WO2026019262A1 - 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

Info

Publication number
WO2026019262A1
WO2026019262A1 PCT/KR2025/010479 KR2025010479W WO2026019262A1 WO 2026019262 A1 WO2026019262 A1 WO 2026019262A1 KR 2025010479 W KR2025010479 W KR 2025010479W WO 2026019262 A1 WO2026019262 A1 WO 2026019262A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
attribute
data
geometry
encoding
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
PCT/KR2025/010479
Other languages
English (en)
French (fr)
Inventor
이종석
오현묵
허혜정
이민석
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LG Electronics Inc
Original Assignee
LG Electronics Inc
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 LG Electronics Inc filed Critical LG Electronics Inc
Publication of WO2026019262A1 publication Critical patent/WO2026019262A1/ko
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/174—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a slice, e.g. a line of blocks or a group of blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/587—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal sub-sampling or interpolation, e.g. decimation or subsequent interpolation of pictures in a video sequence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • Point cloud content is represented as a point cloud, a collection of points within a coordinate system representing three-dimensional space.
  • Point cloud content can represent three-dimensional media and is used to provide various services such as VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), and autonomous driving services.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • autonomous driving services e.g., representing point cloud content requires tens to hundreds of thousands of point data. Therefore, a method for efficiently processing massive amounts of point data is required.
  • Embodiments provide devices and methods for efficiently processing point cloud data. Embodiments provide methods and devices for processing point cloud data to address latency and encoding/decoding complexity.
  • a decoding method may include a step of decoding geometry data of point cloud data in a bitstream; and a step of decoding attribute data of the point cloud data.
  • a encoding method may include a step of encoding geometry data of the point cloud data; and a step of encoding attribute data of the point cloud data.
  • the device and method according to the embodiments can process point cloud data with high efficiency.
  • the device and method according to the embodiments can provide a high quality point cloud service.
  • the device and method according to the embodiments can provide point cloud content for providing general services such as VR services and autonomous driving services.
  • Figure 1 illustrates an example of a point cloud content provision system according to embodiments.
  • FIG. 2 is a block diagram illustrating a point cloud content provision operation according to embodiments.
  • FIG. 3 illustrates an example of a point cloud encoder according to embodiments.
  • Figure 4 illustrates examples of octree and occupancy codes according to embodiments.
  • Figure 5 shows an example of a point configuration by LOD according to embodiments.
  • Figure 6 shows an example of a point configuration by LOD according to embodiments.
  • Fig. 7 illustrates 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.
  • Fig. 10 shows an example of a structure that can be linked with a point cloud data transmission/reception method/device according to embodiments.
  • Fig. 11 shows an encoding device according to embodiments.
  • Figure 12 shows encoding of attribute data according to embodiments.
  • Fig. 13 shows a decryption device according to embodiments.
  • Figure 14 shows decryption of attribute data according to embodiments.
  • Figure 15 illustrates an attribute coordinate scaling method according to embodiments.
  • Figure 16 illustrates an attribute coordinate scaling method according to embodiments.
  • Figure 17 shows a bitstream according to embodiments.
  • Figure 18 shows the sequence parameter set syntax according to embodiments.
  • Figure 19 illustrates the attribute parameter set syntax according to embodiments.
  • Figure 20 shows the tile parameter set syntax according to embodiments.
  • Figure 21 illustrates attribute data header syntax according to embodiments.
  • Figure 22 shows an encoding method according to embodiments.
  • Figure 23 shows a decryption method according to embodiments.
  • Figure 1 illustrates an example of a point cloud content provision system according to embodiments.
  • the point cloud content provision system illustrated in FIG. 1 may include a transmission device (10000) and a reception device (10004).
  • the transmission device (10000) and the reception device (10004) are capable of wired and wireless communication to transmit and receive point cloud data.
  • a transmission device (10000) can secure, process, and transmit a point cloud video (or point cloud content).
  • the transmission device (10000) can include a fixed station, a base transceiver system (BTS), a network, an Artificial Intelligence (AI) device and/or system, a robot, an AR/VR/XR device and/or a server, etc.
  • BTS base transceiver system
  • AI Artificial Intelligence
  • the transmission device (10000) can include a device that performs communication with a base station and/or other wireless devices using a wireless access technology (e.g., 5G NR (New RAT), LTE (Long Term Evolution)), a robot, a vehicle, an AR/VR/XR device, a portable device, a home appliance, an IoT (Internet of Things) device, an AI device/server, etc.
  • a wireless access technology e.g., 5G NR (New RAT), LTE (Long Term Evolution)
  • LTE Long Term Evolution
  • robot e.g., a robot, a vehicle, an AR/VR/XR device, a portable device, a home appliance, an IoT (Internet of Things) device, an AI device/server, etc.
  • a wireless access technology e.g., 5G NR (New RAT), LTE (Long Term Evolution)
  • AR/VR/XR device e.g., LTE (Long Term Evolution)
  • a transmission device (10000) includes a point cloud video acquisition unit (Point Cloud Video Acquisition, 10001), a point cloud video encoder (Point Cloud Video Encoder, 10002), and/or a transmitter (or communication module, 10003).
  • a point cloud video acquisition unit Point Cloud Video Acquisition, 10001
  • a point cloud video encoder Point Cloud Video Encoder, 10002
  • a transmitter or communication module, 10003
  • a point cloud video acquisition unit (10001) acquires a point cloud video through a processing process such as capture, synthesis, or generation.
  • the point cloud video is point cloud content expressed as a point cloud, which is a collection of points located in a three-dimensional space, and may be referred to as point cloud video data, etc.
  • the point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Therefore, the point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, a frame, and a picture.
  • a point cloud video encoder (10002) encodes acquired point cloud video data.
  • the point cloud video encoder (10002) may encode point cloud video data based on point cloud compression coding.
  • the point cloud compression coding may include G-PCC (Geometry-based Point Cloud Compression) coding and/or V-PCC (Video-based Point Cloud Compression) coding or next-generation coding.
  • G-PCC Geometry-based Point Cloud Compression
  • V-PCC Video-based Point Cloud Compression
  • next-generation coding next-generation coding.
  • the point cloud compression coding according to embodiments is not limited to the above-described embodiment.
  • the point cloud video encoder (10002) may output a bitstream including encoded point cloud video data.
  • the bitstream may include not only encoded point cloud video data but also signaling information related to encoding of the point cloud video data.
  • a transmitter (10003) transmits a bitstream including encoded point cloud video data.
  • the bitstream according to embodiments is encapsulated into a file or segment (e.g., 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 an encapsulation module) that performs an encapsulation operation.
  • the encapsulation unit may be included in the transmitter (10003) according to embodiments.
  • the file or segment may be transmitted to a receiving device (10004) through a network or may be stored in a digital storage medium (e.g., USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmitter (10003) may communicate with the receiving device (10004) (or receiver (10005)) via a network such as 4G, 5G, or 6G via wired/wireless communication. Additionally, the transmitter (10003) can perform data processing operations required according to a network system (e.g., a communication network system such as 4G, 5G, or 6G). Additionally, the transmission device (10000) can transmit encapsulated data in an on-demand manner.
  • a network system e.g., a communication network system such as 4G, 5G, or 6G.
  • a receiving device (10004) includes a receiver (Receiver) 10005, a point cloud video decoder (Point Cloud Decoder) 10006, and/or a renderer (Renderer) 10007.
  • the receiving device (10004) may include a device, robot, vehicle, AR/VR/XR device, mobile device, home appliance, IoT (Internet of Things) device, AI device/server, etc. that performs communication with a base station and/or other wireless devices using a wireless access technology (e.g., 5G NR (New RAT), LTE (Long Term Evolution)).
  • 5G NR New RAT
  • LTE Long Term Evolution
  • a receiver (10005) receives a bitstream containing point cloud video data or a file/segment in which the bitstream is encapsulated, from a network or a storage medium.
  • the receiver (10005) may perform data processing operations required according to a network system (e.g., a communication network system such as 4G, 5G, or 6G).
  • the receiver (10005) may decapsulate the received file/segment and output a bitstream.
  • the receiver (10005) may include a decapsulation unit (or decapsulation module) for performing the decapsulation operation.
  • the decapsulation unit may be implemented as a separate element (or component) from the receiver (10005).
  • a point cloud video decoder (10006) decodes a bitstream containing point cloud video data.
  • the point cloud video decoder (10006) can decode the point cloud video data according to how it is encoded (e.g., the reverse process of the operation of the point cloud video encoder (10002)). Accordingly, the point cloud video decoder (10006) can decode the point cloud video data by performing point cloud decompression coding, which is the reverse process of point cloud compression.
  • the point cloud decompression coding includes G-PCC coding.
  • the renderer (10007) renders decoded point cloud video data.
  • the renderer (10007) can output point cloud content by rendering not only point cloud video data but also audio data.
  • the renderer (10007) may include a display for displaying the point cloud content.
  • the display may not be included in the renderer (10007) but may be implemented as a separate device or component.
  • the dotted arrows in the drawing indicate the transmission path of feedback information acquired from the receiving device (10004).
  • the feedback information is information for reflecting the interaction with the user consuming the point cloud content, and includes information about the user (e.g., head orientation information, viewport information, etc.).
  • the feedback information may be transmitted to the content transmitter (e.g., the transmitting device (10000)) and/or the service provider.
  • the feedback information may be used by the receiving device (10004) as well as the transmitting device (10000), or may not be provided.
  • Head orientation information is information about the position, direction, angle, movement, etc. of the user's head.
  • the receiving device (10004) can calculate viewport information based on the head orientation information.
  • the viewport information is information about the area of the point cloud video that the user is looking at.
  • the viewpoint is the point where the user is looking at 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, shape, etc. of the area can be determined by the 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 the head orientation information. In addition, the receiving device (10004) performs gaze analysis, etc.
  • the receiving device (10004) may transmit feedback information including gaze analysis results to the transmitting device (10000).
  • the feedback information according to embodiments may be acquired during a rendering and/or display process.
  • the feedback information according to embodiments may be acquired by one or more sensors included in the receiving device (10004).
  • the feedback information may be acquired by a renderer (10007) or a separate external element (or device, component, etc.).
  • the dotted line in Fig. 1 represents a transmission process of feedback information acquired by the renderer (10007).
  • the point cloud content providing system may process (encode/decode) point cloud data based on the feedback information.
  • the point cloud video data decoder (10006) may perform a decoding operation based on the feedback information. Furthermore, the receiving device (10004) may transmit the feedback information to the transmitting device (10000).
  • the transmission device (10000) (or point cloud video data encoder (10002)) can perform an encoding operation based on feedback information. Accordingly, the point cloud content provision system can efficiently process necessary data (e.g., point cloud data corresponding to the user's head position) based on the feedback information without processing (encoding/decoding) all point cloud data, and provide point cloud content to the user.
  • the transmitting device (10000) may be referred to as an encoder, a transmitting device, a transmitter, etc.
  • the receiving device (10004) may be referred to as a decoder, a receiving device, a receiver, etc.
  • Point cloud data processed (processed through a series of processes of acquisition/encoding/transmission/decoding/rendering) in the point cloud content providing system of FIG. 1 according to embodiments may be referred to as point cloud content data or point cloud video data.
  • point cloud content data may be used as a concept including metadata or signaling information related to point cloud data.
  • the elements of the point cloud content provision system illustrated in FIG. 1 may be implemented by hardware, software, a processor, and/or a combination thereof.
  • FIG. 2 is a block diagram illustrating a point cloud content provision operation according to embodiments.
  • the block diagram of Fig. 2 illustrates the operation of the point cloud content provision system described in Fig. 1.
  • the point cloud content provision system can process point cloud data based on point cloud compression coding (e.g., G-PCC).
  • point cloud compression coding e.g., G-PCC
  • a point cloud content providing system can acquire a point cloud video (20000).
  • the point cloud video is expressed as a point cloud belonging to a coordinate system representing a three-dimensional space.
  • the point cloud video can include a Ply (Polygon File format or the Stanford Triangle format) file. If the point cloud video has one or more frames, the acquired point cloud video can include one or more Ply files.
  • the Ply file includes point cloud data such as the geometry and/or attributes of points.
  • the geometry includes the positions of points.
  • the position of each point can be expressed as parameters (e.g., values of each of the X-axis, Y-axis, and Z-axis) representing a three-dimensional coordinate system (e.g., a coordinate system composed of XYZ axes).
  • Attributes include attributes of points (e.g., texture information of each point, color (YCbCr or RGB), reflectance (r), transparency, etc.).
  • One point has one or more attributes (or properties). For example, one point may have one attribute of color, or two attributes of 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.
  • a point cloud content providing system may obtain point cloud data from information related to the acquisition process of a point cloud video (e.g., depth information, color information, etc.).
  • a point cloud content providing system can 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 can include geometry and attributes of points. Therefore, the point cloud content providing system can perform geometry encoding to encode geometry and output a geometry bitstream.
  • the point cloud content providing system can perform attribute encoding to encode attributes and output an attribute bitstream.
  • the point cloud content providing system can perform attribute encoding based on geometry encoding.
  • the geometry bitstream and the attribute bitstream according to embodiments can be multiplexed and output as a single bitstream.
  • a bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • a point cloud content providing system can transmit encoded point cloud data (20002).
  • the encoded point cloud data can be expressed as a geometry bitstream and an attribute bitstream.
  • the encoded point cloud data can be transmitted in the form of a bitstream together 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 that transmits the encoded point cloud data and transmit it in the form of a file or segment.
  • a point cloud content providing system can receive a bitstream including encoded point cloud data.
  • the point cloud content providing system e.g., a receiving device (10004) or a receiver (10005)
  • a point cloud content providing system can decode encoded point cloud data (e.g., a geometry bitstream, an attribute bitstream) transmitted as a bitstream.
  • the point cloud content providing system e.g., a receiving device (10004) or a point cloud video decoder (10005)
  • the point cloud content providing system can decode the point cloud video data based on signaling information related to encoding of the point cloud video data included in the bitstream.
  • the point cloud content providing system e.g., a receiving device (10004) or a point cloud video decoder (10005)
  • the point cloud content providing system can decode the attribute bitstream based on the restored geometry to restore attributes of points.
  • a point cloud content provision system e.g., a receiving device (10004) or a point cloud video decoder (10005)
  • a point cloud content providing system (e.g., a receiving device (10004) or a renderer (10007)) can render decoded point cloud data (20004).
  • the point cloud content providing system e.g., a receiving device (10004) or a renderer (10007)
  • Points of the point cloud content may be rendered as vertices having a certain thickness, cubes having a certain minimum size centered on the vertex position, or circles centered on the vertex position. All or a portion of the rendered point cloud content is provided to a user through a display (e.g., a VR/AR display, a general display, etc.).
  • a display e.g., a VR/AR display, a general display, etc.
  • a point cloud content provision system (e.g., a receiving device (10004)) can obtain feedback information (20005).
  • the point cloud content provision system can encode and/or decode point cloud data based on the feedback information.
  • the feedback information and the operation of the point cloud content provision system according to embodiments are identical to the feedback information and operation described in FIG. 1, and therefore, a detailed description thereof will be omitted.
  • FIG. 3 illustrates an example of a point cloud encoder according to embodiments.
  • FIG. 3 illustrates an example of a point cloud video encoder (10002) of FIG. 1.
  • the point cloud encoder reconstructs point cloud data (e.g., positions and/or attributes of points) and performs an encoding operation to adjust the quality of point cloud content (e.g., lossless, lossy, near-lossless) depending on network conditions or applications. If the total size of the point cloud content is large (e.g., point cloud content of 60 Gbps at 30 fps), the point cloud content provision system may not be able to stream the content in real time. Therefore, the point cloud content provision system can reconstruct the point cloud content based on the maximum target bitrate in order to provide it according to the network environment, etc.
  • point cloud data e.g., positions and/or attributes of points
  • an encoding operation to adjust the quality of point cloud content (e.g., lossless, lossy, near-lossless) depending on network conditions or applications.
  • the point cloud content provision system may not be able to stream the content in real time. Therefore
  • 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), a surface approximation analysis unit (Analyze Surface Approximation, 30003), an arithmetic encoder (Arithmetic Encode, 30004), a geometry reconstruction unit (Reconstruct Geometry, 30005), a color transformation unit (Transform Colors, 30006), an attribute transformation unit (Transfer Attributes, 30007), a RAHT transformation unit (30008), a LOD generation unit (Generated LOD, 30009), a lifting transformation unit (Lifting) (30010), and a coefficient quantization unit (Quantize Coefficients, 30011) and/or an arithmetic encoder (30012).
  • a coordinate system transformation unit Transformation Coordinates, 30000
  • a quantization unit Quantization and Remove
  • the coordinate system transformation 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) can perform geometry encoding.
  • the geometry encoding according to the embodiments can include octree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisoup geometry encoding are applied selectively or in combination.
  • the geometry encoding is not limited to the above examples.
  • a coordinate system conversion unit (30000) receives positions and converts them into coordinates.
  • the positions may be converted into location information of a three-dimensional space (e.g., a three-dimensional space expressed in an XYZ coordinate system, etc.).
  • the location information of the three-dimensional space according to embodiments may be referred to as geometry information.
  • a quantization unit (30001) quantizes geometry.
  • the quantization unit (30001) may quantize points based on the minimum position value of all points (e.g., the minimum value on each axis for the X-axis, Y-axis, and Z-axis).
  • the quantization unit (30001) performs a quantization operation of multiplying the difference between the minimum position value and the position value of each point by a preset quantization scale value, and then rounding down or up to find the closest integer value. Accordingly, one or more points may have the same quantized position (or position value).
  • the quantization unit (30001) according to embodiments performs voxelization based on the quantized positions to reconstruct the 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) may match groups of points in the three-dimensional space to voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • the position of the center of the voxel may be set based on the positions of one or more points included in one voxel.
  • the attributes of all positions contained 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 represents points matched to voxels based on an octree structure.
  • the surface approximation analysis unit (30003) can analyze and approximate an octree.
  • the octree analysis and approximation according to the embodiments is a process of analyzing and voxelizing an area including a large number of points to efficiently provide an octree and voxelization.
  • An arithmetic encoder (30004) entropy encodes an octree and/or an approximated octree.
  • the encoding method includes an arithmetic encoding method.
  • the encoding results in a geometry bitstream.
  • the color conversion unit (30006), the attribute conversion unit (30007), the RAHT conversion unit (30008), the LOD generation unit (30009), the lifting conversion unit (30010), the coefficient quantization unit (30011) and/or the arithmetic encoder (30012) perform attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is applied equally to the attributes of one point. However, when one attribute (e.g., color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding may include color transform coding, attribute transform coding, RAHT (Region Adaptive Hierarchial Transform) coding, Interpolarization-based hierarchical nearest-neighbor prediction-Prediction Transform) coding, and lifting transform (interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)) coding.
  • RAHT Registered Adaptive Hierarchial Transform
  • lifting transform interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)
  • attribute encoding 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 conversion unit (30006) may convert the format of color information (e.g., convert from RGB to YCbCr).
  • the operation of the color conversion unit (30006) according to the embodiments may be optionally applied depending on the color values included in the attributes.
  • the geometry reconstruction unit (30005) reconstructs (decompresses) an octree and/or an approximated octree.
  • the geometry reconstruction unit (30005) reconstructs an octree/voxel based on the results of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as a reconstructed geometry (or restored geometry).
  • the attribute conversion unit (30007) performs attribute conversion that converts 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 the geometry, the attribute conversion unit (30007) can convert the attributes based on the reconstructed geometry information. For example, the attribute conversion unit (30007) can convert the attribute of a point at a 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 the voxel, the attribute conversion unit (30007) converts the attributes of one or more points. When try-soup geometry encoding is performed, the attribute conversion unit (30007) can convert attributes based on the try-soup geometry encoding.
  • the attribute transformation unit (30007) can perform attribute transformation by calculating the average value of the attributes or attribute values (e.g., 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.
  • the attribute transformation unit (30007) can apply a weight according to the distance from the center point to each point when calculating the average value. Accordingly, each voxel has a position and a calculated attribute (or attribute value).
  • the attribute transformation unit (30007) can search for neighboring points within a specific position/radius from the position of the center point of each voxel based on the K-D tree or the Moulton code.
  • the K-D tree is a binary search tree that supports a data structure that can manage points based on their positions to enable fast nearest neighbor search (NNS).
  • the Moulton code represents the coordinate values (e.g. (x, y, z)) indicating the 3D positions of all points as bit values and is generated by mixing the bits. For example, if the coordinate values indicating the position of a point are (5, 9, 1), the bit values of the coordinate values are (0101, 1001, 0001).
  • the attribute transformation unit (30007) can sort points based on the Moulton code value and perform nearest neighbor search (NNS) through a depth-first traversal process. After the attribute transformation operation, if nearest neighbor search (NNS) is also required in other transformation processes for attribute coding, the K-D tree or Moulton code is utilized.
