WO2026019263A1 - 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
WO2026019263A1
WO2026019263A1 PCT/KR2025/010482 KR2025010482W WO2026019263A1 WO 2026019263 A1 WO2026019263 A1 WO 2026019263A1 KR 2025010482 W KR2025010482 W KR 2025010482W WO 2026019263 A1 WO2026019263 A1 WO 2026019263A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
attribute
point
geometry
data
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/KR2025/010482
Other languages
English (en)
French (fr)
Inventor
이민석
이종석
오현묵
허혜정
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 WO2026019263A1 publication Critical patent/WO2026019263A1/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
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/129—Scanning of coding units, e.g. zig-zag scan of transform coefficients or flexible macroblock ordering [FMO]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • Point cloud content is content expressed as a point cloud, a collection of points belonging to a coordinate system that represents three-dimensional space (space or volume).
  • Point cloud content can express three-dimensional media and is used to provide various services such as VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), XR (Extended Reality), and autonomous driving services.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • XR Extended Reality
  • autonomous driving services expressing 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.
  • transmitting and receiving point cloud data requires a significant amount of processing power. Therefore, encoding for compression and decoding for decompression are performed during the process of transmitting and receiving point cloud data.
  • the large size of point cloud data makes the computations complex and time-consuming.
  • the technical problem according to the embodiments is to provide a point cloud data transmission device, transmission method, point cloud data reception device, and reception method for efficiently transmitting and receiving point clouds in order to solve the problems described above.
  • the technical problem according to the embodiments is to provide a point cloud data transmission device, transmission method, point cloud data reception device, and reception method for resolving latency and encoding/decoding complexity.
  • the technical problem according to the embodiments is to provide a point cloud data transmission device, transmission method, point cloud data reception device and reception method for increasing the compression efficiency and speed of G-PCC for 3D point cloud data compression.
  • the technical problem according to the embodiments is to provide a point cloud data transmission device, transmission method, point cloud data reception device and reception method that improve the encoding technology of attribute information of G-PCC to enhance the compression performance and speed of point clouds.
  • 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.
  • the decoded geometry data may include position information of points
  • the decoded attribute data may include attributes of the points
  • the step of decoding the attribute data may include the step of generating LODs (Level Of Detail) based on the points, the step of performing a nearest neighbor point search of the point to be attribute decoded within a first search area including the point to be attribute decoded, and the step of additionally performing a nearest neighbor point search within a second search area according to the number of nearest neighbor points searched in the step.
  • LODs Level Of Detail
  • the step of performing the nearest neighbor point search may further include the step of calculating a Molton code based on the three-dimensional coordinates of each point and assigning the Molton code to each point.
  • the step of assigning the Molton code may include downscaling the three-dimensional coordinates of each point by applying a scaling factor, and then assigning the Molton code to the three-dimensional coordinates of each downscaled point.
  • the step of assigning the Molton code may perform downscaling by applying different scaling factors to each axis of the three-dimensional coordinates of each point.
  • the step of assigning the Molton code may perform downscaling by applying the same scaling factor to each axis of the three-dimensional coordinates of each point.
  • the bitstream may include parameter information related to the downscaling.
  • a decoding device includes a memory and at least one processor connected to the memory, wherein 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.
  • the encoding method may include a step of encoding geometry data of point cloud data and a step of encoding attribute data of the point cloud data.
  • the geometry data may include position information of points
  • the attribute data may include attributes of the points
  • the step of decoding the attribute data may include the step of generating LODs (Level Of Detail) based on the points, the step of performing a nearest neighbor point search of the point to be attribute decoded within a first search area including the point to be attribute decoded, and the step of additionally performing a nearest neighbor point search within a second search area according to the number of nearest neighbor points searched in the step.
  • LODs Level Of Detail
  • the step of performing the nearest neighbor point search may further include the step of calculating a Molton code based on the three-dimensional coordinates of each point and assigning the Molton code to each point.
  • the step of assigning the Molton code may include downscaling the three-dimensional coordinates of each point by applying a scaling factor, and then assigning the Molton code to the three-dimensional coordinates of each downscaled point.
  • the encoding device includes a memory and at least one processor connected to the memory, wherein the at least one processor can be configured to encode geometry data of point cloud data and to encode attribute data of the point cloud data.
  • a computer-readable storage medium can store a bitstream generated by the encoding method.
  • the method may include: obtaining a bitstream for point cloud data, wherein the bitstream is 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.
  • the point cloud data transmission method, transmission device, point cloud data reception method, and reception device can provide a high-quality point cloud service.
  • the point cloud data transmission method, transmission device, point cloud data reception method, and reception device can achieve various video codec methods.
  • the point cloud data transmission method, transmission device, point cloud data reception method, and reception device can provide general-purpose point cloud content such as autonomous driving services.
  • the point cloud data transmission method, transmission device, point cloud data reception method, and reception device can provide improved parallel processing and scalability by performing spatial adaptive division of point cloud data for independent encoding and decoding of point cloud data.
  • a point cloud data transmission method, a transmission device, a point cloud data reception method, and a reception device can improve the encoding and decoding performance of a point cloud by spatially dividing point cloud data into tile and/or slice units to perform encoding and decoding and signaling data required for this purpose.
  • the point cloud data transmission method, transmission device, point cloud data reception method, and reception device can perform optimized neighboring point search by modifying the atlas search area through at least one of the Moulton code scaling method, the atlas search area expansion method, and the axis removal method during the nearest neighbor point search performed in the LOD generation process. This can reduce the time required for the nearest neighbor point search, thereby increasing the attribute encoding/decoding speed.
  • 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 is a diagram showing an example of atlas search according to embodiments.
  • FIG. 12 is a diagram showing an example of a Molton code on a two-dimensional plane according to embodiments.
  • FIG. 13 is a drawing showing another example of a point cloud transmission device according to embodiments.
  • Fig. 14 is a block diagram showing an example of an attribute information encoding unit according to embodiments.
  • FIG. 15 is a drawing showing another example of a point cloud receiving device according to embodiments.
  • Fig. 16 is a block diagram showing an example of an attribute information decoding unit according to embodiments.
  • Fig. 17 is a block diagram showing an example of an LOD generation unit according to embodiments.
  • Fig. 18 is a flowchart showing an example of a method for assigning and sorting a molton code of a molton code assignment and sorting unit according to embodiments.
  • Fig. 19 is a flowchart showing an example of a nearest neighbor search method of a nearest neighbor search unit according to embodiments.
  • Fig. 20 shows an example of a bitstream structure of point cloud data for transmission/reception according to embodiments.
  • FIG. 21 is a diagram showing an example of a syntax structure of an attitude parameter set according to embodiments.
  • FIG. 22 is a diagram showing an example of a syntax structure of an attribute data unit header according to embodiments.
  • Fig. 23 is a flowchart showing an example of a point cloud data encoding method according to embodiments.
  • Fig. 24 is a flowchart showing an example of a point cloud data decoding method according to embodiments.
  • FIG. 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/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 (10001), a Point Cloud Video Encoder (10002), and/or 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 (10005), a point cloud video decoder (10006), and/or a 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)).
  • a wireless access technology e.g., 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 the decoded point cloud video data.
  • the renderer (10007) may render the decoded point cloud video data according to a viewport, etc.
  • the renderer (10007) may render not only the point cloud video data but also audio data to output point cloud content.
  • 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 not only by the transmitting device (10000) but also by the receiving device (10004), or may not be provided.
  • Head orientation information may refer to information about the position, direction, angle, movement, etc. of the user's head.
  • the receiving device (10004) may 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 (i.e., the area that the user is currently viewing).
  • the viewport information is information about the area that the user is currently viewing within the point cloud video.
  • the viewport or the viewport area may refer to the area that the user is viewing within the point cloud video.
  • the viewpoint is the point that the user is viewing within the point cloud video, and may refer to the exact center point of the viewport area.
  • the viewport is an area centered on the viewpoint, and the size, shape, etc. that the area occupies may be determined by the FOV (Field Of View). Therefore, the receiving device (10004) may 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) may perform gaze analysis, etc. based on head orientation information and/or viewport information to check the user's point cloud video consumption method, the point cloud video area the user gazes at, the gaze time, etc. According to embodiments, the receiving device (10004) may transmit feedback information including the gaze analysis result to the transmitting device (10000).
  • a device such as a VR/XR/AR/MR display may extract a viewport area based on the user's head position/direction, a vertical or horizontal FOV supported by the device, etc.
  • head orientation information and viewport information may be referred to as feedback information, signaling information, or metadata.
  • Feedback information may be acquired during the 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). Additionally, the feedback information according to embodiments may be acquired by the renderer (10007) or a separate external element (or device, component, etc.).
  • the dotted line in Fig. 1 represents the transmission process of the feedback information acquired by the renderer (10007).
  • the feedback information may not only be transmitted to the transmitting side, but may also be consumed by the receiving side. That is, the point cloud content providing system may process (encode/decode/render) point cloud data based on the feedback information.
  • the point cloud video decoder (10006) and the renderer (10007) may use the feedback information, i.e., head orientation information and/or viewport information, to preferentially decode and render only the point cloud video for the area currently being viewed by the user.
  • the feedback information i.e., head orientation information and/or viewport information
  • the receiving device (10004) can transmit feedback information to the transmitting device (10000).
  • the transmitting device (10000) (or point cloud video encoder (10002)) can perform an encoding operation based on the feedback information. Therefore, the point cloud content providing 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, a transmitting system, etc.
  • the receiving device (10004) may be referred to as a decoder, a receiving device, a receiver, a receiving system, 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 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 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 be grouped and referred to as a geometry encoder.
  • the color conversion unit (30006), attribute conversion unit (30007), RAHT conversion unit (30008), LOD generation unit (30009), lifting conversion unit (30010), coefficient quantization unit (30011) and/or arithmetic encoder (30012) can be grouped and referred to as an attribute encoder.
  • 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).
  • 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 calculates the starting point of the edge (x, y, z), the direction vector of the edge ( x, y, z), vertex position values (relative position values within an edge) can be entropy-coded.
  • the point cloud encoder according to the embodiments e.g., geometry reconstruction unit (30005)
  • 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 projected onto the (y, z) plane.
  • the value produced 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 first triangle may be composed of the 1st, 2nd, and 3rd vertices among the sorted vertices
  • the second triangle may be composed of the 3rd, 4th, and 1st vertices among the sorted vertices.
  • the upsampling process is performed to voxelize a triangle by adding points in the middle along the edges. Additional points are generated based on an 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 attribute, residual attribute value, attribute prediction residual value, etc.) obtained by subtracting the predicted attribute (attribute value) from the attribute (attribute value) of each point.
  • the quantization process is as shown in Tables 2 and 3 below.
  • 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 calculated from g l+1 2x,y,z and g l+1 2x+1,y,z .
  • g l-1 x,y,z are low-pass values, which are used in the merging process at the next higher level.
  • 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 (30012)).
  • 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.
  • Figure 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 attribute decoding.
  • the attribute decoding according to the embodiments can include RAHT (Region Adaptive Hierarchical Transform) decoding, prediction transform (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 Hierarchical Transform
  • 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)
  • the three decodings described above can be used selectively, or a combination of one or
  • 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.
  • the transmission device illustrated in FIG. 8 is an example of the transmission device (10000) of FIG. 1 (or the point cloud encoder of FIG. 3).
  • the transmission device illustrated in FIG. 8 can perform at least one or more of the same or similar operations and encoding methods as the operations and encoding methods of the point cloud encoder described in FIGS. 1 to 6.
  • 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 octree occupancy code generation unit (8003) performs octree coding on the positions of voxelized points based on the octree structure.
  • the octree occupancy code generation unit (8003) can generate an occupancy code.
  • the octree occupancy code generation unit (8003) can perform operations and/or methods identical or similar to those of the point cloud encoder (or octree analysis unit (30002)) described in FIGS. 3 and 4. The specific description is the same as that 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) may perform intra/inter coding on point cloud data.
  • the intra/inter coding processing unit (8005) may perform coding identical to or similar to intra/inter coding.
  • the intra/inter coding processing unit (8005) may 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.
  • the receiving device illustrated in FIG. 9 can perform at least one of the same or similar operations and methods as the operations and decoding methods of the point cloud decoder described in FIGS. 1 to 8.
  • 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 identical or similar to the geometry decoding described in at least one of FIGS. 1 to 8, 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 identical or similar to the attribute decoding described in at least one of FIGS. 1 to 8, 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 the same or similar operations and/or decodings as the operations and/or decodings of the RAHT transformation unit (7007), the LOD generation unit (7008), and/or the inverse lifting unit (7009) of FIG. 7.
  • 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 the same or similar operations and/or inverse transform coding as the operations and/or inverse transform coding of the color inverse transform unit (7010) of FIG. 7.
  • 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 the 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 real-world objects or backgrounds.
  • 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.
  • hologram service which is an application of the aforementioned MR technology.
  • 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/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/reception device when the point cloud data transmission/reception device is mounted on a vehicle, the point cloud transmission/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.
  • a point cloud is composed of a collection of points, each of which may have geometry information and attribute information.
  • the geometry information is the 3D position (XYZ) information of each point
  • the attribute information is the color (RGB, YUV, etc.) and/or reflectance value of each point.
  • the G-PCC encoding process can be comprised of dividing a point cloud into tiles by region, and each tile can be divided into slices for parallel processing. Geometry is compressed for each slice, and attribute information is compressed 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.
  • compression techniques based on octree, predictive tree, or trisoup can be used to compress geometry information.
  • compression techniques based on predictive transform, lifting transform, or RAHT transform can be used to compress attribute information.
  • a nearest neighbor search process is required to generate a LoD (Level of Details) for a predlift transform and/or a lifting transform, and the prior art has used an atlas-based initial search.
  • the initial search may be referred to as an initial search or an atlas search.
  • the initial search i.e., the atlas search, is a method of finding neighbors in a 3D space rather than in the order of the Moulton code, and the search is performed within the atlas search area.
  • the extended search may be referred to as a full search.
  • the present disclosure relates to a device and method for improving the speed and performance of attribute information. More specifically, the present disclosure relates to a nearest neighbor search method and device for increasing the compression efficiency of attributes and reducing the time required for encoding/decoding processes when generating level of detail (i.e., LOD) during the encoding and decoding processes of attribute information.
  • LOD level of detail
  • the present disclosure proposes a method for setting an atlas search area and a signaling method by utilizing the density of a point cloud.
  • point cloud data in the present disclosure may be captured by an RGB-D camera or a LiDAR device.
  • the present disclosure relates to a device and method for generating a Level Of Detail (LOD) of a lifting transformation or a prediction transformation used for compressing attribute information of point cloud content captured by a LiDAR RGB-D camera or a LiDAR device, thereby improving speed and compression ratio by generating an LOD suited to the characteristics of the point cloud content.
  • LOD Level Of Detail
  • the LOD generation method of the present disclosure can be applied identically or similarly to the encoder of a transmitting device and the decoder of a receiving device.
  • the three methods may include a distance-based method, a sampling-based method, and an octree-based method.
  • the distance-based method is a method of classifying LODs based on the distance between points
  • the sampling-based method is a method of sorting points by Morton code, selecting (i.e., sampling) every Xth corresponding point, and classifying it into a lower LOD that can be a candidate for a neighboring set.
  • the octree-based method is a method of constructing an octree for points, and selecting (i.e., sampling) points close to the center according to the node level of the octree, and classifying them into a lower LOD.
  • the octree may be referred to as an occupancy tree.
  • neighboring points within each LOD are searched to generate predictors for points sampled (or selected) using one of the three LOD generation methods above. The search continues until the three nearest neighboring points are found.
  • One is an atlas search (also called an initial search) method that specifies an area surrounding each point and searches only points within that area, and the other is a full search (also called an extended search) method that searches all surrounding points.
  • the two search methods are performed sequentially, with the atlas search performed first, and if three nearest neighbor points are not found in the atlas search, the full search process is performed.
  • Atlas search is that it preemptively searches a narrow area, and if the three nearest neighboring points are found, the entire search process can be skipped, significantly reducing the time required.
  • the atlas search is limited to a fixed range, the probability of finding neighboring points is low, and even if found, they are often inaccurate points that reduce the predictor's prediction efficiency.
  • a full search selects points with high accuracy by searching the entire area, but this process requires a significant amount of time.
  • Fig. 11 is a diagram illustrating an example of atlas search according to embodiments. That is, if a neighboring point search is performed when there are no neighboring points within the atlas search range as shown in Fig. 11, the atlas search proceeds unnecessarily and the entire search process proceeds, resulting in a significant delay.
  • the present disclosure aims to improve speed and compression efficiency by addressing the shortcomings of the nearest neighbor point search process in point cloud encoding/decoding, which requires fast and accurate encoding/decoding.
  • the present disclosure applies an improved neighbor search technique to accelerate the encoding/decoding process and, at the same time, improve the compression ratio.
  • the neighbor search method of the present disclosure is performed in both the encoder of the transmitting device and the decoder of the receiving device.
  • the atlas search is a method of searching by setting an area including the point (e.g., the gray area (41001) in FIG. 11) based on the point for which the nearest neighbor point is being found, as in the example of FIG. 11, and setting an area of the same size as the area in all directions. That is, when the area of the size to which the point belongs is referred to as a mini-cube, a total of 27 mini-cubes are searched, including the mini-cube to which the point belongs. The area for these 27 mini-cubes can be referred to as an atlas search range. Generally, the size of the mini-cube is set to 2x2x2, so that a maximum of 8 points are within the mini-cube, in which case the size of the atlas search area becomes 8x8x8.
  • the size of the mini-cube is set to 2x2x2, so that a maximum of 8 points are within the mini-cube, in which case the size of the atlas search area becomes 8x8x8.
  • FIG. 12 is a diagram showing an example of a Molton code on a two-dimensional plane according to embodiments. That is, a Molton code is one of space-filling curves, as shown in FIG. 12, and in general, in attribute compression of a G-PCC encoder/decoder, a Molton code is assigned by utilizing the three-dimensional coordinates of each point, and attribute encoding and attribute decoding are performed by arranging the points in the Molton code order. According to embodiments, attribute encoding may be performed in an encoder of a transmitting device, and attribute decoding may be performed in a decoder of a receiving device.
  • the encoder/decoder can determine the relative positions and directions of surrounding points based on the Molton code, thereby setting a search area, and points within the search area become targets of atlas search. However, as shown in FIG. 11, there may be no points within the atlas search area.
  • the criterion for determining the closest neighboring point among neighboring points is distance.
  • the distance D between the two points can be obtained as shown in the following mathematical equation 1.
  • Equation 1 the point with the smallest distance, or closest point, is called the nearest neighbor.
  • the encoder/decoder first searches for three nearest neighbor points within the atlas search area. If there are fewer than three points within the atlas search area, the three nearest neighbor points cannot be found, and thus the full search step proceeds.
  • the present disclosure provides that when assigning a Morton code to a point whose coordinates are (x, y, z), if the Morton code scaling coefficient (or scaling factor) is N, the Morton code can be assigned in a state where the coordinates of the corresponding point are downscaled by N.
  • the Morton code assigned through the Morton code scaling technique can be expressed as in Mathematical Expression 2 below.
  • Mathematical Expression 2 is an example of obtaining a Morton code in an atlas search method based on Morton code scaling.
  • N corresponds to the numerator
  • d corresponds to the exponent of the denominator 2
  • N corresponds to the numerator
  • d corresponds to the exponent of the denominator 2
  • it has the same effect as multiplying the coordinate value by N/2 d and then discarding the decimal point.
  • MortonCode mortonAddr(((x ⁇ N)>>d,(y ⁇ N)>>d,( z ⁇ N)>>d))
  • the xyz coordinates of four points are (0,0,0), (0,0,1), (0,1,0), (1,0,0), that is, 0,1,2,3, when N and d are 1 and downscaling is performed by applying mathematical expression 2, the xyz coordinates of the four points will have the same value, for example, (0,0,0). That is, even if the attribute values of the four points are different, the same Moulton code can be assigned.
  • the present disclosure does not actually downscale the coordinates of the points, but downscales the coordinate values of the points when assigning the Moulton codes and then assigns the Moulton codes to the coordinate values. By doing so, the atlas search area changes and more points are included in the atlas search area.
  • Fig. 1 by downscaling the position information of points by applying mathematical equation 2 and assigning a Moulton code in the downscaled state, points that were outside the atlas search area are included in the atlas search area.
  • the scaling coefficient (or scaling factor) can be included in the signaling information and transmitted to the receiving device.
  • the decoder of the receiving device performs scaling based on the scaling coefficient (or scaling factor) included in the signaling information.
  • the atlas search area is set based on the Moulton code. If the Moulton code scaling is applied as in Equation 2, more points can be included in the atlas search area. In addition, if more points are included in the atlas search area, the following two effects can occur.
  • the atlas search since the atlas search generates more nearest neighbor point candidates, the possibility of finding the three nearest neighbor points without going through a full search increases. In addition, since the time-consuming full search process is not performed, the overall encoding/decoding time can be shortened. In addition, by compensating for the problem of selecting inaccurate neighbor points in a situation where there are insufficient nearest neighbor point candidates, the accuracy of the predictor to be generated later can be increased, thereby improving the performance of attribute compression.
  • the following is a description of how to set multiple scaling factors. That is, it is a description of how to set multiple scaling factors in the atlas search method based on Moulton code scaling.
  • ⁇ when performing Moulton code scaling in the present disclosure, it may be efficient to use different scaling factors for each axis, rather than using the same scaling factor for the coordinates of all axes.
  • scaling a e.g., downscaling
  • scaling b e.g., downscaling
  • scaling c e.g., downscaling
  • a, b, and c correspond to the numerator, respectively, and d corresponds to the exponent of the denominator 2. That is, the mathematical expression 3 below is an example of obtaining a Moulton code by utilizing multiple scaling factors in an atlas search method based on Moulton code scaling.
  • MortonCode mortonAddr(((x ⁇ a)>>d,(y ⁇ b)>>d,( z ⁇ c)>>d))
  • the sorting order between points may be affected when using the Molton code scaling method. That is, when downscaling coordinate values, points with different locations but overlapping Molton codes are generated.
  • the order between points with overlapping Molton codes is the same as the output order of the geometry decoder. That is, the sorting is performed based on the Molton code order between points with different Molton codes, and the sorting is performed based on the output order of the geometry decoder between points with overlapping Molton codes.
  • This mixed order-based sorting may be effective, or another order-based sorting method may be effective.
  • the present disclosure may set the sorting order to the output order of the geometry decoder, or may set the sorting order to the order of the Moulton code.
  • the following describes an atlas search method based on the expansion of the search area.
  • a method for expanding an atlas search area in an atlas search in the present disclosure may be efficient.
  • the atlas search area expansion factor is N
  • the atlas search area can be expanded by setting the size of one minicube to (2 N , 2 N , 2 N ).
  • the atlas search area corresponds to the size of minicube 27, as the size of the minicube increases, the atlas search area also expands.
  • the atlas search area expansion coefficient can be set as follows. For example, a user can set a value in advance and signal it to a decoder. That is, the encoder of a transmitting device can signal the value set in advance by the user and transmit it to the decoder of a receiving device.
  • the atlas search area coefficient can be set by reflecting the density characteristics of the point cloud content input by the encoder. Then, the set atlas search area coefficient can be signaled and transmitted to the decoder of the receiving device.
  • the density determination criterion may be the number of points within a specific area. Alternatively, the density determination criterion may be the average distance between all points.
  • the atlas search area expands, the number of candidates for nearest neighbor points increases, resulting in similar benefits to the Moulton code scaling-based atlas search method described above. Specifically, it reduces the need for full searches, which speeds up encoding/decoding and reduces the number of incorrect nearest neighbor points selected.
  • the following describes how to set the multi-region expansion factor. That is, it describes how to set the multi-region expansion factor in the atlas search method based on the search area expansion.
  • multi-region expansion factors can also be applied individually for each x, y, and z axis.
  • the region expansion factors are Nx, Ny, and Nz for each XYZ (i.e., x, y, and z) axis, respectively, the size of the minicube becomes (2 Nx , 2 Ny , 2 Nz ), thereby expanding the atlas search area.
  • These coefficients can also be specified by the user or reflect the characteristics of the density, as in the search area expansion-based atlas search method.
  • the following describes an atlas search method based on axis removal.
  • a method of removing the point from the nearest neighbor search target may be efficient. For example, if an axis removal method is used based on the Z axis, when the coordinates of the current point are (x, y, z) and the coordinates of a neighboring point within the atlas search range are (x', y', z'), if the values of z and z' are different, the point can be excluded from the nearest neighbor target candidate without measuring the distance to the neighboring point.
  • This type of axis-removal-based atlas search method can speed up encoding/decoding by eliminating the need to calculate distances to points with different values along a specific axis. Furthermore, if the point cloud content has attribute values (e.g., color or reflectance) that vary significantly along a specific axis regardless of distance, axis-removal-based atlas search can prevent the selection of inaccurate nearest neighbor points.
  • attribute values e.g., color or reflectance
  • the following describes a point-count-based axis removal method. That is, it describes how to perform axis removal based on the point count in an axis removal-based atlas search method.
  • it may be effective to reflect the number of points within the atlas search area in the axis removal criteria.
  • it may be efficient to apply an axis removal method when the number of points within the atlas search area is N or less, without unconditionally excluding neighboring points with different coordinates relative to a specific axis.
  • FIG. 13 is a drawing showing another example of a point cloud transmission device according to embodiments.
  • the elements of the point cloud transmission device illustrated in FIG. 13 may be implemented by hardware, software, a processor connected to a memory, and/or a combination thereof. That is, the elements of the point cloud transmission device illustrated in FIG. 13 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, although not illustrated in the drawing.
  • One or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud transmission device illustrated in FIG. 13.
  • 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 transmission device illustrated in FIG. 13. The execution order of each block in FIG. 13 may be changed, some blocks may be omitted, and some blocks may be newly added.
  • the point cloud transmission device of FIG. 13 can correspond to the point cloud video encoder (10002) of FIG. 1, the encoding (20001) of FIG. 2, the point cloud video encoder of FIG. 3, the transmission device of FIG. 8, the device of FIG. 10, etc. That is, point cloud data (or referred to as PCC data) input to the point cloud transmission device (or referred to as PCC data encoder) of FIG. 13 is encoded and output as a geometry information bitstream and an attribute information bitstream.
  • the geometry information bitstream may be used interchangeably with the same meaning as the geometry bitstream
  • the attribute information bitstream may be used interchangeably with the same meaning as the attribute bitstream.
  • the data input unit (51001) may perform part or all of the operations of the point cloud video acquisition unit (10001) of Fig. 1, or may perform part or all of the operations of the data input unit (8000) of Fig. 8.
  • the coordinate system transformation unit (51002) may perform part or all of the operations of the coordinate system transformation unit (30000) of Fig. 3.
  • the geometry information transformation quantization processing unit (51003) may perform part or all of the operations of the quantization unit (30001) of Fig. 3, or may perform part or all of the operations of the quantization processing unit (8001) of Fig. 8.
  • the data input unit (51001) can receive data to encode point cloud data. That is, the data input unit (51001) can read and configure the input data (e.g., ply, configuration file, etc.).
  • the input data can be geometry data (which can be referred to as geometry, geometry information, etc.), attribute data (which can be referred to as attribute, attribute information, etc.), parameter information indicating coding-related settings, etc.
  • the coordinate system conversion unit (51002) can support coordinate system conversion of point cloud data, such as changing the xyz axes or converting the coordinate system from the xyz rectangular coordinate system to the angular (or spherical) coordinate system.
  • the quantization processing unit (or geometry information transformation quantization processing unit) (51003) can quantize point cloud data.
  • the scale value can follow the set value or be included in the bitstream as parameter information and transmitted to the receiving end.
  • the spatial division unit (51004) can spatially divide the point cloud data quantized and output from the quantization processing unit (51003) into one or more three-dimensional blocks based on a bounding box and/or a sub-bounding box. For example, the spatial division unit (51004) can divide the quantized point cloud data into tile units or slice units for region-specific access or parallel processing of content.
  • point cloud content can be a person or multiple people, or an object or multiple objects, such as an actor, but on a larger scale, it can also be a map for autonomous driving or a map for indoor navigation of a robot.
  • point cloud content can be point cloud data captured by a lidar device from a moving or stationary vehicle. In such cases, point cloud content can be a large amount of locally connected data. Therefore, since point cloud content cannot be encoded/decoded all at once, tile partitioning can be performed before compression. For example, room 101 in a building can be divided into one tile, and room 102 into another tile. The divided tiles can be further partitioned (or divided) into slices to support fast encoding/decoding through parallelization. This is referred to as slice partitioning (or division).
  • a tile may refer to a portion of a three-dimensional space (e.g., a rectangular cube) occupied by point cloud data according to embodiments.
  • a tile according to embodiments may include one or more slices. That is, a tile is divided (partitioned) into one or more slices, so that a point cloud video encoder can encode point cloud data in parallel.
  • a slice may refer to a unit of data (or bitstream) that can be independently encoded by a point cloud video encoder according to embodiments and/or a unit of data (or bitstream) that can be independently decoded by a point cloud video decoder.
  • a slice according to embodiments may refer to a set of data in a three-dimensional space occupied by point cloud data, or may refer to a set of some data among point cloud data.
  • a tile according to embodiments may be divided into one or more slices based on the number of points, and some data may be split or merged during the division process. In other words, a slice may be a unit that can be independently coded within the corresponding tile.
  • a tile divided into space in this way may be further divided into one or more slices for fast and efficient processing.
  • a point cloud video encoder may encode point cloud data in units of slices or in units of tiles including one or more slices.
  • the point cloud video encoder according to embodiments may perform quantization and/or transformation differently for each tile or slice.
  • the positions of one or more 3D blocks (e.g., slices) space-divided in the above space division unit (51004) are output to a geometry information encoding unit (51005), and attribute information (i.e., divided attribute original data) is output to a color conversion processing unit (51008) for attribute encoding.
  • the positions may be position information of points included in the divided units (boxes or blocks or tiles or tile groups or slices) and are referred to as geometry information.
  • the above geometry information encoding unit (51005) performs inter-prediction or intra-prediction-based encoding on positions (i.e., geometry information) output from the space division unit (51004) to generate a geometry information bitstream.
  • Intra-prediction-based coding methods may include octree coding, predictive tree coding, trisoup coding, and the like.
  • a reference frame generation unit (51007) generates a reference frame for encoding based on inter prediction based on one or more reference frames stored in a reference frame buffer (51006).
  • the reference frame may be provided to a geometry information encoding unit (51005) for inter prediction encoding of geometry information and/or may be provided to an attribute information encoding unit (51010) for inter prediction encoding of attribute information. That is, the reference frame generation unit (51007) may store restored geometry information and restored attribute information in the reference frame buffer (51006) and transmit reference frame data to another module.
  • the frame buffer (51006) may store a frame reconstructed based on the restored geometry information and the restored attribute information as a reference frame.
  • the geometry information encoding unit (51005) may compress geometry information by performing inter prediction based on a reference frame provided by the reference frame generation unit (51007). That is, the geometry information encoding unit (51005) may perform octree-based inter-coding, predictive-tree-based inter-coding, or trisoup-based inter-coding based on a difference in geometry prediction values between a current frame and a reference frame.
  • the geometry information encoding unit (51005) reconstructs (i.e., restores) the encoded geometry information based on inter prediction or intra prediction and provides it to the recoloring unit (5100).
  • the reconstructed (i.e., restored) geometry information is stored in the reference frame buffer (51006) as position information of the reference frame.
  • the above geometry information encoding unit (51005) can perform entropy encoding on geometry information coded based on intra prediction or inter prediction.
  • the color conversion processing unit (51008) performs color conversion coding to convert the color values included in the original attribute data divided by the space division unit (51004).
  • the color conversion processing unit (51008) can support attribute type conversion, such as changing RGB color to YUV or YCbCr.
  • the operation of the color conversion processing unit (51008) can be optionally applied depending on the color values included in the attribute information.
  • the above color readjustment unit (51009) performs color readjustment (or recoloring) to reset the attribute (color) based on the reconstructed (i.e., restored) geometry information. That is, when a scale is applied to the geometry information and the position information value is changed, the color readjustment unit (51009) can predict an attribute value appropriate for the changed position. For example, the color readjustment unit (51009) can transform the attribute of a point at a position based on the position value of the point included in the voxel.
  • the attribute information encoding unit (51010) generates an attribute information bitstream by performing inter-prediction or intra-prediction-based encoding on the attribute information output from the color readjustment unit (51009).
  • the intra-prediction coding method performed by the attribute information encoding unit (51010) may include a Predicting Transform coding method, a Lift Transform coding method, a RAHT coding method, etc.
  • the attribute information encoding unit (51010) may perform inter-prediction based on a reference frame generated by the reference frame generation unit (51007) to compress color-converted and/or color-readjusted attribute information. That is, the attribute information encoding unit (51010) may receive color-readjusted original attribute information, restored geometry information, and a reference frame as input, perform encoding, and generate an attribute information bitstream.
  • the attribute information encoding unit (51010) reconstructs (i.e., restores) attribute information encoded based on inter prediction or intra prediction and stores it in the reference frame buffer (51006).
  • the attribute information encoding unit (51010) may perform entropy encoding on attribute information encoded based on inter prediction or intra prediction.
  • each bitstream or multiplexed bitstream may be encapsulated into a file or segment (e.g., streaming segment) and then transmitted through various networks such as a broadcasting network and/or a broadband network.
  • Fig. 14 is a block diagram showing an example of an attribute information encoding unit according to embodiments.
  • Each element of the attribute information encoding unit of Fig. 14 may correspond to hardware, software, a processor, and/or a combination thereof. That is, in the present disclosure, the attribute information encoding unit (51010) may compress attribute information by combining one or more of RAHT coding, LOD-based lifting transform coding, and LOD-based predictive transform coding as described above.
  • the attribute information encoding unit (51010) can compress the attribute information (or segmented point cloud data) segmented in the space segmentation unit (51004) by using one or more of RAHT coding, LOD-based lifting transformation coding, and LOD-based predictive transformation coding.
  • the attribute information encoding unit (51010) of the present disclosure can generate LOD when LOD parameters exist.
  • the judgment unit (or judgment step) (53001) of the attribute information encoding unit (51010) checks whether LOD parameters exist. That is, if the judgment unit (53001) determines that LOD parameters exist, the color-converted and/or color-rescaled attribute information (or segmented point cloud data) is provided to the LOD generation unit (53002), and if the judgment unit (53001) determines that there are no LOD parameters, it is provided to the RAHT unit (53005).
  • the LOD generation unit (53002) above can receive segmented point cloud data (i.e., attribute information) as input and generate one or more LODs, and can determine the nearest neighbors for each point used in lifting transformation and prediction transformation based on the atlas search method described above (e.g., Moulton code scaling-based atlas search method, search area expansion-based atlas search method, axis removal-based atlas search method). At this time, the LOD generation unit (53002) can be performed when there is an LOD parameter. The LOD generated by the LOD generation unit (53002) is provided to the lifting transformation unit (53003) and/or the prediction transformation unit (53004).
  • segmented point cloud data i.e., attribute information
  • the lifting transformation unit (53003) performs a prediction and update process for each LOD level using the LOD generated by the LOD generation unit (53002), and through this, performs a frequency transformation on the attribute information to generate a transformation coefficient.
  • the transformation coefficient generated by the lifting transformation unit (53003) can be quantized and transmitted to the attribute information entropy encoding unit (53006).
  • the restored attribute information can be output by internally performing an inverse transformation.
  • the above prediction transformation unit (53004) can perform a prediction transformation to predict the current point using the neighboring points determined in the LOD generation process of the LOD generation unit (53002).
  • the difference between the predicted attribute information and the original attribute information can be referred to as a transformation coefficient.
  • the prediction transformation unit (53004) can quantize the transformation coefficient and transmit it to the attribute information entropy encoding unit (53006).
  • the attribute information can be restored and output through inverse quantization and prediction inverse transformation.
  • the above RAHT unit (53005) can be performed when there is no LOD parameter.
  • the RAHT unit (53005) can receive segmented point cloud data (i.e., attribute information) and perform RAHT (Region Adaptive Hierarchical Transform) to generate transform coefficients converted to the frequency domain. Thereafter, the transform coefficients can be quantized and passed to the attribute information entropy encoding unit (53006).
  • RAHT Registered Adaptive Hierarchical Transform
  • the above attribute information entropy encoding unit (53006) applies any one of RAHT coding, LOD-based lifting transform coding, and LOD-based predictive transform coding to entropy encode compressed attribute information and outputs it in the form of an attribute information bitstream.
  • FIG. 15 is a drawing showing another example of a point cloud receiving device according to embodiments.
  • the elements of the point cloud receiving device illustrated in FIG. 15 may be implemented by hardware, software, a processor connected to a memory, and/or a combination thereof. That is, the elements of the point cloud receiving device illustrated in FIG. 15 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, although not illustrated in the drawing.
