WO2022225145A1 - 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 - Google Patents

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

Info

Publication number
WO2022225145A1
WO2022225145A1 PCT/KR2022/001353 KR2022001353W WO2022225145A1 WO 2022225145 A1 WO2022225145 A1 WO 2022225145A1 KR 2022001353 W KR2022001353 W KR 2022001353W WO 2022225145 A1 WO2022225145 A1 WO 2022225145A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
geometry
cloud data
data
point
Prior art date
Application number
PCT/KR2022/001353
Other languages
English (en)
French (fr)
Inventor
허혜정
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 KR1020237039172A priority Critical patent/KR20230174237A/ko
Priority to CN202280029041.6A priority patent/CN117178555A/zh
Priority to JP2023564540A priority patent/JP2024515203A/ja
Priority to EP22791848.9A priority patent/EP4329310A1/en
Publication of WO2022225145A1 publication Critical patent/WO2022225145A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—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
    • H04N19/129—Scanning of coding units, e.g. zig-zag scan of transform coefficients or flexible macroblock ordering [FMO]
    • 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
    • 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
    • H04N19/167—Position within a video image, e.g. region of interest [ROI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/182—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a pixel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/96—Tree coding, e.g. quad-tree coding

Definitions

  • 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
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • autonomous driving service used to provide
  • tens of thousands to hundreds of thousands of point data are required. 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 of transmitting point cloud data may include encoding point cloud data; and transmitting a bitstream including the point cloud data; may include.
  • a method for receiving point cloud data may include: receiving a bitstream including point cloud data; and decoding the point cloud data; may include.
  • 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 shows 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. 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. 13 is an example of a receiving apparatus according to embodiments.
  • 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.
  • 15 illustrates additional attribute data of point cloud data according to embodiments.
  • FIG 16 shows an example of an origin position with respect to point cloud data according to embodiments.
  • FIG 17 shows an example of an origin position according to embodiments.
  • 19 shows an example of laser angle-based alignment according to embodiments.
  • 20 shows an example of generating a laser group and a prediction tree according to embodiments.
  • 21 shows an apparatus for transmitting point cloud data according to embodiments.
  • FIG. 22 shows an apparatus for receiving point cloud data according to embodiments.
  • FIG. 23 shows a bitstream including point cloud data and parameter information according to embodiments.
  • 25 shows a set of geometric parameters according to embodiments.
  • 26 shows a tile parameter set according to embodiments.
  • FIG. 27 illustrates a geometry slice header according to embodiments.
  • 29 shows a method of 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 transmitting device 10000 and the receiving device 10004 are capable of wired/wireless communication in order to transmit/receive point cloud data.
  • the transmission device 10000 may secure, process, and transmit a point cloud video (or point cloud content).
  • the transmitting device 10000 is 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.
  • BTS base transceiver system
  • AI Ariticial Intelligence
  • robot an AR/VR/XR device and/or a server and the like.
  • the transmission device 10000 uses a radio access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)), a device that performs 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)
  • a device that performs 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.
  • 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 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
  • point cloud compression coding according to the embodiments is not limited to the above-described embodiments.
  • 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.
  • a bitstream according to 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 receiving device 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 receiving device 10004 (or a 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, or 6G). Also, the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • a network system eg, a communication network system such as 4G, 5G, or 6G.
  • the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • the receiving device 10004 includes a receiver (Receiver, 10005), a point cloud video decoder (Point Cloud Decoder, 10006), and/or a renderer (Renderer, 10007).
  • the receiving device 10004 uses a radio access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to communicate with a base station and/or other wireless devices, 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 an interactivity with a 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 receiving device 10004 as well as the transmitting device 10000 or may not be provided.
  • the head orientation information is information about the user's head position, direction, angle, movement, and the like.
  • the reception apparatus 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 reception device 10004 may extract viewport information based on a vertical or horizontal FOV supported by the device in addition to the head orientation information.
  • the receiving device 10004 checks the user's point cloud consumption method, the point cloud video area the user gazes at, the gaze time, and the like by performing a gaze analysis or the like.
  • the receiving device 10004 may transmit feedback information including the result of the gaze analysis to the transmitting device 10000 .
  • Feedback information may be obtained during rendering and/or display.
  • the feedback information according to embodiments 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 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 receiving device 10004 may transmit feedback information to the transmitting device 10000 . The transmitting device 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, etc.
  • the receiving apparatus 10004 may be referred to as a decoder, a receiving device, a receiver, or 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.
  • a 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 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).
  • one point may have one attribute of color, or two attributes of color and reflectance.
  • the geometry may be referred to as positions, geometry information, geometry data, and the like, and the attribute may be referred to as attributes, attribute information, attribute data, and the like.
  • the point cloud content providing system receives points 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 the geometry and attributes of the point.
  • 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 the 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 (eg, the receiving device 10004 or the receiver 10005) according to the embodiments may receive a bitstream including the encoded point cloud data. Also, the point cloud content providing system (eg, the receiving device 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 receiving device 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 (for example, the receiving device 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 (for example, the receiving device 10004 or the point cloud video decoder 10005) may reconstruct the point cloud video based on positions and decoded attributes according to the reconstructed geometry.
  • the point cloud content providing system may render the decoded point cloud data (20004).
  • the point cloud content providing system eg, the receiving device 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. 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.).
  • a display eg, VR/AR display, general display, etc.
  • the point cloud content providing system (eg, the receiving device 10004) according to the 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 to 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.
  • the point cloud content providing system includes one or more cameras (eg, an infrared camera capable of securing depth information, color information corresponding to the depth information) in order to generate point cloud content.
  • Point cloud video can be captured using an RGB camera that can extract
  • 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 360-degree image of a core object to the user (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.
  • VR/AR content for example, a 360-degree image of an object (e.g., a core object such as a character, player, object, actor, etc.)
  • 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 a 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 (for example, 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 obtained 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 the 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 and the like.
  • the point cloud encoder may perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • a 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 approximation 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 approximation analysis unit 40003, the arithmetic encoder 40004, and the geometry reconstruction unit 40005 perform geometry encoding. can do.
  • Geometry encoding according to embodiments may include octree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisup geometry encoding are applied selectively or in combination. Also, the 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 quantizer 40001 may quantize the points based on the minimum position values of all points (eg, the minimum values on each axis with respect to the X-axis, Y-axis, and Z-axis).
  • the quantization unit 40001 performs a quantization operation to find the nearest integer value by multiplying the difference between the minimum position value and the position value of each point by a preset quatization scale value, and then rounding up or down. Accordingly, one or more points may have the same quantized position (or position value).
  • the quantizer 40001 according to embodiments performs voxelization based on quantized positions to reconstruct quantized points.
  • a minimum unit including 2D image/video information is a pixel, and points of point cloud content (or 3D point cloud video) according to embodiments may be included in one or more voxels.
  • the quantizer 40001 may match groups of points in a 3D space to voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • a position of a center point of 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 approximation 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, attribute transform unit 40007, RAHT transform unit 40008, LOD generation unit 40009, lifting transform unit 40010, coefficient quantization unit 40011 and/or arithmetic encoder 40012 performs attribute encoding.
  • a point can 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)) coding.
  • RAHT region adaptive hierarchical transform
  • RAHT interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform
  • 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 from 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 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 where geometry encoding has not been performed and/or a reconstructed geometry. As described above, since the attributes are dependent on the geometry, the attribute conversion 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 trisoop geometry encoding has been performed, the attribute conversion unit 40007 may convert the attributes based on the trisoop 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 transform 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.
  • 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 is generated by representing a coordinate value (eg (x, y, z)) representing a three-dimensional position of all points as a bit value and 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 transform operation, when the nearest neighbor search (NNS) is required in another transform 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 represents the detail of the point cloud content, and as the LOD value is smaller, the detail of the point cloud content is decreased, and as the LOD value is larger, the detail of the point cloud content is higher. 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 the 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 also operate or execute a set of software programs and/or instructions for performing the 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 shows 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 To do this, octree geometry coding (or octree coding) based on an octree structure is performed.
  • FIG. 6 shows the octree structure.
  • the three-dimensional space of the point cloud content according to the embodiments is expressed by axes (eg, X-axis, Y-axis, and Z-axis) of the coordinate system.
  • the octree structure is created by recursive subdividing a cubic axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ). . 2d may be set to 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 represented by 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 the 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 apparatus (eg, the receiving apparatus 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, it is not necessary 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. Also, 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 number of whole 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 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 that 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 the trisup 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 designated 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. to create a reconstructed geometry (reconstructed geometry).
  • Vertices located at 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 value of each vertex, 2 perform a square on the values obtained by subtracting the centroid value from each vertex value, and obtain the sum of all the values.
  • 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 to 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. Also, the point cloud encoder may perform attribute encoding based on the voxelized position (or position value).
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • the point cloud encoder may perform entropy coding based on context adaptive arithmetic coding.
  • the point cloud content providing system or point cloud encoder (for example, the point cloud video encoder 10002, the point cloud encoder or the arithmetic encoder 40004 of FIG. 4) directly transmits the occupanci code.
  • Entropy coding is possible.
  • the point cloud content providing system or point cloud encoder performs entropy encoding (intra-encoding) based on the occupancies of the current node and the occupancies of neighboring nodes, or entropy-encoding (inter-encoding) based on the occupancies of the previous frame. ) can be done.
  • a frame according to embodiments means a set of point cloud videos generated at the same time.
  • a point cloud encoder determines occupancy of neighboring nodes of each node of an octree and obtains a neighbor pattern value.
  • the neighbor node pattern is used to infer the occupancy 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 value of the neighbor node pattern 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 value of the neighboring node pattern (for example, if the value of the neighboring node pattern 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) before attribute encoding is performed.
  • 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).
  • the geometry reconstruction process is triangular reconstruction, upsampling, and voxelization. Since the attribute is dependent on the geometry, the 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 points with the lowest LOD, and the rightmost figure of the figure shows the distribution of the points with the highest LOD. That is, the points of the lowest LOD are sparsely distributed, and the points of the highest LOD are densely 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.
  • a point cloud encoder may generate predictors for points and perform predictive transform coding to set a predictive attribute (or predictive attribute value) 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 for example, the coefficient quantization unit 40011 according to the embodiments subtracts the predicted attribute (attribute value) from the attribute (attribute value) of each point (residuals, residual attribute, residual attribute value, attribute quantization and inverse quantization can be performed on the prediction residual value, etc.
  • the quantization process is shown in the following table.
  • the point cloud encoder (for example, the arithmetic encoder 40012) according to the embodiments may entropy-code the quantized and dequantized residual values as described above when there are points adjacent to the predictor of each point.
  • the point cloud encoder according to the examples (eg, the arithmetic encoder 40012) may entropy-code the attributes of the corresponding point without performing the above-described process if there are no neighboring points in the predictor of each point.
  • the point cloud encoder (eg, the lifting transform unit 40010) generates a predictor of each point, sets the LOD calculated in the predictor, registers neighboring points, and weights according to the distance to the neighboring points
  • Lifting transform coding may be performed by setting .Lifting transform coding according to embodiments is similar to the aforementioned predictive transform coding, except that a weight is accumulated and applied to an attribute value.
  • the process of cumulatively applying weights to values 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 indexes 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.
  • predictive attribute values are calculated by additionally multiplying the attribute values updated through the lift update process by the weights 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 the nodes of the higher level by using the attributes associated with the nodes at the 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.
  • g lx, y, and z represent the average attribute values of voxels in level l.
  • g lx, y, z can be calculated from g l+1 2x, y, z and g l+1 2x+1, y, z .
  • g l-1 x, y, z are low-pass values, which are used in the merging process at the next higher level.
  • h l-1 x, y, and z are high-pass coefficients, and the high-pass coefficients in each step are quantized and entropy-coded (eg, encoding of the arithmetic encoder 400012 ).
  • the root node is created as follows through the last g 1 0, 0, 0 and g 1 0, 0, 1 ,
  • 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) ), an inverse lifting unit (Inverse lifting, 11009), and / or a 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 coding and trisoup geometry decoding. Direct coding and trisup 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 obtained 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 regenerate the 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-soup 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 color inverse 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 about 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 conversion unit 11007, the LOD generation 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 not shown in the figure, hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing apparatus , 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 transmitting apparatus 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 as 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 occupanci code generator 12003 may generate an occupanci 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 by reconstructing positions of points in a specific region (or node) based on a voxel based on a surface model.
  • the fore surface model processing unit 12004 may perform the same or similar operations and/or methods as 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 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 attribute transformation for transforming attributes based on positions and/or reconstructed geometry to which geometry encoding has not been performed.
  • 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 by 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 in FIG. 4 . do.
  • the descriptions of predictive transform coding, lifting transform coding, and RAHT transform coding are the same as those described with reference to FIGS. 1 to 9 , a detailed description 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 configured as a bitstream and transmitted.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to the embodiments is a Sequence Parameter Set (SPS) for signaling of a sequence level, a Geometry Parameter Set (GPS) for signaling of the geometry information coding, an Attribute Parameter Set (APS) for signaling of the attribute information coding, a tile It may include signaling information including a tile parameter set (TPS) for level signaling and slice data.
  • SPS Sequence Parameter Set
  • GPS Geometry Parameter Set
  • APS Attribute Parameter Set
  • TPS tile parameter set
  • Slice data may include information about one or more slices.
  • One slice according to embodiments may include one geometry bitstream (Geom00) and one or more attribute bitstreams (Attr00, Attr10).
  • 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 about data included in a payload.
  • 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 lines are processed.
  • 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 receiving apparatus 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 as 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 operation and/or coding to the operation and/or coding of the arithmetic decoder 11000 .
  • the occupancy code-based octree reconstruction processing unit 13003 may reconstruct the octopus by acquiring 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 as 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 a 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 the operations of the surface op-proximation synthesizing 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 color inverse 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 operation and/or coding to the operation 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 as 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 inverse color 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 smart phone 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 refer to a network that constitutes a part of the cloud computing infrastructure or exists 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 transmission/reception device 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 in correspondence with 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 refer to an autonomous driving vehicle equipped with a means for providing an XR image, an autonomous driving vehicle subject to control/interaction within the XR image, or the like.
  • the autonomous driving vehicle 1420 that is the target of control/interaction in 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 the occupant with an XR/PCC object corresponding to a real object or an object in a screen by having a HUD and outputting an XR/PCC image.
  • 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 toward 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 part 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 only CG images of objects or backgrounds in the real world.
  • 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 above-described 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 device 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.
  • a method/apparatus for transmitting point cloud data is a transmitting apparatus 10000 of FIG. 1 , a point cloud video encoder 10002 , a transmitter 10003 , and an acquisition-encoding-transmitting (20000-20001-20002) of FIG. 2 . , the encoder of FIG. 4 , the transmitter of FIG. 12 , the device of FIG. 14 , the encoder of FIG. 21 , and the like.
  • a method/apparatus for receiving point cloud data is a receiving device 10004, a receiver 10005, a point cloud video decoder 10006 of FIG. 1, and a transmission-decoding-rendering (20002-20003-20004) of FIG. , the decoder of Figs. 10-11, the receiver of Fig. 13, the device of Fig. 14, the decoder of Fig. 22, and the like.
  • the method/device for transmitting and receiving point cloud data according to the embodiments may be abbreviated as a method/device according to the embodiments.
  • geometry data, geometry information, location information, and the like constituting point cloud data are interpreted to have the same meaning.
  • Attribute data, attribute information, attribute information, and the like constituting point cloud data are interpreted to have the same meaning.
  • Point cloud data transmission and reception method / device is a predictive tree configuration extension method for low-latency 3D map point cloud geometry information compression (A method to build predictive geometry tree for low-latency geometry coding of 3D map point cloud) can provide
  • Geometry-based Point Cloud Compression For efficient geometry compression of G-PCC, a method of constructing a predictive tree may be supported. For example, it may include an origin selection method and a signaling method, a laser angle-based alignment method for generating a prediction tree, and/or a fast prediction tree construction method, and the like.
  • Embodiments relate to a method for increasing the compression efficiency of Geometry-based Point Cloud Compression (G-PCC) for 3D point cloud data compression.
  • G-PCC Geometry-based Point Cloud Compression
  • a point cloud is composed of a set of points, and each point may have geometry information and attribute information.
  • the geometry information is three-dimensional position (XYZ) information
  • the attribute information is a color (RGB, YUV, etc.) and/or a reflection value.
  • the G-PCC decoding process receives a geometry bitstream and an attribute bitstream of an encoded slice unit, decodes the geometry, and decodes attribute information based on the geometry reconstructed through the decoding process.
  • An octree-based, predictive tree-based, or trisoup-based compression technique may be used for geometric information compression.
  • the method/apparatus for transmitting and receiving point cloud data may perform a prediction tree-based geometry compression technique to increase the geometry compression efficiency of 3D map content captured by a lidar device.
  • the position coordinates of the reflector can be measured by emitting a laser pulse and measuring the time it takes to reflect and return.
  • Depth information can be extracted through lidar equipment using such a radar system.
  • the point cloud content generated through the lidar device may consist of several frames, or may integrate several frames into one content.
  • 3D map point cloud content may refer to data generated by capturing multiple frames with lidar equipment and integrating them into one content.
  • the angular characteristics that appear in the data captured by the lidar equipment that is, the angle When changing to , the rule between points may be hidden, and applying an angle mode to it may not be more efficient than compression based on the Cartesian coordinate system.
  • the prediction tree-based geometry compression method applied to the 3D map point cloud content cannot increase the compression efficiency by using the angle mode, and a method for increasing the compression efficiency from the regularity of the points in the content may be required.
  • the prediction tree can be performed by predicting the position of the current point through the vectors of the parent nodes, the residual value of the predicted point and the current point becomes smaller depending on whether the parent node with regularity is selected well, so that the bitstream size can reduce
  • Embodiments intend to support a prediction tree construction method for supporting efficient geometry compression based on prediction tree of 3D map data captured through lidar equipment and integrated into one content.
  • the prediction tree construction according to the embodiments may be performed in the geometry encoder of the PCC encoder and may be reconstructed through a geometry decoding process of the PCC decoder.
  • 15 illustrates additional attribute data of point cloud data according to embodiments.
  • Point cloud data compressed and restored by the decoder of FIG. 11 , the receiving apparatus of FIG. 13 , the device of FIG. 14 , and the decoder of FIG. 22 may have properties as shown in FIG. 15 .
  • the origin position selection method When there is a laser angle value according to the embodiments, the origin position selection method:
  • the point cloud captured by the lidar with 3D map data captured through the lidar equipment and integrated into one content is the position (x, y, z), properties (red, green, blue, reflectance) ) value, it may have additional attribute data such as time, laser angle, and normal position (nx, ny, nz).
  • FIG 16 shows an example of an origin position with respect to point cloud data according to embodiments.
  • the decoder of FIG. 11 , the receiving device of FIG. 13 , the device of FIG. 14 , the decoder of FIG. 22 , etc. may perform compression/restore by setting the origin of point cloud data and point cloud data configured in the form of a 3D map.
  • the positions of the left, bottom, and front of the bounding box of the slice can be set as the position of the origin (16000).
  • the position of the origin can affect the point alignment process to generate the prediction tree
  • the sorted shape can affect the construction of the prediction tree
  • the prediction tree affects the prediction value, so the residual value with the prediction value is affected. may affect the bitstream size.
  • a point of the bounding box corresponding to slice 0 may be processed as the origin.
  • the origin of the bounding box corresponding to slice 1 may be the left/bottom/front position of the bounding box.
  • FIG 17 shows an example of an origin position according to embodiments.
  • the method/apparatus may calculate the origin position in the slice through the following process.
  • a candidate angle value (origin_laser_angle) corresponding to the origin can be input.
  • 90° may be a candidate angle value.
  • the position (origin_direction) of the point corresponding to the origin can be input.
  • the left may be the position of the point.
  • the origin position value can be set as the origin position value according to the origin_direction by comparing the position value of p with the position value of origin.
  • origin_direction is left and origin.x > p.x
  • p may be set as the origin location value. This is because p is located further to the left of origin.
  • the method/apparatus according to the embodiments may transform coordinates for points in order to set the position of the origin. It changes from the Cartesian coordinate system to the spherical coordinate system based on the origin.
  • Coordinate system transformation is 1) also used when applying angular mode of predictive geom coding, and 2) point alignment in normal mode and/or angular mode of predictive geom. To transform and align the coordinate values.
  • the (x, y, z) Cartesian coordinates are changed to azimuth, radius, and elevation (laser ID).
  • the origin is above the road Since it is displaced, a suitable azimuth and radius can be found.
  • a location 17002 where a set of points starts may correspond to a road area.
  • the origins 16000 and 17001 of the left/bottom/front of the bounding box are separated from the road area 17002, which is the basis for the arrangement of the points.
  • the position of the origin set based on the additional attribute data is set as the road starting point 17002 .
  • the origin position in the slice can be calculated through the following process.
  • a reference axis may be input.
  • the x-axis may be a reference axis.
  • a second reference axis may be input.
  • it could be the y-axis.
