WO2023287214A1 - 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
WO2023287214A1
WO2023287214A1 PCT/KR2022/010267 KR2022010267W WO2023287214A1 WO 2023287214 A1 WO2023287214 A1 WO 2023287214A1 KR 2022010267 W KR2022010267 W KR 2022010267W WO 2023287214 A1 WO2023287214 A1 WO 2023287214A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
octree
data
attribute
lod
Prior art date
Application number
PCT/KR2022/010267
Other languages
English (en)
French (fr)
Inventor
오현묵
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to EP22842476.8A priority Critical patent/EP4358519A1/en
Publication of WO2023287214A1 publication Critical patent/WO2023287214A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • 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
    • H04N19/50—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

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • the point cloud content is content expressed as a point cloud, which is a set of points belonging to a coordinate system representing a 3D space.
  • Point cloud content can express three-dimensional media, and provides various services such as VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), and autonomous driving service. used to provide However, tens of thousands to hundreds of thousands of point data are required to express point cloud content. Therefore, a method for efficiently processing a vast amount of point data is required.
  • Embodiments provide an apparatus and method for efficiently processing point cloud data.
  • Embodiments provide a point cloud data processing method and apparatus for solving latency and encoding/decoding complexity.
  • a point cloud data transmission method includes encoding point cloud data; and transmitting a bitstream including point cloud data; can include
  • a method for receiving point cloud data according to embodiments includes receiving a bitstream including point cloud data; decoding the point cloud data; can include
  • Apparatus and method according to embodiments may process point cloud data with high efficiency.
  • Devices and methods according to embodiments may provide a point cloud service of high quality.
  • Devices and methods according to embodiments may provide point cloud content for providing general-purpose services such as VR services and autonomous driving services.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • FIG. 5 illustrates an example of a voxel according to embodiments.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • FIG. 13 is an example of a receiving device according to embodiments.
  • FIG. 14 shows an example of a structure capable of interworking with a method/apparatus for transmitting and receiving point cloud data according to embodiments.
  • LiD 15 illustrates an octree-based Level of Detail (LoD) according to embodiments.
  • FIG. 16 shows an example of scalable point cloud compression according to embodiments.
  • FIG. 17 illustrates octree-based LOD generation according to embodiments.
  • 19 shows octree coloring according to embodiments.
  • FIG. 24 illustrates an octree and LoD based neighbor search according to embodiments.
  • 25 shows a bitstream containing point cloud data according to embodiments.
  • 26 shows attribute parameter sets according to embodiments.
  • FIG. 28 shows a point cloud data transmission device according to embodiments.
  • FIG. 30 shows an apparatus for receiving point cloud data according to embodiments.
  • 31 illustrates attribute prediction and attribute reconstruction according to embodiments.
  • 32 illustrates a bitstream structure including an octree including geometry data and attribute data according to embodiments.
  • 33 illustrates a bitstream structure including an octree including geometry data and attribute data according to embodiments.
  • 35 illustrates LOD generation for a layer group structure according to embodiments.
  • 36 illustrates spatial random access based on layer groups and subgroups according to embodiments.
  • 39 illustrates a method of updating a nearest neighbor according to embodiments.
  • 40 shows an attribute data unit header according to embodiments.
  • 41 illustrates a point cloud data encoder/decoder according to embodiments.
  • 43 illustrates transmission of point cloud data according to an octree level according to embodiments.
  • 45 shows a method for receiving point cloud data according to embodiments.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system shown in FIG. 1 may include a transmission device 10000 and a reception device 10004.
  • the transmitting device 10000 and the receiving device 10004 may perform wired/wireless communication to transmit/receive point cloud data.
  • the transmission device 10000 may secure, process, and transmit point cloud video (or point cloud content).
  • the transmission device 10000 may include a fixed station, a base transceiver system (BTS), a network, an artificial intelligence (AI) device and/or system, a robot, an AR/VR/XR device and/or a server. etc. may be included.
  • BTS base transceiver system
  • AI artificial intelligence
  • the transmission device 10000 is a device that communicates with a base station and/or other wireless devices using a radio access technology (eg, 5G New RAT (NR), Long Term Evolution (LTE)), It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like.
  • a radio access technology eg, 5G New RAT (NR), Long Term Evolution (LTE)
  • NR 5G New RAT
  • LTE Long Term Evolution
  • It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like.
  • IoT Internet of Thing
  • 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 ).
  • a point cloud video acquisition unit Point Cloud Video Acquisition, 10001
  • a point cloud video encoder Point Cloud Video Encoder, 10002
  • a transmitter or Communication module
  • the point cloud video acquisition unit 10001 acquires a point cloud video through processing such as capture, synthesis, or creation.
  • Point cloud video is point cloud content expressed as a point cloud, which is a set of points located in a 3D space, and may be referred to as point cloud video data.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Accordingly, the point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, a frame, and a picture.
  • the point cloud video encoder 10002 encodes secured point cloud video data.
  • the point cloud video encoder 10002 may encode point cloud video data based on point cloud compression coding.
  • Point cloud compression coding may include geometry-based point cloud compression (G-PCC) coding and/or video based point cloud compression (V-PCC) coding or next-generation coding.
  • G-PCC geometry-based point cloud compression
  • V-PCC video based point cloud compression
  • point cloud compression coding is not limited to the above-described embodiments.
  • the point cloud video encoder 10002 can output a bitstream containing encoded point cloud video data.
  • the bitstream may include not only encoded point cloud video data, but also signaling information related to encoding of the point cloud video data.
  • Transmitter 10003 transmits a bitstream containing encoded point cloud video data.
  • a bitstream according to embodiments is encapsulated into a file or a segment (eg, a streaming segment) and transmitted through various networks such as a broadcasting network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or encapsulation module) that performs an encapsulation operation.
  • the encapsulation unit may be included in the transmitter 10003.
  • the file or segment may be transmitted to the receiving device 10004 through a network or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmitter 10003 is capable of wired/wireless communication with the receiving device 10004 (or the receiver 10005) through a network such as 4G, 5G, or 6G.
  • the transmitter 10003 may perform necessary data processing operations depending on the network system (for example, a communication network system such as 4G, 5G, and 6G).
  • the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • a receiving device 10004 includes a receiver 10005, a point cloud video decoder 10006, and/or a renderer 10007.
  • the receiving device 10004 is a device or robot that communicates with a base station and/or other wireless devices using a wireless access technology (eg, 5G New RAT (NR), Long Term Evolution (LTE)) , vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Things (IoT) devices, AI devices/servers, and the like.
  • a wireless access technology eg, 5G New RAT (NR), Long Term Evolution (LTE)
  • the receiver 10005 receives a bitstream including point cloud video data or a file/segment in which the bitstream is encapsulated from a network or a storage medium.
  • the receiver 10005 may perform necessary data processing operations depending on the network system (eg, 4G, 5G, 6G communication network system).
  • the receiver 10005 may output a bitstream by decapsulating the received file/segment.
  • the receiver 10005 may include a decapsulation unit (or decapsulation module) for performing a decapsulation operation.
  • the decapsulation unit may be implemented as an element (or component) separate from the receiver 10005.
  • the point cloud video decoder 10006 decodes a bitstream containing point cloud video data.
  • the point cloud video decoder 10006 can decode the point cloud video data according to the way it was encoded (eg, the reverse of the operation of the point cloud video encoder 10002). Accordingly, the point cloud video decoder 10006 may decode point cloud video data by performing point cloud decompression coding, which is a reverse process of point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • a renderer 10007 renders the decoded point cloud video data.
  • the renderer 10007 may output point cloud content by rendering audio data as well as point cloud video data.
  • the renderer 10007 may include a display for displaying point cloud content.
  • the display may not be included in the renderer 10007 and may be implemented as a separate device or component.
  • the feedback information is information for reflecting the interactivity with the user consuming the point cloud content, and includes user information (eg, head orientation information), viewport information, etc.).
  • user information eg, head orientation information
  • viewport information etc.
  • the feedback information is sent to the content transmitter (eg, the transmission device 10000) and/or the service provider.
  • the feedback information may be used in the receiving device 10004 as well as in the transmitting device 10000, or may not be provided.
  • Head orientation information is information about a user's head position, direction, angle, movement, and the like.
  • the receiving device 10004 may calculate viewport information based on head orientation information.
  • Viewport information is information about an area of a point cloud video that a user is looking at.
  • a viewpoint is a point at which a user watches a point cloud video, and may mean a central point of a viewport area. That is, the viewport is an area centered on the viewpoint, and the size and shape of the area may be determined by FOV (Field Of View).
  • FOV Field Of View
  • the receiving device 10004 performs gaze analysis and the like to check the point cloud consumption method of the user, the point cloud video area that the user gazes at, the gaze time, and the like.
  • the receiving device 10004 may transmit feedback information including the result of the gaze analysis to the transmitting device 10000.
  • Feedback information according to embodiments may be obtained in a rendering and/or display process.
  • Feedback information according to embodiments may be obtained by one or more sensors included in the receiving device 10004.
  • feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • a dotted line in FIG. 1 indicates a process of transmitting feedback information secured by the renderer 10007.
  • the point cloud content providing system may process (encode/decode) point cloud data based on the feedback information. Accordingly, the point cloud video data decoder 10006 may perform a decoding operation based on the feedback information. Also, the receiving device 10004 may transmit feedback information to the transmitting device 10000. The transmission device 10000 (or the point cloud video data encoder 10002) may perform an encoding operation based on the feedback information. Therefore, the point cloud content providing system does not process (encode/decode) all point cloud data, but efficiently processes necessary data (for example, point cloud data corresponding to the user's head position) based on feedback information, and Point cloud content can be provided to
  • the transmitting apparatus 10000 may be referred to as an encoder, a transmitting device, a transmitter, and the like, and a receiving apparatus 10004 may be referred to as a decoder, a receiving device, and a receiver.
  • Point cloud data (processed through a series of processes of acquisition/encoding/transmission/decoding/rendering) in the point cloud content providing system of FIG. 1 according to embodiments will be referred to as point cloud content data or point cloud video data.
  • point cloud content data may be used as a concept including metadata or signaling information related to point cloud data.
  • Elements of the point cloud content providing system shown in FIG. 1 may be implemented as hardware, software, processor, and/or a combination thereof.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • the block diagram of FIG. 2 shows the operation of the point cloud content providing system described in FIG. 1 .
  • the point cloud content providing system may process point cloud data based on point cloud compression coding (eg, G-PCC).
  • point cloud compression coding eg, G-PCC
  • the point cloud content providing system may obtain a point cloud video (20000).
  • Point cloud video is expressed as a point cloud belonging to a coordinate system representing a three-dimensional space.
  • a point cloud video according to embodiments may include a Ply (Polygon File format or the Stanford Triangle format) file. If the point cloud video has one or more frames, the acquired point cloud video may include one or more Ply files.
  • Ply files include point cloud data such as geometry and/or attributes of points. Geometry contains positions of points.
  • the position of each point may be expressed as parameters (eg, values of each of the X-axis, Y-axis, and Z-axis) representing a three-dimensional coordinate system (eg, a coordinate system composed of XYZ axes).
  • Attributes include attributes of points (eg, texture information of each point, color (YCbCr or RGB), reflectance (r), transparency, etc.).
  • a point has one or more attributes (or properties).
  • a point may have one color attribute or two attributes, color and reflectance.
  • geometry may be referred to as positions, geometry information, geometry data, and the like, and attributes may be referred to as attributes, attribute information, and attribute data.
  • the point cloud content providing system obtains points from information (for example, depth information, color information, etc.) related to the acquisition process of the point cloud video. Cloud data is available.
  • a point cloud content providing system may encode point cloud data (20001).
  • the point cloud content providing system may encode point cloud data based on point cloud compression coding.
  • point cloud data may include geometry and attributes of points.
  • the point cloud content providing system may output a geometry bitstream by performing geometry encoding to encode geometry.
  • the point cloud content providing system may output an attribute bitstream by performing attribute encoding for encoding attributes.
  • a point cloud content providing system may perform attribute encoding based on geometry encoding.
  • a geometry bitstream and an attribute bitstream according to embodiments may be multiplexed and output as one bitstream.
  • a bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • a point cloud content providing system may transmit encoded point cloud data (20002).
  • Point cloud data encoded as described in FIG. 1 may be expressed as a geometry bitstream and an attribute bitstream.
  • the encoded point cloud data may be transmitted in the form of a bitstream together with signaling information related to encoding of the point cloud data (eg, signaling information related to geometry encoding and attribute encoding).
  • the point cloud content providing system may encapsulate a bitstream transmitting encoded point cloud data and transmit the encoded point cloud data in the form of a file or segment.
  • a point cloud content providing system may receive a bitstream including encoded point cloud data. Also, the point cloud content providing system (eg, the receiving device 10004 or the receiver 10005) may demultiplex the bitstream.
  • the point cloud content providing system may decode encoded point cloud data (eg, a geometry bitstream, an attribute bitstream) transmitted as a bitstream. there is.
  • the point cloud content providing system eg, the receiving device 10004 or the point cloud video decoder 10005
  • the point cloud content providing system eg, the receiving device 10004 or the point cloud video decoder 10005
  • the point cloud content providing system may restore attributes of points by decoding an attribute bitstream based on the restored geometry.
  • the point cloud content providing system (eg, the receiving device 10004 or the point cloud video decoder 10005) may reconstruct the point cloud video based on the decoded attributes and positions according to the reconstructed geometry.
  • a point cloud content providing system may render the decoded point cloud data (20004).
  • the point cloud content providing system eg, the receiving device 10004 or the renderer 10007) may render the geometry and attributes decoded through the decoding process according to various rendering methods. Points of the point cloud content may be rendered as a vertex with a certain thickness, a cube with a specific minimum size centered at the vertex position, or a circle centered at the vertex position. All or part of the rendered point cloud content is provided to the user through a display (eg, VR/AR display, general display, etc.).
  • a display eg, VR/AR display, general display, etc.
  • the point cloud content providing system (eg, the receiving device 10004) according to embodiments may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode point cloud data based on the feedback information. Since the feedback information and operation of the point cloud content providing system according to the embodiments are the same as the feedback information and operation described in FIG. 1, a detailed description thereof will be omitted.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 3 shows an example of a point cloud video capture process of the point cloud content providing system described in FIGS. 1 and 2 .
  • Point cloud content is a point cloud video (images and/or videos) are included.
  • a point cloud content providing system includes one or more cameras (eg, an infrared camera capable of securing depth information, color information corresponding to depth information) to generate point cloud content.
  • Point cloud video can be captured using an RGB camera, etc.), a projector (eg, an infrared pattern projector to secure depth information), or LiDAR.
  • a system for providing point cloud content according to embodiments may secure point cloud data by extracting a shape of a geometry composed of points in a 3D space from depth information and extracting an attribute of each point from color information.
  • Images and/or videos according to embodiments may be captured based on at least one of an inward-facing method and an outward-facing method.
  • the left side of FIG. 3 shows the inward-facing method.
  • the inward-pacing method refers to a method in which one or more cameras (or camera sensors) located around the central object capture the central object.
  • the inward-pacing method is a point cloud content that provides users with 360-degree images of key objects (e.g., provides users with 360-degree images of objects (e.g., key objects such as characters, players, objects, actors, etc.) It can be used to create VR / AR content).
  • the right side of FIG. 3 shows the outward-facing method.
  • the outward-pacing method refers to a method in which one or more cameras (or camera sensors) located around a central object capture an environment of the central object other than the central object.
  • the outward-facing method may be used to generate point cloud content (eg, content representing an external environment that may be provided to a user of an autonomous vehicle) for providing a surrounding environment from a user's point of view.
  • point cloud content eg, content representing an external environment that may be provided to a user of an autonomous vehicle
  • point cloud content may be generated based on a capture operation of one or more cameras.
  • the point cloud content providing system may perform calibration of one or more cameras to set a global coordinate system before a capture operation.
  • the point cloud content providing system may generate point cloud content by synthesizing an image and/or video captured by the above-described capture method and an arbitrary image and/or video.
  • the point cloud content providing system may not perform the capture operation described in FIG. 3 when generating point cloud content representing a virtual space.
  • the point cloud content providing system may perform post-processing on captured images and/or videos. That is, the point cloud content providing system removes an unwanted area (for example, the background), recognizes a space where captured images and/or videos are connected, and fills in a spatial hole if there is one. can
  • the point cloud content providing system may generate one point cloud content by performing coordinate system conversion on points of the point cloud video obtained from each camera.
  • the point cloud content providing system may perform coordinate system conversion of points based on the positional coordinates of each camera. Accordingly, the point cloud content providing system may generate content representing one wide range or point cloud content having a high density of points.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • FIG. 4 shows an example of the point cloud video encoder 10002 of FIG. 1 .
  • the point cloud encoder converts point cloud data (eg, positions of points and/or attributes) and perform encoding operations.
  • point cloud data eg, positions of points and/or attributes
  • the point cloud content providing system may not be able to stream the corresponding content in real time. Therefore, the point cloud content providing system may reconstruct the point cloud content based on the maximum target bitrate in order to provide it according to the network environment.
  • the point cloud encoder can perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • a point cloud encoder includes a transformation coordinates (40000), a quantization unit (Quantize and Remove Points (Voxelize), 40001), an octree analysis unit (Analyze Octree, 40002), a surface approximate analysis unit ( Analyze Surface Approximation (40003), Arithmetic Encode (40004), Reconstruct Geometry (40005), Transform Colors (40006), Transfer Attributes (40007), RAHT Transformation It includes a unit 40008, a Generated LOD 40009, a Lifting unit 40010, a Quantize Coefficients unit 40011, and/or an Arithmetic Encode 40012.
  • the coordinate system conversion unit 40000, the quantization unit 40001, the octree analysis unit 40002, the surface approximate analysis unit 40003, the Arithmetic encoder 40004, and the geometry reconstruction unit 40005 perform geometry encoding. can do.
  • Geometry encoding according to embodiments may include octree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisup geometry encoding are applied selectively or in combination. Also, geometry encoding is not limited to the above examples.
  • a coordinate system conversion unit 40000 receives positions and converts them into a coordinate system.
  • the positions may be converted into positional information in a 3D space (eg, a 3D space expressed in XYZ coordinates).
  • Location information in a 3D space may be referred to as geometry information.
  • a quantization unit 40001 quantizes geometry.
  • the quantization unit 40001 may quantize points based on minimum position values of all points (for example, minimum values on each axis for the X axis, Y axis, and Z axis).
  • the quantization unit 40001 multiplies the difference between the minimum position value and the position value of each point by a preset quatization scale value, and then performs a quantization operation to find the nearest integer value by performing rounding or rounding.
  • one or more points may have the same quantized position (or position value).
  • the quantization unit 40001 performs voxelization based on quantized positions to reconstruct quantized points.
  • points of point cloud content may be included in one or more voxels.
  • the quantization unit 40001 may match groups of points in the 3D space to voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • the position of the center of a corresponding voxel may be set based on the positions of one or more points included in one voxel. In this case, attributes of all positions included in one voxel may be combined and assigned to the corresponding voxel.
  • the octree analyzer 40002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure represents points matched to voxels based on an octal tree structure.
  • the surface approximation analyzer 40003 may analyze and approximate an octree.
  • Octree analysis and approximation is a process of analyzing to voxelize a region including a plurality of points in order to efficiently provide octree and voxelization.
  • Arismetic encoder 40004 entropy encodes an octree and/or an approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • a geometry bitstream is created.
  • Color conversion section 40006, attribute conversion section 40007, RAHT conversion section 40008, LOD generation section 40009, lifting conversion section 40010, coefficient quantization section 40011 and/or Arithmetic encoder 40012 performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is equally applied to attributes of one point. However, when one attribute (for example, color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding may include color transform coding, attribute transform coding, region adaptive hierarchical transform (RAHT) coding, interpolaration-based hierarchical nearest-neighbour prediction-prediction transform coding, and interpolation-based hierarchical nearest transform (RAHT) coding.
  • RAHT region adaptive hierarchical transform
  • RAHT interpolaration-based hierarchical nearest-neighbour prediction-prediction transform
  • RAHT interpolation-based hierarchical nearest transform
  • -neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • the above-described RAHT coding, predictive transform coding, and lifting transform coding may be selectively used, or a combination of one or more codings may be used.
  • attribute encoding according to embodiments is not limited to the above-described example.
  • the color conversion unit 40006 performs color conversion coding to convert color values (or textures) included in attributes.
  • the color conversion unit 40006 may convert a format of color information (for example, convert RGB to YCbCr).
  • An operation of the color conversion unit 40006 according to embodiments may be optionally applied according to color values included in attributes.
  • the geometry reconstructor 40005 reconstructs (decompresses) an octree and/or an approximated octree.
  • the geometry reconstructor 40005 reconstructs an octree/voxel based on a result of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as reconstructed geometry (or reconstructed geometry).
  • the attribute transformation unit 40007 performs attribute transformation to transform attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry. As described above, since attributes depend on geometry, the attribute conversion unit 40007 can transform attributes based on reconstructed geometry information. For example, the attribute conversion unit 40007 may transform an attribute of a point at a position based on a position value of a point included in a voxel. As described above, when the position of the central point of a voxel is set based on the positions of one or more points included in one voxel, the attribute conversion unit 40007 transforms attributes of one or more points. When tri-soup geometry encoding is performed, the attribute conversion unit 40007 may transform attributes based on tri-soup geometry encoding.
  • the attribute conversion unit 40007 is an average value of attributes or attribute values (eg, color or reflectance of each point) of neighboring points within a specific position/radius from the position (or position value) of the center point of each voxel. Attribute conversion can be performed by calculating .
  • the attribute conversion unit 40007 may apply a weight according to the distance from the central point to each point when calculating the average value. Therefore, each voxel has a position and a calculated attribute (or attribute value).
  • the attribute conversion unit 40007 may search for neighboring points existing within a specific location/radius from the position of the center point of each voxel based on the K-D tree or the Morton code.
  • the K-D tree is a binary search tree and supports a data structure that can manage points based on location so that a quick Nearest Neighbor Search (NNS) is possible.
  • the Morton code is generated by expressing coordinate values (for example, (x, y, z)) representing the three-dimensional positions of all points as bit values and mixing the bits. For example, if the coordinate value indicating the position of the point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute conversion unit 40007 may sort points based on Molton code values and perform a nearest neighbor search (NNS) through a depth-first traversal process. After the attribute transformation operation, if a nearest neighbor search (NNS) is required in another transformation process for attribute coding, a K-D tree or Morton code is used.
  • NSS nearest neighbor search
  • the converted attributes are input to the RAHT conversion unit 40008 and/or the LOD generation unit 40009.
  • the RAHT conversion unit 40008 performs RAHT coding for predicting attribute information based on reconstructed geometry information. For example, the RAHT converter 40008 may predict attribute information of a node at a higher level of the octree based on attribute information associated with a node at a lower level of the octree.
  • An LOD generator 40009 generates a level of detail (LOD) to perform predictive transformation coding.
  • LOD according to embodiments is a degree representing detail of point cloud content. A smaller LOD value indicates lower detail of point cloud content, and a larger LOD value indicates higher detail of point cloud content. Points can be classified according to LOD.
  • the lifting transform unit 40010 performs lifting transform coding for transforming attributes of a point cloud based on weights. As described above, lifting transform coding may be selectively applied.
  • the coefficient quantization unit 40011 quantizes attribute-coded attributes based on coefficients.
  • the Arithmetic Encoder 40012 encodes the quantized attributes based on Arithmetic Coding.
  • One or more processors may perform at least one or more of operations and/or functions of elements of the point cloud encoder of FIG. 4 described above. Also, one or more processors may operate or execute a set of software programs and/or instructions to perform operations and/or functions of elements of the point cloud encoder of FIG. 4 .
  • One or more memories may include high speed random access memory, and may include non-volatile memory (eg, one or more magnetic disk storage devices, flash memory devices, or other non-volatile solid state memory devices). memory devices (Solid-state memory devices, etc.).
  • FIG. 5 illustrates an example of a voxel according to embodiments.
  • voxel 5 is an octree structure that recursively subdivides a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ). It shows an example of a voxel generated through One voxel includes at least one point. Spatial coordinates of a voxel may be estimated from a positional relationship with a voxel group. As described above, a voxel has an attribute (color or reflectance, etc.) like a pixel of a 2D image/video. Since a detailed description of the voxel is the same as that described in FIG. 4, it will be omitted.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • the point cloud content providing system (point cloud video encoder 10002) or the point cloud encoder (eg, octree analyzer 40002) efficiently manages a voxel area and/or position. To do so, octree structure-based octree geometry coding (or octree coding) is performed.
  • FIG. 6 shows an octree structure.
  • a 3D space of point cloud content according to embodiments is represented by axes (eg, X axis, Y axis, and Z axis) of a coordinate system.
  • the octree structure is created by recursively subdividing a cubical axis-aligned bounding box defined by the two poles (0,0,0) and (2 d , 2 d , 2 d ). . 2d may be set to a value constituting the smallest bounding box enclosing all points of the point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the value of d is determined according to the following formula. In the following equation, (x int n , y int n , z int n ) represents positions (or position values) of quantized points.
  • the entire 3D space can be divided into 8 spaces according to division.
  • Each divided space is represented by a cube with six faces.
  • each of the eight spaces is further divided based on the axes of the coordinate system (for example, the X-axis, Y-axis, and Z-axis). Therefore, each space is further divided into eight smaller spaces.
  • the divided small space is also expressed as a cube with six faces. This division method is applied until the leaf node of the octree becomes a voxel.
  • the lower part of Fig. 6 shows the occupancy code of the octree.
  • the octree's occupancy code is generated to indicate whether each of eight divided spaces generated by dividing one space includes at least one point. Therefore, one occupancy code is represented by 8 child nodes. Each child node represents the occupancy of the divided space, and the child node has a value of 1 bit. Therefore, the occupancy code is expressed as an 8-bit code. That is, if at least one point is included in a space corresponding to a child node, the corresponding node has a value of 1. If a point is not included in the space corresponding to a child node (empty), the corresponding node has a value of 0. Since the occupancy code shown in FIG.
  • a point cloud encoder (eg, the Arismetic encoder 40004) according to embodiments may entropy-encode an occupancy code. Also, to increase compression efficiency, the point cloud encoder may intra/inter code the occupancy code.
  • a receiving device (eg, the receiving device 10004 or the point cloud video decoder 10006) according to embodiments reconstructs an octree based on an occupancy code.
  • a point cloud encoder (eg, the point cloud encoder of FIG. 4 or the octree analyzer 40002) may perform voxelization and octree coding to store positions of points.
  • points in the 3D space are not always evenly distributed, there may be a specific area where many points do not exist. Therefore, it is inefficient to perform voxelization on the entire 3D space. For example, if few points exist in a specific area, there is no need to perform voxelization to that area.
  • the point cloud encoder does not perform voxelization on the above-described specific region (or nodes other than leaf nodes of the octree), but directly codes the positions of points included in the specific region. ) can be performed. Coordinates of direct coding points according to embodiments are called a direct coding mode (DCM). Also, the point cloud encoder according to embodiments may perform trisoup geometry encoding for reconstructing positions of points in a specific area (or node) based on a voxel based on a surface model. Tri-Sup geometry encoding is a geometry encoding that expresses the representation of an object as a series of triangle meshes.
  • a point cloud decoder can generate a point cloud from a mesh surface.
  • Direct coding and trisup geometry encoding according to embodiments may be selectively performed. Also, direct coding and triangle geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use direct mode to apply direct coding must be activated.
  • the node to which direct coding is applied is not a leaf node, points must exist.
  • the number of all points subject to direct coding must not exceed a predetermined limit. If the above condition is satisfied, the point cloud encoder (or the Arithmetic encoder 40004) according to the embodiments may entropy code positions (or position values) of points.
  • the point cloud encoder (for example, the surface approximate analysis unit 40003) according to the embodiments determines a specific level (when the level is smaller than the depth d of the octree) of the octree, and from that level uses the surface model to determine the node Tri-sup geometry encoding for reconstructing the position of a point in an area based on voxels may be performed (tri-sup mode).
  • the point cloud encoder may designate a level to which tri-sup geometry encoding is applied. For example, if the specified level is equal to the depth of the octree, the point cloud encoder does not operate in tri-sup mode.
  • the point cloud encoder may operate in tri-sup mode only when the designated level is smaller than the depth value of the octree.
  • a 3D cube area of nodes of a designated level according to embodiments is referred to as a block.
  • One block may include one or more voxels.
  • a block or voxel may correspond to a brick.
  • geometry is represented as a surface.
  • a surface according to embodiments may intersect each edge of a block at most once.
  • intersection points there are at least 12 intersection points in one block. Each intersection point is called a vertex.
  • a vertex existing along an edge is detected when there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An occluded voxel according to embodiments means a voxel including a point.
  • the position of a vertex detected along an edge is the average position along the edge of all voxels adjacent to the corresponding edge among all blocks sharing the corresponding edge.
  • the point cloud encoder When a vertex is detected, the point cloud encoder according to the embodiments entropy-codes the starting point (x, y, z) of the edge, the direction vector ( ⁇ x, ⁇ y, ⁇ z) of the edge, and the vertex position value (relative position value within the edge).
  • the point cloud encoder for example, the geometry reconstruction unit 40005
  • the point cloud encoder performs triangle reconstruction, up-sampling, and voxelization processes. to create the restored geometry (reconstructed geometry).
  • Vertices located at the edges of a block determine the surface through which the block passes.
  • a surface according to embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by the triangle based on the starting point of the edge, the direction vector of the edge, and the position value of the vertex.
  • the triangle reconstruction process is as follows. 1 Calculate the centroid value of each vertex, 2 Calculate the values obtained by subtracting the centroid value from each vertex value 3 Square the values, and obtain the sum of all the values.
  • the minimum value of the added value is obtained, and the projection process is performed according to the axis with the minimum value. For example, if the x element is minimal, each vertex is projected along the x-axis based on the center of the block, and projected onto the (y, z) plane. If the value that results from projection on the (y, z) plane is (ai, bi), the ⁇ value is obtained through atan2(bi, ai), and the vertices are aligned based on the ⁇ value.
  • the table below shows combinations of vertices to generate triangles according to the number of vertices. Vertices are sorted in order from 1 to n.
  • the table below shows that two triangles can be formed for four vertices according to a combination of the vertices.
  • the first triangle may be composed of the first, second, and third vertices among the aligned vertices
  • the second triangle may be composed of the third, fourth, and first vertices among the aligned vertices. .
  • the upsampling process is performed to voxelize by adding points in the middle along the edge of the triangle. Additional points are generated based on the upsampling factor and the width of the block. The added points are called refined vertices.
  • a point cloud encoder may voxelize refined vertices. Also, the point cloud encoder may perform attribute encoding based on the voxelized position (or position value).
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • the point cloud encoder may perform entropy coding based on context adaptive arithmetic coding.
  • the point cloud content providing system or the point cloud encoder converts the occupancy code directly. Entropy coding is possible.
  • the point cloud content providing system or the point cloud encoder performs entropy encoding (intra-encoding) based on the occupancy code of the current node and the occupancy of neighboring nodes, or entropy encoding (inter-encoding) based on the occupancy code of the previous frame. ) can be performed.
  • a frame according to embodiments means a set of point cloud videos generated at the same time.
  • Compression efficiency of intra-encoding/inter-encoding may vary according to the number of referenced neighboring nodes. If the bit size increases, it becomes complicated, but compression efficiency can be increased by making it skewed to one side. For example, if you have a 3-bit context, 2 of 3 should be coded in 8 ways. The part that is divided and coded affects the complexity of the implementation. Therefore, it is necessary to match the efficiency of compression with an appropriate level of complexity.
  • a point cloud encoder determines occupancy of neighboring nodes of each node of an octree and obtains a neighboring node pattern value.
  • the neighbor node pattern is used to infer the occupancy pattern of that node.
  • the left side of FIG. 7 shows a cube corresponding to a node (a cube located in the middle) and six cubes (neighboring nodes) sharing at least one face with the cube.
  • Nodes shown in the figure are nodes of the same depth (depth).
  • the numbers shown in the figure represent weights (1, 2, 4, 8, 16, 32, etc.) associated with each of the six nodes. Each weight is sequentially assigned according to the locations of neighboring nodes.
  • the right side of FIG. 7 shows neighboring node pattern values.
  • the neighbor pattern value is the sum of values multiplied by the weights of the occupied neighbor nodes (neighbor nodes with points). Therefore, the neighbor node pattern values range from 0 to 63. If the neighbor node pattern value is 0, it indicates that there is no node (occupied node) having a point among the neighbor nodes of the corresponding node. When the neighbor node pattern value is 63, it indicates that all of the neighbor nodes are occupied nodes. As shown in the figure, since the neighboring nodes to which weights 1, 2, 4, and 8 are assigned are ocupied nodes, the neighboring node pattern value is 15, which is the value obtained by adding 1, 2, 4, and 8.
  • the point cloud encoder may perform coding according to the neighboring node pattern value (for example, if the neighboring node pattern value is 63, 64 types of coding are performed). According to embodiments, the point cloud encoder may reduce complexity of coding by changing a neighbor node pattern value (for example, based on a table changing 64 to 10 or 6).
  • the encoded geometry is reconstructed (decompressed) before attribute encoding is performed.
  • the geometry reconstruction operation may include changing the arrangement of direct coded points (eg, placing the direct coded points in front of point cloud data).
  • the geometry reconstruction process includes triangle reconstruction, upsampling, and voxelization processes. Since attributes depend on the geometry, attribute encoding is performed based on the reconstructed geometry.
  • the point cloud encoder may reorganize points according to LODs.
  • the diagram shows point cloud content corresponding to the LOD.
  • the left side of the figure shows the original point cloud content.
  • the second figure from the left of the figure shows the distribution of points with the lowest LOD, and the rightmost figure of the figure shows the distribution of points with the highest LOD. That is, points of the lowest LOD are sparsely distributed, and points of the highest LOD are densely distributed. That is, as the LOD increases according to the direction of the arrow indicated at the bottom of the drawing, the interval (or distance) between points becomes shorter.
  • the point cloud content providing system or the point cloud encoder (eg, the point cloud video encoder 10002, the point cloud encoder in FIG. 4, or the LOD generator 40009) generates an LOD. can do.
  • the LOD is created by reorganizing the points into a set of refinement levels according to a set LOD distance value (or set of Euclidean Distances).
  • the LOD generation process is performed in the point cloud decoder as well as the point cloud encoder.
  • FIG. 9 shows examples of points (P0 to P9) of the point cloud content distributed in the 3D space.
  • the original order of FIG. 9 indicates the order of points P0 to P9 before LOD generation.
  • the LOD based order of FIG. 9 represents the order of points according to LOD generation. Points are reordered by LOD. Also, high LOD includes points belonging to low LOD.
  • LOD0 includes P0, P5, P4, and P2.
  • LOD1 contains the points of LOD0 and P1, P6 and P3.
  • LOD2 includes points of LOD0, points of LOD1 and P9, P8 and P7.
  • the point cloud encoder may perform prediction transform coding, lifting transform coding, and RAHT transform coding selectively or in combination.
  • a point cloud encoder may generate predictors for points and perform predictive transformation coding to set predictive attributes (or predictive attribute values) of each point. That is, N predictors can be generated for N points.
  • the predicted attribute (or attribute value) is a weight calculated based on the distance to each neighboring point to the attributes (or attribute values, eg, color, reflectance, etc.) of neighboring points set in the predictor of each point. (or weight value) is set as the average value of multiplied values.
  • the point cloud encoder for example, the coefficient quantization unit 40011 according to the embodiments subtracts the predicted attribute (attribute value) from the attribute (attribute value) of each point, and generates residual values (residuals, residual attributes, residual attribute values, attributes) can be called a prediction residual, etc.) can be quatized and inverse quantized, and the quantization process is shown in the following table.
  • the point cloud encoder (for example, the Arismetic encoder 40012) according to the embodiments may entropy code the quantized and inverse quantized residual values as described above when there are points adjacent to the predictor of each point.
  • the point cloud encoder (for example, the Arismetic encoder 40012) according to the examples may entropy code attributes of the corresponding point without performing the above-described process if there are no neighboring points to the predictor of each point.
  • the point cloud encoder (for example, the lifting transform unit 40010) according to the embodiments generates a predictor of each point, sets the LOD calculated in the predictor, registers neighboring points, and weights according to distances to neighboring points.
  • Lifting transform coding according to the embodiments is similar to the above-described predictive transform coding, but is different in that weights are cumulatively applied to attribute values. The process of cumulatively applying weights to values is as follows.
  • the weight calculated for all predictors is additionally multiplied by the weight stored in the QW corresponding to the predictor index, and the calculated weight is cumulatively summed as the index of the neighboring node in the update weight array.
  • the value obtained by multiplying the calculated weight by the attribute value of the index of the neighboring node is cumulatively summed.
  • a predicted attribute value is calculated by additionally multiplying an attribute value updated through the lift update process by a weight updated through the lift prediction process (stored in QW).
  • a point cloud encoder eg, the coefficient quantization unit 40011
  • the point cloud encoder eg, the Arismetic encoder 40012
  • the point cloud encoder (for example, the RAHT transform unit 40008) according to the embodiments may perform RAHT transform coding to predict attributes of nodes at a higher level using attributes associated with nodes at a lower level of the octree. .
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud encoder according to embodiments scans from voxels to the entire area and repeats the merging process up to the root node while merging the voxels into larger blocks in each step.
  • a merging process according to embodiments is performed only for Occupied nodes.
