WO2022250276A1 - 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 - Google Patents

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

Info

Publication number
WO2022250276A1
WO2022250276A1 PCT/KR2022/004569 KR2022004569W WO2022250276A1 WO 2022250276 A1 WO2022250276 A1 WO 2022250276A1 KR 2022004569 W KR2022004569 W KR 2022004569W WO 2022250276 A1 WO2022250276 A1 WO 2022250276A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
attribute
information
cloud data
unit
Prior art date
Application number
PCT/KR2022/004569
Other languages
English (en)
French (fr)
Inventor
박유선
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
Publication of WO2022250276A1 publication Critical patent/WO2022250276A1/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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/124—Quantisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • 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
    • H04N19/186—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 colour or a chrominance component
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/96—Tree coding, e.g. quad-tree coding

Definitions

  • 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 belonging to a coordinate system representing a 3D space.
  • Point cloud content can express three-dimensional media, and provides various services such as VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), and autonomous driving service. used to provide However, tens of thousands to hundreds of thousands of point data are required to express point cloud content. Therefore, a method for efficiently processing a vast 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 point cloud data transmission method may include encoding point cloud data and transmitting a bitstream including the point cloud data.
  • a method for receiving point cloud data according to embodiments may include receiving a bitstream including point cloud data and decoding the point cloud data.
  • Apparatus and method according to embodiments may process point cloud data with high efficiency.
  • Devices and methods according to embodiments may provide a point cloud service of high quality.
  • Devices and methods according to embodiments may provide point cloud content for providing general-purpose services such as VR services and autonomous driving services.
  • 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 9 shows another example of a point configuration for each LOD according to embodiments.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • FIG. 12 is an example of a point cloud data transmission device according to embodiments.
  • FIG. 13 is an example of a point cloud data receiving device according to embodiments.
  • FIG. 14 shows an example of a structure capable of interworking with a method/apparatus for transmitting and receiving point cloud data according to embodiments.
  • 15 is a block diagram illustrating an example of a point cloud data transmission device according to embodiments.
  • 16 is a block diagram illustrating an example of a device for receiving point cloud data according to embodiments.
  • 17 is a block diagram illustrating an example of a geometric information encoding unit according to embodiments.
  • FIG. 18 is a block diagram illustrating an example of a geometric information decoding unit according to embodiments.
  • 19 is a block diagram illustrating an example of an attribute information encoding unit according to embodiments.
  • 20 is a block diagram illustrating an example of an attribute information decoding unit according to embodiments.
  • 21 shows an example of a palette attribute table according to embodiments.
  • 22a and 22b show a palette attribute table mode prediction method according to embodiments.
  • FIG. 23 illustrates a prediction unit (PU) of point cloud data according to embodiments.
  • FIG. 24 illustrates a state in which point cloud data is divided by QT (Quad Tree) and BT (Binary Tree) according to embodiments.
  • 25A and 25B show a prediction unit (PU) of point cloud data according to embodiments.
  • Fig. 26 shows an example of the configuration of a palette attribute table according to the embodiments.
  • 27A and 27B show a flow chart of a palette attribute table mode according to embodiments.
  • FIG. 28 illustrates a method of predicting a palette attribute table mode using a previous index reuse flag according to embodiments.
  • 29A and 29B show flowcharts of an encoding method using a palette attribute table including an exception mode and an exception mode according to embodiments.
  • FIG. 30 shows an example of coded point cloud data according to embodiments.
  • 31 shows an example of syntax of a sequence parameter set according to embodiments.
  • 32 illustrates an example syntax of a tile parameter set according to embodiments.
  • 35 illustrates an example of syntax of a geometry slice header according to embodiments.
  • 36 illustrates an example of syntax of an attribute slice header according to embodiments.
  • FIG. 37 shows an example of a point cloud data transmission method 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 transmission device 10000 and the reception device 10004 can communicate wired or wirelessly in order to transmit and receive point cloud data.
  • the transmission apparatus 10000 may secure, process, and transmit point cloud video (or point cloud content).
  • the transmission device 10000 may include a fixed station, a base transceiver system (BTS), a network, an artificial intelligence (AI) device and/or system, a robot, an AR/VR/XR device and/or a server. etc. may be included.
  • BTS base transceiver system
  • AI artificial intelligence
  • the transmitter 10000 is a device that communicates with a base station and / or other wireless devices using a wireless access technology (eg, 5G New RAT (NR), Long Term Evolution (LTE)), It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like.
  • a wireless access technology eg, 5G New RAT (NR), Long Term Evolution (LTE)
  • NR 5G New RAT
  • LTE Long Term Evolution
  • It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like.
  • IoT Internet of Thing
  • the transmission device 10000 includes 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 (or Communication module), 10003 ) include
  • the point cloud video acquisition unit 10001 acquires a point cloud video through processing such as capture, synthesis, or generation.
  • a point cloud video is point cloud content expressed as a point cloud, which is a set of points located in a 3D space, and may be referred to as point cloud video data or point cloud data.
  • 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 secured 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 is not limited to the above-described embodiments.
  • the point cloud video encoder 10002 can output a bitstream containing encoded point cloud video data.
  • the bitstream may include not only encoded point cloud video data, but also signaling information related to encoding of the point cloud video data.
  • Transmitter 10003 transmits a bitstream containing encoded point cloud video data.
  • a bitstream according to embodiments is encapsulated into a file or a 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 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 is capable of wired/wireless communication with the receiver 10004 (or receiver 10005) through a 4G, 5G, 6G, or the like network.
  • the transmitter 10003 may perform necessary data processing operations depending on the network system (for example, a communication network system such as 4G, 5G, and 6G).
  • the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • a receiving device 10004 includes a receiver 10005, a point cloud video decoder 10006, and/or a renderer 10007.
  • the receiver 10004 is a device or robot that communicates with a base station and/or other wireless devices using a wireless access technology (e.g., 5G New RAT (NR), Long Term Evolution (LTE)). , vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Things (IoT) devices, AI devices/servers, and the like.
  • a wireless access technology e.g., 5G New RAT (NR), Long Term Evolution (LTE)
  • NR 5G New RAT
  • LTE Long Term Evolution
  • vehicles AR/VR/XR devices
  • mobile devices mobile devices
  • home appliances home appliances
  • IoT Internet of Things
  • AI devices/servers and the like.
  • 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 necessary data processing operations depending on the network system (eg, 4G, 5G, 6G communication network system).
  • the receiver 10005 may output a bitstream by decapsulating the received file/segment.
  • the receiver 10005 may include a decapsulation unit (or 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 containing point cloud video data.
  • the point cloud video decoder 10006 can decode the point cloud video data according to the way it was encoded (eg, the reverse of the operation of the point cloud video encoder 10002). Accordingly, the point cloud video decoder 10006 may decode point cloud video data by performing point cloud decompression coding, which is a reverse process of point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • a 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 point cloud content.
  • the display may not be included in the renderer 10007 and may be implemented as a separate device or component.
  • the feedback information is information for reflecting the interactivity with the user consuming 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 sent to the content transmitting side (eg, the transmitting device 10000) and/or the service provider. can be passed on to Depending on embodiments, the feedback information may be used not only in the transmission device 10000 but also in the reception device 10004, and may not be provided.
  • Head orientation information is information about a user's head position, direction, angle, movement, and the like.
  • the receiving device 10004 may calculate viewport information based on head orientation information.
  • Viewport information is information about an area of a point cloud video that a user is looking at.
  • a viewpoint is a point at which a user watches a point cloud video, and may mean a central point of a viewport area. That is, the viewport is an area centered on the viewpoint, and the size and shape of the area may be determined by FOV (Field Of View).
  • FOV Field Of View
  • the receiving device 10004 performs gaze analysis and the like to check the point cloud consumption method of the user, the point cloud video area that the user gazes at, the gaze time, and the like.
  • the receiving device 10004 may transmit feedback information including the gaze analysis result to the transmitting device 10000.
  • Feedback information according to embodiments may be obtained in a rendering and/or display process.
  • Feedback information according to embodiments may be secured by one or more sensors included in the receiver 10004.
  • feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • a dotted line in FIG. 1 indicates a process of transmitting feedback information secured by the renderer 10007.
  • the point cloud content providing system may process (encode/decode) 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 transmission 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 feedback information, and Point cloud content can be provided to
  • the transmitter 10000 may be referred to as an encoder, a transmission device, a transmitter, a transmitter, and the like, and a receiver 10004 may be referred to as a decoder, a reception device, and a receiver.
  • Point cloud data (processed through a series of processes of acquisition/encoding/transmission/decoding/rendering) in the point cloud content providing system of FIG. 1 according to embodiments will be referred to as point cloud content data or point cloud video data.
  • point cloud content data may be used as a concept including metadata or signaling information related to point cloud data.
  • Elements of the point cloud content providing system shown in FIG. 1 may be implemented as hardware, software, 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 obtain a point cloud video (20000).
  • 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. If the point cloud video has one or more frames, the acquired point cloud video may include one or more Ply files.
  • Ply files include point cloud data such as geometry and/or attributes of points. The geometry contains positions (locations) of points.
  • the position of each point may be expressed as parameters (eg, values of each of the X-axis, Y-axis, and Z-axis) representing a three-dimensional coordinate system (eg, a coordinate system composed of XYZ axes).
  • Attributes include 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).
  • a point may have one color attribute or two attributes, color and reflectance.
  • geometry may be referred to as positions, geometry information, geometry data, location information, location data, etc.
  • attributes may be referred to as attributes, attribute information, attribute data, attribute information, attribute data, etc.
  • the point cloud content providing system obtains points from information (for example, depth information, color information, etc.) related to the acquisition process of the point cloud video. Cloud data is available.
  • a point cloud content providing system may encode point cloud data (20001).
  • the point cloud content providing system may encode point cloud data based on point cloud compression coding.
  • point cloud data may include point geometry information and attribute information.
  • the point cloud content providing system may output a geometry bitstream by performing geometry encoding to encode geometry.
  • the point cloud content providing system may output an attribute bitstream by performing attribute encoding for encoding attributes.
  • a point cloud content providing system may perform attribute encoding based on geometry encoding.
  • a geometry bitstream and an attribute bitstream according to embodiments may be multiplexed and output as one bitstream.
  • a bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • the point cloud content providing system may transmit encoded point cloud data (20002).
  • Point cloud data encoded as described in FIG. 1 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 a bitstream transmitting encoded point cloud data and transmit the encoded point cloud data in the form of a file or segment.
  • a point cloud content providing system may receive a bitstream including 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 encoded point cloud data (eg, a geometry bitstream, an attribute bitstream) transmitted as a bitstream. have.
  • the point cloud content providing system eg, the receiving device 10004 or the point cloud video decoder 10005
  • the point cloud content providing system eg, the receiver 10004 or the point cloud video decoder 10005
  • the point cloud content providing system may restore attributes of points by decoding an attribute bitstream based on the restored geometry.
  • the point cloud content providing system eg, the receiver 10004 or the point cloud video decoder 10005) may reconstruct the point cloud video based on the decoded attributes and positions according to the reconstructed geometry.
  • a point cloud content providing system may render the decoded point cloud data (20004).
  • the point cloud content providing system may render the geometry and attributes decoded through the decoding process according to various rendering methods. Points of the point cloud content may be rendered as a vertex with a certain thickness, a cube with a specific minimum size centered at the vertex position, or a circle centered at the vertex position. All or part of the rendered point cloud content is provided to the user through a display (eg, VR/AR display, general display, etc.).
  • the point cloud content providing system (eg, the receiving device 10004) according to the embodiments may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode point cloud data based on the feedback information. Since the feedback information and operation of the point cloud content providing system according to the embodiments are the same as the feedback information and operation described in 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 in FIGS. 1 and 2 .
  • Point cloud content is a point cloud video (images and/or videos) are included.
  • a point cloud content providing system includes one or more cameras (eg, an infrared camera capable of securing depth information, color information corresponding to depth information) to generate point cloud content.
  • Point cloud video can be captured using an RGB camera, etc.), a projector (eg, an infrared pattern projector to secure depth information), or LiDAR.
  • a system for providing point cloud content according to embodiments may secure point cloud data by extracting a shape of a geometry composed of points in a 3D space from depth information and extracting an attribute of each point from color information.
  • Images and/or videos 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 the inward-facing method.
  • the inward-pacing method refers to a method in which one or more cameras (or camera sensors) located around the central object capture the central object.
  • the inward-pacing method is a point cloud content that provides users with 360-degree images of key objects (e.g., provides users with 360-degree images of objects (e.g., key objects such as characters, players, objects, actors, etc.) It can be used to create VR / AR content).
  • the right side of FIG. 3 shows the outward-facing method.
  • the outward-pacing method refers to a method in which one or more cameras (or camera sensors) located around a central object capture an environment of the central object other than the central object.
  • the outward-facing 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 from a 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
  • 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 to set a global coordinate system before a capture operation.
  • the point cloud content providing system may generate point cloud content by synthesizing an image and/or video captured by the above-described capture method and an arbitrary image and/or video.
  • the point cloud content providing system may not perform the capture operation described in FIG. 3 when generating point cloud content representing a virtual space.
  • the point cloud content providing system may perform post-processing on captured images and/or videos. That is, the point cloud content providing system removes an unwanted area (for example, a background), recognizes a space where captured images and/or videos are connected, and performs an operation to fill 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 conversion on points of the point cloud video obtained from each camera.
  • the point cloud content providing system may perform coordinate system conversion of points based on the positional coordinates of each camera. Accordingly, the point cloud content providing system may generate content representing one wide range or point cloud content having a high density of points.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • FIG. 4 shows an example of the point cloud video encoder 10002 of FIG. 1 .
  • the point cloud encoder converts point cloud data (eg, positions of points and/or attributes) and perform encoding operations.
  • point cloud data eg, positions of points and/or attributes
  • the point cloud content providing system may not be able to stream the corresponding content in real time. Therefore, the point cloud content providing system may reconstruct the point cloud content based on the maximum target bitrate in order to provide it according to the network environment.
  • the point cloud encoder can perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • a point cloud encoder includes a transformation coordinates (40000), a quantization unit (Quantize and Remove Points (Voxelize), 40001), an octree analysis unit (Analyze Octree, 40002), a surface approximate analysis unit ( Analyze Surface Approximation (40003), Arithmetic Encode (40004), Reconstruct Geometry (40005), Transform Colors (40006), Transfer Attributes (40007), RAHT Transformation It includes a unit 40008, a Generated LOD 40009, a Lifting unit 40010, a Quantize Coefficients unit 40011, and/or an Arithmetic Encode 40012.
  • Geometry encoding may include octree geometry coding, prediction tree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisup geometry encoding are applied selectively or in combination. Also, geometry encoding is not limited to the above example.
  • a coordinate system conversion unit 40000 receives positions and converts them into a coordinate system.
  • the positions may be converted into positional information in a 3D space (eg, a 3D space expressed in XYZ coordinates).
  • Location information in a 3D space may be referred to as geometry information.
  • a quantization unit 40001 quantizes geometry.
  • the quantization unit 40001 may quantize points based on minimum position values of all points (for example, minimum values on each axis for the X axis, Y axis, and Z axis).
  • the quantization unit 40001 multiplies the difference between the minimum position value and the position value of each point by a preset quatization scale value, and then performs a quantization operation to find the nearest integer value by performing rounding or rounding.
  • one or more points may have the same quantized position (or position value).
  • the quantization unit 40001 performs voxelization based on quantized positions to reconstruct quantized points.
  • points of point cloud content may be included in one or more voxels.
  • the quantization unit 40001 may match groups of points in the 3D space to voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • the position of the center of a corresponding voxel may be set based on the positions of one or more points included in one voxel.
  • attributes of all positions included in one voxel may be combined and assigned to the 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 an octal tree structure.
  • the surface approximation analyzer 40003 may analyze and approximate an 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.
  • Arismetic encoder 40004 entropy encodes an octree and/or an approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • a geometry bitstream is created.
  • Color conversion section 40006, attribute conversion section 40007, RAHT conversion section 40008, LOD generation section 40009, lifting conversion section 40010, coefficient quantization section 40011 and/or Arithmetic encoder 40012 performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is equally applied to attributes of one point. However, when one attribute (for example, 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-neighbour prediction-prediction transform coding, and interpolation-based hierarchical nearest transform (RAHT) coding.
  • RAHT region adaptive hierarchical transform
  • RAHT interpolaration-based hierarchical nearest-neighbour prediction-prediction transform
  • RAHT interpolation-based hierarchical nearest transform
  • -neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • the above-described RAHT coding, predictive transform coding, and lifting transform coding may be selectively used, or a combination of one or more codings may be used.
  • attribute encoding according to embodiments is not limited to the above-described example.
  • the color conversion unit 40006 performs color conversion coding to convert color values (or textures) included in attributes.
  • the color conversion unit 40006 may convert a format of color information (for example, convert RGB to YCbCr).
  • An operation of the color conversion unit 40006 according to embodiments may be optionally applied according to color values included in attributes.
  • the geometry reconstructor 40005 reconstructs (decompresses) an octree, a prediction tree, and/or an approximated octree.
  • the geometry reconstructor 40005 reconstructs an octree/voxel based on a result of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as reconstructed geometry (or reconstructed geometry).
  • the attribute transformation unit 40007 performs attribute transformation to transform attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry. As described above, since attributes depend on geometry, the attribute conversion unit 40007 can transform attributes based on reconstructed geometry information. For example, the attribute conversion unit 40007 may transform an attribute of a point at a position based on a position value of a point included in a voxel. As described above, when the position of the central point of a voxel is set based on the positions of one or more points included in one voxel, the attribute conversion unit 40007 transforms attributes of one or more points. When tri-soup geometry encoding is performed, the attribute conversion unit 40007 may transform attributes based on tri-soup geometry encoding.
  • the attribute conversion unit 40007 is an average value of attributes or attribute values (eg, color or reflectance of each point) of neighboring points within a specific position/radius from the position (or position value) of the center point of each voxel. Attribute conversion can be performed by calculating .
  • the attribute conversion unit 40007 may apply a weight according to the distance from the central point to each point when calculating the average value. Therefore, each voxel has a position and a calculated attribute (or attribute value).
  • the attribute conversion unit 40007 may search for neighboring points existing within a specific location/radius from the position of the center point of each voxel based on the K-D tree or the Morton code.
  • the K-D tree is a binary search tree and supports a data structure that can manage points based on location so that a quick Nearest Neighbor Search (NNS) is possible.
  • the Morton code is generated by expressing coordinate values (for example, (x, y, z)) representing the three-dimensional positions of all points as bit values 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 conversion unit 40007 may sort points based on Molton code values and perform a nearest neighbor search (NNS) through a depth-first traversal process. After the attribute transformation operation, if a nearest neighbor search (NNS) is required in another transformation process for attribute coding, a K-D tree or Morton code is used.
  • NSS nearest neighbor search
  • the converted attributes are input to the RAHT conversion unit 40008 and/or the LOD generation unit 40009.
  • the RAHT conversion unit 40008 performs RAHT coding for predicting attribute information based on reconstructed geometry information. For example, the RAHT converter 40008 may predict attribute information of a node at a higher level of the octree based on attribute information associated with a node at a lower level of the octree.
  • An LOD generator 40009 generates a level of detail (LOD) to perform predictive transform coding.
  • LOD according to embodiments is a degree representing detail of point cloud content. A smaller LOD value indicates lower detail of point cloud content, and a larger LOD value indicates higher detail of point cloud content. Points can be classified according to LOD.
  • the lifting transform unit 40010 performs lifting transform coding for transforming attributes of a point cloud based on weights. As described above, lifting transform coding may be selectively applied.
  • the coefficient quantization unit 40011 quantizes attribute-coded attributes based on coefficients.
  • the Arithmetic Encoder 40012 encodes the quantized attributes based on Arithmetic Coding.
  • One or more processors may perform at least one or more of operations and/or functions of elements of the point cloud encoder of FIG. 4 described above. Also, one or more processors may operate or execute a set of software programs and/or instructions to perform operations and/or functions of elements of the point cloud encoder of FIG. 4 .
  • One or more memories may include high speed random access memory, and may include non-volatile memory (eg, one or more magnetic disk storage devices, flash memory devices, or other non-volatile solid state memory devices). memory devices (Solid-state memory devices, etc.).
  • FIG. 5 illustrates an example of a voxel according to embodiments.
  • voxel 5 is an octree structure that recursively subdivides a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ). It shows an example of a voxel generated through One voxel includes at least one point. Spatial coordinates of a voxel may be estimated from a positional relationship with a voxel group. As described above, a voxel has an attribute (color or reflectance, etc.) like a pixel of a 2D image/video. Since a detailed description of the voxel is the same as that described in FIG. 4, it 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 the point cloud encoder (eg, octree analyzer 40002) efficiently manages a voxel area and/or position. To do so, octree structure-based octree geometry coding (or octree coding) is performed.
  • FIG. 6 shows an octree structure.
  • a 3D space of point cloud content according to embodiments is represented by axes (eg, X axis, Y axis, and Z axis) of a coordinate system.
  • the octree structure is created by recursively subdividing a cubical axis-aligned bounding box defined by the two poles (0,0,0) and (2 d , 2 d , 2 d ). . 2d may be set to a value constituting the smallest bounding box enclosing 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 formula. 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 can be divided into 8 spaces according to division.
  • Each divided space is represented by a cube with six faces.
  • each of the eight spaces is further divided based on the axes of the coordinate system (for example, the X-axis, Y-axis, and Z-axis). Therefore, each space is further divided into eight smaller spaces.
  • the divided small space is also expressed as a cube with six faces. This division method is applied until the leaf node of the octree becomes a voxel.
  • the lower part of Fig. 6 shows the occupancy code of the octree.
  • the octree's occupancy code is generated to indicate whether each of eight divided spaces generated by dividing one space includes at least one point. Therefore, one occupancy code is represented by 8 child nodes. Each child node represents the occupancy of the divided space, and the child node has a value of 1 bit. Therefore, the occupancy code is expressed as an 8-bit code. That is, if at least one point is included in a space corresponding to a child node, the corresponding node has a value of 1. If a point is not included in the space corresponding to a child node (empty), the corresponding node has a value of 0. Since the occupancy code shown in FIG.
  • a point cloud encoder (eg, the Arismetic encoder 40004) according to embodiments may entropy-encode an occupancy code. Also, to increase compression efficiency, the point cloud encoder may intra/inter code the occupancy code.
  • a receiving device (eg, the receiving device 10004 or the point cloud video decoder 10006) according to embodiments reconstructs an octree based on an occupancy code.
  • a point cloud encoder (eg, the point cloud encoder of FIG. 4 or the octree analyzer 40002) may perform voxelization and octree coding to store positions of points.
  • points in the 3D space are not always evenly distributed, there may be a specific area where many points do not exist. Therefore, it is inefficient to perform voxelization on the entire 3D space. For example, if few points exist in a specific area, there is no need to perform voxelization to that area.
  • the point cloud encoder does not perform voxelization on the above-described specific region (or nodes other than leaf nodes of the octree), but directly codes the positions of points included in the specific region. ) can be performed. Coordinates of direct coding points according to embodiments are called a direct coding mode (DCM). Also, the point cloud encoder according to embodiments may perform trisoup geometry encoding for reconstructing positions of points in a specific area (or node) based on a voxel based on a surface model. Tri-Sup geometry encoding is a geometry encoding that expresses the representation of an object as a series of triangle meshes.
  • a point cloud decoder can generate a point cloud from a mesh surface.
  • Direct coding and trisup geometry encoding according to embodiments may be selectively performed. Also, direct coding and triangle geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use direct mode to apply direct coding must be activated.
  • the node to which direct coding is applied is not a leaf node, points must exist.
  • the total number of points subject to direct coding must not exceed a predetermined limit. If the above condition is satisfied, the point cloud encoder (or the Arithmetic encoder 40004) according to the embodiments may entropy code positions (or position values) of points.
  • the point cloud encoder (for example, the surface approximate 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 uses the surface model to determine the node Tri-Sup geometry encoding may be performed to reconstruct the position of a point within a region on a voxel basis (Tri-Sup mode).
  • the point cloud encoder may designate a level to which tri-sup geometry encoding is applied. For example, if the specified level is equal to the depth of the octree, the point cloud encoder does not operate in tri-sup mode.
  • the point cloud encoder may operate in the tri-sup mode only when the designated level is smaller than the depth value of the octree.
  • a 3D cube area of nodes of a designated level according to embodiments is referred to as a block.
  • One block may include one or more voxels.
  • a block or voxel may correspond to a brick.
  • geometry is represented as a surface.
  • a surface according to embodiments may intersect each edge of a block at most once.
  • intersection points there are at least 12 intersection points in one block. Each intersection point is called a vertex.
  • 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 occluded voxel according to embodiments means a voxel including a point.
  • the position of a vertex detected along an edge is the average position along the edge of all voxels adjacent to the corresponding edge among all blocks sharing the corresponding 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 vector ( ⁇ x, ⁇ y, ⁇ z) of the edge, and the vertex position value (relative position value within the edge).
  • the point cloud encoder for example, the geometry reconstruction unit 40005
  • the point cloud encoder performs triangle reconstruction, up-sampling, and voxelization processes. to create the restored geometry (reconstructed geometry).
  • Vertices located at the edges of a block determine the surface through which the block passes.
  • a surface according to embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by the 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 Calculate the values obtained by subtracting the centroid value from each vertex value 3 Square the values, and obtain the sum of all the values.
  • the minimum value of the added value is obtained, and the projection process is performed according to the axis with the minimum value. For example, if the x element is minimal, each vertex is projected along the x-axis based on the center of the block, and projected onto the (y, z) plane. If the value that results from projection on the (y, z) plane is (ai, bi), the ⁇ value is obtained through atan2(bi, ai), and the vertices are aligned based on the ⁇ value.
  • the table below shows combinations of vertices to generate triangles according to the number of vertices. Vertices are sorted in order from 1 to n.
  • the table below shows that two triangles can be formed for four vertices according to a combination of the vertices.
  • the first triangle may be composed of the first, second, and third vertices among the aligned vertices
  • the second triangle may be composed of the third, fourth, and first vertices among the aligned vertices. .
  • the upsampling process is performed to voxelize by adding points in the middle along the edge of the triangle. Additional points are generated based on the upsampling factor and the width of the block. The added points are called refined vertices.
  • a point cloud encoder may voxelize 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 the point cloud encoder converts the occupancy code directly. Entropy coding is possible.
  • the point cloud content providing system or the point cloud encoder performs entropy encoding (intra-encoding) based on the occupancy code of the current node and the occupancy of neighboring nodes, or entropy encoding (inter-encoding) based on the occupancy code of the previous frame. ) can be performed.
  • a frame according to embodiments means a set of point cloud videos generated at the same time.
  • Compression efficiency of intra-encoding/inter-encoding may vary according to the number of referenced neighboring nodes. If the bit size increases, it becomes complicated, but compression efficiency can be increased by making it skewed to one side. For example, if you have a 3-bit context, 2 of 3 should be coded in 8 ways. The part that is divided and coded affects the complexity of the implementation. Therefore, it is necessary to match the efficiency of compression with an appropriate level of complexity.
  • a point cloud encoder determines occupancy of neighboring nodes of each node of an octree and obtains a neighboring node pattern value.
  • the neighbor node pattern is used to infer the occupancy pattern of that node.
  • the left side of FIG. 7 shows a cube corresponding to a node (a cube located in the middle) and six cubes (neighboring nodes) sharing at least one face with the cube.
  • Nodes shown in the figure are nodes of the same depth (depth).
  • the numbers shown in the figure represent weights (1, 2, 4, 8, 16, 32, etc.) associated with each of the six nodes. Each weight is sequentially assigned according to the locations of neighboring nodes.
  • the right side of FIG. 7 shows neighboring node pattern values.
  • the neighbor pattern value is the sum of values multiplied by the weights of the occupied neighbor nodes (neighbor nodes with points). Therefore, the neighbor node pattern values range from 0 to 63. If the neighbor node pattern value is 0, it indicates that there is no node (occupied node) having a point among the neighbor nodes of the corresponding node. When the neighbor node pattern value is 63, it indicates that all of the neighbor nodes are occupied nodes. As shown in the figure, since the neighboring nodes to which weights 1, 2, 4, and 8 are assigned are ocupied nodes, the neighboring node pattern value is 15, which is the value obtained by adding 1, 2, 4, and 8.
  • the point cloud encoder may perform coding according to the neighboring node pattern value (for example, if the neighboring node pattern value is 63, 64 types of coding are performed). According to embodiments, the point cloud encoder may reduce complexity of coding by changing a neighbor node pattern value (for example, based on a table changing 64 to 10 or 6).
  • the encoded geometry is reconstructed (decompressed) before attribute encoding is performed.
  • the geometry reconstruction operation may include changing the arrangement of direct coded points (eg, placing the direct coded points in front of point cloud data).
  • the geometry reconstruction process includes triangle reconstruction, upsampling, and voxelization processes. Since attributes depend on the geometry, attribute encoding is performed based on the reconstructed geometry.
  • the point cloud encoder may reorganize points according to LODs.
  • the diagram shows 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 points with the highest LOD. That is, points of the lowest LOD are sparsely distributed, and 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 points becomes shorter.
  • the point cloud content providing system or the point cloud encoder (eg, the point cloud video encoder 10002, the point cloud encoder in 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 Distances).
  • the LOD generation process is performed in the point cloud decoder as well as the point cloud encoder.
  • FIG. 9 shows examples of points (P0 to P9) of the point cloud content distributed in the 3D 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 represents the order of points according to LOD generation. Points are reordered by LOD. Also, high LOD includes points belonging to low LOD.
  • LOD0 includes P0, P5, P4, and P2.
  • LOD1 contains 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 prediction 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 transformation coding to set predictive attributes (or predictive attribute values) of each point. That is, N predictors can be generated for N points.
  • the predicted attribute (or attribute value) is a weight calculated based on the distance to each neighboring point to the attributes (or attribute values, eg, color, reflectance, etc.) of neighboring points set in the predictor of each point. (or weight value) is set as the average value of multiplied values.
  • 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, and generates residual values (residuals, residual attributes, residual attribute values, attributes) can be called prediction residuals, attribute residuals, etc.) can be quatized and inverse quantized, and the quantization process is shown in the following table.
  • Attribute prediction residuals quantization pseudo code int PCCQuantization(int value, int quantStep) ⁇ if( value > 0) ⁇ return floor(value / quantStep + 1.0 / 3.0); ⁇ else ⁇ return -floor(-value / quantStep + 1.0 / 3.0); ⁇ ⁇
  • the point cloud encoder (for example, the Arismetic encoder 40012) according to the embodiments may entropy code the quantized and inverse quantized residual values as described above when there are points adjacent to the predictor of each point.
  • the point cloud encoder (for example, the Arismetic encoder 40012) according to the embodiments may entropy code attributes of a corresponding point without performing the above process if there are no neighboring points to the predictor of each point.
  • the point cloud encoder (for example, the lifting transform unit 40010) according to the embodiments generates a predictor of each point, sets the LOD calculated in the predictor, registers neighboring points, and according to the distance to the neighboring points
  • Lifting transform coding can be performed by setting weights.
  • Lifting transform coding according to embodiments is similar to the above-described predictive transform coding, but is different in that weights are cumulatively applied to attribute values.
  • a process of cumulatively applying weights to attribute values according to embodiments is as follows.
  • the weight calculated for all predictors is additionally multiplied by the weight stored in the QW corresponding to the predictor index, and the calculated weight is cumulatively summed as the index of the neighboring node in the update weight array.
  • the value obtained by multiplying the calculated weight by the attribute value of the index of the neighboring node is cumulatively summed.
  • a predicted attribute value is calculated by additionally multiplying an attribute value updated through the lift update process by a weight updated through the lift prediction process (stored in QW).
  • a point cloud encoder eg, the coefficient quantization unit 40011
  • the point cloud encoder eg, the Arismetic encoder 40012
  • the point cloud encoder (for example, the RAHT transform unit 40008) according to the embodiments may perform RAHT transform coding to predict attributes of nodes at a higher level using attributes associated with nodes at a lower level of the octree. .
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud encoder according to embodiments scans from voxels to the entire area and repeats the merging process up to the root node while merging the voxels into larger blocks in each step.
  • a merging process according to embodiments is performed only for Occupied nodes.
  • a merging process is not performed on an empty node, but a merging process is performed on an immediate parent node of an empty node.
  • the following equation represents a RAHT transformation matrix. represents the average attribute value of voxels at level l. Is Wow can be calculated from Wow the weight of class to be.
  • the gDC value is also quantized and entropy-coded like the high-pass coefficient.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 10 is an example of the point cloud video decoder 10006 described in FIG. 1 , and may perform the same or similar operation as 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 performs geometry decoding on a geometry bitstream and outputs decoded geometry.
  • the attribute decoder performs attribute decoding based on the decoded geometry and attribute bitstream and outputs decoded attributes.
  • 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 in FIG. 10 and can perform a decoding operation, which is the reverse process of the encoding operation of the point cloud encoder described in FIGS. 1 to 9 .
  • the point cloud decoder may perform geometry decoding and attribute decoding. Geometry decoding is performed before attribute decoding.
  • the point cloud decoder includes an arithmetic decoder (11000), an octree synthesizer (synthesize octree) 11001, a surface synthesize surface approximation unit (11002), and a geometry reconstructor (reconstruct geometry). . ), an inverse lifting unit (11009), and/or an inverse transform colors (11010).
  • the Arismetic decoder 11000, the octree synthesizer 11001, the surface deoxymation synthesizer 11002, the geometry reconstructor 11003, and the coordinate system inverse transform unit 11004 may perform geometry decoding.
  • Geometry decoding according to embodiments may include direct decoding and trisoup geometry decoding. Direct decoding and tri-sup geometry decoding are selectively applied. Also, geometry decoding is not limited to the above example, and is performed in a reverse process to the geometry encoding described in FIGS. 1 to 9 .
  • the Arismetic 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 occupancy code from a decoded geometry bitstream (or information on geometry obtained as a result of decoding). A detailed description of the occupancy code is as described with reference to FIGS. 1 to 9 .
  • the surface deoxymation synthesis unit 11002 may synthesize a surface based on the decoded geometry and/or the generated octree.
  • the geometry reconstructor 11003 may regenerate geometry based on surfaces and/or decoded geometry. As described in FIGS. 1 to 9 , direct coding and tri-sup geometry encoding are selectively applied. Accordingly, the geometry reconstruction unit 11003 directly imports and adds position information of points to which direct coding is applied. In addition, when triangle geometry encoding is applied, the geometry reconstructor 11003 may perform reconstruction operations of the geometry reconstructor 40005, for example, triangle reconstruction, up-sampling, and voxelization operations to restore the geometry. have. Details are the same as those described in FIG. 6 and thus are omitted.
  • the reconstructed geometry may include a point cloud picture or frame that does not include attributes.
  • the coordinate system inverse transformation unit 11004 may obtain positions of points by transforming the coordinate system based on the restored geometry.
  • the Arithmetic Decoder 11005, Inverse Quantization Unit 11006, RAHT Transformation Unit 11007, LOD Generator 11008, Inverse Lifting Unit 11009, and/or Color Inverse Transformation Unit 11010 are the attributes described with reference to FIG. decoding can be performed.
  • Attribute decoding according to embodiments includes Region Adaptive Hierarchial Transform (RAHT) decoding, Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform decoding, and interpolation-based hierarchical nearest-neighbour prediction with an update/lifting transform. step (Lifting Transform)) decoding.
  • RAHT Region Adaptive Hierarchial Transform
  • Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform decoding and interpolation-based hierarchical nearest-neighbour prediction with an update/lifting transform.
  • step (Lifting Transform)) decoding The above three decodings may be selectively used, or a combination of one or more decodings may
  • the Arismetic decoder 11005 decodes the attribute bitstream by Arithmetic coding.
  • the inverse quantization unit 11006 inverse quantizes the decoded attribute bitstream or information about attributes obtained 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 conversion unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may process the reconstructed geometry and inverse quantized attributes. As described above, the RAHT converter 11007, the LOD generator 11008, and/or the inverse lifter 11009 may selectively perform a decoding operation corresponding to the encoding of the point cloud encoder.
  • the color inverse transform unit 11010 performs inverse transform coding for inverse transform of color values (or textures) included in decoded attributes.
  • the operation of the inverse color transform unit 11010 may be selectively performed based on the operation of the color transform unit 40006 of the point cloud encoder.
  • 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 device. , may be implemented in software, firmware, or a combination thereof. One or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud decoder of FIG. 11 described above. Also, one or more processors may operate or execute a set of software programs and/or instructions to perform operations and/or functions of elements of the point cloud decoder of FIG. 11 .
  • the transmission device shown in FIG. 12 is an example of the transmission device 10000 in FIG. 1 (or the point cloud encoder in FIG. 4 ).
  • the transmitter shown in FIG. 12 may perform at least one or more of the same or similar operations and methods to the operations and encoding methods of the point cloud encoder described in FIGS. 1 to 9 .
  • a transmission device 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, 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 ).
  • Geometry encoding according to embodiments is the same as or similar to the geometry encoding described with reference to FIGS. 1 to 9, and thus a detailed description thereof will be omitted.
  • the quantization processor 12001 quantizes geometry (eg, position values or position values 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 in FIGS. 1 to 9 .
  • the voxelization processor 12002 voxelizes position values of quantized points.
  • the voxelization processing unit 12002 may perform the same or similar operation and/or process to the operation and/or voxelization process of the quantization unit 40001 described with reference to FIG. 4 .
  • a detailed description is the same as that described in FIGS. 1 to 9 .
  • the octree occupancy code generation unit 12003 performs octree coding on positions of voxelized points based on an octree structure.
  • the octree occupancy code generator 12003 may generate an occupancy code.
  • the octree occupancy code generator 12003 may perform operations and/or methods identical or similar 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 in FIGS. 1 to 9 .
  • the surface model processing unit 12004 may perform tri-sup geometry encoding to reconstruct positions of points within a specific area (or node) based on a surface model on a voxel basis.
  • the four-surface model processing unit 12004 may perform the same or similar operation and/or method to the operation and/or method of the point cloud encoder (eg, the surface approximation analysis unit 40003) described with reference to FIG. 4 .
  • a detailed description is the same as that described in FIGS. 1 to 9 .
  • the intra/inter coding processing unit 12005 may intra/inter code the point cloud data.
  • the intra/inter coding processing unit 12005 may perform coding identical to or similar to the intra/inter coding described with reference to FIG. 7 . A detailed description is the same as that described in FIG. 7 .
  • the intra/inter coding processor 12005 may be included in the Arithmetic Coder 12006.
  • Arithmetic coder 12006 entropy encodes an octree of point cloud data and/or an approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • Arithmetic coder 12006 performs the same or similar operations and/or methods to operations and/or methods of Arithmetic encoder 40004.
  • the metadata processing unit 12007 processes metadata about point cloud data, for example, set values, and provides them to a necessary process 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.
  • a color conversion processing unit 12008, an attribute conversion processing unit 12009, a prediction/lifting/RAHT conversion processing unit 12010, and an Arithmetic coder 12011 perform attribute encoding.
  • Attribute encoding according to embodiments is the same as or similar to the attribute encoding described with reference to FIGS. 1 to 9, so a detailed description thereof will be omitted.
  • the color conversion processing unit 12008 performs color conversion coding to convert color values included in attributes.
  • the color conversion processing unit 12008 may perform color conversion coding based on the reconstructed geometry. Description of the reconstructed geometry is the same as that described in FIGS. 1 to 9 . In addition, the same or similar operations and/or methods to those of the color conversion unit 40006 described in FIG. 4 are performed. A detailed description is omitted.
  • the attribute transformation processing unit 12009 performs attribute transformation to transform attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry.
  • the attribute conversion processing unit 12009 performs the same or similar operation and/or method to the operation and/or method of the attribute conversion unit 40007 described in FIG. 4 .
  • a detailed description is omitted.
  • the prediction/lifting/RAHT transform processing unit 12010 may code the transformed attributes with any one or combination of RAHT coding, prediction transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT conversion processing unit 12010 performs at least one of the same or similar operations to those of the RAHT conversion unit 40008, the LOD generation unit 40009, and the lifting conversion unit 40010 described in FIG. 4 do.
  • descriptions of predictive transform coding, lifting transform coding, and RAHT transform coding are the same as those described in FIGS. 1 to 9, so detailed descriptions thereof are 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 those of the Arithmetic Encoder 400012.
  • the transmission processing unit 12012 transmits each bitstream including encoded geometry and/or encoded attributes and metadata information, or transmits encoded geometry and/or encoded attributes 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 includes Sequence Parameter Set (SPS) for signaling at the sequence level, Geometry Parameter Set (GPS) for signaling of geometry information coding, Attribute Parameter Set (APS) for signaling of attribute information coding, tile It may include signaling information and slice data including TPS (Tile Parameter Set) for level signaling.
  • Slice data may include information about one or more slices.
  • One slice according to embodiments may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 and Attr1 0 ).
  • a slice refers to a series of syntax elements representing all or part of a coded point cloud frame.
  • a TPS may include information about each tile (for example, coordinate value information and height/size information of a bounding box) for one or more tiles.
  • a geometry bitstream may include a header and a payload.
  • the header of the geometry bitstream may include identification information (geom_parameter_set_id) of a parameter set included in GPS, a tile identifier (geom_tile_id), a slice identifier (geom_slice_id), 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 indicated by dotted lines.
  • 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. A detailed description is omitted since it is the same as that described in FIGS. 1 and 2 .
  • FIG. 13 is an example of a receiving device according to embodiments.
  • the receiving device shown in FIG. 13 is an example of the receiving device 10004 of FIG. 1 (or the point cloud decoder of FIGS. 10 and 11).
  • the receiver illustrated in FIG. 13 may perform at least one or more of operations and methods identical or similar to the operations and decoding methods of the point cloud decoder described in FIGS. 1 to 11 .
  • a receiving device includes a receiving unit 13000, a receiving processing unit 13001, an arithmetic decoder 13002, an octree reconstruction processing unit 13003 based on an occupancy code, 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, a color inverse transformation processing unit 13010, and/or a renderer 13011.
  • Each component of decoding according to the embodiments may perform a reverse process of the component of encoding according to the embodiments.
  • the receiving unit 13000 receives point cloud data.
  • the receiver 13000 may perform the same or similar operation and/or reception method to the operation and/or reception method of the receiver 10005 of FIG. 1 . A detailed description is omitted.
  • the reception processing unit 13001 may obtain a geometry bitstream and/or an attribute bitstream from received data.
  • the receiving processing unit 13001 may be included in the receiving unit 13000.
  • the Arismetic decoder 13002, the octree reconstruction processing unit 13003 based on the occupancy code, the surface model processing unit 13004, and the inverse quantization processing unit 13005 may perform geometry decoding.
  • Geometry decoding according to the embodiments is the same as or similar to the geometry decoding described in FIGS. 1 to 10, and thus a detailed description thereof will be omitted.
  • the Arismetic decoder 13002 may decode a geometry bitstream based on Arithmetic coding.
  • the Arismetic decoder 13002 performs the same or similar operation and/or coding to that of the Arithmetic decoder 11000.
  • the octree reconstruction processing unit 13003 based on occupancy code may obtain an occupancy code from a decoded geometry bitstream (or information about a geometry secured as a result of decoding) to reconstruct an octree.
