WO2023068846A1 - 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 - Google Patents

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

Info

Publication number
WO2023068846A1
WO2023068846A1 PCT/KR2022/016047 KR2022016047W WO2023068846A1 WO 2023068846 A1 WO2023068846 A1 WO 2023068846A1 KR 2022016047 W KR2022016047 W KR 2022016047W WO 2023068846 A1 WO2023068846 A1 WO 2023068846A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
cloud data
geometry
points
information
Prior art date
Application number
PCT/KR2022/016047
Other languages
English (en)
French (fr)
Inventor
이수연
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020247016478A priority Critical patent/KR20240099306A/ko
Priority to EP22884068.2A priority patent/EP4422181A1/en
Publication of WO2023068846A1 publication Critical patent/WO2023068846A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/537—Motion estimation other than block-based
    • H04N19/54—Motion estimation other than block-based using feature points or meshes
    • 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

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • the point cloud content is content represented by a point cloud, which is a set of points belonging to a coordinate system representing a 3D space (space or volume).
  • Point cloud content can express three-dimensional media, VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), XR (Extended Reality), and autonomous driving It is used to provide various services such as service.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • XR Extended Reality
  • autonomous driving It is used to provide various services such as service.
  • 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.
  • a technical problem according to embodiments is to provide a point cloud data transmission apparatus, a transmission method, a point cloud data reception apparatus, and a reception method for efficiently transmitting and receiving a point cloud in order to solve the above-mentioned problems.
  • a technical problem according to embodiments is to provide a point cloud data transmission device, a transmission method, and a point cloud data reception device and reception method for solving latency and encoding/decoding complexity.
  • a technical problem according to embodiments is a point cloud data transmission device, transmission method, point cloud data reception device and reception method for efficiently transmitting and receiving a geometry-point cloud compression (G-PCC) bitstream is providing
  • G-PCC geometry-point cloud compression
  • a technical problem according to embodiments is a point cloud data transmission apparatus, a transmission method, and a point cloud data reception apparatus capable of increasing compression efficiency of point cloud data by reflecting similarities between different frames when compressing point cloud data. and a receiving method.
  • a technical problem according to embodiments is a point cloud data transmission device, transmission method, and point cloud that can increase compression efficiency by applying a non-uniform sampling method when estimating global motion between frames of point cloud data captured by lidar equipment. It is to provide a data receiving device and receiving method.
  • a point cloud data transmission method may include encoding point cloud data and transmitting the encoded point cloud data and signaling information.
  • the encoding of the point cloud data may include dividing points of the point cloud data into a plurality of subgroups, setting the number of points to be sampled for each subgroup, and sampling set for each subgroup.
  • the method may include compressing the point cloud data by performing sampling for each subgroup based on the number of points to be performed.
  • the dividing step divides the points of the point cloud data into a plurality of subgroups based on the z-axis.
  • the setting step sets the sampling number of each subgroup based on the total number of points of the point cloud data, the number of points included in each subgroup, and the total sampling number of the point cloud data. .
  • the compressing step determines whether to apply a global motion matrix to a corresponding subgroup based on the number of points included in each subgroup.
  • the signaling information includes at least information for identifying whether non-uniform sampling is applied to the point cloud data, information for identifying the number of divided subgroups, and whether a global motion matrix is applied to the corresponding subgroup for each subgroup. It is an embodiment to include information for identifying whether or not.
  • An apparatus for transmitting point cloud data may include an encoder that encodes point cloud data, and a transmitter that transmits the encoded point cloud data and signaling information.
  • the encoder divides the points of the point cloud data into a plurality of subgroups, sets the number of points to be sampled for each subgroup, and sets the number of points to be sampled for each subgroup based on the number of points to be sampled.
  • An embodiment is to compress the point cloud data by performing sampling separately.
  • the encoder divides points of the point cloud data into a plurality of subgroups based on a z-axis.
  • the encoder sets the sampling number of each subgroup based on the total number of points of the point cloud data, the number of points included in each subgroup, and the total sampling number of the point cloud data.
  • the encoder determines whether to apply a global motion matrix to a corresponding subgroup based on the number of points included in each subgroup.
  • the signaling information includes at least information for identifying whether non-uniform sampling is applied to the point cloud data, information for identifying the number of divided subgroups, and whether a global motion matrix is applied to the corresponding subgroup for each subgroup. It is an embodiment to include information for identifying whether or not.
  • a method for receiving point cloud data includes receiving point cloud data and signaling information, decoding the point cloud data based on the signaling information, and rendering the decoded point cloud data. can do.
  • the decoding of the point cloud data divides the received point cloud data into a plurality of subgroups based on the signaling information, and performs decoding in units of the divided subgroups.
  • the decoding step checks whether a global motion matrix is applied to a corresponding subgroup based on the signaling information, and performs global motion compensation on the corresponding subgroup based on the checked result.
  • the decoding step further includes performing local motion compensation on the subgroup for which the global motion compensation has been performed.
  • the signaling information includes at least information for identifying whether non-uniform sampling is applied to the point cloud data, information for identifying the number of divided subgroups, and whether a global motion matrix is applied to the corresponding subgroup for each subgroup. It is an embodiment to include information for identifying whether or not.
  • the signaling information further includes index information for identifying each of the subgroups.
  • a method for transmitting point cloud data, a transmitting device, a method for receiving point cloud data, and a receiving device may provide a quality point cloud service.
  • a method for transmitting point cloud data, a transmitting device, a method for receiving point cloud data, and a receiving device may achieve various video codec schemes.
  • a method for transmitting point cloud data, a transmitting device, a method for receiving point cloud data, and a receiving device may provide general-purpose point cloud content such as an autonomous driving service.
  • the point cloud data transmission method, transmission device, point cloud data reception method, and reception device perform spatially adaptive division of point cloud data for independent encoding and decoding of the point cloud data, thereby improving parallel processing and It can provide scalability.
  • a method for transmitting point cloud data, a transmitting device, a method for receiving point cloud data, and a receiving device divide point cloud data into tile and/or slice units, perform encoding and decoding, and signal necessary data for this to point cloud data. Encoding and decoding performance of the cloud can be improved.
  • Point cloud data transmission method, transmission device, point cloud data reception method, and reception device apply non-uniform sampling method and global motion matrix for global motion estimation and motion compensation of inter-screen motion prediction of point cloud content By proposing a method for determining , it is possible to improve compression performance of point cloud data.
  • a method and apparatus for transmitting point cloud data divide points of point cloud data into a plurality of sub-blocks and sample different numbers of points for each sub-block according to the number of points included in the corresponding sub-block. In particular, by sampling more points in a sub-block including points at more important locations, there is an effect of improving the accuracy of global motion estimation.
  • the point cloud data receiving method and receiving device perform global motion compensation differently according to whether a global motion estimation result is applied to each sub-block, thereby reducing the bitstream size and decoding time.
  • FIG. 1 shows a system for providing point cloud content according to embodiments.
  • FIG. 2 shows a process for providing Point Cloud content according to embodiments.
  • FIG. 3 shows a Point Cloud capture equipment arrangement according to embodiments.
  • FIG. 4 shows a point cloud video encoder according to embodiments.
  • FIG. 5 illustrates voxels in a 3D space according to example 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 8 shows an example of Point configuration of Point Cloud contents for each LOD according to embodiments.
  • FIG 9 shows an example of Point configuration of Point Cloud contents for each LOD according to embodiments.
  • FIG. 10 shows an example of a block diagram of a point cloud video decoder according to embodiments.
  • FIG. 11 shows an example of a point cloud video decoder according to embodiments.
  • FIG. 12 shows components for Point Cloud video encoding by a transmitter according to embodiments.
  • FIG. 13 shows components for Point Cloud video decoding by a receiver according to embodiments.
  • FIG. 14 shows an example of a structure capable of interworking with a point cloud data method/apparatus according to embodiments.
  • FIG. 15 is a diagram showing an example in which a GOF is configured with a plurality of frames according to embodiments.
  • FIG. 16 is a diagram showing another example of a point cloud transmission device according to embodiments.
  • 17 is a diagram showing an example of dividing points in an object into a plurality of subgroups in a geometry encoder according to embodiments.
  • FIG. 18 is a diagram showing an example of a process of determining whether a global motion matrix is applied in a geometry encoder according to embodiments.
  • FIG. 19 is a diagram showing an example of an operation of a geometry encoder of a point cloud receiving device according to embodiments.
  • FIG. 20 shows an example of a bitstream structure of point cloud data for transmission/reception according to embodiments.
  • 21 is a diagram showing an embodiment of a syntax structure of a sequence parameter set according to embodiments.
  • FIG. 22 is a diagram showing an embodiment of a syntax structure of a geometry parameter set according to embodiments.
  • 23 is a diagram showing an example of a syntax structure of an attribute parameter set according to embodiments.
  • FIG. 24 is a diagram showing an example of a syntax structure of a geometry data unit header according to embodiments.
  • FIG. 25 is a diagram showing another example of a point cloud receiving device according to embodiments.
  • 26 is a diagram showing an example of a geometry decoding operation of a point cloud receiving device according to embodiments.
  • FIG. 27 shows a flowchart of a point cloud data transmission method according to embodiments.
  • FIG. 28 shows a flowchart of a method for receiving point cloud data according to embodiments.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system shown in FIG. 1 may include a transmission device 10000 and a reception device 10004.
  • the transmitting device 10000 and the receiving device 10004 may perform wired/wireless communication to transmit/receive point cloud data.
  • the transmission device 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 transmission device 10000 is a device that communicates with a base station and/or other wireless devices using a radio 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 radio 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
  • a transmission device 10000 includes a Point Cloud Video Acquisition unit 10001, a Point Cloud Video Encoder 10002 and/or a Transmitter (or Communication module), 10003)
  • the point cloud video acquisition unit 10001 acquires a point cloud video through processing such as capture, synthesis, or generation.
  • 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.
  • 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 receiving device 10004 (or the receiver 10005) through a network such as 4G, 5G, or 6G.
  • the transmitter 10003 may perform necessary data processing operations depending on the network system (for example, a communication network system such as 4G, 5G, or 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 receiving device 10004 is a device or robot 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)) , vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Things (IoT) devices, AI devices/servers, and the like.
  • a wireless access technology eg, 5G New RAT (NR), Long Term Evolution (LTE)
  • vehicles e.g., AR/VR/XR devices
  • mobile devices e.g, home appliances, Internet of Things (IoT) devices, AI devices/servers, and the like.
  • IoT Internet of Things
  • 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 or module) 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 an interactivity with a user consuming 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 transmitter (eg, the transmission device 10000) and/or the service provider.
  • the feedback information may be used in the receiving device 10004 as well as in the transmitting device 10000, or 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 views 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 result of the gaze analysis 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 obtained by one or more sensors included in the receiving device 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 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 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 transmitting apparatus 10000 may be referred to as an encoder, a transmitting device, a transmitter, a transmitting system, and the like, and a receiving apparatus 10004 may be referred to as a decoder, a receiving device, a receiver, a receiving system, and the like.
  • 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. Geometry contains positions 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, and the like, and attributes may be referred to as attributes, attribute information, and attribute data.
  • 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 geometry and attributes of points.
  • 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.
  • a 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. there is.
  • 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 receiving device 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 receiving device 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 eg, the receiving device 10004 or the renderer 10007) may render the geometry and attributes decoded through a 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.).
  • a display eg, VR/AR display, general display, etc.
  • the point cloud content providing system (eg, the receiving device 10004) according to embodiments may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode 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-pacing 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-pacing 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 capturing 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 video encoder according to embodiments.
  • FIG. 4 shows a detailed example of the point cloud video encoder 10002 of FIG. 1 .
  • the point cloud video encoder adjusts the quality (eg, lossless, lossy, near-lossless) of the point cloud content according to network conditions or applications, etc. or attributes) and perform an encoding operation.
  • the quality eg, lossless, lossy, near-lossless
  • 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 video encoder can perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • a point cloud video encoder includes a transformation coordinates unit (40000), a quantization unit (40001), an octree analysis unit (40002), and a surface approximation analysis unit (Surface Approximation unit).
  • the coordinate system conversion unit 40000, the quantization unit 40001, the octree analysis unit 40002, the surface approximate analysis unit 40003, the Arithmetic encoder 40004, and the geometry reconstruction unit 40005 perform geometry encoding. can do.
  • Geometry encoding according to embodiments may include octree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisup geometry encoding are applied selectively or in combination. Also, 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.
  • the quantization unit 40001 quantizes geometry information. For example, 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 quantization scale value, and then performs a quantization operation to find the closest integer value by performing rounding or rounding. Thus, one or more points may have the same quantized position (or position value). The quantization unit 40001 according to embodiments performs voxelization based on quantized positions to reconstruct quantized points.
  • 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 quantization scale value, and then performs a quantization operation to find the
  • Voxelization means a minimum unit representing location information in a 3D space.
  • Points of point cloud content (or 3D point cloud video) according to embodiments 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 point 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 is color transform coding, attribute transform coding, region adaptive hierarchical transform (RAHT) coding, interpolation-based hierarchical nearest-neighbour prediction-prediction transform coding and lifting transform (interpolation-based hierarchical nearest -neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • RAHT region adaptive hierarchical transform
  • interpolation-based hierarchical nearest-neighbour prediction-prediction transform coding interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)
  • lifting transform interpolation-based hierarchical nearest -neighbor prediction with an update/lifting step
  • 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 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 a K-D tree or a 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 the Morton code value 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.
  • the LOD generating unit 40009 generates LOD (Level of Detail).
  • LOD Level of Detail
  • LOD 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.
  • elements of the point cloud video encoder of FIG. 4 include one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud content providing device. It may be implemented in hardware, software, firmware, or a combination thereof. One or more processors may perform at least one or more of operations and/or functions of elements of the point cloud video 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 video 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.).
  • 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 extreme points (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 (the point cloud video encoder 10002) or the octree analyzer 40002 of the point cloud video encoder is used to efficiently manage the region and/or position of a voxel. It performs octree geometry coding (or octree coding) based on the octree structure.
  • 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 recursive 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 d value is determined according to Equation 1 below.
  • (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 video encoder (eg, the Arismetic encoder 40004) according to embodiments may entropy encode the occupancy code. Also, to increase compression efficiency, the point cloud video encoder can 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 video encoder (eg, 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. In this case, 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 video 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 (Direct Coding). coding) can be performed. Coordinates of direct coding points according to embodiments are called a direct coding mode (DCM).
  • the point cloud video encoder may perform trisoup geometry encoding for reconstructing positions of points in a specific region (or node) based on a voxel based on a surface model. .
  • Tri-Sup geometry encoding is a geometry encoding that expresses the representation of an object as a series of triangle meshes.
  • a point cloud video decoder can generate a point cloud from the mesh surface.
  • Direct coding and trisup geometry encoding according to embodiments may be selectively performed. Also, direct coding and 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. Also, the total number of points to be subjected to direct coding must not exceed a predetermined limit. If the above condition is satisfied, the point cloud video encoder (eg, the Arismetic encoder 40004) according to the embodiments may entropy code positions (or position values) of points.
  • the point cloud video encoder (for example, the surface approximation analyzer 40003) according to the embodiments determines a specific level of the octree (when the level is smaller than the depth d of the octree), and uses a surface model from that level. Tri-sup geometry encoding may be performed to reconstruct the position of a point in a node region based on voxels (tri-sup mode).
  • the point cloud video 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 video encoder does not operate in tri-sup mode.
  • the point cloud video 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 video encoder determines the starting point (x, y, z) of the edge and the direction vector ( x, y, z), vertex position values (relative position values within an edge) may be entropy coded.
  • the point cloud video encoder for example, the geometry reconstruction unit 40005
  • the point cloud video encoder performs triangle reconstruction, up-sampling, and voxelization processes. can be performed 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 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 shown in Equation 2 below. 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. Table 1 below shows combinations of vertices for generating a triangle according to the number of vertices. Vertices are sorted in order from 1 to n.
  • the 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 extra points are called refined vertices.
  • a point cloud video encoder may voxelize refined vertices. Also, the point cloud video 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.
  • a point cloud video encoder may perform entropy coding based on context adaptive arithmetic coding.
  • the point cloud content providing system or the point cloud video encoder 10002 of FIG. 2 or the point cloud video encoder or the Arismetic encoder 40004 of FIG. 4 may directly entropy code the occupancy code. there is.
  • the point cloud content providing system or the point cloud video encoder performs entropy encoding (intra-encoding) based on the occupancy code of the current node and occupancy of neighboring nodes, or entropy encoding (inter-encoding) based on the occupancy code of the previous frame. encoding) 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 video 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 video encoder may perform coding according to the neighboring node pattern value (eg, if the neighboring node pattern value is 63, 64 types of coding are performed). According to embodiments, the point cloud video encoder may reduce coding complexity by changing a neighbor node pattern value (eg, 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 video encoder may reorganize or group points by LOD.
  • 8 shows point cloud content corresponding to the LOD.
  • the leftmost part of FIG. 8 shows the original point cloud content.
  • the second picture from the left in FIG. 8 shows the distribution of points with the lowest LOD, and the most right picture in FIG. 8 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 FIG. 8, the interval (or distance) between points becomes shorter.
  • a point cloud content providing system or a point cloud video encoder can create an LOD.
  • 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 by the point cloud video encoder as well as the point cloud video decoder.
  • 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 represents 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 video encoder may perform LOD-based predictive transform coding, lifting transform coding, and RAHT transform coding selectively or in combination.
  • a point cloud video encoder may generate a predictor for points and perform LOD-based predictive transform coding for setting prediction attributes (or prediction 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 video encoder (for example, the coefficient quantization unit 40011) according to the embodiments subtracts the corresponding prediction attribute (attribute value) from the attribute (ie, the original attribute value) of the corresponding point (residual, residual value) may be called attributes, residual attribute values, attribute prediction residual values, prediction error attribute values, etc.) may be quantized and inverse quantized. Quantization process of a transmitting device performed on residual attribute values is shown in Table 2. And the inverse quantization process of the receiving device performed on the residual attribute value quantized as shown in Table 2 is shown in Table 3.
  • the point cloud video encoder (for example, the Arithmetic encoder 40012) according to the embodiments converts the quantized and inverse quantized residual attribute values into entropy when there are points adjacent to the predictor of each point.
  • the point cloud video 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 video 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 calculates the distance to the neighboring points.
  • Lifting transform coding may be performed by setting a weight according to the weight.
  • Lifting transform coding according to embodiments is similar to the above-described LOD-based 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 video encoder eg, the coefficient quantization unit 40011
  • the point cloud video encoder eg, the Arismetic encoder 40012
  • the point cloud video encoder (for example, the RAHT transform unit 40008) according to the embodiments predicts the attributes of the nodes of the upper level using the attributes associated with the nodes of the lower level of the octree. Can perform RAHT transform coding there is. RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud video 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.
  • Equation 3 represents a RAHT transformation matrix.
  • g lx,y,z represent average attribute values of voxels at level l.
  • g lx,y,z can be calculated from g l+1 2x,y,z and g l+1 2x+1,y,z .
  • g l-1 x,y,z are low-pass values and are used in the merging process at the next higher level.
  • h l-1 x, y, z are high-pass coefficients, and the high-pass coefficients at each step are quantized and entropy-coded (eg, encoding of the Arithmetic Encoder 40012).
  • the root node is generated as shown in Equation 4 through the last g 1 0,0,0 and g 1 0,0,1 .
  • the gDC value is also quantized and entropy-coded like the high-pass coefficient.
  • FIG. 10 shows an example of a point cloud video decoder according to embodiments.
  • the point cloud video 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 .
  • a point cloud video decoder may receive a geometry bitstream and an attribute bitstream included in one or more bitstreams.
  • the point cloud video 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 on the attribute bitstream based on the decoded geometry 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 video decoder according to embodiments.
  • the point cloud video decoder shown in FIG. 11 is a detailed example of the point cloud video decoder described in FIG. 10, and can perform a decoding operation, which is the reverse process of the encoding operation of the point cloud video encoder described in FIGS. 1 to 9.
  • the point cloud video decoder may perform geometry decoding and attribute decoding. Geometry decoding is performed before attribute decoding.
  • a point cloud video decoder includes an arithmetic decoder (11000), an octree synthesis unit (11001), a surface approximation synthesis unit (11002), and a geometry reconstruction unit (geometry reconstruction unit, 11003), coordinates inverse transformation unit (11004), arithmetic decoder (11005), inverse quantization unit (11006), RAHT transformation unit (11007), LOD generation It includes an LOD generation unit (11008), an inverse lifting unit (11009), and/or a color inverse transformation unit (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. there is. 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 Hierarchical Transform (RAHT) decoding, Interpolation-based hierarchical nearest-neighbour prediction-Prediction Transform decoding, and interpolation-based hierarchical nearest-neighbour prediction with an update/lifting transformation. step (Lifting Transform)) decoding.
  • RAHT Region Adaptive Hierarchical Transform
  • Interpolation-based hierarchical nearest-neighbour prediction-Prediction Transform decoding Interpolation-based hierarchical nearest-neighbour prediction with an update/lifting transformation.
  • step (Lifting Transform)) decoding The above three decodings may be selectively used, or a combination of one or more decodings may be used.
  • 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 video 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 video 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 video encoder.
  • elements of the point cloud video decoder of FIG. 11 include one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud content providing system. It may be implemented in hardware, 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 video 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 video decoder of FIG. 11 .
  • the transmission device shown in FIG. 12 is an example of the transmission device 10000 of FIG. 1 (or the point cloud video encoder of FIG. 4 ).
  • the transmission device shown in FIG. 12 may perform at least one or more of operations and methods identical or similar to the operations and encoding methods of the point cloud video 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 120002 may perform the same or similar operations and/or processes to those of the quantization unit 40001 described with reference to FIG. 4 and/or the voxelization process. A detailed description is the same as that described 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 the same or similar operations and/or methods to those of the point cloud video 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 processor 12004 may perform operations and/or methods identical or similar to those of the point cloud video encoder (eg, the surface approximation analyzer 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 using any one or a combination of one or more of RAHT coding, LOD-based 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 LOD-based 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 40012.
  • the transmission processing unit 12012 transmits each bitstream including encoded geometry and/or encoded attributes and/or meta data, or transmits encoded geometry and/or encoded attributes and/or meta data. It can be configured as one bit stream and transmitted.
  • the encoded geometry and/or the encoded attribute and/or meta data according to embodiments are composed of one bitstream, the bitstream may include one or more sub-bitstreams.
  • the bitstream 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 including a TPS (referred to as a tile parameter set or tile inventory) for signaling of a level and slice data.
  • SPS Sequence Parameter Set
  • GPS Geometry Parameter Set
  • APS Attribute Parameter Set
  • tile may include signaling information including a TPS (referred to as a tile parameter set or tile inventory) for signaling of a level and slice data.
  • 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 (eg, bounding box coordinate value information and height/size information) 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 video decoder of FIGS. 10 and 11).
  • the receiving device 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 video 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 a server 17600, a robot 17100, an autonomous vehicle 17200, an XR device 17300, a smartphone 17400, a home appliance 17500, and/or a Head-Mount Display (HMD) 17700. At least one of them represents a configuration connected to the cloud network 17000.
  • a robot 17100, an autonomous vehicle 17200, an XR device 17300, a smartphone 17400, or a home appliance 17500 are referred to as devices.
  • the XR device 17300 may correspond to or interwork with a point cloud compressed data (PCC) device according to embodiments.
  • PCC point cloud compressed data
  • the cloud network 17000 may constitute a part of a cloud computing infrastructure or may refer to a network existing in a cloud computing infrastructure.
  • the cloud network 17000 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 17600 connects at least one of a robot 17100, an autonomous vehicle 17200, an XR device 17300, a smartphone 17400, a home appliance 17500, and/or an HMD 17700 to a cloud network 17000. It is connected through and may assist at least part of the processing of the connected devices 17100 to 17700.
  • a Head-Mount Display (HMD) 17700 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 17100 to 17500 to which the above-described technology is applied will be described.
  • the devices 17100 to 17500 illustrated in FIG. 14 may interwork/combine with the device for transmitting/receiving point cloud data according to the above-described embodiments.
  • the XR/PCC device 17300 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 17300 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 17300 may output an XR object including additional information about the recognized object in correspondence with the recognized object.
  • the self-driving vehicle 17200 may be implemented as a mobile robot, vehicle, unmanned aerial vehicle, etc. by applying PCC technology and XR technology.
  • the self-driving vehicle 17200 to which the 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 17200 which is a target of control/interaction within the XR image, is distinguished from the XR device 17300 and may be interlocked with each other.
  • the self-driving vehicle 17200 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 17200 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 17200 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 specification are applicable to all VR, AR, MR, and XR technologies.
  • encoding/decoding based on PCC, V-PCC, and G-PCC techniques may be applied.
  • the PCC method/apparatus according to embodiments may be applied to a vehicle providing an autonomous driving service.
  • a vehicle providing autonomous driving service is connected to a PCC device to enable wired/wireless communication.
  • Point cloud compressed data (PCC) transmitting and receiving apparatus when connected to enable wired/wireless communication with a vehicle, receives/processes AR/VR/PCC service-related content data that can be provided together with autonomous driving service can be transmitted to the vehicle.
  • the point cloud data transmission/reception device 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 (or referred to as geometry information) and attributes (or referred to as attribute information).
  • Geometry information is 3D location information (xyz) of each point. That is, the location of each point is represented by parameters on a coordinate system representing a three-dimensional space (eg, parameters (x, y, z) of three axes, X-axis, Y-axis, and Z-axis representing space).
  • the attribute information means the color (RGB, YUV, etc.), reflectance, normal vectors, transparency, and the like of the point.
  • the decoding process of point cloud data receives the encoded geometry bitstream and attribute bitstream, decodes the geometry information based on octree, tri-soup or prediction, and attributes based on the geometry information reconstructed through the decoding process It consists of a process of decoding information.
  • This document is intended to increase compression efficiency by removing redundant information based on inter-frame correlation when compressing point cloud data based on an octree.
  • This document is intended to increase compression efficiency by reflecting information similarity between different frames when compressing point cloud data based on an octree.
  • the geometry encoder constructs an octree using positions of input points and performs geometry compression based on the octree.
  • prediction for geometry compression may be performed within a frame or between frames. This document refers to the former as intra-frame prediction and the latter as inter-frame prediction.
  • inter-frame prediction is to predict all or part of a current frame by using information having a high similarity to the current frame from a coded frame.
  • Inter-frame prediction is a prediction method using motion between multiple frames obtained over time, and may be performed through motion vector estimation or motion estimation.
  • motion estimation may be divided into global motion estimation, which calculates a motion vector by rotating, moving, enlarging, and/or reducing the entire frame, and local motion estimation, which predicts the motion of a partial area of a frame or an object.
  • inter-frame prediction calculates a motion vector based on the similarity between the point cloud data of the reference frame and the point cloud data of the current frame, and predicts the point cloud data of the current frame using the motion vector. do.
  • motion existing between frames may be defined in a 3D space such as x, y, and z, and motion between frames may be defined as a global motion vector.
  • motion between frames may be defined as a global motion vector.
  • there may be regionally different motions within a frame, which may be defined as a local motion vector.
  • the point cloud content providing system includes one or more cameras (eg, an infrared camera capable of securing depth information) to generate point cloud content (or referred to as point cloud data).
  • cameras eg, an infrared camera capable of securing depth information
  • an RGB camera that can extract color information corresponding to depth information, etc.
  • a projector for example, an infrared pattern projector to secure depth information, etc.
  • LiDAR Light Detection And Ranging, etc.
  • LIDAR is a device that measures the distance by measuring the time when the irradiated light is reflected on an object and returns. It provides precise 3D information of the real world as point cloud data over a wide area and long distance. Such large-capacity point cloud data can be widely used in various fields using computer vision technology, such as self-driving cars, robots, and 3D map production. That is, LIDAR equipment uses a radar system that measures the positional coordinates of an object by measuring the time it takes for a laser pulse to be emitted and reflected by an object (ie, a reflector) to generate point cloud content. According to embodiments, depth information may be extracted through LIDAR equipment. And, the point cloud content generated through lidar equipment may be composed of several frames, and several frames may be integrated into one content.
  • This document proposes a method for increasing the compression efficiency of point cloud data having a plurality of frames.
  • GAF 15 is a diagram showing an example in which a Group Of Frame (GOF) is configured with a plurality of frames according to embodiments.
  • GAF Group Of Frame
  • GoF in the inter-frame prediction technique for compressing point cloud data, GoF basically has an IPPP structure as shown in FIG. 15 for motion estimation.
  • I is an intra-prediction frame for predicting by determining similarity within one frame
  • P is a frame for inter-prediction for predicting with a relationship between frames.
  • the number of frames configured varies according to the number of GoFs, and when the prediction for the GoF period is completed, the structure is structured so that prediction starts again from the I-frame without referring to the previous frame.
  • the most basic techniques for motion prediction of geometry information of an octree structure between frames are largely global motion estimation and local motion estimation (local motion estimation).
  • motion estimation is for compensating for the motion of the entire frame
  • local motion estimation is for predicting motion at a specific location in the frame.
  • the global motion vector means a change vector of the entire motion obtained by comparing the reference frame (reference frame or previous frame) and the current frame between successive frames
  • the local motion vector is the change of motion in a specific area. can mean a vector.
  • the points included in the node are sorted in node units from a specific node size in the octree structure, and the Least Mean Square between the sampled points in the current frame and the previous frame (i.e., predictor) is sorted. (LMS) to find the optimal matrix.
  • LMS Least Mean Square between the sampled points in the current frame and the previous frame
  • This matrix is referred to as a global motion matrix. Then, if this global motion matrix is applied to the entire predictor, the predicted result of the current frame can be obtained.
  • local motion estimation includes a specific node (or prediction unit, PU) and a corresponding node at the same location in the predictor in the current frame and is included in each area of a search window having a size as large as a threshold.
  • RDO Rate-Distortion Optimization
  • this document proposes a method of non-uniform sampling of points according to the locations of points when estimating the global motion of a point cloud.
  • a method for determining whether global motion predicted through imbalanced point sampling is applied is proposed. That is, this document proposes a method of sampling points disproportionately according to the location of points and a method of partially applying global motion when estimating the global motion of a point cloud.
  • this document proposes a non-uniform point sampling method of a point cloud captured by LiDAR for effective compression of a point cloud having a plurality of frames and a method for determining whether global motion predicted through non-uniform point sampling is applied. do.
  • imbalance is used in the same sense as unequal and non-uniform.
  • the method/apparatus for transmitting cloud data may sample points according to data distribution.
  • the point cloud data may be divided into one or more subgroups in order to sample points according to the data distribution.
  • the number of points sampled for each subgroup may be different.
  • each subgroup may differently apply whether or not the global motion matrix is applied.
  • it is possible to determine whether to apply the global motion matrix for each subgroup by comparing results after and before application of the global motion matrix for each subgroup.
  • the subgroup may be excluded from the application of point sampling and global motion mapping.
  • a subgroup may be referred to as a subblock.
  • the method/device for transmitting/receiving point cloud data may be referred to as a method/device according to embodiments.
  • the point cloud data transmission method/device includes the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the transmitter 10003, and the acquisition-encoding-transmission (20000-20001-20002) of FIG. , interpreted as a term referring to the point cloud video encoder of FIG. 4, the transmission device of FIG. 12, the device of FIG. 14, the transmission device of FIG. 17, and the like.
  • a method/device for receiving point cloud data includes a receiving device 10004 of FIG. 1, a receiver 10005, a point cloud video decoder 10006, and transmission-decoding-rendering (20002-20003-20004) of FIG. , interpreted as a term referring to the decoder of FIG. 10, the point cloud video decoder of FIG. 11, the receiving device of FIG. 13, the device of FIG. 14, the receiving device of FIG. 25, and the like.
  • the encoding process of point cloud data includes the point cloud video encoder 10002 in FIG. 1 , the encoding 20001 in FIG. 2 , the point cloud video encoder in FIG. 4 , the point cloud video encoder in FIG. 12 , and the point cloud video encoder in FIG. 16 It can be performed in the geometry encoder 51003 of , the geometry encoding process of FIG. 18 or the geometry encoding process of FIG. 19 .
  • the decoding process of point cloud data includes the point cloud video decoder 10006 in FIG. 1 , the decoding 20003 in FIG. 2 , the point cloud video decoder in FIG. 11 , the point cloud video decoder in FIG. It can be performed in the geometry decoder 61003 or the geometry decoding process of FIG. 26 . Details of FIGS. 16, 18 to 19, and 25 to 26 will be described later.
  • geometry data, geometry information, location information, etc. constituting point cloud data are interpreted as the same meaning.
  • attribute data, attribute information, attribute information, etc. constituting the point cloud data are interpreted as the same meaning.
  • FIG. 16 is a diagram showing another example of a point cloud transmission device according to embodiments. Elements of the point cloud transmission device shown in FIG. 16 may be implemented as hardware, software, processor, and/or combinations thereof.
  • a point cloud transmission device may include a data input unit 51001, a signaling processing unit 51002, a geometry encoder 51003, an attribute encoder 51004, and a transmission processing unit 51005.
  • the geometry encoder 51003 and the attribute encoder 51004 are described in the point cloud video encoder 10002 in FIG. 1, the encoding 20001 in FIG. 2, the point cloud video encoder in FIG. 4, and the point cloud video encoder in FIG. You can perform part or all of the action.
  • the data input unit 51001 receives or acquires point cloud data.
  • the data input unit 51001 may perform some or all of the operations of the point cloud video acquisition unit 10001 in FIG. 1 or some or all of the operations of the data input unit 12000 in FIG. 12 .
  • the data input unit 51001 may capture point cloud data using LiDAR. Points in a LiDAR-based point cloud have two types of motion: global motion caused by a vehicle equipped with a LiDAR sensor, and local motion created by objects that move along the time axis, such as people and animals. .
  • the data input unit 51001 outputs positions of points of point cloud data to a geometry encoder 51003 and outputs attributes of points of point cloud data to an attribute encoder 51004. Also, the parameters are output to the signaling processing unit 51002. According to embodiments, parameters may be provided to the geometry encoder 51003 and the attribute encoder 51004.
  • the geometry encoder 51003 constructs an octree using positions of input points and performs geometry compression based on the octree.
  • prediction for geometry compression may be performed within a frame or between frames. This document refers to the former as intra-frame prediction and the latter as inter-frame prediction.
  • the geometry encoder 51003 divides points of the input point cloud data into a plurality of subgroups, calculates the number of points to be sampled for each subgroup, and performs sampling. After determining whether to apply the global motion matrix for each subgroup, geometry information is compressed by performing global motion estimation and/or local motion estimation. Details of the sampling method and the partial application method of global motion will be described later.
  • the geometry encoder 51003 performs entropy encoding on the compressed geometry information and outputs it to the transmission processor 51005 in the form of a geometry bitstream.
  • the geometry encoder 51003 reconstructs geometry information based on the positions changed through compression, and outputs the reconstructed (or decoded) geometry information to the attribute encoder 51004.
  • the attribute encoder 51004 compresses attribute information based on positions for which geometry encoding has not been performed and/or reconstructed geometry information.
  • the attribute information may be coded using any one or a combination of one or more of RAHT coding, LOD-based predictive transform coding, and lifting transform coding.
  • the attribute encoder 51004 performs entropy encoding on the compressed attribute information and outputs it to the transmission processor 51005 in the form of an attribute bitstream.
  • the signaling processor 51002 generates and/or processes signaling information necessary for encoding/decoding/rendering of geometry information and attribute information, and provides the information to the geometry encoder 51003, the attribute encoder 51004, and/or the transmission processor 51005 can do.
  • the signaling processor 51002 may receive signaling information generated by the geometry encoder 51003, the attribute encoder 51004, and/or the transmission processor 51005.
  • the signaling processor 51002 may provide information fed back from the receiving device (e.g., head orientation information and/or viewport information) to the geometry encoder 51003, the attribute encoder 51004, and/or the transmission processor 51005. there is.
  • signaling information may be signaled and transmitted in units of parameter sets (sequence parameter set (SPS), geometry parameter set (GPS), attribute parameter set (APS), tile parameter set (TPS), etc.).
  • SPS sequence parameter set
  • GPS geometry parameter set
  • APS attribute parameter set
  • TPS tile parameter set
  • SPS sequence parameter set
  • coding units or compression units or prediction units
  • motion vector estimation units such as layer groups or subgroups.
  • the transmission processing unit 51005 may perform the same or similar operation and/or transmission method to the operation and/or transmission method of the transmission processing unit 12012 in FIG. The same or similar operation and/or transmission method as the transmission method may be performed. A detailed description will refer to the description of FIG. 1 or FIG. 12 and will be omitted here.
