WO2023059136A1 - 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
WO2023059136A1
WO2023059136A1 PCT/KR2022/015149 KR2022015149W WO2023059136A1 WO 2023059136 A1 WO2023059136 A1 WO 2023059136A1 KR 2022015149 W KR2022015149 W KR 2022015149W WO 2023059136 A1 WO2023059136 A1 WO 2023059136A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
cloud data
subgroup
bitstream
geometry
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/KR2022/015149
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 EP22878957.4A priority Critical patent/EP4407991A4/en
Priority to CN202280066977.6A priority patent/CN118056405A/zh
Priority to KR1020247011367A priority patent/KR20240056739A/ko
Priority to US18/698,199 priority patent/US12573099B2/en
Publication of WO2023059136A1 publication Critical patent/WO2023059136A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—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
    • 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
    • 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
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/129—Scanning of coding units, e.g. zig-zag scan of transform coefficients or flexible macroblock ordering [FMO]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/174—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a slice, e.g. a line of blocks or a group of blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—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
    • H04N19/184—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 bits, e.g. of the compressed video stream
    • 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
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • 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
    • 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
    • H04N19/90—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 illustrates a process of encoding, transmitting, and decoding point cloud data according to embodiments.
  • FIG. 16 illustrates a layer-based point cloud data configuration according to embodiments and a geometry and attribute bitstream structure according to embodiments.
  • 17 shows a bitstream configuration according to embodiments.
  • 19 illustrates a method of selecting geometry data and attribute data according to embodiments.
  • FIG. 20 illustrates a method of constructing a slice including point cloud data according to embodiments.
  • FIG. 21 illustrates single slice and segmented slice-based geometry tree structures according to embodiments.
  • FIG. 22 illustrates a layer group structure of a geometry coding tree and an aligned layer group structure of an attribute coding tree according to embodiments.
  • FIG. 23 illustrates a layer group and subgroup structure according to embodiments.
  • FIG. 27 illustrates a slice generation method considering cloud density according to embodiments.
  • 29 illustrates a subgroup division process according to embodiments.
  • FIG. 30 shows a comparison between a variable subgroup size and a fixed subgroup size according to embodiments.
  • 31 illustrates a subgroup bounding box according to a node scan order according to embodiments.
  • 32 illustrates a subgroup bounding box according to a node scan order according to embodiments.
  • 33 shows a bitstream including point cloud data and parameters according to embodiments.
  • 35 shows a dependent geometry data unit header according to embodiments.
  • FIG. 36 shows a layer group structure inventory according to embodiments.
  • FIG. 37 shows a point cloud data transmission device according to embodiments.
  • 38 shows an apparatus for receiving point cloud data according to embodiments.
  • 39 illustrates a sub-bitstream classification method according to embodiments.
  • 40 illustrates a method for transmitting and receiving point cloud data according to embodiments.
  • 41 illustrates a method for transmitting and receiving point cloud data according to embodiments.
  • FIG. 43 illustrates a point cloud data transmission method according to embodiments.
  • 44 shows a method for receiving point cloud data according to embodiments.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system shown in FIG. 1 may include a transmission device 10000 and a reception device 10004.
  • the transmitting device 10000 and the receiving device 10004 may perform wired/wireless communication to transmit/receive point cloud data.
  • the transmission device 10000 may secure, process, and transmit point cloud video (or point cloud content).
  • the transmission device 10000 may include a fixed station, a base transceiver system (BTS), a network, an artificial intelligence (AI) device and/or system, a robot, an AR/VR/XR device and/or a server. etc. may be included.
  • BTS base transceiver system
  • AI artificial intelligence
  • the transmission device 10000 is a device that communicates with a base station and/or other wireless devices using a radio access technology (eg, 5G New RAT (NR), Long Term Evolution (LTE)), It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like.
  • a radio access technology eg, 5G New RAT (NR), Long Term Evolution (LTE)
  • NR 5G New RAT
  • LTE Long Term Evolution
  • It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like.
  • IoT Internet of Thing
  • the transmission device 10000 includes a point cloud video acquisition unit (Point Cloud Video Acquisition, 10001), a point cloud video encoder (Point Cloud Video Encoder, 10002), and/or a transmitter (or Communication module), 10003 ) include
  • the point cloud video acquisition unit 10001 acquires a point cloud video through processing such as capture, synthesis, or creation.
  • Point cloud video is point cloud content expressed as a point cloud, which is a set of points located in a 3D space, and may be referred to as point cloud video data.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Accordingly, the point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, a frame, and a picture.
  • the point cloud video encoder 10002 encodes secured point cloud video data.
  • the point cloud video encoder 10002 may encode point cloud video data based on point cloud compression coding.
  • Point cloud compression coding may include geometry-based point cloud compression (G-PCC) coding and/or video based point cloud compression (V-PCC) coding or next-generation coding.
  • G-PCC geometry-based point cloud compression
  • V-PCC video based point cloud compression
  • point cloud compression coding is not limited to the above-described embodiments.
  • the point cloud video encoder 10002 can output a bitstream containing encoded point cloud video data.
  • the bitstream may include not only encoded point cloud video data, but also signaling information related to encoding of the point cloud video data.
  • Transmitter 10003 transmits a bitstream containing encoded point cloud video data.
  • a bitstream according to embodiments is encapsulated into a file or a segment (eg, a streaming segment) and transmitted through various networks such as a broadcasting network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or encapsulation module) that performs an encapsulation operation.
  • the encapsulation unit may be included in the transmitter 10003.
  • the file or segment may be transmitted to the receiving device 10004 through a network or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmitter 10003 is capable of wired/wireless communication with the receiving device 10004 (or the receiver 10005) through a network such as 4G, 5G, or 6G.
  • the transmitter 10003 may perform necessary data processing operations depending on the network system (for example, a communication network system such as 4G, 5G, or 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.
  • the point cloud encoder includes a transformation coordinates (40000), a quantization unit (Quantize and Remove Points (Voxelize), 40001), an analyze octree (40002), and a surface approximate analysis unit. (Analyze Surface Approximation, 40003), Arithmetic Encode (40004), Reconstruct Geometry (40005), Transform Colors (40006), Transfer Attributes (40007), RAHT It includes a transform unit 40008, a LOD generator 40009, a lifting transform 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 example.
  • a coordinate system conversion unit 40000 receives positions and converts them into a coordinate system.
  • the positions may be converted into positional information in a 3D space (eg, a 3D space expressed in XYZ coordinates).
  • Location information in a 3D space may be referred to as geometry information.
  • a quantization unit 40001 quantizes geometry.
  • the quantization unit 40001 may quantize points based on minimum position values of all points (for example, minimum values on each axis for the X axis, Y axis, and Z axis).
  • the quantization unit 40001 multiplies the difference between the minimum position value and the position value of each point by a preset quatization scale value, and then performs a quantization operation to find the nearest integer value by performing rounding or rounding.
  • one or more points may have the same quantized position (or position value).
  • the quantization unit 40001 performs voxelization based on quantized positions to reconstruct quantized points.
  • points of point cloud content may be included in one or more voxels.
  • the quantization unit 40001 may match groups of points in the 3D space to voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • the position of the center of a corresponding voxel may be set based on the positions of one or more points included in one voxel. In this case, attributes of all positions included in one voxel may be combined and assigned to the corresponding voxel.
  • the octree analyzer 40002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure represents points matched to voxels based on an octal tree structure.
  • the surface approximation analyzer 40003 may analyze and approximate an octree.
  • Octree analysis and approximation is a process of analyzing to voxelize a region including a plurality of points in order to efficiently provide octree and voxelization.
  • Arismetic encoder 40004 entropy encodes an octree and/or an approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • a geometry bitstream is created.
  • Color conversion section 40006, attribute conversion section 40007, RAHT conversion section 40008, LOD generation section 40009, lifting conversion section 40010, coefficient quantization section 40011 and/or Arithmetic encoder 40012 performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is equally applied to attributes of one point. However, when one attribute (for example, color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding may include color transform coding, attribute transform coding, region adaptive hierarchical transform (RAHT) coding, interpolaration-based hierarchical nearest-neighbour prediction-prediction transform coding, and interpolation-based hierarchical nearest transform (RAHT) coding.
  • RAHT region adaptive hierarchical transform
  • RAHT interpolaration-based hierarchical nearest-neighbour prediction-prediction transform
  • RAHT interpolation-based hierarchical nearest transform
  • -neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • the above-described RAHT coding, predictive transform coding, and lifting transform coding may be selectively used, or a combination of one or more codings may be used.
  • attribute encoding according to embodiments is not limited to the above-described example.
  • the color conversion unit 40006 performs color conversion coding to convert color values (or textures) included in attributes.
  • the color conversion unit 40006 may convert a format of color information (for example, convert RGB to YCbCr).
  • An operation of the color conversion unit 40006 according to embodiments may be optionally applied according to color values included in attributes.
  • the geometry reconstructor 40005 reconstructs (decompresses) an octree and/or an approximated octree.
  • the geometry reconstructor 40005 reconstructs an octree/voxel based on a result of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as reconstructed geometry (or reconstructed geometry).
  • the attribute transformation unit 40007 performs attribute transformation to transform attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry. As described above, since attributes depend on geometry, the attribute conversion unit 40007 can transform attributes based on reconstructed geometry information. For example, the attribute conversion unit 40007 may transform an attribute of a point at a position based on a position value of a point included in a voxel. As described above, when the position of the central point of a voxel is set based on the positions of one or more points included in one voxel, the attribute conversion unit 40007 transforms attributes of one or more points. When tri-soup geometry encoding is performed, the attribute conversion unit 40007 may transform attributes based on tri-soup geometry encoding.
  • the attribute conversion unit 40007 is an average value of attributes or attribute values (eg, color or reflectance of each point) of neighboring points within a specific position/radius from the position (or position value) of the center point of each voxel. Attribute conversion can be performed by calculating .
  • the attribute conversion unit 40007 may apply a weight according to the distance from the central point to each point when calculating the average value. Therefore, each voxel has a position and a calculated attribute (or attribute value).
  • the attribute conversion unit 40007 may search for neighboring points existing within a specific location/radius from the position of the center point of each voxel based on the K-D tree or the Morton code.
  • the K-D tree is a binary search tree and supports a data structure that can manage points based on location so that a quick Nearest Neighbor Search (NNS) is possible.
  • the Morton code is generated by expressing coordinate values (for example, (x, y, z)) representing the three-dimensional positions of all points as bit values and mixing the bits. For example, if the coordinate value indicating the position of the point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute conversion unit 40007 may sort points based on Molton code values and perform a nearest neighbor search (NNS) through a depth-first traversal process. After the attribute transformation operation, if a nearest neighbor search (NNS) is required in another transformation process for attribute coding, a K-D tree or Morton code is used.
  • NSS nearest neighbor search
  • the converted attributes are input to the RAHT conversion unit 40008 and/or the LOD generation unit 40009.
  • the RAHT conversion unit 40008 performs RAHT coding for predicting attribute information based on reconstructed geometry information. For example, the RAHT converter 40008 may predict attribute information of a node at a higher level of the octree based on attribute information associated with a node at a lower level of the octree.
  • An LOD generator 40009 generates a level of detail (LOD) to perform predictive transformation coding.
  • LOD according to embodiments is a degree representing detail of point cloud content. A smaller LOD value indicates lower detail of point cloud content, and a larger LOD value indicates higher detail of point cloud content. Points can be classified according to LOD.
  • the lifting transform unit 40010 performs lifting transform coding for transforming attributes of a point cloud based on weights. As described above, lifting transform coding may be selectively applied.
  • the coefficient quantization unit 40011 quantizes attribute-coded attributes based on coefficients.
  • the Arithmetic Encoder 40012 encodes the quantized attributes based on Arithmetic Coding.
  • One or more processors may perform at least one or more of operations and/or functions of elements of the point cloud encoder of FIG. 4 described above. Also, one or more processors may operate or execute a set of software programs and/or instructions to perform operations and/or functions of elements of the point cloud encoder of FIG. 4 .
  • One or more memories may include high speed random access memory, and may include non-volatile memory (eg, one or more magnetic disk storage devices, flash memory devices, or other non-volatile solid state memory devices). memory devices (Solid-state memory devices, etc.).
  • FIG. 5 illustrates an example of a voxel according to embodiments.
  • voxel 5 is an octree structure that recursively subdivides a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ). It shows an example of a voxel generated through One voxel includes at least one point. Spatial coordinates of a voxel may be estimated from a positional relationship with a voxel group. As described above, a voxel has an attribute (color or reflectance, etc.) like a pixel of a 2D image/video. Since a detailed description of the voxel is the same as that described in FIG. 4, it will be omitted.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • the point cloud content providing system (point cloud video encoder 10002) or the point cloud encoder (eg, octree analyzer 40002) efficiently manages a voxel area and/or position. To do so, octree structure-based octree geometry coding (or octree coding) is performed.
  • FIG. 6 shows an octree structure.
  • a 3D space of point cloud content according to embodiments is represented by axes (eg, X-axis, Y-axis, and Z-axis) of a coordinate system.
  • the octree structure is created by recursively subdividing a cubical axis-aligned bounding box defined by the two poles (0,0,0) and (2 d , 2 d , 2 d ). . 2d may be set to a value constituting the smallest bounding box enclosing all points of the point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the value of d is determined according to the following formula. In the following equation, (x int n , y int n , z int n ) represents positions (or position values) of quantized points.
  • the entire 3D space can be divided into 8 spaces according to division.
  • Each divided space is represented by a cube with six faces.
  • each of the eight spaces is further divided based on the axes of the coordinate system (for example, the X-axis, Y-axis, and Z-axis). Therefore, each space is further divided into eight smaller spaces.
  • the divided small space is also expressed as a cube with six faces. This division method is applied until the leaf node of the octree becomes a voxel.
  • the lower part of Fig. 6 shows the occupancy code of the octree.
  • the octree's occupancy code is generated to indicate whether each of eight divided spaces generated by dividing one space includes at least one point. Therefore, one occupancy code is represented by 8 child nodes. Each child node represents the occupancy of the divided space, and the child node has a value of 1 bit. Therefore, the occupancy code is expressed as an 8-bit code. That is, if at least one point is included in a space corresponding to a child node, the corresponding node has a value of 1. If a point is not included in the space corresponding to a child node (empty), the corresponding node has a value of 0. Since the occupancy code shown in FIG.
  • a point cloud encoder (eg, the Arismetic encoder 40004) according to embodiments may entropy-encode an occupancy code. Also, to increase compression efficiency, the point cloud encoder may intra/inter code the occupancy code.
  • a receiving device (eg, the receiving device 10004 or the point cloud video decoder 10006) according to embodiments reconstructs an octree based on an occupancy code.
  • a point cloud encoder (eg, the point cloud encoder of FIG. 4 or the octree analyzer 40002) may perform voxelization and octree coding to store positions of points.
  • points in the 3D space are not always evenly distributed, there may be a specific area where many points do not exist. Therefore, it is inefficient to perform voxelization on the entire 3D space. For example, if few points exist in a specific area, there is no need to perform voxelization to that area.
  • the point cloud encoder does not perform voxelization on the above-described specific region (or nodes other than leaf nodes of the octree), but directly codes the positions of points included in the specific region. ) can be performed. Coordinates of direct coding points according to embodiments are called a direct coding mode (DCM). Also, the point cloud encoder according to embodiments may perform trisoup geometry encoding for reconstructing positions of points in a specific area (or node) based on a voxel based on a surface model. Tri-Sup geometry encoding is a geometry encoding that expresses the representation of an object as a series of triangle meshes.
  • a point cloud decoder can generate a point cloud from a mesh surface.
  • Direct coding and trisup geometry encoding according to embodiments may be selectively performed. Also, direct coding and triangle geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use direct mode to apply direct coding must be activated.
  • the node to which direct coding is applied is not a leaf node, points must exist.
  • the number of all points subject to direct coding must not exceed a predetermined limit. If the above condition is satisfied, the point cloud encoder (or the Arithmetic encoder 40004) according to the embodiments may entropy code positions (or position values) of points.
  • the point cloud encoder (for example, the surface approximate analysis unit 40003) according to the embodiments determines a specific level (when the level is smaller than the depth d of the octree) of the octree, and from that level uses the surface model to determine the node Tri-sup geometry encoding for reconstructing the position of a point in an area based on voxels may be performed (tri-sup mode).
  • the point cloud encoder may designate a level to which tri-sup geometry encoding is applied. For example, if the specified level is equal to the depth of the octree, the point cloud encoder does not operate in tri-sup mode.
  • the point cloud encoder may operate in tri-sup mode only when the designated level is smaller than the depth value of the octree.
  • a 3D cube area of nodes of a designated level according to embodiments is referred to as a block.
  • One block may include one or more voxels.
  • a block or voxel may correspond to a brick.
  • geometry is represented as a surface.
  • a surface according to embodiments may intersect each edge of a block at most once.
  • intersection points there are at least 12 intersection points in one block. Each intersection point is called a vertex.
  • a vertex existing along an edge is detected when there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An occluded voxel according to embodiments means a voxel including a point.
  • the position of a vertex detected along an edge is the average position along the edge of all voxels adjacent to the corresponding edge among all blocks sharing the corresponding edge.
  • the point cloud encoder When a vertex is detected, the point cloud encoder according to the embodiments entropy-codes the starting point (x, y, z) of the edge, the direction vector ( ⁇ x, ⁇ y, ⁇ z) of the edge, and the vertex position value (relative position value within the edge).
  • the point cloud encoder for example, the geometry reconstruction unit 40005
  • the point cloud encoder performs triangle reconstruction, up-sampling, and voxelization processes. to create the restored geometry (reconstructed geometry).
  • Vertices located at the edges of a block determine the surface through which the block passes.
  • a surface according to embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by the triangle based on the starting point of the edge, the direction vector of the edge, and the position value of the vertex.
  • the triangle reconstruction process is as follows. 1 Calculate the centroid value of each vertex, 2 Calculate the values obtained by subtracting the centroid value from each vertex value 3 Square the values, and obtain the sum of all the values.
  • the minimum value of the added value is obtained, and the projection process is performed according to the axis with the minimum value. For example, if the x element is minimal, each vertex is projected along the x-axis based on the center of the block, and projected onto the (y, z) plane. If the value that results from projection on the (y, z) plane is (ai, bi), the ⁇ value is obtained through atan2(bi, ai), and the vertices are aligned based on the ⁇ value.
  • the table below shows combinations of vertices to generate triangles according to the number of vertices. Vertices are sorted in order from 1 to n.
  • the table below shows that two triangles can be formed for four vertices according to a combination of the vertices.
  • the first triangle may be composed of the first, second, and third vertices among the aligned vertices
  • the second triangle may be composed of the third, fourth, and first vertices among the aligned vertices. .
  • the upsampling process is performed to voxelize by adding points in the middle along the edge of the triangle. Additional points are generated based on the upsampling factor and the width of the block. The added points are called refined vertices.
  • a point cloud encoder may voxelize refined vertices. Also, the point cloud encoder may perform attribute encoding based on the voxelized position (or position value).
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • the point cloud encoder may perform entropy coding based on context adaptive arithmetic coding.
  • the point cloud content providing system or the point cloud encoder converts the occupancy code directly. Entropy coding is possible.
  • the point cloud content providing system or the point cloud encoder performs entropy encoding (intra-encoding) based on the occupancy code of the current node and the occupancy of neighboring nodes, or entropy encoding (inter-encoding) based on the occupancy code of the previous frame. ) can be performed.
  • a frame according to embodiments means a set of point cloud videos generated at the same time.
  • Compression efficiency of intra-encoding/inter-encoding may vary according to the number of referenced neighboring nodes. If the bit size increases, it becomes complicated, but compression efficiency can be increased by making it skewed to one side. For example, if you have a 3-bit context, 2 of 3 should be coded in 8 ways. The part that is divided and coded affects the complexity of the implementation. Therefore, it is necessary to match the efficiency of compression with an appropriate level of complexity.
  • a point cloud encoder determines occupancy of neighboring nodes of each node of an octree and obtains a neighboring node pattern value.
  • the neighbor node pattern is used to infer the occupancy pattern of that node.
  • the left side of FIG. 7 shows a cube corresponding to a node (a cube located in the middle) and six cubes (neighboring nodes) sharing at least one face with the cube.
  • Nodes shown in the figure are nodes of the same depth (depth).
  • the numbers shown in the figure represent weights (1, 2, 4, 8, 16, 32, etc.) associated with each of the six nodes. Each weight is sequentially assigned according to the locations of neighboring nodes.
  • the right side of FIG. 7 shows neighboring node pattern values.
  • the neighbor pattern value is the sum of values multiplied by the weights of the occupied neighbor nodes (neighbor nodes with points). Therefore, the neighbor node pattern values range from 0 to 63. If the neighbor node pattern value is 0, it indicates that there is no node (occupied node) having a point among the neighbor nodes of the corresponding node. When the neighbor node pattern value is 63, it indicates that all of the neighbor nodes are occupied nodes. As shown in the figure, since the neighboring nodes to which weights 1, 2, 4, and 8 are assigned are ocupied nodes, the neighboring node pattern value is 15, which is the value obtained by adding 1, 2, 4, and 8.
  • the point cloud encoder may perform coding according to the neighboring node pattern value (for example, if the neighboring node pattern value is 63, 64 types of coding are performed). According to embodiments, the point cloud encoder may reduce complexity of coding by changing a neighbor node pattern value (for example, based on a table changing 64 to 10 or 6).
  • the encoded geometry is reconstructed (decompressed) before attribute encoding is performed.
  • the geometry reconstruction operation may include changing the arrangement of direct coded points (eg, placing the direct coded points in front of point cloud data).
  • the geometry reconstruction process includes triangle reconstruction, upsampling, and voxelization processes. Since attributes depend on the geometry, attribute encoding is performed based on the reconstructed geometry.
  • the point cloud encoder may reorganize points according to LODs.
  • the diagram shows point cloud content corresponding to the LOD.
  • the left side of the figure shows the original point cloud content.
  • the second figure from the left of the figure shows the distribution of points with the lowest LOD, and the rightmost figure of the figure shows the distribution of points with the highest LOD. That is, points of the lowest LOD are sparsely distributed, and points of the highest LOD are densely distributed. That is, as the LOD increases according to the direction of the arrow indicated at the bottom of the drawing, the interval (or distance) between points becomes shorter.
  • the point cloud content providing system or the point cloud encoder (eg, the point cloud video encoder 10002, the point cloud encoder in FIG. 4, or the LOD generator 40009) generates an LOD. can do.
  • the LOD is created by reorganizing the points into a set of refinement levels according to a set LOD distance value (or set of Euclidean Distances).
  • the LOD generation process is performed in the point cloud decoder as well as the point cloud encoder.
  • FIG. 9 shows examples of points (P0 to P9) of the point cloud content distributed in the 3D space.
  • the original order of FIG. 9 indicates the order of points P0 to P9 before LOD generation.
  • the LOD based order of FIG. 9 represents the order of points according to LOD generation. Points are reordered by LOD. Also, high LOD includes points belonging to low LOD.
  • LOD0 includes P0, P5, P4, and P2.
  • LOD1 contains the points of LOD0 and P1, P6 and P3.
  • LOD2 includes points of LOD0, points of LOD1 and P9, P8 and P7.
  • the point cloud encoder may perform prediction transform coding, lifting transform coding, and RAHT transform coding selectively or in combination.
  • a point cloud encoder may generate predictors for points and perform predictive transformation coding to set predictive attributes (or predictive attribute values) of each point. That is, N predictors can be generated for N points.
  • the predicted attribute (or attribute value) is a weight calculated based on the distance to each neighboring point to the attributes (or attribute values, eg, color, reflectance, etc.) of neighboring points set in the predictor of each point. (or weight value) is set as the average value of multiplied values.
  • the point cloud encoder for example, the coefficient quantization unit 40011 according to the embodiments subtracts the predicted attribute (attribute value) from the attribute (attribute value) of each point, and generates residual values (residuals, residual attributes, residual attribute values, attributes) can be called a prediction residual, etc.) can be quatized and inverse quantized, and the quantization process is shown in the following table.
  • the point cloud encoder (for example, the Arismetic encoder 40012) according to the embodiments may entropy code the quantized and inverse quantized residual values as described above when there are points adjacent to the predictor of each point.
  • the point cloud encoder (for example, the Arismetic encoder 40012) according to the examples may entropy code attributes of the corresponding point without performing the above-described process if there are no neighboring points to the predictor of each point.
  • the point cloud encoder (for example, the lifting transform unit 40010) according to the embodiments generates a predictor of each point, sets the LOD calculated in the predictor, registers neighboring points, and weights according to distances to neighboring points.
  • Lifting transform coding according to the embodiments is similar to the above-described predictive transform coding, but is different in that weights are cumulatively applied to attribute values. The process of cumulatively applying weights to values is as follows.
  • the weight calculated for all predictors is additionally multiplied by the weight stored in the QW corresponding to the predictor index, and the calculated weight is cumulatively summed as the index of the neighboring node in the update weight array.
  • the value obtained by multiplying the calculated weight by the attribute value of the index of the neighboring node is cumulatively summed.
  • a predicted attribute value is calculated by additionally multiplying an attribute value updated through the lift update process by a weight updated through the lift prediction process (stored in QW).
  • a point cloud encoder eg, the coefficient quantization unit 40011
  • the point cloud encoder eg, the Arismetic encoder 40012
  • the point cloud encoder (for example, the RAHT transform unit 40008) according to the embodiments may perform RAHT transform coding to predict attributes of nodes at a higher level using attributes associated with nodes at a lower level of the octree. .
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud encoder according to embodiments scans from voxels to the entire area and repeats the merging process up to the root node while merging the voxels into larger blocks in each step.
  • a merging process according to embodiments is performed only for Occupied nodes.
  • a merging process is not performed on an empty node, but a merging process is performed on an immediate parent node of an empty node.
  • the following equation represents a RAHT transformation matrix.
  • g lx, y, z represent average attribute values of voxels at level l.
  • g lx, y, z can be computed from g l+1 2x, y, z and g l+1 2x+1, y, z .
  • g l-1 x, y, z are low-pass values and are used in the merging process at the next higher level.
  • h l ⁇ 1 x, y, and z are high-pass coefficients, and the high-pass coefficients at each step are quantized and entropy-coded (for example, 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 obtained, and XR objects to be displayed can be rendered and output. For example, the XR/PCC device 1430 may output an XR object including additional information about the recognized object in correspondence with the recognized object.