  • a merging process is not performed on an empty node, but a merging process is performed on an immediate parent node of an empty node.
  • the following equation represents a RAHT transformation matrix.
  • g lx, y, z represent average attribute values of voxels at level l.
  • g lx, y, z can be computed from g l+1 2x, y, z and g l+1 2x+1, y, z .
  • g l-1 x, y, z are low-pass values and are used in the merging process at the next higher level.
  • h l ⁇ 1 x, y, z are high-pass coefficients, and the high-pass coefficients at each step are quantized and entropy-coded (eg, encoding of the Arithmetic Encoder 400012).
  • the root node is created as follows through the last g 1 0, 0, 0 and g 1 0, 0, 1 ,
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 10 is an example of the point cloud video decoder 10006 described in FIG. 1 , and may perform the same or similar operation as the operation of the point cloud video decoder 10006 described in FIG. 1 .
  • the point cloud decoder may receive a geometry bitstream and an attribute bitstream included in one or more bitstreams.
  • the point cloud decoder includes a geometry decoder and an attribute decoder.
  • the geometry decoder performs geometry decoding on a geometry bitstream and outputs decoded geometry.
  • the attribute decoder performs attribute decoding based on the decoded geometry and attribute bitstream and outputs decoded attributes.
  • the decoded geometry and decoded attributes are used to reconstruct the point cloud content (decoded point cloud).
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 11 is an example of the point cloud decoder described in FIG. 10 and can perform a decoding operation, which is the reverse process of the encoding operation of the point cloud encoder described in FIGS. 1 to 9 .
  • the point cloud decoder may perform geometry decoding and attribute decoding. Geometry decoding is performed before attribute decoding.
  • the point cloud decoder includes an arithmetic decoder (11000), an octree synthesizer (synthesize octree) 11001, a surface synthesize surface approximation unit (11002), and a geometry reconstructor (reconstruct geometry). . ), an inverse lifting unit (11009), and/or an inverse transform colors (11010).
  • the Arismetic decoder 11000, the octree synthesizer 11001, the surface deoxymation synthesizer 11002, the geometry reconstructor 11003, and the coordinate system inverse transform unit 11004 may perform geometry decoding.
  • Geometry decoding according to embodiments may include direct coding and trisoup geometry decoding. Direct coding and tri-sup geometry decoding are selectively applied. Also, geometry decoding is not limited to the above example, and is performed in a reverse process to the geometry encoding described in FIGS. 1 to 9 .
  • the Arismetic decoder 11000 decodes the received geometry bitstream based on Arithmetic coding.
  • the operation of the Arithmetic Decoder 11000 corresponds to the reverse process of the Arithmetic Encoder 40004.
  • the octree synthesizer 11001 may generate an octree by obtaining an occupancy code from a decoded geometry bitstream (or information on geometry obtained as a result of decoding). A detailed description of the occupancy code is as described with reference to FIGS. 1 to 9 .
  • the surface deoxymation synthesis unit 11002 may synthesize a surface based on the decoded geometry and/or the generated octree.
  • the geometry reconstructor 11003 may regenerate geometry based on surfaces and/or decoded geometry. As described in FIGS. 1 to 9 , direct coding and tri-sup geometry encoding are selectively applied. Accordingly, the geometry reconstruction unit 11003 directly imports and adds position information of points to which direct coding is applied. In addition, when triangle geometry encoding is applied, the geometry reconstructor 11003 may perform reconstruction operations of the geometry reconstructor 40005, for example, triangle reconstruction, up-sampling, and voxelization operations to restore the geometry. there is. Details are the same as those described in FIG. 6 and thus are omitted.
  • the reconstructed geometry may include a point cloud picture or frame that does not include attributes.
  • the coordinate system inverse transformation unit 11004 may obtain positions of points by transforming the coordinate system based on the restored geometry.
  • the Arithmetic Decoder 11005, Inverse Quantization Unit 11006, RAHT Transformation Unit 11007, LOD Generator 11008, Inverse Lifting Unit 11009, and/or Color Inverse Transformation Unit 11010 are the attributes described with reference to FIG. decoding can be performed.
  • Attribute decoding according to embodiments includes Region Adaptive Hierarchial Transform (RAHT) decoding, Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform decoding, and interpolation-based hierarchical nearest-neighbour prediction with an update/lifting transform. step (Lifting Transform)) decoding.
  • RAHT Region Adaptive Hierarchial Transform
  • Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform decoding and interpolation-based hierarchical nearest-neighbour prediction with an update/lifting transform.
  • step (Lifting Transform)) decoding The above three decodings may be selectively used, or a combination of one or more decodings may
  • the Arismetic decoder 11005 decodes the attribute bitstream by Arithmetic coding.
  • the inverse quantization unit 11006 inverse quantizes the decoded attribute bitstream or information about attributes obtained as a result of decoding, and outputs inverse quantized attributes (or attribute values). Inverse quantization may be selectively applied based on attribute encoding of the point cloud encoder.
  • the RAHT conversion unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may process the reconstructed geometry and inverse quantized attributes. As described above, the RAHT converter 11007, the LOD generator 11008, and/or the inverse lifter 11009 may selectively perform a decoding operation corresponding to the encoding of the point cloud encoder.
  • the color inverse transform unit 11010 performs inverse transform coding for inverse transform of color values (or textures) included in decoded attributes.
  • the operation of the inverse color transform unit 11010 may be selectively performed based on the operation of the color transform unit 40006 of the point cloud encoder.
  • elements of the point cloud decoder of FIG. 11 are not shown in the figure, hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. , may be implemented in software, firmware, or a combination thereof. One or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud decoder of FIG. 11 described above. Also, one or more processors may operate or execute a set of software programs and/or instructions to perform operations and/or functions of elements of the point cloud decoder of FIG. 11 .
  • the transmission device shown in FIG. 12 is an example of the transmission device 10000 of FIG. 1 (or the point cloud encoder of FIG. 4 ).
  • the transmission device shown in FIG. 12 may perform at least one or more of operations and methods identical or similar to the operations and encoding methods of the point cloud encoder described in FIGS. 1 to 9 .
  • a transmission device includes a data input unit 12000, a quantization processing unit 12001, a voxelization processing unit 12002, an octree occupancy code generation unit 12003, a surface model processing unit 12004, an intra/ Inter-coding processing unit 12005, Arithmetic coder 12006, metadata processing unit 12007, color conversion processing unit 12008, attribute conversion processing unit (or attribute conversion processing unit) 12009, prediction/lifting/RAHT conversion It may include a processing unit 12010, an Arithmetic coder 12011 and/or a transmission processing unit 12012.
  • the data input unit 12000 receives or acquires point cloud data.
  • the data input unit 12000 may perform the same or similar operation and/or acquisition method to the operation and/or acquisition method of the point cloud video acquisition unit 10001 (or the acquisition process 20000 described in FIG. 2 ).
  • Geometry encoding according to embodiments is the same as or similar to the geometry encoding described with reference to FIGS. 1 to 9, and thus a detailed description thereof will be omitted.
  • the quantization processor 12001 quantizes geometry (eg, position values or position values of points).
  • the operation and/or quantization of the quantization processing unit 12001 is the same as or similar to the operation and/or quantization of the quantization unit 40001 described with reference to FIG. 4 .
  • a detailed description is the same as that described in FIGS. 1 to 9 .
  • the voxelization processor 12002 voxelizes position values of quantized points.
  • the voxelization processing unit 120002 may perform the same or similar operations and/or processes to those of the quantization unit 40001 described with reference to FIG. 4 and/or the voxelization process. A detailed description is the same as that described in FIGS. 1 to 9 .
  • the octree occupancy code generation unit 12003 performs octree coding on positions of voxelized points based on an octree structure.
  • the octree occupancy code generator 12003 may generate an occupancy code.
  • the octree occupancy code generator 12003 may perform operations and/or methods identical or similar to those of the point cloud encoder (or the octree analyzer 40002) described with reference to FIGS. 4 and 6 . A detailed description is the same as that described in FIGS. 1 to 9 .
  • the surface model processing unit 12004 may perform tri-sup geometry encoding to reconstruct positions of points within a specific area (or node) based on a surface model on a voxel basis.
  • the four-surface model processing unit 12004 may perform the same or similar operation and/or method to the operation and/or method of the point cloud encoder (eg, the surface approximation analysis unit 40003) described with reference to FIG. 4 .
  • a detailed description is the same as that described in FIGS. 1 to 9 .
  • the intra/inter coding processing unit 12005 may intra/inter code the point cloud data.
  • the intra/inter coding processing unit 12005 may perform coding identical to or similar to the intra/inter coding described with reference to FIG. 7 . A detailed description is the same as that described in FIG. 7 .
  • the intra/inter coding processor 12005 may be included in the Arithmetic Coder 12006.
  • Arithmetic coder 12006 entropy encodes an octree of point cloud data and/or an approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • Arithmetic coder 12006 performs the same or similar operations and/or methods to operations and/or methods of Arithmetic encoder 40004.
  • the metadata processing unit 12007 processes metadata about point cloud data, for example, set values, and provides them to a necessary process such as geometry encoding and/or attribute encoding. Also, the metadata processing unit 12007 according to embodiments may generate and/or process signaling information related to geometry encoding and/or attribute encoding. Signaling information according to embodiments may be encoded separately from geometry encoding and/or attribute encoding. Also, signaling information according to embodiments may be interleaved.
  • a color conversion processing unit 12008, an attribute conversion processing unit 12009, a prediction/lifting/RAHT conversion processing unit 12010, and an Arithmetic coder 12011 perform attribute encoding.
  • Attribute encoding according to embodiments is the same as or similar to the attribute encoding described with reference to FIGS. 1 to 9, so a detailed description thereof will be omitted.
  • the color conversion processing unit 12008 performs color conversion coding to convert color values included in attributes.
  • the color conversion processing unit 12008 may perform color conversion coding based on the reconstructed geometry. Description of the reconstructed geometry is the same as that described in FIGS. 1 to 9 . In addition, the same or similar operations and/or methods to those of the color conversion unit 40006 described in FIG. 4 are performed. A detailed description is omitted.
  • the attribute transformation processing unit 12009 performs attribute transformation to transform attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry.
  • the attribute conversion processing unit 12009 performs the same or similar operation and/or method to the operation and/or method of the attribute conversion unit 40007 described in FIG. 4 .
  • a detailed description is omitted.
  • the prediction/lifting/RAHT transform processing unit 12010 may code the transformed attributes with any one or combination of RAHT coding, prediction transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT conversion processing unit 12010 performs at least one of the same or similar operations to those of the RAHT conversion unit 40008, the LOD generation unit 40009, and the lifting conversion unit 40010 described in FIG. 4 do.
  • descriptions of predictive transform coding, lifting transform coding, and RAHT transform coding are the same as those described in FIGS. 1 to 9, so detailed descriptions thereof are omitted.
  • the Arithmetic Coder 12011 may encode coded attributes based on Arithmetic Coding.
  • the Arithmetic Coder 12011 performs the same or similar operations and/or methods to those of the Arithmetic Encoder 400012.
  • the transmission processing unit 12012 transmits each bitstream including encoded geometry and/or encoded attributes and metadata information, or transmits encoded geometry and/or encoded attributes and metadata information into one It can be configured as a bitstream and transmitted.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to the embodiments includes Sequence Parameter Set (SPS) for signaling at the sequence level, Geometry Parameter Set (GPS) for signaling of geometry information coding, Attribute Parameter Set (APS) for signaling of attribute information coding, tile It may include signaling information and slice data including TPS (Tile Parameter Set) for level signaling.
  • Slice data may include information about one or more slices.
  • One slice according to embodiments may include one geometry bitstream Geom00 and one or more attribute bitstreams Attr00 and Attr10.
  • a slice refers to a series of syntax elements representing all or part of a coded point cloud frame.
  • a TPS may include information about each tile (for example, coordinate value information and height/size information of a bounding box) for one or more tiles.
  • a geometry bitstream may include a header and a payload.
  • the header of the geometry bitstream may include identification information (geom_parameter_set_id) of a parameter set included in GPS, a tile identifier (geom_tile_id), a slice identifier (geom_slice_id), and information about data included in a payload.
  • the metadata processing unit 12007 may generate and/or process signaling information and transmit it to the transmission processing unit 12012.
  • elements performing geometry encoding and elements performing attribute encoding may share data/information with each other as indicated by dotted lines.
  • the transmission processing unit 12012 may perform the same or similar operation and/or transmission method to the operation and/or transmission method of the transmitter 10003. A detailed description is omitted since it is the same as that described in FIGS. 1 and 2 .
  • FIG. 13 is an example of a receiving device according to embodiments.
  • the receiving device shown in FIG. 13 is an example of the receiving device 10004 of FIG. 1 (or the point cloud decoder of FIGS. 10 and 11).
  • the receiving device illustrated in FIG. 13 may perform at least one or more of operations and methods identical or similar to the operations and decoding methods of the point cloud decoder described in FIGS. 1 to 11 .
  • a receiving device includes a receiving unit 13000, a receiving processing unit 13001, an arithmetic decoder 13002, an octree reconstruction processing unit 13003 based on an occupancy code, and a surface model processing unit (triangle reconstruction). , up-sampling, voxelization) 13004, inverse quantization processing unit 13005, metadata parser 13006, arithmetic decoder 13007, inverse quantization processing unit 13008, prediction It may include a /lifting/RAHT inverse transformation processing unit 13009, a color inverse transformation processing unit 13010, and/or a renderer 13011.
  • Each component of decoding according to the embodiments may perform a reverse process of the component of encoding according to the embodiments.
  • the receiving unit 13000 receives point cloud data.
  • the receiver 13000 may perform the same or similar operation and/or reception method to the operation and/or reception method of the receiver 10005 of FIG. 1 . A detailed description is omitted.
  • the reception processing unit 13001 may obtain a geometry bitstream and/or an attribute bitstream from received data.
  • the receiving processing unit 13001 may be included in the receiving unit 13000.
  • the Arismetic decoder 13002, the octree reconstruction processing unit 13003 based on the occupancy code, the surface model processing unit 13004, and the inverse quantization processing unit 13005 may perform geometry decoding.
  • Geometry decoding according to the embodiments is the same as or similar to the geometry decoding described in FIGS. 1 to 10, and thus a detailed description thereof will be omitted.
  • the Arismetic decoder 13002 may decode a geometry bitstream based on Arithmetic coding.
  • the Arismetic decoder 13002 performs the same or similar operation and/or coding to that of the Arithmetic decoder 11000.
  • the octree reconstruction processing unit 13003 based on occupancy code may obtain an occupancy code from a decoded geometry bitstream (or information about a geometry secured as a result of decoding) to reconstruct an octree.
  • the octree reconstruction processing unit 13003 based on the occupancy code performs the same or similar operations and/or methods to those of the octree synthesis unit 11001 and/or the octree generation method.
  • the surface model processing unit 13004 according to embodiments performs tri-soup geometry decoding based on the surface model method and related geometry reconstruction (eg, triangle reconstruction, up-sampling, and voxelization) when tri-sup geometry encoding is applied. can be performed.
  • the surface model processing unit 13004 performs operations identical to or similar to those of the surface deoxymation synthesis unit 11002 and/or the geometry reconstruction unit 11003.
  • the inverse quantization processor 13005 may inverse quantize the decoded geometry.
  • the metadata parser 13006 may parse metadata included in the received point cloud data, for example, setting values. Metadata parser 13006 can pass metadata to geometry decoding and/or attribute decoding. A detailed description of the metadata is omitted since it is the same as that described in FIG. 12 .
  • the Arismetic decoder 13007, the inverse quantization processing unit 13008, the prediction/lifting/RAHT inverse transformation processing unit 13009, and the color inverse transformation processing unit 13010 perform attribute decoding. Attribute decoding is the same as or similar to the attribute decoding described in FIGS. 1 to 10, so a detailed description thereof will be omitted.
  • the Arismetic decoder 13007 may decode the attribute bitstream through Arismetic coding.
  • the Arismetic decoder 13007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the Arismetic decoder 13007 performs the same or similar operation and/or coding to that of the Arithmetic decoder 11005.
  • the inverse quantization processing unit 13008 may inverse quantize the decoded attribute bitstream.
  • the inverse quantization processing unit 13008 performs the same or similar operation and/or method to the operation and/or inverse quantization method of the inverse quantization unit 11006.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 may process reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 performs operations identical or similar to those of the RAHT transform unit 11007, the LOD generator 11008 and/or the inverse lifting unit 11009 and/or decoding operations and/or At least one of decoding is performed.
  • the color inverse transformation processing unit 13010 according to embodiments performs inverse transformation coding for inversely transforming color values (or textures) included in decoded attributes.
  • the inverse color transform processing unit 13010 performs the same or similar operation and/or inverse transform coding to that of the inverse color transform unit 11010 and/or inverse transform coding.
  • the renderer 13011 according to embodiments may render point cloud data.
  • FIG. 14 shows an example of a structure capable of interworking with a method/apparatus for transmitting and receiving point cloud data according to embodiments.
  • the structure of FIG. 14 includes at least one of a server 1460, a robot 1410, an autonomous vehicle 1420, an XR device 1430, a smartphone 1440, a home appliance 1450, and/or an HMD 1470. It shows a configuration connected to the cloud network 1410.
  • a robot 1410, an autonomous vehicle 1420, an XR device 1430, a smartphone 1440 or a home appliance 1450 are referred to as devices.
  • the XR device 1430 may correspond to or interwork with a point cloud data (PCC) device according to embodiments.
  • PCC point cloud data
  • the cloud network 1400 may constitute a part of a cloud computing infrastructure or may refer to a network existing in a cloud computing infrastructure.
  • the cloud network 1400 may be configured using a 3G network, a 4G or Long Term Evolution (LTE) network, or a 5G network.
  • LTE Long Term Evolution
  • the server 1460 connects at least one of the robot 1410, the autonomous vehicle 1420, the XR device 1430, the smartphone 1440, the home appliance 1450, and/or the HMD 1470 to the cloud network 1400. It is connected through and may help at least part of the processing of the connected devices 1410 to 1470.
  • a Head-Mount Display (HMD) 1470 represents one of types in which an XR device and/or a PCC device according to embodiments may be implemented.
  • An HMD type device includes a communication unit, a control unit, a memory unit, an I/O unit, a sensor unit, and a power supply unit.
  • devices 1410 to 1450 to which the above-described technology is applied will be described.
  • the devices 1410 to 1450 shown in FIG. 14 may interwork/combine with the device for transmitting/receiving point cloud data according to the above-described embodiments.
  • the XR/PCC device 1430 applies PCC and/or XR (AR+VR) technology to a Head-Mount Display (HMD), a Head-Up Display (HUD) installed in a vehicle, a television, a mobile phone, a smart phone, It may be implemented as a computer, a wearable device, a home appliance, a digital signage, a vehicle, a fixed robot or a mobile robot.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • the XR/PCC device 1430 analyzes 3D point cloud data or image data obtained through various sensors or from an external device to generate positional data and attribute data for 3D points, thereby generating positional data and attribute data for surrounding space or real objects. Information can be obtained, and XR objects to be displayed can be rendered and output. For example, the XR/PCC device 1430 may output an XR object including additional information about the recognized object in correspondence with the recognized object.
  • the XR/PCC device 1430 may be implemented as a mobile phone 1440 or the like to which PCC technology is applied.
  • the mobile phone 1440 may decode and display point cloud content based on PCC technology.
  • the self-driving vehicle 1420 may be implemented as a mobile robot, vehicle, unmanned aerial vehicle, etc. by applying PCC technology and XR technology.
  • the self-driving vehicle 1420 to which XR/PCC technology is applied may refer to an autonomous vehicle equipped with a means for providing XR images or an autonomous vehicle subject to control/interaction within the XR images.
  • the self-driving vehicle 1420 which is a target of control/interaction within the XR image, is distinguished from the XR device 1430 and may be interlocked with each other.
  • the self-driving vehicle 1420 equipped with a means for providing an XR/PCC image may obtain sensor information from sensors including cameras and output an XR/PCC image generated based on the obtained sensor information.
  • the self-driving vehicle 1420 may provide an XR/PCC object corresponding to a real object or an object in a screen to a passenger by outputting an XR/PCC image with a HUD.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a part of the XR/PCC object may be output to overlap the real object toward which the passenger's gaze is directed.
  • an XR/PCC object when an XR/PCC object is output to a display provided inside an autonomous vehicle, at least a part of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 1220 may output XR/PCC objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, pedestrians, and buildings.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Mixed Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects or backgrounds of the real world only as CG images.
  • AR technology means a technology that shows a virtual CG image on top of a real object image.
  • MR technology is similar to the aforementioned AR technology in that it mixes and combines virtual objects in the real world.
  • real objects and virtual objects made of CG images there is a clear distinction between real objects and virtual objects made of CG images, and virtual objects are used in a form that complements real objects, whereas in MR technology, virtual objects are considered equivalent to real objects. distinct from technology. More specifically, for example, a hologram service to which the above-described MR technology is applied.
  • VR, AR, and MR technologies are sometimes referred to as XR (extended reality) technologies rather than clearly distinguishing them. Accordingly, embodiments of the present invention are applicable to all VR, AR, MR, and XR technologies. As for this technique, encoding/decoding based on PCC, V-PCC, and G-PCC techniques may be applied.
  • the PCC method/apparatus according to the embodiments may be applied to vehicles providing autonomous driving services.
  • a vehicle providing autonomous driving service is connected to a PCC device to enable wired/wireless communication.
  • Point cloud data (PCC) transmission and reception devices when connected to enable wired/wireless communication with a vehicle, receive/process content data related to AR/VR/PCC services that can be provided together with autonomous driving services to provide a vehicle can be sent to
  • the point cloud transmission/reception device when the point cloud data transmission/reception device is mounted on a vehicle, the point cloud transmission/reception device may receive/process AR/VR/PCC service-related content data according to a user input signal input through a user interface device and provide the received/processed content data to the user.
  • a vehicle or user interface device may receive a user input signal.
  • a user input signal according to embodiments may include a signal indicating an autonomous driving service.
  • the point cloud data transmission method/device includes the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the transmitter 10003, and the acquisition-encoding-transmission (20000-20001-20002) of FIG. , the encoder of FIG. 4, the transmitter of FIG. 12, the device of FIG. 14, the encoding of FIGS. 15-16, the octree-based encoding of FIG. 17-20, the LOD-based encoding of FIG. 21-24, the bitstream and parameter generation of FIG. 25-26, 27 division-based encoding, FIG. 28 encoder, FIG. 32-39 subgroup encoding, FIG. 40 parameter generation, FIG. 41 scalable encoding, FIG. 43 partial transmission, and the like.
  • a method/device for receiving point cloud data includes a receiving device 10004 of FIG. 1, a receiver 10005, a point cloud video decoder 10006, and transmission-decoding-rendering (20002-20003-20004) of FIG. , decoder of FIG. 10-11, receiving device of FIG. 13, device of FIG. 14, decoding based on the octree structure of FIG. 15-16, decoding based on the octree of FIG. 17-20, decoding based on the LOD of FIG. 21-24, and bitstream of FIG. 25-26 It can be interpreted as a term referring to parsing, FIG. 27 division-based decoding, FIG. 30 decoder, FIG. 32-39 subgroup decoding, FIG. 40 parameter parsing, FIG. 41 scalable decoding, FIG. 43 partial reception, and the like.
  • the method/device for transmitting/receiving point cloud data may be referred to as a method/device according to embodiments.
  • geometry data, geometry information, location information, etc. constituting point cloud data are interpreted as the same meaning.
  • Attribute data, attribute information, and attribute information constituting the point cloud data are interpreted as the same meaning.
  • a method/apparatus relates to improved point cloud data scalable attribute coding.
  • LiD 15 illustrates an octree-based Level of Detail (LoD) according to embodiments.
  • Fig. 15 shows the transmission device 10000 in Fig. 1, the point cloud video encoder 10002, the transmitter 10003, the acquire-encode-transmit (20000-20001-20002) in Fig. 2, the encoder in Fig. 4, and the transmit in Fig. 12.
  • the process of generating LOD for attribute data based on the octree of geometry data in the device, the device in FIG. 14, and the encoder in FIG. 28 is shown.
  • the receiving device, the device of FIG. 14, the decoder of FIG. 30, the scalable decoder of FIG. 41, etc. may decode attribute data based on the LOD of FIG.
  • a method/apparatus configures attribute data for attribute coding based on an octree for the geometry structure (geometry data) of point cloud data, and constructs attribute data from the restored geometry data and attribute data. LoD can be created.
  • a method/apparatus according to embodiments may include (1) a method of matching point cloud data based on location information of an octree node.
  • matching means using a point paired octree.
  • Point-paired-octree is a structure in which attribute data and geometry data (position) are matched to octree nodes.
  • the method/apparatus according to the embodiments includes (2) a method for efficiently performing attribute coding by applying such an octree node to a Level of Detail (LoD) configuration. Due to these embodiments, low-resolution or subsampled point cloud data may be transmitted or output using an octree node to which attribute data is allocated.
  • LoD Level of Detail
  • an octree 1500 may be generated in a geometry encoder and may be generated in an octree structure based on LoD in an attribute encoder.
  • the octree may have a hierarchical structure based on the LoD level (1501). Nodes belonging to the LoD level may have 0 or 1 (1502) depending on the presence or absence of occupied bits. Nodes with occupancy bits contain child nodes at the next LoD level. Going down to the leaf node, an octree structure including nodes corresponding to attribute data (eg, color value, 1503) may be created. The octree structure can match the attributes of child nodes in the next LoD level with the attributes of the parent node.
  • the node 1504 may match the most similar property among properties of child nodes to the property of the parent node 1504 .
  • the node 1505 may assign the most similar property among child nodes as the property of the parent node 1505 .
  • FIG. 16 shows an example of scalable point cloud compression according to embodiments.
  • the method/device according to embodiments may scalably compress point cloud data, and the method/device according to embodiments may scalably compress point cloud data in a method corresponding to FIG. 16. can be restored
  • Scalable point cloud compression may deliver full geometry and deliver partial attributes.
  • the geometry data may include the position of a leaf node at the LoD level
  • the attribute data may include the attributes of an intermediate LoD level.
  • subsampled point cloud data representation sub- sampled point cloud data representation
  • a method/apparatus may partially configure geometry data up to a specific LOD level and partially configure attribute data of a position of the geometry data up to a specific LOD level.
  • a node's position may be matched with an original attribute.
  • the position of a node may be matched with an average value of points.
  • the method/apparatus may configure geometry data up to the level of a leaf node and partially configure attribute data up to a specific LOD level. Attribute data of positions up to the leaf node level may be partially configured. In this case, the same attribute data may be matched between parent-child nodes, and attribute data of child nodes may be subsampled and set as attribute data of the parent node.
  • Embodiments include a method for compressing data composed of a point cloud. Specifically, a method of layering attribute information of a point cloud based on an octree structure is proposed, and a method of applying attribute coding based on this is proposed.
  • point cloud data is composed of a location (geometry: e.g., XYZ coordinates) and attributes (e.g., color, reflectance, intensity, grayscale, opacity, etc.) of each data.
  • attributes e.g., color, reflectance, intensity, grayscale, opacity, etc.
  • PCC Point Cloud Compression
  • octree-based compression is performed to efficiently compress distribution characteristics that are non-uniformly distributed in a 3-dimensional space, and attribute information is compressed based on this.
  • the following is a flow chart for the transmitter/receiver of the PCC.
  • the operation of the present invention can be processed by each component device of the transmitting and receiving end of the PCC.
  • a method/apparatus generates a Level of Detail (LoD) according to a distance of a point through attribute coding (see FIG. 9) and sequentially codes attributes. can do. In this case, the process of obtaining a peripheral point must be preceded.
  • the nearest neighbor search method which is typically used at this time, has the advantage of being able to accurately find a peripheral point, but takes a long time to execute. There is a downside to taking it. It can be a factor that causes delay in systems requiring high-speed processing.
  • a method/apparatus may solve a delay that may occur in a system.
  • Methods/apparatuses may include a LoD configuration method based on an octree structure and an attribute coding method based on the configured LoD.
  • point cloud data that exists in a position similar to the position of an octree node can be matched.
  • the colored octree structure constructed through this can be regarded as an octree in which point cloud data is matched. Based on this structure, it can be used for prediction lift transform used as one of attribute coding techniques by classifying point cloud data according to LoD.
  • Level of Detail can be configured so that points existing in each LoD are distributed so that they are separated by a reference distance or more.
  • the reference distance is designed to become smaller as LoD increases. Therefore, as the LoD increases, the distance between points becomes closer and closer.
  • FIG. 17 illustrates octree-based LOD generation according to embodiments.
  • a method/apparatus may express an LOD based on an octree of point cloud data.
  • the bounding box can be divided into smaller and smaller units. Find a unit cube with information by breaking it down into smaller and smaller units, and divide the part with valid information (point cloud data) into smaller units in the next step to find the location where the effective information is located in increasingly fine units can be found with As a result, as the octree depth level increases, the detail representing point cloud data gradually increases, which can be considered to have a direction similar to the composition of LoD-based point cloud data.
  • the level of the octree corresponds to the root of the bounding box and may include the largest area.
  • Parent-child nodes box units
  • point cloud data may be expressed while dividing a space into small bounding boxes from a large bounding box based on objects of the point cloud data. As the octree depth increases from 1 to 6, the size of the bounding box decreases, and nodes including points and nodes not including points may be generated.
  • a method/device according to embodiments may represent point cloud data based on octree coloring.
  • an octree colorization method of matching point cloud data to an octree structure can be used, and through this, as shown in FIG. 18, the octree structure , attributes of actual point cloud data and corresponding position information may be matched.
  • the node 1800 is an occupied node, and the color (attribute) of the point cloud data for the node 1800 can be matched.
  • Node 1800 may represent location-color matching.
  • 19 shows octree coloring according to embodiments.
  • Fig. 19 shows the same octree coloring as in Fig. 18.
  • Duplicated information may exist between a point matched to a leaf node and a point matched to a higher octree depth level. As shown in FIG. 19, duplicate information can be removed from leaf nodes, and through this, one-to-one matching can be achieved between input point cloud data and point cloud data structured according to an octree.
  • the method/device according to the embodiments overlaps the positions of the node 1900 and the node 1901. color can be removed.
  • the distance between nodes may decrease. It can be linked to the characteristic that the distance between points becomes smaller as LoD increases.
  • LoD can be generated according to the following method.
  • the method/device according to the embodiments may use an octree structure in generating LoD.
  • the distance between nodes is kept constant, and the distance between nodes decreases as the octree depth level increases.
  • a LoD generation process is performed.
  • the proposed LoD generation process consists of 1) a method of collecting point cloud data sampled by a certain standard for LoD generation (creating a retained set) and 2) retaining ( Retained) includes a method for generating LoD based on the set.
  • octree colorization (a process of matching the attributes and positions of point cloud data to octree nodes) can be performed.
  • a method/device may include and perform the following steps:
  • Step 1 Sampling using an octree structure
  • Step 2 Step to create retain set
  • Step 3 Step to create LoD set
  • Step 4 Perform fast prediction using an octree structure
  • a point (octree depth level) instead of a reference distance (dist2) used for LoD generation distance between points).
  • the LoD configuration method sets a distance criterion that is inversely proportional to the LoD number and sub-samples a point that is closer (or the first one) among points outside a certain distance to obtain a new It uses the method of including in LoD.
  • various methods to reduce the time for this eg, sub-sampling according to the Morton code order) ) method, etc.
  • the method/device according to the embodiment may configure LoD based on an octree in order to solve this issue, and within an octree depth level between points matched to each node. It can be assumed that has a distance at least as large as the node size. In addition, it may be considered that sampling is performed with points having a certain distance due to an octree structure. For example, for an octree structure having the root node of the octree as depth 0 and the leaf node as depth N, the distance between nodes of the n ( ⁇ N) th depth The minimum value of can be considered as 2 ⁇ n.
  • points matching occupied nodes in each octree depth level may be considered as points sampled for the corresponding octree depth level.
  • a minimum value of a distance between nodes of an n (n>0) th depth according to embodiments may be 2 ⁇ (N ⁇ n).
  • an octree may be interpreted as a term including not only an octree having 8 lower nodes, but also hierarchical trees having various numbers.
  • Node 2000 is before splitting, and can be split into 8 nodes 2001 at the next depth.
  • Nodes 2001 may be split at the next depth level, and nodes 2002 may have 2 as a minimum distance value between nodes.
  • Nodes 2003 may have 1 as a minimum distance value between nodes.
  • the third depth node may have a minimum distance value of 2 ⁇ (4-3).
  • LoD is a structure in which the points of the lower LoD are included in the upper LoD.
  • a set of newly added point cloud data compared to the previous LoD is defined as a retained set.
  • the retained set can be considered in various ways as follows.
  • Points sampled for one or more octree depth levels can be viewed as data belonging to the retained set. That is, a set of points (matched to an occupied node) sampled for one or more octree depth levels can be considered as a LoD retained set.
  • the points sampled for one octree depth level can be considered by dividing them into multiple LoD retained sets by a certain criterion. At this time, various criteria for dividing one octree depth level may be considered.
  • a retained set may be considered as a set of parts of sampled points of multiple octree depth levels.
  • the method/device according to embodiments may generate a retain set for LoD.
  • a method/apparatus may generate an octree based on geometry data, and generate a data set for LoD configuration for octree-based LoD generation.
  • point cloud data belonging to one or more depths may be generated as a retain set as shown in FIG. 21 .
  • Retain data 0 may include point cloud data belonging to nodes in octree depth levels 0 to 4.
  • Retain data 1 may include point cloud data belonging to octree depth level 5.
  • Retain data 2 may include point cloud data belonging to octree depth level 6.
  • Octree depth level 7 may generate a set by additionally dividing point cloud data of nodes belonging to the depth.
  • octree depth level 7 is a leaf node in this example, and can be further split into three sets.
  • the upper LoD can be configured to include the lower LoD, similarly to the LoD generation method.
  • a method/apparatus may generate LoD as shown in FIG. 22 . That is, the LoD of the n-th depth may include the LoD of the leaf node and retain set data, and may be expressed as the n-1-th LoD and the n-th retain set.
  • an octree depth level may be variously referred to as an octree depth layer, level, layer, and the like.
  • a method/device may generate a data set based on an octree, and generate LoD from the data set as shown in FIG. 22 .
  • octree-based LoD generation In an octree structure having 7 levels excluding the root level, it is possible to generate LoD 0 from the root to the octree depth level 4.
  • Octree depth layers 5 and 6 are composed of retain data 1 and 2 (retained 1 and 2), respectively, and can be generated with LoD 1 from the root to layer 5. From root to layer 6 can be created with LoD2.
  • octree depth layer 7 it can be divided into three retained data. Retain data 3, 4, and 5 according to the remainder of division by 3 in the state where point cloud data not selected in the previous LoD (LoD 2 in this embodiment) is sorted by Morton code (retained 3,4,5) can be created. Therefore, LoD 3 can become LoD 2 + retained 3, and LoD 4 can become LoD2 + retained 3 + retained 4. Finally LoD 5 can represent the whole.
  • a method/device may generate an octree-based data set as shown in FIG. 21 , generate an octree-based LoD as shown in FIG. 22 , and perform prediction-based attribute coding as shown in FIG. 23 .
  • an algorithm for finding a nearest neighbor based on a distance requires a lot of time.
  • a neighbor among points within a certain range is selected. use the search method.
  • Embodiments configure LoD based on an octree structure, and neighbors based on positional similarity (positional similarity between child nodes or lower nodes) existing in this octree structure. ) can be defined.
  • the neighbor search time is effectively reduced by using a method of finding a neighbor based on the upper node (parent node) on the octree structure as well as the constraints on LoD. has the effect of reducing it.
  • FIG. 24 illustrates an octree and LoD based neighbor search according to embodiments.
  • the transmitter and receiver generate LoD through the same process as shown in FIG. 24, and perform prediction, transformation, etc. for attribute decoding according to the LoD to be used in the application field. can be done Also, for the final output, output can be performed for an arbitrary LoD level.
  • 25 shows a bitstream containing point cloud data according to embodiments.
  • a method/apparatus may generate a bitstream as shown in FIG. 25 .
  • the bitstream may include encoded geometry data and attribute data, and may include parameter information.
  • information on the separated slice may be defined in a parameter set of a bitstream and an SEI message as follows.
  • a bitstream includes a sequence parameter set, a geometry parameter set, an attribute parameter set, and a geometry slice header and attribute slice header. can do.
  • the scope of application and method of application can be used differently by defining it in a corresponding location or a separate location. That is, it can have different meanings depending on the location where the signal is transmitted. If it is defined in SPS, it can be equally applied to the entire sequence. If it is defined in GPS, it can indicate that it is used for position recovery. It can indicate that it is applied to restoration, and when defined in TPS, it can indicate that the corresponding signaling is applied only to points within a tile, and when delivered in slice units, it can indicate that the signal is applied only to that slice.
  • the application range and application method can be used differently by defining it in a corresponding location or a separate location.
  • the syntax element defined below can be applied to not only the current point cloud data stream but also multiple point cloud data streams, the parameter set of the higher concept ), and so on.
  • SPS Sequence Parameter Set
  • GPS Geometry Parameter Set
  • APS Attribute Parameter Set
  • TPS Tile Parameter Set
  • Embodiments define corresponding information independently of a coding technique, but may be defined in conjunction with a coding method, and may be defined in a tile parameter set of a bitstream to support regionally different scalability.
  • the syntax element defined below can be applied to not only the current point cloud data stream but also multiple point cloud data streams, the higher concept It can be passed through a parameter set or the like.
  • a bitstream may be selected at a system level by defining a network abstract layer (NAL) unit for a bitstream and conveying relevant information for selecting a layer such as a layer_id.
  • NAL network abstract layer
  • parameters according to embodiments may be generated in a process of a transmitter according to embodiments, and may be transmitted to a receiver according to embodiments and used in a reconfiguration process. there is.
  • parameters according to embodiments may be generated by a metadata processing unit (or metadata generator) of a transmitting device according to embodiments described below and obtained by a metadata parser of a receiving device according to embodiments. .
  • the TPS may include information about tiles. For example, coordinate information, width, depth, and depth information of a bounding box for a tile may be transmitted.
  • a slice may include information about geometry and/or attributes.
  • geometry may include a geometry slice header and geometry slice data.
  • a slice can be referred to as a data unit.
  • the geometry slice header may include a parameter set ID for the geometry, an ID for a tile to which the geometry slice belongs, an ID for the slice, a location for a bounding box including geometry, a node size, information on the number of geometry points, and the like. The same applies to information about attributes.
  • 26 shows attribute parameter sets according to embodiments.
  • Attribute parameter set ID (aps_attr_parameter_set_id): Identifies the attribute parameter set.
  • Sequence Parameter Set ID (aps_seq_parameter_set_id): Identifies a sequence parameter set related to an attribute parameter set.
  • Octree_based_layering_flag If 1, the decoded PCC data is configured based on an octree, and the form of layered data (eg, Level of Detail - matches with LoD). In this case, information about a relationship with an octree depth level for expressing a layer used in an application field may be delivered.
  • Number of layers Indicates the number of layers used in the application field, and may indicate, for example, the number of LoDs. Depending on the application field, it can be explicitly delivered or inferred through given information as follows.
  • Number of indices (num_index): Indicates the number of layers that match the octree depth level that matches the layer used in the application field.
  • Octree_level_start Indicates the starting octree depth level used to configure the i-th layer (or i-th LoD).
  • Number of octree levels (num_octree_levels): Indicates the number of octree depth levels used to configure the i-th layer (or i-th LoD). If 1, it indicates that point data matched to a single octree depth level belongs to the i-th layer. If it is greater than 1, it may indicate that all point data matched to the number of octree levels (num_octree_levels) octree depth levels belong to the i-th layer.
  • octree_level_start an octree depth layer corresponding to level start + number of octree levels -1 (octree_level_start + num_octree_levels -1) belongs to the i-th layer.
