WO2022119208A1 - 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 - Google Patents

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

Info

Publication number
WO2022119208A1
WO2022119208A1 PCT/KR2021/017215 KR2021017215W WO2022119208A1 WO 2022119208 A1 WO2022119208 A1 WO 2022119208A1 KR 2021017215 W KR2021017215 W KR 2021017215W WO 2022119208 A1 WO2022119208 A1 WO 2022119208A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
information
geometric information
cloud data
unit
Prior art date
Application number
PCT/KR2021/017215
Other languages
English (en)
French (fr)
Inventor
이수연
최한솔
심동규
오세진
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to US18/036,644 priority Critical patent/US20240020885A1/en
Publication of WO2022119208A1 publication Critical patent/WO2022119208A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/124—Quantisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • H04N19/139—Analysis of motion vectors, e.g. their magnitude, direction, variance or reliability
    • 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

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • the point cloud content is content expressed as a point cloud, which is a set of points (points) belonging to a coordinate system representing a three-dimensional space.
  • Point cloud content can express three-dimensional media, and provides various services such as VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), and autonomous driving service. used to provide However, tens of thousands to hundreds of thousands of point data are needed to express point cloud content. Therefore, a method for efficiently processing a large amount of point data is required.
  • Embodiments provide an apparatus and method for efficiently processing point cloud data.
  • Embodiments provide a point cloud data processing method and apparatus for solving latency and encoding/decoding complexity.
  • a method for transmitting point cloud data may include encoding the point cloud data and transmitting a bitstream including the point cloud data.
  • a method of receiving point cloud data according to embodiments may include receiving a bitstream including point cloud data and decoding the point cloud data.
  • the apparatus and method according to the embodiments may process point cloud data with high efficiency.
  • the apparatus and method according to the embodiments may provide a high quality point cloud service.
  • the apparatus and method according to the embodiments may provide point cloud content for providing universal services such as a VR service and an autonomous driving service.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • FIG. 5 illustrates an example of a voxel according to embodiments.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • FIG 9 shows another example of a point configuration for each LOD according to embodiments.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • FIG 12 is an example of an apparatus for transmitting point cloud data according to embodiments.
  • FIG 13 is an example of an apparatus for receiving point cloud data according to embodiments.
  • FIG. 14 illustrates an example of a structure capable of interworking with a method/device for transmitting and receiving point cloud data according to embodiments.
  • 15 is a block diagram illustrating an example of a point cloud encoder according to embodiments.
  • 16 is a block diagram illustrating an example of a point cloud decoder according to embodiments.
  • FIG. 17 illustrates a process of generating residual geometry information of a point cloud data transmission apparatus according to embodiments.
  • FIG. 18 illustrates a geometric information selection process of a point cloud data transmission apparatus according to embodiments.
  • FIG. 19 illustrates a process of generating residual geometry information of a point cloud data transmission apparatus according to embodiments.
  • FIG. 20 illustrates a process of generating residual geometric information of the point cloud data transmission apparatus according to embodiments.
  • FIG. 21 shows an example of a residual geometry transformation or quantization process of a point cloud data transmission apparatus according to embodiments.
  • FIG 23 illustrates an example of residual geometry information conversion of the point cloud data transmission apparatus according to embodiments.
  • FIG. 24 shows an example of a quantization process of an apparatus for transmitting point cloud data according to embodiments.
  • FIG. 25 shows an example of generating a quantization unit in a quantization unit selection module according to embodiments.
  • 26 is a diagram for explaining the operation of the prediction quantization parameter selection module and the residual quantization parameter induction module according to the embodiments.
  • FIG. 27 illustrates inverse quantization and inverse transformation of point cloud data according to embodiments.
  • 29 shows an inverse transformation process of an inverse transformation unit and an inverse transformation method induction module according to embodiments.
  • 30 and 31 are diagrams for explaining a process of generating restored geometric information according to embodiments.
  • FIG 32 shows an example of encoded point cloud data (bitstream) according to embodiments.
  • 33 illustrates an example of a syntax of a sequence parameter set according to embodiments.
  • 35A to 35C show examples of syntax of a GeometryNode according to embodiments.
  • 36 is an example of a geometry information encoding unit of a point cloud data transmission apparatus according to embodiments.
  • FIG. 37 is an example of an attribute information encoding unit 37000 of an apparatus for transmitting point cloud data according to embodiments.
  • 39 is an example of an attribute information decoding unit 39000 of an apparatus for receiving point cloud data according to embodiments.
  • FIG. 40 is an example of a method for transmitting point cloud data according to embodiments.
  • 41 is an example of a method for receiving point cloud data according to embodiments.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system shown in FIG. 1 may include a transmission device 10000 and a reception device 10004 .
  • the transmitter 10000 and the receiver 10004 are capable of wired/wireless communication in order to transmit and receive point cloud data.
  • the transmitting device 10000 may secure, process, and transmit a point cloud video (or point cloud content).
  • the transmitter 10000 may include a fixed station, a base transceiver system (BTS), a network, an Ariticial Intelligence (AI) device and/or system, a robot, an AR/VR/XR device and/or a server. and the like.
  • the transmitter 10000 uses a radio access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to perform communication with a base station and/or other wireless devices; It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Things (IoT) devices, AI devices/servers, and the like.
  • a radio access technology eg, 5G NR (New RAT), LTE (Long Term Evolution)
  • 5G NR New RAT
  • LTE Long Term Evolution
  • IoT Internet of Things
  • Transmission device 10000 is a point cloud video acquisition unit (Point Cloud Video Acquisition, 10001), a point cloud video encoder (Point Cloud Video Encoder, 10002) and / or a transmitter (Transmitter (or Communication module), 10003 ) contains
  • the point cloud video acquisition unit 10001 acquires the point cloud video through processing such as capturing, synthesizing, or generating.
  • the point cloud video is point cloud content expressed as a point cloud that is a set of points located in a three-dimensional space, and may be referred to as point cloud video data, point cloud data, or the like.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Accordingly, the point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, a frame, and a picture.
  • the point cloud video encoder 10002 encodes the obtained point cloud video data.
  • the point cloud video encoder 10002 may encode point cloud video data based on point cloud compression coding.
  • Point cloud compression coding may include Geometry-based Point Cloud Compression (G-PCC) coding and/or Video based Point Cloud Compression (V-PCC) coding or next-generation coding.
  • G-PCC Geometry-based Point Cloud Compression
  • V-PCC Video based Point Cloud Compression
  • the point cloud video encoder 10002 may output a bitstream including encoded point cloud video data.
  • the bitstream may include not only the encoded point cloud video data, but also signaling information related to encoding of the point cloud video data.
  • the transmitter 10003 transmits a bitstream including encoded point cloud video data.
  • the bitstream according to the embodiments is encapsulated into a file or segment (eg, a streaming segment) and transmitted through various networks such as a broadcasting network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or an encapsulation module) that performs an encapsulation operation.
  • the encapsulation unit may be included in the transmitter 10003 .
  • the file or segment may be transmitted to the receiver 10004 through a network or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmitter 10003 may communicate with the receiver 10004 (or the receiver 10005) through wired/wireless communication through networks such as 4G, 5G, and 6G. Also, the transmitter 10003 may perform a necessary data processing operation according to a network system (eg, a communication network system such as 4G, 5G, 6G, etc.). Also, the transmitter 10000 may transmit encapsulated data according to an on demand method.
  • a network system eg, a communication network system such as 4G, 5G, 6G, etc.
  • the transmitter 10000 may transmit encapsulated data according to an on demand method.
  • the receiver 10004 includes a receiver (Receiver, 10005), a point cloud video decoder (Point Cloud Decoder, 10006), and/or a renderer (Renderer, 10007).
  • the receiver 10004 uses a radio access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to communicate with a base station and/or another wireless device, a device, or a robot.
  • a radio access technology eg, 5G NR (New RAT), LTE (Long Term Evolution)
  • the receiver 10005 receives a bitstream including point cloud video data or a file/segment in which the bitstream is encapsulated from a network or a storage medium.
  • the receiver 10005 may perform a necessary data processing operation according to a network system (eg, a communication network system such as 4G, 5G, or 6G).
  • the receiver 10005 may output a bitstream by decapsulating the received file/segment.
  • the receiver 10005 may include a decapsulation unit (or a decapsulation module) for performing a decapsulation operation.
  • the decapsulation unit may be implemented as an element (or component) separate from the receiver 10005 .
  • the point cloud video decoder 10006 decodes a bitstream including point cloud video data.
  • the point cloud video decoder 10006 may decode the point cloud video data according to an encoded manner (eg, a reverse process of the operation of the point cloud video encoder 10002 ). Accordingly, the point cloud video decoder 10006 may decode the point cloud video data by performing point cloud decompression coding, which is a reverse process of the point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • the renderer 10007 renders the decoded point cloud video data.
  • the renderer 10007 may output point cloud content by rendering audio data as well as point cloud video data.
  • the renderer 10007 may include a display for displaying the point cloud content.
  • the display may not be included in the renderer 10007 and may be implemented as a separate device or component.
  • the feedback information is information for reflecting the interactivity with the user who consumes the point cloud content, and includes user information (eg, head orientation information, viewport information, etc.).
  • user information eg, head orientation information, viewport information, etc.
  • the feedback information is provided by the content transmitting side (eg, the transmission device 10000) and/or the service provider can be passed on to According to embodiments, the feedback information may be used by the transmitter 10000 as well as the receiver 10004 or may not be provided.
  • the head orientation information is information about the user's head position, direction, angle, movement, and the like.
  • the receiver 10004 may calculate viewport information based on head orientation information.
  • the viewport information is information about the area of the point cloud video that the user is looking at.
  • a viewpoint is a point at which a user is watching a point cloud video, and may mean a central point of the viewport area. That is, the viewport is an area centered on a viewpoint, and the size and shape of the area may be determined by a Field Of View (FOV).
  • FOV Field Of View
  • the receiver 10004 may extract viewport information based on a vertical or horizontal FOV supported by the device in addition to the head orientation information.
  • the receiver 10004 checks the user's point cloud consumption method, the point cloud video area the user gazes on, the gaze time, and the like by performing a gaze analysis or the like.
  • the receiver 10004 may transmit feedback information including the result of the gaze analysis to the transmitter 10000 .
  • Feedback information may be obtained during rendering and/or display.
  • Feedback information may be secured by one or more sensors included in the receiving device 10004 .
  • the feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • a dotted line in FIG. 1 shows a process of transmitting the feedback information secured by the renderer 10007 .
  • the point cloud content providing system may process (encode/decode) the point cloud data based on the feedback information. Accordingly, the point cloud video data decoder 10006 may perform a decoding operation based on the feedback information. Also, the receiver 10004 may transmit feedback information to the transmitter 10000 . The transmitter 10000 (or the point cloud video data encoder 10002 ) may perform an encoding operation based on the feedback information. Therefore, the point cloud content providing system does not process (encode/decode) all point cloud data, but efficiently processes necessary data (for example, point cloud data corresponding to the user's head position) based on the feedback information, and the user can provide point cloud content to
  • the transmitting apparatus 10000 may be referred to as an encoder, a transmitting device, a transmitter, a transmitter, and the like
  • the receiving apparatus 10004 may be referred to as a decoder, a receiving device, a receiver, and the like.
  • Point cloud data (processed in a series of acquisition/encoding/transmission/decoding/rendering) processed in the point cloud content providing system of FIG. 1 according to embodiments may be referred to as point cloud content data or point cloud video data.
  • the point cloud content data may be used as a concept including metadata or signaling information related to the point cloud data.
  • the elements of the point cloud content providing system shown in FIG. 1 may be implemented by hardware, software, a processor and/or a combination thereof.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • the block diagram of FIG. 2 shows the operation of the point cloud content providing system described in FIG. 1 .
  • the point cloud content providing system may process point cloud data based on point cloud compression coding (eg, G-PCC).
  • point cloud compression coding eg, G-PCC
  • the point cloud content providing system may acquire a point cloud video (20000).
  • a point cloud video is expressed as a point cloud belonging to a coordinate system representing a three-dimensional space.
  • the point cloud video according to embodiments may include a Ply (Polygon File format or the Stanford Triangle format) file.
  • the acquired point cloud video may include one or more Ply files.
  • the Ply file contains point cloud data such as the point's geometry and/or attributes. Geometry includes positions (positions) of points.
  • the position of each point may be expressed by parameters (eg, values of each of the X-axis, Y-axis, and Z-axis) representing a three-dimensional coordinate system (eg, a coordinate system including XYZ axes).
  • the attribute includes attributes of points (eg, texture information of each point, color (YCbCr or RGB), reflectance (r), transparency, etc.).
  • a point has one or more attributes (or properties). For example, one point may have one attribute of color, or two attributes of color and reflectance.
  • geometry may be called positions, geometry information, geometry data, location information, location data, etc.
  • attributes may be called attributes, attribute information, attribute data, attribute information, attribute data, etc.
  • the point cloud content providing system (for example, the point cloud transmission device 10000 or the point cloud video acquisition unit 10001) provides a point from information (eg, depth information, color information, etc.) related to the point cloud video acquisition process. Cloud data can be obtained.
  • the point cloud content providing system may encode the point cloud data (20001).
  • the point cloud content providing system may encode point cloud data based on point cloud compression coding.
  • the point cloud data may include point geometry information and attribute information.
  • the point cloud content providing system may output a geometry bitstream by performing geometry encoding for encoding the geometry.
  • the point cloud content providing system may output an attribute bitstream by performing attribute encoding for encoding an attribute.
  • the point cloud content providing system may perform attribute encoding based on geometry encoding.
  • the geometry bitstream and the attribute bitstream according to the embodiments may be multiplexed and output as one bitstream.
  • the bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • the point cloud content providing system may transmit the encoded point cloud data (20002).
  • the encoded point cloud data may be expressed as a geometry bitstream and an attribute bitstream.
  • the encoded point cloud data may be transmitted in the form of a bitstream together with signaling information related to encoding of the point cloud data (eg, signaling information related to geometry encoding and attribute encoding).
  • the point cloud content providing system may encapsulate the bitstream for transmitting the encoded point cloud data and transmit it in the form of a file or segment.
  • the point cloud content providing system may receive a bitstream including the encoded point cloud data. Also, the point cloud content providing system (eg, the receiver 10004 or the receiver 10005) may demultiplex the bitstream.
  • the point cloud content providing system may decode the encoded point cloud data (for example, a geometry bitstream, an attribute bitstream) transmitted as a bitstream. have.
  • the point cloud content providing system (for example, the receiver 10004 or the point cloud video decoder 10005) may decode the point cloud video data based on signaling information related to encoding of the point cloud video data included in the bitstream. have.
  • the point cloud content providing system (eg, the receiver 10004 or the point cloud video decoder 10005) may decode the geometry bitstream to restore positions (geometry) of the points.
  • the point cloud content providing system may restore attributes of points by decoding an attribute bitstream based on the restored geometry.
  • the point cloud content providing system (eg, the receiver 10004 or the point cloud video decoder 10005) may restore the point cloud video based on positions and decoded attributes according to the restored geometry.
  • the point cloud content providing system may render the decoded point cloud data (20004).
  • the point cloud content providing system eg, the receiver 10004 or the renderer 10007) may render the geometry and attributes decoded through the decoding process according to various rendering methods according to the rendering method.
  • the points of the point cloud content may be rendered as a vertex having a certain thickness, a cube having a specific minimum size centered at the vertex position, or a circle centered at the vertex position. All or part of the rendered point cloud content is provided to the user through a display (eg, VR/AR display, general display, etc.).
  • the point cloud content providing system (eg, the receiving device 10004) according to embodiments may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode the point cloud data based on the feedback information. Since the operation of the feedback information and point cloud content providing system according to the embodiments is the same as the feedback information and operation described with reference to FIG. 1 , a detailed description thereof will be omitted.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 3 shows an example of a point cloud video capture process of the point cloud content providing system described with reference to FIGS. 1 and 2 .
  • the point cloud content is an object located in various three-dimensional spaces (eg, a three-dimensional space representing a real environment, a three-dimensional space representing a virtual environment, etc.) and/or a point cloud video representing the environment (images and/or videos) are included.
  • one or more cameras eg, an infrared camera capable of securing depth information, color information corresponding to depth information
  • the point cloud content providing system according to the embodiments may extract a shape of a geometry composed of points in a three-dimensional space from depth information, and extract an attribute of each point from color information to secure point cloud data.
  • An image and/or an image according to embodiments may be captured based on at least one of an inward-facing method and an outward-facing method.
  • the left side of FIG. 3 shows an inward-pacing scheme.
  • the inward-pacing method refers to a method in which one or more cameras (or camera sensors) located surrounding the central object capture the central object.
  • the inward-facing method provides a 360-degree image of a point cloud content that provides a user with a 360-degree image of a core object (for example, a 360-degree image of an object (e.g., a core object such as a character, player, object, actor, etc.) to the user. It can be used to create VR/AR content).
  • the right side of FIG. 3 shows an outward-pacing scheme.
  • the outward-pacing method refers to a method in which one or more cameras (or camera sensors) positioned surrounding the central object capture the environment of the central object rather than the central object.
  • the outward-pacing method may be used to generate point cloud content (eg, content representing an external environment that may be provided to a user of an autonomous vehicle) for providing a surrounding environment that appears from the user's point of view.
  • point cloud content eg, content representing an external environment that may be provided to a user of an autonomous vehicle
  • the point cloud content may be generated based on a capture operation of one or more cameras.
  • the point cloud content providing system may perform calibration of one or more cameras in order to set a global coordinate system before the capture operation.
  • the point cloud content providing system may generate the point cloud content by synthesizing the image and/or image captured by the above-described capture method and an arbitrary image and/or image.
  • the point cloud content providing system may not perform the capture operation described with reference to FIG. 3 when generating point cloud content representing a virtual space.
  • the point cloud content providing system according to the embodiments may perform post-processing on the captured image and/or the image. That is, the point cloud content providing system removes an unwanted area (eg, a background), recognizes a space where captured images and/or images are connected, and fills in a spatial hole if there is one. can
  • the point cloud content providing system may generate one point cloud content by performing coordinate system transformation on points of the point cloud video secured from each camera.
  • the point cloud content providing system may perform coordinate system transformation of points based on the position coordinates of each camera. Accordingly, the point cloud content providing system may generate content representing one wide range and may generate point cloud content having a high density of points.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • the point cloud encoder controls point cloud data (eg, positions of points and/or attributes) and perform an encoding operation.
  • point cloud data e.g, positions of points and/or attributes
  • the point cloud content providing system may not be able to stream the corresponding content in real time. Accordingly, the point cloud content providing system may reconfigure the point cloud content based on a maximum target bitrate in order to provide it according to a network environment.
  • the point cloud encoder may perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • the point cloud encoder may include a coordinate system transformation unit (Transformation Coordinates, 40000), a quantization unit (Quantize and Remove Points (Voxelize), 40001), an octree analysis unit (Analyze Octree, 40002), and a surface appropriation analysis unit ( Analyze Surface Approximation (40003), Arithmetic Encode (40004), Reconstruct Geometry (40005), Color Transformer (Transform Colors, 40006), Attribute Transformer (Transfer Attributes, 40007), RAHT Transform It includes a unit 40008, an LOD generator (Generated LOD, 40009), a lifting transform unit (Lifting) 40010, a coefficient quantization unit (Quantize Coefficients, 40011) and/or an arithmetic encoder (Arithmetic Encode, 40012).
  • a coordinate system transformation unit Transformation Coordinates, 40000
  • a quantization unit Quantization and Remove Points (Voxelize)
  • the coordinate system transformation unit 40000, the quantization unit 40001, the octree analysis unit 40002, the surface approxy analysis unit 40003, the arithmetic encoder 40004, and the geometry reconstruction unit 40005 perform geometry encoding. can do.
  • Geometry encoding may include octree geometry coding, predictive tree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisup geometry encoding are applied selectively or in combination. Also, geometry encoding is not limited to the above example.
  • the coordinate system conversion unit 40000 receives the positions and converts them into a coordinate system.
  • the positions may be converted into position information in a three-dimensional space (eg, a three-dimensional space expressed in an XYZ coordinate system, etc.).
  • Location information in 3D space may be referred to as geometry information.
  • the quantizer 40001 quantizes the geometry. For example, the quantization unit 40001 may quantize the points based on the minimum position values of all points (eg, the minimum values on each axis with respect to the X-axis, Y-axis, and Z-axis). The quantization unit 40001 multiplies the difference between the minimum position value and the position value of each point by a preset quatization scale value, and then performs a quantization operation to find the nearest integer value by rounding or lowering it. Accordingly, one or more points may have the same quantized position (or position value). The quantizer 40001 according to embodiments performs voxelization based on quantized positions to reconstruct quantized points.
  • the quantizer 40001 performs voxelization based on quantized positions to reconstruct quantized points.
  • a minimum unit including 2D image/video information is a pixel, and points of point cloud content (or 3D point cloud video) according to embodiments may be included in one or more voxels.
  • the quantizer 40001 may match groups of points in a 3D space to voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • a position of a center point of a corresponding voxel may be set based on positions of one or more points included in one voxel.
  • attributes of all positions included in one voxel may be combined and assigned to a corresponding voxel.
  • the octree analyzer 40002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure represents points matched to voxels based on the octal tree structure.
  • the surface appropriation analyzer 40003 may analyze and approximate the octree.
  • Octree analysis and approximation is a process of analyzing to voxelize a region including a plurality of points in order to efficiently provide octree and voxelization.
  • the arithmetic encoder 40004 entropy encodes the octree and/or the approximated octree.
  • the encoding method includes an arithmetic encoding method.
  • the encoding results in a geometry bitstream.
  • Color transform unit 40006 performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is equally applied to attributes of one point. However, when one attribute (eg, color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding may include color transform coding, attribute transform coding, region adaptive hierarchical transform (RAHT) coding, interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding, and interpolation-based hierarchical nearest -neighbor prediction with an update/lifting step (Lifting Transform)) may include coding.
  • RAHT region adaptive hierarchical transform
  • coding interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform coding
  • Lifting Transform interpolation-based hierarchical nearest -neighbor prediction with an update/lifting step
  • attribute encoding is not limited to the above-described example.
  • the color conversion unit 40006 performs color conversion coding for converting color values (or textures) included in attributes.
  • the color converter 40006 may convert the format of color information (eg, convert RGB to YCbCr).
  • the operation of the color converter 40006 according to embodiments may be optionally applied according to color values included in the attributes.
  • the geometry reconstruction unit 40005 reconstructs (decompresses) an octree, a prediction tree, and/or an approximated octree.
  • the geometry reconstruction unit 40005 reconstructs an octree/voxel based on a result of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as a reconstructed geometry (or a reconstructed geometry).
  • the attribute transform unit 40007 performs an attribute transform that transforms attributes based on positions to which geometry encoding has not been performed and/or a reconstructed geometry. As described above, since the attributes are dependent on the geometry, the attribute transform unit 40007 may transform the attributes based on the reconstructed geometry information. For example, the attribute conversion unit 40007 may convert an attribute of a point at the position based on the position value of the point included in the voxel. As described above, when the position of the center point of a corresponding voxel is set based on the positions of one or more points included in one voxel, the attribute conversion unit 40007 converts attributes of the one or more points. When the tri-soup geometry encoding is performed, the attribute conversion unit 40007 may convert the attributes based on the tri-soup geometry encoding.
  • the attribute conversion unit 40007 is an average value of attributes or attribute values (for example, color or reflectance of each point) of neighboring points within a specific position/radius from the position (or position value) of the central point of each voxel. can be calculated to perform attribute transformation.
  • the attribute conversion unit 40007 may apply a weight according to the distance from the center point to each point when calculating the average value.
  • each voxel has a position and a computed attribute (or attribute value).
  • the attribute conversion unit 40007 may search for neighboring points existing within a specific position/radius from the position of the center point of each voxel based on the K-D tree or the Morton code.
  • the K-D tree is a binary search tree and supports a data structure that can manage points based on location so that Nearest Neighbor Search-NNS is possible quickly.
  • the Molton code represents a coordinate value (eg (x, y, z)) indicating a three-dimensional position of all points as a bit value, and is generated by mixing the bits. For example, if the coordinate value indicating the position of the point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute transform unit 40007 may align the points based on the Molton code value and perform a shortest neighbor search (NNS) through a depth-first traversal process. After the attribute transformation operation, if the nearest neighbor search (NNS) is required in another transformation process for attribute coding, a K-D tree or a Molton code is used.
  • NSS shortest neighbor search
  • the converted attributes are input to the RAHT conversion unit 40008 and/or the LOD generation unit 40009.
  • the RAHT converter 40008 performs RAHT coding for predicting attribute information based on the reconstructed geometry information.
  • the RAHT transform unit 40008 may predict attribute information of a node at an upper level of the octree based on attribute information associated with a node at a lower level of the octree.
  • the LOD generator 40009 generates a level of detail (LOD) to perform predictive transform coding.
  • LOD level of detail
  • the LOD according to the embodiments indicates the detail of the point cloud content, and the smaller the LOD value, the lower the detail of the point cloud content, and the larger the LOD value, the higher the detail of the point cloud content. Points may be classified according to LOD.
  • the lifting transform unit 40010 performs lifting transform coding that transforms the attributes of the point cloud based on weights. As described above, lifting transform coding may be selectively applied.
  • the coefficient quantizer 40011 quantizes the attribute-coded attributes based on coefficients.
  • the arithmetic encoder 40012 encodes the quantized attributes based on arithmetic coding.
  • the elements of the point cloud encoder of FIG. 4 are hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. , software, firmware, or a combination thereof.
  • the one or more processors may perform at least any one or more of the operations and/or functions of the elements of the point cloud encoder of FIG. 4 described above.
  • the one or more processors may operate or execute a set of software programs and/or instructions for performing operations and/or functions of the elements of the point cloud encoder of FIG. 4 .
  • One or more memories in accordance with embodiments may include high speed random access memory, non-volatile memory (eg, one or more magnetic disk storage devices, flash memory devices, or other non-volatile solid state memory). memory devices (such as solid-state memory devices).
  • FIG. 5 illustrates an example of a voxel according to embodiments.
  • voxel 5 is an octree structure that recursively subdivides a bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ).
  • An example of a voxel generated through One voxel includes at least one or more points.
  • a voxel may estimate spatial coordinates from a positional relationship with a voxel group.
  • voxels have attributes (such as color or reflectance) like pixels of a 2D image/image.
  • a detailed description of the voxel is the same as that described with reference to FIG. 4 , and thus will be omitted.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • the point cloud content providing system (point cloud video encoder 10002) or point cloud encoder (eg, octree analysis unit 40002) efficiently manages the area and/or position of voxels
  • octree geometry coding (or octree coding) based on the octree structure is performed.
  • FIG. 6 shows the octree structure.
  • the three-dimensional space of the point cloud content according to embodiments is expressed by axes (eg, X-axis, Y-axis, and Z-axis) of the coordinate system.
  • An octree structure is created by recursive subdividing a bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ). . 2d may be set as a value constituting the smallest bounding box surrounding all points of the point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the value of d is determined according to the following equation. In the following equation (x int n , y int n , z int n ) represents positions (or position values) of quantized points.
  • the entire 3D space may be divided into eight spaces according to the division.
  • Each divided space is expressed as a cube with six faces.
  • each of the eight spaces is again divided based on the axes of the coordinate system (eg, X-axis, Y-axis, and Z-axis). Therefore, each space is further divided into 8 small spaces.
  • the divided small space is also expressed as a cube with six faces. This division method is applied until a leaf node of the octree becomes a voxel.
  • the lower part of FIG. 6 shows the occupancy code of the octree.
  • the occupancy code of the octree is generated to indicate whether each of the eight divided spaces generated by dividing one space includes at least one point.
  • one occupanci code is expressed by eight child nodes.
  • Each child node represents an occupancies of the divided space, and each child node has a value of 1 bit. Therefore, the occupanci code is expressed as an 8-bit code. That is, if at least one point is included in the space corresponding to the child node, the corresponding node has a value of 1. If the space corresponding to the child node does not contain a point (empty), the node has a value of 0. Since the occupancy code shown in FIG.
  • a point cloud encoder (eg, arithmetic encoder 40004 ) according to embodiments may entropy encode the occupanci code. In addition, to increase the compression efficiency, the point cloud encoder can intra/inter-code the occupanci code.
  • the receiving device eg, the receiving device 10004 or the point cloud video decoder 10006) according to embodiments reconstructs an octree based on the occupanci code.
  • the point cloud encoder (eg, the point cloud encoder of FIG. 4 , or the octree analyzer 40002) according to embodiments may perform voxelization and octree coding to store positions of points.
  • the points in the 3D space are not always evenly distributed, there may be a specific area where there are not many points. Therefore, it is inefficient to perform voxelization on the entire 3D space. For example, if there are few points in a specific area, there is no need to perform voxelization up to the corresponding area.
  • the point cloud encoder does not perform voxelization on the above-described specific region (or a node other than a leaf node of an octree), but directly codes positions of points included in the specific region. ) can be done. Coordinates of direct coding points according to embodiments are called direct coding mode (DCM).
  • DCM direct coding mode
  • the point cloud encoder according to the embodiments may perform trisoup geometry encoding for reconstructing positions of points in a specific region (or node) based on a voxel based on a surface model.
  • Tri-Soop geometry encoding is a geometry encoding that expresses the representation of an object as a series of triangle meshes.
  • the point cloud decoder can generate a point cloud from the mesh surface.
  • Direct coding and trisup geometry encoding according to embodiments may be selectively performed.
  • direct coding and trisup geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use a direct mode for applying direct coding must be activated, and a node to which direct coding is to be applied is not a leaf node, but is less than a threshold within a specific node. points must exist. In addition, the total number of points to be subjected to direct coding must not exceed a preset limit value. If the above condition is satisfied, the point cloud encoder (or the arithmetic encoder 40004 ) according to the embodiments may entropy-code positions (or position values) of points.
  • the point cloud encoder (for example, the surface approximation analysis unit 40003) according to the embodiments determines a specific level of the octree (when the level is smaller than the depth d of the octree), and from that level, a node using the surface model It is possible to perform tri-soup geometry encoding, which reconstructs the position of a point in a region based on voxels (tri-soup mode).
  • the point cloud encoder may designate a level to which tri-soup geometry encoding is to be applied. For example, if the specified level is equal to the depth of the octree, the point cloud encoder will not operate in tri-soup mode.
  • the point cloud encoder may operate in the tri-soup mode only when the specified level is smaller than the depth value of the octree.
  • a three-dimensional cube region of nodes of a specified level according to embodiments is called a block.
  • One block may include one or more voxels.
  • a block or voxel may correspond to a brick.
  • the geometry is represented as a surface.
  • a surface according to embodiments may intersect each edge of the block at most once.
  • a vertex existing along an edge is detected when there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An ocupided voxel means a voxel including a point. The position of the vertex detected along the edge is the average position along the edge of all voxels of all voxels adjacent to the edge among all blocks sharing the edge.
  • the point cloud encoder When a vertex is detected, the point cloud encoder according to the embodiments entropy-codes the starting point (x, y, z) of the edge, the direction vectors ( ⁇ x, ⁇ y, ⁇ z) of the edge, and the vertex position values (relative position values within the edge).
  • the point cloud encoder eg, the geometry reconstruction unit 40005
  • the point cloud encoder performs triangle reconstruction, up-sampling, and voxelization processes. to create a reconstructed geometry (reconstructed geometry).
  • Vertices located on the edge of a block determine the surface that passes through the block.
  • the surface according to embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by a triangle based on the starting point of the edge, the direction vector of the edge, and the position value of the vertex.
  • the triangle reconstruction process is as follows. 1 Calculate the centroid of each vertex, 2 perform the square on the values obtained by subtracting the centroid from each vertex value, and obtain the sum of all the values.
  • the minimum value of the added values is obtained, and the projection process is performed along the axis with the minimum value. For example, if the x element is the minimum, each vertex is projected on the x-axis with respect to the center of the block and projected on the (y, z) plane. If the value that comes out when projecting on the (y, z) plane is (ai, bi), the ⁇ value is obtained through atan2(bi, ai), and the vertices are aligned based on the ⁇ value.
  • the table below shows combinations of vertices for generating a triangle according to the number of vertices. Vertices are sorted in order from 1 to n.
  • the table below shows that for four vertices, two triangles can be formed according to a combination of vertices.
  • the first triangle may be composed of 1st, 2nd, and 3rd vertices among the aligned vertices
  • the second triangle may be composed of 3rd, 4th, and 1st vertices among the aligned vertices. .
  • the upsampling process is performed to voxelize the triangle by adding points along the edge of the triangle. Create additional points based on the upsampling factor and the width of the block. The additional points are called refined vertices.
  • the point cloud encoder may voxel the refined vertices.
  • the point cloud encoder may perform attribute encoding based on the voxelized position (or position value).
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • the point cloud encoder may perform entropy coding based on context adaptive arithmetic coding.
  • the point cloud content providing system or the point cloud encoder directly transmits the occupanci code.
  • Entropy coding is possible.
  • the point cloud content providing system or point cloud encoder performs entropy encoding (intra-encoding) based on the occupancies of the current node and the occupancies of neighboring nodes, or entropy encoding (inter-encoding) based on the occupancies of the previous frame. ) can be done.
  • a frame according to embodiments means a set of point cloud videos generated at the same time.
  • a point cloud encoder determines occupancy of neighboring nodes of each node of an octree and obtains a neighbor pattern value.
  • the neighbor node pattern is used to infer the occupancies pattern of the corresponding node.
  • the left side of FIG. 7 shows a cube corresponding to a node (a cube located in the center) and six cubes (neighboring nodes) that share at least one face with the cube.
  • the nodes shown in the figure are nodes of the same depth (depth).
  • the numbers shown in the figure represent the weights (1, 2, 4, 8, 16, 32, etc.) associated with each of the six nodes. Each weight is sequentially assigned according to the positions of neighboring nodes.
  • the right side of FIG. 7 shows the neighboring node pattern values.
  • the neighbor node pattern value is the sum of values multiplied by the weights of the ocupided neighbor nodes (neighbor nodes with points). Therefore, the neighbor node pattern values range from 0 to 63. When the neighbor node pattern value is 0, it indicates that there is no node (ocupid node) having a point among the neighboring nodes of the corresponding node. When the neighbor node pattern value is 63, it indicates that all of the neighboring nodes are ocupid nodes. As shown in the figure, since neighboring nodes to which weights 1, 2, 4, and 8 are assigned are ocupided nodes, the neighboring node pattern value is 15, which is the sum of 1, 2, 4, and 8.
  • the point cloud encoder may perform coding according to the neighboring node pattern value (eg, when the neighboring node pattern value is 63, 64 types of coding are performed). According to embodiments, the point cloud encoder may change the neighbor node pattern value (eg, based on a table that changes 64 to 10 or 6) to reduce coding complexity.
  • the encoded geometry is reconstructed (decompressed).
  • the geometry reconstruction operation may include changing the arrangement of the direct coded points (eg, placing the direct coded points in front of the point cloud data).
  • tri-soap geometry encoding is applied, the geometry reconstruction process is triangular reconstruction, upsampling, and voxelization. Since the attribute is dependent on the geometry, attribute encoding is performed based on the reconstructed geometry.
  • the point cloud encoder may reorganize the points by LOD.
  • the figure shows the point cloud content corresponding to the LOD.
  • the left side of the figure shows the original point cloud content.
  • the second figure from the left of the figure shows the distribution of the points of the lowest LOD, and the rightmost figure of the figure shows the distribution of the points of the highest LOD. That is, the points of the lowest LOD are sparsely distributed, and the points of the highest LOD are tightly distributed. That is, as the LOD increases according to the direction of the arrow indicated at the bottom of the drawing, the interval (or distance) between the points becomes shorter.
  • the point cloud content providing system or the point cloud encoder (for example, the point cloud video encoder 10002, the point cloud encoder of FIG. 4, or the LOD generator 40009) generates an LOD. can do.
  • the LOD is created by reorganizing the points into a set of refinement levels according to a set LOD distance value (or set of Euclidean Distance).
  • the LOD generation process is performed not only in the point cloud encoder but also in the point cloud decoder.
  • FIG. 9 shows examples (P0 to P9) of points of point cloud content distributed in a three-dimensional space.
  • the original order of FIG. 9 indicates the order of points P0 to P9 before LOD generation.
  • the LOD based order of FIG. 9 indicates the order of points according to the LOD generation. Points are rearranged by LOD. Also, the high LOD includes points belonging to the low LOD.
  • LOD0 includes P0, P5, P4 and P2.
  • LOD1 includes the points of LOD0 and P1, P6 and P3.
  • LOD2 includes points of LOD0, points of LOD1, and P9, P8 and P7.
  • the point cloud encoder may perform predictive transform coding, lifting transform coding, and RAHT transform coding selectively or in combination.
  • the point cloud encoder may generate predictors for points and perform predictive transform coding to set prediction attributes (or prediction attribute values) of each point. That is, N predictors may be generated for N points.
  • the prediction attribute (or attribute value) is a weight calculated based on the distance to each neighboring point in the attributes (or attribute values, for example, color, reflectance, etc.) of neighboring points set in the predictor of each point (or the weight value) is set as the average value of the multiplied value.
  • the point cloud encoder eg, the coefficient quantization unit 40011
  • the quantization process is shown in the following table.
  • Attribute prediction residuals quantization pseudo code int PCCQuantization(int value, int quantStep) ⁇ if( value > 0) ⁇ return floor(value / quantStep + 1.0 / 3.0); ⁇ else ⁇ return -floor(-value / quantStep + 1.0 / 3.0); ⁇ ⁇
  • the point cloud encoder (eg, the arithmetic encoder 40012 ) according to the embodiments may entropy-code the quantized and dequantized residual values as described above when there are neighboring points to the predictor of each point.
  • the point cloud encoder (eg, the arithmetic encoder 40012 ) according to embodiments may entropy-code attributes of a corresponding point without performing the above-described process if there are no neighboring points in the predictor of each point.
  • the point cloud encoder (for example, the lifting transform unit 40010) according to the embodiments generates a predictor of each point, sets the LOD calculated in the predictor and registers neighboring points, and according to the distance to the neighboring points
  • Lifting transform coding can be performed by setting weights.
  • Lifting transform coding according to embodiments is similar to the aforementioned predictive transform coding, but is different in that a weight is accumulated and applied to an attribute value.
  • a process of accumulatively applying a weight to an attribute value according to embodiments is as follows.
  • the weights calculated for all predictors are additionally multiplied by the weights stored in the QW corresponding to the predictor index, and the calculated weights are cumulatively added to the update weight array as the indices of neighboring nodes.
  • the value obtained by multiplying the calculated weight by the attribute value of the index of the neighbor node is accumulated and summed.
  • a predicted attribute value is calculated by additionally multiplying an attribute value updated through the lift update process by a weight updated through the lift prediction process (stored in QW).
  • a point cloud encoder eg, the coefficient quantization unit 40011
  • a point cloud encoder eg, arithmetic encoder 40012
  • entropy codes the quantized attribute values.
  • the point cloud encoder (for example, the RAHT transform unit 40008) according to the embodiments may perform RAHT transform coding for estimating the attributes of nodes of a higher level by using an attribute associated with a node at a lower level of the octree.
  • RAHT transform coding is an example of attribute intra coding with octree backward scan.
  • the point cloud encoder according to the embodiments scans the entire area from the voxel, and repeats the merging process up to the root node while merging the voxels into a larger block at each step.
  • the merging process according to the embodiments is performed only for the ocupid node. A merging process is not performed on an empty node, and a merging process is performed on a node immediately above the empty node.
  • the following equation represents the RAHT transformation matrix. denotes the average attribute value of voxels in level l. Is Wow can be calculated from Wow the weight of class to be.
  • the root node is the last class is created as follows,
  • the gDC value is also quantized and entropy-coded like the high-pass coefficient.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 10 is an example of the point cloud video decoder 10006 described in FIG. 1 , and may perform the same or similar operations to the operation of the point cloud video decoder 10006 described in FIG. 1 .
  • the point cloud decoder may receive a geometry bitstream and an attribute bitstream included in one or more bitstreams.
  • the point cloud decoder includes a geometry decoder and an attribute decoder.
  • the geometry decoder outputs decoded geometry by performing geometry decoding on the geometry bitstream.
  • the attribute decoder outputs decoded attributes by performing attribute decoding based on the decoded geometry and the attribute bitstream.
  • the decoded geometry and decoded attributes are used to reconstruct the point cloud content (decoded point cloud).
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 11 is an example of the point cloud decoder described with reference to FIG. 10 , and may perform a decoding operation that is a reverse process of the encoding operation of the point cloud encoder described with reference to FIGS. 1 to 9 .
  • the point cloud decoder may perform geometry decoding and attribute decoding. Geometry decoding is performed before attribute decoding.
  • a point cloud decoder may include an arithmetic decoder 11000, a synthesize octree 11001, a synthesize surface approximation 11002, and a reconstruct geometry , 11003), inverse transform coordinates (11004), arithmetic decoder (11005), inverse quantize (11006), RAHT transform unit (11007), LOD generator (generate LOD, 11008) ), inverse lifting unit (Inverse lifting, 11009), and / or color inverse transform unit (inverse transform colors, 11010).
  • the arithmetic decoder 11000 , the octree synthesizer 11001 , the surface opproximation synthesizer 11002 , the geometry reconstruction unit 11003 , and the coordinate system inverse transformation unit 11004 may perform geometry decoding.
  • Geometry decoding according to embodiments may include direct decoding and trisoup geometry decoding. Direct decoding and tri-soup geometry decoding are optionally applied. Also, the geometry decoding is not limited to the above example, and is performed as a reverse process of the geometry encoding described with reference to FIGS. 1 to 9 .
  • the arithmetic decoder 11000 decodes the received geometry bitstream based on arithmetic coding.
  • the operation of the arithmetic decoder 11000 corresponds to the reverse process of the arithmetic encoder 40004 .
  • the octree synthesizer 11001 may generate an octree by obtaining an occupanci code from a decoded geometry bitstream (or information about a geometry secured as a result of decoding).
  • a detailed description of the occupanci code is the same as described with reference to FIGS. 1 to 9 .
  • the surface op-proximation synthesizing unit 11002 may synthesize a surface based on a decoded geometry and/or a generated octree when trisupe geometry encoding is applied.
  • the geometry reconstruction unit 11003 may reconstruct a geometry based on the surface and/or the decoded geometry. As described with reference to FIGS. 1 to 9 , direct coding and tri-soup geometry encoding are selectively applied. Accordingly, the geometry reconstruction unit 11003 directly brings and adds position information of points to which direct coding is applied. In addition, when tri-soap geometry encoding is applied, the geometry reconstruction unit 11003 may perform a reconstruction operation of the geometry reconstruction unit 40005, for example, triangle reconstruction, up-sampling, and voxelization to restore the geometry. have. Specific details are the same as those described with reference to FIG. 6 and thus will be omitted.