  • a vector range may be input. For example, you can set the range -0.2 to -1.
  • the position of the origin when it belongs to the vector range may be set.
  • the origin can be set to left/top/front.
  • the position of the origin when it does not belong to the vector range may be input. For example, you can set the origin to left/bottom/front.
  • point L existing at the smallest value and point R existing at the largest value can be found.
  • In diff which is a normalized value of R-L value, it can be checked whether it corresponds to the vector range based on the second reference axis. If it belongs to the range, you can set the specified position as the origin.
  • left/top/front can be set as the origin. If it doesn't, you can set left/bottom/front to the origin.
  • the points are searched in a certain direction (18002, 18005, 18008) according to the reference axis and the vector range from the points (18001, 18004, 18007).
  • the origin can be set.
  • An arrangement method may be set according to characteristics of content. For example, in the case of content in the form of spinning data captured by LiDAR equipment, it may help to efficiently generate a prediction tree when sorted based on azimuth.
  • Points can be sorted by Morton code. Alternatively, azimus alignment may be more efficient. If the left/bottom/front of the bounding box is the origin, there may be a problem in that the error becomes too large because the angle difference of the azimuth between the points is large.
  • the sorted point order can affect the construction of the prediction tree, and since the prediction tree affects the prediction value, it affects the residual value with the prediction value, It can affect the stream size.
  • 19 shows an example of laser angle-based alignment according to embodiments.
  • the decoder of FIG. 11 , the receiving device of FIG. 13 , the device of FIG. 14 , the decoder of FIG. 22 , etc. may set the origin as shown in FIGS. 16-18 using the attribute of FIG. 15 , and align the points as shown in FIG. 19 .
  • the points may be aligned based on the laser angle, and the laser angles may be grouped for alignment. For example, a laser angle of 0-5 degrees can be viewed as the same laser angle and the order of the points can be arranged.
  • the alignment is based on the radius, and when the radius is the same or the radius groups are the same, the alignment can be done based on the elevation.
  • the point cloud content is the appearance of a road, and the points of the point cloud data may be as shown in FIG. 19 .
  • the method/apparatus according to the embodiments may set a point at which the laser angle is 90 degrees and the coordinate is to the left of the axis as the war point 1900 .
  • the points can be aligned based on the laser angle (19002).
  • the points may be aligned based on the radius (19003).
  • the method/apparatus may set a point 19005 where the laser angle is 90 degrees and the left side of the axis as the new origin. . And you can align the points based on the laser angle. Since the position of the origin is set as the starting point (19005) of the road, it is possible to align the points for objects on the road along the road in the order of the laser angle. If the laser angle values between the points are the same, you can align the points based on the radius.
  • the order of the aligned points has an aligned shape along the road, so errors can be effectively reduced in the process of encoding and decoding the points.
  • the method/device according to the embodiments may generate the prediction tree while selecting the closest prediction point as the parent node through the KD-Tree generation/search process. This process can take a significant amount of time to perform. In a scenario aimed at low-latency geometry compression, the KD-Tree-based prediction tree generation technique may cause execution time issues.
  • the origin position is selected based on the laser angle, and if the laser angle-based alignment is performed, the method of quickly constructing a prediction tree is applied without using KD-Tree. can do.
  • a process of generating a prediction tree may be as follows.
  • the latest point of the laser angle of point p If the latest point of the laser angle of point p exists, the latest point can be set as a parent node on the prediction tree of the current point. Again, the current point can be set as the latest value of the current laser angle.
  • the current point can be set as the latest point of the current laser angle. You can set the current point as the first point of the current laser angle.
  • 20 shows an example of generating a laser group and a prediction tree according to embodiments.
  • the second laser group 20001 is the current layer angle group, and the first laser angle group 20000 is the second laser angle group 20001 It may be a group of lasers that have been processed earlier.
  • the first point 20002 may be set as a root node.
  • the current point 20002 may be set as the latest point of the current laser angle.
  • the current point 20002 may be set as the first point of the current laser angle.
  • the latest point 20002 of the laser angle of the point p(20003) may be set as a parent node on the prediction tree of the current point 20003.
  • the current point 20003 may be set as the latest value of the current laser angle.
  • point 20003 becomes the parent of point 20004.
  • the parent node of the first point 20002 of the current laser angle 20001 it can be set as the first point 20005 of the previous laser angle 20000.
  • the method/apparatus according to the embodiments may generate a fast prediction tree using points aligned based on a laser angle.
  • the latest point means a point located first among points included in a corresponding group and arranged.
  • points may be aligned based on a laser angle (a group according to an azimus value or an azimus range).
  • points are captured by the lidar, and the characteristics of the captured points may have strong regularity according to a radius and/or an azimuth value.
  • the latest point in the same laser angle group in FIG. 20 becomes the first point.
  • the range of group 20001 according to the laser angle (azimus) is 0 to 5 degrees, includes point 20002, and since point 20002 is the first point in the sorted order, it becomes a root node (point).
  • point 20005 is the first point, so it becomes a route. Accordingly, if there are groups and points according to a specific laser angle as described above, a parent/child relationship between points within a group may be set, and a parent/child relationship between groups may be set.
  • the acquisition unit (radia) according to the embodiments when the acquisition unit (radia) according to the embodiments is rotated to capture a point, there may be a difference for each azimuth angle in time, and when capturing in a flash type There may not be a difference in time because it is captured by many sensors in a specific area at once. If the meaning of the previous laser angle group according to the embodiments is grouped by Angle 0-5, 5-10, the 0-5 degree group may be viewed as the previous laser angle group based on the 5-10 degree group. Also, when the device according to the embodiments performs rotation and captures (spinning LiDAR, which is a common case), there may be a time difference.
  • 21 shows an apparatus for transmitting point cloud data according to embodiments.
  • Transmitting device 10000 in Fig. 1 point cloud video encoder 10002, transmitter 10003, Acquisition-encoding-transmitting (20000-20001-20002) in Fig. 2, Encoder in Fig. 4, Transmitting device in Fig. 12, Fig.
  • the device of 14 and the encoder of FIG. 21 are point cloud data transmission apparatuses according to embodiments corresponding to each other. Each component may correspond to hardware, software, a processor, and/or a combination thereof.
  • PCC data may be input and encoded as an input of the encoder to output a geometry information bitstream and an attribute information bitstream.
  • the data input unit may receive geometry data and attribute data.
  • the data input unit may receive a parameter setting value related to encoding.
  • the coordinate system transform unit may set the coordinate system associated with the position of the point of the geometric data as a system suitable for encoding.
  • the geometry information transformation quantization processing unit may transform and quantize the geometry data.
  • the spatial divider may divide the point cloud data into a spatial structure suitable for encoding.
  • the geometry information encoding unit When the geometry coding type is prediction-based coding, the geometry information encoding unit generates a prediction tree through the prediction tree generation unit, and performs a Rate Distortion Optimization (RDO) process based on the prediction tree generated through the prediction determiner to optimize the prediction mode.
  • RDO Rate Distortion Optimization
  • a geometry prediction value according to an optimal prediction mode may be generated.
  • the geometry information encoder may perform octree-based geometry coding through the octree generator, or may perform trichop-based geometry coding through the trichop generator.
  • the geometry position reconstruction unit may reconstruct the coded geometry data and provide it for attribute coding.
  • a geometry information bitstream may be configured by entropy-coding a residual value with a value predicted by the geometry information entropy encoder.
  • the prediction tree generator may receive a candidate angle value (origin_laser_angle) corresponding to the origin of the origin and a direction (origin_direction) of the point corresponding to the origin. From the received value, a point to be used as the origin in the slice can be selected according to the origin_laser_angle and origin_direction.
  • the origin value may be transmitted to the decoder as signal information.
  • the prediction tree generator may receive a method for sorting the points, and may sort the points according to the sorting method.
  • the point alignment method may include Morton code, radius, azimuth, elevation, sensor ID criteria, laser angle, or captured time sequence, and the like.
  • laser angle the order of points can be determined based on the selected origin.
  • the order of points is determined based on the radius or the same radius, and when the radius value is the same, the order of points can be determined based on the elevation.
  • the applied alignment method may be transmitted as signal information to the decoder.
  • the prediction tree generator may receive a prediction tree generation method, and may generate a prediction tree according to the received method.
  • the tree generation method may include an ordered order-based fast prediction tree generation method, a distance-based prediction tree generation method, and an angular-based prediction tree generation method. It can be selected according to the content characteristics and the type of service.
  • the applied prediction tree generation generation method may be transmitted to the decoder as signal information.
  • the prediction tree generator may receive a maximum distance value.
  • a prediction point list When a prediction point list is used, a neighboring prediction point for selecting a parent node is searched, and only when the distance to the searched points is smaller than the maximum distance value, it can be registered as a child node.
  • the maximum distance value can be input or set automatically through content analysis.
  • the geometry encoder for example, through the prediction tree generator, uses the additional attribute data of Fig. 15, selects the origin position as in Figs. 17-19, etc., aligns the points based on the laser angle, and makes a quick prediction from the points.
  • a tree can be created based on a group of laser angles. Predictive coding can be done by quickly establishing parent-child relationships from a fast prediction tree.
  • prediction geometry data for the current geometry data may be calculated through a fast prediction tree. By generating residual data between the current geometry data (original) and the prediction geometry data, a geometry bitstream including the residual data may be generated.
  • the attribute information encoder may encode the attribute data using the restored geometry data.
  • Information related to attribute information encoding may be delivered to the decoder as signaling information.
  • Fig. 21 shows a transmission method/apparatus (a point cloud data transmission method/apparatus) and a configuration (encoding process) of a point cloud data encoder according to the embodiments.
  • the prediction geometry coding of FIG. 21 may be an alternative to the octree-based scheme.
  • the predictive coding technique according to embodiments may support low latency and provide low complexity decoding.
  • the prediction (prediction) structure may be applied to, for example, content corresponding to category 3.
  • a prediction tree can be created by creating a prediction structure for the point cloud data.
  • a point in the point cloud data may correspond to a vertex of a tree.
  • Each vertex can be predicted from its ancestors in the tree.
  • Predictive geometry coding may perform prediction geometry coding using a tree structure. You can create a tree structure with parent/child between points.
  • the prediction mode may include No prediction, Delta prediction (i.e., p0), Linear prediction (i.e., 2p0-p1), Parallelogram predictor (i.e., 2p+p1-p2), and the like.
  • a prediction mode may be selected based on the RDO method.
  • a mode corresponding to a case in which a residual (residual) according to a prediction mode is smallest may be selected, and the used prediction mode (predictor) may be transmitted as signaling information.
  • FIG. 22 shows an apparatus for receiving point cloud data according to embodiments.
  • Receiver 10004, receiver 10005, point cloud video decoder 10006, transmit-decode-render (20002-20003-20004) in Fig. 2, decoder in Figs. 10-11, receiver in Fig. 13 , the device of FIG. 14, and the decoder of FIG. 22 are point cloud data receiving apparatuses according to embodiments.
  • Each component may correspond to hardware, software, a processor, and/or a combination thereof.
  • the reception operation of FIG. 22 may correspond to the transmission operation of FIG. 21 or a reverse process of the transmission operation may be performed.
  • the geometric information entropy decoding unit may entropy-decode the geometry data.
  • the octree reconstructor may reconstruct the geometry data based on the octree.
  • the prediction tree reconstruction unit may be used to receive and restore the prediction tree generation method, the origin position value, and the point alignment method, reconstruct the prediction tree accordingly, and decode the prediction value of the geometry.
  • the geometry decoder determines the position of the origin through the prediction tree reconstruction unit, identifies the point alignment method, predicts the geometry data through the fast prediction tree when fast prediction tree generation is applied, and adds it with the received residual geometry data. Geometry data can be restored.
  • the geometry position reconstruction unit may reconstruct the position of the geometry data and provide it to the attribute decoder.
  • the geometric information prediction unit may generate prediction data of the geometry data.
  • the geometric information transformation inverse quantization processing unit may inversely apply quantization to the geometry data based on the quantization parameter when the quantization is performed at the transmitting side.
  • the coordinate system inverse transform unit may inversely transform the coordinate system when the coordinate system related to the geometric data is transformed at the transmitting side.
  • the attribute information decoder may entropy-decode residual data of the attribute data from a bitstream including the attribute data through the attribute residual information entropy decoder.
  • the attribute information decoding unit may decode attribute data.
  • the residual attribution information inverse quantization processing unit may inversely quantize the residual attribution information based on the quantization parameter when quantized at the transmitting side. According to the transmission-side encoding method, the decoder may restore the attribute data.
  • the method/apparatus for receiving point cloud data may receive the bitstream in the order of the tree generated by the encoder, and may not perform the point alignment (coordinate transformation) process of the transmitting side.
  • the receiving method/device may reconstruct the prediction tree through the bitstream in the order in which it was received. In the process of reconstructing the prediction tree, origin information is used, and the finally reconstructed position can be converted into xyz coordinates through a coordinate conversion process.
  • FIG. 23 shows a bitstream including point cloud data and parameter information according to embodiments.
  • the point cloud data transmission apparatus generates the bitstream as shown in FIG. 23, and the point cloud data reception apparatus according to the embodiments such as FIG. 22 receives the bitstream as shown in FIG. 23 and receives the parameter information. Based on this, the point cloud data may be decoded.
  • the signaling information according to the embodiments may be used at a transmitting end or a receiving end.
  • the signaling information according to the embodiments is to be generated and transmitted by the transmission/reception device according to the embodiments, for example, a metadata processing unit (which may be referred to as a metadata generator, etc.) of the transmission device to be received and obtained by the metadata parser of the reception device.
  • a metadata processing unit which may be referred to as a metadata generator, etc.
  • Each operation of the receiving apparatus according to the embodiments may perform each operation based on signaling information.
  • the coded point cloud configuration is shown in FIG. 23 .
  • Each abbreviation means: Each abbreviation may be referred to by another term within the scope of the equivalent meaning.
  • SPS Sequence Parameter Set
  • GPS Geometry Parameter Set
  • APS Attribute Parameter Set
  • TPS Tile Parameter Set
  • Option information related to prediction tree generation may be added and signaled to SPS or GPS.
  • Option information related to prediction tree generation may be added to TPS or to the geometry header for each slice to signal.
  • a tile or slice is provided so that the point cloud can be divided into regions and processed.
  • different neighbor point set generation options are set for each region to provide a low-complexity and low-reliability result or, conversely, a high-complexity but high-reliability selection method. It can be set differently according to the processing capacity of the receiver.
  • the point cloud when the point cloud is divided into tiles, different options may be applied to each tile.
  • different options when the point cloud is divided into slices, different options may be applied to each slice.
  • Fig. 24 is a sequence parameter set included in the bitstream of Fig. 23;
  • the method/apparatus according to the embodiments may provide efficient signaling by including information related to prediction tree generation according to the embodiments in a sequence parameter set.
  • Profile indicates the profile that the bitstream conforms to as specified in Appendix A.
  • the bitstream may not include a profile_idc value that is not a value according to embodiments.
  • Other values of profile_idc may be reserved for future use in ISO/IEC.
  • Profile compatibility flag (profile_compatibility_flags): profile_compatibility_flags equal to 1 indicates that the bitstream conforms to the profile indicated by profile_idc equal to j.
  • the number of SPS attribute sets indicates the number of coded attributes in the bitstream.
  • the value of sps_num_attribute_sets may be between 0 and 63.
  • the attribute dimension indicates the number of components of the i-th attribute.
  • the attribute instance identifier (attribute_instance_id[ i ]) indicates an instance ID for the i-th attribute.
  • 25 shows a set of geometric parameters according to embodiments.
  • Fig. 25 is a set of geometry parameters included in the bitstream of Fig. 23;
  • the method/apparatus according to the embodiments may provide efficient signaling by including information related to prediction tree generation according to the embodiments in a geometry parameter set.
  • GPS Geometry Parameter Set ID (gps_geom_parameter_set_id): Provides an identifier for the GPS for reference in other syntax elements.
  • the value of gps_seq_parameter_set_id may be in the range of 0 to 15.
  • GPS sequence parameter set ID (gps_seq_parameter_set_id): Indicates a sps_seq_parameter_set_id value for an active SPS.
  • the value of gps_seq_parameter_set_id may be in the range of 0 to 15.
  • 26 shows a tile parameter set according to embodiments.
  • Fig. 26 is a tile parameter set included in the bitstream of Fig. 23;
  • the method/apparatus according to the embodiments may provide efficient signaling by including information related to prediction tree generation according to the embodiments in a tile parameter set.
  • GPS Geometry Parameter Set ID (gps_geom_parameter_set_id): Provides an identifier for the GPS for reference in other syntax elements.
  • the value of gps_seq_parameter_set_id may be in the range of 0 to 15.
  • GPS sequence parameter set ID (gps_seq_parameter_set_id): Indicates a sps_seq_parameter_set_id value for an active SPS.
  • the value of gps_seq_parameter_set_id may be in the range of 0 to 15.
  • num_tiles The number of tiles (num_tiles) indicates the number of tiles signaled for the bitstream. If it does not exist, num_tiles is inferred to be 0.
  • tile bounding box offset X (tile_bounding_box_offset_x[ i ]) indicates the x offset of the i-th tile in Cartesian coordinates. If it does not exist, the value of tile_bounding_box_offset_x[ 0 ] may be inferred to be sps_bounding_box_offset_x.
  • tile bounding box offsetY (tile_bounding_box_offset_y[ i ]) represents the y offset of the ith tile in Cartesian coordinates. If it does not exist, the value of tile_bounding_box_offset_y[ 0 ] may be inferred as sps_bounding_box_offset_y.
  • tile bounding box offsetZ (tile_bounding_box_offset_z[ i ]) represents the z offset of the i th tile in Cartesian coordinates. If it does not exist, the value of tile_bounding_box_offset_z[ 0 ] may be inferred as sps_bounding_box_offset_z.
  • FIG. 27 illustrates a geometry slice header according to embodiments.
  • Fig. 27 is a geometry slice header included in the bitstream of Fig. 23;
  • the method/apparatus according to the embodiments may provide efficient signaling by including information related to prediction tree generation according to the embodiments in a geometry slice header.
  • Prediction origin Indicates an origin position value applied in the corresponding slice.
  • the GSH geometry parameter set ID (gsh_geometry_parameter_set_id) indicates a gps_geom_parameter_set_id value of the active GPS.
  • the GSH tile identifier indicates the value of the tile ID referenced by the GSH.
  • the value of gsh_tile_id can range from 0 to XX.
  • the GSH slice ID (gsh_slice_id) may identify a slice header to be referenced by other syntax elements.
  • the value of gsh_slice_id can range from 0 to XX.
  • Transmitting device 10000 in Fig. 1 point cloud video encoder 10002, transmitter 10003, Acquisition-encoding-transmitting (20000-20001-20002) in Fig. 2, Encoder in Fig. 4, Transmitting device in Fig. 12, Fig.
  • the device for transmitting point cloud data such as the device of 14 and the encoder of FIG. 21 may encode and transmit the point cloud data by the following steps.
  • a method of transmitting point cloud data may include encoding the point cloud data.
  • the encoding step according to the embodiments may include: FIG. 1 transmitting apparatus 10000, point cloud video acquisition 10001, point cloud video encoder 10002, FIG. 2 acquisition-encoding 20000-20001, FIG. 4 encoder, FIG. 12 transmission
  • the device, the XR device 1430 of Fig. 14, the origin position selection according to Figs. 15-20, point alignment, prediction tree generation, Fig. 21 encoder, Fig. 23-27 bitstream and parameter generation, and the like may be included.
  • the method for transmitting point cloud data may further include transmitting a bitstream including the point cloud data.
  • Transmission operation according to the embodiments is shown in Fig. 1 transmission apparatus 10000, transmitter 10003, Fig. 2 transmission 20002, Figs. 4, 12, 14 transmission of geometry bitstreams and attribute bitstreams, and encoding according to Figs. 15-20. It may include an operation such as transmission of the bitstream (FIGS. 23-27) including the point cloud data.
  • 29 shows a method of receiving point cloud data according to embodiments.
  • Receiver 10004, receiver 10005, point cloud video decoder 10006, transmit-decode-render (20002-20003-20004) in Fig. 2, decoder in Figs. 10-11, receiver in Fig. 13 , the device of FIG. 14 , the decoder of FIG. 22 , and the like point cloud data receiving apparatus may receive and decode the point cloud data by the following steps.
  • the process of the receiver side may follow the reverse process of the process of the sender.
  • a method for receiving point cloud data may include receiving a bitstream including point cloud data.
  • Receiving according to the embodiments may include: Fig. 1 receiving device 10004, receiver 10005, Fig. 2 receiving according to transmission 20002, Fig. 10-11 Geometry bitstream and attribute bitstream receiving, Fig. 13 receiving device; It may include operations such as receiving the point cloud data encoded by the XR device 1430 of FIG. 14, FIGS. 15-20, and the like, the decoder of FIG. 22, and receiving the bitstream of FIGS. 23-27.
  • the method for receiving point cloud data may further include decoding the point cloud data.
  • Decoding operations according to the embodiments are shown in Fig. 1 point cloud video decoder 10006, renderer 10007, Fig. 2 decoding-renderer-feedback 20003-20005, Fig. 10-11 decoding, Fig. 13 receiving/decoding, Fig. 15 It may include operations such as restoration of point cloud data encoded by -20 and the like, and restoration of geometry data and attribute data included in the decoder of FIG. 22 and the parameter-based bitstream of FIGS. 23-37.
  • the method/apparatus according to the embodiments may re-order geometry data (positions of points) for geometry prediction tree coding.
  • the points since the laser sensor rotates at a constant angle in the process of capturing the point through the laser sensor, the points have a laser angle property (see FIG. 15 ).
  • the method for using this laser angle can be applied to determine a point for realigning the points.
  • the points may have a laser angle, and the laser angle is used to determine the origin.
  • the point may be selected and determined by the method/apparatus according to the embodiments according to the following settings.
  • the center laser angle may be 90 degrees. It may be a point located at the far left.
  • 17-18 show selected origins 18001, 08004 and 18007 for each slice.
  • a re-ordering method based on laser angle A re-ordering method based on laser angle:
  • the laser angle is used to realign the points instead of the calculated azimuth.
  • the points are aligned according to the laser angle value (laser angle range).
  • the points may be arranged based on color, which is a property of the points. For example, if the points are rearranged by the laser angle, the result may be obtained that the points are arranged in an example order such as yellow points, green points, orange points, green points.
  • encoding the point cloud data; and transmitting a bitstream including the point cloud data may include.
  • the encoding of the point cloud data may include encoding geometry data of the point cloud data, and the geometry data may be encoded based on the laser angle for the point cloud data.
  • the method/device in relation to the origin position and point alignment, provides that the geometric data of the point cloud data has a laser angle, the laser angle is 90 degrees, and the point that is the leftmost coordinate It can be selected as the origin of the geometric data.
  • geometric data may be aligned based on laser angle.
  • a method in relation to generation of a prediction tree generates a prediction tree having a point having the latest laser angle as a parent based on the laser angle, and a second laser group including a plurality of points.
  • a root node may be set as a parent node of a root node of a first laser group including a plurality of points, and the laser angle value of the second laser group may be smaller than that of the first laser group.
  • the latest meaning is interpreted to refer to a point in the first position in the aligned state, or a point having a small laser angle value.
  • the encoding of the point cloud data includes encoding the geometry data of the point cloud data
  • the encoding of the geometry data includes transforming the coordinate system of the geometry data to a laser Set the origin based on the angle, sort the geometric data based on the origin, create a prediction tree based on the sorted geometric data, generate the predicted value of the point cloud data based on the prediction tree, and the residual value from the prediction value. , to generate a geometry bitstream.
  • the PCC encoding method, the PCC decoding method, and the signaling method of the embodiments may provide the following effects.
  • Angle mode can be applied to the scenario of capturing and saving frame by frame through LiDAR equipment, but when multiple frames are captured with LiDAR equipment to create 3D map data and integrated into one content Because the data with different central positions of the lidar equipment are mixed, the angular characteristics that appear in the data captured by the lidar equipment, that is, the angle When changing to , the rule between points may be hidden, and applying an angle mode to it may not be more efficient than compression based on the Cartesian coordinate system.
  • a method for increasing the compression efficiency from the regularity of the points in the content may be needed even for 3D map data.
  • the embodiments describe an origin selection method, an alignment method, and a method of quickly constructing a prediction tree for the prediction tree-based efficient geometry compression of 3D map data captured through lidar equipment and integrated into one content. supported.
  • embodiments provide a point cloud content stream by increasing the geometry compression efficiency of the encoder (encoder)/decoder (decoder) of Geometry-based Point Cloud Compression (G-PCC) for 3D point cloud data compression can do.
  • the PCC encoder and/or PCC decoder may provide an efficient prediction tree generation method, and may provide an effect of increasing geometry compression coding/decoding efficiency by considering the degree of influence between prediction points.
  • the transmission method/device according to the embodiments may transmit data by efficiently compressing the point cloud data, and by delivering signaling information for this, the receiving method/device according to the embodiments also efficiently transmits the point cloud data It can be decoded/restored.
  • 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 configured with one or more processors capable of executing one or more programs, and the one or more programs may execute 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 to 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, the interpretation of various components according to the embodiments should not be limited by the above terms. These terms are only used to distinguish one component from another. it is only For example, the first user input signal may be referred to as a second user input signal. Similarly, 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. Although 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 in embodiments 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 device 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.
  • 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 wholly or partially applied to a point cloud data transmission/reception device and system.
  • Embodiments may include variations/modifications without departing from the scope of the claims and the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Processing Or Creating Images (AREA)