  • the XR/PCC device 1430 may be implemented as a mobile phone 1440 or the like to which PCC technology is applied.
  • the mobile phone 1440 may decode and display point cloud content based on PCC technology.
  • the self-driving vehicle 1420 may be implemented as a mobile robot, vehicle, unmanned aerial vehicle, etc. by applying PCC technology and XR technology.
  • the self-driving vehicle 1420 to which XR/PCC technology is applied may refer to an autonomous vehicle equipped with a means for providing XR images or an autonomous vehicle subject to control/interaction within the XR images.
  • the self-driving vehicle 1420 which is a target of control/interaction within the XR image, is distinguished from the XR device 1430 and may be interlocked with each other.
  • the self-driving vehicle 1420 equipped with a means for providing an XR/PCC image may obtain sensor information from sensors including cameras and output an XR/PCC image generated based on the obtained sensor information.
  • the self-driving vehicle 1420 may provide an XR/PCC object corresponding to a real object or an object in a screen to a passenger by outputting an XR/PCC image with a HUD.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a part of the XR/PCC object may be output to overlap the real object toward which the passenger's gaze is directed.
  • an XR/PCC object when an XR/PCC object is output to a display provided inside an autonomous vehicle, at least a part of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 1220 may output XR/PCC objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, pedestrians, and buildings.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Mixed Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects or backgrounds of the real world only as CG images.
  • AR technology means a technology that shows a virtually created 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. , encoder of FIG. 4, transmitter of FIG. 12, device of FIG. 14, encoding of FIGS. 15 to 23, encoding of FIGS. 27 to 29, encoding of FIGS. 33 to 36, bitstream and parameter generation, FIG. 37, encoding of FIGS. 40-42, FIG. 43 It is interpreted as a term indicating the transmission method, etc.
  • a method/device for receiving point cloud data includes a receiving device 10004 of FIG. 1, a receiver 10005, a point cloud video decoder 10006, and transmission-decoding-rendering (20002-20003-20004) of FIG. , decoder of FIGS. 10-11, receiver of FIG. 13, device of FIG. 14, decoding of FIGS. 15 to 23, decoding of FIGS. 27 to 29, parsing of the bitstream of FIGS. 33 to 36, decoding of FIG. 38, decoding of FIGS. 40-42 , It is interpreted as a term referring to the FIG. 44 receiving method 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 provide a method for controlling point cloud density in a slice.
  • Embodiments provide a method for efficiently supporting selective decoding of a portion of data due to receiver performance or transmission speed when transmitting and receiving point cloud data.
  • geometry and attribute data transmitted in data units are divided into semantic units such as geometry octree and level of detail (LoD), which is necessary in bitstream units. You can select the information to be or remove unnecessary information.
  • Embodiments address techniques for constructing data structures composed of point clouds. Specifically, a packing and signaling method for effectively delivering layer-based PCC data is described, and based on this, a method for applying to a scalable PCC-based service is proposed. In particular, when the direct compression mode is used for positional compression, a method for constructing and transmitting/receiving a slice segment to be more suitable for a scalable PCC service is proposed. In particular, we propose a compression structure for efficient storage and transmission of large-capacity point cloud data with a wide distribution and high point density.
  • point cloud data is composed of a location (geometry: e.g., XYZ coordinates) and attributes (e.g., color, reflectance, intensity, grayscale, opacity, etc.) of each data.
  • attributes e.g., color, reflectance, intensity, grayscale, opacity, etc.
  • octree-based compression is performed to efficiently compress distribution characteristics that are non-uniformly distributed in a 3-dimensional space, and attribute information is compressed based on this.
  • FIGS. 4 and 11 point cloud data is composed of a location (geometry: e.g., XYZ coordinates) and attributes (e.g., color, reflectance, intensity, grayscale, opacity, etc.) of each data.
  • PCC Point Cloud Compression
  • octree-based compression is performed to efficiently compress distribution characteristics that are non-uniformly distributed in a 3-dimensional space, and attribute information is compressed based on this.
  • 15 illustrates a process of encoding, transmitting, and decoding point cloud data according to embodiments.
  • Each component of FIG. 15 may correspond to hardware, software, processor, and/or a combination thereof.
  • the point cloud encoder 15000 is a transmission device according to embodiments that performs a transmission method according to embodiments, and can scalably encode and transmit point cloud data.
  • the point cloud decoder 15010 is a receiving device according to embodiments that performs a receiving method according to embodiments, and can scalably decode point cloud data.
  • Source data received by the encoder 15000 may include geometry data and/or attribute data.
  • the encoder 15000 scalably encodes the point cloud data and does not directly generate a partial PCC bitstream, receives full geometry data and full attribute data, stores the data in storage connected to the encoder, and then For partial encoding, transcoding may be performed to generate and transmit a partial PCC bitstream.
  • the decoder 15010 may receive and decode the partial PCC bitstream to restore partial geometry and/or partial attributes.
  • the encoder 15000 may receive the full geometry and full attributes, store the data in storage connected to the encoder, transcode the point cloud data with a low QP (quantization parameter), and generate and transmit the entire PCC bitstream.
  • the decoder 15010 may receive and decode the entire PCC bitstream to recover full geometry and/or full attributes.
  • the decoder 15010 may select partial geometry and/or partial attributes from the entire PCC bitstream through data selection.
  • the method/device divides location information and characteristic information such as color/brightness/reflectivity of a data point, which is point cloud data, into geometry and attribute information, compresses and transmits them, respectively.
  • PCC data may be configured according to an octree structure having layers or a level of detail (LoD) according to a degree of detail. Based on this, scalable point cloud data coding and representation are possible. At this time, it is possible to decode or represent only a part of the point cloud data according to the performance or transmission speed of the receiver.
  • the method/device according to the embodiments may remove unnecessary data in advance in this process. That is, when only a part of the scalable PCC bitstream needs to be transmitted (when only some layers are decoded during scalable decoding), only the required part is selected and transmitted. Since it cannot be done, 1) re-encode the necessary part after decoding (15020) or 2) transmit the whole and then selectively apply it in the receiver (15030). However, in the case of 1), a delay may occur due to the time for decoding and re-encoding (15020), and in the case of 2), bandwidth efficiency decreases due to transmission of unnecessary data, and a fixed bandwidth ), there is a point in transmitting with lower data quality (15030).
  • a method/device may define a slice subdivision structure of point cloud data and signal a scalable layer and a slice structure for scalable transmission.
  • Embodiments may classify and process bitstreams in specific units for efficient bitstream delivery and decoding.
  • an entropy-based compression method and direct coding may be used together in the case of octree-based location compression.
  • a slice configuration is required for
  • Units according to embodiments may be referred to as LOD, layer, slice, and the like.
  • LOD is the same term as LOD of attribute data coding, but may mean a data unit for a layer structure of a bitstream in another meaning. It may be a concept of corresponding to one depth based on a hierarchical structure of point cloud data, eg, depth (level) of an octree or several trees, or combining two or more depths.
  • a layer is for generating a unit of a sub-bitstream, corresponds to one depth or is a concept of combining two or more depths, and may correspond to one LOD or two or more LODs.
  • a slice is a unit for constructing a unit of a sub-bitstream, and may correspond to one depth, a part of one depth, or two or more depths. Also, whether it corresponds to one LOD or a part of one LOD, it may correspond to two or more LODs.
  • LODs, layers, and slices may correspond to each other or have an inclusive relationship. Also, units according to embodiments include LODs, layers, slices, layer groups, subgroups, and the like, and may be referred to interchangeably.
  • the embodiments include a region-of-interest-based slice selective coding and transmission method, a slice generation method considering the density of cloud data, a fixed subgroup size, a fixed subgroup size, and a subgroup size. It may include a group division (Fixed subgroupSize + subgroup division), a rotation-based subgroup division (subgroup division) signaling method, and the like.
  • FIG. 16 illustrates a layer-based point cloud data configuration according to embodiments and a geometry and attribute bitstream structure according to embodiments.
  • a transmission method/apparatus may configure layer-based point cloud data as shown in FIG. 16 to encode and decode the point cloud data.
  • Embodiments aim at efficient transmission and decoding by selectively transmitting and decoding data in a bitstream unit for point cloud data composed of layers.
  • Layering of point cloud data is layered from various viewpoints such as SNR, spatial resolution, color, temporal frequency, and bit depth, depending on the application field.
  • layers may be formed in a direction in which the density of data increases.
  • a method/apparatus may configure, encode, and decode a geometry bitstream and an attribute bitstream based on layering as shown in FIG. 16 .
  • a bitstream obtained through point cloud compression of a transmission device/encoder is divided into a geometry data bitstream and an attribute data bitstream according to the type of data (attribute data bitstream) and can be transmitted.
  • Each bitstream according to embodiments may be configured as a slice and transmitted. Regardless of layer information or LoD information, a geometry data bitstream and an attribute data bitstream may be configured as one slice and transmitted. In this case, if the layer ( 1) Process of decoding bitstream 2) Process of selecting only the part to be used and removing unnecessary part 3) Re-encoding based on only necessary information encoding) process.
  • 17 shows a bitstream configuration according to embodiments.
  • a transmitting method/device may generate a bitstream as shown in FIG. 17, and a receiving method/device according to embodiments may decode point cloud data included in the bitstream as shown in FIG. 17.
  • Embodiments may apply a method of dividing and transmitting bitstreams in units of layers (or LoD) to avoid unnecessary intermediate processes.
  • a low LoD is included in a high LoD.
  • Information included in the current LoD but not included in the previous LoD, that is, information newly included for each LoD may be referred to as R (rest).
  • R information newly included for each LoD.
  • initial LoD information and information R newly included in each LoD can be divided into independent units and transmitted.
  • a transmission method/apparatus may encode geometry data and generate a geometry bitstream.
  • the geometry bitstream may be configured for each LOD or layer, and the geometry bitstream may include a header (geometry header) for each LOD or layer configuration unit.
  • the header may include reference information for the next LOD or next layer.
  • the current LOD (layer) may further include R information (geometry data) not included in the previous LOD (layer).
  • a receiving method/device may encode attribute data and generate an attribute bitstream.
  • the attribute bitstream may be configured for each LOD or layer, and the attribute bitstream may include a header (attribute header) for each LOD or layer.
  • the header may include reference information for the next LOD or next layer.
  • the current LOD (layer) may further include R information (attribute data) not included in the previous LOD (layer).
  • the receiving method/device according to the embodiments may receive a bitstream composed of LODs or layers and efficiently decode only data to be used without a complicated intermediate process.
  • a method/apparatus according to embodiments may align the bitstream of FIG. 17 as shown in FIG. 18.
  • a transmission method/apparatus may serially transmit geometry and attributes as shown in FIG. 18 when transmitting a bitstream.
  • the entire geometry information may be transmitted first according to the type of data, and then the attribute information (attribute data) may be transmitted.
  • attribute information attribute data
  • layers (LODs) including geometry data may be located first in the bitstream, and layers (LODs) including attribute data may be located after the geometry layer. Since attribute data depends on geometry data, the geometry layer can be placed first. In addition, the position can be changed in various ways according to embodiments. References between geometry headers are possible, and references between attribute headers and geometry headers are also possible.
  • bitstreams constituting the same layer including geometry data and attribute data may be collected and transmitted.
  • the decoding execution time can be shortened.
  • information that needs to be processed first small LoD, geometry should precede attributes
  • the first layer 1800 includes geometry data and attribute data corresponding to the smallest LOD 0 (layer 0) along with each header, and the second layer 1810 includes LOD 0 (layer 0). Geometry data and attribute data of points for new and more detailed layer 1 (LOD 1) not in LOD 0 (layer 0) are included as R1 information. Similarly, a third layer 1820 may follow.
  • LOD 1 new and more detailed layer 1
  • the transmission/reception method/device can efficiently select a layer (or LoD) desired in an application field at a bitstream level when transmitting and receiving a bitstream.
  • a layer or LoD
  • bitstream alignment methods when geometry information is collected and sent (FIG. 18), an empty part may occur in the middle after selecting a bitstream level, and in this case, the bitstream may have to be rearranged.
  • unnecessary information can be selectively removed according to the application field as follows.
  • 19 illustrates a method of selecting geometry data and attribute data according to embodiments.
  • the method/device may select data at the bitstream level as shown in FIG. 21: 1) symmetrical geometry and attribute selection, 2) asymmetrical geometry and attribute selection. choice, 3) or a combination of both methods.
  • FIG. 19 it shows a case of transmitting or decoding by selecting only up to LoD1 (LOD 0 +R1, 19000), removing information corresponding to R2 (new part of LOD 2) corresponding to the upper layer, (19010) Transmit and decode.
  • a method/device may deliver geometry and attributes asymmetrically. Only the attributes of the upper layer are removed (Attribute R2, 19001), and all of the geometry (from level 0 (root level) to level 7 (leaf level) of the triangular octree structure) is selected for transmission/decoding. can (19011).
  • scalable encoding/decoding can be supported when point cloud data is expressed in an octree structure and hierarchically classified for each LOD (or layer).
  • the scalability function may include slice level scalability and/or octree level scalability.
  • a level of detail (LoD) may be used as a unit for indicating a set of one or a plurality of octree layers.
  • it may have the meaning of a bundle of octree layers to configure in slice units.
  • An LOD is a unit that divides data in detail by extending the LOD meaning during attribute encoding/decoding, and can be used in a broad sense.
  • spatial scalability by the actual octree layer may be provided for each octree layer, but bitstream parsing
  • bitstream parsing When scalability is configured in slice units before bitstream parsing, it may be selected in LoD units according to embodiments.
  • LOD 0 may be applied from the root level to the 4th level
  • LOD 1 may be applied from the root level to the 5th level
  • LOD2 may be applied from the root level to the leaf 7 level.
  • the provided scalability step is three steps of LoD0, LoD1, and LoD2.
  • the scalable steps that can be provided in the decoding step by the octree structure are eight steps from the root to the leaf.
  • the transcoder (15040 in FIG. 15 ) of the receiver or transmitter uses 1) only LoD0 for scalable processing. You can select 2) LoD0 and LoD1, or 3) LoD0, LoD1 and LoD2.
  • Example 1 When only LoD0 is selected, the maximum octree level is 4, and one scalable layer among octree layers 0 to 4 can be selected in the decoding process. .
  • the receiver may consider the node size that can be obtained through the maximum octree depth as a leaf node, and transmit the node size at this time as signaling information. there is.
  • Example 2 When LoD0 and LoD1 are selected, layer 5 is added and the maximum octree level is 5, and one scalable layer among octree layers 0 to 5 can be selected in the decoding process. At this time, the receiver may consider the node size that can be obtained through the maximum octree depth as a leaf node, and transmit the node size at this time as signaling information. there is.
  • an octree depth, an octree layer, an octree level, and the like refer to units for dividing data in detail.
  • Example 3 When LoD0, LoD1, and LoD2 are selected, layers 6 and 7 are added, so the maximum octree level is 7, and one scalable layer among octree layers 0 to 7 (scalable layer) can be selected in the decoding process.
  • the receiver may consider the node size that can be obtained through the maximum octree depth as a leaf node, and transmit the node size at this time as signaling information. there is.
  • FIG. 20 illustrates a method of constructing a slice including point cloud data according to embodiments.
  • a transmission method/device/encoder may be configured by dividing a G-PCC bit stream into a slice structure.
  • a data unit for expressing detailed data may be a slice.
  • a slice according to embodiments may mean a data unit dividing point cloud data. That is, a slice represents a portion of point cloud data.
  • the term slice can be referred to as terms representing a certain part or unit.
  • one or a plurality of octree layers may be matched to one slice.
  • a transmission method/device may configure a slice 2001-based bitstream by scanning nodes (points) included in an octree in a scan order 2000 direction.
  • Some nodes of an octree layer may be included in one slice.
  • An octree layer (eg, levels 0 to 4) may constitute one slice 2002 .
  • Each slice 2003, 2004, and 2005 may be configured with some data of an octree layer, for example, level 5.
  • An octree layer for example, some data of level 6 may constitute each slice.
  • An octree layer for example, level 0 to level 3, and some data of level 4 can be configured as one slice.
  • An octree layer for example, some data of level 4 and some data of level 5 may be configured as one slice.
  • An octree layer for example, some data of level 5 and some data of level 6 may be configured as one slice.
  • An octree layer for example, some data of level 6 may be configured as one slice.
  • An octree layer for example, data from level 0 to level 4 can be configured as one slice.
  • Partial data of each of level 5, level 6, and level 7 of the octree layer may be configured as one slice.
  • An encoder and a device corresponding to the encoder may encode point cloud data, generate and transmit a bitstream further including encoded data and parameter information about the point cloud data.
  • bitstream when generating a bitstream, the bitstream may be generated based on the bitstream structure (eg, see FIGS. 16 to 20, etc.) according to embodiments. Therefore, a receiving device, a decoder, a corresponding device, etc. according to embodiments may receive and parse a bitstream configured to suit a selective partial data decoding structure, partially decode point cloud data, and efficiently provide it (Fig. 15).
  • a method/device for transmitting point cloud data may scalably transmit a bitstream including point cloud data, and a method/device for receiving point cloud data according to embodiments scalably receive a bitstream and can decode.
  • Scalable transmission may refer to a case in which only a part of the bitstream is transmitted or decoded rather than decoding the entire bitstream, and the result is low-resolution point cloud data (low resolution point cloud data).
  • each octree layer from the root node to the leaf node (FIG. 16 For a bitstream of ), point cloud data must be constructed with only information up to a specific octree layer.
  • all octree layers can support scalable transmission, but only scalable transmission for a specific octree layer or lower can make this possible.
  • it informs which scalable layer the corresponding slice is included in, thereby determining whether the corresponding slice is necessary/unnecessary at the bitstream stage. can judge In the example of FIG.
  • scalable transmission is not supported and one scalable layer is configured, and the following octree layer layer) can be configured to match one-to-one with a scalable layer.
  • scalability can be supported for a part corresponding to a leaf node.
  • the corresponding layer For layers it can be defined to configure one scalable layer.
  • scalable transmission and scalable decoding can be used separately according to the purpose.
  • scalable transmission it can be used for the purpose of selecting information up to a specific layer without going through a decoder at the transmitting and receiving end.
  • the purpose is to select a specific layer during coding. That is, scalable transmission supports selection of required information without going through a decoder in a compressed state (at the bitstream stage) so that transmission or receiver can determine it.
  • encoding and decoding encoding/decoding of only the part required in the encoding and decoding process is supported, such as scalable representation. can be used for
  • a layer configuration for scalable transmission and a layer configuration for scalable decoding may be different.
  • the lower 3 octree layers including leaf nodes can constitute one layer in terms of scalable transmission, but scalable decoding ) scale for each of the leaf node layer, leaf node layer-1, and leaf node radar-2 when all layer information is included in the perspective.
  • Scalable decoding may be possible.
  • FIG. 21 illustrates single slice and segmented slice-based geometry tree structures according to embodiments.
  • a method/apparatus may configure a slice for transmitting point cloud data as shown in FIG. 21 .
  • each slice may contain a sub-bitstream.
  • the order of slices may be the same as the order of sub-bitstreams.
  • the bitstream is accumulated in breadth-first order of the geometry tree, and each slice can be matched with a group of tree layers (Fig. 21).
  • the divided slices may inherit the layering structure of the G-PCC bitstream.
  • Slices may not affect previous slices, just as higher layers in a geometry tree do not affect lower layers.
  • Segmented slices according to embodiments are efficient in terms of error robustness, effective transmission, and supporting region of interest.
  • a divided slice may be more resistant to errors. If a slice contains the entire bitstream of a frame, data loss may affect the entire frame data. Meanwhile, when a bitstream is divided into a plurality of slices, even if some slices are lost, some slices not affected by the loss can be decoded.
  • a case in which a plurality of decoders having different capacities may be supported may be considered. If the coded data is in a single slice, the LOD of the coded point cloud can be determined prior to encoding. Accordingly, a plurality of pre-encoded bitstreams having different resolutions of point cloud data may be independently delivered. This can be inefficient in terms of large bandwidth or storage space.
  • a single bitstream can support decoders of different levels. Viewed from the decoder side, the receiver can select target layers and deliver the partially selected bitstream to the decoder. Similarly, by using a single PCC bitstream without partitioning the entire bitstream, a partial PCC bitstream can be efficiently generated at the transmitter side.
  • a compressed bitstream may be configured to have more than one layer.
  • a specific region of interest may have additional layers and high density, and layers may be predicted from lower layers.
  • the decoder can increase the resolution of the region of interest upon request. It can be implemented by using scalable structures of G-PCC such as geometry octrees and scalable attribute coding schemes. Based on the current slice structure including the full geometry or attributes, decoders have to access the entire bitstream. This can lead to bandwidth, memory and decoder inefficiencies.
  • the decoder slices the bitstream as needed before efficiently parsing the bitstream. can choose
  • FIG. 22 illustrates a layer group structure of a geometry coding tree and an aligned layer group structure of an attribute coding tree according to embodiments.
  • a method/apparatus may generate a slice layer group using a hierarchical structure of point cloud data as shown in FIG. 22 .
  • a method/apparatus may apply segmentation of geometry and attribute bitstreams included in different slices.
  • segmentation of geometry and attribute bitstreams included in different slices may be applied.
  • a coding tree structure of each slice included in partial tree information and geometry and attribute coding may be used.
  • FIG. 22 (a) an example of a geometry tree structure and a proposed slice segment is shown.
  • a group represents a group of geometry tree layers.
  • text 1 is composed of layers 0 to 4, group 2 includes layer 5, and group 3 includes layer 6 and layer 7.
  • group 3 includes layer 6 and layer 7.
  • a group can be divided into 3 sub-groups. Parent and child pairs exist in each sub-group.
  • Group 3-1 to Group 3-3 are sub-groups of Group 3.
  • the tree structure is the same as the geometry tree structure.
  • the same octree-slice mapping can be used to build attribute slice segments (Fig. 22(b)).
  • Layer group Represents a group of layer structural units occurring in G-PCC coding, such as an octree layer and a LoD layer.
  • Sub-group It can be represented as a set of adjacent nodes based on location information for one layer group.
  • the lowest layer in the layer group (which may mean a layer closest to the root direction, layer 6 in the case of group 3 in FIG. 22)
  • a bundle can be configured based on , and a bundle of adjacent nodes is configured by Morton code order, a bundle of adjacent nodes based on a distance, or a bundle of adjacent nodes according to a coding order. can be configured.
  • nodes in a parent-child relationship can be specified to exist in one sub-group.
  • a boundary occurs in the middle of the layer, and the entropy continuation enable flag (sps_entropy_continuation_enabled_flag) and entropy determine whether to have continuity at the boundary.
  • Continuity with the previous slice can be continuously maintained by notifying whether entropy is continuously used, such as a continuity flag (gsh_entropy_continuation_flag), and notifying a reference slice ID (ref_slice_id).
  • FIG. 23 illustrates a layer group and subgroup structure according to embodiments.
  • the layer structure-based point cloud data and bitstream shown in FIGS. 21 and 22 may represent a bounding box as shown in FIG. 23 .
  • Layer groups 2 and 3 are divided into subgroups 2 (group2-1, group2-2) and 4 subgroups (group3-1, group3-2, group3-3, group3-4) and are included in different slices.
  • slices 1, 3, and 6 are selected as layer group 1, subgroup 2-2, and subgroup bounding boxes of 3-3 to cover the ROI region.
  • selection and decoding can be performed as each slice segment is received for greater time efficiency.
  • the method/apparatus according to the embodiments may express data as a layer (which may be referred to as depth, level, etc.) as a hierarchical tree 23000 when encoding geometry and/or attributes.
  • Point cloud data corresponding to each layer (depth/level) may be grouped into a layer group (or group, 2301) as shown in FIGS. 21 and 22 .
  • Each layer group may be further divided (segmented) into subgroups 2302 .
  • a bitstream may be generated by configuring each subgroup as a slice.
  • a receiving device may receive a bitstream, select a specific slice, decode a subgroup included in the slice, and decode a bounding box corresponding to the subgroup.
  • the bounding box 2303 corresponding to group 1 can be decoded.
  • Group 1 may be data corresponding to the largest area. If the user wants to additionally view the detailed area for group 1, the method/device according to the embodiments selects slice 3 and/or slice 6, and groups 2-2 and/or Alternatively, the bounding boxes (point cloud data) of group 3-3 may be partially accessed hierarchically.
  • a method/apparatus determines and selects a slice matching an ROI based on subgroup bounding box information.
  • Receivers with different performance can be supported when divided into slices and transmitted as a method of proposing a compressed bitstream for a full coding layer.
  • the receiver may select directly or the transcoder may select.
  • Information on the case of full decoding when selected by a transcoder eg, total coding layer depth, total number of layer-groups, total subgroups ( number of subgroups, etc.)
  • the receiver may need the corresponding information in the decoding process.
  • the corresponding information may be directly transmitted or the number of skipped layer groups (num_skipped_layer_groups) and the number of skipped layers (num_skipped_layers) may be delivered as information that can be inferred.
  • An example of a method for generating an ROI according to embodiments is as follows.
  • ROI setting process for slice selection is as follows (ROI setting for slice selection):
  • gbh.layer_group_enabled_flag _sps->layer_group_enabled_flag
  • gbh.num_layer_groups_minus1 _sps->num_layer_groups_minus1;
  • gbh.num_layers_per_layer_group _sps->num_layers_minus1;
  • gbh.num_layers_per_layer_group[i] _sps->num_layers_minus1[i] + 1;
  • ROI_size params->roiSize
  • ROI_origin[i] int(Width * positionScale + 0.5);
  • ROI_origin[i] Width - 1 - ROI_size[i];
  • Slice selection supports scalability and spatial random access (// slice selection: scalablity and spatial random access)
  • numSkipLayerGroup gbh.num_layer_groups_minus1;
  • auto curBboxMin gbh.vec_bboxOrigin[curLayerGroupId][curSubgroupId];
  • auto curBboxMax gbh.vec_bboxOrigin[curLayerGroupId][curSubgroupId] + gbh.vec_bboxSize[curLayerGroupId][curSubgroupId];
  • PayloadBuffer& buf bufs->at(bufIdx++);
  • dep_gbh.geom_parameter_set_id _gps->gps_geom_parameter_set_id;
  • dep_gbh.geom_slice_id gbh.geom_slice_id;
  • dep_gbh.layer_group_id curLayerGroupId
  • dep_gbh.subgroup_id curSubgroupId
  • dep_gbh.subgroupBboxOrigin gbh.vec_bboxOrigin[curLayerGroupId][curSubgroupId];
  • dep_gbh.subgroupBboxSize gbh.vec_bboxSize[curLayerGroupId][curSubgroupId];
  • dep_gbh.ref_layer_group_id gbh.ref_layerGroup[curLayerGroupId][curSubgroupId];
  • dep_gbh.ref_subgroup_id gbh.ref_subgroup[curLayerGroupId][curSubgroupId];
  • gbh.footer.geom_num_points_minus1 num_points - 1;
  • curSubgroupId 0;
  • a slice selection method according to the ROI in the decoder is as follows.