  • the octree reconstruction processing unit 13003 based on the occupancy code performs the same or similar operations and/or methods to those of the octree synthesis unit 11001 and/or the octree generation method.
  • the surface model processing unit 13004 according to embodiments performs tri-soup geometry decoding based on the surface model method and related geometry reconstruction (eg, triangle reconstruction, up-sampling, and voxelization) when tri-sup geometry encoding is applied. can be performed.
  • the surface model processing unit 13004 performs operations identical to or similar to those of the surface deoxymation synthesis unit 11002 and/or the geometry reconstruction unit 11003.
  • the inverse quantization processor 13005 may inverse quantize the decoded geometry.
  • the metadata parser 13006 may parse metadata included in the received point cloud data, for example, setting values. Metadata parser 13006 can pass metadata to geometry decoding and/or attribute decoding. A detailed description of the metadata is omitted since it is the same as that described in FIG. 12 .
  • the Arismetic 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. Attribute decoding is the same as or similar to the attribute decoding described in FIGS. 1 to 10, so a detailed description thereof will be omitted.
  • the Arismetic decoder 13007 may decode the attribute bitstream through Arismetic coding.
  • the Arismetic decoder 13007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the Arismetic decoder 13007 performs the same or similar operation and/or coding to that 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 operation and/or method to the operation and/or inverse quantization method of the inverse quantization unit 11006.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 may process reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 performs operations identical or similar to those of the RAHT transform unit 11007, the LOD generator 11008 and/or the inverse lifting unit 11009 and/or decoding operations and/or At least one or more of decoding is performed.
  • the inverse color transformation processing unit 13010 according to embodiments performs inverse transformation coding for inversely transforming color values (or textures) included in decoded attributes.
  • the inverse color 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/apparatus for transmitting and receiving point cloud data according to embodiments.
  • the structure of FIG. 14 includes at least one 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. It shows a configuration connected to the cloud network 1410.
  • a robot 1410, an autonomous vehicle 1420, an XR device 1430, a smartphone 1440 or a home appliance 1450 are referred to as devices.
  • the XR device 1430 may correspond to or interwork with a point cloud data (PCC) device according to embodiments.
  • PCC point cloud data
  • the cloud network 1400 may constitute a part of a cloud computing infrastructure or may refer to a network existing in a 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 connects at least one of the robot 1410, the autonomous vehicle 1420, the XR device 1430, the smartphone 1440, the home appliance 1450, and/or the HMD 1470 to the cloud network 1400. It is connected through and may help at least part of the processing of the connected devices 1410 to 1470.
  • a Head-Mount Display (HMD) 1470 represents one of types in which an XR device and/or a PCC device according to embodiments may be implemented.
  • An HMD type device includes a communication unit, a control unit, a memory unit, an I/O unit, a sensor unit, and a power supply unit.
  • devices 1410 to 1450 to which the above-described technology is applied will be described.
  • the devices 1410 to 1450 shown in FIG. 14 may be linked/combined with the point cloud data transmission/reception device according to the above-described embodiments.
  • the XR/PCC device 1430 applies PCC and/or XR (AR+VR) technology to a Head-Mount Display (HMD), a Head-Up Display (HUD) installed in a vehicle, a television, a mobile phone, a smart phone, It may be implemented as a computer, a wearable device, a home appliance, a digital signage, a vehicle, a fixed robot or a mobile robot.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • the XR/PCC device 1430 analyzes 3D point cloud data or image data obtained through various sensors or from an external device to generate positional data and attribute data for 3D points, thereby generating positional data and attribute data for surrounding space or real objects. Information can be obtained, and XR objects to be displayed can be rendered and output. For example, the XR/PCC device 1430 may output an XR object including additional information about 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 point cloud content based on PCC technology.
  • the self-driving vehicle 1420 may be implemented as a mobile robot, vehicle, unmanned aerial vehicle, etc. by applying PCC technology and XR technology.
  • the self-driving vehicle 1420 to which XR/PCC technology is applied may refer to an autonomous vehicle equipped with a means for providing XR images or an autonomous vehicle subject to control/interaction within the XR images.
  • the self-driving vehicle 1420 which is a target of control/interaction within the XR image, is distinguished from the XR device 1430 and may be interlocked with each other.
  • the self-driving vehicle 1420 equipped with a means for providing an XR/PCC image may obtain sensor information from sensors including cameras and output an XR/PCC image generated based on the obtained sensor information.
  • the self-driving vehicle 1420 may provide an XR/PCC object corresponding to a real object or an object in a screen to a passenger by outputting an XR/PCC image with a HUD.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a part of the XR/PCC object may be output to overlap the real object toward which the passenger's gaze is directed.
  • an XR/PCC object when an XR/PCC object is output to a display provided inside an 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 lanes, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, pedestrians, and buildings.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Mixed Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects or backgrounds of the real world only as CG images.
  • AR technology means a technology that shows a virtually created CG image on top of a real object image.
  • MR technology is similar to the aforementioned AR technology in that it mixes and combines virtual objects 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 considered equivalent to 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 referred to as XR (extended reality) technologies rather than clearly distinguishing them. Accordingly, embodiments of the present invention are applicable to all VR, AR, MR, and XR technologies. As for this technique, encoding/decoding based on PCC, V-PCC, and G-PCC techniques may be applied.
  • the PCC method/apparatus according to the embodiments may be applied to vehicles providing autonomous driving services.
  • a vehicle providing autonomous driving service is connected to a PCC device to enable wired/wireless communication.
  • the point cloud data (PCC) transceiver When the point cloud data (PCC) transceiver according to the embodiments is connected to enable wired/wireless communication with the vehicle, it receives/processes AR/VR/PCC service-related content data that can be provided along with the autonomous driving service to provide the vehicle can be sent to In addition, when the point cloud data transmission/reception device is mounted on a vehicle, the point cloud transmission/reception device may receive/process AR/VR/PCC service-related content data according to a user input signal input through a user interface device and provide the received/processed content data to the user.
  • a vehicle or 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.
  • point cloud data is composed of a set of points, and each point may have geometry information (geometry information) and attribute information (attribute information).
  • Geometry information is 3D location information (eg, coordinate values of x, y, and z axes) of each point. That is, the position of each point is represented by parameters (eg, parameters (x, y, z) of three axes representing space, X-axis, Y-axis, and Z-axis) on a coordinate system representing a three-dimensional space.
  • Geometric information can be expressed as (r, ⁇ , z) in a cylindrical coordinate system or (r, ⁇ , ⁇ ) in a spherical coordinate system depending on the coordinate system.
  • the attribute information may be a vector of values acquired by one or more sensors, such as point color (RGB, YUV, etc.), reflectance, normal vectors, transparency, brightness, and temperature values.
  • Attribute information may be expressed in scalar or vector form.
  • point cloud data may be classified into category 1 of static point cloud data, category 2 of dynamic point cloud data, and category 3 of dynamically acquired point cloud data according to the type and acquisition method of point cloud data.
  • Category 1 consists of a point cloud of a single frame with a high density of points for an object or space.
  • Category 3 data is frame-based data having a plurality of frames acquired while moving and fused single-frame fused color images acquired as 2D images and point clouds acquired through lidar sensors for large-scale spaces. data can be distinguished.
  • color constitutes attribute information
  • color, reflectance, and color+reflectance values constitute attribute information according to the characteristics of content.
  • 15 is a block diagram illustrating an example of a point cloud data transmission device according to embodiments.
  • the point cloud data transmitter 15000 may perform the point cloud data encoding operation described in FIGS. 1 to 14.
  • An apparatus for transmitting point cloud data 15000 according to embodiments may include a space divider 15002, a geometric information encoder (or geometry encoder) 15004, and an attribute information encoder (or attribute encoder) 15006. have.
  • the point cloud data transmission apparatus 15000 according to embodiments may further include one or more elements for performing the encoding operation described in FIGS. 1 to 14 .
  • Point Cloud Compression (PCC) data (or PCC data, point cloud data) is input data of the point cloud data transmitter 15000, and includes geometric information (or geometry information) and/or attribute information (or attribute information). ) may be included.
  • Geometric information is information indicating the position (for example, position) of a point, and may be expressed by parameters of a coordinate system such as a Cartesian coordinate system, a cylindrical coordinate system, and a spherical coordinate system.
  • Attribute information is attribute or attribute information described in FIGS. 1 to 15 , and is information indicating attributes of each point. Attribute information according to embodiments may include any one or more of a point color (eg, an RGB vector), a brightness value, a temperature value, and a LiDAR reflection coefficient. Attribute information according to embodiments may be acquired by one or more sensors.
  • the space divider 15002 may divide PCC data into one or more 3D blocks in a 3D space in order to store point information of the PCC data.
  • a block according to embodiments is a tile group, a tile, a slice, a coding unit (CU), a prediction unit (PU), or a transformation unit (TU). can represent at least one of them.
  • the spatial division unit 15002 may perform a division operation based on at least one of an octree, a quad tree, a binary tree, a triple tree, and a k-d tree. have. Alternatively, the dividing operation may be performed in blocks of predetermined width, length, and height. Alternatively, the division operation may be performed by selectively determining various positions and sizes of blocks. Corresponding information may be entropy-encoded and transmitted to a point cloud data receiving device (eg, the receiving device of FIG. 16) or a decoder according to embodiments.
  • One block may include one or more points.
  • the geometric information encoding unit 15004 may encode the geometric information to generate a geometric information bitstream and restored geometric information.
  • the restored geometric information is input to the attribution information encoding unit 15006.
  • the geometric information encoding unit 15004 includes the transformation coordinates (40000), the quantization (Quantize and Remove Points (Voxelize), 40001), the analyze octree (40002), The operations of the Analyze Surface Approximation (40003), Arithmetic Encode (40004), and Reconstruct Geometry (40005) may be performed.
  • the geometric information encoder 15004 includes the data input unit 12000, the quantization processing unit 12001, the voxelization processing unit 12002, the octree occupancy code generation unit 12003, and the four-surface model processing unit described in FIG. 12. (12004), intra/inter coding processing unit 12005, arithmetic coder 12006, metadata processing unit 12007, color conversion processing unit 12008, attribute conversion processing unit 12009, prediction/lifting/RAHT conversion processing unit 12010 , the operation of the Arithmetic coder 12011 can be performed.
  • encoding may be performed in units of whole clouds, sub-clouds, or coding units, and an encoding method such as inter-prediction or intra-prediction may be selected for each coding unit. .
  • a prediction mode such as inter-prediction or intra-prediction may be selected for each prediction unit.
  • the bitstream generated by the geometric information encoding unit 15004 may be transmitted to a point cloud data receiving device (eg, the receiving device of FIG. 16 ) according to embodiments.
  • the geometric information reconstructed after being encoded in the geometric information encoding unit 15004 may be input to the attribute information encoding unit 15006.
  • the attribute information encoder 15006 may generate an attribute information bitstream based on the restored geometric information.
  • the generated geometry information bitstream and attribute information bitstream may be compressed into bitstreams and transmitted to a point cloud data receiving device (eg, the receiving device of FIG. 16 ) according to embodiments.
  • the compressed bitstream may include signaling information related to the geometry information bitstream and the attribute information bitstream.
  • the point cloud data transmission device 15000 may include a geometric information encoder 1554 and/or an attribute information encoder 15006.
  • Point cloud data includes geometric information and attribute information of points.
  • Geometric information is (x, y) in a 2-dimensional Cartesian coordinate system or ( ⁇ , ⁇ ) in a cylindrical coordinate system or (x, y, z) in a Cartesian coordinate system in a 3-dimensional space or ( ⁇ , ⁇ , z) in a cylindrical coordinate system, It may be a ( ⁇ , ⁇ ) coordinate vector in a spherical coordinate system.
  • the attribute information may be a vector of values obtained from one or more sensors, such as a vector (R, G, B) representing the color of a point, a brightness value, a reflection coefficient of LIDAR, and/or a temperature value obtained from a thermal imaging camera.
  • a vector (R, G, B) representing the color of a point
  • a brightness value representing the color of a point
  • a reflection coefficient of LIDAR representing the color of a point
  • a reflection coefficient of LIDAR a reflection coefficient of LIDAR
  • a temperature value obtained from a thermal imaging camera.
  • 16 is a block diagram illustrating an example of a point cloud data receiving device according to embodiments.
  • the point cloud data receiver 16000 (for example, the point cloud decoder or receiver described in FIGS. 1, 10, 11, and 13) according to embodiments performs decoding (decryption) described in FIGS. 1 to 14 action can be performed.
  • the point cloud data receiving apparatus 16000 may perform a decoding operation corresponding to a reverse process of the encoding operation of the point cloud encoder 15000 described with reference to FIG. 15 .
  • the point cloud data receiving apparatus 16000 according to embodiments includes a space dividing unit 16002, a geometric information decoding unit 16004 (or a geometry decoder), and/or an attribute information decoding unit (or an attribute information decoding unit or an attribute decoder) (16006).
  • the point cloud data receiving apparatus 16000 may further include one or more elements for performing the decoding operation described in FIGS. 1 to 14 although not shown in FIG. 16 .
  • the spatial division unit 16002 receives signaling from the point cloud data transmission device (eg, the point cloud encoder or transmission device described in FIGS. 1, 4, 12, and 15) according to embodiments.
  • Information for example, information on the division operation performed by the spatial division unit 15002 described in FIG. 15, sub-clouds and/or encoding/decoding units (CUs), prediction units (PUs), or transformation units determined by the encoder (
  • the space may be divided based on division information such as TU) or division information derived (generated) by the point cloud data receiving apparatus 16000.
  • Coding/decoding units (CUs), prediction units (PUs), or transform units (TUs) may have the same partition structure or different partition structures according to embodiments.
  • the division operation of the spatial division unit 16002 of the point cloud data receiving apparatus 16000 is performed on at least one of an octree, a quadtree, a binary tree, a triple tree, and a k-d tree. can be based
  • the geometric information decoding unit 16004 may decode the input geometric information bitstream to restore the geometric information.
  • the restored geometric information may be input to the attribute information decoding unit 16006.
  • the geometric information decoding unit 16004 according to the embodiments includes the arithmetic decoder 11000, the synthesize octree 11001, and the surface approximation synthesizer 11002 described in FIG. 11. , the operation of the geometry reconstruct unit (reconstruct geometry, 11003) and the coordinate system inverse transform unit (inverse transform coordinates, 11004) can be performed.
  • the geometric information decoding unit 16004 according to the embodiments includes the Arithmetic decoder 13002 described in FIG.
  • the octree reconstruction processing unit 13003 based on the Occupancy code, and the surface model processing unit (triangle reconstruction, up-sampling, voxelization) 13004 ) and operations of the inverse quantization processing unit 13005 may be performed.
  • the geometric information decoding unit 16004 may perform decoding in the entire cloud or subcloud or in units of coding/decoding, and may receive and determine whether intra-prediction or inter-prediction is flagged for each coding/decoding unit. have. Accordingly, prediction may be performed by receiving inter-prediction or intra-prediction mode information for each prediction unit.
  • the attribute information decoding unit 16006 may restore attribute information based on the attribute information bitstream and the restored geometric information.
  • the attribute information decoder 16006 may perform decoding in units of the entire cloud, subcloud, or coding/decoding, and may receive and determine whether intra-prediction or inter-prediction is flagged for each coding/decoding unit. Accordingly, prediction may be performed by receiving mode information of inter-prediction or intra-prediction for each prediction unit.
  • the attribute information decoding unit 16006 may be omitted.
  • the point cloud data receiver 16000 may output restored PCC data based on the restored geometric information and the restored attribute information.
  • the attribute information decoding unit 16006 may decode the input attribute bitstream to restore attribute information.
  • the restored geometric information may be input to the attribute information decoding unit 16006.
  • the attribute information decoder 16006 includes the arithmetic decoder 11005 described in FIG. 11, the inverse quantize unit 11006, the RAHT transform unit 11007, and the LOD generator , 11008), an inverse lifting unit (11009), and an inverse transform colors (11010) operation may be performed.
  • the attribute information decoding unit 16006 includes the operations of the Arithmetic decoder 13007, the inverse quantization processing unit 13008, the prediction/lifting/RAHT inverse transformation processing unit 13009, and the color inverse transformation processing unit 13010 described in FIG. can be performed.
  • Components of the point cloud data transmission device 15000 and reception device 16000 of FIGS. 15 and 16 may correspond to hardware, software, processors, modules, and/or combinations thereof.
  • 17 is a block diagram illustrating an example of a geometric information encoding unit according to embodiments.
  • the geometry encoder 17000 (or the geometric information encoding unit) according to the embodiments is an example of the geometric information encoding unit 15004 of FIG. 15, and may perform the operation of the geometric information encoding unit 15004.
  • the geometric information encoding unit 17000 includes a coordinate system conversion unit 17002, a geometric information conversion quantization unit 17004, a residual geometric information quantization unit 17006, a residual geometry entropy encoding unit 17010, and a residual geometry It may include an information inverse quantization unit 17008, a filtering unit 17016, a reconstruction cloud buffer 17012, and a geometric information prediction unit 17014.
  • the geometric information prediction unit 17014 may include a geometric information inter-screen prediction unit and a geometric information intra-screen prediction unit.
  • the geometric information encoding unit 17000 may further include one or more elements for performing the geometry encoding operation described in FIGS. 1 to 15 although not shown in FIG. 17 .
  • each component of the geometric information encoding unit 17000 may be composed of hardware, software, processor, and/or a combination thereof.
  • the coordinate system conversion unit 17002 may convert the coordinate system of the 3D space location information of each point represented by the input geometric information into another coordinate system.
  • Coordinate systems may include a three-dimensional orthogonal coordinate system, a cylindrical coordinate system, a spherical coordinate system, and the like, but are not limited to the present embodiments.
  • the coordinate system conversion unit 17002 may not perform coordinate system conversion.
  • the coordinate system converted geometric information is input to the geometric information conversion quantization unit 17004.
  • Coordinate system conversion status and coordinate system information are signaled in units such as sequences, frames, tiles, slices, blocks, etc., or whether or not the coordinate system of neighboring blocks is converted, block size, number of points, quantization value, block division depth, unit position, unit It can be derived using and the distance from the origin.
  • Coordinate system information to be transformed may be signaled in units of sequences, frames, tiles, slices, blocks, etc., when coordinate system transformation is performed after checking whether or not coordinate system transformation is performed.
  • the coordinate system information may be derived using whether or not the coordinate system of neighboring blocks is transformed, the size of the block, the number of points, the quantization value, the block division depth, the position of the unit, the distance between the unit and the origin, and the like.
  • the geometric information conversion quantization unit 17004 receives geometric information as an input, applies one or more transformations such as positional transformation or rotational transformation, divides the geometric information by quantization values, and generates transformed quantized geometric information through quantization. Transformed quantized geometric information may be input to the geometric information entropy encoding unit and the residual geometric information quantization unit 17006 .
  • the geometric information transformation quantization unit 17004 may quantize the geometric information expressed in the coordinate system and generate transformed quantized geometric information.
  • the geometric information transformation quantization unit 17004 applies one or more transformations such as position transformation and/or rotation transformation to positions of points indicated by the geometric information output from the coordinate system transformation unit 17002, Quantization may be performed by dividing the transformed geometric information by a quantization value.
  • a quantization value according to embodiments may vary based on a coding unit (eg, tile, slice, etc.) and a distance from the origin of a coordinate system or an angle from a reference direction.
  • a quantization value according to embodiments may be a preset value.
  • the geometric information prediction unit 17014 predicts the geometric information through the geometric information of the points of the restoration cloud buffer 17012 and generates the predicted geometric information.
  • the prediction information used for prediction may be encoded by performing entropy encoding.
  • the geometric information prediction unit 17014 may calculate a predicted value (or predicted geometric information) based on quantization values of neighboring coding units. Also, the geometric information prediction unit 17014 according to the embodiments may generate predicted geometric information based on information related to generating predicted geometric information or restored geometric information stored in the restoration cloud buffer 17012.
  • the geometric information prediction unit 17014 according to embodiments may include an inter prediction unit (inter prediction unit) and an intra prediction unit (intra prediction unit).
  • the inter-prediction unit according to the embodiments is based on information necessary for inter-prediction (inter prediction) of the current prediction unit (eg, node) in the current space (eg, frame, picture, etc.) including the current prediction unit.
  • Inter prediction for the current prediction unit may be performed based on information included in at least one of a previous space and a subsequent space of .
  • An intra-prediction unit (intra-prediction unit) according to embodiments may generate predicted geometric information based on geometric information of a point in a current space based on information related to intra-prediction (intra prediction).
  • the residual geometric information quantization unit 17006 may receive the transformed quantized geometric information and residual geometric information obtained by dividing the predicted geometric information, and quantize the residual geometric information with a quantization value to generate quantized residual geometric information.
  • the quantized residual geometry information may be input to the residual geometry entropy encoding unit 17010 and the residual geometry inverse quantization unit 17008.
  • the residual geometry entropy encoding unit 17010 may entropy encode the quantized residual geometry. Entropy encoding operations according to embodiments may include exponential Golomb, context-adaptive variable length coding (CAVLC), and context-adaptive binary arithmetic coding (CABAC).
  • CAVLC context-adaptive variable length coding
  • CABAC context-adaptive binary arithmetic coding
  • the residual geometry inverse quantization unit 17008 may restore the residual geometry by scaling the quantized geometry with a quantization value.
  • the restored residual geometry and predicted geometry may be added to generate restored geometry, and the restored geometry may be stored in the restored cloud buffer 17012.
  • the restored geometric information is again provided to the geometric information prediction unit 17014 and can be used for inter-screen prediction or intra-screen prediction of the geometric information.
  • the input of the residual geometric information inverse quantization unit 17008 may be the output of the geometric information inter-screen prediction unit or the geometric information screen prediction unit, or the geometric information conversion quantization unit 17004.
  • the filtering unit 17016 may filter the restored geometric information.
  • the filtering unit 17016 may include a deblocking filter unit, an offset correction unit, ALF, and the like. According to embodiments, the filtering unit 17016 may be omitted.
  • the restored cloud buffer 17012 may store filtered geometry information.
  • the stored geometric information is provided to the geometric information prediction unit 17014 and can be used to predict the geometric information.
  • the stored geometric information may be provided to the attribute information encoding unit 15006 described in FIG. 15 .
  • FIG. 18 is a block diagram illustrating an example of a geometric information decoding unit according to embodiments.
  • the geometric information decoding unit 18000 according to the embodiments is an example of the geometric information decoding unit 16004 of FIG. 16, and may perform the operation of the geometric information decoding unit 16004.
  • the geometric information decoding unit 18000 according to the embodiments may perform a decoding operation corresponding to the reverse process of the encoding operation of the geometric information encoding unit 17000 described with reference to FIG. 17 .
  • the geometry decoding unit 18000 according to the embodiments includes a residual geometry entropy decoding unit 18002, a residual geometry inverse quantization unit 18004, a geometry prediction unit 18012, a filtering unit 18006, and a restored cloud buffer. 18010 and/or a coordinate system inverse transformation unit 18008.
  • the geometric information decoding unit 18000 according to embodiments may further include one or more elements for performing the geometric information decoding operation described in FIGS. 1 to 17 although not shown in FIG. 18 .
  • the geometric information decoding unit 18000 includes a residual geometric information entropy decoding unit 18002, a residual geometric information inverse quantization unit 18004, a geometric information prediction unit 18012, a coordinate system inverse transform unit 18008, and a filtering unit. 18006 and/or a restore cloud buffer 18010.
  • Each component of the geometric information decoding unit 18000 may correspond to hardware, software, processor, and/or a combination thereof.
  • the residual geometry entropy decoding unit 18002 may entropy-decode the geometry bitstream to generate quantized residual geometry.
  • the residual geometry entropy decoding unit 18002 may perform an entropy decoding operation, which is a reverse process of the entropy encoding operation performed by the residual geometry entropy encoding unit 17010 described with reference to FIG. 17 .
  • An entropy encoding operation according to embodiments may include exponential Golomb, context-adaptive variable length coding (CAVLC), and context-adaptive binary arithmetic coding (CABAC).
  • the residual geometric information entropy decoding unit 18002 includes information related to encoding the geometric information included in the geometric information bitstream, for example, information related to generating predicted geometric information, and information related to quantization (eg, quantization value, etc.), signaling information related to coordinate system conversion, etc. can be decoded.
  • the quantized residual geometry information generated through entropy decoding may be input to the residual geometry inverse quantization unit 18004 .
  • the residual geometry inverse quantization unit 18004 may generate residual geometry by performing an inverse quantization operation based on the quantization parameter and the quantized residual geometry.
  • the restored residual geometric information may be restored as geometric information in addition to the predicted geometric information and stored in the restored cloud buffer 18010.
  • the input of the residual geometric information inverse quantization unit 18004 may be the output of the geometric information inter-screen prediction unit or the geometric information screen prediction unit, and the input of the residual geometric information inverse quantization unit may be quantized geometric information.
  • the geometric information prediction unit 18012 is based on the information related to generating the predicted geometric information output from the residual geometric information entropy decoding unit 18002 and the previously decoded geometric information stored in the restoration cloud buffer 18010. Predictive geometry information can be generated.
  • the geometric information prediction unit 18012 may include an inter prediction unit (inter prediction unit) and an intra prediction unit (intra prediction unit).
  • the inter-prediction unit uses the information required for inter-prediction of the current prediction unit (eg, node) provided by the geometric information encoding unit 17000, and uses the current space including the current prediction unit (eg, node).
  • inter prediction for the current prediction unit may be performed based on information included in at least one of a previous space and a subsequent space of a frame, picture, etc.).
  • the intra-prediction unit may generate predicted geometric information based on prediction mode information related to intra-prediction of a prediction unit provided by the geometric information encoding unit 17000 and geometric information of a point in the current space.
  • the predicted geometric information may be added to the restored residual geometric information to generate the restored geometric information.
  • the filtering unit 18006 may filter reconstruction geometry information generated by combining predicted geometry information generated based on the filtering-related information and restored residual geometry information.
  • the filtering unit 18006 may perform filtering based on filtering-related information provided from the decoding unit or characteristics of reconstruction geometry information derived from the decoder.
  • Filtering-related information may be signaled from the geometric information encoding unit 17000, and may be derived and calculated by the geometric information decoding unit 18000 in a decoding process.
  • the restored cloud buffer 18010 may store the restored geometry information calculated through the filtering unit 18006. Depending on embodiments, the filtering unit 18006 may be omitted.
  • the coordinate system inverse transformation unit 18008 may perform coordinate system inverse transformation based on the coordinate system transformation related information provided from the residual geometric information entropy decoding unit 18002 and the restored geometric information stored in the memory. That is, based on the signaling information related to the coordinate system conversion, the coordinate system of the geometric information may be inversely transformed to output the geometric information.
  • 19 is a block diagram illustrating an example of an attribute information encoding unit according to embodiments.
  • the attribute information encoder 19000 according to the embodiments is an example of the attribute information encoder 15006 of FIG. 15, and may perform the operation of the attribute information encoder 15006.
  • the attribute information encoding unit 19000 according to the embodiments includes an attribute information conversion unit 19002, a geometric information mapping unit 19004, a residual attribute information conversion unit 19006, a residual attribute information quantization unit 19008, and an attribute information entropy.
  • An information inverse quantization unit 19012 may be included.
  • the attribute information prediction unit 19018 may include an attribute information inter-screen prediction unit and an attribute information intra-screen prediction unit.
  • the attribute information encoding unit 19000 may further include one or more elements for performing the attribute information encoding operation described in FIGS. 1 to 18 although not shown in FIG. 19 .
  • Each component of the attribute information encoding unit 19000 may correspond to hardware, software, processor, and/or a combination thereof.
  • the attribute information conversion unit 19002 may convert the color space of the attribute information.
  • the attribute information conversion unit 19002 converts attribute information, and the converted attribute information may be input to the geometry information mapping unit 19004.
  • the attribute information conversion unit 19002 may not convert attribute information.
  • the geometric information mapping unit 19004 reconstructs the attribute information by mapping the attribute information input from the attribute information conversion unit 19002 and the restored geometric information. Attribute information reconstruction can derive attribute values based on attribute information of one or a plurality of points based on restored geometric information. The reconstructed attribute information may be input to the residual attribute information converter 19006 after being differentiated from the predicted attribute information generated by the attribute information prediction unit.
  • the residual attribute information converter 19006 may transform the residual 3D block including the residual attribute information using a conversion type such as DCT, DST, DST, SADCT, or RAHT.
  • the converted residual attribute information may be transmitted to the residual attribute information quantization unit 19008.
  • the conversion type may be transmitted to an attribute information decoding unit (see FIG. 20) according to embodiments by performing entropy encoding in the entropy encoding unit 19010.
  • the residual attribute information conversion unit 19006 may not perform conversion.
  • the residual attribution information quantization unit 19008 generates transformed quantized residual attribution information based on a quantization value for the transformed residual attribution information.
  • the transform quantized residual attribute information may be transmitted to the attribute information entropy encoding unit 19010 and the residual attribute inverse quantization unit 19012.
  • the attribute information entropy encoding unit 19010 may perform entropy encoding on the transform quantized residual attribute information.
  • Entropy encoding includes various encoding methods such as, for example, exponential Golomb, context-adaptive variable length coding (CAVLC), and context-adaptive binary arithmetic coding (CABAC).
  • the residual attribute information inverse transform unit 19014 may inverse transform the residual 3D block including the transform residual attribute information using a transform type such as DCT, DST, DST, SADCT, or RAHT.
  • the inversely transformed residual attribute information may be added to the predicted attribute information input from the attribute information prediction unit 19018 to calculate restored attribute information.
  • the residual attribute information may be summed with the predicted attribute information without performing inverse transformation in the residual attribute information inverse transform unit 19014 to generate restored attribute information.
  • the filtering unit 19015 may include a deblocking filter, an offset correction unit, and the like.
  • the filtering unit 19015 may perform filtering on restored attribute information.
  • the restoration point cloud buffer 19016 may store attribute information calculated through the filtering unit 19014. The stored attribute information may be provided to the attribute information screen prediction unit.
  • the attribute information inter-prediction unit generates predicted attribute information based on attribute information of point clouds already reconstructed in the restored point cloud buffer 19016 .
  • Prediction attribute information may be encoded by performing entropy encoding.
  • the prediction unit within the attribute information screen may perform decoding on points already encoded in the current point cloud and perform prediction based on restored points.
  • Prediction attribute information may be encoded by performing entropy encoding.
  • the attribute table mode prediction unit 19019 may predict attribute information of a current point or points belonging to a prediction unit through attribute information stored in the attribute table. Depending on embodiments, residual signals may be omitted for points where attribute information is predicted by the attribute table mode prediction unit 19019. Entropy encoding is performed on the predicted attribute information so that the predicted attribute information can be encoded.
  • the attribute table mode predictor 19019 may be referred to as a palette mode predictor. Also, it may be referred to as a processor or controller that performs an operation related to the attribute table mode prediction unit 19019. Also, an attribute table for storing attribute information may be referred to as a palette table. That is, the attribute table or palette table may refer to a set of information storing attribute values in order to predict attribute information of point cloud data. In this specification, the attribute table is shown in the form of a table with rows and columns, but may represent an arrangement or matrix of information in which attribute information is arranged in various ways.
  • 20 is a block diagram illustrating an example of an attribute information decoding unit according to embodiments.
  • the attribute information decoding unit 20000 is an example of the attribute information decoding unit 16006 of FIG. 16, and can perform the operation of the attribute information decoding unit 16006.
  • the attribute information decoding unit 20000 according to the embodiments includes an attribute information entropy decoding unit 20002, a geometric information mapping unit 20004, a residual attribute information inverse quantization unit 20006, a residual attribute information inverse transformation unit 20008, an attribute It may include an information prediction unit 20018, an attribute table mode prediction unit 20019, a restored cloud buffer 20014, an attribute information inverse transformation unit 20012, and/or a filtering unit 20010.
  • the attribute information decoding unit 20000 according to embodiments may further include one or more elements for performing the attribute information decoding operation described in FIGS. 1 to 19 although not shown in FIG. 20 .
  • Each component of the attribute information decoding unit 20000 may correspond to hardware, software, processor, and/or a combination thereof.
  • the attribute information prediction unit 20018 includes an attribute information inter-screen prediction unit and an attribute information intra-screen prediction unit.
  • Each component of the attribute information decoding unit 20000 may correspond to hardware, software, processor, and/or a combination thereof.
  • the attribute information entropy decoding unit 20002 receives the attribute information bitstream and entropy-decodes it to generate transformed quantized attribute information.
  • the generated transform quantized attribute information may be transmitted to the geometric information mapping unit 20004.
  • Entropy decoding may include various decoding methods such as exponential Golomb, context-adaptive variable length coding (CAVLC), and context-adaptive binary arithmetic coding (CABAC).
  • the geometric information mapping unit 20004 maps the transformed quantized attribute information input from the attribute information entropy decoding unit 20002 and the restored geometric information. Attribute information mapped to geometric information may be transmitted to the residual attribute information inverse quantization unit 20006 .
  • the residual attribution information inverse quantization unit 20006 performs inverse quantization based on the quantization value of the transform quantized attribution information.
  • the inverse quantized transform residual attribute information may be input to the residual attribute information inverse transform unit 20008 .
  • the residual attribute information inverse transform unit 20008 may inverse transform the residual 3D block including the transform residual attribute information using a transform type such as DCT, DST, DST, SADCT, or RAHT.
  • the inversely transformed residual attribute information may be added to the predicted attribute information generated by the attribute information prediction unit 20018 and stored in the restored cloud buffer 20014. Alternatively, the inverse transformation may not be performed, and it may be added to the predicted attribute information and stored in the restored cloud buffer 20014.
  • the attribute information prediction unit 20018 includes an attribute information inter-screen prediction unit and an attribute information intra-screen prediction unit.
  • the attribute information prediction unit 20018 may generate predicted attribute information based on attribute information of points of the restored cloud buffer 20014 or predicted attribute information based on restored attribute information in the same cloud. Prediction information can be obtained by performing entropy decoding.
  • the attribute information inter-prediction unit may generate predicted attribute information based on attribute information of the restored point clouds of the restored point cloud buffer 20014 .
  • the prediction attribute information may be added to the residual signal to restore attribute information of the point cloud data.
  • the prediction unit within the attribute information screen may perform decoding on the points encoded in the current point cloud and use the restored points as inputs to perform prediction.
  • the prediction attribute information may be added to the residual signal to restore attribute information of the point cloud data.
  • the attribute table mode predictor 20019 can predict the attribute value of the current point or PU through the palette attribute value stored in the palette table, and according to the embodiment, the point encoded/decoded in the palette mode can omit the residual signal.
  • the prediction information may be encoded by performing entropy encoding.
  • the attribute table mode prediction unit 20019 may predict attribute information of points belonging to a current point or a prediction unit through attribute information stored in the attribute table. Depending on the embodiment, residual signals may be omitted for points where attribute information is predicted by the attribute table mode prediction unit 20019. The predicted attribute information may be decoded and the attribute information may be restored. Alternatively, the attribute information may be restored by adding the predicted attribute information to the feast signal.
  • the attribute table mode predictor 20019 may be referred to as a palette mode predictor. Also, it may be referred to as a processor or controller that performs an operation related to the attribute table mode prediction unit 19019. Also, an attribute table for storing attribute information may be referred to as a palette table. That is, the attribute table or palette table may refer to a set of information storing attribute values in order to predict attribute information of point cloud data. In this specification, the attribute table is shown in the form of a table with rows and columns, but may represent an arrangement or matrix of information in which attribute information is arranged in various ways.
  • the filtering unit 20010 may perform filtering using surrounding attribute information based on the restored geometric information.
  • the filter may include a deblocking filter, an offset correction unit, and the like. Depending on embodiments, the filtering unit 20010 may be omitted.
  • the restoration cloud buffer 20014 may store attribute information calculated through the filtering unit 20010 .
  • the stored attribute information may be provided to the attribute information screen prediction unit when performing attribute information prediction.
  • the attribute information inverse transform unit 20012 may perform inverse transform of various color spaces such as RGB-YUV and RGB-YUV by receiving the type of attribute information and conversion information from the entropy decoder.
  • a palette attribute table according to embodiments may be referred to as an attribute table or a palette table, or may be referred to as another term indicating a data structure such as an array or matrix in which attribute information is collected.
  • Attribute tables according to embodiments may be generated, used, and/or transmitted in the point cloud content providing system described in FIGS. 1 to 20 or the point cloud data transmission/reception device.
  • the attribute table according to the embodiments is the attribute table mode predictor 19019 of the attribute information encoder 19000 of FIG. 19 and/or the attribute table mode predictor 20019 of the attribute information decoder 2000 of FIG. ), may be used for predicting attribute information, or attribute table information may be transferred between point cloud data transceivers according to embodiments.
  • the attribute table includes a plurality of attribute information and index information corresponding to each attribute information.
  • the attribute table (palette table) shown in FIG. 21 includes index information and attribute information (Attr) corresponding to each index information.
  • Each attribute information included in the attribute table may include attribute values such as R, G, B and/or Reflectance.
  • attribute information with high frequency (frequently appearing in images) is stored in an attribute table as shown in FIG. 21, and an attribute information encoder according to embodiments (19000) transmits the index information of the attribute table to the attribute information decoder 20000, and the attribute information decoder 20000 transmits the attribute information of one of the attribute tables (palette tables) through the parsed index information of the current point. Attribute information can be predicted or restored. At this time, the attribute table can manage n pieces of attribute information as one index.
  • the residual signal may be omitted. That is, as the attribute table mode predicted value is used as the restored value, the residual signal inverse quantization unit and the residual signal inverse transform unit can be omitted, thereby simplifying the restoration process.
  • all or part of the attribute values of the point cloud data to be encoded/decoded can be managed as one attribute table (or palette), and a plurality of attribute tables are configured according to the characteristics of the attribute values. Attribute table mode prediction may be performed based on a plurality of attribute tables.
  • R, G, B, and Reflectance values are managed as one attribute table (palette table) to perform prediction through an index, or , R, G, B values and reflectance values are managed as separate attribute tables, and prediction can be performed through a total of two attribute tables.
  • some of the entire attribute information of point cloud data may be predicted in an attribute table mode, and other portions may be predicted in a different prediction mode.
  • R, G, and B values can be predicted using the attribute table mode, and reflectance values can be predicted using intra prediction or inter prediction.
  • An attribute table is table information for managing all or part of attribute information of point cloud data.
  • An attribute table may be configured based on characteristics of indexes and/or attribute values.
  • Attribute tables may be variously referred to as control information for attribute values, first information, a palette, a palette table, and the like.
  • the attribute table prediction mode increases encoding performance of point cloud data and proposes a method of reducing residual values and calculated values by signaling reused information through an attribute table.
  • an additional attribute transform is performed by adding a method of encoding/decoding into an index without repeatedly compressing attribute information having the same value to an attribute information encoder or decoder module. You can reduce complexity by not doing it.
  • the attribute table mode prediction unit may define a unit of attribute table mode prediction to compress attribute information.
  • encoding/decoding can be performed by using a different configuration method of the attribute table for attribute table mode prediction.
  • the attribute table may be constructed based on the reuse flag vector by parsing the attribute information prediction list (or candidate list table) and the reuse flag vector.
  • the number of new attribute information to be added to the attribute table and the new attribute information value can be parsed.
  • attribute information of point cloud data can be predicted through attribute table mode prediction, and an attribute table or candidate list table can be updated. Also, an exception mode can be added to the attribute table.
  • 22a and 22b illustrate a palette attribute table mode prediction method according to embodiments.
  • Attribute table mode prediction may be performed in the point cloud data transmission/reception apparatus described with reference to FIGS. 1 to 20 . More specifically, it can be performed in the attribute table mode prediction units 19019 and 20019 described with reference to FIGS. 19 and 20 .
  • the point cloud data receiving device determines whether the attribute table mode is used and indexes in units of one point or PU (Prediction Unit). By parsing the information, the point cloud data can be decrypted.
  • 22A and 22B show flowcharts in which attribute table mode prediction is performed in units of points.
  • attribute table mode prediction information is signaled and parsed in units of points, that is, whether attribute table mode is used is parsed through a 1-bit flag (22002), and corresponding flag information (palette flag information or attribute table flag information) is 1 (22004), and if it is 1, attribute table index (or palette index) information of the current point is parsed (22006) and attribute table mode prediction is performed. If the attribute table flag information is not 1, prediction mode information other than the attribute table mode is parsed (22008) and prediction is performed according to the other prediction mode.
  • an attribute table mode (or palette mode) is included as one of prediction modes for decoding a current point. Therefore, the receiver or decoding unit according to the embodiments parses the prediction mode (22010), checks whether the prediction mode matches the attribute table mode (22012), and if the prediction mode is the attribute table mode, the attribute table index By parsing (22014), attribute information can be predicted through the attribute table. On the other hand, if the prediction mode does not match the attribute table mode, that is, if it corresponds to another prediction mode, attribute information can be predicted according to the corresponding mode.
  • FIG. 23 illustrates a prediction unit (PU) of point cloud data according to embodiments.
  • the apparatus for transmitting and receiving point cloud data may define a prediction unit for attribute table mode prediction based on geometry or attribute information.
  • Prediction units based on geometric information can be defined differently according to compression methods of geometric information such as Octree, Predictive tree, and Tri-soup. may be defined.
  • a prediction unit is defined based on an octree.
  • the octree-based prediction unit is defined based on a specific depth of the octree, defined based on nodes divided into a Quad Tree (QT) or Binary Tree (BT), or defined as a prediction node of IDCM (Inferred Direct Coding Mode). It can be defined according to the method.
  • QT Quad Tree
  • BT Binary Tree
  • IDCM Inferred Direct Coding Mode
  • a node of an octree may be referred to as a block. Therefore, defining a prediction unit (PU) based on an octree may be referred to as defining a prediction unit (PU) based on a block. Since the size of the node of the octree varies according to the level or depth, the definition of the prediction unit based on the depth of the octree may also be referred to as the definition of the prediction unit (PU) based on the size of the block.
  • the transmitter When a prediction unit is defined based on a specific depth, the transmitter according to the embodiments (eg, the transmitter of FIG. 15, the attribute information encoder of FIG. 19, etc.) signals the depth information of the octree, A receiving device (eg, the receiving device of FIG. 16, the attribute information decoding unit of FIG. 20, etc.) according to these can receive the depth information of the octree and restore the prediction unit from the reconstructed octree. In this case, since the node can divide prediction units only at the same level in the octree, the defined prediction units may have the same size.
  • one upper node and lower nodes at a specific level (depth) may be defined as one prediction unit (PU1 or PU2 in the figure) (23002, 23004). That is, a node (or block) of a specific depth (or level) of an octree may be defined as a prediction unit. Lower nodes of a node at a specific depth of the octree may be included in the same prediction unit (eg, PU1) as the upper node.
  • FIG. 24 illustrates a state in which point cloud data is divided by a Quad Tree (QT) and a Binary Tree (BT) according to embodiments.
  • QT Quad Tree
  • BT Binary Tree
  • nodes divided into QT or BT may be defined as a prediction unit.
  • 24 shows the appearance of nodes divided into QT or BT in an octree.
  • the division operation of QT or BT may be individually performed separately from the octree.
  • a prediction unit divided from QT or BT units may be used together with a QT or BT division flag in a transmitter according to embodiments. That is, information indicating whether or not the current QT or BT is a prediction unit may be delivered to the receiving device according to the embodiments along with division information of the QT or BT.
