WO2023182762A1 - 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
WO2023182762A1
WO2023182762A1 PCT/KR2023/003708 KR2023003708W WO2023182762A1 WO 2023182762 A1 WO2023182762 A1 WO 2023182762A1 KR 2023003708 W KR2023003708 W KR 2023003708W WO 2023182762 A1 WO2023182762 A1 WO 2023182762A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
frame
cloud data
road
encoding
Prior art date
Application number
PCT/KR2023/003708
Other languages
English (en)
French (fr)
Inventor
허혜정
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Publication of WO2023182762A1 publication Critical patent/WO2023182762A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • Point cloud content is content expressed as a point cloud, which is a set of points belonging to a coordinate system expressing three-dimensional space.
  • Point cloud content can express three-dimensional media and provides various services such as VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), and autonomous driving services. It is used to provide However, tens to hundreds of thousands of point data are needed to express point cloud content. Therefore, a method for efficiently processing massive amounts of point data is required.
  • Embodiments provide an apparatus and method for efficiently processing point cloud data.
  • Embodiments provide a point cloud data processing method and device to solve latency and encoding/decoding complexity.
  • Methods for transmitting point cloud data may include encoding point cloud data and transmitting a bitstream including point cloud data.
  • a method of receiving point cloud data according to embodiments may include receiving a bitstream including point cloud data and decoding the point cloud data.
  • Apparatus and methods according to embodiments can process point cloud data with high efficiency.
  • Devices and methods according to embodiments can provide high quality point cloud services.
  • Devices and methods according to embodiments can provide point cloud content to provide general services such as VR services and autonomous driving services.
  • Figure 1 shows an example of a point cloud content providing system according to embodiments.
  • Figure 2 is a block diagram showing a point cloud content providing operation according to embodiments.
  • Figure 3 shows an example of a point cloud encoder according to embodiments.
  • Figure 4 shows examples of octrees and occupancy codes according to embodiments.
  • Figure 5 shows an example of point configuration for each LOD according to embodiments.
  • Figure 6 shows an example of point configuration for each LOD according to embodiments.
  • Figure 7 shows an example of a point cloud decoder according to embodiments.
  • Figure 8 is an example of a transmission device according to embodiments.
  • FIG 9 is an example of a receiving device according to embodiments.
  • Figure 10 shows an example of a structure that can be interoperable with a method/device for transmitting and receiving point cloud data according to embodiments.
  • Figure 11 is an example of a road point cloud captured from a moving car LiDAR equipment according to embodiments.
  • Figure 12 shows an example of a separated road point cloud according to embodiments.
  • FIG 13 shows examples of road points captured by LiDAR according to embodiments.
  • Figure 14 shows an example in which a car equipped with LiDAR equipment according to embodiments does not move, but some shapes change when surrounding objects move.
  • Figure 15 shows an example of a point cloud obtained when a car equipped with LIDAR equipment turns right according to embodiments.
  • Figure 16 shows an example of a point cloud captured by LiDAR equipment according to embodiments.
  • Figure 17 shows an example in which road points change depending on a moving object according to embodiments.
  • Figure 18 shows an example in which road points change when there is only a movement motion according to embodiments.
  • Figure 19 shows an example in which road points change when there is movement and rotation motion according to embodiments.
  • Figure 20 shows a point cloud data transmission device according to embodiments.
  • Figure 21 shows a point cloud data receiving device according to embodiments.
  • Figure 22 shows a bitstream including point cloud data and parameters according to embodiments.
  • FIG. 23 shows a sequence parameter set (SPS) according to embodiments.
  • Figure 24 shows a geometry parameter set (GPS) according to embodiments.
  • Figure 25 shows the syntax of a tile parameter set (TPS) according to embodiments.
  • Figure 26 shows the syntax of a geometry slice header (Geometry Data Header) according to embodiments.
  • Figure 27 shows the syntax of a geometry PU header according to embodiments.
  • Figure 28 shows a method for transmitting point cloud data according to embodiments.
  • Figure 29 shows a method of receiving point cloud data according to embodiments.
  • Figure 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system shown in FIG. 1 may include a transmission device 10000 and a reception device 10004.
  • the transmitting device 10000 and the receiving device 10004 are capable of wired and wireless communication to transmit and 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 be 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. It may include etc.
  • the transmitting device 10000 is a device that communicates with a base station and/or other wireless devices using wireless access technology (e.g., 5G NR (New RAT), LTE (Long Term Evolution)). It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, IoT (Internet of Thing) devices, AI devices/servers, etc.
  • wireless access technology e.g., 5G NR (New RAT), LTE (Long Term Evolution)
  • the transmission device 10000 includes a point cloud video acquisition unit (Point Cloud Video Acquisition, 10001), a point cloud video encoder (Point Cloud Video Encoder, 10002), and/or a transmitter (or communication module), 10003. ) includes
  • the point cloud video acquisition unit 10001 acquires the point cloud video through processing processes 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 three-dimensional space, and may be referred to as point cloud video data, etc.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Therefore, a point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, frame, or picture.
  • the point cloud video encoder 10002 encodes the obtained point cloud video data.
  • the point cloud video encoder 10002 can 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. Additionally, point cloud compression coding according to embodiments is not limited to the above-described embodiments.
  • the point cloud video encoder 10002 may output a bitstream containing encoded point cloud video data.
  • the bitstream may include encoded point cloud video data, as well as signaling information related to encoding of the point cloud video data.
  • the transmitter 10003 transmits a bitstream including encoded point cloud video data.
  • the bitstream according to embodiments is encapsulated into a file or segment (eg, streaming segment) and transmitted through various networks such as a broadcast network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or encapsulation module) that performs an encapsulation operation. Additionally, depending on embodiments, 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.).
  • 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 receiver 10005) through a network such as 4G, 5G, or 6G. Additionally, the transmitter 10003 can perform necessary data processing operations depending on the network system (e.g., communication network system such as 4G, 5G, 6G, etc.). Additionally, the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • a network such as 4G, 5G, or 6G.
  • the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • the receiving device 10004 includes a receiver (Receiver, 10005), a point cloud video decoder (Point Cloud Decoder, 10006), and/or a renderer (Renderer, 10007).
  • the receiving device 10004 is a device or robot that communicates with a base station and/or other wireless devices using wireless access technology (e.g., 5G NR (New RAT), LTE (Long Term Evolution)). , vehicles, AR/VR/XR devices, mobile devices, home appliances, IoT (Internet of Thing) devices, AI devices/servers, etc.
  • wireless access technology e.g., 5G NR (New RAT), LTE (Long Term Evolution)
  • the receiver 10005 receives a bitstream including point cloud video data or a file/segment in which the bitstream is encapsulated, etc. from a network or storage medium.
  • the receiver 10005 can perform necessary data processing operations depending on the network system (e.g., communication network system such as 4G, 5G, 6G, etc.).
  • the receiver 10005 may decapsulate the received file/segment and output a bitstream.
  • the receiver 10005 may include a decapsulation unit (or decapsulation module) to perform a decapsulation operation.
  • the decapsulation unit may be implemented as a separate element (or component) from the receiver 10005.
  • Point cloud video decoder 10006 decodes a bitstream containing point cloud video data.
  • the point cloud video decoder 10006 may decode the point cloud video data according to how it was encoded (e.g., a reverse process of the operation of the point cloud video encoder 10002). Therefore, the point cloud video decoder 10006 can decode point cloud video data by performing point cloud decompression coding, which is the reverse process of point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • Renderer 10007 renders the decoded point cloud video data.
  • the renderer 10007 can output point cloud content by rendering not only point cloud video data but also audio data.
  • the renderer 10007 may include a display for displaying point cloud content.
  • the display may not be included in the renderer 10007 but may be implemented as a separate device or component.
  • Feedback information is information to reflect interaction with a user consuming point cloud content, and includes user information (eg, head orientation information, viewport information, etc.).
  • user information e.g., head orientation information, viewport information, etc.
  • the feedback information is sent to the content transmitter (e.g., transmission device 10000) and/or the service provider. can be delivered to Depending on embodiments, feedback information may be used not only in the transmitting device 10000 but also in the receiving device 10004, or may not be provided.
  • Head orientation information is information about the user's head position, direction, angle, movement, etc.
  • the receiving device 10004 may calculate viewport information based on head orientation information.
  • Viewport information is information about the area of the point cloud video that the user is looking at.
  • the viewpoint is the point at which the user is watching the point cloud video and may refer to the exact center point of the viewport area.
  • the viewport is an area centered on the viewpoint, and the size and shape of the area can be determined by FOV (Field Of View). Therefore, the receiving device 10004 can extract viewport information based on the vertical or horizontal FOV supported by the device in addition to head orientation information. In addition, the receiving device 10004 performs gaze analysis, etc.
  • the receiving device 10004 may transmit feedback information including the gaze analysis result to the transmitting device 10000.
  • Feedback information may be obtained during rendering and/or display processes.
  • Feedback information may be secured by one or more sensors included in the receiving device 10004. Additionally, depending on embodiments, feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • the dotted line in Figure 1 represents the delivery process of feedback information secured by the renderer 10007.
  • the point cloud content providing system can process (encode/decode) point cloud data based on feedback information.
  • the point cloud video data decoder 10006 can perform a decoding operation based on feedback information. Additionally, the receiving device 10004 may transmit feedback information to the transmitting device 10000. The transmission device 10000 (or the point cloud video data encoder 10002) may perform an encoding operation based on feedback information. Therefore, the point cloud content provision system does not process (encode/decode) all point cloud data, but efficiently processes necessary data (e.g., point cloud data corresponding to the user's head position) based on feedback information and provides information to the user. Point cloud content can be provided to.
  • the transmission device 10000 may be called an encoder, a transmission device, a transmitter, etc.
  • the reception device 10004 may be called a decoder, a reception device, a receiver, etc.
  • Point cloud data (processed through a series of processes of acquisition/encoding/transmission/decoding/rendering) processed in the point cloud content providing system of FIG. 1 according to embodiments may be referred to as point cloud content data or point cloud video data. You can. Depending on embodiments, 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, processors, and/or a combination thereof.
  • Figure 2 is a block diagram showing a point cloud content providing operation 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 can process point cloud data based on point cloud compression coding (eg, G-PCC).
  • point cloud compression coding eg, G-PCC
  • a point cloud content providing system may acquire a point cloud video (20000).
  • Point cloud video is expressed as a point cloud belonging to a coordinate system representing three-dimensional space.
  • 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 obtained point cloud video may include one or more Ply files.
  • Ply files contain point cloud data such as the point's geometry and/or attributes. Geometry contains the positions of points.
  • the position of each point can be expressed as parameters (e.g., values for each of the X, Y, and Z axes) representing a three-dimensional coordinate system (e.g., a coordinate system consisting of XYZ axes, etc.).
  • Attributes include attributes of points (e.g., texture information, color (YCbCr or RGB), reflectance (r), transparency, etc. of each point).
  • a point has one or more attributes (or properties). For example, one point may have one color attribute, or it may have two attributes, color and reflectance.
  • geometry may be referred to as positions, geometry information, geometry data, etc.
  • attributes may be referred to as attributes, attribute information, attribute data, etc.
  • the point cloud content providing system e.g., the point cloud transmission device 10000 or the point cloud video acquisition unit 10001 collects points from information related to the acquisition process of the point cloud video (e.g., depth information, color information, etc.). Cloud data can be secured.
  • a point cloud content providing system may encode point cloud data (20001).
  • the point cloud content providing system can encode point cloud data based on point cloud compression coding.
  • point cloud data may include the geometry and attributes of points. Therefore, the point cloud content providing system can perform geometry encoding to encode the geometry and output a geometry bitstream.
  • the point cloud content providing system may perform attribute encoding to encode an attribute and output an attribute bitstream.
  • the point cloud content providing system may perform attribute encoding based on geometry encoding.
  • the geometry bitstream and the attribute bitstream according to embodiments may be multiplexed and output as one bitstream.
  • the bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • a point cloud content providing system may transmit encoded point cloud data (20002).
  • encoded point cloud data can be expressed as a geometry bitstream or an attribute bitstream.
  • the encoded point cloud data may be transmitted in the form of a bitstream along with signaling information related to encoding of the point cloud data (e.g., signaling information related to geometry encoding and attribute encoding).
  • the point cloud content providing system can encapsulate a bitstream transmitting encoded point cloud data and transmit it in the form of a file or segment.
  • a point cloud content providing system may receive a bitstream including encoded point cloud data. Additionally, a point cloud content providing system (e.g., receiving device 10004 or receiver 10005) may demultiplex the bitstream.
  • a point cloud content providing system may decode encoded point cloud data (e.g., geometry bitstream, attribute bitstream) transmitted as a bitstream.
  • a point cloud content providing system e.g., receiving device 10004 or point cloud video decoder 10005
  • a point cloud content providing system e.g., receiving device 10004 or point cloud video decoder 10005
  • the point cloud content providing system can restore the attributes of points by decoding the attribute bitstream based on the restored geometry.
  • a point cloud content providing system (e.g., the receiving device 10004 or the point cloud video decoder 10005) may restore the point cloud video based on the decoded attributes and positions according to the restored geometry.
  • a point cloud content providing system may render decoded point cloud data (20004).
  • the point cloud content providing system e.g., the receiving device 10004 or the renderer 10007) may render the geometry and attributes decoded through the decoding process according to various rendering methods.
  • Points of point cloud content may be rendered as a vertex with a certain thickness, a cube with a specific minimum size centered on the vertex position, or a circle with the vertex position as the center. All or part of the rendered point cloud content is provided to the user through a display (e.g. VR/AR display, general display, etc.).
  • a point cloud content providing system (eg, 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 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, detailed description will be omitted.
  • Figure 3 shows an example of a point cloud encoder according to embodiments.
  • Figure 3 shows an example of the point cloud video encoder 10002 of Figure 1.
  • the point cloud encoder uses point cloud data (e.g., the positions of points and/or attributes) and perform an encoding operation. If the overall size of the point cloud content is large (for example, point cloud content of 60 Gbps at 30 fps), the point cloud content providing system may not be able to stream the content in real time. Therefore, the point cloud content providing system can reconstruct the point cloud content based on the maximum target bitrate to provide it according to the network environment.
  • point cloud data e.g., the positions of points and/or attributes
  • the point cloud encoder can perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • the point cloud encoder includes a coordinate system transformation unit (Transformation Coordinates, 30000), a quantization unit (Quantize and Remove Points (Voxelize), 30001), an octree analysis unit (Analyze Octree, 30002), and a surface approximation analysis unit ( Analyze Surface Approximation (30003), Arithmetic Encode (30004), Reconstruct Geometry (30005), Transform Colors (30006), Transfer Attributes (30007), RAHT conversion It includes a unit 30008, an LOD generation unit (Generated LOD, 30009), a lifting conversion unit (30010), a coefficient quantization unit (Quantize Coefficients, 30011), and/or an arithmetic encoder (Arithmetic Encode, 30012).
  • a coordinate system transformation unit Transformation Coordinates, 30000
  • a quantization unit Quantization and Remove Points (Voxelize)
  • An octree analysis unit Analyze Octree,
  • the coordinate system conversion unit 30000, the quantization unit 30001, the octree analysis unit 30002, the surface approximation analysis unit 30003, the arithmetic encoder 30004, and the geometry reconstruction unit 30005 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 tryop geometry encoding are applied selectively or in combination. Additionally, geometry encoding is not limited to the examples above.
  • the coordinate system conversion unit 30000 receives positions and converts them into a coordinate system.
  • positions can be converted into position information in a three-dimensional space (e.g., a three-dimensional space expressed in an XYZ coordinate system, etc.).
  • Position information in three-dimensional space may be referred to as geometry information.
  • the quantization unit 30001 quantizes geometry. For example, the quantization unit 30001 may quantize points based on the minimum position value of all points (for example, the minimum value on each axis for the X-axis, Y-axis, and Z-axis). The quantization unit 30001 performs a quantization operation to find the closest integer value by multiplying the difference between the minimum position value and the position value of each point by a preset quantum scale value and then performing rounding down or up. Therefore, one or more points may have the same quantized position (or position value). The quantization unit 30001 according to embodiments performs voxelization based on quantized positions to reconstruct quantized points.
  • the minimum unit containing two-dimensional image/video information is a pixel, and points of point cloud content (or three-dimensional point cloud video) according to embodiments may be included in one or more voxels.
  • the quantization unit 40001 can match groups of points in 3D space into voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • the position of the center point of the voxel can be set based on the positions of one or more points included in one voxel.
  • the attributes of all positions included in one voxel can be combined and assigned to the voxel.
  • the octree analysis unit 30002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure expresses points matched to voxels based on the octree structure.
  • the surface approximation analysis unit 30003 may analyze and approximate the octree.
  • Octree analysis and approximation is a process of analyzing an area containing a large number of points to voxelize in order to efficiently provide octree and voxelization.
  • the arismatic encoder 30004 entropy encodes an octree and/or an approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • a geometry bitstream is created.
  • Color converter (30006), attribute converter (30007), RAHT converter (30008), LOD generator (30009), lifting converter (30010), coefficient quantization unit (30011), and/or arismatic encoder (30012) Performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is equally applied to the 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 includes color transformation coding, attribute transformation coding, RAHT (Region Adaptive Hierarchial Transform) coding, prediction transformation (Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform) coding, and lifting transformation (interpolation-based hierarchical nearest transform). -neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • RAHT Resource Adaptive Hierarchial Transform
  • prediction transformation Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform
  • lifting transformation interpolation-based hierarchical nearest transform
  • -neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • the above-described RAHT coding, predictive transform coding, and lifting transform coding may be selectively used, or a combination of one or more codings may be used.
  • attribute encoding according to embodiments is not limited to the above-described examples.
  • the color conversion unit 30006 performs color conversion coding to convert color values (or textures) included in attributes.
  • the color converter 30006 may convert the format of color information (for example, convert from RGB to YCbCr).
  • the operation of the color converter 30006 according to embodiments may be applied optionally according to color values included in the attributes.
  • the geometry reconstruction unit 30005 reconstructs (decompresses) the octree and/or the approximated octree.
  • the geometry reconstruction unit 30005 reconstructs the octree/voxel based on the results of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as reconstructed geometry (or reconstructed geometry).
  • the attribute conversion unit 30007 performs attribute conversion to convert attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry. As described above, since the attributes are dependent on geometry, the attribute conversion unit 30007 can convert the attributes based on the reconstructed geometry information. For example, the attribute conversion unit 30007 may convert the attribute of the point of the position based on the position value of the point included in the voxel. As described above, when the position of the center point of a voxel is set based on the positions of one or more points included in one voxel, the attribute conversion unit 30007 converts the attributes of one or more points. When tryop geometry encoding is performed, the attribute conversion unit 30007 may convert the attributes based on tryop geometry encoding.
  • the attribute conversion unit 30007 converts the average value of the attributes or attribute values (for example, the 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 30007 may apply a weight according to the distance from the center 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 30007 can search for neighboring points that exist within a specific location/radius from the position of the center point of each voxel based on a K-D tree or Molton code.
  • the K-D tree is a binary search tree that supports a data structure that can manage points based on location to enable quick Nearest Neighbor Search (NNS).
  • Molton code represents coordinate values (e.g. (x, y, z)) representing the three-dimensional positions of all points as bit values, and is generated by mixing the bits. For example, if the coordinate value representing the position of a point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute conversion unit 30007 sorts points based on Molton code values and can perform nearest neighbor search (NNS) through a depth-first traversal process. After the attribute conversion operation, if nearest neighbor search (NNS) is required in other conversion processes for attribute coding, a K-D tree or Molton code is used.
  • NSS nearest neighbor search
  • the converted attributes are input to the RAHT conversion unit 30008 and/or the LOD generation unit 30009.
  • the RAHT conversion unit 30008 performs RAHT coding to predict attribute information based on the reconstructed geometry information. For example, the RAHT converter 30008 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 generator 30009 generates a Level of Detail (LOD) to perform predictive transform coding.
  • LOD Level of Detail
  • the LOD according to embodiments is a degree of representing the detail of the point cloud content. The smaller the LOD value, the lower the detail of the point cloud content, and the larger the LOD value, the higher the detail of the point cloud content. Points can be classified according to LOD.
  • the lifting transformation unit 30010 performs lifting transformation coding to transform the attributes of the point cloud based on weights. As described above, lifting transform coding can be selectively applied.
  • the coefficient quantization unit 30011 quantizes attribute-coded attributes based on coefficients.
  • the arismatic encoder 30012 encodes quantized attributes based on arismatic coding.
  • the elements of the point cloud encoder of FIG. 3 are not shown in the drawing, but are hardware that includes one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. , may be implemented as software, firmware, or a combination thereof. One or more processors may perform at least one of the operations and/or functions of the elements of the point cloud encoder of FIG. 3 described above. Additionally, one or more processors may operate or execute a set of software programs and/or instructions to perform the operations and/or functions of the elements of the point cloud encoder of FIG. 3.
  • One or more memories may include high-speed random access memory, non-volatile memory (e.g., one or more magnetic disk storage devices, flash memory devices, or other non-volatile solid state memory). may include memory devices (solid-state memory devices, etc.).
  • Figure 4 shows examples of octrees and occupancy codes according to embodiments.
  • the point cloud content providing system (point cloud video encoder 10002) or the point cloud encoder (e.g., octree analysis unit 30002) efficiently manages the area and/or position of the voxel.
  • octree geometry coding (or octree coding) based on the octree structure is performed.
  • the top of Figure 4 shows an octree structure.
  • the three-dimensional space of point cloud content according to embodiments is expressed as axes of a coordinate system (eg, X-axis, Y-axis, and Z-axis).
  • the octree structure is created by recursive subdividing a cubic axis-aligned bounding box defined by the two poles (0,0,0) and (2 d , 2 d , 2 d ).
  • . 2d can be set to a value that constitutes the smallest bounding box surrounding all points of point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the d value is determined according to the following equation. In the equation below, (x int n , y int n , z int n ) represents the positions (or position values) of quantized points.
  • the entire three-dimensional space can be divided into eight spaces according to division.
  • Each divided space is expressed as a cube with six sides.
  • each of the eight spaces is again divided based on the axes of the coordinate system (eg, X-axis, Y-axis, and Z-axis). Therefore, each space is further divided into eight smaller spaces.
  • the small divided space is also expressed as a cube with six sides. This division method is applied until the leaf nodes of the octree become voxels.
  • the bottom of Figure 4 shows the octree's occupancy code.
  • the octree's occupancy code is generated to indicate whether each of the eight divided spaces created by dividing one space includes at least one point. Therefore, one occupancy code is expressed as eight child nodes. Each child node represents the occupancy of the divided space, and each child node has a 1-bit value. Therefore, the occupancy code is expressed as an 8-bit code. That is, if the space corresponding to a child node contains at least one point, the node has a value of 1. If the space corresponding to a child node does not contain a point (empty), the node has a value of 0. Since the occupancy code shown in FIG.
  • a point cloud encoder (for example, an arismatic encoder 30004) according to embodiments may entropy encode an occupancy code. Additionally, to increase compression efficiency, the point cloud encoder can intra/inter code occupancy codes.
  • a receiving device eg, a receiving device 10004 or a point cloud video decoder 10006) according to embodiments reconstructs an octree based on the occupancy code.
  • the point cloud encoder may perform voxelization and octree coding to store the positions of points.
  • points in a three-dimensional space are not always evenly distributed, there may be specific areas where there are not many points. Therefore, it is inefficient to perform voxelization on the entire three-dimensional space. For example, if there are few points in a specific area, there is no need to perform voxelization to that area.
  • the point cloud encoder does not perform voxelization on the above-described specific area (or nodes other than the leaf nodes of the octree), but uses direct coding to directly code the positions of points included in the specific area. ) can be performed. Coordinates of direct coding points according to embodiments are called direct coding mode (Direct Coding Mode, DCM). Additionally, the point cloud encoder according to embodiments may perform Trisoup geometry encoding to reconstruct the positions of points within a specific area (or node) on a voxel basis based on a surface model. TryShop geometry encoding is a geometry encoding that expresses the object as a series of triangle meshes.
  • the point cloud decoder can generate a point cloud from the mesh surface.
  • Direct coding and tryop geometry encoding according to embodiments may be selectively performed. Additionally, direct coding and tryop 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, and the node to which direct coding will be applied is not a leaf node, but has nodes below the threshold within a specific node. points must exist. Additionally, the number of appetizer points subject to direct coding must not exceed a preset limit. If the above conditions are satisfied, the point cloud encoder (or arismatic encoder 30004) according to embodiments can entropy code the positions (or position values) of points.
  • the point cloud encoder (e.g., the surface approximation analysis unit 30003) determines a specific level of the octree (if the level is smaller than the depth d of the octree), and from that level, uses the surface model to create nodes. Try-Soap geometry encoding can be performed to reconstruct the positions of points within the area on a voxel basis (Try-Soap mode).
  • the point cloud encoder may specify a level to apply Trichom geometry encoding. For example, if the specified level is equal to the depth of the octree, the point cloud encoder will not operate in tryop mode.
  • the point cloud encoder can operate in tryop mode only when the specified level is smaller than the depth value of the octree.
  • a three-dimensional cubic area of nodes at a designated level according to embodiments is called a block.
  • One block may include one or more voxels.
  • a block or voxel may correspond to a brick.
  • geometry is expressed as a surface.
  • a surface according to embodiments may intersect each edge of a block at most once.
  • a vertex along an edge is detected if there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An occupied 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 edge among all blocks sharing the edge.
  • the point cloud encoder When a vertex is detected, the point cloud encoder according to embodiments entropy encodes the starting point of the edge (x, y, z), the direction vector of the edge ( ⁇ x, ⁇ y, ⁇ z), and the vertex position value (relative position value within the edge). You can.
  • the point cloud encoder e.g., geometry reconstruction unit 30005
  • the point cloud encoder performs triangle reconstruction, up-sampling, and voxelization processes. You can create restored geometry (reconstructed geometry).
  • Vertices located at the edges of a block determine the surface that passes through the block.
  • the surface according to embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by a triangle based on the starting point of the edge, the direction vector of the edge, and the position value of the vertex.
  • the triangle reconstruction process is as follows. 1 Calculate the centroid value of each vertex, 2 calculate the values obtained by subtracting the centroid value from each vertex value, 3 square the value, and add all of the values.
  • each vertex is projected to the x-axis based on the center of the block and projected to the (y, z) plane. If the value that appears when projected onto the (y, z) plane is (ai, bi), the ⁇ value is obtained through atan2(bi, ai), and the vertices are sorted based on the ⁇ value.
  • the table below shows the combination of vertices to create a triangle depending on the number of vertices. Vertices are sorted in order from 1 to n.
  • the table below shows that for four vertices, two triangles can be formed depending on the combination of the vertices.
  • the first triangle may be composed of the 1st, 2nd, and 3rd vertices among the aligned vertices
  • the second triangle may be composed of the 3rd, 4th, and 1st vertices among the aligned vertices.
  • the upsampling process is performed to voxelize the triangle by adding points in the middle along the edges. Additional points are generated based on the upsampling factor value and the width of the block. The additional points are called refined vertices.
  • the point cloud encoder according to embodiments can voxelize refined vertices. Additionally, the point cloud encoder can perform attribute encoding based on voxelized position (or position value).
  • Figure 5 shows an example of point configuration for each LOD according to embodiments.
  • the encoded geometry is reconstructed (decompressed) before attribute encoding is performed.
  • the geometry reconstruction operation may include changing the placement of the direct coded points (e.g., placing the direct coded points in front of the point cloud data).
  • the geometry reconstruction process involves triangle reconstruction, upsampling, and voxelization. Since the attributes are dependent on the geometry, attribute encoding is performed based on the reconstructed geometry.
  • the point cloud encoder may reorganize points by LOD.
  • the drawing shows point cloud content corresponding to the LOD.
  • the left side of the drawing represents the original point cloud content.
  • the second figure from the left of the figure shows the distribution of points of the lowest LOD, and the rightmost figure of the figure represents the distribution of points of the highest LOD. That is, the points of the lowest LOD are sparsely distributed, and the points of the highest LOD are densely distributed.
  • the interval (or distance) between points becomes shorter.
  • Figure 6 shows an example of point configuration for each LOD according to embodiments.
  • a point cloud content providing system or a point cloud encoder (e.g., the point cloud video encoder 10002, the point cloud encoder of FIG. 3, or the LOD generator 30009) generates an LOD. can do.
  • the LOD is created by reorganizing the points into a set of refinement levels according to a set LOD distance value (or a set of Euclidean Distances).
  • the LOD generation process is performed not only in the point cloud encoder but also in the point cloud decoder.
  • FIG. 6 shows examples (P0 to P9) of points of point cloud content distributed in three-dimensional space.
  • the original order in FIG. 6 represents the order of points P0 to P9 before LOD generation.
  • the LOD based order in FIG. 6 indicates 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 plus P1, P6 and P3.
  • LOD2 includes the points of LOD0, the points of LOD1, and P9, P8, and P7.
  • the point cloud encoder may perform predictive transform coding, lifting transform coding, and RAHT transform coding selectively or in combination.
  • a point cloud encoder may generate a predictor for points and perform prediction transformation coding to set a prediction attribute (or prediction attribute value) of each point. That is, N predictors can be generated for N points.
  • Prediction attributes are weights calculated based on the distance to each neighboring point and the attributes (or attribute values, e.g., color, reflectance, etc.) of neighboring points set in the predictor of each point. It is set as the average value of the value multiplied by (or weight value).
  • the point cloud encoder e.g., the coefficient quantization unit 30011 generates residuals obtained by subtracting the predicted attribute (attribute value) from the attribute (attribute value) of each point (residuals, residual attribute, residual attribute value, attribute (can be called prediction residual, etc.) can be quantized and inverse quantized. The quantization process is as shown in the table below.
  • the point cloud encoder (for example, the arismatic encoder 30012) according to embodiments can entropy code the quantized and dequantized residuals as described above when there are neighboring points in the predictor of each point.
  • the point cloud encoder (for example, the arismatic encoder 30012) according to embodiments may entropy code the attributes of the point without performing the above-described process if there are no neighboring points in the predictor of each point.
  • the point cloud encoder (e.g., lifting transform unit 30010) according to embodiments generates a predictor for each point, sets the calculated LOD in the predictor, registers neighboring points, and according to the distance to neighboring points.
  • Lifting transformation coding can be performed by setting weights.
  • Lifting transform coding according to embodiments is similar to the above-described prediction transform coding, but differs in that weights are cumulatively applied to attribute values.
  • the process of cumulatively applying weights to attribute values according to embodiments is as follows.
  • the weight calculated for all predictors is further multiplied by the weight stored in the QW corresponding to the predictor index, and the calculated weight is cumulatively added to the update weight array as the index of the neighboring node.
  • the attribute value of the index of the neighboring node is multiplied by the calculated weight and the value is accumulated.
  • the attribute value updated through the lift update process is additionally multiplied by the weight updated (stored in QW) through the lift prediction process to calculate the predicted attribute value.
  • the point cloud encoder eg, coefficient quantization unit 30011
  • a point cloud encoder e.g., arismatic encoder 30012
  • entropy codes the quantized attribute value.
  • the point cloud encoder (e.g., RAHT transform unit 30008) may perform RAHT transform coding to predict the attributes of nodes at the upper level using attributes associated with nodes at the lower level of the octree. .
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud encoder according to embodiments scans the entire area from the voxel, merges the voxels into a larger block at each step, and repeats the merging process up to the root node.
  • the merging process according to embodiments is performed only for occupied nodes.
  • the merging process is not performed on empty nodes, and the merging process is performed on the nodes immediately above the empty node.
  • g lx, y, z represent the 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, which are used in the merging process at the next higher level.
  • the root node is created through the last g 1 0, 0, 0 and g 1 0, 0, 1 as follows:
  • the gDC value is also quantized and entropy coded like the high-pass coefficient.
  • Figure 7 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 7 is an example of a point cloud decoder and can perform a decoding operation that is the reverse process of the encoding operation of the point cloud encoder described in FIGS. 1 to 6.
  • the point cloud decoder can perform geometry decoding and attribute decoding. Geometry decoding is performed before attribute decoding.
  • the point cloud decoder includes an arithmetic decoder (7000), an octree synthesis unit (synthesize octree, 7001), a surface approximation synthesis unit (synthesize surface approximation, 7002), and a geometry reconstruction unit (reconstruct geometry). , 7003), inverse transform coordinates (7004), arithmetic decoder (arithmetic decode, 7005), inverse quantize (7006), RAHT transform unit (7007), generate LOD (7008) ), an inverse lifting unit (Inverse lifting, 7009), and/or a color inverse transform unit (inverse transform colors, 7010).
  • the arismatic decoder 7000, octree synthesis unit 7001, surface oproximation synthesis unit 7002, geometry reconstruction unit 7003, and coordinate system inversion unit 7004 can perform geometry decoding.
  • Geometry decoding according to embodiments may include direct coding and trisoup geometry decoding. Direct coding and tryop geometry decoding are optionally applied. Additionally, geometry decoding is not limited to the above example and is performed as a reverse process of the geometry encoding described in FIGS. 1 to 6.
  • the arismatic decoder 7000 decodes the received geometry bitstream based on arismatic coding.
  • the operation of the arismatic decoder (7000) corresponds to the reverse process of the arismatic encoder (30004).
  • the octree synthesis unit 7001 may generate an octree by obtaining an occupancy code from a decoded geometry bitstream (or information about geometry obtained as a result of decoding). A detailed description of the occupancy code is as described in FIGS. 1 to 6.
  • the surface oproximation synthesis unit 7002 may synthesize a surface based on the decoded geometry and/or the generated octree.
  • the geometry reconstruction unit 7003 may regenerate geometry based on the surface and or the decoded geometry. As described in FIGS. 1 to 6, direct coding and Tryop geometry encoding are selectively applied. Therefore, the geometry reconstruction unit 7003 directly retrieves and adds the position information of points to which direct coding has been applied. In addition, when tryop geometry encoding is applied, the geometry reconstruction unit 7003 can restore the geometry by performing reconstruction operations of the geometry reconstruction unit 30005, such as triangle reconstruction, up-sampling, and voxelization operations. there is. Since the specific details are the same as those described in FIG. 4, they are omitted.
  • the restored geometry may include a point cloud picture or frame that does not contain the attributes.
  • the coordinate system inversion unit 7004 may obtain positions of points by transforming the coordinate system based on the restored geometry.
  • the arithmetic decoder 7005, inverse quantization unit 7006, RAHT conversion unit 7007, LOD generation unit 7008, inverse lifting unit 7009, and/or color inverse conversion unit 7010 are the attributes described in FIG. 10.
  • Decoding can be performed.
  • Attribute decoding according to embodiments includes Region Adaptive Hierarchial Transform (RAHT) decoding, Interpolation-based hierarchical nearest-neighbor prediction-Prediction Transform decoding, and interpolation-based hierarchical nearest-neighbor prediction with an update/lifting. step (Lifting Transform)) decoding.
  • RAHT Region Adaptive Hierarchial Transform
  • Interpolation-based hierarchical nearest-neighbor prediction-Prediction Transform decoding Interpolation-based hierarchical nearest-neighbor prediction with an update/lifting.
  • step (Lifting Transform)) decoding The three decodings described above may be used selectively, or a combination of one or more decodings may be used. Additionally, attribute
  • the arismatic decoder 7005 decodes the attribute bitstream using arismatic coding.
  • the inverse quantization unit 7006 inverse quantizes the decoded attribute bitstream or information about the attribute obtained as a result of decoding and outputs the inverse quantized attributes (or attribute values). Inverse quantization can be selectively applied based on the attribute encoding of the point cloud encoder.
  • the RAHT conversion unit 7007, the LOD generation unit 7008, and/or the inverse lifting unit 7009 may process the reconstructed geometry and inverse quantized attributes. As described above, the RAHT converter 7007, the LOD generator 7008, and/or the inverse lifting unit 7009 may selectively perform the corresponding decoding operation according to the encoding of the point cloud encoder.
  • the color inversion unit 7010 performs inverse transformation coding to inversely transform color values (or textures) included in decoded attributes.
  • the operation of the color inverse converter 7010 may be selectively performed based on the operation of the color converter 30006 of the point cloud encoder.
  • the elements of the point cloud decoder of FIG. 7 are hardware that includes one or more processors or integrated circuits that are not shown in the drawing but are configured to communicate with one or more memories included in the point cloud providing device. , may be implemented as software, firmware, or a combination thereof. One or more processors may perform at least one of the operations and/or functions of the elements of the point cloud decoder of FIG. 7 described above. Additionally, one or more processors may operate or execute a set of software programs and/or instructions to perform the operations and/or functions of the elements of the point cloud decoder of Figure 7.
  • Figure 8 is an example of a transmission device according to embodiments.
  • the transmission device shown in FIG. 8 is an example of the transmission device 10000 of FIG. 1 (or the point cloud encoder of FIG. 3).
  • the transmission device shown in FIG. 8 may perform at least one of operations and methods that are the same or similar to the operations and encoding methods of the point cloud encoder described in FIGS. 1 to 6.
  • the transmission device includes a data input unit 8000, a quantization processing unit 8001, a voxelization processing unit 8002, an octree occupancy code generating unit 8003, a surface model processing unit 8004, and an intra/ Inter coding processing unit (8005), Arithmetic coder (8006), metadata processing unit (8007), color conversion processing unit (8008), attribute conversion processing unit (or attribute conversion processing unit) (8009), prediction/lifting/RAHT conversion It may include a processing unit 8010, an arithmetic coder 8011, and/or a transmission processing unit 8012.
  • the data input unit 8000 receives or acquires point cloud data.
  • the data input unit 8000 may perform the same or similar operation and/or acquisition method as the operation and/or acquisition method of the point cloud video acquisition unit 10001 (or the acquisition process 20000 described in FIG. 2).
  • Data input unit 8000, quantization processing unit 8001, voxelization processing unit 8002, octree occupancy code generation unit 8003, surface model processing unit 8004, intra/inter coding processing unit 8005, Arithmetic Coder 8006 performs geometry encoding. Since geometry encoding according to embodiments is the same or similar to the geometry encoding described in FIGS. 1 to 6, detailed description is omitted.
  • the quantization processing unit 8001 quantizes geometry (eg, position values of points or position values).
  • the operation and/or quantization of the quantization processing unit 8001 is the same or similar to the operation and/or quantization of the quantization unit 30001 described in FIG. 3.
  • the detailed description is the same as that described in FIGS. 1 to 6.
  • the voxelization processing unit 8002 voxelizes the position values of quantized points.
  • the voxelization processing unit 80002 may perform operations and/or processes that are the same or similar to the operations and/or voxelization processes of the quantization unit 30001 described in FIG. 3. The detailed description is the same as that described in FIGS. 1 to 6.
  • the octree occupancy code generation unit 8003 performs octree coding on the positions of voxelized points based on an octree structure.
  • the octree occupancy code generation unit 8003 may generate an occupancy code.
  • the octree occupancy code generation unit 8003 may perform operations and/or methods that are the same or similar to those of the point cloud encoder (or octree analysis unit 30002) described in FIGS. 3 and 4. The detailed description is the same as that described in FIGS. 1 to 6.
  • the surface model processing unit 8004 may perform Trichom geometry encoding to reconstruct the positions of points within a specific area (or node) on a voxel basis based on a surface model.
  • the surface model processing unit 8004 may perform operations and/or methods that are the same or similar to those of the point cloud encoder (e.g., surface approximation analysis unit 30003) described in FIG. 3 .
  • the detailed description is the same as that described in FIGS. 1 to 6.
  • the intra/inter coding processor 8005 may intra/inter code point cloud data.
  • the intra/inter coding processing unit 8005 may perform the same or similar coding as the intra/inter coding described in FIG. 7. The specific description is the same as that described in FIG. 7.
  • the intra/inter coding processing unit 8005 may be included in the arismatic coder 8006.
  • Arismatic coder 8006 entropy encodes an octree and/or an approximated octree of point cloud data.
  • the encoding method includes an Arithmetic encoding method.
  • the arismatic coder 8006 performs operations and/or methods that are the same or similar to those of the arismatic encoder 30004.
  • the metadata processing unit 8007 processes metadata related to point cloud data, such as setting values, and provides it to necessary processing processes such as geometry encoding and/or attribute encoding. Additionally, the metadata processing unit 8007 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. Additionally, signaling information according to embodiments may be interleaved.
  • the color conversion processor 8008, the attribute conversion processor 8009, the prediction/lifting/RAHT conversion processor 8010, and the arithmetic coder 8011 perform attribute encoding. Since attribute encoding according to embodiments is the same or similar to the attribute encoding described in FIGS. 1 to 6, detailed descriptions are omitted.
  • the color conversion processor 8008 performs color conversion coding to convert color values included in attributes.
  • the color conversion processor 8008 may perform color conversion coding based on the reconstructed geometry.
  • the description of the reconstructed geometry is the same as that described in FIGS. 1 to 6. Additionally, the same or similar operations and/or methods as those of the color conversion unit 30006 described in FIG. 3 are performed. Detailed explanations are omitted.
  • the attribute conversion processing unit 8009 performs attribute conversion to convert attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry.
  • the attribute conversion processing unit 8009 performs operations and/or methods that are the same or similar to those of the attribute conversion unit 30007 described in FIG. 3 . Detailed explanations are omitted.
  • the prediction/lifting/RAHT transform processing unit 8010 may code the transformed attributes using any one or a combination of RAHT coding, prediction transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT conversion processing unit 8010 performs at least one of the same or similar operations as the RAHT conversion unit 30008, the LOD generation unit 30009, and the lifting conversion unit 30010 described in FIG. 3. do. Additionally, since the description of prediction transform coding, lifting transform coding, and RAHT transform coding is the same as that described in FIGS. 1 to 6, detailed descriptions will be omitted.
  • the arismatic coder 8011 may encode coded attributes based on arismatic coding.
  • the arismatic coder 8011 performs operations and/or methods that are the same or similar to those of the arithmetic encoder 300012.
  • the transmission processing unit 8012 transmits each bitstream including encoded geometry and/or encoded attributes and metadata information, or transmits the encoded geometry and/or encoded attributes and metadata information into one It can be configured and transmitted as a bitstream.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to embodiments includes SPS (Sequence Parameter Set) for sequence level signaling, GPS (Geometry Parameter Set) for signaling of geometry information coding, APS (Attribute Parameter Set) for signaling of attribute information coding, and tile. It may contain signaling information and slice data including TPS (Tile Parameter Set) for level signaling.
  • Slice data may include information about one or more slices.
  • One slice may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 , Attr1 0 ).
  • a slice refers to a series of syntax elements that represent all or part of a coded point cloud frame.
  • the TPS may include information about each tile (for example, bounding box coordinate value information and height/size information, etc.) for one or more tiles.
  • the geometry bitstream may include a header and payload.
  • the header of the geometry bitstream may include identification information of a parameter set included in GPS (geom_parameter_set_id), a tile identifier (geom_tile_id), a slice identifier (geom_slice_id), and information about data included in the payload. You can.
  • the metadata processing unit 8007 may generate and/or process signaling information and transmit it to the transmission processing unit 8012.
  • elements performing geometry encoding and elements performing attribute encoding may share data/information with each other as indicated by the dotted line.
  • the transmission processor 8012 may perform operations and/or transmission methods that are the same or similar to those of the transmitter 10003. Detailed descriptions are the same as those described in FIGS. 1 and 2 and are therefore omitted.
  • FIG 9 is an example of a receiving device according to embodiments.
  • the receiving device shown in FIG. 9 is an example of the receiving device 10004 in FIG. 1 (or the point cloud decoder in FIGS. 10 and 11).
  • the receiving device shown in FIG. 9 may perform at least one of the same or similar operations and methods as the operations and decoding methods of the point cloud decoder described in FIGS. 1 to 11.
  • the receiving device includes a receiving unit 9000, a receiving processing unit 9001, an arithmetic decoder 9002, an occupancy code-based octree reconstruction processing unit 9003, and a surface model processing unit (triangle reconstruction , up-sampling, voxelization) (9004), inverse quantization processor (9005), metadata parser (9006), arithmetic decoder (9007), inverse quantization processor (9008), prediction /Lifting/RAHT may include an inverse conversion processing unit 9009, a color inversion processing unit 9010, and/or a renderer 9011.
  • Each decoding component according to the embodiments may perform the reverse process of the encoding component according to the embodiments.
  • the receiving unit 9000 receives point cloud data.
  • the receiver 9000 may perform operations and/or reception methods that are the same or similar to those of the receiver 10005 of FIG. 1 . Detailed explanations are omitted.
  • the reception processor 9001 may obtain a geometry bitstream and/or an attribute bitstream from received data.
  • the reception processing unit 9001 may be included in the reception unit 9000.
  • the arismatic decoder 9002, the occupancy code-based octree reconstruction processor 9003, the surface model processor 9004, and the inverse quantization processor 9005 can perform geometry decoding. Since geometry decoding according to embodiments is the same or similar to the geometry decoding described in FIGS. 1 to 10, detailed description is omitted.
  • the arismatic decoder 9002 may decode a geometry bitstream based on arismatic coding.
  • the arismatic decoder 9002 performs operations and/or coding that are the same or similar to those of the arismatic decoder 7000.
  • the occupancy code-based octree reconstruction processing unit 9003 may reconstruct the octree by obtaining an occupancy code from a decoded geometry bitstream (or information about geometry obtained as a result of decoding). Upon occupancy, the code-based octree reconstruction processor 9003 performs operations and/or methods that are the same or similar to the operations and/or octree creation method of the octree composition unit 7001. When Trisharp geometry encoding is applied, the surface model processing unit 9004 according to embodiments decodes the Trisharp geometry and performs geometry reconstruction related thereto (e.g., triangle reconstruction, up-sampling, voxelization) based on the surface model method. can be performed. The surface model processing unit 9004 performs the same or similar operations as the surface oproximation synthesis unit 7002 and/or the geometry reconstruction unit 7003.
  • the inverse quantization processing unit 9005 may inverse quantize the decoded geometry.
  • the metadata parser 9006 may parse metadata, for example, setting values, etc., included in the received point cloud data. Metadata parser 9006 may pass metadata to geometry decoding and/or attribute decoding. The detailed description of metadata is the same as that described in FIG. 8, so it is omitted.
  • the arismatic decoder 9007, inverse quantization processing unit 9008, prediction/lifting/RAHT inversion processing unit 9009, and color inversion processing unit 9010 perform attribute decoding. Since attribute decoding is the same or similar to the attribute decoding described in FIGS. 1 to 10, detailed description will be omitted.
  • the arismatic decoder 9007 may decode an attribute bitstream using arismatic coding.
  • the arismatic decoder 9007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the arismatic decoder 9007 performs operations and/or coding that are the same or similar to those of the arismatic decoder 7005.
  • the inverse quantization processing unit 9008 may inverse quantize a decoded attribute bitstream.
  • the inverse quantization processing unit 9008 performs operations and/or methods that are the same or similar to the operations and/or inverse quantization method of the inverse quantization unit 7006.
  • the prediction/lifting/RAHT inversion processing unit 9009 may process the reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transformation processing unit 9009 performs operations and/or similar to the operations and/or decoding operations of the RAHT conversion unit 7007, the LOD generation unit 7008, and/or the inverse lifting unit 7009. Perform at least one of the decoding steps.
  • the color inversion processing unit 9010 according to embodiments performs inverse transformation coding to inversely transform color values (or textures) included in decoded attributes.
  • the color inversion processing unit 9010 performs operations and/or inverse conversion coding that are the same or similar to those of the color inversion unit 7010.
  • the renderer 9011 according to embodiments may render point cloud data.
  • Figure 10 shows an example of a structure that can be interoperable with a method/device for transmitting and receiving point cloud data according to embodiments.
  • the structure of FIG. 10 includes at least one of a server 1060, a robot 1010, an autonomous vehicle 1020, an XR device 1030, a smartphone 1040, a home appliance 1050, and/or an HMD 1070. It represents a configuration connected to the cloud network (1010).
  • a robot 1010, an autonomous vehicle 1020, an XR device 1030, a smartphone 1040, or a home appliance 1050 is called a device.
  • the XR device 1030 may correspond to or be linked to a point cloud data (PCC) device according to embodiments.
  • PCC point cloud data
  • the cloud network 1000 may constitute part of a cloud computing infrastructure or may refer to a network that exists within the cloud computing infrastructure.
  • the cloud network 1000 may be configured using a 3G network, 4G, Long Term Evolution (LTE) network, or 5G network.
  • the server 1060 includes at least one of a robot 1010, an autonomous vehicle 1020, an XR device 1030, a smartphone 1040, a home appliance 1050, and/or a HMD 1070, and a cloud network 1000. It is connected through and can assist at least part of the processing of the connected devices 1010 to 1070.
  • a Head-Mount Display (HMD) 1070 represents one of the types in which an XR device and/or a PCC device according to embodiments may be implemented.
  • the HMD type device includes a communication unit, a control unit, a memory unit, an I/O unit, a sensor unit, and a power supply unit.
  • devices 1010 to 1050 to which the above-described technology is applied will be described.
  • the devices 1010 to 1050 shown in FIG. 10 may be linked/combined with the point cloud data transmission and reception devices according to the above-described embodiments.
  • the XR/PCC device 1030 is equipped with PCC and/or XR (AR+VR) technology, and is used for HMD (Head-Mount Display), HUD (Head-Up Display) installed in vehicles, televisions, mobile phones, smart phones, It may be implemented as a computer, wearable device, home appliance, digital signage, vehicle, stationary robot, or mobile robot.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • the XR/PCC device 1030 analyzes 3D point cloud data or image data acquired through various sensors or from external devices to generate location data and attribute data for 3D points, thereby providing information about surrounding space or real objects. Information can be acquired, and the XR object to be output can be rendered and output. For example, the XR/PCC device 1030 may output an XR object containing additional information about the recognized object in correspondence to the recognized object.
  • the XR/PCC device (1030) can be implemented as a mobile phone (1040) by applying PCC technology.
  • the mobile phone 1040 can decode and display point cloud content based on PCC technology.
  • the self-driving vehicle 1020 can be implemented as a mobile robot, vehicle, unmanned aerial vehicle, etc. by applying PCC technology and XR technology.
  • the autonomous vehicle 1020 to which XR/PCC technology is applied may refer to an autonomous vehicle equipped with a means for providing XR images or an autonomous vehicle that is subject to control/interaction within XR images.
  • the autonomous vehicle 1020 which is the subject of control/interaction within the XR image, is distinct from the XR device 1030 and may be interoperable with each other.
  • An autonomous vehicle 1020 equipped with a means for providing an XR/PCC image can acquire sensor information from sensors including a camera and output an XR/PCC image generated based on the acquired sensor information.
  • the self-driving vehicle 1020 may be equipped with a HUD and output XR/PCC images, thereby providing occupants with XR/PCC objects corresponding to real objects or objects on the screen.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a portion of the XR/PCC object may be output to overlap the actual object toward which the passenger's gaze is directed.
  • the XR/PCC object when the XR/PCC object is output to a display provided inside the autonomous vehicle, at least a portion of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 1220 may output XR/PCC objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, pedestrians, buildings, etc.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects and backgrounds in the real world only as CG images.
  • AR technology refers to a technology that shows a virtual CG image on top of an image of a real object.
  • MR technology is similar to the AR technology described above in that it mixes and combines virtual objects in the real world to display them.
  • real objects and virtual objects made of CG images there is a clear distinction between real objects and virtual objects made of CG images, and virtual objects are used as a complement to real objects, whereas in MR technology, virtual objects are considered to be equal to real objects. It is distinct from technology. More specifically, for example, the MR technology described above is applied to a hologram service.
  • embodiments of the present invention are applicable to all VR, AR, MR, and XR technologies. These technologies can be encoded/decoded based on PCC, V-PCC, and G-PCC technologies.
  • the PCC method/device according to embodiments may be applied to vehicles providing autonomous driving services.
  • Vehicles providing autonomous driving services are connected to PCC devices to enable wired/wireless communication.
  • the point cloud data (PCC) transmitting and receiving device When connected to a vehicle to enable wired/wireless communication, the point cloud data (PCC) transmitting and receiving device according to embodiments receives/processes content data related to AR/VR/PCC services that can be provided with autonomous driving services and transmits and receives content data to the vehicle. can be transmitted to. Additionally, when the point cloud data transmission/reception device is mounted on a vehicle, the point cloud data transmission/reception device can receive/process content data related to AR/VR/PCC services according to a user input signal input through a user interface device and provide it to the user.
  • a vehicle or user interface device may receive a user input signal.
  • User input signals according to embodiments may include signals indicating autonomous driving services.
  • Method/device for transmitting point cloud data includes the transmitting device 10000 of FIG. 1, the point cloud video encoder 10002, the transmitter 10003, and the acquisition-encoding-transmission (20000-20001-20002) of FIG. 2. , is interpreted as a term referring to the encoder of FIG. 3, the transmission device of FIG. 8, the device of FIG. 10, the encoder of FIG. 20, the transmission method of FIG. 28, etc.
  • Methods/devices for receiving point cloud data include the receiving device 10004 of FIG. 1, the receiver 10005, the point cloud video decoder 10006, and the transmission-decoding-rendering (20002-20003-20004) of FIG. 2. , is interpreted as a term referring to the decoder of FIG. 7, the receiving device of FIG. 9, the device of FIG. 10, the decoder of FIG. 21, the receiving method of FIG. 29, etc.
  • the method/device for transmitting and receiving point cloud data according to the embodiments may be abbreviated as the method/device according to the embodiments.
  • geometry data, geometry information, location information, etc. that constitute point cloud data are interpreted to have the same meaning.
  • Attribute data, attribute information, attribute information, etc. that make up point cloud data are interpreted to have the same meaning.
  • the method/device may include and perform a method to generate reference road frame from the multiple point cloud frames captured by LiDAR.
  • Embodiments efficiently perform inter-prediction of point cloud content captured with LiDAR equipment in a moving car for efficient geometry compression of G-PCC (Geometry-based Point Cloud Compression).
  • G-PCC Geometry-based Point Cloud Compression
  • a reference road frame creation method is included.
  • Reference road frames can be used for both geometry compression and attribute compression.
  • Embodiments may include, for example, a reference road frame generation method, and/or a signaling method.
  • Embodiments relate to a method for increasing the compression efficiency of G-PCC (Geometry-based Point Cloud Compression) for compressing 3D point cloud data.
  • G-PCC Geometry-based Point Cloud Compression
  • an encoder is referred to as an encoder
  • an encoder is referred to as a decoder
  • a decoder is referred to as a decoder.
  • a point cloud consists of a set of points, and each point can have geometry information and attribute information.
  • Geometry information is 3D position (XYZ) information
  • attribute information is color (RGB, YUV, etc.) or/and reflection values.
  • the G-PCC decoding process consists of receiving the encoded slice-level geometry bitstream and attribute bitstream, decoding the geometry, and decoding attribute information based on the geometry reconstructed through the decoding process. (see Figure 1, etc.).
  • octree-based, prediction tree-based, or trisoup-based compression techniques can be used (see Figure 1, etc.).
  • Embodiments include a method for generating a reference road frame to increase compression efficiency through inter prediction of content captured with LiDAR equipment in a moving car.
  • Figure 11 is an example of a road point cloud captured from a moving car LiDAR equipment according to embodiments.
  • Method/device for transmitting point cloud data can process the road point cloud of FIG. 11.
  • the point cloud acquisition unit 10001 of FIG. 1 can acquire a point cloud like that of FIG. 11 .
  • Content captured by LiDAR equipment of a moving car may include both roads and objects.
  • Point 1100 may correspond to an object, and point 1101 may correspond to a road.
  • the object may be a building on a road, etc.
  • Figure 12 shows an example of a separated road point cloud according to embodiments.
  • the captured road point cloud described in FIG. 11 may be configured as shown in FIG. 12.
  • Points captured on the point cloud points of captured roads and objects may have different characteristics between successive frames. Additionally, inter prediction can be performed by separating only roads from a point cloud including roads and objects. That is, Figure 12 shows a point cloud in which only the road is separated from the point cloud in Figure 11.
  • FIG 13 shows examples of road points captured by LiDAR according to embodiments.
  • the relative height from the capture equipment may be constant, and in that case, a circle is drawn around the center point, which is the location of the sensor, as shown in Figure 13. Points can be created with .
  • Figure 14 shows an example in which a car equipped with LiDAR equipment according to embodiments does not move, but some shapes change when surrounding objects move.
  • the point cloud As shown in Figures 11, 12, and 13, there are buildings, cars, and people objects on the road, and even if only the road is separated from the points captured by the LiDAR equipment due to the objects, the influence of the objects This can result in parts where points exist and parts where points do not exist.
  • the distribution of this point cloud means: A car equipped with LiDAR equipment does not move, but there are moving objects in this area. This object caused a portion of the road to be obscured.
  • Points 1401 are points from the previous frame, and points 1402 are points from the current frame. That is, while the car containing the LIDAR equipment is stopped, a frame containing points about the road and objects is generated, and the points included in the currently captured frame and the frames captured and created before the current frame are also shown. It may appear as 14. And when objects around the vehicle move, a sewing area 1400 is created.
  • Figure 15 shows an example of a point cloud obtained when a car equipped with LIDAR equipment turns right according to embodiments.
  • the point cloud captured by LIDAR may include examples such as FIG. 15.
  • points 1401 of the previous frame and/or points 1402 of the current frame may be configured as shown in FIG. 15 .
  • inter predictive coding can be applied to find a prediction point in a reference frame and transmit the residual value with the prediction point. Therefore, the method/apparatus according to embodiments can effectively reduce the difference between the reference frame and the current frame. In particular, by filling the static road area with road information based on the latest information and maintaining all optimal information, the residual value can be reduced by finding the optimal point that matches the point in the current frame. If there is no point in the reference frame that matches the same location (e.g., a point with the same laser ID, azimuth angle, and radius) as a point in the current frame, the closest point in the surrounding area (e.g., a point with the same laser ID) is not found.
  • the same location e.g., a point with the same laser ID, azimuth angle, and radius
  • Embodiments include a method for generating reference road frames to efficiently support integrated compression and efficient inter-prediction of content captured through LiDAR equipment in a moving car. Changes and combinations between embodiments are possible. Terms used in this document can be understood based on their intended meaning, within the scope of widespread use in the relevant field.
  • Motion search of the road is performed in the geometry encoder of the PCC encoder, and can be applied to the road and restored through the geometry decoding process of the PCC decoder. Additionally, the reference road frame can be used for attribute restoration.
  • Embodiments include 1) a method of processing road point cloud data that was not captured, 2) a method of generating a reference road frame when there is no global motion, 3) a method of generating a reference road frame when there is only translation motion, 4) A method of creating a reference road frame when movement and rotation motion exists, 5) A method of creating a reference road frame when only rotation motion exists, 6) A method of initializing the reference road frame, etc. may include. Below, each operation will be described with reference to each drawing.
  • Figure 16 shows an example of a point cloud captured by LiDAR equipment according to embodiments.
  • the point clouds of FIGS. 11, 12, 13, 14, and/or 15 may be captured by LiDAR, as shown in FIG. 16.
  • the transmitting device of FIG. 1 can capture points including roads/objects, generate frames including the points, and compress, transmit, receive, and restore the points included in the frames.
  • LiDAR may be composed of multiple sensors.
  • Each sensor has a laser ID (laserId), and each sensor has information about the height, angle, and rotation speed from the sensor center position. The larger the angle of the sensor, the more roads with a larger radius can be captured. If the sensor angle is the smallest, it can be placed at the top of the LiDAR equipment, and the point on the road with the smallest radius can be captured. (See Figure 16)
  • the point cloud may not have points in all sensors.
  • the laserID 2 and 3 an object exists, so the laser does not hit the ground, but hits the object first, is reflected, and can be separated into an object point cloud. In that case, if the road and object are separated, there may not be points of laserID 2 and 3 in the road point cloud standard. In other words, there may be a missing area in the road frame caused by an object in the corresponding area.
  • Figure 17 shows an example in which road points change depending on a moving object according to embodiments.
  • the road points lost due to the passing car in the road point cloud may change.
  • an area where circularly distributed points are concentrated is a car or mobile equipment performing LiDAR capture, and when another object 1700 located nearby moves, the distance between the LiDAR and the object 1700 and/or Due to location changes, a missing area that occurs during lidar capture may occur on the road frame as shown in Figure 17.
  • the method for generating a reference road frame that has changed due to a moving object may be as follows.
  • the reference road frame generation method includes a point cloud data transmission method/device (transmission device 10000 in FIG. 1, point cloud video encoder 10002, transmitter 10003, FIG. 2) according to embodiments. acquisition-encoding-transmission (20000-20001-20002), encoder of Figure 3, transmission device of Figure 8, device of Figure 10, encoder of Figure 20, transmission method of Figure 28) and point cloud data reception according to embodiments Method/apparatus (receiving device 10004 in FIG. 1, receiver 10005, point cloud video decoder 10006, transmission-decoding-rendering (20002-20003-20004) in FIG. 2, decoder in FIG. 7, and The reception device, the device of FIG. 10, the decoder of FIG. 21, and the reception method of FIG. 29) can all be performed.
  • the method for generating a reference road frame includes the following steps: 1) setting a previous road frame as a reference road frame, and/or 2) encoding or decoding the current frame based on the reference frame. 1) Search for conditions for the point missing area in the current road frame, 2-2) Search for points based on the conditions in the reference frame, 2-3) If the corresponding point exists in the reference frame, Thus, the sewing area of the current road frame can be updated. And, for the next frame, the current (road) frame updated based on the reference (road) frame becomes the reference frame for the next frame, and based on the updated reference frame, the next frame that becomes the current frame is predictively encoded. and predictive decoding can be performed.
  • the previous road frame can be set as the reference road frame.
  • encoding/decoding can be done by referring to the reference road frame. Generally, it can refer to the N-1th road.
  • the laser Before encoding the N+1th frame, if there is no global motion of the Nth and N-1, i.e. the car equipped with LIDAR is standing motionless, the laser has no points in the Nth road frame. Search for the ID (laserID) and angle (angle) values, search for whether the corresponding points exist in the reference road frame, and if so, update the Nth road frame with the corresponding points and update the updated Nth road frame as the reference road frame.
  • Figure 18 shows an example in which road points change when there is only a movement motion according to embodiments.
  • Point clouds such as Figures 11, 12, 13, 14, 15, 16, 17, etc. may have examples like Figure 18.
  • the fixed objects 1801 move in the opposite direction of the moving direction as shown in Figure 18, and the moving object In the case of (1800), the direction opposite to the direction of movement and the direction of one's movement can coexist.
  • the method of generating a reference road frame changed due to fixed and moving objects may be as follows.
  • this reference road frame generation method can be performed in both the transmitting device and the receiving device.
  • Methods for generating reference road frames include 1) setting a previous road frame as a reference road frame, 2-1) changing the origin in the reference road frame, converting the coordinate system to a spherical coordinate system, and capturing each laser ID. Step of calculating the points, 2-2) Searching for areas with missing points in the previous road frame according to specific conditions, and updating the previous road frame based on the corresponding points in the reference road frame, 2-3) It may include encoding and decoding the current road frame with reference to the updated previous road frame.
  • the previous road frame can be set as the reference road frame.
  • IPPP mode if the current frame is the Nth frame, encoding/decoding can be done by referring to the reference road frame. Generally, it can refer to the N-1th road.
  • the captured points per laserID can be calculated by changing the origin value in the reference road frame and recalculating the spherical coordinate system. .
  • Figure 19 shows an example in which road points change when there is movement and rotation motion according to embodiments.
  • Point clouds such as Figures 11, 12, 13, 14, 15, 16, 17, 18, etc. may have examples such as those in Figure 19.
  • the car/or mobile equipment that captures the point cloud with the LiDAR equipment may be as shown in FIG. 19.
  • this reference road frame generation method can be performed in both the transmitting device and the receiving device.
  • Methods for generating a reference road frame include 1) setting a previous road frame as a reference road frame, 2-1) changing the origin in the reference road frame, rotating the points, and converting the coordinate system to a spherical coordinate system. , Step of calculating captured points for each laser ID, 2-2) Search for the laser ID and/or angle for an area without a point in the previous road frame, search for the corresponding point in the reference road frame, and add Based on this, it may include updating the reference road frame, and 2-3) performing encoding/decoding on the next road frame based on the updated reference road frame.
  • the previous road frame can be set as the reference road frame.
  • IPPP mode if the current frame is the Nth frame, encoding/decoding can be done by referring to the reference road frame. Generally, it can refer to the N-1th road.
  • N+1th frame if there are Nth and N-1 global translation and rotation motions, change the origin value in the reference road frame and rotate the points in the reference road frame by the amount rotated. By recalculating the spherical coordinate system, we can calculate the captured points per laserID.
  • the method for creating a reference road frame when only rotation motion exists is as follows.
  • the method for generating reference road frames that change due to fixed and moving objects may be as follows. Likewise, this reference road frame generation method can be performed in both the transmitting device and the receiving device.
  • Methods for generating a reference road frame include 1) setting a previous road frame as a reference road frame, 2-1) rotating the points of the reference road frame, converting the coordinate system to a spherical coordinate system, and capturing each laser ID. calculating the points and searching for the laser ID and angle of the area without points; 2-2) updating the next road frame based on the points retrieved from the reference frame; and the updated next road frame becomes the reference road frame. , It may include encoding and decoding the next road frame of the reference road frame based on the updated reference road frame.