  • the transmission processor 51005 generates a slice-unit geometry bitstream output from the geometry encoder 51003, a slice-unit attribute bitstream output from the attribute encoder 51004, and a signaling bit output from the signaling processor 51002 Streams can be multiplexed into one bitstream and then transmitted as they are or encapsulated into files or segments and transmitted.
  • the file is an ISOBMFF file format as an embodiment.
  • a file or segment may be transmitted to a receiving device or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmission processing unit 51005 is capable of wired/wireless communication with a receiving device through a network such as 4G, 5G, or 6G.
  • the transmission processing unit 51005 may perform necessary data processing operations depending on the network system (eg, 4G, 5G, 6G communication network system).
  • the transmission processing unit 51005 may transmit encapsulated data according to an on demand method.
  • the geometry compression-related information is sent to the SPS, GPS and/or APS and/or geometry data unit (or It may be included in a header of a slice bitstream) and transmitted.
  • a method for performing non-uniform point sampling according to importance of a location or purpose for global motion estimation in a current frame is as follows.
  • the number of points to be sampled can be varied along the z-axis by reflecting this form.
  • the geometry encoder 51003 groups points classified as objects (that is, points included in objects) by n on the z-axis, which is referred to as a group, subgroup, or subblock. That is, points classified as objects may be divided into n groups (or referred to as subgroups or subblocks) on the z axis.
  • the n value may be set in advance or may be input as signaling information.
  • the geometry encoder 51003 calculates the number of points included in each subgroup generated by grouping the points classified as objects into n groups along the z-axis. Subsequently, in order to sample points to be used for global motion estimation in the current frame, sampling is performed in each subgroup by multiplying the ratio of the number of points in each subgroup to the total number of points classified as objects by a predetermined sampling number (i.e., , to draw) determines the number of points.
  • a predetermined sampling number i.e., to draw
  • the points extracted in this way can be used as target points of the current frame when performing global motion estimation later.
  • 17 is a diagram showing an example in which points in an object are divided into a plurality of subgroups based on the z-axis in the geometry encoder 51003 according to the embodiments.
  • FIG. 17 shows an example in which the total number of points in an object is 13368, the object is divided into 4 subgroups (ie, subblocks), and the number of points to be sampled in the object is 100.
  • each subgroup has an index from 0 to 3 as an embodiment.
  • the number of points included in the first subgroup is 358
  • the number of points included in the second subgroup is 8000
  • the number of points included in the third subgroup is , subblock, NumsubBlock2
  • the number of points included in the fourth subgroup is 358.
  • the geometry encoder 51003 finds the total number of points of the point cloud classified as objects and the minimum (min) and maximum (max) values of the z-axis, and receives the received numSubBlock (ie, sub-blocks to be divided) number) to uniformly divide an object into subblocks (or referred to as subgroups) for sampling, and find the number of points included in each subblock by numSubBlock.
  • numSubBlock ie, sub-blocks to be divided
  • the total number of points to be sampled may be determined by the system or by the user.
  • the total number of points to be sampled (that is, points extracted from an object) means the total number of samplings that the object can have at its maximum.
  • the number of points to be sampled for each subblock is calculated based on the total number of samplings.
  • the number of points to be sampled for each sub-block may be calculated using Equation 5 below.
  • totalSamplingPoint the total number of points to be sampled among the points classified as objects
  • totalNumObject the total number of points classified as objects
  • divided subblocks The number of subblocks (numSubBlock) is 4.
  • each sub-block has one index from 0 to 3, and the number of points included in each sub-block is 358, 8000, 5000, and 10 in order.
  • the number of points to be sampled in each sub-block becomes 2, 59, 37, and 0, respectively. That is, the number of points to be sampled in the first subgroup (ie, subblock NumsubBlock0) is 2, the number of points to be sampled in the second subgroup (ie subblock, NumsubBlock1) is 59, and the number of points to be sampled in the third subgroup (ie, NumsubBlock1) is 59. , subblock, NumsubBlock2), the number of points to be sampled is 37, and the number of points to be sampled in the fourth subgroup (ie, subblock, NumsubBlock3) is 0.
  • the geometry encoder 51003 can sample points in an isometric manner within each sub-block in the conventional manner.
  • the iso metric method means that points are extracted at equal positions (ie, equal intervals or equal intervals) within each subblock.
  • the above-described method can be applied regardless of Cartesian coordinates and spherical coordinates, and the above-described sampling method can be applied even when predicting attributes between screens. That is, the geometry compression described in this document mainly describes the case of being used in a positional compression method based on an octree structure, but can be used for attribute compression with an octree structure or geometry/attribute compression method without an octree structure.
  • the geometry encoder 51003 extracts more points from sub-blocks containing many points by applying weights, sets sub-blocks containing less than a certain number of points as outliers, and uses global motion It may even be excluded from the estimate altogether. For example, more than 59 points can be extracted by giving the highest weight to the second subgroup (ie, the subblock, NumsubBlock1) including 8000 points. Conversely, points may be extracted at a larger rate from a subblock including fewer points.
  • the location of a subblock used in compression of geometry information may be inherited and used during attribute coding.
  • the global motion matrix may not be applied to points included in the corresponding block.
  • whether or not the global motion matrix is applied to each sub-block may be signaled in signaling information.
  • information related to geometry compression may include information indicating whether a global motion matrix is applied to each sub-block.
  • the global motion matrix is not applied to the corresponding sub-block.
  • the result of applying global motion estimation to each sub-block has worse performance than the result before applying global motion estimation
  • the corresponding sub-block is excluded from global motion estimation.
  • whether or not the global motion matrix is applied to each sub-block may be signaled in signaling information.
  • FIG. 18 is a diagram showing an example of a process of determining whether a global motion matrix is applied in the geometry encoder 51003 according to embodiments. Elements (or blocks) shown in FIG. 18 may be implemented by hardware, software, processors, and/or combinations thereof. In FIG. 18, the execution order of each element may be changed, some elements may be omitted, and some elements may be newly added.
  • points of point cloud data are divided into a plurality of sub-blocks based on the z-axis (step 53001).
  • the number of sub blocks may be determined by the system or by the user.
  • information for identifying the number of subblocks may be included in signaling information and transmitted to the receiving side.
  • information related to geometry compression may include information for identifying the number of sub blocks.
  • steps 53002 to 53008 are performed in units of each sub-block divided in step 53001.
  • step 53002 it is checked whether the number of points included in the current sub-block among the sub-blocks divided in step 53001 is less than a preset threshold.
  • step 53008 If the number of points included in the current sub-block is less than a preset threshold, global motion estimation is not performed on the current sub-block, but local motion estimation is performed (step 53008).
  • Equation 5 is applied to calculate the number of points to be sampled (or extracted) from the current sub-block, and Sampling is performed in the sub block (step 53003). At this time, within the current sub-block, points are sampled as many as the number of points calculated at equal positions.
  • Global motion estimation is performed based on the points sampled in step 53003 (step 53004).
  • the points sampled in step 53003 are used as target points of the current frame when global motion estimation is performed.
  • step 53004 whether or not it is advantageous to apply the global motion estimation result to the current sub-block is compared through RDO. If the gain is better not to apply the global motion estimation result to the current sub-block, the global motion estimation result is not applied to the current sub-block. Otherwise, the global motion estimation result is applied to the current sub-block. do. Further, information (eg, ApplyGlobalFlag) capable of identifying whether the global motion estimation result is applied to the current sub-block may be included in signaling information and transmitted to the receiving side. At this time, whether or not the global motion estimation result is applied to each divided subblock is signaled. In this document, geometry compression-related information may include information for identifying whether a global motion estimation result is applied to a current sub-block.
  • ApplyGlobalFlag capable of identifying whether the global motion estimation result is applied to the current sub-block may be included in signaling information and transmitted to the receiving side. At this time, whether or not the global motion estimation result is applied to each divided subblock is signaled.
  • geometry compression-related information may include
  • an RDO after applying the global motion estimation result performed in step 53004 to a sub-block of a reference frame and an RDO before applying the result are calculated (step 53005). That is, based on the results before and after applying the global motion estimation result to the sub-block of the reference frame, rate distortion is calculated for each point cloud at the corresponding position in the current frame (step 53005). Then, it is checked whether the RDO after applying the global motion estimation result is smaller than the RDO before applying the global motion estimation result (step 53006).
  • step 53006 If the RDO value of the result before applying the global motion estimation result in step 53006 is greater, global motion compensation is performed on the current sub-block and then transferred to step 53008 for local motion estimation (step 53007). If the RDO value of the result before applying the global motion estimation result in step 53006 is smaller, global motion compensation is not performed even if the current sub-block is used for global motion estimation, and it is transmitted to step 53008 for local motion estimation. That is, if the RDO value of the result before application of the global motion estimation result is greater than the RDO value of the result after application, the global motion matrix is applied to the current subblock; otherwise, the global motion matrix is not applied to the current subblock. Step 53008 performs local motion estimation on the current sub-block.
  • RDO may be calculated based on Equation 6 below.
  • Dist denotes an average distance between a point included in the current subblock and a point included in the reference subblock before and after application of the global motion matrix.
  • ⁇ means a weight that determines the degree of reflection of Dist in RDO calculation and may have a value between 0 and 1.
  • ⁇ is the lagrange multiplier.
  • E may be a coding value required when entropy coding global motion.
  • information related to geometry compression may be signaled in SPS, GPS, APS, or a geometry slice header. At this time, it is assumed that the information related to geometry compression is processed by the signaling processing unit 51002.
  • Information related to geometry compression includes information indicating whether to perform point sampling nonuniformly (sps_GME_nonUniform_flag), information on the number of subblocks for dividing points of point cloud data (numSubBlock), corresponding subblock for each subblock Index information (subBlockIndex), weight information (samplingWeight) to be applied to the corresponding sub-block for each sub-block, information for identifying whether the global motion estimation result is applied to the corresponding sub-block for each sub-block (ApplyGlobalFlag), and each sub-block Information indicating the point closest to the origin among the vertices of the corresponding subblock (subBlockPosition_min), information indicating the point farthest from the origin among the vertices of the corresponding subblock for each subblock (subBlockPosition_max), and indicating the width of the corresponding subblock for each subblock It may include at least one of information (subBlockWidth).
  • Information included in geometry compression-related information in this specification may be
  • FIG. 19 is a diagram showing an example of a geometry encoding method of the geometry encoder 51003 according to embodiments. Elements (or blocks) shown in FIG. 19 may be implemented by hardware, software, processors, and/or combinations thereof. In FIG. 19 , the execution order of each element may be changed, some elements may be omitted, and some elements may be newly added.
  • step 55001 when point cloud data is input in step 55001, in step 55001, the input point cloud data is quantized/voxelized to facilitate compression using predictive geometry. It is checked whether the point cloud data after quantization/voxelization is intra prediction (step 55002). Here, whether it is intra prediction may be provided as signaling information or may be preset.
  • step 55002 If intra prediction is confirmed in step 55002, the process proceeds to step 55012 to perform intra frame prediction.
  • step 55002 If inter prediction is confirmed in step 55002, it is checked whether to perform global motion estimation for inter prediction (step 55003).
  • whether to estimate global motion for inter prediction may be provided as signaling information or may be preset.
  • step 55003 If it is confirmed in step 55003 that global motion estimation is not applied, the process proceeds to step 55004 where local motion estimation is performed and local motion compensation is performed based on the result of the local motion estimation (step 55005).
  • step 55007 If it is confirmed in step 55003 that global motion estimation is to be applied, it is checked whether to perform unbalanced sampling for each sub-block (step 55007).
  • whether to unbalancely sample for each sub-block may be provided as signaling information or may be previously set.
  • step 55007 points of the input point cloud data are divided into a plurality of sub-blocks based on the z-axis, the number of points to be sampled for each sub-block is calculated, and Each of the points calculated for each block is sampled (step 55008). That is, as in Equation 5, the total number of points included in the input point cloud data (eg, object), the number of points in each sub-block, and the total number of points included in the input point cloud data to be sampled. Based on the number, the number of points sampled in each sub-block is determined (or calculated).
  • the determined number of points may be extracted at equal positions within each sub-group. That is, the number of points to be sampled for each sub-block is different, and within each sub-block, points are sampled (or extracted) at equal positions.
  • global motion estimation is performed for each sub-block based on points sampled for each sub-block (step 55010)
  • global motion compensation is performed based on the global motion estimation result (step 55011).
  • step 55007 If it is confirmed in step 55007 that uniform sampling is performed for each sub-block, global motion estimation is performed by uniformly sampling the entire region or object of the input point cloud data (step 55010), and global motion compensation is performed based on the global motion estimation result. is performed (step 55011).
  • step 55011 The result of global motion compensation in step 55011 proceeds to step 55004 where local motion estimation is performed, and local motion compensation is performed based on the result of local motion estimation (step 55005).
  • step 55005 After local motion compensation is completed in step 55005, the remaining inter prediction function is applied in step 55006, entropy coding is performed in step 55013, and an output bitstream is generated.
  • the geometry encoder 51003 quantizes/voxels the data to facilitate compression using predictive geometry.
  • global motion estimation and global motion compensation are performed by uniformly sampling the entire region or object. Then, the result of global motion compensation is transferred for local motion estimation and local motion compensation, and when local motion estimation and local motion compensation are completed, entropy coding is performed after applying the remaining inter prediction function, and an output bitstream is generated. .
  • FIG. 20 shows an example of a bitstream structure of point cloud data for transmission/reception according to embodiments.
  • a bitstream output from any one point cloud video encoder of FIGS. 1, 2, 4, 12, 16, 18, and 19 may have the form of FIG. 20 .
  • this document provides tiles or slices to process bitstreams of point cloud data by dividing them into regions.
  • Each region of a bitstream according to embodiments may have different importance.
  • different filters (encoding methods) and different filter units may be applied to each tile.
  • different filters and different filter units may be applied to each slice.
  • a transmitting apparatus and method according to embodiments of the present invention provide a point cloud according to a bitstream structure as shown in FIG. 20 . By transmitting data, it is possible to apply different encoding operations according to importance, and to provide a method of using an encoding method having good quality in an important region. In addition, it can support efficient encoding and transmission according to the characteristics of point cloud data and provide attribute values according to user requirements.
  • a receiving device and method receive point cloud data according to the structure of a bitstream as shown in FIG. Instead of using it, different filtering (decoding method) can be applied for each region (region divided into tiles or slices). Accordingly, it is possible to guarantee a better picture quality in an area important to the user and an appropriate latency on the system.
  • a bitstream includes a Sequence Parameter Set (SPS) for signaling of a sequence level, a Geometry Parameter Set (GPS) for signaling of geometry information coding, and one or more Attribute Parameter Sets (APS) for signaling of attribute information coding.
  • SPS Sequence Parameter Set
  • GPS Geometry Parameter Set
  • APS Attribute Parameter Sets
  • APS 0 and APS 1 a tile inventory for signaling at the tile level (or referred to as TPS), and one or more slices (slice 0 to slice n).
  • a bitstream of point cloud data may include one or more tiles, and each tile may be a group of slices including one or more slices (slice 0 to slice n).
  • a tile inventory ie, TPS
  • TPS may include information about each tile (eg, coordinate value information and height/size information of a tile bounding box, etc.) for one or more tiles.
  • Each slice may include one geometry bitstream Geom0 and/or one or more attribute bitstreams Attr0 and Attr1.
  • slice 0 (slice 0) may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 and Attr1 0 ).
  • a geometry bitstream in each slice may include a geometry slice header (geom_slice_header) and geometry slice data (geom_slice_data).
  • a geometry bitstream in each slice is also referred to as a geometry data unit
  • a geometry slice header is referred to as a geometry data unit header
  • geometry slice data is referred to as geometry data unit data.
  • a geometry slice header (or geometry data unit header) includes identification information (geom_parameter_set_id) of a parameter set included in a geometry parameter set (GPS), a tile identifier (geom_tile_id), a slice identifier (geom_slice_id), and geometry slice data ( geom_slice_data) may include information on the data (geomBoxOrigin, geom_box_log2_scale, geom_max_node_size_log2, geom_num_points).
  • geomBoxOrigin is geometry box origin information indicating the box origin of the corresponding geometry slice data
  • geom_box_log2_scale is information indicating the log scale of the corresponding geometry slice data
  • geom_max_node_size_log2 is information indicating the size of the root geometry octree node
  • geom_num_points is the corresponding geometry slice data This is information related to the number of points in .
  • Geometry slice data (or geometry data unit data) according to embodiments may include geometry information (or geometry data) of point cloud data within a corresponding slice.
  • Each attribute bitstream in each slice may include an attribute slice header (attr_slice_header) and attribute slice data (attr_slice_data).
  • an attribute bitstream in each slice is also referred to as an attribute data unit
  • an attribute slice header is referred to as an attribute data unit header
  • attribute slice data is referred to as attribute data unit data.
  • the attribute slice header (or attribute data unit header) may include information about corresponding attribute slice data (or corresponding attribute data unit), and the attribute slice data may include attribute information of point cloud data in the corresponding slice ( or attribute data or attribute value).
  • each attribute bitstream may include different attribute information.
  • one attribute bitstream may include attribute information corresponding to color
  • another attribute stream may include attribute information corresponding to reflectance.
  • the parameters required for encoding and/or decoding the point cloud data are parameter sets (eg, SPS, GPS, APS, and TPS (also referred to as tile inventory), etc.) of the point cloud data and / or may be newly defined in the header of the corresponding slice, etc.
  • a geometry parameter set when performing encoding and / or decoding of geometry information
  • a tile when performing tile-based encoding and / or decoding and/or to the slice header.
  • the information related to geometry compression is selected from among a sequence parameter set, a geometry parameter set, an attribute parameter set, a geometry slice header (or referred to as a geometry data unit header), or geometry slice data (or referred to as geometry data unit data). At least one may be signaled.
  • geometry compression-related information may be signaled to an attribute parameter set and/or an attribute slice header (or referred to as an attribute data unit header) in order to be linked with an attribute coding method or applied to attribute coding.
  • parameters which can be variously called metadata, signaling information, etc.
  • parameters generated and transmitted by the transmitting device may be obtained from a metadata parser of the receiving device.
  • this document may define signaling of geometry compression related information required for a global motion estimation target point sampling method considering data distribution. According to embodiments, it is notified that global motion estimation has been performed based on unequal point sampling in a sequence parameter set, all or part of related information is transferred to a sequence parameter set according to an implementation method, and the geometry parameter set , geometry slice header, SEI message, etc. may deliver respective information.
  • the information related to geometry compression may be defined in a corresponding location or a separate location according to an application or system, and may be used differently in an application range and an application method. And, when information including a similar function is signaled at a higher level, it may be applicable even if signaling is omitted in a parameter set of a lower concept.
  • the syntax element defined below can be applied to a plurality of point cloud data streams as well as the current point cloud data stream, geometry compression-related information can be transmitted through a parameter set of a higher concept.
  • a field which is a term used in syntaxes of the present specification described later, may have the same meaning as a parameter or a syntax element.
  • 21 is a diagram showing an embodiment of a syntax structure of a sequence parameter set (seq_parameter_set_rbsp( )) (SPS) according to this document.
  • the SPS may include sequence information of a point cloud data bitstream, and an example including information related to geometry compression is particularly shown. That is, information related to geometry compression required for a global motion estimation target point sampling method considering data distribution may be added to the SPS and signaled.
  • An SPS according to embodiments may include a sps_GME_nonUniform_flag field.
  • the sps_GME_nonUniform_flag field may indicate whether to perform nonUniform sampling in global motion estimation. If the value of the sps_GME_nonUniform_flag field is true, it means that points are non-uniformly sampled according to the point density at the current point when estimating global motion. If it is false, all points are uniformly sampled in the existing method sampling in this way.
  • GPS is a diagram showing an embodiment of a syntax structure of a geometry parameter set (geometry_parameter_set( )) (GPS) according to the present specification.
  • GPS may include information about a method of encoding geometry information of point cloud data included in one or more slices.
  • a geometry parameter set according to embodiments may include information related to geometry compression. That is, information related to geometry compression required for a global motion estimation target point sampling method considering data distribution may be added to GPS and signaled.
  • the geometry compression related information may include a gps_GME_nonUniform_flag field.
  • the gps_GME_nonUniform_flag field may indicate whether to perform non-uniform sampling in global motion estimation in GPS. If the value of the gps_GME_nonUniform_flag field is true, it means that points are unbalancedly sampled according to the point density at the current point when estimating global motion, and if it is false, it can mean that all points are sampled in a balanced way as in the existing method. there is.
  • the value of the gps_GME_nonUniform_flag field may be input after receiving the value of the sps_GME_nonUniform_flag field, or may be input differently for each frame.
  • the geometry compression related information may include a numSubBlock field when the value of the gps_GME_nonUniform_flag field is true.
  • the numSubBlock field may indicate the number of subblocks for grouping (or dividing) points of point cloud data when nonuniform sampling is performed during global motion estimation.
  • the geometry compression-related information may include a repetition statement repeated as many times as the value of the numSubBlock field (ie, the number of sub blocks).
  • i is initialized to 0, incremented by 1 each time the loop is executed, and the loop is repeated until the value of i becomes the value of the numSubBlock field.
  • This loop may include subBlockIndex[i] field, samplingWeight[i] field, ApplyGlobalFlag[i] field, subBlockPosition_min[i][3] field, subBlockPosition_max[i][3] field, and subBlockWidth[i] field.
  • the subBlockIndex[i] field may indicate an index of each sub-block when points of point cloud data are grouped into sub-blocks as many as the value of the numSubBlock field.
  • the samplingWeight[i] field represents a weight required to determine the number of points to be sampled in a subblock indicated by the value of the subBlockIndex[i] field.
  • a value of the samplingWeight[i] field may have a value between 0 and 1.
  • the ApplyGlobalFlag[i] field may indicate whether to apply a global motion estimation result to a subblock indicated by the value of the subBlockIndex[i] field. If the value of the ApplyGlobalFlag[i] field is true, it means that the global motion matrix is applied to the corresponding sub-block, and if it is false, it can indicate that it is not applied.
  • the subBlockPosition_min[i][3] field may indicate a point closest to the origin among vertices of a subblock indicated by the value of the subBlockIndex[i] field.
  • the subBlockPosition_max[i][3] field may indicate a point furthest from the origin among vertices of a subblock indicated by the value of the subBlockIndex[i] field.
  • the subBlockWidth[i] field is the subBlockPosition_min[i][3] field to calculate the remaining vertices using the minimum (min) and maximum (max) values of the subblock indicated by the value of the subBlockIndex[i] field.
  • the width of the corresponding sub-block may be indicated from .
  • An APS may include information about a method of encoding attribute information of point cloud data included in one or more slices.
  • An attribute parameter set according to embodiments may include attribute compression related information. That is, attribute compression-related information required for a global motion estimation target point sampling method considering data distribution may be added to the APS and signaled.
  • the attribute compression related information may include an aps_GME_nonUniform_continuation_flag field and an aps_GME_nonUniform_flag field.
  • the aps_GME_nonUniform_continuation_flag field may indicate whether to receive and use the point sampling method applied by the GPS (ie, unbalanced point sampling or balanced point sampling) when estimating the global motion of an attribute. If the value of the aps_GME_nonUniform_continuation_flag field is true, it means that when estimating global motion in geometry coding, the information used when unbalanced sampling of points of point cloud data is sampled according to the degree of point density at the current point is received and applied. If it is false, global motion estimation This may mean that it is coded independently of geometry coding.
  • the aps_GME_nonUniform_flag field may indicate in the APS whether to perform non-uniform sampling in global motion estimation. If the value of the aps_GME_nonUniform_flag field is true, it means that points are unbalancedly sampled according to the degree of point density at the current point during global motion estimation, and if it is false, it can mean that all points are sampled in a balanced way as in the existing method. there is.
  • the value of the aps_GME_nonUniform_flag field may be input after receiving the value of the sps_GME_nonUniform_flag field, or may be input differently for each frame.
  • sub-block information can be received and applied from GPS.
  • the attribute compression related information may include a numSubBlock field when the value of the aps_GME_nonUniform_flag field is true.
  • the numSubBlock field may indicate the number of subblocks for grouping (or dividing) points of point cloud data when nonuniform sampling is performed during global motion estimation.
  • the attribute compression related information may include a repetition statement repeated as many times as the value of the numSubBlock field (ie, the number of sub blocks).
  • i is initialized to 0, incremented by 1 each time the loop is executed, and the loop is repeated until the value of i becomes the value of the numSubBlock field.
  • This loop may include subBlockIndex[i] field, samplingWeight[i] field, ApplyGlobalFlag[i] field, subBlockPosition_min[i][3] field, subBlockPosition_max[i][3] field, and subBlockWidth[i] field.
  • subBlockIndex[i] field samplingWeight[i] field
  • ApplyGlobalFlag[i] field subBlockPosition_min[i][3] field
  • subBlockPosition_max[i][3] field subBlockWidth[i] field included in the subblock information.
  • the description will refer to FIG. 22 to avoid redundant description and will be omitted here.
  • the geometry data unit (geometry_data_unit()) includes a geometry data unit header (geometry_data_unit_header( )), byte_alignment(), and geometry_data_unit_footer().
  • the geometry data unit header (geometry_data_unit_header()) of FIG. 24 may include information related to geometry compression. That is, information related to geometry compression required for a global motion estimation target point sampling method considering data distribution may be signaled by being added to a geometry data unit header (or referred to as a geometry slice header).
  • the geometry data unit header may include a numSubBlock field if a value of the gps_GME_nonUniform_flag field included in the GPS is true.
  • the numSubBlock field may indicate the number of subblocks for grouping (or dividing) points of point cloud data when nonuniform sampling is performed during global motion estimation.
  • the geometry compression-related information may include a repetition statement repeated as many times as the value of the numSubBlock field (ie, the number of sub blocks).
  • i is initialized to 0, incremented by 1 each time the loop is executed, and the loop is repeated until the value of i becomes the value of the numSubBlock field.
  • This loop may include subBlockIndex[i] field, samplingWeight[i] field, ApplyGlobalFlag[i] field, subBlockPosition_min[i][3] field, subBlockPosition_max[i][3] field, and subBlockWidth[i] field.
  • subBlockIndex[i] field samplingWeight[i] field
  • ApplyGlobalFlag[i] field subBlockPosition_min[i][3] field
  • subBlockPosition_max[i][3] field subBlockWidth[i] field included in the subblock information.
  • the description will refer to FIG. 22 to avoid redundant description and will be omitted here.
  • FIG. 25 is a diagram showing another example of a point cloud receiving device according to embodiments. Elements of the point cloud receiving device shown in FIG. 25 may be implemented as hardware, software, processor, and/or a combination thereof.
  • a point cloud reception device may include a reception processing unit 61001, a signaling processing unit 61002, a geometry decoder 61003, an attribute decoder 61004, and a post-processor 61005. .
  • the reception processing unit 61001 may receive one bitstream or may receive a geometry bitstream, an attribute bitstream, and a signaling bitstream, respectively.
  • the reception processing unit 61001 may decapsulate the received file and/or segment and output it as a bit stream.
  • the reception processing unit 61001 When one bitstream is received (or decapsulated), the reception processing unit 61001 according to embodiments demultiplexes a geometry bitstream, an attribute bitstream, and/or a signaling bitstream from one bitstream, and The multiplexed signaling bitstream may be output to the signaling processor 61002, the geometry bitstream to the geometry decoder 61003, and the attribute bitstream to the attribute decoder 61004.
  • the reception processing unit 61001 When the reception processing unit 61001 according to the embodiments receives (or decapsulates) a geometry bitstream, an attribute bitstream, and/or a signaling bitstream, the signaling bitstream is sent to the signaling processing unit 61002, and the geometry bitstream may be delivered to the geometry decoder 61003 and the attribute bitstream to the attribute decoder 61004.
  • the signaling processing unit 61002 parses and processes information included in signaling information, for example, SPS, GPS, APS, TPS, meta data, etc., from the input signaling bitstream to generate a geometry decoder 61003, an attribute decoder 61004, It can be provided to the post-processing unit 61005.
  • signaling information included in the geometry data unit header and/or the attribute data unit header may also be parsed in advance by the signaling processing unit 61002 before decoding the corresponding slice data.
  • the signaling processing unit 61002 may also parse and process signaling information (eg, geometry compression related information) signaled in the GPS and/or geometry data unit header and provide the signal to the geometry decoder 61003. .
  • signaling information eg, geometry compression related information
  • the geometry decoder 61003 performs a reverse process of the geometry encoder 51003 of FIG. 16 based on signaling information (eg, geometry compression related information) on the compressed geometry bitstream to restore the geometry.
  • signaling information eg, geometry compression related information
  • the geometry information restored (or reconstructed) by the geometry decoder 61003 is provided to the attribute decoder 61004.
  • the attribute decoder 61004 may restore an attribute by performing a reverse process of the attribute encoder 51004 of FIG. 16 based on the signaling information and the reconstructed geometry information on the compressed attribute bitstream.
  • the post-processing unit 61005 matches geometry information (ie, positions) restored and outputted from the geometry decoder 61003 with attribute information restored and outputted from the attribute decoder 61004 to obtain a point cloud. Data can be reconstructed and displayed/rendered.
  • 26 is a diagram showing an example of a geometry decoding process of the geometry decoder 61003 according to embodiments.
  • Elements (or blocks) shown in FIG. 26 may be implemented by hardware, software, processors, and/or combinations thereof. 24, the execution order of each element may be changed, some elements may be omitted, and some elements may be newly added.
  • geometry compression-related information described with reference to FIGS. 21 to 24 may be obtained.
  • the geometry decoder 61003 restores geometry information by performing a reverse process of the geometry encoder of the transmitting device.
  • step 65001 entropy decoding is performed on the bitstream input through the reception processing unit 61001.
  • step 65002 it is checked whether to apply intra prediction to the geometry information included in the bitstream on which entropy decoding is performed (step 65002).
  • whether or not to apply intra prediction may be provided from the transmitter as information related to geometry compression included in signaling information, or may be set in advance.
  • step 65002 If intra prediction is confirmed in step 65002, the process proceeds to step 65011 to perform intra frame prediction on the received geometry information.
  • step 65003 whether to apply global motion for inter prediction is checked.
  • whether to apply the global motion may be provided as signaling information or may be preset. Whether or not to apply the global motion in step 65003 depends on whether to apply the global motion to the entire point cloud data. If it is confirmed that sampling is performed unbalanced, the global motion may or may not be applied to each sub-block.
  • step 65003 If it is confirmed in step 65003 that global motion is not applied, the process proceeds to step 65008 and local motion compensation is performed on the received geometry information based on the received signaling information.
  • step 65004 it is checked whether the received geometry information is unbalancedly sampled for each sub-block (step 65004).
  • whether or not each sub-block is unbalanced sampled may be provided as signaling information or may be set in advance.
  • whether or not each sub-block is unbalancedly sampled is checked using the sps_GME_nonUniform_flag field and/or the gps_GME_nonUniform_flag field included in geometry compression related information and received according to an embodiment.
  • step 65004 If it is determined in step 65004 that each sub-block is not uniformly sampled, in step 65007, global motion compensation is performed on the received geometry information, and in step 65008, local motion compensation is performed.
  • the received geometry information is divided into a plurality of sub-blocks (step 65005).
  • the number of divided subblocks may be provided as signaling information or may be preset.
  • the number of divided subblocks is confirmed using a numSubBlock field included in geometry compression related information and received.
  • step 65005 it is checked whether or not global motion estimation is performed for each sub-block divided (step 65006).
  • whether to estimate global motion may be provided as signaling information or may be preset.
  • whether to estimate global motion is checked using an ApplyGlobalFlag field included in information related to geometry compression and received.
  • step 65005 If it is determined in step 65005 that global motion estimation is applied to the corresponding sub-block, the process proceeds to step 65007 to perform global motion compensation on the corresponding sub-block.
  • step 65005 If it is determined in step 65005 that global motion estimation is not applied to the corresponding sub-block, the process proceeds to step 65008 to perform local motion compensation on the corresponding sub-block.
  • step 65008 When local motion compensation is completed in step 65008, the remaining inter prediction function is applied in step 65009.
  • the geometry information for which inter prediction is performed in step 65009 or the geometry information for which intra frame prediction is performed in step 65011 is reconstructed in step 65010 to output reconstructed points.
  • the geometry decoder 61003 entropy-decodes the received bitstream, and if a frame including geometry information in the entropy-decoded bitstream is a frame for intra prediction, an existing method for intra prediction is applied. After that, the geometry information of the point cloud is updated. If the corresponding frame is not a frame for intra prediction, it is checked whether global motion is applied, and when global motion is applied, whether entropy-decoded geometry information is non-uniformly sampled to determine motion estimation.
  • step 65010 reconstructs (or restores) geometry information (ie, positions of final points) using information predicted through inter prediction or intra prediction and residual information included in entropy-decoded geometry information. And the reconstructed points can be sent to the attribute decoder 61004 to be used for predicting attribute information.
  • FIG. 27 shows a flowchart of a point cloud data transmission method according to embodiments.
  • a point cloud data transmission method includes acquiring point cloud data (71001), encoding the point cloud data (71002), and transmitting encoded point cloud data and signaling information (71003).
  • the bitstream including the encoded point cloud data and signaling information may be encapsulated in a file and transmitted.
  • the step of acquiring point cloud data (71001) may perform some or all of the operations of the point cloud video acquisition unit 10001 of FIG. 1 or some or all of the operations of the data input unit 12000 of FIG. 12 You may.
  • Encoding the point cloud data (71002) includes the point cloud video encoder 10002 of FIG. 1, the encoding 20001 of FIG. 2, the point cloud video encoder of FIG. 4, and the point cloud video of FIG. 12 for encoding of geometry information. Some or all of the operations of the encoder, the geometry encoder of FIG. 16, the geometry encoding process of FIG. 18, or the geometry encoding process of FIG. 19 may be performed.
  • points of the input point cloud data are divided into a plurality of subgroups, and sampling is performed by calculating the number of points to be sampled for each divided subgroup. .
  • geometry information is compressed by performing global motion estimation and/or local motion estimation.
  • the compressed geometry information (eg, residual information and/or prediction mode information) of each point is entropy-encoded and then output in the form of a geometry bitstream.
  • the step of encoding the point cloud data (71002) compresses attribute information based on positions for which geometry encoding is not performed and/or reconstructed geometry information.
  • the attribute information may be coded using any one or a combination of one or more of RAHT coding, LOD-based predictive transform coding, and lifting transform coding.
  • signaling information may include geometry compression related information.
  • information related to geometry compression is included in a geometry data unit header.
  • information related to geometry compression may be signaled to SPS, GPS, and APS. Since the detailed description of the geometry compression-related information has been described in detail above, it will be omitted here.
  • FIG. 28 shows a flowchart of a method for receiving point cloud data according to embodiments.
  • a method for receiving point cloud data includes receiving encoded point cloud data and signaling information (81001), decoding the point cloud data based on the signaling information (81002), and decoded point cloud data. It may include rendering (81003).
  • Receiving point cloud data and signaling information (81001) includes the receiver 10005 of FIG. 1, the transmission 20002 or decoding 20003 of FIG. 2, the receiver 13000 or the reception processing unit of FIG. 13 (13001).
  • Decoding point cloud data 81002 includes the point cloud video decoder 10006 of FIG. 1 , the decoding 20003 of FIG. 2 , the point cloud video decoder of FIG. 11 , and FIG. Some or all of the operations of the point cloud video decoder of FIG. 13, the geometry decoder of FIG. 25, or the geometry decoding process of FIG. 26 may be performed.
  • Decoding point cloud data (81002) may include performing global motion compensation and/or local motion compensation for each sub-block based on geometry compression-related information included in signaling information to obtain geometry information that is compressed and received.
  • Decode i.e., restore.
  • FIGS. 15 to 26 For details, refer to the descriptions of FIGS. 15 to 26 .
  • Decoding point cloud data (81002) decodes (ie, decompresses) attribute information based on the restored geometry information.
  • the attribute information may be decoded using any one or a combination of more than one of RAHT coding, LOD-based predictive transform coding, and lifting transform coding.
  • point cloud data may be restored based on the restored (or reconstructed) geometry information and attribute information and rendered according to various rendering methods.
  • points of the point cloud content may be rendered as a vertex having a certain thickness, a cube having a specific minimum size centered at the vertex position, or a circle centered at the vertex position. All or part of the rendered point cloud content is provided to the user through a display (eg, VR/AR display, general display, etc.).
  • Rendering 81003 of point cloud data may be performed by the renderer 10007 of FIG. 1 , the rendering 20004 of FIG. 2 , or the renderer 13011 of FIG. 13 .
  • the transmitter may divide the points of the point cloud data into a plurality of sub-blocks and sample different numbers of points for each sub-block according to the number of points included in the corresponding sub-block. Particularly, by sampling more points in a subblock including points at more important positions, accuracy of global motion estimation is improved.
  • the receiving side can differentiate global motion compensation according to whether global motion estimation results are applied for each sub-block, the bitstream size and decoding time are reduced compared to determining whether global motion compensation is applied for each local PU.
  • Operations of the above-described embodiments may be performed through components of a point cloud transmission/reception apparatus/method including a memory and/or a processor.
  • the memory may store programs for processing/controlling operations according to embodiments.
  • Each component of the point cloud transmission/reception apparatus/method according to embodiments may correspond to hardware, software, processor, and/or a combination thereof.
  • 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.
  • a method for compressing geometry information of point cloud data is described, but the method described in this specification can be applied to attribute information compression and other compression methods.
  • Each part, module or unit described above may be a software, processor or hardware part that executes successive processes stored in a memory (or storage unit). Each step described in the foregoing embodiment may be performed by a processor, software, and hardware parts. Each module/block/unit described in the foregoing embodiment may operate as a processor, software, or hardware.
  • the methods presented by the embodiments may be executed as codes. This code can be written to a storage medium readable by a processor, and thus can be read by a processor provided by an apparatus (apparatus).
  • the device and method according to the embodiments are not limited to the configuration and method of the embodiments described above, but the embodiments are selectively combined with all or part of each embodiment so that various modifications can be made. may be configured.
  • 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 in one chip, for example, one hardware circuit.
  • Components according to 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 operate / operate according to the embodiments. Any one or more operations/methods of the methods may be performed, or instructions for performing them may be included.
  • 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.
  • Various elements of the embodiments may be performed by hardware, software, firmware or a combination thereof. Various elements of the embodiments may be implemented on a single chip, such as hardware circuitry. Depending on the embodiment, the embodiments may optionally be performed on separate chips. Depending on the embodiments, at least one of the elements of the embodiments may be performed in one or one or more processors containing instructions that perform an operation according to the embodiments.
  • operations according to embodiments described in this document may be performed by a transceiver including one or more memories and/or one or more processors according to embodiments.
  • One or more memories may store programs for processing/controlling operations according to embodiments, and one or more processors may control various operations described in this document.
  • One or more processors 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.
  • first, second, etc. may be used to describe various components of the embodiments. However, interpretation of various components according to embodiments should not be limited by the above terms. These terms are only used to distinguish one component from another. Only thing For example, a first user input signal may be referred to as a second user input signal. Similarly, the second user input signal may be referred to as the first user input signal. Use of these terms should be construed as not departing from the scope of the various embodiments. Although both the first user input signal and the second user input signal are user input signals, they do not mean the same user input signals unless the context clearly indicates otherwise.
  • 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 according to 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 a memory.

