WO2023003144A1 - 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 - Google Patents

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 Download PDF

Info

Publication number
WO2023003144A1
WO2023003144A1 PCT/KR2022/006534 KR2022006534W WO2023003144A1 WO 2023003144 A1 WO2023003144 A1 WO 2023003144A1 KR 2022006534 W KR2022006534 W KR 2022006534W WO 2023003144 A1 WO2023003144 A1 WO 2023003144A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
cloud data
node
neighbor
occupancy
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.)
Ceased
Application number
PCT/KR2022/006534
Other languages
English (en)
French (fr)
Inventor
오현묵
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
Priority to EP22846016.8A priority Critical patent/EP4369716A4/en
Priority to US18/290,599 priority patent/US20250088659A1/en
Publication of WO2023003144A1 publication Critical patent/WO2023003144A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/537—Motion estimation other than block-based
    • H04N19/54—Motion estimation other than block-based using feature points or meshes
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/004—Predictors, e.g. intraframe, interframe coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/167—Position within a video image, e.g. region of interest [ROI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
    • 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
    • H04N19/189—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding
    • H04N19/196—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding being specially adapted for the computation of encoding parameters, e.g. by averaging previously computed encoding parameters
    • 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
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/96—Tree coding, e.g. quad-tree coding

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • the point cloud content is content expressed as a point cloud, which is a set of points belonging to a coordinate system representing a 3D space.
  • Point cloud content can express three-dimensional media, and provides various services such as VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), and autonomous driving service. used to provide However, tens of thousands to hundreds of thousands of point data are required to express point cloud content. Therefore, a method for efficiently processing a vast amount of point data is required.
  • Embodiments provide an apparatus and method for efficiently processing point cloud data.
  • Embodiments provide a point cloud data processing method and apparatus for solving latency and encoding/decoding complexity.
  • a point cloud data transmission method includes encoding point cloud data; and transmitting a bitstream including point cloud data; can include
  • a method for receiving point cloud data according to embodiments includes receiving a bitstream including point cloud data; and decoding the point cloud data; can include
  • Apparatus and method according to embodiments may process point cloud data with high efficiency.
  • Devices and methods according to embodiments may provide a point cloud service of high quality.
  • Devices and methods according to embodiments may provide point cloud content for providing general-purpose services such as VR services and autonomous driving services.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • FIG. 5 illustrates an example of a voxel according to embodiments.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • FIG. 13 is an example of a receiving device according to embodiments.
  • FIG. 14 shows an example of a structure capable of interworking with a method/apparatus for transmitting and receiving point cloud data according to embodiments.
  • 15 shows a search window of a reference frame according to embodiments.
  • FIG. 16 illustrates a motion estimation process according to embodiments.
  • 17 illustrates transmission of an octree depth motion vector according to embodiments.
  • 19 shows an example of performing a split in octree depth according to embodiments.
  • 21 illustrates motion estimation considering neighbor occupancy according to embodiments.
  • 25 illustrates a neighbor child occupancy pattern according to embodiments.
  • 26 illustrates a neighbor child occupancy pattern according to embodiments.
  • FIG. 27 illustrates a neighbor child occupancy pattern according to embodiments.
  • 29 illustrates a neighbor child occupancy pattern according to embodiments.
  • FIG. 30 shows a bitstream structure according to embodiments.
  • 31 shows a geometry parameter set according to embodiments.
  • 34 shows a point cloud data transmission device according to embodiments.
  • 35 shows an apparatus for receiving point cloud data according to embodiments.
  • 36 shows a point cloud data transmission method according to embodiments.
  • FIG. 37 illustrates a method for receiving point cloud data according to embodiments.
  • 39 illustrates a method for receiving point cloud data according to embodiments.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system shown in FIG. 1 may include a transmission device 10000 and a reception device 10004.
  • the transmitting device 10000 and the receiving device 10004 may perform wired/wireless communication to transmit/receive point cloud data.
  • the transmission device 10000 may secure, process, and transmit point cloud video (or point cloud content).
  • the transmission device 10000 may include a fixed station, a base transceiver system (BTS), a network, an artificial intelligence (AI) device and/or system, a robot, an AR/VR/XR device and/or a server. etc. may be included.
  • BTS base transceiver system
  • AI artificial intelligence
  • the transmission device 10000 is a device that communicates with a base station and/or other wireless devices using a radio access technology (eg, 5G New RAT (NR), Long Term Evolution (LTE)), It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like.
  • a radio access technology eg, 5G New RAT (NR), Long Term Evolution (LTE)
  • NR 5G New RAT
  • LTE Long Term Evolution
  • It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like.
  • IoT Internet of Thing
  • the transmission device 10000 includes a point cloud video acquisition unit (Point Cloud Video Acquisition, 10001), a point cloud video encoder (Point Cloud Video Encoder, 10002), and/or a transmitter (or Communication module), 10003 ).
  • a point cloud video acquisition unit Point Cloud Video Acquisition, 10001
  • a point cloud video encoder Point Cloud Video Encoder, 10002
  • a transmitter or Communication module
  • the point cloud video acquisition unit 10001 acquires a point cloud video through processing such as capture, synthesis, or generation.
  • Point cloud video is point cloud content expressed as a point cloud, which is a set of points located in a 3D space, and may be referred to as point cloud video data.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Accordingly, the point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, a frame, and a picture.
  • the point cloud video encoder 10002 encodes secured point cloud video data.
  • the point cloud video encoder 10002 may encode point cloud video data based on point cloud compression coding.
  • Point cloud compression coding may include geometry-based point cloud compression (G-PCC) coding and/or video based point cloud compression (V-PCC) coding or next-generation coding.
  • G-PCC geometry-based point cloud compression
  • V-PCC video based point cloud compression
  • point cloud compression coding is not limited to the above-described embodiments.
  • the point cloud video encoder 10002 can output a bitstream containing encoded point cloud video data.
  • the bitstream may include not only encoded point cloud video data, but also signaling information related to encoding of the point cloud video data.
  • Transmitter 10003 transmits a bitstream containing encoded point cloud video data.
  • a bitstream according to embodiments is encapsulated into a file or a segment (eg, a streaming segment) and transmitted through various networks such as a broadcasting network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or encapsulation module) that performs an encapsulation operation.
  • the encapsulation unit may be included in the transmitter 10003.
  • the file or segment may be transmitted to the receiving device 10004 through a network or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmitter 10003 is capable of wired/wireless communication with the receiving device 10004 (or the receiver 10005) through a network such as 4G, 5G, or 6G.
  • the transmitter 10003 may perform necessary data processing operations depending on the network system (for example, a communication network system such as 4G, 5G, and 6G).
  • the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • a receiving device 10004 includes a receiver 10005, a point cloud video decoder 10006, and/or a renderer 10007.
  • the receiving device 10004 is a device or robot that communicates with a base station and/or other wireless devices using a wireless access technology (eg, 5G New RAT (NR), Long Term Evolution (LTE)) , vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Things (IoT) devices, AI devices/servers, and the like.
  • a wireless access technology eg, 5G New RAT (NR), Long Term Evolution (LTE)
  • the receiver 10005 receives a bitstream including point cloud video data or a file/segment in which the bitstream is encapsulated from a network or a storage medium.
  • the receiver 10005 may perform necessary data processing operations depending on the network system (eg, 4G, 5G, 6G communication network system).
  • the receiver 10005 may output a bitstream by decapsulating the received file/segment.
  • the receiver 10005 may include a decapsulation unit (or decapsulation module) for performing a decapsulation operation.
  • the decapsulation unit may be implemented as an element (or component) separate from the receiver 10005.
  • the point cloud video decoder 10006 decodes a bitstream containing point cloud video data.
  • the point cloud video decoder 10006 can decode the point cloud video data according to the way it was encoded (eg, the reverse of the operation of the point cloud video encoder 10002). Accordingly, the point cloud video decoder 10006 may decode point cloud video data by performing point cloud decompression coding, which is a reverse process of point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • a renderer 10007 renders the decoded point cloud video data.
  • the renderer 10007 may output point cloud content by rendering audio data as well as point cloud video data.
  • the renderer 10007 may include a display for displaying point cloud content.
  • the display may not be included in the renderer 10007 and may be implemented as a separate device or component.
  • the feedback information is information for reflecting the interactivity with the user consuming the point cloud content, and includes user information (eg, head orientation information), viewport information, etc.).
  • user information eg, head orientation information
  • viewport information etc.
  • the feedback information is sent to the content transmitter (eg, the transmission device 10000) and/or the service provider.
  • the feedback information may be used in the receiving device 10004 as well as in the transmitting device 10000, or may not be provided.
  • Head orientation information is information about a user's head position, direction, angle, movement, and the like.
  • the receiving device 10004 may calculate viewport information based on head orientation information.
  • Viewport information is information about an area of a point cloud video that a user is looking at.
  • a viewpoint is a point at which a user watches a point cloud video, and may mean a central point of a viewport area. That is, the viewport is an area centered on the viewpoint, and the size and shape of the area may be determined by FOV (Field Of View).
  • FOV Field Of View
  • the receiving device 10004 performs gaze analysis and the like to check the point cloud consumption method of the user, the point cloud video area that the user gazes at, the gaze time, and the like.
  • the receiving device 10004 may transmit feedback information including the result of the gaze analysis to the transmitting device 10000.
  • Feedback information according to embodiments may be obtained in a rendering and/or display process.
  • Feedback information according to embodiments may be obtained by one or more sensors included in the receiving device 10004.
  • feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • a dotted line in FIG. 1 indicates a process of transmitting feedback information secured by the renderer 10007.
  • the point cloud content providing system may process (encode/decode) point cloud data based on the feedback information. Accordingly, the point cloud video data decoder 10006 may perform a decoding operation based on the feedback information. Also, the receiving device 10004 may transmit feedback information to the transmitting device 10000. The transmission device 10000 (or the point cloud video data encoder 10002) may perform an encoding operation based on the feedback information. Therefore, the point cloud content providing system does not process (encode/decode) all point cloud data, but efficiently processes necessary data (for example, point cloud data corresponding to the user's head position) based on feedback information, and Point cloud content can be provided to
  • the transmitting apparatus 10000 may be referred to as an encoder, a transmitting device, a transmitter, and the like, and a receiving apparatus 10004 may be referred to as a decoder, a receiving device, and a receiver.
  • Point cloud data (processed through a series of processes of acquisition/encoding/transmission/decoding/rendering) in the point cloud content providing system of FIG. 1 according to embodiments will be referred to as point cloud content data or point cloud video data.
  • point cloud content data may be used as a concept including metadata or signaling information related to point cloud data.
  • Elements of the point cloud content providing system shown in FIG. 1 may be implemented as hardware, software, processor, and/or a combination thereof.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • the block diagram of FIG. 2 shows the operation of the point cloud content providing system described in FIG. 1 .
  • the point cloud content providing system may process point cloud data based on point cloud compression coding (eg, G-PCC).
  • point cloud compression coding eg, G-PCC
  • the point cloud content providing system may obtain a point cloud video (20000).
  • Point cloud video is expressed as a point cloud belonging to a coordinate system representing a three-dimensional space.
  • a point cloud video according to embodiments may include a Ply (Polygon File format or the Stanford Triangle format) file. If the point cloud video has one or more frames, the acquired point cloud video may include one or more Ply files.
  • Ply files include point cloud data such as geometry and/or attributes of points. Geometry contains positions of points.
  • the position of each point may be expressed as parameters (eg, values of each of the X-axis, Y-axis, and Z-axis) representing a three-dimensional coordinate system (eg, a coordinate system composed of XYZ axes).
  • Attributes include attributes of points (eg, texture information of each point, color (YCbCr or RGB), reflectance (r), transparency, etc.).
  • a point has one or more attributes (or properties).
  • a point may have one color attribute or two attributes, color and reflectance.
  • geometry may be referred to as positions, geometry information, geometry data, and the like, and attributes may be referred to as attributes, attribute information, and attribute data.
  • the point cloud content providing system obtains points from information (for example, depth information, color information, etc.) related to the acquisition process of the point cloud video. Cloud data is available.
  • a point cloud content providing system may encode point cloud data (20001).
  • the point cloud content providing system may encode point cloud data based on point cloud compression coding.
  • point cloud data may include geometry and attributes of points.
  • the point cloud content providing system may output a geometry bitstream by performing geometry encoding to encode geometry.
  • the point cloud content providing system may output an attribute bitstream by performing attribute encoding for encoding attributes.
  • a point cloud content providing system may perform attribute encoding based on geometry encoding.
  • a geometry bitstream and an attribute bitstream according to embodiments may be multiplexed and output as one bitstream.
  • a bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • a point cloud content providing system may transmit encoded point cloud data (20002).
  • Point cloud data encoded as described in FIG. 1 may be expressed as a geometry bitstream and an attribute bitstream.
  • the encoded point cloud data may be transmitted in the form of a bitstream together with signaling information related to encoding of the point cloud data (eg, signaling information related to geometry encoding and attribute encoding).
  • the point cloud content providing system may encapsulate a bitstream transmitting encoded point cloud data and transmit the encoded point cloud data in the form of a file or segment.
  • a point cloud content providing system may receive a bitstream including encoded point cloud data. Also, the point cloud content providing system (eg, the receiving device 10004 or the receiver 10005) may demultiplex the bitstream.
  • the point cloud content providing system may decode encoded point cloud data (eg, a geometry bitstream, an attribute bitstream) transmitted as a bitstream. there is.
  • the point cloud content providing system eg, the receiving device 10004 or the point cloud video decoder 10005
  • the point cloud content providing system eg, the receiving device 10004 or the point cloud video decoder 10005
  • the point cloud content providing system may restore attributes of points by decoding an attribute bitstream based on the restored geometry.
  • the point cloud content providing system (eg, the receiving device 10004 or the point cloud video decoder 10005) may reconstruct the point cloud video based on the decoded attributes and positions according to the reconstructed geometry.
  • a point cloud content providing system may render the decoded point cloud data (20004).
  • the point cloud content providing system eg, the receiving device 10004 or the renderer 10007) may render the geometry and attributes decoded through the decoding process according to various rendering methods. Points of the point cloud content may be rendered as a vertex with a certain thickness, a cube with a specific minimum size centered at the vertex position, or a circle centered at the vertex position. All or part of the rendered point cloud content is provided to the user through a display (eg, VR/AR display, general display, etc.).
  • a display eg, VR/AR display, general display, etc.
  • the point cloud content providing system (eg, the receiving device 10004) according to embodiments may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode point cloud data based on the feedback information. Since the feedback information and operation of the point cloud content providing system according to the embodiments are the same as the feedback information and operation described in FIG. 1, a detailed description thereof will be omitted.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 3 shows an example of a point cloud video capture process of the point cloud content providing system described in FIGS. 1 and 2 .
  • Point cloud content is a point cloud video (images and/or videos) are included.
  • a point cloud content providing system includes one or more cameras (eg, an infrared camera capable of securing depth information, color information corresponding to depth information) to generate point cloud content.
  • Point cloud video can be captured using an RGB camera, etc.), a projector (eg, an infrared pattern projector to secure depth information), or LiDAR.
  • a system for providing point cloud content according to embodiments may secure point cloud data by extracting a shape of a geometry composed of points in a 3D space from depth information and extracting an attribute of each point from color information.
  • Images and/or videos according to embodiments may be captured based on at least one of an inward-facing method and an outward-facing method.
  • the left side of FIG. 3 shows the inward-facing method.
  • the inward-pacing method refers to a method in which one or more cameras (or camera sensors) located around the central object capture the central object.
  • the inward-pacing method is a point cloud content that provides users with 360-degree images of key objects (e.g., provides users with 360-degree images of objects (e.g., key objects such as characters, players, objects, actors, etc.) It can be used to create VR / AR content).
  • the right side of FIG. 3 shows the outward-facing method.
  • the outward-pacing method refers to a method in which one or more cameras (or camera sensors) located around a central object capture an environment of the central object other than the central object.
  • the outward-facing method may be used to generate point cloud content (eg, content representing an external environment that may be provided to a user of an autonomous vehicle) for providing a surrounding environment from a user's point of view.
  • point cloud content eg, content representing an external environment that may be provided to a user of an autonomous vehicle
  • point cloud content may be generated based on a capture operation of one or more cameras.
  • the point cloud content providing system may perform calibration of one or more cameras to set a global coordinate system before a capture operation.
  • the point cloud content providing system may generate point cloud content by synthesizing an image and/or video captured by the above-described capture method and an arbitrary image and/or video.
  • the point cloud content providing system may not perform the capture operation described in FIG. 3 when generating point cloud content representing a virtual space.
  • the point cloud content providing system may perform post-processing on captured images and/or videos. That is, the point cloud content providing system removes an unwanted area (for example, the background), recognizes a space where captured images and/or videos are connected, and fills in a spatial hole if there is one. can
  • the point cloud content providing system may generate one point cloud content by performing coordinate system conversion on points of the point cloud video obtained from each camera.
  • the point cloud content providing system may perform coordinate system conversion of points based on the positional coordinates of each camera. Accordingly, the point cloud content providing system may generate content representing one wide range or point cloud content having a high density of points.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • FIG. 4 shows an example of the point cloud video encoder 10002 of FIG. 1 .
  • the point cloud encoder converts point cloud data (eg, positions of points and/or attributes) and perform encoding operations.
  • point cloud data eg, positions of points and/or attributes
  • the point cloud content providing system may not be able to stream the corresponding content in real time. Therefore, the point cloud content providing system may reconstruct the point cloud content based on the maximum target bitrate in order to provide it according to the network environment.
  • the point cloud encoder can perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • a point cloud encoder includes a transformation coordinates (40000), a quantization unit (Quantize and Remove Points (Voxelize), 40001), an octree analysis unit (Analyze Octree, 40002), a surface approximate analysis unit ( Analyze Surface Approximation (40003), Arithmetic Encode (40004), Reconstruct Geometry (40005), Transform Colors (40006), Transfer Attributes (40007), RAHT Transformation It includes a unit 40008, a Generated LOD 40009, a Lifting unit 40010, a Quantize Coefficients unit 40011, and/or an Arithmetic Encode 40012.
  • the coordinate system conversion unit 40000, the quantization unit 40001, the octree analysis unit 40002, the surface approximate analysis unit 40003, the Arithmetic encoder 40004, and the geometry reconstruction unit 40005 perform geometry encoding. can do.
  • Geometry encoding according to embodiments may include octree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisup geometry encoding are applied selectively or in combination. Also, geometry encoding is not limited to the above examples.
  • a coordinate system conversion unit 40000 receives positions and converts them into a coordinate system.
  • the positions may be converted into positional information in a 3D space (eg, a 3D space expressed in XYZ coordinates).
  • Location information in a 3D space may be referred to as geometry information.
  • a quantization unit 40001 quantizes geometry.
  • the quantization unit 40001 may quantize points based on minimum position values of all points (for example, minimum values on each axis for the X axis, Y axis, and Z axis).
  • the quantization unit 40001 multiplies the difference between the minimum position value and the position value of each point by a preset quatization scale value, and then performs a quantization operation to find the nearest integer value by performing rounding or rounding.
  • one or more points may have the same quantized position (or position value).
  • the quantization unit 40001 performs voxelization based on quantized positions to reconstruct quantized points.
  • points of point cloud content may be included in one or more voxels.
  • the quantization unit 40001 may match groups of points in the 3D space to voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • the position of the center of a corresponding voxel may be set based on the positions of one or more points included in one voxel.
  • attributes of all positions included in one voxel may be combined and assigned to the corresponding voxel.
  • the octree analyzer 40002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure represents points matched to voxels based on an octal tree structure.
  • the surface approximation analyzer 40003 may analyze and approximate an octree.
  • Octree analysis and approximation is a process of analyzing to voxelize a region including a plurality of points in order to efficiently provide octree and voxelization.
  • Arismetic encoder 40004 entropy encodes an octree and/or an approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • a geometry bitstream is created.
  • Color conversion section 40006, attribute conversion section 40007, RAHT conversion section 40008, LOD generation section 40009, lifting conversion section 40010, coefficient quantization section 40011 and/or Arithmetic encoder 40012 performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is equally applied to attributes of one point. However, when one attribute (for example, color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding may include color transform coding, attribute transform coding, region adaptive hierarchical transform (RAHT) coding, interpolaration-based hierarchical nearest-neighbour prediction-prediction transform coding, and interpolation-based hierarchical nearest transform (RAHT) coding.
  • RAHT region adaptive hierarchical transform
  • RAHT interpolaration-based hierarchical nearest-neighbour prediction-prediction transform
  • RAHT interpolation-based hierarchical nearest transform
  • -neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • the above-described RAHT coding, predictive transform coding, and lifting transform coding may be selectively used, or a combination of one or more codings may be used.
  • attribute encoding according to embodiments is not limited to the above-described example.
  • the color conversion unit 40006 performs color conversion coding to convert color values (or textures) included in attributes.
  • the color conversion unit 40006 may convert a format of color information (for example, convert RGB to YCbCr).
  • An operation of the color conversion unit 40006 according to embodiments may be optionally applied according to color values included in attributes.
  • the geometry reconstructor 40005 reconstructs (decompresses) an octree and/or an approximated octree.
  • the geometry reconstructor 40005 reconstructs an octree/voxel based on a result of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as reconstructed geometry (or reconstructed geometry).
  • the attribute transformation unit 40007 performs attribute transformation to transform attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry. As described above, since attributes depend on geometry, the attribute conversion unit 40007 can transform attributes based on reconstructed geometry information. For example, the attribute conversion unit 40007 may transform an attribute of a point at a position based on a position value of a point included in a voxel. As described above, when the position of the central point of a voxel is set based on the positions of one or more points included in one voxel, the attribute conversion unit 40007 transforms attributes of one or more points. When tri-soup geometry encoding is performed, the attribute conversion unit 40007 may transform attributes based on tri-soup geometry encoding.
  • the attribute conversion unit 40007 is an average value of attributes or attribute values (eg, color or reflectance of each point) of neighboring points within a specific position/radius from the position (or position value) of the center point of each voxel. Attribute conversion can be performed by calculating .
  • the attribute conversion unit 40007 may apply a weight according to the distance from the central point to each point when calculating the average value. Therefore, each voxel has a position and a calculated attribute (or attribute value).
  • the attribute conversion unit 40007 may search for neighboring points existing within a specific location/radius from the position of the center point of each voxel based on the K-D tree or the Morton code.
  • the K-D tree is a binary search tree and supports a data structure that can manage points based on location so that a quick Nearest Neighbor Search (NNS) is possible.
  • the Morton code is generated by expressing coordinate values (for example, (x, y, z)) representing the three-dimensional positions of all points as bit values and mixing the bits. For example, if the coordinate value indicating the position of the point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute conversion unit 40007 may sort points based on Molton code values and perform a nearest neighbor search (NNS) through a depth-first traversal process. After the attribute transformation operation, if a nearest neighbor search (NNS) is required in another transformation process for attribute coding, a K-D tree or Morton code is used.
  • NSS nearest neighbor search
  • the converted attributes are input to the RAHT conversion unit 40008 and/or the LOD generation unit 40009.
  • the RAHT conversion unit 40008 performs RAHT coding for predicting attribute information based on reconstructed geometry information. For example, the RAHT converter 40008 may predict attribute information of a node at a higher level of the octree based on attribute information associated with a node at a lower level of the octree.
  • An LOD generator 40009 generates a level of detail (LOD) to perform predictive transformation coding.
  • LOD according to embodiments is a degree representing detail of point cloud content. A smaller LOD value indicates lower detail of point cloud content, and a larger LOD value indicates higher detail of point cloud content. Points can be classified according to LOD.
  • the lifting transform unit 40010 performs lifting transform coding for transforming attributes of a point cloud based on weights. As described above, lifting transform coding may be selectively applied.
  • the coefficient quantization unit 40011 quantizes attribute-coded attributes based on coefficients.
  • the Arithmetic Encoder 40012 encodes the quantized attributes based on Arithmetic Coding.
  • One or more processors may perform at least one or more of operations and/or functions of elements of the point cloud encoder of FIG. 4 described above. Also, one or more processors may operate or execute a set of software programs and/or instructions to perform operations and/or functions of elements of the point cloud encoder of FIG. 4 .
  • One or more memories may include high speed random access memory, and may include non-volatile memory (eg, one or more magnetic disk storage devices, flash memory devices, or other non-volatile solid state memory devices). memory devices (Solid-state memory devices, etc.).
  • FIG. 5 illustrates an example of a voxel according to embodiments.
  • voxel 5 is an octree structure that recursively subdivides a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ). It shows an example of a voxel generated through One voxel includes at least one point.
  • a spatial coordinate of a voxel may be estimated from a positional relationship with a voxel group.
  • a voxel has an attribute (color or reflectance, etc.) like a pixel of a 2D image/video. Since a detailed description of the voxel is the same as that described in FIG. 4, it will be omitted.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • the point cloud content providing system (point cloud video encoder 10002) or the point cloud encoder (eg, octree analyzer 40002) efficiently manages a voxel area and/or position. To do so, octree structure-based octree geometry coding (or octree coding) is performed.
  • FIG. 6 shows an octree structure.
  • a 3D space of point cloud content according to embodiments is represented by axes (eg, X axis, Y axis, and Z axis) of a coordinate system.
  • the octree structure is created by recursively subdividing a cubical axis-aligned bounding box defined by the two poles (0,0,0) and (2 d , 2 d , 2 d ). . 2d may be set to a value constituting the smallest bounding box enclosing all points of the point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the value of d is determined according to the following formula. In the following equation, (x int n , y int n , z int n ) represents positions (or position values) of quantized points.
  • the entire 3D space can be divided into 8 spaces according to division.
  • Each divided space is represented by a cube with six faces.
  • each of the eight spaces is further divided based on the axes of the coordinate system (for example, the X-axis, Y-axis, and Z-axis). Therefore, each space is further divided into eight smaller spaces.
  • the divided small space is also expressed as a cube with six faces. This division method is applied until the leaf node of the octree becomes a voxel.
  • the lower part of Fig. 6 shows the occupancy code of the octree.
  • the octree's occupancy code is generated to indicate whether each of eight divided spaces generated by dividing one space includes at least one point. Therefore, one occupancy code is represented by 8 child nodes. Each child node represents the occupancy of the divided space, and the child node has a value of 1 bit. Therefore, the occupancy code is expressed as an 8-bit code. That is, if at least one point is included in a space corresponding to a child node, the corresponding node has a value of 1. If a point is not included in the space corresponding to a child node (empty), the corresponding node has a value of 0. Since the occupancy code shown in FIG.
  • a point cloud encoder (eg, the Arismetic encoder 40004) according to embodiments may entropy-encode an occupancy code. Also, to increase compression efficiency, the point cloud encoder may intra/inter code the occupancy code.
  • a receiving device (eg, the receiving device 10004 or the point cloud video decoder 10006) according to embodiments reconstructs an octree based on an occupancy code.
  • a point cloud encoder (eg, the point cloud encoder of FIG. 4 or the octree analyzer 40002) may perform voxelization and octree coding to store positions of points.
  • points in the 3D space are not always evenly distributed, there may be a specific area where many points do not exist. Therefore, it is inefficient to perform voxelization on the entire 3D space. For example, if few points exist in a specific area, there is no need to perform voxelization to that area.
  • the point cloud encoder does not perform voxelization on the above-described specific region (or nodes other than leaf nodes of the octree), but directly codes the positions of points included in the specific region. ) can be performed. Coordinates of direct coding points according to embodiments are called a direct coding mode (DCM). Also, the point cloud encoder according to embodiments may perform trisoup geometry encoding for reconstructing positions of points in a specific area (or node) based on a voxel based on a surface model. Tri-Sup geometry encoding is a geometry encoding that expresses the representation of an object as a series of triangle meshes.
  • a point cloud decoder can generate a point cloud from a mesh surface.
  • Direct coding and trisup geometry encoding according to embodiments may be selectively performed. Also, direct coding and triangle geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use direct mode to apply direct coding must be activated.
  • the node to which direct coding is applied is not a leaf node, points must exist.
  • the number of all points subject to direct coding must not exceed a predetermined limit. If the above condition is satisfied, the point cloud encoder (or the Arithmetic encoder 40004) according to the embodiments may entropy code positions (or position values) of points.
  • the point cloud encoder (for example, the surface approximate analysis unit 40003) according to the embodiments determines a specific level (when the level is smaller than the depth d of the octree) of the octree, and from that level uses the surface model to determine the node Tri-sup geometry encoding for reconstructing the position of a point in an area based on voxels may be performed (tri-sup mode).
  • the point cloud encoder may designate a level to which tri-sup geometry encoding is applied. For example, if the specified level is equal to the depth of the octree, the point cloud encoder does not operate in tri-sup mode.
  • the point cloud encoder may operate in tri-sup mode only when the designated level is smaller than the depth value of the octree.
  • a 3D cube area of nodes of a designated level according to embodiments is referred to as a block.
  • One block may include one or more voxels.
  • a block or voxel may correspond to a brick.
  • geometry is represented as a surface.
  • a surface according to embodiments may intersect each edge of a block at most once.
  • intersection points there are at least 12 intersection points in one block. Each intersection point is called a vertex.
  • a vertex existing along an edge is detected when there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An occluded voxel according to embodiments means a voxel including a point.
  • the position of a vertex detected along an edge is the average position along the edge of all voxels adjacent to the corresponding edge among all blocks sharing the corresponding edge.
  • the point cloud encoder When a vertex is detected, the point cloud encoder according to the embodiments entropy-codes the starting point (x, y, z) of the edge, the direction vector ( ⁇ x, ⁇ y, ⁇ z) of the edge, and the vertex position value (relative position value within the edge).
  • the point cloud encoder for example, the geometry reconstruction unit 40005
  • the point cloud encoder performs triangle reconstruction, up-sampling, and voxelization processes. to create the restored geometry (reconstructed geometry).
  • Vertices located at the edges of a block determine the surface through which the block passes.
  • a surface according to embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by the triangle based on the starting point of the edge, the direction vector of the edge, and the position value of the vertex.
  • the triangle reconstruction process is as follows. 1 Calculate the centroid value of each vertex, 2 Calculate the values obtained by subtracting the centroid value from each vertex value 3 Square the values, and obtain the sum of all the values.
  • the minimum value of the added value is obtained, and the projection process is performed according to the axis with the minimum value. For example, if the x element is minimal, each vertex is projected along the x-axis based on the center of the block, and projected onto the (y, z) plane. If the value that results from projection on the (y, z) plane is (ai, bi), the ⁇ value is obtained through atan2(bi, ai), and the vertices are aligned based on the ⁇ value.
  • the table below shows combinations of vertices to generate triangles according to the number of vertices. Vertices are sorted in order from 1 to n.
  • the table below shows that two triangles can be formed for four vertices according to a combination of the vertices.
  • the first triangle may be composed of the first, second, and third vertices among the aligned vertices
  • the second triangle may be composed of the third, fourth, and first vertices among the aligned vertices. .
  • the upsampling process is performed to voxelize by adding points in the middle along the edge of the triangle. Additional points are generated based on the upsampling factor and the width of the block. The added points are called refined vertices.
  • a point cloud encoder may voxelize refined vertices. Also, the point cloud encoder may perform attribute encoding based on the voxelized position (or position value).
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • the point cloud encoder may perform entropy coding based on context adaptive arithmetic coding.
  • the point cloud content providing system or the point cloud encoder converts the occupancy code directly. Entropy coding is possible.
  • the point cloud content providing system or the point cloud encoder performs entropy encoding (intra-encoding) based on the occupancy code of the current node and the occupancy of neighboring nodes, or entropy encoding (inter-encoding) based on the occupancy code of the previous frame. ) can be performed.
  • a frame according to embodiments means a set of point cloud videos generated at the same time.
  • Compression efficiency of intra-encoding/inter-encoding may vary according to the number of referenced neighboring nodes. If the bit size increases, it becomes complicated, but compression efficiency can be increased by making it skewed to one side. For example, if you have a 3-bit context, 2 of 3 should be coded in 8 ways. The part that is divided and coded affects the complexity of the implementation. Therefore, it is necessary to match the efficiency of compression with an appropriate level of complexity.
  • a point cloud encoder determines occupancy of neighboring nodes of each node of an octree and obtains a neighboring node pattern value.
  • the neighbor node pattern is used to infer the occupancy pattern of that node.
  • the left side of FIG. 7 shows a cube corresponding to a node (a cube located in the middle) and six cubes (neighboring nodes) sharing at least one face with the cube.
  • Nodes shown in the figure are nodes of the same depth (depth).
  • the numbers shown in the figure represent weights (1, 2, 4, 8, 16, 32, etc.) associated with each of the six nodes. Each weight is sequentially assigned according to the locations of neighboring nodes.
  • the right side of FIG. 7 shows neighboring node pattern values.
  • the neighbor pattern value is the sum of values multiplied by the weights of the occupied neighbor nodes (neighbor nodes with points). Therefore, the neighbor node pattern values range from 0 to 63. If the neighbor node pattern value is 0, it indicates that there is no node (occupied node) having a point among the neighbor nodes of the corresponding node. When the neighbor node pattern value is 63, it indicates that all of the neighbor nodes are occupied nodes. As shown in the figure, since the neighboring nodes to which weights 1, 2, 4, and 8 are assigned are ocupied nodes, the neighboring node pattern value is 15, which is the value obtained by adding 1, 2, 4, and 8.
  • the point cloud encoder may perform coding according to the neighboring node pattern value (for example, if the neighboring node pattern value is 63, 64 types of coding are performed). According to embodiments, the point cloud encoder may reduce complexity of coding by changing a neighbor node pattern value (for example, based on a table changing 64 to 10 or 6).
  • the encoded geometry is reconstructed (decompressed) before attribute encoding is performed.
  • the geometry reconstruction operation may include changing the arrangement of direct coded points (eg, placing the direct coded points in front of point cloud data).
  • the geometry reconstruction process includes triangle reconstruction, upsampling, and voxelization processes. Since attributes depend on the geometry, attribute encoding is performed based on the reconstructed geometry.
  • the point cloud encoder may reorganize points according to LODs.
  • the diagram shows point cloud content corresponding to the LOD.
  • the left side of the figure shows the original point cloud content.
  • the second figure from the left of the figure shows the distribution of points with the lowest LOD, and the rightmost figure of the figure shows the distribution of points with the highest LOD. That is, points of the lowest LOD are sparsely distributed, and points of the highest LOD are densely distributed. That is, as the LOD increases according to the direction of the arrow indicated at the bottom of the drawing, the interval (or distance) between points becomes shorter.
  • the point cloud content providing system or the point cloud encoder (eg, the point cloud video encoder 10002, the point cloud encoder in FIG. 4, or the LOD generator 40009) generates an LOD. can do.
  • the LOD is created by reorganizing the points into a set of refinement levels according to a set LOD distance value (or set of Euclidean Distances).
  • the LOD generation process is performed in the point cloud decoder as well as the point cloud encoder.
  • FIG. 9 shows examples of points (P0 to P9) of the point cloud content distributed in the 3D space.
  • the original order of FIG. 9 indicates the order of points P0 to P9 before LOD generation.
  • the LOD based order of FIG. 9 represents the order of points according to LOD generation. Points are reordered by LOD. Also, high LOD includes points belonging to low LOD.
  • LOD0 includes P0, P5, P4, and P2.
  • LOD1 contains the points of LOD0 and P1, P6 and P3.
  • LOD2 includes points of LOD0, points of LOD1 and P9, P8 and P7.
  • the point cloud encoder may perform prediction transform coding, lifting transform coding, and RAHT transform coding selectively or in combination.
  • a point cloud encoder may generate predictors for points and perform predictive transformation coding to set predictive attributes (or predictive attribute values) of each point. That is, N predictors can be generated for N points.
  • the predicted attribute (or attribute value) is a weight calculated based on the distance to each neighboring point to the attributes (or attribute values, eg, color, reflectance, etc.) of neighboring points set in the predictor of each point. (or weight value) is set as the average value of multiplied values.
  • the point cloud encoder for example, the coefficient quantization unit 40011 according to the embodiments subtracts the predicted attribute (attribute value) from the attribute (attribute value) of each point, and generates residual values (residuals, residual attributes, residual attribute values, attributes) can be called a prediction residual, etc.) can be quatized and inverse quantized, and the quantization process is shown in the following table.
  • the point cloud encoder (for example, the Arismetic encoder 40012) according to the embodiments may entropy code the quantized and inverse quantized residual values as described above when there are points adjacent to the predictor of each point.
  • the point cloud encoder (for example, the Arismetic encoder 40012) according to the examples may entropy code attributes of the corresponding point without performing the above-described process if there are no neighboring points to the predictor of each point.
  • the point cloud encoder (for example, the lifting transform unit 40010) according to the embodiments generates a predictor of each point, sets the LOD calculated in the predictor, registers neighboring points, and weights according to distances to neighboring points.
  • Lifting transform coding according to the embodiments is similar to the above-described predictive transform coding, but is different in that weights are cumulatively applied to attribute values. The process of cumulatively applying weights to values is as follows.