  • the root node is divided into 8 sub-nodes according to the octree, but in the case of QT or BT division, the node can be divided into 4 or 2.
  • the lower level of the root node in Fig. 24 includes a node 24002 from which the root node is divided into BT and a node 24004 from which the root node is divided into QT.
  • a lower level includes nodes formed by dividing a node of a higher level into QT or BT. Each or a group of these nodes may be defined as a prediction unit.
  • a prediction unit When a prediction unit is defined based on IDCM, it may be signaled whether the prediction unit is a prediction unit included after splitting an octree or QT, BT or an independent prediction unit. Whether the IDCM is included in the prediction unit or exists independently is defined as a threshold value, or any one of included Octree, QT, and BT may be signaled.
  • the threshold may be determined by a reference distance of the geometry, RDO, projection plane to point, and projection point to point.
  • IDCM is an Inferred Direct Coding Mode, and can indicate a mode in which a point can be independently coded when there are no neighboring points having geometric information or attribute information similar to that of a specific point.
  • Points to which IDCM is applied may be included in a prediction unit defined according to embodiments or may be included in a separate prediction unit. Whether an IDCM point is included in a prediction unit may be defined by a threshold value, and if included, any one of an octree, a quad tree, and a binary tree may be signaled.
  • the threshold may be determined as a distance based on geometric information, RDO, projection plane to point, or projection point to point.
  • a prediction unit of attribute table mode prediction may be defined based on a prediction tree.
  • a prediction tree may refer to a tree in which points are connected in a parent-child relationship or an upper-lower relationship based on an association between points.
  • Point cloud data prediction based on a prediction tree may be performed by association between points.
  • a prediction unit may be defined as the number of points or a method of decimation based on azimuth, radius, elevation, and the like. If there is lazer_ID information, a set of points with the same lazer_ID can be a prediction unit, and even if they have the same lazer_ID, a prediction unit with a smaller range can be defined using the lazer angle value or azimuth value.
  • a prediction unit may be defined within the prediction tree after the prediction tree is generated. At this time, the prediction unit is 1) composed of a set of points whose geometry values are included in the NxNxN cube, 2) the prediction unit is defined based on decimation in the prediction tree, and 3) a radius or azimuth in a specific range
  • a prediction unit may be defined in various ways, such as configuring a set of points including a value or a set of points having the same radius or azimuth value as a prediction unit.
  • a root may be a starting point for defining a prediction unit, and when there are multiple roots or a plurality of prediction trees are configured, the points present in different prediction trees are It can be defined as one prediction unit.
  • a prediction unit (PU) may be defined based on a trisoup.
  • a prediction unit can be defined as a triangle or a set of points constituting a triangle in trisoup_node_size.
  • a set of points of the trisup according to the embodiments is as follows.
  • a triangle may be defined as an index and signaled.
  • a triangle defined at the level of trisoup_node_size creates a node for each level, and a triangle is defined at the leaf node.
  • the prediction unit may be defined as an independent triangle or a set of indices indicating triangles.
  • N prediction units for 7 indices may be defined.
  • a prediction unit may be defined based on geometric information and attribute information.
  • the above-described prediction unit definition method (octree-based, predicted tree-based, tri-sup-based) may be defined based on additional attribute information or both geometric information and attribute information.
  • the RDO calculation formula when defining a prediction unit based on an octree, when defining a prediction unit based on RDO in IDCM, the RDO calculation formula includes not only x, y, z values, which are geometric information, but also r, g, b, reflectance, A prediction unit can be defined using attribute information such as time. Specifically, when defining a prediction unit for 10 IDCM points, the prediction unit can be classified according to a specific threshold based on the following RDO equation considering both geometric information and attribute information.
  • Prediction units according to embodiments may be applied in inter-frame prediction (inter-prediction or inter-prediction) coding.
  • a Largest Prediction Unit (LPU) may be composed of a set of a plurality of prediction units, and one prediction unit may correspond to the LPU.
  • a set of prediction units according to the above-described prediction unit definition method may constitute an LPU.
  • inter-frame prediction (inter-prediction or inter-prediction) coding a PU and an LPU may be composed of a set of points based on a reference frame. That is, the current prediction unit or LPU may be defined from the reference frame.
  • Information on attribute table mode prediction may be signaled and parsed for each prediction unit. If the attribute information encoder according to the embodiments (eg, the attribute information encoder of FIG. 19) signals whether to predict the attribute table mode for each prediction unit through a 1-bit flag, the attribute information according to the embodiments
  • the decoding unit eg, the attribute information decoding unit of FIG. 20 parses the corresponding flag information to know whether or not the attribute table is in mode. In the case of attribute table mode (or palette mode), attribute information of a corresponding point may be predicted by additionally parsing index information of an attribute table (or palette) for each point.
  • 25a and 25b illustrate a prediction unit (PU) of point cloud data according to embodiments.
  • a node located at a specific depth in a tree structure and its lower nodes may be defined as one prediction unit. Whether attribute table mode prediction is performed on a prediction unit may be signaled by attribute table mode flag (or palette mode flag) information.
  • attribute table mode flag or palette mode flag
  • attribute information of points may be predicted by parsing index (or palette index) information of the attribute table for points belonging to a prediction unit.
  • the description of Example 1 below relates to Fig. 25A.
  • all points lower than a specific depth of the tree structure of the point cloud may be defined as one prediction unit.
  • the transmitter for example, the transmitter of FIG. 15 or the attribute information encoder of FIG. 19
  • the receiving device for example, the receiving device of FIG. 16 or the attribute information decoding unit of FIG. 20
  • the transmitter for example, the transmitter of FIG. 15 or the attribute information encoder of FIG.
  • an attribute table or palette table
  • An index is signaled, and a receiving device according to embodiments (eg, the receiving device of FIG. 16 or the attribute information decoding unit of FIG. 20) parses the attribute table index to predict a point with the attribute value of the corresponding attribute table.
  • points are listed according to an encoding or decoding order, and a specific number of points is defined as a prediction unit (eg, PU0, PU1, or PU2) according to the encoding or decoding order.
  • a prediction unit eg, PU0, PU1, or PU2
  • N0 4
  • N1 7
  • Example 2 below.
  • Example 3. is related to Fig. 25B.
  • the transceiver according to the embodiments (for example, the transceiver of FIGS. 15 and 16 or the attribute information encoder and the attribute information decoder of FIGS. 19 and 20) according to the scanning order for encoding or decoding points according to a specific number.
  • N points may be grouped into a prediction unit, and attribute table mode information for the prediction unit may be signaled or parsed.
  • the number of points (N value) may be determined by an appointment of an encoder or a decoder.
  • N or less points may be defined as one prediction unit on the boundary between the two points.
  • the encoder eg, the transmitter of FIG. 15 or the attribute information encoder of FIG. 19
  • the encoder is the number of optimal points belonging to the prediction unit (PU) ( For example, the N_i value) may be determined and signaled, and the decoder according to the embodiments (eg, the receiver of FIG. 16 or the attribute information decoder of FIG. 20) parses the point number information to determine N_i number of points.
  • Attribute table mode prediction can be performed on a point group as one prediction unit.
  • the encoder according to the embodiments may determine whether a bitstream is efficient by pre-coding the point cloud data to determine the optimal number of points (N_i value) for the prediction unit.
  • 26 shows an example of the configuration of a palette attribute table according to embodiments.
  • a transmitting/receiving device configures an attribute table to generate the data of point cloud data. Attribute information can be predicted.
  • the encoding unit determines the optimal palette attribute information of the attribute table
  • the decoding unit eg, the attribute information decoding unit of FIG. 20
  • the decoder may construct an attribute table by parsing the received information.
  • the encoder and the decoder according to the embodiments maintain the same candidate list table (or palette prediction list) in the encoding or decoding process, select among attribute values (or palette values) of the candidate list table, and select the attribute table (or palette). Table) can be used as an attribute value to form an attribute table.
  • states of the candidate list table (palette prediction list) and the attribute table (palette table) may be initialized for each independent encoding or decoding unit.
  • a candidate list table 26002 is a table including a plurality of attribute information (eg, R, G, and B values) that can be selected to form an attribute table 26006.
  • the candidate list table 26002 is a table including attribute information that can be included in the attribute table 26006, that is, candidate attribute information.
  • the candidate list table 26002 may be referred to as a "palette prediction list", and other terms indicating an array, matrix, or other data structure composed of a set of attribute information may be used.
  • a reuse flag vector 26004 is a flag for reusing attribute information used to predict a current point or prediction unit among attribute information included in a candidate list table 26002. indicates information.
  • the reuse flag vector 26004 of the attribute information corresponding to indexes 0, 2, and 7 of the candidate list table 26002 has a value of 1, and accordingly, the attribute information corresponds to the attribute table 26006. can be configured.
  • Attribute information of the candidate list table 26002 can configure the current attribute table 26006 according to the reuse flag of the reuse flag vector 26004.
  • Reuse flag vector 26004 may also be referred to as reuse flag information or other terminology representing a set of reuse flags.
  • the receiving device determines the number of new attribute information (or palettes) to be added to the attribute table 26006 and the new attribute information.
  • the new attribute information parsing flag is 1, (the number of new attribute information - 1) can be parsed. That is, if the number of new attribute information is 3, 2 can be parsed.
  • Attribute information included in the attribute table (or palette table) according to embodiments may be referred to as a palette or patch book. Alternatively, it may also be referred to as a term expressing various attributes (color, reflectivity, etc.) constituting attribute information.
  • the transceiver according to the embodiments corresponds to the number of new attribute information parsed. Attribute information can be parsed to construct the attribute table 26006.
  • the transceiver converts the configured attribute table 26006 to Through this, by parsing the index of the attribute table 26006 for each point, the attribute value of the point can be predicted with the attribute value of the corresponding attribute table 26006.
  • the transmitter/receiver includes the candidate list table 26002.
  • attribute information of the attribute table used for prediction of the attribute table mode of the current prediction unit is filled from the front of the candidate list table 26002 (for example, from index 0). .), by adding attribute information not used in the current attribute table in the previous candidate list table 26002 to the end of the current candidate list table 26002.
  • the update of the candidate list table 26002 can be performed in units of prediction units, slices, or a plurality of point groups.
  • 27A and 27B show a flow chart of palette attribute table mode prediction according to embodiments.
  • the palette attribute table mode prediction according to the embodiments is performed by the transmission and reception device according to the embodiments (eg, the transmission device of FIG. 15 or the reception device of FIG. 16, the attribute information encoding unit of FIG. 19 or the attribute information decoding unit of FIG. 20). ) can be performed. More specifically, it may be performed by the attribute table mode prediction units 19019 and 20019 of FIG. 19 or FIG. 20 .
  • the attribute table mode prediction unit may parse the candidate list table reuse flag vector (27002) and configure the attribute table based on the reuse flag vector (27004).
  • the number of new attribute information (palettes) is parsed (27006)
  • new attribute information (palette attributes) is parsed (27008)
  • an attribute table is constructed, and attribute table mode prediction can be performed.
  • the candidate list table (or palette prediction table) according to the embodiments may be updated.
  • the attribute table mode prediction unit may parse the number of new attribute information (palettes) (27012) and parse new attribute information (palette attributes) (27014).
  • attribute table mode prediction may be performed by parsing the candidate list table reuse flag vector (27016) and constructing an attribute table based on the reuse flag vector (27018).
  • the candidate list table (or palette prediction table) according to the embodiments may be updated.
  • Attribute table mode prediction may be different from the flow chart sequence shown in FIGS. 27A and 27B.
  • FIG. 28 illustrates a method of predicting a palette attribute table mode using a previous index reuse flag according to embodiments.
  • the transceiver according to the embodiments is a current point for efficient attribute table index parsing. It can be parsed as a 1-bit flag whether the attribute table (or palette) index of is the same as the attribute table index of the immediately previous point in the decoding order. If the previous index reuse flag according to embodiments is 1, corresponding attribute information may be predicted as attribute information of the current point through the attribute table index of the previous point without additional attribute table index parsing. When the previous index reuse flag is 0, attribute information of the current point may be predicted with attribute table attribute information of the corresponding index by additionally parsing the attribute table index of the current point.
  • the transceiver reuses the previous index.
  • the flag is parsed (28002), it is checked whether the previous index reuse flag is 1 (28004), and if the previous index reuse flag is 1, the attribute information of the current point is predicted through the attribute table index of the previous point (28006). can If the previous index reuse flag is 0, attribute information of the current point may be predicted by parsing the attribute table index of the current point (28008).
  • 29A and 29B are flowcharts of a palette attribute table including exception modes and an encoding method using exception modes according to embodiments.
  • the transceiver converts an attribute table including exception mode information. Attribute information of point cloud data may be encoded or decoded by using.
  • index 4 of the attribute table may indicate an exception mode. That is, in the attribute table according to embodiments, any one of a plurality of indexes may indicate an exception mode. In this case, the exception mode may indicate that the point is not predicted by attribute information included in the attribute table, but predicted by another prediction mode (eg, inter-prediction or intra-prediction).
  • 29B is an attribute including an exception mode in a transceiver (for example, a transmitter/receiver in FIG. 15 or a receiver in FIG. 16, an attribute information encoder in FIG. 19, or an attribute information decoder in FIG. 20) according to embodiments. It is a flowchart showing encoding or decoding of point cloud data using a table.
  • a transceiver for example, a transmitter/receiver in FIG. 15 or a receiver in FIG. 16, an attribute information encoder in FIG. 19, or an attribute information decoder in FIG. 20
  • the transceiver parses the attribute table index (29002) , It is determined whether the attribute table index is in the exception mode (29004), and if it is not in the exception mode, attribute information can be predicted according to the attribute table mode. On the other hand, if the attribute table index indicates an exception mode, attribute information can be predicted according to other prediction modes.
  • point cloud data is encoded using the exception mode. or decryption.
  • the encoder according to the embodiment eg, the transmitter of FIG. 15 or the attribute information encoder of FIG. 19
  • residual information may be quantized and signaled after predicting attribute information using any one of intra-prediction and inter-prediction.
  • a decoder (for example, the receiver of FIG. 16 or the attribute information decoder of FIG. 20) according to embodiments may parse quantized attribute information or residual information to restore attribute information of a corresponding point.
  • the intra-prediction method or the inter-prediction method may determine and use one mode through an agreement between the encoder and the decoder according to embodiments, or may be performed through mode information signaling.
  • FIG. 30 shows an example of encoded point cloud data according to embodiments.
  • a transmitter (eg, the transmitter of FIG. 15 and the attribute information encoder of FIG. 19) according to embodiments encodes point cloud data and converts a bitstream including the encoded point cloud data into It can be transmitted to the receiving device (eg, the receiving device of FIG. 16 and the attribute information decoding unit of FIG. 20).
  • the encoded point cloud data (or bitstream) according to the embodiments is the point cloud video encoder 10002 in FIG. 1, the encoding 20001 in FIG. 2, the encoder in FIG. 4, the transmitter in FIG. 12, and the XR in FIG. 14
  • One or more processors or integrated circuits configured to communicate with the device 1430, the point cloud data transmission apparatus of FIG. 15, the geometric information encoder of FIG. It may be created by hardware, software, firmware, or a combination thereof including integrated circuits.
  • the coded point cloud data (bitstream) is the point cloud video decoder 10006 of FIG. 1, the decoding 20003 of FIG. 2, the decoder of FIG. 11, the receiver of FIG. 13, and the receiver of FIG.
  • One or more processors or integrated circuits configured to communicate with the XR device 1430, the point cloud data receiving device of FIG. 16, the geometric information decoding unit of FIG. 18, the attribute information encoding unit of FIG. 20, and/or one or more memories. It may be decoded by hardware including integrated circuits, software, firmware, or a combination thereof.
  • information about an attribute table prediction mode may be defined in a parameter set, a slice header, or slice data.
  • a slice header may correspond to a data unit header
  • slice data may correspond to a data unit.
  • the defined syntax elements may be defined in a corresponding position or a separate position depending on the application or system, so that the application range and method may be set differently.
  • the related information is a parameter set of a higher concept ( parameter set), etc., and can be delivered to the receiving device.
  • Parameters according to embodiments are data of a transmitter (FIGS. 1, 4, 12, 14, 15, 17, and 19) according to embodiments. It can be generated in the processing process, transmitted to the receiving device (FIGS. 1, 11, 13, 14, 16, 18, and 20) according to the embodiments and used in the point cloud data restoration process. .
  • parameters according to embodiments may be generated by a metadata processing unit (or metadata generator) of a transmission device according to embodiments, and obtained by a metadata parser of a reception device according to embodiments.
  • the point cloud data transmission/reception apparatus may provide tiles or slices to process point cloud data by dividing them into areas. When divided into regions, each region may have a different level of importance. Different filters and different filter units may be applied depending on their importance, and a filtering method having high complexity but good quality may be applied to the important region.
  • Parameters related to attribute table mode prediction may be applied to each parameter set and signaled.
  • 31 shows an example of syntax of a sequence parameter set according to embodiments.
  • Information on attribute table mode prediction may be signaled by being added to a sequence parameter set.
  • the palette mode unit (palette_mode_unit) defines a data unit that can use the attribute table (palette) mode in the entire sequence data.
  • the palette flag (palette_flag) represents a 1-bit flag indicating whether the defined unit uses the attribute table (palette) mode. Attribute table (palette) mode can be applied to the entire sequence. 0: non-palette mode, 1: attribute table (palette) mode
  • the palette index (palette_index) represents an attribute table (palette table) index for attribute table (palette) mode prediction.
  • the palette value represents the attribute value of the attribute information (palette) of the attribute table (palette table). Each index of the attribute table (palette) is mapped with attribute information (palette attribute value). Attribute information (palette attribute value) includes r, g, b or reflectance values.
  • the palette list reuse flag (palette_list_reuse_flag) represents a sequence vector of flags indicating whether attribute information belonging to the candidate list table (palette prediction list) is reused in the current attribute table (palette table).
  • a sequence vector representing a reuse flag can be applied to the entire sequence. 0: not reused, 1: reused.
  • the new palette flag (new_palette_flag) is a 1-bit flag indicating whether to parse new attribute information (palette) to configure the current attribute table (palette table). Flags can be applied to the entire sequence.
  • the number of new palettes represents the number of new attribute information (palettes) to be parsed to construct the current attribute table (palette table).
  • the new palette flag (new_palette_flag) is used, the number of attribute information (palettes) to be parsed may be the number of new palettes (new_palette_num) + 1.
  • the previous index reuse flag (previous_index_reuse_flag) is a 1-bit flag indicating whether to use the attribute information (palette) value used for the previous point as the predicted value of the current point. Flags can be applied to the entire sequence. 0 indicates additional parsing of attribute table (palette) indexes, and 1 may indicate skipping attribute table (palette) index parsing and predicting the current point through previous attribute information (palette values).
  • the palette mode unit PU may indicate a criterion applied to a prediction unit defined in the palette mode unit (palette_mode_unit). 0: Based on octree depth 1: Based on octree QTBT (Quad Tree/Binary Tree) 2: Based on prediction tree azimuth 3: Based on prediction tree radius 4: Based on prediction tree elevation 5: Based on lazer_ID of prediction tree 6: Based on trisup
  • the palette mode geometry attribute use flag may indicate whether a prediction unit is defined based on information in which geometry information and attribute information are combined in order to apply the attribute table mode (or palette mode). False means that only geometric information is used, and true means that both geometric information and attribute information are used.
  • the palette mode IDCM flag may indicate whether IDCM is included in a prediction unit (PU) or exists independently. True indicates that the IDCM is included in the prediction unit and the attribute table mode (palette mode) is applied, and false indicates that the IDCM is not included in the prediction unit and the attribute table mode (palette mode) is applied independently.
  • a palette mode interframe use flag (pallet_mode_inter_frame_use_flag) signals whether a prediction unit (PU) based on a prediction frame (or reference frame) is generated in inter-frame prediction coding (inter prediction or inter prediction coding). False indicates not using the attribute table mode (palette mode) in inter-frame prediction (inter-prediction or inter-prediction) coding, and true indicates that prediction unit PU generation based on the prediction frame (or reference frame) and palette mode are used in inter-frame prediction coding. )
  • 32 illustrates an example of syntax of a tile parameter set according to embodiments.
  • Information about attribute table mode prediction may be added to a tile parameter set and signaled.
  • the palette mode unit (palette_mode_unit) defines a data unit that can use the attribute table (palette) mode in the entire sequence data.
  • the palette flag (palette_flag) represents a 1-bit flag indicating whether the defined unit uses the attribute table (palette) mode. Attribute table (palette) mode can be applied to the entire sequence. 0: non-palette mode, 1: attribute table (palette) mode
  • the palette index (palette_index) represents an attribute table (palette table) index for attribute table (palette) mode prediction.
  • the palette value represents the attribute value of the attribute information (palette) of the attribute table (palette table). Each index of the attribute table (palette) is mapped with attribute information (palette attribute value). Attribute information (palette attribute value) includes r, g, b or reflectance values.
  • the palette list reuse flag (palette_list_reuse_flag) represents a sequence vector of flags indicating whether attribute information belonging to the candidate list table (palette prediction list) is reused in the current attribute table (palette table).
  • a sequence vector representing a reuse flag can be applied to the entire sequence. 0: not reused, 1: reused.
  • the new palette flag (new_palette_flag) is a 1-bit flag indicating whether to parse new attribute information (palette) to configure the current attribute table (palette table). Flags can be applied to the entire sequence.
  • the number of new palettes represents the number of new attribute information (palettes) to be parsed to construct the current attribute table (palette table).
  • the new palette flag (new_palette_flag) is used, the number of attribute information (palettes) to be parsed may be the number of new palettes (new_palette_num) + 1.
  • the previous index reuse flag (previous_index_reuse_flag) is a 1-bit flag indicating whether to use the attribute information (palette) value used for the previous point as the predicted value of the current point. Flags can be applied to the entire sequence. 0 indicates additional parsing of attribute table (palette) indexes, and 1 may indicate skipping attribute table (palette) index parsing and predicting the current point through previous attribute information (palette values).
  • the palette mode unit PU may indicate a criterion applied to a prediction unit defined in the palette mode unit (palette_mode_unit). 0: Based on octree depth 1: Based on octree QTBT (Quad Tree/Binary Tree) 2: Based on prediction tree azimuth 3: Based on prediction tree radius 4: Based on prediction tree elevation 5: Based on lazer_ID of prediction tree 6: Based on trisup
  • the palette mode geometry attribute use flag may indicate whether a prediction unit is defined based on information in which geometry information and attribute information are combined in order to apply the attribute table mode (or palette mode). False means that only geometric information is used, and true means that both geometric information and attribute information are used.
  • the palette mode IDCM flag may indicate whether IDCM is included in a prediction unit (PU) or exists independently. True indicates that the IDCM is included in the prediction unit and the attribute table mode (palette mode) is applied, and false indicates that the IDCM is not included in the prediction unit and the attribute table mode (palette mode) is applied independently.
  • a palette mode interframe use flag (pallet_mode_inter_frame_use_flag) signals whether a prediction unit (PU) based on a prediction frame (or reference frame) is generated in inter-frame prediction coding (inter prediction or inter prediction coding). False indicates not using the attribute table mode (palette mode) in inter-frame prediction (inter-prediction or inter-prediction) coding, and true indicates that prediction unit PU generation based on the prediction frame (or reference frame) and palette mode are used in inter-frame prediction coding. )
  • 33 illustrates an example of syntax of a geometry parameter set according to embodiments.
  • Information on attribute table mode prediction may be signaled by being added to a geometry parameter set.
  • the palette mode unit (palette_mode_unit) defines a data unit that can use the attribute table (palette) mode in the entire sequence data.
  • the palette flag (palette_flag) represents a 1-bit flag indicating whether the defined unit uses the attribute table (palette) mode. Attribute table (palette) mode can be applied to the entire sequence. 0: non-palette mode, 1: attribute table (palette) mode
  • the palette index (palette_index) represents an attribute table (palette table) index for attribute table (palette) mode prediction.
  • the palette value represents the attribute value of the attribute information (palette) of the attribute table (palette table). Each index of the attribute table (palette) is mapped with attribute information (palette attribute value). Attribute information (palette attribute value) includes r, g, b or reflectance values.
  • the palette list reuse flag (palette_list_reuse_flag) represents a sequence vector of flags indicating whether attribute information belonging to the candidate list table (palette prediction list) is reused in the current attribute table (palette table).
  • a sequence vector representing a reuse flag can be applied to the entire sequence. 0: not reused, 1: reused.
  • the new palette flag (new_palette_flag) is a 1-bit flag indicating whether to parse new attribute information (palette) to configure the current attribute table (palette table). Flags can be applied to the entire sequence.
  • the number of new palettes represents the number of new attribute information (palettes) to be parsed to construct the current attribute table (palette table).
  • the new palette flag (new_palette_flag) is used, the number of attribute information (palettes) to be parsed may be the number of new palettes (new_palette_num) + 1.
  • the previous index reuse flag (previous_index_reuse_flag) is a 1-bit flag indicating whether to use the attribute information (palette) value used for the previous point as the predicted value of the current point. Flags can be applied to the entire sequence. 0 indicates additional parsing of attribute table (palette) indexes, and 1 may indicate skipping attribute table (palette) index parsing and predicting the current point through previous attribute information (palette values).
  • the palette mode unit PU may indicate a criterion applied to a prediction unit defined in the palette mode unit (palette_mode_unit). 0: Based on octree depth 1: Based on octree QTBT (Quad Tree/Binary Tree) 2: Based on prediction tree azimuth 3: Based on prediction tree radius 4: Based on prediction tree elevation 5: Based on lazer_ID of prediction tree 6: Based on trisup
  • the palette mode geometry attribute use flag may indicate whether a prediction unit is defined based on information in which geometry information and attribute information are combined in order to apply the attribute table mode (or palette mode). False means that only geometric information is used, and true means that both geometric information and attribute information are used.
  • the palette mode IDCM flag may indicate whether IDCM is included in a prediction unit (PU) or exists independently. True indicates that the IDCM is included in the prediction unit and the attribute table mode (palette mode) is applied, and false indicates that the IDCM is not included in the prediction unit and the attribute table mode (palette mode) is applied independently.
  • a palette mode interframe use flag (pallet_mode_inter_frame_use_flag) signals whether a prediction unit (PU) based on a prediction frame (or reference frame) is generated in inter-frame prediction coding (inter prediction or inter prediction coding). False indicates not using the attribute table mode (palette mode) in inter-frame prediction (inter-prediction or inter-prediction) coding, and true indicates that prediction unit PU generation based on the prediction frame (or reference frame) and palette mode are used in inter-frame prediction coding. )
  • Information about attribute table mode prediction may be signaled by being added to an attribute parameter set.
  • the palette mode unit (palette_mode_unit) defines a data unit that can use the attribute table (palette) mode in the entire sequence data.
  • the palette flag (palette_flag) represents a 1-bit flag indicating whether the defined unit uses the attribute table (palette) mode. Attribute table (palette) mode can be applied to the entire sequence. 0: non-palette mode, 1: attribute table (palette) mode
  • the palette index (palette_index) represents an attribute table (palette table) index for attribute table (palette) mode prediction.
  • the palette value represents the attribute value of the attribute information (palette) of the attribute table (palette table). Each index of the attribute table (palette) is mapped with attribute information (palette attribute value). Attribute information (palette attribute value) includes r, g, b or reflectance values.
  • the palette list reuse flag (palette_list_reuse_flag) represents a sequence vector of flags indicating whether attribute information belonging to the candidate list table (palette prediction list) is reused in the current attribute table (palette table).
  • a sequence vector representing a reuse flag can be applied to the entire sequence. 0: not reused, 1: reused.
  • the new palette flag (new_palette_flag) is a 1-bit flag indicating whether to parse new attribute information (palette) to configure the current attribute table (palette table). Flags can be applied to the entire sequence.
  • the number of new palettes represents the number of new attribute information (palettes) to be parsed to construct the current attribute table (palette table).
  • the new palette flag (new_palette_flag) is used, the number of attribute information (palettes) to be parsed may be the number of new palettes (new_palette_num) + 1.
  • the previous index reuse flag (previous_index_reuse_flag) is a 1-bit flag indicating whether to use the attribute information (palette) value used for the previous point as the predicted value of the current point. Flags can be applied to the entire sequence. 0 indicates additional parsing of attribute table (palette) indexes, and 1 may indicate skipping attribute table (palette) index parsing and predicting the current point through previous attribute information (palette values).
  • the palette mode unit PU may indicate a criterion applied to a prediction unit defined in the palette mode unit (palette_mode_unit). 0: Based on octree depth 1: Based on octree QTBT (Quad Tree/Binary Tree) 2: Based on prediction tree azimuth 3: Based on prediction tree radius 4: Based on prediction tree elevation 5: Based on lazer_ID of prediction tree 6: Based on trisup
  • the palette mode geometry attribute use flag may indicate whether a prediction unit is defined based on information in which geometry information and attribute information are combined in order to apply the attribute table mode (or palette mode). False means that only geometric information is used, and true means that both geometric information and attribute information are used.
  • the palette mode IDCM flag may indicate whether IDCM is included in a prediction unit (PU) or exists independently. True indicates that the IDCM is included in the prediction unit and the attribute table mode (palette mode) is applied, and false indicates that the IDCM is not included in the prediction unit and the attribute table mode (palette mode) is applied independently.
  • a palette mode interframe use flag (pallet_mode_inter_frame_use_flag) signals whether a prediction unit (PU) based on a prediction frame (or reference frame) is generated in inter-frame prediction coding (inter prediction or inter prediction coding). False indicates not using the attribute table mode (palette mode) in inter-frame prediction (inter-prediction or inter-prediction) coding, and true indicates that prediction unit PU generation based on the prediction frame (or reference frame) and palette mode are used in inter-frame prediction coding. )
  • 35 illustrates an example of syntax of a geometry slice header according to embodiments.
  • a geometry slice header may be referred to as a geometry data unit header.
  • the palette mode unit (palette_mode_unit) defines a data unit that can use the attribute table (palette) mode in the entire sequence data.
  • the palette flag (palette_flag) represents a 1-bit flag indicating whether the defined unit uses the attribute table (palette) mode. Attribute table (palette) mode can be applied to the entire sequence. 0: non-palette mode, 1: attribute table (palette) mode
  • the palette index (palette_index) represents an attribute table (palette table) index for attribute table (palette) mode prediction.
  • the palette value represents the attribute value of the attribute information (palette) of the attribute table (palette table). Each index of the attribute table (palette) is mapped with attribute information (palette attribute value). Attribute information (palette attribute value) includes r, g, b or reflectance values.
  • the palette list reuse flag (palette_list_reuse_flag) represents a sequence vector of flags indicating whether attribute information belonging to the candidate list table (palette prediction list) is reused in the current attribute table (palette table).
  • a sequence vector representing a reuse flag can be applied to the entire sequence. 0: not reused, 1: reused.
  • the new palette flag (new_palette_flag) is a 1-bit flag indicating whether to parse new attribute information (palette) to configure the current attribute table (palette table). Flags can be applied to the entire sequence.
  • the number of new palettes represents the number of new attribute information (palettes) to be parsed to construct the current attribute table (palette table).
  • the new palette flag (new_palette_flag) is used, the number of attribute information (palettes) to be parsed may be the number of new palettes (new_palette_num) + 1.
  • the previous index reuse flag (previous_index_reuse_flag) is a 1-bit flag indicating whether to use the attribute information (palette) value used for the previous point as the predicted value of the current point. Flags can be applied to the entire sequence. 0 indicates additional parsing of attribute table (palette) indexes, and 1 may indicate skipping attribute table (palette) index parsing and predicting the current point through previous attribute information (palette values).
  • the palette mode unit PU may indicate a criterion applied to a prediction unit defined in the palette mode unit (palette_mode_unit). 0: Based on octree depth 1: Based on octree QTBT (Quad Tree/Binary Tree) 2: Based on prediction tree azimuth 3: Based on prediction tree radius 4: Based on prediction tree elevation 5: Based on lazer_ID of prediction tree 6: Based on trisup
  • the palette mode geometry attribute use flag may indicate whether a prediction unit is defined based on information in which geometry information and attribute information are combined in order to apply the attribute table mode (or palette mode). False means that only geometric information is used, and true means that both geometric information and attribute information are used.
  • the palette mode IDCM flag may indicate whether IDCM is included in a prediction unit (PU) or exists independently. True indicates that the IDCM is included in the prediction unit and the attribute table mode (palette mode) is applied, and false indicates that the IDCM is not included in the prediction unit and the attribute table mode (palette mode) is applied independently.
  • a palette mode interframe use flag (pallet_mode_inter_frame_use_flag) signals whether a prediction unit (PU) based on a prediction frame (or reference frame) is generated in inter-frame prediction coding (inter prediction or inter prediction coding). False indicates not using the attribute table mode (palette mode) in inter-frame prediction (inter-prediction or inter-prediction) coding, and true indicates that prediction unit PU generation based on the prediction frame (or reference frame) and palette mode are used in inter-frame prediction coding. )
  • 36 illustrates an example of syntax of an attribute slice header according to embodiments.
  • Information about attribute table mode prediction may be signaled by being added to an attribute slice header.
  • An attribute slice header may be referred to as an attribute data unit header.
  • the palette mode unit (palette_mode_unit) defines a data unit that can use the attribute table (palette) mode in the entire sequence data.
  • the palette flag (palette_flag) represents a 1-bit flag indicating whether the defined unit uses the attribute table (palette) mode. Attribute table (palette) mode can be applied to the entire sequence. 0: non-palette mode, 1: attribute table (palette) mode
  • the palette index (palette_index) represents an attribute table (palette table) index for attribute table (palette) mode prediction.
  • the palette value represents the attribute value of the attribute information (palette) of the attribute table (palette table). Each index of the attribute table (palette) is mapped with attribute information (palette attribute value). Attribute information (palette attribute value) includes r, g, b or reflectance values.
  • the palette list reuse flag (palette_list_reuse_flag) represents a sequence vector of flags indicating whether attribute information belonging to the candidate list table (palette prediction list) is reused in the current attribute table (palette table).
  • a sequence vector representing a reuse flag can be applied to the entire sequence. 0: not reused, 1: reused.
  • the new palette flag (new_palette_flag) is a 1-bit flag indicating whether to parse new attribute information (palette) to configure the current attribute table (palette table). Flags can be applied to the entire sequence.
  • the number of new palettes represents the number of new attribute information (palettes) to be parsed to construct the current attribute table (palette table).
  • the new palette flag (new_palette_flag) is used, the number of attribute information (palettes) to be parsed may be the number of new palettes (new_palette_num) + 1.
  • the previous index reuse flag (previous_index_reuse_flag) is a 1-bit flag indicating whether to use the attribute information (palette) value used for the previous point as the predicted value of the current point. Flags can be applied to the entire sequence. 0 indicates additional parsing of attribute table (palette) indexes, and 1 may indicate skipping attribute table (palette) index parsing and predicting the current point through previous attribute information (palette values).
  • the palette mode unit PU may indicate a criterion applied to a prediction unit defined in the palette mode unit (palette_mode_unit). 0: Based on octree depth 1: Based on octree QTBT (Quad Tree/Binary Tree) 2: Based on prediction tree azimuth 3: Based on prediction tree radius 4: Based on prediction tree elevation 5: Based on lazer_ID of prediction tree 6: Based on trisup
  • the palette mode geometry attribute use flag may indicate whether a prediction unit is defined based on information in which geometry information and attribute information are combined in order to apply the attribute table mode (or palette mode). False means that only geometric information is used, and true means that both geometric information and attribute information are used.
  • the palette mode IDCM flag may indicate whether IDCM is included in a prediction unit (PU) or exists independently. True indicates that the IDCM is included in the prediction unit and the attribute table mode (palette mode) is applied, and false indicates that the IDCM is not included in the prediction unit and the attribute table mode (palette mode) is applied independently.
  • a palette mode interframe use flag (pallet_mode_inter_frame_use_flag) signals whether a prediction unit (PU) based on a prediction frame (or reference frame) is generated in inter-frame prediction coding (inter prediction or inter prediction coding). False indicates not using the attribute table mode (palette mode) in inter-frame prediction (inter-prediction or inter-prediction) coding, and true indicates that prediction unit PU generation based on the prediction frame (or reference frame) and palette mode are used in inter-frame prediction coding. )
  • FIG. 37 shows an example of a point cloud data transmission method according to embodiments.
  • encoding point cloud data (S3700) and transmitting a bitstream including the point cloud data (S3710) are included.
  • encoding the point cloud data ( S3700 ) may include encoding geometric information of the point cloud data and encoding attribute information of the point cloud data.
  • the step of encoding the point cloud data includes the point cloud video encoder 10002 of FIG. 1, the encoding 20001 of FIG. 2, the encoder of FIG. 4, the transmitter of FIG. 12, the XR device 1430 of FIG. 14, Hardware, software, firmware or their It may be performed by combination or the like.
  • Transmitting the bitstream including the point cloud data includes the transmitter 10003 of FIG. 1, the transmission processor 12012 of FIG. 12, the XR device 1430 of FIG. 14, and the transmitters of FIGS. 15 and 19
  • Point cloud data may be transmitted by hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to communicate with (or an encoder) and/or one or more memories. .
  • the step of encoding the point cloud data (S3700) includes encoding (encoding) geometric information and encoding (encoding) attribute information.
  • the encoding of the geometric information may encode the geometric information based on an octree, prediction tree, or tree-sup, and the encoding of the attribute information may encode the attribute information based on a prediction/lifting transform or a RATH transform.
  • Encoding attribute information of point cloud data may include predicting attribute information of point cloud data based on index information of an attribute table in which a plurality of attribute information is stored.
  • the attribute table and the prediction of attribute information based on the attribute table are explained in Figs. 21 to 29.
  • the bitstream includes index information of the attribute table, and the receiving device according to the embodiments (eg, the attribute information decoding unit of FIG. 16 or FIG. 20) can predict attribute information through the corresponding index information.
  • attribute information may be predicted based on an arbitrarily defined prediction unit.
  • a method of defining a prediction unit for attribute table mode prediction according to embodiments is described with reference to FIGS. 23 to 25 .
  • a prediction unit in which attribute table mode prediction is performed may be defined based on an octree node. More specifically, as described in FIGS. 23 and 24, lower nodes of a node at a specific depth of an octree can be defined as one prediction unit, and a prediction unit is formed based on nodes divided into a Quad Tree or Binary Tree. can be defined.
  • each triangle or a set of triangles may be defined as a prediction unit based on the triangles defined in the trisup.
  • a prediction unit may be defined as a group of a predetermined number (for example, N) of points according to an encoding or decoding order.
  • Predicting attribute information may include updating an attribute table based on a prediction unit. At this time, the updating of the attribute table may be updated based on the candidate list table including candidate attribute information that may be included in the attribute table and reuse flag information indicating whether the attribute information included in the candidate list table is reused.
  • a method of updating an attribute table according to embodiments is described with reference to FIG. 26 .
  • new attribute information not included in the candidate list table may be added to the attribute table.
  • the number of new attribute information added or attribute values of the new attribute information may be signaled.
  • the attribute table mode prediction method may be performed by the attribute table mode prediction units 19019 and 20019 of FIGS. 19 and 20 .
  • a step of receiving a bitstream including point cloud data (S3800) and a step of decoding the point cloud data (S3810) are included. Also, the step of decoding the point cloud data (S3810) includes decoding (decoding) geometric information of the point cloud data and decoding (decoding) attribute information of the point cloud data.
  • Receiving a bitstream including point cloud data includes the receiving device 10004 of FIG. 1, the receiving device of FIGS. 10 and 11, the receiving unit 13000 of FIG. 13, and the xr device 1430 of FIG. 16, 18, and 20 of hardware, software, firmware, or hardware including one or more processors or integrated circuits configured to communicate with the receiver (or decoder) and/or one or more memories.
  • Point cloud data can be received by combination or the like.
  • the step of decoding the point cloud data is the point cloud video decoder 10006 of FIG. 1, the receiver of FIGS. 10, 11 and 13, the XR device 1430 of FIG. 14, and the data of FIGS. 16, 18 and 20.
  • Decode point cloud data by hardware, software, firmware, or a combination thereof including one or more processors or integrated circuits configured to communicate with a receiver (or decoder) and/or one or more memories. can do.
  • Decoding attribute information of point cloud data may include predicting attribute information of the point cloud data based on index information of an attribute table in which a plurality of attribute information is stored. At this time, the bitstream includes index information on attribute information of the attribute table.
  • the attribute table and the prediction of attribute information based on the attribute table are explained in Figs. 21 to 29.
  • attribute information may be predicted through corresponding index information.
  • the attribute information may be predicted based on an arbitrarily defined prediction unit.
  • a method of defining a prediction unit for attribute table mode prediction according to embodiments is described with reference to FIGS. 23 to 25 .
  • a prediction unit in which attribute table mode prediction is performed may be defined based on an octree node. More specifically, as described in FIGS. 23 and 24, lower nodes of a node at a specific depth of an octree can be defined as one prediction unit, and a prediction unit is formed based on nodes divided into a Quad Tree or Binary Tree. can be defined.
  • each triangle or a set of triangles may be defined as a prediction unit based on the triangles defined in the trisup.
  • a prediction unit may be defined as a group of a predetermined number (for example, N) of points according to an encoding or decoding order.
  • Predicting attribute information may include updating an attribute table based on a prediction unit. At this time, the updating of the attribute table may be updated based on the candidate list table including candidate attribute information that may be included in the attribute table and reuse flag information indicating whether the attribute information included in the candidate list table is reused.
  • a method of updating an attribute table according to embodiments is described with reference to FIG. 26 .
  • new attribute information not included in the candidate list table may be added to the attribute table.
  • the number of new attribute information added or attribute values of the new attribute information may be signaled.
  • the attribute table mode prediction method may be performed by the attribute table mode prediction units 19019 and 20019 of FIGS. 19 and 20 .
  • Attribute table mode (or palette mode) prediction according to embodiments is proposed to efficiently compress attributes of point cloud data.
  • attribute information with high frequency is determined to form an attribute table (palette table), and the attribute table (palette) is transmitted from the encoder according to the embodiments to the decoder according to the embodiments based on the index of the attribute table.
  • This is a method of decoding attribute information with
  • the point cloud data encoding/decoding method compresses each attribute information one by one to eliminate the problem of receiving a residual value generated per attribute value every time, thereby reducing the size of a bitstream.
  • a method of applying the attribute table mode (palette mode) as a prediction unit by signaling the prediction unit (PU) of the attribute table mode (palette mode) is proposed.
  • compression efficiency can be maximized by index signaling with respect to the prediction unit (PU).
  • a prediction unit (PU) suitable for the attribute table mode (palette mode) a method for using the attribute table mode (palette mode) in IDCM or inter-frame coding (inter-coding) method is proposed.
  • Various components of the device of the embodiments may be implemented by hardware, software, firmware or a combination thereof.
  • Various components of the embodiments may be implemented as one chip, for example, as one hardware circuit.
  • components according to the embodiments may be implemented as separate chips.
  • at least one or more of the components of the device according to the embodiments may be composed of one or more processors capable of executing one or more programs, and the one or more programs may be executed. 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 methods/operations of an apparatus may be stored in a non-transitory CRM or other computer program products configured for execution by one or more processors, or may be stored in one or more may be stored in transitory 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 volatile memory (eg, RAM) but also non-volatile memory, flash memory, PROM, and the like. Also, those implemented in the form of a carrier wave such as transmission through the Internet may be included.
  • the processor-readable recording medium is distributed in computer systems connected through a network, so that the processor-readable code can be stored and executed in a distributed manner.
  • first, second, etc. may be used to describe various components of the embodiments. However, interpretation of various components according to embodiments is not limited by the above terms. These terms are only used to distinguish one component from another.
  • a first user input signal may be referred to as a second user input signal.
  • the second user input signal may be referred to as the first user input signal. Use of these terms should be construed as not departing from the scope of the various embodiments.
  • both the first user input signal and the second user input signal are user input signals, they do not mean the same user input signals unless the context clearly indicates otherwise.
  • operations according to embodiments described in this document may be performed by a transceiver including a memory and/or a processor according to embodiments.
  • the memory may store programs for processing/controlling operations according to embodiments, and the processor may control various operations described in this document.
  • a 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 combination thereof may be stored in a processor or stored in a memory.
  • the transceiver may include a transceiver that transmits and receives media data, a memory that stores instructions (program codes, algorithms, flowcharts, and/or data) for processes according to embodiments, and a processor that controls operations of the transceiver/transceiver.
  • a processor may be referred to as a controller or the like, and may correspond to, for example, hardware, software, and/or combinations thereof. Operations according to the above-described embodiments may be performed by a processor. Also, the processor may be implemented as an encoder/decoder for the operations of the above-described embodiments.
  • the embodiments may be applied in whole or in part to a point cloud data transceiver and system.
  • a person skilled in the art may variously change or modify the embodiments within the scope of the embodiments.
  • Embodiments may include alterations/variations, which do not depart from the scope of the claims and their equivalents.