  • NSS nearest neighbor search
  • the converted attributes are input to the RAHT conversion unit (30008) and/or the LOD generation unit (30009).
  • the RAHT transform unit (30008) performs RAHT coding to predict attribute information based on reconstructed geometry information.
  • the RAHT transform unit (30008) can predict attribute information of a node at an upper level of an octree based on attribute information associated with a node at a lower level of the octree.
  • the LOD generation unit (30009) generates a LOD (Level of Detail) to perform predictive transformation coding.
  • the LOD according to the embodiments represents the level of detail of point cloud content. A smaller LOD value indicates lower detail of point cloud content, and a larger LOD value indicates higher detail of point cloud content. Points can be classified according to LOD.
  • the lifting transformation unit (30010) performs lifting transformation coding that transforms attributes of a point cloud based on weights. As described above, lifting transformation coding may be applied selectively.
  • the coefficient quantization unit (30011) quantizes attribute-coded attributes based on coefficients.
  • An arithmetic encoder (30012) encodes quantized attributes based on arithmetic coding.
  • the elements of the point cloud encoder of FIG. 3 may be implemented by hardware, software, firmware, or a combination thereof, including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device, although not shown in the drawing.
  • the one or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud encoder of FIG. 3 described above.
  • the one or more processors may operate or execute a set of software programs and/or instructions for performing the operations and/or functions of the elements of the point cloud encoder of FIG. 3.
  • the one or more memories may include high-speed random access memory, or may include non-volatile memory (e.g., one or more magnetic disk storage devices, flash memory devices, or other non-volatile solid-state memory devices).
  • Figure 4 illustrates examples of octree and occupancy codes according to embodiments.
  • the point cloud content provision system (point cloud video encoder (10002)) or point cloud encoder (e.g., octree analysis unit (30002)) performs octree geometry coding (or octree coding) based on an octree structure to efficiently manage the area and/or position of a voxel.
  • point cloud video encoder 10002
  • point cloud encoder e.g., octree analysis unit (30002)
  • octree geometry coding or octree coding
  • Fig. 4 shows an octree structure.
  • the three-dimensional space of the point cloud content according to the embodiments is expressed by the axes of the coordinate system (e.g., X-axis, Y-axis, Z-axis).
  • the octree structure is generated by recursively subdividing a cubical axis-aligned bounding box defined by two extreme points (0,0,0) and (2 d , 2 d , 2 d ).
  • 2 d can be set to a value that constitutes the smallest bounding box that encloses all points of the point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the value of d is determined according to the following equation. In the equation below, (x int n , y int n , z int n ) represent positions (or position values) of quantized points.
  • the entire three-dimensional space can be divided into eight spaces according to the division.
  • Each divided space is expressed as a cube with six faces.
  • each of the eight spaces is again divided based on the axes of the coordinate system (e.g., X-axis, Y-axis, Z-axis). Therefore, each space is again divided into eight smaller spaces.
  • the divided smaller spaces are also expressed as cubes with six faces. This division method is applied until the leaf nodes of the octree become voxels.
  • the bottom of Fig. 4 shows the occupancy code of the octree.
  • the occupancy code of the octree is generated to indicate whether each of the eight partitioned spaces generated by partitioning one space contains at least one point. Therefore, one occupancy code is expressed by eight child nodes. Each child node represents the occupancy of the partitioned space, and each child node has a value of 1 bit. Therefore, the occupancy code is expressed as an 8-bit code. That is, if the space corresponding to the child node contains at least one point, the node has a value of 1. If the space corresponding to the child node does not contain a point (empty), the node has a value of 0. Since the occupancy code illustrated in Fig.
  • a point cloud encoder can entropy encode the occupancy code.
  • the point cloud encoder can intra/inter code the occupancy code to increase compression efficiency.
  • a receiving device e.g., a receiving device (10004) or a point cloud video decoder (10006) reconstructs an octree based on the occupancy code.
  • a point cloud encoder can perform voxelization and octree coding to store the positions of points.
  • points within a 3D space are not always evenly distributed, and thus, there may be specific areas where there are not many points. Therefore, performing voxelization on the entire 3D space is inefficient. For example, if there are few points in a specific area, there is no need to perform voxelization up to that area.
  • the point cloud encoder can perform direct coding that directly codes the positions of points included in the specific region (or nodes excluding leaf nodes of the octree) without performing voxelization for the specific region described above.
  • the coordinates of the direct coded points according to the embodiments are referred to as a direct coding mode (DCM).
  • the point cloud encoder can perform trisoup geometry encoding that reconstructs the positions of points within the specific region (or node) on a voxel basis based on a surface model.
  • Trisoup geometry encoding is a geometry encoding that expresses the representation of an object as a series of triangle meshes.
  • the point cloud decoder can generate a point cloud from the mesh surface.
  • Direct coding and trisoup geometry encoding according to the embodiments can be selectively performed. Additionally, direct coding and tri-subtractive geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use direct mode for applying direct coding must be activated, the node to which direct coding is to be applied must not be a leaf node, and there must be points below a threshold within a specific node. In addition, the total number of points subject to direct coding must not exceed a preset threshold. If the above conditions are satisfied, the point cloud encoder (or arithmetic encoder (30004)) according to the embodiments can entropy code the positions (or position values) of the points.
  • a point cloud encoder (e.g., surface approximation analysis unit (30003)) can determine a specific level of an octree (when the level is smaller than the depth d of the octree) and, starting from that level, perform tri-subject geometry encoding to reconstruct the positions of points within a node region on a voxel basis using a surface model (tri-subject mode).
  • a point cloud encoder can specify a level to which tri-subject geometry encoding is to be applied. For example, when the specified level is equal to the depth of the octree, the point cloud encoder does not operate in tri-subject mode.
  • a point cloud encoder can operate in tri-subject mode only when the specified level is smaller than the depth value of the octree.
  • a three-dimensional cubic area of nodes at a specified level is called a block.
  • One block may include one or more voxels.
  • a block or a voxel may correspond to a brick.
  • geometry is represented by a surface. According to embodiments, a surface may intersect each edge of the block at most once.
  • one block has 12 edges, there are at least 12 intersections within one block. Each intersection is called a vertex.
  • a vertex existing 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 containing a point.
  • the position of a vertex detected along an edge is the average position along the edge of all voxels adjacent to the edge among all blocks sharing the edge.
  • the point cloud encoder When a vertex is detected, the point cloud encoder according to the embodiments can entropy code the starting point (x, y, z) of the edge, the direction vector ( ⁇ x, ⁇ y, ⁇ z) of the edge, and the vertex position value (relative position value within the edge).
  • the point cloud encoder according to the embodiments e.g., the geometry reconstruction unit (30005)
  • the point cloud encoder according to the embodiments can perform triangle reconstruction, up-sampling, and voxelization processes to generate restored geometry (reconstructed geometry).
  • the vertices located at the edge of a block determine the surface passing through the block.
  • the surface 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 Subtract the centroid value from each vertex value, and 3 Square the values, and then add up all the values to obtain the value.
  • each vertex is projected to the x-axis based on the center of the block, and then projected onto the (y, z) plane.
  • the value output when projected onto the (y, z) plane is (ai, bi)
  • the ⁇ value is found through atan2(bi, ai)
  • 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. The vertices are sorted in order from 1 to n.
  • the table below shows that two triangles can be formed depending on the combination of vertices for four vertices.
  • the first triangle can be formed by the 1st, 2nd, and 3rd vertices among the sorted vertices
  • the second triangle can be formed by the 3rd, 4th, and 1st vertices among the sorted 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 and the width of the block. The additional points are called refined vertices.
  • a point cloud encoder can voxelize the refined vertices. The point cloud encoder can also perform attribute encoding based on the voxelized positions (or position values).
  • Figure 5 shows an example of a point configuration by LOD according to embodiments.
  • the encoded geometry is reconstructed (decompressed) before attribute encoding is performed.
  • the geometry reconstruction operation may include changing the arrangement of direct-coded points (e.g., placing the direct-coded points at the front of the point cloud data).
  • the geometry reconstruction process includes triangle reconstruction, upsampling, and voxelization. Since attributes depend on the geometry, attribute encoding is performed based on the reconstructed geometry.
  • a point cloud encoder (e.g., LOD generation unit (30009)) can reorganize points by LOD.
  • the drawing shows point cloud content corresponding to LOD.
  • the left side of the drawing shows the original point cloud content.
  • the second figure from the left in the drawing shows the distribution of points of the lowest LOD, and the rightmost figure in the drawing shows the distribution of points of the highest LOD. That is, points of the lowest LOD are sparsely distributed, and points of the highest LOD are densely distributed. That is, as LOD increases in the direction of the arrow indicated at the bottom of the drawing, the interval (or distance) between points becomes shorter.
  • Figure 6 shows an example of a point configuration by LOD according to embodiments.
  • a point cloud content providing system can generate a LOD.
  • the LOD is generated by reorganizing 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 of points (P0 to P9) of point cloud content distributed in 3D 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 represents the order of points according to LOD generation. The points are rearranged by LOD. Additionally, a higher LOD includes points belonging to a lower LOD.
  • LOD0 includes P0, P5, P4, and P2.
  • LOD1 includes points of LOD0 and P1, P6, and P3.
  • LOD2 includes points of LOD0, points of LOD1, and P9, P8, and P7.
  • the point cloud encoder can selectively or in combination perform predictive transform coding, lifting transform coding, and RAHT transform coding.
  • a point cloud encoder can perform predictive transformation coding to generate a predictor for points and set a predicted attribute (or predicted attribute value) for each point. That is, N predictors can be generated for N points.
  • the predicted attribute (or attribute value) is set as the average value of the product of the attributes (or attribute values, for example, color, reflectance, etc.) of neighboring points set in the predictor of each point and the weight (or weight value) calculated based on the distance to each neighboring point.
  • the point cloud encoder according to the embodiments (for example, the coefficient quantization unit (30011)) can quantize and inverse quantize the residual values (which may be referred to as residual attributes, residual attribute values, attribute prediction residual values, etc.) obtained by subtracting the predicted attribute (attribute value) from the attribute (attribute value) of each point.
  • the quantization process is as shown in the following table.
  • a point cloud encoder can entropy code the quantized and dequantized residuals as described above when there are neighboring points to the predictor of each point.
  • a point cloud encoder can entropy code the attributes of the point without performing the above-described process when there are no neighboring points to the predictor of each point.
  • a point cloud encoder can perform lifting transformation coding by generating a predictor for each point, setting the LOD calculated in the predictor, registering neighboring points, and setting weights according to the distance to the neighboring points.
  • Lifting transformation coding is similar to the above-described predictive transformation 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 calculated weights are multiplied by the weights stored in the QW corresponding to the predictor index, and the resulting weights are cumulatively added to the update weight array as the index of the neighboring node.
  • the update array accumulates the values obtained by multiplying the calculated weights by the attribute values of the indexes of the neighboring nodes.
  • the predicted attribute values are calculated by additionally multiplying the updated attribute values through the lift update process by the weights (stored in QW) updated through the lift prediction process.
  • the point cloud encoder e.g., coefficient quantization unit (30011)
  • the point cloud encoder e.g., arithmetic encoder (30012)
  • a point cloud encoder can perform RAHT transform coding that predicts attributes of upper-level nodes using attributes associated with nodes at lower levels of an octree.
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • a point cloud encoder scans from a voxel to the entire area, and repeats the merging process up to a root node while merging voxels into larger blocks at each step.
  • the merging process according to embodiments is performed only for occupied nodes.
  • the merging process is not performed for empty nodes, and the merging process is performed for the node immediately above the empty node.
  • g lx, y, z represents the average attribute value of voxels at level l.
  • g lx, y, z can be computed from g l+1 2x, y, z and g l+1 2x+1, y, z .
  • g l-1 x, y, z are low-pass values, which are used in the merging process at the next higher level.
  • h l-1 x, y, z are high-pass coefficients, and the high-pass coefficients at each step are quantized and entropy coded (e.g., encoding of an arithmetic encoder (400012)).
  • the root node is generated as follows through the last g 1 0, 0, 0 and g 1 0, 0, 1 .
  • the gDC values are also quantized and entropy coded, like the high-pass coefficients.
  • Fig. 7 illustrates an example of a point cloud decoder according to embodiments.
  • the point cloud decoder illustrated in FIG. 7 is an example of a point cloud decoder and can perform a decoding operation, which is the reverse process of the encoding operation of the point cloud encoder described in FIGS. 1 to 6.
  • the point cloud decoder can perform geometry decoding and attribute decoding. Geometry decoding is performed before attribute decoding.
  • a point cloud decoder includes an arithmetic decoder (7000), an octree synthesizer (7001), a surface approximation synthesizer (7002), a geometry reconstructor (7003), an inverse transform coordinates (7004), an arithmetic decoder (7005), an inverse quantize (7006), a RAHT transform (7007), a LOD generator (7008), an inverse lifting (7009), and/or an inverse transform colors (7010).
  • the arithmetic decoder (7000), the octree synthesis unit (7001), the surface oproximation synthesis unit (7002), the geometry reconstruction unit (7003), and the coordinate system inversion unit (7004) can perform geometry decoding.
  • Geometry decoding according to embodiments can include direct coding and trisoup geometry decoding. Direct coding and trisoup geometry decoding are applied selectively.
  • geometry decoding is not limited to the above examples, and is performed by the reverse process of the geometry encoding described in FIGS. 1 to 6.
  • An arithmetic decoder (7000) decodes a received geometry bitstream based on arithmetic coding.
  • the operation of the arithmetic decoder (7000) corresponds to the reverse process of the arithmetic encoder (30004).
  • the octree synthesis unit (7001) can generate an octree by obtaining an occupancy code from a decoded geometry bitstream (or information about the geometry obtained as a result of decoding).
  • a specific description of the occupancy code is as described in FIGS. 1 to 6.
  • the surface off-axis synthesis unit (7002) can synthesize a surface based on the decoded geometry and/or the generated octree when the tri-sub geometry encoding is applied.
  • the geometry reconstruction unit (7003) can regenerate geometry based on the surface and/or decoded geometry. As described in FIGS. 1 to 6, direct coding and try-soup geometry encoding are selectively applied. Therefore, the geometry reconstruction unit (7003) directly retrieves and adds position information of points to which direct coding is applied. In addition, when try-soup geometry encoding is applied, the geometry reconstruction unit (7003) can restore geometry by performing a reconstruction operation of the geometry reconstruction unit (30005), such as triangle reconstruction, up-sampling, and voxelization operations. The specific details are the same as described in FIG. 4 and are therefore omitted.
  • the restored geometry may include a point cloud picture or frame that does not include attributes.
  • the coordinate system inverse transformation unit (7004) can obtain the positions of points by transforming the coordinate system based on the restored geometry.
  • the arithmetic decoder (7005), the inverse quantization unit (7006), the RAHT transform unit (7007), the LOD generation unit (7008), the inverse lifting unit (7009), and/or the color inverse transform unit (7010) can perform the attribute decoding described in FIG. 10.
  • the attribute decoding according to embodiments can include RAHT (Region Adaptive Hierarchial Transform) decoding, Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform) decoding, and lifting transform (interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)) decoding.
  • RAHT Registered Adaptive Hierarchial Transform
  • Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform
  • lifting transform interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)
  • An arithmetic decoder (7005) decodes an attribute bitstream using arithmetic coding.
  • the inverse quantization unit (7006) inverse quantizes information about the decoded attribute bitstream or the attributes obtained as a result of the decoding and outputs the inverse quantized attributes (or attribute values).
  • the inverse quantization may be selectively applied based on the attribute encoding of the point cloud encoder.
  • the RAHT transform unit (7007), the LOD generator (7008), and/or the inverse lifting unit (7009) may process the reconstructed geometry and the inverse quantized attributes. As described above, the RAHT transform unit (7007), the LOD generator (7008), and/or the inverse lifting unit (7009) may selectively perform a corresponding decoding operation according to the encoding of the point cloud encoder.
  • the color inverse transform unit (7010) performs inverse transform coding to inversely transform the color values (or textures) included in the decoded attributes.
  • the operation of the color inverse transform unit (7010) may be selectively performed based on the operation of the color transform unit (30006) of the point cloud encoder.
  • the elements of the point cloud decoder of FIG. 7 may be implemented by hardware, software, firmware, or a combination thereof, including one or more processors or integrated circuits configured to communicate with one or more memories included in a point cloud providing device, although not shown in the drawing.
  • the one or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud decoder of FIG. 7 described above.
  • the one or more processors may operate or execute a set of software programs and/or instructions for performing the operations and/or functions of the elements of the point cloud decoder of FIG. 7.
  • Figure 8 is an example of a transmission device according to embodiments.
  • a transmission device may include a data input unit (8000), a quantization processing unit (8001), a voxelization processing unit (8002), an octree occupancy code generation unit (8003), a surface model processing unit (8004), an intra/inter coding processing unit (8005), an arithmetic coder (8006), a metadata processing unit (8007), a color conversion processing unit (8008), an attribute conversion processing unit (or a property conversion processing unit) (8009), a prediction/lifting/RAHT conversion 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 operations and/or acquisition methods identical or similar to those of the point cloud video acquisition unit (10001) (or the acquisition process (20000) described in FIG. 2).
  • the 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), and arithmetic coder (8006) perform geometry encoding. Since the geometry encoding according to the embodiments is the same or similar to the geometry encoding described in FIGS. 1 to 6, a detailed description thereof will be omitted.
  • the quantization processing unit (8001) quantizes geometry (e.g., position values of points or position values).
  • the operation and/or quantization of the quantization processing unit (8001) is identical to or similar to the operation and/or quantization of the quantization unit (30001) described in FIG. 3.
  • the specific description is the same as that described in FIGS. 1 to 6.
  • the voxelization processing unit (8002) voxels the position values of quantized points.
  • the voxelization processing unit (80002) may perform operations and/or processes identical or similar to the operations and/or voxelization processes of the quantization unit (30001) described in FIG. 3. Specific descriptions are identical to those described in FIGS. 1 to 6.
  • the surface model processing unit (8004) can perform tri-subject geometry encoding to reconstruct the positions of points within a specific area (or node) on a voxel basis based on the surface model.
  • the surface model processing unit (8004) can perform operations and/or methods identical or similar to those of the point cloud encoder (e.g., surface approximation analysis unit (30003)) described in FIG. 3.
  • the specific description is the same as that described with reference to FIGS. 1 to 6.
  • the intra/inter coding processing unit (8005) can intra/inter code point cloud data.
  • the intra/inter coding processing unit (8005) can perform coding identical to or similar to the intra/inter coding described in FIG. 7. The specific description is identical to that described in FIG. 7.
  • the intra/inter coding processing unit (8005) can be included in an arithmetic coder (8006).
  • An arithmetic coder (8006) entropy encodes an octree and/or an approximated octree of point cloud data.
  • the encoding method includes an arithmetic encoding method.
  • the arithmetic coder (8006) performs operations and/or methods identical or similar to those of the arithmetic encoder (30004).
  • the metadata processing unit (8007) processes metadata regarding point cloud data, such as setting values, and provides the metadata to a necessary processing step, such as geometry encoding and/or attribute encoding.
  • the metadata processing unit (8007) according to the embodiments may generate and/or process signaling information related to geometry encoding and/or attribute encoding.
  • the signaling information according to the embodiments may be encoded and processed separately from geometry encoding and/or attribute encoding.
  • the signaling information according to the embodiments may be interleaved.
  • the color conversion processing unit (8008), the attribute conversion processing unit (8009), the prediction/lifting/RAHT conversion processing unit (8010), and the arithmetic coder (8011) perform attribute encoding. Since the attribute encoding according to the embodiments is the same as or similar to the attribute encoding described in FIGS. 1 to 6, a detailed description thereof will be omitted.
  • the color conversion processing unit (8008) performs color conversion coding to convert the color values included in the attributes.
  • the color conversion processing unit (8008) can perform color conversion coding based on the reconstructed geometry.
  • the description of the reconstructed geometry is the same as that described with reference to FIGS. 1 to 6.
  • the color conversion processing unit (8008) performs the same or similar operation and/or method as that of the color conversion unit (30006) described with reference to FIG. 3. A detailed description thereof will be omitted.
  • the attribute transformation processing unit (8009) performs attribute transformation to transform attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry.
  • the attribute transformation processing unit (8009) performs operations and/or methods that are the same as or similar to those of the attribute transformation unit (30007) described in FIG. 3. A detailed description thereof will be omitted.
  • the prediction/lifting/RAHT transformation processing unit (8010) can code transformed attributes by using any one or a combination of RAHT coding, prediction transformation coding, and lifting transformation coding.
  • the prediction/lifting/RAHT transformation processing unit (8010) performs at least one or more of operations that are the same as or similar to those of the RAHT transformation unit (30008), LOD generation unit (30009), and lifting transformation unit (30010) described in FIG. 3.
  • the description of the prediction transformation coding, lifting transformation coding, and RAHT transformation coding is the same as that described in FIGS. 1 to 6, so a detailed description is omitted.
  • An arithmetic coder (8011) can encode coded attributes based on arithmetic coding.
  • the arithmetic coder (8011) performs operations and/or methods identical or similar to those of the arithmetic encoder (300012).
  • the transmission processing unit (8012) may transmit each bitstream including encoded geometry and/or encoded attribute, metadata information, or may transmit the encoded geometry and/or encoded attribute, and metadata information as one bitstream.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to embodiments may include signaling information including a Sequence Parameter Set (SPS) for sequence-level signaling, a Geometry Parameter Set (GPS) for signaling geometry information coding, an Attribute Parameter Set (APS) for signaling attribute information coding, and a Tile Parameter Set (TPS) for tile-level signaling, and slice data.
