WO2023182764A1 - 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
WO2023182764A1
WO2023182764A1 PCT/KR2023/003710 KR2023003710W WO2023182764A1 WO 2023182764 A1 WO2023182764 A1 WO 2023182764A1 KR 2023003710 W KR2023003710 W KR 2023003710W WO 2023182764 A1 WO2023182764 A1 WO 2023182764A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
cloud data
data
road
motion
Prior art date
Application number
PCT/KR2023/003710
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 WO2023182764A1 publication Critical patent/WO2023182764A1/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
    • 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
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/537—Motion estimation other than block-based
    • H04N19/54—Motion estimation other than block-based using feature points or meshes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/57—Motion estimation characterised by a search window with variable size or shape
    • 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.
  • the technical problem according to the embodiments is to provide a point cloud data transmission device, a transmission method, and a point cloud data reception device and method for efficiently transmitting and receiving point clouds in order to solve the above-described problems.
  • the technical challenge according to the embodiments is to provide a point cloud data transmission device, a transmission method, and a point cloud data reception device and method to solve latency and encoding/decoding complexity.
  • 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 point cloud data captured by LiDAR.
  • Figure 12 is an example of point cloud data of a road according to embodiments.
  • Figure 13 is an example of point cloud data of a road according to embodiments.
  • Figure 14 is an example of point cloud data of a road according to embodiments.
  • Figure 15 is an example of point cloud data of a road captured by LiDAR.
  • Figure 16 is an example of point cloud data grouping with similar radii.
  • Figure 17 is an example of window settings for motion search of point cloud data according to embodiments.
  • Figure 18 is an example of window settings for motion search of point cloud data according to embodiments.
  • Figure 19 is an example of window settings for motion search of point cloud data according to embodiments.
  • Figure 20 shows an apparatus/method for transmitting point cloud data according to embodiments.
  • Figure 21 shows an apparatus/method for receiving point cloud data according to embodiments.
  • Figure 22 shows the structure of a bitstream according to embodiments.
  • Figure 23 is an example syntax of a geometry parameter set according to embodiments.
  • Figure 24 is an example syntax of a tile parameter set according to embodiments.
  • Figure 25 is an example syntax of a geometry data header according to embodiments.
  • Figure 26 is an example syntax of a geometry PU header according to embodiments.
  • Figure 27 shows a method of transmitting point cloud data according to embodiments.
  • Figure 28 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 transmitting device 10000 may secure, process, and transmit point cloud video (or point cloud content).
  • the transmitter 10000 may be a fixed station, a base transceiver system (BTS), a network, an Aritical 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 according to embodiments 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 transmitter 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, point cloud 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.
  • Transmitter 10003 transmits a bitstream containing 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 transmitting 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 transmitting device 10000 may transmit encapsulated data according to an on demand method.
  • a network such as 4G, 5G, or 6G.
  • 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 transmitting 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., the transmitter 10000) and/or the service provider.
  • the content transmitter e.g., the transmitter 10000
  • the service provider e.g., the transmitter 10000
  • feedback information may be used not only by the transmitting device 10000 but also by 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 can transmit feedback information to the transmitting device 10000.
  • the transmitter 10000 (or 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 transmitting device 10000 may be called an encoder, a transmitting device, a transmitter, a transmitter, etc.
  • the receiving device 10004 may be called a decoder, a receiving 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 includes 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, location information, location data, etc.
  • attributes may be referred to as attributes, attribute information, attribute data, attribute information, attribute data, etc.
  • the point cloud content providing system e.g., the point cloud transmitter 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 geometry information and attribute information 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. there is.
  • a point cloud content providing system e.g., receiver 10004 or point cloud video decoder 10005
  • the point cloud content providing system e.g., the receiver 10004 or the point cloud video decoder 10005
  • the point cloud content providing system may decode the geometry bitstream and restore the positions (geometry) of the points.
  • 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 receiver 10004 or the point cloud video decoder 10005) may restore the point cloud video based on the positions and decoded attributes according to the restored geometry.
  • a point cloud content providing system may render decoded point cloud data (20004).
  • the point cloud content providing system (for example, the receiver 10004 or the renderer 10007) can 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.).
  • the 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 3D 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 transform 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 total number of 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.
  • Attribute prediction residuals quantization pseudo code int PCCQuantization(int value, int quantStep) ⁇ if(value > 0) ⁇ return floor(value / quantStep + 1.0 / 3.0); ⁇ else ⁇ return -floor(-value / quantStep + 1.0 / 3.0); ⁇ ⁇
  • the point cloud encoder (for example, the 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.
  • the equation below represents the RAHT transformation matrix. represents the average attribute value of voxels at level l. Is and It can be calculated from and The weight of is class am.
  • the weight is It is calculated as The root node is the last class It is created 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.
  • Transmission and reception devices/methods include the encoder or decoder described in FIGS. 1, 2, 3, 7, 8, 9, 10, 20, 21, 27, and 28. It may correspond to a device or receiving device, an encoding method or a decoding method, a transmission method, or a reception method.
  • the transmitting and receiving device/method according to the embodiments includes the components described in FIGS. 1, 2, 3, 7, 8, 9, 10, 20, 21, 27, and 28. It may be a device/method constructed by connection or combination.
  • the transmitting and receiving device/method separates road data according to motion to efficiently support inter prediction for point cloud content in Geometry-based Point Cloud Compression (G-PCC). and supports a method of exploring road motion.
  • G-PCC Geometry-based Point Cloud Compression
  • the transmission/reception device/method may configure a prediction unit (PU) for road data. Additionally, the transmitting and receiving device/method can search for motion of separated road data and signal related information.
  • PU prediction unit
  • the G-PCC decoding process of the receiving device/method involves receiving an encoded slice-unit geometry bitstream and attribute bitstream, decoding the geometry, and performing a decoding process. It consists of a process of decoding attribute information based on the reconstructed geometry.
  • a transmission device/method may use an octree-based, predictive tree-based, or trisoup-based compression technique to compress geometry information.
  • An octree according to embodiments may represent a tree based on occupancy information.
  • An octree according to embodiments may also be referred to as an accumancy tree.
  • the transmitting and receiving device/method separates separated roads according to motion to increase compression efficiency through inter prediction of content (or point cloud data) captured with LiDAR equipment from a moving car, and separates the separated roads according to the motion of the road. You can explore.
  • Figure 11 is an example of point cloud data captured by LiDAR.
  • point cloud data captured by LIDAR may include both road data and object data.
  • Road data may represent point data recognized by a LiDAR sensor by reflecting a laser from the ground
  • object data may represent point data recognized by a LiDAR sensor by reflecting a laser from an object (people, buildings, street trees, etc.).
  • prediction can be performed by separating only the roads during inter prediction.
  • inter prediction is a prediction technology that predicts point cloud data included in the current frame by referring to point cloud data included in other frames, and may be referred to as “inter-frame prediction” or “inter-screen prediction.”
  • Point cloud data may include a plurality of point cloud data frames.
  • a plurality of frames may be grouped into a group of frames (GOF).
  • Frames can be classified into P frames and I frames depending on whether they are encoded/decoded with reference to other frames.
  • P frame it represents a frame that is encoded/decoded with reference to another frame.
  • Figures 12 and 13 show point cloud data generated by LiDAR capturing laser reflected from the road or ground.
  • the point cloud data shown in FIGS. 12 and 13 similarly show a shape in which a plurality of circles with different radii are formed around the position of the lidar.
  • Transmitting and receiving devices may separate road data from point cloud data.
  • the road/object division unit of Figure 20 or Figure 21 separates road data from point cloud data.
  • object data and road data are separated from point cloud data.
  • This operation can be performed based on a threshold.
  • the threshold value may be transmitted like road_lpu_value in Figure 23.
  • the relative height from the capturing equipment may be constant.
  • points can be created in the form of a circle centered on the center point indicating the location of the LIDAR equipment (sensor), as shown in Figure 13.
  • road points can be obtained through LIDAR equipment in a shape similar to a circle centered on one point.
  • the point cloud frames continuously captured from the LiDAR equipment of a moving car include only the road without objects, and if the relative height of the center position of the road and the sensor is constant, the point cloud data of the road is always in the form shown in Figure 13. is captured. Therefore, it may be difficult to recognize motion that appears through road points between consecutive frames, and applying motion generated from an object to a road has no meaning or can have the opposite effect, increasing the bitstream size and reducing compression efficiency. You can drop it.
  • there are objects on the road Therefore, because the shape of the road may be influenced by the object, the shape of the obtained road points may not always have a circular shape. Therefore, there is a need to detect motion from separated road data and apply the motion detected from the separated road data to the road data.
  • the transmitting and receiving device/method divides separated roads into PUs (Prediction Units) according to motion to effectively support integrated compression of efficient inter prediction of content captured through LiDAR equipment in a moving car, and divides the separated roads into PUs (Prediction Units) according to motion.
  • a method of exploring data motion can be performed.
  • Motion search of road data 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.
  • a transmitting device may correspond to a PCC encoder
  • a receiving device may correspond to a PPC decoder.
  • Motion search of road data may be performed in a transmission/reception device/method according to embodiments.
  • Transmission and reception devices/methods according to embodiments include the encoder or decoder described in FIGS. 1, 2, 3, 7, 8, 9, 10, 20, 21, 27, and 28. It may correspond to a device or receiving device, an encoding method or a decoding method, a transmission method, or a reception method.
  • the transmitting and receiving device/method according to the embodiments includes the components described in FIGS. 1, 2, 3, 7, 8, 9, 10, 20, 21, 27, and 28. It may be a device/method constructed by connection or combination.
  • Figure 14 is an example of point cloud data of a road according to embodiments.
  • a road LPU Large Processing Unit
  • Road data may be data representing points reflected from the road (or ground) among point cloud data.
  • Segmentation of road data and object data may be performed by the LPU division unit described in FIG. 20 or 21.
  • the 'LPU partition' may be referred to as the 'road/object partition'. Alternatively, it may be referred to by other terms that may indicate similar meaning, such as a road data generation unit/extraction unit.
  • the transmitting and receiving device/method according to embodiments may divide road data based on PU (Prediction Unit).
  • PU division according to embodiments may be performed in the PU division unit of FIG. 20.
  • PU represents a prediction unit, and the prediction unit may represent a unit space in which prediction is performed. Unit can be replaced by any other term that can represent any area, such as box, area, or zone.
  • a portion of the car may be captured by the sensor depending on the installation location of the LiDAR equipment. Therefore, the actual road cannot be captured because the lidar is obscured by a part of the car where the lidar is installed, and certain parts may be left as empty points. In other words, the road may not be captured in a specific area, such as the circled area in FIG. 14. This problem may occur when the laser is reflected by a part of the car where the lidar is installed. This area does not move or change, so when searching for motion in the road, it can generate incorrect information that there is no motion in the road. Therefore, in order to search the motion of the road excluding this part, points within a certain radius can be excluded from the motion search range, with the center of the LIDAR equipment as the origin (0,0,0).
  • the transmitting and receiving device/method may separate road data from point cloud data and exclude a specific area of the road data from the motion search range when searching for motion of the road. Therefore, excluding the area corresponding to PU1 in FIG. 14, the motion of the road data can be searched using the point cloud data belonging to PU2.
  • PU1 and PU2 may be referred to as the first area or the second area. Alternatively, it may be referred to as a first unit or a second unit. Areas with little change between frames can be excluded during motion search.
  • the road motion search range according to the embodiment can be set through the starting laserID, radius, or angle of the laser sensor.
  • the missing laserID corresponding to the circle area can be found in Figure 14, and the maximum missing laserID+1 can be set as the road motion search range.
  • the range can be set so that motion search is performed on road data acquired from laser sensors with laserIDs of 5 or more. You can.
  • the starting range of motion search for the road can be set to the maximum value of the corresponding ID.
  • the radius or sensor angle can be calculated and applied based on the corresponding laserID. For example, if the radius of a point obtained from a certain laser sensor is smaller than a certain minimum radius, the maximum radius obtained from the corresponding laser sensor may be set as the start range of the motion search for the road.
  • the radius may represent the distance from the center of the point cloud data to a point in the road data.
  • the center of the point cloud data may indicate the location of the lidar.
  • the transmitting and receiving device/method may set it based on laserID, radius, or angle of the sensor.
  • a motion search area may be set by combining two or more criteria.
  • laserID is an identifier assigned to a laser sensor, and when setting a motion search area, the radius of point cloud data acquired from a laser sensor with a random laserID, the angle that the laser sensor makes with the horizontal, etc. can be taken into consideration.
  • Road LPUs (Large Processing Units) can be distinguished into road PUs.
  • the road motion search start range is determined to be one road PU, and the motion of the road may not be applied to that PU. For other roads, you can set them as another road PU and apply road motion to that PU.
  • the road PU is divided into parts that are affected by movement and parts that are not affected by movement, there may be no need to control the noisy point cloud in the center.
  • Figure 15 is an example of point cloud data of a road captured by LiDAR.
  • a transmitting device/method may perform sampling based on a laser ID.
  • LIDAR may include multiple laser sensors. Each sensor has a laserId, and each sensor has information about the height, angle, and rotation speed from the sensor center position. The larger the sensor angle, the more road data 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 capture the road point with the smallest radius.