  • Multiple_layers_present_flag If 1, it may indicate a case where a plurality of layers are matched for one octree depth level. If 0, it may indicate that one octree depth level matches one layer.
  • Number of sub-layers Indicates the number of layers to which an octree depth level is matched.
  • Division type represents a method of dividing an octree depth level into a plurality of layers.
  • a division type may be used to classify a method as shown in FIG. 27 .
  • the method/device according to the embodiments may divide an octree depth level into a plurality of layers.
  • Cloud data and two-person point cloud data can be configured as layers.
  • a certain number of point cloud data included in the octree depth level may be classified and configured as a layer.
  • a plurality of layers may be expressed by information on the number of points (num_point).
  • Each component may correspond to a processor, software, or hardware.
  • the following components may be combined with the PCC transceiver structure and/or signaling information.
  • FIG. 28 shows a point cloud data transmission device according to embodiments.
  • FIG. 28 performs a point cloud data transmission method according to embodiments, and may be referred to as a transmitter, an encoder, etc. according to embodiments.
  • Each component of FIG. 28 may correspond to hardware, software, processor, and/or a combination thereof.
  • the encoder converts location information (geometry data: e.g., XYZ coordinates, phi-theta coordinates, etc.) and attribute information (attribute data: e.g., color ( color, reflectance, intensity, grayscale, opacity, medium, material, glossiness, etc.) can be processed respectively.
  • location information e.g., XYZ coordinates, phi-theta coordinates, etc.
  • attribute information e.g., color ( color, reflectance, intensity, grayscale, opacity, medium, material, glossiness, etc.) can be processed respectively.
  • the method of processing attribute information is (1) matching an attribute and a position of point cloud data to an octree node (point cloud data to octree matching). (2) LoD generation based on an octree structure matched with a point (LoD generation) (3) Estimating and removing similarity between attribute information, (4) Transmitting the estimated information It may include a step of converting into a suitable format or a domain with high compression efficiency and quantization, and/or (5) entropy coding step of converting into bit-unit data for transmission.
  • the attribute estimation block may be performed based on spatial distribution characteristics of adjacent data.
  • the conversion block transformation step
  • the conversion block can use various conversion technologies (for example, DCT series conversion, lifting transform, RAHT, wavelet transform series, etc.) according to the type of data. and data can be transmitted after quantization without conversion.
  • the octree generator may receive geometry data of point cloud data and represent a location of the geometry data in an octree structure.
  • An octree containing point cloud data may be provided to an octree matching controller.
  • the geometry predictor may generate a predicted value of geometry data based on an octree in order to encode the geometry data.
  • a predicted value for the current point can be generated based on neighboring nodes (points).
  • a bitstream can be efficiently compressed by generating a predicted value of the current geometry data through a nearest neighbor to the current point and generating a residual value between the current geometry data and the predicted value.
  • the entropy encoder may encode point cloud data based on an entropy method.
  • a geometry bitstream containing compressed geometry data may be generated.
  • the octree matching controller may receive the attribute data and/or the octree and, as described above, match the point cloud data to the octree.
  • An LOD generator (point cloud data is matched to an octree) can generate an LOD based on the octree. Attribute data can have LOD.
  • the attribute predictor may generate a predicted value of attribute data for compressing attribute data from an octree-based LOD including geometry data and attribute data. Based on the LOD of the octree, attribute data most similar to current attribute data can be predicted from neighbors, and a bitstream can be efficiently compressed by generating a residual value between the current attribute data and the predicted value. Attribute prediction can be performed per LOD.
  • Transformers and quantizers can transform and quantize attribute data. Transformation and/or quantization may be performed per octree depth level.
  • the entropy encoder may encode attribute data based on an entropy method.
  • An attribute bitstream including compressed attribute data may be generated.
  • 29 illustrates attribute coding that can be used when compressing point cloud data based on a colored octree structure according to embodiments.
  • An apparatus/method according to embodiments such as FIG. 28 may encode attribute data as shown in FIG. 29 .
  • An attribute encoding method includes 1) detecting and predicting peripheral nodes, 2) generating prediction error information, 3) converting attribute data, 4) selecting information, 5) passing bits, and/or 6) quantizing.
  • the peripheral node detection method may perform prediction based on location adjacencies between child nodes within a certain range. For example, in an octree structure, it can be assumed that child nodes derived from the same parent node are adjacent to each other, and it can be assumed that predicted values are similar between adjacent child nodes. Accordingly, the embodiments define that sibling nodes having the same parent node have the same prediction value, rather than obtaining prediction values for each child node. This can help increase coding efficiency by reducing the number of coefficients required when encoding each child node. In addition, by acting as a representative value for each parent node, attributes matching the octree structure can be predicted.
  • 29 illustrates attribute prediction according to embodiments.
  • 2900 of FIG. 29 represents a process of generating predicted attribute values P of nodes for LOD level l and level l-1 (parent-child). It indicates that the predicted values Pl of the child nodes are constant with respect to the parent node.
  • 2900 can be expressed as 2903.
  • p l-1 is a parent node
  • p l is a child node
  • sibling nodes in the child node may have the same properties as the parent.
  • an attribute prediction error of each child node can be obtained as shown in 2901.
  • a method/device according to embodiments may use a difference between an original attribute value 29011 and a predicted attribute value 29012.
  • other methods such as weighted difference, weighted averaged difference, and the like may be used depending on the implementation method or purpose.
  • the step of detecting and predicting a peripheral node and the step of generating prediction error information may be performed by a prediction transformation method among the above-described attribute coding methods.
  • a lifting transform method and/or a RAHT transform among the aforementioned attribute coding methods may be applied.
  • the type of information to be delivered is different according to each level. For the highest level, prediction attribute values are delivered, while for the lower levels, Prediction errors can be passed.
  • the order of data delivery can be delivered by level in consideration of the decoder processing process, starting with the predicted attribute value of the upper level and increasing in the order of level. Within each level, the XYZ axis It can be delivered in increasing order (eg, Morton code order). If necessary, a reordering process may be added.
  • a step of quantization may be included.
  • a quantization process as in step 2902 may be performed on the prediction value and prediction error.
  • the degree of quantization is determined by the quantization coefficient (q), and different quantization coefficients may be used according to prediction values and prediction errors or levels.
  • a prediction value and a prediction error may be quantized based on a quantization coefficient and a round function.
  • FIG. 30 shows an apparatus for receiving point cloud data according to embodiments.
  • Each component of FIG. 30 may correspond to hardware, software, processor, and/or a combination thereof.
  • the receiver can process a bit stream for location information and a bit stream for attribute information by distinguishing between them.
  • the bitstream for location information may undergo a process of regenerating an octree after entropy decoding.
  • the attribute bitstream undergoes (1) entropy decoding, (2) inverse quantization, (3) inverse transformation, (4) predicting attribute information, and reconstructing attributes corresponding to octree nodes ( may undergo colored octree regeneration.
  • Attribute data after the process of aggregating decoded octree level point cloud data (point cloud data aggregation) for point cloud data output (attribute data) can be output.
  • Location, location information, geometry, and geometry data may be interpreted as terms corresponding to each other.
  • Attributes, attribute information, attributes, and attribute data may be interpreted as terms corresponding to each other.
  • An entropy decoder may receive a bitstream.
  • the bitstream (FIG. 40) may include a geometry bitstream and an attribute bitstream.
  • the entropy decoder may decode geometry data included in the geometry bitstream based on an entropy method.
  • the octree regenerator may output geometry data and generate an octree structure (octree) based on the geometry data.
  • An octree represents a hierarchical containment relationship between upper (parent)/lower (child) nodes based on the position of a point of geometry data.
  • the entropy decoder may receive a bitstream and decode attribute data included in the attribute bitstream based on an entropy method.
  • An inverse quantizer may inversely quantize attribute data.
  • the quantized data may be inversely quantized based on the quantization coefficient.
  • Inverse quantized residual values (prediction errors) and/or prediction attributes may be generated.
  • An inverse transformer can inversely transform attribute data.
  • the converted attribute data may be inversely converted.
  • the inverse transformer may produce inverse transformed residual values (prediction errors) and/or prediction attributes.
  • the predictor and regenerator may receive an octree based on geometry data.
  • a predictor (regenerator) can match attribute data to a geometry-based octree.
  • a geometry-attribute based octree may be referred to as a colored octree.
  • Attribute data (color) can be matched to nodes in the octree.
  • a predictor (regenerator) may receive a representation depth level and represent a colored octree based on the depth level.
  • the lod-based scalable expressor can scalably express attribute data based on the colorized octree and depth level. Scalable LOD-based attribute data can be created.
  • the receiving unit may detect a peripheral node based on an octree structure for location information reconstruction in the same manner as the transmitting unit.
  • a peripheral node can be defined as a sibling node having the same parent. If a different definition (for example, a different size) of the peripheral node is used, information for detecting the peripheral node may be delivered to the receiver.
  • the transmitting device may transmit additional information required by the receiving device by including it in a bitstream.
  • the receiving unit predicts attributes (currently generating predicted data for attribute data) while going down in level in the reverse order of the transmitting unit's attribute prediction (direction from the root to the leaf).
  • the prediction technique uses the same method as that used by the transmitter, and a reconstructed attribute of a parent node can be used as a prediction value for a child.
  • the method used and additional information can be conveyed at the time of encoding. Referring to FIG. 31, an attribute prediction process is shown.
  • 31 illustrates attribute prediction and attribute reconstruction according to embodiments.
  • the method/device according to the embodiments may use the restored attribute of the parent node as prediction data for a child node of the parent node.
  • 3100 may be expressed as 3102.
  • the receiver performs the reverse of the prediction error generating method used by the transmitter to reconstruct the properties of each child node based on the prediction attribute information. For example, when a prediction error is generated due to a difference between an original attribute and a predicted attribute, attribute information may be reconstructed by adding the estimated predicted attribute and the decoded prediction error as shown in 3101 of FIG. 31 .
  • Information on a method to be used in a receiver having various prediction error generating methods can be conveyed.
  • the transmitter may include necessary information in a bitstream and transmit it to the receiver.
  • attributes of leaf nodes are output as final results, but results may be output at a certain level depending on receiver performance, application fields, and the presence or absence of information. At this time, a level to be output and related information may be transmitted.
  • a method/device may perform scalable attribute coding in consideration of a layer-group structure.
  • point cloud data transmission device octree matching controller, LOD generator, point cloud reception device, predictor (reconstructor), LOD-based scalable expressor, etc. of FIG.
  • point cloud data can be compressed and restored.
  • point cloud data may be compressed and restored by additionally generating an octree in consideration of the layer group structure and matching LOD information.
  • Point cloud data can be scalably compressed and restored.
  • 3200 represents a geometry layer-group structure using an octree structure.
  • Each layer-group may support scalable transmission, progressive decoding, and spatial random access by configuring an independent slice.
  • the above-described octree structure may be expressed as a plurality of layer groups.
  • Layer group 1 may include octree depths (depth levels) 0 to 3.
  • Layer group 2 may include octree depths 4 to 5.
  • Layer group 3 may include octree depths 6 to 7.
  • a LoD structure used for attribute compression may be generated based on a geometry layer-group structure.
  • 3201 generates an attribute compression structure based on a layer-group structure, and each slice may correspond to each LoD.
  • the subsequent slice may be configured to include information on nodes that do not overlap with the preceding slice.
  • LOD1 may correspond to layer group 1
  • LOD2 may correspond to layer group 2
  • LOD3 may correspond to layer group 3.
  • 32 illustrates a bitstream structure including an octree including geometry data and attribute data according to embodiments.
  • the devices of FIGS. 28 and 30 can generate and parse bitstreams with the structure shown in FIG. 32 .
  • 28 and 30 and corresponding devices may compress and restore point cloud data using the octree-layer group-LOD-slice-bitstream relationship as shown in FIG. 32.
  • the receiver selectively selects a slice according to performance/use case, etc.
  • the example of FIG. 33 shows a case where slice 3 (slice 3) is not used for each geometry/attribute (geom/attr).
  • slice 3 slice 3
  • LOD2 octree depth 5 / LoD 2
  • partial decoding or scalable decoding may be performed on the octree depth.
  • the LoD since the LoD is configured to correspond to the geometry octree structure, attributes of the output node can be matched one-to-one.
  • the method/apparatus for transmitting point cloud data may generate a geometry bitstream as shown in FIG. 32 .
  • the geometry bitstream may carry geometry data encoded on a slice basis.
  • Geometry data may be expressed in a plurality of tree depths (levels, layers, etc.) based on a hierarchical tree structure.
  • One or more tree depths (levels, layers) can be designated as a group.
  • group 1 may include depths 0 to 3 of geometry data
  • group 2 may include depths 4 to 5 of geometry data
  • group 3 may include depths 6 to 7 (leaf nodes) of geometry data. there is.
  • One group may be included in a bitstream by one slice.
  • the method/apparatus for transmitting point cloud data may generate an attribute bitstream as shown in FIG. 32 .
  • the attribute bitstream may deliver attribute data encoded on a slice basis.
  • Attribute data may be expressed in a plurality of tree depths (levels, layers, etc.) based on a hierarchical tree structure.
  • One or more tree depths (levels, layers) can be designated as LODs.
  • LOD1 may include attribute data depths 0 to 3
  • LOD2 may include attribute data depths 4 to 5
  • LOD3 may include attribute data depths 6 to 7 (leaf nodes).
  • One LOD may be included in a bitstream by one slice.
  • Slice 1 may carry LOD1
  • slice 2 may carry LOD2
  • slice 3 may carry LOD3.
  • 33 illustrates a bitstream structure including an octree including geometry data and attribute data according to embodiments.
  • a transmission method/device encodes and transmits point cloud data as shown in FIG. can decode.
  • a point cloud data receiving method/apparatus and a geometry decoder may receive a geometry bitstream including a geometry coding layer structure as shown in FIG. 33 .
  • a geometry bitstream may include 3 or 2 slices.
  • the receiving method/device according to the embodiments may decode only 2 out of 3 slices or receive only 2 slices. That is, a plurality of slices may be partially transmitted, or all of them may be received and partially decoded.
  • the geometry coding layer structure may include only some groups so that the entire layer structure including all from the root node to the leaf node can be received or partially decoded. Alternatively, only some groups may be partially decoded.
  • the geometry coding layer structure of FIG. 33 includes layer depth 0 (root node) to layer depth 5, or represents an example of being decoded. Group 1 may be delivered by slice 1, and group 2 may be delivered by slice 2.
  • the method/apparatus for receiving point cloud data may receive an attribute bitstream including an attribute coding tree structure as shown in FIG. 33 .
  • the attribute bitstream may include 3 or 2 slices.
  • the receiving method/apparatus according to embodiments may decode only two slices out of three slices or receive only two slices. That is, a plurality of slices can be partially delivered or the whole can be received and partially decoded.
  • the attribute coding tree structure may include only some LODs so that the entire tree structure including all from the root node to the leaf nodes may be received or partially decoded. Alternatively, only some LODs can be partially decoded.
  • the attribute coding tree structure of FIG. 33 includes tree depth 0 (root node) to tree depth 5 or decoded shows an example. LOD1 may be delivered by slice 1, and LOD2 may be delivered by slice 2.
  • the transmission/reception method/device may generate an LOD as shown in FIG. 34 and encode and decode point cloud data based on the LOD.
  • Depth N-1 may register attributes (attribute data) based on a parent-child relationship among attributes of nodes belonging to Depth N . That is, in the case of node c, the property of f, which is one of child nodes f, g, and h, can be selected. You can recursively select properties of child nodes for depth N-2 as well.
  • LoD N f, g, h, i, j ,k, l, m
  • nodes f to node m in the LOD N level (depth, layer) each have attribute data (eg, color value)
  • attribute data eg, color value
  • the attribute data of the upper level (depth, layer) is a property of child nodes. you can choose from. It can be referred to as octree-based LOD attribute subsampling.
  • Node c may select the attribute of node f having the most similar attribute to the parent among child nodes f to h and set it as the attribute of node c.
  • Node a predicts a node having the most similar attribute to itself among child nodes c and d, and sets the attribute of d as the attribute of node a.
  • Parent-child node relationships having the same properties may be created in an ascending order from low depth to high depth, and scalable coding becomes possible through this relationship.
  • attribute data of nodes a, node b, node c, node g, h, j, l, and m may be encoded from depth N-2 (LOD N-2), and the subsampled nodes Since attributes can be inferred (predicted), there is an effect that only new attribute data can be encoded.
  • node d has the same properties as node a
  • node e has the same properties as node b
  • node f has the same properties as node c
  • node i has the same properties as node d
  • node k has the same properties as node d. has the same properties as node e.
  • each octree depth may be matched one-to-one with the LoD, and in the case of attribute coding, redundancy may be reduced by compressing only attributes that do not overlap with the upper LoD.
  • the receiving unit restores the compressed attributes, but estimates the attributes sampled by the higher LoD in the process of LoD generation based on the attributes of the parent.
  • LoD N-2 Nodes whose attributes are decoded: a, b
  • LoD N-1 Nodes whose properties are decoded: c
  • LoD N Nodes whose attributes are decoded: g, h, j, l, m
  • 35 illustrates LOD generation for a layer group structure according to embodiments.
  • a method/apparatus according to embodiments may generate LOD based on a layer group structure as shown in FIG. 35 .
  • LoD M-1 may match Depth N-1
  • LoD M may match Depth N.
  • the LoD generation may perform sampling based on an ancestor-descendent node relationship by extending a parent-child relationship. Accordingly, nodes a and b belong to LoD M-1, and nodes f, g, h, i, j, k, l, and m may belong to LoD M. At this time, attributes of nodes a and b may use attributes of descendent nodes i and k through the LoD generation process.
  • LOD M when layer group M includes depth N and depth N ⁇ 1, LOD M may include depth N closer to the leaf node among depth N and depth N ⁇ 1. That is, LOD M may include nodes f, g, h, i, j, k, l, and m.
  • LOD M-1 When layer group M-1 includes depth N-2, LOD M-1 may include depth N-2 close to the leaf node. That is, LOD M-1 may include nodes a and b.
  • LoD M f, g, h, i, j, k, l, m
  • LoD M Nodes f, g, h, j, l, m where attributes are compressed
  • the receiving unit restores attributes for each LoD through decoding, and nodes having an ancestor-descendent relationship can be inferred.
  • LoD M-1 Nodes whose attributes are decoded: a, b
  • LoD M Nodes whose properties are decoded: f, g, h, j, l, m
  • the encoder/decoder has an effect of skipping a certain depth and encoding/decoding nodes quickly.
  • 36 illustrates spatial random access based on layer groups and subgroups according to embodiments.
  • a method/device may support spatial random access by dividing each layer-group into a plurality of subgroups.
  • 36 illustrates an example of dividing three layer-groups into four subgroups.
  • a LoD structure corresponding one-to-one to a geometry layer-group structure may also be created for an attribute.
  • Each subgroup may be delivered to an independent slice.
  • LoD1 layer-group 1
  • LoD3 layer-group 3
  • subgroup3-1 subgroup 3-1
  • subgroup3-2 subgroup 3-2
  • subgroup3-3 subgroup 3-3
  • subgroup3-4 subgroup 3-4
  • the geometry encoder may classify geometry data into groups including tree depth (s), include the groups in slices, divide the groups into sub-groups (s), and include them in sub-slices. there is.
  • the attribute encoder may classify attribute data into LODs including tree depth (s), include LODs in slices, divide LODs into sub-LODs (s), and include them in sub-slices. .
  • the method/device according to embodiments may provide point cloud data in various ways from high resolution to low resolution.
  • the receiving unit may provide high-density point cloud data for a region of interest (ROI) by selecting a required subgroup.
  • ROI region of interest
  • 37 shows an example in which sub-group 3-3 is selected, and a slice related to a subgroup overlapping an ROI space requested by the receiving unit can be selected.
  • region information of each layer-group and subgroup may be transmitted to the slice in the form of a bounding box.
  • Attributes of the decrypted node may also be restored by selecting a sub-LoD corresponding to the selected subgroup.
  • output can be generated by adjusting the density adaptively, such as showing a low-density (low-resolution) point distribution for the entire area and a high-density (high resolution) point distribution for the selected area.
  • the hierarchical structure of geometry can be created as layers, groups, and subgroups, and the hierarchical structure of attributes can be created as trees, layers, LODs, and subLODs.
  • the hierarchical structure may include an octree, but may include various tree structures as well as 8 subordinate node dependencies.
  • a transmitting method/device transmits a bitstream of a tree (layer) structure-based slice as shown in FIG. 37, and a receiving method/device partially decodes some slices (group, subgroup, LOD, subLOD). can do.
  • a transmitting method/device partially transmits a bitstream of a slice based on a tree (layer) structure as shown in FIG. You can decode all or partially decode.
  • a nearest neighbor search may be performed based on a subgroup boundary. This serves to ensure that each subgroup can be decoded independently.
  • Sub-lod can be defined to satisfy the following conditions.
  • a sub-LoD can be defined as a range of included nodes.
  • the spatial information of the sub-LoD to which each node belongs can be expressed as a bounding box.
  • a sub-LoD can be defined as a set of geographically adjacent nodes, and each node can find a related sub-LoD based on whether it belongs to a specific range (bbox_min ⁇ bbox_max).
  • the method/apparatus, geometry encoder, attribute encoder, geometry decoder, and attribute decoder include 1) finding a sub-LoD bounding box (boundary), 2) updating nearest neighbors or can be done.
  • a nearest neighbor calculator included in the encoder and decoder plays a role of finding a distance neighbor node for nodes belonging to each LOD.
  • the sub-LoD to which each nog belongs can be found by comparing the location of each node with the sub-LoD bounding box as shown in FIG. 38 .
  • nodePos pointCloud[pointIndex]; // 1. About the current node position
  • curSubgroupId i
  • bbox_min bbox_min_tmp
  • bbox_max bbox_max_tmp
  • 39 illustrates a method of updating a nearest neighbor according to embodiments.
  • step 2. Nearest neighbor update may be performed.
  • Nearest neighbor search algorithm as shown in FIG. 39, based on the bounding box information of sub-LoD, if a peripheral node belongs to the same sub-LoD, a predictor ( predictor), and if it belongs to another sub-LoD, it may not be selected as a predictor candidate.
  • NN search according to Sub-LoD can be equally performed in the encoder/decoder.
  • 40 shows an attribute data unit header according to embodiments.
  • the attribute data unit header is included in the bitstream of FIG. 25 and may correspond to the attribute slice header of FIG. 25 .
  • Layer group enable flag (layer_group_enabled_flag): layer_group_enabled_flag equal to 1 indicates that the attribute bitstream of a frame or tile is included in multiple slices matching the LoD layer or corresponding subLoD. If Layer_group_enabled_flag is equal to 0, it indicates that the attribute bitstream of a frame or tile is included in a single slice.
  • Number of layer groups (num_layer_groups_minus1): num_layer_groups_minus1 plus 1 represents the number of layer groups representing groups of contiguous tree layers in which the layer groups are part of the attribute coding tree structure. num_layer_groups_minus1 may range from 0 to the number of coding tree layers.
  • Layer group ID (layer_group_id): layer_group_id represents an indicator of a layer group of a frame or tile. The range of layer_group_id may be between 0 and num_layer_groups_minus1.
  • Dependent slice flag (dependent_slice_flag): equal to 1 and indicates that the slice is dependent on the slice indicated by ref_slice_id and ref_layer_group_id. If the dependent_slice_flag is equal to 0, it indicates that the slice is not dependent on other slices and can be a decoding start of the related slice.
  • ref_slice_id represents an indicator of a reference slice.
  • the range of ref_slice_id may be within the range of slice_id used for the current frame or current tile.
  • ref_layer_group_id represents an indicator of a reference layer group.
  • the range of ref_layer_group_id may be in the range of 0 to num_layer_group_minus1 of the current frame or current tile.
  • Number of layers (num_layers_minus1): plus 1 represents the number of coding layers included in the i-th layer group.
  • the total number of layer groups can be derived by adding all (num_layers_minus1[i] + 1) for i equal to 0 to num_layer_groups_minus1.
  • Layer group stream length bits (layer_group_stream_len_bits): plus 1 is the bit length of the syntax element layer_group_stream_len.
  • Layer group stream length (layer_group_stream_len): Indicates the length of the current layer group stream (layer_group_stream).
  • Subgroup enable flag (subgroup_enabled_flag): This is equal to 1 and indicates that the current layer group is composed of subgroups that can be included in several slices. subgroup_enabled_flag is equal to 0 and indicates that the current layer group is included in a single slice. Subgroups are mutually exclusive and the sum of subgroups is equal to the layer group.
  • Number of subgroups (num_subgroups_minus1): plus 1 indicates the number of subgroups of a layer group indicated by layer_group_id.
  • Subgroup ID Indicates an indicator of a subgroup of a layer group indicated by layer_group_id.
  • the range of subgroup_id may be between 0 and num_subgroups_minus1 [layer_group_id].
  • subgroup_id may indicate the order of slices in the same layer_group_id. If not present, subgroup_id is inferred as 0.
  • Reference subgroup ID (ref_subgroup_id): Indicates an indicator of a reference subgroup of a layer-group indicated by ref_layer_group_id.
  • the range of ref_subgroup_id may be in the range of 0 to num_subgroup_id_minus1 of the current layer-group. If it does not exist, subgroup_id can be inferred as 0.
  • Point number bits (num_points_bits_minus1): plus 1 is the bit length of the syntax element num_points.
  • Number of points (num_points): Indicates the number of output points by decoding the current slice.
  • Subgroup bounding box origin bits (subgroup_bbox_origin_bits_minus1): plus 1 is the bit length of the syntax element subgroup_bbox_origin.
  • Subgroup bounding box origin (subgroup_bbox_origin): Indicates the origin of a bounding box of a subgroup indicated by subgroup_id of a layer group indicated by layer_group_id.
  • Subgroup bounding box size bits (subgroup_bbox_size_bits_minus1): plus 1 is the bit length of the syntax element subgroup_bbox_size.
  • Subgroup bounding box size (subgroup_bbox_size): Indicates the origin of the subgroup bounding box of the subgroup indicated by subgroup_id of the layer group indicated by layer_group_id.
  • 41 illustrates a point cloud data encoder/decoder according to embodiments.
  • FIG. 41 shows the transmission device 10000 in FIG. 1, the point cloud video encoder 10002, the transmitter 10003, the acquire-encode-transmit 20000-20001-20002 in FIG. 2, the encoder in FIG. 4, and the transmit in FIG.
  • LoD generation has an effect of compressing/restoring properties of prediction and lifting transforms based on a small amount of computation.
  • Point cloud compression is performed based on the point cloud data structure (FIGS. 15 to 37) according to the embodiments, and based on one compressed bitstream according to the compression method. It can support receivers of various performance. For example, when information is compressed for decoders of various performance, receivers of various performance can be supported through one bitstream instead of generating or storing independent compression information suitable for each decoder's performance. It is effective in terms of storage space and bit efficiency of the transmitter. In addition, when there is a limitation in transmission bandwidth, there is an effect of transmitting after generating low-resolution point cloud data in the transmitter.
  • the receiving unit restores attribute information almost simultaneously with geometry decoding with a small amount of computation, so that it can be used in a transmission/reception system requiring low-delay. .
  • the output level of the attribute information When the output level of the attribute information is selected, even a receiver having low computational power can output attribute information suitable for the performance of the corresponding receiver without delay. For example, in attribute decoding and reconstruction, different results may be output according to receiver performance or system requirements. At this time, the decoded or reconstructed attribute of each level may be used as an attribute value matched with an octree node of the corresponding level.
  • an octree level may be selected according to output performance or renderer performance. The receiver may output or render a low-resolution image after performing octree colorization on the point cloud data restored after decoding in consideration of output or rendering performance.
  • a point cloud data transmission device or encoder (which can be referred to as a geometry encoder, an attribute encoder, a scalable encoder, etc.) according to embodiments scalably compresses (encodes) source geometry and source attributes as described above. )can do.
  • a single PCC bitstream can be generated and transmitted.
  • the bitstream selector may selectively transmit a bitstream to a decoder in association with an encoder. For example, various bitstream configurations may be decoded considering the performance of a scalable decoder.
  • a bitstream including partial geometry and partial attributes may be transmitted, a bitstream including full geometry and partial attributes may be decoded, and a bitstream including full geometry and full attributes may be decoded.
  • a storage capable of storing a bitstream may store an encoded bitstream and pass part/all of the bitstream to a decoder.
  • a single bitstream generated based on a hierarchical structure (which can be referred to as a layer structure, a group structure, an LOD structure, etc.) according to embodiments is transmitted at once, and the decoder scalably converts all and/or partial point cloud data to the performance of the receiver. can decode.
  • FIG. 42 shows an example of expression of point cloud data according to LOD as shown in FIG. 8 .
  • LOD increases, the detail of the data representation increases. That is, data including low resolution to high resolution may be included based on a matched octree according to embodiments.
  • 43 illustrates transmission of point cloud data according to an octree level according to embodiments.
  • FIG. 43 illustrates an example in which information is transferred in various ways according to an octree level when configuring point cloud data according to embodiments.
  • Three examples can be considered here: 1) where both the geometry and attributes are passed in full depth, and 2) where the geometry and attributes are carried in partial depth. ), 3) a case in which all of the geometry is transmitted and some of the attributes are transmitted may be considered.
  • the receiver may output information of different degrees.
  • the encoder configures the geometry bitstream of the partial octree according to the octree depth, and generates and transmits a corresponding partial attribute bitstream.
  • the octree depth level is closer to the root node (level)
  • low resolution point cloud data can be decoded
  • the octree depth level is closer to the leaf node (level)
  • full resolution point cloud data can be decoded.
  • the remaining geometry data is not presented in the receiver (decoder), but may be provided to the decoder as information necessary for attribute decoding.
  • a point cloud data transmission method may include encoding point cloud data.
  • Encoding operations include FIG. 1 point cloud video encoder 10002, FIG. 2 encoding 20001, FIG. 4 encoder, FIG. 12 transmission device, FIG. 15 XR device 1430, FIG. 15-19 octree-based coding, FIG. 20-24 LOD-based It may correspond to or include coding, FIG. 25, 26, 40 bitstream generation, FIG. 28 octree/LOD-based coding, FIG. 32-39 geometry/attribute tree structure group/LOD-based coding, FIG. 41-43 scalable coding, etc. .
  • the point cloud data transmission method may further include transmitting a bitstream including point cloud data.
  • the transmission operation according to the embodiments includes FIG. 1 transmitter 10003, FIG. 2 transmission 20002, FIG. 4 geometry bitstream and attribute bitstream transmission, FIG. 12 transmission processing unit 12012, FIG. 14 XR device 1430, encoding according to FIG. It may correspond to or include transmission of a bitstream including point cloud data.
  • 45 shows a method for receiving point cloud data according to embodiments.
  • a method for receiving point cloud data may include receiving a bitstream including point cloud data.
  • Receiving operations include receiver 10005 in FIG. 1, reception 20002 according to transmission in FIG. 2, reception of a bitstream including a geometry bitstream and attribute bitstream in FIG. 10, reception of a geometry bitstream and attribute bitstream in FIG. 11, FIG. 13 receiving device, FIG. 14 XR device 1430, reception of a bitstream containing point cloud data encoded according to FIGS. 15-43, and the like.
  • the method for receiving point cloud data according to the embodiments may further include decoding the point cloud data.
  • Decoding operations include FIG. 1 point cloud video decoder 10006, FIG. 2 decoding 20003, FIG. 10-11 decoder, FIG. 13 receiving device, FIG. 14 XR device 1430, FIG. 15-19 octree-based decoding, FIG. 20-24 Corresponds to or includes LOD-based decoding, FIGS. 25, 26, and 40 bitstream parsing, FIG. 28 octree/LOD-based decoding, FIGS. 32-39 geometry/attribute tree structured group/LOD-based decoding, FIGS. can
  • a point cloud data transmission method includes encoding point cloud data; and transmitting a bitstream including point cloud data; can include
  • encoding point cloud data includes encoding geometry data of the point cloud data and attribute data of the point cloud data.
  • the step of encoding the attribute data includes generating a level of detail (LOD) for the attribute data based on an octree generated based on the geometry data, and the geometry data and the attribute data are It is matched at the node of , and an LOD can be created based on the matched octree.
  • LOD level of detail
  • the octree in relation to octree colorization and duplication removal, includes an upper node including lower nodes based on the octree depth and includes geometry data.
  • a node may be matched with attribute data for geometry data, and attribute data of a lower node included in an upper node including attribute data identical to that of an upper node may be removed.
  • the encoding of the point cloud data may include generating an octree for the point cloud data, generating a level of detail (LOD) based on the octree, and the LOD including point cloud data for at least one depth level of the octree.
  • LOD level of detail
  • the step of encoding point cloud data is based on octree-based geometry data of the point cloud data.
  • the geometry data is expressed as a layer group, based on the layer group, the attribute data of the point cloud data is expressed as an LOD, and the bitstream is part of the layer group and part of the LOD It may include point cloud data for
  • attribute data of an upper node of the octree is selected based on attribute data of a lower node of the upper node, and the first LOD for the first octree depth Attribute data of a node belonging to is encoded, attribute data of a node belonging to a second LOD for a second octree depth below the first octree depth is encoded, and layer groups including one or more depths of the octree are created ,
  • encoding the first layer group including two or more depths encoding a node of a depth close to the leaf node of the octree among the two or more depths, and the attribute data of the lower node selected for the attribute data of the upper node can be inferred can
  • An upper node may be referred to as a parent node, and a lower node may be referred to as a child node. Inference can be interpreted in terms of prediction
  • encoding point cloud data includes expressing geometry data of the point cloud data based on an octree, generating groups including one or more depths of the octree, , A specific group is divided into subgroups, a bitstream is generated based on a slice including groups and subgroups, attribute data of point cloud data is expressed based on an octree, and includes one or more depths of the octree.
  • a bitstream may be generated based on a slice including LODs and sub-LODs.
  • a transmission method can be performed by the transmission device.
  • a transmission device includes an encoder encoding point cloud data; and a transmitter that transmits a bitstream including point cloud data; can include
  • the receiving method corresponding to the transmitting method may perform the method corresponding to the transmitting method and the reverse process.
  • a method for receiving point cloud data includes receiving a bitstream including point cloud data; and decoding the point cloud data.
  • the decoding of the point cloud data includes decoding geometry data of the point cloud data and decoding attribute data of the point cloud data, and decoding the attribute data includes an octree generated based on the geometry data.
  • Generating a level of detail (LOD) for attribute data based on geometry data and attribute data may be matched at nodes of an octree, and LOD may be generated based on the matched octree.
  • An octree includes an ancestor node containing child nodes based on the depth of the octree, and nodes of the octree containing geometry data are matched with attribute data for the geometry data, and an ancestor node containing attribute data identical to that of the parent node. Attribute data of lower nodes included in the node may be removed.
  • the decoding of the point cloud data may include generating an octree for the point cloud data, generating a level of detail (LOD) based on the octree, and the LOD including point cloud data for at least one depth level of the octree.
  • LOD level of detail
  • the step of decoding the point cloud data includes expressing geometry data of the point cloud data based on an octree, expressing the geometry data as a layer group based on the depth level of the octree, and expressing the point cloud data based on the layer group.
  • Attribute data is expressed as an LOD, and a bitstream may include point cloud data for a part of a layer group and a part of the LOD.
  • the attribute data of the upper node of the octree is selected based on the attribute data of the lower node of the upper node, the attribute data of the node belonging to the first LOD for the first octree depth is decoded, and the first octree depth is lower than the first octree depth.
  • layer groups including one or more depths of the octree are generated, and a first layer group including two or more depths is encoded, two or more depths Among them, a node having a depth close to the leaf node of the octree is decoded, and attribute data of a lower node selected for attribute data of an upper node can be inferred.
  • An apparatus for receiving point cloud data includes a receiver configured to receive a bitstream including point cloud data; and a decoder to decode the point cloud data; can include
  • the embodiments have an effect of transmitting point cloud data to receivers having various capabilities, and processing the point cloud data according to the receiver's performance. That is, the transmitter can transmit point cloud data with low delay to various receivers in one bitstream, and the receiver can decode and provide point cloud data of various resolutions with low delay even in a low power environment.
  • attribute data can be efficiently compressed and restored in a scalable manner.
  • multiple slices may include an attribute data unit, and attributes may be sliced for spatial scalability. Furthermore, the embodiments infer the properties of nodes using an ancestor/descendant relationship when coding scalable attributes, excluding inferred nodes among nodes of a lower depth belonging to a layer group, and efficiently attribute the properties of nodes that are not inferred. can be coded.
  • embodiments may scalably code attribute data, and furthermore, embodiments may improve performance of scalable attribute coding by generating LODs based on layer groups and skipping some LODs.
  • each drawing has been divided and described, but it is also possible to design to implement a new embodiment by merging the embodiments described in each drawing. And, according to the needs of those skilled in the art, designing a computer-readable recording medium in which programs for executing the previously described embodiments are recorded falls within the scope of the embodiments.
  • the device and method according to the embodiments are not limited to the configuration and method of the embodiments described above, but the embodiments are selectively combined with all or part of each embodiment so that various modifications can be made. may be configured.
  • Various components of the device of the embodiments may be implemented by hardware, software, firmware or a combination thereof.
  • Various components of the embodiments may be implemented as one chip, for example, as one hardware circuit.
  • components according to the embodiments may be implemented as separate chips.
  • at least one or more of the components of the device according to the embodiments may be composed of one or more processors capable of executing one or more programs, and the one or more programs may be executed. Any one or more of the operations/methods according to the examples may be performed or may include instructions for performing the operations/methods.
  • Executable instructions for performing methods/operations of an apparatus may be stored in a non-transitory CRM or other computer program products configured for execution by one or more processors, or may be stored in one or more may be stored in transitory CRM or other computer program products configured for execution by processors.
  • the memory according to the embodiments may be used as a concept including not only volatile memory (eg, RAM) but also non-volatile memory, flash memory, PROM, and the like. Also, those implemented in the form of a carrier wave such as transmission through the Internet may be included.
  • the processor-readable recording medium is distributed in computer systems connected through a network, so that the processor-readable code can be stored and executed in a distributed manner.
  • first, second, etc. may be used to describe various components of the embodiments. However, interpretation of various components according to embodiments should not be limited by the above terms. These terms are only used to distinguish one component from another. Only thing For example, a first user input signal may be referred to as a second user input signal. Similarly, the second user input signal may be referred to as the first user input signal. Use of these terms should be construed as not departing from the scope of the various embodiments. Although both the first user input signal and the second user input signal are user input signals, they do not mean the same user input signals unless the context clearly indicates otherwise.
  • operations according to embodiments described in this document may be performed by a transceiver including a memory and/or a processor according to embodiments.
  • the memory may store programs for processing/controlling operations according to embodiments, and the processor may control various operations described in this document.
  • a processor may be referred to as a controller or the like.
  • Operations in embodiments may be performed by firmware, software, and/or a combination thereof, and the firmware, software, and/or combination thereof may be stored in a processor or stored in a memory.
  • the transmitting/receiving device may include a transmitting/receiving unit for transmitting/receiving media data, a memory for storing instructions (program codes, algorithms, flowcharts and/or data) for processes according to embodiments, and a processor for controlling operations of the transmitting/receiving device.
  • a transmitting/receiving unit for transmitting/receiving media data
  • a memory for storing instructions (program codes, algorithms, flowcharts and/or data) for processes according to embodiments
  • a processor for controlling operations of the transmitting/receiving device.
  • a processor may be referred to as a controller or the like, and may correspond to, for example, hardware, software, and/or combinations thereof. Operations according to the above-described embodiments may be performed by a processor. Also, the processor may be implemented as an encoder/decoder for the operations of the above-described embodiments.
  • the embodiments may be applied in whole or in part to an apparatus and system for transmitting and receiving point cloud data.
  • Embodiments may include changes/variations, which do not depart from the scope of the claims and their equivalents.

