagram showing an example of the sensor range of the beam LiDAR, FLASH LiDAR, and the camera.
- the beam LiDAR detects all directions around the vehicle (sensor), and the FLASH LiDAR and the camera detect a range in one direction (for example, forward) of the vehicle.
- the three-dimensional data demultiplexing device extracts and decodes the coded data of the beam LiDAR and FLASH LiDAR with reference to the overall configuration information. Further, the three-dimensional data demultiplexing device does not extract the camera image.
- the three-dimensional data demultiplexing device simultaneously processes the coded data of the time of the same time stamp according to the time stamps of LiDAR and FLASH LiDAR.
- the three-dimensional data demultiplexing device may present the processed data on the presenting device, synthesize the point cloud data of the beam LiDAR and the FLASH LiDAR, perform processing such as rendering.
- the three-dimensional data demultiplexing device may extract sensor position information and use it in the application.
- the three-dimensional data demultiplexing device may select whether to use beam LiDAR information or FLASH LiDAR in the application, and switch the processing according to the selection result.
- FIG. 95 is a diagram showing a configuration example of an automatic driving system.
- This autonomous driving system includes a cloud server 7350 and an edge 7360 such as an in-vehicle device or a mobile device.
- the cloud server 7350 includes a demultiplexing unit 7351, a decoding unit 7352A, 7352B and 7355, a point cloud data synthesis unit 7353, a large-scale data storage unit 7354, a comparison unit 7356, and a coding unit 7357.
- the edge 7360 includes sensors 7361A and 7361B, point cloud data generation units 7362A and 7362B, synchronization units 7363, coding units 7364A and 7364B, multiplexing unit 7365, update data storage unit 7366, and demultiplexing unit. It includes a 7637, a decoding unit 7368, a filter 7369, a self-position estimation unit 7370, and an operation control unit 7371.
- the edge 7360 downloads a large-scale data which is a large-scale point cloud map data stored in the cloud server 7350.
- the edge 7360 performs self-position estimation processing of the edge 7360 (vehicle or terminal) by matching the large-scale data with the sensor information obtained by the edge 7360. Further, the edge 7360 uploads the acquired sensor information to the cloud server 7350, and updates the large-scale data with the latest map data.
- point cloud data with different coding methods are handled in various applications that handle point cloud data in the system.
- the cloud server 7350 encodes and multiplexes large-scale data. Specifically, the coding unit 7357 performs coding by using a third coding method suitable for coding a large-scale point cloud. Further, the coding unit 7357 multiplexes the coded data.
- the large-scale data storage unit 7354 stores data encoded and multiplexed by the coding unit 7357.
- Edge 7360 performs sensing.
- the point cloud data generation unit 7362A generates the first point cloud data (position information (geometry) and attribute information) by using the sensing information acquired by the sensor 7361A.
- the point cloud data generation unit 7362B generates the second point cloud data (position information and attribute information) by using the sensing information acquired by the sensor 7361B.
- the generated first point cloud data and second point cloud data are used for self-position estimation or vehicle control of automatic driving, or map update. In each process, some information of the first point cloud data and the second point cloud data may be used.
- Edge 7360 performs self-position estimation. Specifically, Edge 7360 downloads large-scale data from the cloud server 7350.
- the demultiplexing unit 7637 acquires the coded data by demultiplexing the large-scale data in the file format.
- the decoding unit 7368 acquires large-scale data, which is large-scale point cloud map data, by decoding the acquired coded data.
- the self-position estimation unit 7370 matches the acquired large-scale data with the first point cloud data and the second point cloud data generated by the point cloud data generation units 7362A and 7362B to map the vehicle. Estimate the self-position in. Further, the operation control unit 7371 uses the matching result or the self-position estimation result for the operation control.
- the self-position estimation unit 7370 and the operation control unit 7371 may extract specific information such as position information from the large-scale data and perform processing using the extracted information. Further, the filter 7369 performs processing such as correction or thinning on the first point cloud data and the second point cloud data. The self-position estimation unit 7370 and the operation control unit 7371 may use the first point cloud data and the second point cloud data after the processing is performed. Further, the self-position estimation unit 7370 and the operation control unit 7371 may use the sensor signals obtained by the sensors 7361A and 7361B.
- the synchronization unit 7363 performs time synchronization and position correction between data of a plurality of sensor signals or a plurality of point cloud data. Further, the synchronization unit 7363 corrects the position information of the sensor signal or the point cloud data so as to match the large-scale data based on the position correction information of the large-scale data and the sensor data generated by the self-position estimation process. May be good.
- synchronization and position correction may be performed on the cloud server 7350 instead of the edge 7360.
- the edge 7360 may multiplex the synchronization information and the position information and transmit them to the cloud server 7350.
- Edge 7360 is. Encode and multiplex sensor signals or point cloud data.
- the sensor signal or point cloud data is encoded using a first or second coding method suitable for encoding each signal.
- the coding unit 7364A generates the first coded data by coding the first point cloud data using the first coding method.
- the coding unit 7364B generates the second coded data by coding the second point cloud data using the second coding method.
- the multiplexing unit 7365 generates a multiplexed signal by multiplexing the first coded data, the second coded data, the synchronization information, and the like.
- the update data storage unit 7366 stores the generated multiplexed signal. Further, the update data storage unit 7366 uploads the multiplexed signal to the cloud server 7350.
- the cloud server 7350 synthesizes the point cloud data. Specifically, the demultiplexing unit 7351 acquires the first coded data and the second coded data by demultiplexing the multiplexing signal uploaded to the cloud server 7350.
- the decoding unit 7352A acquires the first point cloud data (or sensor signal) by decoding the first coded data.
- the decoding unit 7352B acquires the second point cloud data (or sensor signal) by decoding the second coded data.
- the point cloud data synthesis unit 7353 synthesizes the first point cloud data and the second point cloud data by a predetermined method.
- the point cloud data synthesis unit 7353 may perform the synthesis using the information.
- the decoding unit 7355 demultiplexes and decodes the large-scale data stored in the large-scale data storage unit 7354.
- the comparison unit 7356 compares the point cloud data generated based on the sensor signal obtained at the edge 7360 with the large-scale data possessed by the cloud server 7350, and determines the point cloud data that needs to be updated.
- the comparison unit 7356 updates the point cloud data determined to be necessary to be updated among the large-scale data to the point cloud data obtained from the edge 7360.
- the coding unit 7357 encodes and multiplexes the updated large-scale data, and stores the obtained data in the large-scale data storage unit 7354.
- the signals to be handled may differ depending on the intended use or application, and the signal to be multiplexed or the coding method may differ. Even in such a case, flexible decoding and application processing can be performed by multiplexing data of various coding methods using the present embodiment. In addition, even if the signal coding method is different, various applications and systems can be constructed by converting a coding method suitable for demultiplexing, decoding, data conversion, coding, and multiplexing processing. , Flexible service can be provided.
- FIG. 96 is a diagram showing a configuration example of a bit stream.
- the whole information of the divided data indicates the sensor ID (sensor_id) and the data ID (data_id) of the divided data for each divided data.
- the data ID is also shown in the header of each coded data.
- the entire information of the divided data shown in FIG. 96 includes the sensor information (Sensor), the sensor version (Version), the sensor manufacturer name (Maker), and the sensor, in addition to the sensor ID. It may include at least one of the installation information (Mount Info.) And the position coordinates (World Coordinate) of the sensor.
- the three-dimensional data decoding device can acquire information on various sensors from the configuration information.
- the entire information of the divided data may be stored in the metadata SPS, GPS or APS, or may be stored in the SEI which is the metadata not essential for encoding. Further, the three-dimensional data encoding device stores the SEI in the ISOBMFF file at the time of multiplexing. The three-dimensional data decoding device can acquire desired divided data based on the metadata.
- SPS is the metadata of the entire coded data
- GPS is the metadata of the position information
- APS is the metadata for each attribute information
- G is the coded data of the position information for each divided data.
- Yes, A1 and the like are coded data of attribute information for each divided data.
- FIG. 97 is a flowchart of the point group selection process executed by this application.
- 98 to 100 are diagrams showing screen examples of point group selection processing.
- the three-dimensional data decoding device that executes the application has, for example, a UI unit that displays an input UI (user interface) 8661 for selecting an arbitrary point cloud.
- the input UI8661 has a presentation unit 8662 that presents the selected point cloud, and an operation unit (buttons 8663 and 8664) that accepts the user's operation.
- the three-dimensional data decoding device acquires desired data from the storage unit 8665 after the point cloud is selected by UI8661.
- the point cloud information that the user wants to display is selected based on the operation for the user's input UI8661 (S8631). Specifically, when the button 8663 is selected, the point cloud based on the sensor 1 is selected. When the button 8664 is selected, the point cloud based on the sensor 2 is selected. Alternatively, by selecting both the button 8663 and the button 8664, both the point cloud based on the sensor 1 and the point cloud based on the sensor 2 are selected.
- the point cloud selection method is an example and is not limited to this.
- the three-dimensional data decoding device analyzes the entire information of the divided data contained in the multiplexed signal (bit stream) or the coded data, and selects a point group from the sensor ID (sensor_id) of the selected sensor.
- the data ID (data_id) of the divided data constituting the above is specified (S8632).
- the three-dimensional data decoding device extracts coded data including the specified desired data ID from the multiplexed signal, and decodes the extracted coded data to obtain a point cloud based on the selected sensor. Is decoded (S8633).
- the three-dimensional data decoding device does not decode other coded data.
- the three-dimensional data decoding device presents (for example, displays) the decoded point cloud (S8634).
- FIG. 99 shows an example when the button 8663 of the sensor 1 is pressed, and a point cloud of the sensor 1 is presented.
- FIG. 100 shows an example in which both the button 8663 of the sensor 1 and the button 8664 of the sensor 2 are pressed, and a point cloud of the sensor 1 and the sensor 2 is presented.
- the present disclosure is not limited to this embodiment.
- each processing unit included in the three-dimensional data coding device, the three-dimensional data decoding device, and the like according to the above embodiment is typically realized as an LSI which is an integrated circuit. These may be individually integrated into one chip, or may be integrated into one chip so as to include a part or all of them.
- the integrated circuit is not limited to the LSI, and may be realized by a dedicated circuit or a general-purpose processor.
- An FPGA Field Programmable Gate Array
- a reconfigurable processor that can reconfigure the connection and settings of the circuit cells inside the LSI may be used.
- each component may be configured by dedicated hardware or may be realized by executing a software program suitable for each component.
- Each component may be realized by a program execution unit such as a CPU or a processor reading and executing a software program recorded on a recording medium such as a hard disk or a semiconductor memory.
- the present disclosure may be realized as a three-dimensional data coding method, a three-dimensional data decoding method, or the like executed by a three-dimensional data coding device, a three-dimensional data decoding device, or the like.
- the division of functional blocks in the block diagram is an example, and multiple functional blocks can be realized as one functional block, one functional block can be divided into multiple, and some functions can be transferred to other functional blocks. You may. Further, the functions of a plurality of functional blocks having similar functions may be processed by a single hardware or software in parallel or in a time division manner.
- each step in the flowchart is executed is for exemplifying in order to specifically explain the present disclosure, and may be an order other than the above. Further, a part of the above steps may be executed simultaneously with other steps (parallel).
- the three-dimensional data coding device, the three-dimensional data decoding device, and the like according to one or more embodiments have been described above based on the embodiment, but the present disclosure is not limited to this embodiment. .. As long as it does not deviate from the gist of the present disclosure, various modifications that can be conceived by those skilled in the art are applied to this embodiment, and a form constructed by combining components in different embodiments is also within the scope of one or more embodiments. May be included within.
- the present disclosure is applicable to a three-dimensional data coding device and a three-dimensional data decoding device.
- Three-dimensional data creation device 811 Data reception unit 812, 819 Communication unit 813 Reception control unit 814, 821 Format conversion unit 815
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
三次元データ符号化方法は、複数の三次元点のうち符号化対象点を、符号化対象点が含まれる予測木を含む第1フレームとは異なる第2フレームに含まれる三次元点を参照して符号化して符号化データを生成し、符号化データを含むビットストリームを生成し、第2フレームに含まれる複数の三次元点は、符号化済みであり、符号化では、予測木に対応づけられた動き補償情報(mv0,mv1,mv2)に基づいて第2フレームに含まれる複数の三次元点のうちの少なくとも一部を参照して、符号化対象点を符号化し、ビットストリームは、動き補償情報を含む。
Description
本開示は、三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置に関する。
自動車或いはロボットが自律的に動作するためのコンピュータビジョン、マップ情報、監視、インフラ点検、又は、映像配信など、幅広い分野において、今後、三次元データを活用した装置又はサービスの普及が見込まれる。三次元データは、レンジファインダなどの距離センサ、ステレオカメラ、又は複数の単眼カメラの組み合わせなど様々な方法で取得される。
三次元データの表現方法の1つとして、三次元空間内の点群によって三次元構造の形状を表すポイントクラウドと呼ばれる表現方法がある。ポイントクラウドでは、点群の位置と色とが格納される。ポイントクラウドは三次元データの表現方法として主流になると予想されるが、点群はデータ量が非常に大きい。よって、三次元データの蓄積又は伝送においては二次元の動画像(一例として、MPEGで規格化されたMPEG-4 AVC又はHEVCなどがある)と同様に、符号化によるデータ量の圧縮が必須となる。
また、ポイントクラウドの圧縮については、ポイントクラウド関連の処理を行う公開のライブラリ(Point Cloud Library)などによって一部サポートされている。
また、三次元の地図データを用いて、車両周辺に位置する施設を検索し、表示する技術が知られている(例えば、特許文献1参照)。
三次元データの符号化において符号化効率を向上させることができることが望まれている。
本開示は、符号化効率を向上させることができる三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置又は三次元データ復号装置を提供することを目的とする。
本開示の一態様に係る三次元データ符号化方法は、複数の三次元点のうち符号化対象点を、前記符号化対象点が含まれる予測木を含む第1フレームとは異なる第2フレームに含まれる三次元点を参照して符号化して符号化データを生成し、前記符号化データを含むビットストリームを生成し、前記第2フレームに含まれる複数の三次元点は、符号化済みであり、前記符号化では、前記予測木に対応づけられた動き補償情報に基づいて前記第2フレームに含まれる複数の三次元点のうちの少なくとも一部を参照して、前記符号化対象点を符号化し、前記ビットストリームは、前記動き補償情報を含む。
本開示の一態様に係る三次元データ復号方法は、第1フレームの予測木に含まれる符号化対象点が符号化された符号化データと、動き補償情報とを含むビットストリームを取得し、前記動き補償情報を用いて、前記第1フレームとは異なる第2フレームに含まれる複数の三次元点のうちの少なくとも一部を特定し、前記符号化データを復号して得られた復号結果と、前記少なくとも一部とを用いて、前記符号化対象点を算出し、前記第2フレームに含まれる複数の三次元点は、復号済みであり、前記動き補償情報は、前記予測木と、前記第2フレームに含まれる複数の三次元点のうちの少なくとも一部とを対応付ける情報である。
本開示は、符号化効率を向上させることができる三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置又は三次元データ復号装置を提供できる。
本開示の一態様に係る三次元データ符号化方法は、複数の三次元点のうち符号化対象点を、前記符号化対象点が含まれる予測木を含む第1フレームとは異なる第2フレームに含まれる三次元点を参照して符号化して符号化データを生成し、前記符号化データを含むビットストリームを生成し、前記第2フレームに含まれる複数の三次元点は、符号化済みであり、前記符号化では、前記予測木に対応づけられた動き補償情報に基づいて前記第2フレームに含まれる複数の三次元点のうちの少なくとも一部を参照して、前記符号化対象点を符号化し、前記ビットストリームは、前記動き補償情報を含む。
これによれば、動き補償情報に基づいて、符号化対象点を符号化するために参照する少なくとも一部の複数の三次元点を決定するため、符号化効率を向上させることができる。
例えば、前記第1フレーム及び前記第2フレームに含まれる複数の三次元点のそれぞれの位置情報は、極座標系で表現され、前記第1フレーム及び前記第2フレームのそれぞれを二次元画像にマッピングし、前記二次元画像の各画素は、前記第2フレームに含まれる複数の三次元点のそれぞれの位置情報を示し、当該位置情報に含まれる距離情報を画素値として有し、前記符号化では、前記二次元画像にマッピングされた前記第2フレームに含まれる複数の三次元点のうちの少なくとも一部を参照して、前記符号化対象点を符号化してもよい。
例えば、前記二次元画像の各画素の画素位置を示す二次元座標は、前記極座標に含まれる仰角情報及び水平角情報を示してもよい。
例えば、前記予測木に含まれる複数の三次元点は、前記第1フレームがマッピングされた前記二次元画像のうちの二次元領域で特定され、前記ビットストリームは、さらに、前記二次元領域の位置及びサイズを示す領域情報を含んでもよい。
例えば、前記第1フレーム及び前記第2フレームに含まれる複数の三次元点のそれぞれの位置情報は、直交座標系で表現され、前記予測木に含まれる複数の三次元点は、前記第1フレームの第1三次元領域に含まれる第2三次元領域に含まれ、前記ビットストリームは、さらに、前記第2三次元領域の位置及びサイズを示す領域情報を含んでもよい。
本開示の一態様に係る三次元データ復号方法は、第1フレームの予測木に含まれる符号化対象点が符号化された符号化データと、動き補償情報とを含むビットストリームを取得し、前記動き補償情報を用いて、前記第1フレームとは異なる第2フレームに含まれる複数の三次元点のうちの少なくとも一部を特定し、前記符号化データを復号して得られた復号結果と、前記少なくとも一部とを用いて、前記符号化対象点を算出し、前記第2フレームに含まれる複数の三次元点は、復号済みであり、前記動き補償情報は、前記予測木と、前記第2フレームに含まれる複数の三次元点のうちの少なくとも一部とを対応付ける情報である。
これによれば、ビットストリームに示される動き補償情報を用いて符号化された符号化対象点を復号するために参照する少なくとも一部の複数の三次元点を決定するため、符号化された符号化対象点を適切に復号することができる。
例えば、前記第1フレーム及び前記第2フレームに含まれる複数の三次元点のそれぞれの位置情報は、極座標系で表現され、前記第1フレーム及び前記第2フレームのそれぞれを二次元画像にマッピングし、前記二次元画像の各画素は、前記第2フレームに含まれる複数の三次元点のそれぞれの位置情報を示し、当該位置情報に含まれる距離情報を画素値として有し、前記復号では、前記二次元画像にマッピングされた前記第2フレームに含まれる複数の三次元点のうちの少なくとも一部を参照して、前記符号化対象点を復号してもよい。
例えば、前記二次元画像の各画素の画素位置を示す二次元座標は、前記極座標に含まれる仰角情報及び水平角情報を示してもよい。
例えば、前記予測木に含まれる複数の三次元点は、前記第1フレームがマッピングされた前記二次元画像のうちの二次元領域で特定され、前記ビットストリームは、さらに、前記二次元領域の位置及びサイズを示す領域情報を含んでもよい。
例えば、前記第1フレーム及び前記第2フレームに含まれる複数の三次元点のそれぞれの位置情報は、直交座標系で表現され、前記予測木に含まれる複数の三次元点は、前記第1フレームの第1三次元領域に含まれる第2三次元領域に含まれ、前記ビットストリームは、さらに、前記第2三次元領域の位置及びサイズを示す領域情報を含んでもよい。
また、本開示の一態様に係る三次元データ符号化装置は、プロセッサと、メモリと、を備え、前記プロセッサは、前記メモリを用いて、複数の三次元点のうち符号化対象点を、前記符号化対象点が含まれる予測木を含む第1フレームとは異なる第2フレームに含まれる三次元点を参照して符号化して符号化データを生成し、前記符号化データを含むビットストリームを生成し、前記第2フレームに含まれる複数の三次元点は、符号化済みであり、前記符号化では、前記予測木に対応づけられた動き補償情報に基づいて前記第2フレームに含まれる複数の三次元点のうちの少なくとも一部を参照して、前記符号化対象点を符号化し、前記ビットストリームは、前記動き補償情報を含む。
これによれば、動き補償情報に基づいて、符号化対象点を符号化するために参照する少なくとも一部の複数の三次元点を決定するため、符号化効率を向上させることができる。
また、本開示の一態様に係る三次元データ復号装置は、プロセッサと、メモリと、を備え、前記プロセッサは、前記メモリを用いて、第1フレームの予測木に含まれる符号化対象点が符号化された符号化データと、動き補償情報とを含むビットストリームを取得し、前記動き補償情報を用いて、前記第1フレームとは異なる第2フレームに含まれる複数の三次元点のうちの少なくとも一部を特定し、前記符号化データを復号して得られた復号結果と、前記少なくとも一部とを用いて、前記符号化対象点を算出し、前記第2フレームに含まれる複数の三次元点は、復号済みであり、前記動き補償情報は、前記予測木と、前記第2フレームに含まれる複数の三次元点のうちの少なくとも一部とを対応付ける情報である。
これによれば、ビットストリームに示される動き補償情報を用いて符号化された符号化対象点を復号するために参照する少なくとも一部の複数の三次元点を決定するため、符号化された符号化対象点を適切に復号することができる。
なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なCD-ROMなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
以下、実施の形態について、図面を参照しながら具体的に説明する。なお、以下で説明する実施の形態は、いずれも本開示の一具体例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
(実施の形態1)
ポイントクラウドの符号化データを実際の装置又はサービスにおいて使用する際には、ネットワーク帯域を抑制するために用途に応じて必要な情報を送受信することが望ましい。しかしながら、これまで、三次元データの符号化構造にはそのような機能が存在せず、そのための符号化方法も存在しなかった。
ポイントクラウドの符号化データを実際の装置又はサービスにおいて使用する際には、ネットワーク帯域を抑制するために用途に応じて必要な情報を送受信することが望ましい。しかしながら、これまで、三次元データの符号化構造にはそのような機能が存在せず、そのための符号化方法も存在しなかった。
本実施の形態では、三次元のポイントクラウドの符号化データにおいて用途に応じて必要な情報を送受信する機能を提供するための三次元データ符号化方法及び三次元データ符号化装置、並びに、当該符号化データを復号する三次元データ復号方法及び三次元データ復号装置、並びに、当該符号化データを多重化する三次元データ多重化方法、並びに、当該符号化データを伝送する三次元データ伝送方法について説明する。
特に、現在、点群データの符号化方法(符号化方式)として第1の符号化方法、及び第2の符号化方法が検討されているが、符号化データの構成、及び符号化データをシステムフォーマットへ格納する方法が定義されておらず、このままでは符号化部におけるMUX処理(多重化)、又は、伝送或いは蓄積ができないという課題がある。
また、PCC(Point Cloud Compression)のように、第1の符号化方法と第2の符号化方法の2つのコーデックが混在するフォーマットをサポートする方法はこれまで存在しない。
本実施の形態では、第1の符号化方法と第2の符号化方法の2つのコーデックが混在するPCC符号化データの構成、及び符号化データをシステムフォーマットへ格納する方法について説明する。
まず、本実施の形態に係る三次元データ(点群データ)符号化復号システムの構成を説明する。図1は、本実施の形態に係る三次元データ符号化復号システムの構成例を示す図である。図1に示すように、三次元データ符号化復号システムは、三次元データ符号化システム4601と、三次元データ復号システム4602と、センサ端末4603と、外部接続部4604とを含む。
三次元データ符号化システム4601は、三次元データである点群データを符号化することで符号化データ又は多重化データを生成する。なお、三次元データ符号化システム4601は、単一の装置により実現される三次元データ符号化装置であってもよいし、複数の装置により実現されるシステムであってもよい。また、三次元データ符号化装置は、三次元データ符号化システム4601に含まれる複数の処理部のうち一部を含んでもよい。
三次元データ符号化システム4601は、点群データ生成システム4611と、提示部4612と、符号化部4613と、多重化部4614と、入出力部4615と、制御部4616とを含む。点群データ生成システム4611は、センサ情報取得部4617と、点群データ生成部4618とを含む。
センサ情報取得部4617は、センサ端末4603からセンサ情報を取得し、センサ情報を点群データ生成部4618に出力する。点群データ生成部4618は、センサ情報から点群データを生成し、点群データを符号化部4613へ出力する。