Landscapes

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

Abstract

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

Description

포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
기술적 과제를 달성하기 위해서, 실시예들에 따른 포인트 클라우드 데이터 전송 방법은 포인트 클라우드 데이터를 인코딩하는 단계, 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계, 포인트 클라우드 데이터를 디코딩하는 단계를 포함할 수 있다.
실시예들에 따른 장치 및 방법은 높은 효율로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 장치 및 방법은 높은 퀄리티의 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 장치 및 방법은 VR 서비스, 자율주행 서비스 등 범용적인 서비스를 제공하기 위한 포인트 클라우드 콘텐트를 제공할 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다. 이하에서 설명하는 다양한 실시예들의 보다 나은 이해를 위하여, 하기 도면들에 걸쳐 유사한 참조 번호들이 대응하는 부분들을 포함하는 다음의 도면들과 관련하여 이하의 실시예들의 설명을 반드시 참조해야 한다.
도1은 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템의 예시를 나타낸다.
도2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
도8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도9는 실시예들에 따른 LOD 별 포인트 구성의 다른 예시를 나타낸다.
도10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도12는 실시예들에 따른 포인트 클라우드 데이터 송신장치의 예시이다.
도13은 실시예들에 따른 포인트 클라우드 데이터 수신장치의 예시이다.
도14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도15는 실시예들에 따른 포인트 클라우드 데이터 송신장치의 예시를 나타내는 블록도이다.
도16은 실시예들에 따른 포인트 클라우드 데이터 수신장치의 예시를 나타내는 블록도이다.
도17은 실시예들에 따른 기하정보 부호화부의 예시를 나타내는 블록도이다.
도18은 실시예들에 따른 기하정보 복호화부의 예시를 나타내는 블록도이다.
도19는 실시예들에 따른 속성정보 부호화부의 예시를 나타내는 블록도이다.
도20은 실시예들에 따른 속성정보 복호화부의 예시를 나타내는 블록도이다.
도21은 실시예들에 따른 팔레트 속성테이블의 예시를 나타낸다.
도22a 및 22b는 실시예들에 따른 팔레트 속성테이블 모드 예측 방법을 도시한 것이다.
도23은 실시예들에 따른 포인트 클라우드 데이터의 예측유닛(PU)을 도시한 것이다.
도24는 실시예들에 따른 포인트 클라우드 데이터가 QT(Quad Tree) 및 BT(Binary Tree)에 의해 분할된 모습을 도시한 것이다.
도25a 및 25b는 실시예들에 따른 포인트 클라우드 데이터의 예측유닛(PU)을 도시한 것이다.
도26은 실시예들에 따른 팔레트 속성테이블의 구성 예시를 도시한 것이다.
도27a 및 27b는 실시예들에 따른 팔레트 속성테이블 모드의 플로우 차트를 도시한다.
도28은 실시예들에 따른 이전 인덱스 재사용 플래그를 이용한 팔레트 속성테이블 모드의 예측 방법을 도시한다.
도29a 및 도29b는 실시예들에 따른 예외모드를 포함한 팔레트 속성테이블 및 예외모드를 이용한 부호화 방법의 플로우 차트를 도시한다.
도30은 실시예들에 따른 부호화된 포인트 클라우드 데이터의 예시를 나타낸다.
도31은 실시예들에 따른 시퀀스 파라미터 세트(Sequence Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
도32는 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
도33은 실시예들에 따른 지오메트리 파라미터 세트(Geometry Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
도34는 실시예들에 따른 어트리뷰트 파라미터 세트(Attribute Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
도 35는 실시예들에 따른 지오메트리 슬라이드 헤더(Geometry slice header)의 신택스(Syntax) 예시를 나타낸다.
도 36은 실시예들에 따른 어트리뷰트 슬라이드 헤더(Attribute slice header)의 신택스(Syntax) 예시를 나타낸다.
도 37는 실시예들에 따른 포인트 클라우드 데이터 송신방법의 예시를 나타낸다.
도 38은 실시예들에 따른 포인트 클라우드 데이터 수신방법의 예시를 나타낸다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타난다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도 1은 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송장치(transmission device)(10000) 및 수신장치(reception device)(10004)를 포함할 수 있다. 전송장치(10000) 및 수신장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
실시예들에 따른 전송장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따른 전송장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터, 포인트 클라우드 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 컨텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송장치(10000)뿐만 아니라 수신장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 전송장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신장치(10004)는 피드백 정보를 전송장치(10000)로 전송할 수 있다. 전송장치(10000)(또는 포인트 클라우드 비디오 데이터 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송장치(10000)는 인코더, 전송 디바이스, 전송기, 송신기 등으로 호칭될 수 있으며, 수신장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션(위치)들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터, 위치 정보, 위치 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터, 속성 정보, 속성 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)으로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 정보 및 어트리뷰트 정보를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송장치(10000) 또는 트랜스미터(10003))은 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 3은 도 1 내지 도 2에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
포인트 클라우드 콘텐트는 다양한 3차원 공간(예를 들면 현실 환경을 나타내는 3차원 공간, 가상 환경을 나타내는3차원 공간 등)에 위치한 오브젝트(object) 및/또는 환경을 나타내는 포인트 클라우드 비디오(이미지들 및/또는 영상들)을 포함한다. 따라서 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 콘텐트를 생성하기 위하여 하나 또는 그 이상의 카메라(camera)들(예를 들면, 깊이 정보를 확보할 수 있는 적외선 카메라, 깊이 정보에 대응되는 색상 정보를 추출 할 수 있는 RGB 카메라 등), 프로젝터(예를 들면 깊이 정보를 확보하기 위한 적외선 패턴 프로젝터 등), 라이다(LiDAR)등을 사용하여 포인트 클라우드 비디오를 캡쳐할 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 깊이 정보로부터 3차원 공간상의 포인트들로 구성된 지오메트리의 형태를 추출하고, 색상정보로부터 각 포인트의 어트리뷰트를 추출하여 포인트 클라우드 데이터를 확보할 수 있다. 실시예들에 따른 이미지 및/또는 영상은 인워드-페이싱(inward-facing) 방식 및 아웃워드-페이싱(outward-facing) 방식 중 적어도 어느 하나 이상을 기반으로 캡쳐될 수 있다.
도3의 왼쪽은 인워드-페이싱 방식을 나타낸다. 인워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트를 캡쳐하는 방식을 의미한다. 인워드-페이싱 방식은 핵심 객체에 대한 360도 이미지를 사용자에게 제공하는 포인트 클라우드 콘텐트(예를 들면 사용자에게 객체(예-캐릭터, 선수, 물건, 배우 등 핵심이 되는 객체)의 360도 이미지를 제공하는 VR/AR 콘텐트)를 생성하기 위해 사용될 수 있다.
도3의 오른쪽은 아웃워드-페이싱 방식을 나타낸다. 아웃워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트가 아닌 중심 오브젝트의 환경을 캡쳐하는 방식을 의미한다. 아웃워드-페이싱 방식은 사용자의 시점에서 나타나는 주변 환경을 제공하기 위한 포인트 클라우드 콘텐트(예를 들면자율 주행 차량의 사용자에게 제공될 수 있는 외부 환경을 나타내는 콘텐트)를 생성하기 위해 사용될 수 있다.
도면에 도시된 바와 같이, 포인트 클라우드 콘텐트는 하나 또는 그 이상의 카메라들의 캡쳐 동작을 기반으로 생성될 수 있다. 이 경우 각 카메라의 좌표계가 다를 수 있으므로 포인트 클라우드 콘텐트 제공 시스템은 캡쳐 동작 이전에 글로벌 공간 좌표계(global coordinate system)을 설정하기 위하여 하나 또는 그 이상의 카메라들의 캘리브레이션을 수행할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 상술한 캡쳐 방식으로 캡쳐된 이미지 및/또는 영상과 임의의 이미지 및/또는 영상을 합성하여 포인트 클라우드 콘텐트를 생성할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 가상 공간을 나타내는 포인트 클라우드 콘텐트를 생성하는 경우 도3에서 설명한 캡쳐 동작을 수행하지 않을 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 캡쳐한 이미지 및/또는 영상에 대해 후처리를 수행할 수 있다. 즉, 포인트 클라우드 콘텐트 제공 시스템은 원하지 않는 영역(예를 들면 배경)을 제거하거나, 캡쳐한 이미지들 및/또는 영상들이 연결된 공간을 인식하고, 구멍(spatial hole)이 있는 경우 이를 메우는 동작을 수행할 수 있다.
또한 포인트 클라우드 콘텐트 제공 시스템은 각 카메라로부터 확보한 포인트 클라우드 비디오의 포인트들에 대하여 좌표계 변환을 수행하여 하나의 포인트 클라우드 콘텐트를 생성할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 각 카메라의 위치 좌표를 기준으로 포인트들의 좌표계 변환을 수행할 수 있다. 이에 따라, 포인트 클라우드 콘텐트 제공 시스템은 하나의 넓은 범위를 나타내는 콘텐트를 생성할 수도 있고, 포인트들의 밀도가 높은 포인트 클라우드 콘텐트를 생성할 수 있다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 40000), 양자화부(Quantize and Remove Points (Voxelize), 40001), 옥트리 분석부(Analyze Octree, 40002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 40005), 컬러 변환부(Transform Colors, 40006), 어트리뷰트 변환부(Transfer Attributes, 40007), RAHT 변환부(40008), LOD생성부(Generated LOD, 40009), 리프팅 변환부(Lifting)(40010), 계수 양자화부(Quantize Coefficients, 40011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 40012)를 포함한다.
좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 예측트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(40000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(40001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(40001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(40001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(40001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(40002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(40003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(40004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(40006), 어트리뷰트 변환부(40007), RAHT 변환부(40008), LOD생성부(40009), 리프팅 변환부(40010), 계수 양자화부(40011) 및/또는 아리스메틱 인코더(40012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(40006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(40006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(40006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(40005)는 옥트리, 예측트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(40005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(40007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(40007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(40007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(40007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(40007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(40007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(40007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(40007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(40007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(40008) 및/또는 LOD 생성부(40009)로 입력된다.
실시예들에 따른 RAHT 변환부(40008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(40008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(40009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(40010)는 포인트 클라우드의 어트리뷰트들을 가중치에 기반하여 변환하는 리프팅 변환 코딩을 수행한다. 상술한 바와 같이 리프팅 변환 코딩은 선택적으로 적용될 수 있다.
실시예들에 따른 계수 양자화부(40011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(40012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 4의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 5는 X축, Y축, Z축의 3가지 축으로 구성된 좌표계로 표현되는 3차원 공간상에 위치한 복셀을 나타낸다. 도 4에서 설명한 바와 같이 포인트 클라우드 인코더(예를 들면 양자화부(40001) 등)은 복셀화를 수행할 수 있다. 복셀은 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 도 5는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하는 옥트리 구조를 통해 생성된 복셀의 예시를 나타낸다. 하나의 복셀은 적어도 하나 이상의 포인트를 포함한다. 복셀은 복셀군(voxel group)과의 포지션 관계로부터 공간 좌표를 추정 할 수 있다. 상술한 바와 같이 복셀은 2차원 이미지/영상의 픽셀과 마찬가지로 어트리뷰트(색상 또는 반사율 등)을 가진다. 복셀에 대한 구체적인 설명은 도 4에서 설명한 바와 동일하므로 생략한다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(40002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 6의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (xint n, yint n, zint n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
Figure PCTKR2022004569-appb-img-000001
도 6의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 6 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 6의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 6에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신장치(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 4의 포인트 클라우드 인코더, 또는 옥트리 분석부(40002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전체 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(Δx, Δy, Δz), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(40005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③ 자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure PCTKR2022004569-appb-img-000002
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다. .
Triangles formed from vertices ordered 1,…,n
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
포인트 클라우드 비디오의 압축 효율을 증가시키기 위하여 실시예들에 따른 포인트 클라우드 인코더는 콘텍스트 어탭티브 아리스메틱 (context adaptive arithmetic) 코딩을 기반으로 엔트로피 코딩을 수행할 수 있다.
도 1 내지 도 6에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더 또는 아리스메틱 인코더(40004))는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더는 현재 노드의 오큐판시 코드와 이웃 노드들의 오큐판시를 기반으로 엔트로피 인코딩(인트라 인코딩)을 수행하거나, 이전 프레임의 오큐판시 코드를 기반으로 엔트로피 인코딩(인터 인코딩)을 수행할 수 있다. 실시예들에 따른 프레임은 동일한 시간에 생성된 포인트 클라우드 비디오의 집합을 의미한다. 실시예들에 따른 인트라 인코딩/인터 인코딩의 압축 효율은 참조하는 이웃 노드들의 개수에 따라 달라질 수 있다. 비트가 커지면 복잡해지지만 한쪽으로 치우치게 만들어서 압축 효율이 높아질 수 있다. 예를 들어 3-bit context를 가지면, 2의 3승인 = 8가지 방법으로 코딩 해야 한다. 나누어 코딩을 하는 부분은 구현의 복잡도에 영향을 준다. 따라서 압축의 효율과 복잡도의 적정 수준을 맞출 필요가 있다.
도7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더는 옥트리의 각 노드의 이웃 노드들의 오큐판시(occupancy)를 판단하고 이웃 노드 패턴(neighbor pattern) 값을 구한다. 이웃 노드 패턴은 해당 노드의 오큐판시 패턴을 추론하기 위해 사용된다. 도7의 왼쪽은 노드에 대응하는 큐브(가운데 위치한 큐브) 및 해당 큐브와 적어도 하나의 면을 공유하는 6개의 큐브들(이웃 노드들)을 나타낸다. 도면에 도시된 노드들은 같은 뎁스(깊이)의 노드들이다. 도면에 도시된 숫자는 6개의 노드들 각각과 연관된 가중치들(1, 2, 4, 8, 16, 32, 등)을 나타낸다. 각 가중치는 이웃 노드들의 위치에 따라 순차적으로 부여된다.
도 7의 오른쪽은 이웃 노드 패턴 값을 나타낸다. 이웃 노드 패턴 값은 오큐파이드 이웃 노드(포인트를 갖는 이웃 노드)의 가중치가 곱해진 값들의 합이다. 따라서 이웃 노드 패턴 값은 0에서 63까지의 값을 갖는다. 이웃 노드 패턴 값이 0 인 경우, 해당 노드의 이웃 노드 중 포인트를 갖는 노드(오큐파이드 노드)가 없음을 나타낸다. 이웃 노드 패턴 값이 63인 경우, 이웃 노드들이 전부 오큐파이드 노드들임을 나타낸다. 도면에 도시된 바와 같이 가중치1, 2, 4, 8가 부여된 이웃 노드들은 오큐파이드 노드들이므로, 이웃 노드 패턴 값은 1, 2, 4, 8을 더한 값인 15이다. 포인트 클라우드 인코더는 이웃 노드 패턴 값에 따라 코딩을 수행할 수 있다(예를 들어 이웃 노드 패턴 값이 63인 경우, 64가지의 코딩을 수행). 실시예들에 따라 포인트 클라우드 인코더는 이웃 노드 패턴 값을 변경 (예를 들면 64를 10 또는 6으로 변경하는 테이블을 기반으로) 하여 코딩의 복잡도를 줄일 수 있다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 7에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(40009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 8에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더, 또는 LOD 생성부(40009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 9의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 9의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 9의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 9에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 4에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값, 속성 잔차값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.다D
Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(40010))는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(40008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다.
Figure PCTKR2022004569-appb-img-000003
는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다.
Figure PCTKR2022004569-appb-img-000004
는
Figure PCTKR2022004569-appb-img-000005
와
Figure PCTKR2022004569-appb-img-000006
로부터 계산될 수 있다.
Figure PCTKR2022004569-appb-img-000007
와
Figure PCTKR2022004569-appb-img-000008
의 가중치는
Figure PCTKR2022004569-appb-img-000009
과
Figure PCTKR2022004569-appb-img-000010
이다.
Figure PCTKR2022004569-appb-img-000011
Figure PCTKR2022004569-appb-img-000012
는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다.
Figure PCTKR2022004569-appb-img-000013
은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는
Figure PCTKR2022004569-appb-img-000014
로 계산된다. 루트 노드는 마지막
Figure PCTKR2022004569-appb-img-000015
과
Figure PCTKR2022004569-appb-img-000016
을 통해서 다음과 같이 생성된다.,
Figure PCTKR2022004569-appb-img-000017
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 디코더는 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006) 예시로서, 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006)의 동작 등과 동일 또는 유사한 동작을 수행할 수 있다. 도면이 도시된 바와 같이 포인트 클라우드 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 디코더는 지오메트리 디코더(geometry decoder)및 어트리뷰트 디코더(attribute decoder)를 포함한다. 지오메트리 디코더는 지오메트리 비트스트림에 대해 지오메트리 디코딩을 수행하여 디코딩된 지오메트리(decoded geometry)를 출력한다. 어트리뷰트 디코더는 디코딩된 지오메트리 및 어트리뷰트 비트스트림을 기반으로 어트리뷰트 디코딩을 수행하여 디코딩된 어트리뷰트들(decoded attributes)을 출력한다. 디코딩된 지오메트리 및 디코딩된 어트리뷰트들은 포인트 클라우드 콘텐트를 복원(decoded point cloud)하는데 사용된다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 디코더는 도 10에서 설명한 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 11000), 옥트리 합성부(synthesize octree, 11001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 11002), 지오메트리 리컨스트럭션부(reconstruct geometry, 11003), 좌표계 역변환부(inverse transform coordinates, 11004), 아리스메틱 디코더(arithmetic decode, 11005), 역양자화부(inverse quantize, 11006), RAHT변환부(11007), LOD생성부(generate LOD, 11008), 인버스 리프팅부(Inverse lifting, 11009), 및/또는 컬러 역변환부(inverse transform colors, 11010)를 포함한다.
아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스럭션부(11003), 좌표계 역변환부(11004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 디코딩(direct decoding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 디코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 9에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(11000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(11000)의 동작은 아리스메틱 인코더(40004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(11001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(11002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(11003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 9에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(11003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(11003)는 지오메트리 리컨스트럭션부(40005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 6에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(11004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(11005), 역양자화부(11006), RAHT 변환부(11007), LOD생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(11005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(11006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(11010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(11010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 12는 실시예들에 따른 전송장치의 예시이다.
도 12에 도시된 전송장치는 도 1의 전송장치(10000) (또는 도 4의 포인트 클라우드 인코더)의 예시이다. 도 12에 도시된 전송장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송장치는 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 (Arithmetic) 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011) 및/또는 전송 처리부(12012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(12000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 9에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(12001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(12001)의 동작 및/또는 양자화는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(12002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(12002)는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(12003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(12003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(12003)는 도 4 및 도 6에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(40002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(12004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(12004)는 도 4 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(12005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(12005)는 도 7에서 설명한 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 구체적인 설명은 도 7에서 설명한 바와 동일하다. 실시예들에 따라 인트라/인터 코딩 처리부(12005)는 아리스메틱 코더(12006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(12006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(12006)는 아리스메틱 인코더(40004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(12007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(12007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(12008), 어트리뷰트 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 9에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(12008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(12008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하다. 또한 도 4에서 설명한 컬러 변환부(40006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(12009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(12009)는 도 4에 설명한 어트리뷰트 변환부(40007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(12010)는 도 4에서 설명한 RAHT 변환부(40008), LOD 생성부(40009) 및 리프팅 변환부(40010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(12011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(12011)는 아리스메틱 인코더(400012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(12012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(12007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(12012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(12012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 13은 실시예들에 따른 수신장치의 예시이다.
도 13에 도시된 수신장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 13에 도시된 수신장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신장치는 수신부(13000), 수신 처리부(13001), 아리스메틱 (arithmetic) 디코더(13002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(13004), 인버스(inverse) 양자화 처리부(13005), 메타데이터 파서(13006), 아리스메틱 (arithmetic) 디코더(13007), 인버스(inverse)양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009), 색상 역변환 처리부(13010) 및/또는 렌더러(13011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(13000)는 포인트 클라우드 데이터를 수신한다. 수신부(13000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(13001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(13001)는 수신부(13000)에 포함될 수 있다.
아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(13002)는 아리스메틱 디코더(11000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 옥트리 합성부(11001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(13004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(13004)는 서페이스 오프록시메이션 합성부(11002) 및/또는 지오메트리 리컨스트럭션부(11003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(13006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(13006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 12에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(13007), 인버스 양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009) 및 색상 역변환 처리부(13010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(13007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(13007)는 아리스메틱 디코더(11005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(13008)는 역양자화부(11006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(13009)는 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(13010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(13010)는 컬러 역변환부(11010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(13011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 14의 구조는 서버(1460), 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상이 클라우드 네트워크(1410)와 연결된 구성을 나타낸다. 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440) 또는 가전(1450) 등은 장치라 호칭된다. 또한, XR 장치(1430)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1400)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1400)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1460)는 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상과 클라우드 네트워크(1400)을 통하여 연결되고, 연결된 장치들(1410 내지 1470)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1470)는 실시예들에 따른 XR 디바이스 및/또는 PCC 디바이스가 구현될 수 있는 타입 중 하나를 나타낸다. 실시예들에 따른HMD 타입의 디바이스는, 커뮤니케이션 유닛, 컨트롤 유닛, 메모리 유닛, I/O 유닛, 센서 유닛, 그리고 파워 공급 유닛 등을 포함한다.
이하에서는, 상술한 기술이 적용되는 장치(1410 내지 1450)의 다양한 실시 예들을 설명한다. 여기서, 도 14에 도시된 장치(1410 내지 1450)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1430)는 PCC 및/또는 XR(AR+VR) 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수도 있다.
XR/PCC 장치(1430)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 어트리뷰트 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR/PCC 장치(1430)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+XR+모바일폰>
XR/PCC 장치(1430)는 PCC기술이 적용되어 모바일폰(1440) 등으로 구현될 수 있다.
모바일폰(1440)은 PCC 기술에 기반하여 포인트 클라우드 콘텐츠를 디코딩하고, 디스플레이할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1420)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1420)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(1420)은 XR 장치(1430)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1420)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1420)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 발명의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 데이터 (PCC) 송수신장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신장치 차량에 탑재된 경우, 포인트 클라우드 송수신장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
도 1 내지 도 14에서 설명한 것과 같이 포인트 클라우드 데이터는 포인트들의 집합으로 구성되며, 각 포인트는 기하정보(지오메트리 정보)와 속성정보(어트리뷰트 정보)를 가질 수 있다. 기하정보는 각 포인트의 3차원 위치 정보(예를 들어, x, y, z축의 좌표값)이다. 즉, 각 포인트의 위치는 3차원 공간을 나타내는 좌표계상의 파라미터들(예를 들면 공간을 나타내는 3개의 축인 X축, Y축 및 Z축의 파라미터들 (x, y, z))로 표현된다. 기하정보는 좌표계에 따라 원통좌표계의 (r, θ, z), 구면좌표계의 (r, θ, Φ)로 표현될 수 있다.
그리고, 속성정보는 포인트의 색상(RGB, YUV 등), 반사도(reflectance), 법선(normal vectors), 투명도(transparency), 밝기, 온도 값 등 하나 또는 다수의 센서로 획득한 값의 벡터일 수 있다. 속성정보는 스칼라 또는 벡터 형태로 표현될 수 있다.
실시예들에 따르면, 포인트 클라우드 데이터의 종류 및 취득 방법에 따라 정적 포인트 클라우드 데이터의 카테고리 1, 동적 포인트 클라우드 데이터의 카테고리 2, 동적으로 움직이면서 취득한 카테고리 3으로 포인트 클라우드 데이터를 분류할 수 있다. 카테고리 1의 경우, 오브젝트나 공간에 대해 포인트들의 밀도가 높은 단일 프레임의 포인트 클라우드로 구성된다. 카테고리 3 데이터는 이동하면서 취득된 다수개의 프레임들을 갖는 프레임-기반 데이터 및 대규모 공간에 대해 라이다 센서를 통해 취득된 포인트 클라우드와 2D 영상으로 취득된 색상 영상이 정합된 단일 프레임의 융합된(fused) 데이터로 구분될 수 있다. 또한, 카테고리 1 데이터는 색상(color)이 속성정보를 구성하고, 카테고리 3 데이터는 색상(color), 반사도(reflectance), 색상+반사도 값이 컨텐츠의 특성에 따라 속성정보를 구성할 수 있다.
도 15는 실시예들에 따른 포인트 클라우드 데이터 송신장치의 예시를 나타내는 블록도이다.
실시예들에 따른 포인트 클라우드 데이터 송신장치(15000)(예를 들면 도 1, 도4 및 도 12에서 설명한 포인트 클라우드 인코더 또는 송신장치)는 도 1 내지 도 14에서 설명한 포인트 클라우드 데이터 부호화 동작을 수행할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 송신장치(15000)는 공간 분할부(15002), 기하정보 부호화부(또는 지오메트리 인코더)(15004) 및 속성정보 부호화부(또는 어트리뷰트 인코더)(15006)를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 송신장치(15000)는 도 15에 도시되지 않았으나 도 1 내지 도 14에서 설명한 인코딩 동작을 수행하기 위한 하나 또는 그 이상의 엘레멘트들을 더 포함할 수 있다.
포인트 클라우드 컴프레션(Point Cloud Compression, PCC) 데이터 (또는 PCC 데이터, 포인트 클라우드 데이터)는 포인트 클라우드 데이터 송신장치(15000)의 입력 데이터로서, 기하정보(또는 지오메트리 정보) 및/또는 속성정보(또는 어트리뷰트 정보)를 포함할 수 있다. 실시예들에 따른 기하정보는 포인트의 포지션(예를 들면 위치)을 나타내는 정보로서, 직교 좌표계, 원통 좌표계, 구면 좌표계 등의 좌표계의 파라미터들로 표현될 수 있다.
실시예들에 따른 속성정보는 도 1 내지 도 15에서 설명한 어트리뷰트 또는 어트리뷰트 정보로서, 각 포인트의 속성을 나타내는 정보이다. 실시예들에 따른 속성정보는 포인트의 색 (예를 들면 RGB 벡터), 밝기 값, 온도 값, LiDAR 반사계수 중 어느 하나 이상을 포함할 수 있다. 실시예들에 따른 속성정보는 하나 또는 그 이상의 센서들에 의해 획득될 수 있다.
실시예들에 따른 공간분할부(15002)는 PCC 데이터의 포인트 정보를 저장하기 위하여, 3차원 공간에서 PCC 데이터를 하나 또는 그 이상의 3차원 블록(block)으로 분할할 수 있다. 실시예들에 따른 블록은 타일 그룹(Tile Group), 타일(Tile), 슬라이스(Slice), 부호화 단위(Coding Unit, CU), 예측 단위(Prediction Unit, PU) 또는 변환 단위(Transformation Unit, TU) 중 적어도 어느 하나를 나타낼 수 있다. 실시예들에 따른 공간분할부(15002)는 옥트리(Octree), 쿼드 트리(Quadtree), 바이너리 트리(Biniary tree), 트리플 트리(Triple tree), k-d 트리 중 적어도 하나에 기반한 분할 동작을 수행할 수 있다. 또는, 미리 정해진 가로, 세로, 높이의 블록단위로 분할 동작이 수행될 수 있다. 또는, 블록의 다양한 위치 및 크기를 선택적으로 결정하여 분할 동작이 수행될 수 있다. 해당 정보는 엔트로피 부호화되어 실시예들에 따른 포인트 클라우드 데이터 수신장치(예를들면, 도16의 수신장치) 또는 복호화기로 전송될 수 있다. 하나의 블록은 하나 또는 그 이상의 포인트를 포함할 수 있다.
실시예들에 따른 기하정보 부호화부(15004)(또는 지오메트리 인코더)는 기하정보를 부호화하여 기하정보 비트스트림 및 복원된 기하정보를 생성할 수 있다. 복원된 기하정보는 속성정보 부호화부(15006)으로 입력된다. 실시예들에 따른 기하정보 부호화부(15004)는 도 4에서 설명한 좌표계 변환부(Transformation Coordinates, 40000), 양자화(Quantize and Remove Points (Voxelize), 40001), 옥트리 분석부(Analyze Octree, 40002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004) 및 지오메트리 리컨스럭션부(Reconstruct Geometry, 40005)의 동작을 수행할 수 있다.
또한, 실시예들에 따른 기하정보 부호화부(15004)는 도 12에서 설명한 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 Occupancy 코드 생성부(12003), 포면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 속성 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), Arithmetic 코더(12011)의 동작을 수행할 수 있다.
또한, 실시예들에 따른 기하정보 부호화부(15004)에서 부호화는 전체 클라우드, 서브 클라우드 단위 또는 부호화 단위로 수행될 수 있으며, 화면간 예측 또는 화면내 예측 등 부호화 방법이 부호화 단위별로 선택될 수 있다. 또한, 예측단위별로 화면간 예측 또는 화면내 예측 등의 예측모드가 선택될 수 있다. 기하정보 부호화부(15004)를 통해 생성된 비트스트림은 실시예들에 따른 포인트 클라우드 데이터 수신장치(예를들면 도16의 수신장치)로 전송될 수 있다. 또한, 기하정보 부호화부(15004)에서 부호화된 후 다시 복원된 기하정보는 속성정보 부호화부(15006)로 입력될 수 있다.
실시예들에 따른 속성정보 부호화부(15006)는 복원된 기하정보를 기반으로 속성정보 비트스트림을 생성할 수 있다. 생성된 기하정보 비트스트림 및 속성정보 비트스트림은 비트스트림으로 압축되어 실시예들에 따른 포인트 클라우드 데이터 수신장치(예를들면, 도16의 수신장치)로 전송될 수 있다. 압축된 비트스트림은 기하정보 비트스트림 및 속성정보 비트스트림과 연관된 시그널링 정보 등을 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신장치(15000)는 기하정보 부호화부 (1554)및/또는 속성정보 부호화부(15006)를 포함할 수 있다. 포인트 클라우드 데이터는 포인트의 기하정보와 속성정보를 포함한다. 기하정보는 2차원 직교 좌표계의 (x, y) 또는 원통 좌표계의 (γ,θ) 또는 3차원 공간에서의 직교 좌표계의 (x, y, z) 또는 원통 좌표계의 (γ,θ,z), 구면 좌표계의 (γ,θ) 좌표 벡터 일 수 있다. 속성정보는 포인트의 색을 나타내는 벡터(R,G,B), 밝기 값, 라이다의 반사계수, 및/또는 열화상 카메라로부터 획득된 온도 값처럼 하나 또는 복수의 센서로부터 획득한 값들의 벡터일 수 있다.
도 16은 실시예들에 따른 포인트 클라우드 데이터 수신장치의 예시를 나타내는 블록도이다.
실시예들에 따른 포인트 클라우드 데이터 수신장치(16000)(예를 들면 도 1, 도 10, 도 11 , 도 13에서 설명한 포인트 클라우드 복호화기 또는 수신장치)는 도 1 내지 도 14에서 설명한 디코딩(복호화) 동작을 수행할 수 있다. 또한 포인트 클라우드 데이터 수신장치(16000)는 도 15에서 설명한 포인트 클라우드 인코더(15000)의 부호화 동작의 역과정에 해당하는 복호화 동작을 수행할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신장치(16000)는 공간 분할부(16002), 기하정보 복호화부(16004) (또는 지오메트리 디코더)및/또는 속성정보 복호화부(또는 어트리뷰트 정보 복호화부 또는 어트리뷰트 디코더)(16006)를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신장치(16000)는 도 16에 도시되지 않았으나 도 1 내지 도 14에서 설명한 디코딩 동작을 수행하기 위한 하나 또는 그 이상의 엘레멘트들을 더 포함할 수 있다.
