WO2024063608A1 - 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
WO2024063608A1
WO2024063608A1 PCT/KR2023/014539 KR2023014539W WO2024063608A1 WO 2024063608 A1 WO2024063608 A1 WO 2024063608A1 KR 2023014539 W KR2023014539 W KR 2023014539W WO 2024063608 A1 WO2024063608 A1 WO 2024063608A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
cloud data
geometry
information
refraction
Prior art date
Application number
PCT/KR2023/014539
Other languages
English (en)
French (fr)
Inventor
허혜정
박유선
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Publication of WO2024063608A1 publication Critical patent/WO2024063608A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—Means for monitoring or calibrating

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • Point cloud content is content expressed as a point cloud, which is a set of points belonging to a coordinate system expressing three-dimensional space.
  • Point cloud content can express three-dimensional media, including VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), XR (Extended Reality), and autonomous driving. It is used to provide various services such as services. However, tens to hundreds of thousands of point data are needed to express point cloud content. Therefore, a method for efficiently processing massive amounts of point data is required.
  • the technical problem according to the embodiments is to provide a point cloud data transmission device, a transmission method, and a point cloud data reception device and method for efficiently transmitting and receiving point clouds in order to solve the above-mentioned problems.
  • the technical challenge according to the embodiments is to provide a point cloud data transmission device, a transmission method, and a point cloud data reception device and method to solve latency and encoding/decoding complexity.
  • the technical challenge according to the embodiments is point cloud data transmission that improves the compression performance of point clouds by improving the encoding technology of attribute information of geometry-based point cloud compression (G-PCC).
  • G-PCC geometry-based point cloud compression
  • the technical task according to the embodiments is to provide a point cloud data transmission device, a transmission method, and a point cloud data reception device and method for improving compression performance of point cloud data acquired through a fixed LIDAR.
  • a point cloud data transmission method includes obtaining point cloud data by a LiDAR system, encoding the point cloud data, and signaling with the point cloud data. It may include the step of transmitting information.
  • encoding the point cloud data may include compensating for refraction occurring in the point cloud data; Separating points of the refraction compensated point cloud data into roads and objects; And it may include encoding geometry information including the locations of points separated into the road and the object and attribute information including one or more attribute values.
  • the signaling information may include information related to refraction compensation of the point cloud data.
  • the step of compensating for the refraction may compensate for the refraction of the points of the point cloud data based on the Z value among the location information (X, Y, Z) of the points of the point cloud data.
  • the X value and Y value among the location information (X, Y, Z) are deflection angles obtained by scanning the laser beam of the LIDAR system along the Each is obtained based on distance information, and the Z value may be obtained based on the X value, the Y value, the deflection angles, and the target distance information of the laser beam.
  • the step of compensating for the refraction may compensate for the refraction of the points of the point cloud data by applying a threshold according to the positions of the points of the point cloud data on the xy plane.
  • the step of separating the road and the object may classify the point into one of the road and the object based on the Z value of each point of the point cloud data.
  • the point cloud data transmission device may include an acquisition unit for obtaining point cloud data by a LIDAR system, an encoder for encoding the point cloud data, and a transmission unit for transmitting the point cloud data and signaling information. You can.
  • the encoder may include a refraction compensator that compensates for refraction occurring in the point cloud data; a road object division unit that separates points of the refraction-compensated point cloud data into roads and objects; and an encoding unit that encodes geometry information including the locations of points separated into the road and the object and attribute information including one or more attribute values.
  • the signaling information may include information related to refraction compensation of the point cloud data.
  • the refraction compensation unit may compensate for the refraction of points of the point cloud data based on the Z value among the location information (X, Y, Z) of the points of the point cloud data.
  • the X value and Y value among the location information (X, Y, Z) are deflection angles obtained by scanning the laser beam of the LIDAR system along the Each is obtained based on distance information, and the Z value may be obtained based on the X value, the Y value, the deflection angles, and the target distance information of the laser beam.
  • the refraction compensation unit may compensate for the refraction of the points of the point cloud data by applying a threshold according to the positions of the points of the point cloud data on the xy plane.
  • the road object segmentation unit may classify the point into one of a road and an object based on the Z value of each point of the point cloud data.
  • a method of receiving point cloud data includes receiving compressed point cloud data and signaling information, decoding the point cloud data based on the signaling information, and decoding the point cloud data based on the signaling information. It may include rendering cloud data.
  • the point cloud data decoding step may include performing refraction compensation inverse transformation on the compressed point cloud data and restoring geometry information and attribute information of the refraction compensation inverse transformation of the point cloud data. there is.
  • the signaling information may include refraction compensation-related information.
  • a point cloud data transmission method, a transmission device, a point cloud data reception method, and a reception device can provide a high-quality point cloud service.
  • a point cloud data transmission method, a transmission device, a point cloud data reception method, and a reception device can achieve various video codec methods.
  • a point cloud data transmission method, a transmission device, a point cloud data reception method, and a reception device may provide general-purpose point cloud content such as an autonomous driving service.
  • a method of transmitting point cloud data, a transmitting device, a method of receiving point cloud data, and a receiving device perform spatial adaptive division of point cloud data for independent encoding and decoding of point cloud data, thereby improving parallel processing and Scalability can be provided.
  • a method of transmitting point cloud data, a transmitting device, a method of receiving point cloud data, and a receiving device perform encoding and decoding by spatially dividing point cloud data into tiles and/or slices and signaling the data necessary for this.
  • the encoding and decoding performance of point clouds can be improved.
  • a method of transmitting point cloud data, a transmitting device, a method of receiving point cloud data, and a receiving device perform refraction compensation before compression of point cloud data acquired through a fixed LiDAR, and based on this, the point cloud data
  • the compression performance of point cloud data can be improved by separating points into roads and objects and then performing compression.
  • a method of transmitting point cloud data, a transmitting device, a method of receiving point cloud data, and a receiving device perform refraction compensation before compressing point cloud data, thereby obtaining it through a fixed lidar on a sloping or curved road. Points in point cloud data can be accurately separated into roads and objects.
  • Figure 1 shows an example of a point cloud content providing system according to embodiments.
  • Figure 2 is a block diagram showing a point cloud content providing operation according to embodiments.
  • Figure 3 shows an example of a point cloud encoder according to embodiments.
  • Figure 4 shows examples of octrees and occupancy codes according to embodiments.
  • Figure 5 shows an example of point configuration for each LOD according to embodiments.
  • Figure 6 shows an example of point configuration for each LOD according to embodiments.
  • Figure 7 shows an example of a point cloud decoder according to embodiments.
  • Figure 8 is an example of a transmission device according to embodiments.
  • FIG 9 is an example of a receiving device according to embodiments.
  • Figure 10 shows an example of a structure that can be interoperable with a method/device for transmitting and receiving point cloud data according to embodiments.
  • Figure 11(a) is a diagram showing an example of a rotational LIDAR system according to embodiments.
  • Figure 11(b) is a diagram showing an example of a fixed LIDAR system according to embodiments.
  • Figure 12 is a diagram showing an example of a method of acquiring points using an optical lens according to embodiments.
  • Figures 13(a) and 13(b) are diagrams showing examples before and after applying refraction compensation according to embodiments.
  • Figure 14 is a diagram showing an example of the xy plane to which refraction compensation is applied according to embodiments.
  • Figure 15 is a diagram showing another example of a point cloud transmission device according to embodiments.
  • Figure 16 is a diagram showing another example of a point cloud transmission device according to embodiments.
  • Figure 17 is a diagram showing another example of a point cloud transmission device according to embodiments.
  • Figure 18 is a diagram showing another example of a point cloud receiving device according to embodiments.
  • Figure 19 is a diagram showing another example of a point cloud receiving device according to embodiments.
  • Figure 20 is a diagram showing another example of a point cloud receiving device according to embodiments.
  • Figure 21 is a diagram showing an example of a bitstream structure according to embodiments.
  • Figure 22 is a diagram showing another example of the syntax structure of a sequence parameter set according to embodiments.
  • FIG. 23 is a diagram showing an example of a syntax structure of a tile parameter set according to embodiments.
  • Figure 24 is a diagram showing another example of the syntax structure of a geometry parameter set according to embodiments.
  • Figure 25 is a diagram showing an example of the syntax structure of an attribute parameter set according to embodiments.
  • Figure 26 is a diagram showing an example of the syntax structure of a geometry slice header according to embodiments.
  • Figure 27 shows a flowchart of a point cloud data transmission method according to embodiments.
  • Figure 28 shows a flowchart of a method for receiving point cloud data according to embodiments.
  • Figure 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system shown in FIG. 1 may include a transmission device 10000 and a reception device 10004.
  • the transmitting device 10000 and the receiving device 10004 are capable of wired and wireless communication to transmit/receive point cloud data.
  • the transmission device 10000 may secure, process, and transmit point cloud video (or point cloud content).
  • the transmission device 10000 may be a fixed station, a base transceiver system (BTS), a network, an artificial intelligence (AI) device and/or system, a robot, an AR/VR/XR device, and/or a server. It may include etc.
  • the transmitting device 10000 is a device that communicates with a base station and/or other wireless devices using wireless access technology (e.g., 5G NR (New RAT), LTE (Long Term Evolution)). It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, IoT (Internet of Thing) devices, AI devices/servers, etc.
  • wireless access technology e.g., 5G NR (New RAT), LTE (Long Term Evolution)
  • the transmission device 10000 includes a Point Cloud Video Acquisition unit (10001), a Point Cloud Video Encoder (10002), and/or a Transmitter (or Communication module), 10003)
  • the point cloud video acquisition unit 10001 acquires the point cloud video through processing processes such as capture, synthesis, or generation.
  • Point cloud video is point cloud content expressed as a point cloud, which is a set of points located in three-dimensional space, and may be referred to as point cloud video data, etc.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Therefore, a point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, frame, or picture.
  • the point cloud video encoder 10002 encodes the obtained point cloud video data.
  • the point cloud video encoder 10002 can encode point cloud video data based on point cloud compression coding.
  • Point cloud compression coding may include Geometry-based Point Cloud Compression (G-PCC) coding and/or Video based Point Cloud Compression (V-PCC) coding or next-generation coding. Additionally, point cloud compression coding according to embodiments is not limited to the above-described embodiments.
  • the point cloud video encoder 10002 may output a bitstream containing encoded point cloud video data.
  • the bitstream may include encoded point cloud video data, as well as signaling information related to encoding of the point cloud video data.
  • the transmitter 10003 transmits a bitstream including encoded point cloud video data.
  • the bitstream according to embodiments is encapsulated into a file or segment (eg, streaming segment) and transmitted through various networks such as a broadcast network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or encapsulation module) that performs an encapsulation operation. Additionally, depending on embodiments, the encapsulation unit may be included in the transmitter 10003.
  • the file or segment may be transmitted to the receiving device 10004 through a network or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • a digital storage medium eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.
  • the transmitter 10003 is capable of wired/wireless communication with the receiving device 10004 (or receiver 10005) through a network such as 4G, 5G, or 6G. Additionally, the transmitter 10003 can perform necessary data processing operations depending on the network system (e.g., communication network system such as 4G, 5G, 6G, etc.). Additionally, the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • a network such as 4G, 5G, or 6G.
  • the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • the receiving device 10004 includes a receiver (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 wireless access technology (e.g., 5G NR (New RAT), LTE (Long Term Evolution)). , vehicles, AR/VR/XR devices, mobile devices, home appliances, IoT (Internet of Thing) devices, AI devices/servers, etc.
  • wireless access technology e.g., 5G NR (New RAT), LTE (Long Term Evolution)
  • the receiver 10005 receives a bitstream including point cloud video data or a file/segment in which the bitstream is encapsulated, etc. from a network or storage medium.
  • the receiver 10005 can perform necessary data processing operations depending on the network system (e.g., communication network system such as 4G, 5G, 6G, etc.).
  • the receiver 10005 may decapsulate the received file/segment and output a bitstream.
  • the receiver 10005 may include a decapsulation unit (or decapsulation module) to perform a decapsulation operation.
  • the decapsulation unit may be implemented as a separate element (or component) from the receiver 10005.
  • Point cloud video decoder 10006 decodes a bitstream containing point cloud video data.
  • the point cloud video decoder 10006 may decode the point cloud video data according to how it was encoded (e.g., a reverse process of the operation of the point cloud video encoder 10002). Therefore, the point cloud video decoder 10006 can decode point cloud video data by performing point cloud decompression coding, which is the reverse process of point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • Renderer 10007 renders the decoded point cloud video data.
  • the renderer 10007 may render decoded point cloud video data according to a viewport, etc.
  • the renderer 10007 can output point cloud content by rendering not only point cloud video data but also audio data.
  • the renderer 10007 may include a display for displaying point cloud content.
  • the display may not be included in the renderer 10007 but may be implemented as a separate device or component.
  • Feedback information is information to reflect interaction with a user consuming point cloud content, and includes user information (eg, head orientation information, viewport information, etc.).
  • user information e.g., head orientation information, viewport information, etc.
  • the feedback information is sent to the content transmitter (e.g., transmission device 10000) and/or the service provider. can be delivered to Depending on embodiments, feedback information may be used not only in the transmitting device 10000 but also in the receiving device 10004, or may not be provided.
  • Head orientation information may mean information about the user's head position, direction, angle, movement, etc.
  • the receiving device 10004 may calculate viewport information based on head orientation information.
  • Viewport information is information about the area of the point cloud video that the user is looking at (i.e., the area the user is currently looking at).
  • viewport information is information about the area that the user is currently viewing within the point cloud video.
  • the viewport or viewport area may refer to the area the user is viewing in the point cloud video.
  • the viewpoint is the point the user is looking at in the point cloud video, and may mean the exact center point of the viewport area.
  • the viewport is an area centered on the viewpoint, and the size and shape occupied by the area can be determined by FOV (Field Of View). Therefore, the receiving device 10004 can extract viewport information based on the vertical or horizontal FOV supported by the device in addition to head orientation information. In addition, the receiving device 10004 performs gaze analysis based on head orientation information and/or viewport information to determine the user's point cloud video consumption method, the point cloud video area the user gazes at, gaze time, etc. You can check it. According to embodiments, the receiving device 10004 may transmit feedback information including the gaze analysis result to the transmitting device 10000.
  • devices such as VR/XR/AR/MR displays may extract the viewport area based on the user's head position/orientation, vertical or horizontal FOV supported by the device, etc.
  • head orientation information and viewport information may be referred to as feedback information, signaling information, or metadata.
  • Feedback information may be obtained during rendering and/or display processes.
  • Feedback information may be secured by one or more sensors included in the receiving device 10004. Additionally, depending on embodiments, feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • the dotted line in Figure 1 represents the delivery process of feedback information secured by the renderer 10007.
  • the feedback information may not only be transmitted to the transmitting side, but may also be consumed by the receiving side.
  • the point cloud content providing system can process (encode/decode/render) point cloud data based on feedback information.
  • the point cloud video decoder 10006 and the renderer 10007 may preferentially decode and render only the point cloud video for the area the user is currently viewing using feedback information, that is, head orientation information and/or viewport information. You can.
  • the receiving device 10004 may transmit feedback information to the transmitting device 10000.
  • the transmission device 10000 (or point cloud video encoder 10002) may perform an encoding operation based on feedback information. Therefore, the point cloud content provision system does not process (encode/decode) all point cloud data, but efficiently processes necessary data (e.g., point cloud data corresponding to the user's head position) based on feedback information and provides information to the user. Point cloud content can be provided to.
  • the transmission device 10000 may be called an encoder, a transmission device, a transmitter, a transmission system, etc.
  • the reception device 10004 may be called a decoder, a reception device, a receiver, a reception system, etc.
  • Point cloud data (processed through a series of processes of acquisition/encoding/transmission/decoding/rendering) processed in the point cloud content providing system of FIG. 1 according to embodiments may be referred to as point cloud content data or point cloud video data. You can. Depending on embodiments, point cloud content data may be used as a concept including metadata or signaling information related to point cloud data.
  • Elements of the point cloud content providing system shown in FIG. 1 may be implemented as hardware, software, processors, and/or a combination thereof.
  • Figure 2 is a block diagram showing a point cloud content providing operation according to embodiments.
  • the block diagram of FIG. 2 shows the operation of the point cloud content providing system described in FIG. 1.
  • the point cloud content providing system can process point cloud data based on point cloud compression coding (eg, G-PCC).
  • point cloud compression coding eg, G-PCC
  • a point cloud content providing system may acquire a point cloud video (20000).
  • Point cloud video is expressed as a point cloud belonging to a coordinate system representing three-dimensional space.
  • Point cloud video according to embodiments may include a Ply (Polygon File format or the Stanford Triangle format) file. If the point cloud video has one or more frames, the obtained point cloud video may include one or more Ply files.
  • Ply files contain point cloud data such as the point's geometry and/or attributes. Geometry contains the positions of points.
  • the position of each point can be expressed as parameters (e.g., values for each of the X, Y, and Z axes) representing a three-dimensional coordinate system (e.g., a coordinate system consisting of XYZ axes, etc.).
  • Attributes include attributes of points (e.g., texture information, color (YCbCr or RGB), reflectance (r), transparency, etc. of each point).
  • a point has one or more attributes (or properties). For example, one point may have one color attribute, or it may have two attributes, color and reflectance.
  • geometry may be referred to as positions, geometry information, geometry data, etc.
  • attributes may be referred to as attributes, attribute information, attribute data, etc.
  • the point cloud content providing system e.g., the point cloud transmission device 10000 or the point cloud video acquisition unit 10001 collects points from information related to the acquisition process of the point cloud video (e.g., depth information, color information, etc.). Cloud data can be secured.
  • a point cloud content providing system may encode point cloud data (20001).
  • the point cloud content providing system can encode point cloud data based on point cloud compression coding.
  • point cloud data may include the geometry and attributes of points. Therefore, the point cloud content providing system can perform geometry encoding to encode the geometry and output a geometry bitstream.
  • the point cloud content providing system may perform attribute encoding to encode an attribute and output an attribute bitstream.
  • the point cloud content providing system may perform attribute encoding based on geometry encoding.
  • the geometry bitstream and the attribute bitstream according to embodiments may be multiplexed and output as one bitstream.
  • the bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • a point cloud content providing system may transmit encoded point cloud data (20002).
  • encoded point cloud data can be expressed as a geometry bitstream or an attribute bitstream.
  • the encoded point cloud data may be transmitted in the form of a bitstream along with signaling information related to encoding of the point cloud data (e.g., signaling information related to geometry encoding and attribute encoding).
  • the point cloud content providing system can encapsulate a bitstream transmitting encoded point cloud data and transmit it in the form of a file or segment.
  • a point cloud content providing system may receive a bitstream including encoded point cloud data. Additionally, a point cloud content providing system (e.g., receiving device 10004 or receiver 10005) may demultiplex the bitstream.
  • a point cloud content providing system may decode encoded point cloud data (e.g., geometry bitstream, attribute bitstream) transmitted as a bitstream.
  • a point cloud content providing system e.g., receiving device 10004 or point cloud video decoder 10005
  • a point cloud content providing system e.g., receiving device 10004 or point cloud video decoder 10005
  • the point cloud content providing system can restore the attributes of points by decoding the attribute bitstream based on the restored geometry.
  • a point cloud content providing system (e.g., the receiving device 10004 or the point cloud video decoder 10005) may restore the point cloud video based on the decoded attributes and positions according to the restored geometry.
  • a point cloud content providing system may render decoded point cloud data (20004).
  • a point cloud content providing system may render the geometry and attributes decoded through the decoding process according to various rendering methods. Points of point cloud content may be rendered as a vertex with a certain thickness, a cube with a specific minimum size centered on the vertex position, or a circle with the vertex position as the center. All or part of the rendered point cloud content is provided to the user through a display (e.g. VR/AR display, general display, etc.).
  • a display e.g. VR/AR display, general display, etc.
  • a point cloud content providing system (eg, receiving device 10004) according to embodiments may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode point cloud data based on feedback information. Since the feedback information and operation of the point cloud content providing system according to the embodiments are the same as the feedback information and operation described in FIG. 1, detailed description will be omitted.
  • Figure 3 shows an example of a point cloud encoder according to embodiments.
  • Figure 3 shows an example of the point cloud video encoder 10002 of Figure 1.
  • the point cloud encoder uses point cloud data (e.g., the positions of points and/or attributes) and perform an encoding operation. If the overall size of the point cloud content is large (for example, point cloud content of 60 Gbps at 30 fps), the point cloud content providing system may not be able to stream the content in real time. Therefore, the point cloud content providing system can reconstruct the point cloud content based on the maximum target bitrate to provide it according to the network environment.
  • point cloud data e.g., the positions of points and/or attributes
  • the point cloud encoder can perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • the point cloud encoder includes a coordinate system transformation unit (Transformation Coordinates, 30000), a quantization unit (Quantize and Remove Points (Voxelize), 30001), an octree analysis unit (Analyze Octree, 30002), and a surface approximation analysis unit ( Analyze Surface Approximation (30003), Arithmetic Encode (30004), Reconstruct Geometry (30005), Transform Colors (30006), Transfer Attributes (30007), RAHT conversion It includes a unit 30008, an LOD generation unit (Generated LOD, 30009), a lifting conversion unit (30010), a coefficient quantization unit (Quantize Coefficients, 30011), and/or an arithmetic encoder (Arithmetic Encode, 30012).
  • a coordinate system transformation unit Transformation Coordinates, 30000
  • a quantization unit Quantization and Remove Points (Voxelize)
  • An octree analysis unit Analyze Octree,
  • a color converter (30006), an attribute converter (30007), a RAHT converter (30008), an LOD generator (30009), a lifting converter (30010), a coefficient quantizer (30011), and/or an arismatic encoder ( 30012) can be grouped and called an attribute encoder.
  • the coordinate system conversion unit 30000, the quantization unit 30001, the octree analysis unit 30002, the surface approximation analysis unit 30003, the arithmetic encoder 30004, and the geometry reconstruction unit 30005 perform geometry encoding. can do.
  • Geometry encoding according to embodiments may include octree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and tryop geometry encoding are applied selectively or in combination. Additionally, geometry encoding is not limited to the examples above.
  • the coordinate system conversion unit 30000 receives positions and converts them into a coordinate system.
  • positions can be converted into position information in a three-dimensional space (e.g., a three-dimensional space expressed in an XYZ coordinate system, etc.).
  • Position information in 3D space may be referred to as geometry information.
  • the quantization unit 30001 quantizes geometry. For example, the quantization unit 30001 may quantize points based on the minimum position value of all points (for example, the minimum value on each axis for the X-axis, Y-axis, and Z-axis). The quantization unit 30001 performs a quantization operation to find the closest integer value by multiplying the difference between the minimum position value and the position value of each point by a preset quantum scale value and then performing rounding down or up. Therefore, one or more points may have the same quantized position (or position value). The quantization unit 30001 according to embodiments performs voxelization based on quantized positions to reconstruct quantized points.
  • the minimum unit containing two-dimensional image/video information is a pixel, and points of point cloud content (or three-dimensional point cloud video) according to embodiments may be included in one or more voxels.
  • the quantization unit 40001 can match groups of points in 3D space into voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • the position of the center point of the voxel can be set based on the positions of one or more points included in one voxel.
  • the attributes of all positions included in one voxel can be combined and assigned to the voxel.
  • the octree analysis unit 30002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure expresses points matched to voxels based on the octree structure.
  • the surface approximation analysis unit 30003 may analyze and approximate the octree.
  • Octree analysis and approximation is a process of analyzing an area containing a large number of points to voxelize in order to efficiently provide octree and voxelization.
  • the arismatic encoder 30004 entropy encodes an octree and/or an approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • a geometry bitstream is created.
  • Color converter (30006), attribute converter (30007), RAHT converter (30008), LOD generator (30009), lifting converter (30010), coefficient quantization unit (30011), and/or arismatic encoder (30012) Performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is equally applied to the attributes of one point. However, when one attribute (for example, color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding includes color transformation coding, attribute transformation coding, RAHT (Region Adaptive Hierarchial Transform) coding, prediction transformation (Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform) coding, and lifting transformation (interpolation-based hierarchical nearest transform). -neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • RAHT Resource Adaptive Hierarchial Transform
  • prediction transformation Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform
  • lifting transformation interpolation-based hierarchical nearest transform
  • -neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • the above-described RAHT coding, predictive transform coding, and lifting transform coding may be selectively used, or a combination of one or more codings may be used.
  • attribute encoding according to embodiments is not limited to the above-described examples.
  • the color conversion unit 30006 performs color conversion coding to convert color values (or textures) included in attributes.
  • the color converter 30006 may convert the format of color information (for example, convert from RGB to YCbCr).
  • the operation of the color converter 30006 according to embodiments may be applied optionally according to color values included in the attributes.
  • the geometry reconstruction unit 30005 reconstructs (decompresses) the octree and/or the approximated octree.
  • the geometry reconstruction unit 30005 reconstructs the octree/voxel based on the results of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as reconstructed geometry (or reconstructed geometry).
  • the attribute conversion unit 30007 performs attribute conversion to convert attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry. As described above, since the attributes are dependent on geometry, the attribute conversion unit 30007 can transform the attributes based on the reconstructed geometry information. For example, the attribute conversion unit 30007 may convert the attribute of the point of the position based on the position value of the point included in the voxel. As described above, when the position of the center point of a voxel is set based on the positions of one or more points included in one voxel, the attribute conversion unit 30007 converts the attributes of one or more points. When tryop geometry encoding is performed, the attribute conversion unit 30007 may convert the attributes based on tryop geometry encoding.
  • the attribute conversion unit 30007 converts the average value of the attributes or attribute values (for example, the color or reflectance of each point) of neighboring points within a specific position/radius from the position (or position value) of the center point of each voxel. Attribute conversion can be performed by calculating .
  • the attribute conversion unit 30007 may apply a weight according to the distance from the center point to each point when calculating the average value. Therefore, each voxel has a position and a calculated attribute (or attribute value).
  • the attribute conversion unit 30007 can search for neighboring points that exist within a specific location/radius from the position of the center point of each voxel based on a K-D tree or Molton code.
  • the K-D tree is a binary search tree that supports a data structure that can manage points based on location to enable quick Nearest Neighbor Search (NNS).
  • Molton code represents coordinate values (e.g. (x, y, z)) representing the three-dimensional positions of all points as bit values, and is generated by mixing the bits. For example, if the coordinate value representing the position of a point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute conversion unit 30007 can sort points based on Molton code values and perform nearest neighbor search (NNS) through a depth-first traversal process. After the attribute conversion operation, if nearest neighbor search (NNS) is required in other conversion processes for attribute coding, a K-D tree or Molton code is used.
  • NSS nearest neighbor search
  • the converted attributes are input to the RAHT conversion unit 30008 and/or the LOD generation unit 30009.
  • the RAHT conversion unit 30008 performs RAHT coding to predict attribute information based on the reconstructed geometry information. For example, the RAHT converter 30008 may predict attribute information of a node at a higher level of the octree based on attribute information associated with a node at a lower level of the octree.
  • the LOD generator 30009 generates a Level of Detail (LOD) to perform predictive transform coding.
  • LOD Level of Detail
  • the LOD according to embodiments is a degree of representing the detail of the point cloud content. The smaller the LOD value, the lower the detail of the point cloud content, and the larger the LOD value, the higher the detail of the point cloud content. Points can be classified according to LOD.
  • the lifting transformation unit 30010 performs lifting transformation coding to transform the attributes of the point cloud based on weights. As described above, lifting transform coding can be selectively applied.
  • the coefficient quantization unit 30011 quantizes attribute-coded attributes based on coefficients.
  • the arismatic encoder 30012 encodes quantized attributes based on arismatic coding.
  • the elements of the point cloud encoder of FIG. 3 are not shown in the drawing, but are hardware that includes one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. , may be implemented as software, firmware, or a combination thereof. One or more processors may perform at least one of the operations and/or functions of the elements of the point cloud encoder of FIG. 3 described above. Additionally, one or more processors may operate or execute a set of software programs and/or instructions to perform the operations and/or functions of the elements of the point cloud encoder of FIG. 3.
  • One or more memories may include high-speed random access memory, non-volatile memory (e.g., one or more magnetic disk storage devices, flash memory devices, or other non-volatile solid state memory). may include memory devices (solid-state memory devices, etc.).
  • Figure 4 shows examples of octrees and occupancy codes according to embodiments.
  • the point cloud content providing system (point cloud video encoder 10002) or the point cloud encoder (e.g., octree analysis unit 30002) efficiently manages the area and/or position of the voxel.
  • octree geometry coding (or octree coding) based on the octree structure is performed.
  • the top of Figure 4 shows an octree structure.
  • the three-dimensional space of point cloud content according to embodiments is expressed as axes of a coordinate system (eg, X-axis, Y-axis, and Z-axis).
  • the octree structure is created by recursive subdividing a cubic axis-aligned bounding box defined by the two poles (0,0,0) and (2 d , 2 d , 2 d ).
  • . 2d can be set to a value that constitutes the smallest bounding box surrounding all points of point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the d value is determined according to the following equation. In the equation below, (x int n , y int n , z int n ) represents the positions (or position values) of quantized points.
  • the entire three-dimensional space can be divided into eight spaces according to division.
  • Each divided space is expressed as a cube with six sides.
  • each of the eight spaces is again divided based on the axes of the coordinate system (eg, X-axis, Y-axis, and Z-axis). Therefore, each space is further divided into eight smaller spaces.
  • the small divided space is also expressed as a cube with six sides. This division method is applied until the leaf nodes of the octree become voxels.
  • the bottom of Figure 4 shows the octree's occupancy code.
  • the octree's occupancy code is generated to indicate whether each of the eight divided spaces created by dividing one space includes at least one point. Therefore, one occupancy code is expressed as eight child nodes. Each child node represents the occupancy of the divided space, and each child node has a 1-bit value. Therefore, the occupancy code is expressed as an 8-bit code. That is, if the space corresponding to a child node contains at least one point, the node has a value of 1. If the space corresponding to a child node does not contain a point (empty), the node has a value of 0. Since the occupancy code shown in FIG.
  • a point cloud encoder (for example, an arismatic encoder 30004) according to embodiments may entropy encode an occupancy code. Additionally, to increase compression efficiency, the point cloud encoder can intra/inter code occupancy codes.
  • a receiving device eg, a receiving device 10004 or a point cloud video decoder 10006) according to embodiments reconstructs an octree based on the occupancy code.
  • the point cloud encoder may perform voxelization and octree coding to store the positions of points.
  • points in a three-dimensional space are not always evenly distributed, there may be specific areas where there are not many points. Therefore, it is inefficient to perform voxelization on the entire three-dimensional space. For example, if there are few points in a specific area, there is no need to perform voxelization to that area.
  • the point cloud encoder does not perform voxelization on the above-described specific area (or nodes other than the leaf nodes of the octree), but uses direct coding to directly code the positions of points included in the specific area. ) can be performed. Coordinates of direct coding points according to embodiments are called direct coding mode (DCM). Additionally, the point cloud encoder according to embodiments may perform Trisoup geometry encoding to reconstruct the positions of points within a specific area (or node) on a voxel basis based on a surface model. TryShop geometry encoding is a geometry encoding that expresses the object as a series of triangle meshes.
  • the point cloud decoder can generate a point cloud from the mesh surface.
  • Direct coding and tryop geometry encoding according to embodiments may be selectively performed. Additionally, direct coding and tryop geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use direct mode to apply direct coding must be activated, and the node to which direct coding will be applied is not a leaf node, but has nodes below the threshold within a specific node. points must exist. Additionally, the number of appetizer points subject to direct coding must not exceed a preset limit. If the above conditions are satisfied, the point cloud encoder (or arismatic encoder 30004) according to embodiments can entropy code the positions (or position values) of points.
  • the point cloud encoder (e.g., the surface approximation analysis unit 30003) determines a specific level of the octree (if the level is smaller than the depth d of the octree), and from that level, uses the surface model to create nodes. Try-Soap geometry encoding can be performed to reconstruct the positions of points within the area on a voxel basis (Try-Soap mode).
  • the point cloud encoder may specify a level to apply Trichom geometry encoding. For example, if the specified level is equal to the depth of the octree, the point cloud encoder will not operate in tryop mode.
  • the point cloud encoder can operate in tryop mode only when the specified level is smaller than the depth value of the octree.
  • a three-dimensional cubic area of nodes at a designated level according to embodiments is called a block.
  • One block may include one or more voxels.
  • a block or voxel may correspond to a brick.
  • geometry is expressed as a surface.
  • a surface according to embodiments may intersect each edge of a block at most once.
  • a vertex along an edge is detected if there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An occupied voxel according to embodiments means a voxel including a point.
  • the position of a vertex detected along an edge is the average position along the edge of all voxels adjacent to the edge among all blocks sharing the edge.
  • the point cloud encoder calculates the starting point of the edge (x, y, z) and the direction vector of the edge ( x, y, z), vertex position values (relative position values within the edge) can be entropy coded.
  • the point cloud encoder e.g., geometry reconstruction unit 30005
  • the point cloud encoder performs triangle reconstruction, up-sampling, and voxelization processes. This allows you to create restored geometry (reconstructed geometry).
  • Vertices located at the edges of a block determine the surface that passes through the block.
  • the surface according to embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by a triangle based on the starting point of the edge, the direction vector of the edge, and the position value of the vertex.
  • the triangle reconstruction process is as follows. 1 Calculate the centroid value of each vertex, 2 calculate the square value of each vertex value by subtracting the centroid value, and calculate the value by adding all of the values.
  • each vertex is projected to the x-axis based on the center of the block and projected to the (y, z) plane. If the value that appears when projected onto the (y, z) plane is (ai, bi), the ⁇ value is obtained through atan2(bi, ai), and the vertices are sorted based on the ⁇ value.
  • the table below shows the combination of vertices to create a triangle depending on the number of vertices. Vertices are sorted in order from 1 to n.
  • the first triangle may be composed of the 1st, 2nd, and 3rd vertices among the aligned vertices
  • the second triangle may be composed of the 3rd, 4th, and 1st vertices among the aligned vertices.
  • the upsampling process is performed to voxelize the triangle by adding points in the middle along the edges. Additional points are generated based on the upsampling factor value and the width of the block. The additional points are called refined vertices.
  • the point cloud encoder according to embodiments can voxelize refined vertices. Additionally, the point cloud encoder can perform attribute encoding based on voxelized position (or position value).
  • Figure 5 shows an example of point configuration for each LOD according to embodiments.
  • the encoded geometry is reconstructed (decompressed) before attribute encoding is performed.
  • the geometry reconstruction operation may include changing the placement of the direct coded points (e.g., placing the direct coded points in front of the point cloud data).
  • the geometry reconstruction process involves triangle reconstruction, upsampling, and voxelization. Since the attributes are dependent on the geometry, attribute encoding is performed based on the reconstructed geometry.
  • the point cloud encoder may reorganize points by LOD.
  • the drawing shows point cloud content corresponding to the LOD.
  • the left side of the drawing represents the original point cloud content.
  • the second figure from the left of the figure shows the distribution of points of the lowest LOD, and the rightmost figure of the figure represents the distribution of points of the highest LOD. That is, the points of the lowest LOD are sparsely distributed, and the points of the highest LOD are densely distributed.
  • the interval (or distance) between points becomes shorter.
  • Figure 6 shows an example of point configuration for each LOD according to embodiments.
  • a point cloud content providing system or a point cloud encoder (e.g., the point cloud video encoder 10002, the point cloud encoder of FIG. 3, or the LOD generator 30009) generates an LOD. can do.
  • the LOD is created by reorganizing the points into a set of refinement levels according to a set LOD distance value (or a set of Euclidean Distances).
  • the LOD generation process is performed not only in the point cloud encoder but also in the point cloud decoder.
  • FIG. 6 shows examples (P0 to P9) of points of point cloud content distributed in three-dimensional space.
  • the original order in FIG. 6 represents the order of points P0 to P9 before LOD generation.
  • the LOD based order in FIG. 6 indicates the order of points according to LOD generation. Points are reordered by LOD. Also, high LOD includes points belonging to low LOD.
  • LOD0 includes P0, P5, P4, and P2.
  • LOD1 contains the points of LOD0 plus P1, P6 and P3.
  • LOD2 includes the points of LOD0, the points of LOD1, and P9, P8, and P7.
  • the point cloud encoder may perform predictive transform coding, lifting transform coding, and RAHT transform coding selectively or in combination.
  • a point cloud encoder may generate a predictor for points and perform prediction transformation coding to set a prediction attribute (or prediction attribute value) of each point. That is, N predictors can be generated for N points.
  • Prediction attributes are weights calculated based on the distance to each neighboring point and the attributes (or attribute values, e.g., color, reflectance, etc.) of neighboring points set in the predictor of each point. It is set as the average value of the value multiplied by (or weight value).
  • the point cloud encoder e.g., the coefficient quantization unit 30011 generates residuals obtained by subtracting the predicted attribute (attribute value) from the attribute (attribute value) of each point (residual attribute, residual attribute value, attribute (can be called prediction residual, etc.) can be quantized and inverse quantized.
  • the quantization process is as shown in Tables 2 and 3 below.
  • the point cloud encoder (for example, the arismatic encoder 30012) according to embodiments can entropy code the quantized and dequantized residuals as described above when there are neighboring points in the predictor of each point.
  • the point cloud encoder (for example, the arismatic encoder 30012) according to embodiments may entropy code the attributes of each point without performing the above-described process if there are no neighboring points in the predictor of each point.
  • the point cloud encoder (e.g., lifting transform unit 30010) according to embodiments generates a predictor for each point, sets the calculated LOD in the predictor, registers neighboring points, and according to the distance to neighboring points.
  • Lifting transformation coding can be performed by setting weights.
  • Lifting transform coding according to embodiments is similar to the above-described prediction transform coding, but differs in that weights are cumulatively applied to attribute values.
  • the process of cumulatively applying weights to attribute values according to embodiments is as follows.
  • the weight calculated for all predictors is further multiplied by the weight stored in the QW corresponding to the predictor index, and the calculated weight is cumulatively added to the update weight array as the index of the neighboring node.
  • the attribute value of the index of the neighboring node is multiplied by the calculated weight and the value is accumulated.
  • the attribute value updated through the lift update process is additionally multiplied by the weight updated (stored in QW) through the lift prediction process to calculate the predicted attribute value.
  • the point cloud encoder eg, coefficient quantization unit 30011
  • a point cloud encoder e.g., arismatic encoder 30012
  • entropy codes the quantized attribute value.
  • the point cloud encoder (e.g., RAHT transform unit 30008) may perform RAHT transform coding to predict the attributes of nodes at the upper level using attributes associated with nodes at the lower level of the octree. .
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud encoder according to embodiments scans the entire area from the voxel, merges the voxels into a larger block at each step, and repeats the merging process up to the root node.