提示部4612は、センサ情報又は点群データをユーザに提示する。例えば、提示部4612は、センサ情報又は点群データに基づく情報又は画像を表示する。
符号化部4613は、点群データを符号化(圧縮)し、得られた符号化データと、符号化過程において得られた制御情報と、その他の付加情報とを多重化部4614へ出力する。付加情報は、例えば、センサ情報を含む。
多重化部4614は、符号化部4613から入力された符号化データと、制御情報と、付加情報とを多重することで多重化データを生成する。多重化データのフォーマットは、例えば蓄積のためのファイルフォーマット、又は伝送のためのパケットフォーマットである。
入出力部4615(例えば、通信部又はインタフェース)は、多重化データを外部へ出力する。または、多重化データは、内部メモリ等の蓄積部に蓄積される。制御部4616(またはアプリ実行部)は、各処理部を制御する。つまり、制御部4616は、符号化及び多重化等の制御を行う。
なお、センサ情報が符号化部4613又は多重化部4614へ入力されてもよい。また、入出力部4615は、点群データ又は符号化データをそのまま外部へ出力してもよい。
三次元データ符号化システム4601から出力された伝送信号(多重化データ)は、外部接続部4604を介して、三次元データ復号システム4602に入力される。
三次元データ復号システム4602は、符号化データ又は多重化データを復号することで三次元データである点群データを生成する。なお、三次元データ復号システム4602は、単一の装置により実現される三次元データ復号装置であってもよいし、複数の装置により実現されるシステムであってもよい。また、三次元データ復号装置は、三次元データ復号システム4602に含まれる複数の処理部のうち一部を含んでもよい。
三次元データ復号システム4602は、センサ情報取得部4621と、入出力部4622と、逆多重化部4623と、復号部4624と、提示部4625と、ユーザインタフェース4626と、制御部4627とを含む。
センサ情報取得部4621は、センサ端末4603からセンサ情報を取得する。
入出力部4622は、伝送信号を取得し、伝送信号から多重化データ(ファイルフォーマット又はパケット)を復号し、多重化データを逆多重化部4623へ出力する。
逆多重化部4623は、多重化データから符号化データ、制御情報及び付加情報を取得し、符号化データ、制御情報及び付加情報を復号部4624へ出力する。
復号部4624は、符号化データを復号することで点群データを再構成する。
提示部4625は、点群データをユーザに提示する。例えば、提示部4625は、点群データに基づく情報又は画像を表示する。ユーザインタフェース4626は、ユーザの操作に基づく指示を取得する。制御部4627(またはアプリ実行部)は、各処理部を制御する。つまり、制御部4627は、逆多重化、復号及び提示等の制御を行う。
なお、入出力部4622は、点群データ又は符号化データをそのまま外部から取得してもよい。また、提示部4625は、センサ情報などの付加情報を取得し、付加情報に基づいた情報を提示してもよい。また、提示部4625は、ユーザインタフェース4626で取得されたユーザの指示に基づき、提示を行ってもよい。
センサ端末4603は、センサで得られた情報であるセンサ情報を生成する。センサ端末4603は、センサ又はカメラを搭載した端末であり、例えば、自動車などの移動体、飛行機などの飛行物体、携帯端末、又はカメラなどがある。
センサ端末4603で取得可能なセンサ情報は、例えば、(1)LIDAR、ミリ波レーダ、又は赤外線センサから得られる、センサ端末4603と対象物との距離、又は対象物の反射率、(2)複数の単眼カメラ画像又はステレオカメラ画像から得られるカメラと対象物との距離又は対象物の反射率等である。また、センサ情報は、センサの姿勢、向き、ジャイロ(角速度)、位置(GPS情報又は高度)、速度、又は加速度等を含んでもよい。また、センサ情報は、気温、気圧、湿度、又は磁気等を含んでもよい。
外部接続部4604は、集積回路(LSI又はIC)、外部蓄積部、インターネットを介したクラウドサーバとの通信、又は、放送等により実現される。
次に、点群データについて説明する。図2は、点群データの構成を示す図である。図3は、点群データの情報が記述されたデータファイルの構成例を示す図である。
点群データは、複数の点のデータを含む。各点のデータは、位置情報(三次元座標)、及びその位置情報に対する属性情報とを含む。この点が複数集まったものを点群と呼ぶ。例えば、点群は対象物(オブジェクト)の三次元形状を示す。
三次元座標等の位置情報(Position)をジオメトリ(geometry)と呼ぶこともある。また、各点のデータは、複数の属性種別の属性情報(attribute)を含んでもよい。属性種別は、例えば色又は反射率などである。
1つの位置情報に対して1つの属性情報が対応付けられてもよいし、1つの位置情報に対して複数の異なる属性種別を持つ属性情報が対応付けられてもよい。また、1つの位置情報に対して同じ属性種別の属性情報が複数対応付けられてもよい。
図3に示すデータファイルの構成例は、位置情報と属性情報とが1対1に対応する場合の例であり、点群データを構成するN個の点の位置情報と属性情報とを示している。
位置情報は、例えば、x、y、zの3軸の情報である。属性情報は、例えば、RGBの色情報である。代表的なデータファイルとしてplyファイルなどがある。
次に、点群データの種類について説明する。図4は、点群データの種類を示す図である。図4に示すように、点群データには、静的オブジェクトと、動的オブジェクトとがある。
静的オブジェクトは、任意の時間(ある時刻)の三次元点群データである。動的オブジェクトは、時間的に変化する三次元点群データである。以降、ある時刻の三次元点群データをPCCフレーム、又はフレームと呼ぶ。
オブジェクトは、通常の映像データのように、ある程度領域が制限されている点群であってもよいし、地図情報のように領域が制限されていない大規模点群であってもよい。
また、様々な密度の点群データがあり、疎な点群データと、密な点群データとが存在してもよい。
以下、各処理部の詳細について説明する。センサ情報は、LIDAR或いはレンジファインダなどの距離センサ、ステレオカメラ、又は、複数の単眼カメラの組合せなど様々な方法で取得される。点群データ生成部4618は、センサ情報取得部4617で得られたセンサ情報に基づき点群データを生成する。点群データ生成部4618は、点群データとして、位置情報を生成し、位置情報に、当該位置情報に対する属性情報を付加する。
点群データ生成部4618は、位置情報の生成又は属性情報の付加の際に、点群データを加工してもよい。例えば、点群データ生成部4618は、位置が重複する点群を削除することでデータ量を減らしてもよい。また、点群データ生成部4618は、位置情報を変換(位置シフト、回転又は正規化など)してもよいし、属性情報をレンダリングしてもよい。
なお、図1では、点群データ生成システム4611は、三次元データ符号化システム4601に含まれるが、三次元データ符号化システム4601の外部に独立して設けられてもよい。
符号化部4613は、点群データを予め規定された符号化方法に基づき符号化することで符号化データを生成する。符号化方法には大きく以下の2種類がある。一つ目は、位置情報を用いた符号化方法であり、この符号化方法を、以降、第1の符号化方法と記載する。二つ目は、ビデオコーデックを用いた符号化方法であり、この符号化方法を、以降、第2の符号化方法と記載する。
復号部4624は、符号化データを予め規定された符号化方法に基づき復号することで点群データを復号する。
多重化部4614は、符号化データを、既存の多重化方式を用いて多重化することで多重化データを生成する。生成された多重化データは、伝送又は蓄積される。多重化部4614は、PCC符号化データの他に、映像、音声、字幕、アプリケーション、ファイルなどの他のメディア、又は基準時刻情報を多重化する。また、多重化部4614は、さらに、センサ情報又は点群データに関連する属性情報を多重してもよい。
多重化方式又はファイルフォーマットとしては、ISOBMFF、ISOBMFFベースの伝送方式であるMPEG-DASH、MMT、MPEG-2 TS Systems、RMPなどがある。
逆多重化部4623は、多重化データからPCC符号化データ、その他のメディア、及び時刻情報などを抽出する。
入出力部4615は、多重化データを、放送又は通信など、伝送する媒体又は蓄積する媒体にあわせた方法を用いて伝送する。入出力部4615は、インターネット経由で他のデバイスと通信してもよいし、クラウドサーバなどの蓄積部と通信してもよい。
通信プロトコルとしては、http、ftp、TCP又はUDPなどが用いられる。PULL型の通信方式が用いられてもよいし、PUSH型の通信方式が用いられてもよい。
有線伝送及び無線伝送のいずれが用いられてもよい。有線伝送としては、Ethernet(登録商標)、USB、RS-232C、HDMI(登録商標)、又は同軸ケーブルなどが用いられる。無線伝送としては、無線LAN、Wi-Fi(登録商標)、Bluetooth(登録商標)又はミリ波などが用いられる。
また、放送方式としては、例えばDVB-T2、DVB-S2、DVB-C2、ATSC3.0、又はISDB-S3などが用いられる。
図5は、第1の符号化方法の符号化を行う符号化部4613の例である第1の符号化部4630の構成を示す図である。図6は、第1の符号化部4630のブロック図である。第1の符号化部4630は、点群データを第1の符号化方法で符号化することで符号化データ(符号化ストリーム)を生成する。この第1の符号化部4630は、位置情報符号化部4631と、属性情報符号化部4632と、付加情報符号化部4633と、多重化部4634とを含む。
第1の符号化部4630は、三次元構造を意識して符号化を行うという特徴を有する。また、第1の符号化部4630は、属性情報符号化部4632が、位置情報符号化部4631から得られる情報を用いて符号を行うという特徴を有する。第1の符号化方法は、GPCC(Geometry based PCC)とも呼ばれる。
点群データは、PLYファイルのようなPCC点群データ、又は、センサ情報から生成されたPCC点群データであり、位置情報(Position)、属性情報(Attribute)、及びその他の付加情報(MetaData)を含む。位置情報は位置情報符号化部4631に入力され、属性情報は属性情報符号化部4632に入力され、付加情報は付加情報符号化部4633に入力される。
位置情報符号化部4631は、位置情報を符号化することで符号化データである符号化位置情報(Compressed Geometry)を生成する。例えば、位置情報符号化部4631は、8分木等のN分木構造を用いて位置情報を符号化する。具体的には、8分木では、対象空間が8個のノード(サブ空間)に分割され、各ノードに点群が含まれるか否かを示す8ビットの情報(オキュパンシー符号)が生成される。また、点群が含まれるノードは、さらに、8個のノードに分割され、当該8個のノードの各々に点群が含まれるか否かを示す8ビットの情報が生成される。この処理が、予め定められた階層又はノードに含まれる点群の数の閾値以下になるまで繰り返される。
属性情報符号化部4632は、位置情報符号化部4631で生成された構成情報を用いて符号化することで符号化データである符号化属性情報(Compressed Attribute)を生成する。例えば、属性情報符号化部4632は、位置情報符号化部4631で生成された8分木構造に基づき、処理対象の対象点(対象ノード)の符号化において参照する参照点(参照ノード)を決定する。例えば、属性情報符号化部4632は、周辺ノード又は隣接ノードのうち、8分木における親ノードが対象ノードと同一のノードを参照する。なお、参照関係の決定方法はこれに限らない。
また、属性情報の符号化処理は、量子化処理、予測処理、及び算術符号化処理のうち少なくとも一つを含んでもよい。この場合、参照とは、属性情報の予測値の算出に参照ノードを用いること、又は、符号化のパラメータの決定に参照ノードの状態(例えば、参照ノードに点群が含まれる否かを示す占有情報)を用いること、である。例えば、符号化のパラメータとは、量子化処理における量子化パラメータ、又は算術符号化におけるコンテキスト等である。
付加情報符号化部4633は、付加情報のうち、圧縮可能なデータを符号化することで符号化データである符号化付加情報(Compressed MetaData)を生成する。
多重化部4634は、符号化位置情報、符号化属性情報、符号化付加情報及びその他の付加情報を多重化することで符号化データである符号化ストリーム(Compressed Stream)を生成する。生成された符号化ストリームは、図示しないシステムレイヤの処理部へ出力される。
次に、第1の符号化方法の復号を行う復号部4624の例である第1の復号部4640について説明する。図7は、第1の復号部4640の構成を示す図である。図8は、第1の復号部4640のブロック図である。第1の復号部4640は、第1の符号化方法で符号化された符号化データ(符号化ストリーム)を、第1の符号化方法で復号することで点群データを生成する。この第1の復号部4640は、逆多重化部4641と、位置情報復号部4642と、属性情報復号部4643と、付加情報復号部4644とを含む。
図示しないシステムレイヤの処理部から符号化データである符号化ストリーム(Compressed Stream)が第1の復号部4640に入力される。
逆多重化部4641は、符号化データから、符号化位置情報(Compressed Geometry)、符号化属性情報(Compressed Attribute)、符号化付加情報(Compressed MetaData)、及び、その他の付加情報を分離する。
位置情報復号部4642は、符号化位置情報を復号することで位置情報を生成する。例えば、位置情報復号部4642は、8分木等のN分木構造で表される符号化位置情報から三次元座標で表される点群の位置情報を復元する。
属性情報復号部4643は、位置情報復号部4642で生成された構成情報に基づき、符号化属性情報を復号する。例えば、属性情報復号部4643は、位置情報復号部4642で得られた8分木構造に基づき、処理対象の対象点(対象ノード)の復号において参照する参照点(参照ノード)を決定する。例えば、属性情報復号部4643は、周辺ノード又は隣接ノードのうち、8分木における親ノードが対象ノードと同一のノードを参照する。なお、参照関係の決定方法はこれに限らない。
また、属性情報の復号処理は、逆量子化処理、予測処理、及び算術復号処理のうち少なくとも一つを含んでもよい。この場合、参照とは、属性情報の予測値の算出に参照ノードを用いること、又は、復号のパラメータの決定に参照ノードの状態(例えば、参照ノードに点群が含まれる否かを示す占有情報)を用いること、である。例えば、復号のパラメータとは、逆量子化処理における量子化パラメータ、又は算術復号におけるコンテキスト等である。
付加情報復号部4644は、符号化付加情報を復号することで付加情報を生成する。また、第1の復号部4640は、位置情報及び属性情報の復号処理に必要な付加情報を復号時に使用し、アプリケーションに必要な付加情報を外部に出力する。
次に、位置情報符号化部の構成例を説明する。図9は、本実施の形態に係る位置情報符号化部2700のブロック図である。位置情報符号化部2700は、8分木生成部2701と、幾何情報算出部2702と、符号化テーブル選択部2703と、エントロピー符号化部2704とを備える。
8分木生成部2701は、入力された位置情報から、例えば8分木を生成し、8分木の各ノードのオキュパンシー符号を生成する。幾何情報算出部2702は、対象ノードの隣接ノードが占有ノードか否かを示す情報を取得する。例えば、幾何情報算出部2702は、対象ノードが所属する親ノードのオキュパンシー符号から隣接ノードの占有情報(隣接ノードが占有ノードであるか否かを示す情報)を算出する。また、幾何情報算出部2702は、符号化済みのノードをリストに保存しておき、そのリスト内から隣接ノードを探索してもよい。なお、幾何情報算出部2702は、対象ノードの親ノード内の位置に応じて隣接ノードを切替えてもよい。
符号化テーブル選択部2703は、幾何情報算出部2702で算出された隣接ノードの占有情報を用いて対象ノードのエントロピー符号化に用いる符号化テーブルを選択する。例えば、符号化テーブル選択部2703は、隣接ノードの占有情報を用いてビット列を生成し、そのビット列から生成されるインデックス番号の符号化テーブルを選択してもよい。
エントロピー符号化部2704は、選択されたインデックス番号の符号化テーブルを用いて対象ノードのオキュパンシー符号にエントロピー符号化を行うことで符号化位置情報及びメタデータを生成する。エントロピー符号化部2704は、選択された符号化テーブルを示す情報を符号化位置情報に付加してもよい。
以下、8分木表現と位置情報のスキャン順について説明する。位置情報(位置データ)は8分木構造に変換(8分木化)された後、符号化される。8分木構造はノードとリーフとで構成される。各ノードは8つのノード又はリーフを持ち、各リーフはボクセル(VXL)情報を持つ。図10は、複数のボクセルを含む位置情報の構造例を示す図である。図11は、図10に示す位置情報を8分木構造に変換した例を示す図である。ここで、図11に示すリーフのうち、リーフ1、2、3はそれぞれ図10に示すボクセルVXL1、VXL2、VXL3を表し、点群を含むVXL(以下、有効VXL)を表現している。
具体的には、ノード1は、図10の位置情報を包含する全体空間に対応する。ノード1に対応する全体空間は8つのノードに分割され、8つのノードのうち、有効VXLを含むノードが、さらに8つのノードまたはリーフに分割され、この処理が木構造の階層分繰り返される。ここで、各ノードはサブ空間に対応し、ノード情報として分割後のどの位置に次のノードまたはリーフを持つかを示す情報(オキュパンシー符号)を持つ。また、最下層のブロックはリーフに設定され、リーフ情報としてリーフ内に含まれる点群数などが保持される。
次に、位置情報復号部の構成例を説明する。図12は、本実施の形態に係る位置情報復号部2710のブロック図である。位置情報復号部2710は、8分木生成部2711と、幾何情報算出部2712と、符号化テーブル選択部2713と、エントロピー復号部2714とを備える。
8分木生成部2711は、ビットストリームのヘッダ情報又はメタデータ等を用いて、ある空間(ノード)の8分木を生成する。例えば、8分木生成部2711は、ヘッダ情報に付加されたある空間のx軸、y軸、z軸方向の大きさを用いて大空間(ルートノード)を生成し、その空間をx軸、y軸、z軸方向にそれぞれ2分割することで8個の小空間A(ノードA0~A7)を生成することで8分木を生成する。また、対象ノードとしてノードA0~A7が順に設定される。
幾何情報算出部2712は、対象ノードの隣接ノードが占有ノードであるか否かを示す占有情報を取得する。例えば、幾何情報算出部2712は、対象ノードが所属する親ノードのオキュパンシー符号から隣接ノードの占有情報を算出する。また、幾何情報算出部2712は、復号済みのノードをリストに保存しておき、そのリスト内から隣接ノードを探索してもよい。なお、幾何情報算出部2712は、対象ノードの親ノード内の位置に応じて隣接ノードを切替えてもよい。
符号化テーブル選択部2713は、幾何情報算出部2712で算出された隣接ノードの占有情報を用いて対象ノードのエントロピー復号に用いる符号化テーブル(復号テーブル)を選択する。例えば、符号化テーブル選択部2713は、隣接ノードの占有情報を用いてビット列を生成し、そのビット列から生成されるインデックス番号の符号化テーブルを選択してもよい。
エントロピー復号部2714は、選択された符号化テーブルを用いて対象ノードのオキュパンシー符号をエントロピー復号することで、位置情報を生成する。なお、エントロピー復号部2714は、選択された符号化テーブルの情報をビットストリームから復号して取得し、当該情報で示される符号化テーブルを用いて、対象ノードのオキュパンシー符号をエントロピー復号してもよい。
以下、属性情報符号化部及び属性情報復号部の構成を説明する。図13は属性情報符号化部A100の構成例を示すブロック図である。属性情報符号化部は異なる符号化方法を実行する複数の符号化部を含んでもよい。例えば、属性情報符号化部は、下記の2方式をユースケースに応じて切替えて用いてもよい。
属性情報符号化部A100は、LoD属性情報符号化部A101と、変換属性情報符号化部A102とを含む。LoD属性情報符号化部A101は、三次元点の位置情報を用いて各三次元点を複数階層に分類し、各階層に属する三次元点の属性情報を予測して、その予測残差を符号化する。ここで、分類した各階層をLoD(Level of Detail)と呼ぶ。
変換属性情報符号化部A102は、RAHT(Region Adaptive Hierarchical Transform)を用いて属性情報を符号化する。具体的には、変換属性情報符号化部A102は、三次元点の位置情報を元に各属性情報に対してRAHTまたはHaar変換を適用することで、各階層の高周波成分および低周波数成分を生成し、それらの値を量子化及びエントロピー符号化等を用いて符号化する。
図14は属性情報復号部A110の構成例を示すブロック図である。属性情報復号部は異なる復号方法を実行する複数の復号部を含んでもよい。例えば、属性情報復号部は、下記の2方式をヘッダやメタデータに含まれる情報を元に切替えて復号してもよい。
属性情報復号部A110は、LoD属性情報復号部A111と、変換属性情報復号部A112とを含む。LoD属性情報復号部A111は、三次元点の位置情報を用いて各三次元点を複数階層に分類し、各階層に属する三次元点の属性情報を予測しながら属性値を復号する。
変換属性情報復号部A112は、RAHT(Region Adaptive Hierarchical Transform)を用いて属性情報を復号する。具体的には、変換属性情報復号部A112は、三次元点の位置情報を元に各属性値の高周波成分および低周波成分に対して、inverse RAHTまたはinverse Haar変換を適用することで属性値を復号する。
図15は、LoD属性情報符号化部A101の一例である属性情報符号化部3140の構成を示すブロック図である。
属性情報符号化部3140は、LoD生成部3141と、周囲探索部3142と、予測部3143と、予測残差算出部3144と、量子化部3145と、算術符号化部3146と、逆量子化部3147と、復号値生成部3148と、メモリ3149と、を含む。
LoD生成部3141は、三次元点の位置情報を用いてLoDを生成する。
周囲探索部3142は、LoD生成部3141によるLoDの生成結果と各三次元点間の距離を示す距離情報とを用いて、各三次元点に隣接する近隣三次元点を探索する。
予測部3143は、符号化対象の対象三次元点の属性情報の予測値を生成する。
予測残差算出部3144は、予測部3143により生成された属性情報の予測値の予測残差を算出(生成)する。
量子化部3145は、予測残差算出部3144により算出された属性情報の予測残差を量子化する。
算術符号化部3146は、量子化部3145により量子化された後の予測残差を算術符号化する。算術符号化部3146は、算術符号化した予測残差を含むビットストリームを、例えば、三次元データ復号装置に出力する。
なお、予測残差は、算術符号化部3146によって算術符号化される前に、例えば量子化部3145によって二値化されてもよい。
また、例えば、算術符号化部3146は、算術符号化に用いる符号化テーブルを算術符号化前に初期化してもよい。算術符号化部3146は、算術符号化に用いる符号化テーブルを、層毎に初期化してもよい。また、算術符号化部3146は、符号化テーブルを初期化した層の位置を示す情報をビットストリームに含めて出力してもよい。
逆量子化部3147は、量子化部3145によって量子化された後の予測残差を逆量子化する。
復号値生成部3148は、予測部3143により生成された属性情報の予測値と、逆量子化部3147により逆量子化された後の予測残差とを加算することで復号値を生成する。
メモリ3149は、復号値生成部3148により復号された各三次元点の属性情報の復号値を記憶するメモリである。例えば、予測部3143は、まだ符号化していない三次元点の予測値を生成する場合に、メモリ3149に記憶されている各三次元点の属性情報の復号値を利用して予測値を生成する。
図16は、変換属性情報符号化部A102の一例である属性情報符号化部6600のブロック図である。属性情報符号化部6600は、ソート部6601と、Haar変換部6602と、量子化部6603と、逆量子化部6604と、逆Haar変換部6605と、メモリ6606と、算術符号化部6607とを備える。
ソート部6601は、三次元点の位置情報を用いてモートン符号を生成し、複数の三次元点をモートン符号順にソートする。Haar変換部6602は、属性情報にHaar変換を適用することで符号化係数を生成する。量子化部6603は、属性情報の符号化係数を量子化する。
逆量子化部6604は、量子化後の符号化係数を逆量子化する。逆Haar変換部6605は、符号化係数に逆Haar変換を適用する。メモリ6606は、復号済みの複数の三次元点の属性情報の値を記憶する。例えば、メモリ6606に記憶される復号済みの三次元点の属性情報は、符号化されていない三次元点の予測等に利用されてもよい。
算術符号化部6607は、量子化後の符号化係数からZeroCntを算出し、ZeroCntを算術符号化する。また、算術符号化部6607は、量子化後の非ゼロの符号化係数を算術符号化する。算術符号化部6607は、符号化係数を算術符号化前に二値化してもよい。また、算術符号化部6607は、各種ヘッダ情報を生成及び符号化してもよい。
図17は、LoD属性情報復号部A111の一例である属性情報復号部3150の構成を示すブロック図である。
属性情報復号部3150は、LoD生成部3151と、周囲探索部3152と、予測部3153と、算術復号部3154と、逆量子化部3155と、復号値生成部3156と、メモリ3157と、を含む。
LoD生成部3151は、位置情報復号部(図17には不図示)により復号された三次元点の位置情報を用いてLoDを生成する。
周囲探索部3152は、LoD生成部3151によるLoDの生成結果と各三次元点間の距離を示す距離情報とを用いて、各三次元点に隣接する近隣三次元点を探索する。
予測部3153は、復号対象の対象三次元点の属性情報の予測値を生成する。
算術復号部3154は、図15に示す属性情報符号化部3140より取得したビットストリーム内の予測残差を算術復号する。なお、算術復号部3154は、算術復号に用いる復号テーブルを初期化してもよい。算術復号部3154は、図15に示す算術符号化部3146が符号化処理を行った層について、算術復号に用いる復号テーブルを初期化する。算術復号部3154は、算術復号に用いる復号テーブルを層毎に初期化してもよい。また、算術復号部3154は、ビットストリームに含まれる、符号化テーブルを初期化した層の位置を示す情報に基づいて、復号テーブルを初期化してもよい。
逆量子化部3155は、算術復号部3154が算術復号した予測残差を逆量子化する。
復号値生成部3156は、予測部3153により生成された予測値と逆量子化部3155により逆量子化された後の予測残差とを加算して復号値を生成する。復号値生成部3156は、復号された属性情報データを他の装置へ出力する。
メモリ3157は、復号値生成部3156により復号された各三次元点の属性情報の復号値を記憶するメモリである。例えば、予測部3153は、まだ復号していない三次元点の予測値を生成する場合に、メモリ3157に記憶されている各三次元点の属性情報の復号値を利用して予測値を生成する。
図18は、変換属性情報復号部A112の一例である属性情報復号部6610のブロック図である。属性情報復号部6610は、算術復号部6611と、逆量子化部6612と、逆Haar変換部6613と、メモリ6614とを備える。
算術復号部6611は、ビットストリームに含まれるZeroCntと符号化係数を算術復号する。なお、算術復号部6611は、各種ヘッダ情報を復号してもよい。
逆量子化部6612は、算術復号した符号化係数を逆量子化する。逆Haar変換部6613は、逆量子化後の符号化係数に逆Haar変換を適用する。メモリ6614は、復号済みの複数の三次元点の属性情報の値を記憶する。例えば、メモリ6614に記憶される復号済みの三次元点の属性情報は、復号されていない三次元点の予測に利用されてもよい。
次に、第2の符号化方法の符号化を行う符号化部4613の例である第2の符号化部4650について説明する。図19は、第2の符号化部4650の構成を示す図である。図20は、第2の符号化部4650のブロック図である。
第2の符号化部4650は、点群データを第2の符号化方法で符号化することで符号化データ(符号化ストリーム)を生成する。この第2の符号化部4650は、付加情報生成部4651と、位置画像生成部4652と、属性画像生成部4653と、映像符号化部4654と、付加情報符号化部4655と、多重化部4656とを含む。
第2の符号化部4650は、三次元構造を二次元画像に投影することで位置画像及び属性画像を生成し、生成した位置画像及び属性画像を既存の映像符号化方式を用いて符号化するという特徴を有する。第2の符号化方法は、VPCC(Video based PCC)とも呼ばれる。
点群データは、PLYファイルのようなPCC点群データ、又は、センサ情報から生成されたPCC点群データであり、位置情報(Position)、属性情報(Attribute)、及びその他の付加情報MetaData)を含む。
付加情報生成部4651は、三次元構造を二次元画像に投影することで、複数の二次元画像のマップ情報を生成する。
位置画像生成部4652は、位置情報と、付加情報生成部4651で生成されたマップ情報とに基づき、位置画像(Geometry Image)を生成する。この位置画像は、例えば、画素値として距離(Depth)が示される距離画像である。なお、この距離画像は、一つの視点から複数の点群を見た画像(一つの二次元平面に複数の点群を投影した画像)であってもよいし、複数の視点から複数の点群を見た複数の画像であってもよいし、これらの複数の画像を統合した一つの画像であってもよい。
属性画像生成部4653は、属性情報と、付加情報生成部4651で生成されたマップ情報とに基づき、属性画像を生成する。この属性画像は、例えば、画素値として属性情報(例えば色(RGB))が示される画像である。なお、この画像は、一つの視点から複数の点群を見た画像(一つの二次元平面に複数の点群を投影した画像)であってもよいし、複数の視点から複数の点群を見た複数の画像であってもよいし、これらの複数の画像を統合した一つの画像であってもよい。
映像符号化部4654は、位置画像及び属性画像を、映像符号化方式を用いて符号化することで、符号化データである符号化位置画像(Compressed Geometry Image)及び符号化属性画像(Compressed Attribute Image)を生成する。なお、映像符号化方式として、公知の任意の符号化方法が用いられてよい。例えば、映像符号化方式は、AVC又はHEVC等である。
付加情報符号化部4655は、点群データに含まれる付加情報、及びマップ情報等を符号化することで符号化付加情報(Compressed MetaData)を生成する。
多重化部4656は、符号化位置画像、符号化属性画像、符号化付加情報、及び、その他の付加情報を多重化することで符号化データである符号化ストリーム(Compressed Stream)を生成する。生成された符号化ストリームは、図示しないシステムレイヤの処理部へ出力される。
次に、第2の符号化方法の復号を行う復号部4624の例である第2の復号部4660について説明する。図21は、第2の復号部4660の構成を示す図である。図22は、第2の復号部4660のブロック図である。第2の復号部4660は、第2の符号化方法で符号化された符号化データ(符号化ストリーム)を、第2の符号化方法で復号することで点群データを生成する。この第2の復号部4660は、逆多重化部4661と、映像復号部4662と、付加情報復号部4663と、位置情報生成部4664と、属性情報生成部4665とを含む。
図示しないシステムレイヤの処理部から符号化データである符号化ストリーム(Compressed Stream)が第2の復号部4660に入力される。
逆多重化部4661は、符号化データから、符号化位置画像(Compressed Geometry Image)、符号化属性画像(Compressed Attribute Image)、符号化付加情報(Compressed MetaData)、及び、その他の付加情報を分離する。
映像復号部4662は、符号化位置画像及び符号化属性画像を、映像符号化方式を用いて復号することで、位置画像及び属性画像を生成する。なお、映像符号化方式として、公知の任意の符号化方式が用いられてよい。例えば、映像符号化方式は、AVC又はHEVC等である。
付加情報復号部4663は、符号化付加情報を復号することで、マップ情報等を含む付加情報を生成する。
位置情報生成部4664は、位置画像とマップ情報とを用いて位置情報を生成する。属性情報生成部4665は、属性画像とマップ情報とを用いて属性情報を生成する。
第2の復号部4660は、復号に必要な付加情報を復号時に使用し、アプリケーションに必要な付加情報を外部に出力する。
以下、PCC符号化方式における課題を説明する。図23は、PCC符号化データに関わるプロトコルスタックを示す図である。図23には、PCC符号化データに、映像(例えばHEVC)又は音声などの他のメディアのデータを多重し、伝送又は蓄積する例を示す。
多重化方式及びファイルフォーマットは、様々な符号化データを多重し、伝送又は蓄積するための機能を有している。符号化データを伝送又は蓄積するためには、符号化データを多重化方式のフォーマットに変換しなければならない。例えば、HEVCでは、NALユニットと呼ばれるデータ構造に符号化データを格納し、NALユニットをISOBMFFに格納する技術が規定されている。
一方、現在、点群データの符号化方法として第1の符号化方法(Codec1)、及び第2の符号化方法(Codec2)が検討されているが、符号化データの構成、及び符号化データをシステムフォーマットへ格納する方法が定義されておらず、このままでは符号化部におけるMUX処理(多重化)、伝送及び蓄積ができないという課題がある。
なお、以降において、特定の符号化方法の記載がなければ、第1の符号化方法、及び第2の符号化方法のいずれかを示すものとする。
(実施の形態2)
本実施の形態では、上述した第1の符号化部4630、又は第2の符号化部4650で生成される符号化データ(位置情報(Geometry)、属性情報(Attribute)、付加情報(Metadata))の種別、及び付加情報(メタデータ)の生成方法、及び多重化部における多重処理について説明する。なお、付加情報(メタデータ)は、パラメータセット、又は制御情報と表記することもある。
本実施の形態では、上述した第1の符号化部4630、又は第2の符号化部4650で生成される符号化データ(位置情報(Geometry)、属性情報(Attribute)、付加情報(Metadata))の種別、及び付加情報(メタデータ)の生成方法、及び多重化部における多重処理について説明する。なお、付加情報(メタデータ)は、パラメータセット、又は制御情報と表記することもある。
本実施の形態では、図4で説明した動的オブジェクト(時間的に変化する三次元点群データ)を例に説明するが、静的オブジェクト(任意の時刻の三次元点群データ)の場合でも同様の方法を用いてもよい。
図24は、本実施の形態に係る三次元データ符号化装置に含まれる符号化部4801及び多重化部4802の構成を示す図である。符号化部4801は、例えば、上述した第1の符号化部4630又は第2の符号化部4650に対応する。多重化部4802は、上述した多重化部4634又は4656に対応する。
符号化部4801は、複数のPCC(Point Cloud Compression)フレームの点群データを符号化し、複数の位置情報、属性情報及び付加情報の符号化データ(Multiple Compressed Data)を生成する。
多重化部4802は、複数のデータ種別(位置情報、属性情報及び付加情報)のデータをNALユニット化することで、データを復号装置におけるデータアクセスを考慮したデータ構成に変換する。
図25は、符号化部4801で生成される符号化データの構成例を示す図である。図中の矢印は符号化データの復号に係る依存関係を示しており、矢印の元は矢印の先のデータに依存している。つまり、復号装置は、矢印の先のデータを復号し、その復号したデータを用いて矢印の元のデータを復号する。言い換えると、依存するとは、依存元のデータの処理(符号化又は復号等)において依存先のデータが参照(使用)されることを意味する。
まず、位置情報の符号化データの生成処理について説明する。符号化部4801は、各フレームの位置情報を符号化することで、フレーム毎の符号化位置データ(Compressed Geometry Data)を生成する。また、符号化位置データをG(i)で表す。iはフレーム番号、又はフレームの時刻等を示す。
また、符号化部4801は、各フレームに対応する位置パラメータセット(GPS(i))を生成する。位置パラメータセットは、符号化位置データの復号に使用することが可能なパラメータを含む。また、フレーム毎の符号化位置データは、対応する位置パラメータセットに依存する。
また、複数フレームから成る符号化位置データを位置シーケンス(Geometry Sequence)と定義する。符号化部4801は、位置シーケンス内の複数のフレームに対する復号処理に共通に使用するパラメータを格納する位置シーケンスパラメータセット(Geometry Sequence PS:位置SPSとも記す)を生成する。位置シーケンスは、位置SPSに依存する。
次に、属性情報の符号化データの生成処理について説明する。符号化部4801は、各フレームの属性情報を符号化することで、フレーム毎の符号化属性データ(Compressed Attribute Data)を生成する。また、符号化属性データをA(i)で表す。また、図25では、属性Xと属性Yとが存在する例を示しており、属性Xの符号化属性データをAX(i)で表し、属性Yの符号化属性データをAY(i)で表す。
また、符号化部4801は、各フレームに対応する属性パラメータセット(APS(i))を生成する。また、属性Xの属性パラメータセットをAXPS(i)で表し、属性Yの属性パラメータセットをAYPS(i)で表す。属性パラメータセットは、符号化属性情報の復号に使用することが可能なパラメータを含む。符号化属性データは、対応する属性パラメータセットに依存する。
また、複数フレームから成る符号化属性データを属性シーケンス(Attribute Sequence)と定義する。符号化部4801は、属性シーケンス内の複数のフレームに対する復号処理に共通に使用するパラメータを格納する属性シーケンスパラメータセット(Attribute Sequence PS:属性SPSとも記す)を生成する。属性シーケンスは、属性SPSに依存する。
また、第1の符号化方法では、符号化属性データは符号化位置データに依存する。
また、図25では2種類の属性情報(属性Xと属性Y)が存在する場合の例を示している。2種類の属性情報がある場合は、例えば、2つの符号化部により、それぞれのデータ及びメタデータが生成される。また、例えば、属性情報の種類毎に属性シーケンスが定義され、属性情報の種類毎に属性SPSが生成される。
なお、図25では、位置情報が1種類、属性情報が2種類である例を示しているが、これに限らず、属性情報は1種類であってもよいし、3種類以上であってもよい。この場合も、同様の方法で符号化データを生成できる。また、属性情報を持たない点群データの場合は、属性情報はなくてもよい。その場合は、符号化部4801は、属性情報に関連するパラメータセットを生成しなくてもよい。
次に、付加情報(メタデータ)の生成処理について説明する。符号化部4801は、PCCストリーム全体のパラメータセットであるPCCストリームPS(PCC Stream PS:ストリームPSとも記す)を生成する。符号化部4801は、ストリームPSに、1又は複数の位置シーケンス及び1又は複数の属性シーケンスに対する復号処理に共通に使用することができるパラメータを格納する。例えば、ストリームPSには、点群データのコーデックを示す識別情報、及び符号化に使用されたアルゴリズムを示す情報等が含まれる。位置シーケンス及び属性シーケンスはストリームPSに依存する。
次に、アクセスユニット及びGOFについて説明する。本実施の形態では、新たにアクセスユニット(Access Unit:AU)、及びGOF(Group of Frame)の考え方を導入する。
アクセスユニットは、復号時にデータにアクセスするため基本単位であり、1つ以上のデータ及び1つ以上のメタデータで構成される。例えば、アクセスユニットは、同一時刻の位置情報と1又は複数の属性情報とで構成される。GOFは、ランダムアクセス単位であり、1つ以上のアクセスユニットで構成される。
符号化部4801は、アクセスユニットの先頭を示す識別情報として、アクセスユニットヘッダ(AU Header)を生成する。符号化部4801は、アクセスユニットヘッダに、アクセスユニットに係るパラメータを格納する。例えば、アクセスユニットヘッダは、アクセスユニットに含まれる符号化データの構成又は情報を含む。また、アクセスユニットヘッダは、アクセスユニットに含まれるデータに共通に用いられるパラメータ、例えば、符号化データの復号に係るパラメータなどを含む。
なお、符号化部4801は、アクセスユニットヘッダの代わりに、アクセスユニットに係るパラメータを含まないアクセスユニットデリミタを生成してもよい。このアクセスユニットデリミタは、アクセスユニットの先頭を示す識別情報として用いられる。復号装置は、アクセスユニットヘッダ又はアクセスユニットデリミタを検出することにより、アクセスユニットの先頭を識別する。
次に、GOF先頭の識別情報の生成について説明する。符号化部4801は、GOFの先頭を示す識別情報として、GOFヘッダ(GOF Header)を生成する。符号化部4801は、GOFヘッダに、GOFに係るパラメータを格納する。例えば、GOFヘッダは、GOFに含まれる符号化データの構成又は情報を含む。また、GOFヘッダは、GOFに含まれるデータに共通に用いられるパラメータ、例えば、符号化データの復号に係るパラメータなどを含む。
なお、符号化部4801は、GOFヘッダの代わりに、GOFに係るパラメータを含まないGOFデリミタを生成してもよい。このGOFデリミタは、GOFの先頭を示す識別情報として用いられる。復号装置は、GOFヘッダ又はGOFデリミタを検出することにより、GOFの先頭を識別する。
PCC符号化データにおいて、例えば、アクセスユニットはPCCフレーム単位であると定義される。復号装置は、アクセスユニット先頭の識別情報に基づき、PCCフレームにアクセスする。
また、例えば、GOFは1つのランダムアクセス単位であると定義される。復号装置は、GOF先頭の識別情報に基づき、ランダムアクセス単位にアクセスする。例えば、PCCフレームが互いに依存関係がなく、単独で復号可能であれば、PCCフレームをランダムアクセス単位と定義してもよい。
なお、1つのアクセスユニットに2つ以上のPCCフレームが割り当てられてもよいし、1つのGOFに複数のランダムアクセス単位が割り当てられてもよい。
また、符号化部4801は、上記以外のパラメータセット又はメタデータを定義し、生成してもよい。例えば、符号化部4801は、復号時に必ずしも用いない可能性のあるパラメータ(オプションのパラメータ)を格納するSEI(Supplemental Enhancement Information)を生成してもよい。
次に、符号化データの構成、及び符号化データのNALユニットへの格納方法を説明する。
例えば、符号化データの種類毎にデータフォーマットが規定される。図26は、符号化データ及びNALユニットの例を示す図である。
例えば、図26に示すように符号化データは、ヘッダとペイロードとを含む。なお、符号化データは、符号化データ、ヘッダ又はペイロードの長さ(データ量)を示す長さ情報を含んでもよい。また、符号化データは、ヘッダを含まなくてもよい。
ヘッダは、例えば、データを特定するための識別情報を含む。この識別情報は、例えば、データ種別又はフレーム番号を示す。
ヘッダは、例えば、参照関係を示す識別情報を含む。この識別情報は、例えば、データ間に依存関係がある場合にヘッダに格納され、参照元から参照先を参照するための情報である。例えば、参照先のヘッダには、当該データを特定するための識別情報が含まれる。参照元のヘッダには、参照先を示す識別情報が含まれる。
なお、他の情報から参照先又は参照元を識別可能又は導出可能である場合は、データを特定するための識別情報、又は参照関係を示す識別情報を省略してもよい。
多重化部4802は、符号化データを、NALユニットのペイロードに格納する。NALユニットヘッダには、符号化データの識別情報であるpcc_nal_unit_typeが含まれる。図27は、pcc_nal_unit_typeのセマンティクスの例を示す図である。
図27に示すように、pcc_codec_typeがコーデック1(Codec1:第1の符号化方法)である場合、pcc_nal_unit_typeの値0~10は、コーデック1における、符号化位置データ(Geometry)、符号化属性Xデータ(AttributeX)、符号化属性Yデータ(AttributeY)、位置PS(Geom.PS)、属性XPS(AttrX.PS)、属性YPS(AttrX.PS)、位置SPS(Geometry Sequence PS)、属性XSPS(AttributeX Sequence PS)、属性YSPS(AttributeY Sequence PS)、AUヘッダ(AU Header)、GOFヘッダ(GOF Header)に割り当てられる。また、値11以降は、コーデック1の予備に割り当てられる。
pcc_codec_typeがコーデック2(Codec2:第2の符号化方法)である場合、pcc_nal_unit_typeの値0~2は、コーデックのデータA(DataA)、メタデータA(MetaDataA)、メタデータB(MetaDataB)に割り当てられる。また、値3以降は、コーデック2の予備に割り当てられる。
(実施の形態3)
実施の形態3に係る三次元データ符号化方法では、複数の三次元点の位置情報を、当該位置情報に基づいて生成した予測木を用いて符号化する。
実施の形態3に係る三次元データ符号化方法では、複数の三次元点の位置情報を、当該位置情報に基づいて生成した予測木を用いて符号化する。
図28は、実施の形態3に係る、三次元データ符号化方法に用いられる予測木の一例を示す図である。図29は、実施の形態3に係る三次元データ符号化方法の一例を示すフローチャートである。図30は、実施の形態3に係る三次元データ復号方法の一例を示すフローチャートである。
図28及び図29に示されるように、三次元データ符号化方法においては、複数の三次元点を用いて予測木を生成し、その後、予測木の各ノードが含むノード情報を符号化する。これにより、符号化されたノード情報を含むビットストリームが得られる。各ノード情報は、例えば、予測木の1つのノードに関する情報である。各ノード情報は、例えば、1つのノードの位置情報、当該1つのノードのインデックス、当該1つのノードが有する子ノードの数、当該1つのノードの位置情報を符号化するために用いられる予測モード、及び、予測残差を含む。
また、図28及び図30に示される様に、三次元データ復号方法においては、ビットストリームに含まれる符号化された各ノード情報を復号し、その後、予測木を生成しながら位置情報を復号する。
次に、予測木の生成方法について、図31を用いて説明する。
図31は、実施の形態3に係る予測木の生成方法を説明するための図である。
予測木の生成方法では、図31の(a)に示すように、三次元データ符号化装置は、まず、予測木の初期点として点0を追加する。点0の位置情報は、(x0、y0、z0)の3つの要素を含む座標で示される。点0の位置情報は、三軸直交座標系の座標で示されてもよいし、極座標系の座標で示されてもよい。