  • a laser sensor with a laserID of 0 is placed at the top of the lidar equipment, and laser sensors with a higher laserID are placed below it. Additionally, the direction (or angle) of the laser sensor is toward the ground closer to the lidar, as the laserID is lower (higher from the lidar). The angle of the laser sensor becomes more negative the closer it is to the ground from the lidar, and the closer it is to the ground the farther away the lidar is, the closer it is to 0 degrees because it is parallel to the ground. Therefore, the lower the laserID, the smaller the angle of the laser sensor.
  • Figure 16 shows an example.
  • Figure 16 is an example of grouping or sampling of point cloud data with similar radii.
  • Transmitting and receiving devices/methods according to embodiments may perform grouping or sampling of road data.
  • Grouping or sampling according to embodiments may be performed based on laserID, radius of road data, angle of laser sensor, etc. Additionally, the offset and number of contigs (range/size) for sampling can be set.
  • points on roads with similar radii can be grouped or sampled. That is, points with a group id of 1 can be grouped, points with a group id of 2 can be grouped, and the grouped points can be sampled.
  • sampling of road points can be performed for quick performance, and the degree of sampling can be adjusted according to the use case.
  • Sampling can be set based on laserID, radius, or via sensor angle (angle pointed to the ground).
  • the difference value (offset) and consecutive number (range/size) for sampling can be set.
  • sensors may be arranged in ascending order according to angle, and laserIDs may be assigned to sensors in increasing order from 0 to 1.
  • the first group may consist of data acquired by sensors with laserIDs of 12 to 15.
  • Transmitting and receiving devices may set a PU as described in FIG. 14 to exclude a specific area from motion search.
  • motion search can be performed by grouping or sampling road data based on laserID, radius (distance from the lidar location), or sensor angle.
  • motion search can be performed by grouping or sampling road data based on two or more criteria. Grouping or sampling according to embodiments may be performed in the 'motion prediction unit' of FIG. 20.
  • Figures 17, 18, and 19 are examples of window settings for motion search of point cloud data according to embodiments.
  • the transmitting and receiving device/method may create a motion search window to search for motion of the road based on grouped or sampled points.
  • the motion search window can be set based on the azimuthal of points belonging to the same sampling group.
  • FIG. 17 shows an example of motion search window settings.
  • Motion search can be performed using the motion search window of Figure 17 as is, and as shown in Figure 18, the points belonging to the area of the motion search window are further divided based on laserID or azimuth, and each area is a motion search window. It can be set to .
  • the motion search window may be set by sorting the points belonging to the area in Morton order and then dividing them into cubic areas.
  • the transmitting and receiving device/method may generate a window for motion search for grouped or sampled road points.
  • the motion search window area can be set based on the azimuth angle and laserID.
  • the motion search window area may be set based on two or more criteria. Additionally, a more detailed motion search window can be created by arranging the points within the set window area in Morton order and then dividing the area into cubic areas.
  • the transmitting and receiving device/method according to embodiments may search for and apply motion of road data using a motion search window.
  • the transmitting and receiving device/method according to embodiments may search for motion of road data by comparing point cloud data belonging to the motion search window of the reference frame and the motion search window of the current frame.
  • Motion can be searched based on azimuth and radius based on a spherical or cylindrical coordinate system, or searched based on a Cartesian coordinate system.
  • a flag regarding whether the motion of the PU is based on a spherical or cylindrical coordinate system or a Cartesian coordinate system can be transmitted to the decoder.
  • road motion can be applied to static or dynamic objects.
  • Creation/setting of a motion search window and motion prediction may be performed in the motion prediction unit of FIG. 20.
  • the receiving device may receive signal information (motion application coordinate system, motion, etc.) from the 'motion compensation application unit' of FIG. 21 and apply motion.
  • Figure 20 shows an apparatus/method for transmitting point cloud data according to embodiments.
  • Transmission and reception devices/methods include the encoder or decoder described in FIGS. 1, 2, 3, 7, 8, 9, 10, 20, 21, 27, and 28. It may correspond to a device or receiving device, an encoding method or a decoding method, a transmission method, or a reception method.
  • the transmitting and receiving device/method according to the embodiments includes the components described in FIGS. 1, 2, 3, 7, 8, 9, 10, 20, 21, 27, and 28. It may be a device/method constructed by connection or combination.
  • FIG 20 is a block diagram of a PCC data encoder (or point cloud data transmission device). Each component may correspond to hardware, software, processor, and/or a combination thereof.
  • PCC data point cloud data
  • PCC data is input to the encoder, and can be encoded to output a geometry information bitstream and an attribute information bitstream.
  • the geometry information encoding unit divides the road/object into road LPU and object LPU through the LPU division unit, predicts global motion through the motion prediction unit, and PU division unit. Additional segmentation can be performed on the area requiring segmentation, and local motion can be predicted through the motion prediction unit. This process can proceed until no further divisions are needed or up to a specified level. Whether LPU/PU is divided and the predicted motion for each LPU/PU can be signaled to the decoder (or receiving device).
  • 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 motion is applied can be signaled to the decoder.
  • Geometry information can be compressed and signaled through the geometry information prediction unit with the compensated points.
  • the LPU division unit (or road/object data division unit) according to embodiments may receive input as to whether the road and object are divided, and if the input value is true, the road data (or road point) of the point cloud data It can be divided into object data (or object points).
  • the road/object data division unit may generate classified points into each LPU and signal to a decoder (receiver) whether each LPU is a road or an object group.
  • the reference value for the road LPU can be signaled to the decoder (receiving device) and divided in the decoder (receiving device).
  • a road LPU may be composed of two road PUs. It may be possible to divide the PU into an area where there is no change and an area where GM exists.
  • the standard types used for road PU segmentation may include laser_ID_type, angle, and radius, and each value can be input depending on the type.
  • the PU splitter divides the road data based on the input value and standard type, and can signal information related to the divided road PU to the decoder (receiver), and the decoder (receiver) divides the road PU according to the received value. can be configured.
  • the transmitting device may separate areas based on the laserID of the laser sensor, the angle, and/or the radius (distance from the center point) of the road data in the PU dividing unit.
  • the first area may be PU1 and the second area may be PU2.
  • Signaling information related to area separation may be transmitted to a receiving device according to embodiments, and the receiving device may configure a first area and a second area based on the received signaling information.
  • the motion prediction unit may be divided into subgroups to predict the motion of the road PU.
  • Subgroup standard types may include laserID, azimuth, and radius, and the offset between subgroups and the range (size) of the subgroup can be input to configure subgroups based on the input criteria.
  • the motion prediction unit may create a subgroup and create a motion search window within the subgroup.
  • the motion window may use only azimuth as the creation standard type, use azimuth and azimuth for internal division, use azimuth and azimuth and radius for internal division, or use Morton code.
  • azimuth, sub_azimuth, sub_radius, and Morton_level can be input, and motion windows can be created on a subgroup basis according to the input values.
  • the transmitting device may create a group for an arbitrary PU (or area) in the motion prediction unit and set a motion search window within the group.
  • Groups can be set based on the laser's laserID, azimuth value, and/or radius value. It can be set based on two or more criteria. Additionally, groups can be configured by inputting the group's offset and range. Also, you can set a motion search window within the group. The motion search window can be set based on the azimuth value, and the motion search window can be set by dividing the area set by the azimuth range again based on azimuth and/or radius.
  • the first azimuth range, second azimuth range, radius range, and/or Molton level can be input and the motion window can be set on a group basis accordingly.
  • Creation of the above-described group or subgroup may correspond to the grouping/sampling contents of FIG. 16.
  • the motion of the road PU can be predicted by measuring changes between motion search windows.
  • Motion can be searched based on a Cartesian coordinate system or a spherical/cylindrical coordinate system.
  • the motion prediction unit searches based on appropriate criteria, can signal the motion application coordinate system to the decoder (receiving device), and the decoder (receiving device) can apply motion according to the coordinate system.
  • Figure 21 shows an apparatus/method for receiving point cloud data according to embodiments.
  • Transmission and reception devices/methods include the encoder or decoder described in FIGS. 1, 2, 3, 7, 8, 9, 10, 20, 21, 27, and 28. It may correspond to a device or receiving device, an encoding method or a decoding method, a transmission method, or a reception method.
  • the transmitting and receiving device/method according to the embodiments includes the components described in FIGS. 1, 2, 3, 7, 8, 9, 10, 20, 21, 27, and 28. It may be a device/method constructed by connection or combination.
  • FIG. 21 shows a block diagram of a PCC data decoder.
  • Each component may correspond to hardware, software, processor, and/or a combination thereof.
  • the encoded geometry information bitstream and the attribute information bitstream may be input to the decoder (or receiving device), and the decoded and restored PCC data may be output.
  • the LPU/PU divider can receive signaling information related to the LPU/PU of the road (standard types include laser_ID_type, azimuth_type, and radius, and each value can be signaled according to the type). ), road LPU and PU can be configured.
  • the receiving device divides point cloud data into object data and road data (or road LPU) based on related signaling information in the LPU/PU division unit (or road/object division unit), and divides the point cloud data into object data and road data (or road LPU).
  • the motion compensation application unit may apply motion to the PU (or area) of road data based on motion information and coordinate system information.
  • the motion compensation application unit may apply motion to a motion search window configured in the transmitting device. That is, the receiving device according to embodiments may apply motion to a specific area of road data based on the received signaling information. At this time, the specific area may correspond to a PU, a motion search window, or a grouped or sampled area.
  • the motion compensation application unit may receive a motion application coordinate system and motion signaling to the road PU and apply the motion to the corresponding road PU according to the motion application coordinate system.
  • Figure 22 shows the structure of a bitstream according to embodiments.
  • a bitstream according to embodiments may include information related to segmentation, sampling or grouping of road data, road PU settings, motion search window creation, and motion search/application according to embodiments.
  • Signaling information may be used at a transmitting end or a receiving end.
  • 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. Additionally, 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.
  • Road LPU/PU/motion information can be signaled in addition to GPS and TPS.
  • Road LPU/PU/motion information can be signaled by adding it to the geometry data header for each slice.
  • An apparatus/method for transmitting and receiving point cloud data provides tiles or slices to process a point cloud by dividing it into regions.
  • the point cloud when the point cloud is divided into tiles, different options may be applied to each tile. If the point cloud is divided into slices, different options may be applied to each slice.
  • a Slice according to embodiments may correspond to a data unit, and the Slice header may correspond to a data unit header.
  • geometry PU may be added, and geometry PU header and geometry PU data may be added.
  • Figure 23 is an example syntax of a geometry parameter set according to embodiments.
  • the LPU, PU, grouping/sampling, motion search window, and/or motion information of road data may be signaled by being added to the Geometry Parameter Set.
  • Signaling information can efficiently support inter prediction of geometry information.
  • the terms of signaling information may be replaced by other terms within the scope of the meaning and function of the information conveyed.
  • gps_geom_parameter_set_id represents an identifier for GPS so that it can be referenced in other syntax elements.
  • the value of gps_seq_parameter_set_id can range from 0 to 15.
  • gps_seq_parameter_set_id can specify 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.
  • geom_tree_type If 0, it can indicate that the location information is coded using an octree. If 1, it may indicate that the location information is coded using a prediction tree.
  • An octree may represent a tree based on occupancy information.
  • road_lpu_value May indicate a standard value for dividing road data and object data applied to the point cloud frame into LPU.
  • road_pu_type May indicate the type for PU division of road data applied to the point cloud frame.
  • road_pu_laser_id Indicates the laserID used when dividing the road PU applied to the point cloud frame.
  • road_pu_angle Indicates the sensor angle (angle facing the ground) value used when dividing the road PU applied to the point cloud frame.
  • road_pu_radius Indicates the radius value used when dividing the road PU applied to the point cloud frame.
  • Figure 24 is an example syntax of a tile parameter set according to embodiments.
  • the LPU, PU, grouping/sampling, motion search window, and/or motion information of road data may be signaled by being added to the Tile Parameter Set.
  • Signaling information can efficiently support inter prediction of geometry information.
  • the terms of signaling information may be replaced by other terms within the scope of the meaning and function of the information conveyed.
  • num_tiles indicates the number of tiles signaled for the bitstream. If not present, num_tiles may be inferred as 0.
  • tile_bounding_box_offset_x[ i ] represents the x offset of the ith tile in Cartesian coordinates. If it does not exist, the value of tile_bounding_box_offset_x[ 0 ] can be inferred as sps_bounding_box_offset_x.
  • tile_bounding_box_offset_y[ i ] represents the y offset of the ith tile in Cartesian coordinates. If it does not exist, the value of tile_bounding_box_offset_y[0] can be inferred as sps_bounding_box_offset_y.
  • road_lpu_value Can indicate the standard value for dividing road data and object data applied to the tile into LPU.
  • road_pu_type Can indicate the type for PU division of road data applied to the tile.
  • road_pu_laser_id Indicates the laserID used when dividing the road PU applied to the tile.
  • road_pu_angle Indicates the sensor angle (angle facing the ground) value used when dividing the road PU applied to the tile.
  • road_pu_radius Indicates the radius value used when dividing the road PU applied to the tile.
  • Figure 25 is an example syntax of a geometry data header according to embodiments.
  • the LPU, PU, grouping/sampling, motion search window, and/or motion information of road data may be signaled by being added to the geometry data header.