  • the merging process according to embodiments is performed only for occupied nodes.
  • the merging process is not performed on empty nodes, and the merging process is performed on the nodes immediately above the empty node.
  • g lx,y,z represent the average attribute values of voxels at level l.
  • g lx,y,z can be calculated from g l+1 2x,y,z and g l+1 2x+1,y,z .
  • g l-1 x,y,z are low-pass values, which are used in the merging process at the next higher level.
  • the root node is created as follows through the last g 1 0,0,0 and g 1 0,0,1 .
  • the gDC value is also quantized and entropy coded like the high-pass coefficient.
  • Figure 7 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 7 is an example of a point cloud decoder and can perform a decoding operation that is the reverse process of the encoding operation of the point cloud encoder described in FIGS. 1 to 6.
  • the point cloud decoder can perform geometry decoding and attribute decoding. Geometry decoding is performed before attribute decoding.
  • the point cloud decoder includes an arithmetic decoder (7000), an octree synthesis unit (synthesize octree, 7001), a surface approximation synthesis unit (synthesize surface approximation, 7002), and a geometry reconstruction unit (reconstruct geometry). , 7003), inverse transform coordinates (7004), arithmetic decoder (arithmetic decode, 7005), inverse quantize (7006), RAHT transform unit (7007), generate LOD (7008) ), an inverse lifting unit (Inverse lifting, 7009), and/or a color inverse transform unit (inverse transform colors, 7010).
  • the arismatic decoder 7000, octree synthesis unit 7001, surface oproximation synthesis unit 7002, geometry reconstruction unit 7003, and coordinate system inversion unit 7004 can perform geometry decoding.
  • Geometry decoding according to embodiments may include direct coding and trisoup geometry decoding. Direct coding and tryop geometry decoding are optionally applied. Additionally, geometry decoding is not limited to the above example and is performed as a reverse process of the geometry encoding described in FIGS. 1 to 6.
  • the arismatic decoder 7000 decodes the received geometry bitstream based on arismatic coding.
  • the operation of the arismatic decoder (7000) corresponds to the reverse process of the arismatic encoder (30004).
  • the octree synthesis unit 7001 may generate an octree by obtaining an occupancy code from a decoded geometry bitstream (or information about geometry obtained as a result of decoding). A detailed description of the occupancy code is as described in FIGS. 1 to 6.
  • the surface oproximation synthesis unit 7002 may synthesize a surface based on the decoded geometry and/or the generated octree.
  • the geometry reconstruction unit 7003 may regenerate geometry based on the surface and or the decoded geometry. As described in FIGS. 1 to 6, direct coding and Tryop geometry encoding are selectively applied. Therefore, the geometry reconstruction unit 7003 directly retrieves and adds the position information of points to which direct coding has been applied. In addition, when tryop geometry encoding is applied, the geometry reconstruction unit 7003 can restore the geometry by performing reconstruction operations of the geometry reconstruction unit 30005, such as triangle reconstruction, up-sampling, and voxelization operations. there is. Since the specific details are the same as those described in FIG. 4, they are omitted.
  • the restored geometry may include a point cloud picture or frame that does not contain the attributes.
  • the coordinate system inversion unit 7004 may obtain positions of points by transforming the coordinate system based on the restored geometry.
  • the arithmetic decoder 7005, inverse quantization unit 7006, RAHT conversion unit 7007, LOD generation unit 7008, inverse lifting unit 7009, and/or color inverse conversion unit 7010 perform attribute decoding. You can. Attribute decoding according to embodiments includes Region Adaptive Hierarchial Transform (RAHT) decoding, Interpolation-based hierarchical nearest-neighbor prediction-Prediction Transform decoding, and interpolation-based hierarchical nearest-neighbor prediction with an update/lifting. step (Lifting Transform)) decoding.
  • RAHT Region Adaptive Hierarchial Transform
  • Interpolation-based hierarchical nearest-neighbor prediction-Prediction Transform decoding Interpolation-based hierarchical nearest-neighbor prediction with an update/lifting. step (Lifting Transform)) decoding.
  • the three decodings described above may be used selectively, or a combination of one or more decodings may be used. Additionally, attribute decoding according to embodiments is not limited
  • the arismatic decoder 7005 decodes the attribute bitstream using arismatic coding.
  • the inverse quantization unit 7006 inverse quantizes the decoded attribute bitstream or information about the attribute obtained as a result of decoding and outputs the inverse quantized attributes (or attribute values). Inverse quantization can be selectively applied based on the attribute encoding of the point cloud encoder.
  • the RAHT conversion unit 7007, the LOD generation unit 7008, and/or the inverse lifting unit 7009 may process the reconstructed geometry and inverse quantized attributes. As described above, the RAHT converter 7007, the LOD generator 7008, and/or the inverse lifting unit 7009 may selectively perform the corresponding decoding operation according to the encoding of the point cloud encoder.
  • the color inversion unit 7010 performs inverse transformation coding to inversely transform color values (or textures) included in decoded attributes.
  • the operation of the color inverse converter 7010 may be selectively performed based on the operation of the color converter 30006 of the point cloud encoder.
  • the elements of the point cloud decoder of FIG. 7 are hardware that includes one or more processors or integrated circuits that are not shown in the drawing but are configured to communicate with one or more memories included in the point cloud providing device. , may be implemented as software, firmware, or a combination thereof. One or more processors may perform at least one of the operations and/or functions of the elements of the point cloud decoder of FIG. 7 described above. Additionally, one or more processors may operate or execute a set of software programs and/or instructions to perform the operations and/or functions of the elements of the point cloud decoder of Figure 7.
  • Figure 8 is an example of a transmission device according to embodiments.
  • the transmission device shown in FIG. 8 is an example of the transmission device 10000 of FIG. 1 (or the point cloud encoder of FIG. 3).
  • the transmission device shown in FIG. 8 may perform at least one of operations and methods that are the same or similar to the operations and encoding methods of the point cloud encoder described in FIGS. 1 to 6.
  • the transmission device includes a data input unit 8000, a quantization processing unit 8001, a voxelization processing unit 8002, an octree occupancy code generating unit 8003, a surface model processing unit 8004, and an intra/ Inter coding processing unit (8005), Arithmetic coder (8006), metadata processing unit (8007), color conversion processing unit (8008), attribute conversion processing unit (or attribute conversion processing unit) (8009), prediction/lifting/RAHT conversion It may include a processing unit 8010, an arithmetic coder 8011, and/or a transmission processing unit 8012.
  • the data input unit 8000 receives or acquires point cloud data.
  • the data input unit 8000 may perform the same or similar operation and/or acquisition method as the operation and/or acquisition method of the point cloud video acquisition unit 10001 (or the acquisition process 20000 described in FIG. 2).
  • Data input unit 8000, quantization processing unit 8001, voxelization processing unit 8002, octree occupancy code generation unit 8003, surface model processing unit 8004, intra/inter coding processing unit 8005, Arithmetic Coder 8006 performs geometry encoding. Since geometry encoding according to embodiments is the same or similar to the geometry encoding described in FIGS. 1 to 6, detailed description is omitted.
  • the quantization processing unit 8001 quantizes geometry (eg, position values of points or position values).
  • the operation and/or quantization of the quantization processing unit 8001 is the same or similar to the operation and/or quantization of the quantization unit 30001 described in FIG. 3.
  • the detailed description is the same as that described in FIGS. 1 to 6.
  • the voxelization processing unit 8002 voxelizes the position values of quantized points.
  • the voxelization processing unit 80002 may perform operations and/or processes that are the same or similar to the operations and/or voxelization processes of the quantization unit 30001 described in FIG. 3. The detailed description is the same as that described in FIGS. 1 to 6.
  • the octree occupancy code generation unit 8003 performs octree coding on the positions of voxelized points based on an octree structure.
  • the octree occupancy code generation unit 8003 may generate an occupancy code.
  • the octree occupancy code generation unit 8003 may perform operations and/or methods that are the same or similar to those of the point cloud encoder (or octree analysis unit 30002) described in FIGS. 3 and 4. The detailed description is the same as that described in FIGS. 1 to 6.
  • the surface model processing unit 8004 may perform Trichom geometry encoding to reconstruct the positions of points within a specific area (or node) on a voxel basis based on a surface model.
  • the surface model processing unit 8004 may perform operations and/or methods that are the same or similar to those of the point cloud encoder (e.g., surface approximation analysis unit 30003) described in FIG. 3 .
  • the detailed description is the same as that described in FIGS. 1 to 6.
  • the intra/inter coding processor 8005 may intra/inter code point cloud data.
  • the intra/inter coding processing unit 8005 may perform the same or similar coding as intra/inter coding.
  • the intra/inter coding processing unit 8005 may be included in the arismatic coder 8006.
  • Arismatic coder 8006 entropy encodes an octree and/or an approximated octree of point cloud data.
  • the encoding method includes an Arithmetic encoding method.
  • the arismatic coder 8006 performs operations and/or methods that are the same or similar to those of the arismatic encoder 30004.
  • the metadata processing unit 8007 processes metadata related to point cloud data, such as setting values, and provides it to necessary processing processes such as geometry encoding and/or attribute encoding. Additionally, the metadata processing unit 8007 according to embodiments may generate and/or process signaling information related to geometry encoding and/or attribute encoding. Signaling information according to embodiments may be encoded separately from geometry encoding and/or attribute encoding. Additionally, signaling information according to embodiments may be interleaved.
  • the color conversion processor 8008, the attribute conversion processor 8009, the prediction/lifting/RAHT conversion processor 8010, and the arithmetic coder 8011 perform attribute encoding. Since attribute encoding according to embodiments is the same or similar to the attribute encoding described in FIGS. 1 to 6, detailed descriptions are omitted.
  • the color conversion processor 8008 performs color conversion coding to convert color values included in attributes.
  • the color conversion processor 8008 may perform color conversion coding based on the reconstructed geometry.
  • the description of the reconstructed geometry is the same as that described in FIGS. 1 to 6. Additionally, the same or similar operations and/or methods as those of the color conversion unit 30006 described in FIG. 3 are performed. Detailed explanations are omitted.
  • the attribute conversion processing unit 8009 performs attribute conversion to convert attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry.
  • the attribute conversion processing unit 8009 performs operations and/or methods that are the same or similar to those of the attribute conversion unit 30007 described in FIG. 3 . Detailed explanations are omitted.
  • the prediction/lifting/RAHT transform processing unit 8010 may code the transformed attributes using any one or a combination of RAHT coding, prediction transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT conversion processing unit 8010 performs at least one of the same or similar operations as the RAHT conversion unit 30008, the LOD generation unit 30009, and the lifting conversion unit 30010 described in FIG. 3. do. Additionally, since the description of prediction transform coding, lifting transform coding, and RAHT transform coding is the same as that described in FIGS. 1 to 6, detailed descriptions will be omitted.
  • the arismatic coder 8011 may encode coded attributes based on arismatic coding.
  • the arismatic coder 8011 performs operations and/or methods that are the same or similar to those of the arithmetic encoder 300012.
  • the transmission processing unit 8012 transmits each bitstream including encoded geometry and/or encoded attributes and metadata information, or transmits the encoded geometry and/or encoded attributes and metadata information into one It can be configured and transmitted as a bitstream.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to embodiments includes SPS (Sequence Parameter Set) for sequence level signaling, GPS (Geometry Parameter Set) for signaling of geometry information coding, APS (Attribute Parameter Set) for signaling of attribute information coding, and tile. It may contain signaling information and slice data including TPS (Tile Parameter Set) for level signaling.
  • Slice data may include information about one or more slices.
  • One slice may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 , Attr1 0 ).
  • a slice refers to a series of syntax elements that represent all or part of a coded point cloud frame.
  • the TPS may include information about each tile (for example, bounding box coordinate value information and height/size information, etc.) for one or more tiles.
  • the geometry bitstream may include a header and payload.
  • the header of the geometry bitstream may include identification information of a parameter set included in GPS (geom_parameter_set_id), a tile identifier (geom_tile_id), a slice identifier (geom_slice_id), and information about data included in the payload. You can.
  • the metadata processing unit 8007 may generate and/or process signaling information and transmit it to the transmission processing unit 8012.
  • elements performing geometry encoding and elements performing attribute encoding may share data/information with each other as indicated by the dotted line.
  • the transmission processor 8012 may perform operations and/or transmission methods that are the same or similar to those of the transmitter 10003. Detailed descriptions are the same as those described in FIGS. 1 and 2 and are therefore omitted.
  • FIG 9 is an example of a receiving device according to embodiments.
  • the receiving device shown in FIG. 9 is an example of the receiving device 10004 in FIG. 1.
  • the receiving device shown in FIG. 9 may perform at least one of operations and methods that are the same or similar to the operations and decoding methods of the point cloud decoder described in FIGS. 1 to 8.
  • the receiving device includes a receiving unit 9000, a receiving processing unit 9001, an arithmetic decoder 9002, an occupancy code-based octree reconstruction processing unit 9003, and a surface model processing unit (triangle reconstruction , up-sampling, voxelization) (9004), inverse quantization processor (9005), metadata parser (9006), arithmetic decoder (9007), inverse quantization processor (9008), prediction /Lifting/RAHT may include an inverse conversion processing unit 9009, a color inversion processing unit 9010, and/or a renderer 9011.
  • Each decoding component according to the embodiments may perform the reverse process of the encoding component according to the embodiments.
  • the receiving unit 9000 receives point cloud data.
  • the receiver 9000 may perform operations and/or reception methods that are the same or similar to those of the receiver 10005 of FIG. 1 . Detailed explanations are omitted.
  • the reception processor 9001 may obtain a geometry bitstream and/or an attribute bitstream from received data.
  • the reception processing unit 9001 may be included in the reception unit 9000.
  • the arismatic decoder 9002, the occupancy code-based octree reconstruction processor 9003, the surface model processor 9004, and the inverse quantization processor 9005 can perform geometry decoding. Since geometry decoding according to embodiments is the same or similar to the geometry decoding described in at least one of FIGS. 1 to 8, detailed descriptions are omitted.
  • the arismatic decoder 9002 may decode a geometry bitstream based on arismatic coding.
  • the arismatic decoder 9002 performs operations and/or coding that are the same or similar to those of the arismatic decoder 7000.
  • the occupancy code-based octree reconstruction processing unit 9003 may reconstruct the octree by obtaining an occupancy code from a decoded geometry bitstream (or information about geometry obtained as a result of decoding). Upon occupancy, the code-based octree reconstruction processor 9003 performs operations and/or methods that are the same or similar to the operations and/or octree creation method of the octree composition unit 7001. When Trisharp geometry encoding is applied, the surface model processing unit 9004 according to embodiments decodes the Trisharp geometry and performs geometry reconstruction related thereto (e.g., triangle reconstruction, up-sampling, voxelization) based on the surface model method. can be performed. The surface model processing unit 9004 performs the same or similar operations as the surface oproximation synthesis unit 7002 and/or the geometry reconstruction unit 7003.
  • the inverse quantization processing unit 9005 may inverse quantize the decoded geometry.
  • the metadata parser 9006 may parse metadata, for example, setting values, etc., included in the received point cloud data. Metadata parser 9006 may pass metadata to geometry decoding and/or attribute decoding. The detailed description of metadata is the same as that described in FIG. 8, so it is omitted.
  • the arismatic decoder 9007, inverse quantization processing unit 9008, prediction/lifting/RAHT inversion processing unit 9009, and color inversion processing unit 9010 perform attribute decoding. Since attribute decoding is the same or similar to the attribute decoding described in at least one of FIGS. 1 to 8, detailed description is omitted.
  • the arismatic decoder 9007 may decode an attribute bitstream using arismatic coding.
  • the arismatic decoder 9007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the arismatic decoder 9007 performs operations and/or coding that are the same or similar to those of the arismatic decoder 7005.
  • the inverse quantization processing unit 9008 may inverse quantize a decoded attribute bitstream.
  • the inverse quantization processing unit 9008 performs operations and/or methods that are the same or similar to the operations and/or inverse quantization method of the inverse quantization unit 7006.
  • the prediction/lifting/RAHT inversion processing unit 9009 may process the reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transform processing unit 9009 performs the same or similar operations as the operations and/or decoding of the RAHT transforming unit 7007, the LOD generating unit 7008, and/or the inverse lifting unit 7009 of FIG. 7. and/or perform at least one of decoding.
  • the color inversion processing unit 9010 according to embodiments performs inverse transformation coding to inversely transform color values (or textures) included in decoded attributes.
  • the color inversion processing unit 9010 performs operations and/or inverse conversion coding that are the same or similar to the operations and/or inverse conversion coding of the color inverse conversion unit 7010 of FIG. 7 .
  • the renderer 9011 may render point cloud data.
  • Figure 10 shows an example of a structure that can be linked to a point cloud data transmission/reception method/device according to embodiments.
  • the structure of FIG. 10 includes at least one of a server 1060, a robot 1010, an autonomous vehicle 1020, an XR device 1030, a smartphone 1040, a home appliance 1050, and/or an HMD 1070. It represents a configuration connected to the cloud network (1010).
  • a robot 1010, an autonomous vehicle 1020, an XR device 1030, a smartphone 1040, or a home appliance 1050 is called a device.
  • the XR device 1030 may correspond to or be linked to a point cloud data (PCC) device according to embodiments.
  • PCC point cloud data
  • the cloud network 1000 may constitute part of a cloud computing infrastructure or may refer to a network that exists within the cloud computing infrastructure.
  • the cloud network 1000 may be configured using a 3G network, 4G, Long Term Evolution (LTE) network, or 5G network.
  • the server 1060 includes at least one of a robot 1010, an autonomous vehicle 1020, an XR device 1030, a smartphone 1040, a home appliance 1050, and/or a HMD 1070, and a cloud network 1000. It is connected through and can assist at least part of the processing of the connected devices 1010 to 1070.
  • a Head-Mount Display (HMD) 1070 represents one of the types in which an XR device and/or a PCC device according to embodiments may be implemented.
  • the HMD type device includes a communication unit, a control unit, a memory unit, an I/O unit, a sensor unit, and a power supply unit.
  • devices 1010 to 1050 to which the above-described technology is applied will be described.
  • the devices 1010 to 1050 shown in FIG. 10 may be linked/combined with the point cloud data transmission/reception devices according to the above-described embodiments.
  • the XR/PCC device 1030 is equipped with PCC and/or XR (AR+VR) technology, and is used for HMD (Head-Mount Display), HUD (Head-Up Display) installed in vehicles, televisions, mobile phones, smart phones, It may be implemented as a computer, wearable device, home appliance, digital signage, vehicle, stationary robot, or mobile robot.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • the XR/PCC device 1030 analyzes 3D point cloud data or image data acquired through various sensors or from external devices to generate location data and attribute data for 3D points, thereby providing information about surrounding space or real objects. Information can be acquired, and the XR object to be output can be rendered and output. For example, the XR/PCC device 1030 may output an XR object containing additional information about the recognized object in correspondence to the recognized object.
  • the XR/PCC device (1030) can be implemented as a mobile phone (1040) by applying PCC technology.
  • the mobile phone 1040 can decode and display point cloud content based on PCC technology.
  • the self-driving vehicle 1020 can be implemented as a mobile robot, vehicle, unmanned aerial vehicle, etc. by applying PCC technology and XR technology.
  • the autonomous vehicle 1020 to which XR/PCC technology is applied may refer to an autonomous vehicle equipped with a means for providing XR images or an autonomous vehicle that is subject to control/interaction within XR images.
  • the autonomous vehicle 1020 which is the subject of control/interaction within the XR image, is distinct from the XR device 1030 and may be interoperable with each other.
  • An autonomous vehicle 1020 equipped with a means for providing an XR/PCC image can acquire sensor information from sensors including a camera and output an XR/PCC image generated based on the acquired sensor information.
  • the self-driving vehicle 1020 may be equipped with a HUD and output XR/PCC images, thereby providing occupants with XR/PCC objects corresponding to real objects or objects on the screen.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a portion of the XR/PCC object may be output to overlap the actual object toward which the passenger's gaze is directed.
  • the XR/PCC object when the XR/PCC object is output to a display provided inside the autonomous vehicle, at least a portion of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 1220 may output XR/PCC objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, pedestrians, buildings, etc.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects and backgrounds in the real world only as CG images.
  • AR technology refers to a technology that shows a virtual CG image on top of an image of a real object.
  • MR technology is similar to the AR technology described above in that it mixes and combines virtual objects in the real world to display them.
  • real objects and virtual objects made of CG images there is a clear distinction between real objects and virtual objects made of CG images, and virtual objects are used as a complement to real objects, whereas in MR technology, virtual objects are considered to be equal to real objects. It is distinct from technology. More specifically, for example, the MR technology described above is applied to a hologram service.
  • VR virtual reality
  • AR extended reality
  • MR extended reality
  • embodiments of the present disclosure are applicable to all VR, AR, MR, and XR technologies. These technologies can be encoded/decoded based on PCC, V-PCC, and G-PCC technologies.
  • the PCC method/device according to embodiments may be applied to vehicles providing autonomous driving services.
  • Vehicles providing autonomous driving services are connected to PCC devices to enable wired/wireless communication.
  • Point cloud data (PCC) transmission/reception devices receive/process content data related to AR/VR/PCC services that can be provided with autonomous driving services when connected to a vehicle to enable wired/wireless communication. This can be transmitted to the vehicle.
  • the point cloud transmission/reception device receives/processes content data related to AR/VR/PCC services according to the user input signal input through the user interface device and provides it to the user. can do.
  • a vehicle or user interface device may receive a user input signal.
  • User input signals according to embodiments may include signals indicating autonomous driving services.
  • a point cloud (or point cloud data) is composed of a set of points, and each point may have geometry information and attribute information.
  • Geometry information is 3D position (XYZ) information
  • attribute information is color (RGB, YUV, etc.), reflectance (referred to as reflectance), etc.
  • the attribute information of each point is color, reflectance, transparency, frame index, frame number, material identifier, and normal vector. It may include at least one of:
  • geometry information has the same meaning as geometry data and geometry, and is used interchangeably.
  • attribute information has the same meaning as attribute data and attributes, and are used interchangeably.
  • the point cloud content providing system includes one or more cameras (e.g., an infrared camera capable of securing depth information, RGB cameras that can extract color information corresponding to depth information, etc.), projectors (e.g., infrared pattern projectors to secure depth information, etc.), LiDAR (Light Detection and Ranging), etc. can be used.
  • cameras e.g., an infrared camera capable of securing depth information, RGB cameras that can extract color information corresponding to depth information, etc.
  • projectors e.g., infrared pattern projectors to secure depth information, etc.
  • LiDAR Light Detection and Ranging
  • LIDAR is a device that measures distance by measuring the time it takes for irradiated light to reflect and return to the subject. It provides precise three-dimensional information of the real world as point cloud data over a wide area and long distance. Such large-capacity point cloud data can be widely used in various fields that use computer vision technology, such as self-driving cars, robots, and 3D map production.
  • LIDAR equipment uses a radar system that measures the location coordinates of a reflector by shooting a laser pulse and measuring the time it takes for it to reflect and return to the subject (i.e., reflector) to generate point cloud content.
  • depth information may be extracted through LiDAR equipment.
  • point cloud content generated through LiDAR equipment may consist of multiple frames, and multiple frames may be integrated into one content.
  • lidars can be divided into fixed (non-spinning, solid or fixed) lidar and rotating (rotation or spinning lidar) lidar.
  • a fixed LIDAR is installed in a fixed location to collect distance and 3D information of the surrounding environment.
  • These fixed LIDAR systems are usually used to monitor structures such as buildings, roads, bridges, and tunnels, or to scan terrain features.
  • the fixed lidar is installed in a fixed location, so it can continuously monitor a specific area. Additionally, they usually do not rotate horizontally at 360 degrees and mainly emit and receive beams in a vertical direction. That is, because the beam is emitted in one fixed direction at a time, data acquisition speed may be slow. Therefore, fixed LIDAR is used for precise distance measurement such as 3D maps, and is mainly used in static environments.
  • the rotating LIDAR is equipped with a plurality of lasers (or laser sensors) at different elevations, and the lasers rotate along an azimuth (horizontal direction) about the Y axis. It can be used to capture point cloud data while doing.
  • These rotational LIDAR systems are often used in cases where fast and accurate 3D information acquisition is required even in dynamic environments, such as self-driving cars, drones, and robots.
  • the laser sensor rotates and scans 360 degrees to acquire data of the surrounding environment in real time, and the data acquisition speed is faster than that of a fixed LiDAR. Additionally, it operates effectively in dynamic environments and is mainly used in moving vehicles and robots.
  • the present disclosure relates to an apparatus and method for predicting point cloud data acquired with a fixed LIDAR, and particularly to a method and apparatus for compressing the geometry of a point cloud according to the characteristics of a fixed LIDAR between frames.
  • This disclosure proposes a point-by-point search method using geometry information when detecting objects between frames to compress 3D point cloud data.
  • This disclosure proposes a point-by-point search method using geometry information when detecting objects between frames to compress 3D point cloud data.
  • a dynamic point cloud classified as Category 3 in point cloud data is composed of multiple point cloud frames and can be used for autonomous driving, etc.
  • a set of frames is called a sequence, and one sequence includes frames composed of the same attribute values. Therefore, geometry values have the characteristics of dynamic objects that move between objects between previous and subsequent frames, and static objects that do not move.
  • the present disclosure proposes a method for searching and detecting objects within and/or between frames with the goal of inter-frame compression among sequences.
  • the present disclosure proposes a method for compensating for refraction of point cloud data that may occur due to the characteristics of fixed LIDAR and for separating roads and objects from point cloud data for which the refraction has been compensated.
  • the fixed LIDAR acquires points of point cloud data using a lens, so it has xyz characteristics based on the optical coordinate system.
  • the point value of the actual data is obtained using a two-axis mirror, unlike rotational LIDAR. Therefore, this disclosure proposes a method of calculating horizontal and vertical directions in two axes using the tilt and angle in the vector reflected in scanning, and compensating for the refractive error at this time from point cloud data.
  • the present disclosure performs refraction compensation before compressing point cloud data and uses it when searching for objects within/between frames, thereby improving compression efficiency by reflecting the characteristics of the object.
  • compensation for refraction may be performed on at least one z, y, and z axis of each point of point cloud data acquired through a fixed LIDAR.
  • an octree-based geometry compression method may be used to compress the geometry information of point cloud data.
  • the object search method and/or the road and object separation method may be performed before performing prediction tree-based compression of geometry information. At this time, it is performed after converting the xyz coordinates to rpl (range, polar angle, azimuthal angle) coordinates.
  • the object search method and/or the road and object separation method may be performed before performing octree-based compression of geometry information.
  • the object search method and/or the road and object separation method may be performed after compensating (or correcting) the refraction of the point cloud data.
  • xyz coordinates are used to represent the location of each point of the point cloud data in 3D space
  • rpl coordinates represent the relative distance and direction of the points of the point cloud data.
  • rpl coordinates are used to express data measured by a distance measuring device such as a laser sensor.
  • the point replaced with the rpl coordinate system is included in the object as one point, and the individual object (or information related to the individual object) can be signaled from the encoder.
  • object detection is performed for every frame, and the object in the reference frame may not exist in the object list of the current frame. After detecting the object list, motion estimation and motion compensation of the object are performed, and the motion estimation matrix per object may be signaled from the encoder of the transmitting device.
  • LiDAR can use laser sensors to create a 3D map environment.
  • LiDAR uses an active laser to illuminate objects to measure the distance to them (walls, vehicles, trees, etc.), so it is a fast and accurate approach and can be used in a variety of environments and conditions.
  • rotary LiDAR uses a motor to physically rotate the sensor to scan the surroundings.
  • the advantage is that it has a wide horizontal viewing angle, but the disadvantages are that it is large in size, expensive, and has poor durability.
  • fixed LiDAR does not have a rotating mechanical device, but its horizontal viewing angle is narrower than that of rotating LiDAR.
  • the main use of fixed LiDAR is the use of lenses called receiver optics.
  • the characteristics of data acquisition vary depending on the speed of light passing through the lens and the direction in which the light is emitted, and in lossless compression, data characteristics have a high impact on compression efficiency.
  • Figure 11(a) is a diagram showing an example of a rotational LIDAR system according to embodiments.
  • the rotational LIDAR system rotates and tilts the laser beam to investigate the surroundings of the subject, and collects the returned laser signal to generate 3D data such as point cloud data.
  • a tilting mirror is used to tilt a laser beam up and down, and this tilting mirror can collect multidimensional data by emitting a laser beam at various vertical angles.
  • Horizontal refers to the horizontal rotation of the laser sensor.
  • the laser sensor rotates 360 degrees horizontally and scans the surroundings of the subject.
  • a laser is used to generate a beam that emanates from a laser sensor.
  • lasers are used to measure precise distances, and measure the beam emitted from the laser sensor when it is reflected back to the subject.
  • the laser sensor rotates and emits laser in various directions.
  • the Laser Return signal indicates the distance to the object, and this information is used for subsequent analysis.
  • the receiver detects the laser return signal, analyzes the signal, and calculates distance and environmental information.
  • the receiver can precisely measure distance using the time difference between laser return signals and generate point cloud data by processing multiple reflected signals.
  • the receiver can obtain the location coordinates of the subject by shooting a laser pulse and measuring the time it takes for it to reflect and return to the subject (i.e., reflector).
  • Figure 11(b) is a diagram showing an example of a fixed LIDAR system according to embodiments.
  • the fixed LIDAR system in Figure 11(b) generates point cloud data such as 3D terrain by firing a laser beam and collecting signals reflected and returned from the subject.
  • a laser transmitter generates laser pulses (i.e. laser beams), which are fired from a laser sensor.
  • the Lorentz force can be used when generating laser pulses in a laser transmitter.
  • a current and a coil are used to generate laser pulses in a laser transmitter.
  • current flows through the coil Lorentz force is generated and a laser beam is generated.
  • the receiver optics consists of lenses, mirrors, optical sensors, etc., and collects, focuses, and transmits the received laser return signal to the receiver (i.e., optical sensor).
  • the characteristics of point cloud data acquisition vary depending on the speed of light passing through the lens of the receiving optical configuration and the direction in which the light is emitted.
  • LiDARs largely include MEMS (Micro-Electrical-Mechanical System), OPA (Optical Phase Array), and FLASH (Fast LiDAR Scanning Hardware).
  • MEMS can be used to control the beam direction of a laser sensor. This MEMS technology is used in fixed LiDAR systems to control the direction of a laser beam and scan in various directions.
  • OPA represents a technology that can control the direction of light rays through software.
  • the laser beam of the laser sensor can be finely deflected or adjusted to scan in the desired direction.
  • OPA is utilized in fixed LiDAR systems to perform horizontal and vertical scans of the laser beam.
  • FLASH supports fast scanning of laser beams in fixed LiDAR systems.
  • FLASH lidar provides extremely fast data acquisition speeds, enabling the collection of precise 3D terrain information even in dynamic environments.
  • Such fast scanning hardware can be used to improve the performance of fixed LiDAR.
  • the present disclosure proposes a method for predicting geometric information, regardless of the type of fixed LiDAR, but using characteristics different from those of rotating LiDAR.
  • point cloud data generated through fixed LIDAR is more accurate than point cloud data generated through rotating LIDAR, so it is more likely to be used for autonomous driving than rotating LIDAR.
  • fixed LIDAR provides high-precision distance measurement. It has features.
  • a predictor when compressing geometry information based on prediction, a predictor can be selected using the non-linear relationship between the scanning direction and scanning principle.
  • this disclosure proposes a method of separating roads and objects and compressing geometry information using the characteristics of a point cloud acquired with a fixed LIDAR.
  • fixed LIDAR acquires points using a lens of the receiving optical configuration, so it has xyz characteristics based on the optical coordinate system.
  • the xyz characteristic based on the optical coordinate system refers to the coordinates in 3D space of each point acquired through a laser beam (or laser sensor).
  • the x value represents the x coordinate of the point acquired from the LiDAR system and is measured in the left and right directions with the LiDAR system as the center.
  • the x value refers to the horizontal position of the point and represents the relative coordinates of the position of the LIDAR scanning device and the point where the laser beam is reflected.
  • the y value represents the y coordinate of the point and is measured in the forward and backward directions around the LIDAR system.
  • the y value means the vertical position of the point and represents the relative coordinates of the position of the lidar scanning device and the point where the radar beam is reflected.
  • the z value represents the z coordinate of the point and represents the height or altitude of the point where the laser beam is reflected.
  • the z value represents the relative height of a point from the ground or reference plane.
  • the point value of actual data is obtained using a two-axis mirror, unlike rotating LiDAR.
  • the laser sensor can scan in the vertical and horizontal directions to obtain point cloud data.
  • the present disclosure proposes a method of calculating horizontal and vertical directions in two axes using the inclination and angle in the vector reflected in scanning and compensating for the refractive error at this time.
  • this disclosure proposes a method for separating roads and objects from point cloud data scanned on two axes.
  • the method proposed in this disclosure can be applied to each frame, and additionally proposes a method in which each step can be applied to inter-frame compression.
  • Figure 12 is a diagram showing an example of a method of acquiring points using an optical lens according to embodiments.
  • the object plane represents the plane where the actual environment or target that the LIDAR system is to measure is located. This plane defines the space through which the laser beam reflects, and the LIDAR system scans this plane to collect distance data.
  • the target plane can be used to calculate the XYZ coordinates of the lidar data.
  • the distortion surface represents a surface on which a laser beam is refracted or distorted when it passes through an optical lens.
  • an optical lens is used to control and collect the laser beam, and the path of the light beam changes depending on the curvature and shape of the lens.
  • the complex optical synthesis within the lens causes distortion, which can affect distance and direction measurements.
  • refraction refers to a phenomenon in which the direction of a laser beam changes when it passes through an optical lens.
  • the light ray passing through the optical lens is refracted by changing the direction of the ray.
  • refraction since the laser is emitted through a mirror and received through an optical sensor, refraction may occur.
  • refraction occurs when the speed of light changes within a lens as it enters a different medium (material). Therefore, the refractive index and curvature of the lens, the shape and thickness of the lens, etc. determine the refraction of the laser beam and are therefore important in obtaining accurate distance and direction data.
  • optical lenses in LiDAR systems are designed to minimize distortion effects and perform accurate distance and direction measurements.
  • all lenses are not perfect and this can cause optical distortion (or refraction).
  • a receiving lens is used in a LiDAR system to collect the light returned when the laser beam is reflected from the object plane.
  • the receiving lens can collect and focus the light from the laser beam and transmit it to an optical sensor or detector.
  • the point cloud data acquired with the fixed LIDAR is expressed in the same xyz coordinate system as the rotating LIDAR.
  • rotating LIDAR is converted to a spherical coordinate system (i.e. radius, phi, laserID (or elevation)) and compressed, the obtained data is located according to the rpl coordinate system, increasing compression efficiency.
  • Fixed LIDAR also has similar characteristics as a coordinate system in which the obtained coordinates are perpendicular or horizontal to two axes. And, even if a specific object is acquired from the same location and the same angle, it has different geometric characteristics depending on the camera used.
  • the present disclosure proposes an optical coordinate system, a coordinate system different from the existing one, to remove or replace common geometric characteristics in a normalized 3D space in which these elements are removed.
  • the LiDAR system of the present disclosure may include a MEMS mirror and a MEMS detection unit.
  • a MEMS mirror is a mirror composed of a small and microscopic mechanical system. This mirror is used to direct or scan the laser beam.
  • MEMS mirrors can be used to collect point cloud data by quickly scanning or redirecting a laser beam.
  • an optical sensor or MEMS detector may be implemented using MEMS technology in a LiDAR system.
  • the MEMS detection unit is responsible for reception and signal processing in the LiDAR system, and measures and interprets the signal that the laser beam reflects from the subject (i.e., the object) and returns.
  • the MEMS detector adjusts the reception sensitivity of the radar beam, amplifies the signal, and calculates distance information by sampling the signal over time.
  • the coordinates (x, y) scanned by the MEMS mirror are converted into normalized coordinates. Therefore, a scale factor exists between normalized coordinates and actual coordinates. This disclosure refers to this as precision.
  • the points acquired with a 2D depth camera are located in a grid shape according to precision in 2D, and the depth is located by the distance of the acquired laser. do.
  • the precision between the distance between the plane and the laser may be the same or different.
  • the deflection angle of the MEMS detection unit (or MEMS mirror) scanning the laser beam along the x-axis and y-axis is respectively x ( i.e. theta_x) and When y ( i.e. theta_y), target distance information r i and MEMS deflection angle x, Among the actual coordinates (X i , Y i , Z i ) in the LiDAR system for point i of the normalized coordinates with y ,
  • the Z coordinate (Z i ) can be calculated using Equation 2 below based on the X coordinate (X i ) and Y coordinate (Y i ) of Equation 1.
  • the MEMS scanner combines the two-dimensional coordinates (x, y) with the z coordinate converted from time measurement.
  • the refraction occurring in the point cloud data can be compensated (or corrected). there is.
  • the Z coordinate (Z i ) may represent the height or altitude of each point of point cloud data. This value represents the distance from the ground surface and can be used to separate roads and objects from point cloud data.
  • refraction compensation may be always performed or may be performed selectively.
  • information indicating whether or not to compensate for refraction e.g., optical_distortion_flag
  • optical_distortion_flag information indicating whether or not to compensate for refraction
  • signaling information is used to obtain the Z coordinate.
  • x i.e. theta_x
  • y i.e. theta_y
  • theta_x represents the x-axis coefficient of the refraction compensation equation (i.e., see Equations 1 and 2)
  • theta_y represents the y-axis coefficient of the refraction compensation equation (i.e., see Equations 1 and 2).
  • Figures 13(a) and 13(b) are diagrams showing examples before and after applying refraction compensation according to embodiments. That is, Figure 13(a) shows the degree of refraction before applying refraction compensation. Figure 13(b) shows the degree of refraction after applying refraction compensation. That is, if the Z i calculation formula such as Equation 2 is applied to point cloud data with refraction as shown in FIG. 13(a), point cloud data with compensation for refraction can be obtained as shown in FIG. 13(b).
  • the angle with respect to the center line of the plane based on the horizontal axis can be viewed as a refractive index according to the degree of distortion of the point, and the calculated point cloud can be compensated and compressed in the encoder and then transmitted.
  • the present disclosure can be used for compressing point cloud data with refraction compensation, object search, and/or segmentation of roads and objects.
  • Object search in this disclosure is to separate roads and objects from point cloud data.
  • point cloud content captured from a fixed or rotating LiDAR system of a moving car may include both a road and an object.
  • point cloud content may be referred to as point cloud data or point cloud.
  • the characteristics of the motion that appears in the consecutive frames of the points that make up the road and the characteristics of the motion that appear in the consecutive frames of the points that make up the object(s) may be different.
  • the present disclosure separates roads and objects from refraction compensated point cloud data.
  • the present disclosure can compress the geometry information (or referred to as geometry or geometry data) of separated roads and objects by applying it to a prediction tree or octree. That is, in this disclosure, an octree-based geometry compression method, a predictive tree-based geometry compression method, or a trisoup-based geometry compression method may be used to compress geometry information.
  • the reason for performing refraction compensation to separate the road and object in this disclosure is to accurately separate the road and object from point cloud data acquired through a fixed LIDAR on a sloping or curved road.
  • the point cloud data is input to an optical receiver (optical receiver or receiving lens) due to distortion in the object plane, so it is not possible to accurately separate the road and the object.
  • the present disclosure provides a case in which the distortion of the xy plane is large to obtain a wide field of view (FoV) on the optical lens of a fixed LiDAR, and the distortion of the xy plane is large due to real-time processing in a rotating LiDAR.
  • FoV field of view
  • an adaptive road/object segmentation criterion is proposed.
  • the present disclosure can perform object search for separation of roads and objects in a point cloud with refraction compensation applied.
  • object search within the frame can be determined from the refraction compensation application equation as shown in Equation 3 below.
  • the present disclosure calculates the 2D deflection angle in the MEMS detection unit scanned in Equation 3 below.
  • x When y is the threshold ⁇ x ⁇ ', ⁇ y ⁇ ' Points within can be separated into roads and objects.
  • ', , ' are the threshold values used to separate roads and objects.
  • each point of the point cloud data can be separated into a road or object based on the Z i value calculated as in Equation 3.
  • the present disclosure x and By applying y to Equation 1, the X i value and Y i value of each point of the point cloud data can be obtained, and the Z i value can be obtained by applying the .
  • the X i value ( or indicates. That is, the Z i value may mean the height of the point from the ground surface or reference plane (for example, the relative height from the ground surface).
  • the The Z i value can be measured in the positive (+) direction above the earth's surface.
  • the measurement methods of the X i value, Y i value, and Z i value may vary. .
  • the definitions of X i value, Y i value, and Z i value may vary depending on the measurement method.
  • Z i values can be used to separate roads and objects from point cloud data. For example, if the Z i value of point i is less than a threshold, point i can be classified as a road, otherwise it can be classified as an object. For example, if the position of a point captured from a laser sensor is Z If it exists in a position equal to or lower than the value, point i can be classified as a road, and if it exists in a position higher than the value, point i can be classified as an object.