실시예들에 따른 공간분할부(16002)는 실시예들에 따른 포인트 클라우드 데이터 송신장치(예를 들면 도 1, 도4 , 도 12, 도 15에서 설명한 포인트 클라우드 인코더 또는 송신장치)으로부터 수신한 시그널링 정보(예를들어, 도 15에서 설명한 공간분할부(15002)에서 수행된 분할 동작에 대한 정보, 부호화기에서 결정된 서브 클라우드 및/또는 부/복호화 단위(CU), 예측 단위(PU) 또는 변환 단위(TU) 등의 분할정보) 또는 포인트 클라우드 데이터 수신장치(16000)에서 유도한(생성한) 분할 정보를 기반으로 공간을 분할할 수 있다. 부/복호화 단위(CU), 예측 단위(PU) 또는 변환 단위(TU)는 실시예에 따라 동일한 분할 구조를 갖거나 서로 다른 분할 구조를 가질 수 있다. 포인트 클라우드 데이터 수신장치(16000)의 공간분할부(16002)의 분할 동작은 옥트리(Octree), 쿼드 트리(Quadtree), 바이너리 트리(Biniary tree), 트리플 트리(Triple tree), k-d 트리 중 적어도 하나에 기반할 수 있다.
실시예들에 따른 기하정보 복호화부(16004)는 입력한 기하정보 비트스트림을 복호화하여 기하정보를 복원할 수 있다. 복원된 기하정보는 속성 정보 복호화부(16006)로 입력 될 수 있다. 실시예들에 따른 기하정보 복호화부(16004)는 도11에서 설명한 아리스메틱 디코더(arithmetic decode, 11000), 옥트리 합성부(synthesize octree, 11001), 서페이스 어프록시메이션 합성부(synthesize surface approximation, 11002), 지오메트리 리컨스럭션부(reconstruct geometry, 11003) 및 좌표계 역변환부(inverse transform coordinates, 11004)의 동작을 수행할 수 있다. 또한 실시예들에 따른 기하정보 복호화부(16004)는 도 13에서 설명한 Arithmetic 디코더(13002), Occupancy코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(13004) 및 inverse 양자화 처리부(13005)의 동작을 수행할 수 있다.
실시예들에 따른 기하정보 복호화부(16004)는 전체 클라우드 또는 서브클라우드 또는 부/복호화 단위로 복호화를 수행할 수 있으며, 부/복호화 단위 별로 화면내 예측 또는 화면간 예측인지 플래그를 전달받아 결정할 수 있다. 따라서, 예측 단위 별로 화면 간 예측 또는 화면내 예측의 모드 정보를 전달받아 예측을 수행할 수 있다.
실시예들에 따른 속성정보 복호화부(16006)는 속성 정보 비트스트림 및 복원된 기하정보를 기반으로 속성 정보를 복원할 수 있다. 속성정보 복호화부(16006)는 전체 클라우드 또는 서브클라우드, 부/복호화 단위로 복호화를 수행할 수 있고, 부/복호화 단위 별로 화면내 예측 또는 화면간 예측인지 플래그를 전달받아 결정할 수 있다. 따라서, 예측 단위 별로 화면간 예측 또는 화면내 예측의 모드 정보를 전달받아 예측을 수행할 수 있다. 실시예에 따라 속성정보 복호화부(16006)는 생략될 수 있다. 포인트 클라우드 데이터 수신장치(16000)는 복원된 기하정보와 복원된 속성 정보를 기반으로 복원 PCC 데이터를 출력할 수 있다.
실시예들에 따른 속성정보 복호화부(16006)는 입력된 속성 비트스트림을 복호화하여 속성정보를 복원할 수 있다. 복원된 기하정보는 속성정보 복호화부(16006)로 입력 될 수 있다. 실시예들에 따른 속성정보 복호화부(16006)는 도11에서 설명한 아리스메틱 디코더(arithmetic decode, 11005), 역양자화부(inverse quantize, 11006), RAHT 변환부(11007), LOD생성부(generate LOD, 11008), 역리프팅부(inverse lifting, 11009) 및 역색변환부(inverse transform colors, 11010)의 동작을 수행할 수 있다. 또한 실시예들에 따른 속성정보 복호화부(16006)는 도 13에서 설명한 Arithmetic 디코더(13007), inverse 양자화 처리부(13008), 예측/리프팅/RAHT 역변환처리부(13009) 및 색상 역변환 처리부(13010)의 동작을 수행할 수 있다.
도15 및 도16의 포인트 클라우드 데이터 송신장치(15000) 및 수신장치(16000)의 각 구성요소들은 하드웨어, 소프트웨어, 프로세서, 모듈 및/또는 그것들의 조합에 대응할 수 있다.
도 17은 실시예들에 따른 기하정보 부호화부의 예시를 나타내는 블록도이다.
실시예들에 따른 지오메트리 인코더(17000)(또는 기하정보 부호화부)는 도 15의 기하정보 부호화부(15004)의 예시로서, 기하정보 부호화부(15004)의 동작을 수행할 수 있다. 실시예들에 따른 기하정보 부호화부(17000)는 좌표계 변환부(17002), 기하정보 변환양자화부(17004), 잔차기하정보 양자화부(17006), 잔차기하정보 엔트로피 부호화부(17010), 잔차기하정보 역양자화부(17008), 필터링부(17016), 복원클라우드 버퍼(17012) 및 기하정보 예측부(17014)를 포함할 수 있다. 기하정보 예측부(17014)는 기하정보 화면간 예측부와 기하정보 화면내 예측부를 포함할 수 있다.
실시예들에 따른 기하정보 부호화부(17000)는 도 17에 도시되지 않았으나 도 1 내지 도 15에서 설명한 지오메트리 인코딩 동작을 수행하기 위한 하나 또는 그 이상의 엘레멘트들을 더 포함할 수 있다. 또한, 기하정보 부호화부(17000)의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합으로 구성될 수 있다.
실시예들에 따른 좌표계 변환부(17002)는 입력된 기하정보가 나타내는 각 포인트의 3차원 공간 위치 정보의 좌표계를 다른 좌표계로 변환할 수 있다. 실시예들에 따른 좌표계는 3차원 직교 좌표계, 원통 좌표계, 구면 좌표계 등을 포함할 수 있으며 본 실시예들에 국한되지 않는다. 좌표계 변환부(17002)는 좌표계 변환을 수행하지 않을 수도 있다. 좌표계 변환된 기하정보는 기하정보 변환양자화부(17004)로 입력된다.
좌표계 변환 여부 및 좌표계 정보는 시퀀스, 프레임, 타일, 슬라이스, 블록 등의 단위로 시그널링 되거나, 주변 블록의 좌표계 변환여부, 블록의 크기, 포인트의 개수, 양자화 값, 블록 분할 깊이, 단위의 위치, 단위와 원점과의 거리 등을 이용하여 유도될 수 있다.
변환하고자 하는 좌표계 정보는 좌표계 변환 여부를 확인 후, 좌표계 변환을 수행할 경우, 시퀀스, 프레임, 타일, 슬라이스, 블록 등의 단위로 시그널링 될 수 있다. 또는, 좌표계 정보는 주변 블록의 좌표계 변환여부, 블록의 크기, 포인트의 개수, 양자화 값, 블록 분할 깊이, 단위의 위치, 단위와 원점과의 거리 등을 사용하여 유도될 수 있다.
기하정보 변환양자화부(17004)는 기하정보를 입력으로 받아 위치변환 또는 회전변환과 같이 하나 또는 다수의 변환을 적용하고, 양자화 값으로 기하정보를 나누어 양자화를 통해 변환양자화된 기하정보를 생성한다. 변환양자화된 기하정보는 기하정보 엔트로피 부호화부와 잔차기하정보 양자화부(17006)로 입력될 수 있다.
실시예들에 따른 기하정보 변환양자화부(17004)는 좌표계에서 표현된 기하정보를 양자화하고 변환 양자화된 기하정보를 생성할 수 있다. 실시예들에 따른 기하정보 변환 양자화부(17004)는 좌표계 변환부(17002)에서 출력된 기하정보가 나타내는 포인트들의 포지션들에 대하여 위치 변환 및/또는 회전 변환 등 하나 또는 그 이상의 변환을 적용하고, 변환된 기하정보를 양자화 값으로 나누어 양자화를 수행할 수 있다. 실시예들에 따른 양자화 값은 부호화 단위(예를 들면 타일, 슬라이스 등)과 좌표계의 원점과의 거리 또는 기준 방향으로부터의 각도 등을 기초로 가변할 수 있다. 실시예들에 따른 양자화 값은 기설정된 값이 될 수 있다.
실시예들에 따른 기하정보 예측부(17014)는 복원 클라우드 버퍼(17012)의 포인트들의 기하정보를 통해 기하정보를 예측하여 예측된 기하정보를 생성한다. 예측에 사용된 예측정보는 엔트로피 부호화를 수행하여 예측 정보를 부호화 할 수 있다.
실시예들에 따른 기하정보 예측부(17014)는 주변 부호화 단위의 양자화 값을 기초로 예측값(또는 예측 기하정보)을 산출할 수 있다. 또한, 실시예들에 따른 기하정보 예측부(17014)는 예측 기하정보 생성과 관련된 정보 또는 복원 클라우드 버퍼(17012)에 저장되어 있던 복원된 기하정보를 기반으로 예측 기하정보를 생성할 수 있다. 실시예들에 따른 기하정보 예측부(17014)는 화면간 예측부(인터 예측부) 및 화면내 예측부(인트라 예측부)를 포함할 수 있다. 실시예들에 따른 화면간 예측부는 현재 예측 단위(예를 들면 노드 등)의 화면간 예측(인터 예측)에 필요한 정보를 기반으로 현재 예측 단위가 포함된 현재 공간(예를 들면 프레임, 픽쳐 등)의 이전 공간 또는 이후 공간 중 적어도 하나의 공간에 포함된 정보를 기초로 현재 예측 단위에 대한 화면 간 예측을 수행할 수 있다. 실시예들에 따른 화면내 예측부(인트라 예측부)는 화면내 예측(인트라 예측)과 관련된 정보를 기반으로 현재 공간 내의 포인트의 기하정보를 기초로 예측 기하정보를 생성할 수 있다.
잔차 기하정보 양자화부(17006)는 변환 양자화된 기하정보 및 예측된 기하정보를 차분한 잔차기하정보를 수신하고, 잔차 기하정보를 양자화값으로 양자화하여 양자화된 잔차기하정보를 생성할 수 있다. 양자화된 잔차기하정보는 잔차기하정보 엔트로피 부호화부(17010)와 잔차기하정보 역양자화부(17008)로 입력 될 수 있다.
잔차 기하정보 엔트로피 부호화부(17010)는 양자화된 잔차기하정보를 엔트로피 부호화할 수 있다. 실시예들에 따른 엔트로피 부호화 동작은 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding) 및 CABAC(Context-Adaptive Binary Arithmetic Coding)등을 포함할 수 있다.
잔차기하정보 역양자화부(17008)는 양자화된 기하정보를 양자화 값으로 스케일링 하여 잔차기하정보를 복원할 수 있다. 복원된 잔차기하정보와 예측 기하정보는 합산되어 복원된 기하정보로 생성될 수 있고, 복원된 기하정보는 복원 클라우드 버퍼(17012)에 저장될 수 있다. 복원된 기하정보는 다시 기하정보 예측부(17014)에 제공되어 기하정보의 화면간 예측 또는 화면내 예측에 사용될 수 있다. 실시예에 따라 잔차기하정보 역양자화부(17008)의 입력은 기하정보 화면간 예측부 또는 기하 정보 화면내 예측부의 출력 또는 기하정보 변환양자화부(17004)의 출력이 될 수 있다.
필터링부(17016)는 복원된 기하정보를 필터링 할 수 있다. 실시예들에 따른 필터링부(17016)는 디블록킹 필터부, 오프셋 보정부, ALF 등을 포함할 수 있다. 실시예들에 따라 필터링부(17016)는 생략될 수 있다.
복원 클라우드 버퍼(17012)는 필터링된 기하정보를 저장할 수 있다. 저장된 기하정보는 기하정보 예측부(17014)에 제공되어 기하정보의 예측에 사용될 수 있다. 또한 저장된 기하정보는 도 15에서 설명한 속성정보 부호화부(15006)에 제공될 수 있다.
도 18은 실시예들에 따른 기하정보 복호화부의 예시를 나타내는 블록도이다.
실시예들에 따른 기하정보 복호화부(18000)는 도 16의 기하정보 복호화부(16004)의 예시로서, 기하정보 복호화부(16004)의 동작을 수행할 수 있다. 실시예들에 따른 기하정보 복호화부(18000)는 도 17에서 설명한 기하정보 부호화부(17000)의 부호화 동작의 역과정에 해당하는 복호화 동작을 수행할 수 있다. 실시예들에 따른 기하정보 복호화부(18000)는 잔차 기하정보 엔트로피 복호화부(18002), 잔차 기하정보 역양자화부(18004), 기하정보 예측부(18012), 필터링부(18006), 복원 클라우드 버퍼(18010) 및/또는 좌표계 역변환부(18008)을 포함할 수 있다. 실시예들에 따른 기하정보 복호화부(18000)는 도 18에 도시되지 않았으나 도 1 내지 도 17에서 설명한 기하정보 복호화 동작을 수행하기 위한 하나 또는 그 이상의 엘레멘트들을 더 포함할 수 있다.
실시예들에 따른 기하정보 복호화부(18000)는 잔차기하정보 엔트로피 복호화부(18002), 잔차 기하정보 역양자화부(18004), 기하정보 예측부(18012), 좌표계 역변환부(18008), 필터링부(18006) 및/또는 복원 클라우드 버퍼(18010)를 포함할 수 있다. 기하정보 복호화부(18000)의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다.
실시예들에 따른 잔차기하정보 엔트로피 복호화부(18002)는 기하정보 비트스트림을 엔트로피 복호화하여 양자화된 잔차기하정보를 생성할 수 있다. 잔차기하정보 엔트로피 복호화부(18002)는 도 17에서 설명한 잔차기하정보 엔트로피 부호화부(17010)에서 수행한 엔트로피 부호화 동작의 역과정인 엔트로피 복호화 동작을 수행할 수 있다. 실시예들에 따른 엔트로피 부호화 동작은 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding) 및 CABAC(Context-Adaptive Binary Arithmetic Coding)등을 포함할 수 있으며, 엔트로피 복호화 동작은 엔트로피 부호화 동작에 대응하여 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding) 및 CABAC(Context-Adaptive Binary Arithmetic Coding) 등을 포함할 수 있다. 실시예들에 따른 잔차기하정보 엔트로피 복호화부(18002)는 기하정보 비트스트림에 포함된 기하정보 부호화와 관련된 정보, 예를 들면, 예측 기하정보 생성과 관련된 정보, 양자화와 관련된 정보(예를 들면 양자화 값 등), 좌표계 변환과 관련된 시그널링 정보 등을 복호화 할 수 있다. 엔트로피 복호화를 통해 생성된 양자화된 잔차기하정보는 잔차기하정보 역양자화부(18004)로 입력될 수 있다.
실시예들에 따른 잔차기하정보 역양자화부(18004)는 양자화 파라미터와 양자화된 잔차기하정보에 기반하여 역양자화 동작을 수행하여 잔차기하정보를 생성할 수 있다. 복원된 잔차기하정보는 상기 예측된 기하정보와 더하여 기하정보로 복원되어 복원 클라우드 버퍼(18010)에 저장 될 수 있다. 실시예에 따라 잔차기하정보 역양자화부(18004)의 입력은 기하정보 화면간 예측부 또는 기하정보 화면내 예측부의 출력이 될수 있으며, 잔차 기하정보 역양자화부의 입력은 양자화된 기하정보일 수 있다.
실시예들에 따른 기하정보 예측부(18012)는 잔차기하정보 엔트로피 복호화부(18002)에서 출력된 예측 기하정보 생성과 관련된 정보 및 복원 클라우드 버퍼(18010)에 저장된 이전에 복호화된 기하정보를 기반으로 예측 기하정보를 생성할 수 있다. 실시예들에 따른 기하정보 예측부(18012)는 화면간 예측부(인터 예측부) 및 화면내 예측부(인트라 예측부)를 포함할 수 있다. 실시예들에 따른 화면간 예측부는 기하정보 부호화부(17000)에서 제공하는 현재 예측단위(예를 들면 노드 등)의 화면간 예측에 필요한 정보를 이용하여 현재 예측단위가 포함된 현재 공간(예를 들면 프레임, 픽쳐 등)의 이전 공간 또는 이후 공간 중 적어도 하나의 공간에 포함된 정보를 기반으로 현재 예측단위에 대한 화면간 예측을 수행할 수 있다. 실시예들에 따른 화면내 예측부는 기하정보 부호화부(17000)에서 제공하는 예측단위의 화면내 예측과 관련된 예측 모드 정보 및 현재 공간 내의 포인트의 기하정보를 기반으로 예측 기하정보를 생성할 수 있다. 예측 기하정보는 복원된 잔차기하정보와 합산되어 복원된 기하정보가 생성될 수 있다.
실시예들에 따른 필터링부(18006)는 필터링 관련 정보를 기반으로 생성된 예측 기하정보와 복원된 잔차 기하정보가 합쳐져 생성된 복원 기하정보를 필터링할 수 있다. 필터링부(18006)는 복호화부에서 제공된 필터링 관련 정보 또는 복호화기에서 유도된 복원 기하정보의 특성을 기초로 필터링을 수행할 수 있다. 실시예들에 따른 필터링 관련 정보는 기하정보 부호화부(17000)으로부터 시그널링 될 수 있고, 기하정보 복호화부(18000)가 디코딩과정에서 유도하여 산출할 수 있다.
실시예들에 따른 복원 클라우드 버퍼(18010)는 필터링부(18006)를 통해 산출된 복원 기하정보를 저장할 수 있다. 실시예에 따라 필터링부(18006)는 생략될 수 있다.
실시예들에 따른 좌표계 역변환부(18008)는 잔차기하정보 엔트로피 복호화부(18002)에서 제공된 좌표계 변환 관련 정보와 메모리에 저장된 복원된 기하정보를 기초로 좌표계 역변환을 수행할 수 있다. 즉, 좌표계 변환과 관련된 시그널링 정보를 기반으로 기하정보의 좌표계를 역변환하여 기하정보를 출력할 수 있다.
도 19는 실시예들에 따른 속성정보 부호화부의 예시를 나타내는 블록도이다.
실시예들에 따른 속성정보 부호화부(19000)는 도15의 속성정보 부호화부(15006)의 예시로서, 속성정보 부호화부(15006)의 동작을 수행할 수 있다. 실시예들에 따른 속성정보 부호화부(19000)는 속성정보 변환부(19002), 기하정보 맵핑부(19004), 잔차속성정보 변환부(19006), 잔차속성정보 양자화부(19008), 속성정보 엔트로피 부호화부(19010), 속성정보 예측부(19018), 속성테이블 모드 예측부(19019), 필터링부(19015), 복원 포인트 클라우드 버퍼(19016), 잔차속성정보 역변환부(19014) 및/또는 잔차속성정보 역양자화부(19012)를 포함할 수 있다. 속성정보 예측부(19018)는 속성정보 화면간 예측부, 속성정보 화면내 예측부를 포함할 수 있다. 실시예들에 따른 속성정보 부호화부(19000)는 도 19에 도시되지 않았으나 도 1 내지 도 18에서 설명한 속성정보 부호화 동작을 수행하기 위한 하나 또는 그 이상의 엘레멘트들을 더 포함할 수 있다.
속성정보 부호화부(19000)의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다.
속성정보 변환부(19002)는 입력받은 속성정보가 색공간을 나타낸다면, 속성정보의 색공간을 변환할 수 있다. 속성정보 변환부(19002)는 속성정보를 변환하고, 변환된 속성정보는 기하정보 맵핑부(19004)로 입력될 수 있다. 속성정보 변환부(19002)는 속성정보를 변환하지 않을 수도 있다.
기하정보 맵핑부(19004)는 속성정보 변환부(19002)로부터 입력된 속성정보 및 복원된 기하정보의 맵핑을 수행하여 속성 정보를 재구성한다. 속성정보 재구성은 복원된 기하정보를 기준으로 하나 또는 다수개의 포인트의 속성정보를 기반으로 속성값을 유도할 수 있다. 재구성된 속성 정보는 속성 정보 예측부에서 생성된 예측된 속성정보와 차분하여 잔차속성정보 변환부(19006)로 입력될 수 있다.
잔차속성정보 변환부(19006)는 잔차속성정보를 포함한 잔차 3차원 블록을 DCT, DST, DST, SADCT, RAHT 등과 같은 변환 타입을 사용하여 변환할 수 있다. 변환된 잔차속성정보는 잔차속성정보 양자화부(19008)로 전달될 수 있다. 변환 타입은 엔트로피 부호화부(19010)에서 엔트로피 부호화를 수행하여 실시예들에 따른 속성정보 복호화부(도20 참조)로 전송될 수 있다. 잔차속성정보 변환부(19006)은 변환을 수행하지 않을 수도 있다.
잔차속성정보 양자화부(19008)는 변환된 잔차속성정보에 대하여 양자화 값을 기반으로 변환양자화된 잔차속성정보를 생성한다. 변환양자화된 잔차속성정보는 속성정보 엔트로피 부호화부(19010)와 잔차속성정부 역양자화부(19012)로 전달될 수 있다.
속성정보 엔트로피 부호화부(19010)는 변환양자화된 잔차속성정보에 대하여 엔트로피 부호화를 수행할 수 있다. 엔트로피 부호화는 예를 들어, 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding), CABAC(Context-Adaptive Binary Arithmetic Coding)과 같은 다양한 부호화 방법을 포함한다.
잔차속성정보 역변환부(19014)는 변환잔차속성정보를 포함한 잔차 3차원 블록을 DCT, DST, DST, SADCT, RAHT 등과 같은 변환 타입을 사용하여 역변환할 수 있다. 역변환된 잔차속성정보는 속성정보 예측부(19018)로부터 입력된 예측 속성정보와 합산되어 복원된 속성정보가 산출될 수 있다. 또는, 잔차속성정보 역변환부(19014)에서 역변환 하지않고 잔차속성정보가 예측 속성정보와 합산되어 복원된 속성정보가 생성될 수 있다.
필터링부(19015)는 디블록킹 필터, 오프셋 보정부 등을 포함할 수 있다. 필터링부(19015)는 복원된 속성정보에 필터링을 수행할 수 있다.
복원 포인트 클라우드 버퍼(19016)는 필터링부(19014)를 통해 산출된 속성정보를 저장할 수 있다. 저장된 속성정보는 속성정보 화면간 예측부에 제공될 수 있다.
속성정보 화면간 예측부는 복원 포인트 클라우드 버퍼(19016)에서 이미 복원된 포인트 클라우드들의 속성정보를 기반으로 예측 속성정보를 생성한다. 예측 속성정보는 엔트로피 부호화가 수행되어 부호화될 수 있다.
속성정보 화면내 예측부는 현재 포인트 클라우드에서 이미 부호화된 포인트들에 대한 복호화를 수행하여 복원된 포인트들을 기반으로 예측을 수행할 수 있다. 예측 속성정보는 엔트로피 부호화가 수행되어 부호화될 수 있다.
속성테이블 모드 예측부(19019)는 속성테이블에 저장된 속성정보들을 통해 현재 포인트 또는 예측단위(Prediction Unit)에 속한 포인트들의 속성정보를 예측할 수 있다. 실시예에 따라 속성테이블 모드 예측부(19019)에서 속성정보를 예측한 포인트들에 대하여 잔차신호가 생략될 수 있다. 예측된 속성정보는 엔트로피 부호화가 수행되어 예측 속성정보가 부호화될 수 있다.
본 명세서에서 속성테이블 모드 예측부(19019)는 팔레트 모드 예측부로 지칭될 수 있다. 또한, 속성테이블 모드 예측부(19019) 관련 동작을 수행하는 프로세서 또는 컨트롤러 등으로 지칭될 수 있다. 또한, 속성정보들을 저장하는 속성테이블은 팔레트 테이블로 지칭될 수 있다. 즉, 속성테이블 또는 팔레트 테이블은 포인트 클라우드 데이터의 속성정보들을 예측하기 위해 속성값들을 저장하고 있는 정보들의 집합을 의미할 수 있다. 본 명세서에서 속성테이블은 행과 열을 가진 표 모양으로 도시되어 있으나, 다양한 방법으로 속성정보들을 배열한 정보의 배열, 행렬 등을 나타낼 수 있다.
도 20은 실시예들에 따른 속성정보 복호화부의 예시를 나타내는 블록도이다.
속성정보 복호화부(20000)는 도16의 속성정보 복호화부(16006)의 예시로서, 속성정보 복호화부(16006)의 동작을 수행할 수 있다. 실시예들에 따른 속성정보 복호화부(20000)는 속성정보 엔트로피 복호화부(20002), 기하정보 맵핑부(20004), 잔차 속성정보 역양자화부(20006), 잔차속성정보 역변환부(20008), 속성정보 예측부(20018), 속성테이블 모드 예측부(20019), 복원 클라우드 버퍼(20014), 속성정보 역변환부(20012) 및/또는 필터링부(20010)를 포함할 수 있다. 실시예들에 따른 속성정보 복호화부(20000)는 도 20에 도시되지 않았으나 도 1 내지 도 19에서 설명한 속성정보 복호화 동작을 수행하기 위한 하나 또는 그 이상의 엘레멘트들을 더 포함할 수 있다. 속성정보 복호화부(20000)의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다.
속성정보 예측부(20018)는 속성정보 화면간 예측부, 속성정보 화면내 예측부를 포함한다. 속성정보 복호화부(20000)의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다.
속성정보 엔트로피 복호화부(20002)는 속성정보 비트스트림을 입력받아 엔트로피 복호화하여 변환양자화된 속성정보를 생성한다. 생성된 변환양자화된 속성정보는 기하정보 맵핑부(20004)로 전달될 수 있다. 엔트로피 복호화는 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding), CABAC(Context-Adaptive Binary Arithmetic Coding)과 같은 다양한 복호화 방법을 포함할 수 있다.
기하정보 맵핑부(20004)는 속성정보 엔트로피 복호화부(20002)로부터 입력된 변환양자화된 속성정보와 복원된 기하정보를 맵핑한다. 기하정보에 맵핑된 속성정보는 잔차속성정보 역양자화부(20006)로 전달될 수 있다.
잔차속성정보 역양자화부(20006)는 변환양자화된 속성정보의 양자화 값을 기반으로 역양자화를 수행한다. 역양자화된 변환잔차속성정보는 잔차속성정보 역변환부(20008)로 입력될 수 있다.
잔차속성정보 역변환부(20008)는 변환잔차속성정보를 포함한 잔차 3차원 블록을 DCT, DST, DST, SADCT, RAHT 등과 같은 변환 타입을 사용하여 역변환할 수 있다. 역변환된 잔차속성정보는 속성정보 예측부(20018)에서 생성한 예측 속성정보와 합산되어 복원 클라우드 버퍼(20014)에 저장될 수 있다. 또는 역변환이 수행되지 않고 예측 속성 정보와 합산되어 복원 클라우드 버퍼(20014)에 저장될 수 있다.
속성정보 예측부(20018)는 속성정보 화면간 예측부와 속성정보 화면내 예측부를 포함한다. 속성정보 예측부(20018)는 복원 클라우드 버퍼(20014)의 포인트들의 속성정보를 기반으로 예측 속성정보를 생성하거나 같은 클라우드 내의 복원된 속성정보를 기반으로 예측 속성정보를 생성할 수 있다. 예측 정보는 엔트로피 복호화를 수행하여 얻을 수 있다.
속성정보 화면간 예측부는 복원 포인트 클라우드 버퍼(20014)의 복원된 포인트 클라우드들의 속성정보를 기초로 예측 속성정보를 생성할 수 있다. 예측 속성정보는 잔차 신호와 합산되어 포인트 클라우드 데이터의 속성정보가 복원될 수 있다.
속성정보 화면내 예측부는 현재 포인트 클라우드에서 부호화된 포인트들에 대해 복호화를 수행하여 복원된 포인트들을 입력으로 하여 예측을 수행할 수 있다. 예측 속성정보는 잔차 신호와 합산되어 포인트 클라우드 데이터의 속성정보가 복원될 수 있다.
속성테이블 모드 예측부(20019)는 팔레트 테이블에 저장된 팔레트 속성값을 통해 현재 포인트 또는 PU의 속성값을 예측할 수 있으며 실시예에 따라 팔레트 모드로 부/복호화가 된 포인트는 잔차신호를 생략할 수 있다. 예측 정보는 엔트로피 부호화를 수행하여 예측 정보를 부호화 할 수 있다.
속성테이블 모드 예측부(20019)는 속성테이블에 저장된 속성정보들을 통해 현재 포인트 또는 예측단위(Prediction Unit)에 속한 포인트들의 속성정보를 예측할 수 있다. 실시예에 따라 속성테이블 모드 예측부(20019)에서 속성정보를 예측한 포인트들에 대하여 잔차신호가 생략될 수 있다. 예측 속성정보는 복호화가 수행되어 속성정보가 복원될 수 있다. 또는, 예측 속성정보는 잔치신호와 합산되어 속성정보가 복원될 수 있다.
본 명세서에서 속성테이블 모드 예측부(20019)는 팔레트 모드 예측부로 지칭될 수 있다. 또한, 속성테이블 모드 예측부(19019) 관련 동작을 수행하는 프로세서 또는 컨트롤러 등으로 지칭될 수 있다. 또한, 속성정보들을 저장하는 속성테이블은 팔레트 테이블로 지칭될 수 있다. 즉, 속성테이블 또는 팔레트 테이블은 포인트 클라우드 데이터의 속성정보들을 예측하기 위해 속성값들을 저장하고 있는 정보들의 집합을 의미할 수 있다. 본 명세서에서 속성테이블은 행과 열을 가진 표 모양으로 도시되어 있으나, 다양한 방법으로 속성정보들을 배열한 정보의 배열, 행렬 등을 나타낼 수 있다.
필터링부(20010)는 복원된 기하정보를 기초로 주변의 속성정보를 사용해 필터링을 수행할 수 있다. 필터는 디블록킹 필터, 오프셋 보정부 등을 포함할 수 있다. 실시예에 따라 필터링부(20010)는 생략될 수 있다.
복원 클라우드 버퍼(20014)는 필터링부(20010)를 통해 산출된 속성정보를 저장할 수 있다. 저장된 속성정보는 속성정보 예측을 수행 시 속성정보 화면간 예측부에 제공될 수 있다.
속성정보 역변환부(20012)는 엔트로피 복호화부로부터 속성정보의 유형과 변환 정보를 제공받아 RGB-YUV, RGB-YUV등 다양한 색공간 역변환을 수행할 수 있다.
도 21은 실시예들에 따른 팔레트 속성테이블의 예시를 나타낸다. 실시예들에 따른 팔레트 속성테이블은 속성테이블 또는 팔레트 테이블로 지칭되거나, 속성정보들이 집합된 배열, 행렬 등의 데이터 구조를 나타내는 다른 용어로 지칭될 수도 있다.
실시예들에 따른 속성테이블은 도 1 내지 도 20에서 설명한 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 데이터 송수신장치에서 생성, 사용 및/또는 전달될 수 있다. 구체적으로, 실시예들에 따른 속성테이블은 도 19의 속성정보 부호화기(19000)의 속성테이블 모드 예측부(19019) 및/또는 도 20의 속성정보 복호화기(2000)의 속성테이블 모드 예측부(20019)에서 생성되거나, 속성정보 예측에 사용되거나, 실시예들에 따른 포인트 클라우드 데이터 송수신장치 간 속성테이블 정보가 전달될 수 있다.
도 21과 같이 속성테이블은 복수의 속성정보들과 각 속성정보에 대응하는 인덱스 정보를 포함한다.
도 21에 도시된 속성테이블(팔레트 테이블)은 인덱스 정보와 각 인덱스 정보에 대응하는 속성정보(Attr)를 포함한다. 속성테이블에 포함된 각 속성정보는 R, G, B 및/또는 Reflectance 등 속성값을 포함할 수 있다.
도19 및 도 20에서 도시된 속성테이블 모드(팔레트 모드) 예측부에 의하면, 빈도가 높은(영상에 자주 나오는) 속성정보들을 도 21과 같이 속성테이블에 저장하고, 실시예들에 따른 속성정보 부호화기(19000)는 속성테이블의 인덱스 정보를 속성정보 복호화기(20000)로 전송하며, 속성정보 복호화기(20000)는 파싱받은 인덱스 정보를 통해 속성테이블(팔레트 테이블) 중 하나의 속성정보로 현재 포인트의 속성정보를 예측 또는 복원할 수 있다. 이때, 속성테이블은 n개의 속성정보를 하나의 인덱스로 관리할 수 있다. 실시예에 따라 속성테이블 모드 예측의 경우 잔차신호를 생략할 수 있다. 즉, 속성테이블 모드 예측값을 복원값으로 사용하는 것으로서, 잔차신호 역양자화부와 잔차신호 역변환부가 생략되어 복원 과정이 간소화될 수 있다.
또한, 실시예에 따라 부/복호화 대상의 포인트 클라우드 데이터가 가진 속성값의 전체 또는 일부가 하나의 속성테이블(또는 팔레트)로 관리될 수 있고, 속성값의 특성에 따라 복수의 속성테이블이 구성되어 복수의 속성테이블들을 기반으로 속성테이블 모드 예측이 수행될 수 있다.
예를들어, 포인트 클라우드 데이터가 R, G, B, Reflectance값을 속성정보로 가진 경우, R, G, B, Reflectance값을 하나의 속성테이블(팔레트 테이블)로 관리하여 인덱스를 통해 예측을 수행거나, R, G, B 값과 Reflectance 값을 각각의 별도의 속성테이블로 관리하여 총 2개의 속성테이블을 통해 예측이 수행될 수 있다.
또한, 실시예에 따라 포인트 클라우드 데이터의 전체 속성정보 중 일부분은 속성테이블 모드로 예측되고, 다른 일부분은 다른 예측 모드로 예측이 수행될 수 있다. 예를들어, R,G,B값은 속성테이블 모드로 예측하고, Reflectance 값은 화면내 예측 또는 화면간 예측으로 예측될 수 있다.
실시예들에 따른 속성테이블은 포인트 클라우드 데이터가 가지는 속성정보 전체 또는 일부분을 관리하기 위한 테이블 정보이다. 실시예들에 따른 속성테이블은 인덱스 및/또는 속성값의 특성에 기반하여 구성될 수 있다. 실시예들에 따른 속성테이블은 속성값에 대한 제어 정보, 제1정보, 팔레트, 팔레트 테이블 등으로 다양하게 지칭될 수 있다.
실시예들에 따른 속성테이블 예측 모드는 포인트 클라우드 데이터의 부호화 성능을 높이고, 재사용되는 정보를 속성테이블을 통해 시그널링함으로써 잔차값과 계산값을 줄이는 방법을 제안한다. 실시예들에 따른 포인트 클라우드 데이터 송수신장치는 동일한 값을 가진 속성 정보들을 반복적으로 압축하지 않고 인덱스로 부호화/복호화 하는 방법을 속성정보 부호화기 또는 복호화기 모듈에 추가하여 추가적인 속성 트랜스폼(attribute transform)을 수행하지 않아 복잡도를 줄일 수 있다.
실시예들에 따른 속성테이블 모드 예측부(도19, 도20 참조)는 속성정보를 압축하기 위해 속성테이블 모드 예측의 단위를 정의할 수 있다. 또한, 속성테이블 모드 예측을 위한 속성테이블의 구성 방법을 다르게하여 부호화/복호화 할 수 있다. 또한, 속성정보 예측 리스트(또는 후보리스트테이블) 및 재사용 플래그 벡터를 파싱하여 재사용 플래그 벡터를 기반으로 속성테이블 구성할 수 있다. 또한, 속성테이블에 추가할 새로운 속성정보의 개수 및 새로운 속성정보 값을 파싱할 수 있다. 또한, 속성테이블 모드 예측으로 포인트 클라우드 데이터의 속성정보를 예측할 수 있고, 속성테이블 또는 후보리스트테이블을 업데이트할 수 있다. 또한, 속성테이블에 예외 모드를 추가할 수 있다.
도 22a 및 22b는 실시예들에 따른 팔레트 속성테이블 모드 예측 방법을 도시한 것이다.
실시예들에 따른 속성테이블 모드 예측은 도1 내지 도20에서 설명한 포인트 클라우드 데이터 송수신장치에서 수행될 수 있다. 보다 상세하게는, 도19 및 도 20에서 설명한 속성테이블 모드 예측부(19019, 20019)에서 수행될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신장치(예를들면, 도16의 수신장치 또는 도20의 속성정보 복호화부)는 하나의 포인트 단위 또는 PU(Prediction Unit) 단위로 속성테이블 모드의 사용 여부 및 인덱스 정보를 파싱하여 포인트 클라우드 데이터를 복호화할 수 있다.
도 22a 및 22b는 포인트 단위로 속성테이블 모드 예측이 수행되는 플로우 차트를 도시한다.
도 22a를 참조하면, 포인트 단위로 속성테이블 모드 예측 정보를 시그널링 및 파싱한다, 즉, 속성테이블 모드 사용 여부를 1-bit 플래그를 통해 파싱받고(22002), 해당 플래그 정보(팔레트 플래그 정보 또는 속성테이블 플래그 정보)가 1인지 여부를 확인하여(22004), 1인 경우 현재 포인트의 속성테이블 인덱스(또는 팔레트 인덱스) 정보를 파싱받아(22006) 속성테이블 모드 예측을 수행한다. 속성테이블 플래그 정보가 1이 아닌 경우, 속성테이블 모드 외 다른 예측모드 정보를 파싱하여(22008) 다른 예측모드에 따라 예측을 수행한다.
도22b를 참조하면, 현재 포인트를 복호화하기 위한 예측모드들 중 하나로서 속성테이블 모드(또는 팔레트 모드)가 포함된다. 따라서, 실시예들에 따른 수신장치 또는 복호화부에서 예측모드를 파싱하여(22010), 예측모드가 속성테이블 모드와 일치하는지 여부를 확인하고(22012), 예측모드가 속성테이블 모드인 경우 속성테이블 인덱스를 파싱하여(22014), 속성테이블을 통해 속성정보를 예측할 수 있다. 반면에, 예측모드가 속성테이블 모드와 일치하는 않는 경우, 즉, 다른 예측모드에 해당하는 경우 해당 모드에 따라 속성정보를 예측할 수 있다.
도 23은 실시예들에 따른 포인트 클라우드 데이터의 예측유닛(PU)을 도시한 것이다.
실시예들에 따른 포인트 클라우드 데이터 송수신장치는 속성테이블 모드 예측을 위한 예측단위(Prediction Unit)를 기하정보(Geometry) 또는 속성정보(Attribute)를 기반으로 정의할 수 있다. 기하정보를 기반으로 하는 예측단위는 옥트리(Octree), 예측트리(Predictive tree), 트라이숩(Tri-soup) 등 기하정보의 압축 방법에 따라 다르게 정의될 수 있고, 속성값을 활용하여 예측단위가 정의될 수도 있다.
도 23을 참조하면, 옥트리를 기반으로 예측단위(PU)가 정의된 것을 나타낸다. 옥트리 기반의 예측단위는 옥트리의 특정 깊이(depth)를 기준으로 정의되거나, Quad Tree(QT) 또는 Binary Tree(BT)로 분할된 노드 기준으로 정의되거나, IDCM(Inferred Direct Coding Mode)의 예측 노드 정의 방법에 따라 정의될 수 있다.
옥트리의 노드는 블록(Block)으로 지칭될 수 있다. 따라서, 옥트리 기반으로 예측단위(PU)가 정의되는 것은 블록(Block)을 기반으로 예측단위(PU)가 정의되는 것으로 지칭될 수 있다. 옥트리의 노드는 레벨 또는 깊이에 따라 노드의 크기가 달라지므로, 옥트리의 깊이를 기반으로 예측단위가 정의되는 것은 블록의 크기를 기반으로 예측단위(PU)가 정의되는 것으로 지칭될 수도 있다.
특정 깊이를 기준으로 예측단위가 정의되는 경우, 실시예들에 따른 송신장치(예를들면, 도15의 송신장치, 도19의 속성정보 부호화부 등)는 옥트리의 깊이 정보를 시그널링하고, 실시예들에 따른 수신장치(예를들면, 도16의 수신장치, 도20의 속성정보 복호화부 등)는 옥트리의 깊이 정보를 전달받아 재구성된 옥트리에서 예측단위를 복원할 수 있다. 이때, 노드는 옥트리에서 동일 레벨에서만 예측단위를 분할할 수 있어 정의된 예측단위의 크기가 같을 수 있다.
도 23은 옥트리의 루트부터 N 레벨까지 노드들을 표현한다. 하나의 노드는 하위 레벨에서 여덟 개의 노드들로 분할될 수 있다. 포인트를 포함하는 노드는 실선으로 표현되고, 포인트가 없는 노드는 점선으로 표현된다. 옥트리 구조에서 특정 레벨(깊이)에 있는 하나의 상위 노드와 그 하위 노드들은 하나의 예측단위(도면에서 PU1 또는 PU2)(23002, 23004)로 정의될 수 있다. 즉, 옥트리의 특정 깊이(또는 레벨)의 노드(또는 블록)가 예측단위로 정의될 수 있다. 옥트리의 특정 깊이에 있는 노드의 하위 노드들은 상위 노드와 동일한 예측단위(예를들면, PU1)에 포함될 수 있다.
도 24는 실시예들에 따른 포인트 클라우드 데이터가 QT(Quad Tree) 및 BT(Binary Tree)에 의해 분할된 모습을 도시한 것이다.
도 24를 참조하면, QT 또는 BT로 분할된 노드들이 예측단위로 정의될 수 있다. 도24는 옥트리에서 QT 또는 BT로 분할된 노드들의 모습을 나타낸다. 다만, QT 또는 BT의 분할 동작은 옥트리와 별도로 개별적으로 수행될 수 있다. QT 또는 BT 단위에서 분할된 예측단위는 실시예들에 따른 송신장치에서 QT 또는 BT의 분할 플래그와 함께 사용될 수 있다. 즉, QT 또는 BT의 분할 정보와 함께 현재 QT 또는 BT가 예측단위 여부를 나타내는 정보가 실시예들에 따른 수신장치에 전달될 수 있다.
도 24에서 루트 노드는 옥트리에 따르면 8개의 하위 노드로 분할되지만, QT 또는 BT 분할의 경우, 노드를 4분할 또는 2분할할 수 있다. 따라서, 도24에서 루트 노드의 하위 레벨은 루트 노드가 BT로 분할된 노드(24002)와 루트 노드가 QT로 분할된 노드(24004)를 포함한다. 더 하위 레벨에서는 상위 레벨의 노드를 QT 또는 BT로 분할하여 형성된 노드들을 포함한다. 이러한 노드들은 각각 또는 그 집합이 예측단위로 정의될 수 있다.
IDCM기반으로 예측단위가 정의되는 경우, 예측단위가 옥트리 또는 QT,BT 분할 이후 포함되는 예측단위인지 또는 독립적인 예측단위인지 여부가 시그널링될 수 있다. IDCM을 예측단위에 포함하는지 또는 독립적으로 존재하는지 여부는 임계값으로 정의되거나, 포함되는 Octree, QT, BT 중 어느 하나를 시그널링 할 수 있다. 임계값은 지오메트리의 기준 거리, RDO, projection plane to point, projection point to point로 결정될 수 있다.
IDCM은 Inferred Direct Coding Mode로서, 특정 포인트 주변에 그 포인트와 유사한 기하정보 또는 속성정보를 가진 이웃포인트가 없는 경우, 그 포인트에 대해 독립적으로 부호화할 수 있는 모드를 나타낼 수 있다. IDCM이 적용되는 포인트(이하, IDCM 포인트)는 실시예들에 따라 정의된 예측단위에 포함될 수 있거나, 별도의 예측단위에 포함할 수 있다. IDCM 포인트가 예측단위에 포함될지 여부는 임계값에 의하여 정의될 수 있고, 포함되는 경우 옥트리, 쿼드트리, 바이너리트리 중 어느 하나가 시그널링될 수 있다. 임계값은 기하정보를 기반으로 하는 거리, RDO, projection plane to point, projection point to point로 결정될 수 있다.
실시예들에 따른 속성테이블 모드 예측의 예측단위는 예측트리를 기반으로 정의될 수 있다. 실시예들에 따른 예측트리는 포인트 간 연관성을 기반으로 포인트들을 부모-자식 관계 또는 상위-하위 관계로 연결한 트리를 의미할 수 있다. 포인트 간 연관성에 의해 예측트리를 기반으로 하는 포인트 클라우드 데이터 예측이 수행될 수 있다.
실시예들에 따른 예측트리에서 예측단위(PU)는 azimuth, radius, elevation 등을 기반으로 포인트의 개수 또는 decimation의 방법으로 정의될 수 있다. lazer_ID 정보가 있는 경우, 동일한 lazer_ID를 가진 포인트들의 집합이 예측단위가 될 수 있고, 동일한 lazer_ID를 가지더라도 lazer angle 값 또는 azimuth 값을 이용하여 더 적은 범위의 예측단위가 정의 될 수 있다.
실시예들에 따른 예측단위는 예측트리가 생성된 이후 예측트리 내에서 정의될 수 있다. 이때, 예측단위는 1) 지오메트리 값이 NxNxN cube에 포함되는 포인트들의 집합으로 구성되거나, 2) 예측트리에서 데시메이션(decimation)을 기반으로 예측단위가 정의되거나, 그리고 3) 특정 범위의 radius 또는 azimuth값을 포함하는 포인트들의 집합 또는 동일한 radius 또는 azimuth 값을 가진 포인트들의 집합을 예측단위로 구성하는 등 다양한 방법으로 예측단위가 정의될 수 있다.
실시예들에 따른 예측트리에서 루트(root)는 예측단위를 정의하는 시작점이 될 수 있고, 복수의 루트(root)가 있거나 복수의 예측트리가 구성되는 경우, 서로 다른 예측트리에 존재하는 점들이 하나의 예측단위로 정의될 수 있다.
실시예들에 따른 예측단위(PU)는 트라이숩(trisoup)을 기반으로 정의될 수 있다. 트라이숩(trisoup)에서 예측단위는 trisoup_node_size 에서 하나의 삼각형(triangle) 혹은 삼각형(triangle)을 이루는 포인트의 집합으로 정의될 수 있다.
실시예들에 따른 트라이숩의 포인트 집합은 다음과 같다.
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)
이때, 삼각형(triangle)은 인덱스로 정의되어 시그널링 될 수 있다. trisoup_node_size 의 레벨에서 정의된 삼각형은 각 레벨 당 노드가 생성되며, 리프 노드에서 삼각형이 정의된다. 이때, 예측단위는 독립적인 삼각형으로 정의되거나, 삼각형을 지칭하는 인덱스의 집합으로 정의될 수 있다.
예를들어, n= 9인 경우 7 가지의 삼각형(triangle)이 생성 될 수 있고, 7개의 인덱스에 대한 예측단위 N개가 정의될 수 있다.
실시예들에 따른 예측단위는 기하정보와 속성정보를 기반으로 정의될 수 있다. 전술한 예측단위의 정의 방법(옥트리 기반, 예측트리 기반, 트라이숩 기반)은 추가 속성정보를 기반으로 정의되거나, 기하정보와 속성정보를 모두 기반하여 정의될 수 있다.
예를들어, 옥트리 기반으로 예측단위를 정의하는 경우, IDCM에서 RDO를 기반으로 예측단위를 정의할 때, RDO 계산식에 기하정보인 x,y,z 값 뿐만 아니라, r,g,b,reflectance,time 등의 속성정보를 사용하여 예측단위가 정의 될 수 있다. 구체적으로, 10 개의 IDCM 포인트들에 대하여 예측단위를 정의하고자 할 때, 기하정보와 속성정보를 모두 고려한 아래 RDO 식을 기반으로 특정 임계치에 따라 예측단위를 구분할 수 있다.
전술한 RDO 계산식의 예시는 다음과 같다.
Figure PCTKR2022004569-appb-img-000018
x,y,z: 어느 한 포인트의 기하정보 값
r,g,b: 어느 한 포인트의 속성정보 값
x',y',z': 다른 포인트의 기하정보 값
r',b',g': 다른 포인트의 속성정보 값
실시예들에 따른 예측단위는 프레임 간 예측(화면간 예측 또는 인터 예측) 코딩에서 적용될 수 있다. LPU(Largest Prediction Unit)는 복수의 예측단위의 집합으로 구성될 수 있고, 하나의 예측단위가 LPU와 대응할 수도 있다. 또한, 전술한 예측단위 정의 방법에 따른 예측단위의 집합이 LPU를 구성할 수 있다. 프레임 간 예측(화면간 예측 또는 인터 예측) 코딩에서 PU와 LPU는 참조 프레임(reference frame)에 기반으로 포인트들의 집합으로 구성될 수 있다. 즉, 참조 프레임으로부터 현재 예측단위 또는 LPU가 정의될 수 있다.
실시예들에 따른 속성테이블 모드 예측에 관한 정보는 예측단위(prediction unit) 별로 시그널링 및 파싱될 수 있다. 실시예들에 따른 속성정보 부호화부(예를들면, 도 19의 속성정보 부호화부)에서 각각의 예측단위마다 속성테이블 모드 예측 여부가 1-bit 플래그를 통해 시그널링되면, 실시예들에 따른 속성정보 복호화부(예를들면, 도20의 속성정보 복호화부)는 해당 플래그 정보를 파싱하여 속성테이블 모드 여부를 알 수 있다. 속성테이블 모드(또는 팔레트 모드)인 경우, 각각의 포인트마다 속성테이블(또는 팔레트) 의 인덱스 정보를 추가로 파싱하여 해당 포인트의 속성정보를 예측할 수 있다.
도 25a 및 25b는 실시예들에 따른 포인트 클라우드 데이터의 예측유닛(PU)을 도시한 것이다.
도 25a를 참조하면, 트리구조 상 특정 깊이에 위치한 노드와 그 하위 노드들이 하나의 예측단위로 정의될 수 있다. 예측단위에 대하여 속성테이블 모드 예측을 수행하는지 여부는 속성테이블 모드 플래그(또는 팔레트 모드 플래그) 정보로 시그널링 될 수 있다. 속성테이블 모드 플래그 정보가 1인 경우, 예측단위에 속한 포인트들에 대하여 속성테이블의 인덱스(또는 팔레트 인덱스) 정보를 파싱하여 포인트들의 속성정보를 예측할 수 있다. 아래의 실시예1.에 대한 설명은 도25a에 관련한 것이다.
실시예 1.
예측단위는 포인트 클라우드의 트리구조의 특정 깊이(depth)를 기준으로 해당 깊이보다 하위인 모든 포인트들이 하나의 예측단위로 정의될 수 있다. 실시예들에 따른 송신장치(예를들면 도15의 송신장치 또는 도19의 속성정보 부호화부)는 해당 예측단위의 예측모드가 속성테이블 모드(또는 팔레트 모드)인지 결정하여 1-bit플래그를 시그널링하고 실시예들에 따른 수신장치(예를들면 도16의 수신장치 또는 도20의 속성정보 복호화부)는 해당 플래그 정보를 파싱하여 속성테이블 모드 여부를 판단할 수 있다. 예측단위 내의 모든 포인트에 대하여 실시예들에 따른 송신장치(예를들면 도15의 송신장치 또는 도19의 속성정보 부호화부)는 각 포인트에 최적인 속성테이블(또는 팔레트 테이블)을 결정하여 속성테이블 인덱스를 시그널링 하고, 실시예들에 따른 수신장치(예를들면 도16의 수신장치 또는 도20의 속성정보 복호화부)는 속성테이블 인덱스를 파싱하여 해당 속성테이블의 속성값으로 포인트를 예측할 수 있다.
도 25b를 참조하면, 포인트들이 부호화 또는 복호화 순서에 따라 나열되어 있고, 부호화 또는 복호화 순서에 따라 특정 개수의 포인트들이 예측단위(예를들어, PU0, PU1 또는 PU2)로 정의된다. 예를들어, PU0의 경우 포인트의 개수는 4개이고(N0 = 4), PU1의 경우 포인트의 개수는 7개이다(N1 = 7). PU2의 경우 포인트의 개수는 5 개이다(N2 = 5). 아래의 실시예2. 및 실시예 3.에 대한 설명은 도25b에 관련한 것이다.
실시예 2.
실시예들에 따른 송수신장치(예를들면, 도15, 도16의 송수신장치 또는 도19, 도20의 속성정보 부호화부, 속성정보 복호화부)는 포인트들을 부호화 또는 복호화하는 스캐닝 순서에 따라 특정 개수(예를들면, N개)의 포인트들을 예측단위로 그룹핑할 수 있고, 해당 예측단위에 대하여 속성테이블 모드 정보를 시그널링 또는 파싱할 수 있다. 이때, 포인트들의 개수(N값)는 부호화기 또는 복호화기의 약속으로 결정될 수 있다. 포인트들을 부호화 또는 복호화하는 스캐닝 순서 상 인접한 두 포인트의 거리가 특정 임계값(threshold)보다 큰 경우, 두 점을 경계로 N개 이하의 포인트들이 하나의 예측단위로 정의될 수 있다.
실시예 3.
실시예들에 따른 예측단위(PU)에 대하여 실시예들에 따른 부호화기(예를들면, 도15의 송신장치 또는 도19의 속성정보 부호화기)는 예측단위(PU)에 속하는 최적의 포인트의 개수(예를들면, N_i값)을 결정하여 시그널링할 수 있고, 실시예들에 따른 복호화기(예를들면, 도16의 수신장치 또는 도20의 속성정보 복호화기)는 포인트 개수 정보를 파싱하여 N_i개의 포인트 그룹을 하나의 예측단위로 속성테이블 모드 예측(팔레트 모드 예측)을 수행할 수 있다. 실시예들에 따른 부호화기는 포인트 클라우드 데이터를 미리 부호화함으로써 비트스트림이 효율적인지 여부를 판단하여 예측단위에 대한 최적의 포인트 개수(N_i 값)을 결정할 수 있다.
도 26은 실시예들에 따른 팔레트 속성테이블의 구성 예시를 도시한 것이다.
실시예들에 따른 송수신장치(예를들면, 도15의 송신장치 또는 도16의 수신장치, 도19의 속성정보 부호화부 또는 도 20의 속성정부 복호화부)는 속성테이블을 구성하여 포인트 클라우드 데이터의 속성정보를 예측할 수 있다.
이하, 속성테이블 모드 예측을 위한 속성테이블 구성 방법을 설명한다.
실시예들에 따른 부호화부(예를들면, 도19의 속성정보 부호화부)는 속성테이블의 최적의 팔레트 속성정보를 결정하여 실시예들에 따른 복호화부(예를들면, 도20의 속성정보 복호화부)에 전송하고, 실시예들에 따른 복호화부는 수신된 정보를 파싱하여 속성테이블을 구성할 수 있으다. 실시예들에 따른 부호화부와 복호화부는 부호화 또는 복호화 과정에서 서로 동일한 후보리스트테이블(또는 팔레트 예측 리스트)을 유지하고, 후보리스트테이블의 속성 값(또는 팔레트 값)들 중 선택하여 속성테이블(또는 팔레트 테이블)의 속성값으로 사용함으로써 속성테이블을 구성할 수 있다.
실시예에 따라 후보리스트테이블(팔레트 예측 리스트) 및 속성테이블(팔레트 테이블)은 독립적인 부호화 또는 복호화 단위마다 상태가 초기화 될 수 있다.
도 26을 참조하면, 실시예에 따른 후보리스트테이블(26002)은 속성테이블(26006)을 구성하기 위해 선택될 수 있는 복수의 속성정보(예를들면, R,G,B 값)들을 포함하는 테이블일 수 있다. 후보리스트테이블(26002)은 속성테이블(26006)에 포함될 수 있는 속성정보, 즉, 후보 속성정보들을 포함하는 테이블이다. 후보리스트테이블(26002)은 “팔레트 예측 리스트”라는 용어로 지칭될 수 있고, 그밖에 속성정보들의 집합으로 구성된 배열, 행렬 또는 기타 데이터 구조를 지칭하는 용어가 사용될 수 있다.
도 26을 참조하면, 실시예들에 따른 재사용 플래그 벡터(26004)는 후보리스트테이블(26002)에 포함된 속성정보들 중 현재 포인트 또는 예측단위를 예측하기 위해 사용되는 속성정보들의 재사용 여부에 대한 플래그 정보를 나타낸다. 예를들어, 도26에서 후보리스트테이블(26002)의 인덱스 0, 2, 7에 해당하는 속성정보들은 재사용 플래그 벡터(26004)가 1값을 가지고, 그에 따라 해당 속성정보들이 속성테이블(26006)를 구성할 수 있다.
재사용 플래그 벡터(26004)의 재사용 여부 플래그에 따라 후보리스트테이블(26002)의 속성정보들이 현재 속성테이블(26006)을 구성할 수 있다. 재사용 플래그 벡터(26004)는 재사용 플래그 정보 또는 재사용 플래그들의 집합을 나타내는 다른 용어로 지칭될 수도 있다
또한, 실시예들에 따른 수신장치(예를들면, 도16의 수신장치 또는 도20의 속성정보 복호화부)는 속성테이블(26006)에 추가할 새로운 속성정보(또는 팔레트)의 개수 및 새로운 속성정보의 파싱 여부에 대한 1-bit 플래그 정보를 파싱할 수 있다. 새로운 속성정보의 파싱 여부 플래그가 1인 경우, (새로운 속성정보의 개수-1)를 파싱할 수 있다. 즉, 새로운 속성정보의 개수가 3이면, 2를 파싱할 수 있다. 실시예들에 따른 속성테이블(또는 팔레트테이블)에 포함된 속성정보는 팔레트 또는 패치북 등의 용어로 지칭될 수 있다. 또는, 속성정보를 구성하는 다양한 속성들(색상, 반사도 등)을 표현하는 용어로도 지칭될 수 있다.
실시예들에 따른 송수신장치(예를들면, 도15의 송신장치 또는 도16의 수신장치, 도19의 속성정보 부호화부 또는 도20의 속성정보 복호화부)는 파싱받은 새로운 속성정보의 개수만큼 새로운 속성정보를 파싱하여 속성테이블(26006)을 구성할 수 있다.
또한, 실시예들에 따른 송수신장치(예를들면, 도15의 송신장치 또는 도16의 수신장치, 도19의 속성정보 부호화부 또는 도20의 속성정보 복호화부)는 구성된 속성테이블(26006)을 통해 포인트 별로 속성테이블(26006)의 인덱스를 파싱하여 해당 속성테이블(26006)의 속성값으로 포인트의 속성값을 예측할 수 있다.