  • Signaling information can efficiently support inter prediction of geometry information.
  • the terms of signaling information may be replaced by other terms within the scope of the meaning and function of the information conveyed.
  • gsh_geometry_parameter_set_id specifies the gps_geom_parameter_set_id value of the active GPS.
  • gsh_tile_id specifies the value of the tile ID referenced by GSH.
  • the value of gsh_tile_id must be in the range 0 to XX.
  • gsh_slice_id identifies the slice header to be referenced by other syntax elements.
  • the value of gsh_slice_id must be in the range from 0 to XX.
  • - road_lpu_value Specifies the standard value for dividing roads and objects into LPUs applied to the slice.
  • road_lpu_value Can indicate the standard value for dividing road data and object data applied to the slice into LPU.
  • road_pu_type Can indicate the type for PU division of road data applied to the slice.
  • road_pu_laser_id Indicates the laserID used when dividing the road PU applied to the slice.
  • road_pu_angle Indicates the sensor angle (angle facing the ground) value used when dividing the road PU applied to the slice.
  • road_pu_radius Indicates the radius value used when dividing the road PU applied to the slice.
  • Figure 26 is an example syntax of a geometry PU header according to embodiments.
  • the LPU, PU, grouping/sampling, motion search window, and/or motion information of road data may be signaled by generating a Geom PU header.
  • Signaling information can efficiently support inter prediction of geometry information.
  • the terms of signaling information may be replaced by other terms within the scope of the meaning and function of the information conveyed.
  • pu_tile_id indicates the tile ID to which the PU belongs.
  • pu_slice_id indicates the slice ID to which the PU belongs.
  • pu_cnt indicates the number of PUs included in the slice.
  • pu_id represents the ID of the PU.
  • pu_split_flag indicates whether the PU block was further split afterwards.
  • pu_has_motion_vector_flag indicates whether the PU block has a motion vector.
  • pu_motion_coord_system_type indicates the coordinate system type applied to the motion of the PU block.
  • pu_motion_mat[][][] represents the motion matrix applied to the PU block.
  • pu_motion_rot_vector[][] represents the motion rotation vector applied to the PU block.
  • pu_motion_trans [][] represents the motion movement vector applied to the PU block.
  • pu_motion_rot_type[] indicates the type of motion rotation value applied to the PU block.
  • pu_motion_rot[] represents the motion rotation value applied to the PU block.
  • the rotation axis can rotate based on the road normal vector.
  • is_road_flag indicates whether the point included in the LPU block is a road/object.
  • object_id represents the object id of the point included in the PU block.
  • Figure 27 shows a method of transmitting point cloud data according to embodiments.
  • the transmission method includes encoding point cloud data (S2700) and transmitting a bitstream including point cloud data (S2701).
  • the transmission method of Figure 27 may correspond to or be combined with the encoding method or transmission method described in Figures 1, 2, 3, 8, 10, and 20.
  • the transmission method of FIG. 27 may perform separation of road data, PU setting, grouping or sampling, motion search window setting, and/or motion prediction for road data as described in FIGS. 11 to 19.
  • the step of encoding point cloud data includes dividing road data and object data of the point cloud data. Segmentation of road data and object data can be performed in the road/object division unit of FIG. 20. Additionally, in FIGS. 13 to 15 , the content of dividing road data and object data included in point cloud data is explained. Segmentation of road data can be performed based on a threshold. For example, road_lpu_value in Figure 23 may represent a threshold used to separate road data and object data.
  • the step of encoding the point cloud data may further include dividing the road data into a plurality of units based on at least one of the identifier of the sensor, the angle of the sensor, and the distance of the sensor.
  • the sensor may represent a laser sensor provided in LiDAR, and the identifier of the sensor may represent laserID.
  • the angle of the sensor may represent the angle at which the sensor emits a laser, and the distance may represent the distance of a point in the road data from the center of the point cloud data. Distance may represent the distance from the center point where LiDAR is located to the point.
  • the unit may represent a PU (Prediction Unit) or an area.
  • the step of segmenting road data is explained in Figures 14 and 15.
  • the step of encoding the point cloud data (S2700) further includes grouping the road data belonging to the first unit based on at least one of the identifier of the sensor, the angle of the sensor, and the distance.
  • the first unit may be referred to as the first PU or first region.
  • the first unit may represent an area that is a predetermined distance away from the center of the point cloud data. That is, the first unit may be an area containing road data located farther than a predetermined distance from the center.
  • the predetermined distance may represent the maximum distance at which data is interfered with by a part of the car. Accordingly, the first unit contains only road data that is not interfered with by any part of the car.
  • the identifier of the sensor may represent laserID.
  • the angle of the sensor may represent the angle at which the sensor emits a laser, and the distance may represent the distance of a point in road data. Distance may represent the distance from the center point where LiDAR is located to the point. The grouping or sampling steps are explained in Figures 16 to 19.
  • the step of encoding the point cloud data may further include setting a motion search window based on at least one of the identifier of the sensor, azimuth, or distance for the grouped road data. Setting of the motion search window is explained in Figures 17 to 19.
  • the step of encoding point cloud data further includes predicting motion based on a motion search window. Motion prediction according to embodiments is illustrated in FIG. 20.
  • RDO rate-distortion optimization
  • the bitstream includes information (road_pu_type, road_pu_laser_id/angle/radius in FIGS. 23 to 26) indicating a method of dividing road data into a plurality of units. Additionally, the bitstream may include information for sampling or grouping road data belonging to the unit. For example, it may further include laserID, sensor angle, and/or distance reference information for sampling or grouping. Additionally, the bitstream may further include information for setting a motion search window. For example, it may include laserId, azimuth and/or radius information that defines the motion search window. In addition, information about variable values that serve as standards for defining a specific area may be further included.
  • the step of encoding the point cloud data includes dividing the road data of the point cloud data, dividing the road data into a plurality of units, and grouping the road data belonging to the first unit. It includes steps of setting a motion search window for grouped road data and predicting motion based on the motion search window. The operation of each step is explained in Figures 1 to 19.
  • the transmission method according to embodiments may be performed by a transmission device.
  • a transmitting device may include an encoder that encodes point cloud data and a transmitter that transmits point cloud data. Transmitting devices according to embodiments may correspond to the encoders and transmitting devices described in FIGS. 1, 2, 3, 7, 8, 9, 10, 20, 21, 27, and 28. there is.
  • the transmitting device connects or connects the components described in FIGS. It may be a device composed of a combination.
  • Figure 28 shows a method of receiving point cloud data according to embodiments.
  • the transmission method includes receiving a bitstream including point cloud data (S2800) and decoding the point cloud data (S2801).
  • the reception method according to the embodiments may correspond to the reverse process of the transmission method according to the embodiments.
  • the reception method of Figure 28 may correspond to or be combined with the decoding method or reception method described in Figures 1, 2, 7, 9, 10, and 21.
  • the receiving method of FIG. 28 receives information about separation of road data, PU settings for road data, grouping or sampling, motion search window settings, and/or motion prediction described in FIGS. 11 to 19, and performs related operations. , point cloud data can be restored.
  • the step of decoding the point cloud data includes dividing the road data and object data of the point cloud data. Segmentation of road data and object data can be performed in the road/object division unit of FIG. 21. Additionally, in FIGS. 13 to 15 , the content of dividing road data and object data included in point cloud data is explained. Segmentation can be performed by receiving signaling information about the division of road data and object data (for example, road_lpu_value in FIG. 23).
  • the step of decoding the point cloud data may further include dividing the road data into a plurality of units based on at least one of a sensor identifier, a sensor angle, or a distance.
  • the sensor may represent a laser sensor provided in LiDAR, and the identifier of the sensor may represent laserID.
  • the angle of the sensor may represent the angle at which the sensor emits a laser, and the distance may represent the distance of a point in road data. Distance may represent the distance from the center point where LiDAR is located to the point.
  • a unit may represent a PU or an area.
  • the step of segmenting road data is explained in Figures 14 and 15.
  • the receiving device may receive information on how to divide a unit, and thus divide the road data into a plurality of units.
  • a unit may be referred to as a PU or region.
  • the step of decoding the point cloud data may further include grouping the road data belonging to the first unit based on at least one of the identifier of the sensor, the angle of the sensor, and the distance.
  • the first unit may represent the first PU or the first region.
  • the first unit may represent an area that is a predetermined distance or more from the center of the point cloud data. That is, the first unit may be an area containing road data located farther than a predetermined distance from the center.
  • the predetermined distance may represent the maximum distance at which data is interfered with by a part of the car. Accordingly, the first unit contains only road data that is not interfered with by any part of the car.
  • the identifier of the sensor may represent laserID.
  • the angle of the sensor may represent the angle at which the sensor emits a laser, and the distance may represent the distance of a point in road data. Distance may represent the distance from the center point where LiDAR is located to the point.
  • the grouping or sampling steps are explained in Figures 16 to 19.
  • the receiving device may receive information about grouping or sampling (laserID, angle or distance, etc.) and group or sample road data accordingly.
  • the bitstream includes motion information for the first unit.
  • motion information may be applied to road data corresponding to the first unit.
  • the receiving device may apply motion to a unit of road data based on the received motion information.
  • the corresponding operation can be performed in the motion compensation application unit of FIG. 21.
  • the bitstream further includes information indicating how to divide the road data into a plurality of units.
  • the information may be about the sensor's identifier, sensor angle, or distance reference.
  • the step of decoding the point cloud data includes dividing the road data of the point cloud data, dividing the road data into a plurality of units, and grouping the road data belonging to the first unit. It includes the step of applying motion to the stage and grouped road data. The operation of each step is explained in Figures 1 to 19.
  • the point cloud data transmission and reception method (PCC encoding method, PCC decoding method, signaling method) according to the above-described embodiments can provide the following effects.
  • Transmitting and receiving devices/methods according to embodiments can provide a way to quickly and accurately predict motion using the characteristics of point cloud data captured with LiDAR equipment in a moving car.
  • the transmitting and receiving device/method divides road data and object data to support efficient geometry compression of content captured through LiDAR equipment in a moving car, and then divides the separated road LPU into road PUs according to motion. It can support methods such as configuring, sampling/grouping to search for motion of road PUs, setting a motion search window, and applying different motion coordinate systems.
  • the transmitting and receiving device/method improves the inter-geometry compression efficiency of the encoder/decoder of Geometry-based Point Cloud Compression (G-PCC) for 3D point cloud data compression.
  • G-PCC Geometry-based Point Cloud Compression
  • the transmitting device/method 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 transmitting and receiving device/method according to embodiments separates road data and applies motion. Unlike the conventional assumption that there is no motion in road data, the transmitting and receiving device/method according to embodiments assumes that motion occurs in road data due to a portion of the road obscured by an object. Therefore, the accuracy of prediction can be increased by separately separating the road data and performing motion prediction and motion compensation on the road data. Prediction accuracy reduces the residual value, thereby reducing the amount of data transmitted and received and improving transmission and reception efficiency.
  • the transmitting and receiving device/method may divide an area (eg, PU) of road data and perform motion prediction by excluding an area where noise occurs.
  • an area eg, PU
  • the transmitting and receiving device/method can exclude an area within a certain distance from the center and set the remaining area as PU to calculate motion only for that area. Therefore, motion accuracy can be increased and prediction accuracy can be improved.
  • 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.
  • a person skilled in the art may make various changes or modifications to the embodiments within the scope of the embodiments.
  • the embodiments may include changes/variations without departing from the scope of the claims and their equivalents.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (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 전송 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 송신장치는 포인트 클라우드 데이터를 인코딩하는 인코더; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함할 수 있다.

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
실시예들에 따른 기술적 과제는, 전술한 문제점 등을 해결하기 위해서, 포인트 클라우드를 효율적으로 송수신하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 본 문서 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 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 10은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 11은 라이다(LiDAR)에 의해 캡쳐된 포인트 클라우드 데이터 예시이다.
도 12는 실시예들에 따른 도로의 포인트 클라우드 데이터 예시이다.
도 13은 실시예들에 따른 도로의 포인트 클라우드 데이터 예시이다.
도 14는 실시예들에 따른 도로의 포인트 클라우드 데이터 예시이다.
도 15는 라이다(LiDAR)에 의해 캡쳐된 도로의 포인트 클라우드 데이터 예시이다.
도 16은 유사 반경을 가지는 포인트 클라우드 데이터 그룹핑의 예시이다.
도 17은 실시예들에 따른 포인트 클라우드 데이터의 모션 검색을 위한 윈도우 설정 예시이다.
도 18은 실시예들에 따른 포인트 클라우드 데이터의 모션 검색을 위한 윈도우 설정 예시이다.
도 19는 실시예들에 따른 포인트 클라우드 데이터의 모션 검색을 위한 윈도우 설정 예시이다.
도 20은 실시예들에 따른 포인트 클라우드 데이터 송신 장치/방법을 나타낸다.
도 21은 실시예들에 따른 포인트 클라우드 데이터 수신 장치/방법을 나타낸다.
도 22는 실시예들에 따른 비트스트림의 구조를 나타낸다.
도 23은 실시예들에 따른 geometry parameter set의 syntax 예시이다.
도 24는 실시예들에 따른 tile parameter set의 syntax 예시이다.
도 25는 실시예들에 따른 geometry data header의 syntax 예시이다.