Abstract

실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다.

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
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.
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 포인트 클라우드 데이터를 디코딩하는 단계; 를 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.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 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 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 전송 장치의 예시이다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도15는 실시예들에 따른 포인트 클라우드 데이터가 가지는 추가 속성 데이터를 나타낸다.
도16은 실시예들에 따른 포인트 클라우드 데이터에 관한 원점 위치 예시를 나타낸다.
도17은 실시예들에 따른 원점 위치 예시를 나타낸다.
도18은 실시예들에 따른 레이저 앵글이 없는 경우, 원점 위치를 설정하는 예시를 나타낸다.
도19는 실시예들에 따른 레이저 앵글 기반 정렬 예시를 나타낸다.
도20은 실시예들에 따른 레이저 그룹과 예측 트리 생성 예시를 나타낸다.
도21은 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도22는 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도23은 실시예들에 따른 포인트 클라우드 데이터 및 파라미터 정보를 포함하는 비트스트림을 나타낸다.
도24는 실시예들에 따른 시퀀스 파라미터 세트를 나타낸다.
도25는 실시예들에 따른 지오메트리 파라미터 세트를 나타낸다.
도26은 실시예들에 따른 타일 파라미터 세트를 나타낸다.
도27은 실시예들에 따른 지오메트리 슬라이스 헤더를 나타낸다.
도28은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도29는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
. 실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 컨텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000) 뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 데이터 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)으로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 3은 도 1 내지 도 2에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
포인트 클라우드 콘텐트는 다양한 3차원 공간(예를 들면 현실 환경을 나타내는 3차원 공간, 가상 환경을 나타내는3차원 공간 등)에 위치한 오브젝트(object) 및/또는 환경을 나타내는 포인트 클라우드 비디오(이미지들 및/또는 영상들)을 포함한다. 따라서 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 콘텐트를 생성하기 위하여 하나 또는 그 이상의 카메라(camera)들(예를 들면, 깊이 정보를 확보할 수 있는 적외선 카메라, 깊이 정보에 대응되는 색상 정보를 추출 할 수 있는 RGB 카메라 등), 프로젝터(예를 들면 깊이 정보를 확보하기 위한 적외선 패턴 프로젝터 등), 라이다(LiDAR)등을 사용하여 포인트 클라우드 비디오를 캡쳐할 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 깊이 정보로부터 3차원 공간상의 포인트들로 구성된 지오메트리의 형태를 추출하고, 색상정보로부터 각 포인트의 어트리뷰트를 추출하여 포인트 클라우드 데이터를 확보할 수 있다. 실시예들에 따른 이미지 및/또는 영상은 인워드-페이싱(inward-facing) 방식 및 아웃워드-페이싱(outward-facing) 방식 중 적어도 어느 하나 이상을 기반으로 캡쳐될 수 있다.
도3의 왼쪽은 인워드-페이싱 방식을 나타낸다. 인워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트를 캡쳐하는 방식을 의미한다. 인워드-페이싱 방식은 핵심 객체에 대한 360도 이미지를 사용자에게 제공하는 포인트 클라우드 콘텐트(예를 들면 사용자에게 객체(예-캐릭터, 선수, 물건, 배우 등 핵심이 되는 객체)의 360도 이미지를 제공하는 VR/AR 콘텐트)를 생성하기 위해 사용될 수 있다.
도3의 오른쪽은 아웃워드-페이싱 방식을 나타낸다. 아웃워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트가 아닌 중심 오브젝트의 환경을 캡쳐하는 방식을 의미한다. 아웃워드-페이싱 방식은 사용자의 시점에서 나타나는 주변 환경을 제공하기 위한 포인트 클라우드 콘텐트(예를 들면자율 주행 차량의 사용자에게 제공될 수 있는 외부 환경을 나타내는 콘텐트)를 생성하기 위해 사용될 수 있다.
도면에 도시된 바와 같이, 포인트 클라우드 콘텐트는 하나 또는 그 이상의 카메라들의 캡쳐 동작을 기반으로 생성될 수 있다. 이 경우 각 카메라의 좌표계가 다를 수 있으므로 포인트 클라우드 콘텐트 제공 시스템은 캡쳐 동작 이전에 글로벌 공간 좌표계(global coordinate system)을 설정하기 위하여 하나 또는 그 이상의 카메라들의 캘리브레이션을 수행할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 상술한 캡쳐 방식으로 캡쳐된 이미지 및/또는 영상과 임의의 이미지 및/또는 영상을 합성하여 포인트 클라우드 콘텐트를 생성할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 가상 공간을 나타내는 포인트 클라우드 콘텐트를 생성하는 경우 도3에서 설명한 캡쳐 동작을 수행하지 않을 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 캡쳐한 이미지 및/또는 영상에 대해 후처리를 수행할 수 있다. 즉, 포인트 클라우드 콘텐트 제공 시스템은 원하지 않는 영역(예를 들면 배경)을 제거하거나, 캡쳐한 이미지들 및/또는 영상들이 연결된 공간을 인식하고, 구명(spatial hole)이 있는 경우 이를 메우는 동작을 수행할 수 있다.
또한 포인트 클라우드 콘텐트 제공 시스템은 각 카메라로부터 확보한 포인트 클라우드 비디오의 포인트들에 대하여 좌표계 변환을 수행하여 하나의 포인트 클라우드 콘텐트를 생성할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 각 카메라의 위치 좌표를 기준으로 포인트들의 좌표계 변환을 수행할 수 있다. 이에 따라, 포인트 클라우드 콘텐트 제공 시스템은 하나의 넓은 범위를 나타내는 콘텐트를 생성할 수도 있고, 포인트들의 밀도가 높은 포인트 클라우드 콘텐트를 생성할 수 있다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
*
실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 40000), 양자화부(Quantize and Remove Points (Voxelize), 40001), 옥트리 분석부(Analyze Octree, 40002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 40005), 컬러 변환부(Transform Colors, 40006), 어트리뷰트 변환부(Transfer Attributes, 40007), RAHT 변환부(40008), LOD생성부(Generated LOD, 40009), 리프팅 변환부(Lifting)(40010), 계수 양자화부(Quantize Coefficients, 40011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 40012)를 포함한다.
좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(40000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(40001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(40001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(40001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(40001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(40002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(40003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(40004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(40006), 어트리뷰트 변환부(40007), RAHT 변환부(40008), LOD생성부(40009), 리프팅 변환부(40010), 계수 양자화부(40011) 및/또는 아리스메틱 인코더(40012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(40006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(40006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(40006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(40005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(40005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(40007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(40007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(40007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(40007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(40007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(40007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(40007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(40007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(40007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(40008) 및/또는 LOD 생성부(40009)로 입력된다.
실시예들에 따른 RAHT 변환부(40008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(40008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(40009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(40010)는 포인트 클라우드의 어트리뷰트들을 가중치에 기반하여 변환하는 리프팅 변환 코딩을 수행한다. 상술한 바와 같이 리프팅 변환 코딩은 선택적으로 적용될 수 있다.
실시예들에 따른 계수 양자화부(40011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(40012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 4의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 5는 X축, Y축, Z축의 3가지 축으로 구성된 좌표계로 표현되는 3차원 공간상에 위치한 복셀을 나타낸다. 도 4에서 설명한 바와 같이 포인트 클라우드 인코더(예를 들면 양자화부(40001) 등)은 복셀화를 수행할 수 있다. 복셀은 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 도 5는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하는 옥트리 구조를 통해 생성된 복셀의 예시를 나타낸다. 하나의 복셀은 적어도 하나 이상의 포인트를 포함한다. 복셀은 복셀군(voxel group)과의 포지션 관계로부터 공간 좌표를 추정 할 수 있다. 상술한 바와 같이 복셀은 2차원 이미지/영상의 픽셀과 마찬가지로 어트리뷰트(색상 또는 반사율 등)을 가진다. 복셀에 대한 구체적인 설명은 도 4에서 설명한 바와 동일하므로 생략한다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(40002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 6의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (xint n, yint n, zint n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
d =Ceil(Log2(Max(x_n^int,y_n^int,z_n^int,n=1,…,N)+1))
도 6의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 6 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 6의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 6에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 4의 포인트 클라우드 인코더, 또는 옥트리 분석부(40002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(Δx, Δy, Δz), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(40005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③ 자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure PCTKR2022001353-appb-img-000001
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다. .
표2-1. Triangles formed from vertices ordered 1,…,n
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
포인트 클라우드 비디오의 압축 효율을 증가시키기 위하여 실시예들에 따른 포인트 클라우드 인코더는 콘텍스트 어탭티브 아리스메틱 (context adaptive arithmetic) 코딩을 기반으로 엔트로피 코딩을 수행할 수 있다.
도 1 내지 도 6에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더 또는 아리스메틱 인코더(40004))는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더는 현재 노드의 오큐판시 코드와 이웃 노드들의 오큐판시를 기반으로 엔트로피 인코딩(인트라 인코딩)을 수행하거나, 이전 프레임의 오큐판시 코드를 기반으로 엔트로피 인코딩(인터 인코딩)을 수행할 수 있다. 실시예들에 따른 프레임은 동일한 시간에 생성된 포인트 클라우드 비디오의 집합을 의미한다. 실시예들에 따른 인트라 인코딩/인터 인코딩의 압축 효율은 참조하는 이웃 노드들의 개수에 따라 달라질 수 있다. 비트가 커지면 복잡해지지만 한쪽으로 치우치게 만들어서 압축 효율이 높아질 수 있다. 예를 들어 3-bit context를 가지면, 2의 3승인 = 8가지 방법으로 코딩 해야 한다. 나누어 코딩을 하는 부분은 구현의 복잡도에 영향을 준다. 따라서 압축의 효율과 복잡도의 적정 수준을 맞출 필요가 있다.
도7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더는 옥트리의 각 노드의 이웃 노드들의 오큐판시(occupancy)를 판단하고 이웃 노드 패턴(neighbor pattern) 값을 구한다. 이웃 노드 패턴은 해당 노드의 오큐판시 패턴을 추론하기 위해 사용된다. 도7의 왼쪽은 노드에 대응하는 큐브(가운데 위치한 큐브) 및 해당 큐브와 적어도 하나의 면을 공유하는 6개의 큐브들(이웃 노드들)을 나타낸다. 도면에 도시된 노드들은 같은 뎁스(깊이)의 노드들이다. 도면에 도시된 숫자는 6개의 노드들 각각과 연관된 가중치들(1, 2, 4, 8, 16, 32, 등)을 나타낸다. 각 가중치는 이웃 노드들의 위치에 따라 순차적으로 부여된다.
도 7의 오른쪽은 이웃 노드 패턴 값을 나타낸다. 이웃 노드 패턴 값은 오큐파이드 이웃 노드(포인트를 갖는 이웃 노드)의 가중치가 곱해진 값들의 합이다. 따라서 이웃 노드 패턴 값은 0에서 63까지의 값을 갖는다. 이웃 노드 패턴 값이 0 인 경우, 해당 노드의 이웃 노드 중 포인트를 갖는 노드(오큐파이드 노드)가 없음을 나타낸다. 이웃 노드 패턴 값이 63인 경우, 이웃 노드들이 전부 오큐파이드 노드들임을 나타낸다. 도면에 도시된 바와 같이 가중치1, 2, 4, 8가 부여된 이웃 노드들은 오큐파이드 노드들이므로, 이웃 노드 패턴 값은 1, 2, 4, 8을 더한 값인 15이다. 포인트 클라우드 인코더는 이웃 노드 패턴 값에 따라 코딩을 수행할 수 있다(예를 들어 이웃 노드 패턴 값이 63인 경우, 64가지의 코딩을 수행). 실시예들에 따라 포인트 클라우드 인코더는 이웃 노드 패턴 값을 변경 (예를 들면 64를 10 또는 6으로 변경하는 테이블을 기반으로) 하여 코딩의 복잡도를 줄일 수 있다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 7에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(40009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 8에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더, 또는 LOD 생성부(40009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 9의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 9의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 9의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 9에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 4에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.
표. Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
표. Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012)는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012)는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(40010)는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(40008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다. gl x, y, z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. gl x, y, z 는 gl+1 2x, y, z와 gl+1 2x+1, y, z로부터 계산될 수 있다. gl 2x, y, z 와 gl 2x+1, y, z 의 가중치를 w1=w l 2x, y, z 과 w2=w l 2x+1, y, z 이다.
Figure PCTKR2022001353-appb-img-000002
gl-1 x, y, z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. hl-1 x, y, z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는 w l-1 x, y, z=w l 2x, y, z+w l 2x+1, y, z로 계산된다. 루트 노드는 마지막 g1 0, 0, 0 과 g1 0, 0, 1을 통해서 다음과 같이 생성된다.,
Figure PCTKR2022001353-appb-img-000003
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 디코더는 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006) 예시로서, 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006)의 동작 등과 동일 또는 유사한 동작을 수행할 수 있다. 도면이 도시된 바와 같이 포인트 클라우드 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 디코더는 지오메트리 디코더(geometry decoder)및 어트리뷰트 디코더(attribute decoder)를 포함한다. 지오메트리 디코더는 지오메트리 비트스트림에 대해 지오메트리 디코딩을 수행하여 디코딩된 지오메트리(decoded geometry)를 출력한다. 어트리뷰트 디코더는 디코딩된 지오메트리 및 어트리뷰트 비트스트림을 기반으로 어트리뷰트 디코딩을 수행하여 디코딩된 어트리뷰트들(decoded attributes)을 출력한다. 디코딩된 지오메트리 및 디코딩된 어트리뷰트들은 포인트 클라우드 콘텐트를 복원(decoded point cloud)하는데 사용된다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 디코더는 도 10에서 설명한 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 11000), 옥트리 합성부(synthesize octree, 11001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 11002), 지오메트리 리컨스트럭션부(reconstruct geometry, 11003), 좌표계 역변환부(inverse transform coordinates, 11004), 아리스메틱 디코더(arithmetic decode, 11005), 역양자화부(inverse quantize, 11006), RAHT변환부(11007), LOD생성부(generate LOD, 11008), 인버스 리프팅부(Inverse lifting, 11009), 및/또는 컬러 역변환부(inverse transform colors, 11010)를 포함한다.