Landscapes

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

Abstract

실시예들에 따른 포인트 클라우드 데이터 전송 방법은 포인트 클라우드 데이터를 인코딩하는 단계 및 상기 인코딩된 포인트 클라우드 데이터와 시그널링 정보를 전송하는 단계를 포함하며, 상기 포인트 클라우드 데이터를 인코딩하는 단계는, 상기 포인트 클라우드 데이터의 포인트들을 복수개의 서브 그룹들로 분할하는 단계, 상기 분할된 서브 그룹별로 샘플링할 포인트들의 개수를 설정하는 단계, 및 상기 서브 그룹별로 설정된 샘플링할 포인트들의 개수를 기반으로 상기 서브 그룹별로 샘플링을 수행하여 상기 포인트 클라우드 데이터를 압축하는 단계를 포함할 수 있다.

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간(space or volume)을 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), XR (Extended Reality), 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.
실시예들에 따른 기술적 과제는, 전술한 문제점 등을 해결하기 위해서, 포인트 클라우드를 효율적으로 송수신하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 지오메트리-포인트 클라우드 압축(Geometry - point cloud compression, G-PCC) 비트스트림을 효율적으로 송수신하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 포인트 클라우드 데이터를 압축할 때 서로 다른 프레임 간의 유사성을 반영함으로써, 포인트 클라우드 데이터의 압축 효율을 높일 수 있도록 하는 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 라이다 장비로 캡쳐된 포인트 클라우드 데이터의 프레임 간 글로벌 움직임 추정시 불균일한 샘플링 방법을 적용함으로써 압축 효율을 높일 수 있도록 하는 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 본 문서 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
상술한 목적 및 다른 이점을 달성하기 위해서 실시예들에 따른 포인트 클라우드 데이터 송신 방법은, 포인트 클라우드 데이터를 인코딩하는 단계, 및 상기 인코딩된 포인트 클라우드 데이터와 시그널링 정보를 전송하는 단계를 포함할 수 있다.
상기 포인트 클라우드 데이터를 인코딩하는 단계는, 상기 포인트 클라우드 데이터의 포인트들을 복수개의 서브 그룹들로 분할하는 단계, 상기 분할된 서브 그룹별로 샘플링할 포인트들의 개수를 설정하는 단계, 및 상기 서브 그룹별로 설정된 샘플링할 포인트들의 개수를 기반으로 상기 서브 그룹별로 샘플링을 수행하여 상기 포인트 클라우드 데이터를 압축하는 단계를 포함할 수 있다.
상기 분할 단계는 상기 포인트 클라우드 데이터의 포인트들을 z축을 기준으로 복수개의 서브 그룹들로 분할하는 것을 일 실시예로 한다.
상기 설정 단계는 상기 포인트 클라우드 데이터의 포인트들의 총 개수, 각 서브 그룹에 포함되는 포인트들의 개수 및 상기 포인트 클라우드 데이터의 전체 샘플링 개수를 기반으로 각 서브 그룹의 샘플링 개수를 설정하는 것을 일 실시예로 한다.
상기 압축 단계는 각 서브 그룹에 포함되는 포인트들의 개수를 기반으로 해당 서브 그룹에 글로벌 움직임 매트릭스를 적용할지 여부를 결정하는 것을 일 실시예로 한다.
상기 시그널링 정보는 적어도 상기 포인트 클라우드 데이터에 불균일한 샘플링이 적용되는지 여부를 식별하기 위한 정보, 상기 분할되는 서브 그룹들의 개수를 식별하기 위한 정보, 및 서브 그룹별로 해당 서브 그룹에 글로벌 움직임 매트릭스가 적용되었는지 여부를 식별하기 위한 정보를 포함하는 것을 일 실시예로 한다.
실시예들에 따른 포인트 클라우드 데이터 송신 장치는 포인트 클라우드 데이터를 인코딩하는 인코더, 및 상기 인코딩된 포인트 클라우드 데이터와 시그널링 정보를 전송하는 전송부를 포함할 수 있다.
상기 인코더는 상기 포인트 클라우드 데이터의 포인트들을 복수개의 서브 그룹들로 분할하고, 상기 분할된 서브 그룹별로 샘플링할 포인트들의 개수를 설정하며, 상기 서브 그룹별로 설정된 샘플링할 포인트들의 개수를 기반으로 상기 서브 그룹별로 샘플링을 수행하여 상기 포인트 클라우드 데이터를 압축하는 것을 일 실시예로 한다.
상기 인코더는 상기 포인트 클라우드 데이터의 포인트들을 z축을 기준으로 복수개의 서브 그룹들로 분할하는 것을 일 실시예로 한다.
상기 인코더는 상기 포인트 클라우드 데이터의 포인트들의 총 개수, 각 서브 그룹에 포함되는 포인트들의 개수 및 상기 포인트 클라우드 데이터의 전체 샘플링 개수를 기반으로 각 서브 그룹의 샘플링 개수를 설정하는 것을 일 실시예로 한다.
상기 인코더는 각 서브 그룹에 포함되는 포인트들의 개수를 기반으로 해당 서브 그룹에 글로벌 움직임 매트릭스를 적용할지 여부를 결정하는 것을 일 실시예로 한다.
상기 시그널링 정보는 적어도 상기 포인트 클라우드 데이터에 불균일한 샘플링이 적용되는지 여부를 식별하기 위한 정보, 상기 분할되는 서브 그룹들의 개수를 식별하기 위한 정보, 및 서브 그룹별로 해당 서브 그룹에 글로벌 움직임 매트릭스가 적용되었는지 여부를 식별하기 위한 정보를 포함하는 것을 일 실시예로 한다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터와 시그널링 정보를 수신하는 단계, 상기 시그널링 정보를 기반으로 상기 포인트 클라우드 데이터를 디코딩하는 단계, 및 상기 디코딩된 포인트 클라우드 데이터를 렌더링하는 단계를 포함할 수 있다.
상기 포인트 클라우드 데이터를 디코딩하는 단계는 상기 시그널링 정보를 기반으로 상기 수신된 포인트 클라우드 데이터를 복수개의 서브 그룹들로 분할하고, 분할된 서브 그룹 단위로 디코딩을 수행하는 것을 일 실시예로 한다.
상기 디코딩 단계는 상기 시그널링 정보를 기반으로 해당 서브 그룹에 글로벌 움직임 매트릭스가 적용되었는지 여부를 확인하고, 상기 확인된 결과를 기반으로 해당 서브 그룹에 대해 글로벌 움직임 보상을 수행하는 것을 일 실시예로 한다.
상기 디코딩 단계는 상기 글로벌 움직임 보상이 수행된 서브 그룹에 대해 로컬 움직임 보상을 수행하는 단계를 더 포함하는 것을 일 실시예로 한다.
상기 시그널링 정보는 적어도 상기 포인트 클라우드 데이터에 불균일한 샘플링이 적용되었는지 여부를 식별하기 위한 정보, 상기 분할되는 서브 그룹들의 개수를 식별하기 위한 정보, 및 서브 그룹별로 해당 서브 그룹에 글로벌 움직임 매트릭스가 적용되었는지 여부를 식별하기 위한 정보를 포함하는 것을 일 실시예로 한다.
상기 시그널링 정보는 상기 서브 그룹 각각을 식별하기 위한 인덱스 정보를 더 포함하는 것을 일 실시예로 한다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 퀄리티 있는 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 다양한 비디오 코덱 방식을 달성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 자율주행 서비스 등 범용적인 포인트 클라우드 콘텐츠를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 포인트 클라우드 데이터의 독립적 인코딩 및 디코딩을 위해 포인트 클라우드 데이터의 공간 적응적 분할을 수행함으로써, 병렬 처리의 향상 및 스케일러비티(scalability)를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 포인트 클라우드 데이터를 타일 및/또는 슬라이스 단위로 분할하여 인코딩 및 디코딩을 수행하고 이를 위해 필요한 데이터를 시그널링함으로써 포인트 클라우드의 인코딩 및 디코딩 성능을 향상시킬 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 포인트 클라우드 컨텐츠의 화면 간 움직임 예측의 글로벌 움직임 추정과 움직임 보상을 위해 불균일한 샘플링 방법과 글로벌 움직임 매트릭스 적용 여부를 판단하는 방법을 제안함으로써, 포인트 클라우드 데이터의 압축 성능을 향상시킬 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법 및 송신 장치는 포인트 클라우드 데이터의 포인트들을 복수개의 서브 블록들로 분할하여 각 서브 블록별로 해당 서브 블록에 포함된 포인트들의 개수에 따라 서로 다른 개수의 포인트들을 샘플링할 수 있고, 특히 더 중요한 위치에서의 포인트들을 포함하는 서브 블록에서 더 많이 포인트들을 샘플링함으로써, 글로벌 움직임 추정의 정확도가 향상되는 효과가 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법 및 수신 장치는 각 서브 블록별로 글로벌 움직임 추정 결과 적용 여부에 따라 글로벌 움직임 보상을 다르게 수행함으로써, 비트스트림 사이즈와 디코딩 시간이 줄어드는 효과가 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다.
도 1은 실시예들에 따른 포인트 클라우드(Point Cloud) 콘텐츠 제공을 위한 시스템을 나타낸다.
도 2는 실시예들에 따른 Point Cloud 콘텐츠 제공을 위한 과정을 나타낸다.
도 3은 실시예들에 따른 Point Cloud 캡처 장비 배열 구성을 나타낸다.
도 4는 실시예들에 따른 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder)를 나타낸다.
도 5는 실시예들에 따른 3차원 공간상의 복셀을 나타낸다.
도 6은 실시예들에 따른 옥트리와 occupancy 코드의 예시를 나타낸다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
도 8은 실시예들에 따른 LOD별 Point Cloud 콘텐츠의 Point 구성의 예시를 나타낸다.
도 9는 실시예들에 따른 LOD별 Point Cloud 콘텐츠의 Point 구성의 예시를 나타낸다.
도 10은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 블록 다이어그램(block diagram) 예시를 나타낸다.
도 11은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 예시를 나타낸다.
도 12는 실시예들에 따른 송신기의 Point Cloud 비디오 인코딩을 위한 구성요소를 나타낸다.
도 13은 실시예들에 따른 수신기의 Point Cloud 비디오 디코딩을 위한 구성요소를 나타낸다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 15는 실시예들에 따른 복수개의 프레임들로 GOF가 구성되는 일 예시를 보인 도면이다.
도 16은 실시예들에 따른 포인트 클라우드 송신 장치의 또 다른 예시를 보인 도면이다.
도 17은 실시예들에 따른 지오메트리 인코더에서 오브젝트 내 포인트들을 복수개의 서브 그룹들로 분할하는 일 예시를 보인 도면이다.
도 18은 실시예들에 따른 지오메트리 인코더에서 글로벌 움직임 매트릭스의 적용 여부를 판단하는 과정의 일 예시를 보인 도면이다.
도 19는 실시예들에 따른 포인트 클라우드 수신 장치의 지오메트리 인코더 동작의 일 예시를 보인 도면이다.
도 20은 실시예들에 따른 송/수신을 위한 포인트 클라우드 데이터의 비트스트림 구조의 예시를 나타낸다.
도 21은 실시예들에 따른 시퀀스 파라미터 세트의 신택스 구조의 일 실시예를 보인 도면이다.
도 22는 실시예들에 따른 지오메트리 파라미터 세트의 신택스 구조의 일 실시예를 보인 도면이다.
도 23은 실시예들에 따른 어트리뷰트 파라미터 세트의 신택스 구조의 일 실시예를 보인 도면이다.
도 24는 실시예들에 따른 지오메트리 데이터 유닛 헤더의 신택스 구조의 일 실시예를 보인 도면이다.
도 25는 실시예들에 따른 포인트 클라우드 수신 장치의 또 다른 예시를 보인 도면이다.
도 26은 실시예들에 따른 포인트 클라우드 수신 장치의 지오메트리 디코딩 동작의 일 예시를 보인 도면이다.
도 27은 실시예들에 따른 포인트 클라우드 데이터 송신 방법의 흐름도를 나타낸다.
도 28은 실시예들에 따른 포인트 클라우드 데이터 수신 방법의 흐름도를 나타낸다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 하기의 실시예들은 본 문서를 구체화하기 위한 것일 뿐 본 문서의 권리 범위를 제한하거나 한정하는 것이 아님은 물론이다. 본 문서의 상세한 설명 및 실시예들로부터 본 문서가 속하는 기술 분야의 전문가가 용이하게 유추할 수 있는 것은 본 문서의 권리 범위에 속하는 것으로 해석된다.
본 명세서의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 안되며, 예시적인 것으로 고려되어야 한다. 본 문서의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 문서의 등가적 범위 내에서의 모든 변경은 본 문서의 범위에 포함된다.
바람직한 실시예들에 대해 구체적으로 설명하되, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 구현될 수 있는 실시예들만을 나타내기보다는 바람직한 실시예들을 설명하기 위한 것이다. 이하에서는 본 문서에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함하여 설명한다. 그러나 본 문서가 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다. 본 명세서에서 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 본 문서는 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다. 또한 이하의 도면들 및 상세한 설명은 구체적으로 기술된 실시예들에만 국한되어 해석되지 않고, 도면 및 상세한 설명에 기재된 실시예들과 균등하거나, 대체 가능한 것들까지 포함하는 것으로 해석되어야만 한다.
도 1은 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Artificial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition unit, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트 또는 모듈)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 콘텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보, 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000) 뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우드 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우드 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다.
도 1의 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 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기, 전송 시스템 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기, 수신 시스템 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 결합 등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 3은 도 1과 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.
도 3의 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.
도 3의 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 들면, 자율 주행 차량의 사용자에게 제공될 수 있는 외부 환경을 나타내는 콘텐트)를 생성하기 위해 사용될 수 있다.
도 3에 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 수도 있다.
도 4는 실시예들에 따른 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder)의 예시를 나타낸다.
도 4는 도 1의 포인트 클라우드 비디오 인코더(10002)의 상세 예시를 나타낸다. 포인트 클라우드 비디오 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 1과 도2 에서 설명한 바와 같이 포인트 클라우드 비디오 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 비디오 인코더는 좌표계 변환부(Transformation Coordinates unit, 40000), 양자화부(Quantization unit, 40001), 옥트리 분석부(Octree Analysis unit, 40002), 서페이스 어프록시메이션 분석부(Surface Approximation Analysis unit, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004), 지오메트리 리컨스트럭션부(Geometry Reconstruction unit, 40005), 컬러 변환부(Color Transformation unit, 40006), 어트리뷰트 변환부(Attribute Transformation unit, 40007), RAHT(Region Adaptive Hierarchical Transform) 변환부(40008), LOD생성부( LOD Generation unit, 40009), 리프팅 변환부(Lifting Transformation unit)(40010), 계수 양자화부(Coefficient Quantization unit, 40011) 및/또는 아리스메틱 인코더(Arithmetic Encoder, 40012)를 포함한다.
좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(40000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(40001)는 지오메트리 정보를 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(quantization 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. 복셀화는 3차원 공간 상의 위치정보를 표현하는 최소한의 유닛을 의미한다. 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 point)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 Hierarchical Transform) 코딩, 예측 변환(Interpolation-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(40006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(40006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(40006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(40005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(40005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(40007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(40007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(40007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(40007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(40007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(40007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(40007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(40007)는 K-D 트리 또는 몰톤(morton) 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. 몰톤 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 값을 z, 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 몰톤 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 LOD(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 비디오 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 콘텐트 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 비디오 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 4의 포인트 클라우드 비디오 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 비디오 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(recursive 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 비디오 인코더의 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(recursive 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 수학식 1에 따라 결정된다. 하기 수학식 1에서 (xint n, yint n, zint n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
[수학식 1]
Figure PCTKR2022016047-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 6의 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 비디오 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 비디오 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들면 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. 이 경우, 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 비디오 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 비디오 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 비디오 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 다이렉트 코딩의 대상이 되는 전체 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들어, 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 비디오 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 비디오 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 비디오 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 비디오 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 비디오 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(
Figure PCTKR2022016047-appb-img-000002
x,
Figure PCTKR2022016047-appb-img-000003
y,
Figure PCTKR2022016047-appb-img-000004
z), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피 코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 비디오 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 다음의 수학식 2와 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③자승을 수행하고 그 값을 모두 더한 값을 구한다.
[수학식 2]
Figure PCTKR2022016047-appb-img-000005
그리고나서, 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 표 1은 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표 1은 4개의 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.
표 1. Triangles formed from vertices ordered 1,…, n
n Triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertices)라고 호칭된다. 실시예들에 따른 포인트 클라우드 비디오 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 비디오 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 비디오 인코더는 콘텍스트 어댑티브 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 도 2의 포인트 클라우드 비디오 인코더(10002) 또는 도 4의 포인트 클라우드 비디오 인코더 또는 아리스메틱 인코더(40004)는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 비디오 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.
도 7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 비디오 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. 도 7의 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 비디오 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 비디오 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 비디오 인코더(예를 들면 LOD 생성부(40009))는 포인트들을 LOD별로 분류(reorganization) 또는 그룹핑(grouping) 할 수 있다. 도 8은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도 8의 가장 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도 8의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도 8의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도 8의 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 비디오 인코더(예를 들면 도 2의 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 비디오 인코더, 또는 LOD 생성부(40009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리디안 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 비디오 인코더뿐만 아니라 포인트 클라우드 비디오 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 생성 전 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 비디오 인코더는 LOD 기반의 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 LOD 기반의 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 계산할 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 비디오 인코더(예를 들면 계수 양자화부(40011)는 해당 포인트의 어트리뷰트(즉, 오리지날 어트리뷰트 값)에서 해당 예측 어트리뷰트(어트리뷰트값)을 뺀 해당 포인트의 잔여값(residual, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값, 예측 에러 어트리뷰트 값 등으로 호칭할 수 있다)을 양자화(quantization) 및 역양자화(inverse quantization)할 수 있다. 잔여 어트리뷰트 값에 대해 수행되는 송신 디바이스의 양자화 과정은 표 2와 같다. 그리고 표 2와 같이 양자화가 이루어진 잔여 어트리뷰트 값에 대해 수행되는 수신 디바이스의 역 양자화 과정은 표 3과 같다.
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);
}
}
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들면 아리스메틱 인코더(40012))는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여(residual) 어트리뷰트 값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 비디오 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 비디오 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 LOD 기반의 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 비디오 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 비디오 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 비디오 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 비디오 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 수학식 3은 RAHT 변환 행렬을 나타낸다. glx,y,z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. glx,y,z는 gl+1 2x,y,z와 gl+1 2x+1,y,z로부터 계산될 수 있다. gl 2x,y,z 와 gl 2x+1,y,z 의 가중치를 w1=wl 2x,y,z과 w2=wl 2x+1,y,z 이다.
[수학식 3]
Figure PCTKR2022016047-appb-img-000006
gl-1 x,y,z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. hl-1 x,y,z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(40012)의 인코딩). 가중치는 wl-1 x,y,z = wl 2x,y,z + wl 2x+1,y,z로 계산된다. 루트 노드는 마지막 g1 0,0,0 과 g1 0,0,1을 통해서 다음의 수학식 4와 같이 생성된다.
[수학식 4]
Figure PCTKR2022016047-appb-img-000007