  • One or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud receiving device illustrated in FIG. 15.
  • 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 receiving device illustrated in FIG. 15. The execution order of each block in FIG. 15 may be changed, some blocks may be omitted, and some blocks may be newly added.
  • the point cloud receiving device of FIG. 15 may correspond to the point cloud video decoder (10006) of FIG. 1, the decoding (20003) of FIG. 2, the point cloud video decoder of FIG. 7, the receiving device of FIG. 9, the device of FIG. 10, etc.
  • the point cloud video decoder may be referred to as a PCC decoder, a PCC decoding unit, a point cloud decoder, a point cloud decoding unit, a decoder, etc.
  • the receiving device of FIG. 15 may further include a receiving processing unit.
  • the receiving processing unit may receive one bitstream, or may separately receive a geometry information bitstream (also referred to as a geometry bitstream) and an attribute information bitstream (also referred to as an attribute bitstream).
  • the receiving processing unit may, when a file and/or segment is received, decapsulate the received file and/or segment and output it as a bitstream.
  • the receiving processing unit can demultiplex a geometry information bitstream and an attribute information bitstream from the one bitstream, and output the demultiplexed geometry information bitstream to a geometry information decoding unit (61001) and the attribute information bitstream to an attribute information decoding unit (61005).
  • the receiving processing unit can transmit the geometry information bitstream to a geometry information decoding unit (61001) and the attribute information bitstream to an attribute information decoding unit (61005).
  • the above geometry information decoding unit (61001) can receive a geometry information bitstream, decode it, and restore the geometry information. That is, the geometry information decoding unit (61001) can restore the geometry information by performing the reverse process of the geometry information encoding unit (51005) of FIG. 13 based on signaling information (e.g., geometry-related parameters) on the compressed geometry information bitstream. More specifically, the geometry information decoding unit (61001) entropy decodes the geometry information bitstream and then performs inter-prediction-based or intra-prediction-based geometry decoding.
  • signaling information e.g., geometry-related parameters
  • the geometry information decoding unit (61001) if intra-prediction-based encoding is applied to the geometry information at the transmitting end, the geometry information decoding unit (61001) performs intra-prediction-based restoration on the entropy-decoded geometry information. Conversely, if encoding based on inter prediction is applied to geometry information on the transmitting side, the geometry information decoding unit (61001) performs restoration based on inter prediction on the entropy-decoded geometry information.
  • the geometry information restored (or reconstructed) in the above geometry information decoding unit (61001) is provided to the coordinate system inversion unit (61002) and the attribute information decoding unit (61005).
  • the above coordinate system inversion unit (61002) can perform the reverse process of the coordinate system transformation performed by the coordinate system transformation unit of the transmission device on the geometry information.
  • the coordinate system inversion unit (61002) can restore the xyz axes changed on the transmission side or inversely transform the transformed coordinate system into the xyz orthogonal coordinate system.
  • the receiving device may further include a geometry information inverse transformation inverse quantization processing unit between the geometry information decoding unit (61001) and the coordinate system inverse transformation unit (61002).
  • the above attribute information decoding unit (61005) can restore attribute information by performing the reverse process of the attribute information encoding unit (51010) of FIG. 13 based on signaling information (e.g., attribute-related parameters) and reconstructed (i.e., restored) geometry for the compressed attribute information bitstream.
  • signaling information e.g., attribute-related parameters
  • the geometry information decoding unit (61001) and the attribute information decoding unit (61005) can perform geometry decoding and attribute decoding in tile and/or slice units. More specifically, the attribute information decoding unit (61005) entropy decodes the input attribute information bitstream and then performs inter-prediction-based or intra-prediction-based attribute decoding.
  • the attribute information decoding unit (61005) if intra prediction-based encoding is applied to attribute information at the transmitting side, the attribute information decoding unit (61005) performs intra prediction-based restoration on the entropy-decoded attribute information. Conversely, if inter prediction-based encoding is applied to the attribute information at the transmitting side, the attribute information decoding unit (61005) performs inter prediction-based restoration on the entropy-decoded attribute information.
  • the attribute information restored by the attribute information decoding unit (61005) may be provided to the color inverse conversion processing unit (61006) to be restored to RGB color. That is, the color inverse conversion processing unit (65006) may perform inverse conversion coding to inversely convert the color value (or texture) included in the restored attribute information.
  • the geometry information restored by the geometry information decoding unit (61001) and the attribute information restored by the attribute information decoding unit (61005) are stored in a reference frame buffer (61003).
  • the reference frame buffer (61003) can store a frame reconstructed based on the restored geometry information and the restored attribute information as a reference frame. That is, the restored geometry information and the restored attribute information stored in the reference frame buffer (63009) can be used as a previous reference frame for geometry information inter-prediction and/or attribute information inter-prediction.
  • a reference frame generation unit (61004) generates a reference frame for inter-prediction-based decoding based on one or more reference frames stored in a reference frame buffer (61003).
  • the reference frame may be provided to a geometry information decoding unit (61001) for inter-prediction decoding of geometry information and/or may be provided to an attribute information decoding unit (61005) for inter-prediction decoding of attribute information. That is, the reference frame generation unit (61004) may store restored geometry information and restored attribute information in the reference frame buffer (61003) and transmit reference frame data to other modules.
  • Fig. 16 is a block diagram showing an example of an attribute information decoding unit according to embodiments.
  • Each element of the attribute information decoding unit of Fig. 16 may correspond to hardware, software, a processor, and/or a combination thereof. That is, in the present disclosure, the attribute information decoding unit (61005) may restore attribute information by combining one or more of RAHT decoding, LOD-based lifting transform decoding, and LOD-based predictive transform decoding, as described above.
  • the attribute information entropy decoding unit (63001) can receive an attribute information bitstream, perform entropy decoding, and restore a transform coefficient.
  • the restored transform coefficient can be provided to the LOD generation unit (63003) or the inverse RAHT unit (63006) depending on the presence or absence of the LOD parameter.
  • the attribute information decoding unit (61005) of the present disclosure can generate LOD when LOD parameters exist.
  • the judgment unit (or judgment step) (63002) of the attribute information decoding unit (61005) checks whether LOD parameters exist. That is, if the judgment unit (63002) determines that LOD parameters exist, the entropy-decoded and restored transform coefficients are provided to the LOD generation unit (63003), and if the judgment unit (63002) determines that LOD parameters do not exist, they are provided to the inverse RAHT unit (63006).
  • the LOD generation unit (63003) above can generate one or more LODs based on restored geometry information, restored transformation coefficients, and signaling information, and can determine the nearest neighboring points for each point used in lifting inverse transformation and predictive inverse transformation based on the atlas search method described above (e.g., Moulton code scaling-based atlas search method, search area expansion-based atlas search method, axis removal-based atlas search method).
  • the LOD generation unit (63003) can be performed when there is an LOD parameter.
  • the LOD generated by the LOD generation unit (63003) is provided to the lifting inverse transformation unit (63004) and/or the predictive inverse transformation unit (63005).
  • the above lifting inverse transform unit (63004) inversely transforms the input transform coefficient and performs a prediction and update process for each LOD level using the LOD generated by the LOD generation unit (63003), thereby performing frequency inverse transform on the transform coefficient to restore attribute information.
  • the above prediction inverse transformation unit (63005) can perform a prediction transformation to predict the current point using the neighboring points determined in the LOD generation process of the LOD generation unit (63003). That is, the prediction inverse transformation unit (63005) can restore attribute information by combining the value predicted for the current point using the neighboring points determined in the LOD generation process with the value obtained by inversely transforming the input transformation coefficient.
  • the above-described reverse RAHT unit (63006) can be performed when there is no LOD parameter.
  • the above-described reverse RAHT unit (63006) can receive restored geometry information and transformation coefficients and perform the reverse process of RAHT to restore attribute information.
  • Fig. 17 is a block diagram showing an example of an LOD generation unit according to embodiments.
  • the LOD generation unit may be provided in both a transmitting device and a receiving device. That is, the LOD generation unit of Fig. 17 may correspond to the LOD generation unit (53002) of Fig. 14 and/or the LOD generation unit (63003) of Fig. 16. Each element of the LOD generation unit of Fig. 17 may correspond to hardware, software, a processor, and/or a combination thereof.
  • the LOD generation unit can input restored geometry information and generate and output multi-layer LODs.
  • the LOD generation unit may include a Molton code assignment and alignment unit (65001), a sub-sampling unit (65002), and a nearest neighbor search unit (65003).
  • the above-mentioned Molton code assignment and sorting unit (65001) assigns Molton codes to points, and can then sort the points assigned Molton codes according to a predetermined sorting method.
  • the above sub-sampling unit (65002) can perform sub-sampling on the LOD index list to distinguish the current points into LODs.
  • the nearest neighbor search unit (65003) above can find one or more neighboring points for each point based on geometry and store the index of the point in order to predict and update the lifting transformation for points classified by LOD.
  • the attribute information of the nearest neighbor points found by the nearest neighbor search unit (65003) above is used to predict the attribute of the point to be encoded or decoded.
  • the Molton code assignment and sorting unit (65001) can assign Molton codes to points and sort points according to a set sorting order.
  • the Morton code assignment and sorting unit (65001) can assign Morton codes to points through Morton code scaling described in the above-described Morton code scaling-based atlas search method. That is, the Morton code assignment and sorting unit (65001) can receive information about scaling factors or multiple scaling factors as signaling information through the method described in the above-described Morton code scaling-based atlas search method. Then, the received information and the coordinate values of the points can be utilized to assign Morton codes to the points.
  • the Molton code assignment and sorting unit (65001) may sort points in one of a mixed order (i.e., refer to the point sorting method setting after the Molton code scaling described above), the Molton code order, and the geometry decoder output order. That is, the Molton code assignment and sorting unit (65001) may receive information about the sorting order as signaling information through the method described in the point sorting method setting after the Molton code scaling. In addition, the points may be sorted by utilizing the received information and points.
  • Fig. 18 is a flowchart showing an example of a method for assigning and sorting a molton code of a molton code assignment and sorting unit according to embodiments.
  • aps_morton_code_scaling_enabled included in the signaling information is true (e.g., 1) (67001)
  • it is checked whether the value of multi_scale_factor_enabled is true i.e., 1) (67002).
  • aps_morton_code_scaling_enabled if the value of aps_morton_code_scaling_enabled is true and the value of multi_scale_factor_enabled is false (e.g., 0), the same downscaling is applied to the coordinate values (67004), and then the process proceeds to the Morton code calculation and assignment step (67005).
  • the process proceeds to the Morton code calculation and assignment step (67005) without applying downscaling.
  • step 67003 or 67004 Since the detailed description of downscaling in step 67003 or 67004 has been provided above, it will be omitted here to avoid redundant description.
  • the Molton code is obtained according to the Molton code calculation method described above, and the Molton code is assigned to the points.
  • the points are sorted based on the order of the Molton codes if the Molton codes between points are different, and the points are sorted based on the order of the geometry decoder output if the Molton codes between points are the same (67007).
  • the points are sorted based on the geometry decoder output order (67009).
  • points are sorted based on Molton code order (67010).
  • the sorted points, i.e., the sorted point information, in one of the above steps 67007, 67009, and 67010 are sub-sampled in the sub-sampling unit (65002) and then provided to the nearest neighbor search unit (65003).
  • the syntax elements (or fields) of FIG. 18, namely aps_morton_code_scaling_enabled, multi_scale_factor_enabled, and different_sorting_enabled can be referred to as signaling information related to atlas search.
  • signaling information related to atlas search can be referred to as parameter information for a fast nearest neighbor search technique for LOD generation.
  • the nearest neighbor search unit (65003) can set an atlas search area by utilizing the Moulton code of each point.
  • the nearest neighbor search unit (65003) performs an atlas search by utilizing the set atlas search area, and if three nearest neighbor points are not found in the atlas search, a full search can be performed.
  • the nearest neighbor search unit (65003) may expand the atlas search area using the aforementioned atlas search area method (i.e., refer to the search area expansion-based atlas search method). That is, information regarding the atlas search area expansion coefficient determined through the method described in the aforementioned search area expansion-based atlas search method may be received as signaling information. In addition, the atlas area may be expanded using the received information.
  • the nearest neighbor search unit (65003) may utilize an axis removal method (i.e., refer to an axis removal-based atlas search method) to exclude points within an atlas search area from the neighbor point search target if the values of a specific axis (one of x, y, and z) are different. That is, information on an axis to be removed and information on conditions for performing the axis removal method can be received as signaling information through the method described in the aforementioned axis removal-based atlas search method.
  • the axis removal method can be used by utilizing the received information.
  • Fig. 19 is a flowchart showing an example of a nearest neighbor search method of a nearest neighbor search unit according to embodiments.
  • the nearest neighbor search unit receives sub-sampled point information and sets an atlas search area (69001).
  • enlarge_atlas_search_range_enabled if the value of enlarge_atlas_search_range_enabled is true, it is checked whether the value of multi_atlas_enlarge_factor_enabled is true (e.g., 1) (69003).
  • step 69007 is proceeded to.
  • the atlas search range is expanded using the received XYZ-specific multi-area expansion factor (69004).
  • the atlas search range is expanded by one atlas area expansion factor (69005).
  • discard_different_coordinate_neighbor_enabled e.g., 1 (69006).
  • the process of excluding at least one point within the atlas search area from the neighbor point search target based on the axis removal method is omitted.
  • discard_different_coordinate_neighbor_enabled if the value of discard_different_coordinate_neighbor_enabled is true, it is checked whether the number of points within the atlas search range is greater than the value of number_of_points_for_coordinate_discard (69007).
  • the neighboring point search target is excluded (69008).
  • the process of excluding at least one point within the atlas search area from the neighbor point search target based on the axis removal method is omitted.
  • step 69009 check whether the number of nearest neighbor points found in step 69009 is less than 3 (69010). If it is less than 3, perform a full search (69011). If it is not less than 3, do not perform a full search.
  • a predictor is generated based on nearest neighbor points found by performing an atlas search or nearest neighbor points found by performing both an atlas search and a full search (69012).
  • the syntax elements (or fields) of FIG. 19, namely enlarge_atlas_search_range_enabled, multi_atlas_enlarge_factor_enabled, discard_different_coordinate_neighbor_enabled, and number_of_points_for_coordinate_discard, may be referred to as signaling information related to atlas search.
  • signaling information related to atlas search may be referred to as parameter information for a fast nearest neighbor search technique for LOD generation.
  • relevant information may be signaled.
  • the present disclosure may refer to this relevant information as "signaling information related to atlas search.”
  • Signaling information according to the embodiments may be used by a transmitter, receiver, or the like.
  • the encoded point cloud configuration is as follows. That is, a point cloud data encoder that performs a geometry encoding and/or attribute encoding process can generate an encoded point cloud (or a bitstream of point cloud data) as in FIG. 20.
  • signaling information regarding the point cloud data e.g., including signaling information related to atlas search
  • a metadata processing unit or signaling processing unit of a point cloud data transmission device and included in a bitstream of the point cloud data as in FIG. 20 and transmitted to a receiving device.
  • Fig. 20 shows an example of a bitstream structure of point cloud data for transmission/reception according to embodiments.
  • the term “slice” in FIG. 20 may be referred to as the term “data unit.”
  • each abbreviation means the following. Each abbreviation may be referred to by other terms within the scope of equivalent meaning.
  • SPS Sequence Parameter Set
  • GPS Geometry Parameter Set
  • APS Attribute Parameter Set
  • TPS Tile Parameter Set
  • the present disclosure may signal relevant information to add/perform the embodiments described so far.
  • the signaling information according to the embodiments may be used in a point cloud video encoder at a transmitting end or a point cloud video decoder at a receiving end.
  • the point cloud video encoder can generate a bitstream as in FIG. 20 by encoding geometry information and attribute information as described above.
  • signaling information regarding point cloud data can be generated and processed by at least one of a geometry information encoding unit, an attribute information encoding unit, and a metadata processing unit (or signaling processing unit) of the point cloud video encoder and included in the bitstream.
  • a point cloud video encoder that performs geometry encoding and/or attribute encoding can generate an encoded point cloud (or a bitstream including a point cloud) as illustrated in FIG. 20.
  • signaling information regarding point cloud data can be generated and processed by a metadata processing unit of a point cloud data transmission device and included in a bitstream of the point cloud data as illustrated in FIG. 20.
  • Signaling information may be received/obtained by at least one of a geometry information decoding unit, an attribute information decoding unit, and a metadata parser (or signaling processing unit) of a point cloud video decoder.
  • the bitstream according to the embodiments may be transmitted/received separately as a geometry information bitstream, an attribute information bitstream, and a signaling information bitstream, or may be transmitted/received combined into a single bitstream.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to embodiments may include a Sequence Parameter Set (SPS) for sequence-level signaling, a Geometry Parameter Set (GPS) for signaling geometry information coding, one or more Attribute Parameter Sets (APS 0 , APS 1 ) for signaling attribute information coding, a Tile Parameter Set (TPS) for tile-level signaling, and one or more slices (slice 0 to slice n).
  • SPS Sequence Parameter Set
  • GPS Geometry Parameter Set
  • APS 0 , APS 1 Attribute Parameter Set
  • TPS Tile Parameter Set
  • the bitstream of point cloud data may include one or more tiles, and each tile may be a group of slices including one or more slices (slice 0 to slice n).
  • the TPS may include information about each tile (e.g., coordinate value information of a bounding box, height/size information, etc.) for one or more tiles.
  • Each slice may contain one geometry bitstream (Geom0) and one or more attribute bitstreams (Attr0, Attr1).
  • Each geometry bitstream within a slice can consist of a geometry slice header and one or more geometry PUs (Geom PU0, Geom PU1).
  • Each geometry PU can consist of a geometry PU header and geometry PU (Prediction Unit) data (geom PU data).
  • Each attribute bitstream (or attribute slice) within each slice may consist of an attribute slice header and one or more attribute PUs (Attr PU0, Attr PU1).
  • Each attribute PU may consist of an attribute PU header (attr PU header) and attribute PU data (attr PU data).
  • the signaling information related to atlas search may be signaled by being added to the APS and/or attribute data unit header.
  • the attribute data unit header may be referred to as an attribute slice header.
  • the bitstream of point cloud data is divided into tiles, slices, LPUs, and/or PUs so that the point cloud data can be processed by dividing the point cloud data by region.
  • Each region of the bitstream according to embodiments may have different importance. Therefore, when point cloud data is divided into tiles, different filters (encoding methods) and different filter units can be applied to each tile.
  • different filters and different filter units can be applied to each slice.
  • different filters and different filter units can be applied to each LPU/PU.
  • the transmitting device transmits point cloud data according to the bitstream structure as illustrated in FIG. 20, thereby enabling the application of different encoding operations based on importance and providing a method for utilizing high-quality encoding methods in important areas. Furthermore, the device supports efficient encoding and transmission based on the characteristics of point cloud data and can provide attribute values according to user requirements.
  • the receiving device receives point cloud data according to the structure of the bitstream as illustrated in FIG. 20, thereby enabling application of different filtering (decoding methods) to each region (region divided into tiles or slices) instead of applying a complex decoding (filtering) method to the entire point cloud data, depending on the processing capacity of the receiving device. Accordingly, it is possible to provide better image quality to regions important to the user and ensure appropriate latency in the system.
  • tiles or slices are provided to allow point cloud data to be divided into regions and processed. Furthermore, when dividing point cloud data into regions, options can be set to generate different sets of neighboring points for each region, providing a choice between low complexity but somewhat low reliability, or conversely, high complexity but high reliability.
  • FIG. 21 is a diagram illustrating an example of a syntax structure of an attribute parameter set (attribute_parameter_set()) (APS) including parameter information for a fast nearest neighbor search technique for LOD generation according to embodiments.
  • the parameter information for the fast nearest neighbor search technique for LOD generation of the present disclosure can be added to and signaled in the APS. That is, the parameter information for the fast nearest neighbor search technique for LOD generation can be efficiently signaled to the APS to support the fast nearest neighbor search method for LOD generation.
  • the name of the signaling information can be understood within the scope of the meaning and function of the signaling information.
  • the aps_attr_parameter_set_id field indicates the identifier of the APS for reference by other syntax elements.
  • the value of aps_attr_parameter_set_id must be in the range of 0 to 15 (inclusive).
  • the aps_seq_parameter_set_id field indicates the sps_seq_parameter_set_id value for the active SPS.
  • the value of aps_seq_parameter_set_id must be in the range 0 to 15, inclusive.
  • aps_morton_code_scaling_enabled is a flag that selects whether to perform Morton code scaling. For example, if the value of aps_morton_code_scaling_enabled is 1 (i.e., true), it indicates that Morton code scaling (e.g., downscaling) is performed (or selected), and if it is 0 (i.e., false), it indicates that Morton code scaling is not performed (or selected).
  • the attr_coding_type field indicates the coding type for the attribute. For example, a value of 0 for attr_coding_type indicates RAHT, a value of 1 indicates a LOD-based prediction transformation, and a value of 2 indicates a LOD-based lifting transformation.
  • aps_extension_present specifies whether the aps_extension_data syntax elements are present within the APS syntax structure. aps_extension_present may be 0 in bitstreams conforming to this version of this document.
  • prediction_with_distribution_enabled specifies whether prediction coefficients are derived based on the spatial distribution of predictors. For example, a value of 1 (i.e., true) for prediction_with_distribution_enabled indicates that prediction coefficients are derived, while a value of 0 (i.e., false) indicates that prediction coefficients are not derived. If prediction_with_distribution_enabled does not exist, its value is assumed to be 0.
  • enlarge_atlas_searchrange_enabled is a flag that selects whether to perform the atlas search range expansion method. For example, a value of enlarge_atlas_searchrange_enabled of 1 indicates that the atlas search range expansion method is performed (or selected), while a value of 0 indicates that it is not performed (or selected).
  • discard_different_coordinate_neighbor_enabled is a flag that selects whether to perform the method of removing neighbors with different coordinates. For example, a value of discard_different_coordinate_neighbor_enabled of 1 indicates that the method of removing neighbors with different coordinates is performed (or selected), while a value of 0 indicates that the method of removing neighbors with different coordinates is not performed (or selected).
  • prediction_with_distribution_enabled, enlarge_atlas_searchrange_enabled, and discard_different_coordinate_neighbor_enabled may be signaled to the APS when the value of attr_coding_type is 1 (e.g., LOD-based prediction transformation) or 2 (e.g., LOD-based lifting transformation) and the value of pred_set_size_minus1 is 2 or greater (i.e., the size of the predictor set is 3 or greater).
  • FIG. 22 is a diagram illustrating an example of the syntax structure of an attribute data unit header (attribute_data_unit_header()) that includes parameter information for a fast nearest neighbor search method for LOD generation according to embodiments.
  • attribute_data_unit_header() an attribute data unit header that includes parameter information for a fast nearest neighbor search method for LOD generation according to embodiments.
  • the name of the signaling information can be understood within the scope of the meaning and function of the signaling information.
  • the ash_attr_parameter_set_id field indicates the value of aps_attr_parameter_set_id for the active APS.
  • adu_temporal_id specifies the temporal ID of the frame associated with the attribute data unit.
  • the ash_attr_sps_attr_idx field specifies the attribute set within the active SPS. The value of this field ranges from 0 to sps_num_attribute_sets within the active SPS.
  • the ash_attr_geom_slice_id field specifies the gsh_slice_id value of the active geometry slice header.
  • the attribute data unit header may further include different_sorting_enabled, multi_scaling_factor_enabled, and morton_code_scaling_denominator if the value of morton_code_scaling_enabled is true.
  • different_sorting_enabled is a flag that selects whether to use a different sorting method when performing Moulton code scaling. For example, a value of 1 for different_sorting_enabled indicates that a different sorting method is used, while a value of 0 indicates that it is not used.
  • multi_scaling_factor_enabled is a flag that selects whether to apply different scaling factors to the x-axis, y-axis, and z-axis respectively. For example, if the value of multi_scaling_factor_enabled is 1, it indicates that different scaling factors are applied to the x-axis, y-axis, and z-axis respectively, and if it is 0, it indicates that the same scaling factor is applied to all of the x-axis, y-axis, and z-axis.
  • morton_code_scaling_denominator is the value corresponding to d in Equations 2 and 3.
  • the attribute data unit header may further include sorting_method_after_morton_code_scaling if the value of different_sorting_enabled is true.
  • sorting_method_after_morton_code_scaling specifies the sorting method before subsampling input when performing Morton code scaling. For example, a value of sorting_method_after_morton_code_scaling of 0 indicates a sorting based on the order output from the geometry decoder, and a value of 1 indicates a Morton code-based sorting without applying Morton code scaling.
  • the attribute data unit header may further include multi_morton_code_scaling_factor_xyz[k] if the value of multi_scaling_factor_enabled is true, and may further include single_morton_code_scaling_factor if the value of multi_scaling_factor_enabled is false.
  • multi_morton_code_scaling_factor_xyz[k] is the Morton code scaling factor to be applied to the kth xyz coordinate.
  • single_morton_code_scaling_factor represents a Morton code scaling factor to be applied commonly to xyz coordinates.
  • Morton code scaling-based atlas search method and mathematical expression 2.
  • the attribute data unit header may further include multi_atlas_enlarge_factor_enabled if the value of enlarge_atlas_searchrange_enabled is true.
  • multi_atlas_enlarge_factor_enabled indicates whether to apply multiple atlas search area expansion factors. For example, if the value of multi_atlas_enlarge_factor_enabled is 1, it is a flag that selects whether to apply different scaling factors to the x-axis, y-axis, and z-axis. For example, if the value of multi_scaling_factor_enabled is 1, it indicates that different atlas search area expansion factors are applied to the x-axis, y-axis, and z-axis, and if it is 0, it indicates that the same atlas search area expansion factor is applied to the x-axis, y-axis, and z-axis.
  • the attribute data unit header may further include multi_atlas_enlarge_factor_xyz[k] if the value of multi_atlas_enlarge_factor_enabled is 1, and may further include single_atlas_enlarge_factor if the value is 0.
  • multi_atlas_enlarge_factor_xyz[k] represents the multi-atlas search area expansion factors, which increase the size of the minicube from (2,2,2) to (2 multi_atlas_enlarge_factor_xyz[0] , 2 multi_atlas_enlarge_factor_xyz[1] , 2 multi_atlas_enlarge_factor_xyz[2] ).
  • multi-area expansion factor setting method refer to the multi-area expansion factor setting method described above.
  • single_atlas_enlarge_factor represents a single atlas search area expansion factor, which increases the size of a minicube from (2,2,2) to (2 single_atlas_enlarge_factor , 2 single_atlas_enlarge_factor , 2 single_atlas_enlarge_factor ).
  • search area expansion-based atlas search method For a detailed description, refer to the aforementioned search area expansion-based atlas search method.
  • the attribute data unit header may further include number_of_points_for_coordinate_discard and coordinate_to_discard if the value of discard_different_coordinate_neighbor_enabled is true.
  • number_of_points_for_coordinate_discard specifies the conditions for performing axis removal when using the axis removal method. For example, the axis removal method is performed only when the number of points within the atlas search area is greater than number_of_points_for_coordinate_discard. For a detailed description, see Axis Removal-Based Atlas Search Method.
  • coordinate_to_discard specifies which of the xyz axes to remove when using the axis removal method. For example, a value of coordinate_to_discard of 0 indicates removal of the x-axis, 1 indicates removal of the y-axis, and 2 indicates removal of the z-axis.
  • Fig. 23 shows a flowchart of a point cloud data encoding method according to embodiments.
  • a point cloud data encoding method may include a step of encoding geometry data of point cloud data (S71001) and encoding attribute data of point cloud data (S71002).
  • the point cloud data encoding method may further include a step of transmitting a bitstream including encoded geometry data, encoded attribute data, and signaling information.
  • the bitstream may be encapsulated and transmitted as a file.
  • geometry data is used interchangeably with geometry information and the same meaning as attribute data is used interchangeably with the same meaning as attribute information.
  • a geometry information bitstream is used interchangeably with a geometry bitstream and the same meaning as an attribute bitstream is used interchangeably with the same meaning as an attribute bitstream.
  • the step of encoding geometry data of point cloud data (S71001) and the step of encoding attribute data of point cloud data (S71002) may perform part or all of the operations of the point cloud video encoder (10002) of FIG. 1, the encoding (20001) of FIG. 2, the point cloud video encoder of FIG. 3, the point cloud video encoder of FIG. 8, and the transmitting device of FIG. 13 for encoding geometry data and attribute data.
  • the step of encoding geometry data of point cloud data performs inter-prediction or intra-prediction-based encoding on positions of point cloud data (i.e., referred to as geometry information or geometry data) to output a geometry bitstream.
  • the step (S71001) of encoding geometry data of point cloud data uses positional information of a geometry reference frame stored in a reference frame buffer during inter prediction.
  • the geometry information of each point compressed based on the inter prediction or intra prediction is entropy encoded and then output in the form of a geometry bitstream.
  • the step of encoding attribute data of point cloud data performs inter-prediction or intra-prediction-based encoding on attribute information based on reconstructed (or restored) geometry information to output an attribute bitstream.
  • the attribute information may be coded using one or a combination of one or more of RAHT coding, LOD-based predictive transform coding, and lifting transform coding.
  • a method of coding residual values based on the difference in attribute prediction values between a current frame and a motion-compensated reference frame may be included.
  • a reference frame stored in a reference frame buffer may be provided and used for inter prediction.
  • the attribute information compressed based on the intra prediction or inter prediction is entropy-encoded and then output in the form of an attribute bitstream.
  • the step of encoding attribute data of point cloud data may include an LOD generation process to perform LOD-based predictive transformation coding or LOD-based lifting transformation coding.
  • the LOD generation process generates one or more LODs based on one of the distance-based, sampling-based, and octree-based methods. Then, in order to generate a predictor for the points to be encoded, neighboring points within each existing LOD are searched, and the search is continued until three nearest neighboring points are found. There are two search methods for finding the nearest neighboring points. There is an atlas search that searches only the points existing within the area surrounding each point by specifying the area centered on the point, and a full search that searches all points in the area. The two search methods are performed sequentially, with the atlas search performed first, and if three nearest neighboring points are not found in the atlas search, the process moves on to the full search process.
  • the search to find the nearest neighbor point is performed during the LOD generation process.
  • the search method for finding the nearest neighbor point in the present disclosure may be performed by combining one or two or more of the above-described Moulton code scaling-based atlas search method, the search area expansion-based atlas search method, and the axis removal-based atlas search method.
  • the above-described atlas search method based on Molton code scaling is a method of performing an atlas search by downscaling position information when obtaining a Molton code from an encoder/decoder.
  • the present disclosure provides that when assigning a Molton code to a point whose coordinates are (x, y, z), if the Molton code scaling factor is N, the Molton code can be assigned in a state where the coordinates of the point are downscaled by N. That is, the coordinate values indicating the positions of the actual points do not change, and the downscaled coordinates are used when assigning the Molton code.
  • the atlas search area is set based on the Moulton code. If downscaling is applied to the coordinate value of each point as in Equation 2 and then the Moulton code is assigned, more points can be included in the atlas search area. In addition, if more points are included in the atlas search area, the number of nearest neighbor point candidates increases, so the possibility of finding the three nearest neighbor points without going through a full search increases. In addition, since the time-consuming full search process is not performed, the overall encoding/decoding time can be shortened. In addition, by compensating for the problem of selecting inaccurate neighbor points in a situation where there is a shortage of nearest neighbor point candidates, the accuracy of the predictor to be generated later can be improved, thereby improving the performance of attribute compression.
  • the present disclosure may use different scaling factors for each axis, rather than using the same scaling factor for the coordinates of all axes of each point. For example, when assigning a Morton code for a point whose coordinates are (x, y, z) by setting the scaling factor to (a, b, c), scaling a (e.g., downscaling) may be applied to x, scaling b (e.g., downscaling) may be applied to y, and scaling c (e.g., downscaling) may be applied to z.
  • scaling a e.g., downscaling
  • scaling b e.g., downscaling
  • scaling c e.g., downscaling
  • the present disclosure can sort points after downscaling the Moulton code based on a point sorting method.
  • the sorting order can be set to the output order of the geometry decoder or to the Moulton code order.
  • the LOD generation and nearest neighbor point search methods are described based on the above-described Moulton code scaling-based atlas search method, search area expansion-based atlas search method, and axis removal-based atlas search method based on FIGS. 11 to 14, FIGS. 17 to 20, and mathematical expressions 1 to 3, and detailed descriptions thereof are omitted here to avoid redundant descriptions.
  • signaling information includes parameter information for a fast nearest neighbor search technique for LOD generation, and part or all of the parameter information for the fast nearest neighbor search technique for LOD generation can be signaled in an APS and/or attribute data unit header and transmitted to a receiving device.
  • the parameter information for the fast nearest neighbor search technique for LOD generation is omitted here, with reference to the descriptions of FIGS. 21 and 22.
  • Fig. 24 shows a flowchart of a point cloud data decoding method according to embodiments.
  • a method for decoding point cloud data may include a step of decoding geometry data of point cloud data (S81001) and a step of decoding attribute data of point cloud data (S81002).
  • a method for decoding point cloud data may further include a step of receiving a bitstream including encoded point cloud data and signaling information.
  • geometry data is used interchangeably with geometry information and has the same meaning as attribute information
  • attribute data is used interchangeably with the same meaning as attribute information.
  • a geometry information bitstream is used interchangeably with a geometry bitstream and has the same meaning as attribute bitstream
  • an attribute information bitstream is used interchangeably with a same meaning as attribute bitstream.
  • the step of receiving a bitstream including point cloud data and signaling information may be performed in the receiver (10005) of FIG. 1, the transmitter (20002) or decoding (20003) of FIG. 2, or the receiving unit (9000) or receiving processing unit (9001) of FIG. 9.
  • a part or all of the operations of the point cloud video decoder (10006) of FIG. 1, the decoding (20003) of FIG. 2, the point cloud video decoder of FIG. 8, the point cloud video decoder of FIG. 9, or the receiving device of FIG. 15 may be performed in the step of decoding geometry data of point cloud data (S81001) and the step of decoding attribute data of point cloud data (S81002) according to embodiments.
  • the step (S81001) of decoding geometry data of the point cloud data entropy decodes the input geometry bitstream.
  • the step of decoding geometry data of the point cloud data (S81001) may decode (i.e., restore) geometry information by applying intra prediction or inter prediction based on signaling information.
  • the step of decoding geometry data of point cloud data uses position information of a geometry reference frame stored in a reference frame buffer during inter prediction.
  • the step of decoding the above attribute information decodes (i.e., decompresses) the attribute information by applying intra prediction or inter prediction to the attribute information based on the restored geometry information.
  • the attribute information may be decoded using one or more of RAHT coding, LOD-based predictive transform coding, and lifting transform coding.
  • RAHT coding LOD-based predictive transform coding
  • lifting transform coding LOD-based predictive transform coding
  • a reference frame stored in a reference frame buffer may be provided and used for inter prediction.
  • the step (S81002) of decoding attribute data of point cloud data may perform an LOD generation process and a nearest neighbor point search process based on signaling information including parameter information for a fast nearest neighbor search technique for LOD generation, in order to perform LOD-based predictive inverse transform decoding or LOD-based lifting inverse transform decoding.
  • the LOD generation process and the nearest neighbor point search process can be applied in the same manner as in the step (S71002) of encoding attribute data of point cloud data of the transmitting device.
  • the LOD generation and nearest neighbor point search methods are described based on the above-described Moulton code scaling-based atlas search method, search area expansion-based atlas search method, and axis removal-based atlas search method based on FIGS. 11 to 12, FIGS. 15 to 20, and mathematical expressions 1 to 3, and detailed descriptions are omitted here to avoid redundant descriptions.
  • signaling information includes parameter information for a fast nearest neighbor search technique for LOD generation, and part or all of the parameter information for the fast nearest neighbor search technique for LOD generation can be signaled in an APS and/or attribute data unit header and transmitted to a receiving device.
  • the parameter information for the fast nearest neighbor search technique for LOD generation is omitted here, with reference to the descriptions of FIGS. 21 and 22.
  • the method for decoding point cloud data may further include a rendering step.
  • the rendering step according to the embodiments may restore point cloud data based on restored (or reconstructed) geometry information and attribute information and render it according to various rendering methods. For example, points of the point cloud content may be rendered as vertices having a certain thickness, cubes having a certain minimum size centered at the vertex position, or circles centered at the vertex position. All or a portion of the rendered point cloud content is provided to the user through a display (e.g., VR/AR display, general display, etc.).
  • the rendering step according to the embodiments may be performed in the renderer (10007) of FIG. 1, the renderer (20004) of FIG. 2, or the renderer (9011) of FIG. 9.
  • the present disclosure can optimize nearest neighbor point search using atlas search area expansion and/or Moulton code scaling. Specifically, the present disclosure can support optimized neighbor point search by modifying the atlas search area based on the density of the point cloud. This reduces the time required for nearest neighbor point search, thereby accelerating attribute compression.
  • the PCC encoding method, PCC decoding method, and signaling method of the above-described embodiments can provide the following effects.
  • attribute compression of point clouds containing massive amounts of information is time-consuming.
  • the LOD generation process performed during attribute compression involves searching for nearest neighbor points, significantly slowing down encoding/decoding speeds. This slow encoding/decoding speed becomes a problem in environments such as autonomous driving, which require accurate and low-latency encoding/decoding.
  • the present disclosure provides a high-speed nearest neighbor point search method that can be utilized in the LOD generation process of attribute encoding/decoding of point cloud data, thereby increasing attribute compression efficiency and reducing the time required for the encoding/decoding process.
  • the present disclosure proposes a Moulton code scaling method, an atlas search area expansion method, and an axis removal method as the nearest neighbor point search method, thereby increasing the speed and accuracy of LOD generation.
  • the transmission method/device of the present disclosure 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 of the parts, modules, or units described above may be software, processors, or hardware parts that execute sequential execution processes stored in memory (or storage units). Each of the steps described in the embodiments described above may be performed by processors, software, or hardware parts. Each of the modules/blocks/units described in the embodiments described above may operate as a processor, software, or hardware.
  • the methods presented in the embodiments may be implemented as code. This code may be written on a processor-readable storage medium and thus may be read by a processor provided by an apparatus.
  • 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 each embodiment 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.
  • Various elements of the embodiments may be implemented by hardware, software, firmware, or a combination thereof. Various elements of the embodiments may be implemented on a single chip, such as a hardware circuit. In some embodiments, the embodiments may optionally be implemented on separate chips. In some embodiments, at least one of the elements of the embodiments may be implemented within one or more processors that include instructions for performing operations according to the embodiments.
  • the operations according to the embodiments described in this document may be performed by a transceiver device including one or more memories and/or one or more processors according to the embodiments.
  • One or more memories may store programs for processing/controlling the operations according to the embodiments, and one or more processors may control various operations described in this document.
  • One or more processors may be referred to as a controller, etc.
  • 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 a processor or a memory.
  • first first
  • second second
  • first user input signal
  • first user input signal second user input signal
  • first user input signal first user input signal
  • second user input signal second user input signal
  • the use of these terms should be interpreted as not departing from the scope of the various embodiments.
  • 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.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Generation (AREA)