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 단계를 포함할 수 있다.

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
기술적 해결방법으로, 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; 포인트 클라우드 데이터를 디코딩하는 단계; 를 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 5 는 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 옥트리 기반 LoD (Level of Detail)를 나타낸다.
도16은 실시예들에 따른 스케일러블 포인트 클라우드 압축의 예시를 나타낸다.
도17은 실시예들에 따른 옥트리 기반 LOD 생성을 나타낸다.
도18은 실시예들에 따른 옥트리 채색을 나타낸다.
도19는 실시예들에 따른 옥트리 채색을 나타낸다.
도20은 실시예들에 따른 노드를 나타낸다.
도21은 실시예들에 따른 보유(Retained) 집합 생성을 나타낸다.
도22는 실시예들에 따른 LoD 생성을 나타낸다.
도23은 실시예들에 따른 패스트 프레딕션을 나타낸다.
도24는 실시예들에 따른 옥트리 및 LoD 기반 이웃 서치를 나타낸다.
도25는 실시예들에 따른 포인트 클라우드 데이터를 포함하는 비트스트림을 나타낸다.
도26은 실시예들에 따른 어트리뷰트 파라미터 세트를 나타낸다.
도27은 실시예들에 따른 디비전 타입을 나타낸다.
도28은 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도29는 실시예들에 따른 어트리뷰트 코딩을 나타낸다.
도30은 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도31은 실시예들에 따른 어트리뷰트 프레딕션 및 어트리뷰트 재구성을 나타낸다.
도32는 실시예들에 따른 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는 옥트리를 포함하는 비트스트림 구조를 나타낸다.
도33은 실시예들에 따른 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는 옥트리를 포함하는 비트스트림 구조를 나타낸다.
도34는 실시예들에 따른 LOD 제너레이션을 나타낸다.
도35는 실시예들에 따른 레이어 그룹 구조를 위한 LOD생성을 나타낸다.
도36은 실시예들에 따른 레이어 그룹 및 서브 그룹 기반 스파셜 랜덤 엑세스를 나타낸다.
도37은 실시예들에 따른 포인트 클라우드 데이터의 적응적 표현을 나타낸다.
도38은 실시예들에 따른 서브 LOD 찾기를 나타낸다.
도39는 실시예들에 따른 니어스트 네이버를 업데이트하는 방법을 나타낸다.
도40은 실시예들에 따른 어트리뷰트 데이터 유닛 헤더를 나타낸다.
도41은 실시예들에 따른 포인트 클라우드 데이터 인코더/디코더를 나타낸다.
도42는 실시예들에 따른 포인트 클라우드 데이터를 나타낸다.
도43은 실시예들에 따른 옥트리 레벨에 따른 포인트 클라우드 데이터의 전송을 나타낸다.
도44는 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도45는 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 PCTKR2022010267-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 PCTKR2022010267-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 PCTKR2022010267-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, 도15-16의 인코딩, 도17-20 옥트리 기반 인코딩, 도21-24 LOD기반 인코딩, 도25-26 비트스트림 및 파라미터 생성, 도27 디비전 기반 인코딩, 도28 인코더, 도32-39 서브 그룹 인코딩, 도40 파라미터 생성, 도41 스케일러블 인코딩, 도43 파셜 전송 등을 지칭하는 용어로 해석될 수 있다.
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, 도15-16 옥트리 구조 기반 디코딩, 도17-20 옥트리 기반 디코딩, 도21-24 LOD 기반 디코딩, 도25-26 비트스트림 파싱, 도27 디비전 기반 디코딩, 도30 디코더, 도32-39 서브 그룹 디코딩, 도40 파라미터 파싱, 도41 스케일러블 디코딩, 도43 파셜 수신 등을 지칭하는 용어로 해석될 수 있다.
또한, 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 실시예들에 따른 방법/장치로 줄여서 호칭될 수 있다.
실시예들에 따라, 포인트 클라우드 데이터를 구성하는 지오메트리 데이터, 지오메트리 정보, 위치 정보 등은 서로 동일한 의미로 해석된다. 포인트 클라우드 데이터를 구성하는 어트리뷰트 데이터, 어트리뷰트 정보, 속성 정보 등은 서로 동일한 의미로 해석된다.
실시예들에 따른 방법/장치는 향상된 포인트 클라우드 데이터 스케일러블 어트리뷰트 코딩(improved point cloud data scalable attribute coding)에 관한 것이다.
도15는 실시예들에 따른 옥트리 기반 LoD (Level of Detail)를 나타낸다.
도15는 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, 도28 인코더 등에서 지오메트리 데이터의 옥트리에 기반하여 어트리뷰트 데이터에 대한 LOD를 생성하는 과정을 나타내다. 또한, 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, 도30 디코더, 도41 스케일러블 디코더 등에서 도15의 LOD기반하여 어트리뷰트 데이터를 디코딩할 수 있다.
실시예들에 따른 방법/장치는 포인트 클라우드 데이터의 geometry 구조(지오메트리 데이터)에 대한 옥트리(octree)를 기반으로, 어트리뷰트 코딩을 위한 어트리뷰트 데이터(attribute)를 구성하고, 복원된 지오메트리 데이터 및 어트리뷰트 데이터로부터 LoD를 생성할 수 있다. 실시예들에 따른 방법/장치는 (1) 옥트리 노드(octree node)의 위치 정보를 기반으로 포인트 클라우드 데이터(point cloud data)를 매칭하는 방법을 포함할 수 있다. 여기서, 매칭이란, 포인트가 페어된 옥트리(point paired octree)를 이용하는 것을 의미한다. 포인트-페어된-옥트리는 어트리뷰트 데이터 및 지오메트리 데이터(포지션)가 옥트리 노드에 매칭된 구조이다. 추가로, 실시예들에 따른 방법/장치는 (2) 이러한 옥트리 노드를 LoD (Level of Detail) 구성에 적용함으로써 효율적으로 속성 코딩을 하기 위한 방법을 포함한다. 이러한 실시예들로 인하여, 어트리뷰트 데이터(attribute)가 할당된 옥트리 노드(octree node)를 이용하여 저해상도의 혹은 서브샘플(subsample)된 포인트 클라우드 데이터(point cloud data)를 전송하거나 출력할 수 있다.
도15를 참조하면, 옥트리(1500)는 지오메트리 인코더에서 생성되고, 어트리뷰트 인코더에서 LoD에 기반한 옥트리 구조로 생성될 수 있다. 옥트리는 LoD 레벨(1501)에 기반하여 계층적 구조를 가질 수 있다. LoD 레벨에 속하는 노드는 점유된 비트의 유무에 따라서 0 또는 1(1502)을 가질 수 있다. 점유 비트를 가지는 노드는 다음 LoD 레벨에서 자식 노드들을 포함한다. 리프 노드까지 내려가면, 어트리뷰트 데이터(예를 들어, 컬러값, 1503)에 대응하는 노드들을 포함하는 옥트리 구조가 생성될 수 있다. 옥트리 구조는 다음 LoD 레벨에 있는 자식 노드들의 속성을 부모 노드의 속성으로 매칭시킬 수 있다. 이를 서브 샘플링이라고 지칭할 수 있다. 예를 들어서, 노드(1504)는 자식 노드들의 속성들 중에서 가장 유사한 속성을 부모 노드(1504)의 속성으로 매칭시킬 수 있다. 노드(1505)는 자식 노드들 중에서 가장 유사한 속성을 부모 노드(1505)의 속성으로 할당할 수 있다.
도16은 실시예들에 따른 스케일러블 포인트 클라우드 압축의 예시를 나타낸다.
실시예들에 따른 방법/장치는 도16과 같이, 포인트 클라우드 데이터를 스케일러블하게 압축할 수 있고, 실시예들에 따른 방법/장치는 도16에 대응하는 방법으로, 포인트 클라우드 데이터를 스케일러블하게 복원할 수 있다.
실시예들에 따른 스케일러블 포인트 클라우드 컴프레션(scalable point cloud compression)은 전체 지오메트리(full geometry)를 전달하고, 부분 어트리뷰트(partial attribute)를 전달할 수 있다. 도15를 예로 들면, 지오메트리 데이터는 LoD레벨이 리프 노드의 포지션까지 포함하고, 어트리뷰트 데이터는 LoD 중간 레벨의 속성까지 포함할 수 있다. 또한, scalable point cloud compression 의 경우, 추가적인 지오메트리(geometry) 정보를 기반으로 디코딩(decoding)된 어트리뷰트(attribute)의 실제 포인트(point) 위치를 매칭해줄 줌으로써 서브 샘플된 포인트 클라우드 데이터 리프리젠테이션(sub-sampled point cloud data representation)을 하는데 사용할 수 있다.
도16 case 1을 참조하면, 실시예들에 따른 방법/장치는 지오메트리 데이터를 파셜하게 특정 LOD레벨까지 구성하고, 지오메트리 데이터의 포지션이 가지는 어트리뷰트 데이터를 파셜하게 특정 LOD 레벨까지 구성할 수 있다. 노드의 포지션은 오리지널 어트리뷰트와 매칭될 수 있다. 노드의 포지션은 포인트들의 평균값으로 매칭될 수 있다.
도16 case 2를 참조하면, 실시예들에 따른 방법/장치는 지오메트리 데이터를 리프 노드의 레벨까지 구성하고, 어트리뷰트 데이터를 파셜하게 특정 LOD 레벨까지 구성할 수 있다. 리프 노드 레벨까지의 포지션이 가지는 어트리뷰트 데이터는 파셜하게 구성될 수 있다. 이때, 부모-자식 노드 간 동일한 어트리뷰트 데이터를 매칭할 수 있고, 자식 노드들의 어트리뷰트 데이터를 서브샘플하여 부모 노드의 어트리뷰트 데이터로 설정할 수 있다.
실시예들은 포인트 클라우드(point cloud)로 구성된 데이터를 압축하기 위한 방법을 포함한다. 구체적으로, 옥트리(octree) 구조를 기반으로 포인트 클라우드의 속성 (attribute) 정보를 레이어링(layering)하는 방법을 제안하고, 이를 기반으로 속성 코딩을 적용하는 방법을 제안한다.
도4 및 도11을 참조하면, 포인트 클라우드 데이터는 각 데이터의 위치(geometry: e.g., XYZ 좌표)와 속성(attributes: e.g., color, reflectance, intensity, grayscale, opacity 등) 로 구성된다. 포인트 클라우드 압축 (Point Cloud Compression: PCC)에서는 3차원 공간 상에 불균일하게 분포하는 분포 특성을 효율적으로 압축하기 위해 옥트리(octree) 기반 압축을 하며, 이를 기반으로 속성 정보를 압축한다. 아래는 PCC의 송수신단에 대한 흐름도이다. PCC의 송수신단의 각 구성 장치에 의해서 본 발명의 동작이 처리될 수 있다.
실시예들에 따른 방법/장치는 어트리뷰트 코딩(attribute coding)을 통해 포인트(point)의 거리에 따라 LoD (Level of Detail)을 생성하여(도9참조) 순차적으로 어트리뷰트(attribute)를 코딩(coding) 할 수 있다. 이 경우 주변부 포인트(point)를 구하기 위한 과정이 선행되어야 하는데, 이 때 대표적으로 사용되는 가까운 이웃 서치(nearest neighbor search) 방법은 정확하게 주변부 포인트(point)를 찾을 수 있다는 장점이 있는 반면 수행 시간이 오래 걸린다는 단점이 있다. 고속 처리를 요구하는 시스템에서 지연(delay)이 발생하는 요인이 될 수 있다. 실시예들에 따른 방법/장치는 시스템에서 발생할 수 있는 지연(delay)을 해결할 수 있다.
실시예들에 따른 방법/장치는 옥트리(Octree) 구조 기반 LoD 구성 방법 및 구성된 LoD에 기반하여 속성 코딩하는 방법을 포함할 수 있다.
옥트리 컬러라이제이션(octree colorization)을 통해 포인트 클라우드 데이터(point cloud data)를 구조화할 때 거리 유사성을 기반으로 옥트리 노드(octree node)의 위치와 유사한 위치에 존재하는 포인트 클라우드 데이터(point cloud data)를 매칭할 수 있다. 이를 통해 구성된 채색된 옥트리(colorized octree) 구조는 포인트 클라우드 데이터(point cloud data)가 매칭된 옥트리(octree)로 볼 수 있다. 이러한 구조를 기반으로 LoD에 따라 포인트 클라우드 데이터(point cloud data)를 구분함으로써 어트리뷰트 코딩(attribute coding) 기법 중 하나로 사용하는 예측 리프트 변환(prediction lift transform)에 사용할 수 있다.
도8을 참조하면, Level of Detail (LoD)는 각 LoD 내에 존재하는 point 들이 기준 거리 이상 떨어지도록 분포하도록 구성할 수 있다. 이 때 기준 거리는 LoD가 증가함에 따라 작아지도록 설계한다. 따라서 LoD가 증가함에 따라 포인트(point) 사이의 거리가 점점 가까워진다는 특징을 갖는다. 포인트 클라우드 데이터(point cloud data)를 LoD 기반으로 구성하는 경우, 서로 다른 복잡도 / 해상도 / 퀄리티(quality)를 갖는 포인트 클라우드 데이터(point cloud data)를 미리 구성함으로써 응용 분야에 따라 서로 다른 디테일(detail)을 갖는 포인트 클라우드 데이터(point cloud data subset)을 전달할 수 있다는 장점이 있다.
도17은 실시예들에 따른 옥트리 기반 LOD 생성을 나타낸다.
실시예들에 따른 방법/장치는 포인트 클라우드 데이터의 옥트리에 기반하여 LOD를 표현할 수 있다.
포인트 클라우드 지오메트리 코딩(point cloud geometry coding)에서 사용하는 옥트리(octree) 구조의 경우, 뎁스 레벨(depth level)이 증가할수록 (루트(root)에서 리프(leaf)로 진행되는 방향) 바운딩 박스(bounding box)가 점점 더 작은 단위로 분할될 수 있다. 점점 더 작은 단위로 쪼개어 정보가 있는 유닛 큐브(unit cube)를 찾고, 유효 정보(포인트 클라우드 데이터)가 있는 부분을 다음 단계(step)에서 더 작은 단위로 쪼갬으로써 유효 정보가 있는 위치를 점점 세밀한 단위로 찾을 수 있다. 결국 옥트리 뎁스 레벨(octree depth level)이 증가할수록 포인트 클라우드 데이터(point cloud data)를 표현하는 디테일(detail)이 점점 증가하며, 이는 LoD 기반 포인트 클라우드 데이터(point cloud data) 구성과 유사한 방향성을 가진다고 볼 수 있다.
1700을 참조하면, 바운딩 박스는 옥트리의 레벨이 루트에 해당하고, 가장 큰 영역을 포함할 수 있다. 바운딩 박스를 작은 단위로 분할하면서 부모-자식 노드(박스 유닛)가 계층적으로 생성될 수 있다.
1701을 참조하면, 포인트 클라우드 데이터의 오브젝트를 기준으로, 큰 바운딩 박스에서 작은 바운딩 박스로 공간을 분할하면서, 포인트 클라우드 데이터를 표현할 수 있다. 옥트리 뎁스가 1에서 6으로 증가할수록 바운딩 박스의 크기가 작아지면서, 포인트를 포함하는 노드 및 포인트를 포함하지 않는 노드들이 생성될 수 있다.
도18은 실시예들에 따른 옥트리 채색을 나타낸다.
실시예들에 따른 방법/장치는 옥트리 채색에 기반하여 포인트 클라우드 데이터를 표현할 수 있다.
옥트리 채색(Octree colorization)
이와 같이 옥트리 뎁스 레벨(octree depth level)이 증가할수록 디테일(detail)이 점점 증가한다는 관점에서 옥트리 뎁스 레벨(octree depth level)과 LoD 레벨(level)에 대응하여 스케일러블 코딩 및 리프리젠티이션(scalable coding / representation)에 응용할 수 있다. 이 때, 옥트리(octree)를 기반으로 디테일(detail)을 증가시키는 경우 LoD 와 비교했을 때 두 가지 차이점이 존재할 수 있다.
1) 특정 옥트리 뎁스 레벨(Octree depth level )에서 나타내는 점유된 노드(occupied node)(포인트가 존재하는 영역, 노드, 바운딩 박스)의 위치는 실제 존재하는 포인트 클라우드 데이터(point cloud data)의 위치 정보가 아니라 유사한 위치에 존재하는 데이터들의 위치의 근사값 및/또는 대표값을 나타낸다.
2) 또한 옥트리(octree)의 각 노드(node)와 매칭되는 어트리뷰트(attribute)가 존재하지 않는다.
이 두가지 문제를 해결하기 위해서 옥트리(octree) 구조에 포인트 클라우드 데이터(point cloud data)를 매칭(matching)하는 옥트리 채색(octree colorization) 방법을 사용할 수 있으며, 이를 통해 도18과 같이 옥트리(octree) 구조에 실제 포인트 클라우드 데이터(point cloud data)의 어트리뷰트(attribute)와 해당되는 위치(position) 정보를 매칭할 수 있다.
노드1800는 점유된 노드이고, 노드1800에 대한 포인트 클라우드 데이터의 컬러(어트리뷰트)를 매칭할 수 있다. 노드1800은 위치-컬러 매칭을 나타낼 수 있다.
도19는 실시예들에 따른 옥트리 채색을 나타낸다.
도19는 도18과 같은 옥트리 채색을 나타낸다.
리프 노드(leaf node)에 매칭된 포인트(point)와 상위 옥트리 뎁스 레벨(octree depth level)에 매칭된 포인트(point) 사이에 중복된 정보가 존재할 수 있다. 도19와 같이 리프 노드(leaf node)에서 중복된 정보를 제거 할 수 있으며, 이를 통해 입력 point cloud data와 octree 에 따라 구조화된 point cloud data 사이에 일대일 매칭이 이루어 질 수 있다.
노드(1900) 및 노드(1901)는 상위 노드(부모 노드)와 동일한 컬러를 가진다면(도18 참조), 실시예들에 따른 방법/장치는 노드(1900) 및 노드(1901)의 위치의 중복된 컬러를 제거할 수 있다.
위의 과정을 통해 생성된 컬러라이즈된 옥트리(colorized octree)를 LoD 제너레이션(generation)의 관점에서 고려하는 경우 다음과 같은 특징을 고려할 수 있다.
1) 옥트리 뎁스 레벨(Octree depth level)이 증가할수록 노드(node) 사이의 거리가 작아질 수 있다. LoD가 증가할수록 포인트(point) 사이의 거리가 작아진다는 특징과 연결 지을 수 있다.
2) 옥트리 뎁스 레벨(Octree depth level)이 증가할수록 실제 포지션(position) 및/또는 어트리뷰트(attribute)와 매칭되는 포인트(point) 수가 증가할 수 있다. 옥트리 뎁스(Octree depth)가 증가할수록(root to leaf 방향) 포인트 클라우드 데이터(point cloud data)의 디테일(detail)이 증가하는 방향으로 고려할 수 있다.
이와 같은 특징에 따라 옥트리 뎁스 레벨(octree depth level)이 증가함에 따라 LoD 가 증가하는 것에 매칭할 수 있으며, 다음의 방법에 따라 LoD를 생성할 수 있다.
LoD 제너레이션(generation)
실시예들에 따른 방법/장치가 LoD를 생성함에 있어서 옥트리(octree) 구조를 사용할 수 있다. 옥트리 뎁스 레벨(octree depth level)에 따라서 노드(node) 간 거리가 일정하게 유지되고, 옥트리 뎁스 레벨(octree depth level)이 증가함에 따라 노드(node) 간 거리가 줄어든다는 옥트리(octree)의 구조적인 특징을 기반으로 LoD 생성(generation) 과정을 수행한다. 제안하는 LoD 생성(generation) 과정은 1) LoD 생성(generation)을 위해 일정 기준에 의해서 샘플링된 포인트 클라우드 데이터(point cloud data)를 모으는 방법 (리테인(retained) 집합 생성) 및 2) 리테인(retained) 집합을 기반으로 LoD를 생성하는 방법을 포함한다. 이 때, LoD generation 의 선행 작업으로써 옥트리 채색(octree colorization) (octree node에 point cloud data의 attribute 및 position 을 매칭해주는 과정)이 수행될 수 있다.
실시예들에 따른 방법/장치는 다음과 같은 단계를 포함하고 수행할 수 있다:
Step 1. 옥트리 구조를 사용하여 샘플링하는 단계
Step 2. 리테인 집합 생성하는 단계
Step 3. LoD 집합을 생성하는 단계
Step 4. 옥트리 구조를 사용하여 패스트 프레딕션을 수행하는 단계
이하에서, 각 동작을 도면을 참조하여 상세히 설명한다.
옥트리 구조를 사용하여 샘플링하는 단계(sampling strategy using octree structure)
실시예들에 따라, 옥트리 뎁스 레이어(octree depth layer) 구조와 연계된 LoD를 구성하는 경우, LoD 제너레이션(generation)을 위해 사용하는 기준 거리 (dist2) 대신 옥트리 뎁스 레벨(octree depth level)의 포인트(point) 사이의 거리를 사용할 수 있다. 실시예들에 따른 LoD 구성 방식은 LoD 넘버(number)에 반비례하는 거리 기준을 설정하고, 일정 거리 밖에 있는 포인트(point) 중 가까운 것 (혹은 첫번째 것 등)을 서브 샘플링(sub-sampling)하여 신규 LoD에 포함하는 방식을 사용한다. 이 때, 각각의 거리 기준에 따라 모든 포인트(point) 간 거리를 비교해야 하기 때문에 이에 대한 시간을 줄이기 위한 다양한 방법들 (예를 들어, 몰톤 코드(Morton code) 순서에 따른 서브 샘플링(sub-sampling) 방법 등)을 사용할 수 있다. 여기서 나아가, 실시예뜰에 따른 방법/장치는 이러한 이슈를 해결하기 위해서 옥트리(octree)를 기반으로 LoD를 구성할 수 있고, 각 노드에 매칭된 포인트(point) 간 옥트리 뎁스 레벨(octree depth level) 내에서 최소한 노드(node) 크기만큼의 거리를 가지고 있다고 가정할 수 있다. 또한, 옥트리(octree) 구조로 인해 일정 거리를 갖는 포인트(point)들로 샘플링(sampling)된 것으로 고려할 수 있다. 예를 들어, 옥트리의 루트 노드(root node)를 뎁스 0(depth 0), 리프 노드(leaf node)를 depth N으로 갖는 옥트리(octree) 구조에 대해서 n (<N) 번째 depth 의 node 사이의 거리의 최소값은 2^n 로 고려할 수 있다. 이 때, 각 옥트리 뎁스 레벨(octree depth level)에서의 점유된 노드(occupied node)에 매칭되는 point 들을 해당 octree depth level에 대해 sampling 된 point로 고려할 수 있다. 실시예들에 따른 n (n>0) 번째 뎁스(depth)의 노드(node) 사이의 거리의 최소값은 2^(N-n)일 수 있다.
한편, 실시예들에 따른 옥트리는 8개 하위 노드를 가지는 옥트리뿐만 아니라, 다양한 개수를 가지는 계층적 트리를 모두 포함하는 용어로 해석될 수 있다.
도20은 실시예들에 따른 노드를 나타낸다.
도20을 참조하면, 전술한 옥트리의 노드가 뎁스 레벨에 따라서 분할되는 과정을 나타낸다. 노드2000은 분할되기 이전이고, 다음 뎁스에서 노드8개(2001)로 분할될 수 있다. 노드들(2001)은 최소 거리값으로 2^2=4를 가질 수 있다. 노드들(2001)은 다음 뎁스 레벨에서 분할되고, 노드들(2002)는 노드 간 최소 거리값으로 2를 가질 수 있다. 노드들(2003)은 노드 간 최소 거리값으로 1을 가질 수 있다.
실시예들에 따라, 옥트리 뎁스가 4까지 있으면, 1번째 뎁스의 노드는 2^(4-1) 최소 거리값을 가지고, 2번째 뎁스의 노드는 2^(4-2) 최소 거리값을 가지고, 3번재 뎁스의 노드는 2^(4-3) 최소 거리값을 가질 수 있다.
보유(Retained) 집합 생성
LoD는 하위 LoD의 point를 상위 LoD가 모두 포함하는 구조이다. 각 LoD를 구성하기 위해 이전 LoD 대비 새롭게 추가되는 포인트 클라우드 데이터(point cloud data)의 집합을 리테인(retained) 집합으로 정의한다. Octree 구조를 기반으로 LoD를 생성하는 경우 detail이 증가되는 방향, 즉, octree depth level이 증가하는 방향으로 LoD가 증가하도록 정의할 수 있으며, 이에 따라 새롭게 추가되는 octree depth layer를 retained 집합으로 고려할 수 있다. 이 때, 다음과 같이 다양한 방법으로 retained 집합을 고려할 수 있다.
1) 하나 혹은 복수의 octree depth level에 대해 sampling 된 point 를 retained 집합에 속한 data로 볼 수 있다. 즉, 하나 혹은 복수의 octree depth level에 대해 sampling 된 (occupied node에 매칭되는) point들의 집합을 LoD retained 집합으로 고려할 수 있다.
2) 또한 하나의 octree depth level에 대해 sampling 된 point들을 일정 기준에 의해 복수의 LoD retained 집합으로 나누어 고려할 수도 있다. 이 때, 하나의 octree depth level을 나누는 다양한 기준이 고려될 수 있다.
예를 들어 M개의 retained 그룹으로 나누는 경우
(1) 집합 내의 data가 연속된 morton code를 갖는 M 개의 집합이 되도록 하는 경우
(2) morton code 순서 index를 M으로 나눈 나머지가 같은 것끼리 모으는 경우
(3) 형제 노드로 묶었을 때 같은 위치에 있는 것끼리 묶어주는 경우 등을 고려할 수 있으며, 이와 같은 방법은 별도로 시그널링 해줄 수 있다.
3) 또한 필요한 경우 복수의 octree depth level의 sampling 된 point 들의 일부들의 집합으로 retained 집합을 고려할 수도 있다.
도21은 실시예들에 따른 보유(Retained) 집합 생성을 나타낸다.
실시예들에 따른 방법/장치는 전술한 바와 같이 LoD를 위한 리테인 집합을 생성할 수 있다.
실시예들에 따른 방법/장치는 지오메트리 데이터에 기반하여 옥트리를 생성하고, 옥트리 기반 LoD 생성을 위해서 LoD구성을 위한 데이터 집합을 생성할 수 있다.
예를 들어, 옥트리 뎁스 레벨이 0부터 7까지(루트 노드부터 리프 노드까지) 존재하는 경우, 도21과 같이 하나 또는 하나 이상의 뎁스들에 속하는 포인트 클라우드 데이터를 리테인 집합으로 생성할 수 있다. 리테인 데이터0은 옥트리 뎁스 레벨 0내지4에 있는 노드에 속하는 포인트 클라우드 데이터를 포함할 수 있다. 리테인 데이터1은 옥트리 뎁스 레벨 5에 속한 포인트 클라우드 데이터를 포함할 수 있다. 리테인 데이터2는 옥트리 뎁스 레벨 6에 속한 포인트 클라우드 데이터를 포함할 수 있다. 옥트리 뎁스 레벨 7은 뎁스에 속한 노드들의 포인트 클라우드 데이터를 추가로 분할하여 집합을 생성할 수 있다. 예를 들어, 옥트리 뎁스 레벨7은 이 예시에서 리프 노드이고, 추가적으로 세 개의 집합들로 분할할 수 있다. 전술한 바와 같이, 레벨7 에 속한 포인트들의 몰톤 코드의 인덱스를 분할 개수인 3을 기준으로 나눠서 나머지가 같은 포인트들끼리 집합으로 생성할 수 있다. 리테인 데이터 3은 3모듈레이션 결과 1인 경우, 리테인 데이터는 3모듈레이션 결과2인 경우, 리테인 데이터5은 그 외의 포인트들일 수 있다.
LoD 집합 생성
옥트리(octree) 구조를 기반으로 리테인(retained) 집합을 구성하면 LoD generation 방법과 마찬가지로 상위 LoD가 하위 LoD를 포함하도록 구성할 수 있다.
도22는 실시예들에 따른 LoD 생성을 나타낸다.
실시예들에 따른 방법/장치는 도22와 같이 LoD를 생성할 수 있다. 즉, n번쨰 뎁스의 LoD는 리프 노드의 LoD 및 리테인 집합 데이터들을 포함할 수 있고, n-1번째 LoD 및 n번째 리테인 집합으로 표현할 수도 있다.
한편, 실시예들에 따른 옥트리 뎁스 레벨은 옥트리 뎁스 레이어, 레벨, 레이어 등으로 다양하게 지칭될 수 있다.
실시예들에 따른 방법/장치는 도21에서 설명한 바와 같이, 옥트리에 기반하여 데이터 집합을 생성하고, 도22와 같이, 데이터 집합으로부터 LoD를 생성할 수 있다.
도22는 옥트리(octree) 기반 LoD generation 에 대한 실시예이다. 루트 레벨(Root level) 을 제외하고 7개의 레벨(level)을 갖는 옥트리(octree) 구조에서 루트(root)부터 옥트리 뎁스 레벨(octree depth level) 4까지 LoD 0로 생성할 수 있다. 옥트리 뎁스 레벨(Octree depth layer) 5와 6은 각각 리테인 데이터 1 및 2(retained 1, 2)로 구성하여, 루트(root)부터 레이어(layer) 5까지 LoD 1로 생성할 수 있다. 루트(root)부터 레이어(layer) 6까지를 LoD2로 생성할 수 있다. 옥트리 뎁스 레이어(Octree depth layer) 7의 경우 세개의 리데인 데이터(retained)로 분할될 수 있다. 이전 LoD (본 실시예에서는 LoD 2)에서 선택되지 않은 포인트 클라우드 데이터(point cloud data)를 몰톤 코드(morton code)로 정렬한 상태에서 3으로 나눈 나머지에 따라, 리테인 데이터 3, 4, 및 5(retained 3,4,5)를 생성할 수 있다. 따라서 LoD 3은 LoD 2 + retained 3가 되고, LoD 4는 LoD2 + retained 3 + retained 4가 될 수 있다. 마지막으로 LoD 5는 전체를 나타낼 수 있다.
옥트리 구조 기반 빠른 예측(Fast prediction strategy using octree structure)
실시예들에 따라 생성된 LoD를 프레딕션 리프팅 트랜스폼(Prediction Lifting transform) 기반의 어트리뷰트 코딩(attribute coding)에 사용하는 경우, 도23과 같이 하위 LoD 의 포인트(point)를 예측(prediction)하는 과정에서 이전 LoD에 포함된 포인트(point)를 (혹은 동일 LoD에 존재하는 point)를 사용할 수 있다.
도23은 실시예들에 따른 패스트 프레딕션을 나타낸다.
실시예들에 따른 방법/장치는 도21과 같이 옥트리 기반 데이터 집합을 생성하고, 도22와 같이 옥트리 기반 LoD를 생성하고, 도23과 같이 예측 기반 어트리뷰트 코딩을 수행할 수 있다.
예측(prediction) 시 인접한 포인트(point)를 찾는 과정에서 거리 기반의 최근접 이웃(nearest neighbo)을 찾는 알고리즘이 많은 시간을 요구한다. 일반적으로 LoD가 증가하는 순서 내에서 몰톤 코드(morton code)가 증가하는 순서로 정렬된 포인트(point)들에 대해 이웃(neighbor) 일정 범위(range) 내의 포인트(point)들 중에서 이웃(neighbor)를 찾는 방법을 사용한다.
실시예들은 옥트리(octree) 구조에 기반하여 LoD를 구성하고, 이러한 옥트리 구조(octree structure)에서 존재하는 위치적 유사성 (자식 노드(child node, 또는 하위 노드) 간의 위치 유사성)을 기반으로 이웃(neighbor)를 정의할 수 있다. 이 경우 도24와 같이 LoD 에 대한 제약 만 아니라 옥트리 구조(octree structure) 상에서 상위 노드(node)(부모 노드)를 기반으로 이웃(neighbor)을 찾는 방법을 사용함으로써 네이버 서치(neighbor search) 시간을 효과적으로 줄일 수 있는 효과가 있다.
도24는 실시예들에 따른 옥트리 및 LoD 기반 이웃 서치를 나타낸다.
실시예들에 송신기 및 수신기는 도24와 같이, 동일한 과정을 통해 LoD를 생성하고, 응용 분야에서 사용하고자 하는 LoD에 따른 어트리뷰트 디코딩(attribute decoding)을 위한 예측(prediction), 변환(transformation) 등을 수행할 수 있다. 또한, 최종 출력에 대해서도 임의의 LoD level에 대해 출력을 수행할 수 있다.
예를 들어, 실시예들에 따른 옥트리 기반 LoD에 기반하여, LoD2(2400)에 대응하는 옥트리 뎁스 레벨 6에서 어트리뷰트 인코딩 및/또는 어트리뷰트 디코딩을 수행하는 경우, LoD2, LoD1, 및 LoD0 에서 현재 포인트의 어트리뷰트와 가장 유사한 어트리뷰를 가진 이웃 포인트를 효율적으로 찾을 수 있다.
도25는 실시예들에 따른 포인트 클라우드 데이터를 포함하는 비트스트림을 나타낸다.
실시예들에 따른 방법/장치는 도25와 같은 비트스트림을 생성할 수 있다. 비트스트림은 인코딩된 지오메트리 데이터 및 어트리뷰트 데이터를 포함하고, 파라미터 정보를 포함할 수 있다.
파라미터 정보에 관한 신택스 및 시맨틱스(Syntax and semantics)는 다음과 같다.
실시예들에 따르 분리된 slice에 대한 정보를 아래와 같이 비트스트림의 파라미터 세트(parameter set) 및 SEI 메시지(message)에 정의할 수 있다.
비트스트림은 시퀀스 파라미터 세트(sequence parameter set), 지오메트리 파라미터 세트(geometry parameter set), 어트리뷰트파라미터 세트(attribute parameter set)및 지오메트리 슬라이스 헤더(geometry slice header) 및 어트리뷰트 슬라이스 헤더(attribute slice header) 등을 포함할 수 있다. 어플리케이션, 시스템에 따라 상응되는 위치 혹은 별도의 위치에 정의하여 적용 범위, 적용 방법 등을 다르게 사용할 수 있다. 즉 시그널이 전달되는 위치에 따라 서로 다른 의미를 가질 수 있는데 만약 SPS에 정의되는 경우 시퀀스 전체에 동일하게 적용될 수 있으며, GPS에 정의되는 경우 위치 복원에 사용됨을 나타낼 수 있으며, APS에 정의되는 경우 속성 복원에 적용됨을 나타낼 수 있으며, TPS에 정의되는 경우 tile 내의 포인트에 대해서만 해당 시그널링 적용됨을 나타낼 수 있으며, slice 단위에 전달되는 경우 해당 slice 에 대해서만 시그널이 적용됨을 나타낼 수 있다. 또한 어플리케이션, 시스템에 따라 상응되는 위치 혹은 별도의 위치에 정의하여 적용 범위, 적용 방법 등을 다르게 사용할 수 있다. 또한 아래 정의된 신택스 엘리먼트(syntax element)가 현재 포인트 클라우드 데이터 스트림(point cloud data stream) 뿐 아니라 복수의 포인트 클라우드 데이터 스트림(point cloud data stream)에 적용될 수 있는 경우에는 상위 개념의 파라미터 세트(parameter set) 등을 통해 전달할 수 있다.
각 약어는 다음을 의미한다. SPS: Sequence Parameter Set, GPS: Geometry Parameter Set, APS: Attribute Parameter Set, TPS: Tile Parameter Set, Geom: Geometry bitstream = geometry slice header+ geometry slice data, Attr: Attrobite bitstream = attribute slice header + attribute slice data.