  • the reconstructed geometry may include a point cloud picture or frame that does not include attributes.
  • the coordinate system inverse transform unit 11004 may obtain positions of points by transforming the coordinate system based on the restored geometry.
  • the arithmetic decoder 11005, the inverse quantization unit 11006, the RAHT transform unit 11007, the LOD generator 11008, the inverse lifting unit 11009, and/or the inverse color transform unit 11010 are the attributes described with reference to FIG. decoding can be performed.
  • Attribute decoding according to embodiments includes Region Adaptive Hierarchical Transform (RAHT) decoding, Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding, and interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)) decoding may be included.
  • RAHT Region Adaptive Hierarchical Transform
  • Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform decoding
  • interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)) decoding may be included.
  • the arithmetic decoder 11005 decodes an attribute bitstream by arithmetic coding.
  • the inverse quantization unit 11006 inverse quantizes the decoded attribute bitstream or information on the attribute secured as a result of decoding, and outputs inverse quantized attributes (or attribute values). Inverse quantization may be selectively applied based on attribute encoding of the point cloud encoder.
  • the RAHT transformation unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may process the reconstructed geometry and dequantized attributes. As described above, the RAHT converting unit 11007, the LOD generating unit 11008, and/or the inverse lifting unit 11009 may selectively perform a corresponding decoding operation according to the encoding of the point cloud encoder.
  • the color inverse transform unit 11010 performs inverse transform coding for inverse transforming color values (or textures) included in decoded attributes.
  • the operation of the color inverse transform unit 11010 may be selectively performed based on the operation of the color transform unit 40006 of the point cloud encoder.
  • the elements of the point cloud decoder of FIG. 11 are hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. , software, firmware, or a combination thereof.
  • the one or more processors may perform at least any one or more of the operations and/or functions of the elements of the point cloud decoder of FIG. 11 described above.
  • the one or more processors may operate or execute a set of software programs and/or instructions for performing operations and/or functions of the elements of the point cloud decoder of FIG. 11 .
  • the transmission device shown in FIG. 12 is an example of the transmission device 10000 of FIG. 1 (or the point cloud encoder of FIG. 4 ).
  • the transmitter shown in FIG. 12 may perform at least any one or more of the same or similar operations and methods to the operations and encoding methods of the point cloud encoder described with reference to FIGS. 1 to 9 .
  • the transmission apparatus includes a data input unit 12000 , a quantization processing unit 12001 , a voxelization processing unit 12002 , an octree occupancy code generation unit 12003 , a surface model processing unit 12004 , and an intra/ Inter-coding processing unit 12005, arithmetic coder 12006, metadata processing unit 12007, color conversion processing unit 12008, attribute conversion processing unit (or attribute conversion processing unit) 12009, prediction/lifting/RAHT conversion It may include a processing unit 12010 , an arithmetic coder 12011 , and/or a transmission processing unit 12012 .
  • the data input unit 12000 receives or acquires point cloud data.
  • the data input unit 12000 may perform the same or similar operation and/or acquisition method to the operation and/or acquisition method of the point cloud video acquisition unit 10001 (or the acquisition process 20000 described in FIG. 2 ).
  • the coder 12006 performs geometry encoding. Since the geometry encoding according to the embodiments is the same as or similar to the geometry encoding described with reference to FIGS. 1 to 9 , a detailed description thereof will be omitted.
  • the quantization processing unit 12001 quantizes a geometry (eg, a position value or a position value of points).
  • the operation and/or quantization of the quantization processing unit 12001 is the same as or similar to the operation and/or quantization of the quantization unit 40001 described with reference to FIG. 4 .
  • a detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the voxelization processing unit 12002 voxelizes position values of quantized points.
  • the voxelization processing unit 12002 may perform the same or similar operations and/or processes to those of the quantization unit 40001 described with reference to FIG. 4 and/or the voxelization process. A detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the octree occupancy code generator 12003 performs octree coding on the positions of voxelized points based on the octree structure.
  • the octree occupancy code generator 12003 may generate an occult code.
  • the octree occupancy code generator 12003 may perform the same or similar operations and/or methods to those of the point cloud encoder (or the octree analyzer 40002) described with reference to FIGS. 4 and 6 . A detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the surface model processing unit 12004 may perform tri-supply geometry encoding for reconstructing positions of points in a specific region (or node) based on voxels based on a surface model.
  • the fore surface model processing unit 12004 may perform the same or similar operations and/or methods to those of the point cloud encoder (eg, the surface appropriation analyzer 40003) described with reference to FIG. 4 .
  • a detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the intra/inter coding processing unit 12005 may perform intra/inter coding of point cloud data.
  • the intra/inter coding processing unit 12005 may perform the same or similar coding to the intra/inter coding described with reference to FIG. 7 . A detailed description is the same as that described with reference to FIG. 7 .
  • the intra/inter coding processing unit 12005 may be included in the arithmetic coder 12006 .
  • the arithmetic coder 12006 entropy encodes an octree and/or an approximated octree of point cloud data.
  • the encoding method includes an arithmetic encoding method.
  • the arithmetic coder 12006 performs the same or similar operations and/or methods as the operations and/or methods of the arithmetic encoder 40004 .
  • the metadata processing unit 12007 processes metadata related to point cloud data, for example, a setting value, and provides it to necessary processing such as geometry encoding and/or attribute encoding. Also, the metadata processing unit 12007 according to embodiments may generate and/or process signaling information related to geometry encoding and/or attribute encoding. Signaling information according to embodiments may be encoded separately from geometry encoding and/or attribute encoding. Also, signaling information according to embodiments may be interleaved.
  • the color conversion processing unit 12008, the attribute conversion processing unit 12009, the prediction/lifting/RAHT conversion processing unit 12010, and the arithmetic coder 12011 perform attribute encoding. Since the attribute encoding according to the embodiments is the same as or similar to the attribute encoding described with reference to FIGS. 1 to 9 , a detailed description thereof will be omitted.
  • the color conversion processing unit 12008 performs color conversion coding for converting color values included in the attributes.
  • the color conversion processing unit 12008 may perform color conversion coding based on the reconstructed geometry.
  • the description of the reconstructed geometry is the same as described with reference to FIGS. 1 to 9 .
  • the same or similar operation and/or method to the operation and/or method of the color conversion unit 40006 described with reference to FIG. 4 is performed. A detailed description will be omitted.
  • the attribute transformation processing unit 12009 performs an attribute transformation for transforming attributes based on positions where geometry encoding has not been performed and/or a reconstructed geometry.
  • the attribute transformation processing unit 12009 performs the same or similar operations and/or methods to those of the attribute transformation unit 40007 described in FIG. 4 . A detailed description will be omitted.
  • the prediction/lifting/RAHT transform processing unit 12010 may code the transformed attributes in any one or a combination of RAHT coding, predictive transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT transformation processing unit 12010 performs at least one or more of the same or similar operations to the operations of the RAHT transformation unit 40008, the LOD generation unit 40009, and the lifting transformation unit 40010 described with reference to FIG. 4 . do.
  • the descriptions of predictive transform coding, lifting transform coding, and RAHT transform coding are the same as those described in FIGS. 1 to 9 , detailed descriptions thereof will be omitted.
  • the arithmetic coder 12011 may encode coded attributes based on arithmetic coding.
  • the arithmetic coder 12011 performs the same or similar operations and/or methods to the operations and/or methods of the arithmetic encoder 400012 .
  • the transmission processing unit 12012 transmits each bitstream including the encoded geometry and/or encoded attribute and metadata information, or converts the encoded geometry and/or the encoded attribute and metadata information into one It can be transmitted by composing it as a bitstream.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to the embodiments is a Sequence Parameter Set (SPS) for sequence-level signaling, a Geometry Parameter Set (GPS) for signaling of geometry information coding, APS (Attribute Parameter Set) for signaling of attribute information coding, tile Signaling information including a Tile Parameter Set (TPS) for level signaling and slice data may be included.
  • SPS Sequence Parameter Set
  • GPS Geometry Parameter Set
  • APS Attribute Parameter Set
  • tile Signaling information including a Tile Parameter Set (TPS) for level signaling
  • Slice data may include information about one or more slices.
  • One slice according to embodiments may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 , Attr1 0 ).
  • a slice refers to a series of syntax elements representing all or a part of a coded point cloud frame.
  • the TPS may include information about each tile (eg, coordinate value information and height/size information of a bounding box, etc.) for one or more tiles.
  • a geometry bitstream may include a header and a payload.
  • the header of the geometry bitstream according to the embodiments may include identification information (geom_ parameter_set_id), a tile identifier (geom_tile_id), a slice identifier (geom_slice_id) of a parameter set included in GPS, and information on data included in a payload, etc.
  • the metadata processing unit 12007 may generate and/or process signaling information and transmit it to the transmission processing unit 12012 .
  • elements performing geometry encoding and elements performing attribute encoding may share data/information with each other as dotted line processing.
  • the transmission processing unit 12012 may perform the same or similar operation and/or transmission method to the operation and/or transmission method of the transmitter 10003 . Since the detailed description is the same as that described with reference to FIGS. 1 to 2 , a detailed description thereof will be omitted.
  • FIG. 13 is an example of a receiving apparatus according to embodiments.
  • the receiving device shown in FIG. 13 is an example of the receiving device 10004 of FIG. 1 (or the point cloud decoder of FIGS. 10 and 11 ).
  • the receiver shown in FIG. 13 may perform at least any one or more of the same or similar operations and methods to the operations and decoding methods of the point cloud decoder described with reference to FIGS. 1 to 11 .
  • the reception apparatus includes a reception unit 13000, a reception processing unit 13001, an arithmetic decoder 13002, an Occupancy code-based octree reconstruction processing unit 13003, and a surface model processing unit (triangle reconstruction). , up-sampling, voxelization) 13004, inverse quantization processing unit 13005, metadata parser 13006, arithmetic decoder 13007, inverse quantization processing unit 13008, prediction It may include a /lifting/RAHT inverse transformation processing unit 13009 , an inverse color transformation processing unit 13010 , and/or a renderer 13011 .
  • Each component of decoding according to embodiments may perform a reverse process of a component of encoding according to embodiments.
  • the receiver 13000 receives point cloud data.
  • the receiver 13000 may perform the same or similar operation and/or reception method to the operation and/or reception method of the receiver 10005 of FIG. 1 . A detailed description will be omitted.
  • the reception processing unit 13001 may acquire a geometry bitstream and/or an attribute bitstream from the received data.
  • the reception processing unit 13001 may be included in the reception unit 13000 .
  • the arithmetic decoder 13002 , the occupancy code-based octree reconstruction processing unit 13003 , the surface model processing unit 13004 , and the inverse quantization processing unit 13005 may perform geometry decoding. Since the geometry decoding according to the embodiments is the same as or similar to the geometry decoding described with reference to FIGS. 1 to 10 , a detailed description thereof will be omitted.
  • the arithmetic decoder 13002 may decode a geometry bitstream based on arithmetic coding.
  • the arithmetic decoder 13002 performs the same or similar operations and/or coding to the operations and/or coding of the arithmetic decoder 11000 .
  • the occupancy code-based octree reconstruction processing unit 13003 may reconstruct the octopus by obtaining an occupanci code from a decoded geometry bitstream (or information about a geometry secured as a result of decoding).
  • the occupancy code-based octree reconstruction processing unit 13003 performs the same or similar operations and/or methods to those of the octree synthesis unit 11001 and/or the octree generation method.
  • the surface model processing unit 13004 may decode a trichop geometry based on the surface model method and reconstruct a geometry related thereto (eg, triangle reconstruction, up-sampling, voxelization) based on the surface model method, when trisoop geometry encoding is applied. can be performed.
  • the surface model processing unit 13004 performs the same or similar operations to those of the surface op-proximation synthesis unit 11002 and/or the geometry reconstruction unit 11003 .
  • the inverse quantization processing unit 13005 may inverse quantize the decoded geometry.
  • the metadata parser 13006 may parse metadata included in the received point cloud data, for example, a setting value.
  • the metadata parser 13006 may pass the metadata to geometry decoding and/or attribute decoding. A detailed description of the metadata is the same as that described with reference to FIG. 12 , and thus will be omitted.
  • the arithmetic decoder 13007, the inverse quantization processing unit 13008, the prediction/lifting/RAHT inverse transformation processing unit 13009, and the inverse color transformation processing unit 13010 perform attribute decoding. Since the attribute decoding is the same as or similar to the attribute decoding described with reference to FIGS. 1 to 10 , a detailed description thereof will be omitted.
  • the arithmetic decoder 13007 may decode an attribute bitstream by arithmetic coding.
  • the arithmetic decoder 13007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the arithmetic decoder 13007 performs the same or similar operations and/or coding to the operations and/or coding of the arithmetic decoder 11005 .
  • the inverse quantization processing unit 13008 may inverse quantize the decoded attribute bitstream.
  • the inverse quantization processing unit 13008 performs the same or similar operations and/or methods to those of the inverse quantization unit 11006 and/or the inverse quantization method.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 may process the reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 performs the same or similar operations and/or decodings as the operations and/or decodings of the RAHT transform unit 11007, the LOD generation unit 11008 and/or the inverse lifting unit 11009 and/or At least any one or more of the decodings are performed.
  • the color inverse transform processing unit 13010 according to embodiments performs inverse transform coding for inverse transforming color values (or textures) included in decoded attributes.
  • the color inverse transform processing unit 13010 performs the same or similar operation and/or inverse transform coding to the operation and/or inverse transform coding of the color inverse transform unit 11010 .
  • the renderer 13011 may render point cloud data.
  • FIG. 14 shows an example of a structure capable of interworking with a method/device for transmitting and receiving point cloud data according to embodiments.
  • the structure of FIG. 14 includes at least one or more of a server 1460 , a robot 1410 , an autonomous vehicle 1420 , an XR device 1430 , a smartphone 1440 , a home appliance 1450 , and/or an HMD 1470 .
  • a configuration connected to the cloud network 1410 is shown.
  • the robot 1410 , the autonomous driving vehicle 1420 , the XR device 1430 , the smartphone 1440 , or the home appliance 1450 are referred to as devices.
  • the XR device 1430 may correspond to a point cloud data (PCC) device according to embodiments or may be linked with the PCC device.
  • PCC point cloud data
  • the cloud network 1400 may constitute a part of the cloud computing infrastructure or may refer to a network existing in the cloud computing infrastructure.
  • the cloud network 1400 may be configured using a 3G network, a 4G or Long Term Evolution (LTE) network, or a 5G network.
  • LTE Long Term Evolution
  • the server 1460 includes at least one of a robot 1410 , an autonomous vehicle 1420 , an XR device 1430 , a smartphone 1440 , a home appliance 1450 and/or an HMD 1470 , and a cloud network 1400 . It is connected through and may help at least a part of the processing of the connected devices 1410 to 1470 .
  • a Head-Mount Display (HMD) 1470 represents one of the types in which an XR device and/or a PCC device according to embodiments may be implemented.
  • the HMD type device according to the embodiments includes a communication unit, a control unit, a memory unit, an I/O unit, a sensor unit, a power supply unit, and the like.
  • the devices 1410 to 1450 shown in FIG. 14 may be linked/coupled with the point cloud data transceiver according to the above-described embodiments.
  • XR / PCC device 1430 is PCC and / or XR (AR + VR) technology is applied, HMD (Head-Mount Display), HUD (Head-Up Display) provided in the vehicle, television, mobile phone, smart phone, It may be implemented as a computer, a wearable device, a home appliance, a digital signage, a vehicle, a stationary robot, or a mobile robot.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • the XR/PCC device 1430 analyzes three-dimensional point cloud data or image data acquired through various sensors or from an external device to generate position data and attribute data for three-dimensional points in the surrounding space or real objects. Information can be obtained and the XR object to be output can be rendered and output. For example, the XR/PCC apparatus 1430 may output an XR object including additional information on the recognized object to correspond to the recognized object.
  • the XR/PCC device 1430 may be implemented as a mobile phone 1440 or the like to which PCC technology is applied.
  • the mobile phone 1440 may decode and display the point cloud content based on the PCC technology.
  • the autonomous driving vehicle 1420 may be implemented as a mobile robot, a vehicle, an unmanned aerial vehicle, etc. by applying PCC technology and XR technology.
  • the autonomous driving vehicle 1420 to which the XR/PCC technology is applied may mean an autonomous driving vehicle equipped with a means for providing an XR image or an autonomous driving vehicle subject to control/interaction within the XR image.
  • the autonomous driving vehicle 1420 that is the target of control/interaction within the XR image may be distinguished from the XR device 1430 and may be interlocked with each other.
  • the autonomous vehicle 1420 having means for providing an XR/PCC image may obtain sensor information from sensors including a camera, and output an XR/PCC image generated based on the acquired sensor information.
  • the autonomous vehicle 1420 may provide an XR/PCC object corresponding to a real object or an object in the screen to the occupant by outputting an XR/PCC image with a HUD.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a portion of the XR/PCC object may be output to overlap the real object to which the passenger's gaze is directed.
  • the XR/PCC object when the XR/PCC object is output to a display provided inside the autonomous vehicle, at least a portion of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 1220 may output XR/PCC objects corresponding to objects such as a lane, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, pedestrians, and buildings.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects or backgrounds in the real world only as CG images.
  • AR technology refers to a technology that shows a virtual CG image on top of a real object image.
  • MR technology is similar to the aforementioned AR technology in that it shows virtual objects by mixing and combining them in the real world.
  • real objects and virtual objects made of CG images are clear, and virtual objects are used in a form that complements real objects, whereas in MR technology, virtual objects are regarded as having the same characteristics as real objects. distinct from technology. More specifically, for example, a hologram service to which the aforementioned MR technology is applied.
  • VR, AR, and MR technologies are sometimes called XR (extended reality) technologies rather than clearly distinguishing them. Accordingly, embodiments of the present invention are applicable to all of VR, AR, MR, and XR technologies.
  • encoding/decoding based on PCC, V-PCC, and G-PCC technology may be applied.
  • the PCC method/apparatus according to the embodiments may be applied to a vehicle providing an autonomous driving service.
  • a vehicle providing an autonomous driving service is connected to a PCC device to enable wired/wireless communication.
  • the point cloud data (PCC) transceiver receives/processes AR/VR/PCC service-related content data that can be provided together with the autonomous driving service when connected to a vehicle to enable wired/wireless communication, can be sent to
  • the point cloud transceiver may receive/process AR/VR/PCC service-related content data according to a user input signal input through the user interface device and provide it to the user.
  • a vehicle or a user interface device may receive a user input signal.
  • a user input signal according to embodiments may include a signal indicating an autonomous driving service.
  • the point cloud data is composed of a set of points, and each point may have geometric information (geometric information) and attribute information (attribute information).
  • the geometric information is three-dimensional position information of each point (eg, coordinate values of x, y, and z axes). That is, the position of each point is expressed by parameters on the coordinate system representing the three-dimensional space (eg, parameters (x, y, z) of the three axes representing the space: the X-axis, the Y-axis, and the Z-axis).
  • geometric information can be expressed as (r, ⁇ , z) in the cylindrical coordinate system and (r, ⁇ , ⁇ ) in the spherical coordinate system.
  • the attribute information may be a vector of values obtained by one or more sensors, such as color (RGB, YUV, etc.) of a point, reflectance, normal vectors, transparency, brightness, temperature value, etc. .
  • Attribute information may be expressed in a scalar or vector form.
  • the point cloud data may be classified into category 1 of static point cloud data, category 2 of dynamic point cloud data, and category 3 acquired while moving according to the type and acquisition method of the point cloud data.
  • category 1 it consists of a point cloud of a single frame with a high density of points for an object or space.
  • Category 3 data is a fused single frame of frame-based data with multiple frames acquired while moving, and a color image acquired as a 2D image with a point cloud acquired through a lidar sensor for a large space. data can be classified.
  • color constitutes attribute information
  • color, reflectance, and color + reflectance values may constitute attribute information according to the characteristics of content.
  • 15 is a block diagram illustrating an example of a point cloud encoder according to embodiments.
  • the point cloud encoder 15000 may perform the encoding operation described with reference to FIGS. 1 to 14 .
  • the point cloud encoder 15000 may include a spatial division unit 15002 , a geometry information encoding unit (or geometry encoder) 15004 , and an attribute information encoding unit (or attribute encoder) 15006 .
  • the point cloud encoder 15000 according to embodiments may further include one or more elements for performing the encoding operation described with reference to FIGS. 1 to 14 .
  • Point Cloud Compression (PCC) data (or PCC data, point cloud data) is input data of the point cloud encoder 15000, geometric information (or geometry information) and / or attribute information (or attribute information) may include Geometric information according to embodiments is information indicating a position (eg, a position) of a point, and may be expressed as parameters of a coordinate system such as a rectangular coordinate system, a cylindrical coordinate system, or a spherical coordinate system.
  • the attribute information according to the embodiments is the attribute or attribute information described with reference to FIGS. 1 to 15 , and is information indicating the attribute of each point.
  • the attribute information may include any one or more of a color (eg, an RGB vector) of a point, a brightness value, a temperature value, and a LiDAR reflection coefficient. Also, the attribution information may be acquired by one or more sensors.
  • the space dividing unit 15002 may divide PCC data into one or more three-dimensional blocks in a three-dimensional space to store point information of the PCC data.
  • a block according to embodiments is a tile group, a tile, a slice, a coding unit (CU), a prediction unit (PU), or a transformation unit (TU).
  • the space partitioning unit 15002 according to embodiments may perform a division operation based on at least one of an octree, a quadtree, a binary tree, a triple tree, and a k-d tree. have.
  • the space dividing unit 15002 according to the embodiments may divide the space in blocks having predetermined widths, lengths, and heights.
  • the space dividing unit 15002 can divide the space by selectively determining various positions and sizes of blocks, and entropy-encodes the information to be transmitted to the point cloud data receiver (or decoder) according to the embodiments.
  • one block may include one or more points.
  • the geometry information encoder 15004 may encode the geometry information to generate a geometry information bitstream and reconstructed geometry information. Encoding may be performed in units of whole point clouds or sub-point clouds or coding units, and an inter prediction (inter prediction) or intra prediction (intra prediction) mode may be selected for each coding unit. Also, for encoding, an inter prediction mode or an intra prediction mode may be selected for each prediction unit.
  • a bitstream generated by the geometry information encoder 15004 according to embodiments may be transmitted to a decoder according to embodiments.
  • the geometric information encoding unit 15004 includes a coordinate system transformation unit (Transformation Coordinates, 40000), Quantize and Remove Points (Voxelize), 40001), an octree analysis unit (Analyze Octree, 40002), described with reference to FIG. 4 , Operations of the Analyze Surface Approximation 40003 , the Arithmetic Encode 40004 , and the Reconstruct Geometry 40005 may be performed.
  • the geometric information encoding unit 15004 according to the embodiments includes the data input unit 12000, the quantization processing unit 12001, the voxelization processing unit 12002, the octree occupancy code generation unit 12003, and the surface model processing unit (12003) described with reference to FIG.
  • the geometric information encoding unit 15004 may correspond to the geometric information encoding unit 36000 of FIG. 36 .
  • the attribution information encoder 15006 may generate an attribution information bitstream based on the restored geometric information.
  • the generated geometry information bitstream and attribute information bitstream may be compressed into a bitstream and transmitted to a point cloud data receiver (or decoder) according to embodiments.
  • the compressed bitstream may include signaling information associated with a geometry information bitstream and an attribute information bitstream.
  • the attribution information encoding unit 15006 may correspond to the attribution information encoding unit 37000 of FIG. 37 .
  • 16 is a block diagram illustrating an example of a point cloud decoder according to embodiments.
  • the point cloud decoder 16000 (for example, the point cloud decoder or receiver described in FIGS. 1, 10, 11, and 13) according to the embodiments may perform the decoding operation described with reference to FIGS. 1 to 14 . . Also, the point cloud decoder 16000 may perform a decoding operation corresponding to the reverse of the encoding operation of the point cloud encoder 15000 described with reference to FIG. 15 .
  • the point cloud decoder 16000 according to the embodiments includes a spatial partitioning unit 16002, a geometric information decoding unit 16004 (or a geometry decoder), and an attribute information decoding unit (or an attribute information decoding unit or an attribute decoder) 1606. may include Although not shown in FIG. 16 , the point cloud decoder 16000 according to embodiments may further include one or more elements for performing the decoding operation described with reference to FIGS. 1 to 14 .
  • the spatial partitioning unit 16002 is a signaling received from the point cloud data transmission device (eg, the point cloud encoder or transmission device described in FIGS. 1, 4, 12, and 15) according to the embodiments.
  • Information eg, information on the partitioning operation performed by the space partitioning unit 15002 described in FIG. 15 , the sub cloud and/or encoding/decoding unit (CU), prediction unit (PU) or transformation unit (PU) determined by the encoder (
  • the space may be divided based on division information such as TU)) or the division information derived (generated) from the point cloud decoder 16000 .
  • a coding unit (CU), a prediction unit (PU), or a transformation unit (TU) may have the same partition structure or different partition structures according to embodiments.
  • the division operation of the space division unit 16002 of the point cloud decoder 16000 is based on at least one of an octree, a quadtree, a binary tree, a triple tree, and a k-d tree.
  • the geometric information decoding unit 16004 may restore the geometric information by decoding the input geometric information bitstream.
  • the restored geometric information may be input to the attribute information decoding unit 1606 .
  • the geometric information decoding unit 16004 according to the embodiments includes an arithmetic decoder 11000, a synthesize octree 11001, and a surface approximation synthesizing unit 11002 described with reference to FIG. 11 .
  • a geometry reconstructing unit 11003 and an inverse transform coordinates 11004 may be performed.
  • the geometric information decoder 16004 includes the Arithmetic decoder 13002, the Occupancy code-based octree reconstruction processor 13003, and the surface model processor (triangle reconstruction, up-sampling, voxelization) 13004 described with reference to FIG. 13 . ) and the inverse quantization processing unit 13005 .
  • the geometric information decoding unit 16004 may correspond to the geometric information decoding unit 38000 of FIG. 38 .
  • the geometric information decoding unit 16004 may perform decoding in the entire cloud or subcloud or in units of encoding/decoding, and may determine whether it is intra prediction or inter prediction by receiving a flag for each encoding/decoding unit. have. In addition, prediction may be performed by receiving mode information of inter prediction or intra prediction for each prediction unit.
  • the attribute information decoding unit 1606 may restore attribute information based on the attribute information bitstream and the restored geometric information.
  • the attribute information decoding unit 1606 may perform decoding in the entire cloud, sub-cloud, or unit of encoding/decoding, and may determine whether a flag is intra prediction or inter prediction for each unit of encoding/decoding by receiving a flag. In addition, prediction may be performed by receiving mode information of inter prediction or intra prediction for each prediction unit. According to an embodiment, the attribute information decoding unit 1606 may be omitted.
  • the point cloud decoder 16000 may output restored PCC data based on the restored geometric information and the restored attribute information.
  • the attribute information decoding unit 1606 may restore attribute information by decoding the input attribute bitstream.
  • the restored geometric information may be input to the attribute information decoding unit 1606.
  • the attribute information decoder 1606 includes an arithmetic decoder 11005, an inverse quantize 11006, a RAHT converter 11007, and an LOD generator described with reference to FIG. 11 . , 11008), inverse lifting unit (inverse lifting, 11009) and inverse color conversion unit (inverse transform colors, 11010) can perform the operation.
  • the attribution information decoding unit 1606 operates the arithmetic decoder 13007, the inverse quantization processing unit 13008, the prediction/lifting/RAHT inverse transformation processing unit 13009 and the color inverse transformation processing unit 13010 described with reference to FIG. 13 . can be performed. Also, the attribution information decoding unit 1606 may correspond to the attribution information decoding unit 39000 of FIG. 39 .
  • a residual with high relevance is selected from residuals calculated based on the prediction point, a quantization unit is defined, and a corresponding residual coding unit (residual coding unit) is selected. ) can be quantized to increase accuracy and coding efficiency.
  • Point prediction may be performed based on a best motion vector used in inter prediction.
  • the point cloud data transmitting apparatus or the receiving apparatus may perform quantization in a specific unit on the geometric information of the point cloud data or the residual information of the attribute information.
  • the point cloud data transmitter or receiver provides a base quantization parameter in a large group unit of a node, such as a quantization performing unit, a slice or a tile, and an offset of a quantization parameter in a small group unit of a node during a quantization process during encoding or decoding. Quantization may be performed based on the difference value. It is advantageous that the quantization parameter in units of small groups is transmitted as an offset or difference value with respect to the base quantization parameter in units of large groups.
  • the point cloud data transmitter or receiver according to the embodiments may define a residual geometric information unit and process residual information based on characteristics of the geometric information.
  • residual information located inside or outside the residual geometry information unit may be deleted or included according to specific criteria.
  • the point cloud data transmitter or receiver according to the embodiments may perform entropy transformation and quantization in units of residual geometry information, and may select and transform transformation types by integrating residual geometry information in units of transformation units. That is, the residuals calculated in units of residual geometry information may be converted into units of transformation units (units equal to or greater than units of residual geometry information) and then converted.
  • the point cloud data transmitter or receiver according to the embodiments may generate a quantization unit by integrating the transform unit. By integrating the transform unit, the number of quantization parameters to be transmitted to the decoder can be reduced.
  • the point cloud data processing method according to the embodiments may refer to a method of encoding or decoding point cloud data in the point cloud data transmission device or the reception device according to the embodiments.
  • the residual geometry information may be generated in various ways, and the residual geometry information may be generated in each of the node prediction mode, direct coding mode, and node division mode according to the point cloud data processing method according to the embodiments.
  • the point cloud data transmission device (for example, the point cloud encoder or transmission device described in FIGS. 1, 4, 12, 15, 36, and 37) according to the embodiments includes the residual geometry information generating unit 17000.
  • the residual geometric information generating unit 17000 may include a geometric information selection module 17002 and a geometric information difference module 17004 .
  • the residual geometric information may be generated by differentiating the predicted geometric information and the original geometric information.
  • the predicted geometric information may be generated by the geometric information inter prediction unit ( FIGS. 36 and 36022 ) or the geometric information intra prediction unit ( FIGS. 36 and 36024 ).
  • the original geometric information may mean original geometry information of point cloud data according to embodiments.
  • the prediction geometry information may refer to geometry information predicted through an intra prediction (intra prediction) or an inter prediction (inter prediction) method. Intra prediction may mean prediction using data corresponding to the same frame, and inter prediction may mean prediction using motion vectors based on data corresponding to different frames.
  • the geometric information selection module 17002 may select the geometric information in the prediction node.
  • the geometric information may be deleted and selected in a geometric information selection unit.
  • the geometric information selection unit may have a size of 1x1x1 or more, and information for dividing the size of the geometric information selection unit or the prediction node into the geometric information selection unit may be generated and transmitted to the point cloud data receiving apparatus according to embodiments.
  • the 18 illustrates a geometric information selection process of a point cloud data transmission apparatus according to embodiments. If the distance between the representative geometric information of the geometric information selection unit and the representative geometric information of the n pieces of original geometric information close to it is greater than a certain threshold, all geometric information in the geometric information selection unit may be deleted.
  • the original representative geometric information may be designated as the median, average, or mode of the original geometric information of the current node 18002, and points that do not exceed the threshold in the prediction node 18004 based on the original representative geometric information can be selected. .
  • the threshold may be designated as a predetermined value.
  • the index of the geometric information selection unit deleted in the selection process may be transmitted to the point cloud data receiving apparatus according to embodiments. That is, the information on the deletion of the predicted geometric information may be transmitted to the point cloud data receiving apparatus according to the embodiments.
  • the original geometric information of the current node 18002 and the predicted geometric information of the prediction node 18004 are shown.
  • the prediction node 18004 may be divided into a geometric information selection unit (or a prediction point selection unit), and an index may be designated for each geometric information selection unit.
  • the prediction geometric information (or prediction point) of the prediction node 18004 may be deleted in a geometric information selection unit. That is, as shown in FIG. 18 , the predicted geometric information of the geometric information selection unit having an index of 0 may be deleted.
  • the predicted geometric information to be deleted may be determined based on the distance between the predicted geometric information and the original geometric information.
  • the geometric information selection unit to delete the predicted geometric information may be determined based on the distance between the predicted geometric information and the representative value of the original geometric information.
  • the prediction node 18004 may generate residual geometry information for the prediction geometry information that is not deleted.
  • the prediction node 18004 may be divided into residual geometric information generating units, and an index may be designated for each residual geometric information generating unit.
  • the geometric information difference module 17004 may generate residual geometric information for each residual geometric information generating unit in which geometric information exists.
  • the residual geometric information for each residual geometric information generating unit may be generated so that the difference between the predicted geometric information and the predicted geometric information and the representative geometric information of the m pieces of original geometric information close to the predicted geometric information is minimized.
  • the residual geometric information includes a residual representative offset for each residual geometric information generation unit so that the difference between the representative geometric information of the original geometric information and the predicted geometric information is minimized, and a residual offset for each point for each predicted geometric information.
  • One piece of residual geometric information may be composed of x, y, and z-axis values. Referring to FIG. 18 , it can be seen that residual geometry information is generated for the residual geometry information generating units having indices 1, 3, 5, and 7 .
  • the geometric information selection module 17002 and the geometric information difference module 17004 may be selectively performed or the order in which they are performed may be changed.
  • the residual geometric information generating unit 17000, the geometric information sorting module 17002, and the geometric information difference module 17004 may correspond to hardware, software, a processor, and/or a combination thereof.
  • the point cloud data transmitter may reduce the size of bits transmitted to the point cloud data receiver according to the embodiments by generating residual geometry information, and may increase encoding/decoding efficiency.
  • the point cloud data transmission apparatus may reduce the bitstream and further increase the compression and restoration efficiency of the point cloud data by selecting the geometric information and generating the residual geometric information based on the residual geometric information generating unit.
  • point cloud data that is very dense and full of geometric information it is difficult to select predicted geometric information, whereas point cloud data that is not full of geometric information has improved compression performance through prediction and selection of predicted geometric information. can be obtained
  • FIG. 19 illustrates a process of generating residual geometry information of a point cloud data transmission apparatus according to embodiments. More specifically, in the case of the direct coding mode of point cloud data according to embodiments, a process of generating residual geometric information is shown.
  • the point cloud data transmission apparatus may generate residual geometric information by differentiating the predicted geometric information with respect to the original geometric information in the current node 19002, respectively.
  • the point direct coding mode is a mode in which original geometry information of the point or residual geometry information can be transmitted with respect to one or more points in the current node 19002.
  • the inter prediction unit ( FIGS. 36 and 36022 ) or the intra prediction unit ( FIGS. 36 and 36024 ) according to the embodiments may generate prediction geometry information for the original geometry information in the current node 19002, and according to the embodiments
  • the geometric information difference module 17004 may generate the residual geometric information in units of points by differentiating the original geometric information and the predicted geometric information.
  • the point cloud data transmitting apparatus may reduce the size of bits transmitted to the point cloud data receiving apparatus according to the embodiments by generating residual geometric information by differentiating the predicted geometric information with respect to the original geometric information, and encoding /Decryption efficiency can be increased.
  • the residual geometric information may include residual accumulator information.
  • the point cloud data transmission apparatus may generate residual occupancy based on occupancy information of the child node 20004 generated by dividing the current node 20002 .
  • Accumulation information is information expressed as 0 or 1 depending on whether a node includes point cloud data. Accumulation information may exist as many as the number of child nodes 20004 generated according to the division mode of the current node 20002 . For example, a child node 20004 including point cloud data may be expressed as 1 in the accumulative information, and a child node 20004 not including the point cloud data may be expressed as 0.
  • the original accuracy information is accuracy information calculated according to whether or not the node includes the original geometric information
  • the predicted accuracy information is accuracy information calculated according to whether the node includes the predicted geometric information.
  • the inter prediction unit FIGS.
  • the intra prediction unit may generate prediction accumulatory information based on the prediction geometry information.
  • the residual accuracy information may be generated by differentiating the original accuracy information and the predicted accuracy information or performing a bit operation.
  • the bitwise operation may include operations such as and, or, and xor.
  • the current node 20002 is divided into an octree structure to generate 8 child nodes 20004, and an example of generating residual accuracy information by xoring the original accuracy information and the predicted accuracy information is shown.
  • Information on the operation of the original accuracy information and the predicted accuracy information may be transmitted to the receiving apparatus according to the embodiments.
  • the point cloud data transmission apparatus may support the utilization of various residual geometric information by generating residual accuracy information based on the original accuracy information and the predicted accuracy information.
  • the point cloud data transmission apparatus may reduce the size of bits transmitted to the point cloud data reception apparatus according to the embodiments by generating residual accumulator information, and may increase encoding/decoding efficiency. .
  • the point cloud data transmission apparatus may transform the residual geometric information or perform quantization on the residual geometric information.
  • the residual geometry information transformation quantization unit FIGS. 36 and 36008 ) according to embodiments may transform the residual geometry information or perform quantization on the residual geometry information.
  • the point cloud data transmission apparatus includes a transformation unit and a transformation method selection module 21002, a transformation performing module 21004, a quantization unit and a quantization parameter selection module 21006 and/or a quantization performing module 21008 and can output a quantization level unit. Transformation or quantization of the residual geometry information may be performed by each component, and the operation of each component may be omitted or the order thereof may be changed.
  • the transformation unit and transformation method selection module 21002 may select a transformation unit and transformation method of the residual geometry information based on the residual geometry information generated by the residual geometry information generating unit (refer to the description of FIG. 17 ) according to embodiments.
  • the conversion unit and conversion method selection module 21002 includes a conversion unit selection module 22002 and a conversion method selection module 22004.
  • the transformation unit selection module 22002 may receive n * d pieces of residual geometry information from the residual geometry information generator ( FIG. 17 ) according to embodiments.
  • n may mean the number of residual geometric information
  • d may mean the number of dimensions of the residual geometric information.
  • the transformation unit selection module may divide the current node into transformation sub-nodes and group the residual geometry information included in each transformation sub-node region to designate the residual geometry information group.
  • the transformation sub-node may be a cuboid including at least one residual geometric information generating unit.
  • the number of residual geometric information generating units for each axis of the transformation sub-node may be transmitted to the point cloud data receiving apparatus according to embodiments.
  • the transformation unit selection module 22002 may generate a transformation unit by grouping residual values for one or a plurality of axes of the residual geometry information group and reconstructing them in m dimensions.
  • the conversion method selection module 22004 may select a conversion method for each conversion unit generated by the conversion unit selection module and transmit information on the conversion method to the point cloud data receiving apparatus according to embodiments.
  • the type of the conversion method may include DCT, DST, SADCT, RAHT, and the like.
  • the transformation performing module 21004 may perform transformation in units of transformation units determined by the transformation unit and transformation method selection module 21002 to generate transformation coefficient units.
  • FIG. 23 illustrates an example of residual geometry information conversion of the point cloud data transmission apparatus according to embodiments.
  • a process in which at least one residual geometry generating unit is grouped into one transformation sub-node and the residual geometry information grouped in units of transformation sub-node is DCT-transformed is shown.
  • the transformation sub-node consists of 8 residual geometry generating units, and information on each axis in the grouped residual geometry information group is reconstructed into a two-dimensional matrix to generate a transformation unit. Then, when the transform unit, which is a two-dimensional matrix, is DCT-transformed, a transform coefficient unit is generated.
  • the point cloud data transmission apparatus may include a quantization unit selection module 24002, a prediction quantization parameter selection module 24004, a residual quantization parameter derivation module 24006, and/or a quantization performing module 24008. .
  • the quantization unit selection module 24002 may generate a quantization unit by dividing the current node into quantization subnodes and grouping transform units included in the quantization subnode region.
  • a quantization subnode may be part or all of the current node region, and may include one or more transform subnodes.
  • the quantization unit may be generated by grouping transform units included in the quantization sub-node region.
  • the quantization unit selection module 24002 may generate a quantization unit by defining the size, position, etc. of the quantization unit.
  • the quantization subnode includes one or more transform subnodes
  • the length of each axis of the quantization subnode or information on the number of transform subnodes for each axis, division of each axis to divide the current node into quantization subnodes may be delivered to the point cloud data receiving apparatus according to the embodiments. That is, information on a method of dividing the current node into quantization sub-nodes may be transmitted to the point cloud data receiving apparatus according to the embodiments.
  • 26 is a diagram for explaining the operations of the prediction quantization parameter selection module 24004 and the residual quantization parameter derivation module 24006 according to embodiments.
  • the prediction quantization parameter selection module 24004 may select a prediction quantization parameter for the corresponding quantization subnode based on the quantization parameter of the peripheral area determined by the quantization parameter selection unit. Also, the prediction quantization parameter selection module 24004 may select the prediction quantization parameter in units of quantization sub-nodes. The predictive quantization parameter selection module 24004 may configure one or more predictive quantization parameter candidates into a list, select a predictive quantization parameter from the list, and then transmit the index of the selected predictive quantization parameter.
  • the predicted quantization parameter candidate for a specific quantization subnode may include a quantization parameter corresponding to a quantization subnode in the vicinity.
  • the prediction quantization parameter candidate may include a value derived by weighted summing the quantization parameters of the quantization subnodes in the vicinity. That is, the prediction quantization parameter candidate may be configured based on the peripheral quantization parameter. On the other hand, when there is no quantization sub-node in the vicinity to refer to the quantization parameter, a quantization parameter selected in units of slice, tile, frame, etc. may be used as a predictive quantization parameter candidate.
  • the residual quantization parameter derivation module 24006 generates a residual quantization parameter by differentiating the quantization parameter and the predicted quantization parameter, and the residual quantization parameter may be transmitted to the point cloud data receiving apparatus according to the embodiments.
  • predQP1 and predQP2 are predicted quantization parameters for the corresponding quantization subnode
  • QP_A, QP_B, and QP_C are quantization parameters determined in advance for the periphery of the corresponding quantization subnode
  • deltaQP1 and deltaQP2 are residual quantization parameters.
  • the prediction quantization parameter may be generated based on the quantization parameter of the periphery of the corresponding quantization subnode
  • the residual quantization parameter may be generated as a difference value between the quantization parameter and the prediction quantization parameter.