Abstract

실시예들에 따른 디코딩 방법 및 장치가 개시된다. 실시예들에 따른 디코딩 방법은 비트스트림 내 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계와 상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계를 포함하고, 상기 어트리뷰트 데이터를 디코딩하는 단계는, 포인트들을 기반으로 LOD)들을 생성하는 단계, 어트리뷰트 디코딩될 포인트를 포함하는 제1 탐색 영역 내에서 상기 어트리뷰트 디코딩될 포인트의 최근접 이웃 포인트 탐색을 수행하는 단계, 및 상기 단계에서 탐색되는 최근접 이웃 포인트의 개수에 따라 제2 탐색 영역 내에서 최근접 이웃 포인트 탐색을 추가로 수행하는 단계를 포함할 수 있다.

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간(space or volume)을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), XR (Extended Reality), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
즉, 포인트 클라우드의 데이터를 전송하고 수신하기 위해서 많은 처리량이 요구되는 문제점이 있다. 그래서, 포인트 클라우드 데이터를 전송하고 수신하는 과정에서 압축을 위한 인코딩/압축 해제를 위한 디코딩을 수행하는데, 포인트 클라우드 데이터의 크기가 크기 때문에 연산이 복잡하고 시간이 많이 소요되는 문제가 있다.
실시예들에 따른 기술적 과제는, 전술한 문제점 등을 해결하기 위해서, 포인트 클라우드를 효율적으로 송수신하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 3D 포인트 클라우드 데이터 압축을 위한 G-PCC의 압축 효율 및 속도를 높이기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, G-PCC의 어트리뷰트 정보(attribute)의 인코딩 기술을 개선하여 포인트 클라우드의 압축 성능 및 속도를 향상시키는 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 본 문서 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
상술한 목적 및 다른 이점을 달성하기 위해서 실시예들에 따른 디코딩 방법은 비트스트림 내 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계와 상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계를 포함할 수 있다.
실시예들에 따르면, 상기 디코딩된 지오메트리 데이터는 포인트들의 위치 정보를 포함하고, 상기 디코딩된 어트리뷰트 데이터는 상기 포인트들의 어트리뷰트를 포함할 수 있다.
실시예들에 따르면, 상기 어트리뷰트 데이터를 디코딩하는 단계는, 상기 포인트들을 기반으로 LOD(Level Of Detail)들을 생성하는 단계, 어트리뷰트 디코딩될 포인트를 포함하는 제1 탐색 영역 내에서 상기 어트리뷰트 디코딩될 포인트의 최근접 이웃 포인트 탐색을 수행하는 단계, 및 상기 단계에서 탐색되는 최근접 이웃 포인트의 개수에 따라 제2 탐색 영역 내에서 최근접 이웃 포인트 탐색을 추가로 수행하는 단계를 포함할 수 있다.
실시예들에 따르면, 상기 최근접 이웃 포인트 탐색을 수행하는 단계는, 상기 각 포인트의 3차원 좌표를 기반으로 몰톤 코드를 계산하여 각 포인트에 상기 몰톤 코드를 부여하는 단계를 더 포함할 수 있다.
실시예들에 따르면, 상기 몰톤 코드를 부여하는 단계는, 상기 각 포인트의 3차원 좌표에 스케일링 계수을 적용하여 다운 스케일링한 후, 상기 다운 스케일링된 각 포인트의 3차원 좌표에 몰톤 코드를 부여할 수 있다.
실시예들에 따르면, 상기 몰톤 코드를 부여하는 단계는, 상기 각 포인트의 3차원 좌표의 각 축별로 다른 스케일링 계수을 적용하여 다운 스케일링을 수행할 수 있다.
실시예들에 따르면, 상기 몰톤 코드를 부여하는 단계는, 상기 각 포인트의 3차원 좌표의 각 축에 동일한 스케일링 계수을 적용하여 다운 스케일링을 수행할 수 있다.
실시예들에 따르면, 상기 비트스트림은 상기 다운 스케일링과 관련된 파라미터 정보를 포함할 수 있다.
실시예들에 따르면, 디코딩 장치는 메모리와 상기 메모리에 연결된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 비트스트림 내 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩, 및 상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하도록 구성될 수 있다.
실시예들에 따르면, 인코딩 방법은 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계와 상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계를 포함할 수 있다.
실시예들에 따르면, 상기 지오메트리 데이터는 포인트들의 위치 정보를 포함하고, 상기 어트리뷰트 데이터는 상기 포인트들의 어트리뷰트를 포함할 수 있다.
실시예들에 따르면, 상기 어트리뷰트 데이터를 디코딩하는 단계는, 상기 포인트들을 기반으로 LOD(Level Of Detail)들을 생성하는 단계, 어트리뷰트 디코딩될 포인트를 포함하는 제1 탐색 영역 내에서 상기 어트리뷰트 디코딩될 포인트의 최근접 이웃 포인트 탐색을 수행하는 단계, 및 상기 단계에서 탐색되는 최근접 이웃 포인트의 개수에 따라 제2 탐색 영역 내에서 최근접 이웃 포인트 탐색을 추가로 수행하는 단계를 포함할 수 있다.
실시예들에 따르면, 상기 최근접 이웃 포인트 탐색을 수행하는 단계는, 상기 각 포인트의 3차원 좌표를 기반으로 몰톤 코드를 계산하여 각 포인트에 상기 몰톤 코드를 부여하는 단계를 더 포함할 수 있다.
실시예들에 따르면, 상기 몰톤 코드를 부여하는 단계는, 상기 각 포인트의 3차원 좌표에 스케일링 계수을 적용하여 다운 스케일링한 후, 상기 다운 스케일링된 각 포인트의 3차원 좌표에 몰톤 코드를 부여할 수 있다.
실시예들에 따르면, 인코딩 장치는 메모리와 상기 메모리에 연결된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩, 및 상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하도록 구성될 수 있다.
실시예들에 따르면, 컴퓨터 판독 가능한 저장매체는 상기 인코딩 방법에 의해 생성된 비트스트림을 저장할 수 있다.
실시예들에 따르면, 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 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 퀄리티 있는 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 다양한 비디오 코덱 방식을 달성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 자율주행 서비스 등 범용적인 포인트 클라우드 콘텐츠를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 포인트 클라우드 데이터의 독립적 인코딩 및 디코딩을 위해 포인트 클라우드 데이터의 공간 적응적 분할을 수행함으로써, 병렬 처리의 향상 및 스케일러빌리티(scalability)를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 포인트 클라우드 데이터를 타일 및/또는 슬라이스 단위로 공간 분할하여 인코딩 및 디코딩을 수행하고 이를 위해 필요한 데이터를 시그널링함으로써 포인트 클라우드의 인코딩 및 디코딩 성능을 향상시킬 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 LOD 생성 과정에서 수행되는 최근접 이웃 포인트 탐색시 몰톤 코드 스케일링 방법, 아틀라스 탐색 영역 확장 방법, 축 제거 방법 중 적어도 하나를 통해 아틀라스 탐색 영역을 수정함으로써, 최적화된 이웃 포인트 탐색을 수행할 수 있다. 이를 통해 최근접 이웃 포인트 탐색에 소요되는 시간을 줄여 어트리뷰트 인코딩/디코딩 속도를 높일 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다.
도 1은 실시예들에 따른 포인트 클라우드 콘텐츠 제공 시스템의 예시를 나타낸다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 3은 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 5는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 6은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 7은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 8은 실시예들에 따른 전송 장치의 예시이다.
도 9는 실시예들에 따른 수신 장치의 예시이다.
도 10은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 11은 실시예들에 따른 아틀라스 탐색의 일 예시를 보인 도면이다.
도 12는 실시예들에 따른 2차원 평면에서의 몰톤 코드의 일 예시를 보인 도면이다.
도 13은 실시예들에 따른 포인트 클라우드 송신 장치의 또 다른 예시를 보인 도면이다.
도 14는 실시예들에 따른 어트리뷰트 정보 인코딩부의 일 예시를 보인 블록도이다.
도 15는 실시예들에 따른 포인트 클라우드 수신 장치의 또 다른 예시를 보인 도면이다.
도 16은 실시예들에 따른 어트리뷰트 정보 디코딩부의 일 예시를 보인 블록도이다.
도 17은 실시예들에 따른 LOD 생성부의 일 예시를 보인 블록도이다.
도 18은 실시예들에 따른 몰톤 코드 부여 및 정렬부의 몰톤 코드 부여 및 정렬 방법의 일 예시를 보인 흐름도이다.
도 19는 실시예들에 따른 최근접 이웃 탐색부의 최근접 이웃 탐색 방법의 일 예시를 보인 흐름도이다.
도 20은 실시예들에 따른 송/수신을 위한 포인트 클라우드 데이터의 비트스트림 구조의 예시를 나타낸다.
도 21은 실시예들에 따른 어튜리뷰트 파라미터 세트의 신택스 구조의 일 실시예를 보인 도면이다.
도 22는 실시예들에 따른 어트리뷰트 데이터 유닛 헤더의 신택스 구조의 일 실시예를 보인 도면이다.
도 23은 실시예들에 따른 포인트 클라우드 데이터 인코딩 방법의 일 예시를 보인 흐름도이다.
도 24는 실시예들에 따른 포인트 클라우드 데이터 디코딩 방법의 일 예시를 보인 흐름도이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 하기의 실시예들은 본 개시를 구체화하기 위한 것일 뿐 본 개시의 권리 범위를 제한하거나 한정하는 것이 아님은 물론이다. 본 개시의 상세한 설명 및 실시예들로부터 본 개시가 속하는 기술 분야의 전문가가 용이하게 유추할 수 있는 것은 본 개시의 권리 범위에 속하는 것으로 해석된다.
본 명세서의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 안되며, 예시적인 것으로 고려되어야 한다. 본 개시의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 개시의 등가적 범위 내에서의 모든 변경은 본 개시의 범위에 포함된다.
바람직한 실시예들에 대해 구체적으로 설명하되, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 구현될 수 있는 실시예들만을 나타내기보다는 바람직한 실시예들을 설명하기 위한 것이다. 이하에서는 본 개시에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함하여 설명한다. 그러나 본 개시가 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다. 본 명세서에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 본 개시는 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다. 또한 이하의 도면들 및 상세한 설명은 구체적으로 기술된 실시예들에만 국한되어 해석되지 않고, 도면 및 상세한 설명에 기재된 실시예들과 균등하거나, 대체 가능한 것들까지 포함하는 것으로 해석되어야만 한다.
도 1은 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송/수신하기 위해 유무선 통신 가능하다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Artificial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition unit, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 일 실시예로, 렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 뷰포트 등에 따라 렌더링할 수 있다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 콘텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보, 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000) 뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보를 의미할 수 있다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역(즉, 사용자가 현재 보고 있는 영역)에 대한 정보이다. 즉, 뷰포트 정보는 사용자가 현재 포인트 클라우드 비디오 내에서 보고 있는 영역에 대한 정보이다. 다시 말해, 뷰포트 또는 뷰포트 영역은 사용자가 포인트 클라우드 비디오에서 보고 있는 영역을 의미할 수 있다. 그리고 시점(viewpoint)은 사용자가 포인트 클라우드 비디오에서 보고 있는 지점으로서, 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 그 영역이 차지하는 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 헤드 오리엔테이션 정보 및/또는 뷰포트 정보를 기반으로 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 비디오 소비 방식, 사용자가 응시하는 포인트 클라우드 비디오 영역, 응시 시간 등을 확인할 수 있다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따르면, VR/XR/AR/MR 디스플레이 등의 장치는 사용자의 머리 위치/방향, 장치가 지원하는 수직(vertical) 또는 수평(horizontal) FOV 등에 근거하여 뷰포트 영역을 추출할 수 있다. 실시예들에 따르면, 헤드 오리엔테이션 정보와 뷰포트 정보는 피드백 정보 또는 시그널링 정보 또는 메타데이터라 칭할 수 있다.
실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 상기 피드백 정보는 송신측으로 전달되는 것뿐만 아니라, 수신측에서 소비될 수도 있다. 즉, 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩/렌더링)할 수 있다. 예를 들어, 포인트 클라우드 비디오 디코더(10006)와 렌더러(10007)는 피드백 정보 즉, 헤드 오리엔테이션 정보 및/또는 뷰포트 정보를 이용하여 현재 사용자가 보고 있는 영역에 대한 포인트 클라우드 비디오만 우선적으로 디코딩 및 렌더링할 수 있다.
또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기, 전송 시스템 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기, 수신 시스템 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 3은 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 30000), 양자화부(Quantize and Remove Points (Voxelize), 30001), 옥트리 분석부(Analyze Octree, 30002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 30003), 아리스메틱 인코더(Arithmetic Encode, 30004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 30005), 컬러 변환부(Transform Colors, 30006), 어트리뷰트 변환부(Transfer Attributes, 30007), RAHT 변환부(30008), LOD생성부(Generated LOD, 30009), 리프팅 변환부(Lifting)(30010), 계수 양자화부(Quantize Coefficients, 30011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 30012)를 포함한다. 도 3의 포인트 클라우드 인코더에서 좌표계 변환부(30000), 양자화부(30001), 옥트리 분석부(30002), 서페이스 어프록시메이션 분석부(30003), 아리스메틱 인코더(30004), 지오메트리 리컨스트럭션부(30005)를 그룹핑하여 지오메트리 인코더로 칭할 수 있다. 그리고, 컬러 변환부(30006), 어트리뷰트 변환부(30007), RAHT 변환부(30008), LOD생성부(30009), 리프팅 변환부(30010), 계수 양자화부(30011) 및/또는 아리스메틱 인코더(30012)를 그룹핑하여 어트리뷰트 인코더로 칭할 수 있다.
좌표계 변환부(30000), 양자화부(30001), 옥트리 분석부(30002), 서페이스 어프록시메이션 분석부(30003), 아리스메틱 인코더(30004), 및 지오메트리 리컨스트럭션부(30005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(30000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(30001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(30001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(30001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(30001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(30002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(30003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(30004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(30006), 어트리뷰트 변환부(30007), RAHT 변환부(30008), LOD생성부(30009), 리프팅 변환부(30010), 계수 양자화부(30011) 및/또는 아리스메틱 인코더(30012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(30006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(30006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(30006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(30005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(30005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(30007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(30007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(30007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(30007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(30007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(30007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(30007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(30007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰톤 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을 z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(30007)는 몰톤 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 코딩에 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.
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(x, y, z), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(30005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③자승을 수행하고 그 값을 모두 더한 값을 구한다.
그리고나서, 더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표 1은 4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다.
[표1] Triangles formed from vertices ordered 1,…, n
n Triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 포인트들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 포인트들을 생성한다. 추가 포인트는 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 5는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(30009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 6은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 5에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 3의 포인트 클라우드 인코더, 또는 LOD 생성부(30009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 6의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 6의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 6의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 6에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 3에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(30011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표 2와 표 3에 나타난 바와 같다.
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(30010))는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(30011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(30008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다. glx,y,z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. glx,y,z는 gl+1 2x,y,z와 gl+1 2x+1,y,z로부터 계산될 수 있다. gl 2x,y,z 와 gl 2x+1,y,z 의 가중치를 w1=wl 2x,y,z과 w2=wl 2x+1,y,z 이다.
gl-1 x,y,z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. hl-1 x,y,z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(30012)의 인코딩). 가중치는 wl-1 x,y,z = wl 2x,y,z + wl 2x+1,y,z로 계산된다. 루트 노드는 마지막 g1 0,0,0 과 g1 0,0,1을 통해서 다음과 생성된다.
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 7은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 7에 도시된 포인트 클라우드 디코더는 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 6에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 7000), 옥트리 합성부(synthesize octree, 7001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 7002), 지오메트리 리컨스트럭션부(reconstruct geometry, 7003), 좌표계 역변환부(inverse transform coordinates, 7004), 아리스메틱 디코더(arithmetic decode, 7005), 역양자화부(inverse quantize, 7006), RAHT변환부(7007), LOD생성부(generate LOD, 7008), 인버스 리프팅부(Inverse lifting, 7009), 및/또는 컬러 역변환부(inverse transform colors, 7010)를 포함한다.
아리스메틱 디코더(7000), 옥트리 합성부(7001), 서페이스 오프록시메이션 합성부(7002), 지오메트리 리컨스럭션부(7003), 좌표계 역변환부(7004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 6에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(7000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(7000)의 동작은 아리스메틱 인코더(30004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(7001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(7002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(7003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 6에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(7003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(7003)는 지오메트리 리컨스트럭션부(30005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 4에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(7004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(7005), 역양자화부(7006), RAHT 변환부(7007), LOD생성부(7008), 인버스 리프팅부(7009), 및/또는 컬러 역변환부(7010)는 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(7005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(7006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(7010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(7010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(30006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 7의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 7의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도7의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 8은 실시예들에 따른 전송 장치의 예시이다.
도 8에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 3의 포인트 클라우드 인코더)의 예시이다. 도 8에 도시된 전송 장치는 도 1 내지 도 6에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(8000), 양자화 처리부(8001), 복셀화 처리부(8002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(8003), 표면 모델 처리부(8004), 인트라/인터 코딩 처리부(8005), 아리스메틱 (Arithmetic) 코더(8006), 메타데이터 처리부(8007), 색상 변환 처리부(8008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(8009), 예측/리프팅/RAHT 변환 처리부(8010), 아리스메틱 (Arithmetic) 코더(8011) 및/또는 전송 처리부(8012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(8000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(8000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(8000), 양자화 처리부(8001), 복셀화 처리부(8002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(8003), 표면 모델 처리부(8004), 인트라/인터 코딩 처리부(8005), Arithmetic 코더(8006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 6에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(8001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(8001)의 동작 및/또는 양자화는 도 3에서 설명한 양자화부(30001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(8002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(80002)는 도 3에서 설명한 양자화부(30001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(8003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(8003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(8003)는 도 3 및 도 4에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(30002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(8004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(8004)는 도 3 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(30003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(8005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(8005)는 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 실시예들에 따라 인트라/인터 코딩 처리부(8005)는 아리스메틱 코더(8006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(8006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 아리스메틱 코더(8006)는 아리스메틱 인코더(30004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(8007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(8007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(8008), 어트리뷰트 변환 처리부(8009), 예측/리프팅/RAHT 변환 처리부(8010), 아리스메틱 (Arithmetic) 코더(8011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 6에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(8008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(8008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 6에서 설명한 바와 동일하다. 또한 도 3에서 설명한 컬러 변환부(30006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(8009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(8009)는 도 3에 설명한 어트리뷰트 변환부(30007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(8010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(8010)는 도 3에서 설명한 RAHT 변환부(30008), LOD 생성부(30009) 및 리프팅 변환부(30010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 6에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(8011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(8011)는 아리스메틱 인코더(300012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(8012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(8007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(8012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(8012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 9는 실시예들에 따른 수신 장치의 예시이다.