또한, 실시예들에 따른 송수신장치(예를들면, 도15의 송신장치 또는 도16의 수신장치, 도19의 속성정보 부호화부 또는 도20의 속성정보 복호화부)는 후보리스트테이블(26002)을 갱신(또는 업데이트)할 수 있다. 실시예들에 따른 후보리스트테이블(26002)의 갱신은 현재 예측단위의 속성테이블 모드 예측에 사용된 속성테이블의 속성정보를 후보리스트테이블(26002)의 앞부분부터 채우고(예를들면, 인덱스 0부터 채운다.), 이전 후보리스트테이블(26002)에서 현재 속성테이블에 사용되지 않은 속성정보들을 현재 후보리스트테이블(26002)의 끝에 추가함으로써 수행될 수 있다. 후보리스트테이블(26002)의 갱신은 예측단위 또는 슬라이스, 복수의 포인트 그룹 등을 단위로 수행될 수 있다.
도 27a 및 27b는 실시예들에 따른 팔레트 속성테이블 모드 예측의 플로우 차트를 도시한다.
실시예들에 따른 팔레트 속성테이블 모드 예측은 실시예들에 따른 송수신장치(예를들면, 도15의 송신장치 또는 도16의 수신장치, 도19의 속성정보 부호화부 또는 도20의 속성정보 복호화부)에서 수행될 수 있다. 보다 상세하게는, 도 19 또는 도 20의 속성테이블 모드 예측부(19019, 20019)에서 수행될 수 있다.
도 27a를 참조하면 실시예들에 따른 속성테이블 모드 예측부는 후보리스트테이블 재사용 플래그 벡터를 파싱하고(27002), 재사용 플래그 벡터를 기반으로 속성테이블을 구성(27004) 할 수 있다. 그리고, 새로운 속성정보(팔레트)의 개수를 파싱하고(27006), 새로운 속성정보(팔레트 속성)들을 파싱하여(27008), 속성테이블을 구성하고 속성테이블 모드 예측을 수행할 수 있다. 그리고, 실시예들에 따른 후보리스트테이블(또는 팔레트 예측 테이블)은 갱신될 수 있다.
도27b를 참조하면, 실시예들에 따른 속성테이블 모드 예측부는 새로운 속성정보(팔레트)의 개수를 파싱하고(27012), 새로운 속성정보(팔레트 속성)들을 파싱(27014) 할 수 있다. 그리고, 후보리스트테이블 재사용 플래그 벡터를 파싱하고(27016), 재사용 플래그 벡터를 기반으로 속성테이블을 구성(27018)하여 속성테이블 모드 예측을 수행할 수 있다. 그리고, 실시예들에 따른 후보리스트테이블(또는 팔레트 예측 테이블)은 갱신될 수 있다.
도27a 및 도27b는 서로 수행하는 단계의 순서가 상이하더라도 속성테이블 모드 예측이 가능함을 나타낸다. 실시예들에 따른 속성테이블 모드 예측은 도27a 및 도27b에서 도시된 플로우 차트 순서와 다를 수 있다.
도 28은 실시예들에 따른 이전 인덱스 재사용 플래그를 이용한 팔레트 속성테이블 모드의 예측 방법을 도시한다.
실시예들에 따른 송수신장치(예를들면, 도15의 송신장치 또는 도16의 수신장치, 도19의 속성정보 부호화부 또는 도20의 속성정보 복호화부)는 효율적인 속성테이블 인덱스 파싱을 위해 현재 포인트의 속성테이블(또는 팔레트) 인덱스가 복호화 순서 상 바로 이전 포인트의 속성테이블 인덱스와 동일한지 여부를 1-bit 플래그로 파싱할 수 있다. 실시예들에 따른 이전 인덱스 재사용 플래그가 1인 경우, 추가 속성테이블 인덱스 파싱없이 이전 포인트의 속성테이블 인덱스를 통해 해당 속성정보를 현재 포인트의 속성정보로 예측할 수 있다. 이전 인덱스 재사용 플래그가 0인 경우, 현재 포인트에 대한 속성테이블 인덱스를 추가로 파싱하여 해당 인덱스의 속성테이블 속성정보로 현재 포인트의 속성정보를 예측할 수 있다.
도28을 참조하면, 실시예들에 따른 송수신장치(예를들면, 도15의 송신장치 또는 도16의 수신장치, 도19의 속성정보 부호화부 또는 도20의 속성정보 복호화부)는 이전 인덱스 재사용 플래그를 파싱하고(28002), 이전 인덱스 재사용 플래그가 1인지 여부를 확인하고(28004), 이전 인덱스 재사용 플래그가 1이면, 이전 포인트의 속성테이블 인덱스를 통해 현재 포인트의 속성정보를 예측(28006)할 수 있다. 이전 인덱스 재사용 플래그가 0이면, 현재 포인트의 속성테이블 인덱스를 파싱(28008)하여 현재 포인트의 속성정보를 예측할 수 있다.
도 29a 및 도29b는 실시예들에 따른 예외모드를 포함한 팔레트 속성테이블 및 예외모드를 이용한 부호화 방법의 플로우 차트를 도시한다.
실시예들에 따른 송수신장치(예를들면, 도15의 송신장치 또는 도16의 수신장치, 도19의 속성정보 부호화부 또는 도20의 속성정보 복호화부)는 예외모드 정보가 포함된 속성테이블을 이용하여 포인트 클라우드 데이터의 속성정보를 부호화 또는 복호화할 수 있다.
도29a는 실시예들에 따른 예외모드 정보가 포함된 속성테이블(팔레트 테이블)의 예시이다. 도29a에서 도시하듯이, 속성테이블(팔레트 테이블)의 인덱스 4는 예외모드를 나타낼 수 있다. 즉, 실시예들에 따른 속성테이블은 복수의 인덱스 중 어느 하나가 예외모드를 나타낼 수 있다. 이때, 예외모드는 포인트가 속성테이블에 포함된 속성정보로 예측되지 않고, 다른 예측모드(예를들면, 화면간 예측 또는 화면내 예측 등)에 의하여 예측되는 것을 나타낼 수 있다.
도29b는 실시예들에 따른 송수신장치(예를들면, 도15의 송신장치 또는 도16의 수신장치, 도19의 속성정보 부호화부 또는 도20의 속성정보 복호화부)가 예외모드를 포함하는 속성테이블을 이용하여 포인트 클라우드 데이터를 부호화 또는 복호화하는 것을 나타내는 플로우 차트이다.
실시예들에 따른 송수신장치(예를들면, 도15의 송신장치 또는 도16의 수신장치, 도19의 속성정보 부호화부 또는 도20의 속성정보 복호화부)는 속성테이블 인덱스를 파싱하고(29002), 속성테이블 인덱스가 예외모드인지 여부를 판단(29004)하여, 예외모드가 아닌 경우 속성테이블 모드에 따라 속성정보를 예측할 수 있다. 반면에, 속성테이블 인덱스가 예외모드를 나타내는 경우, 다른 예측모드에 따라 속성정보를 예측할 수 있다.
실시예들에 따른 속성테이블 모드 예측이 예측단위 기반으로 수행될 경우, 예측단위 내의 포인트 중 일부 포인트에 대해 속성테이블의 속성정보 값으로 예측하는 것이 비효율적이라면, 예외모드를 활용하여 포인트 클라우드 데이터를 부호화 또는 복호화 할 수 있다. 실시예에 따른 예외모드인 경우, 실시예들에 따른 부호화부(예를들면, 도15의 송신장치 또는 도19의 속성정보 부호화부)는 해당 포인트의 속성정보를 양자화하여 양자화된 속성정보를 시그널링 하거나, 화면내 예측 또는 화면간 예측 중 어느 하나의 방법으로 속성정보를 예측한 뒤 잔차정보를 양자화하여 시그널링 할 수 있다.
실시예들에 따른 복호화부(예를들면 도16의 수신장치 또는 도20의 속성정보 복호봐부)는 양자화된 속성정보 또는 잔차정보를 파싱하여 해당 포인트의 속성정보를 복원할 수 있다. 이때, 화면내 예측방법 또는 화면간 예측방법은 실시예들에 따른 부호화부와 복호화부 사이의 약속을 통해 하나의 모드를 결정하여 사용하거나, 모드 정보 시그널링을 통해 수행될 수 있다.
도 30은 실시예들에 따른 부호화된 포인트 클라우드 데이터의 예시를 나타낸다.
실시예들에 따른 송신장치(예를들면, 도15의 송신장치, 도19의 속성정보 부호화부)는 포인트 클라우드 데이터를 부호화하고, 부호화된 포인트 클라우드 데이터를 포함하는 비트스트림을 실시예들에 따른 수신장치(예를들면, 도16의 수신장치, 도20의 속성정보 복호화부)에 전송할 수 있다.
실시예들에 따른 부호화된 포인트 클라우드 데이터(또는 비트스트림)는 도 1의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도 4의 인코더, 도 12의 송신장치, 도 14의 XR디바이스(1430), 도 15의 포인트 클라우드 데이터 송신장치, 도 17의 기하정보 부호화부, 도 19의 속성정보 부호화부 및/또는 하나 이상의 메모리들과 통신가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 생성될 수 있다.
또한, 실시예들에 따른 부호화된 포인트 클라우드 데이터(비트스트림)는 도 1의 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20003), 도 11의 디코더, 도 13의 수신장치, 도 14의 XR디바이스(1430), 도 16의 포인트 클라우드 데이터 수신장치, 도 18의 기하정보 복호화부, 도 20의 속성정보 부호화부 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 디코딩될 수 있다.
도 30에서 도시된 약어의 뜻은 다음과 같다.
SPS: 시퀀스 파라미터 세트(Sequence Parameter Set)
GPS: 지오메트리 파라미터 세트(Geometry Parameter Set)
APS: 어트리뷰트 파라미터 세트(Attribute Parameter Set)
TPS: 타일 파라미터세트(Tile Parameter Set)
Geom: 지오메트리 비트스트림(Geometry bitstream) = 지오메트리 슬라이스 헤더(geometry slice header)+ 지오메트리 슬라이스 데이터(geometry slice data)
Attr: 어트리뷰트 비트스트림(Attribute bitstream) = 어트리뷰트 슬라이스 헤더(attribute slice header) + 어트리뷰트 슬라이스 데이터(attribute slice data)
도 30을 참조하면, 실시예들에 따른 속성테이블 예측 모드에 관한 정보는 파라미터 세트(parameter set), 슬라이스 헤더(slice header) 또는 슬라이스 데이터(slice data)에 정의될 수 있다. 슬라이스 헤더(slice header)는 데이터 유닛 헤더(data unit header)와 대응하고, 슬라이스 데이터(slice data)는 데이터 유닛(data unit)과 대응할 수 있다. 또한, 정의된 신택스 요소(syntax element)들은 어플리케이션, 시스템에 따라 상응하는 위치 또는 별도의 위치에 정의되어 적용 범위 및 방법 등이 다르게 설정될 수 있다.
또한, 정의된 신택스 요소(syntax element)가 포인트 클라우드 데이터 스트림(point cloud data stream) 뿐만 아니라 복수의 포인트 클라우드 데이터 스트림(point cloud data stream)에 적용될 수 있는 경우, 관련 정보는 상위 개념의 파라미터 세트(parameter set) 등에 포함되어 수신장치에 전달될 수 있다.
실시예들에 따른 파라미터(메타데이터, 시그널링 정보 등 다양하게 호칭 가능함)는 실시예들에 따른 송신장치(도1, 도4, 도12, 도14, 도15, 도17, 도19)의 데이터 처리 과정에서 생성될 수 있고, 실시예들에 따른 수신장치(도1, 도11, 도13, 도14, 도16, 도18, 도 20)에 전달되어 포인트 클라우드 데이터 복원 과정에 이용될 수 있다. 예를 들어, 실시예들에 따른 파라미터는 실시예들에 따른 전송장치의 메타데이터 처리부(또는 메타데이터 제너레이터)에서 생성되고, 실시예들에 따른 수신장치의 메타데이터 파서에서 획득될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송수신장치는 포인트 클라우드 데이터를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스를 제공할 수 있다. 영역별로 나눌때 각 영역은 서로 다른 중요도를 가질 수 있다. 그 중요도에 따라 다른 필터, 다른 필터 유닛이 적용될 수 있고, 복잡도(complexity)는 높으나 결과 품질(quality)가 좋은 필터링 방법이 중요 영역에 적용할 수 있다.
수신장치의 처리능력(capacity)에 따라 포인트 클라우드 전체에 복잡한 필터링 방법을 사용하는 대신 영역 별(타일 또는 슬라이스로 나누어진 영역) 서로 다른 필터링을 적용할 수 있게 함으로서 사용자에게 중요한 영역에 더 좋은 화질과 시스템 상으로 적절한 레이턴시(latency)을 보장할 수 있다.
포인트 클라우드 데이터가 타일(Tile)로 나누어지는 경우, 각 타일별로 다른 필터, 다른 필터 유닛을 적용할 수 있다. 포인트 클라우드 데이터가 슬라이스(Slice)로 나누어지는 경우, 각 슬라이스별로 다른 필터, 다른 필터 유닛을 적용할 수 있다.
실시예들에 따른 속성테이블 모드 예측에 관한 파라미터들은 각 파라미터 셋에 적용되어 시그널링 될 수 있다.
도 31은 실시예들에 따른 시퀀스 파라미터 세트(Sequence Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
실시예들에 따른 속성테이블 모드 예측에 관한 정보들은 시퀀스 파라미터 세트에 추가되어 시그널링될 수 있다.
팔레트모드유닛(palette_mode_unit)은 시퀀스 데이터 전체에서 속성테이블(팔레트) 모드를 사용 수 있는 데이터 단위를 정의한다. 0: 포인트 단위, 1: 예측단위(PU), 2: LPU(Largest Prediction Unit), 3: 부호화 단위(Coding Unit), 4: 기타 정의될 수 있는 단위
팔레트플래그(palette_flag)는 정의된 단위가 속성테이블(팔레트) 모드를 사용하는지 여부를 나타내는 1-bit 플래그를 나타낸다. 속성테이블(팔레트) 모드는 시퀀스 전체에 적용 될 수 있다. 0 : 팔레트 외 모드, 1 : 속성테이블(팔레트) 모드
팔레트인덱스(palette_index)는 속성테이블(팔레트) 모드 예측을 위한 속성테이블(팔레트 테이블) 인덱스를 나타낸다. 속성테이블(팔레트) 인덱스는 0 ~ n-1의 범위를 가질 수 있다.(n= 속성테이블(팔레트 테이블) 크기) 예외모드 코딩이 적용되는 경우 인덱스 중 하나를 예외모드로 매핑하여 예외모드에 따른 예측이 수행될 수 있다.
팔레트밸류(palette_value)는 속성테이블(팔레트 테이블)의 속성정보(팔레트)의 속성값을 나타낸다. 속성테이블(팔레트)의 각 인덱스는 속성정보(팔레트 속성값)와 매핑된다. 속성정보는(팔레트 속성값)는 r,g,b 또는 reflectance값을 포함한다.
팔레트리스트재사용플래그(palette_list_reuse_flag)는 후보리스트테이블(팔레트 예측 리스트)에 속한 속성정보들이 현재 속성테이블(팔레트 테이블)에 재사용되는지 여부를 나타내는 플래그들의 시퀀스 벡터를 나타낸다. 재사용 여부 플래그를 나타내는 시퀀스 벡터는 시퀀스 전체에 적용 될 수 있다. 0: 재사용 하지 않음, 1: 재사용 됨.
뉴팔레트플래그(new_palette_flag)는 현재 속성테이블(팔레트 테이블)을 구성하기 위해 새로운 속성정보(팔레트)를 파싱받을지 여부를 나타내는 1-bit 플래그이다. 플래그는 시퀀스 전체에 적용 될 수 있다.
뉴팔레트개수(new_palette_num)는 현재 속성테이블(팔레트 테이블)을 구성하기 위해 파싱받을 새로운 속성정보(팔레트)의 개수를 나타낸다. 개수의 범위는 0~n (n=속성테이블(팔레트 테이블)의 크기)이다. 뉴팔레트플래그(new_palette_flag)가 사용되는 경우, 파싱받을 속성정보(팔레트)의 개수는 뉴팔레트개수(new_palette_num) + 1 일 수 있다.
이전인덱스재사용플래그(previous_index_reuse_flag)는 이전 포인트에 사용된 속성정보(팔레트) 값을 현재 포인트의 예측값으로 사용할지 여부를 나타내는 1-bit 플래그이다. 플래그는 시퀀스 전체에 적용 될 수 있다. 0은 속성테이블(팔레트) 인덱스를 추가로 파싱함을 나타내고, 1은 속성테이블(팔레트) 인덱스 파싱을 생략하고 이전 속성정보(팔레트 값)를 통해 현재포인트를 예측하는 것을 나타낼 수 있다.
팔레트모드유닛PU(pallet_mode_unit_PU)는 팔레트모드유닛(palette_mode_unit)에서 정의된 예측단위에 적용된 기준을 나타낼 수 있다. 0: 옥트리 깊이(depth) 기반 1: 옥트리 QTBT(Quad Tree/Binary Tree) 기반 2: 예측트리 azimuth 기반 3: 예측트리 radius 기반 4: 예측트리 elevation 기반 5: 예측트리 lazer_ID 기반 6: 트라이숩 기반
팔레트모드지오메트리어트리뷰트유즈플래그(pallet_mode_geom_attr_use_flag) 는 속성테이블 모드(또는 팔레트 모드)를 적용하기 위해, 기하정보와 속성정보가 결합된 정보를 기반으로 예측단위가 정의되었는지 여부를 나타낼 수 있다. false는 기하 정보만 이용한 것이고, true는 기하정보와 속성정보를 모두 이용한 것이다.
팔레트모드IDCM플래그(pallet_mode_IDCM_flag)는 IDCM이 예측단위(PU)에 포함되는지 독립적으로 존재하는지 여부를 나타낼 수 있다. True는 IDCM이 예측단위에 포함되어 속성테이블 모드(팔레트 모드)가 적용됨을 나타내고, false는 IDCM이 예측단위에 포함되지 않고 독립적으로 속성테이블 모드(팔레트 모드)가 적용됨을 나타낼 수 있다.
팔레트모드인터프레임유즈플래그(pallet_mode_inter_frame_use_flag)는 프레임 간 예측 코딩(인터 예측 또는 화면간 예측 코딩)에서 예측 프레임(또는 참조 프레임)에 기반한 예측단위(PU)가 생성되었는지 여부를 시그널링 한다. False는 프레임 간 예측(인터 예측 또는 화면간 예측) 코딩에서 속성테이블 모드(팔레트 모드) 미사용을 나타내고, true는 프레임 간 예측 코딩에서 예측 프레임(또는 참조 프레임)에 기반한 예측단위PU 생성 및 팔레트 모드 사용)
도 32는 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
실시예들에 따른 속성테이블 모드 예측에 관한 정보들은 타일 파라미터 세트에 추가되어 시그널링될 수 있다.
팔레트모드유닛(palette_mode_unit)은 시퀀스 데이터 전체에서 속성테이블(팔레트) 모드를 사용 수 있는 데이터 단위를 정의한다. 0: 포인트 단위, 1: 예측단위(PU), 2: LPU(Largest Prediction Unit), 3: 부호화 단위(Coding Unit), 4: 기타 정의될 수 있는 단위
팔레트플래그(palette_flag)는 정의된 단위가 속성테이블(팔레트) 모드를 사용하는지 여부를 나타내는 1-bit 플래그를 나타낸다. 속성테이블(팔레트) 모드는 시퀀스 전체에 적용 될 수 있다. 0 : 팔레트 외 모드, 1 : 속성테이블(팔레트) 모드
팔레트인덱스(palette_index)는 속성테이블(팔레트) 모드 예측을 위한 속성테이블(팔레트 테이블) 인덱스를 나타낸다. 속성테이블(팔레트) 인덱스는 0 ~ n-1의 범위를 가질 수 있다.(n= 속성테이블(팔레트 테이블) 크기) 예외모드 코딩이 적용되는 경우 인덱스 중 하나를 예외모드로 매핑하여 예외모드에 따른 예측이 수행될 수 있다.
팔레트밸류(palette_value)는 속성테이블(팔레트 테이블)의 속성정보(팔레트)의 속성값을 나타낸다. 속성테이블(팔레트)의 각 인덱스는 속성정보(팔레트 속성값)와 매핑된다. 속성정보는(팔레트 속성값)는 r,g,b 또는 reflectance값을 포함한다.
팔레트리스트재사용플래그(palette_list_reuse_flag)는 후보리스트테이블(팔레트 예측 리스트)에 속한 속성정보들이 현재 속성테이블(팔레트 테이블)에 재사용되는지 여부를 나타내는 플래그들의 시퀀스 벡터를 나타낸다. 재사용 여부 플래그를 나타내는 시퀀스 벡터는 시퀀스 전체에 적용 될 수 있다. 0: 재사용 하지 않음, 1: 재사용 됨.
뉴팔레트플래그(new_palette_flag)는 현재 속성테이블(팔레트 테이블)을 구성하기 위해 새로운 속성정보(팔레트)를 파싱받을지 여부를 나타내는 1-bit 플래그이다. 플래그는 시퀀스 전체에 적용 될 수 있다.
뉴팔레트개수(new_palette_num)는 현재 속성테이블(팔레트 테이블)을 구성하기 위해 파싱받을 새로운 속성정보(팔레트)의 개수를 나타낸다. 개수의 범위는 0~n (n=속성테이블(팔레트 테이블)의 크기)이다. 뉴팔레트플래그(new_palette_flag)가 사용되는 경우, 파싱받을 속성정보(팔레트)의 개수는 뉴팔레트개수(new_palette_num) + 1 일 수 있다.
이전인덱스재사용플래그(previous_index_reuse_flag)는 이전 포인트에 사용된 속성정보(팔레트) 값을 현재 포인트의 예측값으로 사용할지 여부를 나타내는 1-bit 플래그이다. 플래그는 시퀀스 전체에 적용 될 수 있다. 0은 속성테이블(팔레트) 인덱스를 추가로 파싱함을 나타내고, 1은 속성테이블(팔레트) 인덱스 파싱을 생략하고 이전 속성정보(팔레트 값)를 통해 현재포인트를 예측하는 것을 나타낼 수 있다.
팔레트모드유닛PU(pallet_mode_unit_PU)는 팔레트모드유닛(palette_mode_unit)에서 정의된 예측단위에 적용된 기준을 나타낼 수 있다. 0: 옥트리 깊이(depth) 기반 1: 옥트리 QTBT(Quad Tree/Binary Tree) 기반 2: 예측트리 azimuth 기반 3: 예측트리 radius 기반 4: 예측트리 elevation 기반 5: 예측트리 lazer_ID 기반 6: 트라이숩 기반
팔레트모드지오메트리어트리뷰트유즈플래그(pallet_mode_geom_attr_use_flag) 는 속성테이블 모드(또는 팔레트 모드)를 적용하기 위해, 기하정보와 속성정보가 결합된 정보를 기반으로 예측단위가 정의되었는지 여부를 나타낼 수 있다. false는 기하 정보만 이용한 것이고, true는 기하정보와 속성정보를 모두 이용한 것이다.
팔레트모드IDCM플래그(pallet_mode_IDCM_flag)는 IDCM이 예측단위(PU)에 포함되는지 독립적으로 존재하는지 여부를 나타낼 수 있다. True는 IDCM이 예측단위에 포함되어 속성테이블 모드(팔레트 모드)가 적용됨을 나타내고, false는 IDCM이 예측단위에 포함되지 않고 독립적으로 속성테이블 모드(팔레트 모드)가 적용됨을 나타낼 수 있다.
팔레트모드인터프레임유즈플래그(pallet_mode_inter_frame_use_flag)는 프레임 간 예측 코딩(인터 예측 또는 화면간 예측 코딩)에서 예측 프레임(또는 참조 프레임)에 기반한 예측단위(PU)가 생성되었는지 여부를 시그널링 한다. False는 프레임 간 예측(인터 예측 또는 화면간 예측) 코딩에서 속성테이블 모드(팔레트 모드) 미사용을 나타내고, true는 프레임 간 예측 코딩에서 예측 프레임(또는 참조 프레임)에 기반한 예측단위PU 생성 및 팔레트 모드 사용)
도 33은 실시예들에 따른 지오메트리 파라미터 세트(Geometry Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
실시예들에 따른 속성테이블 모드 예측에 관한 정보들은 지오메트리 파라미터 세트에 추가되어 시그널링될 수 있다.
팔레트모드유닛(palette_mode_unit)은 시퀀스 데이터 전체에서 속성테이블(팔레트) 모드를 사용 수 있는 데이터 단위를 정의한다. 0: 포인트 단위, 1: 예측단위(PU), 2: LPU(Largest Prediction Unit), 3: 부호화 단위(Coding Unit), 4: 기타 정의될 수 있는 단위
팔레트플래그(palette_flag)는 정의된 단위가 속성테이블(팔레트) 모드를 사용하는지 여부를 나타내는 1-bit 플래그를 나타낸다. 속성테이블(팔레트) 모드는 시퀀스 전체에 적용 될 수 있다. 0 : 팔레트 외 모드, 1 : 속성테이블(팔레트) 모드
팔레트인덱스(palette_index)는 속성테이블(팔레트) 모드 예측을 위한 속성테이블(팔레트 테이블) 인덱스를 나타낸다. 속성테이블(팔레트) 인덱스는 0 ~ n-1의 범위를 가질 수 있다.(n= 속성테이블(팔레트 테이블) 크기) 예외모드 코딩이 적용되는 경우 인덱스 중 하나를 예외모드로 매핑하여 예외모드에 따른 예측이 수행될 수 있다.
팔레트밸류(palette_value)는 속성테이블(팔레트 테이블)의 속성정보(팔레트)의 속성값을 나타낸다. 속성테이블(팔레트)의 각 인덱스는 속성정보(팔레트 속성값)와 매핑된다. 속성정보는(팔레트 속성값)는 r,g,b 또는 reflectance값을 포함한다.
팔레트리스트재사용플래그(palette_list_reuse_flag)는 후보리스트테이블(팔레트 예측 리스트)에 속한 속성정보들이 현재 속성테이블(팔레트 테이블)에 재사용되는지 여부를 나타내는 플래그들의 시퀀스 벡터를 나타낸다. 재사용 여부 플래그를 나타내는 시퀀스 벡터는 시퀀스 전체에 적용 될 수 있다. 0: 재사용 하지 않음, 1: 재사용 됨.
뉴팔레트플래그(new_palette_flag)는 현재 속성테이블(팔레트 테이블)을 구성하기 위해 새로운 속성정보(팔레트)를 파싱받을지 여부를 나타내는 1-bit 플래그이다. 플래그는 시퀀스 전체에 적용 될 수 있다.
뉴팔레트개수(new_palette_num)는 현재 속성테이블(팔레트 테이블)을 구성하기 위해 파싱받을 새로운 속성정보(팔레트)의 개수를 나타낸다. 개수의 범위는 0~n (n=속성테이블(팔레트 테이블)의 크기)이다. 뉴팔레트플래그(new_palette_flag)가 사용되는 경우, 파싱받을 속성정보(팔레트)의 개수는 뉴팔레트개수(new_palette_num) + 1 일 수 있다.
이전인덱스재사용플래그(previous_index_reuse_flag)는 이전 포인트에 사용된 속성정보(팔레트) 값을 현재 포인트의 예측값으로 사용할지 여부를 나타내는 1-bit 플래그이다. 플래그는 시퀀스 전체에 적용 될 수 있다. 0은 속성테이블(팔레트) 인덱스를 추가로 파싱함을 나타내고, 1은 속성테이블(팔레트) 인덱스 파싱을 생략하고 이전 속성정보(팔레트 값)를 통해 현재포인트를 예측하는 것을 나타낼 수 있다.
팔레트모드유닛PU(pallet_mode_unit_PU)는 팔레트모드유닛(palette_mode_unit)에서 정의된 예측단위에 적용된 기준을 나타낼 수 있다. 0: 옥트리 깊이(depth) 기반 1: 옥트리 QTBT(Quad Tree/Binary Tree) 기반 2: 예측트리 azimuth 기반 3: 예측트리 radius 기반 4: 예측트리 elevation 기반 5: 예측트리 lazer_ID 기반 6: 트라이숩 기반
팔레트모드지오메트리어트리뷰트유즈플래그(pallet_mode_geom_attr_use_flag) 는 속성테이블 모드(또는 팔레트 모드)를 적용하기 위해, 기하정보와 속성정보가 결합된 정보를 기반으로 예측단위가 정의되었는지 여부를 나타낼 수 있다. false는 기하 정보만 이용한 것이고, true는 기하정보와 속성정보를 모두 이용한 것이다.
팔레트모드IDCM플래그(pallet_mode_IDCM_flag)는 IDCM이 예측단위(PU)에 포함되는지 독립적으로 존재하는지 여부를 나타낼 수 있다. True는 IDCM이 예측단위에 포함되어 속성테이블 모드(팔레트 모드)가 적용됨을 나타내고, false는 IDCM이 예측단위에 포함되지 않고 독립적으로 속성테이블 모드(팔레트 모드)가 적용됨을 나타낼 수 있다.
팔레트모드인터프레임유즈플래그(pallet_mode_inter_frame_use_flag)는 프레임 간 예측 코딩(인터 예측 또는 화면간 예측 코딩)에서 예측 프레임(또는 참조 프레임)에 기반한 예측단위(PU)가 생성되었는지 여부를 시그널링 한다. False는 프레임 간 예측(인터 예측 또는 화면간 예측) 코딩에서 속성테이블 모드(팔레트 모드) 미사용을 나타내고, true는 프레임 간 예측 코딩에서 예측 프레임(또는 참조 프레임)에 기반한 예측단위PU 생성 및 팔레트 모드 사용)
도 34는 실시예들에 따른 어트리뷰트 파라미터 세트(Attribute Parameter Set)의 신택스(Syntax) 예시를 나타낸다.
실시예들에 따른 속성테이블 모드 예측에 관한 정보들은 어트리뷰트 파라미터 세트에 추가되어 시그널링될 수 있다.
팔레트모드유닛(palette_mode_unit)은 시퀀스 데이터 전체에서 속성테이블(팔레트) 모드를 사용 수 있는 데이터 단위를 정의한다. 0: 포인트 단위, 1: 예측단위(PU), 2: LPU(Largest Prediction Unit), 3: 부호화 단위(Coding Unit), 4: 기타 정의될 수 있는 단위
팔레트플래그(palette_flag)는 정의된 단위가 속성테이블(팔레트) 모드를 사용하는지 여부를 나타내는 1-bit 플래그를 나타낸다. 속성테이블(팔레트) 모드는 시퀀스 전체에 적용 될 수 있다. 0 : 팔레트 외 모드, 1 : 속성테이블(팔레트) 모드
팔레트인덱스(palette_index)는 속성테이블(팔레트) 모드 예측을 위한 속성테이블(팔레트 테이블) 인덱스를 나타낸다. 속성테이블(팔레트) 인덱스는 0 ~ n-1의 범위를 가질 수 있다.(n= 속성테이블(팔레트 테이블) 크기) 예외모드 코딩이 적용되는 경우 인덱스 중 하나를 예외모드로 매핑하여 예외모드에 따른 예측이 수행될 수 있다.
팔레트밸류(palette_value)는 속성테이블(팔레트 테이블)의 속성정보(팔레트)의 속성값을 나타낸다. 속성테이블(팔레트)의 각 인덱스는 속성정보(팔레트 속성값)와 매핑된다. 속성정보는(팔레트 속성값)는 r,g,b 또는 reflectance값을 포함한다.
팔레트리스트재사용플래그(palette_list_reuse_flag)는 후보리스트테이블(팔레트 예측 리스트)에 속한 속성정보들이 현재 속성테이블(팔레트 테이블)에 재사용되는지 여부를 나타내는 플래그들의 시퀀스 벡터를 나타낸다. 재사용 여부 플래그를 나타내는 시퀀스 벡터는 시퀀스 전체에 적용 될 수 있다. 0: 재사용 하지 않음, 1: 재사용 됨.
뉴팔레트플래그(new_palette_flag)는 현재 속성테이블(팔레트 테이블)을 구성하기 위해 새로운 속성정보(팔레트)를 파싱받을지 여부를 나타내는 1-bit 플래그이다. 플래그는 시퀀스 전체에 적용 될 수 있다.
뉴팔레트개수(new_palette_num)는 현재 속성테이블(팔레트 테이블)을 구성하기 위해 파싱받을 새로운 속성정보(팔레트)의 개수를 나타낸다. 개수의 범위는 0~n (n=속성테이블(팔레트 테이블)의 크기)이다. 뉴팔레트플래그(new_palette_flag)가 사용되는 경우, 파싱받을 속성정보(팔레트)의 개수는 뉴팔레트개수(new_palette_num) + 1 일 수 있다.
이전인덱스재사용플래그(previous_index_reuse_flag)는 이전 포인트에 사용된 속성정보(팔레트) 값을 현재 포인트의 예측값으로 사용할지 여부를 나타내는 1-bit 플래그이다. 플래그는 시퀀스 전체에 적용 될 수 있다. 0은 속성테이블(팔레트) 인덱스를 추가로 파싱함을 나타내고, 1은 속성테이블(팔레트) 인덱스 파싱을 생략하고 이전 속성정보(팔레트 값)를 통해 현재포인트를 예측하는 것을 나타낼 수 있다.
팔레트모드유닛PU(pallet_mode_unit_PU)는 팔레트모드유닛(palette_mode_unit)에서 정의된 예측단위에 적용된 기준을 나타낼 수 있다. 0: 옥트리 깊이(depth) 기반 1: 옥트리 QTBT(Quad Tree/Binary Tree) 기반 2: 예측트리 azimuth 기반 3: 예측트리 radius 기반 4: 예측트리 elevation 기반 5: 예측트리 lazer_ID 기반 6: 트라이숩 기반
팔레트모드지오메트리어트리뷰트유즈플래그(pallet_mode_geom_attr_use_flag) 는 속성테이블 모드(또는 팔레트 모드)를 적용하기 위해, 기하정보와 속성정보가 결합된 정보를 기반으로 예측단위가 정의되었는지 여부를 나타낼 수 있다. false는 기하 정보만 이용한 것이고, true는 기하정보와 속성정보를 모두 이용한 것이다.
팔레트모드IDCM플래그(pallet_mode_IDCM_flag)는 IDCM이 예측단위(PU)에 포함되는지 독립적으로 존재하는지 여부를 나타낼 수 있다. True는 IDCM이 예측단위에 포함되어 속성테이블 모드(팔레트 모드)가 적용됨을 나타내고, false는 IDCM이 예측단위에 포함되지 않고 독립적으로 속성테이블 모드(팔레트 모드)가 적용됨을 나타낼 수 있다.
팔레트모드인터프레임유즈플래그(pallet_mode_inter_frame_use_flag)는 프레임 간 예측 코딩(인터 예측 또는 화면간 예측 코딩)에서 예측 프레임(또는 참조 프레임)에 기반한 예측단위(PU)가 생성되었는지 여부를 시그널링 한다. False는 프레임 간 예측(인터 예측 또는 화면간 예측) 코딩에서 속성테이블 모드(팔레트 모드) 미사용을 나타내고, true는 프레임 간 예측 코딩에서 예측 프레임(또는 참조 프레임)에 기반한 예측단위PU 생성 및 팔레트 모드 사용)
도 35는 실시예들에 따른 지오메트리 슬라이드 헤더(Geometry slice header)의 신택스(Syntax) 예시를 나타낸다.
실시예들에 따른 속성테이블 모드 예측에 관한 정보들은 지오메트리 슬라이스 헤더에 추가되어 시그널링될 수 있다. 지오메트리 슬라이스 헤더는 지오메트리 데이터 유닛 헤더(Geometry Data Unit Header)로 지칭될 수 있다.
팔레트모드유닛(palette_mode_unit)은 시퀀스 데이터 전체에서 속성테이블(팔레트) 모드를 사용 수 있는 데이터 단위를 정의한다. 0: 포인트 단위, 1: 예측단위(PU), 2: LPU(Largest Prediction Unit), 3: 부호화 단위(Coding Unit), 4: 기타 정의될 수 있는 단위
팔레트플래그(palette_flag)는 정의된 단위가 속성테이블(팔레트) 모드를 사용하는지 여부를 나타내는 1-bit 플래그를 나타낸다. 속성테이블(팔레트) 모드는 시퀀스 전체에 적용 될 수 있다. 0 : 팔레트 외 모드, 1 : 속성테이블(팔레트) 모드
팔레트인덱스(palette_index)는 속성테이블(팔레트) 모드 예측을 위한 속성테이블(팔레트 테이블) 인덱스를 나타낸다. 속성테이블(팔레트) 인덱스는 0 ~ n-1의 범위를 가질 수 있다.(n= 속성테이블(팔레트 테이블) 크기) 예외모드 코딩이 적용되는 경우 인덱스 중 하나를 예외모드로 매핑하여 예외모드에 따른 예측이 수행될 수 있다.
팔레트밸류(palette_value)는 속성테이블(팔레트 테이블)의 속성정보(팔레트)의 속성값을 나타낸다. 속성테이블(팔레트)의 각 인덱스는 속성정보(팔레트 속성값)와 매핑된다. 속성정보는(팔레트 속성값)는 r,g,b 또는 reflectance값을 포함한다.
팔레트리스트재사용플래그(palette_list_reuse_flag)는 후보리스트테이블(팔레트 예측 리스트)에 속한 속성정보들이 현재 속성테이블(팔레트 테이블)에 재사용되는지 여부를 나타내는 플래그들의 시퀀스 벡터를 나타낸다. 재사용 여부 플래그를 나타내는 시퀀스 벡터는 시퀀스 전체에 적용 될 수 있다. 0: 재사용 하지 않음, 1: 재사용 됨.
뉴팔레트플래그(new_palette_flag)는 현재 속성테이블(팔레트 테이블)을 구성하기 위해 새로운 속성정보(팔레트)를 파싱받을지 여부를 나타내는 1-bit 플래그이다. 플래그는 시퀀스 전체에 적용 될 수 있다.
뉴팔레트개수(new_palette_num)는 현재 속성테이블(팔레트 테이블)을 구성하기 위해 파싱받을 새로운 속성정보(팔레트)의 개수를 나타낸다. 개수의 범위는 0~n (n=속성테이블(팔레트 테이블)의 크기)이다. 뉴팔레트플래그(new_palette_flag)가 사용되는 경우, 파싱받을 속성정보(팔레트)의 개수는 뉴팔레트개수(new_palette_num) + 1 일 수 있다.
이전인덱스재사용플래그(previous_index_reuse_flag)는 이전 포인트에 사용된 속성정보(팔레트) 값을 현재 포인트의 예측값으로 사용할지 여부를 나타내는 1-bit 플래그이다. 플래그는 시퀀스 전체에 적용 될 수 있다. 0은 속성테이블(팔레트) 인덱스를 추가로 파싱함을 나타내고, 1은 속성테이블(팔레트) 인덱스 파싱을 생략하고 이전 속성정보(팔레트 값)를 통해 현재포인트를 예측하는 것을 나타낼 수 있다.
팔레트모드유닛PU(pallet_mode_unit_PU)는 팔레트모드유닛(palette_mode_unit)에서 정의된 예측단위에 적용된 기준을 나타낼 수 있다. 0: 옥트리 깊이(depth) 기반 1: 옥트리 QTBT(Quad Tree/Binary Tree) 기반 2: 예측트리 azimuth 기반 3: 예측트리 radius 기반 4: 예측트리 elevation 기반 5: 예측트리 lazer_ID 기반 6: 트라이숩 기반
팔레트모드지오메트리어트리뷰트유즈플래그(pallet_mode_geom_attr_use_flag) 는 속성테이블 모드(또는 팔레트 모드)를 적용하기 위해, 기하정보와 속성정보가 결합된 정보를 기반으로 예측단위가 정의되었는지 여부를 나타낼 수 있다. false는 기하 정보만 이용한 것이고, true는 기하정보와 속성정보를 모두 이용한 것이다.
팔레트모드IDCM플래그(pallet_mode_IDCM_flag)는 IDCM이 예측단위(PU)에 포함되는지 독립적으로 존재하는지 여부를 나타낼 수 있다. True는 IDCM이 예측단위에 포함되어 속성테이블 모드(팔레트 모드)가 적용됨을 나타내고, false는 IDCM이 예측단위에 포함되지 않고 독립적으로 속성테이블 모드(팔레트 모드)가 적용됨을 나타낼 수 있다.
팔레트모드인터프레임유즈플래그(pallet_mode_inter_frame_use_flag)는 프레임 간 예측 코딩(인터 예측 또는 화면간 예측 코딩)에서 예측 프레임(또는 참조 프레임)에 기반한 예측단위(PU)가 생성되었는지 여부를 시그널링 한다. False는 프레임 간 예측(인터 예측 또는 화면간 예측) 코딩에서 속성테이블 모드(팔레트 모드) 미사용을 나타내고, true는 프레임 간 예측 코딩에서 예측 프레임(또는 참조 프레임)에 기반한 예측단위PU 생성 및 팔레트 모드 사용)
도 36은 실시예들에 따른 어트리뷰트 슬라이드 헤더(Attribute slice header)의 신택스(Syntax) 예시를 나타낸다.
실시예들에 따른 속성테이블 모드 예측에 관한 정보들은 어트리뷰트 슬라이스 헤더에 추가되어 시그널링될 수 있다. 어트리뷰트 슬라이스 헤더는 어트리뷰트 데이터 유닛 헤더(Attribute Data Unit Header)로 지칭될 수 있다.
팔레트모드유닛(palette_mode_unit)은 시퀀스 데이터 전체에서 속성테이블(팔레트) 모드를 사용 수 있는 데이터 단위를 정의한다. 0: 포인트 단위, 1: 예측단위(PU), 2: LPU(Largest Prediction Unit), 3: 부호화 단위(Coding Unit), 4: 기타 정의될 수 있는 단위
팔레트플래그(palette_flag)는 정의된 단위가 속성테이블(팔레트) 모드를 사용하는지 여부를 나타내는 1-bit 플래그를 나타낸다. 속성테이블(팔레트) 모드는 시퀀스 전체에 적용 될 수 있다. 0 : 팔레트 외 모드, 1 : 속성테이블(팔레트) 모드
팔레트인덱스(palette_index)는 속성테이블(팔레트) 모드 예측을 위한 속성테이블(팔레트 테이블) 인덱스를 나타낸다. 속성테이블(팔레트) 인덱스는 0 ~ n-1의 범위를 가질 수 있다.(n= 속성테이블(팔레트 테이블) 크기) 예외모드 코딩이 적용되는 경우 인덱스 중 하나를 예외모드로 매핑하여 예외모드에 따른 예측이 수행될 수 있다.
팔레트밸류(palette_value)는 속성테이블(팔레트 테이블)의 속성정보(팔레트)의 속성값을 나타낸다. 속성테이블(팔레트)의 각 인덱스는 속성정보(팔레트 속성값)와 매핑된다. 속성정보는(팔레트 속성값)는 r,g,b 또는 reflectance값을 포함한다.
팔레트리스트재사용플래그(palette_list_reuse_flag)는 후보리스트테이블(팔레트 예측 리스트)에 속한 속성정보들이 현재 속성테이블(팔레트 테이블)에 재사용되는지 여부를 나타내는 플래그들의 시퀀스 벡터를 나타낸다. 재사용 여부 플래그를 나타내는 시퀀스 벡터는 시퀀스 전체에 적용 될 수 있다. 0: 재사용 하지 않음, 1: 재사용 됨.
뉴팔레트플래그(new_palette_flag)는 현재 속성테이블(팔레트 테이블)을 구성하기 위해 새로운 속성정보(팔레트)를 파싱받을지 여부를 나타내는 1-bit 플래그이다. 플래그는 시퀀스 전체에 적용 될 수 있다.
뉴팔레트개수(new_palette_num)는 현재 속성테이블(팔레트 테이블)을 구성하기 위해 파싱받을 새로운 속성정보(팔레트)의 개수를 나타낸다. 개수의 범위는 0~n (n=속성테이블(팔레트 테이블)의 크기)이다. 뉴팔레트플래그(new_palette_flag)가 사용되는 경우, 파싱받을 속성정보(팔레트)의 개수는 뉴팔레트개수(new_palette_num) + 1 일 수 있다.
이전인덱스재사용플래그(previous_index_reuse_flag)는 이전 포인트에 사용된 속성정보(팔레트) 값을 현재 포인트의 예측값으로 사용할지 여부를 나타내는 1-bit 플래그이다. 플래그는 시퀀스 전체에 적용 될 수 있다. 0은 속성테이블(팔레트) 인덱스를 추가로 파싱함을 나타내고, 1은 속성테이블(팔레트) 인덱스 파싱을 생략하고 이전 속성정보(팔레트 값)를 통해 현재포인트를 예측하는 것을 나타낼 수 있다.
팔레트모드유닛PU(pallet_mode_unit_PU)는 팔레트모드유닛(palette_mode_unit)에서 정의된 예측단위에 적용된 기준을 나타낼 수 있다. 0: 옥트리 깊이(depth) 기반 1: 옥트리 QTBT(Quad Tree/Binary Tree) 기반 2: 예측트리 azimuth 기반 3: 예측트리 radius 기반 4: 예측트리 elevation 기반 5: 예측트리 lazer_ID 기반 6: 트라이숩 기반
팔레트모드지오메트리어트리뷰트유즈플래그(pallet_mode_geom_attr_use_flag) 는 속성테이블 모드(또는 팔레트 모드)를 적용하기 위해, 기하정보와 속성정보가 결합된 정보를 기반으로 예측단위가 정의되었는지 여부를 나타낼 수 있다. false는 기하 정보만 이용한 것이고, true는 기하정보와 속성정보를 모두 이용한 것이다.
팔레트모드IDCM플래그(pallet_mode_IDCM_flag)는 IDCM이 예측단위(PU)에 포함되는지 독립적으로 존재하는지 여부를 나타낼 수 있다. True는 IDCM이 예측단위에 포함되어 속성테이블 모드(팔레트 모드)가 적용됨을 나타내고, false는 IDCM이 예측단위에 포함되지 않고 독립적으로 속성테이블 모드(팔레트 모드)가 적용됨을 나타낼 수 있다.
팔레트모드인터프레임유즈플래그(pallet_mode_inter_frame_use_flag)는 프레임 간 예측 코딩(인터 예측 또는 화면간 예측 코딩)에서 예측 프레임(또는 참조 프레임)에 기반한 예측단위(PU)가 생성되었는지 여부를 시그널링 한다. False는 프레임 간 예측(인터 예측 또는 화면간 예측) 코딩에서 속성테이블 모드(팔레트 모드) 미사용을 나타내고, true는 프레임 간 예측 코딩에서 예측 프레임(또는 참조 프레임)에 기반한 예측단위PU 생성 및 팔레트 모드 사용)
도 37은 실시예들에 따른 포인트 클라우드 데이터 송신방법의 예시를 나타낸다.
도 37은 실시예들에 따른 포인트 클라우드 데이터 송신방법의 예시를 나타낸다. 도 37를 참조하면, 포인트 클라우드 데이터를 인코딩하는 단계(S3700) 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계(S3710)를 포함한다. 또한, 포인트 클라우드 데이터를 인코딩하는 단계(S3700)는 상기 포인트 클라우드 데이터의 기하 정보를 인코딩하는 단계와 상기 포인트 클라우드 데이터의 속성 정보를 인코딩하는 단계를 포함할 수 있다.
포인트 클라우드 데이터를 인코딩하는 단계(S3700)는 도 1의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도 4의 인코더, 도 12의 전송장치, 도 14의 XR디바이스(1430), 도 15, 도17 및 도19 송신장치(또는 부호화부) 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 수행될 수 있다.
포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계(3710)는 도 1의 트랜스미터(10003), 도 12의 전송처리부(12012), 도 14의 XR디바이스(1430), 도 15 및 도 19의 송신장치(또는 부호화부) 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 포인트 클라우드 데이터를 전송할 수 있다.
포인트 클라우드 데이터를 인코딩하는 단계(S3700)는 기하 정보를 인코딩(부호화)하는 단계와 속성 정보를 인코딩(부호화)하는 단계를 포함한다. 기하 정보를 인코딩하는 단계는 옥트리 기반, 예측트리 기반 또는 트리숩으로 기하 정보를 부호화할 수 있고, 속성 정보를 인코딩하는 단계는 예측/리프팅 변환, RATH 변환 기반으로 속성 정보를 인코딩할 수 있다.
포인트 클라우드 데이터의 속성정보를 인코딩하는 단계는 복수의 속성정보들이 저장된 속성테이블의 인덱스 정보를 기반으로 포인트 클라우드 데이터의 속성정보를 예측하는 단계를 포함할 수 있다. 속성테이블 및 속성테이블을 기반으로 하는 속성정보의 예측에 관하여 도21 내지 도29에서 설명된다. 이때, 비트스트림은 속성테이블의 인덱스 정보를 포함하여, 실시예들에 따른 수신장치(예를들면, 도16 또는 도20의 속성정보 복호화부)에서 해당 인덱스 정보를 통해 속성정보를 예측할 수 있다.
보다 상세하게는, 속성정보를 예측하는 단계는 임의로 정의된 예측단위를 기반으로 속성정보를 예측할 수 있다. 실시예들에 따른 속성테이블 모드 예측을 위한 예측단위의 정의 방법은 도23 내지 도25에서 설명된다.
예를들면, 속성테이블 모드 예측이 수행되는 예측단위는 옥트리의 노드를 기반으로 정의될 수 있다. 보다 상세하게는, 도23 및 도24에서 설명하듯이 옥트리의 특정 깊이에 있는 노드의 하위 노드들을 하나의 예측단위로 정의할 수 있고, Quad Tree 또는 Binary Tree로 분할된 노드들을 기반으로 예측단위를 정의할 수 있다. 또한, 트라이숩에서 정의된 삼각형을 기반으로 각 삼각형 또는 삼각형들의 집합이 예측단위로 정의될 수도 있다. 또한, 예측단위는 부호화 또는 복호화 순서에 따라 소정의 개수(예를들면 N개)의 포인트들을 그룹으로 정의될 수 있다.
실시예들에 따른 속성정보를 예측하는 단계는, 예측단위를 기반으로 속성테이블을 갱신하는 단계를 포함할 수 있다. 이때, 속성테이블을 갱신하는 단계는, 속성테이블에 포함될 수 있는 후보 속성정보들을 포함하는 후보리스트테이블 및 후보리스트테이블에 포함된 속성정보들의 재사용 여부를 나타내는 재사용 플래그 정보를 기반으로 갱신될 수 있다. 실시예들에 따른 속성테이블의 갱신 방법은 도26에서 설명된다.
보다 상세하게는, 실시예들에 따른 속성테이블을 갱신하는 단계는, 후보리스트테이블에 포함되지 않은 새로운 속성정보들을 상기 속성테이블에 추가할 수 있다. 추가되는 새로운 속성정보의 개수 또는 새로운 속성정보의 속성값들은 시그널링 될 수 있다.
전술한 실시예들에 따른 속성테이블 모드 예측 방법은 도19 및 도20의 속성테이블 모드 예측부(19019, 20019)에서 수행될 수 있다.
도 38은 실시예들에 따른 포인트 클라우드 데이터 수신방법의 예시를 나타낸다.
도 38은 실시예들에 따른 포인트 클라우드 데이터 수신방법의 예시를 나타낸다. 도 38을 참조하면, 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계(S3800) 및 포인트 클라우드 데이터를 디코딩하는 단계(S3810)를 포함한다. 또한, 포인트 클라우드 데이터를 디코딩하는 단계(S3810)는 상기 포인트 클라우드 데이터의 기하 정보를 디코딩(복호화)하는 단계 및 상기 포인트 클라우드 데이터의 속성 정보를 디코딩(복호화)하는 단계를 포함한다.
포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계(S3800)는 도1의 수신장치(10004), 도10, 도 11의 수신장치, 도 13의 수신부(13000), 도14의 xr device(1430), 도 16, 18 및 20의 수신장치(또는 복호화부) 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 포인트 클라우드 데이터를 수신할 수 있다.
포인트 클라우드 데이터를 디코딩하는 단계(S3810)는 도1의 포인트 클라우드 비디오 디코더(10006), 도10, 도 11, 도13의 수신장치, 도14의 XR device(1430), 도 16, 18 및 20의 수신장치(또는 복호화부) 및/또는 하나 이상의 메모리들과 통신 가능하도록 설정된 하나 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합 등에 의해서 포인트 클라우드 데이터를 디코딩할 수 있다.
실시예들에 따른 포인트 클라우드 데이터의 속성정보를 디코딩하는 단계는, 복수의 속성정보들이 저장된 속성테이블의 인덱스 정보를 기반으로 상기 포인트 클라우드 데이터의 속성정보를 예측하는 단계를 포함할 수 있다. 이때, 비트스트림은 속성테이블의 속성정보들에 대한 인덱스 정보를 포함한다. 속성테이블 및 속성테이블을 기반으로 하는 속성정보의 예측에 관하여 도21 내지 도29에서 설명된다. 실시예들에 따른 수신장치(예를들면, 도16 또는 도20의 속성정보 복호화부)에서 해당 인덱스 정보를 통해 속성정보를 예측할 수 있다.
보다 상세하게는, 속성정보를 예측하는 단계는, 임의로 정의된 예측단위를 기반으로 상기 속성정보를 예측할 수 있다. 실시예들에 따른 속성테이블 모드 예측을 위한 예측단위의 정의 방법은 도23 내지 도25에서 설명된다.
예를들면, 속성테이블 모드 예측이 수행되는 예측단위는 옥트리의 노드를 기반으로 정의될 수 있다. 보다 상세하게는, 도23 및 도24에서 설명하듯이 옥트리의 특정 깊이에 있는 노드의 하위 노드들을 하나의 예측단위로 정의할 수 있고, Quad Tree 또는 Binary Tree로 분할된 노드들을 기반으로 예측단위를 정의할 수 있다. 또한, 트라이숩에서 정의된 삼각형을 기반으로 각 삼각형 또는 삼각형들의 집합이 예측단위로 정의될 수도 있다. 또한, 예측단위는 부호화 또는 복호화 순서에 따라 소정의 개수(예를들면 N개)의 포인트들을 그룹으로 정의될 수 있다.
실시예들에 따른 속성정보를 예측하는 단계는, 예측단위를 기반으로 속성테이블을 갱신하는 단계를 포함할 수 있다. 이때, 속성테이블을 갱신하는 단계는, 속성테이블에 포함될 수 있는 후보 속성정보들을 포함하는 후보리스트테이블 및 후보리스트테이블에 포함된 속성정보들의 재사용 여부를 나타내는 재사용 플래그 정보를 기반으로 갱신될 수 있다. 실시예들에 따른 속성테이블의 갱신 방법은 도26에서 설명된다.
보다 상세하게는, 실시예들에 따른 속성테이블을 갱신하는 단계는, 후보리스트테이블에 포함되지 않은 새로운 속성정보들을 상기 속성테이블에 추가할 수 있다. 추가되는 새로운 속성정보의 개수 또는 새로운 속성정보의 속성값들은 시그널링 될 수 있다.
전술한 실시예들에 따른 속성테이블 모드 예측 방법은 도19 및 도20의 속성테이블 모드 예측부(19019, 20019)에서 수행될 수 있다.
실시예들에 따른 속성테이블 모드(또는 팔레트 모드) 예측은 포인트 클라우드 데이터의 속성 압축을 효율적으로 하기 위해 제안되었다. 데이터 처리 과정에서 빈도수가 높은 속성정보들을 판별하여 속성테이블(팔레트 테이블)을 구성하고, 속성테이블(팔레트)를 실시예들에 따른 부호화기에서 실시예들에 따른 복호화기로 송신하여 속성테이블의 인덱스를 기반으로 속성정보를 복호화하는 방안이다.
실시예들에 따른 포인트 클라우드 데이터 부호화/복호화 방법은 각 속성정보들을 일일히 압축하여, 속성값 하나 당 발생하는 잔차값을 매번 수신하는 문제점을 제거하므로 비트스트림의 사이즈를 줄일 수 있다. 또한, 속성테이블 모드(팔레트 모드)의 예측단위(PU)를 시그널링 하여 속성테이블 모드(팔레트 모드)를 예측단위로 적용하는 방법이 제안된다. 동일 속성값을 가진 포인트들이 많을수록 압축 효율이 높아지는 효과가 있으며, 예측단위(PU)의 정의 방법에 따라 압축 효율에 차이가 발생할 수 있다. 실시예들에 따른 부호화/복호화 과정은 예측단위(PU)에 대하여 인덱스 시그널링으로 압축 효율을 극대화할 수 있다. 속성테이블 모드(팔레트 모드)에 적합한 예측단위(PU)를 정의함으로써 IDCM 혹은 프레임 간 코딩(인터 코딩) 방법 등에서 속성테이블 모드(팔레트 모드)를 사용할 수 있는 방안이 제시된다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 도면을 나누었으나, 각 도면에 서술되어 있는 실시예들을 병합하여 새로운 실시예를 구현하도록 설계할 수 있다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정 실시예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다.
실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다.
또한, 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
본 명세서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 본 명세서에서 “또는”은 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 의미하고, 2) “B” 만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되지 않는다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사용되는 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
한편, 상술한 실시예들에 따른 동작은 실시예들 따른 전송장치 및/또는 수신장치에 의해서 수행될 수 있다. 송수신장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.
상술한 바와 같이 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다. 당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다. 실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항 및 그 와 동일하다고 인정되는 것의 범위를 벗어나지 않는다.