실시예들은 코딩(coding) 기법과 독립적으로 해당 정보를 정의하지만, 코딩(coding 방법과 연계하여 정의할 수 있으며, 지역적으로 서로 다른 scalability를 지원하기 위해 비트스트림의 타일 파라미터 세트(tile parameter set)에 정의할 수 있다. 또한 아래 정의된 신택스 엘리먼트(syntax element)가 현재 포인트 클라우드 데이터 스트림(point cloud data stream) 뿐 아니라 복수의 포인트 클라우드 데이터 스트림(point cloud data stream)에 적용될 수 있는 경우에는 상위 개념의 파라미터 세트(parameter set) 등을 통해 전달할 수 있다.
혹은 비트스트림에 대하여NAL (Network abstract layer) 단위를 정의하고 레이어 아이디(layer_id)와 같이 layer를 선택할 수 있는 관련 정보를 전달함으로써 시스템 레벨(system level)에서 비트스트림(bitstream)을 선택할 수도 있다.
이하, 실시예들에 따른 파라미터(메타데이터, 시그널링 정보 등 다양하게 호칭 가능함)는 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.
TPS는 타일에 관한 정보를 포함할 수 있다. 예를 들어, 타일에 대한 바운딩 박스의 좌표정보, 너비, 깊이, 뎁스 정보 등을 전달할 수 있다.
슬라이스는 지오메트리 및/또는 어트리뷰트에 관한 정보를 포함할 수 있다. 예를 들어, 지오메트리는 지오메트리 슬라이스 헤더 및 지오메트리 슬라이스 데이터를 포함할 수 있다. 슬라이스는 데이터 유닛으로 지칭이 가능하다. 지오메트리 슬라이스 헤더는 지오메트리에 관한 파라미터 세트 아이디, 지오메트리 슬라이스가 속한 타일에 관한 아이디, 슬라이스에 관한 아이디, 지오메트리를 포함하는 바운딩 박스에 관한 위치, 노드 사이즈, 지오메트리 포인트 개수 정보 등을 포함할 수 있다. 어트리트에 관한 정보도 마찬가지로 적용된다.
이하에서, 비트스트림에 포함된 파라미터의 신택스/시맨틱스를 설명한다.
도26은 실시예들에 따른 어트리뷰트 파라미터 세트를 나타낸다.
어트리뷰트 파라미터 세트 아이디(aps_attr_parameter_set_id): 어트리뷰트 파라미터 세트를 식별한다.
시퀀스 파라미터 세트 아이디(aps_seq_parameter_set_id): 어트리뷰프 파라미터 세트에 관한 시퀀스 파라미터 세트를 식별한다.
옥트리 기반 레이어링 플래그(octree_based_layering_flag): 1인 경우 디코딩된 PCC데이터(decoded PCC data)가 옥트리(octree) 기반으로 구성되었으며, 레이어된 데이터(layered data)의 형태 (예를 들어 실시예들과 같이 Level of Detail - LoD 와 매칭) 임을 나타낸다. 이 경우 응용 분야에서 사용하는 레이어(layer)를 표현하기 위한 옥트리 뎁스 레이어(octree depth level)과의 관계성에 대한 정보를 전달할 수 있다.
레이어 개수(num_layers): 응용 분야에서 사용하는 레이어(layer)의 개수를 나타내며, 예를 들어 LoD 의 개수를 나타낼 수 있다. 응용 분야에 따라 명시적으로 전달하거나, 주어진 정보를 통해 아래와 같이 유추할 수도 있다.
Figure PCTKR2022010267-appb-img-000004
인덱스 개수(num_index): 응용 분야에서 사용하는 레이어(layer)에 매칭되는 옥트리 뎁스 레벨(octree octree depth level)과 매칭되는 레이어(layer)의 개수를 나타낸다.
옥트리 레벨 스타트(octree_level_start): i-th layer (혹은 i-th LoD) 를 구성하기 위해 사용되는 시작 옥트리 뎁스 레벨(octree depth level)을 나타낸다.
옥트리 레벨 개수(num_octree_levels): i-th layer (혹은 i-th LoD)을 구성하기 위해 사용되는 옥트리 뎁스 레벨(octree depth level)의 개수를 나타낸다. 1인 경우 단일 옥트리 뎁스 레벨(octree depth level)에 매칭된 포인트 데이터(point data)가 i-th layer에 속함을 나타나낸다. 1보다 큰 경우 옥트리 레벨 개수(num_octree_levels) 개의 옥트리 뎁스 레벨(octree depth level 에 매칭된 포인트 데이터(point data)가 모두 i-th layer 에 속함을 나타낼 수 있으며, 이 경우 옥트리 레벨 스타트(octree_level_start)부터 옥트리 레벨 스타트+옥트리 레벨 개수-1(octree_level_start + num_octree_levels -1)에 해당하는 옥트리 뎁스 레이어(octree depth layer)가 i-th layer에 속함을 나타낼 수 있다.
멀티플 레이어 존재 플래그(multiple_layers_present_flag): 1인 경우 하나의 옥트리 뎁스 레벨(octree depth level)에 대해 복수의 레이어(layer)에 매칭되는 경우를 나타낼 수 있다. 0인 경우 하나의 octree depth level이 하나의 layer에 매칭 됨을 나타낼 수 있다.
서브 레이어 개수(num_sub_layers): 옥트리 뎁스 레벨(octree depth level)이 매칭되는 레이어(layer)의 수를 나타낸다.
디비전 타입(division_type): 옥트리 뎁스 레벨(octree depth level)을 복수의 레이어(layer) 로 나누는 방법을 나타낸다. 예를 들어 도27과 같은 방법을 구분하는데 디비전 타입(division_type)을 사용할 수 있다.
포인트 개수(num_point): 해당 layer 를 구성하는 point 수를 나타낸다.
도27은 실시예들에 따른 디비전 타입을 나타낸다.
실시예들에 따른 방법/장치는 도27과 같이, 옥트리 뎁스 레벨(octree depth level)을 복수의 레이어(layer) 로 나눌 수 있다.
1) 디비전 개수(num_division[i]) 에 대한 모듈러(modular) 결과가 같은 것끼리 모으는 방법
예를 들어, 도22와 같이, 특정 옥트리 뎁스 레벨을 3개의 레이어(데이터 집합, LOD)들로 분할하는 경우, 몰톤 코드 인덱스 또는 포인트 클라우드 데이터를 대표하는 값을 3으로 나누고 남은 나머지가 1인 포인트 클라우드 데이터, 2인 포인트 클라우드 데이터끼리 레이어로 구성할 수 있다.
2) 일정 개수만큼 순서대로 자르는 방법
예를 들어, 옥트리 뎁스 레벨에 포함된 포인트 클라우드 데이터를 일정한 개수만큼 분류해서 레이어로 구성할 수 있다. 포인트 개수(num_point) 정보에 의해 복수의 레이어들을 표현할 수 있다.
이하에서, 실시예들에 따른 송수신단의 구성요소를 설명한다. 각 구성요소는 프로세서, 소프트웨어, 또는 하드웨어 등에 대응할 수 있다. 또한, 이하의 구성요소는 PCC송수신단 구조 및/또는 시그널링 정보와 함께 결합될 수 있다.
도28은 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도28은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 수행하고, 실시예들에 따른 송신기, 인코더 등으로 지칭될 수 있다. 또한, 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, 도15-16의 인코딩, 도17-20 옥트리 기반 인코딩, 도21-24 LOD기반 인코딩, 도25-26 비트스트림 및 파라미터 생성, 도27 디비전 기반 인코딩, 도28 인코더, 도32-39 서브 그룹 인코딩, 도40 파라미터 생성, 도41 스케일러블 인코딩, 도43 파셜 전송 등에 대응할 수 있다. 도28의 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다.
도28은 PCC 데이터를 인코딩/송신하는 경우에 대한 세부 기능 구성의 실시예이다. 포인트 클라우드 데이터가 입력되면, 인코더에서는 위치 정보 (지오메트리 데이터(geometry data): e.g., XYZ 좌표, 파이-세타(phi-theta) 좌표 등)와 속성 정보 (어트리뷰트 데이터(attribute data): e.g., 컬러(color), 반사도(reflectance), 강도(intensity), 그레이스케일(grayscale), 불투명도(opacity), 매체(medium), 재료(material), 광(glossiness) 등)를 각각 처리 할 수 있다.
이 때, 속성 정보를 처리하는 방법은 (1) 옥트리 노드(octree node)에 포인트 클라우드 데이터(point cloud data)의 어트리뷰트(attribute)와 포지션(position)을 매칭시키는 단계(point cloud data to octree matching) (2) 포인트(point)와 매칭된 옥트리(octree) 구조를 기반으로 LoD를 생성하는 단계(LoD generation) (3) 속성 정보 간 유사성을 추정하고 제거하는 단계, (4) 추정된 정보를 전송에 적합한 포맷 혹은 압축 효율이 높은 도메인으로 변환해주고 양자화하는 단계, 및/또는 (5) 전송을 위한 비트 단위의 데이터로 변환하는 엔트로피 코딩하는 단계 등을 포함할 수 있다.
이 때 (1) 속성 추정 블록(어트리뷰트 예측하는 단계)은 인접한 데이터의 공간 분포 특징을 기반으로 수행될 수 있다. 또한 (2) 변환 블록(변환하는 단계)은 데이터 종류에 따라 다양한 변환 기술 (예를 들어 DCT 계열 변환, 리프팅 트랜스폼(Lifting transform), RAHT, 웨이브릿 트랜스폼(wavelet transform) 계열 등)을 이용할 수 있으며, 변환 하지 않고 양자화(quantization) 후에 데이터를 전송할 수 있다.
옥트리 제너레이터는 포인트 클라우드 데이터의 지오메트리 데이터를 수신하고, 지오메트리 데이터의 위치를 옥트리 구조로 나타낼 수 있다. 포인트 클라우드 데이터를 포함하는 옥트리는 옥트리 매칭 컨트롤러에 제공될 수 있다.
지오메트리 프레딕터는 옥트리에 기반하여 지오메트리 데이터를 인코딩하기 위해서 지오메트리 데이터의 예측값을 생성할 수 있다. 현재 포인트에 대한 예측값을 이웃 노드(포인트)에 기반하여 생성할 수 있다. 현재 포인트와 가장 근접한 이웃을 통해 현재 지오메트리 데이터의 예측값을 생성하고, 현재 지오메트리 데이터와 예측값 간 잔차값을 생성하여 비트스트림을 효율적으로 압축할 수 있다.
엔트로피 인코더는 포인트 클라우드 데이터를 엔트로피 방식에 기반하여 인코딩할 수 있다. 압축된 지오메트리 데이터를 포함하는 지오메트리 비트스트림이 생성될 수 있다.
옥트리 매칭 컨트롤러는 어트리뷰트 데이터 및/또는 옥트리를 수신하고, 전술한 바와 같이, 포인트 클라우드 데이터를 옥트리에 매칭시킬 수 있다.
LOD 제너레이터는 (포인트 클라우드 데이터가 옥트리에 매칭되고) 옥트리에 기반하여 LOD를 생성할 수 있다. 어트리뷰트 데이터는 LOD를 가질 수 있다.
어트리뷰트 프레딕터는 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는 옥트리 기반 LOD로부터 어트리뷰트 데이터를 압축하기 위한 어트리뷰트 데이터의 예측값을 생성할 수 있다. 옥트리의 LOD에 기반하여 현재 어트리뷰트 데이터와 가장 유사한 어트리뷰트 데이터를 이웃으로부터 예측할 수 있고, 현재 어트리뷰트 데이터 및 예측값 간 잔차값을 생성하여 비트스트림을 효율적으로 압축할 수 있다. 어트리뷰트 예측은 LOD마다 수행될 수 있다.
트랜스포머 및 양자화기는 어트리뷰트 데이터를 변환하고, 양자화활 수 있다. 변환 및/또는 양자화는 옥트리 뎁스 레벨마다 수행될 수 있다.
엔트로피 인코더는 어트리뷰트 데이터를 엔트로피 방식에 기반하여 인코딩할 수 있다. 압축된 어트리뷰트 데이터를 포함하는 어트리뷰트 비트스트림이 생성될 수 있다.
실시예들에 따른 채색된 옥트리(colorized octree) 구조에 기반하여 포인트 클라우드 데이터(point cloud data)를 압축할 때 사용 가능한 어트리뷰트 코딩(attribute coding)을 더 구체적으로 설명하면 도29와 같다.
도29는 실시예들에 따른 어트리뷰트 코딩을 나타낸다.
도28 등과 같은 실시예들에 따른 장치/방법은 도29와 같이 어트리뷰트 데이터를 인코딩할 수 있다.
실시예들에 따른 어트리뷰트 인코딩하는 방법은 1) 주변주 노드 검출 및 예측하는 단계, 2) 예측 에러 정보를 생성하는 단계, 3) 어트리뷰트 데이터를 변환하는 단계, 4) 정보를 선택하는 단계, 5) 비트를 전달하는 단계, 및/또는 6) 양자화하는 단계를 포함할 수 있다.
1) 주변주 노드 검출 및 예측하는 단계
주변부 노드를 검출 방법은 일정 범위 내의 자식 노드(child node) 간의 위치 인접성에 기반하여 예측을 수행할 수 있다. 예를 들어 옥트리(Octree) 구조에서 동일 부모 노드(parent node)에서 나온 자식 노드(child node)끼리 인접해있다고 가정할 수 있으며, 인접한 자식 노드(child node) 간에 예측값이 유사하다고 가정할 수 있다. 이에 따라 실시예들은 각 자식 노드(child node)에 대한 예측 값을 각각 구하는 것이 아니라 동일 부모 노드(parent node)를 갖는 형제 노드 (Sibling node)가 같은 예측값을 갖도록 정의한다. 이는 각 자식 노드(child node)를 인코딩할 때 필요한 계수의 개수를 줄임으로써 코딩 효율을 증가시키는데 도움이 될 수 있다. 또한 각 부모 노드(parent node)에 대한 대표적인 값으로 작용함으로써 옥트리(Octree) 구조에 매칭되는 속성을 예측할 수 있다.
도29는 실시예들에 따른 어트리뷰트 예측을 나타낸다.
도29의 2900은 전술한 바와 같이, LOD 레벨 l 및 레벨 l-1 (부모-자식)에 대한 노드의 어트리뷰트 예측값P를 생성하는 과정을 나타낸다. 자식 노드들 예측값(Pl)이 부모 노드에 대해 일정한 것을 나타낸다.
도29는 p l (x, y, z)=c l-1 (x / 2, y / 2, z / 2)와 같이 표현될 수 있다.
2900은 2903과 같이 표현될 수 있다.
p l-1은 부모 노드이고, p l은 자식 노드이고, 자식 노드에 있는 형제 노드들이 부모와 같은 속성을 가질 수 있다.
2) 예측 에러 정보를 생성하는 단계
예측 정보를 기반으로 각 자식 노드(child node)의 속성 예측 에러를 2901과 같이 구할 수 있다. 실시예들에 따른 방법/장치는 원본 속성 값(29011)과 예측 속성 값(29012)의 차이를 사용할 수 있다. 또한, 실시 방법 혹은 목적에 따라 다른 방법, 예를 들어, 가중치 기반 차이(weighted difference), 가중치 기반 평균 차이(weighted averaged difference) 등을 사용할 수 있다.
주변주 노드 검출 및 예측하는 단계 및 예측 에러 정보를 생성하는 단계는 전술한 속성 코딩 방법 중 예측 변환 방법에서 수행될 수 있다.
3) 어트리뷰트 데이터를 변환하는 단계
어트리뷰트 데이터를 변환하는 단계는 전술한 속성 코딩 방법 중 리프팅 변환 방법 및/또는 RAHT 변환을 적용할 수 있다.
4) 정보를 선택하는 단계
실시예들에 따르면, 하위 레벨(level)의 노드(node) (리프 노드(leaf node) 방향)에 대해서는 큰 레벨(level) 값 (n=N) 을 갖고 상위 레벨(level)의 노드(node) (루트 노드(root node))에 대해서는 작은 레벨(level) 값 (n=0)을 갖도록 정의할 수 있다. (경우에 따라서는 역순도 가능하다.) 이 때 각 레벨(level)에 따라서 전달하는 정보의 종류가 다른데 가장 상위 레벨(level)에 대해서는 예측 속성 값을 전달하는 반면 하위 레벨(level) 들에 대해서는 예측 에러를 전달할 수 있다.
5) 비트를 전달하는 단계
데이터의 전달 순서는 디코더 처리 과정을 고려하여 레벨(level) 별로 전달할 수 있는데, 상위 레벨(level)의 예측 속성 값으로 시작하여 레벨(level)이 증가하는 순서로, 각 레벨(level) 안에서는 XYZ 축으로 증가하는 순서 (예를 들어, 몰톤 코드(morton code) 순서)로 전달할 수 있다. 필요한 경우 리오더링(reordering) 과정을 추가할 수 있다.
6) 양자화하는 단계를 포함할 수 있다.
예측값 및 예측 에러에 대해 2902과 같은 양자화 과정을 거칠 수 있다. 양자화 정도는 양자화 계수 (q)에 의해 결정되며 예측값 및 예측 에러에 따라, 혹은 레벨(level)에 따라 서로 다른 양자화 계수를 사용할 수 있다. 양자화 계수 및 라운드(round)함수에 기반하여 예측값 및 예측 에러를 양자화할 수 있다.
도30은 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
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, 도30 디코더, 도41 스케일러블 디코더 등에서 도15의 LOD기반하여 어트리뷰트 데이터를 디코딩 등이 도30의 장치에 의해서 수행될 수 있다. 도30의 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다.
도30을 참조하여, PCC 데이터를 수신/디코딩하는 경우에 대한 세부 기능 구성의 실시예를 설명한다. 비트스트림이 입력되면 수신기는 위치 정보에 대한 비트스트림과 속성 정보에 대한 비트스트림을 구분하여 처리할 수 있다. 위치 정보에 대한 비트스트림은 엔트로피 디코딩 후에 옥트리(octree)를 재생성하는 과정을 거칠 수 있다. 속성 비트스트림은 (1) 엔트로피 디코딩, (2) 역양자화, (3) 역변환 과정을 거친 후 (4) 속성 정보 예측을 하고 옥트리 노드(octree node)에 대응되는 어트리뷰트(attribute)를 재구성하는 과정 (채색된 옥트리 재생성(colorized octree regeneration))을 거칠 수 있다. (5) 포인트 클라우드 데이터(point cloud data) 출력을 위해 디코딩된 옥트리 레벨(decoded octree level)의 포인트 클라우드 데이터(point cloud data)를 모으는 과정 (포인트 클라우드 데이터 병합(point cloud data aggregation)) 후에 어트리뷰트 데이터(attribute data)를 출력할 수 있다.
위치, 위치 정보, 지오메트리, 지오메트리 데이터는 서로 대응하는 용어로 해석될 수 있다. 속성, 속성 정보, 어트리뷰트, 어트리뷰트 데이터는 서로 대응하는 용어로 해석될 수 있다.
엔트로피 디코더는 비트스트림을 수신할 수 있다. 비트스트림(도40)은 지오메트리 비트스트림 및 어트리뷰트 비트스트림을 포함할 수 있다. 엔트로피 디코더는 지오메트리 비트스트림에 포함된 지오메트리 데이터를 엔트로피 방식에 기초하여 디코딩할 수 있다.
옥트리 리제너레이터는 지오메트리 데이터를 출력하고, 지오메트리 데이터에 기반한 옥트리 구조(옥트리)를 생성할 수 있다. 옥트리는 지오메트리 데이터의 포인트의 위치에 기반하여 계층적으로 상위(부모)/하위(자식) 노드 간 포함 관계를 나타낸다.
엔트로피 디코더는 비트스트림을 수신하고, 어트리뷰트 비트스트림에 포함된 어트리뷰트 데이터를 엔트로피 방식에 기초하여 디코딩할 수 있다.
역 양자화기는 어트리뷰트 데이터를 역으로 양자화할 수 있다. 송신 측에서, 양자화 계수에 기반하여 양자화된 데이터를 역으로 양자화할 수 있다. 역 양자화된 잔차값(예측 에러) 및/또는 예측 어트리뷰트를 생성할 수 있다.
역 변환기는 어트리뷰트 데이터를 역으로 변환할 수 있다. 송신 측에서 변환된 어트리뷰트 데이터를 역으로 변환할 수 있다. 역 변환기는 역 변환된 잔차값(예측 에러) 및/또는 예측 어트리뷰트를 생성할 수 있다.
예측 및 재생성기는 지오메트리 데이터 기반 옥트리를 수신할 수 있다. 예측기(재생성기)는 지오메트리 기반 옥트리에 어트리뷰트 데이터를 매칭시킬 수 있다. 지오메트리-어트리뷰트 기반 옥트리는 채색된 옥트리로 지칭될 수 있다. 어트리뷰트 데이터(컬러)가 옥트리의 노드에 매칭될 수 있다. 예측기(재생성기)는 표현(representation) 뎁스 레벨을 수신하고, 뎁스 레벨에 기반하여 컬러라이즈드 옥트리를 표현할 수 있다.
lod 기반 스케일러블 표현기는 컬러라이즈드 옥트리 및 뎁스 레벨에 기반하여 어트리뷰트 데이터를 스케일러블하게 표현할 수 있다. 스케일럽르 LOD기반 어트리뷰트 데이터가 생성될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 장치의 추가 동작을 더 설명하면 다음과 같다.
(1) 주변부 노드 검출
수신부는 송신부와 동일한 방법으로, 위치 정보 재구성을 위한 옥트리(Octree) 구조를 기반으로 주변부 노드를 검출할 수 있다. 주변부 노드를 동일 부모(parent)를 갖는 형제 노드 (sibling node)로 정의할 수 있다. 만약 주변부 노드에 대한 다른 정의(예를 들어, 다른 크기)를 사용하는 경우 사용하는 수신부에서 주변부 노드를 검출하기 위한 정보를 전달할 수 있다. 송신 장치가 수신 장치에 필요한 추가 정보를 비트스트림에 포함시켜서 전달할 수 있다.
(2) 주변부 노트 정보에 기반한 속성 예측
수신부는 송신부 속성 예측의 역순으로 레벨(level)이 내려가면서 (루트(root)로부터 리프(leaf)로 향하는 방향) 속성을 예측한다(현재 어트리뷰트의 데이터를 위한 예측 데이터를 생성한다). 예측 기법은 송신부에서 사용한 방법과 동일한 방법을 사용하며, 부모 노드(parent node)의 복원된 어트리뷰트(reconstructed attribute)를 자식(child)에 대한 얘측(prediction) 값으로 사용할 수 있다. 복수의 방법이 사용될 수 있는 경우 인코딩 시에 사용된 방법 및 추가 정보를 전달할 수 있다. 도31을 참조하면, 속성 예측 과정이 나타나 있다.
도31은 실시예들에 따른 어트리뷰트 프레딕션 및 어트리뷰트 재구성을 나타낸다.
실시예들에 따른 방법/장치는 도31의 3100과 같이, 부모 노드의 복원된 어트리뷰트를 부모 노드의 자식 노드를 위한 예측 데이터로 사용할 수 있다.
실시예들에 따라, 3100은 3102와 같이 표현될 수 있다.
(3) 속성 재구성
수신부는 예측 속성 정보를 기반으로 각 자식 노드(child node)의 속성을 재구성하기 위해서 송신부에서 사용한 예측 오류 생성 방법의 역을 수행한다. 예를 들어 원본 속성과 예측 속성의 차이로 예측 오류를 생성한 경우 도31의 3101과 같이, 추정한 예측 속성과 디코딩된 예측 오류를 더함으로써 속성 정보를 재구성 할 수 있다. 예측 에러 생성 방법이 다양하게 있는 수신기에서 사용해야 하는 방법에 대한 정보를 전달할 수 있다. 송신기는 필요한 정보를 비트스트림에 포함시켜서 수신기에 전달할 수 있다.
(4) 정보 출력
일반적으로는 리프 노드(leaf node)의 속성을 최종 결과로 출력하지만, 수신기 성능, 응용 분야, 정보의 유무 등에 의해 일정 레벨(level)에서 결과를 출력할 수 있다. 이 때, 출력하고자 하는 레벨(level) 및 관련 정보를 전달 할 수 있다.
실시예들에 따른 방법/장치는 레이어 그룹 구조(Layer-group structure)를 고려하여 스케일러블 어트리뷰트 코딩(scalable attribute coding)을 수행할 수 있다.
도28의 포인트 클라우드 데이터 송신 장치, 옥트리 매칭 컨트롤러, LOD 제너레이터, 도30의 포인트 클라우드 수신 장치, 예측기(재구성기), LOD기반 스케일러블 표현기 등은 실시예들에 따른 옥트리를 생성하고 LOD 정보를 매칭하여 포인트 클라우드 데이터를 압축하고 복원할 수 있다. 추가로, 레이어 그룹 구조를 고려하여 옥트리를 추가로 생성하고 LOD 정보를 매칭하여 포인트 클라우드 데이터를 압축하고 복원할 수 있다. 포인트 클라우드 데이터를 스케일러블하게 압축하고 복원할 수 있다.
도32를 참조하면, 3200은 옥트리(octree) 구조를 이용한 지오메트리 레이어 그룹 구조(geometry layer-group structure)를 나타낸다. 각 레이어 그룹(layer-group)은 독립된 슬라이스(slice)를 구성함으로써 스케일러블 트랜스미션(scalable transmission), 프로그레시브 디코딩(progressive decoding), 스파셜 랜덤 억세스(spatial random access)를 지원할 수 있다.
layer-group 1 : Octree depth 0-3
layer-group 2 : octree depth 4-5
layer-group 3 : octree depth 6-7
실시예들에 따른 방법/장치는 전술한 옥트리 구조를 위와 같이 복수의 레이어 그룹들로 표현할 수 있다. 레이어 그룹1은 옥트리 뎁스(뎁스 레벨) 0내지3을 포함할 수 있다. 레이어 그룹2는 옥트리 뎁스 4내지5를 포함할 수 있다. 레이어 그룹3은 옥트리 뎁스6내지7을 포함할 수 있다.
지오메트리 레이어 그룹 구조(geometry layer-group structure)를 기반으로 속성 압축에 사용되는 LoD 구조를 생성할 수 있다. 3201은 레이어 그룹 구조(layer-group structure)를 기반으로 속성 압축 구조를 생성한 것으로 각 슬라이스(slice)는 각 LoD와 대응될 수 있다. 이때, 후속 슬라이스(slice)에는 선행 슬라이스(slice)와 중복되지 않는 노드의 정보들이 포함되도록 구성할 수 있다.
LoD 1 : layer-group 1
LoD 2 : layer-group 2
LoD 3 : layer-group 3
예를 들어, LOD1은 레이어 그룹1에 대응하고, LOD2는 레이어 그룹2에 대응하고, LOD3은 레이어 그룹3에 대응할 수 있다.
도32는 실시예들에 따른 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는 옥트리를 포함하는 비트스트림 구조를 나타낸다.
도28, 도30의 장치는 도32와 같은 구조로 비트스트림을 생성하고, 파싱할 수 있다.
도28, 도30, 대응하는 장치 등은 도32와 같이 옥트리-레이어 그룹-LOD-슬라이스-비트스트림 관계를 이용하여 포인트 클라우드 데이터를 압축하고 복원할 수 있다.
레이어 그룹 구조(Layer-group structure)에 기반하여 슬라이스(slice)를 구성한 지오메트리 / 어트리뷰트 비트스트림(geometry / attribute bitstream)에 대해 수신기는 성능 / 유즈 케이스(use case) 등에 따라 슬라이스(slice)를 선택적으로 사용할 수 있다. 도33 예시는 지오메트리/어트리뷰트(geom / attr) 각각 슬라이스3(slice 3)을 사용하지 않는 경우를 나타낸다. 이 경우 옥트리 뎁스5/ LOD2(octree depth 5 / LoD 2)에 해당하는 정보를 출력함으로써 옥트리 뎁스(octree depth)에 대해 파셜 디코딩(partial decoding) 혹은 스케일러블 디코딩(scalable decoding)을 수행할 수 있다. 이 때 지오메트리 옥트리(geometry octree) 구조에 대응되도록 LoD를 구성했기 때문에 출력 노드에 대해 속성이 일대일 매칭될 수 있다.
지오메트리 코딩 트리 구조에 기반하여, 실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치, 지오메트리 인코더는 도32와 같이 지오메트리 비트스트림을 생성할 수 있다. 지오메트리 비트스트림은 슬라이스 기반으로 인코딩된 지오메트리 데이터를 전달할 수 있다. 지오메트리 데이터는 계층적 트리 구조에 기반하여 복수의 트리 뎁스(레벨, 레이어 등)로 표현될 수 있다. 하나 이상의 트리 뎁스(레벨, 레이어)는 그룹으로 지정될 수 있다. 예를 들어, 그룹 1은 지오메트리 데이터의 뎁스0내지3을 포함하고, 그룹2는 지오메트리 데이터의 뎁스4내지5를 포함하고, 그룹3은 지오메트리 데이터의 뎁스6내지7(리프 노드)를 포함할 수 있다. 하나의 그룹은 하나의 슬라이스에 의해 비트스트림에 포함될 수 있다.
어트리뷰트 코딩 트리 구조에 기반하여, 실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치, 어트리뷰트 인코더는 도32와 같이 어트리뷰트 비트스트림을 생성할 수 있다. 어트리뷰트 비트스트림은 슬라이스 기반으로 인코딩된 어트리뷰트 데이터를 전달할 수 있다. 어트리뷰트 데이터는 계층적 트리 구조에 기반하여 복수의 트리 뎁스(레벨, 레이어 등)로 표현될 수 있다. 하나 이상의 트리 뎁스(레벨, 레이어)는 LOD로 지정될 수 있다. 예를 들어, LOD1은 어트리뷰트 데이터의 뎁스0내지3을 포함하고, LOD2는 어트리뷰트 데이터의 뎁스4내지5룰 포함하고, LOD3는 어트리뷰트 데이터의 뎁스6내지7(리프 노드)를 포함할 수 있다. 하나의 LOD는 하나의 슬라이스에 의해 비트스트림에 포함될 수 있다. 슬라이스1은 LOD1을 전달하고, 슬라이스2는 LOD2를 전달하고, 슬라이스3은 LOD3을 전달할 수 있다.
도33은 실시예들에 따른 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는 옥트리를 포함하는 비트스트림 구조를 나타낸다.
실시예들에 따른 송신 방법/장치는 도32와 같이 포인트 클라우드 데이터를 인코딩하고 전송하고, 송신 방법/장치에 대응하는 수신 방법/장치는 도33과 같이 포인트 클라우드 데이터를 계층적 레이어 구조에 기반하여 디코딩할 수 있다.
예를 들어, 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치, 지오메트리 디코더는 지오메트리 코딩 레이어 구조를 포함하는 지오메트리 비트스트림을 도33과 같이 수신할 수 있다. 지오메트리 비트스트림은 슬라이스 3개 또는 2개를 포함할 수 있다. 실시예들에 따른 수신 방법/장치는 슬라이스 3개 중에서 2개만 디코딩하거나, 2개만 수신할 수 있다. 즉, 복수의 슬라이스들을 파셜하게 전달하거나, 전체를 수신하고 파셜하게 디코딩할 수 있다. 이를 위해서, 지오메트리 코딩 레이어 구조는 루트 노드부터 리프 노드까지 모두 포함하는 레이어 구조를 전체 수신하거나, 파셜 디코딩할 수 있게, 일부 그룹들만을 포함할 수 있다. 혹은 일부 그룹들만을 파셜하게 디코딩될 수 있다. 도33의 지오메트리 코딩 레이어 구조는 레이어 뎁스0(루트 노드) 내지 레이어 뎁스5까지를 포함하거나, 디코딩되는 예시를 나타낸다. 그룹1은 슬라이스1에 의해 전달되고, 그룹2는 슬라이스2에 의해 전달될 수 있다.
예를 들어, 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치, 어트리뷰트 디코더는 어트리뷰트 코딩 트리 구조를 포함하는 어트리뷰트 비트스트림을 도33과 같이 수신할 수 있다. 어트리뷰트 비트스트림은 슬라이스 3개 또는 2개를 포함할 수 있다. 실시예들에 따른 수신 방법/장치는 슬라이스 3개 중에서 2개만을 디코딩하거나, 2개만 수신할 수 있다. 즉, 복수의 슬라이스들을 파셜하게 전달하거나, 전체를 수신화고 파셜하게 디코딩할 수 있다. 이를 위해서, 어트리뷰트 코딩 트리 구조는 루트 노드부터 리프 노드까지 모두 포함하는 트리 구조를 전체 수신하거나, 파셜 디코딩할 수 있게, 일부 LOD들만 포함할 수 있다. 혹은 일부 LOD들만 파셜하게 디코딩할 수 있다. 도33의 어트리뷰트 코딩 트리 구조는 트리 뎁스0(루트 노드) 내지 트리 뎁스5까지를 포함하거나 디코디오디는 예시를 나타낸다. LOD1은 슬아이스1에 의해 전달되고, LOD2는 슬라이스2에 의해 전달될 수 있다.
도34는 실시예들에 따른 LOD 제너레이션을 나타낸다.
실시예들에 따른 송수신 방법/장치는 도34와 같이 LOD를 생성하고, LOD에 기반하여 포인트 클라우드 데이터를 인코딩하고 디코딩할 수 있다.
도34는 스케일러빌리티(scalability) 지원을 위한 LoD 제너레이션(generation) 방법을 나타낸 것이다. 실시예들에 따른 방법/장치는 뎁스(Depth) N-1은 뎁스(Depth) N 에 속한 노드의 속성 중 부모-자식(parent-child) 관계를 기반으로 속성(어트리뷰트 데이터)을 등록할 수 있다. 즉, 노드 c의 경우 자식(child) 노드인 f, g, h 중 하나인 f의 속성을 선택할 수 있다. 재귀적으로 뎁스(Depth) N-2에 대해서도 자식(child) 노드의 속성을 선택할 수 있다.
LoD N-2: a (= d), b (= e)
LoD N-1: c (= f), d (= i), e( k)
LoD N: f, g, h, i, j ,k, l, m
예를 들어, LOD N 레벨(뎁스, 레이어)에 노드 f 내지 노드m이 각각의 어트리뷰트 데이터(예를 들어, 컬러값)을 가진다면, 상위 레벨(뎁스, 레이어)의 어트리뷰트 데이터를 자식 노드들의 속성 중에서 선택할 수 있다. 옥트리 기반 LOD 어트리뷰트 서브 샘플링이라고 지칭할 수 있다. 서브 샘플링된 어트리뷰트 데이터 구조를 통해서, 스케일러블하게 포인트 클라우드 데이터를 인코딩하고 디코딩할 수 있다. 노드c는 자식 노드 f 내지 h 중에서 가장 부모와 유사한 속성을 가진 노드f의 속성을 선택해서 노드 c의 속성으로 설정할 수 있다. 노드a는 자식 노드들 c 및 d 중에서 자신과 가장 유사한 속성을 가진 노드를 d라고 예측해서, d의 속성을 노드a의 속성으로 설정할 수 있다. 낮은 뎁스부터 높은 뎁스로 올라가는 순서로, 서로 같은 속성을 지닌 부모-자식 노드 관계가 생성될 수 있고, 이러한 관계를 통해 스케일러블 코딩이 가능해진다.
여기서, 어트리뷰트 인코딩 시 뎁스 N-2(LOD N-2)부터, 노드 a, 노드b, 노드c, 노드g, h, j, l, m의 어트리뷰트 데이터를 인코딩할 수 있고, 서브 샘플링된 노드들의 어트리뷰트는 추론(예측)될 수 있기 때문에, 새로운 어트리뷰트 데이터만 인코딩할 수 있는 효과가 있다. 예를 들어, 노드 d는 노드a와 같은 속성을 가지고, 노드 e는 노드b와 같은 속성을 가지고, 노드f는 노드c와 같은 속성을 가지고, 노드 i는 노드d와 같은 속성을 가지고, 노드k는 노드e와 같은 속성을 가진다.
이 때, 각 옥트리 뎁스(octree depth)는 LoD와 일대일 매칭 될 수 있으며, 속성 코딩을 하는 경우 상위 LoD와 겹치지 않는 속성만을 압축함으로써 리던던시(redundancy)를 줄일 수 있다.
LoD N-2: 속성 압축되는 노드: a (= d), b (= e)
LoD N-1: 속성 압축되는 노드: c (= f)
LoD N 속성 압축되는 노드: g, h, j, l, m
수신부는 압축된 속성은 복원하되, LoD generation 과정에서 상위 LoD로 샘플링(sampling)된 속성은 부모(parent)의 속성을 기반으로 추정하게 된다.
LoD N-2: 속성 디코딩 되는 노드: a, b
LoD N-1: 속성 디코딩 되는 노드: c
부모(Parent)에 의해 유추되는 노드: d = a, e = b
LoD N: 속성 디코딩 되는 노드: g, h, j, l, m
부모(Parent)에 의해 유추되는 노드: f = c, i = d, k = e
도35는 실시예들에 따른 레이어 그룹 구조를 위한 LOD생성을 나타낸다.
실시예들에 따른 방법/장치는 도35와 같이 레이어 그룹 구조에 기반하여 LOD 생성을 할 수 있다.
레이어 그룹 구조(Layer-group structure)를 고려하는 경우 각 레이어 그룹(layer-group)에 속한 옥트리 뎁스(octree depth) 중 리프(leaf)에 가까운 옥트리 뎁스(octree depth)에 해당하는 뎁스(depth)가 LoD 와 매칭될 수 있다. 도35의 경우 LoD M-1은 뎁스(Depth) N-1, LoD M은 뎁스(Depth) N 과 매칭될 수 있다. LoD 제너레이션(generation)은 부모-자식(parent-child) 관계를 확장하여 조상-후손(ancestor-descendent) 노드 관계를 기반으로 샘플링(sampling)을 수행할 수 있다. 이에 따라 LoD M-1의 경우 a, b 노드가 속하고, LoD M 에는 f, g, h, i, j, k, l, m 노드가 속할 수 있다. 이 때, LoD 제너레이션(generation) 과정에 의해 노드 a, b의 속성은 후손(descendent) 노드 i, k의 속성을 사용할 수 있다.