  • the quantization performing module 24008 may perform quantization using a quantization parameter in units of quantization units and generate a quantization level.
  • the point cloud data transmission apparatus may efficiently transmit information on the quantization parameter by generating a residual quantization parameter based on the quantization parameter and the predicted quantization parameter. That is, the point cloud data transmission apparatus according to the embodiments may reduce the size of bits transmitted to the point cloud data reception apparatus according to the embodiments by generating the residual quantization parameter, and may increase encoding/decoding efficiency.
  • the point cloud data receiving apparatus includes an inverse quantization unit and an inverse quantization parameter derivation module 27002, an inverse quantization performing module 27004, an inverse transformation unit and an inverse transformation method derivation module 27006 or an inverse transformation performing module 27008.
  • the process shown in FIG. 27 may be performed in the residual geometric information inverse transform inverse quantization unit ( FIGS. 38 and 38006 ).
  • the point cloud data transmission apparatus includes an inverse quantization unit and an inverse quantization parameter derivation module 27002, an inverse quantization performing module 27004, an inverse transformation unit and an inverse transformation method derivation module 27006 or an inverse transformation performing module 27008 ) may be included.
  • the process shown in FIG. 27 may be performed in the residual geometric information inverse transform inverse quantization unit ( FIGS. 36 and 36012 ).
  • the point cloud data transmission apparatus according to the embodiments may perform inverse quantization or inverse transformation in a process of restoring geometric information for encoding attribute information.
  • the residual geometry inverse transformation inverse quantization unit may perform inverse transformation on entropy-decoded residual geometry information when the coding mode of the point cloud data is a node prediction mode. Reconstructed residual geometry information may be generated by performing inverse quantization.
  • the residual geometric information inverse transformation inverse quantization unit (residual geometric information inverse transformation inverse quantization unit of FIGS.
  • an inverse quantization unit and an inverse quantization parameter derivation module 27002 includes an inverse quantization performing module 27004, and an inverse transformation It may include a unit and an inverse transform method derivation module 27006 , an inverse transform performing module 27008 , a predicted geometric information generator, and a restored geometric information generator.
  • the operation of each of the components may be omitted or the order may be changed.
  • the residual geometry inverse transformation inverse quantization unit (residual geometry information inverse transformation inverse quantization unit of FIGS. 36 and 38) according to the embodiments generates restored residual geometry information by performing inverse quantization and inverse transformation, and generated by the prediction geometry information generation unit
  • the restored geometric information can be generated by summing the predicted geometric information with the restored residual geometric information.
  • Components according to embodiments may correspond to hardware, software, a processor, and/or a combination thereof.
  • the inverse quantization unit and inverse quantization parameter derivation module 27002 includes an inverse quantization unit derivation module 28002, a prediction quantization parameter derivation module 28004, a residual quantization parameter derivation module 28006 or a quantization parameter derivation module 28008. .
  • the inverse quantization unit derivation module 28002 may derive a quantization unit by parsing information on a method of dividing the current node into quantization subnodes and information on a method of dividing a quantization subnode into quantization units.
  • the inverse quantization unit derivation module 28002 may or may not perform division by parsing information on whether to divide the current node.
  • partitioning is performed, the partition type can be parsed.
  • the division type is a tree structure, the tree type can be recursively parsed.
  • inverse quantization subnodes can be derived by parsing the number of divisions and the division length for each axis.
  • the quantized residual geometry information group included in the quantization subnode is an inverse quantization unit, and inverse quantization may be performed in the inverse quantization unit.
  • the inverse quantization subnode is effectively the same as the quantization subnode, and since it is a subnode where the inverse quantization process is performed, it is expressed as an inverse quantization subnode to distinguish it from the quantization subnode.
  • the prediction quantization parameter derivation module 28004 may derive the prediction quantization parameter in units of quantization units. For each quantization unit, a prediction quantization parameter candidate list may be constructed from one or more reference quantization parameters of a reconstructed region adjacent to the prediction quantization parameter derivation unit. The predictive quantization parameter derivation module 28004 may select one or more predictive quantization parameters from the list based on the received predictive quantization parameter index, and weight and sum the selected predictive quantization parameters based on the distance to the inverse quantization subnode. The final predictive quantization parameter can be derived.
  • the referenceable area list of each quantization unit may be configured in the same way as the point cloud data transmission apparatus according to the embodiments. When there is no referenceable region, a base quantization parameter transmitted in units of slices, tiles, pictures, etc. may be designated as the final prediction quantization parameter.
  • the residual quantization parameter derivation module 28006 may parse the residual quantization parameter in units of quantization units.
  • the quantization parameter derivation module 28008 may generate a quantization parameter by summing the predicted quantization parameter and the residual quantization parameter.
  • the inverse quantization performing module 27004 of FIG. 27 may perform inverse quantization using the quantization parameter derived from the quantization parameter derivation module 28008 in units of quantization units, and may generate transform coefficients of the current node.
  • the inverse transform unit and inverse transform method derivation module 27006 of FIG. 27 groups transform coefficients of the residual geometric information output from the inverse quantization performing module 27004 into an inverse transform unit, and can derive the inverse transform method of each inverse transform unit.
  • the inverse transform unit and the inverse transform method derivation module 27006 may output the restored residual geometry information by performing the inverse transform in units of the inverse transform unit.
  • the inverse transformation unit and inverse transformation method derivation module 27006 includes an inverse transformation unit derivation module 29002 , an inverse transformation method derivation module 29004 , and an inverse transformation performing module 29006 .
  • the inverse transformation unit derivation module 29002 may parse the method of dividing the current node into inverse transformation sub-nodes.
  • the inverse transform unit derivation module 29002 may parse information on whether to split into inverse transform sub-nodes, and parse information on a split type for splitting the current node into inverse transform sub-nodes when splitting. In this case, when the division type is a tree structure, it can be divided by parsing the tree type recursively.
  • the inverse transform unit derivation module 29002 may generate one or more inverse transform units by reconstructing transform coefficient values for each axis into a matrix among transform coefficients included in the inverse transform subnode.
  • the inverse transform unit derivation module 29002 may parse the information on the shape of the inverse transform unit and reconstruct the inverse transform unit using this.
  • the inverse transform method derivation module 29004 may parse information on the inverse transform method in units of inverse transform units.
  • the inverse transform performing module 29006 may perform inverse transform in units of inverse transform units to generate restored residual geometry information for the current node.
  • the inverse transformation performing module 29006 may sort the restored residual geometric information divided into inverse transformation sub-node units in the point scan order of the current node.
  • 30 and 31 are diagrams for explaining a process of generating restored geometric information according to embodiments.
  • the restored geometric information can be generated by adding the restored residual geometric information to the predicted geometric information generated by the predicted geometric information generating unit (eg, the geometric information intra/inter prediction unit of FIGS. 36 and 38). .
  • Generation of the restored geometric information according to the embodiments may be performed by the operation of the geometric information selection module 30002 and the residual geometric information summing module 30004, and the order of each configuration may be changed or omitted.
  • the geometric information selection module 30002 may select and delete one or more geometric information in the prediction node.
  • the geometric information selection module 30002 may divide the prediction node into geometric information selection units (or prediction point selection units) and delete the prediction geometric information in the geometric information selection units.
  • the geometric information sorting module 30002 may parse the information on the geometric information sorting unit division method.
  • the geometric information sorting module 30002 may parse the information on the shape of the geometric information sorting unit according to the division method.
  • the shape of the geometric information selection unit may be n * m * l, where n, m, and l may each have a value of 1 or more.
  • the geometric information sorting module 30002 can recursively parse the tree type information when the splitting type of the geometrical information sorting unit splitting method is a tree structure, and when the splitting type is grid splitting, the number of splits and the split length for each axis By parsing the information, a geometric information selection unit can be derived. Also, the geometric information selection module 30002 may parse the number and index information of the geometric information selection unit to delete the predicted geometric information (or predicted points). That is, the geometric information selection module 30002 may parse the information on the deletion of the predicted geometric information. Also, the geometric information selection module 30002 may delete the predicted geometric information based on the sub-prediction node of the prediction node. Since the sub-prediction node is assigned an index, the prediction geometry information can be deleted in units of the sub-prediction node based on the parsed index.
  • the residual geometric information summing module 30004 may generate the restored geometric information by adding the residual geometric information to the predicted geometric information.
  • the residual geometric information summing module 30004 may divide the prediction node into residual geometric information summing units and parse the split type.
  • the residual geometric information summing unit size may be n * m * l, and in this case, n, m, and l may each have a value of 1 or more.
  • the residual geometric information summing module 30004 may parse the size of the residual geometric information summing unit or information about the residual geometric information summing unit division, and may perform segmentation based on this.
  • the division type is a tree structure, the tree type information can be recursively parsed, and when the division type is a grid division, the residual geometry information summing unit can be derived by parsing the division number and division length information for each axis.
  • the same residual geometric information value for all points in one residual geometric information summing unit may be summed to output the restored geometric information.
  • the residual geometry information may be output from the inverse transformation performing module 29006 and may be composed of residual values of x, y, and z axes.
  • the bitstream includes encoded geometric information (geometry), encoded attribute information (attribute), and parameter information, and a point cloud data transmission apparatus according to embodiments (eg, FIGS. 1, 4, 12, and 15 ). , may be generated by the point cloud encoder or transmission device described with reference to FIGS. 36 and 37 ).
  • the point cloud data transmitting apparatus transmits information related to generation, quantization and inverse quantization, transformation and inverse transformation processes of residual geometric information described with reference to FIGS. 1 to 31 to the point cloud data receiving apparatus according to the embodiments as a bitstream can be transmitted as
  • all or part of information about parameters according to embodiments may be defined in a sequence parameter set, and each piece of information may be defined in a tile parameter set. Also, by defining a separate geometry node parameter set, it can be dependent on the existing structure or operated independently.
  • the application range and method may be set differently by being defined in a corresponding or separate location according to an application or a system.
  • the related information is a parameter set ( parameter set) and the like and may be transmitted to the receiving apparatus according to the embodiments.
  • the point cloud video encoder 10002 encodes the point cloud data in the process of encoding 20001, and the transmitter 10003 according to the embodiments receives a bitstream including the encoded point cloud data. 10004) can be transmitted.
  • the encoded point cloud data is the point cloud video encoder 10002 of FIG. 1 , the encoding 20001 of FIG. 2 , the encoder of FIG. 4 , the transmission device of FIG. 12 , and the XR device of FIG. 14 . 1430 , hardware, software, firmware, or these comprising one or more processors or integrated circuits configured to be in communication with the point cloud encoder and/or one or more memories of FIG. 15, 36 or 37 . It can be created by a combination of
  • the encoded point cloud data is the point cloud video decoder 10006 of FIG. 1 , the decoding 20003 of FIG. 2 , the decoder of FIG. 11 , the receiving device of FIG. 13 , and the receiving device of FIG. Hardware, software, firmware comprising one or more processors or integrated circuits configured to communicate with the XR device 1430 , the point cloud decoder of FIG. 16 , 38 , or 39 , and/or one or more memories Or it may be decoded by a combination thereof.
  • parameters (metadata, signaling information, etc. can be variously called) according to the embodiments are transmitted according to the embodiments (Fig. 1, Fig. 4, Fig. 12, Fig. 14, Fig. 15, Fig. 36, Fig. 37) It can be generated in the data processing process of can
  • the parameter according to the embodiments may be generated by the metadata processing unit (or metadata generator) of the transmitting device according to the embodiments and obtained from the metadata parser of the receiving device according to the embodiments.
  • a flag for signaling the presence or absence of residual coding may be defined in a sequence parameter set.
  • the residual coding flag (Residual_coding_flag) may be signaled as true when a different residual information processing method is applied according to a transformation unit rather than simply transferring residual information. (If the residual coding flag (residual_coding_flag) is 1, residual coding is performed in a transform unit, and if 0, simple residual information is signaled or a best motion vector is signaled.)
  • Residual geometry information may be defined and signaled in a tile parameter set.
  • the geometry node ID when the residual coding flag (Residual_coding_flag) of the residual geometry information is 1, the residual information is processed in units of the geometry information node, and the ID of the corresponding geometry node (geometry Node) can be signaled.
  • 35A to 35C show examples of syntax of a GeometryNode according to embodiments. Residual geometry information may be defined and signaled in a geometry node.
  • a geometry node is a lower level of a geometry parameter set, and may be included in a geometry data unit (geometry_data_unit) referring to the geometry parameter set.
  • the geometry data unit binds a slice header and data to be included therein. That is, the geometry data unit may be understood as a unit including Geom_slice_header and Geom_slice_data of FIG. 32 .
  • the syntax included in the geometry node may be generated by the residual geometry information generating unit 17000 of FIG. 17 or the residual geometry information transformation quantization unit 36008 of FIG. 36 and transmitted as a bitstream to the receiving apparatus according to the embodiments.
  • split residual unit type indicates a method of dividing the residual geometric information summing unit. (0000 may indicate grid division, 0001 may indicate tree division, and 0010 may indicate axis division. 0011 to 1111 may be reserved for future use.)
  • the number split axis residual (num_split_axis_residual [ i ]) may indicate the number of divisions for each axis when the division type is grid division.
  • the length split axis residual (length_split_axis_residual [j]) may indicate a division length for each axis when the division type is grid division.
  • the type of tree residual may indicate the type of the partition tree when the partition type has a tree structure. (0000 is an octree, 0001 is a quadtree, and 0010 is a binary tree. can be left for use.)
  • the x-axis split length residual (x_axis_split_length_residual) represents the x-axis length of the residual geometry information summing unit.
  • the y-axis split length residual (y_axis_split_length_residual) represents the y-axis length of the residual geometry information summing unit.
  • the z-axis split length residual indicates the z-axis length of the residual geometry information summing unit.
  • split point delegate unit type indicates a method of dividing the prediction point selection unit. .
  • the number split axis point del (num_split_axis_pointdel[ i ]) indicates the number of divisions for each axis (x-axis, y-axis, and z-axis) when the division type is grid division.
  • the length split axis point del indicates a divided length for each axis (x-axis, y-axis, and z-axis) when the division type is grid division.
  • the type of tree pointdel indicates the split tree type when the split type is a tree structure. (0000 may indicate an octree, 0001 may indicate a quadtree, and 0010 may indicate a binary tree. 0011 to 1111 may be reserved for future use.)
  • the x-axis split length point delta represents the x-axis length of a prediction point selection unit (or a geometric information selection unit).
  • the y-axis split length point delta (y_axis_split_length_pointdel) represents the y-axis length of the prediction point selection unit (or geometric information selection unit).
  • the z-axis split length point delta indicates the z-axis length of the prediction point selection unit (or geometric information selection unit).
  • the number-delete unit indicates the number of prediction point selection units (or geometric information selection units) to be deleted.
  • the delegate unit index indicates an index of a prediction point selection unit (or geometric information selection unit) to be deleted.
  • the is_split_trans_subnode is a flag indicating whether to split the geometry node (or the current node) into inverse transform subnodes. If it is 0, it is not divided into inverse transform subnodes, and if 1, it is divided into inverse transform subnodes. indicates to do
  • split_trans_subnode_type may indicate a split type when splitting a geometry node (or a current node) into inverse transform subnodes. 0 indicates grid division, 1 indicates tree division. (0000 indicates grid division, 0001 indicates tree division. 0010 to 1111 may be reserved for future use.)
  • the transtype may indicate a transformation type for transformation units in the transformation subnode. (0000 may indicate DCT, 0001 may indicate DST, 0010 may indicate SADCT, and 0011 may indicate RATH conversion. 0100 to 1111 may be skipped for future use.)
  • the width transformation unit indicates the width of the transformation unit when the residual information in the transformation subnode is configured as an information unit transformation unit for each axis.
  • the height transformation unit indicates the height of the transformation unit when the residual information in the transformation subnode is configured as an information unit transformation unit for each axis.
  • the is_split_quant_subnode is a flag indicating whether to split the geometry node (or the current node) into quantization subnodes. If it is 0, it is not split into quantization subnodes. If it is 1, it is split into quantization subnodes. indicates to do
  • split_quant_subnode_type When dividing a geometry node (or a current node) into quantization subnodes, the split type may be indicated. If it is 0, it may indicate grid division, if 1, it may indicate tree division. (0000 indicates grid division, 0001 indicates tree division, and 0010 to 1111 may be reserved for future use.)
  • the type of quant may indicate a split tree type (0000 indicates an octree, 0001 indicates a quadtree, and 0010 indicates a binary tree. 0011 to 1111 may be reserved for future use.)
  • a quant subnode number indicates the number of quantization subnodes.
  • the quant parameter prediction index quant_param_pred_idx[i] may indicate a prediction quantization parameter index of a quantization subnode.
  • the quant parameter delta index quant_param_delta[i] may indicate a residual quantization parameter of a quantization subnode.
  • the geometric information encoding unit 36000 is an example of the geometric information encoding unit 36000 of the point cloud data transmission apparatus according to the embodiments.
  • the geometric information encoding unit 36000 according to embodiments may correspond to the geometric information encoding unit 15004 of FIG. 15 .
  • the geometric information encoding unit 36000 includes a coordinate system transformation unit 36002, a geometric information transformation quantization unit 36004, a geometry information coding method derivation unit 36006, a residual geometry information transformation quantization unit 36008, and geometric information Entropy encoding unit 36010, residual geometric information inverse transformation inverse quantization unit 36012, memory 36020, geometric information intra prediction unit 36024, geometric information inter prediction unit 36022, geometric information inverse transformation inverse quantization unit 36016 Alternatively, the coordinate system inverse transform unit 36018 may be included.
  • the geometric information division unit may divide the geometric information of the point cloud data into slices, tiles, bricks, subframes, and the like.
  • the point cloud data may be input to the coordinate system conversion unit 36002 in units of frames or divided geometric information.
  • the coordinate system conversion unit 36002 may receive geometric information as an input and convert it into a coordinate system different from the existing coordinate system. Alternatively, coordinate system transformation may not be performed.
  • the coordinate system transformed geometric information may be input to the geometric information transformation quantization unit 36004 .
  • Coordinate system transformation and coordinate system information are signaled in units of sequence, frame, tile, slice, block, etc., or whether coordinate system transformation of neighboring blocks, size of block, number of points, quantization value, block division depth, unit position, unit It can be derived using the distance from and to the origin. If the coordinate system transformation is performed after checking whether the coordinate system transformation is performed, the coordinate system information is signaled in units of sequence, frame, tile, slice, block, etc. It can be derived using the depth, the position of the unit, the distance between the unit and the origin, etc.
  • the geometric information transformation quantization unit 36004 receives geometric information as an input, applies one or more transformations such as position transformation and/or rotation transformation, and then divides and quantizes the geometric information by quantization values to generate transformation quantized geometric information. .
  • the transform quantized geometric information may be input to the geometric information node division unit.
  • the geometric information coding method derivation unit 36006 may receive as an input transform quantized geometric information in units such as frames, slices, tiles, etc., and may derive or determine coding information such as a division mode and a coding mode of the geometric information.
  • the geometric information intra prediction unit 36024 generates predicted geometric information by predicting the geometric information through the geometric information in the same frame that has been previously restored.
  • the prediction information used for prediction may be encoded by entropy encoding.
  • the geometric information inter-prediction unit 36022 generates predicted geometric information by predicting the geometric information based on the geometric information of the other restored frame stored in the memory.
  • the prediction information used for prediction may be encoded by entropy encoding.
  • the residual geometric information transformation quantization unit generates quantized residual geometric information by receiving geometric information and predicted geometric information as input, transforming it, or quantizing it into a quantized value.
  • the quantized residual geometric information may be input to the geometric information entropy encoder and the residual geometric information inverse quantizer.
  • the geometric information entropy encoding unit 36010 may receive quantized residual geometry information, predicted geometry information, and the like, and perform entropy encoding.
  • various encoding methods such as Exponential Golomb, Context-Adaptive Variable Length Coding (CAVLC), or Context-Adaptive Binary Arithmetic Coding (CABAC) may be used.
  • CAVLC Context-Adaptive Variable Length Coding
  • CABAC Context-Adaptive Binary Arithmetic Coding
  • the residual geometry information inverse transformation inverse quantization unit 36012 receives the quantized residual geometry information and scales it to a quantized value or performs inverse transformation to restore the residual geometry information.
  • the restored residual geometric information may be summed with the predicted geometric information, restored as geometric information, and stored in the memory 36020 .
  • the geometric information inverse transformation inverse quantization unit 36016 may generate the restored geometric information on which inverse quantization is performed by multiplying the restored geometric information by the quantization value performed by the geometric information transformation quantization unit.
  • the geometric information inverse transform inverse quantization unit 36016 may be operated before or after being stored in the memory 36020 or after being stored in the memory 36020 .
  • the coordinate system inverse transformation unit 36018 may inversely transform the coordinate system of the restored geometric information into the coordinate system before the transformation in the coordinate system transformation unit 36002 .
  • the filtering unit 36014 may perform filtering on the restored geometric information.
  • the filtering unit 36014 may include a deblocking filter, an offset correcting unit, an ALF, and the like.
  • the memory 36020 may store geometric information calculated through the filtering unit 36014 or before filtering.
  • the stored geometric information may be transmitted to the geometric information inter prediction unit 36022 or the geometric information intra prediction unit 36024 when prediction is performed.
  • the attribution information encoding unit 37000 may correspond to the attribution information encoding unit 15006 of FIG. 15 .
  • the attribution information encoding unit 37000 includes the attribution information converting unit 37002, the geometric information mapping unit 37004, the attribution information node dividing unit 37006, the residual attribute information transformation quantization unit 37008, and the attribution information
  • the entropy encoding unit 37010, the residual attribute information inverse transform inverse quantization unit 37012, the filtering unit 37016, the memory 37018, the attribute information intra prediction unit 37022 or the attribute information inter prediction unit 37020 may be included. have.
  • the attribute information conversion unit 37002 may convert the color space of the attribute information if the received attribute information indicates a color space.
  • the converted attribute information may be input to the geometric information mapping unit 37004 .
  • the attribute information conversion unit 37002 may transmit the color space of the attribute information as it is to the geometric information mapping unit 37004 without converting the color space.
  • the geometric information mapping unit 37004 reconstructs the attribute information by performing mapping with the attribute information received from the attribute information conversion unit 37002 and the received restored geometric information. Attribute information reconstruction may derive attribute values based on attribute information of one or more points based on the restored geometric information. The reconstructed attribution information may be differentiated from the prediction attribution information generated by the attribution information prediction unit (attribute information intra prediction unit or attribution interprediction unit) to be input to the residual attribution information transformation quantization unit 37008 .
  • the attribute information node dividing unit 37006 may divide the attribute information received from the geometric information mapping unit 37004 into nodes.
  • the residual attribute information transformation quantization unit 37008 may transform the residual 3D block including the received residual attribute information using a transformation type such as DCT, DST, DST, SADCT, or RAHT. After being transformed, the residual attribute information may be input to the residual attribute information quantization unit or may be input to the residual attribute information quantization unit without being transformed.
  • the information on the transform type may be transmitted to the decoder according to the embodiments by performing entropy encoding in the entropy encoder.
  • Transform quantized residual attribute information may be generated by quantizing the transformed residual attribute information based on the quantization value.
  • the transform-quantized residual attribute information may be input to the attribute information entropy encoder 37010 and the residual attribute information inverse transform inverse quantization unit 37012 .
  • the attribute information entropy encoding unit 37010 may receive transform-quantized residual attribute information and perform entropy encoding.
  • various encoding methods such as Exponential Golomb, Context-Adaptive Variable Length Coding (CAVLC), or Context-Adaptive Binary Arithmetic Coding (CABAC) may be used.
  • the residual attribute information inverse transform inverse quantization unit 37012 receives the transform quantized residual attribute information and inversely quantizes it based on the quantization value to generate transform residual attribute information.
  • the generated transform residual attribute information may be input to an inverse residual attribute transform unit.
  • the inverse residual attribute transform unit may inversely transform the 3D residual block including the received transform residual attribute information by using a transform type such as DCT, DST, DST, SADCT, RAHT, or the like.
  • the inversely transformed residual attribute information may be summed with the prediction attribute information input from the attribute information prediction unit (attribute information inter/intra prediction unit) to generate restored attribute information.
  • the restored attribution information may be generated by combining the transform residual attribute information with the prediction attribute information without inverse transforming.
  • the filtering unit 37016 may include a deblocking filter, an offset correcting unit, an adaptive loop filter (ALF), and the like.
  • the filtering unit 37016 may perform filtering on the restored attribute information.
  • the attribute information inverse transform unit 37014 may receive the type of attribute information and transformation information from the entropy decoder, and may perform various color space inverse transformations such as RGB-YUV and RGB-YUV.
  • the memory 37018 may store attribute information calculated through the filtering unit 37016 .
  • the stored attribution information may be provided to the attribution information prediction unit (attribute information inter/intra prediction unit) when prediction is performed.
  • the attribution information intra prediction unit 37022 and the attribution information inter prediction unit 37020 generate prediction attribution information based on the attribution information of points in the memory 37018 .
  • the attribution information intra prediction unit 37022 and the attribution information inter prediction unit 37020 may use attribution information or geometric information of points of the same frame or different frames stored in the memory 37018 .
  • the prediction information may be encoded by entropy encoding.
  • the geometric information decoding unit 38000 may correspond to the geometric information decoding unit 16004 of FIG. 16 .
  • the geometric information decoding unit 38000 includes the geometric information entropy decoding unit 38002, the geometric information coding method derivation unit 38004, the residual geometric information inverse transform inverse quantization unit 38006, the geometric information prediction unit (geometric information intra/inter prediction unit) Alternatively, the coordinate system inverse transform unit 38012 may be included.
  • the geometric information entropy decoding unit 38002 may perform entropy decoding on the input bitstream. In order to perform entropy decoding, various methods such as Exponential Golomb, Context-Adaptive Variable Length Coding (CAVLC), or Context-Adaptive Binary Arithmetic Coding (CABAC) may be used. Also, the geometric information entropy decoding unit 38002 may decode information related to the geometric information prediction performed by the encoder. The quantized residual geometry information generated through entropy decoding may be input to the residual geometry inverse transform inverse quantization unit 38006 .
  • CAVLC Context-Adaptive Variable Length Coding
  • CABAC Context-Adaptive Binary Arithmetic Coding
  • the geometric information coding method derivation unit 38004 can induce a coding method such as a coding mode and a split mode of the geometric information, and according to the coding method, a residual geometry information restoration unit (or a residual geometry information inverse transform inverse quantization unit), a geometric information intra It is possible to derive whether the prediction unit 38018 and the geometric information inter prediction unit 38016 are performing and how to perform them.
  • the residual geometry information inverse transform inverse quantization unit 38006 receives the quantized residual geometry information and scales it to a quantized value or performs inverse transformation to restore the residual geometry information.
  • the restored residual geometric information may be restored as geometric information in addition to the predicted geometric information and stored in the memory.
  • the geometric information inter prediction unit 38016 and the geometric information intra prediction unit 38018 predict geometry based on the prediction geometry information generation related information provided from the geometric information entropy decoding unit 38002 and the decoded geometry information provided from the memory 38014 .
  • information can be created.
  • the geometric information inter prediction unit 38016 uses the information required for inter prediction of the current prediction unit transmitted from the encoder to obtain information included in at least one of a space before or after a space of the current space including the current prediction unit. Based on this, inter prediction can be performed on the current prediction unit.
  • the geometric information intra prediction unit 38018 may generate predicted geometric information based on the geometric information of points in the current space. When the prediction unit performs intra prediction, intra prediction may be performed based on intra prediction mode information of the prediction unit transmitted from the encoder.
  • the restored geometric information may be generated by adding the restored residual geometric information to the predicted geometric information.
  • the restored geometric information may be provided to the filtering unit 38008 .
  • the filtering unit 38008 may perform filtering based on the characteristics of the filtering-related information provided from the decoder or the restored geometry information derived from the decoder.
  • the geometric information inverse transformation inverse quantization unit 38010 may perform inverse transformation or inverse quantization on the filtered or unfiltered restored geometric information.
  • the coordinate system inverse transformation unit 38012 may perform the coordinate system inverse transformation based on the coordinate system transformation related information provided from the geometric information entropy decoding unit 38002 and the restored geometry information stored in the memory 38014 .
  • the memory 38014 may store the output geometry information of the filtering unit 38008 , the geometric information inverse transformation inverse quantization unit 38010 , or the coordinate system inverse transformation unit 38012 .
  • the attribution information decoding unit 39000 may correspond to the attribution information decoding unit 1606 of FIG. 16 .
  • the attribution information decoding unit 39000 includes the attribution information entropy decoding unit 39002, the geometric information mapping unit 39004, the residual attribution information inverse transform inverse quantization unit 39008, the attribution information intra prediction unit 39018, and the attribution information inter prediction unit. 39016 , an attribution information filtering unit 39012 , a memory 39014 or an attribution information inverse transform unit 39010 .
  • the attribute information entropy decoding unit 39002 may entropy-decode the received attribute information bitstream to generate transform-quantized attribute information.
  • the transform quantized attribute information is input to the geometric information mapping unit 39004.
  • the geometric information mapping unit 39004 maps the transformed quantized attribute information received from the attribute information entropy decoding unit 39002 and the restored geometric information.
  • the attribute information mapped to the geometric information may be input to the residual attribute information inverse transform inverse quantization unit 39008 .
  • the attribution information node division information derivation unit 39006 is a step of parsing or deriving division information of a unit for performing prediction, transformation, or quantization of attribution information.
  • the partition information may mean a partition type such as an octree, quadtree, or binary tree.
  • the residual attribute information inverse transform inverse quantization unit 39008 generates restored residual attribute information by performing inverse quantization on the received transform quantized residual attribute information based on a quantization value and performing inverse transformation.
  • the residual attribute information inverse transform inverse quantizer 39008 may inversely transform the 3D residual block including the received transform residual attribute information using a transform type such as DCT, DST, DST, SADCT or RAHT.
  • the inversely transformed residual attribute information may be added to the prediction attribute information generated by the attribute information prediction unit and stored in the memory 39014 .
  • the residual attribute information may be stored in the memory 39014 after being summed with the prediction attribute information without performing inverse transformation.
  • the attribution information intra prediction unit 39018 and the attribution information inter prediction unit 39016 generate prediction attribution information based on the attribution information of points stored in the memory 39014 .
  • the attribution information intra prediction unit 39018 and the attribution information inter prediction unit 39016 may use attribution information or geometric information of points of the same frame or different frames stored in the memory 39014 .
  • the prediction information may be encoded by entropy encoding.
  • the attribute information inverse transform unit 39010 may receive the type of attribute information and transformation information from the attribute information entropy decoding unit 39002, and may perform various color space inverse transformations such as RGB-YUV and RGB-YUV.
  • the attribute information filtering unit 39012 may include a deblocking filter, an offset correcting unit, an adaptive loop filter (ALF), and the like.
  • the filtering unit 39012 may perform filtering on the restored attribute information.
  • the method includes encoding the point cloud data ( S4000 ) and transmitting a bitstream including the point cloud data ( S4010 ).
  • encoding the point cloud data ( S4000 ) may include encoding geometric information of the point cloud data and encoding attribute information of the point cloud data.
  • Encoding the point cloud data includes the point cloud video encoder 10002 of FIG. 1, the encoding 20001 of FIG. 2, the encoder of FIG. 4, the transmission device of FIG. 12, the XR device 1430 of FIG. A point cloud by hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to be communicable with the encoder and/or one or more memories of FIGS. 15, 37 and 38 . Data can be encoded.
  • the step 4010 of transmitting the bitstream including the point cloud data includes the transmitter 10003 of FIG. 1 , the transmission processing unit 12012 of FIG. 12 , the XR device 1430 of FIG. 14 , FIGS. 15 , 37 , and 38 .
  • the point cloud data may be transmitted by hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to communicate with the encoder and/or one or more memories of the .
  • the encoding of the point cloud data (S4000) includes encoding (encoding) geometric information and encoding (encoding) attribute information.
  • the encoding of the geometric information may encode the geometric information based on an octree, a prediction tree, or a treetop, and the encoding of the attribute information may encode the attribute information based on a prediction/lifting transformation and a RATH transformation.
  • the encoding of the geometric information according to the embodiments may further include generating residual geometric information based on the original geometric information and the predicted geometric information.
  • the residual geometric information may be generated by differentiating the original geometric information and the predicted geometric information, or performing a bit operation. Alternatively, the residual geometric information may be generated by other methods.
  • the prediction geometry information includes geometry information predicted by the inter prediction unit or the intra prediction unit according to embodiments.
  • the generating of the residual geometric information may further include the step of selecting the predicted geometric information by deleting at least one of the predicted geometric information, and generating residual geometric information based on the original geometric information and the selected predicted geometric information. have.
  • the predicted geometric information may be selected based on a distance between the original geometric information and the predicted geometric information.
  • the selection of the predicted geometric information may be performed by deleting the corresponding predicted geometric information when the distance between the original geometric information and the predicted geometric information is greater than an arbitrary threshold value.
  • the selection of the predicted geometric information may be performed based on the representative geometric information of the original geometric information or the representative geometric information of the predicted geometric information.
  • the selection of the predicted geometric information may be performed for each geometric information selection unit.
  • the residual geometric information may include residual accuracies. Residual accuracy can be derived by differentiating the original accuracy generated based on the original geometric information and the predicted accuracy generated based on the predicted geometric information or performing a bit operation.
  • Selection of predicted geometric information and generation of residual geometric information may be performed by the residual geometric information generating unit 17000 of FIG. 17 .
  • the selection of predicted geometric information may be performed by the geometric information selection module 17002 of FIG. 17
  • the generation of residual geometric information may be performed by the geometric information difference module 17004 of FIG. 17 .
  • the contents of each operation have been described in the description with respect to FIGS. 17 to 20 .
  • the method includes receiving a bitstream including point cloud data ( S4100 ) and decoding the point cloud data ( S4110 ).
  • the step of decoding the point cloud data ( S4110 ) includes decoding (decoding) geometric information of the point cloud data and decoding (decoding) attribute information of the point cloud data.
  • Receiving the bitstream including the point cloud data includes the receiving device 10004 of FIG. 1 , the receiving device of FIGS. 10 and 11 , the receiving unit 13000 of FIG. 13 , and the xr device 1430 of FIG. 14 . , hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to be communicable with the decoder and/or one or more memories of FIGS. 16, 38, 39, etc. You can receive cloud data.
  • the step of decoding the point cloud data is the point cloud video decoder 10006 of FIG. 1 , the receiving device of FIGS. 10 , 11 , and 13 , the XR device 1430 of FIG. 14 , FIGS. 16 , 38 , and FIG. 39 may decode the point cloud data by hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to communicate with the decoder and/or one or more memories.
  • step S4100 of receiving the bitstream including the point cloud data the bitstream includes residual geometry information.
  • the decoding of the point cloud data includes generating and selecting predicted geometric information, and adding the selected predicted geometric information and residual geometric information.
  • the predicted geometric information may be generated by the geometric information prediction unit (inter prediction unit or intra prediction unit) of FIG. 36 or 38 .
  • the selection of the predicted geometric information may be performed by the geometric information selection module 30002 of FIG. 30 .
  • the operation of the geometric information sorting module 30002 may correspond to the geometric information sorting module 170002 of FIG. 17 .
  • the bitstream includes information on the deletion of the predicted geometric information
  • the geometric information selection module 30002 can select the predicted geometric information by deleting the predicted geometric information based on the information on the deletion of the predicted geometric information.
  • the residual geometry information received in the bitstream and the predicted geometry information selected by the geometry information selection module 30002 may be summed.
  • the summation of the residual geometric information may be performed by the residual geometric information summing module 30004 of FIG. 30 .
  • the residual geometric information summing module 30004 may restore the geometric information based on the residual geometric information summing unit by summing the selected predicted geometric information and the residual geometric information. The restoration of geometric information has been described with reference to FIG. 30 .
  • the bitstream may include residual accumulator information.
  • the decoding of the geometric information of the point cloud data may include generating the prediction accuracy information and adding the prediction accuracy information and the residual accuracy information.
  • the prediction accumulatory information may be derived based on the predicted geometric information generated by the geometric information prediction unit (inter prediction unit or intra prediction unit) of FIG. 36 or 38 .
  • Accumulation information may be restored by calculating the derived prediction accuracy information with residual accuracy information included in the bitstream.
  • the accuracy information may be restored based on the predicted accuracy and the residual accuracy according to the bit calculation method of the predicted accuracy and the original accuracy performed by the encoder. In relation to residual accumulatory information according to embodiments, it has been described with reference to FIG. 20 .
  • the point cloud data transmission/reception apparatus or transmission/reception method relates to a residual geometry information processing method for efficient data management such as reference frame/slice/prediction unit during inter prediction (inter prediction), and encoding Alternatively, it relates to a method of processing residual information by dividing and selecting a point to be decoded into residual geometric information, applying a method of dividing and applying a transformation method in units of residual geometric information, quantizing, and restoring. In this case, the residual information of the restored cloud point is divided into sub-transformation units and decoding or encoding can be performed, and the efficiency and accuracy of coding are increased through such residual information processing.
  • the point cloud data transmission/reception apparatus or transmission/reception method defines a quantization unit, a transformation unit, a residual geometric information generating unit, a residual geometric information summing unit, and the like, thereby transforming and quantizing the point cloud data in an optimal unit. , generating and summing residual geometric information can be performed, and encoding/decoding efficiency of point cloud data can be increased.
  • the operation process may be more advantageous than performing various operations for a certain unit regardless of the characteristics of the operation performed in each step.
  • the method/apparatus for transmitting point cloud data according to the embodiments may efficiently encode and transmit point cloud data based on processing of residual geometry information, and the method/device for receiving point cloud data according to the embodiments may provide It has the effect of efficiently and accurately restoring point cloud data based on processing.
  • Various components of the apparatus of the embodiments may be implemented by hardware, software, firmware, or a combination thereof.
  • Various components of the embodiments may be implemented with one chip, for example, one hardware circuit.
  • the components according to the embodiments may be implemented with separate chips.
  • at least one or more of the components of the device according to the embodiments may be composed of one or more processors capable of executing one or more programs, and the one or more programs may be implemented Any one or more of the operations/methods according to the examples may be performed or may include instructions for performing the operations/methods.
  • Executable instructions for performing the method/acts of the apparatus according to the embodiments may be stored in non-transitory CRM or other computer program products configured for execution by one or more processors, or one or more may be stored in temporary CRM or other computer program products configured for execution by processors.
  • the memory according to the embodiments may be used as a concept including not only a volatile memory (eg, RAM, etc.) but also a non-volatile memory, a flash memory, a PROM, and the like. Also, it may be implemented in the form of a carrier wave, such as transmission through the Internet.
  • the processor-readable recording medium is distributed in a computer system connected through a network, so that the processor-readable code can be stored and executed in a distributed manner.
  • first, second, etc. may be used to describe various components of the embodiments. However, interpretation of various components according to the embodiments is not limited by the above terms. These terms are only used to distinguish one component from another.
  • the first user input signal may be referred to as a second user input signal.
  • the second user input signal may be referred to as a first user input signal. Use of these terms should be interpreted as not departing from the scope of the various embodiments.
  • both the first user input signal and the second user input signal are user input signals, they do not mean the same user input signals unless the context clearly indicates otherwise.
  • the operations according to the embodiments described in this document may be performed by a transceiver including a memory and/or a processor according to the embodiments.
  • the memory may store programs for processing/controlling operations according to the embodiments, and the processor may control various operations described in this document.
  • the processor may be referred to as a controller or the like.
  • operations may be performed by firmware, software, and/or a combination thereof, and the firmware, software, and/or a combination thereof may be stored in a processor or stored in a memory.
  • the transceiver may include a transceiver for transmitting and receiving media data, a memory for storing instructions (program code, algorithm, flowchart and/or data) for a process according to embodiments, and a processor for controlling operations of the transmitting/receiving device.
  • instructions program code, algorithm, flowchart and/or data
  • a processor may be referred to as a controller or the like, and may correspond to, for example, hardware, software, and/or a combination thereof. Operations according to the above-described embodiments may be performed by a processor.
  • the processor may be implemented as an encoder/decoder or the like for the operation of the above-described embodiments.
  • the embodiments may be applied in whole or in part to a point cloud data transceiver and system.
  • Those skilled in the art can variously change or modify the embodiments within the scope of the embodiments.
  • Embodiments may include changes/modifications without departing from the scope of the claims and what is recognized as equivalent thereto.