아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스럭션부(11003), 좌표계 역변환부(11004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 9에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(11000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(11000)의 동작은 아리스메틱 인코더(40004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(11001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(11002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(11003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 9에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(11003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(11003)는 지오메트리 리컨스트럭션부(40005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 6에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(11004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(11005), 역양자화부(11006), RAHT 변환부(11007), LOD생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(11005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(11006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(11010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(11010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 12에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 4의 포인트 클라우드 인코더)의 예시이다. 도 12에 도시된 전송 장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 (Arithmetic) 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011) 및/또는 전송 처리부(12012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(12000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 9에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(12001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(12001)의 동작 및/또는 양자화는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(12002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(120002)는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(12003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(12003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(12003)는 도 4 및 도 6에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(40002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(12004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(12004)는 도 4 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(12005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(12005)는 도 7에서 설명한 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 구체적인 설명은 도 7에서 설명한 바와 동일하다. 실시예들에 따라 인트라/인터 코딩 처리부(12005)는 아리스메틱 코더(12006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(12006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(12006)는 아리스메틱 인코더(40004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(12007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(12007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(12008), 어트리뷰트 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 9에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(12008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(12008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하다. 또한 도 4에서 설명한 컬러 변환부(40006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(12009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(12009)는 도 4에 설명한 어트리뷰트 변환부(40007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(12010)는 도 4에서 설명한 RAHT 변환부(40008), LOD 생성부(40009) 및 리프팅 변환부(40010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(12011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(12011)는 아리스메틱 인코더(400012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(12012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(12007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(12012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(12012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 13에 도시된 수신 장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 13에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(13000), 수신 처리부(13001), 아리스메틱 (arithmetic) 디코더(13002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(13004), 인버스(inverse) 양자화 처리부(13005), 메타데이터 파서(13006), 아리스메틱 (arithmetic) 디코더(13007), 인버스(inverse)양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009), 색상 역변환 처리부(13010) 및/또는 렌더러(13011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(13000)는 포인트 클라우드 데이터를 수신한다. 수신부(13000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(13001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(13001)는 수신부(13000)에 포함될 수 있다.
아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(13002)는 아리스메틱 디코더(11000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 옥트리 합성부(11001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(13004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(13004)는 서페이스 오프록시메이션 합성부(11002) 및/또는 지오메트리 리컨스트럭션부(11003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(13006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(13006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 12에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(13007), 인버스 양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009) 및 색상 역변환 처리부(13010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(13007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(13007)는 아리스메틱 디코더(11005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(13008)는 역양자화부(11006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(13009)는 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(13010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(13010)는 컬러 역변환부(11010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(13011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 14의 구조는 서버(1460), 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상이 클라우드 네트워크(1410)와 연결된 구성을 나타낸다. 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440) 또는 가전(1450) 등은 장치라 호칭된다. 또한, XR 장치(1430)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1400)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1400)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1460)는 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상과 클라우드 네트워크(1400)을 통하여 연결되고, 연결된 장치들(1410 내지 1470)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1470)는 실시예들에 따른 XR 디바이스 및/또는 PCC 디바이스가 구현될 수 있는 타입 중 하나를 나타낸다. 실시예들에 따른HMD 타입의 디바이스는, 커뮤니케이션 유닛, 컨트롤 유닛, 메모리 유닛, I/O 유닛, 센서 유닛, 그리고 파워 공급 유닛 등을 포함한다.
이하에서는, 상술한 기술이 적용되는 장치(1410 내지 1450)의 다양한 실시 예들을 설명한다. 여기서, 도 14에 도시된 장치(1410 내지 1450)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1430)는 PCC 및/또는 XR(AR+VR) 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수도 있다.
XR/PCC 장치(1430)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 어트리뷰트 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR/PCC 장치(1430)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+XR+모바일폰>
XR/PCC 장치(1430)는 PCC기술이 적용되어 모바일폰(1440) 등으로 구현될 수 있다.
모바일폰(1440)은 PCC 기술에 기반하여 포인트 클라우드 콘텐츠를 디코딩하고, 디스플레이할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1420)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1420)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(1420)은 XR 장치(1430)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1420)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1420)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 발명의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 데이터 (PCC) 송수신 장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신 장치 차량에 탑재된 경우, 포인트 클라우드 송수신 장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도21의 인코더 등을 지칭하는 용어로 해석된다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도22의 디코더 등을 지칭하는 용어로 해석된다.
또한, 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 실시예들에 따른 방법/장치로 줄여서 호칭될 수 있다.
실시예들에 따라, 포인트 클라우드 데이터를 구성하는 지오메트리 데이터, 지오메트리 정보, 위치 정보 등은 서로 동일한 의미로 해석된다. 포인트 클라우드 데이터를 구성하는 어트리뷰트 데이터, 어트리뷰트 정보, 속성 정보 등은 서로 동일한 의미로 해석된다.
실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 저지연 3D 맵 포인트 클라우드 지오메트리 정보 압축을 위한 예측 트리 구성 확장 방안(A method to build predictive geometry tree for low-latency geometry coding of 3D map point cloud)을 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 라이다(LiDAR) 장비로 캡처된 포인트 클라우드(point cloud) 프레임(frame)들을 하나의 포인트 클라우드 콘텐츠로 통합했을 때, Geometry-based Point Cloud Compression (G-PCC)의 효율적인 지오메트리 압축을 위해 예측 트리(predictive tree)를 구성하는 방법을 지원힐 수 있다. 예를 들어, 원점(origin) 선택 방법 및 시그널링 방법, 예측 트리 생성을 위한 레이저 앵글(laser angle) 기반 정렬 방법, 및/또는 빠른 예측 트리 구성 방법 등을 포함할 수 있다.
실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 압축 효율을 높이기 위한 방안에 관한 것이다. 이하 인코더(encoder), 부호화기는 부호화기로 디코더(decoder), 복호화기는 복호화기로 지칭한다.
포인트 클라우드는 포인트(point)들의 집합으로 구성되며, 각 포인트는 지오메트리(geometry) 정보와 속성(attributes) 정보를 갖을 수 있다. 지오메트리 정보는 3차원 위치(XYZ) 정보이며, 속성 정보는 색상 (RGB, YUV 등) 또는/과 반사(Reflectance) 값이다.
G-PCC 부호화(encoding) 과정은 포인트 클라우드를 영역에 따라 타일로 분할하고, 병렬 처리를 위해 각 타일을 슬라이스들로 분할할 수 있다. 각 슬라이스 단위로 지오메트리를 압축하고, 압축을 통해 변경된 위치 정보들로 재구성 된 지오메트리(reconstructed geometry=복호화된 지오메트리)를 바탕으로 속성 정보를 압축하는 과정으로 구성될 수 있다.
G-PCC 복호화(decoding) 과정은 부호화된 슬라이스 단위의 지오메트리 비트스트림(bitstream)과 속성 비트스트림을 전송 받아서 지오메트리를 복호화하고 복호화 과정을 통해 재구성된 지오메트리를 기반으로 속성 정보를 복호화하는 과정으로 구성될 수 있다.
지오메트리 정보 압축을 위해 옥트리(octree) 기반, 예측 트리(predictive tree) 기반, 또는 트라이숩(trisoup) 기반 압축 기법을 사용할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 라이다 장비로 캡처된 3D 맵 콘텐츠의 지오메트리 압축 효율을 높이기 위한 예측 트리 기반 지오메트리 압축 기법을 수행할 수 있다.
포인트 클라우드 콘텐츠 캡처를 위해서, 레이저 펄스를 쏘고 반사되어 돌아오는 시간을 측정하여 반사체의 위치 좌표를 측정할 수 있다. 이러한 레이더 시스템을 이용하는 라이다 장비를 통해 깊이 정보를 추출할 수 있다. 라이다 장비를 통해 생성된 포인트 클라우드 콘텐츠는 여러 개의 프레임들로 구성될 수도 있고, 여러 개의 프레임들을 하나의 콘텐츠로 통합할 수도 있다.
3D 맵 포인트 클라우드 콘텐츠는 라이다 장비로 여러 장의 프레임들을 캡처하고 하나의 콘텐츠로 통합하여 생성된 데이터를 의미할 수 있다. 이 경우 라이다 장비의 중심 위치가 서로 다른 위치에서 캡쳐된 다른 프레임의 데이터들이 섞여 있기 때문에 라이다 장비로 캡처된 데이터에서 나타나는 각도상의 특성, 즉 각도
Figure PCTKR2022001353-appb-img-000004
로 변경했을 때의 포인트간의 규칙이 감춰질 수 있고, 이에 각도 모드를 적용하는 것이 직교 좌표계 기반 압축보다 효율적이지 않을 수 있다.
따라서, 3D 맵 포인트 클라우드 콘텐츠에 적용하는 예측 트리 기반 지오메트리 압축 방법은 각도 모드를 사용해서 압축 효율을 높일 수 없고, 콘텐츠 내의 포인트들의 규칙성으로부터 압축 효율을 높일 수 있는 방안이 필요할 수 있다.
예측 트리는 부모 노드들의 벡터를 통해서 현재 포인트의 위치를 예측하는 방법으로 수행될 수 있기 때문에 규칙성을 갖는 부모 노드가 잘 선택이 되었는지에 따라서 예측된 포인트와 현재 포인트의 잔차값이 작아져서 비트스트림 사이즈를 줄일 수 있다.
실시예들은 라이다 장비를 통해 캡처되고, 하나의 콘텐츠로 통합된 3D 맵 데이터의 예측 트리 기반 효율적인 지오메트리 압축을 지원 위한 예측 트리 구성 방법을 지원하고자 한다.
실시예들에 따른 예측 트리 구성은 PCC 부호화기의 지오메트리 부호화기에서 수행되고, PCC 복호화기의 지오메트리 복호화 과정을 통해 복원될 수 있다.
도15는 실시예들에 따른 포인트 클라우드 데이터가 가지는 추가 속성 데이터를 나타낸다.
도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도21의 인코더, 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도22의 디코더 등이 압축하고 복원하는 포인트 클라우드 데이터는 도15와 같은 속성을 가질 수 있다.
실시예들에 따른 Laser angle값이 있는 경우, 원점 위치 선택 방법:
도15를 참조하면, 라이다 장비를 통해 캡처되고, 하나의 콘텐츠로 통합된 3D 맵 데이터를 라이다로 캡처된 포인트 클라우드는 위치(x, y, z), 속성(red, green, blue, reflectance) 값 외에 시간(time), 레이저 앵글(laser angle), 노멀 포지션(normal position)(nx, ny, nz) 등과 같은 추가 속성 데이터를 가질 수 있다.
도16은 실시예들에 따른 포인트 클라우드 데이터에 관한 원점 위치 예시를 나타낸다.
도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도21의 인코더, 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도22의 디코더 등은 포인트 클라우드 데이터, 3D 맵 형태로 구성되는 포인트 클라우드 데이터의 원점의 설정하여 압축/복원을 수행할 수 있다.