도 26은 실시예들에 따른 geometry PU header의 syntax 예시이다.
도 27은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도 28은 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타난다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도 1은 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 송신장치(transmission device)(10000) 및 수신장치(reception device)(10004)를 포함할 수 있다. 송신장치(10000) 및 수신장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
실시예들에 따른 송신장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 송신할 수 있다. 실시예들에 따라, 송신장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따른 송신장치(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 송신장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터, 포인트 클라우드 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 송신한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 송신된다. 도면에 도시되지 않았으나, 송신장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신장치(10004)로 송신되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 송신장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 송신할 수도 있다.
실시예들에 따른 수신장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신장치(10004)에서 획득한 피드백 정보(feedback information)의 송신 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 송신장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 송신장치(10000)뿐만 아니라 수신장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신장치(10000)로 송신할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신장치(10004)는 피드백 정보를 송신장치(10000)로 송신할 수 있다. 송신장치(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, 송신장치(10000)는 인코더, 송신 디바이스, 송신기, 송신기 등으로 호칭될 수 있으며, 수신장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/송신/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 송신장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션(위치)들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터, 위치 정보, 위치 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터, 속성 정보, 속성 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 송신장치(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 송신장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 정보 및 어트리뷰트 정보를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 송신장치(10000) 또는 트랜스미터(10003))은 인코딩된 포인트 클라우드 데이터를 송신할 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 송신될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 송신하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 송신할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 송신되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 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.
Figure PCTKR2023003710-appb-img-000001
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 수신장치(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 4의 포인트 클라우드 인코더, 또는 옥트리 분석부(40002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전체 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(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 PCTKR2023003710-appb-img-000002
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다. .
Triangles formed from vertices ordered 1,…,n
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 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.
Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(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.
Figure PCTKR2023003710-appb-img-000003
는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다.
Figure PCTKR2023003710-appb-img-000004
는
Figure PCTKR2023003710-appb-img-000005
와
Figure PCTKR2023003710-appb-img-000006
로부터 계산될 수 있다.
Figure PCTKR2023003710-appb-img-000007
와
Figure PCTKR2023003710-appb-img-000008
의 가중치는
Figure PCTKR2023003710-appb-img-000009
과
Figure PCTKR2023003710-appb-img-000010
이다.
Figure PCTKR2023003710-appb-img-000011
Figure PCTKR2023003710-appb-img-000012
는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다.
Figure PCTKR2023003710-appb-img-000013
은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(300012)의 인코딩). 가중치는
Figure PCTKR2023003710-appb-img-000014
로 계산된다. 루트 노드는 마지막
Figure PCTKR2023003710-appb-img-000015
과
Figure PCTKR2023003710-appb-img-000016
을 통해서 다음과 같이 생성된다.,
Figure PCTKR2023003710-appb-img-000017
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.
이하, 라이다(LiDAR) 장비로 캡쳐된 포인트 클라우드 데이터로부터 도로 데이터를 분할하고 모션을 탐색하는 송수싱 장치/방법을 설명한다.
실시예들에 따른 송수신 장치/방법은 도1, 도2, 도3, 도7, 도8, 도9, 도10, 도20, 도21, 도27 및 도28에서 설명하는 인코더 또는 디코더, 송신장치 또는 수신장치, 인코딩 방법 또는 디코딩 방법, 송신방법 또는 수신방법과 대응할 수 있다. 또한, 실시예들에 따른 송수신 장치/방법은 도1, 도2, 도3, 도7, 도8, 도9, 도10, 도20, 도21, 도27 및 도28에서 설명하는 구성 요소들의 연결 또는 조합에 의해서 구성되는 장치/방법일 수 있다.
실시예들에 따른 송수신 장치/방법은 Geometry-based Point Cloud Compression (G-PCC) 에서 포인트 클라우드(point cloud) 콘텐츠에 대한 인터 예측 (inter prediction)을 효율적으로 지원하기 위해 도로 데이터를 모션에 따라 분리하고, 도로의 모션을 탐색하는 방법을 지원한다.
실시예들에 따른 송수신 장치/방법은 도로 데이터에 대하여 예측유닛(PU, Prediction Unit)을 구성할 수 있다. 또한, 송수신 장치/방법은 분리된 도로 데이터의 모션을 탐색하며, 관련된 정보를 시그널링 할 수 있다.
실시예들에 따른 수신 장치/방법의 G-PCC 복호화(decoding) 과정은 부호화된 슬라이스 단위의 지오메트리(geometry) 비트스트림(bitstream)과 속성(attribute) 비트스트림을 수신하여 지오메트리를 복호화하고 복호화 과정을 통해 재구성된 지오메트리를 기반으로 속성 정보를 복호화하는 과정으로 구성된다.
실시예들에 따른 송신 장치/방법은 지오메트리 정보를 압축하기 위해 옥트리(octree) 기반, 예측 트리(predictive tree) 기반, 또는 트라이숩(trisoup) 기반의 압축 기법을 사용할 수 있다.
실시예들에 따른 옥트리(occtree)는 어큐판시(occupancy) 정보를 기반으로 하는 트리를 나타낼 수 있다. 실시예들에 따른 옥트리(occtree)는 어큐판시 트리로 지칭될 수도 있다.
실시예들에 따른 송수신 장치/방법은 움직이는 자동차에서 라이다 장비로 캡처된 콘텐츠(또는, 포인트 클라우드 데이터)의 인터 예측을 통한 압축 효율을 높이기 위해 분리된 도로를 모션에 따라 분리하고, 도로의 모션을 탐색할 수 있다.
도 11은 라이다(LiDAR)에 의해 캡쳐된 포인트 클라우드 데이터 예시이다.
도 12 및 도13은 실시예들에 따른 도로의 포인트 클라우드 데이터 예시이다.
도11을 참조하면, 라이다에 의하여 캡쳐된 포인트 클라우드 데이터는 도로 데이터와 객체 데이터를 함께 포함할 수 있다. 도로 데이터는 지면에서 레이저가 반사되어 라이다 센서에서 인식된 포인트 데이터를 나타내고, 객체 데이터는 객체(사람, 건물, 가로수 등)에서 레이저가 반사되어 라이다 센서에서 인식된 포인트 데이터를 나타낼 수 있다.
캡처된 도로와 객체의 포인트 클라우드 포인트들은 연속된 포인트 클라우드 프레임 간에 나타나는 특성이 다를 수 있으므로, 인터 예측 시 도로만을 분리하여 예측이 수행될 수 있다.
이때, 인터 예측은 다른 프레임에 포함된 포인트 클라우드 데이터를 참조하여 현재 프레임에 포함된 포인트 클라우드 데이터를 예측하는 예측 기술이며, “프레임 간 예측” 또는 “화면 간 예측”으로 지칭될 수 있다. 실시예들에 따른 포인트 클라우드 데이터는 복수의 포인트 클라우드 데이터 프레임들을 포함할 수 있다. 복수의 프레임들은 프레임 그룹(Group of Frame, GOF)으로 그룹핑될 수 있다. 프레임들은 다른 프레임을 참조하여 부호화/복호화 되는지 여부에 따라 P프레임, I프레임으로 구분될 수 있다. P프레임의 경우, 다른 프레임을 참조하여 부호화/복호화되는 프레임을 나타낸다.
도12 및 도13을 참조하면, 도로 데이터가 분리된 포인트 클라우드 데이터가 예시된다.
도12 및 도13은 라이다(LiDAR)가 도로 또는 지면에서 반사된 레이저를 캡쳐하여 생성된 포인트 클라우드 데이터를 도시한 것이다. 도12 및 도13에서 도시된 포인트 클라우드 데이터는 라이다의 위치를 중심으로 반경이 서로 다른 복수의 원들이 형성된 모양을 유사하게 나타낸다. 실시예들에 따른 송수신 장치는 포인트 클라우드 데이터에서 도로 데이터를 분리할 수 있다. 예를 들어, 도20 또는 도21의 도로/객체 분할부는 포인트 클라우드 데이터에서 도로 데이터를 분리한다. 즉, 포인트 클라우드 데이터에서 객체 데이터와 도로 데이터를 분리하는 것이다. 이 동작은 임계값을 기반으로 수행될 수 있다. 이때, 임계값은 도23의 road_lpu_value와 같이 전달될 수 있다.
라이다 장비로 캡쳐된 도로의 경우, 캡처 장비로부터의 상대적 높이가 일정할 수 있다. 이 경우, 도13과 같이 라이다 장비(센서)의 위치를 나타내는 중심점을 중심으로 하는 원이 그려지는 형태로 포인트들이 생성될 수 있다. 즉, 라이다 장비를 통해 도로 포인트들은 한 점을 중심으로 하는 원과 유사한 형태로 획득될 수 있다.
움직이는 자동차의 라이다 장비에서 연속적으로 캡쳐된 포인트 클라우드 프레임들이 객체 없이 도로만 포함하는 경우, 또한 도로와 센서의 중심 위치의 상대적 높이가 일정하다면, 도로의 포인트 클라우드 데이터는 항상 도13과 같은 형태로 캡쳐된다. 따라서, 연속된 프레임 간의 도로 포인트들을 통해서 나타나는 모션을 인식하기 어려울 수 있고, 객체로부터 생성된 모션을 도로에 적용하는 것은 아무런 의미가 없거나, 오히려 역효과를 가져와서 비트스트림 사이즈를 증가시키고 압축 효율을 떨어뜨릴 수 있다. 하지만, 도12에서 보여지는 것과 같이 도로에는 객체들이 존재한다. 따라서, 객체로부터 도로의 형태가 영향을 받을 수 있기 때문에 획득되는 도로 포인트들의 모양이 언제나 원 형태의 모양만 갖는 것은 아닐 수 있다. 그러므로, 분리된 도로 데이터로부터 모션을 감지할 수 있고, 분리된 도로 데이터에서 감지된 모션을 도로 데이터에 적용할 필요성이 있다.
실시예들에 따른 송수신 장치/방법은 움직이는 자동차에서 라이다 장비를 통해 캡처된 콘텐츠의 효율적인 인터 예측을 통합 압축을 효과적으로 지원하기 위해 분리된 도로를 모션에 따라 PU(Prediction Unit)로 분할하고, 도로 데이터 모션을 탐색하는 방법을 수행할 수 있다.
실시예들에 따른 도로 데이터의 모션 검색은 PCC 부호화기의 지오메트리 부호화기에서 수행되고, PCC 복호화기의 지오메트리 복호화 과정을 통해 도로에 적용되어 복원될 수 있다. 실시예들에 따른 송신 장치는 PCC 부호화기와 대응할 수 있고, 실시예들에 따른 수신 장치는 PPC 복호화기와 대응될 수 있다.
실시예들에 따른 도로 데이터의 모션 탐색은 실시예들에 따른 송수신 장치/방법에서 수행될 수 있다. 실시예들에 따른 송수신 장치/방법은 도1, 도2, 도3, 도7, 도8, 도9, 도10, 도20, 도21, 도27 및 도28에서 설명하는 인코더 또는 디코더, 송신장치 또는 수신장치, 인코딩 방법 또는 디코딩 방법, 송신방법 또는 수신방법과 대응할 수 있다. 또한, 실시예들에 따른 송수신 장치/방법은 도1, 도2, 도3, 도7, 도8, 도9, 도10, 도20, 도21, 도27 및 도28에서 설명하는 구성 요소들의 연결 또는 조합에 의해서 구성되는 장치/방법일 수 있다
도 14는 실시예들에 따른 도로의 포인트 클라우드 데이터 예시이다.
도14를 참조하면, 원 안의 영역이 PU1에 해당하는 영역이고, 원 밖의 영역이 PU2에 해당하는 영역을 나타낸다. 도로 LPU(Largest Processing Unit)는 객체에 대한 포인트를 포함하는 전체 포인트 클라우드 데이터에서 도로에 찍힌 포인트들만을 분리한 도로 데이터를 나타낼 수 있다. 실시예들에 따른 도로 데이터는 포인트 클라우드 데이터 중 도로(또는, 지면)에서 반사된 포인트들을 나타내는 데이터일 수 있다.
실시예들에 따른 도로 데이터 및 객체 데이터의 분할을 도20 또는 도21에서 설명하는 LPU분할부에 의해서 수행될 수 있다. 'LPU분할부'는 '도로/객체 분할부'로 지칭될 수 있다. 또는, 도로 데이터 생성부/추출부 등 유사한 의미를 나타낼 수 있는 다른 용어로 지칭될 수 있다.
실시예들에 따른 송수신 장치/방법은 도로 데이터를 PU(Prediction Unit)를 기반으로 분할할 수 있다. 실시예들에 따른 PU분할은 도20의 PU분할부에서 수행될 수 있다. PU는 예측 유닛을 나타내며, 예측 유닛은 예측이 수행되는 단위 공간을 나타낼 수 있다. 유닛은 박스, 영역, 구역 등 임의의 영역을 나타낼 수 있는 다른 용어로 대체될 수 있다.