  • auto curBboxMin _dep_gbh.subgroupBboxOrigin
  • auto curBboxMa _dep_gbh.subgroupBboxOrigin + _dep_gbh.subgroupBboxSize;
  • auto roiMax _params.roiOrigin + _params.roiSize;
  • FIGS. 24 to 26 Examples of resulting images according to the above-described slice selection are shown in FIGS. 24 to 26 .
  • FIG. 27 illustrates a slice generation method considering cloud density according to embodiments.
  • Method/device for transmitting point cloud data according to embodiments (transmission device 10000 in FIG. 1, point cloud video encoder 10002, transmitter 10003, acquisition-encoding-transmission (20000-20001-20002) in FIG. 2) according to embodiments , encoder of FIG. 4, transmission device of FIG. 12, device of FIG. 14, encoding of FIGS. 15 to 23, encoding of FIGS. 27 to 29, encoding of FIG. 37, encoding of FIGS. 40-42, and transmission method of FIG. 43) are points as shown in FIG. Slices can be created and encoded considering the density of cloud data.
  • Method/device for receiving point cloud data are point clouds
  • Point cloud data may be decoded based on a slice generated by considering data density.
  • the method/device according to the embodiments may use an adaptive subgroup bounding box.
  • subgroup split can limit the number of nodes in each sub (sub) group.
  • cubic subgroups with fixed subgroup sizes are used within the input sequence. Since division (partitioning) is based on a spatial domain, the range of the number of nodes in each slice is not guaranteed.
  • the cubic bounding box can be split into subdivisions as shown in Figure 27. In this example, the original bounding box is split in two by dividing the cubic center on one axis. Dividing across the y and z axes of the three gives the Morton order (order). If the splitting position is not the center position, the sub-partitioned bounding boxes will span Morton order for all three cases.
  • the segmentation process may be applied to test content having a large number of points.
  • the number of points of data (ulb_unicorn_hires_vox15.ply) is 63,787,119 and the number of subgroups of the last layer group created is 105 (the above-mentioned conditions apply).
  • the distribution of points in the point cloud data is not uniform, there may be subgroups whose number of points exceeds 1,100,000 according to TMC13. To adjust the number of points in those subgroups, we can divide the cubic subgroup into several subgroups. Referring to FIG.
  • each row (row) represents an example of splitting across the z-axis, y-axis, and x-axis.
  • each column (column) indicates the subgroup origin, size, and number of points before/after split.
  • the split direction is determined to produce two sub-divided results that have as many similar points as possible.
  • the number of points after splitting can be lower than the level limit at which coder friendly slices can be created.
  • the number of slices of the last layer group may be changed to 121 after division.
  • FIG. 28 An example of division of the cubic bounding box described in FIG. 27 into sub-group boxes is shown in FIG. 28.
  • subgroups are divided based on subgroupSize, a parameter that determines the length of a cube. Since the bounding box of the content is divided at a uniform distance in all axes, the cubic subgroup can be regarded as a unit of spatial random access.
  • Subgroup generation methods may include 1) a method using a fixed subgroup size and/or 2) a method using both a fixed subgroup size and subgroup division.
  • all subgroups may be created based on a fixed subgroup size.
  • the following describes layer-group and subgroup based on subgroup origin, subgroup size, point count measurement, and layer-group structure parameter. ) and storing related parameters in SPS (sequence parameter set) and layer-group structure inventory.
  • min_k std::round(inputPointCloud.computeBoundingBox().min[k] * params->seqGeomScale);
  • gbh_temp.rootNodeSizeLog2[k] ceillog2(std::max(2, bound[k]));
  • gbh_temp.rootNodeSizeLog2 gbh_temp.rootNodeSizeLog2.max();
  • auto lvlNodeSizeLog2 mkQtBtNodeSizeList(params->gps, params->geom.qtbt, gbh_temp);
  • params->subgroupBboxSize_Cubic (params->subgroupBboxSize_Cubic ⁇ (1 ⁇ gbh_temp.rootNodeSizeLog2.max()))
  • params->subgroupBboxSize_Cubic 1 ⁇ gbh_temp.rootNodeSizeLog2.max();
  • params->subgroupBboxSize_Cubic 1 ⁇ (int)(gbh_temp.rootNodeSizeLog2.max() - 3);
  • params->sps.num_layers_minus1[i] params->numLayersInLayerGroup0 - 1;
  • params->sps.num_layers_minus1[i] params->num_layers_per_layer_group[i - 1];
  • numPerAxis[k] std::ceil(double(1 ⁇ gbh_temp.rootNodeSizeLog2[k]) / initSubgroupBboxSize[k]);
  • numMaxSubgroups * numPerAxis[k]
  • minInput[k] std::round(minInput[k] * params->seqGeomScale);
  • pos[k] std::round(inputPointCloud[i][k] * params->seqGeomScale) - minInput[k];
  • subgroupIdx[k] (int)(pos[k] / initSubgroupBboxSize[k]);
  • int currentIdx (subgroupIdx[0] * numPerAxis[1] + subgroupIdx[1]) * numPerAxis[2] + subgroupIdx[2];
  • curIdx[2] i % numPerAxis[2]
  • curIdx[1] (int)(i / numPerAxis[2]) % numPerAxis[1];
  • curIdx[0] (int)((int)(i / numPerAxis[2]) / numPerAxis[1]);
  • curBboxOrigin[m] initSubgroupBboxSize[m] * curIdx[m];
  • params->sps.subgroupBboxOrigin_bits_minus1 numBits(maxXYZ) - 1;
  • params->sps.subgroupBboxSize_bits_minus1 numBits(initSubgroupBboxSize.max()) - 1;
  • params->sps.subgroupBboxSize_bits_minus1 numBits((int)(1 ⁇ gbh_temp.rootNodeSizeLog2.max())) - 1;
  • layerGroupStructureInventory.lgsi_seq_parameter_set_id params->sps.sps_seq_parameter_set_id;
  • slice.lgsi_num_layer_groups_minus1 params->sps.num_layer_groups_minus1;
  • slice.lgsi_subgroupBboxOrigin_bits_minus1 params->sps.subgroupBboxOrigin_bits_minus1;
  • slice.lgsi_subgroupBboxSize_bits_minus1 numBits(1 ⁇ gbh_temp.rootNodeSizeLog2.max()) - 1;
  • subentry.lgsi_subgroupBboxOrigin params->subgrpBboxOrigin[idx][i];
  • subentry.lgsi_subgroupBboxSize params->subgrpBboxSize[idx][i];
  • subentry.lgsi_parent_subgroup_id subentry.lgsi_subgroup_id;
  • layerGroupStructureInventory.lgsi_origin_bits_minus1 numBits(_originInCodingCoords.max()) - 1;
  • the use of a fixed subgroup size has an advantage in that it is easy to determine the range of a required region in terms of spatial random access, but has a disadvantage in that the number of points cannot be uniformly divided.
  • a decoder ie, a level limit or a level limit.
  • a method to prevent this a method of dividing subgroups is required. At this time, if the number of subgroups increases, the number of subgroups that can be processed by the decoder may exceed the number of subgroups. Therefore, a method for dividing without significantly increasing the number of subgroups is required. .
  • the method/apparatus may divide the cubic subgroup bounding box step by step. That is, when the first constraint condition (the number of points) is satisfied, segmentation is terminated. This reduces the number of additional subgroups compared to splitting in all three directions.
  • 29 illustrates a subgroup division process according to embodiments.
  • Method/device for transmitting point cloud data according to embodiments (transmission device 10000 in FIG. 1, point cloud video encoder 10002, transmitter 10003, acquisition-encoding-transmission (20000-20001-20002) in FIG. 2) according to embodiments , the encoder of FIG. 4, the transmission device of FIG. 12, the device of FIG. 14, the encoding of FIGS. 15 to 23, the encoding of FIGS. 27 to 29, the encoding of FIGS. 40-42, and the transmission method of FIG. 43) are cubic subs including point cloud data. Groups can be divided as shown in FIG.
  • Method/device for receiving point cloud data according to embodiments (receiving device 10004 in FIG. 1, receiver 10005, point cloud video decoder 10006, transmission-decoding-rendering (20002-20003-20004 in FIG. 2)) , decoder of FIGS. 10-11, receiving device of FIG. 13, device of FIG. 14, decoding of FIGS. 15 to 23, decoding of FIGS. 27 to 29, decoding of FIG. 38, decoding of FIGS. 40-42, and receiving method of FIG. 44) are point clouds A cubic subgroup including data may be divided as shown in FIG. 29, or the divided subgroup may be decoded at the transmitting side.
  • step 1 to step 3 an example of the proposed subgroup division is shown.
  • step 1 to step 3 one of the division directions is selected.
  • the first step when the number of points is greater than the level limit, the number of points in the subgroup bounding box is calculated and divided into two subblocks.
  • the cost of each split is calculated and compared. To make fewer subgroup splits, the split cost is taken as the difference between the number of points in each sub-division A and B.
  • the three costs of x, y, and z-axis division are compared and the direction with the lowest cost is selected as the subgroup division direction.
  • the y direction is selected.
  • the process ends when the number of points in subdivisions A and B is less than the limit level. On the other hand, if one or two subgroups do not satisfy Constraint 1 (the number of points), the subgroup bounding box is divided in the direction selected in the remainder of the previous step. The same cost function is used for selection criteria. After the second division, the score of each subsection is estimated and compared with the level limit. Depending on the result, the division is terminated in step 2 or additional division is performed.
  • a third subgroup division is performed. Since there is only one division direction, subgroup division is performed without selection. The final output of the subgroup division becomes subdivision bounding boxes at each step where the number of points of the bounding box is less than the level limit.
  • the following operation is performed by a subgroup divider or processor in charge of subgroup division of an encoder (or decoder).
  • the device receives a cubic subgroup containing point cloud data, and as step 1, detects whether the number of points included in the subgroup is greater than a threshold value (level limit). If the number of points is large, a subgroup split is performed. For example, sub-divisions can be performed on three axes, and candidate sub-divisions (or can be referred to as sub-groups) A and B according to the sub-divisions can be generated for each axis. A sub-division having the best score may be selected from among the three candidate sub-divisions.
  • a threshold value level limit
  • the y-axis sub-division may be performed.
  • step 2 when the sub-division having the best score is selected, if the number of points is less than the threshold value, there is no need for further splitting, so the subgroup splitting process is terminated. Otherwise, additional sub-divisions may be performed. For example, since the y-axis sub-division is primarily applied, the y-axis-x-axis subdivision and the y-axis-z-axis subdivision may be considered.
  • Scores according to the number of points between the two candidates may be compared, and a sub-division having the best score may be selected.
  • step 3 after the secondary sub-division, if the number of points in the sub-group is smaller than the threshold value, since additional division is not required, the sub-division may be terminated. Otherwise, the 3rd subdivision may be performed. For example, the subgroups may be divided into y-axis-z-axis-x-axis. Through steps 1 to 3, sub-divisions (or simply referred to as sub-groups) of subgroups having different sizes may be created.
  • the initial subgroup size was used as a point cloud
  • it may be created by gradually dividing subgroups by considering the number of points.
  • FIG. 30 shows a comparison between a variable subgroup size and a fixed subgroup size according to embodiments.
  • Fig. 30 shows the overall segmentation result. As a result, it can be seen that the subgroup division has little effect on the compression efficiency and the number of points in the subgroup is maintained below the level limit.
  • mask_base + 1 ⁇ (2 - BestDirection[m]);
  • splitBboxOrigin splitBboxSize
  • splitBboxOrigin splitBboxSize
  • center[m] curBboxOrigin[m] + initSubgroupBboxSize[m] / 2;
  • splitIdx + 1 ⁇ (2 - m);
  • splitBboxOrigin splitBboxSize
  • curBboxOrigin initSubgroupBboxSize, BestDirection, 0, posHigh, maxNumPoint
  • splitBboxOrigin splitBboxSize
  • curBboxOrigin initSubgroupBboxSize, BestDirection, 0, posHigh, maxNumPoint
  • curIdx[2] i % numPerAxis[2]
  • curIdx[1] (int)(i / numPerAxis[2]) % numPerAxis[1];
  • curIdx[0] (int)((int)(i / numPerAxis[2]) / numPerAxis[1]);
  • curBboxOrigin[m] initSubgroupBboxSize[m] * curIdx[m];
  • splitSubgroup (splitBboxOrigin, splitBboxSize, subgrpPointCloud[i],
  • splitBboxSize push_back(initSubgroupBboxSize);
  • params->sps.subgroupBboxOrigin_bits_minus1 numBits(maxXYZ) - 1;
  • params->sps.subgroupBboxSize_bits_minus1 numBits(initSubgroupBboxSize.max()) - 1;
  • subgroup decoding is dependent on a coding order (coding order)
  • subgroup division may not be used. For example, when a node included in a subgroup is imported from a parent, a case in which a parent subgroup includes a plurality of child subgroups may be considered.
  • 31 illustrates a subgroup bounding box according to a node scan order according to embodiments.
  • Each 4 ⁇ 4 region represents a parent subgroup, and the smallest square represents a node, and the arrow represents the node scan order (Morton order), and the square is indicated by a thick solid line. The line represents the bounding box.
  • An example of subgroups whose bounding boxes are constrained in node scan order is illustrated in FIG. 31 .
  • Square and rectangular subgroup bounding boxes contain all contiguous nodes shaded.
  • a method/device may code subgroup bounding boxes in a predetermined order. It can be seen that all points coded according to the scan order are included in the bounding box.
  • 32 illustrates a subgroup bounding box according to a node scan order according to embodiments.
  • 32 shows an example of a subgroup in which some shaded nodes are outside the bounding box. This can happen when the size of the boundary is not a power of 2 or when a child (sub)group is created by dividing the parent (parent) subgroup in the Morton order.
  • coding may be performed by the following methods.
  • a parent subgroup output point included in a bounding box of a child subgroup may be selected. That is, since the parent (higher) subgroup is included in the scan order and boundary, it can be coded according to the scan order of points within the boundary. In this case, necessary points can be selected regardless of the scan order as in the following implementation example.
  • auto nodeSizeLog2 lvlNodeSizeLog2[startDepth];
  • nodePos[m] node0.pos[m] ⁇ nodeSizeLog2[m];
  • rotation can be performed to have the same shape as dividing vertically along the x-axis (eg, 90 degree rotation in the xy plane and 90 degree rotation in the xz plane).
  • the decoder may signal that inverse rotation should be performed in the original direction after decoding (eg, -90 degree rotation in the xy plane, -90 degree rotation in the xz plane). .
  • the encoder may additionally require a process of reordering points in the rotated subgroup space (eg, Morton code order).
  • 33 shows a bitstream including point cloud data and parameters according to embodiments.
  • a method/apparatus for transmitting point cloud data may compress point cloud data, generate related parameters, generate a bitstream as shown in FIG. 22, and transmit the bitstream.
  • a method/apparatus for receiving point cloud data may receive a bitstream as shown in FIG. 33 and restore point cloud data based on parameter information.
  • the method/apparatus according to embodiments may generate signaling information about a radius inter prediction prediction method in predictive geometry according to embodiments.
  • information for radius prediction can be defined during inter-screen prediction. Indicates that inter-screen prediction and radius prediction of the predictive geometry node are applied (including) through the sequence parameter set, and the necessary information for this is set according to the implementation method All or part of related information can be delivered to (sequence parameter set).
  • each piece of information may be delivered through a geometry parameter set, a slice header (or referred to as a data unit), an SEI message, and the like.
  • the application range and application method can be used differently by defining it in a corresponding location or a separate location.
  • parameters according to embodiments may be variously called metadata, signaling information, etc.
  • 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 below and obtained by a metadata parser of a receiving device according to embodiments. .
  • An encoded point cloud configuration will be described with reference to FIGS. 22 to 26.
  • Tiles or slices are provided so that the point cloud can be divided into areas and processed. When divided into regions, each region may have a different level of importance. By providing that different filters and different filter units can be applied according to their importance, it is possible to provide a method of using a filtering method having high complexity but good quality as a result in an important area. Depending on the processing capacity of the receiver, it is possible to apply different filtering to each area (areas divided into tiles or slices) instead of using complex filtering methods for the entire point cloud, resulting in better image quality in areas that are important to the user. and proper latency on the system can be guaranteed. Accordingly, when the point cloud is divided into tiles, different filters and different filter units may be applied to each tile. When the point cloud is divided into slices, different filters and different filter units may be applied to each slice.
  • a bitstream may include SPS, GPS, APS, and TPS.
  • APS may be plural.
  • the TPS may include tile bounding box related information for a plurality of tiles. For example, location (coordinates) information and size information (width, depth, height) of the bounding box of the tile may be included.
  • the bitstream may include geometry information (data) and attribute information (data) in units of slices (data units). Since point cloud data is encoded in units of slices (data units), a bitstream may include a plurality of slices (data units).
  • One slice (data unit) may include geometry information (position) of one point and one or more attribute information (color, reflectivity, etc.).
  • the 0th slice (data unit) includes geometry data
  • the geometry data may include a geometry slice header and geometry slice data.
  • the geometry slice header may include information about geometry. For example, including geometry parameter set ID information, geometry tile ID information, geometry slice ID information, origin information of a box (bounding box) including geometry, log scale information of a box, maximum node size information, and number of points information. can do.
  • tile parameter set can be defined in conjunction with the coding method, and the tile parameter to support regionally different scalability. It can be defined in a set (tile parameter set).
  • 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.
  • a bitstream may be selected at a system level by defining a network abstract layer (NAL) unit and delivering related information for selecting a layer such as layer_id.
  • NAL network abstract layer
  • 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 below and obtained by a metadata parser of a receiving device according to embodiments. .
  • Fig. 34 shows a set of sequence parameters included in the Fig. 33 bitstream.
  • Layer group enable flag (layer_group_enabled_flag): equal to 1 indicates that the geometry bitstream of a frame or tile is included in multiple slices matching the coding layer group or subgroup thereof.
  • Layer_group_enabled_flag is equal to 0, it indicates that the geometric bitstream of a frame or tile is included in a single slice.
  • Number of layer groups (num_layer_groups_minus1): plus 1 indicates the number of layer groups representing groups of contiguous tree layers in which the layer groups are part of the geometry (geometry) coding tree structure. num_layer_groups_minus1 may range from 0 to the number of coding tree layers.
  • the layer group ID (layer_group_id) represents an indicator of a layer group of a frame or tile.
  • the range of layer_group_id may be from 0 to num_layer_groups_minus1.
  • Number of layers (num_layers_minus1): plus 1 indicates the number of coding layers included in the i-th layer group.
  • the total number of layer groups can be derived by adding all (num_layers_minus1[i] + 1) for i equal to 0 to num_layer_groups_minus1.
  • Subgroup enable flag (subgroup_enabled_flag): equal to 1, indicating that the current layer group is composed of subgroups that can be included in several slices.
  • subgroup_enabled_flag is equal to 0 and indicates that the current layer group is included in a single slice. Subgroups are mutually exclusive and the sum of subgroups is equal to the layer group.
  • Subgroup bounding box origin (subgroup_bbox_origin_bits_minus1): plus 1 is the bit length of the syntax element subgroup bounding box origin (subgroup_bbox_origin).
  • Subgroup bounding box size (subgroup_bbox_size_bits_minus1): plus 1 is the bit length of the syntax element subgroup bounding box size (subgroup_bbox_size).
  • Non-cubic subgroup enable flag (non_cubic_subgroup_enabled_flag): If 1, it may indicate that a non-square subgroup bounding box is used.
  • the range of the maximum and minimum values of the subgroup bounding box is subgroup bounding box Max X (subgroup_bbox_max_x), subgroup bounding box Max Y (subgroup_bbox_max_y), subgroup bounding box Max Z (subgroup_bbox_max_z), sub It can be transmitted through the group bounding box minimum X (subgroup_bbox_min_x), subgroup bounding box minimum Y (subgroup_bbox_min_y), and subgroup bounding box minimum Z (subgroup_bbox_min_z) values. That is, the maximum value and the minimum value for each axis of the bounding box on the X-Y-Z axis can be indicated.
  • a sequence parameter set may further contain the following elements:
  • simple_profile_compatibility_flag 1 specifies that the bitstream conforms to the simple profile.
  • simple_profile_compatibility_flag 0 specifies that the bitstream conforms to a profile other than the simple profile.
  • dense_profile_compatibility_flag equal to 1 specifies that the bitstream conforms to the Dense profile.
  • density_profile_compatibility_flag 0 specifies that the bitstream conforms to a profile other than the Dense profile.
  • predictive_profile_compatibility_flag 1 specifies that the bitstream conforms to the predictive profile.
  • predictive_profile_compatibility_flag 0 specifies that the bitstream conforms to a profile different from the predictive profile.
  • main_profile_compatibility_flag 1 specifies that the bitstream conforms to the default profile.
  • main_profile_compatibility_flag 0 specifies that the bitstream conforms to a profile other than the main profile.
  • reserved_profile_compatibility_18bits Must be equal to 0 in bitstreams conforming to this version of this document. Another value for reserved_profile_compatibility_18bits is reserved for future use by ISO/IEC. The decoder ignores the value of reserved_profile_compatibility_18bits.
  • slice_reordering_constraint_flag equal to 1 indicates that the bitstream is sensitive to reordering and removal of data units.
  • slice_reordering_constraint_flag 0 indicates that the bitstream is not sensitive to reordering and removal of data units.
  • unique_point_positions_constraint_flag equal to 1 indicates that every output point has a unique position in each point cloud frame that references the current SPS.
  • unique_point_positions_constraint_flag 0 indicates that two or more output points may have the same position in any point cloud frame that references the current SPS.
  • level_idc Indicates the level to which the bitstream conforms as specified in Annex A.
  • the bitstream shall not contain any level_idc values other than those specified in Annex A. Other values of level_idc are reserved for future use by ISO/IEC.
  • sps_seq_parameter_set_id Provides an identifier for the SPS so that it can be referenced by other syntax elements. sps_seq_parameter_set_id MUST be 0 in bitstreams conforming to this version of this document. Other values of sps_seq_parameter_set_id are reserved for future use by ISO/IEC.
  • frame_ctr_lsb_bits Specifies the length of the frame_ctr_lsb syntax element in bits.
  • slice_tag_bits Specifies the length of the slice_tag syntax element in bits.
  • seq_origin_bits Specifies the length in bits of the syntax element seq_origin_xyz[ k ].
  • seq_origin_xyz[ k ] and seq_origin_log2_scale Specifies the origin of the sequence local coordinate system. Index k is the kth X, Y or Z component of the origin coordinate. If not present, seq_origin_xyz[ k ] and seq_origin_log2_scale values are inferred to be 0.
  • the array SeqOrigin is the origin of the sequence's local coordinate system:
  • SeqOrigin[k] seq_origin_xyz[k] ⁇ seq_origin_log2_scale
  • seq_bounding_box_size_bits The bit length of the syntax element seq_bounding_box_size_minus1_xyz[ k ].
  • seq_bounding_box_size_xyz_minus1[ k ]: plus 1 specifies the kth component of the width, height, and depth of the coded volume dimensions, respectively, in the output coordinate system. If not present, the coded volume dimensions are undefined.
  • seq_unit_numerator_minus1, seq_unit_denominator_minus1, and seq_unit_in_metres_flag Specifies the length of the output coordinate system X, Y, and Z unit vectors.
  • seq_global_scale_factor_log2 Specifies the fixed-point scale factor used to derive the output point position from the position in the sequence local coordinate system.
  • seq_global_scale_factor_log2 Used to derive the global scale factor to apply to the location of the point cloud.
  • seq_global_scale_refinement_num_bits The bit length of the syntax element seq_global_scale_refinement_factor. If seq_global_scale_refinement_num_bits is equal to 0, no refinement is applied.
  • seq_global_scale_refinement_factor Specifies refinement for the global scale value. If not present, seq_global_scale_refinement_factor is inferred to be equal to 0.
  • sps_num_attributes Specifies the number of attributes in the coded point cloud. It is a requirement of bitstream conformance that all slices have attribute data units corresponding to all attribute components listed in the SPS.
  • attribute_dimension_minus1[ attrId ]: plus 1 specifies the number of elements of the attrId-th attribute.
  • attribute_instance_id[ attrId ] Specifies the instance identifier for the attrId-th attribute.
  • attribute_bitdepth_minus1[ attrId ]: plus 1 specifies the bit depth of each component of the attrId-th attribute signal(s).
  • known_attribute_label_flag[ attrId ] indicates whether the attribute is identified by the value of known_attribute_label [ attrId ] or by the object identifier attribute_label_oid [ attrId ].
  • the attribute type identified by known_attribute_label may be specified. If the value of known_attribute_label is not specified, it is reserved for future use by ISO/IEC.
  • the attribute type may indicate color, reflectance, opacity, frame index, frame number, material identifier, normal vector, and the like.
  • num_attribute_parameters Specifies the number of attribute parameter sets in the bitstream. Attribute parameters that are signaled in the sequence parameter set are applied to all data units of the coded point cloud sequence.
  • axis_coding_order Specifies the correspondence between the X, Y and Z output axis labels and the three positional components of every point in the reconstructed point cloud.
  • bypass_stream_enabled_flag 1 specifies that the bypass coding mode can be used when reading the bitstream.
  • bypass_stream_enabled_flag 0 specifies that the bypass coding mode is not used when reading the bitstream.
  • entropy_continuation_enabled_flag 1 indicates that the initial entropy context state of a slice may depend on the final entropy context state of a preceding slice.
  • entropy_continuation_enabled_flag 0 specifies that the initial entropy context state of each slice is independent. It is a requirement of bitstream conformance that entropy_continuation_enabled_flag is equal to 0 when slice_reordering_constaint_flag is equal to 0.
  • sps_extension_flag 0 specifies that the sps_extension_data_flag syntax element is not present in the SPS syntax structure.
  • sps_extension _flag MUST equal 0 in bitstreams conforming to this version of this document.