  • the slice data may include information about one or more slices.
  • a slice may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 , Attr1 0 ).
  • a slice is a series of syntax elements that represent all or part of a coded point cloud frame.
  • a TPS may include information about each tile (e.g., coordinate value information of a bounding box and height/size information, etc.) for one or more tiles.
  • a geometry bitstream may include a header and a payload.
  • the header of a 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.
  • a metadata processing unit (8007) may generate and/or process signaling information and transmit it to a transmission processing unit (8012).
  • elements that perform geometry encoding and elements that perform attribute encoding may share data/information with each other as indicated by a dotted line.
  • the transmission processing unit (8012) may perform operations and/or transmission methods identical or similar to those of the transmitter (10003). A detailed description thereof is omitted as it is the same as that described in FIGS. 1 and 2.
  • Fig. 9 is an example of a receiving device according to embodiments.
  • the receiving device illustrated in FIG. 9 is an example of the receiving device (10004) of FIG. 1 (or the point cloud decoder of FIGS. 10 and 11).
  • the receiving device illustrated in FIG. 9 can perform at least one or more of the same or similar operations and decoding methods as the operations and decoding methods of the point cloud decoder described in FIGS. 1 to 11.
  • a receiving device may include a receiving unit (9000), a receiving processing unit (9001), an arithmetic decoder (9002), an occupancy code-based octree reconstruction processing unit (9003), a surface model processing unit (triangle reconstruction, up-sampling, voxelization) (9004), an inverse quantization processing unit (9005), a metadata parser (9006), an arithmetic decoder (9007), an inverse quantization processing unit (9008), a prediction/lifting/RAHT inverse transform processing unit (9009), a color inverse transform processing unit (9010), and/or a renderer (9011).
  • Each component of the decoding according to embodiments may perform the reverse process of the component of the encoding according to embodiments.
  • the receiving unit (9000) receives point cloud data.
  • the receiving unit (9000) may perform operations and/or receiving methods identical or similar to those of the receiver (10005) of FIG. 1. A detailed description thereof will be omitted.
  • the receiving processing unit (9001) can obtain a geometry bitstream and/or an attribute bitstream from the received data.
  • the receiving processing unit (9001) can be included in the receiving unit (9000).
  • the arithmetic decoder (9002), the occupancy code-based octree reconstruction processing unit (9003), the surface model processing unit (9004), and the inverse quantization processing unit (9005) can perform geometry decoding. Since the geometry decoding according to the embodiments is the same or similar to the geometry decoding described in FIGS. 1 to 10, a detailed description thereof will be omitted.
  • An arithmetic decoder (9002) can decode a geometry bitstream based on arithmetic coding.
  • the arithmetic decoder (9002) performs operations and/or coding identical to or similar to those of the arithmetic decoder (7000).
  • the occupancy code-based octree reconstruction processing unit (9003) can reconstruct an octree by obtaining an occupancy code from a decoded geometry bitstream (or information about the geometry obtained as a result of decoding).
  • the occupancy code-based octree reconstruction processing unit (9003) performs the same or similar operations and/or methods as those of the octree synthesis unit (7001) and/or the octree generation method.
  • the surface model processing unit (9004) can perform tri-sub geometry decoding and related geometry reconstructing (e.g., triangle reconstruction, up-sampling, voxelization) based on the surface model method when tri-sub geometry encoding is applied.
  • the surface model processing unit (9004) performs the same or similar operations as those of the surface off-ratio synthesis unit (7002) and/or the geometry reconstructing unit (7003).
  • the inverse quantization processing unit (9005) can inverse quantize the decoded geometry.
  • the metadata parser (9006) can parse metadata, such as setting values, contained in the received point cloud data.
  • the metadata parser (9006) can pass the metadata to geometry decoding and/or attribute decoding. A detailed description of the metadata is omitted as it is the same as described in FIG. 8.
  • the arithmetic decoder (9007), the inverse quantization processing unit (9008), the prediction/lifting/RAHT inverse transform processing unit (9009), and the color inverse transform processing unit (9010) perform attribute decoding. Since attribute decoding is the same or similar to the attribute decoding described in FIGS. 1 to 10, a detailed description thereof will be omitted.
  • An arithmetic decoder (9007) can decode an attribute bitstream using arithmetic coding.
  • the arithmetic decoder (9007) can decode the attribute bitstream based on the reconstructed geometry.
  • the arithmetic decoder (9007) performs operations and/or coding identical or similar to those of the arithmetic decoder (7005).
  • the inverse quantization processing unit (9008) can inverse quantize the decoded attribute bitstream.
  • the inverse quantization processing unit (9008) performs operations and/or methods identical or similar to the operations and/or inverse quantization methods of the inverse quantization unit (7006).
  • the prediction/lifting/RAHT inverse transform processing unit (9009) can process reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transform processing unit (9009) performs at least one or more of operations and/or decodings that are identical or similar to the operations and/or decodings of the RAHT transform unit (7007), the LOD generation unit (7008), and/or the inverse lifting unit (7009).
  • the color inverse transform processing unit (9010) according to embodiments performs inverse transform coding for inverse transforming the color value (or texture) included in the decoded attributes.
  • the color inverse transform processing unit (9010) performs operations and/or inverse transform coding that are identical or similar to the operations and/or inverse transform coding of the color inverse transform unit (7010).
  • a renderer (9011) can render point cloud data.
  • Fig. 10 shows an example of a structure that can be linked with a point cloud data transmission/reception method/device according to embodiments.
  • the structure of FIG. 10 represents a configuration in which 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) is connected to a cloud network (1010).
  • the robot (1010), the autonomous vehicle (1020), the XR device (1030), the smartphone (1040), or the home appliance (1050) are referred to as devices.
  • the XR device (1030) may correspond to or be linked with a point cloud data (PCC) device according to embodiments.
  • PCC point cloud data
  • a cloud network (1000) may refer to a network that constitutes part of a cloud computing infrastructure or exists within the cloud computing infrastructure.
  • the cloud network (1000) may be configured using a 3G network, a 4G or LTE (Long Term Evolution) network, or a 5G network.
  • the server (1060) is connected to at least one of a robot (1010), an autonomous vehicle (1020), an XR device (1030), a smartphone (1040), a home appliance (1050), and/or an HMD (1070) through a cloud network (1000), and can assist in at least part of the processing of the connected devices (1010 to 1070).
  • the HMD (Head-Mount Display) (1070) represents one of the types in which the XR device and/or the PCC device according to the embodiments can be implemented.
  • the HMD type device according to the embodiments 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 are described.
  • the devices (1010 to 1050) illustrated in FIG. 10 can be linked/combined with point cloud data transmission/reception devices according to the above-described embodiments.
  • the XR/PCC device (1030) may be implemented as a HMD (Head-Mount Display), a HUD (Head-Up Display) equipped in a vehicle, a television, a mobile phone, a smart phone, a computer, a wearable device, a home appliance, digital signage, a vehicle, a fixed robot, a mobile robot, etc., by applying PCC and/or XR (AR+VR) technology.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • the XR/PCC device (1030) can obtain information about surrounding space or real objects by analyzing 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, and can render and output an XR object to be output. For example, the XR/PCC device (1030) can output an XR object including additional information about a recognized object in correspondence with the recognized object.
  • the XR/PCC device (1030) can be implemented as a mobile phone (1040) or the like by applying PCC technology.
  • the mobile phone (1040) can decode and display point cloud content based on PCC technology.
  • Autonomous vehicles (1020) can be implemented as mobile robots, vehicles, unmanned aerial vehicles, etc. by applying PCC technology and XR technology.
  • An 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 the subject of control/interaction within an XR image.
  • an autonomous vehicle (1020) that is the subject of control/interaction within an XR image is distinct from an XR device (1030) and can be linked with each other.
  • An autonomous vehicle (1020) equipped with a means for providing XR/PCC images can obtain sensor information from sensors including cameras and output XR/PCC images generated based on the obtained sensor information.
  • the autonomous vehicle (1020) can be equipped with a HUD to output XR/PCC images, thereby providing passengers with XR/PCC objects corresponding to real objects or objects on a screen.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a part of the XR/PCC object may be output so as to overlap with an 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 part of the XR/PCC object may be output so as to overlap with an object on the screen.
  • the autonomous vehicle (1220) may output XR/PCC objects corresponding to objects such as a lane, another vehicle, a traffic light, a traffic sign, a two-wheeled vehicle, a pedestrian, a building, etc.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides only CG images of objects or backgrounds in the real world.
  • AR technology refers to a technology that shows a virtually created CG image on top of an image of an actual object.
  • MR technology is similar to the aforementioned AR technology in that it mixes and combines virtual objects in the real world.
  • real objects and virtual objects created with CG images are clear, and virtual objects are used in a form that complements real objects, whereas in MR technology, virtual objects are considered to have the same characteristics as real objects.
  • a more specific example is the hologram service, which is an application of the aforementioned MR technology.
  • embodiments of the present invention are applicable to all VR, AR, MR, and XR technologies. These technologies can be applied to encoding/decoding based on PCC, V-PCC, and G-PCC technologies.
  • the PCC method/device according to the embodiments can be applied to a vehicle providing an autonomous driving service.
  • Vehicles providing autonomous driving services are connected to PCC devices to enable wired/wireless communication.
  • a point cloud data (PCC) transmission and reception device when connected to a vehicle to enable wired/wireless communication, can receive/process content data related to AR/VR/PCC services that can be provided together with autonomous driving services and transmit the same to the vehicle.
  • the point cloud data transmission and reception device when the point cloud data transmission and reception device is mounted on a vehicle, the point cloud transmission and reception device can receive/process content data related to AR/VR/PCC services and provide the same to a user according to a user input signal input through a user interface device.
  • a vehicle or a user interface device can receive a user input signal.
  • the user input signal according to embodiments can include a signal instructing an autonomous driving service.
  • the encoding method and device may correspond to Fig. 1 transmitting device (10000), encoder (10002), Fig. 2 acquisition (20000) to transmission (20001), Fig. 3 encoder, Fig. 8 encoder, Fig. 10 each device, Figs. 11 to 12 encoder, Figs. 15 to 16 attribute scaling, Figs. 17 to 21 bitstream and syntax generation, Fig. 22 encoding method, etc.
  • the decoding method and device may correspond to the receiving device (10004) of FIG. 1, the decoder (10006), the transmission (20002) to the rendering (20004) of FIG. 2, the decoder of FIG. 7, the decoder of FIG. 9, the respective devices of FIG. 10, the decoder of FIG. 13 to FIG. 14, the attribute scaling of FIG. 15 to FIG. 16, the bitstream and syntax acquisition of FIG. 17 to FIG. 21, and the decoding method of FIG. 23.
  • the encoding/decoding method and device according to the embodiments may be referred to as the method and device according to the embodiments.
  • the method and device according to the embodiments include a geometry scaling method for point cloud attribute coding.
  • Embodiments relate to a method for improving the compression efficiency of attributes of Geometry-based Point Cloud Compression (G-PCC) for compressing 3D point cloud data, including a method for scaling decoded geometry to improve attribute compression efficiency.
  • the method includes a geometry scaling method; and/or a signaling method.
  • the embodiments relate to a method for improving the compression efficiency of G-PCC (Geometry-based Point Cloud Compression) for compressing 3D point cloud data.
  • G-PCC Geometry-based Point Cloud Compression
  • an encoder is referred to as an encoder
  • a decoder is referred to as a decoder
  • a decoder is referred to as a decoder.
  • a point cloud consists of a collection of points, each of which can have geometry information (geometry data) and attribute information (attribute data). Geometry information is 3D position (XYZ) information, and attribute information is color (RGB, YUV, etc.) and/or reflectance values.
  • the G-PCC encoding process can be comprised of dividing a point cloud into tiles by region, dividing each tile into slices for parallel processing, compressing geometry for each slice, and compressing attribute information based on the reconstructed geometry (decoded geometry) based on the positional information changed through compression.
  • the G-PCC decoding process can be composed of a process of receiving an encoded slice unit geometry bitstream and attribute bitstream, decoding the geometry, and decoding attribute information based on the geometry reconstructed through the decoding process.
  • Octree-based, predictive tree-based, or trisoup-based compression techniques can be used to compress geometry information.
  • compression techniques based on predicting transform, lifting transform, or RAHT transform can be used.
  • the embodiments provide a method for obtaining high compression efficiency by scaling geometry values used in attribute compression of point cloud content.
  • Restored geometry information is used in attribute compression of point clouds.
  • attribute compression methods such as LOD-based lifting transforms or predictive transforms utilize restored geometry during subsampling, nearest neighbor point generation, and weight generation.
  • restored geometry is used when generating nodes, the units targeted by the transformation.
  • point cloud data such as LiDAR sequences may have many points densely distributed in the x-y plane and sparsely distributed in the z direction.
  • points with different properties may be selected as nearest neighbors due to the limited search range in the nearest neighbor search, and in the RAHT, points with different properties may be considered as high-frequency components when the transformation is performed in the earlier stages of the RAHT, which may generate relatively large transformation coefficients.
  • the embodiments can provide high compression performance by scaling the restored geometry information according to the characteristics of the sequence so that encoding and decoding can be performed in units of points having similar properties.
  • the encoding/decoding method includes a step of scaling geometry data (geometry scaling method).
  • the restored geometry information can be scaled prior to attribute encoding or decoding.
  • all elements of the geometry can be scaled by the same value.
  • each element of the geometry can be scaled by a different value.
  • the restored geometry can be stored in a separate buffer within attribute encoding and decoding for scaling. For example, scaling may not alter the original geometry information.
  • scaling can be performed with a scaling value only when the point cloud is transformed into a spherical coordinate system. In other cases, scaling may not be used.
  • the pseudo code below can mean the scaling process for attribute compression.
  • AttrPos can mean the geometry information used in attribute coding.
  • attr_coord_conv_scale can mean the scale value (predBias), and attr_coord_conv_enabled can mean a flag indicating whether to convert to a spherical coordinate system.
  • predBias predBias
  • attr_coord_conv_enabled can mean a flag indicating whether to convert to a spherical coordinate system.
  • the encoding method according to the embodiments can encode attribute data within a slice.
  • the decoding method according to the embodiments can decode attribute data within a slice.
  • the coordinate system of point cloud data can be set as follows.
  • the value of the attribute position (AttrPos[ptIdx][k]) according to the point index of the k-component of the coordinate system is set as follows according to the attribute coordinate system convolution enable (attr_coord_conv_enabled) flag:
  • the AttrPosAng[ptIdx][k] value is calculated as follows:
  • relPos is calculated as Max(0, PointAng[ptIdx][k] - minAng[k]).
  • the MinAng[k] value is determined by conditions:
  • MinCurAng[k] MinRefAng[k]
  • the slice attributes of point cloud data may be processed as follows.
  • the method according to embodiments may include a method of transforming point coordinates and scaling angular coordinates.
  • the point coordinate value AttrPos[ptIdx][k] is optionally set depending on whether the coordinate conversion function (attr_coord_conv_enabled) is enabled. If the coordinate conversion function is enabled, the point angle coordinate (AttrPosAng[ptIdx][k]) is selected. If the coordinate conversion function is disabled and the inter-attribute prediction function (attr_inter_prediction_enabled) is enabled, the sum of the point coordinate value (PointPos[ptIdx][k]) and the slice origin (SliceOrigin[k]) is selected. If both functions are disabled, the point coordinate value (PointPos[ptIdx][k]) is selected.
  • the relative position (relPos) is defined as follows:
  • the minimum angle (MinAng[k]) is selected conditionally.
  • Min(MinCurAng[k], MinRefAng[k]) value is selected. Otherwise, the MinCurAng[k] value is selected.
  • MinCurAng[k] The current minimum angle (MinCurAng[k]) is defined as follows:
  • AttrPos[ptIdx][k] : attr_coord_conv_enabled
  • AttrPosAng[ptIdx][k] : DivExp2Up(relPos ⁇ attr_coord_conv_scale[k], 8)
  • Min(MinCurAng[k], MinRefAng[k]) MinCurAng[k]
  • the restored geometry may additionally have its origin slice added to it if inter-screen prediction is used for attributes after scaling.
  • the pseudo code below demonstrates the scaling process for restored geometry.
  • Attr_coord_scale can represent a scale value for each axis of the geometry.
  • the coordinate processing method of point cloud data can adaptively set point coordinate values depending on whether point coordinates are transformed and whether inter-prediction between attributes is enabled.
  • the point coordinate value AttrPos[ptIdx][k] is optionally determined depending on whether the coordinate conversion function (attr_coord_conv_enabled) is enabled.
  • the angular coordinates of the point (AttrPosAng[ptIdx][k]) are selected.
  • AttrPos[ptIdx][k] : attr_coord_conv_enabled
  • the reconstructed attribute values are defined as follows.
  • AttRecon[s][t][v][i] in regular point order. That is, the th element is the th instance of attribute coordinates (s,t,v) from the beginning of AttrPos. Attribute coordinates (s,t,v) are weighted by PredBias.
  • dupPtIdx[s][t][v] is the cumulative count of points with attribute coordinates (s,t,v). Unset elements of dupPtIdx are inferred to be 0.
  • LoD When using LoD during the encoding or decoding of attribute data, the following operations are performed at the finest detail level in LoD:
  • AttrPos point indices at the finest level of detail must have an initial one-to-one correspondence with the standard decoding order of the slice geometry.
  • AttrPos points are weighted by PredBias.
  • the aforementioned operations can be interpreted as operations for setting point coordinates of slice attributes. Furthermore, when spherical coordinate conversion is applied, scaling may be applied to the attribute angular coordinates. In some embodiments, weighting may be applied to the attribute coordinate system during attribute restoration or attribute decoding, regardless of the value of coord_conv_enabled.
  • Fig. 11 shows an encoding device according to embodiments.
  • the device of Fig. 11 can correspond to Fig. 1 transmitting device (10000), encoder (10002), Fig. 2 acquisition (20000) to transmission (20001), Fig. 3 encoder, Fig. 8 encoder, Fig. 10 each device, Fig. 12 encoder, Fig. 15 to Fig. 16 attribute scaling, Fig. 17 to Fig. 21 bitstream and syntax generation, Fig. 22 encoding method, etc.
  • each component may correspond to hardware, software, a processor, and/or a combination thereof.
  • PCC data may be input to the encoder and encoded to output a geometry information bitstream and an attribute information bitstream.
  • the data input section can read and set input data (e.g., ply, configuration file, etc.).
  • input data e.g., ply, configuration file, etc.
  • the coordinate system transformation unit can support coordinate system changes, such as changing the xyz axes or converting from the xyz rectangular coordinate system to the spherical coordinate system.
  • the spatial partition can be divided into tiles or slices for area-specific access or parallel processing of content.
  • the geometry encoding unit can encode spatially divided geometry information to generate a geometry information bitstream.
  • the color conversion processor can support attribute type conversion, such as changing RGB color to YUV.
  • the color rescaling unit can predict attribute values appropriate for the changed location when the geometry is scaled and the location information values are changed.
  • the attribute information encoding unit can receive color-resized original attribute information, restored geometry information, and a reference frame as input and perform encoding to generate an attribute information bitstream.
  • the reference frame generation unit can store restored geometry and restored attribute information in a reference frame buffer and transfer reference frame data from the reference frame to other modules.
  • data including geometric information (geometry data), attribute information (attribute data), and parameters are input to the data input unit.
  • the geometric information received from the data input unit is processed by the coordinate system transformation unit and transformed into an appropriate coordinate system.
  • the transformed geometric information is quantized by the geometry information transformation quantization processing unit, and then spatially divided through the spatial division unit.
  • the spatially segmented geometry information is encoded through a geometry information encoding unit and output as a geometry information bitstream.
  • the attribute source data obtained from the input data undergoes color conversion in the color conversion processing unit and is then readjusted as needed in the color recoloring unit.
  • the readjusted attribute data is encoded through the attribute information encoding unit and ultimately output as an attribute information bitstream.
  • the reference frame generation unit stores and manages reference frames in a reference frame buffer.
  • the reference frames are used to generate restored geometry information and restored attribute information.
  • Figure 12 shows encoding of attribute data according to embodiments.
  • Figure 12 describes in more detail the encoding of attribute data of the Figure 11 device.
  • Each component of the block diagram of the attribute information encoding unit of FIG. 12 may correspond to hardware, software, a processor, and/or a combination thereof.
  • the attribute information encoding unit can receive segmented point cloud data and encode it to generate an attribute information bitstream.
  • the attribute coordinate system scaling unit can receive segmented point cloud data and scale it with respect to geometry information.
  • the LOD generation unit can input segmented point cloud data and generate LODs, and determine point-by-point neighbors used in lifting transformation and prediction transformation. At this time, the LOD generation unit can be performed when LOD parameters are present.
  • the lifting transform unit can generate transform coefficients by performing frequency transformation on attribute information through LOD level-specific prediction and update processes using the generated LOD.
  • the generated transform coefficients can be quantized and transmitted to the attribute information entropy encoding unit. Additionally, an internal inverse transformation can be performed to output restored attribute information.
  • Predictive transformation can be performed to predict the current point using neighboring points determined during the LOD generation process.
  • the predicted attribute information and the original attribute information can be converted into differential values called transform coefficients, which can be quantized and passed to the attribute information entropy encoding unit.
  • attribute information can be restored and output through inverse quantization and predictive inverse transformation.
  • RAHT can be performed without LOD parameters. It receives segmented point cloud data and performs Region Adaptive Hierarchical Transform (RAHT) to transform it into the frequency domain, generating transform coefficients. These transform coefficients can then be quantized and passed to the attribute information entropy encoding unit.
  • RAHT Region Adaptive Hierarchical Transform
  • Segmented point cloud data is received as input data, and the attribute coordinate system scaling unit performs attribute coordinate system scaling processing. At this time, the subsequent processing path is selected depending on the presence or absence of the LOD (Level of Detail) parameter.
  • LOD Level of Detail