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 10은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 비디오 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 비디오 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 비디오 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 지오메트리를 기반으로 어트리뷰트 비트스트림에 대해 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 비디오 디코더(Point Cloud Video Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 비디오 디코더는 도 10에서 설명한 포인트 클라우드 비디오 디코더의 상세 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 비디오 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 비디오 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 비디오 디코더는 아리스메틱 디코더(arithmetic decoder, 11000), 옥트리 합성부(octree synthesis unit, 11001), 서페이스 오프록시메이션 합성부(surface approximation synthesis unit, 11002), 지오메트리 리컨스트럭션부(geometry reconstruction unit, 11003), 좌표계 역변환부(coordinates inverse transformation unit, 11004), 아리스메틱 디코더(arithmetic decoder, 11005), 역양자화부(inverse quantization unit, 11006), RAHT변환부(11007), LOD생성부(LOD generation unit, 11008), 인버스 리프팅부(Inverse lifting unit, 11009), 및/또는 컬러 역변환부(color inverse transformation unit, 11010)를 포함한다.
아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스트럭션부(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 Hierarchical Transform) 디코딩, 예측 변환(Interpolation-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 비디오 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 비디오 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 비디오 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 비디오 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 콘텐트 제공 시스템에 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 비디오 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 비디오 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 12에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 4의 포인트 클라우드 비디오 인코더)의 예시이다. 도 12에 도시된 전송 장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 비디오 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 (Arithmetic) 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011) 및/또는 전송 처리부(12012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(12000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 9에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(12001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(12001)의 동작 및/또는 양자화는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(12002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(120002)는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(12003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(12003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(12003)는 도 4 및 도 6에서 설명한 포인트 클라우드 비디오 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 비디오 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, LOD 기반의 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 하나 이상을 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 LOD 기반의 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(40012)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 및/또는 메타 데이터를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트 및/또는 메타 데이터를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트 및/또는 메타 데이터가 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 또는 tile inventory라 함)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.
슬라이스란 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS(또는 타일 인벤토리)는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(12007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(12012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(12012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 13에 도시된 수신 장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 비디오 디코더)의 예시이다. 도 13에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 비디오 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(13000), 수신 처리부(13001), 아리스메틱 (arithmetic) 디코더(13002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(13004), 인버스(inverse) 양자화 처리부(13005), 메타데이터 파서(13006), 아리스메틱 (arithmetic) 디코더(13007), 인버스(inverse)양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009), 색상 역변환 처리부(13010) 및/또는 렌더러(13011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(13000)는 포인트 클라우드 데이터를 수신한다. 수신부(13000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(13001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(13001)는 수신부(13000)에 포함될 수 있다.
아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(13002)는 아리스메틱 디코더(11000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 옥트리 합성부(11001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(13004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(13004)는 서페이스 오프록시메이션 합성부(11002) 및/또는 지오메트리 리컨스트럭션부(11003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(13006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(13006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 12에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(13007), 인버스 양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009) 및 색상 역변환 처리부(13010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(13007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(13007)는 아리스메틱 디코더(11005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(13008)는 역양자화부(11006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(13009)는 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(13010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(13010)는 컬러 역변환부(11010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(13011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 14의 구조는 서버(17600), 로봇(17100), 자율 주행 차량(17200), XR 장치(17300), 스마트폰(17400), 가전(17500) 및/또는 HMD(Head-Mount Display, 17700) 중에서 적어도 하나 이상이 클라우드 네트워크(17000)와 연결된 구성을 나타낸다. 로봇(17100), 자율 주행 차량(17200), XR 장치(17300), 스마트폰(17400) 또는 가전(17500) 등은 장치라 호칭된다. 또한, XR 장치(17300)는 실시예들에 따른 포인트 클라우드 압축 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(17000)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(17000)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(17600)는 로봇(17100), 자율 주행 차량(17200), XR 장치(17300), 스마트폰(17400), 가전(17500) 및/또는 HMD(17700) 중에서 적어도 하나 이상과 클라우드 네트워크(17000)을 통하여 연결되고, 연결된 장치들(17100 내지 17700)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(17700)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(17100 내지 17500)의 다양한 실시 예들을 설명한다. 여기서, 도 14에 도시된 장치(17100 내지 17500)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(17300)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(17300)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(17300)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(17200)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(17200)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(17200)은 XR 장치(17300)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(17200)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(17200)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(17200)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 명세서의 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 PCC 방법/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 압축 데이터 (PCC) 송수신 장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신 장치 차량에 탑재된 경우, 포인트 클라우드 송수신 장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
도 1 내지 도 14에서 설명한 것처럼, 포인트 클라우드 데이터는 포인트들의 집합으로 구성되며, 각 포인트는 지오메트리(또는 지오메트리 정보라 호칭한다)와 어트리뷰트(또는 어트리뷰트 정보라 호칭한다)를 가질 수 있다. 지오메트리 정보는 각 포인트의 3차원 위치 정보(xyz)이다. 즉, 각 포인트의 위치는 3차원 공간을 나타내는 좌표계상의 파라미터들(예를 들면 공간을 나타내는 3개의 축인 X축, Y축 및 Z축의 파라미터들 (x,y,z))로 표현된다. 그리고, 어트리뷰트 정보는 그 포인트의 색상(RGB, YUV 등), 반사도(reflectance), 법선(normal vectors), 투명도(transparency) 등을 의미한다.
실시예들에 따르면, 포인트 클라우드 데이터의 인코딩 과정은 옥트리, 트라이숩 또는 예측 기반으로 지오메트리 정보를 압축하고, 압축을 통해 변경된 위치 정보들로 재구성 된 지오메트리(reconstructed geometry=디코딩된 지오메트리) 정보를 기반으로 어트리뷰트 정보를 압축하는 과정으로 이루어진다. 또한, 포인트 클라우드 데이터의 디코딩 과정은, 인코딩된 지오메트리 비트스트림(bitstream)과 어트리뷰트 비트스트림을 전송 받아서 옥트리, 트라이숩 또는 예측 기반으로 지오메트리 정보를 디코딩하고 디코딩 과정을 통해 재구성된 지오메트리 정보를 기반으로 어트리뷰트 정보를 복호화하는 과정으로 이루어진다.
본 문서는 옥트리 기반으로 포인트 클라우드 데이터를 압축할 때, 프레임 간 상관 관계에 기반하여 중복 정보를 제거함으로써, 압축 효율을 높이기 위한 것이다.
본 문서는 옥트리 기반으로 포인트 클라우드 데이터를 압축할 때, 서로 다른 프레임 간의 정보 유사성을 반영함으로써, 압축 효율을 높이기 위한 것이다.
즉, 본 문서는 포인트 클라우드 데이터가 연속된 프레임들로 구성된 경우, 인접 프레임 간의 상관 관계가 높은 특징을 이용하여 중복되는 정보를 제거함으로써, 높은 코딩 효율을 얻을 수 있도록 한다.
실시예들에 따르면, 지오메트리 인코더는 입력되는 포인트들의 포지션들을 이용하여 옥트리를 구성하고, 옥트리를 기반으로 지오메트리 압축을 수행한다. 이때, 지오메트리 압축을 위한 예측은 프레임 내에서 수행될 수도 있고, 프레임 간에 수행될 수도 있다. 본 문서는 전자를 인트라 프레임 예측이라 칭하고, 후자를 인터 프레임 예측이라 칭한다.
실시예들에 따르면, 인터 프레임 예측은 코딩이 수행된 프레임(frame)으로부터 현재 프레임(current frame)과 유사도가 높은 정보를 활용해 현재 프레임의 전체 또는 일부를 예측하는 것이다. 인터 프레임 예측은 시간에 따라 획득된 멀티플 프레임 간 움직임을 이용하는 예측 방식이며, 움직임 벡터 추정(motion vector estimation) 또는 움직임 추정(motion estimation)을 통해 수행될 수 있다.
이때, 움직임 추정은 프레임 전체를 회전, 이동, 확대 및/또는 축소하는 방식으로 움직임 벡터를 산출하는 글로벌 움직임 추정과 프레임의 일부 영역 또는 오브젝트의 움직임을 예측하는 로컬 움직임 추정으로 구분될 수 있다.
즉, 인터 프레임 예측(또는 인터 예측이라 칭함)은 참조 프레임의 포인트 클라우드 데이터와 현재 프레임의 포인트 클라우드 데이터의 유사성을 기반으로 움직임 벡터를 산출하고, 움직임 벡터를 사용하여 현재 프레임의 포인트 클라우드 데이터를 예측한다.
다시 말해, 프레임 간에 존재하는 움직임은 x,y,z와 같은 3차원 공간에서 정의될 수 있으며, 프레임 간의 움직임을 글로벌 움직임 벡터(global motion vector)로 정의할 수 있다. 이와는 달리 프레임 내에서 지역적으로 서로 다른 움직임을 가질 수 있는데 이를 로컬 움직임 벡터(local motion vector)로 정의할 수 있다.
한편, 전술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 콘텐트(또는 포인트 클라우드 데이터라 함)를 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(Light Detection And Ranging, LiDAR) 등을 사용할 수 있다.
라이다는 조사된 빛이 오브젝트에 반사되어 돌아오는 시간을 측정하여 거리를 측정하는 장비로서, 넓은 영역과 긴 거리에 걸쳐 실세계의 정밀한 3차원 정보를 포인트 클라우드 데이터로 제공해준다. 이러한 대용량 포인트 클라우드 데이터는 자율 주행 자동차, 로봇, 3차원 지도 제작 등 컴퓨터 비전 기술을 이용하는 다양한 분야에 널리 활용될 수 있다. 즉, 라이다 장비는 포인트 클라우드 콘텐츠의 생성을 위해, 레이저 펄스를 쏘고 오브젝트(즉, 반사체)에 반사되어 돌아오는 시간을 측정하여 오브젝트의 위치 좌표를 측정하는 레이더 시스템을 이용한다. 실시예들에 따르면, 깊이 정보는 라이다 장비를 통해 추출할 수 있다. 그리고, 라이다 장비를 통해 생성된 포인트 클라우드 콘텐츠는 여러 개의 프레임들로 구성될 수도 있고, 여러 개의 프레임들은 하나의 콘텐츠로 통합될 수도 있다.
본 문서는 이와 같이 복수개의 프레임들을 가지는 포인트 클라우드 데이터의 압축 효율을 높이기 위한 방법을 제안한다.
도 15는 실시예들에 따른 복수개의 프레임들로 GOF(Group Of Frame)가 구성되는 일 예시를 보인 도면이다.
실시예들에 따르면, 포인트 클라우드 데이터의 압축을 위한 인터 프레임 예측 기술에서, 움직임 추정을 하기 위해 GoF는 도 15와 같이 기본적으로 IPPP 구조로 되어 있다. 여기서, I는 한 장의 프레임 내에서 유사성을 판단하여 예측하기 위한 인트라 예측 프레임이고, P는 프레임 간의 관계를 가지고 예측하는 인터 예측을 위한 프레임이다. GoF 의 수에 따라 구성되는 프레임들의 수가 달라지며, GoF 주기만큼 예측이 끝나면, 이전 프레임을 참조하지 않고 I-프레임부터 다시 예측을 시작하도록 구조화 되어 있다.
그리고, 포인트 클라우드 데이터가 복수개의 프레임들로 구성되는 GoF 구조에서, 프레임 간의 옥트리 구조의 지오메트리 정보의 움직임 예측을 위해서 가장 기본이 되는 기술은 크게 글로벌 움직임 추정(global motion estimation)과 로컬 움직임 추정(local motion estimation)이 있다. 여기서, 글로벌 움직임 추정은 프레임 전체의 움직임을 보상하기 위함이고, 로컬 움직임 추정은 프레임의 특정 위치에서 움직임을 예측하기 위함이다. 즉, 글로벌 모션 벡터란 연속된 프레임 간 예를 들어, 참조 프레임(reference frame 또는 이전 프레임)과 현재 프레임을 비교하여 구한 전체 움직임의 변화 벡터를 의미하고, 로컬 모션 벡터는 특정 영역에서의 움직임의 변화 벡터를 의미할 수 있다.
현재 G-PCC 에서는 글로벌 움직임 추정을 위해 옥트리 구조에서 특정 노드 사이즈부터 노드 내 포함된 포인트들을 노드 단위로 소팅하고, 소팅된 현재 프레임과 이전 프레임(즉, 예측기)에서 샘플링된 포인트들 간에 Least Mean Square(LMS)를 계산하여 최적의 매트릭스를 찾는다. 이 매트릭스를 글로벌 모션 매트릭스(global motion matrix)라 칭한다. 그리고, 이 글로벌 모션 매트릭스를 예측기 전처에 적용하면 예측된 현재 프레임의 결과를 얻을 수 있다.
이에 반해, 로컬 움직임 추정은 현재 프레임에서 특정 노드(혹은 prediction unit, PU)와 예측기(predictor)에서 동일한 위치에서 해당 노드를 포함하고 임계값(threshold)만큼 사이즈가 큰 서치 윈도우 각각의 영역에 포함되는 포인트들 간의 RDO(Rate-Distortion Optimization) 값을 비교하여 최소 RDO를 가지는 최적의 움직임 벡터 (
Figure PCTKR2022016047-appb-img-000008
)를 찾고, 노드를 분할하여 하위 노드에 대한 각각의 로컬 모션을 찾는 것이 유리한 경우 해당 노드(혹은 prediction unit, PU)에 대해 스플릿을 하고, 각 노드(혹은 prediction unit, PU)에 대한 움직임 벡터를 시그널링하고 예측기에 움직임 벡터를 적용하는 구조로 구성되어 있다.
특히 글로벌 움직임 추정시 현재 프레임에서 정해진 수만큼 균일한(uniform) 위치에서 포인트를 샘플링한 후, 샘플링된 포인트와 가장 가까운 포인트를 참조 프레임에서 추출해 내고, 추출된 포인트들끼리 LMS를 통해 움직임 벡터 매트릭스를 찾고, 반복 횟수가 두 번 이상일 때 이전 시도에서 찾은 움직임 벡터 매트릭스를 참조 프레임에 적용한 결과를 다시 레퍼런스 삼아 샘플링하여 동일 과정을 반복한다. 이 과정에서 타겟으로 삼는 현재 포인트는 균일(uniform) 위치로 샘플링하다보니 중요한 위치에 더 많은 포인트를 추출하고, 해당 위치 위주로 움직임이 발생한다고 하더라도 이를 반영한 글로벌 움직임 추정을 하는 것에 한계가 있다. 즉, 포인트를 샘플링할 때 데이터 분포를 고려하지 않고 균일하게 포인트들을 샘플링함으로써, 샘플링된 포인트가 전체를 반영할 수 있는 포인트가 아니라 샘플링된 위치에 노이즈가 섞일 수 있는 문제가 발생할 수 있다.
그래서, 본 문서는 포인트 클라우드의 글로벌 움직임 추정시 포인트들의 위치에 따라 불균형(non-uniform)하게 포인트들을 샘플링하는 방법을 제안한다. 또한, 불균형 포인트 샘플링을 통해 예측된 글로벌 모션의 적용 여부를 판단하는 방법을 제안한다. 즉, 본 문서는 포인트 클라우드의 글로벌 움직임 추정시 포인트의 위치에 따라 불균형하게 포인트를 샘플링하는 방법과 글로벌 모션의 부분 적용 방법을 제안한다.
구체적으로는 본 문서는 복수개의 프레임들을 가지는 포인트 클라우드의 효과적인 압축을 위해 라이다(LiDAR)로 캡처된 포인트 클라우드의 불균등 포인트 샘플링 방법과 불균등 포인트 샘플링을 통해 예측된 글로벌 모션의 적용 여부 판단 방법을 제안한다. 본 문서에서 불균형은 불균등, 불균일과 동일한 의미로 사용된다.
이를 위해, 실시예들에 따른 클라우드 데이터 송신 방법/장치는 데이터 분포에 따라 포인트를 샘플링할 할 수 있다. 그리고, 데이터 분포에 따라 포인트를 샘플링하기 위해 포인트 클라우드 데이터를 하나 이상의 서브 그룹들로 분할할 수 있다. 이때, 서브 그룹별로 샘플링된 포인트의 개수는 다를 수 있다. 그리고, 각 서브 그룹은 글로벌 움직임 매트릭스 적용 여부를 다르게 할 수 있다. 또한, 각 서브 그룹별로, 글로벌 움직임 매트릭스를 적용한 후와 적용 전 결과를 비교하여 각 서브 그룹별로 글로벌 움직임 매트릭스의 적용 여부를 판단할 수 있다. 이에 더하여, 서브 그룹에 포함된 포인트들의 수가 일정 수 이하일 경우 그 서브 그룹은 포인트 샘플링과 글로벌 움직임 매특리스 적용 대상에서 제외될 수 있다.
본 문서에서 서브 그룹은 서브 블록으로 지칭될 수 있다.
또한, 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 실시예들에 따른 방법/장치로 줄여서 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도 1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도 2의 획득-인코딩-전송(20000-20001-20002), 도 4의 포인트 클라우드 비디오 인코더, 도 12의 전송 장치, 도 14의 디바이스, 도 17의 송신 장치 등을 지칭하는 용어로 해석된다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도 1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도 2의 전송-디코딩-렌더링(20002-20003-20004), 도 10의 디코더, 도 11의 포인트 클라우드 비디오 디코더, 도 13의 수신 장치, 도14의 디바이스, 도 25의 수신 장치 등을 지칭하는 용어로 해석된다.
실시예들에 따르면, 포인트 클라우드 데이터의 인코딩 과정은 도 1의 포인트 클라우드 비디오 인코더(10002), 도 2의 인코딩(20001), 도 4의 포인트 클라우드 비디오 인코더, 도 12의 포인트 클라우드 비디오 인코더, 도 16의 지오메트리 인코더(51003), 도 18의 지오메트리 인코딩 과정 또는 도 19의 지오메트리 인코딩 과정에서 수행될 수 있다. 실시예들에 따른 포인트 클라우드 데이터의 디코딩 과정은 도 1의 포인트 클라우드 비디오 디코더(10006), 도 2의 디코딩(20003), 도 11의 포인트 클라우드 비디오 디코더, 도 13의 포인트 클라우드 비디오 디코더, 도 25의 지오메트리 디코더(61003), 또는도 26의 지오메트리 디코딩 과정에서 수행될 수 있다. 도 16, 도 18 내지 도 19, 도 25 내지 도 26의 상세 설명은 뒤에서 다시 하기로 한다.
실시예들에 따라, 포인트 클라우드 데이터를 구성하는 지오메트리 데이터, 지오메트리 정보, 위치 정보 등은 서로 동일한 의미로 해석된다. 또한, 포인트 클라우드 데이터를 구성하는 어트리뷰트 데이터, 어트리뷰트 정보, 속성 정보 등은 서로 동일한 의미로 해석된다.
도 16은 실시예들에 따른 포인트 클라우드 송신 장치의 또 다른 예시를 보인 도면이다. 도 16에 도시된 포인트 클라우드 송신 장치의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
실시예들에 따르면, 포인트 클라우드 송신 장치는 데이터 입력부(51001), 시그널링 처리부(51002), 지오메트리 인코더(51003), 어트리뷰트 인코더(51004), 및 전송 처리부(51005)를 포함할 수 있다.
상기 지오메트리 인코더(51003)와 어트리뷰트 인코더(51004)는 도 1의 포인트 클라우드 비디오 인코더(10002), 도 2의 인코딩(20001), 도 4의 포인트 클라우드 비디오 인코더, 도 12의 포인트 클라우드 비디오 인코더에서 설명된 동작의 일부 또는 전체를 수행할 수 있다.
실시예들에 따른 데이터 입력부(51001)는 포인트 클라우드 데이터를 수신 또는 획득한다. 상기 데이터 입력부(51001)는 도 1의 포인트 클라우드 비디오 획득부(10001)의 동작의 일부 또는 전부를 수행할 수도 있고 또는 도 12의 데이터 입력부(12000)의 동작의 일부 또는 전부를 수행할 수도 있다. 상기 데이터 입력부(51001)는 라이다(LiDAR)를 이용하여 포인트 클라우드 데이터를 캡쳐할 수 있다. LiDAR 기반 포인트 클라우드의 포인트들은 LiDAR 센서가 장착된 차량으로 인해 발생하는 글로벌 움직임과 사람, 동물 등과 같은 시간 축에 따른 움직임을 갖는 오브젝트들에 의해 생성되는 로컬 움직임, 이 두 가지 유형의 움직임을 가지고 있다.
상기 데이터 입력부(51001)는 포인트 클라우드 데이터의 포인트들의 포지션들을 지오메트리 인코더(51003)로 출력하고, 포인트 클라우드 데이터의 포인트들의 어트리뷰트들을 어트리뷰트 인코더(51004)로 출력한다. 또한 파라미터들은 시그널링 처리부(51002)로 출력한다. 실시예들에 따라 파라미터들은 지오메트리 인코더(51003)와 어트리뷰트 인코더(51004)로 제공될 수도 있다.
상기 지오메트리 인코더(51003)는 입력되는 포인트들의 포지션들을 이용하여 옥트리를 구성하고, 옥트리를 기반으로 지오메트리 압축을 수행한다. 이때, 지오메트리 압축을 위한 예측은 프레임 내에서 수행될 수도 있고, 프레임 간에 수행될 수도 있다. 본 문서는 전자를 인트라 프레임 예측이라 칭하고, 후자를 인터 프레임 예측이라 칭한다.
상기 지오메트리 인코더(51003)는 입력되는 포인트 클라우드 데이터의 포인트들을 복수개의 서브 그룹들로 분할하고, 분할된 서브 그룹별로 샘플링할 포인트들의 개수를 계산하여 샘플링을 수행한다. 그리고, 각 서브 그룹별로 글로벌 움직임 매트릭스의 적용 여부를 결정한 후 글로벌 움직임 추정 및/또는 로컬 움직임 추정을 수행하여 지오메트리 정보를 압축한다. 샘플링 방법과 글로벌 움직임의 부분 적용 방법에 대한 상세 내용은 뒤에서 다시 설명하기로 한다.
상기 지오메트리 인코더(51003)는 압축된 지오메트리 정보에 대해 엔트로피 인코딩을 수행하여 지오메트리 비트스트림 형태로 전송 처리부(51005)로 출력한다.
상기 지오메트리 인코더(51003)는 압축을 통해 변경된 포지션들을 기반으로 지오메트리 정보를 재구성하고, 재구성된(또는 복호화된) 지오메트리 정보를 상기 어트리뷰트 인코더(51004)로 출력한다.
상기 어트리뷰트 인코더(51004)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리 정보를 기반으로 어트리뷰트 정보를 압축한다. 일 실시예로, 상기 어트리뷰트 정보는 RAHT 코딩, LOD 기반의 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 하나 이상을 조합하여 코딩될 수 있다. 상기 어트리뷰트 인코더(51004)는 압축된 어트리뷰트 정보에 대해 엔트로피 인코딩을 수행하여 어트리뷰트 비트스트림 형태로 전송 처리부(51005)로 출력한다.
상기 시그널링 처리부(51002)는 지오메트리 정보와 어트리뷰트 정보의 인코딩/디코딩/렌더링 등에 필요한 시그널링 정보를 생성 및/또는 처리하여 지오메트리 인코더(51003), 어트리뷰트 인코더(51004) 및/또는 전송 처리부(51005)로 제공할 수 있다. 또는 상기 시그널링 처리부(51002)가 지오메트리 인코더(51003), 어트리뷰트 인코더(51004) 및/또는 전송 처리부(51005)에서 생성된 시그널링 정보를 제공받을 수도 있다. 상기 시그널링 처리부(51002)는 수신 장치에서 피드백되는 정보(예를 들어, 헤드 오리엔테이션 정보 및/또는 뷰포트 정보를 지오메트리 인코더(51003), 어트리뷰트 인코더(51004) 및/또는 전송 처리부(51005)로 제공할 수도 있다.
본 명세서에서 시그널링 정보는 parameter set (SPS: sequence parameter set, GPS: geometry parameter set, APS: attribute parameter set, TPS: Tile Parameter Set (또는 tile inventory라 함) 등) 단위로 시그널링되어 전송될 수 있다. 또한 슬라이스 또는 타일과 같이 각 영상의 코딩 유닛(또는 압축 유닛 또는 예측 유닛) 단위로 시그널링되어 전송될 수도 있다. 또한, 레이어 그룹 또는 서브 그룹과 같이 움직임 벡터 추정 단위로 시그널링되어 전송될 수도 있다.