  • the value 1 of sps_extension _flag is reserved for future use by ISO/IEC.
  • a decoder MUST ignore all sps_extension_data_flag syntax elements following a value of 1 for sps_extension_flag in the SPS syntax structure.
  • sps_extension_data_flag can have any value. Its presence and value do not affect decoder compliance to the profiles specified in Annex A. Decoders conforming to this version of this document MUST ignore all sps_extension_data_flag syntax elements.
  • 35 shows a dependent geometry data unit header according to embodiments.
  • Fig. 35 shows a geometry data unit header included in the Fig. 33 bitstream.
  • Slice ID (dgsh_slice_id): Indicates the ID of the slice for the dependent geometry data unit.
  • Layer group ID (layer_group_id): Indicates an indicator of a layer group of a frame or tile.
  • the range of layer_group_id may be from 0 to num_layer_groups_minus1.
  • the subgroup ID (subgroup_id) represents an indicator of a subgroup of a layer group indicated by the layer group ID (layer_group_id).
  • the range of subgroup_id may be between 0 and num_subgroups_minus1 [layer_group_id].
  • the subgroup ID (subgroup_id) may indicate the order of slices in the same layer group ID (layer_group_id). If not present, subgroup_id is inferred as 0.
  • subgroup_bbox_origin specifies the origin of the subgroup bounding box of the subgroup indicated by subgroup_id of the layer-group indicated by layer_group_id.
  • the subgroup bounding box origin (subgroup_bbox_origin) indicates the origin of the subgroup bounding box of the subgroup indicated by subgroup_id of the layer group indicated by layer_group_id.
  • the subgroup bounding box size indicates the size of a subgroup bounding box of a subgroup indicated by subgroup_id of a layer group indicated by layer_group_id.

Landscapes

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

Abstract

실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 포인트 클라우드 데이터를 디코딩하는 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 포인트 클라우드 데이터의 인코딩, 전송, 디코딩 과정을 나타낸다.
도16은 실시예들에 따른 레이어 기반 포인트 클라우드 데이터 구성 및 실시예들에 따른 지오메트리 및 어트리뷰트 비트스트림 구조를 나타낸다.
도17은 실시예들에 따른 비트스트림 구성을 나타낸다.
도18은 실시예들에 따른 비트스트림 정렬 방법을 나타낸다.
도19는 실시예들에 따른 지오메트리 데이터 및 어트리뷰트 데이터의 선택 방법을 나타낸다.
도20은 실시예들에 따른 포인트 클라우드 데이터를 포함하는 슬라이스를 구성하는 방법을 나타낸다.
도21은 실시예들에 따른 싱글 슬라이스 및 분할된(segmented) 슬라이스 기반 지오메트리 트리 구조를 나타낸다.
도22은 실시예들에 따른 지오메트리 코딩 트리의 레이어 그룹 구조 및 어트리뷰트 코딩 트리의 얼라인된 레이어 그룹 구조를 나타낸다.
도23은 실시예들에 따른 레이어 그룹 및 서브 그룹 구조를 나타낸다.
도24, 도25, 도26은 실시예들에 따른 멀티 해상도 및 멀티 사이즈 ROI 출력을 나타낸다.
도27 은 실시예들에 따른 클라우드 밀도를 고려한 슬라이스 생성 방법을 나타낸다.
도28은 실시예들에 따른 z축, y축, x축을 걸쳐 논-큐빅 서브그룹 바운딩 박스의 분할의 예시를 나타낸다.
도29는 실시예들에 따른 서브그룹 디비전 프로세스를 나타낸다.
도30은 실시예들에 따른 가변적 서브 그룹 사이즈 및 고정된 서브그룹 사이즈 간 비교를 나타낸다.
도31은 실시예들에 따른 노드 스캔 오더에 따른 서브 그룹 바운딩 박스를 나타낸다.
도32는 실시예들에 따른 노드 스캔 오더에 따른 서브 그룹 바운딩 박스를 나타낸다.
도33은 실시예들에 따른 포인트 클라우드 데이터 및 파라미터를 포함하는 비트스트림을 나타낸다.
도34는 실시예들에 따른 시퀀스 파라미터 세트를 나타낸다.
도35는 실시예들에 따른 디펜던트 지오메트리 데이터 유닛 헤더를 나타낸다.
도36은 실시예들에 따른 레이어 그룹 구조 인벤토리를 나타낸다.
도37은 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도38은 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도39는 실시예들에 따른 서브 비트스트림 분류 방법을 나타낸다.
도40은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법을 나타낸다.
도41는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법을 나타낸다.
도42는 실시예들에 따른 레이어 그룹 슬라이스를 나타낸다.
도43은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도44는 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 PCTKR2022015149-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 PCTKR2022015149-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 PCTKR2022015149-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 내지 23 인코딩, 도27 내지 도29 인코딩, 도33 내지 36 비트스트림 및 파라미터 생성, 도37, 도40-42 인코딩, 도43 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 내지 23 디코딩, 도27 내지 도29 디코딩, 도33내지 도36 비트스트림 파싱, 도38 디코딩, 도40-42 디코딩, 도44 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 슬라이스 내 포인트 클라우드 밀도를 조절할 수 있는 방안을 제공할 수 있다(controlling point cloud density in a slice).
실시예들은 포인트 클라우드 데이터를 송수신 함에 있어서 수신기 성능 혹은 전송 속도 등으로 인해 데이터 일부에 대한 선택적 디코딩이 필요한 경우 효율적으로 이를 지원하기 위한 방법을 제공한다. 제안하는 방법에서 데이터(data) 단위로 전달되는 지오메트리(geometry) 및 어트리뷰트 데이터(attribute data)에 대해 지오메트리 옥트리(geometry octree), LoD(Level of Detail)와 같은 의미 단위로 나누어 줌으로써 비트스트림 단위에서 필요로 하는 정보를 선택 혹은 불필요한 정보를 제거할 수 있다.
실시예들은 포인트 클라우드(point cloud)로 구성된 데이터 구조를 구성하기 위한 기술을 다룬다. 구체적으로, 레이어(layer)를 기반으로 구성된 PCC 데이터를 효과적으로 전달하기 위한 패킹(packing) 및 시그널링 방법을 기술하고, 이를 기반으로 스케일러블 (scalable) PCC 기반 서비스에 적용하는 방법을 제안한다. 특히, 위치 압축에 대해 직접 압축 모드가 사용되는 경우 스케일러블(scalable) PCC 서비스에 보다 적합하도록 슬라이스 세그먼트(slice segment)를 구성하고 송수신 하는 방법을 제안한다. 특히, 분포가 넓고 포인트의 밀도가 높은 대용량 포인트 클라우드 데이터에 대한 효율적이 저장, 전송을 위한 압축 구조를 제안한다.
도4 및 도11을 참조하면, 포인트 클라우드 데이터는 각 데이터의 위치(geometry: e.g., XYZ 좌표)와 속성(attributes: e.g., color, reflectance, intensity, grayscale, opacity 등) 로 구성된다. 포인트 클라우드 압축 (Point Cloud Compression: PCC)에서는 3차원 공간 상에 불균일하게 분포하는 분포 특성을 효율적으로 압축하기 위해 옥트리(octree) 기반 압축을 하며, 이를 기반으로 속성 정보를 압축한다. 도 4및 도11을 참조하면, PCC의 송수신단에 대한 흐름도를 볼 수 있다. PCC의 송수신단의 각 구성 장치에 의해서 실시예들에 따른 동작들이 처리될 수 있다.
도15는 실시예들에 따른 포인트 클라우드 데이터의 인코딩, 전송, 디코딩 과정을 나타낸다.
도15의 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다.
포인트 클라우드 인코더(15000)는 실시예들에 따른 송신 방법을 수행하는 실시예들에 따른 송신 장치이고, 스케일러블하게 포인트 클라우드 데이터를 인코딩하고 전송할 수 있다.
포인트 클라우드 디코더(15010)는 실시예들에 따른 수신 방법을 수행하는 실시예들에 따른 수신 장치이고, 스케일러블하게 포인트 클라우드 데이터를 디코딩할 수 있다.
인코더(15000)가 수신하는 소스 데이터는 지오메트리 데이터 및/또는 어트리뷰트 데이터를 포함할 수 있다.
인코더(15000)는 포인트 클라우드 데이터를 스케일러블하게 인코딩하겨 파셜 PCC 비트스트림을 바로 생성하지 않고, 풀(FULL) 지오메트리 데이터 및 풀 어트리뷰트 데이터를 수신하여 인코더에 연결된 스토리지(Storage)에 데이터를 저장한 뒤 파셜 인코딩을 위해서 트랜스 코딩하여 파셜 PCC 비트스트림을 생성하여 전송할 수 있다. 디코더(15010)는 파셜 PCC 비트스트림을 수신하여 디코딩하여 파셜 지오메트리 및/또는 파셜 어트리뷰트를 복원할 수 있다.
인코더(15000)는 풀 지오메트리 및 풀 어트리뷰트를 수신하여 인코더에 연결된 스토리지에 데이터를 저장하고 로우 QP(양자화 파라미터)로 포인트 클라우드 데이터를 트랜스코딩하여 전체 PCC 비트스트림을 생성하여 전송할 수 있다. 디코더(15010)는 전체 PCC비트스트림을 수신하고 디코딩하여 풀 지오메트리 및/또는 풀 어트리뷰트를 복원할 수 있다. 디코더(15010)는 데이터 셀렉션을 통해 전체 PCC비트스트림으로부터 파셜 지오메트리 및/또는 파셜 어트리뷰트를 선택할 수 있다.
실시예들에 따른 방법/장치는 포인트 클라우드 데이터인 데이터 포인트(data point)의 위치 정보 및 색상/밝기/반사도 등의 특징 정보를 지오메트리(geometry) 및 어트리뷰트(attribute) 정보로 나누어 각각 압축하고 전달한다. 이 때, 디테일(detail) 정도에 따라서 레이어(layer)를 갖는 옥트리(octree) 구조 혹은 LoD (Level of Detail)에 따라서 PCC 데이터를 구성할 수 있다. 이를 기반으로 스케일러블 포인트 데이터 코딩(scalable point cloud data coding) 및 리프리젠테이션(representation)이 가능하다. 이 때, 수신기의 성능 혹은 전송 속도에 의해서 포인트 클라우드 데이터의 일부분만을 디코딩(decoding)하거나 리프리젠테이션(representation) 하는 것이 가능다.
실시예들에 따른 방법/장치는 이러한 과정에서 불필요한 데이터를 사전에 제거할 수 있다. 즉, 스케일러블 PCC 비트스트림(scalable PCC bitstream)에 대해 일부만 전송하면 되는 경우 (스케일러블 디코딩(scalable decoding) 중 일부의 레이어(layer) 만을 디코딩(decoding) 하는 경우) 필요로 하는 부분만을 선택해서 보낼 수 없기 때문에 1) 디코딩(decoding) 후 필요한 부분을 재 인코딩 하거나(15020) 2) 전체를 전달한 후 수신부에서 선택적으로 적용 해야한다(15030). 하지만 1)의 경우 디코딩 및 재 인코딩을 위한 시간으로 인해 딜레이(delay)가 발생할 수 있으며(15020) 2)의 경우 불필요한 데이터까지 전송 함으로 인해 밴드위스(bandwidth) 효율이 떨어지고, 고정된 밴드위스(bandwidth)를 사용하는 경우 데이터 퀄리티(data quality)를 낮추어 전송해야 점이 있다(15030).
따라서, 실시예들에 따른 방법/장치는 포인트 클라우드 데이터의 슬라이스(slice) 세분화 구조를 정의하고, 스케일러블 트랜스미션(scalable transmission)을 위한 스케일러블 레이어(scalable layer) 및 슬라이스(slice) 구조를 시그널링할 수 있다.
실시예들은 효율적 비트스트림 전달 및 디코딩을 위해서, 비트스트림을 특정 단위로 구분하여 처리할 수 있다.
실시예들에 따른 방법/장치는 옥트리(octree) 기반 위치 압축의 경우 엔트로피(entropy) 기반 압축 방법과 직접 압축(direct coding)을 함께 사용할 수 있는데, 이 경우 효율적으로 스케일러빌리티(scalability)를 활용하기 위한 슬라이스(slice) 구성이 필요하다.
실시예들에 따른 단위은 LOD, 레이어, 슬라이스 등으로 지칭될 수 있다. LOD는 어트리뷰트 데이터 코딩의 LOD와 같은 용어이지만, 또 다른 의미로써, 비트스트림의 레이어 구조를 위한 데이터 단위를 의미할 수 있다. 포인트 클라우드 데이터의 계층적 구조, 예를 들어, 옥트리 또는 여러 트리 등의 뎁스(레벨)에 기반한, 하나의 뎁스에 대응하거나 두 개 이상의 뎁스를 묶는 개념일 수 있다. 마찬가지로, 레이어는 서브-비트스트림의 단위를 생성하기 위한 것으로써, 하나의 뎁스에 대응하거나 두 개 이상의 뎁스를 묶는 개념이고, 하나의 LOD에 대응하거나 두 개 이상의 LOD에 대응할 수 있다. 또한, 슬라이스는 서브-비트스트림의 단위를 구성하기 위한 단위로써, 하나의 뎁스에 대응하거나, 하나의 뎁스 일부에 대응하건, 두 개 이상의 뎁스들에 대응할 수 있다. 또한, 하나의 LOD에 대응하거나, 하나의 LOD 일부에 대응하건, 두 개 이상의 LOD들에 대응할 수 있다. 실시예들에 따라, LOD, 레이어, 슬라이스는 서로 대응하거나 포함관계일 수 있다. 또한, 실시예들에 따른 단위는 LOD, 레이어, 슬라이스, 레이어 그룹, 서브 그룹 등을 포함하고, 서로 상호보완하여 지칭될 수 있다.
또한, 분포가 넓고 포인트의 밀도가 높은 대용량 포인트 클라우드의 경우 관심 영역(region of interest)에 접근하기 위해서 처리해야하는 비트스트림이 많음으로 인해 지연 문제가 발생할 수 있다. 실시예들은 이러한 문제를 해결할 수 있다. 예를 들어, 실시예들은 관심 영역 기반 슬라이스(slice) 선택적 코딩 및 전송 방법, 클라우드 데이터의 밀도를 고려한 슬라이스(slice) 생성 방법, 고정된 서브그룹 사이즈(Fixed subgroupSize), 고정된 서브그룹 사이즈 및 서브그룹 분할(Fixed subgroupSize + subgroup division), 로테이션(Rotation) 기반 서브그룹 분할(subgroup division) 시그널링 방법 등을 포함할 수 있다.
도16은 실시예들에 따른 레이어 기반 포인트 클라우드 데이터 구성 및 실시예들에 따른 지오메트리 및 어트리뷰트 비트스트림 구조를 나타낸다.
실시예들에 따른 송신 방법/장치는 도16과 같이 레이어 기반 포인트 클라우드 데이터를 구성하여, 포인트 클라우드 데이터를 인코딩하고 디코딩할 수 있다.
실시예들은 레이어(layer)로 이루어진 포인트 클라우드 데이터에 대해, 비트스트림(bitstream) 단위에서 데이터를 선택적으로 전달, 디코딩을 하여, 효율적인 전송 및 디코딩을 목적으로 한다.
포인트 클라우드 데이터의 레이어링(layering)은 응용분야에 따라서 SNR, 공간 레졸루션(sparial resolution), 컬러(color), 템포럴 프리퀀시(temporal frequency), 비트뎁스(bitdepth), 등의 다양한 관점에서의 레이어(layer) 구조를 가질 수 있으며, 옥트리(octree) 구조 혹은 LoD 구조를 기반으로 데이터의 밀도가 증가하는 방향으로 레이어(layer)를 이룰 수 있다.
실시예들에 따른 방법/장치는 도16과 같은 레이어링에 기반하여 지오메트리 비트스트림 및 어트리뷰트 비트스트림을 구성하고, 인코딩하고, 디코딩할 수 있다.
실시예들에 따른 송신 장치/인코더의 포인트 클라우드 컴프레션(point cloud compression) 을 통해 획득한 비트스트림(bitstream)을 데이터(data)의 종류에 따라서 지오메트리 데이터 비트스트림(geometry data bitstream)과 어트리뷰트 데이터 비트스트림(attribute data bitstream)으로 나누어 전달할 수 있다.
실시예들에 따른 각각의 비트스트림(bitstream)은 슬라이스(slice)로 구성되어 전달될 수 있다. 레이어(layer) 정보 혹은 LoD 정보와 관련없이 지오메트리 데이터 비트스트림(geometry data bitstream)과 어트리뷰트 데이터 비트스트림(attribute data bitstream을 각각 하나의 슬라이스(slice)로 구성하여 전달할 수 있다. 이 경우, 만약 레이어(layer) 혹은 LoD 중 일부만을 사용하고자 하는 경우 1) 비트스트림(bitstream)을 디코딩(decoding)하는 과정 2) 사용하고자 하는 부분만을 선택하고 불필요한 부분을 제거하는 과정 3) 필요한 정보만을 기반으로 다시 인코딩(encoding)하는 과정을 거쳐야 한다.
도17은 실시예들에 따른 비트스트림 구성을 나타낸다.
실시예들에 따른 송신 방법/장치는 도17과 같은 비트스트림을 생성하고, 실시예들에 따른 수신 방법/장치는 도17과 같은 비트스트림에 포함된 포인트 클라우드 데이터를 디코딩할 수 있다.
실시예들에 따른 비트스트림(bitstream) 구성
실시예들은 불필요한 중간 과정을 피하기 위해 비트스트림을 레이어(layer) (혹은 LoD) 단위로 나누어 전달하는 방법을 적용할 수 있다.
예를 들어 LoD 기반의 PCC 기술의 경우를 고려해보면, 낮은 LoD가 높은 LoD에 포함되는 구조를 갖는다. 현재 LoD에는 포함되지만, 이전 LoD에는 포함되지 않는 정보, 즉, 각 LoD에 대해 신규 포함되는 정보를 R (나머지, Rest)이라고 지칭할 수 있다. 도17과 아래와 같이 초기 LoD 정보 및 각 LoD에서 신규 포함되는 정보 R을 각각의 독립된 단위로 나누어서 전달할 수 있다.
실시예들에 따른 송신 방법/장치는 지오메트리 데이터를 인코딩하고 지오메트리 비트스트림을 생성할 수 있다. 지오메트리 비트스트림을 LOD 또는 레이어 별로 구성할 수 있고, 지오메트리 비트스트림은 LOD 또는 레이어 구성 단위 별로 헤더(지오메트리 헤더)를 포함할 수 있다. 헤더는 다음 LOD 또는 다음 레이어에 대한 참조 정보를 포함할 수 있다. 현재 LOD(레이어)는 이전 LOD(레이어)에 포함되지 않는 R정보(지오메트리 데이터)를 더 포함할 수 있다.
실시예들에 따른 수신 방법/장치는 어트리뷰트 데이터를 인코딩하고 어트리뷰트 비트스트림을 생성할 수 있다. 어트리뷰트 비트스트림을 LOD 또는 레이어 별로 구성할 수 있고, 어트리뷰트 비트스트림은 LOD 또는 레이어 별로 헤더(어트리뷰트 헤더)를 포함할 수 있다. 헤더는 다음 LOD 또는 다음 레이어에 대한 참조 정보를 포함할 수 있다. 현재 LOD(레이어)는 이전 LOD(레이어)에 포함되지 않은 R정보(어트리뷰트 데이터)를 더 포함할 수 있다.
실시예들에 따른 수신 방법/장치는 LOD 또는 레이어로 구성된 비트스트림을 수신하고, 복잡합 중간과정 없이, 사용하고자 하는 데이터만 효율적으로 디코딩할 수 있다.
도18은 실시예들에 따른 비트스트림 정렬 방법을 나타낸다.
실시예들에 따른 방법/장치는 도17의 비트스트림을 도18과 같이 정렬할 수 있다.
실시예들에 따른 비트스트림(bitstream) 정렬 방법
실시예들에 따른 송신 방법/장치는 비트스트림을 전달하는 경우 도18과 같이 지오메트리 및 어트리뷰트를 직렬적으로 전달할 수 있다. 이 때, 데이터의 종류에 따라서 지오메트리 정보(지오메트리 데이터) 전체를 먼저 보낸 후 어트리뷰트 정보(어트리뷰트 데이터)를 전달할 수 있다. 이 경우 전달되는 비트스트림의 정보를 기반으로 지오메트리 정보를 빠르게 복원할 수 있다는 장점이 있다.
도18(a)는 예를 들어, 지오메트리 데이터를 포함하는 레이어(LOD)들이 비트스트림 내 먼저 위치하고, 어트리뷰트 데이터를 포함하는 레이어(LOD)들이 지오메트리 레이어 뒤에 위치할 수 있다. 어트리뷰트 데이터가 지오메트리 데이터에 의존적이므로, 지오메트리 레이어가 먼저 위치할 수 있다. 또한, 위치는 실시예들에 따라 다양하게 변경가능하다. 지오메트리 헤더 간 참조가 가능하고, 어트리뷰트 헤더 및 지오메트리 헤더 간 참조도 가능하다.
도18(b)를 참조하면, 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는 동일 레이어(layer)를 구성하는 비트스트림을 모아서 전달할 수도 있다. 이 경우 geometry 와 attribute 의 병렬 디코딩이 가능한 압축 기법을 사용하는 경우, 디코딩 수행 시간을 단축시킬 수 있다. 이 때, 먼저 처리해야하는 정보 (작은 LoD, geometry 를 attribute 보다 선행해야 함)를 먼저 배치할 수 있다.
제1레이어(1800)는 가장 작은 LOD 0(레이어 0)에 대응하는 지오메트리 데이터 및 어트리뷰 데이터를 각 헤더와 함께 포함하고, 제2레이어(1810)는 LOD 0(레어어0)를 포함하고, LOD 0 (레이어 0)에 없는 신규하고 더 상세한 레이어1(LOD 1)에 대한 포인트들의 지오메트리 데이터 및 어트리뷰트 데이터를 R1정보로써 포함한다. 마찬가지로, 제3레이어(1820)이 뒤이어 존재할 수 있다.
실시예들에 따른 송수신 방법/장치는 비트스트림을 송신하고 수신하는 경우 응용 분야에서 희망하는 레이어(layer)(혹은 LoD)를 비트스트림 레벨(bitstream level)에서 효율적으로 선택할 수 있다. 실시예들에 따른 비트스트림 정렬 방법 중 지오메트리 정보를 모아서 보내는 경우(도18) 비트스트림 레벨(bitstream level) 선택 후에 중간에 비는 부분이 생길 수 있으며, 이 경우 비트스트림을 재배치 해야할 수 있다. Layer에 따라서 geometry와 attribute를 묶어서 전달하는 경우(도18) 불필요한 정보를 응용 분야에 따라 아래와 같이 선택적으로 제거할 수 있다.
도19는 실시예들에 따른 지오메트리 데이터 및 어트리뷰트 데이터의 선택 방법을 나타낸다.
실시예들에 따른 비트스트림 선택
위와 같이, 비트스트림을 선택해야 하는 경우, 실시예들에 따른 방법/장치는 도21과 같이 비트스트림 레벨에서 데이터를 선택할 수 있다: 1) 대칭적인 지오메트리 및 어트리뷰트 선택, 2) 비대칭적인 지오메트리 및 어트리뷰트 선택, 3) 또는 양 방법의 조합.
1) 대칭적인 지오메트리-어트리뷰트(geometry-attribute) 선택
도19를 참조하면, LoD1 까지만 선택하여(LOD 0 +R1, 19000) 전송 혹은 디코딩 하는 경우를 나타낸 것으로, 상위 레이어(layer)에 해당하는 R2(LOD 2 중에서 신규 부분)에 해당하는 정보를 제거하고(19010) 전송하고, 디코딩한다.
2) 비대칭적인 지오메트리 및 어트리뷰트 선택
실시예들에 따른 방법/장치는 지오메트리 및 어트리뷰트를 비대칭적으로 전달할 수 있다. 상위 레이어(layer)의 어트리뷰트(attribute) 만을 제거하고(Attribute R2, 19001) geometry 의 전부(삼각형의 octree 구조의 레벨0(루트 레벨)에서 레벨7(리프 레벨)까지)를 선택하여 전송/디코딩 할 수 있다(19011).
도16을 참조하면, 포인트 클라우드 데이터를 옥트리 구조로 표현하고, LOD(혹은 레리어)별로 계층적으로 구분했을 때, 스케일러블한 인코딩/디코딩(스케일러빌리티)를 지원할 수 있다.
실시예들에 따른 스케일러빌리티 기능은 슬라이스 레벨 스케일러빌리티(Slice level scalability) 및/또는 옥트리 레벨 스케일러빌리티(octree level scalability)를 포함할 수 있다.
실시예들에 따른 LoD(level of detail)는 하나 혹은 복수의 옥트리 레이어(octree layer)의 집합을 나타내기 위한 단위로 사용할 수 있다. 또한, 슬라이스(slice) 단위로 구성하기 위한 옥트리 레이어(octree layer)의 묶음의 의미를 가질 수도 있다.
실시예들에 따른 LOD는 어트리뷰트 인코딩/디코딩 시 LOD 의미를 확장하여, 데이터를 디테일하게 분할하는 단위이고, 넓은 의미로 사용될 수 있다.
즉, 실제 옥트리 레이어(octree layer) (혹은 스케일러블 어트리뷰트 레이어(scalable attribute layer))에 의한 스파셜 스케일러빌리티(spatial scalability)는 각각의 옥트리 레이어(octree layer)에 대해 제공될 수 있지만, 비트스트림 파싱(bitstream parsing) 이전에 슬라이스(slice) 단위에서 스케일러빌리티(scalability)를 구성하는 경우 실시예들에 따른 LoD 단위에서 선별할 수 있다.
옥트리 구조에서 루트 레벨부터 4레벨까지 LOD 0일 수 있고, 루트 레벨부터 5레벨까지 LOD 1일 수 있고, 루트 레벨부터 리프7레벨까지 LOD2일 수 있다.
즉, 도16과 같이, 스케일러블 트랜스미션(scalable transmission)과 같이 슬라이스(slice) 단위에서의 스케일러빌리티(scalability)를 활용하는 경우, 제공되는 스케일러블(scalable) 단계는 LoD0, LoD1, LoD2 의 3 단계가 되고, 옥트리(octree) 구조에 의해 디코딩(decoding) 단계에서 제공될 수 있는 스케일러블(scalable) 단계는 루트(root) 로부터 리프(leaf)에 이르는 8 단계가 된다.