도 9에 도시된 수신 장치는 도 1의 수신장치(10004) 의 예시이다. 도 9에 도시된 수신 장치는 도 1 내지 도 8에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(9000), 수신 처리부(9001), 아리스메틱 (arithmetic) 디코더(9002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(9003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(9004), 인버스(inverse) 양자화 처리부(9005), 메타데이터 파서(9006), 아리스메틱 (arithmetic) 디코더(9007), 인버스(inverse)양자화 처리부(9008), 예측/리프팅/RAHT 역변환 처리부(9009), 색상 역변환 처리부(9010) 및/또는 렌더러(9011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(9000)는 포인트 클라우드 데이터를 수신한다. 수신부(9000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(9001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(9001)는 수신부(9000)에 포함될 수 있다.
아리스메틱 디코더(9002), 오큐판시 코드 기반 옥트리 재구성 처리부(9003), 표면 모델 처리부(9004) 및 인버스 양자화 처리부(9005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 8중 적어도 하나에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(9002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(9002)는 아리스메틱 디코더(7000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(9003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(9003)는 옥트리 합성부(7001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(9004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(9004)는 서페이스 오프록시메이션 합성부(7002) 및/또는 지오메트리 리컨스트럭션부(7003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(9005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(9006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(9006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 8에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(9007), 인버스 양자화 처리부(9008), 예측/리프팅/RAHT 역변환 처리부(9009) 및 색상 역변환 처리부(9010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 8 중 적어도 하나에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(9007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(9007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(9007)는 아리스메틱 디코더(7005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(9008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(9008)는 역양자화부(7006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(9009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(9009)는 도 7의 RAHT 변환부(7007), LOD 생성부(7008) 및/또는 인버스 리프팅부(7009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(9010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(9010)는 도 7의 컬러 역변환부(7010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(9011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 10은 실시예들에 따른 포인트 클라우드 데이터 송/수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 10의 구조는 서버(1060), 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040), 가전(1050) 및/또는 HMD(1070) 중에서 적어도 하나 이상이 클라우드 네트워크(1010)와 연결된 구성을 나타낸다. 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040) 또는 가전(1050) 등은 장치라 호칭된다. 또한, XR 장치(1030)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1000)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1000)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1060)는 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040), 가전(1050) 및/또는 HMD(1070) 중에서 적어도 하나 이상과 클라우드 네트워크(1000)을 통하여 연결되고, 연결된 장치들(1010 내지 1070)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1070)는 실시예들에 따른 XR 디바이스 및/또는 PCC 디바이스가 구현될 수 있는 타입 중 하나를 나타낸다. 실시예들에 따른HMD 타입의 디바이스는, 커뮤니케이션 유닛, 컨트롤 유닛, 메모리 유닛, I/O 유닛, 센서 유닛, 그리고 파워 공급 유닛 등을 포함한다.
이하에서는, 상술한 기술이 적용되는 장치(1010 내지 1050)의 다양한 실시 예들을 설명한다. 여기서, 도 10에 도시된 장치(1010 내지 1050)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송/수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1030)는 PCC 및/또는 XR(AR+VR) 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수도 있다.
XR/PCC 장치(1030)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 어트리뷰트 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR/PCC 장치(1030)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+XR+모바일폰>
XR/PCC 장치(1030)는 PCC기술이 적용되어 모바일폰(1040) 등으로 구현될 수 있다.
모바일폰(1040)은 PCC 기술에 기반하여 포인트 클라우드 콘텐츠를 디코딩하고, 디스플레이할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1020)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1020)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(1020)은 XR 장치(1030)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1020)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1020)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 개시의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 데이터 (PCC) 송/수신 장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송/수신 장치 차량에 탑재된 경우, 포인트 클라우드 송/수신 장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
전술한 바와 같이 포인트 클라우드는 포인트(point)들의 집합으로 구성되며, 각 포인트는 지오메트리(geometry) 정보와 어트리뷰트(attributes) 정보를 가질 수 있다. 지오메트리 정보는 각 포인트의 3차원 위치(XYZ) 정보이며, 어트리뷰트 정보는 각 포인트의 색상 (RGB, YUV 등) 및/또는 반사(Reflectance) 값이다.
G-PCC 인코딩 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=디코딩된 지오메트리)를 바탕으로 어트리뷰트 정보를 압축하는 과정으로 구성될 수 있다.
G-PCC 디코딩 과정은 인코딩된 슬라이스 단위의 지오메트리 비트스트림(bitstream)과 어트리뷰트 비트스트림을 전송 받아서 지오메트리를 디코딩하고, 디코딩 과정을 통해 재구성된 지오메트리를 기반으로 어트리뷰트 정보를 디코딩하는 과정으로 구성될 수 있다.
이때, 지오메트리 정보 압축을 위해 옥트리(octree) 기반, 예측 트리(predictive tree) 기반, 또는 트라이숩(trisoup) 기반 압축 기법을 사용할 수 있다. 그리고, 어트리뷰트 정보 압축을 위해 예측 변환(predicting transform) 기반, 리프팅 변환(Lifting Transform) 기반, 또는 RAHT 변환 기반 압축 기법을 사용할 수 있다.
실시예들에 따르면, 예측 변환(predlift transform) 및/또는 리프팅 변환을 위한 LoD(Level of Details) 생성에 있어 최근접 이웃 탐색 과정이 필요한데, 종래 기술은 아틀라스 기반 이니셜 탐색(initial search)를 사용했었다. 본 개시에서 이니셜 탐색은 초기 탐색 또는 아틀라스 탐색으로 명명될 수 있다. 이때, 이니셜 탐색 즉, 아틀라스 탐색은 몰톤 코드 순서가 아닌, 3차원 공간 상에서의 이웃을 찾는 방법이며, 아틀라스 탐색 영역 내에서 탐색을 진행하게 된다. 그러나, 고정된 아틀라스 탐색 영역을 사용할 경우 포인트 클라우드의 밀도에 따라 탐색 영역 내에 포인트가 없을 수 있으며, 이니셜 탐색을 실패할 경우 시간 소요가 큰 확장된 탐색(extended search)를 사용하게 되어 전체적으로 인코딩/디코딩 시간이 크게 늘어날 수 있다. 본 개시에서 확장된 탐색은 전체 탐색으로 명명될 수 있다.
본 개시는 어트리뷰트의 속도 및 성능 개선을 위한 장치 및 방법에 관한 것이다. 좀 더 구체적으로, 본 개시는 어트리뷰트 정보의 인코딩 및 디코딩 과정 중 디테일 레벨(즉, LOD)을 생성함에 있어 어트리뷰트의 압축 효율을 높이고 인코딩/디코딩 과정에 소요되는 시간을 줄이기 위한 최근접 이웃 탐색 방법 및 장치에 관한 것이다. 특히, 본 개시는 포인트 클라우드의 밀도를 활용하여 아틀라스 탐색 영역의 설정 방법 및 시그널링 방법을 제안한다.
실시예들에 따라 본 개시에서 포인트 클라우드 데이터는 RGB-D 카메라 또는 라이다 장비로 캡쳐될 수 있다. 본 개시는 라이다 RGB-D 카메라 혹은 라이다 장비로 캡쳐된 포인트 클라우드 콘텐츠의 어트리뷰트 정보의 압축을 위해 사용되는 리프팅 변환 또는 예측 변환의 LOD (Level Of Detail)를 생성함에 있어 포인트 클라우드 콘텐츠의 특성에 맞게 LOD를 생성함으로써 속도 및 압축률 개선을 얻기 위한 장치 및 방법에 관한 것이다.
본 개시의 LOD 생성 방법은 송신 장치의 인코더와 수신 장치의 디코더에 동일하게 또는 유사하게 적용될 수 있다.
실시예들에 따라 LOD 생성 방법은 3가지가 있을 수 있다. 예를 들어, 3가지 방법은 거리 기반 방법, 샘플링 기반 방법, 옥트리 기반 방법이 있을 수 있다. 먼저, 거리 기반 방법은 포인트 간의 거리를 기준으로 LOD를 분류하는 방법이고, 샘플링 기반 방법은 포인트들을 몰톤(morton) 코드로 정렬하고, 매 X번째 해당하는 포인트를 선택(즉, 샘플링)하여 이웃 집합의 후보가 될 수 있는 하위 LOD로 분류하는 방법이다. 그리고, 옥트리 기반 방법은 포인트들에 대하여 옥트리(Octree)를 구성하고 옥트리의 노드 레벨에 따라서 중앙에 근접한 포인트들을 선택(즉, 샘플링)하여 하위 LOD로 분류하는 방법이다. 본 개시에서 옥트리는 오큐판시 트리로 명명될 수 있다.
그리고, 위의 3가지 LOD 생성 방법 중 하나로 샘플링(또는 선택)된 포인트들의 예측기(predictor)를 생성하기 위해 각자 존재하는 LOD 내에서 이웃 포인트들이 탐색이 수행된다. 이때, 3개의 최근접 이웃 포인트를 찾을 때까지 탐색이 진행된다.
실시예들에 따르면, 최근접 이웃 포인트를 찾기 위한 탐색 방법은 두 가지가 있을 수 있다. 하나는 각 포인트를 중심으로 둘러싸고 있는 영역을 지정하여 해당 영역 내에 존재하는 포인트들만 탐색하는 아틀라스 탐색(Atlas search 또는 이니셜 탐색이라 함) 방법이고, 다른 하나는 주변의 모든 포인트들을 전부 탐색하는 전체 탐색(Full search, 또는 확장된 탐색이라 함) 방법이다. 실시예들에 따라 두 개의 탐색 방법은 순차적으로 이루어지는데, 아틀라스 탐색이 먼저 수행되며, 아틀라스 탐색에서 3개의 최근접 이웃 포인트가 찾아지지 않을 경우 전체 탐색 과정으로 넘어간다.
이때, 아틀라스 탐색의 장점은 좁은 영역에 대한 탐색을 미리 하여, 3개의 최근접 이웃 포인트가 찾아진다면 전체 탐색 과정이 생략되어 시간이 그만큼 단축된다는 점이다. 그러나 아틀라스 탐색을 고정된 범위 내에서만 진행하게 되면, 이웃 포인트를 찾을 확률이 낮으며 찾더라도 예측기의 예측 효율을 감소시키는 부정확한 점인 경우가 많다. 반대로 전체 탐색은 전 범위를 탐색하기에 정확도가 높은 포인트들을 선택하지만 이에 소요되는 시간이 매우 큰 단점이 존재한다.
도 11은 실시예들에 따른 아틀라스 탐색의 일 예시를 보인 도면이다. 즉, 도 11에서와 같이 아틀라스 탐색 영역(atlas search range) 내에 이웃 포인트가 없는데 이웃 포인트 탐색이 수행될 경우, 아틀라스 탐색이 불필요하게 진행되며, 이후 전체 탐색 과정으로 넘어가 많은 시간이 지체된다.
따라서, 본 개시는 빠르고 정확한 인코딩/디코딩을 요하는 포인트 클라우드 인코딩/디코딩에서 최근접 이웃 포인트 탐색 과정의 단점을 보완하여 속도와 압축 효율을 높이도록 하는데 있다. 본 개시는 개선된 이웃 탐색 기술을 적용하여 인코딩/디코딩 과정을 고속화하며 이와 더불어 압축률을 향상시킬 수 있도록 한다.
본 개시의 이웃 탐색 방법은 송신 장치의 인코더와 수신 장치의 디코더에서 모두 수행된다.
다음은 아틀라스 탐색 방법에 대한 상세 설명이다.
실시예들에 따른 아틀라스 탐색은 도 11의 예시와 같이 최근접 이웃 포인트를 찾고 있는 포인트를 기준으로, 해당 포인트를 포함한 영역(예, 도 11에서 회색 영역(41001))을 설정하며, 해당 영역과 동일한 크기의 영역을 전 방향으로 설정하여 탐색하는 방법이다. 즉, 해당 포인트가 속한 크기의 영역을 미니큐브(mini-cube)라고 지칭할 때, 해당 포인트가 속해 있는 미니큐브를 포함하여 총 27개의 미니큐브를 탐색하게 된다. 이와 같은 27개의 미니큐브에 대한 영역을 아틀라스 탐색 영역(Atlas search range)로 지칭할 수 있다. 일반적으로 미니큐브의 크기를 2x2x2로 설정하여, 최대 8개의 포인트가 미니큐브 내에 있으며, 이러한 경우 아틀라스 탐색 영역의 크기는 8x8x8이 된다.
그리고, 아틀라스 탐색 영역을 설정할 때에는, 각 포인트마다 소유하고 있는 몰톤 코드를 활용한다.
도 12는 실시예들에 따른 2차원 평면에서의 몰톤 코드의 일 예시를 보인 도면이다. 즉, 몰톤 코드는 도 12에서와 같이 공간 채움 곡선 중 하나이며, 일반적으로 G-PCC 인코더/디코더의 어트리뷰트 압축에서는 각 포인트들의 3차원 좌표를 활용하여 몰톤 코드를 부여하고, 몰톤 코드 순서로 포인트들을 정렬하여 어트리뷰트 인코딩 및 어트리뷰트 디코딩을 수행한다. 실시예들에 따라 어트리뷰트 인코딩은 송신 장치의 인코더에서 수행되고, 어트리뷰트 디코딩은 수신 장치의 디코더에서 수행될 수 있다. 이와 같이 인코더/디코더는 몰톤 코드를 기준으로 주변에 있는 포인트들의 상대적인 위치 및 방향을 판단할 수 있고, 이를 통해 탐색 영역을 설정하며, 탐색 영역 내에 속해 있는 포인트들은 아틀라스 탐색의 대상이 된다. 하지만, 도 11과 같이 아틀라스 탐색 영역 내에 아무 포인트도 없을 수 있다.
실시예들에 따라 아틀라스 탐색을 수행할 때, 이웃 포인트들 중 가장 근접한 최근접 이웃 포인트임을 판단하는 기준은 거리이다. 현재 포인트의 좌표가 (x,y,z)이고, 탐색한 이웃 포인트의 좌표가 (x', y', z')일 때, 두 포인트 간의 거리 D는 하기의 수학식 1과 같이 구할 수 있다.
[수학식 1]
D = |x-x' | + |y-y' | +|z-z' |
수학식 1에서 거리의 크기가 가장 적은, 즉 가장 가까운 포인트를 최근접 이웃 포인트이라고 할 수 있으며, 인코더/디코더는 먼저, 아틀라스 탐색 영역 내에서 최근접 이웃 포인트 3개를 찾는다. 아틀라스 탐색 영역 내에 3개 미만의 포인트가 있을 경우에는 3개의 최근접 이웃 포인트를 찾을 수 없기에, 전체 탐색 단계로 넘어간다.
다음은 몰톤 코드 스케일링 기반 아틀라스 탐색 방법에 대한 설명이다.
실시예들에 따라 인코더/디코더에서 몰톤 코드를 구할 때 위치 정보를 다운스케일링(down-scaling)하는 것이 효율적일 수 있다. 실시예들에 따르면, 본 개시는 좌표가 (x,y,z)인 포인트에 대해 몰톤 코드를 부여할 때, 몰톤 코드 스케일링 계수(또는 스케일링 팩터라 함)가 N이면 해당 포인트의 좌표가 N만큼 다운스케일링된 상태에서 몰톤 코드를 부여할 수 있다. 그리고, 몰톤 코드를 부여하는 함수를 mortonAddr()로 표현할 때, 몰톤 코드 스케일링 기법을 통해 부여된 몰톤 코드(MortonCode)는 하기의 수학식 2와 같이 표현할 수 있다. 수학식 2는 몰톤 코드 스케일링 기반의 아틀라스 탐색 방법에서 몰톤 코드를 구하는 예시로서, 수학식 2에서 실제 포인트들의 위치를 나타내는 좌표값이 달라지는 것은 아니며, 몰톤 코드를 부여할 때 다운스케일링된 좌표를 사용하는 것이다. 수학식 2에서 N은 분자, d는 분모 2의 지수에 해당하며, 소수점이 발생하지 않는 정수형 다운스케일링으로 이해될 수 있다. 즉, 좌표값을 N/2d와 곱한 후 소수점을 버리는 것과 같은 효과이다.
[수학식 2]
MortonCode=mortonAddr(((x × N)>>d,(y × N)>>d,( z × N)>>d))
예를 들어, 4개의 포인트의 xyz 좌표가 (0,0,0), (0,0,1), (0,1,0), (1,0,0)라고 가정할 때 즉, 0,1,2,3이라 가정할 때, N과 d가 1인 경우 수학식 2를 적용하여 다운 스케일링을 수행하면, 4개의 포인트의 xyz 좌표는 동일한 값 예, (0,0,0)를 갖게 된다. 즉, 4개의 포인트의 어트리뷰트 값이 다르더라도 동일한 몰톤 코드가 부여될 수 있다. 다시 말해, 본 개시는 포인트의 좌표를 실질적으로 다운스케일링하는 것이 아니라, 몰토 코드를 부여할 때 포인트의 좌표값을 다운 스케일링한 후 그 좌표 값에 몰톤 코드를 부여한다. 이렇게 함으로써, 아틀라스 탐색 영역이 달라지고 더 많은 포인트들이 아틀라스 탐색 영역에 포함되게 된다. 도 1을 예로 들 경우, 포인트들의 위치 정보를 수학식 2를 적용하여 다운 스케일링하고, 다운 스케일링된 상태에서 몰톤 코드를 부여함으로써, 아틀라스 탐색 영역 밖에 있던 포인트들이 아틀라스 탐색 영역 내로 포함되게 된다. 이때, 스케일링 계수(또는 스케일링 팩터라 함)는 시그널링 정보에 포함되어 수신 장치로 전송될 수 있다. 이 경우, 수신 장치의 디코더에서는 시그널링 정보에 포함된 스케일링 계수(또는 스케일링 팩터라 함)를 기반으로 스케일링을 수행한다.
위의　아틀라스　탐색　방법에서　설명했듯이，아틀라스 탐색 영역은 몰톤 코드를 기반으로 설정되는데, 수학식　２와　같이　몰톤　코드 스케일링이 적용될 경우 아틀라스 탐색 영역 내에 더 많은 포인트들이 포함될 수 있다. 그리고, 아틀라스 탐색 영역 내에 더 많은 포인트들이 포함될 경우 다음과 같은 두 가지 효과가 생길 수 있다.
먼저, 아틀라스 탐색에서 최근접 이웃　포인트 후보가 더 많아지므로, 전체 탐색으로 넘어가지 않고 3개의 최근접 이웃　포인트들을 찾을 가능성이 높아진다. 그리고, 시간이 많이 소요되는 전체 탐색 과정을 수행하지 않으므로 전체 인코딩／디코딩　시간을 단축시킬 수 있다. 또한, 최근접 이웃　포인트의 후보가 부족한 상황에서 부정확한 이웃　포인트를　선택하는 문제를 보완함으로써, 이후 생성될 예측기의 정확도를 높여 어트리뷰트 압축의 성능을 높일 수 있다.
다음은　다중 스케일링 계수 설정 방법에　대한　설명이다.　즉, 몰톤 코드 스케일링 기반 아틀라스 탐색 방법에서 다중 스케일링 계수를 설정하는 방법에 대한 설명이다.
실시예들에　따라　본 개시에서 몰톤　코드 스케일링을 수행할 때, 모든 축의 좌표에 대해 동일한 스케일링 계수를 사용하는 것이 아닌, 각 축 별 서로 다른 스케일링 계수를 사용하는 방법이 효율적일 수 있다. 예를 들어, 스케일링 계수를 (a, b, c)로 설정하여 좌표가 (x,y,z)인 포인트에　몰톤　코드를 부여할 경우, x에 대해서는 a만큼의 스케일링(예, 다운 스케일링)을, y에 대해서는 b만큼의　스케일링(예, 다운 스케일링)을 그리고 z에 대해서는 c만큼의　스케일링(예, 다운 스케일링)을 적용할 수 있다. 이와 같은 과정은 하기의　수학식　３을　통해 나타낼 수 있다. 위의 몰톤 코드 스케일링 기반 아틀라스 탐색 방법에서 설명한 것과 같이, 수학식 3에서 a,b,c는 각각 분자에 해당하며 d는 분모 2의 지수에 해당한다. 즉, 아래 수학식 3은 몰톤 코드 스케일링 기반의 아틀라스 탐색 방법에서 다중 스케일링 계수를 활용하여 몰톤 코드를 구하는 예시이다.
[수학식 3]
MortonCode=mortonAddr(((x × a)>>d,(y × b)>>d,( z × c)>>d))
다음은 몰톤 코드 스케일링 이후 포인트 정렬 방법을 설정하는 설명이다. 즉, 몰톤 코드 스케일링 기반 아틀라스 탐색 방법에서 몰톤 코드 스케일링 이후 포인트들을 정렬하는 방법에 대한 설명이다.
실시예들에 따른 포인트들 간의 정렬 순서가 몰톤 코드 기반이었다면, 몰톤 코드 스케일링 방법을 사용할 때 포인트들 간의 정렬 순서에 영향을 줄 수 있다. 즉, 좌표값을 다운스케일링할 경우, 위치는 다르지만 몰톤 코드가 겹치는 포인트들이 발생한다. 이러한 상태에서 몰톤 코드 기반 정렬이 진행될 경우, 몰톤 코드가 겹치는 포인트 간의 순서는 지오메트리 디코더의 출력 순서와 같다. 즉, 몰톤 코드가 다른 포인트들 간에는 몰톤 코드 순서 기반 정렬, 몰톤 코드가 겹치는 포인트들 간에는 지오메트리 디코더의 출력 순서 기반 정렬이 이루어지게 된다. 이와 같은 혼합된 순서 기반 정렬이 효과적일 수 있고 또는, 다른 방식의 순서 기반 정렬이 효과적일 수 있다.
본 개시는 정렬 순서를 지오메트리 디코더의 출력 순서로 설정할 수도 있고 또는, 정렬 순서를 몰톤 코드 순서로 설정할 수도 있다.
다음은 탐색 영역 확장 기반 아틀라스 탐색 방법에 대한 설명이다.
실시예들에 따라 본 개시에서 아틀라스 탐색 시 아틀라스 탐색 영역을 확장하는 방법이 효율적일 수 있다. 본 개시에서 아틀라스 탐색 영역 확장 계수가 N이라면, 하나의 미니큐브의 크기를 (2N, 2N, 2N)으로 설정함으로써, 아틀라스 탐색 영역을 확장할 수 있다. 이때, 아틀라스 탐색 영역은 미니큐브 27의 크기에 해당하므로, 미니큐브의 크기가 커지면 아틀라스 탐색 영역도 넓어진다.
본 개시에서 아틀라스 탐색 영역 확장 계수는 다음과 같이 설정할 수 있다. 일 예시로, 사용자가 사전에 값을 설정하여 디코더에게 시그널링할 수 있다. 즉, 송신 장치의 인코더에서는 사용자가 사전에 설정한 값을 시그널링하여 수신 장치의 디코더로 전송할 수 있다. 다른 예시로, 인코더에서 입력 받은 포인트 클라우드 콘텐츠의 밀도 특성을 반영하여 아틀라스 탐색 영역 계수를 설정할 수 있다. 그리고, 설정된 아틀라스 탐색 영역 계수는 시그널링되어 수신 장치의 디코더로 전송될 수 있다. 이때, 밀도의 판단 기준은 특정 영역 내 포인트의 개수일 수 있다. 또는 밀도의 판단 기준은 전체 포인트들 간 거리의 평균일 수 있다.
이와 같이, 아틀라스 탐색 영역이 확장되면, 아틀라스 탐색 시 최근접 이웃 포인트의 후보가 많아지므로, 위의 몰톤 코드 스케일링 기반 아틀라스 탐색 방법과 유사한 효과가 있다. 특히, 전체 탐색으로 넘어가는 경우가 줄어들고, 이로 인해 인코딩/디코딩 속도를 높일 수 있으며, 부정확한 최근접 이웃 포인트가 선택되는 횟수가 줄어든다.
다음은 다중 영역 확장 계수 설정 방법에 대한 설명이다. 즉, 탐색 영역 확장 기반 아틀라스 탐색 방법에서 다중 영역 확장 계수를 설정하는 방법에 대한 설명이다.
전술한 다중 스케일링 계수 설정 방법과 유사하게, 다중 영역 확장 계수 또한 x,y,z 축별로 개별적으로 적용할 수 있다. 실시예들에 따라 영역 확장 계수가 XYZ(즉, x,y,z) 축별로 각각 Nx, Ny, Nz라면, 미니큐브의 크기는 (2Nx, 2Ny, 2Nz)가 되며, 이를 통해 아틀라스 탐색 영역이 확장될 수 있다. 해당 계수들 또한 탐색 영역 확장 기반 아틀라스 탐색 방법에서와 같이 사용자가 지정하거나 밀도의 특성을 반영할 수 있다.
다음은 축 제거 기반 아틀라스 탐색 방법에 대한 설명이다.
실시예들에 따라 본 개시에서 아틀라스 탐색 시 특정 축을 기준으로 좌표가 다른 경우 해당 포인트를 최근접 이웃 탐색 대상에서 제거하는 방법이 효율적일 수 있다. 예를 들어, Z축을 기준으로 축 제거 방법을 사용한다면, 현재 포인트의 좌표가 (x,y,z)이고 아틀라스 탐색 범위 내에 있는 이웃 포인트의 좌표가 (x',y',z')일 때, z의 값과 z'의 값이 다를 경우 해당 이웃 포인트와의 거리를 측정하지 않고 최근접 이웃 대상 후보에서 제외시킬 수 있다.
이와 같은 축 제거 기반 아틀라스 탐색 방법을 사용하면 특정 축을 기준으로 값이 다른 포인트와의 거리를 계산을 하지 않아도 되므로 인코딩/디코딩 속도를 높일 수 있다. 또한, 포인트 클라우드 콘텐츠의 특성에 따라 특정 축을 기준으로 거리와 상관 없이 차이가 큰 어트리뷰트 값(예, 색상값 혹은 반사값)이 분포해 있다면, 축 제거 기반 아틀라스 탐색 방법을 통해 부정확한 최근접 이웃 포인트를 선택하는 것을 방지할 수 있다.
다음은 포인트 개수 기반 축 제거 방법에 대한 설명이다. 즉, 축 제거 기반 아틀라스 탐색 방법에서 포인트 개수 기반으로 축 제거를 수행하는 방법에 대한 설명이다.
다시 말해, 축 제거 판단 기준에 아틀라스 탐색 영역 내 포인트의 개수를 반영하는 것이 효과적일 수 있다. 예를 들어, 조건 없이 특정 축 기준의 좌표가 다른 이웃 포인트를 탐색 대상에서 제외시키지 않고, 아틀라스 탐색 범위 내 포인트의 개수가 N개 이하일 축 제거 방법을 적용하는 것이 효율적일 수 있다.
도 13은 실시예들에 따른 포인트 클라우드 송신 장치의 또 다른 예시를 보인 도면이다.
도 13에 도시된 포인트 클라우드 송신 장치의 엘레먼트들은 하드웨어, 소프트웨어, 메모리에 연결된 프로세서 및/또는 그것들의 결합 등으로 구현될 수 있다. 즉, 도 13의 포인트 클라우드 송신 장치의 엘레멘트들은 도면에 도시되지 않았으나 하나 또는 그 이상의 메모리들과 통신 가능하도록 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 13의 포인트 클라우드 송신 장치의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도13의 포인트 클라우드 송신 장치의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 도 13에서 각 블록의 수행 순서는 변경될 수 있으며, 일부 블록은 생략될 수 있고, 일부 블록은 새로 추가될 수 있다.
도 13의 포인트 클라우드 송신 장치는 도1의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩 (20001), 도 3의 포인트 클라우드 비디오 인코더, 도8의 송신 장치, 도10의 디바이스 등에 대응할 수 있다. 즉, 도 13의 포인트 클라우드 송신 장치(또는 PCC 데이터 인코더라 칭함)로 입력되는 포인트 클라우드 데이터(또는 PCC 데이터라 칭함)는 인코딩되어 지오메트리 정보 비트스트림과 어트리뷰트 정보 비트스트림으로 출력된다. 본 개시에서 지오메트리 정보 비트스트림은 지오메트리 비트스트림과 동일한 의미로 혼용되어 사용될 수 있고, 어트리뷰트 정보 비트스트림은 어트리뷰트 비트스트림과 동일한 의미로 혼용되어 사용될 수 있다.
도 13에서 데이터 입력부(51001)는 도 1의 포인트 클라우드 비디오 획득부(10001)의 동작의 일부 또는 전부를 수행할 수도 있고 또는 도 8의 데이터 입력부(8000)의 동작의 일부 또는 전부를 수행할 수도 있다. 그리고 좌표계 변환부(51002)는 도 3의 좌표계 변환부(30000)의 동작의 일부 또는 전부를 수행할 수 있다. 또한, 지오메트리 정보 변환 양자화 처리부(51003)는 도 3의 양자화부(30001)의 동작의 일부 또는 전부를 수행할 수도 있고, 또는 도 8의 양자화 처리부(8001)의 동작의 일부 또는 전부를 수행할 수 있다.
실시예들에 따라 데이터 입력부(51001)는 포인트 클라우드 데이터를 인코딩하기 위해서 데이터를 수신할 수 있다. 즉, 데이터 입력부(51001)는 입력받은 데이터(예, ply, configuration file 등)를 읽고 설정할 수 있다. 예를 들어, 입력받은 데이터는 지오메트리 데이터(지오메트리, 지오메트리 정보 등 지칭 가능함), 어트리뷰트 데이터(어트리뷰트, 어트리뷰트 정보 등으로 지칭 가능함), 코딩 관련 설정을 나타내는 파라미터 정보 등이 될 수 있다.
좌표계 변환부(51002)는 xyz축을 변경한다거나 xyz 직교 좌표계에서 각도(또는 구면이라 함) 좌표계로 좌표계를 변환하는 등 포인트 클라우드 데이터의 좌표계 변환을 지원할 수 있다.
양자화 처리부(또는 지오메트리 정보 변환 양자화 처리부라 함)(51003)는 포인트 클라우드 데이터를 양자화할 수 있다. 예를 들어, 스케일(scale=geometry quantization 값) 설정에 맞춰서 포인트 클라우드 데이터의 위치 x, y, z값에 스케일을 곱하여 스케일을 조절할 수 있다. 이때, 스케일 값은 설정된 값을 따르거나, 파라미터 정보로써 비트스트림에 포함되어 수신측으로 전달될 수 있다.
공간 분할부(51004)는 양자화 처리부(51003)에서 양자화되어 출력되는 포인트 클라우드 데이터를 바운딩 박스(bounding box) 및/또는 서브 바운딩 박스 등에 기반하여 하나 이상의 3차원 블록들로 공간 분할할 수 있다. 예를 들어, 상기 공간 분할부(51004)는 콘텐츠의 영역별 접근 또는 병렬처리를 위해 양자화된 포인트 클라우드 데이터를 타일(Tile) 단위 또는 슬라이스(Slice) 단위로 분할할 수 있다.
일 실시예로, 포인트 클라우드 콘텐츠는 액터(actor) 같은 한 사람이거나 여러 사람이거나, 한 사물이거나 여러 사물 일 수도 있지만, 더 큰 범위로 자율 주행을 위한 맵일 수도 있고, 로봇의 실내 네비게이션을 위한 맵일 수도 있다. 또한, 포인트 클라우드 콘텐츠는 움직이는 또는 정지된 자동차에서 라이다 장비를 통해 캡쳐된 포인트 클라우드 데이터일 수 있다. 이러한 경우, 포인트 클라우드 콘텐츠는 지역적으로 연결 된 방대한 양의 데이터 일 수 있다. 그러면, 포인트 클라우드 콘텐츠를 한번에 인코딩/디코딩 할 수 없기 때문에 포인트 클라우드 콘텐츠의 압축을 수행하기 전에 타일 파티셔닝(partitioning)을 수행할 수 있다. 예를 들어, 건물 내의 101호를 하나의 타일로, 다른 102호를 또 다른 타일로 분할 할 수 있다. 분할된 타일은 병렬화를 적용하여 빠른 인코딩/디코딩을 할 수 있도록 지원하기 위해 다시 슬라이스(slice)로 파티셔닝(또는 분할)할 수 있다. 이를 슬라이스 파티셔닝(또는 분할)이라고 칭할 수 있다.
본 개시에서 타일(tile)이란, 실시예들에 따른 포인트 클라우드 데이터가 점유하는 3차원 공간의 일부 영역(예, 직사각형 입방체)을 의미할 수 있다. 실시예들에 따른 타일은 하나 또는 그 이상의 슬라이스(slice)들을 포함할 수 있다. 즉, 타일(tile)은 하나 또는 그 이상의 슬라이스(slice)들로 분할(파티션)됨으로써 포인트 클라우드 비디오 인코더는 포인트 클라우드 데이터를 병렬적으로 인코딩할 수 있다.
본 개시에서 슬라이스(slice)란, 실시예들에 따른 포인트 클라우드 비디오 인코더에서 독립적으로 인코딩을 수행할 수 있는 데이터(또는 비트스트림)의 단위 및/또는 포인트 클라우드 비디오 디코더에서 독립적으로 디코딩을 수행할 수 있는 데이터(또는 비트스트림)의 단위를 의미할 수 있다. 실시예들에 따른 슬라이스는, 포인트 클라우드 데이터가 점유하는 3차원 공간 상의 데이터의 집합을 의미할 수도 있고, 포인트 클라우드 데이터 중 일부 데이터의 집합을 의미할 수도 있다. 실시예들에 따른 타일(tile)은 포인트들의 개수에 기초하여 하나 이상의 슬라이스들로 분할할 수 있고, 분할하는 과정에서 일부 데이터가 분리(split)되거나 병합(merge)될 수 있다. 즉, 슬라이스는 해당 타일 내에서 독립적으로 코딩이 될 수 있는 단위일 수 있다. 이와 같이 공간으로 분할된 타일은 빠르고 효율적인 처리를 위해 다시 하나 이상의 슬라이스들로 나눌 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더는 슬라이스 단위 또는 하나 이상의 슬라이스들을 포함하는 타일 단위로 포인트 클라우드 데이터의 인코딩을 수행할 수 있다. 또한 실시예들에 따른 포인트 클라우드 비디오 인코더는 타일별로 또는 슬라이스별로 양자화 및/또는 변환을 다르게 수행할 수 있다.
상기 공간 분할부(51004)에서 공간 분할된 하나 이상의 3차원 블록들(예, 슬라이스들)의 포지션들은 지오메트리 정보 인코딩부(51005)로 출력되고, 어트리뷰트 정보(즉, 분할된 어트리뷰트 원본 데이터)는 어트리뷰트 인코딩을 위해 색상 변환 처리부(51008)로 출력된다. 상기 포지션들은 분할된 단위(박스 또는 블록 또는 타일 또는 타일 그룹 또는 슬라이스)에 포함된 포인트들의 위치 정보일 수 있으며, 지오메트리 정보라 칭한다.
상기 지오메트리 정보 인코딩부(51005)는 공간 분할부(51004)에서 출력되는 포지션들(즉, 지오메트리 정보)에 대해 인터 예측 또는 인트라 예측 기반의 인코딩을 수행하여 지오메트리 정보 비트스트림을 생성한다. 인트라 예측 기반의 코딩 방법에는 옥트리(octree) 코딩, 예측 트리(predictive tree) 코딩, 트라이숩(trisoup) 코딩 방법 등이 포함될 수 있다.