Landscapes

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

Abstract

실시예들에 따른 포인트 클라우드 데이터 전송 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 전송장치는 포인트 클라우드 데이터를 인코딩하는 인코더; 및 상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 수신 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및 상기 포인트 클라우드 데이터를 디코딩하는 디코더;를 포함할 수 있다.

Description

포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
기술적 과제를 달성하기 위해서, 실시예들에 따른 포인트 클라우드 데이터 전송 방법은 포인트 클라우드 데이터를 인코딩하는 단계, 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계, 포인트 클라우드 데이터를 디코딩하는 단계를 포함할 수 있다.
실시예들에 따른 장치 및 방법은 높은 효율로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 장치 및 방법은 높은 퀄리티의 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 장치 및 방법은 VR 서비스, 자율주행 서비스 등 범용적인 서비스를 제공하기 위한 포인트 클라우드 콘텐트를 제공할 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다. 이하에서 설명하는 다양한 실시예들의 보다 나은 이해를 위하여, 하기 도면들에 걸쳐 유사한 참조 번호들이 대응하는 부분들을 포함하는 다음의 도면들과 관련하여 이하의 실시예들의 설명을 반드시 참조해야 한다.
도 1은 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템의 예시를 나타낸다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 다른 예시를 나타낸다.
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 12는 실시예들에 따른 포인트 클라우드 데이터 전송장치의 예시이다.
도 13은 실시예들에 따른 포인트 클라우드 데이터 수신장치의 예시이다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 15는 실시예들에 따른 포인트 클라우드 인코더의 예시를 나타내는 블록도이다.
도 16은 실시예들에 따른 포인트 클라우드 디코더의 예시를 나타내는 블록도이다.
도 17은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 잔차기하정보 생성 과정을 나타낸다.
도 18은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 기하정보 선별과정을 나타낸다.
도 19는 실시예들에 따른 포인트 클라우드 데이터 전송장치의 잔차기하정보 생성 과정을 나타낸다.
도 20은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 잔차기하정보 생성 과정을 나타낸다.
도 21은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 잔차기하정보 변환 또는 양자화 과정의 예시를 나타낸다.
도 22는 실시예들에 따른 변환유닛 및 변환방법 선택모듈의 동작을 나타낸다.
도 23은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 잔차기하정보 변환 예시를 나타낸다.
도 24는 실시예들에 따른 포인트 클라우드 데이터 전송장치의 양자화 과정의 예시를 나타낸다.
도 25는 실시예들에 따른 양자화유닛 선택모듈에서 양자화유닛을 생성하는 예시를 나타낸다.
도 26은 실시예들에 따른 예측양자화파라미터 선택모듈과 잔차양자화파라미터 유도모듈의 동작을 설명하기 위해 도시한 것이다.
도 27은 실시예들에 따른 포인트 클라우드 데이터의 역양자화 및 역변환 과정을 도시한다.
도 28은 실시예들에 따른 역양자화유닛 및 역양자화파라미터 유도모듈의 동작 과정을 도시한다.
도 29는 실시예들에 따른 역변환유닛 및 역변환방법 유도모듈의 역변환 과정을 도시한다.
도 30 및 도 31은 실시예들에 따른 복원기하정보의 생성 과정을 설명하기 위해 도시한 것이다.
도 32는 실시예들에 따른 부호화된 포인트 클라우드 데이터(비트스트림)의 예시를 나타낸다.
도 33은 실시예들에 따른 시퀀스 파라미터 세트(Sequence Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
도 34는 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
도 35a 내지 도35c는 실시예들에 따른 지오메트리노드(GeometryNode)의 신택스(Syntax) 예시를 나타낸다.
도 36은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 기하정보 부호화부의 예시이다.
도 37은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 속성정보 부호화부(37000)의 예시이다.
도 38은 실시예들에 따른 포인트 클라우드 데이터 수신장치의 기하정보 복호화부(38000)의 예시이다.
도 39는 실시예들에 따른 포인트 클라우드 데이터 수신장치의 속성정보 복호화부(39000) 예시이다.
도 40 은 실시예들에 따른 포인트 클라우드 데이터 전송방법의 예시이다.
도 41 은 실시예들에 따른 포인트 클라우드 데이터 수신방법의 예시이다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타난다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도 1은 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송장치(transmission device)(10000) 및 수신장치(reception device)(10004)를 포함할 수 있다. 전송장치(10000) 및 수신장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
실시예들에 따른 전송장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따른 전송장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터, 포인트 클라우드 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 컨텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송장치(10000)뿐만 아니라 수신장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 전송장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신장치(10004)는 피드백 정보를 전송장치(10000)로 전송할 수 있다. 전송장치(10000)(또는 포인트 클라우드 비디오 데이터 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송장치(10000)는 인코더, 전송 디바이스, 전송기, 송신기 등으로 호칭될 수 있으며, 수신장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션(위치)들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터, 위치 정보, 위치 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터, 속성 정보, 속성 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)으로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 정보 및 어트리뷰트 정보를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송장치(10000) 또는 트랜스미터(10003))은 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 3은 도 1 내지 도 2에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
포인트 클라우드 콘텐트는 다양한 3차원 공간(예를 들면 현실 환경을 나타내는 3차원 공간, 가상 환경을 나타내는3차원 공간 등)에 위치한 오브젝트(object) 및/또는 환경을 나타내는 포인트 클라우드 비디오(이미지들 및/또는 영상들)을 포함한다. 따라서 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 콘텐트를 생성하기 위하여 하나 또는 그 이상의 카메라(camera)들(예를 들면, 깊이 정보를 확보할 수 있는 적외선 카메라, 깊이 정보에 대응되는 색상 정보를 추출 할 수 있는 RGB 카메라 등), 프로젝터(예를 들면 깊이 정보를 확보하기 위한 적외선 패턴 프로젝터 등), 라이다(LiDAR)등을 사용하여 포인트 클라우드 비디오를 캡쳐할 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 깊이 정보로부터 3차원 공간상의 포인트들로 구성된 지오메트리의 형태를 추출하고, 색상정보로부터 각 포인트의 어트리뷰트를 추출하여 포인트 클라우드 데이터를 확보할 수 있다. 실시예들에 따른 이미지 및/또는 영상은 인워드-페이싱(inward-facing) 방식 및 아웃워드-페이싱(outward-facing) 방식 중 적어도 어느 하나 이상을 기반으로 캡쳐될 수 있다.
도3의 왼쪽은 인워드-페이싱 방식을 나타낸다. 인워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트를 캡쳐하는 방식을 의미한다. 인워드-페이싱 방식은 핵심 객체에 대한 360도 이미지를 사용자에게 제공하는 포인트 클라우드 콘텐트(예를 들면 사용자에게 객체(예-캐릭터, 선수, 물건, 배우 등 핵심이 되는 객체)의 360도 이미지를 제공하는 VR/AR 콘텐트)를 생성하기 위해 사용될 수 있다.
도3의 오른쪽은 아웃워드-페이싱 방식을 나타낸다. 아웃워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트가 아닌 중심 오브젝트의 환경을 캡쳐하는 방식을 의미한다. 아웃워드-페이싱 방식은 사용자의 시점에서 나타나는 주변 환경을 제공하기 위한 포인트 클라우드 콘텐트(예를 들면자율 주행 차량의 사용자에게 제공될 수 있는 외부 환경을 나타내는 콘텐트)를 생성하기 위해 사용될 수 있다.
도면에 도시된 바와 같이, 포인트 클라우드 콘텐트는 하나 또는 그 이상의 카메라들의 캡쳐 동작을 기반으로 생성될 수 있다. 이 경우 각 카메라의 좌표계가 다를 수 있으므로 포인트 클라우드 콘텐트 제공 시스템은 캡쳐 동작 이전에 글로벌 공간 좌표계(global coordinate system)을 설정하기 위하여 하나 또는 그 이상의 카메라들의 캘리브레이션을 수행할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 상술한 캡쳐 방식으로 캡쳐된 이미지 및/또는 영상과 임의의 이미지 및/또는 영상을 합성하여 포인트 클라우드 콘텐트를 생성할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 가상 공간을 나타내는 포인트 클라우드 콘텐트를 생성하는 경우 도3에서 설명한 캡쳐 동작을 수행하지 않을 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 캡쳐한 이미지 및/또는 영상에 대해 후처리를 수행할 수 있다. 즉, 포인트 클라우드 콘텐트 제공 시스템은 원하지 않는 영역(예를 들면 배경)을 제거하거나, 캡쳐한 이미지들 및/또는 영상들이 연결된 공간을 인식하고, 구멍(spatial hole)이 있는 경우 이를 메우는 동작을 수행할 수 있다.
또한 포인트 클라우드 콘텐트 제공 시스템은 각 카메라로부터 확보한 포인트 클라우드 비디오의 포인트들에 대하여 좌표계 변환을 수행하여 하나의 포인트 클라우드 콘텐트를 생성할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 각 카메라의 위치 좌표를 기준으로 포인트들의 좌표계 변환을 수행할 수 있다. 이에 따라, 포인트 클라우드 콘텐트 제공 시스템은 하나의 넓은 범위를 나타내는 콘텐트를 생성할 수도 있고, 포인트들의 밀도가 높은 포인트 클라우드 콘텐트를 생성할 수 있다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 40000), 양자화부(Quantize and Remove Points (Voxelize), 40001), 옥트리 분석부(Analyze Octree, 40002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 40005), 컬러 변환부(Transform Colors, 40006), 어트리뷰트 변환부(Transfer Attributes, 40007), RAHT 변환부(40008), LOD생성부(Generated LOD, 40009), 리프팅 변환부(Lifting)(40010), 계수 양자화부(Quantize Coefficients, 40011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 40012)를 포함한다.
좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 예측트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(40000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(40001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(40001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(40001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(40001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(40002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(40003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(40004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(40006), 어트리뷰트 변환부(40007), RAHT 변환부(40008), LOD생성부(40009), 리프팅 변환부(40010), 계수 양자화부(40011) 및/또는 아리스메틱 인코더(40012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(40006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(40006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(40006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(40005)는 옥트리, 예측트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(40005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(40007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(40007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(40007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(40007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(40007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(40007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(40007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(40007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(40007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(40008) 및/또는 LOD 생성부(40009)로 입력된다.
실시예들에 따른 RAHT 변환부(40008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(40008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(40009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(40010)는 포인트 클라우드의 어트리뷰트들을 가중치에 기반하여 변환하는 리프팅 변환 코딩을 수행한다. 상술한 바와 같이 리프팅 변환 코딩은 선택적으로 적용될 수 있다.
실시예들에 따른 계수 양자화부(40011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(40012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 4의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 5는 X축, Y축, Z축의 3가지 축으로 구성된 좌표계로 표현되는 3차원 공간상에 위치한 복셀을 나타낸다. 도 4에서 설명한 바와 같이 포인트 클라우드 인코더(예를 들면 양자화부(40001) 등)은 복셀화를 수행할 수 있다. 복셀은 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 도 5는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하는 옥트리 구조를 통해 생성된 복셀의 예시를 나타낸다. 하나의 복셀은 적어도 하나 이상의 포인트를 포함한다. 복셀은 복셀군(voxel group)과의 포지션 관계로부터 공간 좌표를 추정 할 수 있다. 상술한 바와 같이 복셀은 2차원 이미지/영상의 픽셀과 마찬가지로 어트리뷰트(색상 또는 반사율 등)을 가진다. 복셀에 대한 구체적인 설명은 도 4에서 설명한 바와 동일하므로 생략한다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(40002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 6의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (xint n, yint n, zint n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
Figure PCTKR2021017215-appb-img-000001
도 6의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 6 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 6의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 6에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신장치(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 4의 포인트 클라우드 인코더, 또는 옥트리 분석부(40002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전체 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(Δx, Δy, Δz), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(40005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③ 자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure PCTKR2021017215-appb-img-000002
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다. .
Triangles formed from vertices ordered 1,…,n
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
포인트 클라우드 비디오의 압축 효율을 증가시키기 위하여 실시예들에 따른 포인트 클라우드 인코더는 콘텍스트 어탭티브 아리스메틱 (context adaptive arithmetic) 코딩을 기반으로 엔트로피 코딩을 수행할 수 있다.
도 1 내지 도 6에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더 또는 아리스메틱 인코더(40004))는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더는 현재 노드의 오큐판시 코드와 이웃 노드들의 오큐판시를 기반으로 엔트로피 인코딩(인트라 인코딩)을 수행하거나, 이전 프레임의 오큐판시 코드를 기반으로 엔트로피 인코딩(인터 인코딩)을 수행할 수 있다. 실시예들에 따른 프레임은 동일한 시간에 생성된 포인트 클라우드 비디오의 집합을 의미한다. 실시예들에 따른 인트라 인코딩/인터 인코딩의 압축 효율은 참조하는 이웃 노드들의 개수에 따라 달라질 수 있다. 비트가 커지면 복잡해지지만 한쪽으로 치우치게 만들어서 압축 효율이 높아질 수 있다. 예를 들어 3-bit context를 가지면, 2의 3승인 = 8가지 방법으로 코딩 해야 한다. 나누어 코딩을 하는 부분은 구현의 복잡도에 영향을 준다. 따라서 압축의 효율과 복잡도의 적정 수준을 맞출 필요가 있다.
도7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더는 옥트리의 각 노드의 이웃 노드들의 오큐판시(occupancy)를 판단하고 이웃 노드 패턴(neighbor pattern) 값을 구한다. 이웃 노드 패턴은 해당 노드의 오큐판시 패턴을 추론하기 위해 사용된다. 도7의 왼쪽은 노드에 대응하는 큐브(가운데 위치한 큐브) 및 해당 큐브와 적어도 하나의 면을 공유하는 6개의 큐브들(이웃 노드들)을 나타낸다. 도면에 도시된 노드들은 같은 뎁스(깊이)의 노드들이다. 도면에 도시된 숫자는 6개의 노드들 각각과 연관된 가중치들(1, 2, 4, 8, 16, 32, 등)을 나타낸다. 각 가중치는 이웃 노드들의 위치에 따라 순차적으로 부여된다.
도 7의 오른쪽은 이웃 노드 패턴 값을 나타낸다. 이웃 노드 패턴 값은 오큐파이드 이웃 노드(포인트를 갖는 이웃 노드)의 가중치가 곱해진 값들의 합이다. 따라서 이웃 노드 패턴 값은 0에서 63까지의 값을 갖는다. 이웃 노드 패턴 값이 0 인 경우, 해당 노드의 이웃 노드 중 포인트를 갖는 노드(오큐파이드 노드)가 없음을 나타낸다. 이웃 노드 패턴 값이 63인 경우, 이웃 노드들이 전부 오큐파이드 노드들임을 나타낸다. 도면에 도시된 바와 같이 가중치1, 2, 4, 8가 부여된 이웃 노드들은 오큐파이드 노드들이므로, 이웃 노드 패턴 값은 1, 2, 4, 8을 더한 값인 15이다. 포인트 클라우드 인코더는 이웃 노드 패턴 값에 따라 코딩을 수행할 수 있다(예를 들어 이웃 노드 패턴 값이 63인 경우, 64가지의 코딩을 수행). 실시예들에 따라 포인트 클라우드 인코더는 이웃 노드 패턴 값을 변경 (예를 들면 64를 10 또는 6으로 변경하는 테이블을 기반으로) 하여 코딩의 복잡도를 줄일 수 있다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 7에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(40009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 8에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더, 또는 LOD 생성부(40009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 9의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 9의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 9의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 9에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 4에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값, 속성 잔차값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.다D
Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(40010))는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(40008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다.
Figure PCTKR2021017215-appb-img-000003
는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다.
Figure PCTKR2021017215-appb-img-000004
는
Figure PCTKR2021017215-appb-img-000005
와
Figure PCTKR2021017215-appb-img-000006
로부터 계산될 수 있다.
Figure PCTKR2021017215-appb-img-000007
와
Figure PCTKR2021017215-appb-img-000008
의 가중치는
Figure PCTKR2021017215-appb-img-000009
과
Figure PCTKR2021017215-appb-img-000010
이다.
Figure PCTKR2021017215-appb-img-000011
Figure PCTKR2021017215-appb-img-000012
는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다.
Figure PCTKR2021017215-appb-img-000013
은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는
Figure PCTKR2021017215-appb-img-000014
로 계산된다. 루트 노드는 마지막
Figure PCTKR2021017215-appb-img-000015
과
Figure PCTKR2021017215-appb-img-000016
을 통해서 다음과 같이 생성된다.,
Figure PCTKR2021017215-appb-img-000017
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 디코더는 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006) 예시로서, 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006)의 동작 등과 동일 또는 유사한 동작을 수행할 수 있다. 도면이 도시된 바와 같이 포인트 클라우드 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 디코더는 지오메트리 디코더(geometry decoder)및 어트리뷰트 디코더(attribute decoder)를 포함한다. 지오메트리 디코더는 지오메트리 비트스트림에 대해 지오메트리 디코딩을 수행하여 디코딩된 지오메트리(decoded geometry)를 출력한다. 어트리뷰트 디코더는 디코딩된 지오메트리 및 어트리뷰트 비트스트림을 기반으로 어트리뷰트 디코딩을 수행하여 디코딩된 어트리뷰트들(decoded attributes)을 출력한다. 디코딩된 지오메트리 및 디코딩된 어트리뷰트들은 포인트 클라우드 콘텐트를 복원(decoded point cloud)하는데 사용된다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 디코더는 도 10에서 설명한 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 11000), 옥트리 합성부(synthesize octree, 11001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 11002), 지오메트리 리컨스트럭션부(reconstruct geometry, 11003), 좌표계 역변환부(inverse transform coordinates, 11004), 아리스메틱 디코더(arithmetic decode, 11005), 역양자화부(inverse quantize, 11006), RAHT변환부(11007), LOD생성부(generate LOD, 11008), 인버스 리프팅부(Inverse lifting, 11009), 및/또는 컬러 역변환부(inverse transform colors, 11010)를 포함한다.
아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스럭션부(11003), 좌표계 역변환부(11004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 디코딩(direct decoding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 디코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 9에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(11000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(11000)의 동작은 아리스메틱 인코더(40004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(11001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(11002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(11003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 9에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(11003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(11003)는 지오메트리 리컨스트럭션부(40005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 6에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(11004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(11005), 역양자화부(11006), RAHT 변환부(11007), LOD생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(11005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(11006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(11010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(11010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 12는 실시예들에 따른 전송장치의 예시이다.
도 12에 도시된 전송장치는 도 1의 전송장치(10000) (또는 도 4의 포인트 클라우드 인코더)의 예시이다. 도 12에 도시된 전송장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송장치는 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 (Arithmetic) 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011) 및/또는 전송 처리부(12012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(12000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 9에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(12001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(12001)의 동작 및/또는 양자화는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(12002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(12002)는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(12003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(12003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(12003)는 도 4 및 도 6에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(40002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(12004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(12004)는 도 4 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(12005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(12005)는 도 7에서 설명한 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 구체적인 설명은 도 7에서 설명한 바와 동일하다. 실시예들에 따라 인트라/인터 코딩 처리부(12005)는 아리스메틱 코더(12006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(12006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(12006)는 아리스메틱 인코더(40004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(12007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(12007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(12008), 어트리뷰트 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 9에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(12008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(12008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하다. 또한 도 4에서 설명한 컬러 변환부(40006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(12009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(12009)는 도 4에 설명한 어트리뷰트 변환부(40007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(12010)는 도 4에서 설명한 RAHT 변환부(40008), LOD 생성부(40009) 및 리프팅 변환부(40010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(12011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(12011)는 아리스메틱 인코더(400012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(12012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(12007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(12012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(12012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 13은 실시예들에 따른 수신장치의 예시이다.
도 13에 도시된 수신장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 13에 도시된 수신장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신장치는 수신부(13000), 수신 처리부(13001), 아리스메틱 (arithmetic) 디코더(13002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(13004), 인버스(inverse) 양자화 처리부(13005), 메타데이터 파서(13006), 아리스메틱 (arithmetic) 디코더(13007), 인버스(inverse)양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009), 색상 역변환 처리부(13010) 및/또는 렌더러(13011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(13000)는 포인트 클라우드 데이터를 수신한다. 수신부(13000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(13001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(13001)는 수신부(13000)에 포함될 수 있다.
아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(13002)는 아리스메틱 디코더(11000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 옥트리 합성부(11001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(13004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(13004)는 서페이스 오프록시메이션 합성부(11002) 및/또는 지오메트리 리컨스트럭션부(11003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(13006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(13006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 12에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(13007), 인버스 양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009) 및 색상 역변환 처리부(13010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(13007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(13007)는 아리스메틱 디코더(11005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(13008)는 역양자화부(11006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(13009)는 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(13010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(13010)는 컬러 역변환부(11010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(13011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 14의 구조는 서버(1460), 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상이 클라우드 네트워크(1410)와 연결된 구성을 나타낸다. 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440) 또는 가전(1450) 등은 장치라 호칭된다. 또한, XR 장치(1430)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1400)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1400)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1460)는 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상과 클라우드 네트워크(1400)을 통하여 연결되고, 연결된 장치들(1410 내지 1470)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1470)는 실시예들에 따른 XR 디바이스 및/또는 PCC 디바이스가 구현될 수 있는 타입 중 하나를 나타낸다. 실시예들에 따른HMD 타입의 디바이스는, 커뮤니케이션 유닛, 컨트롤 유닛, 메모리 유닛, I/O 유닛, 센서 유닛, 그리고 파워 공급 유닛 등을 포함한다.
이하에서는, 상술한 기술이 적용되는 장치(1410 내지 1450)의 다양한 실시 예들을 설명한다. 여기서, 도 14에 도시된 장치(1410 내지 1450)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1430)는 PCC 및/또는 XR(AR+VR) 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수도 있다.