실시예들에 따라, 예를 들어, 도16에서, LoD0~LoD2 가 각각의 슬라이스(slice)로 구성된 경우 수신부 혹은 송신부의 트랜스코더(transcoder, 도15 15040)는 스케일러블 처리를 위해서 1) LoD0 만 선택하거나, 2) LoD0 과 LoD1을 선택하거나, 3) LoD0, LoD1, LoD2를 선택할 수 있다.
예시1) LoD0 만 선택하는 경우 최대 옥트리 레벨(octree level)은 4가 되며, 0~4 의 옥트리 레이어(octree layer) 중 하나의 스케일러블 레이어(scalable layer)를 디코딩(decoding) 과정에서 선택할 수 있다. 이 때 수신기에서는 최대 옥트리 뎁스(octree depth)를 통해 획득할 수 있는 노드 사이즈(node size)를 리프 노드(leaf node)로 고려할 수 있으며, 이 때의 노드 사이즈(node size)를 시그널링 정보로써 전달할 수 있다.
예시2) LoD0 과 LoD1을 선택하는 경우 레이어(layer) 5가 추가되어 최대 옥트리 레벨(octree level)은 5가 되며, 0~5 의 옥트리 레이어(octree layer) 중 하나의 스케일러블 레이어(scalable layer)를 디코딩(decoding) 과정에서 선택할 수 있다. 이 때 수신기에서는 최대 옥트리 뎁스(octree depth) 를 통해 획득할 수 있는 노드 사이즈(node size)를 리프 노드(leaf node)로 고려할 수 있으며, 이 때의 노드 사이즈(node size)를 시그널링 정보로써 전달할 수 있다.
실시예들에 따라, 옥트리 뎁스, 옥트리 레이어, 옥트리 레벨 등은 데이터를 디테일하게 분할하는 단위를 의미한다.
예시 3) LoD0, LoD1, LoD2을 선택하는 경우 레이어(layer) 6, 7이 추가되어 최대 옥트리 레벨(octree level) 은 7가 되며, 0~7 의 옥트리 레이어(octree layer) 중 하나의 스케일러블 레이어(scalable layer)를 디코딩(decoding) 과정에서 선택할 수 있다. 이 때 수신기에서는 최대 옥트리 뎁스(octree depth) 를 통해 획득할 수 있는 노드 사이즈(node size)를 리프 노드(leaf node)로 고려할 수 있으며, 이 때의 노드 사이즈(node size)를 시그널링 정보로써 전달할 수 있다.
도20은 실시예들에 따른 포인트 클라우드 데이터를 포함하는 슬라이스를 구성하는 방법을 나타낸다.
실시예들에 따른 슬라이스 구성
실시예들에 따른 송신 방법/장치/인코더는 G-PCC 비트 스트림을 슬라이스(slice) 구조로 분할하여 구성할 수 있다. 상세한 데이터 표현을 위한 데이터 단위가 슬라이스일 수 있다.
실시예들에 따른 슬라이스(slice)는 포인트 클라우드 데이터를 분할하는 데이터 단위를 의미할 수 있다. 즉, 슬라이스(slice)는 포인트 클라우드 데이터의 부분을 나타낸다. 용어 슬라이스(slice)는 일정한 부분 또는 단위를 나타내는 용어들로 지칭이 가능하다
예를 들어 하나의 슬라이스(slice)에 하나 혹은 복수의 옥트리 레이어(octree layer)들이 매칭될 수 있다.
실시예들에 따른 송신 방법/장치, 예를 들어, 인코더는 스캔 오더(2000) 방향으로 옥트리에 포함된 노드(포인트)를 스캔하여 슬라이스(2001) 기반 비트스트림을 구성할 수 있다.
도20(a): 하나의 슬라이스(slice)에 옥트리 레이어(octree layer)의 일부 노드가 포함될 수 있다.
옥트리 레이어(예를 들어, 레벨0 내지 레벨4까지)는 하나의 슬라이스(2002)를 구성할 수 있다.
옥트리 레이어, 예를 들어, 레벨5의 일부 데이터는 각 슬라이스(2003, 2004, 2005)를 구성할 수 있다.
옥트리 레이어, 예를 들어, 레벨6의 일부 데이터는 각 슬라이스를 구성할 수 있다.
도20(b)(c): 하나의 슬라이스(slice)에 복수의 옥트리 레이어(octree layer)가 매칭될 때 각 레이어(layer)의 일부의 노드만 포함될 수 있다. 이처럼 복수의 슬라이스(slice)가 하나의 지오메트리/어트리뷰트 프레임(geometry/attribute frame)을 구성하는 경우 수신기를 위해 레이어(layer)를 구성하는데 필요한 정보를 전달할 수 있다. 여기에는 각 슬라이스(slice)에 포함된 레이어(layer) 정보, 각 레이어(layer)에 포함된 노드 정보 등이 포함될 수 있다.
도20(b): 옥트리 레이어, 예를 들어, 레벨0부터 레벨3까지, 그리고 레벨4의 일부 데이터를 하나의 슬라이스로 구성할 수 있다.
옥트리 레리어, 예를 들어, 레벨4의 일부 데이터 및 레벨5의 일부 데이터를 하나의 슬라이스로 구성할 수 있다.
옥트리 레이어, 예를 들어, 레벨5의 일부 데이터, 레벨6의 일부 데이터를 하나의 슬라이스로 구성할 수 있다.
옥트리 레이어, 예를 들어, 레벨6의 일부 데이터를 하나의 슬라이스로 구성할 수 있다.
도20(c): 옥트리 레이어, 예를 들어, 레벨0부터 레벨4까지의 데이터를 하나의 슬라이스로 구성할 수 있다.
옥트리 레이어 레벨5, 레벨6, 레벨7 각각의 일부 데이터를 하나의 슬라이스로 구성할 수 있다.
실시예들에 따른 인코더 및 인코더에 대응하는 장치 등은 포인트 클라우드 데이터를 인코딩하고, 인코딩된 데이터 및 포인트 클라우드 데이터에 관한 파라미터 정보를 더 포함하는 비트스트림을 생성하고 전송할 수 있다.
나아가, 비트스트림을 생성할 시 실시예들에 따른 비트스트림 구조(예를 들어, 도16-도20 등 참조) 등에 기반하여 비트스트림을 생성할 수 있다. 따라서, 실시예들에 따른 수신 장치, 디코더, 그에 대응하는 장치 등은 선택적 일부 데이터 디코딩 구조에 적합하게 구성된 비트스트림을 수신하고 파싱하여, 포인트 클라우드 데이터를 부분 디코딩하여 효율적으로 제공할 수 있다(도15 참조).
실시예들에 따른 스케일러블 트랜스미션(scalable transmission)
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 스케일러블하게 전송할 수 있고, 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 비트스트림을 스케일러블하게 수신하고 디코딩할 수 있다.
도16-20 등 실시예들에 따른 비트스트림이 스케일러블 트랜스미션(scalable transmission) 에 사용되는 경우 수신기에서 필요로하는 슬라이스(slice)를 선별하기 위한 정보를 수신기로 전달할 수 있다. 스케일러블 트랜스미션(Scalable transmission)은 비트스트림(bitstream) 전체를 디코딩(decoding)하는 것이 아니라, 일부의 비트스트림(bitstream)만을 전달하거나 디코딩하는 경우를 의미할 수 있으며, 그 결과는 로우 레졸루션 포인트 클라우드 데이터(low resolution point cloud data)가 될 수 있다.
옥트리(Octree) 기반 지오메트리 비트스트림(geometry bitstream)에 스케일러블 트랜스미션(scalable transmission)을 적용하는 경우, 루트 노드(root node)로부터 리프 노드(leaf node)에 이르는 각 옥트리 레이어(octree layer)(도16)의 비트스트림(bitstream)에 대해 특정 옥트리 레이어(octree layer)까지만의 정보만을 가지고 포인트 클라우드 데이터를 구성할 수 있어야 한다.
이를 위해서는 목표로 하는 옥트리 레이어(octree layer)에 대해서는 하위 옥트리 레이어(octree layer)정보에 대한 의존성(dependency)이 없어야 한다. 이는 지오멘트리 및 어트리뷰트 코딩(geometry/attribute coding)에 대해서 공통적으로 적용하는 제약 사항이 될 수 있다.
또한 스케일러블 트랜스미션(scalable transmission) 시 송/수신기에서 스케일러블 레이어(scalable layer)를 선별하기 위한 스케일러블(scalable) 구조를 전달할 필요가 있다. 실시들에 따른 옥트리(octree) 구조를 고려할 때, 모든 옥트리 레이어(octree layer)가 스케일러블 트랜스미션(scalable transmission)을 지원할 수 있지만, 특정 옥트리 레이어(octree layer) 이하에 대해서만 스케일러블 트랜스미션(scalable transmission)이 가능하도록 할 수 있다. 옥트리 레이어(octree layer) 중 일부를 포함하는 경우 해당 슬라이스(slice)가 어느 스케일러블 레이어(scalable layer)에 포함되는지를 알려줌으로써 비트스트림(bitstream) 단계에서 해당 슬라이스(slice)의 필요/불필요 여부를 판단할 수 있다. 도20(a)의 예에서 루트(root) 노드로부터 시작되는 2002 표시된 부분에서는 스케일러블 트랜스미션(scalable transmission )을 지원하지 않고 하나의 스케일러블 레이어(scalable layer)를 구성하고, 이하의 옥트리 레이어(octree layer)에 대해서는 스케일러블 레이어(scalable layer)와 일대일 매칭이 되도록 구성 할 수 있다. 일반적으로 리프 노드(leaf node)에 해당하는 부분에 대해 스케일러빌리티(scalability)를 지원할 수 있는데, 도20(c)와 같이 복수의 옥트리 레이어(octree layer)가 슬라이스(slice) 내 포함되는 경우 해당 레이어(layer)들에 대해서는 하나의 스케일러블 레이어(scalable layer)를 구성하도록 정의할 수 있다.
이 때, 목적에 따라 스케일러블 트랜스미션(scalable transmission)과 스케일러블 디코딩(scalable decoding)을 구분하여 사용할 수 있다. 스케일러블 트랜스미션(scalable transmission)의 경우 송수신 단에서 디코더(decoder)를 거치지 않고 특정 레이어(layer)까지의 정보를 선별하기 위한 목적으로 사용할 수 있다. 스케일러블 디코딩(scalable decoding)의 경우 코딩(coding)하는 중에 특정 레이어(layer)를 선별하기 위한 목적이다. 즉, 스케일러블 트랜스미션(scalable transmission)은 압축된 상태에서 (bitstream 단계에서) 디코더(decoder)를 거치지 않고 필요로 하는 정보 선별을 지원하여 전송 혹은 수신기에서 판별이 가능하도록 할 수 있다. 반면 스케일러블 디코딩(scalable decoding)의 경우 인코딩 및 디코딩(encoding/decoding) 과정에서 필요로하는 부분까지만 인코딩 및 디코딩(encoding/decoding)하는 경우를 지원함으로써 스케일러블 리프리젠테이션(scalable representation )과 같은 경우에 사용될 수 있다.
이 경우, 스케일러블 트랜스미션(scalable transmission)을 위한 레이어(layer) 구성과 스케일러블 디코딩(scalable decoding)을 위한 레이어(layer) 구성이 달라질 수 있다. 예를 들어 리프 노드(leaf node)를 포함하는 하위 3개의 옥트리 레이어(octree layer)는 스케일러블 트랜스미션(scalable transmission)의 관점에서 하나의 레이어(layer)를 구성할 수 있지만, 스케일러블 디코딩(scalable decoding) 관점에서 모든 레이어(layer) 정보를 포함한 경우 리프 노드 레이어(leaf node layer), 리프 노드 레이어-1(leaf node layer -1), 리프 노드 레이더-2(leaf node layer -2) 각각에 대해 스케일러블 디코딩(scalable decoding)이 가능할 수 있다.
아래에서는 위에서 설명한 레이어(layer) 구성을 위한 슬라이스(slice) 구조 및 스케일러블 트랜스미션(scalable transmission )을 위한 시그널링 방법에 대해서 기술한다.
도21은 실시예들에 따른 싱글 슬라이스 및 분할된(segmented) 슬라이스 기반 지오메트리 트리 구조를 나타낸다.
실시예들에 따른 방법/장치는 도21과 같이 포인트 클라우드 데이터를 전달하기 위한 슬라이스를 구성할 수 있다.
도21은 서로 다른 슬라이스 구조에 포함되는 지오메트리 트리 구조이다. G-PCC 기술에 따라서, 전체 코딩된 비트스트림이 싱글 슬라이스에 포함될 수 있다. 나아가, 멀티플 슬라이스들을 위해서, 각 슬라이스는 서브-비트스트림을 포함할 수 있다. 슬라이스들의 순서는 서브-비트스트림의 순서와 동일할 수 있다. 비트스트림이 지오메트리 트리의 폭 우선 순서로 축적되고, 각 슬라이스는 트리 레이어들의 그룹과 매치될 수 있다(도21). 분할된 슬라이스는 G-PCC 비트스트림의 레이어링 구조를 상속받을 수 있다.
지오메트리 트리의 상위 레이어가 하위 레이어들에 영향을 주지 않는 것과 같이, 슬라이스들은 이전 슬라이스들에 영향을 주지 않을 수 있다.
실시예들에 따른 분할된 슬라이스들(segmented slices)은 에러 강건성(error robustness), 효율적 전송(effective transmission), 관심 영역 지원(supporting region of interest) 등 관점에서 효율적이다.
1) 에러 회복성(Error resilience)
싱글 슬라이스 구조와 비교 시, 분할된 슬라이스는 에러에 더 강할 수 있다. 슬라이스가 프레임의 전체 비트스트림을 포함하는 경우, 데이터 로스는 전체 프레임 데이터에 영향을 줄 수 있다. 한편, 비트스트림이 복수의 슬라이스들로 분할되는 경우, 슬라이스 일부가 손실되더라도 손실에 영향을 받지 않는 일부 슬라이스들은 디코딩이 가능하다.
2) 스케일러블 트랜스미션(Scalable transmission)
서로 다른 캐퍼비리티를 가지는 복수의 디코더들을 지원할 수 있는 경우를 고려할 수 있다. 코딩된 데이터가 싱글 슬라이스에 있는 경우, 코딩된 포인트 클라우드의 LOD는 인코딩 이전에 결정될 수 있다. 따라서, 포인트 클라우드 데이터의 서로 다른 해상도를 가지는 복수 개의 사전 인코딩된 비트스트림들은 독립적으로 전달될 수 있다. 이는 큰 밴드위스 또는 스토리지 공간 측면에서 비효율적일 수 있다.
PCC 비트스트림이 생성되고 분할된 슬라이스들에 포함되는 경우, 싱글 비트스트림은 서로 다른 레벨의 디코더를 지원할 수 있다. 디코더 측에서 보면, 수신기는 타겟 레이어들들 선택할 수 있고, 부분적으로 선택된 비트스트림을 디코더에 전달할 수 있다. 유사하게, 전체 비트스트림을 파티셔닝하지 않고, 싱글 PCC비트스트림을 사용함으로써, 파셜 PCC비트스트림은 효율적으로 트랜스미터 측에서 생성될 수 있다.
3) 영역 기반 공간 스케일러빌리티(Region based spatial scalability)
G-PCC 요구조건에서 보면, 영역 기반 공간 스케일러빌리티는 다음과 같이 정의될 수 있다. 압축된 비트스트림은 하나의 레이어 이상을 가지도록 구성될 수 있다. 특정 관심 영역이 추가적인 레이어들과 높은 밀도를 가질 수 있고, 레이어들은 하위 레이어들로부터 예측될 수 있다.
이 요구조건을 지원하기 위해서, 리전에 대한 서로 다른 상세한 표현을 지원하는 것이 필요하다. 예를 들어, VR/AR 어플리케이션에서, 멀리 있는 오브젝트는 낮은 정확도로 표현하고, 높은 정확도로 근처 오브젝트를 표현하는 것이 바람직하다. 혹은 디코더는 요청이 있으면 관심이 있는 영역의 해상도를 증가시킬 수 있다. 지오메트리 옥트리 및 스케일러블 어트리뷰트 코딩 스킴과 같은 G-PCC의 스케일러블 구조를 사용함으로써 구현될 수 있다. 전체 지오메트리 또는 어트리뷰트를 포함하는 현재 슬라이스 구조에 기반하여, 디코더들은 전체 비트스트림에 접근해야 한다. 이는 밴드위스, 메모리, 디코더 비효율성을 야기할 수 있다. 한편, 비트스트림이 복수 개의 슬라이스들로 세그먼트되고, 각 슬라이스가 스케일러블 레이어들에 따른 서브-비트스트림들을 포함하면, 실시예들에 따른 디코더는 효율적으로 비트스트림을 파싱하기 이전에 필요에 따라 슬라이스를 선택할 수 있다.
도22은 실시예들에 따른 지오메트리 코딩 트리의 레이어 그룹 구조 및 어트리뷰트 코딩 트리의 얼라인된 레이어 그룹 구조를 나타낸다.
실시예들에 따른 방법/장치는 도22과 같이 포인트 클라우드 데이터의 계층적 구조를 이용하여 슬라이스 레이어 그룹을 생성할 수 있다.
실시예들에 따른 방법/장치는 서로 다른 슬라이스들에 포함된 지오메트리 및 어트리뷰트 비트스트림의 세그멘테이션을 적용할 수 있다. 또한, 트리 뎁스 관점에서 파셜 트리 정보에 포함된 각 슬라이스 및 지오메트리 및 어트리뷰트 코딩의 코딩 트리 구조를 사용할 수 있다.
도22(a)를 참조하면, 지오메트리 트리 구조 및 제안하는 슬라이스 세그먼트의 예시를 나타낸다.
예를 들어, 옥트리 내 8개의 레이어들이 있고, 5개 슬라이스들은 하나 또는 하나 이상의 레이어들의 서브-비트스트림을 포함하도록 사용될 수 있다. 그룹은 지오메트리 트리 레이어들의 그룹을 나타낸다. 예를 들어, 글부 1은 레이어 0 내지 레이어4로 구성되고, 그룹2는 레이어5를 포함하고, 그룹3은 레이어6 및 레이어7을 포함한다. 또한, 그룹은 3개 서브-그룹들로 분할될 수 있다. 부모 및 자식 페어들은 각 서브-그룹에 존재한다. 그룹3-1 내지 그룹3-3은 그룹3의 서브-그룹이다. 스케일러블 어트리뷰트 코딩이 사용되는 경우 트리 구조는 지오메트리 트리 구조와 동일하다. 동일한 옥트리-슬라이스 맵핑은 어트리뷰트 슬라이스 세그먼트들을 만드는데 사용될 수 있다 (도22(b)).
레이어 그룹(Layer group): 옥트리 레이어(octree layer), lod 레이어(LoD layer) 등과 같이 G-PCC 코딩에서 발생하는 레이어(layer) 구조 단위의 묶음을 나타낸다.
서브-그룹(Sub-group): 하나의 레이어 그룹(layer group)에 대해 위치 정보를 기반으로 인접한 노드들의 집합으로 나타낼 수 있다. 혹은 레이어 그룹(layer group) 내의 최하위 레이어(layer) (루트(root) 방향에 가장 가까운 레이어(layer)를 의미할 수 있으며, 도22의 그룹3(group 3)의 경우 레이어6(layer 6))를 기준으로 묶음을 구성할 수 있으며, 몰톤 코드 오더(Morton code order)에 의해 인접한 노드들의 묶음을 구성하거나, 거리 기반 인접 노드의 묶음으로 구성하거나, 코딩(coding) 순서에 따라 인접한 노드들의 묶음으로 구성할 수 있다. 추가적으로 부모-자식(parent-child) 관계에 있는 노드들은 하나의 서브 그룹(sub-group) 내 존재하도록 규정할 수 있다.
서브그룹(Sub-group)을 정의하는 경우 레이어(layer)의 중간에서 바운더리(boundary)가 발생하게 되며, 바운더리(boundary)에서 연속성을 갖도록 하는지 여부에 대해서는 인트로피 연속성 인에이블 플래그(sps_entropy_continuation_enabled_flag), 엔트로피 연속성 플래그(gsh_entropy_continuation_flag) 등과 같이 엔트로피(entropy)를 연속적으로 사용하는지 여부를 알려주고 및 레퍼런스 슬라이스 아이디(ref_slice_id)를 알려줌으로써 이전 슬라이스(slice)와의 연속성을 계속 유지할 수 있다.
도23은 실시예들에 따른 레이어 그룹 및 서브 그룹 구조를 나타낸다.
도21-22에 도시된 레이어 구조 기반 포인트 클라우드 데이터 및 비트스트림은 도23과 같이 바운딩 박스를 나타낼 수 있다.
하위 그룹(서브그룹) 구조 및 서브 그룹에 대응하는 바운딩 박스를 도시한다. 레이어 그룹 2와 3은 서브그룹2(group2-1, group2-2)개 및 4개(group3-1, group3-2, group3-3, group3-4)로 나누어져 서로 다른 슬라이스에 포함된다. 바운딩 박스 정보가 있는 레이어 그룹 및 서브 그룹의 조각이 주어지면 1) 각 조각(슬라이스)의 바운딩 박스를 ROI와 비교하고, 2) 서브 그룹 바운딩 박스가 ROI와 상관 관계가 있는 조각(슬라이스)을 선택하고, 공간 액세스를 수행할 수 있다. 그런 다음 3) 선택된 슬라이스를 디코딩한다. 영역 3-3에서 ROI를 고려할 때 레이어 그룹 1, 하위 그룹 2-2 및 3-3의 하위 그룹 바운딩 박스로 슬라이스 1, 3, 6이 선택되어 ROI 영역을 커버한다. 효과적인 공간 액세스를 위해 동일한 계층 그룹의 하위 그룹 간에 종속성이 없다고 가정한다. 라이브 스트리밍 또는 저지연 사용 사례의 경우 각 슬라이스 세그먼트를 수신할 때 선택 및 디코딩을 수행하여 시간 효율성을 높일 수 있다.
실시예들에 따른 방법/장치는 지오메트리 및/또는 어트리뷰트 부호화 시 데이터를 레이어(뎁스, 레벨 등 지칭 가능)로 계층 트리(23000)로 표현할 수 있다. 각 레이어(뎁스/레벨)에 대응하는 포인트 클라우드 데이터를 도21-22와 마찬가지로 레이어 그룹(또는 그룹, 2301)으로 묶을 수 있다. 각 레이어 그룹은 추가로 분할(세그먼트)되어 서브 그룹(2302)으로 분할될 수 있다. 각 서브 그룹을 슬라이스로 구성하여 비트스트림을 생성할 수 있다. 실시예들에 따른 수신 장치는 비트스트림을 수신하고, 특정 슬라이스를 선택하여, 슬라이스에 포함된 서브 그룹을 디코딩하고, 서브 그룹에 대응하는 바운딩 박스를 디코딩할 수 있다. 예를 들어, 슬라이스 1을 선택하면 그룹1에 대응하는 바운딩 박스(2303)을 디코딩할 수 있다. 그룹1은 가장 큰 영역에 해당하는 데이터일 수 있다. 그룹1에 대한 상세 영역을 추가적으로 사용자가 보고 싶으면, 실시예들에 따른 방법/장치는 슬라이스 3 및/또는 슬라이스6을 선택하여, 그룹1의 영역에 포함된 상세 영역에 대한 그룹2-2 및/또는 그룹3-3의 바운딩 박스(포인트 클라우드 데이터)를 계층적으로 부분적으로 엑세스할 수 있다.
도23을 참조하면, 서브그룹 바운딩 박스(Subgroup bounding box)정보를 기반으로 한 슬라이스 셀렉션(slice selection) 동작의 예시를 보여준다. 실시예들에 따른 방법/장치는 ROI 와 매칭되는 슬라이스(slice)를 서브그룹 바운딩 박스(subgroup bounding box) 정보를 기반으로 판단하고 선택한다.
풀 코딩 레이어(Full coding layer)에 대해 압축된 비트스트림(bitstream)을 제안하는 방법으로 slice로 나누어 전달하는 경우 서로 다른 성능을 가진 수신기를 지원할 수 있다. ROI혹은 수신기 성능에 따라 슬라이스(slice)를 선별적으로 디코딩 하는 경우 수신기에서 직접 선별하거나 혹은 트랜스코더(transcoder)에서 선별할 수 있다. 트랜스코더(transcoder)에서 선별하는 경우 풀 디코딩(full decoding)을 하는 경우에 대한 정보 (예를 들어, 전체 코딩 레이어 뎁스(coding layer depth), 전체 레이어 그룹(layer-group) 개수, 전체 서브그룹(subgroup) 개수 등)가 없는데, 이 경우 수신기에서 복호화 과정에서 해당 정보가 필요할 수 있다. 이 경우 해당 정보를 직접 전달하거나 혹은 유추할 수 있는 정보로써 스킵된 레이어 그룹 개수(num_skipped_layer_groups) 와 스킵된 레이어 개수(num_skipped_layers)를 전달할 수 있다.
실시예들에 따른 ROI 생성 방법 예시는 다음과 같다.
// 슬라이스 셀렉션을 위한 ROI 셋팅 과정은 다음과 같다(ROI setting for slice selection):
Vec3<int> ROI_origin, ROI_size;
gbh.layer_group_enabled_flag = _sps->layer_group_enabled_flag;
if (gbh.layer_group_enabled_flag) {
gbh.num_layer_groups_minus1 = _sps->num_layer_groups_minus1;
gbh.num_layers_per_layer_group = _sps->num_layers_minus1;
for (int i = 0; i <= gbh.num_layer_groups_minus1; i++) {
gbh.num_layers_per_layer_group[i] = _sps->num_layers_minus1[i] + 1;
}
if (params->roiEnabledFlag) {
ROI_size = params->roiSize;
for (int i = 0; i < 3; i++) {
int Width = 1 << gbh.rootNodeSizeLog2[i];
double positionScale = params->roiPointScale[i];
if (positionScale < 0)
positionScale = 0;
else if (positionScale > 1)
positionScale = 1;
ROI_origin[i] = int(Width * positionScale + 0.5);
if (ROI_origin[i] >= Width)
ROI_origin[i] = Width - 1 - ROI_size[i];
}
}
}
인코더(Encoder)에서 ROI에 따라 슬라이스(slice)를 선택하는 방법 예시는 다음과 같다.