예를 들어, 레이어 그룹M이 뎁스N 및 뎁스N-1을 포함하는 경우, LOD M은 뎁스 N 및 뎁스 N-1 중에서 리프 노드와 더 가까운 뎁스N을 포함할 수 있다. 즉, LOD M는 노드 f, g, h, i, j, k, l, m을 포함할 수 있다. 레이어 그룹 M-1이 뎁스 N-2를 포함하는 경우, LOD M-1은 리프 노드에 가까운 뎁스 N-2를 포함할 수 있다. 즉, LOD M-1은 노드 a, b를 포함할 수 있다.
LoD M-1: a (= i), b (= k)
LoD M: f, g, h, i, j, k, l, m
속성 압축에는 이전 LoD와 중복되지 않는 노드의 속성이 압축되며, 도35의 경우 i, k 의 경우 LoD M-1의 속성에 사용되기 때문에 (조상-후손(ancestor-descendent_ 관계에 의해 LoD 샘플링(sampling)된 노드를 색상 처리) 속성 압축되지 않는다.
LoD M-1: 속성 압축되는 노드 a (= i), b (= k)
LoD M: 속성 압축되는 노드 f, g, h, j, l, m
수신부는 각 LoD에 대해 복호화를 통해 속성을 복원하며, 조상-후손(ancestor-descendent) 관계를 갖는 노드는 유추할 수 있다.
LoD M-1: 속성 디코딩 되는 노드: a, b
LoD M: 속성 디코딩 되는 노드: f, g, h, j, l, m
부모(Parent)에 의해 유추되는 노드: i = a, k = b
다시 말해, 실시예들에 따른 방법/장치는 노드a, b를 뎁스N-2, LOD M-1, 레이어 그룹 M=1에서 어트리뷰트 인코딩할 수 있고, 뎁스 N, 레이어 그룹 M, LOD M에서 노드 f, g, h, j, l, m을 어트리뷰트 인코딩할 수 있다. 레이어 그룹 M에 속한 뎁스 N-1은 스킵하고, LOD M은 뎁스 N만을 빠르게 처리할 수 있다. 또한, 노드 i, k는 조상 노드 a, b의 속성으로 유추가 가능하므로 딜레이를 감소시킬 수 있다.
LOD 뎁스, 트리 뎁스 등이 커질수록 인코더/디코더는 일정 뎁스를 스킵하고 노드를 빠르게 인코딩/디코딩할 수 있는 효과가 있다.
도36은 실시예들에 따른 레이어 그룹 및 서브 그룹 기반 스파셜 랜덤 엑세스를 나타낸다.
실시예들에 따른 방법/장치는 도36과 같이, 각 레이어 그룹(layer-group)을 복수의 서브 그룹(subgroup)으로 나눔으로써 스파셜 랜덤 억세스(spatial random access)를 지원할 수 있다. 도36은 레이어 그룹(layer-group) 3개에 대해 4 개의 서브 그룹(subgroup)으로 나누는 예를 나타낸 것이다. 어트리뷰트(attribute)에 대해서도 지오메트리 레이어 그룹(geometry layer-group) 구조와 일대일 대응되는 LoD 구조를 생성할 수 있다. 각각의 서브그룹(subgroup)은 독립된 슬라이스(slice)에 전달될 수 있다.
LoD1 = 레이어 그룹(layer-group) 1
LoD2 = 레이어 그룹(layer-group) 2
LoD3 = 레이어 그룹(layer-group) 3
subgroup3-1 = subgroup 3-1
subgroup3-2 = subgroup 3-2
subgroup3-3 = subgroup 3-3
subgroup3-4 = subgroup 3-4
실시예들에 따른 지오메트리 인코더는 지오메트리 데이터를 트리 뎁스(들)을 포함하는 그룹을 분류하고, 그룹을 슬라이스에 포함시킬 수 있고, 그룹을 서브-그룹(들)로 분할하여 서브 슬라이스에 포함시킬 수 있다.
실시예들에 따른 어트리뷰트 인코더는 어트리뷰트 데이터를 트리 뎁스(들)을 포함하는 LOD로 분류하고, LOD를 슬라이스에 포함시킬 수 있고, LOD를 서브 LOD(들)로 분할하여 서브 슬라이스에 포함시킬 수 있다.
도37은 실시예들에 따른 포인트 클라우드 데이터의 적응적 표현을 나타낸다.
실시예들에 따른 방법/장치는 도37과 같이, 포인트 클라우드 데이터를 높은 해상도부터 낮은 해상도까지 다양한 방식으로 제공할 수 있다.
수신부는 필요로 하는 서브 그룹(subgroup)을 선택함으로써 ROI(region of interest)에 대해서 고밀도의 포인트 클라우드 데이터(point cloud data)를 제공할 수 있다. 도37은 서브 그룹(sub-group) 3-3이 선택되는 예를 나타낸 것으로 수신부가 요구하는 ROI 공간과 오버랩(overlap) 되는 서브그룹(subgroup)과 관련된 슬라이스(slice)를 선택할 수 있다. 이를 위해 슬라이스(slice)에는 각 레이어 그룹(layer-group) 및 서브그룹(subgroup)의 영역 정보를 바운딩 박스(bounding box)의 형태로 전달할 수 있다. 어트리뷰트(Attribute)에 대해서도 선택된 서브그룹(subgroup)과 대응되는 서브lod(sub-LoD)를 선택하여 복호화된 노드의 속성을 복원할 수 있다. 또한 응용 분야에 따라서 전체 영역에 대해서는 저밀도(저해상도)의 포인트 분포를, 선택된 영역에 대해서는 고밀도(고해상도)의 포인트 분포를 보이는 것과 같이 영역 적응적으로 밀도를 조절하여 출력을 생성할 수 있다.
도37과 같이, 지오메트리의 계층적 구조는 레이어, 그룹, 서브 그룹으로 생성할 수 있고, 어트리뷰트의 계층적 구조는 트리, 레이어, LOD, 서브LOD 등으로 생성할 수 있다. 계층적 구조는 옥트리를 포함할 수 있으나, 8개의 하위 노드 종속관계뿐만 아니라, 다양한 트리 구조를 포함할 수 있다.
실시예들에 따른 송신 방법/장치는 도37과 같이 트리(레이어) 구조 기반 슬라이스의 비트스트림을 전송하고, 수신 방법/장치는 일부 슬라이스(그룹, 서브 그룹, LOD, 서브 LOD)를 파셜하게 디코딩할 수 있다.
실시예들에 따른 송신 방법/장치는 도37과 같이 트리(레이어) 구조 기반 슬라이스의 비트스트림을 파셜하게 전송하고, 수신 방법/장치는 수신된 슬라이스(그룹, 서브그룹, LOD, 서브LOD)를 모두 디코딩하거나 파셜 디코딩할 수 있다.
도38은 실시예들에 따른 서브 LOD 찾기를 나타낸다.
도37 등과 같이, 이를 지원하기 위해 서브그룹(subgroup)을 압축함에 있어서 서브그룹 바운더리(subgroup boundary)를 기준으로 최근접 이웃 서치(NN search, Nearest Neighbor Search)를 진행할 수 있다. 이는 각각의 서브그룹(subgroup)이 독립적으로 복호화될 수 있도록 보장하는 역할을 한다. 서브 lod(Sub-LoD)는 다음의 조건을 만족하도록 정의할 수 있다.
1) 인접 위치에 속한 노드들의 집합
2) 동일 부모/조상(parent/ancestor)과 관련된 자식/후손(child/descendent)은 동일 서브lod(sub-LoD)에 속하도록 정의
즉, 서브lod(sub-LoD)는 포함되는 노드의 범위로 정의할 수 있다. 각 LoD에 속한 노드의 최근접 이웃(nearest neighbor)을 찾을 때, 현재 LoD가 sub-LoD를 가질 때, 각 노드가 속한 sub-LoD의 공간(sptial) 정보를 바운딩 박스(bounding box)로 나타낼 수 있다. 즉, sub-LoD는 위치상으로 인접한 노드들의 집합으로 정의할 수 있는데, 특정 범위의 위치 (bbox_min ~ bbox_max)에 속하는지 여부를 기반으로 각 노드가 관련된sub-LoD를 찾을 수 있다.
실시예들에 따른 방법/장치, 지오메트리 인코더, 어트리뷰트 인코더, 지오메트리 디코더, 어트리뷰트 디코더는 1) 서브lod 바운딩 박스(Sub-LoD bounding box (boundary)) 찾는 단계, 2) 최근접 이웃 업데이터하는 단계를 포함하거나 수행할 수 있다.
1) Sub-LoD bounding box (boundary) 찾기
인코더 및 디코더에 포함된 최근접 이웃 계산부(Computenearestneighbour)는 각 LOD에 속한 노드들에 대해 거리 인접 노드를 찾는 역할을 한다. 이 때, 서브그룹(subgroup)으로 나뉜 LoD에 대해서는 도38과 같이 서브lod 바운딩 박스(sub-LoD bounding box)와 각 노드의 위치를 비교하여 각 노그가 속한 sub-LoD를 찾을 수 있다.
Vec3<int> nodePos = pointCloud[pointIndex]; // 1. 현재 노드 위치에 대해
if (!(nodePos.x() >= bbox_min.x() && nodePos.x() < bbox_max.x()
&& nodePos.y() >= bbox_min.y() && nodePos.y() < bbox_max.y()
&& nodePos.z() >= bbox_min.z() && nodePos.z() < bbox_max.z())) {
// 2. 노드가 현재 sub-LoD의 bounding box에 속하지 않는 경우 노드를 포함하는 sub-LoD를 찾는다
for (int i = 0; i <= abh.num_sub_groups_minus1[curLayerGroupId]; i++) {
Vec3<int> bbox_min_tmp = abh.vec_bboxOrigin[curLayerGroupId][i];
Vec3<int> bbox_max_tmp = bbox_min_tmp + abh.vec_bboxSize[curLayerGroupId][i];
if (nodePos.x() >= bbox_min_tmp.x() && nodePos.x() < bbox_max_tmp.x()
&& nodePos.y() >= bbox_min_tmp.y() && nodePos.y() < bbox_max_tmp.y()
&& nodePos.z() >= bbox_min_tmp.z() && nodePos.z() < bbox_max_tmp.z()) {
curSubgroupId = i;
bbox_min = bbox_min_tmp;
bbox_max = bbox_max_tmp;
break;
// 3. 노드가 현재 sub-LoD의 bounding box에 속하는 경우 노드를 포함하는 바운딩 박스의 범위 값을 설정한다.
}
도39는 실시예들에 따른 니어스트 네이버를 업데이트하는 방법을 나타낸다.
전술한 바와 같이, 서브 lod 바운딩 박스를 찾은 후, 2. 니어스트 네이어 업데이트하는 단계(Nearest neighbor update)를 수행할 수 있다.
니어스트 네이버 서치(Nearest neighbor search) 알고리즘은 도39와 같이 서브lod(sub-LoD)의 바운딩 박스(bounding box) 정보를 기반으로 주변부 노드가 동일한 sub-LoD에 속한 경우 해당 노드를 위한 프레딕터(predictor)로 선정하고, 다른 sub-LoD에 속하는 경우 프레딕터 후보(predictor candidate)로 선정하지 않을 수 있다.
if (!(nodePos.x() >= bbox_min.x() && nodePos.x() < bbox_max.x()
&& nodePos.y() >= bbox_min.y() && nodePos.y() < bbox_max.y()
&& nodePos.z() >= bbox_min.z() && nodePos.z() < bbox_max.z())) {
return; // 현재 노드에 대해 바운딩 박스에 속하지 여부를 판단하고, 속하지 않으면, 예측자가 될 수 없으므로, 니어스트 네이버를 업데이트하지 않는다(do not update nearest neighbour)
}
}
……
insertNeighbour(
pointIndex1, norm1, aps.num_pred_nearest_neighbours_minus1, neighborCount,
neighbors); // 현재 노드에 대해 서브 lod 바운딩 박스에 속하면, 예측자로 설정할 수 있다.
Sub-LoD에 따른 NN search 는 encoder/decoder에서 동일하게 수행될 수 있다.
도40은 실시예들에 따른 어트리뷰트 데이터 유닛 헤더를 나타낸다.
어트리튜브 데이터 유닛 헤더는 도25의 비트스트림에 포함되고, 도25의 어트리뷰트 슬라이스 헤더에 대응할 수 있다.
레이어 그룹 인에이블 플래그(layer_group_enabled_flag): layer_group_enabled_flag가 1과 같음은 프레임 또는 타일의 속성 비트스트림이 LoD 레이어 또는 해당 subLoD와 일치하는 여러 슬라이스에 포함된다는 것을 나타낸다. Layer_group_enabled_flag가 0과 같으면 프레임 또는 타일의 속성 비트스트림이 단일 슬라이스에 포함됨을 나타낸다.
레이어 그룹 개수(num_layer_groups_minus1): num_layer_groups_minus1 더하기 1은 레이어 그룹이 속성 코딩 트리 구조의 일부인 연속 트리 레이어의 그룹을 나타내는 레이어 그룹의 수를 나타낸다. num_layer_groups_minus1은 0에서 코딩 트리 레이어 수까지의 범위에 있을 수 있다.
레이어 그룹 아이디(layer_group_id): layer_group_id는 프레임 또는 타일의 레이어 그룹의 표시자를 나타낸다. layer_group_id의 범위는 0에서 num_layer_groups_minus1 사이일 수 있다.
종속 슬라이스 플래그(dependent_slice_flag): 1과 동일하며 슬라이스가 ref_slice_id 및 ref_layer_group_id에 의해 표시되는 슬라이스에 종속됨을 나타낸다. 종속_슬라이스_플래그가 0과 같으면 슬라이스가 다른 슬라이스에 종속되지 않고 관련 슬라이스의 디코딩 시작이 될 수 있음을 나타낸다.
레퍼런스 슬라이스 아이디(ref_slice_id): ref_slice_id는 참조 슬라이스의 표시자를 나타낸다. ref_slice_id의 범위는 현재 프레임 또는 현재 타일에 사용되는 slice_id의 범위에 있을 수 있다.
레퍼런스 레이어 그룹 아이디(ref_layer_group_id): ref_layer_group_id는 참조 레이어 그룹의 표시자를 나타낸다. ref_layer_group_id의 범위는 현재 프레임 또는 현재 타일의 0에서 num_layer_group_minus1의 범위에 있을 수 있다.
레이어 개수(num_layers_minus1): 더하기 1은 i번째 레이어 그룹에 포함된 코딩 레이어의 수를 나타낸다. 레이어 그룹의 총 수는 num_layer_groups_minus1에 0과 동일한 i에 대한 모든 (num_layers_minus1[i] + 1)을 추가하여 파생될 수 있다.
레이어 그룹 스트림 길이 비트(layer_group_stream_len_bits): 더하기 1은 신택스 요소 layer_group_stream_len의 비트 길이이다.
레이어 그룹 스트림 길이(layer_group_stream_len): 현재 레이어 그룹 스트림(layer_group_stream(의 길이를 나타낸다.
서브그룹 인에이블 플래그(subgroup_enabled_flag): 1과 동일하며 현재 레이어 그룹이 여러 슬라이스에 포함될 수 있는 하위 그룹으로 구성되어 있음을 나타낸다. subgroup_enabled_flag는 0과 동일하며 현재 레이어 그룹이 단일 슬라이스에 포함되어 있음을 나타낸다. 하위 그룹은 서로 배타적이며 하위 그룹의 합은 레이어 그룹과 동일하다.
서브그룹 개수(num_subgroups_minus1): 더하기 1은 layer_group_id가 나타내는 레이어 그룹의 하위 그룹 수를 나타낸다.
서브그룹 아이디(subgroup_id): layer_group_id가 나타내는 레이어 그룹의 하위 그룹의 지시자를 나타낸다. subgroup_id의 범위는 0에서 num_subgroups_minus1[layer_group_id] 사이일 수 있다. 여기서 subgroup_id는 동일한 layer_group_id에서 슬라이스의 순서를 나타낼 수 있다. 존재하지 않는 경우 subgroup_id는 0으로 유추된다.
레퍼런스 서브그룹 아이디(ref_subgroup_id): ref_layer_group_id가 지시하는 계층-그룹의 참조 서브그룹의 지시자를 나타낸다. ref_subgroup_id의 범위는 현재 layer-group의 0에서 num_subgroup_id_minus1의 범위에 있을 수 있다. 존재하지 않는 경우 subgroup_id는 0으로 유추될 수 있다.
포인트 개수 비트(num_points_bits_minus1): 더하기 1은 구문 요소 num_points의 비트 길이이다.
포인트 개수(num_points): 현재 슬라이스를 디코딩하여 출력 포인트의 수를 나타낸다.
서브그룹 바운딩 박스 오리진 비트(subgroup_bbox_origin_bits_minus1): 더하기 1은 구문 요소 subgroup_bbox_origin의 비트 길이이다.
서브그룹 바운딩 박스 오리진(subgroup_bbox_origin): layer_group_id가 나타내는 레이어 그룹의 subgroup_id가 나타내는 서브그룹의 경계 상자의 원점을 나타낸다.
서브그룹 바운딩박스 사이즈 비트(subgroup_bbox_size_bits_minus1): 더하기 1은 구문 요소 subgroup_bbox_size의 비트 길이이다.
서브그룹 바운딩 박스 사이즈(subgroup_bbox_size): layer_group_id에 의해 표시되는 레이어 그룹의 subgroup_id에 의해 표시되는 하위 그룹의 하위 그룹 경계 상자의 원점을 나타낸다.
도41은 실시예들에 따른 포인트 클라우드 데이터 인코더/디코더를 나타낸다.
도41은 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, 도28 인코더 등에서 지오메트리 데이터의 옥트리에 기반하여 어트리뷰트 데이터에 대한 LOD를 생성하는 과정, 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, 도30 디코더 등에 대응할 수 있다.
실시예들에 따른 LoD생성은 적은 연산량을 바탕으로 프레딕션 및 리프팅 트랜스폼(Prediction and Lifting transform) 속성 압축/복원하는 효과를 가진다.
실시예들에 따른 포인트 클라우드 데이터(point cloud data) 구조(도15 내지 37)를 기반으로 포인트 클라우드 컴프레션(point cloud compression)을 수행하고, 압축 방법에 따른 하나의 압축된 비트스트림(bitstream)을 기반으로 다양한 성능의 수신기를 지원할 수 있다. 예를 들어, 다양한 성능의 디코더를 대상으로 정보를 압축하는 경우, 각각의 디코더 성능에 맞는 독립된 압축 정보를 생성하거나 저장하는 대신 하나의 비트스트림을 통해 다양한 성능의 수신기를 지원할 수 있다. 송신부 저장 공간 및 비트 효율 측면에서 효과가 있다. 또한 전송 대역폭의 제한이 있는 경우 송신부에서 저해상도 포인트 클라우드 데이터(point cloud data) 생성 후 전달할 수 있는 효과가 있다.
실시예들에 딸느 포인트 클라우드 데이터를 전달 받는 경우 수신부는 적은 연산량으로 지오메트리 디코딩(geometry decoding)과 거의 동시에 속성 정보를 복원함으로써 로우 딜레이(low-delay)가 요구되는 송수신 시스템에서 사용할 수 있는 효과가 있다.
속성 정보의 출력 레벨을 선택하는 경우 로우 컴퓨팅 파워(low computational power)를 갖는 수신기에서도 해당 수신기의 성능에 맞는 속성 정보를 딜레이(delay) 없이 출력할 수 있는 효과가 있다. 예를 들어 속성 디코딩 및 재구성에서 수신기의 성능 혹은 시스템의 요구사항에 따라 서로 다른 결과를 출력할 수 있다. 이 때, 디코딩 되거나 재구성 된 각 레벨(level)의 속성은 해당 레벨(level)의 옥트리 노드(Octree node)와 매칭된 속성값으로 사용될 수 있다. 포인트 클라우드 코딩(point cloud coding) 특성에 따라 컬러라이즈드 옥트리(colorized octree)가 전송된 경우 출력 성능에 따라서 혹은 렌더러 성능에 따라서 옥트리 레벨(octree level)을 선택할 수 있다. 수신기에서 출력 혹은 렌더링 성능을 고려하여 디코딩 후 복원된 포인트 클라우드 데이터(point cloud data)에 옥트리 컬러라이제이션(octree colorization)을 수행한 후 저해상도 영상을 출력 혹은 렌더링 할 수 있다.
도41를 참조하면, 실시예들에 따른 포인트 클라우드 데이터 송신 장치 또는 인코더(지오메트리 인코더, 어트리뷰트 인코더, 스케일러블 인코더 등으로 지칭 가능함)는 소스 지오메트리 및 소스 어트리뷰트를 전술한 바와 같이 스케일러블하게 압축(인코딩)할 수 있다. 싱글 PCC 비트스트림을 생성하여 전송할 수 있다. 비트스트림 셀렉터는 인코더와 연계하여, 디코더로 비트스트림을 선택적으로 전송할 수 있다. 예를 들어, 스케일러블 디코더의 성능을 고려하여 다양한 비트스트림 구성을 디코딩할 수 있다. 파셜 지오메트리 및 파셜 어트리뷰트를 포함하는 비트스트림을 전송할 수 있고, 풀 지오메트리 및 파셜 어트리뷰트를 포함하는 비트스트림을 디코딩할 수 있고, 풀 지오메트리 및 풀 어트리뷰트를 포함하는 비트스트림을 디코딩할 수 있다. 비트스트림을 저장할 수 있는 스토리지가 인코딩된 비트스트림을 저장하고, 비트스트림 일부/전체를 디코더에 전달할 수 있다. 실시예들에 따른 계층 구조(레이어 구조, 그룹 구조, LOD 구조 등으로 지칭 가능함)에 기반하여 생성된 싱글 비트스트림 한번에 전송하고 디코더가 스케일러블하게 전체 및/또는 일부 포인트 클라우드 데이터를 수신기 성능에 맞게 디코딩할 수 있다.
도42는 실시예들에 따른 포인트 클라우드 데이터를 나타낸다.
도42는 도8과 같이 LOD에 따른 포인트 클라우드 데이터의 표현 예시를 나타낸다. 예를 들어, LOD가 커질수록 데이터 표현의 디테일이 증가한다. 즉, 저해상도 내지 고해상도를 포함하는 데이터를 실시예들에 따른 매칭된 옥트리에 기반하여 포함할 수 있다.
도43은 실시예들에 따른 옥트리 레벨에 따른 포인트 클라우드 데이터의 전송을 나타낸다.
도43은 실시예들에 따른 포인트 클라우드 데이터(point cloud data)를 구성하는 경우 옥트리 레벨(octree level)에 따라 다양하게 정보가 전달되는 예시를 나타낸다. 여기에서는 세가지 예시를 고려할 수 있는데, 1) 지오메트리(geometry)와 어트리뷰트(attribute)가 모두 전체 뎁스(full depth)로 전달되는 경우, 2) 지오메트리(geometry)와 어트리뷰트(attribute)의 일부 뎁스(partial depth)로 전달되는 경우, 3) 지오메트리(geometry)는 전부가 전달되고 어트리뷰트(attribute)는 일부가 전달되는 경우를 고려할 수 있다. 이 때 수신기는 서로 다른 정도의 정보를 출력할 수 있다.
도43과 같이, 인코더는 파셜 옥트리의 지오메트리 비트스트림을 옥트리 뎁스에 따라 구성하고, 대응하는 파셜 어트리뷰트 비트스트림을 생성하여 전송할 수 있다. 옥트리 뎁스 레벨이 루트 노드(레벨)에 가까울수록 로우 레졸루션 포인트 클라우드 데이터를 디코딩할 수 있고, 옥트리 뎁스 레벨이 리프 노드(레벨)에 가까울수록 풀 레졸루션 포인트 클라우드 데이터를 디코딩할 수 있다. 파셜 지오메트리를 전송하는 경우, 나머지 지오메트리 데이터는 수신기(디코더)에서 프리젠테이션되지 않지만, 어트리뷰트 디코딩을 위해서 필요한 정보로 디코더에 제공될 수 있다.
도44는 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
S4400, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계를 포함할 수 있다.
실시예들에 따른 인코딩 동작은 도1 포인트 클라우드 비디오 인코더10002, 도2 인코딩20001, 도4 인코더, 도12 송신 장치, 도15 XR 디바이스1430, 도15-19 옥트리 기반 코딩, 도20-24 LOD 기반 코딩, 도25, 26, 40 비트스트림 생성, 도28 옥트리/LOD 기반 코딩, 도32-39 지오메트리/어트리뷰트 트리 구조의 그룹/LOD기반 코딩, 도41-43 스케일러블 코딩 등에 대응하거나 포함할 수 있다.
S4410, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 더 포함할 수 있다.
실시예들에 따른 전송 동작은 도1 트랜스미터10003, 도2 전송20002, 도4 지오메트리 비트스트림 및 어트리뷰트 비트스트림 전송, 도12 전송처리부12012, 도14 XR디바시으1430, 도15-43에 따라 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림의 전송 등에 대응하거나 포함할 수 있다.
도45는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
S4500, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함할 수 있다.
실시예들에 딸느 수신 동작은 도1 리시버10005, 도2 전송에 따른 수신20002, 도10 지오메트리 비트스트림 및 어트리뷰트 비트스트림을 포함하는 비트스트림의 수신, 도11 지오메트리 비트스트림 및 어트리뷰트 비트스트림 수신, 도13 수신 장치, 도14 XR 디바이스1430, 도15-43에 따라 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림의 수신 등에 대응하거나 포함할 수 있다.
S4510, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 디코딩하는 단계를 더 포함할 수 있다.
실시예들에 따른 디코딩 동작은 도1 포인트 클라우드 비디오 디코더10006, 도2 디코딩20003, 도10-11 디코더, 도13 수신 장치, 도14 XR디바이스1430, 도15-19 옥트리 기반 디코딩, 도20-24 LOD 기반 디코딩, 도25, 26, 40 비트스트림 파싱, 도28 옥트리/LOD 기반 디코딩, 도32-39 지오메트리/어트리뷰트 트리 구조의 그룹/LOD기반 디코딩, 도41-43 스케일러블 디코딩 등에 대응하거나 포함할 수 있다.
도1을 참조하면, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다.
도15를 참조하면, 컬러 옥트리(colorized octree), 및 LOD 제너레이션(generation) 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계, 및 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계를 포함하고, 어트리뷰트 데이터를 인코딩하는 단계는 지오메트리 데이터에 기반하여 생성된 옥트리에 기반하여 어트리뷰트 데이터를 위한 LOD(Level of Detail)을 생성하는 단계를 포함하고, 지오메트리 데이터 및 어트리뷰트 데이터는 옥트리의 노드에서 매칭되고, 매칭된 옥트리에 기반하여 LOD가 생성도리 수 있다.
도18 및 도19를 참조하면, 옥트리 채색(Octree colorization) 및 중복 제거(duplication removal) 관련하여, 옥트리는 옥트리 뎁스에 기반하여 하위 노드를 포함하는 상위 노드를 포함하고, 지오메트리 데이터를 포함하는 옥트리의 노드는 지오메트리 데이터를 위한 어트리뷰트 데이터와 매칭되고, 상위 노드의 어트리뷰트 데이터와 동일한 어트리뷰트 데이터를 포함하는 상위 노드에 포함된 하위 노드의 어트리뷰트 데이터는 제거될 수 있다.
도20 내지 도31을 참조하며느, lod 생성과 관련하여. 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터에 대한 옥트리를 생성하고, 옥트리에 기반하여 LOD(Level of Detail)을 생성하고, LOD는 옥트리의 적어도 하나 이상의 뎁스 레벨에 대한 포인트 클라우드 데이터를 포함할 수 있다.
도32 및 도33를 참조하면, 레이어 그룹 구조(Layer-group structure) 기반 스케일러블 어트리뷰트 코딩(scalable attribute coding) 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 지오메트리 데이터를 옥트리에 기반하여 표현하고, 옥트리의 뎁스 레벨에 기반하여, 지오메트리 데이터를 레이어 그룹으로 표현하고, 레이어 그룹에 기반하여, 포인트 클라우드 데이터의 어트리뷰트 데이터를 LOD로 표현하고, 비트스트림은 레이어 그룹의 일부 및 LOD의 일부에 대한 포인트 클라우드 데이터를 포함할 수 있다.
도34 및 도35를 참조하면, 레이어 그룹 구조를 위한 LOD 생성 관련하여, 옥트리의 상위 노드의 어트리뷰트 데이터는 상위 노드의 하위 노드의 어트리뷰트 데이터에 기반하여 선택되고, 제1 옥트리 뎁스에 대한 제1 LOD 에 속한 노드의 어트리뷰트 데이터가 인코딩되고, 제1옥트리 뎁스의 하위에 있는 제2옥트리 뎁스에 대한 제2 LOD에 속한 노드의 어트리뷰트 데이터가 인코딩되고, 옥트리의 하나 이상의 뎁스를 포함하는 레이어 그룹들이 생성되고, 둘 이상의 뎁스들을 포함하는 제1레이어 그룹을 인코딩하는 경우, 둘 이상의 뎁스들 중에서 옥트리의 리프 노드에 가까운 뎁스의 노드를 인코딩하고, 상위 노드의 어트리뷰트 데이터를 위해 선택된 하위 노드의 어트리뷰트 데이터는 추론될 수 있다. 상위 노드는 부모 노드로 지칭될 수 있고, 하위 노드는 자식 노드로 지칭될 수 있다. 추론은 예측, 생성 등의 용어로 해석될 수 있다.
도36를 참조하면, 레이어 그룹 기반 서브 그룹 생성 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 지오메트리 데이터를 옥트리에 기반하여 표현하고, 옥트리의 하나 이상의 뎁스를 포함하는 그룹들을 생성하고, 특정 그룹은 서브 그룹들로 분할되고, 그룹들 및 서브 그룹들을 포함하는 슬라이스에 기반하여 비트스트림이 생성되고, 포인트 클라우드 데이터의 어트리뷰트 데이터를 옥트리에 기반하여 표현하고, 옥트리의 하나 이상의 뎁스를 포함하는 LOD들을 생성하고, 특정 LOD는 서브 LOD들로 분할되고, LOD들 및 서브 LOD들을 포함하는 슬라이스에 기반하여 비트스트림이 생성될 수 있다.
이러한 송신 방법은 송신 장치에 의해 수횅될 수 있다. 실시예들에 따른 송신 장치는 포인트 클라우드 데이터를 인코딩하는 인코더; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함할 수 있다.
송신 방법에 대응하는 수신 방법은 송신 방법에 대응하는 방법 및 역과정을 수행할 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.
포인트 클라우드 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계, 및 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계를 포함하고, 어트리뷰트 데이터를 디코딩하는 단계는 지오메트리 데이터에 기반하여 생성된 옥트리에 기반하여 어트리뷰트 데이터를 위한 LOD(Level of Detail)을 생성하는 단계를 포함하고, 지오메트리 데이터 및 어트리뷰트 데이터는 옥트리의 노드에서 매칭되고, 매칭된 옥트리에 기반하여 LOD가 생성될 수 있다. 옥트리는 옥트리 뎁스에 기반하여 하위 노드를 포함하는 상위 노드를 포함하고, 지오메트리 데이터를 포함하는 옥트리의 노드는 지오메트리 데이터를 위한 어트리뷰트 데이터와 매칭되고, 상위 노드의 어트리뷰트 데이터와 동일한 어트리뷰트 데이터를 포함하는 상위 노드에 포함된 하위 노드의 어트리뷰트 데이터는 제거될 수 있다.
포인트 클라우드 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터에 대한 옥트리를 생성하고, 옥트리에 기반하여 LOD(Level of Detail)을 생성하고, LOD는 옥트리의 적어도 하나 이상의 뎁스 레벨에 대한 포인트 클라우드 데이터를 포함할 수 있다.
포인트 클라우드 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터의 지오메트리 데이터를 옥트리에 기반하여 표현하고, 옥트리의 뎁스 레벨에 기반하여, 지오메트리 데이터를 레이어 그룹으로 표현하고, 레이어 그룹에 기반하여, 포인트 클라우드 데이터의 어트리뷰트 데이터를 LOD로 표현하고, 비트스트림은 레이어 그룹의 일부 및 LOD의 일부에 대한 포인트 클라우드 데이터를 포함할 수 있다.
옥트리의 상위 노드의 어트리뷰트 데이터는 상위 노드의 하위 노드의 어트리뷰트 데이터에 기반하여 선택되고, 제1 옥트리 뎁스에 대한 제1 LOD 에 속한 노드의 어트리뷰트 데이터가 디코딩되고, 제1옥트리 뎁스의 하위에 있는 제2옥트리 뎁스에 대한 제2 LOD에 속한 노드의 어트리뷰트 데이터가 디코딩되고, 옥트리의 하나 이상의 뎁스를 포함하는 레이어 그룹들이 생성되고, 둘 이상의 뎁스들을 포함하는 제1레이어 그룹을 인코딩하는 경우, 둘 이상의 뎁스들 중에서 상기 옥트리의 리프 노드에 가까운 뎁스의 노드를 디코딩하고, 상위 노드의 어트리뷰트 데이터를 위해 선택된 하위 노드의 어트리뷰트 데이터는 추론될 수 있다.
수신 방법은 수신 장치에 의해 수행될 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함할 수 있다.
이로 인하여, 실시예들은 다양한 성능을 지닌 수신기로 포인트 클라우드 데이터를 전송하고, 수신기는 성능에 맞게 포인트 클라우드 데이터를 처리할 수 있는 효과가 있다. 즉, 송신기는 하나의 비트스트림으로 다양한 수신기로 포인트 클라우드 데이터를 로우 딜레이로 전송할 수 있고, 수신기는 로우 파워 환경에서도 로우 딜레이로 다양한 해상도의 포인트 클라우드 데이터를 디코딩하고 제공할 수 있는 효과가 있다. 또한, 스케일러블하게 어트리뷰트 데이터를 효율적으로 압축하고 복원할 수 있다.
또한, 실시예들은 멀티플 슬라이스들이 어트리뷰트 데이터 유닛을 포함할 수 있고, 스파셜 스케일러빌리티를 위해서 어트리뷰트를 슬라이싱할 수 있다. 나아가, 실시예들은 스케일러블 어트리뷰트 코딩 시 조상/후손 관계를 이용해서 노드의 속성을 유추가호, 레이어 그룹에 속한 하위 뎁스의 노드 중에서 추론된 노드를 제외하고, 추론되지 않은 노드의 속성을 효율적으로 코딩할 수 있다.
또한, 실시예들은 스케일러블하게 어트리뷰트 데이터를 코딩할 수 있는데, 나아가, 실시예들은 레이어 그룹에 기반하여 LOD를 생성하고, 일부 LOD를 스킵함으로써 스케일러블 어트리뷰트 코딩의 성능을 개선할 수 있다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 의미하고, 2) “B” 만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사욛외는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
한편, 상술한 실시예들에 따른 동작은 실시예들 따른 송신 장치 및/또는 수신 장치에 의해서 수행될 수 있다. 송수신 장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신 장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.
상술한 바와 같이, 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신 장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다.
당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다.
실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항들 및 그 와 동일한 것들의 범위를 벗어나지 않는다.