상기 전송 처리부(51005)는 도 12의 전송 처리부(12012)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수도 있고, 도 1의 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 또는 도 12의 설명을 참조하기로 하고 여기서는 생략한다.
상기 전송 처리부(51005)는 상기 지오메트리 인코더(51003)에서 출력되는 슬라이스 단위의 지오메트리 비트스트림, 상기 어트리뷰트 인코더(51004)에서 출력되는 슬라이스 단위의 어트리뷰트 비트스트림, 상기 시그널링 처리부(51002)에서 출력되는 시그널링 비트스트림을 하나의 비트스트림으로 다중화한 후 그대로 전송하거나 또는 파일이나 세그먼트 등으로 인캡슐레이션하여 전송할 수 있다. 본 문서에서 파일은 ISOBMFF 파일 포맷인 것을 일 실시예로 한다.
실시예들에 따라 파일 또는 세그먼트는 수신 장치로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 전송 처리부(51005)는 수신 장치와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 전송 처리부(51005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 처리부(51005)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따르면, 지오메트리 압축 관련 정보는 상기 시그널링 처리부(51002), 지오메트리 인코더(51003), 전송 처리부(51005) 중 적어도 하나에 의해 SPS, GPS 및/또는 APS 및/또는 지오메트리 데이터 유닛(또는 지오메트리 슬라이스 비트스트림이라 함)의 헤더에 포함되어 전송될 수 있다.
다음은 지오메트리 인코더(51003)에서 수행되는 포인트 클라우드의 글로벌 움직임 추정시 포인트의 위치에 따른 불균형한 포인트 샘플링 방법과 글로벌 움직임의 부분 적용 방법의 상세한 설명이다.
현재 프레임에서 글로벌 움직임 추정을 위해 위치나 목적의 중요도에 따라 불균일한(non Uniform) 포인트 샘플링을 하기 위한 방법은 다음과 같다.
즉, LiDAR 센서를 이용해 취득한 포인트 클라우드 중 움직임의 대부분을 차지하는 오브젝트로 분류된 포인트들을 x: width, y: depth, z: height 라고 할 때, 오브젝트는 대부분 z값이 낮은 위치에 위치해 있고, z값이 커질 수록 포인트 수가 줄어드는 형태로 위치하게 된다. 본 문서는 이러한 형태를 반영하여 z축에 따라 샘플링할 포인트 수를 다르게 할 수 있다.
이를 위해, 지오메트리 인코더(51003)는 오브젝트로 분류된 포인트들(즉, 오브젝트에 포함되는 포인트들)을 z축으로 n개만큼 그룹핑하고, 이를 그룹 또는 서브 그룹 또는 서브 블록이라 칭하기로 한다. 즉, 오브젝트로 분류된 포인트들을 z축을 기준으로 n개의 그룹(또는 서브 그룹 또는 서브 블록이라 함)들로 분할할 수 있다. 이때, n 값은 미리 설정될 수도 있고, 시그널링 정보로서 입력받을 수도 있다.
그리고, 지오메트리 인코더(51003)는 오브젝트로 분류된 포인트들을 z축으로 n개만큼 그룹핑하여 생성된 각 서브 그룹에 포함된 포인트들의 개수를 계산한다. 이어, 현재 프레임에서 글로벌 움직임 추정할 때 사용할 포인트들을 샘플링하기 위해, 각 서브 그룹 내 포인트들의 수와 오브젝트로 분류된 전체 포인트들의 수의 비율과 미리 지정된 샘플링 수를 곱해서 각 서브 그룹에서 샘플링할(즉, 뽑을) 포인트들의 개수를 결정한다.
위의 과정을 통해 각 서브 그룹에서 샘플링(즉, 추출)해 낼 포인트들의 개수가 결정되면, 각 서브 그룹 내에서는 균등한 위치에서 포인트들을 추출할 수 있다.
이렇게 추출한 포인트들은 이후 글로벌 움직임 추정할 때 현재 프레임의 타겟 포인트들로 사용될 수 있다.
도 17은 실시예들에 따른 지오메트리 인코더(51003)에서 오브젝트 내 포인트들을 z축을 기준으로 복수개의 서브 그룹들로 분할한 일 예시를 보인 도면이다.
즉, 도 17은 오브젝트 내 포인트들의 총 개수는 13368개이고, 그 오브젝트는 4개의 서브 그룹(즉, 서브 블록)들로 분할되며, 그 오브젝트에서 샘플링할 포인트들의 개수는 100개인 예시를 보이고 있다. 이때, 각 서브 그룹은 0-3까지의 인덱스를 가지는 것을 일 실시예로 한다. 또한, 제1 서브 그룹(즉, 서브 블록, NumsubBlock0)에 포함되는 포인트들의 개수는 358, 제2 서브 그룹(즉, 서브 블록, NumsubBlock1)에 포함되는 포인트들의 개수는 8000, 제3 서브 그룹(즉, 서브 블록, NumsubBlock2)에 포함되는 포인트들의 개수는 5000, 그리고 제4 서브 그룹(즉, 서브 블록, NumsubBlock3)에 포함되는 포인트들의 개수는 358인 경우를 보이고 있다.
실시예들에 따르면, 지오메트리 인코더(51003)는 오브젝트로 분류된 포인트 클라우드의 포인트들의 총 개수와 z축의 최소(min), 최대(max) 값을 찾고, 전달 받은 numSubBlock(즉, 분할할 서브 블록들의 개수)을 이용하여 오브젝트를 샘플링을 위한 서브 블록들(또는 서브 그룹들이라 함)로 균일하게 나누고, numSubBlock만큼 각 서브 블록에 포함된 포인트들의 개수를 각각 찾는다.
이때, 샘플링할 포인트들의 총 개수는 시스템에서 정하거나 또는 사용자가 정할 수 있다. 여기서, 샘플링할 포인트들(즉, 오브젝트로부터 추출한 포인트들)의 총 개수는 그 오브젝트에서 최대로 가질 수 있는 총 샘플링(total sampling) 수를 의미한다.
즉, 총 샘플링(total sampling) 수를 바탕으로 각 서브 블록마다 샘플링할 포인트들의 개수를 계산한다.
각 서브 블록별 샘플링할 포인트들의 개수는 아래의 수학식 5을 이용하여 계산될 수 있다.
[수학식 5]
Figure PCTKR2022016047-appb-img-000009
도 17의 실시예를 기반으로 설명하자면, 오브젝트로 분류된 포인트들 중 샘플링 할 포인트들의 총 개수(totalSamplingPoint)는 100개, 오브젝트로 분류된 포인트들의 총 개수(totalNumObject)는 13368개, 분할된 서브 블록들의 개수(numSubBlock)는 4개이다. 그리고, 각 서브 블록은 0~ 3까지 중 하나의 인덱스를 가지며, 각 서브 블록에 포함된 포인트들의 개수는 차례대로 358, 8000, 5000, 10이다.
위의 조건을 수학식 5에 적용하면, 각 서브 블록에서 샘플링할 포인트들의 개수는 각각 2, 59, 37, 0개가 된다. 즉, 제1 서브 그룹(즉, 서브 블록, NumsubBlock0)에서 샘플링될 포인트들의 개수는 2, 제2 서브 그룹(즉, 서브 블록, NumsubBlock1)에서 샘플링될 포인트들의 개수는 59, 제3 서브 그룹(즉, 서브 블록, NumsubBlock2)에서 샘플링될 포인트들의 개수는 37, 그리고 제4 서브 그룹(즉, 서브 블록, NumsubBlock3)에서 샘플링될 포인트들의 개수는 0이다.
이와 같이 지오메트리 인코더(51003)는 서브 블록별 샘플링할 포인트들의 개수가 결정되면 기존 방식대로 각 서브 블록 내에서 iso metric 방식으로 포인트들을 샘플링할 수 있다. 여기서, iso metric 방식은 각 서브 블록 내에서는 균등한 위치(즉, 등간격 또는 동일한 간격)에서 포인트들을 추출하는 것을 의미한다.
전술한 방식대로 글로벌 움직임 추정(global motion estimation)을 할 포인트들을 샘플링하게 하게 되면, 대부분의 움직임을 차지하는 곳에서 더 많은 포인트들이 고려됨으로써 글로벌 움직임 추정의 정확도가 향상될 수 있다.
전술한 방식은 직교 좌표(Cartesian coordinate)와 구면 좌표(spherical coordinate)와 상관없이 적용될 수 있으며, 어트리뷰트의 화면간 예측 시에도 전술한 샘플링 방법을 적용할 수 있다. 즉, 본 문서에서 기술하는 지오메트리 압축은 옥트리 구조를 기반으로 한 위치 압축 방법에서 사용되는 경우를 주로 기술하지만, 옥트리 구조를 갖는 어트리뷰트 압축 또는 옥트리 구조가 아닌 지오메트리/어트리뷰트 압축 방법에 사용될 수 있다.
지금까지는 전체 포인트들 중 각 서브 블록에서 포함하고 있는 포인트들의 수의 단순 비율만 고려하고 있다. 한편, 지오메트리 인코더(51003)는 가중치를 적용하여 많은 포인트들을 포함하고 있는 서브 블록은 더 많은 포인트들을 추출해 내고, 일정 수 이하의 포인트들을 포함하고 있는 서브 블록은 아웃라이어(outlier)로 삼고, 글로벌 움직임 추정에서 아예 배제시킬 수도 있다. 예를 들어, 8000개의 포인트들을 포함하는 제2 서브 그룹(즉, 서브 블록, NumsubBlock1)에 가장 높은 가중치를 주어 59개보다 더 많은 포인트들이 추출될 수 있도록 할 수 있다. 반대로 더 적은 포인트들을 포함하는 서브 블록에서 더 큰 비율로 포인트들을 추출해 낼 수도 있다.
실시예들에 따르면, 지오메트리 정보의 압축에서 사용한 서브 블록의 위치는 어트리뷰트 코딩시 상속되어 사용될 수 있다.
만약 특정 서브 블록이 글로벌 움직임 추정에서 제외되었다면 해당 블록에 포함된 포인트들은 글로벌 움직임 매트릭스가 적용되지 않을 수 있다. 그리고, 서브 블록별로 글로벌 움직임 매트릭스의 적용 여부를 시그널링 정보에 시그널링할 수 있다. 본 문서에서 지오메트리 압축 관련 정보는 서브 블록별로 글로벌 움직임 매트릭스의 적용 여부를 나타내는 정보를 포함할 수 있다.
즉, 각 서브 블록에서 포인트들을 샘플링한 후에 글로벌 움직임 추정을 하더라도 각 서브 블록에 글로벌 움직임 추정을 적용한 결과가 적용하기 전 보다 성능이 개선되지 않은 경우가 발생할 수 있다. 따라서, 각 서브 블록에 글로벌 움직임 추정을 적용한 결과가 글로벌 움직임 추정을 적용하기 전 결과보다 성능이 더 안 좋으면, 해당 서브 블록에 글로벌 움직임 매트릭스를 적용하지 않는 것을 일 실시예로 한다. 다시 말해, 각 서브 블록에 글로벌 움직임 추정을 적용한 결과가 글로벌 움직임 추정을 적용하기 전 결과보다 성능이 더 안 좋으면, 해당 서브 블록은 글로벌 움직임 추정에서 제외된다. 그리고, 서브 블록별로 글로벌 움직임 매트릭스의 적용 여부를 시그널링 정보에 시그널링할 수 있다.
도 18은 실시예들에 따른 지오메트리 인코더(51003)에서 글로벌 움직임 매트릭스의 적용 여부를 판단하는 과정의 일 예시를 보인 도면이다. 도 18에 도시된 엘레먼트(또는 블록)들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다. 도 18에서 각 엘레먼트의 수행 순서는 변경될 수 있으며, 일부 엘레먼트는 생략될 수 있고, 일부 엘레먼트는 새로 추가될 수 있다.
도 18에서, 포인트 클라우드 데이터의 포인트들(예를 들어, 오브젝트로 분류된 포인트들)은 z축을 기준으로 복수개의 서브 블록들로 분할된다(단계 53001). 여기서, 서브 블록들의 개수는 시스템에 의해 정해질 수도 있고, 사용자에 의해 정해질 수도 있다. 또한 서브 블록들의 개수를 식별하기 위한 정보는 시그널링 정보에 포함되어 수신측으로 전송될 수 있다. 본 문서에서 지오메트리 압축 관련 정보는 서브 블록들의 개수를 식별하기 위한 정보를 포함할 수 있다.
도 18에서 단계 53002 내지 단계 53008은 단계 53001에서 분할된 각 서브 블록 단위로 수행된다.
즉, 단계 53002는 단계 53001에서 분할된 서브 블록들 중 현재 서브 블록에 포함된 포인트들의 개수가 기 설정된 임계값보다 적은지를 확인한다.
만일, 현재 서브 블록에 포함된 포인트들의 개수가 기 설정된 임계값보다 적으면, 현재 서브 블록에 대해서는 글로벌 움직임 추정을 수행하지 않고, 로컬 움직임 추정을 수행한다(단계 53008).
만일, 현재 서브 블록에 포함된 포인트들의 개수가 기 설정된 임계값보다 적지 않으면, 수학식 5를 적용하여 현재 서브 블록에서 샘플링(또는 추출)할 포인트들의 개수를 계산하고, 계산된 포인트들의 개수만큼 현재 서브 블록에서 샘플링을 수행한다(단계 53003). 이때, 현재 서브 블록 내에서는 균등한 위치에서 계산된 포인트들의 개수만큼 포인트들을 샘플링한다.
상기 단계 53003에서 샘플링된 포인트들을 기반으로 글로벌 움직임 추정을 수행한다(단계 53004). 상기 단계 53003에서 샘플링된 포인트들은 글로벌 움직임 추정을 수행할 때 현재 프레임의 타겟 포인트들로 이용된다.
상기 단계 53004에서 글로벌 움직임 추정이 수행되면, 현재 서브 블록에 글로벌 움직임 추정 결과를 적용하는 것이 이득인지 아닌지를 RDO를 통해 비교한다. 만일 현재 서브 블록에 글로벌 움직임 추정 결과를 적용하지 않는 것이 이득이 더 좋다면 현재 서브 블록에 글로벌 움직임 추정 결과를 적용하지 않고, 그렇지 않다면 현재 서브 블록에 글로벌 움직임 추정 결과를 적용하는 것을 일 실시예로 한다. 그리고, 현재 서브 블록에 글로벌 움직임 추정 결과를 적용했는지 여부를 식별할 수 있는 정보(예, ApplyGlobalFlag)는 시그널링 정보에 포함되어 수신측으로 전송될 수 있다. 이때, 분할된 서브 블록별로 글로벌 움직임 추정 결과의 적용 여부가 시그널링된다. 본 문서에서 지오메트리 압축 관련 정보는 현재 서브 블록에 글로벌 움직임 추정 결과를 적용했는지 여부를 식별하기 위한 정보를 포함할 수 있다.
이를 위해, 상기 단계 53004에서 수행된 글로벌 움직임 추정 결과를 참조 프레임의 서브 블록에 적용한 후의 RDO와 적용하기 전의 RDO를 계산한다(단계 53005). 즉, 글로벌 움직임 추정 결과를 참조 프레임의 서브 블록에 적용한 후와 적용 전 결과를 기반으로 현재 프레임의 해당 위치의 포인트 클라우드에 대해 각각 rate distortion을 계산한다(단계 53005). 그리고, 글로벌 움직임 추정 결과를 적용한 후의 RDO가 글로벌 움직임 추정 결과를 적용하기 전의 RDO보다 작은지를 확인한다(단계 53006).
만일 단계 53006에서 글로벌 움직임 추정 결과를 적용하기 전 결과의 RDO 값이 더 크면, 현재 서브 블록에 대해 글로벌 움직임 보상이 수행된 후 로컬 움직임 추정을 위해 단계 53008로 전달된다(단계 53007). 만일 단계 53006에서 글로벌 움직임 추정 결과를 적용하기 전 결과의 RDO 값이 더 작으면 현재 서브 블록을 글로벌 움직임 추정에 사용 하더라도 글로벌 움직임 보상은 하지 않고, 로컬 움직임 추정을 위해 단계 53008로 전달된다. 즉, 글로벌 움직임 추정 결과를 적용하기 전 결과의 RDO 값이 적용 후 결과의 RDO 값보다 더 크면, 현재 서브 블록에 글로벌 움직임 매트릭스가 적용되고, 그렇지 않으면 현재 서브 블록에 글로벌 움직임 매트릭스가 적용되지 않는다. 단계 53008는 현재 서브 블록에 대해 로컬 움직임 추정을 수행한다.
실시예들에 따르면, RDO는 아래의 수학식 6을 기반으로 계산될 수 있다.
[수학식 6]
Figure PCTKR2022016047-appb-img-000010
수학식 6에서, Dist는 현재 서브 블록에 포함된 포인트와 참조 서브 블록에 포함된 포인트의 글로벌 움직임 매트릭스 적용 전, 후의 포인트 간에 거리의 평균을 의미한다. α는 RDO 계산에 Dist 반영 정도를 결정하는 가중치(weight)를 의미하고 0~1사이 값을 가질 수 있다. λ는 lagrange multiplier다. E는 글로벌 움직임을 엔트로피 코딩했을 때 필요한 코딩 값일 수 있다.
본 문서에서 지오메트리 압축 관련 정보는 SPS, GPS, APS 또는 지오메트리 슬라이스 헤더 등에 시그널링될 수 있다. 이때, 지오메트리 압축 관련 정보는 시그널링 처리부(51002)에서 처리되는 것을 일 실시예로 한다.
실시예들에 따른 지오메트리 압축 관련 정보는 포인트 샘플링을 불균일하게 수행할지 여부를 지시하는 정보(sps_GME_nonUniform_flag), 포인트 클라우드 데이터의 포인트들을 분할하기 위한 서브 블록들의 개수 정보(numSubBlock), 서브 블록별로 해당 서브 블록의 인덱스 정보(subBlockIndex), 서브 블록별로 해당 서브 블록에 적용할 가중치 정보(samplingWeight), 서브 블록별로 해당 서브 블록에 글로벌 움직임 추정 결과가 적용되었는지 여부를 식별할 수 있는 정보(ApplyGlobalFlag), 서브 블록별로 해당 서브 블록의 버텍스 중 원점과 가장 가까운 포인트를 나타내는 정보(subBlockPosition_min), 서브 블록별로 해당 서브 블록의 버텍스 중 원점과 가장 먼 포인트를 나타내는 정보(subBlockPosition_max), 및 서브 블록별로 해당 서브 블록의 폭을 나타내는 정보(subBlockWidth) 중 적어도 하나를 포함할 수 있다. 본 명세서에서 지오메트리 압축 관련 정보에 포함되는 정보는 당업자에 따라 추가되거나 삭제 또는 수정될 수 있으므로, 전술한 예시로 본 발명이 제한되지 않는다.
도 19는 실시예들에 따른 지오메트리 인코더(51003)의 지오메트리 인코딩 방법의 일 예시를 보인 도면이다. 도 19에 도시된 엘레먼트(또는 블록)들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다. 도 19에서 각 엘레먼트의 수행 순서는 변경될 수 있으며, 일부 엘레먼트는 생략될 수 있고, 일부 엘레먼트는 새로 추가될 수 있다.
실시예들에 따라 포인트 클라우드 데이터가 단계 55001로 입력되면, 단계 55001에서는 예측 지오메트리(predictive geometry)를 이용한 압축에 용이하게 하기 위해, 입력되는 포인트 클라우드 데이터를 양자화/복셀화(quantization/voxelization)한다. 양자화/복셀화 후의 포인트 클라우드 데이터는 인트라 예측인지 여부를 확인한다(단계 55002). 여기서, 인트라 예측인지 여부는 시그널링 정보로서 제공받을 수도 있고, 미리 설정되어 있을 수도 있다.
단계 55002에서 인트라 예측으로 확인되면 단계 55012로 진행하여 인트라 프레임 예측을 수행한다.
단계 55002에서 인터 예측으로 확인되면 인터 예측을 위해 글로벌 움직임 추정을 수행할지 여부를 확인한다(단계 55003). 여기서, 인터 예측을 위해 글로벌 움직임 추정 여부는 시그널링 정보로서 제공받을 수도 있고, 또는 미리 설정되어 있을 수도 있다.
단계 55003에서 글로벌 움직임 추정을 적용하지 않는다고 확인되면 단계 55004로 진행되어 로컬 움직임 추정이 수행되고, 로컬 움직임 추정의 결과를 기반으로 로컬 움직임 보상을 수행한다(단계 55005).
단계 55003에서 글로벌 움직임 추정을 적용한다고 확인되면 서브 블록별로 불균형하게 샘플링을 수행할지 여부를 확인한다(단계 55007). 여기서, 각 서브 블록별로 불균형하게 샘플링할지 여부는 시그널링 정보로서 제공받을 수도 있고, 또는 미리 설정되어 있을 수도 있다.
단계 55007에서 서브 블록별로 불균일하게 샘플링한다고 확인되면, 입력되는 포인트 클라우드 데이터의 포인트들을 z축을 기준으로 복수개의 서브 블록들로 분할하고, 분할된 서브 블록별로 샘플링할 포인트들의 개수를 계산한 후, 서브 블록별로 계산된 포인트들을 각각 샘플링한다(단계 55008). 즉, 수학식 5에서와 같이, 입력되는 포인트 클라우드 데이터(예, 오브젝트)에 포함된 포인트들의 전체 개수, 각 서브 블록 내 포인트들의 개수, 및 입력되는 포인트 클라우드 데이터에 포함된 포인트들 중 샘플링될 전체 개수를 기반으로 각 서브 블록에서 샘플링된 포인트들의 개수를 결정(또는 계산)한다. 각 서브 블록에서 추출해 낼 포인트들의 개수가 결정되면, 각 서브 그룹 내에서는 균등한 위치에서 결정된 개수의 포인트들을 추출할 수 있다. 즉, 서브 블록별로 샘플링할 포인트들의 개수는 달라지며, 각 서브 블록 내에서 포인트들은 균등한 위치에서 샘플링(또는 추출)된다. 그리고, 서브 블록별로 샘플링된 포인트들을 기반으로 서브 블록별로 글로벌 움직임 추정을 한 후(단계 55010), 글로벌 움직임 추정 결과를 기반으로 글로벌 움직임 보상을 수행한다(단계 55011).
단계 55007에서 서브 블록별로 균일하게 샘플링한다고 확인되면, 입력되는 포인트 클라우드 데이터의 전체 영역 또는 오브젝트에 대해 균일하게 샘플링하여 글로벌 움직임 추정을 한 후(단계 55010), 글로벌 움직임 추정 결과를 기반으로 글로벌 움직임 보상을 수행한다(단계 55011).
단계 55011에서 글로벌 움직임 보상을 한 결과는 단계 55004로 진행되어 로컬 움직임 추정이 수행되고, 로컬 움직임 추정의 결과를 기반으로 로컬 움직임 보상이 수행된다(단계 55005).
단계 55005에서 로컬 움직임 보상이 끝나면, 단계 55006에서 나머지 인터 예측 기능을 적용한 후에 단계 55013에서 엔트로피 코딩을 하고, 출력 비트스트림으로 생성된다.
이상에서와 같이, 지오메트리 인코더(51003)는 포인트 클라우드 데이터가 입력되면 예측 지오메트리(predictive geometry)를 이용한 압축에 용이하게 하기 위해 데이터를 양자화/복셀화한다. 그리고, 양자화/복셀화 처리후의 포인트 클라우드 데이터에 대해 인트라 예측을 적용할지 여부를 확인하여 인트라 예측 프레임인 경우 지오메트리 인트라 예측을 하고, 아닌 경우 인터 예측을 위해 위해 글로벌 움직임 추정 적용 여부를 확인한다. 만일 글로벌 움직임 추정을 적용하지 않을 경우 로컬 움직임 추정 및 로컬 움직임 보상을 한다. 만일 글로벌 움직임 추정을 적용할 경우, 서브 블록별로 불균형하게 샘플링을 할지 여부를 확인한다. 만일 서브 블록별로 불균형하게 샘플링한다고 확인되면, 각 서브 블록 별로 서로 다른 개수의 포인트들을 샘플링한 후에 글로벌 움직임 추정 및 글로벌 움직임 보상을 수행한다. 만일 서브 블록별로 불균형하게 샘플링하는게 아니라고 확인되면, 전체 영역 혹은 오브젝트에 대해 균일하게 샘플링하여 글로벌 움직임 추정 및 글로벌 움직임 보상을 수행한다. 그리고, 글로벌 움직임 보상을 한 결과는 로컬 움직임 추정 및 로컬 움직임 보상을 위해 전달되고, 로컬 움직임 추정 및 로컬 움직임 보상이 완료되면, 나머지 인터 예측 기능을 적용한 후에 엔트로피 코딩을 하고, 출력 비트스트림으로 생성된다.
도 20은 실시예들에 따른 송/수신을 위한 포인트 클라우드 데이터의 비트스트림 구조의 예시를 나타낸다. 실시예들에 따르면, 도 1, 도 2, 도 4, 도 12, 도 16, 도 18, 도 19 중 어느 하나의 포인트 클라우드 비디오 인코더에서 출력되는 비트스트림은 도 20의 형태일 수 있다.
실시예들에 따르면, 본 문서는 포인트 클라우드 데이터의 비트스트림을 영역별로 나누어 처리할 수 있도록 타일 또는 슬라이스를 제공한다. 실시예들에 따른 비트스트림의 각각의 영역은 서로 다른 중요도를 가질 수 있다. 따라서, 포인트 클라우드 데이터가 타일들로 나누어지는 경우, 각 타일별로 다른 필터(인코딩 방법), 다른 필터 유닛을 적용할 수 있다. 또한 포인트 클라우드 데이터가 슬라이스들로 나누어지는 경우, 각 슬라이스별로 다른 필터, 다른 필터 유닛을 적용할 수 있다.실시예들에 따른 송신 장치 및 방법은, 도 20과 같은 비트스트림의 구조에 따라 포인트 클라우드 데이터를 전송함으로써, 중요도에 따라서 다른 인코딩 동작을 적용할 수 있게 하고, 품질(quality)이 좋은 인코딩 방법을 중요한 영역에 사용할 수 있는 방안을 제공할 수 있다. 또한 포인트 클라우드 데이터의 특성에 따른 효율적인 인코딩 및 전송을 지원하고 사용자의 요구사항에 따른 어트리뷰트 값을 제공할 수 있다.
실시예들에 따른 수신 장치 및 방법은, 도 20과 같은 비트스트림의 구조에 따라 포인트 클라우드 데이터를 수신함으로써, 수신 장치의 처리능력(capacity)에 따라서 포인트 클라우드 데이터 전체에 복잡한 디코딩(필터링) 방법을 사용하는 대신 영역별로 (타일 또는 슬라이스로 나누어진 영역) 서로 다른 필터링(디코딩 방법)을 적용할 수 있게 된다. 따라서, 사용자에게 중요한 영역에 더 좋은 화질과 시스템 상으로 적절한 레이턴시(latency)을 보장할 수 있다.
실시예들에 따른 지오메트리 비트스트림, 어트리뷰트 비트스트림, 및/또는 시그널링 비트스트림(또는 시그널링 정보)이 도 20과 같이 하나의 비트스트림(또는 G-PCC 비트스트림)으로 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 하나 이상의 APS(Attribute Parameter Set, APS0, APS1), 타일 레벨의 시그널링을 위한 타일 인벤토리(또는 TPS라 함), 하나 이상의 슬라이스들(slice 0 ~ slice n)를 포함할 수 있다. 즉, 실시예들에 따른 포인트 클라우드 데이터의 비트스트림은 하나 이상의 타일들을 포함할 수 있으며, 각 타일은 하나 이상의 슬라이스들(slice 0 ~ slice n)를 포함하는 슬라이스들의 그룹일 수 있다. 실시예들에 따른 타일 인벤토리(즉, TPS)는 하나 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 tile bounding box의 좌표값 정보 및 높이/크기 정보 등)를 포함할 수 있다. 각 슬라이스는 하나의 지오메트리 비트스트림(Geom0) 및/또는 하나 이상의 어트리뷰트 비트스트림들(Attr0, Attr1)을 포함할 수 있다. 예를 들어, 슬라이스 0(slice 0)는 하나의 지오메트리 비트스트림(Geom00) 및 하나 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
각 슬라이스 내 지오메트리 비트스트림은 지오메트리 슬라이스 헤더(geom_slice_header)와 지오메트리 슬라이스 데이터(geom_slice_data)로 구성될 수 있다. 실시예들에 따르면, 각 슬라이스 내 지오메트리 비트스트림은 지오메트리 데이터 유닛, 지오메트리 슬라이스 헤더는 지오메트리 데이터 유닛 헤더, 지오메트리 슬라이스 데이터는 지오메트리 데이터 유닛 데이터라 칭하기도 한다. 실시예들에 따른 지오메트리 슬라이스 헤더(또는 지오메트리 데이터 유닛 헤더)는 지오메트리 파라미터 세트(GPS)에 포함된 파라미터 세트의 식별 정보(geom_parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 지오메트리 슬라이스 데이터(geom_slice_data)에 포함된 데이터에 관한 정보 (geomBoxOrigin, geom_box_log2_scale, geom_max_node_size_log2, geom_num_points) 등을 포함할 수 있다. geomBoxOrigin는 해당 지오메트리 슬라이스 데이터의 박스 원점을 나타내는 지오메트리 박스 오리진 정보이고, geom_box_log2_scale는 해당 지오메트리 슬라이스 데이터의 로그 스케일을 나타내는 정보이며, geom_max_node_size_log2는 루트 지오메트리 옥트리 노드의 사이즈를 나타내는 정보이며, geom_num_points는 해당 지오메트리 슬라이스 데이터의 포인트들의 개수와 관련된 정보이다. 실시예들에 따른 지오메트리 슬라이스 데이터(또는 지오메트리 데이터 유닛 데이터)는 해당 슬라이스 내 포인트 클라우드 데이터의 지오메트리 정보(또는 지오메트리 데이터)를 포함할 수 있다.
각 슬라이스 내 각 어트리뷰트 비트스트림은 어트리뷰트 슬라이스 헤더(attr_slice_header)와 어트리뷰트 슬라이스 데이터(attr_slice_data)로 구성될 수 있다. 실시예들에 따르면, 각 슬라이스 내 어트리뷰트 비트스트림은 어트리뷰트 데이터 유닛, 어트리뷰트 슬라이스 헤더는 어트리뷰트 데이터 유닛 헤더, 어트리뷰트 슬라이스 데이터는 어트리뷰트 데이터 유닛 데이터라 칭하기도 한다. 실시예들에 따른 어트리뷰트 슬라이스 헤더(또는 어트리뷰트 데이터 유닛 헤더)는 해당 어트리뷰트 슬라이스 데이터(또는 해당 어트리뷰트 데이터 유닛)에 관한 정보를 포함할 수 있고, 어트리뷰트 슬라이스 데이터는 해당 슬라이스 내 포인트 클라우드 데이터의 어트리뷰트 정보(또는 어트리뷰트 데이터 또는 어트리뷰트 값이라 함)를 포함할 수 있다. 하나의 슬라이스 내 어트리뷰트 비트스트림이 복수개 있는 경우, 각각은 서로 다른 어트리뷰트 정보를 포함할 수 있다. 예를 들어, 하나의 어트리뷰트 비트스트림은 색상에 해당하는 어트리뷰트 정보를 포함하고, 다른 하나의 어트리뷰트 스트림은 반사율에 해당하는 어트리뷰트 정보를 포함할 수 있다.
실시예들에 따르면, 포인트 클라우드 데이터의 인코딩 및/또는 디코딩에 필요한 파라미터들은 포인트 클라우드 데이터의 파라미터 세트들((예를 들어, SPS, GPS, APS, 및 TPS (또는 타일 인벤토리라 함) 등) 및/또는 해당 슬라이스의 헤더 등에 새로 정의될 수 있다. 예를 들어, 지오메트리 정보의 인코딩 및/또는 디코딩을 수행할 때에는 지오메트리 파라미터 세트(GPS)에, 타일 기반의 인코딩 및/또는 디코딩을 수행할 때에는 타일 및/또는 슬라이스 헤더에 추가할 수 있다.
실시예들에 따르면, 지오메트리 압축 관련 정보는 시퀀스 파라미터 세트, 지오메트리 파라미터 세트, 어트리뷰트 파라미터 세트, 지오메트리 슬라이스 헤더(또는 지오메트리 데이터 유닛 헤더라 함), 또는 지오메트리 슬라이스 데이터(또는 지오메트리 데이터 유닛 데이터라 함) 중 적어도 하나에 시그널링될 수 있다.
실시예들에 따르면, 지오메트리 압축 관련 정보는 어트리뷰트 코딩 방법과 연계하거나 어트리뷰트 코딩에 적용하기 위해 어트리뷰트 파라미터 세트 및/또는 어트리뷰트 슬라이스 헤더(또는 어트리뷰트 데이터 유닛 헤더라 함)에 시그널링될 수 있다실시예들에 따르면, 지오메트리 압축 관련 정보를 포함하는 파라미터(메타데이터, 시그널링 정보 등 다양하게 호칭 가능함)는 송신 장치의 메타데이터 처리부(또는 메타데이터 제너레이터)나 시그널링 처리부에서 생성될 수 있고, 수신 장치에 전달되어 디코딩/재구성 과정에 이용될 수 있다. 예를 들어, 송신 장치에서 생성되어 전송되는 파라미터는 수신 장치의 메타데이터 파서에서 획득될 수 있다.
실시예들에 따르면, 본 문서는 데이터 분포를 고려한 글로벌 움직임 추정 대상 포인트 샘플링 방법에 필요한 지오메트리 압축 관련 정보의 시그널링을 정의할 수 있다. 실시예들에 따르면, 시퀀스 파라미터 세트에서 불균등한 포인트 샘플링을 기반으로 글로벌 움직임 추정을 수행했음을 알려주고, 이를 위해 필요한 정보를 실시 방법에 따라 시퀀스 파라미터 세트에 관련 정보 전부 또는 일부를 전달하고, 지오메트리 파라미터 세트, 지오메트리 슬라이스 헤더, SEI 메시지 등에서 각각의 정보를 전달할 수도 있다. 실시예들에 따르면, 지오메트리 압축 관련 정보는 어플리케이션, 시스템에 따라 상응되는 위치 또는 별도의 위치에 정의하여 적용 범위, 적용 방법 등을 다르게 사용할 수 있다. 그리고, 상위에 유사 기능을 포함하고 있는 정보가 시그널링 될 경우 하위 개념의 파라미터 세트에서는 시그널링이 생략되어도 적용가능할 수 있다. 또한 아래 정의된 신택스 엘레먼트가 현재 포인트 클라우드 데이터 스트림 뿐 아니라 복수의 포인트 클라우드 데이터 스트림에 적용될 수 있는 경우에는 상위 개념의 파라미터 세트 등을 통해 지오메트리 압축 관련 정보를 전달할 수 있다.
이후 설명되는 본 명세서의 신택스들에서 사용되는 용어인 필드는 파라미터 또는 신택스 엘리먼트와 동일한 의미를 가질 수 있다. 도 21은 본 문서에 따른 시퀀스 파라미터 세트(seq_parameter_set_rbsp())(SPS)의 신택스 구조의 일 실시예를 보인 도면이다. SPS는 포인트 클라우드 데이터 비트스트림의 시퀀스 정보를 포함할 수 있으며, 특히 지오메트리 압축 관련 정보를 포함하는 예를 보이고 있다. 즉, 데이터 분포를 고려한 글로벌 움직임 추정 대상 포인트 샘플링 방법에 필요한 지오메트리 압축 관련 정보는 SPS에 추가되서 시그널링 할 수 있다.
실시예들에 따른 SPS는 sps_GME_nonUniform_flag 필드를 포함할 수 있다.
상기 sps_GME_nonUniform_flag 필드는 글로벌 움직임 추정시 불균형(nonUniform)하게 샘플링을 수행할지 여부를 나타낼 수 있다. 상기 sps_GME_nonUniform_flag 필드의 값이 참이면, 글로벌 움직임 추정시 현재 포인트에서 포인트 밀집 정도에 따라 포인트들을 불균형(non-uniform)하게 샘플링함을 의미하며, 거짓이면 기존 방식대로 모든 포인트들에 대해 균형(uniform) 방식으로 샘플링함을 의미할 수 있다.
도 22는 본 명세서에 따른 지오메트리 파라미터 세트(geometry_parameter_set())(GPS)의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따른 GPS는 하나 또는 그 이상의 슬라이스들에 포함된 포인트 클라우드 데이터의 지오메트리 정보를 인코딩하는 방법에 관한 정보를 포함할 수 있다.