child_countは、当該child_countが設定されているノードに1つの子ノードが追加される度に+1される。予測木の生成完了後の各ノードのchild_countは、各ノードが有する子ノードの数を示すこととなり、ビットストリームに付加される。pred_modeは、各ノードの位置情報の値を予測するための予測モードを示す。予測モードの詳細は、後述する。
次に、図31の(b)に示すように、三次元データ符号化装置は、点1を予測木に追加する。この際、三次元データ符号化装置は、既に予測木に追加されている点群から点1の最近傍点を探索し、その最近傍点の子ノードとして点1を追加してもよい。点1の位置情報は、(x1、y1、z1)の3つの要素を含む座標で示される。点1の位置情報は、三軸直交座標系の座標で示されてもよいし、極座標系の座標で示されてもよい。図31の場合、点0が点1の最近傍点となり、点0の子ノードとして点1が追加される。そして、三次元データ符号化装置は、点0のchild_countで示される値を1増加させる。
なお、各ノードの位置情報の予測値は、予測木にノードを追加した際に算出されてもよい。例えば、図31の(b)の場合、三次元データ符号化装置は、点1を点0の子ノードとして追加し、点0の位置情報を予測値として算出してもよい。その場合、pred_mode=1と設定されてもよい。pred_modeは、予測モードを示す予測モード情報(予測モード値)である。また、三次元データ符号化装置は、予測値の算出後、点1のresidual_value(予測残差)を算出してもよい。ここで、residual_valueは、各ノードの位置情報からpred_modeで示される予測モードで算出された予測値を引いた差分値である。このように、三次元データ符号化方法では、位置情報そのものではなく、予測値からの差分値を符号化することで符号化効率を向上できる。
次に、図31の(c)に示すように、三次元データ符号化装置は、点2を予測木に追加する。この際、三次元データ符号化装置は、既に予測木に追加されている点群から点2の最近傍点を探索し、その最近傍点の子ノードとして点2を追加してもよい。点2の位置情報は、(x2、y2、z2)の3つの要素を含む座標で示される。点2の位置情報は、三軸直交座標系の座標で示されてもよいし、極座標系の座標で示されてもよい。図31の場合、点1が点2の最近傍点となり、点1の子ノードとして点2が追加される。そして、三次元データ符号化装置は、点1のchild_countで示される値を1増加させる。
次に、図31の(d)に示すように、三次元データ符号化装置は、点3を予測木に追加する。この際、三次元データ符号化装置は、既に予測木に追加されている点群から点3の最近傍点を探索し、その最近傍点の子ノードとして点3を追加してもよい。点3の位置情報は、(x3、y3、z3)の3つの要素を含む座標で示される。点3の位置情報は、三軸直交座標系の座標で示されてもよいし、極座標系の座標で示されてもよい。図31の場合、点0が点3の最近傍点となり、点0の子ノードとして点3が追加される。そして、三次元データ符号化装置は、点0のchild_countで示される値を1増加させる。
このように、三次元データ符号化装置は、全ての点を予測木に追加し、予測木の生成を完了する。予測木の生成が完了すると、最終的にchild_count=0を有するノードが予測木のleafとなる。三次元データ符号化装置は、予測木の生成が完了後、rootのノードからdepth優先順に選択した各ノードのchild_count、pred_mode、及び、residual_valueを符号化する。つまり、三次元データ符号化装置は、depth優先順にノードを選択する場合、選択したノードの次のノードとして、当該選択したノードの1以上の子ノードのうちまだ選択されていない子ノードを選択する。三次元データ符号化装置は、選択したノードに子ノードがない場合、選択したノードの親ノードの未選択の他の子ノードを選択する。
なお、符号化順は、depth優先順に限らずに、例えば幅優先(width first)順でも構わない。三次元データ符号化装置は、幅優先順にノードを選択する場合、選択したノードの次のノードとして、当該選択したノードと同一のdepth(階層)の1以上のノードのうちまだ選択されていないノードを選択する。三次元データ符号化装置は、選択したノードと同一のdepthのノードがない場合、次のdepthの1以上のノードのうちまだ選択されていないノードを選択する。
なお、点0~3は、複数の三次元点の一例である。
なお、上記の三次元データ符号化方法では、child_count、pred_mode、及び、residual_valueを、各点を予測木に追加した際に算出するとしたが、必ずしもこれに限らず、例えば、予測木の生成完了後に、それらを算出してもよい。
複数の三次元点の三次元データ符号化装置への入力順は、入力された三次元点をMorton orderの昇順または降順に並べ替えて、その先頭の三次元点から順に処理してもよい。これにより、三次元データ符号化装置は、処理対象の三次元点の最近傍点を効率よく探索でき、符号化効率を向上できる。また、三次元データ符号化装置は、三次元点を並べ替えずに入力された順に処理してもよい。例えば、三次元データ符号化装置は、複数の三次元点の入力順に分岐の無い予測木を生成してもよい。具体的には、三次元データ符号化装置は、複数の三次元点の入力順において、入力されたの三次元点の次に入力された三次元点を所定の三次元点の子ノードとして追加してもよい。
次に、予測モードの第1の例について、図32を用いて説明する。図32は、実施の形態3に係る予測モードの第1の例を説明するための図である。図32は、予測木の一部を示す図である。
予測モードは、以下に示すとおり、8つ設定されてもよい。例えば、図32に示すように、点cの予測値を算出する場合を例に説明する。予測木では、点cの親ノードは点p0であり、点cの祖父ノードは点p1であり、点cの曾祖父ノードは点p2であることが示されている。なお、点c、点p0、点p1、及び、点p2は、複数の三次元点の一例である。
予測モード値が0である予測モード(以下、予測モード0という)は、予測なしに設定されてもよい。つまり、三次元データ符号化装置は、予測モード0において、入力された点cの位置情報を、当該点cの予測値として算出してもよい。
また、予測モード値が1である予測モード(以下、予測モード1という)は、点p0との差分予測に設定されてもよい。つまり、三次元データ符号化装置は、点cの親ノードである点p0の位置情報を、当該点cの予測値として算出してもよい。
また、予測モード値が2である予測モード(以下、予測モード2という)は、点p0と、点p1とによる線形予測に設定されてもよい。つまり、三次元データ符号化装置は、点cの親ノードである点p0の位置情報と、点cの祖父ノードである点p1の位置情報とを用いた線形予測による予測結果を、点cの予測値として算出してもよい。具体的には、三次元データ符号化装置は、下記の式T1を用いて予測モード2における点cの予測値を算出する。
予測値=2×p0-p1 (式T1)
式T1において、p0は点p0の位置情報を示し、p1は点p1の位置情報を示す。
また、予測モード値が3である予測モード(以下、予測モード3という)は、点p0、点p1及び点p2を用いたParallelogram予測に設定されてもよい。つまり、三次元データ符号化装置は、点cの親ノードである点p0の位置情報と、点cの祖父ノードである点p1の位置情報と、点cの曾祖父ノードである点p2の位置情報とを用いたParallelogram予測による予測結果を、点cの予測値として算出してもよい。具体的には、三次元データ符号化装置は、下記の式T2を用いて予測モード3における点cの予測値を算出する。
予測値=p0+p1-p2 (式T2)
式T2において、p0は点p0の位置情報を示し、p1は点p1の位置情報を示し、p2は点p2の位置情報を示す。
また、予測モード値が4である予測モード(以下、予測モード4という)は、点p1との差分予測に設定されてもよい。つまり、三次元データ符号化装置は、点cの祖父ノードである点p1の位置情報を、当該点cの予測値として算出してもよい。
また、予測モード値が5である予測モード(以下、予測モード5という)は、点p2との差分予測に設定されてもよい。つまり、三次元データ符号化装置は、点cの曾祖父ノードである点p2の位置情報を、当該点cの予測値として算出してもよい。
また、予測モード値が6である予測モード(以下、予測モード6という)は、点p0、点p1、及び、点p2のいずれか2個以上の位置情報の平均に設定されてもよい。つまり、三次元データ符号化装置は、点cの親ノードである点p0の位置情報と、点cの祖父ノードである点p1の位置情報と、点cの曾祖父ノードである点p2の位置情報とのうちの2以上の位置情報の平均値を、点cの予測値として算出してもよい。例えば、三次元データ符号化装置は、点p0の位置情報と、点p1の位置情報とを予測値の算出に用いる場合、次の式T3を用いて予測モード6における点cの予測値を算出する。
予測値=(p0+p1)/2 (式T3)
式T3において、p0は点p0の位置情報を示し、p1は点p1の位置情報を示す。
また、予測モード値が7である予測モード(以下、予測モード7という)は、点p0及び点p1の間の距離d0と、点p2及び点p1の間の距離d1とを用いた非線形予測に設定されてもよい。つまり、三次元データ符号化装置は、距離d0と、距離d1とを用いた非線形予測による予測結果を、点cの予測値として算出してもよい。
なお、各予測モードに割当てる予測方法は、上記例に限らない。また、上記の8つの予測モードと、上記の8つの予測方法とは、上記の組み合わせでなくてもよく、どのような組み合わせであってもよい。例えば、予測モードを算術符号化などのエントロピー符号化を用いて符号化する場合、予測モード0に使用頻度が高い予測方法が割り当てられてもよい。これにより、符号化効率を向上できる。また、三次元データ符号化装置は、符号化処理を進めながら、予測モードの使用頻度に合わせて動的に予測モードの割り当てを変更することで符号化効率を向上させてもよい。三次元データ符号化装置は、例えば、符号化時の各予測モードの使用頻度をカウントし、使用頻度が高い予測方法ほどより小さい値で示される予測モードを割り当ててもよい。これにより符号化効率を向上できる。なお、Mは、予測モードの数を示す予測モード数であり、上記例の場合、予測モードは、予測モード0~7の8つあるため、M=8となる。
三次元データ符号化装置は、三次元点の位置情報(x,y,z)の予測値(px,py,pz)として、符号化対象の三次元点の周囲の三次元点のうち、符号化対象の三次元点に距離が近い三次元点の位置情報を用いて、符号化対象の三次元点の位置情報の算出に用いる予測値を算出してもよい。また、三次元データ符号化装置は、予測モード情報(pred_mode)を三次元点毎に付加し、予測モードに応じて算出される予測値を選択できるようにしてもよい。
例えば、総数がMの予測モードにおいて、予測モード0に最近傍点の三次元点p0の位置情報を割り当て、・・・、予測モードM-1に三次元点p2の位置情報を割り当て、予測に使用した予測モードを三次元点毎にビットストリームに付加することが考えられる。
なお、予測モード数Mは、ビットストリームに付加されても構わない。また、予測モード数Mは、ビットストリームに付加されずに規格のprofile、level等で値が規定されても構わない。また、予測モード数Mは、予測に用いる三次元点数Nから算出された値が用いられても構わない。例えば予測モード数Mは、M=N+1により算出されても構わない。
図33は、実施の形態3に係る、各予測モードにおいて算出される予測値を示すテーブルの第2の例を示す図である。
図33に示されるテーブルは、予測に用いる三次元点数N=4、かつ、予測モード数M=5の場合の例である。
第2の例において、点cの位置情報の予測値は、点p0、点p1、及び、点p2の少なくともいずれか1つの位置情報を用いて算出される。予測モードは、符号化対象の三次元点毎に付加される。予測値は、付加された予測モードに応じた値に算出される。
図34は、実施の形態3に係る、各予測モードにおいて算出される予測値を示すテーブルの第2の例の具体例を示す図である。
三次元データ符号化装置は、例えば、予測モード1を選択し、符号化対象の三次元点の位置情報(x、y、z)を、それぞれ予測値(p0x、p0y、p0z)を用いて符号化してもよい。この場合、選択された予測モード1を示す予測モード値である「1」がビットストリームに付加される。
このように、三次元データ符号化装置は、予測モードの選択において、符号化対象の三次元点の位置情報が含む3つの要素の各要素の予測値を算出するための1つの予測モードとして、3つの要素について共通した予測モードを選択してもよい。
図35は、実施の形態3に係る、各予測モードにおいて算出される予測値を示すテーブルの第3の例を示す図である。
図35に示されるテーブルは、予測に用いる三次元点数N=2、かつ、予測モード数M=5の場合の例である。
第3の例において、点cの位置情報の予測値は、点p0及び点p1の少なくともいずれか1つの位置情報を用いて算出される。予測モードは、符号化対象の三次元点毎に付加される。予測値は、付加された予測モードに応じた値に算出される。
なお、第3の例のように、点cの周囲の点の数(隣接点数)が3個に満たない場合、予測値が未割当てである予測モードは、not availableに設定されてもよい。また、not availableが設定された予測モードが発生した場合、その予測モードには、別の予測方法が割り当てられてもよい。例えば、その予測モードには、予測値として点p2の位置情報が割り当てられてもよい。また、その予測モードには、他の予測モードに割り当てられた予測値が割り当てられてもよい。例えば、not availableが設定された予測モード3に、予測モード4に割り当てられている点p1の位置情報が割り当てられてもよい。その際、予測モード4には、新たに点p2の位置情報が割り当てられてもよい。このように、not availableが設定された予測モードが発生した場合、当該予測モードに新たな予測方法を割り当てることで符号化効率を向上できる。
図36は、位置情報のヘッダのシンタックスの一例を示す図である。図36のシンタックスにおけるNumNeighborPoint、NumPredMode、Thfix、QP、及び、unique_point_per_leafについて順に説明する。
NumNeighborPointは、三次元点の位置情報の予測値の生成に用いる周囲の点数の上限値を示す。周囲の点数MがNumNeighborPointに満たない場合(M<NumNeighborPoint)、予測値の算出処理では、M個の周囲の点数を用いて予測値が算出されてもよい。
NumPredModeは、位置情報の予測に用いる予測モードの総数Mを示す。なお、予測モード数の取りうる値の最大値MaxMは、規格等で値が規定されてもよい。三次元データ符号化装置は、(MaxM-M)の値(0<M<=MaxM)をNumPredModeとしてヘッダに付加し、(MaxM-1)をtruncated unary codeで二値化して符号化しても構わない。また、予測モード数NumPredModeは、ビットストリームに付加されなくてもよく、規格等のprofileまたはlevelで値が規定されても構わない。また、予測モード数は、NumNeighborPoint+NumPredModeで規定されても構わない。
Thfixは、予測モードを固定するか否かを判定するための閾値である。予測に用いる点p1及び点p0の間の距離d0と、点p2及び点p1の間の距離d1とを算出し、その差分絶対値distdiff=|d0-d1|が閾値Thfix[i]より小さければ予測モードがαに固定される。αは、予測モードが線形予測を用いた予測値を算出するための予測モードであり、上記実施の形態では「2」である。なお、Thfixはビットストリームに付加されなくてもよく、規格等のprofileまたはlevelで値が規定されても構わない。
QPは、位置情報を量子化する際に用いる量子化パラメータを示す。三次元データ符号化装置は、量子化パラメータから量子化ステップを算出し、算出した量子化ステップを用いて位置情報を量子化してもよい。
unique_point_per_leafは、ビットストリーム内にduplicated point(位置情報が同じ点)が含まれるか否かを示す情報である。unique_point_per_leaf=1であることは、ビットストリーム内にduplicated pointがないことを示す。unique_point_per_leaf=0であることは、ビットストリーム内にduplicated pointが1つ以上存在することを示す。
なお、本実施の形態では、予測モードを固定するか否かの判断は、距離d0と距離d1との差分絶対値を用いて行われるとしたが、必ずしもこれに限らず、どのような方法で判断しても構わない。例えば、この判断は、点p1及び点p0の間の距離d0を算出し、距離d0が閾値よりも大きい場合、点p1は予測に使えないと判定し、予測モード値を「1」(予測値p0)に固定し、そうでなければ、予測モードを設定するようにしても構わない。これにより、オーバーヘッドを抑えつつ、符号化効率を向上できる。
上記NumNeighborPoint、NumPredMode、Thfix、unique_point_per_leafは、エントロピー符号化されてヘッダに付加されてもよい。例えば各値は、二値化されて算出符号化されてもよい。また、各値は、処理量を抑えるために固定長で符号化されても構わない。
図37は、位置情報のシンタックスの一例を示す図である。図37のシンタックスにおけるNumOfPoint、child_count、pred_mode、及び、residual_value[j]について順に説明する。
NumOfPointは、ビットストリームに含まれる三次元点の総数を示す。
child_countは、i番目の三次元点(node[i])が持つ子ノードの数を示す。
pred_modeは、i番目の三次元点の位置情報を符号化又は復号するための予測モードを示す。pred_modeは、値0からM-1(Mは予測モードの総数)までの値をとる。pred_modeがビットストリームにない場合(条件であるdistdiff >= Thfix[i] &&NumPredMode > 1を満たさない場合)、pred_modeは、固定値αと推定されてもよい。αは、予測モードが線形予測を用いた予測値を算出するための予測モードであり、上記実施の形態では「2」である。なお、αは、「2」に限らずに0からM-1までのいずれかの値が推定値として設定されてもよい。また、pred_modeがビットストリームにない場合の推定値は、別途ヘッダ等に付加されても構わない。また、pred_modeは予測値が割当たった予測モード数を用いてtruncated unary codeで二値化して算術符号化されてもよい。
なお、NumPredMode=1である場合、つまり、予測モード数が1である場合、三次元データ符号化装置は、予測モードを示す予測モード値を符号化せずに、予測モード値を含まないビットストリームを生成してもよい。また、三次元データ復号装置は、予測モード値を含まないビットストリームを取得した場合、予測値の算出において、特定の予測モードの予測値を算出してもよい。特定の予測モードは、予め定められた予測モードである。
residual_value[j]は、位置情報の予測値との間の予測残差の符号化データを示す。residual_value[0]は、位置情報の要素xを示し、residual_value[1]が位置情報の要素yを示し、residual_value[2]が位置情報の要素zを示してもよい。
図38は、位置情報のシンタックスの他の一例を示す図である。図38の例は、図37の例の変形例である。
pred_modeは、図38に示すように、位置情報(x、y、z)の3つの要素毎の予測モードを示していてもよい。つまり、pred_mode[0]は、要素xの予測モードを示し、pred_mode[1]は要素yの予測モードを示し、pred_mode[2]は要素zの予測モードを示す。pred_mode[0]、pred_mode[1]、及び、pred_mode[2]は、ビットストリームに付加されてもよい。
(実施の形態4)
本実施の形態では、点群(ポイントクラウド)の位置情報(8分木)に対するインター予測について説明する。図39は、本実施の形態に係る三次元データ符号化装置12800のブロック図である。なお、図39では、点群の位置情報(ジオメトリ)の符号化に関する処理部を記載しているが、三次元データ符号化装置12800は、点群の属性情報の符号化等を行う処理部等の他の処理部を備えてもよい。インター予測では、符号化済みの点群を参照しつつ符号化対象の点群が符号化される。
本実施の形態では、点群(ポイントクラウド)の位置情報(8分木)に対するインター予測について説明する。図39は、本実施の形態に係る三次元データ符号化装置12800のブロック図である。なお、図39では、点群の位置情報(ジオメトリ)の符号化に関する処理部を記載しているが、三次元データ符号化装置12800は、点群の属性情報の符号化等を行う処理部等の他の処理部を備えてもよい。インター予測では、符号化済みの点群を参照しつつ符号化対象の点群が符号化される。
三次元データ符号化装置12800は、8分木化部12801と、バッファ12802と、エントロピー符号化部12803と、バッファ12804と、バッファ12805と、点群化部12806と、バッファ12807と、動き検出補償部12808と、8分木化部12809と、バッファ12810と、制御部12811とを備える。
8分木化部12801は、入力された符号化対象の点群のデータである対象点群を、8分木(Octree)表現に変換することで、対象点群の位置情報を8分木で表現した対象8分木を生成する。なお、入力された対象点群では、点群の位置は例えば三次元座標(例えばx、y、z)で表現される。バッファ12802は、生成された対象8分木を保持する。また、8分木は、複数のノード(分岐点)で構成され、各ノードの情報は、当該ノードの8個の子ノードの各々が三次元点を含むか否かを示す8ビットのオキュパンシー符号を含む。例えば、バッファ12802は、8分木(対象点群)毎に保持するデータを初期化してもよい。
エントロピー符号化部12803は、ノード毎の情報(例えばオキュパンシー符号)をエントロピー符号化することでビットストリームを生成する。なお、このエントロピー符号化では、対象点群内の符号化済みノード(イントラ参照ノード)の情報又は符号化済み点群内のノード(インター参照ノード)の情報に基づいて確率パラメータ(符号化テーブル又は確率テーブルとも呼ぶ)が制御される。
バッファ12804は、対象ノードの情報(例えばオキュパンシー符号)をイントラ参照ノード(符号化済みノード)として保持する。例えば、バッファ12804は、8分木(対象点群)毎に保持するデータを初期化してもよい。
バッファ12805は、対象ノードの情報(例えばオキュパンシー符号)を保持する。また、バッファ12805は、8分木単位の対象ノードの情報を符号化済み8分木として保持する。例えば、バッファ12805は、8分木(対象点群)毎に保持するデータを初期化してもよい。
点群化部12806は、符号化済み8分木を点群に変換することでインター参照点群(符号化済み点群)を生成する。バッファ12807は、インター参照点群を保持する。つまり、バッファ12807は、符号化済みの1又は複数の点群である複数のインター参照点群を保持する。
動き検出補償部12808は、インター参照点群と対象点群との変位を検出(動き検出)し、検出した変位に基づきインター参照点群を補正(動き補償)することで、位置合わせ後のインター参照点群である位置合わせ後点群を生成する。
8分木化部12809は、位置合わせ後点群を8分木表現に変換することで、位置合わせ後点群の位置情報を8分木で表現したインター参照8分木を生成する。バッファ12810は、生成されたインター参照8分木を保持する。また、例えば、バッファ12810は、8分木(対象点群)毎に保持するデータを初期化してもよい。
また、三次元データ符号化装置12800は、動き検出及び動き補償を、フレーム又は8分木単位で行ってもよいし、ノード(点)毎に行ってもよい。また、三次元データ符号化装置12800は、動きベクトルなどの動き補償に関する情報を、フレーム又は8分木のヘッダ部に記載してもよいし、当該情報をエントロピー符号化したうえでノード情報のヘッダ部に記載してもよい。
また、インター参照点群は、符号化対象のフレームと異なる符号化済みのフレームに含まれる点群であってもよいし、符号化対象のフレームと同じフレームに含まれる符号化済みの点群であってもよい。
制御部12811は、バッファ12804に格納されているイントラ参照ノード、又は、バッファ12810に格納されているインター参照8分木に含まれるインター参照ノードを用いて、エントロピー符号化部12803が、対象ノードのエントロピー符号化(算術符号化)に用いる確率パラメータを制御する。なお、イントラ参照ノードを用いた確率パラメータの制御(以下、イントラ参照と呼ぶ)が用いられるか、インター参照ノードを用いた確率パラメータの制御(以下、インター参照と呼ぶ)が用いられるかは、例えば、フレーム又は点群単位で予め定められていてもよいし、任意の方法により決定されてもよい。例えば、実際の符号量が試算され、符号量が少なくなる参照方法(イントラ参照又はインター参照)が選択されてもよい。
例えば、イントラ参照が用いられる場合には、対象ノードの複数の隣接ノード(イントラ参照ノード)の占有状態(ノードに点が含まれるか否か)に基づき、複数の確率パラメータから確率パラメータが選択される。また、インター参照が用いられる場合には、インター参照8分木に含まれる、対象ノード及び複数の隣接ノードの少なくとも一つと同じ位置のノード(インター参照ノード)の占有状態に基づき、複数の確率パラメータから確率パラメータが選択される。なお、インター参照が選択された場合、インター参照とイントラ参照を組み合わせて確率パラメータが制御されてもよい。また、複数の確率パラメータは、発生頻度に応じて更新される確率パラメータを含んでもよいし、固定値を含んでもよい。
このように、三次元データ符号化装置12800は、イントラ参照ノードの情報に加えてインター参照ノードの情報にも基づいてエントロピー符号化の確率パラメータを制御することで、対象ノードの情報の生起確率の予測精度を向上できる。よって、符号化効率を向上できる可能性がある。
なお、三次元データ符号化装置12800は、常にインター参照点群を参照する必要はなく、所定の時間間隔(例えば1秒毎など)、所定のフレーム間隔(例えば30フレーム毎など)、又は三次元データ復号装置へ通知する任意のタイミングなどで、インター参照点群を格納しているバッファ12807をクリアするなどして、対象点群の情報のみに基づいて対象点群を符号化してもよい。これにより、三次元データ復号装置において、ビットストリームの先頭以外の、インター参照点群を参照していない点群からの飛び込み再生開始が可能になる。よって、ビットストリームのランダムアクセス性及びエラー耐性を向上できる可能性がある。
図40は、本実施の形態に係る三次元データ復号装置12820のブロック図である。なお、図40では、点群の位置情報(ジオメトリ)の復号に関する処理部を記載しているが、三次元データ復号装置12820は、点群の属性情報の復号等を行う処理部等の他の処理部を備えてもよい。三次元データ復号装置12820は、符号化済みの点群を参照しつつ符号化されたビットストリームから点群を復号するインター予測復号を行う。例えば、三次元データ復号装置12820は、図39に示す三次元データ符号化装置12800で生成されたビットストリームを復号する。
三次元データ復号装置12820は、エントロピー復号部12821と、バッファ12822と、バッファ12823と、点群化部12824と、バッファ12825と、動き補償部12826と、8分木化部12827と、バッファ12828と、制御部12829とを備える。
エントロピー復号部12821は、入力されたビットストリームを、8分木の分岐点(ノード)毎にエントロピー復号することで復号ノードの情報(例えばオキュパンシー符号)を生成する。なお、このエントロピー復号では、対象点群内の復号済みノード(イントラ参照ノード)の情報又は復号済み点群内のノード(インター参照ノード)の情報に基づいて確率パラメータ(符号化テーブル又は確率テーブルとも呼ぶ)が制御される。
バッファ12822は、生成された復号ノードの情報をイントラ参照ノード(復号済みノード)として保持する。例えば、バッファ12822は、8分木(復号点群)毎に保持するデータを初期化してもよい。
バッファ12823は、復号ノードの情報(例えばオキュパンシー符号)を保持する。また、バッファ12823は、8分木単位の復号ノードの情報を復号8分木として保持する。例えば、バッファ12823は、8分木(復号点群)毎に保持するデータを初期化してもよい。点群化部12824は、復号8分木を点群に変換することで復号点群を生成する。
バッファ12825は、復号点群をインター参照点群として保持する。動き補償部12826は、インター参照点群と復号対象の点群との変位を補正(動き補償)することで、位置合わせ後のインター参照点群である位置合わせ後点群を生成する。例えば、動き補償部12826は、動きベクトルなどの動き補償に関する情報を、フレーム或いは8分木のヘッダ部、又は、ノードの情報のヘッダ部などから取得し、取得した情報を用いて動き補償を行う。
8分木化部12827は、位置合わせ後点群を8分木表現に変換することで、位置合わせ後点群の位置情報を8分木で表現したインター参照8分木を生成する。バッファ12828は、生成されたインター参照8分木を保持する。また、例えば、バッファ12828は、8分木(復号点群)毎に保持するデータを初期化してもよい。
また、三次元データ復号装置12820は、動き補償を、フレーム又は8分木単位で行ってもよいし、ノード(点)毎に行ってもよい。
また、インター参照点群は、復号対象のフレームと異なる復号済みのフレームに含まれる点群であってもよいし、復号対象のフレームと同じフレームに含まれる復号済みの点群であってもよい。
制御部12829は、バッファ12822に格納されているイントラ参照ノード、又は、バッファ12828に格納されているインター参照8分木に含まれるインター参照ノードを用いて、エントロピー復号部12821が、対象ノードのエントロピー復号(算術復号)に用いる確率パラメータを制御する。なお、イントラ参照が用いられるか、インター参照が用いられるかは、例えば、ビットストリームに含まれる制御情報に基づき決定されてもよいし、フレーム又は点群単位で予め定められていてもよいし、任意の方法により決定されてもよい。
例えば、イントラ参照が用いられる場合には、対象ノードの複数の隣接ノード(イントラ参照ノード)の占有状態(ノードに点が含まれるか否か)に基づき、確率パラメータが選択される。また、インター参照が用いられる場合には、インター参照8分木に含まれる、対象ノード及び複数の隣接ノードの少なくとも一つと同じ位置のノード(インター参照ノード)の占有状態に基づき、確率パラメータが選択される。なお、インター参照が選択された場合、インター参照とイントラ参照を組み合わせて確率パラメータが制御されてもよい。
このように、三次元データ復号装置12820は、イントラ参照ノードの情報に加えてインター参照ノードの情報にも基づいてエントロピー復号の確率パラメータを制御することで、符号化済みの点群を参照しつつ符号化されたビットストリーム(例えば、図39に示す三次元データ符号化装置12800から出力されたビットストリーム)から点群を復号できる。
なお、三次元データ復号装置12820は、常にインター参照点群を参照する必要はなく、三次元データ符号化装置に合わせて、所定の時間間隔(例えば1秒毎など)、所定のフレーム間隔(例えば30フレーム毎など)、又は三次元データ符号化装置から通知された任意のタイミングなどで、インター参照点群を格納しているバッファ12825をクリアするなどして、復号対象点群の情報のみに基づいて復号対象点群を復号してもよい。これにより、三次元データ復号装置12820は、ビットストリームの先頭以外の、インター参照点群を参照していない点群からの飛び込み再生開始を実現できる。
図41は、三次元データ符号化装置12800の変形例である三次元データ符号化装置12800Aのブロック図である。図41に示す三次元データ符号化装置12800Aは、図39に示す三次元データ符号化装置12800に対して、さらに、動き補償部12812を備える。
動き補償部12812は、点群化部12806で生成された符号化済み点群に動き補償を行うことで、既にバッファ12807に格納されているインター参照点群と位置合わせを行う。バッファ12807は、既に格納しているインター参照点群に動き補償後の符号化済み点群を統合することで、格納するインター参照点群を更新する。これにより、インター参照点群として、複数フレームの点群を重ね合わせた密な点群を用いることができる。また、他の処理は、例えば、三次元データ符号化装置12800と同様である。
なお、インター参照点群は、符号化対象のフレームと異なる符号化済みのフレームに含まれる点群であってもよいし、符号化対象のフレームと同じフレームに含まれる符号化済みの点群であってもよい。
このように、三次元データ符号化装置12800Aは、符号化済みの点群を位置合わせして統合することで、インター参照点群の点群密度を向上できる可能性がある。これにより、対象ノードの情報の生起確率の予測精度が向上するので、符号化効率を更に向上できる可能性がある。
なお、三次元データ符号化装置12800Aは、全ての符号化済み点群をインター参照点群として参照する必要はなく、所定の時間間隔(例えば1秒毎など)、所定のフレーム間隔(例えば5フレーム毎など)、又は三次元データ復号装置へ通知する任意のタイミングなどで、インター参照点群を格納しているバッファ12807の全て或いは一部をクリアするなどして、対象点群のみ、又は符号化対象点群と一部の符号化済み点群の情報に基づいて対象点群を符号化してもよい。対象点群のみの情報に基づいて符号化が行われた場合、三次元データ復号装置において、ビットストリームの先頭以外の、インター参照点群を参照していない点群からの飛び込み再生開始が可能になる。よって、ビットストリームのランダムアクセス性及びエラー耐性を向上できる可能性がある。また、対象点群と一部の符号化済み点群の情報に基づいて符号化が行われた場合、インター参照点群を保持するバッファ12807の容量を小さくできるので、三次元データ符号化装置及び三次元データ復号装置の実装コストを低減できる可能性がある。
図42は、三次元データ復号装置12820の変形例である三次元データ復号装置12820Aのブロック図である。図42に示す三次元データ復号装置12820Aは、図40に示す三次元データ復号装置12820に対して、さらに、動き補償部12830を備える。例えば、三次元データ復号装置12820Aは、図41に示す三次元データ符号化装置12800Aで生成されたビットストリームから点群を復号する。
動き補償部12830は、復号点群に動き補償を行うことで、既にバッファ12825に格納されているインター参照点群と位置合わせを行う。バッファ12825は、既に格納しているインター参照点群に動き補償後の復号点群を統合することで、格納するインター参照点群を更新する。これにより、インター参照点群として、複数フレームの点群を重ね合わせた密な点群を用いることができる。また、他の処理は、例えば、三次元データ復号装置12820と同様である。
なお、インター参照点群は、復号対象のフレームと異なる復号済みのフレームに含まれる点群であってもよいし、復号対象のフレームと同じフレームに含まれる復号済みの点群であってもよい。
このように、三次元データ復号装置12820Aは、復号済みの点群を位置合わせして統合する構成を有することで、同様の構成を有する三次元データ符号化装置により符号化されたビットストリーム(例えば、図41に示す三次元データ符号化装置12800Aで生成されたビットストリーム)から点群を復号できる。
なお、三次元データ復号装置12820Aは、全ての復号済み点群をインター参照点群として参照する必要はなく、所定の時間間隔(例えば1秒毎など)、所定のフレーム間隔(例えば5フレーム毎など)、又は三次元データ符号化装置から通知された任意のタイミングなどで、インター参照点群を格納しているバッファ12825の全て又は一部をクリアするなどして、復号対象点群のみ、又は復号対象点群と一部の復号済み点群の情報に基づいて復号対象点群を復号してもよい。
三次元データ復号装置12820Aは、復号対象点群のみの情報に基づいて復号を行う場合、ビットストリームの先頭以外の、インター参照点群を参照していない点群からの飛び込み再生開始を実現できる。よって、ビットストリームのランダムアクセス性及びエラー耐性を向上できる可能性がある。また、三次元データ復号装置は、復号対象点群と一部の復号済み点群の情報に基づいて復号を行う場合、インター参照点群を保持するバッファ12825の容量を小さくできる。よって、三次元データ符号化装置及び三次元データ復号装置の実装コストを低減できる可能性がある。
図43は、図39及び図41に示す三次元データ符号化装置におけるインター予測の一例を示す図である。なお、図40及び図42に示す三次元データ復号装置におけるインター予測も同様である。
図43に示すように、例えば、三次元データ符号化装置は、対象点群を含む第1直方体を設定する。三次元データ符号化装置は、第1直方体を平行移動した第2直方体を設定する。第2直方体は、対象点群の符号化において参照する符号化済み点群を含む空間である。また、三次元データ符号化装置は、動きベクトルの情報として、第1直方体と第2直方体の間の平行移動距離のx、y、z成分を、フレーム又は8分木のヘッダ部に記載してもよいし、当該情報をエントロピー符号化したうえで、ノード情報のヘッダ部に記載してもよい。
なお、ここでは、平行移動により対象点群の符号化において参照する符号化済み点群を含む空間を設定する例を示したが、参照する符号化済み点群を含む空間を一意に設定できる方法であれば、他の方法であってもよい。
次に、ヘッダ情報の一例について説明する。図44は、ビットストリームに含まれるシーケンスパラメータセット(SPS)のシンタックス例を示す図である。SPSは複数フレーム、複数点群又は複数スライスに共通の制御情報であり、属性情報と位置情報とに共通の制御情報である。
図44に示すようにSPSは、sps_inter_prediction_enabled_flagと、sps_max_num_ref_frames_minus1とを含む。
以下、シーケンスパラメータセットのセマンティックス例を示す。1に等しいsps_inter_prediction_enabled_flagは、SPSを参照するビットストリームに対してインター予測の使用が許されていることを指定する。0に等しいsps_inter_prediction_enabled_flagは、SPSを参照するビットストリームに対してインター予測が無効であることを指定する。
sps_max_num_ref_frames_minus1+1(sps_max_num_ref_frames_minus1に1を加算した値)は、フレームによって参照される参照点群フレームの最大数を指定する。sps_max_num_ref_frames_minus1の値は、0からMaxNumRefFrames-1までの範囲内でなければならない。
sps_max_num_ref_frames_minus1は、sps_inter_prediction_enabled_flagが1の場合にSPSに含まれ、sps_inter_prediction_enabled_flagが0の場合にはSPSに含まれない。
図45は、ビットストリームに含まれる位置情報パラメータセット(GPS)のシンタックス例を示す図である。GPSは複数フレーム、複数点群又は複数スライス)に共通の制御情報であり、位置情報の制御情報である。
図45に示すようにGPSは、gps_inter_prediction_enabled_flagと、gps_num_ref_frames_minus1とを含む。
以下、位置情報パラメータセットのセマンティックス例を示す。1に等しいgps_inter_prediction_enabled_flagは、GPSを参照するビットストリームの位置情報データ単位の復号処理で、インター予測の使用が許されていることを指定する。0に等しいgps_inter_prediction_enabled_flag、GPSを参照するビットストリームの位置情報データ単位の復号処理で、インター予測が無効であることを指定する。sps_inter_prediction_enabled_flagが0の場合、gps_inter_prediction_enabled_flagは0になる。
gps_num_ref_frames_minus1+1(gps_num_ref_frames_minus1に1を加算した値)は、GPSを参照するフレームで参照される参照点群フレームの数を指定する。gps_num_ref_frames_minus1の値は、0からsps_max_num_ref_frames_minus1の範囲内でなければならない。
gps_num_ref_frames_minus1は、gps_inter_prediction_enabled_flagが1の場合にGPSに含まれ、gps_inter_prediction_enabled_flagが0の場合にはGPSに含まれない。
これらの例に示すように、三次元データ符号化装置は、シーケンスパラメータセット及び位置情報パラメータセットに、例えばsps_inter_prediction_enabled_flag及びgps_inter_prediction_enabled_flagなどのように、インター予測符号化の実施が許されているか否かを示す情報を三次元データ復号装置に通知してもよい。また、三次元データ符号化装置は、インター予測符号化の実施が許されていることを示す情報を三次元データ復号装置に通知する場合に、例えばsps_max_num_ref_frames_minus1及びgps_num_ref_frames_minus1などのように、インター予測符号化において参照するフレームの数又はその最大値などに関する情報を三次元データ復号装置に通知してもよい。
また、MaxNumRefFramesは、三次元データ復号装置が満足すべき要件として定める固定値であり、例えば6フレームなどの数フレームに設定することが考えられるが、三次元データ符号化装置と三次元データ復号装置の双方で同じ値を用いて処理されていれば、これらより大きな値でも構わない。
これらの情報が三次元データ符号化装置から三次元データ復号装置へ通知されることで、三次元データ復号装置において処理に使用するメモリの割り当てを最適化できる可能性がある。
また、上記のインター予測符号化の実施が許されているか否かを示す情報及びインター予測符号化において参照するフレームの数又はその最大値などに関する情報は、SPS及びGPSの両方に格納されてもよいし、一方のみに格納されてもよい。また、これらの情報は、SPS及びGPS以外の制御情報に格納されてもよい。
なお、図39~図45を用いて開示した装置、処理、及びシンタックスなどを、本開示における他の開示の少なくとも一部と組み合わせて実施してもよい。また、図39~図45を用いて開示した装置、処理、及びシンタックスの一部などを他の開示と組み合わせて実施してもよい。
また、図39~図45を用いて開示したすべての構成要素がいつも必要とは限らず、各装置は、一部の構成要素のみを備えていてもよい。
以上のように、本実施の形態に係る三次元データ符号化装置は、図46に示す処理を行う。三次元データ符号化装置は、符号化済みの複数の点群に動き補償を行う(S12801)。三次元データ符号化装置は、動き補償後の符号化済みの複数の点群を統合(合成)することで参照点群(例えば、図41に示すインター参照点群)を生成する(S12802)。三次元データ符号化装置は、対象点群のN分木構造(Nは2以上の整数)(例えば、図41に示す対象8分木)を生成する(S12803)。三次元データ符号化装置は、参照点群を用いて対象点群のN分木構造を符号化する(S12804)。なお、Nは、例えば8であるが任意の2のべき乗であってもよいし、それ以外の値であってもよい。
これによれば、三次元データ符号化装置は、符号化済みの複数の点群を統合した参照点群を用いて対象点群を符号化することで符号化効率を向上できる。
例えば、三次元データ符号化装置は、対象点群のN分木構造を符号化(S12804)では、参照点群に対象点群に対する動き補償を行い、動き補償後の参照点群のN分木構造(例えば、図41に示すインター参照8分木)を生成し、参照点群のN分木構造を用いて対象点群のN分木構造を符号化する。
例えば、三次元データ符号化装置は、対象点群のN分木構造を符号化(S12804)では、対象点群のN分木構造をエントロピー符号化し、参照点群に基づき、エントロピー符号化で用いられる確率パラメータを制御する。例えば、三次元データ符号化装置は、参照点群に基づき、複数の確率パラメータから使用する確率パラメータを選択する。
例えば、三次元データ符号化装置は、対象点群のN分木構造から符号化済みの対象点群(例えば、図41に示す符号化済み点群)を生成し、符号化済みの対象点群に参照点群に対する動き補償を行い、動き補償後の符号化済みの対象点群を参照点群に統合することで、参照点群を更新する。
例えば、符号化済みの複数の点群の各々は、対象点群と異なるフレームに属する。例えば符号化済みの複数の点群の各々は、対象点群と同じフレームに属する。
例えば、三次元データ符号化装置は、参照点群を用いた符号化の実施が許されているか否かを示す第1情報(例えば、sps_inter_prediction_enabled_flag、又はgps_inter_prediction_enabled_flag)を、複数点群に共通の制御情報(例えばSPS又はGPS)に格納する。
例えば、三次元データ符号化装置は、第1情報が参照点群を用いた符号化の実施が許されていることを示す場合、符号化済みの複数の点群の数に関する第2情報(例えば、sps_max_num_ref_frames_minus1、又はgps_num_ref_frames_minus1)を、複数点群に共通の制御情報(例えばSPS又はGPS)に格納する。例えば、第2情報は、統合する符号化済みの点群の数、又は最大数を示す。
例えば、三次元データ符号化装置は、プロセッサと、メモリとを備え、プロセッサは、メモリを用いて、上記の処理を行う。
また、本実施の形態に係る三次元データ復号装置は、図47に示す処理を行う。三次元データ復号装置は、復号済みの複数の点群に動き補償を行う(S12811)。三次元データ復号装置は、動き補償後の復号済みの複数の点群を統合(合成)することで参照点群(例えば、図42に示すインター参照点群)を生成する(S12812)。三次元データ復号装置は、参照点群を用いて、対象点群のN分木構造(Nは2以上の整数)(例えば、図42に示す復号8分木)を復号する(S12813)。つまり、三次元データ復号装置は、対象点群のN分木構造が符号化されることで生成されたビットストリーム(符号化データ)を復号することで対象点群のN分木構造を取得する。三次元データ復号装置は、対象点群のN分木構造から対象点群の復号点群を生成する(S12814)。なお、Nは、例えば8であるが任意の2のべき乗であってもよいし、それ以外の値であってもよい。
これによれば、三次元データ復号装置は、復号済みの複数の点群を統合した参照点群を用いて対象点群を復号できる。
例えば、対象点群のN分木構造を復号(S12813)では、三次元データ復号装置は、参照点群に対象点群に対する動き補償を行い、動き補償後の参照点群のN分木構造(例えば、図42に示すインター参照8分木)を生成し、参照点群のN分木構造を用いて対象点群のN分木構造を復号する。
例えば、対象点群のN分木構造を復号(S12813)では、三次元データ復号装置は、対象点群のN分木構造をエントロピー復号し、参照点群に基づき、エントロピー復号で用いられる確率パラメータを制御する。例えば、三次元データ復号装置は、参照点群に基づき、複数の確率パラメータから使用する確率パラメータを選択する。