Claims (28)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계;를 포함하고,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 기하정보를 인코딩하는 단계와,
    상기 포인트 클라우드 데이터의 속성정보를 인코딩하는 단계를 포함하는,
    포인트 클라우드 데이터 송신방법.
  2. 청구항 1에 있어서,
    상기 포인트 클라우드 데이터의 속성정보를 인코딩하는 단계는,
    복수의 속성정보들이 저장된 속성테이블의 인덱스 정보를 기반으로 상기 포인트 클라우드 데이터의 속성정보를 예측하는 단계를 포함하고,
    상기 비트스트림은,
    상기 속성테이블의 인덱스 정보를 포함하는,
    포인트 클라우드 데이터 송신방법.
  3. 청구항 2에 있어서,
    상기 속성정보를 예측하는 단계는,
    임의로 정의된 예측단위를 기반으로 상기 속성정보를 예측하는,
    포인트 클라우드 데이터 송신방법.
  4. 청구항 3에 있어서,
    상기 예측단위는,
    옥트리의 노드를 기반으로 정의되는,
    포인트 클라우드 데이터 송신방법.
  5. 청구항 3에 있어서,
    상기 예측단위는,
    부호화 순서에 따라 소정의 개수의 포인트들로 정의되는,
    포인트 클라우드 데이터 송신방법.
  6. 청구항 3에 있어서,
    상기 속성정보를 예측하는 단계는,
    상기 예측단위를 기반으로 상기 속성테이블을 갱신하는 단계를 포함하고,
    상기 갱신하는 단계는,
    상기 속성테이블에 포함될 수 있는 후보 속성정보들을 포함하는 후보리스트테이블과, 상기 후보리스트테이블에 포함된 속성정보들의 재사용 여부를 나타내는 재사용 플래그 정보를 기반으로 상기 속성테이블을 갱신하는,
    포인트 클라우드 데이터 송신방법.
  7. 청구항 6에 있어서,
    상기 갱신하는 단계는,
    상기 후보리스트테이블에 포함되지 않은 새로운 속성정보들을 상기 속성테이블에 추가하는,
    포인트 클라우드 데이터 송신방법.
  8. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터를 포함하고,
    상기 인코더는,
    상기 포인트 클라우드 데이터의 기하정보를 인코딩하는 기하정보 부호화부와, 상기 포인트 클라우드 데이터의 속성정보를 인코딩하는 속성정보 부호화부를 포함하는,
    포인트 클라우드 데이터 송신장치.
  9. 청구항 8에 있어서,
    상기 속성정보 부호화부는,
    복수의 속성정보들이 저장된 속성테이블의 인덱스 정보를 기반으로 상기 포인트 클라우드 데이터의 속성정보를 예측하는 속성테이블 모드 예측부를 포함하고,
    상기 비트스트림은,
    상기 속성테이블의 인덱스 정보를 포함하는,
    포인트 클라우드 데이터 송신장치.
  10. 청구항 9에 있어서,
    상기 속성테이블 모드 예측부는,
    임의로 정의된 예측단위를 기반으로 상기 속성정보를 예측하는,
    포인트 클라우드 데이터 송신장치.
  11. 청구항 10에 있어서,
    상기 예측단위는,
    옥트리의 노드를 기반으로 정의되는,
    포인트 클라우드 데이터 송신장치.
  12. 청구항 10에 있어서,
    상기 예측단위는,
    부호화 순서에 따라 소정의 개수의 포인트들로 정의되는,
    포인트 클라우드 데이터 송신장치.
  13. 청구항 10에 있어서,
    상기 속성테이블 모드 예측부는,
    상기 예측단위를 기반으로 상기 속성테이블을 갱신하고,
    상기 속성테이블에 포함될 수 있는 후보 속성정보들을 포함하는 후보리스트테이블과, 상기 후보리스트테이블에 포함된 속성정보들의 재사용 여부를 나타내는 재사용 플래그 정보를 기반으로 상기 속성테이블을 갱신하는,
    포인트 클라우드 데이터 송신장치.
  14. 청구항 13에 있어서,
    상기 속성테이블 모드 예측부는,
    상기 후보리스트테이블에 포함되지 않은 새로운 속성정보들을 상기 속성테이블에 추가하는,
    포인트 클라우드 데이터 송신장치.
  15. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함하고,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터의 기하정보를 디코딩하는 단계와 상기 포인트 클라우드 데이터의 속성정보를 디코딩하는 단계를 포함하는,
    포인트 클라우드 데이터 수신방법.
  16. 청구항 15에 있어서,
    상기 포인트 클라우드 데이터의 속성 정보를 디코딩하는 단계는,
    복수의 속성정보들이 저장된 속성테이블의 인덱스 정보를 기반으로 상기 포인트 클라우드 데이터의 속성정보를 예측하는 단계를 포함하고,
    상기 비트스트림은,
    상기 속성테이블의 속성정보들에 대한 인덱스 정보를 포함하는,
    포인트 클라우드 데이터 수신방법.
  17. 청구항 16에 있어서,
    상기 속성정보를 예측하는 단계는,
    임의로 정의된 예측단위를 기반으로 상기 속성정보를 예측하는,
    포인트 클라우드 데이터 수신방법.
  18. 청구항 17에 있어서,
    상기 예측단위는,
    옥트리의 노드를 기반으로 정의되는,
    포인트 클라우드 데이터 수신방법.
  19. 청구항 17에 있어서,
    상기 예측단위는,
    복호화 순서에 따라 소정의 개수의 포인트들로 정의되는,
    포인트 클라우드 데이터 수신방법.
  20. 청구항 16에 있어서,
    상기 속성정보를 예측하는 단계는,
    상기 예측단위를 기반으로 상기 속성테이블을 갱신하는 단계를 포함하고,
    상기 갱신하는 단계는,
    상기 속성테이블에 포함될 수 있는 후보 속성정보들을 포함하는 후보리스트테이블과, 상기 후보리스트테이블에 포함된 상기 후보 속성정보들의 재사용 여부를 나타내는 재사용 플래그 정보를 기반으로 상기 속성테이블을 갱신하는,
    포인트 클라우드 데이터 수신방법.
  21. 청구항 20에 있어서,
    상기 갱신하는 단계는,
    상기 후보리스트테이블에 포함되지 않은 새로운 속성정보들을 상기 속성테이블에 추가하는,
    포인트 클라우드 데이터 수신방법.
  22. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더를 포함하고,
    상기 디코더는,
    상기 포인트 클라우드 데이터의 기하정보를 디코딩하는 기하정보 복호화부와, 상기 포인트 클라우드 데이터의 속성 정보를 디코딩하는 속성정보 복호화부를 포함하는,
    포인트 클라우드 데이터 수신장치.
  23. 청구항 22에 있어서,
    상기 속성정보 부호화부는,
    복수의 속성정보들이 저장된 속성테이블의 인덱스 정보를 기반으로 상기 포인트 클라우드 데이터의 속성정보를 예측하는 속성테이블 모드 예측부를 포함하고,
    상기 비트스트림은,
    상기 속성테이블의 인덱스 정보를 포함하는,
    포인트 클라우드 데이터 수신장치.
  24. 청구항 23에 있어서,
    상기 속성테이블 모드 예측부는,
    임의로 정의된 예측단위를 기반으로 상기 속성정보를 예측하는,
    포인트 클라우드 데이터 수신장치.
  25. 청구항 24에 있어서,
    상기 예측단위는,
    옥트리의 노드를 기반으로 정의되는,
    포인트 클라우드 데이터 수신장치.
  26. 청구항 24에 있어서,
    상기 예측단위는,
    복호화 순서에 따라 소정의 개수의 포인트들로 정의되는,
    포인트 클라우드 데이터 수신장치.
  27. 청구항 24에 있어서,
    상기 속성테이블 모드 예측부는,
    상기 예측단위를 기반으로 상기 속성테이블을 갱신하고,
    상기 속성테이블에 포함될 수 있는 후보 속성정보들을 포함하는 후보리스트테이블과, 상기 후보리스트테이블에 포함된 속성정보들의 재사용 여부를 나타내는 재사용 플래그 정보를 기반으로 상기 속성테이블을 갱신하는,
    포인트 클라우드 데이터 수신장치.
  28. 청구항 27에 있어서,
    상기 속성테이블 모드 예측부는,
    상기 후보리스트테이블에 포함되지 않은 새로운 속성정보들을 상기 속성테이블에 추가하는,
    포인트 클라우드 데이터 수신장치.
PCT/KR2022/004569 2021-05-28 2022-03-31 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 WO2022250276A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210069309 2021-05-28
KR10-2021-0069309 2021-05-28