실시예들에 따른 지오메트리 파라미터 세트는 지오메트리 압축 관련 정보를 포함할 수 있다. 즉, 데이터 분포를 고려한 글로벌 움직임 추정 대상 포인트 샘플링 방법에 필요한 지오메트리 압축 관련 정보는 GPS에 추가되서 시그널링 할 수 있다.
상기 지오메트리 압축 관련 정보는 gps_GME_nonUniform_flag 필드를 포함할 수 있다.
상기 gps_GME_nonUniform_flag 필드는 글로벌 움직임 추정시 비균일하게 샘플링할지 여부를 GPS에서 나타낼 수 있다. 상기 gps_GME_nonUniform_flag 필드의 값이 참이면, 글로벌 움직임 추정시 현재 포인트에서 포인트 밀집 정도에 따라 포인트들을 불균형하게 샘플링함을 의미하며, 거짓이면 기존 방식대로 모든 포인트들에 대해 균형 방식으로 샘플링 함을 의미할 수 있다. 여기서, 상기 gps_GME_nonUniform_flag 필드의 값은 상기 sps_GME_nonUniform_flag 필드 값을 전달 받아 입력할 수도 있고, 각 프레임마다 다르게 입력될 수도 있다.
상기 지오메트리 압축 관련 정보는 상기 gps_GME_nonUniform_flag 필드의 값이 참이면 numSubBlock 필드를 포함할 수 있다.
상기 numSubBlock 필드는 글로벌 움직임 추정시 불균형(nonUniform)하게 샘플링을 할 경우, 포인트 클라우드 데이터의 포인트들을 그룹핑(또는 분할)하기 위한 서브 블록들의 개수는 나타낼 수 있다.
상기 지오메트리 압축 관련 정보는 상기 numSubBlock 필드의 값(즉, 서브 블록들의 개수)만큼 반복되는 반복문을 포함할 수 있다. 이때, i는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, i값이 상기 numSubBlock 필드의 값이 될때까지 반복문이 반복되는 것을 일 실시예로 한다. 이 반복문은 subBlockIndex[i] 필드, samplingWeight[i] 필드, ApplyGlobalFlag[i] 필드, subBlockPosition_min[i][3] 필드, subBlockPosition_max[i][3] 필드, subBlockWidth[i] 필드를 포함할 수 있다.
상기 subBlockIndex[i] 필드는 상기 numSubBlock필드의 값만큼 포인트 클라우드 데이터의 포인트들을 서브 블록들로 그룹핑할 경우 각 서브 블록의 인덱스를 나타낼 수 있다.
상기 samplingWeight[i] 필드는 상기 subBlockIndex[i] 필드의 값에 의해 지시되는 서브 블록에서 샘플링할 포인트들의 개수를 결정하기 위해 필요한 가중치를 나타낸다. 상기 samplingWeight[i] 필드의 값은 0~1 사이의 값을 가질 수 있다.
상기 ApplyGlobalFlag[i] 필드는 상기 subBlockIndex[i] 필드의 값에 의해 지시되는 서브 블록에 글로벌 움직임 추정 결과를 적용할지 여부를 나타낼 수 있다. 상기 ApplyGlobalFlag[i] 필드의 값이 참이면 해당 서브 블록에 글로벌 움직임 매트릭스를 적용함을 의미하고, 거짓이면 적용하지 않음을 나타낼 수 있다.
상기 subBlockPosition_min[i][3] 필드는 상기 subBlockIndex[i] 필드의 값에 의해 지시되는 서브 블록의 버텍스 중 원점과 가장 가까운 포인트를 나타낼 수 있다.
상기 subBlockPosition_max[i][3] 필드는 상기 subBlockIndex[i] 필드의 값에 의해 지시되는 서브 블록의 버텍스 중 원점과 가장 먼 포인트를 나타낼 수 있다.
상기 subBlockWidth[i] 필드는 상기 subBlockIndex[i] 필드의 값에 의해 지시되는 서브 블록의 최소(min), 최대(max) 값을 이용하여 나머지 버텍스를 계산하기 위해 상기 subBlockPosition_min[i][3] 필드로부터 해당 서브 블록의 폭을 나타낼 수 있다.
본 문서는 subBlockIndex[i] 필드, samplingWeight[i] 필드, ApplyGlobalFlag[i] 필드, subBlockPosition_min[i][3] 필드, subBlockPosition_max[i][3] 필드, 및 subBlockWidth[i] 필드를 서브 블록 정보라 칭하기로 한다.
도 23은 본 명세서에 따른 어트리뷰트 파라미터 세트(attribute_parameter_set())(APS)의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따른 APS는 하나 또는 그 이상의 슬라이스들에 포함된 포인트 클라우드 데이터의 어트리뷰트 정보를 인코딩하는 방법에 관한 정보를 포함할 수 있다.
실시예들에 따른 어트리뷰트 파라미터 세트는 어트리뷰트 압축 관련 정보를 포함할 수 있다. 즉, 데이터 분포를 고려한 글로벌 움직임 추정 대상 포인트 샘플링 방법에 필요한 어트리뷰트 압축 관련 정보는 APS에 추가되서 시그널링 할 수 있다.
상기 어트리뷰트 압축 관련 정보는 aps_GME_nonUniform_continuation_flag 필드와 aps_GME_nonUniform_flag 필드를 포함할 수 있다.
상기 aps_GME_nonUniform_continuation_flag 필드는 어트리뷰트의 글로벌 움직임 추정시 GPS에서 적용한 포인트 샘플링 방법(즉, 불균형 방식의 포인트 샘플링 또는 균형 방식의 포인트 샘플링 여부)를 APS에서 전달받아 사용할지 여부를 나타낼 수 있다. 상기 aps_GME_nonUniform_continuation_flag 필드의 값이 참이면 지오메트리 코딩에서 글로벌 움직임 추정시 현재 포인트에서 포인트 밀집 정도에 따라 포인트 클라우드 데이터의 포인트들을 불균형하게 샘플링 할 때 썼던 정보를 전달 받아 적용함을 의미하며, 거짓이면 글로벌 움직임 추정시 지오메트리 코딩과 독립적으로 코딩됨을 의미할 수 있다.
상기 aps_GME_nonUniform_flag 필드는 글로벌 움직임 추정시 비균일하게 샘플링할지 여부를 APS에서 나타낼 수 있다. 상기 aps_GME_nonUniform_flag 필드의 값이 참이면, 글로벌 움직임 추정시 현재 포인트에서 포인트 밀집 정도에 따라 포인트들을 불균형하게 샘플링함을 의미하며, 거짓이면 기존 방식대로 모든 포인트들에 대해 균형 방식으로 샘플링 함을 의미할 수 있다. 여기서, 상기 aps_GME_nonUniform_flag 필드의 값은 상기 sps_GME_nonUniform_flag 필드 값을 전달 받아 입력할 수도 있고, 각 프레임마다 다르게 입력될 수도 있다. 또한, 상기 aps_GME_nonUniform_continuation_flag필드의 값이 참일때는 GPS에서 서브 블록 정보를 전달 받아 적용할 수 있다.
상기 어트리뷰트 압축 관련 정보는 상기 aps_GME_nonUniform_flag 필드의 값이 참이면 numSubBlock 필드를 포함할 수 있다.
상기 numSubBlock 필드는 글로벌 움직임 추정시 불균형(nonUniform)하게 샘플링을 할 경우, 포인트 클라우드 데이터의 포인트들을 그룹핑(또는 분할)하기 위한 서브 블록들의 개수는 나타낼 수 있다.
상기 어트리뷰트 압축 관련 정보는 상기 numSubBlock 필드의 값(즉, 서브 블록들의 개수)만큼 반복되는 반복문을 포함할 수 있다. 이때, i는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, i값이 상기 numSubBlock 필드의 값이 될때까지 반복문이 반복되는 것을 일 실시예로 한다. 이 반복문은 subBlockIndex[i] 필드, samplingWeight[i] 필드, ApplyGlobalFlag[i] 필드, subBlockPosition_min[i][3] 필드, subBlockPosition_max[i][3] 필드, subBlockWidth[i] 필드를 포함할 수 있다.
본 문서는 subBlockIndex[i] 필드, samplingWeight[i] 필드, ApplyGlobalFlag[i] 필드, subBlockPosition_min[i][3] 필드, subBlockPosition_max[i][3] 필드, 및 subBlockWidth[i] 필드를 서브 블록 정보라 칭하기로 한다.
상기 서브 블록 정보에 포함되는 subBlockIndex[i] 필드, samplingWeight[i] 필드, ApplyGlobalFlag[i] 필드, subBlockPosition_min[i][3] 필드, subBlockPosition_max[i][3] 필드, 및 subBlockWidth[i] 필드의 설명은 중복 설명을 피하기 위해 도 22를 참조하기로 하고 여기서는 생략한다.
실시예들에 따르면, 지오메트리 데이터 유닛(geometry_data_unit())은 지오메트리 데이터 유닛 헤더(geometry_data_unit_header(　)), byte_alignment(), 및 geometry_data_unit_footer()를 포함한다.
도 24는 실시예들에 따른 지오메트리 데이터 유닛 헤더(geometry_data_unit_header())의 신택스 구조의 예시를 보인 도면이다. 도 24의 지오메트리 데이터 유닛 헤더(geometry_data_unit_header())는 지오메트리 압축 관련 정보를 포함할 수 있다. 즉, 데이터 분포를 고려한 글로벌 움직임 추정 대상 포인트 샘플링 방법에 필요한 지오메트리 압축 관련 정보는 지오메트리 데이터 유닛 헤더(또는 지오메트리 슬라이스 헤더라 함)에 추가되서 시그널링 할 수 있다.
상기 지오메트리 데이터 유닛 헤더는 상기 GPS에 포함된 gps_GME_nonUniform_flag 필드의 값이 참이면 numSubBlock 필드를 포함할 수 있다.
상기 numSubBlock 필드는 글로벌 움직임 추정시 불균형(nonUniform)하게 샘플링을 할 경우, 포인트 클라우드 데이터의 포인트들을 그룹핑(또는 분할)하기 위한 서브 블록들의 개수는 나타낼 수 있다.
상기 지오메트리 압축 관련 정보는 상기 numSubBlock 필드의 값(즉, 서브 블록들의 개수)만큼 반복되는 반복문을 포함할 수 있다. 이때, i는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, i값이 상기 numSubBlock 필드의 값이 될때까지 반복문이 반복되는 것을 일 실시예로 한다. 이 반복문은 subBlockIndex[i] 필드, samplingWeight[i] 필드, ApplyGlobalFlag[i] 필드, subBlockPosition_min[i][3] 필드, subBlockPosition_max[i][3] 필드, subBlockWidth[i] 필드를 포함할 수 있다.
본 문서는 subBlockIndex[i] 필드, samplingWeight[i] 필드, ApplyGlobalFlag[i] 필드, subBlockPosition_min[i][3] 필드, subBlockPosition_max[i][3] 필드, 및 subBlockWidth[i] 필드를 서브 블록 정보라 칭하기로 한다.
상기 서브 블록 정보에 포함되는 subBlockIndex[i] 필드, samplingWeight[i] 필드, ApplyGlobalFlag[i] 필드, subBlockPosition_min[i][3] 필드, subBlockPosition_max[i][3] 필드, 및 subBlockWidth[i] 필드의 설명은 중복 설명을 피하기 위해 도 22를 참조하기로 하고 여기서는 생략한다.
도 25는 실시예들에 따른 포인트 클라우드 수신 장치의 또 다른 예시를 보인 도면이다. 도 25에 도시된 포인트 클라우드 수신 장치의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
실시예들에 따르면, 포인트 클라우드 수신 장치는 수신 처리부(61001), 시그널링 처리부(61002), 지오메트리 디코더(61003), 어트리뷰트 디코더(61004), 및 후 처리부(Post-processor, 61005)를 포함할 수 있다.
실시예들에 따른 수신 처리부(61001)는 하나의 비트스트림을 수신할 수도 있고, 또는 지오메트리 비트스트림, 어트리뷰트 비트스트림, 시그널링 비트스트림을 각각 수신할 수도 있다. 실시예들에 따른 수신 처리부(61001)는 파일 및/또는 세그먼트가 수신되면, 수신된 파일 및/또는 세그먼트를 디캡슐레이션하여 비트스트림으로 출력할 수 있다.
실시예들에 따른 수신 처리부(61001)는 하나의 비트스트림이 수신(또는 디캡슐레이션)되면, 하나의 비트스트림으로부터 지오메트리 비트스트림, 어트리뷰트 비트스트림, 및/또는 시그널링 비트스트림을 디멀티플렉싱하고, 디멀티플렉스된 시그널링 비트스트림은 시그널링 처리부(61002)로, 지오메트리 비트스트림은 지오메트리 디코더(61003)로, 어트리뷰트 비트스트림은 어트리뷰트 디코더(61004)로 출력할 수 있다.
실시예들에 따른 수신 처리부(61001)는 지오메트리 비트스트림, 어트리뷰트 비트스트림, 및/또는 시그널링 비트스트림이 각각 수신(또는 디캡슐레이션)되면, 시그널링 비트스트림은 시그널링 처리부(61002)로, 지오메트리 비트스트림은 지오메트리 디코더(61003)로, 어트리뷰트 비트스트림은 어트리뷰트 디코더(61004)로 전달할 수 있다.
상기 시그널링 처리부(61002)는 입력된 시그널링 비트스트림으로부터 시그널링 정보 예를 들어, SPS, GPS, APS, TPS, 메타 데이터 등에 포함된 정보를 파싱 및 처리하여 지오메트리 디코더(61003), 어트리뷰트 디코더(61004), 후 처리부(61005)로 제공할 수 있다. 다른 실시예로, 지오메트리 데이터 유닛 헤더 및/또는 어트리뷰트 데이터 유닛 헤더에 포함된 시그널링 정보도 해당 슬라이스 데이터를 디코딩하기 전에 상기 시그널링 처리부(61002)에서 미리 파싱될 수도 있다.
실시예들에 따르면, 시그널링 처리부(61002)는 GPS 및/또는 지오메트리 데이터 유닛 헤더에 시그널링된 시그널링 정보(예를 들어, 지오메트리 압축 관련 정보)도 파싱 및 처리하여 지오메트리 디코더(61003)로 제공할 수 있다.
실시예들에 따르면, 지오메트리 디코더(61003)는 압축된 지오메트리 비트스트림에 대해 시그널링 정보(예, 지오메트리 압축 관련 정보)를 기반으로 도 16의 지오메트리 인코더(51003)의 역과정을 수행하여 지오메트리를 복원할 수 있다. 상기 지오메트리 디코더(61003)에서 복원된(또는 재구성된(reconstructed)) 지오메트리 정보는 어트리뷰트 디코더(61004)로 제공된다. 상기 어트리뷰트 디코더(61004)는 압축된 어트리뷰트 비트스트림에 대해 시그널링 정보와 재구성된 지오메트리 정보를 기반으로 도 16의 어트리뷰트 인코더(51004)의 역과정을 수행하여 어트리뷰트를 복원할 수 있다.
실시예들에 따르면, 후 처리부(61005)는 상기 지오메트리 디코더(61003)에서 복원되어 출력되는 지오메트리 정보(즉, 포지션들)과 상기 어트리뷰트 디코더(61004)에서 복원되어 출력되는 어트리뷰트 정보를 매칭하여 포인트 클라우드 데이터를 재구성하고 디스플레이/렌더링할 수 있다.
도 26은 실시예들에 따른 지오메트리 디코더(61003)의 지오메트리 디코딩 과정의 일 예시를 보인 도면이다.
도 26에 도시된 엘리먼트(또는 블록)들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다. 도 24에서 각 엘레먼트의 수행 순서는 변경될 수 있으며, 일부 엘레먼트는 생략될 수 있고, 일부 엘레먼트는 새로 추가될 수 있다.
실시예들에 따르면, 수신 처리부(61001)에서 비트스트림이 획득되면 도 21 내지 도 24에서 설명된 지오메트리 압축 관련 정보를 획득할 수 있다.
실시예들에 따르면, 지오메트리 디코더(61003)는 송신 장치의 지오메트리 인코더의 역과정을 수행하여 지오메트리 정보를 복원한다.
즉, 단계 65001은 수신 처리부(61001)를 통해 입력되는 비트스트림에 대해 엔트로피 디코딩을 수행한다.
그리고, 엔트로피 디코딩이 수행된 비트스트림에 포함된 지오메트리 정보에 대해 인트라 예측을 적용할지 여부를 확인한다(단계 65002). 여기서, 인트라 예측을 적용할지 여부는 시그널링 정보에 포함된 지오메트리 압축 관련 정보로서 송신측으로부터 제공받을 수도 있고, 미리 설정되어 있을 수도 있다.
단계 65002에서 인트라 예측으로 확인되면 단계 65011로 진행하여 수신된 지오메트리 정보에 대해 인트라 프레임 예측을 수행한다.
단계 65002에서 인터 예측으로 확인되면 인터 예측을 위해 글로벌 움직임을 적용할지 여부를 확인한다(단계 65003). 여기서, 글로벌 움직임을 적용할지 여부는 시그널링 정보로서 제공받을 수도 있고, 또는 미리 설정되어 있을 수도 있다. 단계 65003에서의 글로벌 움직임을 적용할지 여부는 전체 포인트 클라우드 데이터에 대한 적용 여부이고, 만일 샘플링을 불균형하게 수행한다고 확인되면 서브 블록별로 글로벌 움직임이 적용될 수도 있고, 적용되지 않을 수도 있다.
단계 65003에서 글로벌 움직임이 적용되지 않는다고 확인되면 단계 65008로 진행되어 수신된 시그널링 정보를 기반으로 수신된 지오메트리 정보에 대해 로컬 움직임 보상이 수행된다.
단계 65003에서 글로벌 움직임이 적용된다고 확인되면, 수신된 지오메트리 정보가 서브 블록별로 불균형하게 샘플링되었는지 여부를 확인한다(단계 65004). 여기서, 서브 블록별로 불균형하게 샘플링되었는지 여부는 시그널링 정보로서 제공받을 수도 있고, 또는 미리 설정되어 있을 수도 있다. 본 문서에서 서브 블록별로 불균형하게 샘플링되었는지 여부는 지오메트리 압축 관련 정보에 포함되어 수신되는 sps_GME_nonUniform_flag 필드 및/또는 gps_GME_nonUniform_flag 필드를 이용하여 확인하는 것을 일 실시예로 한다.
단계 65004에서 서브 블록별로 불균일하게 샘플링되지 않았다고 확인되면, 단계 65007로 진행하여 수신된 지오메트리 정보에 대해 글로벌 움직임 보상을 수행하고, 단계 65008로 진행하여 로컬 움직임 보상을 수행한다.
단계 65004에서 서브 블록별로 불균일하게 샘플링되었다고 확인되면, 수신되는 지오메트리 정보를 복수개의 서브 블록들로 분할한다(단계 65005). 여기서, 분할되는 서브 블록의 개수는 시그널링 정보로서 제공받을 수도 있고, 또는 미리 설정되어 있을 수도 있다. 본 문서에서 분할되는 서브 블록의 개수는 지오메트리 압축 관련 정보에 포함되어 수신되는 numSubBlock 필드를 이용하여 확인하는 것을 일 실시예로 한다.
그리고, 단계 65005에서 분할된 서브 블록별로 글로벌 움직임 추정 여부를 확인한다(단계 65006). 여기서, 글로벌 움직임 추정 여부는 시그널링 정보로서 제공받을 수도 있고, 또는 미리 설정되어 있을 수도 있다. 본 문서에서 글로벌 움직임 추정 여부는 지오메트리 압축 관련 정보에 포함되어 수신되는 ApplyGlobalFlag 필드를 이용하여 확인하는 것을 일 실시예로 한다.
단계 65005에서 해당 서브 블록에 글로벌 움직임 추정이 적용되었다고 확인되면 단계 65007로 진행하여 해당 서브 블록에 대해 글로벌 움직임 보상을 수행한다.
단계 65005에서 해당 서브 블록에 글로벌 움직임 추정이 적용되지 않았다고 확인되면 단계 65008로 진행하여 해당 서브 블록에 로컬 움직임 보상을 수행한다.
단계 65008에서 로컬 움직임 보상이 완료되면, 단계 65009에서 나머지 인터 예측 기능을 적용한다.
단계 65009에서 인터 예측이 수행된 지오메트리 정보 또는 단계 65011에서 인트라 프레임 예측이 수행된 지오메트리 정보는 단계 65010에서 지오메트리 정보의 재구성을 수행하여 재구성된 포인트들을 출력한다.
이상에서와 같이, 지오메트리 디코더(61003)는 수신된 비트스트림에 대해 엔트로피 디코딩을 하고, 엔트로피 디코딩된 비트스트림 내 지오메트리 정보를 포함하는 프레임이 인트라 예측을 위한 프레임이라면 기존의 인트라 예측을 위한 방식을 적용한 후 포인트 클라우드의 지오메트리 정보를 업데이트한다. 만일, 해당 프레임이 인트라 예측을 위한 프레임이 아니라면, 글로벌 움직임 적용 여부를 확인하고, 글로벌 움직임을 적용할 경우 엔트로피 디코딩된 지오메트리 정보가 불균일하게 샘플링되어 움직임 추정되었는지 확인한다. 이때 불균일 샘플링 결과가 반영된 경우, 엔트로피 디코딩된 지오메트리 정보를 복수개의 서브 블록들로 분할한 후 각 서브 블록별로 글로벌 움직임 적용 여부를 확인하고, 확인 결과에 따라 해당 서브 블록에 대해 글로벌 움직임 보상을 수행한다. 만일, 송신측에서 균일하게 샘플링 되어 움직임 추정되었다고 확인되면, 엔트로피 디코딩된 지오메트리 정보에 대해 글로벌 움직임 보상을 수행한 후 로컬 움직임 보상을 수행한다. 로컬 움직임 보상이 완료된 후에는 나머지 인터 예측 기능을 적용하고, 인터 예측이 수행된 지오메트리 정보의 재구성(reconstruction)을 수행한다. 즉, 단계 65010는 인터 예측 또는 인트라 예측을 통해 예측된 정보와 엔트로피 디코딩된 지오메트리 정보에 포함된 잔여 정보(residual)를 이용하여 지오메트리 정보(즉, 최종 포인트들의 위치)를 재구성(또는 복원)한다. 그리고 재구성된 포인트들은 어트리뷰트 정보 예측에 사용되기 위해 어트리뷰트 디코더(61004)로 보내질 수 있다.
도 27은 실시예들에 따른 포인트 클라우드 데이터 송신 방법의 흐름도를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 획득하는 단계(71001), 포인트 클라우드 데이터를 인코딩하는 단계(71002), 인코드된 포인트 클라우드 데이터와 시그널링 정보를 전송하는 단계(71003)를 포함할 수 있다. 이때, 상기 인코드된 포인트 클라우드 데이터와 시그널링 정보를 포함하는 비트스트림이 파일로 인캡슐레이션되어 전송될 수도 있다.
포인트 클라우드 데이터를 획득하는 단계(71001)는 도 1의 포인트 클라우드 비디오 획득부(10001)의 동작의 일부 또는 전부를 수행할 수도 있고 또는 도 12의 데이터 입력부(12000)의 동작의 일부 또는 전부를 수행할 수도 있다.
포인트 클라우드 데이터를 인코딩하는 단계(71002)는 지오메트리 정보의 인코딩을 위해 도 1의 포인트 클라우드 비디오 인코더(10002), 도 2의 인코딩(20001), 도 4의 포인트 클라우드 비디오 인코더, 도 12의 포인트 클라우드 비디오 인코더, 도 16의 지오메트리 인코더, 도 18의 지오메트리 인코딩 과정 또는 도 19의 지오메트리 인코딩 과정의 동작의 일부 또는 전체를 수행할 수 있다.
실시예들에 따른 포인트 클라우드 데이터를 인코딩하는 단계(71002)는 입력되는 포인트 클라우드 데이터의 포인트들을 복수개의 서브 그룹들로 분할하고, 분할된 서브 그룹별로 샘플링할 포인트들의 개수를 계산하여 샘플링을 수행한다. 그리고, 각 서브 그룹별로 글로벌 움직임 매트릭스의 적용 여부를 결정한 후 글로벌 움직임 추정 및/또는 로컬 움직임 추정을 수행하여 지오메트리 정보를 압축한다.
상기 포인트 클라우드 데이터(또는 오브젝트)의 포인트들을 복수개의 서브 그룹(또는 서브 블록 또는 블록이라 칭함)들로 분할하고 이를 기반으로 글로벌 움직임 추정을 수행하는 상세 내용은 전술한 도 15 내지 도 24의 설명을 참조하기로 하고 여기서는 생략한다. 상기 압축된 각 포인트의 지오메트리 정보(예, 잔여 정보 및/또는 예측 모드 정보)는 엔트로피 인코딩된 후 지오메트리 비트스트림 형태로 출력된다.
실시예들에 따르면, 포인트 클라우드 데이터를 인코딩하는 단계(71002)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리 정보를 기반으로 어트리뷰트 정보를 압축한다. 일 실시예로, 상기 어트리뷰트 정보는 RAHT 코딩, LOD 기반의 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 하나 이상을 조합하여 코딩될 수 있다.
본 명세서에서 시그널링 정보는 지오메트리 압축 관련 정보를 포함할 수 있다. 지오메트리 압축 관련 정보는 지오메트리 데이터 유닛 헤더에 포함되는 것을 일 실시예로 한다. 다른 실시예로, 지오메트리 압축 관련 정보는 SPS, GPS, APS에 시그널링될 수 있다. 상기 지오메트리 압축 관련 정보의 상세 설명은 위에서 상세히 하였으므로 여기서는 생략하기로 한다.
도 28은 실시예들에 따른 포인트 클라우드 데이터 수신 방법의 흐름도를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 인코드된 포인트 클라우드 데이터와 시그널링 정보를 수신하는 단계(81001), 시그널링 정보를 기반으로 포인트 클라우드 데이터를 디코딩하는 단계(81002), 및 디코드된 포인트 클라우드 데이터를 렌더링하는 단계(81003)를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터와 시그널링 정보를 수신하는 단계(81001)는 도 1의 리시버(10005), 도 2의 진송(20002) 또는 디코딩(20003), 도 13의 수신부(13000) 또는 수신 처리부(13001)에서 수행될 수 있다.
실시예들에 따른 포인트 클라우드 데이터를 디코딩하는 단계(81002)는 지오메트리 정보의 디코딩을 위해 도 1의 포인트 클라우드 비디오 디코더(10006), 도 2의 디코딩(20003), 도 11의 포인트 클라우드 비디오 디코더, 도 13의 포인트 클라우드 비디오 디코더, 도 25의 지오메트리 디코더, 또는 도 26의 지오메트리 디코딩 과정의 동작의 일부 또는 전체를 수행할 수 있다.
실시예들에 따른 포인트 클라우드 데이터를 디코딩하는 단계(81002)는 시그널링 정보에 포함된 지오메트리 압축 관련 정보를 기반으로 서브 블록별 글로벌 움직임 보상 및/또는 로컬 움직임 보상을 수행하여 압축되어 수신된 지오메트리 정보를 디코딩(즉, 복원)할 수 있다. 상세 내용은 도 15 내지 도 26의 설명을 참조하기로 한다.
실시예들에 따른 포인트 클라우드 데이터를 디코딩하는 단계(81002)는 상기 복원된 지오메트리 정보를 기반으로 어트리뷰트 정보를 디코딩(즉, 압축 해제)한다. 일 실시예로, 상기 어트리뷰트 정보는 RAHT 코딩, LOD 기반의 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 하나 이상을 조합하여 디코딩될 수 있다.
실시예들에 따른 렌더링하는 단계(81003)는 복원된(또는 재구성된) 지오메트리 정보와 어트리뷰트 정보를 기반으로 포인트 클라우드 데이터를 복원하고 다양한 렌더링 방식에 따라 렌더링할 수 있다. 예를 들어, 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 데이터를 렌더링하는 단계(81003)는 도 1의 렌더러(10007) 또는 도 2의 렌더링(20004) 또는 도 13의 렌더러(13011) 에서 수행될 수 있다.
이상에서와 같이 본 문서는 포인트 클라우드 컨텐츠의 화면 간 움직임 예측의 글로벌 움직임 추정과 글로벌 움직임 보상을 위해 불균일한 샘플링 방법과 글로벌 움직임 매트릭스 적용 여부를 판단하는 방법에 대해 제안하였다. 따라서, 송신측에서는 포인트 클라우드 데이터의 포인트들을 복수개의 서브 블록들로 분할하여 각 서브 블록별로 해당 서브 블록에 포함된 포인트들의 개수에 따라 서로 다른 개수의 포인트들을 샘플링할 수 있다. 특히 더 중요한 위치에서의 포인트들을 포함하는 서브 블록에서 더 많이 포인트들을 샘플링함으로써, 글로벌 움직임 추정의 정확도가 향상되는 효과가 있다. 또한, 수신측에서는 각 서브 블록별로 글로벌 움직임 추정 결과 적용 여부에 따라 글로벌 움직임 보상을 다르게 할 수 있어서, 기존에 local PU마다 글로벌 움직임 보상의 적용 여부를 판단하는 것 보다 비트스트림 사이즈와 디코딩 시간이 줄어드는 효과가 있다.
상술한 실시예들의 동작은 메모리 및/또는 프로세서를 포함하는 포인트 클라우드 송수신 장치/방법의 구성요소를 통해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있다. 실시예들에 따른 포인트 클라우드 송수신 장치/방법의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다. 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭 가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다. 본 실시예에서는 포인트 클라우드 데이터의 지오메트리 정보를 압축하는 방법에 대해서 기술하지만 어트리뷰트 정보 압축 및 기타 압축 방법에 본 명세서에서 기술하는 방법을 적용할 수 있다.
전술한 각각의 파트, 모듈 또는 유닛은 메모리(또는 저장 유닛)에 저장된 연속된 수행과정들을 실행하는 소프트웨어, 프로세서, 하드웨어 파트일 수 있다. 전술한 실시예에 기술된 각 단계들은 프로세서, 소프트웨어, 하드웨어 파트들에 의해 수행될 수 있다. 전술한 실시예에 기술된 각 모듈/블락/유닛들은 프로세서, 소프트웨어, 하드웨어로서 동작할 수 있다. 또한, 실시예들이 제시하는 방법들은 코드로서 실행될 수 있다. 이 코드는 프로세서가 읽을 수 있는 저장매체에 쓰여질 수 있고, 따라서 장치(apparatus)가 제공하는 프로세서에 의해 읽혀질 수 있다.
또한 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 그리고 명세서에 기재된 “…부”등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
본 명세서는 설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다.
실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다. 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 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 반송파의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 "/"와 ","는 "및/또는"으로 해석된다. 예를 들어, "A/B"는 "A 및/또는 B"로 해석되고, "A, B"는 "A 및/또는 B"로 해석된다. 추가적으로, "A/B/C"는 "A, B, 및/또는 C 중 적어도 하나"를 의미한다. 또한, "A, B, C"도 "A, B 및/또는 C 중 적어도 하나"를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, "A 또는 B"은, 1) "A"만을 의미하고, 2) "B"만을 의미하거나, 3) "A 및 B"를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
실시예들의 다양한 엘리먼트들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 엘리먼트는 하드웨어 회로와 같은 싱글 칩 상에서 수행될 수 있다. 실시예들에 따라, 실시예들은 선택적으로 개별적인 칩들 상에서 수행될 수 있다. 실시예들에 따라, 실시예들의 엘리먼트들 중 적어도 하나는 실시예들에 따른 동작을 수행하는 인스트럭션들을 포함하는 하나 또는 하나 이상의 프로세서 내에서 수행될 수 있다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 하나 이상의 메모리들 및/또는 하나 이상의 프로세서들을 포함하는 송수신 장치에 의해 수행될 수 있다. 하나 이상의 메모리들을 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 하나 이상의 프로세서들을 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 하나 이상의 프로세서들은 컨트롤러 등으로 지칭 가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사용되는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋 시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. “포함한다” 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭 가능하다. 실시예들에 따른 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
발명의 실시를 위한 최선의 형태에서 구체적으로 설명되었다.
본 실시예들의 사상이나 범위를 벗어나지 않고 본 실시예들에서 다양한 변경 및 변형이 가능함은 당업자에게 자명하다. 따라서, 실시예들은 첨부된 청구항 및 그 동등 범위 내에서 제공되는 본 실시예들의 변경 및 변형을 포함하는 것으로 의도된다.