例えば、三次元データ復号装置は、対象点群の復号点群に参照点群に対する動き補償を行い、動き補償後の復号点群を参照点群に統合することで、参照点群を更新する。
例えば、復号済みの複数の点群の各々は、対象点群と異なるフレームに属する。例えば、復号済みの複数の点群の各々は、対象点群と同じフレームに属する。
例えば、三次元データ復号装置は、参照点群を用いた復号の実施が許されているか否かを示す第1情報(例えば、sps_inter_prediction_enabled_flag、又はgps_inter_prediction_enabled_flag)を、複数点群に共通の制御情報(例えばSPS又はGPS)から取得する。
例えば、三次元データ復号装置は、第1情報が参照点群を用いた復号の実施が許されていることを示す場合、復号済みの複数の点群の数に関する第2情報(例えば、sps_max_num_ref_frames_minus1、又はgps_num_ref_frames_minus1)を、複数点群に共通の制御情報(例えばSPS又はGPS)から取得する。例えば、第2情報は、統合する復号済みの点群の数、又は最大数を示す。
例えば、三次元データ復号装置は、プロセッサと、メモリとを備え、プロセッサは、メモリを用いて、上記の処理を行う。
(実施の形態5)
本実施の形態では、点群(ポイントクラウド)の位置情報に対してインター予測及びイントラ予測のいずれかを切り替えて実行する場合について説明する。
本実施の形態では、点群(ポイントクラウド)の位置情報に対してインター予測及びイントラ予測のいずれかを切り替えて実行する場合について説明する。
図48は、本実施の形態に係る三次元データ符号化装置12900のブロック図である。なお、図48では、点群の位置情報(ジオメトリ)の符号化に関する処理部を記載しているが、三次元データ符号化装置12900は、点群の属性情報の符号化等を行う処理部等の他の処理部を備えてもよい。インター予測及びイントラ予測では、符号化済みの点群を参照しつつ符号化対象の点群が符号化される。
三次元データ符号化装置12900は、グループ化部12901と、バッファ12902と、量子化部12903と、逆量子化部12904と、バッファ12905と、イントラ予測部12906と、バッファ12907と、動き検出補償部12908と、インター予測部12909と、切替部12910と、エントロピー符号化部12911とを備える。
グループ化部12901は、入力された符号化対象の点群のデータである対象点群から、符号化の一単位である予測木(Predtree)とする点群を抽出して1つのグループとして設定する。なお、入力された対象点群では、点群の位置は例えば三次元座標(例えばx、y、z)で表現される。バッファ12902は、生成された予測木を保持する。例えば、バッファ12902は、予測木毎に保持するデータを初期化してもよい。バッファ12902に保持された予測木(Predtree)に含まれる複数の三次元点の一点一点に対して順番に符号化のための処理が実行される。三次元座標は、直交座標で表現されてもよいし、極座標で表現されてもよい。なお、以下では、直交座標で表現された位置情報を直交座標系の位置情報と呼び、極座標で表現された位置情報を極座標系の位置情報と呼ぶ。
そして、予測木(Predtree)に含まれる複数の三次元点のそれぞれと、選択された予測点との差分(第1残差信号)が算出される。この第1残差信号は、予測残差とも言う。また、第1残差信号は、第1残差の一例である。
量子化部12903は、第1残差信号を量子化する。エントロピー符号化部12911は、量子化された第1残差信号をエントロピー符号化して符号化データを生成し、符号化データを含むビットストリームを出力(生成)する。
逆量子化部12904は、量子化部12903により量子化された第1残差信号を、逆量子化する。逆量子化された第1残差信号は、選択された予測点(1以上の候補点)に基づく予測値に加算されることでイントラ予測及びインター予測に用いられる三次元点(参照点)として復号される。なお、予測値は、上記実施の形態において説明したように、1以上の候補点の位置情報に基づいて算出される。バッファ12905は、復号されたイントラ予測の参照点群を保持する。例えば、バッファ12905は、予測木(対象点群)毎に保持するデータを初期化してもよい。また、バッファ12907は、インター予測の参照点群を保持する。例えば、バッファ12907は、予測木(対象点群)毎に保持するデータを初期化してもよい。
イントラ予測部12906は、予測に用いるイントラ予測点を、符号化対象の三次元点が含まれる予測木(Predtree)に含まれる複数の三次元点(イントラ予測の参照点群)などのような当該予測木(Predtree)内の情報を参照して、所定の方法により決定する。例えば、イントラ予測部12906は、符号化対象の三次元点の直前(例えば、予測木の親ノードなどの祖先ノード)に逆量子化された2点の三次元点(復号点)を用いて外挿するなどしてイントラ予測点を決定してもよい。
動き検出補償部12908は、符号化対象の三次元点が含まれる予測木(Predtree)に含まれる複数の三次元点(複数の復号点)に基づいて符号化済みの点群を再生し、符号化済みの点群と符号化対象の点群との間の変位を検出(動き検出)し、検出した変位に基づき符号化済みの点群を補正(動き補償)することで、位置合わせ後のインター予測の参照点群であるインター予測点群を生成する。
インター予測部12909は、動き補償されたインター予測点群に基づいて、予測に用いるインター予測点を所定の方法により決定する。例えば、インター予測部12909は、インター予測点群から、イントラ予測点に最も近い点をインター予測点として選択してもよいし、イントラ予測点を参照せずに、直前(最後)に符号化した三次元点(例えば、予測木の親ノードなどの祖先ノードに対応する三次元点)の近傍の三次元点(例えば直前に符号化した三次元点に最も近い三次元点)をインター予測点として選択してもよい。
切替部12910は、イントラ予測点、及び、インター予測点のいずれかを選択することで、予測に用いる予測点を決定する。このように、三次元データ符号化装置12900では、複数の符号化済みの三次元点のうちの1以上の候補点の位置情報が予測点として決定され、予測点に基づいて予測値が算出される。イントラ予測部12906及びインター予測部12909では、予測点(イントラ予測点またはインター予測点)を、符号化対象の三次元点の直前に符号化した三次元点に基づいて決定する。つまり、三次元データ符号化装置12900は、予測値を算出するための1以上の候補点を、複数の符号化済みの三次元点のうちの1以上の基準点に基づいて決定する。1以上の基準点は、符号化対象の三次元点の直前に符号化した三次元点であり、例えば、予測木において、符号化対象の1つの三次元点の親ノード(祖先ノード)に対応する三次元点であってもよい。
なお、三次元データ符号化装置12900は、後述する図50のフローチャートの手順に従って、イントラ予測点及びインター予測点からいずれか1つを予測点として選択してもよい。また、イントラ予測点とインター予測点とのいずれを予測点に用いるかを選択するための、予測に関する情報(予測情報)は、エントロピー符号化されて各三次元点のヘッダ部に記載されてもよいし、各三次元点とインタリーブされて記載されてもよい。また、動きベクトルなどの動き補償に関する情報は、フレームまたは予測木(Predtree)のヘッダ部に記載されてもよいし、エントロピー符号化されて各三次元点のヘッダ部に記載されてもよいし、各三次元点とインタリーブされて記載されてもよい。また、インター予測の参照点群は、符号化対象のフレームと異なる符号化済みのフレームに含まれる点群であってもよいし、符号化対象のフレームと同じフレームに含まれる符号化済みの点群であってもよい。
このように、三次元データ符号化装置12900は、イントラ予測に加えてインター予測も用いて符号化対象点の予測を行うことで、エントロピー符号化する第1残差信号の情報量を低減することができ、符号化効率を向上できる可能性がある。
なお、三次元データ符号化装置12900は、常にインター予測点を参照する必要はなく、所定の時間間隔(例えば1秒毎など)、所定のフレーム間隔(例えば30フレーム毎など)、或いは、三次元データ復号装置へ通知する任意のタイミングなどで、インター予測の参照点群を格納しているバッファ12907を初期化するなどして、符号化対象の点群の情報のみに基づいて符号化するようにしてもよい。これにより、対応する三次元データ復号装置において、インター予測点を参照していないビットストリームの先頭でない点群からの飛び込み再生開始が可能になり、当該ビットストリームのランダムアクセス性またはエラー耐性を向上できる可能性がある。
三次元データ符号化装置12900は、入力された符号化対象の点群が直交座標で表現された座標を位置情報として有する場合、直交座標で表現された座標で示される位置情報を符号化する。三次元データ符号化装置12900は、入力された符号化対象の点群が極座標で表現された座標を位置情報として有する場合、極座標で表現された座標で示される位置情報を符号化する。
図49は、本実施の形態に係る三次元データ復号装置12920のブロック図である。なお、図49では、点群の位置情報(ジオメトリ)の復号に関する処理部を記載しているが、三次元データ復号装置12920は、点群の属性情報の復号等を行う処理部等の他の処理部を備えてもよい。三次元データ復号装置12920は、復号済みの点群を参照しつつ復号対象の点群を復号するインター予測復号を行う。例えば、三次元データ復号装置12920は、図48に示す三次元データ符号化装置12900で生成されたビットストリームを復号する。
三次元データ復号装置12920は、エントロピー復号部12921と、逆量子化部12922と、バッファ12923と、イントラ予測部12924と、バッファ12925と、動き補償部12926と、インター予測部12927と、切替部12928とを備える。
三次元データ復号装置12920は、三次元データ符号化装置12900において生成されたビットストリームを取得する。
エントロピー復号部12921は、入力されたビットストリームを、予測木(Predtree)の三次元点毎にエントロピー復号することで量子化された第1残差信号を生成する。逆量子化部12922は、量子化された第1残差信号を逆量子化して、第1残差信号を再生する。各三次元点の第1残差信号は、各三次元点に対応する予測点に基づく予測値と加算されたのち、復号点として生成(出力)される。つまり、三次元データ復号装置12920は、予測値と予測残差とを加算することで、復号対象の1つの三次元点の位置情報を算出する。
バッファ12923は、生成された復号点を、イントラ予測の参照点群として保持する。例えば、バッファ12923は、予測木(対象点群)毎に保持するデータを初期化してもよい。また、バッファ12925は、生成された復号点を、インター予測の参照点群として保持する。例えば、バッファ12925は、予測木(対象点群)毎に保持するデータを初期化してもよい。
イントラ予測部12924は、予測に用いるイントラ予測点を、復号対象の三次元点が含まれる予測木(Predtree)に含まれる複数の三次元点(イントラ予測の参照点群)などのような当該予測木(Predtree)内の情報を参照して、所定の方法により決定する。例えば、イントラ予測部12924は、復号対象の三次元点の直前(例えば、予測木の親ノードなどの祖先ノード)に逆量子化された2点の三次元点(復号点)を用いて外挿するなどしてイントラ予測点を決定してもよい。
動き補償部12926は、復号対象の三次元点が含まれる予測木(Predtree)に含まれる複数の三次元点(複数の復号点)に基づいて復号済みの点群を再生し、復号済みの点群と復号対象の点群との間の変位を補正(動き補償)することで、位置合わせ後のインター予測の参照点群であるインター予測点群を生成する。
インター予測部12927は、動き補償されたインター予測点群に基づいて、予測に用いるインター予測点を所定の方法により決定する。例えば、インター予測部12927は、インター予測点群から、イントラ予測点に最も近い点を選択してインター予測点として選択してもよいし、イントラ予測点を参照せずに、直前に復号した三次元点(例えば、予測木の親ノードなどの祖先ノードに対応する三次元点)の近傍の三次元点(例えば直前に復号した三次元点に最も近い三次元点)をインター予測点として選択してもよい。
切替部12928は、イントラ予測点、及び、インター予測点のいずれかを選択することで、予測に用いる予測点を決定する。このように、三次元データ復号装置12920では、複数の復号済みの三次元点のうちの1以上の候補点の位置情報が予測点として決定され、予測点に基づいて予測値が算出される。イントラ予測部12924及びインター予測部12927では、予測点(イントラ予測点またはインター予測点)を、復号対象の三次元点の直前に復号した三次元点に基づいて決定する。つまり、三次元データ復号装置12920は、予測値を算出するための1以上の候補点を、複数の復号済みの三次元点のうちの1以上の基準点に基づいて決定する。1以上の基準点は、復号対象の三次元点の直前に符号化した三次元点であり、例えば、予測木において、復号対象の1つの三次元点の親ノード(祖先ノード)に対応する三次元点であってもよい。
なお、三次元データ復号装置12920は、後述する図51のフローチャートの手順に従って、イントラ予測点及びインター予測点からいずれか1つを予測点として選択してもよい。また、三次元データ復号装置12920は、イントラ予測点とインター予測点とのいずれを予測点に用いるかを選択するための、予測に関する情報(予測情報)に基づいて、イントラ予測点とインター予測点とのいずれか1つを予測点として選択してもよい。予測情報は、エントロピー符号化されて各三次元点のヘッダ部に記載されてもよいし、各三次元点とインタリーブされて記載されてもよい。また、動きベクトルなどの動き補償に関する情報は、フレームまたは予測木(Predtree)のヘッダ部に記載されてもよいし、エントロピー符号化されて各点のヘッダ部に記載されてもよいし、各三次元点とインタリーブされて記載されてもよい。このように、予測情報または動き補償に関する情報は、三次元データ復号装置12920へ、対応する三次元データ符号化装置12900から通知されてもよい。また、インター予測の参照点群は、符号化対象のフレームと異なる符号化済みのフレームに含まれる点群であってもよいし、符号化対象のフレームと同じフレームに含まれる符号化済みの点群であってもよい。
このように、三次元データ復号装置12920は、イントラ予測に加えてインター予測も用いて復号対象点の予測を行うことで、復号済みの点群を参照しつつ符号化されたビットストリーム(例えば、図48の三次元データ符号化装置12900から出力されたビットストリーム)から点群を復号できる。
なお、三次元データ復号装置12920は、常にインター予測点を参照する必要はなく、所定の時間間隔(例えば1秒毎など)、所定のフレーム間隔(例えば30フレーム毎など)、或いは、対応する三次元データ符号化装置12900から通知される任意のタイミングなどで、インター予測の参照点群を格納しているバッファ12925を初期化するなどして、復号対象の点群の情報のみに基づいて復号するようにしてもよい。これにより、三次元データ復号装置12920は、インター予測点を参照していないビットストリームの先頭でない点群からの飛び込み再生開始が可能になり、当該ビットストリームのランダムアクセス性やエラー耐性を向上できる可能性がある。
三次元データ復号装置12920は、ビットストリームが直交座標で表現された座標で示される位置情報が符号化された符号化データを有する場合、直交座標で表現された座標で示される位置情報を復号する。三次元データ復号装置12920は、ビットストリームが極座標で表現された座標で示される位置情報が符号化された符号化データを有する場合、極座標で表現された座標で示される位置情報を復号する。
図50は、三次元データ符号化装置12900における、予測木(Predtree)の各三次元点を符号化する手順の一例を示すフローチャートである。
この例では、三次元データ符号化装置12900は、まずイントラ予測の参照点群からイントラ予測点を決定する(S12901)。三次元データ符号化装置12900は、イントラ予測点を、例えば、既に説明した実施の形態に開示されている、予測木を用いて予測点を決定する方法を用いて決定してもよい。例えば、三次元データ符号化装置12900は、複数の符号化済みの三次元点を用いて予測木を生成し、予測木に基づいて複数の符号化済みの三次元点から1以上の候補点を選択してもよい。三次元データ符号化装置12900は、上記の方法のうち少なくとも一つの方法により決定される少なくとも一つのイントラ予測点のうち、符号量が最も少なくなる予測点をイントラ予測点として決定してもよい。また、三次元データ符号化装置12900は、上記の方法のうち少なくとも一つの方法により決定される少なくとも一つのイントラ予測点のうち、座標残差の絶対値和(または二乗和)が最も小さい予測点をイントラ予測点として決定してもよい。
次に、三次元データ符号化装置12900は、イントラ予測関連パラメータを出力する(S12902)。ステップS12901で決定するイントラ予測点の決定方法の候補が2つ以上ある場合、三次元データ符号化装置12900は、選択した決定方法の候補を示す情報を、イントラ予測関連パラメータとしてビットストリームに出力してもよい。
次に、三次元データ符号化装置12900は、インター予測点を、インター予測点群から抽出された少なくとも一つの候補点を参照して決定する。例えば、三次元データ符号化装置12900は、一つの候補点をインター予測点として決定してもよいし、複数の候補点の座標の平均値を座標として有する予測点をインター予測点として決定してもよい。或いは、三次元データ符号化装置12900は、イントラ予測点と少なくとも一つの候補点との座標の平均値を座標として有する予測点をインター予測点として決定してもよい。
ここでは、三次元データ符号化装置12900は、少なくとも一つの候補点としてイントラ予測点の近傍に位置している点を探索してもよい(S12903)。
次に、三次元データ符号化装置12900は、決定した少なくとも一つのインター予測点のそれぞれに対して、イントラ予測点に近い順に小さいインデックス値を付与してもよい(S12904)。
次に、三次元データ符号化装置12900は、探索が終了したか否かを判定し(S12905)、探索が終了した場合(S12905でYes)、次のステップS12906に進み、探索が終了していない場合(S12905でNo)、ステップS12903に戻る。探索が終了したことは、所定点数のインター予測点を発見したことで判定されてもよいし、所定範囲の点群の全てを探索したことで判定されてもよいし、所定点数のインター予測点を発見したか、所定範囲の点群の全てを探索したかのいずれかを満たしたことで判定されてもよい。
次に、三次元データ符号化装置12900は、予測方法を決定する(S12906)。具体的には、三次元データ符号化装置12900は、予測点を決定する方法をイントラ予測にするか、インター予測にするかを決定する。つまり、三次元データ符号化装置12900は、イントラ予測点を予測点として決定するか、インター予測点を予測点として決定するかを決定する。例えば、三次元データ符号化装置12900は、イントラ予測点及びインター予測点のうち、符号量が最も少なくなる予測点の予測方法に決定してもよい。また、三次元データ符号化装置12900は、イントラ予測点及びインター予測点のうち、座標残差の絶対値和(または二乗和)が最も小さい予測点の予測方法に決定してもよい。
三次元データ符号化装置12900は、決定した予測方法のモードが、予測方法がインター予測であることを示すインターモードであるか、予測方法がイントラ予測であることを示すイントラ予測モードであるかを判定する(S12907)。
三次元データ符号化装置12900は、決定した予測方法がインター予測である場合(S12907でインターモード)、インター予測点を予測点として決定したことを示す識別情報(例えば、フラグ)を、ビットストリームに出力する(S12908)。
次に、三次元データ符号化装置12900は、インター予測点の座標の決定に使用される候補点の数に関する情報、及び、使用される各候補点のインデックス値などを、インター予測関連パラメータとしてビットストリームに出力する(S12909)。インデックス値は、予測値を決定するために用いられる1以上の候補点に割り当てられていてもよい。
また、三次元データ符号化装置12900は、決定した予測方法がイントラ予測である場合(S12907でイントラモード)、イントラ予測点を予測点として決定したことを示す識別情報(例えば、フラグ)を、ビットストリームに出力する(S12911)。なお、ステップS12908及びステップS12911における識別情報は、インター予測点を予測点として決定したか、イントラ予測点を予測点として決定したかを示す情報である。
ステップS12909またはステップS12911の後で、三次元データ符号化装置12900は、決定した予測方法により求めた予測点を参照して符号化対象の三次元点の座標情報を符号化する(S12910)。
このように、三次元データ符号化装置12900は、インター予測点群とイントラ予測点とを参照して少なくとも一つのインター予測点を決定し、これらのイントラ予測点及びインター予測点から予測点を求める方法を決定し、予測点を参照して符号化対象の三次元点の位置情報(座標情報)を符号化する。
なお、S12903では、イントラ予測点を参照せずに、直前に符号化した三次元点(例えば、予測木の親ノードなどの祖先ノードに対応する三次元点)など、イントラ予測関連パラメータに依らずに一意に決定される三次元点の近傍において、インター予測点を探索するようにしてもよい。この場合は、S12902をS12901の直後では実施せず、S12911の直後にS12902を実施するようにしてもよい。
図51は、三次元データ復号装置12920における、予測木(Predtree)の各三次元点を復号する手順の一例を示すフローチャートである。図51は、図50の符号化する手順に従って生成されたビットストリームの復号に対応している。つまり、ビットストリームは、符号化された第1残差信号(予測残差)と、予測値の算出に用いられる1つの候補点に割り当てられたインデックス値とを含む。
この例では、三次元データ復号装置12920は、ビットストリームから、まずイントラ予測関連パラメータを取得する(S12921)。
次に、三次元データ復号装置12920は、取得したイントラ予測関連パラメータに基づいてイントラ予測点を決定する(S12922)。具体的には、三次元データ復号装置12920は、図50のステップS12901と同様の方法でイントラ予測点を決定する。三次元データ復号装置12920は、対応する三次元データ符号化装置12900からイントラ予測関連パラメータが通知され、イントラ予測関連パラメータに応じてイントラ予測点を決定する。イントラ予測関連パラメータは、ステップS12921で取得され、イントラ予測点を決定する少なくとも一つの方法を指定する情報と、この情報に付随するパラメータとを含む。
次に、三次元データ復号装置12920は、ビットストリームから、予測方法のモードを示す識別情報を取得する(S12923)。
次に、三次元データ復号装置12920は、取得した識別情報が、予測方法がインター予測であることを示すインターモードを示すか、予測方法がイントラ予測であることを示すイントラ予測モードを示すかを判定する(S12924)。
三次元データ復号装置12920は、予測方法がインター予測である場合(ステップS12924でインターモード)、ビットストリームからインター予測関連パラメータを取得する(S12925)。
次に、三次元データ復号装置12920は、インター予測点を決定するための処理(S12926~S12929)を実行する。具体的には、三次元データ復号装置12920は、図50のステップS12903~S12905と同様の方法でインター予測点を決定する。例えば、三次元データ復号装置12920は、インター予測点を、インター予測点群から抽出された少なくとも一つの候補点を参照して決定する。例えば、三次元データ復号装置12920は、一つの候補点をインター予測点として決定してもよいし、複数の候補点の座標の平均値を座標として有する予測点をインター予測点として決定してもよい。或いは、三次元データ復号装置12920は、イントラ予測点と少なくとも一つの候補点との座標の平均値を座標として有する予測点をインター予測点として決定してもよい。
ここでは、三次元データ復号装置12920は、少なくとも一つの候補点としてイントラ予測点の近傍に位置している点を探索してもよい(S12926)。
次に、三次元データ復号装置12920は、決定した少なくとも一つのインター予測点のそれぞれに対して、イントラ予測点に近い順に小さいインデックス値を付与してもよい(S12927)。
次に、三次元データ復号装置12920は、探索が終了したか否かを判定し(S12928)、探索が終了した場合(S12928でYes)、次のステップS12929に進み、探索が終了していない場合(S12928でNo)、ステップS12926に戻る。探索が終了したことは、所定点数のインター予測点を発見したことで判定されてもよいし、所定範囲の点群の全てを探索したことで判定されてもよいし、所定点数のインター予測点を発見したか、所定範囲の点群の全てを探索したかのいずれかを満たしたことで判定されてもよい。
次に、三次元データ復号装置12920は、インター予測点群とイントラ予測点とを参照しつつインター予測関連パラメータに基づいてインター予測点を決定する(S12929)。例えば、三次元データ復号装置12920は、インター予測関連パラメータに含まれる、インター予測点の座標の決定に使用される候補点の数に関する情報、及び、使用される各候補点に割り当てられたインデックス値に基づいて、インター予測点の座標の決定に使用される候補点を特定し、特定した候補点を用いてインター予測点の座標を決定することで、インター予測点を決定する。つまり、三次元データ復号装置12920は、ビットストリームに含まれるインデックス値に基づいて、複数の復号済みの三次元点から1つの候補点を選択する。
三次元データ復号装置12920は、ステップS12929の後、または、ステップS12924でイントラモードである場合、指定された予測方法により求めた予測点を参照して復号対象の三次元点の位置情報(座標情報)を復号する(S12930)。
このように、三次元データ復号装置12920は、予測方法がインター予測である場合、インター予測点を参照して復号対象の点の座標情報を復号し、予測方法がイントラ予測である場合、イントラ予測点を参照して復号対象の点の座標情報を復号する。
なお、S12926では、イントラ予測点を参照せずに、直前に復号した三次元点(例えば、予測木の親ノードなどの祖先ノードに対応する三次元点)など、イントラ予測関連パラメータに依らずに一意に決定される三次元点の近傍において、インター予測点を探索するようにしてもよい。この場合は、S12921及びS12922をS12923の直前では実施せず、S12924でイントラモードと判定された場合にS12921及びS12922を実施するようにしてもよい。
図52は、本実施の形態の変形例に係る三次元データ符号化装置12930のブロック図である。なお、図52では、点群の位置情報(ジオメトリ)の符号化に関する処理部を記載しているが、三次元データ符号化装置12930は、点群の属性情報の符号化等を行う処理部等の他の処理部を備えてもよい。インター予測及びイントラ予測では、符号化済みの点群を参照しつつ符号化対象の点群が符号化される。三次元データ符号化装置12930は、その構成及び動作において、図48の三次元データ符号化装置12900と比較して、直交座標で表現された位置情報を有する点群を極座標で表現された位置情報に変換して符号化を行うための座標変換部12931を有する点と、極座標で表現された位置情報の予測残差(第1残差信号)の量子化を行わない点と、直交座標と極座標との間の変換で生じる誤差に相当する直交座標の第2残差信号を量子化する点とが異なる。一方で、三次元データ符号化装置12930は、その構成及び動作において、三次元データ符号化装置12900と比較して、上記の異なる点以外の点が同じである。
三次元データ符号化装置12930は、座標変換部12931と、グループ化部12932と、バッファ12933と、バッファ12934と、イントラ予測部12935と、バッファ12936と、動き検出補償部12937と、インター予測部12938と、切替部12939と、座標変換部12940と、バッファ12941と、量子化部12942と、エントロピー符号化部12943とを備える。
座標変換部12931は、入力された符号化対象の点群のデータである対象点群の位置情報の座標系を直交座標系から極座標系に変換する。つまり、座標変換部12931は、符号化対象の1つの三次元点の直交座標系の位置情報の座標系を変換することで極座標系の位置情報を生成する。極座標に変換された符号化対象の点群はグループ化部12932に出力される。
グループ化部12932は、極座標に変換された符号化対象の点群である対象点群から、符号化の一単位である予測木(Predtree)とする点群を抽出して1つのグループとして設定する。バッファ12933は、生成された予測木を保持する。例えば、バッファ12933は、予測木毎に保持するデータを初期化してもよい。バッファ12933に保持された予測木(Predtree)に含まれる複数の三次元点の一点一点に対して順番に符号化のための処理が実行される。
バッファ12933に保持された予測木に含まれる複数の三次元点のそれぞれ(符号化対象の点)と、当該符号化対象の点に対して選択された予測点との間の差分(第1残差信号)が算出される。この第1残差信号は、極座標で表現された位置情報の残差信号である。第1残差信号は、予測残差とも言う。この第1残差信号は、第1残差の一例である。バッファ12933に保持される複数の三次元点の位置情報は極座標系に変換されているため、第1残差は、変換後の極座標系の位置情報と予測値との差分である。
そして、第1残差信号と予測点とは加算されて、符号化処理済みの復号点としてバッファ12934、12936に保持される。バッファ12934、12936に保持される復号点の位置情報は、極座標により表現される。この点で、バッファ12934、12936の機能は、バッファ12905、12907の機能と異なるが、それ以外の機能は、同じである。
また、イントラ予測部12935、動き検出補償部12937、インター予測部12938、及び切替部12939も同様に、処理対象となる三次元点の位置情報が極座標で表現されている点においてイントラ予測部12906、動き検出補償部12908、インター予測部12909、及び切替部12910とその機能が異なるが、それ以外の機能は同じである。
座標変換部12940は、バッファ12934、12936に保持される復号点と同じ復号点を取得し、取得した復号点の位置情報の座標系を極座標系から直交座標系に変換する。つまり、座標変換部12940は、座標変換部12931による変換後の極座標系の位置情報の座標系を逆変換することで直交座標系の位置情報を生成する。
バッファ12941は、三次元データ符号化装置12930に入力された、直交座標で表現された三次元点の位置情報を保持する。
そして、入力された直交座標系の位置情報と、座標変換部12940において極座標系から直交座標系に座標系が変換された直交座標系の位置情報との差分(第2残差信号)が算出される。この第2残差信号は、第2残差の一例である。つまり、第2残差信号は、座標変換部12931において座標変換が行われていない直交座標系の位置情報と、一度極座標に変換された後にさらに直交座標系に逆変換された後の位置情報との差分であり、座標変換により発生する変換誤差である。
量子化部12942は、第2残差信号を量子化する。
エントロピー符号化部12943は、第1残差信号と、量子化された第2残差信号とをエントロピー符号化して符号化データを生成し、符号化データを含むビットストリームを出力する。
このように、三次元データ符号化装置12930は、三次元点の位置情報の座標系を直交座標系から極座標系に変換して、極座標系の位置情報を符号化する。これにより、LiDARなどのようにセンサ位置を中心に周囲の物体の三次元位置を取得して生成された点群を符号化する際に、符号化対象の点の予測精度を向上させることができ、符号化効率を向上させることができる可能性がある。
図53は、本実施の形態の変形例に係る三次元データ復号装置12950のブロック図である。なお、図53では、点群の位置情報(ジオメトリ)の復号に関する処理部を記載しているが、三次元データ復号装置12950は、点群の属性情報の復号等を行う処理部等の他の処理部を備えてもよい。三次元データ復号装置12950は、復号済みの点群を参照しつつ復号対象の点群を復号するインター予測復号を行う。例えば、三次元データ復号装置12950は、図52に示す三次元データ符号化装置12930で生成されたビットストリームを復号する。三次元データ復号装置12950は、基本的な構成及び動作において、図49の三次元データ復号装置12920と比較して、第1残差信号(予測残差)の逆量子化を行わない点と、直交座標と極座標との間の変換で生じる変換誤差に相当する直交座標の第2残差信号をエントロピー復号して逆量子化して再生し、対応する極座標の復号点から直交座標に変換された点に加算して直交座標の復号点として出力する点とが異なる。一方で、三次元データ復号装置12950は、三次元データ復号装置12920と比較して、上記の異なる点以外の点が同じである。
三次元データ復号装置12950は、エントロピー復号部12951と、バッファ12952と、イントラ予測部12953と、バッファ12954と、動き補償部12955と、インター予測部12956と、切替部12957と、座標変換部12958と、逆量子化部12959とを備える。
エントロピー復号部12951は、入力されたビットストリームを、予測木(Predtree)の三次元点毎にエントロピー復号することで第1残差信号と、量子化された第2残差信号とを生成する。各三次元点の第1残差信号は、各三次元点に対応する予測点に基づく予測値と加算されたのち、極座標で表現された復号点として生成(出力される)。
バッファ12952は、生成された復号点を、イントラ予測の参照点群として保持する。例えば、バッファ12952は、予測木(対象点群)毎に保持するデータを初期化してもよい。また、バッファ12954は、生成された復号点を、インター予測の参照点群として保持する。例えば、バッファ12954は、予測木(対象点群)毎に保持するデータを初期化してもよい。バッファ12952、12954に保持される復号点の位置情報は、極座標により表現される。この点で、バッファ12952、12954の機能は、バッファ12923、12925の機能と異なるが、それ以外の機能は、同じである。
また、イントラ予測部12953、動き補償部12955、インター予測部12956、及び切替部12957も同様に、処理対象となる三次元点の位置情報が極座標で表現されている点においてイントラ予測部12924、動き補償部12926、インター予測部12927、及び切替部12928とその機能が異なるが、それ以外の機能は同じである。
座標変換部12958は、バッファ12952、12954に保持される復号点と同じ復号点を取得し、取得した復号点の位置情報の座標系を極座標系から直交座標系に変換する。
逆量子化部12959は、量子化された第2残差信号を逆量子化して、第2残差信号を再生する。
座標変換部12958により座標変換されて得られた直交座標系の位置情報と、逆量子化部12959により逆量子化されて再生された第2残差信号とは、加算されたのち、直交座標系の位置情報を含む復号点として生成(出力)される。
このように、三次元データ復号装置12950は、極座標系の位置情報を有する復号点の座標系を極座標系から直交座標系に変換して、直交座標系の位置情報と極座標系の位置情報との間の変換で生じる誤差に相当する直交座標の第2残差信号に加算する手段を備える。これにより、三次元データ復号装置12950は、極座標において符号化済みの点群を参照しつつ符号化されたビットストリーム(例えば、図52の三次元データ符号化装置12930から出力されたビットストリーム)から点群を復号できる。
図54は、ジオメトリパラメータセット(GPS)のシンタックスの一例である。このシンタックスは、図48~図53を用いて説明した三次元データ符号化装置12900、12930及び三次元データ復号装置12920、12950において用いられる。
これらの例に示すように、GPSにおいて、例えばgps_alt_coordinates_flagのように、各点の復号処理において極座標など直交座標と別の座標系を用いるか否かを示す情報を通知してもよい。gps_alt_coordinates_flagは、その値が1に設定されている場合(つまり、gps_alt_coordinates_flag=1の場合)、GPSを参照するビットストリームの位置情報のデータユニットの復号処理において、代替座標系(例えば、極座標系)が使用されることを示す。gps_alt_coordinates_flagは、その値が0に設定されている場合(つまり、gps_alt_coordinates_flag=0の場合)、GPSを参照するビットストリームの位置情報のデータユニットの復号処理において、代替座標系が使用されないことを示す。つまり、gps_alt_coordinates_flagは、符号化データが極座標系で算出された第1符号化データを含むか否かを示してもよい。なお、gps_alt_coordinates_flagは、符号化データが極座標系で算出された第1符号化データを含むか否かを示す第1識別情報の一例である。
また、各三次元点の復号処理において極座標系などのように直交座標系とは別の座標系(代替座標系)を用いる場合(例えば、gps_alt_coordinates_flag=1の場合など)に、例えばgps_coordinate_trans_enabled_flagのように、各三次元点を三次元データ復号装置から出力する前に復号点の座標変換(例えば極座標系から直交座標系に変換するなど)を実施するか否かを示す座標変換情報を通知してもよい。gps_alt_coordinates_flag=1である場合(つまり、第1識別情報が、符号化データが第1符号化データを含むことを示す場合)とは、具体的には、予測値の算出に用いられる1以上の候補点の位置情報、及び、第1残差の算出に用いられる符号化対象の1つの三次元点の位置情報が、極座標系の位置情報である場合である。この場合、ビットストリームは、gps_coordinate_trans_enabled_flagを含む。gps_coordinate_trans_enabled_flagは、復号において極座標系の位置情報を出力するか、直交座標系の位置情報を出力するかを示す第2識別情報の一例である。また、gps_alt_coordinates_flag=1である場合、符号化において、第1残差を量子化し、量子化された第1残差を符号化する三次元データ符号化装置12900では、極座標系の位置情報が符号化される。このため、gps_alt_coordinates_flag=1であり、かつ、gps_coordinate_trans_enabled_flag=0の場合、極座標系の位置情報が符号化されると言え、gps_coordinate_trans_enabled_flag=0は復号において極座標系の位置情報を出力することを示していると言える。なお、極座標系の位置情報を出力するか否かは、他のフラグ(識別情報)により切り替えられてもよい。
なお、gps_alt_coordinates_flag=0である場合(つまり、第1識別情報が、符号化データが第1符号化データを含まないことを示す場合)、ビットストリームは、gps_coordinate_trans_enabled_flag(第2識別情報)を含まなくてもよい。
gps_coordinate_trans_enabled_flagは、その値が1に設定されている場合(つまり、gps_coordinate_trans_enabled_flag=1の場合)、GPSを参照するビットストリームの位置情報のデータユニットの復号処理において、座標系を他の座標系に変換することを示す。このため、gps_alt_coordinates_flag=1であり、かつ、gps_coordinate_trans_enabled_flag=0の場合、直交座標系の位置情報が復号されることになるため、gps_coordinate_trans_enabled_flag=0は復号において直交座標系の位置情報を出力することを示していると言える。
gps_coordinate_trans_enabled_flagは、その値が0に設定されている場合(つまり、gps_coordinate_trans_enabled_flag=0の場合)、GPSを参照するビットストリームの位置情報のデータユニットの復号処理において、座標系を他の座標系に変換しないことを示す。なお、gps_coordinate_trans_enabled_flagが示されていない場合、gps_coordinate_trans_enabled_flagの値が0に設定されているとみなされてもよい。
なお、各三次元点を三次元データ復号装置から出力する前に復号点の座標変換を行わない場合(例えば、gps_coordinate_trans_enabled_flag=0の場合)、図48に示す三次元データ符号化装置12900と図49に示す三次元データ復号装置12920とにより、点群の符号化及び復号が実施されてもよい。また、各三次元点を三次元データ復号装置から出力する前に復号点の座標変換を行う場合(例えば、gps_coordinate_trans_enabled_flag=1の場合)、図52に示す三次元データ符号化装置12930と図53に示す三次元データ復号装置12950とにより、点群の符号化及び復号が実施されてもよい。
gps_alt_coordinates_flag及びgps_coordinate_trans_enabled_flagが三次元データ符号化装置から三次元データ復号装置へ通知されることで、各三次元点の符号化及び復号において極座標など直交座標と別の座標系を用いる場合(例えば、gps_alt_coordinates_flag=1の場合など)においても、符号化対象の点群に応じて図48に示す三次元データ符号化装置12900と図52に示す三次元データ符号化装置12930とを切り替えることが可能となり、これにより符号化効率を向上できる可能性がある。
なお、図54では、GPSのシンタックスを例示したが、gps_alt_coordinates_flag及びgps_coordinate_trans_enabled_flagは、SPSに含まれていてもよいし、データユニットのヘッダに含まれていてもよいし、他の制御情報にメタデータとして含まれていてもよい。
図55は、各三次元点(PredtreeのNode)のシンタックスの一例である。このシンタックスは、図48~図54を用いて説明した三次元データ符号化装置12900、12930及び三次元データ復号装置12920、12950において用いられる。
この例では、三次元データ符号化装置12900、12930は、まず符号化対象または復号対象の三次元点におけるイントラ予測点の求め方を示す識別情報(pred_mode)を三次元データ復号装置12920、12950へ通知する。加えて、三次元データ符号化装置12900、12930は、識別情報(pred_mode)に応じて、イントラ予測点を決定するための付加情報を三次元データ復号装置12920、12950へ通知してもよい。
次に、符号化中の予測木(predtree)が参照しているGPSにおいてインター予測が有効な場合(例えば、gps_inter_prediction_enabeled_flag=1の場合)には、三次元データ符号化装置12900、12930は、符号化対象または復号対象の三次元点における予測方法がイントラ予測であるか否(すなわち、インター予測である)かを示す情報(intra_pred_flag)を三次元データ復号装置12920、12950へ通知してもよい。なお、gps_inter_prediction_enabeled_flag=0の場合、intra_pred_flagの値を1(イントラ予測)に設定するようにしてもよい。符号化対象または復号対象の三次元点における予測方法がインター予測(例えば、intra_pred_flag=0)の場合、符号化対象または復号対象の三次元点におけるインター予測点の求め方を示す識別情報(inter_pred_mode)を通知してもよい。更に、三次元データ符号化装置12900、12930は、識別情報(inter_pred_mode)に応じて、インター予測点の決定の際に参照するインター予測点群中の候補点数をNumRefPointsに設定し、各候補点のインデックス(inter_ref_point_idx)をNumRefPoints個だけ三次元データ復号装置12920、12950へ通知してもよい。なお、インター予測点の決定の際に参照するインター予測点群中の候補点が複数指定された場合には、指定された複数の候補点の座標の平均値をインター予測点の座標としてもよい。また、三次元データ符号化装置12900、12930は、候補点のインデックスの通知を省略して最も小さいインデックスなど特定の候補点を選択するinter_pred_modeを用意してもよい。例えば、三次元データ符号化装置12900、12930は、inter_pred_modeが当該モードを示しているか否かの判定処理を設けたり、NumRefPointsの値を0に設定したりするなどして、候補点のインデックスの通知を省略してもよい。また、インター予測点が一意に定まる方法に必要な情報が通知されていれば実施可能であり、例えばinter_pred_modeの代わりに、インター予測点の決定の際に参照するインター予測点群中の候補点数を通知するようにしてもよい。
なお、直前に符号化または復号した三次元点(例えば、予測木の親ノードなどの祖先ノードに対応する三次元点)など、イントラ予測点の求め方を示す識別情報(pred_mode)に依らずに一意に決定される三次元点の近傍において、インター予測点群中の候補点を探索する場合、符号化対象または復号対象の三次元点における予測方法がイントラ予測(例えば、intra_pred_flag=1)の場合に限って、イントラ予測点の求め方を示す識別情報(pred_mode)やイントラ予測点を決定するための付加情報を、三次元データ復号装置12920、12950へ通知してもよい。
次に、三次元データ符号化装置12900、12930は、符号化対象または復号対象の点の位置情報(座標値)と予測点の位置情報(座標値)の第1差分(1st_residual_value)を通知してもよい。各三次元点を三次元データ復号装置12920、12950から出力する前に復号点の座標変換を行う場合(例えば、gps_coordinate_trans_enabled_flag=1の場合)、極座標などの別の座標系における復号結果を、直交座標などの元の座標系へ座標変換した位置情報(座標値)と、元の位置情報(座標値)との第2差分(2nd_residual_value)を通知してもよい。なお、これらの差分情報を一つのシンタックスとして通知する例を示したが、正負情報と絶対値情報のように複数のシンタックスに分解して通知するようにしてもよい。
これらの情報が三次元データ符号化装置12900、12930から三次元データ復号装置12920、12950へ通知されることで、三次元データ符号化装置12900、12930と三次元データ復号装置12920、12950とで一致した予測処理を実施可能となり、三次元データ復号装置12920、12950において、対応する三次元データ符号化装置12900、12930と不整合を生じることなく処理対象の三次元点を復号できる。
図48~図55を用いて開示した装置または処理、シンタックスなどは、他の実施の形態の少なくとも一部と組み合わせて実施されてもよい。また、図48~図55を用いて開示した装置または処理、シンタックスの一部などは、他の実施の形態と組み合わせて実施してもよい。また、図48~図55を用いて開示したすべての構成要素は、全て必要とは限らず、一部の構成要素のみを備えていてもよい。