  • Z i values can be used to separate roads and objects from point cloud data. For example, if the Z i value of point i is less than a threshold, point i can be classified as a road, otherwise it can be classified as an object. For example, if the position of a point captured from a laser sensor is Z If it exists in a position equal to or lower than the value, point i can be classified as a road, and if it exists in a position higher than the value, point i can be classified as an object.
  • the left and right sides may be different due to distortion (or refractive index).
  • the left side may be more distorted or the right side may be more stretched.
  • Figure 14 is a diagram showing an example of the xy plane to which refraction compensation is applied according to embodiments. That is, the dotted line in FIG. 14 is an example of refraction that may occur due to the characteristics of the road, etc.
  • the xy plane is divided into four parts by the coordinate axes (X axis, Y axis), and in a counterclockwise direction, the first quadrant (45001), the second quadrant (45002), the third quadrant (45003), and the fourth quadrant It could be (45004).
  • Each point may exist in one of the first to fourth quadrants 45001 to 45004.
  • the x coordinates of points in the first quadrant 45001 are positive, and the y coordinates are positive.
  • the x coordinates of the points in the second quadrant 45002 are negative and the y coordinates are positive.
  • the x coordinates of the points in the third quadrant 45003 are negative, and the y coordinates are negative.
  • the x coordinates of the points in the fourth quadrant 45004 are positive and the y coordinates are negative.
  • the present disclosure provides a threshold value under the assumption that when the Z i value changes according to the left/right refractive index, the refractive index in the direction increasing/decreasing from the center of the screen to the x-axis is high. , ', , 'The value can be modified.
  • the amount of change in the X axis is referred to as x min to x max
  • the amount of change in the Y axis is referred to as y min to y max
  • the minimum value of Additionally, the minimum value of Y is called y min
  • the maximum value of Y is defined as y max . That is, x min , x max , y min , and y max can be called threshold values that can determine the refraction compensation range.
  • x min , x max , y min , and y max are the deflection angles at the coordinates (x, y) scanned by the MEMS mirror. x and Through y , you can find the actual coordinates X and Y in the LiDAR system, find the minimum value x min and maximum value x max among the
  • Equation 4 in order to compensate for the degree of adaptive refraction for point cloud data, the condition for the compensation coordinates of the point (x, y) can be set as shown in Equation 4 below.
  • max -x min means the amount of change in the Refraction can be compensated for not only the Z axis, but also the X and Y axes.
  • points to which compensation values are applied may be classified as roads or objects using a histogram classification method.
  • object/road segmentation methods can be used.
  • the present disclosure may limit predictor selection using inter-frame compression on divided roads, and/or may limit inter-object predictor selection.
  • the encoder of the transmitting device can signal refraction compensation values (e.g., theta_x, theta_y) for road/object separation, and the point cloud data can be reconstructed in the decoder of the receiving device by applying these refraction compensation values.
  • refraction compensation values e.g., theta_x, theta_y
  • the present disclosure may compensate for refraction based on Z values and/or compensate for refraction based on X and Y values on the xy plane before separating points of point cloud data into roads and objects.
  • the Z value can be used to separate points of point cloud data into roads and objects.
  • separation of roads and objects in point cloud content may be performed in an encoder on the transmitting side or in a decoder on the receiving side. For example, if separation of roads and objects in point cloud data was performed in the encoder on the transmitting side, this separation process can be omitted on the receiving side. Conversely, if the separation of roads and objects in the point cloud data is performed in the decoder on the receiving side, this separation process can be omitted on the transmitting side. According to embodiments, whether separation of the road and object from point cloud data is performed by the encoder on the transmitting side or the decoder on the receiving side may be indicated using signaling information, and may be determined using signaling information. It may be possible.
  • segmentation of roads and objects is performed in an encoder on the transmitting side.
  • the present disclosure configures a prediction unit with points separated by the road, and configures a prediction unit with points separated by an object (or object group), Inter prediction or intra prediction can be performed for each prediction unit. That is, motion estimation/compensation may or may not be performed for each prediction unit. For example, a prediction unit composed of points separated by roads may not perform motion estimation/compensation, and a prediction unit composed of points separated by objects may perform motion estimation/compensation. The opposite is possible.
  • FIG. 15 is a diagram showing another example of a point cloud transmission device according to embodiments. Elements of the point cloud transmission device shown in FIG. 15 may be implemented as hardware, software, processor, and/or a combination thereof.
  • the point cloud transmission device may include a data input unit 51001, a signaling processing unit 51002, a geometry encoder 51003, an attribute encoder 51004, and a transmission processing unit 51005.
  • the geometry encoder 51003 and the attribute encoder 51004 are described in the point cloud video encoder 10002 of FIG. 1, the encoding 20001 of FIG. 2, the point cloud video encoder of FIG. 3, or the point cloud video encoder of FIG. 8. You can perform some or all of the given actions.
  • the data input unit 51001 receives or acquires point cloud data.
  • the data input unit 51001 may perform some or all of the operations of the point cloud video acquisition unit 10001 of FIG. 1 or may perform some or all of the operations of the data input unit 8000 of FIG. 8.
  • the data input unit 51001 outputs the positions of points of the point cloud data to the geometry encoder 51003, and outputs the attributes of the points of the point cloud data to the attribute encoder 51004.
  • the input point cloud data may be in units of frames, units of tiles, or units of slices.
  • the point cloud data may be separated into roads and objects after refraction is compensated and input into the data input unit 51001.
  • points of point cloud data may be refraction compensated based on Z values and/or refraction may be compensated based on X and Y values on the xy plane.
  • the Z value can be used to separate points of point cloud data into roads and objects.
  • the description of refraction compensation and separation of roads and objects has been explained in detail in FIGS. 11 to 14, and will therefore be omitted here to avoid redundant description.
  • parameters are output to the signaling processing unit 51002.
  • parameters may be provided by a geometry encoder 51003 and an attribute encoder 51004.
  • the geometry encoder 51003 is a tree for the positions of points (i.e., geometry information) input in at least one of the following units: frame/tile/slice/LPU (Large Prediction Unit)/PU/road/object/objects. Geometry information is compressed by performing inter-prediction or intra-prediction based encoding on the structure (e.g., prediction tree or octree). Additionally, the geometry encoder 51003 performs entropy encoding on the compressed geometry information and outputs it to the transmission processor 51005 in the form of a geometry bitstream.
  • structure e.g., prediction tree or octree
  • the geometry encoder 51003 reconstructs geometry information based on positions changed through compression and outputs the reconstructed (or decoded) geometry information to the attribute encoder 51004.
  • the attribute encoder 51004 compresses input attribute information based on positions for which geometry encoding has not been performed and/or reconstructed geometry information.
  • the attribute information may be coded using any one or a combination of one or more of RAHT coding, LOD-based prediction transform coding, and lifting transform coding.
  • the attribute encoder 51004 performs entropy encoding on the compressed attribute information and outputs it to the transmission processor 51005 in the form of an attribute bitstream.
  • the signaling processing unit 51002 generates and/or processes signaling information (e.g., parameters) required for encoding/decoding/rendering of geometry information and attribute information and transmits it to the geometry encoder 51003, attribute encoder 51004, and/or It can be provided to the processing unit 51005.
  • the signaling processing unit 51002 may receive signaling information generated by the geometry encoder 51003, the attribute encoder 51004, and/or the transmission processing unit 51005.
  • the signaling processing unit 51002 may provide information fed back from the receiving device (e.g., head orientation information and/or viewport information) to the geometry encoder 51003, the attribute encoder 51004, and/or the transmission processing unit 51005. there is.
  • signaling information may be signaled and transmitted in units of parameter sets (SPS: sequence parameter set, GPS: geometry parameter set, APS: attribute parameter set, TPS: Tile Parameter Set (or tile inventory), etc.). Additionally, it may be signaled and transmitted in units of coding units (or compression units or prediction units) of each image, such as slices or tiles.
  • SPS includes sequence-level signaling information
  • GPS includes information for encoding/decoding of geometry information
  • APS includes information for encoding/decoding of attribute information
  • TPS includes information related to tiles. Includes.
  • the method/device according to the embodiments may signal related information to add/perform the operations of the embodiments.
  • Signaling information according to embodiments may be used in a transmitting device and/or a receiving device.
  • the transmission processing unit 51005 may perform the same or similar operations and/or transmission methods as the operations and/or transmission methods of the transmission processing unit 8012 of FIG. 8, and may perform the operations and/or transmission methods of the transmitter 10003 of FIG. 1. The same or similar operations and/or transmission methods as the transmission method may be performed. For detailed description, refer to the description of FIG. 1 or FIG. 8 and will be omitted here.
  • the transmission processor 51005 converts the geometry bitstream output from the geometry encoder 51003, the attribute bitstream output from the attribute encoder 51004, and the signaling bitstream output from the signaling processor 51002 into one bitstream. After multiplexing, it can be transmitted as is or encapsulated into a file or segment.
  • the file is in the ISOBMFF file format.
  • the file or segment may be transmitted to a receiving device or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmission processing unit 51005 is capable of wired/wireless communication with a receiving device through networks such as 4G, 5G, and 6G. Additionally, the transmission processing unit 51005 can perform necessary data processing operations depending on the network system (e.g., communication network system such as 4G, 5G, 6G, etc.). Additionally, the transmission processing unit 51005 may transmit encapsulated data according to an on demand method.
  • the above-described refraction compensation-related information is transmitted through SPS, GPS, APS and/or by at least one of the signaling processor 51002, the geometry encoder 51003, the attribute encoder 51004, and the transmission processor 51005. It may be transmitted in a TPS, and/or a geometry data unit (or a geometry slice bitstream), and/or an attribute data unit (or an attribute slice bitstream).
  • the refraction compensation-related information may include information indicating whether or not to compensate for refraction (optical_distortion_flag) and information for calculating the Z value (eg, theta_x, theta_y). That is, theta_x represents the x-axis coefficient of the refraction compensation equation (i.e., see Equations 1 and 2), and theta_y represents the y-axis coefficient of the refraction compensation equation (i.e., see Equations 1 and 2).
  • refraction compensation-related information may be referred to as object detection structure information using refraction compensation.
  • FIG. 16 is a block diagram showing an example of a point cloud video encoder in a transmission device according to embodiments.
  • FIG. 16 is an example in which a refraction compensation unit 55010 and a road object segmentation unit 55020 are added to the transmitting device of FIG. 15.
  • the refraction compensator 55010 and the road object segmentation unit 55020 may be included in the geometry encoder 51003, or may be configured separately from the geometry encoder 51003 as shown in FIG. 16.
  • the refraction compensation unit 55010 compensates for the refraction generated in point cloud data acquired by a LiDAR system (e.g., a fixed LiDAR system) as described in FIGS. 11 to 14 and Equations 1 to 4. Compensate.
  • a LiDAR system e.g., a fixed LiDAR system
  • points of point cloud data may be refraction compensated based on Z values and/or refraction may be compensated based on X and Y values on the xy plane.
  • the road object segmentation unit 55020 may classify points of the refraction compensated point cloud data into roads and objects. According to embodiments, the road object segmentation unit 55020 may separate points of point cloud data into roads or objects based on Z values. The Z value can be obtained by applying Equation 2 or Equation 3. According to embodiments, the road object segmentation unit 55020 may perform road/object segmentation using refraction compensation and signal histogram classification based on the segmented z value.
  • the road object division unit 55020 divides the point cloud data into roads and objects, and processes and transmits the point cloud data for each divided road and object, the process of dividing into roads and objects can be omitted in the receiving device.
  • the process of dividing the point cloud data into roads and objects is not performed in the road object division unit 55020, or if the point cloud data is divided into roads and objects, processed, and transmitted without distinguishing between roads and objects, A process for dividing roads and objects in the receiving device may be added.
  • the road object segmentation unit 55020 may configure a prediction unit with points separated by roads and configure the prediction unit with points separated by objects (or object groups).
  • the geometry encoder (51003) determines whether to encode the geometry information of the point cloud data separated into roads and objects in the road object division unit (55020) based on octree, prediction tree, or tryhop. (or decide) For example, it can be confirmed based on GPS geometry coding type information (geom_tree_type).
  • the positions of the points i.e., geometry information
  • frame/tile/slice/LPU Large Prediction Unit
  • PU Prediction unit
  • the geometry information is compressed based on the octree.
  • LPU Large Prediction Unit
  • PU/road/object/objects i.e., geometry information
  • the geometry encoder 51003 performs entropy encoding on the compressed geometry information and outputs it in the form of a geometry bitstream.
  • the geometry encoder 51003 can perform inter prediction or intra prediction for each prediction unit. That is, motion estimation/compensation may or may not be performed for each prediction unit. For example, a prediction unit composed of points separated by roads may not perform motion estimation/compensation, and a prediction unit composed of points separated by objects may perform motion estimation/compensation. The opposite is possible.
  • the geometry encoder 51003 reconstructs geometry information based on positions changed through compression and outputs the reconstructed (or restored) geometry information to the attribute encoder 51004.
  • the attribute encoder 51004 compresses input attribute information based on positions for which geometry encoding has not been performed and/or reconstructed geometry information.
  • the attribute information may be coded using any one or a combination of one or more of RAHT coding, LOD-based prediction transform coding, and lifting transform coding.
  • the attribute encoder 51004 performs entropy encoding on the compressed attribute information and outputs it to the transmission processor 51005 in the form of an attribute bitstream.
  • Figure 17 is a block diagram showing an example of a point cloud video encoder in a transmission device according to embodiments.
  • Figure 17 is a diagram showing an example of octree-based compression of the geometry information of point cloud data divided into roads and objects after refraction is compensated. That is, Figure 17 can be performed when geometry coding type information (geom_tree_type) indicates an octree-based geometry compression method.
  • geometry coding type information (geom_tree_type) indicates an octree-based geometry compression method.
  • Figure 18 is a diagram showing another example of a point cloud receiving device according to embodiments.
  • the point cloud receiving device may include a reception processor 61001, a signaling processor 61002, a geometry decoder 61003, an attribute decoder 61004, and a post-processor 61005. .
  • the geometry decoder 61003 and the attribute decoder 61004 may be referred to as point cloud video decoders.
  • the point cloud video decoder may be called a PCC decoder, a PCC decoding unit, a point cloud decoder, a point cloud decoding unit, etc.
  • the reception processor 61001 may receive one bitstream, or may receive each of a geometry bitstream, an attribute bitstream, and a signaling bitstream.
  • the reception processing unit 61001 may decapsulate the received file and/or segment and output the received file and/or segment as a bitstream.
  • the reception processing unit 61001 When one bitstream is received (or decapsulated), the reception processing unit 61001 according to embodiments demultiplexes the geometry bitstream, attribute bitstream, and/or signaling bitstream from one bitstream, and demultiplexes the geometry bitstream, attribute bitstream, and/or signaling bitstream, and The multiplexed signaling bitstream can be output to the signaling processor 61002, the geometry bitstream can be output to the geometry decoder 61003, and the attribute bitstream can be output to the attribute decoder 61004.
  • bitstream (or geometry bitstream) may be received divided into roads and objects.
  • the reception processing unit 61001 When a geometry bitstream, an attribute bitstream, and/or a signaling bitstream are respectively received (or decapsulated), the reception processing unit 61001 according to embodiments sends the signaling bitstream to the signaling processing unit 61002 and the geometry bitstream. can be transmitted to the geometry decoder (61003), and the attribute bitstream can be transmitted to the attribute decoder (61004).
  • the signaling processing unit 61002 parses and processes information included in signaling information, such as SPS, GPS, APS, TPS, metadata, etc., from the input signaling bitstream to generate a geometry decoder 61003, an attribute decoder 61004, It can be provided to the post-processing unit (61005).
  • signaling information included in the geometry slice header and/or the attribute slice header may also be parsed in advance by the signaling processor 61002 before decoding the corresponding slice data.
  • the signaling information may include scaling-related information.
  • the TPS includes the number of slices included in each tile, so the point cloud video decoder according to embodiments may calculate the number of slices. You can check and quickly parse information for parallel decoding. Additionally, the point cloud video decoder according to the present specification can quickly parse a bitstream including point cloud data by receiving SPS with a reduced data amount. The receiving device can perform decoding of the tiles as they are received, and can maximize decoding efficiency by performing decoding for each tile based on the GPS and APS included in the tile.
  • the geometry decoder 61003 can restore the geometry by performing the reverse process of the geometry encoder 51003 of FIGS. 15 to 17 based on signaling information (e.g., geometry-related parameters) for the compressed geometry bitstream. .
  • signaling information e.g., geometry-related parameters
  • the geometry decoder 61003 can decode geometry information (or referred to as geometry or geometry data) by applying a prediction tree, octree, or trisoup according to the geometry coding type information (geom_tree_type) of GPS.
  • geometry coding type information geom_tree_type
  • an octree-based geometry decoding method, a predictive tree-based geometry decoding method, or a trisoup-based geometry decoding method may be used to decode geometry information.
  • the geometry decoder 61003 can perform decoding on the points separated by roads and the points separated by objects, respectively. For example, motion compensation may not be performed on a prediction unit comprised of points separated by roads, but motion compensation may be performed on a prediction unit comprised of points separated by objects.
  • refraction compensation inverse transformation may be performed on the geometry bitstream and then input to the geometry decoder 61003.
  • the geometry restored (or reconstructed) from the geometry decoder 61003 is provided to the attribute decoder 61004.
  • the attribute decoder 61004 can restore the attribute by performing the reverse process of the attribute encoder 51004 of FIG. 15 based on signaling information (e.g., attribute-related parameters) and reconstructed geometry for the compressed attribute bitstream. there is. According to embodiments, if the point cloud data is divided into tile and/or slice units on the transmitting side, the geometry decoder 61003 and the attribute decoder 61004 perform geometry decoding and attribute decoding on a tile and/or slice basis. You can.
  • FIG. 19 is a block diagram showing an example of a point cloud video decoder in a receiving device according to embodiments.
  • FIG. 19 is an example in which a refraction compensation inverse transform unit 65010 is added to the receiving device of FIG. 18.
  • the refraction compensation inverse transform unit 65010 performs refraction compensation inverse transformation with reference to refraction compensation-related information (eg, optical_distortion_flag, theta_x, theta_y) included in signaling information.
  • refraction compensation-related information eg, optical_distortion_flag, theta_x, theta_y
  • optical_distortion_flag indicates whether or not to compensate for refraction
  • theta_x represents the Indicates the axis coefficient.
  • the Z value can be obtained based on theta_x and theta_y, and using this, refraction compensation inverse transformation can be performed on the geometry bitstream.
  • the refraction compensation inverse transform unit 65010 may perform refraction compensation inverse transformation if the value of optical_distortion_flag is true.
  • inverse transformation of refraction compensation can be performed on the geometry bitstream based on whether or not there is refraction compensation and the coefficients theta_x and theta_y of the refraction compensation equation.
  • the refraction compensation inverse transform unit 65010 performs refraction compensation inverse transformation by applying x min , x max , y min , and y max to Equation 4, thereby restoring the point cloud data before refraction compensation.
  • the amount of change in the X axis is called from x min to x max
  • the amount of change in the Y axis is called from y min to y max .
  • x min , x max , y min , and y max are the deflection angles at the coordinates (x, y) scanned by the MEMS mirror. x and Through y , you can obtain the actual coordinates X and Y from the LiDAR system, obtain the minimum value x min and maximum value x max among the
  • x min , x max , y min , and y max may be obtained through signaling information, or calculated using other information (e.g., bounding box information and/or slice-related information, etc.) It can be inferred.
  • FIG. 19 the operations of the geometry decoder 61003 and the attribute decoder 61004 are the same as in FIG. 18, so refer to FIG. 18 for detailed description.
  • Figure 20 is a block diagram showing an example of a point cloud video decoder in a receiving device according to embodiments.
  • Figure 20 is a diagram showing an example of decoding a geometry bitstream that has undergone refraction compensation inverse transformation based on an octree.
  • the refraction compensation inverse transformation in FIG. 20 refers to the description of FIG. 19 and is omitted here. Also, refer to the description of FIG. 9 for a description of each block for decoding geometry information and attribute information.
  • Figure 21 shows an example of a bitstream structure of point cloud data for transmission/reception according to embodiments.
  • Signaling information may be used in a point cloud video encoder at a transmitting end or a point cloud video decoder at a receiving end.
  • the point cloud video encoder may generate a bitstream as shown in FIG. 21 by encoding geometry information and attribute information as described above. Additionally, signaling information about point cloud data may be generated and processed in at least one of the geometry encoder, attribute encoder, and signaling processor of the point cloud video encoder and included in the bitstream.
  • Signaling information may be received/obtained from at least one of a geometry decoder, an attribute decoder, and a signaling processor of the point cloud video decoder.
  • Bitstreams may be divided into a geometry bitstream, an attribute bitstream, and a signaling bitstream and transmitted/received, or may be combined into a single bitstream and transmitted/received.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to embodiments includes a SPS (Sequence Parameter Set) for sequence level signaling, a GPS (Geometry Parameter Set) for signaling of geometry information coding, and one or more APS (Attribute Parameter Sets) for signaling of attribute information coding.
  • SPS Sequence Parameter Set
  • GPS Global System for signaling of geometry information coding
  • APS Attribute Parameter Sets
  • TPS TPS
  • slices slice slice 0 to slice n
  • a bitstream of point cloud data may include one or more tiles, and each tile may be a group of slices including one or more slices (slice 0 to slice n).
  • the TPS may include information about each tile (for example, bounding box coordinate value information and height/size information, etc.) for one or more tiles.
  • Each slice may include one geometry bitstream (Geom0) and one or more attribute bitstreams (Attr0, Attr1).
  • the first slice (slice 0) may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 , Attr1 0 ).
  • the geometry bitstream (or referred to as geometry slice) within each slice may be composed of a geometry slice header (geom_slice_header) and geometry slice data (geom_slice_data).
  • the geometry bitstream within each slice is referred to as a geometry data unit
  • the geometry slice header is referred to as a geometry data unit header
  • the geometry slice data is also referred to as geometry data unit data.
  • Each attribute bitstream (or referred to as an attribute slice) within each slice may be composed of an attribute slice header (attr_slice_header) and attribute slice data (attr_slice_data).
  • the attribute bitstream within each slice is referred to as an attribute data unit
  • the attribute slice header is referred to as an attribute data unit header
  • the attribute slice data is also referred to as attribute data unit data.
  • Transmitting devices transmit point cloud data according to the structure of the bitstream as shown in FIG. 21, allowing different encoding operations to be applied depending on importance, and applying a high-quality encoding method to important areas.
  • the receiving device receives point cloud data according to the structure of the bitstream as shown in FIG. 21, and uses a complex decoding (filtering) method on the entire point cloud data according to the processing capacity of the receiving device. Instead, different filtering (decoding methods) can be applied to each area (area divided into tiles or slices). Therefore, it is possible to provide better picture quality in areas important to users and ensure appropriate latency in the system.
  • tiles or slices are provided to process point cloud data by dividing it into regions. Also, when dividing point cloud data by region, you can set the option to create a different set of neighboring points for each region to provide a selection method with low complexity but somewhat low reliability, or conversely, high complexity but high reliability. there is.
  • At least one of SPS, GPS, TPS, APS, geometry slice header, or attribute slice header may include refraction compensation-related information.
  • the signal for example, information related to refraction compensation
  • SPS S-PS
  • APS S-PS
  • TPS time division multiple point cloud data streams
  • a field a term used in the syntax of this specification described later, may have the same meaning as a parameter or element.
  • FIG. 22 is a diagram showing an embodiment of the syntax structure of a sequence parameter set (seq_parameter_set_rbsp()) (SPS) according to the present specification.
  • SPS may include sequence information of a point cloud data bitstream, and in particular includes information related to refraction compensation.
  • SPS may include an optical_distortion_flag field.
  • the optical_distortion_flag field may indicate whether or not to compensate for refraction for the point cloud data of the corresponding sequence (or frame). If the value of the optical_distortion_flag field is 1, it may indicate that refraction compensation has been performed, and if the value of the optical_distortion_flag field is 0, it may indicate that refraction compensation has not been performed. That is, the optical_distortion_flag field can signal whether refraction compensation to be used for road/object separation in the point cloud data of the corresponding sequence (or frame).
  • the SPS may further include theta_x field and theta_y field.
  • the theta_x field represents the x-axis coefficient of the refraction compensation equation (i.e., see equations 1 to 3), and theta_y represents the y-axis coefficient of the refraction compensation equation (i.e., see equations 1 to 3). That is, the transmitting side can signal and transmit the x-axis coefficient (theta_x) and y-axis coefficient (theta_y) of the refraction compensation method to the SPS.
  • FIG. 23 is a diagram showing an embodiment of the syntax structure of a tile parameter set (tile_parameter_set()) (TPS) according to the present disclosure.
  • TPS Tile Parameter Set
  • the TPS according to the embodiments includes information related to each tile, and in particular, includes information related to refraction compensation.
  • TPS includes a num_tiles field.
  • the num_tiles field indicates the number of tiles signaled for the bitstream. If the tiles do not exist, the value of the num_tiles field will be 0 (when not present, num_tiles is inferred to be 0).
  • TPS includes a loop that repeats as many times as the value of the num_tiles field. At this time, i is initialized to 0, increases by 1 each time the loop is performed, and the loop is repeated until the i value becomes the value of the num_tiles field.
  • This loop may include the tile_bounding_box_offset_x[i] field, tile_bounding_box_offset_y[i] field, tile_bounding_box_offset_z[i] field, tile_bounding_box_size_width[i] field, tile_bounding_box_size_height[i] field, and tile_bounding_box_size_depth[i] field.
  • the tile_bounding_box_offset_x[i] field indicates the x offset of the i-th tile in the Cartesian coordinates system (indicates the x offset of the i-th tile in the cartesian coordinates).
  • the tile_bounding_box_offset_y[i] field represents the y offset of the i-th tile in the Cartesian coordinate system.
  • the tile_bounding_box_offset_z[i] field represents the z offset of the i-th tile in the Cartesian coordinate system.
  • the tile_bounding_box_size_width[i] field represents the width of the i-th tile in the Cartesian coordinate system.
  • the tile_bounding_box_size_height[i] field represents the height of the i-th tile in the Cartesian coordinate system.
  • the tile_bounding_box_size_depth[i] field indicates the depth of the i-th tile in the Cartesian coordinate system.
  • the TPS may include an optical_distortion_flag field.
  • the optical_distortion_flag field may indicate whether or not to compensate for refraction for the point cloud data of the corresponding tile. If the value of the optical_distortion_flag field is 1, it may indicate that refraction compensation has been performed, and if the value of the optical_distortion_flag field is 0, it may indicate that refraction compensation has not been performed. That is, the optical_distortion_flag field can signal whether refraction compensation to be used for road/object separation in the point cloud data of the corresponding tile.
  • the TPS may further include theta_x field and theta_y field.
  • the theta_x field represents the x-axis coefficient of the refraction compensation equation (i.e., see equations 1 to 3), and theta_y represents the y-axis coefficient of the refraction compensation equation (i.e., see equations 1 to 3). That is, the transmitting side can signal and transmit the refraction compensation x-axis coefficient (theta_x) and y-axis coefficient (theta_y) to the TPS.
  • FIG. 24 is a diagram showing an example of a syntax structure of a geometry parameter set (geometry_parameter_set()) (GPS) according to the present disclosure.
  • GPS geometry_parameter_set()
  • Figure 24 shows an example in which GPS further includes information related to refraction compensation.
  • GPS may include an optical_distortion_flag field.
  • the optical_distortion_flag field may indicate whether or not refraction compensation is provided for the corresponding geometry information. If the value of the optical_distortion_flag field is 1, it may indicate that refraction compensation has been performed, and if the value of the optical_distortion_flag field is 0, it may indicate that refraction compensation has not been performed. That is, the optical_distortion_flag field can signal whether refraction compensation to be used for road/object separation in the corresponding geometry information.
  • the GPS may further include theta_x field and theta_y field.
  • the theta_x field represents the x-axis coefficient of the refraction compensation equation (i.e., see equations 1 to 3), and theta_y represents the y-axis coefficient of the refraction compensation equation (i.e., see equations 1 to 3). That is, the transmitting side can signal and transmit the refraction compensation x-axis coefficient (theta_x) and y-axis coefficient (theta_y) to the GPS.
  • FIG. 25 is a diagram showing an embodiment of the syntax structure of an attribute parameter set (attribute_parameter_set()) (APS) according to the present specification.
  • APS may include information on how to encode attribute information of point cloud data included in one or more slices, and may further include information related to refraction compensation.
  • APS may include an optical_distortion_flag field.
  • the optical_distortion_flag field may indicate whether or not the corresponding geometry information (or the corresponding attribute information) is refraction compensated. If the value of the optical_distortion_flag field is 1, it may indicate that refraction compensation has been performed, and if the value of the optical_distortion_flag field is 0, it may indicate that refraction compensation has not been performed. That is, the optical_distortion_flag field can signal whether refraction compensation to be used for road/object separation in the corresponding geometry information (or corresponding attribute information).
  • the APS may further include theta_x field and theta_y field.
  • the theta_x field represents the x-axis coefficient of the refraction compensation equation (i.e., see equations 1 to 3), and theta_y represents the y-axis coefficient of the refraction compensation equation (i.e., see equations 1 to 3). That is, the transmitting side can signal and transmit the refraction compensation x-axis coefficient (theta_x) and y-axis coefficient (theta_y) to the APS.
  • FIG. 26 is a diagram showing an embodiment of the syntax structure of the geometry slice header (geometry_slice_header()) according to the present disclosure.
  • a bitstream transmitted by a transmitting device may include one or more slices.
  • Each slice may include a geometry slice and an attribute slice.
  • a geometry slice includes a geometry slice header (GSH).
  • the attribute slice includes an attribute slice header (ASH, Attribute Slice Header).
  • the geometry slice header (geometry_slice_header()) according to embodiments may include an optical_distortion_flag field.
  • the optical_distortion_flag field may indicate whether or not to compensate for refraction for the point cloud data of the corresponding geometry slice. If the value of the optical_distortion_flag field is 1, it may indicate that refraction compensation has been performed, and if the value of the optical_distortion_flag field is 0, it may indicate that refraction compensation has not been performed. That is, the optical_distortion_flag field can signal whether refraction compensation to be used for road/object separation in the point cloud data of the corresponding geometry slice.
  • the geometry slice header may further include theta_x field and theta_y field.
  • the theta_x field represents the x-axis coefficient of the refraction compensation equation (i.e., see equations 1 to 3), and theta_y represents the y-axis coefficient of the refraction compensation equation (i.e., see equations 1 to 3). That is, the transmitting side can signal and transmit the refraction compensation x-axis coefficient (theta_x) and y-axis coefficient (theta_y) in the geometry slice header (geometry_slice_header()).
  • Figure 27 shows a flowchart of a point cloud data transmission method according to embodiments.
  • Methods for transmitting point cloud data include encoding geometry included in point cloud data (71001), encoding attributes included in the point cloud data based on input and/or reconstructed geometry ( 71002), and transmitting a bitstream including encoded geometry, encoded attributes, and signaling information (71003).
  • point cloud data is acquired through a LiDAR system (eg, a fixed LiDAR system or a rotating LiDAR system).
  • a LiDAR system eg, a fixed LiDAR system or a rotating LiDAR system.
  • each point in the point cloud data may have xyz coordinates in the optical coordinate system.
  • Steps 71001 and 71002 of encoding geometry and attributes included in point cloud data include the point cloud video encoder 10002 of FIG. 1, the encoding 20001 of FIG. 2, the point cloud video encoder of FIG. 3, and the point cloud video encoder of FIG. 8. It can perform some or all of the operations of the cloud video encoder, the geometry encoder and attribute encoder of FIG. 15, the point cloud video encoder of FIG. 16, and the point cloud video encoder of FIG. 17.
  • the step of encoding the geometry (71001) compensates for refraction based on the Z value and/or based on the X and Y values on the xy plane before separating the points of the point cloud data into roads and objects. You can compensate for the refraction. Additionally, the step of encoding geometry (71001) may separate points of point cloud data into roads and objects based on the Z value.
  • a prediction unit is formed with points separated by the road, and a prediction unit is formed with points separated by the object (or object group).
  • inter prediction or intra prediction can be performed in a prediction tree structure (or octree structure) for each prediction unit to compress the geometry separated into roads and objects. That is, motion estimation/compensation may or may not be performed for each prediction unit.
  • a prediction unit composed of points separated by roads may not perform motion estimation/compensation
  • a prediction unit composed of points separated by objects may perform motion estimation/compensation. The opposite is possible.
  • the compressed geometry information of each point is entropy encoded and then output in the form of a geometry bitstream.
  • the step 71003 of transmitting a bitstream including the encoded geometry, encoded attributes, and signaling information includes the transmitter 10003 in FIG. 1, the transmission step 20002 in FIG. 2, and the transmission processor in FIG. 8 ( 8012) or may be performed in the transmission processing unit 51005 of FIG. 15.
  • the refraction compensation-related information included in the signaling information may include information indicating whether to compensate for refraction (optical_distortion_flag) and information for calculating the Z value (e.g., theta_x, theta_y). That is, theta_x represents the x-axis coefficient of the refraction compensation equation (i.e., see Equations 1 to Equations 3), and theta_y represents the y-axis coefficient of the refraction compensation equation (i.e., see Equations 1 to Equations 3).
  • refraction compensation-related information may be referred to as object detection structure information using refraction compensation.
  • Signaling information including the refraction compensation-related information may be included in at least one of SPS, GPS, TPS, APS, geometry slice header, or attribute slice header and transmitted to the receiving device.
  • Figure 28 shows a flowchart of a method for receiving point cloud data according to embodiments.
  • a method of receiving point cloud data includes receiving a bitstream including encoded geometry, encoded attributes, and signaling information (81001), and decoding the geometry based on the signaling information (81002). , decoding an attribute based on the decoded/reconstructed geometry and signaling information (81003), and rendering the restored point cloud data based on the decoded geometry and the decoded attribute (81004).
  • the step (81001) of receiving a bitstream including encoded geometry, encoded attributes, and signaling information includes the receiver 10005 of FIG. 1, the transmission 20002 or the decoding 20003 of FIG. 2. ), may be performed in the receiving unit 9000 or receiving processing unit 9001 of FIG. 9, or the receiving processing unit 61001 of FIG. 18.
  • decoding may be performed in units of slices or tiles including one or more slices.
  • Steps 81002 and 81003 of decoding geometry and attributes may perform decoding for each prediction unit composed of points separated by roads and/or for each prediction unit composed of points separated by objects.
  • the step 81002 of decoding geometry includes the point cloud video decoder 10006 of FIG. 1, the decoding 20003 of FIG. 2, the point cloud video decoder of FIG. 9, the point cloud video decoder of FIG. 18, and FIG. It may perform some or all of the operations of the geometry decoder in Figure 19 and the point cloud video decoder in Figure 20.
  • refraction compensation inverse transformation may be performed with reference to refraction compensation-related information (e.g., optical_distortion_flag, theta_x, theta_y) included in signaling information.
  • optical_distortion_flag indicates whether or not to compensate for refraction
  • theta_x represents the (reference) represents the y-axis coefficient.
  • the Z value can be obtained based on theta_x and theta_y (see Equations 1 to 3), and using this, refraction compensation inverse transformation can be performed on the geometry bitstream. You can.
  • the step of decoding the geometry (81002) involves performing refraction compensation inverse transformation by referring to refraction compensation-related information (e.g., optical_distortion_flag) and x min , x max , y min , and y max included in the signaling information.
  • optical_distortion_flag indicates whether or not to compensate for refraction. For example, if optical_distortion_flag indicates that refraction compensation has been performed, x min , x max , y min , and y max are applied to Equation 4 to perform refraction compensation inverse transformation, thereby restoring the point cloud data before refraction compensation. .
  • the amount of change in the X axis is called from x min to x max
  • the amount of change in the Y axis is called from y min to y max .
  • x min , x max , y min , and y max are the deflection angles at the coordinates (x, y) scanned by the MEMS mirror. x and Through y , you can obtain the actual coordinates X and Y from the LiDAR system, obtain the minimum value x min and maximum value x max among the
  • x min , x max , y min , and y max may be obtained through signaling information, or calculated using other information (e.g., bounding box information and/or slice-related information, etc.) It can be inferred.
  • the decoding geometry step 81002 may perform refraction compensation inversion for road/object separation if the value of optical_distortion_flag is true.
  • inverse transformation of refraction compensation can be performed on the geometry bitstream based on whether or not there is refraction compensation and the coefficients theta_x and theta_y of the refraction compensation equation.
  • the step 81003 of decoding an attribute includes the point cloud video decoder 10006 of FIG. 1, the decoding 20003 of FIG. 2, the point cloud video decoder of FIG. 9, the point cloud video decoder of FIG. 18, and FIG. It may perform some or all of the operations of the attribute decoder in Figure 19 and the point cloud video decoder in Figure 20.
  • signaling information for example, at least one of a sequence parameter set, a geometry parameter set, an attribute parameter set, a tile parameter set, a geometry slice header, and an attribute slice header, may include refraction compensation related information.
  • the restored point cloud data may be rendered according to various rendering methods. For example, points of point cloud content may be rendered as a vertex with a certain thickness, a cube with a specific minimum size centered on the vertex position, or a circle with the vertex position as the center. All or part of the rendered point cloud content is provided to the user through a display (e.g. VR/AR display, general display, etc.).
  • a display e.g. VR/AR display, general display, etc.
  • the step 81004 of rendering point cloud data may be performed in the renderer 10007 of FIG. 1, the rendering 20004 of FIG. 2, or the renderer 9011 of FIG. 9.
  • the present specification can increase the compression efficiency of geometry information by separating the road and object after compensating for the refraction of the point cloud data before compressing the point cloud, and compressing the geometry information of the separated road and object.
  • the present disclosure can further increase the compression efficiency of geometric information by applying it to point cloud data acquired by a fixed LiDAR system.
  • the refraction compensation method and the object search method using it can be used when searching for objects within or between frames, so that compression efficiency can be further improved by reflecting the characteristics of the object.
  • Each of the above-described parts, modules, or units may be software, processor, or hardware parts that execute sequential execution processes stored in memory (or storage unit). Each step described in the above-described embodiment may be performed by processor, software, and hardware parts. Each module/block/unit described in the above-described embodiments may operate as a processor, software, or hardware. Additionally, the methods presented by the embodiments may be executed as code. This code can be written to a processor-readable storage medium and can therefore be read by the processor provided by the device (apparatus).
  • the various components of the devices of the embodiments may be implemented by hardware, software, firmware, or a combination thereof.
  • Various components of the embodiments may be implemented with one chip, for example, one hardware circuit.
  • Components according to embodiments may each 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 perform operations/operations according to the embodiments. It may include instructions for performing or performing one or more operations/methods among the methods.
  • Executable instructions for performing methods/operations of a device according to embodiments may be stored in a non-transitory CRM or other computer program product configured for execution by one or more processors, or may be stored in one or more processors.
  • memory may be used as a concept that includes not only volatile memory (eg, RAM, etc.) but also non-volatile memory, flash memory, and PROM. Additionally, it may also be implemented in the form of a carrier wave, such as transmission through the Internet. Additionally, the processor-readable recording medium is distributed in a computer system connected to a network, so that the processor-readable code can be stored and executed in a distributed manner.
  • Various elements of embodiments may be performed by hardware, software, firmware, or a combination thereof.
  • Various elements of embodiments may be implemented on a single chip, such as a hardware circuit.
  • the embodiments may optionally be performed on separate chips.
  • at least one of the elements of the embodiments may be performed within one or more processors including instructions for performing operations according to the embodiments.
  • operations according to embodiments described in this document may be performed by a transmitting and receiving device including one or more memories and/or one or more processors, depending on the embodiments.
  • One or more memories may store programs for processing/controlling operations according to embodiments, and one or more processors may control various operations described in this document.
  • One or more processors may be referred to as a controller, etc.
  • operations may be performed by firmware, software, and/or a combination thereof, and the firmware, software, and/or combination thereof may be stored in a processor or stored in memory.
  • first, second, etc. may be used to describe various components of the embodiments. However, the interpretation of various components according to the embodiments should not be limited by the above terms. These terms are merely used to distinguish one component from another. It's just a thing. For example, a first user input signal may be referred to as a second user input signal. Similarly, the second user input signal may be referred to as the first user input signal. Use of these terms should be interpreted without departing from the scope of the various embodiments.
  • the first user input signal and the second user input signal are both user input signals, but do not mean the same user input signals unless clearly indicated in the context.