슬라이스 셀렉션은 스케일러빌리티 및 스파셜 랜덤 억세스를 지원한다(// slice selection : scalablity and spatial random access)
if (gbh.layer_group_enabled_flag) {
int numOutputSlices = totalNumSlices;
int numSkipLayerGroup = params->numSkipLayerGroups;
if (params->numSkipLayerGroups >= gbh.num_layer_groups_minus1)
numSkipLayerGroup = gbh.num_layer_groups_minus1;
int curLayerGroupId = 0;
int curSubgroupId = 0;
int bufIdx = 0;
for (int i = 0; i < numOutputSlices; i++) {
bool selectSlice = true;
auto curBboxMin = gbh.vec_bboxOrigin[curLayerGroupId][curSubgroupId];
auto curBboxMax = gbh.vec_bboxOrigin[curLayerGroupId][curSubgroupId] + gbh.vec_bboxSize[curLayerGroupId][curSubgroupId];
auto roiMin = ROI_origin;
auto roiMax = ROI_origin + ROI_size;
if (params->roiEnabledFlag && i > 0) {
for (int i = 0; i < 3; i++) {
if ((roiMin[i] < curBboxMax[i] && roiMax[i] >= curBboxMin[i])) {
continue;
}
else {
selectSlice = false;
break;
}
}
}
if (curLayerGroupId > gbh.num_layer_groups_minus1 - numSkipLayerGroup) {
selectSlice = false;
}
auto dataLen = arithmeticEncoders[i]->stop();
int num_points = gbh.numNodes[curLayerGroupId][curSubgroupId] + gbh.numNodesDcm[curLayerGroupId][curSubgroupId];
if (selectSlice && num_points) {
PayloadBuffer& buf = bufs->at(bufIdx++);
// write header
if (i == 0)
write(*_sps, *_gps, gbh, &buf);
else {
DependentGeometryDataUnitHeader dep_gbh;
dep_gbh.geom_parameter_set_id = _gps->gps_geom_parameter_set_id;
dep_gbh.geom_slice_id = gbh.geom_slice_id;
dep_gbh.layer_group_id = curLayerGroupId;
dep_gbh.subgroup_id = curSubgroupId;
dep_gbh.subgroupBboxOrigin=gbh.vec_bboxOrigin[curLayerGroupId][curSubgroupId];
dep_gbh.subgroupBboxSize = gbh.vec_bboxSize[curLayerGroupId][curSubgroupId];
dep_gbh.ref_layer_group_id= gbh.ref_layerGroup[curLayerGroupId][curSubgroupId];
dep_gbh.ref_subgroup_id = gbh.ref_subgroup[curLayerGroupId][curSubgroupId];
if (!params->root_layer_group_context_ref_flag && curLayerGroupId < gbh.num_layer_groups_minus1)
dep_gbh.context_reuse_flag = true;
else
dep_gbh.context_reuse_flag = false;
write(*_sps, *_gps, dep_gbh, &buf);
}
// write bitstream
auto& aec = arithmeticEncoders[i];
std::copy_n(aec->buffer(), dataLen, std::back_inserter(buf));
// signal the actual number of points coded
gbh.footer.geom_num_points_minus1 = num_points - 1;
// append the footer
write(*_gps, gbh, gbh.footer, &buf);
}
if (curSubgroupId == gbh.num_sub_groups_minus1[curLayerGroupId]) {
curLayerGroupId++;
curSubgroupId = 0;
}
else
curSubgroupId++;
}
if (bufIdx)
bufs->resize(bufIdx);
}
디코더(Decoder)에서 ROI 에 따른 슬라이스 셀렉션(slice selection) 방법은 다음과 같다.
int PCCTMC3Decoder3::decodeDependentGeometryBrick(const PayloadBuffer& buf)
{
…
bool selectedSlice = true;
auto curBboxMin = _dep_gbh.subgroupBboxOrigin;
auto curBboxMa = _dep_gbh.subgroupBboxOrigin + _dep_gbh.subgroupBboxSize;
auto roiMin = _params.roiOrigin;
auto roiMax = _params.roiOrigin + _params.roiSize;
if (_sps->subgroup_enabled_flag[_dep_gbh.layer_group_id]) {
if (_params.roiEnabledFlag) {
for (int i = 0; i < 3; i++) {
if ((roiMin[i] < curBboxMax[i] && roiMax[i] >= curBboxMin[i])) {
continue;
}
else {
selectedSlice = false;
break;
}
}
}
if (!selectedSlice) {
return 0;
}
}
…
}
전술한 슬라이스 셀렉션에 따른 결과 영상 예시는 도24 내지 도26과 같다.
도24, 도25, 도26은 실시예들에 따른 멀티 해상도 및 멀티 사이즈 ROI 출력을 나타낸다.
도16-23, 도42와 같은 구조를 통해, 멀티 해상도 및 멀티 사이즈 ROI 출력이 가능하다.
다중 해상도 다중 크기 ROI에 대한 비교 예시:
자세한 비교를 위해 세 가지 접근 방식의 시청 거리 적응형 해상도 사용 사례의 결과를 볼 수 있다. 전술한 가정에 따라 수신기의 출력으로 세 가지 다른 수준의 시청 거리를 고려할 수 있다. 1) 대략적인 세부 정보의 상위 수준 보기, 2) 중간 수준 세부 정보의 중간 수준 보기, 3) 하위 수준 보기 세세한 부분까지가 있을 수 있다.
도24-26을 참조하면, ULB_unicorn_HiRes_vox15_n.ply 및 Stanford_Area_4_vox16.ply 데이터의 3가지 다른 해상도가 표시되며 여기서 각각은 3개의 대상 출력을 나타낸다. 하이-레벨에서 로우-레벨로 갈수록 볼륨의 크기는 작아지고 해상도(또는 포인트 밀도)는 증가한다.
도27은 실시예들에 따른 클라우드 밀도를 고려한 슬라이스 생성 방법을 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(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 내지 23 인코딩, 도27 내지 도29 인코딩, 도37, 도40-42 인코딩, 도43 송신 방법)는 도27과 같이 포인트 클라우드 데이터의 밀도를 고려하여 슬라이스를 생성하고 인코딩할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(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 내지 23 디코딩, 도27 내지 도29 디코딩, 도38 디코딩, 도40-42 디코딩, 도44 수신 방법)은 포인트 클라우드 데이터의 밀도를 고려하여 생성된 슬라이스에 기초하여 포인트 클라우드 데이터를 디코딩할 수 있다.
실시예들에 따른 클라우드 데이터의 밀도를 고려한 슬라이스(slice) 생성 방법과 관련하여, 실시예들에 따른 방법/장치는 적응적 서브그룹 바운딩 박스를 이용할 수 있다.
어답티브 서브그룹 바운딩 박스(Adaptive subgroup bounding box)의 개념은 다음과 같다.
논-큐빅 바운딩 박스(non-cubic bounding box)의 사용 예시로, 서브 그룹 분할(스플릿)은 각 하위(서브) 그룹의 노드 수를 제한할 수 있다. 하위 그룹 분할을 살펴보면, 입력 시퀀스 내에서 하위 그룹 크기가 고정되어 있는 큐빅 하위 그룹이 사용된다. 분할(파티셔닝)은 공간 영역을 기반으로 하기 때문에, 각 슬라이스의 노드 개수 범위는 보장되지 않는다. 레벨 한계 내에서 하위 그룹의 포인트 개수에 맞추기 위해, 큐빅 바운딩 박스가 도27과 같이 하위 분할로 분할될 수 있습니다. 이 예시를 보면, 오리지널 바운딩 박스는 한 축의 큐빅 센터를 나누어 2개로 분할된다. 3개 중 y축과 z축을 가로질러 나누면 몰톤(Morton) 순서(오더)가 된다. 분할 위치가 중앙 위치가 아닌 경우, 세 가지 경우 모두에 대해 서브-분할된 바운딩 박스들이 몰톤(Morton) 순서에 걸쳐 있게 된다.
몰톤(Morton) 순서에 걸쳐 논-큐빅(non-cubic) 서브그룹 바운딩 박스의 사용 예시를 설명하기 위해, CTC 테스트 컨텐츠 상에서 서브그룹 분할 결과가 조사된다. 이 예시에서, 포인트 개수가 많은 테스트 컨텐츠에 대해 분할 프로세스를 적용할 수 있다. 예를 들어, 데이터(ulb_unicorn_hires_vox15.ply)의 포인트 개수는 63,787,119개이고 생성된 마지막 레이어 그룹의 하위(서브) 그룹 개수는 105개이다(전술한 조건 적용). 포인트 클라우드 데이터에서 포인트의 분포가 균일하지 않기 때문에 포인트 개수가 TMC13에 따른 1,100,000개를 초과하는 하위 그룹이 있을 수 있다. 그러한 서브 그룹들 내 포인트 개수를 조정하기 위해, 큐빅 서브그룹을 여러 서브그룹들로 분할할 수 있다. 도28을 참조하면, 스플릿으로 생성된 논-큐빅 서브그룹들의 예시가 나타나 있다. 도28의 테이블에서, 각 로우(행)은 z축, y축, 및 x축을 걸쳐서 스플릿하는 예시를 나타낸다. 그리고, 각 컬럼(열)은 스플릿 전/후 서브그룹 원점, 사이즈, 포인트들의 개수를 나타내다. 이 예시에서, 스플릿 방향은 가능한 유사한 포인트들의 개수를 가지도록 하는 두 개의 서브-분할된 결과를 생성하기 위해서 결정된다. 테이블에 도시된 바와 같이, 스플릿 이후 포인트들의 개수는 코더 친화적 슬라이스를 생성할 수 있는 레벨 한계보다 낮을 수 있다. 이 예시에서 마지막 레이어 그룹의 슬라이스 수는 분할 후 121개로 변경될 수 있다.
도28은 실시예들에 따른 z축, y축, x축을 걸쳐 논-큐빅 서브그룹 바운딩 박스의 분할의 예시를 나타낸다.
도27에서 설명한 큐빅 바운딩 박스를 서브 그룹 박스로 디비전하는 하는 예시를 보면, 도28과 같다.
예를 들어, 축 상 (0, 0, 8192)에 위치한 큐빅 바운딩 박스가 있고, 바운딩 박스의 크기가 (4096, 4096, 4096)이고, 박스 내 포인트들의 개수가 1,197,362개라고 하면, 스플릿팅을 할 수 있다. z축 상으로 서브-디비전이 적용되어, 2개의 서브그룹들이 생성되고, 각 박스 내 포인트들의 개수는 감소할 수 있다. 마찬가지로, y축, 및/또는 x축에 대해 서브-디비전을 적용하여 각 박스(서브그룹) 내 포인트들의 개수를 핏팅(fit)할 수 있다.
레이어 그룹 슬라이싱에서, 하위(서브) 그룹은 큐브의 길이를 결정하는 매개변수인 서브그룹사이즈(subgroupSize)에 기초하여 분할된다. 컨텐츠의 바운딩 박스가 모든 축에서 균일한 거리로 분할되므로, 큐빅 서브 그룹은 공간 랜덤 액세스(spatial random access)의 단위로 간주될 수 있다.
그러나 이 간단한 접근 방식은 하위 그룹의 포인트 개수를 고려할 수 없으므로 하위 그룹의 포인트 수가 TMC13에서 사용된 제한을 초과할 수 있다. 제한의 목적 중 하나는 수신기의 성능을 보장하는 것이므로 제한 아래의 포인트를 갖도록 하위 그룹을 만드는 것이 요구된다.
이를 위해 더 작은 서브그룹사이즈(subgroupSize)를 사용할 수 있지만 이는 인접 노드 사이에 더 많은 불연속성을 만들고 인벤토리에 헤더와 매개변수를 추가하여 비효율성을 유발할 수 있는 하위 그룹의 수를 증가시킬 수 있다. 또한 복호화 능력을 고려하여 서브 그룹 개수에 대한 제약이 필요할 수 있다. 따라서 실시예들에서 고려하는 서브그룹을 생성하기 위한 제약 조건은 다음과 같다.
1) 하위 그룹의 포인트 개수가 레벨 제한보다 낮음(Number of point in a subgroup is lower than the level limitation).
2) 더 적은 수의 추가 하위 그룹(Less number of additional subgroups)
실시예들에 따른 서브그룹 생성 방법은 1) 고정된 서브 그룹 사이즈 활용하는 방법, 및/또는 2) 고정된 서브그룹 사이즈 및 서브그룹 분할을 모두 활용하는 방법을 포함할 수 있다.
1. 고정된 서브그룹 사이즈(Fixed subgroup Size) 활용 방법
서브그룹(Subgroup)을 생성함에 있어서 고정된 서브그룹 사이즈(subgroup size)를 기반으로 모든 서브그룹(subgroup)을 생성할 수 있다. 이하는 서브그룹 원점(subgroup origin), 서브그룹 사이즈(subgroup size), 포인트 개수 측정, 레이어-그룹 구조 파라미터(layer-group structure parameter)를 기반으로 레이어-그룹(layer-group) 및 서브그룹(subgroup)을 생성하고 관련 파라미터를 SPS(시퀀스 파라미터 세트) 및 레이어-그룹 구조 인벤토리(layer-group structure inventory)에 저장하기 위한 과정의 구현 실시예이다.
if (params->layer_group_enabled_flag) {
Vec3<int> bound;
for (int k = 0; k < 3; k++) {
auto min_k = inputPointCloud.computeBoundingBox().min[k];
auto max_k = inputPointCloud.computeBoundingBox().max[k];
// SPS 바운딩 박스는 부합 스케일 관련하여 소스 스케일이 아니고, 범위가 변환될 수 있다.
min_k = std::round(inputPointCloud.computeBoundingBox().min[k] * params->seqGeomScale);
max_k = std::round(inputPointCloud.computeBoundingBox().max[k] * params->seqGeomScale);
bound[k] = max_k - min_k + 1;
}
GeometryBrickHeader gbh_temp;
for (int k = 0; k < 3; k++) {
gbh_temp.rootNodeSizeLog2[k] = ceillog2(std::max(2, bound[k]));
}
if (!params->gps.qtbt_enabled_flag) {
gbh_temp.rootNodeSizeLog2 = gbh_temp.rootNodeSizeLog2.max();
}
auto lvlNodeSizeLog2 = mkQtBtNodeSizeList(params->gps, params->geom.qtbt, gbh_temp);
int minNodeSizeLog2 = gbh_temp.trisoupNodeSizeLog2(params->gps);
lvlNodeSizeLog2.erase(
std::remove_if(
lvlNodeSizeLog2.begin(), lvlNodeSizeLog2.end(),
[&](Vec3<int>& size) { return size < minNodeSizeLog2; }),
vlNodeSizeLog2.end());
assert(lvlNodeSizeLog2.back() == minNodeSizeLog2);
lvlNodeSizeLog2.emplace_back(lvlNodeSizeLog2.back());
int maxDepth = lvlNodeSizeLog2.size() - 2;
params->subgroupBboxSize_Cubic = (params->subgroupBboxSize_Cubic < (1 << gbh_temp.rootNodeSizeLog2.max()))
? params->subgroupBboxSize_Cubic : 1 << gbh_temp.rootNodeSizeLog2.max();
if (params->subgroupBboxSize_Cubic < 0)
params->subgroupBboxSize_Cubic = 1 << (int)(gbh_temp.rootNodeSizeLog2.max() - 3);
Vec3<int> initSubgroupBboxSize = params->subgroupBboxSize_Cubic;
params->sps.layer_group_enabled_flag = params->layer_group_enabled_flag;
params->sps.num_layer_groups_minus1 = params->num_layer_groups_minus1;
params->sps.layer_group_id.resize(params->num_layer_groups_minus1 + 1);
params->sps.num_layers_minus1.resize(params->num_layer_groups_minus1 + 1);
params->sps.subgroup_enabled_flag.resize(params->num_layer_groups_minus1 + 1);
int depthRemained = maxDepth;
for (int i = 0; i <= params->sps.num_layer_groups_minus1; i++) {
if (params->numLayersInLayerGroup0 && depthRemained > 0) {
params->sps.layer_group_id[i] = i;
if (i == 0)
params->sps.num_layers_minus1[i] = params->numLayersInLayerGroup0 - 1;
else if (i < params->sps.num_layer_groups_minus1)
params->sps.num_layers_minus1[i] = (params->num_layers_per_layer_group[i - 1] <= depthRemained)
? params->num_layers_per_layer_group[i - 1] - 1 : depthRemained - 1;
else
params->sps.num_layers_minus1[i] = depthRemained - 1;
if (i < params->sps.num_layer_groups_minus1) {
depthRemained -= (params->sps.num_layers_minus1[i] + 1);
if (depthRemained <= 0) {
params->sps.num_layer_groups_minus1 = i;
params->sps.layer_group_id.resize(params->num_layer_groups_minus1 + 1);
params->sps.num_layers_minus1.resize(params->num_layer_groups_minus1 + 1);
params->sps.subgroup_enabled_flag.resize(params->num_layer_groups_minus1 + 1, false);
break;
}
}
}
else {
params->sps.layer_group_id[i] = i;
if (i == 0) {
params->sps.num_layers_minus1[i] = maxDepth;
for (int j = 0; j < params->sps.num_layer_groups_minus1; j++)
params->sps.num_layers_minus1[i] -= params->num_layers_per_layer_group[j - 1];
}
else
params->sps.num_layers_minus1[i] = params->num_layers_per_layer_group[i - 1];
}
}
if (params->subgroupBboxSize_Cubic > 0) {
for (int i = 0; i <= params->sps.num_layer_groups_minus1; i++) {
if (i == 0)
params->sps.subgroup_enabled_flag[i] = false;
else
params->sps.subgroup_enabled_flag[i] = true;
}
Vec3<int> numPerAxis = 1;
int numMaxSubgroups = 1;
for (int k = 0; k < 3; k++) {
numPerAxis[k] = std::ceil(double(1 << gbh_temp.rootNodeSizeLog2[k]) / initSubgroupBboxSize[k]);
numMaxSubgroups *= numPerAxis[k];
}
std::vector<std::vector<Vec3<int>>> subgrpPointCloud;
subgrpPointCloud.resize(numMaxSubgroups);
auto minInput = inputPointCloud.computeBoundingBox().min;
for (int i = 0; i < inputPointCloud.getPointCount(); i++) {
Vec3<int> subgroupIdx, pos;
for (int k = 0; k < 3; k++) {
if (i == 0)
minInput[k] = std::round(minInput[k] * params->seqGeomScale);
pos[k] = std::round(inputPointCloud[i][k] * params->seqGeomScale) - minInput[k];
subgroupIdx[k] = (int)(pos[k] / initSubgroupBboxSize[k]);
}
int currentIdx = (subgroupIdx[0] * numPerAxis[1] + subgroupIdx[1]) * numPerAxis[2] + subgroupIdx[2];
subgrpPointCloud[currentIdx].push_back(pos);
}
params->refLayerGroupId.resize(params->num_layer_groups_minus1 + 1);
params->refSubgroupId.resize(params->num_layer_groups_minus1 + 1);
params->subgrpBboxOrigin.resize(params->num_layer_groups_minus1 + 1);
params->subgrpBboxSize.resize(params->num_layer_groups_minus1 + 1);
int maxXYZ = 0;
int numMaxPointsInSubgroup = 1100000;
for (int lyrGrpIdx = 0; lyrGrpIdx < params->num_layer_groups_minus1 + 1; lyrGrpIdx++) {
if (lyrGrpIdx == 0) {
params->refLayerGroupId[lyrGrpIdx].push_back(0);
params->refSubgroupId[lyrGrpIdx].push_back(0);
params->subgrpBboxOrigin[lyrGrpIdx].push_back({ 0, 0, 0 });
params->subgrpBboxSize[lyrGrpIdx].push_back({ 1 << gbh_temp.rootNodeSizeLog2[0], 1 << gbh_temp.rootNodeSizeLog2[1], 1 << gbh_temp.rootNodeSizeLog2[2] });
}
else {
int idx = 0;
for (int i = 0; i < subgrpPointCloud.size(); i++) {
if (subgrpPointCloud[i].size() > 0) {
Vec3<int> curIdx;
curIdx[2] = i % numPerAxis[2];
curIdx[1] = (int)(i / numPerAxis[2]) % numPerAxis[1];
curIdx[0] = (int)((int)(i / numPerAxis[2]) / numPerAxis[1]);
Vec3<int> curBboxOrigin;
for (int m = 0; m < 3; m++)
curBboxOrigin[m] = initSubgroupBboxSize[m] * curIdx[m];
if (lyrGrpIdx > 1 && !params->root_layer_group_context_ref_flag) {
params->refLayerGroupId[lyrGrpIdx].push_back(lyrGrpIdx - 1);
params->refSubgroupId[lyrGrpIdx].push_back(idx);
}
else {
params->refLayerGroupId[lyrGrpIdx].push_back(0);
params->refSubgroupId[lyrGrpIdx].push_back(0);
}
params->subgrpBboxOrigin[lyrGrpIdx].push_back(curBboxOrigin);
params->subgrpBboxSize[lyrGrpIdx].push_back(initSubgroupBboxSize);
if (maxXYZ < curBboxOrigin.max())
maxXYZ = curBboxOrigin.max();
idx++;
}
}
}
}
params->sps.subgroupBboxOrigin_bits_minus1 = numBits(maxXYZ) - 1;
params->sps.subgroupBboxSize_bits_minus1 = numBits(initSubgroupBboxSize.max()) - 1;
}
else {
params->sps.subgroupBboxOrigin_bits_minus1 = 0;
params->sps.subgroupBboxSize_bits_minus1 = numBits((int)(1 << gbh_temp.rootNodeSizeLog2.max())) - 1;
params->refLayerGroupId.resize(params->num_layer_groups_minus1 + 1);
params->refSubgroupId.resize(params->num_layer_groups_minus1 + 1);
params->subgrpBboxOrigin.resize(params->num_layer_groups_minus1 + 1);
params->subgrpBboxSize.resize(params->num_layer_groups_minus1 + 1);
for (int lyrGrpIdx = 0; lyrGrpIdx < params->num_layer_groups_minus1 + 1; lyrGrpIdx++) {
params->subgrpBboxOrigin[lyrGrpIdx].push_back({ 0, 0, 0 });
params->subgrpBboxSize[lyrGrpIdx].push_back({ 1 << gbh_temp.rootNodeSizeLog2[0], 1 << gbh_temp.rootNodeSizeLog2[1], 1 << gbh_temp.rootNodeSizeLog2[2] });
params->refSubgroupId[lyrGrpIdx].push_back(0);
if (lyrGrpIdx > 1 && !params->root_layer_group_context_ref_flag)
params->refLayerGroupId[lyrGrpIdx].push_back(lyrGrpIdx - 1);
else
params->refLayerGroupId[lyrGrpIdx].push_back(0);
}
}
// 레이어-그룹 구조 인벤토리 파라티터를 셋팅할 수 있다.
LayerGroupStructureInventory layerGroupStructureInventory;
layerGroupStructureInventory.lgsi_seq_parameter_set_id = params->sps.sps_seq_parameter_set_id;
layerGroupStructureInventory.lgsi_frame_idx_bits = params->sps.frame_ctr_bits;
layerGroupStructureInventory.lgsi_frame_idx = _frameCounter & ((1 << params->sps.frame_ctr_bits) - 1);
layerGroupStructureInventory.lgsi_num_slice_ids_minus1 = 0;
layerGroupStructureInventory.slice_ids.clear();
layerGroupStructureInventory.slice_ids.resize(layerGroupStructureInventory.lgsi_num_slice_ids_minus1 + 1);
for (auto& slice : layerGroupStructureInventory.slice_ids) {
slice.lgsi_slice_id = 0;
slice.lgsi_num_layer_groups_minus1 = params->sps.num_layer_groups_minus1;
slice.lgsi_subgroupBboxOrigin_bits_minus1 = params->sps.subgroupBboxOrigin_bits_minus1;
slice.lgsi_subgroupBboxSize_bits_minus1 = numBits(1 << gbh_temp.rootNodeSizeLog2.max()) - 1;
slice.layerGroups.clear();
slice.layerGroups.resize(slice.lgsi_num_layer_groups_minus1 + 1);
int idx = 0;
for (auto& entry : slice.layerGroups) {
entry.lgsi_layer_group_id = idx;
entry.lgsi_num_layers_minus1 = params->sps.num_layers_minus1[idx];
entry.lgsi_num_subgroups_minus1 = params->subgrpBboxOrigin[idx].size() - 1;
entry.subgroups.clear();
entry.subgroups.resize(entry.lgsi_num_subgroups_minus1 + 1);
for (int i = 0; i < entry.lgsi_num_subgroups_minus1 + 1; i++) {
auto& subentry = entry.subgroups[i];
subentry.lgsi_subgroup_id = i;
subentry.lgsi_subgroupBboxOrigin = params->subgrpBboxOrigin[idx][i];
subentry.lgsi_subgroupBboxSize = params->subgrpBboxSize[idx][i];
if (idx > 1)
subentry.lgsi_parent_subgroup_id = subentry.lgsi_subgroup_id;
else
subentry.lgsi_parent_subgroup_id = 0;
}
idx++;
}
}
layerGroupStructureInventory.lgsi_origin = _originInCodingCoords;
layerGroupStructureInventory.lgsi_origin_bits_minus1 = numBits(_originInCodingCoords.max()) - 1;
callback->onOutputBuffer(write(params->sps, layerGroupStructureInventory));
}
// 어트리뷰트 컨텍스트들을 위해서 스토리지를 할당할 수 있다.
_ctxtMemAttrs.resize(params->sps.attributeSets.size());
}
2. 고정된 서브그룹 사이즈 및 서브그룹 디비전 모두 활용하기
고정된 서브그룹 사이즈(fixed subgroup size)를 사용하는 경우 공간 랜점 억세스(spatial random access) 관점에서 필요한 영역의 범위를 판단하기가 쉽다는 장점이 있지만, 포인트 개수를 균일하게 나눌 수 없다는 단점이 있다. 이로 인해 일부 서브그룹(subgroup)에서는 포인트들의 개수가 디코더(decoder)에서 처리할 수 있는 포인트의 개수 (즉, 레벨 리미트, 혹은 레벨 한계(level limit))를 넘는 경우가 발생할 수 있다. 이를 방지하기 위한 방법으로써 서브그룹(subgroup)을 분할하는 방법이 필요하다. 이때, 서브그룹(subgroup)의 개수가 많아지면 디코더(decoder)에서 처리할 수 있는 서브그룹(subgroup) 개수를 초과할 수 있으므로 서브그룹(subgroup) 개수가 크게 늘어나지 않으면서 분할하기 위한 방법이 필요하다.