Claims (15)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  2. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계, 및
    상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계를 포함하고,
    상기 어트리뷰트 데이터를 인코딩하는 단계는 상기 지오메트리 데이터에 기반하여 생성된 옥트리에 기반하여 상기 어트리뷰트 데이터를 위한 LOD(Level of Detail)을 생성하는 단계를 포함하고,
    상기 지오메트리 데이터 및 상기 어트리뷰트 데이터는 상기 옥트리의 노드에서 매칭되고,
    상기 매칭된 옥트리에 기반하여 상기 LOD가 생성되는,
    포인트 클라우드 데이터 송신 방법.
  3. 제2항에 있어서,
    상기 옥트리는 옥트리 뎁스에 기반하여 하위 노드를 포함하는 상위 노드를 포함하고,
    상기 지오메트리 데이터를 포함하는 상기 옥트리의 노드는 상기 지오메트리 데이터를 위한 어트리뷰트 데이터와 매칭되고,
    상기 상위 노드의 어트리뷰트 데이터와 동일한 어트리뷰트 데이터를 포함하는 상기 상위 노드에 포함된 하위 노드의 어트리뷰트 데이터는 제거되는,
    포인트 클라우드 데이터 송신 방법.
  4. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터에 대한 옥트리를 생성하고,
    상기 옥트리에 기반하여 LOD(Level of Detail)을 생성하고,
    상기 LOD는 상기 옥트리의 적어도 하나 이상의 뎁스 레벨에 대한 포인트 클라우드 데이터를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  5. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 지오메트리 데이터를 옥트리에 기반하여 표현하고,
    상기 옥트리의 뎁스 레벨에 기반하여, 상기 지오메트리 데이터를 레이어 그룹으로 표현하고,
    상기 레이어 그룹에 기반하여, 상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 LOD로 표현하고,
    상기 비트스트림은 상기 레이어 그룹의 일부 및 상기 LOD의 일부에 대한 포인트 클라우드 데이터를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  6. 제5항에 있어서,
    상기 옥트리의 상위 노드의 어트리뷰트 데이터는 상기 상위 노드의 하위 노드의 어트리뷰트 데이터에 기반하여 선택되고,
    제1 옥트리 뎁스에 대한 제1 LOD 에 속한 노드의 어트리뷰트 데이터가 인코딩되고,
    상기 제1옥트리 뎁스의 하위에 있는 제2옥트리 뎁스에 대한 제2 LOD에 속한 노드의 어트리뷰트 데이터가 인코딩되고,
    상기 옥트리의 하나 이상의 뎁스를 포함하는 레이어 그룹들이 생성되고,
    둘 이상의 뎁스들을 포함하는 제1레이어 그룹을 인코딩하는 경우, 상기 둘 이상의 뎁스들 중에서 상기 옥트리의 리프 노드에 가까운 뎁스의 노드를 인코딩하고,
    상위 노드의 어트리뷰트 데이터를 위해 선택된 하위 노드의 어트리뷰트 데이터는 추론되는,
    포인트 클라우드 데이터 송신 방법.
  7. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 지오메트리 데이터를 옥트리에 기반하여 표현하고, 상기 옥트리의 하나 이상의 뎁스를 포함하는 그룹들을 생성하고, 특정 그룹은 서브 그룹들로 분할되고, 상기 그룹들 및 상기 서브 그룹들을 포함하는 슬라이스에 기반하여 비트스트림이 생성되고,
    상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 상기 옥트리에 기반하여 표현하고, 상기 옥트리의 하나 이상의 뎁스를 포함하는 LOD들을 생성하고, 특정 LOD는 서브 LOD들로 분할되고, 상기 LOD들 및 상기 서브 LOD들을 포함하는 슬라이스에 기반하여 비트스트림이 생성되는,
    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 단계를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  10. 제9항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계, 및
    상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계를 포함하고,
    상기 어트리뷰트 데이터를 디코딩하는 단계는 상기 지오메트리 데이터에 기반하여 생성된 옥트리에 기반하여 상기 어트리뷰트 데이터를 위한 LOD(Level of Detail)을 생성하는 단계를 포함하고,
    상기 지오메트리 데이터 및 상기 어트리뷰트 데이터는 상기 옥트리의 노드에서 매칭되고,
    상기 매칭된 옥트리에 기반하여 상기 LOD가 생성되는,
    포인트 클라우드 데이터 수신 방법.
  11. 제10항에 있어서,
    상기 옥트리는 옥트리 뎁스에 기반하여 하위 노드를 포함하는 상위 노드를 포함하고,
    상기 지오메트리 데이터를 포함하는 상기 옥트리의 노드는 상기 지오메트리 데이터를 위한 어트리뷰트 데이터와 매칭되고,
    상기 상위 노드의 어트리뷰트 데이터와 동일한 어트리뷰트 데이터를 포함하는 상기 상위 노드에 포함된 하위 노드의 어트리뷰트 데이터는 제거되는,
    포인트 클라우드 데이터 수신 방법.
  12. 제9항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터에 대한 옥트리를 생성하고,
    상기 옥트리에 기반하여 LOD(Level of Detail)을 생성하고,
    상기 LOD는 상기 옥트리의 적어도 하나 이상의 뎁스 레벨에 대한 포인트 클라우드 데이터를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  13. 제9항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터의 지오메트리 데이터를 옥트리에 기반하여 표현하고,
    상기 옥트리의 뎁스 레벨에 기반하여, 상기 지오메트리 데이터를 레이어 그룹으로 표현하고,
    상기 레이어 그룹에 기반하여, 상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 LOD로 표현하고,
    상기 비트스트림은 상기 레이어 그룹의 일부 및 상기 LOD의 일부에 대한 포인트 클라우드 데이터를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  14. 제13항에 있어서,
    상기 옥트리의 상위 노드의 어트리뷰트 데이터는 상기 상위 노드의 하위 노드의 어트리뷰트 데이터에 기반하여 선택되고,
    제1 옥트리 뎁스에 대한 제1 LOD 에 속한 노드의 어트리뷰트 데이터가 el코딩되고,
    상기 제1옥트리 뎁스의 하위에 있는 제2옥트리 뎁스에 대한 제2 LOD에 속한 노드의 어트리뷰트 데이터가 디코딩되고,
    상기 옥트리의 하나 이상의 뎁스를 포함하는 레이어 그룹들이 생성되고,
    둘 이상의 뎁스들을 포함하는 제1레이어 그룹을 인코딩하는 경우, 상기 둘 이상의 뎁스들 중에서 상기 옥트리의 리프 노드에 가까운 뎁스의 노드를 디코딩하고,
    상위 노드의 어트리뷰트 데이터를 위해 선택된 하위 노드의 어트리뷰트 데이터는 추론되는,
    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/KR2022/010267 2021-07-14 2022-07-14 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2023287214A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP22842476.8A EP4358519A1 (en) 2021-07-14 2022-07-14 Point cloud data transmission device and method, and point cloud data reception device and method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210092513 2021-07-14
KR10-2021-0092513 2021-07-14