3D 맵 포인트 클라우드에 대해서 예측 트리기반 지오메트리 압축을 수행할 때, 슬라이스의 바운딩 박스의 좌(left), 바닥(bottom), 앞(front)의 위치를 원점(origin, 16000)의 위치로 설정할 수 있다. 원점의 위치는 예측 트리를 생성하기 위한 포인트 정렬 과정에서 영향을 줄 수 있고, 정렬된 형태는 예측 트리의 구성에 영향을 줄 수 있고, 예측 트리는 예측 값에 영향을 주기 때문에 예측값과의 잔차 값에 영향을 주어 비트스트림 크기에 영향을 줄 수 있다.
즉, 실시예들에 따른 인코더 및/또는 디코더가 슬라이스 0번을 처리하는 경우, 슬라이스 0번에 해당하는 바운딩 박스의 한 점을 원점으로 처리할 수 있다. 슬라이스 1번에 대응하는 바운딩 박스의 원점은 바운딩 박스의 좌/바닥/앞 위치가 될 수 있다.
도17은 실시예들에 따른 원점 위치 예시를 나타낸다.
포인트 클라우드 콘텐츠가 포인트마다 레이저 앵글(laser angle) 값이 존재하는 경우, 실시예들에 따른 방법/장치는 다음 과정을 통해서 슬라이스 내의 원점 위치를 계산할 수 있다.
- 원점에 해당하는 후보 각도 값(origin_laser_angle)을 입력 받을 수 있다. 예를 들어, 90°가 후보 각도 값일 수 있다.
- 원점에 해당하는 포인트의 위치(origin_direction)를 입력 받을 수 있다. 예를 들어, 좌(left)가 포인트의 위치일 수 있다.
슬라이스에 속하는 모든 포인트에 대해서, 다음 과정을 수행할 수 있다.
1. 포인트 p의 laser angle 값이 설정된 origin_laser_angle(=90)과 같다면,
A. origin의 위치 값이 존재하지 않으면, p를 origin 위치 값으로 설정할 수 있다.
B. origin의 위치 값이 존재하면, p의 위치 값과 origin의 위치 값을 비교하여 origin_direction에 따라서 origin 위치 값으로 설정할 수 있다.
예를 들어, origin_direction이 left인 경우, origin.x > p.x 인 경우, p를 origin 위치 값으로 설정할 수 있다. p가 origin보다 더 좌측에 위치하기 때문이다.
즉, 실시예들에 따른 방법/장치는 원점의 위치를 설정하기 위해서 포인트들에 대한 좌표를 변환할 수 있다. 원점을 기준으로 직교 좌표계에서 구형(spherical) 좌표계로 변경한다.
좌표계 변환은 1) 예측 지오메트리 코딩(predictive geom coding)의 각도 모드(angular mode)를 적용할때도 사용되고, 2) 예측 지오메트리(predictive geom)의 일반 모드 및/또는 각도 모드(angular mode)에서 포인트 정렬을 위해서 좌표값을 변환하고, 정렬한다.
도17을 참조하면, 새롭게 설정된 원점을 기준으로, (x, y, z) 직교 좌표를 아지무스(azimuth), 반경(radius), 엘리베이션(elevation(laser ID))으로 변경하게 되는데 원점이 도로 위로 옮겨지므로, 적합한 아지무스(azimuth), 반경(radius)을 찾을 수 있다.
도17은 origin_laser_angle = 90도, origin_direction = left의 예를 나타낸다. 복수의 슬라이스들마다 원점을 90도 및 좌측으로 설정한다면, 17000으로 표시된 점이 각 슬라이스의 origin위치가 될 수 있다.
바운딩 박스의 좌/바닥/앞을 원점(16000, 17001)으로 설정하는 경우와 비교하면, 추가 속성 데이터를 기준으로 설정한 원점의 위치가 변경됨을 볼 수 있다.
포인트 클라우드 데이터의 속성을 참조하면, 포인트 클라우드 데이터가 도로, 건물, 사람 등을 나타내는 경우, 포인트들의 집합이 시작하는 위치(17002)가 도로 영역에 대응할 수 있다.
즉, 바운딩 박스의 좌/바닥/앞을 원점(16000, 17001)이 포인트들의 배치의 기준이 되는 도로 영역(17002)과 떨어져 있음을 볼 수 있다. 반대로, 추가 속성 데이터를 기준으로 설정한 원점의 위치가 도로 시작점(17002)로 셋팅되는 것을 볼 수 있다.
도18은 실시예들에 따른 레이저 앵글이 없는 경우, 원점 위치를 설정하는 예시를 나타낸다.
도18은 도17에 추가로, 포인트 클라우드 콘텐츠가 포인트 마다 레이저 앵글(laser angle) 값이 존재하지 않는 경우, 다음 과정을 통해서 슬라이스 내의 원점 위치를 계산할 수 있다.
원점에 해당하는 포인트의 바운딩 박스의 위치를 결정하기 위해, 기준 축을 입력 받을 수 있다. 예를 들어 x축이 기준 축이 될 수 있다.
원점에 해당하는 포인트의 바운딩 박스의 위치를 결정하기 위해, 두번째 기준 축을 입력 받을 수 있다. 예를 들어 y축이 될 수 있다.
원점에 해당하는 포인트의 바운딩 박스의 위치를 결정하기 위해, 벡터 범위를 입력 받을 수 있다. 예를 들어 -0.2 ~ -1 범위를 설정할 수 있다.
원점에 해당하는 포인트의 바운딩 박스의 위치를 결정하기 위해, 벡터 범위에 속할 때의 원점의 위치를 설정할 수 있다. 예를 들어 좌/위/앞(left/top/front)으로 원점을 설정할 수 있다.
원점에 해당하는 포인트의 바운딩 박스의 위치를 결정하기 위해, 벡터 범위에 속하지 않을 때의 원점의 위치를 입력 받을 수 있다. 예를 들어 좌/바닥/앞(left/bottom/front)으로 원점을 설정할 수 있다.
슬라이스에 속하는 모든 포인트에 대해서, 다음 과정을 수행할 수 있다.
포인트 p의 기준 축을 기준으로 가장 작은 값에 존재하는 point L과, 가장 큰 값에 존재하는 point R 를 찾을 수 있다.
R-L 값을 정규화 시킨 값인 diff에서, 두번째 기준 축을 기준으로 벡터 범위에 해당하는지를 체크 할 수 있다. 범위에 속한다면 지정된 위치를 원점으로 설정할 수 있다.
예를 들어, 기준 축이 x축, 두번째 기준 축이 y축이면, 벡터 범위에 속한다면, left/top/front을 원점으로 설정할 수 있다. 속하지 않는다면, left/bottom/front를 원점으로 설정할 수 있다.
예를 들어, 슬라이스(18000, 18003, 18006)에서 원점을 설정하기 위해서, 포인트(18001, 18004, 18007)에서 기준 축 및 벡터 범위에 따라서 일정한 방향(18002, 18005, 18008)로 포인트를 탐색하면서 적합한 원점을 설정할 수 있다.
실시예들에 따른 laser angle 기반 정렬 방법:
실시예들에 따른 방법/장치는 예측 트리를 생성하기 전에 포인트들(Points[*])을 몰톤코드(Morton code), 반지름(radius), 아지무스(azimuth), 엘리베이션(elevation), 센서 ID 기준, 또는 캡처된 시간 순서 등으로 정렬할 수 있다.
실시예들에 따른 정렬 방법은 콘텐츠의 특성에 따라서 설정될 수 있다. 예를 들어, LiDAR 장비로 캡처된 스피닝 데이터(spinning data) 형태를 띄는 콘텐츠의 경우, azimuth 기반으로 정렬하게 되었을 때 효율적으로 예측 트리를 생성하는데 도움이 될 수도 있다.
포인트들을 몰톤코드로 정렬할 수 있다. 또는 아지무스 정렬이 더 효율적일 수 있다. 바운딩박스의 좌/바닥/앞이 원점인 경우 포인트 간 아지무스의 각도 차가 커서 에러가 너무 커지는 문제가 있을 수 있다.
정렬된 포인트 기준으로 예측 트리 생성이 순차적으로 진행되기 때문에 정렬된 포인트 순서는 예측 트리의 구성에 영향을 줄 수 있고, 예측 트리는 예측 값에 영향을 주기 때문에 예측 값과의 잔차 값에 영향을 주어 비트스트림 크기에 영향을 줄 수 있다.
도19는 실시예들에 따른 레이저 앵글 기반 정렬 예시를 나타낸다.
도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도21의 인코더, 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도22의 디코더 등은 도15 속성을 이용하여 도16-18 과 같이 원점을 설정하고, 포인트들을 도19와 같이 정렬할 수 있다.
포인트 클라우드 콘텐츠의 포인트마다laser angle 값이 존재하는 경우, laser angle 기반으로 포인트들을 정렬하고, laser angle을 그룹핑하여 정렬할 수 도 있다. 예를 들어, 0~5도의 laser angle을 같은 laser angle로 보고 포인트들의 순서를 정렬할 수도 있다. Laser angle이 같은 경우, 또는 laser angle 그룹이 같은 경우, radius를 기준으로 정렬하고, radius가 같거나, radius 그룹이 같은 경우 elevation을 기준으로 정렬할 수 있다.
포인트 클라우드 콘텐츠가 도로의 모습이고, 포인트 클라우드 데이터의 포인트들이 도19와 같이 있을 수 있다.
실시예들에 따른 방법/장치는 레이저 앵글이 90도이고 좌표가 축의 좌측인 점을 워점(19001)으로 설정할 수 있다. 원점에서 시작하여, 레이저 앵글을 기준으로 포인트들을 정렬할 수 있다(19002). 레이저 앵글 기반 정렬 과정에서 레이저 앵글 값(또는 레이저 앵글 기준 범위)가 같은 경우, 반경을 기준으로 포인트들을 정렬할 수 있다(19003).
실시예들에 따른 방법/장치는 슬라이스의 바운딩 박스의 좌/바닥/앞(19004)을 원점으로 설정하는 대신에, 레이저 앵글이 90도이고 축의 좌측인 포인트(19005)를 새로운 원점으로 설정할 수 있다. 그리고 레이저 앵글을 기반으로 포인트들을 정렬할 수 있다. 원점의 위치가 도로의 시작점(19005)으로 설정되었기 때문에, 도로를 따라가며 도로 위에 있는 오브젝트들에 대한 포인트들을 레이저 앵글 순서대로 정렬할 수 있다. 포인트 간 레이저 앵글 값이 같으면, 반경을 기준으로 포인트를 정렬할 수 있다.
도로 위 오브젝트라는 포인트 클라우드 콘텐트 특성 상 레이저 앵글을 기반으로 포인트들을 정렬하면, 정렬된 포인트들의 순서가 도로를 따라서 정렬된 형태를 가지기 때문에, 포인트를 인코딩하고 디코딩하는 과정에서 에러를 효과적으로 줄일 수 있다.
실시예들에 따른 빠른 예측 트리 구성 방법:
실시예들에 따른 방법/장치는 KD-Tree 생성/검색 과정을 통해 가장 가까운 예측 포인트를 부모 노드로 선택하면서 예측 트리를 생성할 수 있다. 이 과정은 상당한 수행시간을 차지할 수 있다. 저지연 지오메트리 압축을 목표로하는 시나리오에서 KD-Tree기반 예측 트리 생성 기법은 수행 시간 이슈를 초래할 수 있다.
포인트 클라우드 콘텐츠가 포인트 마다laser angle 값이 존재하는 경우, 원점 위치를 laser angle 기반으로 선택하고, laser angle 기반으로 정렬을 하게 되면, KD-Tree를 사용하지 않고, 빠르게 예측 트리를 구성 하는 방법을 적용할 수 있다.
실시예들에 따른 예측 트리 생성 과정은 다음과 같을 수 있다.
1. 첫번째 포인트를 루트 노드로 설정할 수 있다. 현재 포인트를 현재 laser angle의 최신 포인트로 설정할 수 있다. 현재 포인트를 현재 laser angle의 첫번째 포인트로 설정할 수 있다.
2. 슬라이스 상의 모든 포인트들에 대해서 다음 과정을 수행할 수 있다.
1) 포인트 p의 laser angle의 최신 포인트가 존재하면, 최신 포인트를 현재 포인트의 예측 트리 상에서 부모 노드로 설정할 수 있다. 다시 현재 포인트를 현재 laser angle의 최신 값으로 설정할 수 있다.
2) 포인트 p의 laser angle의 최신 포인트가 존재하지 않으면, 현재 포인트를 현재 laser angle의 최신 포인트로 설정할 수 있다. 현재 포인트를 현재 laser angle의 첫번째 포인트로 설정할 수 있다.
3. 모든 laser angle에 대해서 다음 과정을 수행할 수 있다.
1) 현재 laser angle의 첫번째 포인트의 부모 노드로 이전 laser angle의 첫번째 포인트로 설정할 수 있다.
도20은 실시예들에 따른 레이저 그룹과 예측 트리 생성 예시를 나타낸다.
제1레이저 앵글 그룹(20000) 및 제2레이저 그룹(20001)이 있으면, 제2레이저 그룹(20001)이 현재 레이어 앵글 그룹이고, 제1레이저 앵글 그룹(20000)은 제2레이저 앵글 그룹(20001)보다 이전에 처리된 레이저 그룹일 수 있다.
현재 레이저 앵글 그룹(20001)을 예로 들면, 첫 번째 포인트(20002)가 루트 노드로 설정될 수 있다. 현재 포인트(20002)를 현재 laser angle의 최신 포인트로 설정할 수 있다. 현재 포인트(20002)를 현재 laser angle의 첫번째 포인트로 설정할 수 있다.
포인트 p(20003)의 laser angle의 최신 포인트(20002)가 존재하면, 최신 포인트(20002)를 현재 포인트(20003)의 예측 트리 상에서 부모 노드로 설정할 수 있다. 다시 현재 포인트(20003)를 현재 laser angle의 최신 값으로 설정할 수 있다.
다음 포인트(20004)의 레이저 앵글의 최신 포인트는 20003 포인트이므로, 20003 포인트가 20004포인트의 부모가 된다.
현재 laser angle(20001)의 첫번째 포인트(20002)의 부모 노드로 이전 laser angle(20000)의 첫번째 포인트(20005)로 설정할 수 있다.
도20과 같이, 실시예들에 따른 방법/장치는 레이저 앵글을 기준으로 정렬된 포인트들을 이용하여 빠른 예측 트리를 생성할 수 있다.
실시예들에 따른 최신 포인트라 하면 해당 그룹에 포함되고 정렬된 포인트들 중에서 첫 번째 위치한 포인트를 의미한다. 예를 들어, 전술한 바와 같이 부호화를 위해서 포인트들은 레이저 앵글(아지무스 값 또는 아지무스 범위에 따른 그룹)에 기반하여 정렬될 수 있다.
또한, 라이다에 의해 포인트들이 캡쳐되고, 캡쳐된 포인트들의 특성이 반경 및/또는 아지무스 값에 따른 규칙성이 강할 수 있다.
도20의 같은 레이저 앵글 그룹 내 최신 포인트는 첫 번째 포인트가 된다. 구체적으로, 레이저 앵글(아지무스)에 따른 그룹20001의 범위가 0 내지 5도이고, 포인트20002를 포함하고, 포인트20002가 정렬된 순서 상 첫 번째 포인트이므로 루트 노드(포인트)가 된다. 레이저 앵글 0도 내지 5도에 해당하는 그룹20000에서 정렬된 포인트들 중 포인트20005가 첫 번째 포인트이므로 루트가 된다. 따라서, 이와 같이 특정 레이저 앵글에 따라 그룹들 및 포인트들이 있으면, 그룹 내 포인트 간 부모/자식 관계를 설정하고, 그룹 간 부모/자식 관계를 설정할 수 있다.
예를 들어, 실시예들에 따른 획득부(라디아)가 회전(rotation)해서 포인트를 캡쳐하는 경우, 시간적으로 아지무스 앵글(azimuth angle )마다 차이가 날수 있고, 플래시(flash) 타입으로 캡쳐하는 경우는 특정 영역에서 많은 센서로 한꺼번에 캡쳐가 되기때문에 시간 차이가 없을 수도 있다. 실시예들에 따른 이전 레이저 앵글 그룹의 의미는 Angle 0~5, 5~10 로 그룹핑을 했으면, 5~10도 그룹의 기준에서 0~5도 그룹을 이전 레이저 앵글 그룹으로 볼 수 있다. 또한, 실시예들에 따른 장치가 rotation을 해서 캡쳐하는 경우 (spinning LiDAR. 일반적인 경우임) 시간차를 가질 수도 있다.
도21은 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도21의 인코더 등이 서로 대응하는 실시예들에 따른 포인트 클라우드 데이터 송신 장치이다. 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 이들 간 결합에 대응할 수 있다.
부호화기의 입력으로 PCC 데이터가 들어가고 부호화되어 지오메트리 정보 비트스트림과 속성정보 비트스트림이 출력될 수 있다.
데이터 입력부는 지오메트리 데이터, 어트리뷰트 데이터를 수신할 수 있다. 데이터 입력부는 부호화에 관련된 파라미터 설정 값을 수신할 수 있다.
좌표계 변환부는 지오메트리 데이터의 포인트의 위치와 연관된 좌표계를 부호화에 적합한 시스템으로 설정할 수 있다.
지오메트리 정보 변환 양자화 처리부는 지오메트리 데이터는 변환하고 양자화할 수 있다.
공간 분할부는 포인트 클라우드 데이터를 부호화에 적합한 공간 구조로 분할할 수 있다.
지오메트리 정보 부호화부는 지오메트리 코딩 타입이 예측 기반 코딩일 경우, 예측 트리 생성부를 통해 예측 트리를 생성하고, 예측 결정부를 통해 생성된 예측 트리를 기반으로 RDO(Rate Distortion Optimization) 과정을 수행하여 최적의 예측 모드를 선택할 수 있다. 최적의 예측 모드에 따른 지오메트리 예측 값을 생성할 수 있다.
지오메트리 정보 부호화부는 옥트리 생성부를 통해 옥트리 기반 지오메트리 코딩을 하거나, 트라이숩 생성부를 통해 트라이숩 기반 지오메트리 코딩을 수행할 수 있다.
지오메트리 위치 재구성부는 부호화된 지오메트리 데이터를 복원하여 어트리뷰트 코딩을 위해 제공할 수 있다.
지오메트리 정보 엔트로피 부호화부에서 예측된 값과의 잔차값을 엔트로피 코딩하여 지오메트리 정보 비트스트림을 구성할 수 있다.
예측 트리 생성부는 상세 동작은 다음과 같다.
예측 트리 생성부는 포인트들이 laser angle을 갖고 있는 경우, origin의 원점에 해당하는 후보 각도 값(origin_laser_angle)과 원점에 해당하는 포인트의 방향(origin_direction)를 수신할 수 있다. 수신한 값으로부터 origin_laser_angle과 origin_direction에 따라서 슬라이스 내에서 원점으로 사용할 포인트를 선택할 수 있다. 원점 값은 디코더에 시그널 정보로 전달될 수 있다.
예측 트리 생성부는 포인트들을 정렬 방법을 수신할 수 있고, 정렬 방법에 따라 포인트들을 정렬할 수 있다. 포인트 정렬 방법은 Morton code, radius, azimuth, elevation, 센서 ID 기준, laser angle 또는 캡처된 시간 순서 등을 포함할 수 있다. Laser angle의 경우, 선택된 origin을 기준으로 포인트들의 순서를 결정할 수 있다. Laser angle로 정렬하고, 같은 laser angle, 또는 같은 laser angle 그룹에 속할 경우, radius 또는 같은 radius 기준으로 포인트의 순서를 정하고, radius 값이 같은 경우 elevation 기준으로 포인트의 순서를 결정할 수 있다. 적용된 정렬 방법은 디코더에 시그널 정보로 전달될 수 있다.
예측 트리 생성부는 예측 트리 생성 방법을 입력 받을 수 있고, 입력 받은 방법에 따라서 예측 트리를 생성할 수 있다. 트리 생성 방법은 정렬된 순서 기반 Fast 예측 트리 생성 방안, 거리 기준 예측 트리 생성 방안, angular 기반 예측 트리 생성 방안이 있을 수 있다. 콘텐츠 특성, 서비스의 타입에 따라서 선택할 수 있다. 적용된 예측 트리 생성 생성 방법은 디코더에 시그널 정보로 전달될 수 있다.
예측 트리 생성부는 최대 거리 값을 입력 받을 수 있다. 예측 포인트 리스트를 사용할 경우, 부모 노드 선택을 위한 이웃 예측 포인트를 검색하고, 검색된 포인트들과의 거리가 최대 거리 값보다 작은 경우만 자식 노드로 등록할 수 있다. 최대 거리 값은 입력 받을 수도 있고, 콘텐츠 분석을 통해서 자동으로 설정할 수도 있다.
지오메트리 인코더는 예를 들어, 예측 트리 생성부를 통해, 도15의 추가 속성 데이터를 이용하고, 도17-19 등과 같이 원점 위치를 선택하고, 포인트들을 레이저 앵글에 기반하여 정렬하고, 포인트들로부터 빠른 예측 트리를 레이저 앵글 그룹에 기반하여 생성할 수 있다. 빠른 예측 트리로부터 부모-자식 관계를 빠르게 설정하여, 예측 코딩을 할 수 있다. 현재 지오메트리 데이터를 인코딩하기 위해서 현재 지오메트리 데이터에 대한 예측 지오메트리 데이터를 빠른 예측 트리를 통해 산출할 수 있다. 현재 지오메트리 데이터(원본) 및 예측 지오메트리 데이터 간 잔차 데이터를 생성하여, 잔차 데이터를 포함하는 지오메트리 비트스트림을 생성할 수 있다.
속성정보 부호화부는 어트리뷰트 데이터를 복원된 지오메트리 데이터를 이용하여 인코딩할 수 있다. 속성정보 인코딩에 관련된 정보를 시그널링 정보로써 디코더에 전달할 수 있다.
도21은 실시예들에 따른 송신 방법/장치(포인트 클라우드 데이터 송신 방법/장치), 포인트 클라우드 데이터 인코더의 구성(인코딩 프로세스)를 나타낸다.
도21의 예측 지오메트리 코딩은 옥트리 기반 방식의 대안이 될 수 있다. 실시예들에 따른 예측 코딩 기법은 로우 레이턴시를 지원하고, 로우 복잡도 디코딩을 제공할 수 있다.
프레딕션(예측) 구조는 예를 들어, 카테고리3에 해당하는 컨텐츠에 대해 적용될 수 있다. 포인트 클라우드 데이터에 대한 예측 구조를 생성하여 예측 트리를 생성할 수 있다. 포인트 클라우드 데이터의 포인트는 트리의 버텍스에 대응할 수 있다. 각 버텍스는 트리 내 상위(부모)로들로부터 예측될 수 있다. 실시예들에 따른 예측 지오메트리 코딩은 트리 구조를 이용하여 예측 지오메트리 부호화를 수행할 수 있다. 포인트들 간 부모/자식을 가지는 트리 구조를 생성할 수 있다. 예측 모드는 No prediction, Delta prediction (i.e., p0), Linear prediction (i.e., 2p0-p1), Parallelogram predictor (i.e., 2p+p1-p2) 등을 포함할 수 있다. 여기서 p0, p1, p2는 현재 포인트의 부모, 조부모 및 조부모의 포인트를 의미한다. RDO 방식에 기반하여 예측 모드를 선택할 수 있다. 예측 모드에 따른 잔차(레지듀얼)이 가장 작은 경우에 대응하는 모드를 선택하고, 사용된 예측모드(예측기)를 시그널링 정보로 전달할 수 있다.
도22는 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도22의 디코더 등은 실시예들에 따른 포인트 클라우드 데이터 수신 장치이다. 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 결합에 대응할 수 있다.
도22의 수신 동작은 도21의 송신 동작에 대응하거나, 송신 동작의 역과정을 수행할 수 있다.
기하정보 엔트로피 복호화부는 지오메트리 데이터를 엔트로피 디코딩할 수 있다.
옥트리 재구성부는 옥트리 기반 코딩이 지오메트리 데이터에 적용된 경우, 옥트리에 기반하여 지오메트리 데이터를 재구성할 수 있다.
예측 트리 재구성부의 상세 동작은 다음과 같다.
예측 트리 재구성부는 예측 트리 생성 방법, origin 위치값과 포인트 정렬 방법을 전달 받아 복원하여 그에 따라 예측 트리를 재구성하고 지오메트리의 예측값을 복호화하는데 사용될 수 있다.
지오메트리 디코더는 예측 트리 재구성부를 통해, 원점의 위치를 파악하고, 포인트 정렬 방법을 파악하고, 빠른 예측 트리 생성이 적용된 경우, 빠른 예측 트리를 통해 지오메트리 데이터를 예측하고, 수신한 잔차 지오메트리 데이터와 합산하여 지오메트리 데이터를 복원할 수 있다.