  • the previous road frame can be set as the reference road frame.
  • encoding/decoding can be done by referring to the reference road frame. Generally, it can refer to the N-1th road.
  • the reference road frame Generally, it can refer to the N-1th road.
  • encoding the N+1th frame if only the Nth and N-1 global rotation motions exist, rotate the points in the reference road frame by the amount rotated, then recalculate the spherical coordinate system to calculate the captured points per laserID. It can be calculated.
  • a method/device for transmitting and receiving point cloud data may include a method of generating a reference road frame and/or a method of initializing the reference road frame.
  • a similarity score is calculated and a flag is generated to indicate that there is no correlation between the two frames and that it is a new scene. and can be delivered to the decoder as signaling information.
  • neither the encoder/decoder may perform reference frame update. In other words, when the scene changes, the current road frame is not predicted using the reference road frame, so the problem of memory burden when changing the scene can be solved.
  • references such as next, current, previous, etc. for a plurality of frames may be explained in various ways depending on the standard.
  • N is the current frame and N-1 is the previous frame
  • Embodiments include a method for updating a reference road frame for future N+1 encoding/decoding in a current frame because it includes reference road frame generation.
  • N the current frame has already been encoded, and then for the next frame (N+1), if the current frame (N) has a missing point, N is updated by fetching from the previous frame (N-1). can see. And the updated information is available at N+1.
  • Figure 20 shows a point cloud data transmission device according to embodiments.
  • Figure 20 shows a device performing a point cloud data transmission method according to embodiments (transmission device 10000 of Figure 1, point cloud video encoder 10002, transmitter 10003, acquisition-encoding-transmission (20000) of Figure 2 -20001-20002), the encoder in Figure 3, the transmission device in Figure 8, the device in Figure 10, the encoder in Figure 20, and the transmission method in Figure 28).
  • Each component may correspond to hardware, software, processor, and/or a combination thereof. Description of the operation of each component may follow the description of the above-described embodiments.
  • PCC data may be entered as an input to an encoder (can be referred to as an encoder or a transmitter, etc.) and encoded to output a geometry information bitstream and an attribute information bitstream.
  • an encoder can be referred to as an encoder or a transmitter, etc.
  • the geometry information encoding unit (or may be referred to as a geometry information encoder, geometry encoder, etc.) according to embodiments may be configured as shown in FIG. 20.
  • the geometry information encoding unit may correspond to the point cloud video encoder, encoding, point cloud encoder, and component(s) for point cloud video encoding, such as those shown in FIG. 1.
  • the geometry information encoding unit divides the road and objects through the road/object division, and if the frame type is a P-frame, it predicts global motion through the motion prediction unit through the LPU division and predicts global motion through the PU division. Segmentation is performed on the area requiring segmentation, and local motion can be predicted through the motion prediction unit. This process can proceed until no more divisions are needed, or only up to a specified level. Whether LPU/PU is divided and the predicted motion for each LPU/PU are generated as related signaling information and can be included in the bitstream and signaled to the decoder.
  • the motion prediction unit can signal PU motion to the decoder.
  • PU motion-related parameters can be generated, included in the bitstream, and transmitted to the decoder.
  • the motion compensation application unit can receive input as to whether or not a reference road frame is generated, generate a parameter as to whether or not a reference road frame is generated for the road PU, include it in the bitstream, and signal it to the decoder.
  • the similarity of consecutive frames is compared, and if it is less than the threshold, the two frames are defined as different scenes, and the new scene flag (new_scene_flag) can be set to True and transmitted to the decoder.
  • the motion compensation application unit may determine through RDO whether to apply the predicted motion to the generated LPU/PUs and apply the motion to the reference frame according to the decision. Whether or not to apply can be signaled to the decoder by creating it as a parameter and including it in the bitstream.
  • Geometry information may be compressed using the compensated points through a geometry information inter prediction unit, and related data may be signaled.
  • the motion prediction unit can perform the following operations.
  • both the encoder and decoder When generating a reference road frame, both the encoder and decoder must be updated with the same reference road frame, so a flag for whether to generate a reference road frame can be signaled to the decoder.
  • the motion compensation application unit can perform the following operations.
  • motion can be applied to the road PU based on the generated reference frame.
  • the reference road frame can be updated by finding points that were not captured in the laser ID (laserID), as shown in FIG. 17. If there is only movement motion, the coordinate system can be recalculated by changing the sensor origin position, and the reference road frame can be updated by finding points that were not captured in the laser ID as shown in Figure 18. If there is a movement/rotation motion, as shown in Figure 19, the coordinate system can be recalculated by first changing the sensor origin position, applying rotation, and then finding points that were not captured in the laser ID and updating the reference road frame. . If there is only rotational motion, the reference road frame can be updated by finding points that were not captured in laser ID after applying rotation as shown in Figure 20. This task is performed by both the encoder and decoder, and prediction can be performed based on the same reference road frame.
  • a threshold for determining the similarity between the reference road frame and the current road frame can be input. After comparing the similarity between the two frames, if it is less than the threshold, it is determined that the scenes are different, and the new scene flag (new_scene_flag) can be set to True to signal to the decoder.
  • the reference road frame can be initialized in both the encoder/decoder.
  • the reference road frame generation method includes the encoder, geometry encoder, LPU division unit, motion prediction unit, PU division unit, motion compensation application unit, and geometry of FIG. 20. It can be performed by an information inter prediction unit, etc.
  • the encoder is composed of a memory storing encoding instructions and a processor connected to the memory, and the encoding instructions may be configured to cause the processor to perform an encoding operation.
  • reference road frame generation and reference road frame-based inter prediction have been explained from a geometry perspective, but can equally be applied to the attribute encoding process.
  • the data input unit can receive geometry, attributes, and related parameters.
  • a frame containing points captured by LiDAR, etc. can be received.
  • the coordinate system conversion unit may convert the coordinate system of the point into a coordinate system suitable for encoding.
  • the geometry information conversion quantization processing unit can quantize points using quantization parameters suitable for encoding.
  • the space division unit may divide the points into a space suitable for encoding.
  • Split attributes can be passed to the attribute encoder.
  • the geometry encoder may include the following configuration:
  • the voxelization processing unit can voxelize a point cloud with geometry.
  • the geometry encoder can perform segmentation and motion prediction/compensation/inter prediction if the frame is a P frame, and intra prediction if the frame is an I frame.
  • the geometry encoder can divide roads and objects into LPU (Largest Prediction Unit) units through the LPU splitter for the P frame.
  • LPU Large Prediction Unit
  • the motion prediction unit can predict motion of road points and motion of object points.
  • the motion prediction unit may receive signaling information indicating whether to generate a reference road frame for searching motion of a road PU and generate a reference road frame accordingly. Refer to the above description for the reference road frame creation operation.
  • the PU division unit can divide the LPU into PU units. Road PUs and object PUs may be created respectively. LPU and PU units can be configured in various ways depending on motion prediction/compensation settings.
  • the motion compensation application unit may apply motion to each of the corresponding road PU and object PU based on the reference frame.
  • the missing part can be solved by updating the reference frame, and inter prediction can be performed by compensating the motion of the frame based on the updated reference frame. Since problems caused by sewing parts are eliminated, accurate and fast inter-frame prediction can be performed.
  • the inter prediction unit predicts the current frame based on the reference frame after motion compensation, generates a residual between the geometry of the predicted point and the geometry of the current point, compresses only the residual, entropy encodes it, and transmits a bitstream with a reduced size.
  • the encoded geometry can be restored and transmitted to the attribute encoder because the point geometry is needed for attribute encoding.
  • Geometry encoders can perform intra-frame prediction. Without a reference frame, similar points in the current frame can be found from neighboring candidates, a residual can be generated, and the residual can be entropy-encoded.
  • the attribute encoder can convert the attribute into an appropriate color system through a color conversion processor.
  • the attribute encoder can readjust the color through the recoloring unit to restore the attribute (color) to the lost geometry.
  • the attribute encoder can skip the recoloring step if the geometry encoding method is lossless.
  • the attribute encoder can perform prediction coding on attribute information using an intra frame method. If the attribute intra prediction method is not used, predictive coding of the attribute information can be performed using the inter frame method.
  • the attribute inter-frame method predicts the attributes of the current frame by referring to a reference frame, and the attribute can be encoded using the attribute inter-frame method.
  • An attribute information bitstream including attribute information can be generated by predicting an attribute using an inter prediction and/or intra prediction method, generating a residual, and encoding the residual using an entropy method.
  • the encoded attribute can be restored and delivered to the reference frame buffer.
  • the reference frame buffer stores restored geometry information and/or restored attribute information, and may provide point (geometry/attribute) information for the reference frame when the next frame is encoded using the inter prediction method.
  • the transmitting device can encode the point cloud, generate parameters according to the operation, and generate and transmit bitstreams as shown in FIGS. 22 to 27.
  • Figure 21 shows a point cloud data receiving device according to embodiments.
  • Figure 21 shows a device performing a point cloud data reception method according to embodiments (receiving device 10004, receiver 10005, point cloud video decoder 10006 of Figure 1, transmission-decoding-rendering 20002 of Figure 2 -20003-20004), the decoder in Fig. 7, the receiving device in Fig. 9, the device in Fig. 10, the decoder in Fig. 21, and the receiving method in Fig. 29).
  • Each component may correspond to hardware, software, processor, and/or a combination thereof. Description of the operation of each component may follow the description of the above-described embodiments.
  • Each operation of the receiving device in Figure 21 corresponds to each operation of the transmitting device in Figure 20, and the receiving operation may follow the reverse process of the transmitting operation.
  • Encoded geometry information bitstream and attribute information bitstream are input to the decoder, and decoded and restored PCC data can be output.
  • the geometry information decoding unit may correspond to the point cloud video decoder, decoding, point cloud decoder, and component(s) for point cloud video decoding of FIG. 1, etc.
  • the decoder is composed of a memory storing decoding instructions and a processor connected to the memory, and the decoding instructions may be configured to cause the processor to perform a decoding operation.
  • the motion compensation application unit may apply motion to the road PU based on the motion of the transmitted road PU, whether a reference road frame is used, and a reference frame generated depending on whether the scene is a new scene.
  • the geometry information decoder can receive a geometry information bitstream (FIGS. 20 to 27).
  • the geometry information entropy decoder can decode geometry information based on the entropy method.
  • the geometry information decoding unit can perform a decoding operation depending on whether the geometry encoding method is intra or inter. If the geometry encoding method is not geometry intra coding, sequences and frames of the bitstream including the point cloud can be divided into roads and/or objects through the LPU/PU splitter.
  • the motion compensation application unit may parse the new scene flag, reference road frame creation flag, PU motion, etc. from the bitstream and apply motion compensation to the unit into which the road/object is divided.
  • the geometry information inter prediction restoration unit can predict the road/object of the current frame based on the reference frame and restore the geometry by adding the received residual value and the predicted value.
  • the predicted value can be restored from the neighboring candidate point that is most similar to the current geometry within the current frame without a reference frame.
  • the geometry information conversion inverse quantization processing unit may inversely quantize the geometry restored by the intra and/or inter method based on the quantization parameter. And, the restored geometry can be provided for attribute decoding.
  • the geometry information decoding unit can decrypt geometry information.
  • the attribute information decoding code can decode the residual received through the attribute residual information entropy decoding unit based on the entropy method.
  • the attribute information decoder may perform the corresponding operation depending on whether the attribute coding method is intra or inter.
  • the attribute information inter prediction restoration unit may generate a prediction for the current frame by referring to the reference frame through the inter prediction method. Like geometry, you can create reference frames.
  • the attribute information intra prediction restoration unit may generate a prediction from a neighboring candidate having the attribute most similar to the current point in the current frame without a reference frame.
  • the attribute information decoding unit may generate restored attribute information.
  • the reference frame buffer stores the restored geometry and restored attributes, stores them as geometry and attributes for the reference frame, and can provide reference information when predicting the next frame of the reference frame.
  • the color inversion processing unit can reversely convert the color system.
  • the attribute information decoding unit may generate attribute information.
  • Figure 22 shows a bitstream including point cloud data and parameters according to embodiments.
  • Apparatus for performing a point cloud data transmission method (transmission device 10000 of FIG. 1, point cloud video encoder 10002, transmitter 10003, acquisition-encoding-transmission (20000-20001- of FIG. 2) 20002), the encoder of FIG. 3, the transmission device of FIG. 8, the device of FIG. 10, the encoder of FIG. 20, and the transmission method of FIG. 28) generate a bitstream of FIG. 22 and perform a point cloud data reception method according to embodiments.
  • Device receiving device 10004 in FIG. 1, receiver 10005, point cloud video decoder 10006, transmission-decoding-rendering (20002-20003-20004) in FIG. 2, decoder in FIG. 7, reception in FIG. 9
  • the apparatus (device of FIG. 10, decoder of FIG. 21, reception method of FIG. 29) may decode the geometry and/or attributes of the FIG. 20 bitstream based on the parameters of the FIG. 20 bitstream.
  • the method/device according to the embodiments may signal related information to add/perform the embodiments.
  • Signaling information according to embodiments may be used at a transmitting end or a receiving end.
  • the encoded point cloud configuration is as follows.
  • a point cloud data encoder that performs geometry encoding and/or attribute encoding can generate an encoded point cloud (or a bitstream containing the point cloud) as follows.
  • signaling information about point cloud data may be generated and processed by the metadata processing unit of the point cloud data transmission device and included in the point cloud as follows.
  • Attr: Attribute bitstream attribute data unit header + [attribute PU header + attribute PU data )]
  • a slice may be referred to as a data unit
  • a slice header may be referred to as a data unit header
  • slice data may be referred to as unit data.
  • the method/device may generate reference road frame generation information according to embodiments and signal it in addition to SPS, GPS, and TPS.
  • Reference road frame creation information can be signaled by adding it to the TPS or the geometry data header for each slice.
  • Tiles or slices are provided so that point clouds can be divided and processed by region. When dividing by area, you can set a different neighboring point set creation option for each area to provide a selection method with low complexity and somewhat low reliability of the results, or conversely, a selection method with high complexity but high reliability. It can be set differently depending on the processing capacity of the receiver. Therefore, when the point cloud is divided into tiles, different options can be applied to each tile. If the point cloud is divided into slices, different options can be applied to each slice. You can add Geometry PU, Geometry PU header, and Geometry PU data.
  • FIG. 23 shows a sequence parameter set (SPS) according to embodiments.
  • FIG 23 SPS represents the SPS included in the Figure 22 bitstream.
  • Optional information related to reference road frame creation can be signaled by adding it to the SPS (Sequence Parameter Set). Because of this, efficient signaling can be performed to support inter prediction of geometry/attributes.
  • SPS Sequence Parameter Set
  • the name of signaling information can be understood within the scope of the meaning and function of signaling information.
  • Profile_idc Indicates the profile that the bitstream conforms to. The bitstream does not contain profile_idc values other than those specified. Other values of profile_idc are reserved for future use by ISO/IEC.
  • Profile compatibility flag (profile_compatibility_flags): profile_compatibility_flags equal to 1 indicates that the bitstream conforms to the profile indicated by profile_idc equal to j.
  • sps_num_attribute_sets represents the number of attributes coded in the bitstream.
  • the value of sps_num_attribute_sets can be between 0 and 63.
  • Attribute dimension (attribute_dimension[i]): Indicates the number of components of the ith attribute.
  • Attribute instance ID (attribute_instance_id[i]): Indicates the instance ID for the ith attribute.
  • Reference road generation flag Indicates whether a reference road is created in the sequence.
  • Figure 24 shows a geometry parameter set (GPS) according to embodiments.
  • GPS indicates GSP included in the Figure 22 bitstream.
  • Optional information related to reference road frame creation can be signaled by adding it to the GPS (Geometry Parameter Set). Because of this, efficient signaling can be performed to support inter prediction of geometry/attributes.
  • the name of signaling information can be understood within the scope of the meaning and function of signaling information.
  • GPS geometry parameter set ID (gps_geom_parameter_set_id): Indicates an identifier for GPS to be referenced in other syntax elements.
  • the value of gps_seq_parameter_set_id can range from 0 to 15.
  • GPS parameter set ID (gps_seq_parameter_set_id): Indicates the sps_seq_parameter_set_id value for the active SPS.
  • the value of gps_seq_parameter_set_id can range from 0 to 15.
  • Geometry tree type (geom_tree_type): geom_tree_type equal to 0 indicates that the location information is coded using Octree. geom_tree_type equal to 1 indicates that the location information is coded using a prediction tree.
  • New scene flag Indicates whether the frame is a new scene compared to the previous frame.
  • Reference road generation flag Indicates whether a reference road is created in the frame.
  • Figure 25 shows the syntax of a tile parameter set (TPS) according to embodiments.
  • TPS indicates the TPS included in the Figure 22 bitstream.
  • Optional information related to reference road frame creation can be signaled by adding it to the TPS (Tile Parameter Set). Because of this, efficient signaling can be performed to support inter prediction of geometry/attributes.
  • TPS Tile Parameter Set
  • efficient signaling can be performed to support inter prediction of geometry/attributes.
  • the name of signaling information can be understood within the scope of the meaning and function of signaling information.
  • Number of tiles (num_tiles): Indicates the number of tiles sending signals for the bitstream. If not present, num_tiles is inferred as 0.
  • Tile bounding box offsetx(tile_bounding_box_offset_x[i]) Indicates the x offset of the ith tile in Cartesian coordinates. If it does not exist, the value of tile_bounding_box_offset_x[0] is inferred as sps_bounding_box_offset_x.
  • Tile bounding box offset y (tile_bounding_box_offset_y[i]): Indicates the y offset of the ith tile in Cartesian coordinates. If it does not exist, the value of tile_bounding_box_offset_y[0] is inferred as sps_bounding_box_offset_y.
  • Tile bounding box offset z (tile_bounding_box_offset_z[i]): Indicates the z offset of the ith tile in Cartesian coordinates. If it does not exist, the value of tile_bounding_box_offset_z[0] is inferred as sps_bounding_box_offset_z.
  • New scene flag Indicates whether the frame in the tile is a new scene compared to the previous frame.
  • Reference road generation flag Indicates whether to create a reference road in the tile.
  • Figure 26 shows the syntax of a geometry slice header (Geometry Data Header) according to embodiments.
  • GSH (can be referred to as Geometry Slice Header, Geometry Data Header, etc.) represents the geometry slice header included in the bitstream of Figure 22.
  • Optional information related to reference road frame creation can be signaled by adding it to gsh. Because of this, efficient signaling can be performed to support inter prediction of geometry/attributes.
  • the name of signaling information can be understood within the scope of the meaning and function of signaling information.
  • point reference road frame creation information can be signaled by adding it to the geometry data header.
  • the reference road frame created through this information can also be used in properties.
  • GSH Geometry Parameter Set ID (gsh_geometry_parameter_set_id): Indicates the gps_geom_parameter_set_id value of the active GPS.
  • GSH Tile ID (gsh_tile_id): Indicates the value of the tile ID referenced by GSH.
  • the value of gsh_tile_id can range from 0 to XX.
  • GHS slice ID (gsh_slice_id): Indicates the slice header to be referenced in other syntax elements.
  • the value of gsh_slice_id can range from 0 to XX.
  • New scene flag Indicates whether a frame in another slice is a new scene compared to the previous frame.
  • Reference road generation flag Indicates whether a reference road is created in the slice.
  • Figure 27 shows the syntax of a geometry PU header according to embodiments.
  • the Figure 26 geometry PU header is included in the Figure 22 bitstream.
  • Optional information related to reference road frame creation can be signaled by adding it to the geometry PU header. Because of this, efficient signaling can be performed to support inter prediction of geometry/attributes.
  • Reference road frame generation information related to inter prediction can be signaled by creating a Geom PU Header.
  • PU tile ID (pu_tile_id): Indicates the tile ID to which the PU belongs.
  • PU slice ID (pu_slice_id): Indicates the slice ID to which the PU belongs.
  • PU count (pu_cnt): Indicates the number of PUs included in the slice.
  • PU split flag (pu_split_flag): Indicates whether the PU block was subsequently split further.
  • PU motion vector inclusion flag (pu_has_motion_vector_flag): Indicates whether the PU block has a motion vector.
  • PU motion matrix (pu_motion_mat[][][]): Indicates the motion matrix applied to the PU block.
  • PU motion rotation vector (pu_motion_rot_vector[][]): Indicates the motion rotation vector applied to the PU block.
  • PU motion transfer (pu_motion_trans [][]): Indicates the motion transfer vector applied to the PU block.
  • PU motion rotation (pu_motion_rot[]): Indicates the motion rotation applied to the PU block.
  • the rotation axis can rotate based on the road normal vector.
  • Road flag Indicates whether the point included in the LPU block is a road/object.
  • Object ID Indicates the object ID of the point included in the PU block.
  • New scene flag (new_scene_flag[]): Indicates whether the frame in the PU block is a new scene compared to the previous frame.
  • Reference road generation flag (reference_road_generation_flag[]): Indicates whether a reference road is created in the PU block.
  • Figure 28 shows a method for transmitting point cloud data according to embodiments.
  • Figure 28 shows a point cloud data transmission method according to embodiments, including the transmission device 10000 of Figure 1, the point cloud video encoder 10002, the transmitter 10003, the encoder of Figure 3, the transmission device of Figure 8, and Figure 10. It can be performed by the device of, the encoder of Figure 20, etc.
  • a method of transmitting point cloud data may include encoding point cloud data.
  • the encoding operation according to embodiments may encode point cloud data as shown in FIGS. 1 to 10. May include geometry encoding and/or attribute encoding.
  • the encoded point cloud can be included in the bitstream, parameters related to encoding can be generated, and included in the bitstream (FIGS. 22 to 27).
  • a bitstream including a geometry bitstream and/or an attribute bitstream can be created.
  • prediction encoding may be included by dividing the object and/or road.
  • the method of creating and updating a reference frame for inter-prediction can be performed as shown in FIGS. 11 to 19.
  • the method for transmitting point cloud data may further include transmitting a bitstream including point cloud data.
  • Transmission operations according to embodiments may transmit bitstreams as shown in FIGS. 22 to 27.
  • Figure 29 shows a method of receiving point cloud data according to embodiments.
  • Figure 29 shows a point cloud data reception method according to embodiments, including the receiving device 10004, the receiver 10005, the point cloud video decoder 10006 of Figure 1, the decoder of Figure 7, the receiving device of Figure 9, and Figure 10. It can be performed by the device of, the decoder of Figure 21, etc.
  • a method of receiving point cloud data may include receiving a bitstream including point cloud data.
  • Receiving operations according to embodiments may receive bitstreams as shown in FIGS. 22 to 27.
  • the method of receiving point cloud data may further include decoding the point cloud data.
  • the decoding operation according to embodiments may decode point cloud data as shown in FIGS. 11 to 10. May include geometry decoding and/or attribute decoding. Based on parameters associated with encoding and/or decoding, the point cloud included in the bitstream may be decoded.
  • prediction decoding may be included by dividing the object and/or road. The method of creating and updating a reference frame for inter-prediction can be performed as shown in FIGS. 11 to 19.
  • the PCC encoding method, PCC decoding method, and signaling method of the above-described embodiments can provide the following effects.
  • a transmission method includes encoding point cloud data; and transmitting a bitstream containing point cloud data; may include.
  • point cloud data includes points related to the road and points related to the object, and a frame including points related to the road is related to the road. Points related to the road may be transformed by an object, or points related to the road may be lost.
  • point cloud data is acquired by LiDAR, and the point cloud data may include points based on the laser ID of the LiDAR.
  • encoding point cloud data includes encoding a road frame of a current frame containing point cloud data; , the step of encoding the road frame is to predict the road frame of the current frame based on the reference road frame of the road frame of the current frame, and the missing point of the reference road frame is the laser ID or angle from the previous frame of the reference road frame.
  • a search is performed based on at least one of the following, and points missing from the reference road frame may be updated.
  • the step of encoding the road frame includes predicting the road frame of the current frame based on a reference road frame of the road frame of the current frame, and the missing point of the road frame is determined by at least one of a laser ID or an angle from the reference road frame. Based on , the missing points in the road frame can be updated. That is, if there are a plurality of road frames and missing points exist, the missing points are updated using the previous road frame for the next encoding and/or decoding, and the reinforced reference road for encoding/decoding the next road frame You can create frames. If the current frame is updated before encoding/decoding the next frame, memory usage can be effectively reduced. Since the current frame already has a previous frame, that is, a reference frame, if the road in the current frame is updated by referring to the previous road information, the previous frame can be deleted.
  • encoding point cloud data includes encoding a road frame of the current frame containing point cloud data.
  • the road frame of the current frame is predicted, based on the reference road frame of the road frame of the current frame, the origin coordinate information of the reference road frame is changed, and the laser ID is based on the spherical coordinate system.
  • Star points are calculated, missing points in the reference road frame are retrieved from a previous frame of the reference road frame based on at least one of the laser ID or angle, and the missing points in the reference road frame are updated.
  • the step of encoding the road frame is to predict the road frame of the current frame, based on the reference road frame of the road frame of the current frame, the origin coordinate information of the reference road frame is changed, and the laser ID based on the spherical coordinate system. Star points are calculated, missing points in the road frame are retrieved from the reference road frame based on at least one of the laser ID or angle, and the missing points in the road frame can be updated.
  • encoding the point cloud data includes encoding the road frame of the current frame containing the point cloud data.
  • the road frame of the current frame is predicted based on the reference road frame of the road frame of the current frame, the origin coordinate information of the reference road frame is changed, and the reference road frame is rotated, Points for each laser ID are calculated based on a spherical coordinate system, missing points in the reference road frame are retrieved from the previous frame of the reference road frame based on at least one of the laser ID or angle, and missing points in the reference road frame are updated. It can be.
  • the step of encoding a road frame is to predict the road frame of the current frame, based on the reference road frame of the road frame of the current frame, the origin coordinate information of the reference road frame is changed, and the reference road frame is rotated. , points for each laser ID are calculated based on a spherical coordinate system, missing points in the road frame are searched based on at least one of the laser ID or angle from the reference road frame, and the missing points in the road frame can be updated.
  • the step of encoding the point cloud data includes encoding the road frame of the current frame containing the point cloud data.
  • the road frame of the current frame is predicted, based on the reference road frame of the road frame of the current frame, the reference road frame is rotated, and the laser ID star points are calculated based on the spherical coordinate system.
  • the missing points of the reference road frame may be searched based on at least one of the laser ID or angle from the previous frame of the reference road frame, and the missing points in the reference road frame may be updated.
  • the step of encoding the road frame is to predict the road frame of the current frame, based on the reference road frame of the road frame of the current frame, the reference road frame is rotated, and the laser ID star points are calculated based on the spherical coordinate system.
  • the missing points of the road frame may be searched from the reference road frame based on at least one of the laser ID or angle, and the missing points in the road frame may be updated.
  • the step of encoding point cloud data may further include the step of initializing the reference road frame.
  • the bitstream may include at least one of information indicating whether to generate a reference road frame or information indicating whether the current frame is a new scene. For example, it includes information indicating whether to create a reference road frame, information indicating whether the current frame is a new scene, or information indicating whether to create a reference road frame and information indicating whether the current frame is a new scene. can do.
  • the point cloud data transmission method is performed by a transmitting device, and the transmitting device includes: an encoder for encoding point cloud data; and a transmission unit that transmits a bitstream including point cloud data. You can include .
  • a reception method corresponding to the point cloud data transmission method includes performing the reverse process of transmission, for example, receiving a bitstream including point cloud data; and decoding the point cloud data; may include.
  • the method of receiving point cloud data includes, in the step of decoding the point cloud data, decoding a road frame of the current frame including the point cloud data, and the step of decoding the road frame includes the step of decoding the road frame of the current frame.
  • the road frame of the current frame is predicted, and the machined points of the reference road frame are retrieved based on at least one of the laser ID or angle from the previous frame of the reference road frame, and the machined points of the reference road frame are retrieved based on at least one of the laser ID or angle from the previous frame of the reference road frame. Points can be updated.
  • the road frame of the current frame is predicted based on the reference road frame of the road frame of the current frame, and the missing point of the road frame is determined by at least one of a laser ID or an angle from the reference road frame. is searched based on , and the missing points in the road frame can be updated.
  • a method of receiving point cloud data is performed by a receiving device, and the receiving device includes: a receiving unit that receives a bitstream including point cloud data; and a decoder to decode the point cloud data; may include.
  • road data containing insufficient information can be supplemented and accurate and fast compression/restoration can be performed. That is, lost road points can be added and updated through coordinate origin matching and rotation from previous frames.
  • the reference road frame can be updated differently. In other words, both LIDAR movement and object movement can be compensated.
  • Road frames can be compressed and restored to a small bitstream size. It can solve the problem of reduced compression performance due to the influence of objects.
  • Embodiments provide a method of dividing roads/objects to support efficient geometry compression of content captured through LiDAR equipment in a moving car and generating a reference road frame used for inter prediction to increase inter prediction efficiency of the road.
  • a reference road frame is created to cumulatively update the parts that affect changes in the road according to the movement of objects, to compensate for road points lost due to objects or the capture environment and to account for increased memory.
  • a reference road frame can be created only for the necessary parts.
  • embodiments improve the inter-geometry compression efficiency of the encoder/decoder of Geometry-based Point Cloud Compression (G-PCC) for compressing 3D point cloud data, thereby compressing the point cloud content stream.
  • G-PCC Geometry-based Point Cloud Compression
  • the reference road frame constructed from this method can be used as a reference road frame in attribute compression to increase compression efficiency.
  • the transmission method/device according to embodiments can efficiently compress point cloud data and transmit data, and by delivering signaling information for this, the receiving method/device according to embodiments can also efficiently compress point cloud data. Can be decoded/restored.
  • the various components of the devices of the embodiments may be implemented by hardware, software, firmware, or a combination thereof.
  • Various components of the embodiments may be implemented with one chip, for example, one hardware circuit.
  • the components according to the embodiments may be implemented with separate chips.
  • at least one or more of the components of the device according to the embodiments may be composed of one or more processors capable of executing one or more programs, and the one or more programs may be executed. It may perform one or more of the operations/methods according to the examples, or may include instructions for performing them.
  • Executable instructions for performing methods/operations of a device may be stored in a non-transitory CRM or other computer program product configured for execution by one or more processors, or may be stored in one or more processors. It may be stored in temporary CRM or other computer program products configured for execution by processors. Additionally, memory according to embodiments may be used as a concept that includes not only volatile memory (eg, RAM, etc.) but also non-volatile memory, flash memory, and PROM. Additionally, it may also be implemented in the form of a carrier wave, such as transmission over the Internet. Additionally, the processor-readable recording medium is distributed in a computer system connected to a network, so that the processor-readable code can be stored and executed in a distributed manner.
  • first, second, etc. may be used to describe various components of the embodiments. However, the interpretation of various components according to the embodiments should not be limited by the above terms. These terms are merely used to distinguish one component from another. It's just a 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 interpreted without departing from the scope of the various embodiments.
  • the first user input signal and the second user input signal are both user input signals, but do not mean the same user input signals unless clearly indicated in the context.
  • operations according to embodiments described in this document may be performed by a transmitting and receiving device including a memory and/or a processor depending on the embodiments.
  • the memory may store programs for processing/controlling operations according to embodiments, and the processor may control various operations described in this document.
  • the processor may be referred to as a controller, etc.
  • operations 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 memory.
  • the transmitting and receiving device may include a transmitting and receiving unit that transmits and receives media data, a memory that stores instructions (program code, algorithm, flowchart and/or data) for the process according to embodiments, and a processor that controls the operations of the transmitting and receiving device. You can.
  • a processor may be referred to as a controller, etc., and may correspond to, for example, hardware, software, and/or a combination thereof. Operations according to the above-described embodiments may be performed by a processor. Additionally, the processor may be implemented as an encoder/decoder, etc. for the operations of the above-described embodiments.
  • embodiments may be applied in whole or in part to point cloud data transmission and reception devices and systems.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