본 개시에서 참조 프레임 생성부(51007)는 참조 프레임 버퍼(51006)에 저장된 하나 이상의 참조 프레임을 기반으로 인터 예측 기반의 인코딩을 위한 참조 프레임을 생성한다. 상기 참조 프레임은 지오메트리 정보의 인터 예측 인코딩을 위해 지오메트리 정보 인코딩부(51005)로 제공될 수도 있고 및/또는 어트리뷰트 정보의 인터 예측 인코딩을 위해 어트리뷰트 정보 인코딩부(51010)로 제공될 수도 있다. 즉, 상기 참조 프레임 생성부(51007)는 복원된 지오메트리 정보, 복원된 어트리뷰트 정보를 참조 프레임 버퍼(51006)에 저장하고, 다른 모듈에 참조 프레임 데이터를 전달할 수 있다. 상기 프레임 버퍼(51006)는 복원된 지오메트리 정보와 복원된 어트리뷰트 정보를 기반으로 재구성된 프레임을 참조 프레임으로 저장할 수 있다.
실시예들에 따라 상기 지오메트리 정보 인코딩부(51005)는 참조 프레임 생성부(51007)에서 제공하는 참조 프레임을 기반으로 인터 예측을 수행하여 지오메트리 정보를 압축할 수 있다. 즉, 상기 지오메트리 정보 인코딩부(51005)는 현재 프레임과 참조 프레임 간의 지오메트리 예측 값 차이를 기반으로 옥트리(octree)기반 인터-코딩, 예측 트리(predictive-tree) 기반 인터-코딩, 또는 트라이숩(trisoup) 기반 인터 코딩을 수행할 수 있다.
그리고, 상기 지오메트리 정보 인코딩부(51005)는 인터 예측 또는 인트라 예측 기반으로 인코딩된 지오메트리 정보를 재구성(즉, 복원)하여 색상 재조정(recoloring)부(5100)로 제공한다. 또한, 상기 재구성(즉, 복원)된 지오메트리 정보는 참조 프레임의 위치 정보로서 참조 프레임 버퍼(51006)에 저장된다.
상기 지오메트리 정보 인코딩부(51005)는 인트라 예측 기반 또는 인터 예측 기반으로 코딩된 지오메트리 정보에 대해 엔트로피 인코딩을 수행할 수 있다.
상기 색상 변환 처리부(51008)는 공간 분할부(51004)에서 분할된 어트리뷰트 원본 데이터에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 예를 들어, 상기 색상 변환 처리부(51008)는 RGB색상을 YUV나 YCbCr로 변경하는 등의 어트리뷰트 타입 변환을 지원할 수 있다. 상기 색상 변환 처리부(51008)의 동작은 어트리뷰트 정보에 포함된 색상값에 따라 옵셔널(optional)하게 적용될 수 있다.
상기 색상 재조정부(51009)는 재구성(즉, 복원)된 지오메트리 정보를 기반으로 어트리뷰트(컬러)를 다시 설정하는 색상 재조정(또는 리컬러링)을 수행한다. 즉, 상기 색상 재조정부(51009)는 지오메트리 정보에 스케일이 적용되어 위치 정보 값이 변경되었을 경우, 변경된 위치에 적합한 어트리뷰트 값을 예측해 줄 수 있다. 예를 들어, 상기 색상 재조정부(51009)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다.
상기 어트리뷰트 정보 인코딩부(51010)는 색상 재조정부(51009)에서 출력되는 어트리뷰트 정보에 인터 예측 또는 인트라 예측 기반의 인코딩을 수행하여 어트리뷰트 정보 비트스트림을 생성한다. 실시예들에 따르면, 어트리뷰트 정보 인코딩부(51010)에서 수행되는 인트라 예측 코딩 방법에는 Predicting Transform 코딩 방법, Lift Transform 코딩 방법, RAHT 코딩 방법 등이 포함될 수 있다. 실시예들에 따라 상기 어트리뷰트 정보 인코딩부(51010)는 참조 프레임 생성부(51007)에서 생성된 참조 프레임을 기반으로 인터 예측을 수행하여 색상 변환 및/또는 색상 재조정된 어트리뷰트 정보를 압축할 수 있다. 즉, 상기 어트리뷰트 정보 인코딩부(51010)는 색상 재조정된 원본 어트리뷰트 정보, 복원된 지오메트리정보, 참조 프레임을 입력받아 인코딩을 수행하여 어트리뷰트 정보 비트스트림을 생성할 수 있다.
상기 어트리뷰트 정보 인코딩부(51010)는 인터 예측 또는 인트라 예측 기반으로 인코딩된 어트리뷰트 정보를 재구성(즉, 복원)하여 참조 프레임 버퍼(51006)에 저장한다. 또한, 상기 어트리뷰트 정보 인코딩부(51010)는 인터 예측 기반 또는 인트라 예측 기반으로 인코딩된 어트리뷰트 정보에 대해 엔트로피 인코딩을 수행할 수 있다.
한편, 상기 지오메트리 정보 인코딩부(51005)에서 압축되어 출력되는 지오메트리 정보 비트스트림과 상기 어트리뷰트 정보 인코딩부(51010)에서 압축되어 출력되는 어트리뷰트 정보 비트스트림은 각각 전송할 수도 있고, 하나의 비트스트림으로 다중화되어 전송될 수도 있다. 또한, 각 비트스트림 또는 다중화된 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션된 후 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송될 수도 있다.
도 14는 실시예들에 따른 어트리뷰트 정보 인코딩부의 일 예시를 보인 블록도이다. 도 14의 어트리뷰트 정보 인코딩부의 각 엘레먼트는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다. 즉, 본 개시에서 어트리뷰트 정보 인코딩부(51010)는 전술한 바와 같이 RAHT 코딩, LOD 기반의 리프팅 변환 코딩, LOD 기반의 예측 변환 코딩 중 어느 하나 또는 하나 이상을 조합하여 어트리뷰트 정보를 압축할 수 있다.
다시 말해, 본 개시에서 어트리뷰트 정보 인코딩부(51010)는 공간 분할부(51004)에서 분할된 어트리뷰트 정보(또는 분할된 포인트 클라우드 데이터라 함)를 RAHT 코딩, LOD 기반의 리프팅 변환 코딩, LOD 기반의 예측 변환 코딩 중 어느 하나 또는 하나 이상을 조합하여 압축할 수 있다.
실시예들에 따라, 본 개시의 어트리뷰트 정보 인코딩부(51010)는 LOD 파라미터가 있는 경우에 LOD를 생성할 수 있다. 이를 위해, 어트리뷰트 정보 인코딩부(51010)의 판단부(또는 판단 단계라 함)(53001)는 LOD 파라미터들이 있는지를 확인한다. 즉, 색상 변환 처리 및/또는 색상 재조정된 어트리뷰트 정보(또는 분할된 포인트 클라우드 데이터라 함)는 상기 판단부(53001)에서 LOD 파라미터들이 있다고 확인되면 LOD 생성부(53002)로 제공되고, 상기 판단부(53001)에서 LOD 파라미터들이 없다고 확인되면 RAHT부(53005)로 제공된다.
상기 LOD 생성부(53002)는 분할된 포인트 클라우드 데이터(즉, 어트리뷰트 정보)를 입력받아 하나 이상의 LOD를 생성할 수 있으며, 위에서 설명한 아틀라스 탐색 방법(예, 몰톤 코드 스케일링 기반 아틀라스 탐색 방법, 탐색 영역 확장 기반 아틀라스 탐색 방법, 축 제거 기반 아틀라스 탐색 방법)을 기반으로 리프팅 변환 및 예측 변환에 사용되는 포인트 별 최근접 이웃을 결정할 수 있다. 이때, LOD 생성부(53002)는 LOD 파라미터가 있는 경우에 수행될 수 있다. 상기 LOD 생성부(53002)에서 생성된 LOD는 리프팅 변환부(53003) 및/또는 예측 변환부(53004)로 제공된다.
상기 리프팅 변환부(53003)는 상기 LOD 생성부(53002)에서 생성된 LOD를 이용하여 LOD 레벨 별 예측 및 갱신 과정을 수행하고, 이를 통해 어트리뷰트 정보에 대하여 주파수 변환을 수행하여 변환 계수를 생성할 수 있다. 상기 리프팅 변환부(53003)에서 생성된 변환 계수는 양자화되어 어트리뷰트 정보 엔트로피 인코딩부(53006)로 전송될 수 있다. 또한, 내부적으로 역변환을 수행하여 복원된 어트리뷰트 정보를 출력할 수 있다.
상기 예측 변환부(53004)는 상기 LOD 생성부(53002)의 LOD 생성 과정에서 결정된 이웃 포인트들을 이용해 현재 포인트를 예측하는 예측 변환을 수행할 수 있다. 본 개시는 상기 예측된 어트리뷰트 정보와 원본 어트리뷰트 정보를 차분한 값을 변환 계수라 할 수 있다. 상기 예측 변환부(53004)는 변환 계수를 양자화 하여 어트리뷰트 정보 엔트로피 인코딩부(53006)로 전달할 수 있다. 또한, 역양자화 및 예측 역변환을 통해 어트리뷰트 정보를 복원하여 출력할 수 있다.
상기 RAHT부(53005)는 LOD 파라미터가 없는 경우 수행될 수 있다. 상기 RAHT부(53005)는 분할된 포인트 클라우드 데이터(즉, 어트리뷰트 정보)를 입력받아 RAHT (Region Adaptive Hierarchical Transform)을 수행하여 주파수 도메인으로 변환된 변환 계수를 생성할 수 있다. 이후 변환 계수는 양자화되어 어트리뷰트 정보 엔트로피 인코딩부(53006)로 전달될 수 있다.
상기 어트리뷰트 정보 엔트로피 인코딩부(53006)는 RAHT 코딩, LOD 기반의 리프팅 변환 코딩, LOD 기반의 예측 변환 코딩 중 어느 하나가 적용되어 압축된 어트리뷰트 정보를 엔트로피 인코딩하여 어트리뷰트 정보 비트스트림 형태로 출력한다.
도 15는 실시예들에 따른 포인트 클라우드 수신 장치의 또 다른 예시를 보인 도면이다.
도 15에 도시된 포인트 클라우드 수신 장치의 엘레먼트들은 하드웨어, 소프트웨어, 메모리에 연결된 프로세서 및/또는 그것들의 결합 등으로 구현될 수 있다. 즉, 도 15의 포인트 클라우드 수신 장치의 엘레멘트들은 도면에 도시되지 않았으나 하나 또는 그 이상의 메모리들과 통신 가능하도록 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 15의 포인트 클라우드 수신 장치의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도15의 포인트 클라우드 수신 장치의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 도 15에서 각 블록의 수행 순서는 변경될 수 있으며, 일부 블록은 생략될 수 있고, 일부 블록은 새로 추가될 수 있다.
도 15의 포인트 클라우드 수신 장치는 도1의 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩 (20003), 도7의 포인트 클라우드 비디오 디코더, 도9의 수신 장치, 도10의 디바이스 등에 대응할 수 있다. 실시예들에 따르면, 포인트 클라우드 비디오 디코더는 PCC 디코더, PCC 디코딩부, 포인트 클라우드 디코더, 포인트 클라우드 디코딩부, 디코더 등으로 호칭될 수 있다.
도 15의 수신 장치는 수신 처리부를 더 포함할 수 있다. 수신 처리부는 하나의 비트스트림을 수신할 수도 있고, 또는 지오메트리 정보 비트스트림(또는 지오메트리 비트스트림이라 함), 어트리뷰트 정보 비트스트림(또는 어트리뷰트 비트스트림이라 함)을 각각 수신할 수도 있다. 실시예들에 따른 수신 처리부는 파일 및/또는 세그먼트가 수신되면, 수신된 파일 및/또는 세그먼트를 디캡슐레이션하여 비트스트림으로 출력할 수 있다.
실시예들에 따른 수신 처리부는 하나의 비트스트림이 수신(또는 디캡슐레이션)되면, 하나의 비트스트림으로부터 지오메트리 정보 비트스트림과 어트리뷰트 정보 비트스트림을 디멀티플렉싱하고, 디멀티플렉싱된 지오메트리 정보 비트스트림은 지오메트리 정보 디코딩부(61001)로, 어트리뷰트 정보 비트스트림은 어트리뷰트 정보 디코딩부(61005)로 출력할 수 있다.
실시예들에 따른 수신 처리부는 지오메트리 정보 비트스트림과 어트리뷰트 정보 비트스트림이 각각 수신(또는 디캡슐레이션)되면, 지오메트리 정보 비트스트림은 지오메트리 정보 디코딩부(61001)로, 어트리뷰트 정보 비트스트림은 어트리뷰트 정보 디코딩부(61005)로 전달할 수 있다.
상기 지오메트리 정보 디코딩부(61001)는 지오메트리 정보 비트스트림을 입력 받아 디코딩하여 지오메트리 정보를 복원할 수 있다. 즉, 지오메트리 정보 디코딩부(61001)는 압축된 지오메트리 정보 비트스트림에 대해 시그널링 정보(예, 지오메트리 관련된 파라미터들)를 기반으로 도 13의 지오메트리 정보 인코딩부(51005)의 역과정을 수행하여 지오메트리 정보를 복원할 수 있다. 좀 더 구체적으로, 지오메트리 정보 디코딩부(61001)는 지오메트리 정보 비트스트림을 엔트로피 디코딩한 후, 인터 예측 기반 또는 인트라 예측 기반의 지오메트리 디코딩을 수행한다. 실시예들에 따르면, 송신측에서 인트라 예측 기반의 인코딩이 지오메트리 정보에 적용되었다면, 지오메트리 정보 디코딩부(61001)는 엔트로피 디코딩된 지오메트리 정보에 대해 인트라 예측 기반의 복원을 수행한다. 반대로, 송신측에서 인터 예측 기반의 인코딩이 지오메트리 정보에 적용되었다면, 지오메트리 정보 디코딩부(61001)는 엔트로피 디코딩된 지오메트리 정보에 대해 인터 예측 기반의 복원을 수행한다.
상기 지오메트리 정보 디코딩부(61001)에서 복원된(또는 재구성된(reconstructed)) 지오메트리 정보는 좌표계 역변환부(61002)와 어트리뷰트 정보 디코딩부(61005)로 제공된다.
상기 좌표계 역변환부(61002)는 지오메트리 정보에 송신 장치의 좌표계 변환부에서 수행한 좌표계 변환의 역과정을 수행할 수 있다. 예를 들어, 좌표계 역변환부(61002)는 송신측에서 변경된 xyz축을 복원하거나 또는 변환된 좌표계를 xyz 직교 좌표계로 역변환할 수 있다.
실시예들에 따르면, 수신 장치는 상기 지오메트리 정보 디코딩부(61001)와 상기 좌표계 역변환부(61002) 사이에 지오메트리 정보 역변환 역양자화 처리부를 더 포함할 수 있다.
상기 지오메트리 정보 역변환 역양자화 처리부는 송신 장치에서 시그널링되어 수신된 스케일(scale=geometry quantization 값)을 복원하여 복원된 포인트의 지오메트리 위치 x, y, z값에 적용하여 복원할 수 있다. 즉, 상기 지오메트리 정보 역변환 역양자화 처리부는 복원된 지오메트리 정보에 송신 장치의 지오메트리 정보 변환 양자화 처리부(51003)에서 수행한 변환의 역과정을 수행하고 그 결과에 스케일(=지오메트리 양자화 값)을 곱하여 역양자화가 수행된 복원된 지오메트리 정보를 생성할 수 있다. 즉, 상기 지오메트리 정보 변환 역양자화 처리부는 시그널링 정보에 포함된 스케일(scale=geometry quantization 값)을 복원된 포인트의 지오메트리 위치 x, y, z값에 적용하여 지오메트리 정보의 역양자화를 수행할 수 있다.
상기 어트리뷰트 정보 디코딩부(61005)는 압축된 어트리뷰트 정보 비트스트림에 대해 시그널링 정보(예, 어트리뷰트 관련된 파라미터들)와 재구성(즉, 복원)된 지오메트리를 기반으로 도 13의 어트리뷰트 정보 인코딩부(51010)의 역과정을 수행하여 어트리뷰트 정보를 복원할 수 있다. 실시예들에 따르면, 송신측에서 포인트 클라우드 데이터가 타일 및/또는 슬라이스 단위로 분할되었다면, 지오메트리 정보 디코딩부(61001)와 어트리뷰트 정보 디코딩부(61005)에서 타일 및/또는 슬라이스 단위로 지오메트리 디코딩과 어트리뷰트 디코딩을 수행할 수 있다. 좀 더 구체적으로, 어트리뷰트 정보 디코딩부(61005)는 입력되는 어트리뷰트 정보 비트스트림을 엔트로피 디코딩한 후, 인터 예측 기반 또는 인트라 예측 기반의 어트리뷰트 디코딩을 수행한다. 실시예들에 따르면, 송신측에서 인트라 예측 기반의 인코딩이 어트리뷰트 정보에 적용되었다면, 어트리뷰트 정보 디코딩부(61005)는 엔트로피 디코딩된 어트리뷰트 정보에 대해 인트라 예측 기반의 복원을 수행한다. 반대로, 송신측에서 인터 예측 기반의 인코딩이 어트리뷰트 정보에 적용되었다면, 어트리뷰트 정보 디코딩부(61005)는 엔트로피 디코딩된 어트리뷰트 정보에 대해 인터 예측 기반의 복원을 수행한다.
상기 어트리뷰트 정보 디코딩부(61005)에서 복원된 어트리뷰트 정보는 색상 역변환 처리부(61006)로 제공되어 RGB 색상으로 복원될 수 있다. 즉, 상기 색상 역변환 처리부(65006)는 복원된 어트리뷰트 정보에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행할 수 있다.
실시예들에 따르면, 상기 지오메트리 정보 디코딩부(61001)에서 복원된 지오메트리 정보와 상기 어트리뷰트 정보 디코딩부(61005)에서 복원된 어트리뷰트 정보는 참조 프레임 버퍼(61003)에 저장된다. 상기 참조 프레임 버퍼(61003)는 복원된 지오메트리 정보와 복원된 어트리뷰트 정보를 기반으로 재구성된 프레임을 참조 프레임으로 저장할 수 있다. 즉, 참조 프레임 버퍼(63009)에 저장되는 복원된 지오메트리 정보와 복원된 어트리뷰트 정보는 지오메트리 정보 인터 예측 및/또는 어트리뷰트 정보 인터 예측을 위해 이전 참조 프레임으로 사용될 수 있다.
본 개시에서 참조 프레임 생성부(61004)는 참조 프레임 버퍼(61003)에 저장된 하나 이상의 참조 프레임을 기반으로 인터 예측 기반의 디코딩을 위한 참조 프레임을 생성한다. 상기 참조 프레임은 지오메트리 정보의 인터 예측 디코딩을 위해 지오메트리 정보 디코딩부(61001)로 제공될 수도 있고 및/또는 어트리뷰트 정보의 인터 예측 디코딩을 위해 어트리뷰트 정보 디코딩부(61005)로 제공될 수도 있다. 즉, 상기 참조 프레임 생성부(61004)는 복원된 지오메트리 정보, 복원된 어트리뷰트 정보를 참조 프레임 버퍼(61003)에 저장하고, 다른 모듈에 참조 프레임 데이터를 전달할 수 있다.
도 16은 실시예들에 따른 어트리뷰트 정보 디코딩부의 일 예시를 보인 블록도이다. 도 16의 어트리뷰트 정보 디코딩부의 각 엘레먼트는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다. 즉, 본 개시에서 어트리뷰트 정보 디코딩부(61005)는 전술한 바와 같이 RAHT 디코딩, LOD 기반의 리프팅 변환 디코딩, LOD 기반의 예측 변환 디코딩 중 어느 하나 또는 하나 이상을 조합하여 어트리뷰트 정보를 복원할 수 있다.
실시예들에 따르면, 어트리뷰트 정보 엔트로피 디코딩부(63001)는 어트리뷰트 정보 비트스트림을 입력받아 엔트로피 디코딩하여 변환 계수를 복원할 수 있다. 상기 복원된 변환 계수는 LOD 파라미터 유무에 따라 LOD 생성부(63003)로 제공되거나 또는 역 RAHT부(63006)로 제공될 수 있다.
실시예들에 따라, 본 개시의 어트리뷰트 정보 디코딩부(61005)는 LOD 파라미터가 있는 경우에 LOD를 생성할 수 있다. 이를 위해, 어트리뷰트 정보 디코딩부(61005)의 판단부(또는 판단 단계라 함)(63002)는 LOD 파라미터들이 있는지를 확인한다. 즉, 엔트로피 디코딩되어 복원된 변환 계수는 상기 판단부(63002)에서 LOD 파라미터들이 있다고 확인되면 LOD 생성부(63003)로 제공되고, 상기 판단부(63002)에서 LOD 파라미터들이 없다고 확인되면 역 RAHT부(63006)로 제공된다.
상기 LOD 생성부(63003)는 복원된 지오메트리 정보, 복원된 변환 계수, 시그널링 정보를 기반으로 하나 이상의 LOD를 생성할 수 있으며, 위에서 설명한 아틀라스 탐색 방법(예, 몰톤 코드 스케일링 기반 아틀라스 탐색 방법, 탐색 영역 확장 기반 아틀라스 탐색 방법, 축 제거 기반 아틀라스 탐색 방법)을 기반으로 리프팅 역변환 및 예측 역변환에 사용되는 포인트 별 최근접 이웃 포인트들을 결정할 수 있다. 이때, LOD 생성부(63003)는 LOD 파라미터가 있는 경우에 수행될 수 있다. 상기 LOD 생성부(63003)에서 생성된 LOD는 리프팅 역변환부(63004) 및/또는 예측 역변환부(63005)로 제공된다.
상기 리프팅 역변환부(63004)는 입력된 변환 계수를 역변환하고 상기 LOD 생성부(63003)에서 생성된 LOD를 이용하여 LOD 레벨 별 예측 및 갱신 과정을 수행하고, 이를 통해 변환 계수에 대하여 주파수 역변환을 수행하여 어트리뷰트 정보를 복원할 수 있다.
상기 예측 역변환부(63005)는 상기 LOD 생성부(63003)의 LOD 생성 과정에서 결정된 이웃 포인트들을 이용해 현재 포인트를 예측하는 예측 변환을 수행할 수 있다. 즉, 상기 예측 역변환부(63005)는 LOD 생성 과정에서 결정된 이웃 포인트들을 이용해 현재 포인트를 예측한 값과 입력받은 변환계수를 역변환한 값과 합하여 어트리뷰트 정보를 복원할 수 있다.
상기 역RAHT부(63006)는 LOD 파라미터가 없는 경우 수행될 수 있다. 상기 역RAHT부(63006)는 복원된 지오메트리 정보와 변환 계수를 입력받아 RAHT의 역과정을 수행하여 어트리뷰트 정보를 복원할 수 있다.
도 17은 실시예들에 따른 LOD 생성부의 일 예시를 보인 블록도이다. 본 개시에서 LOD 생성부는 송신 장치와 수신 장치의 모두 구비될 수 있다. 즉, 도 17의 LOD 생성부는 도 14의 LOD 생성부(53002) 및/또는 도 16의 LOD 생성부(63003)에 해당될 수 있다. 도 17의 LOD 생성부의 각 엘레먼트는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다.
도 17에서 LOD 생성부는 복원된 지오메트리 정보를 입력받아 다 계층의 LOD를 생성하여 출력할 수 있다.
이를 위해, LOD 생성부는 몰톤 코드 부여 및 정렬부(65001), 서브 샘플링부(65002), 및 최근접 이웃 탐색부(65003)를 포함할 수 있다.
상기 몰톤 코드 부여 및 정렬부(65001)는 포인트들에 대해 몰톤 코드를 부여하며, 이후 정해진 정렬 방식에 따라 몰톤 코드가 부여된 포인트들을 정렬할 수 있다
상기 서브 샘플링부(65002)는 현재 포인트들에 대하여 LOD로 구분하기 위하여 LOD 인덱스 리스트에 대하여 서브 샘플링을 수행할 수 있다.
상기 최근접 이웃 탐색부(65003)는 LOD로 구분된 포인트들에 대하여 리프팅 변환의 예측 및 갱신 과정을 위하여 지오메트리를 기준으로 각 포인트마다 1개 이상의 이웃하는 포인트를 찾고 해당 포인트의 인덱스를 저장할 수 있다. 상기 최근접 이웃 탐색부(65003)에서 찾은 최근접 이웃 포인트들의 어트리뷰트 정보는 인코딩 또는 디코딩될 포인트의 어트리뷰트를 예측하는데 이용된다.
다음은 몰톤 코드 부여 및 정렬부(65001)의 상세 설명이다.
즉, 몰톤 코드 부여 및 정렬부(65001)에서는 포인트들에 대한 몰톤 코드를 부여하고, 정해진 정렬 순서에 따라 포인트들을 정렬시킬 수 있다.
실시예들에 따르면, 상기 몰톤 코드 부여 및 정렬부(65001)에서는 위의 몰톤 코드 스케일링 기반 아틀라스 탐색 방법에서 설명한 몰톤 코드 스케일링(Morton code scaling)을 통해 포인트들에 대해 몰톤 코드를 부여할 수 있다. 즉, 몰톤 코드 부여 및 정렬부(65001)는 상기 몰톤 코드 스케일링 기반 아틀라스 탐색 방법에서 기술된 방법을 통해 스케일링 계수 혹은 다중 스케일링 계수에 대한 정보를 시그널링 정보로서 전달받아 알 수 있다. 그리고, 전달받은 정보들과 포인트의 좌표값을 활용하여 포인트들에 몰톤 코드를 부여할 수 있다.
실시예들에 따르면, 상기 몰톤 코드 부여 및 정렬부(65001)에서는 포인트들을 혼합된 순서(즉, 전술한 몰톤 코드 스케일링 이후 포인트 정렬 방법 설정 참조), 몰톤 코드 순서, 지오메트리 디코더 출력 순서 중 하나로 포인트들을 정렬할 수 있다. 즉, 상기 몰톤 코드 부여 및 정렬부(65001)는 상기 몰톤 코드 스케일링 이후 포인트 정렬 방법 설정에서 기술한 방법을 통해 정렬 순서에 대한 정보를 시그널링 정보로서 전달받아 알 수 있다. 그리고, 전달 받은 정보들과 포인트들을 활용하여 포인트들을 정렬할 수 있다.
도 18은 실시예들에 따른 몰톤 코드 부여 및 정렬부의 몰톤 코드 부여 및 정렬 방법의 일 예시를 보인 흐름도이다.
실시예들에 따라, 시그널링 정보에 포함된 aps_morton_code_scaling_enabled의 값이 참(예, 1)이면(67001), multi_scale_factor_enabled의 값이 참(즉, 1)인지를 확인한다(67002).
실시예들에 따라, aps_morton_code_scaling_enabled의 값이 참이고, multi_scale_factor_enabled의 값이 참이면 좌표값의 XYZ별로 서로 다른 다운스케일링을 적용한 후(67003), 몰톤 코드 계산 및 부여 단계(67005)로 진행한다.
실시예들에 따라, aps_morton_code_scaling_enabled의 값이 참이고, multi_scale_factor_enabled의 값이 거짓(예, 0)이면 좌표값에 동일한 다운스케일링을 적용한 후(67004), 몰톤 코드 계산 및 부여 단계(67005)로 진행한다.
실시예들에 따라, aps_morton_code_scaling_enabled의 값이 거짓이면 다운 스케일링을 적용하지 않고 몰톤 코드 계산 및 부여 단계(67005)로 진행한다.
상기 단계 67003 또는 67004의 다운 스케일링에 대한 상세 설명은 위에서 하였으므로 중복 설명을 피하기 위해 여기서는 생략하기로 한다.
상기 단계 67005에서는 전술한 몰톤코드 계산 방법에 따라 몰톤 코드를 구하고, 포인트들에 몰톤 코드를 부여한다.
그리고 나서, different_sorting_enabled의 값이 참(즉, 1)인지를 확인한다(67006).
실시예들에 따라, different_sorting_enabled의 값이 거짓(예, 0)이면, 포인트 간 몰톤 코드가 다를경우 몰톤 코드 순서 기반으로 포인트들을 정렬하고, 포인트 간 몰톤 코드가 같을 경우 지오메트리 디코더 출력 순서 기반으로 포인트들을 정렬한다(67007).
실시예들에 따라, different_sorting_enabled의 값이 참이면 정렬 방법이 몰톤 코드 순서인지를 확인한다(67008).
실시예들에 따라, different_sorting_enabled의 값이 참이고 정렬 방법이 몰톤 코드 순서가 아니면 지오메트리 디코더 출력 순서 기반으로 포인트들을 정렬한다(67009).
실시예들에 따라, different_sorting_enabled의 값이 참이고 정렬 방법이 몰톤 코드 순서이면, 몰톤 코드 순서 기반으로 포인트들을 정렬한다(67010).
상기 단계 67007, 67009, 67010 중 하나에서 정렬된 포인트들 즉, 정렬된 포인트 정보는 서브 샘플링부(65002)에서 서브 샘플링된 후 최근접 이웃 탐색부(65003)로 제공된다.
본 개시는 도 18의 신택스 엘레먼트(또는 필드)들 즉, aps_morton_code_scaling_enabled, multi_scale_factor_enabled, different_sorting_enabled를 아틀라스 탐색과 관련된 시그널링 정보라 칭할 수 있다. 각 신택스 엘레먼트의 상세 설명은 뒤에서 하기로 한다. 본 개시에서 아틀라스 탐색과 관련된 시그널링 정보는 LOD 생성을 위한 고속 최근접 이웃 탐색 기법을 위한 파라미터 정보로 명명할 수 있다.
다음은 최근접 이웃 탐색부(65003)의 상세 설명이다.
실시예들에 따르면, 상기 최근접 이웃 탐색부(65003)에서는 각 포인트들의 몰톤 코드를 활용하여 아틀라스 탐색 영역을 설정할 수 있다.
즉, 상기 최근접 이웃 탐색부(65003)에서는 설정된 아틀라스 탐색 영역을 활용하여 아틀라스 탐색을 수행하고, 아틀라스 탐색에서 3개의 최근접 이웃 포인트가 찾아지지 않을 경우 전체 탐색을 수행할 수 있다.
실시예들에 따라, 상기 최근접 이웃 탐색부(65003)에서는 전술한 아틀라스 탐색 영역 방법(즉, 탐색 영역 확장 기반 아틀라스 탐색 방법 참조)을 통해 아틀라스 탐색 영역을 확장할 수 있다. 즉, 전술한 탐색 영역 확장 기반 아틀라스 탐색 방법에서 기술된 방법을 통해 정해진 아틀라스 탐색 영역 확장 계수에 대한 정보를 시그널링 정보로서 전달받아 알 수 있다. 그리고, 전달받은 정보들을 활용하여 아틀라스 영역을 확장할 수 있다.
실시예들에 따라, 상기 최근접 이웃 탐색부(65003)에서는 축 제거 방법(즉, 축 제거 기반 아틀라스 탐색 방법 참조)을 활용하여, 아틀라스 탐색 영역 내에 있는 포인트들 중 특정 축(x,y,z 중 하나) 기준 값이 다를 경우 이웃 포인트 탐색 대상에서 제외시킬 수 있다. 즉, 전술한 축 제거 기반 아틀라스 탐색 방법에 기술된 방법을 통해 제거할 축의 정보 및 축 제거 방법 수행 조건에 대한 정보를 시그널링 정보로 전달받아 알 수 있다. 그리고, 전달받은 정보들을 활용하여 축 제거 방법을 사용할 수 있다.
도 19는 실시예들에 따른 최근접 이웃 탐색부의 최근접 이웃 탐색 방법의 일 예시를 보인 흐름도이다.
실시예들에 따르면, 최근접 이웃 탐색부에서는 서브 샘플링된 포인트 정보를 입력받고 아틀라스 탐색 영역을 설정한다(69001).
그리고, 시그널링 정보에 포함된 enlarge_atlas_search_range_enabled의 값이 참(예, 1)인지를 확인한다(69002).
실시예들에 따라, 상기 enlarge_atlas_search_range_enabled의 값이 참이면 multi_atlas_enlarge_factor_enabled의 값이 참(예, 1)인지를 확인한다(69003).
실시예들에 따라, enlarge_atlas_search_range_enabled의 값이 거짓(예, 0)이면 아틀라스 탐색 영역을 확장하지 않고 단계 69007로 진행한다.
실시예들에 따라, enlarge_atlas_search_range_enabled의 값이 참이고 multi_atlas_enlarge_factor_enabled의 값이 참이면 전달받은 XYZ별 다중 영역 확장 계수를 통해 아틀라스 탐색 영역을 확장한다(69004).
실시예들에 따라, enlarge_atlas_search_range_enabled의 값이 참이고 multi_atlas_enlarge_factor_enabled의 값이 거짓이면 하나의 아틀라스 영역 확장 계수를 통해 아틀라스 탐색 영역을 확장한다(69005).
그리고 나서, discard_different_coordinate_neighbor_enabled의 값이 참(예, 1)인지를 확인한다(69006).
실시예들에 따라, discard_different_coordinate_neighbor_enabled의 값이 거짓이면 축 제거 방법을 기반으로 아틀라스 탐색 영역 내에 있는 적어도 하나의 포인트를 이웃 포인트 탐색 대상에서 제외시키는 과정을 생략한다.
실시예들에 따라, discard_different_coordinate_neighbor_enabled의 값이 참이면, 아틀라스 탐색 영역(atlas search range) 내 포인트들의 개수가 number_of_points_for_coordinate_discard의 값보다 큰지를 확인한다(69007).
실시예들에 따라, discard_different_coordinate_neighbor_enabled의 값이 참이고, 아틀라스 탐색 영역 내 포인트들의 개수가 number_of_points_for_coordinate_discard의 값보다 크면, XYZ축 중 전달받은 축 기준 좌표값의 다를 경우 이웃 포인트 탐색 대상에서 제외시킨다(69008).
실시예들에 따라, discard_different_coordinate_neighbor_enabled의 값이 참이고, 아틀라스 탐색 영역 내 포인트들의 개수가 number_of_points_for_coordinate_discard의 값보다 크지 않으면, 축 제거 방법을 기반으로 아틀라스 탐색 영역 내에 있는 적어도 하나의 포인트를 이웃 포인트 탐색 대상에서 제외시키는 과정을 생략한다.
그리고 나서, 아틀라스 탐색 영역 또는 확장된 아틀라스 탐색 영역 내에서 탐색을 수행하여 최근접 이웃 포인트를 찾는다(69009).
이때, 단계 69009에서 찾은 최근접 이웃 포인트의 개수가 3보다 작은지를 확인하여(69010), 작으면 전체 탐색을 수행하고(69011), 작지 않으면 전체 탐색을 수행하지 않는다.
실시예들에 따라, 아틀라스 탐색을 수행하여 찾은 최근접 이웃 포인트들 또는 아틀라스 탐색과 전체 탐색을 모두 수행하여 찾은 최근접 이웃 포인트들을 기반으로 예측기를 생성한다(69012).
본 개시는 도 19의 신택스 엘레먼트(또는 필드)들 즉, enlarge_atlas_search_range_enabled, multi_atlas_enlarge_factor_enabled, discard_different_coordinate_neighbor_enabled, number_of_points_for_coordinate_discard를 아틀라스 탐색과 관련된 시그널링 정보라 칭할 수 있다. 각 신택스 엘레먼트의 상세 설명은 뒤에서 하기로 한다. 본 개시에서 아틀라스 탐색과 관련된 시그널링 정보는 LOD 생성을 위한 고속 최근접 이웃 탐색 기법을 위한 파라미터 정보라 칭할 수 있다.
전술한 아틀라스 탐색의 실시예들을 수행하기 위해서 관련 정보를 시그널링 할 수 있다. 본 개시는 이 관련 정보를 아틀라스 탐색과 관련된 시그널링 정보라 칭할 수 있다. 실시예들에 따른 시그널링 정보는 송신단 또는 수신단 등에서 사용될 수 있다.
실시예들에 따르면, 인코딩된 포인트 클라우드 구성은 다음과 같다. 즉, 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 과정을 수행하는 포인트 클라우드 데이터 인코더는 도 20과 같은 인코딩된 포인트 클라우드 (또는 포인트 클라우드 데이터의 비트스트림)을 생성할 수 있다. 또한, 포인트 클라우드 데이터에 관한 시그널링 정보(예, 아틀라스 탐색과 관련된 시그널링 정보 포함)는 포인트 클라우드 데이터 송신 장치의 메타데이터 처리부(또는 시그널링 처리부라 함)에 의해 생성되고 처리되어 도 20과 같이 포인트 클라우드 데이터의 비트스트림에 포함되어 수신 장치로 전송될 수 있다.
도 20은 실시예들에 따른 송/수신을 위한 포인트 클라우드 데이터의 비트스트림 구조의 예시를 나타낸다.
실시예들에 따라, 도 20에서 용어 “슬라이스”는 용어 “데이터 유닛”으로 지칭될 수 있다.
또한, 도 20에서 각 약어는 다음을 의미한다. 각 약어는 동등한 의미의 범위 내에서 다른 용어로 지칭될 수 있다. SPS: 시퀀스 파라미터 세트(Sequence Parameter Set), GPS: 지오메트리 파라미터 세트(Geometry Parameter Set), APS: 어트리뷰트 파라미터 세트(Attribute Parameter Set), TPS: 타일 파라미터 세트(Tile Parameter Set), 지오메트리(Geom: Geometry bitstream = geometry slice header+ [geometry PU header + Geometry PU data] | geometry slice data), 어트리뷰트(Attr: Attribute bitstream = attribute data unit header + [attribute PU header + attribute PU data] | attribute data unit data).
본 개시는 지금까지 설명한 실시예들을 추가/수행 하기 위해서 관련 정보를 시그널링 할 수 있다. 실시예들에 따른 시그널링 정보는 송신단의 포인트 클라우드 비디오 인코더 또는 수신단의 포인트 클라우드 비디오 디코더 등에서 사용될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더는 전술한 바와 같이 지오메트리 정보와 어트리뷰트 정보를 인코딩하여 도 20과 같은 비트스트림을 생성할 수 있다. 또한, 포인트 클라우드 데이터에 관한 시그널링 정보는 포인트 클라우드 비디오 인코더의 지오메트리 정보 인코딩부, 어트리뷰트 정보 인코딩부, 메타데이터 처리부(또는 시그널링 처리부라 함) 중 적어도 하나에서 생성되고 처리되어 비트스트림에 포함될 수 있다.
일 예로, 지오메트리 인코딩 및/또는 어트리뷰트 인코딩을 수행하는 포인트 클라우드 비디오 인코더는 도 20과 같은 인코딩된 포인트 클라우드 (또는 포인트 클라우드를 포함하는 비트스트림)을 생성할 수 있다. 또한, 포인트 클라우드 데이터에 관한 시그널링 정보는 포인트 클라우드 데이터 송신 장치의 메타 데이터 처리부에 의해 생성되고 처리되어 도 20과 같이 포인트 클라우드 데이터의 비트스트림에 포함될 수 있다.
실시예들에 따른 시그널링 정보는 포인트 클라우드 비디오 디코더의 지오메트리 정보 디코딩부, 어트리뷰트 정보 디코딩부, 메타데이터 파서(또는 시그널링 처리부라 함) 중 적어도 하나에서 수신/획득될 수 있다.