以上のように、本実施の形態に係る三次元データ符号化装置は、図56に示す処理を行う。三次元データ符号化装置は、複数の符号化済みの三次元点のうちの1以上の候補点の位置情報に基づいて予測値を決定する(S12931)。三次元データ符号化装置は、複数の三次元点のうちの符号化対象の1つの三次元点の位置情報と、予測値との差分である予測残差を算出する(S12932)。三次元データ符号化装置は、予測残差を符号化することで符号化データを生成する(S12933)。三次元データ符号化装置は、符号化データを含むビットストリームを生成する(S12934)。三次元データ符号化装置は、ステップS12931において、1以上の候補点を、複数の符号化済みの三次元点のうちの1以上の基準点に基づいて決定する。
例えば、複数の三次元点は予測木を構成している。1以上の基準点は、符号化対象の1つの三次元点の親ノードに対応する三次元点を含む。
これによれば、予測値の算出に用いられる1以上の候補点を、予測木における、符号化対象の1つの三次元点の親ノードに基づいて決定するため、予測残差を小さくすることができ、符号化効率を向上させることができる。
例えば、1以上の候補点には、インデックス値が割り当てられている。ビットストリームは、さらに、予測値の決定に用いる候補点に割り当てられたインデックス値を含む。
このため、三次元データ復号装置は、インデックス値に基づいて候補点を容易に特定することができる。よって、三次元データ復号装置における処理負荷を低減することができる。
例えば、三次元データ符号化装置は、プロセッサと、メモリとを備え、プロセッサは、メモリを用いて、上記の処理を行う。
また、本実施の形態に係る三次元データ復号装置は、図57に示す処理を行う。三次元データ復号装置は、符号化された予測残差と、予測値の算出に用いられる1つの候補点に割り当てられたインデックス値とを含むビットストリームを取得する(S12941)。三次元データ復号装置は、インデックス値に基づいて、複数の復号済みの三次元点のうちの1以上の基準点に基づいて1つの候補点を決定する(S12942)。三次元データ復号装置は、決定した1つの候補点の位置情報に基づいて予測値を算出する(S12943)。三次元データ復号装置は、符号化された予測残差を復号することで予測残差を算出する(S12944)。三次元データ復号装置は、予測値と予測残差とを加算することで、復号対象の1つの三次元点の位置情報を算出する(S12945)。
これによれば、複数の符号化済みの三次元点のうちの1以上の基準点に基づいて1つの候補点を決定し、決定した1つの候補点の位置情報に基づく予測値を用いて復号対象の三次元点を復号することができる。
例えば、複数の三次元点は予測木を構成している。1以上の基準点は、符号化対象の1つの三次元点の親ノードに対応する三次元点を含む。
例えば、1以上の候補点には、インデックス値が割り当てられている。ビットストリームは、さらに、予測値の決定に用いる候補点に割り当てられたインデックス値を含む。
このため、三次元データ復号装置は、インデックス値に基づいて候補点を容易に特定することができる。よって、三次元データ復号装置における処理負荷を低減することができる。
例えば、三次元データ復号装置は、プロセッサと、メモリとを備え、プロセッサは、メモリを用いて、上記の処理を行う。
図58は、符号化処理における座標系の切り替え処理を示すフローチャートである。図58のフローチャートでは、図48で説明した三次元データ符号化装置12900を用いて符号化を行うか、図52で説明した三次元データ符号化装置12930を用いて符号化を行うかの切り替えを行う。また、図58のフローチャートでは、直交座標系の位置情報の符号化を行うか、極座標系の位置情報の符号化を行うかの切り替えも行う。
まず、三次元データ符号化装置は、入力点群の座標系を確認し、符号化処理及び復号処理の座標系を決定する(S13001)。つまり、三次元データ符号化装置は、符号化処理及び復号処理の対象となる位置情報の座標系を決定する。
次に、三次元データ符号化装置は、入力点群の座標系と、決定した符号化処理及び復号処理の座標系とが同一であるか否かを判定する(S13002)。
三次元データ符号化装置は、入力点群の座標系と、決定した符号化処理及び復号処理の座標系とが同一であると判定した場合(S13002でYes)、gps_coordinate_trans_enabled_flag=0に設定し、座標変換せずに、決定した座標系で点群の位置情報を符号化することを決定する(S13003)。
三次元データ符号化装置は、入力点群の座標系と、決定した符号化処理及び復号処理の座標系とが同一でないと判定した場合(S13002でNo)、gps_coordinate_trans_enabled_flag=1に設定し、座標変換して、決定した座標系で点群の位置情報を符号化することを決定する(S13004)。
なお、図52で説明した三次元データ符号化装置12930では、入力点群の座標系が極座標であり、符号化処理及び復号処理の座標系が直交座標である場合を一例として示しているが、入力点群の座標系が直交座標であり、符号化処理及び復号処理の座標系が極座標であってもよい。この場合、図52では、極座標系を直交座標系と読み替え、かつ、直交座標系を極座標系と読み替えることで説明できる。
次に、三次元データ符号化装置は、符号化の座標系が極座標系であるか否(直交座標系)かを判定する(S13005)。
三次元データ符号化装置は、符号化の座標系が極座標系であると判定した場合(S13005でYes)、gps_alt_coordinates_flag=1に設定し、点群の位置情報を極座標系で符号化する(S13006)。
三次元データ符号化装置は、符号化の座標系が極座標系でない(つまり、直交座標系である)と判定した場合(S13005でNo)、gps_alt_coordinates_flag=0に設定し、点群の位置情報を直交座標系で符号化する(S13007)。
ここで、上記処理によりシンタックスを決定する場合、図54を用いて説明したgps_coordinate_trans_enabled_flag及びgps_alt_coordinates_flagは、依存関係なく独立に示すシンタックス構成としてもよい。つまり、gps_coordinate_trans_enabled_flagは、gps_alt_coordinates_flagの有無または、gps_alt_coordinates_flagの値に関わらず、GPSに示されていてもよい。
また、上記処理において、ステップS13002~S13004の処理1と、ステップS13005~S13007の処理2を入れ替え、処理2においてgps_alt_coordinates_flag=1の場合に処理1を実施する構成とすることにより、図54のシンタックス構成を採用してもよい。
図59は、復号処理における座標系の切り替え処理を示すフローチャートである。図59のフローチャートでは、図49で説明した三次元データ復号装置12920を用いて復号を行うか、図53で説明した三次元データ復号装置12950を用いて復号を行うかの切り替えを行う。また、図59のフローチャートでは、直交座標系の位置情報の復号を行うか、極座標系の位置情報の復号を行うかの切り替えも行う。
まず、三次元データ復号装置は、ビットストリームに含まれるメタデータを解析する(S13011)。具体的には、メタデータは、GPS、SPS、ヘッダなどに含まれる制御情報である。三次元データ復号装置は、メタデータに含まれるgps_alt_coordinates_flag及びgps_coordinate_trans_enabled_flagを確認する。
次に、三次元データ復号装置は、gps_alt_coordinates_flag=1であるか否かを判定する(S13012)。
三次元データ復号装置は、gps_alt_coordinates_flag=1である場合(S13012でYes)、極座標系で復号することを決定する(S13013)。
三次元データ復号装置は、gps_alt_coordinates_flag=0である場合(S13012でNo)、直交座標系で復号することを決定する(S13014)。
このように、算出される復号対象の1つの三次元点の位置情報の座標系は、gps_alt_coordinates_flagの値に応じて決定されるため、第1識別情報が示す第1符号化データを含むか否かに応じた座標系に決定される。
次に、三次元データ復号装置は、gps_coordinate_trans_enabled_flag=1であるか否かを判定する(S13015)。
三次元データ復号装置は、gps_coordinate_trans_enabled_flag=1である場合(S13015でYes)、座標変換せずに決定した座標系で位置情報を復号する(S13016)。この場合、点群の位置情報は、三次元データ復号装置12920の構成を用いて復号される。なお、gps_coordinate_trans_enabled_flagは、gps_alt_coordinates_flag=1である場合に示されるため、gps_coordinate_trans_enabled_flag=1である場合(つまり、第2識別情報が、復号において極座標系の位置情報を出力することを示す場合)、算出される復号対象の1つの三次元点の位置情報の座標系は極座標系である。
三次元データ復号装置は、gps_coordinate_trans_enabled_flag=0である場合(S13015でNo)、座標変換して、決定した座標系で位置情報を復号する(S13017)。この場合、点群の位置情報は、三次元データ復号装置12950の構成を用いて復号される。なお、gps_coordinate_trans_enabled_flagは、gps_alt_coordinates_flag=1である場合に示されるため、gps_coordinate_trans_enabled_flag=0である場合(つまり、第2識別情報が、復号において直交座標系の位置情報を出力することを示す場合)、予測値と第1残差とを加算することで得られた極座標系の位置情報の座標系を変換し、変換することで得られた直交座標系の位置情報を、復号対象の1つの三次元点の位置情報として算出する。また、この場合、符号化データは第2残差を含み、三次元データ復号装置は、符号化された第2残差を復号することで第2残差を算出し、復号対象の1つの三次元点の位置情報の算出では、座標系を変換することで得られた直交座標系の位置情報と第2残差とを加算し、加算することで得られた位置情報を、復号対象の1つの三次元点の位置情報として算出する。
なお、図54のシンタックス構成でメタデータが構成される場合、ステップS13012~S13014の処理1において復号する座標系が極座標と判定される場合にステップS13015~S13017の処理2に移行し、処理1において復号する座標系が直交座標と判定される場合には、処理2の判定をスキップし、図49の構成の三次元データ復号装置12920を用いた復号が行われてもよい。
なお、gps_coordinate_trans_enabled_flagは、各点を三次元データ復号装置から出力する前に復号点の座標変換を実施するか否かを示す座標変換情報としたが、各三次元点を符号化する際に座標変換を実施したか否かを示す情報としてもよいし、座標変換に伴い発生する誤差情報(変換誤差)がビットストリームに含まれるか否かを示す情報としてもよい。また、当該情報が含まれる場合には、三次元データ復号装置あるいはアプリケーションにおいて座標変換をするか否かが判定されてもよい。
なお、入力点群の座標系、出力点群の座標系、符号化処理の対象となる位置情報の座標系、及び、復号処理の対象となる位置情報の座標系の組み合わせによる処理の切り替え、及び、これらの座標系を示すシグナリング方法について、予測木を用いた符号化を例に説明したが、8分木符号化の場合にも、同様の方法が用いられてもよい。また、入力点群の座標系、出力点群の座標系、符号化処理の対象となる位置情報の座標系、及び、復号処理の対象となる位置情報の座標系がいずれか1種類の場合は、切り替え処理を省略してもよいし、座標系が3種類以上の場合に処理を拡張してもよい。また、位置情報の符号化及び復号に係る座標系を例に説明したが、属性情報の符号化及び復号に係る座標系が複数の座標系に対応する場合、あるいは入力点群及び出力点群の座標系が他の座標系へ切り替わる可能性がある場合、同様の方法を用いて、処理を切り替えてもよい。例えば、図54と同様のシンタックスをattribute_parameter_setに含めてもよい。
また、位置情報の符号化及び復号に係る座標系と、属性情報の符号化及び復号に係る座標系とは、同一にするように制御されてもよい。
また、以上のように、本実施の形態に係る三次元データ符号化装置は、図60に示す処理を行う。三次元データ符号化装置は、直交座標系、もしくは極座標系のいずれかである複数の三次元点を符号化する。三次元データ符号化装置は、複数の符号化済みの三次元点のうちの1以上の候補点の位置情報に基づいて予測値を算出する(S13021)。三次元データ符号化装置は、複数の三次元点のうちの符号化対象の1つの三次元点の位置情報と、予測値との差分である第1残差を算出する(S13022)。三次元データ符号化装置は、第1残差を符号化することで符号化データを生成する(S13023)。三次元データ符号化装置は、符号化データと、符号化データが極座標系で算出された第1符号化データを含むか否かを示す第1識別情報とを含むビットストリームを生成する(S13024)。
これによれば、符号化データが極座標系で算出された第1符号化データを含むか否かを示す第1識別情報がビットストリームに含まれるため、三次元データ復号装置は、第1識別情報に基づいて適切に復号処理を行うことができる。
例えば、ビットストリームは、さらに、第2識別情報を含む。予測値の算出に用いられる1以上の候補点の位置情報、及び、第1残差の算出に用いられる符号化対象の1つの三次元点の位置情報が、極座標系の位置情報である場合、第1識別情報は、符号化データが極座標系で算出された第1符号化データを含むことを示す。また、この場合、第2識別情報は、復号において極座標系の位置情報を出力するか、直交座標系の位置情報を出力するかを示す。
例えば、符号化データが第1符号化データを含まないことを第1識別情報が示す場合、ビットストリームは、第2識別情報を含まない。
例えば、復号において極座標系の位置情報を出力する場合、第2識別情報は、復号において極座標系の位置情報を出力することを示す。また、この場合、第1符号化データの符号化において、第1残差を量子化し、量子化された第1残差を符号化する。
例えば、第1残差の算出において、さらに、符号化対象の1つの三次元点の直交座標系の位置情報の座標系を変換することで極座標系の位置情報を生成し、かつ、第1残差は、変換後の極座標系の位置情報と前記予測値との差分である場合、三次元データ符号化装置は、変換後の極座標系の位置情報の座標系を逆変換することで直交座標系の位置情報を生成する。三次元データ符号化装置は、直交座標系の位置情報と、逆変換後の直交座標系の位置情報との差分である第2残差を算出する。符号化データの生成では、第1残差及び前記第2残差を符号化することで符号化データを生成する。第1識別情報は、符号化データが第1符号化データを含むことを示す。第2識別情報は、復号において直交座標系の位置情報を出力することを示す。
例えば、第2識別情報は、第2残差の符号化データをビットストリームに含むか否かを示す。
例えば、三次元データ符号化装置は、プロセッサと、メモリとを備え、プロセッサは、メモリを用いて、上記の処理を行う。
また、本実施の形態に係る三次元データ復号装置は、図61に示す処理を行う。三次元データ復号装置は、直交座標系、もしくは極座標系のいずれかである複数の三次元点を復号する。三次元データ復号装置は、第1残差が符号化された符号化データと、符号化データが極座標系で算出された第1符号化データを含むか否かを示す第1識別情報とを含むビットストリームを取得する(S13031)。三次元データ復号装置は、複数の復号済みの三次元点のうちの1以上の候補点の位置情報に基づいて予測値を算出する(S13032)。三次元データ復号装置は、符号化された第1残差を復号することで第1残差を算出する(S13033)。三次元データ復号装置は、予測値と第1残差とを加算することで、復号対象の1つの三次元点の位置情報を算出する。算出される復号対象の1つの三次元点の位置情報の座標系は、第1識別情報が示す第1符号化データを含むか否かに応じた座標系である。
これによれば、符号化データが極座標系で算出された第1符号化データを含むか否かを示す第1識別情報に基づいて復号対象の1つの三次元点の位置情報の座標系を決定できるため、三次元データ復号装置は、第1識別情報に基づいて適切に復号処理を行うことができる。
例えば、ビットストリームは、さらに、復号において極座標系の位置情報を出力するか、直交座標系の位置情報を出力するかを示す第2識別情報を含む。第1識別情報が符号化データが第1符号化データを含むこと示す場合、予測値の算出に用いられる1以上の候補点の位置情報、及び、第1残差の算出に用いられた符号化対象の1つの三次元点の位置情報は、極座標系の位置情報である。
例えば、符号化データが第1符号化データを含まないことを第1識別情報が示す場合、ビットストリームは、前記第2識別情報を含まない。
例えば、第2識別情報が、復号において極座標系の位置情報を出力することを示す場合、符号化データは、第1残差が量子化されて符号化されたデータである。また、この場合、算出される復号対象の1つの三次元点の位置情報の座標系は極座標系である。
例えば、第1識別情報が、符号化データが第1符号化データを含むことを示し、かつ、第2識別情報が、復号において直交座標系の位置情報を出力することを示す場合、復号対象の1つの三次元点の位置情報の算出では、予測値と前記第1残差とを加算することで得られた極座標系の位置情報の座標系を変換し、変換することで得られた直交座標系の位置情報を、復号対象の1つの三次元点の位置情報として算出する。
例えば、第1識別情報が、符号化データが第1符号化データを含むことを示し、かつ、第2識別情報が、復号において直交座標系の位置情報を出力することを示す場合、符号化データは、さらに、符号化された第2残差を含む。三次元データ符号化装置は、符号化された第2残差を復号することで第2残差を算出する。復号対象の1つの三次元点の位置情報の算出では、座標系を変換することで得られた直交座標系の位置情報と前記第2残差とを加算し、加算することで得られた位置情報を、復号対象の1つの三次元点の位置情報として算出する。
例えば、第2識別情報は、第2残差の符号化データをビットストリームに含むか否かを示す。
例えば、三次元データ復号装置は、プロセッサと、メモリとを備え、プロセッサは、メモリを用いて、上記の処理を行う。
(実施の形態6)
符号化対象となる三次元点群をインター予測を用いて符号化する際に、参照する三次元点群を決定する方法について説明する。
符号化対象となる三次元点群をインター予測を用いて符号化する際に、参照する三次元点群を決定する方法について説明する。
図62は、本実施の形態に係る三次元データ符号化装置が符号化対象の三次元点群を符号化する際に参照する三次元点群を決定するための処理の第1例を説明するための図である。具体的には、図62は、上記した三次元データ符号化装置における、インター予測(インター予測参照方法)の一例である。なお、以下で説明するインター予測は、三次元データ符号化装置の処理手順を例に説明する。三次元データ復号装置が復号対象の符号化された三次元点群を復号する際に参照する三次元点群を決定するための処理においても三次元データ符号化装置の処理手順と同様である。
本例では、三次元データ符号化装置は、符号化対象の三次元点群を含む空間(第1の直方体ともいう)を設定し、第1の直方体を動き補償情報に基づいて移動させることにより、第1の直方体と一致する空間(第2の直方体ともいう)を設定する。本例では、三次元データ符号化装置は、第1の直方体を平行移動させることにより第2の直方体を設定する。
このように設定された第2の直方体が、符号化対象の三次元点群の符号化において参照される符号化済みの三次元点群(インター参照点群ともいう)を含む空間となる。符号化済みの三次元点群とは、当該三次元点群の三次元データ(例えば、位置情報)が符号化されたことのある点群である。
なお、三次元データ符号化装置が設定する空間の形状は、直方体でなくてもよく、錐体又は球等、任意でよい。
図63は、本実施の形態に係る三次元データ符号化装置が符号化対象の三次元点群を符号化する際に参照する三次元点群を決定するための処理の第2例を説明するための図である。
本例では、三次元データ符号化装置は、上記した例と同様に、第1の直方体を平行移動させ、さらに、回転(本例では、水平回転)によりインター参照点群を含む空間(つまり、第2の直方体)を設定する。
水平回転とは、実空間における鉛直方向に対応する軸を中心とする回転(つまり、当該軸周りの回転)を意味し、例えば、三次元の直交座標系におけるz軸を中心とする回転である。これにより、第1の直方体においてy軸に平行だった辺は、第2の直方体においてy1軸と平行になる。また、第1の直方体においてx軸に平行だった辺は、第2の直方体においてx1軸と平行になる。
なお、本例では、三次元データ符号化装置は、第1の直方体を平行移動させた後に水平回転させることで、第2の直方体を設定する。三次元データ符号化装置は、第1の直方体を水平回転させた後に平行移動させることで、第2の直方体を設定してもよい。
また、三次元データ符号化装置は、予め設定されたz軸周りに第1の直方体を回転させてもよいし、第1の直方体の位置に基づいて予め設定されたz軸に平行な新たな軸を設定し、設定した新たな軸周りに第1の直方体を回転させてもよい。例えば、三次元データ符号化装置は、例えば、第1の直方体におけるz軸に平行な辺を新たな軸と設定してもよい。
図64は、本実施の形態に係る三次元データ符号化装置が符号化対象の三次元点群を符号化する際に参照する三次元点群を決定するための処理の第3例を説明するための図である。
本例では、三次元データ符号化装置は、第1の直方体を平行移動させて、さらに、3D回転させることにより第2の直方体を設定する。
3D回転とは、1以上の軸のそれぞれについて、各軸を中心とする回転である。三次元データ符号化装置は、例えば、3D回転では、第1の直方体をx軸周りに回転させ、回転させた第1の直方体をy軸周りに回転させ、さらに、回転させた第1の直方体をz軸周りに回転させる。これにより、第1の直方体においてx軸に平行だった辺は、第2の直方体においてx2軸と平行になる。第1の直方体においてy軸に平行だった辺は、第2の直方体においてy2軸と平行になる。また、第1の直方体においてz軸に平行だった辺は、第2の直方体においてz2軸と平行になる。
なお、三次元データ符号化装置は、3D回転では、例えば、三次元の直交座標系におけるx軸、y軸、及び、z軸の少なくとも1つの軸それぞれについて、各軸を中心とする回転をさせればよい。また、三次元データ符号化装置は、3D回転では、少なくとも1つの軸それぞれについて、任意の順序で各軸を中心とする回転をさせればよい。
また、三次元データ符号化装置は、予め設定された各軸周りに第1の直方体を回転させてもよいし、第1の直方体の位置に基づいて予め設定された各軸に平行な新たな各軸を設定し、設定した新たな各軸について、各軸周りに第1の直方体を回転させてもよい。
第2の直方体の位置を特定するための情報として、上記した各例のいずれの予測(移動方法)を実施するかを示す予測モード情報を、フレーム、スライス、8分木(Octree)、予測木(Predtree)等のヘッダ部に記載してもよいし、当該予測モード情報をエントロピー符号化して8分木又は予測木のノード情報のヘッダ部に記載してもよい。
或いは、第2の直方体の位置を特定するための情報として、所定のルール(例えば、原点座標に最も近い頂点を選択する等)により定められる第1の直方体の第1の頂点と対応する第2の直方体の第2の頂点の間の移動量、及び、水平回転又は3D回転の回転角等を示す動き補償情報を、フレーム、スライス、8分木、予測木等のヘッダ部に記載してもよいし、当該予測モード情報をエントロピー符号化して8分木又は予測木のノード情報のヘッダ部に記載してもよい。
なお、回転角は、必ずしも全角度が表現される必要はなく、例えば、±30°等の範囲に限定して表現されてもよい。
また、上記した各例の全ての方法がいつも必要とは限らず、一部の方法のみを使用するようにしてもよい。
また、上記した各例の一部又は全ての方法に、インター参照点群を含む空間を一意に設定できる他の方法(例えば、移動量をゼロとして動き補償を行わない方法)を追加して選択できるようにしてもよい。
このように、平行移動に加えて回転も用いてインター予測を行うことで、上記した三次元データ符号化装置及び三次元データ復号装置においては、符号化対象のノード情報の生起確率の予測精度が向上できる。したがって、上記した三次元データ符号化装置においては、エントロピー符号化する残差信号の情報量を低減することができるため、符号化効率を向上できる可能性がある。同様に、上記した三次元データ復号装置においては、エントロピー復号する残差信号の情報量を低減することができるため、復号効率を向上できる可能性がある。
なお、移動方法は、任意に定められてよい。三次元データ符号化装置は、例えば、上記した各移動方法を用いて第1の直方体を移動させ、後述する方法で三次元点群の位置情報を符号化した際における、各移動方法に対応する符号量を算出し、算出した符号量のうちで最も符号量が少なくなる移動方法を選択してもよい。
続いて、動き補償の処理手順の一例について説明する。
三次元データ符号化装置は、第2の直方体に含まれる三次元点群(インター参照点群)を、第1の直方体に含まれるように、第1の直方体を移動させた移動方法(例えば、平行移動)に応じて移動させる。三次元データ符号化装置は、このように移動させた三次元点群であって、符号化済み(つまり、一度符号化させたことのある三次元点群)の三次元点群(インター予測点群ともいう)を参照して、符号化対象の三次元点群(具体的には、点群データ、より具体的には、位置情報)を符号化する。三次元データ符号化装置は、例えば、インター参照点群を、第1の直方体に含まれるように、第1の直方体の第2の直方体の位置への移動とは逆向きに移動させることで、インター予測点群とする。
図65は、本実施の形態に係る三次元データ符号化装置が符号化対象の三次元点群を符号化する際に参照する三次元点群を決定(設定)するための処理手順を示すフローチャートである。具体的には、図65は、インター予測における、動き補償の処理手順の一例を示すフローチャートである。三次元データ符号化装置は、第2の直方体に含まれるインター参照点群を平行移動したり回転したりすることで、第1の直方体に含まれる符号化対象の三次元点群に対応する、つまり、符号化対象の三次元点群が符号化される際に参照されるインター予測点群を導出する。
なお、本例では、モード0は動き補償を行わない、つまり、インター参照点群を移動させない移動方法を示すモードである(動き補償なし)。また、本例では、モード1は、インター参照点群を平行移動のみさせる移動方法を示すモードである(回転なし)。また、本例では、モード2は、インター参照点群を平行移動させた後に水平回転させる移動方法を示すモードである(水平回転)。また、本例では、モード3は、平行移動させた後に3D回転させる移動方法を示すモードである(3D回転)。本例では、これらのモードが予測モード(例えば、後述するmc_mode)として予め定められているとする。例えば、三次元データ符号化装置は、上記したように符号量が最も少なくなるように移動方法を決定し、決定した移動方法を示す予測モードを予め決定し、決定した予測モードを用いて、以下の処理を行う。
三次元データ符号化装置は、予測モードが動き補償を行わないモード(本例では、モード0)である場合(ステップS13101で「動き補償なし(モード0)」)、つまり、モード0が示す移動方法で三次元点群(つまり、インター参照点群)を移動させる場合、ステップS13107に処理を移行する。
三次元データ符号化装置は、平行移動及び/又は回転等の決定したモードが示す移動方法でインター参照点群を移動させる移動処理を実行することで、移動処理後のインター参照点群をインター予測点群に設定する(S13107)。三次元データ符号化装置は、予測モードがモード0である場合には、ステップS13107では、動き補償なし、すなわち、第2の空間を第1の空間と同じ位置に設定し、第2の空間(つまり、この場合には第1の空間)に含まれるインター参照点群をインター予測点群に設定する。
一方、三次元データ符号化装置は、予測モードがモード0以外である場合(ステップS13101で「その他(モード0以外)」)、第1の空間(例えば、第1の直方体に対応する空間)における第1の頂点(例えば、第1の直方体におけるいずれかの頂点)から、当該第1の頂点に対応する第2の頂点であって、第2の空間(例えば、第2の直方体に対応する空間)における第2の頂点(例えば、第2の直方体におけるいずれかの頂点)までの移動量(例えば、距離)に基づいて、インター参照点群を平行移動させる(S13102)。三次元データ符号化装置は、例えば、上記した所定の方向とは反対方向に上記した所定の移動量インター参照点群を移動させる。
三次元データ符号化装置は、予測モードが平行移動のみを行うモード(本例では、モード1)である場合、つまり、モード1が示す移動方法でインター参照点群を移動させる場合(ステップS13103で「回転なし(モード1)」)、ステップS13107に処理を移行する。
三次元データ符号化装置は、予測モードがモード1である場合には、ステップS13107では、ステップS13102で平行移動させた後のインター参照点群を、インター予測点群に設定する。
一方、三次元データ符号化装置は、予測モードがモード2又は3のモードである場合(ステップS13103で「回転あり(モード2又は3)」)、平行移動後の第1の頂点を原点とする直交座標系を設定し、ステップS13102で平行移動させた後のインター参照点群を、当該直交座標系におけるz軸(垂直軸)を軸に第1の回転角に応じた角度回転させる(S13104)。三次元データ符号化装置は、例えば、第1の直方体を第2の直方体に移動させる際にz軸周りに回転させた回転方向とは反対方向に第1の回転角インター参照点群を回転させる。
三次元データ符号化装置は、予測モードが平行移動と水平回転とを行うモード(本例では、モード2)である場合、つまり、モード2が示す移動方法でインター参照点群を移動させる場合(ステップS13105で「水平回転(モード2)」)、ステップS13107に処理を移行する。
三次元データ符号化装置は、予測モードがモード2である場合には、ステップS13107では、ステップS13102で平行移動させた後にステップS13104で回転させた後のインター参照点群をインター予測点群に設定する。
一方、三次元データ符号化装置は、予測モードがモード3である場合(ステップS13105で「3D回転(モード3)」)、ステップS13104で回転させた後の第1の頂点を原点とする直交座標系を設定し、ステップS13104で回転させた後のインター参照点群を、当該直交座標系におけるy軸及びx軸を軸にそれぞれ第2の回転角及び第3の回転角で回転させる(S13106)。三次元データ符号化装置は、例えば、ステップS13104で回転させた後のインター参照点群を、y軸を軸に第2の回転角に応じた角度で回転させ、さらに、y軸周りに回転させた後の第1の頂点を原点とする直交座標系を設定し、y軸周りに回転させた後のインター参照点群を、当該直交座標系におけるx軸を軸に第3の回転角に応じた角度で回転させる。三次元データ符号化装置は、例えば、第1の直方体を第2の直方体に移動させる際にy軸周りに回転させた回転方向とは反対方向に第2の回転角インター参照点群を回転させ、さらに、第1の直方体を第2の直方体に移動させる際にx軸周りに回転させた回転方向とは反対方向に第3の回転角インター参照点群を回転させる。三次元データ符号化装置は、ステップS13106を実行した後に、ステップS13107に処理を移行する。
三次元データ符号化装置は、予測モードがモード3である場合には、ステップS13107では、ステップS13102で平行移動させた後にステップS13104で回転させた後のインター参照点群をさらにステップS13106で回転させ、回転させた後のインター参照点群を、インター予測点群に設定する。
なお、例えば、車載センサ等の移動するセンサにより取得された三次元点群を符号化する場合に、三次元の直交座標系を設定するときには、実空間における鉛直方向を対応する方向に平行な軸をz軸、移動体の前方向に対応する方向に平行な軸をx軸、移動体の横方向に対応する方向に平行な軸をy軸に設定し、ヨー(yaw)、ピッチ(pitch)、ロール(roll)の順に動き補償(回転)するようにしてもよい。
また、上記したモード3では、z軸、y軸、x軸の順に回転する例を示したが、回転の順序を入れ替えて、例えば、z軸、x軸、y軸の順等で回転する構成としても構わない。
また、上記したモード2又は3では、平行移動後に回転を行う例を示したが、順序を入れ替えて、回転後に平行移動を行う構成としても構わない。
また、所定の方向、所定の移動量、第1の回転角、第2の回転角、及び、第3の回転角は、それぞれ任意に定められてよい。
続いて、動き補償情報の一例について説明する。
図66は、本実施の形態に係る動き補償情報(本例では、motion_info())のシンタックス例を示す図である。三次元データ符号化装置は、例えば、motion_info()を含むビットストリームを生成することで、三次元データ復号装置に動き補償情報を通知する。
mc_modeは、インター予測点群の算出方法を示す情報である。三次元データ符号化装置は、例えば、mc_modeのように、インター予測点群の求め方を示す情報を三次元データ復号装置に通知する。三次元データ符号化装置は、例えば、モード0(動き補償なし)、モード1(平行移動)、モード2(平行移動と水平回転)、又は、モード3(平行移動と3D回転)等を示すmc_modeを含むビットストリームを生成する。
ref_frame_idxは、インター予測点群が属するフレームを示す情報である。具体的には、ref_frame_idxは、インター予測点群が属するフレームのインデックス値を示す情報である。三次元データ符号化装置は、例えば、インター参照点群が属するフレームのインデックス値を示すref_frame_idxを含むビットストリームを生成する。
motion_vectorは、平行移動における移動量を示す情報である。三次元データ符号化装置は、例えば、モード0(動き補償なし)以外のモードにおいては、第1の空間における第1の頂点から、第1の頂点に対応する第2の空間における第2の頂点までの移動量に関する情報であるmotion_vectorを含むビットストリームを生成する。
なお、三次元データ復号装置は、例えば、三次元データ符号化装置から取得したビットストリームにmotion_vectorが含まれていない、つまり、motion_vectorが通知されない場合は、motion_vectorを0(ゼロ)に設定してもよい。移動量に関する情報は、絶対量を示す情報であってもよいし、絶対量と時空間的な連続性等を利用して決定された移動量の予測値との差分を示す情報であってもよい。
rotation_angleは、回転における回転角を示す情報である。三次元データ符号化装置は、例えば、回転を行うモード2及びモード3においては、垂直軸(z軸)を軸とする第1の回転角に関する情報(rotation_angle[0])を含むビットストリームを生成する。三次元データ符号化装置は、例えば、モード3においては、さらに、y軸を軸とする第2の回転角に関する情報(rotation_angle[1])と、x軸を軸とする第3の回転角に関する情報(rotation_angle[2])と、を含むビットストリームを生成する。
なお、三次元データ復号装置は、例えば、三次元データ符号化装置から取得したビットストリームにrotation_angleが含まれていない、つまり、rotation_angle[k](k=0、1、2)が通知されない場合は、rotation_angleを0(ゼロ)に設定してもよい。
また、上記では、モード2として、平行移動と水平回転(z軸中心の回転)とを組み合わせる例を示したが、必ずしもz軸中心の回転に限定する必要はなく、x軸中心の回転及び/又はy軸中心の回転であってもよい。或いは、三次元データ符号化装置は、例えば、どの軸を中心とする回転とするか、SPS、GPS、フレーム、スライス、8分木、又は、予測木等のヘッダ部に記載することで、三次元データ復号装置に通知できるように、切り替え可能であってもよい。或いは、例えば、三次元データ符号化装置は、どの軸を中心とする回転とするかを示す情報をエントロピー符号化し、符号化した情報を8分木又は予測木のノード情報のヘッダ部に記載してもよい。
また、motion_vector及びrotation_angleは、インター参照点群とインター予測点群との位置関係を一意に特定可能な情報であればよく、特に限定されない。例えば、motion_vector及びrotation_angleは、第1の空間を第2の空間に移動する場合における移動量及び回転角であってもよい。或いは、例えば、motion_vector及びrotation_angleは、第2の空間を第1の空間に移動する場合における移動量及び回転角であってもよい。三次元データ符号化装置及び三次元データ復号装置の双方が行う動き補償は、三次元データ符号化装置及び三次元データ復号装置の双方で共通の定義に基づいて実施されていればよい。
また、本実施の形態の処理、及び、シンタックス等を、他の実施の形態の少なくとも一部と組み合わせて実施してもよい。
また、本実施の形態の処理、及び、シンタックスの一部等を、他の実施の形態と組み合わせて実施してもよい。
また、本実施の形態の全ての構成要素がいつも必要とは限らず、三次元データ符号化装置及び三次元データ復号装置は、一部の構成要素のみを備えていてもよい。或いは、三次元データ符号化装置及び三次元データ復号装置は、本実施の形態の一部の処理のみを実行するように構成されていてもよい。
以上のように、本実施の形態に係る三次元データ符号化装置は、図67に示す処理を行う。
図67は、本実施の形態に係る三次元データ符号化装置の処理手順を示すフローチャートである。
まず、三次元データ符号化装置は、複数の移動方法の中から1つの移動方法を選択する(S13111)。
次に、三次元データ符号化装置は、選択した1つの移動方法と第1領域(例えば、第1領域の位置及びサイズを示す情報)とに基づいて第2領域を決定する(S13112)。三次元データ符号化装置は、例えば、選択した1つの移動方法で第1領域を移動させることで第2領域を決定する。
次に、三次元データ符号化装置は、決定した第2領域に位置する第2三次元点群を、1つの移動方法に応じた方法で第1領域に移動させる(S13113)。例えば、移動前の第2三次元点群は、例えば、上記したインター参照点群であり、移動後の第2三次元点群は、上記したインター予測点群である。
次に、三次元データ符号化装置は、第1領域に移動させた第2三次元点群の符号化済みの位置情報に基づいて、第1領域に位置する第1三次元点群の位置情報を符号化する(S13114)。第1三次元点群は、例えば、上記した符号化対象の三次元点群である。例えば、第1三次元点群は、第1フレームに属する。また、例えば、第2三次元点群は、第1フレームとは異なる第2フレームに属する。例えば、三次元データ符号化装置は、インター予測を用いて符号化してもよい。なお、第1三次元点群と第2三次元点群とは、同一のフレームに属性していてもよい。この場合、三次元データ符号化装置は、インター予測と同様の予測方法を用いて符号化してもよい。
次に、三次元データ符号化装置は、第1三次元点群の符号化された位置情報と、決定した1つの移動方法を示す移動情報と、を含むビットストリームを生成する(S13115)。移動情報は、例えば、上記したmc_motionである。
複数の移動方法は、平行移動させる方法と回転させる方法との一方又は両方を含む。複数の移動方法は、少なくとも平行移動させる方法と、少なくとも回転させる方法と、を含んでもよい。
なお、複数の移動方法は、これらの移動方法以外については予め任意に定められてよく、特に限定されない。或いは、複数の移動方法は、少なくとも平行移動させる方法と、少なくとも回転させる方法と、のみを含んでいてもよい。
これによれば、適切に選択された移動方法によって移動された三次元点群が用いられて、符号化対象の三次元点群の位置情報の符号化が行われる。そのため、符号化効率は、向上され得る。例えば、適切に選択された移動方法によって移動された三次元点群が用いられて、符号化対象の三次元点群の位置情報の符号化が行われることで、符号化対象のノード情報の生起確率の予測精度が向上できる。したがって、エントロピー符号化される残差信号の情報量を低減することができるため、符号化効率が向上され得る。
また、例えば、複数の移動方法は、移動させない方法を含む。つまり、第1領域と第2領域とは、同じ領域でもよい。言い換えると、上記した動き補償は、行われなくてもよい。
また、例えば、複数の移動方法は、平行移動させ且つ回転させる方法を含む。
例えば、車載センサ等の移動するセンサにより取得された情報に基づく三次元点群は、時間変化に対して平行移動と回転との両方が行われるように位置が変化する場合が多い。つまり、三次元点群は、例えば、各フレームを時系列順に見ると、平行移動し且つ回転するように、位置が移動されることが多い。そのため、移動方法として平行移動及び回転が含まれていることで、符号化対象の三次元点群を符号化する際に用いる三次元点群として適切な三次元点群を選択しやすくできる。
また、例えば、平行移動させ且つ回転させる方法では、平行移動させた後に回転させる。
また、例えば、回転させる方法では、三次元の直交座標系における3軸のうちの少なくとも1軸について、軸毎に当該軸に平行な軸周りに回転させる。
また、例えば、少なくとも1軸は、実空間における鉛直方向に対応する軸を含む。三次元点群は、例えば、実空間を撮像等のセンシングすることにより生成される実空間の物体等に対応する点群である。例えば、三次元点群を回転させる場合には、三次元点群に対応する物体等が位置する実空間における鉛直方向に対応する方向を軸として、当該軸周りに三次元点群を回転させる。
例えば、車載センサ等の移動するセンサにより取得された情報に基づく三次元点群は、時間変化に対して実空間の鉛直方向に平行な軸周りに回転する可能性が高い。一方で、このような三次元点群は、時間変化に対して実空間の水平方向に平行な軸周りに回転する可能性が低い。そのため、実空間における鉛直方向に対応する軸周りに回転させる移動方法が含まれていることで、符号化対象の三次元点群の位置情報を符号化する際に用いる三次元点群として適切な三次元点群を選択しやすくできる。
また、例えば、少なくとも1軸は、1つの軸である。
上記した通り、例えば、車載センサ等の移動するセンサにより取得された情報に基づく三次元点群は、時間変化に対して実空間の水平方向に平行な軸周りに回転する可能性が低い。そのため、回転する方法を実空間の鉛直方向に平行な軸周りの回転する方法のみにすることで、複数の移動方法が不要に多くなることを抑制しつつ、且つ、符号化対象の三次元点群の位置情報を符号化する際に用いる三次元点群として適切な三次元点群を選択しやすくできる。
また、例えば、三次元データ符号化装置は、プロセッサと、メモリとを備え、プロセッサは、メモリを用いて、上記の処理を行う。メモリには、上記処理を行う制御プログラムが記憶されていてもよい。
また、本実施の形態に係る三次元データ復号装置は、図68に示す処理を行う。
図68は、本実施の形態に係る三次元データ復号装置の処理手順を示すフローチャートである。
まず、三次元データ復号装置は、第1三次元点群の符号化された位置情報と、1つの移動方法を示す移動情報と、を含むビットストリームを取得する(S13121)。
次に、三次元データ復号装置は、移動情報に基づいて、複数の移動方法の中から1つの移動方法を選択する(S13122)。
次に、三次元データ復号装置は、選択した1つの移動方法と第1領域(例えば、第1領域の位置及びサイズを示す情報)とに基づいて第2領域を決定する(S13123)。三次元データ符号化装置は、例えば、選択した1つの移動方法で第1領域を移動させることで第2領域を決定する。
次に、三次元データ復号装置は、決定した第2領域に位置する第2三次元点群を、1つの移動方法に応じた方法で第1領域に移動させる(S13124)。
次に、三次元データ復号装置は、第1領域に移動させた第2三次元点群の復号済みの位置情報に基づいて、第1三次元点群の符号化された位置情報を復号する(S13125)。復号済みの三次元点群とは、当該三次元点群の三次元データ(例えば、位置情報)が復号されたことのある点群である。
複数の移動方法は、平行移動させる方法と回転させる方法との一方又は両方を含む。
これによれば、適切に選択された移動方法によって移動された三次元点群が用いられて、復号対象の三次元点群の符号化された位置情報の復号が行われる。そのため、復号効率は、向上され得る。
また、例えば、複数の移動方法は、移動させない方法を含む。
また、例えば、複数の移動方法は、平行移動させ且つ回転させる方法を含む。
例えば、車載センサ等の移動するセンサにより取得された情報に基づく三次元点群は、時間変化に対して平行移動と回転との両方が行われるように位置が変化する場合が多い。つまり、三次元点群は、各フレームを時系列順に見ると、平行移動し且つ回転するように、位置が移動されることが多い。そのため、移動方法として平行移動及び回転が含まれていることで、復号対象の符号化された三次元点群を復号する際に用いる三次元点群として適切な三次元点群を選択しやすくできる。
また、例えば、平行移動させ且つ回転させる方法では、平行移動させた後に回転させる。
また、例えば、回転させる方法では、三次元の直交座標系における3軸のうちの少なくとも1軸について、軸毎に当該軸に平行な軸周りに第1領域を回転させる。
また、例えば、少なくとも1軸は、実空間における鉛直方向に対応する軸を含む。
例えば、車載センサ等の移動するセンサにより取得された情報に基づく三次元点群は、時間変化に対して実空間の鉛直方向に平行な軸周りに回転する可能性が高い。一方で、このような三次元点群は、時間変化に対して実空間の水平方向に平行な軸周りに回転する可能性が低い。そのため、実空間における鉛直方向に対応する軸周りに回転させる移動方法が含まれていることで、復号対象の三次元点群の符号化された位置情報を復号する際に用いる三次元点群として適切な三次元点群を選択しやすくできる。
また、例えば、少なくとも1軸は、1つの軸である。
上記した通り、例えば、車載センサ等の移動するセンサにより取得された情報に基づく三次元点群は、時間変化に対して実空間の水平方向に平行な軸周りに回転する可能性が低い。そのため、回転する方法を実空間の鉛直方向に平行な軸周りの回転する方法のみにすることで、複数の移動方法が不要に多くなることを抑制しつつ、且つ、復号対象の三次元点群の符号化された位置情報を復号する際に用いる三次元点群として適切な三次元点群を選択しやすくできる。
また、例えば、三次元データ復号装置は、プロセッサと、メモリとを備え、プロセッサは、メモリを用いて、上記の処理を行う。メモリには、上記処理を行う制御プログラムが記憶されていてもよい。
(実施の形態7)
本実施の形態では、上記実施の形態で示した三次元データ符号化装置及び三次元データ復号装置において、極座標を用いた符号化または復号を行う場合のインター予測における参照点群の参照方法について説明する。図69は、本実施の形態に係るインター予測における参照点群の参照方法について説明するための図である。
本実施の形態では、上記実施の形態で示した三次元データ符号化装置及び三次元データ復号装置において、極座標を用いた符号化または復号を行う場合のインター予測における参照点群の参照方法について説明する。図69は、本実施の形態に係るインター予測における参照点群の参照方法について説明するための図である。