지오메트리 위치 재구성부는 지오메트리 데이터의 위치를 재구성하여 어트리뷰트 디코더에 제공할 수 있다.
기하정보 예측부는 지오메트리 데이터의 예측 데이터를 생성할 수 있다.
기하정보 변환 역양자화 처리부는 송신 측에서 양자화된 경우, 양자화파라미터에 기반하여 역으로 양자화를 지오메트리 데이터에 적용할 수 있다.
좌표계 역변환부는 송신 측에서 지오메트리 데이터에 관한 좌표계가 변환된 경우, 역으로 좌표계를 변환할 수 있다.
속성정보 복호화부는 속성 잔차 정보 엔트로피 복호화부를 통해 어트리뷰트 데이터를 포함하는 비트스트림으로부터 어트리뷰트 데이터의 잔차 데이터를 엔트로피 디코딩할 수 있다.
속성 복호화방식에 기반하여 속성정보 복호화부는 어트리뷰트 데이터를 디코딩할 수 있다.
잔차 속성정보 역양자화 처리부는 송신 측에서 양자화된 경우, 양자화파라미터에 기반하여 역으로 잔차 속성정보를 양자화할 수 있다. 송신 측 부호화 방식에 따라서, 디코더는 어트리뷰트 데이터를 복원할 수 있다.
또한, 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 부호화기에서 생성된 트리 순서로 비트스트림을 수신할 수 있고, 송신 측의 포인트 정렬(좌표 변환) 과정을 수행하지 않을 수 있다. 수신 방법/장치는 수신된 순서대로 비트스트림을 통해 예측 트리를 복원할 수 있다. 예측 트리를 복원하는 과정에서 오리진 정보를 사용하고, 최종적으로 복원된 위치는 좌표변환 과정을 거쳐서 xyz 좌표로 변환할 수 있다.
도23은 실시예들에 따른 포인트 클라우드 데이터 및 파라미터 정보를 포함하는 비트스트림을 나타낸다.
도21 등 실시예들에 따른 포인트 클라우드 데이터 송신 장치는 도23과 같은 비트스트림을 생성하고, 도22등 실시예들에 따른 포인트 클라우드 데이터 수신 장치는 도23과 같은 비트스트림을 수신하고 파라미터 정보에 기반하여, 포인트 클라우드 데이터를 디코딩할 수 있다.
실시예들을 추가/수행 하기 위해서 관련 정보를 시그널링 할 수 있다. 실시예들에 따른 시그널링 정보는 송신단 또는 수신단 등에서 사용될 수 있다. 실시예들에 따른 시그널링 정보는 실시예들에 따른 송수신 장치, 예를 들어, 송신 장치의 메타데이터 처리부(메타데이터 제너레이터 등 지칭 가능)에서 생성되고 전송되어 수신 장치의 메타데이터 파서에서 수신되고 획득될 수 있다. 실시예들에 따른 수신 장치의 각 동작은 시그널링 정보에 기반하여 각 동작을 수행할 수 있다. 부호화된 포인트 클라우드 구성은 도23과 같다.
각 약어는 다음을 의미한다. 각 약어는 동등한 의미의 범위 내에서 다른 용어로 지칭될 수 있다. SPS: Sequence Parameter Set, GPS: Geometry Parameter Set, APS: Attribute Parameter Set, TPS: Tile Parameter Set, Geom: Geometry bitstream = geometry slice header+ geometry slice data, Attr: Attribute bitstream = attribute blick header + attribute brick data.
예측 트리 생성 관련 옵션 정보는 SPS, 또는 GPS에 추가되어 시그널링 할 수 있다.
예측 트리 생성 관련 옵션 정보 TPS, 또는 각 Slice별 Geometry header에 추가되어 시그널링 할 수 있다.
포인트 클라우드를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스를 제공한다.
영역별로 나눌 때 각각의 영역 별로 다른 이웃 포인트 집합 생성 옵션을 설정해서 복잡도(complexity)는 낮고, 결과의 신뢰도는 다소 떨어지거나 반대로 복잡도가 높으나 신뢰도가 높은 선택 방안을 제공할 수 있다. 수신기의 처리능력(capacity)에 따라서 다르게 설정할 수 있다.
따라서, 포인트 클라우드는 타일(Tile)로 나누어지는 경우, 각 타일별로 다른 옵션을 적용할 수 있다. 포인트 클라우드는 슬라이스(Slice)로 나누어지는 경우, 각 슬라이스별로 다른 옵션을 적용할 수 있다.
도24는 실시예들에 따른 시퀀스 파라미터 세트를 나타낸다.
도24는 도23 비트스트림에 포함된 시퀀스 파라미터 세트이다.
실시예들에 따른 방법/장치는 실시예들에 따른 예측 트리 생성에 관련된 정보를 시퀀스 파라미터 세트에 포함시켜서 효율적인 시그널링을 제공할 수 있다.
예측 지오메트리 트리 소팅 타입(pred_geom_tree_sorting_type): 해당 시퀀스에서 예측 지오메트리 트리 생성시 적용할 정렬 방법을 나타낸다. 예를 들어, 각 정수값에 따른 정렬 방법을 나타낼 수 있다: 0= 정렬 안 함, 1= Morton code 순서로 정렬, 2= radius 순서로 정렬, 3= azimuth 순서로 정렬, 4= elevation 순서로 정렬, 5= 센서 ID 순서로 정렬, 6= 캡처된 시간 순서로 정렬, 7 = laser angle 순서로 정렬.
예측 지오메트리 트리 생성 방법(pred_geom_tree_build_method): 해당 시퀀스에서 예측 지오메트리 트리 생성 방법을 나타낸다. 예를 들어, 0= Fast 예측 트리 생성 방안, 1= 거리 기반 예측 트리 생성 방안, 2= angular 기반 예측 트리 생성 방안.
프로파일(profile_idc)은 비트스트림이 부록 A에 지정된 대로 준수하는 프로파일을 나타낸다. 비트스트림은 실시예들에 따른 값이 아닌 profile_idc 값을 포함하지 않을 수 있다. profile_idc의 다른 값은 ISO/IEC에서 향후 사용을 위해 예약될 수 있다.
프로파일 호환성 플래그(profile_compatibility_flags): 1과 동일한 profile_compatibility_flags는 비트스트림이 j와 동일한 profile_idc에 의해 표시된 프로파일을 따르는 것을 나타낸다.
SPS 어트리뷰트 세트 개수(sps_num_attribute_sets)는 비트스트림에서 코딩된 속성의 수를 나타낸다. sps_num_attribute_sets의 값은 0에서 63 사이일 수 있다.
어트리뷰트 디맨션(attribute_dimension[ i ])은 i번째 속성의 구성 요소 수를 나타낸다.
어트리뷰트 인스턴스 식별자(attribute_instance_id[ i ])는 i번째 속성에 대한 인스턴스 ID를 나타낸다.
도25는 실시예들에 따른 지오메트리 파라미터 세트를 나타낸다.
도25는 도23 비트스트림에 포함된 지오메트리 파라미터 세트이다.
실시예들에 따른 방법/장치는 실시예들에 따른 예측 트리 생성에 관련된 정보를 지오메트리 파라미터 세트에 포함시켜서 효율적인 시그널링을 제공할 수 있다.
예측 지오메트리 트리 소팅 타입(pred_geom_tree_sorting_type): 해당 시퀀스에서 예측 지오메트리 트리 생성시 적용할 정렬 방법을 나타낸다. 예를 들어, 0= 정렬 안 함, 1= Morton code 순서로 정렬, 2= radius 순서로 정렬, 3= azimuth 순서로 정렬, 4= elevation 순서로 정렬, 5= 센서 ID 순서로 정렬, 6= 캡처된 시간 순서로 정렬, 7 = laser angle 순서로 정렬.
예측 지오메트리 트리 생성 방법(pred_geom_tree_build_method): 해당 시퀀스에서 예측 지오메트리 트리 생성 방법을 나타낸다. 예를 들어, 0= Fast 예측 트리 생성 방안, 1= 거리 기반 예측 트리 생성 방안, 2= angular 기반 예측 트리 생성 방안.
GPS 지오메트리 파라미터 세트 아이디(gps_geom_parameter_set_id): 다른 구문 요소에서 참조할 수 있도록 GPS에 대한 식별자를 제공한다. gps_seq_parameter_set_id의 값은 0에서 15까지의 범위에 있을 수 있다.
GPS 시퀀스 파라미터 세트 아이디(gps_seq_parameter_set_id): 활성 SPS에 대한 sps_seq_parameter_set_id 값을 나타낸다. gps_seq_parameter_set_id의 값은 0에서 15까지의 범위에 있을 수 있다.
도26은 실시예들에 따른 타일 파라미터 세트를 나타낸다.
도26는 도23 비트스트림에 포함된 타일 파라미터 세트이다.
실시예들에 따른 방법/장치는 실시예들에 따른 예측 트리 생성에 관련된 정보를 타일 파라미터 세트에 포함시켜서 효율적인 시그널링을 제공할 수 있다.
예측 지오메트리 트리 소팅 타입(pred_geom_tree_sorting_type): 해당 타일에서 예측 지오메트리 트리 생성시 적용할 정렬 방법을 나타낸다. 예를 들어, 0= 정렬 안 함, 1= Morton code 순서로 정렬, 2= radius 순서로 정렬, 3= azimuth 순서로 정렬, 4= elevation 순서로 정렬, 5= 센서 ID 순서로 정렬, 6= 캡처된 시간 순서로 정렬, 7 = laser angle 순서로 정렬.
예측 지오메트리 트리 생성 방법(pred_geom_tree_build_method): 해당 타일에서 예측 지오메트리 트리 생성 방법을 나타낸다. 예를 들어, 0= Fast 예측 트리 생성 방안, 1= 거리 기반 예측 트리 생성 방안, 2= angular 기반 예측 트리 생성 방안.
GPS 지오메트리 파라미터 세트 아이디(gps_geom_parameter_set_id): 다른 구문 요소에서 참조할 수 있도록 GPS에 대한 식별자를 제공한다. gps_seq_parameter_set_id의 값은 0에서 15까지의 범위에 있을 수 있다.
GPS 시퀀스 파라미터 세트 아이디(gps_seq_parameter_set_id): 활성 SPS에 대한 sps_seq_parameter_set_id 값을 나타낸다. gps_seq_parameter_set_id의 값은 0에서 15까지의 범위에 있을 수 있다.
타일 개수(num_tiles)는 비트스트림에 대해 신호된 타일 수를 나타낸다. 존재하지 않는 경우 num_tiles는 0으로 유추된다.
타일 바운딩 박스 오프셋X(tile_bounding_box_offset_x[ i ])는 직교 좌표에서 i번째 타일의 x 오프셋을 나타낸다. 존재하지 않는 경우 tile_bounding_box_offset_x[ 0 ]의 값은 sps_bounding_box_offset_x인 것으로 유추될 수 있다.
타일 바운딩 박스 오프셋Y(tile_bounding_box_offset_y[ i ])는 직교 좌표에서 i 번째 타일의 y 오프셋을 나타냅니다. 존재하지 않는 경우 tile_bounding_box_offset_y[ 0 ] 값은 sps_bounding_box_offset_y로 유추될 수 있다.
타일 바운딩 박스 오프셋Z(tile_bounding_box_offset_z[ i ])는 직교 좌표에서 i 번째 타일의 z 오프셋을 나타냅니다. 존재하지 않는 경우 tile_bounding_box_offset_z[ 0 ]의 값은 sps_bounding_box_offset_z로 유추될 수 있다.
도27은 실시예들에 따른 지오메트리 슬라이스 헤더를 나타낸다.
도27는 도23 비트스트림에 포함된 지오메트리 슬라이스 헤더이다.
실시예들에 따른 방법/장치는 실시예들에 따른 예측 트리 생성에 관련된 정보를 지오메트리 슬라이스 헤더에 포함시켜서 효율적인 시그널링을 제공할 수 있다.
예측 원점(pred_origin[i]): 해당 슬라이스에서 적용된 원점(origin) 위치값을 나타낸다.
예측 지오메트리 트리 소팅 타입(pred_geom_tree_sorting_type): 해당 슬라이스에서 예측 지오메트리 트리 생성시 적용할 정렬 방법을 나타낸다. 예를 들어, 0= 정렬 안 함, 1= Morton code 순서로 정렬, 2= radius 순서로 정렬, 3= azimuth 순서로 정렬, 4= elevation 순서로 정렬, 5= 센서 ID 순서로 정렬, 6= 캡처된 시간 순서로 정렬, 7 = laser angle 순서로 정렬.
예측 지오메트리 트리 생성 방법(pred_geom_tree_build_method): 해당 슬라이스에서 예측 지오메트리 트리 생성 방법을 나타낸다. 예를 들어, 0= Fast 예측 트리 생성 방안, 1= 거리 기반 예측 트리 생성 방안, 2= angular 기반 예측 트리 생성 방안
GSH 지오메트리 파라미터 세트 아이디(gsh_geometry_parameter_set_id)는 액티브 GPS의 gps_geom_parameter_set_id 값을 나타낸다.
GSH 타일 식별자(gsh_tile_id)는 GSH가 참조하는 타일 ID의 값을 나타낸다. gsh_tile_id의 값은 0에서 XX까지의 범위에 있을 수 있다.
GSH 슬라이스 아이디(gsh_slice_id)는 다른 구문 요소에서 참조할 슬라이스 헤더를 식별할 수 있다. gsh_slice_id의 값은 0에서 XX까지의 범위에 있을 수 있다.
도28은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도21의 인코더 등 포인트 클라우드 데이터 송신 장치는 다음과 같은 단계에 의해 포인트 클라우드 데이터를 부호화하고 전송할 수 있다.
S2800 포인트 클라우드 데이터를 인코딩하는 단계
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계를 포함할 수 있다. 실시예들에 따른 인코딩 단계는 도1 송신 장치(10000), 포인트 클라우드 비디오 획득(10001), 포인트 클라우드 비디오 인코더(10002), 도2 획득-인코딩(20000-20001), 도4 인코더, 도12 전송 장치, 도14 XR디바이스(1430), 도15-20에 따른 원점 위치 선택, 포인트 정렬, 예측 트리 생성, 도21 인코더, 도23-27 비트스트림 및 파라미터 생성 등의 동작을 포함할 수 있다.
S2810 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 더 포함할 수 있다. 실시예들에 따른 전송 동작은 도1 송신 장치(10000), 트랜스미터(10003), 도2 전송(20002), 도4, 12, 14 지오메트리 비트스트림 및 어트리뷰트 비트스트림 전송, 도15-20에 따라 부호화된 포인트 클라우드 데이터를 포함하는 비트스트림(도23-27) 전송 등의 동작을 포함할 수 있다.
도29는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도22의 디코더 등 포인트 클라우드 데이터 수신 장치는 다음과 같은 단계에 의해 포인트 클라우드 데이터를 수신하고 복호화할 수 있다. 수신 측 과정은 송신 측 과정의 역과정을 따를 수 있다.
S2900 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함할 수 있다. 실시예들에 따른 수신하는 단계는 도1 수신 장치(10004), 리시버(10005), 도2 전송(20002)에 따른 수신, 도10-11 지오메트리 비트스트림 및 어트리뷰트 비트스트림 수신, 도13 수신 장치, 도14 XR디바이스(1430), 도15-20 등에 의해 부호화된 포인트 클라우드 데이터 수신, 도22 디코더, 도23-27 비트스트림 수신 등의 동작을 포함할 수 있다.
S2910 포인트 클라우드 데이터를 디코딩하는 단계
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 디코딩하는 단계를 더 포함할 수 있다. 실시예들에 따른 디코딩 동작은 도1 포인트 클라우드 비디오 디코더(10006), 렌더러(10007), 도2 디코딩-렌더러-피드백(20003-20005), 도10-11 디코딩, 도13 수신/디코딩, 도15-20 등에 의해 부호화된 포인트 클라우드 데이터의 복원, 도22 디코더, 도23-37 파라미터 기반 비트스트림에 포함된 지오메트리 데이터 및 어트리뷰트 데이터의 복원 등의 동작을 포함할 수 있다.
도17-18을 참조하면, 실시예들에 따른 방법/장치는 지오메트리 예측 트리 코딩을 위해서 지오메트리 데이터(포인트의 위치)를 리-오더링할 수 있다.
실시예들에 따른 방법/장치는 레이저 센서를 통해 포인트를 캡쳐하는 과정에서 레이저 센서가 일정한 앵글로 회전하기 때문에 레이저 앵글 속성을 포인트들이 가진다(도15 참조). 이러한 레이저 앵글을 사용하기 위한 방법은 포인트들을 재정렬하기 위한 워점을 결정하는데 적용될 수 있다.
실시예들에 따른 오리진 결정(Origin determination):
포인트들이 레이저 앵글을 가질 수 있고, 원점을 결정하기 위해서, 레이저 앵글이 이용된다. 워점은 다음과 같은 설정에 따라, 실시예들에 따른 방법/장치가 선택하고 결정할 수 있다.
도17-18과 같이, 센터 레이저 앵글은 90도일 수 있다. 가장 좌측에 위치한 포인트일 수 있다.
도17-18은 각 슬라이스마다 선택된 원점(18001, 08004, 18007)을 도시한다.
레이저 앵글에 기반한 리오더링 방법(re-ordering method based on laser angle):
도19를 참조하면, 레이저 앵글이 계산된 아지무스 대신에 포인트를 재정렬하기 위해서 사용된다. 레이저 앵글 값(레이저 앵글 범위)에 따라서 포인트들이 정렬된다. 포인트들의 속성인 컬러를 기준으로, 배열될 수 있다. 예를 들어, 포인트들을 레이저 앵글로 재정렬하면, 노란색 포인트들, 녹색 포인트들, 오렌지 포인트들, 그린 포인트들과 같은 예시 순서로 포인트들이 정렬되는 결과를 얻을 수 있다.
도1을 참조하면, 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다.
도15를 참조하면, 레이저 앵글 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계를 포함하고, 지오메트리 데이터는 포인트 클라우드 데이터에 대한 레이저 앵글에 기반하여 인코딩될 수 있다.
도17-18을 참조하면, 원점 위치 및 포인트 정렬 관련하여, 실시예들에 따른 방법/장치는 포인트 클라우드 데이터의 지오메트리 데이터는 레이저 앵글을 가지고, 레이저 앵글이 90도이고, 가장 좌측 좌표인 포인트를 상기 지오메트리 데이터의 원점으로 선택할 수 있다.
도19를 참조하면, 레이저 앵글 기반 정렬 관련하여, 지오메트리 데이터는 레이저 앵글에 기반하여 정렬될 수 있다.
도20을 참조하면, 예측 트리 생성 관련하여 실시예들에 따른 방법은 레이저 앵글에 기반하여 최신 레이저 앵글을 가지는 포인트를 부모로 가지는 예측 트리를 생성하고, 복수의 포인트들을 포함하는 제2레이저 그룹의 루트 노드를 복수의 포인트들을 포함하는 제1레이저 그룹의 루트 노드의 부모 노드로 설정하고, 상기 제2 레이저 그룹은 제1레이저 그룹보다 레이저 앵글의 값이 작을 수 있다. 최신의 의미는 정렬된 상태에서 첫 번째 위치에 있는 포인트, 또는 작은 레이저 앵글 값을 가지는 포인트를 지칭하는 것으로 해석된다.
도21을 참조하면, 지오메트리 인코딩 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계를 포함하고, 지오메트리 데이터를 인코딩하는 단계는, 지오메트리 데이터의 좌표계를 변환하여 레이저 앵글에 기반하여 원점을 설정하고, 원점에 기반하여 지오메트리 데이터를 정렬하고, 정렬된 지오메트리 데이터를 기반하여 예측 트리를 생성하고, 예측 트리에 기반하여 포인트 클라우드 데이터의 예측값을 생성하고, 예측값으로부터 잔차값을 생성하여, 지오메트리 비트스트림을 생성할 수 있다.
실시예들의 PCC 부호화 방법, PCC복호화 방법, 시그널링 방법은 다음의 효과를 제공할 수 있다.
라이다 장비를 통해서 한 프레임씩 캡처하고 저장하는 경우의 시나리오는 각도 모드를 적용할 수 있으나, 3D 맵 데이터 생성을 위해서 라이다(LiDAR) 장비로 여러 장의 프레임들을 캡처하고 하나의 콘텐츠로 통합한 경우 라이다 장비의 중심 위치가 다른 데이터들이 섞여 있기 때문에 라이다 장비로 캡처된 데이터에서 나타나는 각도상의 특성, 즉 각도
Figure PCTKR2022001353-appb-img-000005
로 변경했을 때의 포인트간의 규칙이 감춰질 수 있고, 이에 각도 모드를 적용하는 것이 직교 좌표계 기반 압축보다 효율적이지 않을 수 있다.
Figure PCTKR2022001353-appb-img-000006
Figure PCTKR2022001353-appb-img-000007
Figure PCTKR2022001353-appb-img-000008
따라서, 라디아 장비로 캡처된 특성을 이용하여 압축 효율을 높이기 위해 3D 맵 데이터에도 콘텐츠 내의 포인트들의 규칙성으로부터 압축 효율을 높일 수 있는 방안이 필요할 수 있다.
실시예들은 라이다 장비를 통해 캡처되고, 하나의 콘텐츠로 통합된 3D 맵 데이터의 예측 트리 기반 효율적인 지오메트리 압축을 지원 위한 예측 트리 구성을 위한 origin 선택 방법, 정렬 방법, 빠르게 예측 트리를 구성하는 방법을 지원하였다.
이로써 실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)의 지오메트리 압축 효율을 높여서 포인트 클라우드 콘텐츠 스트림을 제공할 수 있다.
실시예들에 따른 PCC 부호화기 및/또는 PCC 복호화기는 효율적인 예측 트리 생성 방안을 제공할 수 있고, 예측 포인트 간의 영향도를 고려함으로써 지오메트리 압축 코딩/디코딩 효율성을 증가시키는 효과를 제공할 수 있다.
따라서, 실시예들에 따른 송신 방법/장치는 포인트 클라우드 데이터를 효율적으로 압축하여 데이터를 전송할 수 있고, 이를 위한 시그널링 정보를 전달함으로써, 실시예들에 따른 수신 방법/장치 역시 포인트 클라우드 데이터를 효율적으로 디코딩/복원할 수 있다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 의미하고, 2) “B” 만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사욛외는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
한편, 상술한 실시예들에 따른 동작은 실시예들 따른 송신 장치 및/또는 수신 장치에 의해서 수행될 수 있다. 송수신 장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신 장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.
상술한 바와 같이, 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신 장치 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 청구항들 및 그 와 동일한 것들의 범위를 벗어나지 않는다.