  • the weight calculated for all predictors is additionally multiplied by the weight stored in the QW corresponding to the predictor index, and the calculated weight is cumulatively summed as the index of the neighboring node in the update weight array.
  • the value obtained by multiplying the calculated weight by the attribute value of the index of the neighboring node is cumulatively summed.
  • a predicted attribute value is calculated by additionally multiplying an attribute value updated through the lift update process by a weight updated through the lift prediction process (stored in QW).
  • a point cloud encoder eg, the coefficient quantization unit 40011
  • the point cloud encoder eg, the Arismetic encoder 40012
  • the point cloud encoder (for example, the RAHT transform unit 40008) according to the embodiments may perform RAHT transform coding to predict attributes of nodes at a higher level using attributes associated with nodes at a lower level of the octree. .
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud encoder according to embodiments scans from voxels to the entire area and repeats the merging process up to the root node while merging the voxels into larger blocks in each step.
  • a merging process according to embodiments is performed only for Occupied nodes.
  • a merging process is not performed on an empty node, but a merging process is performed on an immediate parent node of an empty node.
  • the following equation represents a RAHT transformation matrix.
  • g lx, y, z represent average attribute values of voxels at level l.
  • g lx, y, z can be computed from g l+1 2x, y, z and g l+1 2x+1, y, z .
  • g l-1 x, y, z are low-pass values and are used in the merging process at the next higher level.
  • h l ⁇ 1 x, y, z are high-pass coefficients, and the high-pass coefficients at each step are quantized and entropy-coded (eg, encoding of the Arithmetic Encoder 400012).
  • the root node is created as follows through the last g 1 0, 0, 0 and g 1 0, 0, 1 ,
  • FIG. 10 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 10 is an example of the point cloud video decoder 10006 described in FIG. 1 , and may perform the same or similar operation as the operation of the point cloud video decoder 10006 described in FIG. 1 .
  • the point cloud decoder may receive a geometry bitstream and an attribute bitstream included in one or more bitstreams.
  • the point cloud decoder includes a geometry decoder and an attribute decoder.
  • the geometry decoder performs geometry decoding on a geometry bitstream and outputs decoded geometry.
  • the attribute decoder performs attribute decoding based on the decoded geometry and attribute bitstream and outputs decoded attributes.
  • the decoded geometry and decoded attributes are used to reconstruct the point cloud content (decoded point cloud).
  • FIG. 11 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 11 is an example of the point cloud decoder described in FIG. 10 and can perform a decoding operation, which is the reverse process of the encoding operation of the point cloud encoder described in FIGS. 1 to 9 .
  • the point cloud decoder may perform geometry decoding and attribute decoding. Geometry decoding is performed before attribute decoding.
  • the point cloud decoder includes an arithmetic decoder (11000), an octree synthesizer (synthesize octree) 11001, a surface synthesize surface approximation unit (11002), and a geometry reconstructor (reconstruct geometry). . ), an inverse lifting unit (11009), and/or an inverse transform colors (11010).
  • the Arismetic decoder 11000, the octree synthesizer 11001, the surface deoxymation synthesizer 11002, the geometry reconstructor 11003, and the coordinate system inverse transform unit 11004 may perform geometry decoding.
  • Geometry decoding according to embodiments may include direct coding and trisoup geometry decoding. Direct coding and tri-sup geometry decoding are selectively applied. Also, geometry decoding is not limited to the above example, and is performed in a reverse process to the geometry encoding described in FIGS. 1 to 9 .
  • the Arismetic decoder 11000 decodes the received geometry bitstream based on Arithmetic coding.
  • the operation of the Arithmetic Decoder 11000 corresponds to the reverse process of the Arithmetic Encoder 40004.
  • the octree synthesizer 11001 may generate an octree by obtaining an occupancy code from a decoded geometry bitstream (or information on geometry obtained as a result of decoding). A detailed description of the occupancy code is as described with reference to FIGS. 1 to 9 .
  • the surface deoxymation synthesis unit 11002 may synthesize a surface based on the decoded geometry and/or the generated octree.
  • the geometry reconstructor 11003 may regenerate geometry based on surfaces and/or decoded geometry. As described in FIGS. 1 to 9 , direct coding and tri-sup geometry encoding are selectively applied. Accordingly, the geometry reconstruction unit 11003 directly imports and adds position information of points to which direct coding is applied. In addition, when triangle geometry encoding is applied, the geometry reconstructor 11003 may perform reconstruction operations of the geometry reconstructor 40005, for example, triangle reconstruction, up-sampling, and voxelization operations to restore the geometry. there is. Details are the same as those described in FIG. 6 and thus are omitted.
  • the reconstructed geometry may include a point cloud picture or frame that does not include attributes.
  • the coordinate system inverse transformation unit 11004 may obtain positions of points by transforming the coordinate system based on the restored geometry.
  • the Arithmetic Decoder 11005, Inverse Quantization Unit 11006, RAHT Transformation Unit 11007, LOD Generator 11008, Inverse Lifting Unit 11009, and/or Color Inverse Transformation Unit 11010 are the attributes described with reference to FIG. decoding can be performed.
  • Attribute decoding according to embodiments includes Region Adaptive Hierarchial Transform (RAHT) decoding, Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform decoding, and interpolation-based hierarchical nearest-neighbour prediction with an update/lifting transform. step (Lifting Transform)) decoding.
  • RAHT Region Adaptive Hierarchial Transform
  • Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform decoding and interpolation-based hierarchical nearest-neighbour prediction with an update/lifting transform.
  • step (Lifting Transform)) decoding The above three decodings may be selectively used, or a combination of one or more decodings may
  • the Arismetic decoder 11005 decodes the attribute bitstream by Arithmetic coding.
  • the inverse quantization unit 11006 inverse quantizes the decoded attribute bitstream or information about attributes obtained as a result of decoding, and outputs inverse quantized attributes (or attribute values). Inverse quantization may be selectively applied based on attribute encoding of the point cloud encoder.
  • the RAHT conversion unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may process the reconstructed geometry and inverse quantized attributes. As described above, the RAHT converter 11007, the LOD generator 11008, and/or the inverse lifter 11009 may selectively perform a decoding operation corresponding to the encoding of the point cloud encoder.
  • the color inverse transform unit 11010 performs inverse transform coding for inverse transform of color values (or textures) included in decoded attributes.
  • the operation of the inverse color transform unit 11010 may be selectively performed based on the operation of the color transform unit 40006 of the point cloud encoder.
  • elements of the point cloud decoder of FIG. 11 are not shown in the figure, hardware including one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. , may be implemented in software, firmware, or a combination thereof. One or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud decoder of FIG. 11 described above. Also, one or more processors may operate or execute a set of software programs and/or instructions to perform operations and/or functions of elements of the point cloud decoder of FIG. 11 .
  • the transmission device shown in FIG. 12 is an example of the transmission device 10000 of FIG. 1 (or the point cloud encoder of FIG. 4 ).
  • the transmission device shown in FIG. 12 may perform at least one or more of operations and methods identical or similar to the operations and encoding methods of the point cloud encoder described in FIGS. 1 to 9 .
  • a transmission device includes a data input unit 12000, a quantization processing unit 12001, a voxelization processing unit 12002, an octree occupancy code generation unit 12003, a surface model processing unit 12004, an intra/ Inter-coding processing unit 12005, Arithmetic coder 12006, metadata processing unit 12007, color conversion processing unit 12008, attribute conversion processing unit (or attribute conversion processing unit) 12009, prediction/lifting/RAHT conversion It may include a processing unit 12010, an Arithmetic coder 12011 and/or a transmission processing unit 12012.
  • the data input unit 12000 receives or acquires point cloud data.
  • the data input unit 12000 may perform the same or similar operation and/or acquisition method to the operation and/or acquisition method of the point cloud video acquisition unit 10001 (or the acquisition process 20000 described in FIG. 2 ).
  • Geometry encoding according to embodiments is the same as or similar to the geometry encoding described with reference to FIGS. 1 to 9, and thus a detailed description thereof will be omitted.
  • the quantization processor 12001 quantizes geometry (eg, position values or position values of points).
  • the operation and/or quantization of the quantization processing unit 12001 is the same as or similar to the operation and/or quantization of the quantization unit 40001 described with reference to FIG. 4 .
  • a detailed description is the same as that described in FIGS. 1 to 9 .
  • the voxelization processor 12002 voxelizes position values of quantized points.
  • the voxelization processing unit 120002 may perform the same or similar operations and/or processes to those of the quantization unit 40001 described with reference to FIG. 4 and/or the voxelization process. A detailed description is the same as that described in FIGS. 1 to 9 .
  • the octree occupancy code generation unit 12003 performs octree coding on positions of voxelized points based on an octree structure.
  • the octree occupancy code generator 12003 may generate an occupancy code.
  • the octree occupancy code generator 12003 may perform operations and/or methods identical or similar to those of the point cloud encoder (or the octree analyzer 40002) described with reference to FIGS. 4 and 6 . A detailed description is the same as that described in FIGS. 1 to 9 .
  • the surface model processing unit 12004 may perform tri-sup geometry encoding to reconstruct positions of points within a specific area (or node) based on a surface model on a voxel basis.
  • the four-surface model processing unit 12004 may perform the same or similar operation and/or method to the operation and/or method of the point cloud encoder (eg, the surface approximation analysis unit 40003) described with reference to FIG. 4 .
  • a detailed description is the same as that described in FIGS. 1 to 9 .
  • the intra/inter coding processing unit 12005 may intra/inter code the point cloud data.
  • the intra/inter coding processing unit 12005 may perform coding identical to or similar to the intra/inter coding described with reference to FIG. 7 . A detailed description is the same as that described in FIG. 7 .
  • the intra/inter coding processor 12005 may be included in the Arithmetic Coder 12006.
  • Arithmetic coder 12006 entropy encodes an octree of point cloud data and/or an approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • Arithmetic coder 12006 performs the same or similar operations and/or methods to operations and/or methods of Arithmetic encoder 40004.
  • the metadata processing unit 12007 processes metadata about point cloud data, for example, set values, and provides them to a necessary process such as geometry encoding and/or attribute encoding. Also, the metadata processing unit 12007 according to embodiments may generate and/or process signaling information related to geometry encoding and/or attribute encoding. Signaling information according to embodiments may be encoded separately from geometry encoding and/or attribute encoding. Also, signaling information according to embodiments may be interleaved.
  • a color conversion processing unit 12008, an attribute conversion processing unit 12009, a prediction/lifting/RAHT conversion processing unit 12010, and an Arithmetic coder 12011 perform attribute encoding.
  • Attribute encoding according to embodiments is the same as or similar to the attribute encoding described with reference to FIGS. 1 to 9, so a detailed description thereof will be omitted.
  • the color conversion processing unit 12008 performs color conversion coding to convert color values included in attributes.
  • the color conversion processing unit 12008 may perform color conversion coding based on the reconstructed geometry. Description of the reconstructed geometry is the same as that described in FIGS. 1 to 9 . In addition, the same or similar operations and/or methods to those of the color conversion unit 40006 described in FIG. 4 are performed. A detailed description is omitted.
  • the attribute transformation processing unit 12009 performs attribute transformation to transform attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry.
  • the attribute conversion processing unit 12009 performs the same or similar operation and/or method to the operation and/or method of the attribute conversion unit 40007 described in FIG. 4 .
  • a detailed description is omitted.
  • the prediction/lifting/RAHT transform processing unit 12010 may code the transformed attributes with any one or combination of RAHT coding, prediction transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT conversion processing unit 12010 performs at least one of the same or similar operations to those of the RAHT conversion unit 40008, the LOD generation unit 40009, and the lifting conversion unit 40010 described in FIG. 4 do.
  • descriptions of predictive transform coding, lifting transform coding, and RAHT transform coding are the same as those described in FIGS. 1 to 9, so detailed descriptions thereof are omitted.
  • the Arithmetic Coder 12011 may encode coded attributes based on Arithmetic Coding.
  • the Arithmetic Coder 12011 performs the same or similar operations and/or methods to those of the Arithmetic Encoder 400012.
  • the transmission processing unit 12012 transmits each bitstream including encoded geometry and/or encoded attributes and metadata information, or transmits encoded geometry and/or encoded attributes and metadata information into one It can be configured as a bitstream and transmitted.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to the embodiments includes Sequence Parameter Set (SPS) for signaling at the sequence level, Geometry Parameter Set (GPS) for signaling of geometry information coding, Attribute Parameter Set (APS) for signaling of attribute information coding, tile It may include signaling information and slice data including TPS (Tile Parameter Set) for level signaling.
  • Slice data may include information on one or more slices.
  • One slice according to embodiments may include one geometry bitstream Geom00 and one or more attribute bitstreams Attr00 and Attr10.
  • a slice refers to a series of syntax elements representing all or part of a coded point cloud frame.
  • a TPS may include information about each tile (for example, coordinate value information and height/size information of a bounding box) for one or more tiles.
  • a geometry bitstream may include a header and a payload.
  • the header of the geometry bitstream may include identification information (geom_parameter_set_id) of a parameter set included in GPS, a tile identifier (geom_tile_id), a slice identifier (geom_slice_id), and information about data included in a payload.
  • the metadata processing unit 12007 may generate and/or process signaling information and transmit it to the transmission processing unit 12012.
  • elements performing geometry encoding and elements performing attribute encoding may share data/information with each other as indicated by dotted lines.
  • the transmission processing unit 12012 may perform the same or similar operation and/or transmission method to the operation and/or transmission method of the transmitter 10003. A detailed description is omitted since it is the same as that described in FIGS. 1 and 2 .
  • FIG. 13 is an example of a receiving device according to embodiments.
  • the receiving device shown in FIG. 13 is an example of the receiving device 10004 of FIG. 1 (or the point cloud decoder of FIGS. 10 and 11).
  • the receiving device illustrated in FIG. 13 may perform at least one or more of operations and methods identical or similar to the operations and decoding methods of the point cloud decoder described in FIGS. 1 to 11 .
  • a receiving device includes a receiving unit 13000, a receiving processing unit 13001, an arithmetic decoder 13002, an octree reconstruction processing unit 13003 based on an occupancy code, and a surface model processing unit (triangle reconstruction). , up-sampling, voxelization) 13004, inverse quantization processing unit 13005, metadata parser 13006, arithmetic decoder 13007, inverse quantization processing unit 13008, prediction It may include a /lifting/RAHT inverse transformation processing unit 13009, a color inverse transformation processing unit 13010, and/or a renderer 13011.
  • Each component of decoding according to the embodiments may perform a reverse process of the component of encoding according to the embodiments.
  • the receiving unit 13000 receives point cloud data.
  • the receiver 13000 may perform the same or similar operation and/or reception method to the operation and/or reception method of the receiver 10005 of FIG. 1 . A detailed description is omitted.
  • the reception processing unit 13001 may obtain a geometry bitstream and/or an attribute bitstream from received data.
  • the receiving processing unit 13001 may be included in the receiving unit 13000.
  • the Arismetic decoder 13002, the octree reconstruction processing unit 13003 based on the occupancy code, the surface model processing unit 13004, and the inverse quantization processing unit 13005 may perform geometry decoding.
  • Geometry decoding according to the embodiments is the same as or similar to the geometry decoding described in FIGS. 1 to 10, and thus a detailed description thereof will be omitted.
  • the Arismetic decoder 13002 may decode a geometry bitstream based on Arithmetic coding.
  • the Arismetic decoder 13002 performs the same or similar operation and/or coding to that of the Arithmetic decoder 11000.
  • the octree reconstruction processing unit 13003 based on occupancy code may obtain an occupancy code from a decoded geometry bitstream (or information about a geometry secured as a result of decoding) to reconstruct an octree.
  • the octree reconstruction processing unit 13003 based on the occupancy code performs the same or similar operations and/or methods to those of the octree synthesis unit 11001 and/or the octree generation method.
  • the surface model processing unit 13004 according to embodiments performs tri-soup geometry decoding based on the surface model method and related geometry reconstruction (eg, triangle reconstruction, up-sampling, and voxelization) when tri-sup geometry encoding is applied. can be performed.
  • the surface model processing unit 13004 performs operations identical to or similar to those of the surface deoxymation synthesis unit 11002 and/or the geometry reconstruction unit 11003.
  • the inverse quantization processor 13005 may inverse quantize the decoded geometry.
  • the metadata parser 13006 may parse metadata included in the received point cloud data, for example, setting values. Metadata parser 13006 can pass metadata to geometry decoding and/or attribute decoding. A detailed description of the metadata is omitted since it is the same as that described in FIG. 12 .
  • the Arismetic decoder 13007, the inverse quantization processing unit 13008, the prediction/lifting/RAHT inverse transformation processing unit 13009, and the color inverse transformation processing unit 13010 perform attribute decoding. Attribute decoding is the same as or similar to the attribute decoding described in FIGS. 1 to 10, so a detailed description thereof will be omitted.
  • the Arismetic decoder 13007 may decode the attribute bitstream through Arismetic coding.
  • the Arismetic decoder 13007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the Arismetic decoder 13007 performs the same or similar operation and/or coding to that of the Arithmetic decoder 11005.
  • the inverse quantization processing unit 13008 may inverse quantize the decoded attribute bitstream.
  • the inverse quantization processing unit 13008 performs the same or similar operation and/or method to the operation and/or inverse quantization method of the inverse quantization unit 11006.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 may process reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 performs operations identical or similar to those of the RAHT transform unit 11007, the LOD generator 11008 and/or the inverse lifting unit 11009 and/or decoding operations and/or At least one or more of decoding is performed.
  • the inverse color transformation processing unit 13010 according to embodiments performs inverse transformation coding for inversely transforming color values (or textures) included in decoded attributes.
  • the inverse color transform processing unit 13010 performs the same or similar operation and/or inverse transform coding to the operation and/or inverse transform coding of the inverse color transform unit 11010.
  • the renderer 13011 may render point cloud data.
  • FIG. 14 shows an example of a structure capable of interworking with a method/apparatus for transmitting and receiving point cloud data according to embodiments.
  • the structure of FIG. 14 includes at least one of a server 1460, a robot 1410, an autonomous vehicle 1420, an XR device 1430, a smartphone 1440, a home appliance 1450, and/or an HMD 1470. It shows a configuration connected to the cloud network 1410.
  • a robot 1410, an autonomous vehicle 1420, an XR device 1430, a smartphone 1440 or a home appliance 1450 are referred to as devices.
  • the XR device 1430 may correspond to or interwork with a point cloud data (PCC) device according to embodiments.
  • PCC point cloud data
  • the cloud network 1400 may constitute a part of a cloud computing infrastructure or may refer to a network existing in a cloud computing infrastructure.
  • the cloud network 1400 may be configured using a 3G network, a 4G or Long Term Evolution (LTE) network, or a 5G network.
  • LTE Long Term Evolution
  • the server 1460 connects at least one of the robot 1410, the autonomous vehicle 1420, the XR device 1430, the smartphone 1440, the home appliance 1450, and/or the HMD 1470 to the cloud network 1400. It is connected through and may help at least part of the processing of the connected devices 1410 to 1470.
  • a Head-Mount Display (HMD) 1470 represents one of types in which an XR device and/or a PCC device according to embodiments may be implemented.
  • An HMD type device includes a communication unit, a control unit, a memory unit, an I/O unit, a sensor unit, and a power supply unit.
  • devices 1410 to 1450 to which the above-described technology is applied will be described.
  • the devices 1410 to 1450 shown in FIG. 14 may interwork/combine with the device for transmitting/receiving point cloud data according to the above-described embodiments.
  • the XR/PCC device 1430 applies PCC and/or XR (AR+VR) technology to a Head-Mount Display (HMD), a Head-Up Display (HUD) installed in a vehicle, a television, a mobile phone, a smart phone, It may be implemented as a computer, a wearable device, a home appliance, a digital signage, a vehicle, a fixed robot or a mobile robot.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • the XR/PCC device 1430 analyzes 3D point cloud data or image data obtained through various sensors or from an external device to generate positional data and attribute data for 3D points, thereby generating positional data and attribute data for surrounding space or real objects. Information can be acquired, and XR objects to be displayed can be rendered and output. For example, the XR/PCC device 1430 may output an XR object including additional information about the recognized object in correspondence with the recognized object.
  • the XR/PCC device 1430 may be implemented as a mobile phone 1440 or the like to which PCC technology is applied.
  • the mobile phone 1440 may decode and display point cloud content based on PCC technology.
  • the self-driving vehicle 1420 may be implemented as a mobile robot, vehicle, unmanned aerial vehicle, etc. by applying PCC technology and XR technology.
  • the self-driving vehicle 1420 to which XR/PCC technology is applied may refer to an autonomous vehicle equipped with a means for providing XR images or an autonomous vehicle subject to control/interaction within the XR images.
  • the self-driving vehicle 1420 which is a target of control/interaction within the XR image, is distinguished from the XR device 1430 and may be interlocked with each other.
  • the self-driving vehicle 1420 equipped with a means for providing an XR/PCC image may obtain sensor information from sensors including cameras and output an XR/PCC image generated based on the obtained sensor information.
  • the self-driving vehicle 1420 may provide an XR/PCC object corresponding to a real object or an object in a screen to a passenger by outputting an XR/PCC image with a HUD.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a part of the XR/PCC object may be output to overlap the real object toward which the passenger's gaze is directed.
  • an XR/PCC object when an XR/PCC object is output to a display provided inside an autonomous vehicle, at least a part of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 1220 may output XR/PCC objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, pedestrians, and buildings.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Mixed Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects or backgrounds of the real world only as CG images.
  • AR technology means a technology that shows a virtual CG image on top of a real object image.
  • MR technology is similar to the aforementioned AR technology in that it mixes and combines virtual objects in the real world.
  • real objects and virtual objects made of CG images are clear, and virtual objects are used in a form that complements real objects, whereas in MR technology, virtual objects are considered equivalent to real objects. distinct from technology. More specifically, for example, a hologram service to which the above-described MR technology is applied.
  • VR, AR, and MR technologies are sometimes referred to as XR (extended reality) technologies rather than clearly distinguishing them. Accordingly, embodiments of the present invention are applicable to all VR, AR, MR, and XR technologies. As for this technique, encoding/decoding based on PCC, V-PCC, and G-PCC techniques may be applied.
  • the PCC method/apparatus according to the embodiments may be applied to vehicles providing autonomous driving services.
  • a vehicle providing autonomous driving service is connected to a PCC device to enable wired/wireless communication.
  • Point cloud data (PCC) transmission and reception devices when connected to enable wired/wireless communication with a vehicle, receive/process content data related to AR/VR/PCC services that can be provided together with autonomous driving services to provide a vehicle can be sent to
  • the point cloud transmission/reception device when the point cloud data transmission/reception device is mounted on a vehicle, the point cloud transmission/reception device may receive/process AR/VR/PCC service-related content data according to a user input signal input through a user interface device and provide the received/processed content data to the user.
  • a vehicle or user interface device may receive a user input signal.
  • a user input signal according to embodiments may include a signal indicating an autonomous driving service.
  • the point cloud data transmission method/device includes the transmission device 10000 of FIG. 1, the point cloud video encoder 10002, the transmitter 10003, and the acquisition-encoding-transmission (20000-20001-20002) of FIG. , the encoder of FIG. 4, the transmitter of FIG. 12, the device of FIG. 14, the encoder of FIGS. 15 and 34, the encoding of FIG. 36, the transmission method of FIG. 38, and the like.
  • a method/device for receiving point cloud data includes a receiving device 10004 of FIG. 1, a receiver 10005, a point cloud video decoder 10006, and transmission-decoding-rendering (20002-20003-20004) of FIG. , the decoder of FIGS. 10 and 11, the receiver of FIG. 13, the device of FIG. 14, the decoder of FIGS. 15 and 35, the decoding of FIG. 37, the receiving method of FIG. 39, and the like.
  • the method/device for transmitting/receiving point cloud data may be referred to as a method/device according to embodiments.
  • geometry data, geometry information, location information, etc. constituting point cloud data are interpreted as the same meaning.
  • Attribute data, attribute information, and attribute information constituting the point cloud data are interpreted as the same meaning.
  • a method/apparatus may compress and reconstruct a position based on inter-frame and intra-frame periphery correlation (inter- and intra-frame child neighbor correlation based geometry coding).
  • embodiments may include an octree-based compression/restoration method.
  • compression efficiency may be increased by removing redundant information based on inter-frame correlation.
  • Embodiments include techniques for compressing/restoring data to a point cloud. Specifically, it deals with techniques for increasing location information compression efficiency, and provides a method for increasing compression/restoration efficiency based on information similarity between different frames.
  • point cloud data is composed of location (geometry: eg, XYZ coordinates) and attribute (eg, color, reflectance, etc.) information of each data.
  • location eg, XYZ coordinates
  • attribute eg, color, reflectance, etc.
  • Positional compression (geometry compression, geometry encoding) defined in the current standard is a method for reducing the similarity between points in the current frame. However, when it is composed of consecutive frames, the correlation between adjacent frames is high, and high coding efficiency can be obtained by removing redundant information using this correlation. In particular, in considering peripheral correlation, ooccupacy information of a neighboring child node may be used.
  • Embodiments may provide a geometry coding method based on inter-frame and inter-layer correlation.
  • Compression efficiency can be improved by using the child level periphery occupancy pattern of the prediction node existing in the previous frame, and the child level of the uncoded neighbor based on the periphery occupancy pattern of the previous frame Peripheral node occupancy can be predicted.
  • Embodiments describe a method for increasing compression efficiency of a location compression method among point cloud compression methods.
  • Positional compression according to the embodiment is a context-based compression method, and improves a method of predicting a probability based on related information when compressing a compression target node.
  • the movement between adjacent frames is not large, not only the similarity between the compression target node and the prediction node, but also the similarity between the node adjacent to the compression target node and the node adjacent to the prediction node can be assumed. Based on this assumption, it is possible to additionally use occupancy information of nodes around the prediction node along with occupancy information of prediction nodes, and compression efficiency can be increased based on the additional information.
  • a method for increasing compression efficiency based on occupancy information of peripheral nodes may be provided.
  • 15 shows a search window of a reference frame according to embodiments.
  • FIG. 16 illustrates a motion estimation process according to embodiments.
  • 15-16 are the transmission device 10000 in FIG. 1, the point cloud video encoder 10002, the transmitter 10003, the acquire-encode-transmit 20000-20001-20002 in FIG. 2, the encoder in FIG. 4, and the FIG. 12 Transmitting device of FIG. 14, encoder of FIGS. 15 and 34, encoding of FIG. 36, transmission method of FIG. 38, receiving device 10004 of FIG. 1, receiver 10005, point cloud video decoder 10006 of FIG. Transmission-decoding-rendering (20002-20003-20004), the decoder of FIGS. 10-11, the receiving device of FIG. 13, the device of FIG. 14, the decoder of FIGS. 15 and 35, the decoding of FIG. 37, the receiving method of FIG. 39, etc. are referenced.
  • An example of estimating motion in order to estimate similar information in a frame is shown.
  • Motion estimation may be performed in units of prediction units (PUs).
  • the PU may be defined as a set of adjacent nodes at a specific depth of the octree of the current frame.
  • it can be defined as a set of nodes having the same parent.
  • the reference frame refers to a frame referred to when encoding/decoding the current frame, and may mean a frame encoded and/or decoded before the current frame. Encoding/decoding efficiency of the current frame may be increased by referring to frames processed before the current frame.
  • a motion search window may be defined for the reference frame and similarity with information included in the PU 1500 may be estimated.
  • information of the peripheral node 1503 of the PU may be used.
  • Six peripheral nodes 1503 in the top, bottom, left, right, front and back can be considered simultaneously with the target node as the center.
  • peripheral nodes may use different definitions (eg points, lines, nodes touched by surfaces, etc.). This is based on the assumption that similar motions are highly likely to appear not only for specific nodes but also for peripheral nodes in regions with high inter-frame continuity.
  • a set of points belonging to a prediction unit PU belonging to the current frame is defined as block B (1500), and a prediction candidate defined within a search area search window (search window) W in a reference frame (inter frame) is selected.
  • search window search window
  • P the predictor candidate
  • the difference D(B, P) between B and P is a function of the difference between each point.
  • the set of peripheral nodes 1501 and 1503 of B and P is defined as Bn and Pn, and the relative position of each node is defined as B(-1, 0, 0), B(-1, 0, 0) based on PU and/or P 1, 0, 0), B(0, -1, 0), B(0, 1, 0), B(0, 0, -1), B(0, 0, 1) or P(-1, 0, 0), P(1, 0, 0), P(0, -1, 0), P(0, 1, 0), P(0, 0, -1), P(0, 0, 1 ) can be expressed as When the points belonging to B and P are b and p, each position is defined as b(x,y,z) and p(x,y,z), and the points belonging to Bn and Pn are defined as bn and pn If so, it can make a difference.
  • w can be used as a weight for determining the importance of a predictor and a neighbor
  • the motion estimation in the reference frame for the PU is P with the smallest D(B, P) among all prediction candidates P that can be defined in the search area (search window).
  • 1501 may be defined as a predicted value
  • a motion vector V 1502 between two blocks may be defined as a positional difference between the two blocks as shown in FIG. 16 .
  • a cost function that adjusts the error D(B, P(W,V)) by the motion vector and the use of bits generated by using the motion vector with the weight function ⁇ can be generated as shown in FIG. 16 .
  • 17 illustrates transmission of an octree depth motion vector according to embodiments.
  • a similarity is estimated for the current PU, a motion vector is found in a specific octree depth, and a motion vector is obtained for an optimal octree among a certain octree depth range. can be found In this case, it can inform whether each octree node is occupied or not, and if a motion vector is not found, it can be notified that octree division should be performed.
  • Occupancy bit information about child nodes of the current node in the current octree depth may be indicated as a population flag. Whether to transmit a motion vector in the current octree depth or a motion vector in a lower depth step can be informed through a split flag.
  • a population flag and a split flag may be included in a bitstream and transmitted.
  • a motion vector can be transmitted based on the node of the current depth.
  • the split flag is 1, it may indicate that splitting is performed to a depth next to the current depth. Whether there is bit occupancy for the split area can be expressed through a population flag. If it is 1, there is an occupied bit, and if it is 0, there is no occupied bit.
  • An LPU is the largest prediction unit and may include a plurality of PUs.
  • a Largest Prediction Unit can be split into PUs. There can be LPUs with occupancy bits (accumulation bits) and LPUs without occupancy bits. An LPU with an occupancy bit can be split into PUs. Based on the octree depth, as the depth increases, nodes can be divided in detail.
  • the number of cases in which the second split is performed after applying the first split at a specific depth may vary as shown in FIG. 17 based on 2D.
  • the presence of occupancy bits for the split node (region) can be indicated by a pop flag.
  • the split flag For example, if the split flag is 0, nodes at the current depth are not split. If the split flag is 1, the node of the current depth is split into four on a 2D basis. Bit 0 is assigned to the flag if there is no additional split for split nodes. That is, the split flag becomes 1 0000. If the split nodes are quadrant 1, quadrant 2, quadrant 3, and quadrant 4 on a 2D basis, if there is an occupancy bit in the 1st quadrant and no occupancy bit in the rest, the pop flag is 1000.
  • a cost function may be defined as an accumulated value of lower PU costs and a direction with the lowest cost may be determined.
  • a cost function can be calculated.
  • 19 shows an example of performing a split in octree depth according to embodiments.
  • the area 1900 may be displayed through a motion estimation depth start (ME depth start) and a motion estimation depth end (ME depth end).
  • ME depth start motion estimation depth start
  • ME depth end motion estimation depth end
  • the cost of generating an MV at node 1902 is calculated, the cost of splitting node 1902 and generating MVs at node 1903 and node 1904 is calculated, and cost can be compared. If the cost of the lower depth split is more efficient, the split can proceed and a value of 1 can be assigned to the split flag.
  • the inter-prediction based attribute compression/restoration method may specify a prediction block predictor P through motion vector V information for a reference frame.
  • B(x,y,z) be the position of the PU block where prediction is performed for the current frame
  • V(x,y,z) be the motion vector V
  • the position of predictor P P(x,y,z) ) (geometry data) can be defined as shown in FIG.
  • the position of the block can be defined as the minimum value for each axis of the bounding box for the points included in the block.
  • prediction target B of the current frame can be predicted. Assuming that the prediction for the PU of the current frame is B', the occupancy of points belonging to B' follows the occupancy of P, and the location and property of points b' belonging to B' are the location and property of point p belonging to P It can be defined as shown in FIG.
  • 21 illustrates motion estimation considering neighbor occupancy according to embodiments.
  • peripheral neighbors may be additionally considered.
  • the predictor's child occupancy can be used as additional information to increase the compression (restoration) efficiency of the PU's child occupancy information.
  • entropy coding is used, which can be used as a context to increase efficiency.
  • compression efficiency can be improved by referring to distribution characteristics of similar points in a previous frame by using reference frame-based prediction.
  • the present invention describes a method of considering the periphery occupancy pattern of the predictor and a method of comparing the predictor and the periphery occupancy distribution characteristics of the PU.
  • a peripheral occupancy pattern can be used for compression (reconstruction).
  • the peripheral node is considered as a node of the same size as the predictor and the face is in contact with the predictor, but the peripheral node of a different size or location can be considered.
  • the number of occupancy patterns that may appear in FIG. 21 may be reduced as shown in FIG. 22 .
  • the number of patterns can be reduced. For example, if only one node is occupied, rotate 90 degrees, 180 degrees, 270 degrees in the x-y plane for top, left, and bottom, and rotate 90 degrees, 270 degrees in the x-z plane for back and front, the right node is occupied. It can be considered in the same pattern as in the case of In this way, a method of reducing the number of patterns through rotation, mirroring, etc. may be used. The following shows an example of reducing 64 patterns to 10 patterns in consideration of overlapping patterns.
  • Similarity between a predictor and a corresponding neighbor of a PU may be compared as a context based on a neighbor occupancy pattern.
  • 23 defines 6 neighbors for the PU and the predictor, respectively, and displays the corresponding peripheral nodes for each position of up, down, left, right, front, and back. At this time, the higher the rate of coincidence of the occupancy information of the corresponding node, the higher the prediction accuracy of the predictor can be judged.
  • two methods can be used to compare the neighboring occupancy of the PU and the predictor as shown in FIG. 24 for comparison of neighbor occupancy comparison scores.
  • the n-th neighbor occupancy comparison flag is defined as 1, and the PU neighbor occupancy for the n-th neighbor location If there is inconsistency between the nth neighbor occupancy and the predictor neighbor occupancy (one is occupied and the other is unoccupied), the nth neighbor occupancy comparison flag can be defined as 0.
  • the predictor's neighbor occupancy score can be obtained.
  • the following example describes a method for obtaining the neighbor occupancy score: 1) A method for displaying patterns according to each location based on the neighbor occupancy comparison flag 2) A method for obtaining the number of matching neighbors 3) PU and predictor The number of occupied neighbors that match 4) The score can be designed as the number of unoccupied neighbors that match PU and predictor.
  • a context table based on the perimeter occupancy score. For example, in the case of neighbor occupancy score 1, use different context tables for each score, or remove overlapping occupancy scores by rotation and tile to create a context table with fewer scores (10 neighbor patterns for dPfmf). can be used separately.
  • the neighbor occupancy score2 can be divided into two or more sections according to the threshold, and the context table can be used separately. In this case, if there is a sufficient number of coincidences above the threshold, in this case, the similarity of the prediction is high, and if it is below the threshold, there are many cases of inconsistency, so the probability of the similarity of the prediction is low. The probability can be updated by distinguishing between cases and cases that do not match.
  • neighbor occupancy scores 3 and 4 examine whether neighboring nodes of the compression target node are occupied or unoccupied, and the corresponding prediction neighboring nodes are equally occupied or unoccupied. In the case of node occupancy/non-occupancy, different context tables can be used by comparing matching ratios of predicted neighboring nodes.
  • 25 illustrates a neighbor child occupancy pattern according to embodiments.
  • the occupation probability of the current node may be obtained based on the occupation information of the nodes adjacent to the current node.
  • the occupancy information of a neighbor child can be utilized. 25 shows the possibility of neighbor child occupancy (2502) for a child node (2501) of a compression target node (parent node 2500 of the current frame). At this time, the relationship of the neighbor child node (2502 facet hexahedron) to the compression target child node (2501 facet hexahedron) can be considered based on the number of child nodes touched by the face (or line).
  • the current child (2501 facet hexahedron) and the face (or line) touch ('touching' term) among the parent's neighbor (2503 line hexahedron) ) considers only the number of child nodes 2502, and in this case, the maximum number of neighbor touching (NT) may be three.
  • NT the maximum number of neighbor touching
  • three different cases can be considered as one case for the case where NT is 2 and the case where NT is 1, depending on the direction.
  • each case may be considered as a separate case.
  • 26 illustrates a neighbor child occupancy pattern according to embodiments.
  • Fig. 26 is a possible embodiment of the NT for the case where the location of the current child is different.
  • constraints may occur from the perspective of a parent neighbor. This is because parent neighbors exist only in left, front, and bottom in the coding order. That is, in the case of a child in the top-left-back position, since the parent neighbor exists only on the left (front is a child belonging to the current parent, so it is not considered. In the case of back, the parent neighbor does not exist because it is before coding) left Neighbor child touching is determined depending on whether a neighbor child 2601 exists. That is, the maximum value of NT is 1, and only two cases of 0 or 1 exist.
  • FIG. 27 illustrates a neighbor child occupancy pattern according to embodiments.
  • An extension method may include a predictor and 3 neighbor children based on a current neighbor.
  • Child occupancy information of the previous frame can be used as a method for addressing the location issue of the parent's neighbor.
  • 27 shows the number of neighbor child touches for 8 child node positions.
  • the 2700 line hexahedron below represents the current node's neighbor node, and the 2701 face hexahedron represents the child of the neighbor node.
  • a node corresponding to the current node in the previous frame is referred to as a predicted node
  • a neighbor of the predicted node can be represented by a line 2702.
  • the neighbor nodes of the left, front, and bottom positions coded for the current frame are used in the current frame, but for the neighbors of the uncoded right, back, and top positions, neighbors from the previous frame are used.
  • encoding and decoding can be performed by setting a reference node having a high similarity between frames.
  • neighbors can be inferred for the parts where there is no neighbor of the current parent node, that is, the top, right, and back positions, and 8 child node positions (bottom 3 for -left-front, bottom-left-back, bottom-right-front, bottom-right-back, top-left-front, top-left-back, top-right-front, top-right-back)
  • 8 child node positions bottom 3 for -left-front, bottom-left-back, bottom-right-front, bottom-right-back, top-left-front, top-left-back, top-right-front, top-right-back
  • different weights can be applied to the neighbor information of the current frame and the neighbor information of the predicted frame. For example, if the validity of the neighbor information of the current frame is greater than the neighbor information of the predicted frame, a higher weight can be given to the neighbor information of the current frame when obtaining NT.
  • prediction of the current node may be performed.
  • inter_predicted_neighbor_child_occupancy_type 0 (a predictor-based 3 neighbor child method using a predicted neighbor for a location where a current neighbor node does not exist).
  • An extension method may include 6 neighbor children based on a predictor, a current neighbor, and a sibling.
  • Figure 28 shows the case where 6 neighbor touching is considered based on the current neighbor's child (2800), the predicted parent's neighbor child (2801), and the siblings (2802) belonging to the current node for the location of 8 child nodes.
  • the child 2802 node is a node belonging to the previous frame. Since the child node of the current frame is not yet coded, it is assumed that it does not exist, and the information of the child node belonging to the parent node of the predictor corresponding to the current parent node in the previous frame can be considered.
  • inter_predicted_neighbor_child_occupancy_type 1 (predictor and current neighbor and sibling-based 6 neighbor child method that additionally uses a predicted neighbor for a location where a current neighbor node does not exist and considers the occupancy of sibling nodes together).