도 14를 참조하면, 움직이는 자동차의 라이다 장비를 통해 캡처된 콘텐츠의 경우, 라이다 장비의 설치 위치에 따라 자동차의 일부분이 센서에 의해 캡처될 수 있다. 따라서, 라이다가 설치된 자동차의 일부분에 의해 라이다가 가려져 실제 도로가 캡쳐되지 못하고, 특정 부분이 빈 포인트들로 남겨질 수 있다. 즉, 도14의 원으로 표시된 영역처럼 특정 영역에서 도로가 캡쳐되지 못할 수 있다. 이 문제는 라이다가 설치된 자동차의 일부분에 의해 레이저가 반사되어 발생할 수 있다. 이 영역은 움직이거나 변하지 않으므로 도로의 모션을 탐색할 때 도로에 모션이 없다는 잘못된 정보를 생성할 수 있다. 따라서, 이 부분을 제외하고 도로의 모션을 탐색하기 위하여, 라이다 장비의 중심을 원점(0,0,0)으로 하여 특정 반경 내에 있는 포인트들은 모션 검색 범위에서 제외될 수 있다.
즉, 실시예들에 따른 송수신 장치/방법은 포인트 클라우드 데이터에서 도로 데이터를 분리하고, 도로의 모션 검색 시 도로 데이터의 특정 영역을 모션 검색 범위에서 제외할 수 있다. 따라서, 도14에서 PU1에 해당하는 영역을 제외하고, PU2에 속하는 포인트 클라우드 데이터를 이용하여 도로 데이터의 모션을 검색할 수 있다. 이때, PU1과 PU2는 제1 영역 또는 제2 영역으로 지칭될 수 있다. 또는, 제1 유닛이나 제2 유닛으로 지칭될 수 있다. 프레임 간에 변화가 거의 없는 영역은 모션 검색 시 제외될 수 있다.
실시예에 따른 도로 모션 검색 범위는 시작 laserID, 반경, 또는 레이저 센서의 각도를 통해 설정할 수 있다. 또는, 도14에서 원의 영역에 해당하는 missing laserID를 찾을 수 있고, 최대 missing laserID+1을 도로 모션 검색 범위로 설정할 수 있다. 예를 들어, laserID가 1, 2, 3 및 4인 레이저 센서에서 도로가 캡쳐되지 못하는 부분이 발생하는 경우, laserID가 5 이상인 레이저 센서들로부터 획득된 도로 데이터에 모션 검색이 수행되도록 범위가 설정될 수 있다.
도로의 모션 검색 시작 범위는 laserID로 캡쳐된 반경이 최소 반경보다 작을 경우, 해당 ID의 최대 값으로 설정할 수도 있다. 또는, 해당 laserID를 기준으로 반경 또는 센서의 각도를 구해서 적용할 수도 있다. 예를 들어, 어떤 레이저 센서에서 획득된 포인트의 반경이 임의의 최소 반경보다 작은 경우, 해당 레이저 센서에서 획득된 최대 반경이 도로의 모션 검색 시작 범위로 설정될 수 있다. 반경은 포인트 클라우드 데이터의 중심에서 도로 데이터의 포인트까지 거리를 나타낼 수 있다. 포인트 클라우드 데이터의 중심은 라이다의 위치를 나타낼 수 있다.
즉, 실시예들에 따른 송수신 장치/방법은 모션 검색 영역을 설정할 때, laserID, 반경 또는 센서의 각도를 기반으로 설정할 수 있다. 또는, 둘 이상의 기준을 조합하여 모션 검색 영역이 설정될 수 있다. laserID는 레이저 센서에 부여된 식별자이며, 모션 검색 영역 설정 시 임의의 laserID를 가진 레이저 센서에서 획득된 포인트 클라우드 데이터의 반경, 해당 레이저 센서가 수평과 이루는 각도 등이 고려될 수 있다.
도로 LPU(Large Processing Unit)를 도로 PU들로 구별할 수 있다. 도로 모션 검색 시작 범위를 도로 PU하나로 결정하고, 해당 PU는 도로의 모션을 적용하지 않을 수 있다. 그 외의 도로의 경우 또 다른 도로 PU로 세팅하고, 해당 PU에 대해서는 도로 모션을 적용할 수 있다.
도로 PU를 움직임에 영향을 받는 부분과 영향을 받지 않는 부분으로 구별하면, 중앙에 있던 노이즈 같은 형태의 포인트 클라우드를 제어할 필요가 없을 수 있다.
도 15는 라이다(LiDAR)에 의해 캡쳐된 도로의 포인트 클라우드 데이터 예시이다.
실시예들에 따른 송신 장치/방법은 레이저 ID를 기반으로 샘플링을 수행할 수 있다.
도 15를 참조하면, 라이다는 여러 개의 레이저 센서들을 포함할 수 있다. 각각의 센서들은 laserId를 갖고, 각 센서들은 센서 중심위치로부터의 높이, 각도, 회전스피드에 대한 정보를 가진다. 센서의 각도가 클수록 큰 반경을 가지는 도로 데이터를 캡쳐할 수 있다. 센서의 각도가 가장 작은 경우, 라이다 장비의 가장 위쪽에 배치될 수 있고, 가장 작은 반경을 가지는 도로 포인트를 캡쳐할 수 있다.
도15를 참조하면, 라이다 장비의 가장 위에 laserID가 0인 레이저 센서가 배치되고, 그 아래로 갈수록 laserID가 높은 레이저 센서가 배치된다. 또한, 레이저 센서의 방향(또는, 각도)는 laserID가 낮을 수록(라이다에서 높게 위치할 수록) 라이다와 가까운 지면을 향한다. 레이저 센서의 각도는 라이다와 가까운 지면을 향할수록 음의 각도가 커지고, 라이다와 먼 지면을 향할수록 지면에 평행하므로 0도에 가까워진다. 따라서, laserID가 낮을수록 레이저 센서의 각도가 작다.
따라서, 각 센서들을 각도를 기준으로 오름차순으로 정렬하고, 특정 센서들로부터 캡쳐된 포인트들만 샘플링 하는 경우, 유사 반경을 가지는 포인트들의 묶음이 샘플링 될 수 있다. 도16은 그 예시를 나타낸다.
도 16은 유사 반경을 가지는 포인트 클라우드 데이터의 그룹핑 또는 샘플링의 예시이다.
실시예들에 따른 송수신 장치/방법은 도로 데이터의 그룹핑 또는 샘플링을 수행할 수 있다. 실시예들에 따른 그룹핑 또는 샘플링은 laserID, 도로 데이터의 반경, 레이저 센서의 각도 등을 기반으로 수행될 수 있다. 또한, 샘플링을 위한 오프셋과 연속 수(범위/크기)가 설정될 수 있다.
도16을 참조하면, 유사 반경을 가진 도로의 포인트이 그룹핑 또는 샘플링될 수 있다. 즉, group id가 1인 포인트들이 그룹핑되고, group id가 2인 포인트들이 그룹핑 될 수 있으며, 그룹핑된 포인트들은 샘플링될 수 있다.
실시예들에 따른 도로 데이터의 모션 검색을 위한 윈도우를 생성하기 전에, 빠른 수행을 위해 도로 포인트들의 샘플링을 수행할 수 있고, 유즈케이스(use-case)에 따라서 샘플링의 정도를 조절할 수 있다.
샘플링은 laserID 기반, 반경, 또는 센서 각도(지면을 향하는 각도)를 통해 설정할 수 있다. 샘플링을 위한 차이 값(offset)과 연속 수(범위/크기)가 설정될 수 있다.
예를 들어, 센서들이 각도에 따라서 오름차순으로 정렬되고, 순서에 따라 센서에 laserID가 0부터 1씩 증가하면서 부여될 수 있다. 이 경우, laserID=7부터 모션 검색 범위로 시작될 수 있고, 5를 간격으로 샘플링이 수행될 수 있다. 또한, 3개 단위로 그룹핑되는 경우, 첫번째 그룹은 laserID가 12 내지 15인 센서들에 의해 획득된 데이터들로 구성될 수 있다.
실시예들에 따른 송수신 장치는 도14에서 설명한 것과 같이 PU를 설정하여 특정 영역을 모션 검색에서 제외할 수 있다. 또한, 도 15 또는 도 16에서 설명한 것과 같이 laserID, 반경(라이다 위치로부터의 거리) 또는 센서 각도 등을 기반으로 도로 데이터를 그룹핑 또는 샘플링하여 모션 검색을 수행할 수 있다. 또는, 둘 이상의 기준을 기반으로 도로 데이터를 그룹핑 또는 샘플링하여 모션 검색을 수행할 수 있다. 실시예들에 따른 그룹핑 또는 샘플링은 도20의 '모션예측부'에서 수행될 수 있다.
도 17, 도18 및 도 19는 실시예들에 따른 포인트 클라우드 데이터의 모션 검색을 위한 윈도우 설정 예시이다.
실시예들에 따른 송수신 장치/방법은 그룹핑 또는 샘플링된 포인트들을 기준으로 도로의 모션을 검색하기 위해서 모션 검색 윈도우를 생성할 수 있다. 모션 검색 윈도우는 같은 샘플링 그룹에 속한 포인트들의 방위각(azimuthal)을 기준으로 설정될 수 있다.
예를 들어, 같은 샘플링 그룹에 속한 포인트들 중에 azimuth가 0 내지 10도 사이에 있는 포인트들을 하나의 모션 검색 윈도우로 설정할 수 있다. 도17은 모션 검색 윈도우 설정의 예시를 나타낸다.
도17의 모션 검색 윈도우를 그대로 이용하여 모션 검색을 수행할 수 있고, 도18과 같이 해당 모션 검색 윈도우의 영역에 속하는 포인트들을 다시 laserID또는 방위각을 기준으로 세부 분할하여, 각각의 영역이 모션 검색 윈도우로 설정될 수 있다.
또는, 도19와 같이 해당 영역에 속하는 포인트들을 몰톤 오더로 정렬한 후, 정육면체 영역으로 분리하여 모션 검색 윈도우가 설정될 수도 있다.
실시예들에 따른 송수신 장치/방법은 그룹핑 또는 샘플링된 도로의 포인트들에 대하여 모션 검색을 위한 윈도우를 생성할 수 있다. 모션 검색 윈도우 영역은 azimuth 각도, laserID를 기초로 설정될 수 있다. 둘 이상의 기준을 기반으로 모션 검색 윈도우 영역이 설정될 수 있다. 또한, 설정된 윈도우 영역 내 포인트들을 몰톤 순서(Morton order)로 정렬한 후 해당 영역을 정육면체 영역으로 분할하여 더 세분화된 모션 검색 윈도우를 생성할 수 있다.
실시예들에 따른 송수신 장치/방법은 모션 검색 윈도우를 사용하여 도로 데이터의 모션을 검색하고 적용할 수 있다.
실시예들에 따른 송수신 장치/방법은 참조 프레임의 모션 검색 윈도우와 현재 프레임의 모션 검색 윈도우에 속하는 포인트 클라우드 데이터를 비교하여 도로 데이터의 모션을 검색할 수 있다.
모션은 구형 또는 원통형 좌표계 기준으로 방위각과 반경을 기준으로 모션을 검색하거나, 직교 좌표계 기준으로 검색할 수도 있다. 모션을 적용했을 때와 적용하지 않았을 때의 RDO(rate-distortion optimization) cost를 계산하고, 모션을 적용하는 것이 효율적일 경우, 검색된 도로의 모션은 도로 PU의 모션으로 디코더에 전송될 수 있고, 디코더는 도로 PU에 해당하는 포인트들에 도로 모션을 적용할 수 있다. PU의 모션은 구형 또는 원통형 좌표계 기준인지 직교 좌표계 기준인지에 대한 플래그를 디코더에 전송할 수 있다. 또한, 도로 모션은 정적 객체들 또는 동적 객체들에 적용될 수 있다.
구형 또는 원통형 좌표계 기준으로 모션을 검색했을 때는 2차원 또는 3차원 모션 검색이 가능하다. 3차원에서 laserID가 생략된 경우가 2차원 모션이 될 수 있다.
실시예들에 따른 모션 검색 윈도우의 생성/설정 및 모션 예측은 도20의 모션예측부에서 수행될 수 있다. 실시예들에 따른 수신장치는 도21의 '모션보상적용부'에서 시그널 정보(모션 적용 좌표계, 모션 등)를 수신하여 모션을 적용할 수 있다.
도 20은 실시예들에 따른 포인트 클라우드 데이터 송신 장치/방법을 나타낸다.
실시예들에 따른 송수신 장치/방법은 도1, 도2, 도3, 도7, 도8, 도9, 도10, 도20, 도21, 도27 및 도28에서 설명하는 인코더 또는 디코더, 송신장치 또는 수신장치, 인코딩 방법 또는 디코딩 방법, 송신방법 또는 수신방법과 대응할 수 있다. 또한, 실시예들에 따른 송수신 장치/방법은 도1, 도2, 도3, 도7, 도8, 도9, 도10, 도20, 도21, 도27 및 도28에서 설명하는 구성 요소들의 연결 또는 조합에 의해서 구성되는 장치/방법일 수 있다.
도20은 PCC 데이터 부호화기(또는, 포인트 클라우드 데이터 송신 장치)의 블록도이다. 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다. 부호화기의 입력으로 PCC 데이터(포인트 클라우드 데이터)가 들어가고 부호화되어 지오메트리 정보 비트스트림과 속성정보 비트스트림이 출력될 수 있다.
