WO2023191321A1 - 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
WO2023191321A1
WO2023191321A1 PCT/KR2023/002853 KR2023002853W WO2023191321A1 WO 2023191321 A1 WO2023191321 A1 WO 2023191321A1 KR 2023002853 W KR2023002853 W KR 2023002853W WO 2023191321 A1 WO2023191321 A1 WO 2023191321A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
attribute
cloud data
geometry
point
Prior art date
Application number
PCT/KR2023/002853
Other languages
English (en)
French (fr)
Inventor
박유선
허혜정
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Publication of WO2023191321A1 publication Critical patent/WO2023191321A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/96—Tree coding, e.g. quad-tree coding

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • 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.
  • a method of transmitting point cloud data may include encoding point cloud data and transmitting a bitstream including point cloud data.
  • a method of receiving point cloud data according to embodiments may include receiving a bitstream including point cloud data and decoding the point cloud data.
  • Apparatus and methods according to embodiments can process point cloud data with high efficiency.
  • Devices and methods according to embodiments can provide high quality point cloud services.
  • Devices and methods according to embodiments can provide point cloud content to provide general services such as VR services and autonomous driving services.
  • Figure 1 shows an example of a point cloud content providing system according to embodiments.
  • Figure 2 is a block diagram showing a point cloud content providing operation according to embodiments.
  • Figure 3 shows an example of a point cloud video capture process according to embodiments.
  • Figure 4 shows an example of a point cloud encoder according to embodiments.
  • Figure 5 shows examples of voxels according to embodiments.
  • Figure 6 shows examples of octrees and occupancy codes according to embodiments.
  • Figure 7 shows examples of neighboring node patterns according to embodiments.
  • Figure 8 shows an example of point configuration for each LOD according to embodiments.
  • Figure 9 shows an example of point configuration for each LOD according to embodiments.
  • Figure 10 shows an example of a point cloud decoder according to embodiments.
  • Figure 11 shows an example of a point cloud decoder according to embodiments.
  • Figure 12 is an example of a transmission device according to embodiments.
  • FIG. 13 is an example of a receiving device according to embodiments.
  • Figure 14 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 15 shows a method for generating a prediction tree structure according to embodiments.
  • Figure 16 shows inter-frame encoding/decoding according to embodiments.
  • Figure 17 shows a method of selecting a prediction node of a reference frame using a laser ID (laserID) according to embodiments.
  • Figure 18 shows a point cloud data transmission device according to embodiments.
  • Figure 19 shows a point cloud data receiving device according to embodiments.
  • Figure 20 shows a bitstream including a point cloud and parameters according to embodiments.
  • Figure 21 shows a sequence parameter set according to embodiments.
  • Figure 22 shows a tile parameter set according to embodiments.
  • Figure 23 shows a geometry parameter set, an attribute parameter set, and a geometry slice header according to embodiments.
  • Figure 24 shows a point cloud data transmission method according to embodiments.
  • Figure 25 shows a method of receiving point cloud data according to embodiments.
  • Figure 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system shown in FIG. 1 may include a transmission device 10000 and a reception device 10004.
  • the transmitting device 10000 and the receiving device 10004 are capable of wired and wireless communication to transmit and receive point cloud data.
  • the transmission device 10000 may secure, process, and transmit point cloud video (or point cloud content).
  • the transmission device 10000 may be a fixed station, a base transceiver system (BTS), a network, an artificial intelligence (AI) device and/or system, a robot, an AR/VR/XR device, and/or a server. It may include etc.
  • the transmitting device 10000 is a device that communicates with a base station and/or other wireless devices using wireless access technology (e.g., 5G NR (New RAT), LTE (Long Term Evolution)). It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, IoT (Internet of Thing) devices, AI devices/servers, etc.
  • wireless access technology e.g., 5G NR (New RAT), LTE (Long Term Evolution)
  • the transmission device 10000 includes a point cloud video acquisition unit (Point Cloud Video Acquisition, 10001), a point cloud video encoder (Point Cloud Video Encoder, 10002), and/or a transmitter (or communication module), 10003. ) includes
  • the point cloud video acquisition unit 10001 acquires the point cloud video through processing processes such as capture, synthesis, or generation.
  • Point cloud video is point cloud content expressed as a point cloud, which is a set of points located in three-dimensional space, and may be referred to as point cloud video data, etc.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Therefore, a point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, frame, or picture.
  • the point cloud video encoder 10002 encodes the obtained point cloud video data.
  • the point cloud video encoder 10002 can encode point cloud video data based on point cloud compression coding.
  • Point cloud compression coding may include Geometry-based Point Cloud Compression (G-PCC) coding and/or Video based Point Cloud Compression (V-PCC) coding or next-generation coding. Additionally, point cloud compression coding according to embodiments is not limited to the above-described embodiments.
  • the point cloud video encoder 10002 may output a bitstream containing encoded point cloud video data.
  • the bitstream may include encoded point cloud video data, as well as signaling information related to encoding of the point cloud video data.
  • the transmitter 10003 transmits a bitstream including encoded point cloud video data.
  • the bitstream according to embodiments is encapsulated into a file or segment (eg, streaming segment) and transmitted through various networks such as a broadcast network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or encapsulation module) that performs an encapsulation operation. Additionally, depending on embodiments, the encapsulation unit may be included in the transmitter 10003.
  • the file or segment may be transmitted to the receiving device 10004 through a network or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • a digital storage medium eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.
  • the transmitter 10003 is capable of wired/wireless communication with the receiving device 10004 (or receiver 10005) through a network such as 4G, 5G, or 6G. Additionally, the transmitter 10003 can perform necessary data processing operations depending on the network system (e.g., communication network system such as 4G, 5G, 6G, etc.). Additionally, the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • a network such as 4G, 5G, or 6G.
  • the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • the receiving device 10004 includes a receiver (Receiver, 10005), a point cloud video decoder (Point Cloud Decoder, 10006), and/or a renderer (Renderer, 10007).
  • the receiving device 10004 is a device or robot that communicates with a base station and/or other wireless devices using wireless access technology (e.g., 5G NR (New RAT), LTE (Long Term Evolution)). , vehicles, AR/VR/XR devices, mobile devices, home appliances, IoT (Internet of Thing) devices, AI devices/servers, etc.
  • wireless access technology e.g., 5G NR (New RAT), LTE (Long Term Evolution)
  • the receiver 10005 receives a bitstream including point cloud video data or a file/segment in which the bitstream is encapsulated, etc. from a network or storage medium.
  • the receiver 10005 can perform necessary data processing operations depending on the network system (e.g., communication network system such as 4G, 5G, 6G, etc.).
  • the receiver 10005 may decapsulate the received file/segment and output a bitstream.
  • the receiver 10005 may include a decapsulation unit (or decapsulation module) to perform a decapsulation operation.
  • the decapsulation unit may be implemented as a separate element (or component) from the receiver 10005.
  • Point cloud video decoder 10006 decodes a bitstream containing point cloud video data.
  • the point cloud video decoder 10006 may decode the point cloud video data according to how it was encoded (e.g., a reverse process of the operation of the point cloud video encoder 10002). Therefore, the point cloud video decoder 10006 can decode point cloud video data by performing point cloud decompression coding, which is the reverse process of point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • Renderer 10007 renders the decoded point cloud video data.
  • the renderer 10007 can output point cloud content by rendering not only point cloud video data but also audio data.
  • the renderer 10007 may include a display for displaying point cloud content.
  • the display may not be included in the renderer 10007 but may be implemented as a separate device or component.
  • Feedback information is information to reflect interaction with a user consuming point cloud content, and includes user information (eg, head orientation information, viewport information, etc.).
  • user information e.g., head orientation information, viewport information, etc.
  • the feedback information is sent to the content transmitter (e.g., transmission device 10000) and/or the service provider. can be delivered to Depending on embodiments, feedback information may be used not only in the transmitting device 10000 but also in the receiving device 10004, or may not be provided.
  • Head orientation information is information about the user's head position, direction, angle, movement, etc.
  • the receiving device 10004 may calculate viewport information based on head orientation information.
  • Viewport information is information about the area of the point cloud video that the user is looking at.
  • the viewpoint is the point at which the user is watching the point cloud video and may refer to the exact center point of the viewport area.
  • the viewport is an area centered on the viewpoint, and the size and shape of the area can be determined by FOV (Field Of View). Therefore, the receiving device 10004 can extract viewport information based on the vertical or horizontal FOV supported by the device in addition to head orientation information. In addition, the receiving device 10004 performs gaze analysis, etc.
  • the receiving device 10004 may transmit feedback information including the gaze analysis result to the transmitting device 10000.
  • Feedback information may be obtained during rendering and/or display processes.
  • Feedback information may be secured by one or more sensors included in the receiving device 10004. Additionally, depending on embodiments, feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • the dotted line in Figure 1 represents the delivery process of feedback information secured by the renderer 10007.
  • the point cloud content providing system can process (encode/decode) point cloud data based on feedback information.
  • the point cloud video data decoder 10006 can perform a decoding operation based on feedback information. Additionally, the receiving device 10004 may transmit feedback information to the transmitting device 10000. The transmission device 10000 (or the point cloud video data encoder 10002) may perform an encoding operation based on feedback information. Therefore, the point cloud content provision system does not process (encode/decode) all point cloud data, but efficiently processes necessary data (e.g., point cloud data corresponding to the user's head position) based on feedback information and provides information to the user. Point cloud content can be provided to.
  • the transmission device 10000 may be called an encoder, a transmission device, a transmitter, etc.
  • the reception device 10004 may be called a decoder, a reception device, a receiver, etc.
  • Point cloud data (processed through a series of processes of acquisition/encoding/transmission/decoding/rendering) processed in the point cloud content providing system of FIG. 1 according to embodiments may be referred to as point cloud content data or point cloud video data. You can. Depending on embodiments, point cloud content data may be used as a concept including metadata or signaling information related to point cloud data.
  • Elements of the point cloud content providing system shown in FIG. 1 may be implemented as hardware, software, processors, and/or a combination thereof.
  • Figure 2 is a block diagram showing a point cloud content providing operation according to embodiments.
  • the block diagram of FIG. 2 shows the operation of the point cloud content providing system described in FIG. 1.
  • the point cloud content providing system can process point cloud data based on point cloud compression coding (eg, G-PCC).
  • point cloud compression coding eg, G-PCC
  • a point cloud content providing system may acquire a point cloud video (20000).
  • Point cloud video is expressed as a point cloud belonging to a coordinate system representing three-dimensional space.
  • Point cloud video according to embodiments may include a Ply (Polygon File format or the Stanford Triangle format) file. If the point cloud video has one or more frames, the obtained point cloud video may include one or more Ply files.
  • Ply files contain point cloud data such as the point's geometry and/or attributes. Geometry contains the positions of points.
  • the position of each point can be expressed as parameters (e.g., values for each of the X, Y, and Z axes) representing a three-dimensional coordinate system (e.g., a coordinate system consisting of XYZ axes, etc.).
  • Attributes include attributes of points (e.g., texture information, color (YCbCr or RGB), reflectance (r), transparency, etc. of each point).
  • a point has one or more attributes (or properties). For example, one point may have one color attribute, or it may have two attributes, color and reflectance.
  • geometry may be referred to as positions, geometry information, geometry data, etc.
  • attributes may be referred to as attributes, attribute information, attribute data, etc.
  • the point cloud content providing system e.g., the point cloud transmission device 10000 or the point cloud video acquisition unit 10001 collects points from information related to the acquisition process of the point cloud video (e.g., depth information, color information, etc.). Cloud data can be secured.
  • a point cloud content providing system may encode point cloud data (20001).
  • the point cloud content providing system can encode point cloud data based on point cloud compression coding.
  • point cloud data may include the geometry and attributes of points. Therefore, the point cloud content providing system can perform geometry encoding to encode the geometry and output a geometry bitstream.
  • the point cloud content providing system may perform attribute encoding to encode an attribute and output an attribute bitstream.
  • the point cloud content providing system may perform attribute encoding based on geometry encoding.
  • the geometry bitstream and the attribute bitstream according to embodiments may be multiplexed and output as one bitstream.
  • the bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • a point cloud content providing system may transmit encoded point cloud data (20002).
  • encoded point cloud data can be expressed as a geometry bitstream or an attribute bitstream.
  • the encoded point cloud data may be transmitted in the form of a bitstream along with signaling information related to encoding of the point cloud data (e.g., signaling information related to geometry encoding and attribute encoding).
  • the point cloud content providing system can encapsulate a bitstream transmitting encoded point cloud data and transmit it in the form of a file or segment.
  • a point cloud content providing system may receive a bitstream including encoded point cloud data. Additionally, a point cloud content providing system (e.g., receiving device 10004 or receiver 10005) may demultiplex the bitstream.
  • a point cloud content providing system may decode encoded point cloud data (e.g., geometry bitstream, attribute bitstream) transmitted as a bitstream.
  • a point cloud content providing system e.g., receiving device 10004 or point cloud video decoder 10005
  • a point cloud content providing system e.g., receiving device 10004 or point cloud video decoder 10005
  • the point cloud content providing system can restore the attributes of points by decoding the attribute bitstream based on the restored geometry.
  • a point cloud content providing system (e.g., the receiving device 10004 or the point cloud video decoder 10005) may restore the point cloud video based on the decoded attributes and positions according to the restored geometry.
  • a point cloud content providing system may render decoded point cloud data (20004).
  • the point cloud content providing system e.g., the receiving device 10004 or the renderer 10007) may render the geometry and attributes decoded through the decoding process according to various rendering methods.
  • Points of point cloud content may be rendered as a vertex with a certain thickness, a cube with a specific minimum size centered on the vertex position, or a circle with the vertex position as the center. All or part of the rendered point cloud content is provided to the user through a display (e.g. VR/AR display, general display, etc.).
  • a point cloud content providing system (eg, receiving device 10004) according to embodiments may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode point cloud data based on feedback information. Since the feedback information and operation of the point cloud content providing system according to the embodiments are the same as the feedback information and operation described in FIG. 1, detailed description will be omitted.
  • Figure 3 shows an example of a point cloud video capture process according to embodiments.
  • Figure 3 shows an example of a point cloud video capture process of the point cloud content providing system described in Figures 1 and 2.
  • Point cloud content is a point cloud video (images and/or objects) located in various three-dimensional spaces (e.g., three-dimensional space representing a real environment, three-dimensional space representing a virtual environment, etc.) videos). Therefore, the point cloud content providing system according to embodiments uses one or more cameras (e.g., an infrared camera capable of securing depth information, color information corresponding to depth information) to generate point cloud content.
  • Point cloud video can be captured using a projector (e.g., an infrared pattern projector to obtain depth information, etc.), LiDAR, etc.
  • the point cloud content providing system may secure point cloud data by extracting the shape of a geometry composed of points in a three-dimensional space from depth information and extracting the attributes of each point from color information.
  • Images and/or videos according to embodiments may be captured based on at least one of an inward-facing method and an outward-facing method.
  • the left side of Figure 3 shows the inward-facing method.
  • the inward-facing method refers to a method in which one or more cameras (or camera sensors) located surrounding a central object capture the central object.
  • the inward-facing method provides point cloud content that provides users with 360-degree images of key objects (e.g., provides users with 360-degree images of key objects (e.g., characters, players, objects, actors, etc.) It can be used to create VR/AR content that
  • the right side of Figure 3 shows the outward-facing method.
  • the outward-facing method refers to a method in which one or more cameras (or camera sensors) located surrounding a central object capture the environment of the central object rather than the central object.
  • the outward-facing method can be used to generate point cloud content (for example, content representing an external environment that can be provided to a user of an autonomous vehicle) to provide a surrounding environment that appears from the user's perspective.
  • point cloud content for example, content representing an external environment that can be provided to a user of an autonomous vehicle
  • point cloud content may be generated based on the capture operation of one or more cameras.
  • the point cloud content providing system may perform calibration of one or more cameras to set a global spatial coordinate system before the capture operation.
  • the point cloud content providing system may generate point cloud content by combining images and/or video captured using the above-described capture method with arbitrary images and/or video.
  • the point cloud content providing system may not perform the capture operation described in FIG. 3 when generating point cloud content representing a virtual space.
  • the point cloud content providing system may perform post-processing on captured images and/or videos. In other words, the point cloud content providing system removes unwanted areas (e.g. background), recognizes the space where captured images and/or videos are connected, and performs operations to fill spatial holes if they exist. You can.
  • the point cloud content providing system can generate one point cloud content by performing coordinate system transformation on the points of the point cloud video obtained from each camera.
  • the point cloud content providing system can perform coordinate system transformation of points based on the position coordinates of each camera. Accordingly, the point cloud content providing system may generate content representing one wide range or generate point cloud content with a high density of points.
  • Figure 4 shows an example of a point cloud encoder according to embodiments.
  • Figure 4 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, 40000), a quantization unit (Quantize and Remove Points (Voxelize), 40001), an octree analysis unit (Analyze Octree, 40002), and a surface approximation analysis unit.
  • Arithmetic Encode 40004, Reconstruct Geometry, 40005, Transform Colors, 40006, Transfer Attributes, 40007, RAHT It includes a conversion unit (40008), an LOD generation unit (Generated LOD, 40009), a lifting conversion unit (40010), a coefficient quantization unit (Quantize Coefficients, 40011), and/or an arithmetic encoder (Arithmetic Encode, 40012). .
  • the coordinate system conversion unit 40000, the quantization unit 40001, the octree analysis unit 40002, the surface approximation analysis unit 40003, the arithmetic encoder 40004, and the geometry reconstruction unit 40005 perform geometry encoding. can do.
  • Geometry encoding 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 40000 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 40001 quantizes geometry. For example, the quantization unit 40001 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 40001 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 40001 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 40002 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 40003 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 40004 entropy encodes the octree and/or the approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • a geometry bitstream is created.
  • Color converter (40006), attribute converter (40007), RAHT converter (40008), LOD generator (40009), lifting converter (40010), coefficient quantization unit (40011), and/or arismatic encoder (40012) 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 40006 performs color conversion coding to convert color values (or textures) included in attributes.
  • the color converter 40006 may convert the format of color information (for example, convert from RGB to YCbCr).
  • the operation of the color converter 40006 according to embodiments may be applied optionally according to color values included in the attributes.
  • the geometry reconstruction unit 40005 reconstructs (decompresses) the octree and/or the approximated octree.
  • the geometry reconstruction unit 40005 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 40007 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 40007 can transform the attributes based on the reconstructed geometry information. For example, the attribute conversion unit 40007 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 40007 converts the attributes of one or more points. When tryop geometry encoding is performed, the attribute conversion unit 40007 may convert the attributes based on tryop geometry encoding.
  • the attribute conversion unit 40007 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 40007 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 40007 can search for neighboring points that exist within a specific location/radius from the position of the center point of each voxel based on the 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 40007 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 40008 and/or the LOD generation unit 40009.
  • the RAHT conversion unit 40008 performs RAHT coding to predict attribute information based on the reconstructed geometry information. For example, the RAHT conversion unit 40008 may predict attribute information of a node at a higher level of the octree based on attribute information associated with a node at a lower level of the octree.
  • the LOD generator 40009 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 40010 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 40011 quantizes attribute-coded attributes based on coefficients.
  • the arismatic encoder 40012 encodes quantized attributes based on arismatic coding.
  • the elements of the point cloud encoder of FIG. 4 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. 4 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. 4.
  • 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 5 shows examples of voxels according to embodiments.
  • Figure 5 shows voxels located in a three-dimensional space expressed in a coordinate system consisting of three axes: X-axis, Y-axis, and Z-axis.
  • a point cloud encoder eg, quantization unit 40001, etc.
  • Figure 5 shows an octree structure that recursively subdivides a cubic axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ). Shows an example of a voxel created through .
  • One voxel includes at least one point.
  • the spatial coordinates of a voxel can be estimated from its position relationship with a voxel group.
  • voxels have attributes (color, reflectance, etc.) like pixels of a two-dimensional image/video. Detailed descriptions of voxels are omitted as they are the same as those described in FIG. 4.
  • Figure 6 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 40002) 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 6 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 6 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 40004) according to embodiments may entropy encode an occupancy code. Additionally, to increase compression efficiency, the point cloud encoder can intra/inter code occupancy codes.
  • a receiving device eg, a receiving device 10004 or a point cloud video decoder 10006) according to embodiments reconstructs an octree based on the occupancy code.
  • the point cloud encoder may perform voxelization and octree coding to store the positions of points.
  • points in a three-dimensional space are not always evenly distributed, there may be specific areas where there are not many points. Therefore, it is inefficient to perform voxelization on the entire three-dimensional space. For example, if there are few points in a specific area, there is no need to perform voxelization to that area.
  • the point cloud encoder does not perform voxelization on the above-described specific area (or nodes other than the leaf nodes of the octree), but uses direct coding to directly code the positions of points included in the specific area. ) can be performed. Coordinates of direct coding points according to embodiments are called direct coding mode (Direct Coding Mode, DCM). Additionally, the point cloud encoder according to embodiments may perform Trisoup geometry encoding to reconstruct the positions of points within a specific area (or node) on a voxel basis based on a surface model. TryShop geometry encoding is a geometry encoding that expresses the object as a series of triangle meshes.
  • the point cloud decoder can generate a point cloud from the mesh surface.
  • Direct coding and tryop geometry encoding according to embodiments may be selectively performed. Additionally, direct coding and tryop geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use direct mode to apply direct coding must be activated, and the node to which direct coding will be applied is not a leaf node, but has nodes below the threshold within a specific node. points must exist. Additionally, the number of appetizer points subject to direct coding must not exceed a preset limit. If the above conditions are satisfied, the point cloud encoder (or arismatic encoder 40004) according to embodiments can entropy code the positions (or position values) of points.
  • the point cloud encoder 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 40005
  • the point cloud encoder performs triangle reconstruction, up-sampling, and voxelization processes. This allows you to 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 7 shows examples of neighboring node patterns according to embodiments.
  • the point cloud encoder may perform entropy coding based on context adaptive arithmetic coding.
  • the point cloud content providing system or point cloud encoder (e.g., point cloud video encoder 10002, point cloud encoder or arismatic encoder 40004 of FIG. 4) directly converts the occupancy code. Entropy coding is possible. Additionally, the point cloud content providing system or point cloud encoder performs entropy encoding (intra encoding) based on the occupancy code of the current node and the occupancy codes of neighboring nodes, or entropy encoding (inter encoding) based on the occupancy code of the previous frame. ) can be performed.
  • a frame refers to a set of point cloud videos created at the same time.
  • Figure 7 shows the process of obtaining an occupancy pattern based on the occupancy of neighboring nodes.
  • the point cloud encoder determines the occupancy of neighboring nodes of each node in the octree and obtains a neighbor pattern value. Neighboring node patterns are used to infer the occupancy pattern of the corresponding node.
  • the left side of Figure 7 shows a cube corresponding to a node (the cube located in the center) and six cubes (neighboring nodes) that share at least one side with the cube.
  • the nodes shown in the drawing are nodes of the same depth.
  • the numbers shown in the figure represent weights (1, 2, 4, 8, 16, 32, etc.) associated with each of the six nodes. Each weight is assigned sequentially according to the positions of neighboring nodes.
  • the right side of Figure 7 shows neighboring node pattern values.
  • the neighboring node pattern value is the sum of the values multiplied by the weights of the occupied neighboring nodes (neighboring nodes with points). Therefore, the neighbor node pattern value ranges from 0 to 63. If the neighboring node pattern value is 0, it indicates that there is no node (occupied node) with a point among the neighboring nodes of the corresponding node. If the neighboring node pattern value is 63, it indicates that all neighboring nodes are occupied nodes. As shown in the figure, neighboring nodes given weights of 1, 2, 4, and 8 are occupied nodes, so the neighboring node pattern value is 15, which is the sum of 1, 2, 4, and 8.
  • the point cloud encoder can perform coding according to the neighboring node pattern value (for example, if the neighboring node pattern value is 63, 64 types of coding are performed). Depending on embodiments, the point cloud encoder may reduce coding complexity by changing the neighboring node pattern value (for example, based on a table that changes 64 to 10 or 6).
  • Figure 8 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 9 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. 4, or the LOD generator 40009) generates an LOD. can do.
  • the LOD is created by reorganizing the points into a set of refinement levels according to a set LOD distance value (or 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. 9 shows examples (P0 to P9) of points of point cloud content distributed in three-dimensional space.
  • the original order in FIG. 9 represents the order of points P0 to P9 before LOD generation.
  • the LOD based order in FIG. 9 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 40011 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.
  • a point cloud encoder (e.g., an arismatic encoder 40012) may 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 according to the examples (e.g., the arismatic encoder 40012) 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.
  • Point cloud encoder e.g., the lifting transform unit 40010 generates a predictor for each point, sets the LOD calculated in the predictor, registers neighboring points, and weights according to the distance to neighboring points.
  • Lifting transform coding can be performed by setting.
  • Lifting transform coding according to embodiments is similar to the prediction transform coding described above, but differs in that weights are cumulatively applied to attribute values. Attributes according to embodiments The process of cumulatively applying weights to values 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 40011
  • a point cloud encoder e.g., arismatic encoder 40012
  • entropy codes the quantized attribute value.
  • the point cloud encoder (e.g., RAHT transform unit 40008) may perform RAHT transform coding to predict the attributes of nodes at the upper level using attributes associated with nodes at the lower level of the octree. .
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud encoder according to embodiments scans the entire area from the voxel, merges the voxels into a larger block at each step, and repeats the merging process up to the root node.
  • the merging process according to embodiments is performed only for occupied nodes.
  • the merging process is not performed on empty nodes, and the merging process is performed on the nodes immediately above the empty node.
  • g lx, y, z represent the average attribute values of voxels at level l.
  • g lx, y, z can be calculated from g l+1 2x, y, z and g l+1 2x+1, y, z .
  • g l-1 x, y, z are low-pass values, which are used in the merging process at the next higher level.
  • the root node is created through the last g 1 0, 0, 0 and g 1 0, 0, 1 as follows:
  • Figure 10 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 10 is an example of the point cloud video decoder 10006 described in FIG. 1 and may perform the same or similar operations as the point cloud video decoder 10006 described in FIG. 1 .
  • the point cloud decoder can receive a geometry bitstream and an attribute bitstream included in one or more bitstreams.
  • the point cloud decoder includes a geometry decoder and an attribute decoder.
  • the geometry decoder performs geometry decoding on the geometry bitstream and outputs decoded geometry.
  • the attribute decoder performs attribute decoding based on the decoded geometry and attribute bitstream and outputs decoded attributes.
  • the decoded geometry and decoded attributes are used to reconstruct the point cloud content (decoded point cloud).
  • Figure 11 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 11 is an example of the point cloud decoder described in FIG. 10 and can perform a decoding operation that is the reverse process of the encoding operation of the point cloud encoder described in FIGS. 1 to 9.
  • 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 (arithmetic decode, 11000), an octree synthesis unit (synthesize octree, 11001), a surface approximation synthesis unit (synthesize surface approximation, 11002), and a geometry reconstruction unit (reconstruct geometry). , 11003), inverse transform coordinates (11004), arithmetic decoder (arithmetic decode, 11005), inverse quantize (11006), RAHT transform unit (11007), LOD generator (generate LOD, 11008) ), an inverse lifting unit (Inverse lifting, 11009), and/or a color inverse transform unit (inverse transform colors, 11010).
  • the arismatic decoder 11000, octree synthesis unit 11001, surface oproximation synthesis unit 11002, geometry reconstruction unit 11003, and coordinate system inversion unit 11004 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 9.
  • the arismatic decoder 11000 decodes the received geometry bitstream based on arismatic coding.
  • the operation of the arismatic decoder (11000) corresponds to the reverse process of the arismatic encoder (40004).
  • the octree synthesis unit 11001 may generate an octree by obtaining an occupancy code from a decoded geometry bitstream (or information about the geometry obtained as a result of decoding). A detailed description of the occupancy code is as described in FIGS. 1 to 9.
  • the surface oproximation synthesis unit 11002 may synthesize a surface based on the decoded geometry and/or the generated octree.
  • the geometry reconstruction unit 11003 may regenerate geometry based on the surface and or the decoded geometry. As described in FIGS. 1 to 9, direct coding and Tryop geometry encoding are selectively applied. Therefore, the geometry reconstruction unit 11003 directly retrieves and adds the position information of points to which direct coding has been applied. In addition, when TryShop geometry encoding is applied, the geometry reconstruction unit 11003 can restore the geometry by performing reconstruction operations of the geometry reconstruction unit 40005, such as triangle reconstruction, up-sampling, and voxelization operations. there is. Since the specific details are the same as those described in FIG. 6, 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 11004 may obtain positions of points by transforming the coordinate system based on the restored geometry.
  • the arithmetic decoder (11005), inverse quantization unit (11006), RAHT conversion unit (11007), LOD generation unit (11008), inverse lifting unit (11009), and/or color inverse conversion unit (11010) 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 and 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
  • the arismatic decoder 11005 decodes the attribute bitstream using arismatic coding.
  • the inverse quantization unit 11006 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 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may process the reconstructed geometry and inverse quantized attributes. As described above, the RAHT converter 11007, the LOD generator 11008, and/or the inverse lifting unit 11009 may selectively perform the corresponding decoding operation according to the encoding of the point cloud encoder.
  • the color inversion unit 11010 performs inverse transformation coding to inversely transform color values (or textures) included in decoded attributes.
  • the operation of the color inverse converter 11010 may be selectively performed based on the operation of the color converter 40006 of the point cloud encoder.
  • the elements of the point cloud decoder of FIG. 11 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 decoder of FIG. 11 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 11.