  • 29 illustrates a neighbor child occupancy pattern according to embodiments.
  • the extension method according to embodiments may include predictor and sibling-based 6 neighbor children.
  • the child occupancy of the prepredic parent node is determined based on the neighbor information of the previous frame, and this information can be additionally used to predict the child occupancy of the current parent.
  • FIG. 30 shows a bitstream structure according to embodiments.
  • the device of FIG. 14, the encoder of FIGS. 15 and 34, the encoding of FIG. 36, and the transmission method of FIG. 38 generate a bitstream as shown in FIG. ), transmission-decoding-rendering (20002-20003-20004) in Fig. 2, decoder in Fig. 10-11, receiving device in Fig. 13, device in Fig. 14, decoder in Figs. 15 and 35, decoding in Fig. 37, decoding in Fig. 39
  • the receiving method may parse the bitstream as shown in FIG. 30 .
  • information related to inter prediction is converted to a parameter set or data unit header (slice) according to an application unit. It can be defined in a header) or data unit (corresponding to a slice), and depending on the application or system, it can be defined in a corresponding location or a separate location so that the application range and application method can be used differently.
  • a data unit it can be defined in the aforementioned parameter set, data unit header, or associated with an attribute coding method.
  • attribute parameter set and attribute slice header, sequence parameter set, tile parameter set etc. can be defined.
  • a syntax element described later can be applied to a plurality of point cloud data streams as well as the current point cloud data stream, it can be transmitted through a parameter set of a higher concept.
  • Signaling information may be generated in a compression (encoding) process of a (scalable) point cloud compression transmission device/method, and may be used in a decoding process of a (scalable) point cloud compression/reception device/method.
  • parameters according to embodiments may be generated in a process of a transmitter according to embodiments described later, and transmitted to a receiver according to embodiments to be used in a reconfiguration process. It can be.
  • parameters according to embodiments may be generated by a metadata processing unit (or metadata generator) of a transmitting device according to embodiments described later and obtained by a metadata parser of a receiving device according to embodiments. .)
  • Compression through reference relationships between slices can be applied to refer to nodes in other slices not only for the start node of a slice but also for an arbitrary node. In addition, it can be applied by extending it to a reference relationship between trees.
  • Geometry bitstream geometry slice header + geometry slice data
  • a point cloud data encoder, a transmission device, etc. may generate signaling information about operations according to embodiments, and generate and transmit a bitstream including the above point cloud data.
  • a point cloud data decoder, a receiving device, etc. may receive a bitstream and restore point cloud data based on parameter(s) included in the bitstream.
  • a bitstream includes a sequence parameter set, a geometry parameter set, an attribute parameter set, and a geometry slice header and attribute slice header. can do.
  • the scope of application and method of application can be used differently by defining it in a corresponding location or a separate location. That is, it can have different meanings depending on the location where the signal is transmitted. If it is defined in SPS, it can be equally applied to the entire sequence. If it is defined in GPS, it can indicate that it is used for position recovery. It can indicate that it is applied to restoration, and when defined in TPS, it can indicate that the corresponding signaling is applied only to points within a tile, and when delivered in slice units, it can indicate that the signal is applied only to that slice.
  • the application range and application method can be used differently by defining it in a corresponding location or a separate location.
  • the syntax element defined below can be applied to not only the current point cloud data stream but also multiple point cloud data streams, the parameter set of the higher concept ), and so on.
  • the tile parameter set may deliver information about the position, width, size, depth, and the like of a bounding box for a plurality of tiles.
  • a slice may include one geometry data and a plurality of attribute data according to a configuration of point cloud data.
  • a slice may transmit parameter set identification information, tile identification information, slice identification information, bounding box location information, point number information, attribute related information, etc. through a slice header.
  • a slice may be referred to as a data unit or the like.
  • 31 shows a geometry parameter set according to embodiments.
  • Predictor neighbor enable flag (predictor_neighbor_enabled_flag): In case of 1, it may indicate that a relationship between a predictor in a reference frame and its peripheral nodes is used in considering inter-frame relationships. If it is 0, it can indicate that only the predictor is used.
  • Predictor neighbor type Can indicate a method of considering the relationship between the predictor and child nodes. If 0, it can represent a predictor-based 3 neighbor child method (Fig. 27) that uses a predicted neighbor for a location where no current neighbor node exists. In the case of 1, the predicted neighbor is additionally used for the location where the current neighbor node does not exist, and the predictor and current neighbor and sibling-based 6 neighbor child method (Fig. 28) that considers the occupancy of the sibling node can be shown. If 2, it can indicate that only the predicted neighbor is used instead of the current neighbor, and the predictor and sibling-based 6 neighbor child method (Fig. 29) that considers siblings are used.
  • Inter-predicted neighbor child accupancy enable flag (inter_predicted_neighbor_child_occupancy_enabled_flag): When 1, it may indicate that a neighbor child of a predicted node for a reference frame is considered in considering inter-frame relationships. If it is 0, it can indicate that only the neighbor child relationship in the gsuwo frame is used.
  • Inter predicted neighbor child occupancy type May indicate a method of considering the relationship between the predictor and its periphery node. How to consider the predictor neighbor pattern in case of 0, how to use the comparison pattern of predictor neighbor pattern and current node neighbor pattern in case of 1, how to use the number of matching nodes for predictor neighbor pattern and PU neighbor pattern in case of 2 Method, in case of 3, the number of nodes whose positions match among the predictor and PU's occupied neighbors, and in case of 4, it can be defined as the number of nodes whose positions match among the predictor and PU's unoccupied neighbors.
  • the occupancy pattern itself can be used as additional information for selecting a context table, and the context according to the degree of matching based on the value compared with the peripheral pattern of the compression target node.
  • You can select a context table.
  • Entropy coding can be performed based on the selected context table. That is, a context table may be selected according to inter_predicted_neighbor_child_occupancy_type. It can indicate how to consider the relationship between the predictor and its peripheral nodes.
  • the geometry parameter set may further include the following information.
  • gps_geom_parameter_set_id identifies the GPS so that other DUs can refer to it.
  • gps_seq_parameter_set_id represents the value of active SPS sps_seq_parameter_set_id.
  • slice_geom_origin_scale_present indicates whether slice_geom_origin_log2_scale exists in the GDU header.
  • slice_geom_origin_scale_present equal to 0 indicates that the slice origin scale is equal to gps_slice_geom_origin_log2_scale.
  • gps_geom_origin_log2_scale changes the packet to find the origin in slice_origin_xyz when slice_geom_origin_scale_present is 0.
  • duplicate_points_enabled indicates that all output points in all slices referring to the current GPS have unique positions within the slice.
  • duplicate_points_enabled equal to 1 indicates that two or more output points in all slices referring to the current GPS can have the same location within the slice.
  • duplicate_points_enabled equal to 0 does not prevent coding the same point location multiple times within a single slice.
  • geom_tree_type 0 indicates that slice point locations are coded using an occupancy tree).
  • geom_tree_type 1 indicates that slice point locations are coded using a prediction tree.
  • occtree_point_cnt_list_present indicates whether a list of the number of points in each occupancy tree level is present in the GDU footer. If it does not exist, occtree_point_cnt_list_present is inferred as 0.
  • occtree_direct_coding_mode greater than 0 indicates that the point location can be coded by a suitable direct node in the occupancy tree. occtree_direct_coding_mode equal to 0 indicates that the direct node should not be present in the occupied tree.
  • occtree_direct_joint_coding_enabled is equal to 1, it indicates that when two points are coded by a direct node, their positions should be partially coded jointly assuming a specific ordering of points.
  • occtree_coded_axis_list_present 1 indicates that the GDU header contains an occtree_coded_axis syntax element used to derive the node size for each occupancy tree level.
  • occtree_coded_axis_list_present 0 indicates that the occtree_coded_axis syntax element is not present in the GDU syntax and the occupancy tree represents a tertiary volume.
  • occtree_neigh_window_log2_minus1 plus 1 specifies the number of occupied tree nodes that form a window containing outside the current node, and the node cannot be used by processes associated with that node. occtree_neigh_window_log2_minus1 equal to 0 indicates that only sibling nodes are considered available to the current node.
  • occtree_adjacent_child_enabled indicates whether adjacent children of adjacent occupancy tree nodes are used in bit occupancy contextualization. If not present, occtree_adjacent_child_enabled is inferred to be 0.
  • occtree_intra_pred_max_nodesize_log2 indicates the occupied tree node size suitable for occupancy intra prediction. If not present, occtree_intra_pred_max_nodesize_log2 is inferred to be 0.
  • occtree_bitwise_coding 1 indicates that occupancy tree node occupancy is encoded using the syntax element occupancy_bit using bit contextualization.
  • occtree_bitwise_coding 0 indicates that occupancy of an occupancy tree node is encoded using the pre-encoded syntax element occupancy_byte.
  • occtree_planar_enabled If occtree_planar_enabled is 1, it indicates that planar coding mode is enabled. occtree_planar_enabled equal to 0 indicates that the planar coding mode is not activated. If not present, occtree_planar_enabled is inferred to be 0.
  • occtree_planar_threshold[ i ] indicates the value of the activation threshold for the planar coding mode along the i-th direction in which the planar coding mode is most likely to be effective.
  • occtree_direct_node_rate_minus1 indicates that only occtree_direct_node_rate_minus1 + 1 of all 32 eligible direct nodes can be coded.
  • geom_angular_enabled indicates whether to code the geometry using the priority of the set of beams located at the angular origin and rotating around the V axis.
  • slice_angular_origin_present indicates whether a slice-related angular origin exists in the GDU header.
  • slice_angular_origin_present equal to 0 specifies that the angular origin is gps_angular_origin_xyz. If not present, slice_angular_origin_present is inferred as 0.
  • gps_angular_origin_bits_minus1 plus 1 indicates the length of each syntax element gps_angular_origin_xyz[ k ] in bits.
  • gps_angular_origin_xyz[k] represents the kth (x, y, z) position component of the beam origin. If not present, gps_angular_origin_xyz[ k ] is inferred to be 0.
  • ptree_angular_azimuth_pi_bits_minus11 and ptree_angular_radius_scale_log2 represent factors used to scale coded positions using an angular coordinate system during conversion to Cartesian coordinates.
  • ptree_angular_azimuth_step_minus1 plus 1 represents the unit change in azimuth.
  • the differential prediction residual used for angular prediction tree coding can be partially expressed as a multiple of ptree_angular_azimuth_step_minus1 plus 1.
  • the value of ptree_angular_azimuth_step_minus1 must be less than ( 1 ⁇ ( ptree_angular_azimuth_pi_bits_minus11 + 12 ) ).
  • num_beams_minus1 plus 1 represents the number of beams used in the angular coding mode.
  • beam_elevation_init and beam_elevation_diff[ i ] together represent the beam elevation as a gradient over the plane defined by the first and second coded axes.
  • the elevation slope per beam, specified by the BeamElev array, is a binary fixed-point value with 18 fractional bits.
  • beam_voffset_init and beam_voffset_diff[ i ] together represent the modification along the V axis of the ith beam position relative to GeomAngularOrigin[ 2 ].
  • beam_samples_per_turn_init_minus1 and beam_samples_per_turn_diff[ i ] represent the number of samples generated by the ith beam of the rotation detection system located at the origin used for the processing of the angular coding mode.
  • occtree_planar_buffer_disabled 1 indicates that the planar mode flag and tracking of the nearest node using the buffer in the process of coding the plane position in planar mode are not used. If occtree_planar_buffer_disabled is 0, it indicates that using a buffer to track the nearest node is enabled. If not present, occtree_planar_buffer_disabled is inferred as !occtree_planar_enabled.
  • geom_scaling_enabled 1 indicates that the scaling process for geometry positions is invoked during the geometry decoding process.
  • geom_scaling_enabled 0 specifies that the geometry location does not require scaling. If not present, geom_scaling_enabled is inferred to be 0.
  • geom_initial_qp indicates the initial geometry position QP. If not present, geom_initial_qp is inferred to be 0.
  • geom_qp_multiplier_log2 indicates the size of the geometry scaling step and the scale factor to be applied to the geometry QP value before deriving the movement.
  • the value of geom_qp_multiplier_log2 is in the range of 0 .. 3.
  • geom_qp_multiplier_log2 equal to x indicates that ( 8 >> x ) can be specified whenever the QP value is twice the size of the geometry scaling step.
  • ptree_qp_period_log2 indicates a fundamental frequency for signaling the prediction tree node QP offset.
  • occtree_direct_node_qp_offset indicates an offset relative to sliceQp to use in scaling point locations coded by direct coding mode.
  • the value of occtree_direct_node_qp_offset is inferred to be equal to 0.
  • gps_extension_present 0 indicates that the gps_extension_data syntax element does not exist in the GPS syntax structure.
  • gps_extension_present MUST equal 0 in bitstreams conforming to this version of this document.
  • a value of 1 for gps_extension_present is reserved for future use by ISO/IEC.
  • a decoder MUST ignore all gps_extension_data syntax elements that follow a value of 1 for gps_extension_present in the GPS syntax structure.
  • 32 may correspond to a slice header included in the bitstream of FIG. 30.
  • Reference frame ID May indicate the index of a reference frame used for PU prediction.
  • Motion vector depth start (Mv_depth_start), motion vector depth end (mv_depth_end): May indicate the start and end of an octree depth to which motion vectors can be delivered.
  • the data unit may further include:
  • gdu_geometry_parameter_set_id represents the value of the active GPS gps_geom_parameter_set_id.
  • gdu_reserved_zero_3bits MUST equal zero in bitstreams conforming to this version of this document. Another value of gdu_reserved_zero_3bits is reserved for future use by ISO/IEC. Decoders should ignore the value of gdu_reserved_zero_3bits.
  • slice_id identifies the slice to be referenced by other syntax elements.
  • slice_tag can be used to identify one or more slices with a specific value of slice_tag. If there is a tile inventory data unit, slice_tag is the tile ID. Otherwise, when no tile inventory data unit exists, the interpretation of slice_tag is specified by external means.
  • frame_ctr_lsb represents the least significant bit of frame_ctr_lsb_bits of the frame number counter. Consecutive slices with different frame_ctr_lsb values form part of different output point cloud frames. Consecutive slices with the same value of frame_ctr_lsb without intermediate frame boundary marker data units form part of the same coded point cloud frame.
  • each coded point cloud frame must have a unique value of FrameCtr.
  • slice_entropy_continuation 1 indicates that entropy parsing state recovery process (XREF) should be applied to GDUs and all ADUs in the slice.
  • slice_entropy_continuation 0 specifies that entropy parsing of GDUs and ADUs in a slice is independent of other slices. When not present, slice_entropy_continuation is inferred to be 0. It is a requirement of bitstream conformance that slice_entropy_continuation is equal to 0 when the GDU is the first DU in the coded point cloud frame.
  • prev_slice_id is equal to the slice_id value of the preceding GDU in bitstream order.
  • the decoder ignores slices with prev_slice_id present and not equal to the previous slice's slice_id value.
  • slice_entropy_continuation should not be equal to 1 if the slice_tag is not equal to the slice_tag of the GDU identified by prev_slice_id.
  • slice_geom_origin_log2_scale represents the scaling factor of the slice origin. If not present, slice_geom_origin_log2_scale is inferred as gps_geom_origin_log2_scale.
  • slice_geom_origin_bits_minus1 plus 1 indicates the length of each syntax element slice_geom_origin_xyz[ k ] in bits.
  • slice_geom_origin_xyz[ k ] represents the k-th component of the quantized (x, y, z) coordinates of the slice origin.
  • slice_angular_origin_bits_minus1 plus 1 represents the length of each slice_angular_origin_xyz[ k ] syntax element in bits.
  • slice_angular_origin_xyz[ k ] specifies the k th component of the ( x, y, z ) coordinates of the origin used for processing in angular coding mode. If not present, slice_angular_origin_xyz[ k ] is inferred as 0.
  • occtree_depth_minus1 plus 1 represents the maximum number of tree levels in the coded occupancy tree.
  • the occupancy tree root node size is a cubic volume with edge length 1 ⁇ ( occtree_depth_minus1 + 1 ).
  • Closing a subtree prematurely can result in fewer coded tree levels than the maximum.
  • occtree_coded_axis[ lvl ][ k ] indicates whether the kth axis is encoded by a tree node at the occupied tree level lvl.
  • the occtree_coded_axis is used to determine the node volume dimension at each level of the occupancy tree. If not present, occtree_coded_axis[ lvl ][ k ] is inferred as 1.
  • the log2 dimension of the root node is less than or equal to MaxSliceDimLog2.
  • the largest log2 dimension of the root node is greater than occtree_depth_minus1 - 4.
  • occtree_stream_cnt_minus1 plus 1 represents the maximum number of entropy streams used to code the occupancy tree.
  • occtree_stream_cnt_minus1 is greater than 0, each last occtree_stream_cnt_minus1 tree level is included in a separate entropy stream.
  • variable OcctreeEntropyStreamDepth is derived as follows.
  • OcctreeEntropyStreamDepth occtree_depth_minus1 - occtree_stream_cnt_minus1
  • slice_geom_qp_offset represents an offset to the initial geometry QP geom_initial_qp. If not present, slice_geom_qp_offset is inferred as 0.
  • slice_ptree_qp_period_log2_offset represents an offset with respect to the fundamental frequency for signaling prediction tree node QP offset. If not present, slice_ptree_qp_period_log2_offset is inferred to be 0.
  • variable PtnQpInterval is the number of nodes between each offset.
  • PtnQpInterval 1 ⁇ ptree_qp_period_log2 + slice_ptree_qp_period_log2_offset
  • ptn_residual_abs_log2_bits[ k ] indicates the number of bins used to code the kth component of the syntax element ptn_residual_abs_log2.
  • ptn_radius_min represents the minimum value of the radius. If not present, ptn_radius_min is inferred as 0.
  • adu_attr_parameter_set_id represents the value of active APS aps_attr_parameter_set_id.
  • adu_reserved_zero_3bits MUST equal zero in bitstreams conforming to this version of this document. Another value of adu_reserved_zero_3bits is reserved for future use by ISO/IEC. The decoder ignores the value of du_reserved_zero_3bits.
  • adu_sps_attr_idx identifies an attribute coded as an index in the active SPS attribute list. Its value is in the range of 0 .. num_attributes - 1.
  • Attributes coded by ADU have a maximum of 3 components when attr_coding_type is not equal to 3.
  • AttrIdx adu_sps_attr_idx
  • AttrDim attr_components_minus1[adu_sps_attr_idx] + 1
  • AttrBitDepth attr_bitdepth_minus1[adu_sps_attr_idx] + 1
  • AttrMaxVal (1 ⁇ AttrBitDepth) - 1
  • adu_slice_id represents the value of the preceding GDU slice_id.
  • lod_dist_log2_offset represents the offset used to derive the initial slice subsampling factor used to generate the level of detail. If not present, lod_dist_log2_offset is inferred to be 0.
  • last_comp_pred_coeff_diff[ i ] represents the delta scaling value for the predicted value of the last component of the i-th detail layer in the second component of the multi-component attribute. If last_comp_pred_coeff_diff[ i ] does not exist, it is inferred as 0.
  • predCoeff !i ? initCoeff : LastCompPredCoeff[i - 1]
  • LastCompPredCoeff[i] predCoeff + last_comp_pred_coeff_diff[i]
  • LastCompPredCoeff[i] is in the range -128 .. 127.
  • inter_comp_pred_coeff_diff[ i ][ c ] represents the k-th delta scaling value for the predicted value of the non-primary component of the i-th detail layer in the basic component of the multi-component attribute. If inter_comp_pred_coeff_diff[ i ][ c ] does not exist, it is inferred as 0.
  • predCoeff !i ? initCoeff : InterCompPredCoeff[i - 1][c]
  • InterCompPredCoeff[i][c] predCoeff + inter_comp_pred_coeff_diff[i][c]
  • InterCompPredCoeff[ i ] is in the range -128 .. 127 for all i.
  • Attr_qp_layers_present 1 indicates that a QP offset for each layer exists in the current DU.
  • attr_qp_layers_present 0 indicates that no such offset exists.
  • Attr_qp_layer_cnt_minus1 plus 1 represents the number of layers for which the QP offset is signaled.
  • the value of attr_qp_layer_cnt_minus1 is inferred to be 0.
  • AttrQpP[ layer ] and AttrQpOffsetS[ layer ] indicate the QP of the primary attribute component and the QP offset of the secondary attribute component before adding the region-based QP offset.
  • Attr_qp_region_cnt indicates the number of spatial regions in the current slice with signaled region QP offsets.
  • Attr_qp_region_origin_bits_minus1 plus 1 indicates the length of each syntax element attr_qp_region_origin_xyz and attr_qp_region_size_minus1_xyz in bits.
  • Attr_qp_region_origin_xyz[i][k] and attr_qp_region_size_minus1_xyz[i][k] indicate the i-th spatial region of the slice coordinate system to which attr_qp_region_offset[i][c] is applied, if present.
  • Attr_qp_region_origin_xyz[ i ][ k ] Indicates the k-th component of the ( x, y, z ) origin coordinates of the i-th region based on the slice origin.
  • Attr_qp_region_size_minus1_xyz[ i ][ k ] plus 1 represents the kth component of the ith region width, height and depth, respectively.
  • AttrRegionQpOriginStv[i][XyzToStv[k]] attr_qp_region_origin_xyz[i][k]
  • AttrRegionQpSizeStv[i][XyzToStv[k]] attr_qp_region_size_minus1_xyz[i][k] + 1
  • Attr_qp_region_origin_rpi[i][k] and attr_qp_region_size_minus1_rpi[i][k] represent the i-th spatial region within the current slice in the attribute angular coordinate system to which attr_qp_region_offset[i][c] is applied.
  • Attr_qp_region_origin_rpi[ i ][ k ] is the k-th component of the coding coordinates of the i-th region relative to the angular origin.
  • Attr_qp_region_size_minus1_rpi[ i ][ k ] plus 1 is the k-th component of the region radius, azimuth angle, and beam index i-th, respectively.
  • AttrRegionQpOriginStv[i][k] attr_qp_region_origin_rpi[i][k]
  • AttrRegionQpSizeStv[i][k] attr_qp_region_size_minus1_rpi[i][k] + 1
  • Figure 33 corresponds to the data unit of the bitstream of Figure 30.
  • Split_flag In case of 1, it may indicate that the motion vector for the corresponding node is transmitted after child division. If it is 0, the motion vector for the corresponding node can be delivered.
  • Motion vector (Motion_vector): It can represent motion vectors for each axis.
  • Occupancy_map You can pass the occupancy map of each node. It can be transmitted in units of bits or bytes.
  • 34 shows a point cloud data transmission device according to embodiments.
  • the transmission device shown in FIG. 34 includes the transmission device 10000 in FIG. 1, the point cloud video encoder 10002, the transmitter 10003, the acquire-encode-transmit (20000-20001-20002) in FIG. 2, the encoder in FIG.
  • the transmission device of FIG. 12, the device of FIG. 14, the encoders of FIGS. 15 and 34, the encoding of FIG. 36, and the transmission method of FIG. 38 may correspond to the transmission device of FIG. 34 and the like.
  • Operations of the described embodiments may be performed through components of a prediction-based point cloud compression transmission/reception apparatus/method according to embodiments.
  • Each component according to the embodiment is hardware, software, processor. and/or combinations thereof.
  • a point cloud attribute compression method may be implemented as follows. Embodiments describe a method for compressing attribute information of point cloud data, but similarly, the method according to the embodiments can be applied to location information compression and other compression methods.
  • a configuration and/or operation of a point cloud encoder, eg, a geometry encoder or an attribute encoder, of a transmission device may be as follows.
  • an occupancy pattern may be generated to find a relationship between a node to be compressed and an adjacent node.
  • a predicted node similar to the node to be compressed in the current frame
  • the reference frame adjacent frame, encoded or decoded before the current frame.
  • an occupancy pattern may be generated based on occupancy information of nodes in the vicinity of the prediction node.
  • the intra frame child neighbor touches the left, bottom, and front neighbors of the current frame.
  • An intra-frame child neighbor touching pattern is obtained, and an inter-frame child neighbor touching pattern is obtained for the right, top, and back neighbors of the predicted frame. (inter-frame child neighbor touching pattern) can be obtained.
  • inter_predicted_neighbor_child_occupancy_type 1
  • a 6 neighbor touching pattern may be considered based on the occupancy of sibling nodes belonging to the predicted parent node.
  • inter_predicted_neighbor_child_occupancy_type 2
  • a 6-neighbor touching pattern may be considered based on child neighbors and sibling occupancy of the predicted frame without information on the current frame.
  • the occupancy pattern itself can be used as additional information for selecting the context table, and the context table can be selected according to the degree of matching based on the value compared with the peripheral pattern of the node to be compressed. there is.
  • Entropy coding can be performed based on the selected context table.
  • a context table can be selected according to inter_predicted_neighbor_child_occupancy_type. It can indicate how to consider the relationship between the predictor and its peripheral nodes.
  • An intra frame child neighbor pattern controller may receive the point cloud data.
  • Point cloud data may include geometry data and/or attribute data.
  • the intra-frame child neighbor pattern controller can generate child neighbor touching patterns for the left/bottom/front neighbor nodes in the current frame (see Figs. 25-26).
  • the motion estimator may receive a reference frame for the current frame.
  • the reference frame may refer to a frame encoded prior to the current frame.
  • the motion estimator may find a corresponding predictor for prediction of a current frame based on the reference frame and estimate a motion vector for the predictor.
  • a motion compensator may generate prediction data for a current node of a current frame based on the estimated motion vector (see FIG. 20).
  • An intra-frame child-neighbor pattern controller may search for child-neighbor patterns in inter-frames (referred to as adjacent frames, reference frames, previous frames, predicted frames, etc.).
  • Intra-frame child neighbor-touching patterns can be searched for neighbors located to the right/top/behind of the corresponding node in the predicted frame (see Figs. 27-29).
  • An inter-intra neighbor touching pattern controller may generate the touching patterns according to Figures 25-29 based on the inter-frame child neighbor pattern for the current frame and the inter-frame child neighbor pattern for the reference frame.
  • the context table selector may generate a context table for entropy coding based on the touching pattern.
  • the selector may generate the most appropriate context table through a comparison method according to a touching pattern according to FIGS. 23 to 24 .
  • the entropy encoder may encode the point cloud data according to an entropy method based on the selected context. Through this, a bitstream including encoded geometry data and/or attribute data can be generated.
  • a description of the motion estimator may refer to FIG. 20 .
  • a description of the motion compensator may refer to FIG. 20 .
  • a description of the intra-frame child neighbor pattern part may be referred to FIG. 25 .
  • inter-frame child neighbor pattern unit For a description of the inter-frame child neighbor pattern unit and the inter-intra neighbor touching pattern unit, refer to FIGS. 27-29.
  • the inter-intra neighbor touching pattern may generate a final touching pattern in which an intra-frame child neighbor pattern such as green and an inter-frame child neighbor pattern such as yellow are combined.
  • 35 shows an apparatus for receiving point cloud data according to embodiments.
  • Each component according to the embodiment is hardware, software, processor. and/or combinations thereof.
  • An embodiment of a receiver for compression based on inter-frame correlation is as follows.
  • information such as motion vector and reference frame ID is acquired by decoding the data unit header and data unit.
  • the previous decoded frame is selected, and a node in the position and range specified by the motion vector is selected as a prediction node.
  • inter_predicted_neighbor_child_occupancy_type 1, 6 neighbor touching patterns can be considered based on the occupancy of sibling nodes belonging to the predicted parent node.
  • 6 neighbor touching patterns can be considered based on child neighbor and sibling occupancy of the predicted frame without information on the current frame.
  • entropy decoding is performed by selecting a context table based on each occupancy pattern.
  • the motion vector-based tree generation unit may receive a bitstream.
  • the motion vector-based tree generation unit may generate a tree based on a motion vector applied at a transmission side from point cloud data included in a bitstream.
  • the intra-frame child neighbor pattern generation unit may generate a child neighbor pattern for the current node in order to restore data within the current frame.
  • the motion compensator may receive a reference frame including similar information about the current frame.
  • a reference frame may be a frame decoded before the current frame.
  • the motion compensator may receive reference frame identification information and motion vectors from parameters included in the bitstream.
  • the motion compensator may generate a predicted value for a current restoration target node based on the motion vector.
  • the inter-frame child neighbor pattern generator may generate a child neighbor pattern from a corresponding reference frame in order to restore a node of a depth of a tree within a current frame.
  • the inter-intra-neighbor touching pattern generation unit may generate a neighbor-touching pattern based on the intra-frame child neighbor pattern and/or the inter-frame child neighbor pattern.
  • a context table selector may select a context table for entropy coding based on a neighboring touching pattern. Selection of the context table based on the neighboring touching pattern may follow the above description.
  • the entropy decoder may decode the point cloud data according to an entropy method based on the selected context. Through this, geometry data and/or attribute data of the point cloud data may be restored.
  • 36 shows a point cloud data transmission method according to embodiments.
  • Figure 36 is a flow diagram of the operation of the Figure 35 apparatus.
  • an intra-frame child neighbor pattern can be obtained for neighbors in left, front, and bottom locations, and an inter-frame child neighbor pattern can be obtained for neighbors in right, back, and top locations.
  • the Sibling occupancy pattern it can be obtained based on inter-frame child occupancy.
  • an inter-intra child neighbor touching pattern can be obtained, and based on this, a context table for entropy coding can be selected.
  • a method/apparatus checks a depth start and depth end section. If the current depth is equal to or less than the end of the depth, inter-frame prediction is performed, and if the current depth is greater than the end of the depth, an intra-frame child neighbor pattern is generated to encode the accupancy map based on the neighbor context according to the child neighbor touching pattern. can do.
  • parent split flags are 1 for occupied nodes. If the parent split flag is not 1, the parent split flag for the child is 0, and an intra-frame child neighbor pattern can be generated, and a child neighbor touching pattern can be generated to encode the accuency map based on the neighbor context.
  • motion estimation can be performed based on the neighboring pattern.
  • Motion compensation may be performed based on the estimated motion.
  • FIG. 37 illustrates a method for receiving point cloud data according to embodiments.
  • Fig. 37 is a flow diagram of the operation of the Fig. 36 device.
  • a flowchart of a receiver for a compression method based on inter-frame prediction is as follows.
  • the receiver may indicate whether the parent node has been decoded by defining an internal parameter called ParentReconFlag. That is, when ParentReconFlag is 1, attributes can be restored using attribute prediction values within a frame, and when ParentReconFlag is 0, MV may exist for the current node. Decoding or not can be determined by checking the split_flag of the signal delivered in the receiver. If Split_flag is 1, MV is not transmitted because additional split is performed. On the other hand, if split_flag is 0, attribute prediction can be performed through a motion-compensated prediction block within a frame designated by reference_frame_id.
  • a peripheral pattern can be obtained for a prediction node obtained through motion compensation, and an inter-frame child neighbor pattern can be obtained based on this.
  • an intra-frame child neighbor pattern can be obtained based on information on the periphery within the current frame.
  • a child neighbor touching pattern can be obtained based on each child neighbor pattern, and a context table for entropy decoding can be selected based on the child neighbor context.
  • a receiving method/device performs intra prediction if the current depth is equal to or less than the end of the depth, generates an intra frame child neighbor pattern if the current depth is greater than the end of the depth, and generates a neighbor according to the child neighbor touching pattern You can use the context to decode the accupancy map.
  • an intra-frame child neighbor pattern may be generated, and the accupancy map may be decoded using the neighbor context according to the child neighbor touching pattern.
  • the parent restoration flag is 0 and the split flag is 0, an inter-frame child neighbor pattern is generated for the nodes of the current depth, and the accupancy map can be decoded using the neighbor context according to the child neighbor touching pattern. there is.
  • the split flag is not 0, the above process is performed from the current node to the next node. If the current depth is not the maximum depth, the above process is repeated for the nodes of the depth, and if the current depth is the maximum depth, the above process is terminated.
  • the point cloud data transmission method may include encoding the point cloud data.
  • the encoding operation includes FIG. 1 transmission device 10000, point cloud video encoder 10002, FIG. 2 encoding 20001, FIG. 4 encoder, FIG. 12 transmission device, FIG. 14 XR device 1430, FIG. 15 to FIG. 16 motion estimation, FIG. Splitting of nodes in depths 17 to 19, motion compensation in FIG. 20, encoding according to neighboring occupancy patterns in FIGS. 21 to 24, generating neighboring touching patterns and encoding according to neighboring touching patterns in FIGS. 25 to 29, and encoding according to neighboring touching patterns in FIGS. 33 Bitstream and parameter generation, operations such as context selection and encoding according to inter-intra neighbor touching patterns including intra-frame child neighbor patterns and/or inter-frame child neighbor patterns in depth intervals according to Figs. 34 and 36 can include
  • the point cloud data transmission method may further include transmitting a bitstream including point cloud data.
  • Operations such as context selection according to an inter-intra neighbor touching pattern including a neighbor pattern and bitstream transmission according to encoding may be included.
  • 39 illustrates a method for receiving point cloud data according to embodiments.
  • a method of receiving point cloud data according to embodiments of S3900 may include receiving a bitstream including point cloud data.
  • the reception operation according to the embodiments may include operations such as reception apparatus 10004 in FIG. 1 and receiver 10005, reception according to transmission in FIG. 2 , bitstream and parameter reception in FIGS. 30 to 33 , and the like.
  • the method for receiving point cloud data according to embodiments S3910 may further include decoding the point cloud data.
  • the decoding operation includes the point cloud video decoder 10006 in FIG. 1, the decoding 20003 in FIG. 2, the decoder in FIGS. 10 to 11, the receiving device in FIG. 13, the XR device 1430 in FIG. 14, the motion estimation in FIGS. to parsing split and occupancy flags of nodes in depths in FIG. 19, motion compensation in FIG. 20, decoding according to neighboring occupancy patterns in FIGS. 21 to 24, generating neighboring touching patterns and decoding according to neighboring touching patterns in FIGS. 25 to 29, 30 to 33 bitstream and parameter parsing, context selection and decoding according to an inter-intra neighbor touching pattern including an intra-frame child neighbor pattern and/or an inter-frame child neighbor pattern in the depth interval according to Figs. 34 and 36, etc. may include the operation of
  • a transmission method includes encoding point cloud data; and transmitting a bitstream including point cloud data; can include
  • the step of encoding the point cloud data includes a prediction line for the point cloud data included in the current frame.
  • Generating prediction data for a prediction unit (PU) based on a reference frame for a current frame, the reference frame including a search window, and a prediction unit from point cloud data included in the search window Similar data of the point cloud data included in may be generated.
  • the motion vector V can be generated through the difference between the block B in the PU and the predictor P of the reference frame.
  • the step of encoding the point cloud data may include a prediction value for a prediction unit based on a predictor included in a search window, a neighbor of the predictor, and a point cloud data included in the prediction unit and a neighbor of the point cloud data.
  • a motion vector may be generated based on the prediction value and the prediction unit.
  • the prediction value a predictor having a minimum difference between the prediction candidate in the reference frame and the PU may be generated as the prediction value. That is, a motion vector may be generated from a predictor in a reference frame most similar to the current node.
  • encoding the point cloud data includes generating a motion vector at a depth of a tree including the point cloud data, or generating a motion vector at a lower depth of the depth, A motion vector for the lower depth may be generated based on the split and occupancy for the lower depth.
  • whether or not to perform the split at the lower depth may be determined in a cost-effective direction by comparing costs between the current depth and the lower depth.
  • the predicted value B' of the block B of the current node can be generated through the difference between the predictor P and the motion vector V.
  • the encoding of the point cloud data may predict the point cloud data of the prediction unit based on the motion vector.
  • encoding the point cloud data includes encoding a prediction unit based on the neighboring occupancy pattern of the predictor included in the search window, Neighbor occupancy information for the prediction unit and its neighbors and the predictor and the predictor's neighbors may be compared.
  • the neighbor occupancy information may include a neighbor occupancy pattern of a child node of a node of a prediction unit.
  • the meaning of including may be interpreted as meaning that encoding is performed based on a neighboring child occupancy pattern in consideration of neighboring occupancy information.
  • the neighbor occupancy information may include the neighbor children of the node for the child node of the node of the prediction unit, and the neighbor child nodes of the node of the reference frame.
  • the meaning of including may be interpreted as meaning that encoding is performed based on a neighboring child occupancy pattern in consideration of neighboring occupancy information.
  • the neighbor occupancy information is the neighbor child node of the child node of the node of the prediction unit, and the neighbor child node of the node of the reference frame. , may include child nodes of nodes in the reference frame.
  • the meaning of including may be interpreted as meaning that encoding is performed based on a neighboring child occupancy pattern in consideration of neighboring occupancy information.
  • the neighbor occupancy information may include the child nodes of the node of the prediction unit, the child nodes of the node of the reference frame, and the child nodes of the node of the reference frame.
  • the meaning of including may be interpreted as meaning that encoding is performed based on a neighboring child occupancy pattern in consideration of neighboring occupancy information.
  • a transmitting device performing a transmitting method includes an encoder encoding point cloud data; and a transmitter that transmits a bitstream including point cloud data; can include
  • a receiving method corresponding to the reverse process of the transmitting method includes receiving a bitstream including point cloud data; and decoding the point cloud data; can include
  • a receiving device performing the receiving method includes a receiving unit receiving a bitstream including point cloud data; and a decoder to decode the point cloud data; can include
  • Compression based on frame-to-frame similarity may be used for point cloud data compression.
  • the point cloud data transmission apparatus and encoder according to the embodiments have a technical effect of efficiently compressing point cloud data by additionally considering inter-frame data prediction modes as well as intra-frame prediction.
  • the point cloud data receiving device and decoder according to embodiments receive a bitstream including point cloud data, and efficiently convert the point cloud data based on signaling information in the bitstream and/or a decoding operation according to embodiments. There is a technical effect that can be restored with
  • each drawing has been divided and described, but it is also possible to design to implement a new embodiment by merging the embodiments described in each drawing. And, according to the needs of those skilled in the art, designing a computer-readable recording medium in which programs for executing the previously described embodiments are recorded falls within the scope of the embodiments.
  • the device and method according to the embodiments are not limited to the configuration and method of the embodiments described above, but the embodiments are selectively combined with all or part of each embodiment so that various modifications can be made. may be configured.
  • Various components of the device of the embodiments may be implemented by hardware, software, firmware or a combination thereof.
  • Various components of the embodiments may be implemented as one chip, for example, as one hardware circuit.
  • components according to the embodiments may be implemented as separate chips.
  • at least one or more of the components of the device according to the embodiments may be composed of one or more processors capable of executing one or more programs, and the one or more programs may be executed. Any one or more of the operations/methods according to the examples may be performed or may include instructions for performing the operations/methods.
  • Executable instructions for performing methods/operations of an apparatus may be stored in a non-transitory CRM or other computer program products configured for execution by one or more processors, or may be stored in one or more may be stored in transitory CRM or other computer program products configured for execution by processors.
  • the memory according to the embodiments may be used as a concept including not only volatile memory (eg, RAM) but also non-volatile memory, flash memory, PROM, and the like. Also, those implemented in the form of a carrier wave such as transmission through the Internet may be included.
  • the processor-readable recording medium is distributed in computer systems connected through a network, so that the processor-readable code can be stored and executed in a distributed manner.
  • first, second, etc. may be used to describe various components of the embodiments. However, interpretation of various components according to embodiments should not be limited by the above terms. These terms are only used to distinguish one component from another. Only thing For example, a first user input signal may be referred to as a second user input signal. Similarly, the second user input signal may be referred to as the first user input signal. Use of these terms should be construed as not departing from the scope of the various embodiments. Although both the first user input signal and the second user input signal are user input signals, they do not mean the same user input signals unless the context clearly indicates otherwise.
  • operations according to embodiments described in this document may be performed by a transceiver including a memory and/or a processor according to embodiments.
  • the memory may store programs for processing/controlling operations according to embodiments, and the processor may control various operations described in this document.
  • a processor may be referred to as a controller or the like.
  • Operations in embodiments may be performed by firmware, software, and/or a combination thereof, and the firmware, software, and/or combination thereof may be stored in a processor or stored in a memory.
  • the transmitting/receiving device may include a transmitting/receiving unit for transmitting/receiving media data, a memory for storing instructions (program codes, algorithms, flowcharts and/or data) for processes according to embodiments, and a processor for controlling operations of the transmitting/receiving device.
  • a transmitting/receiving unit for transmitting/receiving media data
  • a memory for storing instructions (program codes, algorithms, flowcharts and/or data) for processes according to embodiments
  • a processor for controlling operations of the transmitting/receiving device.
  • a processor may be referred to as a controller or the like, and may correspond to, for example, hardware, software, and/or combinations thereof. Operations according to the above-described embodiments may be performed by a processor. Also, the processor may be implemented as an encoder/decoder for the operations of the above-described embodiments.
  • the embodiments may be applied in whole or in part to an apparatus and system for transmitting and receiving point cloud data.
  • Embodiments may include changes/variations, which do not depart from the scope of the claims and their equivalents.