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

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계, 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계, 포인트 클라우드 데이터를 디코딩하는 단계를 포함할 수 있다.
실시예들에 따른 장치 및 방법은 높은 효율로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 장치 및 방법은 높은 퀄리티의 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 장치 및 방법은 VR 서비스, 자율주행 서비스 등 범용적인 서비스를 제공하기 위한 포인트 클라우드 콘텐트를 제공할 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다. 이하에서 설명하는 다양한 실시예들의 보다 나은 이해를 위하여, 하기 도면들에 걸쳐 유사한 참조 번호들이 대응하는 부분들을 포함하는 다음의 도면들과 관련하여 이하의 실시예들의 설명을 반드시 참조해야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 3은 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 5는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 6은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 7은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 8은 실시예들에 따른 전송 장치의 예시이다.
도 9는 실시예들에 따른 수신 장치의 예시이다.
도 10은는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도11은 실시예들에 따른 움직이는 자동차 라이다 장비에서 캡처된 도로 포인트 클라우드의 예시이다.
도12는 실시예들에 따른 분리된 도로 포인트 클라우드의 예시를 나타낸다.
도13은 실시예들에 따른 라이다에 의해 캡처된 도로 포인트들의 예시를 나타낸다.
도14는 실시예들에 따른 라이다 장비를 장착한 자동차는 움직이지 않고, 주변의 객체들이 움직이는 경우 일부 모양이 변경되는 예시를 나타낸다.
도15는 실시예들에 따른 라이다 장비를 장착한 자동차가 우회전하는 경우, 획득된 포인트 클라우드의 예시를 나타낸다.
도16은 실시예들에 따른 라이다 장비에 의해 캡쳐된 포인트 클라우드의 예시를 나타낸다.
도17은 실시예들에 따른 움직이는 객체에 의해 도로 포인트들이 달라지는 예시를 나타낸다.
도18은 실시예들에 따른 이동 모션만 있는 경우 도로 포인트들이 달라지는 예시를 나타낸다.
도19는 실시예들에 따른 이동과 회전 모션 있는 경우 도로 포인트들이 달라지는 예시를 나타낸다.
도20은 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도21은 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도22는 실시예들에 따른 포인트 클라우드 데이터 및 파라미터를 포함하는 비트스트림을 나타낸다.
도23은 실시예들에 따른 시퀀스 파라미터 세트(Sequence parameter Set, SPS)를 나타낸다.
도24는 실시예들에 따른 지오메트리 파라미터 세트(Geometry Parameter Set, GPS)를 나타낸다.
도25는 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set, TPS)의 신택스를 나타낸다.
도26은 실시예들에 따른 지오메트리 슬라이스 헤더(지오메트리 데이터 헤더)(Geometry Data Header)의 신택스를 나타낸다.
도27은 실시예들에 따른 지오메트리 PU 헤더(Geometry PU Header)의 신택스를 나타낸다.
도28은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도29는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 컨텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000)뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 데이터 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)으로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 3은 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 30000), 양자화부(Quantize and Remove Points (Voxelize), 30001), 옥트리 분석부(Analyze Octree, 30002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 30003), 아리스메틱 인코더(Arithmetic Encode, 30004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 30005), 컬러 변환부(Transform Colors, 30006), 어트리뷰트 변환부(Transfer Attributes, 30007), RAHT 변환부(30008), LOD생성부(Generated LOD, 30009), 리프팅 변환부(Lifting)(30010), 계수 양자화부(Quantize Coefficients, 30011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 30012)를 포함한다.
좌표계 변환부(30000), 양자화부(30001), 옥트리 분석부(30002), 서페이스 어프록시메이션 분석부(30003), 아리스메틱 인코더(30004), 및 지오메트리 리컨스트럭션부(30005)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(30000)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(30001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(30001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(30001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(30001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(30002)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(30003)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(30004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(30006), 어트리뷰트 변환부(30007), RAHT 변환부(30008), LOD생성부(30009), 리프팅 변환부(30010), 계수 양자화부(30011) 및/또는 아리스메틱 인코더(30012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(30006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(30006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(30006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(30005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(30005)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(30007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(30007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(30007)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(30007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(30007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(30007)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(30007)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(30007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(30007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(30008) 및/또는 LOD 생성부(30009)로 입력된다.
실시예들에 따른 RAHT 변환부(30008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(30008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(30009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(30010)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(30011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(30012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 3의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 3의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 3의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 4는 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 3에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(30002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 4의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (xint n, yint n, zint n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
d =Ceil(Log2(Max(x_n^int,y_n^int,z_n^int,n=1,…,N)+1))
도 4의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 4 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 4의 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 4에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 3의 포인트 클라우드 인코더, 또는 옥트리 분석부(30002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(30004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(30003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(Δx, Δy, Δz), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(30005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③ 자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure PCTKR2023003708-appb-img-000001
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다.
표2-1. Triangles formed from vertices ordered 1,…,n
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 5는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(30009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 6는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 5에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 3의 포인트 클라우드 인코더, 또는 LOD 생성부(30009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 6의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 6의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 6의 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 6에 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 3에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(30011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.
표. Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
표. Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(30010))는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(30011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(30008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다. gl x, y, z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. gl x, y, z 는 gl+1 2x, y, z와 gl+1 2x+1, y, z로부터 계산될 수 있다. gl 2x, y, z 와 gl 2x+1, y, z 의 가중치를 w1=w l 2x, y, z 과 w2=w l 2x+1, y, z 이다.
Figure PCTKR2023003708-appb-img-000002
*gl-1 x, y, z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. hl-1 x, y, z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는 w l-1 x, y, z=w l 2x, y, z+w l 2x+1, y, z로 계산된다. 루트 노드는 마지막 g1 0, 0, 0 과 g1 0, 0, 1을 통해서 다음과 같이 생성된다.,
Figure PCTKR2023003708-appb-img-000003
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 7은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 7에 도시된 포인트 클라우드 디코더는 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 6에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 7000), 옥트리 합성부(synthesize octree, 7001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 7002), 지오메트리 리컨스트럭션부(reconstruct geometry, 7003), 좌표계 역변환부(inverse transform coordinates, 7004), 아리스메틱 디코더(arithmetic decode, 7005), 역양자화부(inverse quantize, 7006), RAHT변환부(7007), LOD생성부(generate LOD, 7008), 인버스 리프팅부(Inverse lifting, 7009), 및/또는 컬러 역변환부(inverse transform colors, 7010)를 포함한다.
아리스메틱 디코더(7000), 옥트리 합성부(7001), 서페이스 오프록시메이션 합성부(7002), 지오메트리 리컨스럭션부(7003), 좌표계 역변환부(7004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 6에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(7000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(7000)의 동작은 아리스메틱 인코더(30004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(7001)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 6에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(7002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(7003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 6에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(7003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(7003)는 지오메트리 리컨스트럭션부(30005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 4에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(7004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(7005), 역양자화부(7006), RAHT 변환부(7007), LOD생성부(7008), 인버스 리프팅부(7009), 및/또는 컬러 역변환부(7010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(7005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(7006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(7010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(7010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(30006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 7의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 7의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도7의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 8은 실시예들에 따른 전송 장치의 예시이다.
도 8에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 3의 포인트 클라우드 인코더)의 예시이다. 도 8에 도시된 전송 장치는 도 1 내지 도 6에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(8000), 양자화 처리부(8001), 복셀화 처리부(8002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(8003), 표면 모델 처리부(8004), 인트라/인터 코딩 처리부(8005), 아리스메틱 (Arithmetic) 코더(8006), 메타데이터 처리부(8007), 색상 변환 처리부(8008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(8009), 예측/리프팅/RAHT 변환 처리부(8010), 아리스메틱 (Arithmetic) 코더(8011) 및/또는 전송 처리부(8012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(8000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(8000)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(8000), 양자화 처리부(8001), 복셀화 처리부(8002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(8003), 표면 모델 처리부(8004), 인트라/인터 코딩 처리부(8005), Arithmetic 코더(8006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 6에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(8001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(8001)의 동작 및/또는 양자화는 도 3에서 설명한 양자화부(30001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(8002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(80002)는 도 3에서 설명한 양자화부(30001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(8003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(8003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(8003)는 도 3 및 도 4에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(30002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(8004)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(8004)는 도 3 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(30003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(8005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(8005)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(8005)는 아리스메틱 코더(8006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(8006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(8006)는 아리스메틱 인코더(30004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(8007)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(8007)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(8008), 어트리뷰트 변환 처리부(8009), 예측/리프팅/RAHT 변환 처리부(8010), 아리스메틱 (Arithmetic) 코더(8011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 6에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(8008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(8008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 6에서 설명한 바와 동일하다. 또한 도 3에서 설명한 컬러 변환부(30006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(8009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(8009)는 도 3에 설명한 어트리뷰트 변환부(30007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(8010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(8010)는 도 3에서 설명한 RAHT 변환부(30008), LOD 생성부(30009) 및 리프팅 변환부(30010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 6에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(8011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(8011)는 아리스메틱 인코더(300012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(8012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(8007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(8012)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(8012)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 9는 실시예들에 따른 수신 장치의 예시이다.
도 9에 도시된 수신 장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 9에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(9000), 수신 처리부(9001), 아리스메틱 (arithmetic) 디코더(9002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(9003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(9004), 인버스(inverse) 양자화 처리부(9005), 메타데이터 파서(9006), 아리스메틱 (arithmetic) 디코더(9007), 인버스(inverse)양자화 처리부(9008), 예측/리프팅/RAHT 역변환 처리부(9009), 색상 역변환 처리부(9010) 및/또는 렌더러(9011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(9000)는 포인트 클라우드 데이터를 수신한다. 수신부(9000)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(9001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(9001)는 수신부(9000)에 포함될 수 있다.
아리스메틱 디코더(9002), 오큐판시 코드 기반 옥트리 재구성 처리부(9003), 표면 모델 처리부(9004) 및 인버스 양자화 처리부(9005)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(9002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(9002)는 아리스메틱 디코더(7000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(9003)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(9003)는 옥트리 합성부(7001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(9004)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(9004)는 서페이스 오프록시메이션 합성부(7002) 및/또는 지오메트리 리컨스트럭션부(7003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(9005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(9006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(9006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 8에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(9007), 인버스 양자화 처리부(9008), 예측/리프팅/RAHT 역변환 처리부(9009) 및 색상 역변환 처리부(9010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(9007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(9007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(9007)는 아리스메틱 디코더(7005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(9008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(9008)는 역양자화부(7006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(9009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(9009)는 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(9010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(9010)는 컬러 역변환부(7010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(9011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 10은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 10의 구조는 서버(1060), 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040), 가전(1050) 및/또는 HMD(1070) 중에서 적어도 하나 이상이 클라우드 네트워크(1010)와 연결된 구성을 나타낸다. 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040) 또는 가전(1050) 등은 장치라 호칭된다. 또한, XR 장치(1030)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1000)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1000)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1060)는 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040), 가전(1050) 및/또는 HMD(1070) 중에서 적어도 하나 이상과 클라우드 네트워크(1000)을 통하여 연결되고, 연결된 장치들(1010 내지 1070)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1070)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(1010 내지 1050)의 다양한 실시 예들을 설명한다. 여기서, 도 10에 도시된 장치(1010 내지 1050)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1030)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(1030)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(1030)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+XR+모바일폰>
XR/PCC 장치(1030)는 PCC기술이 적용되어 모바일폰(1040) 등으로 구현될 수 있다.
모바일폰(1040)은 PCC 기술에 기반하여 포인트 클라우드 콘텐츠를 디코딩하고, 디스플레이할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1020)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1020)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(1020)은 XR 장치(1030)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1020)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1020)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 발명의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 데이터 (PCC) 송수신 장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신 장치 차량에 탑재된 경우, 포인트 클라우드 송수신 장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도20의 인코더, 도28 송신 방법 등을 지칭하는 용어로 해석된다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도21의 디코더, 도29 수신 방법 등을 지칭하는 용어로 해석된다.