XR/PCC 장치(1430)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 어트리뷰트 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR/PCC 장치(1430)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+XR+모바일폰>
XR/PCC 장치(1430)는 PCC기술이 적용되어 모바일폰(1440) 등으로 구현될 수 있다.
모바일폰(1440)은 PCC 기술에 기반하여 포인트 클라우드 콘텐츠를 디코딩하고, 디스플레이할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1420)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1420)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(1420)은 XR 장치(1430)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1420)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1420)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 발명의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 데이터 (PCC) 송수신장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신장치 차량에 탑재된 경우, 포인트 클라우드 송수신장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
도 1 내지 도 14에서 설명한 것과 같이 포인트 클라우드 데이터는 포인트들의 집합으로 구성되며, 각 포인트는 기하정보(지오메트리 정보)와 속성정보(어트리뷰트 정보)를 가질 수 있다. 기하정보는 각 포인트의 3차원 위치 정보(예를 들어, x, y, z축의 좌표값)이다. 즉, 각 포인트의 위치는 3차원 공간을 나타내는 좌표계상의 파라미터들(예를 들면 공간을 나타내는 3개의 축인 X축, Y축 및 Z축의 파라미터들 (x, y, z))로 표현된다. 기하정보는 좌표계에 따라 원통좌표계의 (r, θ, z), 구면좌표계의 (r, θ, Φ)로 표현될 수 있다.
그리고, 속성정보는 포인트의 색상(RGB, YUV 등), 반사도(reflectance), 법선(normal vectors), 투명도(transparency), 밝기, 온도 값 등 하나 또는 다수의 센서로 획득한 값의 벡터일 수 있다. 속성정보는 스칼라 또는 벡터 형태로 표현될 수 있다.
실시예들에 따르면, 포인트 클라우드 데이터의 종류 및 취득 방법에 따라 정적 포인트 클라우드 데이터의 카테고리 1, 동적 포인트 클라우드 데이터의 카테고리 2, 동적으로 움직이면서 취득한 카테고리 3으로 포인트 클라우드 데이터를 분류할 수 있다. 카테고리 1의 경우, 오브젝트나 공간에 대해 포인트들의 밀도가 높은 단일 프레임의 포인트 클라우드로 구성된다. 카테고리 3 데이터는 이동하면서 취득된 다수개의 프레임들을 갖는 프레임-기반 데이터 및 대규모 공간에 대해 라이다 센서를 통해 취득된 포인트 클라우드와 2D 영상으로 취득된 색상 영상이 정합된 단일 프레임의 융합된(fused) 데이터로 구분될 수 있다. 또한, 카테고리 1 데이터는 색상(color)이 속성정보를 구성하고, 카테고리 3 데이터는 색상(color), 반사도(reflectance), 색상+반사도 값이 컨텐츠의 특성에 따라 속성정보를 구성할 수 있다.
도 15는 실시예들에 따른 포인트 클라우드 인코더의 예시를 나타내는 블록도이다.
실시예들에 따른 포인트 클라우드 인코더(15000)(예를 들면 도 1, 도4 , 도 12에서 설명한 포인트 클라우드 인코더 또는 전송장치)는 도 1 내지 도 14에서 설명한 인코딩 동작을 수행할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(15000)는 공간 분할부(15002), 기하정보 부호화부(또는 지오메트리 인코더)(15004) 및 속성정보 부호화부(또는 어트리뷰트 인코더)(15006)를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(15000)는 도 15에 도시되지 않았으나 도 1 내지 도 14에서 설명한 인코딩 동작을 수행하기 위한 하나 또는 그 이상의 엘레멘트들을 더 포함할 수 있다.
포인트 클라우드 컴프레션 (Point Cloud Compression, PCC) 데이터 (또는 PCC 데이터, 포인트 클라우드 데이터)는 포인트 클라우드 인코더(15000)의 입력 데이터로서, 기하정보(또는 지오메트리 정보) 및/또는 속성정보(또는 어트리뷰트 정보)를 포함할 수 있다. 실시예들에 따른 기하정보는 포인트의 포지션(예를 들면 위치)을 나타내는 정보로서, 직교 좌표계, 원통 좌표계, 구면 좌표계 등의 좌표계의 파라미터들로 표현될 수 있다. 실시예들에 따른 속성정보는 도 1 내지 도 15에서 설명한 어트리뷰트 또는 어트리뷰트 정보로서, 각 포인트의 속성을 나타내는 정보이다. 속성정보는 포인트의 색 (예를 들면 RGB 벡터), 밝기 값, 온도 값, LiDAR 반사계수 중 어느 하나 이상을 포함할 수 있다. 또한, 속성정보는 하나 또는 그 이상의 센서들에 의해 획득될 수 있다.
실시예들에 따른 공간분할부(15002)는 PCC 데이터의 포인트 정보를 저장하기 위하여, 3차원 공간에서 PCC 데이터를 하나 또는 그 이상의 3차원 블록(block)으로 분할할 수 있다. 실시예들에 따른 블록은 타일 그룹(Tile Group), 타일(Tile), 슬라이스(Slice), 부호화 단위(Coding Unit, CU), 예측 단위(Prediction Unit, PU) 또는 변환 단위(Transformation Unit, TU) 중 적어도 어느 하나를 나타낼 수 있다. 실시예들에 따른 공간분할부(15002)는 옥트리(Octree), 쿼드 트리(Quadtree), 바이너리 트리(Biniary tree), 트리플 트리(Triple tree), k-d 트리 중 적어도 하나에 기반한 분할 동작을 수행할 수 있다. 또한, 실시예들에 따른 공간분할부(15002)는 사전에 정해진 가로, 세로, 높이를 가진 블록단위로 공간을 분할할 수 있다. 또한, 공간분할부(15002)는 블록의 다양한 위치와 크기를 선택적으로 결정하여 공간을 분할할 수 있고, 해당 정보를 엔트로피 부호화하여 실시예들에 따른 포인트 클라우드 데이터 수신장치(또는 복호화기)로 전송할 수 있다. 이때, 하나의 블록은 하나 또는 그 이상의 포인트를 포함할 수 있다.
실시예들에 따른 기하정보 부호화부(15004)(또는 지오메트리 인코더)는 기하정보를 부호화하여 기하정보 비트스트림 및 복원된 기하정보를 생성할 수 있다. 부호화는 전체 포인트 클라우드 또는 서브 포인트 클라우드 단위 또는 부호화 단위로 수행될 수 있으며, 부호화 단위별로 화면간 예측(인터 예측) 또는 화면내 예측(인트라 예측) 모드가 선택될 수 있다. 또한, 부호화는 예측 단위별로 화면간 예측 또는 화면내 예측 모드가 선택될 수 있다. 실시예들에 따른 기하정보 부호화부(15004)를 통해 생성된 비트스트림은 실시예들에 따른 복호화기로 전송될 수 있다.
실시예들에 따른 기하정보 부호화부(15004)는 도 4에서 설명한 좌표계 변환부(Transformation Coordinates, 40000), 양자화(Quantize and Remove Points (Voxelize), 40001), 옥트리 분석부(Analyze Octree, 40002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004) 및 지오메트리 리컨스럭션부(Reconstruct Geometry, 40005)의 동작을 수행할 수 있다. 또한 실시예들에 따른 기하정보 부호화부(15004)는 도 12에서 설명한 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 Occupancy 코드 생성부(12003), 포면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 속성 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), Arithmetic 코더(12011)의 동작을 수행할 수 있다. 또한, 기하정보 부호화부(15004)는 도 36의 기하정부 부호화부(36000)와 대응될 수 있다.
한편, 복원된 기하정보는 속성정보 부호화부(15006)로 입력된다. 실시예들에 따른 속성정보 부호화부(15006)는 복원된 기하정보를 기반으로 속성정보 비트스트림을 생성할 수 있다. 생성된 기하정보 비트스트림 및 속성정보 비트스트림은 비트스트림으로 압축되어 실시예들에 따른 포인트 클라우드 데이터 수신장치(또는 디코더)로 전송될 수 있다. 압축된 비트스트림은 기하정보 비트스트림 및 속성정보 비트스트림과 연관된 시그널링 정보 등을 포함할 수 있다. 속성정보 부호화부(15006)는 도 37의 속성정보 부호화부(37000)와 대응할 수 있다.
도 16은 실시예들에 따른 포인트 클라우드 디코더의 예시를 나타내는 블록도이다.
실시예들에 따른 포인트 클라우드 디코더(16000)(예를 들면 도 1, 도 10, 도 11 , 도 13에서 설명한 포인트 클라우드 디코더 또는 수신장치)는 도 1 내지 도 14에서 설명한 디코딩 동작을 수행할 수 있다. 또한 포인트 클라우드 디코더(16000)는 도 15에서 설명한 포인트 클라우드 인코더(15000)의 부호화 동작의 역과정에 해당하는 복호화 동작을 수행할 수 있다. 실시예들에 따른 포인트 클라우드 디코더(16000)는 공간 분할부(16002), 기하정보 복호화부(16004)(또는 지오메트리 디코더)및 속성정보 복호화부(또는 어트리뷰트 정보 복호화부 또는 어트리뷰트 디코더)(16006)을 포함할 수 있다. 실시예들에 따른 포인트 클라우드 디코더(16000)는 도 16에 도시되지 않았으나 도 1 내지 도 14에서 설명한 디코딩 동작을 수행하기 위한 하나 또는 그 이상의 엘레멘트들을 더 포함할 수 있다.
실시예들에 따른 공간분할부(16002)는 실시예들에 따른 포인트 클라우드 데이터 전송 장치(예를 들면 도 1, 도4 , 도 12, 도15에서 설명한 포인트 클라우드 인코더 또는 전송장치)로부터 수신한 시그널링 정보(예를들어, 도 15에서 설명한 공간분할부(15002)에서 수행된 분할 동작에 대한 정보, 부호화기에서 결정된 서브 클라우드 및/또는 부/복호화 단위(CU), 예측 단위(PU) 또는 변환 단위(TU) 등의 분할정보) 또는 포인트 클라우드 디코더(16000)에서 유도한(생성한) 분할 정보를 기반으로 공간을 분할할 수 있다. 부/복호화 단위(CU), 예측 단위(PU) 또는 변환 단위(TU)는 실시예에 따라 동일한 분할 구조를 갖거나 서로 다른 분할 구조를 가질 수 있다. 포인트 클라우드 디코더(16000)의 공간분할부(16002)의 분할 동작은 옥트리(Octree), 쿼드 트리(Quadtree), 바이너리 트리(Biniary tree), 트리플 트리(Triple tree), k-d 트리 중 적어도 하나에 기반할 수 있다.
실시예들에 따른 기하정보 복호화부(16004)는 입력된 기하정보 비트스트림을 복호화하여 기하정보를 복원할 수 있다. 복원된 기하정보는 속성 정보 복호화부(16006)로 입력 될 수 있다. 실시예들에 따른 기하정보 복호화부(16004)는 도11에서 설명한 아리스메틱 디코더(arithmetic decode, 11000), 옥트리 합성부(synthesize octree, 11001), 서페이스 어프록시메이션 합성부(synthesize surface approximation, 11002), 지오메트리 리컨스럭션부(reconstruct geometry, 11003) 및 좌표계 역변환부(inverse transform coordinates, 11004)의 동작을 수행할 수 있다. 또한 실시예들에 따른 기하정보 복호화부(16004)는 도 13에서 설명한 Arithmetic 디코더(13002), Occupancy코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(13004) 및 inverse 양자화 처리부(13005)의 동작을 수행할 수 있다. 또한, 기하정보 복호화부(16004)는 도 38의 기하정부 복호화부(38000)와 대응될 수 있다.
실시예들에 따른 기하정보 복호화부(16004)는 전체 클라우드 또는 서브클라우드 또는 부/복호화 단위로 복호화를 수행할 수 있으며, 부/복호화 단위 별로 화면내 예측 또는 화면간 예측인지 플래그를 전달받아 결정할 수 있다. 또한, 예측단위 별로 화면 간 예측 또는 화면내 예측의 모드 정보를 전달받아 예측을 수행할 수 있다.
실시예들에 따른 속성정보 복호화부(16006)는 속성 정보 비트스트림 및 복원된 기하정보를 기반으로 속성 정보를 복원할 수 있다. 속성정보 복호화부(16006)는 전체 클라우드 또는 서브클라우드, 부/복호화 단위로 복호화를 수행할 수 있고, 부/복호화 단위 별로 화면내 예측 또는 화면간 예측인지 플래그를 전달받아 결정할 수 있다. 또한, 예측단위 별로 화면간 예측 또는 화면내 예측의 모드 정보를 전달받아 예측을 수행할 수 있다. 실시예에 따라 속성정보 복호화부(16006)는 생략될 수 있다. 포인트 클라우드 디코더(16000)는 복원된 기하정보와 복원된 속성정보를 기반으로 복원 PCC 데이터를 출력할 수 있다.
실시예들에 따른 속성정보 복호화부(16006)는 입력된 속성 비트스트림을 복호화하여 속성정보를 복원할 수 있다. 복원된 기하정보는 속성정보 복호화부(16006)로 입력 될 수 있다. 실시예들에 따른 속성정보 복호화부(16006)는 도11에서 설명한 아리스메틱 디코더(arithmetic decode, 11005), 역양자화부(inverse quantize, 11006), RAHT 변환부(11007), LOD생성부(generate LOD, 11008), 역리프팅부(inverse lifting, 11009) 및 역색변환부(inverse transform colors, 11010)의 동작을 수행할 수 있다. 또한 실시예들에 따른 속성정보 복호화부(16006)는 도 13에서 설명한 Arithmetic 디코더(13007), inverse 양자화 처리부(13008), 예측/리프팅/RAHT 역변환처리부(13009) 및 색상 역변환 처리부(13010)의 동작을 수행할 수 있다. 또한, 속성정보 복호화부(16006)은 도 39의 속성정보 복호화부(39000)와 대응할 수 있다.
한편, 전술한 포인트 클라우드 데이터 부호화 또는 복호화에 대하여, 예측 포인트를 기반으로 계산된 잔차(residual) 중 관련성이 높은 잔차를 선별하고, 양자화(quantization) 단위를 정의하며, 해당 잔차코딩유닛(residual coding unit)에 대해 양자화함으로써 정확도와 코딩 효율을 높일 수 있다. 포인트 예측은 화면간 예측(inter prediction)에서 사용되는 베스트모션벡터(Best motion vector)를 기반으로 수행될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송장치 또는 수신장치는 포인트 클라우드 데이터의 기하정보 또는 속성정보의 잔차정보에 특정 단위로 양자화를 수행할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 전송장치 또는 수신장치는 부호화 또는 복호화 시 양자화 과정에서 양자화 수행 단위, 슬라이스 또는 타일 등 노드의 대그룹 단위의 베이스 양자화 파라미터와 노드의 소그룹 단위의 양자화 파라미터의 오프셋 또는 차분값에 기반하여 양자화를 수행할 수 있다. 소그룹 단위의 양자화 파라미터는 대그룹 단위의 베이스 양자화 파라미터에 대한 오프셋 또는 차분값으로 전송되는 것이 유리하다.
또한, 실시예들에 따른 포인트 클라우드 데이터 전송장치 또는 수신장치는 잔차기하정보 단위를 정의할 수 있고, 기하정보의 특징에 기반하여 잔차정보를 처리할 수 있다. 또한, 잔차기하정보 단위로 잔차기하정보 단위 내외에 위치한 잔차정보에 대하여 특정 기준에 따라 삭제하거나 포함할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 전송장치 또는 수신장치는 잔차기하정보 단위로 엔트로피 변환 및 양자화를 수행할 수 있고, 잔차기하정보를 변환유닛 단위로 통합하여 변환종류 선택 및 변환할 수 있다. 즉, 잔차기하정보 단위로 계산된 잔차들을 다시 변환유닛 단위(잔차기하정보 단위와 같거나 더 큰 단위)로 통합한 후 변환할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 전송장치 또는 수신장치는 변환유닛을 통합하여 양자화 유닛으로 생성할 수 있다. 변환유닛을 통합함으로써, 복호화기로 전송할 양자화 파라미터의 수를 줄일 수 있다.
이하, 실시예들에 따른 포인트 클라우드 데이터 처리방법에서 잔차기하정보를 생성하는 과정을 설명한다. 실시예들에 따른 포인트 클라우드 데이터 처리방법은 실시예들에 따른 포인트 클라우드 데이터 전송장치 또는 수신장치에서 포인트 클라우드 데이터를 부호화 또는 복호화하는 방법을 의미할 수 있다.
잔차기하정보는 여러 방법으로 생성될 수 있으며, 실시예들에 따른 포인트 클라우드 데이터 처리방법에 따라 각각 노드예측모드, 직접코딩모드, 노드분할모드에서 잔차기하정보가 생성될 수 있다.
도 17은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 잔차기하정보 생성 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 데이터 전송장치(예를 들면 도 1, 도4 , 도 12, 도15, 도36, 도37에서 설명한 포인트 클라우드 인코더 또는 전송장치)는 잔차기하정보 생성부(17000)를 포함한다. 또한, 잔차기하정보 생성부(17000)는 기하정보 선별모듈(17002), 기하정보 차분모듈(17004)을 포함할 수 있다.
노드예측모드에서 잔차기하정보는 예측기하정보와 원본기하정보를 차분하여 생성될 수 있다. 예측기하정보는 기하정보 인터예측부(도 36, 36022) 또는 기하정보 인트라예측부(도 36, 36024)에서 생성될 수 있다. 원본기하정보는 실시예들에 따른 포인트 클라우드 데이터의 원본 지오메트리 정보를 의미할 수 있다. 예측기하정보는 화면내 예측(인트라 예측) 또는 화면간 예측(인터예측) 방법을 통해 예측된 지오메트리 정보를 의미할 수 있다. 화면내 예측은 같은 프레임에 해당하는 데이터를 사용한 예측을 의미하고, 화면간 예측은 다른 프레임에 해당하는 데이터를 기반으로 모션벡터를 사용하여 예측하는 것을 의미할 수 있다.
기하정보 선별모듈(17002)은 예측노드 안의 기하정보를 선별할 수 있다. 기하정보는 기하정보 선별단위로 삭제되어 선별될 수 있다. 기하정보 선별단위는 1x1x1이상의 크기일 수 있고, 기하정보 선별단위의 크기 또는 예측노드를 기하정보 선별단위로 분할하는 정보가 생성되어 실시예들에 따른 포인트 클라우드 데이터 수신장치로 전송될 수 있다.
도 18은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 기하정보 선별과정을 나타낸다. 기하정보 선별단위의 대표 기하정보와 가까운 n개의 원본기하정보의 대표 기하정보의 거리가 임의의 임계치보다 크면, 해당 기하정보 선별단위 내 모든 기하정보는 삭제될 수 있다. 원본 대표 기하정보는 현재노드(18002)의 원본기하정보의 중앙값, 평균값 또는 최빈값 등으로 지정될 수 있고, 예측노드(18004)에서 원본 대표 기하정보를 중심으로 임계치를 넘지않는 포인트들을 선별할 수 있다. 임계치는 미리 결정된 값으로 지정될 수 있다. 선별과정에서 삭제된 기하정보 선별단위의 인덱스는 실시예들에 따른 포인트 클라우드 데이터 수신장치로 전송될 수 있다. 즉, 예측기하정보의 삭제에 대한 정보는 실시예들에 따른 포인트 클라우드 데이터 수신장치로 전송될 수 있다.
도 18을 참조하면, 현재노드(18002)의 원본기하정보와 예측노드(18004)의 예측기하정보가 도시된다. 이때, 예측노드(18004)는 기하정보 선별단위(또는 예측포인트 선별단위)로 구분될 수 있고, 각각의 기하정보 선별단위에 대하여 인덱스가 지정될 수 있다. 따라서, 예측노드(18004)의 예측기하정보(또는 예측포인트)는 기하정보 선별단위로 삭제될 수 있다. 즉, 도 18에서 도시된 것처럼 인덱스가 0인 기하정보 선별단위의 예측기하정보는 삭제될 수 있다. 어떤 기하정보 선별단위에 속한 예측기하정보를 삭제할 것인지에 대하여, 삭제할 예측기하정보는 예측기하정보와 원본기하정보의 거리를 기반으로 결정될 수 있다. 또한, 예측기하정보를 삭제할 기하정보 선별단위는 예측기하정보와 원본기하정보의 대표값 사이의 거리를 기반으로 결정될 수 있다.
그 다음, 예측노드(18004)에서 삭제되지 않은 예측기하정보에 대하여 잔차기하정보를 생성할 수 있다. 이때, 예측노드(18004)는 잔차기하정보 생성단위로 구분될 수 있고, 각각의 잔차기하정보 생성단위에 대하여 인덱스가 지정될 수 있다.
한편, 기하정보 차분모듈(17004)은 기하정보가 존재하는 잔차기하정보 생성단위마다 잔차기하정보를 생성할 수 있다. 예측기하정보 및 예측기하정보와 가까운 m개의 원본기하정보의 대표 기하정보의 차이값이 최소가 되도록 잔차기하정보 생성단위 별 잔차기하정보를 생성할 수 있다. 잔차기하정보는 원본기하정보의 대표 기하정보와 예측기하정보의 차이가 최소가 되도록 잔차기하정보 생성단위 별 잔차대표 오프셋을 포함하고, 각 예측기하정보에 대한 포인트 별 잔차 오프셋을 포함할 수 있다. 하나의 잔차기하정보는 x, y, z축 값으로 구성될 수 있다. 도 18을 참조하면, 인덱스가 1, 3, 5, 7인 잔차기하정보 생성단위에 대하여 잔차기하정보가 생성될 것을 알 수 있다.
기하정보 선별모듈(17002)과 기하정보 차분모듈(17004)은 선택적으로 수행되거나 수행되는 순서가 변경될 수 있다. 잔차기하정보 생성부(17000), 기하정보 선별모듈(17002), 기하정보 차분모듈(17004)은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합과 대응할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송장치는 잔차기하정보를 생성함으로써 실시예들에 따른 포인트 클라우드 데이터 수신장치에 전송하는 비트의 크기를 줄일 수 있고, 부호화/복호화 효율을 증대할 수 있다. 또한, 화면간 예측 또는 화면내 예측이 사용되는 포인트 클라우드 데이터의 압축 또는 복원과정에서 잔차기하정보 생성을 지원할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 전송장치는 기하정보의 선별 및 잔차기하정보 생성단위에 기반한 잔차기하정보의 생성을 통해 비트스트림을 줄이고 포인트 클라우드 데이터의 압축 및 복원 효율을 더 높일 수 있다. 기하정보가 매우 밀집되어 꽉 찬 형태의 포인트 클라우드 데이터의 경우 예측기하정보를 선별하기 어려운 반면, 기하정보가 꽉 찬 형태가 아닌 포인트 클라우드 데이터는 예측기하정보의 예측과 선별을 통해 더 개선된 압축 성능을 확보할 수 있다.
도 19는 실시예들에 따른 포인트 클라우드 데이터 전송장치의 잔차기하정보 생성 과정을 나타낸다. 보다 상세하게는, 실시예들에 따른 포인트 클라우드 데이터의 직접코딩모드인 경우 잔차기하정보의 생성 과정을 나타낸다.
도 19를 참조하면, 실시예들에 따른 포인트 클라우드 데이터 전송장치는 현재노드(19002) 내 원본기하정보에 대하여 각각 예측기하정보를 차분하여 잔차기하정보를 생성할 수 있다. 포인트 직접코딩모드는 현재노드(19002) 내 하나 또는 그 이상의 포인트에 대하여, 포인트의 원본기하정보를 전송하거나 잔차기하정보를 전송할 수 있는 모드이다. 실시예들에 따른 인터 예측부(도 36, 36022) 또는 인트라 예측부(도 36, 36024)는 현재노드(19002) 내 원본기하정보에 대한 예측기하정보를 생성할 수 있고, 실시예들에 따른 기하정보 차분모듈(17004)는 원본기하정보와 예측기하정보를 차분함으로써 포인트 단위의 잔차기하정보를 생성할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 전송장치는 원본기하정보에 대하여 예측기하정보를 차분하여 잔차기하정보를 생성함으로써 실시예들에 따른 포인트 클라우드 데이터 수신장치에 전송하는 비트의 크기를 줄일 수 있고, 부호화/복호화 효율을 증대할 수 있다.
도 20은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 잔차기하정보 생성 과정을 나타낸다. 보다 상세하게는, 실시예들에 따른 포인트 클라우드 데이터의 노드분할모드인 경우, 잔차기하정보의 생성 과정을 나타낸다. 잔차기하정보는 잔차어큐판시 정보를 포함할 수 있다.
포인트 클라우드 데이터 전송장치는 현재노드(20002)가 분할되어 생성된 자식노드(20004)의 어큐판시(occupancy) 정보를 기반으로 잔차어큐판시를 생성할 수 있다. 어큐판시 정보는 노드가 포인트 클라우드 데이터를 포함하는지 여부에 따라 0 또는 1로 표현되어지는 정보이다. 어큐판시 정보는 현재노드(20002)의 분할모드에 따라 생성되는 자식노드(20004)의 개수만큼 존재할 수 있다. 예를 들어, 어큐판시 정보에서 포인트 클라우드 데이터를 포함하는 자식노드(20004)는 1이고, 포함하지 않는 자식노드(20004)는 0으로 표현될 수 있다. 원본어큐판시 정보는 노드가 원본기하정보를 포함하는지 여부에 따라 산출되는 어큐판시 정보이고, 예측어큐판시 정보는 노드가 예측기하정보를 포함하는지 여부에 따라 산출되는 어큐판시 정보이다. 실시예들에 따른 인터 예측부(도 36, 36022) 또는 인트라 예측부(도 36, 36024)는 예측기하정보에 기반하여 예측어큐판시 정보를 생성할 수 있다. 잔차어큐판시 정보는 원본어큐판시 정보와 예측어큐판시 정보를 차분하거나 비트연산을 수행하여 생성될 수 있다. 비트연산은 and, or, xor 등의 연산을 포함할 수 있다.
도 20을 참조하면, 현재노드(20002)가 옥트리 구조로 분할되어 8개의 자식노드(20004)가 생성되고, 원본어큐판시 정보와 예측어큐판시 정보를 xor 연산하여 잔차어큐판시 정보를 생성하는 예시가 도시되어 있다. 원본어큐판시 정보와 예측어큐판시 정보의 연산에 대한 정보는 실시예들에 따른 수신장치에 전달될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송장치는 원본어큐판시 정보와 예측어큐판시 정보를 기반으로 잔차어큐판시 정보를 생성함으로써 다양한 잔차기하정보 활용을 지원할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 전송장치는 잔차어큐판시 정보를 생성함으로써 실시예들에 따른 포인트 클라우드 데이터 수신장치에 전송하는 비트의 크기를 줄일 수 있고, 부호화/복호화 효율을 증대할 수 있다.
한편, 실시예들에 따른 포인트 클라우드 데이터 전송장치는 잔차기하정보를 변환하거나 잔차기하정보에 대하여 양자화를 수행할 수 있다. 보다 상세하게는, 실시예들에 따른 잔차기하정보 변환양자화부(도 36, 36008)는 잔차기하정보를 변환하거나 잔차기하정보에 대하여 양자화를 수행할 수 있다.
도 21은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 잔차기하정보 변환 또는 양자화 과정의 예시를 나타낸다. 실시예들에 따른 포인트 클라우드 데이터 전송장치는 변환유닛 및 변환방법 선택모듈(21002), 변환 수행모듈(21004), 양자화유닛 및 양자화파라미터 선택모듈(21006) 및/또는 양자화 수행모듈(21008)을 포함할 수 있고, 양자화 레벨유닛을 출력할 수 있다. 각 구성요소에 의하여 잔차기하정보의 변환 또는 양자화 과정이 수행될 수 있으며, 각 구성요소의 동작은 생략되거나 그 순서가 변경될 수 있다.
변환유닛 및 변환방법 선택모듈(21002)은 실시예들에 따른 잔차기하정보 생성부(도 17 설명 참조)에서 생성한 잔차기하정보를 기반으로 잔차기하정보의 변환유닛과 변환방법을 선택할 수 있다.
도 22는 실시예들에 따른 변환유닛 및 변환방법 선택모듈(21002)의 동작을 나타낸다. 실시예들에 따른 변환유닛 및 변환방법 선택모듈(21002)은 변환유닛 선택모듈(22002)와 변환방법 선택모듈(22004)를 포함한다.
변환유닛 선택모듈(22002)은, 실시예들에 따른 잔차기하정보 생성부(도 17)로부터 n * d개의 잔차기하정보를 전달받을 수 있다. 이때, n은 잔차기하정보 개수, d는 잔차기하정보의 차원의 수를 의미할 수 있다. 변환유닛 선택모듈은 현재노드를 변환서브노드로 분할하고 각 변환서브노드 영역에 포함되는 잔차기하정보를 그룹핑하여 잔차기하정보 그룹으로 지정할 수 있다. 이때, 변환서브노드는 잔차기하정보 생성단위를 적어도 한 개 이상 포함하는 직육면체일 수 있다. 변환서브노드에 대한 정보로서, 변환서브노드의 각 축에 대한 잔차기하정보 생성단위의 개수가 실시예들에 따른 포인트 클라우드 데이터 수신장치로 전송될 수 있다. 또한, 현재노드의 각 축을 분할하는 길이 또는 비율의 정보가 실시예들에 따른 포인트 클라우드 데이터 수신장치로 전송될 수 있다. 또한, 현재노드를 트리구조(쿼드트리, 바이너리트리, 트리플트리, 옥트리 등)를 이용하여 분할하는 방법에 대한 정보가 실시예들에 따른 포인트 클라우드 데이터 수신장치로 전송될 수 있다. 변환유닛 선택모듈(22002)은 잔차기하정보 그룹의 한 개 또는 다수개의 축에 대한 잔차값들을 그룹핑하여 m차원으로 재구성함으로써 변환유닛을 생성할 수 있다.
변환방법 선택모듈(22004)은 변환유닛 선택모듈에서 생성된 각 변환유닛에 대하여 변환방법을 선택하고 변환방법에 대한 정보를 실시예들에 따른 포인트 클라우드 데이터 수신장치로 전송할 수 있다. 변환 방법의 종류는 DCT, DST, SADCT, RAHT 등을 포함할 수 있다.
도 21에서 변환 수행모듈(21004)은 변환유닛 및 변환방법 선택모듈(21002)에서 결정된 변환유닛 단위로 변환을 수행하여 변환계수유닛을 생성할 수 있다.
도 23은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 잔차기하정보 변환 예시를 나타낸다. 도 23을 참조하면, 적어도 하나 이상의 잔차기하정보 생성단위가 하나의 변환서브노드로 그룹핑되고, 변환서브노드 단위로 그룹핑된 잔차기하정보가 DCT 변환되는 과정이 나타난다. 도 23에서 변환서브노드는 잔차기하정보 생성단위 8개로 구성되고, 그룹핑된 잔차기하정보 그룹에서 각 축에 대한 정보가 2차원 매트릭스로 재구성되어 변환유닛이 생성된다. 그리고, 2차원 매트릭스인 변환유닛을 DCT 변환하면 변환계수유닛이 생성된다.
도 24는 실시예들에 따른 포인트 클라우드 데이터 전송장치의 양자화 과정의 예시를 나타낸다. 실시예들에 따른 포인트 클라우드 데이터 전송장치는 양자화유닛 선택모듈(24002), 예측양자화파라미터 선택모듈(24004), 잔차양자화파라미터 유도모듈(24006) 및/또는 양자화 수행모듈(24008)을 포함할 수 있다.
양자화유닛 선택모듈(24002)은 현재노드를 양자화서브노드로 분할하여 양자화서브노드 영역에 포함된 변환유닛을 그룹핑함으로써 양자화유닛을 생성할 수 있다.
도 25는 실시예들에 따른 양자화유닛 선택모듈(24002)에서 양자화유닛을 생성하는 예시를 나타낸다. 도 25를 참조하면, 양자화서브노드는 현재노드 영역의 일부 또는 전부일 수 있고, 하나 또는 그 이상의 변환서브노드를 포함할 수 있다. 양자화유닛은 양자화서브노드 영역에 포함된 변환유닛이 그룹핑되어 생성될 수 있다. 실시예들에 따른 양자화유닛 선택모듈(24002)은 양자화유닛의 크기, 위치 등을 정의하여 양자화유닛을 생성할 수 있다.
한편, 양자화서브노드가 하나 또는 그 이상의 변환서브노드를 포함하는 경우, 양자화서브노드의 각 축의 길이 또는 각 축에 대한 변환서브노드 개수의 정보, 현재노드를 양자화서브노드로 분할하기 위한 각 축의 분할 뎁스(Depth) 정보 또는 현재노드를 양자화서브노드로 분할하기 위한 특정 트리구조(옥트리, 쿼드트리, 바이너리트리 등)에 대한 정보를 실시예들에 따른 포인트 클라우드 데이터 수신장치에 전달할 수 있다. 즉, 현재노드를 양자화서브노드로 분할하는 방법에 대한 정보는 실시예들에 따른 포인트 클라우드 데이터 수신장치에 전달될 수 있다.
도 26은 실시예들에 따른 예측양자화파라미터 선택모듈(24004)과 잔차양자화파라미터 유도모듈(24006)의 동작을 설명하기 위해 도시한 것이다.
예측양자화파라미터 선택모듈(24004)은 양자화파라미터 선택부에서 결정한 주변부의 양자화파라미터를 기반으로 해당 양자화서브노드에 대한 예측양자화파라미터를 선택할 수 있다. 또한, 예측양자화파라미터 선택모듈(24004)은 양자화서브노드 단위로 예측양자화파라미터를 선택할 수 있다. 예측양자화파라미터 선택모듈(24004)은 하나 또는 그 이상의 예측양자화파라미터 후보를 리스트로 구성하고, 리스트에서 예측양자화파라미터를 선택한 뒤, 선택한 예측양자화파라미터의 인덱스를 전송할 수 있다. 특정 양자화서브노드에 대한 예측양자화파라미터 후보는 주변부의 양자화서브노드에 해당하는 양자화파라미터를 포함할 수 있다. 또한, 예측양자화파라미터 후보는 주변부의 양자화서브노드의 양자화파라미터들을 가중합산하여 유도한 값을 포함할 수 있다. 즉, 예측양자화파라미터 후보는 주변부 양자화파라미터를 기반으로 구성될 수 있다. 한편, 양자화파라미터를 참조할 주변부의 양자화서브노드가 존재하지 않는 경우, 슬라이스, 타일, 프레임 등의 단위로 선정된 양자화파라미터가 예측양자화파라미터 후보로 사용될 수 있다.
잔차양자화파라미터 유도모듈(24006)은 양자화파라미터와 예측양자화파라미터를 차분하여 잔차양자화파라미터를 생성하고, 잔차양자화파라미터는 실시예들에 따른 포인트 클라우드 데이터 수신장치로 전송될 수 있다.
도 26에서 predQP1, predQP2는 해당 양자화서브노드에 대한 예측양자화파라미터이고, QP_A, QP_B, QP_C는 해당 양자화서브노드의 주변부에 대해 미리 결정된 양자화파라미터이다. 또한, deltaQP1, deltaQP2는 잔차양자화파라미터이다. 도 26을 참조하면, 예측양자화파라미터는 해당 양자화서브노드의 주변부의 양자화파라미터를 기반으로 생성될 수 있고, 잔차양자화파라미터는 양자화파라미터와 예측양자화파라미터의 차분값으로 생성될 수 있다.
양자화 수행모듈(24008)은 양자화유닛 단위로 양자화파라미터를 사용하여 양자화를 수행하고, 양자화 레벨을 생성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송장치는 양자화파라미터와 예측양자화파라미터를 기반으로 잔차양자화파라미터를 생성함으로써 양자화파라미터에 대한 정보를 효율적으로 전송할 수 있다. 즉, 실시예들에 따른 포인트 클라우드 데이터 전송장치는 잔차양자화파라미터를 생성함으로써 실시예들에 따른 포인트 클라우드 데이터 수신장치에 전송하는 비트의 크기를 줄일 수 있고, 부호화/복호화 효율을 증대할 수 있다.
이하, 실시예들에 따른 포인트 클라우드 데이터 처리 방법에 관련하여 잔차기하 정보의 복원에 관한 내용을 설명한다.
도 27은 실시예들에 따른 포인트 클라우드 데이터의 역양자화 및 역변환 과정을 도시한다. 실시예들에 따른 포인트 클라우드 데이터 수신장치는 역양자화유닛 및 역양자화파라미터 유도모듈(27002), 역양자화 수행모듈(27004), 역변환유닛 및 역변환방법 유도모듈(27006) 또는 역변환 수행모듈(27008)을 포함할 수 있다. 보다 상세하게는, 잔차기하정보 역변환역양자화부(도 38, 38006)에서 도 27에 도시된 과정을 수행할 수 있다.
또한, 실시예들에 따른 포인트 클라우드 데이터 전송장치는 역양자화유닛 및 역양자화파라미터 유도모듈(27002), 역양자화 수행모듈(27004), 역변환유닛 및 역변환방법 유도모듈(27006) 또는 역변환 수행모듈(27008)을 포함할 수 있다. 보다 상세하게는, 잔차기하정보 역변환역양자화부(도 36, 36012)에서 도 27에 도시된 과정을 수행할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 전송장치는 속성정보 부호화를 위한 기하정보의 복원과정에서 역양자화 또는 역변환을 수행할 수 있다.
실시예들에 따른 잔차기하정보 역변환역양자화부(도 36, 도 38의 잔차기하정보 역변환역양자화부)는 포인트 클라우드 데이터의 코딩모드가 노드예측모드인 경우, 엔트로피 복호화된 잔차기하정보에 역변환 또는 역양자화를 수행하여 복원된 잔차기하정보를 생성할 수 있다. 실시예들에 따른 잔차기하정보 역변환역양자화부(도 36, 도 38의 잔차기하정보 역변환역양자화부)는 역양자화유닛 및 역양자화파라미터 유도모듈(27002), 역양자화 수행모듈(27004), 역변환유닛 및 역변환방법 유도모듈(27006), 역변환 수행모듈(27008), 예측기하정보 생성부, 복원기하정보 생성부를 포함할 수 있다. 이때, 각각의 구성들이 동작하는 단계는 생략되거나, 순서가 변경될 수 있다.
실시예들에 따른 잔차기하정보 역변환역양자화부(도 36, 도 38의 잔차기하정보 역변환역양자화부)는 역양자화 및 역변환을 수행하여 복원잔차기하정보를 생성하고, 예측기하정보 생성부에서 생성한 예측기하정보를 복원잔차기하정보와 합산하여 복원기하정보를 생성할 수 있다. 실시예들에 따른 구성요소들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응될 수 있다.
도 28은 실시예들에 따른 역양자화유닛 및 역양자화파라미터 유도모듈의 동작 과정을 도시한다. 역양자화유닛 및 역양자화파라미터 유도모듈(27002)은 역양자화단위 유도모듈(28002), 예측양자화파라미터 유도모듈(28004), 잔차양자화파라미터 유도모듈(28006) 또는 양자화파라미터 유도모듈(28008)을 포함한다.
역양자화단위 유도모듈(28002)는 현재노드를 양자화서브노드로 분할하는 방법에 대한 정보와 양자화서브노드를 양자화유닛으로 분할하는 방법에 대한 정보를 파싱하여 양자화유닛을 유도할 수 있다. 역양자화단위 유도모듈(28002)은 현재노드를 분할하는지 여부에 대한 정보를 파싱하여 분할을 수행하거나 수행하지 않을 수 있다. 분할을 수행하는 경우 분할타입을 파싱할 수 있다. 분할타입이 트리구조일 경우, 재귀적으로 트리타입을 파싱할 수 있고, 분할타입이 격자분할일 경우 각 축에 대한 분할개수 및 분할길이를 파싱하여 역양자화서브노드를 유도할 수 있다. 양자화서브노드에 포함되는 양자화된 잔차기하정보 그룹이 역양자화단위이고 역양자화단위로 역양자화가 수행될 수 있다. 역양자화서브노드는 양자화서브노드와 사실상 같으며, 역양자화 과정이 수행되는 서브노드이므로 양자화서브노드와 구별하기 위해 역양자화서브노드로 표현한 것이다.
예측양자화파라미터 유도모듈(28004)은 양자화유닛 단위로 예측양자화파라미터를 유도할 수 있다. 각 양자화유닛 단위로 예측양자화파라미터 유도 단위에 인접한 복원된 영역의 하나 또는 그 이상의 참조 양자화파라미터들로부터 예측양자화파라미터 후보 리스트를 구성할 수 있다. 예측양자화파라미터 유도모듈(28004)은 전달받은 예측양자화파라미터 인덱스를 기반으로 리스트에서 하나 또는 그 이상의 예측양자화파라미터를 선택할 수 있고, 역양자화서브노드와의 거리를 기반으로 선택된 예측양자화파라미터를 가중 합산하여 최종 예측양자화파라미터를 유도할 수 있다. 각 양자화유닛의 참조 가능 영역 리스트는 실시예들에 따른 포인트 클라우드 데이터 전송장치와 동일한 방법으로 구성될 수 있다. 참조 가능 영역이 존재하지 않는 경우 슬라이스, 타일, 픽쳐 등의 단위로 전송하는 베이스 양자화파라미터를 최종 예측양자화파라미터로 지정할 수 있다.
잔차양자화파라미터 유도모듈(28006)은 양자화유닛 단위로 잔차양자화파라미터를 파싱할 수 있다. 양자화파라미터 유도모듈(28008)은 예측양자화파라미터와 잔차양자화파라미터를 합산하여 양자화파라미터를 생성할 수 있다.
한편, 도 27의 역양자화 수행모듈(27004)은 양자화유닛 단위로 양자화파라미터 유도모듈(28008)에서 유도한 양자화파라미터를 이용하여 역양자화를 수행하고, 현재노드의 변환계수들을 생성할 수 있다.
도 27의 역변환유닛 및 역변환방법 유도모듈(27006)은 역양자화 수행모듈(27004)에서 출력한 잔차기하정보의 변환계수들을 역변환유닛으로 그룹핑하고, 각 역변환유닛의 역변환방법을 유도할 수 있다.
도 29는 실시예들에 따른 역변환유닛 및 역변환방법 유도모듈(27006)의 역변환 과정을 도시한다. 역변환유닛 및 역변환방법 유도모듈(27006)은 역변환유닛 단위로 역변환을 수행하여 복원잔차기하정보를 출력할 수 있다.
실시예들에 따른 역변환유닛 및 역변환방법 유도모듈(27006)은 역변환유닛 유도모듈(29002), 역변환방법 유도모듈(29004), 역변환 수행모듈(29006)을 포함한다.
역변환유닛 유도모듈(29002)은 현재노드를 역변환서브노드로 분할하는 방법을 파싱할 수 있다. 역변환유닛 유도모듈(29002)은 역변환서브노드로 분할하는지 여부에 대한 정보를 파싱하고, 분할하는 경우 현재노드를 역변환서브노드로 분할하기 위한 분할타입에 대한 정보를 파싱할 수 있다. 이때, 분할타입이 트리구조인 경우 재귀적으로 트리타입을 파싱하여 분할할 수 있고, 분할타입이 격자분할일 경우 각 축에 대한 분할개수 및 분할길이를 파싱하여 역변환서브노드를 유도할 수 있다. 또한, 역변환유닛 유도모듈(29002)은 역변환서브노드에 포함되는 변환계수들 중, 각 축에 대한 변환계수값들을 매트릭스로 재구성하여 하나 또는 그 이상의 역변환유닛을 생성할 수 있다. 또한, 역변환유닛 유도모듈(29002)은 역변환유닛의 모양에 대한 정보를 파싱하고 이를 이용하여 역변환유닛을 재구성할 수 있다.
역변환방법 유도모듈(29004)은 역변환유닛 단위로 역변환 방법에 대한 정보를 파싱할 수 있다. 역변환 수행모듈(29006)은 역변환유닛 단위로 역변환을 수행하여 현재노드에 대한 복원잔차기하정보를 생성할 수 있다. 또한, 역변환 수행모듈(29006)은 역변환서브노드단위로 분할되어 있는 복원잔차기하정보를 현재노드의 포인트 스캔순서로 정렬할 수 있다.
이하, 실시예들에 따른 포인트 클라우드 데이터 처리 방법에 관련하여 복원기하정보 생성 과정을 설명한다.
도 30 및 도 31은 실시예들에 따른 복원기하정보의 생성 과정을 설명하기 위해 도시한 것이다.
복원기하정보는 예측기하정보 생성부(예를 들어, 도36및 38의 기하정보 인트라/인터 예측부)에서 생성한 예측기하정보에 복원된 잔차기하정보를 합산하여 복원기하정보를 생성할 수 있다. 실시예들에 따른 복원기하정보의 생성은 기하정보 선별모듈(30002), 잔차기하정보 합산모듈(30004)의 동작에 의하여 수행될 수 있고, 각 구성의 순서는 바뀌거나 생략될 수 있다.