Landscapes

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

Abstract

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

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다.
실시예들에 따른 장치 및 방법은 높은 효율로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 장치 및 방법은 높은 퀄리티의 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 장치 및 방법은 VR 서비스, 자율주행 서비스 등 범용적인 서비스를 제공하기 위한 포인트 클라우드 콘텐트를 제공할 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다. 이하에서 설명하는 다양한 실시예들의 보다 나은 이해를 위하여, 하기 도면들에 걸쳐 유사한 참조 번호들이 대응하는 부분들을 포함하는 다음의 도면들과 관련하여 이하의 실시예들의 설명을 반드시 참조해야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도15는 실시예들에 따른 참조 프레임의 서치 윈도우를 나타낸다.
도16은 실시예들에 따른 움직임 추정 과정을 나타낸다.
도17은 실시예들에 따른 옥트리 뎁스의 모션 벡터 전송을 나타낸다.
도18은 실시예들에 따른 코스트 함수를 나타낸다.
도19는 실시예들에 따른 옥트리 뎁스에서 스플릿을 수행하는 예시를 나타낸다.
도20은 실시예들에 따른 인터 프레딕션을 나타낸다.
도21은 실시예들에 따른 이웃 점유를 고려한 모션 추정을 나타낸다.
도22는 실시예들에 따른 점유 패턴을 나타낸다.
도23은 실시예들에 따른 이웃 점유 비교 스코어를 나타낸다.
도24는 실시예들에 따른 주변부 점유 비교 과정을 나타낸다.
도25는 실시예들에 따른 이웃 자식 점유 패턴을 나타낸다.
도26은 실시예들에 따른 이웃 자식 점유 패턴을 나타낸다.
도27은 실시예들에 따른 이웃 자식 점유 패턴을 나타낸다.
도28은 실시예들에 따른 이웃 자식 점유 패턴을 나타낸다.
도29는 실시예들에 따른 이웃 자식 점유 패턴을 나타낸다.
도30은 실시예들에 따른 비트스트림 구조를 나타낸다.
도31은 실시예들에 따른 지오메트리 파라미터 세트를 나타낸다.
도32는 실시예들에 따른 데이터 유닛 헤더를 나타낸다.
도33은 실시예들에 따른 데이터 유닛을 나타낸다.
도34는 실시예들에 따른 포인트 클라우드 데이터 송신 장치을 나타낸다.
도35는 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도36은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도37은 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
도38은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도39는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
. 실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다.
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 컨텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000) 뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 데이터 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)으로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 3은 도 1 내지 도 2에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
포인트 클라우드 콘텐트는 다양한 3차원 공간(예를 들면 현실 환경을 나타내는 3차원 공간, 가상 환경을 나타내는3차원 공간 등)에 위치한 오브젝트(object) 및/또는 환경을 나타내는 포인트 클라우드 비디오(이미지들 및/또는 영상들)을 포함한다. 따라서 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 콘텐트를 생성하기 위하여 하나 또는 그 이상의 카메라(camera)들(예를 들면, 깊이 정보를 확보할 수 있는 적외선 카메라, 깊이 정보에 대응되는 색상 정보를 추출 할 수 있는 RGB 카메라 등), 프로젝터(예를 들면 깊이 정보를 확보하기 위한 적외선 패턴 프로젝터 등), 라이다(LiDAR)등을 사용하여 포인트 클라우드 비디오를 캡쳐할 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 깊이 정보로부터 3차원 공간상의 포인트들로 구성된 지오메트리의 형태를 추출하고, 색상정보로부터 각 포인트의 어트리뷰트를 추출하여 포인트 클라우드 데이터를 확보할 수 있다. 실시예들에 따른 이미지 및/또는 영상은 인워드-페이싱(inward-facing) 방식 및 아웃워드-페이싱(outward-facing) 방식 중 적어도 어느 하나 이상을 기반으로 캡쳐될 수 있다.
도3의 왼쪽은 인워드-페이싱 방식을 나타낸다. 인워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트를 캡쳐하는 방식을 의미한다. 인워드-페이싱 방식은 핵심 객체에 대한 360도 이미지를 사용자에게 제공하는 포인트 클라우드 콘텐트(예를 들면 사용자에게 객체(예-캐릭터, 선수, 물건, 배우 등 핵심이 되는 객체)의 360도 이미지를 제공하는 VR/AR 콘텐트)를 생성하기 위해 사용될 수 있다.
도3의 오른쪽은 아웃워드-페이싱 방식을 나타낸다. 아웃워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트가 아닌 중심 오브젝트의 환경을 캡쳐하는 방식을 의미한다. 아웃워드-페이싱 방식은 사용자의 시점에서 나타나는 주변 환경을 제공하기 위한 포인트 클라우드 콘텐트(예를 들면자율 주행 차량의 사용자에게 제공될 수 있는 외부 환경을 나타내는 콘텐트)를 생성하기 위해 사용될 수 있다.
도면에 도시된 바와 같이, 포인트 클라우드 콘텐트는 하나 또는 그 이상의 카메라들의 캡쳐 동작을 기반으로 생성될 수 있다. 이 경우 각 카메라의 좌표계가 다를 수 있으므로 포인트 클라우드 콘텐트 제공 시스템은 캡쳐 동작 이전에 글로벌 공간 좌표계(global coordinate system)을 설정하기 위하여 하나 또는 그 이상의 카메라들의 캘리브레이션을 수행할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 상술한 캡쳐 방식으로 캡쳐된 이미지 및/또는 영상과 임의의 이미지 및/또는 영상을 합성하여 포인트 클라우드 콘텐트를 생성할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 가상 공간을 나타내는 포인트 클라우드 콘텐트를 생성하는 경우 도3에서 설명한 캡쳐 동작을 수행하지 않을 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 캡쳐한 이미지 및/또는 영상에 대해 후처리를 수행할 수 있다. 즉, 포인트 클라우드 콘텐트 제공 시스템은 원하지 않는 영역(예를 들면 배경)을 제거하거나, 캡쳐한 이미지들 및/또는 영상들이 연결된 공간을 인식하고, 구명(spatial hole)이 있는 경우 이를 메우는 동작을 수행할 수 있다.
또한 포인트 클라우드 콘텐트 제공 시스템은 각 카메라로부터 확보한 포인트 클라우드 비디오의 포인트들에 대하여 좌표계 변환을 수행하여 하나의 포인트 클라우드 콘텐트를 생성할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 각 카메라의 위치 좌표를 기준으로 포인트들의 좌표계 변환을 수행할 수 있다. 이에 따라, 포인트 클라우드 콘텐트 제공 시스템은 하나의 넓은 범위를 나타내는 콘텐트를 생성할 수도 있고, 포인트들의 밀도가 높은 포인트 클라우드 콘텐트를 생성할 수 있다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
*
*
실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 40000), 양자화부(Quantize and Remove Points (Voxelize), 40001), 옥트리 분석부(Analyze Octree, 40002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 40005), 컬러 변환부(Transform Colors, 40006), 어트리뷰트 변환부(Transfer Attributes, 40007), RAHT 변환부(40008), LOD생성부(Generated LOD, 40009), 리프팅 변환부(Lifting)(40010), 계수 양자화부(Quantize Coefficients, 40011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 40012)를 포함한다.
좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(40000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(40001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(40001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(40001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(40001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(40002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(40003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(40004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(40006), 어트리뷰트 변환부(40007), RAHT 변환부(40008), LOD생성부(40009), 리프팅 변환부(40010), 계수 양자화부(40011) 및/또는 아리스메틱 인코더(40012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(40006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(40006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(40006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(40005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(40005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(40007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(40007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(40007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(40007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(40007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(40007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(40007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(40007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(40007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(40008) 및/또는 LOD 생성부(40009)로 입력된다.
실시예들에 따른 RAHT 변환부(40008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(40008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(40009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(40010)는 포인트 클라우드의 어트리뷰트들을 가중치에 기반하여 변환하는 리프팅 변환 코딩을 수행한다. 상술한 바와 같이 리프팅 변환 코딩은 선택적으로 적용될 수 있다.
실시예들에 따른 계수 양자화부(40011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(40012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 4의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 5는 X축, Y축, Z축의 3가지 축으로 구성된 좌표계로 표현되는 3차원 공간상에 위치한 복셀을 나타낸다. 도 4에서 설명한 바와 같이 포인트 클라우드 인코더(예를 들면 양자화부(40001) 등)은 복셀화를 수행할 수 있다. 복셀은 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 도 5는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하는 옥트리 구조를 통해 생성된 복셀의 예시를 나타낸다. 하나의 복셀은 적어도 하나 이상의 포인트를 포함한다. 복셀은 복셀군(voxel group)과의 포지션 관계로부터 공간 좌표를 추정 할 수 있다. 상술한 바와 같이 복셀은 2차원 이미지/영상의 픽셀과 마찬가지로 어트리뷰트(색상 또는 반사율 등)을 가진다. 복셀에 대한 구체적인 설명은 도 4에서 설명한 바와 동일하므로 생략한다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(40002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 6의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (xint n, yint n, zint n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
d =Ceil(Log2(Max(x_n^int,y_n^int,z_n^int,n=1,…,N)+1))
도 6의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 6 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 6의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 6에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 4의 포인트 클라우드 인코더, 또는 옥트리 분석부(40002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(Δx, Δy, Δz), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(40005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③ 자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure PCTKR2022006534-appb-img-000001
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다. .
표2-1. Triangles formed from vertices ordered 1,…,n
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
포인트 클라우드 비디오의 압축 효율을 증가시키기 위하여 실시예들에 따른 포인트 클라우드 인코더는 콘텍스트 어탭티브 아리스메틱 (context adaptive arithmetic) 코딩을 기반으로 엔트로피 코딩을 수행할 수 있다.
도 1 내지 도 6에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더 또는 아리스메틱 인코더(40004))는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더는 현재 노드의 오큐판시 코드와 이웃 노드들의 오큐판시를 기반으로 엔트로피 인코딩(인트라 인코딩)을 수행하거나, 이전 프레임의 오큐판시 코드를 기반으로 엔트로피 인코딩(인터 인코딩)을 수행할 수 있다. 실시예들에 따른 프레임은 동일한 시간에 생성된 포인트 클라우드 비디오의 집합을 의미한다. 실시예들에 따른 인트라 인코딩/인터 인코딩의 압축 효율은 참조하는 이웃 노드들의 개수에 따라 달라질 수 있다. 비트가 커지면 복잡해지지만 한쪽으로 치우치게 만들어서 압축 효율이 높아질 수 있다. 예를 들어 3-bit context를 가지면, 2의 3승인 = 8가지 방법으로 코딩 해야 한다. 나누어 코딩을 하는 부분은 구현의 복잡도에 영향을 준다. 따라서 압축의 효율과 복잡도의 적정 수준을 맞출 필요가 있다.
도7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더는 옥트리의 각 노드의 이웃 노드들의 오큐판시(occupancy)를 판단하고 이웃 노드 패턴(neighbor pattern) 값을 구한다. 이웃 노드 패턴은 해당 노드의 오큐판시 패턴을 추론하기 위해 사용된다. 도7의 왼쪽은 노드에 대응하는 큐브(가운데 위치한 큐브) 및 해당 큐브와 적어도 하나의 면을 공유하는 6개의 큐브들(이웃 노드들)을 나타낸다. 도면에 도시된 노드들은 같은 뎁스(깊이)의 노드들이다. 도면에 도시된 숫자는 6개의 노드들 각각과 연관된 가중치들(1, 2, 4, 8, 16, 32, 등)을 나타낸다. 각 가중치는 이웃 노드들의 위치에 따라 순차적으로 부여된다.
도 7의 오른쪽은 이웃 노드 패턴 값을 나타낸다. 이웃 노드 패턴 값은 오큐파이드 이웃 노드(포인트를 갖는 이웃 노드)의 가중치가 곱해진 값들의 합이다. 따라서 이웃 노드 패턴 값은 0에서 63까지의 값을 갖는다. 이웃 노드 패턴 값이 0 인 경우, 해당 노드의 이웃 노드 중 포인트를 갖는 노드(오큐파이드 노드)가 없음을 나타낸다. 이웃 노드 패턴 값이 63인 경우, 이웃 노드들이 전부 오큐파이드 노드들임을 나타낸다. 도면에 도시된 바와 같이 가중치1, 2, 4, 8가 부여된 이웃 노드들은 오큐파이드 노드들이므로, 이웃 노드 패턴 값은 1, 2, 4, 8을 더한 값인 15이다. 포인트 클라우드 인코더는 이웃 노드 패턴 값에 따라 코딩을 수행할 수 있다(예를 들어 이웃 노드 패턴 값이 63인 경우, 64가지의 코딩을 수행). 실시예들에 따라 포인트 클라우드 인코더는 이웃 노드 패턴 값을 변경 (예를 들면 64를 10 또는 6으로 변경하는 테이블을 기반으로) 하여 코딩의 복잡도를 줄일 수 있다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 7에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(40009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 8에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더, 또는 LOD 생성부(40009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 9의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 9의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 9의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 9에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 4에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.
표. Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
표. Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012)는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012)는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(40010)는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(40008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다. gl x, y, z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. gl x, y, z 는 gl+1 2x, y, z와 gl+1 2x+1, y, z로부터 계산될 수 있다. gl 2x, y, z 와 gl 2x+1, y, z 의 가중치를 w1=w l 2x, y, z 과 w2=w l 2x+1, y, z 이다.
Figure PCTKR2022006534-appb-img-000002
gl-1 x, y, z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. hl-1 x, y, z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는 w l-1 x, y, z=w l 2x, y, z+w l 2x+1, y, z로 계산된다. 루트 노드는 마지막 g1 0, 0, 0 과 g1 0, 0, 1을 통해서 다음과 같이 생성된다.,
Figure PCTKR2022006534-appb-img-000003
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 디코더는 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006) 예시로서, 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006)의 동작 등과 동일 또는 유사한 동작을 수행할 수 있다. 도면이 도시된 바와 같이 포인트 클라우드 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 디코더는 지오메트리 디코더(geometry decoder)및 어트리뷰트 디코더(attribute decoder)를 포함한다. 지오메트리 디코더는 지오메트리 비트스트림에 대해 지오메트리 디코딩을 수행하여 디코딩된 지오메트리(decoded geometry)를 출력한다. 어트리뷰트 디코더는 디코딩된 지오메트리 및 어트리뷰트 비트스트림을 기반으로 어트리뷰트 디코딩을 수행하여 디코딩된 어트리뷰트들(decoded attributes)을 출력한다. 디코딩된 지오메트리 및 디코딩된 어트리뷰트들은 포인트 클라우드 콘텐트를 복원(decoded point cloud)하는데 사용된다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 디코더는 도 10에서 설명한 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 11000), 옥트리 합성부(synthesize octree, 11001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 11002), 지오메트리 리컨스트럭션부(reconstruct geometry, 11003), 좌표계 역변환부(inverse transform coordinates, 11004), 아리스메틱 디코더(arithmetic decode, 11005), 역양자화부(inverse quantize, 11006), RAHT변환부(11007), LOD생성부(generate LOD, 11008), 인버스 리프팅부(Inverse lifting, 11009), 및/또는 컬러 역변환부(inverse transform colors, 11010)를 포함한다.
아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스럭션부(11003), 좌표계 역변환부(11004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 9에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(11000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(11000)의 동작은 아리스메틱 인코더(40004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(11001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(11002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(11003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 9에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(11003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(11003)는 지오메트리 리컨스트럭션부(40005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 6에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(11004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(11005), 역양자화부(11006), RAHT 변환부(11007), LOD생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(11005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(11006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(11010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(11010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 12에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 4의 포인트 클라우드 인코더)의 예시이다. 도 12에 도시된 전송 장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 (Arithmetic) 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011) 및/또는 전송 처리부(12012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(12000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 9에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(12001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(12001)의 동작 및/또는 양자화는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(12002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(120002)는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(12003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(12003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(12003)는 도 4 및 도 6에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(40002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(12004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(12004)는 도 4 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(12005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(12005)는 도 7에서 설명한 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 구체적인 설명은 도 7에서 설명한 바와 동일하다. 실시예들에 따라 인트라/인터 코딩 처리부(12005)는 아리스메틱 코더(12006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(12006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(12006)는 아리스메틱 인코더(40004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(12007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(12007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(12008), 어트리뷰트 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 9에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(12008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(12008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하다. 또한 도 4에서 설명한 컬러 변환부(40006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(12009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(12009)는 도 4에 설명한 어트리뷰트 변환부(40007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(12010)는 도 4에서 설명한 RAHT 변환부(40008), LOD 생성부(40009) 및 리프팅 변환부(40010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(12011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(12011)는 아리스메틱 인코더(400012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(12012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(12007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(12012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(12012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 13에 도시된 수신 장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 13에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(13000), 수신 처리부(13001), 아리스메틱 (arithmetic) 디코더(13002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(13004), 인버스(inverse) 양자화 처리부(13005), 메타데이터 파서(13006), 아리스메틱 (arithmetic) 디코더(13007), 인버스(inverse)양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009), 색상 역변환 처리부(13010) 및/또는 렌더러(13011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(13000)는 포인트 클라우드 데이터를 수신한다. 수신부(13000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(13001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(13001)는 수신부(13000)에 포함될 수 있다.
아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(13002)는 아리스메틱 디코더(11000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 옥트리 합성부(11001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(13004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(13004)는 서페이스 오프록시메이션 합성부(11002) 및/또는 지오메트리 리컨스트럭션부(11003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(13006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(13006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 12에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(13007), 인버스 양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009) 및 색상 역변환 처리부(13010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(13007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(13007)는 아리스메틱 디코더(11005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(13008)는 역양자화부(11006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(13009)는 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(13010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(13010)는 컬러 역변환부(11010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(13011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 14의 구조는 서버(1460), 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상이 클라우드 네트워크(1410)와 연결된 구성을 나타낸다. 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440) 또는 가전(1450) 등은 장치라 호칭된다. 또한, XR 장치(1430)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1400)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1400)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1460)는 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상과 클라우드 네트워크(1400)을 통하여 연결되고, 연결된 장치들(1410 내지 1470)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1470)는 실시예들에 따른 XR 디바이스 및/또는 PCC 디바이스가 구현될 수 있는 타입 중 하나를 나타낸다. 실시예들에 따른HMD 타입의 디바이스는, 커뮤니케이션 유닛, 컨트롤 유닛, 메모리 유닛, I/O 유닛, 센서 유닛, 그리고 파워 공급 유닛 등을 포함한다.
이하에서는, 상술한 기술이 적용되는 장치(1410 내지 1450)의 다양한 실시 예들을 설명한다. 여기서, 도 14에 도시된 장치(1410 내지 1450)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1430)는 PCC 및/또는 XR(AR+VR) 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수도 있다.
XR/PCC 장치(1430)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 어트리뷰트 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR/PCC 장치(1430)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+XR+모바일폰>
XR/PCC 장치(1430)는 PCC기술이 적용되어 모바일폰(1440) 등으로 구현될 수 있다.
모바일폰(1440)은 PCC 기술에 기반하여 포인트 클라우드 콘텐츠를 디코딩하고, 디스플레이할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1420)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1420)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(1420)은 XR 장치(1430)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1420)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1420)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 발명의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 데이터 (PCC) 송수신 장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신 장치 차량에 탑재된 경우, 포인트 클라우드 송수신 장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도15, 34의 인코더, 도36 인코딩, 도38 송신 방법 등을 지칭하는 용어로 해석된다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도15, 35의 디코더, 도37 디코딩, 도39의 수신 방법 등을 지칭하는 용어로 해석된다.
또한, 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 실시예들에 따른 방법/장치로 줄여서 호칭될 수 있다.
실시예들에 따라, 포인트 클라우드 데이터를 구성하는 지오메트리 데이터, 지오메트리 정보, 위치 정보 등은 서로 동일한 의미로 해석된다. 포인트 클라우드 데이터를 구성하는 어트리뷰트 데이터, 어트리뷰트 정보, 속성 정보 등은 서로 동일한 의미로 해석된다.
실시예들에 따른 방법/장치는 프레임 간 및 프레임 내 주변부 상관도에 기반한 위치를 압축하고 복원할 수 있다(inter- and intra-frame child neighbor correlation based geometry coding).
포인트 클라우드 데이터를 효율적으로 압축하고 서비스하기 위한 방법으로써, 실시예들은 옥트리 기반 압축/복원 방법을 포함할 수 있다. 이 때, 압축 효율을 높이기 위한 방법으로써프레임 간 상관관계에 기반해 중복 정보를 제거하여 압축 효율을 높일 수 있다.
실시예드은 포인트 클라우드(point cloud)로 데이터를 압축/복원하기 위한 기술을 포함한. 구체적으로, 위치 정보 압축 효율을 높이기 위한 기술을 다루며, 서로 다른 프레임 간의 정보 유사성을 기반으로 압축/복원 효율을 높이기 위한 방법을 제공한다.
도4 및 도11을 참조하면, 포인트 클라우드 데이터는 각 데이터의 위치(geometry: e.g., XYZ 좌표)와 속성(attribute: e.g., color, reflectance 등) 정보로 구성된다. 효율적인 압축을 위해 위치 정보와 속성 정보를 압축하는 방법들이 연구되고 있는데, 위치 정보를 압축함에 있어서 octree 기반 압축 방법을 사용한 후 압축 데이터를 기반으로 속성 정보를 압축한다.
현재 표준에서 정의된 위치 압축(지오메트리 압축, 지오메트리 인코딩)은 현재 프레임 내 포인트 간의 유사성을 줄이기 위한 방법이다. 하지만 연속된 프레임으로 구성된 경우 인접 프레임 간의 상관관계가 높으며, 이를 이용하여 중복되는 정보를 제거함으로써 높은 코딩 효율을 얻을 수 있다. 특히, 주변부 상관도를 고려함에 있어서 이웃 자식 노드(neighbor child node)의 ooccupacy 정보를 사용할 수 있다.
실시예들은 인터 프레임(inter-frame) 및 인터 레이어 코릴레이션(inter-layer correlation) 기반 지오메트리 코딩(geometry coding) 방법을 제공할 수 있다.
이전 프레임에 존재하는 예측 노드의 자식 레벨(child level) 주변부 점유 패턴을 이용하여 압축 효율 향상할 수 있고, 이전 프레임의 주변부 점유 패턴에 기반한 코딩되지 않은 이웃(uncoded neighbor)의 자식 레벨(child level) 주변부 노드 점유율을 예측할 수 있다.
실시예들은 포인트 클라우드 압축 방법 중 위치 압축 방법의 압축 효율을 높이기 위한 방법에 대해서 기술한다. 실시예드에 따른 위치 압축은 컨텍스트에 기반한 압축 방법으로, 압축 대상 노드를 압축할 때 관련된 정보를 기반으로 확률을 예측하는 방법을 개선한다. 이 때, 인접 프레임 간의 움직임이 크지 않은 경우 압축 대상 노드와 예측 노드의 유사성뿐만 아니라, 압축 대상 노드의 주변부 노드와 예측 노드의 주변부 노드의 유사성도 가정할 수 있다. 이러한 가정을 기반으로 예측 노드의 점유(occupancy) 정보와 함께 예측 노드의 주변부 노드의 occupancy 정보를 추가적으로 사용할 수 있고, 추가 정보를 기반으로 압축 효율을 높일 수 있다. 실시예들에 따른 움직임 예측 기반 압축 방법을 사용함에 있어서 주변부 노드의 점유 정보를 기반으로 압축 효율을 높이기 위한 방법을 제공할 수 있다.
도15는 실시예들에 따른 참조 프레임의 서치 윈도우를 나타낸다.
도16은 실시예들에 따른 움직임 추정 과정을 나타낸다.
도15-16는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도15, 34의 인코더, 도36 인코딩, 도38 송신 방법, 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도15, 35의 디코더, 도37 디코딩, 도39의 수신 방법 등이 참조 프레임에서 유사 정보를 추정하기 위해서 움직임을 추정하는 예시를 나타낸다.
1) 실시예들에 따른 이웃 점유(Neighbor occupancy) 기반 모션 추정(motion estimation)
실시예들에 따른 모션 추정(motion estimation)은 예측 유닛(prediction unit) (PU) 단위로 수행될 수 있다. 이 때 PU은 현재 프레임의 옥트리(octree)의 특정 뎁스(depth) 에서 인접한 노드들의 집합으로 정의할 수 있다. 특히, 동일한 부모(parent)를 갖는 노드들의 집합으로 정의할 수 있다.
현재 인코딩 및/또는 디코딩의 대상인 현재 프레임에 대해 정의된 임의의 PU(1500)에 대해 참조 프레임에서 유사한 정보(1501)를 추정하기 위해 도15와 움짐임(1502)을 추정할 수 있다. 참조 프레임은 현재 프레임을 인코딩/디코딩할 때 참조하는 프레임을 의미하고, 현재 프레임 이전에 인코딩 및/또는 디코딩된 프레임을 의미할 수 있다. 현재 프레임 이전에 처리된 프레임을 참조함으로써 현재 프레임의 인코딩/디코딩 효율을 증가시킬 수 있다.
이 때, 움직임 추정의 효율성을 위해 참조 프레임에 대해 움직임 조사 영역(search window)를 정의하고 PU(1500)에 포함된 정보와의 유사성을 추정할 수 있다. 이 때, 움직임 추정의 정확성을 높이기 위한 방법으로써 PU 의 주변부 노드(1503)의 정보를 사용할 수 있다. 대상 노드를 중심으로 상하좌우앞뒤의 6개의 주변부 노드(1503)를 동시에 고려할 수 있다. 적용 방법에 따라서 주변부 노드는 다른 정의(예를 들어 점, 선, 면이 닿는 노드 등) 를 사용할 수 있다. 이는 프레임 간 연속성이 높은 영역에 대해서는 특정 노드 뿐 아니라 주변부 노드에 대해서도 유사한 움직임이 나타날 가능성이 크다는 가정에 기반한 것이다. 현재 프레임에 속한 예측 단위 PU에 속하는 포인트의 집합을 block B(1500)라고 정의하고, 참조 프레임(인터 프레임)에서 조사 영역 서치 윈도우(조사 영역)(search window) W 내에 정의된 임의의 예측 후보에 속한 포인트의 집합을 프레딕터 후보(예측자 후보)(predictor candidate) P (1501)라고 할 때, 도16과 같이, B와 P 사이의 차이 D(B, P)는 각 포인트의 차이에 대한 함수로 정의할 수 있다. 이 때, B와 P의 주변부 노드(1501, 1503)의 집합을 Bn, Pn 으로 정의하고, 각 노드의 상대적인 위치를 PU 및/또는P 를 기준으로 B(-1, 0, 0), B(1, 0, 0), B(0, -1, 0), B(0, 1, 0), B(0, 0, -1), B(0, 0, 1) 혹은 P(-1, 0, 0), P(1, 0, 0), P(0, -1, 0), P(0, 1, 0), P(0, 0, -1), P(0, 0, 1) 와 같이 나타낼 수 있다. B와 P에 속한 포인트를 b, p라고 할 때 각각의 위치를 b(x,y,z), p(x,y,z)로 정의하고, Bn 과 Pn 에 속한 포인트를 bn, pn 으로 정의하는 경우 차이를 나타낼 수 있다. 도16에서 w는 프레딕터(predictor)와 이웃(neighbor)의 중요도를 결정하기 위한 가중치로 사용할 수 있으며, 필요에 따라서 이웃(neighbor) 위치에 따라 서로 다른 가중치를 적용할 수 있다.