또한, 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 실시예들에 따른 방법/장치로 줄여서 호칭될 수 있다.
실시예들에 따라, 포인트 클라우드 데이터를 구성하는 지오메트리 데이터, 지오메트리 정보, 위치 정보 등은 서로 동일한 의미로 해석된다. 포인트 클라우드 데이터를 구성하는 어트리뷰트 데이터, 어트리뷰트 정보, 속성 정보 등은 서로 동일한 의미로 해석된다.
실시예들에 따른 방법/장치는 라이다로 캡처된 포인트 클라우드 프레임으로부터 참조 도로 생성 방안(A method to generate reference road frame from the multiple point cloud frames captured by LiDAR)을 포함하고 수행할 수 있다.
실시예들은 G-PCC(Geometry-based Point Cloud Compression)의 효율적인 지오메트리 압축을 위해 움직이는 자동차에서 라이다(LiDAR) 장비로 캡처된 포인트 클라우드(point cloud) 콘텐츠의 인터-예측 (inter prediction)을 효율적으로 지원하기 위해 참조 도로 프레임 생성 방법을 포함한다. 참조 도로 프레임은 지오메트리 압축과 속성 압축에 모두 사용될 수 있다. 실시예들은, 예를 들어, 참조 도로 프레임 생성 방안, 및/또는 시그널링 방법을 포함할 수 있다.
실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 G-PCC(Geometry-based Point Cloud Compression)의 압축 효율을 높이기 위한 방안에 관한 것이다. 이하 인코더(encoder), 부호화기는 부호화기로 디코더(decoder), 복호화기는 복호화기로 지칭한다.
포인트 클라우드는 포인트(point)들의 집합으로 구성되며, 각 포인트는 지오메트리(geometry) 정보와 속성(attributes) 정보를 갖을 수 있다. 지오메트리 정보는 3차원 위치(XYZ) 정보이며, 속성 정보는 색상 (RGB, YUV 등) 또는/과 반사(Reflectance) 값이다.
G-PCC 부호화(encoding) 과정은 포인트 클라우드를 영역에 따라 타일로 분할하고, 병렬 처리를 위해 각 타일을 슬라이스들로 분할할 수 있다. 각 슬라이스 단위로 지오메트리를 압축하고, 압축을 통해 변경된 위치 정보들로 재구성된 지오메트리(reconstructed geometry=복호화된 지오메트리)를 바탕으로 속성 정보를 압축하는 과정으로 구성될 수 있다.
G-PCC 복호화(decoding) 과정은 부호화된 슬라이스 단위의 지오메트리 비트스트림(bitstream)과 속성 비트스트림을 전송 받아서 지오메트리를 복호화하고 복호화 과정을 통해 재구성된 지오메트리를 기반으로 속성 정보를 복호화하는 과정으로 구성될 수 있다(도1 등 참조).
지오메트리 정보 압축을 위해 옥트리(octree) 기반, 예측 트리(predictive tree) 기반, 또는 트라이숩(trisoup) 기반 압축 기법을 사용할 수 있다(도1 등 참조).
실시예들은 움직이는 자동차에서 라이다 장비로 캡처된 콘텐츠의 인터 예측을 통한 압축 효율을 높이기 위한 참조 도로 프레임 생성 방법을 포함한다.
도11은 실시예들에 따른 움직이는 자동차 라이다 장비에서 캡처된 도로 포인트 클라우드의 예시이다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도20의 인코더, 도28 송신 방법) 및 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도21의 디코더, 도29 수신 방법)는 도11의 도로 포인트 클라우드를 처리할 수 있다. 도1의 포인트 클라우드 획득부(10001)는 도11과 같은 포인트 클라우드를 획득할 수 있다.
실시예들에 따른 움직이는 자동차의 라이다 장비에서 캡처한 콘텐츠는 도로와 객체를 함께 포함할 수 있다. 포인트(1100)는 객체에 대응하고, 포인트(1101)는 도로에 대응할 수 있다. 객체는 도로 위에 있는 건물 등일 수 있다.
도12는 실시예들에 따른 분리된 도로 포인트 클라우드의 예시를 나타낸다.
도11에서 설명한 캡쳐된 도로 포인트 클라우드는 도12와 같이 구성될 수 있다.
캡처된 도로와 객체의 포인트 클라우드 포인트들 상에서 캡처된 포인트들은 연속된 프레임 간 다른 특성을 가질 수 있다. 또한, 도로 및 객체를 포함한 포인트 클라우드로부터 도로만 분리하여 인터 예측을 수행할 수 있다. 즉, 도12는 도11의 포인트 클라우드에서 도로만 분리된 포인트 클라우드를 나타낸다.
도13은 실시예들에 따른 라이다에 의해 캡처된 도로 포인트들의 예시를 나타낸다.
도11 및 도12 등과 같이, 라이다 장비에 의해 캡처된 도로의 경우, 캡처 장비로부터의 상대적 높이가 일정할 수 있고, 그럴 경우, 도13과 같이 센서의 위치인 중심점을 중심으로 원을 그리는 형태로 포인트들이 생성될 수 있다.
도14는 실시예들에 따른 라이다 장비를 장착한 자동차는 움직이지 않고, 주변의 객체들이 움직이는 경우 일부 모양이 변경되는 예시를 나타낸다.
도11, 도12, 도13 등과 같이, 포인트 클라우드를 보면, 도로에는 건물이 있고, 자동차, 사람들 객체들이 존재하고, 객체들로 인해서 라이다 장비로 캡처된 포인트에서 도로만 분리한다고 하더라도 객체의 영향을 받아 포인트가 존재하는 부분, 포인트가 존재하지 않는 부분이 발생할 수 있다. 예를 들어, 도14의 원 영역(1400)을 보면, 포이트(1401)포인트가 있다가 없어지고, 포인트(1402)가 없었는데 생성되는 것을 관찰할 수 있다. 즉, 원 영역(1400) 내 포인트가 존재하는 영역 및 포인트가 사라진 영역이 있다. 그 외의 영역은 거의 일치한다. 이 포인트 클라우드의 분포는 다음을 의미한다. 라이다 장비를 장착한 자동차는 움직이지 않고, 이 영역에 움직이는 객체가 존재해서. 이 객체로 인해 도로가 가려지는 부분이 발생한 것이다. 포인트(1401)들은 이전 프레임의 포인트들이고, 포인트(1402)들은 현재 프레임의 포인트들이다. 즉, 라이다 장비를 포함하는 자동차가 정지한 상태에서, 도로 및 객체에 대한 포인트를 포함함하는 프레임을 생성하고, 현재 캡쳐한 프레임 및 현재 프레임 이전에 캡쳐되고 생성된 프레임에 포함된 포인트들이 도14와 같이 나타날 수 있다. 그리고 차량 주변에 있는 객체가 움직이면, 미싱 영역(1400)이 발생하게 된다.
도15는 실시예들에 따른 라이다 장비를 장착한 자동차가 우회전하는 경우, 획득된 포인트 클라우드의 예시를 나타낸다.
도11, 도12, 도13, 도14 등과 같이, 라이다에 의해 캡쳐된 포인트 클라우드는 도15와 같은 예시를 포함할 수 있다. 도14와 같이, 이전 프레임의 포인트들(1401) 및/또는 현재 프레임의 포인트들(1402)이 도15와 같이 구성될 수 있다.
예를 들어, 도15와 같이, 도로이지만, 건물로 인해서 도로 전체가 보여지지 않는 경우도 있다. 사거리의 특정부분에 건물이 존재하고 건물로 인해서 캡처된 도로 포인트는 없을 수 있다. 그러나 도로 포인트 클라우드는 건물객체에 영향을 받아서 전체 모양이 움직일 때 영향을 받을 수 있다. 이러한 경우와 같이 도로는 객체로부터 영향을 받을 수 있다. 즉, 객체들로 인해서 도로에 사라지는(missing) 포인트들이 발생할 수 있고, 그러한 상태에서 참조 프레임으로 이전 프레임의 도로 포인트를 사용(참조)하게 되면, 현재 프레임에 대한 정확한 예측을 수행하기 위한 정보가 충분하지 않을 수 있다. 따라서 도로의 정보를 채울 수 있는 정보를 이전 프레임들로부터 찾아서 참조 도로 프레임을 생성할 필요가 있다.
라이다 장비를 통해 캡처된 콘텐츠에 인터 예측을 수행하기 위해서는 참조 프레임에서 예측 포인트를 찾고 예측 포인트와의 잔차값을 전송하는 인터 예측코딩(inter predictive coding)을 적용할 수 있다. 따라서 실시예들에 따른 방법/장치는 참조 프레임과 현재 프레임과의 차이를 효과적으로 줄일 수 있다. 특히 정적인 도로 영역을 최신 정보를 기반으로 도로 정보를 채워 최적의 모든 정보를 유지시켜 줌으로 인해 현재 프레임에서의 포인트와 매칭되는 최적의 포인트를 찾음으로 인해서 잔차값을 줄여줄 수 있다. 참조 프레임에서 현재 프레임의 포인트와 같은 위치에 매칭되는 (예, 같은 레이저 아이디, 애지무스 앵글, 그리고 반경을 갖는 포인트) 포인트가 없는 경우, 주변에서 가장 접합하다고 판단되는 (예, 같은 레이저 아이디를 갖고, 가장 가까운 애지무스 앵글을 갖는) 포인트를 예측 포인트로 설정하기 때문에 잔차값이 증가하게 되고, 잔차값이 증가하게 되면 비트스트림이 커지게 될 수 있다. 따라서 정적인 도로의 정보를 최적으로 유지하는 방안이 필요할 수 있다. 또한 단순 포인트 누적의 경우 메모리를 많이 사용하게 되어, 효율적 메모리 사용이 고려된 방법이 필요할 수 있다.
실시예들은 움직이는 자동차에서 라이다 장비를 통해 캡처된 콘텐츠의 효율적인 인터 예측을 통합 압축을 효율적으로 지원하기 위한 참조 도로 프레임 생성 방법을 포함한다. 실시 예들 간 변경 및 결합이 가능하다. 본 문서에서 사용되는 용어는 해당 분야에서 널리 사용되는 범위 내에서, 용어의 의도된 의미에 근거하여 이해될 수 있다.
도로의 모션 검색은 PCC 부호화기의 지오메트리 부호화기에서 수행되고, PCC 복호화기의 지오메트리 복호화 과정을 통해 도로에 적용되어 복원될 수 있다. 또한 참조 도로 프레임은 속성 복원에도 활용할 수 있다.
실시예들은 1) 캡쳐하지 못한 도로 포인트 클라우드 데이터를 처리하는 방안, 2) 글로벌 모션이 없는 경우 참조 도로 프레임을 생성하는 방안, 3) 이동(translation) 모션만 있는 경우 참조 도로 프레임을 생성하는 방안, 4) 이동 및 회전(rotation) 모션이 존재하는 경우 참조 도로 프레임을 생성하는 방안, 5) 회전(rotation) 모션만 존재하는 경우 참조 도로 프레임을 생성하는 방안, 6) 참조 도로 프레임을 초기화하는 방안 등을 포함할 수 있다. 이하에서, 각 도면을 참조하여 각 동작을 설명한다.
도16은 실시예들에 따른 라이다 장비에 의해 캡쳐된 포인트 클라우드의 예시를 나타낸다.
도11, 도12, 도13, 도14, 및/또는 도15의 포인트 클라우드는 도16과 같이, 라이다에 의해 캡쳐될 수 있다. 도1의 송신 장치에 의해 도로/객체 등을 포함하는 포인트를 캡쳐하고, 포인트들이 포함된 프레임들을 생성하여, 프레임에 포함된 포인트들을 압축하고, 전송하고, 수신하고, 복원할 수 있다.
실시예들에 따른 라이다는 여러 개의 센서들로 구성될 수 있다. 각각의 센서들은 레이저 아이디(laserId)를 갖고, 각 센서들은 센서 중심위치로부터의 높이, 각도, 회전스피드에 대한 정보를 가진다. 센서의 각도가 클수록 큰 반경을 가지는 도로가 캡처될 수 있다. 센서의 각도가 가장 작은 경우, 라이다 장비의 가장 위쪽에 배치할 수 있고, 가장 작은 반경을 가지는 도로의 포인트가 캡처 될 수 있다. (도16 참조) 포인트 클라우드를 도로와 객체로 분리한 경우, 분리된 포인트 클라우드는 모든 센서들에 포인트가 존재하지 않을 수 있다. 도16과 같이, laserID 2와 3의 경우 객체가 존재해서 지면에 레이저가 닿지 않고, 객체에 먼저 닿아서 반사되고, 객체 포인트 클라우드로 분리 될 수 있다. 그럴 경우, 도로와 객체를 분리하게 되면, 도로 포인트 클라우드 기준에서는 laserID 2와 3번의 포인트는 없을 수 있다. 즉, 도로 프레임에서 해당 영역에 대한 객체에 의해 발생한 미싱 영역이 존재할 수 있다.
도17은 실시예들에 따른 움직이는 객체에 의해 도로 포인트들이 달라지는 예시를 나타낸다.
라이다 장비로 포인트 클라우드를 캡처하는 자동차/또는 이동장비는 움직이지 않고, 다른 자동차 객체(1700)가 지나가는 경우, 도로 포인트 클라우드에서 지나가는 자동차로 인해서 잃어버리는 도로 포인트들이 변경될 수 있다.
예를 들어, 원형으로 분포된 포인트들이 밀집한 곳이 라이다 캡쳐를 수행하는 자동차 혹은 이동 장비이고, 그 주변에 위치한 또 다른 객체(1700)가 움직이면, 라이다 및 객체(1700) 간 거리 및/또는 위치 변화로 인해서, 라이다 캡쳐 시 발생하는 미싱 영역이 도로 프레임 상에서 도17과 같이 발생할 수 있다.
이와 같이 글로벌 모션이 없는 경우, 움직이는 객체로 인해 변경된 참조 도로 프레임 생성 방법은 다음과 같을 수 있다. 한편, 실시예들에 따른 참조 도로 프레임 생성 방법은 실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도20의 인코더, 도28 송신 방법) 및 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도21의 디코더, 도29 수신 방법) 모두 수행할 수 있다.
실시예들에 따른 참조 도로 프레임 생성 방법은 1) 이전 도로 프레임을 참조 도로 프레임으로 설정하는 단계, 및/또는 2) 참조 프레임에 기초하여 현재 프레임을 인코딩 혹은 디코딩하는 단계를 수행하기 위해서, 2-1) 현재 도로 프레임에서 포인트 미싱 영역에 대한 조건을 검색하고, 2-2) 참조 프레임에서 해당 조건에 기초하여 포인트를 검색하고, 2-3) 참조 프레임에 해당 포인트가 존재하면, 해당 포인트에 기초하여 현재 도로 프레임의 미싱 영역을 업데이트할 수 있다. 그리고, 다음 프레임에 대해서도 이와 같이 참조 (도로) 프레임에 기초하여 업데이트된 현재 (도로) 프레임이 다음 프레임에 대한 참조 프레임이 되고, 업데이트된 참조 프레임에 기초하여, 현재 프레임이 된 다음 프레임을 예측 인코딩하고, 예측 디코딩할 수 있다.
예를 들어, 1) 참조 도로 프레임이 없는 경우, 이전 도로 프레임을 참조 도로 프레임으로 설정할 수 있다. 2) IPPP 모드라면, 현재 프레임이 N번째 프레임이라면, 참조 도로 프레임을 참조해서 인코딩/디코딩할 수 있다. 일반적으로 N-1번째 도로를 참조할 수 있다. N+1번째 프레임을 인코딩하기 전에, N번째와 N-1의 글로벌 모션이 존재하지 않는 경우, 즉, 라이다를 장착한 자동차가 움직이지 않고 서 있는 경우, N번째 도로 프레임에서 포인트가 없는 레이저 아이디(laserID)와 앵글(angle)값을 검색하고, 참조 도로 프레임에서 해당 포인트들이 존재하는지 검색하고, 있으면 해당 포인트로 N번째 도로 프레임을 업데이트하고 업데이트된 N번째 도로 프레임을 참조 도로 프레임으로 업데이트하고 N+1번째 프레임을 인코딩/디코딩할 때 참고할 수 있다. 또는 참조 도로 프레임에서 포인트가 없는 레이저 아이디(laserID)와 앵글(angle)값을 검색하고, N번째 도로 프레임에서 해당 포인트들이 존재하는지 검색하고, 있으면 해당 포인트로 참조 도로 프레임을 업데이트하고 N+1번째 프레임을 인코딩/디코딩할 때 참조할 수 있다.
이로 인하여, 참조 도로 프레임에 발생한 객체/모션 등의 영향을 제거하고, 이로 인해 발생할 수 있는 메모리 부담, 예측 정확도 감소 문제를 해결하여, 도로 프레임을 정확하고 빠르게 예측 인코딩/디코딩할 수 있는 효과가 있다.
도18은 실시예들에 따른 이동 모션만 있는 경우 도로 포인트들이 달라지는 예시를 나타낸다.
도11, 도12, 도13, 도14, 도15, 도16, 도17 등과 같은 포인트 클라우드는 도18과 같은 예시를 가질 수도 있다.
예를 들어, 라이다 장비로 포인트 클라우드를 캡처하는 자동차/또는 이동장비가 이동 모션만 가지는 경우, 도18과 같이 고정된 객체들(1801)은 이동 방향의 반대방향으로 이동하게 되고, 이동하는 객체(1800)의 경우, 이동 방향의 반대 방향과 자신의 움직이는 방향이 공존할 수 있다.
이와 같이 이동 모션만 존재하는 경우, 고정된 객체와 움직이는 객체로 인해 변경된 참조 도로 프레임 생성 방법은 다음과 같을 수 있다. 마찬가지로, 이러한 참조 도로 프레임 생성 방법은 송신 장치 및 수신 장치 모두에서 수행될 수 있다.
실시예들에 따른 참조 도로 프레임 생성 방법은 1) 이전 도로 프레임을 참조 도로 프레임으로 설정하는 단계, 2-1) 참조 도로 프레임에서 원점을 변경하고, 좌표계를 구면 좌표계로 변환하고, 레이저 아이디 별 캡쳐된 포인트들을 계산하는 단계, 2-2) 이전 도로 프레임에서 미싱 포인트가 있는 영역을 특정 조건에 따라 검색하여, 참조 도로 프레임에 해당 포인트에 기초하여, 이전 도로 프레임을 업데이트하는 단계, 2-3) 업데이트된 이전 도로 프레임을 참조하여, 현재 도로 프레임을 인코딩하고, 디코딩하는 단계를 포함할 수 있다.
예를 들어, 1) 참조 도로 프레임이 없는 경우, 이전 도로 프레임을 참조 도로 프레임으로 설정할 수 있다. 2) IPPP 모드라면, 현재 프레임이 N번째 프레임이라면, 참조 도로 프레임을 참조해서 인코딩/디코딩할 수 있다. 일반적으로 N-1번째 도로를 참조할 수 있다. N+1번째 프레임을 인코딩하기 전에, N번째와 N-1의 글로벌 이동 모션만 존재하는 경우, 참조 도로 프레임에서 origin값을 변경하고, spherical 좌표계를 다시 계산해서 laserID당 캡처된 포인트를 계산할 수 있다. N번째 도로 프레임에서 포인트가 없는 laserID와 angle값을 검색하고, 참조 도로 프레임에서 해당 포인트들이 존재하는지 검색하고, 있으면 해당 포인트로 N번째 도로 프레임을 업데이트하고 업데이트된 N번째 도로 프레임을 참조 도로 프레임으로 업데이트하고 업데이트된 N번째 도로 프레임을 참도 도로 프레임으로 업데이트하고 N+1번째 프레임을 인코딩/디코딩할 때 참고할 수 있다.
이로 인하여, 참조 도로 프레임에 발생한 객체/모션 등의 영향을 제거하고, 이로 인해 발생할 수 있는 메모리 부담, 예측 정확도 감소 문제를 해결하여, 도로 프레임을 정확하고 빠르게 예측 인코딩/디코딩할 수 있는 효과가 있다.
도19는 실시예들에 따른 이동과 회전 모션 있는 경우 도로 포인트들이 달라지는 예시를 나타낸다.
도11, 도12, 도13, 도14, 도15, 도16, 도17, 도18 등과 같은 포인트 클라우드는 도19와 같은 예시를 가질 수도 있다.
즉, 라이다 장비로 포인트 클라우드를 캡처하는 자동차/또는 이동장비가 이동과 회전 모션이 있는 경우, 도19와 같을 수 있다.
이와 같이 이동과 회전 모션이 존재하는 경우, 고정된 객체와 움직이는 객체로 인해 변경된 참조 도로 프레임 생성 방법은 다음과 같을 수 있다. 마찬가지로, 이러한 참조 도로 프레임 생성 방법은 송신 장치 및 수신 장치 모두에서 수행될 수 있다.
실시예들에 따른 참조 도로 프레임 생성 방법은 1) 이전 도로 프레임을 참조 도로 프레임으로 설정하는 단계, 2-1) 참조 도로 프레임에서 원점을 변경하고, 포인트들을 회전시키고, 좌표계를 구면 좌표계로 변환하고, 레이저 아이디 별 캡쳐된 포인트들 계산하는 단계, 2-2) 이전 도로 프레임에서 포인트가 없는 영역에 대한 레이저 아이디 및/또는 앵글을 검색하고, 참조 도로 프레임에서 해당 포인트를 검색하고, 검색된 해당 포인트에 기초하여, 참조 도로 프레임을 업데이트하는 단계, 2-3) 업데이트된 참조 도로 프레임에 기초하여 다음 도로 프레임에 대한 인코딩/디코딩을 수행하는 단계를 포함할 수 있다.
예를 들어, 1) 참조 도로 프레임이 없는 경우, 이전 도로 프레임을 참조 도로 프레임으로 설정할 수 있다. 2) IPPP 모드라면, 현재 프레임이 N번째 프레임이라면, 참조 도로 프레임을 참조해서 인코딩/디코딩할 수 있다. 일반적으로 N-1번째 도로를 참조할 수 있다. N+1번째 프레임을 인코딩하기 전에, N번째와 N-1의 글로벌 이동과 회전 모션이 존재하는 경우, 참조 도로 프레임에서 origin값을 변경하고, 참조 도로 프레임의 포인트들을 회전한 만큼 회전 시킨 후, spherical 좌표계를 다시 계산해서 laserID당 캡처된 포인트를 계산할 수 있다. N번째 도로 프레임에서 포인트가 없는 laserID와 angle값을 검색하고, 참조 도로 프레임에서 해당 포인트들이 존재하는지 검색하고, 있으면 해당 포인트로 N번째 도로 프레임을 업데이트하고 업데이트된 N번째 도로 프레임을 참조 도로 프레임으로 업데이트하고 업데이트된 N번째 도로 프레임을 참도 도로 프레임으로 업데이트하고 N+1번째 프레임을 인코딩/디코딩할 때 참고할 수 있다.
이로 인하여, 참조 도로 프레임에 발생한 객체/모션 등의 영향을 제거하고, 이로 인해 발생할 수 있는 메모리 부담, 예측 정확도 감소 문제를 해결하여, 도로 프레임을 정확하고 빠르게 예측 인코딩/디코딩할 수 있는 효과가 있다.
회전(rotation) 모션만 존재하는 경우 참조 도로 프레임을 생성하는 방안은 다음과 같다.
라이다 장비로 포인트 클라우드를 캡처하는 자동차/또는 이동장비가 회전 모션만 있는 경우, 고정된 객체와 움직이는 객체로 인해 변경된 참조 도로 프레임 생성 방법은 다음과 같을 수 있다. 마찬가지로, 이러한 참조 도로 프레임 생성 방법은 송신 장치 및 수신 장치 모두에서 수행될 수 있다.
실시예들에 따른 참조 도로 프레임 생성 방법은 1) 이전 도로 프레임을 참조 도로 프레임으로 설정하는 단계, 2-1) 참조 도로 프레임의 포인트들 회전시키고, 좌표계를 구면 좌표계로 변환하고, 레이저 아이디 별 캡쳐된 포인트를 계산하고, 포인트가 없는 영역의 레이저 아이디 및 앵글을 검색하는 단계, 2-2) 참조 프레임에서 검색된 포인트에 기초하여 다음 도로 프레임을 업데이트하고, 업데이트된 다음 도로 프레임이 참조 도로 프레임이 되고, 참조 도로 프레임의 다음 도로 프레임을 업데이트된 참조 도로 프레임에 기초하여 인코딩하고 디코딩하는 단계를 포함할 수 있다.
예를 들어, 1) 참조 도로 프레임이 없는 경우, 이전 도로 프레임을 참조 도로 프레임으로 설정할 수 있다. 2) IPPP 모드라면, 현재 프레임이 N번째 프레임이라면, 참조 도로 프레임을 참조해서 인코딩/디코딩할 수 있다. 일반적으로 N-1번째 도로를 참조할 수 있다. N+1번째 프레임을 인코딩하기 전에, N번째와 N-1의 글로벌 회전 모션만 존재하는 경우, 참조 도로 프레임의 포인트들을 회전한 만큼 회전 시킨 후, spherical 좌표계를 다시 계산해서 laserID당 캡처된 포인트를 계산할 수 있다. N번째 도로 프레임에서 포인트가 없는 laserID와 angle값을 검색하고, 참조 도로 프레임에서 해당 포인트들이 존재하는지 검색하고, 있으면 해당 포인트로 N번째 도로 프레임을 업데이트하고 업데이트된 N번째 도로 프레임을 참조 도로 프레임으로 업데이트하고 업데이트된 N번째 도로 프레임을 참도 도로 프레임으로 업데이트하고 N+1번째 프레임을 인코딩/디코딩할 때 참고할 수 있다. 또는 반대로 현재 프레임을 회전 반대방향으로 회전 한 후, 포인트가 없는 laserID와 angle값을 참조 프레임으로부터 채울 수 있다.
이로 인하여, 참조 도로 프레임에 발생한 객체/모션 등의 영향을 제거하고, 이로 인해 발생할 수 있는 메모리 부담, 예측 정확도 감소 문제를 해결하여, 도로 프레임을 정확하고 빠르게 예측 인코딩/디코딩할 수 있는 효과가 있다.
또한, 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 참조 도로 프레임을 생성하는 방법 및/또는 참조 도로 프레임을 초기화하는 방법을 포함할 수 있다.
인코더에서 참조 도로 프레임과 현재 프레임의 차이가 많이 날 경우, 예를 들어 유사성 점수(similarity score)를 계산하여, 두 프레임 사이에는 연관관계가 없이 새로운 씬(scene)이라는 것을 표시할 수 있는 플래그를 생성하고, 디코더에 시그널링 정보로서 전달할 수 있다. 이 경우, 인코더/디코더 모두 참조 프레임 업데이트를 수행하지 않을 수 있다. 즉, 씬이 달라지는 경우는 참조 도로 프레임을 이용해서 현재 도로 프레임을 예측하지 않기 때문에, 씬 변경 시 메모리 부담이 발생할 수 있는 문제를 해결할 수 있다.
예를 들어, 도17 내지 도19를 참조하면, 복수의 프레임들에 대해 다음, 현재, 이전 등과 같은 지칭은 기준에 따라서 다양하게 설명될 수 있다. 예를 들어, N을 현재 프레임, N-1을 이전 프레임이라고 하면, 다음과 같이 설명될 수 있다. 실시예들은 참조 도로 프레임 생성을 포함하기 때문에 현재 프레임에서 앞으로의 N+1 인코딩/디코딩을 위한 참조 도로 프레임을 업데이트하는 방법을 포함한다. 이러한 동작을 통해서 메모리를 덜 쓰기 위해서 현재 프레임(N)을 다음 프레임(N+1)을 인코딩/디코딩하기 전에 업데이트할 수 있다. 즉 현재 프레임을 인코딩/디코딩하고, 다음 프레임을 위해 자신의 데이터를 이전 프레임을(N-1)을 통해 업데이트할 수 있기 때문이다. 현재 프레임(N)에서는 이전 프레임(=참조 프레임, N-1)을 이미 가지고 있는 상태이기 때문에 현재 프레임의 도로를 N-1을 참조해서 업데이트하면 N-1 프레임을 삭제 가능하다.
다시 말해, 현재 프레임을 이미 인코딩하고, 그 후에 다음 프레임을 위해서(N+1) 현재 프레임(N)이 미싱 포인트를 가지는 경우, 이전 참도 도로 프레임(N-1)로부터 가져와서 N을 업데이트한다고 볼 수 있다. 그리고 N+1에서 업데이트된 정보를 사용할 수 있다.
도20은 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도20은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 수행하는 장치(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도20의 인코더, 도28 송신 방법)의 구성을 나타낸다. 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다. 각 구성요소의 동작에 관한 설명은 전술한 실시예들의 설명을 따를 수 있다.
부호화기(인코더 혹은 송신 장치 등으로 지칭 가능)의 입력으로 PCC 데이터가 들어가고 부호화되어 지오메트리 정보 비트스트림과 속성정보 비트스트림이 출력될 수 있다.
실시예들에 따른 지오메트리 정보 부호화부(혹은 지오메트리 정보 인코더, 지오메트리 인코더 등으로 지칭 가능함)은 도20과 같이 구성될 수 있다.
한편, 실시예들에 따른 지오메트리 정보 부호화부는 도1 등의 포인트 클라우드 비디오 인코더, 인코딩, 포인트 클라우드 인코더, 포인트 클라우드(Point Cloud) 비디오 인코딩을 위한 구성요소(들)에 대응될 수 있다.
지오메트리 정보 부호화부는 도로/객체 분할부를 통해 도로와 객체를 분할하고, 프레임의 종류가 P프레임(P-frame)인 경우 LPU 분할부를 거쳐 모션 예측부를 통해 글로벌 모션을 예측하고 PU 분할부를 통해 분할이 필요한 영역에 대해서 분할을 진행하고, 모션 예측부를 통해 로컬 모션을 예측할 수 있다. 이 과정은 더 이상 분할이 필요 없을 때까지 또는 지정된 레벨까지만 진행될 수 있다. LPU/PU분할 여부와 각 LPU/PU별 예측된 모션은 관련 시그널링 정보로 생성되고, 비트스트림에 포함되어 디코더에 시그널링될 수 있다.
모션 예측부는 PU 모션을 디코더에 시그널링 할 수 있다. 즉, PU 모션 관련 파라미터를 생성해서, 비트스트림에 포함시켜서 디코더에 전송할 수 있다.
모션 보상 적용부는 참조 도로 프레임 생성 여부를 입력 받아서, 도로 PU에 대해서 참조 도로 프레임 생성 여부를 파라미터로 생성하고 비트스트림에 포함시켜서 디코더에 시그널링 할 수 있다. 연속된 프레임의 유사성 여부를 비교하고 스레드홀드(threshold)보다 작으면 두 프레임이 서로 다른 씬(scene)으로 규정하고, 뉴 씬 플래그(new_scene_flag)를 참(True)으로 설정하여 디코더에 전송할 수 있다.
모션 보상 적용부는 생성된 LPU/PU들에 예측된 모션을 적용할지 여부를 RDO를 통해 결정하고, 결정에 따라서 참조 프레임에 모션을 적용할 수 있다. 적용 여부를 파라미터로 생성하고 비트스트림에 포함시켜서 디코더에 시그널 될 수 있다.
보상된 포인트들을 가지고 지오메트리 정보 인터(inter) 예측부를 통해 지오메트리 정보가 압축되고, 관련 데이터가 시그널링될 수 있다.
모션 예측부는 다음과 같은 동작을 수행할 수 있다.
도로PU의 모션을 검색하기 위한 참조 도로 프레임을 생성하는지 여부를 입력 받을 수 있다. 참조 도로 프레임을 생성하는 경우, 인코더/디코더 모두 같은 참조 도로 프레임으로 업데이트 되어야 함으로 디코더에 참조 도로 프레임 생성 여부 플래그를 시그널링 할 수 있다.
모션 보상 적용부는 다음과 같은 동작을 수행할 수 있다.
도로 PU의 모션, 참조 도로 프레임을 사용 여부와 새로운 씬인지 여부에 따라서 생성된 참조 프레임을 기반으로 해당 도로 PU에 모션을 적용할 수 있다.
도로 모션에서 글로벌 모션이 없는 경우, 도17과 같이 레이저 아이디(laserID)에서 캡처되지 못한 포인트들을 찾아서 참조 도로 프레임을 업데이트할 수 있다. 이동 모션만 있는 경우, 센서 원점 위치를 변경해서 좌표계를 재계산하고, 도18과 같이 레이저 아이디(laserID)에서 캡처되지 못한 포인트들을 찾아서 참조 도로 프레임을 업데이트 할 수 있다. 이동/회전 모션이 있는 경우, 도19와 같이 센서 원점 위치를 먼저 변경해서 좌표계를 재계산하고, 회전을 적용한 후, 레이저 아이디(laserID)에서 캡처되지 못한 포인트들을 찾아서 참조 도로 프레임을 업데이트 할 수 있다. 회전 모션만 있는 경우, 도20과 같이 회전을 적용한 후, 레이저 아이디(laserID)에서 캡처되지 못한 포인트들을 찾아서 참조 도로 프레임을 업데이트 할 수 있다. 이와 같은 작업은 인코더/디코더 모두 수행되고, 같은 참조 도로 레임 기반으로 예측을 수행할 수 있다.
참조 도로 프레임과 현재 도로 프레임의 유사성 판단을 위한 스레드홀드(threshold)를 입력 받을 수 있다. 두 프레임간의 유사성을 비교한 후, 스레드홀드(threshold)보다 작은 경우, 씬(scene)이 다른 것으로 판단하고, 뉴 씬 플래그(new_scene_flag)를 참(True)으로 설정하여 디코더에 시그널링할 수 있다. 이 경우, 인코더/디코더 모두에서 참조 도로 프레임은 초기화 될 수 있다.
도16, 도17, 도18, 도19 등에서 설명한 실시예들에 따른 참조 도로 프레임 생성 방법은 도20의 인코더, 지오메트리 인코더, LPU분할부, 모션 예측부, PU분할부, 모션 보상 적용부, 지오메트리 정보 인터 예측부 등에 의해서 수행될 수 있다
한편, 인코더는 인코딩 인스트럭션을 저장한 메모리 및 메모리와 연결된 프로세서로 구성되어, 해당 인코딩 인스트럭션은 프로세서로 하여금 인코딩 동작을 수행하도록 구성될 수 있다.
한편, 참조 도로 프레임 생성 및 참조 도로 프레임 기반 인터 예측은 지오메트리 관점에서 설명되었지만, 어트리뷰트 인코딩 과정에도 동일하게 적용될 수 있다.
데이터 입력부는 지오메트리, 어트리뷰트, 관련 파라미터를 수신할 수 있다. 라이다 등에 의해 캡쳐된 포인트를 포함하는 프레임을 수신할 수 있다.
좌표계 변환부는 부호화를 위해 적합한 좌표계로 포인트의 좌표계를 변환할 수 있다.
지오메트리 정보 변환 양자화 처리부는 부호화를 위해 적합한 양자화 파라미터를 이용해서 포인트를 양자화할 수 있다.
공간 분할부는 부호화를 위해 적합한 공간으로 포인트들을 분할할 수 있다. 분할된 어트리뷰트는 어트리뷰트 인코더에 전달할 수 있다.
지오메트리 인코더는 다음 구성을 포함할 수 있다.
복셀화 처리부는 지오메트리를 가진 포인트 클라우드를 복셀화할 수 있다.
지오메트리 인코더는 프레임의 종류에 따라서, 프레임이 P프레임인 경우, 분할 및 모션 예측/보상/인터예측을 수행하고, I프레임인 경우 인트라 예측을 수행할 수 있다.
지오메트리 인코더는 P프레임에 대해 LPU분할부를 통해서 도로 및 객체를 LPU(Largest Prediction Unit)단위로 분할할 수 있다. 도로 프레임 및 객체 프레임에 대해, 모션 예측부는 도로 포인트의 모션, 객체 포인트의 모션을 예측할 수 있다. 모션 예측부는 도로PU의 모션을 검색하기 위한 참조 도로 프레임을 생성하는지 여부를 나타내는 시그널링 정보를 수신하여, 이에 따라서, 참조 도로 프레임을 생성할 수 있다. 참조 도로 프레임 생성 동작은 전술한 설명을 참조한다.
PU분할부는 LPU를 PU단위로 분할할 수 있다. 도로 PU들 및 객체PU들이 각각 생성될 수 있다. LPU 및 PU단위는 모션 예측/보상 설정에 따라서 다양하게 구성될 수 있다.
모션 보상 적용부는 참조 프레임을 기반으로 해당 도로 PU 및 객체 PU 각각에 모션을 적용할 수 있다. 전술한 바와 같이, 참조 프레임을 업데이트하여 미싱 파트를 해결하고, 업데이트된 참조 프레임에 기초하여 프레임의 모션을 보상하여, 인터 예측을 할 수 있다. 미싱 파트로 인한 문제점이 해소되므로, 정확하고 빠른 프레임 간 예측을 수행할 수 있다
인터 예측부는 모션 보상 후 참조 프레임 기반 현재 프레임을 예측하고, 예측된 포인트의 지오메트리 및 현재 포인트의 지오메트리 간 잔차를 생성하여, 잔차만 압축하고 엔트로피 인코딩하여 축소된 사이즈를 가지는 비트스트림을 전송할 수 있다.
부호호된 지오메트리는 다시 복원되어 어트리뷰트 부호화를 위해서, 포인트의 지오메트리가 필요하므로, 어트리뷰트 인코더에 전달될 수 있다.
지오메트리 인코더는 인트라 프레임 예측을 수행할 수 있다. 참조 프레임 없이 현재 프레임 내 유사 포인트를 이웃 후보로부터 찾아서, 잔차를 생성하고, 잔차를 엔트로피 인코딩할 수 있다.
어트리뷰트 인코더는 색상 변환 처리부를 통해서, 어트리뷰트를 적합한 색상 체계로 변환할 수 있다.
어트리뷰트 인코더는 지오메트리 부호화 방식이 손실 기반 부호화인 경우 어트리뷰트(색상)을 손실된 지오메트리에 대해 복원하기 위해서 리컬러링부를 통해서 색상을 다시 조정할 수 있다. 어트리뷰트 인코더는 지오메트리 부호화 방식이 손실이 없는 방식인 경우 리컬러링 단계를 스킵할 수 있다.