  • Figure 12 is an example of a transmission device according to embodiments.
  • the transmission device shown in FIG. 12 is an example of the transmission device 10000 of FIG. 1 (or the point cloud encoder of FIG. 4).
  • the transmission device shown in FIG. 12 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 9.
  • the transmission device includes a data input unit 12000, a quantization processing unit 12001, a voxelization processing unit 12002, an octree occupancy code generation unit 12003, a surface model processing unit 12004, and an intra/ Inter coding processing unit (12005), Arithmetic coder (12006), metadata processing unit (12007), color conversion processing unit (12008), attribute conversion processing unit (or attribute conversion processing unit) (12009), prediction/lifting/RAHT conversion It may include a processing unit 12010, an arithmetic coder 12011, and/or a transmission processing unit 12012.
  • the data input unit 12000 receives or acquires point cloud data.
  • the data input unit 12000 may perform the same or similar operation and/or acquisition method as the operation and/or acquisition method of the point cloud video acquisition unit 10001 (or the acquisition process 20000 described in FIG. 2).
  • the quantization processing unit 12001 quantizes geometry (eg, position values of points or position values).
  • the operation and/or quantization of the quantization processing unit 12001 is the same or similar to the operation and/or quantization of the quantization unit 40001 described in FIG. 4.
  • the specific description is the same as that described in FIGS. 1 to 9.
  • the voxelization processing unit 12002 voxelizes the position values of quantized points.
  • the voxelization processing unit 120002 may perform operations and/or processes that are the same or similar to the operations and/or voxelization processes of the quantization unit 40001 described in FIG. 4. The specific description is the same as that described in FIGS. 1 to 9.
  • the octree occupancy code generation unit 12003 performs octree coding on the positions of voxelized points based on an octree structure.
  • the octree occupancy code generation unit 12003 may generate an occupancy code.
  • the octree occupancy code generation unit 12003 may perform operations and/or methods that are the same or similar to those of the point cloud encoder (or octree analysis unit 40002) described in FIGS. 4 and 6. The specific description is the same as that described in FIGS. 1 to 9.
  • the surface model processing unit 12004 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 12004 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 40003) described in FIG. 4 .
  • the specific description is the same as that described in FIGS. 1 to 9.
  • the intra/inter coding processor 12005 may intra/inter code point cloud data.
  • the intra/inter coding processing unit 12005 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 12005 may be included in the arismatic coder 12006.
  • the arismatic coder 12006 entropy encodes an octree and/or an approximated octree of point cloud data.
  • the encoding method includes an Arithmetic encoding method.
  • the arismatic coder 12006 performs operations and/or methods that are the same or similar to those of the arismatic encoder 40004.
  • the metadata processing unit 12007 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 12007 according to embodiments may generate and/or process signaling information related to geometry encoding and/or attribute encoding. Signaling information according to embodiments may be encoded separately from geometry encoding and/or attribute encoding. Additionally, signaling information according to embodiments may be interleaved.
  • the color conversion processor 12008, the attribute conversion processor 12009, the prediction/lifting/RAHT conversion processor 12010, and the arithmetic coder 12011 perform attribute encoding. Since attribute encoding according to embodiments is the same or similar to the attribute encoding described in FIGS. 1 to 9, detailed descriptions are omitted.
  • the color conversion processing unit 12008 performs color conversion coding to convert color values included in attributes.
  • the color conversion processor 12008 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 9. Additionally, operations and/or methods identical or similar to those of the color conversion unit 40006 described in FIG. 4 are performed. Detailed explanations are omitted.
  • the attribute conversion processing unit 12009 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 12009 performs operations and/or methods that are the same or similar to those of the attribute conversion unit 40007 described in FIG. 4 . Detailed explanations are omitted.
  • the prediction/lifting/RAHT transform processing unit 12010 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 12010 performs at least one of the same or similar operations as the RAHT conversion unit 40008, the LOD generation unit 40009, and the lifting conversion unit 40010 described in FIG. 4. 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 9, detailed descriptions are omitted.
  • the arismatic coder 12011 may encode coded attributes based on arismatic coding.
  • the arismatic coder 12011 performs operations and/or methods that are the same or similar to those of the arismatic encoder 400012.
  • the transmission processing unit 12012 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 (Geom00) and one or more attribute bitstreams (Attr00 and Attr10).
  • 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 12007 may generate and/or process signaling information and transmit it to the transmission processing unit 12012.
  • elements performing geometry encoding and elements performing attribute encoding may share data/information with each other as indicated by the dotted line.
  • the transmission processing unit 12012 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. 13 is an example of a receiving device according to embodiments.
  • the receiving device shown in FIG. 13 is an example of the receiving device 10004 in FIG. 1 (or the point cloud decoder in FIGS. 10 and 11).
  • the receiving device shown in FIG. 13 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 13000, a receiving processing unit 13001, an arithmetic decoder 13002, an occupancy code-based octree reconstruction processing unit 13003, and a surface model processing unit (triangle reconstruction , up-sampling, voxelization) (13004), inverse quantization processor (13005), metadata parser (13006), arithmetic decoder (13007), inverse quantization processor (13008), prediction /Lifting/RAHT may include an inverse conversion processing unit 13009, a color inversion processing unit 13010, and/or a renderer 13011.
  • Each decoding component according to the embodiments may perform the reverse process of the encoding component according to the embodiments.
  • the receiving unit 13000 receives point cloud data.
  • the receiver 13000 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 13001 may obtain a geometry bitstream and/or an attribute bitstream from received data.
  • the reception processing unit 13001 may be included in the reception unit 13000.
  • the arismatic decoder 13002, the occupancy code-based octree reconstruction processor 13003, the surface model processor 13004, and the inverse quantization processor 13005 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 13002 may decode a geometry bitstream based on arismatic coding.
  • the arismatic decoder 13002 performs operations and/or coding that are the same or similar to those of the arismatic decoder 11000.
  • the occupancy code-based octree reconstruction processing unit 13003 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 13003 performs operations and/or methods that are the same or similar to the operations and/or octree generation method of the octree composition unit 11001. When Trichom geometry encoding is applied, the surface model processing unit 13004 according to embodiments performs Trichom geometry decoding and related geometry reconstruction (e.g., triangle reconstruction, up-sampling, voxelization) based on the surface model method. can be performed. The surface model processing unit 13004 performs the same or similar operations as the surface oproximation synthesis unit 11002 and/or the geometry reconstruction unit 11003.
  • Trichom geometry decoding and related geometry reconstruction e.g., triangle reconstruction, up-sampling, voxelization
  • the inverse quantization processor 13005 may inverse quantize the decoded geometry.
  • the metadata parser 13006 may parse metadata, for example, setting values, etc. included in the received point cloud data. Metadata parser 13006 may pass metadata to geometry decoding and/or attribute decoding. The detailed description of metadata is the same as that described in FIG. 12, so it is omitted.
  • the arismatic decoder 13007, inverse quantization processing unit 13008, prediction/lifting/RAHT inversion processing unit 13009, and color inversion processing unit 13010 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 13007 may decode an attribute bitstream using arismatic coding.
  • the arismatic decoder 13007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the arismatic decoder 13007 performs operations and/or coding that are the same or similar to those of the arismatic decoder 11005.
  • the inverse quantization processor 13008 may inverse quantize a decoded attribute bitstream.
  • the inverse quantization processing unit 13008 performs operations and/or methods that are the same or similar to the operations and/or inverse quantization method of the inverse quantization unit 11006.
  • the prediction/lifting/RAHT inversion processing unit 13009 may process the reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transformation processing unit 13009 performs operations and/or similar to the operations and/or decoding operations of the RAHT conversion unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009. Perform at least one of the decoding steps.
  • the color inversion processing unit 13010 according to embodiments performs inverse transformation coding to inversely transform color values (or textures) included in decoded attributes.
  • the color inversion processing unit 13010 performs operations and/or inverse conversion coding that are the same or similar to those of the color inversion unit 11010.
  • the renderer 13011 may render point cloud data.
  • Figure 14 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. 14 includes at least one of a server 1460, a robot 1410, an autonomous vehicle 1420, an XR device 1430, a smartphone 1440, a home appliance 1450, and/or an HMD 1470. It represents a configuration connected to the cloud network 1410.
  • a robot 1410, an autonomous vehicle 1420, an XR device 1430, a smartphone 1440, or a home appliance 1450 is called a device.
  • the XR device 1430 may correspond to or be linked to a point cloud data (PCC) device according to embodiments.
  • PCC point cloud data
  • the cloud network 1400 may constitute part of a cloud computing infrastructure or may refer to a network that exists within the cloud computing infrastructure.
  • the cloud network 1400 may be configured using a 3G network, 4G, Long Term Evolution (LTE) network, or 5G network.
  • 3G network 4G
  • LTE Long Term Evolution
  • the server 1460 includes at least one of a robot 1410, an autonomous vehicle 1420, an XR device 1430, a smartphone 1440, a home appliance 1450, and/or a HMD 1470, and a cloud network 1400. It is connected through and can assist at least part of the processing of the connected devices 1410 to 1470.
  • a Head-Mount Display (HMD) 1470 represents one of the types in which an XR device and/or a PCC device according to embodiments may be implemented.
  • the HMD type device includes a communication unit, a control unit, a memory unit, an I/O unit, a sensor unit, and a power supply unit.
  • devices 1410 to 1450 to which the above-described technology is applied will be described.
  • the devices 1410 to 1450 shown in FIG. 14 may be linked/combined with the point cloud data transmission and reception devices according to the above-described embodiments.
  • the XR/PCC device 1430 is equipped with PCC and/or XR (AR+VR) technology, and is applied to HMD (Head-Mount Display), HUD (Head-Up Display) provided 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 1430 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 1430 may output an XR object containing additional information about the recognized object in correspondence to the recognized object.
  • the XR/PCC device 1430 can be implemented as a mobile phone 1440, etc. by applying PCC technology.
  • the mobile phone 1440 can decode and display point cloud content based on PCC technology.
  • the self-driving vehicle 1420 can be implemented as a mobile robot, vehicle, unmanned aerial vehicle, etc. by applying PCC technology and XR technology.
  • the autonomous vehicle 1420 to which XR/PCC technology is applied may refer to an autonomous vehicle equipped with means for providing XR images or an autonomous vehicle that is subject to control/interaction within XR images.
  • the autonomous vehicle 1420 which is the subject of control/interaction within the XR image, is distinct from the XR device 1430 and may be interoperable with each other.
  • An autonomous vehicle 1420 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 1420 may be equipped with a HUD and output XR/PCC images, thereby providing occupants with XR/PCC objects corresponding to real objects or objects on the screen.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a portion of the XR/PCC object may be output to overlap the actual object toward which the passenger's gaze is directed.
  • the XR/PCC object when the XR/PCC object is output to a display provided inside the autonomous vehicle, at least a portion of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 1220 may output XR/PCC objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, pedestrians, buildings, etc.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects and backgrounds in the real world only as CG images.
  • AR technology refers to a technology that shows a virtual CG image on top of an image of a real object.
  • MR technology is similar to the AR technology described above in that it mixes and combines virtual objects in the real world to display them.
  • real objects and virtual objects made of CG images there is a clear distinction between real objects and virtual objects made of CG images, and virtual objects are used as a complement to real objects, whereas in MR technology, virtual objects are considered to be equal to real objects. It is distinct from technology. More specifically, for example, the MR technology described above is applied to a hologram service.
  • embodiments of the present invention are applicable to all VR, AR, MR, and XR technologies. These technologies can be encoded/decoded based on PCC, V-PCC, and G-PCC technologies.
  • the PCC method/device according to embodiments may be applied to vehicles providing autonomous driving services.
  • Vehicles providing autonomous driving services are connected to PCC devices to enable wired/wireless communication.
  • the point cloud data (PCC) transmitting and receiving device When connected to a vehicle to enable wired/wireless communication, the point cloud data (PCC) transmitting and receiving device according to embodiments receives/processes content data related to AR/VR/PCC services that can be provided with autonomous driving services and transmits and receives content data to the vehicle. can be transmitted to. Additionally, when the point cloud data transmission/reception device is mounted on a vehicle, the point cloud data transmission/reception device can receive/process content data related to AR/VR/PCC services according to a user input signal input through a user interface device and provide it to the user.
  • a vehicle or user interface device may receive a user input signal.
  • User input signals according to embodiments may include signals indicating autonomous driving services.
  • Method/device for transmitting point cloud data includes the transmitting device 10000 of FIG. 1, the point cloud video encoder 10002, the transmitter 10003, and the acquisition-encoding-transmission (20000-20001-20002) of FIG. 2. , Encoder in FIG. 4, Transmitter in FIG. 12, Device in FIG. 14, Example tree-based encoding in FIG. 15, FIG. 16 Inter-frame prediction tree-based compression, FIG. 17 Alignment-based compression according to azimuth value according to laser ID, FIG. 18 It is interpreted as a term referring to intra-frame and/or inter-frame encoder, bitstream generation in Figures 20 to 23, transmission method in Figure 24, etc.
  • Methods/devices for receiving point cloud data include the receiving device 10004 of FIG. 1, the receiver 10005, the point cloud video decoder 10006, and the transmission-decoding-rendering (20002-20003-20004) of FIG. 2.
  • decoder in FIGS. 10-11 receiving device in FIG. 13, device in FIG. 14, custom tree-based decoding in FIG. 15, FIG. 16 inter-frame prediction tree-based restoration, FIG. 17 alignment-based restoration according to azimuth value according to laser ID.
  • the method/device for transmitting and receiving point cloud data according to the embodiments may be abbreviated as the method/device according to the embodiments.
  • geometry data, geometry information, location information, etc. that constitute point cloud data are interpreted to have the same meaning.
  • Attribute data, attribute information, attribute information, etc. that make up point cloud data are interpreted to have the same meaning.
  • a point is an element of a point cloud that includes a location by coordinate system and zero or one or more attributes.
  • a point cloud is a list of points.
  • a point cloud sequence is a sequence of one or more point clouds.
  • a point cloud frame is a point cloud within a point cloud sequence.
  • Geometry is a set of points and associated point positions.
  • An attribute is a scalar or vector attribute associated with each point in the point cloud. For example, it may be color, reflectivity, frame index, etc.
  • a slice is the geometry and attributes of part or all of an encoded point cloud frame.
  • a tile is a set of slices.
  • the method/apparatus according to embodiments may include and perform an attribute compression method using laserID of point cloud predictive tree.
  • the method/device according to embodiments may include and perform an inter-frame attribute compression method using laserID among prediction tree information.
  • the method/device may use a structure that can perform attribute compression using inter-frame geometry information to compress 3D point cloud data.
  • Dynamic point cloud classified as Category 3 in point cloud data, consists of several point cloud frames and is mainly aimed at use cases as autonomous driving data. At this time, a set of frames is called a sequence, and one sequence includes frames composed of the same attribute values. Therefore, between attribute values, there are data characteristics such as movement or attribute value changes between previous and subsequent frames.
  • geometry-based inter-frame compression has been actively performed, but inter-frame attribute compression has not been performed.
  • the embodiments propose a structure and method that can use inter-frame features found in geometry information in attribute compression with the goal of inter-frame compression among Category 3 sequences.
  • Geometry compression between frames can be largely performed by octree inter-frame compression and prediction tree inter-frame compression.
  • the information used in prediction tree inter-frame compression is used for attribute compression.
  • points that are not appropriate in the inter-frame information can be compressed using the geometry information within the frame, thereby improving compression efficiency.
  • Figure 15 shows a method for generating a prediction tree structure according to embodiments.
  • the method/apparatus according to embodiments can generate a prediction tree as shown in FIG. 15.
  • the prediction tree structure is created through the process of creating a tree structure from the xyz coordinates of the point cloud and the connection relationships between points.
  • To construct a prediction tree the input points are sorted based on specific criteria, and a prediction tree structure is created by calculating predicted values according to neighboring nodes from the rearranged ply.
  • the prediction tree structure generation and encoding method is shown in Figure 15.
  • the encoder/decoder receives ply data and rearranges the data in an order that is efficient for encoding/decoding.
  • a predicted value with a value close to the current point can be generated, and the predicted point for the current point can be expressed in a tree structure.
  • Parent points and child points can be represented by arrows.
  • An arrow may be constructed from the current point to the parent (neighboring and/or predicted) point. If the prediction relationship between points is expressed in a tree structure, the residual value for the prediction point for the current point can be generated and encoded by traversing from the root node (point) to the child points.
  • Figure 16 shows inter-frame encoding/decoding according to embodiments.
  • the method/apparatus according to embodiments can go further from FIG. 15 and perform inter-frame prediction tree-based compression as shown in FIG. 16.
  • one additional prediction point can be selected from the reference frame, or an inter-frame structure that uses two points as additional prediction points (additional inter pred points) can be used.
  • the point with the smaller residual among the two points (Additional Inter Pred Point, Inter Pred Point) that are predictor candidates can become the predictor for the current point.
  • the method/device according to embodiments may find a reference point close to a previously decoded (restored) point from the reference frame of the current frame in order to encode or decode the current point included in the current frame.
  • the reference point may have the same laser ID and the same scaled azimuth as the previously decoded point.
  • the point with geometry and/or attributes most similar to the current point can be used as a predictor. That is, the residual between the geometry and/or attributes of the selected predictor and the current point can be encoded and decoded.
  • a transmission method/device compresses geometry and performs attribute compression.
  • intra-frame coding is performed using prediction/lifting/RAHT (Predicting/Lifting/RAHT transform) coding.
  • prediction/lifting/RAHT Predicting/Lifting/RAHT transform
  • inter-frame encoding/decoding a method of combining the previous frame and the current frame into one frame and using prediction/lifting/RAHT (Predicting/Lifting/RAHT transform) coding has been proposed, but the compression efficiency is around 5% compared to intra-frame coding. It only shows efficiency. Additionally, it has the disadvantage of not being able to support a prediction tree structure for the purpose of low-latency decoding. Embodiments may supplement this.
  • Whether or not the geometry coding order is maintained can be determined depending on whether or not a prediction tree is created in the decoder. Embodiments may apply coding methods differently depending on whether the geometry coding order is maintained. Unlike conventional technology that simply combines two existing frames and codes them into one frame, prediction tree information between frames can be used for attribute compression as decoded information. In intra-frame compression, the morton generation and neighbor node search process have overlapping characteristics with the prediction tree information generated based on geometry, so the problem of being performed redundantly can be solved. The information generated from the existing distance-based prediction tree can be utilized to the fullest extent in attribute compression.
  • the actual geometry coding order can be maintained in attribute compression, or the geometry (points) can be rearranged. Maintaining the geometry coding order has the advantage of shortening the rearrangement time in the encoder and decoder, but the compression rate may be lowered depending on the geometry coding order. If the geometry coding order is not maintained and rearranged according to a specific standard, the execution time and memory usage for the rearrangement in the encoder and decoder increase, while the compression rate may increase. Therefore, it is possible to determine whether to maintain the geometry coding order according to the time and compression rate of the encoder and decoder.
  • the prediction transform, lifting transform, and RAHT used for attribute compression rearrange the geometry order and perform attribute coding in morton order.
  • predictive geometry coding a prediction tree for the parent-child relationship between adjacent points is formed, and since attribute values between points can be encoded based on previous points, embodiments use prediction tree geometry coding. Afterwards, an attribute coding method based on the available prediction tree information can be applied.
  • Existing prediction tree geometry coding creates parent-child node relationships and performs prediction value calculation for each point.
  • the calculation of the predicted value is determined according to the order of the sorted points and the position values of points close to the sorted point order.
  • the predicted value is calculated based on the position values of the parent node and parent-parent node in the current node.
  • Methods for calculating prediction values in existing prediction tree encoding include intra-frame calculation methods (4 types) and inter-frame calculation methods (2 types).
  • the inter prediction point (Inter pred point) has the same laser ID value in the decoded reference frame and designates the point with the most similar azimuth value as the reference point.
  • An additional inter pred point refers to a point that has a smaller azimuth value and the same laser ID than the inter pred point.
  • Embodiments may include a method for intra-/inter-frame attribute compression in point cloud data using a geometry prediction tree.
  • inter-frame property compression we present conditions that can be used for compression by selecting points that have the necessary geometry information from within-frame and inter-frame information.
  • Embodiments include a method of extending prediction tree geometry compression within an existing frame to enable attribute compression. For example, it may include a method of selecting a prediction node of a reference frame using a laser ID and a method of determining compression using a set of inter-frame/intra-frame prediction nodes.
  • Geometry coding using a prediction tree enables low-delay coding when using the proposed geometry attribute coding method within a frame, but there is a problem in that practical low-delay coding is not possible because low delay is not possible in attribute compression.
  • the proposed method can improve attribute compression performance by additionally proposing a prediction node selection method of the reference frame using laser ID and a compression decision method using inter-frame/intra-frame prediction node sets.
  • Geometry compression using a prediction tree within the current frame can be used.
  • the inter-frame geometry prediction tree can refer to up to two previously decoded points in the current frame, select a mode according to the calculation formula, and transmit it to the decoder as signaling information.
  • one inter prediction point (inter pred point) corresponding to the current point in the previous frame is selected as the point (reference point) with the closest x, y, z geometry values.
  • one more point can be selected from the reference frame, and as shown in FIG. 16, an inter prediction point (inter pred point) and an additional inter prediction point (additional inter pred point) are selected as candidates.
  • Inter-frame geometry prediction coding can be performed by importing up to three previously decoded points from the reference frame as a predictor based on the point selected from the reference frame.
  • Attributes can be compressed using selected inter pred points and additional inter pred points in the geometry.
  • a point selected in the reference frame can be set as the prediction point, or another point can be set as the reference point.
  • To determine a reference point a short Euclidean distance in x, y, and z between the current point and the predicted point can be used to select it as a prediction node.
  • Figure 17 shows a method of selecting a prediction node of a reference frame using a laser ID (laserID) according to embodiments.
  • Method/device for transmitting point cloud data according to embodiments (transmitting device 10000 in FIG. 1, point cloud video encoder 10002, transmitter 10003, acquisition-encoding-transmission (20000-20001-20002) in FIG. 2 , encoder in FIG. 4, transmitting device in FIG. 12, device in FIG. 14, pre-specific tree-based encoding in FIG. 15, inter-frame prediction tree-based compression in FIG. 16, intra-frame and/or inter-frame encoder in FIG. 18, transmission method in FIG. 24) Can select a prediction node, as shown in Figure 17.
  • Method/device for receiving point cloud data can select a prediction node as shown in Figure 17.
  • the encoding (decoding) method/device can convert the coordinate system to a spherical coordinate system using radius, azimuth, and laser ID, and search for prediction nodes. .
  • the spherical coordinate system changed in the prediction tree may not be reconverted to the Cartesian coordinate system.
  • point information using the radius, azimuth, and laserID of the spherical coordinate system can be divided into 0 ⁇ 63 or 0 ⁇ 127 based on the laser ID.
  • the reason for dividing the laser ID into a reference point is that when a lidar laser scans once, only one probing point is created due to the characteristics of the laser.
  • the value of azimuth according to the laser ID may be within - ⁇ to + ⁇ . At this time, when sorting based on the azimuth value, the azimuth value corresponding to each laser ID is generated, as shown in Figure 17.
  • the central origin may be where the radar is located.
  • Each circle can have a laser ID, from the circle closest to the origin to the circle with increasing radius.
  • Point clouds sorted by azimuth values according to laser ID are generated for each reference frame and current frame.
  • the point with the closest azimuth for the same laser ID is selected.
  • the attribute value of the selected point becomes a candidate for a prediction node for compressing the current point, and can be selected based on the same criteria in the current frame.
  • the transmission/reception method/device may determine compression using an inter-frame/intra-frame prediction node set as follows.
  • predEligible predInter * weight + predIntra
  • predEligible_reflectance ⁇ predInter1 *weight
  • predEligible_reflectance is a threshold that determines whether to assign weight.
  • weight is a weight.
  • predInter1 is the reflectance for the inter-frame prediction node.
  • predIntra1 is the reflectivity for the intra frame prediction node.
  • weight is a weight and can be passed from the encoder to the decoder through pred_weight.
  • the transmission method/device calculates the mode using only the prediction node of the reference frame and transmits the residual value. If predEligible is below the threshold, the mode and residual are calculated and transmitted using only the prediction node of the current frame.
  • predEligible_reflectance is the reflectance estimate to use for prediction, calculated per point for coding.
  • the value obtained by subtracting the predEligible (predEligible_reflectance) value from the reflectance value of the current point becomes the residual value for the new predictor.
  • One of predInter1*weight, predInter2*weight, predIntra1, predIntra2, and predIntra3 can be selected as a mode in the encoder.
  • the decoder can decode the attribute value (reflectivity) of the current point by adding the residual to the predictor in the signaled mode.
  • the encoder can determine whether to apply attribute compression using predEligible_reflectance per unit.
  • the application unit can be the entire frame, road/object, individual object, or LPU/PU unit. If the encoder signals whether or not to apply, the decoder can inversely calculate the attribute information per application unit.
  • the decoder can inversely calculate the attribute information per application unit.
  • To use the predEligible_reflectance condition check the reflectance of the current point and the residual values of predInter1, predInter2, predIntra1, predIntra2, and predIntra3, respectively. Among the confirmed residual values, predInter uses the residual value multiplied by weight. The smallest residual value is signaled as the mode, and the decoder performs the inverse operation by adding the residuals using the predictor as the mode.
  • the suitability of the mode In order to signal the condition selected from the predictor candidate group, the suitability of the mode must be confirmed. To select the candidate that can send the smallest difference value among the four or multiple candidates selected as predictors, the mode can be selected based on the difference between quantized conditions or original attribute values.
  • the conditions used in the predictor generation unit become the conditions for determining the suitability of the mode, and even if the difference value is not the smallest or the smallest, the attribute value with the highest relevance is signaled as the mode to compress the difference values of subsequent points. do.
  • the condition selected by the encoder is signaled to the decoder, and the encoder and decoder use the same condition as the mode to calculate per point.
  • the difference value according to the mode is transmitted, and the difference value is transmitted from the encoder as a quantized or unquantized value.
  • the difference value can be transmitted per point or encoded per point group using entropy coding methods such as Exponential Golomb, Context-Adaptive Variable Length Coding, and Context-Adaptive Binary Arithmetic Coding.
  • the difference value can be converted to a bitstream after performing transformations such as DCT, DST, DST, SADCT, and RAHT.
  • PredEligible itself is reflectivity, and a residual value can be generated through the difference from the reflectance of the current point.
  • the mode that makes this residual value the smallest is the inter-mode or intra-mode, and one mode can be selected among them.
  • the decoder checks the above value and restores it using intra reflectance. If it is possible, the point cloud can be restored by applying a weight to the inter reflectance.
  • Figure 18 shows a point cloud data transmission device according to embodiments.
  • Figure 18 shows a point cloud data transmission method/device (transmitting device 10000 of Figure 1, point cloud video encoder 10002, transmitter 10003, acquisition-encoding-transmission (20000-20001) of Figure 2 according to embodiments. -20002), encoder in Fig. 4, transmitter in Fig. 12, device in Fig. 14, typical tree-based encoding in Fig. 15, inter-frame prediction tree-based compression in Fig. 16, alignment based on azimuth value according to laser ID in Fig. 17 Compression, Fig. 18 intra-frame and/or inter-frame encoder, Fig. 20 to Fig. 23 bitstream generation, Fig. 24 transmission method).
  • Figure 18 is an intra-frame/inter-frame attribute encoder using laserID of a prediction tree.
  • information (laserID_use_predtree_flag) indicating whether to use the attribute compression coding method using the laser ID (laserID) of the prediction tree can be generated and transmitted as signaling information.
  • the necessary transformations in attribute compression can be performed by determining whether attribute compression coding using laserID is used.
  • Inter-frame compression selection can be weighted in terms of intra-frame/inter-frame mode suitability.
  • the weight value may be generated and signaled as prediction weight information (pred_weight).
  • pred_weight prediction weight information
  • a mode is selected to use inter-frame coding when the weighted prediction value is greater than or equal to a threshold, and at this time, the threshold may be predictor inter intra threshold (predictor_inter_intra_threshold) information for the decoder.
  • a transmission device may be referred to as an encoder and may be comprised of memory and/or a processor. Instructions stored in the memory may be configured to cause the processor to encode point cloud data.
  • Each component in Figure 18 may correspond to hardware, software, processor, and/or a combination thereof.
  • the data input unit may acquire point cloud data.
  • Point cloud data can be received as input by an acquisition unit, camera, sensor, etc.
  • Point cloud data may be referred to as a point cloud.
  • the coordinate conversion unit may convert the coordinates of the point cloud geometry.
  • the coordinate system related to the position values of points in the reference frame and/or the position values of points in the current frame can be converted.
  • the quantization/voxelization processing unit may quantize and/or voxelize the point cloud.
  • the prediction tree generator may express the point cloud as a prediction tree structure. You can create a prediction tree that represents parent/child relationships between the geometry (points) of a point cloud.
  • the prediction tree encoder may encode the point cloud based on the prediction tree.
  • a predicted value for the current point can be generated based on the prediction tree. You can generate residual values between current points and predicted values.
  • Arismatic coders can encode residual values and generate geometry bitstreams.
  • the reference and/or current frame geometry reconstruction unit may reconstruct the encoded point in order to provide geometry information of the point required for attribute compression.
  • the geometry can be reconstructed using points included in the current frame and/or reference frame.
  • the color conversion processing unit can convert the attribute (color) of the point cloud.
  • the color system can be converted.
  • Attribute values of points of the reference frame and/or attribute values of points of the current frame may be received as input.
  • the property conversion processing unit can convert properties (attributes). Based on the reconstructed geometry, it can be converted into a suitable system for encoding properties corresponding to the geometry.
  • the predictor generator using the laser ID may generate a predictor of the point cloud using the laser ID related to the point cloud.
  • the intra-frame and/or inter-frame mode suitability confirmation unit may check the intra-frame and/or inter-frame mode suitability and select a suitable mode. Refer to the explanation in Figure 17, etc.
  • the arismatic coder can encode the residual value between the attributes and predicted values of the current point cloud and generate an attribute bitstream.
  • Figure 19 shows a point cloud data receiving device according to embodiments.