Publications (1)

Publication Number Publication Date
WO2022250276A1 true WO2022250276A1 (ko) 2022-12-01

Family

ID=84230043

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/004569 WO2022250276A1 (ko) 2021-05-28 2022-03-31 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치

Country Status (1)

Country Link
WO (1) WO2022250276A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200092418A (ko) * 2017-12-22 2020-08-03 삼성전자주식회사 포인트 클라우드 압축에서 중복 포인트를 처리하기 위한 방법 및 장치
KR20200115456A (ko) * 2019-03-22 2020-10-07 엘지전자 주식회사 Dmvr 및 bdof 기반의 인터 예측 방법 및 장치 기술분야
WO2021060844A1 (ko) * 2019-09-23 2021-04-01 엘지전자 주식회사 팔레트 모드를 이용한 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
KR20210041528A (ko) * 2019-10-07 2021-04-15 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200092418A (ko) * 2017-12-22 2020-08-03 삼성전자주식회사 포인트 클라우드 압축에서 중복 포인트를 처리하기 위한 방법 및 장치
KR20200115456A (ko) * 2019-03-22 2020-10-07 엘지전자 주식회사 Dmvr 및 bdof 기반의 인터 예측 방법 및 장치 기술분야
WO2021060844A1 (ko) * 2019-09-23 2021-04-01 엘지전자 주식회사 팔레트 모드를 이용한 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
KR20210041528A (ko) * 2019-10-07 2021-04-15 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 *

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
WO2021141352A2 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021210764A1 (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
WO2020189943A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020197086A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002592A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021029511A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022019713A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246843A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141218A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045603A1 (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
WO2021242064A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021182937A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022015006A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021029575A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045601A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002665A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2022240128A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2022186651A1 (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
WO2021141221A1 (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

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: 22811469

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22811469

Country of ref document: EP

Kind code of ref document: A1