어트리뷰트 인코더는 어트리뷰트 인트라 예측 방식인 경우, 어트리뷰트 정보를 인트라 프레임 방식으로 예측 코딩을 수행할 수 있다. 어트리뷰트 인트라 예측 방식이 아닌 경우 어트리뷰트 정보를 인터 프레임 방식으로 예측 코딩을 수행할 수 있다. 지오메트리와 마찬가지로, 어트리뷰트 인터 프레임 방식은 참조 프레임을 참조하여 현재 프레임의 어트리뷰트를 예측하고, 어트리뷰트 인터 프레임 방식으로 어트리뷰트를 부호화할 수 있다. 인터 예측 및/또는 인트라 예측 방식으로 어트리뷰트를 예측해서, 잔차를 생성해서, 잔차를 엔트로피 방식으로 부호화하여, 어트리뷰트 정보를 포함하는 어트리뷰트 정보 비트스트림을 생성할 수 있다. 또한, 부호화된 어트리뷰트를 복원하여 참조 프레임 버퍼에 전달할 수 있다. 참조 프레임 버퍼는 복원된 지오메트리 정보 및/또는 복원된 어트리뷰트 정보를 저장하고, 다음 프레임을 인터 예측 방식으로 부호화하는 경우, 참조 프레임에 대한 포인트(지오메트리/어트리뷰트) 정보를 제공할 수 있다.
송신 장치는 포인트 클라우드를 부호화하고, 동작에 따른 파라미터를 생성해서 도22 내지 도27과 같은 비트스트림을 생성해서 전송할 수 있다.
도21은 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도21은 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 수행하는 장치(도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도21의 디코더, 도29 수신 방법)의 구성을 나타낸다.
각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다. 각 구성요소의 동작에 관한 설명은 전술한 실시예들의 설명을 따를 수 있다.
도21 수신 장치의 각 동작은 도20 송신 장치의 각 동작에 대응하고, 수신 동작은 송신 동작의 역과정을 따를 수 있다.
복호화기의 입력으로 부호화된 지오메트리정보 비트스트림과 속성정보 비트스트림이 들어가고 복호화 되어 복원된 PCC된 데이터가 출력될 수 있다.
실시예들에 따른 지오메트리정보 복호화부는 도1 등의 포인트 클라우드 비디오 디코더, 디코딩, 포인트 클라우드 디코더, 신기의 Point Cloud 비디오 디코딩을 위한 구성요소(들)에 대응될 수 있다.
한편, 디코더는 디코딩 인스트럭션을 저장한 메모리 및 메모리와 연결된 프로세서로 구성되어, 해당 디코딩 인스트럭션은 프로세서로 하여금 디코딩 동작을 수행하도록 구성될 수 있다.
모션 보상 적용부는 전송된 도로 PU의 모션, 참조 도로 프레임을 사용 여부와 새로운 씬인지 여부에 따라서 생성된 참조 프레임을 기반으로 해당 도로 PU에 모션을 적용할 수 있다.
지오메트리 정보 복호화부는 지오메트리 정보 비트스트림(도20 내지 도27)을 수신할 수 있다.
지오메트리 정보 엔트로피 복호화부는 지오메트리 정보를 엔트로피 방식에 기초하여 복호화할 수 있다.
지오메트리 정보 복호화부는 지오메트리 인코딩 방식이 인트라인지 인터인지에 따라서, 복호화 동작을 수행할 수 있다. 지오메트리 인코딩 방식이 지오메트리 인트라 코딩이 아닌 경우 LPU/PU분할부를 통해서, 포인트 클라우드를 포함하는 비트스트림의 시퀀스, 프레임 등을 도로 및/또는 객체로 분할할 수 있다.
모션 보상 적용부는 비트스트림으로부터 뉴 씬 플래그, 참조 도로 프레임 생성 플래그, PU 모션 등을 파싱하여, 도로/객체가 분할된 유닛에 대해 모션 보상을 적용할 수 있다.
지오메트리 정보 인터 예측 복원부는 참조 프레임에 기초하여 현재 프레임의 도로/객체를 예측하고, 수신한 잔차값과 예측값을 합산하여 지오메트리를 복원할 수 있다.
지오메트리 인코딩 방식이 지오메트리 인트라 코딩인경우, 참조 프레임 없이, 현재 프레임 내에서 현재 지오메트리와 가장 유사한 이웃 후보 포인트로부터 예측값을 복원할 수 있다.
지오메트리 정보 변환 역양자화 처리부는 인트라 및/또는 인터 방식에 의해 복원된 지오메트리를 양자화 파라미터에 기초하여 역으로 양자화할 수 있다. 그리고, 복원된 지오메트리는 어트리뷰트 복호화를 위해서 제공될 수 있다.
지오메트리 정보 복호화부는 지오메트리 정보를 복호화할 수 있다.
어트리뷰트 정보 복호화호는 어트리뷰트 잔차 정보 엔트로피 복호화부를 통해서 수신된 잔차를 엔트로피 방식에 기초하여 복호화할 수 있다.
어트리뷰트 정보 복호화부는 어트리뷰트 코딩 방식이 인트라인지 인터인지에 따라서, 대응하는 동작을 수행할 수 있다.
어트리뷰트 코딩 방식이 인트라가 아닌 경우, 어트리뷰트 정보 인터 예측 복원부는 인터 예측 방식을 통해 참조 프레임을 참조하여 현재 프레임에 대한 예측을 생성할 수 있다. 지오메트리와 마찬가지로, 참조 프레임을 생성할 수 있다.
어트리뷰트 코딩 방식이 인트라인 경우, 어트리뷰트 정보 인트라 예측 복원부는 참조 프레임 없이 현재 프레임 내 현재 포인트와 가장 유사한 어트리뷰트를 가지는 이웃 후보로부터 예측을 생성할 수 있다.
어트리뷰트 정보 복호화부는 복원된 어트리뷰트 정보를 생성할 수 있다. 참조 프레임 버퍼는 복원된 지오메트리 및 복원된 어트리뷰트를 저장하여, 참조 프레임에 대한 지오메트리 및 어트리뷰트로 저장하고, 참조 프레임의 다음 프레임을 예측하는 경우, 참조 정보를 제공할 수 있다.
색상 역변환 처리부는 색상 체계를 역으로 변환할 수 있다.
어트리뷰트 정보 복호화부는 어트리뷰트 정보를 생성할 수 있다.
도22는 실시예들에 따른 포인트 클라우드 데이터 및 파라미터를 포함하는 비트스트림을 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법을 수행하는 장치(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도20의 인코더, 도28 송신 방법)는 도22 비트스트림을 생성하고, 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 수행하는 장치(도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도21의 디코더, 도29 수신 방법)은 도20 비트스트림의 파라미터에 기초하여, 도20비트스트림의 지오메트리 및/또는 어트리뷰트를 디코딩할 수 있다.
이와 같이, 실시예들에 따른 방법/장치는 실시예들을 추가/수행 하기 위해서 관련 정보를 시그널링할 수 있다. 실시예들에 따른 시그널링 정보는 송신단 또는 수신단 등에서 사용될 수 있다.
부호화된 포인트 클라우드 구성은 다음과 같다. 지오메트리 인코딩 및/또는 어트리뷰트 인코딩을 수행하는 포인트 클라우드 데이터 인코더는 다음과 같은 인코딩된 포인트 클라우드 (또는 포인트 클라우드를 포함하는 비트스트림)을 생성할 수 있다. 또한, 포인트 클라우드 데이터에 관한 시그널링 정보는 포인트 클라우드 데이터 송신 장치의 메타데이터 처리부에 의해 생성되고 처리되어 다음과 같이 포인트 클라우드에 포함될 수 있다.
각 약어는 다음을 의미한다. 각 약어는 동등한 의미의 범위 내에서 다른 용어로 지칭될 수 있다: SPS: 시퀀스 파라미터 세트(Sequence Parameter Set), GPS: 지오메트리 파라미터 세트(Geometry Parameter Set), APS: 어트리뷰트 파라미터 세트(Attribute Parameter Set), TPS: 타일 파라미터 세트(Tile Parameter Set), 지오메트리(Geom): 지오메트리 비트스트림(Geometry bitstream) = 지오메트리 슬라이스 헤더(geometry slice header)+ [지오메트리 PU헤더(geometry PU header) + 지오메트리 PU데이터(Geometry PU data)] | 지오메트리 슬라이스 데이터(geometry slice data), 어트리뷰트(Attr): 어트리뷰트 비트스트림(Attribute bitstream) = 어트리뷰트 데이터 유닛 헤더(attribute data unit header) + [어트리뷰트 PU헤더(attribute PU header) + 어트리뷰트 PU데이터(attribute PU data)] | 어트리뷰트 데이터 유닛 데이터(attribute data unit data). 한편, 슬라이스는 데이터 유닛으로 지칭될 수 있고, 슬라이스 헤더는 데이터 유닛 헤더, 슬라이스 데이터는 유닛 데이터로 지칭될 수 있다.
실시예들에 따른 방법/장치는 실시예들에 따른 참조 도로 프레임 생성 정보를 생성하여 SPS, GPS, TPS에 추가하여 시그널링할 수 있다. 참조 도로 프레임 생성 정보를 TPS, 또는 각 슬라이스(Slice) 별 지오메트리 데이터 헤더(Geometry data header)에 추가하여 시그널링할 수 있다. 포인트 클라우드를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스를 제공한다. 영역별로 나눌 때 각각의 영역 별로 다른 이웃 포인트 집합 생성 옵션을 설정해서 복잡도(complexity)는 낮고, 결과의 신뢰도는 다소 떨어지거나 반대로 복잡도가 높으나 신뢰도가 높은 선택 방안을 제공할 수 있다. 수신기의 처리능력(capacity)에 따라서 다르게 설정할 수 있다. 따라서, 포인트 클라우드는 타일(Tile)로 나누어지는 경우, 각 타일별로 다른 옵션을 적용할 수 있다. 포인트 클라우드는 슬라이스(Slice)로 나누어지는 경우, 각 슬라이스별로 다른 옵션을 적용할 수 있다. 지메트리 PU(Geometry PU)를 추가하고, 지오메트리 PU 헤더(Geometry PU header), 지오메트리 PU데이터(Geometry PU data)를 추가할 수 있다.
이하에서, 각 도면을 참조하여 도20 비트스트림에 포함된 파라미터 세트의 신택스를 설명한다.
도23은 실시예들에 따른 시퀀스 파라미터 세트(Sequence parameter Set, SPS)를 나타낸다.
도23 SPS는 도22 비트스트림에 포함된 SPS를 나타낸다. 참조 도로 프레임 생성 관련 옵션 정보를 SPS(Sequence Parameter Set)에 추가하여 시그널링할 수 있다. 이로 인하여, 지오메트리/속성의 인터 예측 지원을 위해 효율적으로 시그널링할 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
프로파일(profile_idc): 비트스트림이 준수하는 프로파일을 나타낸다. 비트스트림은 지정된 것 이외의 profile_idc 값을 포함하지 않는다. profile_idc의 다른 값은 ISO/IEC에서 향후 사용을 위해 예약된다.
프로파일 호환성 플래그(profile_compatibility_flags): 1과 같은 profile_compatibility_flags는 비트스트림이 j와 같은 profile_idc에 의해 표시된 프로파일을 준수함을 나타낸다.
SPS 어트리뷰트 세트 개수(sps_num_attribute_sets): sps_num_attribute_sets는 비트스트림에서 코딩된 속성의 개수를 나타낸다. sps_num_attribute_sets의 값은 0에서 63 사이일 수 있다.
어트리뷰트 디멘션(attribute_dimension[i]): i번째 속성의 구성 요소 개수를 나타낸다.
어틜뷰트 인스턴스 아이디(attribute_instance_id[i]): i번째 속성에 대한 인스턴스 ID를 나타낸다.
참조 도로 생성 플래그(reference_road_generation_flag): 시퀀스에서 참조 도로 생성 여부를 나타낸다.
도24는 실시예들에 따른 지오메트리 파라미터 세트(Geometry Parameter Set, GPS)를 나타낸다.
도24 GPS는 도22 비트스트림에 포함된 GSP를 나타낸다. 참조 도로 프레임 생성 관련 옵션 정보를 GPS(Geometry Parameter Set)에 추가하여 시그널링할 수 있다. 이로 인하여, 지오메트리/속성의 인터 예측 지원을 위해 효율적으로 시그널링할 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
GPS 지오메트리 파라미터 세트 아이디(gps_geom_parameter_set_id): 다른 구문 요소에서 참조할 GPS에 대한 식별자를 나타낸다. gps_seq_parameter_set_id의 값은 0에서 15까지의 범위에 있을 수 있다.
GPS 파라미터 세트 아이디(gps_seq_parameter_set_id): 활성 SPS에 대한 sps_seq_parameter_set_id 값을 나타낸다. gps_seq_parameter_set_id의 값은 0에서 15까지의 범위에 있을 수 있다.
지오메트리 트리 타입(geom_tree_type): 0과 동일한 geom_tree_type은 위치 정보가 Octree를 사용하여 코딩됨을 나타낸다. 1과 같은 geom_tree_type은 위치 정보가 예측 트리를 사용하여 코딩됨을 나타낸다.
뉴 씬 플래그(new_scene_flag): 프레임이 이전 프레임과 비교해서 새로운 씬(scene)인지 여부를 나타낸다.
참조 도로 생성 플래그( reference_road_generation_flag): 프레임에서 참조 도로 생성 여부를 나타낸다.
도25는 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set, TPS)의 신택스를 나타낸다.
도25 TPS는 도22 비트스트림에 포함된 TPS를 나타낸다. 참조 도로 프레임 생성 관련 옵션 정보를 TPS(Tile Parameter Set)에 추가하여 시그널링할 수 있다. 이로 인하여, 지오메트리/속성의 인터 예측 지원을 위해 효율적으로 시그널링할 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
타일 개수(num_tiles): 비트스트림에 대해 신호를 보내는 타일 개수를 나타낸다. 존재하지 않는 경우 num_tiles는 0으로 유추된다.
타일 바운딩 박스 오프셋x(tile_bounding_box_offset_x[i]): 데카르트 좌표에서 i번째 타일의 x 오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_x[0]의 값은 sps_bounding_box_offset_x로 유추된다.
타일 바운딩 박스 오프셋y(tile_bounding_box_offset_y[i]): 데카르트 좌표에서 i번째 타일의 y 오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_y[0]의 값은 sps_bounding_box_offset_y로 유추된다.
타일 바운딩 박스 오프셋z(tile_bounding_box_offset_z[i]): 데카르트 좌표에서 i번째 타일의 z 오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_z[0]의 값은 sps_bounding_box_offset_z로 유추된다.
뉴 씬 플래그(new_scene_flag): 타일에서 프레임이 이전 프레임과 비교해서 새로운 씬(scene)인지 여부를 나타낸다.
참조 도로 생성 플래그( reference_road_generation_flag): 타일에서 참조 도로 생성 여부를 나타낸다.
도26은 실시예들에 따른 지오메트리 슬라이스 헤더(지오메트리 데이터 헤더)(Geometry Data Header)의 신택스를 나타낸다.
도26 GSH(Geometry Slice Header, Geometry Data Header 등으로 지칭 가능함)는 도22 비트스트림에 포함된 지오메트리 슬라이스 헤더를 나타낸다. 참조 도로 프레임 생성 관련 옵션 정보를gsh에 추가하여 시그널링할 수 있다. 이로 인하여, 지오메트리/속성의 인터 예측 지원을 위해 효율적으로 시그널링할 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다. 지오메트리 정보 인코딩/디코딩 과정에 포인트 참조 도로 프레임 생성 정보를 지오메트리 데이터 헤더(Geometry data header)에 추가하여 시그널링 할 수 있다. 해당 정보를 통해 생성된 참조 도로 프레임은 속성에서도 활용할 수 있다.
GSH지오메트리 파라미터 세트 아이디(gsh_geometry_parameter_set_id): 활성 GPS의 gps_geom_parameter_set_id 값을 나타낸다.
GSH 타일 아이디(gsh_tile_id): GSH가 참조하는 타일 ID의 값을 나타낸다. gsh_tile_id의 값은 0에서 XX까지의 범위에 있을 수 있다.
GHS 슬라이스 아이디(gsh_slice_id): 다른 구문 요소에서 참조할 슬라이스 헤더를 나타낸다. gsh_slice_id의 값은 0에서 XX까지의 범위에 있을 수 있다.
뉴 씬 플래그(new_scene_flag): 타 슬라이스에서 프레임이 이전 프레임과 비교해서 새로운 씬(scene)인지 여부를 나타낸다.
참조 도로 생성 플래그( reference_road_generation_flag): 슬라이스에서 참조 도로 생성 여부를 나타낸다.
도27은 실시예들에 따른 지오메트리 PU 헤더(Geometry PU Header)의 신택스를 나타낸다.
도26 지오메트리 PU 헤더는 도22 비트스트림에 포함된다. 참조 도로 프레임 생성 관련 옵션 정보를지오메트리 PU 헤더에 추가하여 시그널링할 수 있다. 이로 인하여, 지오메트리/속성의 인터 예측 지원을 위해 효율적으로 시그널링할 수 있다. 인터 예측 관련 참조 도로 프레임 생성 정보는Geom PU Header 를 생성하여 시그널링 할 수 있다
PU타일 아이디(pu_tile_id): PU가 속한 타일 ID 를 나타낸다.
PU 슬라이스 아이디(pu_slice_id): PU가 속한 슬라이스 ID 를 나타낸다.
PU 카운트(pu_cnt): 슬라이스에 포함된 PU들의 개수를 나타낸다.
PU 아이디(pu_id): PU ID를 나타낸다.
PU 스플릿 플래그(pu_split_flag): PU 블록이 이후 추가로 분할되었는지를 나타낸다.
PU 모션 벡터 포함 플래그(pu_has_motion_vector_flag): PU 블록이 모션 벡터를 가지는지를 나타낸다.
PU 모션 매트릭스(pu_motion_mat[][][]): PU 블록에 적용되는 모션 행렬을 나타낸다.
PU 모션 회전 벡터(pu_motion_rot_vector[][]): PU 블록에 적용되는 모션 회전 벡터를 나타낸다.
PU 모션 트랜스퍼(pu_motion_trans [][]): PU 블록에 적용되는 모션 이동 벡터를 나타낸다.
PU 모션 회전 타입(pu_motion_rot_type[]): PU 블록에 적용되는 모션 회전 값 타입을 나타낸다. 예를 들어, 0이면= 라디안(radian)이고, 1이면 디그리(degree)를 나타낼 수 있다.
PU 모션 회전(pu_motion_rot[]): PU 블록에 적용되는 모션 회전을 나타낸다. 회전 축은 도로 노멀 벡터를 기준으로 회전할 수 있다.
도로 플래그(is_road_flag): LPU 블록에 포함된 포인트의 도로/객체 여부를 나타낸다.
오브젝트 아이디(object_id): PU 블록에 포함된 포인트의 객체 id를 나타낸다.
뉴 씬 플래그(new_scene_flag[]): PU블록에서 프레임이 이전 프레임과 비교해서 새로운 씬(scene)인지 여부를 나타낸다.
참조 도로 생성 플래그(reference_road_generation_flag[]): PU블록에서 참조 도로 생성 여부를 나타낸다.
도28은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도28은 실시예들에 따른 포인트 클라우드 데이터 송신 방법으로, 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도20의 인코더 등에 의해 수행될 수 있다.
S2800, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계를 포함할 수 있다. 실시예들에 따른 인코딩 동작은 도1 내지 도10과 같이 포인트 클라우드 데이터를 인코딩할 수 있다. 지오메트리 인코딩 및/또는 어트리뷰트 인코딩을 포함할 수 있다. 부호화된 포인트 클라우드를 비트스트림에 포함시키고, 부호화와 연관된 파라미터를 생성해서, 비트스트림에 포함시킬 수 있다(도22 내지 도27). 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 포함하는 비트스트림을 생성할 수 있다. 또한, 도11 내지 도19와 같이, 포인트 클라우드를 포함하는 프레임을 인터-프레임 방식으로 부호화하는 경우 객체 및/또는 도로를 분할하여 예측 인코딩을 포함할 수 있다. 인터-프레딕션을 위한 참조 프레임을 생성하고, 업데이트하는 방식을 도11 내지 도19와 같이 수행할 수 있다.
S2810, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 더 포함할 수 있다. 실시예들에 따른 전송 동작은 도22 내지 도27과 같은 비트스트림을 전송할 수 있다.
도29는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
도29는 실시예들에 따른 포인트 클라우드 데이터 수신 방법으로, 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도21의 디코더 등에 의해 수행될 수 있다.
S2900, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함할 수 있다. 실시예들에 따른 수신 동작은 도22 내지 도27과 같은 비트스트림을 수신할 수 있다.
S2910, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 디코딩하는 단계를 더 포함할 수 있다. 실시예들에 따른 디코딩 동작은 도11 내지 도10과 같이 포인트 클라우드 데이터를 디코딩할 수 있다. 지오메트리 디코딩 및/또는 어트리뷰트 디코딩을 포함할 수 있다. 부호화 및/또는 복호화와 연관된 파라미터에 기초하여, 비트스트림에 포함된 포인트 클라우드를 복호화할 수 있다. 또한, 도11 내지 도19와 같이, 포인트 클라우드를 포함하는 프레임을 인터-프레임 방식으로 복호화하는 경우 객체 및/또는 도로를 분할하여 예측 디코딩을 포함할 수 있다. 인터-프레딕션을 위한 참조 프레임을 생성하고, 업데이트하는 방식을 도11 내지 도19와 같이 수행할 수 있다.
상술한 실시예들의 PCC 부호화 방법, PCC복호화 방법, 시그널링 방법은 다음의 효과를 제공할 수 있다.
실시예들에 따른 송신 방법은, 도1을 참조하면, 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다.
도11-15를 참조하면, 도로/객체 포인트 구성 관련하여, 실시예들에 따른 포인트 클라우드 데이터는 도로에 연관된 포인트 및 객체에 연관된 포인트를 포함하고, 도로에 연관된 포인트를 포함하는 프레임은 도로에 연관된 객체에 의해 도로에 연관된 포인트가 변형되거나, 도로에 연관된 포인트가 손실(missing)될 수 있다.
도16을 참조하면, 라이다 아이디 별 포인트 캡쳐 관련하여, 포인트 클라우드 데이터는 라이다에 의해 획득되고, 포인트 클라우드 데이터는 라이다의 레이저 아이디에 기초하여 포인트를 포함할 수 있다.
도17을 참조하면, (예를 들어, 글로벌 모션 없는) 참조 도로 프레임 생성 방법 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 참조 도로 프레임의 미싱된 포인트는 참조 도로 프레임의 이전 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 참조 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다.
마찬가지로, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 도로 프레임의 미싱된 포인트는 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다. 즉, 복수의 도로 프레임들이 있고, 미싱된 포인트가 존재하는 경우, 다음 인코딩 및/또는 디코딩을 위해서 미싱된 포인트를 이전 도로 프레임을 이용하여 업데이트하여, 다음 도로 프레임 인코딩/디코딩을 위한 보강된 참조 도로 프레임을 생성할 수 있다. 현재 프레임이 다음 프레임 인코딩/디코딩 이전에 업데이트되면, 메모리 사용을 효과적으로 줄일 수 있는 효과가 있다. 현재 프레임은 이전 프레임, 즉 참조 프레임을 이미 가지고 있기 때문에, 현재 프레임의 도로를 이전 도로 정보를 참조해서 업데이트하면, 이전 프레임을 삭제할 수 있다.
도18을 참조하면, (예를 들어, 이동만 있는 경우) 참조 도로 프레임 생성 방법 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 참조 도로 프레임의 원점 좌표 정보는 변경되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고, 참조 도로 프레임의 미싱된 포인트는 참조 도로 프레임의 이전 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 참조 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다.
마찬가지로, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 참조 도로 프레임의 원점 좌표 정보는 변경되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고, 도로 프레임의 미싱된 포인트는 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다. 이를 통해, 전술한 효과를 제공할 수 있다.
도19를 참조하면, (예를 들어, 이동/회전 있는 경우) 참조 도로 프레임 생성 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 참조 도로 프레임의 원점 좌표 정보는 변경되고, 참조 도로 프레임은 회전되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고, 참조 도로 프레임의 미싱된 포인트는 참조 도로 프레임의 이전 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 참조 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다.
마찬가지로, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 상기 도로 프레임을 예측하고, 참조 도로 프레임의 원점 좌표 정보는 변경되고, 참조 도로 프레임은 회전되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고, 도로 프레임의 미싱된 포인트는 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다. 이를 통해, 전술한 효과를 제공할 수 있다.
도19이하를 참조하면, (예를 들어, 회전만 있는 경우) 참조 도로 프레임 생성 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 참조 도로 프레임은 회전되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고, 참조 도로 프레임의 미싱된 포인트는 참조 도로 프레임의 이전 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 참조 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다.
마찬가지로, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 참조 도로 프레임은 회전되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고, 도로 프레임의 미싱된 포인트는 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다.
도19 이하를 참조하면, 참조 도로 프레임 초기화 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 참조 도로 프레임을 초기화하는 단계를 더 포함할 수 있다.
도22를 참조하면, 시그널링 관련하여, 비트스트림은 참조 도로 프레임을 생성할지 여부를 나타내는 정보 또는 현재 프레임이 새로운 장면인지 여부를 나타내는 정보 중 적어도 하나를 포함할 수 있다. 예를 들어, 참조 도로 프레임을 생성할지 여부를 나타내는 정보, 현재 프레임이 새로운 장면인지 여부를 나타내는 정보, 혹은 참조 도로 프레임을 생성할지 여부를 나타내는 정보 및 현재 프레임이 새로운 장면인지 여부를 나타내는 정보를 포함할 수 있다.
포인트 클라우드 데이터 송신 방법은 송신 장치에 의해 수행되고, 송신 장치는 포인트 클라우드 데이터를 인코딩하는 인코더; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 전송부; 를 포함하라 수 있다.
포인트 클라우드 데이터 송신 방법에 대응하는 수신 방법은 송신의 역과정을 수행하고, 예를 들어, 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다.
포인트 클라우드 데이터 수신 방법은 마찬가지로, 포인트 클라우드 데이터를 디코딩하는 단계에서, 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 디코딩하는 단계를 포함하고, 도로 프레임을 디코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 상기 도로 프레임을 예측하고, 참조 도로 프레임의 미싱된 포인트는 참조 도로 프레임의 이전 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 참조 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다.
한편, 도로 프레임을 디코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 도로 프레임의 미싱된 포인트는 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 도로 프레임에서 상기 미싱된 포인트가 업데이트될 수 있다.
포인트 클라우드 데이터 수신 방법은 수신 장치에 의해 수행되고, 수신 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함할 수 있다.
이로 인하여, 충분하지 않은 정보를 포함하는 도로 데이터를 보충하여 정확하고 빠른 압축/복원을 할 수 있다. 즉, 잃어버린 도로 포인트를 이전 프레임들로부터 좌표 원점 매칭 및 회전을 통해서, 추가하고 업데이트할 수 있다. 라이다 장비, 객체 등의 움직임에 따라서, 참조 도로 프레임을 각각 다르게 업데이트할 수 있다. 즉, 라이다의 움직임 및 객체 움직임 모두를 보상할 수 있다. 도로 프레임을 작은 비트스트림 사이즈로 압축하고 복원할 수 있다. 객체로 인한 영향으로 압축 성능이 감소하는 문제점을 해결할 수 있다.
움직이는 자동차에서 라이다 장비를 통해서 한 프레임씩 캡처하고 저장하는 경우의 시나리오는 프레임간의 연속성이 존재할 수 있어 인터 예측 기법을 사용해서 압축을 효율적으로 진행할 수 있다. 캡처된 도로와 객체 포인트 클라우드의 모션의 특성이 다르기 때문에 인터 예측 기법을 효율적으로 적용하기 위해서 도로와 객체를 분할해서 각각에 대해 모션을 예측을 빠르고 정확하게 하는 것은 압축 시간에 영향을 줄 수 있으며, 정확한 예측을 통한 인터 예측 기법의 효율성을 높이게 되면 비트스트림 사이즈를 줄일 수 있다. 부정확한 모션 예측은 비트스트림 사이즈를 크게 증가시킬 수 있어 압축 효율을 떨어뜨릴 수 있다. 따라서, 실시예들은 움직이는 자동차에서 라디아 장비로 캡처된 특성을 이용하여 모션을 빠르고 정확하게 예측할 수 있다.
실시예들은 움직이는 자동차에서 라이다 장비를 통해 캡처된 콘텐츠의 효율적인 지오메트리 압축을 지원 위해 도로/객체 분할하고, 도로의 인터 예측 효율을 높이기 위해 인터 예측에 사용하는 참조 도로 프레임을 생성하는 방법을 제공한다. 같은 도로지만, 객체들의 이동에 따라서 도로의 변화에 영향을 주는 부분을 누적으로 업데이트 하기 위해 참조 도로 프레임을 생성하여, 객체들로 인해, 또는 캡처 환경으로 인해 없어진 도로 포인트들을 보완하고 메모리 증가를 감안하여 필요한 부분에 대해서만 참조 도로 프레임을 생성할 수 있다.
이로써 실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)의 인터 지오메트리 압축 효율을 높여서 포인트 클라우드 콘텐츠 스트림을 제공할 수 있다. 해당 방법으로부터 구성된 참조 도로 프레임은 속성 압축에서도 참조 도로 프레임으로 사용해서 압축 효율을 높일 수 있다.
따라서, 실시예들에 따른 송신 방법/장치는 포인트 클라우드 데이터를 효율적으로 압축하여 데이터를 전송할 수 있고, 이를 위한 시그널링 정보를 전달함으로써, 실시예들에 따른 수신 방법/장치 역시 포인트 클라우드 데이터를 효율적으로 디코딩/복원할 수 있다.
상술한 실시예들에 따른 송수신 장치의 동작은 이하의 포인트 클라우드 컴프레션 처리 과정과 결합되어 설명될 수 있다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 의미하고, 2) “B” 만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사욛외는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
한편, 상술한 실시예들에 따른 동작은 실시예들 따른 송신 장치 및/또는 수신 장치에 의해서 수행될 수 있다. 송수신 장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신 장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.
상술한 바와 같이, 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신 장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다.
당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다.
실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항들 및 그 와 동일한 것들의 범위를 벗어나지 않는다.