  • Figure 19 shows a method/device for receiving point cloud data (receiving device 10004, receiver 10005, point cloud video decoder 10006 in Figure 1, transmission-decoding-rendering (20002-20003) in Figure 2 according to embodiments. -20004), decoder in Figs. 10-11, receiving device in Fig. 13, device in Fig. 14, decoding based on typical tree in Fig. 15, inter-frame prediction tree-based reconstruction in Fig. 17, according to azimuth value according to laser ID in Fig. 17 It shows devices related to alignment-based restoration, Figure 19 intra-frame and/or inter-frame decoder, Figure 20 to Figure 23 bitstream parsing, Figure 25 reception method).
  • Figure 19 is an intra-frame/inter-frame attribute decoder using the laserID of the prediction tree.
  • the Laser ID use prediction tree flag (laserID_use_predtree_flag) can be received as parameter information included in the received bitstream before attribute decoding.
  • a predictor can be generated in the same way as an encoder using laser ID.
  • Weights can be calculated for intra-frame/inter-frame predictors using the weight value (pred_weight) delivered from the encoder.
  • pred_weight the weight value delivered from the encoder.
  • the mode is decoded to use inter-frame coding.
  • the threshold is received as the predictor inter intra threshold (predictor_inter_intra_threshold) and is used to calculate the restored mode and difference value restoration.
  • a receiving device may be referred to as a decoder and may be comprised of a memory and/or a processor. Instructions stored in the memory may be configured to cause the processor to decrypt point cloud data.
  • Each component in Figure 19 may correspond to hardware, software, processor, and/or a combination thereof.
  • the receiving unit may receive a bitstream including a point cloud and parameters.
  • the bitstream may include a geometry bitstream and/or an attribute bitstream.
  • the decoder may decode geometry and/or attributes included in the bitstream based on parameters included in the bitstream.
  • the decoder operation can correspond to the encoder operation, and the point cloud can be restored according to the reverse process of the encoder.
  • the arismatic decoder can decode geometry included in the geometry bitstream.
  • the prediction tree-based reconstruction processor may reconstruct the point cloud based on the prediction tree.
  • a special tree for a point cloud can be created like an encoder.
  • the surface model processing unit may reconstruct, up-sample, and/or voxelize the surface model of the geometry into triangles.
  • the reference and/or current frame geometry reconstruction unit may reconstruct the geometry needed to decode the attribute. Geometry may be reconstructed based on the reference frame and/or the current frame.
  • the coordinate inversion unit may inversely transform the coordinate system of the geometry to generate position values of current frame points. You can create the position value of a point using the Cartesian coordinate system.
  • the arismatic decoder can receive an attribute bitstream and decode the attributes included in the bitstream.
  • the inverse quantization processor can inversely quantize the attribute.
  • the predictor generator using the laser ID can generate a predictor for the attribute based on the laser ID. Attributes can be decoded through predictors. Refer to the explanation in Figure 17, etc.
  • the intra-frame and/or inter-frame mode and difference calculation unit may select the intra-frame and/or inter-frame mode and calculate the difference value. Refer to the explanation in Figure 17, etc.
  • the color inversion processing unit can reversely convert the color (attribute). For example, you can create attribute values for the current frame points with RGB.
  • Figure 20 shows a bitstream including a point cloud and parameters according to embodiments.
  • FIG. 20 The bitstream is a point cloud data transmission method/device (transmission device 10000 of FIG. 1, point cloud video encoder 10002, transmitter 10003, acquisition-encoding-transmission (20000) of FIG. 2 according to embodiments. -20001-20002), encoder in Fig. 4, transmitter in Fig. 12, device in Fig. 14, typical tree-based encoding in Fig. 15, inter-frame prediction tree-based compression in Fig. 17, azimuth value according to laser ID in Fig. 17 Alignment-based compression, Figure 18 intra-frame and/or inter-frame encoder, Figure 20 to Figure 23 bitstream generation, Figure 24 transmission method).
  • transmission device 10000 of FIG. 1, point cloud video encoder 10002, transmitter 10003, acquisition-encoding-transmission (20000) of FIG. 2 according to embodiments. -20001-20002 encoder in Fig. 4
  • transmitter in Fig. 12 device in Fig. 14
  • typical tree-based encoding in Fig. 15 inter-frame prediction tree-based compression in Fig. 17, azimuth value according to
  • FIG. 20 The bitstream is a method/device for receiving point cloud data according to embodiments (receiving device 10004 of FIG. 1, receiver 10005, point cloud video decoder 10006, transmission-decoding-rendering 20002 of FIG. 2) -20003-20004), decoder in Figs. 10-11, receiving device in Fig. 13, device in Fig. 14, pre-specific tree-based decoding in Fig. 15, inter-frame prediction tree-based restoration in Fig. 16, azimuth value according to laser ID in Fig. 17 It is decoded by alignment-based restoration according to, Figure 19 intra-frame and/or inter-frame decoder, Figure 20 to Figure 23 bitstream parsing, Figure 25 reception method).
  • the encoder can generate parameters and transmit them to the decoder as signaling information.
  • the decoder performs decoding based on parameters.
  • parameters according to the embodiments may be generated in the process of the transmitter according to the embodiments described later, and are transmitted to the receiver according to the embodiments and used in the reconstruction process. It can be.
  • parameters according to embodiments may be generated in a metadata processing unit (or metadata generator) of a transmitting device according to embodiments described later and obtained from a metadata parser of a receiving device according to embodiments. .
  • the encoded point cloud configuration is as follows.
  • Geom Geometry bitstream + geometry slice data
  • a brick may be referred to as a slice.
  • a bitstream includes parameter sets and a slice, which is an encoding/decoding unit. There is geometry data and attribute data for each slice. Geometry/attribute data may include header and data respectively. The header may contain additional information for data.
  • the parameter set may include a sequence parameter set, a geometry parameter set, an attribute parameter set, and a tile parameter set.
  • a tile parameter set may include information about a plurality of tiles. For example, it may include the coordinates, width, height, and depth of the bounding box for the 0th tile, and the coordinates, width, height, and depth of the bounding box for the nth tile. There may be a parameter set for each attribute type.
  • a slice may contain one geometry and/or zero or one or more attributes. Geometry may consist of a slice header and slice data.
  • the geometry slice header may contain information about the geometry. For example, it may include a geometry parameter set identifier associated with the geometry, a tile ID, a slice ID, location/size information of the bounding box, and information about the number of points.
  • Tiles or slices are provided so that point clouds can be divided and processed by region.
  • each area When divided by area, each area may have different importance.
  • Figure 21 shows a sequence parameter set according to embodiments.
  • the SPS of FIG. 21 included in the bitstream of FIG. 20 can transmit attribute encoding structure information using the laser ID (laserID) of the prediction tree.
  • Laser ID use prediction tree flag (laserID_use_predtree_flag): Can indicate whether to generate a predictor using laser ID (laserID). For example, if true, it indicates that attribute predictor generation using laserID is used, and if false, it indicates that attribute predictor generation using laserID is not used.
  • Prediction weight Indicates the coefficient for calculating the weight on the intra-frame/inter-frame predictor.
  • Predictor inter intra threshold Indicates the threshold value of the calculated weight. For example, if intra-frame and/or inter-frame predictors are generated using prediction weights, and the weighted predictor is greater than or equal to a threshold, only the inter-frame predictor can be used. The difference value (residual value) can be generated through the predictor generation mode according to the signaled method.
  • the SPS may further include the following elements.
  • simple_profile_compatible indicates whether the bitstream conforms to the simple profile (if 1) or not (if 0).
  • dense_profile_compliance indicates whether the bitstream complies with the Dense profile (if 1) or not (if 0).
  • predictive_profile_compliance indicates whether the bitstream complies with the predictive profile (if 1) or not (if 0).
  • main_profile_compliant indicates whether the bitstream conforms to the main profile (if 1) or not (if 0).
  • slice_reordering_constraint indicates whether the bitstream is sensitive to reordering or removal of slices within the coded point cloud frame (if 1) or not (if 0).
  • unique_point_positions_constraint 1 indicates that every point has a unique position in each coded point cloud frame.
  • unique_point_positions_constraint 0 indicates that two or more points may have the same position in the coded point cloud frame.
  • sps_seq_parameter_set_id identifies the SPS to be referenced by other DUs.
  • seq_origin_bits specifies the bit length of each seq_origin_xyz syntax element excluding any sign bits.
  • seq_origin_xyz[ ] and seq_origin_log2_scale together specify the XYZ origin of the sequence and code the coordinate system from the application-specific coordinate system origin to the sequence coordinate system units.
  • seq_bbox_size_bits represents the bit length of each seq_bbox_size_minus1_xyz syntax element.
  • seq_bbox_size_minus1_xyz[ ] + 1 represents the second XYZ component of the coded volume dimension in the sequence coordinate system.
  • seq_unit_numerator_minus1, seq_unit_denominator_minus1 and seq_unit_is_metres together represent the length expressed as a unit vector in the sequence coordinate system.
  • geom_axis_order represents the correspondence between the XYZ axis and STV axis of the point cloud coded according to Table 8.
  • num_attributes indicates the number of attributes listed in the SPS attribute list.
  • Attr_components_minus1[ attrIdx ] + 1 indicates the number of components of the identified attribute.
  • Attr_instance_id [attrIdx] represents the instance identifier of the identified attribute.
  • Attr_bitdepth_minus1[ attrIdx ] + 1 indicates the bit depth of all components of the identified attribute.
  • Attr_label_known[ attrIdx ], attr_label[ attrIdx ], and attr_label_oid[ attrIdx ] together identify the type of data carried by the identified attribute.
  • attr_label_known[ attrIdx ] indicates whether the attribute is an attribute specified in this document with the value of attr_label[ attrIdx ] (if 0) or an externally specified attribute identified by the object identifier attr_label_oid[ attrIdx ].
  • Attr_property_cnt indicates the number of attribute_property syntax structures in the SPS for the attribute.
  • Figure 22 shows a tile parameter set according to embodiments.
  • the TPS of FIG. 22 included in the bitstream of FIG. 20 can transmit attribute encoding structure information using the laserID of the prediction tree.
  • Laser ID use prediction tree flag (laserID_use_predtree_flag): Can indicate whether to generate a predictor using laser ID (laserID). For example, if true, it indicates that attribute predictor generation using laserID is used, and if false, it indicates that attribute predictor generation using laserID is not used.
  • Prediction weight Indicates the coefficient for calculating the weight on the intra-frame/inter-frame predictor.
  • Predictor inter intra threshold Indicates the threshold value of the calculated weight. For example, if intra-frame and/or inter-frame predictors are generated using prediction weights, and the weighted predictor is greater than or equal to a threshold, only the inter-frame predictor can be used. The difference value (residual value) can be generated through the predictor generation mode according to the signaled method.
  • TPS may be referred to as a Tile Inventory Data Unit.
  • the TPS may further include the following elements.
  • the tile inventory (if any) includes metadata that defines the spatial region of each tile listed. Each tile is identified by an implicit or explicit tile ID.
  • Tile inventory is applied in the next coded point cloud frame following the tile inventory data unit.
  • ti_seq_parameter_set_id identifies the active SPS with sps_seq_parameter_set_id.
  • tile_cnt represents the number of tiles listed in the tile inventory.
  • tile_id_bits specifies the length, in bits, of each tile_id syntax element.
  • tile_id_bits equal to 0 indicates that the tile should be identified by index tileIdx.
  • tile_origin_bits_minus1 + 1 represents the bit length of each tile_origin_xyz syntax element excluding all sign bits.
  • tile_size_bits_minus1 + 1 represents the bit length of each tile_size_minus1_xyz syntax element.
  • tile_id [tileIdx] represents the identifier of the tileIdxth tile in the tile inventory.
  • tile_origin_xyz[ tileId ][ ] and tile_size_minus1_xyz[ tileId ][ ] represent the bounding box of the sequence coordinate system containing the slice identified by slice_tag equal to tileId.
  • tile_origin_xyz[ tileId ][ ] represents the XYZ coordinates of the bottom corner of the tile bounding box based on the tile inventory origin.
  • tile_size_minus1_xyz[tileId][ ] + 1 represents the second XYZ dimension of the tile bounding box.
  • ti_origin_xyz[] and ti_origin_log2_scale together represent the XYZ origin of the sequence coordinate system specified by seq_origin_xyz[ ] and seq_origin_log2_scale.
  • Figure 23 shows a geometry parameter set, an attribute parameter set, and a geometry slice header according to embodiments.
  • the GPS of FIG. 23 included in the bitstream of FIG. 20 can transmit attribute encoding structure information using the laserID of the prediction tree.
  • Laser ID use prediction tree flag (laserID_use_predtree_flag): Can indicate whether to generate a predictor using laser ID (laserID). For example, if true, it indicates that attribute predictor generation using laserID is used, and if false, it indicates that attribute predictor generation using laserID is not used.
  • Prediction weight Indicates the coefficient for calculating the weight on the intra-frame/inter-frame predictor.
  • Predictor inter intra threshold Indicates the threshold value of the calculated weight. For example, if intra-frame and/or inter-frame predictors are generated using prediction weights, and the weighted predictor is greater than or equal to a threshold, only the inter-frame predictor can be used. The difference value (residual value) can be generated through the predictor generation mode according to the signaled method.
  • GPS may further include the following elements:
  • gps_geom_parameter_set_id identifies the GPS to be referenced by other DUs.
  • gps_seq_parameter_set_id identifies the active SPS with sps_seq_parameter_set_id.
  • slice_geom_origin_scale_present indicates whether slice_geom_origin_log2_scale is in the GDU header (if 1) or not (if 0).
  • slice_geom_origin_scale_present equal to 0 indicates that the slice origin scale is specified by gps_geom_origin_log2_scale.
  • gps_geom_origin_log2_scale represents the scale factor used to derive the slice origin from slice_geom_origin_xyz when slice_geom_origin_scale_present is 0.
  • geom_tree_type 0 indicates that the slice geometry is coded using an occupancy tree (7.3.3.4).
  • geom_tree_type 1 indicates that the slice geometry is coded using a prediction tree (7.3.3.8).
  • geom_angular_enabled indicates whether the slice geometry is coded (if 1) or not (if 0) using information about a set of beams positioned and rotating along the V-axis of each origin.
  • slice_angular_origin_present indicates whether the slice-related angular origin is signaled in the GDU header (if 1) or not (if 0).
  • slice_angular_origin_present equal to 0 indicates that the angle origin is gps_angular_origin_xyz.
  • gps_angular_origin_xyz[ ] represents the XYZ coordinates of the angular origin in the coding coordinate system.
  • num_beams_minus1 + 1 represents the number of beams listed by GPS.
  • beam_elevation_init and beam_elevation_diff[ ] together represent the beam elevation as a gradient on the S-T plane.
  • beam_voffset_init and beam_voffset_diff[ ] together represent the V-axis offset of the listed beam from the angle origin. Offsets are specified in coding coordinate system units. The offset for the th beam is expressed by the formula BeamOffsetV[].
  • beam_steps_per_rotation_init_minus1 and beam_steps_per_rotation_diff[ ] indicate the number of steps performed per rotation by the rotating beam.
  • ptree_ang_radius_scale_log2 represents the coefficient used to adjust the radial angle coordinate of a point during conversion to Cartesian coordinates.
  • ptree_ang_azimuth_step_minus1 + 1 represents the expected change in azimuth of the rotating beam between coded points.
  • occtree_direct_joint_coding_enabled indicates whether direct nodes coding two points should code their positions together according to the specific order of the points (if 1) or not (if 0).
  • occtree_coded_axis_list_present 1 indicates that the GDU header contains an occtree_coded_axis syntax element used to derive the node size for each occupancy tree level.
  • occtree_coded_axis_list_present 0 indicates that the occtree_coded_axis syntax element is not present in the GDU syntax and that the occupancy tree represents the cubic volume specified by the tree depth.
  • occtree_neigh_window_log2_minus1 + 1 represents the number of occupied tree node positions forming each availability window within the tree level.
  • occtree_adjacent_child_enabled indicates whether adjacent children of neighboring occupancy tree nodes are used for bit occupancy contextualization (if 1) or not (if 0).
  • occtree_intra_pred_max_nodesize_log2 minus 1 represents the maximum size of an occupied tree node suitable for intra-slice occupancy prediction.
  • occtree_bitwise_coding indicates whether the node occupancy bitmap is coded using the occupancy_bit syntax element (if 1) or the pre-coded syntax element occupancy_byte (if 0).
  • occtree_planar_enabled indicates whether coding of the node occupancy bitmap is partially performed (if 1) or not (if 0) by signals of occupied and unoccupied planes.
  • occtree_planar_threshold[ ] represents the threshold used in part to determine axis-specific eligibility for planar occupancy coding.
  • occtree_direct_node_rate_minus1 If occtree_direct_node_rate_minus1 exists, it indicates that for every 32 eligible nodes, only occtree_direct_node_rate_minus1 + 1 can be coded as a direct node.
  • occtree_planar_buffer_disabled indicates whether to disable (if 1) or not (if 0) contextualization of occupied plane positions per node using the previously coded planar position of the node.
  • geom_scaling_enabled indicates whether the coded geometry should be scaled (if 1) or not (if 0) during the geometry decoding process.
  • geom_qp represents the geometry QP before adding per-slice and per-node offsets.
  • occtree_direct_node_qp_offset represents the offset relative to the slice shape QP to scale the direct node coding point position.
  • APS can deliver attribute encoding structure information using the laserID of the prediction tree.
  • Laser ID use prediction tree flag (laserID_use_predtree_flag): Can indicate whether to generate a predictor using laser ID (laserID). For example, if true, it indicates that attribute predictor generation using laserID is used, and if false, it indicates that attribute predictor generation using laserID is not used.
  • Prediction weight Indicates the coefficient for calculating the weight on the intra-frame/inter-frame predictor.
  • Predictor inter intra threshold Indicates the threshold value of the calculated weight. For example, if intra-frame and/or inter-frame predictors are generated using prediction weights, and the weighted predictor is greater than or equal to a threshold, only the inter-frame predictor can be used. The difference value (residual value) can be generated through the predictor generation mode according to the signaled method.
  • the ASP of FIG. 23 included in the bitstream of FIG. 20 may further include the following elements.
  • aps_attr_parameter_set_id identifies the APS to be referenced by other DUs.
  • aps_seq_parameter_set_id identifies the active SPS with sps_seq_parameter_set_id.
  • Attr_coding_type indicates the attribute coding method.
  • Attr_secondary_qp_offset represents the offset to be applied to the primary attribute QP to derive the QP for the secondary attribute component.
  • Attr_qp_offsets_present indicates whether the per-slice attribute QP offset attr_qp_offset[ ] is in the ADU header (if 1) or not (if 0).
  • Attr_coord_conv_enabled indicates whether attribute coding (when set to 1) uses scaled angular coordinates or (when set to 0) slice-related STV point positions.
  • Attr_coord_conv_scale[ ] represents the scale factor used to scale the th angular coordinate of a point for attribute coding.
  • raht_prediction_enabled indicates whether the RAHT coefficient is predicted by upsampling and transforming the previous coarse transform level (if 1) or not (if 0).
  • pred_set_size_minus1 + 1 represents the maximum size of the predictor set per point.
  • pred_inter_lod_search_range represents the range of indices around the search center that can be searched in an extended inter-level-of-granularity search for the nearest neighbors to be included in the point's predictor set.
  • pred_dist_bias_minus1_xyz[ ] + 1 represents the coefficient used to weight the second XYZ component of the distance vector between two point locations, which is used to calculate the point-to-point distance in the predictor search for a single refinement point.
  • pred_max_range_minus1 plus 1 represents the distance at which point predictor candidates must be discarded during predictor set pruning for scalable attribute coding.
  • lod_max_levels_minus1 + 1 represents the maximum number of levels of detail that can be created in the LoD creation process.
  • lod_decimation_mode indicates the decimation method used to generate the level of detail.
  • lod_sampling_period_minus2[ lvl ] + 2 represents the sampling period used in LoD generation for sampling points of detail level lvl to generate the next lower detail level lvl + 1.
  • lod_initial_dist_log2 represents the block size at the most detailed level for use in LoD generation and predictor search.
  • lod_dist_log2_offset_present indicates whether the block size offset per slice specified in lod_dist_log2_offset should be in the ADU header (if 1) or not (if 0).
  • pred_direct_max_idx_plus1 indicates the maximum number of single point predictors that can be used for direct prediction.
  • pred_direct_threshold Indicates when a point is suitable for direct prediction.
  • pred_direct_avg_disabled indicates whether the point predictor set average is in direct prediction mode (if 0) or not (if 1).
  • pred_intra_lod_search_range indicates the index range in the detailed refinement list where the nearest neighbors to be included in the point's predictor set are searched.
  • pred_intra_min_lod indicates the finest detail level for which intra detail level prediction is activated.
  • inter_comp_pred_enabled indicates whether the first component of a multi-component attribute coefficient should be used to predict the coefficients of subsequent components (if 1) or not (if 0).
  • pred_blending_enabled indicates whether the neighborhood weights used for neighborhood average prediction should be blended (if 1) or not (if 0) according to the relative spatial positions of the relevant points.
  • raw_attr_width_present indicates whether raw attribute values should use the same fixed-length encoding for all syntax elements (when 0) or length per syntax element (when 1).
  • Geom's slice header can convey attribute encoding structure information using the laserID of the prediction tree.
  • Laser ID use prediction tree flag (laserID_use_predtree_flag): Can indicate whether to generate a predictor using laser ID (laserID). For example, if true, it indicates that attribute predictor generation using laserID is used, and if false, it indicates that attribute predictor generation using laserID is not used.
  • Prediction weight Indicates the coefficient for calculating the weight on the intra-frame/inter-frame predictor.
  • Predictor inter intra threshold Indicates the threshold value of the calculated weight. For example, if intra-frame and/or inter-frame predictors are generated using prediction weights, and the weighted predictor is greater than or equal to a threshold, only the inter-frame predictor can be used. The difference value (residual value) can be generated through the predictor generation mode according to the signaled method.
  • the geometry slice header of FIG. 23 included in the bitstream of FIG. 20 may be referred to as a geometry data unit header and may further include the following elements.
  • the GDU of FIG. 23 included in the bitstream of FIG. 20 carries the structure of the slice and related slice information such as a frame counter or slice origin.
  • a GDU consists of a GDU header, a geometry coded using an occupancy tree (if geom_tree_type is 0) or a prediction tree (if geom_tree_type is 1), and a GDU footer.
  • gdu_geometry_parameter_set_id indicates the active GPS with gps_geom_parameter_set_id.
  • slice_id identifies the slice to be referenced by another DU.
  • slice_tag identifies a slice as a member of a slice group with the same value for slice_tag.
  • slice_entropy_continuation 1 indicates that the entropy parse state restoration process (11.6.2.2 and 11.6.3.2) should be applied at the beginning of the slice's GDU and all ADUs.
  • slice_entropy_continuation 0 indicates that the parsing of the slice's GDUs and all ADUs is independent of other slices.
  • slice_geom_origin_bits_minus1 + 1 represents the bit length of each slice_geom_origin_xyz syntax element.
  • slice_geom_origin_xyz[ ] and slice_geom_origin_log2_scale represent the XYZ coordinates of the slice origin in the coding coordinate system.
  • slice_angular_origin_bits_minus1 + 1 represents the bit length of each slice_angular_origin_xyz syntax element.
  • slice_angular_origin_xyz[ ] represents the XYZ coordinates of the relative angular origin in the slice coordinate system.
  • slice_geom_qp_offset represents slice geometry QP as an offset to GPS geom_qp.
  • Figure 24 shows a point cloud data transmission method according to embodiments.
  • Figure 25 shows a point cloud data transmission method/device (transmitting device 10000 of Figure 1, point cloud video encoder 10002, transmitter 10003, acquisition-encoding-transmission (20000-20001) of Figure 2 according to embodiments. -20002), encoder in Fig. 4, transmitter in Fig. 12, device in Fig. 14, typical tree-based encoding in Fig. 15, inter-frame prediction tree-based compression in Fig. 16, alignment based on azimuth value according to laser ID in Fig. 17 It shows a method of performing compression, Figure 18 intra frame and/or inter frame encoder, Figure 20 to Figure 23 bitstream generation), etc.
  • a method of transmitting point cloud data may include encoding point cloud data.
  • the encoding operation according to embodiments may encode point cloud data according to FIGS. 1 to 14. Additionally, the encoding operation according to embodiments can generate a predictor using a laser ID when encoding an attribute, as shown in FIGS. 15 to 18. Using Laser ID, a predictor can be generated from a reference frame and/or the current frame. The encoding operation according to embodiments may select a predictor from predictor candidates for a reference frame and/or the current frame, and determine the predictor through weighting and/or comparison to perform predictive coding. Predictive coding can be performed based on the determined predictor to encode and transmit the residual value.
  • the method for transmitting point cloud data may further include transmitting a bitstream including point cloud data.
  • Transmission operations according to embodiments may encode point cloud data according to FIGS. 1 to 14 and 15 to 18, and vividly transmit bitstreams such as those of FIGS. 20 to 23.
  • Figure 25 shows a method of receiving point cloud data according to embodiments.
  • Figure 25 shows a method/device for receiving point cloud data (receiving device 10004, receiver 10005, point cloud video decoder 10006 in Figure 1, transmission-decoding-rendering (20002-20003) in Figure 2 according to embodiments. -20004), decoder in Figs. 10-11, receiving device in Fig. 13, device in Fig. 14, decoding based on typical tree in Fig. 15, inter-frame prediction tree-based reconstruction in Fig. 17, according to azimuth value according to laser ID in Fig. 17 It shows a method of performing alignment-based restoration, intra-frame and/or inter-frame decoder in Figure 19, bitstream parsing in Figures 20 to 23, etc.
  • a method of receiving point cloud data may include receiving a bitstream including point cloud data.
  • Receiving operations according to embodiments may receive bitstreams as shown in FIGS. 20 to 23.
  • the method of receiving point cloud data may further include decoding the point cloud data.
  • the decoding operation may decode the geometry bitstream and attribute bitstream included in point cloud data, as shown in FIGS. 1 to 14. Additionally, according to FIGS. 15 to 19, point cloud data can be decoded based on the laser ID.
  • a predictor can be created using Laser ID. Using Laser ID, a predictor can be generated from a reference frame and/or the current frame.
  • the encoding operation may select a predictor from predictor candidates for a reference frame and/or the current frame, and determine the predictor through weighting and/or comparison to perform predictive coding. Predictive coding is performed based on the determined predictor to generate a residual value, and the point cloud data can be restored by summing it with the received residual value.
  • a point cloud data transmission method includes encoding point cloud data; and transmitting a bitstream containing point cloud data; may include.
  • the step of encoding point cloud data includes encoding the point cloud data based on the prediction tree, and encoding the point cloud data based on the prediction tree, and encoding the point cloud data based on the prediction tree.
  • Point cloud data may be predicted based on points included in the reference frame.
  • the geometry of a point and/or the attributes of a point can be predicted using a prediction tree of point cloud data.
  • a predictor candidate to be used as a predictor can be created, and the predictor with the most similar value to the geometry of the current point and/or the attribute of the current point can be selected.
  • points of the point cloud data may be aligned based on azimuth according to the laser ID.
  • Points included in the current frame containing point cloud data and the reference frame for the current frame are aligned based on laser ID and azimuth, and a predictor for the points in the current frame is derived from the aligned points in the current frame and reference frame.
  • points may be sorted from smallest to largest laser ID. Points belonging to one laser ID can be sorted from smallest to largest azimuth.
  • Encoding the point cloud data includes encoding an attribute of the point cloud data, and the attribute may be predicted based on the attribute and weight included in the reference frame. Attributes may include reflectivity. From the points sorted according to the laser ID and azimuth, a point with a reflectance similar to the current point can be selected as a predictor for the current point. An efficient prediction mode can be selected between intra-frame prediction and/or inter-frame prediction.
  • predEligible_reflectance if the value generated based on the attribute for the current frame and the attribute and weight for the reference frame is greater than the threshold, the attribute is predicted using the attribute for the reference frame, and the attribute for the current frame and the reference frame If the value generated based on the attribute and weight is below the threshold, the attribute may be predicted using the attribute for the current frame. Cases below the threshold and cases above the threshold may be applied in reverse.
  • the bitstream includes information indicating whether to generate a predictor using the laser ID, information indicating the weight, and information indicating the threshold. can do.
  • the point cloud data transmission method may be performed by a transmitting device.
  • the transmitting device includes an encoder that encodes point cloud data; and a transmitter that transmits a bitstream containing point cloud data. may include.
  • the transmitting device is an encoder and includes a memory that stores an encoding operation and a processor connected to the memory, and the operation may be configured to cause the processor to perform the encoding operation.
  • the reception method corresponds to the transmission method and may include a reverse process.
  • the receiving method includes receiving a bitstream including point cloud data; and decoding the point cloud data; may include.
  • decoding the point cloud data includes decoding the point cloud data based on a prediction tree, based on points included in a reference frame for the current frame containing the point cloud data. , point cloud data can be predicted.
  • points of the point cloud data may be aligned based on azimuth according to the laser ID.
  • Points included in the current frame containing point cloud data and the reference frame for the current frame are aligned based on laser ID and azimuth, and a predictor for the points in the current frame is derived from the aligned points in the current frame and reference frame.
  • Decoding the point cloud data includes decoding an attribute of the point cloud data, and the attribute may be predicted based on the attribute and weight included in the reference frame. If the value generated based on the attribute for the current frame and the attribute and weight for the reference frame is greater than the threshold, the attribute is predicted using the attribute for the reference frame, and the attribute for the current frame and the attribute and weight for the reference frame are predicted. If the value generated based on is less than or equal to the threshold, the attribute can be predicted using the attribute for the current frame.
  • points may be sorted from smallest to largest laser ID. Points belonging to one laser ID can be sorted from smallest to largest azimuth. Attributes may include reflectivity. From the points sorted according to the laser ID and azimuth, a point with a reflectance similar to the current point can be selected as a predictor for the current point. An efficient prediction mode can be selected between intra-frame prediction and/or inter-frame prediction. Cases below the threshold and cases above the threshold may be applied in reverse.
  • a method of receiving point cloud data is performed by a receiving device, and the receiving device includes: a receiving unit that receives a bitstream including point cloud data; and a decoder to decode the point cloud data; may include.
  • the receiving device is a decoder and may include a memory that stores a decoding operation and a processor connected to the memory, and the operation may be configured to cause the processor to perform the decoding operation.
  • the geometry and attributes of the points of the point cloud can be restored.
  • a prediction tree can be created, the geometry and attributes of the current point can be predicted based on the prediction tree, and the residual values received in the bitstream can be decoded and added to restore the point's geometry and attributes.
  • the embodiment can provide an inter-frame coding effect to increase the compression efficiency of attribute coding among the point cloud compression functions.
  • the calculations and time required for unnecessary coordinate system conversion and Morton alignment can be effectively reduced.
  • the proposed method can improve attribute compression performance by additionally proposing a prediction node selection method of the reference frame using laserID and a compression decision method using inter-frame/intra-frame prediction node sets.
  • the embodiment allows inter-frame coding to increase the compression efficiency of attribute coding among the point cloud compression functions.
  • azimuth alignment can be performed according to the characteristic of the point cloud in which only one point is acquired from one laser, and only the information necessary for attribute compression can be utilized. It can reduce the calculations and time required for unnecessary coordinate system conversion and Morton alignment, and has the effect of increasing compression efficiency by searching for accurate attribute values in inter-frame information.
  • 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 through the Internet. Additionally, the processor-readable recording medium is distributed in a computer system connected to a network, so that the processor-readable code can be stored and executed in a distributed manner.
  • first, second, etc. may be used to describe various components of the embodiments. However, the interpretation of various components according to the embodiments should not be limited by the above terms. These terms are merely used to distinguish one component from another. It's just a thing. For example, a first user input signal may be referred to as a second user input signal. Similarly, the second user input signal may be referred to as the first user input signal. Use of these terms should be interpreted without departing from the scope of the various embodiments.
  • the first user input signal and the second user input signal are both user input signals, but do not mean the same user input signals unless clearly indicated in the context.
  • operations according to embodiments described in this document may be performed by a transmitting and receiving device including a memory and/or a processor depending on the embodiments.
  • the memory may store programs for processing/controlling operations according to embodiments, and the processor may control various operations described in this document.
  • the processor may be referred to as a controller, etc.
  • operations may be performed by firmware, software, and/or a combination thereof, and the firmware, software, and/or combination thereof may be stored in a processor or stored in memory.
  • the transmitting and receiving device may include a transmitting and receiving unit that transmits and receives media data, a memory that stores instructions (program code, algorithm, flowchart and/or data) for the process according to embodiments, and a processor that controls the operations of the transmitting and receiving device. You can.
  • a processor may be referred to as a controller, etc., and may correspond to, for example, hardware, software, and/or a combination thereof. Operations according to the above-described embodiments may be performed by a processor. Additionally, the processor may be implemented as an encoder/decoder, etc. for the operations of the above-described embodiments.
  • embodiments may be applied in whole or in part to point cloud data transmission and reception devices and systems.