  • the input data is passed to the LOD generation unit, which generates LOD information for hierarchical data representation.
  • the nearest point group determination unit determines the nearest neighboring point group, and the weight calculation unit calculates the weight of each point within the point group. Based on the calculated information, the lifting transformation unit and the prediction transformation unit are each performed.
  • the transformation results are passed to the attribute information entropy encoding unit, where entropy encoding is performed.
  • the input data is transformed through the RAHT (Rectangular Approximation Haar Transform) module.
  • the transformed data is similarly entropy encoded by the attribute information entropy encoding unit.
  • the encoded data is output as an attribute information bitstream.
  • Fig. 13 shows a decryption device according to embodiments.
  • FIG. 13 can correspond to the FIG. 1 receiving device (10004), decoder (10006), FIG. 2 transmitting (20002) to rendering (20004), FIG. 7 decoder, FIG. 9 decoder, FIG. 10 each device, FIG. 14 decoder, FIG. 15 to FIG. 16 attribute scaling, FIG. 17 to FIG. 21 bitstream and syntax acquisition, FIG. 23 decoding method, etc.
  • Each component of the block diagram of the PCC data decoder of Fig. 13 may correspond to hardware, software, a processor, and/or a combination thereof.
  • the decoder inputs encoded geometry information bitstreams and attribute information bitstreams, and decoded, restored PCC data can be output.
  • the geometry information decoding unit can receive a geometry information bitstream and decode it to restore the geometry information.
  • the coordinate system inversion unit can restore the changed xyz axes or inversely transform the transformed coordinate system into the xyz orthogonal coordinate system.
  • Attribute residual information entropy decoding can entropy decode attribute bitstreams.
  • the attribute information decryption unit can receive an attribute information bitstream and decrypt it to restore the attribute information.
  • the color inversion processing unit can restore the converted attributes to RGB colors.
  • the reference frame generation unit can store restored geometry and restored attribute information in a reference frame buffer and transfer reference frame data from the reference frame to other modules.
  • the geometry information bitstream provided as input is first decoded by the geometry information decoding unit.
  • the decoded data is then passed to the coordinate system inversion unit, where it is restored to geometry information by performing the inverse operation of the coordinate system transformation process.
  • the restored geometry information is passed to the reference frame generation unit on one hand and stored in the reference frame buffer, and is used as a reference frame when necessary.
  • the attribute information bitstream provided as input is decoded by the attribute information decoding unit.
  • the decoded data is passed to the color inverse transformation processing unit, where the inverse operation of the color space transformation is performed, and ultimately restored to attribute information.
  • Restored geometry information and restored attribute information are combined to enable the reconstruction of the final point cloud data.
  • reference frames can be used to temporally predict geometry and attribute information, improving the restoration efficiency of consecutive frames.
  • Figure 14 shows decryption of attribute data according to embodiments.
  • Figure 14 describes in more detail the decoding operation of attribute data of the Figure 13 device.
  • Each component of the block diagram of the attribute information decryption unit of FIG. 14 may correspond to hardware, software, a processor, and/or a combination thereof.
  • the attribute information entropy decoding unit can receive an attribute information bitstream, decode it, and restore the transform coefficients.
  • the attribute information entropy decoding unit can receive an attribute information bitstream as input and perform entropy decoding to obtain transform coefficients.
  • Attribute Coordinate Scaling Some restored geometry information can be scaled. Then, LOD-based lifting inverse transformation or inverse RAHT can be performed using the scaled geometry information.
  • the LOD generation unit can generate LODs by receiving restored geometry information, and can determine point-by-point neighbors used in lifting transformation and prediction transformation. At this time, the LOD generation unit can be performed when LOD parameters are present.
  • the lifting inverse transform can restore attribute information by inversely transforming the input transform coefficients and performing frequency inverse transform through the generated LOD and LOD level-by-LOD level update and prediction process.
  • Predictive inverse transformation can restore attributes by combining the current point with the predicted value and the inverse transformation value of the input transformation coefficient using neighboring points determined during the LOD generation process.
  • Inverse RAHT can restore attribute information by performing the reverse process of RAHT by inputting restored geometry information and transformation coefficients.
  • An attribute information bitstream is input.
  • the attribute information is decoded based on an entropy method. Scaling information for the attribute coordinate system is obtained.
  • LOD Level of Detail
  • the weight calculation unit calculates the weight for each point, and the decoding process is divided into a reporting inverse transformation process and a prediction inverse transformation process.
  • the device directly applies the Inverse RAHT (Reverse Attribute Hierarchical Transform) to reverse transform the attribute data.
  • Inverse RAHT Reverse Attribute Hierarchical Transform
  • Figure 15 illustrates an attribute coordinate scaling method according to embodiments.
  • FIG. 15 is performed in FIG. 1 transmitting device (10000), encoder (10002), FIG. 2 obtaining (20000) to transmitting (20001), FIG. 3 encoder, FIG. 8 encoder, FIG. 10 each device, FIG. 11 to FIG. 12 encoder, FIG. 16 attribute scaling, FIG. 17 to FIG. 21 bitstream and syntax generation, FIG. 22 encoding method, FIG. 1 receiving device (10004), decoder (10006), FIG. 2 transmitting (20002) to rendering (20004), FIG. 7 decoder, FIG. 9 decoder, FIG. 10 each device, FIG. 13 to FIG. 14 decoder, FIG. 16 attribute scaling, FIG. 17 to FIG. 21 bitstream and syntax acquisition, FIG. 23 decoding method, etc.
  • Each component of the block diagram of the attribute coordinate system scaling unit of Fig. 15 may correspond to hardware, software, a processor, and/or a combination thereof.
  • the attribute coordinate system scaling unit may receive restored geometry information and output scaled geometry information.
  • the attribute coordinate system scaling unit can input restored geometry information and output scaled geometry information.
  • the input restored geometry information checks the attribute coordinate system transformation flag, and if the attribute coordinate system transformation flag is 1, spherical coordinate system (which can be referred to as angular coordinate system) geometry scaling can be performed.
  • the slice origin can be combined with the geometry information.
  • a method according to embodiments can scale a coordinate system of attribute data based on restored geometry information.
  • spherical coordinate geometry scaling is performed. Based on spherical coordinate geometry scaling, 3D geometry data is scaled and transformed in the spherical coordinate system.
  • Attribute data for the current frame can be predicted by comparing attribute information between the current and previous frames.
  • the slice origin can be added to the attribute coordinate system. Based on the slice origin addition, the attributes of the current frame can be predicted and inversely transformed based on the attribute information of the previous frame.
  • Figure 16 illustrates an attribute coordinate scaling method according to embodiments.
  • Figure 16 shows an example of attribute coordinate scaling of Figure 15.
  • the attribute coordinate system scaling unit can input restored geometry information and output scaled geometry information.
  • the input restored geometry information checks the attribute coordinate system transformation flag, and if the attribute coordinate system transformation flag is 1, spherical coordinate system geometry scaling can be performed.
  • the slice origin can be combined with the geometry information.
  • a method according to embodiments can perform geometry scaling based on restored geometry information.
  • the geometry scaling method includes the steps of receiving restored geometry information and determining whether an attribute coordinate system has changed based on information indicating whether an attribute coordinate system included in the geometry information in the bitstream has changed.
  • spherical coordinate system geometry scaling includes a transformation process to correct distortion of the original coordinate system and maintain consistency with the attribute coordinates.
  • a general geometric scaling is performed. This process may involve realigning or interpolating coordinate information to a fixed resolution or normalized unit based on the restored geometry information.
  • a step is performed to determine whether prediction of an attribute screen (e.g., color or other attribute data) is required. If prediction of an attribute screen is required, slice origin summation is performed to ensure spatial consistency of the geometry information. This may include performing orientation and position alignment relative to the origin for the geometry segmented into each slice unit.
  • attribute screen e.g., color or other attribute data
  • Scaled geometry information is output.
  • the output information can be used for subsequent processing or attribute encoding/decoding.
  • Figure 17 shows a bitstream according to embodiments.
  • encoding method and device can encode point cloud data and generate signaling information (which may be referred to as parameters, metadata, syntax elements, etc.).
  • the encoded point cloud data and signaling information are included in the bitstream as shown in Fig. 17.
  • the decoding method and device can acquire signaling information from a bitstream and decode point cloud data based on the signaling information.
  • Signaling information according to embodiments can be used at a transmitter or receiver, etc.
  • the encoded point cloud configuration is as follows.
  • a point cloud data encoder that performs geometry encoding and/or attribute encoding processes can generate the following encoded point cloud (or bitstream including the point cloud).
  • signaling information regarding the point cloud data can be generated and processed by the metadata processing unit of the point cloud data transmission device and included in the point cloud as follows.
  • Geometry scaling related option information can be signaled by adding it to SPS, APS, and TPS.
  • geometry scaling related option information can be signaled by adding it to the TPS or attribute header for each Slice.
  • Tiles or slices are provided to allow point clouds to be divided and processed by region.
  • Figure 18 shows the sequence parameter set syntax according to embodiments.
  • Figure 18 shows the SPS syntax of the Figure 17 bitstream.
  • Optional information related to geometry scaling can be signaled by adding it to the Sequence Parameter Set.
  • Profile Indicates that the bitstream conforms to a profile.
  • profile compatibility flag (profile_compatibility_flags) is 1, it indicates that the bitstream complies with the profile whose profile_idc is j.
  • Number of attribute sets (sps_num_attribute_sets): Indicates the number of coded attributes in the bitstream.
  • the sps_num_attribute_sets value ranges from 0 to 63.
  • Attribute dimension (attribute_dimension[ i ]): Indicates the number of components of the i-th attribute.
  • Attribute instance ID (attribute_instance_id[ i ]): Represents the instance ID of the i-th attribute.
  • Attribute Coordinate Scale Enabled Indicates whether attribute geometry scaling is enabled for all ranges using the current SPS.
  • Attribute Coordinate Scale (sps_attr_coord_scale[ d ]): Represents the scale value for the dth axis in all sequences referencing the current SPS.
  • Figure 19 illustrates the attribute parameter set syntax according to embodiments.
  • Figure 19 describes the APS syntax within the Figure 17 bitstream.
  • Optional information related to geometry scaling can be signaled by adding it to the Attribute Parameter Set.
  • the attribute parameter set ID (aps_attr_parameter_set_id) provides an APS identifier that can be referenced by other syntax elements. aps_attr_parameter_set_id values range from 0 to 15 (inclusive).
  • the sequence parameter set ID indicates the sps_seq_parameter_set_id value for the active SPS.
  • the aps_seq_parameter_set_id value ranges from 0 to 15 (inclusive).
  • the lifting_num_pred_nearest_neighbors parameter indicates the maximum number of nearest neighbors to use for prediction.
  • the lifting_num_pred_nearest_neighbours value ranges from 1 to xx (inclusive).
  • the maximum number of lifting direct predictors indicates the maximum number of predictors to use for direct prediction.
  • the value of lifting_max_num_direct_predictors ranges from 0 to lifting_num_pred_nearest_neighbours.
  • aps_attr_coord_scale_enabled Indicates whether attribute geometry scaling should be used in all frames referencing the current APS.
  • Attribute coordinate scale (aps_attr_coord_scale[ d ]): Represents the scaling value for the d-th axis in all frames referencing the current APS.
  • a decoding method device can receive a bitstream, obtain an APS from the bitstream, obtain an attribute coordinate scale value, and decode an attribute.
  • Figure 20 shows the tile parameter set syntax according to embodiments.
  • FIG 20 illustrates the TPS syntax of the bitstream of Figure 17.
  • the TPS according to embodiments may be referred to as a tile inventory data unit.
  • Optional information related to geometry scaling can be signaled by adding it to the Tile Parameter Set.
  • Tile bounding box offset x (tile_bounding_box_offset_x[ i ]): Indicates the x-offset of the ith tile in Cartesian coordinates. If this value is missing, the value of tile_bounding_box_offset_x[ 0 ] is inferred to be sps_bounding_box_offset_x.
  • tile bounding box offset y (tile_bounding_box_offset_y[ i ]) represents the y-offset of the ith tile in Cartesian coordinates. If this value is missing, the value of tile_bounding_box_offset_y[ 0 ] is inferred to be sps_bounding_box_offset_y.
  • tile bounding box offset z (tile_bounding_box_offset_z[ i ]) represents the x-offset of the ith tile in Cartesian coordinates. If this value is missing, the value of tile_bounding_box_offset_y[ 0 ] is inferred to be sps_bounding_box_offset_z.
  • Tile attribute coordinate scale enable (tile_attr_coord_scale_enabled[ i ]): Indicates whether attribute geometry scaling is enabled for the i-th tile.
  • Tile attribute coordinate scale (tile_attr_coord_scale[ i ][ d ]): Indicates the scaling value for the d-th axis in the i-th tile.
  • Figure 21 illustrates attribute data header syntax according to embodiments.
  • Figure 21 describes the header syntax of the attribute data unit of the Figure 17 bitstream.
  • Geometry scaling related options information can be signaled by adding them to the Attribute Slice Header.
  • the attribute parameter set ID (abh_attr_parameter_set_id) represents the abh_attr_parameter_set_id value of the active APS.
  • the attribute index (abh_attr_sps_attr_idx) represents the attribute set of the active SPS.
  • the abh_attr_sps_attr_idx value ranges from 0 to sps_num_attribute_sets in the active SPS.
  • the attribute geometry slice ID (abh_attr_geom_slice_id) represents the gsh_slice_id value of the active geometry slice header.
  • Attribute Coordinate Scale Enable indicates whether attribute geometry scaling is enabled in the current slice.
  • the attribute coordinate scale (abh_attr_coord_scale[ d ]) represents the scaling value for the d-th axis in the current slice.
  • a decoding method device can receive a bitstream, obtain an attribute data unit from the bitstream, and obtain an attribute coordinate scale value from a header of the attribute data unit, thereby decoding an attribute.
  • Figure 22 shows an encoding method according to embodiments.
  • the method according to the embodiments may include a step of encoding geometry data of point cloud data (S2200); and/or a step of encoding attribute data of point cloud data (S2210); etc.
  • Fig. 1, transmitting device (10000), encoder (10002), Fig. 2, acquisition (20000) to transmission (20001), Fig. 3, encoder, Fig. 8, each device, Fig. 11 to Fig. 12, encoder, Fig. 15 to Fig. 16, bitstream and syntax generation, Fig. 17 to Fig. 21, encoding method, etc.) includes a geometry encoding and/or attribute encoding operation.
  • the step of encoding attribute data may include: a step of scaling a coordinate system for point cloud data; a step of generating a LoD (Level of Detail) for the attribute data; a step of determining neighboring points for the attribute data; and a step of predicting the attribute data.
  • a step of scaling a coordinate system for point cloud data may include: a step of scaling a coordinate system for point cloud data; a step of generating a LoD (Level of Detail) for the attribute data; a step of determining neighboring points for the attribute data; and a step of predicting the attribute data.
  • LoD Level of Detail
  • the step of scaling a coordinate system for attribute data includes: outputting scaled geometry data from restored geometry data of point cloud data, wherein the attribute data can be encoded based on the scaled geometry data.
  • the encoding method of FIG. 22 is performed by an encoding device, and the encoding device includes a memory; and at least one processor connected to the memory; and the at least one processor can be configured to: encode geometry data of point cloud data; and encode attribute data of point cloud data.
  • the embodiments further include a computer-readable storage medium storing a bitstream generated by the method according to FIG. 22.
  • Embodiments further include a method comprising: obtaining a bitstream for point cloud data, the bitstream being generated based on a step of encoding geometry data of the point cloud data; and a step of encoding attribute data of the point cloud data; and transmitting data including the bitstream.
  • Figure 23 shows a decryption method according to embodiments.
  • the method according to the embodiments may include a step of decoding geometry data of point cloud data in a bitstream (S2300); and/or a step of decoding attribute data of point cloud data (S2310);
  • Methods 23 and 22 can be used in reverse order to correspond to each other.
  • Geometry decoding (S2300) and/or attribute decoding (S2310) includes geometry decoding and/or attribute decoding operations of the decoding method and device (Fig. 1 receiving device (10004), decoder (10006), Fig. 2 transmitting (20002) to rendering (20004), Fig. 7 decoder, Fig. 9 decoder, Fig. 10 each device, Figs. 13 to 14 decoder, Figs. 15 to 16 attribute scaling, Figs. 17 to 21 bitstream and syntax acquisition, Fig. 23 decoding method, etc.) according to the above-described embodiments.
  • the step of decoding attribute data may include: a step of scaling a coordinate system for point cloud data; a step of generating a LoD (Level of Detail) for the attribute data; a step of determining neighboring points for the attribute data; and a step of predicting the attribute data.
  • a step of scaling a coordinate system for point cloud data may include: a step of scaling a coordinate system for point cloud data; a step of generating a LoD (Level of Detail) for the attribute data; a step of determining neighboring points for the attribute data; and a step of predicting the attribute data.
  • LoD Level of Detail
  • the coordinate system of a point having attribute data can be transformed as follows.
  • the step of scaling the coordinate system for attribute data includes: outputting scaled geometry data from restored geometry data of point cloud data, and the attribute data can be decoded based on the scaled geometry data.
  • the coordinates of points of point cloud data can be selected as angular coordinate systems based on the first value (true, enabled) of the information indicating whether attribute coordinate system conversion is performed.
  • a scaling value can be applied to the coordinates of a point, and information on the origin of a slice can be added to the coordinates of the scaled point, based on the second value (false, disabled) of the information indicating whether attribute coordinate system transformation is performed and the first value (true, enabled) of the information indicating whether interprediction for attribute data is performed.
  • a scaling value can be applied to the coordinates of a point based on the second value (false, disabled) of the information indicating whether attribute coordinate system transformation is performed and the second value (false, disabled) of the information indicating whether interprediction for the attribute data is performed.
  • the bitstream of FIG. 17 includes an attribute parameter set
  • the attribute parameter set includes at least one of information indicating whether coordinate scaling for attribute data is used in a frame referencing the attribute parameter set or information indicating a scale value for a specific axis.
  • the FIG. 17 bitstream may include an attribute data unit header and at least one of information indicating whether coordinate scaling for attribute data in the attribute data unit slice is used or information indicating a scale value for a specific axis.
  • the decoding method of FIG. 23 can be performed by a decoding device.
  • the decoding device includes a memory; and at least one processor connected to the memory; and the at least one processor can be configured to: decode geometry data of point cloud data in a bitstream; and decode attribute data of the point cloud data.
  • Figures 22 to 23 and the corresponding methods and devices, PCC encoding method, PCC decoding method, and signaling method, can provide the following effects.
  • the compression efficiency of the lifting transform can be improved by using distance to omit sampling for points densely located within a specific space with the same reflectivity in a spinning lidar point cloud.
  • the omitted points generate a relatively small residual signal, allowing the point cloud to be compressed with fewer bits for the same error.
  • the transmission method/device according to the embodiments can efficiently compress point cloud data to transmit the data, and by transmitting signaling information for this, the reception method/device according to the embodiments can also efficiently decode/restore point cloud data.
  • each drawing has been described separately, but it is also possible to design a new embodiment by combining the embodiments described in each drawing.
  • designing a computer-readable recording medium having a program recorded thereon for executing the previously described embodiments, as needed by a person skilled in the art also falls within the scope of the embodiments.
  • the devices and methods according to the embodiments are not limited to the configurations and methods of the embodiments described above, but the embodiments may be configured by selectively combining all or part of the embodiments so that various modifications can be made.
  • the various components of the devices of the embodiments may be implemented by hardware, software, firmware, or a combination thereof.
  • the various components of the embodiments may be implemented by a single chip, for example, a single hardware circuit.
  • the components according to the embodiments may be implemented by separate chips.
  • at least one of the components of the devices of the embodiments may be configured with one or more processors capable of executing one or more programs, and the one or more programs may perform, or include instructions for performing, one or more of the operations/methods according to the embodiments.
  • the executable instructions for performing the methods/operations of the devices of the embodiments may be stored in non-transitory CRMs or other computer program products configured to be executed by one or more processors, or may be stored in temporary CRMs or other computer program products configured to be executed by one or more processors.
  • the memory according to the embodiments may be used as a concept including not only volatile memory (e.g., RAM, etc.), but also non-volatile memory, flash memory, PROM, etc. Additionally, it may include implementations in the form of carrier waves, such as transmissions via the Internet.
  • processor-readable recording media may be distributed across network-connected computer systems, allowing processor-readable code to be stored and executed in a distributed manner.
  • first, second, etc. may be used to describe various components of the embodiments. However, the various components according to the embodiments should not be limited in their interpretation by the above terms. These terms are merely used to distinguish one component from another. For example, a first user input signal may be referred to as a second user input signal. Similarly, a second user input signal may be referred to as a first user input signal. The use of these terms should be interpreted as not departing from the scope of the various embodiments. Although a first user input signal and a second user input signal are both user input signals, they do not mean the same user input signals unless the context clearly indicates otherwise.
  • the operations according to the embodiments described in this document may be performed by a transceiver device including a memory and/or a processor according to the embodiments.
  • the memory may store programs for processing/controlling the operations according to the embodiments, and the processor may control various operations described in this document.
  • the processor may be referred to as a controller, etc.
  • the operations according to the embodiments may be performed by firmware, software, and/or a combination thereof, and the firmware, software, and/or a combination thereof may be stored in the processor or in the memory.
  • the transmitting/receiving device may include a transmitting/receiving unit for transmitting and receiving media data, a memory for storing instructions (program code, algorithm, flowchart, and/or data) for a process according to the embodiments, and a processor for controlling the operations of the transmitting/receiving device.
  • the processor may be referred to as a controller or the like, and may correspond to, for example, hardware, software, and/or a combination thereof.
  • the operations according to the above-described embodiments may be performed by the processor.
  • the processor may be implemented as an encoder/decoder or the like for the operations of the above-described embodiments.
  • the embodiments may be applied in whole or in part to a point cloud data transmission and reception device and system.
  • Embodiments may include modifications/changes, which do not depart from the scope of the claims and their equivalents.