Claims (15)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  2. 제1항에 있어서,
    상기 포인트 클라우드 데이터는 도로에 연관된 포인트 및 객체에 연관된 포인트를 포함하고,
    상기 도로에 연관된 포인트를 포함하는 프레임은 상기 도로에 연관된 상기 객체에 의해 상기 도로에 연관된 포인트가 변형되거나, 상기 도로에 연관된 포인트가 손실(missing)되는,
    포인트 클라우드 데이터 송신 방법.
  3. 제1항에 있어서,
    상기 포인트 클라우드 데이터는 라이다에 의해 획득되고,
    상기 포인트 클라우드 데이터는 상기 라이다의 레이저 아이디에 기초하여 포인트를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  4. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고,
    상기 도로 프레임을 인코딩하는 단계는,
    상기 현재 프레임의 상기 도로 프레임의 참조 도로 프레임에 기초하여, 상기 현재 프레임의 상기 도로 프레임을 예측하고,
    상기 도로 프레임의 미싱된 포인트는 상기 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 상기 도로 프레임에서 상기 미싱된 포인트가 업데이트되는,
    포인트 클라우드 데이터 송신 방법.
  5. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고,
    상기 도로 프레임을 인코딩하는 단계는,
    상기 현재 프레임의 상기 도로 프레임의 참조 도로 프레임에 기초하여, 상기 현재 프레임의 상기 도로 프레임을 예측하고,
    상기 참조 도로 프레임의 원점 좌표 정보는 변경되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고,
    상기 도로 프레임의 미싱된 포인트는 상기 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 상기 도로 프레임에서 상기 미싱된 포인트가 업데이트되는,
    포인트 클라우드 데이터 송신 방법.
  6. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고,
    상기 도로 프레임을 인코딩하는 단계는,
    상기 현재 프레임의 상기 도로 프레임의 참조 도로 프레임에 기초하여, 상기 현재 프레임의 상기 도로 프레임을 예측하고,
    상기 참조 도로 프레임의 원점 좌표 정보는 변경되고, 상기 참조 도로 프레임은 회전되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고,
    상기 도로 프레임의 미싱된 포인트는 상기 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 상기 도로 프레임에서 상기 미싱된 포인트가 업데이트되는,
    포인트 클라우드 데이터 송신 방법.
  7. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고,
    상기 도로 프레임을 인코딩하는 단계는,
    상기 현재 프레임의 상기 도로 프레임의 참조 도로 프레임에 기초하여, 상기 현재 프레임의 상기 도로 프레임을 예측하고,
    상기 참조 도로 프레임은 회전되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고,
    상기 도로 프레임의 미싱된 포인트는 상기 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 상기 도로 프레임에서 상기 미싱된 포인트가 업데이트되는,
    포인트 클라우드 데이터 송신 방법.
  8. 제4항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 참조 도로 프레임을 초기화하는 단계를 더 포함하는,
    포인트 클라우드 데이터 송신 방법.
  9. 제1항에 있어서,
    상기 비트스트림은 참조 도로 프레임을 생성할지 여부를 나타내는 정보 또는 현재 프레임이 새로운 장면인지 여부를 나타내는 정보 중 적어도 하나를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  10. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 전송부; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  11. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  12. 제11항에 있어서,
    상기 포인트 클라우드 데이터는 도로에 연관된 포인트 및 객체에 연관된 포인트를 포함하고,
    상기 도로에 연관된 포인트를 포함하는 프레임은 상기 도로에 연관된 상기 객체에 의해 상기 도로에 연관된 포인트가 변형되거나, 상기 도로에 연관된 포인트가 손실(missing)되는,
    포인트 클라우드 데이터 수신 방법.
  13. 제11항에 있어서,
    상기 포인트 클라우드 데이터는 라이다에 의해 획득되고,
    상기 포인트 클라우드 데이터는 상기 라이다의 레이저 아이디에 기초하여 포인트를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  14. 제11항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 디코딩하는 단계를 포함하고,
    상기 도로 프레임을 디코딩하는 단계는,
    상기 현재 프레임의 상기 도로 프레임의 참조 도로 프레임에 기초하여, 상기 현재 프레임의 상기 도로 프레임을 예측하고,
    상기 도로 프레임의 미싱된 포인트는 상기 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 상기 도로 프레임에서 상기 미싱된 포인트가 업데이트되는,
    포인트 클라우드 데이터 수신 방법.
  15. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
PCT/KR2023/003708 2022-03-21 2023-03-21 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2023182762A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2022-0034808 2022-03-21
KR20220034808 2022-03-21