Landscapes

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

Abstract

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

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계 및 포인트 클라우드 데이터를 디코딩하는 단계를 포함할 수 있다.
실시예들에 따른 장치 및 방법은 높은 효율로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 장치 및 방법은 높은 퀄리티의 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 장치 및 방법은 VR 서비스, 자율주행 서비스 등 범용적인 서비스를 제공하기 위한 포인트 클라우드 콘텐트를 제공할 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다. 이하에서 설명하는 다양한 실시예들의 보다 나은 이해를 위하여, 하기 도면들에 걸쳐 유사한 참조 번호들이 대응하는 부분들을 포함하는 다음의 도면들과 관련하여 이하의 실시예들의 설명을 반드시 참조해야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 5는 실시예들에 따른 복셀의 예시를 나타낸다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도15는 실시예들에 따른 예측 트리 구조를 생성하는 방법을 나타낸다.
도16은 실시예들에 따른 인터 프레임 부호화/복호화를 나타낸다.
도17은 실시예들에 따른 레이저 아이디(laserID)를 이용한 참조 프레임의 예측노드 선택 방법을 나타낸다.
도18은 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도19는 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도20은 실시예들에 따른 포인트 클라우드 및 파라미터를 포함하는 비트스트림을 나타낸다.
도21은 실시예들에 따른 시퀀스 파라미터 세트를 나타낸다.
도22는 실시예들에 따른 타일 파라미터 세트를 나타낸다.
도23은 실시예들에 따른 지오메트리 파라미터 세트, 어트리뷰트 파라미터 세트, 및 지오메트리 슬라이스 헤더를 나타낸다.
도24는 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도25는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
. 실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 컨텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000) 뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 데이터 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)으로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 3은 도 1 내지 도 2에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
포인트 클라우드 콘텐트는 다양한 3차원 공간(예를 들면 현실 환경을 나타내는 3차원 공간, 가상 환경을 나타내는3차원 공간 등)에 위치한 오브젝트(object) 및/또는 환경을 나타내는 포인트 클라우드 비디오(이미지들 및/또는 영상들)을 포함한다. 따라서 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 콘텐트를 생성하기 위하여 하나 또는 그 이상의 카메라(camera)들(예를 들면, 깊이 정보를 확보할 수 있는 적외선 카메라, 깊이 정보에 대응되는 색상 정보를 추출 할 수 있는 RGB 카메라 등), 프로젝터(예를 들면 깊이 정보를 확보하기 위한 적외선 패턴 프로젝터 등), 라이다(LiDAR)등을 사용하여 포인트 클라우드 비디오를 캡쳐할 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 깊이 정보로부터 3차원 공간상의 포인트들로 구성된 지오메트리의 형태를 추출하고, 색상정보로부터 각 포인트의 어트리뷰트를 추출하여 포인트 클라우드 데이터를 확보할 수 있다. 실시예들에 따른 이미지 및/또는 영상은 인워드-페이싱(inward-facing) 방식 및 아웃워드-페이싱(outward-facing) 방식 중 적어도 어느 하나 이상을 기반으로 캡쳐될 수 있다.
도3의 왼쪽은 인워드-페이싱 방식을 나타낸다. 인워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트를 캡쳐하는 방식을 의미한다. 인워드-페이싱 방식은 핵심 객체에 대한 360도 이미지를 사용자에게 제공하는 포인트 클라우드 콘텐트(예를 들면 사용자에게 객체(예-캐릭터, 선수, 물건, 배우 등 핵심이 되는 객체)의 360도 이미지를 제공하는 VR/AR 콘텐트)를 생성하기 위해 사용될 수 있다.
도3의 오른쪽은 아웃워드-페이싱 방식을 나타낸다. 아웃워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트가 아닌 중심 오브젝트의 환경을 캡쳐하는 방식을 의미한다. 아웃워드-페이싱 방식은 사용자의 시점에서 나타나는 주변 환경을 제공하기 위한 포인트 클라우드 콘텐트(예를 들면자율 주행 차량의 사용자에게 제공될 수 있는 외부 환경을 나타내는 콘텐트)를 생성하기 위해 사용될 수 있다.
도면에 도시된 바와 같이, 포인트 클라우드 콘텐트는 하나 또는 그 이상의 카메라들의 캡쳐 동작을 기반으로 생성될 수 있다. 이 경우 각 카메라의 좌표계가 다를 수 있으므로 포인트 클라우드 콘텐트 제공 시스템은 캡쳐 동작 이전에 글로벌 공간 좌표계(global coordinate system)을 설정하기 위하여 하나 또는 그 이상의 카메라들의 캘리브레이션을 수행할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 상술한 캡쳐 방식으로 캡쳐된 이미지 및/또는 영상과 임의의 이미지 및/또는 영상을 합성하여 포인트 클라우드 콘텐트를 생성할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 가상 공간을 나타내는 포인트 클라우드 콘텐트를 생성하는 경우 도3에서 설명한 캡쳐 동작을 수행하지 않을 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 캡쳐한 이미지 및/또는 영상에 대해 후처리를 수행할 수 있다. 즉, 포인트 클라우드 콘텐트 제공 시스템은 원하지 않는 영역(예를 들면 배경)을 제거하거나, 캡쳐한 이미지들 및/또는 영상들이 연결된 공간을 인식하고, 구명(spatial hole)이 있는 경우 이를 메우는 동작을 수행할 수 있다.
또한 포인트 클라우드 콘텐트 제공 시스템은 각 카메라로부터 확보한 포인트 클라우드 비디오의 포인트들에 대하여 좌표계 변환을 수행하여 하나의 포인트 클라우드 콘텐트를 생성할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 각 카메라의 위치 좌표를 기준으로 포인트들의 좌표계 변환을 수행할 수 있다. 이에 따라, 포인트 클라우드 콘텐트 제공 시스템은 하나의 넓은 범위를 나타내는 콘텐트를 생성할 수도 있고, 포인트들의 밀도가 높은 포인트 클라우드 콘텐트를 생성할 수 있다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
*실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 40000), 양자화부(Quantize and Remove Points (Voxelize), 40001), 옥트리 분석부(Analyze Octree, 40002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 40005), 컬러 변환부(Transform Colors, 40006), 어트리뷰트 변환부(Transfer Attributes, 40007), RAHT 변환부(40008), LOD생성부(Generated LOD, 40009), 리프팅 변환부(Lifting)(40010), 계수 양자화부(Quantize Coefficients, 40011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 40012)를 포함한다.
좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(40000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(40001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(40001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(40001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(40001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(40002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(40003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(40004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(40006), 어트리뷰트 변환부(40007), RAHT 변환부(40008), LOD생성부(40009), 리프팅 변환부(40010), 계수 양자화부(40011) 및/또는 아리스메틱 인코더(40012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(40006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(40006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(40006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(40005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(40005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(40007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(40007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(40007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(40007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(40007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(40007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(40007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(40007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(40007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(40008) 및/또는 LOD 생성부(40009)로 입력된다.
실시예들에 따른 RAHT 변환부(40008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(40008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(40009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(40010)는 포인트 클라우드의 어트리뷰트들을 가중치에 기반하여 변환하는 리프팅 변환 코딩을 수행한다. 상술한 바와 같이 리프팅 변환 코딩은 선택적으로 적용될 수 있다.
실시예들에 따른 계수 양자화부(40011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(40012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 4의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 5는 X축, Y축, Z축의 3가지 축으로 구성된 좌표계로 표현되는 3차원 공간상에 위치한 복셀을 나타낸다. 도 4에서 설명한 바와 같이 포인트 클라우드 인코더(예를 들면 양자화부(40001) 등)은 복셀화를 수행할 수 있다. 복셀은 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 도 5는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하는 옥트리 구조를 통해 생성된 복셀의 예시를 나타낸다. 하나의 복셀은 적어도 하나 이상의 포인트를 포함한다. 복셀은 복셀군(voxel group)과의 포지션 관계로부터 공간 좌표를 추정 할 수 있다. 상술한 바와 같이 복셀은 2차원 이미지/영상의 픽셀과 마찬가지로 어트리뷰트(색상 또는 반사율 등)을 가진다. 복셀에 대한 구체적인 설명은 도 4에서 설명한 바와 동일하므로 생략한다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(40002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 6의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (xint n, yint n, zint n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
d =Ceil(Log2(Max(x_n^int,y_n^int,z_n^int,n=1,…,N)+1))
도 6의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 6 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 6의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 6에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 4의 포인트 클라우드 인코더, 또는 옥트리 분석부(40002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(Δx, Δy, Δz), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(40005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③ 자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure PCTKR2023002853-appb-img-000001
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다. .
표2-1. Triangles formed from vertices ordered 1,…,n
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
포인트 클라우드 비디오의 압축 효율을 증가시키기 위하여 실시예들에 따른 포인트 클라우드 인코더는 콘텍스트 어탭티브 아리스메틱 (context adaptive arithmetic) 코딩을 기반으로 엔트로피 코딩을 수행할 수 있다.
도 1 내지 도 6에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더 또는 아리스메틱 인코더(40004))는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더는 현재 노드의 오큐판시 코드와 이웃 노드들의 오큐판시를 기반으로 엔트로피 인코딩(인트라 인코딩)을 수행하거나, 이전 프레임의 오큐판시 코드를 기반으로 엔트로피 인코딩(인터 인코딩)을 수행할 수 있다. 실시예들에 따른 프레임은 동일한 시간에 생성된 포인트 클라우드 비디오의 집합을 의미한다. 실시예들에 따른 인트라 인코딩/인터 인코딩의 압축 효율은 참조하는 이웃 노드들의 개수에 따라 달라질 수 있다. 비트가 커지면 복잡해지지만 한쪽으로 치우치게 만들어서 압축 효율이 높아질 수 있다. 예를 들어 3-bit context를 가지면, 2의 3승인 = 8가지 방법으로 코딩 해야 한다. 나누어 코딩을 하는 부분은 구현의 복잡도에 영향을 준다. 따라서 압축의 효율과 복잡도의 적정 수준을 맞출 필요가 있다.
도7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더는 옥트리의 각 노드의 이웃 노드들의 오큐판시(occupancy)를 판단하고 이웃 노드 패턴(neighbor pattern) 값을 구한다. 이웃 노드 패턴은 해당 노드의 오큐판시 패턴을 추론하기 위해 사용된다. 도7의 왼쪽은 노드에 대응하는 큐브(가운데 위치한 큐브) 및 해당 큐브와 적어도 하나의 면을 공유하는 6개의 큐브들(이웃 노드들)을 나타낸다. 도면에 도시된 노드들은 같은 뎁스(깊이)의 노드들이다. 도면에 도시된 숫자는 6개의 노드들 각각과 연관된 가중치들(1, 2, 4, 8, 16, 32, 등)을 나타낸다. 각 가중치는 이웃 노드들의 위치에 따라 순차적으로 부여된다.
도 7의 오른쪽은 이웃 노드 패턴 값을 나타낸다. 이웃 노드 패턴 값은 오큐파이드 이웃 노드(포인트를 갖는 이웃 노드)의 가중치가 곱해진 값들의 합이다. 따라서 이웃 노드 패턴 값은 0에서 63까지의 값을 갖는다. 이웃 노드 패턴 값이 0 인 경우, 해당 노드의 이웃 노드 중 포인트를 갖는 노드(오큐파이드 노드)가 없음을 나타낸다. 이웃 노드 패턴 값이 63인 경우, 이웃 노드들이 전부 오큐파이드 노드들임을 나타낸다. 도면에 도시된 바와 같이 가중치1, 2, 4, 8가 부여된 이웃 노드들은 오큐파이드 노드들이므로, 이웃 노드 패턴 값은 1, 2, 4, 8을 더한 값인 15이다. 포인트 클라우드 인코더는 이웃 노드 패턴 값에 따라 코딩을 수행할 수 있다(예를 들어 이웃 노드 패턴 값이 63인 경우, 64가지의 코딩을 수행). 실시예들에 따라 포인트 클라우드 인코더는 이웃 노드 패턴 값을 변경 (예를 들면 64를 10 또는 6으로 변경하는 테이블을 기반으로) 하여 코딩의 복잡도를 줄일 수 있다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 7에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(40009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 8에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더, 또는 LOD 생성부(40009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 9의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 9의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 9의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 9에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 4에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.
표. Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
표. Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012)는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012)는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(40010)는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(40008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다. gl x, y, z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. gl x, y, z 는 gl+1 2x, y, z와 gl+1 2x+1, y, z로부터 계산될 수 있다. gl 2x, y, z 와 gl 2x+1, y, z 의 가중치를 w1=w l 2x, y, z 과 w2=w l 2x+1, y, z 이다.
Figure PCTKR2023002853-appb-img-000002
gl-1 x, y, z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. hl-1 x, y, z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는 w l-1 x, y, z=w l 2x, y, z+w l 2x+1, y, z로 계산된다. 루트 노드는 마지막 g1 0, 0, 0 과 g1 0, 0, 1을 통해서 다음과 같이 생성된다.,
Figure PCTKR2023002853-appb-img-000003
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 디코더는 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006) 예시로서, 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006)의 동작 등과 동일 또는 유사한 동작을 수행할 수 있다. 도면이 도시된 바와 같이 포인트 클라우드 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 디코더는 지오메트리 디코더(geometry decoder)및 어트리뷰트 디코더(attribute decoder)를 포함한다. 지오메트리 디코더는 지오메트리 비트스트림에 대해 지오메트리 디코딩을 수행하여 디코딩된 지오메트리(decoded geometry)를 출력한다. 어트리뷰트 디코더는 디코딩된 지오메트리 및 어트리뷰트 비트스트림을 기반으로 어트리뷰트 디코딩을 수행하여 디코딩된 어트리뷰트들(decoded attributes)을 출력한다. 디코딩된 지오메트리 및 디코딩된 어트리뷰트들은 포인트 클라우드 콘텐트를 복원(decoded point cloud)하는데 사용된다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 디코더는 도 10에서 설명한 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 11000), 옥트리 합성부(synthesize octree, 11001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 11002), 지오메트리 리컨스트럭션부(reconstruct geometry, 11003), 좌표계 역변환부(inverse transform coordinates, 11004), 아리스메틱 디코더(arithmetic decode, 11005), 역양자화부(inverse quantize, 11006), RAHT변환부(11007), LOD생성부(generate LOD, 11008), 인버스 리프팅부(Inverse lifting, 11009), 및/또는 컬러 역변환부(inverse transform colors, 11010)를 포함한다.
아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스럭션부(11003), 좌표계 역변환부(11004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 9에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(11000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(11000)의 동작은 아리스메틱 인코더(40004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(11001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(11002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(11003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 9에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(11003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(11003)는 지오메트리 리컨스트럭션부(40005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 6에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(11004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(11005), 역양자화부(11006), RAHT 변환부(11007), LOD생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(11005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(11006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(11010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(11010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 12에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 4의 포인트 클라우드 인코더)의 예시이다. 도 12에 도시된 전송 장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 (Arithmetic) 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011) 및/또는 전송 처리부(12012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(12000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 9에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(12001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(12001)의 동작 및/또는 양자화는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(12002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(120002)는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(12003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(12003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(12003)는 도 4 및 도 6에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(40002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(12004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(12004)는 도 4 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(12005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(12005)는 도 7에서 설명한 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 구체적인 설명은 도 7에서 설명한 바와 동일하다. 실시예들에 따라 인트라/인터 코딩 처리부(12005)는 아리스메틱 코더(12006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(12006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(12006)는 아리스메틱 인코더(40004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(12007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(12007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(12008), 어트리뷰트 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 9에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(12008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(12008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하다. 또한 도 4에서 설명한 컬러 변환부(40006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(12009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(12009)는 도 4에 설명한 어트리뷰트 변환부(40007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(12010)는 도 4에서 설명한 RAHT 변환부(40008), LOD 생성부(40009) 및 리프팅 변환부(40010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(12011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(12011)는 아리스메틱 인코더(400012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(12012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(12007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(12012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(12012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 13에 도시된 수신 장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 13에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(13000), 수신 처리부(13001), 아리스메틱 (arithmetic) 디코더(13002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(13004), 인버스(inverse) 양자화 처리부(13005), 메타데이터 파서(13006), 아리스메틱 (arithmetic) 디코더(13007), 인버스(inverse)양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009), 색상 역변환 처리부(13010) 및/또는 렌더러(13011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(13000)는 포인트 클라우드 데이터를 수신한다. 수신부(13000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(13001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(13001)는 수신부(13000)에 포함될 수 있다.
아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(13002)는 아리스메틱 디코더(11000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 옥트리 합성부(11001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(13004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(13004)는 서페이스 오프록시메이션 합성부(11002) 및/또는 지오메트리 리컨스트럭션부(11003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(13006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(13006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 12에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(13007), 인버스 양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009) 및 색상 역변환 처리부(13010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(13007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(13007)는 아리스메틱 디코더(11005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(13008)는 역양자화부(11006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(13009)는 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(13010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(13010)는 컬러 역변환부(11010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(13011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 14의 구조는 서버(1460), 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상이 클라우드 네트워크(1410)와 연결된 구성을 나타낸다. 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440) 또는 가전(1450) 등은 장치라 호칭된다. 또한, XR 장치(1430)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1400)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1400)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1460)는 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상과 클라우드 네트워크(1400)을 통하여 연결되고, 연결된 장치들(1410 내지 1470)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1470)는 실시예들에 따른 XR 디바이스 및/또는 PCC 디바이스가 구현될 수 있는 타입 중 하나를 나타낸다. 실시예들에 따른HMD 타입의 디바이스는, 커뮤니케이션 유닛, 컨트롤 유닛, 메모리 유닛, I/O 유닛, 센서 유닛, 그리고 파워 공급 유닛 등을 포함한다.
이하에서는, 상술한 기술이 적용되는 장치(1410 내지 1450)의 다양한 실시 예들을 설명한다. 여기서, 도 14에 도시된 장치(1410 내지 1450)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1430)는 PCC 및/또는 XR(AR+VR) 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수도 있다.