PU와 예측 후보의 차이가 전술한 바와 같이 정의 되었을 때, PU에 대한 참조 프레임에서의 움직임 추정은 조사 영역(서치 윈두우)에서 정의 가능한 모든 예측 후보 P 중에서 D(B, P)가 가장 작은 P(1501)를 예측값으로 정의하고, 두 block 사이의 움직임 벡터 motion vector V(1502)를 도16과 같이 두 block의 위치 차이로 정의할 수 있다.
이를 통해 최소한의 error를 발생시키는 것뿐만 아니라 전송 효율 측면에서 최선의 모션 벡터(motion vector)를 찾을 수 있다. motion vector에 의한 오차 D(B, P(W,V))와 motion vector를 사용함으로 인해 발생하는 bit 사용을 가중치 함수 λ로 조절하는 코스트 함수(cost function)를 도16과 같이 생성할 수 있다. 도16의 cost function 을 사용하는 경우 가중치 함수에 따라 에러를 줄이면서 비트을 적게 사용하는 최적의 motion vector를 찾을 수 있다. 예를 들어 가중치 함수가 0인 경우 오류를 최소화 하는 motion vector를 사용하게 되며, 반대로 가중치 함수가 무한대인 경우 사용되는 비트를 최소화 하기 위해 motion vector = 0에 수렴하게 된다.
도17은 실시예들에 따른 옥트리 뎁스의 모션 벡터 전송을 나타낸다.
실시예들에 따르면, 도15-16과 같이 현재 PU에 대해 유사도를 추정하고, 특정 옥트리 뎁스(octree depth)에서의 motion vector를 찾는 것뿐만 아니라 일정 octree depth 범위 중 최적의 octree에 대해 motion vector를 찾을 수 있다. 이 경우 각 octree node가 점유(occupied) 되었는지 여부를 알리고, motion vector를 찾지 않는 경우 octree 분할을 해야함을 알려줄 수 있다. 현재 octree depth에서의 현재 노드에 대한 child 노드에 대한 점유 비트(occupancy bit)정보를 팝퓰레이션 플래그(population flag)로 나타낼 수 있다. 현재 octree depth 에서 motion vector를 전송할지 혹은 하위 depth 단계에서 motion vector를 전송할지 여부에 대해 스플릿 플래그(split flag)를 통해 알려줄 수 있다. 팝퓰레이션 플래그(population flag) 및 스플릿 플래그(split flag)는 비트스트림에 포함되어 전송될 수 있다.
스플릿 플래그가 0이면, 현재 뎁스의 노드에 기초하여 모션 벡터를 전송할 수 있다.
스플릿 플래그가 1이면, 현재 뎁스의 다음 뎁스로 스플릿이 수행됨을 나타낼 수 있다. 스플릿 영역에 대해 비트 점유가 있는지를 팝퓰레이션 플래그를 통해 표현할 수 있다. 1이면 점유 비트가 있고, 0이면 점유 비트가 없다.
LPU는 가장 큰 예측 단위이고, 복수의 PU들을 포함할 수 있다. LPU(Largest Prediction Unit)은 PU들로 스플릿될 수 있다. 점유 비트(어큐판시 비트)가 있는 LPU 및 점유 비트가 없는 LPU가 있을 수 있다. 점유 비트가 있는 LPU는 PU들로 스플릿될 수 있다. 옥트리 뎁스 기준으로 보면, 뎁스가 늘어면서, 노드가 상세히 분할될 수 있다.
특정 뎁스에서 첫 번째 스플릿을 적용한 뒤, 2번째 스플릿을 하는 경우의 수가 2D 기준으로 도17과 같이 다양할 수 있다. 이때 스플릿된 노드(영역)에 대한 점유 비트 존재를 팝 플래그(pop flag)로 표시할 수 있다.
예를 들어, 스플릿 플래그가 0이면 현재 뎁스의 노드를 스플릿하지 않는다. 스플릿 플래그가 1이면 현재 뎁스의 노드가 2D 기준으로 4개로 스플릿된다. 스플릿된 노드들에 대한 추가 스플릿이 없으면 0비트가 플래그에 할당된다. 즉, 스플릿 플래그는 1 0000이 된다. 스플릿된 노드를 2D기준으로 1사분면, 2사분면, 3사분면, 4사분면이라고 하면, 1사분면에 점유 비트가 있고 나머지는 점유 비트가 없는 경우 팝 플래그는 1000가 된다.
도18은 실시예들에 따른 코스트 함수를 나타낸다.
도18과 같이, 각 octree depth에 대해 split 여부를 결정하기 위해서 하위 PU cost에 대한 누적값으로 cost function 을 정의하고 cost가 가장 적은 방향으로 결정할 수 있다.
점유 비트를 가진 모션 벡터 1에 대한 코스트 및 모션 벡터 2에 대한 코스트에 기초하여, 코스트 함수를 계산할 수 있다.
특정 뎁스에서 점유가 1001과 같은 경우, 점유 노드의 모션벡터1 및 모션벡터2에 대한 코스트를 계산해서, 스플릿 여부를 결정할 수 있다.
도19는 실시예들에 따른 옥트리 뎁스에서 스플릿을 수행하는 예시를 나타낸다.
도19는 octree 구조를 갖는 포인트 클라우드 데이터에 대해 움직임 벡터를 찾는 과정을 수행한 결과를 나타낸 것으로, root에서 leaf에 이르는 octree 구조에서 motion estimation 을 수행하는 depth 범위를 1900으로 표시하였다. 특정 노드에 대해 split 하지 않고 MV를 전달하는 경우가 split 하는 것보다 적은 cost가 필요로 하는 경우 split = 0으로 지정하고 해당 노드에 대한 MV를 전달할 수 있다. 반대로 split 하는 경우가 MV를 전달하는 경우보다 더 적은 cost가 필요한 경우 하위 노드에서 MV를 전달할 수 있도록 한다.
영역 1900는 모션 추정 뎁스 시작(ME depth start) 및 모션 추정 뎁스 종료(ME depth end)를 통해 표시될 수 있다.
노드1902를 압축 및/또는 복원하기 위해서, 노드1902에서 MV를 생성하는 경우의 코스트를 계산하고, 노드1902를 스플릿해서, 노드1903 및 노드1904에서 MV를 생성하는 경우의 코스트를 계산한 뒤, 두 코스트를 비교할 수 있다. 하위 뎁스 스플릿의 코스트가 더 효율적인 경우, 스플릿을 진행하고 스플릿 플래그에 1값을 할당할 수 있다.
도20은 실시예들에 따른 인터 프레딕션을 나타낸다.
도15 등과 같이, 실시예들에 따른 인터 프레딕션(inter-prediction) 기반 속성 압축/복원 방법은 참조 프레임에 대한 motion vector V 정보를 통해 예측 블록 Predictor P를 특정할 수 있다. 현재 프레임에 대해 예측이 수행되는 PU 블록의 위치를 B(x,y,z)라고 하고, 움직임 벡터 V를 V(x,y,z)라고 할 때 Predictor P의 위치 P(x,y,z)(지오메트리 데이터)는 도20과 같이 정의될 수 있다.
이 때, 블록의 위치는 블록에 포함된 포인트에 대한 bounding box의 각 축에 대한 최소값으로 정의될 수 있다. 참조 프레임에서 정의된 P를 기반으로 현재 프레임의 예측 대상 B를 예측할 수 있다. 현재 프레임의 PU에 대한 예측을 B' 이라고 할 때, B'에 속하는 포인트들의 occupancy는 P의 occupancy를 따르고, B'에 속하는 포인트들 b'의 위치와 속성은 P에 속한 포인트 p 의 위치와 속성에 대해 도20과 같이 정의할 수 있다.
도21은 실시예들에 따른 이웃 점유를 고려한 모션 추정을 나타낸다.
도20과 같이 인터 프레임 기반 현재 포인트 클라우드 데이터(위치, 속성)를 예측하는 경우, 주변부 이웃을 추가로 고려할 수 있다.
2) 실시예들에 따른 이웃 점유 패턴(Neighbor occupancy pattern)
실시예들에 따른 motion estimation을 기반으로 찾은 참조프레임 내의 정보를 predictor로 정의할 때, predictor의 child occupancy는 PU의 child occupancy 정보의 압축(복원) 효율을 높이기 위한 추가 정보로써 사용될 수 있다. 포인트 클라우드 데이터를 압축할 때 entropy coding을 사용하는데, 의 효율을 높이기 위한 context로 사용될 수 있다. PU child occupancy를 압축할 때 참조 프레임 기반 예측을 사용함으로써 이전 프레임의 유사한 포인트들의 분포 특성을 참고함으로써 압축 효율을 높일 수 있다. 이와 마찬가지로 참조 프레임의 predictor 뿐만 아니라 주변부 점유를 같이 고려하는 경우 주변부 분포 특성을 참고함으로써 예측의 정확성을 높이는 동시에 압축 효율을 높일 수 있다. 주변부 점유를 고려하기 위해서 본 발명에서는 predictor의 주변부 점유 패턴을 고려하는 방법, predictor 와 PU의 주변부 점유 분포 특성을 비교하는 방법을 기술한다.
참조 프레임 내에서 예측 대상 PU와 유사한 블록으로 선택된 predictor에 대해 주변부 점유 패턴을 압축(복원)에 사용할 수 있다. 앞서 motion estimation 에서 정의한 것과 같이 predictor (20000) 의 주변부 노드(predictor와 면이 닿아있는 정사면체)를 정의하는 경우, 6개 주변부 노드의 점유 상황에 따라 64개(=2^6)의 패턴이 정의될 수 있다. 각각의 주변부 노드에 기술된 숫자가 있는데, 점유된 주변부 노드에 대응되는 숫자를 합하여 점유 패턴 인덱스를 정의할 수 있다. 예를 들어 상하좌우의 주변부 노드가 점유된 경우의 인덱스는 1+ 2+ 4+ 8 = 15 가 될 수 있다. 주변부 노드를 predictor와 동일한 크기이며 Predictor와 면이 닿은 노드로 고려하지만 다른 크기 혹은 다른 위치의 주변부 노드를 고려할 수 있다.
도22는 실시예들에 따른 점유 패턴을 나타낸다.
도21에서 나타날 수 있는 점유 패턴의 개수를 도22와 같이 감축시킬 수 있다.
Predictor를 회전하는 경우 패턴의 수를 줄일 수 있다. 예를 들어 하나의 노드만 점유된 경우에 대해 상, 좌, 하에 대해 x-y 평면으로 90도, 180도, 270도 회전, 뒤, 앞에 대해 x-z 평면에서 90도, 270도 회전하는 경우 우측 노드가 점유된 경우와 동일한 패턴으로 고려할 수 있다. 이와 같이 회전, 미러링 등을 통해 패턴의 수를 줄이는 방법을 사용할 수 있다. 아래는 중복되는 패턴을 고려하여 64개의 패턴을 10개의 패턴으로 줄이는 예를 나타낸 것이다.
도23은 실시예들에 따른 이웃 점유 비교 스코어를 나타낸다.
3) 실시예들에 따른 이웃 점유 비교 스코어(Neighbor occupancy comparison score)
이웃 점유 패턴(Neighbor occupancy pattern) 기반 컨텍스트(context)로써 프레딕터(predictor)와 PU의 대응되는 neighbor 간의 유사성을 비교할 수 있다. 도23은 PU와 predictor에 대해 각각 6 neighbor를 정의하고 up, down, left, right, front, back 각 위치에 대해 대응되는 주변부 노드를 표시한 것이다. 이 때 대응되는 노드의 occupancy 정보가 일치하는 비율이 높을수록 predictor의 예측 정확도가 높다고 판단할 수 있으며, 반대로 주변부 노드의 점유 정보가 모두 불일치하는 경우 predictor의 예측 정확도가 낮다고 판단할 수 있다.
도24는 실시예들에 따른 주변부 점유 비교 과정을 나타낸다.
도23과 같이 이웃 점유 비교 스코어 비교를 위해서 도24와 같이, PU와 Predictor의 주변부 점유를 비교하기 위해 두가지 방법을 사용할 수 있다. 먼저 PU 혹은 predictor 의 n 번째 neighbor 에 대해 점유 여부를 PU neighbor occupancy flag (n) 혹은 Predictor neighbor occupancy flag (n)로 나타낼 수 있다. 1 인경우 n 번째 neighbor가 occupied 되었다는 것을 나타내고, 0인 경우 n 번째 neighbor가 non-occupied 되었다는 것을 나타낼 수 있다. 이를 기반으로 PU와 Predictor의 n 번째 neighbor의 occupancy 일치 여부를 정의할 수 있다. 즉, n 번째 neighbor 위치에 대해 PU neighbor occupancy 와 Predictor neighbor occupancy가 일치하는 경우(둘 다 occupied 되었거나 혹은 unoccupied 된 경우) n 번째 neighbor occupancy comparison flag 를 1로 정의하고, n 번째 neighbor 위치에 대해 PU neighbor occupancy 와 Predictor neighbor occupancy가 불일치하는 경우(하나가 occupied 되고 다른 하나가 unoccupied 된 경우) n 번째 neighbor occupancy comparison flag 를 0으로 정의할 수 있다.
PU와 Predictor의 각 neighbor 에 대한 비교를 기반으로 Predictor의 neighbor occupancy score를 구할 수 있다. 아래의 실시예에서는 neighbor occupancy score를 구하는 방법을 기술한 것으로써 1) neighbor occupancy comparison flag를 기반으로 각 위치에 따른 pattern을 나타내기 위한 방법 2) 일치하는 neighbor 의 수를 구하는 방법 3) PU와 Predictor 가 일치하는 occupied neighbor 의 개수 4) PU와 Predictor 가 일치하는 unoccupied neighbor 의 개수 와 같이 score를 디자인 할 수 있다.
주변부 점유 스코어를 기반으로 context table을 선택하는데 사용할 수 있다. 예를 들어 neighbor occupancy score 1의 경우 각각의 score에 대해 서로 다른 context table을 사용하거나, rotation, tile 에 의해 중복되는 occupancy score 를 제거하여 더 적은 수 (dPfmf 들어 10개의 neighbor pattern) 의 score로 context table을 구분하여 사용할 수 있다. 또 다른 방법으로써 neighbor occupancy score2가 threshold 에 따라 두개 이상의 구간으로 나누어 context table을 구분하여 사용할 수 있다. 이 경우 threshold 이상인 경우 충분한 수의 일치가 있으며 이 경우 prediction 의 유사성이 높을 확률이 높고, threshold 이하인 경우 불일치 하는 경우가 많으므로 prediction 의 유사성이 낮을 확률이 높다고 볼 수 있으며, 각각의 context table은 일지하는 경우와 일치하지 않는 경우를 구분하여 확률을 update할 수 있다. 또 다른 예로써 neighbor occupancy score 3과 4는 압축 대상 노드의 주변 노드가 점유되거나 점유되지 않은 경우 대응되는 예측 주변 노드가 동일하게 점유되거나 점유되지 않은 경우를 조사한 것으로써, 두 값을 비교하는 경유 주변 노드의 점유/비점유의 경우 예측 주변 노드의 일치하는 비율을 비교하여 서로 다른 context table을 사용 할 수 있다.
도25는 실시예들에 따른 이웃 자식 점유 패턴을 나타낸다.
4) 실시예들에 따른 이웃 자식 점유 패턴(neighbor child occupancy pattern)
도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도15, 34의 인코더, 도36 인코딩, 도38 송신 방법, 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도15, 35의 디코더, 도37 디코딩, 도39의 수신 방법 등을 포함하는 실시예들에 따른 방법/장치는 현재 노드의 주변부 노드의 점유 정보를 바탕으로 현재 노드의 점유 확률을 구할 수 있다. 이웃 자식(neighbor child)의 어큐판시(occupancy) 정보를 활용할 수 있다. 도25는 압축 대상 노드(현재 프레임의 부모 노드 2500)의 child 노드(2501)에 대해 이웃 자식 점유(neighbor child occupancy, 2502) 가능성을 나타낸 것이다. 이 때, 압축 대상 child 노드 (2501 면 육면체)에 대해 neighbor child 노드 (2502 면 육면체)의 관계는 면(또는 선)이 닿은 child 노드의 개수를 기반으로 고려할 수 있다. 예측 대상 노드 (2501 선 육면체) 내의 child 노드의 occupancy는 알 수 없으므로, parent의 neighbor (2503 선 육면체) 중에서 current child (2501 면 육면체) 와 면(또는 선)이 닿은('터칭' 용어로 표현 가능) child 노드(2502)의 수만을 고려하며, 이 때 최대 이웃 터칭(neighbor touching) (NT) 개수는 3개가 될 수 있다. 예를 들어, context의 수를 줄이기 위한 방법으로써 rotation 을 고려해 NT가 2인 경우와 1인 경우에 대해 방향에 따라 서로 다른 3가지를 하나의 경우로 고려할 수 있다. 하지만 context buffer에 대한 부담이 없거나, rotation 에 따른 차이를 고려하는 경우 각각을 별도의 경우로 고려할 수도 있다. 실시예들에 따른 이웃 터칭은 노드(박스) 간 면이 맞닿았거나, 선이 맞닿은 경우를 의미할 수 있다. 실시예들에 따른 이웃 터칭은 이웃, 이웃 후보로 줄여서 지칭될 수 있다. NT=3인 경우, NT=2인 경우, NT=1인 경우, NT=0인 경우 등에 대한 터칭 패턴이 도25와 같이 서치되고 생성될 수 있다. 터칭 패턴에 기초하여 현재 노드(2501)을 이웃 노드(2502)들에 기초하여 효율적으로 압축하고 복원할 수 있다.
도25는 predictor_neighbor_enabled_flag = 0인 경우(predictor 만을 사용함)에 대응할 수 있다.
도26은 실시예들에 따른 이웃 자식 점유 패턴을 나타낸다.
도25와 비교 시, 도26은 현재 자식(current child)의 위치가 다른 경우에 대한 NT의 가능한 실시예이다. 이 때, Current node의 위치가 바운딩 박스 상 탑-레프트-백(top-left-back, 2600)에 위치한 경우 부모 이웃(parent neighbor) 관점에서 제약이 발생할 수 있다. 이는 coding 순서 상 parent neighbor 가 left, front, bottom 에만 존재하기 때문이다. 즉, top-left-back 위치의 child의 경우 left에만 parent neighbor가 존재하기 때문에 (front는 current parent에 속한 child 이므로 고려대상이 아님, back 의 경우 parent neighbor 가 coding 되기 이전이기 때문에 존재하지 않음) left neighbor child(2601)가 존재하는지 여부에 따라 neighbor child touching이 결정된다. 즉, NT 의 최대값은 1이며, 0 혹은 1의 두가지 경우만 존재하게 된다.
도27은 실시예들에 따른 이웃 자식 점유 패턴을 나타낸다.
도25-26의 이웃 자식 점유 고려는 도27과 같이 확장될 수 있다.
실시예들에 따른 확장 방법은 프레딕터(predictor) 및 현재 이웃(current neighbor) 기반 3 이웃 자식(neighbor child)을 포함할 수 있다.
부모 이웃의 위치 이슈에 대한 방법으로써 이전 프레임의 child occupancy 정보를 활용할 수 있다. 도27은 8개 child 노드 위치에 대한 이웃 자식 터치(neighbor child touch)의 개수를 나타낸 것이다. 아래의 2700 선 육면체는 현재 노드의 neighbor 노드를, 2701 면 육면체는 neighbor 노드의 child를 나타낸다. 이전 프레임에서 현재 노드와 대응되는 노드를 예측된 노드(predicted node)라고 하는 경우 predicted node의 neighbor를 2702 선으로 나타낼 수 있다. 이 때, 현재 프레임에 대해 코딩된 좌, 앞, 바닥(left, front, bottom) 위치의 neighbor노드는 현재 프레임에서 사용하되, 코딩 되지 않는 right, back, top 위치의 neighbor에 대해서는 이전 프레임으로부터 neighbor를 참조할 수 있다. 즉, current parent node와 predicted parent node 사이의 상관관계를 바탕으로 current neighbor와 predicted node의 neighbor 간 유사성이 있고, child occupancy에도 상관관계가 존재한다는 것이다. 즉, 프레임 간 유사성이 높은 참조 노드를 설정해서 부호화 및 복호화할 수 있다.
이와 같은 상관관계를 바탕으로 현재 부모 노드(current parent node)의 neighbor가 없는 부분, 즉, top, right, back 위치에 대해 neighbor를 유추할 수 있으며, 8개 자식 노드 위치(child node position) (bottom-left-front, bottom-left-back, bottom-right-front, bottom-right-back, top-left-front, top-left-back, top-right-front, top -right-back) 에 대해 3개의 child neighbor touching을 고려해줄 수 있으며, 모든 위치에 대해 동일한 NT를 고려할 수 있다.
응용 분야에 따라서 current frame의 neighbor 정보, predicted frame의 neighbor 정보에 대해 서로 다른 가중치를 적용할 수 있다. 예를 들어 current frame의 neighbor 정보에 대한 유효도가 predicted frame 의 neighbor 정보 보다 더 큰 경우 NT를 구할 때 current frame 의 neighbor 정보에 대한 가중치를 더 크게 줄 수 있다. 인터 프레임(2702) 및 인트라 프레임(2700)에 기초하여 현재 노드의 예측을 수행할 수 있다.
도27은 inter_predicted_neighbor_child_occupancy_type = 0인 경우 (current neighbor node가 존재하지 않는 위치에 대해 predicted neighbor 를 사용하는 predictor 기반 3 neighbor child방법)에 대응할 수 있다.
도28은 실시예들에 따른 이웃 자식 점유 패턴을 나타낸다.
도25-27의 이웃 자식 점유 고려는 도28과 같이 확장될 수 있다.
실시예들에 따른 확장 방법은 프레딕터(predictor) 및 현재 이웃(current neighbor) 및 형제(sibling) 기반 6 neighbor child을 포함할 수 있다.
예측된 부모(predicted parent)의 neighbor의 child를 고려해주는 것과 함께, current node에 속한 형제(sibling)들을 고려해줄 수 있다. 도28은 8개 child node 위치에 대해 current neighbor의 child(2800), predicted parent의 neighbor child(2801), current node에 속하는 sibling(2802) 들을 기반으로 6 neighbour touching을 고려하는 경우를 나타낸 것이다.
자식(2802) 노드는 이전 프레임에 속한 노드이다. 현재 프레임의 child node는 아직 코딩이 되지 않은 상태이기 때문에 존재하지 않는다고 가정하고, 이전 프레임 중 current parent node에 대응되는 Predictor의 parent node에 속한 child 노드의 정보를 고려할 수 있다.
도28은 inter_predicted_neighbor_child_occupancy_type =1인 경우 (current neighbor node가 존재하지 않는 위치에 대해 predicted neighbor 를 추가적으로 사용하고, sibling 노드의 occupancy를 함께 고려하는 predictor 및 current neighbor 및 sibling 기반 6 neighbor child 방법)에 대응할 수 있다.
도29는 실시예들에 따른 이웃 자식 점유 패턴을 나타낸다.
도25-29의 이웃 자식 점유 고려는 도28과 같이 확장될 수 있다.
실시예들에 따른 확장 방법은 predictor 및 sibling 기반 6 neighbor child 을 포함할 수 있다.
predicted parent의 neighbor 를 모두 사용하는 경우를 고려할 수 있다. 이 경우 주변부 노드의 압축 여부와 관계없이 주변부를 고려함으로 인해 보다 빠른 압축이 가능할 수 있다.
이전 프레임의 neighbor 정보를 직접적으로 참고하여 current frame의 neighbor 정보를 업데이트 하는 방법을 설명하였다. 하지만 응용 분야에 따라서는 이전 프레임의 neighbor 정보를 바탕으로 prepredic parent node의 child occupancy를 판단하고, 이 정보를 추가적으로 사용하여 current parent 의 child occupancy를 예측하는데 사용할 수 있다.
위에서는 면이 닿는 child에 대해서만 고려해주었지만, 모서리 혹은 꼭지점이 닿는 child에 대한 occupancy 를 참조도록 위의 방법을 확장할 수 있다.
도29는 inter_predicted_neighbor_child_occupancy_type = 2인 경우 (current neighbor 대신 predicted neighbor만을 사용하고, sibling을 같이 고려하는 predictor 및 sibling 기반 6 neighbor child 방법)에 대응할 수 있다.
도30은 실시예들에 따른 비트스트림 구조를 나타낸다.
도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도15, 34의 인코더, 도36 인코딩, 도38 송신 방법은 도30과 같은 비트스트림을 생성하고, 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도10-11의 디코더, 도13의 수신 장치, 도14의 디바이스, 도15, 35의 디코더, 도37 디코딩, 도39의 수신 방법 등은 도30과 같은 비트스트림을 파싱할 수 있다.
실시예들에 따른 어트리뷰트 코딩(attribute coding) 및/또는 지오메트리 코딩 관련하여, 인터 프레딕션(inter prediction)과 관련된 정보를 적용 단위에 따라 파라미터 세트(parameter set) 혹은 데이터 유닛 헤더(data unit header, 슬라이스 헤더에 대응) 혹은 데이터 유닛(data unit, 슬라이스에 대응)에 정의할 수 있으며, 어플리케이션, 시스템에 따라 상응되는 위치 혹은 별도의 위치에 정의하여 적용 범위, 적용 방법 등을 다르게 사용할 수 있다. 실시예들은 data unit 에 정보를 정의하는 것을 기술하였지만, 앞서 언급한 파라미터 세트(parameter set), 데이터 유닛 헤더(data unit header)에 정의하거나 혹은attribute coding 방법과 연계할 수 있다. 어트리뷰트 코딩(attribute coding)에 적용하기 위해 어트리뷰트 파리미터 세트(attribute parameter set) 및 어트리뷰트 슬라이스 헤더(attribute slice header)에 정의할 수 있고, 시퀀스 파라미터 세트(sequence parameter set), 타일 파라미터 세트(tile parameter set) 등에 정의할 수 있다. 또한 후술하는 syntax element가 현재 point cloud data stream 뿐 아니라 복수의 point cloud data stream에 적용될 수 있는 경우에는 상위 개념의 parameter set 등을 통해 전달할 수 있다.
실시예들에 따른 시그널링 정보는 (스케일러블) 포인트 클라우드 압축 송신 장치/방법의 압축(인코딩)과정에서 생성되고, (스케일러블) 포인트 클라우드 압축 수신 장치/방법의 디코딩 과정에서 사용될 수 있다.
이하, 실시예들에 따른 파라미터(메타데이터, 시그널링 정보 등 다양하게 호칭 가능함)는 후술하는 실시예들에 따른 송신기의 프로세스 상 생성될 수 있고, 실시예들에 따른 수신기에 전달되어 재구성 과정에 이용될 수 있다. 예를 들어, 실시예들에 따른 파라미터는 후술하는 실시예들에 따른 송신 장치의 메타데이터 처리부 (또는 메타데이터 제너레이터)에서 생성되고, 실시예들에 따른 수신 장치의 메타데이터 파서에서 획득될 수 있다.)
실시예들에 따른 slice 간 참조 관계를 통한 압축은 slice의 시작 노드 뿐 아니라 임의의 노드에 대해서도 다른 slice 내의 노드를 reference 하도록 적용할 수 있다. 또한 tree 간 참조 관계로 확장하여 적용할 수 있다.
각 약어는 다음을 의미한다. SPS: 시퀀스 파라미터 세트(Sequence Parameter Set), GPS: 지오메트리 파라미터 세트(Geometry Parameter Set), APS: 어트리뷰트 파라미터 세트(Attribute Parameter Set), TPS: 타일 파라미터 세트(Tile Parameter Set), Geom: 지오메트리 비트스트림(Geometry bitstream) = 지오메트리 슬라이스 헤더(geometry slice header)+ 지오메트리 슬라이스 데이터(geometry slice data), Attr: 어트리뷰트 비트스트림(Attribite bitstream) = 어트리뷰트 슬라이스 헤더(attribute slice header) + 어트리뷰트 슬라이스 데이터(attribute slice data).
실시예들에 따른 포인트 클라우드 데이터 인코더, 송신 장치 등은 실시예들에 따른 동작들에 관한 시그널링 정보를 생성하고, 위와 같은 포인트 클라우드 데이터를 포함하는 비트스트림을 생성하여 전송할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 디코더, 수신 장치 등은 비트스트림을 수신하고, 비트스트림에 포함된 파라미터(들)에 기반하여 포인트 클라우드 데이터를 복원할 수 있다.
비트스트림은 시퀀스 파라미터 세트(sequence parameter set), 지오메트리 파라미터 세트(geometry parameter set), 어트리뷰트파라미터 세트(attribute parameter set)및 지오메트리 슬라이스 헤더(geometry slice header) 및 어트리뷰트 슬라이스 헤더(attribute slice header) 등을 포함할 수 있다. 어플리케이션, 시스템에 따라 상응되는 위치 혹은 별도의 위치에 정의하여 적용 범위, 적용 방법 등을 다르게 사용할 수 있다. 즉 시그널이 전달되는 위치에 따라 서로 다른 의미를 가질 수 있는데 만약 SPS에 정의되는 경우 시퀀스 전체에 동일하게 적용될 수 있으며, GPS에 정의되는 경우 위치 복원에 사용됨을 나타낼 수 있으며, APS에 정의되는 경우 속성 복원에 적용됨을 나타낼 수 있으며, TPS에 정의되는 경우 tile 내의 포인트에 대해서만 해당 시그널링 적용됨을 나타낼 수 있으며, slice 단위에 전달되는 경우 해당 slice 에 대해서만 시그널이 적용됨을 나타낼 수 있다. 또한 어플리케이션, 시스템에 따라 상응되는 위치 혹은 별도의 위치에 정의하여 적용 범위, 적용 방법 등을 다르게 사용할 수 있다. 또한 아래 정의된 신택스 엘리먼트(syntax element)가 현재 포인트 클라우드 데이터 스트림(point cloud data stream) 뿐 아니라 복수의 포인트 클라우드 데이터 스트림(point cloud data stream)에 적용될 수 있는 경우에는 상위 개념의 파라미터 세트(parameter set) 등을 통해 전달할 수 있다.
타일 파라미터 세트는 복수의 타일들에 대한 바운딩 박스의 위치, 너비, 크기, 뎁스 등에 관한 정보를 전달할 수 있다.
부호화된 복수의 슬라이스들에 대해, 슬라이스는 포인트 클라우드 데이터의 구성에 따라서 하나의 지오메트리 데이터 및 복수의 어트리뷰트 데이터를 포함할 수 있다. 슬라이스는 슬라이스 헤더를 통해 파라미터 세트 식별 정보, 타일 식별 정보, 슬라이스 식별 정보, 바운딩 박스 위치 정보, 포인트 개수 정보, 어트리뷰트 관련 정보 등을 전달할 수 있다.
한편, 슬라이스는 데이터 유닛 등으로 지칭될 수 있다.
도31은 실시예들에 따른 지오메트리 파라미터 세트를 나타낸다.
도31은 도30비트스트림에 포함될 수 있다.
프레딕터 이웃 인에이블 플래그(predictor_neighbor_enabled_flag): 1인 경우 프레임 간 관계성을 고려함에 있어서 참조 프레임(reference frame) 내의predictor와 그 주변부 노드 사이의 관계성을 사용함을 나타낼 수 있다. 0인 경우 predictor 만을 사용함을 나타낼 수 있다.
프레딕터 이웃 타입(predictor_neighbor_type): predictor와 child 노드의 관계성을 고려하는 방법을 나타낼 수 있다. 0인 경우 current neighbor node가 존재하지 않는 위치에 대해 예측된 이웃(predicted neighbor) 를 사용하는 predictor 기반 3 neighbor child방법(도27)을 나타낼 수 있다. 1인 경우 current neighbor node가 존재하지 않는 위치에 대해 predicted neighbor 를 추가적으로 사용하고, sibling 노드의 occupancy를 함께 고려하는 predictor 및 current neighbor 및 sibling 기반 6 neighbor child 방법(도28)을 나타낼 수 있다. 2인 경우 current neighbor 대신 predicted neighbor만을 사용하고, sibling을 같이 고려하는 predictor 및 sibling 기반 6 neighbor child 방법(도29)을 사용함을 나타낼 수 있다.
인터 예측된 이웃 자식 어큐판시 인에이블 플래그(inter_predicted_neighbor_child_occupancy_enabled_flag): 1인 경우 프레임 간 관계성을 고려함에 있어서reference frame 에 대한 predicted node의 neighbor child를 고려함을 나타낼 수 있다. 0인 경우 gsuwo 프레임에서의 neighbor child 관계만을 사용함을 나타낼 수 있다.
인터 예측된 이웃 자식 점유 타입(inter_predicted_neighbor_child_occupancy_type): predictor와 그 주변부 노드의 관계성을 고려하는 방법을 나타낼 수 있다. 0인 경우 predictor neighbor pattern을 고려하는 방법, 1인 경우 predictor neighbor pattern 과 current node neighbor pattern 의 비교 패턴을 사용하는 방법, 2인 경우 predictor neighbor pattern과 PU neighbor pattern에 대해 일치하는 노드의 수를 사용하는 방법, 3인 경우 predictor 와 PU의 occupied neighbor 중 위치가 일치하는 노드의 수, 4인 경우 predictor 와 PU의 unoccupied neighbor 중 위치가 일치하는 노드의 수와 같이 정의할 수 있다.
실시예들에 따른 방법/장치는 점유 패턴 그 자체로 컨텍스트 테이블(context table)을 선택하기 위한 추가 정보로 사용할 수 있고, 압축 대상 노드의 주변부 패턴과 비교한 값을 기반으로 일치하는 정도에 따라 컨텍스트 테이블(context table)을 선택할 수 있다. 선택된 Context table을 기반으로 엔트로피 코딩(entropy coding)을 수행할 수 있다. 즉, inter_predicted_neighbor_child_occupancy_type에 따라서 컨텍스트 테이블을 선택할 수 있다. predictor와 그 주변부 노드의 관계성을 고려하는 방법을 나타낼 수 있다. 0인 경우 predictor neighbor pattern을 고려하는 방법, 1인 경우 predictor neighbor pattern 과 current node neighbor pattern 의 비교 패턴을 사용하는 방법, 2인 경우 predictor neighbor pattern과 PU neighbor pattern에 대해 일치하는 노드의 수를 사용하는 방법, 3인 경우 predictor 와 PU의 occupied neighbor 중 위치가 일치하는 노드의 수, 4인 경우 predictor 와 PU의 unoccupied neighbor 중 위치가 일치하는 노드의 수와 같이 정의할 수 있다. 각 방법에 따른 스코어 계산은 도24에서 설명한 바와 같다. 각 관계성에 따른 스코어를 계산해서 가장 효율이 높은 방법을 선택하여 부호화/복호화를 할 수 있다.
지오메트리 파라미터 세트는 다음 정보를 더 포함할 수 있다.
gps_geom_parameter_set_id는 다른 DU가 참조할 수 있도록 GPS를 식별한다.
gps_seq_parameter_set_id는 활성 SPS sps_seq_parameter_set_id의 값을 나타낸다.
slice_geom_origin_scale_present는 GDU 헤더에 slice_geom_origin_log2_scale이 존재하는지 여부를 나타낸다. 0과 동일한 slice_geom_origin_scale_present는 슬라이스 원점 스케일이 gps_slice_geom_origin_log2_scale과 동일함을 나타낸다.
gps_geom_origin_log2_scale은 slice_geom_origin_scale_present가 0일 때 slice_origin_xyz에서 원점을 찾아가기 하기 위해 패킷을 변경한다.
duplicate_points_enabled 가 0이면 현재 GPS를 참조하는 모든 슬라이스에서 모든 출력 포인트가 슬라이스 내에서 고유한 위치를 가짐을 나타낸다. 1과 동일한 duplicate_points_enabled는 현재 GPS를 참조하는 모든 슬라이스에서 두 개 이상의 출력 포인트가 슬라이스 내에서 동일한 위치를 가질 수 있음을 나타낸다. 0과 동일한 duplicate_points_enabled는 단일 슬라이스 내에서 동일한 포인트 위치를 여러 번 코딩하는 것을 금지하지 않는다.
0과 동일한 geom_tree_type은 슬라이스 포인트 위치가 점유 트리)를 사용하여 코딩됨을 나타낸다. 1과 동일한 geom_tree_type은 슬라이스 포인트 위치가 예측 트리를 사용하여 코딩됨을 나타낸다.
occtree_point_cnt_list_present는 각 점유 트리 레벨의 포인트 수 목록이 GDU 바닥글에 있는지 여부를 나타낸다. 존재하지 않는 경우 occtree_point_cnt_list_present는 0으로 유추된다.
0보다 큰 occtree_direct_coding_mode는 점 위치가 점유 트리의 적합한 직접 노드에 의해 코딩될 수 있음을 나타낸다. 0과 동일한 occtree_direct_coding_mode는 직접 노드가 점유 트리에 존재하지 않아야 함을 나타낸다.
occtree_direct_joint_coding_enabled가 1과 같으면 두 지점이 직접 노드에 의해 코딩될 때 그 위치가 부분적으로 지점의 특정 순서를 가정하여 공동으로 코딩되어야 함을 나타낸다.
1과 동일한 occtree_coded_axis_list_present는 GDU 헤더가 각 점유 트리 레벨의 노드 크기를 유도하는 데 사용되는 occtree_coded_axis 구문 요소를 포함함을 나타낸다. 0과 동일한 occtree_coded_axis_list_present는 occtree_coded_axis 신택스 요소가 GDU 신택스에 존재하지 않고 점유 트리가 3차 체적을 나타낸다는 것을 나타낸다.
occtree_neigh_window_log2_minus1 더하기 1은 현재 노드 외부를 포함하는 창을 형성하는 점유 트리 노드의 수를 지정하며 해당 노드와 관련된 프로세스에서 노드를 사용할 수 없다. 0과 동일한 occtree_neigh_window_log2_minus1은 형제 노드만 현재 노드에서 사용 가능한 것으로 간주되도록 나타낸다.
occtree_adjacent_child_enabled가 1이면 인접 점유 트리 노드의 인접한 자식이 비트 점유 상황화에서 사용되는지 여부를 나타낸다. 존재하지 않는 경우 occtree_adjacent_child_enabled는 0으로 유추된다.
occtree_intra_pred_max_nodesize_log2 은 점유 인트라 예측에 적합한 점유 트리 노드 크기를 나타낸다. 존재하지 않는 경우 occtree_intra_pred_max_nodesize_log2는 0으로 유추된다.
1과 동일한 occtree_bitwise_coding은 점유 트리 노드 점유가 비트 문맥화를 사용하여 구문 요소 occupancy_bit를 사용하여 인코딩됨을 나타낸다. 0과 동일한 occtree_bitwise_coding은 점유 트리 노드 점유가 사전 인코딩된 구문 요소 occupancy_byte를 사용하여 인코딩됨을 나타낸다.
occtree_planar_enabled 가 1이면 평면 코딩 모드가 활성화됨을 나타낸다. 0과 동일한 occtree_planar_enabled는 평면 코딩 모드가 활성화되지 않음을 나타낸다. 존재하지 않는 경우 occtree_planar_enabled는 0으로 유추된다.
occtree_planar_threshold[ i ]는 평면 코딩 모드가 효율적일 가능성이 가장 높은 i번째 방향을 따라 평면 코딩 모드에 대한 활성화 임계값의 값을 나타낸다.
occtree_direct_node_rate_minus1은 모든 32개의 적격 직접 노드 중에서 occtree_direct_node_rate_minus1 + 1만 코딩할 수 있도록 나타낸다.
geom_angular_enabled는 각도 원점에 위치하고 V축을 중심으로 회전하는 보 세트의 우선순위를 사용하여 지오메트리를 코딩할지 여부를 나타낸다.
slice_angular_origin_present는 슬라이스 관련 각도 원점이 GDU 헤더에 존재하는지 여부를 나타낸다. 0과 동일한 slice_angular_origin_present는 각도 원점이 gps_angular_origin_xyz임을 지정합니다. 존재하지 않는 경우 slice_angular_origin_present는 0으로 유추된다.
gps_angular_origin_bits_minus1 더하기 1은 각 신택스 요소 gps_angular_origin_xyz[ k ]의 길이를 비트 단위로 나타낸다.
gps_angular_origin_xyz[ k ]는 빔 원점의 k번째( x, y, z ) 위치 구성요소를 나타낸다. 존재하지 않는 경우 gps_angular_origin_xyz[ k ]는 0으로 유추된다.
ptree_angular_azimuth_pi_bits_minus11 및 ptree_angular_radius_scale_log2는 직교 좌표로 변환하는 동안 각 좌표계를 사용하여 코딩된 위치를 스케일링하는 데 사용되는 인자를 나타낸다.
ptree_angular_azimuth_step_minus1 더하기 1은 방위각의 단위 변경을 나타낸다. 각도 예측 트리 코딩에 사용되는 차분 예측 잔차는 ptree_angular_azimuth_step_minus1에 1을 더한 배수로 부분적으로 표현될 수 있다. ptree_angular_azimuth_step_minus1의 값은 ( 1<< ( ptree_angular_azimuth_pi_bits_minus11 + 12 ) )보다 작아야 한다.
num_beams_minus1 더하기 1은 각도 코딩 모드에 사용되는 빔의 수를 나타낸다.
beam_elevation_init 및 beam_elevation_diff[ i ]는 함께 빔 고도를 첫 번째 및 두 번째 코딩된 축에 의해 정의된 평면 위의 기울기로 나타낸다. BeamElev 배열로 지정된 빔별 고도 기울기는 18개의 소수 비트가 있는 이진 고정 소수점 값이다.
beam_voffset_init 및 beam_voffset_diff[ i ]는 함께 GeomAngularOrigin[ 2 ]에 대한 i 번째 빔 위치의 V 축을 따라 수정을 나타낸다.
beam_samples_per_turn_init_minus1 및 beam_samples_per_turn_diff[ i ]는 각도 코딩 모드의 처리에 사용되는 원점에 위치한 회전 감지 시스템의 i번째 빔에 의해 생성된 샘플 수를 나타낸다.
1과 동일한 occtree_planar_buffer_disabled는 평면 모드 플래그 및 평면 모드에서 평면 위치를 코딩하는 과정에서 버퍼를 사용하여 가장 가까운 노드를 추적하는 것이 사용되지 않음을 나태낸다. occtree_planar_buffer_disabled가 0이면 버퍼를 사용하여 가장 가까운 노드를 추적하는 것이 사용됨을 나타낸다. 존재하지 않는 경우 occtree_planar_buffer_disabled는 !occtree_planar_enabled로 유추된다.
1과 동일한 geom_scaling_enabled는 지오메트리 디코딩 프로세스 동안 지오메트리 위치에 대한 스케일링 프로세스가 호출되도록 나태낸다. 0과 같은 geom_scaling_enabled는 지오메트리 위치에 스케일링이 필요하지 않음을 지정합니다. 존재하지 않으면 geom_scaling_enabled가 0으로 유추된다.
geom_initial_qp는 초기 기하학 위치 QP를 나태낸다. 존재하지 않는 경우 geom_initial_qp는 0으로 유추된다.
geom_qp_multiplier_log2는 지오메트리 스케일링 단계 크기 및 이동을 유도하기 전에 지오메트리 QP 값에 적용할 스케일 팩터를 나태낸다. geom_qp_multiplier_log2의 값은 0 .. 3의 범위에 있다. x = 0 .. 3에 대해 x와 같은 geom_qp_multiplier_log2는 ( 8 >> x ) QP 값이 지오메트리 스케일링 단계 크기의 두 배가 될 때마다 지정될 수 있음을 나태낸다.
ptree_qp_period_log2는 예측 트리 노드 QP 오프셋을 시그널링하기 위한 기본 주파수를 나태낸다.