실시예들에 따른 비트스트림은 지오메트리 정보 비트스트림, 어트리뷰트 정보 비트스트림, 및 시그널링 정보 비트스트림으로 구분되어 송/수신될 수도 있고, 하나의 비트스트림으로 컴바인되어 송/수신될 수도 있다.
실시예들에 따른 지오메트리 정보 비트스트림, 어트리뷰트 정보 비트스트림, 및 시그널링 정보 비트스트림이 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 하나 이상의 APS(Attribute Parameter Set, APS0, APS1), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set), 하나 이상의 슬라이스들(slice 0 ~ slice n)를 포함할 수 있다. 즉, 실시예들에 따른 포인트 클라우드 데이터의 비트스트림은 하나 이상의 타일들을 포함할 수 있고, 각 타일은 하나 이상의 슬라이스들(slice 0 ~ slice n)을 포함하는 슬라이스들의 그룹일 수 있다. 실시예들에 따른 TPS는 하나 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)를 포함할 수 있다. 각 슬라이스는 하나의 지오메트리 비트스트림(Geom0) 및 하나 이상의 어트리뷰트 비트스트림들(Attr0, Attr1)을 포함할 수 있다.
각 슬라이스 내 지오메트리 비트스트림(또는 지오메트리 슬라이스라 함)은 지오메트리 슬라이스 헤더와 하나 이상의 지오메트리 PU들(Geom PU0, Geom PU1)로 구성될 수 있다. 각 지오메트리 PU는 지오메트리 PU 헤더(geom PU header)와 지오메트리 PU(Prediction Unit) 데이터(geom PU data)로 구성될 수 있다.
각 슬라이스 내 각 어트리뷰트 비트스트림(또는 어트리뷰트 슬라이스라 함)은 어트리뷰트 슬라이스 헤더와 하나 이상의 어트리뷰트 PU들(Attr PU0, Attr PU1)로 구성될 수 있다. 각 어트리뷰트 PU는 어트리뷰트 PU 헤더(attr PU header)와 어트리뷰트 PU 데이터(attr PU data)로 구성될 수 있다.
실시예들에 따른 아틀라스 탐색에 관련된 시그널링 정보 즉, LOD 생성을 위한 고속 최근접 이웃 탐색 기법을 위한 파라미터 정보의 일부 또는 전부는 APS 및/또는 어트리뷰트 데이터 유닛 헤더에 추가되어 시그널링될 수 있다. 본 개시에서 어트리뷰트 데이터 유닛 헤더는 어트리뷰트 슬라이스 헤더라 칭할 수 있다.
도 20에서 보는 바와 같이, 포인트 클라우드 데이터의 비트스트림은 포인트 클라우드 데이터를 영역별로 나누어 처리할 수 있도록 타일, 슬라이스, LPU 및/또는 PU로 구분된다. 실시예들에 따른 비트스트림의 각각의 영역은 서로 다른 중요도를 가질 수 있다. 따라서, 포인트 클라우드 데이터가 타일들로 나누어지는 경우, 각 타일별로 다른 필터(인코딩 방법), 다른 필터 유닛을 적용할 수 있다. 또한 포인트 클라우드 데이터가 슬라이스들로 나누어지는 경우, 각 슬라이스별로 다른 필터, 다른 필터 유닛을 적용할 수 있다. 또한, 포인트 클라우드 데이터가 LPU/PU들로 나누어지는 경우, 각 LPU/PU별로 다른 필터, 다른 필터 유닛을 적용할 수 있다.
실시예들에 따른 송신 장치는, 도 20과 같은 비트스트림의 구조에 따라 포인트 클라우드 데이터를 전송함으로써, 중요도에 따라서 다른 인코딩 동작을 적용할 수 있게 하고, 품질(quality)이 좋은 인코딩 방법을 중요한 영역에 사용할 수 있는 방안을 제공할 수 있다. 또한 포인트 클라우드 데이터의 특성에 따른 효율적인 인코딩 및 전송을 지원하고 사용자의 요구사항에 따른 어트리뷰트 값을 제공할 수 있다.
실시예들에 따른 수신 장치는, 도 20과 같은 비트스트림의 구조에 따라 포인트 클라우드 데이터를 수신함으로써, 수신 장치의 처리능력(capacity)에 따라서 포인트 클라우드 데이터 전체에 복잡한 디코딩(필터링) 방법을 사용하는 대신 영역별로 (타일로 나누어지거나 슬라이스로 나누어진 영역) 서로 다른 필터링(디코딩 방법)을 적용할 수 있게 된다. 따라서, 사용자에게 중요한 영역에 더 좋은 화질을 제공하고 시스템 상으로 적절한 레이턴시(latency)을 보장할 수 있다.
전술한 바와 같이 타일 또는 슬라이스는 포인트 클라우드 데이터를 영역별로 나누어 처리할 수 있도록 하기 위해 제공된다. 그리고, 포인트 클라우드 데이터를 영역별로 나눌 때, 각각의 영역별로 다른 이웃 포인트 집합을 생성하는 옵션을 설정하여 복잡도(complexity)는 낮으나 신뢰도는 다소 떨어지거나 반대로 복잡도는 높으나 신뢰도가 높은 선택 방안을 제공할 수 있다.
이후 설명되는 본 개시의 신택스들에서 사용되는 용어인 필드는 파라미터 또는 신택스 엘리먼트와 동일한 의미를 가질 수 있다.
도 21은 실시예들에 따른 LOD 생성을 위한 고속 최근접 이웃 탐색 기법을 위한 파라미터 정보를 포함하는 어트리뷰트 파라미터 세트(attribute_parameter_set())(APS)의 신택스 구조의 일 예시를 보인 도면이다. 본 개시의 LOD 생성을 위한 고속 최근접 이웃 탐색 기법을 위한 파라미터 정보는APS에 추가 되어 시그널링될 수 있다. 즉, LOD 생성을 위한 고속 최근접 이웃 탐색 기법을 위한 파라미터 정보가 LOD 생성을 위한 고속 최근접 이웃 탐색 방법의 지원을 위해 APS에 효율적으로 시그널링 될 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
도 21에서, aps_attr_parameter_set_id 필드는 다른 신택스 엘레먼트들에 의한 참조를 위한 APS의 식별자를 나타낸다. aps_attr_parameter_set_id의 값은 0부터 15까지(0과 15 포함) 의 범위 내에 있어야 한다.
aps_seq_parameter_set_id 필드는 액티브(active) SPS에 대한 sps_seq_parameter_set_id의 값을 나타낸다. aps_seq_parameter_set_id의 값은 0부터 15까지(0과 15 포함) 의 범위 내에 있어야 한다.
aps_morton_code_scaling_enabled는 몰톤 코드 스케일링 수행 여부를 선택하는 플래그이다. 예를 들어, aps_morton_code_scaling_enabled의 값이 1(즉, 참)이면 몰톤 코드 스케일링(예, 다운 스케일링)을 수행(또는 선택)함을 지시하고, 0(즉, 거짓)이면 몰톤 코드 스케일링을 수행(또는 선택)하지 않음을 지시할 수 있다.
attr_coding_type 필드는 어트리뷰트에 대한 코딩 타입을 나타낸다. 예를 들어, attr_coding_type의 값이 0이면 RAHT를 지시하고, 1이면 LOD 기반의 예측 변환을 지시하며, 2이면 LOD 기반의 리프팅 변환을 지시할 수 있다.
pred_set_size_minus1에 1을 더하여 포인트별 예측자 집합(per-point predictor set)의 최대 크기를 명시할 수 있다.
aps_extension_present는 aps_extension_data 신택스 엘레먼트들이 APS 신택스 구조 내에 존재하는지를 지정한다. aps_extension_present는 본 문서의 이 버전에 부합하는 비트스트림에서는 0일 수 있다.
prediction_with_distribution_enabled는 예측 계수(prediction coefficients)가 예측자들의 공간적 분포를 기반으로 유도(derive)되는지의 여부를 명시한다. 예를 들어, prediction_with_distribution_enabled의 값이 1(즉, 참)이면 유도됨을, 0(즉, 거짓)이면 유도되지 않음을 지시할 수 있다. prediction_with_distribution_enabled가 존재하지 않는 경우, 그 값은 0으로 간주된다.
enlarge_atlas_searchrange_enabled는 아틀라스 탐색 영역 확장 방법을 수행할지 여부를 선택하는 플래그이다. 예를 들어, enlarge_atlas_searchrange_enabled의 값이 1이면 아틀라스 탐색 영역 확장 방법을 수행(또는 선택)함을 지시하고, 0이면 수행(또는 선택)하지 않음을 지시할 수 있다.
discard_different_coordinate_neighbor_enabled는 좌표가 다른 이웃을 제거하는 방법을 수행할지 여부를 선택하는 플래그이다. 예를 들어, discard_different_coordinate_neighbor_enabled의 값이 1이면 좌표가 다른 이웃을 제거하는 방법을 수행(또는 선택)함을 지시하고, 0이면 수행(또는 선택) 하지 않음을 지시할 수 있다.
실시예들에 따라, prediction_with_distribution_enabled, enlarge_atlas_searchrange_enabled, discard_different_coordinate_neighbor_enabled는 attr_coding_type의 값이 1(예, LOD 기반의 예측 변환) 또는 2(예, LOD 기반의 리프팅 변환)이면서, pred_set_size_minus1의 값이 2 이상인 경우(즉, 예측자 집합의 크기가 3개 이상인 경우)에 APS에 시그널링될 수 있다.
도 22는 실시예들에 따른 LOD 생성을 위한 고속 최근접 이웃 탐색 방법을 위한 파라미터 정보를 포함하는 어트리뷰트 데이터 유닛 헤더(attribute_data_unit_header())의 신택스 구조의 일 예시를 보인 도면이다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
ash_attr_parameter_set_id 필드는 액티브(active) APS에 대한 aps_attr_parameter_set_id의 값을 나타낸다.
adu_temporal_id는 어트리뷰트 데이터 유닛과 관련된 프레임의 템포럴 ID(temporal ID)를 명시한다.
ash_attr_sps_attr_idx 필드는 액티브 SPS 내 어트리뷰트 셋트를 명시한다. 이 필드의 값은 0부터 액티브 SPS 내 sps_num_attribute_sets까지의 범위에 있다.
ash_attr_geom_slice_id 필드는 액티브 지오메트리 슬라이스 헤더의 gsh_slice_id 값을 명시한다.
실시예들에 따라, 어트리뷰트 데이터 유닛 헤더는 morton_code_scaling_enabled의 값이 참이면 different_sorting_enabled, multi_scaling_factor_enabled, morton_code_scaling_denominator를 더 포함할 수 있다.
different_sorting_enabled는 몰톤 코드 스케일링이 수행되었을 때, 다른 정렬 방법의 사용 여부를 선택하는 플래그이다. 예를 들어, different_sorting_enabled의 값이 1이면 다른 정렬 방법을 사용함을 지시하고, 0이면 사용하지 않음을 지시할 수 있다.
multi_scaling_factor_enabled는 x축, y축, z축 각각 다른 스케일링 계수 적용 여부를 선택하는 플래그이다. 예를 들어, multi_scaling_factor_enabled의 값이 1이면 x축, y축, z축 각각 다른 스케일링 계수를 적용함을 지시하고, 0이면 x축, y축, z축 모두 동일한 스케일링 계수를 적용함을 지시할 수 있다.
morton_code_scaling_denominator는 수학식 2와 수학식 3의 d에 해당하는 값이다.
실시예들에 따라 어트리뷰트 데이터 유닛 헤더는 different_sorting_enabled의 값이 참이면, sorting_method_after_morton_code_scaling를 더 포함할 수 있다.
sorting_method_after_morton_code_scaling는 몰톤 코드 스케일링을 수행할 경우, 서브 샘플링부 입력 전 정렬 방식을 명시한다. 예를 들어, sorting_method_after_morton_code_scaling의 값이 0이면 지오메트리 디코더에서 출력된 순서 기반 정렬을 지시하고, 1이면 몰토 코드 스케일링을 적용하지 않은 몰톤 코드 기반 정렬을 지시한다.
실시예들에 따라 어트리뷰트 데이터 유닛 헤더는 multi_scaling_factor_enabled의 값이 참이면 multi_morton_code_scaling_factor_xyz[k]를 더 포함하고, 거짓이면 single_morton_code_scaling_factor를 더 포함할 수 있다.
multi_morton_code_scaling_factor_xyz[k]는 k번째xyz 좌표에 적용할 몰톤 코드 스케일링 계수이다. 여기서, k==0일 때 x좌표에, k==1일 때 y 좌표에, k==2일 때 z좌표에 적용할 스케일링 계수를 의미한다. 상세 설명은 전술한 다중 스케일링 계수 설정 방법과 수학식 3을 참조하기로 한다.
single_morton_code_scaling_factor는 xyz 좌표에 공통적으로 적용할 몰톤 코드 스케일링 계수를 나타낸다. 상세 설명은 전술한 몰톤 코드 스케일링 기반 아틀라스 탐색 방법과 수학식 2를 참조하기로 한다.
실시예들에 따라 어트리뷰트 데이터 유닛 헤더는 enlarge_atlas_searchrange_enabled의 값이 참이면 multi_atlas_enlarge_factor_enabled를 더 포함할 수 있다.
multi_atlas_enlarge_factor_enabled는 다중 아틀라스 탐색 영역 확장 계수들을 적용할지 여부를 지시한다. 예를 들어, multi_atlas_enlarge_factor_enabled의 값이 1이면 x축, y축, z축 각각 다른 스케일링 계수 적용 여부를 선택하는 플래그이다. 예를 들어, multi_scaling_factor_enabled의 값이 1이면 x축, y축, z축 각각 다른 아틀라스 탐색 영역 확장 계수를 적용함을 지시하고, 0이면 x축, y축, z축 모두 동일한 아틀라스 탐색 영역 확장 계수를 적용함을 지시할 수 있다.
실시예들에 따라 어트리뷰트 데이터 유닛 헤더는 multi_atlas_enlarge_factor_enabled의 값이 1이면 multi_atlas_enlarge_factor_xyz[k]를 더 포함하고, 0이면 single_atlas_enlarge_factor를 더 포함할 수 있다.
multi_atlas_enlarge_factor_xyz[k]는 다중 아틀라스 탐색 영역 확장 계수들을 의미하며, 미니큐브의 크기를 (2,2,2)에서 (2multi_atlas_enlarge_factor_xyz[0], 2multi_atlas_enlarge_factor_xyz[1], 2multi_atlas_enlarge_factor_xyz[2])으로 키운다. 상세 설명은 전술한 다중 영역 확장 계수 설정 방법을 참조하기로 한다.
single_atlas_enlarge_factor는 하나의 아틀라스 탐색 영역 확장 계수를 의미하며, 미니큐브의 크기를 (2,2,2)에서 (2single_atlas_enlarge_factor, 2single_atlas_enlarge_factor, 2single_atlas_enlarge_factor)으로 키운다. 상세 설명은 전술한 탐색 영역 확장 기반 아틀라스 탐색 방법을 참조하기로 한다.
실시예들에 따라 어트리뷰트 데이터 유닛 헤더는 discard_different_coordinate_neighbor_enabled의 값이 참이면 number_of_points_for_coordinate_discard와 coordinate_to_discard를 더 포함할 수 있다.
number_of_points_for_coordinate_discard는 축 제거 방법을 사용할 경우, 축 제거를 수행하기 위한 조건을 명시한다. 예를 들어, 아틀라스 탐색 영역 내에 속한 포인트의 개수가 number_of_points_for_coordinate_discard보다 큰 경우에만 축 제거 방법을 수행한다. 상세 설명은 축 제거 기반 아틀라스 탐색 방법을 참조하기로 한다.
coordinate_to_discard는 축 제거 방법을 사용할 경우 xyz 축 중 제거할 축을 명시한다. 예를 들어, coordinate_to_discard의 값이 0이면 x축을 제거하고, 1이면 y축을 제거하고, 2이면 z축을 제거함을 지시할 수 있다.
도 23은 실시예들에 따른 포인트 클라우드 데이터 인코딩 방법의 흐름도를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 인코딩 방법은 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계(S71001)와 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 (S71002)를 포함할 수 있다. 포인트 클라우드 데이터 인코딩 방법은 인코딩된 지오메트리 데이터, 인코딩된 어트리뷰트 데이터, 및 시그널링 정보를 포함하는 비트스트림을 전송하는 단계를 더 포함할 수 있다. 이때, 상기 비트스트림은 파일로 인캡슐레이션되어 전송될 수도 있다. 본 개시에서 지오메트리 데이터는 지오메트리 정보와 동일한 의미로 혼용되어 사용되고, 어트리뷰트 데이터는 어트리뷰트 정보와 동일한 의미로 혼용되어 사용된다. 또한, 본 개시에서 지오메트리 정보 비트스트림은 지오메트리 비트스트림과 동일한 의미로 혼용되어 사용되고, 어트리뷰트 정보 비트스트림은 어트리뷰트 비트스트림과 동일한 의미로 혼용되어 사용된다.
포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계(S71001)와 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계(S71002)는 지오메트리 데이터와 어트리뷰트 데이터의 인코딩을 위해 도 1의 포인트 클라우드 비디오 인코더(10002), 도 2의 인코딩(20001), 도 3의 포인트 클라우드 비디오 인코더, 도 8의 포인트 클라우드 비디오 인코더, 도 13의 송신 장치의 동작의 일부 또는 전체를 수행할 수 있다
실시예들에 따르면, 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계(S71001)는 포인트 클라우드 데이터의 포지션들(즉, 지오메트리 정보 또는 지오메트리 데이터라 함)에 대해 인터 예측 또는 인트라 예측 기반의 인코딩을 수행하여 지오메트리 비트스트림을 출력한다.
실시예들에 따르면, 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계(S71001)는 인터 예측시 참조 프레임 버퍼에 저장된 지오메트리 참조 프레임의 위치 정보가 이용된다. 상기 인터 예측 기반 또는 인트라 예측 기반으로 압축된 각 포인트의 지오메트리 정보는 엔트로피 인코딩된 후 지오메트리 비트스트림 형태로 출력된다.
실시예들에 따르면, 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계(S71002)는 재구성(또는 복원)된 지오메트리 정보를 기반으로 어트리뷰트 정보에 대해 인터 예측 또는 인트라 예측 기반의 인코딩을 수행하여 어트리뷰트 비트스트림을 출력한다.
실시예들에 따르면, 상기 어트리뷰트 정보는 RAHT 코딩, LOD 기반의 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 하나 이상을 조합하여 코딩될 수 있다.
실시예들에 따르면, 인터 예측의 경우, 현재 프레임과 모션 보상(motion compensation)이 된 참조 프레임 간의 어트리뷰트 예측 값 차이를 기반으로 잔차 값을 코딩하는 방법 등이 포함될 수 있다. 이때, 참조 프레임 버퍼에 저장된 참조 프레임을 제공받아 인터 예측에 이용할 수 있다. 상기 인트라 예측 또는 인터 예측 기반으로 압축된 어트리뷰트 정보는 엔트로피 인코딩된 후 어트리뷰트 비트스트림 형태로 출력된다.
실시예들에 따르면, 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계(S71002)는 LOD 기반의 예측 변환 코딩 또는 LOD 기반의 리프팅 변환 코딩을 수행하기 위해 LOD 생성 과정을 포함할 수 있다.
상기 LOD 생성 과정은 거리 기반 방법, 샘플링 기반 방법, 옥트리 기반 방법 중 하나를 기반으로 하나 이상의 LOD들을 생성한다. 그리고, 인코딩될 포인트들에 대한 예측기(predictor)를 생성하기 위해 각자 존재하는 LOD 내에서 이웃 포인트들을 탐색하며, 3개의 최근접 이웃 포인트들을 찾을 때까지 탐색을 진행한다. 최근접 이웃 포인트를 찾기 위한 탐색 방법은 두 가지가 존재한다. 각 포인트를 중심으로 둘러싸고 있는 영역을 지정하여 해당 영역 내에 존재하는 포인트들만 탐색하는 아틀라스 탐색(Atlas search)이 있고, 주변의 모든 포인트들을 전부 탐색하는 전체 탐색(Full search)이 있다. 두 개의 탐색 방법은 순차적으로 이루어지는데, 아틀라스 탐색이 먼저 수행되며, 아틀라스 탐색에서 3개의 최근접 이웃 포인트가 찾아지지 않을 경우 전체 탐색 과정으로 넘어간다.
본 개시에서 최근접 이웃 포인트를 찾기 위한 탐색은 LOD 생성 과정에서 수행된다.
실시예들에 따르면, 본 개시에서 최근접 이웃 포인트를 찾기 위한 탐색 방법은 전술한 몰톤 코드 스케일링 기반 아틀라스 탐색 방법, 탐색 영역 확장 기반 아틀라스 탐색 방법, 축 제거 기반 아틀라스 탐색 방법 중 하나를 또는 둘 이상을 조합하여 수행될 수 있다.
상기 몰톤 코드 스케일링 기반 아틀라스 탐색 방법은 인코더/디코더에서 몰톤 코드를 구할 때 위치 정보를 다운스케일링(down-scaling)하여 아틀라스 탐색을 수행하는 방법이다. 실시예들에 따르면, 본 개시는 좌표가 (x,y,z)인 포인트에 대해 몰톤 코드를 부여할 때, 몰톤 코드 스케일링 계수가 N이면 해당 포인트의 좌표가 N만큼 다운스케일링된 상태에서 몰톤 코드를 부여할 수 있다. 즉, 실제 포인트들의 위치를 나타내는 좌표값이 달라지는 것은 아니며, 몰톤 코드를 부여할 때 다운스케일링된 좌표를 사용하는 것이다.
전술한 바와 같이 아틀라스 탐색 영역은 몰톤 코드를 기반으로 설정되는데, 수학식　２와　같이　각 포인트의 좌표값에 다운 스케일링을 적용한 후 몰톤 코드를 부여할 경우 아틀라스 탐색 영역 내에 더 많은 포인트들이 포함될 수 있다. 그리고, 아틀라스 탐색 영역 내에 더 많은 포인트들이 포함될 경우, 최근접 이웃　포인트 후보가 더 많아지므로, 전체 탐색으로 넘어가지 않고 3개의 최근접 이웃　포인트들을 찾을 가능성이 높아진다. 그리고, 시간이 많이 소요되는 전체 탐색 과정을 수행하지 않으므로 전체 인코딩／디코딩　시간을 단축시킬 수 있다. 또한, 최근접 이웃　포인트의 후보가 부족한 상황에서 부정확한 이웃　포인트를　선택하는 문제를 보완함으로써, 이후 생성될 예측기의 정확도를 높여 어트리뷰트 압축의 성능을 높일 수 있다.
또한, 본 개시는 다운 스케일링을 수행할 때, 각 포인트의 모든 축의 좌표에 대해 동일한 스케일링 계수를 사용하는 것이 아닌, 각 축 별 서로 다른 스케일링 계수를 사용할 수 있다. 예를 들어, 스케일링 계수를 (a, b, c)로 설정하여 좌표가 (x,y,z)인 포인트의　몰톤　코드를 부여할 경우, x에 대해서는 a만큼의 스케일링(예, 다운 스케일링)을, y에 대해서는 b만큼의　스케일링(예, 다운 스케일링)을 그리고 z에 대해서는 c만큼의　스케일링(예, 다운 스케일링)을 적용할 수 있다.
그리고, 본 개시는 포인트 정렬 방법을 기반으로 몰톤 코드 다운 스케일링 이후 포인트들을 정렬할 수 있다. 본 개시에서는 정렬 순서를 지오메트리 디코더의 출력 순서로 설정할 수도 있고 또는, 몰톤 코드 순서로 설정할 수도 있다.
실시예들에 따르면, 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계(S71002)에서 LOD 생성 및 최근접 이웃 포인트 탐색 방법은 도 11 내지 도 14, 도 17 내지 도 20, 수학식 1 내지 수학식 3을 기반으로 위에서 설명된 몰톤 코드 스케일링 기반 아틀라스 탐색 방법, 탐색 영역 확장 기반 아틀라스 탐색 방법, 축 제거 기반 아틀라스 탐색 방법의 설명을 참조하기로 하고 여기서는 중복 설명을 피하기 위해 상세 설명을 생략한다.
본 개시에서 시그널링 정보는 LOD 생성을 위한 고속 최근접 이웃 탐색 기법을 위한 파라미터 정보를 포함하며, LOD 생성을 위한 고속 최근접 이웃 탐색 기법을 위한 파라미터 정보의 일부 또는 전체는 APS 및/또는 어트리뷰트 데이터 유닛 헤더에 시그널링되어 수신 장치로 전송될 수 있다. LOD 생성을 위한 고속 최근접 이웃 탐색 기법을 위한 파라미터 정보는 도 21과 도 22의 설명을 참조하기로 하고 여기서는 생략한다.
도 24는 실시예들에 따른 포인트 클라우드 데이터 디코딩 방법의 흐름도를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 디코딩 방법은 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계(S81001)와 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계(S81002)를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 디코딩 방법은 인코딩된 포인트 클라우드 데이터와 시그널링 정보를 포함하는 비트스트림을 수신하는 단계를 더 포함할 수 있다. 본 개시에서 지오메트리 데이터는 지오메트리 정보와 동일한 의미로 혼용되어 사용되고, 어트리뷰트 데이터는 어트리뷰트 정보와 동일한 의미로 혼용되어 사용된다. 또한, 본 개시에서 지오메트리 정보 비트스트림은 지오메트리 비트스트림과 동일한 의미로 혼용되어 사용되고, 어트리뷰트 정보 비트스트림은 어트리뷰트 비트스트림과 동일한 의미로 혼용되어 사용된다.
실시예들에 따른 포인트 클라우드 데이터와 시그널링 정보를 포함하는 비트스트림을 수신하는 단계는 도 1의 리시버(10005), 도 2의 진송(20002) 또는 디코딩(20003), 도 9의 수신부(9000) 또는 수신 처리부(9001)에서 수행될 수 있다.
실시예들에 따른 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계(S81001)와 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계(S81002) 지오메트리 정보와 어트리뷰트 정보의 디코딩을 위해 도 1의 포인트 클라우드 비디오 디코더(10006), 도 2의 디코딩(20003), 도 8의 포인트 클라우드 비디오 디코더, 도 9의 포인트 클라우드 비디오 디코더, 또는 도 15의 수신 장치의 동작의 일부 또는 전체를 수행할 수 있다.
실시예들에 따르면, 상기 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계(S81001)는 입력되는 지오메트리 비트스트림을 엔트로피 디코딩한다.
실시예들에 따르면, 상기 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계(S81001)는 시그널링 정보를 기반으로 인트라 예측 또는 인터 예측을 적용하여 지오메트리 정보를 디코딩(즉, 복원)할 수 있다.
실시예들에 따르면, 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계(S81001)는 인터 예측시 참조 프레임 버퍼에 저장된 지오메트리 참조 프레임의 위치 정보가 이용된다.
상기 어트리뷰트 정보를 디코딩하는 단계는 상기 복원된 지오메트리 정보를 기반으로 어트리뷰트 정보에 대해 인트라 예측 또는 인터 예측을 적용하여 어트리뷰트 정보를 디코딩(즉, 압축 해제)한다.
일 실시예로, 상기 어트리뷰트 정보는 RAHT 코딩, LOD 기반의 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 하나 이상을 조합하여 디코딩될 수 있다. 다른 실시예로, 인터 예측의 경우, 참조 프레임 버퍼에 저장된 참조 프레임을 제공받아 인터 예측에 이용할 수 있다.
실시예들에 따르면, 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계(S81002)는 LOD 기반의 예측 역변환 디코딩 또는 LOD 기반의 리프팅 역변환 디코딩을 수행하기 위해, LOD 생성을 위한 고속 최근접 이웃 탐색 기법을 위한 파라미터 정보를 포함하는 시그널링 정보를 기반으로 LOD 생성 과정 및 최근접 이웃 포인트 탐색 과정을 수행할 수 있다.
본 개시의 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계(S81002)에서 LOD 생성 과정 및 최근접 이웃 포인트 탐색 과정은 송신 장치의 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계(S71002)에서 LOD 생성 과정 및 최근접 이웃 포인트 탐색 과정이 동일하게 적용될 수 있다.
그러므로, 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계(S81002)에서 LOD 생성 및 최근접 이웃 포인트 탐색 방법은 도 11 내지 도 12, 도 15 내지 내지 도 20, 수학식 1 내지 수학식 3을 기반으로 위에서 설명된 몰톤 코드 스케일링 기반 아틀라스 탐색 방법, 탐색 영역 확장 기반 아틀라스 탐색 방법, 축 제거 기반 아틀라스 탐색 방법의 설명을 참조하기로 하고 여기서는 중복 설명을 피하기 위해 상세 설명을 생략한다.
본 개시에서 시그널링 정보는 LOD 생성을 위한 고속 최근접 이웃 탐색 기법을 위한 파라미터 정보를 포함하며, LOD 생성을 위한 고속 최근접 이웃 탐색 기법을 위한 파라미터 정보의 일부 또는 전체는 APS 및/또는 어트리뷰트 데이터 유닛 헤더에 시그널링되어 수신 장치로 전송될 수 있다. LOD 생성을 위한 고속 최근접 이웃 탐색 기법을 위한 파라미터 정보는 도 21과 도 22의 설명을 참조하기로 하고 여기서는 생략한다.
실시예들에 따른 포인트 클라우드 데이터 디코딩 방법은 렌더링하는 단계를 더 포함할 수 있다.
실시예들에 따른 렌더링하는 단계는 복원된(또는 재구성된) 지오메트리 정보와 어트리뷰트 정보를 기반으로 포인트 클라우드 데이터를 복원하고 다양한 렌더링 방식에 따라 렌더링할 수 있다. 예를 들어, 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다. 실시예들에 따른 포인트 클라우드 데이터를 렌더링하는 단계는 도 1의 렌더러(10007) 또는 도 2의 렌더링(20004) 또는 도 9의 렌더러(9011) 에서 수행될 수 있다.
지금까지 설명한 바와 같이 본 개시는 아틀라스 탐색 영역 확장 및/또는 몰톤 코드 스케일링 등을 이용하여 최근접 이웃 포인트 탐색을 최적화할 수 있다. 즉, 본 개시는 포인트 클라우드의 밀도에 따라 아틀라스 탐색 영역을 수정하여 최적화된 이웃 포인트 탐색을 지원할 수 있다. 이를 통해 최근접 이웃 포인트 탐색에 소요되는 시간을 줄여 어트리뷰트 압축의 속도를 높일 수 있다.
이상에서와 같이 상술한 실시예들의 PCC 인코딩 방법, PCC 디코딩 방법, 시그널링 방법은 다음의 효과를 제공할 수 있다.
즉, 방대한 양의 정보를 가지는 포인트 클라우드의 어트리뷰트 압축에는 많은 시간이 소요된다. 특히 어트리뷰트 압축 과정에서 수행하는 LOD 생성 과정에서 최근접 이웃 포인트 탐색이 수행되며 이때 인코딩/디코딩 속도가 많이 느려진다. 이는 정확하고 저지연의 인코딩/디코딩을 요하는 자율 주행 등의 환경에서는 낮은 인코딩/디코딩 속도는 문제점이 된다.
본 개시는 전술한 바와 같이 포인트 클라우드 데이터의 어트리뷰트 인코딩/디코딩의 LOD 생성 과정에서 활용할 수 있는 고속 최근접 이웃 포인트 탐색 방안을 제공함으로써, 어트리뷰트 압축 효율을 높이고 인코딩/디코딩 과정에 소요되는 시간을 줄일 수 있다. 본 개시는 최근접 이웃 포인트 탐색 방법으로 몰톤 코드 스케일링 방법, 아틀라스 탐색 영역 확장 방법, 축 제거 방법을 제안함으로써, LOD 생성의 속도를 높이고 정확도를 높일 수 있다.
이와 같이 본 개시의 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.
전술한 각각의 파트, 모듈 또는 유닛은 메모리(또는 저장 유닛)에 저장된 연속된 수행과정들을 실행하는 소프트웨어, 프로세서, 하드웨어 파트일 수 있다. 전술한 실시예에 기술된 각 단계들은 프로세서, 소프트웨어, 하드웨어 파트들에 의해 수행될 수 있다. 전술한 실시예에 기술된 각 모듈/블락/유닛들은 프로세서, 소프트웨어, 하드웨어로서 동작할 수 있다. 또한, 실시예들이 제시하는 방법들은 코드로서 실행될 수 있다. 이 코드는 프로세서가 읽을 수 있는 저장매체에 쓰여질 수 있고, 따라서 장치(apparatus)가 제공하는 프로세서에 의해 읽혀질 수 있다.
또한 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 그리고 명세서에 기재된 “…부”등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
본 명세서는 설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다.
실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다. 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 반송파의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 "/"와 ","는 "및/또는"으로 해석된다. 예를 들어, "A/B"는 "A 및/또는 B"로 해석되고, "A, B"는 "A 및/또는 B"로 해석된다. 추가적으로, "A/B/C"는 "A, B, 및/또는 C 중 적어도 하나"를 의미한다. 또한, "A, B, C"도 "A, B 및/또는 C 중 적어도 하나"를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, "A 또는 B"은, 1) "A"만을 의미하고, 2) "B"만을 의미하거나, 3) "A 및 B"를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
실시예들의 다양한 엘리먼트들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 엘리먼트는 하드웨어 회로와 같은 싱글 칩 상에서 수행될 수 있다. 실시예들에 따라, 실시예들은 선택적으로 개별적인 칩들 상에서 수행될 수 있다. 실시예들에 따라, 실시예들의 엘리먼트들 중 적어도 하나는 실시예들에 따른 동작을 수행하는 인스트럭션들을 포함하는 하나 또는 하나 이상의 프로세서 내에서 수행될 수 있다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 하나 이상의 메모리들 및/또는 하나 이상의 프로세서들을 포함하는 송수신 장치에 의해 수행될 수 있다. 하나 이상의 메모리들을 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 하나 이상의 프로세서들을 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 하나 이상의 프로세서들은 컨트롤러 등으로 지칭 가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사용되는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋 시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. “포함한다” 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
발명의 실시를 위한 최선의 형태에서 구체적으로 설명되었다.
본 실시예들의 사상이나 범위를 벗어나지 않고 본 실시예들에서 다양한 변경 및 변형이 가능함은 당업자에게 자명하다. 따라서, 실시예들은 첨부된 청구항 및 그 동등 범위 내에서 제공되는 본 실시예들의 변경 및 변형을 포함하는 것으로 의도된다.