도20을 참조하면, 지오메트리 정보 부호화부는 프레임의 종류가 P-frame인 경우 LPU 분할부를 통해 도로/객체를 도로 LPU와 객체 LPU로 분할하고, 모션 예측부를 통해 글로벌 모션을 예측하고, PU 분할부를 통해 분할이 필요한 영역에 대해서 추가 분할을 진행하고, 모션 예측부를 통해 로컬 모션을 예측할 수 있다. 이 과정은 더 이상 분할이 필요 없을 때까지 또는 지정된 레벨까지 진행될 수 있다. LPU/PU분할 여부와 각 LPU/PU별 예측된 모션은 디코더(또는, 수신 장치)에 시그널 될 수 있다.
모션 보상 적용부는 생성된 LPU/PU들에 예측된 모션을 적용할지 여부를 RDO를 통해 결정하고, 결정을 따라 참조 프레임에 모션을 적용할 수 있다. 모션 적용 여부는 디코더에 시그널 될 수 있다.
보상된 포인트들을 가지고 지오메트리 정보inter 예측부를 통해 지오메트리 정보가 압축되고, 시그널 될 수 있다.
실시예들에 따른 LPU분할부(또는, 도로/객체 데이터 분할부)는 도로 및 객체의 분할 여부를 입력받을 수 있으며, 입력값이 true인 경우 포인트 클라우드 데이터의 도로 데이터(또는, 도로 포인트)와 객체 데이터(또는, 객체 포인트)로 분할할 수 있다.
실시예들에 따른 도로/객체 데이터 분할부는 분류된 포인트들을 각각의 LPU로 생성하고, 각LPU가 도로인지 객체 그룹인지 여부를 디코더(수신장치)로 시그널링 할 수 있다. 또는, 도로 LPU에 대한 기준 값을 디코더(수신장치)로 시그널링 하고, 디코더(수신장치)에서 분할 할 수 있다.
실시예들에 따른 PU 분할부에서, 도로 LPU는 2개의 도로 PU로 구성될 수 있다. 변화가 없는 영역과, GM이 존재하는 영역의 PU로 분할 가능할 수 있다. 도로 PU 분할에 사용하는 기준 타입은 laser_ID_type, angle, radius가 있을 수 있고, 타입에 따라 각각의 값을 입력 받을 수 있다. PU분할부는 입력 받은 값과 기준 타입을 기준으로 도로 데이터를 분할하고, 분할된 도로 PU와 관련된 정보를 디코더(수신장치)에 시그널링 할 수 있으며, 디코더(수신장치)는 수신된 값에 따라 도로 PU를 구성할 수 있다.
실시예들에 따른 송신 장치는 PU 분할부에서 레이저 센서의 laserID, 각도 및/또는 도로 데이터의 반경(중심점으로부터의 거리)를 기반으로 영역을 분리할 수 있다. 예를들어, 제1 영역은 PU1이 되고, 제2 영역은 PU2가 될 수 있다. 영역의 분리와 관련한 시그널링 정보는 실시예들에 따른 수신 장치로 전송될 수 있고, 수신 장치는 수신된 시그널링 정보에 기반하여 제1 영역 및 제2 영역을 구성할 수 있다.
실시예들에 따른 모션예측부는 도로PU의 모션을 예측하기 위해 서브 그룹을 나눌 수 있다. 서브 그룹 기준 타입으로는 laserID, azimuth, radius 가 있을 수 있고, 서브 그룹간의 offset과 서브 그룹의 범위(크기)를 입력 받아서 입력 받은 기준으로 서브 그룹들을 구성할 수 있다.
실시예들에 따른 모션예측부는 서브 그룹을 생성하고, 서브 그룹 내에 모션 검색 윈도우를 생성할 수 있다. 모션 윈도우는 생성 기준 타입으로 azimuth만 사용하는 경우, azimuth와 내부 분할용 azimuth를 사용하는 경우, azimuth와 내부 분할용 azimuth와 radius를 사용하는 경우, Morton 코드를 사용하는 경우가 있을 수 있다. 각 타입에 따라 azimuth, sub_azimuth, sub_radius, Morton_level을 입력 받을 수 있고, 입력 받은 값에 따라 서브 그룹 기준으로 모션 윈도우들을 생성할 수 있다.
실시예들에 따른 송신 장치는 모션예측부에서 임의의 PU(또는, 영역)에 대하여 그룹을 생성하고, 그룹 내에 모션 검색 윈도우를 설정할 수 있다. 그룹은 레이저의 laserID, azimuth 값 및/또는 radius 값을 기반으로 설정될 수 있다. 둘 이상의 기준을 기반으로 설정될 수 있다. 또한, 그룹의의 오프셋(offset)과 범위를 입력받아 그룹들을 구성할 수 있다. 그리고, 그룹 내에 모션 검색 윈도우를 설정할 수 있다. 모션 검색 윈도우는 azimuth 값을 기반으로 설정될 수 있고, azimuth 범위로 설정된 영역을 다시 azimuth 및/또는 radius 기준으로 분할아여 모션 검색 윈도우가 설정될 수 있다. 몰톤 코드를 사용하는 경우, 제1 azimuth 범위, 제2 azimuth 범위, radius 범위 및/또는 몰톤 레벨을 입력받아 그에 따라 그룹 기준으로 모션 윈도우를 설정할 수 있다.
전술한 그룹 또는 서브 그룹의 생성은 도16의 그룹핑/샘플링 내용과 대응할 수 있다.
실시예들에 따른 모션 검색 윈도우가 생성되면, 모션 검색 윈도우간의 변화를 측정해서 도로 PU의 모션을 예측할 수 있다. 모션은 직교 좌표계 기준으로 검색할 수도 있고, 구형/원통형 좌표계 기준으로 검색할 수 있다. 모션예측부는 적합한 기준으로 검색하게 되고, 모션 적용 좌표계를 디코더(수신장치)에 시그널링 할 수 있으며, 디코더(수신장치)는 좌표계에 따라서 모션을 적용할 수 있다.
도 21은 실시예들에 따른 포인트 클라우드 데이터 수신 장치/방법을 나타낸다.
실시예들에 따른 송수신 장치/방법은 도1, 도2, 도3, 도7, 도8, 도9, 도10, 도20, 도21, 도27 및 도28에서 설명하는 인코더 또는 디코더, 송신장치 또는 수신장치, 인코딩 방법 또는 디코딩 방법, 송신방법 또는 수신방법과 대응할 수 있다. 또한, 실시예들에 따른 송수신 장치/방법은 도1, 도2, 도3, 도7, 도8, 도9, 도10, 도20, 도21, 도27 및 도28에서 설명하는 구성 요소들의 연결 또는 조합에 의해서 구성되는 장치/방법일 수 있다.
도21을 참조하면, PCC 데이터 복호화기의 블록도를 나타낸다. 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다.
복호화기(또는, 수신 장치)의 입력으로 부호화된 지오메트리정보 비트스트림과 속성정보 비트스트림이 입력되고 복호화 되어 복원된 PCC 데이터가 출력될 수 있다.
도 21을 참조하면, 실시예들에 따른 LPU/PU분할부는 도로의 LPU/PU와 관련된 정보를 시그널링 받고(기준 타입으로 laser_ID_type, azimuth_type, radius을 포함하고, 타입에 따라 각각의 값을 시그널링 받을 수 있다), 도로 LPU와 PU를 구성 할 수 있다.
실시예들에 따른 수신 장치는 LPU/PU분할부(또는, 도로/객체 분할부)에서 관련된 시스널링 정보에 기반하여 포인트 클라우드 데이터를 객체 데이터와 도로 데이터(또는, 도로 LPU)로 나누고, 도로 데이터에 PU(또는, 영역)을 구성할 수 있다. 또한, 모션 보상 적용부는 모션 정보와 좌표계 정보에 기반하여 도로 데이터의 PU(또는, 영역)에 모션을 적용할 수 있다. 또는, 모션 보상 적용부는 송신 장치에서 구성된 모션 검색 윈도우에 모션을 적용할 수 있다. 즉, 실시예들에 따른 수신 장치는 수신된 시그널링 정보에 기반하여 도로 데이터의 특정 영역에 모션을 적용할 수 있다. 이때, 특정 영역은 PU에 대응하거나, 모션 검색 윈도우에 대응하거나, 그룹핑 또는 샘플링된 영역에 대응할 수 있다.
실시예들에 따른 모션 보상 적용부는, 도로PU에 모션 적용 좌표계와 모션을 시그널링 받아서, 모션 적용 좌표계에 따라 해당 도로PU에 모션을 적용할 수 있다.
도 22는 실시예들에 따른 비트스트림의 구조를 나타낸다.
실시예들에 따른 비트스트림은 실시예들에 따른 도로 데이터의 분할, 샘플링 또는 그룹핑, 도로PU 설정, 모션 검색 윈도우 생성 및 모션 검색/적용과 관련된 정보를 포함할 수 있다.
실시예들을 추가/수행 하기 위해서 관련 정보가 시그널링 될 수 있다. 실시예들에 따른 시그널링 정보는 송신단 또는 수신단 등에서 사용될 수 있다.
부호화된 포인트 클라우드 구성은 도22와 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: Sequence Parameter Set
GPS: Geometry Parameter Set
APS: Attribute Parameter Set
TPS: Tile Parameter Set
Geom: Geometry bitstream = geometry slice header+ [geometry PU header + geometry PU data] | geometry slice data
Attr: Attribute bitstream = attribute data unit header + [attribute PU header + attribute PU data] | attribute data unit data
도로 LPU/PU/모션 정보는 GPS, TPS에 추가되어 시그널링 될 수 있다.
도로 LPU/PU/모션 정보는 각 Slice별 Geometry data header 에 추가되어 시그널링 될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송수신 장치/방법은 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 클라우드가 타일(Tile)로 나누어지는 경우, 각 타일 별로 다른 옵션이 적용될 수 있다. 포인트 클라우드가 슬라이스(Slice)로 나누어지는 경우, 각 슬라이스 별로 다른 옵션이 적용될 수 있다.
실시예들에 따른 Slice는 데이터 유닛(data unit)에 대응할 수 있고, Slice header는 데이터 유닛 헤더(data unit header)와 대응할 수 있다.
실시예들에 따른 비트스트림은 geometry PU이 추가되고, geometry PU header, geometry PU data가 추가될 수 있다.
도 23은 실시예들에 따른 geometry parameter set의 syntax 예시이다.
실시예들에 따른 지오메트리의 정보 부호화/복호화 과정에서 도로 데이터의 LPU, PU, 그룹핑/샘플링, 모션 검색 윈도우 및/또는 모션 정보는 Geometry Parameter Set에 추가되어 시그널링 될 수 있다. 시그널링 정보는 지오메트리 정보의 인터 예측을 효율적으로 지원할 수 있다. 시그널링 정보의 용어는 전달하는 정보의 의미 및 기능의 범위 내에서 다른 용어로 대체될 수 있다.
gps_geom_parameter_set_id는 다른 신택스 요소에서 참조할 수 있도록 GPS에 대한 식별자를 나타낸다. gps_seq_parameter_set_id의 값은 0에서 15까지의 범위에 있을 수 있다.
gps_seq_parameter_set_id는 활성 SPS에 대한 sps_seq_parameter_set_id 값을 지정할 수 있다. gps_seq_parameter_set_id의 값은 0에서 15까지의 범위에 있을 수 있다.
geom_tree_type: 0인 경우, 위치 정보가 옥트리(Octree)를 사용하여 코딩됨을 나타낼 수 있다. 1인 경우, 위치 정보가 예측 트리를 사용하여 코딩됨을 나타낼 수 있다. 옥트리는 어큐판시(occupancy) 정보를 기반으로 하는 트리를 나타낼 수 있다.
road_lpu_value: 포인트 클라우드 프레임에 적용된 도로 데이터와 객체 데이터를 LPU로 분할하는 기준 값을 나타낼 수 있다.
road_pu_type: 포인트 클라우드 프레임에 적용된 도로 데이터의 PU 분할을 위한 타입을 나타낼 수 있다.
0= laserID 값 기반
1= 레이저 센서의 각도를 기반
2= 반경(radius) 값을 기반
road_pu_laser_id: 포인트 클라우드 프레임에 적용된 도로 PU 분할시 사용되는 laserID를 나타낸다.
road_pu_angle: 포인트 클라우드 프레임에 적용된 도로 PU 분할시 사용되는 센서 각도(지면을 향하는 각도)값을 나타낸다.
road_pu_radius: 포인트 클라우드 프레임에 적용된 도로 PU 분할시 사용하는 반경 값을 나타낸다.
도 24는 실시예들에 따른 tile parameter set의 syntax 예시이다.
실시예들에 따른 지오메트리의 정보 부호화/복호화 과정에서 도로 데이터의 LPU, PU, 그룹핑/샘플링, 모션 검색 윈도우 및/또는 모션 정보는 Tile Parameter Set에 추가되어 시그널링 될 수 있다. 시그널링 정보는 지오메트리 정보의 인터 예측을 효율적으로 지원할 수 있다. 시그널링 정보의 용어는 전달하는 정보의 의미 및 기능의 범위 내에서 다른 용어로 대체될 수 있다.
num_tiles은 비트스트림에 대해 시그널링된 타일 수를 나타낸다. 존재하지 않는 경우 num_tiles는 0으로 유추될 수 있다.
tile_bounding_box_offset_x[ i ]는 카르테시안(cartesian) 좌표에서 i번째 타일의 x 오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_x[ 0 ]의 값은 sps_bounding_box_offset_x로 유추될 수 있다.
tile_bounding_box_offset_y[ i ]는 카르테시안(cartesian) 좌표에서 i번째 타일의 y 오프셋을 나타냅니다. 존재하지 않는 경우, tile_bounding_box_offset_y[0]의 값은 sps_bounding_box_offset_y로 유추될 수 있다.
road_lpu_value: 타일에 적용된 도로 데이터와 객체 데이터를 LPU로 분할하는 기준 값을 나타낼 수 있다.
road_pu_type: 타일에 적용된 도로 데이터의 PU 분할을 위한 타입을 나타낼 수 있다.