occtree_direct_node_qp_offset은 직접 코딩 모드에 의해 코딩된 스케일링 포인트 위치에서 사용하기 위해 sliceQp에 상대적인 오프셋을 나태낸다. 존재하지 않을 때, occtree_direct_node_qp_offset의 값은 0과 같은 것으로 유추된다.
0과 동일한 gps_extension_present는 GPS 신택스 구조에 gps_extension_data 신택스 요소가 존재하지 않음을 나태낸다. gps_extension_present는 이 문서의 이 버전을 따르는 비트스트림에서 0과 같아야 한다. gps_extension_present에 대한 값 1은 ISO/IEC에서 향후 사용을 위해 예약되어 있다. 디코더는 GPS 구문 구조에서 gps_extension_present에 대한 값 1을 따르는 모든 gps_extension_data 구문 요소를 무시해야 한다.
도32는 실시예들에 따른 데이터 유닛 헤더를 나타낸다.
도32는 도30 비트스트림에 포함된 슬라이스 헤더에 대응할 수 있다.
레퍼런스 프레임 아이디(ref_frame_id): PU prediction 에 사용되는 reference frame의 index를 나타낼 수 있다.
모션 벡터 뎁스 시작(Mv_depth_start), 모션 벡터 뎁스 종료(mv_depth_end): motion vector가 전달될 수 있는 octree depth의 시작과 마지막을 나타낼 수 있다.
데이터 유닛은 다음을 더 포함할 수 있다.
gdu_geometry_parameter_set_id는 활성 GPS gps_geom_parameter_set_id의 값을 나타낸다.
gdu_reserved_zero_3bits는 이 문서의 이 버전을 따르는 비트스트림에서 0과 같아야 한다. gdu_reserved_zero_3bits의 다른 값은 ISO/IEC에서 향후 사용을 위해 예약되어 있다. 디코더는 gdu_reserved_zero_3bits의 값을 무시해야 한다.
slice_id는 다른 구문 요소에서 참조할 슬라이스를 식별한다.
slice_tag는 특정 값의 slice_tag로 하나 이상의 슬라이스를 식별하는 데 사용할 수 있다. 타일 인벤토리 데이터 단위가 있는 경우 slice_tag는 타일 ID입니다. 그렇지 않고, 타일 인벤토리 데이터 유닛이 존재하지 않을 때, slice_tag의 해석은 외부 수단에 의해 지정된다.
frame_ctr_lsb는 프레임 번호 카운터의 frame_ctr_lsb_bits 최하위 비트를 나타낸다. frame_ctr_lsb 값이 다른 연속 슬라이스는 다른 출력 포인트 클라우드 프레임의 일부를 형성한다. 중간 프레임 경계 마커 데이터 단위 없이 frame_ctr_lsb의 동일한 값을 가진 연속 슬라이스는 동일한 코딩된 포인트 클라우드 프레임의 일부를 형성한다.
각 코딩된 포인트 클라우드 프레임이 FrameCtr의 고유한 값을 가져야 하는 것은 비트스트림 적합성의 요구사항이다.
1과 동일한 slice_entropy_continuation은 엔트로피 구문 분석 상태 복원 프로세스(XREF)가 슬라이스의 GDU 및 모든 ADU에 적용되어야 함을 나타낸다. 0과 동일한 slice_entropy_continuation은 슬라이스의 GDU 및 ADU의 엔트로피 구문 분석이 다른 슬라이스와 독립적임을 지정합니다. 존재하지 않을 때, slice_entropy_continuation은 0으로 유추된다. GDU가 코딩된 포인트 클라우드 프레임에서 첫 번째 DU일 때 slice_entropy_continuation이 0과 동일한 것은 비트스트림 적합성의 요구사항이다.
prev_slice_id는 비트스트림 순서에서 선행 GDU의 slice_id 값과 동일하다. 디코더는 prev_slice_id가 존재하고 선행 슬라이스의 slice_id 값과 같지 않은 슬라이스를 무시한다.
slice_tag가 prev_slice_id에 의해 식별된 GDU의 slice_tag와 동일하지 않은 경우 slice_entropy_continuation이 1과 동일하지 않아야 함을 권장한다.
slice_geom_origin_log2_scale은 슬라이스 원점의 스케일링 인자를 나타낸다. 존재하지 않는 경우 slice_geom_origin_log2_scale 은 gps_geom_origin_log2_scale 로 유추된다.
slice_geom_origin_bits_minus1 더하기 1은 각 구문 요소 slice_geom_origin_xyz[ k ]의 길이를 비트 단위로 나타낸다.
slice_geom_origin_xyz[ k ]는 슬라이스 원점의 양자화된 ( x, y, z ) 좌표의 k 번째 성분을 나타낸다.
slice_angular_origin_bits_minus1 더하기 1은 각 slice_angular_origin_xyz[ k ] 신택스 요소의 길이를 비트 단위로 나타낸다.
slice_angular_origin_xyz[ k ]는 각도 코딩 모드의 처리에 사용된 원점의 ( x, y, z ) 좌표의 k 번째 구성요소를 지정합니다. 존재하지 않는 경우 slice_angular_origin_xyz[ k ]는 0으로 유추된다.
occtree_depth_minus1 더하기 1은 코딩된 점유 트리에 있는 트리 레벨의 최대 수를 나타낸다. occtree_coded_axis_list_present가 0과 같을 때 점유 트리 루트 노드 크기는 에지 길이가 1 << ( occtree_depth_minus1 + 1 )인 3차 체적이다.
하위 트리를 조기에 종료하면 최대값보다 코딩된 트리 수준이 줄어들 수 있다.
occtree_coded_axis[ lvl ][ k ]는 k번째 축이 점유 트리 레벨 lvl에서 트리 노드에 의해 인코딩되는지 여부를 나타낸다. occtree_coded_axis는 점유 트리의 각 수준에서 노드 볼륨 차원을 결정하는 데 사용됩니다. 존재하지 않는 경우 occtree_coded_axis[ lvl ][ k ]는 1로 유추된다.
다음 조건이 true인 것은 바이스트림 적합성의 요구 사항이다.
루트 노드의 log2 차원은 MaxSliceDimLog2보다 작거나 같다.
루트 노드의 가장 큰 log2 차원은 occtree_depth_minus1 - 4보다 크다.
occtree_stream_cnt_minus1 더하기 1은 점유 트리를 코딩하는 데 사용되는 엔트로피 스트림의 최대 수를 나타낸다. occtree_stream_cnt_minus1이 0보다 클 때 마지막 occtree_stream_cnt_minus1 트리 레벨 각각은 별도의 엔트로피 스트림에 포함된다.
변수 OcctreeEntropyStreamDepth는 다음과 같이 파생된다.
OcctreeEntropyStreamDepth = occtree_depth_minus1 - occtree_stream_cnt_minus1
slice_geom_qp_offset은 초기 기하학 QP geom_initial_qp에 대한 오프셋을 나타낸다. 존재하지 않는 경우 slice_geom_qp_offset은 0으로 유추된다.
slice_ptree_qp_period_log2_offset은 예측 트리 노드 QP 오프셋을 시그널링하기 위한 기본 주파수에 대한 오프셋을 나타낸다. 존재하지 않는 경우 slice_ptree_qp_period_log2_offset은 0으로 유추된다.
변수 PtnQpInterval은 각 오프셋 사이의 노드 수이다.
PtnQpInterval = 1 << ptree_qp_period_log2 + slice_ptree_qp_period_log2_offset
ptn_residual_abs_log2_bits[ k ]는 구문 요소 ptn_residual_abs_log2의 k번째 구성요소를 코딩하는 데 사용되는 빈 수를 나타낸다.
ptn_radius_min은 반경의 최소값을 나타낸다. 존재하지 않는 경우 ptn_radius_min은 0으로 유추된다.
adu_attr_parameter_set_id는 활성 APS aps_attr_parameter_set_id의 값을 나타낸다.
adu_reserved_zero_3bits는 이 문서의 이 버전을 따르는 비트스트림에서 0과 같아야 한다. adu_reserved_zero_3bits의 다른 값은 ISO/IEC에서 향후 사용을 위해 예약되어 있다. 디코더는 du_reserved_zero_3bits의 값을 무시한다.
adu_sps_attr_idx는 활성 SPS 속성 목록의 색인으로 코딩된 속성을 식별한다. 그 값은 0 .. num_attributes - 1의 범위에 있다.
ADU에 의해 코딩된 속성은 attr_coding_type이 3과 같지 않을 때 최대 3개의 구성요소를 가진다.
AttrIdx = adu_sps_attr_idx
AttrDim = attr_components_minus1[adu_sps_attr_idx] + 1
AttrBitDepth = attr_bitdepth_minus1[adu_sps_attr_idx] + 1
AttrMaxVal = (1 << AttrBitDepth) - 1
adu_slice_id는 선행 GDU slice_id의 값을 나타낸다.
lod_dist_log2_offset은 세부 수준 생성에 사용되는 초기 슬라이스 서브샘플링 인수를 유도하는 데 사용되는 오프셋을 나타낸다. 존재하지 않는 경우 lod_dist_log2_offset은 0으로 유추된다.
last_comp_pred_coeff_diff[ i ]는 다중 구성 요소 속성의 두 번째 구성 요소에서 i 번째 세부 레이어의 마지막 구성 요소의 예측 값에 대한 델타 스케일링 값을 나타낸다. last_comp_pred_coeff_diff[ i ]가 없으면 0으로 유추된다.
요소 LastCompPredCoeff[ i ]와 i = 0 .. lod_max_levels_minus1인 배열 LastCompPredCoeff는 다음과 같이 파생된다.
initCoeff = last_comp_pred_enabled << 2
(i = 0; i <= lod_max_levels_minus1; i++) {
predCoeff = !i ? initCoeff : LastCompPredCoeff[i - 1]
LastCompPredCoeff[i] = predCoeff + last_comp_pred_coeff_diff[i]
}
모든 i에 대해 LastCompPredCoeff[ i ]의 값은 -128 .. 127 범위에 있다.
inter_comp_pred_coeff_diff[ i ][ c ]는 다중 구성 요소 속성의 기본 구성 요소에서 i 번째 세부 레이어의 비 기본 구성 요소의 예측 값에 대한 k 번째 델타 스케일링 값을 니타낸다. inter_comp_pred_coeff_diff[ i ][ c ]가 없으면 0으로 유추된다.
InterCompPredCoeff[ i ][ c ] 요소와 i = 0 .. lod_max_levels_minus1 및 c = 1 .. AttrDim 1인 배열 InterCompPredCoeff는 다음과 같이 파생된다.
initCoeff = inter_comp_pred_enabled << 2
(i = 0, i <= lod_max_levels_minus1, i++)
(c = 1; c < AttrDim; c++) {
predCoeff = !i ? initCoeff : InterCompPredCoeff[i - 1][c]
InterCompPredCoeff[i][c] = predCoeff + inter_comp_pred_coeff_diff[i][c]
}
InterCompPredCoeff[ i ]의 값은 모든 i에 대해 -128 .. 127 범위에 있다.
attr_qp_offset[ ps ]는 1차(ps = 0) 및 2차(ps = 1) 속성 구성요소에 대한 QP를 유도하는 데 사용되는 슬라이스 오프셋을 나타낸다. 존재하지 않는 경우 attr_qp_offset[ ps ]의 값은 0으로 유추된다.
1과 동일한 attr_qp_layers_present는 레이어별 QP 오프셋이 현재 DU에 존재함을 나타낸다. 0과 같은 attr_qp_layers_present는 그러한 오프셋이 존재하지 않음을 나타낸다.
attr_qp_layer_cnt_minus1 더하기 1은 QP 오프셋이 시그널링되는 레이어의 수를 나타낸다. attr_qp_layer_cnt_minus1이 존재하지 않을 때, attr_qp_layer_cnt_minus1의 값은 0으로 유추된다.
attr_qp_layer_offset[ layer ][ ps ]는 1차(ps = 0) 및 2차(ps = 1) 속성 구성요소에 대한 QP를 유도하는 데 사용되는 레이어 오프셋을 나타낸다. 존재하지 않는 경우 attr_qp_layer_offset[ layer ][ ps ]의 값은 0으로 유추된다.
AttrQpP[ layer ] 및 AttrQpOffsetS[ layer ] 표현식은 영역 기반 QP 오프셋을 추가하기 전에 기본 속성 구성 요소의 QP와 보조 속성 구성 요소의 QP 오프셋을 나타낸다.
속성QpP[레이어] :=
attr_initial_qp_minus4 + 4 + attr_qp_offset[0] + attr_qp_layer_offset[레이어][0]
AttrQpOffsetS[레이어] :=
attr_secondary_qp_offset + attr_qp_offset[1] + attr_qp_layer_offset[레이어][1]
attr_qp_region_cnt는 신호된 영역 QP 오프셋을 갖는 현재 슬라이스 내의 공간 영역의 수를 나타낸다.
attr_qp_region_origin_bits_minus1 더하기 1은 각 신택스 요소 attr_qp_region_origin_xyz 및 attr_qp_region_size_minus1_xyz의 길이를 비트 단위로 나타낸다.
attr_qp_region_origin_xyz[ i ][ k ] 및 attr_qp_region_size_minus1_xyz[ i ][ k ]는 존재하는 경우 attr_qp_region_offset[ i ][ c ]가 적용되는 슬라이스 좌표계의 i 번째 공간 영역을 나타낸다.
attr_qp_region_origin_xyz[ i ][ k ] 슬라이스 원점을 기준으로 i 번째 영역의 ( x, y, z ) 원점 좌표의 k 번째 구성요소를 나타낸다.
attr_qp_region_size_minus1_xyz[ i ][ k ] 더하기 1은 i번째 영역 너비, 높이 및 깊이의 k번째 구성요소를 각각 나타낸다.
값이 AttrRegionQpOriginStv[ i ][ k ] 및 AttrRegionQpSizeStv[ i ][ k ]인 배열 AttrRegionQpOriginStv 및 AttrRegionQpSizeStv는 i = 0 .. attr_qp_region_cnt - 1 및 k = 0 크기에 대해 각각 다음과 같이 코딩된 기하 축 순서로 나타낸다:
if (!attr_coord_conv_enabled) {
AttrRegionQpOriginStv[i][XyzToStv[k]] = attr_qp_region_origin_xyz[i][k]
AttrRegionQpSizeStv[i][XyzToStv[k]] = attr_qp_region_size_minus1_xyz[i][k] + 1
}
attr_qp_region_origin_rpi[ i ][ k ] 및 attr_qp_region_size_minus1_rpi[ i ][ k ]는 attr_qp_region_offset[ i ][ c ]가 적용되는 속성 각도 좌표계에서 현재 슬라이스 내의 i 번째 공간 영역을 나타낸다.
attr_qp_region_origin_rpi[ i ][ k ]는 각도 원점에 대한 i번째 영역의 코딩 좌표의 k번째 구성요소이다.
attr_qp_region_size_minus1_rpi[ i ][ k ] 더하기 1은 각각 영역 반경, 방위각 및 빔 인덱스 i번째의 k번째 성분이다.
if (attr_coord_conv_enabled) {
AttrRegionQpOriginStv[i][k] = attr_qp_region_origin_rpi[i][k]
AttrRegionQpSizeStv[i][k] = attr_qp_region_size_minus1_rpi[i][k] + 1
}
k = 0 .. 2에 대해 다음 조건이 참인 것은 비트스트림 적합성의 요구 사항이다.
AttrRegionQpOriginStv[ i ][ k ] + AttrRegionQpSizeStv[ i ][ k ] < (1 << MaxSliceDimLog2 )
attr_qp_region_offset[ i ][ ps ]는 AttrRegionQpOriginStv[ i ] 및 AttrRegionQpSizeStv[ i에 의해 정의된 영역 내에 위치한 포인트의 기본(ps = 0) 및 보조(ps = 1) 속성 구성요소에 대한 QP를 유도하는 데 사용되는 오프셋을 지정합니다. ]. 존재하지 않는 경우 attr_qp_region_offset[ i ][ ps ]는 0으로 유추된다.
도33은 실시예들에 따른 데이터 유닛을 나타낸다.
도33은 도30 비트스트림의 데이터 유닛에 해당한다.
스플릿 플래그(Split_flag): 1인 경우 해당 노드에 대한 motion vector는 child 분할 이후에 전달됨을 나타낼 수 있다. 0인 경우 해당 노드에 대한 motion vector가 전달될 수 있다.
팝퓰레이션 플래그(Pupolation_flag 1): 1인 경우 split 되지 않는 노드가 occupied 되었는지를 알려줄 수 있다.
모션 벡터(Motion_vector): 각 축에 대한 움직임 벡터를 나타낼 수 있다.
어큐판시 맵(Occupancy_map): 각 노드의 occupancy map 을 전달할 수 있다. bit 혹은 byte 단위로 전달할 수 있다.
도34는 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도34와 같은 송신 장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도4의 인코더, 도12의 송신 장치, 도14의 디바이스, 도15, 34의 인코더, 도36 인코딩, 도38 송신 방법은 도34와 같은 송신 장치 등에 대응할 수 있다.
설명한 실시예들의 동작은 실시예들에 따른 예측 기반 포인트 클라우드 압축 송수신 장치/방법의 구성요소를 통해 수행될 수 있다. 실시예들에 따른 각 구성요소는 하드웨어, 소프트웨어, 프로세서. 및/또는 그것들의 조합에 대응할 수 있다.
실시예들에 따른 포인트 클라우드 속성 압축 방법은 다음과 같이 구현될 수 있다. 실시예들은 포인트 클라우드 데이터의 속성 정보를 압축하는 방법에 대해서 기술하지만, 마찬가지로, 위치 정보 압축 및 기타 압축 방법에서 실시예들에 따른 방법을 적용할 수 있다.
실시예들에 따른 송신 장치의 포인트 클라우드 인코더, 예를 들어, 지오메트리 인코더 혹은 어트리뷰트 인코더의 구성 및/또는 동작은 다음과 같을 수 있다.
도34는 프레임 간 상관관계에 기반하여 압축을 수행하는 송신기의 실시예이다. 현재 프레임에 대해서 압축 대상 노드와 인접 노드 사이의 관계성을 찾기 위해 점유 패턴을 생성할 수 있다. 현재 프레임과 인접 프레임 간 유사성에 기반하여 압축 대상 노드(현재 프레임에 있는)와 유사한 예측 노드를 참조 프레임(인접 프레임, 현재 프레임보다 먼저 인코딩 혹은 디코딩된)에서 찾을 수 있다. 이 때 실시예들에 따른 방법을 기반으로 압축 대상 노드와 예측 노드의 차이를 기반으로 유사성을 찾는 것 뿐만아니라 압축 대상의 주변부 노드와 예측 노드의 주변부 노드의 차이도 함께 고려함으로써 움직임 예측의 정확성을 높일 수 있다. 움직임 벡터를 기반으로 예측 노드의 위치가 정해지면, 예측 노드의 주변부 노드의 점유 정보를 기반으로 점유 패턴을 생성할 수 있다. 특히 인터 예측된 이웃 자식 점유 타입(inter_predicted_neighbor_child_occupancy_type) = 0인 경우 현재 프레임(current frame)에 대해서 좌(left), 바닥(bottom), 앞(front) 위치의 이웃(neighbor) 에 대해서 인트라 프레임 자식 이웃 터칭 패턴(intra-frame child neighbor touching pattern)을 구하고, 예측된 프레임(predicted frame)에 대해서 우측(right), 위(top), 뒤(back) 위치의 이웃(neighbor)에 대해서 인터 프레임 자식 이웃 터칭 패턴(inter-frame child neighbor touching pattern)을 구할 수 있다. inter_predicted_neighbor_child_occupancy_type = 1인 경우 얘측된 부모 노드(predicted parent node)에 속한 형제(sibling) 노드의 어큐판시(occupancy)를 기반으로 6 이웃 터칭 패턴(neighbour touching pattern)을 고려할 수 있다. inter_predicted_neighbor_child_occupancy_type = 2 인 경우 current frame에 대한 정보 없이 예측된 프레임(predicted frame)의 자식 이웃(child neighbor) 및 형제 점유(sibling occupancy)를 기반으로 6 이웃 터칭 패턴(neighbor touching pattern)을 고려할 수 있다. 점유 패턴은 그 자체로 컨텍스트 테이블(context table)을 선택하기 위한 추가 정보로 사용할 수 있고, 압축 대상 노드의 주변부 패턴과 비교한 값을 기반으로 일치하는 정도에 따라 컨텍스트 테이블(context table)을 선택할 수 있다. 선택된 Context table을 기반으로 엔트로피 코딩(entropy coding)을 수행할 수 있다. inter_predicted_neighbor_child_occupancy_type에 따라서 컨텍스트 테이블을 선택할 수 있다. predictor와 그 주변부 노드의 관계성을 고려하는 방법을 나타낼 수 있다. 0인 경우 predictor neighbor pattern을 고려하는 방법, 1인 경우 predictor neighbor pattern 과 current node neighbor pattern 의 비교 패턴을 사용하는 방법, 2인 경우 predictor neighbor pattern과 PU neighbor pattern에 대해 일치하는 노드의 수를 사용하는 방법, 3인 경우 predictor 와 PU의 occupied neighbor 중 위치가 일치하는 노드의 수, 4인 경우 predictor 와 PU의 unoccupied neighbor 중 위치가 일치하는 노드의 수와 같이 정의할 수 있다. 각 방법에 따른 스코어 계산은 도24에서 설명한 바와 같다. 각 관계성에 따른 스코어를 계산해서 가장 효율이 높은 방법을 선택하여 부호화/복호화를 할 수 있다.
인트라 프레임 자식 이웃 패턴 제어기(또는 프로세서)는 포인트 클라우드 데이터를 수신할 수 있다. 포인트 클라우드 데이터는 지오메트리 데이터 및/또는 어트리뷰트 데이터를 포함할 수 있다. 인트라 프레임 자식 이웃 패턴 제어기는 현재 프레임 내에서 좌/바닥/앞 위치의 이웃 노드에 대한 자식 이웃 터칭 패턴을 생성할 수 있다(도25-26참조).
모션 에스티메이터(또는 프로세서)는 현재 프레임에 대한 참조 프레임을 수신할 수 있다. 참조 프레임은 현재 프레임에 앞서 인코딩된 프레임을 의미할 수 있다. 모션 에스티메이터는 참조 프레임에 기반하여 현재 프레임의 예측을 위해서 대응되는 예측자를 찾고, 예측자에 대한 모션 벡터를 추정할 수 있다.
모션 보상기(또는 프로세서)는 추정된 모션 벡터에 기반하여 현재 프레임의 현재 노드에 대한 예측 데이터를 생성할 수 있다(도20 참조).
인트라 프레임 자식 이웃 패턴 제어기(또는 프로세서)는 인터 프레임(인접 프레임, 참조 프레임, 이전 프레임, 예측된 프레임 등으로 지칭)에서 자식 이웃 패턴을 서칭할 수 있다. 예측된 프레임에서 대응하는 노드의 우측/탑/뒤에 위치한 이웃에 대해서 인트라 프레임 자식 이웃 터칭 패턴을 서칭할 수 있다(도27-29 참조).
인터-인트라 이웃 터칭 패턴 제어기(또는 프로세서)는 현재 프레임에 대한 인터 프래임 자식 이웃 패턴 및 참조 프레임에 대한 인터 프레임 자식 이웃 패턴에 기초해서 도25-29에 따른 터칭 패턴을 생성할 수 있다.
컨텍스트 테이블 선택기(또는 프로세서)는 터칭 패턴에 기초하여 엔트로피 코딩을 위한 컨텍스트 테이블을 생성할 수 있다. 선택기는 터칭 패턴에 따른 도23-24 등에 따른 비교 방법을 통해서 가장 적합한 컨텍스트 테이블을 생성할 수 있다.
엔트로피 인코더는 선택된 컨텍스트에 기초하여 포인트 클라우드 데이터를 엔트로피 방식에 따라 인코딩할 수 있다. 이를 통해, 부호화된 지오메트리 데이터 및/또는 어트리뷰트 데이터를 포함하는 비트스트림을 생성할 수 있다.
모션 에스티메이터의 설명은 도20를 참조할 수 있다.
모션 보상기의 설명은 도20을 참조할 수 있다.
인트라-프레임 자식 이웃 패턴부의 설명은 도25를 참조할 수 있다.
인터-프레임 자식 이웃 패턴부 및 인터-인트라 이웃 터칭 패턴부의 설명은 도27-29를 참조하라 수 있다.
inter-intra neighbor touching pattern은 녹색과 같은 인트라 프레임 자식 이웃 패턴 및 노란색과 같은 인터 프레임 자식 이웃 패턴이 합쳐진 최종 터칭 패턴을 생성할 수 있다.
도35는 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도35는 도34의 송신 장치의 역과정을 수행할 수 있다. 실시예들에 따른 각 구성요소는 하드웨어, 소프트웨어, 프로세서. 및/또는 그것들의 조합에 대응할 수 있다.
실시예들에 따른 frame 간 상관관계에 기반한 압축에 대한 수신기 실시예는 다음과 같다. 비트스트림이 획득되면 data unit header 및 data unit을 복호화 하여 motion vector, reference frame Id 등의 정보를 획득한다. 이를 기반으로 디코딩 된 이전 프레임을 선택하고 움직임 벡터가 지정하는 위치와 범위의 노드를 예측 노드로 선택한다. 또한 정해진 범위의 주변부 노드에 대해서도 occupancy 정보를 판단함으로써 neighbor pattern을 조사할 수 있다. inter_predicted_neighbor_child_occupancy_type = 0인 경우 current frame에 대해서 left, bottom, front 위치의 neighbor 에 대해서 intra-frame child neighbor touching pattern 을 구하고, predicted frame에 대해서 right, top, back 위치의 neighbor에 대해서 inter-frame child neighbor touching pattern을 구할 수 있다. inter_predicted_neighbor_child_occupancy_type = 1인 경우 predicted parent node에 속한 sibling 노드의 occupancy를 기반으로 6 neighbour touching pattern을 고려할 수 있다. inter_predicted_neighbor_child_occupancy_type = 2 인 경우 current frame에 대한 정보 없이 predicted frame의 child neighbor 및 sibling occupancy를 기반으로 6 neighbor touching pattern을 고려할 수 있다. 예측 노드의 주변부 패턴과 복원 대상 노드의 주변부 패턴이 생성되면 각각의 점유 패턴을 기반으로 context table을 선택하여 엔트로피 디코딩을 수행한다.
모션 벡터 기반 트리 생성부는 비트스트림을 수신할 수 있다. 모션 벡터 기반 트리 생성부는 비트스트림에 포함된 포인트 클라우드 데이터로부터 송신 측에서 적용된 모션 벡터에 기초하여 트리를 생성할 수 있다.
인트라 프레임 자식 이웃 패턴 생성부(또는 프로세서)는 현재 프레임 내 데이터를 복원하기 위해서 현재 노드에 대한 자식 이웃 패턴을 생성할 수 있다.
모션 보상부(또는 프로세서)는 현재 프레임에 대한 유사 정보를 포함하는 참조 프레임을 수신할 수 있다. 참조 프레임은 현재 프레임 이전에 디코딩된 프레임일 수 있다. 모션 보상부는 비트스트림에 포함된 파라미터로부터 참조 프레임 식별 정보 및 모션 벡터를 수신할 수 있다. 모션 보상부는 모션 벡터에 기초하여 현재 복원 대상 노드에 대한 예측값을 생성할 수 있다.
인터 프레임 자식 이웃 패턴 생성부(또는 프로세서)는 현재 프레임 내 트리의 뎁스의 노드를 복원하기 위해서 대응하는 참조 프레임으로부터 자식 이웃 패턴을 생성할 수 있다.
인터 인트라 이웃 터칭 패턴 생성부(또는 프로세서)는 인트라 프레임 자식 이웃 패턴 및/또는 인터 프레임 자식 이웃 패턴에 기초하여 이웃 터칭 패턴을 생성할 수 있다.
컨텍스트 테이블 선택기(또는 프로세서)는 이웃 터칭 패턴에 기초하여 엔트로피 코딩을 위한 컨텍스트 테이블을 선택할 수 있다. 이웃 터칭 패턴에 기초한 컨텍스트 테이블의 선택은 전술한 설명을 따를 수 있다.
엔트로피 디코더는 선택된 컨텍스트에 기초하여 포인트 클라우드 데이터를 엔트로피 방식에 따라 디코딩할 수 있다. 이를 통해 포인트 클라우드 데이터의 지오메트리 데이터 및/또는 어트리뷰트 데이터가 복원될 수 있다.
도36은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도36은 도35 장치의 동작에 관한 흐름도이다.
실시예들에 따른 프레임 간 상관관계에 기반한 압축에 대한 송신기의 흐름도는 다음과 같다. 실시예들에 따른 방법/장치는 octree 노드에 대해 속성 매칭이 완료된 후, 예측을 수행하는 depth 범위(depthStart, depthEnd)에 대해서 주변부 노드의 점유 패턴을 고려하여 움직임 예측 및 보상을 수행한다. 이 때, parent 노드에 대해 split이 수행되었는지 여부를 알려주는 parentSplitFlag 라는 내부 파라미터를 기반으로 움직임 예측을 수행할지 여부를 결정하는데, depthStart에 속한 모든 노드에 대해서는 parentSplitFlag = 1 로 가정하고 depthStart로부터 예측을 수행한다. occupied 노드에 대해 (population_flag = 1) parentSplitFlag가 1인 경우 실시예들에 따른 위치-속성 기반 움직임 예측을 수행하고, 이 때 획득된 motion vector에 대해 motion compensation 을 통해 현재 노드와 유사한 predictor를 reference frame 으로부터 획득한다. 이 때 motion vector를 전달하는 경우의 cost와 motion vector를 전달하지 않고 split을 진행하는 경우의 cost를 비교하게 되는데, MV를 전달하는 경우의 cost가 작은 경우 split을 진행하지 않고, motion vector를 사용하는 경우의 predictor 를 기반으로 프레임 간 속성 예측을 수행하고 parentSplitFlag 를 0 값으로 지정한다. 반대의 경우 split이 이루어 지기 때문에 split_flag = 1로 정의하고 압축을 수행하지 않는다. Motion compensation 을 통해 획득한 예측 노드에 대해 주변부 패턴을 획득하고, 현재 노드의 주변부 패턴과 비교하여 주변부 점유 스코어를 계산한다. 이 때, left, front, bottom 위치의 neighbor에 대해서는 intra-frame child neighbor pattern 을 획득하고, right, back, top 위치의 neighbor에 대해서는 inter-frame child neighbor pattern을 획득할 수 있다. 또한 Sibling occupancy pattern을 사용하는 경우 inter-frame child occupancy 를 기반으로 획득할 수 있다. 각 정보를 취합하여 inter-intra child neighbor touching pattern을 구할 수 있으며, 이를 기반으로 entropy coding을 위한 context table을 선택할 수 있다.
실시예들에 따른 방법/장치는 뎁스 시작 및 뎁스 종료 구간을 확인한다. 현재 뎁스가 뎁스 종료와 같거나 작은 경우, 인터 프레임 예측 수행을 하고, 현재 뎁스가 뎁스 종료보다 큰 경우 인트라 프레임 자식 이웃 패턴을 생성하여 자식 이웃 터칭 패턴에 따라서 이웃 컨텍스트에 기반하여 어큐판시 맵을 인코딩할 수 있다.
인터 프레임 예측 수행을 위해서, 점유된 노드들에 대해 부모 스플릿 플래그가 1인지를 확인한다. 부모 스플릿 플래그가 1이 아닌경우 자식을 위한 부모 스플릿 플래그는 0가 되고, 인트라 프레임 자식 이웃 패턴을 생성하고, 자식 이웃 터칭 패턴을 생성하여 이웃 컨텍스트에 기반하여 어큐판시 맵을 인코딩할 수 있다.
부모 스플릿 플래그가 1인 경우, 이웃 패턴에 기반하여 모션 추정을 할 수 있다. 추정된 모션에 기반하여 모션 보상을 할 수 있다. 인터 프레임 자식 이웃 패턴을 생성하고, 자식 이웃 터칭 패턴을 생성하고, 터칭 패턴에 기반하여 이웃 컨텍스트들에 대해 어큐판시 맵을 인코딩할 수 있다. 현재 뎁스에 포함된 모든 노드들에 대해 위 과정을 수행하고, 현재 뎁스의 모든 노드들에 대한 예측이 완료되면, 현재 뎁스가 맥시멈 뎁스인지를 확인하고 위 과정을 종료한다.
도37은 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
도37은 도36 장치의 동작에 관한 흐름도이다.
실시예들에 따른 프레임 간 예측에 기반한 압축 방법에 대한 수신기 흐름도는 다음과 같다. 수신기는 ParentReconFlag 라는 내부 파라미터를 정의해서 부모 노드가 복호화 되었는지 여부를 나타낼 수 있다. 즉, ParentReconFlag 가 1인 경우 프레임 내 속성 예측 값을 사용하여 속성을 복원할 수 있으며, 0인 경우 현재 노드에 대해 MV가 존재할 수 있다. 수신기 내 전달되는 시그널의 split_flag를 확인하고 복호화 여부를 결정할 수 있다. Split_flag가 1인 경우 추가 split이 이루어 지기 때문에 MV가 전달되지 않는다. 반면에 split_flag가 0인 경우 reference_frame_id가 지정하는 프레임 내에서 움직임이 보상된 예측 블록을 통해 속성예측을 수행할 수 있다. Motion compensation 을 통해 획득한 예측 노드에 대해 주변부 패턴을 획득하고, 이를 기반으로 inter-frame child neighbor pattern을 획득할 수 있다. 마찬가지로 현재 프레임 내의 주변부 정보를 기반으로 intra-frame child neighbor pattern을 획득할 수 있다. 각각의 child neighbor pattern을 기반으로 child neighbor touching pattern을 구할 수 있으며, child neighbor context를 기반으로 entropy decoding 을 위한 context table을 선택할 수 있다.
실시예들에 따른 수신 방법/장치는 현재 뎁스가 뎁스 종료와 같거나 작으면, 인트라 예측을 수행하고, 현재 뎁스가 뎁스 종료보다 크면 인트라 프레임 자식 이웃 패턴을 생성하고, 자식 이웃 터칭 패턴에 따라서 이웃 컨텍스트를 이용해서 어큐판시 맵을 디코딩할 수 있다.
점유된 노드에 대해 부모 복원 플래그가 0이 아니면, 인트라 프레임 자식 이웃 패턴을 생성하고, 자식 이웃 터칭 패턴에 따라서 이웃 컨텍스트를 이용해서 어큐판시 맵을 디코딩할 수 있다. 점유된 노드에 대해 부모 복원 플래그가 0이고 스플릿 플래그가 0이면 현재 뎁스의 노드들에 대해 인터 프레임 자식 이웃 패턴을 생성하고, 자식 이웃 터칭 패턴에 따라서 이웃 컨텍스트를 이용해서 어큐판시 맵을 디코딩할 수 있다. 스플릿 플래그가 0이 아니면, 현재 노드에서 다음 노드에 대해서 위 과정을 수행한다. 현재 뎁스가 맥시멈 뎁스가 아니면 위 과정을 뎁스의 노드들에 대해 반복하고, 현재 뎁스가 맥시멈 뎁스이면 위 과정을 종료한다.
도38은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
S3800 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계를 포함할 수 있다.
실시예들에 따른 인코딩 동작은 도1 송신 장치10000, 포인트 클라우드 비디오 인코더10002, 도2 인코딩20001, 도4 인코더, 도12 송신 장치, 도14 XR디바이스1430, 도15 내지 도16의 모션 추정, 도17 내지 도19 뎁스 내 노드의 스플릿, 도20의 모션 보상, 도21 내지 도24의 이웃 점유 패턴에 따른 인코딩, 도25 내지 도29의 이웃 터칭 패턴 생성 및 이웃 터칭 패턴에 따른 인코딩, 도30 내지 도33 비트스트림 및 파라미터 생성, 도34 및 도36에 따른 뎁스 구간 내 인트라 프레임 자식 이웃 패턴 및/또는 인터 프레임 자식 이웃 패턴을 포함하는 인터-인트라 이웃 터칭 패턴에 따른 컨텍스트 선택 및 인코딩 등의 동작을 포함할 수 있다.
S3810 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 더 포함할 수 있다. 도1 트랜스미터10003, 도2 전송20002, 도12 송신 장치 전송 처리부120212, 도30 내지 도33 비트스트림 및 파라미터 전송, 도34 및 도36에 따른 뎁스 구간 내 인트라 프레임 자식 이웃 패턴 및/또는 인터 프레임 자식 이웃 패턴을 포함하는 인터-인트라 이웃 터칭 패턴에 따른 컨텍스트 선택 및 인코딩에 따른 비트스트림 전송 등의 동작을 포함할 수 있다.
도39는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
S3900 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함할 수 있다.
실시예들에 따른 수신 동작은 도1 수신 장치10004, 리시버 10005, 도2 전송에 따른 수신, 도30 내지 도33 비트스트림 및 파라미터 수신 등의 동작을 포함할 수 있다.
S3910 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 디코딩하는 단계를 더 포함할 수 있다.
실시예들에 따른 디코딩 동작은 도1 포인트 클라우드 비디오 디코더10006, 도2 디코딩20003, 도10 내지 도11 디코더, 도13 수신 장치, 도14 XR 디바이스1430, 도15 내지 도16의 모션 추정, 도17 내지 도19 뎁스 내 노드의 스플릿 및 점유 플래그 파싱, 도20의 모션 보상, 도21 내지 도24의 이웃 점유 패턴에 따른 디코딩, 도25 내지 도29의 이웃 터칭 패턴 생성 및 이웃 터칭 패턴에 따른 디코딩, 도30 내지 도33 비트스트림 및 파라미터 파싱, 도34 및 도36에 따른 뎁스 구간 내 인트라 프레임 자식 이웃 패턴 및/또는 인터 프레임 자식 이웃 패턴을 포함하는 인터-인트라 이웃 터칭 패턴에 따른 컨텍스트 선택 및 디코딩 등의 동작을 포함할 수 있다.
도1 관련하여, 실시예들에 따른 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다.
도15 에 도시된 현재 프레임에 속하는 PU 및 이웃 그리고 참조 프레임에 속하는 예측자(Predictor) 및 이웃과 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 현재 프레임에 포함된 상기 포인트 클라우드 데이터에 대한 프레딕선 유닛(prediction unit, PU)에 대한 예측 데이터를 현재 프레임에 대한 참조 프레임에 기반하여, 생성하는 단계를 포함하고, 참조 프레임은 서치 윈도우를 포함하고, 서치 윈도우에 포함된 포인트 클라우드 데이터로부터 프레딕션 유닛에 포함된 포인트 클라우드 데이터의 유사 데이터가 생성될 수 있다.
도16 에 도시된 모션 벡터 에스티메이션 및 컴펜세이션 관련하여, 모션 벡터V는 PU 내 블록B 및 참조 프레임의 프레딕터P 간 차이를 통해 생성될 수 있다. 예를 들어, 포인트 클라우드 데이터를 인코딩하는 단계는, 서치 윈도우에 포함된 프레딕터 및 프레딕터의 이웃 및 프레딕션 유닛에 포함된 포인트 클라우드 데이터 및 포인트 클라우드 데이터의 이웃에 기초하여 프레딕션 유닛에 대한 예측값을 생성하고, 예측값 및 상기 프레딕션 유닛에 기반하여 모션 벡터를 생성할 수 있다. 여기서 예측값은 참조 프레임 내 예측후보와 PU 간 차이가 최소인 프레딕터를 예측값으로 생성할 수 있다. 즉, 현재 노드와 가장 유사한 참조 프레임 내 예측자로부터 모션 벡터가 생성될 수 있다.
도17 에 도시된 스플릿 및 점유(population) 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터를 포함하는 트리의 뎁스에서 모션 벡터를 생성하거나, 뎁스의 하위 뎁스에서 모션 벡터를 생성하고, 하위 뎁스에 대한 모션 벡터는 하위 뎁스에 대한 스플릿 및 점유에 기반하여 생성될 수 있다. 여기서 하위 뎁스로 스플릿을 할지 여부는 현재 뎁스 및 하위 뎁스 간 코스트를 비교하여 코스트가 효율적인 방향으로 결정할 수 있다.
도20에 도시된 모션 벡터 및 프레딕터 관련하여, 현재 노드의 블록B에 대한 예측값B'은 프레딕터P 및 모션 벡터V 간 차이를 통해 생성될 수 있다. 예를 들어, 포인트 클라우드 데이터를 인코딩하는 단계는, 모션 벡터에 기초하여, 프레딕션 유닛의 포인트 클라우드 데이터를 예측할 수 있다.
도21 내지 도23에 도시된 이웃 점유 패턴 및 이웃 점유 비교 스코어 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 서치 윈도우에 포함된 프레딕터의 이웃 점유 패턴에 기초하여, 프레딕션 유닛을 인코딩하고, 프레딕션 유닛 및 프레딕션 유닛의 이웃 및 프레딕터 및 프레딕터의 이웃에 대한 이웃 점유 정보가 비교될 수 있다.
도25 내지 26에 도시된 이웃 자식 점유 패턴 관련하여, 이웃 점유 정보는 프레딕션 유닛의 노드의 자식 노드에 대한 이웃 자식 점유 패턴을 포함할 수 있다. 여기서 포함한다의 의미는 이웃 점유 정보를 고려하여 인코딩 시 이웃 자식 점유 패턴에 기초하여 수행한다는 의미로 해석될 수 있다.
도27에 도시된 프레딕터 및 현재 이웃 기반 3 개 이웃 자식 관련하여, 이웃 점유 정보는 프레딕션 유닛의 노드의 자식 노드에 대한 노드의 이웃 자식, 참조 프레임의 노드의 이웃 자식 노드를 포함할 수 있다. 여기서 포함한다의 의미는 이웃 점유 정보를 고려하여 인코딩 시 이웃 자식 점유 패턴에 기초하여 수행한다는 의미로 해석될 수 있다.
도28에 도시된 프레딕터 및 현재 이웃 및 형제(sibling) 기반 6 개 이웃 자식 관련하여, 이웃 점유 정보는 프레딕션 유닛의 노드의 자식 노드에 대한 노드의 이웃 자식, 참조 프레임의 노드의 이웃 자식 노드, 참조 프레임의 노드의 자식 노드를 포함할 수 있다. 여기서 포함한다의 의미는 이웃 점유 정보를 고려하여 인코딩 시 이웃 자식 점유 패턴에 기초하여 수행한다는 의미로 해석될 수 있다.
도29에 도시된 프레딕터 및 형제 기반 6개 이웃 자식 관련하여, 이웃 점유 정보는 프레딕션 유닛의 노드의 자식 노드에 대한 참조 프레임의 노드의 이웃 자식 노드, 참조 프레임의 노드의 자식 노드를 포함할 수 있다. 여기서 포함한다의 의미는 이웃 점유 정보를 고려하여 인코딩 시 이웃 자식 점유 패턴에 기초하여 수행한다는 의미로 해석될 수 있다.
실시예들에 따른 송신 방법을 수행하는 송신 장치는 포인트 클라우드 데이터를 인코딩하는 인코더; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함할 수 있다.
송신 방법의 역과정에 대응하는 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다.
수신 방법을 수행하는 수신 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함할 수 있다.
실시예들을 따른 프레임 간 유사성에 기반한 압축은 포인트 클라우드 데이터 압축에 사용될 수 있다.
주변부 점유 패턴 기반 움직임 예측을 사용하는 경우 인접 노드의 특성을 함께 고려함으로 인해 더욱 정교하게 움직임 예측을 수행할 수 있는 기술적 효과가 있다.
또한 예측 노드의 주변부 점유 패턴과 코딩 대상 노드의 주변부 점유 패턴을 동시에 고려하여 주변부 점유 context를 고려함으로써 주변부 점유 패턴이 유사한 경우 (e.g., motion estimation 의 정확도가 높은 경우 혹은 prediction 의 유사도가 높은 경우)의 context와 패턴이 다른 경우 (e.g., motion estimation 의 정확도가 낮은 경우 혹은 prediction 의 유사도가 낮은 경우)를 구분하여 entropy coding 을 수행함으로써 압축 효율이 높아지는 기술적 해결 및 효과가 있다.
따라서, 실시예들에 따른 포인트 클라우드 데이터 송신 장치 및 인코더는 프레임 내 예측뿐만 아니라 프레임 간 데이터 예측 모드를 추가적으로 고려함으로써 포인트 클라우드 데이터를 효율적으로 압축할 수 있는 기술적 효과가 있다. 마찬가지로, 실시예들에 따른 포인트 클라우드 데이터 수신 장치 및 디코더는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하고, 비트스트림 내 시그널링 정보 및/또는 실시예들에 따른 디코딩 동작에 기반하여 포인트 클라우드 데이터를 효율적으로 복원할 수 있는 기술적 효과가 있다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 의미하고, 2) “B” 만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사욛외는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
한편, 상술한 실시예들에 따른 동작은 실시예들 따른 송신 장치 및/또는 수신 장치에 의해서 수행될 수 있다. 송수신 장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신 장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.
상술한 바와 같이, 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신 장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다.
당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다.
실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항들 및 그 와 동일한 것들의 범위를 벗어나지 않는다.