Claims (20)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  2. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계를 포함하고,
    상기 지오메트리 데이터는 상기 포인트 클라우드 데이터에 대한 레이저 앵글에 기반하여 인코딩되는,
    포인트 클라우드 데이터 송신 방법.
  3. 제1항에 있어서,
    상기 포인트 클라우드 데이터의 지오메트리 데이터는 레이저 앵글을 가지고,
    상기 레이저 앵글이 90도이고, 가장 좌측 좌표인 포인트를 상기 지오메트리 데이터의 원점으로 선택하는,
    포인트 클라우드 데이터 송신 방법.
  4. 제3항에 있어서,
    상기 지오메트리 데이터는 상기 레이저 앵글에 기반하여 정렬되는,
    포인트 클라우드 데이터 송신 방법.
  5. 제4항에 있어서, 상기 방법은
    상기 레이저 앵글에 기반하여 최신 레이저 앵글을 가지는 포인트를 부모로 가지는 예측 트리를 생성하고,
    복수의 포인트들을 포함하는 제2레이저 그룹의 루트 노드를 복수의 포인트들을 포함하는 제1레이저 그룹의 루트 노드의 부모 노드로 설정하고, 상기 제2 레이저 그룹은 상기 제1레이저 그룹보다 레이저 앵글의 값이 작은,
    포인트 클라우드 데이터 송신 방법.
  6. 제4항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계를 포함하고,
    상기 지오메트리 데이터를 인코딩하는 단계는,
    상기 지오메트리 데이터의 좌표계를 변환하여 상기 레이저 앵글에 기반하여 상기 원점을 설정하고,
    상기 원점에 기반하여 상기 지오메트리 데이터를 정렬하고,
    상기 정렬된 지오메트리 데이터를 기반하여 예측 트리를 생성하고,
    상기 예측 트리에 기반하여 상기 포인트 클라우드 데이터의 예측값을 생성하고, 상기 예측값으로부터 잔차값을 생성하여, 지오메트리 비트스트림을 생성하는,
    포인트 클라우드 데이터 송신 방법.
  7. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  8. 제7항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 인코더는,
    상기 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 지오메트리 인코더를 포함하고,
    상기 지오메트리 데이터는 상기 포인트 클라우드 데이터에 대한 레이저 앵글에 기반하여 인코딩되는,
    포인트 클라우드 데이터 송신 장치.
  9. 제7항에 있어서,
    상기 포인트 클라우드 데이터의 지오메트리 데이터는 레이저 앵글을 가지고,
    상기 레이저 앵글이 90도이고, 가장 좌측 좌표인 포인트를 상기 지오메트리 데이터의 원점으로 선택하는,
    포인트 클라우드 데이터 송신 장치.
  10. 제9항에 있어서,
    상기 지오메트리 데이터는 상기 레이저 앵글에 기반하여 정렬되는,
    포인트 클라우드 데이터 송신 장치.
  11. 제10항에 있어서, 상기 장치는
    상기 레이저 앵글에 기반하여 최신 레이저 앵글을 가지는 포인트를 부모로 가지는 예측 트리를 생성하고,
    복수의 포인트들을 포함하는 제2레이저 그룹의 루트 노드를 복수의 포인트들을 포함하는 제1레이저 그룹의 루트 노드의 부모 노드로 설정하고, 상기 제2 레이저 그룹은 상기 제1레이저 그룹보다 레이저 앵글의 값이 작은,
    포인트 클라우드 데이터 송신 장치.
  12. 제10항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 인코더는,
    상기 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 지오메트리 인코더를 포함하고,
    상기 지오메트리 인코더는,
    상기 지오메트리 데이터의 좌표계를 변환하여 상기 레이저 앵글에 기반하여 상기 원점을 설정하고,
    상기 원점에 기반하여 상기 지오메트리 데이터를 정렬하고,
    상기 정렬된 지오메트리 데이터를 기반하여 예측 트리를 생성하고,
    상기 예측 트리에 기반하여 상기 포인트 클라우드 데이터의 예측값을 생성하고, 상기 예측값으로부터 잔차값을 생성하여, 지오메트리 비트스트림을 생성하는,
    포인트 클라우드 데이터 송신 장치.
  13. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  14. 제13항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계를 포함하고,
    상기 지오메트리 데이터는 상기 포인트 클라우드 데이터에 대한 레이저 앵글에 기반하여 디코딩되는,
    포인트 클라우드 데이터 수신 방법.
  15. 제13항에 있어서,
    상기 포인트 클라우드 데이터의 지오메트리 데이터는 레이저 앵글을 가지고,
    상기 레이저 앵글이 90도이고, 가장 좌측 좌표인 포인트를 상기 지오메트리 데이터의 원점으로 선택하는,
    포인트 클라우드 데이터 수신 방법.
  16. 제15항에 있어서,
    상기 지오메트리 데이터는 상기 레이저 앵글에 기반하여 정렬되는,
    포인트 클라우드 데이터 수신 방법.
  17. 제16항에 있어서, 상기 방법은
    상기 레이저 앵글에 기반하여 최신 레이저 앵글을 가지는 포인트를 부모로 가지는 예측 트리를 생성하고,
    복수의 포인트들을 포함하는 제2레이저 그룹의 루트 노드를 복수의 포인트들을 포함하는 제1레이저 그룹의 루트 노드의 부모 노드로 설정하고, 상기 제2 레이저 그룹은 상기 제1레이저 그룹보다 레이저 앵글의 값이 작은,
    포인트 클라우드 데이터 수신 방법.
  18. 제16항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계를 포함하고,
    상기 지오메트리 데이터를 디코딩하는 단계는,
    상기 지오메트리 데이터의 좌표계를 변환하여 상기 레이저 앵글에 기반하여 상기 원점을 설정하고,
    상기 원점에 기반하여 상기 지오메트리 데이터를 정렬하고,
    상기 정렬된 지오메트리 데이터를 기반하여 예측 트리를 생성하고,
    상기 예측 트리에 기반하여 상기 포인트 클라우드 데이터의 예측값을 생성하고, 상기 예측값 및 잔차값을 합산하여, 지오메트리 데이터를 복원하는,
    포인트 클라우드 데이터 수신 방법.
  19. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함하는,
    포인트 클라우드 데이터 수신 장치.
  20. 제19항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 디코더는,
    상기 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 지오메트리 디코더를 포함하고,
    상기 지오메트리 데이터는 상기 포인트 클라우드 데이터에 대한 레이저 앵글에 기반하여 디코딩되는,
    포인트 클라우드 데이터 수신 장치.
PCT/KR2022/001353 2021-04-21 2022-01-26 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2022225145A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020237039172A KR20230174237A (ko) 2021-04-21 2022-01-26 포인트 클라우드 데이터 송신 장치, 포인트 클라우드데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
CN202280029041.6A CN117178555A (zh) 2021-04-21 2022-01-26 点云数据发送设备、点云数据发送方法、点云数据接收设备和点云数据接收方法
JP2023564540A JP2024515203A (ja) 2021-04-21 2022-01-26 ポイントクラウドデータ送信装置、ポイントクラウドデータ送信方法、ポイントクラウドデータ受信装置及びポイントクラウドデータ受信方法
EP22791848.9A EP4329310A1 (en) 2021-04-21 2022-01-26 Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210051875 2021-04-21
KR10-2021-0051875 2021-04-21