XR/PCC 장치(1430)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 어트리뷰트 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR/PCC 장치(1430)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+XR+모바일폰>
XR/PCC 장치(1430)는 PCC기술이 적용되어 모바일폰(1440) 등으로 구현될 수 있다.
모바일폰(1440)은 PCC 기술에 기반하여 포인트 클라우드 콘텐츠를 디코딩하고, 디스플레이할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1420)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1420)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(1420)은 XR 장치(1430)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1420)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1420)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 발명의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 데이터 (PCC) 송수신 장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신 장치 차량에 탑재된 경우, 포인트 클라우드 송수신 장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도15의 예특 트리 기반 인코딩, 도16 인터 프레임 예측 트리 기반 압축, 도17 레이저 아이디에 따른 애지무스 값에 따른 정렬 기반 압축, 도18 인트라 프레임 및/또는 인터 프레임 인코더, 도20 내지 도23 비트스트림 생성, 도24 송신 방법 등을 지칭하는 용어로 해석된다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도15의 예특 트리 기반 디코딩, 도16 인터 프레임 예측 트리 기반 복원, 도17 레이저 아이디에 따른 애지무스 값에 따른 정렬 기반 복원, 도19 인트라 프레임 및/또는 인터 프레임 디코더, 도20 내지 도23 비트스트림 파싱, 도25 수신 방법 등을 지칭하는 용어로 해석된다.
또한, 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 실시예들에 따른 방법/장치로 줄여서 호칭될 수 있다.
실시예들에 따라, 포인트 클라우드 데이터를 구성하는 지오메트리 데이터, 지오메트리 정보, 위치 정보 등은 서로 동일한 의미로 해석된다. 포인트 클라우드 데이터를 구성하는 어트리뷰트 데이터, 어트리뷰트 정보, 속성 정보 등은 서로 동일한 의미로 해석된다.
포인트는 좌표계에 의한 위치 및 제로 또는 하나 이상의 어트리뷰트들을 포함하는 포인트 클라우드의 엘리먼트이다. 포인트 클라우드는 포인트들의 리스트이다. 포인트 클라우드 시퀀스는 하나 또는 하나 이상의 포인트 클라우드들의 시퀀스이다. 포인트 클라우드 프레임은 포인트 클라우드 시퀀스 내 포인트 클라우드이다. 지오메트리는 포인트들의 세트와 연관된 포인트 포지션들이다. 어트리뷰트는 포인트 클라우드 내 각 포인트와 연관된 스칼라 혹은 벡터 속성이다. 예를 들어, 컬러, 반사도, 프레임 인덱스 등일 수 있다. 슬라이스는 부호화된 포인트 클라우드 프레임의 일부 혹은 전체에 대한 지오메트리 및 어트리뷰트이다. 타일은 슬라이스들의 세트이다.
실시예들에 따른 방법/장치는 포인트 클라우드 예측트리의 레이저 아이디를 이용한 속성 압축 방법(Attribute compression method using laserID of point cloud predictive tree)을 포함하고 수행할 수 있다.
프레임 내 예측트리를 이용한 지오메트리 압축에 대한 연구가 진행되었지만, 프레임 간 예측트리 정보를 이용한 속성 정보 압축 방법에 대한 연구가 진행되지 않았다. 실시예들에 따른 방법/장치는 예측트리 정보 중 laserID를 이용한 프레임 간 속성 압축 방법을 포함하고 수행할 수 있다.
실시예들에 따른 방법/장치는 3차원 포인트 클라우드(Point Cloud) 데이터를 압축하기 위해 프레임 간 지오메트리 정보를 이용하여 속성 압축을 할 수 있는 구조를 이용할 수 있다. 포인트 클라우드 데이터에서 카테고리(Category) 3으로 분류 된 동적 포인트 클라우드는 여러 장의 포인트 클라우드 프레임으로 구성되며, 주로 자율주행 데이터로 유즈 케이스(use case)를 목표로 하고 있다. 이때 프레임의 집합을 시퀀스라고 하며, 하나의 시퀀스는 같은 속성값들로 구성 된 프레임들을 포함한다. 따라서 속성값 간에는 이전 프레임이나 이후 프레임 간에 움직임 혹은 속성값 변화 같은 데이터 특징을 가지며, 현재 표준에서는 지오메트리 기반 프레임 간 압축은 활발하게 진행 되었지만 프레임 간 속성 압축은 진행 되지 않았다.
따라서 실시예들은 카테고리(Category) 3 시퀀스 중 프레임 간 압축을 목표로 지오메트리 정보에서 찾은 프레임 간 특징을 속성 압축에서도 사용할 수 있는 구조 및 방법을 제안한다. 프레임 간 지오메트리 압축은 크게 옥트리 프레임 간 압축과 예측트리 프레임 간 압축으로 수행할 수 있는데, 본 실시예에서는 예측트리 프레임 간 압축에서 사용 된 정보를 이용하여 속성 압축에 사용하고자 한다. 또한 프레임 간 정보에서 적합하지 않은 포인트는 프레임 내 지오메트리 정보를 이용해서 속성 압축을 할 수 있도록 해서 압축 효율을 높일 수 있다.
도15는 실시예들에 따른 예측 트리 구조를 생성하는 방법을 나타낸다.
실시예들에 따른 방법/장치는 도15와 같은 예측 트리를 생성할 수 있다.
예측 트리 구조는 포인트 클라우드의 xyz 좌표로부터 점 간의 연결 관계로 트리 구조를 만들어내는 과정을 통해 생성된다. 예측 트리를 구성하기 위해서는 입력받은 점을 특정 기준으로 정렬이 수행되고, 재배열된 ply로부터 이웃 노드에 따른 예측값 계산을 통하여 예측트리 구조를 생성해낸다. 예측트리 구조 생성 및 부호화 방법은 도15와 같다.
도15를 참조하면, 플라이(ply) 데이터를 인코더/디코더가 수신하고, 부호화/복호화에 효율적인 순서로 데이터를 다시 정렬할 수 있다. 정렬된 포인트 간 특성을 고려하여 현재 포인트에 가까운 값을 가지는 예측값을 생성하고, 현재 포인트에 대한 예측 포인트를 트리 구조로 표현할 수 있다. 부모 포인트 및 자식 포인트는 화살표로 표현될 수 있다. 현재 포인트에서 부모(이웃 및/또는 예측값) 포인트로 화살표가 구성될 수 있다. 포인트 간 예측 관계가 트리 구조로 표현되면, 루트 노드(포인트)로부터 자식 포인트로 순회하면서 현재 포인트에 대한 예측 포인트에 대한 잔차값을 생성하여 부호화할 수 있다.
도16은 실시예들에 따른 인터 프레임 부호화/복호화를 나타낸다.
실시예들에 따른 방법/장치는 도15에서 더 나아가, 도16과 같이, 프레임 간 예측 트리 기반 압축을 수행할 수 있다. 이를 위해서 참조 프레임에서 예측점(inter pred point) 하나를 추가로 선택하고, 혹은 두 개의 점을 예측점(additional inter pred point)으로 사용하는 프레임 간 구조를 이용할 수 있다.
도16을 참조하면, 예측자 후보인 두 포인트(Additional Inter Pred Point, Inter Pred Point) 중 잔차 작은 포인트가 현재 포인트에 대한 예측자가 될 수 있다. 실시예들에 따른 방법/장치는 현재 프레임에 포함된 현재 포인트를 부호화하거나 복호화하기 위해서, 이전에 디코딩된(복원된) 포인트와 근접한 참조 포인트를 현재 프레임의 참조 프레임으로부터 찾을 수 있다. 참조 포인트는 이전에 디코딩된 포인트와 동일한 레이저 아이디를 가지고, 동일한 스케일된 애지무스를 가질 수 있다. 참조 포인트의 다음 포인트 혹은 다음 포인트의 다음 포인트 중 현재 포인트와 가장 유사한 지오메트리 및/또는 어트리뷰트를 가지는 포인트를 예측자로 사용할 수 있다. 즉, 선택된 예측자 및 현재 포인트의 지오메트리 및/또는 어트리뷰트 간 잔차를 부호화하고, 복호화할 수 있다.
실시예들에 따른 송신 방법/장치는 지오메트리를 압축하고, 속성 압축을 수행한다. 예를 들어, 예측/리프팅/RAHT(Predicting/Lifting/RAHT transform) 코딩을 사용해서 프레임 내 부호화를 수행한다. 프레임 간 부호화/복호화는 이전 프레임과 현재 프레임을 하나의 프레임으로 합쳐서 예측/리프팅/RAHT(Predicting/Lifting/RAHT transform) 코딩을 사용하는 방법이 제안되었지만, 압축 효율이 프레임 내 코딩 대비 5% 내외의 효율만을 보이고 있다. 또한 저지연 복호화를 목적으로 하는 예측트리 구조를 지원할 수 없게 되는 단점이 있다. 실시예들은 이를 보완할 수 있다.
지오메트리 코딩 순서를 유지하는지 여부는 디코더에서 예측 트리 생성 유무에 따라서 결정할 수 있다. 실시예들은 지오메트리 코딩 순서를 유지하는지 여부에 따라 다르게 코딩 방법을 적용할 수 있다. 기존의 두 프레임을 단순히 합하여 하나의 프레임으로 코딩하는 종래의 기술과는 다르게, 프레임 간 예측트리 정보를 복호화된 정보로 속성 압축에 활용할 수 있다. 프레임 내 압축에서 몰톤(morton) 생성, 이웃 노드 탐색 과정이 지오메트리 기반으로 생성한 예측 트리 정보와 중복되는 특성을 가지고 있어 중복 수행되는 문제점을 해결할 수 있다. 기존의 거리 기반으로 예측 트리에서 생성된 정보를 속성 압축에서 최대한으로 활용할 수 있다.
실제 지오메트리 코딩 순서는 속성 압축에서 유지되거나, 지오메트리(포인트)를 재배열할 수 있다. 지오메트리 코딩 순서를 유지할 경우, 인코더와 디코더에서 재배열 시간을 단축할 수 있는 장점이 있지만 지오메트리 코딩 순서에 따른 압축률이 낮아질 수 있다. 지오메트리 코딩 순서를 유지하지 않고 특정 기준으로 재배열을 하게 되면 인코더와 디코더에서 재배열에 대한 수행시간과 메모리 사용량이 높아지는 반면 압축률이 높아질 수 있다. 따라서 인코더와 디코더의 시간과 압축률에 따른 지오메트리 코딩 순서 유지 여부를 결정할 수 있다.
현재 속성 압축에 사용되는 예측 변환(Predicting transform)과 리프팅 변환(Lifting transform), 그리고 RAHT는 지오메트리 순서를 재배열해서 몰톤(morton) 순서로 속성 코딩을 하고 있다. 하지만 프레딕티브 지오메트리(predictive geometry) 코딩에서 인접한 포인트 간의 부모-자식 관계에 대한 예측트리가 형성되어 있고, 포인트 간 속성값이 이전 포인트에 기반하여 부호화될 수 있기 때문에, 실시예들은 예측트리 지오메트리 코딩 이후 사용할 수 있는 예측트리 정보에 기반한 속성 코딩 방법을 적용할 수 있다.
기존의 예측트리 지오메트리 코딩은 부모-자식 노드의 관계를 만들어내고 각 포인트마다 예측값 계산을 수행하게 된다. 예측값 계산은 정렬된 점의 순서와 정렬된 점의 순서 상에서 가까운 점의 위치값에 따라서 결정된다. 예측값은 현재노드에서 부모노드와 부모-부모노드의 위치값을 기준으로 계산 된다. 기존의 예측 트리 부호화에서 예측값을 계산하는 방법은 프레임 내 계산법(4가지)과 프레임간 계산법(2가지) 등이 있다.
1. 프레딕션 없음(No prediction), 2. 델타 프레딕션(Delta prediction (p0)), 3. 리니어 프레딕션(Linear prediction) (2p0-p1), 4. 패러럴그램 프레딕션(Parallelogram prediction) (p0+p1-p2), 1. 인터 프레딕션 포인트(Inter pred point) (p'0), 2. 추가적인 인터 프레딕션 포인트(Additional inter pred point)(p'1).
인터 프레딕션 포인트(Inter pred point)는 복호화된 참조 프레임에서 같은 레이저 아이디(laserID) 값을 가지며 애지무스(azimuth) 값이 가장 유사한 포인트를 참조 포인트로 지정한다. 추가적 인터 프레딕션 포인트(Additional inter pred point)는 인터 프레딕션 포인트(inter pred point)보다 애지무스(azimuth) 값이 더 작고 레이저 아이디(laserID)가 같은 포인트를 지칭한다.
실시예들는 포인트 클라우드 데이터에서 지오메트리 예측 트리를 이용해서 프레임 내/프레임 간 속성 압축을 하기 위한 방법을 포함할 수 있다. 프레임 간 속성 압축을 위해 프레임 내의 정보와 프레임 간 정보에서 필요한 지오메트리 정보를 갖는 포인트를 선택해서 압축에 사용할 수 있는 조건을 제시한다. 실시예들은 기존 프레임 내 예측트리 지오메트리 압축을 확장하여 속성 압축까지 가능하게 하는 방법을 포함한다. 예를 들어, 레이저 아이디(laserID)를 이용한 참조 프레임의 예측노드 선택 방법, 프레임간/프레임내 예측노드 집합을 이용한 압축 결정 방법을 포함할 수 있다.
예측트리를 이용한 지오메트리 코딩은 프레임 내 제안 된 지오메트리 속성 코딩 방법을 사용할 경우 저지연 코딩을 가능하게 하지만, 속성 압축에서 저지연이 불가능하기 때문에 실질적인 저지연 코딩이 불가능하다는 문제점이 있다. 또한, 제안 방법은 레이저 아이디(laserID)를 이용한 참조 프레임의 예측노드 선택 방법과 프레임간/프레임내 예측노드 집합을 이용한 압축 결정 방법을 추가로 제안하여 속성 압축 성능을 향상시킬 수 있다.
도16을 참조하면, 프레임간 간 지오메트리 예측트리를 이용한 속성 압축 방법을 나타낸다.
현재 프레임 내 예측트리를 이용한 지오메트리 압축을 사용할 수 있다. 프레임 간 지오메트리 예측트리는 현재 프레임의 현재 프레임에서 이전에 디코딩된 포인트를 2개까지 참조하고, 계산식에 따른 모드를 선택하여 복호화기에 시그널링 정보로서 전달할 수 있다. 이때 이전 프레임에서 현재 포인트에 대응 되는 인터 프레딕션 포인트(inter pred point) 1개가 x, y, z지오메트리값이 가장 가까운 포인트(참조 포인트)로 선택된다. 이때 하나의 포인트를 더 참조 프레임에서 선택할 수 있는데, 도16과 같이, 인터 프레딕션 포인트(inter pred point), 추가적 인터 프레딕션 포인트(additional inter pred point)가 후보로 선택된다. 현재 포인트에 대한 예측자(predictor)로 인터 프레딕션 포인트(inter pred point) 및 추가적 인터 프레딕션 포인트(additional inter pred point) 중에서 하나를 선택했을 때, (현재포인트-예측자) 차이값이 작은 포인트 하나를 선택할 수 있다. 참조프레임에서 선택한 포인트를 기준으로 참조프레임에서 이전에 복호화 된 포인트 3개까지 프레딕터(predictor)로 가져와서 프레임간 지오메트리 예측 코딩을 수행할 수 있다.
지오메트리에서 선택된 인터 프레딕션 포인트(inter pred point) 및 추가적 인터 프레딕션 포인트(additional inter pred point)를 이용해 속성을 압축할 수 있다. 참조 프레임에서 선택 된 포인트(inter pred point 혹은 additional inter pred point)를 예측 포인트로 정하거나 다른 포인트를 기준 포인트로 정할 수 있다. 기준 포인트를 정하기 위해서 현재 포인트와 예측 포인트의 간의 x, y, z의 유클리디언 거리가 짧은 점을 이용해 예측노드로 선택할 수 있다.
도17은 실시예들에 따른 레이저 아이디(laserID)를 이용한 참조 프레임의 예측노드 선택 방법을 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도15의 예특 트리 기반 인코딩, 도16 인터 프레임 예측 트리 기반 압축, 도18 인트라 프레임 및/또는 인터 프레임 인코더, 도24 송신 방법)은 도17과 같이, 예측 노드를 선택할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도15의 예특 트리 기반 디코딩, 도17 레이저 아이디에 따른 애지무스 값에 따른 정렬 기반 복원, 도19 인트라 프레임 및/또는 인터 프레임 디코더, 도25 수신 방법)은 도17과 같이, 예측 노드를 선택할 수 있다.
예측트리를 이용한 지오메트리 압축 과정에서, 인코딩(디코딩) 방법/장치는 반경(radius), 애지무스(azimuth), 레이저 아이디(laserID)를 이용해 좌표계를 구면좌표계로 변환하고, 예측노드를 탐색할 수 있다. 이때 예측트리에서 변경된 구면좌표계를 데카르트좌표계로 재변환하지 않을 수 있다. 현재 구면좌표계의 반경(radius), 애지무스(azimuth), 레이저 아이디(laserID)를 이용한 포인트 정보는 레이저 아이디(laserID)를 기준으로 0~63 혹은 0~127까지로 나눌 수 있다. 레이저 아이디(laserID)를 기준점으로 나누는 이유는 라이다 레이저(lidar laser)가 한 번 스캔할 때 레이저(laser)의 특성상 획득되는 프로빙(probing) 포인트가 하나만 생성되기 때문이다. 레이저 아이디(laserID)에 따른 애지무스(azimuth)의 값은 -π ~ +π 내 값일 수 있다. 이때 애지무스(azimuth) 값을 기준으로 정렬하면 각 레이저 아이디(laserID)에 해당하는 애지무스(azimuth) 값이 생성되고, 도17과 같다.
도17을 참조하면, 레이저에 의해 획득된 데이터의 분포에서 가운데 원점이 레이더가 위치한 곳일 수 있다. 원점으로부터 가장 가까운 원부터 반경이 커지는 원까지, 각 원이 레이저 아이디를 가질 수 있다.
레이저 아이디(laserID)에 따른 애지무스(azimuth) 값으로 정렬된 포인트 클라우드는 참조 프레임과 현재 프레임 각각에 대해서 생성된다. 현재 포인트의 참조 프레임에서 예측자를 선택하기 위해서는 동일한 레이저 아이디(laserID)에 대해서 가장 근접한 애지무스(azimuth)를 가진 포인트가 선택된다. 선택된 포인트의 속성값은 현재 포인트를 압축하기 위한 예측노드의 후보가 되며, 현재 프레임에서 동일한 기준으로 선택할 수 있다.
실시예들에 따른 송수신 방법/장치는 프레임간/프레임내 예측노드 집합을 이용한 압축을 다음과 같이 결정할 수 있다.
레이저 아이디(laserID)를 이용한 프레임간/프레임내 예측노드를 이용해 실제 압축을 수행할 수 있다. 속성값 중 반사도(reflectance)는 특성 상 참조 프레임의 반사도(reflectance)와 가장 유사한 값을 가지고 있다. 따라서 압축하기 위해 참조 프레임의 후보를 선택에 유리하도록 가중치를 줄 수 있다. 이때 가중치를 부여하기 위한 수식은 다음과 같다:
predEligible = predInter * weight + predIntra 이거나, 혹은
predEligible_reflectance = {predInter1 *weight || predInter2*weight || predIntra1 || predIntra2 || predIntra3} 일 수 있다.
predEligible_reflectance는 가중치를 부여할지 여부를 결정하는 스레스홀드이다.
weight 는 가중치이다.
predInter1 는 인터 프레임 예측 노드에 대한 반사도이다.
predIntra1 는 인트라 프레임 예측 노드에 대한 반사도이다.
weight 는 가중치이고, pred_weight을 통해서 인코더에서 디코더로 전달될 수 있다.
실시예들에 따른 송신 방법/장치는predEligible_reflectance 이 임계값 이상이면, 참조 프레임의 예측노드만을 이용해 모드를 계산하고 잔차값(residual) 송신한다. predEligible이 임계값 이하일 경우, 현재 프레임의 예측노드만을 이용해 모드와 잔차값(residual)을 계산하고 송신한다.
predEligible_reflectance 은 예측에 사용하기 위한 반사도(reflectance) 예측값이며, 코딩하기 위한 포인트 단위 당 계산 된다. 현재 포인트의 반사도(reflectance) 값에서 predEligible(predEligible_reflectance )값을 뺀 값이 새로운 예측자에 대한 잔차값이 된다. predInter1*weight, predInter2*weight, predIntra1, predIntra2, predIntra3 중 하나를 인코더에서 모드로 선택할 수 있다. 디코더는 시그널링된 모드로 예측자에 잔차를 더해 현재 포인트의 속성값(반사도)을 복호화 수 있다.
predEligible_reflectance을 이용한 속성 압축을 적용하기 위한 유닛 당 적용 여부를 부호화기에서 판단할 수 있다. 적용 유닛은 프레임 전체, 도로/객체, 개별 객체, LPU/PU 단위가 될 수 있다. 부호화기에서 적용 여부를 시그널링 하면 복호화기에서 적용 유닛당 속성 정보를 역연산 할 수 있다. predEligible_reflectance 조건을 사용하기 위해서는 현재 포인트의 reflectance와 predInter1, predInter2, predIntra1, predIntra2, predIntra3와의 잔차값을 각각 확인한다. 확인 한 잔차 값 중 predInter는 weight를 곱한 값의 잔차값을 사용한다. 가장 작은 잔차값을 모드로 시그널링하며, 복호화기에서는 모드로 예측자를 이용해 잔차를 더해 역연산한다.
예측자 후보군에서 선택 된 조건을 시그널링 하기 위해 모드의 적합도 여부가 확인되어야 한다. 예측자로 선택된 4개 혹은 다수의 후보군 중 가장 적은 차이값을 보낼 수 있는 후보를 선택하기 위해 양자화 된 조건들 혹은 원본의 속성값들의 차이로 모드를 선택할 수 있다. 예측자 생성부에서 사용 된 조건들이 모드의 적합도를 판단하는 조건이 되며, 가장 적은 차이값이나 차이값이 가장 적지 않더라도 이후 포인트의 차이값을 압축하기에 가장 관련도가 높은 속성값이 모드로 시그널링 된다.
모드의 적합도에 따른 차이값 전송 방법은 부호화기에서 선택 된 조건은 복호화기에 시그널링 되며, 부호화기와 복호화기는 같은 조건을 모드로 사용해서 포인트 당 계산을 하게 된다. 이때 모드에 따른 차이값을 전달하게 되며, 차이값은 양자화 되거나 양자화되지 않은 값이 부호화기에서 전달 된다. 차이값은 Exponential Golomb, Context-Adaptive Variable Length Coding, Context-Adaptive Binary Arithmetic Coding 등의 엔트로피 부호화 방법이 사용되어 포인트 당 전달 될 수도 있고, 포인트 그룹당 부호화 될 수 있다. 차이값은 DCT, DST, DST, SADCT, RAHT 와 같은 트랜스폼이 수행 된 후 비트스트림으로 변환 할 수 있다.
현재 프레임 및 이전 프레임(참조 프레임)의 지오메트리를 기반으로, 현재 프레임 내 후보 3개(predInter1, predInter2, predInter3), 참조 프레임 내 후보 2개(predInter1, predInte2)를 고려할 수 있다.
실시예들에 따른 수식의 엘리지블 값을 통해, 인트라 프레임 반사도를 고려할지 인터 프레임 반사도를 고려할지를 모드로 선택할 수 있다.
PredEligible 자체가 반사도이고, 현재 포인트의 반사도와 차이를 통해 잔차값이 생성될 수 있다. 이 잔차값을 제일 작게 만드는 모드가 인터모드인지 인트라 모드 인지, 이중에서 하나의 모드를 선택할 수 있다.
인코더에서 모드를 선택해서 속성 압축을 하면, 디코더는 위 값을 확인하여, 인트라 반사도를 이용해 복원하고, 엘리저블하면, 인터 반사도에 웨이트를 적용하여 포인트 클라우드를 복원할 수 있다.
도18은 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도18은 실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도15의 예특 트리 기반 인코딩, 도16 인터 프레임 예측 트리 기반 압축, 도17 레이저 아이디에 따른 애지무스 값에 따른 정렬 기반 압축, 도18 인트라 프레임 및/또는 인터 프레임 인코더, 도20 내지 도23 비트스트림 생성, 도24 송신 방법)에 관련된 장치를 나타낸다.
도18은 예측트리의 laserID를 이용한 프레임내/프레임간 속성 부호화기이다.
속성 압축부에서 예측트리의 레이저 아이디(laserID)를 이용한 속성 압축 코딩 방법 사용 여부를 나타내는 정보(laserID_use_predtree_flag)를 시그널링 정보로 생성하고, 전달할 수 있다. laserID를 이용한 속성 압축 코딩 사용 여부를 통해 속성 압축에서 필요한 변환을 수행할 수 있다.
프레임내/프레임간 모드 적합도에서 프레임 간 압축 선택에 가중치를 부여할줄 수 있다. 이때 가중치값은 예측 가중치 정보(pred_weight)로 생성되고 시그널링될 수 있다. 가중치가 적용된 예측값이 임계값 이상일 때 프레임간 코딩을 사용하도록 모드를 선택하고, 이때 임계값은 복호화기에 예측자 인터 인트라 스레스홀드(predictor_inter_intra_threshold) 정보가 될 수 있다.
도18을 참조하면, 실시예들에 따른 송신 장치는 인코더로 지칭될 수 있고, 메모리 및/또는 프로세서로 구성될 수 있다. 메모리에 저장된 명령어들이 프로세서로 하여금 포인트 클라우드 데이터를 부호화하도록 구성될 수 있다. 도18의 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다.
데이터 입력부는 포인트 클라우드 데이터를 획득할 수 있다. 획득부, 카메라, 센성 등에 의해 포인트 클라우드 데이터를 입력으로 수신할 수 있다. 포인트 클라우드 데이터는 포인트 클라우드로 지칭될 수 있다.
좌표 변환부는 포인트 클라우드의 지오메트리의 좌표를 변환할 수 있다. 예를 들어, 참조 프레임의 포인트들의 위치값 및/또는 현재 프레임의 포인트들의 위치값에 관련된 좌표계를 변환할 수 있다.
양자화/복셀화 처리부는 포인트 클라우드를 양자화하고, 및/또는 복셀화할 수 있다.
예측 트리 생성부는 포인트 클라우드를 예측 트리 구조로 표현할 수 있다. 포인트 클라우드의 지오메트리(포인트)간 부모/자식 관계를 나타내는 예측 트리를 생성할 수 있다.
예측 트리 부호화부는 예측 트리에 기초하여 포인트 클라우드를 부호화할 수 있다. 예측 트리에 기초하여 현재 포인트에 대한 예측값을 생성할 수 있다. 현재 포인트 및 예측값 간 잔차값을 생성할 수 있다.
아리스메틱 코더는 잔차값을 부호화하고, 지오메트리 비트스트림을 생성할 수 있다.
참조 및/또는 현재 프레임 지오메트리 재구성부는 속성 압축 시 필요한 포인트의 지오메트리 정보를 제공하기 위해서, 부호화된 포인트를 다시 복원할 수 있다. 현재 프레임 및/또는 참조 프레임에 포함된 포인트를 이용하여 지오메트리를 재구성할 수 있다.
색상 변환 처리부는 포인트 클라우드의 어트리뷰트(색상)을 변환할 수 있다. 색상 체계를 변환할 수 있다. 참조 프레임의 포인트들의 속성값 및/또는 현재 프레임의 포인트들의 속성값을 입력으로 수신할 수 있다.
속성 변환 처리부는 속성(어트리뷰트)를 변환할 수 있다. 재구성된 지오메트리에 기초하여, 지오메트리에 해당하는 속성을 부호화하기 위한 적합한 체계로 변환할 수 있다.
레이저 아이디를 이용한 예측자 생성부는 포인트 클라우드에 관련된 레이저 아이디를 이용해서 포인트 클라우드의 예측자를 생성할 수 있다. 도17 등의 설명을 참조한다.
프레임내 및/또는 프레임간 모드 적합도 여부 확인부는 프레임 내 및/또는 프레임 간 모드 적합도 여부를 확인해서, 적합한 모드를 선택할 수 있다. 도17 등의 설명을 참조한다.
아리스메틱 코더는 현재 포인트 클라우드의 속성 및 예측값 간 잔차값을 부호화하고, 어트리뷰트 비트스트림을 생성할 수 있다.
도19는 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도19는 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도15의 예특 트리 기반 디코딩, 도16 인터 프레임 예측 트리 기반 복원, 도17 레이저 아이디에 따른 애지무스 값에 따른 정렬 기반 복원, 도19 인트라 프레임 및/또는 인터 프레임 디코더, 도20 내지 도23 비트스트림 파싱, 도25 수신 방법)에 관련된 장치를 나타낸다.
도19는 예측트리의 laserID를 이용한 프레임내/프레임간 속성 복호화기이다.
레이저 아이디 사용 예측 트리 플래그(laserID_use_predtree_flag)를 속성 복호화 이전에, 수신한 비트스트림에 포함된 파라미터 정보로써 수신할 수 있다. 레이저 아이디(laserID)를 이용해 예측자를 부호화기와 동일하게 생성할 수 있다.
부호화기에서 전달된 가중치값(pred_weight)를 이용해 프레임내/프레임간 예측자에 가중치를 연산할 수 있다. 가중치가 적용 된 예측값이 임계값 이상일 때 프레임간 코딩을 사용하도록 모드가 복호화된다. 이때 임계값은 예측자 인터 인트라 스레스홀드(predictor_inter_intra_threshold)로 수신되며 복원된 모드와 차이값 복원을 계산하는데 이용된다.
도19를 참조하면, 실시예들에 따른 수신 장치는 디코더로 지칭될 수 있고, 메모리 및/또는 프로세서로 구성될 수 있다. 메모리에 저장된 명령어들이 프로세서로 하여금 포인트 클라우드 데이터를 복호화하도록 구성될 수 있다. 도19의 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다.
수신부는 포인트 클라우드 및 파라미터를 포함하는 비트스트림을 수신할 수 있다. 비트스트림은 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 포함할 수 있다. 디코더는 비트스트림에 포함된 지오메트리 및/또는 어트리뷰트를 비트스트림에 포함된 파라미터에 기초하여 복호화할 수 있다.
디코더 동작은 인코더 동작에 대응할 수 있고, 인코더의 역과정에 따라서 포인트 클라우드를 복원할 수 있다.
아리스메틱 디코더는 지오메트리 비트스트림에 포함된 지오메트리를 디코딩할 수 있다.
예측 트리 기반 재구성 처리부는 예측 트리에 기반하여 포인트 클라우드를 재구성할 수 있다. 포인트 클라우드에 대한 예특 트리를 인코더와 같이 생성할 수 있다.
표면 모델 처리부는 지오메트리의 표면 모델을 삼각형으로 재구성하거나, 업-샘플링하거나, 및/또는 복셀화할 수 있다.
참조 및/또는 현재 프레임 지오메트리 재구성부는 어트리뷰트를 복호화하기 위해서 필요한 지오메트리를 재구성할 수 있다. 참조 프레임 및/또는 현재 프레임에 기초하여 지오메트리를 재구성할 수 있다.
좌표 역변환부는 지오메트리의 좌표계를 역으로 변환하여 현재 프레임 포인트들 위치값들을 생성할 수 있다. 직교좌표계를 사용하여 포인트의 위치값을 생성할 수 있다.
아리스메틱 디코더는 속성 비트스트림을 수신하고, 비트스트림에 포함된 어트리뷰트를 디코딩할 수 있다.
역양자화 처리부는 어트리뷰트를 역으로 양자화할 수 있다.
레이저 아이디를 이용한 예측자 생성부는 레이저 아이디에 기초하여 어트리뷰트에 대한 예측자를 생성할 수 있다. 예측자를 통해 어트리뷰트를 복호화할 수 있다. 도17 등의 설명을 참조한다.
프레임내 및/또는 프레임간 모드 및 차이값 계산부는 프레임 내 및/또는 프레임 간 모드를 선택하고, 차이값을 계산할 수 있다. 도17 등의 설명을 참조한다.
색상 역변환 처리부는 색상(어트리뷰트)를 역으로 변환할 수 있다. 예를 들어, RGB를 가진 현재 프레임 포인트들의 속성값을 생성할 수 있다.
도20은 실시예들에 따른 포인트 클라우드 및 파라미터를 포함하는 비트스트림을 나타낸다.
도20 비트스트림은 실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도15의 예특 트리 기반 인코딩, 도16 인터 프레임 예측 트리 기반 압축, 도17 레이저 아이디에 따른 애지무스 값에 따른 정렬 기반 압축, 도18 인트라 프레임 및/또는 인터 프레임 인코더, 도20 내지 도23 비트스트림 생성, 도24 송신 방법)에 의해서 생성된다.
도20 비트스트림은 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도15의 예특 트리 기반 디코딩, 도16 인터 프레임 예측 트리 기반 복원, 도17 레이저 아이디에 따른 애지무스 값에 따른 정렬 기반 복원, 도19 인트라 프레임 및/또는 인터 프레임 디코더, 도20 내지 도23 비트스트림 파싱, 도25 수신 방법)에 의해서 디코딩된다.
예측트리의 laserID를 이용한 프레임내/프레임간 속성 부호화/복호화 방법을 추가/수행 하기 위해서, 인코더는 파라미터를 생성하고 시그널링 정보로서 디코더에 전송할 수 있다. 디코더는 파라미터에 기초하여 복호화를 수행한다.
이하, 실시예들에 따른 파라미터(메타데이터, 시그널링 정보 등 다양하게 호칭 가능함)는 후술하는 실시예들에 따른 송신기의 프로세스 상 생성될 수 있고, 실시예들에 따른 수신기에 전달되어 재구성 과정에 이용될 수 있다. 예를 들어, 실시예들에 따른 파라미터는 후술하는 실시예들에 따른 송신 장치의 메타데이터 처리부(또는 메타데이터 제너레이터)에서 생성되고, 실시예들에 따른 수신 장치의 메타데이터 파서에서 획득될 수 있다. 부호화된 포인트 클라우드 구성은 다음과 같다.
각 약어는 다음을 의미한다: SPS: 시퀀스 파라미터 세트(Sequence Parameter Set), GPS: 지오메트리 파라미터 세트(Geometry Parameter Set), APS: 어트리뷰트 파라미터 세트(Attribute Parameter Set), TPS: 타일 파라미터 세트(Tile Parameter Set), 지오메트리(Geom): 지오메트리 비트스트림(Geometry bitstream) = 지오메트리 슬라이스 헤더(geometry slice header)+ 지오메트리 슬라이스 데이터(geometry slice data), 어트리뷰트(Attr): 어트리뷰트 비트스트림(Attribute bitstream) = 어트리뷰트 브릭 헤더(attribute brick header) + 어트리뷰트 브릭 헤더(attribute brick data). 브릭은 슬라이스로 지칭될 수 있다.
비트스트림은 파라미터 세트들을 포함하고, 인코딩/디코딩 단위인 슬라이스를 포함한다. 슬라이스 별 지오메트리 데이터 및 어트리뷰트 데이터가 존재한다. 지오메트리/어트리뷰트 데이터는 헤더와 데이터를 각각 포함할 수 있다. 헤더는 데이터를 위한 부가 정보를 포함할 수 있다.
파라미터 세트는 시퀀스 파라미터 세트, 지오메트리 파라미터 세트, 어트리뷰트 파라미터 세트들, 타일 파라미터 세트를 포함할 수 있다. 타일 파라미터 세트는 복수의 타일들에 대한 정보를 포함할 수 있다. 예를 들어, 0번째 타일에 대한 바운딩 박스의 좌표, 너비, 높이, 깊이, n번째 타일에 대한 바운딩 박스의 좌표, 너비, 높이, 깊이를 포함할 수 있다. 어트리뷰트 종류 별로 파라미터 세트가 존재할 수 있다. 슬라이스는 하나의 지오메트리 및/또는 제로 또는 하나 이상의 어트리뷰트를 포함할 수 있다. 지오메트리는 슬라이스 헤더 및 슬라이스 데이터로 구성될 수 있다. 지오메트리 슬라이스 헤더는 지오메트리에 대한 정보를 포함할 수 있다. 예를 들어, 지오메트리와 연관된 지오메트리 파라미터 세트 식별자, 타일 아이디, 슬라이스 아이디, 바운딩 박스의 위치/크기 정보, 포인트들의 개수에 관한 정보를 포함할 수 있다.
포인트 클라우드를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스를 제공한다.
영역별로 나눌때 각각의 영역은 서로 다른 중요도를 가질 수 있다.
그 중요도에 따라서 다른 필터, 다른 필터 유닛을 적용할 수 있게 제공함으로써 복잡도(complexity)는 높으나 결과 품질(quality)가 좋은 필터링 방법을 중요한 영역에 사용할 수 있는 방안을 제공할 수 있다.
수신기의 처리능력(capacity)에 따라서 포인트 클라우드 전체에 복잡한 필터링 방법을 사용하는 대신 영역별로 (타일로 나누어지거나 슬라이스로 나누어진 영역) 서로 다른 필터링을 적용할 수 있게 함으로서 사용자에게 중요한 영역에 더 좋은 화질과 시스템 상으로 적절한 레이턴시(latency)을 보장할 수 있다.
따라서, 포인트 클라우드는 타일(Tile)로 나누어지는 경우, 각 타일별로 다른 필터, 다른 필터 유닛을 적용할 수 있다.
포인트 클라우드는 슬라이스(Slice)로 나누어지는 경우, 각 슬라이스별로 다른 필터, 다른 필터 유닛을 적용할 수 있다.
이하에서, 각 도면을 참조하여 비트스트림에 포함된 파라미터의 신택스를 설명한다.
도21은 실시예들에 따른 시퀀스 파라미터 세트를 나타낸다.
도20의 비트스트림에 포함된 도21의 SPS는 예측트리의 레이저 아이디(laserID)를 이용한 속성 부호화 구조 정보를 전달할 수 있다.