Claims (15)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  2. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    현재 프레임에 포함된 상기 포인트 클라우드 데이터에 대한 프레딕선 유닛(prediction unit, PU)에 대한 예측 데이터를 상기 현재 프레임에 대한 참조 프레임에 기반하여, 생성하는 단계를 포함하고,
    상기 참조 프레임은 서치 윈도우를 포함하고, 상기 서치 윈도우에 포함된 포인트 클라우드 데이터로부터 상기 프레딕션 유닛에 포함된 포인트 클라우드 데이터의 유사 데이터가 생성되는,
    포인트 클라우드 데이터 송신 방법.
  3. 제2항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 서치 윈도우에 포함된 프레딕터 및 상기 프레딕터의 이웃 및 상기 프레딕션 유닛에 포함된 포인트 클라우드 데이터 및 상기 포인트 클라우드 데이터의 이웃에 기초하여 상기 프레딕션 유닛에 대한 상기 예측값을 생성하고, 상기 예측값 및 상기 프레딕션 유닛에 기반하여 모션 벡터를 생성하는,
    포인트 클라우드 데이터 송신 방법.
  4. 제3항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터를 포함하는 트리의 뎁스에서 상기 모션 벡터를 생성하거나,
    상기 뎁스의 하위 뎁스에서 모션 벡터를 생성하고,
    상기 하위 뎁스에 대한 모션 벡터는 상기 하위 뎁스에 대한 스플릿 및 점유에 기반하여 생성되는,
    포인트 클라우드 데이터 송신 방법.
  5. 제3항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 모션 벡터에 기초하여, 상기 프레딕션 유닛의 포인트 클라우드 데이터를 예측하는,
    포인트 클라우드 데이터 송신 방법.
  6. 제3항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 서치 윈도우에 포함된 프레딕터의 이웃 점유 패턴에 기초하여, 상기 프레딕션 유닛을 인코딩하고,
    상기 프레딕션 유닛 및 상기 프레딕션 유닛의 이웃 및 상기 프레딕터 및 상기 프레딕터의 이웃에 대한 이웃 점유 정보가 비교되는,
    포인트 클라우드 데이터 송신 방법.
  7. 제6항에 있어서,
    상기 이웃 점유 정보는 상기 프레딕션 유닛의 노드의 자식 노드에 대한 이웃 자식 점유 패턴을 포함하고,
    포인트 클라우드 데이터 송신 방법.
  8. 제6항에 있어서,
    상기 이웃 점유 정보는 상기 프레딕션 유닛의 노드의 자식 노드에 대한 상기 노드의 이웃 자식, 상기 참조 프레임의 노드의 이웃 자식 노드를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  9. 제6항에 있어서,
    상기 이웃 점유 정보는 상기 프레딕션 유닛의 노드의 자식 노드에 대한 상기 노드의 이웃 자식, 상기 참조 프레임의 노드의 이웃 자식 노드, 상기 참조 프레임의 노드의 자식 노드를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  10. 제6항에 있어서,
    상기 이웃 점유 정보는 상기 프레딕션 유닛의 노드의 자식 노드에 대한 상기 참조 프레임의 노드의 이웃 자식 노드, 상기 참조 프레임의 노드의 자식 노드를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  11. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  12. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  13. 제12항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    현재 프레임에 포함된 상기 포인트 클라우드 데이터에 대한 프레딕선 유닛(prediction unit, PU)에 대한 예측 데이터를 상기 현재 프레임에 대한 참조 프레임에 기반하여, 생성하는 단계를 포함하고,
    상기 참조 프레임은 서치 윈도우를 포함하고, 상기 서치 윈도우에 포함된 포인트 클라우드 데이터로부터 상기 프레딕션 유닛에 포함된 포인트 클라우드 데이터의 유사 데이터가 생성되는,
    포인트 클라우드 데이터 수신 방법.
  14. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함하는,
    포인트 클라우드 데이터 수신 장치.
  15. 제14항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 디코더는,
    현재 프레임에 포함된 상기 포인트 클라우드 데이터에 대한 프레딕선 유닛(prediction unit, PU)에 대한 예측 데이터를 상기 현재 프레임에 대한 참조 프레임에 기반하여, 생성하고,
    상기 참조 프레임은 서치 윈도우를 포함하고, 상기 서치 윈도우에 포함된 포인트 클라우드 데이터로부터 상기 프레딕션 유닛에 포함된 포인트 클라우드 데이터의 유사 데이터가 생성되는,
    포인트 클라우드 데이터 수신 장치.
PCT/KR2022/006534 2021-07-20 2022-05-09 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 Ceased WO2023003144A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP22846016.8A EP4369716A4 (en) 2021-07-20 2022-05-09 POINT CLOUD DATA TRANSMISSION DEVICE, POINT CLOUD DATA TRANSMISSION METHOD, POINT CLOUD DATA RECEIVING DEVICE AND POINT CLOUD DATA RECEIVING METHOD
US18/290,599 US20250088659A1 (en) 2021-07-20 2022-05-09 Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0095117 2021-07-20
KR20210095117 2021-07-20