두 번째 제약 조건(서브그룹들의 개수)을 고려하여, 실시예들에 따른 방법/장치는 큐빅 서브 그룹 바운딩 박스를 단계별로 분할할 수 있다. 즉, 첫 번째 제약 조건(포인트들의 개수)이 충족되면 분할이 종료된다. 이렇게 하면 세 방향 모두에서 분할하는 것과 비교하여 추가 하위 그룹의 개수를 줄일 수 있다.
도29는 실시예들에 따른 서브그룹 디비전 프로세스를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(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 내지 23 인코딩, 도27 내지 도29 인코딩, 도40-42 인코딩, 도43 송신 방법)는 포인트 클라우드 데이터를 포함하는 큐빅 서브그룹을 도29와 같이 분할할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(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 내지 23 디코딩, 도27 내지 도29 디코딩, 도38 디코딩, 도40-42 디코딩, 도44 수신 방법)는 포인트 클라우드 데이터를 포함하는 큐빅 서브그룹을 도29와 같이 분할하거나, 송신 측에서 분할된 서브 그룹을 복호화할 수 있다.
도29를 참조하면 제안된 하위 그룹 분할의 예시를 나타낸다. 각 단계(예를 들어, 스탭1 내지 스탭3)에서 분할 방향 중 하나를 선택한다. 첫 번째 단계에서는 포인트 개수가 레벨 제한보다 클 때 서브그룹 바운딩박스의 포인트 개수를 계산하여 두 개의 서브블록들로 분할한다. 분할 방향을 결정할 때, 각 분할의 비용을 계산하여 비교한다. 더 적은 서브그룹 분할을 만들기 위해, 분할 비용은 각 서브-디비전 A와 B에 있는 포인트 개수의 차이로 간주된다.
비용 = | 서브-디비전 A의 포인트 개수 - 서브-디비전 B의 포인트 개수 |
x, y, z축 분할의 세 가지 비용을 비교하여 비용이 가장 낮은 방향을 서브그룹 분할 방향으로 선택한다. 도29 예시에서는 y 방향이 선택된다.
서브디비전 A, B의 포인트 개수가 제한 레벨 미만인 경우 프로세스가 종료된다. 한편, 하나 또는 두 개의 서브그룹이 제약조건 1(포인트들의 개수)을 만족하지 않는 경우, 해당 서브그룹 바운딩 박스는 이전 단계의 나머지에서 선택된 방향으로 분할된다. 선택 시 기준에 동일한 비용 함수가 사용됩니다. 2차 분할 이후에는 각 소구간의 점수를 추정하여 레벨 제한과 비교한다. 그 결과에 따라 2단계에서 분할을 종료하거나 추가 분할을 진행한다.
서브디비전A 또는 B의 포인트 개수가 레벨 제한 이상인 경우 세번째 서브그룹 분할이 실시된다. 분할 방향이 하나뿐이므로 선택하지 않고 서브 그룹 분할을 수행한다. 서브 그룹 분할의 최종 출력은 모두 바운딩 박스의 포인트 개수가 레벨 제한 미만인 각 단계에서 서브 디비전된 바운딩 박스들이 된다.
도29를 참조하면, 인코더(혹은 디코더)의 서브그룹 분할을 담당하는 서브그룹 분할부 또는 프로세서에 의해 다음 동작이 수행된다.
장치는 포인트 클라우드 데이터를 포함하는 큐빅 서브그룹을 수신하고, 스텝1으로서, 서브그룹에 포함된 포인트들의 개수가 한계값(레벨 리미트)보다 많은지를 감지한다. 포인트들의 개수가 많으면, 서브그룹 스플릿을 한다. 예를 들어, 세 가지 축 상에서 서브-디비전을 할 수 있고, 각 축마다 서브-디비전에 따른 후보 서브-디비전(혹은 서브그룹으로 지칭 가능) A 및 B가 생성될 수 있다. 세 가지 후보 서브-디비전 중에서 베스트 스코어를 가지는 서브-디비전을 선택할 수 있다. 예를 들어, x축 분할보다 y축 분할 시 서브-디비전 간 포인트들의 개수의 차이값이 적은 경우, y축의 서브-디비전을 수행할 수 있다. 스텝2로서, 베스트 스코어를 가지는 서브-디비전을 선택한 경우, 포이트들의 개수가 한계값보다 작은 경우, 추가로 분할할 필요가 없으므로, 서브그룹 스플릿 프로세스를 종효한다. 그렇지 아니한 경우, 추가적인 서브-디비전을 수행할 수 있다. 예를 들어, y축 서브-디비전을 1차로 적용하였으므로, y축-x축 서브 디비전 및 y축-z축 서브 디비전을 고려할 수 있다. 두 후보 간 포인트들의 개수에 따른 스코어를 비교하고, 베스트 스코어를 가지는 서브-디비전을 선택할 수 있다. 스텝3로서, 2차 서브-디비전 후, 서브 그룹 내 포인트들의 개수가 한계값보다 작은 경우, 추가 분할이 필요없으므로, 서브 디비전을 종료할 수 있다. 그러하지 아니한 경우, 3차 서브 디비전을 수행할 수 있다. 예를 들어, 서브 그룹은 y축-z축-x축으로 분할될 수 있다. 스탭 1 내지 스텝3을 통해 서로 다른 크기의 서브 그룹의 서브-디비전들(혹은 간략하게 서브 그룹으로 지칭할 수 있음)을 생성할 수 있다.
도29에서, 서브그룹 디비전(subgroup division )을 수행할 때 최대 3 방향 (x, y, z) 으로 나누는 것을 고려했다. 하지만 필요에 따라서 하나의 방향으로 연속해서 나눌 수 있고(예를 들어, x, x, y, z), 서브그룹 사이즈(subgroup size)를 줄여가면서 반복적(recursive)으로 적용할 수도 있다(예를 들어, x, y, z, x, y, z, …).
실시예시에서 고정된 서브그룹 사이즈(fixed subgroupSize)로 서브그룹(subgroup)을 생성한 뒤 일부에 대해 서브그룹 디비전(subgroupdivision)을 수행하는 것을 고려하였지만, 이니셜 서브그룹 사이즈(initial subgroup Size)를 포인트 클라우드 데이터 전체를 포함하는 루트 바운딩 박스(root bounding box)로 놓는 경우 포인트 개수를 고려하여 점진적으로 서브그룹(subgroup)을 분할하여 생성할 수도 있다.
도30은 실시예들에 따른 가변적 서브 그룹 사이즈 및 고정된 서브그룹 사이즈 간 비교를 나타낸다.
도30은 전체 분할 결과를 나타낸다. 그 결과, 하위그룹 분할은 압축효율에 미치는 영향이 적으며 하위그룹의 포인트 개수는 수준 제한 이하로 유지됨을 알 수 있다.
단 방향 서브디비전(subdivision) 구현 실시 예
int splitOneDirection(std::vector<Vec3<int>>& splitBboxOrigin, std::vector<Vec3<int>>& splitBboxSize, const std::vector<int> numPointsInSplitedSubgroups,
const Vec3<int> subOrigin_in, const Vec3<int> subSize_in, const Vec3<int> BestDirection, const int numDivMinus1, Vec3<int> posHigh, const int maxNumPoint)
{
int divAxis = BestDirection[numDivMinus1];
Vec3<int> subOrigin = subOrigin_in;
Vec3<int> subSize = subSize_in;
subSize[divAxis] /= 2;
if (posHigh[numDivMinus1])
subOrigin[divAxis] += subSize[divAxis];
// 포인트들의 개수를 계산한다.
int mask = 0, mask_base = 0;
for (int m = 0; m <= numDivMinus1; m++) {
mask_base += 1 << (2 - BestDirection[m]);
if (posHigh[m])
mask += 1 << (2 - BestDirection[m]);
}
std::cout << "\t\tmask_base = " << mask_base << "\tmask = " << mask << std::endl;
std::cout << "\t\tList of selected points : ";
int numPoints = 0;
for (int k = 0; k < 8; k++) {
if ((k & mask_base) == mask) {
numPoints += numPointsInSplitedSubgroups[k];
std::cout << k << " (" << numPoints << ")\t";
}
}
std::cout << std::endl;
if (numPoints <= maxNumPoint || numDivMinus1 >= 2) {
if (numPoints) {
splitBboxOrigin.push_back(subOrigin);
splitBboxSize.push_back(subSize);
}
else
return numPoints;
}
else{
posHigh[numDivMinus1 + 1] = 0;
splitOneDirection(splitBboxOrigin, splitBboxSize, numPointsInSplitedSubgroups,
subOrigin, subSize, BestDirection, numDivMinus1 + 1, posHigh, maxNumPoint);
posHigh[numDivMinus1 + 1] = 1;
splitOneDirection(splitBboxOrigin, splitBboxSize, numPointsInSplitedSubgroups,
subOrigin, subSize, BestDirection, numDivMinus1 + 1, posHigh, maxNumPoint);
return 0;
}
}
3-스텝 기반 서브그룹 디비전(subgroup division) 구현 실시 예
void splitSubgroup(std::vector<Vec3<int>>& splitBboxOrigin, std::vector<Vec3<int>>& splitBboxSize, const std::vector<Vec3<int>> subgrpPointCloud,
const Vec3<int> curBboxOrigin, const Vec3<int> initSubgroupBboxSize, const int maxNumPoint) {
Vec3<int> center;
for (int m = 0; m < 3; m++)
center[m] = curBboxOrigin[m] + initSubgroupBboxSize[m] / 2;
std::vector<std::vector<Vec3<int>>> splitSubgroupPointCloud;
splitSubgroupPointCloud.resize(8);
for (int k = 0; k < subgrpPointCloud.size(); k++) {
auto pos = subgrpPointCloud[k];
int splitIdx = 0;
for (int m = 0; m < 3; m++)
if (pos[m] >= center[m])
splitIdx += 1 << (2 - m);
splitSubgroupPointCloud[splitIdx].push_back(pos);
}
Vec3<int> score, sumLow, sumHigh;
std::vector<int> numPointsInSplitedSubgroups;
for (int m = 0; m < 3; m++) {
int low = 0, high = 0;
int mask = 1 << (2 - m);
for (int k = 0; k < 8; k++) { numPointsInSplitedSubgroups.push_back(splitSubgroupPointCloud[k].size());
if (!!(k & mask))
high += numPointsInSplitedSubgroups[k];
else
low += numPointsInSplitedSubgroups[k];
if(m == 0)
std::cout << "\tsplitSubgroupPointCloud[" << k << "].size() = " << numPointsInSplitedSubgroups[k] << std::endl;
}
sumLow[m] = low;
sumHigh[m] = high;
score[m] = abs(high - low);
}
Vec3<int> bestScore, BestDirection;
for (int m = 0; m < 3; m++) {
if (m == 0 || score[m] < bestScore[0]) {
for (int k = m; k > 0; k--) {
bestScore[k] = bestScore[k-1];
BestDirection[k] = BestDirection[k-1];
}
bestScore[0] = score[m];
BestDirection[0] = m;
}
else if (score[m] < bestScore[1]) {
bestScore[2] = bestScore[1];
BestDirection[2] = BestDirection[1];
bestScore[1] = score[m];
BestDirection[1] = m;
}
else {
bestScore[m] = score[m];
BestDirection[m] = m;
}
}
Vec3<int> posHigh = -1;
posHigh[0] = 0;
splitOneDirection(splitBboxOrigin, splitBboxSize, numPointsInSplitedSubgroups,
curBboxOrigin, initSubgroupBboxSize, BestDirection, 0, posHigh, maxNumPoint);
posHigh[0] = 1;
splitOneDirection(splitBboxOrigin, splitBboxSize, numPointsInSplitedSubgroups,
curBboxOrigin, initSubgroupBboxSize, BestDirection, 0, posHigh, maxNumPoint);
}
서브그룹 디비전(subgroup division) 실시 예
int maxXYZ = 0;
int numMaxPointsInSubgroup = 1100000;
for (int lyrGrpIdx = 0; lyrGrpIdx < params->num_layer_groups_minus1 + 1; lyrGrpIdx++) {
if (lyrGrpIdx == 0) {
params->refLayerGroupId[lyrGrpIdx].push_back(0);
params->refSubgroupId[lyrGrpIdx].push_back(0);
params->subgrpBboxOrigin[lyrGrpIdx].push_back({ 0, 0, 0 });
params->subgrpBboxSize[lyrGrpIdx].push_back({ 1 << gbh_temp.rootNodeSizeLog2[0], 1 << gbh_temp.rootNodeSizeLog2[1], 1 << gbh_temp.rootNodeSizeLog2[2] });
}
else {
int idx = 0;
for (int i = 0; i < subgrpPointCloud.size(); i++) {
if (subgrpPointCloud[i].size() > 0) {
Vec3<int> curIdx;
curIdx[2] = i % numPerAxis[2];
curIdx[1] = (int)(i / numPerAxis[2]) % numPerAxis[1];
curIdx[0] = (int)((int)(i / numPerAxis[2]) / numPerAxis[1]);
Vec3<int> curBboxOrigin;
for (int m = 0; m < 3; m++)
curBboxOrigin[m] = initSubgroupBboxSize[m] * curIdx[m];
//////////////
// 서브그룹 디비전(subgroup division)
std::vector<Vec3<int>> splitBboxOrigin, splitBboxSize;
if (subgrpPointCloud[i].size() > numMaxPointsInSubgroup) {
splitSubgroup(splitBboxOrigin, splitBboxSize, subgrpPointCloud[i],
curBboxOrigin, initSubgroupBboxSize, numMaxPointsInSubgroup);
}
else {
splitBboxOrigin.push_back(curBboxOrigin);
splitBboxSize.push_back(initSubgroupBboxSize);
}
for (int k = 0; k < splitBboxOrigin.size(); k++) {
if (lyrGrpIdx > 1 && !params->root_layer_group_context_ref_flag) {
params->refLayerGroupId[lyrGrpIdx].push_back(lyrGrpIdx - 1);
params->refSubgroupId[lyrGrpIdx].push_back(idx);
}
else {
params->refLayerGroupId[lyrGrpIdx].push_back(0);
params->refSubgroupId[lyrGrpIdx].push_back(0);
}
params->subgrpBboxOrigin[lyrGrpIdx].push_back(splitBboxOrigin[k]);
params->subgrpBboxSize[lyrGrpIdx].push_back(splitBboxSize[k]);
if (maxXYZ < splitBboxOrigin[k].max())
maxXYZ = splitBboxOrigin[k].max();
idx++;
}
}
}
}
}
params->sps.subgroupBboxOrigin_bits_minus1 = numBits(maxXYZ) - 1;
params->sps.subgroupBboxSize_bits_minus1 = numBits(initSubgroupBboxSize.max()) - 1;
}
서브그룹 디코딩(Subgroup decoding)이 코딩 오더(순서)(coding order)에 디펜던트(dependent)한 경우 실시예들에 따른 서브그룹 디비전(subgroup division)을 사용하지 못할 수 있다. 예를 들어 서브그룹(subgroup)에 포함되는 노드를 부모(parent)로부터 가져오는 경우 부모 서브그룹(parent subgroup)이 복수의 자식 서브그룹(child subgroup)을 포함하는 경우를 고려할 수 있다.
먼저 코딩 오더(coding order)를 고려하여 서브그룹(subgroup)을 자르는 방법으로 이 경우 서브그룹(subgroup)의 첫번째 포인트에 대한 정보 (xyz 위치, 혹은 부모 출력 노드(parent output node) 상의 인덱스(index) 등) 및 마지막 노드에 대한 정보(xyz 위치, 혹은 부모 출력 노드(parent output node) 상의 인덱스(index), 혹은 자식 서브그룹(child subgroup)의 첫번째 포인트로부터의 인덱스(index))를 통해 자식 서브그룹(child subgroup)에 포함되는 노드를 선별할 수 있다. 이 방법의 경우 적은 연산으로 필요한 포인트를 선택할 수 있다는 장점이 있지만 코딩 순서(coding order)에 대한 제약이 있다.
도31은 실시예들에 따른 노드 스캔 오더에 따른 서브 그룹 바운딩 박스를 나타낸다.
도31은 서로 다른 유형의 서브 그룹 바운딩 박스가 2D 도메인에서 설명한다. 각 4 x 4 영역은 부모 서브 그룹을 나타내고 가장 작은 사각형은 노드를 나타내고 화살표는 노드 스캔 순서(Morton 차수)를 나타내고 사각형은 굵은 실선으로 표시된다. 선은 바운딩 박스를 나타낸다. 바운딩 박스가 노드 스캔 순서로 제한되는 서브 그룹의 예시가 도31에 설명되어 있다. 정사각형 및 직사각형 서브 그룹 바운딩 박스는 음영 표시된 모든 연속 노드를 포함한다.
도31을 참조하면, 실시예들에 따른 방법/장치는 서브그룹 바운딩 박스를 일정한 순서에 따라서 코딩할 수 있다. 스캔 순서에 의해 코딩되는 포인트들이 모두 바운딩 박스에 포함됨을 볼 수 있다.
도32는 실시예들에 따른 노드 스캔 오더에 따른 서브 그룹 바운딩 박스를 나타낸다.
도32는 일부 음영 표시 노드가 바운딩 박스 외부에 있는 서브 그룹의 예시를 나타낸다. 이것은 바운더리의 크기가 2의 거듭제곱이 아니거나 몰톤(Morton) 차수에서 위(부모) 서브 그룹을 나누어 하위(서브) 그룹이 생성될 때 발생할 수 있다.
전술한 서브-디비전에 의해서, 서브그룹이 분할되면, 코딩 순서에 의해 엑세스되는 포인트의 포함위치가 서브그룹(바운딩 박스)를 벗어나는 경우가 발생할 수 있다. 이 경우, 실시예들은 다음과 같은 방법들에 의해 코딩을 수행할 수 있다.
예를 들어, 자식 서브그룹(child subgroup)의 바운딩 박스(bounding box) 에 포함되는 부모 서브그룹 출력(parent subgroup output) 포인트를 선택할 수 있다. 즉, 부모(상위) 서브그룹은 스캔 순서 및 바운더리에 포함되기 때문에, 바운더리 내 포인트들 스캔 순서에 따라서 코딩할 수 있다. 이 경우 스캔 순서(scan order)와 관계없이 필요한 포인트를 다음의 구현 실시예와 같이 선택할 수 있다.
if (startDepth > 0) {
ringBufferSize = numPoints;
fifo = pcc::ringbuf<PCCOctree3Node>(ringBufferSize + 1);
std::cout << "nodesSaved->size() = " << nodesSaved->size();
auto nodeSizeLog2 = lvlNodeSizeLog2[startDepth];
int count = 0;
for (auto nodeIt = nodesSaved->begin(); nodeIt != nodesSaved->end(); nodeIt++) {
PCCOctree3Node& node0 = *(nodeIt);
Vec3<int32_t> nodePos;
for (int m = 0; m < 3; m++)
nodePos[m] = node0.pos[m] << nodeSizeLog2[m];
if ((nodePos.x() >= bbox_min.x() && nodePos.x() < bbox_max.x()
&& nodePos.y() >= bbox_min.y() && nodePos.y() < bbox_max.y()
&& nodePos.z() >= bbox_min.z() && nodePos.z() < bbox_max.z())) {
fifo.emplace_back(node0);
count++;
}
else
continue;
}
}
실시예들에 따른 서브그룹 디비전(subgroup division)을 사용하는 경우 스캔 순서(scan order)를 가로질러서 서브그룹 바운딩 박스(subgroup bounding box)가 생성될 수 있으므로 스캔 순서(scan order)에 대한 의존도(dependency)가 없음을 가정하는 것이 일반적이다. 하지만 각각의 서브그룹(subgroup)이 독립된 슬라이스(slice)를 이루어 전달된다는 점을 참고하여 각 슬라이스(slice)의 축을 회전(rotation)시켜서 스캔 오더(scan order)에 대한 디펜던시(dependency)가 있는 경우에도 동일하게 디코딩(decoding)이 가능하도록 지원할 수 있다. 즉, 큐빅 바운딩 박스(cubic bounding box)를 xyz 축 중 하나에 대해 수직으로 한번 나누는 경우, x 축에 수직으로 나는 경우 스캔 순서(scan order)에 영향을 받지 않는데, y축 혹은 z축에 수직으로 나누는 경우 x축으로 수직으로 나누는 것과 동일한 모양이 되도록 로테이션(rotation)을 할 수 있다(예를 들어, xy 평면에서 90도 회전, xz 평면에서 90도 회전). 디코더(decoder)는 디코딩(decoding) 후에 원래의 방향으로 인버스 로테이션(inverse rotation)을 수행해야 함을 시그널링할 수 있다(예를 들어, xy 평면에서 -90도 회전, xz 평면에서 -90도 회전).
이 경우 인코더(encoder)는 로테이션(rotation)된 서브그룹(subgroup) 공간 안에서 포인트를 리오더링(reordering) (예를 들어, 몰톤 코드 순서(Morton code order))하는 과정이 추가적으로 필요할 수 있다.
도33은 실시예들에 따른 포인트 클라우드 데이터 및 파라미터를 포함하는 비트스트림을 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 포인트 클라우드 데이터를 압축하고, 관련 파라미터를 생성하여 도22와 같은 비트스트림을 생성하고 전송할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도33과 같은 비트스트림을 수신하고, 파라미터 정보에 기초하여 포인트 클라우드 데이터를 복원할 수 있다.
실시예들에 따른 방법/장치는 실시예들에 따른 프레딕티브 지오메트리(Predictive geometry)에서 반경 인터 프레딕션(radius inter prediction) 예측 방법에 관한 시그널링 정보를 생성할 수 있다.
프레딕티브 지오메트리(predictive geometry)에서 화면 간 예측 시 반경(radius) 예측을 위한 정보를 정의할 수 있다. 시퀀스 파라미터 세트(sequence parameter set)를 통해 프레딕티브 지오메트리 노드(predictive geometry node)의 화면 간 예측 및 반경(radius) 예측이 적용(포함)되었음을 나타내고, 그를 위해 필요한 정보를 실시 방법에 따라 시퀀스 파라미터 세트(sequence parameter set)에 관련 정보 전부 혹은 일부를 전달할 수 있다. 또한, 지오메트리 파라미터 세트(geometry parameter set), 슬라이스 헤더(slice header)(또는 데이터 유닛으로 지칭 가능함), SEI 메시지 등을 통해 각각의 정보를 전달할 수도 있다. 또한 어플리케이션, 시스템에 따라 상응되는 위치 혹은 별도의 위치에 정의하여 적용 범위, 적용 방법 등을 다르게 사용할 수 있다. 상위에 유사 기능을 포함하고 있는 정보가 시그널링 될 경우 하위 개념의 파라미터 세트(parameter set)에서 시그널링이 생략되어도 적용가능할 수 있다. 또한 이하 정의된 신택스 엘리먼트(syntax element)가 현재 포인트 클라우드 데이터 스트림(point cloud data stream) 뿐만 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.
실시예들을 추가/수행 하기 위해서 관련 정보를 시그널링 할 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. 부호화된 포인트 클라우드 구성을 도22 내지 도26을 참조하여 설명한다.
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), 지오메트리(Geom): 지오메트리 비트스트림(Geometry bitstream) = 지오메트리 슬라이스 헤더(geometry slice header)(=지오메트리 데이터 유닛 헤더)+ 지오메트리 슬라이스 데이터(geometry slice data)(=지오메트리 데이터 유닛 데이터), 어트리뷰트(Attr): 어트리뷰트 비트스트림(Attribute bitstream) = 어트리뷰트 슬라이스 헤더(attribute slice header)(어트리뷰트 데이터 유닛 헤더) + 어트리뷰트 슬라이스 데이터(attribute slice data)(=어트리뷰트 데이터 유닛 데이터).
포인트 클라우드를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스를 제공한다. 영역별로 나눌때 각각의 영역은 서로 다른 중요도를 가질 수 있다. 그 중요도에 따라서 다른 필터, 다른 필터 유닛을 적용할 수 있게 제공함으로써 복잡도(complexity)는 높으나 결과 품질(quality)가 좋은 필터링 방법을 중요한 영역에 사용할 수 있는 방안을 제공할 수 있다. 수신기의 처리능력(capacity)에 따라서 포인트 클라우드 전체에 복잡한 필터링 방법을 사용하는 대신 영역별로 (타일로 나누어지거나 슬라이스로 나누어진 영역) 서로 다른 필터링을 적용할 수 있게 함으로서 사용자에게 중요한 영역에 더 좋은 화질과 시스템 상으로 적절한 레이턴시(latency)을 보장할 수 있다. 따라서, 포인트 클라우드는 타일(Tile)로 나누어지는 경우, 각 타일별로 다른 필터, 다른 필터 유닛을 적용할 수 있다. 포인트 클라우드는 슬라이스(Slice)로 나누어지는 경우, 각 슬라이스별로 다른 필터, 다른 필터 유닛을 적용할 수 있다.
도33을 참조하면, 비트스트림은 SPS, GPS, APS, TPS를 포함할 수 있다. APS는 복수 개일 수 있다. TPS는 복수의 타일들에 대한 타일 바운딩 박스 관련 정보를 포함할 수 있다. 예를 들어, 타일의 바운딩 박스의 위치(좌표) 정보, 크기 정보(너비, 깊이, 높이) 등을 포함할 수 있다. 비트스트림은 슬라이스(데이터 유닛) 단위로 지오메트리 정보(데이터) 및 어트리뷰트 정보(데이터)를 포함할 수 있다. 슬라이스(데이터 유닛) 단위로 포인트 클라우드 데이터를 부호화하기 때문에, 비트스트림은 복수의 슬라이스들(데이터 유닛들)을 포함할 수 있다. 하나의 슬라이스(데이터 유닛)은 하나의 포인트의 지오메트리 정보(위치) 및 하나 또는 하나 이상의 어트리뷰트 정보(색상, 반사도 등)를 포함할 수 있다. 예를 들어, 0번째 슬라이스(데이터 유닛)은 지오메트리 데이터를 포함하고, 지오메트리 데이터는 지오메트리 슬라이스 헤더 및 지오메트리 슬라이스 데이터를 포함할 수 있다. 지오메트리 슬라이스 헤더는 지오메트리에 관한 정보를 포함할 수 있다. 예를 들어, 지오메트리 파라미터 세트 아이디 정보, 지오메트리 타일 아이디 정보, 지오메트리 슬라이스 아이디 정보, 지오메트리를 포함하는 박스(바운딩 박스)의 오리진 정보, 박스의 로그 스케일 정보, 최대 노드 사이즈 정보, 포인트들의 개수 정보를 포함할 수 있다.