Landscapes

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

Abstract

실시예들에 따른 복호화 방법은 비트스트림 내 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계; 및 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계; 를 포함할 수 있다. 실시예들에 따른 부호화 방법은 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계; 를 포함할 수 있다.

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
실시예들에 따른 복호화 방법은 비트스트림 내 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계; 및 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계; 를 포함할 수 있다. 실시예들에 따른 부호화 방법은 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계; 를 포함할 수 있다.
실시예들에 따른 장치 및 방법은 높은 효율로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 장치 및 방법은 높은 퀄리티의 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 장치 및 방법은 VR 서비스, 자율주행 서비스 등 범용적인 서비스를 제공하기 위한 포인트 클라우드 콘텐트를 제공할 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다. 이하에서 설명하는 다양한 실시예들의 보다 나은 이해를 위하여, 하기 도면들에 걸쳐 유사한 참조 번호들이 대응하는 부분들을 포함하는 다음의 도면들과 관련하여 이하의 실시예들의 설명을 반드시 참조해야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 3은 실시예들에 따른 포인트 클라우드 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.
도11은 실시예들에 따른 부호화 장치를 나타낸다.
도12는 실시예들에 따른 어트리뷰트 데이터의 부호화를 나타낸다.
도13은 실시예들에 따른 복호화 장치를 나타낸다.
도14는 실시예들에 따른 어트리뷰트 데이터의 복호화를 나타낸다.
도15는 실시예들에 따른 어트리뷰트 좌표 스케일링 방법을 나타낸다.
도16은 실시예들에 따른 어트리뷰트 좌표 스케일링 방법을 나타낸다.
도17은 실시예들에 따른 비트스트림을 나타낸다.
도18은 실시예들에 따른 시퀀스 파라미터 세트 신택스를 나타낸다.
도19는 실시예들에 따른 어트리뷰트 파라미터 세트 신택스를 나타낸다.
도20은 실시예들에 따른 타일 파라미터 세트 신택스를 나타낸다.
도21은 실시예들에 따른 어트리뷰트 데이터 헤더 신택스를 나타낸다.
도22는 실시예들에 따른 부호화 방법을 나타낸다.
도23은 실시예들에 따른 복호화 방법을 나타낸다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 컨텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000)뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 데이터 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)으로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 3은 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 30000), 양자화부(Quantize and Remove Points (Voxelize), 30001), 옥트리 분석부(Analyze Octree, 30002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 30003), 아리스메틱 인코더(Arithmetic Encode, 30004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 30005), 컬러 변환부(Transform Colors, 30006), 어트리뷰트 변환부(Transfer Attributes, 30007), RAHT 변환부(30008), LOD생성부(Generated LOD, 30009), 리프팅 변환부(Lifting)(30010), 계수 양자화부(Quantize Coefficients, 30011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 30012)를 포함한다.
좌표계 변환부(30000), 양자화부(30001), 옥트리 분석부(30002), 서페이스 어프록시메이션 분석부(30003), 아리스메틱 인코더(30004), 및 지오메트리 리컨스트럭션부(30005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(30000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(30001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(30001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(30001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(30001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(30002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(30003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(30004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(30006), 어트리뷰트 변환부(30007), RAHT 변환부(30008), LOD생성부(30009), 리프팅 변환부(30010), 계수 양자화부(30011) 및/또는 아리스메틱 인코더(30012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(30006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(30006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(30006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(30005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(30005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(30007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(30007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(30007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(30007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(30007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(30007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(30007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(30007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(30007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(30008) 및/또는 LOD 생성부(30009)로 입력된다.
실시예들에 따른 RAHT 변환부(30008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(30008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(30009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(30010)는 포인트 클라우드의 어트리뷰트들을 가중치에 기반하여 변환하는 리프팅 변환 코딩을 수행한다. 상술한 바와 같이 리프팅 변환 코딩은 선택적으로 적용될 수 있다.
실시예들에 따른 계수 양자화부(30011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(30012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 3의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 3의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 3의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 4는 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 3에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(30002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 4의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (xint n, yint n, zint n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
d =Ceil(Log2(Max(x_n^int,y_n^int,z_n^int,n=1,…,N)+1))
도 4의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 4 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 4의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 4에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 3의 포인트 클라우드 인코더, 또는 옥트리 분석부(30002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(30004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(30003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(Δx, Δy, Δz), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(30005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③ 자승을 수행하고 그 값을 모두 더한 값을 구한다.
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다.
Triangles formed from vertices ordered 1,…,n
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 5는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(30009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 6는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 5에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 3의 포인트 클라우드 인코더, 또는 LOD 생성부(30009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 6의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 6의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 6의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 6에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 3에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(30011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.
Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
표. Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(30010))는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(30011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(30008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다. gl x, y, z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. gl x, y, z 는 gl+1 2x, y, z와 gl+1 2x+1, y, z로부터 계산될 수 있다. gl 2x, y, z 와 gl 2x+1, y, z 의 가중치를 w1=w l 2x, y, z 과 w2=w l 2x+1, y, z 이다.
gl-1 x, y, z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. hl-1 x, y, z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는 w l-1 x, y, z=w l 2x, y, z+w l 2x+1, y, z로 계산된다. 루트 노드는 마지막 g1 0, 0, 0 과 g1 0, 0, 1을 통해서 다음과 같이 생성된다.,
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 7은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 7에 도시된 포인트 클라우드 디코더는 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 6에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 7000), 옥트리 합성부(synthesize octree, 7001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 7002), 지오메트리 리컨스트럭션부(reconstruct geometry, 7003), 좌표계 역변환부(inverse transform coordinates, 7004), 아리스메틱 디코더(arithmetic decode, 7005), 역양자화부(inverse quantize, 7006), RAHT변환부(7007), LOD생성부(generate LOD, 7008), 인버스 리프팅부(Inverse lifting, 7009), 및/또는 컬러 역변환부(inverse transform colors, 7010)를 포함한다.
아리스메틱 디코더(7000), 옥트리 합성부(7001), 서페이스 오프록시메이션 합성부(7002), 지오메트리 리컨스럭션부(7003), 좌표계 역변환부(7004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 6에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(7000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(7000)의 동작은 아리스메틱 인코더(30004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(7001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(7002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(7003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 6에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(7003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(7003)는 지오메트리 리컨스트럭션부(30005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 4에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(7004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(7005), 역양자화부(7006), RAHT 변환부(7007), LOD생성부(7008), 인버스 리프팅부(7009), 및/또는 컬러 역변환부(7010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(7005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(7006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(7010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(7010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(30006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 7의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 7의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도7의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 8은 실시예들에 따른 전송 장치의 예시이다.
도 8에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 3의 포인트 클라우드 인코더)의 예시이다. 도 8에 도시된 전송 장치는 도 1 내지 도 6에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(8000), 양자화 처리부(8001), 복셀화 처리부(8002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(8003), 표면 모델 처리부(8004), 인트라/인터 코딩 처리부(8005), 아리스메틱 (Arithmetic) 코더(8006), 메타데이터 처리부(8007), 색상 변환 처리부(8008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(8009), 예측/리프팅/RAHT 변환 처리부(8010), 아리스메틱 (Arithmetic) 코더(8011) 및/또는 전송 처리부(8012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(8000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(8000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(8000), 양자화 처리부(8001), 복셀화 처리부(8002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(8003), 표면 모델 처리부(8004), 인트라/인터 코딩 처리부(8005), Arithmetic 코더(8006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 6에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(8001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(8001)의 동작 및/또는 양자화는 도 3에서 설명한 양자화부(30001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(8002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(80002)는 도 3에서 설명한 양자화부(30001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(8003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(8003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(8003)는 도 3 및 도 4에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(30002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(8004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(8004)는 도 3 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(30003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(8005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(8005)는 도 7에서 설명한 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 구체적인 설명은 도 7에서 설명한 바와 동일하다. 실시예들에 따라 인트라/인터 코딩 처리부(8005)는 아리스메틱 코더(8006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(8006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(8006)는 아리스메틱 인코더(30004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(8007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(8007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(8008), 어트리뷰트 변환 처리부(8009), 예측/리프팅/RAHT 변환 처리부(8010), 아리스메틱 (Arithmetic) 코더(8011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 6에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(8008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(8008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 6에서 설명한 바와 동일하다. 또한 도 3에서 설명한 컬러 변환부(30006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(8009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(8009)는 도 3에 설명한 어트리뷰트 변환부(30007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(8010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(8010)는 도 3에서 설명한 RAHT 변환부(30008), LOD 생성부(30009) 및 리프팅 변환부(30010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 6에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(8011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(8011)는 아리스메틱 인코더(300012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(8012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(8007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(8012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(8012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 9는 실시예들에 따른 수신 장치의 예시이다.
도 9에 도시된 수신 장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 9에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(9000), 수신 처리부(9001), 아리스메틱 (arithmetic) 디코더(9002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(9003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(9004), 인버스(inverse) 양자화 처리부(9005), 메타데이터 파서(9006), 아리스메틱 (arithmetic) 디코더(9007), 인버스(inverse)양자화 처리부(9008), 예측/리프팅/RAHT 역변환 처리부(9009), 색상 역변환 처리부(9010) 및/또는 렌더러(9011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(9000)는 포인트 클라우드 데이터를 수신한다. 수신부(9000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(9001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(9001)는 수신부(9000)에 포함될 수 있다.
아리스메틱 디코더(9002), 오큐판시 코드 기반 옥트리 재구성 처리부(9003), 표면 모델 처리부(9004) 및 인버스 양자화 처리부(9005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(9002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(9002)는 아리스메틱 디코더(7000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(9003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(9003)는 옥트리 합성부(7001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(9004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(9004)는 서페이스 오프록시메이션 합성부(7002) 및/또는 지오메트리 리컨스트럭션부(7003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(9005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(9006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(9006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 8에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(9007), 인버스 양자화 처리부(9008), 예측/리프팅/RAHT 역변환 처리부(9009) 및 색상 역변환 처리부(9010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(9007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(9007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(9007)는 아리스메틱 디코더(7005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(9008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(9008)는 역양자화부(7006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(9009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(9009)는 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(9010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(9010)는 컬러 역변환부(7010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(9011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 10은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 10의 구조는 서버(1060), 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040), 가전(1050) 및/또는 HMD(1070) 중에서 적어도 하나 이상이 클라우드 네트워크(1010)와 연결된 구성을 나타낸다. 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040) 또는 가전(1050) 등은 장치라 호칭된다. 또한, XR 장치(1030)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1000)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1000)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1060)는 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040), 가전(1050) 및/또는 HMD(1070) 중에서 적어도 하나 이상과 클라우드 네트워크(1000)을 통하여 연결되고, 연결된 장치들(1010 내지 1070)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1070)는 실시예들에 따른 XR 디바이스 및/또는 PCC 디바이스가 구현될 수 있는 타입 중 하나를 나타낸다. 실시예들에 따른HMD 타입의 디바이스는, 커뮤니케이션 유닛, 컨트롤 유닛, 메모리 유닛, I/O 유닛, 센서 유닛, 그리고 파워 공급 유닛 등을 포함한다.