레이저 아이디 사용 예측 트리 플래그(laserID_use_predtree_flag): 레이저 아이디(laserID)를 이용해 예측자를 생성할지에 대한 여부를 나타낼 수 있다. 예를 들어, 참(true)이면 laserID를 이용한 속성 예측자 생성 사용하는 것을 나타내고, 거짓(false)이면 laserID를 이용한 속성 예측자 생성 미사용하는 것을 나타낸다.
예측 가중치(pred_weight): 프레임내/프레임간 예측자에 가중치를 연산하기 위한 계수를 나타낸다.
예측자 인터 인트라 스레스홀드(predictor_inter_intra_threshold): 계산된 가중치의 임계값을 나타낸다. 예를 들어, 예측 가중치를 이용하여 프레임 내 및/또는 프레임 간 예측자를 생성하고, 가중치가 적용된 예측자가 임계값 이상인 경우, 프레임간 예측자만 사용할 수 있다. 시그널링된 방법에 따른 예측가 생성 모드를 통해 차이값(잔차값)을 생성할 수 있다.
SPS는 다음 엘리먼트들을 더 포함할 수 있다.
simple_profile_compatible은 비트스트림이 단순 프로파일을 준수하는지(1인 경우) 또는 그렇지 않은지(0인 경우)를 나타낸다.
dense_profile_compliance는 비트스트림이 Dense 프로파일을 준수하는지(1인 경우) 또는 그렇지 않은지(0인 경우)를 나타낸다.
predictive_profile_compliance는 비트스트림이 예측 프로파일을 준수하는지(1인 경우) 또는 그렇지 않은지(0인 경우)를 나타낸다.
main_profile_compliant는 비트스트림이 메인 프로파일을 준수하는지(1인 경우) 또는 그렇지 않은지(0인 경우)를 나타낸다.
slice_reordering_constraint는 비트스트림이 코딩된 포인트 클라우드 프레임 내 슬라이스의 재배열 또는 제거에 민감한지(1인 경우) 또는 그렇지 않은지(0인 경우)를 나타낸다.
1과 같은 unique_point_positions_constraint는 각 코딩된 포인트 클라우드 프레임에서 모든 포인트가 고유한 위치를 갖도록 나타낸다. 0과 같은 unique_point_positions_constraint는 코딩된 포인트 클라우드 프레임에서 두 개 이상의 포인트가 동일한 위치를 가질 수 있음을 나타낸다.
sps_seq_parameter_set_id는 다른 DU에서 참조할 SPS를 식별한다.
seq_origin_bits는 모든 부호 비트를 제외한 각 seq_origin_xyz 구문 요소의 비트 길이를 지정합니다.
seq_origin_xyz[ ] 및 seq_origin_log2_scale은 함께 시퀀스의 XYZ 원점을 지정하고 응용 프로그램별 좌표계 원점에서 시퀀스 좌표계 단위로 좌표계를 코딩한다.
seq_bbox_size_bits는 각 seq_bbox_size_minus1_xyz 구문 요소의 비트 길이를 나타낸다.
seq_bbox_size_minus1_xyz[ ] + 1은 시퀀스 좌표계에서 코딩된 볼륨 치수의 번째 XYZ 구성 요소를 나타낸다. seq_unit_numerator_minus1, seq_unit_denominator_minus1 및 seq_unit_is_metres는 함께 시퀀스 좌표계의 단위 벡터로 표시되는 길이를 나타낸다.
geom_axis_order는 표 8에 따라 코딩된 포인트 클라우드의 XYZ 축과 STV 축 간의 대응 관계를 나타낸다.
num_attributes는 SPS 속성 목록에 열거된 속성의 수를 나타낸다.
attr_components_minus1[ attrIdx ] + 1은 식별된 속성의 구성 요소 수를 나타낸다.
attr_instance_id[ attrIdx ]는 식별된 속성의 인스턴스 식별자를 나타낸다.
attr_bitdepth_minus1[ attrIdx ] + 1은 식별된 속성의 모든 구성요소의 비트 심도를 나타낸다.
attr_label_known[ attrIdx ], attr_label[ attrIdx ] 및 attr_label_oid[ attrIdx ]는 함께 식별된 속성이 전달하는 데이터 유형을 식별한다. attr_label_known[ attrIdx ]는 속성이 attr_label[ attrIdx ] 값으로 이 문서에 지정된 속성인지(0인 경우) 객체 식별자 attr_label_oid[ attrIdx ]로 식별되는 외부 지정 속성인지 여부를 나타낸다.
attr_property_cnt는 속성에 대해 SPS에 있는 attribute_property 구문 구조의 수를 나타낸다.
도22는 실시예들에 따른 타일 파라미터 세트를 나타낸다.
도20의 비트스트림에 포함된 도22의 TPS는 예측트리의 laserID를 이용한 속성 부호화 구조 정보를 전달할 수 있다.
레이저 아이디 사용 예측 트리 플래그(laserID_use_predtree_flag): 레이저 아이디(laserID)를 이용해 예측자를 생성할지에 대한 여부를 나타낼 수 있다. 예를 들어, 참(true)이면 laserID를 이용한 속성 예측자 생성 사용하는 것을 나타내고, 거짓(false)이면 laserID를 이용한 속성 예측자 생성 미사용하는 것을 나타낸다.
예측 가중치(pred_weight): 프레임내/프레임간 예측자에 가중치를 연산하기 위한 계수를 나타낸다.
예측자 인터 인트라 스레스홀드(predictor_inter_intra_threshold): 계산된 가중치의 임계값을 나타낸다. 예를 들어, 예측 가중치를 이용하여 프레임 내 및/또는 프레임 간 예측자를 생성하고, 가중치가 적용된 예측자가 임계값 이상인 경우, 프레임간 예측자만 사용할 수 있다. 시그널링된 방법에 따른 예측가 생성 모드를 통해 차이값(잔차값)을 생성할 수 있다.
TPS는 타일 인벤토리 데이터 유닛으로 지칭될 수 있다. TPS는 다음 엘리먼트들을 더 포함할 수 있다.
타일 인벤토리(있는 경우)에는 열거된 각 타일의 공간 영역을 정의하는 메타데이터가 포함된다. 각 타일은 암시적 또는 명시적 타일 ID로 식별된다.
타일 인벤토리는 타일 인벤토리 데이터 단위를 따르는 다음 코딩된 포인트 클라우드 프레임에서 적용된다.
ti_seq_parameter_set_id는 sps_seq_parameter_set_id로 활성 SPS를 식별한다.
tile_cnt는 타일 인벤토리에서 열거한 타일 수를 나타낸다.
tile_id_bits는 각 tile_id 구문 요소의 길이를 비트 단위로 지정합니다. 0과 동일한 tile_id_bits는 타일이 index tileIdx로 식별되어야 함을 나타낸다.
tile_origin_bits_minus1 + 1은 모든 부호 비트를 제외한 각 tile_origin_xyz 구문 요소의 비트 길이를 나타낸다.
tile_size_bits_minus1 + 1은 각 tile_size_minus1_xyz 구문 요소의 비트 길이를 나타낸다.
tile_id[ tileIdx ]는 타일 인벤토리에서 tileIdx 번째 타일의 식별자를 나타낸다.
tile_origin_xyz[ tileId ][ ] 및 tile_size_minus1_xyz[ tileId ][ ]는 tileId와 동일한 slice_tag로 식별되는 슬라이스를 포함하는 시퀀스 좌표계의 경계 상자를 나타낸다.
tile_origin_xyz[ tileId ][ ]는 타일 인벤토리 원점을 기준으로 타일 경계 상자 하단 모서리의 번째 XYZ 좌표를 나타낸다.
tile_size_minus1_xyz[tileId][ ] + 1은 타일 경계 상자의 번째 XYZ 치수를 나타낸다.
ti_origin_xyz[] 및 ti_origin_log2_scale은 함께 seq_origin_xyz[ ] 및 seq_origin_log2_scale에 의해 지정된 시퀀스 좌표계의 XYZ 원점을 나타낸다.
도23은 실시예들에 따른 지오메트리 파라미터 세트, 어트리뷰트 파라미터 세트, 및 지오메트리 슬라이스 헤더를 나타낸다.
도20의 비트스트림에 포함된 도23의 GPS는 예측트리의 laserID를 이용한 속성 부호화 구조 정보를 전달할 수 있다.
레이저 아이디 사용 예측 트리 플래그(laserID_use_predtree_flag): 레이저 아이디(laserID)를 이용해 예측자를 생성할지에 대한 여부를 나타낼 수 있다. 예를 들어, 참(true)이면 laserID를 이용한 속성 예측자 생성 사용하는 것을 나타내고, 거짓(false)이면 laserID를 이용한 속성 예측자 생성 미사용하는 것을 나타낸다.
예측 가중치(pred_weight): 프레임내/프레임간 예측자에 가중치를 연산하기 위한 계수를 나타낸다.
예측자 인터 인트라 스레스홀드(predictor_inter_intra_threshold): 계산된 가중치의 임계값을 나타낸다. 예를 들어, 예측 가중치를 이용하여 프레임 내 및/또는 프레임 간 예측자를 생성하고, 가중치가 적용된 예측자가 임계값 이상인 경우, 프레임간 예측자만 사용할 수 있다. 시그널링된 방법에 따른 예측가 생성 모드를 통해 차이값(잔차값)을 생성할 수 있다.
GPS는 다음 엘리먼트들을 더 포함할 수 있다.
gps_geom_parameter_set_id는 다른 DU에서 참조할 GPS를 식별한다.
gps_seq_parameter_set_id는 sps_seq_parameter_set_id로 활성 SPS를 식별한다.
slice_geom_origin_scale_present는 slice_geom_origin_log2_scale이 GDU 헤더에 있는지(1인 경우) 또는 없는지(0인 경우)를 나타낸다. 0과 동일한 slice_geom_origin_scale_present는 슬라이스 원점 스케일이 gps_geom_origin_log2_scale에 의해 지정됨을 나타낸다.
gps_geom_origin_log2_scale은 slice_geom_origin_scale_present가 0일 때 slice_geom_origin_xyz에서 슬라이스 원점을 도출하는 데 사용되는 배율 인수를 나타낸다.
0과 동일한 geom_tree_type은 슬라이스 기하학이 점유 트리(7.3.3.4)를 사용하여 코딩됨을 나타낸다. 1과 동일한 geom_tree_type은 슬라이스 기하학이 예측 트리(7.3.3.8)를 사용하여 코딩됨을 나타낸다.
geom_angular_enabled는 각 원점의 V축을 따라 위치하고 회전하는 빔 세트에 대한 정보를 사용하여 슬라이스 형상이 코딩되는지(1인 경우) 또는 아닌지(0인 경우)를 나타낸다.
slice_angular_origin_present는 슬라이스 관련 각도 원점이 GDU 헤더에서 신호되는지 여부(1인 경우) 또는 그렇지 않은지(0인 경우)를 나타낸다. 0과 동일한 slice_angular_origin_present는 각도 원점이 gps_angular_origin_xyz임을 나타낸다.
gps_angular_origin_xyz[ ]는 코딩 좌표계에서 각도 원점의 번째 XYZ 좌표를 나타낸다.
num_beams_minus1 + 1은 GPS에서 열거한 빔 수를 나타낸다.
beam_elevation_init 및 beam_elevation_diff[ ]는 함께 빔 고도를 S-T 평면 위의 그라데이션으로 나타낸다.
beam_voffset_init 및 beam_voffset_diff[ ]는 각도 원점에서 열거된 빔의 V축 오프셋을 함께 나타낸다. 오프셋은 코딩 좌표계 단위로 지정됩니다. 번째 빔에 대한 오프셋은 BeamOffsetV[ ] 식으로 나타낸다.
beam_steps_per_rotation_init_minus1 및 beam_steps_per_rotation_diff[ ]는 회전하는 빔에 의해 회전당 수행되는 단계 수를 나타낸다.
ptree_ang_radius_scale_log2는 데카르트 좌표로 변환하는 동안 점의 방사형 각도 좌표를 조정하는 데 사용되는 계수를 나타낸다.
ptree_ang_azimuth_step_minus1 + 1은 코딩된 포인트 사이의 회전 빔의 방위각에서 예상되는 변화를 나타낸다.
occtree_direct_joint_coding_enabled는 두 포인트를 코딩하는 직접 노드가 포인트의 특정 순서에 따라 위치를 함께 코딩해야 하는지 여부(1인 경우) 또는 아닌지(0인 경우)를 나타낸다.
1과 동일한 occtree_coded_axis_list_present는 GDU 헤더가 각 점유 트리 수준에 대한 노드 크기를 도출하는 데 사용되는 occtree_coded_axis 구문 요소를 포함함을 나타낸다. 0과 동일한 occtree_coded_axis_list_present는 occtree_coded_axis 구문 요소가 GDU 구문에 존재하지 않으며 점유 트리가 트리 깊이로 지정된 입방 체적을 나타냄을 나타낸다.
occtree_neigh_window_log2_minus1 + 1은 트리 수준 내에서 각 가용성 창을 형성하는 점유 트리 노드 위치의 수를 나타낸다.
occtree_adjacent_child_enabled는 이웃 점유 트리 노드의 인접 자식이 비트 점유 상황화에 사용되는지(1인 경우) 또는 사용되지 않는지(0인 경우)를 나타낸다.
occtree_intra_pred_max_nodesize_log2 빼기 1은 슬라이스 내 점유 예측에 적합한 점유 트리 노드의 최대 크기를 나타낸다.
occtree_bitwise_coding은 노드 점유 비트맵이 (1인 경우) occupancy_bit 구문 요소 또는 (0인 경우) 사전 코딩된 구문 요소 occupancy_byte를 사용하여 코딩되는지 여부를 나타낸다.
occtree_planar_enabled는 부분적으로 점유 및 비점유 평면의 신호에 의해 노드 점유 비트맵의 코딩이 수행되는지 여부(1인 경우) 또는 수행되지 않는지(0인 경우)를 나타낸다.
occtree_planar_threshold[ ]는 평면 점유 코딩에 대한 축별 적격성을 결정하기 위해 부분적으로 사용되는 임계값을 나타낸다.
occtree_direct_node_rate_minus1이 있는 경우 32개의 적격 노드마다 occtree_direct_node_rate_minus1 + 1만 직접 노드로 코딩할 수 있음을 나타낸다.
occtree_planar_buffer_disabled는 이전에 코딩된 노드의 평면 위치를 사용하여 노드당 점유 평면 위치의 상황화를 비활성화할지 여부(1인 경우) 또는 그렇지 않은지(0인 경우)를 나타낸다.
geom_scaling_enabled는 지오메트리 디코딩 프로세스 중에 코딩된 지오메트리가 스케일링되어야 하는지 여부(1인 경우) 또는 아닌지(0인 경우)를 나타낸다.
geom_qp는 슬라이스당 및 노드당 오프셋을 추가하기 전에 형상 QP를 나타낸다.
occtree_direct_node_qp_offset은 직접 노드 코딩 포인트 위치를 스케일링하기 위해 슬라이스 형상 QP에 상대적인 오프셋을 나타낸다.
APS는 예측트리의 laserID를 이용한 속성 부호화 구조 정보를 전달할 수 있다.
레이저 아이디 사용 예측 트리 플래그(laserID_use_predtree_flag): 레이저 아이디(laserID)를 이용해 예측자를 생성할지에 대한 여부를 나타낼 수 있다. 예를 들어, 참(true)이면 laserID를 이용한 속성 예측자 생성 사용하는 것을 나타내고, 거짓(false)이면 laserID를 이용한 속성 예측자 생성 미사용하는 것을 나타낸다.
예측 가중치(pred_weight): 프레임내/프레임간 예측자에 가중치를 연산하기 위한 계수를 나타낸다.
예측자 인터 인트라 스레스홀드(predictor_inter_intra_threshold): 계산된 가중치의 임계값을 나타낸다. 예를 들어, 예측 가중치를 이용하여 프레임 내 및/또는 프레임 간 예측자를 생성하고, 가중치가 적용된 예측자가 임계값 이상인 경우, 프레임간 예측자만 사용할 수 있다. 시그널링된 방법에 따른 예측가 생성 모드를 통해 차이값(잔차값)을 생성할 수 있다.
도20의 비트스트림에 포함된 도23의 ASP는 다음 엘리먼트들을 더 포함할 수 있다.
aps_attr_parameter_set_id는 다른 DU에서 참조할 APS를 식별한다.
aps_seq_parameter_set_id는 sps_seq_parameter_set_id로 활성 SPS를 식별한다.
attr_coding_type은 속성 코딩 방법을 나타낸다.
attr_secondary_qp_offset은 2차 속성 구성요소에 대한 QP를 유도하기 위해 1차 속성 QP에 적용할 오프셋을 나타낸다.
attr_qp_offsets_present는 슬라이스당 속성 QP 오프셋 attr_qp_offset[ ]이 ADU 헤더에 있는지(1인 경우) 또는 없는지(0인 경우)를 나타낸다.
attr_coord_conv_enabled는 (1일 때) 속성 코딩이 스케일링된 각도 좌표를 사용할지 또는 (0일 때) 슬라이스 관련 STV 포인트 위치를 사용할지 여부를 나타낸다.
attr_coord_conv_scale[ ]은 속성 코딩을 위한 포인트의 번째 각도 좌표를 스케일링하는 데 사용되는 스케일 팩터를 나타낸다.
raht_prediction_enabled는 RAHT 계수가 이전의 거친 변환 레벨을 업샘플링하고 변환하여 예측되는지(1인 경우) 또는 아닌지(0인 경우)를 나타낸다.
pred_set_size_minus1 + 1은 포인트당 예측자 세트의 최대 크기를 나타낸다.
pred_inter_lod_search_range는 점의 예측자 세트에 포함할 가장 가까운 이웃에 대한 확장된 세부 수준 간 검색에서 검색할 수 있는 검색 센터 주변의 인덱스 범위를 나타낸다.
pred_dist_bias_minus1_xyz[ ] + 1은 단일 정제 지점에 대한 예측자 검색에서 지점 간 거리를 계산하는 데 사용되는 두 지점 위치 사이의 거리 벡터의 번째 XYZ 구성 요소에 가중치를 부여하는 데 사용되는 계수를 나타낸다.
pred_max_range_minus1 더하기 1은 확장 가능한 속성 코딩을 위해 예측자 세트 가지치기 중에 점 예측자 후보가 폐기되어야 하는 거리를 나타낸다.
lod_max_levels_minus1 + 1은 LoD 생성 프로세스에서 생성할 수 있는 세부 수준의 최대 수를 나타낸다.
lod_decimation_mode는 상세 수준을 생성하는 데 사용되는 데시메이션 방법을 나타낸다.
lod_sampling_period_minus2[ lvl ] + 2는 다음 낮은 세부 수준 lvl + 1을 생성하기 위해 세부 수준 lvl의 샘플링 포인트에 대해 LoD 생성에서 사용하는 샘플링 기간을 나타낸다.
lod_initial_dist_log2는 LoD 생성 및 예측자 검색에서 사용하기 위해 가장 세부적인 수준에서 블록 크기를 나타낸다.
lod_dist_log2_offset_present는 lod_dist_log2_offset에서 지정한 슬라이스당 블록 크기 오프셋이 ADU 헤더에 있어야 하는지 여부(1인 경우) 또는 아닌지(0인 경우)를 나타낸다.
pred_direct_max_idx_plus1은 직접 예측에 사용할 수 있는 단일 포인트 예측자의 최대 수를 나타낸다.
pred_direct_threshold 포인트가 직접 예측에 적합한 시기를 나타낸다.
pred_direct_avg_disabled는 점 예측자 세트 평균이 직접 예측 모드인지(0인 경우) 또는 아닌지(1인 경우)를 나타낸다.
pred_intra_lod_search_range는 포인트의 예측자 세트에 포함할 가장 가까운 이웃을 검색한 세부 수준의 정제 목록에서 인덱스 범위를 나타낸다.
pred_intra_min_lod는 인트라 디테일 레벨 예측이 활성화된 가장 정밀한 디테일 레벨을 나타낸다.
inter_comp_pred_enabled는 다중 구성 요소 속성 계수의 첫 번째 구성 요소가 후속 구성 요소의 계수를 예측하는 데 사용되어야 하는지 여부(1인 경우) 또는 아닌지(0인 경우)를 나타낸다.
pred_blending_enabled는 이웃 평균 예측에 사용되는 이웃 가중치가 관련 포인트의 상대적인 공간 위치에 따라 혼합되어야 하는지 여부(1인 경우) 또는 아닌지(0인 경우)를 나타낸다.
raw_attr_width_present는 (0일 때) 원시 속성 값이 모든 구문 요소에 대해 동일한 고정 길이 인코딩을 사용할지 또는 (1일 때) 구문 요소당 길이를 사용할지 여부를 나타낸다.
지오메트리(Geom)의 슬라이스 헤더(Slice header)는 예측트리의 laserID를 이용한 속성 부호화 구조 정보를 전달할 수 있다.
레이저 아이디 사용 예측 트리 플래그(laserID_use_predtree_flag): 레이저 아이디(laserID)를 이용해 예측자를 생성할지에 대한 여부를 나타낼 수 있다. 예를 들어, 참(true)이면 laserID를 이용한 속성 예측자 생성 사용하는 것을 나타내고, 거짓(false)이면 laserID를 이용한 속성 예측자 생성 미사용하는 것을 나타낸다.
예측 가중치(pred_weight): 프레임내/프레임간 예측자에 가중치를 연산하기 위한 계수를 나타낸다.
예측자 인터 인트라 스레스홀드(predictor_inter_intra_threshold): 계산된 가중치의 임계값을 나타낸다. 예를 들어, 예측 가중치를 이용하여 프레임 내 및/또는 프레임 간 예측자를 생성하고, 가중치가 적용된 예측자가 임계값 이상인 경우, 프레임간 예측자만 사용할 수 있다. 시그널링된 방법에 따른 예측가 생성 모드를 통해 차이값(잔차값)을 생성할 수 있다.
도20의 비트스트림에 포함된 도23의 지오메트리 슬라이스 헤더는 지오메트리 데이터 유닛 헤더로 지칭될 수 있고, 다음 엘리먼트들을 더 포함할 수 있다.
도20의 비트스트림에 포함된 도23의 GDU는 슬라이스의 구조와 프레임 카운터 또는 슬라이스 원점과 같은 관련 슬라이스 정보를 전달한다. GDU는 GDU 헤더, 점유 트리(geom_tree_type이 0인 경우) 또는 예측 트리(geom_tree_type이 1인 경우)를 사용하여 코딩된 기하학 및 GDU footer로 구성된다.
gdu_geometry_parameter_set_id는 gps_geom_parameter_set_id로 활성 GPS를 나타낸다.
slice_id는 다른 DU가 참조할 슬라이스를 식별한다.
slice_tag는 슬라이스를 slice_tag에 대해 동일한 값을 갖는 슬라이스 그룹의 구성원으로 식별한다.
1과 동일한 slice_entropy_continuation은 엔트로피 구문 분석 상태 복원 프로세스(11.6.2.2 및 11.6.3.2)가 슬라이스의 GDU 및 모든 ADU의 시작에 적용되어야 함을 나타낸다. 0과 동일한 slice_entropy_continuation은 슬라이스의 GDU 및 모든 ADU의 구문 분석이 다른 슬라이스와 독립적임을 나타낸다.
slice_geom_origin_bits_minus1 + 1은 각 slice_geom_origin_xyz 구문 요소의 비트 길이를 나타낸다.
slice_geom_origin_xyz[ ] 및 slice_geom_origin_log2_scale은 코딩 좌표계에서 슬라이스 원점의 번째 XYZ 좌표를 나타낸다.
slice_angular_origin_bits_minus1 + 1은 각 slice_angular_origin_xyz 구문 요소의 비트 길이를 나타낸다.
slice_angular_origin_xyz[ ]는 슬라이스 좌표계에서 상대적인 각도 원점의 번째 XYZ 좌표를 나타낸다.
slice_geom_qp_offset은 슬라이스 기하학 QP를 GPS geom_qp에 대한 오프셋으로 나타낸다.
도24는 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도25는 실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도15의 예특 트리 기반 인코딩, 도16 인터 프레임 예측 트리 기반 압축, 도17 레이저 아이디에 따른 애지무스 값에 따른 정렬 기반 압축, 도18 인트라 프레임 및/또는 인터 프레임 인코더, 도20 내지 도23 비트스트림 생성) 등을 수행하는 방법을 나타낸다.
S2400, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계를 포함할 수 있다.
실시예들에 따른 인코딩 동작은 도 1 내지 도14에 따라 포인트 클라우드 데이터를 인코딩할 수 있다. 또한, 실시예들에 따른 인코딩 동작은 도15 내지 도18과 같이, 어트리뷰트 인코딩 시 레이저 아이디를 이용해서 예측자를 생성할 수 있다. 레이저 아이디를 이용해서 예측자를 참조 프레임 및/또는 현재 프레임으로부터 생성할 수 있다. 실시예들에 따른 인코딩 동작은 참조 프레임 및/또는 현재 프레임에 대한 예측자 후보들로부터 예측자를 선택하고, 예측 코딩을 수행하기 위해서, 가중치 부여 및/또는 비교를 통해서 예측자를 결정할 수 있다. 결정된 예측자에 기초하여 예측 코딩을 수행하여 잔차값을 부호화하고 전송할 수 있다.
S2410, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 더 포함할 수 있다.
실시예들에 따른 전송 동작은 도1 내지 도14, 도15 내지 도18에 따라 포인트 클라우드 데이터를 부호화하고, 도20 내지 도23과 같은 비트스트림을 생생해서 전송할 수 있다.
도25는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
도25는 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도15의 예특 트리 기반 디코딩, 도16 인터 프레임 예측 트리 기반 복원, 도17 레이저 아이디에 따른 애지무스 값에 따른 정렬 기반 복원, 도19 인트라 프레임 및/또는 인터 프레임 디코더, 도20 내지 도23 비트스트림 파싱) 등을 수행하는 방법을 나타낸다.
S2500, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함할 수 있다.
실시예들에 따른 수신 동작은 도20 내지 도23과 같은 비트스트림을 수신할 수 있다.
S2510, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 디코딩하는 단계를 더 포함할 수 있다.
실시예들에 따른 디코딩 동작은 도1 내지 도14와 같이 포인트 클라우드 데이터에 포함된 지오메트리 비트스트림, 어트리뷰트 비트스트림을 디코딩할 수 있다. 또한, 도15 내지 도19에 따라 포인트 클라우드 데이터를 레이저 아이디에 기초하여 복호화할 수 있다. 어트리뷰트 디코딩 시 레이저 아이디를 이용해서 예측자를 생성할 수 있다. 레이저 아이디를 이용해서 예측자를 참조 프레임 및/또는 현재 프레임으로부터 생성할 수 있다. 실시예들에 따른 인코딩 동작은 참조 프레임 및/또는 현재 프레임에 대한 예측자 후보들로부터 예측자를 선택하고, 예측 코딩을 수행하기 위해서, 가중치 부여 및/또는 비교를 통해서 예측자를 결정할 수 있다. 결정된 예측자에 기초하여 예측 코딩을 수행하여 잔차값을 생성하고, 수신된 잔차값과 합산하여, 포인트 클라우드 데이터를 복원할 수 있다.
도1을 참조하면, 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다.
도15-16를 참조하면, 예측트리 기반 지오메트리 압축 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터를 예측 트리에 기초하여 인코딩하는 단계를 포함하고, 포인트 클라우드 데이터를 포함하는 현재 프레임에 대한 참조 프레임에 포함된 포인트에 기초하여, 포인트 클라우드 데이터가 예측될 수 있다. 포인트 클라우드 데이터의 예측 트리를 이용하여 포인트의 지오메트리 및/또는 포인트의 어트리뷰트를 예측할 수 있다. 예측자로 사용할 예측자 후보를 생성하고, 현재 포인트의 지오메트리 및/또는 현재 포인트의 어트리뷰트와 가장 유사한 값을 가지는 예측자를 선택할 수 있다.
도17을 참조하면, laserID를 이용한 참조 프레임의 예측노드 선택 방법 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 포인트를 레이저 아이디에 따른 애지무스에 기초하여 정렬할 수 있다. 포인트 클라우드 데이터를 포함하는 현재 프레임 및 현재 프레임에 대한 참조 프레임에 포함된 포인트들이 레이저 아이디 및 애지무스에 기초하여 정렬되고, 현재 프레임의 포인트를 위한 예측자가 현재 프레임 및 참조 프레임의 정렬된 포인트들로부터 선택될 수 있다. 예를 들어, 레이저 아이디가 작은 순서에서 큰 순서로 포인트들이 정렬될 수 있다. 하나의 레이저 아이디에 속하는 포인트들은 애지무스가 작은 순서에서 큰 순서로 정렬될 수 있다. 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 어트리뷰트를 인코딩하는 단계를 포함하고, 어트리뷰트는 참조 프레임에 포함된 어트리뷰트 및 가중치에 기초하여 예측될 수 있다. 어트리뷰트는 반사도를 포함할 수 있다. 레이저 아이디 및 애지무스에 따라 정렬된 포인트들에서 현재 포인트와 유사한 반사도를 가지는 포인트를 현재 포인트에 대한 예측자로 선택할 수 있다. 프레임 내 예측 및/또는 프레임 간 예측 중에서 효율적인 예측 모드를 선택할 수 있다. predEligible_reflectance 관련하여, 현재 프레임에 대한 어트리뷰트 및 참조 프레임에 대한 어트리뷰트 및 가중치에 기초하여 생성된 값이 임계값 이상이면 참조 프레임에 대한 어트리뷰트를 이용하여 어트리뷰트가 예측되고, 현재 프레임에 대한 어트리뷰트 및 참조 프레임에 대한 어트리뷰트 및 가중치에 기초하여 생성된 값이 임계값 이하이면 현재 프레임에 대한 어틜뷰트를 이용하여 상기 어트리뷰트가 예측될 수 있다. 임계값 이하인 경우 및 임계값 이상인 경우는 서로 반대로 적용될 수 있다.
도20 내지 도23를 참조하면, 시그널링 정보(laserID_use_predtree_flag, pred_weight, predictor_inter_intra_threshold) 관련하여, 비트스트림은 레이저 아이디를 이용하여 예측자를 생성할지 여부를 나타내는 정보, 가중치를 나타내는 정보, 임계값을 나타내는 정보를 포함할 수 있다.
포인트 클라우드 데이터 송신 방법은 송신 장치에 의해 수행될 수 있다. 송신 장치는 포인트 클라우드 데이터를 인코딩하는 인코더; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함할 수 있다. 송신 장치는 인코더로서 인코딩 동작을 저장하는 메모리 및 메모리와 연결된 프로세서를 포함하고, 동작은 프로세서로 하여금 인코딩 동작을 수행하도록 구성될 수 있다.
수신 방법은 송신 방법에 대응하고, 역과정을 포함할 수 있다. 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다. 도19를 참조하면, 포인트 클라우드 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터를 예측 트리에 기초하여 디코딩하는 단계를 포함하고, 포인트 클라우드 데이터를 포함하는 현재 프레임에 대한 참조 프레임에 포함된 포인트에 기초하여, 포인트 클라우드 데이터가 예측될 수 있다. 포인트 클라우드 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터의 포인트를 레이저 아이디에 따른 애지무스에 기초하여 정렬할 수 있다. 포인트 클라우드 데이터를 포함하는 현재 프레임 및 현재 프레임에 대한 참조 프레임에 포함된 포인트들이 레이저 아이디 및 애지무스에 기초하여 정렬되고, 현재 프레임의 포인트를 위한 예측자가 현재 프레임 및 참조 프레임의 정렬된 포인트들로부터 선택될 수 있다. 포인트 클라우드 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터의 어트리뷰트를 디코딩하는 단계를 포함하고, 어트리뷰트는 참조 프레임에 포함된 어트리뷰트 및 가중치에 기초하여 예측될 수 있다. 현재 프레임에 대한 어트리뷰트 및 참조 프레임에 대한 어트리뷰트 및 가중치에 기초하여 생성된 값이 임계값 이상이면 참조 프레임에 대한 어트리뷰트를 이용하여 어트리뷰트가 예측되고, 현재 프레임에 대한 어트리뷰트 및 참조 프레임에 대한 어트리뷰트 및 가중치에 기초하여 생성된 값이 임계값 이하이면 현재 프레임에 대한 어틜뷰트를 이용하여 어트리뷰트가 예측될 수 있다. 예를 들어, 레이저 아이디가 작은 순서에서 큰 순서로 포인트들이 정렬될 수 있다. 하나의 레이저 아이디에 속하는 포인트들은 애지무스가 작은 순서에서 큰 순서로 정렬될 수 있다. 어트리뷰트는 반사도를 포함할 수 있다. 레이저 아이디 및 애지무스에 따라 정렬된 포인트들에서 현재 포인트와 유사한 반사도를 가지는 포인트를 현재 포인트에 대한 예측자로 선택할 수 있다. 프레임 내 예측 및/또는 프레임 간 예측 중에서 효율적인 예측 모드를 선택할 수 있다. 임계값 이하인 경우 및 임계값 이상인 경우는 서로 반대로 적용될 수 있다.
포인트 클라우드 데이터 수신 방법은 수신 장치에 의해 수행되고, 수신 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함할 수 있다. 수신 장치는 디코더로서, 디코딩 동작을 저장하는 메모리 및 메모리에 연결된 프로세서를 포함할 수 있고, 동작은 프로세서로 하여금 디코딩 동작을 수행하도록 구성될 수 있다. 비트스트림에 포함된 파라미터에 기초하여, 포인트 클라우드의 포인트에 대한 지오메트리 및 어트리뷰트를 복원할 수 있다. 예측 트리를 생성하여, 예측 트리에 기초하여 현재 포인트의 지오메트리 및 어트리뷰트를 예측하여, 비트스트림에 수신된 잔차값을 복호화 후 합산하여 포인트의 지오메트리 및 어트리뷰트를 복원할 수 있다.
이로 인하여, 실시예는 포인트 클라우드 압축 기능 중 속성 코딩의 압축 효율을 높이기 위한 프레임간 코딩 효과를 제공할 수 있다. 기존의 몰톤 정렬을 사용하지 않고 하나의 레이저에 하나의 점만 획득된다는 포인트 클라우드의 특성에 따라 애지무스(azimuth) 정렬을 하고 속성 압축에 필요한 정보만을 활용할 수 있는 기술적 효과가 있다. 불필요한 좌표계 변환과 몰톤 정렬에 수행되는 연산과 시간을 효과적으로 줄일 수 있다. 프레임 간 정보에서 정확한 속성값을 탐색하는 방법으로 압축 효율을 높일 수 있는 효과가 있다. 화면 간 예측을 위한 예측 트리를 이용하여 포인트를 압축하고 복원할 수 있고, 지오메트리 및/또는 어트리뷰트 모두에 예측 트리 기법을 적용할 수 있는 효과가 있다. 레이저 아이디 및/또는 애지무스에 따라 포인트를 정렬함으로써 포인트 유사성을 더 반영하여 유사 포인트를 효율적으로 찾을 수 있는 효과가 있고, 압축/복원 성능을 증가시킨다. 또한, 인터 프레임 및 인트라 프레임 모두 고려하여, 포인트 특성을 고려하여 인터 모드 및 인트라 모드 중에서 가장 효율적인 모드를 효과적으로 선택할 수 있다. 예측트리를 이용한 지오메트리 코딩은 프레임 내 제안된 지오메트리 속성 코딩 방법을 사용할 경우 저지연 코딩을 가능하게 하지만, 속성 압축에서 저지연이 불가능하기 때문에 실질적인 저지연 코딩이 불가능하다는 문제점이 있다. 또한, 제안 방법은 laserID를 이용한 참조 프레임의 예측노드 선택 방법과 프레임간/프레임내 예측노드 집합을 이용한 압축 결정 방법을 추가로 제안하여 속성 압축 성능을 향상시킬 수 있다. 실시예는 포인트 클라우드 압축 기능 중 속성 코딩의 압축 효율을 높이기 위한 프레임간 코딩이 가능하다. 기존의 몰톤 정렬을 사용하지 않고 하나의 레이저에 하나의 점만 획득된다는 포인트 클라우드의 특성에 따라 애지무스(azimuth) 정렬을 하고 속성 압축에 필요한 정보만을 활용할 수 있다. 불필요한 좌표계 변환과 몰톤 정렬에 수행되는 연산과 시간을 감소할 수 있으며, 프레임 간 정보에서 정확한 속성값을 탐색하는 방법으로 압축 효율을 높일 수 있는 효과를 갖는다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 의미하고, 2) “B” 만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사욛외는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
한편, 상술한 실시예들에 따른 동작은 실시예들 따른 송신 장치 및/또는 수신 장치에 의해서 수행될 수 있다. 송수신 장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신 장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.
상술한 바와 같이, 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신 장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다.
당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다.
실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항들 및 그 와 동일한 것들의 범위를 벗어나지 않는다.