Landscapes

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

Abstract

실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 포인트 클라우드 데이터를 인코딩하는 단계, 및 상기 인코딩된 포인트 클라우드 데이터와 시그널링 정보를 전송하는 단계를 포함하며, 상기 포인트 클라우드 데이터를 인코딩하는 단계는 상기 포인트 클라우드 데이터에 발생된 굴절을 보상하는 단계, 상기 굴절이 보상된 포인트 클라우드 데이터의 포인트들을 도로와 객체로 분리하는 단계, 및 상기 도로와 객체로 분리된 포인트들의 지오메트리 정보와 어트리뷰트 정보를 인코딩하는 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), XR (Extended Reality), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들에 따른 기술적 과제는, 전술한 문제점 등을 해결하기 위해서, 포인트 클라우드를 효율적으로 송수신하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 지오메트리 기반의 포인트 클라우드 압축(Geometry-based point cloud compression, G-PCC)의 어트리뷰트 정보(attribute)의 인코딩 기술을 개선하여 포인트 클라우드의 압축 성능 향상시키는 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 고정형 라이다를 통해 획득된 포인트 클라우드 데이터의 압축 성능 향상시키기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 본 문서 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
상술한 목적 및 다른 이점을 달성하기 위해서 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 라이다 시스템에 의해 포인트 클라우드 데이터가 획득되는 단계, 상기 포인트 클라우드 데이터를 인코딩하는 단계, 및 상기 포인트 클라우드 데이터와 시그널링 정보를 전송하는 단계를 포함할 수 있다.
실시예들에 따르면, 상기 포인트 클라우드 데이터를 인코딩하는 단계는 상기 포인트 클라우드 데이터에 발생된 굴절을 보상하는 단계; 상기 굴절이 보상된 포인트 클라우드 데이터의 포인트들을 도로와 객체로 분리하는 단계; 및 상기 도로와 객체로 분리된 포인트들의 위치를 포함하는 지오메트리 정보와 하나 이상의 어트리뷰트 값들을 포함하는 어트리뷰트 정보를 인코딩하는 단계를 포함할 수 있다.
실시예들에 따르면, 상기 시그널링 정보는 상기 포인트 클라우드 데이터의 굴절 보상 관련 정보를 포함할 수 있다.
실시예들에 따르면, 상기 굴절을 보상하는 단계는 상기 포인트 클라우드 데이터의 포인트들의 위치 정보(X,Y,Z) 중 Z값을 기반으로 상기 포인트 클라우드 데이터의 포인트들의 굴절을 보상할 수 있다.
실시예들에 따르면, 상기 위치 정보(X,Y,Z) 중 X 값과 Y 값은 상기 라이다 시스템의 레이저 빔을 x축과 y축을 따라 스캐닝하여 획득된 편향각들과 상기 레이저 빔의 목표 거리 정보를 기반으로 각각 획득되고, 상기 Z 값은 상기 X 값과 상기 Y 값, 상기 편향각들, 및 상기 레이저 빔의 목표 거리 정보를 기반으로 획득될 수 있다.
실시예들에 따르면, 상기 굴절을 보상하는 단계는 xy 평면 상에서 상기 포인트 클라우드 데이터의 포인트들의 위치에 따른 임계값을 적용하여 상기 포인트 클라우드 데이터의 포인트들의 굴절을 보상할 수 있다.
실시예들에 따르면, 상기 도로와 객체를 분리하는 단계는 상기 포인트 클라우드 데이터의 각 포인트의 Z 값을 기반으로 해당 포인트를 도로와 객체 중 하나로 분류할 수 있다.
실시예들에 따르면, 포인트 클라우드 데이터 송신 장치는 라이다 시스템에 의해 포인트 클라우드 데이터가 획득되는 획득부, 상기 포인트 클라우드 데이터를 인코딩하는 인코더, 및 상기 포인트 클라우드 데이터와 시그널링 정보를 전송하는 전송부를 포함할 수 있다.
실시예들에 따르면, 상기 인코더는, 상기 포인트 클라우드 데이터에 발생된 굴절을 보상하는 굴절 보상부; 상기 굴절이 보상된 포인트 클라우드 데이터의 포인트들을 도로와 객체로 분리하는 도로 객체 분할부; 및 상기 도로와 객체로 분리된 포인트들의 위치를 포함하는 지오메트리 정보와 하나 이상의 어트리뷰트 값들을 포함하는 어트리뷰트 정보를 인코딩하는 인코딩부를 포함할 수 있다.
실시예들에 따르면, 상기 시그널링 정보는 상기 포인트 클라우드 데이터의 굴절 보상 관련 정보를 포함할 수 있다.
실시예들에 따르면, 상기 굴절 보상부는 상기 포인트 클라우드 데이터의 포인트들의 위치 정보(X,Y,Z) 중 Z값을 기반으로 상기 포인트 클라우드 데이터의 포인트들의 굴절을 보상할 수 있다.
실시예들에 따르면, 상기 위치 정보(X,Y,Z) 중 X 값과 Y 값은 상기 라이다 시스템의 레이저 빔을 x축과 y축을 따라 스캐닝하여 획득된 편향각들과 상기 레이저 빔의 목표 거리 정보를 기반으로 각각 획득되고, 상기 Z 값은 상기 X 값과 상기 Y 값, 상기 편향각들, 및 상기 레이저 빔의 목표 거리 정보를 기반으로 획득될 수 있다.
실시예들에 따르면, 상기 굴절 보상부는 xy 평면 상에서 상기 포인트 클라우드 데이터의 포인트들의 위치에 따른 임계값을 적용하여 상기 포인트 클라우드 데이터의 포인트들의 굴절을 보상할 수 있다.
실시예들에 따르면, 상기 도로 객체 분할부는 상기 포인트 클라우드 데이터의 각 포인트의 Z 값을 기반으로 해당 포인트를 도로와 객체 중 하나로 분류할 수 있다.
실시예들에 따르면, 포인트 클라우드 데이터 수신 방법은 압축된 포인트 클라우드 데이터와 시그널링 정보를 수신하는 단계, 상기 시그널링 정보를 기반으로 상기 포인트 클라우드 데이터를 디코딩하는 단계, 상기 시그널링 정보를 기반으로 상기 디코딩된 포인트 클라우드 데이터를 렌더링하는 단계를 포함할 수 있다.
실시예들에 따르면, 상기 포인트 클라우드 데이터 디코딩 단계는 상기 압축된 포인트 클라우드 데이터에 굴절 보상 역변환을 수행하는 단계와 상기 굴절 보상 역변환된 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보를 복원하는 단계를 포함할 수 있다.
실시예들에 따르면, 상기 시그널링 정보는 굴절 보상 관련 정보를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 퀄리티 있는 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 다양한 비디오 코덱 방식을 달성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 자율주행 서비스 등 범용적인 포인트 클라우드 콘텐츠를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 포인트 클라우드 데이터의 독립적 인코딩 및 디코딩을 위해 포인트 클라우드 데이터의 공간 적응적 분할을 수행함으로써, 병렬 처리의 향상 및 스케일러비티(scalability)를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 포인트 클라우드 데이터를 타일 및/또는 슬라이스 단위로 공간 분할하여 인코딩 및 디코딩을 수행하고 이를 위해 필요한 데이터를 시그널링함으로써 포인트 클라우드의 인코딩 및 디코딩 성능을 향상시킬 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 고정형 라이다를 통해 획득된 포인트 클라우드 데이터의 압축 이전에 굴절 보상을 수행하고, 이를 기반으로 포인트 클라우드 데이터의 포인트들을 도로와 객체로 분리한 후, 압축을 수행함으로써, 포인트 클라우드 데이터의 압축 성능을 향상시킬 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 포인트 클라우드 데이터의 압축 이전에 굴절 보상을 수행함으로써, 경사가 있거나 굴곡이 있는 도로에서 고정형 라이다를 통해 획득된 포인트 클라우드 데이터의 포인트들을 도로와 객체로 정확하게 분리할 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 3은 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 5는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 6은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 7은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 8은 실시예들에 따른 전송 장치의 예시이다.
도 9는 실시예들에 따른 수신 장치의 예시이다.
도 10은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 11(a)는 실시예들에 따른 회전형 라이다 시스템의 일 예시를 보인 도면이다.
도 11(b)는 실시예들에 따른 고정형 라이다 시스템의 예시를 보인 도면이다.
도 12는 실시예들에 따른 광학 렌즈(optical lens)를 이용하여 포인트를 획득하는 방법의 예시를 보인 도면이다.
도 13(a)와 도 13(b)는 실시예들에 따른 굴절 보상 적용 이전과 굴절 보상 적용 이후의 예시를 보인 도면이다.
도 14는 실시예들에 따른 굴절 보상을 적용한 xy 평면의 예시를 보인 도면이다.
도 15는 실시예들에 따른 포인트 클라우드 송신 장치의 또 다른 예시를 보인 도면이다.
도 16은 실시예들에 따른 포인트 클라우드 송신 장치의 또 다른 예시를 보인 도면이다.
도 17은 실시예들에 따른 포인트 클라우드 송신 장치의 또 다른 예시를 보인 도면이다.
도 18은 실시예들에 따른 포인트 클라우드 수신 장치의 또 다른 예시를 보인 도면이다.
도 19는 실시예들에 따른 포인트 클라우드 수신 장치의 또 다른 예시를 보인 도면이다.
도 20은 실시예들에 따른 포인트 클라우드 수신 장치의 또 다른 예시를 보인 도면이다.
도 21는 실시예들에 따른 비트스트림 구조의 일 예시를 보인 도면이다.
도 22는 실시예들에 따른 시퀀스 파라미터 세트의 신택스 구조의 다른 예시를 보인 도면이다.
도 23은 실시예들에 따른 타일 파라미터 세트의 신택스 구조의 일 예시를 보인 도면이다.
도 24는 실시예들에 따른 지오메트리 파라미터 세트의 신택스 구조의 다른 예시를 보인 도면이다.
도 25는 실시예들에 따른 어트리뷰트 파라미터 세트의 신택스 구조의 일 예시를 보인 도면이다.
도 26은 실시예들에 따른 지오메트리 슬라이스 헤더의 신택스 구조의 일 예시를 보인 도면이다.
도 27은 실시예들에 따른 포인트 클라우드 데이터 송신 방법의 흐름도를 나타낸다.
도 28은 실시예들에 따른 포인트 클라우드 데이터 수신 방법의 흐름도를 나타낸다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 하기의 실시예들은 본 개시를 구체화하기 위한 것일 뿐 본 개시의 권리 범위를 제한하거나 한정하는 것이 아님은 물론이다. 본 개시의 상세한 설명 및 실시예들로부터 본 개시가 속하는 기술 분야의 전문가가 용이하게 유추할 수 있는 것은 본 개시의 권리 범위에 속하는 것으로 해석된다.
본 명세서의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 안되며, 예시적인 것으로 고려되어야 한다. 본 개시의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 개시의 등가적 범위 내에서의 모든 변경은 본 개시의 범위에 포함된다.
바람직한 실시예들에 대해 구체적으로 설명하되, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 구현될 수 있는 실시예들만을 나타내기보다는 바람직한 실시예들을 설명하기 위한 것이다. 이하에서는 본 개시에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함하여 설명한다. 그러나 본 개시가 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다. 본 명세서에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 본 개시는 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다. 또한 이하의 도면들 및 상세한 설명은 구체적으로 기술된 실시예들에만 국한되어 해석되지 않고, 도면 및 상세한 설명에 기재된 실시예들과 균등하거나, 대체 가능한 것들까지 포함하는 것으로 해석되어야만 한다.
도 1은 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송/수신하기 위해 유무선 통신 가능하다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Artificial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition unit, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)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. 일 실시예로, 렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 뷰포트 등에 따라 렌더링할 수 있다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 콘텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보, 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000) 뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보를 의미할 수 있다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역(즉, 사용자가 현재 보고 있는 영역)에 대한 정보이다. 즉, 뷰포트 정보는 사용자가 현재 포인트 클라우드 비디오 내에서 보고 있는 영역에 대한 정보이다. 다시 말해, 뷰포트 또는 뷰포트 영역은 사용자가 포인트 클라우드 비디오에서 보고 있는 영역을 의미할 수 있다. 그리고 시점(viewpoint)은 사용자가 포인트 클라우드 비디오에서 보고 있는 지점으로서, 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 그 영역이 차지하는 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 헤드 오리엔테이션 정보 및/또는 뷰포트 정보를 기반으로 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 비디오 소비 방식, 사용자가 응시하는 포인트 클라우드 비디오 영역, 응시 시간 등을 확인할 수 있다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따르면, VR/XR/AR/MR 디스플레이 등의 장치는 사용자의 머리 위치/방향, 장치가 지원하는 수직(vertical) 또는 수평(horizontal) FOV 등에 근거하여 뷰포트 영역을 추출할 수 있다. 실시예들에 따르면, 헤드 오리엔테이션 정보와 뷰포트 정보는 피드백 정보 또는 시그널링 정보 또는 메타데이터라 칭할 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. 상기 피드백 정보는 송신측으로 전달되는 것뿐만 아니라, 수신측에서 소비될 수도 있다. 즉, 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩/렌더링)할 수 있다. 예를 들어, 포인트 클라우드 비디오 디코더(10006)와 렌더러(10007)는 피드백 정보 즉, 헤드 오리엔테이션 정보 및/또는 뷰포트 정보를 이용하여 현재 사용자가 보고 있는 영역에 대한 포인트 클라우드 비디오만 우선적으로 디코딩 및 렌더링할 수 있다.
또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기, 전송 시스템 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기, 수신 시스템 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 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)로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 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 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 3은 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 30000), 양자화부(Quantize and Remove Points (Voxelize), 30001), 옥트리 분석부(Analyze Octree, 30002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 30003), 아리스메틱 인코더(Arithmetic Encode, 30004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 30005), 컬러 변환부(Transform Colors, 30006), 어트리뷰트 변환부(Transfer Attributes, 30007), RAHT 변환부(30008), LOD생성부(Generated LOD, 30009), 리프팅 변환부(Lifting)(30010), 계수 양자화부(Quantize Coefficients, 30011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 30012)를 포함한다. 도 3의 포인트 클라우드 인코더에서 좌표계 변환부(30000), 양자화부(30001), 옥트리 분석부(30002), 서페이스 어프록시메이션 분석부(30003), 아리스메틱 인코더(30004), 지오메트리 리컨스트럭션부(30005)를 그룹핑하여 지오메트리 인코더로 칭할 수 있다. 그리고, 컬러 변환부(30006), 어트리뷰트 변환부(30007), RAHT 변환부(30008), LOD생성부(30009), 리프팅 변환부(30010), 계수 양자화부(30011) 및/또는 아리스메틱 인코더(30012)를 그룹핑하여 어트리뷰트 인코더로 칭할 수 있다.
좌표계 변환부(30000), 양자화부(30001), 옥트리 분석부(30002), 서페이스 어프록시메이션 분석부(30003), 아리스메틱 인코더(30004), 및 지오메트리 리컨스트럭션부(30005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(30000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(30001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(30001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(30001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(30001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(30002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(30003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(30004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(30006), 어트리뷰트 변환부(30007), RAHT 변환부(30008), LOD생성부(30009), 리프팅 변환부(30010), 계수 양자화부(30011) 및/또는 아리스메틱 인코더(30012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(30006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(30006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(30006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(30005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(30005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(30007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(30007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(30007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(30007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(30007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(30007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(30007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(30007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을 z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(30007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고 depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(30008) 및/또는 LOD 생성부(30009)로 입력된다.
실시예들에 따른 RAHT 변환부(30008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(30008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(30009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(30010)는 포인트 클라우드의 어트리뷰트들을 가중치에 기반하여 변환하는 리프팅 변환 코딩을 수행한다. 상술한 바와 같이 리프팅 변환 코딩은 선택적으로 적용될 수 있다.
실시예들에 따른 계수 양자화부(30011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(30012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 3의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 3의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 3의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 4는 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 3에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(30002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 4의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (xint n, yint n, zint n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
Figure PCTKR2023014539-appb-img-000001
도 4의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 4 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 4의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 4에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 3의 포인트 클라우드 인코더, 또는 옥트리 분석부(30002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(30004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(30003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(
Figure PCTKR2023014539-appb-img-000002
x,
Figure PCTKR2023014539-appb-img-000003
y,
Figure PCTKR2023014539-appb-img-000004
z), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(30005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure PCTKR2023014539-appb-img-000005
그리고나서, 더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표 1은 4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다.
[표1] Triangles formed from vertices ordered 1,…, n
n Triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 5는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(30009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 6은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 5에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 3의 포인트 클라우드 인코더, 또는 LOD 생성부(30009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 6의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 6의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 6의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 6에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 3에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(30011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표 2와 표 3에 나타난 바와 같다.
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(30010))는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(30011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(30008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다. glx,y,z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. glx,y,z는 gl+1 2x,y,z와 gl+1 2x+1,y,z로부터 계산될 수 있다. gl 2x,y,z 와 gl 2x+1,y,z 의 가중치를 w1=wl 2x,y,z과 w2=wl 2x+1,y,z 이다.
Figure PCTKR2023014539-appb-img-000006
gl-1 x,y,z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. hl-1 x,y,z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(30012)의 인코딩). 가중치는 wl-1 x,y,z = wl 2x,y,z + wl 2x+1,y,z로 계산된다. 루트 노드는 마지막 g1 0,0,0 과 g1 0,0,1을 통해서 다음과 생성된다.
Figure PCTKR2023014539-appb-img-000007
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 7은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 7에 도시된 포인트 클라우드 디코더는 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 6에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 7000), 옥트리 합성부(synthesize octree, 7001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 7002), 지오메트리 리컨스트럭션부(reconstruct geometry, 7003), 좌표계 역변환부(inverse transform coordinates, 7004), 아리스메틱 디코더(arithmetic decode, 7005), 역양자화부(inverse quantize, 7006), RAHT변환부(7007), LOD생성부(generate LOD, 7008), 인버스 리프팅부(Inverse lifting, 7009), 및/또는 컬러 역변환부(inverse transform colors, 7010)를 포함한다.
아리스메틱 디코더(7000), 옥트리 합성부(7001), 서페이스 오프록시메이션 합성부(7002), 지오메트리 리컨스럭션부(7003), 좌표계 역변환부(7004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 6에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(7000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(7000)의 동작은 아리스메틱 인코더(30004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(7001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(7002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(7003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 6에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(7003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(7003)는 지오메트리 리컨스트럭션부(30005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 4에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(7004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(7005), 역양자화부(7006), RAHT 변환부(7007), LOD생성부(7008), 인버스 리프팅부(7009), 및/또는 컬러 역변환부(7010)는 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(7005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(7006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(7010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(7010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(30006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 7의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 7의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도7의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 8은 실시예들에 따른 전송 장치의 예시이다.