0= laserID 값 기반
1= 레이저 센서의 각도를 기반
2= 반경(radius) 값을 기반
road_pu_laser_id: 타일에 적용된 도로 PU 분할시 사용되는 laserID를 나타낸다.
road_pu_angle: 타일에 적용된 도로 PU 분할시 사용되는 센서 각도(지면을 향하는 각도)값을 나타낸다.
road_pu_radius: 타일에 적용된 도로 PU 분할시 사용하는 반경 값을 나타낸다.
도 25는 실시예들에 따른 geometry data header의 syntax 예시이다.
실시예들에 따른 지오메트리의 정보 부호화/복호화 과정에서 도로 데이터의 LPU, PU, 그룹핑/샘플링, 모션 검색 윈도우 및/또는 모션 정보는 Geometry data header에 추가되어 시그널링 될 수 있다. 시그널링 정보는 지오메트리 정보의 인터 예측을 효율적으로 지원할 수 있다. 시그널링 정보의 용어는 전달하는 정보의 의미 및 기능의 범위 내에서 다른 용어로 대체될 수 있다.
gsh_geometry_parameter_set_id는 활성 GPS의 gps_geom_parameter_set_id 값을 지정합니다.
gsh_tile_id는 GSH가 참조하는 타일 ID의 값을 지정합니다. gsh_tile_id의 값은 0에서 XX까지의 범위에 있어야 합니다.
gsh_slice_id는 다른 구문 요소에서 참조할 슬라이스 헤더를 식별합니다. gsh_slice_id의 값은 0에서 XX까지의 범위에 있어야 합니다.- road_lpu_value: 슬라이스에 적용된 도로와 객체 LPU로 분할하는 기준 값 명시
road_lpu_value: 슬라이스에 적용된 도로 데이터와 객체 데이터를 LPU로 분할하는 기준 값을 나타낼 수 있다.
road_pu_type: 슬라이스에 적용된 도로 데이터의 PU 분할을 위한 타입을 나타낼 수 있다.
0= laserID 값 기반
1= 레이저 센서의 각도를 기반
2= 반경(radius) 값을 기반
road_pu_laser_id: 슬라이스에 적용된 도로 PU 분할시 사용되는 laserID를 나타낸다.
road_pu_angle: 슬라이스에 적용된 도로 PU 분할시 사용되는 센서 각도(지면을 향하는 각도)값을 나타낸다.
road_pu_radius: 슬라이스에 적용된 도로 PU 분할시 사용하는 반경 값을 나타낸다.
도 26은 실시예들에 따른 geometry PU header의 syntax 예시이다.
실시예들에 따른 지오메트리의 정보 부호화/복호화 과정에서 도로 데이터의 LPU, PU, 그룹핑/샘플링, 모션 검색 윈도우 및/또는 모션 정보는 Geom PU header 를 생성하여 시그널링 될 수 있다. 시그널링 정보는 지오메트리 정보의 인터 예측을 효율적으로 지원할 수 있다. 시그널링 정보의 용어는 전달하는 정보의 의미 및 기능의 범위 내에서 다른 용어로 대체될 수 있다.
pu_tile_id는 PU가 속한 타일 ID를 나타낸다.
pu_slice_id는 PU가 속한 슬라이스 ID를 나타낸다.
pu_cnt는 슬라이스에 포함된 PU들의 개수를 나타낸다.
pu_id는 PU의 ID를 나타낸다.
pu_split_flag는 PU 블록이 이후 추가로 분할되었는지 여부를 나타낸다.
pu_has_motion_vector_flag는 PU 블록이 모션 벡터를 가지는지 여부를 나타낸다.
pu_motion_coord_system_type은 PU 블록의 모션에 적용된 좌표계 타입을 나타낸다.
: 0= 직교 좌표계
: 1= 구형 좌표계
: 2= 원통형 좌표계
pu_motion_mat[][][]는 PU 블록에 적용되는 모션 행렬을 나타낸다.
pu_motion_rot_vector[][]는 PU 블록에 적용되는 모션 회전 벡터를 나타낸다.
pu_motion_trans [][]는 PU 블록에 적용되는 모션 이동 벡터를 나타낸다.
pu_motion_rot_type[]는 PU 블록에 적용되는 모션 회전 값의 타입을 나타낸다.
: 0= radian
: 1= degree
pu_motion_rot[]은 PU 블록에 적용되는 모션 회전 값을 나타낸다. 회전 축은 도로 노멀 벡터를 기준으로 회전할 수 있다.
is_road_flag는 LPU 블록에 포함된 포인트의 도로/객체 여부를 나타낸다.
object_id는 PU 블록에 포함된 포인트의 객체 id를 나타낸다.
도 27은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도27을 참조하면, 실시예들에 따른 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계(S2700) 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계(S2701)을 포함한다.
도27의 송신 방법은 도1, 도2, 도3, 도8, 도10, 도20에서 설명하는 인코딩 방법 또는 송신방법과 대응하거나 조합될 수 있다. 도27의 송신 방법은 도11 내지 도19에서 설명하는 도로 데이터의 분리, 도로 데이터에 대한 PU 설정, 그룹핑 또는 샘플링, 모션 검색 윈도우 설정 및/또는 모션 예측을 수행할 수 있다.
포인트 클라우드 데이터를 인코딩하는 단계(S2700)는, 포인트 클라우드 데이터의 도로 데이터와 객체 데이터를 분할하는 단계를 포함한다. 도로 데이터와 객체 데이터의 분할은 도20의 도로/객체 분할부에서 수행될 수 있다. 또한, 도13 내지 도15에서 포인트 클라우드 데이터에 포함된 도로 데이터와 객체 데이터를 분할하는 내용이 설명된다. 도로 데이터의 분할은 임계값을 기반으로 수행될 수 있다. 예를 들어, 도23의 road_lpu_value는 도로 데이터와 객체 데이터를 분리하기 위해 사용되는 임계값을 나타낼 수 있다.
또한, 포인트 클라우드 데이터를 인코딩하는 단계(S2700)는, 도로 데이터를 센서의 식별자, 센서의 각도 또는 거리 중 적어도 어느 하나에 기반하여 복수의 유닛들로 분할하는 단계를 더 포함할 수 있다. 이때, 센서는 라이다(LiDAR)에 구비된 레이저 센서를 나타낼 수 있고, 센서의 식별자는 laserID를 나타낼 수 있다. 센서의 각도는 센서가 레이저를 방출하는 각도를 나타내고, 거리는 포인트 클라우드 데이터의 중심으로부터 도로 데이터의 포인트의 거리를 나타낼 수 있다. 거리는 라이다(LiDAR)가 위치한 중심점으로부터 포인트까지의 거리를 나타낼 수 있다. 유닛은 PU(Prediction Unit) 또는 영역을 나타낼 수 있다. 도로 데이터를 분할하는 단계는 도14 내지 도15에서 설명된다.
또한, 포인트 클라우드 데이터를 인코딩하는 단계(S2700)는, 제1 유닛에 속하는 도로 데이터에 대하여 센서의 식별자, 센서의 각도 또는 거리 중 적어도 어느 하나에 기반하여 그룹핑하는 단계를 더 포함한다. 제1 유닛은 제1 PU 또는 제1 영역으로 지칭될 수 있다. 제1 유닛은 포인트 클라우드 데이터의 중심으로부터 소정의 거리가 떨어진 영역을 나타낼 수 있다. 즉, 제1 유닛은 중심으로부터 소정의 거리보다 멀리 위치하는 도로 데이터들을 포함하는 영역일 수 있다. 이때, 소정의 거리는 데이터가 자동차의 일부분에 의해서 간섭받는 최대 거리를 나타낼 수 있다. 따라서, 제1 유닛은 자동차의 일부분에 의해서 간섭받지 않는 도로 데이터만을 포함한다.
센서의 식별자는 laserID를 나타낼 수 있다. 센서의 각도는 센서가 레이저를 방출하는 각도를 나타내고, 거리는 도로 데이터의 포인트의 거리를 나타낼 수 있다. 거리는 라이다(LiDAR)가 위치한 중심점으로부터 포인트까지의 거리를 나타낼 수 있다. 그룹핑 또는 샘플링하는 단계에 대하여 도16 내지 도19에 설명된다.
또한, 포인트 클라우드 데이터를 인코딩하는 단계(S2700)는, 그룹핑된 도로 데이터에 대하여, 센서의 식별자, azimuth 또는 거리 중 적어도 어느 하나를 기반으로 모션 검색 윈도우를 설정하는 단계를 더 포함할 수 있다. 모션 검색 윈도우의 설정은 도17 내지 도19에 설명된다.
또한, 포인트 클라우드 데이터를 인코딩하는 단계(S2700)는, 모션 검색 윈도우를 기반으로 모션을 예측하는 단계를 더 포함한다. 실시예들에 따른 모션 예측은 도20에 설명된다. 모션을 예측하는 단계는 모션의 적용 여부에 따른 RDO(rate-distortion optimization) cost를 산출할 수 있고, RDO cost 산출 결과에 따라 모션의 적용 여부를 결정할 수 있다.
비트스트림은 도로 데이터를 복수의 유닛들로 분할하는 방법을 나타내는 정보(도23 내지 도26의 road_pu_type, road_pu_laser_id/angle/radius)를 포함한다. 또한, 비트스트림은 유닛에 속하는 도로 데이터에 대하여 샘플링 또는 그룹핑하기 위한 정보를 포함할 수 있다. 예를 들어, 샘플링 또는 그룹핑을 하기 위한 laserID, 센서 각도 및/또는 거리 기준 정보를 더 포함할 수 있다. 또한, 비트스트림은 모션 검색 윈도우를 설정하기 위한 정보를 더 포함할 수 있다. 예를들어, 모션 검색 윈도우를 정의하는 laserId, azimuth 및/또는 radius 정보를 포함할 수 있다. 그 밖에, 특정 영역을 정의하기 위한 기준이 되는 변수 값에 대한 정보를 더 포함할 수 있다.
즉, 포인트 클라우드 데이터를 인코딩하는 단계(S2700)는, 포인트 클라우드 데이터의 도로 데이터를 분할하는 단계와, 도로 데이터를 복수의 유닛들로 분할하는 단계와, 제1 유닛에 속하는 도로 데이터에 대하여 그룹핑하는 단계와, 그룹핑된 도로 데이터에 대하여 모션 검색 윈도우를 설정하는 단계 및 모션 검색 윈도우를 기반으로 모션을 예측하는 단계를 포함한다. 각 단계들의 동작에 대한 내용은 도1 내지 도19에서 설명된다.
실시예들에 따른 송신 방법은 송신 장치에 의하여 수행될 수 있다. 실시예들에 따른 송신 장치는 포인트 클라우드 데이터를 인코딩하는 인코더 및 포인트 클라우드 데이터를 전송하는 트랜스미터를 포함할 수 있다. 실시예들에 따른 송신 장치는 도1, 도2, 도3, 도7, 도8, 도9, 도10, 도20, 도21, 도27 및 도28에서 설명하는 인코더, 송신장치와 대응할 수 있다. 또한, 실시예들에 따른 송신 장치는 도1, 도2, 도3, 도7, 도8, 도9, 도10, 도20, 도21, 도27 및 도28에서 설명하는 구성 요소들의 연결 또는 조합에 의해서 구성되는 장치일 수 있다.
도 28은 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
도28을 참조하면, 실시예들에 따른 송신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계(S2800) 및 포인트 클라우드 데이터를 디코딩하는 단계(S2801)을 포함한다.
실시예들에 따른 수신 방법은 실시예들에 따른 송신 방법의 역과정에 대응할 수 있다.
도28의 수신 방법은 도1, 도2, 도7, 도9, 도10, 도21에서 설명하는 디코딩 방법 또는 수신방법과 대응하거나 조합될 수 있다. 도28의 수신 방법은 도11 내지 도19에서 설명하는 도로 데이터의 분리, 도로 데이터에 대한 PU 설정, 그룹핑 또는 샘플링, 모션 검색 윈도우 설정 및/또는 모션 예측에 대한 정보를 수신하여 관련된 동작을 수행하고, 포인트 클라우드 데이터를 복원할 수 있다.
포인트 클라우드 데이터를 디코딩하는 단계(S2801)는 포인트 클라우드 데이터의 도로 데이터와 객체 데이터를 분할하는 단계를 포함한다. 도로 데이터와 객체 데이터의 분할은 도21의 도로/객체 분할부에서 수행될 수 있다. 또한, 도13 내지 도15에서 포인트 클라우드 데이터에 포함된 도로 데이터와 객체 데이터를 분할하는 내용이 설명된다. 도로 데이터와 객체 데이터의 분할에 관한 정보(예를 들면, 도23의 road_lpu_value)를 시그널링 받아 분할을 수행할 수 있다.