Publications (1)

Publication Number Publication Date
WO2022225145A1 true WO2022225145A1 (ko) 2022-10-27

Family

ID=83722921

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/001353 WO2022225145A1 (ko) 2021-04-21 2022-01-26 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (6)

Country Link
US (1) US20220353531A1 (ko)
EP (1) EP4329310A1 (ko)
JP (1) JP2024515203A (ko)
KR (1) KR20230174237A (ko)
CN (1) CN117178555A (ko)
WO (1) WO2022225145A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020101021A1 (ja) * 2018-11-16 2020-05-22 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置
WO2021000658A1 (zh) * 2019-07-03 2021-01-07 Oppo广东移动通信有限公司 点云编解码方法、编码器、解码器及计算机存储介质
WO2021062530A1 (en) * 2019-10-01 2021-04-08 Blackberry Limited Angular mode syntax for tree-based point cloud coding
KR20210040272A (ko) * 2019-10-03 2021-04-13 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201208088D0 (en) * 2012-05-09 2012-06-20 Ncam Sollutions Ltd Ncam
CN110719497B (zh) * 2018-07-12 2021-06-22 华为技术有限公司 点云编解码方法和编解码器
KR102629746B1 (ko) * 2019-08-27 2024-01-26 엘지전자 주식회사 Xr 디바이스 및 그 제어 방법
US11729243B2 (en) * 2019-09-20 2023-08-15 Intel Corporation Dash-based streaming of point cloud content based on recommended viewports
US11941855B2 (en) * 2020-04-08 2024-03-26 Qualcomm Incorporated Coding of laser angles for angular and azimuthal modes in geometry-based point cloud compression
US20210326734A1 (en) * 2020-04-08 2021-10-21 Qualcomm Incorporated Coding of laser angles for angular and azimuthal modes in geometry-based point cloud compression

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020101021A1 (ja) * 2018-11-16 2020-05-22 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置
WO2021000658A1 (zh) * 2019-07-03 2021-01-07 Oppo广东移动通信有限公司 点云编解码方法、编码器、解码器及计算机存储介质
WO2021062530A1 (en) * 2019-10-01 2021-04-08 Blackberry Limited Angular mode syntax for tree-based point cloud coding
KR20210040272A (ko) * 2019-10-03 2021-04-13 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 v9", ISO/IEC JTC 1/SC 29/WG 7 N0011, 31 December 2020 (2020-12-31), pages 1 - 149, XP055977935 *

Also Published As

Publication number Publication date
US20220353531A1 (en) 2022-11-03
JP2024515203A (ja) 2024-04-05
CN117178555A (zh) 2023-12-05
KR20230174237A (ko) 2023-12-27
EP4329310A1 (en) 2024-02-28

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
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020262831A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020256308A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021210743A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002592A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022050650A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021206291A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 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
WO2022075753A1 (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
WO2022092852A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 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
WO2021141221A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021075681A1 (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
WO2020246690A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022225145A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246796A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023085856A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2023075535A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치.
WO2022092886A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023191321A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22791848

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023564540

Country of ref document: JP

ENP Entry into the national phase

Ref document number: 20237039172

Country of ref document: KR

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 1020237039172

Country of ref document: KR

WWE Wipo information: entry into national phase

Ref document number: 2022791848

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2022791848

Country of ref document: EP

Effective date: 20231120