이하에서는, 상술한 기술이 적용되는 장치(1010 내지 1050)의 다양한 실시 예들을 설명한다. 여기서, 도 10에 도시된 장치(1010 내지 1050)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1030)는 PCC 및/또는 XR(AR+VR) 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수도 있다.
XR/PCC 장치(1030)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 어트리뷰트 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR/PCC 장치(1030)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+XR+모바일폰>
XR/PCC 장치(1030)는 PCC기술이 적용되어 모바일폰(1040) 등으로 구현될 수 있다.
모바일폰(1040)은 PCC 기술에 기반하여 포인트 클라우드 콘텐츠를 디코딩하고, 디스플레이할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1020)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1020)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(1020)은 XR 장치(1030)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1020)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1020)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 발명의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 데이터 (PCC) 송수신 장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신 장치 차량에 탑재된 경우, 포인트 클라우드 송수신 장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
실시예들에 따른 부호화 방법 및 장치는 도1 송신 장치(10000), 인코더(10002), 도2 획득(20000) 내지 전송(20001), 도3 인코더, 도8 인코더, 도10 각 디바이스, 도11 내지 도12 인코더, 도15 내지 도16 어트리뷰트 스케일링, 도17 내지 도21 비트스트림 및 신택스 생성, 도22 인코딩 방법 등에 대응할 수 있다.
실시예들에 따른 복호화 방법 및 장치는 도1 수신 장치(10004), 디코더(10006), 도2 전송(20002) 내지 렌더링(20004), 도7 디코더, 도9 디코더, 도10 각 디바이스, 도13 내지 도14 디코더, 도15 내지 도16 어트리뷰트 스케일링, 도17 내지 도21 비트스트림 및 신택스 획득, 도23 디코딩 방법 등에 대응할 수 있다.
실시예들에 따른 부/복호화 방법 및 장치는 줄여서 실시예들에 따른 방법 및 장치로 지칭될 수 있다. 실시예들에 따른 방법 및 장치는 포인트 클라우드 속성 압축을 위한 지오메트리 스케일링 방법(Geometry scaling method for point cloud attribute coding)을 포함한다.
실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 G-PCC(Geometry-based Point Cloud Compression)의 속성(attributes)의 압축 효율을 높이기 위한 방법에 관한 것으로서, 속성 압축 효율을 높이기 위하여 복호화된 지오메트리를 스케일링 하는 방법을 포함한다. 예를 들어, 지오메트리 스케일링 방법; 및/또는 시그널링 방법 등을 포함한다.
실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 G-PCC(Geometry-based Point Cloud Compression)의 압축 효율을 높이기 위한 방안에 관한 것이다. 이하 인코더(encoder), 부호화기는 부호화기로 디코더(decoder), 복호화기는 복호화기로 지칭한다.
포인트 클라우드는 포인트(point)들의 집합으로 구성되며, 각 포인트는 지오메트리(geometry) 정보(지오메트리 데이터)와 속성(attributes) 정보(어트리뷰트 데이터)를 가질 수 있다. 지오메트리 정보는 3차원 위치(XYZ) 정보이며, 속성 정보는 색상(RGB, YUV 등) 또는/과 반사(Reflectance) 값이다.
G-PCC 부호화(encoding) 과정은 포인트 클라우드를 영역에 따라 타일로 분할하고, 병렬 처리를 위해 각 타일을 슬라이스들로 분할할 수 있다. 각 슬라이스 단위로 지오메트리를 압축하고, 압축을 통해 변경된 위치 정보들로 재구성 된 지오메트리(reconstructed geometry=복호화된 지오메트리)를 바탕으로 속성 정보를 압축하는 과정으로 구성될 수 있다.
G-PCC 복호화(decoding) 과정은 부호화된 슬라이스 단위의 지오메트리 비트스트림(bitstream)과 속성 비트스트림을 전송 받아서 지오메트리를 복호화하고 복호화 과정을 통해 재구성된 지오메트리를 기반으로 속성 정보를 복호화하는 과정으로 구성될 수 있다.
지오메트리 정보 압축을 위해 옥트리(octree) 기반, 예측 트리(predictive tree) 기반, 또는 트라이숩(trisoup) 기반 압축 기법을 사용할 수 있다.
속성 정보 압축을 위해 예측 변환(predicting transform) 기반, 리프팅 변환(Lifting Transform) 기반, 또는 RAHT 변환 기반 압축 기법을 사용할 수 있다.
실시예들은 포인트 클라우드 콘텐츠의 속성 압축에서 사용하는 지오메트리 값을 스케일링 함으로써 높은 압축 효율을 얻기 위한 방법을 제공한다.
복원된 지오메트리 정보는 포인트클라우드의 속성 압축에서 사용된다. 예를들어 LOD 기반의 리프팅 변환(Lifting transform) 또는 예측 변환(Predictive transform)이 사용하는 속성 압축 방법에서는 서브 샘플링, 최근접 이웃 포인트, 가중치 생성 과정에서 복원된 지오메트리가 사용된다. 또한 RAHT에서는 변환의 대상이 되는 단위인 노드를 생성할 때 복원된 지오메트리가 사용된다.
여기서 LiDAR 시퀀스와 같은 포인트클라우드 데이터는 많은 포인트가 x-y 평면에 밀도 높게 분포해 있고 z 방향으로는 드물게 분포해 있을 있다. 이러한 경우 리프팅 변환에서는 최근접 이웃 탐색에 있어 한정된 탐색 범위로 인해 서로 다른 속성을 가지는 포인트가 최근접 이웃으로 선택될 수 있으며, RAHT에서는 서로 다른 속성을 가지는 포인트가 RAHT의 앞쪽 단계에서 변환이 수행되면서 고주파수 성분으로 고려되어 상대적으로 큰 변환 계수가 생성될 수 있다.
따라서, 실시예들은 복원된 지오메트리 정보를 시퀀스의 특징에 따라 스케일링을 해주어 서로 유사한 속성을 가지는 포인트 단위로 부호화 및 복호화가 수행될 수 있도록 하여 높은 압축 성능을 제공할 수 있다.
실시예들 간 변경 및 결합이 가능하다. 본 문서에서 사용되는 용어는 해당 분야에서 널리 사용되는 범위 내에서, 용어의 의도된 의미에 근거하여 이해될 수 있다. 본 발명에서 제안하는 지오메트리 스케일링 방법은 PCC 부호화기/복호화기에서 모두 수행되고 적용할 수 있다.
실시예들에 따른 부/복호화 방법은 지오메트리 데이터를 스케일링하는 단계를 포함한다(지오메트리 스케일링 방법).
복원된 지오메트리 정보는 어트리뷰트 부호화 또는 복호화 이전에 스케일링이 수행될 수 있다. 여기서 지오메트리가 가지는 모든 요소에 대하여 모두 같은 값으로 스케일링될 수 있다. 지오메트리가 가지는 모든 요소에 대하여 요소 별 서로 다른 값으로 스케일링될 수 있다. 또한, 복원된 지오메트리는 속성 부호화 및 복호화 내부에 별도의 버퍼에 저장되어 스케일링 될 수 있다. 예를 들어, 스케일링이 수행되더라도 원본 지오메리트 정보가 변경되지 않을 수 있다.
예를 들어, 포인트클라우드가 구면 좌표계로 변환된 포인트클라우드의 경우에만 스케일링 값으로 스케일링이 수행될 수 있다. 그 이외의 경우에는 스케일링이 사용되지 않을 수 있다. 아래의 pseudo 코드는 어트리뷰트 압축을 위해 스케일링 하는 과정을 의미할 수 있다. 여기서 AttrPos는 어트리뷰트 코딩에서 사용되는 지오메트리 정보를 의미할 수 있다. attr_coord_conv_scale은 스케일 값(predBias)을 의미할 수 있으며, attr_coord_conv_enabled는 구면좌표계 변환 여부를 나타내는 플레그를 의미할 수 있다. 구면좌표계에 대한 스케일값 존재할 수 있고 여기서 '8'이라는 값은 스케일 업 또는 다운 모두 가능하다.
실시예들에 따른 부호화 방법은 슬라이스 내 어트리뷰트 데이터를 부호화할 수 있다. 실시예들에 따른 복호화 방법은 슬라이스 내 어트리뷰트 데이터를 복호화할 수 있다.
포인트 클라우드 데이터(포인트)의 좌표계는 다음과 같이 설정될 수 있다.
좌표계의 k성분의 포인트 인덱스에 따른 어트리뷰트 포지션(AttrPos[ptIdx][k])의 값은 어트리뷰트 좌표계 컨벌루션 인에이블(attr_coord_conv_enabled) 플래그에 따라 다음과 같이 설정된다:
만약 attr_coord_conv_enabled가 활성화되어 있다면:
AttrPosAng[ptIdx][k] 값을 사용한다.
그렇지 않고 attr_inter_prediction_enabled가 활성화되어 있다면:
PointPos[ptIdx][k] + SliceOrigin[k] 값을 사용한다.
두 조건 모두 만족하지 않으면:
PointPos[ptIdx][k] 값을 사용한다.
스케일링된 각도 좌표계로의 변환(Conversion to scaled angular coordinates):
AttrPosAng[ptIdx][k] 값은 다음과 같이 계산된다:
DivExp2Up(relPos Х attr_coord_conv_scale[k], 8)
여기서, relPos는 Max(0, PointAng[ptIdx][k] - minAng[k])로 계산된다.
MinAng[k] 값은 조건에 따라 결정된다:
만약 geom_tree_type == 1이고 slice_attr_inter_prediction == 1이면
Min(MinCurAng[k], MinRefAng[k]) 값이 된다. 그렇지 않으면 MinCurAng[k] 값이 된다.
MinCurAng[k] 값은 아래 조건으로 정의된다: 만약 geom_tree_type == 1이고 k == 1이면
-Exp2(ptree_ang_azimuth_pi_bits_minus11 + 10)이고, 그렇지 않으면 0으로 설정된다.
포인트 클라우드 데이터의 속성(slice attributes)이 다음과 같이 처리될 수 있다. 예를 들어, 실시예들에 따른 방법은 포인트 좌표(point coordinates)의 변환 및 각도 좌표 스케일링(scaled angular coordinates) 방법을 포함할 수 있다.
포인트 좌표 변환 방법 관련하여, 포인트의 좌표 값 AttrPos[ptIdx][k]는 좌표 변환 기능(attr_coord_conv_enabled)의 활성화 여부에 따라 선택적으로 설정된다. 좌표 변환 기능이 활성화된 경우, 포인트 각도 좌표(AttrPosAng[ptIdx][k])가 선택된다. 좌표 변환 기능이 비활성화되고, 속성 간 예측 기능(attr_inter_prediction_enabled)이 활성화된 경우, 포인트의 좌표 값(PointPos[ptIdx][k])과 슬라이스 원점(SliceOrigin[k])의 합산 값이 선택된다. 두 기능 모두 비활성화된 경우, 포인트의 좌표 값(PointPos[ptIdx][k])이 선택된다.
스케일 각도 좌표로의 변환 방법 관려낳여, 포인트의 각도 좌표(AttrPosAng[ptIdx][k])는 다음과 같이 계산된다: AttrPosAng[ptIdx][k] := DivExp2Up(relPos Х attr_coord_conv_scale[k], 8)
여기서, 상대 위치(relPos)는 다음과 같이 정의된다.
relPos := Max(0, PointAng[ptIdx][k] - MinAng[k])
최소 각도(MinAng[k]는 조건에 따라 선택된다.
만약 기하 트리 유형(geom_tree_type)이 1이고, 슬라이스 속성 간 예측(slice_attr_inter_prediction)이 활성화된 경우, Min(MinCurAng[k], MinRefAng[k]) 값이 선택된다. 그렇지 않으면, MinCurAng[k] 값이 선택된다.
현재 최소 각도(MinCurAng[k])는 다음과 같이 정의된다.
만약 geom_tree_type == 1이고 k == 1인 경우, -Exp2(ptree_ang_azimuth_pi_bits_minus11 + 10) 값이 설정된다. 그렇지 않으면 0으로 설정된다.
전술한 동작을 pseudo 코드로 작성하면 다음과 같다.
슬라이스 어트리뷰트
포인트 좌표
AttrPos[ptIdx][k] := attr_coord_conv_enabled
? AttrPosAng[ptIdx][k]
: (attr_inter_prediction_enabled
? PointPos[ptIdx][k] + SliceOrigin[k]
: PointPos[ptIdx][k])
슬라이스 어트리뷰트
포인트 좌표
스케일된 각도 좌표계로 변환
AttrPosAng[ptIdx][k] := DivExp2Up(relPos Х attr_coord_conv_scale[k], 8)
where
relPos := Max(0, PointAng[ptIdx][k] - minAng[k])
MinAng[k] := geom_tree_type == 1 && slice_attr_inter_prediction == 1
? Min(MinCurAng[k], MinRefAng[k]) : MinCurAng[k]
MinCurAng[k] := geom_tree_type == 1 && k == 1
? -Exp2(ptree_ang_azimuth_pi_bits_minus11 + 10)
: 0
복원된 지오메트리는 스케일링이 수행된 이후 어트리뷰트에 대하여 화면 간 예측이 사용된다면 추가로 슬라이스의 원점이 더해질 수 있다. 아래 pseudo 코드는 복원된 지오메트리에 대하여 스케일링 하는 과정을 의미한다.
포인트클라우드가 구면 좌표계로 변환되지 않은 경우 별도의 스케일링 값으로 스케일링이 수행될 수 있다. 아래의 pseudo 코드는 어트리뷰트 압축을 위해 스케일링 하는 과정을 의미한다. 여기서 attr_coord_scale은 지오메트리의 각 축에 대한 스케일 값을 의미할 수 있다.
포인트 클라우드 데이터의 좌표 처리 방법은 포인트 좌표의 변환 여부 및 속성 간 예측(inter-prediction)의 활성화 여부에 따라 포인트 좌표 값을 적응적으로 설정할 수 있다.
포인트 좌표 처리 방법 관련하여, 포인트의 좌표 값 AttrPos[ptIdx][k]는 좌표 변환 기능(attr_coord_conv_enabled)의 활성화 여부에 따라 선택적으로 결정된다.
좌표 변환 기능이 활성화된 경우:
포인트의 각도 좌표(AttrPosAng[ptIdx][k])가 선택된다.
좌표 변환 기능이 비활성화된 경우:
속성 간 예측 기능(attr_inter_prediction_enabled)의 활성화 여부를 판단하여,
속성 간 예측 기능이 활성화된 경우:
포인트 좌표(PointPos[ptIdx][k])에 좌표 스케일 값(attr_coord_scale[k])을 곱한 후, 슬라이스 원점(SliceOrigin[k])을 더한 값이 선택된다.
PointPos[ptIdx][k] Х attr_coord_scale[k] + SliceOrigin[k]
속성 간 예측 기능이 비활성화된 경우:
포인트 좌표(PointPos[ptIdx][k])에 좌표 스케일 값(attr_coord_scale[k])을 곱한 값이 선택된다.
PointPos[ptIdx][k] Х attr_coord_scale[k]
전술한 동작을 pseudo 코드로 보면 다음과 같다.
슬라이스 어트리뷰트
포인트 좌표
AttrPos[ptIdx][k] := attr_coord_conv_enabled
? AttrPosAng[ptIdx][k]
: (attr_inter_prediction_enabled
? PointPos[ptIdx][k] Х attr_coord_scale[k] + SliceOrigin[k]
: PointPos[ptIdx][k] Х attr_coord_scale[k])
어트리뷰트 데이터의 인코딩 혹은 디코딩과정에서 RAHT 이용 시 재구성된 속성 값(Reconstructed attribute values)은 다음과 같이 정의된다.
어트리뷰트 데이터의 인코딩 혹은 디코딩 과정에서 슬라이스 지오메트리를 재구성된 속성 값으로 매핑할 때, 동일한 속성 좌표를 가진 점들을 RahtRecon[ s][t][v][i]의 연속된 요소 에 정규 점 순서로 매핑해야 한다. 즉, 번째 요소는 AttrPos의 시작부터 속성 좌표 (s,t,v)의 번째 인스턴스가 된다. 속성 좌표 (s,t, v)는 PredBias로 가중치가 부여된다.
아래 설명은 희소 배열 dupPtIdx를 기준으로 설명된다. dupPtIdx[s][t][v]는 속성 좌표 (s,t,v)가 있는 포인트의 누적 개수이다. dupPtIdx의 설정되지 않은 요소는 0으로 추론된다.
for (ptIdx = 0; ptIdx < PointCnt; ptIdx++) { s = AttrPos[ptIdx][0] Х PredBias[0] t = AttrPos[ptIdx][1] Х PredBias[1] v = AttrPos[ptIdx][2] Х PredBias[2] i = dupPtIdx[s][t][v] dupPtIdx[s][t][v]++ PointAttr[ptIdx][Cidx] = RahtRecon[s][t][v][i] }
어트리뷰트 데이터의 인코딩 혹은 디코딩과정에서 LoD 이용 시 LoD에서 가장 정밀한 세부 수준(finest detail level)에서 다음 동작이 수행된다:
가장 정밀한 세부 수준의 AttrPos 포인트 인덱스는 슬라이스 지오메트리의 표준 디코딩 순서와 초기 일대일 대응 관계를 가져야 한다.
for (ptIdx = 0; ptIdx < PointCnt; ptIdx++) LodPtIdx[0][ptIdx] = ptIdx LodPtCnt[0] = PointCnt
AttrPos 포인트는 PredBias에 의해 가중치가 부여된다.
for (ptIdx = 0; ptIdx < PointCnt; ptIdx++) for (k = 0; k < 3; k++) AttrPos[ptIdx][k] = AttrPos[ptIdx][k] Х PredBias[k]
전술한 동작들은 슬라이스 어트리뷰트의 포인트 좌표를 설정하는 동작으로 해석될 수 있다. 또한 구면 좌표계 변환(spherical coordinate conversion)이 적용되는 경우, 어트리뷰프 각도 좌표에 대한 스케일링이 적용될 수 있다. 실시예들에 따라 coord_conv_enabled의 값과 관련 없이, 어트리뷰트 복원 또는 어트리뷰트 디코딩 과정에서 어트리뷰트 좌표계에 가중치가 적용될 수 있다.
도11은 실시예들에 따른 부호화 장치를 나타낸다.
도11 장치는 도1 송신 장치(10000), 인코더(10002), 도2 획득(20000) 내지 전송(20001), 도3 인코더, 도8 인코더, 도10 각 디바이스, 도12 인코더, 도15 내지 도16 어트리뷰트 스케일링, 도17 내지 도21 비트스트림 및 신택스 생성, 도22 인코딩 방법 등에 대응할 수 있다.
도11의 PCC 데이터 부호화기의 블록도를 참조하면, 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다. 부호화기의 입력으로 PCC 데이터가 들어가고 부호화되어 지오메트리 정보 비트스트림과 속성정보 비트스트림이 출력될 수 있다.
데이터 입력부는 입력 받은 데이터(예, ply, configuration file 등)를 읽고 설정할 수 있다.
좌표계 변환부는 xyz축을 변경한다거나 xyz 직교 좌표계에서 spherical 좌표계로 변환하는 등 좌표계 변화를 지원할 수 있다.
지오메트리 정보 변환 양자화 처리부는 스케일(scale=geometry quantization 값) 설정에 맞춰서 포인트 클라우드 포인트의 지오메트리 위치 x, y, z값에 스케일을 곱하여 스케일을 조절할 수 있다.
공간 분할부는 콘텐츠의 영역별 접근 또는 병렬처리를 위해 타일(Tile) 또는 슬라이스(Slice)로 분할할 수 있다.
지오메트리 부호화부는 공간 분할된 지오메트리 정보를 부호화 하여 지오메트리 정보 비트스트림을 생성할 수 있다.
색상 변환 처리부는 RGB색상을 YUV로 변경하는 등, 어트리뷰트 타입 변환을 지원할 수 있다.
색상 재조정부는 지오메트리가 스케일이 적용되어 위치정보 값이 변경되었을 경우, 변경된 위치에 적합한 어트리뷰트 값을 예측해줄 수 있다.
어트리뷰트 정보 부호화부는 색상 재조정된 원본 어트리뷰트 정보, 복원된 지오메트리 정보, 참조 프레임을 입력 받아 부호화를 수행하여 어트리뷰트 정보 비트스트림을 생성할 수 있다.
참조 프레임 생성부는 복원된 지오메트리, 복원된 속성 정보를 참조 프레임 버퍼에 저장하고, 다른 모듈에 참조 프레임으로부터 참조 프레임 데이터를 전달할 수 있다.
도 11의 지오메트리 데이터 및 어트리뷰트 데이터의 처리 장치의 구성 및 순서도는 다음과 같다.
부호화기의 입력 데이터로서 지오메트리 정보(지오메트리 데이터)와 어트리뷰트 정보(어트리뷰트 데이터) 및 파라미터(parameters)를 포함하는 데이터가 데이터 입력부에 입력된다. 데이터 입력부로부터 수신된 지오메트리 정보는 좌표계 변환부에서 처리되어 적절한 좌표계로 변환된다. 변환된 지오메트리 정보는 지오메트리 정보 변환 양자화 처리부에서 양자화 처리되고, 이후 공간 분할부를 거쳐 공간적으로 분할된다.
공간 분할된 지오메트리 정보는 지오메트리 정보 부호화부를 통해 부호화되며, 지오메트리 정보 비트스트림으로 출력된다.
입력 데이터로부터 획득된 어트리뷰트 원본 데이터는 색상 변환 처리부에서 색상 변환을 수행한 후, 필요에 따라 색상 재조정(recoloring)부에서 재조정된다. 재조정된 어트리뷰트 데이터는 어트리뷰트 정보 부호화부를 통해 부호화되어, 최종적으로 어트리뷰트 정보 비트스트림으로 출력된다.
지오메트리 정보 및 어트리뷰트 정보의 복원을 위해 참조 프레임 생성부는 참조 프레임 버퍼에 참조 프레임을 저장하고 관리한다. 참조 프레임은 복원된 지오메트리 정보 및 복원된 어트리뷰트 정보의 생성에 이용된다.
도12는 실시예들에 따른 어트리뷰트 데이터의 부호화를 나타낸다.
도12는 도11 장치의 어트리뷰트 데이터의 인코딩을 보다 상세히 설명한다.
도12의 어트리뷰트 정보 부호화부의 블록도의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다.
어트리뷰트정보 부호화부는 분할된 포인트 클라우드 데이터를 입력 받아 부호화하여 어트리뷰트 정보 비트스트림을 생성할 수 있다.
속성 좌표계 스케일링부는 분할된 포인트 클라우드 데이터를 입력 받아 지오메트리 정보에 대하여 스케일링 할 수 있다.
LOD 생성부는 분할된 포인트 클라우드 데이터를 입력 받아 LOD를 생성할 수 있으며, 리프팅 변환 및 예측 변환에 사용되는 포인트 별 이웃이 결정될 수 있다. 이때, LOD 생성부는 LOD 파라미터가 있는 경우에 수행될 수 있다.
리프팅 변환부는 생성된 LOD를 이용하여 LOD 레벨 별 예측 및 갱신 과정을 통해 어트리뷰트 정보에 대하여 주파수 변환을 수행하여 변환 계수를 생성할 수 있다. 생성된 변환 계수는 양자화되어 어트리뷰트 정보 엔트로피 부호화부로 전송될 수 있다. 또한, 내부적으로 역변환을 수행하여 복원된 어트리뷰트 정보를 출력할 수 있다.
예측 변환은 LOD 생성 과정에서 결정된 이웃 포인트들을 이용해 현재 포인트를 예측하는 예측 변환이 수행될 수 있다. 예측된 어트리뷰트 정보와 원본 어트리뷰트 정보를 차분한 값을 변환 계수라 할 수 있으며, 이를 양자화 하여 어트리뷰트 정보 엔트로피 부호화부로 전달할 수 있다. 또한, 역양자화 및 예측 역변환을 통해 어트리뷰트 정보를 복원하여 출력할 수 있다.
RAHT는 LOD 파라미터가 없는 경우 수행될 수 있다. RAHT는 분할된 포인트 클라우드 데이터를 입력 받아 RAHT (Region Adaptive Hierarchical Transform)을 수행하여 주파수 도메인으로 변환되어 변환 계수를 생성할 수 있다. 이후 변환 계수는 양자화되어 어트리뷰트 정보 엔트로피 부호화부로 전달될 수 있다.
도 12의 포인트 클라우드 데이터의 속성 좌표계 스케일링 및 어트리뷰트 정보 부호화 과정은 다음과 같다.
입력 데이터로서 분할된 포인트 클라우드 데이터가 수신되고 속성 좌표계 스케일링부에서 속성 좌표계의 스케일링 처리를 수행한다. 이때, LOD(Level of Detail) 파라미터의 유무에 따라 후속 처리 경로가 선택된다.
LOD 파라미터가 존재하는 경우(Yes): 입력 데이터는 LOD 생성부로 전달되어 계층화된 데이터 표현을 위한 LOD 정보가 생성된다. 이후 최근접 포인트 그룹 결정부가 최근접 이웃 포인트 그룹을 결정하며, 가중치 계산부에서 포인트 그룹 내 각 포인트의 가중치가 계산된다. 계산된 정보를 바탕으로, 리프팅 변환부 및 예측 변환부가 각각 수행된다. 변환 결과는 어트리뷰트 정보 엔트로피 부호화부로 전달되어 엔트로피 부호화가 수행된다.
LOD 파라미터가 존재하지 않는 경우(No): 입력 데이터는 RAHT(Rectangular Approximation Haar Transform) 모듈을 통해 변환된다. 변환된 데이터는 마찬가지로 어트리뷰트 정보 엔트로피 부호화부에 의해 엔트로피 부호화가 수행된다. 부호화된 데이터는 어트리뷰트 정보 비트스트림으로 출력된다.
도13은 실시예들에 따른 복호화 장치를 나타낸다.
도13은 도1 수신 장치(10004), 디코더(10006), 도2 전송(20002) 내지 렌더링(20004), 도7 디코더, 도9 디코더, 도10 각 디바이스, 도14 디코더, 도15 내지 도16 어트리뷰트 스케일링, 도17 내지 도21 비트스트림 및 신택스 획득, 도23 디코딩 방법 등에 대응할 수 있다.
도13의 PCC 데이터 복호화기의 블록도의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다. 복호화기의 입력으로 부호화된 지오메트리정보 비트스트림과 속성정보 비트스트림이 들어가고 복호화 되어 복원된 PCC된 데이터가 출력될 수 있다
지오메트리 정보 복호화부는 지오메트리 정보 비트스트림을 입력 받아 복호화 하여 지오메트리 정보를 복원할 수 있다.
좌표계 역변환부는 변경된 xyz축을 복원하거나 변환된 좌표계를 xyz 직교 좌표계로 역변환 할 수 있다.
지오메트리 정보 변환 역양자화 처리부는 시그널링된 스케일(scale=geometry quantization 값)을 복원하여 복원된 포인트의 지오메트리 위치 x, y, z값에 적용하여 복원할 수 있다.
어트리뷰트 잔차 정보 엔트로피 복호화는 어트리뷰트 비트스트림을 엔트로피 복호화 할 수 있다.