Claims (15)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  2. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터를 예측 트리에 기초하여 인코딩하는 단계를 포함하고,
    상기 포인트 클라우드 데이터를 포함하는 현재 프레임에 대한 참조 프레임에 포함된 포인트에 기초하여, 상기 포인트 클라우드 데이터가 예측되는,
    포인트 클라우드 데이터 송신 방법.
  3. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 포인트를 레이저 아이디에 따른 애지무스에 기초하여 정렬하는,
    포인트 클라우드 데이터 송신 방법.
  4. 제3항에 있어서,
    상기 포인트 클라우드 데이터를 포함하는 현재 프레임 및 상기 현재 프레임에 대한 참조 프레임에 포함된 포인트들이 상기 레이저 아이디 및 상기 애지무스에 기초하여 정렬되고,
    상기 현재 프레임의 포인트를 위한 예측자가 상기 현재 프레임 및 상기 참조 프레임의 정렬된 포인트들로부터 선택되는,
    포인트 클라우드 데이터 송신 방법.
  5. 제4항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 어트리뷰트를 인코딩하는 단계를 포함하고,
    상기 어트리뷰트는 상기 참조 프레임에 포함된 어트리뷰트 및 가중치에 기초하여 예측되는,
    포인트 클라우드 데이터 송신 방법.
  6. 제5항에 있어서,
    상기 현재 프레임에 대한 어트리뷰트 및 상기 참조 프레임에 대한 어트리뷰트 및 상기 가중치에 기초하여 생성된 값이 임계값 이상이면 상기 참조 프레임에 대한 어트리뷰트를 이용하여 상기 어트리뷰트가 예측되고,
    현재 프레임에 대한 어트리뷰트 및 상기 참조 프레임에 대한 어트리뷰트 및 상기 가중치에 기초하여 생성된 값이 임계값 이하이면 상기 현재 프레임에 대한 어틜뷰트를 이용하여 상기 어트리뷰트가 예측되는,
    포인트 클라우드 데이터 송신 방법.
  7. 제6항에 있어서,
    상기 비트스트림은 상기 레이저 아이디를 이용하여 예측자를 생성할지 여부를 나타내는 정보, 상기 가중치를 나타내는 정보, 상기 임계값을 나타내는 정보를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  8. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 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 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터를 예측 트리에 기초하여 디코딩하는 단계를 포함하고,
    상기 포인트 클라우드 데이터를 포함하는 현재 프레임에 대한 참조 프레임에 포함된 포인트에 기초하여, 상기 포인트 클라우드 데이터가 예측되는,
    포인트 클라우드 데이터 수신 방법.
  11. 제9항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터의 포인트를 레이저 아이디에 따른 애지무스에 기초하여 정렬하는,
    포인트 클라우드 데이터 수신 방법.
  12. 제11항에 있어서,
    상기 포인트 클라우드 데이터를 포함하는 현재 프레임 및 상기 현재 프레임에 대한 참조 프레임에 포함된 포인트들이 상기 레이저 아이디 및 상기 애지무스에 기초하여 정렬되고,
    상기 현재 프레임의 포인트를 위한 예측자가 상기 현재 프레임 및 상기 참조 프레임의 정렬된 포인트들로부터 선택되는,
    포인트 클라우드 데이터 수신 방법.
  13. 제12항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터의 어트리뷰트를 디코딩하는 단계를 포함하고,
    상기 어트리뷰트는 상기 참조 프레임에 포함된 어트리뷰트 및 가중치에 기초하여 예측되는,
    포인트 클라우드 데이터 수신 방법.
  14. 제13항에 있어서,
    상기 현재 프레임에 대한 어트리뷰트 및 상기 참조 프레임에 대한 어트리뷰트 및 상기 가중치에 기초하여 생성된 값이 임계값 이상이면 상기 참조 프레임에 대한 어트리뷰트를 이용하여 상기 어트리뷰트가 예측되고,
    현재 프레임에 대한 어트리뷰트 및 상기 참조 프레임에 대한 어트리뷰트 및 상기 가중치에 기초하여 생성된 값이 임계값 이하이면 상기 현재 프레임에 대한 어틜뷰트를 이용하여 상기 어트리뷰트가 예측되는,
    포인트 클라우드 데이터 수신 방법.
  15. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함하는
    포인트 클라우드 데이터 수신 장치.
PCT/KR2023/002853 2022-03-29 2023-03-02 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2023191321A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2022-0038475 2022-03-29
KR20220038475 2022-03-29
KR20220144245 2022-11-02
KR10-2022-0144245 2022-11-02