Publications (1)

Publication Number Publication Date
WO2023287214A1 true WO2023287214A1 (ko) 2023-01-19

Family

ID=84920242

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/010267 WO2023287214A1 (ko) 2021-07-14 2022-07-14 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (2)

Country Link
EP (1) EP4358519A1 (ko)
WO (1) WO2023287214A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020072665A1 (en) * 2018-10-02 2020-04-09 Futurewei Technologies, Inc. Hierarchical tree attribute coding in point cloud coding
WO2020262831A1 (ko) * 2019-06-28 2020-12-30 엘지전자 주식회사 포인트 클라우드 데이터 처리 장치 및 방법
US20210006797A1 (en) * 2019-07-03 2021-01-07 Tencent America LLC Method and apparatus for adaptive point cloud attribute coding
WO2021049333A1 (ja) * 2019-09-11 2021-03-18 ソニー株式会社 情報処理装置、情報処理方法、再生処理装置及び再生処理方法
WO2021062736A1 (zh) * 2019-09-30 2021-04-08 Oppo广东移动通信有限公司 划分方法、编码器、解码器以及计算机存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020072665A1 (en) * 2018-10-02 2020-04-09 Futurewei Technologies, Inc. Hierarchical tree attribute coding in point cloud coding
WO2020262831A1 (ko) * 2019-06-28 2020-12-30 엘지전자 주식회사 포인트 클라우드 데이터 처리 장치 및 방법
US20210006797A1 (en) * 2019-07-03 2021-01-07 Tencent America LLC Method and apparatus for adaptive point cloud attribute coding
WO2021049333A1 (ja) * 2019-09-11 2021-03-18 ソニー株式会社 情報処理装置、情報処理方法、再生処理装置及び再生処理方法
WO2021062736A1 (zh) * 2019-09-30 2021-04-08 Oppo广东移动通信有限公司 划分方法、编码器、解码器以及计算机存储介质

Also Published As

Publication number Publication date
EP4358519A1 (en) 2024-04-24

Similar Documents

Publication Publication Date Title
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141352A2 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020197228A1 (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
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002558A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
WO2021029662A1 (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
WO2022098152A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021215811A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022149810A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022050650A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021182937A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045601A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022075753A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002665A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2022092971A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022092852A1 (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
WO2021075681A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021132834A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020262824A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023287214A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023075453A1 (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: 22842476

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2022842476

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022842476

Country of ref document: EP

Effective date: 20240116

NENP Non-entry into the national phase

Ref country code: DE