기하정보 선별모듈(30002)은 예측노드 내 하나 또는 그 이상의 기하정보를 선별하여 삭제할 수 있다. 기하정보 선별모듈(30002)은 예측노드를 기하정보 선별단위 (또는 예측포인트선별단위)로 분할하여 기하정보 선별단위로 예측기하정보를 삭제할 수 있다. 기하정보 선별모듈(30002)은 기하정보 선별단위 분할방법에 관한 정보를 파싱할 수 있다. 또한, 기하정보 선별모듈(30002)은 분할방법에 따라 기하정보 선별단위 모양에 관한 정보를 파싱할 수 있다. 기하정보 선별단위의 모양은 n * m * l일 수 있고, 이때 n, m, l은 각각 1 이상의 값일 수 있다. 기하정보 선별모듈(30002)은 기하정보 선별단위 분할방법의 분할타입이 트리구조일 경우 재귀적으로 트리타입 정보를 파싱할 수 있고, 분할타입이 격자분할일 경우 각 축에 대한 분할개수 및 분할길이 정보를 파싱하여 기하정보 선별단위를 유도할 수 있다. 또한, 기하정보 선별모듈(30002)은 예측기하정보(또는 예측포인트)를 삭제할 기하정보 선별단위의 개수와 인덱스 정보를 파싱할 수 있다. 즉 기하정보 선별모듈(30002)는 예측기하정보의 삭제에 대한 정보를 파싱할 수 있다. 또한, 기하정보 선별모듈(30002)은 예측노드의 서브예측노드를 기준으로 예측기하정보를 삭제할 수 있다. 서브예측노드는 인덱스가 지정되므로 파싱된 인덱스에 기반하여 서브예측노드 단위로 예측기하정보를 삭제할 수 있다.
잔차기하정보 합산모듈(30004)은 예측기하정보에 잔차기하정보를 합산하여 복원기하정보를 생성할 수 있다. 잔차기하정보 합산모듈(30004)은 예측노드를 잔차기하정보 합산단위로 분할할 수 있고 분할타입을 파싱할 수 있다. 잔차기하정보 합산단위 크기는 n * m * l 일 수 있고, 이때 n, m, l은 각각 1 이상의 값일 수 있다. 잔차기하정보 합산모듈(30004)은 잔차기하정보 합산단위의 크기 또는 잔차기하정보 합산단위 분할에 관한 정보를 파싱할 수 있고, 이를 기반으로 분할을 수행할 수 있다. 분할타입이 트리구조일 경우 재귀적으로 트리타입 정보를 파싱할 수 있고, 분할타입이 격자분할일 경우 각 축에 대한 분할개수 및 분할길이 정보를 파싱하여 잔차기하정보 합산단위를 유도할 수 있다.
도 31에서 도시한 것과 같이, 하나의 잔차기하정보 합산단위 내 모든 포인트들에 대하여 동일한 잔차기하정보 값이 합산되어 복원기하정보가 출력될 수 있다. 잔차기하정보는 역변환 수행모듈(29006)에서 출력될 수 있고 x, y, z축의 잔차 값으로 구성될 수 있다.
도 32는 실시예들에 따른 부호화된 포인트 클라우드 데이터(비트스트림)의 예시를 나타낸다. 비트스트림은 부호화된 기하정보(지오메트리)와 부호화된 속성정보(어트리뷰트) 및 파라미터 정보를 포함하며, 실시예들에 따른 포인트 클라우드 데이터 전송장치(예를 들면 도 1, 도 4, 도 12, 도 15, 도 36, 도 37에서 설명한 포인트 클라우드 인코더 또는 전송장치)에서 생성될 수 있다. 실시예들에 따른 포인트 클라우드 데이터 전송장치는 도 1 내지 도 31에서 설명한 잔차기하정보의 생성, 양자화 및 역양자화, 변환 및 역변환 과정 등에 관련한 정보를 실시예들에 따른 포인트 클라우드 데이터 수신장치에 비트스트림으로 전달할 수 있다.
도 32를 참조하면, 실시예들에 따른 파라미터에 대한 정보는 시퀀스 파라미터 세트(sequence parameter set)에 정보의 전부 또는 일부가 정의될 수 있고, 타일 파라미터 세트(tile parameter set)에 각 정보가 정의될 수 있으며, 별도의 지오메트리노드 파라미터 세트(geometrynode parameter set)를 정의하여 기존의 구조에 종속적이거나 독립적으로 동작하게 할 수 있다. 또한, 어플리케이션, 시스템에 따라 상응하는 위치 또는 별도의 위치에 정의되어 적용 범위 및 방법 등이 다르게 설정될 수 있다. 또한, 정의된 신택스 요소(syntax element)가 포인트 클라우드 데이터 스트림(point cloud data stream) 뿐만 아니라 복수의 포인트 클라우드 데이터 스트림(point cloud data stream)에 적용될 수 있는 경우, 관련 정보는 상위 개념의 파라미터 세트(parameter set) 등에 포함되어 실시예들에 따른 수신장치에 전달될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 인코딩(20001) 과정에서 포인트 클라우드 데이터를 부호화하고, 실시예들에 따른 트랜스미터(10003)는 부호화된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신장치(10004)에 전송할 수 있다.
실시예들에 따른 부호화된 포인트 클라우드 데이터(비트스트림)는 도 1의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도 4의 인코더, 도 12의 전송장치, 도 14의 XR디바이스(1430), 도 15, 도36 또는 도37의 포인트 클라우드 인코더 및/또는 하나 이상의 메모리들과 통신가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 생성될 수 있다.
또한, 실시예들에 따른 부호화된 포인트 클라우드 데이터(비트스트림)는 도 1의 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20003), 도 11의 디코더, 도 13의 수신장치, 도 14의 XR디바이스(1430), 도 16, 도 38 또는 도 39의 포인트 클라우드 디코더 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 디코딩될 수 있다.
도 32에서 도시된 약어의 뜻은 다음과 같다.
SPS: 시퀀스 파라미터 세트(Sequence Parameter Set)
GPS: 지오메트리 파라미터 세트(Geometry Parameter Set)
APS: 어트리뷰트 파라미터 세트(Attribute Parameter Set)
TPS: 타일 파라미터세트(Tile Parameter Set)
Geom: 지오메트리 비트스트림(Geometry bitstream) = 지오메트리 슬라이스 헤더(geometry slice header)+ 지오메트리 슬라이스 데이터(geometry slice data)
Attr: 어트리뷰트 비트스트림(Attribute bitstream) = 어트리뷰트 브릭 헤더(attribute brick header) + 어트리뷰트 브릭 데이터(attribute brick data)
한편, 실시예들에 따른 파라미터(메타데이터, 시그널링 정보 등 다양하게 호칭 가능함)는 실시예들에 따른 전송장치(도1, 도4, 도12, 도14, 도15, 도36, 도 37)의 데이터 처리 과정에서 생성될 수 있고, 실시예들에 따른 수신장치(도1, 도11, 도13, 도14, 도16, 도38, 도39)에 전달되어 포인트 클라우드 데이터 복원 과정에 이용될 수 있다. 예를 들어, 실시예들에 따른 파라미터는 실시예들에 따른 전송장치의 메타데이터 처리부(또는 메타데이터 제너레이터)에서 생성되고, 실시예들에 따른 수신장치의 메타데이터 파서에서 획득될 수 있다.
도 33은 실시예들에 따른 시퀀스 파라미터 세트(Sequence Parameter Set)의 신택스(Syntax) 예시를 나타낸다. 잔차코딩(Residual coding) 유무를 시그널링 하기 위한 플래그(flag)는 시퀀스 파라미터 세트에 정의될 수 있다.
잔차코딩플래그(Residual_coding_flag)는 단순 잔차정보를 전달하는 것이 아니라 변환단위에 따라 다른 잔차정보 처리방법을 적용하는 경우, 트루(true)가 시그널링(signaling) 될 수 있다. (잔차코딩플래그(residual_coding_flag)가 1이면 변환단위로 잔차코딩(residual coding), 0이면 단순 잔차정보를 시그널링하거나 베스트모션벡터(best motion vector)를 시그널링한다.)
도 34는 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set)의 신택스(Syntax) 예시를 나타낸다. 잔차기하정보는 타일 파라미터 세트에 정의되어 시그널링 될 수 있다.
지오메트리노드ID(geometryNodeID)는 잔차기하정보의 잔차코딩플래그(Residual_coding_flag)가 1인 경우 기하정보노드 단위로 잔차정보 처리가 되며 해당 지오메트리 노드(geometry Node)의 ID가 시그널링 될 수 있다.
도 35a 내지 도35c는 실시예들에 따른 지오메트리노드(GeometryNode)의 신택스(Syntax) 예시를 나타낸다. 잔차기하정보는 지오메트리노드(GeometryNode)에 정의되어 시그널링 될 수 있다.
지오메트리노드는 지오메트리 파라미터 세트(Geometry Parameter Set)의 하위 레벨로서, 지오메트리 파라미터 세트를 참조하는 지오메트리 데이터 유닛(geometry_data_unit)에 포함될 수 있다. 지오메트리 데이터 유닛은 슬라이스 헤더(slice header)와 그 안에 포함될 데이터를 묶어준다. 즉, 지오메트리 데이터 유닛은 도 32의 Geom_slice_header 및 Geom_slice_data를 포함하는 유닛으로 이해될 수 있다. 지오메트리노드에 포함된 신택스들은 도 17의 잔차기하정보 생성부(17000) 또는 도 36의 잔차기하정보 변환양자화부(36008)에서 생성되어 비트스트림으로 실시예들에 따른 수신장치에 전달될 수 있다.
스플릿레지듀얼유닛타입(split_residual_unit_type)은 잔차기하정보 합산단위 분할 방법을 나타낸다. (0000은 격자분할, 0001은 트리분할, 0010은 축 분할을 나타낼 수 있다. 0011 내지 1111은 추후 사용을 위해 남겨질 수 있다.)
넘버스플릿액시스레지듀얼(num_split_axis_residual [ i ])은 분할타입이 격자분할인 경우 각 축에 대한 분할개수를 나타낼 수 있다.
렝스스플릿액시스레지듀얼(length_split_axis_residual [j])은 분할타입이 격자분할인 경우, 각 축에 대한 분할길이를 나타낼 수 있다.
타입오브트리레지듀얼(type_of_tree_residual)은 분할타입이 트리구조인 경우, 분할 트리의 타입을 나타낼 수 있다.(0000은 옥트리, 0001은 쿼드트리, 0010은 바이너리 트리를 나타낼 수 있다. 0011 내지 1111은 추후 사용을 위해 남겨질 수 있다.)
x축스플릿렝스레지듀얼(x_axis_split_length_residual)은 잔차기하정보 합산단위의 x축 길이를 나타낸다.
y축스플릿렝스레지듀얼(y_axis_split_length_residual)은 잔차기하정보 합산단위의 y축 길이를 나타낸다.
z축스플릿렝스레지듀얼(z_axis_split_length_residual)은 잔차기하정보 합산단위의 z축 길이를 나타낸다.
스플릿포인트델리트유닛타입(split_point_delete_unit_type)은 예측포인트선별단위 분할 방법을 나타낸다.(0000은 격자분할, 0001은 트리분할, 0010은 축 분할을 나타낼 수 있다. 0011 내지 1111은 추후 사용을 위해 남겨질 수 있다.)
넘버스플릿액시스포인트델(num_split_axis_pointdel[ i ])은 분할타입이 격자분할인 경우, 각 축(x축, y축, z축)에 대한 분할개수를 나타낸다.
렝스스플릿액시스포인트델(length_split_axis_pointdel [j])은 분할타입이 격자분할인 경우, 각 축(x축, y축, z축)에 대한 분할된 길이를 나타낸다.
타입오브트리포인트델(type_of_tree_pointdel)은 분할타입이 트리구조인 경우, 분할 트리타입을 나타낸다. (0000은 옥트리, 0001은 쿼드트리, 0010은 바이너리트리를 나타낼 수 있다. 0011 내지 1111은 추후 사용을 위해 남겨질 수 있다.)
x축스플릿렝스포인트델(x_axis_split_length_pointdel)은 예측포인트선별단위(또는 기하정보 선별단위)의 x축 길이를 나타낸다.
y축스플릿렝스포인트델(y_axis_split_length_pointdel)은 예측포인트선별단위(또는 기하정보 선별단위)의 y축 길이를 나타낸다.
z축스플릿렝스포인트델(z_axis_split_length_pointdel)은 예측포인트선별단위(또는 기하정보 선별단위)의 z축 길이를 나타낸다.
넘버델리트유닛(num_delete_unit)은 삭제되는 예측포인트선별단위(또는 기하정보 선별단위)의 개수를 나타낸다.
델리트유닛인덱스(delete_unit_idx)는 삭제되는 예측포인트선별단위(또는 기하정보 선별단위)의 인덱스를 나타낸다.
이즈스플릿트랜스서브노드(is_split_trans_subnode)는 기하정보 노드(또는 현재노드)를 역변환서브노드로 분할하는지 여부를 나타내는 플래그(flag)로서, 0이면 역변환서브노드로 분할하지 않고, 1이면 역변환서브노드로 분할하는 것을 나타낸다.
스플릿트랜스서브노드타입(split_trans_subnode_type)은 기하정보 노드(또는 현재노드)를 역변환서브노드로의 분할할 때 분할타입을 나타낼 수 있다. 0이면 격자분할, 1이면 트리분할을 나타낸다.(0000은 격자분할, 0001은 트리분할을 나타낸다. 0010 내지 1111은 추후 사용을 위해 남겨질 수 있다.)
넘버스플릿액시스(num_split_axis [i])는 분할타입이 격자분할인 경우(split_invtrans_subnode_type ==0), 각 축에 대한 분할개수를 나타낼 수 있다.
렝스스플릿액시스(length_split_axis [j])는 분할타입이 격자분할인 경우 (split_invtrans_subnode_type ==0), 각 축에 대한 분할된 길이들을 나타낼 수 있다.
타입오브트리스플릿(type_of_tree_split)은 분할타입이 트리구조인 경우 (split_invtrans_subnode_type ==1), 분할 트리 타입을 나타낼 수 있다. (0000은 옥트리, 0001은 쿼드트리, 0010은 바이너리트리를 나타낼 수 있다. 0011 내지 1111은 추후 사용을 위해 남겨질 수 있다.)
트랜스타입(trans_type[i])은 변환서브노드 내 변환유닛들에 대한 변환 타입을 나타낼 수 있다. (0000은 DCT, 0001은 DST, 0010은 SADCT, 0011은 RATH 변환을 나타낼 수 있다. 0100 내지 1111은 추후 사용을 위해 날겨질 수 있다.)
너비변환유닛(width_trans_unit)은 변환서브노드 내 잔차 정보들을 각 축에 대한 정보 단위 변환유닛으로 구성할 때, 변환유닛의 너비를 나타낸다.
높이변환유닛(height_trans_unit)은 변환서브노드 내 잔차 정보들을 각 축에 대한 정보 단위 변환유닛으로 구성할 때, 변환유닛의 높이를 나타낸다.
이즈스플릿퀀트서브노드(is_split_quant_subnode)는 기하정보 노드(또는 현재노드)를 양자화서브노드로 분할하는지 여부를 나타내는 플래그(flag)로서, 0이면 양자화서브 노드로 분할하지 않고, 1이면 양자화서브노드로 분할하는 것을 나타낸다.
스플릿퀀트서브노드타입(split_quant_subnode_type) 기하정보 노드(또는 현재노드)를 양자화서브노드로의 분할할 때 분할 타입을 나타낼 수 있다. 0이면 격자분할, 1이면 트리 분할을 나타낼 수 있다.(0000은 격자분할, 0001은 트리분할을 나타내고, 0010 내지 1111은 추후 사용을 위해 남겨질 수 있다.)
넘버퀀트액시스(num_quant_axis [i])는 분할타입이 격자분할인 경우(split_quant_subnode_type==0), 각 축에 대한 분할개수를 나타낸다.
렝스퀀트액시스(length_quant_axis [i])는 분할타입이 격자분할인 경우(split_quant_subnode_type==0), 각 축에 대해 분할된 길이들을 나타낸다.
타입오브트리퀀트(type_of_tree_quant)는 분할타입이 트리구조인 경우 (split_quant_subnode_type==1), 분할 트리 타입을 나타낼 수 있다(0000은 옥트리, 0001은 쿼드트리, 0010은 바이너리트리를 나타낼 수 있다. 0011 내지 1111은 추후 사용을 위해 남겨질 수 있다.)
퀀트서브노드넘버(num_quant_subnode)는 양자화서브노드의 개수를 나타낸다.
퀀트파라미터예측인덱스(quant_param_pred_idx[i])는 양자화서브노드의 예측양자화파라미터 인덱스를 나타낼 수 있다.
퀀트파라미터델타인덱스(quant_param_delta[i])는 양자화서브노드의 잔차양자화파라미터를 나타낼 수 있다.
도 36은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 기하정보 부호화부(36000)의 예시이다. 실시예들에 따른 기하정보 부호화부(36000)는 도 15의 기하정보 부호화부(15004)와 대응될 수 있다.
실시예들에 따른 기하정보 부호화부(36000)는 좌표계 변환부(36002), 기하정보 변환양자화부(36004), 기하정보 코딩방법 유도부(36006), 잔차기하정보 변환양자화부(36008), 기하정보 엔트로피 부호화부(36010), 잔차기하정보 역변환역양자화부(36012), 메모리(36020), 기하정보 인트라예측부(36024), 기하정보 인터예측부(36022), 기하정보 역변환역양자화부(36016) 또는 좌표계 역변환부(36018)를 포함할 수 있다.
기하정보 분할부(미도시)는 포인트 클라우드 데이터의 기하정보를 슬라이스, 타일, 브릭, 서브프레임 등으로 분할할 수 있다. 포인트 클라우드 데이터는 프레임 또는 분할된 기하정보 단위로 좌표계 변환부(36002)로 입력될 수 있다.
좌표계 변환부(36002)는 기하정보를 입력으로 받아 기존 좌표계와 다른 좌표계로 변환할 수 있다. 또는 좌표계 변환을 수행하지 않을 수 있다. 좌표계 변환된 기하정보는 기하정보 변환양자화부(36004)로 입력될 수 있다. 좌표계 변환 여부 및 좌표계 정보는 시퀀스, 프레임, 타일, 슬라이스, 블록 등의 단위로 시그널링 되거나, 주변 블록의 좌표계 변환여부, 블록의 크기, 포인트의 개수, 양자화 값, 블록 분할 깊이, 단위의 위치, 단위와 원점과의 거리 등을 사용하여 유도될 수 있다. 좌표계 변환 여부를 확인한 후 좌표계 변환이 수행된다면 좌표계 정보는 시퀀스, 프레임, 타일, 슬라이스, 블록 등의 단위로 시그널링되거나, 주변 블록의 좌표계 변환여부, 블록의 크기, 포인트의 개수, 양자화 값, 블록 분할 깊이, 단위의 위치, 단위와 원점과의 거리 등을 사용하여 유도될 수 있다.
기하정보 변환양자화부(36004)는 기하정보를 입력으로 받아 위치변환 및/또는 회전변환과 같이 하나 또는 그 이상의 변환을 적용한 후, 양자화 값으로 기하정보를 나누어 양자화함으로써 변환양자화된 기하정보를 생성한다. 변환양자화된 기하정보는 기하정보 노드분할부로 입력될 수 있다.
기하정보 코딩방법 유도부(36006)는 프레임, 슬라이스, 타일 등의 단위의 변환양자화된 기하정보를 입력으로 받아 기하정보의 분할모드, 코딩모드 등 코딩 정보를 유도하거나 결정할 수 있다.
기하정보 인트라예측부(36024)는 이전에 복원이 완료된 동일한 프레임 내 기하정보를 통해 기하정보를 예측하여 예측기하정보를 생성한다. 예측에 사용된 예측 정보는 엔트로피 부호화를 수행하여 예측 정보를 부호화 할 수 있다.
기하정보 인터예측부(36022)는 메모리에 저장되어 있는 복원 완료된 다른 프레임의 기하정보를 통해 기하정보를 예측하여 예측기하정보를 생성한다. 예측에 사용된 예측 정보는 엔트로피 부호화를 수행하여 예측 정보를 부호화 할 수 있다.
잔차기하정보 변환양자화부는 기하정보와 예측된 기하정보를 차분한 잔차기하정보를 입력 받아 변환을 수행하거나 양자화 값으로 양자화 하여 양자화된 잔차기하정보를 생성한다. 양자화된 잔차기하정보는 기하정보 엔트로피 부호화부와 잔차기하정보 역양자화부로 입력 될 수 있다.
기하정보 엔트로피 부호화부(36010)는 양자화된 잔차기하정보, 예측기하정보 등을 입력받아 엔트로피 부호화를 수행 할 수 있다. 엔트로피 부호화는 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding) 또는 CABAC(Context-Adaptive Binary Arithmetic Coding) 등 다양한 부호화 방법을 사용할 수 있다.
잔차기하정보 역변환역양자화부(36012)는 양자화된 잔차기하정보를 입력받아 양자화 값으로 스케일링 하거나 역변환을 수행하여 잔차기하정보를 복원한다. 복원된 잔차기하정보는 예측기하정보와 합산되어 기하정보로 복원되고 메모리(36020)에 저장 될 수 있다.
기하정보 역변환역양자화부(36016)는 복원 기하정보에 기하정보 변환양자화부에서 수행한 양자화 값을 곱하여 역양자화가 수행된 복원 기하정보를 생성할 수 있다. 기하정보 역변환역양자화부(36016)는 메모리(36020)에 저장하기 전 또는 메모리(36020)에 저장된 후 동작이 수행될 수 있다.
좌표계 역변환부(36018)는 좌표계 변환부(36002)에서 변환을 수행하기 전의 좌표계로 복원 기하정보의 좌표계를 역변환할 수 있다.
필터링부(36014)는 복원된 기하정보에 필터링을 수행할 수 있다. 필터링부(36014)는 디블록킹 필터, 오프셋 보정부, ALF 등을 포함할 수 있다.
메모리(36020)는 필터링부(36014)를 통해 산출된 또는 필터링 이전의 기하정보를 저장할 수 있다. 저장된 기하정보는 예측을 수행 시 기하정보 인터예측부(36022) 또는 기하정보 인트라예측부(36024)에 전달될 수 있다.
도 37은 실시예들에 따른 포인트 클라우드 데이터 전송장치의 속성정보 부호화부(37000)의 예시이다. 실시예들에 따른 속성정보 부호화부(37000)는 도 15의 속성정보 부호화부(15006)와 대응될 수 있다.
실시예들에 따른 속성정보 부호화부(37000)는 속성정보 변환부(37002), 기하정보 맵핑부(37004), 속성정보 노드 분할부(37006), 잔차속성정보 변환양자화부(37008), 속성정보 엔트로피 부호화부(37010), 잔차속성정보 역변환역양자화부(37012), 필터링부(37016), 메모리(37018), 속성정보 인트라예측부(37022) 또는 속성정보 인터예측부(37020)를 포함할 수 있다.
속성정보 변환부(37002)는 입력받은 속성정보가 색공간을 나타낸다면, 속성정보의 색공간을 변환할 수 있다. 변환된 속성정보는 기하정보 맵핑부(37004)로 입력될 수 있다. 속성정보 변환부(37002)는 속성정보의 색공간을 변환하지 않고 기하정보 맵핑부(37004)로 그대로 전달할 수 있다.
기하정보 맵핑부(37004)는 속성정보 변환부(37002)로부터 입력받은 속성정보와 입력받은 복원된 기하정보로 맵핑을 수행하여 속성정보를 재구성한다. 속성정보 재구성은 복원된 기하정보를 기반으로 하나 또는 그 이상의 포인트의 속성정보를 기초로 속성값을 유도할 수 있다. 재구성된 속성정보는 속성정보 예측부(속성정보 인트라예측부 또는 속성정부 인터예측부)에서 생성된 예측 속성정보와 차분하여 잔차속성정보 변환양자화부(37008)로 입력될 수 있다.
속성정보 노드분할부(37006)는 기하정보 맵핑부(37004)로부터 입력받은 속성정보를 노드로 분할할 수 있다.
잔차속성정보 변환양자화부(37008)는 입력받은 잔차속성정보를 포함한 잔차 3차원 블록을 DCT, DST, DST, SADCT 또는 RAHT 등과 같은 변환타입을 사용하여 변환할 수 있다. 잔차속성정보는 변환된 후 잔차속성정보 양자화부로 입력되거나 변환되지 않고 잔차속성정보 양자화부로 입력될 수 있다. 변환타입에 대한 정보는 엔트로피 부호화부에서 엔트로피 부호화를 수행하여 실시예들에 따른 복호화기로 전송 할 수 있다. 변환된 잔차속성정보를 양자화 값을 기초로 양자화하여 변환양자화된 잔차속성정보를 생성할 수 있다. 변환양자화된 잔차속성정보는 속성정보 엔트로피 부호화부(37010)와 잔차속성정보 역변환역양자화부(37012)로 입력될 수 있다.
속성정보 엔트로피 부호화부(37010)는 변환양자화된 잔차속성정보를 입력받아 엔트로피 부호화를 수행할 수 있다. 엔트로피 부호화는 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding) 또는 CABAC(Context-Adaptive Binary Arithmetic Coding) 등 다양한 부호화 방법을 사용할 수 있다.
잔차속성정보 역변환역양자화부(37012)는 변환양자화된 잔차속성정보를 입력받아 양자화 값을 기초로 역양자화하여 변환 잔차속성정보를 생성한다. 생성된 변환 잔차속성정보는 잔차속성 역변환부로 입력될 수 있다. 잔차속성 역변환부는 입력받은 변환 잔차속성정보를 포함한 잔차 3차원 블록을 DCT, DST, DST, SADCT, RAHT 등과 같은 변환타입을 사용하여 역변환할 수 있다. 역변환된 잔차속성 정보는 속성정보 예측부(속성정보 인터/인트라예측부)로 부터 입력받은 예측 속성정보와 합산되어 복원된 속성정보가 생성될 수 있다. 또는, 변환 잔차속성정보를 역변환하지 않고 예측 속성정보와 합하여 복원된 속성정보가 생성될 수 있다.
필터링부(37016)는 디블록킹 필터, 오프셋 보정부, ALF(Adaptive Loop Filter) 등을 포함할 수 있다. 필터링부(37016)는 복원된 속성정보에 필터링을 수행할 수 있다.
속성정보 역변환부(37014)는 엔트로피 복호화부로부터 속성정보의 유형과 변환정보를 제공받아 RGB-YUV, RGB-YUV등 다양한 색공간 역변환을 수행할 수 있다.
메모리(37018)는 필터링부(37016)를 통해 산출된 속성정보를 저장할 수 있다. 저장된 속성정보는 예측을 수행 시 속성정보 예측부(속성정보 인터/인트라예측부)에 제공될 수 있다.
속성정보 인트라예측부(37022)와 속성정보 인터예측부(37020)는 메모리(37018)의 포인트들의 속성정보를 기초로 예측 속성정보를 생성한다. 속성정보 인트라예측부(37022)와 속성정보 인터예측부(37020)는 메모리(37018)에 저장된 동일한 프레임 또는 다른 프레임의 포인트들의 속성정보 또는 기하정보를 이용할 수 있다. 예측 정보는 엔트로피 부호화를 수행하여 예측 정보를 부호화 할 수 있다.
도 38은 실시예들에 따른 포인트 클라우드 데이터 수신장치의 기하정보 복호화부(38000)의 예시이다. 실시예들에 따른 기하정보 복호화부(38000)는 도 16의 기하정보 복호화부(16004)와 대응될 수 있다.
기하정보 복호화부(38000)는 기하정보 엔트로피 복호화부(38002), 기하정보 코딩방법 유도부(38004), 잔차기하정보 역변환역양자화부(38006), 기하정보 예측부(기하정보 인트라/인터예측부) 또는 좌표계 역변환부(38012)를 포함할 수 있다.
기하정보 엔트로피 복호화부(38002)는 입력된 비트스트림에 대해 엔트로피 복호화를 수행할 수 있다. 엔트로피 복호화를 수행하기 위해 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding) 또는 CABAC(Context-Adaptive Binary Arithmetic Coding)와 같은 다양한 방법이 사용될 수 있다. 또한, 기하정보 엔트로피 복호화부(38002)는 부호화기에서 수행된 기하정보 예측에 관련된 정보를 복호화할 수 있다. 엔트로피 복호화를 통해 생성된 양자화된 잔차기하정보는 잔차기하정보 역변환역양자화부(38006)으로 입력 될 수 있다.
기하정보 코딩방법 유도부(38004)는 기하정보의 코딩모드, 분할모드 등의 코딩 방법을 유도할 수 있고, 코딩방법에 따라 잔차기하정보 복원부(또는 잔차기하정보 역변환역양자화부), 기하정보 인트라예측부(38018), 기하정보 인터예측부(38016)의 수행유무와 수행방법을 유도할 수 있다.
잔차기하정보 역변환역양자화부(38006)는 양자화된 잔차기하정보를 입력받아 양자화 값으로 스케일링 하거나 역변환을 수행하여 잔차기하정보를 복원한다. 복원된 잔차기하정보는 예측기하정보와 더하여 기하정보로 복원되어 메모리에 저장 될 수 있다.
기하정보 인터예측부(38016)와 기하정보 인트라예측부(38018)는 기하정보 엔트로피 복호화부(38002)로부터 제공된 예측기하정보 생성 관련 정보와 메모리(38014)로부터 제공된 복호화된 기하정보를 기반으로 예측기하정보를 생성할 수 있다. 기하정보 인터예측부(38016)는 부호화기에서 전달된 현재 예측단위의 인터예측에 필요한 정보를 이용하여, 현재 예측단위가 포함된 현재공간의 이전공간 또는 이후공간 중 적어도 하나의 공간에 포함된 정보를 기반으로 현재 예측단위에 대한 인터예측을 수행할 수 있다. 기하정보 인트라예측부(38018)는 현재공간 내의 포인트의 기하정보를 기초로 예측기하정보를 생성할 수 있다. 예측단위가 인트라 예측을 수행한 경우, 부호화 기에서 전달된 예측단위의 인트라 예측모드 정보를 기초로, 인트라 예측을 수행할 수 있다. 복원 기하정보는 예측기하정보에 복원 잔차기하정보를 합산하여 생성할 수 있다.
한편, 복원 기하정보는 필터링부(38008)로 제공될 수 있다. 필터링부(38008)는 복호화부에서 제공된 필터링 관련 정보 또는 복호화기에서 유도된 복원 기하정보의 특성을 기초로 필터링을 수행할 수 있다.
기하정보 역변환역양자화부(38010)는 필터링된 또는 필터링되지 않은 복원 기하정보에 대하여 역변환 또는 역양자화를 수행할 수 있다.
좌표계 역변환부(38012)는 기하정보 엔트로피 복호화부(38002)에서 제공된 좌표계 변환 관련 정보와 메모리(38014)에 저장된 복원된 기하정보를 기반으로 좌표계 역변환을 수행할 수 있다.
메모리(38014)는 필터링부(38008), 기하정보 역변환역양자화부(38010) 또는 좌표계 역변환부(38012)의 출력 기하정보를 저장할 수 있다.
도 39는 실시예들에 따른 포인트 클라우드 데이터 수신장치의 속성정보 복호화부(39000) 예시이다. 실시예들에 따른 속성정보 복호화부(39000)는 도 16의 속성정보 복호화부(16006)에 대응할 수 있다.
속성정보 복호화부(39000)는 속성정보 엔트로피 복호화부(39002), 기하정보 맵핑부(39004), 잔차속성정보 역변환역양자화부(39008), 속성정보 인트라예측부(39018), 속성정보 인터예측부(39016), 속성정보 필터링부(39012), 메모리(39014) 또는 속성정보 역변환부(39010)를 포함할 수 있다.
속성정보 엔트로피 복호화부(39002)는 입력받은 속성정보 비트스트림을 엔트로피 복호화하여 변환양자화된 속성정보를 생성할 수 있다. 변환양자화된 속성정보는 기하정보 맵핑부(39004)로 입력된다.
기하정보 맵핑부(39004)는 속성정보 엔트로피 복호화부(39002)로부터 입력받은 변환양자화된 속성정보 및 복원된 기하정보를 맵핑한다. 기하정보에 맵핑된 속성정보는 잔차속성정보 역변환역양자화부(39008)로 입력될 수 있다.
속성정보 노드분할정보 유도부(39006)는 속성정보의 예측, 변환 또는 양자화 등을 수행하는 단위의 분할 정보를 파싱하거나 유도하는 단계이다. 분할 정보는 옥트리, 쿼드트리, 바이너리트리 등의 분할 타입을 의미할 수 있다.
잔차속성정보 역변환역양자화부(39008)는 입력받은 변환양자화된 잔차속성정보를 양자화 값을 기반으로 역양자화를 수행하고 역변환을 수행하여 복원 잔차속성정보를 생성한다. 잔차속성정보 역변환역양자화부(39008)는 입력받은 변환 잔차속성정보를 포함한 잔차 3차원 블록을 DCT, DST, DST, SADCT 또는 RAHT 등과 같은 변환타입을 사용하여 역변환할 수 있다. 역변환된 잔차속성정보는 속성정보 예측부로부터 생성된 예측 속성정보와 합산되어 메모리(39014)에 저장될 수 있다. 또는, 잔차속성정보는 역변환이 수행되지 않고 예측 속성정보와 합산되어 메모리(39014)에 저장될 수 있다.
속성정보 인트라예측부(39018)와 속성정보 인터예측부(39016)는 메모리(39014)에 저장된 포인트들의 속성정보를 기반으로 예측 속성정보를 생성한다. 속성정보 인트라예측부(39018)와 속성정보 인터예측부(39016)는 메모리(39014)에 저장된 동일한 프레임 또는 다른 프레임의 포인트들의 속성정보 또는 기하정보를 이용할 수 있다. 예측 정보는 엔트로피 부호화를 수행하여 예측 정보를 부호화 할 수 있다.
속성정보 역변환부(39010)는 속성정보 엔트로피 복호화부(39002)로부터 속성 정보의 유형과 변환정보를 제공받아 RGB-YUV, RGB-YUV등 다양한 색공간 역변환을 수행할 수 있다.
속성정보 필터링부(39012)는 디블록킹 필터, 오프셋 보정부, ALF(Adaptive Loop Filter) 등을 포함할 수 있다. 필터링부(39012)는 복원된 속성정보에 필터링을 수행할 수 있다.
도 40 은 실시예들에 따른 포인트 클라우드 데이터 전송방법의 예시이다. 도 40을 참조하면, 포인트 클라우드 데이터를 인코딩하는 단계(S4000) 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계(S4010)를 포함한다. 또한, 포인트 클라우드 데이터를 인코딩하는 단계(S4000)는 상기 포인트 클라우드 데이터의 기하 정보를 인코딩하는 단계와 상기 포인트 클라우드 데이터의 속성 정보를 인코딩하는 단계를 포함할 수 있다.
포인트 클라우드 데이터를 인코딩하는 단계(S4000)는 도 1의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도 4의 인코더, 도 12의 전송장치, 도 14의 XR디바이스(1430), 도 15, 도37, 도38의 인코더 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 포인트 클라우드 데이터를 인코딩할 수 있다.
포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계(4010)는 도 1의 트랜스미터(10003), 도 12의 전송처리부(12012), 도 14의 XR디바이스(1430), 도 15, 도37, 도38의 인코더 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 포인트 클라우드 데이터를 전송할 수 있다.
포인트 클라우드 데이터를 인코딩하는 단계(S4000)는 기하정보를 인코딩(부호화)하는 단계와 속성정보를 인코딩(부호화)하는 단계를 포함한다. 기하정보를 인코딩하는 단계는 옥트리 기반, 예측트리 기반 또는 트리숩으로 기하 정보를 부호화할 수 있고, 속성정보를 인코딩하는 단계는 예측/리프팅 변환, RATH 변환 기반으로 속성 정보를 인코딩할 수 있다.
실시예들에 따른 기하정보를 인코딩하는 단계는 원본기하정보와 예측기하정보를 기반으로 잔차기하정보를 생성하는 단계를 더 포함할 수 있다. 잔차기하정보는 원본기하정보와 예측기하정보를 차분하거나, 비트연산을 수행하여 생성될 수 있다. 또는, 그 밖에 다른 방식에 의하여 잔차기하정보가 생성될 수 있다. 예측기하정보는 실시예들에 따른 인터 예측부 또는 인트라 예측부에 의해 예측된 기하정보를 포함한다.
잔차기하정보를 생성하는 단계는 예측기하정보 중 적어도 어느 하나를 삭제하여 예측기하정보를 선별하는 단계 및 원본기하정보와 선별된 예측기하정보를 기반으로 잔차기하정보를 생성하는 단계를 더 포함할 수 있다.
예측기하정보를 선별하는 단계는 원본기하정보와 예측기하정보 사이의 거리를 기반으로 예측기하정보를 선별할 수 있다. 예측기하정보의 선별은 원본기하정보와 예측기하정보 사이의 거리가 임의의 임계값보다 더 큰 경우 해당 예측기하정보를 삭제함으로써 수행될 수 있다. 또한, 예측기하정보의 선별은 원본기하정보의 대표 기하정보 또는 예측기하정보의 대표 기하정보를 기반으로 수행될 수 있다. 또한, 예측기하정보의 선별은 기하정보 선별단위 별로 수행될 수 있다.
한편, 잔차기하정보는 잔차어큐판시를 포함할 수 있다. 잔차어큐판시는 원본기하정보를 기반으로 생성된 원본어큐판시와 예측기하정보를 기반으로 생성된 예측어큐판시를 차분하거나 비트연산을 수행하여 도출할 수 있다.
예측기하정보의 선별 및 잔차기하정보의 생성은 도 17의 잔차기하정보 생성부(17000)에서 수행될 수 있다. 구체적으로 예측기하정보의 선별은 도 17의 기하정보 선별모듈(17002)에서 수행되고, 잔차기하정보 생성은 도 17의 기하정보 차분모듈(17004)에서 수행될 수 있다. 각 동작에 대한 내용은 도 17 내지 도 20에 관한 설명에서 기술하였다.
도 41 은 실시예들에 따른 포인트 클라우드 데이터 수신방법의 예시이다. 도 41을 참조하면, 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계(S4100) 및 포인트 클라우드 데이터를 디코딩하는 단계(S4110)를 포함한다. 또한, 포인트 클라우드 데이터를 디코딩하는 단계(S4110)는 상기 포인트 클라우드 데이터의 기하정보를 디코딩(복호화)하는 단계 및 상기 포인트 클라우드 데이터의 속성정보를 디코딩(복호화)하는 단계를 포함한다.
포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계(S4100)는 도1의 수신장치(10004), 도10, 도 11의 수신장치, 도 13의 수신부(13000), 도14의 xr device(1430), 도 16, 도 38, 도39의 디코더 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 포인트 클라우드 데이터를 수신할 수 있다.
포인트 클라우드 데이터를 디코딩하는 단계(S3310)는 도1의 포인트 클라우드 비디오 디코더(10006), 도10, 도 11, 도13의 수신장치, 도14의 XR device(1430), 도 16, 도 38, 도39의 디코더 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 포인트 클라우드 데이터를 디코딩할 수 있다.
포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계(S4100)에서 비트스트림은 잔차기하정보를 포함한다. 그리고, 포인트 클라우드 데이터를 디코딩하는 단계(S3310)는 예측기하정보를 생성하여 선별하는 단계 및 선별된 예측기하정보와 잔차기하정보를 합산하는 단계를 포함한다.
예측기하정보를 생성하여 선별하는 단계에서, 예측기하정보는 도 36 또는 도38의 기하정보 예측부(인터 예측부 또는 인트라 예측부)에 의해서 생성될 수 있다. 예측기하정보의 선별은 도 30의 기하정보 선별모듈(30002)에서 수행될 수 있다. 이때, 기하정보 선별모듈(30002)의 동작은 도 17의 기하정보 선별모듈(170002)과 대응할 수 있다.
비트스트림은 예측기하정보의 삭제에 대한 정보를 포함하고, 기하정보 선별모듈(30002)는 예측기하정보의 삭제에 대한 정보를 기반으로 예측기하정보를 삭제함으로써 예측기하정보를 선별할 수 있다.
잔차기하정보를 합산하는 단계는 비트스트림으로 수신한 잔차기하정보와 기하정보 선별모듈(30002)에서 선별된 예측기하정보를 합산할 수 있다. 잔차기하정보의 합산은 도 30의 잔차기하정보 합산모듈(30004)에 의해서 수행될 수 있다. 잔차기하정보 합산모듈(30004)는 선별된 예측기하정보와 잔차기하정보를 합산하여 잔차기하정보 합산단위를 기반으로 기하정보를 복원할 수 있다. 기하정보의 복원과 관련하여 도 30에서 설명하였다.
한편, 비트스트림은 잔차어큐판시 정보를 포함할 수 있다. 이때, 포인트 클라우드 데이터의 기하정보를 디코딩하는 단계는 예측어큐판시 정보를 생성하는 단계 및 예측어큐판시 정보와 잔차어큐판시 정보를 합산하는 단계를 포함할 수 있다. 예측어큐판시 정보는 도 36 또는 도38의 기하정보 예측부(인터 예측부 또는 인트라 예측부)에서 생성한 예측기하정보를 기반으로 도출될 수 있다. 도출된 예측어큐판시 정보를 비트스트림에 포함된 잔차어큐판시 정보와 연산하여 어큐판시 정보를 복원할 수 있다. 또한, 기하정보를 디코딩하는 단계는 부호화기에서 수행된 예측어큐판시 및 원본어큐판시의 비트연산 방법에 따라, 예측어큐판시와 잔차어큐판시를 기반으로 어큐판시 정보를 복원할 수 있다. 실시예들에 따른 잔차어큐판시 정보와 관련하여 도20에서 설명하였다.
실시예들에 따른 포인트 클라우드 데이터 전송/수신 장치 또는 전송/수신 방법은 화면간 예측(인터 예측)시 참조프레임/슬라이스/예측단위 등의 효율적인 데이터 관리를 위한 잔차기하정보 처리방법에 관한 것으로서, 부호화 또는 복호화하는 포인트에 대해 잔차기하정보로 분할 및 선별하여 잔차정보를 처리하고, 잔차기하정보 단위로 변환방법을 구분지어 적용하고, 양자화하며, 복원하는 방법에 관한 것이다. 이때 복원 클라우드 포인트의 잔차정보는 서브변환단위로 분할하여 복호화 또는 부호화가 수행될 수 있으며 이러한 잔차정보처리를 통해 코딩의 효율성 및 정확도가 증대된다. 실시예들에 따른 포인트 클라우드 데이터 전송/수신 장치 또는 전송/수신 방법은 양자화유닛, 변환유닛, 잔차기하정보 생성단위, 잔차기하정보 합산단위 등을 정의함으로써 최적의 단위에서 포인트 클라우드 데이터의 변환, 양자화, 잔차기하정보 생성 및 합산 등을 수행항 수 있고, 포인트 클라우드 데이터의 부호화/복호화 효율을 증대할 수 있다. 이는 각 단계에서 수행하는 동작의 특성에 관계없이 일정한 단위에 대하여 여러 가지 동작이 수행되는 것보다 동작 과정이 유리할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 전송 방법/장치는 잔차기하정보의 처리에 기반하여 포인트 클라우드 데이터를 효율적으로 인코딩하여 전송할 수 있고, 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 잔차기하정보의 처리에 기반하여 포인트 클라우드 데이터를 효율적이고 정확하게 복원할 수 있는 효과가 있다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 도면을 나누었으나, 각 도면에 서술되어 있는 실시예들을 병합하여 새로운 실시예를 구현하도록 설계할 수 있다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정 실시예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다.
실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다.
또한, 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
본 명세서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 본 명세서에서 “또는”은 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 의미하고, 2) “B” 만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되지 않는다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사용되는 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
한편, 상술한 실시예들에 따른 동작은 실시예들 따른 전송장치 및/또는 수신장치에 의해서 수행될 수 있다. 송수신장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.
상술한 바와 같이 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다. 당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다. 실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항 및 그 와 동일하다고 인정되는 것의 범위를 벗어나지 않는다.