Claims (15)

  1. 비트스트림 내 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 단계; 및
    상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 단계; 를 포함하는,
    디코딩 방법.
  2. 제 1 항에 있어서,
    상기 디코딩된 지오메트리 데이터는 포인트들의 위치 정보를 포함하고,
    상기 디코딩된 어트리뷰트 데이터는 상기 포인트들의 어트리뷰트를 포함하는 디코딩 방법.
  3. 제 1 항에 있어서, 상기 어트리뷰트 데이터를 디코딩하는 단계는,
    상기 포인트들을 기반으로 LOD(Level Of Detail)들을 생성하는 단계,
    어트리뷰트 디코딩될 포인트를 포함하는 제1 탐색 영역 내에서 상기 어트리뷰트 디코딩될 포인트의 최근접 이웃 포인트 탐색을 수행하는 단계, 및
    상기 단계에서 탐색되는 최근접 이웃 포인트의 개수에 따라 제2 탐색 영역 내에서 최근접 이웃 포인트 탐색을 추가로 수행하는 단계를 포함하는 디코딩 방법.
  4. 제 1 항에 있어서, 상기 최근접 이웃 포인트 탐색을 수행하는 단계는
    상기 각 포인트의 3차원 좌표를 기반으로 몰톤 코드를 계산하여 각 포인트에 상기 몰톤 코드를 부여하는 단계를 더 포함하는 디코딩 방법.
  5. 제 4 항에 있어서, 상기 몰톤 코드를 부여하는 단계는
    상기 각 포인트의 3차원 좌표에 스케일링 계수을 적용하여 다운 스케일링한 후, 상기 다운 스케일링된 각 포인트의 3차원 좌표에 몰톤 코드를 부여하는 디코딩 방법.
  6. 제 5 항에 있어서, 상기 몰톤 코드를 부여하는 단계는
    상기 각 포인트의 3차원 좌표의 각 축별로 다른 스케일링 계수을 적용하여 다운 스케일링을 수행하는 디코딩 방법.
  7. 제 5 항에 있어서, 상기 몰톤 코드를 부여하는 단계는
    상기 각 포인트의 3차원 좌표의 각 축에 동일한 스케일링 계수을 적용하여 다운 스케일링을 수행하는 디코딩 방법.
  8. 제 5 항에 있어서,
    상기 비트스트림은 상기 다운 스케일링과 관련된 파라미터 정보를 포함하는 디코딩 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,
    디코딩 장치.
  10. 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계; 를 포함하는,
    인코딩 방법.
  11. 제 10 항에 있어서,
    상기 지오메트리 데이터는 포인트들의 위치 정보를 포함하고, 상기 어트리뷰트 데이터는 상기 포인트들의 어트리뷰트를 포함하고,
    상기 어트리뷰트 데이터를 디코딩하는 단계는,
    상기 포인트들을 기반으로 LOD(Level Of Detail)들을 생성하는 단계,
    어트리뷰트 디코딩될 포인트를 포함하는 제1 탐색 영역 내에서 상기 어트리뷰트 디코딩될 포인트의 최근접 이웃 포인트 탐색을 수행하는 단계, 및
    상기 단계에서 탐색되는 최근접 이웃 포인트의 개수에 따라 제2 탐색 영역 내에서 최근접 이웃 포인트 탐색을 추가로 수행하는 단계를 포함하는 인코딩 방법.
  12. 제 11 항에 있어서, 상기 최근접 이웃 포인트 탐색을 수행하는 단계는
    상기 각 포인트의 3차원 좌표를 기반으로 몰톤 코드를 계산하여 각 포인트에 상기 몰톤 코드를 부여하는 단계를 더 포함하고,
    상기 몰톤 코드를 부여하는 단계는,
    상기 각 포인트의 3차원 좌표에 스케일링 계수을 적용하여 다운 스케일링한 후, 상기 다운 스케일링된 각 포인트의 3차원 좌표에 몰톤 코드를 부여하는 인코딩 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,
    인코딩 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/KR2025/010482 2024-07-16 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 WO2026019263A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20240093953 2024-07-16
KR10-2024-0093953 2024-07-16