Claims (15)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 인코딩된 포인트 클라우드 데이터와 시그널링 정보를 전송하는 단계를 포함하며,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 포인트들을 복수개의 서브 그룹들로 분할하는 단계;
    상기 분할된 서브 그룹별로 샘플링할 포인트들의 개수를 설정하는 단계; 및
    상기 서브 그룹별로 설정된 샘플링할 포인트들의 개수를 기반으로 상기 서브 그룹별로 샘플링을 수행하여 상기 포인트 클라우드 데이터를 압축하는 단계를 포함하는 포인트 클라우드 데이터 송신 방법.
  2. 제 1 항에 있어서, 상기 분할 단계는
    상기 포인트 클라우드 데이터의 포인트들을 z축을 기준으로 복수개의 서브 그룹들로 분할하는 포인트 클라우드 데이터 송신 방법.
  3. 제 2 항에 있어서, 상기 설정 단계는
    상기 포인트 클라우드 데이터의 포인트들의 총 개수, 각 서브 그룹에 포함되는 포인트들의 개수 및 상기 포인트 클라우드 데이터의 전체 샘플링 개수를 기반으로 각 서브 그룹의 샘플링 개수를 설정하는 포인트 클라우드 데이터 송신 방법.
  4. 제 3 항에 있어서, 상기 압축 단계는
    각 서브 그룹에 포함되는 포인트들의 개수를 기반으로 해당 서브 그룹에 글로벌 움직임 매트릭스를 적용할지 여부를 결정하는 포인트 클라우드 데이터 송신 방법.
  5. 제 4 항에 있어서, 상기 시그널링 정보는
    적어도 상기 포인트 클라우드 데이터에 불균일한 샘플링이 적용되는지 여부를 식별하기 위한 정보, 상기 분할되는 서브 그룹들의 개수를 식별하기 위한 정보, 및 서브 그룹별로 해당 서브 그룹에 글로벌 움직임 매트릭스가 적용되었는지 여부를 식별하기 위한 정보를 포함하는 포인트 클라우드 데이터 송신 방법.
  6. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 인코딩된 포인트 클라우드 데이터와 시그널링 정보를 전송하는 전송부를 포함하며,
    상기 인코더는 상기 포인트 클라우드 데이터의 포인트들을 복수개의 서브 그룹들로 분할하고, 상기 분할된 서브 그룹별로 샘플링할 포인트들의 개수를 설정하며, 상기 서브 그룹별로 설정된 샘플링할 포인트들의 개수를 기반으로 상기 서브 그룹별로 샘플링을 수행하여 상기 포인트 클라우드 데이터를 압축하는 포인트 클라우드 데이터 송신 장치.
  7. 제 6 항에 있어서, 상기 인코더는
    상기 포인트 클라우드 데이터의 포인트들을 z축을 기준으로 복수개의 서브 그룹들로 분할하는 포인트 클라우드 데이터 송신 장치.
  8. 제 7 항에 있어서, 상기 인코더는
    상기 포인트 클라우드 데이터의 포인트들의 총 개수, 각 서브 그룹에 포함되는 포인트들의 개수 및 상기 포인트 클라우드 데이터의 전체 샘플링 개수를 기반으로 각 서브 그룹의 샘플링 개수를 설정하는 포인트 클라우드 데이터 송신 장치.
  9. 제 8 항에 있어서, 상기 인코더는
    각 서브 그룹에 포함되는 포인트들의 개수를 기반으로 해당 서브 그룹에 글로벌 움직임 매트릭스를 적용할지 여부를 결정하는 포인트 클라우드 데이터 송신 장치.
  10. 제 9 항에 있어서, 상기 시그널링 정보는
    적어도 상기 포인트 클라우드 데이터에 불균일한 샘플링이 적용되는지 여부를 식별하기 위한 정보, 상기 분할되는 서브 그룹들의 개수를 식별하기 위한 정보, 및 서브 그룹별로 해당 서브 그룹에 글로벌 움직임 매트릭스가 적용되었는지 여부를 식별하기 위한 정보를 포함하는 포인트 클라우드 데이터 송신 장치.
  11. 포인트 클라우드 데이터와 시그널링 정보를 수신하는 단계;
    상기 시그널링 정보를 기반으로 상기 포인트 클라우드 데이터를 디코딩하는 단계; 및
    상기 디코딩된 포인트 클라우드 데이터를 렌더링하는 단계를 포함하며,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는 상기 시그널링 정보를 기반으로 상기 수신된 포인트 클라우드 데이터를 복수개의 서브 그룹들로 분할하고, 분할된 서브 그룹 단위로 디코딩을 수행하는 포인트 클라우드 데이터 수신 방법.
  12. 제 11 항에 있어서, 상기 디코딩 단계는
    상기 시그널링 정보를 기반으로 해당 서브 그룹에 글로벌 움직임 매트릭스가 적용되었는지 여부를 확인하고, 상기 확인된 결과를 기반으로 해당 서브 그룹에 대해 글로벌 움직임 보상을 수행하는 포인트 클라우드 데이터 수신 방법.
  13. 제 12 항에 있어서, 상기 디코딩 단계는
    상기 글로벌 움직임 보상이 수행된 서브 그룹에 대해 로컬 움직임 보상을 수행하는 단계를 더 포함하는 포인트 클라우드 데이터 수신 방법.
  14. 제 12 항에 있어서, 상기 시그널링 정보는
    적어도 상기 포인트 클라우드 데이터에 불균일한 샘플링이 적용되었는지 여부를 식별하기 위한 정보, 상기 분할되는 서브 그룹들의 개수를 식별하기 위한 정보, 및 서브 그룹별로 해당 서브 그룹에 글로벌 움직임 매트릭스가 적용되었는지 여부를 식별하기 위한 정보를 포함하는 포인트 클라우드 데이터 수신 방법.
  15. 제 14 항에 있어서, 상기 시그널링 정보는
    상기 서브 그룹 각각을 식별하기 위한 인덱스 정보를 더 포함하는 포인트 클라우드 데이터 수신 방법.
PCT/KR2022/016047 2021-10-20 2022-10-20 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2023068846A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020247016478A KR20240099306A (ko) 2021-10-20 2022-10-20 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
EP22884068.2A EP4422181A1 (en) 2021-10-20 2022-10-20 Point cloud data transmission device and method, and point cloud data reception device and method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210139829 2021-10-20
KR10-2021-0139829 2021-10-20