어트리뷰트 정보 복호화부는 어트리뷰트 정보 비트스트림을 입력 받아 복호화하여 어트리뷰트 정보를 복원할 수 있다.
색상 역변환 처리부는 변환된 어트리뷰트를 RGB색상으로 복원할 수 있다.
참조 프레임 생성부는 복원된 지오메트리, 복원된 속성 정보를 참조 프레임 버퍼에 저장하고, 다른 모듈에 참조 프레임으로부터 참조 프레임 데이터를 전달할 수 있다.
도 13의 지오메트리 정보 및 어트리뷰트 정보의 복호화(decoding) 과정은 다음과 같다
입력으로 제공되는 지오메트리 정보 비트스트림은 먼저 지오메트리 정보 복호화부에 의해 복호화된다. 복호화된 데이터는 좌표계 역변환부로 전달되어 좌표계 변환 처리의 역연산을 수행함으로써 지오메트리 정보로 복원된다.
복원된 지오메트리 정보는 한편으로는 참조 프레임 생성부로 전달되어 참조 프레임 버퍼에 저장되며, 필요 시 참조 프레임으로 활용된다.
입력으로 제공되는 어트리뷰트 정보 비트스트림은 어트리뷰트 정보 복호화부에 의해 복호화된다. 복호화된 데이터는 색상 역변환 처리부로 전달되어 색상 공간 변환의 역연산을 수행하고, 최종적으로 어트리뷰트 정보로 복원된다.
복원된 지오메트리 정보 및 복원된 어트리뷰트 정보는 함께 결합되어 최종적인 포인트 클라우드 데이터의 재구성을 가능하게 한다. 상기 과정에서 참조 프레임은 지오메트리 및 어트리뷰트 정보의 시간적 예측에 활용될 수 있으며, 연속된 프레임의 복원 효율을 향상시킨다.
도14는 실시예들에 따른 어트리뷰트 데이터의 복호화를 나타낸다.
도14는 도13 장치의 어트리뷰트 데이터의 디코딩 동작을 좀 더 상세히 설명한다.
도14의 어트리뷰트 정보 복호화부의 블록도의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다.
어트리뷰트 정보 엔트로피 복호화부는 어트리뷰트 정보 비트스트림을 입력받아 복호화 하여 변환 계수를 복원할 수 있다.
어트리뷰트 정보 엔트로피 복호화부는 어트리뷰트 정보 비트스트림을 입력받아 엔트로피 복호화를 수행하여 변환 계수들을 얻을 수 있다.
속성 좌표계 스케링일부는 복원된 지오메트리 정보에 대하여 스케일링을 할 수 있다. 이후 스케일링된 지오메트리 정보를 이용하여 LOD 기반의 리프팅 역변환 또는 역 RAHT가 수행될 수 있다.
LOD 생성부는 복원된 지오메트리 정보를 입력받아 LOD를 생성할 수 있으며, 리프팅 변환 및 예측 변환에 사용되는 포인트 별 이웃이 결정될 수 있다. 이때, LOD 생성부는 LOD 파라미터가 있는 경우에 수행될 수 있다.
리프팅 역변환는 입력 받은 변환 계수를 역변환하고, 생성된 LOD와 LOD 레벨 별 갱신 및 예측 과정을 통해 주파수 역변환을 수행하여 어트리뷰트 정보를 복원할 수 있다.
예측 역변환은 LOD 생성 과정에서 결정된 이웃 포인트들을 이용해 현재 포인트를 예측 값과 입력받은 변환계수를 역변환한 값과 합하여 어트리뷰트를 복원할 수 있다.
Inverse RAHT는 복원된 지오메트리 정보와 변환계수를 입력받아 RAHT의 역과정을 수행하여 어트리뷰트 정보를 복원할 수 있다.
도14를 참조하면, 어트리뷰트 데이터를 복호화하는 흐름도는 다음과 같다.
입력으로 어트리뷰트 정보 비트스트림이 입력된다. 어트리뷰트 정보를 엔트로피 방식에 기반하여 복호화한다. 어트리뷰트 좌표계에 대한 스케일링 관련 정보를 획득한다.
LOD(Level of Detail) 파라미터의 존재 여부를 판단한다. 만약 LOD 파라미터가 존재하는 경우(Yes), LOD 생성부를 통해 LoD를 생성하고, 이를 최근점 포인트 그룹 검색부로 전달하여 포인트 그룹을 결정한다.
포인트 그룹 결정 이후, 가중치 계산부는 각 포인트에 대한 가중치를 산출하고, 디코딩 과정은 리포팅 역변환 과정과 예측 역변환 과정으로 분기된다.
LOD 파라미터가 존재하지 않는 경우(No), 장치는 Inverse RAHT(Reverse Attribute Hierarchical Transform) 에 기반하여 직접 적용하여 어트리뷰트 데이터를 역으로 변환한다.
도15는 실시예들에 따른 어트리뷰트 좌표 스케일링 방법을 나타낸다.
도15는 도1 송신 장치(10000), 인코더(10002), 도2 획득(20000) 내지 전송(20001), 도3 인코더, 도8 인코더, 도10 각 디바이스, 도11 내지 도12 인코더, 도16 어트리뷰트 스케일링, 도17 내지 도21 비트스트림 및 신택스 생성, 도22 인코딩 방법, 도1 수신 장치(10004), 디코더(10006), 도2 전송(20002) 내지 렌더링(20004), 도7 디코더, 도9 디코더, 도10 각 디바이스, 도13 내지 도14 디코더, 도16 어트리뷰트 스케일링, 도17 내지 도21 비트스트림 및 신택스 획득, 도23 디코딩 방법 등에서 수행된다.
도15의 속성 좌표계 스케일링부의 블록도의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다. 속성 좌표계 스케일링부는 복원된 지오메트리 정보를 입력 받아 스케일링된 지오메트리 정보를 출력할 수 있다.
속성 좌표계 스케일링부는 복원된 지오메트리 정보를 입력받아 스케일링 된 지오메트리 정보를 출력할 수 있다.
먼저 입력된 복원된 지오메트리 정보는 속성 좌표계 변환 플레그를 확인하고 만약 속성 좌표계 변환 플레그가 1이라면 구면 좌표계(각도 좌표계, angular coordinate로 지칭 가능함) 지오메트리 스케일링이 수행될 수 있다.
반대로 속성 좌표계 변환 플레그가 0이라면 추가로 속성 화면간 예측 플레그를 확인할 수 있다.
만약 속성 화면간 예측 플레그가 1이라면 지오메트리 정보에 슬라이스 원점이 합해질 수 있다.
반대로 속성 화면간 예측 플레그가 0이라면 현재 지오메트리 정보가 바로 출력될 수 있다.
도15를 참조하면, 실시예들에 따른 방법은 복원된 지오메트리 정보를 기반으로 어트리뷰트 데이터의 좌표계를 스케일링할 수 있다.
복원된 지오메트리 정보를 수신하고 속성 좌표계 변환 여부를 결정한다.
속성 좌표계 변환이 필요한 것으로 판단되는 경우(Yes), 구면 좌표계 지오메트리 스케일링을 수행한다. 구면 좌표계 지오메트리 스케일링에 기반하여, 3차원 지오메트리 데이터가 구면 좌표계 상에서 스케일링되고 변환된다.
속성 좌표계 변환이 불필요한 것으로 판단되는 경우(No), 속성 화면간 예측 여부를 결정한다. 현재 프레임과 이전 프레임 간의 속성 정보를 비교하여 현재 프레임에 대한 어트리뷰트 데이터를 예측할 수 있다.
속성 화면간 예측이 필요한 것으로 판단되는 경우(Yes), 슬라이스 원점을 어트리뷰트 좌표계에 합산할 수 있다. 슬라이스 원점 합산에 기반하여 이전 프레임의 속성 정보를 기반으로 현재 프레임의 속성이 예측되고 역변환될 수 있다.
스케일링된 지오메트리 데이터가 출력된다.
도16은 실시예들에 따른 어트리뷰트 좌표 스케일링 방법을 나타낸다.
도16은 도15의 어트리뷰트 좌표 스케일링의 예시를 나타낸다.
속성 좌표계 스케일링부는 복원된 지오메트리 정보를 입력받아 스케일링 된 지오메트리 정보를 출력할 수 있다.
먼저 입력된 복원된 지오메트리 정보는 속성 좌표계 변환 플레그를 확인하고 만약 속성 좌표계 변환 플레그가 1이라면 구면 좌표계 지오메트리 스케일링이 수행될 수 있다.
반대로 속성 좌표계 변환 플레그가 0이라면 지오메트리 스케일링이 수행될 수 있다.
추가로 속성 화면간 예측 플레그를 확인할 수 있다.
만약 속성 화면간 예측 플레그가 1이라면 지오메트리 정보에 슬라이스 원점이 합해질 수 있다.
반대로 속성 화면간 예측 플레그가 0이라면 현재 지오메트리 정보가 바로 출력될 수 있다.
도16을 참조하면, 실시예들에 따른 방법은 복원된 지오메트리 정보에 기반하여 지오메트리 스케일링을 수행할 수 있다.
지오메트리 스케일링 방법은, 복원된 지오메트리 정보를 수신하고, 비트스트림 내 지오메트리 정보에 포함된 속성 좌표계가 변경되었는지 여부를 나타내는 정보에 기반하여 속성 좌표계 변경 여부를 판단하는 단계를 포함한다.
속성 좌표계의 변경 여부에 대한 판단에 기반하여, 좌표계 변환이 수행된 경우(yes)에는 구면 좌표계 지오메트리 스케일링이 적용된다. 이때, 구면 좌표계 지오메트리 스케일링은 원본 좌표계의 왜곡을 보정하고, 속성 좌표와의 정합성을 유지하기 위한 변환 과정을 포함한다.
반면, 속성 좌표계에 변경이 없는 경우(no)에는 일반적인 지오메트리 스케일링이 수행된다. 이 과정에서는 복원된 지오메트리 정보를 기준으로, 일정한 해상도 또는 정규화된 단위로 좌표 정보를 재정렬하거나 보간하는 연산이 수행될 수 있다.
속성 화면(예: 컬러 또는 다른 속성 데이터)의 예측이 필요한지를 판단하는 단계가 수행된다. 만일 속성 화면 예측이 필요한 경우에는, 지오메트리 정보의 공간적 일관성을 고려하여 슬라이스 원점 합산이 수행된다. 이는 각 슬라이스 단위로 분할된 지오메트리에 대해, 원점 기준으로 정합되는 방향성 및 위치 정렬을 수행하는 과정을 포함할 수 있다.
스케일링된 지오메트리 정보가 출력된다. 출력된 정보는 후속 처리 또는 속성 부호화/복호화에 활용될 수 있다.
속성 좌표계의 변환 여부 및 속성 예측의 필요성에 따라 지오메트리 스케일링 절차를 효율적으로 제어함으로써, 지오메트리와 속성 간의 정합성을 유지하면서도 부호화 효율을 극대화할 수 있다.
도17은 실시예들에 따른 비트스트림을 나타낸다.
실시예들에 따른 부호화 방법 및 장치(도1 송신 장치(10000), 인코더(10002), 도2 획득(20000) 내지 전송(20001), 도3 인코더, 도8 인코더, 도10 각 디바이스, 도11 내지 도12 인코더, 도15 내지 도16 어트리뷰트 스케일링, 도17 내지 도21 비트스트림 및 신택스 생성, 도22 인코딩 방법 등)은 포인트 클라우드 데이터를 부호화하고, 시그널링 정보(파라미터, 메타데이터, 신택스 엘리먼트 등으로 지칭 가능함)를 생성할 수 있다. 부호화된 포인트 클라우드 데이터 및 시그널링 정보는 도17과 같이 비트스트림에 포함된다.
실시예들에 따른 복호화 방법 및 장치(도1 수신 장치(10004), 디코더(10006), 도2 전송(20002) 내지 렌더링(20004), 도7 디코더, 도9 디코더, 도10 각 디바이스, 도13 내지 도14 디코더, 도15 내지 도16 어트리뷰트 스케일링, 도17 내지 도21 비트스트림 및 신택스 획득, 도23 디코딩 방법 등)는 비트스트림으로부터 시그널링 정보를 획득하고, 시그널링 정보에 기반하여 포인트 클라우드 데이터를 디코딩할 수 있다.
실시예들을 추가/수행하기 위해서 관련 정보를 시그널링 할 수 있다. 실시예들에 따른 시그널링 정보는 송신단 또는 수신단 등에서 사용될 수 있다.
부호화된 포인트 클라우드 구성은 다음과 같다. 지오메트리 부호화 및/또는 속성 부호화 과정을 수행하는 포인트 클라우드 데이터 부호화기는 다음과 같은 부호화된 포인트 클라우드 (또는 포인트 클라우드를 포함하는 비트스트림)을 생성할 수 있다. 또한, 포인트 클라우드 데이터에 관한 시그널링 정보는 포인트 클라우드 데이터 송신 장치의 메타데이터 처리부에 의해 생성되고 처리되어 다음과 같이 포인트 클라우드에 포함될 수 있다.
각 약어는 다음을 의미한다. 각 약어는 동등한 의미의 범위 내에서 다른 용어로 지칭될 수 있다: SPS(Sequence Parameter Set), GPS(Geometry Parameter Set), APS(Attribute Parameter Set), TPS(Tile Parameter Set), Geom(Geometry bitstream) = geometry slice header+ [geometry PU header + Geometry PU data] | geometry slice data, Attr(Attribute bitstream) = attribute data unit header + [attribute PU header + attribute PU data] | attribute data unit data.
지오메트리 스케일링 관련 옵션 정보는 SPS, APS, TPS에 추가되어 시그널링될 수 있다.
또한, 지오메트리 스케일링 관련 옵션 정보는 TPS, 또는 각 Slice별 attribute header에 추가되어 시그널링될 수 있다.
포인트 클라우드를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스를 제공한다.
영역별로 나눌 때 각각의 영역 별로 다른 이웃 포인트 집합 생성 옵션을 설정해서 복잡도(complexity)는 낮고, 결과의 신뢰도는 다소 떨어지거나 반대로 복잡도가 높으나 신뢰도가 높은 선택 방안을 제공할 수 있다. 수신기의 처리능력(capacity)에 따라서 다르게 설정할 수 있다.
따라서, 포인트 클라우드는 타일(Tile)로 나누어지는 경우, 각 타일별로 다른 옵션을 적용할 수 있다.
포인트 클라우드는 슬라이스(Slice)로 나누어지는 경우, 각 슬라이스별로 다른 옵션을 적용할 수 있다.
이하에서, 각 도면을 참조하여, 도17 비트스트림 내 포함된 데이터의 신택스 및 시맨틱스를 설명한다.
도18은 실시예들에 따른 시퀀스 파라미터 세트 신택스를 나타낸다.
도18은 도17 비트스트림의 SPS 신택스를 나타낸다.
지오메트리 스케일링 관련 옵션 정보는 Sequence Parameter Set에 추가되어 시그널링될 수 있다.
프로파일(profile_idc): 비트스트림이 프로파일을 준수함을 나타낸다.
프로파일 호환성 플래그(profile_compatibility_flags)가 1인 경우, 비트스트림이 profile_idc가 j인 프로파일을 준수함을 나타낸다.
어트리뷰트 세트 개수(sps_num_attribute_sets): 비트스트림의 코딩된 속성 개수를 나타낸다. sps_num_attribute_sets 값은 0에서 63 사이이다.
어트리뷰트 디멘션(attribute_dimension[ i ]): i번째 속성의 구성 요소 개수를 나타낸다.
어트리뷰트 인스턴스 아이디(attribute_instance_id[ i ]): i번째 속성의 인스턴스 ID를 나타낸다.
어트리뷰트 좌표 스케일 인에이블(sps_attr_coord_scale_enabled: 현재 SPS를 사용하는 모든 범위에 어트리뷰트 지오메트리 스케일링을 사용할 수 있는지 여부를 나타낸다.
어트리뷰트 좌표 스케일(sps_attr_coord_scale[ d ]): 현재 SPS를 참조하는 모든 시퀀스에서 d번째 축에 대한 스케일 값을 나타낸다.
도19는 실시예들에 따른 어트리뷰트 파라미터 세트 신택스를 나타낸다.
도19는 도17 비트스트림 내 APS 신택스를 설명한다.
지오메트리 스케일링 관련 옵션 정보는 Attribute Parameter Set에 추가되어 시그널링될 수 있다.
어트리뷰트 파라미터 세트 아이디(aps_attr_parameter_set_id)는 다른 구문 요소가 참조할 수 있도록 APS 식별자를 제공한다. aps_attr_parameter_set_id 값은 0부터 15까지(포함)의 범위에 있다.
시퀀스 파라미터 세트 아이디(aps_seq_parameter_set_id)는 활성 SPS에 대한 sps_seq_parameter_set_id 값을 나타낸다. aps_seq_parameter_set_id 값은 0부터 15까지(포함)의 범위에 있다.
리프팅 예측 최근접 이웃 개수(lifting_num_pred_nearest_neighbours)는 예측에 사용할 최근접 이웃의 최대 개수를 나타낸다. lifting_num_pred_nearest_neighbours 값은 1부터 xx까지(포함)의 범위에 있다.
리프팅 다이렉트 예측자 최대 개수(lifting_max_num_direct_predictors)는 직접 예측에 사용할 예측 변수의 최대 개수를 나타낸다. lifting_max_num_direct_predictors의 값은 0부터 lifting_num_pred_nearest_neighbours까지의 범위이다. 디코딩 프로세스에 사용되는 MaxNumPredictors 변수의 값은 다음과 같다: MaxNumPredictors = lift_max_num_direct_predicots + 1
어트리뷰트 좌표 스케일 인에이블(aps_attr_coord_scale_enabled): 현재 APS를 참조하는 모든 프레임에서 어트리뷰트 지오메트리 스케일링을 사용할지 여부를 나타낸다.
어트리뷰트 좌표 스케일(aps_attr_coord_scale[ d ]): 현재 APS를 참조하는 모든 프레임에서 d 번째 축에 대한 스케일링 값을 나타낸다.
실시예들에 따른 복호화 방법 장치는 비트스트림을 수신하고, 비트스트림으로부터 APS를 획득하고, 어트리뷰트 좌표 스케일값을 획득하여, 어트리뷰트를 복호화할 수 있다.
도20은 실시예들에 따른 타일 파라미터 세트 신택스를 나타낸다.
도20은 도17 비트스트림의 TPS 신택스를 나타낸다. 실시예들에 따른 TPS는 타일 인벤토리 데이터 유닛(Tile inventory data unit)으로 지칭될 수 있다.
지오메트리 스케일링 관련 옵션 정보는 Tile Parameter Set에 추가되어 시그널링될 수 있다.
타일 바운딩 박스 오프셋 x(tile_bounding_box_offset_x[ i ]): 데카르트 좌표에서 i번째 타일의 x 오프셋을 나타낸다. 이 값이 없으면 tile_bounding_box_offset_x[ 0 ]의 값은 sps_bounding_box_offset_x로 유추된다.
타일 바운딩 박스 오프셋 y(tile_bounding_box_offset_y[ i ])는 데카르트 좌표에서 i번째 타일의 y 오프셋을 나타낸다. 이 값이 없으면 tile_bounding_box_offset_y[ 0 ]의 값은 sps_bounding_box_offset_y로 유추된다.
타일 바운딩 박스 오프셋 z(tile_bounding_box_offset_z[ i ])는 데카르트 좌표에서 i번째 타일의 x 오프셋을 나타낸다. 이 값이 없으면 tile_bounding_box_offset_y[ 0 ]의 값은 sps_bounding_box_offset_z로 유추된다.
타일 어트리뷰트 좌표 스케일 인에이블(tile_attr_coord_scale_enabled[ i ]): i 번째 타일에서 어트리뷰트 지오메트리 스케일링을 사용할지 여부를 나타낸다.
타일 어트리뷰트 좌표 스케일(tile_attr_coord_scale[ i ][ d ]): i 번째 타일에서 d 번째 축에 대한 스케일링 값을 나타낸다.
도21은 실시예들에 따른 어트리뷰트 데이터 헤더 신택스를 나타낸다.
도21은 도17 비트스트림의 어트리뷰트 데이터 유닛의 헤더 신택스를 설명한다.
지오메트리 스케일링 관련 옵션 정보는 Attribute Slice Header에 추가되어 시그널링될 수 있다.
어트리뷰트 파라미터 세트 아이디(abh_attr_parameter_set_id)는 활성 APS의 abh_attr_parameter_set_id 값을 나타낸다.
어트리뷰트 인덱스(abh_attr_sps_attr_idx)는 활성 SPS의 속성 집합을 나타낸다. abh_attr_sps_attr_idx 값은 활성 SPS에서 0부터 sps_num_attribute_sets까지의 범위에 있다.
어트리뷰트 지오메트리 슬라이스 아이디(abh_attr_geom_slice_id)는 활성 지오메트리 슬라이스 헤더의 gsh_slice_id 값을 나타낸다.
어트리뷰트 좌표 스케일 인에이블(abh_attr_coord_scale_enabled)은 현재 슬라이스에서 어트리뷰트 지오메트리 스케일링을 사용할지 여부를 나타낸다.
어트리뷰트 좌표 스케일(abh_attr_coord_scale[ d ])은 현재 슬라이스에서 d 번째 축에 대한 스케일링 값을 나타낸다.
실시예들에 따른 복호화 방법 장치는 비트스트림을 수신하고, 비트스트림으로부터 어트리뷰트 데이터 유닛을 획득하고, 어트리뷰트 데이터 유닛의 헤더로부터 어트리뷰트 좌표 스케일값을 획득하여, 어트리뷰트를 복호화할 수 있다.
도22는 실시예들에 따른 부호화 방법을 나타낸다.
실시예들에 따른 방법은 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계(S2200)； 및／또는 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계(S2210); 등을 포함할 수 있다.
지오메트리 데이터를 인코딩하는 단계(S2200) 및/또는 어트리뷰트 데이터를 인코딩하는 단계(S2210)는
전술한 실시예들에 따른 부호화 방법 및 장치(도1 송신 장치(10000), 인코더(10002), 도2 획득(20000) 내지 전송(20001), 도3 인코더, 도8 인코더, 도10 각 디바이스, 도11 내지 도12 인코더, 도15 내지 도16 어트리뷰트 스케일링, 도17 내지 도21 비트스트림 및 신택스 생성, 도22 인코딩 방법 등)의 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 동작을 포함한다.
도12를 함께 참조하면, 어트리뷰트 데이터를 인코딩하는 단계(S2210)는: 포인트 클라우드 데이터에 대한 좌표계를 스케일링하는 단계; 어트리뷰트 데이터에 대한 LoD(Level of Detail)을 생성하는 단계; 어트리뷰트 데이터에 대한 이웃 포인트를 결정하는 단계; 및 어트리뷰트 데이터를 예측하는 단계; 를 포함할 수 있다.
어트리뷰트 데이터에 대한 좌표계를 스케일링하는 단계는: 포인트 클라우드 데이터의 복원된 지오메트리 데이터로부터 스케일링된 지오메트리 데이터를 출력하는 단계를 포함하고, 어트리뷰트 데이터는 스케일링된 지오메트리 데이터에 기반하여 인코딩될 수 있다.
도22 부호화 방법은 부호화 장치에 의해 수행되고, 부호화 장치는 메모리; 및 메모리에 연결된 적어도 하나의 프로세서; 를 포함하고, 적어도 하나의 프로세서는: 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩; 및 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩; 하도록 구성될 수 있다.
실시예들은 도22에 따른 방법에 의해 생성된 비트스트림을 저장하는 컴퓨터 판독 가능한 저장매체를 더 포함한다.
실시예들은 포인트 클라우드 데이터에 대한 비트스트림을 획득하는 단계, 비트스트림은 상기 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계; 에 기초하여 생성됨; 및 비트스트림을 포함하는 데이터를 전송하는 단계를 포함하는, 방법을 더 포함한다.
도23은 실시예들에 따른 복호화 방법을 나타낸다.
실시예들에 따른 방법은 비트스트림 내 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계(S2300); 및/또는 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계(S2310); 등을 포함할 수 있다.
도23 및 도22 방법은 서로 역과정으로 대응할 수 있다.
지오메트리 디코딩(S2300) 및/또는 어트리뷰트 디코딩(S2310)은 전술한 실시예들에 따른 복호화 방법 및 장치(도1 수신 장치(10004), 디코더(10006), 도2 전송(20002) 내지 렌더링(20004), 도7 디코더, 도9 디코더, 도10 각 디바이스, 도13 내지 도14 디코더, 도15 내지 도16 어트리뷰트 스케일링, 도17 내지 도21 비트스트림 및 신택스 획득, 도23 디코딩 방법 등)의 지오메트리 디코딩 및/또는 어트리뷰트 디코딩 동작을 포함한다.
도13-14의 어트리뷰트 디코딩을 함께 참조하면, 어트리뷰트 데이터를 디코딩하는 단계(S2310)는: 포인트 클라우드 데이터에 대한 좌표계를 스케일링하는 단계; 어트리뷰트 데이터에 대한 LoD(Level of Detail)을 생성하는 단계; 어트리뷰트 데이터에 대한 이웃 포인트를 결정하는 단계; 및 어트리뷰트 데이터를 예측하는 단계; 를 포함할 수 있다.
도15의 속성 좌표계 스케일링을 함께 참조하면, 어트리뷰트 데이터를 복호화기 위해서, 어트리뷰트 데이터를 가지는 포인트의 좌표계를 다음과 같이 변환할 수 있다. 예를 들어, 어트리뷰트 데이터에 대한 좌표계를 스케일링하는 단계는: 포인트 클라우드 데이터의 복원된 지오메트리 데이터로부터 스케일링된 지오메트리 데이터를 출력하는 단계를 포함하고 어트리뷰트 데이터는 스케일링된 지오메트리 데이터에 기반하여 디코딩될 수 있다.
도15의 속성 좌표계 스케일링 관련 pseudo 코드 및 신택스에서 attr_coord_conv_enabled, AttrPosAng[ptIdx][k]를 함께 참조하면, 어트리뷰트 좌표계 변환이 수행되는지 여부를 나타내는 정보의 제1값(true, 활성화)에 기반하여 포인트 클라우드 데이터의 포인트의 좌표가 각도 좌표계로 선택될 수 있다.
도15의 속성 좌표계 스케일링 관련 pseudo 코드 및 신택스에서 PointPos[ptIdx][k] Х attr_coord_scale[k] + SliceOrigin[k]를 함께 참조하면, 어트리뷰트 좌표계 변환이 수행되는지 여부를 나타내는 정보의 제2값(false, 비활성화) 및 어트리뷰트 데이터에 대한 인터 프레딕션이 수행되는지 여부를 나타내는 정보의 제1값(true, 활성화)에 기반하여, 포인트의 좌표에 스케일링 값이 적용되고, 스케일링된 포인트의 좌표에 슬라이스의 원점 정보가 더해질 수 있다.
도15의 속성 좌표계 스케일링 관련 pseudo 코드 및 신택스에서 PointPos[ptIdx][k] Х attr_coord_scale[k]를 함께 참조하면, 어트리뷰트 좌표계 변환이 수행되는지 여부를 나타내는 정보의 제2값(false, 비활성화) 및 상기 어트리뷰트 데이터에 대한 인터 프레딕션이 수행되는지 여부를 나타내는 정보의 제2값(false, 비활성화)에 기반하여, 포인트의 좌표에 스케일링 값이 적용될 수 있다.
도19 APS의 aps_attr_coord_scale_enabled 및 aps_attr_coord_scale[d]를 함께 참조하면, 도17 비트스트림은 어트리뷰트 파라미터 세트를 포함하고, 어트리뷰트 파라미터 세트는 어트리뷰트 파라미터 세트를 참조하는 프레임에서 어트리뷰트 데이터를 위한 좌표 스케일링이 사용되는지 여부를 나타내는 정보 또는 특정 축에 대한 스케일 값을 나타내는 정보 중 적어도 하나를 포함할 nt 있다.
도21 ADU의 abh_attr_coord_scale_enabled 및 abh_attr_coord_scale[ d ]를 함께 참조하면, 도17 비트스트림은 어트리뷰트 데이터 유닛 헤더를 포함하고, 어트리뷰트 데이터 유닛 슬라이스에서 어트리뷰트 데이터를 위한 좌표 스케일링이 사용되는지 여부를 나타내는 정보 또는 특정 축에 대한 스케일 값을 나타내는 정보 중 적어도 하나를 포함할 수 있다.
도23 복호화 방법은 복호화 장치에 의해 수행될 수 잇다. 복호화 장치는 메모리; 및 메모리에 연결된 적어도 하나의 프로세서; 를 포함하고, 적어도 하나의 프로세서는: 비트스트림 내 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩; 및 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩; 하도록 구성될 수 있다.
도22 내지 도23 그리고 이에 대응하는 방법 및 장치인 PCC 부호화 방법, PCC복호화 방법, 시그널링 방법은 다음의 효과를 제공할 수 있다.
스피닝 라이다 포인트 클라우드에서 특정 공간에 동일한 반사계수를 가지고 밀집해 있는 포인트들에 대하여 거리를 이용해 샘플링을 생략함으로써 리프팅 변환의 압축 효율을 향상시킬 수 있다. 특히, 생략된 포인트들에 대하여 상대적으로 작은 값의 잔차 신호가 발생하여 동일한 오차에 대하여 보다 적은 비트수로 포인트 클라우드를 압축할 수 있다.
따라서, 실시예들에 따른 송신 방법/장치는 포인트 클라우드 데이터를 효율적으로 압축하여 데이터를 전송할 수 있고, 이를 위한 시그널링 정보를 전달함으로써, 실시예들에 따른 수신 방법/장치 역시 포인트 클라우드 데이터를 효율적으로 디코딩/복원할 수 있다.
라이다 특성이 고려된 가중된 지오메트리를 통해 속성 부/복호화가 수행됨으로써 더 높은 부호화 효율을 얻을 수 있다.
상술한 실시예들에 따른 송수신 장치의 동작은 이하의 포인트 클라우드 컴프레션 처리 과정과 결합되어 설명될 수 있다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 의미하고, 2) “B” 만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사욛외는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
한편, 상술한 실시예들에 따른 동작은 실시예들 따른 송신 장치 및/또는 수신 장치에 의해서 수행될 수 있다. 송수신 장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신 장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.
상술한 바와 같이, 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신 장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다.
당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다.
실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항들 및 그 와 동일한 것들의 범위를 벗어나지 않는다.