Publications (1)

Publication Number Publication Date
WO2026019263A1 true WO2026019263A1 (ko) 2026-01-22

Family

ID=98437692

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2025/010482 Pending WO2026019263A1 (ko) 2024-07-16 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) WO2026019263A1 (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
KR20230042383A (ko) * 2021-05-21 2023-03-28 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드 포인트 클라우드 데이터 생성 방법 및 장치
KR102645508B1 (ko) * 2021-03-10 2024-03-07 텐센트 아메리카 엘엘씨 Haar 기반 포인트 클라우드 코딩을 위한 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
KR102645508B1 (ko) * 2021-03-10 2024-03-07 텐센트 아메리카 엘엘씨 Haar 기반 포인트 클라우드 코딩을 위한 방법 및 장치
KR20230042383A (ko) * 2021-05-21 2023-03-28 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드 포인트 클라우드 데이터 생성 방법 및 장치
KR20230017301A (ko) * 2021-06-08 2023-02-03 텐센트 아메리카 엘엘씨 포인트 클라우드 코딩을 위한 거리 기반 가중 평균을 계산하는 방법 및 장치

Similar Documents

Publication Publication Date Title
WO2020190093A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020197228A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021049758A1 (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
WO2021029511A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022191436A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022119208A1 (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2023085856A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2022220645A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023191480A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
WO2022225333A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022055167A1 (ko) 포인트 클라우드 데이터 전송장치, 포인트 클라우드 데이터 전송방법, 포인트 클라우드 데이터 수신장치 및 포인트 클라우드 데이터 수신방법
WO2023191321A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023182762A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023075389A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021080152A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023059089A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2023068846A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023182764A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
WO2023018211A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2023287265A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023080635A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023080606A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023163387A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Legal Events

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

Ref document number: 25841554

Country of ref document: EP

Kind code of ref document: A1