本実施の形態では、三次元点群を示す点群データは、LiDARなどのようにセンサ位置を中心に周囲の物体の三次元位置を取得して生成された点群を例に説明する。このような点群データの符号化では、二次元平面に、センサ位置から各三次元点までの測距位置の距離情報d[v][h]をマッピングした二次元画像であるデプスマップが用いられたインター予測が行われてもよい。この二次元平面は、測距位置の水平角(センサの水平スキャンにおける角度位置)を示すインデックスhを横軸とし、測距位置の仰角(センサのスキャンラインの仰角)を示すインデックスvとを縦軸とする。つまり、二次元画像の各画素の画素位置を示す二次元座標([v],[h])の成分[v]は、当該画素の距離情報の三次元点の測距位置からの仰角を示すインデックスであり、成分[h]は、当該画素の距離情報の三次元点の測距位置からの水平角を示すインデックスである。
仰角を示すインデックスは、例えば、センサを水平方向に見た場合の仰角(俯角)おいて、センサに予めさだめられている複数の仰角(俯角)の1つを特定するための仰角情報である。水平角を示すインデックスは、例えば、センサを垂直方向に見た場合の水平角おいて、センサに予め定められている複数の水平角の1つを特定するための水平角情報である。
なお、二次元画像は、全ての画素に三次元点が割り当てられていなくてもよい。つまり、二次元画像の二次元座標によって特定される水平角及び仰角の複数のセットにおいて、距離情報が取得されていないセットが二次元画像に含まれていてもよい。
三次元データ符号化装置または三次元データ復号装置は、符号化対象点のインター予測の予測点を、参照フレームの三次元点に決定してもよい。符号化対象点は、図69に示すように、符号化対象フレームにおける、1つの予測木(Predtree)により符号化される対象領域(破線で囲われた領域)に含まれ、予測点は、参照フレームのインター予測の参照領域に含まれる。符号化対象フレーム及び参照フレームは、それぞれ、二次元画像にマッピングされる。これらの二次元画像は、上述したように、二次元平面に、センサ位置から各三次元点までの測距位置の距離情報d[v][h]をマッピングしたデプスマップである。対象領域は、符号化対象フレームのうちの一部の二次元領域である。対象領域は、例えば、矩形である。インター予測の参照領域は、符号化対象フレームにおける対象領域に対応する領域である。参照領域は、参照フレームのうちの一部の二次元領域である。例えば、インター予測の参照領域は、対象領域に対するどの領域であるかを特定するための動きベクトル(動き補償情報)で対応付けられていてもよい。符号化対象点のインター予測の予測点は、参照領域に含まれる複数の画素の画素値で示される複数の三次元点から選択される。
参照領域は、1本の動きベクトルmv0により対象領域に対して指定される領域であってもよい。この場合、参照領域は、対象領域と同じサイズかつ同じ形状の領域が動きベクトルmv0により指定されてもよい。この場合をモード1と称する。
また、参照領域は、複数のベクトルが指し示す先の複数の点を頂点とする領域になるようにアフィン変換されることで特定される領域であってもよい。
例えば、参照領域は、2本の動きベクトルmv0、mv1により対象領域に対して指定される領域であってもよい。この場合、参照領域は、2本の動きベクトルmv0、mv1の指し示す先の2点を頂点とする領域になるように回転、及び、拡大/縮小の少なくとも1つの変形が為されることで特定される領域であってもよい。この場合をモード2と称する。
また、例えば、参照領域は、図69に示すように、3本の動きベクトルmv0、mv1、mv2により対象領域に対して指定される領域であってもよい。この場合、参照領域は、対象領域に対して、3本の動きベクトルmv0、mv1、mv2の指し示す先の3点を頂点とする領域になるように、回転、拡大/縮小、及び、せん断の少なくとも1つの変形が為されることで特定される領域であってもよい。この場合をモード3と称する。
なお、動きベクトルは、整数精度であってもよいし、小数精度であってもよい。つまり、動きベクトルは、整数画素単位の精度であってもよいし、小数画素単位の精度であってもよい。また、各動きベクトルは、ゼロベクトルであってもよい。また、参照フレームの小数精度位置を参照する場合、小数精度位置は、周辺の距離情報に基づいて補間されてもよい。
また、水平角のインデックスhの範囲、つまり、水平角インデックスの最小値(hmin)及び最大値(hmax)、または、仰角のインデックスvの範囲、つまり、仰角インデックスの最小値(vmin)及び最大値(vmax)を特定するための情報は、フレームまたは予測木のヘッダ部に含まれていてもよい。更に、動きベクトルは、各フレームの水平角および仰角のインデックスv、hの範囲に差異がある場合、この差異に基づいて補正されてもよい。
このように、極座標を用いた符号化または復号におけるインター予測にデプスマップを用いることで、三次元空間におけるインター予測に比べて処理を簡単化することができ、三次元データ符号化装置または三次元データ復号装置の実装コストを低減できる可能性がある。
図70は、GPS(ジオメトリパラメータセット)のシンタックスの一例を示す図である。図71は、予測木のシンタックスの一例を示す図である。これらのシンタックスは、図69を用いて説明したインター予測方法に対応する。
図70において、gps_predtree_bounding_info_present_flagが1であることは、GPSを参照するビットストリームにおいて、位置情報の予測木のデータ(geometry predtree data)のシンタックスにバウンディングボックス情報が存在することを示す。gps_predtree_bounding_info_present_flagが0であることは、GPSを参照するビットストリームにおいて、位置情報の予測木のデータ(geometry predtree data)のシンタックスにバウンディングボックス情報が存在しないことを示す。また、gps_inter_frame_prediction_enabeled_flagが1に等しい場合、gps_predtree_bounding_info_present_flagは1に設定される。
図71に示す予測木のシンタックスは、スライス内の点群を一つ以上の予測木を用いて符号化する場合に用いられる。このシンタックスでは、予測木のルートノードシンタックス(geometry_prediction_tree_node( ))がまずコールされ、同じ予測木に属するノードに対応するノードシンタックスが再帰的にコールされることが示されている。また、シンタックスでは、各予測木に対応付けられる情報として、予測木により符号化される対象領域を示す情報(geometry_predtree_bounding_info( ))、予測木をインター予測を用いて符号化するか否かを示す情報(inter_predtree_flag)、予測木におけるインター予測で参照するフレーム数に関する情報(num_ref_frames_minus1)、予測木におけるインター予測の動き補償に関する情報(geometry_predtree_motion_info( ))などが含まれていてもよい。
また、予測木が符号化する領域を示す情報(geometry_predtree_bounding_info( ))を通知するか否かは、切り替え可能としてもよい。例えば、図70及び図71の例では、インター予測を用いる場合は、インター予測の参照領域の特定に使用するために、常に予測木が符号化する領域を示す情報を通知し、インター予測を用いない場合は、GPSで通知されるgps_predtree_bounding_info_present_flagに応じて、予測木が符号化する領域を示す情報を通知するか否かを切り替える構成としている。インター予測を用いない場合でも、常に予測木により符号化される対象領域を示す情報を通知するようにしてもよい。
なお、予測木により符号化される対象領域を示す情報(geometry_predtree_bounding_info( ))を通知する場合、当該対象領域に当該予測木の全てのノードが含まれるように、対象領域または予測木が設定されてもよい。
図72は、予測木の動き補償情報のシンタックスの一例を示す図である。図73は、極座標符号化における動き補償情報のシンタックスの一例を示す図である。図74は、予測木の符号化範囲情報のシンタックスの一例を示す図である。
これらのシンタックスの例は、極座標系で表現された位置情報を含む点群(極座標系の点群)の符号化または復号と、直交座標系で表現された位置情報を含む点群(直交座標系の点群)の符号化または復号との両方に対応する。極座標系の点群の符号化または復号では、図69のデプスマップを用いた予測が行われる。また、直交座標系の点群の符号化または復号では、上記実施の形態で説明した予測が行われる。
図72及び図74に示すように、各シンタックスにおいて、各三次元点の符号化または復号において極座標系など直交座標系とは別の座標系を用いるか否かを示す情報(例えば、gps_alt_coordinates_flag)に応じて、極座標用の情報(motion_info_polar( )やmin_vh[ k ]、size_vh[ k ]など)と直交座標用の情報(motion_info( )やmin_xyz[ k ]、size_xyz[ k ]など)とが切り替えて示されてもよい。つまり、gps_alt_coordinates_flagが別の座標系を用いることを示す場合、極座標用の情報(motion_info_polar( )やmin_vh[ k ]、size_vh[ k ]など)が示され、直交座標用の情報(motion_info( )やmin_xyz[ k ]、size_xyz[ k ]など)が示されなくてもよい。反対に、gps_alt_coordinates_flagが直交座標系を用いることを示す場合、極座標用の情報(motion_info_polar( )やmin_vh[ k ]、size_vh[ k ]など)が示されず、直交座標用の情報(motion_info( )やmin_xyz[ k ]、size_xyz[ k ]など)が示されてもよい。
直交座標系の点群の符号化または復号では、motion_info( )として上記実施の形態で説明したシンタックスが用いられてもよい。予測木により符号化される対象領域を示す情報(geometry_predtree_bounding_info( ))は、上記実施の形態で説明した符号化対象の点群を含む第1の直方体に相当し、位置及びサイズを示す情報として、上記実施の形態で説明した最小の座標を示す情報(min_xyz[k])と第1の直方体の各辺の大きさを示す情報(size_xyz[k])とを含んでいてもよい。つまり、ビットストリームは、三次元領域の位置及びサイズを示す領域情報を含んでいてもよい。領域情報で示される三次元領域とは、符号化対象の予測木に含まれる複数の三次元点が含まれる領域であり、符号化対象フレームの三次元領域に含まれる。なお、予測木により符号化される対象領域を示す情報(geometry_predtree_bounding_info( ))は、予測木により符号化される対象領域を一意に定められる情報であれば、他の情報でも代用可能である。
極座標系の点群の符号化または復号を行う場合、図71のシンタックスには、動き補償情報が示されていてもよい。まず、このシンタックスには、インター予測点群の求め方を示す情報(mc_mode_polar)が示されていてもよい。インター予測点群の求め方を示す情報(mc_mode_polar)は、例えば、図69の例で示したモード1~3、または、動き補償なしを示すモード(モード0)のうちの1つのモードを示す情報である。なお、動き補償なしを示すモードは、モード0の他に、動きベクトルmv0がゼロベクトルであるモード1であってもよい。また、このシンタックスには、参照フレームのインデックス値(ref_frame_idx)が含まれてもよい。また、モード0以外のモードにおいては、モードに応じて動きベクトルmv0~mv2(motion_vector_polar[i][k])が示されてもよい。motion_vector_polar[i][k]は、絶対量で示されもよいし、時空間的な連続性などを利用して決定した予測値との差分で示されてもよい。予測木により符号化される対象領域を示す情報(geometry_predtree_bounding_info( ))の位置及びサイズを示す情報として、図74に示す最小の座標を示す情報(min_vh[k])と長方形の各辺の大きさを示す情報(size_vh[k])とが示されてもよい。つまり、ビットストリームは、二次元領域の位置及びサイズを示す領域情報を含んでいてもよい。領域情報で示される二次元領域とは、符号化対象の予測木に含まれる複数の三次元点が含まれる領域であり、符号化対象フレームの二次元画像の二次元領域に含まれる。なお、予測木により符号化される対象領域を示す情報(geometry_predtree_bounding_info( ))は、予測木により符号化される対象領域を一意に定められる情報であれば、他の情報でも代用可能である。
本実施の形態の図69~図74を用いて開示した処理、シンタックスなどを、他の開示(他の実施の形態)の少なくとも一部と組み合わせて実施してもよい。また、本実施の形態の図69~図74を用いて開示した処理、シンタックスの一部などを他の開示(他の実施の形態)と組み合わせて実施してもよい。
また、本実施の形態の図69~図74を用いて開示したすべての構成要素がいつも必要とは限らず、一部の構成要素のみを備えていてもよい。
なお、シンタックスにおいて各情報が示されることは、シンタックスにより各情報が通知されることと同じである。
以上のように、本実施の形態に係る三次元データ符号化装置は、図75に示す処理を行う。三次元データ符号化装置は、複数の三次元点のうち符号化対象点を、符号化対象点が含まれる予測木を含む第1フレームとは異なる第2フレームに含まれる三次元点を参照して符号化して符号化データを生成する(S13501)。三次元データ符号化装置は、符号化データを含むビットストリームを生成する(S13502)。第2フレームに含まれる複数の三次元点は、符号化済みである。符号化では、予測木に対応づけられた動き補償情報に基づいて第2フレームに含まれる複数の三次元点のうちの少なくとも一部を参照して、符号化対象点を符号化する。ビットストリームは、動き補償情報を含む。
これによれば、動き補償情報に基づいて、符号化対象点を符号化するために参照する少なくとも一部の複数の三次元点を決定するため、符号化効率を向上させることができる。
例えば、第1フレーム及び第2フレームに含まれる複数の三次元点のそれぞれの位置情報は、極座標系で表現される。第1フレーム及び第2フレームのそれぞれは、二次元画像にマッピングされる。二次元画像の各画素は、第2フレームに含まれる複数の三次元点のそれぞれの位置情報を示し、当該位置情報に含まれる距離情報を画素値として有する。
例えば、二次元画像の各画素の画素位置を示す二次元座標は、極座標に含まれる仰角情報及び水平角情報を示す。
例えば、予測木に含まれる複数の三次元点は、第1フレームがマッピングされた二次元画像のうちの二次元領域で特定される。ビットストリームは、さらに、二次元領域の位置及びサイズを示す領域情報を含む。
例えば、第1フレーム及び第2フレームに含まれる複数の三次元点のそれぞれの位置情報は、直交座標系で表現される。予測木に含まれる複数の三次元点は、第1フレームの第1三次元領域に含まれる第2三次元領域に含まれる。ビットストリームは、さらに、第2三次元領域の位置及びサイズを示す領域情報を含む。
例えば、三次元データ符号化装置は、プロセッサと、メモリとを備え、プロセッサは、メモリを用いて、上記の処理を行う。
また、本実施の形態に係る三次元データ復号装置は、図76に示す処理を行う。三次元データ復号装置は、第1フレームの予測木に含まれる符号化対象点が符号化された符号化データと、動き補償情報とを含むビットストリームを取得する(S13511)。三次元データ復号装置は、動き補償情報を用いて、第1フレームとは異なる第2フレームに含まれる複数の三次元点のうちの少なくとも一部を特定する(S13512)。三次元データ復号装置は、符号化データを復号して得られた復号結果と、少なくとも一部とを用いて、符号化対象点を算出する(S13513)。第2フレームに含まれる複数の三次元点は、復号済みである。動き補償情報は、予測木と、第2フレームに含まれる複数の三次元点のうちの少なくとも一部とを対応付ける情報である。
これによれば、ビットストリームに示される動き補償情報を用いて符号化された符号化対象点を復号するために参照する少なくとも一部の複数の三次元点を決定するため、符号化された符号化対象点を適切に復号することができる。
例えば、第1フレーム及び第2フレームに含まれる複数の三次元点のそれぞれの位置情報は、極座標系で表現される。第1フレーム及び第2フレームのそれぞれは、二次元画像にマッピングされる。二次元画像の各画素は、第2フレームに含まれる複数の三次元点のそれぞれの位置情報を示し、当該位置情報に含まれる距離情報を画素値として有する。
例えば、二次元画像の各画素の画素位置を示す二次元座標は、極座標に含まれる仰角情報及び水平角情報を示す。
例えば、予測木に含まれる複数の三次元点は、第1フレームがマッピングされた二次元画像のうちの二次元領域で特定される。ビットストリームは、さらに、二次元領域の位置及びサイズを示す領域情報を含む。
例えば、第1フレーム及び第2フレームに含まれる複数の三次元点のそれぞれの位置情報は、直交座標系で表現される。予測木に含まれる複数の三次元点は、第1フレームの第1三次元領域に含まれる第2三次元領域に含まれる。ビットストリームは、さらに、第2三次元領域の位置及びサイズを示す領域情報を含む。
例えば、三次元データ復号装置は、プロセッサと、メモリとを備え、プロセッサは、メモリを用いて、上記の処理を行う。
(実施の形態8)
次に、本実施の形態に係る三次元データ作成装置810の構成を説明する。図77は、本実施の形態に係る三次元データ作成装置810の構成例を示すブロック図である。この三次元データ作成装置810は、例えば、車両に搭載される。三次元データ作成装置810は、外部の交通監視クラウド、前走車両又は後続車両と三次元データの送受信を行うとともに、三次元データを作成及び蓄積する。
次に、本実施の形態に係る三次元データ作成装置810の構成を説明する。図77は、本実施の形態に係る三次元データ作成装置810の構成例を示すブロック図である。この三次元データ作成装置810は、例えば、車両に搭載される。三次元データ作成装置810は、外部の交通監視クラウド、前走車両又は後続車両と三次元データの送受信を行うとともに、三次元データを作成及び蓄積する。
三次元データ作成装置810は、データ受信部811と、通信部812と、受信制御部813と、フォーマット変換部814と、複数のセンサ815と、三次元データ作成部816と、三次元データ合成部817と、三次元データ蓄積部818と、通信部819と、送信制御部820と、フォーマット変換部821と、データ送信部822とを備える。
データ受信部811は、交通監視クラウド又は前走車両から三次元データ831を受信する。三次元データ831は、例えば、自車両のセンサ815で検知不能な領域を含む、ポイントクラウド、可視光映像、奥行き情報、センサ位置情報、又は速度情報などの情報を含む。
通信部812は、交通監視クラウド又は前走車両と通信し、データ送信要求などを交通監視クラウド又は前走車両に送信する。
受信制御部813は、通信部812を介して、対応フォーマット等の情報を通信先と交換し、通信先との通信を確立する。
フォーマット変換部814は、データ受信部811が受信した三次元データ831にフォーマット変換等を行うことで三次元データ832を生成する。また、フォーマット変換部814は、三次元データ831が圧縮又は符号化されている場合には、伸張又は復号処理を行う。
複数のセンサ815は、LiDAR、可視光カメラ又は赤外線カメラなどの、車両の外部の情報を取得するセンサ群であり、センサ情報833を生成する。例えば、センサ情報833は、センサ815がLiDARなどのレーザセンサである場合、ポイントクラウド(点群データ)等の三次元データである。なお、センサ815は複数でなくてもよい。
三次元データ作成部816は、センサ情報833から三次元データ834を生成する。三次元データ834は、例えば、ポイントクラウド、可視光映像、奥行き情報、センサ位置情報、又は速度情報などの情報を含む。
三次元データ合成部817は、自車両のセンサ情報833に基づいて作成された三次元データ834に、交通監視クラウド又は前走車両等が作成した三次元データ832を合成することで、自車両のセンサ815では検知できない前走車両の前方の空間も含む三次元データ835を構築する。
三次元データ蓄積部818は、生成された三次元データ835等を蓄積する。
通信部819は、交通監視クラウド又は後続車両と通信し、データ送信要求などを交通監視クラウド又は後続車両に送信する。
送信制御部820は、通信部819を介して、対応フォーマット等の情報を通信先と交換し、通信先と通信を確立する。また、送信制御部820は、三次元データ合成部817で生成された三次元データ832の三次元データ構築情報と、通信先からのデータ送信要求とに基づき、送信対象の三次元データの空間である送信領域を決定する。
具体的には、送信制御部820は、交通監視クラウド又は後続車両からのデータ送信要求に応じて、後続車両のセンサでは検知できない自車両の前方の空間を含む送信領域を決定する。また、送信制御部820は、三次元データ構築情報に基づいて送信可能な空間又は送信済み空間の更新有無等を判断することで送信領域を決定する。例えば、送信制御部820は、データ送信要求で指定された領域であり、かつ、対応する三次元データ835が存在する領域を送信領域に決定する。そして、送信制御部820は、通信先が対応するフォーマット、及び送信領域をフォーマット変換部821に通知する。
フォーマット変換部821は、三次元データ蓄積部818に蓄積されている三次元データ835のうち、送信領域の三次元データ836を、受信側が対応しているフォーマットへ変換することで三次元データ837を生成する。なお、フォーマット変換部821は、三次元データ837を圧縮又は符号化することでデータ量を削減してもよい。
データ送信部822は、三次元データ837を交通監視クラウド又は後続車両に送信する。この三次元データ837は、例えば、後続車両の死角になる領域を含む、自車両の前方のポイントクラウド、可視光映像、奥行き情報、又はセンサ位置情報などの情報を含む。
なお、ここでは、フォーマット変換部814及び821にてフォーマット変換等が行われる例を述べたが、フォーマット変換は行われなくてもよい。
このような構成により、三次元データ作成装置810は、自車両のセンサ815では検知できない領域の三次元データ831を外部から取得し、三次元データ831と自車両のセンサ815で検知したセンサ情報833に基づく三次元データ834とを合成することで三次元データ835を生成する。これにより、三次元データ作成装置810は、自車両のセンサ815で検知できない範囲の三次元データを生成できる。
また、三次元データ作成装置810は、交通監視クラウド又は後続車両からのデータ送信要求に応じて、後続車両のセンサでは検知できない自車両の前方の空間を含む三次元データを、交通監視クラウド又は後続車両等へ送信できる。
次に、三次元データ作成装置810における後続車両への三次元データの送信手順について説明する。図78は、三次元データ作成装置810による交通監視クラウド又は後続車両へ三次元データを送信する手順の一例を示すフローチャートである。
まず、三次元データ作成装置810は、自車両の前方道路上の空間を含む空間の三次元データ835を生成及び更新する(S801)。具体的には、三次元データ作成装置810は、自車両のセンサ情報833に基づいて作成した三次元データ834に、交通監視クラウド又は前走車両等が作成した三次元データ831を合成するなどして、自車両のセンサ815では検知できない前走車両の前方の空間も含む三次元データ835を構築する。
次に、三次元データ作成装置810は、送信済みの空間に含まれる三次元データ835が変化したかを判定する(S802)。
送信済みの空間に外部から車両又は人が進入するなどして、当該空間に含まれる三次元データ835に変化が生じた場合には(S802でYes)、三次元データ作成装置810は、変化が生じた空間の三次元データ835を含む三次元データを交通監視クラウド又は後続車両に送信する(S803)。
なお、三次元データ作成装置810は、変化が生じた空間の三次元データを、所定間隔で送信する三次元データの送信タイミングに合わせて送信してもよいが、変化を検知した後すぐに送信してもよい。つまり、三次元データ作成装置810は、変化が生じた空間の三次元データを、所定間隔で送信する三次元データよりも優先して送信してもよい。
また、三次元データ作成装置810は、変化が生じた空間の三次元データとして、変化が生じた空間の三次元データの全てを送信してもよいし、三次元データの差分(例えば出現又は消失した三次元点の情報、又は三次元点の変位情報など)のみを送信してもよい。
また、三次元データ作成装置810は、変化が生じた空間の三次元データに先行して、急制動警報など自車両の危険回避動作に関するメタデータを後続車両へ送信してもよい。これによれば、後続車両は前走車両の急制動などを早期に認知でき、より早期に減速などの危険回避動作を開始できる。
送信済みの空間に含まれる三次元データ835に変化が生じていない場合(S802でNo)、又は、ステップS803の後、三次元データ作成装置810は、自車両の前方距離Lにある所定の形状の空間に含まれる三次元データを、交通監視クラウド又は後続車両へ送信する(S804)。
また、例えば、ステップS801~S804の処理は、所定の時間間隔で繰り返し行われる。
また、三次元データ作成装置810は、現在の送信対象の空間の三次元データ835と、三次元地図とに差がない場合には、空間の三次元データ837を送信しなくてもよい。
本実施の形態では、クライアント装置は、サーバ又は他のクライアント装置にセンサで得られたセンサ情報を送信する。
まず、本実施の形態に係るシステムの構成を説明する。図79は、本実施の形態に係る三次元マップ及びセンサ情報の送受信システムの構成を示す図である。このシステムは、サーバ901と、クライアント装置902A及び902Bを含む。なお、クライアント装置902A及び902Bを特に区別しない場合には、クライアント装置902とも記す。
クライアント装置902は、例えば、車両等の移動体に搭載される車載機器である。サーバ901は、例えば、交通監視クラウド等であり、複数のクライアント装置902と通信可能である。
サーバ901は、クライアント装置902に、ポイントクラウドから構成される三次元マップを送信する。なお、三次元マップの構成はポイントクラウドに限定されず、メッシュ構造等、他の三次元データを表すものであってもよい。
クライアント装置902は、サーバ901に、クライアント装置902が取得したセンサ情報を送信する。センサ情報は、例えば、LiDAR取得情報、可視光画像、赤外画像、デプス画像、センサ位置情報及び速度情報のうち少なくとも一つを含む。
サーバ901とクライアント装置902との間で送受信されるデータは、データ削減のために圧縮されてもよいし、データの精度を維持するために非圧縮のままでも構わない。データを圧縮する場合、ポイントクラウドには例えば8分木構造に基づく三次元圧縮方式を用いることができる。また、可視光画像、赤外画像、及びデプス画像には二次元の画像圧縮方式を用いることできる。二次元の画像圧縮方式とは、例えば、MPEGで規格化されたMPEG-4 AVC又はHEVC等である。
また、サーバ901は、クライアント装置902からの三次元マップの送信要求に応じてサーバ901で管理する三次元マップをクライアント装置902に送信する。なお、サーバ901はクライアント装置902からの三次元マップの送信要求を待たずに三次元マップを送信してもよい。例えば、サーバ901は、予め定められた空間にいる1つ以上のクライアント装置902に三次元マップをブロードキャストしても構わない。また、サーバ901は、一度送信要求を受けたクライアント装置902に、一定時間毎にクライアント装置902の位置に適した三次元マップを送信してもよい。また、サーバ901は、サーバ901が管理する三次元マップが更新される度にクライアント装置902に三次元マップを送信してもよい。
クライアント装置902は、サーバ901に三次元マップの送信要求を出す。例えば、クライアント装置902が、走行時に自己位置推定を行いたい場合に、クライアント装置902は、三次元マップの送信要求をサーバ901に送信する。
なお、次のような場合に、クライアント装置902はサーバ901に三次元マップの送信要求を出してもよい。クライアント装置902の保持する三次元マップが古い場合に、クライアント装置902はサーバ901に三次元マップの送信要求を出してもよい。例えば、クライアント装置902が三次元マップを取得してから一定期間が経過した場合に、クライアント装置902はサーバ901に三次元マップの送信要求を出してもよい。
クライアント装置902が保持する三次元マップで示される空間から、クライアント装置902が外に出る一定時刻前に、クライアント装置902はサーバ901に三次元マップの送信要求を出してもよい。例えば、クライアント装置902が、クライアント装置902が保持する三次元マップで示される空間の境界から予め定められた距離以内に存在する場合に、クライアント装置902はサーバ901に三次元マップの送信要求を出してもよい。また、クライアント装置902の移動経路及び移動速度が把握できている場合には、これらに基づき、クライアント装置902が保持する三次元マップで示される空間から、クライアント装置902が外に出る時刻を予測してもよい。
クライアント装置902がセンサ情報から作成した三次元データと三次元マップとの位置合せ時の誤差が一定以上の場合に、クライアント装置902はサーバ901に三次元マップの送信要求を出してもよい。
クライアント装置902は、サーバ901から送信されたセンサ情報の送信要求に応じて、サーバ901にセンサ情報を送信する。なお、クライアント装置902はサーバ901からのセンサ情報の送信要求を待たずにセンサ情報をサーバ901に送ってもよい。例えば、クライアント装置902は、一度サーバ901からセンサ情報の送信要求を得た場合、一定期間の間、定期的にセンサ情報をサーバ901に送信してもよい。また、クライアント装置902は、クライアント装置902がセンサ情報を元に作成した三次元データと、サーバ901から得た三次元マップとの位置合せ時の誤差が一定以上の場合、クライアント装置902の周辺の三次元マップに変化が生じた可能性があると判断し、その旨とセンサ情報とをサーバ901に送信してもよい。
サーバ901は、クライアント装置902にセンサ情報の送信要求を出す。例えば、サーバ901は、クライアント装置902から、GPS等のクライアント装置902の位置情報を受信する。サーバ901は、クライアント装置902の位置情報に基づき、サーバ901が管理する三次元マップにおいて情報が少ない空間にクライアント装置902が近づいていると判断した場合、新たな三次元マップを生成するためにクライアント装置902にセンサ情報の送信要求を出す。また、サーバ901は、三次元マップを更新したい場合、積雪時或いは災害時などの道路状況を確認したい場合、渋滞状況、或いは事件事故状況等を確認したい場合に、センサ情報の送信要求を出してもよい。
また、クライアント装置902は、サーバ901から受け取るセンサ情報の送信要求の受信時における通信状態又は帯域に応じて、サーバ901に送信するセンサ情報のデータ量を設定してもよい。サーバ901に送信するセンサ情報のデータ量を設定するというのは、例えば、当該データそのものを増減させること、又は圧縮方式を適宜選択することである。
図80は、クライアント装置902の構成例を示すブロック図である。クライアント装置902は、サーバ901からポイントクラウド等で構成される三次元マップを受信し、クライアント装置902のセンサ情報に基づいて作成した三次元データからクライアント装置902の自己位置を推定する。また、クライアント装置902は、取得したセンサ情報をサーバ901に送信する。
クライアント装置902は、データ受信部1011と、通信部1012と、受信制御部1013と、フォーマット変換部1014と、複数のセンサ1015と、三次元データ作成部1016と、三次元画像処理部1017と、三次元データ蓄積部1018と、フォーマット変換部1019と、通信部1020と、送信制御部1021と、データ送信部1022とを備える。
データ受信部1011は、サーバ901から三次元マップ1031を受信する。三次元マップ1031は、WLD又はSWLD等のポイントクラウドを含むデータである。三次元マップ1031には、圧縮データ、及び非圧縮データのどちらが含まれていてもよい。
通信部1012は、サーバ901と通信し、データ送信要求(例えば、三次元マップの送信要求)などをサーバ901に送信する。
受信制御部1013は、通信部1012を介して、対応フォーマット等の情報を通信先と交換し、通信先との通信を確立する。
フォーマット変換部1014は、データ受信部1011が受信した三次元マップ1031にフォーマット変換等を行うことで三次元マップ1032を生成する。また、フォーマット変換部1014は、三次元マップ1031が圧縮又は符号化されている場合には、伸張又は復号処理を行う。なお、フォーマット変換部1014は、三次元マップ1031が非圧縮データであれば、伸張又は復号処理を行わない。
複数のセンサ1015は、LiDAR、可視光カメラ、赤外線カメラ、又はデプスセンサなど、クライアント装置902が搭載されている車両の外部の情報を取得するセンサ群であり、センサ情報1033を生成する。例えば、センサ情報1033は、センサ1015がLiDARなどのレーザセンサである場合、ポイントクラウド(点群データ)等の三次元データである。なお、センサ1015は複数でなくてもよい。
三次元データ作成部1016は、センサ情報1033に基づいて自車両の周辺の三次元データ1034を作成する。例えば、三次元データ作成部1016は、LiDARで取得した情報と、可視光カメラで得られた可視光映像とを用いて自車両の周辺の色情報付きのポイントクラウドデータを作成する。
三次元画像処理部1017は、受信したポイントクラウド等の三次元マップ1032と、センサ情報1033から生成した自車両の周辺の三次元データ1034とを用いて、自車両の自己位置推定処理等を行う。なお、三次元画像処理部1017は、三次元マップ1032と三次元データ1034とを合成することで自車両の周辺の三次元データ1035を作成し、作成した三次元データ1035を用いて自己位置推定処理を行ってもよい。
三次元データ蓄積部1018は、三次元マップ1032、三次元データ1034及び三次元データ1035等を蓄積する。
フォーマット変換部1019は、センサ情報1033を、受信側が対応しているフォーマットへ変換することでセンサ情報1037を生成する。なお、フォーマット変換部1019は、センサ情報1037を圧縮又は符号化することでデータ量を削減してもよい。また、フォーマット変換部1019は、フォーマット変換をする必要がない場合は処理を省略してもよい。また、フォーマット変換部1019は、送信範囲の指定に応じて送信するデータ量を制御してもよい。
通信部1020は、サーバ901と通信し、データ送信要求(センサ情報の送信要求)などをサーバ901から受信する。
送信制御部1021は、通信部1020を介して、対応フォーマット等の情報を通信先と交換し、通信を確立する。
データ送信部1022は、センサ情報1037をサーバ901に送信する。センサ情報1037は、例えば、LiDARで取得した情報、可視光カメラで取得した輝度画像、赤外線カメラで取得した赤外画像、デプスセンサで取得したデプス画像、センサ位置情報、及び速度情報など、複数のセンサ1015によって取得した情報を含む。
次に、サーバ901の構成を説明する。図81は、サーバ901の構成例を示すブロック図である。サーバ901は、クライアント装置902から送信されたセンサ情報を受信し、受信したセンサ情報に基づいて三次元データを作成する。サーバ901は、作成した三次元データを用いて、サーバ901が管理する三次元マップを更新する。また、サーバ901は、クライアント装置902からの三次元マップの送信要求に応じて、更新した三次元マップをクライアント装置902に送信する。
サーバ901は、データ受信部1111と、通信部1112と、受信制御部1113と、フォーマット変換部1114と、三次元データ作成部1116と、三次元データ合成部1117と、三次元データ蓄積部1118と、フォーマット変換部1119と、通信部1120と、送信制御部1121と、データ送信部1122とを備える。
データ受信部1111は、クライアント装置902からセンサ情報1037を受信する。センサ情報1037は、例えば、LiDARで取得した情報、可視光カメラで取得した輝度画像、赤外線カメラで取得した赤外画像、デプスセンサで取得したデプス画像、センサ位置情報、及び速度情報などを含む。
通信部1112は、クライアント装置902と通信し、データ送信要求(例えば、センサ情報の送信要求)などをクライアント装置902に送信する。
受信制御部1113は、通信部1112を介して、対応フォーマット等の情報を通信先と交換し、通信を確立する。
フォーマット変換部1114は、受信したセンサ情報1037が圧縮又は符号化されている場合には、伸張又は復号処理を行うことでセンサ情報1132を生成する。なお、フォーマット変換部1114は、センサ情報1037が非圧縮データであれば、伸張又は復号処理を行わない。
三次元データ作成部1116は、センサ情報1132に基づいてクライアント装置902の周辺の三次元データ1134を作成する。例えば、三次元データ作成部1116は、LiDARで取得した情報と、可視光カメラで得られた可視光映像とを用いてクライアント装置902の周辺の色情報付ポイントクラウドデータを作成する。
三次元データ合成部1117は、センサ情報1132を元に作成した三次元データ1134を、サーバ901が管理する三次元マップ1135に合成することで三次元マップ1135を更新する。
三次元データ蓄積部1118は、三次元マップ1135等を蓄積する。
フォーマット変換部1119は、三次元マップ1135を、受信側が対応しているフォーマットへ変換することで三次元マップ1031を生成する。なお、フォーマット変換部1119は、三次元マップ1135を圧縮又は符号化することでデータ量を削減してもよい。また、フォーマット変換部1119は、フォーマット変換をする必要がない場合は処理を省略してもよい。また、フォーマット変換部1119は、送信範囲の指定に応じて送信するデータ量を制御してもよい。
通信部1120は、クライアント装置902と通信し、データ送信要求(三次元マップの送信要求)などをクライアント装置902から受信する。
送信制御部1121は、通信部1120を介して、対応フォーマット等の情報を通信先と交換し、通信を確立する。
データ送信部1122は、三次元マップ1031をクライアント装置902に送信する。三次元マップ1031は、WLD又はSWLD等のポイントクラウドを含むデータである。三次元マップ1031には、圧縮データ、及び非圧縮データのどちらが含まれていてもよい。
次に、クライアント装置902の動作フローについて説明する。図82は、クライアント装置902による三次元マップ取得時の動作を示すフローチャートである。
まず、クライアント装置902は、サーバ901へ三次元マップ(ポイントクラウド等)の送信を要求する(S1001)。このとき、クライアント装置902は、GPS等で得られたクライアント装置902の位置情報を合わせて送信することで、その位置情報に関連する三次元マップの送信をサーバ901に要求してもよい。
次に、クライアント装置902は、サーバ901から三次元マップを受信する(S1002)。受信した三次元マップが圧縮データであれば、クライアント装置902は、受信した三次元マップを復号して非圧縮の三次元マップを生成する(S1003)。
次に、クライアント装置902は、複数のセンサ1015で得られたセンサ情報1033からクライアント装置902の周辺の三次元データ1034を作成する(S1004)。次に、クライアント装置902は、サーバ901から受信した三次元マップ1032と、センサ情報1033から作成した三次元データ1034とを用いてクライアント装置902の自己位置を推定する(S1005)。
図83は、クライアント装置902によるセンサ情報の送信時の動作を示すフローチャートである。まず、クライアント装置902は、サーバ901からセンサ情報の送信要求を受信する(S1011)。送信要求を受信したクライアント装置902は、センサ情報1037をサーバ901に送信する(S1012)。なお、クライアント装置902は、センサ情報1033が複数のセンサ1015で得られた複数の情報を含む場合、各情報を、各情報に適した圧縮方式で圧縮することでセンサ情報1037を生成してもよい。
次に、サーバ901の動作フローについて説明する。図84は、サーバ901によるセンサ情報の取得時の動作を示すフローチャートである。まず、サーバ901は、クライアント装置902へセンサ情報の送信を要求する(S1021)。次に、サーバ901は、当該要求に応じてクライアント装置902から送信されたセンサ情報1037を受信する(S1022)。次に、サーバ901は、受信したセンサ情報1037を用いて三次元データ1134を作成する(S1023)。次に、サーバ901は、作成した三次元データ1134を三次元マップ1135に反映する(S1024)。
図85は、サーバ901による三次元マップの送信時の動作を示すフローチャートである。まず、サーバ901は、クライアント装置902から三次元マップの送信要求を受信する(S1031)。三次元マップの送信要求を受信したサーバ901は、クライアント装置902へ三次元マップ1031を送信する(S1032)。このとき、サーバ901は、クライアント装置902の位置情報に合わせてその付近の三次元マップを抽出し、抽出した三次元マップを送信してもよい。また、サーバ901は、ポイントクラウドで構成される三次元マップを、例えば8分木構造による圧縮方式等を用いて圧縮し、圧縮後の三次元マップを送信してもよい。
以下、本実施の形態の変形例について説明する。
サーバ901は、クライアント装置902から受信したセンサ情報1037を用いてクライアント装置902の位置付近の三次元データ1134を作成する。次に、サーバ901は、作成した三次元データ1134と、サーバ901が管理する同エリアの三次元マップ1135とのマッチングを行うことによって、三次元データ1134と三次元マップ1135との差分を算出する。サーバ901は、差分が予め定められた閾値以上の場合は、クライアント装置902の周辺で何らかの異常が発生したと判断する。例えば、地震等の自然災害によって地盤沈下等が発生した際などに、サーバ901が管理する三次元マップ1135と、センサ情報1037を基に作成した三次元データ1134との間に大きな差が発生することが考えられる。
センサ情報1037は、センサの種類、センサの性能、及びセンサの型番のうち少なくとも一つを示す情報を含んでもよい。また、センサ情報1037に、センサの性能に応じたクラスID等が付加されてもよい。例えば、センサ情報1037がLiDARで取得された情報である場合、数mm単位の精度で情報を取得できるセンサをクラス1、数cm単位の精度で情報を取得できるセンサをクラス2、数m単位の精度で情報を取得できるセンサをクラス3のように、センサの性能に識別子を割り当てることが考えられる。また、サーバ901は、センサの性能情報等を、クライアント装置902の型番から推定してもよい。例えば、クライアント装置902が車両に搭載されている場合、サーバ901は、当該車両の車種からセンサのスペック情報を判断してもよい。この場合、サーバ901は、車両の車種の情報を事前に取得していてもよいし、センサ情報に、当該情報が含まれてもよい。また、サーバ901は取得したセンサ情報1037を用いて、センサ情報1037を用いて作成した三次元データ1134に対する補正の度合いを切り替えてもよい。例えば、センサ性能が高精度(クラス1)である場合、サーバ901は、三次元データ1134に対する補正を行わない。センサ性能が低精度(クラス3)である場合、サーバ901は、三次元データ1134に、センサの精度に応じた補正を適用する。例えば、サーバ901は、センサの精度が低いほど補正の度合い(強度)を強くする。
サーバ901は、ある空間にいる複数のクライアント装置902に同時にセンサ情報の送信要求を出してもよい。サーバ901は、複数のクライアント装置902から複数のセンサ情報を受信した場合に、全てのセンサ情報を三次元データ1134の作成に利用する必要はなく、例えば、センサの性能に応じて、利用するセンサ情報を選択してもよい。例えば、サーバ901は、三次元マップ1135を更新する場合、受信した複数のセンサ情報の中から高精度なセンサ情報(クラス1)を選別し、選別したセンサ情報を用いて三次元データ1134を作成してもよい。
サーバ901は、交通監視クラウド等のサーバのみに限定されず、他のクライアント装置(車載)であってもよい。図86は、この場合のシステム構成を示す図である。
例えば、クライアント装置902Cが近くにいるクライアント装置902Aにセンサ情報の送信要求を出し、クライアント装置902Aからセンサ情報を取得する。そして、クライアント装置902Cは、取得したクライアント装置902Aのセンサ情報を用いて三次元データを作成し、クライアント装置902Cの三次元マップを更新する。これにより、クライアント装置902Cは、クライアント装置902Aから取得可能な空間の三次元マップを、クライアント装置902Cの性能を活かして生成できる。例えば、クライアント装置902Cの性能が高い場合に、このようなケースが発生すると考えられる。
また、この場合、センサ情報を提供したクライアント装置902Aは、クライアント装置902Cが生成した高精度な三次元マップを取得する権利が与えられる。クライアント装置902Aは、その権利に従ってクライアント装置902Cから高精度な三次元マップを受信する。
また、クライアント装置902Cは近くにいる複数のクライアント装置902(クライアント装置902A及びクライアント装置902B)にセンサ情報の送信要求を出してもよい。クライアント装置902A又はクライアント装置902Bのセンサが高性能である場合には、クライアント装置902Cは、この高性能なセンサで得られたセンサ情報を用いて三次元データを作成できる。
図87は、サーバ901及びクライアント装置902の機能構成を示すブロック図である。サーバ901は、例えば、三次元マップを圧縮及び復号する三次元マップ圧縮/復号処理部1201と、センサ情報を圧縮及び復号するセンサ情報圧縮/復号処理部1202とを備える。
クライアント装置902は、三次元マップ復号処理部1211と、センサ情報圧縮処理部1212とを備える。三次元マップ復号処理部1211は、圧縮された三次元マップの符号化データを受信し、符号化データを復号して三次元マップを取得する。センサ情報圧縮処理部1212は、取得したセンサ情報から作成した三次元データの代わりに、センサ情報そのものを圧縮し、圧縮したセンサ情報の符号化データをサーバ901へ送信する。この構成により、クライアント装置902は、三次元マップ(ポイントクラウド等)を復号する処理を行う処理部(装置又はLSI)を内部に保持すればよく、三次元マップ(ポイントクラウド等)の三次元データを圧縮する処理を行う処理部を内部に保持する必要がない。これにより、クライアント装置902のコスト及び消費電力等を抑えることができる。
以上のように、本実施の形態に係るクライアント装置902は、移動体に搭載され、移動体に搭載されたセンサ1015により得られた、移動体の周辺状況を示すセンサ情報1033から、移動体の周辺の三次元データ1034を作成する。クライアント装置902は、作成された三次元データ1034を用いて移動体の自己位置を推定する。クライアント装置902は、取得したセンサ情報1033をサーバ901又は他のクライアント装置902に送信する。
これによれば、クライアント装置902は、センサ情報1033をサーバ901等に送信する。これにより、三次元データを送信する場合に比べて、送信データのデータ量を削減できる可能性がある。また、三次元データの圧縮又は符号化等の処理をクライアント装置902で行う必要がないので、クライアント装置902の処理量を削減できる。よって、クライアント装置902は、伝送されるデータ量の削減、又は、装置の構成の簡略化を実現できる。