Publications (1)

Publication Number Publication Date
WO2023182762A1 true WO2023182762A1 (ko) 2023-09-28

Family

ID=88101762

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/003708 WO2023182762A1 (ko) 2022-03-21 2023-03-21 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (1)

Country Link
WO (1) WO2023182762A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117433440A (zh) * 2023-10-24 2024-01-23 中南大学 一种基于激光点云的巷道形变实时检测方法、装置及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200096726A (ko) * 2019-01-30 2020-08-13 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 자율 주행 차량을 위한 맵 파티셔닝 시스템
KR20210063841A (ko) * 2019-11-25 2021-06-02 숭실대학교산학협력단 3d 포인트 클라우드의 클러스터링 방법 및 이를 수행하는 장치
KR20210102953A (ko) * 2018-12-13 2021-08-20 콘티넨탈 오토모티브 게엠베하 노면 상의 객체를 검출 및 모델링하기 위한 방법
KR20210116336A (ko) * 2020-03-16 2021-09-27 엘지전자 주식회사 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
KR20210149624A (ko) * 2020-06-02 2021-12-09 모셔널 에이디 엘엘씨 Lidar를 사용한 배경 특징부 식별

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210102953A (ko) * 2018-12-13 2021-08-20 콘티넨탈 오토모티브 게엠베하 노면 상의 객체를 검출 및 모델링하기 위한 방법
KR20200096726A (ko) * 2019-01-30 2020-08-13 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 자율 주행 차량을 위한 맵 파티셔닝 시스템
KR20210063841A (ko) * 2019-11-25 2021-06-02 숭실대학교산학협력단 3d 포인트 클라우드의 클러스터링 방법 및 이를 수행하는 장치
KR20210116336A (ko) * 2020-03-16 2021-09-27 엘지전자 주식회사 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
KR20210149624A (ko) * 2020-06-02 2021-12-09 모셔널 에이디 엘엘씨 Lidar를 사용한 배경 특징부 식별

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117433440A (zh) * 2023-10-24 2024-01-23 中南大学 一种基于激光点云的巷道形变实时检测方法、装置及存储介质

Similar Documents

Publication Publication Date Title
WO2020190093A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020189976A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020242244A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2020189982A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020246689A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002604A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2020197086A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020242077A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020256308A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020262831A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021002594A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021029511A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002592A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020190090A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 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
WO2022050650A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021029575A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020189891A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023182762A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021025392A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020262824A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002562A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023182764A1 (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: 23775258

Country of ref document: EP

Kind code of ref document: A1