Claims (15)

  1. 비트스트림 내 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계; 및
    상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계; 를 포함하는,
    복호화 방법.
  2. 제1항에 있어서,
    상기 어트리뷰트 데이터를 디코딩하는 단계는:
    상기 포인트 클라우드 데이터에 대한 좌표계를 스케일링하는 단계;
    상기 어트리뷰트 데이터에 대한 LoD(Level of Detail)을 생성하는 단계;
    상기 어트리뷰트 데이터에 대한 이웃 포인트를 결정하는 단계; 및
    상기 어트리뷰트 데이터를 예측하는 단계; 를 포함하는,
    복호화 방법.
  3. 제2항에 있어서,
    상기 어트리뷰트 데이터에 대한 좌표계를 스케일링하는 단계는:
    상기 포인트 클라우드 데이터의 복원된 지오메트리 데이터로부터 스케일링된 지오메트리 데이터를 출력하는 단계를 포함하고,
    상기 어트리뷰트 데이터는 상기 스케일링된 지오메트리 데이터에 기반하여 디코딩되는,
    복호화 방법.
  4. 제2항에 있어서,
    어트리뷰트 좌표계 변환이 수행되는지 여부를 나타내는 정보의 제1값에 기반하여 상기 포인트 클라우드 데이터의 포인트의 좌표가 각도 좌표계로 선택되는,
    복호화 방법.
  5. 제4항에 있어서,
    상기 어트리뷰트 좌표계 변환이 수행되는지 여부를 나타내는 정보의 제2값 및 상기 어트리뷰트 데이터에 대한 인터 프레딕션이 수행되는지 여부를 나타내는 정보의 제1값에 기반하여,
    상기 포인트의 좌표에 스케일링 값이 적용되고, 상기 스케일링된 포인트의 좌표에 슬라이스의 원점 정보가 더해지는,
    복호화 방법.
  6. 제4항에 있어서,
    상기 어트리뷰트 좌표계 변환이 수행되는지 여부를 나타내는 정보의 제2값 및 상기 어트리뷰트 데이터에 대한 인터 프레딕션이 수행되는지 여부를 나타내는 정보의 제2값에 기반하여,
    상기 포인트의 좌표에 스케일링 값이 적용되는,
    복호화 방법.
  7. 제1항에 있어서,
    상기 비트스트림은 어트리뷰트 파라미터 세트를 포함하고,
    상기 어트리뷰트 파라미터 세트는 상기 어트리뷰트 파라미터 세트를 참조하는 프레임에서 어트리뷰트 데이터를 위한 좌표 스케일링이 사용되는지 여부를 나타내는 정보 또는 특정 축에 대한 스케일 값을 나타내는 정보 중 적어도 하나를 포함하는,
    복호화 방법.
  8. 제1항에 있어서,
    상기 비트스트림은 어트리뷰트 데이터 유닛 헤더를 포함하고,
    상기 어트리뷰트 데이터 유닛 슬라이스에서 어트리뷰트 데이터를 위한 좌표 스케일링이 사용되는지 여부를 나타내는 정보 또는 특정 축에 대한 스케일 값을 나타내는 정보 중 적어도 하나를 포함하는,
    복호화 방법.
  9. 메모리; 및
    상기 메모리에 연결된 적어도 하나의 프로세서; 를 포함하고, 상기 적어도 하나의 프로세서는:
    비트스트림 내 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩; 및
    상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩;
    하도록 구성되는,
    복호화 장치.
  10. 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계; 를 포함하는,
    부호화 방법.
  11. 제10항에 있어서,
    상기 어트리뷰트 데이터를 인코딩하는 단계는:
    상기 포인트 클라우드 데이터에 대한 좌표계를 스케일링하는 단계;
    상기 어트리뷰트 데이터에 대한 LoD(Level of Detail)을 생성하는 단계;
    상기 어트리뷰트 데이터에 대한 이웃 포인트를 결정하는 단계; 및
    상기 어트리뷰트 데이터를 예측하는 단계; 를 포함하는,
    부호화 방법.
  12. 제11항에 있어서,
    상기 어트리뷰트 데이터에 대한 좌표계를 스케일링하는 단계는:
    상기 포인트 클라우드 데이터의 복원된 지오메트리 데이터로부터 스케일링된 지오메트리 데이터를 출력하는 단계를 포함하고,
    상기 어트리뷰트 데이터는 상기 스케일링된 지오메트리 데이터에 기반하여 인코딩되는,
    부호화 방법.
  13. 메모리; 및
    상기 메모리에 연결된 적어도 하나의 프로세서; 를 포함하고, 상기 적어도 하나의 프로세서는:
    포인트 클라우드 데이터의 지오메트리 데이터를 인코딩; 및
    상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩; 하도록 구성되는,
    부호화 장치.
  14. 제10항에 따른 방법에 의해 생성된 비트스트림을 저장하는 컴퓨터 판독 가능한 저장매체.
  15. 포인트 클라우드 데이터에 대한 비트스트림을 획득하는 단계,
    상기 비트스트림은 상기 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계; 및 상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계; 에 기초하여 생성됨; 및
    상기 비트스트림을 포함하는 데이터를 전송하는 단계를 포함하는, 방법.
PCT/KR2025/010479 2024-07-17 2025-07-16 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 Pending WO2026019262A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20240094492 2024-07-17
KR10-2024-0094492 2024-07-17

Publications (1)

Publication Number Publication Date
WO2026019262A1 true WO2026019262A1 (ko) 2026-01-22

Family

ID=98437682

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2025/010479 Pending WO2026019262A1 (ko) 2024-07-17 2025-07-16 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) WO2026019262A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210125415A (ko) * 2020-04-08 2021-10-18 엘지전자 주식회사 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
KR102378138B1 (ko) * 2020-03-16 2022-03-25 엘지전자 주식회사 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
KR20230017301A (ko) * 2021-06-08 2023-02-03 텐센트 아메리카 엘엘씨 포인트 클라우드 코딩을 위한 거리 기반 가중 평균을 계산하는 방법 및 장치
KR102659806B1 (ko) * 2020-01-14 2024-04-22 후아웨이 테크놀러지 컴퍼니 리미티드 V-pcc용 스케일링 파라미터
KR20240093609A (ko) * 2021-12-13 2024-06-24 엘지전자 주식회사 포인트 클라우드 데이터의 전송 장치와 이 전송 장치에서 수행되는 방법 및, 포인트 클라우드 데이터의 수신 장치와 이 수신 장치에서 수행되는 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102659806B1 (ko) * 2020-01-14 2024-04-22 후아웨이 테크놀러지 컴퍼니 리미티드 V-pcc용 스케일링 파라미터
KR102378138B1 (ko) * 2020-03-16 2022-03-25 엘지전자 주식회사 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
KR20210125415A (ko) * 2020-04-08 2021-10-18 엘지전자 주식회사 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
KR20230017301A (ko) * 2021-06-08 2023-02-03 텐센트 아메리카 엘엘씨 포인트 클라우드 코딩을 위한 거리 기반 가중 평균을 계산하는 방법 및 장치
KR20240093609A (ko) * 2021-12-13 2024-06-24 엘지전자 주식회사 포인트 클라우드 데이터의 전송 장치와 이 전송 장치에서 수행되는 방법 및, 포인트 클라우드 데이터의 수신 장치와 이 수신 장치에서 수행되는 방법

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
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
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002558A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
WO2020246689A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002665A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021029511A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002592A1 (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
WO2021242036A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020246690A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022225145A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021132834A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022186651A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023085856A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021025392A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2022240128A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2023191480A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
WO2023191321A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022220645A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023075389A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022225333A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023068846A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021049762A1 (ko) 포인트 클라우드 데이터 처리 장치 및 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: 25841553

Country of ref document: EP

Kind code of ref document: A1