また、クライアント装置902は、さらに、サーバ901に三次元マップの送信要求を送信し、サーバ901から三次元マップ1031を受信する。クライアント装置902は、自己位置の推定では、三次元データ1034と三次元マップ1032とを用いて、自己位置を推定する。
また、センサ情報1033は、レーザセンサで得られた情報、輝度画像、赤外画像、デプス画像、センサの位置情報、及びセンサの速度情報のうち少なくとも一つを含む。
また、センサ情報1033は、センサの性能を示す情報を含む。
また、クライアント装置902は、センサ情報1033を符号化又は圧縮し、センサ情報の送信では、符号化又は圧縮後のセンサ情報1037を、サーバ901又は他のクライアント装置902に送信する。これによれば、クライアント装置902は、伝送されるデータ量を削減できる。
例えば、クライアント装置902は、プロセッサと、メモリとを備え、プロセッサは、メモリを用いて、上記の処理を行う。
また、本実施の形態に係るサーバ901は、移動体に搭載されるクライアント装置902と通信可能であり、移動体に搭載されたセンサ1015により得られた、移動体の周辺状況を示すセンサ情報1037をクライアント装置902から受信する。サーバ901は、受信したセンサ情報1037から、移動体の周辺の三次元データ1134を作成する。
これによれば、サーバ901は、クライアント装置902から送信されたセンサ情報1037を用いて三次元データ1134を作成する。これにより、クライアント装置902が三次元データを送信する場合に比べて、送信データのデータ量を削減できる可能性がある。また、三次元データの圧縮又は符号化等の処理をクライアント装置902で行う必要がないので、クライアント装置902の処理量を削減できる。よって、サーバ901は、伝送されるデータ量の削減、又は、装置の構成の簡略化を実現できる。
また、サーバ901は、さらに、クライアント装置902にセンサ情報の送信要求を送信する。
また、サーバ901は、さらに、作成された三次元データ1134を用いて三次元マップ1135を更新し、クライアント装置902からの三次元マップ1135の送信要求に応じて三次元マップ1135をクライアント装置902に送信する。
また、センサ情報1037は、レーザセンサで得られた情報、輝度画像、赤外画像、デプス画像、センサの位置情報、及びセンサの速度情報のうち少なくとも一つを含む。
また、センサ情報1037は、センサの性能を示す情報を含む。
また、サーバ901は、さらに、センサの性能に応じて、三次元データを補正する。これによれば、当該三次元データ作成方法は、三次元データの品質を向上できる。
また、サーバ901は、センサ情報の受信では、複数のクライアント装置902から複数のセンサ情報1037を受信し、複数のセンサ情報1037に含まれるセンサの性能を示す複数の情報に基づき、三次元データ1134の作成に用いるセンサ情報1037を選択する。これによれば、サーバ901は、三次元データ1134の品質を向上できる。
また、サーバ901は、受信したセンサ情報1037を復号又は伸張し、復号又は伸張後のセンサ情報1132から、三次元データ1134を作成する。これによれば、サーバ901は、伝送されるデータ量を削減できる。
例えば、サーバ901は、プロセッサと、メモリとを備え、プロセッサは、メモリを用いて、上記の処理を行う。
以下、変形例について説明する。図88は、本実施の形態に係るシステムの構成を示す図である。図88に示すシステムは、サーバ2001と、クライアント装置2002Aと、クライアント装置2002Bとを含む。
クライアント装置2002A及びクライアント装置2002Bは、車両等の移動体に搭載され、センサ情報をサーバ2001に送信する。サーバ2001は、三次元マップ(ポイントクラウド)をクライアント装置2002A及びクライアント装置2002Bに送信する。
クライアント装置2002Aは、センサ情報取得部2011と、記憶部2012と、データ送信可否判定部2013とを備える。なお、クライアント装置2002Bの構成も同様である。また、以下ではクライアント装置2002Aとクライアント装置2002Bとを特に区別しない場合には、クライアント装置2002とも記載する。
図89は、本実施の形態に係るクライアント装置2002の動作を示すフローチャートである。
センサ情報取得部2011は、移動体に搭載されたセンサ(センサ群)を用いて各種センサ情報を取得する。つまり、センサ情報取得部2011は、移動体に搭載されたセンサ(センサ群)により得られた、移動体の周辺状況を示すセンサ情報を取得する。また、センサ情報取得部2011は、取得したセンサ情報を記憶部2012に記憶する。このセンサ情報は、LiDAR取得情報、可視光画像、赤外画像及びデプス画像の少なくとも一つを含む。また、センサ情報は、センサ位置情報、速度情報、取得時刻情報、及び取得場所情報の少なくとも一つを含んでもよい。センサ位置情報は、センサ情報を取得したセンサの位置を示す。速度情報は、センサがセンサ情報を取得した際の移動体の速度を示す。取得時刻情報は、センサ情報がセンサにより取得された時刻を示す。取得場所情報は、センサ情報がセンサにより取得された際の移動体又はセンサの位置を示す。
次に、データ送信可否判定部2013は、移動体(クライアント装置2002)がサーバ2001へセンサ情報を送信可能な環境に存在するかを判定する(S2002)。例えば、データ送信可否判定部2013は、GPS等の情報を用いて、クライアント装置2002がいる場所及び時刻を特定し、データを送信可能かどうかを判定してもよい。また、データ送信可否判定部2013は、特定のアクセスポイントに接続できるかどうかで、データを送信可能かどうかを判定してもよい。
クライアント装置2002は、移動体がサーバ2001へセンサ情報を送信可能な環境に存在すると判定した場合(S2002でYes)、センサ情報をサーバ2001に送信する(S2003)。つまり、クライアント装置2002がセンサ情報をサーバ2001に送信できるような状況になった時点で、クライアント装置2002は、保持しているセンサ情報をサーバ2001に送信する。例えば、交差点等に高速通信が可能なミリ波のアクセスポイントが設置される。クライアント装置2002は、交差点内に入った時点で、ミリ波通信を用いてクライアント装置2002が保持するセンサ情報を高速にサーバ2001に送信する。
次に、クライアント装置2002は、サーバ2001に送信済みのセンサ情報を記憶部2012から削除する(S2004)。なお、クライアント装置2002は、サーバ2001に送信していないセンサ情報が所定の条件を満たした場合に、当該センサ情報を削除してもよい。例えば、クライアント装置2002は、保持するセンサ情報の取得時刻が現在時刻から一定時刻前より古くなった時点でそのセンサ情報を記憶部2012から削除してもよい。つまり、クライアント装置2002は、センサ情報がセンサにより取得された時刻と、現在の時刻との差が、予め定められた時間を超えた場合にセンサ情報を記憶部2012から削除してもよい。また、クライアント装置2002は、保持するセンサ情報の取得場所が現在地点から一定距離より離れた時点でそのセンサ情報を記憶部2012から削除してもよい。つまり、クライアント装置2002は、センサ情報がセンサにより取得された際の移動体又はセンサの位置と、現在の移動体又はセンサの位置との差が、予め定められた距離を超えた場合にセンサ情報を記憶部2012から削除してもよい。これにより、クライアント装置2002の記憶部2012の容量を抑制することができる。
クライアント装置2002によるセンサ情報の取得が終了していない場合(S2005でNo)、クライアント装置2002は、ステップS2001以降の処理を再度行う。また、クライアント装置2002によるセンサ情報の取得が終了した場合(S2005でYes)、クライアント装置2002は処理を終了する。
また、クライアント装置2002はサーバ2001に送信するセンサ情報を通信状況に合わせて選択してもよい。例えば、クライアント装置2002は、高速通信が可能な場合は、記憶部2012に保持されるサイズが大きいセンサ情報(例えばLiDAR取得情報等)を優先して送信する。また、クライアント装置2002は、高速通信が難しい場合は、記憶部2012に保持されるサイズが小さく優先度の高いセンサ情報(例えば可視光画像)を送信する。これにより、クライアント装置2002は記憶部2012に保持したセンサ情報をネットワークの状況に応じて効率的にサーバ2001に送信できる。
また、クライアント装置2002は、上記現在時刻を示す時刻情報、及び、現在地点を示す場所情報をサーバ2001から取得してもよい。また、クライアント装置2002は、取得した時刻情報及び場所情報に基づきセンサ情報の取得時刻及び取得場所を決定してもよい。つまり、クライアント装置2002は、サーバ2001から時刻情報を取得し、取得した時刻情報を用いて取得時刻情報を生成してもよい。また、クライアント装置2002は、サーバ2001から場所情報を取得し、取得した場所情報を用いて取得場所情報を生成してもよい。
例えば時刻情報については、サーバ2001とクライアント装置2002とはNTP(Network Time Protocol)、又はPTP(Precision Time Protocol)等の仕組みを用いて時刻同期を行う。これにより、クライアント装置2002は正確な時刻情報を取得できる。また、サーバ2001と複数のクライアント装置との間で時刻を同期できるので、別々のクライアント装置2002が取得したセンサ情報内の時刻を同期できる。よって、サーバ2001は、同期された時刻を示すセンサ情報を取り扱える。なお、時刻同期の仕組みはNTP又はPTP以外のどのような方法でも構わない。また、上記時刻情報及び場所情報としてGPSの情報が用いられてもよい。
サーバ2001は、時刻又は場所を指定して複数のクライアント装置2002からセンサ情報を取得しても構わない。例えば何らかの事故が発生した場合に、その付近にいたクライアントを探すため、サーバ2001は、事故発生時刻と場所を指定して複数のクライアント装置2002にセンサ情報送信要求をブロードキャスト送信する。そして、該当する時刻と場所のセンサ情報を持つクライアント装置2002は、サーバ2001にセンサ情報を送信する。つまり、クライアント装置2002は、サーバ2001から場所及び時刻を指定する指定情報を含むセンサ情報送信要求を受信する。クライアント装置2002は、記憶部2012に、指定情報で示される場所及び時刻において得られたセンサ情報が記憶されており、かつ、移動体がサーバ2001へセンサ情報を送信可能な環境に存在すると判定した場合、指定情報で示される場所及び時刻において得られたセンサ情報をサーバ2001に送信する。これにより、サーバ2001は、事故の発生に関連するセンサ情報を複数のクライアント装置2002から取得し、事故解析等に利用できる。
なお、クライアント装置2002は、サーバ2001からのセンサ情報送信要求を受信した場合に、センサ情報の送信を拒否してもよい。また、複数のセンサ情報のうち、どのセンサ情報を送信可能かどうかを事前にクライアント装置2002が設定してもよい。または、サーバ2001は、センサ情報の送信の可否を都度クライアント装置2002に問い合わせてもよい。
また、サーバ2001にセンサ情報を送信したクライアント装置2002にはポイントが付与されてもよい。このポイントは、例えば、ガソリン購入費、EV(Electric Vehicle)の充電費、高速道路の通行料、又はレンタカー費用などの支払いに使用できる。また、サーバ2001は、センサ情報を取得した後、センサ情報の送信元のクライアント装置2002を特定するための情報を削除してもよい。例えば、この情報は、クライアント装置2002のネットワークアドレスなどの情報である。これによりセンサ情報を匿名化することができるので、クライアント装置2002のユーザは安心して、クライアント装置2002からセンサ情報をサーバ2001に送信できる。また、サーバ2001は、複数のサーバから構成されてもよい。例えば複数のサーバでセンサ情報が共有化されることで、あるサーバが故障しても他のサーバがクライアント装置2002と通信できる。これにより、サーバ故障によるサービスの停止を回避できる。
また、センサ情報送信要求で指定される指定場所は事故の発生位置などを示すものであり、センサ情報送信要求で指定される指定時刻におけるクライアント装置2002の位置とは異なることがある。よって、サーバ2001は、例えば、指定場所として周辺XXm以内などの範囲を指定することで、当該範囲内に存在するクライアント装置2002に対して情報取得を要求できる。指定時刻についても同様に、サーバ2001は、ある時刻から前後N秒以内など範囲を指定してもよい。これにより、サーバ2001は、「時刻:t-Nからt+Nにおいて、場所:絶対位置SからXXm以内」に存在していたクライアント装置2002からセンサ情報が取得できる。クライアント装置2002は、LiDARなどの三次元データを送信する際に、時刻tの直後に生成したデータを送信してもよい。
また、サーバ2001は、指定場所として、センサ情報取得対象となるクライアント装置2002の場所を示す情報と、センサ情報が欲しい場所とをそれぞれ別に指定してもよい。例えば、サーバ2001は、絶対位置SからYYmの範囲を少なくとも含むセンサ情報を、絶対位置SからXXm以内に存在したクライアント装置2002から取得することを指定する。クライアント装置2002は、送信する三次元データを選択する際には、指定された範囲のセンサ情報を少なくとも含むように、1つ以上のランダムアクセス可能な単位の三次元データを選択する。また、クライアント装置2002は、可視光画像を送信する際は、少なくとも時刻tの直前又は直後のフレームを含む、時間的に連続した複数の画像データを送信してもよい。
クライアント装置2002が5G或いはWiFi、又は、5Gにおける複数モードなど、複数の物理ネットワークをセンサ情報の送信に利用できる場合には、クライアント装置2002は、サーバ2001から通知された優先順位に従って利用するネットワークを選択してもよい。または、クライアント装置2002自身が送信データのサイズに基づいて適切な帯域を確保できるネットワークを選択してもよい。または、クライアント装置2002は、データ送信にかかる費用等に基づいて利用するネットワークを選択してもよい。また、サーバ2001からの送信要求には、クライアント装置2002が時刻Tまでに送信を開始可能な場合に送信を行う、など、送信期限を示す情報が含まれてもよい。サーバ2001は、期限内に十分なセンサ情報が取得できなければ再度送信要求を発行してもよい。
センサ情報は、圧縮又は非圧縮のセンサデータと共に、センサデータの特性を示すヘッダ情報を含んでもよい。クライアント装置2002は、ヘッダ情報を、センサデータとは異なる物理ネットワーク又は通信プロトコルを介してサーバ2001に送信してもよい。例えば、クライアント装置2002は、センサデータの送信に先立ってヘッダ情報をサーバ2001に送信する。サーバ2001は、ヘッダ情報の解析結果に基づいてクライアント装置2002のセンサデータを取得するかどうかを判断する。例えば、ヘッダ情報は、LiDARの点群取得密度、仰角、或いはフレームレート、又は、可視光画像の解像度、SN比、或いはフレームレートなどを示す情報を含んでもよい。これにより、サーバ2001は、決定した品質のセンサデータを有するクライアント装置2002からセンサ情報を取得できる。
以上のように、クライアント装置2002は、移動体に搭載され、移動体に搭載されたセンサにより得られた、移動体の周辺状況を示すセンサ情報を取得し、センサ情報を記憶部2012に記憶する。クライアント装置2002は、移動体がサーバ2001へセンサ情報を送信可能な環境に存在するかを判定し、移動体がサーバへセンサ情報を送信可能な環境に存在すると判定した場合、センサ情報をサーバ2001に送信する。
また、クライアント装置2002は、さらに、センサ情報から、移動体の周辺の三次元データを作成し、作成された三次元データを用いて移動体の自己位置を推定する。
また、クライアント装置2002は、さらに、サーバ2001に三次元マップの送信要求を送信し、サーバ2001から三次元マップを受信する。クライアント装置2002は、自己位置の推定では、三次元データと三次元マップとを用いて、自己位置を推定する。
なお、上記クライアント装置2002による処理は、クライアント装置2002における情報送信方法として実現されてもよい。
また、クライアント装置2002は、プロセッサと、メモリとを備え、プロセッサは、メモリを用いて、上記の処理を行ってもよい。
次に、本実施の形態に係るセンサ情報収集システムについて説明する。図90は、本実施の形態に係るセンサ情報収集システムの構成を示す図である。図90に示すように本実施の形態に係るセンサ情報収集システムは、端末2021Aと、端末2021Bと、通信装置2022Aと、通信装置2022Bと、ネットワーク2023と、データ収集サーバ2024と、地図サーバ2025と、クライアント装置2026とを含む。なお、端末2021A及び端末2021Bを特に区別しない場合には端末2021とも記載する。通信装置2022A及び通信装置2022Bを特に区別しない場合には通信装置2022とも記載する。
データ収集サーバ2024は、端末2021が備えるセンサで得られたセンサデータなどのデータを三次元空間中の位置と対応付けられた位置関連データとして収集する。
センサデータとは、例えば、端末2021の周囲の状態または端末2021の内部の状態などを、端末2021が備えるセンサを用いて取得したデータである。端末2021は、端末2021と直接通信可能、又は同一の通信方式で一或いは複数の中継装置を中継して通信可能な位置にある一又は複数のセンサ機器から収集したセンサデータをデータ収集サーバ2024に送信する。
位置関連データに含まれるデータは、例えば、端末自身又は端末が備える機器の動作状態、動作ログ、サービスの利用状況などを示す情報を含んでいてもよい。また、位置関連データに含まれるデータは、端末2021の識別子と端末2021の位置又は移動経路などとを対応付けた情報などを含んでもよい。
位置関連データに含まれる、位置を示す情報は、例えば三次元地図データなどの三次元データにおける位置を示す情報と対応付けられている。位置を示す情報の詳細については後述する。
位置関連データは、位置を示す情報である位置情報に加えて、前述した時刻情報と、位置関連データに含まれるデータの属性、又は当該データを生成したセンサの種類(例えば型番など)を示す情報とのうち少なくとも一つを含んでいてもよい。位置情報及び時刻情報は、位置関連データのヘッダ領域又は位置関連データを格納するフレームのヘッダ領域に格納されていてもよい。また、位置情報及び時刻情報は、位置関連データと対応付けられたメタデータとして位置関連データとは別に送信及び/又は格納されてもよい。
地図サーバ2025は、例えば、ネットワーク2023に接続されており、端末2021などの他の装置からの要求に応じて三次元地図データなどの三次元データを送信する。また、前述した各実施の形態で説明したように、地図サーバ2025は、端末2021から送信されたセンサ情報を用いて、三次元データを更新する機能などを備えていてもよい。
データ収集サーバ2024は、例えば、ネットワーク2023に接続されており、端末2021などの他の装置から位置関連データを収集し、収集した位置関連データを内部又は他のサーバ内の記憶装置に格納する。また、データ収集サーバ2024は、収集した位置関連データ又は位置関連データに基づいて生成した三次元地図データのメタデータなどを、端末2021からの要求に応じて端末2021に対して送信する。
ネットワーク2023は、例えばインターネットなどの通信ネットワークである。端末2021は、通信装置2022を介してネットワーク2023に接続されている。通信装置2022は、一つの通信方式、又は複数の通信方式を切り替えながら端末2021と通信を行う。通信装置2022は、例えば、(1)LTE(Long Term Evolution)などの基地局、(2)WiFi或いはミリ波通信などのアクセスポイント(AP)、(3)SIGFOX、LoRaWAN或いはWi-SUNなどのLPWA(Low Power Wide Area) Networkのゲートウェイ、又は、(4)DVB-S2などの衛星通信方式を用いて通信を行う通信衛星である。
なお、基地局は、NB-IoT(Narrow Band-IoT)又はLTE-MなどのLPWAに分類される方式で端末2021との通信を行っていてもよいし、これらの方式を切り替えながら端末2021との通信を行っていてもよい。
ここでは、端末2021が2種類の通信方式を用いる通信装置2022と通信する機能を備え、これらの通信方式のいずれかを用いて、またはこれらの複数の通信方式及び直接の通信相手となる通信装置2022を切り替えながら地図サーバ2025又はデータ収集サーバ2024と通信を行う場合を例に挙げるが、センサ情報収集システム及び端末2021の構成はこれに限らない。例えば、端末2021は、複数の通信方式での通信機能を有さず、いずれか一つの通信方式で通信を行う機能を備えてもよい。また、端末2021は、3つ以上の通信方式に対応していてもよい。また、端末2021ごとに対応する通信方式が異なっていてもよい。
端末2021は、例えば図80に示したクライアント装置902の構成を備える。端末2021は、受信した三次元データを用いて自己位置などの位置推定を行う。また、端末2021は、センサから取得したセンサデータと位置推定の処理により得られた位置情報とを対応付けて位置関連データを生成する。
位置関連データに付加される位置情報は、例えば、三次元データで用いられている座標系における位置を示す。例えば、位置情報は、緯度及び経度の値で表される座標値である。このとき、端末2021は、座標値と共に当該座標値の基準となる座標系、及び位置推定に用いた三次元データを示す情報を位置情報に含めてもよい。また、座標値は高度の情報を含んでいてもよい。
また、位置情報は、前述した三次元データの符号化に用いることができるデータの単位又は空間の単位に対応付けられていてもよい。この単位とは、例えば、WLD、GOS、SPC、VLM、又はVXLなどである。このとき、位置情報は、例えば位置関連データに対応するSPCなどのデータ単位を特定するための識別子で表現される。なお、位置情報は、SPCなどのデータ単位を特定するための識別子に加えて、当該SPCなどのデータ単位を含む三次元空間を符号化した三次元データを示す情報、又は当該SPC内での詳細な位置を示す情報などを含んでいてもよい。三次元データを示す情報とは、例えば、当該三次元データのファイル名である。
このように、当該システムは、三次元データを用いた位置推定に基づく位置情報と対応付けた位置関連データを生成することにより、GPSを用いて取得されたクライアント装置(端末2021)の自己位置に基づく位置情報をセンサ情報に付加する場合よりも精度の高い位置情報をセンサ情報に付与することができる。その結果、位置関連データを他の装置が他のサービスにおいて利用する場合においても、同じ三次元データに基づいて位置推定を行うことで、位置関連データに対応する位置を実空間でより正確に特定できる可能性がある。
なお、本実施の形態では、端末2021から送信されるデータが位置関連データの場合を例に挙げて説明したが、端末2021から送信されるデータは位置情報と関連付けられていないデータであってもよい。すなわち、他の実施の形態で説明した三次元データ又はセンサデータの送受信が本実施の形態で説明したネットワーク2023を介して行われてもよい。
次に、三次元又は二次元の実空間又は地図空間における位置を示す位置情報の異なる例について説明する。位置関連データに付加される位置情報は、三次元データ中の特徴点に対する相対位置を示す情報であってもよい。ここで、位置情報の基準となる特徴点は、例えばSWLDとして符号化され、三次元データとして端末2021に通知された特徴点である。
特徴点に対する相対位置を示す情報は、例えば、特徴点から位置情報が示す点までのベクトルで表され、特徴点から位置情報が示す点までの方向と距離を示す情報であってもよい。または、特徴点に対する相対位置を示す情報は、特徴点から位置情報が示す点までのX軸、Y軸、Z軸のそれぞれの変位量を示す情報であってもよい。また、特徴点に対する相対位置を示す情報は、3以上の特徴点のそれぞれから位置情報が示す点までの距離を示す情報であってもよい。なお、相対位置は、各特徴点を基準として表現された位置情報が示す点の相対位置ではなく、位置情報が示す点を基準として表現された各特徴点の相対位置であってもよい。特徴点に対する相対位置に基づく位置情報の一例は、基準となる特徴点を特定するための情報と、当該特徴点に対する位置情報が示す点の相対位置を示す情報とを含む。また、特徴点に対する相対位置を示す情報が三次元データとは別に提供される場合、特徴点に対する相対位置を示す情報は、相対位置の導出に用いた座標軸、三次元データの種類を示す情報、又は/及び相対位置を示す情報の値の単位量あたりの大きさ(縮尺など)を示す情報などを含んでいてもよい。
また、位置情報は、複数の特徴点について、各特徴点に対する相対位置を示す情報を含んでいてもよい。位置情報を複数の特徴点に対する相対位置で表した場合、実空間において当該位置情報が示す位置を特定しようとする端末2021は、特徴点ごとにセンサデータから推定した当該特徴点の位置から位置情報が示す位置の候補点を算出し、算出された複数の候補点を平均して求めた点を位置情報が示す点であると判定してもよい。この構成によると、センサデータから特徴点の位置を推定する際の誤差の影響を軽減できるため、実空間における位置情報が示す点の推定精度を向上できる。また、位置情報が複数の特徴点に対する相対位置を示す情報を含む場合、端末2021が備えるセンサの種類又は性能などの制約で検出できない特徴点がある場合であっても、複数の特徴点のいずれか一つでも検出することができれば位置情報が示す点の値を推定することが可能となる。
特徴点として、センサデータから特定可能な点を用いことができる。センサデータから特定可能な点とは、例えば、前述した三次元特徴量又は可視光データの特徴量が閾値以上であるなど特徴点検出用の所定の条件を満たす点又は領域内の点である。
また、実空間に設置されたマーカなどを特徴点として用いてもよい。この場合、マーカは、LiDER又はカメラなどのセンサを用いて取得されたデータから検出及び位置の特定が可能であればよい。例えば、マーカは、色或いは輝度値(反射率)の変化、又は、三次元形状(凹凸など)で表現される。また、当該マーカの位置を示す座標値、又は当該マーカの識別子から生成された二次元コード又はバーコードなどが用いられてもよい。
また、光信号を送信する光源をマーカとして用いてもよい。光信号の光源をマーカとして用いる場合、座標値又は識別子などの位置を取得するための情報だけでなく、その他のデータが光信号により送信されてもよい。例えば、光信号は、当該マーカの位置に応じたサービスのコンテンツ、コンテンツを取得するためのurlなどのアドレス、又はサービスの提供を受けるための無線通信装置の識別子と、当該無線通信装置と接続するための無線通信方式などを示す情報を含んでもよい。光通信装置(光源)をマーカとして用いることで、位置を示す情報以外のデータの送信が容易になると共に、当該データを動的に切り替えることが可能となる。
端末2021は、互いに異なるデータ間での特徴点の対応関係を、例えば、データ間で共通に用いられる識別子、又は、データ間の特徴点の対応関係を示す情報或いはテーブルを用いて把握する。また、特徴点間の対応関係を示す情報がない場合、端末2021は、一方の三次元データにおける特徴点の座標を他方の三次元データ空間上の位置に変換した場合に最も近い距離にある特徴点を対応する特徴点であると判定してもよい。
以上で説明した相対位置に基づく位置情報を用いた場合、互いに異なる三次元データを用いる端末2021又はサービス間であっても、各三次元データに含まれる、又は各三次元データと対応付けられた共通の特徴点を基準に位置情報が示す位置を特定、又は推定することができる。その結果、互いに異なる三次元データを用いる端末2021又はサービス間で、同じ位置をより高い精度で特定又は推定することが可能となる。
また、互いに異なる座標系を用いて表現された地図データ又は三次元データを用いる場合であっても、座標系の変換に伴う誤差の影響を低減できるため、より高精度な位置情報に基づくサービスの連携が可能となる。
以下、データ収集サーバ2024が提供する機能の例について説明する。データ収集サーバ2024は、受信した位置関連データを他のデータサーバに転送してもよい。データサーバが複数ある場合、データ収集サーバ2024は、受信した位置関連データをどのデータサーバに転送するかを判定して、転送先として判定されたデータサーバ宛に位置関連データを転送する。
データ収集サーバ2024は、転送先の判定を、例えば、データ収集サーバ2024に事前に設定された転送先サーバの判定ルールに基づいて行う。転送先サーバの判定ルールとは、例えば、各端末2021に対応付けられた識別子と転送先のデータサーバとを対応付けた転送先テーブルなどで設定される。
端末2021は、送信する位置関連データに対して当該端末2021に対応付けられた識別子を付加してデータ収集サーバ2024に送信する。データ収集サーバ2024は、位置関連データに付加された識別子に対応する転送先のデータサーバを転送先テーブルなどを用いた転送先サーバの判定ルールに基づいて特定し、当該位置関連データを特定されたデータサーバに送信する。また、転送先サーバの判定ルールは、位置関連データが取得された時間又は場所などを用いた判定条件で指定されてもよい。ここで、上述した送信元の端末2021に対応付けられた識別子とは、例えば各端末2021に固有の識別子、又は端末2021が属するグループを示す識別子などである。
また、転送先テーブルは、送信元の端末に対応付けられた識別子と転送先のデータサーバとを直接対応付けたものでなくてもよい。例えば、データ収集サーバ2024は、端末2021に固有の識別子毎に付与されたタグ情報を格納した管理テーブルと、当該タグ情報と転送先のデータサーバを対応付けた転送先テーブルとを保持する。データ収集サーバ2024は、管理テーブルと転送先テーブルとを用いてタグ情報に基づく転送先のデータサーバを判定してもよい。ここで、タグ情報は、例えば当該識別子に対応する端末2021の種類、型番、所有者、所属するグループ又はその他の識別子に付与された管理用の制御情報又はサービス提供用の制御情報である。また、転送先テーブルに、送信元の端末2021に対応付けられた識別子の代わりに、センサ毎に固有の識別子が用いられてもよい。また、転送先サーバの判定ルールは、クライアント装置2026から設定できてもよい。
データ収集サーバ2024は、複数のデータサーバを転送先として判定し、受信した位置関連データを当該複数のデータサーバに転送してもよい。この構成によると、例えば、位置関連データを自動的にバックアップする場合、又は位置関連データを異なるサービスで共通に利用するために、各サービスを提供するためのデータサーバに対して位置関連データを送信する必要がある場合に、データ収集サーバ2024に対する設定を変更ことで意図通りのデータの転送を実現できる。その結果、個別の端末2021に位置関連データの送信先を設定する場合と比較して、システムの構築及び変更に要する工数を削減することができる。
データ収集サーバ2024は、データサーバから受信した転送要求信号に応じて、転送要求信号で指定されたデータサーバを新たな転送先として登録し、以降に受信した位置関連データを当該データサーバに転送してもよい。
データ収集サーバ2024は、端末2021から受信した位置関連データを記録装置に保存し、端末2021又はデータサーバから受信した送信要求信号に応じて、送信要求信号で指定された位置関連データを、要求元の端末2021又はデータサーバに送信してもよい。
データ収集サーバ2024は、要求元のデータサーバ又は端末2021に対する位置関連データの提供の可否を判断し、提供可能と判断された場合に要求元のデータサーバ又は端末2021に位置関連データの転送又は送信を行ってもよい。
クライアント装置2026から現在の位置関連データの要求を受け付けた場合、端末2021による位置関連データの送信タイミングでなくても、データ収集サーバ2024が端末2021に対して位置関連データの送信要求を行い、端末2021が当該送信要求に応じて位置関連データを送信してもよい。
上記の説明では、端末2021がデータ収集サーバ2024に対して位置情報データを送信するとしたが、データ収集サーバ2024は、例えば、端末2021を管理する機能など、端末2021から位置関連データを収集するために必要な機能又は端末2021から位置関連データを収集する際に用いられる機能などを備えてもよい。
データ収集サーバ2024は、端末2021に対して位置情報データの送信を要求するデータ要求信号を送信し、位置関連データを収集する機能を備えてもよい。
データ収集サーバ2024には、データ収集の対象となる端末2021と通信を行うためのアドレス又は端末2021固有の識別子などの管理情報が事前に登録されている。データ収集サーバ2024は、登録されている管理情報に基づいて端末2021から位置関連データを収集する。管理情報は、端末2021が備えるセンサの種類、端末2021が備えるセンサの数、及び端末2021が対応する通信方式などの情報を含んでいてもよい。
データ収集サーバ2024は、端末2021の稼働状態又は現在位置などの情報を端末2021から収集してもよい。
管理情報の登録は、クライアント装置2026から行われてもよいし、端末2021が登録要求をデータ収集サーバ2024に送信することで、登録のための処理が開始されてもよい。データ収集サーバ2024は、端末2021との間の通信を制御する機能を備えてもよい。
データ収集サーバ2024と端末2021とを結ぶ通信は、MNO(Mobile Network Operator)、或いはMVNO(Mobile Virtual Network Operator)などのサービス事業者が提供する専用回線、又は、VPN(Virtual Private Network)で構成された仮想の専用回線などであってもよい。この構成によると、端末2021とデータ収集サーバ2024との間の通信を安全に行うことができる。
データ収集サーバ2024は、端末2021を認証する機能、又は端末2021との間で送受信されるデータを暗号化する機能を備えてもよい。ここで、端末2021の認証の処理又はデータの暗号化の処理は、データ収集サーバ2024と端末2021との間で事前に共有された、端末2021に固有の識別子又は複数の端末2021を含む端末グループに固有の識別子などを用いて行われる。この識別子とは、例えば、SIM(Subscriber Identity Module)カードに格納された固有の番号であるIMSI(International Mobile Subscriber Identity)などである。認証処理に用いられる識別子とデータの暗号化処理に用いる識別子とは、同じであってもよいし、異なっていてもよい。
データ収集サーバ2024と端末2021との間の認証又はデータの暗号化の処理は、データ収集サーバ2024と端末2021との両方が当該処理を実施する機能を備えていれば提供可能であり、中継を行う通信装置2022が用いる通信方式に依存しない。よって、端末2021が通信方式を用いるかを考慮することなく、共通の認証又は暗号化の処理を用いることができるので、ユーザのシステム構築の利便性が向上する。ただし、中継を行う通信装置2022が用いる通信方式に依存しないとは、通信方式に応じて変更することが必須ではないことを意味している。つまり、伝送効率の向上又は安全性の確保の目的で、中継装置が用いる通信方式に応じてデータ収集サーバ2024と端末2021との間の認証又はデータの暗号化の処理が切り替えられてもよい。
データ収集サーバ2024は、端末2021から収集する位置関連データの種類及びデータ収集のスケジュールなどのデータ収集ルールを管理するUIをクライアント装置2026に提供してもよい。これにより、ユーザはクライアント装置2026を用いてデータを収集する端末2021、並びに、データの収集時間及び頻度などを指定できる。また、データ収集サーバ2024は、データを収集したい地図上の領域などを指定し、当該領域に含まれる端末2021から位置関連データを収集してもよい。
データ収集ルールを端末2021単位で管理する場合、クライアント装置2026は、例えば、管理対象となる端末2021又はセンサのリストを画面に提示する。ユーザはリストの項目毎にデータの収集の要否又は収集スケジュールなどを設定する。
データを収集したい地図上の領域などを指定する場合、クライアント装置2026は、例えば、管理対象となる地域の二次元又は三次元の地図を画面に提示する。ユーザは、表示された地図上でデータを収集する領域を選択する。地図上で選択される領域は、地図上で指定された点を中心とする円形又は矩形の領域であってもよいし、ドラッグ動作で特定可能な円形又は矩形の領域であってもよい。また、クライアント装置2026は、都市、都市内のエリア、ブロック、又は主要な道路など予め設定された単位で領域を選択してもよい。また、地図を用いて領域を指定するのではなく、緯度及び経度の数値を入力して領域が設定されてもよいし、入力されたテキスト情報に基づいて導出した候補領域のリストから領域が選択されてもよい。テキスト情報は、例えば、地域、都市、又はランドマークの名前などである。
また、ユーザが一又は複数の端末2021を指定して、当該端末2021の周囲100メートルの範囲内などの条件を設定することで、指定領域を動的に変更しながらデータの収集が行われてもよい。
また、クライアント装置2026がカメラなどのセンサを備える場合、センサデータから得られたクライアント装置2026の実空間での位置に基づいて地図上の領域が指定されてもよい。例えば、クライアント装置2026は、センサデータを用いて自己位置を推定し、推定された位置に対応する地図上の点から予め定められた距離、又はユーザが指定した距離の範囲内の領域を、データを収集する領域として指定してもよい。また、クライアント装置2026は、センサのセンシング領域、すなわち取得されたセンサデータに対応する領域を、データを収集する領域として指定してもよい。または、クライアント装置2026は、ユーザの指定したセンサデータに対応する位置に基づく領域を、データを収集する領域として指定してもよい。センサデータに対応する地図上の領域、又は位置の推定は、クライアント装置2026が行ってもよいし、データ収集サーバ2024が行ってもよい。
地図上の領域で指定を行う場合、データ収集サーバ2024は、各端末2021の現在位置情報を収集することで、指定された領域内の端末2021を特定し、特定された端末2021に対して位置関連データの送信を要求してもよい。また、データ収集サーバ2024が領域内の端末2021を特定するのではなく、データ収集サーバ2024が指定された領域を示す情報を端末2021に送信し、端末2021が自身が指定された領域内にあるか否かを判定して、指定された領域内にあると判断された場合に位置関連データを送信してもよい。
データ収集サーバ2024は、クライアント装置2026が実行するアプリケーションにおいて上述したUI(User Interface)を提供するためのリスト又は地図などのデータをクライアント装置2026に送信する。データ収集サーバ2024は、リスト又は地図などのデータだけでなく、アプリケーションのプログラムをクライアント装置2026に送信してもよい。また、上述したUIは、ブラウザで表示可能なHTMLなどで作成されたコンテンツとして提供されてもよい。なお、地図データなど一部のデータは地図サーバ2025などのデータ収集サーバ2024以外のサーバから提供されてもよい。
クライアント装置2026は、ユーザによる設定ボタンの押下など、入力が完了したことを通知する入力が行われると、入力された情報を設定情報としてデータ収集サーバ2024に送信する。データ収集サーバ2024は、クライアント装置2026から受信した設定情報に基づいて各端末2021に対して、位置関連データの要求又は位置関連データの収集ルールを通知する信号を送信し、位置関連データの収集を行う。
次に、三次元又は二次元の地図データに付加された付加情報に基づいて端末2021の動作を制御する例について説明する。
本構成では、道路又は駐車場に埋設された無線給電の給電アンテナ又は給電コイルなどの給電部の位置を示すオブジェクト情報が、三次元データに含まれて、又は三次元データに対応付けられて、車又はドローンなどである端末2021に提供される。
充電を行うために当該オブジェクト情報を取得した車両又はドローンは、車両が備える充電アンテナ又は充電コイルなどの充電部の位置が、当該オブジェクト情報が示す領域と対向する位置になるよう自動運転で車両自身の位置を移動させ、充電を開始する。なお、自動運転機能を備えていない車両又はドローンの場合は、画面上に表示された画像又は音声などを利用して、移動すべき方向又は行うべき操作を運転手又は操縦者に対して提示される。そして、推定された自己位置に基づいて算出した充電部の位置が、オブジェクト情報で示された領域又は当該領域から所定の距離の範囲内に入った判断されると、運転又は操縦を中止させる内容へと提示する画像又は音声が切り替えられ、充電が開始される。
また、オブジェクト情報は給電部の位置を示す情報ではなく、当該領域内に充電部を配置すると所定の閾値以上の充電効率が得られる領域を示す情報であってもよい。オブジェクト情報の位置は、オブジェクト情報が示す領域の中心の点で表されてもよいし、二次元平面内の領域或いは線、又は、三次元空間内の領域、線或いは平面などで表されてもよい。
この構成によると、LiDERのセンシングデータ又はカメラで撮影した映像では把握できない給電アンテナの位置を把握することができるので、車などの端末2021が備える無線充電用のアンテナと道路などに埋設された無線給電アンテナとの位置合わせをより高精度に行うことができる。その結果、無線充電時の充電速度を短くしたり、充電効率を向上させることができる。
オブジェクト情報は、給電アンテナの以外の対象物であってもよい。例えば、三次元データは、ミリ波無線通信のAPの位置などをオブジェクト情報として含む。これにより、端末2021は、APの位置を事前に把握することができるので、当該オブジェクト情報の方向にビームの指向性を向けて通信を開始することができる。その結果、伝送速度の向上、通信開始までの時間の短縮、及び通信可能な期間を延ばすなどの通信品質の向上を実現できる。
オブジェクト情報は、当該オブジェクト情報に対応する対象物のタイプを示す情報を含んでもよい。また、オブジェクト情報は、当該オブジェクト情報の三次元データ上の位置に対応する実空間上の領域内、又は領域から所定の距離の範囲内に端末2021が含まれる場合に、端末2021が実施すべき処理を示す情報を含んでもよい。
オブジェクト情報は、三次元データを提供するサーバとは異なるサーバから提供されてもよい。オブジェクト情報を三次元データとは別に提供する場合、同一のサービスで使用されるオブジェクト情報が格納されたオブジェクトグループが、対象サービス又は対象機器の種類に応じてそれぞれ別のデータとして提供されてもよい。
オブジェクト情報と組み合わせて用いられる三次元データは、WLDの点群データであってもよいし、SWLDの特徴点データであってもよい。
三次元データ符号化装置において、符号化対象の三次元点である対象三次元点の属性情報をLoD(Level of Detail)を用いて階層符号化した場合、三次元データ復号装置は、当該三次元データ復号装置で必要なLoDの階層まで属性情報を復号し、必要でない階層の属性情報を復号しなくてもよい。例えば、三次元データ符号化装置が符号化したビットストリーム内の属性情報のLoDの総数がN個の場合、三次元データ復号装置は、最上位層のLoD0からLoD(M-1)までのM個(M<N)のLoDを復号し、残りのLoD(N-1)までのLoDを復号しなくてもよい。これにより、三次元データ復号装置は、処理負荷を抑制しつつ、三次元データ復号装置で必要なLoD0からLoD(M-1)までの属性情報を復号できる。
図91は、上記のユースケースを示す図である。図91に例では、サーバは、三次元位置情報と属性情報とを符号化することで得られた三次元地図を保持する。サーバ(三次元データ符号化装置)は、サーバが管理する領域のクライアント装置(三次元データ復号装置:例えば車両又はドローン等)に対し、三次元地図をブロードキャスト送信し、クライアント装置はサーバから受信した三次元地図を用いてクライアント装置の自己位置を特定する処理、又は、クライアント装置を操作するユーザ等に地図情報を表示する処理を行う。
以下、この例における動作例を説明する。まず、サーバは、三次元地図の位置情報を8分木構成などを用いて符号化する。そして、サーバは、位置情報をベースに構築されたN個のLoDを用いて三次元地図の属性情報を階層符号化する。サーバは、階層符号化により得られた三次元地図のビットストリームを保存する。
次にサーバは、サーバが管理する領域のクライアント装置から送信された地図情報の送信要求に応じて、符号化された三次元地図のビットストリームをクライアント装置に送信する。
クライアント装置は、サーバから送信された三次元地図のビットストリームを受信し、クライアント装置の用途に応じて三次元地図の位置情報と属性情報とを復号する。例えば、クライアント装置が位置情報とN個のLoDの属性情報とを用いて高精度な自己位置推定を行う場合は、クライアント装置は、属性情報として密な三次元点までの復号結果が必要と判断し、ビットストリーム内の全ての情報を復号する。
また、クライアント装置が三次元地図の情報をユーザ等に表示する場合は、クライアント装置は、属性情報として疎な三次元点までの復号結果までが必要と判断し、位置情報とLoDの上位層であるLoD0からM個(M<N)までのLoDの属性情報とを復号する。
このようにクライアント装置の用途に応じて復号する属性情報のLoDを切替えることによって、クライアント装置の処理負荷を削減できる。
図91に示す例では、例えば、三次元点地図は、位置情報と属性情報とを含む。位置情報は、8分木で符号化される。属性情報は、N個のLoDで符号化される。
クライアント装置Aは、高精度な自己位置推定を行う。この場合、クライアント装置Aは、全ての位置情報と属性情報とが必要と判断し、ビットストリーム内の位置情報とN個のLoDで構成される属性情報とを全て復号する。
クライアント装置Bは、三次元地図をユーザへ表示する。この場合、クライアント装置Bは、位置情報とM個(M<N)のLoDの属性情報とが必要と判断し、ビットストリーム内の位置情報とM個のLoDで構成される属性情報とを復号する。
なお、サーバは、三次元地図をクライアント装置にブロードキャスト送信してもよいし、マルチキャスト送信、又はユニキャスト送信してもよい。
以下、本実施の形態に係るシステムの変形例について説明する。三次元データ符号化装置において、符号化対象の三次元点である対象三次元点の属性情報をLoDを用いて階層符号化する場合、三次元データ符号化装置は、当該三次元データ復号装置で必要なLoDの階層まで属性情報を符号化し、必要でない階層の属性情報を符号化しなくてもよい。例えば、LoDの総数がN個の場合に、三次元データ符号化装置は、最上位層LoD0からLoD(M-1)までのM個(M<N)のLoDを符号化し、残りLoD(N-1)までのLoDを符号化しないことによりビットストリームを生成してもよい。これにより、三次元データ符号化装置は、三次元データ復号装置からの要望に応じて、三次元データ復号装置で必要なLoD0からLoD(M-1)までの属性情報を符号化したビットストリームを提供できる。
図92は、上記ユースケースを示す図である。図92に示す例では、サーバは、三次元位置情報と属性情報とを符号化することで得られた三次元地図を保持する。サーバ(三次元データ符号化装置)は、サーバが管理する領域のクライアント装置(三次元データ復号装置:例えば車両又はドローン等)に対し、クライアント装置の要望に応じて三次元地図をユニキャスト送信し、クライアント装置はサーバから受信した三次元地図を用いてクライアント装置の自己位置を特定する処理、又は地図情報をクライアント装置を操作するユーザ等に表示する処理を行う。