도 8에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 3의 포인트 클라우드 인코더)의 예시이다. 도 8에 도시된 전송 장치는 도 1 내지 도 6에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(8000), 양자화 처리부(8001), 복셀화 처리부(8002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(8003), 표면 모델 처리부(8004), 인트라/인터 코딩 처리부(8005), 아리스메틱 (Arithmetic) 코더(8006), 메타데이터 처리부(8007), 색상 변환 처리부(8008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(8009), 예측/리프팅/RAHT 변환 처리부(8010), 아리스메틱 (Arithmetic) 코더(8011) 및/또는 전송 처리부(8012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(8000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(8000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(8000), 양자화 처리부(8001), 복셀화 처리부(8002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(8003), 표면 모델 처리부(8004), 인트라/인터 코딩 처리부(8005), Arithmetic 코더(8006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 6에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(8001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(8001)의 동작 및/또는 양자화는 도 3에서 설명한 양자화부(30001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(8002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(80002)는 도 3에서 설명한 양자화부(30001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(8003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(8003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(8003)는 도 3 및 도 4에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(30002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(8004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(8004)는 도 3 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(30003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(8005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(8005)는 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 실시예들에 따라 인트라/인터 코딩 처리부(8005)는 아리스메틱 코더(8006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(8006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 아리스메틱 코더(8006)는 아리스메틱 인코더(30004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(8007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(8007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(8008), 어트리뷰트 변환 처리부(8009), 예측/리프팅/RAHT 변환 처리부(8010), 아리스메틱 (Arithmetic) 코더(8011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 6에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(8008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(8008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 6에서 설명한 바와 동일하다. 또한 도 3에서 설명한 컬러 변환부(30006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(8009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(8009)는 도 3에 설명한 어트리뷰트 변환부(30007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(8010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(8010)는 도 3에서 설명한 RAHT 변환부(30008), LOD 생성부(30009) 및 리프팅 변환부(30010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 6에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(8011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(8011)는 아리스메틱 인코더(300012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(8012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(8007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(8012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(8012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 9는 실시예들에 따른 수신 장치의 예시이다.
도 9에 도시된 수신 장치는 도 1의 수신장치(10004) 의 예시이다. 도 9에 도시된 수신 장치는 도 1 내지 도 8에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(9000), 수신 처리부(9001), 아리스메틱 (arithmetic) 디코더(9002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(9003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(9004), 인버스(inverse) 양자화 처리부(9005), 메타데이터 파서(9006), 아리스메틱 (arithmetic) 디코더(9007), 인버스(inverse)양자화 처리부(9008), 예측/리프팅/RAHT 역변환 처리부(9009), 색상 역변환 처리부(9010) 및/또는 렌더러(9011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(9000)는 포인트 클라우드 데이터를 수신한다. 수신부(9000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(9001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(9001)는 수신부(9000)에 포함될 수 있다.
아리스메틱 디코더(9002), 오큐판시 코드 기반 옥트리 재구성 처리부(9003), 표면 모델 처리부(9004) 및 인버스 양자화 처리부(9005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 8중 적어도 하나에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(9002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(9002)는 아리스메틱 디코더(7000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(9003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(9003)는 옥트리 합성부(7001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(9004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(9004)는 서페이스 오프록시메이션 합성부(7002) 및/또는 지오메트리 리컨스트럭션부(7003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(9005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(9006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(9006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 8에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(9007), 인버스 양자화 처리부(9008), 예측/리프팅/RAHT 역변환 처리부(9009) 및 색상 역변환 처리부(9010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 8 중 적어도 하나에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(9007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(9007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(9007)는 아리스메틱 디코더(7005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(9008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(9008)는 역양자화부(7006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(9009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(9009)는 도 7의 RAHT 변환부(7007), LOD 생성부(7008) 및/또는 인버스 리프팅부(7009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(9010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(9010)는 도 7의 컬러 역변환부(7010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(9011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 10은 실시예들에 따른 포인트 클라우드 데이터 송/수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 10의 구조는 서버(1060), 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040), 가전(1050) 및/또는 HMD(1070) 중에서 적어도 하나 이상이 클라우드 네트워크(1010)와 연결된 구성을 나타낸다. 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040) 또는 가전(1050) 등은 장치라 호칭된다. 또한, XR 장치(1030)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1000)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1000)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1060)는 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040), 가전(1050) 및/또는 HMD(1070) 중에서 적어도 하나 이상과 클라우드 네트워크(1000)을 통하여 연결되고, 연결된 장치들(1010 내지 1070)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1070)는 실시예들에 따른 XR 디바이스 및/또는 PCC 디바이스가 구현될 수 있는 타입 중 하나를 나타낸다. 실시예들에 따른HMD 타입의 디바이스는, 커뮤니케이션 유닛, 컨트롤 유닛, 메모리 유닛, I/O 유닛, 센서 유닛, 그리고 파워 공급 유닛 등을 포함한다.
이하에서는, 상술한 기술이 적용되는 장치(1010 내지 1050)의 다양한 실시 예들을 설명한다. 여기서, 도 10에 도시된 장치(1010 내지 1050)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송/수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1030)는 PCC 및/또는 XR(AR+VR) 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수도 있다.
XR/PCC 장치(1030)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 어트리뷰트 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR/PCC 장치(1030)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+XR+모바일폰>
XR/PCC 장치(1030)는 PCC기술이 적용되어 모바일폰(1040) 등으로 구현될 수 있다.
모바일폰(1040)은 PCC 기술에 기반하여 포인트 클라우드 콘텐츠를 디코딩하고, 디스플레이할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1020)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1020)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(1020)은 XR 장치(1030)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1020)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1020)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 개시의 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) 송/수신 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 송/수신 장치 차량에 탑재된 경우, 포인트 클라우드 송/수신 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.
한편, 전술한 바와 같이 포인트 클라우드(또는 포인트 클라우드 데이터라 함)는 포인트(point)들의 집합으로 구성되며, 각 포인트는 지오메트리(geometry) 정보와 어트리뷰트(attributes) 정보를 가질 수 있다. 지오메트리 정보는 3차원 위치(XYZ) 정보이며, 어트리뷰트 정보는 색상 (RGB, YUV 등), 반사도(Reflectance 또는 반사율이라 함) 등이다. 즉, 각 포인트의 어트리뷰트 정보는 색상(color), 반사도(reflectance), 투명도(opacity), 프레임 인덱스(frame index), 프레임 수(frame number), 소재 식별자(material identifier), 법선 벡터(normal vector) 중 적어도 하나를 포함할 수 있다.
본 문서에서 지오메트리 정보는 지오메트리 데이터 및 지오메트리와 동일한 의미로서, 서로 혼용하여 사용된다. 또한, 어트리뷰트 정보는 어트리뷰트 데이터 및 어트리뷰트와 동일한 의미로서, 서로 혼용하여 사용된다.
그리고, 본 개시에서 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 콘텐트(또는 포인트 클라우드 데이터라 함)를 생성하기 위하여 하나 또는 그 이상의 카메라(camera)들(예를 들면, 깊이 정보를 확보할 수 있는 적외선 카메라, 깊이 정보에 대응되는 색상 정보를 추출 할 수 있는 RGB 카메라 등), 프로젝터(예를 들면 깊이 정보를 확보하기 위한 적외선 패턴 프로젝터 등), 라이다(LiDAR, Light Detection and Ranging) 등을 사용할 수 있다.
이 중 라이다는 조사된 빛이 피사체에 반사되어 돌아오는 시간을 측정하여 거리를 측정하는 장비로서, 넓은 영역과 긴 거리에 걸쳐 실세계의 정밀한 3차원 정보를 포인트 클라우드 데이터로 제공해준다. 이러한 대용량 포인트 클라우드 데이터는 자율 주행 자동차, 로봇, 3차원 지도 제작 등 컴퓨터 비전 기술을 이용하는 다양한 분야에 널리 활용될 수 있다. 즉, 라이다 장비는 포인트 클라우드 콘텐츠의 생성을 위해, 레이저 펄스를 쏘고 피사체(즉, 반사체)에 반사되어 돌아오는 시간을 측정하여 반사체의 위치 좌표를 측정하는 레이더 시스템을 이용한다. 실시예들에 따르면, 깊이 정보는 라이다 장비를 통해 추출할 수 있다. 그리고, 라이다 장비를 통해 생성된 포인트 클라우드 콘텐츠는 여러 개의 프레임들로 구성될 수도 있고, 여러 개의 프레임들은 하나의 콘텐츠로 통합될 수도 있다.
이러한 라이다는 고정형(non-spining, solid or fixed) 라이다와 회전형(rotation or spinning lidar) 라이다로 구분할 수 있다.
실시예들에 따르면, 고정형 라이다는 고정된 위치에 설치되어 주변 환경의 거리 및 3D 정보를 수집한다. 이러한 고정형 라이다 시스템은 보통 건물, 도로, 다리, 터널 등의 구조물을 모니터링하거나 지형 지물을 스캔하는 데 사용된다. 이때, 고정형 라이다는 고정된 위치에 설치되므로 특정 영역을 계속 모니터링할 수 있다. 또한, 보통 360도의 수평 회전을 하지 않으며, 주로 수직 방향으로 빔을 방출하고 수신한다. 즉, 한 번에 하나의 고정된 방향으로 빔을 방출하므로 데이터 획득 속도가 느릴 수 있다. 따라서 고정형 라이다는 3D 지도와 같은 정밀한 거리 측정을 위해 사용되며, 주로 정적 환경에서 사용된다.
실시예들에 따르면, 회전형 라이다는 서로 다른 고도(elevation)에 있는 복수개의 레이저(또는 레이저 센서)들을 구비하고, 레이저들이 Y축을 기준으로 방위각(azimuth, 수평 방향)을 따라 회전(spinning)을 하면서 포인트 클라우드 데이터를 캡처하는데 사용될 수 있다. 이러한 회전형 라이다 시스템은 자율 주행 자동차, 드론, 로봇 등과 같이 동적 환경에서도 빠르고 정확한 3D 정보 획득이 필요한 경우에 많이 사용된다. 회전형 라이다 시스템에서 레이저 센서는 회전하면서 360도를 스캔하여 주변 환경의 데이터를 실시간으로 획득하며, 고정형 라이다에 비해 데이터 획득 속도가 빠르다. 또한, 동적 환경에서도 효과적으로 작동하며, 이동 중인 차량이나 로봇에 주로 사용된다.
본 개시는 고정형 라이다로 획득한 포인트 클라우드 데이터의 예측을 위한 장치 및 방법에 관한 것으로서, 특히 프레임 간 고정형 라이다 특성에 따른 포인트 클라우드의 지오메트리 압축 방법 및 장치에 관한 것이다.
본 개시는 3차원 포인트 클라우드 데이터를 압축하기 위해 프레임 간 객체를 검출할 때, 지오메트리 정보를 이용하여 포인트 단위로 탐색하는 방법을 제안한다.
본 개시는 3차원 포인트 클라우드 데이터를 압축하기 위해 프레임 간 객체를 검출할 때, 지오메트리 정보를 이용하여 포인트 단위로 탐색하는 방법을 제안한다.
실시예들에 따르면, 포인트 클라우드 데이터에서 Category 3으로 분류 된 동적 포인트 클라우드는 여러 장의 포인트 클라우드 프레임들로 구성되며, 자율주행 등에 사용될 수 있다. 이때, 프레임들의 집합을 시퀀스라고 하며, 하나의 시퀀스는 같은 어트리뷰트 값들로 구성 된 프레임들을 포함한다. 따라서 지오메트리값 간에는 이전 프레임이나 이후 프레임 간에 객체 간 움직이는 동적 객체와 움직이지 않는 정적 객체 각각의 특징을 가진다.
따라서, 본 개시는 시퀀스들 중 프레임 간 압축을 목표로 프레임 내 및/또는 프레임 간 객체 탐색 및 검출 방법을 제안한다.
또한 본 개시는 고정형 라이다의 특성으로 인해 발생할 수 있는 포인트 클라우드 데이터의 굴절을 보상하고, 굴절이 보상된 포인트 클라우드 데이터로부터 도로와 객체를 분리하는 방법을 제안한다.
이와 같이 본 개시에서 고정형 라이다는 렌즈를 이용해 포인트 클라우드 데이터의 포인트들을 획득하기 때문에 광학 좌표계에 기반한 xyz의 특성을 갖는다. 또한, 실제 데이터의 포인트 값이 회전형 라이다와는 다르게 2축의 미러를 이용해 획득된다. 따라서 본 개시는 스캐닝에 반영 된 벡터에서 기울기와 각도를 이용해서 2축에 수평 및 수직하는 방향을 계산하고, 이때의 굴절 에러를 포인트 클라우드 데이터로부터 보상하는 방법을 제안한다. 또한, 2축에 스캐닝 된 포인트 클라우드 데이터의 포인트들을 도로와 객체로 분리하는 방법을 제안한다.
본 개시는 포인트 클라우드 데이터의 압축 이전에 굴절 보상을 수행하고, 이를 프레임내/프레임간 객체 탐색 시에 사용함으로써, 객체의 특성을 반영하여 압축 효율을 높일 수 있다.
본 개시에서 굴절의 보상은 고정형 라이다를 통해 획득된 포인트 클라우드 데이터의 각 포인트의 z,y,z 축 적어도 하나에 대해 수행될 수 있다.
본 개시에서는 포인트 클라우드 데이터의 지오메트리 정보의 압축을 위해 옥트리(octree) 기반 지오메트리 압축 방법, 예측 트리(predictive tree) 기반 지오메트리 압축 방법, 또는 트라이숩(trisoup) 기반 지오메트리 압축 방법이 사용될 수 있다.
본 개시에서 객체 탐색 방법 및/또는 도로와 객체의 분리 방법은 지오메트리 정보의 예측트리 기반 압축 수행 이전에 수행될 수 있다. 이때, xyz 좌표를 rpl(range, polar angle, azimuthal angle) 좌표로 변환한 이후에 수행이 된다.
본 개시에서 객체 탐색 방법 및/또는 도로와 객체의 분리 방법은 지오메트리 정보의 옥트리 기반 압축 수행 이전에 수행될 수 있다.
본 개시에서 객체 탐색 방법 및/또는 도로와 객체의 분리 방법은 포인트 클라우드 데이터의 굴절을 보상(또는 보정)한 후에 수행될 수 있다.
실시예들에 따르면, xyz 좌표는 포인트 클라우드 데이터의 각 포인트의 3D 공간 상의 위치를 나타내는데 사용되고, rpl 좌표는 포인트 클라우드 데이터의 포인트의 상대적인 거리와 방향을 나타낸다. 즉, rpl 좌표는 레이저 센서와 같은 거리 측정 장치에서 측정된 데이터를 표현하는데 사용된다.
이때, rpl 좌표계로 치환 된 포인트는 하나의 포인트로서 객체에 포함되고 개별 객체(또는 개별 객체에 관련된 정보)는 인코더에서 시그널링될 수 있다. 송신 장치의 인코더에서는 매 프레임마다 객체 검출이 수행되고 참조 프레임의 객체가 현재 프레임의 객체 리스트에 존재하지 않을 수 있다. 객체 리스트 검출 후 객체의 모션 추정(motion estimation)과 모션 보상(motion compensation)이 수행되며, 객체 당 모션 추정(motion estimation) 행렬은 송신 장치의 인코더에서 시그널링될 수 있다.
전술한 바와 같이, 고정형 라이다는 레이저 센서를 사용하여 3D 지도 환경을 생성할 수 있다. 일반적으로 라이다(LiDAR)는 능동 레이저를 사용하여 물체를 조명하여 객체(벽, 차량, 나무 등)까지의 거리를 측정하기 때문에 빠르고 정확한 접근 방식이며 다양한 환경과 조건에서 사용할 수 있다.
특히, 회전형 라이다는 모터를 이용해서 물리적으로 센서를 회전해서 주변을 스캔한다. 장점은 수평 시야각이 넓지만 단점으로는 크기가 크고 가격이 비싸며 내구성이 약한 특징이 있다.
반면 고정형 라이다는 회전하는 기계식 장치가 없지만 수평 시야각이 회전형 라이다 보다 좁다. 고정형 라이다의 주된 사용 방식은 receiver optics(수신 광학 구성이라 칭함)라는 렌즈의 이용이다. 즉, 렌즈를 통과하는 빛의 속도와 빛을 쏘는 방향에 따라 데이터가 획득되는 특성이 다르게 되며, 무손실 압축에서는 데이터 특성이 압축 효율에 높게 작용한다.
도 11(a)는 실시예들에 따른 회전형 라이다 시스템의 일 예시를 보인 도면이다.
실시예들에 따른 회전형 라이다 시스템은 레이저 빔을 회전 및 틸팅하여 피사체 주변을 조사하고, 반환된 레이저 신호를 수집하여 포인트 클라우드 데이터와 같은 3D 데이터를 생성한다.
도 11(a)에서 틸팅 미러(Tilting Mirror)는 레이저 빔을 위 아래로 틸팅(기울임)하는 데 사용되며, 이 틸팅 미러는 레이저빔을 다양한 수직 각도로 방출하여 다차원 데이터를 수집할 수 있다.
수평(또는 방위각) 회전(Azimuth Rotation)은 레이저 센서의 수평 회전을 나타낸다. 즉, 레이저 센서가 360도 수평 방향으로 회전하면서 피사체 주변을 스캔한다.
레이저는 레이저 센서에서 발산되는 빔을 생성하는 데 사용된다. 특히 레이저는 정밀한 거리 측정을 위해 사용되며, 레이저 센서에서 발사된 빔이 피사체에 반사되어 돌아오면 이를 측정한다. 이때, 레이저 센서가 회전하면서 레이저를 다양한 방향으로 방출한다.
레이저 반환 (Laser Return) 신호는 피사체까지의 거리를 나타내며, 이 정보는 후속 분석에 사용된다.
수신기 (Receiver)는 레이저 반환 신호를 감지하고, 신호를 분석하여 거리 및 환경 정보를 계산한다. 특히, 수신기는 레이저 반환 신호의 시간 차이를 이용하여 거리를 정밀하게 측정할 수 있고, 다수의 반사 신호를 처리하여 포인트 클라우드 데이터를 생성할 수 있다. 즉, 수신기는 레이저 펄스를 쏘고 피사체(즉, 반사체)에 반사되어 돌아오는 시간을 측정하여 피사체의 위치 좌표를 획득할 수 있다.
도 11(b)는 실시예들에 따른 고정형 라이다 시스템의 예시를 보인 도면이다.
도 11(b)의 고정형 라이다 시스템은 레이저 빔을 발사하고 피사체에서 반사되고 반환되는 신호를 수집하여 3D 지형과 같은 포인트 클라우드 데이터를 생성한다.
이를 위해, 레이저 송신기(laser transmitter)는 레이저 펄스(즉, 레이저 빔)을 생성하고, 이 레이저 빔은 레이저 센서에서 발사된다. 레이저 송신기에서 레이저 펄스를 생성할 때 로렌츠 힘이 사용될 수 있다.
그리고, 레이저 송신기에서 레이저 펄스를 생성하기 위해 전류와 코일이 사용된다. 즉, 전류가 코일에 흐르면 로렌츠 힘(Lorentz force)이 생성되어 레이저 빔이 발생한다.
수신 광학 구성(receiver optics)은 렌즈, 미러, 광센서 등으로 구성되며, 수신된 레이저 반환 신호를 수집하고 포커스하여 수신기(즉, 광센서)로 전달한다. 즉, 수신 광학 구성의 렌즈를 통과하는 빛의 속도와 빛을 쏘는 방향에 따라 포인트 클라우드 데이터가 획득되는 특성이 다르게 된다.
이러한 고정형 라이다에는 크게 MEMS(Micro-Electrical-Mechanical System), OPA(Optical Phase Array), FLASH(Fast LiDAR Scanning Hardware) 등이 있다.
MEMS는 레이저 센서의 빔 방향을 조절하는 데 사용될 수 있다. 이 MEMS 기술은 고정형 라이다 시스템에서 레이저 빔의 방향을 조절하고 다양한 방향으로 스캔하는 데 사용된다.
OPA는 광선 방향을 소프트웨어적으로 조절할 수 있는 기술을 나타낸다. 즉, OPA를 사용하면 레이저 센서의 레이저 빔을 미세하게 편향하거나 조절하여 원하는 방향으로 스캔할 수 있다. OPA는 고정형 라이다 시스템에서 레이저 빔의 수평 및 수직 스캔을 수행하는 데 활용된다.
FLASH는 고정형 라이다 시스템에서 레이저 빔의 빠른 스캔을 지원한다. FLASH 라이다는 매우 빠른 데이터 취득 속도를 제공하여 동적 환경에서도 정밀한 3D 지형 정보를 수집할 수 있도록 한다. 이러한 빠른 스캐닝 하드웨어는 고정형 라이다의 성능을 향상시키는 데 사용될 수 있다.
본 개시는 고정형 라이다 종류에는 상관없으나 회전형 라이다와 다른 특성을 이용하여 지오메트리 정보의 예측 방법을 제안한다. 즉, 고정형 라이다를 통해 생성된 포인트 클라우드 데이터는 회전형 라이다를 통해 생성된 포인트 클라우드 데이터보다 정확하여 회전형 라이다 보다 자율 주행에 사용될 가능성이 높으며, 특히 고정형 라이다는 고정밀 거리 측정을 그 특징으로 갖는다.
즉, 고정형 라이다는 정확한 객체 측정과 이미지 획득 속도가 빠르기 때문에 객체 인식, 밀도가 높은 포인트 클라우드 획득에 사용할 경우 압축 효율이 높아질 수 있다. 또한, 정밀도가 높아 모션 추정/보상(motion estimation/compensation)으로 예측이 유리해서, 지오메트리 정보의 압축 효율이 높아질 수 있다.
따라서 본 개시에서는 지오메트리 정보를 예측 기반으로 압축할 때, 스캐닝 방향과 스캐닝 원리 사이의 비선형 관계를 이용하여 예측자를 선택할 수 있다.
그리고, 본 개시에서는 고정형 라이다로 획득한 포인트 클라우드의 특성을 이용하여 도로와 객체를 분리하고 지오메트리 정보를 압축하는 방법을 제안한다. 즉, 고정형 라이다는 수신 광학 구성의 렌즈를 이용해 포인트를 획득하기 때문에 광학(optical) 좌표계에 기반한 xyz의 특성을 갖는다. 광학(optical) 좌표계에 기반한 xyz의 특성은 레이저 빔(또는 레이저 센서)를 통해 획득된 각 포인트의 3D 공간 상의 좌표를 의미한다. 즉, x 값은 라이다 시스템에서 획득된 포인트의 x 좌표를 나타내며, 라이다 시스템을 중심으로 좌우 방향으로 측정된다. x 값은 포인트의 수평 위치를 의미하며, 라이다 스캐닝 장치의 위치와 레이저 빔이 반사된 지점의 상대적인 좌표를 나타낸다. y 값은 포인트의 y 좌표를 나타내며, 라이다 시스템을 중심으로 앞뒤 방향으로 측정된다. y 값은 포인트의 수직 위치를 의미하며, 라이다 스캐닝 장치의 위치와 레이다 빔이 반사된 지점의 상대적인 좌표를 나타낸다. z 값은 포인트의 z 좌표를 나타내며, 레이저 빔이 반사된 지점의 높이 또는 고도를 나타낸다. z 값은 포인트의 지표면 또는 기준 평면으로부터의 상대적인 높이를 나타낸다.
또한, 고정형 라이다에서 실제 데이터의 포인트 값은 회전형 라이다와는 다르게 2축의 미러를 이용해 획득된다. 여기서, 고정형 라이다에서 2축의 미러를 사용하면, 레이저 센서가 수직 및 수평 방향으로 스캔하여 포인트 클라우드 데이터를 획득할 수 있다.
따라서, 본 개시는 스캐닝에 반영 된 벡터에서 기울기와 각도를 이용해서 2축에 수평 및 수직하는 방향을 계산하고, 이때의 굴절 에러를 보상하는 방법을 제안한다.
또한, 본 개시는 2축에 스캐닝 된 포인트 클라우드 데이터에서 도로와 객체를 분리하는 방법을 제안한다.
본 개시에서 제안하는 방법은 각 프레임에서 적용할 수 있으며, 추가적으로 각 단계가 프레임 간 압축에 적용할 수 있는 방안을 제안한다.
광학 좌표계의 굴절 에러 보정
도 12는 실시예들에 따른 광학 렌즈(optical lens)를 이용하여 포인트를 획득하는 방법의 예시를 보인 도면이다.
도 12에서 객체 평면(Object Plane)은 라이다 시스템이 측정하려는 실제 환경 또는 대상이 있는 평면을 나타낸다. 이 평면은 레이저 빔이 반사되어 오가는 공간을 정의하며, 라이다 시스템은 이 평면을 스캔하면서 거리 데이터를 수집한다. 대상 평면은 라이다 데이터의 XYZ 좌표를 계산하는 데 사용될 수 있다.
그리고, 왜곡 표면(Distortion Surface)은 레이저 빔이 광학 렌즈를 통과할 때 광선이 굴절되거나 왜곡되는 표면을 나타낸다. 즉, 광학 렌즈는 레이저 빔을 조절하고 수집하기 위해 사용되며, 렌즈의 곡률과 형태에 따라 광선의 경로가 변화한다. 특히, 렌즈 내의 복잡한 광학 합성으로 인해 왜곡이 발생하며, 이것은 거리 및 방향 측정에 영향을 미칠 수 있다.
실시예들에 따르면, 본 개시의 라이다 시스템에서 굴절은 레이저 빔이 광학 렌즈를 통과할 때 광선의 방향이 바뀌는 현상을 나타낸다. 즉, 광학 렌즈를 통과하는 광선은 광선의 진행 방향이 바뀌어 굴절된다. 다시 말해, 레이저는 미러를 통해 발산되고, 광학 센서를 통해 수신하다보니 굴절이 발생할 수 있다. 이와 같이, 굴절은 렌즈 내에서 광선이 다른 매질(물질)로 들어갈 때 광속이 변화하면서 발생한다. 그러므로, 렌즈의 굴절 지수와 곡률, 렌즈의 형태와 두께 등이 레이저 빔의 굴절을 결정하며, 따라서 정확한 거리 및 방향 데이터를 획득하는 데 중요하다.
즉, 라이다 시스템에서 광학 렌즈는 왜곡 효과를 최소화하고 정확한 거리 및 방향 측정을 수행하기 위해 설계된다. 그러나 모든 렌즈는 완벽하지 않으며 이로 인해 광학 왜곡(또는 굴절)이 발생할 수 있다.
또한, 수신 렌즈(receiving lens)는 라이다 시스템에서 레이저 빔이 객체 평면에서 반사되어 돌아오는 빛을 수집하는 데 사용된다. 수신 렌즈는 레이저 빔의 광선을 수집하고 포커스하여 광센서나 검출기로 전달할 수 있다.
그리고, 도 12에서 보는 바와 같이, 고정형 라이다로 획득한 포인트 클라우드 데이터는 회전형 라이다와 동일하게 xyz 좌표계로 표현된다. 회전형 라이다는 구면 좌표계(즉, radius, phi, laserID(or elevation))으로 변환하여 압축했을 때, 획득된 데이터가 rpl 좌표계에 따라 위치해 있어 압축 효율이 높아지게 된다. 고정형 라이다도 유사하게 획득 된 좌표가 2축에 수직하거나 수평인 좌표계와 유사한 특징을 가진다. 그리고, 특정 객체를 동일한 위치와 동일한 각도에서 획득하더라도 사용한 카메라에 따라서 서로 다른 기하학적 특징을 갖는다.
따라서, 본 개시는 이러한 요소를 제거한 정규화된 3D 공간에서 공통된 지오메트리 특성을 제거하거나 치환하기 위해 기존과는 다른 좌표계인 광학 좌표계를 제안한다.
실시예들에 따르면, 본 개시의 라이다 시스템은 MEMS 미러와 MEMS 검출부를 포함할 수 있다.
실시예들에 따르면, MEMS 미러는 작고 미세한 기계 시스템으로 구성된 미러이다. 이 미러는 레이저 빔의 방향을 조절하거나 스캔하는데 사용된다. 특히, MEMS 미러는 레이저 빔을 신속하게 스캔하거나 방향을 조절하여 포인트 클라우드 데이터를 수집하는데 사용될 수 있다.
실시예들에 따르면, 라이다 시스템에서 MEMS 기술을 사용하여 광센서 또는 MEMS 검출부를 구현할 수 있다.
실시예들에 따르면, MEMS 검출부는 라이다 시스템에서 수신 및 신호 처리를 담당하며, 레이저 빔이 피사체(즉, 객체)에서 반사되고 돌아오는 신호를 측정하고 해석한다. MEMS 검출부는 레이다 빔의 수신 감도를 조절하고, 신호를 증폭하고, 시간에 따라 신호를 샘플링하여 거리 정보를 계산한다.
실시예들에 따르면, 본 개시에서 MEMS 미러가 스캐닝 한 좌표(x, y)는 정규화(normalization)된 좌표로 변환된다. 따라서 정규화된 좌표와 실제 좌표 사이에는 스케일 팩터가 존재한다. 이를 본 개시는 정밀도(precision)이라고 지칭한다.
예를 들어, 라이다 시스템에 내부 파라미터와 카메라 3D 정보가 있을때, 2D 뎁스(depth) 카메라로 획득한 포인트는 2D 상에서 정밀도(precision)에 따른 격자 모양으로 위치하고, 뎁스는 획득 된 레이저의 거리로 위치한다. 이때, 평면과 레이저의 거리 사이에 정밀도는 같거나 다를 수 있다.
본 개시에서 x축과 y축을 따라 레이저 빔을 스캐닝 한 MEMS 검출부(또는 MEMS 미러)의 편향각을 각각
Figure PCTKR2023014539-appb-img-000008
x (즉, theta_x)와
Figure PCTKR2023014539-appb-img-000009
y (즉, theta_y)라고 할 때, 목표 거리 정보 ri와 MEMS 편향각
Figure PCTKR2023014539-appb-img-000010
x,