Claims (22)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함하고,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 기하정보를 인코딩하는 단계와,
    상기 포인트 클라우드 데이터의 속성정보를 인코딩하는 단계를 포함하는,
    포인트 클라우드 데이터 전송 방법.
  2. 청구항 1에 있어서,
    상기 포인트 클라우드 데이터의 기하정보를 인코딩하는 단계는,
    원본기하정보와 예측기하정보를 기반으로 잔차기하정보를 생성하는 단계를 더 포함하는,
    포인트 클라우드 데이터 전송 방법.
  3. 청구항 2에 있어서,
    상기 잔차기하정보를 생성하는 단계는,
    상기 예측기하정보 중 적어도 어느 하나를 삭제하여 상기 예측기하정보를 선별하는 단계; 및
    상기 원본기하정보와 상기 선별된 예측기하정보를 기반으로 잔차기하정보를 생성하는 단계를 더 포함하는,
    포인트 클라우드 데이터 전송 방법.
  4. 청구항 3에 있어서,
    상기 예측기하정보를 선별하는 단계는,
    상기 원본기하정보와 상기 예측기하정보 사이의 거리를 기반으로 상기 예측기하정보를 선별하는,
    포인트 클라우드 데이터 전송 방법.
  5. 청구항 4에 있어서,
    상기 잔차기하정보를 생성하는 단계는,
    상기 원본기하정보의 대표 기하정보와 상기 예측기하정보 사이의 거리를 기반으로 잔차기하정보를 생성하는,
    포인트 클라우드 데이터 전송 방법.
  6. 청구항 2에 있어서,
    상기 잔차기하정보를 생성하는 단계는,
    상기 예측기하정보를 기반으로 예측어큐판시를 생성하고, 상기 원본기하정보를 기한으로 원본어큐판시를 생성하는 단계; 및
    상기 원본어큐판시와 상기 예측어큐판시를 기반으로 잔차어큐판시를 생성하는 단계를 더 포함하는,
    포인트 클라우드 데이터 전송 방법.
  7. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터를 포함하고,
    상기 인코더는,
    상기 포인트 클라우드 데이터의 기하정보를 인코딩하는 기하정보 부호화부와, 상기 포인트 클라우드 데이터의 속성정보를 인코딩하는 속성정보 부호화부를 포함하는,
    포인트 클라우드 데이터 전송장치.
  8. 청구항 7에 있어서,
    상기 기하정보 부호화부는,
    원본기하정보와 예측기하정보를 기반으로 잔차기하정보를 생성하는 잔차기하정보 생성부를 포함하는,
    포인트 클라우드 데이터 전송장치.
  9. 청구항 8에 있어서,
    상기 잔차기하정보 생성부는,
    상기 예측기하정보 중 적어도 어느 하나를 삭제하여 상기 예측기하정보를 선별하는 기하정보 선별모듈; 및
    상기 원본기하정보와 상기 선별된 예측기하정보를 기반으로 잔차기하정보를 생성하는 기하정보 차분모듈;을 포함하는,
    포인트 클라우드 데이터 전송장치.
  10. 청구항 9에 있어서,
    상기 기하정보 선별모듈은,
    상기 원본기하정보와 상기 예측기하정보 사이의 거리를 기반으로 상기 예측기하정보를 선별하는,
    포인트 클라우드 데이터 전송장치.
  11. 청구항 8에 있어서,
    상기 기하정보 차분모듈은,
    상기 원본기하정보의 대표 기하정보와 상기 예측기하정보 사이의 거리를 기반으로 잔차기하정보를 생성하는,
    포인트 클라우드 데이터 전송장치.
  12. 청구항 8에 있어서,
    상기 잔차기하정보 생성부는,
    상기 예측기하정보를 기반으로 예측어큐판시를 생성하고, 상기 원본기하정보를 기반으로 원본어큐판시를 생성하며, 상기 원본어큐판시와 상기 예측어큐판시를 기반으로 잔차어큐판시를 생성하는,
    포인트 클라우드 데이터 전송장치.
  13. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함하고,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터의 기하정보를 디코딩하는 단계 및 상기 포인트 클라우드 데이터의 속성정보를 디코딩하는 단계를 포함하는,
    포인트 클라우드 데이터 수신방법.
  14. 청구항 13에 있어서,
    상기 비트스트림은 잔차기하정보를 포함하고,
    상기 포인트 클라우드 데이터의 기하정보를 디코딩하는 단계는,
    예측기하정보를 생성하여 선별하는 단계; 및
    상기 선별된 예측기하정보와 상기 잔차기하정보를 합산하는 단계를 포함하는,
    포인트 클라우드 데이터 수신방법.
  15. 청구항 14에 있어서,
    상기 비트스트림은 삭제된 예측기하정보에 대한 정보를 포함하고,
    상기 예측기하정보를 생성하여 선별하는 단계는,
    상기 삭제된 예측기하정보에 대한 정보를 기반으로 상기 예측기하정보 중 적어도 어느 하나를 삭제하여 상기 예측기하정보를 선별하는,
    포인트 클라우드 데이터 수신방법.
  16. 청구항 15에 있어서,
    상기 합산하는 단계는,
    잔차기하정보 합산단위를 기반으로 상기 선별된 예측기하정보와 상기 잔차기하정보를 합산하여 기하정보를 복원하는,
    포인트 클라우드 데이터 수신방법.
  17. 청구항 13에 있어서,
    상기 비트스트림은 잔차어큐판시 정보를 포함하고,
    상기 포인트 클라우드 데이터의 기하정보를 디코딩하는 단계는,
    예측어큐판시 정보를 생성하는 단계; 및
    상기 예측어큐판시 정보와 상기 잔차어큐판시 정보를 연산하는 단계를 포함하는,
    포인트 클라우드 데이터 수신방법.
  18. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더를 포함하고,
    상기 디코더는,
    상기 포인트 클라우드 데이터의 기하정보를 디코딩하는 기하정보 복호화부와, 상기 포인트 클라우드 데이터의 속성정보를 디코딩하는 속성정보 복호화부를 포함하는,
    포인트 클라우드 데이터 수신장치.
  19. 청구항 18에 있어서,
    상기 비트스트림은 잔차기하정보를 포함하고,
    상기 기하정보 복호화부는,
    예측기하정보를 생성하는 기하정보 예측부;
    상기 예측기하정보를 선별하는 기하정보 선별모듈; 및
    상기 선별된 예측기하정보와 상기 잔차기하정보를 합산하는 잔차기하정보 합산모듈;을 포함하는,
    포인트 클라우드 데이터 수신장치.
  20. 청구항 19에 있어서,
    상기 비트스트림은 삭제된 예측기하정보에 대한 정보를 포함하고,
    상기 기하정보 선별모듈은,
    상기 삭제된 예측기하정보에 대한 정보를 기반으로 상기 예측기하정보 중 적어도 어느 하나를 삭제하여 상기 예측기하정보를 선별하는,
    포인트 클라우드 데이터 수신장치.
  21. 청구항 20에 있어서,
    상기 잔차기하정보 합산모듈은,
    잔차기하정보 합산단위를 기반으로 상기 선별된 예측기하정보와 상기 잔차기하정보를 합산하여 기하정보를 복원하는,
    포인트 클라우드 데이터 수신장치.
  22. 청구항 18에 있어서,
    상기 비트스트림은 잔차어큐판시 정보를 포함하고,
    상기 기하정보 복호화부는,
    예측기하정보를 생성하고, 상기 예측기하정보를 기반으로 예측어큐판시 정보를 생성하며,
    상기 예측어큐판시 정보와 상기 잔차어큐판시 정보를 연산하는,
    포인트 클라우드 데이터 수신장치.
PCT/KR2021/017215 2020-12-03 2021-11-23 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 WO2022119208A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/036,644 US20240020885A1 (en) 2020-12-03 2021-11-23 Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200167567 2020-12-03
KR10-2020-0167567 2020-12-03