Publications (1)

Publication Number Publication Date
WO2023068846A1 true WO2023068846A1 (ko) 2023-04-27

Family

ID=86059531

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/016047 WO2023068846A1 (ko) 2021-10-20 2022-10-20 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (3)

Country Link
EP (1) EP4422181A1 (ko)
KR (1) KR20240099306A (ko)
WO (1) WO2023068846A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190355152A1 (en) * 2017-07-28 2019-11-21 Peking University Shenzen Graduate School Point cloud attribute compression method based on kd tree and optimized graph transformation
US20200020154A1 (en) * 2017-01-05 2020-01-16 Bricsys Nv Point Cloud Preprocessing and Rendering
US20210183068A1 (en) * 2019-04-09 2021-06-17 Peking Universtiy Shenzhen Graduate School Self-Adaptive Point Cloud Stripe Division Method
US20210192798A1 (en) * 2018-10-02 2021-06-24 Blackberry Limited Predictive coding of point clouds using multiple frames of references
WO2021145573A1 (ko) * 2020-01-16 2021-07-22 엘지전자 주식회사 포인트 클라우드 데이터 처리 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200020154A1 (en) * 2017-01-05 2020-01-16 Bricsys Nv Point Cloud Preprocessing and Rendering
US20190355152A1 (en) * 2017-07-28 2019-11-21 Peking University Shenzen Graduate School Point cloud attribute compression method based on kd tree and optimized graph transformation
US20210192798A1 (en) * 2018-10-02 2021-06-24 Blackberry Limited Predictive coding of point clouds using multiple frames of references
US20210183068A1 (en) * 2019-04-09 2021-06-17 Peking Universtiy Shenzhen Graduate School Self-Adaptive Point Cloud Stripe Division Method
WO2021145573A1 (ko) * 2020-01-16 2021-07-22 엘지전자 주식회사 포인트 클라우드 데이터 처리 장치 및 방법

Also Published As

Publication number Publication date
KR20240099306A (ko) 2024-06-28
EP4422181A1 (en) 2024-08-28

Similar Documents

Publication Publication Date Title
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020190093A1 (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
WO2021002604A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020190090A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020256308A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021045601A1 (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
WO2021002594A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021206291A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2021029511A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 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
WO2022220382A1 (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021045603A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022050650A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022240128A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2022186675A1 (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
WO2022225333A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022220645A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023282581A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246796A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

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: 22884068

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 18703066

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2022884068

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2022884068

Country of ref document: EP

Effective date: 20240521