Figure PCTKR2023014539-appb-img-000011
y가 있는 정규화 좌표의 포인트 i에 대한 라이다 시스템에서의 실제 좌표(Xi, Yi, Zi) 중 Xi와 Yi는 다음의 수학식 1과 같은 관계를 갖는다.
[수학식 1]
Figure PCTKR2023014539-appb-img-000012
본 개시에서 Z 좌표(Zi)는 수학식 1의 X 좌표(Xi)와 Y 좌표(Yi)를 기반으로 하기의 수학식 2로 계산될 수 있다. 즉, MEMS 스캐너로 2차원 좌표(x, y)를 시간 측정에서 변환된 z 좌표와 결합하게 된다.
[수학식 2]
Figure PCTKR2023014539-appb-img-000013
실시예들에 따르면, 수학식 2와 같이 계산된 Z 좌표(Zi) 값을 라이다 시스템을 통해 획득된 포인트 클라우드 데이터에 적용하면, 포인트 클라우드 데이터에 발생된 굴절을 보상(또는 보정)할 수 있다.
본 개시에서 Z 좌표(Zi)는 포인트 클라우드 데이터의 각 포인트의 높이 또는 고도를 나타낼 수 있다. 이 값은 지표면과의 거리를 의미하며, 포인트 클라우드 데이터로부터 도로와 객체를 분리하는데 사용될 수 있다.
본 개시에서 굴절 보상은 항상 수행되거나 또는 선택적으로 수행될 수 있다. 이를 위해 굴절 보상 여부를 지시하는 정보(예, optical_distortion_flag)가 시그널링 정보에 포함되어 수신측으로 전송될 수 있다. 만일 굴절 보상을 지시하면, Z 좌표를 구하기 위해 시그널링 정보는
Figure PCTKR2023014539-appb-img-000014
x(즉, theta_x)와
Figure PCTKR2023014539-appb-img-000015
y(즉, theta_y)를 더 포함할 수 있다. 즉, theta_x는 굴절 보상식(즉, 수학식 1과 2 참조)의 x축 계수를 나타내고, theta_y는 굴절 보상식(즉, 수학식 1과 2 참조)의 y축 계수를 나타낸다.
도 13(a)와 도 13(b)는 실시예들에 따른 굴절 보상 적용 이전과 굴절 보상 적용 이후의 예시를 보인 도면이다. 즉, 도 13(a)는 굴절 보상 적용 이전의 굴절 정도를 보이고 있다. 도 13(b)는 굴절 보상 적용 이후의 굴절 정도를 보이고 있다. 즉, 도 13(a)와 같이 굴절이 있는 포인트 클라우드 데이터에 수학식 2와 같은 Zi 계산식이 적용되면, 도 13(b)와 같이 굴절이 보상된 포인트 클라우드 데이터를 획득할 수 있다.
본 개시에서는 수평축을 기준으로 평면의 중심선에 대한 각도를 포인트의 왜곡 정도에 따른 굴절률로 볼 수 있고 이를 계산한 포인트 클라우드를 인코더에서 보상 및 압축한 후 송신할 수 있다.
본 개시는 굴절 보상을 한 포인트 클라우드 데이터를 압축하거나, 객체 탐색 및/또는 도로와 객체의 분할을 위한 용도로 사용할 수 있다.
객체 탐색 방법
본 개시에서 객체 탐색은 포인트 클라우드 데이터로부터 도로와 객체를 분리하기 위해서이다.
즉, 움직이는 자동차의 고정형 또는 회전형 라이다 시스템에서 캡쳐한 포인트 클라우드 콘텐츠는 도로(road)와 객체(object)가 함께 포함될 수 있다. 즉, 거리(street)에는 도로(road)뿐만 아니라, 나무들, 건물들, 차들, 사람들 등과 같이 많은 객체들이 존재한다. 본 문서에서 포인트 클라우드 콘텐츠는 포인트 클라우드 데이터 또는 포인트 클라우드로 지칭될 수 있다. 그리고, 객체는 하나 또는 그 이상이 될 수 있으며, 복수개의 객체들은 단순하게 객체라 칭하거나 또는 객체 그룹 또는 객체 블록으로 칭할 수 있다.
이때, 포인트 클라우드가 연속된 프레임들을 캡쳐하여 이루어진 경우, 도로를 구성하는 포인트들의 연속된 프레임에서 나타나는 모션의 특성과 객체(들)을 구성하는 포인트들의 연속된 프레임에서 나타나는 모션의 특성이 다를 수 있다.
따라서, 지오메트리 정보를 인터 예측 기반으로 압축할 때, 연속된 프레임들간의 도로 포인트들을 통해서 나타나는 모션을 객체에 적용하거나 반대로 객체 포인트들을 통해서 나타나는 모션을 도로에 적용시킬 경우, 압축 효율을 떨어뜨리거나 부정확한 모션 예측을 초래할 수 있다.
그러므로, 포인트 클라우드 데이터로부터 도로와 객체를 정확하게 분리할 필요가 있다.
하지만, 포인트 클라우드 데이터가 굴절이 있을 때, 이 굴절을 보상하지 않고 도로와 객체를 분리한다면, 굴절 특성으로 인해 도로를 객체로 잘못 판단하거나 객체를 도로로 잘못 판단할 수 있다.
본 개시는 이를 해결하기 위해 굴절이 보상된 포인트 클라우드 데이터로부터 도로와 객체를 분리하는 것을 일 실시예로 한다.
본 개시는 분리된 도로와 객체의 지오메트리 정보(또는 지오메트리 또는 지오메트리 데이터라 함)를 예측 트리 또는 옥트리에 적용하여 압축할 수 있다. 즉, 본 개시에서 지오메트리 정보의 압축을 위해 옥트리(octree) 기반 지오메트리 압축 방법, 예측 트리(predictive tree) 기반 지오메트리 압축 방법, 또는 트라이숩(trisoup) 기반 지오메트리 압축 방법이 사용될 수 있다.
이와 같이 본 개시에서 도로와 객체의 분리를 위해 굴절 보상을 하는 이유는, 경사가 있거나 굴곡이 있는 도로에서 고정형 라이다를 통해 획득된 포인트 클라우드 데이터로부터 도로와 객체를 정확하게 분리하기 위함이다.
또한, 고정형 라이다 시스템의 경우, 객체 평면(object plane)에서 왜곡(distortion)이 있는 것으로 포인트 클라우드 데이터가 광학 수신기(optical receiver or receiving lens)로 입력 되기 때문에 정확하게 도로와 객체를 분리할 수 없다.
따라서, 본 개시는 고정형 라이다의 광학 렌즈상에서 넓은 시야각(FoV)를 획득하기 위해 xy 평면의 왜곡(distortion)이 큰 경우와, 회전형 라이다에서 실시간 처리로 인해 xy 평면의 왜곡(distortion)이 큰 경우 적응적 도로/객체 분할 기준을 제안한다.
특히, 본 개시는 굴절 보상을 적용한 포인트 클라우드에서 도로와 객체의 분리를 위해 객체 탐색을 수행 할 수 있다. 이때, 프레임 내 객체 탐색은 아래 수학식 3과 같은 굴절 보상 적용식으로부터 판단할 수 있다.
본 개시는 아래 수학식 3에서 스캐닝 한 MEMS 검출부에서의 2D 편향각을
Figure PCTKR2023014539-appb-img-000016
x,
Figure PCTKR2023014539-appb-img-000017
y라고 할 때, 임계값
Figure PCTKR2023014539-appb-img-000018
<
Figure PCTKR2023014539-appb-img-000019
x <
Figure PCTKR2023014539-appb-img-000020
',
Figure PCTKR2023014539-appb-img-000021
<
Figure PCTKR2023014539-appb-img-000022
y <
Figure PCTKR2023014539-appb-img-000023
' 이내에 있는 포인트에 대해서 도로와 객체로 분리할 수 있다. 본 개시에서
Figure PCTKR2023014539-appb-img-000024
,
Figure PCTKR2023014539-appb-img-000025
',
Figure PCTKR2023014539-appb-img-000026
,
Figure PCTKR2023014539-appb-img-000027
'는 도로와 객체를 분리하기 위해 사용되는 임계값들이다.
[수학식 3]
Figure PCTKR2023014539-appb-img-000028
본 개시에서는 수학식 3과 같이 계산된 Zi 값을 기준으로 포인트 클라우드 데이터의 각 포인트를 도로 또는 객체로 분리할 수 있다.
본 개시는 전술한 바와 같이
Figure PCTKR2023014539-appb-img-000029
x와
Figure PCTKR2023014539-appb-img-000030
y를 수학식 1에 적용하여 포인트 클라우드 데이터의 각 포인트의 Xi 값과 Yi 값을 구할 수 있고, 이렇게 구한 Xi 값과 Yi 값을 수학식 3에 적용하여 Zi 값을 구할 수 있다.
이때, Xi 값(또는 Xi 좌표)은 포인트의 좌우 방향, Yi 값 (또는 Yi 좌표)은 해당 포인트의 앞뒤 방향, 그리고 Zi 값(Zi 좌표)은 해당 포인트의 높이 또는 고도를 나타낸다. 즉, Zi 값은 지표면 또는 기준 평면에서 해당 포인트가 떨어진 높이(예를 들어, 지표면으로부터의 상대적인 높이)를 의미할 수 있다. 통상, Xi 값은 라이다 시스템을 중심으로 왼쪽(-x)에서 오른쪽(+x)로 측정되고, Yi 값은 라이다 시스템을 중심으로 뒤쪽(-y)에서 앞쪽(+y)으로 측정되며, Zi 값은 지표면 위로 양수(+) 방향으로 측정될 수 있다.이는 본 개시의 이해를 돕기 위한 일 실시예이며, Xi 값, Yi 값, Zi 값의 측정 방법은 달라질 수 있다. 예를 들어, Xi 값은 라이다 시스템을 중심으로 오른쪽에서 왼쪽으로 측정되고, Yi 값은 라이다 시스템을 중심으로 위쪽에서 아래쪽으로 측정되며, Zi 값은 지표면 앞쪽에서 뒤쪽으로 측정될 수도 있다. 즉, Xi값, Yi값, Zi 값의 정의는 측정 방법에 따라 달라질 수 있다.
본 개시에서 Zi 값은 포인트 클라우드 데이터로부터 도로와 객체를 분리하는데 사용될 수 있다. 예를 들어, 포인트 i의 Zi 값이 임계값보다 작으면 그 포인트 i는 도로로 분류하고 그렇지 않으면 객체로 분류할 수 있다. 예를 들어, 레이저 센서에서 캡쳐된 포인트의 위치가 Z 값보다 같거나 낮은 위치에 존재하면 포인트 i는 도로로 분류하고, 높은 위치에 존재하면 포인트 i는 객체로 분류할 수 있다.
본 개시에서 Zi 값은 포인트 클라우드 데이터로부터 도로와 객체를 분리하는데 사용될 수 있다. 예를 들어, 포인트 i의 Zi 값이 임계값보다 작으면 그 포인트 i는 도로로 분류하고 그렇지 않으면 객체로 분류할 수 있다. 예를 들어, 레이저 센서에서 캡쳐된 포인트의 위치가 Z 값보다 같거나 낮은 위치에 존재하면 포인트 i는 도로로 분류하고, 높은 위치에 존재하면 포인트 i는 객체로 분류할 수 있다.
한편, 포인트 클라우드 데이터로 구성된 프레임에서 왜곡(또는 굴절률)으로 인해 왼쪽과 오른쪽이 다른 경우가 발생할 수 있다. 예를 들어, 왼쪽이 더 찌그러져 있거나 오른쪽이 더 늘어나 있는 경우가 발생할 수 있다.
도 14는 실시예들에 따른 굴절 보상을 적용한 xy 평면의 예시를 보인 도면이다. 즉, 도 14에서 점선 부분이 도로의 특성 등으로 인해 생길 수 있는 굴절의 예시이다.
즉, xy 평면은 좌표축(X축, Y축)에 의해 네 부분으로 나누어지며, 시계 반대방향으로 제1 사분면(45001), 제2사분면(45002), 제3 사분면(45003), 및 제4 사분면(45004)이 될 수 있다. 각 포인트는 제1 사분면(45001) 내지 제4 사분면(45004) 중 하나의 사분면에 존재할 수 있다. 예를 들어, 제1 사분면(45001)의 포인트들의 x 좌표는 양수이고, y 좌표는 양수이다. 제2 사분면(45002)의 포인트들의 x 좌표는 음수이고, y 좌표는 양수이다. 제3 사분면(45003)의 포인트들의 x 좌표는 음수이고, y 좌표는 음수이다. 제4 사분면(45004)의 포인트들의 x 좌표는 양수이고, y 좌표는 음수이다.
본 개시는 Zi 값이 좌/우측 굴절률에 따라 변화할 때, 화면 중앙에서 x축으로 증가/감소 하는 방향의 굴절률이 높다는 가정하에 임계값
Figure PCTKR2023014539-appb-img-000031
,
Figure PCTKR2023014539-appb-img-000032
',
Figure PCTKR2023014539-appb-img-000033
,
Figure PCTKR2023014539-appb-img-000034
' 값을 수정할 수 있다.
실시예들에 따르면, X축의 변화량을 xmin 에서 xmax, Y축의 변화량을 ymin에서 ymax 라고 한다. LiDAR 시스템에서 좌표로 계산된 (Xi,Yi,Zi) 포인트 위치값들에서 X의 최소값을xmin이라고 하고, X의 최대값 xmax로 정의한다. 또한, Y의 최소값을 ymin이라고 하고, Y의 최대값 ymax로 정의한다. 즉, xmin, xmax, ymin, ymax는 굴절 보상 범위를 결정할 수 있는 임계값이라 칭할 수 있다.
실시예들에 따르면, 본 개시에서 xmin, xmax, ymin, ymax는 MEMS 미러가 스캐닝 한 좌표(x, y)에서 편향각
Figure PCTKR2023014539-appb-img-000035
x와
Figure PCTKR2023014539-appb-img-000036
y를 통해 LiDAR 시스템에서 실제 좌표 X, Y를 구하고, X값 중에 최소값 xmin, 최대값 xmax를 구하고, Y값 중에 최소값 ymin, 최대값 ymax을 구해 설정할 수 있다.
본 개시에서는 포인트 클라우드 데이터에 대해 적응적 굴절 정도를 보상해주기 위해 점(x, y)의 보상 좌표에 대한 조건은 다음의 수학식 4와 같이 정할 수 있다.
[수학식 4]
Figure PCTKR2023014539-appb-img-000037
예를 들어, 포인트 i가 제1 사분면에 있다고 가정하면, Xi는 (x+x/(ymax-ymin)으로 보정이 되고, Yi는 그대로 y가 되어 굴절이 보상된다. 즉, xmax-xmin은 X 축의 변화량을 의미하고, ymax-ymin은는 Y 축의 변화량을 의미하며, 각각은 굴절 보상을 위한 임계값을 의미할 수 있다. 이러한 과정을 거쳐 포인트 클라우드 데이터의 특정 포인트에 대해 Z축뿐만 아니라 X축, Y축에 대해서도 굴절을 보상할 수 있다.
본 개시에서 수학식 4의 굴절 보상값을 적용한 포인트 클라우드 데이터의 좌표를 그림으로 나타내면 도 14와 같다.
실시예들에 따르면, 보상값을 적용한 포인트에 히스토그램 분류 방식을 사용하여 도로 또는 객체로 분류할 수 있다. 또는 이외의 객체/도로 분할 방법을 사용할 수 있다. 본 개시는 분할 된 도로에서 프레임 간 압축을 이용한 예측자 선택을 한정할 수 있으며, 및/또는 객체 간 예측자 선택을 한정할 수 있다.
그리고, 송신 장치의 인코더에서 도로/객체 분리를 위한 굴절 보상값(예, theta_x, theta_y)을 시그널링 할 수 있으며, 이 굴절 보상값을 적용하여 수신 장치의 디코더에서 포인트 클라우드 데이터를 재구성 할 수 있다.
이와 같이, 본 개시는 포인트 클라우드 데이터의 포인트들을 도로와 객체로 분리하기 전에, Z 값 기반으로 굴절을 보상하거나 및/또는 xy 평면 상에서 X 값과 Y 값을 기반으로 굴절을 보상할 수 있다. 또한, 본 개시에서 Z 값은 포인트 클라우드 데이터의 포인트들을 도로와 객체로 분리하기 위해 사용될 수 있다.
실시예들에 따르면, 포인트 클라우드 콘텐츠(즉, 포인트 클라우드 데이터)에서 도로와 객체의 분리는 송신측의 인코더에서 수행될 수도 있고 또는 수신측의 디코더에서 수행될 수도 있다. 예를 들어, 포인트 클라우드 데이터 내 도로와 객체의 분리가 송신측의 인코더에서 수행되었다면, 수신측에서 이러한 분리 과정은 생략될 수 있다. 반대로, 포인트 클라우드 데이터 내 도로와 객체의 분리가 수신측의 디코더에서 수행되었다면, 송신측에서 이러한 분리 과정은 생략될 수 있다. 실시예들에 따르면, 포인트 클라우드 데이터로부터 도로와 객체의 분리를 송신측의 인코더에서 수행할 지 아니면 수신측의 디코더에서 수행할지 여부는 시그널링 정보를 이용하여 지시할 수도 있고, 시그널링 정보를 이용하여 결정할 수도 있다.
실시예들에 따르면, 본 개시에서 도로와 객체의 분할은 송신측의 인코더에서 수행되는 것을 일 실시예로 한다.
실시예들에 따르면, 본 개시는 포인트 클라우드 데이터에서 도로와 객체가 분리되면, 도로로 분리된 포인트들로 예측 유닛을 구성하고, 객체(또는 객체 그룹)로 분리된 포인트들로 예측 유닛을 구성한 후, 예측 유닛별로 인터 예측 또는 인트라 예측을 수행할 수 있다. 즉, 예측 유닛별로 모션 추정/보상을 수행하거나 수행하지 않을 수 있다. 예를 들어, 도로로 분리된 포인트들로 구성된 예측 유닛은 모션 추정/보상을 수행하지 않고, 객체로 분리된 포인트들로 구성된 예측 유닛은 모션 추정/보상을 수행할 수 있다. 그 반대로 가능하다.
도 15는 실시예들에 따른 포인트 클라우드 송신 장치의 또 다른 예시를 보인 도면이다. 도 15에 도시된 포인트 클라우드 송신 장치의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합 등으로 구현될 수 있다.
실시예들에 따르면, 포인트 클라우드 송신 장치는 데이터 입력부(51001), 시그널링 처리부(51002), 지오메트리 인코더(51003), 어트리뷰트 인코더(51004), 및 전송 처리부(51005)를 포함할 수 있다.
상기 지오메트리 인코더(51003)와 어트리뷰트 인코더(51004)는 도 1의 포인트 클라우드 비디오 인코더(10002), 도 2의 인코딩(20001), 도 3의 포인트 클라우드 비디오 인코더, 또는 도 8의 포인트 클라우드 비디오 인코더에서 설명된 동작의 일부 또는 전체를 수행할 수 있다.
실시예들에 따른 데이터 입력부(51001)는 포인트 클라우드 데이터를 수신 또는 획득한다. 상기 데이터 입력부(51001)는 도 1의 포인트 클라우드 비디오 획득부(10001)의 동작의 일부 또는 전부를 수행할 수도 있고 또는 도 8의 데이터 입력부(8000)의 동작의 일부 또는 전부를 수행할 수도 있다.
상기 데이터 입력부(51001)는 포인트 클라우드 데이터의 포인트들의 포지션들을 지오메트리 인코더(51003)로 출력하고, 포인트 클라우드 데이터의 포인트들의 어트리뷰트들을 어트리뷰트 인코더(51004)로 출력한다. 여기서, 입력되는 포인트 클라우드 데이터는 프레임 단위일 수도 있고, 타일 단위일 수도 있으며 또는 슬라이스 단위일 수도 있다. 일 실시예로, 포인트 클라우드 데이터는 굴절이 보상된 후 도로와 객체로 분리되어 데이터 입력부(51001)로 입력될 수도 있다. 본 개시에서 포인트 클라우드 데이터의 포인트들은 Z값 기반으로 굴절이 보상되거나 및/또는 xy 평면 상에서 X 값과 Y 값을 기반으로 굴절이 보상될 수 있다. 또한, 본 개시에서 Z 값은 포인트 클라우드 데이터의 포인트들을 도로와 객체로 분리하기 위해 사용될 수 있다. 본 개시에서 굴절 보상과 도로와 객체의 분리에 대한 설명은 도 11 내지 도 14에서 상세히 설명하였으므로 여기서는 중복 설명을 피하기 위해 생략하기로 한다.
또한 파라미터들은 시그널링 처리부(51002)로 출력한다. 실시예들에 따라 파라미터들은 지오메트리 인코더(51003)와 어트리뷰트 인코더(51004)로 제공될 수도 있다.
상기 지오메트리 인코더(51003)는 프레임/타일/슬라이스/LPU(Large Prediction Unit)/PU/도로/객체/객체들 단위 중 적어도 하나의 단위로 입력되는 포인트들의 포지션들(즉, 지오메트리 정보)에 대해 트리 구조(예, 예측 트리 또는 옥트리)에서 인터 예측 또는 인트라 예측 기반의 인코딩을 수행하여 지오메트리 정보를 압축한다. 또한, 상기 지오메트리 인코더(51003)는 압축된 지오메트리 정보에 대해 엔트로피 인코딩을 수행하여 지오메트리 비트스트림 형태로 전송 처리부(51005)로 출력한다.
상기 지오메트리 인코더(51003)는 압축을 통해 변경된 포지션들을 기반으로 지오메트리 정보를 재구성하고, 재구성된(또는 복호화된) 지오메트리 정보를 상기 어트리뷰트 인코더(51004)로 출력한다.
상기 어트리뷰트 인코더(51004)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리 정보를 기반으로 입력되는 어트리뷰트 정보를 압축한다. 일 실시예로, 상기 어트리뷰트 정보는 RAHT 코딩, LOD 기반의 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 하나 이상을 조합하여 코딩될 수 있다. 상기 어트리뷰트 인코더(51004)는 압축된 어트리뷰트 정보에 대해 엔트로피 인코딩을 수행하여 어트리뷰트 비트스트림 형태로 전송 처리부(51005)로 출력한다.
상기 시그널링 처리부(51002)는 지오메트리 정보와 어트리뷰트 정보의 인코딩/디코딩/렌더링 등에 필요한 시그널링 정보(예, 파라미터들)를 생성 및/또는 처리하여 지오메트리 인코더(51003), 어트리뷰트 인코더(51004) 및/또는 전송 처리부(51005)로 제공할 수 있다. 또는 상기 시그널링 처리부(51002)가 지오메트리 인코더(51003), 어트리뷰트 인코더(51004) 및/또는 전송 처리부(51005)에서 생성된 시그널링 정보를 제공받을 수도 있다. 상기 시그널링 처리부(51002)는 수신 장치에서 피드백되는 정보(예를 들어, 헤드 오리엔테이션 정보 및/또는 뷰포트 정보를 지오메트리 인코더(51003), 어트리뷰트 인코더(51004) 및/또는 전송 처리부(51005)로 제공할 수도 있다.
본 명세서에서 시그널링 정보는 parameter set (SPS: sequence parameter set, GPS: geometry parameter set, APS: attribute parameter set, TPS: Tile Parameter Set (또는 tile inventory라 함) 등) 단위로 시그널링되어 전송될 수 있다. 또한 슬라이스 또는 타일과 같이 각 영상의 코딩 유닛(또는 압축 단위 또는 예측 단위) 단위로 시그널링되어 전송될 수도 있다. 여기서, SPS는 시퀀스 레벨의 시그널링 정보를 포함하고, GPS는 지오메트리 정보의 인코딩/디코딩을 위한 정보를 포함하고, APS는 어트리뷰트 정보의 인코딩/디코딩을 위한 정보를 포함하고, TPS는 타일과 관련된 정보를 포함한다.
실시예들에 따른 방법/장치가 실시예들의 동작을 추가/수행 하기 위해서 관련 정보를 시그널링 할 수 있다. 실시예들에 따른 시그널링 정보는 송신 장치 및/또는 수신 장치에서 사용될 수 있다.
상기 전송 처리부(51005)는 도 8의 전송 처리부(8012)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수도 있고, 도 1의 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 또는 도 8의 설명을 참조하기로 하고 여기서는 생략한다.
상기 전송 처리부(51005)는 상기 지오메트리 인코더(51003)에서 출력되는 지오메트리 비트스트림, 상기 어트리뷰트 인코더(51004)에서 출력되는 어트리뷰트 비트스트림, 상기 시그널링 처리부(51002)에서 출력되는 시그널링 비트스트림을 하나의 비트스트림으로 다중화한 후 그대로 전송하거나 또는 파일이나 세그먼트 등로 인캡슐레이션하여 전송할 수 있다. 본 문서에서 파일은 ISOBMFF 파일 포맷인 것을 일 실시예로 한다.
실시예들에 따라 파일 또는 세그먼트는 수신 장치로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 전송 처리부(51005)는 수신 장치와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 전송 처리부(51005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 처리부(51005)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따르면, 전술한 굴절 보상 관련 정보는 상기 시그널링 처리부(51002), 지오메트리 인코더(51003), 어트리뷰트 인코더(51004), 전송 처리부(51005) 중 적어도 하나에 의해 SPS, GPS, APS 및/또는 TPS, 및/또는 지오메트리 데이터 유닛(또는 지오메트리 슬라이스 비트스트림이라 함), 및/또는 어트리뷰트 데이터 유닛(또는 어트리뷰트 슬라이스 비트스트림이라 함)에 포함되어 전송될 수 있다.
실시예들에 따르면, 굴절 보상 관련 정보는 굴절 보상 여부를 지시하는 정보(optical_distortion_flag)와 Z 값을 구하기 위한 정보(예, theta_x, theta_y)를 포함할 수 있다. 즉, theta_x는 굴절 보상식(즉, 수학식 1과 2 참조)의 x축 계수를 나타내고, theta_y는 굴절 보상식(즉, 수학식 1과 2 참조)의 y축 계수를 나타낸다. 본 개시에서 굴절 보상 관련 정보는 굴절 보상을 이용한 객체 검출 구조 정보라 칭할 수 있다.
도 16은 실시예들에 따른 송신 장치 내 포인트 클라우드 비디오 인코더의 예시를 보인 블록도이다. 도 16은 도 15의 송신 장치에 굴절 보상부(55010)와 도로 객체 분할부(55020)가 추가된 예시이다. 실시예들에 따르면, 굴절 보상부(55010)와 도로 객체 분할부(55020)는 지오메트리 인코더(51003)에 포함될 수도 있고, 또는 도 16과 같이 지오메트리 인코더(51003)와 별도로 구성될 수도 있다.
도 16에서 굴절 보상부(55010)는 도 11 내지 도 14와 수학식 1 내지 수학식 4에서 설명한 바와 같이 라이다 시스템(예, 고정형 라이다 시스템)에 의해 획득된 포인트 클라우드 데이터에 발생된 굴절을 보상한다. 실시예들에 따르면, 포인트 클라우드 데이터의 포인트들은 Z값 기반으로 굴절이 보상되거나 및/또는 xy 평면 상에서 X 값과 Y 값을 기반으로 굴절이 보상될 수 있다.
도 16에서, 도로 객체 분할부(55020)는 굴절 보상된 포인트 클라우드 데이터의 포인트들을 도로와 객체로 분류할 수 있다. 실시예들에 따르면, 도로 객체 분할부(55020)는 Z 값을 기반으로 포인트 클라우드 데이터의 포인트들을 도로 또는 객체로 분리할 수 있다. Z 값은 수학식 2 또는 수학식 3을 적용하여 구할 수 있다. 실시예들에 따르면, 도로 객체 분할부(55020)에서는 굴절 보상을 이용한 도로/객체 분할을 수행하고, 분할 된 z값 기준 히스토그램 분류를 시그널링할 수 있다.
그리고, 도로 객체 분할부(55020)에서 포인트 클라우드 데이터를 도로와 객체로 분할하고, 분할된 도로와 객체별로 포인트 클라우드 데이터를 처리하여 전송하였다면, 수신 장치에서는 도로와 객체로 분할하는 과정이 생략될 수 있다. 하지만, 도로 객체 분할부(55020)에서 포인트 클라우드 데이터를 도로와 객체로 분할하는 과정이 수행되지 않거나 또는 포인트 클라우드 데이터를 도로와 객체로 분할하여 처리한 후 전송할 때는 도로와 객체를 구분하지 않고 전송하였다면 수신 장치에서 도로와 객체를 분할하는 과정이 추가될 수 있다.
실시예들에 따르면, 도로 객체 분할부(55020)는 도로로 분리된 포인트들로 예측 유닛을 구성하고, 객체(또는 객체 그룹)로 분리된 포인트들로 예측 유닛을 구성할 수 있다.
상기 지오메트리 인코더(51003)는 도로 객체 분할부(55020)에서 도로와 객체로 분리된 포인트 클라우드 데이터의 지오메트리 정보에 대해 옥트리 기반으로 인코딩할 지, 예측 트리 기반으로 인코딩할지 또는 트라이숩 기반으로 인코딩할지를 확인(또는 결정)한다. 예를 들어, GPS의 지오메트리 코딩 타입 정보(geom_tree_type)를 기반으로 확인될수 있다.
만일 옥트리 기반 지오메트리 압축 방법으로 확인되면 프레임/타일/슬라이스/LPU(Large Prediction Unit)/PU(prediction unit)/도로/객체/객체들 단위 중 적어도 하나의 단위로 입력되는 포인트들의 포지션들(즉, 지오메트리 정보)을 기반으로 옥트리를 생성하고, 옥트리를 기반으로 지오메트리 정보를 압축한다. 만일 트라이숩 기반 지오메트리 압축 방법으로 확인되면 프레임/타일/슬라이스/LPU(Large Prediction Unit)/PU/도로/객체/객체들 단위 중 적어도 하나의 단위로 입력되는 포인트들의 포지션들(즉, 지오메트리 정보)을 기반으로 트라이숩을 생성하고, 트라이숩을 기반으로 지오메트리 정보를 압축한다.
만일 예측 트리 기반 지오메트리 압축 방법으로 확인되면, 프레임/타일/슬라이스/LPU(Large Prediction Unit)/PU/도로/객체/객체들 단위 중 적어도 하나의 단위로 입력되는 포인트들의 포지션들(즉, 지오메트리 정보)을 기반으로 예측 트리를 생성하고, 예측 트리에서 인터 예측 또는 인트라 예측 기반의 인코딩을 수행하여 지오메트리 정보를 압축한다.
또한, 상기 지오메트리 인코더(51003)는 압축된 지오메트리 정보에 대해 엔트로피 인코딩을 수행하여 지오메트리 비트스트림 형태로 출력한다. 상기 지오메트리 인코더(51003)는 예측 유닛별로 인터 예측 또는 인트라 예측을 수행할 수 있다. 즉, 예측 유닛별로 모션 추정/보상을 수행하거나 수행하지 않을 수 있다. 예를 들어, 도로로 분리된 포인트들로 구성된 예측 유닛은 모션 추정/보상을 수행하지 않고, 객체로 분리된 포인트들로 구성된 예측 유닛은 모션 추정/보상을 수행할 수 있다. 그 반대로 가능하다.
상기 지오메트리 인코더(51003)는 압축을 통해 변경된 포지션들을 기반으로 지오메트리 정보를 재구성하고, 재구성된(또는 복원된) 지오메트리 정보를 상기 어트리뷰트 인코더(51004)로 출력한다.
상기 어트리뷰트 인코더(51004)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리 정보를 기반으로 입력되는 어트리뷰트 정보를 압축한다. 일 실시예로, 상기 어트리뷰트 정보는 RAHT 코딩, LOD 기반의 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 하나 이상을 조합하여 코딩될 수 있다. 상기 어트리뷰트 인코더(51004)는 압축된 어트리뷰트 정보에 대해 엔트로피 인코딩을 수행하여 어트리뷰트 비트스트림 형태로 전송 처리부(51005)로 출력한다.
도 17은 실시예들에 따른 송신 장치 내 포인트 클라우드 비디오 인코더의 예시를 보인 블록도이다. 도 17은 굴절이 보상된 후 도로와 객체로 분할된 포인트 클라우드 데이터의 지오메트리 정보를 옥트리 기반으로 압축하는 예시를 보인 도면이다. 즉, 도 17은 지오메트리 코딩 타입 정보(geom_tree_type)이 옥트리 기반 지오메트리 압축 방법을 지시할 때 수행될 수 있다.
도 17에서 굴절 보상과 도로/객체 분할은 도 11 내지 도 16의 설명을 참조하기로 하고, 여기서는 생략한다. 그리고, 지오메트리 정보와 어트리뷰트 정보를 압축하기 위한 각 블록의 설명은 도 8의 설명을 참조하기로 한다.
도 18은 실시예들에 따른 포인트 클라우드 수신 장치의 또 다른 예시를 보인 도면이다.
실시예들에 따른 포인트 클라우드 수신 장치는 수신 처리부(61001), 시그널링 처리부(61002), 지오메트리 디코더(61003), 어트리뷰트 디코더(61004), 및 후 처리부(post-processor)(61005)를 포함할 수 있다. 실시예들에 따라 지오메트리 디코더(61003)와 어트리뷰트 디코더(61004)를 포인트 클라우드 비디오 디코더라 칭할 수 있다. 실시예들에 따르면, 포인트 클라우드 비디오 디코더는 PCC 디코더, PCC 디코딩부, 포인트 클라우드 디코더, 포인트 클라우드 디코딩부 등으로 호칭될 수 있다.
실시예들에 따른 수신 처리부(61001)는 하나의 비트스트림을 수신할 수도 있고, 또는 지오메트리 비트스트림, 어트리뷰트 비트스트림, 시그널링 비트스트림을 각각 수신할 수도 있다. 실시예들에 따른 수신 처리부(61001)는 파일 및/또는 세그먼트가 수신되면, 수신된 파일 및/또는 세그먼트를 디캡슐레이션하여 비트스트림으로 출력할 수 있다.
실시예들에 따른 수신 처리부(61001)는 하나의 비트스트림이 수신(또는 디캡슐레이션)되면, 하나의 비트스트림으로부터 지오메트리 비트스트림, 어트리뷰트 비트스트림, 및/또는 시그널링 비트스트림을 디멀티플렉싱하고, 디멀티플렉스된 시그널링 비트스트림은 시그널링 처리부(61002)로, 지오메트리 비트스트림은 지오메트리 디코더(61003)로, 어트리뷰트 비트스트림은 어트리뷰트 디코더(61004)로 출력할 수 있다.
이때, 비트스트림(또는 지오메트리 비트스트림)은 도로와 객체로 분할되어 수신될 수 있다.
실시예들에 따른 수신 처리부(61001)는 지오메트리 비트스트림, 어트리뷰트 비트스트림, 및/또는 시그널링 비트스트림이 각각 수신(또는 디캡슐레이션)되면, 시그널링 비트스트림은 시그널링 처리부(61002)로, 지오메트리 비트스트림은 지오메트리 디코더(61003)로, 어트리뷰트 비트스트림은 어트리뷰트 디코더(61004)로 전달할 수 있다.
상기 시그널링 처리부(61002)는 입력된 시그널링 비트스트림으로부터 시그널링 정보 예를 들어, SPS, GPS, APS, TPS, 메타 데이터 등에 포함된 정보를 파싱 및 처리하여 지오메트리 디코더(61003), 어트리뷰트 디코더(61004), 후 처리부(61005)로 제공할 수 있다. 다른 실시예로, 지오메트리 슬라이스 헤더 및/또는 어트리뷰트 슬라이스 헤더에 포함된 시그널링 정보도 해당 슬라이스 데이터를 디코딩하기 전에 상기 시그널링 처리부(61002)에서 미리 파싱될 수도 있다. 상기 시그널링 정보는 스케일링 관련 정보를 포함할 수 있다.
예를 들어, 송신측에서 포인트 클라우드 데이터가 타일들 및/또는 슬라이스들로 분할되었다면, TPS는 각각의 타일 내에 포함된 슬라이스들의 개수를 포함하므로, 실시예들에 따른 포인트 클라우드 비디오 디코더는 슬라이스의 개수를 확인할 수 있고, 병렬적 디코딩을 위한 정보를 신속하게 파싱할 수 있다. 또한, 본 명세서에 따른 포인트 클라우드 비디오 디코더는 데이터 양이 줄은 SPS를 수신함으로써 포인트 클라우드 데이터를 포함하는 비트스트림을 빠르게 파싱(parsing)할 수 있다. 수신 장치는 타일들을 수신하는대로 해당 타일의 디코딩을 수행할 수 있고, 타일 별로 타일 내에 포함된 GPS와 APS에 기초하여 슬라이스 별로 디코딩을 수행함으로써 디코딩 효율을 극대화할 수 있다.
상기 지오메트리 디코더(61003)는 압축된 지오메트리 비트스트림에 대해 시그널링 정보(예, 지오메트리 관련된 파라미터들)를 기반으로 도 15 내지 도 17의 지오메트리 인코더(51003)의 역과정을 수행하여 지오메트리를 복원할 수 있다.
즉, 상기 지오메트리 디코더(61003)는 GPS의 지오메트리 코딩 타입 정보(geom_tree_type)에 따라 지오메트리 정보(또는 지오메트리 또는 지오메트리 데이터라 함)에 예측 트리 또는 옥트리 또는 트라이숩(trisoup)을 적용하여 디코딩할 수 있다. 다시 말해, 본 개시에서 지오메트리 정보의 디코딩을 위해 옥트리(octree) 기반 지오메트리 디코딩 방법, 예측 트리(predictive tree) 기반 지오메트리 디코딩 방법, 또는 트라이숩(trisoup) 기반 지오메트리 디코딩 방법이 사용될 수 있다.
이때, 포인트들이 송신측에서 도로와 객체로 분리되었다고 가정하면, 지오메트리 디코더(61003)에서는 도로로 분리된 포인트들과 객체로 분리된 포인트들에 대해 각각 디코딩을 수행할 수 있다. 예를 들어, 도로로 분리된 포인트들로 구성된 예측 유닛에 대해서는 모션 보상을 수행하지 않고, 객체로 분리된 포인트들로 구성된 예측 유닛에 대해서는 모션 보상을 수행할 수 있다.