Publications (1)

Publication Number Publication Date
WO2023191321A1 true WO2023191321A1 (ko) 2023-10-05

Family

ID=88203112

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/002853 WO2023191321A1 (ko) 2022-03-29 2023-03-02 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) WO2023191321A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220014037A (ko) * 2020-07-28 2022-02-04 주식회사 엘지유플러스 3차원 입체 콘텐츠 제공 장치 및 그 방법
KR20220027869A (ko) * 2019-06-28 2022-03-08 블랙베리 리미티드 팔진트리 기반 포인트 클라우드 코딩에서의 평면 모드에 대한 컨텍스트 결정
WO2022050650A1 (ko) * 2020-09-03 2022-03-10 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR20220035224A (ko) * 2020-04-17 2022-03-21 텐센트 아메리카 엘엘씨 포인트 클라우드 코딩을 위한 방법 및 장치
WO2022060176A1 (ko) * 2020-09-17 2022-03-24 엘지전자 주식회사 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220027869A (ko) * 2019-06-28 2022-03-08 블랙베리 리미티드 팔진트리 기반 포인트 클라우드 코딩에서의 평면 모드에 대한 컨텍스트 결정
KR20220035224A (ko) * 2020-04-17 2022-03-21 텐센트 아메리카 엘엘씨 포인트 클라우드 코딩을 위한 방법 및 장치
KR20220014037A (ko) * 2020-07-28 2022-02-04 주식회사 엘지유플러스 3차원 입체 콘텐츠 제공 장치 및 그 방법
WO2022050650A1 (ko) * 2020-09-03 2022-03-10 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022060176A1 (ko) * 2020-09-17 2022-03-24 엘지전자 주식회사 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치

Similar Documents

Publication Publication Date Title
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
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
WO2021029511A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002592A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141218A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022019713A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246843A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022015006A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021206291A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2021002665A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2023182762A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022240128A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2022186651A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246837A1 (ko) 포인트 클라우드 데이터 처리 디바이스 및 처리 방법
WO2021215811A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141221A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020256308A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021025392A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2023191321A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023075389A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023080606A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023068846A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023085609A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Legal Events

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

Ref document number: 23781179

Country of ref document: EP

Kind code of ref document: A1