以下、この例における動作例を説明する。まず、サーバは、三次元地図の位置情報を8分木構成などを用いて符号化する。そして、サーバは、三次元地図の属性情報を、位置情報をベースに構築されたN個のLoDを用いて階層符号化することで三次元地図Aのビットストリームを生成し、生成したビットストリームを当該サーバに保存する。また、サーバは、三次元地図の属性情報を、位置情報をベースに構築されたM個(M<N)のLoDを用いて階層符号化することで三次元地図Bのビットストリームを生成し、生成したビットストリームを当該サーバに保存する。
次にクライアント装置は、クライアント装置の用途に応じて三次元地図の送信をサーバに要求する。例えば、クライアント装置は、位置情報とN個のLoDの属性情報とを用いて高精度な自己位置推定を行う場合は、属性情報として密な三次元点までの復号結果が必要と判断し、三次元地図Aのビットストリームの送信をサーバへ要求する。また、クライアント装置は、三次元地図の情報をユーザ等に表示する場合は、属性情報として疎な三次元点までの復号結果までが必要と判断し、位置情報とLoDの上位層LoD0からM個(M<N)までのLoDの属性情報とを含む三次元地図Bのビットストリームの送信をサーバへ要求する。そしてサーバは、クライアント装置からの地図情報の送信要求に応じて、符号化された三次元地図A又は三次元地図Bのビットストリームをクライアント装置に送信する。
クライアント装置は、クライアント装置の用途に応じてサーバから送信された三次元地図A又は三次元地図Bのビットストリームを受信し、当該ビットストリームを復号する。このようにサーバは、クライアント装置の用途に応じて送信するビットストリームを切替える。これにより、クライアント装置の処理負荷を削減できる。
図92に示す例では、サーバは、三次元地図A及び三次元地図Bを保持する。サーバは、三次元地図の位置情報を、例えば8分木で符号化し、三次元地図の属性情報をN個のLoDで符号化することで三次元地図Aを生成する。つまり、三次元地図Aのビットストリームに含まれるNumLoDはNを示す。
また、サーバは、三次元地図の位置情報を、例えば8分木で符号化し、三次元地図の属性情報をM個のLoDで符号化することで三次元地図Bを生成する。つまり、三次元地図Bのビットストリームに含まれるNumLoDはMを示す。
クライアント装置Aは、高精度な自己位置推定を行う。この場合クライアント装置Aは、全ての位置情報と属性情報とが必要と判断し、全ての位置情報とN個のLoDで構成される属性情報とを含む三次元地図Aの送信要求をサーバに送る。クライアント装置Aは、三次元地図Aを受信し、全ての位置情報とN個のLoDで構成される属性情報とを復号する。
クライアント装置Bは、三次元地図をユーザへ表示する。この場合、クライアント装置Bは、位置情報とM個(M<N)のLoDの属性情報とが必要と判断し、全ての位置情報とM個のLoDで構成される属性情報とを含む三次元地図Bの送信要求をサーバに送る。クライアント装置Bは、三次元地図Bを受信して、全ての位置情報とM個のLoDで構成される属性情報とを復号する。
なお、サーバ(三次元データ符号化装置)は、三次元地図Bに加え、残りのN-M個のLoDの属性情報を符号化した三次元地図Cを符号化しておき、クライアント装置Bの要望に応じて三次元地図Cをクライアント装置Bに送信してもよい。また、クライアント装置Bは、三次元地図Bと三次元地図Cとのビットストリームを用いて、N個のLoDの復号結果を得てもよい。
以下、アプリケーション処理の例を説明する。図93は、アプリケーション処理の例を示すフローチャートである。アプリ操作が開始されると、三次元データ逆多重化装置は、点群データ及び複数の符号化データを含むISOBMFFファイルを取得する(S7301)。例えば、三次元データ逆多重化装置は、ISOBMFFファイルを、通信により取得してもよいし、蓄積しているデータから読み込んでもよい。
次に、三次元データ逆多重化装置は、ISOBMFFファイルにおける全体構成情報を解析し、アプリケーションに使用するデータを特定する(S7302)。例えば、三次元データ逆多重化装置は、処理に用いるデータを取得し、処理に用いないデータは取得しない。
次に、三次元データ逆多重化装置は、アプリケーションに使用する1以上のデータを抽出し、当該データの構成情報を解析する(S7303)。
データの種別が符号化データである場合(S7304で符号化データ)、三次元データ逆多重化装置は、ISOBMFFを符号化ストリームに変換し、タイムスタンプを抽出する(S7305)。また、三次元データ逆多重化装置は、データ間の同期がそろっているか否かを、例えば、データ間の同期がそろっているか否かを示すフラグを参照して判定し、揃っていなければ同期処理を行ってもよい。
次に、三次元データ逆多重化装置は、タイムスタンプ及びその他の指示に従い、所定の方法でデータを復号し、復号したデータを処理する(S7306)。
一方、データの種別が符号化データである場合(S7304でRAWデータ)、三次元データ逆多重化装置は、データ及びタイムスタンプを抽出する(S7307)。また、三次元データ逆多重化装置は、データ間の同期がそろっているか否かを、例えば、データ間の同期がそろっているか否かを示すフラグを参照して判定し、揃っていなければ同期処理を行ってもよい。次に、三次元データ逆多重化装置は、タイムスタンプ及びその他の指示に従い、データを処理する(S7308)。
例えば、ビームLiDAR、FLASH LiDAR、及びカメラで取得されたセンサ信号が、それぞれ異なる符号化方式で符号化及び多重化されている場合の例を説明する。図94は、ビームLiDAR、FLASH LiDAR及びカメラのセンサ範囲の例を示す図である。例えば、ビームLiDARは、車両(センサ)の周囲の全方向を検知し、FLASH LiDAR及びカメラは、車両の一方向(例えば前方)の範囲を検知する。
LiDAR点群を統合的に扱うアプリケーションの場合、三次元データ逆多重化装置は、全体構成情報を参照して、ビームLiDARとFLASH LiDARの符号化データを抽出して復号する。また、三次元データ逆多重化装置は、カメラ映像は抽出しない。
三次元データ逆多重化装置は、LiDARとFLASH LiDARのタイムスタンプに従い、同一のタイムスタンプの時刻のそれぞれの符号化データを同時に処理する。
例えば、三次元データ逆多重化装置は、処理したデータを提示装置で提示したり、ビームLiDARとFLASH LiDARの点群データを合成したり、レンダリングなどの処理を行ってもよい。
また、データ間でキャリブレーションをするアプリケーションの場合には、三次元データ逆多重化装置は、センサ位置情報を抽出してアプリケーションで用いてもよい。
例えば、三次元データ逆多重化装置は、アプリケーションにおいて、ビームLiDAR情報を使用するか、FLASH LiDARを使用するかを選択し、選択結果に応じて処理を切り替えてもよい。
このように、アプリケーションの処理に応じて適応的にデータの取得及び符号処理を変えることができるので、処理量及び消費電力を削減できる。
以下、自動運転におけるユースケースについて説明する。図95は、自動運転システムの構成例を示す図である。この自動運転システムは、クラウドサーバ7350と、車載装置又はモバイル装置等のエッジ7360とを含む。クラウドサーバ7350は、逆多重化部7351と、復号部7352A、7352B及び7355と、点群データ合成部7353と、大規模データ蓄積部7354と、比較部7356と、符号化部7357とを備える。エッジ7360は、センサ7361A及び7361Bと、点群データ生成部7362A及び7362Bと、同期部7363と、符号化部7364A及び7364Bと、多重化部7365と、更新データ蓄積部7366と、逆多重化部7367と、復号部7368と、フィルタ7369と、自己位置推定部7370と、運転制御部7371とを備える。
このシステムでは、エッジ7360は、クラウドサーバ7350に蓄積されている大規模点群地図データである大規模データをダウンロードする。エッジ7360は、大規模データとエッジ7360で得られたセンサ情報とをマッチングすることで、エッジ7360(車両又は端末)の自己位置推定処理を行う。また、エッジ7360は、取得したセンサ情報をクラウドサーバ7350へアップロードし、大規模データを最新の地図データに更新する。
また、システム内における点群データを扱う様々なアプリケーションにおいて、符号化方法の異なる点群データが扱われる。
クラウドサーバ7350は、大規模データを符号化及び多重化する。具体的には、符号化部7357は、大規模点群を符号化するために適した第3の符号化方法を用いて符号化を行う。また、符号化部7357は、符号化データを多重化する。大規模データ蓄積部7354は、符号化部7357で符号化及び多重化されたデータを蓄積する。
エッジ7360は、センシングを行う。具体的には、点群データ生成部7362Aは、センサ7361Aで取得されるセンシング情報を用いて、第1の点群データ(位置情報(ジオメトリ)及び属性情報)を生成する。点群データ生成部7362Bは、センサ7361Bで取得されるセンシング情報を用いて、第2の点群データ(位置情報及び属性情報)を生成する。生成された第1の点群データ及び第2の点群データは、自動運転の自己位置推定或いは車両制御、又は地図更新に用いられる。それぞれの処理において、第1の点群データ及び第2の点群データのうちの一部の情報が用いられてもよい。
エッジ7360は、自己位置推定を行う。具体的には、エッジ7360は、大規模データをクラウドサーバ7350からダウンロードする。逆多重化部7367は、ファイルフォーマットの大規模データを逆多重化することで符号化データを取得する。復号部7368は、取得された符号化データを復号することで大規模点群地図データである大規模データを取得する。
自己位置推定部7370は、取得された大規模データと、点群データ生成部7362A及び7362Bで生成された第1の点群データ及び第2の点群データとをマッチングすることで、車両の地図における自己位置を推定する。また、運転制御部7371は、当該マッチング結果又は自己位置推定結果を運転制御に用いる。
なお、自己位置推定部7370及び運転制御部7371は、大規模データのうち、位置情報などの特定の情報を抽出し、抽出した情報を用いて処理を行ってもよい。また、フィルタ7369は、第1の点群データ及び第2の点群データに補正又は間引き等の処理を行う。自己位置推定部7370及び運転制御部7371は、当該処理が行われた後の第1の点群データ及び第2の点群データを用いてもよい。また、自己位置推定部7370及び運転制御部7371は、センサ7361A及び7361Bで得られたセンサ信号を用いてもよい。
同期部7363は、複数のセンサ信号又は複数の点群データのデータ間の時間同期及び位置補正を行う。また、同期部7363は、自己位置推定処理によって生成された、大規模データとセンサデータとの位置補正情報に基づき、センサ信号又は点群データの位置情報を大規模データに合わせるように補正してもよい。
なお、同期及び位置補正はエッジ7360でなく、クラウドサーバ7350で行われてもよい。この場合、エッジ7360は、同期情報及び位置情報を多重化してクラウドサーバ7350へ送信してもよい。
エッジ7360は.センサ信号又は点群データを符号化及び多重化する。具体的には、センサ信号又は点群データは、それぞれの信号を符号化するために適した第1の符号化方法又は第2の符号化方法を用いて符号化される。例えば、符号化部7364Aは、第1の符号化方法を用いて第1の点群データを符号化することで第1の符号化データを生成する。符号化部7364Bは、第2の符号化方法を用いて第2の点群データを符号化することで第2の符号化データを生成する。
多重化部7365は、第1の符号化データ、第2の符号化データ、及び同期情報などを多重化することで多重化信号を生成する。更新データ蓄積部7366は、生成された多重化信号を蓄積する。また、更新データ蓄積部7366は、多重化信号をクラウドサーバ7350へアップロードする。
クラウドサーバ7350は、点群データを合成する。具体的には、逆多重化部7351は、クラウドサーバ7350にアップロードされた多重化信号を逆多重化することで第1の符号化データ及び第2の符号化データを取得する。復号部7352Aは、第1の符号化データを復号することで第1の点群データ(又はセンサ信号)を取得する。復号部7352Bは、第2の符号化データを復号することで第2の点群データ(又はセンサ信号)を取得する。
点群データ合成部7353は、第1の点群データと第2の点群データとを所定の方法で合成する。多重化信号に同期情報及び位置補正情報が多重化されている場合には、点群データ合成部7353は、それらの情報を用いて合成を行ってもよい。
復号部7355は、大規模データ蓄積部7354に蓄積されている大規模データを逆多重化及び復号する。比較部7356は、エッジ7360で得られたセンサ信号に基づき生成された点群データとクラウドサーバ7350が有する大規模データとを比較し、更新が必要な点群データを判断する。比較部7356は、大規模データのうち、更新が必要と判断された点群データを、エッジ7360から得られた点群データに更新する。
符号化部7357は、更新された大規模データを符号化及び多重化し、得られたデータを大規模データ蓄積部7354に蓄積する。
以上のように、使用する用途又はアプリケーションに応じて、取り扱う信号が異なり、多重化する信号又は符号化方法が異なる場合がある。このような場合であっても、本実施の形態を用いて様々な符号化方式のデータを多重化することで、柔軟な復号及びアプリケーション処理が可能となる。また、信号の符号化方式が異なる場合であっても、逆多重化、復号、データ変換、符号化、多重の処理により適した符号化方式を変換することで、様々なアプリケーションやシステムを構築し、柔軟なサービスの提供が可能となる。
以下、分割データの復号及びアプリケーションの例を説明する。まず、分割データの情報について説明する。図96は、ビットストリームの構成例を示す図である。分割データの全体情報は、分割データ毎に、当該分割データのセンサID(sensor_id)とデータID(data_id)とを示す。なお、データIDは各符号化データのヘッダにも示される。
なお、図96に示す分割データの全体情報は、図81と同様に、センサIDに加え、センサ情報(Sensor)と、センサのバージョン(Version)と、センサのメーカー名(Maker)と、センサの設置情報(Mount Info.)と、センサの位置座標(World Coordinate)とのうち少なく一つを含んでもよい。これにより、三次元データ復号装置は、構成情報から各種センサの情報を取得できる。
分割データの全体情報は、メタデータであるSPS、GPS又はAPSに格納されてもよいし、符号化に必須でないメタデータであるSEIに格納されてもよい。また、三次元データ符号化装置は、多重化の際に、当該SEIをISOBMFFのファイルに格納する。三次元データ復号装置は、当該メタデータに基づき、所望の分割データを取得できる。
図96において、SPSは符号化データ全体のメタデータであり、GPSは位置情報のメタデータであり、APSは属性情報毎のメタデータであり、Gは分割データ毎の位置情報の符号化データであり、A1等は分割データ毎の属性情報の符号化データである。
次に、分割データのアプリケーション例を説明する。点群データから、任意の点群を選択し、選択した点群を提示するアプリケーションの例を説明する。図97は、このアプリケーションにより実行される点群選択処理のフローチャートである。図98~図100は、点群選択処理の画面例を示す図である。
図98に示すように、アプリケーションを実行する三次元データ復号装置は、例えば、任意の点群を選択するための入力UI(ユーザインタフェース)8661を表示するUI部を有する。入力UI8661は、選択された点群を提示する提示部8662と、ユーザの操作を受け付ける操作部(ボタン8663及び8664)を有する。三次元データ復号装置は、UI8661で点群が選択された後、蓄積部8665から所望のデータを取得する。
まず、ユーザの入力UI8661に対する操作に基づき、ユーザが表示したい点群情報が選択される(S8631)。具体的には、ボタン8663が選択されることで、センサ1に基づく点群が選択される。ボタン8664が選択されることで、センサ2に基づく点群が選択される。または、ボタン8663及びボタン8664の両方が選択されることで、センサ1に基づく点群とセンサ2に基づく点群の両方が選択される。なお、点群の選択方法は一例であり、これに限らない。
次に、三次元データ復号装置は、多重化信号(ビットストリーム)又は符号化データに含まれる分割データの全体情報を解析し、選択されたセンサのセンサID(sensor_id)から、選択された点群を構成する分割データのデータID(data_id)を特定する(S8632)。次に、三次元データ復号装置は、多重化信号から、特定された所望のデータIDを含む符号化データを抽出し、抽出した符号化データを復号することで、選択されたセンサに基づく点群を復号する(S8633)。なお、三次元データ復号装置は、その他の符号化データは復号しない。
最後に、三次元データ復号装置は、復号された点群を提示(例えば表示)する(S8634)。図99は、センサ1のボタン8663が押下された場合の例を示し、センサ1の点群が提示される。図100は、センサ1のボタン8663とセンサ2のボタン8664の両方が押下された場合の例を示し、センサ1及びセンサ2の点群が提示される。
以上、本開示の実施の形態に係る三次元データ符号化装置及び三次元データ復号装置等について説明したが、本開示は、この実施の形態に限定されるものではない。
また、上記実施の形態に係る三次元データ符号化装置及び三次元データ復号装置等に含まれる各処理部は典型的には集積回路であるLSIとして実現される。これらは個別に1チップ化されてもよいし、一部又は全てを含むように1チップ化されてもよい。
また、集積回路化はLSIに限るものではなく、専用回路又は汎用プロセッサで実現してもよい。LSI製造後にプログラムすることが可能なFPGA(Field Programmable Gate Array)、又はLSI内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。
また、上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、CPUまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
また、本開示は、三次元データ符号化装置及び三次元データ復号装置等により実行される三次元データ符号化方法又は三次元データ復号方法等として実現されてもよい。
また、ブロック図における機能ブロックの分割は一例であり、複数の機能ブロックを一つの機能ブロックとして実現したり、一つの機能ブロックを複数に分割したり、一部の機能を他の機能ブロックに移してもよい。また、類似する機能を有する複数の機能ブロックの機能を単一のハードウェア又はソフトウェアが並列又は時分割に処理してもよい。
また、フローチャートにおける各ステップが実行される順序は、本開示を具体的に説明するために例示するためのものであり、上記以外の順序であってもよい。また、上記ステップの一部が、他のステップと同時(並列)に実行されてもよい。
以上、一つまたは複数の態様に係る三次元データ符号化装置及び三次元データ復号装置等について、実施の形態に基づいて説明したが、本開示は、この実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、一つまたは複数の態様の範囲内に含まれてもよい。
本開示は、三次元データ符号化装置及び三次元データ復号装置に適用できる。
810 三次元データ作成装置
811 データ受信部
812、819 通信部
813 受信制御部
814、821 フォーマット変換部
815 センサ
816 三次元データ作成部
817 三次元データ合成部
818 三次元データ蓄積部
820 送信制御部
822 データ送信部
831、832、834、835、836、837 三次元データ
833 センサ情報
901 サーバ
902、902A、902B、902C クライアント装置
1011、1111 データ受信部
1012、1020、1112、1120 通信部
1013、1113 受信制御部
1014、1019、1114、1119 フォーマット変換部
1015 センサ
1016、1116 三次元データ作成部
1017 三次元画像処理部
1018、1118 三次元データ蓄積部
1021、1121 送信制御部
1022、1122 データ送信部
1031、1032、1135 三次元マップ
1033、1037、1132 センサ情報
1034、1035、1134 三次元データ
1117 三次元データ合成部
1201 三次元マップ圧縮/復号処理部
1202 センサ情報圧縮/復号処理部
1211 三次元マップ復号処理部
1212 センサ情報圧縮処理部
2001 サーバ
2002、2002A、2002B クライアント装置
2011 センサ情報取得部
2012 記憶部
2013 データ送信可否判定部
2021、2021A、2021B 端末
2022、2022A、2022B 通信装置
2023 ネットワーク
2024 データ収集サーバ
2025 地図サーバ
2026 クライアント装置
2700 位置情報符号化部
2701、2711 8分木生成部
2702、2712 幾何情報算出部
2703、2713 符号化テーブル選択部
2704 エントロピー符号化部
2710 位置情報復号部
2714 エントロピー復号部
3140 属性情報符号化部
3141、3151 LoD生成部
3142、3152 周囲探索部
3143、3153 予測部
3144 予測残差算出部
3145 量子化部
3146 算術符号化部
3147、3155 逆量子化部
3148、3156 復号値生成部
3149、3157 メモリ
3150 属性情報復号部
3154 算術復号部
4601 三次元データ符号化システム
4602 三次元データ復号システム
4603 センサ端末
4604 外部接続部
4611 点群データ生成システム
4612 提示部
4613 符号化部
4614 多重化部
4615 入出力部
4616 制御部
4617 センサ情報取得部
4618 点群データ生成部
4621 センサ情報取得部
4622 入出力部
4623 逆多重化部
4624 復号部
4625 提示部
4626 ユーザインタフェース
4627 制御部
4630 第1の符号化部
4631 位置情報符号化部
4632 属性情報符号化部
4633 付加情報符号化部
4634 多重化部
4640 第1の復号部
4641 逆多重化部
4642 位置情報復号部
4643 属性情報復号部
4644 付加情報復号部
4650 第2の符号化部
4651 付加情報生成部
4652 位置画像生成部
4653 属性画像生成部
4654 映像符号化部
4655 付加情報符号化部
4656 多重化部
4660 第2の復号部
4661 逆多重化部
4662 映像復号部
4663 付加情報復号部
4664 位置情報生成部
4665 属性情報生成部
4801 符号化部
4802 多重化部
6600 属性情報符号化部
6601 ソート部
6602 Haar変換部
6603 量子化部
6604、6612 逆量子化部
6605、6613 逆Haar変換部
6606、6614 メモリ
6607 算術符号化部
6610 属性情報復号部
6611 算術復号部
7350 クラウドサーバ
7351 逆多重化部
7352A、7352B 復号部
7353 点群データ合成部
7354 大規模データ蓄積部
7355 復号部
7356 比較部
7357 符号化部
7360 エッジ
7361A、7361B センサ
7362A、7362B 点群データ生成部
7363 同期部
7364A、7364B 符号化部
7365 多重化部
7366 更新データ蓄積部
7367 逆多重化部
7368 復号部
7369 フィルタ
7370 自己位置推定部
7371 運転制御部
8661 入力UI
8662 提示部
8663、8664 ボタン
8665 蓄積部
12800、12800A 三次元データ符号化装置
12801、12809 8分木化部
12802 バッファ
12803 エントロピー符号化部
12804、12805、12807、12810 バッファ
12806 点群化部
12808 動き検出補償部
12811 制御部
12812 動き補償部
12820、12820A 三次元データ復号装置
12821 エントロピー復号部
12822、12823、12825、12828 バッファ
12824 点群化部
12826 動き補償部
12827 8分木化部
12829 制御部
12830 動き補償部
12900、12930 三次元データ符号化装置
12901、12932 グループ化部
12902、12905、12907、12923、12925、12933、12934、12936、12941、12952、12954 バッファ
12903、12942 量子化部
12904、12922、12959 逆量子化部
12906、12924、12935、12953 イントラ予測部
12908、12937 動き検出補償部
12909、12927、12938、12956 インター予測部
12910、12928、12939、12957 切替部
12911、12943 エントロピー符号化部
12920、12950 三次元データ復号装置
12921、12951 エントロピー復号部
12926、12955 動き補償部
12931、12940、12958 座標変換部
A100 属性情報符号化部
A101 LoD属性情報符号化部
A102 変換属性情報符号化部
A110 属性情報復号部
A111 LoD属性情報復号部
A112 変換属性情報復号部
811 データ受信部
812、819 通信部
813 受信制御部
814、821 フォーマット変換部
815 センサ
816 三次元データ作成部
817 三次元データ合成部
818 三次元データ蓄積部
820 送信制御部
822 データ送信部
831、832、834、835、836、837 三次元データ
833 センサ情報
901 サーバ
902、902A、902B、902C クライアント装置
1011、1111 データ受信部
1012、1020、1112、1120 通信部
1013、1113 受信制御部
1014、1019、1114、1119 フォーマット変換部
1015 センサ
1016、1116 三次元データ作成部
1017 三次元画像処理部
1018、1118 三次元データ蓄積部
1021、1121 送信制御部
1022、1122 データ送信部
1031、1032、1135 三次元マップ
1033、1037、1132 センサ情報
1034、1035、1134 三次元データ
1117 三次元データ合成部
1201 三次元マップ圧縮/復号処理部
1202 センサ情報圧縮/復号処理部
1211 三次元マップ復号処理部
1212 センサ情報圧縮処理部
2001 サーバ
2002、2002A、2002B クライアント装置
2011 センサ情報取得部
2012 記憶部
2013 データ送信可否判定部
2021、2021A、2021B 端末
2022、2022A、2022B 通信装置
2023 ネットワーク
2024 データ収集サーバ
2025 地図サーバ
2026 クライアント装置
2700 位置情報符号化部
2701、2711 8分木生成部
2702、2712 幾何情報算出部
2703、2713 符号化テーブル選択部
2704 エントロピー符号化部
2710 位置情報復号部
2714 エントロピー復号部
3140 属性情報符号化部
3141、3151 LoD生成部
3142、3152 周囲探索部
3143、3153 予測部
3144 予測残差算出部
3145 量子化部
3146 算術符号化部
3147、3155 逆量子化部
3148、3156 復号値生成部
3149、3157 メモリ
3150 属性情報復号部
3154 算術復号部
4601 三次元データ符号化システム
4602 三次元データ復号システム
4603 センサ端末
4604 外部接続部
4611 点群データ生成システム
4612 提示部
4613 符号化部
4614 多重化部
4615 入出力部
4616 制御部
4617 センサ情報取得部
4618 点群データ生成部
4621 センサ情報取得部
4622 入出力部
4623 逆多重化部
4624 復号部
4625 提示部
4626 ユーザインタフェース
4627 制御部
4630 第1の符号化部
4631 位置情報符号化部
4632 属性情報符号化部
4633 付加情報符号化部
4634 多重化部
4640 第1の復号部
4641 逆多重化部
4642 位置情報復号部
4643 属性情報復号部
4644 付加情報復号部
4650 第2の符号化部
4651 付加情報生成部
4652 位置画像生成部
4653 属性画像生成部
4654 映像符号化部
4655 付加情報符号化部
4656 多重化部
4660 第2の復号部
4661 逆多重化部
4662 映像復号部
4663 付加情報復号部
4664 位置情報生成部
4665 属性情報生成部
4801 符号化部
4802 多重化部
6600 属性情報符号化部
6601 ソート部
6602 Haar変換部
6603 量子化部
6604、6612 逆量子化部
6605、6613 逆Haar変換部
6606、6614 メモリ
6607 算術符号化部
6610 属性情報復号部
6611 算術復号部
7350 クラウドサーバ
7351 逆多重化部
7352A、7352B 復号部
7353 点群データ合成部
7354 大規模データ蓄積部
7355 復号部
7356 比較部
7357 符号化部
7360 エッジ
7361A、7361B センサ
7362A、7362B 点群データ生成部
7363 同期部
7364A、7364B 符号化部
7365 多重化部
7366 更新データ蓄積部
7367 逆多重化部
7368 復号部
7369 フィルタ
7370 自己位置推定部
7371 運転制御部
8661 入力UI
8662 提示部
8663、8664 ボタン
8665 蓄積部
12800、12800A 三次元データ符号化装置
12801、12809 8分木化部
12802 バッファ
12803 エントロピー符号化部
12804、12805、12807、12810 バッファ
12806 点群化部
12808 動き検出補償部
12811 制御部
12812 動き補償部
12820、12820A 三次元データ復号装置
12821 エントロピー復号部
12822、12823、12825、12828 バッファ
12824 点群化部
12826 動き補償部
12827 8分木化部
12829 制御部
12830 動き補償部
12900、12930 三次元データ符号化装置
12901、12932 グループ化部
12902、12905、12907、12923、12925、12933、12934、12936、12941、12952、12954 バッファ
12903、12942 量子化部
12904、12922、12959 逆量子化部
12906、12924、12935、12953 イントラ予測部
12908、12937 動き検出補償部
12909、12927、12938、12956 インター予測部
12910、12928、12939、12957 切替部
12911、12943 エントロピー符号化部
12920、12950 三次元データ復号装置
12921、12951 エントロピー復号部
12926、12955 動き補償部
12931、12940、12958 座標変換部
A100 属性情報符号化部
A101 LoD属性情報符号化部
A102 変換属性情報符号化部
A110 属性情報復号部
A111 LoD属性情報復号部
A112 変換属性情報復号部
Claims (12)
- 複数の三次元点のうち符号化対象点を、前記符号化対象点が含まれる予測木を含む第1フレームとは異なる第2フレームに含まれる三次元点を参照して符号化して符号化データを生成し、
前記符号化データを含むビットストリームを生成し、
前記第2フレームに含まれる複数の三次元点は、符号化済みであり、
前記符号化では、前記予測木に対応づけられた動き補償情報に基づいて前記第2フレームに含まれる複数の三次元点のうちの少なくとも一部を参照して、前記符号化対象点を符号化し、
前記ビットストリームは、前記動き補償情報を含む
三次元データ符号化方法。 - 前記第1フレーム及び前記第2フレームに含まれる複数の三次元点のそれぞれの位置情報は、極座標系で表現され、
前記第1フレーム及び前記第2フレームのそれぞれを二次元画像にマッピングし、
前記二次元画像の各画素は、前記第2フレームに含まれる複数の三次元点のそれぞれの位置情報を示し、当該位置情報に含まれる距離情報を画素値として有し、
前記符号化では、前記二次元画像にマッピングされた前記第2フレームに含まれる複数の三次元点のうちの少なくとも一部を参照して、前記符号化対象点を符号化する
請求項1に記載の三次元データ符号化方法。 - 前記二次元画像の各画素の画素位置を示す二次元座標は、前記極座標に含まれる仰角情報及び水平角情報を示す
請求項2に記載の三次元データ符号化方法。 - 前記予測木に含まれる複数の三次元点は、前記第1フレームがマッピングされた前記二次元画像のうちの二次元領域で特定され、
前記ビットストリームは、さらに、前記二次元領域の位置及びサイズを示す領域情報を含む
請求項2または3に記載の三次元データ符号化方法。 - 前記第1フレーム及び前記第2フレームに含まれる複数の三次元点のそれぞれの位置情報は、直交座標系で表現され、
前記予測木に含まれる複数の三次元点は、前記第1フレームの第1三次元領域に含まれる第2三次元領域に含まれ、
前記ビットストリームは、さらに、前記第2三次元領域の位置及びサイズを示す領域情報を含む
請求項1に記載の三次元データ符号化方法。 - 第1フレームの予測木に含まれる符号化対象点が符号化された符号化データと、動き補償情報とを含むビットストリームを取得し、
前記動き補償情報を用いて、前記第1フレームとは異なる第2フレームに含まれる複数の三次元点のうちの少なくとも一部を特定し、
前記符号化データを復号して得られた復号結果と、前記少なくとも一部とを用いて、前記符号化対象点を算出し、
前記第2フレームに含まれる複数の三次元点は、復号済みであり、
前記動き補償情報は、前記予測木と、前記第2フレームに含まれる複数の三次元点のうちの少なくとも一部とを対応付ける情報である
三次元データ復号方法。 - 前記第1フレーム及び前記第2フレームに含まれる複数の三次元点のそれぞれの位置情報は、極座標系で表現され、
前記第1フレーム及び前記第2フレームのそれぞれを二次元画像にマッピングし、
前記二次元画像の各画素は、前記第2フレームに含まれる複数の三次元点のそれぞれの位置情報を示し、当該位置情報に含まれる距離情報を画素値として有し、
前記復号では、前記二次元画像にマッピングされた前記第2フレームに含まれる複数の三次元点のうちの少なくとも一部を参照して、前記符号化対象点を復号する
請求項6に記載の三次元データ復号方法。 - 前記二次元画像の各画素の画素位置を示す二次元座標は、前記極座標に含まれる仰角情報及び水平角情報を示す
請求項7に記載の三次元データ復号方法。 - 前記予測木に含まれる複数の三次元点は、前記第1フレームがマッピングされた前記二次元画像のうちの二次元領域で特定され、
前記ビットストリームは、さらに、前記二次元領域の位置及びサイズを示す領域情報を含む
請求項7または8に記載の三次元データ復号方法。 - 前記第1フレーム及び前記第2フレームに含まれる複数の三次元点のそれぞれの位置情報は、直交座標系で表現され、
前記予測木に含まれる複数の三次元点は、前記第1フレームの第1三次元領域に含まれる第2三次元領域に含まれ、
前記ビットストリームは、さらに、前記第2三次元領域の位置及びサイズを示す領域情報を含む
請求項6に記載の三次元データ復号方法。 - プロセッサと、
メモリと、を備え、
前記プロセッサは、前記メモリを用いて、
複数の三次元点のうち符号化対象点を、前記符号化対象点が含まれる予測木を含む第1フレームとは異なる第2フレームに含まれる三次元点を参照して符号化して符号化データを生成し、
前記符号化データを含むビットストリームを生成し、
前記第2フレームに含まれる複数の三次元点は、符号化済みであり、
前記符号化では、前記予測木に対応づけられた動き補償情報に基づいて前記第2フレームに含まれる複数の三次元点のうちの少なくとも一部を参照して、前記符号化対象点を符号化し、
前記ビットストリームは、前記動き補償情報を含む
三次元データ符号化装置。 - プロセッサと、
メモリと、を備え、
前記プロセッサは、前記メモリを用いて、
第1フレームの予測木に含まれる符号化対象点が符号化された符号化データと、動き補償情報とを含むビットストリームを取得し、
前記動き補償情報を用いて、前記第1フレームとは異なる第2フレームに含まれる複数の三次元点のうちの少なくとも一部を特定し、
前記符号化データを復号して得られた復号結果と、前記少なくとも一部とを用いて、前記符号化対象点を算出し、
前記第2フレームに含まれる複数の三次元点は、復号済みであり、
前記動き補償情報は、前記予測木と、前記第2フレームに含まれる複数の三次元点のうちの少なくとも一部とを対応付ける情報である
三次元データ復号装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202180067901.0A CN116171460A (zh) | 2020-10-09 | 2021-10-07 | 三维数据编码方法、三维数据解码方法、三维数据编码装置及三维数据解码装置 |
US18/126,641 US20230239491A1 (en) | 2020-10-09 | 2023-03-27 | Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063089772P | 2020-10-09 | 2020-10-09 | |
US63/089,772 | 2020-10-09 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
US18/126,641 Continuation US20230239491A1 (en) | 2020-10-09 | 2023-03-27 | Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2022075428A1 true WO2022075428A1 (ja) | 2022-04-14 |
Family
ID=81126506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2021/037232 WO2022075428A1 (ja) | 2020-10-09 | 2021-10-07 | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230239491A1 (ja) |
CN (1) | CN116171460A (ja) |
WO (1) | WO2022075428A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024079982A1 (ja) * | 2022-10-13 | 2024-04-18 | Kddi株式会社 | メッシュ復号装置、メッシュ符号化装置、メッシュ復号方法及びプログラム |
WO2024079981A1 (ja) * | 2022-10-13 | 2024-04-18 | Kddi株式会社 | メッシュ復号装置、メッシュ符号化装置、メッシュ復号方法及びプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020004461A1 (ja) * | 2018-06-27 | 2020-01-02 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 |
WO2020075781A1 (ja) * | 2018-10-09 | 2020-04-16 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 |
JP2020120322A (ja) * | 2019-01-25 | 2020-08-06 | 日本放送協会 | 距離画像符号化装置およびそのプログラム、ならびに、距離画像復号装置およびそのプログラム |
US20200304829A1 (en) * | 2019-03-22 | 2020-09-24 | Tencent America LLC | Method and apparatus for interframe point cloud attribute coding |
-
2021
- 2021-10-07 WO PCT/JP2021/037232 patent/WO2022075428A1/ja active Application Filing
- 2021-10-07 CN CN202180067901.0A patent/CN116171460A/zh active Pending
-
2023
- 2023-03-27 US US18/126,641 patent/US20230239491A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020004461A1 (ja) * | 2018-06-27 | 2020-01-02 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 |
WO2020075781A1 (ja) * | 2018-10-09 | 2020-04-16 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 |
JP2020120322A (ja) * | 2019-01-25 | 2020-08-06 | 日本放送協会 | 距離画像符号化装置およびそのプログラム、ならびに、距離画像復号装置およびそのプログラム |
US20200304829A1 (en) * | 2019-03-22 | 2020-09-24 | Tencent America LLC | Method and apparatus for interframe point cloud attribute coding |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024079982A1 (ja) * | 2022-10-13 | 2024-04-18 | Kddi株式会社 | メッシュ復号装置、メッシュ符号化装置、メッシュ復号方法及びプログラム |
WO2024079981A1 (ja) * | 2022-10-13 | 2024-04-18 | Kddi株式会社 | メッシュ復号装置、メッシュ符号化装置、メッシュ復号方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20230239491A1 (en) | 2023-07-27 |
CN116171460A (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021066163A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
WO2022075326A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
WO2021261516A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
WO2021141090A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
WO2021141117A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
US20230239491A1 (en) | Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device | |
US20230005190A1 (en) | Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device | |
US20230024374A1 (en) | Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device | |
WO2021210549A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
US20230230287A1 (en) | Decoding methods, encoding method, decoding device, and encoding device | |
US20230281882A1 (en) | Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device | |
US20230162405A1 (en) | Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device | |
US20230123146A1 (en) | Three-dimensional data encoding method and three-dimensional data encoding device | |
WO2022149589A1 (ja) | 三次元データ復号方法、三次元データ符号化方法、三次元データ復号装置、及び三次元データ符号化装置 | |
US20230005187A1 (en) | Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device | |
WO2022163805A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
WO2021261458A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
WO2022075319A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
WO2022071506A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
WO2022071505A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
WO2022059697A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
WO2021200921A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
WO2022025275A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
WO2022019301A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 | |
WO2021261555A1 (ja) | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 |
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: 21877727 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: 21877727 Country of ref document: EP Kind code of ref document: A1 |