실시예들에 따르면, 지오메트리 비트스트림에 대해 굴절 보상 역변환이 수행된 후 지오메트리 디코더(61003)로 입력될 수 있다.
상기 지오메트리 디코더(61003)에서 복원된(또는 재구성된(reconstructed)) 지오메트리는 어트리뷰트 디코더(61004)로 제공된다.
상기 어트리뷰트 디코더(61004)는 압축된 어트리뷰트 비트스트림에 대해 시그널링 정보(예, 어트리뷰트 관련된 파라미터들)와 재구성된 지오메트리를 기반으로 도 15의 어트리뷰트 인코더(51004)의 역과정을 수행하여 어트리뷰트를 복원할 수 있다. 실시예들에 따르면, 송신측에서 포인트 클라우드 데이터가 타일 및/또는 슬라이스 단위로 분할되었다면, 지오메트리 디코더(61003)와 어트리뷰트 디코더(61004)에서 타일 및/또는 슬라이스 단위로 지오메트리 디코딩과 어트리뷰트 디코딩을 수행할 수 있다.
도 19는 실시예들에 따른 수신 장치 내 포인트 클라우드 비디오 디코더의 예시를 보인 블록도이다. 도 19는 도 18의 수신 장치에 굴절 보상 역변환부(65010)가 추가된 예시이다.
상기 굴절 보상 역변환부(65010)는 시그널링 정보에 포함된 굴절 보상 관련 정보(예, optical_distortion_flag, theta_x, theta_y)를 참조하여 굴절 보상 역변환을 수행한다. 여기서, optical_distortion_flag는 굴절 보상 여부를 지시하고, theta_x는 굴절 보상식(즉, 수학식 1과 2 참조)의 x축 계수를 나타내고, theta_y는 굴절 보상식(즉, 수학식 1과 2 참조)의 y축 계수를 나타낸다. 본 개시는 theta_x, theta_y를 기반으로 Z 값을 구할 수 있고, 이를 이용하여 지오메트리 비트스트림에 대해 굴절 보상 역변환을 수행할 수 있다.
실시예들에 따르면, 굴절 보상 역변환부(65010)에서는 optical_distortion_flag의 값이 참이면, 굴절 보상 역변환을 수행할 수 있다. 즉, 굴절 보상여부와 굴절 보상식의 계수 theta_x, theta_y를 기반으로 지오메트리 비트스트림에 대해 굴절 보상의 역변환을 수행할 수 있다.
실시예들에 따르면, 굴절 보상 역변환부(65010)에서는 xmin, xmax, ymin, ymax을 수학식 4에 적용하여 굴절 보상 역변환을 수행함으로써, 굴절 보상 전의 포인트 클라우드 데이터로 복원할 수 있다. 이때, X축의 변화량을 xmin 에서 xmax, Y축의 변화량을 ymin에서 ymax 라고 한다.
실시예들에 따르면, xmin, xmax, ymin, ymax 는 MEMS 미러가 스캐닝 한 좌표(x, y)에서 편향각
Figure PCTKR2023014539-appb-img-000038
x와
Figure PCTKR2023014539-appb-img-000039
y를 통해 LiDAR 시스템에서 실제 좌표 X, Y를 구하고, X값 중에 최소값 xmin, 최대값 xmax를 구하고, Y값 중에 최소값 ymin, 최대값 ymax을 구해 설정할 수 있다.
또 다른 실시예들에 따르면, xmin, xmax, ymin, ymax 은 시그널링 정보를 통해 획득할 수도 있고, 다른 정보(예, 바운딩박스 정보 및/또는 슬라이스 관련 정보 등)를 이용하여 계산하거나 유추할 수 있다.
도 19에서 지오메트리 디코더(61003)과 어트리뷰트 디코더(61004)의 동작은 도 18과 동일하므로 상세 설명은 도 18을 참조하기로 한다.
도 20은 실시예들에 따른 수신 장치 내 포인트 클라우드 비디오 디코더의 예시를 보인 블록도이다. 도 20은 굴절 보상 역변환된 수행된 지오메트리 비트스트림를 옥트리 기반으로 디코딩하는 예시를 보인 도면이다.
도 20에서 굴절 보상 역변환은 도 19의 설명을 참조하기로 하고 여기서는 생략한다. 그리고, 지오메트리 정보와 어트리뷰트 정보를 디코딩하기 위한 각 블록의 설명은 도 9의 설명을 참조하기로 한다.
도 21은 실시예들에 따른 송/수신을 위한 포인트 클라우드 데이터의 비트스트림 구조의 예시를 나타낸다.
지금까지 설명한 실시예들을 추가/수행 하기 위해서 관련 정보를 시그널링 할 수 있다. 실시예들에 따른 시그널링 정보는 송신단의 포인트 클라우드 비디오 인코더 또는 수신단의 포인트 클라우드 비디오 디코더 등에서 사용될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더는 전술한 바와 같이 지오메트리 정보와 어트리뷰트 정보를 인코딩하여 도 21과 같은 비트스트림을 생성할 수 있다. 또한, 포인트 클라우드 데이터에 관한 시그널링 정보는 포인트 클라우드 비디오 인코더의 지오메트리 인코더, 어트리뷰트 인코더, 시그널링 처리부 중 적어도 하나에서 생성되고 처리되어 비트스트림에 포함될 수 있다.
실시예들에 따른 시그널링 정보는 포인트 클라우드 비디오 디코더의 지오메트리 디코더, 어트리뷰트 디코더, 시그널링 처리부 중 적어도 하나에서 수신/획득될 수 있다.
실시예들에 따른 비트스트림은 지오메트리 비트스트림, 어트리뷰트 비트스트림, 및 시그널링 비트스트림으로 구분되어 송/수신될 수도 있고, 하나의 비트스트림으로 컴바인되어 송/수신될 수도 있다.
실시예들에 따른 지오메트리 비트스트림, 어트리뷰트 비트스트림, 및 시그널링 비트스트림이 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 하나 이상의 APS(Attribute Parameter Set, APS0, APS1), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set), 하나 이상의 슬라이스들(slice 0 ~ slice n)를 포함할 수 있다. 즉, 실시예들에 따른 포인트 클라우드 데이터의 비트스트림은 하나 이상의 타일들을 포함할 수 있고, 각 타일은 하나 이상의 슬라이스들(slice 0 ~ slice n)을 포함하는 슬라이스들의 그룹일 수 있다. 실시예들에 따른 TPS는 하나 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)를 포함할 수 있다. 각 슬라이스는 하나의 지오메트리 비트스트림(Geom0) 및 하나 이상의 어트리뷰트 비트스트림들(Attr0, Attr1)을 포함할 수 있다. 예를 들어, 제1 슬라이스(slice 0)는 하나의 지오메트리 비트스트림(Geom00) 및 하나 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
각 슬라이스 내 지오메트리 비트스트림(또는 지오메트리 슬라이스라 함)은 지오메트리 슬라이스 헤더(geom_slice_header)와 지오메트리 슬라이스 데이터(geom_slice_data)로 구성될 수 있다. 실시예들에 따르면, 각 슬라이스 내 지오메트리 비트스트림은 지오메트리 데이터 유닛이라 칭하고, 지오메트리 슬라이스 헤더는 지오메트리 데이터 유닛 헤더라 칭하고, 지오메트리 슬라이스 데이터는 지오메트리 데이터 유닛 데이터라 칭하기도 한다.
각 슬라이스 내 각 어트리뷰트 비트스트림(또는 어트리뷰트 슬라이스라 함)은 어트리뷰트 슬라이스 헤더(attr_slice_header)와 어트리뷰트 슬라이스 데이터(attr_slice_data)로 구성될 수 있다. 실시예들에 따르면, 각 슬라이스 내 어트리뷰트 비트스트림은 어트리뷰트 데이터 유닛이라 칭하고, 어트리뷰트 슬라이스 헤더는 어트리뷰트 데이터 유닛 헤더라 칭하고, 어트리뷰트 슬라이스 데이터는 어트리뷰트 데이터 유닛 데이터라 칭하기도 한다.
실시예들에 따른 송신 장치는, 도 21과 같은 비트스트림의 구조에 따라 포인트 클라우드 데이터를 전송함으로써, 중요도에 따라서 다른 인코딩 동작을 적용할 수 있게 하고, 품질(quality)이 좋은 인코딩 방법을 중요한 영역에 사용할 수 있는 방안을 제공할 수 있다. 또한 포인트 클라우드 데이터의 특성에 따른 효율적인 인코딩 및 전송을 지원하고 사용자의 요구사항에 따른 어트리뷰트 값을 제공할 수 있다.
실시예들에 따른 수신 장치는, 도 21과 같은 비트스트림의 구조에 따라 포인트 클라우드 데이터를 수신함으로써, 수신 장치의 처리능력(capacity)에 따라서 포인트 클라우드 데이터 전체에 복잡한 디코딩(필터링) 방법을 사용하는 대신 영역별로 (타일로 나누어지거나 슬라이스로 나누어진 영역) 서로 다른 필터링(디코딩 방법)을 적용할 수 있게 된다. 따라서, 사용자에게 중요한 영역에 더 좋은 화질을 제공하고 시스템 상으로 적절한 레이턴시(latency)을 보장할 수 있다.
전술한 바와 같이 타일 또는 슬라이스는 포인트 클라우드 데이터를 영역별로 나누어 처리할 수 있도록 하기 위해 제공된다. 그리고, 포인트 클라우드 데이터를 영역별로 나눌 때, 각각의 영역별로 다른 이웃 포인트 집합을 생성하는 옵션을 설정하여 복잡도(complexity)는 낮으나 신뢰도는 다소 떨어지거나 반대로 복잡도는 높으나 신뢰도가 높은 선택 방안을 제공할 수 있다.
실시예들에 따르면, SPS, GPS, TPS, APS, 지오메트리 슬라이스 헤더 또는 어트리뷰트 슬라이스 헤더 중 적어도 하나는 굴절 보상 관련 정보를 포함할 수 있다.
즉, 시그널(예를 들어, 굴절 보상 관련 정보)이 전달되는 위치에 따라 서로 다른 의미를 가질 수 있는데 만약 SPS에 정의되는 경우 시퀀스 전체에 동일하게 적용될 수 있고, GPS에 정의되는 경우 위치 복원에 사용됨을 나타낼 수 있고, APS에 정의되는 경우 어트리뷰트 복원에 적용됨을 나타낼 수 있고, TPS에 정의되는 경우 타일 내의 포인트에 대해서만 해당 시그널링이 적용됨을 나타낼 수 있고, 슬라이스 단위에 전달되는 경우 해당 슬라이스에 대해서만 시그널링이 적용됨을 나타낼 수 있다. 또한 다음에서 정의된 필드들(또는 신택스 엘레먼트들이라 칭함)이 현재 포인트 클라우드 데이터 스트림 뿐 아니라 복수의 포인트 클라우드 데이터 스트림에 적용될 수 있는 경우에는 상위 개념의 파라미터 세트 등을 통해 전달할 수 있다.
이후 설명되는 본 명세서의 신택스들에서 사용되는 용어인 필드는 파라미터 또는 엘리먼트와 동일한 의미를 가질 수 있다.
도 22는 본 명세서에 따른 시퀀스 파라미터 세트(seq_parameter_set_rbsp())(SPS)의 신택스 구조의 일 실시예를 보인 도면이다. SPS는 포인트 클라우드 데이터 비트스트림의 시퀀스 정보를 포함할 수 있으며, 특히 굴절 보상 관련 정보를 포함하는 예를 보이고 있다.
도 22에서, SPS는 optical_distortion_flag 필드를 포함할 수 있다.
optical_distortion_flag 필드는 해당 시퀀스(또는 프레임)의 포인트 클라우드 데이터에 대한 굴절 보상 여부를 지시할 수 있다. optical_distortion_flag 필드의 값이 1이면 굴절 보상이 수행되었음을 지시하고, 0이면 굴절 보상이 수행되지 않았음을 지시할 수 있다. 즉, optical_distortion_flag 필드는 해당 시퀀스(또는 프레임)의 포인트 클라우드 데이터에서 도로/객체 분리에 사용할 굴절 보상 여부를 시그널링할 수 있다.
optical_distortion_flag 필드의 값이 참 즉, 굴절 보상을 지시하면, SPS는 theta_x 필드와 theta_y 필드를 더 포함할 수 있다.
theta_x필드는 굴절 보상식(즉, 수학식 1내지 수학식 3 참조)의 x축 계수를 나타내고, theta_y는 굴절 보상식(즉, 수학식 1 내지 수학식 3 참조)의 y축 계수를 나타낸다. 즉, 송신측에서는 SPS에 굴절 보상식의 x축 계수(theta_x)와 y축 계수(theta_y)를 시그널링하여 전송할 수 있다.
도 23은 본 개시에 따른 타일 파라미터 세트(tile_parameter_set())(TPS)의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따라 TPS(Tile Parameter Set)는 타일 인벤토리(tile inventory)로 호칭될 수도 있다. 실시예들에 따른 TPS는 타일별로 각 타일에 관련된 정보를 포함하며, 특히 굴절 보상 관련 정보를 포함하는 예를 보이고 있다.
실시예들에 따른 TPS는 num_tiles 필드를 포함한다.
상기 num_tiles 필드는 그 비트스트림을 위해 시그널링된 타일들의 개수를 나타낸다. 만일 타일들이 존재하지 않으면, 상기 num_tiles 필드의 값은 0이 될 것이다(when not present, num_tiles is inferred to be 0).
실시예들에 따른 TPS는 상기 num_tiles 필드의 값만큼 반복되는 반복문을 포함한다. 이때 i는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, i값이 상기 num_tiles 필드의 값이 될때까지 반복문이 반복되는 것을 일 실시예로 한다. 이 반복문은 tile_bounding_box_offset_x[i] 필드, tile_bounding_box_offset_y[i] 필드, tile_bounding_box_offset_z[i] 필드, tile_bounding_box_size_width[i] 필드, tile_bounding_box_size_height[i] 필드, 및 tile_bounding_box_size_depth[i] 필드를 포함할 수 있다.
상기 tile_bounding_box_offset_x[i] 필드는 직교 좌표계에서 i-번째 타일의 x 오프셋을 나타낸다 (indicates the x offset of the i-th tile in the cartesian coordinates).
상기 tile_bounding_box_offset_y[i] 필드는 직교 좌표계에서 i-번째 타일의 y 오프셋을 나타낸다.
상기 tile_bounding_box_offset_z[i] 필드는 직교 좌표계에서 i-번째 타일의 z 오프셋을 나타낸다.
상기 tile_bounding_box_size_width[i] 필드는 직교 좌표계에서 i-번째 타일의 폭(width)를 나타낸다.
상기 tile_bounding_box_size_height[i] 필드는 직교 좌표계에서 i-번째 타일의 높이(height)를 나타낸다.
상기 tile_bounding_box_size_depth[i] 필드는 직교 좌표계에서 i-번째 타일의 깊이(depth)를 나타낸다.
실시예들에 따르면, TPS는 optical_distortion_flag 필드를 포함할 수 있다.
optical_distortion_flag 필드는 해당 타일의 포인트 클라우드 데이터에 대한 굴절 보상 여부를 지시할 수 있다. optical_distortion_flag 필드의 값이 1이면 굴절 보상이 수행되었음을 지시하고, 0이면 굴절 보상이 수행되지 않았음을 지시할 수 있다. 즉, optical_distortion_flag 필드는 해당 타일의 포인트 클라우드 데이터에서 도로/객체 분리에 사용할 굴절 보상 여부를 시그널링할 수 있다.
optical_distortion_flag 필드의 값이 참 즉, 굴절 보상을 지시하면, TPS는 theta_x 필드와 theta_y 필드를 더 포함할 수 있다.
theta_x필드는 굴절 보상식(즉, 수학식 1내지 수학식 3 참조)의 x축 계수를 나타내고, theta_y는 굴절 보상식(즉, 수학식 1 내지 수학식 3 참조)의 y축 계수를 나타낸다. 즉, 송신측에서는 TPS에 굴절 보상식의 x축 계수(theta_x)와 y축 계수(theta_y)를 시그널링하여 전송할 수 있다.
도 24는본 개시에 따른 지오메트리 파라미터 세트(geometry_parameter_set())(GPS)의 신택스 구조의 일 실시예를 보인 도면이다. 특히, 도 24는 GPS가 굴절 보상 관련 정보를 더 포함하는 예를 보이고 있다.
도 24에서, GPS는 optical_distortion_flag 필드를 포함할 수 있다.
optical_distortion_flag 필드는 해당 지오메트리 정보의 굴절 보상 여부를 지시할 수 있다. optical_distortion_flag 필드의 값이 1이면 굴절 보상이 수행되었음을 지시하고, 0이면 굴절 보상이 수행되지 않았음을 지시할 수 있다. 즉, optical_distortion_flag 필드는 해당 지오메트리 정보에서 도로/객체 분리에 사용할 굴절 보상 여부를 시그널링할 수 있다.
optical_distortion_flag 필드의 값이 참 즉, 굴절 보상을 지시하면, GPS는 theta_x 필드와 theta_y 필드를 더 포함할 수 있다.
theta_x필드는 굴절 보상식(즉, 수학식 1내지 수학식 3 참조)의 x축 계수를 나타내고, theta_y는 굴절 보상식(즉, 수학식 1 내지 수학식 3 참조)의 y축 계수를 나타낸다. 즉, 송신측에서는 GPS에 굴절 보상식의 x축 계수(theta_x)와 y축 계수(theta_y)를 시그널링하여 전송할 수 있다.
도 25는 본 명세서에 따른 어트리뷰트 파라미터 세트(attribute_parameter_set())(APS)의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따른 APS는 하나 또는 그 이상의 슬라이스들에 포함된 포인트 클라우드 데이터의 어트리뷰트 정보를 인코딩하는 방법에 관한 정보를 포함할 수 있으며, 특히 굴절 보상 관련 정보를 더 포함할 수 있다.
도 25에서, APS는 optical_distortion_flag 필드를 포함할 수 있다.
optical_distortion_flag 필드는 해당 지오메트리 정보(또는 해당 어트리뷰트 정보)의 굴절 보상 여부를 지시할 수 있다. optical_distortion_flag 필드의 값이 1이면 굴절 보상이 수행되었음을 지시하고, 0이면 굴절 보상이 수행되지 않았음을 지시할 수 있다. 즉, optical_distortion_flag 필드는 해당 지오메트리 정보(또는 해당 어트리뷰트 정보)에서 도로/객체 분리에 사용할 굴절 보상 여부를 시그널링할 수 있다.
optical_distortion_flag 필드의 값이 참 즉, 굴절 보상을 지시하면, APS는 theta_x 필드와 theta_y 필드를 더 포함할 수 있다.
theta_x필드는 굴절 보상식(즉, 수학식 1내지 수학식 3 참조)의 x축 계수를 나타내고, theta_y는 굴절 보상식(즉, 수학식 1 내지 수학식 3 참조)의 y축 계수를 나타낸다. 즉, 송신측에서는 APS에 굴절 보상식의 x축 계수(theta_x)와 y축 계수(theta_y)를 시그널링하여 전송할 수 있다.
도 26은 본 개시에 따른 지오메트리 슬라이스 헤더(geometry_slice_header())의 신택스 구조의 일 실시예를 보인 도면이다.
실시예들에 따른 송신 장치가 전송하는 비트스트림(또는 수신 장치가 수신하는 비트스트림)은 하나 이상의 슬라이스들을 포함할 수 있다. 각 슬라이스(slice)는 지오메트리 슬라이스 및 어트리뷰트 슬라이스를 포함할 수 있다. 지오메트리 슬라이스는 지오메트리 슬라이스 헤더(GSH, Geometry Slice Header)를 포함한다. 어트리뷰트 슬라이스는 어트리뷰트 슬라이스 헤더(ASH, Attribute Slice Header)를 포함한다.
실시예들에 따른 지오메트리 슬라이스 헤더(geometry_slice_header())는 optical_distortion_flag 필드를 포함할 수 있다.
optical_distortion_flag 필드는 해당 지오메트리 슬라이스의 포인트 클라우드 데이터에 대한 굴절 보상 여부를 지시할 수 있다. optical_distortion_flag 필드의 값이 1이면 굴절 보상이 수행되었음을 지시하고, 0이면 굴절 보상이 수행되지 않았음을 지시할 수 있다. 즉, optical_distortion_flag 필드는 해당 지오메트리 슬라이스의 포인트 클라우드 데이터에서 도로/객체 분리에 사용할 굴절 보상 여부를 시그널링할 수 있다.
optical_distortion_flag 필드의 값이 참 즉, 굴절 보상을 지시하면, 지오메트리 슬라이스 헤더(geometry_slice_header())는 theta_x 필드와 theta_y 필드를 더 포함할 수 있다.
theta_x필드는 굴절 보상식(즉, 수학식 1내지 수학식 3 참조)의 x축 계수를 나타내고, theta_y는 굴절 보상식(즉, 수학식 1 내지 수학식 3 참조)의 y축 계수를 나타낸다. 즉, 송신측에서는 지오메트리 슬라이스 헤더(geometry_slice_header())에 굴절 보상식의 x축 계수(theta_x)와 y축 계수(theta_y)를 시그널링하여 전송할 수 있다.
도 27은 실시예들에 따른 포인트 클라우드 데이터 송신 방법의 흐름도를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터에 포함된 지오메트리를 인코딩하는 단계(71001), 입력된 및/또는 재구성된 지오메트리를 기반으로 상기 포인트 클라우드 데이터에 포함된 어트리뷰트를 인코딩하는 단계(71002), 그리고 인코드된 지오메트리, 인코드된 어트리뷰트, 및 시그널링 정보를 포함하는 비트스트림을 전송하는 단계(71003)를 포함할 수 있다.
본 개시에서 포인트 클라우드 데이터는 라이다 시스템(예, 고정형 라이다 시스템 또는 회전형 라이다 시스템)을 통해 획득되는 것을 일 실시예로 한다. 예를 들어, 고정형 라이다 시스템을 통해 획득되었다고 가정하면, 포인트 클라우드 데이터의 각 포인트는 광학 좌표계의 xyz 좌표를 가질 수 있다.
포인트 클라우드 데이터에 포함된 지오메트리와 어트리뷰트를 인코딩하는 단계(71001, 71002)는 도 1의 포인트 클라우드 비디오 인코더(10002), 도 2의 인코딩(20001), 도 3의 포인트 클라우드 비디오 인코더, 도 8의 포인트 클라우드 비디오 인코더, 도 15의 지오메트리 인코더와 어트리뷰트 인코더, 도 16의 포인트 클라우드 비디오 인코더, 도 17의 포인트 클라우드 비디오 인코더의 동작의 일부 또는 전체를 수행할 수 있다.
실시예들에 따르면, 지오메트리를 인코딩하는 단계(71001)는 포인트 클라우드 데이터의 포인트들을 도로와 객체로 분리하기 전에, Z값 기반으로 굴절을 보상하거나 및/또는 xy 평면 상에서 X 값과 Y 값을 기반으로 굴절을 보상할 수 있다. 또한, 지오메트리를 인코딩하는 단계(71001)는 Z 값을 기반으로 포인트 클라우드 데이터의 포인트들을 도로와 객체로 분리할 수 있다.
실시예들에 따르면, 지오메트리를 인코딩하는 단계(71001)는 포인트 클라우드 데이터에서 도로와 객체가 분리되면, 도로로 분리된 포인트들로 예측 유닛을 구성하고, 객체(또는 객체 그룹)로 분리된 포인트들로 예측 유닛을 구성한 후, 예측 유닛별로 예측 트리 구조(또는 옥트리 구조)에서 인터 예측 또는 인트라 예측을 수행하여 도로와 객체로 분리된 지오메트리를 압축할 수 있다. 즉, 예측 유닛별로 모션 추정/보상을 수행하거나 수행하지 않을 수 있다. 예를 들어, 도로로 분리된 포인트들로 구성된 예측 유닛은 모션 추정/보상을 수행하지 않고, 객체로 분리된 포인트들로 구성된 예측 유닛은 모션 추정/보상을 수행할 수 있다. 그 반대로 가능하다.
상기 압축된 각 포인트의 지오메트리 정보는 엔트로피 인코딩된 후 지오메트리 비트스트림 형태로 출력된다.
상기 포인트 클라우드 데이터의 포인트들의 굴절을 보상한 후 도로와 객체로 분리하고, 도로로 분리된 포인트 클라우드 데이터의 지오메트리와 객체(또는 객체들)로 분리된 포인트 클라우드 데이터의 지오메트리에 대해 압축을 수행하는 상세 내용은 전술한 도 10 내지 도 17, 도 21 내지 도 26의 설명을 참조하기로 하고 여기서는 생략한다.
상기 인코드된 지오메트리, 인코드된 어트리뷰트, 및 시그널링 정보를 포함하는 비트스트림을 전송하는 단계(71003)는 도 1의 트랜스미터(10003), 도 2의 전송 단계(20002), 도 8의 전송 처리부(8012) 또는 도 15의 전송 처리부(51005)에서 수행될 수도 있다.
실시예들에 따르면, 상기 시그널링 정보에 포함된 굴절 보상 관련 정보는 굴절 보상 여부를 지시하는 정보(optical_distortion_flag)와 Z 값을 구하기 위한 정보(예, theta_x, theta_y)를 포함할 수 있다. 즉, theta_x는 굴절 보상식(즉, 수학식 1내지 수학식 3 참조)의 x축 계수를 나타내고, theta_y는 굴절 보상식(즉, 수학식 1내지 수학식 3 참조)의 y축 계수를 나타낸다. 본 개시에서 굴절 보상 관련 정보는 굴절 보상을 이용한 객체 검출 구조 정보라 칭할 수 있다. 상기 굴절 보상 관련 정보를 포함하는 시그널링 정보는 SPS, GPS, TPS, APS, 지오메트리 슬라이스 헤더, 또는 어트리뷰트 슬라이스 헤더 중 적어도 하나에 포함되어 수신 장치로 전송될 수 있다.
도 28은 실시예들에 따른 포인트 클라우드 데이터 수신 방법의 흐름도를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 인코드된 지오메트리, 인코드된 어트리뷰트, 및 시그널링 정보를 포함하는 비트스트림을 수신하는 단계(81001), 시그널링 정보를 기반으로 지오메트리를 디코딩하는 단계(81002), 디코딩/재구성된 지오메트리와 시그널링 정보를 기반으로 어트리뷰트를 디코딩하는 단계(81003), 및 디코드된 지오메트리와 디코드된 어트리뷰트를 기반으로 복원된 포인트 클라우드 데이터를 렌더링하는 단계(81004)를 포함할 수 있다.
실시예들에 따른 인코드된 지오메트리, 인코드된 어트리뷰트, 및 시그널링 정보를 포함하는 비트스트림을 수신하는 단계(81001)는 도 1의 리시버(10005), 도 2의 진송(20002) 또는 디코딩(20003), 도 9의 수신부(9000) 또는 수신 처리부(9001), 또는 도 18의 수신 처리부(61001)에서 수행될 수 있다.
실시예들에 따른 지오메트리와 어트리뷰트를 디코딩하는 단계(81002, 81003)는 슬라이스(slice) 또는 하나 또는 그 이상의 슬라이스들을 포함하는 타일(tile) 단위로 디코딩을 수행할 수 있다.
실시예들에 따른 지오메트리와 어트리뷰트를 디코딩하는 단계(81002, 81003)는 도로로 분리된 포인트들로 구성된 예측 유닛별 및/또는 객체로 분리된 포인트들로 구성된 예측 유닛별로 디코딩을 수행할 수 있다.
실시예들에 따른 지오메트리를 디코딩하는 단계(81002)는 도 1의 포인트 클라우드 비디오 디코더(10006), 도 2의 디코딩(20003), 도 9의 포인트 클라우드 비디오 디코더, 도 18의 포인트 클라우드 비디오 디코더, 도 19의 지오메트리 디코더, 도 20의 포인트 클라우드 비디오 디코더의 동작의 일부 또는 전체를 수행할 수 있다.
실시예들에 따른 지오메트리를 디코딩하는 단계(81002)는 시그널링 정보에 포함된 굴절 보상 관련 정보(예, optical_distortion_flag, theta_x, theta_y)를 참조하여 굴절 보상 역변환을 수행할 수 있다. 여기서, optical_distortion_flag는 굴절 보상 여부를 지시하고, theta_x는 굴절 보상식(즉, 수학식 1내지 수학식 3 참조)의 x축 계수를 나타내고, theta_y는 굴절 보상식(즉, 수학식 1내지 수학식 3 참조)의 y축 계수를 나타낸다. 본 개시는 optical_distortion_flag가 굴절 보상이 수행되었음을 지시하면, theta_x, theta_y를 기반으로 Z 값을 구할 수 있고(수학식 1 내지 수학식 3 참조), 이를 이용하여 지오메트리 비트스트림에 대해 굴절 보상 역변환을 수행할 수 있다.
실시예들에 따르면, 지오메트리를 디코딩하는 단계(81002)는 시그널링 정보에 포함된 굴절 보상 관련 정보(예, optical_distortion_flag)와 xmin, xmax, ymin, ymax을 참조하여 굴절 보상 역변환을 수행할 수 있다. 여기서, optical_distortion_flag는 굴절 보상 여부를 지시한다. 예를 들어, optical_distortion_flag가 굴절 보상이 수행되었음을 지시하면, xmin, xmax, ymin, ymax을 수학식 4에 적용하여 굴절 보상 역변환을 수행함으로써, 굴절 보상 전의 포인트 클라우드 데이터로 복원할 수 있다. 이때, X축의 변화량을 xmin 에서 xmax, Y축의 변화량을 ymin에서 ymax 라고 한다.
실시예들에 따르면, xmin, xmax, ymin, ymax 는 MEMS 미러가 스캐닝 한 좌표(x, y)에서 편향각
Figure PCTKR2023014539-appb-img-000040
x와
Figure PCTKR2023014539-appb-img-000041
y를 통해 LiDAR 시스템에서 실제 좌표 X, Y를 구하고, X값 중에 최소값 xmin, 최대값 xmax를 구하고, Y값 중에 최소값 ymin, 최대값 ymax을 구해 설정할 수 있다.
또 다른 실시예들에 따르면, xmin, xmax, ymin, ymax 은 시그널링 정보를 통해 획득할 수도 있고, 다른 정보(예, 바운딩박스 정보 및/또는 슬라이스 관련 정보 등)를 이용하여 계산하거나 유추할 수 있다.
실시예들에 따르면, 지오메트리를 디코딩하는 단계(81002)는 optical_distortion_flag의 값이 참이면, 도로/객체 분리를 위한 굴절 보상 역변환을 수행할 수 있다. 즉, 굴절 보상여부와 굴절 보상식의 계수 theta_x, theta_y를 기반으로 지오메트리 비트스트림에 대해 굴절 보상의 역변환을 수행할 수 있다.
실시예들에 따른 어트리뷰트를 디코딩하는 단계(81003)는 도 1의 포인트 클라우드 비디오 디코더(10006), 도 2의 디코딩(20003), 도 9의 포인트 클라우드 비디오 디코더, 도 18의 포인트 클라우드 비디오 디코더, 도 19의 어트리뷰트 디코더, 도 20의 포인트 클라우드 비디오 디코더의 동작의 일부 또는 전체를 수행할 수 있다.
실시예들에 따르면, 시그널링 정보 예를 들어, 시퀀스 파라미터 세트, 지오메트리 파라미터 세트, 어트리뷰트 파라미터 세트, 타일 파라미터 세트, 지오메트리 슬라이스 헤더, 어트리뷰트 슬라이스 헤더 중 적어도 하나는 굴절 보상 관련 정보를 포함할 수 있다.
실시예들에 따른 디코드된 지오메트리와 디코드된 어트리뷰트를 기반으로 복원된 포인트 클라우드 데이터를 렌더링하는 단계(81004)는 복원된 포인트 클라우드 데이터를 다양한 렌더링 방식에 따라 렌더링할 수 있다. 예를 들어, 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 데이터를 렌더링하는 단계(81004)는 도 1의 렌더러(10007) 또는 도 2의 렌더링(20004) 또는 도 9의 렌더러(9011) 에서 수행될 수 있다.
이와 같이 본 명세서는 포인트 클라우드 압축 이전에, 포인트 클라우드 데이터의 굴절을 보상한 후 도로와 객체를 분리하고, 분리된 도로와 객체의 지오메트리 정보를 압축함으로써, 지오메트리 정보의 압축 효율을 높일 수 있다. 특히 본 개시는 고정형 라이다 시스템에 의해 획득된 포인트 클라우드 데이터에 적용함으로써, 지오메트리 정보의 압축 효율을 더 높일 수 있다. 그리고, 굴절 보상 방법과 이를 이용한 객체 탐색 방법은 프레임내/프레임간 객체 탐색 시에 사용할 수 있도록 함으로써, 객체의 특성을 반영하여 압축 효율을 더 높일 수 있다.
전술한 각각의 파트, 모듈 또는 유닛은 메모리(또는 저장 유닛)에 저장된 연속된 수행과정들을 실행하는 소프트웨어, 프로세서, 하드웨어 파트일 수 있다. 전술한 실시예에 기술된 각 단계들은 프로세서, 소프트웨어, 하드웨어 파트들에 의해 수행될 수 있다. 전술한 실시예에 기술된 각 모듈/블락/유닛들은 프로세서, 소프트웨어, 하드웨어로서 동작할 수 있다. 또한, 실시예들이 제시하는 방법들은 코드로서 실행될 수 있다. 이 코드는 프로세서가 읽을 수 있는 저장매체에 쓰여질 수 있고, 따라서 장치(apparatus)가 제공하는 프로세서에 의해 읽혀질 수 있다.
또한 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 그리고 명세서에 기재된 “…부”등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
본 명세서는 설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다.
실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다. 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 반송파의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 "/"와 ","는 "및/또는"으로 해석된다. 예를 들어, "A/B"는 "A 및/또는 B"로 해석되고, "A, B"는 "A 및/또는 B"로 해석된다. 추가적으로, "A/B/C"는 "A, B, 및/또는 C 중 적어도 하나"를 의미한다. 또한, "A, B, C"도 "A, B 및/또는 C 중 적어도 하나"를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, "A 또는 B"은, 1) "A"만을 의미하고, 2) "B"만을 의미하거나, 3) "A 및 B"를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
실시예들의 다양한 엘리먼트들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 엘리먼트는 하드웨어 회로와 같은 싱글 칩 상에서 수행될 수 있다. 실시예들에 따라, 실시예들은 선택적으로 개별적인 칩들 상에서 수행될 수 있다. 실시예들에 따라, 실시예들의 엘리먼트들 중 적어도 하나는 실시예들에 따른 동작을 수행하는 인스트럭션들을 포함하는 하나 또는 하나 이상의 프로세서 내에서 수행될 수 있다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 하나 이상의 메모리들 및/또는 하나 이상의 프로세서들을 포함하는 송수신 장치에 의해 수행될 수 있다. 하나 이상의 메모리들을 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 하나 이상의 프로세서들을 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 하나 이상의 프로세서들은 컨트롤러 등으로 지칭 가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사용되는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋 시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. “포함한다” 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
발명의 실시를 위한 최선의 형태에서 구체적으로 설명되었다.
본 실시예들의 사상이나 범위를 벗어나지 않고 본 실시예들에서 다양한 변경 및 변형이 가능함은 당업자에게 자명하다. 따라서, 실시예들은 첨부된 청구항 및 그 동등 범위 내에서 제공되는 본 실시예들의 변경 및 변형을 포함하는 것으로 의도된다.