Publications (1)

Publication Number Publication Date
WO2023003144A1 true WO2023003144A1 (ko) 2023-01-26

Family

ID=84980201

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/006534 Ceased WO2023003144A1 (ko) 2021-07-20 2022-05-09 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (3)

Country Link
US (1) US20250088659A1 (ko)
EP (1) EP4369716A4 (ko)
WO (1) WO2023003144A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024207463A1 (zh) * 2023-04-07 2024-10-10 Oppo广东移动通信有限公司 点云编解码方法、装置、设备及存储介质
WO2025089780A1 (ko) * 2023-10-23 2025-05-01 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2025217819A1 (en) * 2024-04-16 2025-10-23 Beijing Xiaomi Mobile Software Co., Ltd. Methods and apparatuses with entropy continuation for entropy coding in l3c2 lidar point cloud coding

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240357160A1 (en) * 2023-04-24 2024-10-24 Tencent America LLC Inter coding in mesh compression

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170347120A1 (en) * 2016-05-28 2017-11-30 Microsoft Technology Licensing, Llc Motion-compensated compression of dynamic voxelized point clouds
US20200258262A1 (en) * 2017-10-19 2020-08-13 Interdigital Vc Holdings, Inc. Method and device for predictive encoding/decoding of a point cloud
WO2020197966A1 (en) * 2019-03-22 2020-10-01 Tencent America LLC Method and apparatus for interframe point cloud attribute coding
CN112565764A (zh) * 2020-12-03 2021-03-26 西安电子科技大学 一种点云几何信息帧间编码及解码方法
US20210192798A1 (en) * 2018-10-02 2021-06-24 Blackberry Limited Predictive coding of point clouds using multiple frames of references

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6349297B1 (en) * 1997-01-10 2002-02-19 Venson M. Shaw Information processing system for directing information request from a particular user/application, and searching/forwarding/retrieving information from unknown and large number of information resources
TWI258312B (en) * 2001-03-22 2006-07-11 Kuang-Yao Lo Monitoring method for comparing image frames
KR101599875B1 (ko) * 2008-04-17 2016-03-14 삼성전자주식회사 멀티미디어의 컨텐트 특성에 기반한 멀티미디어 부호화 방법 및 장치, 멀티미디어의 컨텐트 특성에 기반한 멀티미디어 복호화 방법 및 장치
US8559518B2 (en) * 2008-06-30 2013-10-15 Samsung Electronics Co., Ltd. System and method for motion estimation of digital video using multiple recursion rules
KR102695285B1 (ko) * 2018-10-09 2024-08-14 파나소닉 인텔렉츄얼 프로퍼티 코포레이션 오브 아메리카 삼차원 데이터 부호화 방법, 삼차원 데이터 복호 방법, 삼차원 데이터 부호화 장치, 및 삼차원 데이터 복호 장치
US11202078B2 (en) * 2019-09-27 2021-12-14 Apple Inc. Dynamic point cloud compression using inter-prediction
WO2021062743A1 (zh) * 2019-09-30 2021-04-08 Oppo广东移动通信有限公司 占位信息的预测方法、编码器、解码器、及存储介质
US11625866B2 (en) * 2020-01-09 2023-04-11 Apple Inc. Geometry encoding using octrees and predictive trees
US12380604B2 (en) * 2020-05-28 2025-08-05 Lg Electronics Inc. Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
CN114095735B (zh) * 2020-08-24 2025-09-12 北京大学深圳研究生院 一种基于块运动估计和运动补偿的点云几何帧间预测方法
US12423871B2 (en) * 2020-09-03 2025-09-23 Lg Electronics Inc. Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
US12483721B2 (en) * 2020-09-09 2025-11-25 Lg Electronics Inc. Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
WO2022075319A1 (ja) * 2020-10-07 2022-04-14 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置
CN117178553A (zh) * 2021-04-15 2023-12-05 Lg 电子株式会社 点云数据发送设备、点云数据发送方法、点云数据接收设备和点云数据接收方法
JP7516333B2 (ja) * 2021-09-27 2024-07-16 Kddi株式会社 画像復号装置、画像復号方法及びプログラム
CN114095730B (zh) * 2022-01-11 2022-04-19 山东捷瑞数字科技股份有限公司 一种图片压缩方法及系统
US12464133B2 (en) * 2023-02-02 2025-11-04 Tencent America LLC Smooth sub-block motion vector prediction
KR20260049798A (ko) * 2023-07-13 2026-04-14 콤캐스트 케이블 커뮤니케이션스 엘엘씨 점군의 기하 및 속성을 코딩하기 위한 이중 모션 필드

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170347120A1 (en) * 2016-05-28 2017-11-30 Microsoft Technology Licensing, Llc Motion-compensated compression of dynamic voxelized point clouds
US20200258262A1 (en) * 2017-10-19 2020-08-13 Interdigital Vc Holdings, Inc. Method and device for predictive encoding/decoding of a point cloud
US20210192798A1 (en) * 2018-10-02 2021-06-24 Blackberry Limited Predictive coding of point clouds using multiple frames of references
WO2020197966A1 (en) * 2019-03-22 2020-10-01 Tencent America LLC Method and apparatus for interframe point cloud attribute coding
CN112565764A (zh) * 2020-12-03 2021-03-26 西安电子科技大学 一种点云几何信息帧间编码及解码方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4369716A4 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024207463A1 (zh) * 2023-04-07 2024-10-10 Oppo广东移动通信有限公司 点云编解码方法、装置、设备及存储介质
WO2025089780A1 (ko) * 2023-10-23 2025-05-01 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2025217819A1 (en) * 2024-04-16 2025-10-23 Beijing Xiaomi Mobile Software Co., Ltd. Methods and apparatuses with entropy continuation for entropy coding in l3c2 lidar point cloud coding

Also Published As

Publication number Publication date
EP4369716A1 (en) 2024-05-15
US20250088659A1 (en) 2025-03-13
EP4369716A4 (en) 2024-10-23

Similar Documents

Publication Publication Date Title
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021210764A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021210743A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020256308A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022050650A1 (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
WO2022186675A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023282581A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021215849A1 (ko) 포인트 클라우드 데이터 처리 장치 및 처리 방법
WO2021002665A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021242036A1 (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
WO2021246837A1 (ko) 포인트 클라우드 데이터 처리 디바이스 및 처리 방법
WO2022186626A1 (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021141221A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023003144A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021132834A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023085856A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021246796A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022225145A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022220645A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022092891A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246839A1 (ko) 포인트 클라우드 데이터 처리 디바이스 및 처리 방법
WO2023075389A1 (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: 22846016

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 18290599

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2022846016

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022846016

Country of ref document: EP

Effective date: 20240206

NENP Non-entry into the national phase

Ref country code: DE

WWP Wipo information: published in national office

Ref document number: 18290599

Country of ref document: US