또한, 포인트 클라우드 데이터를 디코딩하는 단계(S2801)는 도로 데이터를 센서의 식별자, 센서의 각도 또는 거리 중 적어도 어느 하나에 기반하여 복수의 유닛들로 분할하는 단계를 더 포함할 수 있다. 이때, 센서는 라이다(LiDAR)에 구비된 레이저 센서를 나타낼 수 있고, 센서의 식별자는 laserID를 나타낼 수 있다. 센서의 각도는 센서가 레이저를 방출하는 각도를 나타내고, 거리는 도로 데이터의 포인트의 거리를 나타낼 수 있다. 거리는 라이다(LiDAR)가 위치한 중심점으로부터 포인트까지의 거리를 나타낼 수 있다. 유닛은 PU 또는 영역을 나타낼 수 있다. 도로 데이터를 분할하는 단계는 도14 내지 도15에서 설명된다. 수신 장치는 유닛을 분할하는 방법에 대한 정보를 수신하고, 그에 따라 도로 데이터를 복수의 유닛들로 분할할 수 있다. 유닛은 PU 또는 영역으로 지칭될 수 있다.
또한, 포인트 클라우드 데이터를 디코딩하는 단계(S2801)는, 제1 유닛에 속하는 도로 데이터에 대하여 센서의 식별자, 센서의 각도 또는 거리 중 적어도 어느 하나에 기반하여 그룹핑하는 단계를 더 포함할 수 있다. 제1 유닛은 제1 PU 또는 제1 영역을 나타낼 수 있다. 제1 유닛은 포인트 클라우드 데이터의 중심으로부터 소정의 거리 이상인 영역을 나타낼 수 있다. 즉, 제1 유닛은 중심으로부터 소정의 거리보다 멀리 위치하는 도로 데이터들을 포함하는 영역일 수 있다. 이때, 소정의 거리는 데이터가 자동차의 일부분에 의해서 간섭받는 최대 거리를 나타낼 수 있다. 따라서, 제1 유닛은 자동차의 일부분에 의해서 간섭받지 않는 도로 데이터만을 포함한다.
센서의 식별자는 laserID를 나타낼 수 있다. 센서의 각도는 센서가 레이저를 방출하는 각도를 나타내고, 거리는 도로 데이터의 포인트의 거리를 나타낼 수 있다. 거리는 라이다(LiDAR)가 위치한 중심점으로부터 포인트까지의 거리를 나타낼 수 있다. 그룹핑 또는 샘플링하는 단계에 대하여 도16 내지 도19에 설명된다. 수신 장치는 그룹핑 또는 샘플링에 대한 정보(laserID, 각도 또는 거리 등)를 수신하여 그에 따라 도로 데이터를 그룹핑 또는 샘플링할 수 있다.
비트스트림은 제1 유닛에 대한 모션 정보를 포함한다. 포인트 클라우드 데이터를 디코딩하는 단계(S2801)는, 제1 유닛에 해당하는 도로 데이터에 모션 정보를 적용할 수 있다. 수신 장치는 수신한 모션 정보를 기반으로 도로 데이터의 유닛에 모션을 적용할 수 있다. 해당 동작은 도21의 모션 보상 적용부에서 수행될 수 있다.
비트스트림은 도로 데이터를 복수의 유닛들로 분할하는 방법을 나타내는 정보를 더 포함한다. 해당 정보는 센서의 식별자, 센서의 각도 또는 거리 기준에 대한 것일 수 있다.
즉, 포인트 클라우드 데이터를 디코딩하는 단계(S2801)는, 포인트 클라우드 데이터의 도로 데이터를 분할하는 단계와, 도로 데이터를 복수의 유닛들로 분할하는 단계와, 제1 유닛에 속하는 도로 데이터에 대하여 그룹핑하는 단계 및 그룹핑된 도로 데이터에 대하여 모션을 적용하는 단계를 포함한다. 각 단계들의 동작에 대한 내용은 도1 내지 도19에서 설명된다.
상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 방법(PCC 부호화 방법, PCC복호화 방법, 시그널링 방법)은 다음의 효과를 제공할 수 있다.
움직이는 자동차에서 라이다 장비를 통해서 한 프레임씩 캡처하고 저장하는 경우, 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 통해 인터 예측 기법의 효율성을 높이면 비트스트림 사이즈를 줄일 수 있다.
실시예들에 따른 송수신 장치/방법은 움직이는 자동차에서 라이다 장비로 캡처된 포인트 클라우드 데이터의 특성을 이용하여 모션을 빠르고 정확하게 예측할 수 있는 방안을 제공할 수 있다.
실시예들에 따른 송수신 장치/방법은 움직이는 자동차에서 라이다 장비를 통해 캡처된 콘텐츠의 효율적인 지오메트리 압축을 지원하기 위해 도로 데이터와 객체 데이터를 분할한 후 분리된 도로 LPU를 모션에 따라 도로 PU들로 구성하고, 도로 PU의 모션을 검색하기 위한 샘플링/그룹핑, 모션 검색 윈도우 설정, 및 다른 모션 좌표계를 적용하는 방법 등을 지원할 수 있다.
따라서, 송수신 장치/방법은 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 향상시킨 포인트 클라우드 콘텐츠 스트림을 제공할 수 있다.
즉, 실시예들에 따른 송신 장치/방법은 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.
실시예들에 따른 송수신 장치/방법은 도로 데이터를 분리하여 모션을 적용한다. 종래에 도로 데이터에 경우 통상적으로 모션이 없는 것으로 가정되었던 것과 달리, 실시예들에 따른 송수신 장치/방법은 객체에 의해 가려지는 도로 부분에 의해서 도로 데이터의 경우에도 모션이 발생한다고 가정한다. 따라서, 도로 데이터를 별도로 분리하여 도로 데이터에 대해 모션 예측 및 모션 보상을 수행하므로 예측의 정확도를 높일 수 있다. 예측 정확도는 잔차 값을 줄이므로 송수신 하는 데이터의 양을 줄이고, 송수신 효율성을 향상시킨다.
또한, 실시예들에 따른 송수신 장치/방법은 도로 데이터의 영역(예를 들어, PU)을 분할하여, 노이즈가 발생하는 영역을 제외하고 모션 예측을 수행할 수 있다. 도로 데이터에서 중심과 가까운 영역의 경우, 자동차의 일부분에 의해 간섭되는 양상이 프레임마다 일정하게 발생하고, 이 때문에 프레임 간 도로에 모션이 없다는 정보가 생성될 수 있다. 그러나, 송수신 장치/방법은 중심에서 일정 거리 내에 있는 영역을 제외하고, 나머지 영역을 PU로 설정하여 해당 영역에 대해서만 모션을 산출할 수 있다. 따라서, 모션의 정확도를 높이고, 예측 정확도를 향상시킬 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, “”는 “및/또는 B”로 해석되고, “B”는 “및/또는 B”로 해석된다. 추가적으로, “”는 “B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “B, C”도 “B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “또는 B”은, 1) “”만을 의미하고, 2) “”만을 의미하거나, 3) “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 송수신장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다. 당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다. 실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항 및 그 와 동일하다고 인정되는 것의 범위를 벗어나지 않는다.

Claims (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 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 도로 데이터를 분할하는 단계와,
    상기 도로 데이터를 복수의 유닛들로 분할하는 단계와,
    제1 유닛에 속하는 도로 데이터에 대하여 그룹핑하는 단계와,
    상기 그룹핑된 도로 데이터에 대하여 모션 검색 윈도우를 설정하는 단계 및
    상기 모션 검색 윈도우를 기반으로 모션을 예측하는 단계를 포함하고,
    상기 도로 데이터를 분할하는 단계는 임계값을 기반으로 분할하는,
    포인트 클라우드 데이터 송신 방법.
  3. 제2항에 있어서,
    상기 도로 데이터를 복수의 유닛들로 분할하는 단계는,
    센서의 식별자, 센서의 각도 또는 거리 중 적어도 어느 하나를 기반으로 분할하며,
    상기 거리는 상기 포인트 클라우드 데이터의 중심으로부터의 거리인,
    포인트 클라우드 데이터 송신 방법.
  4. 제3항에 있어서,
    상기 제1 유닛에 속하는 도로 데이터에 대하여 그룹핑하는 단계는,
    센서의 식별자, 센서의 각도 또는 거리 중 적어도 어느 하나를 기반으로 그룹핑하고,
    상기 제1 유닛은 상기 포인트 클라우드 데이터의 중심으로부터 소정의 거리 이상인 영역인,
    포인트 클라우드 데이터 송신 방법.
  5. 제4항에 있어서,
    상기 모션 검색 윈도우를 설정하는 단계는,
    센서의 식별자, azimuth 또는 거리 중 적어도 하나를 기반으로 하는,
    포인트 클라우드 데이터 송신 방법.
  6. 제5항에 있어서,
    상기 모션을 예측하는 단계는,
    모션의 적용 여부에 따른 RDO(rate-distortion optimization) cost를 산출하는,
    포인트 클라우드 데이터 송신 방법.
  7. 제6항에 있어서,
    상기 비트스트림은,
    상기 도로 데이터를 상기 복수의 유닛들로 분할하는 방법을 나타내는 정보를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  8. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터를 전송하는 트랜스미터; 를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  9. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및
    상기 포인트 클라우드 데이터를 디코딩하는 단계;를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  10. 제9항에 있어서,
    상기 디코딩하는 단계는,
    상기 포인트 클라우드 데이터의 도로 데이터를 분할하는 단계와,
    상기 도로 데이터를 복수의 유닛들로 분할하는 단계와,
    제1 유닛에 속하는 도로 데이터에 대하여 그룹핑하는 단계 및
    상기 그룹핑된 도로 데이터에 대하여 모션을 적용하는 단계를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  11. 제10항에 있어서,
    상기 도로 데이터를 복수의 유닛들로 분할하는 단계는,
    센서의 식별자, 센서의 각도 또는 거리 중 어느 하나를 기반으로 분할하며,
    상기 거리는 상기 포인트 클라우드 데이터의 중심으로부터의 거리인,
    포인트 클라우드 데이터 수신 방법.
  12. 제11항에 있어서,
    상기 제1 유닛에 속하는 도로 데이터에 대하여 그룹핑하는 단계는,
    센서의 식별자, 센서의 각도 또는 거리 중 적어도 어느 하나를 기반으로 그룹핑하고,
    상기 제1 유닛은 상기 포인트 클라우드 데이터의 중심으로부터 소정의 거리 이상인 영역인,
    포인트 클라우드 데이터 수신 방법.
  13. 제12항에 있어서,
    상기 비트스트림은 제1 유닛에 대한 모션 정보를 포함하고,
    상기 모션을 적용하는 단계는,
    상기 제1 유닛에 해당하는 도로 데이터에 상기 모션 정보를 적용하는,
    포인트 클라우드 데이터 수신 방법.
  14. 제13항에 있어서,
    상기 비트스트림은
    상기 도로 데이터를 상기 복수의 유닛들로 분할하는 방법을 나타내는 정보를 더 포함하는,
    포인트 클라우드 데이터 수신 방법.
  15. 포인트 클라우드 데이터를 수신하는 수신부; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더;를 포함하는,
    포인트 클라우드 데이터 수신 장치.
PCT/KR2023/003710 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. WO2023182764A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20220034484 2022-03-21
KR10-2022-0034484 2022-03-21

Publications (1)

Publication Number Publication Date
WO2023182764A1 true WO2023182764A1 (ko) 2023-09-28

Family

ID=88101813

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/003710 WO2023182764A1 (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) WO2023182764A1 (ko)

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
KR20210116336A (ko) * 2020-03-16 2021-09-27 엘지전자 주식회사 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
JP2022502961A (ja) * 2018-10-02 2022-01-11 華為技術有限公司Huawei Technologies Co., Ltd. ３ｄ補助データを用いた動き推定
JP2022514548A (ja) * 2019-03-01 2022-02-14 テンセント・アメリカ・エルエルシー 点群解凍用方法、点群圧縮用方法及び装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022502961A (ja) * 2018-10-02 2022-01-11 華為技術有限公司Huawei Technologies Co., Ltd. ３ｄ補助データを用いた動き推定
KR20200096726A (ko) * 2019-01-30 2020-08-13 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 자율 주행 차량을 위한 맵 파티셔닝 시스템
JP2022514548A (ja) * 2019-03-01 2022-02-14 テンセント・アメリカ・エルエルシー 点群解凍用方法、点群圧縮用方法及び装置
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

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
WO2020190090A1 (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
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020246689A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020256308A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2022025552A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021215849A1 (ko) 포인트 클라우드 데이터 처리 장치 및 처리 방법
WO2021002594A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021002592A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021201384A1 (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
WO2022220382A1 (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2020189891A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022220645A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022225145A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021132834A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023182762A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020262824A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022119208A1 (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2022098140A1 (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2022055167A1 (ko) 포인트 클라우드 데이터 전송장치, 포인트 클라우드 데이터 전송방법, 포인트 클라우드 데이터 수신장치 및 포인트 클라우드 데이터 수신방법

Legal Events

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

Ref document number: 23775260

Country of ref document: EP

Kind code of ref document: A1