Claims (15)

  1. 라이다 시스템에 의해 포인트 클라우드 데이터가 획득되는 단계;
    상기 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터와 시그널링 정보를 전송하는 단계를 포함하는 포인트 클라우드 데이터 송신 방법.
  2. 제 1 항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는
    상기 포인트 클라우드 데이터에 발생된 굴절을 보상하는 단계;
    상기 굴절이 보상된 포인트 클라우드 데이터의 포인트들을 도로와 객체로 분리하는 단계; 및
    상기 도로와 객체로 분리된 포인트들의 위치를 포함하는 지오메트리 정보와 하나 이상의 어트리뷰트 값들을 포함하는 어트리뷰트 정보를 인코딩하는 단계를 포함하는 포인트 클라우드 데이터 송신 방법.
  3. 제 2 항에 있어서, 상기 시그널링 정보는 상기 포인트 클라우드 데이터의 굴절 보상 관련 정보를 포함하는 포인트 클라우드 데이터 송신 방법.
  4. 제 2 항에 있어서, 상기 굴절을 보상하는 단계는
    상기 포인트 클라우드 데이터의 포인트들의 위치 정보(X,Y,Z) 중 Z값을 기반으로 상기 포인트 클라우드 데이터의 포인트들의 굴절을 보상하는 포인트 클라우드 데이터 송신 방법.
  5. 제 4 항에 있어서,
    상기 위치 정보(X,Y,Z) 중 X 값과 Y 값은 상기 라이다 시스템의 레이저 빔을 x축과 y축을 따라 스캐닝하여 획득된 편향각들과 상기 레이저 빔의 목표 거리 정보를 기반으로 각각 획득되고, 상기 Z 값은 상기 X 값과 상기 Y 값, 상기 편향각들, 및 상기 레이저 빔의 목표 거리 정보를 기반으로 획득되는 포인트 클라우드 데이터 송신 방법.
  6. 제 4 항에 있어서, 상기 굴절을 보상하는 단계는
    xy 평면 상에서 상기 포인트 클라우드 데이터의 포인트들의 위치에 따른 임계값을 적용하여 상기 포인트 클라우드 데이터의 포인트들의 굴절을 보상하는 포인트 클라우드 데이터 송신 방법.
  7. 제 4 항에 있어서, 상기 도로와 객체를 분리하는 단계는
    상기 포인트 클라우드 데이터의 각 포인트의 Z 값을 기반으로 해당 포인트를 도로와 객체 중 하나로 분류하는 포인트 클라우드 데이터 송신 방법.
  8. 라이다 시스템에 의해 포인트 클라우드 데이터가 획득되는 획득부;
    상기 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터와 시그널링 정보를 전송하는 전송부를 포함하는 포인트 클라우드 데이터 송신 장치.
  9. 제 8 항에 있어서, 상기 인코더는,
    상기 포인트 클라우드 데이터에 발생된 굴절을 보상하는 굴절 보상부;
    상기 굴절이 보상된 포인트 클라우드 데이터의 포인트들을 도로와 객체로 분리하는 도로 객체 분할부; 및
    상기 도로와 객체로 분리된 포인트들의 위치를 포함하는 지오메트리 정보와 하나 이상의 어트리뷰트 값들을 포함하는 어트리뷰트 정보를 인코딩하는 인코딩부를 포함하는 포인트 클라우드 데이터 송신 장치.
  10. 제 9 항에 있어서, 상기 시그널링 정보는 상기 포인트 클라우드 데이터의 굴절 보상 관련 정보를 포함하는 포인트 클라우드 데이터 송신 장치.
  11. 제 9 항에 있어서, 상기 굴절 보상부는
    상기 포인트 클라우드 데이터의 포인트들의 위치 정보(X,Y,Z) 중 Z값을 기반으로 상기 포인트 클라우드 데이터의 포인트들의 굴절을 보상하는 포인트 클라우드 데이터 송신 장치.
  12. 제 11 항에 있어서,
    상기 위치 정보(X,Y,Z) 중 X 값과 Y 값은 상기 라이다 시스템의 레이저 빔을 x축과 y축을 따라 스캐닝하여 획득된 편향각들과 상기 레이저 빔의 목표 거리 정보를 기반으로 각각 획득되고, 상기 Z 값은 상기 X 값과 상기 Y 값, 상기 편향각들, 및 상기 레이저 빔의 목표 거리 정보를 기반으로 획득되는 포인트 클라우드 데이터 송신 장치.
  13. 제 11 항에 있어서, 상기 굴절 보상부는
    xy 평면 상에서 상기 포인트 클라우드 데이터의 포인트들의 위치에 따른 임계값을 적용하여 상기 포인트 클라우드 데이터의 포인트들의 굴절을 보상하는 포인트 클라우드 데이터 송신 장치.
  14. 제 11항에 있어서, 상기 도로 객체 분할부는
    상기 포인트 클라우드 데이터의 각 포인트의 Z 값을 기반으로 해당 포인트를 도로와 객체 중 하나로 분류하는 포인트 클라우드 데이터 송신 장치.
  15. 압축된 포인트 클라우드 데이터와 시그널링 정보를 수신하는 단계;
    상기 시그널링 정보를 기반으로 상기 포인트 클라우드 데이터를 디코딩하는 단계;
    상기 시그널링 정보를 기반으로 상기 디코딩된 포인트 클라우드 데이터를 렌더링하는 단계를 포함하며,
    상기 포인트 클라우드 데이터 디코딩 단계는
    상기 압축된 포인트 클라우드 데이터에 굴절 보상 역변환을 수행하는 단계; 및
    상기 굴절 보상 역변환된 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보를 복원하는 단계를 포함하며,
    상기 시그널링 정보는 굴절 보상 관련 정보를 포함하는 포인트 클라우드 데이터 수신 방법.
PCT/KR2023/014539 2022-09-22 2023-09-22 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2024063608A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20220120283 2022-09-22
KR10-2022-0120283 2022-09-22

Publications (1)

Publication Number Publication Date
WO2024063608A1 true WO2024063608A1 (ko) 2024-03-28

Family

ID=90455028

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/014539 WO2024063608A1 (ko) 2022-09-22 2023-09-22 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (1)

Country Link
WO (1) WO2024063608A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210010276A (ko) * 2019-07-17 2021-01-27 주식회사 유진로봇 객체 영상 생성 장치, 방법 및 이를 포함하는 객체 인식 장치
KR20210069683A (ko) * 2018-10-02 2021-06-11 후아웨이 테크놀러지 컴퍼니 리미티드 3ｄ 보조 데이터를 사용한 모션 추정
KR20210089087A (ko) * 2020-01-07 2021-07-15 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR20210127070A (ko) * 2020-04-13 2021-10-21 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR20220047713A (ko) * 2020-10-09 2022-04-19 모셔널 에이디 엘엘씨 Lidar 시맨틱 네트워크를 사용한 지평면 추정

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210069683A (ko) * 2018-10-02 2021-06-11 후아웨이 테크놀러지 컴퍼니 리미티드 3ｄ 보조 데이터를 사용한 모션 추정
KR20210010276A (ko) * 2019-07-17 2021-01-27 주식회사 유진로봇 객체 영상 생성 장치, 방법 및 이를 포함하는 객체 인식 장치
KR20210089087A (ko) * 2020-01-07 2021-07-15 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR20210127070A (ko) * 2020-04-13 2021-10-21 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR20220047713A (ko) * 2020-10-09 2022-04-19 모셔널 에이디 엘엘씨 Lidar 시맨틱 네트워크를 사용한 지평면 추정

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
WO2020242244A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2020246689A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002604A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2020256308A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021060850A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021029511A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022060176A1 (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2022050650A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022015006A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021029575A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023182762A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023287220A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2023282581A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022191436A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2024063608A1 (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
WO2023158249A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2024014902A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023191480A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
WO2023182764A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
WO2023211097A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023149781A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023080635A1 (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: 23868660

Country of ref document: EP

Kind code of ref document: A1