Publications (1)

Publication Number Publication Date
WO2022119208A1 true WO2022119208A1 (ko) 2022-06-09

Family

ID=81854161

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/017215 WO2022119208A1 (ko) 2020-12-03 2021-11-23 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치

Country Status (2)

Country Link
US (1) US20240020885A1 (ko)
WO (1) WO2022119208A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230345044A1 (en) * 2022-04-20 2023-10-26 Qualcomm Incorporated Residual prediction for geometry point cloud compression

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019198523A1 (ja) * 2018-04-11 2019-10-17 ソニー株式会社 画像処理装置および方法
WO2020010444A1 (en) * 2018-07-10 2020-01-16 2236008 Ontario Inc. Methods and devices for neighbourhood-based occupancy prediction in point cloud compression
WO2020190093A1 (ko) * 2019-03-20 2020-09-24 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
US20200351519A1 (en) * 2018-01-26 2020-11-05 Panasonic Intellectual Property Corporation Of America Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200351519A1 (en) * 2018-01-26 2020-11-05 Panasonic Intellectual Property Corporation Of America Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device
WO2019198523A1 (ja) * 2018-04-11 2019-10-17 ソニー株式会社 画像処理装置および方法
WO2020010444A1 (en) * 2018-07-10 2020-01-16 2236008 Ontario Inc. Methods and devices for neighbourhood-based occupancy prediction in point cloud compression
WO2020190093A1 (ko) * 2019-03-20 2020-09-24 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "G-PCC codec description v8", 131. MPEG MEETING; 20200629 - 20200703; ONLINE; (MOTION PICTURE EXPERT GROUP OR ISO/IEC JTC1/SC29/WG11), 10 October 2020 (2020-10-10), pages 1 - 140, XP030292244 *

Also Published As

Publication number Publication date
US20240020885A1 (en) 2024-01-18

Similar Documents

Publication Publication Date Title
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020189976A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020242244A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2020189982A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021002604A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020246689A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020189943A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021206291A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2020256308A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021002594A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021002592A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021215849A1 (ko) 포인트 클라우드 데이터 처리 장치 및 처리 방법
WO2021215811A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246837A1 (ko) 포인트 클라우드 데이터 처리 디바이스 및 처리 방법
WO2021029575A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020189891A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022240128A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021141221A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021132834A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021025392A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2022119208A1 (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2022098140A1 (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2022055167A1 (ko) 포인트 클라우드 데이터 전송장치, 포인트 클라우드 데이터 전송방법, 포인트 클라우드 데이터 수신장치 및 포인트 클라우드 데이터 수신방법

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: 21900896

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 18036644

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21900896

Country of ref document: EP

Kind code of ref document: A1