실시예들에 따른 코딩(coding) 기법과 독립적으로 해당 정보를 정의하는 것을 기술하였지만, 코딩(coding) 방법과 연계하여 정의할 수 있으며, 지역적으로 서로 다른 스케일러빌리티(scalability)를 지원하기 위해 타일 파라미터 세트(tile parameter set)에 정의할 수 있다. 또한 아래 정의된 신택스 엘리먼트(syntax element)가 현재 포인트 클라우드 데이터 스트림(point cloud data stream)뿐만 아니라 복수의 포인트 클라우드 데이터 스트림(point cloud data stream)에 적용될 수 있는 경우에는 상위 개념의 파라미터 세트(parameter set) 등을 통해 전달할 수 있다.
혹은 NAL (Network abstract layer) 단위를 정의하고 레이어 아이디(layer_id)와 같이 레이어(layer)를 선택할 수 있는 관련 정보를 전달함으로써 시스템 레벨(system level)에서 비트스트림(bitstream)을 선택할 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.
이하, 비트스트림에 포함된 파라미터의 신택스를 설명한다.
도34는 실시예들에 따른 시퀀스 파라미터 세트를 나타낸다.
도34는 도33 비트스트림에 포함된 시퀀스 파라미터 세트를 나타낸다.
레이어 그룹 인에이블 플래그(layer_group_enabled_flag): 1과 같음은 프레임 또는 타일의 기하(지오메트리) 비트스트림이 코딩 레이어 그룹 또는 그 하위 그룹과 일치하는 다중 슬라이스에 포함된다는 것을 나타낸다. Layer_group_enabled_flag가 0과 같으면 프레임 또는 타일의 기하 비트스트림이 단일 슬라이스에 포함됨을 나타낸다.
레이어 그룹 개수(num_layer_groups_minus1): 더하기 1은 레이어 그룹이 기하학(지오메트리) 코딩 트리 구조의 일부인 연속 트리 레이어의 그룹을 나타내는 레이어 그룹의 개수를 나타낸다. num_layer_groups_minus1은 0에서 코딩 트리 레이어의 개수까지의 범위에 있을 수 있다.
레이어 그룹 아이디(layer_group_id)는 프레임 또는 타일의 레이어 그룹의 인디케이터를 나타낸다. layer_group_id의 범위는 0에서 num_layer_groups_minus1까지일 수 있다.
레이어 개수(num_layers_minus1): 더하기 1은 i번째 레이어 그룹에 포함된 코딩 레이어의 개수를 나타낸다. 레이어 그룹의 총 수는 num_layer_groups_minus1에 0과 동일한 i에 대한 모든 (num_layers_minus1[i] + 1)을 추가하여 파생될 수 있다.
서브그룹 인에이블 플래그(subgroup_enabled_flag): 1과 같으며 현재 레이어 그룹이 여러 슬라이스에 포함될 수 있는 하위(서브) 그룹으로 구성되어 있음을 나타낸다. subgroup_enabled_flag는 0과 동일하며 현재 레이어 그룹이 단일 슬라이스에 포함되어 있음을 나타낸다. 하위 그룹은 서로 배타적이며 하위 그룹의 합은 레이어 그룹과 동일하다.
서브그룹 바운딩박스 원점(subgroup_bbox_origin_bits_minus1): 더하기 1은 신택스 엘리먼트 서브그룹 바운딩 박스 원점(subgroup_bbox_origin)의 비트 길이이다.
서브그룹 바운딩박스 사이즈(subgroup_bbox_size_bits_minus1): 더하기 1은 신택스 엘리먼트 서브그룹 바운딩박스 사이즈(subgroup_bbox_size)의 비트 길이이다.
논-큐빅 서브그룹 인에이블 플래그(non_cubic_subgroup_enabled_flag): 1인 경우 비정방형 서브그룹 바운딩박스(subgroup bounding box)가 사용됨을 나타낼 수 있다.
이 경우 서브그룹 바운딩 박스(subgroup bounding box)의 최대, 최소 값의 범위를 서브그룹 바운딩박스 맥스X(subgroup_bbox_max_x), 서브그릅 바운딩박스 맥스Y(subgroup_bbox_max_y), 서브그룹 바운딩박스 맥스Z(subgroup_bbox_max_z), 서브그룹 바운딩박스 최소X(subgroup_bbox_min_x), 서브그룹 바운딩박스 최소Y(subgroup_bbox_min_y), 서브그룹 바운딩박스 최소Z(subgroup_bbox_min_z) 값을 통해 전달할 수 있다. 즉, X-Y-Z축 상 바운딩박스의 각 축 별 최대값 및 최소값을 나타낼 수 있다.
시퀀스 파라미터 세트는 다음 엘리먼트를 더 포함할 수 있다:
simple_profile_compatibility_flag: 1과 동일한 simple_profile_compatibility_flag는 비트스트림이 단순 프로파일을 준수함을 지정한다. 0과 동일한 simple_profile_compatibility_flag는 비트스트림이 단순 프로파일 이외의 프로파일을 따르도록 지정한다.
dense_profile_compatibility_flag: 1과 같음은 비트스트림이 Dense 프로파일을 준수함을 지정한다. 0과 동일한 density_profile_compatibility_flag는 비트스트림이 Dense 프로파일 이외의 프로파일을 따르도록 지정한다.
predictive_profile_compatibility_flag: 1과 같음은 비트스트림이 예측 프로파일을 준수함을 지정한다. 0과 동일한 predictive_profile_compatibility_flag는 비트스트림이 예측 프로파일과 다른 프로파일을 따르는 것을 지정한다.
main_profile_compatibility_flag: 1과 같음은 비트스트림이 기본 프로필을 준수함을 지정한다. 0과 동일한 main_profile_compatibility_flag는 비트스트림이 메인 프로파일 이외의 프로파일을 준수함을 지정한다.
reserved_profile_compatibility_18bits: 이 문서의 이 버전을 따르는 비트스트림에서 0과 같아야 한다. reserved_profile_compatibility_18bits에 대한 다른 값은 ISO/IEC에서 향후 사용을 위해 예약되어 있다. 디코더는 reserved_profile_compatibility_18bits의 값을 무시한다.
slice_reordering_constraint_flag: 1과 같음은 비트스트림이 데이터 단위의 재정렬 및 제거에 민감함을 나타냅니다. 0과 동일한 slice_reordering_constraint_flag는 비트스트림이 데이터 유닛의 재정렬 및 제거에 민감하지 않음을 나타낸다.
unique_point_positions_constraint_flag: 1과 같음은 현재 SPS를 참조하는 각 포인트 클라우드 프레임에서 모든 출력 포인트가 고유한 위치를 가짐을 나타낸다. 0과 동일한 unique_point_positions_constraint_flag는 현재 SPS를 참조하는 임의의 포인트 클라우드 프레임에서 2개 이상의 출력 포인트가 동일한 위치를 가질 수 있음을 나타낸다.
level_idc: 비트스트림이 부속서 A에 지정된 대로 준수하는 레벨을 나타낸다. 비트스트림은 부속서 A에 지정된 값 이외의 level_idc 값을 포함하지 않아야 한다. level_idc의 다른 값은 ISO/IEC에서 향후 사용을 위해 예약되어 있다.
sps_seq_parameter_set_id: 다른 구문 요소에서 참조할 수 있도록 SPS에 대한 식별자를 제공한다. sps_seq_parameter_set_id는 이 문서의 이 버전을 따르는 비트스트림에서 0이어야 한다. sps_seq_parameter_set_id의 다른 값은 ISO/IEC에서 향후 사용을 위해 예약되어 있다.
frame_ctr_lsb_bits: frame_ctr_lsb 구문 요소의 길이를 비트 단위로 지정한다.
slice_tag_bits: slice_tag 구문 요소의 길이를 비트 단위로 지정한다.
seq_origin_bits: 구문 요소 seq_origin_xyz[ k ]의 길이를 비트 단위로 지정합니다.
seq_origin_xyz[ k ] and seq_origin_log2_scale: 시퀀스 로컬 좌표계의 원점을 지정한다. 인덱스 k는 원점 좌표의 k번째 X, Y 또는 Z 구성요소이다. 존재하지 않는 경우 seq_origin_xyz[ k ] 및 seq_origin_log2_scale 값은 0으로 유추된다.
배열 SeqOrigin은 시퀀스 로컬 좌표계의 원점이다:
SeqOrigin[k] = seq_origin_xyz[k] << seq_origin_log2_scale
seq_bounding_box_size_bits: 구문 요소 seq_bounding_box_size_minus1_xyz[ k ]의 비트 길이이다.
seq_bounding_box_size_xyz_minus1[ k ]: 더하기 1은 출력 좌표계에서 코딩된 볼륨 치수의 너비, 높이 및 깊이의 k번째 구성요소를 각각 지정한다. 존재하지 않으면 코드화된 볼륨 치수가 정의되지 않는다.
seq_unit_numerator_minus1, seq_unit_denominator_minus1, and seq_unit_in_metres_flag: 출력 좌표계 X, Y 및 Z 단위 벡터의 길이를 지정한다.
seq_global_scale_factor_log2, seq_global_scale_refinement_num_bits, and seq_global_scale_refinement_factor: 시퀀스 로컬 좌표계의 위치에서 출력 포인트 위치를 파생하는 데 사용되는 고정 소수점 스케일 팩터를 지정한다.
seq_global_scale_factor_log2: 포인트 클라우드의 위치에 적용할 전역 축척 계수를 도출하는 데 사용된다.
seq_global_scale_refinement_num_bits: 구문 요소 seq_global_scale_refinement_factor의 비트 길이이다. seq_global_scale_refinement_num_bits가 0과 같으면 세분화가 적용되지 않는다.
seq_global_scale_refinement_factor: 전역 스케일 값에 대한 미세 조정을 지정한다. 존재하지 않는 경우 seq_global_scale_refinement_factor는 0과 동일한 것으로 추론된다.
sps_num_attributes: 코딩된 포인트 클라우드에 있는 속성의 수를 지정한다. 모든 슬라이스가 SPS에 열거된 모든 속성 구성 요소에 해당하는 속성 데이터 단위를 갖는 것은 비트스트림 적합성의 요구 사항이다.
attribute_dimension_minus1[ attrId ]: 더하기 1은 attrId-th 속성의 구성 요소 수를 지정한다.
attribute_instance_id[ attrId ]: attrId-th 속성에 대한 인스턴스 식별자를 지정한다.
attribute_bitdepth_minus1[ attrId ]: 더하기 1은 attrId-th 속성 신호(들)의 각 구성요소의 비트 깊이를 지정한다.
known_attribute_label_flag[ attrId ], known_attribute_label[ attrId ], and attribute_label_oid[ attrId ]: attrId-th 속성에 전달된 데이터 유형을 식별한다. known_attribute_label_flag[ attrId ]는 속성이 known_attibute_label[ attrId ]의 값으로 식별되는지 또는 객체 식별자 attribute_label_oid[ attrId ]에 의해 식별되는지 여부를 나타낸다.
known_attribute_label에 의해 식별된 속성 유형은 지정될 수 있다. known_attribute_label의 값이 지정되지 않은 경우 ISO/IEC에서 향후 사용을 위해 예약되어 있다.
어트리뷰트 타입은 Colour, Reflectance, Opacity, Frame index, Frame number, Material identifier, Normal vector 등을 나타낼 수 있다.
num_attribute_parameters: 비트스트림에서 속성 매개변수 세트의 수를 지정한다. 시퀀스 매개변수 세트에서 신호를 받는 속성 매개변수는 코딩된 포인트 클라우드 시퀀스의 모든 데이터 단위에 적용된다.
axis_coding_order: X, Y 및 Z 출력 축 레이블과 재구성된 포인트 클라우드에 있는 모든 포인트의 세 위치 구성 요소 간의 대응을 지정한다.
1과 동일한 bypass_stream_enabled_flag는 바이패스 코딩 모드가 비트스트림을 읽을 때 사용될 수 있음을 지정한다. 0과 동일한 bypass_stream_enabled_flag는 바이패스 코딩 모드가 비트스트림을 읽을 때 사용되지 않음을 지정한다.
1과 동일한 entropy_continuation_enabled_flag는 슬라이스의 초기 엔트로피 컨텍스트 상태가 선행 슬라이스의 최종 엔트로피 컨텍스트 상태에 의존할 수 있음을 나타낸다. 0과 동일한 entropy_continuation_enabled_flag는 각 슬라이스의 초기 엔트로피 컨텍스트 상태가 독립적임을 지정한다. slice_reordering_constaint_flag가 0과 같을 때 entropy_continuation_enabled_flag가 0과 같은 것은 비트스트림 적합성의 요구 사항이다.
0과 동일한 sps_extension_flag는 sps_extension_data_flag 구문 요소가 SPS 구문 구조에 존재하지 않음을 지정한다. sps_extension _flag는 이 문서의 이 버전을 따르는 비트스트림에서 0과 같아야 한다. sps_extension _flag의 값 1은 ISO/IEC에서 향후 사용을 위해 예약되어 있다. 디코더는 SPS 구문 구조에서 sps_extension_flag에 대한 값 1을 따르는 모든 sps_extension_data_flag 구문 요소를 무시해야 한다.
sps_extension_data_flag에는 모든 값이 있을 수 있다. 그것의 존재와 값은 부록 A에 명시된 프로파일에 대한 디코더 준수에 영향을 미치지 않는다. 이 문서의 이 버전을 준수하는 디코더는 모든 sps_extension_data_flag 구문 요소를 무시해야 한다.
도35는 실시예들에 따른 디펜던트 지오메트리 데이터 유닛 헤더를 나타낸다.
도35는 도33비트스트림에 포함된 지오메트리 데이터 유닛 헤더를 나타낸다.
슬라이스 아이디(dgsh_slice_id): 종속적 지오메트리 데이터 유닛에 대한 슬라이스의 아이디를 나타낸다.
레이어 그룹 아이디(layer_group_id): 프레임 또는 타일의 레이어 그룹의 인디케이터를 나타낸다. layer_group_id의 범위는 0에서 num_layer_groups_minus1까지일 수 있다.
서브그룹 아이디(subgroup_id)는 레이어 그룹 아이디(layer_group_id)가 나타내는 레이어 그룹의 서브그룹의 인디케이터를 나타낸다. subgroup_id의 범위는 0에서 num_subgroups_minus1[layer_group_id] 사이일 수 있다. 여기서 서브그룹 아이디(subgroup_id)는 동일한 레이어 그룹 아이디(layer_group_id)에서 슬라이스의 순서를 나타낼 수 있다. 존재하지 않는 경우 subgroup_id는 0으로 유추된다.
subgroup_bbox_origin specifies the origin of the subgroup bounding box of the subgroup indicated by subgroup_id of the layer-group indicated by layer_group_id.
서브그룹 바운딩박스 원점(subgroup_bbox_origin)은 layer_group_id에 의해 표시되는 레이어 그룹의 subgroup_id에 의해 표시되는 하위 그룹의 서브 그룹 바운딩 박스의 원점을 나타낸다.
서브그룹 바운딩 박스 사이즈(subgroup_bbox_size)는 layer_group_id에 의해 지시되는 레이어 그룹의 subgroup_id에 의해 지시되는 서브그룹의 서브그룹 바운딩 박스의 크기를 나타낸다.
레퍼런스 레이어 그룹 아이디(ref_layer_group_id)는 참조 레이어 그룹의 인디케이터를 나타낸다. ref_layer_group_id의 범위는 현재 프레임 또는 현재 타일의 0에서 num_layer_group_minus1의 범위에 있을 수 있다.
레퍼런스 서브그룹 아이디(ref_subgroup_id)는 ref_layer_group_id에 의해 지시되는 계층-그룹의 참조 서브그룹의 인디케이터를 지정한다. ref_subgroup_id의 범위는 현재 layer-group의 0에서 num_subgroup_id_minus1의 범위에 있을 수 있다. 존재하지 않는 경우 subgroup_id는 0으로 유추된다.
서브그룹 바운딩박스 로테이션 인에이블 플래그(subgroup_bbox_rotation_enabled_flag): 1인 경우 서브그룹 바운딩 박스(subgroup bounding box )를 회전시켰였음을 나타낼 수 있다.
로테이션 방향(rotation_direction): 서브그룹 바운딩 박스(subgroup bounding box)의 회전 방향을 나타낼 수 있다. 예를 들어 인코더(encoder)에서 xy 평면에서 90도 회전 (y축에 수직으로 나누는 경우 x축에 수직으로 나누는 경우가 되도록 회전) 혹은 xz 평면에서 90도 회전 (z축에 수직으로 나누는 경우를 x축에 수직으로 나누는 경우가 되도록 회전) 하였음을 각각의 타입(type)으로 나타낼 수 있다. 혹은 디코더(decoder) 입장에서 디코딩 후에 회전해야 하는 방향을 알려줄 수 있는데 xy 평면에서 -90도 회전 (x축에 수직으로 나누는 경우를 y축에 수직으로 나누는 경우가 되도록 회전) 혹은 xz 평면에서 -90도 회전 (x축에 수직으로 나누는 경우를 z축에 수직으로 나누는 경우가 되도록 회전)하도록 알려줄 수 있다.
도36은 실시예들에 따른 레이어 그룹 구조 인벤토리를 나타낸다.
도36은 도33비트스트림에 포함된 레이어 그룹 구조 인벤토리를 나타낸다.
시퀀스 파라미터 세트 아이디(lgsi_seq_parameter_set_id)는 sps_seq_parameter_set_id의 값을 나타낸다. lgsi_seq_parameter_set_id가 0과 같은 것은 비트스트림 적합성의 요구 사항이다.
프레임 길이 비트(lgsi_frame_ctr_lsb_bits)는 lgsi_frame_ctr_lsb 신택스 요소의 길이를 비트 단위로 나타낸다.
프레임 최하위 비트(lgsi_frame_ctr_lsb)는 그룹 구조 인벤토리가 유효한 FrameCtr의 lgsi_frame_ctr_lsb_bits 최하위 비트를 나타낸다. 레이어 그룹 구조 인벤토리는 다른 레이어 그룹 구조 인벤토리로 대체될 때까지 유효하다.
슬라이스 개수(lgsi_num_slice_ids_minus1): 더하기 1은 레이어 그룹 구조 인벤토리에 있는 슬라이스 개수를 나타낸다.
슬라이스 아이디(gi_slice_id): specifies the slice id of the sid-th slice within the layer-group structure inventory. It is a requirement of bitstream conformance that all values of lgsi_slice_id are unique within a layer-group structure inventory.
슬라이스 아이디(gi_slice_id)는 레이어 그룹 구조 인벤토리 내 sid-th 슬라이스의 슬라이스 ID를 나타낸다. lgsi_slice_id의 모든 값이 레이어 그룹 구조 인벤토리 내에서 고유해야 하는 것은 비트스트림 적합성의 요구 사항이다.
레이어그룹 개수(lgsi_num_layer_groups_minus1): 더하기 1은 레이어 그룹의 개수를 나타낸다.
레이어 그룹 아이디(lgsi_layer_group_id)는 레이어 그룹의 인디케이터를 나타낸다. lgsi_layer_group_id의 범위는 0에서 lgsi_num_layer_groups_minus1까지이다.
레이어 개수(lgsi_num_layers_minus1): 더하기 1은 sid-th 슬라이스에서 i-th layer-group의 슬라이스에서 코딩된 레이어의 개수를 나타낸다. n번째 레이어 그룹을 디코딩하는 데 필요한 코딩된 레이어의 총 개수는 lgsi_num_layers_minus1[sid][i] + 1의 합과 동일하며 i는 0에서 n이다.
서브그룹 개수(lgsi_num_subgroups_minus1): 더하기 1은 sid-th 슬라이스에서 i-th layer-group의 서브 그룹 개수를 나타낸다.
서브그룹 아이디(lgsi_subgroup_id)는 레이어 그룹의 인디케이터를 나타낸다. lgsi_subgroup_id의 범위는 0에서 lgsi_num_subgroups_minus1까지이다.
상위(부모) 서브그룹 아이디(lgsi_parent_subgroup_id)는 서브그룹 아이디(lgsi_subgroup_id)가 지시하는 레이어 그룹에서 서브 그룹의 인디케이터를 나타낸다. lgsi_parent_subgroup_id의 범위는 lgsi_subgroup_id가 나타내는 레이어 그룹에서 0부터 gi_num_subgroups_minus1까지이다.
서브그룹 바운딩박스 원점(lgsi_subgroup_bbox_origin) 및 서브그룹 바운딩박스 사이즈(lgsi_subgroup_bbox_size)는 현재 서브그룹의 바운딩 박스를 나타낸다.
서브그룹 바운딩 박스 원점(lgsi_subgroup_bbox_origin)은 레이어 그룹 아이디(lgsi_layer_group_id)가 나타내는 레이어 그룹의 서브그룹 아이디(lgsi_subgroup_id)가 나타내는 서브그룹의 서브그룹 바운딩 박스의 원점을 나타낸다.
서브그룹 바운딩박스 사이즈(lgsi_subgroup_bbox_size)는 레이어 글부 아이디(lgsi_layer_group_id)가 나타내는 레이어 그룹의 서브그룹 아이디(lgsi_subgroup_id)가 나타내는 서브그룹의 서브그룹 바운딩 박스의 크기를 나타낸다.
원점 비트(lgsi_origin_bits_minus): 더하기 1은 lgsi_origin_xyz 구문 요소의 길이를 비트 단위로 나타낸다.
원점 좌표(lgsi_origin_xyz): 모든 파티션의 원점을 나타낸다. lgsi_origin_xyz[ k ]의 값은 sps_bounding_box_offset[ k ]와 같을 수 있다.
원점 로그 스케일(lgsi_origin_log2_scale)은 원점 좌표(lgsi_origin_xyz)의 구성요소를 스케일링하기 위한 스케일링 팩터를 나타낸다. lgsi_origin_log2_scale의 값은 sps_bounding_box_offset_log2_scale과 같을 수 있다.
도37은 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도37은 실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(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 내지 23 인코딩, 도27 내지 도29 인코딩, 도33 내지 36 비트스트림 및 파라미터 생성, 도37, 도40-42 인코딩, 도43 송신 방법 등)에 대응하는 장치의 구성도이다.
도37의 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다.
도37을 참조하여, PCC 데이터를 인코딩/송신하는 경우에 대한 세부 기능 구성의 실시예를 설명한다. 포인트 클라우드 데이터가 입력되면, 인코더는 위치 정보 (geometry data: e.g., XYZ 좌표, phi-theta 좌표 등)와 속성 정보 (attribute data: e.g., color, reflectance, intensity, grayscale, opacity, medium, material, glossiness 등)를 각각 인코딩 할 수 있다. 압축된 데이터는 전송을 위한 단위로 나뉘어지게 되는데, 인코더의 서브-비트스트림 제너레이터(sub-bitstream generator)를 통해 레이어링 구조 정보(layering structure information)에 따라 비트스트림(bitstream) 단위에서 필요한 정보를 선택하기 적절한 단위로 나누어 패킹할 수 있다.
실시예들에 따라, 서로 다른 종류의 비트스트림(bitstream)을 하나의 슬라이스(slice)에 포함시키는 경우, 인코더는 생성된 비트스트림(bitstream)(AEC bitstream 및 DC bitstream)을 목적에 따라 분리할 수 있다. 그 후 레이어 그룹(layer-group) 정보에 따라 각각의 슬라이스(slice) 혹은 인접 정보들을 하나의 슬라이스(slice)에 포함시킬 수 있다. 이 때, 메타데이터 제너레이터(metadata generator)를 통해 각각의 슬라이스 아이디(slice id)에 따라 레이어그룹(layer-group) 정보, 레이어그룹(layer-group)에 포함된 레이어(layer) 정보, 노드 수, 레이어 뎁스(layer depth) 정보, 서브그룹(sub-group)에 포함된 노드 수 와 함께 비트스트림 타입(bitstream type), 비트스트림 오프셋(bitstream_offset), 비트스트림 길이(bitstream_length), bitstream 방향 등의 정보가 전달될 수 있다.
도37을 참조하면, 지오메트리 인코더는 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩할 수 있다. 어트리뷰트 인코더는 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩할 수 있다. 서브-비트스트림 제너레이터는 (옥)트리 코딩된 지오메트리 비트스트림, 다이렉트 코딩된 지오메트리 비트스트림, 코딩된 어트리뷰트 비트스트림을 수신하여, 서브-비트스트림 기반의 슬라이스들을 생성할 수 있다. 인코더(송신 장치)는 슬라이스들 및 이에 관한 메타데이터를 멀티플렉싱하고 트랜스미팅할 수 있다.
서브-비트스트림 제너레이터 관련하여, 송신 장치(프로세서)는 (옥)트리 코딩된 지오메트리 비트스트림을 세그멘팅할 수 있다. 또한, 다이렉트 코딩된 지오메트리 비트스트림을 세그멘팅할 수 있다. 또한, 코딩된 어트리뷰트 비트스트림을 세그멘팅할 수 잇다. 송신 장치는 레이어 그룹 단위로 서브 비트스트림을 생성할 수 있다. 서브 비트스트림은 세그멘티드된 지오메트리 비트스트림을 결합하여 생성될 수 있다. 지오메트리 비트스트림 및 세그민티드된 어트리뷰트 비트스트림은 슬라이스로 생성될 수 있다. 위 과정은 레이어 그룹 구조 관련 정보에 기반하여 수행될 수 있다. 메타데이터 제너레이터는 세그멘티드된 슬라이스 생성 과정과 연계하여 레이어링 구조에 관한 정보를 수신하여 관련된 메타데이터를 생성하여 수신 측에 전달할 수 있다.
실시예드렝 따른 슬라이스-서브그룹 분할 동작은 인코더 이전에 수행될 수 있다. 예를 들어, 레이어 그룹 구조 제너레이터(layer-group structure generation)에 의해 도29 등의 서브그룹 분할 프로세스가 수행될 수 있다. 레이어 그룹 구조 제너레이터는 포인트 클라우드 데이터를 수신하여, 서브 그룹 디비전을 수행할 수 있다. 생성된 서브 그룹 및 서브 그룹 관련 정보에 기초하여, 인코더는 포인트 클라우드 데이터를 부호화할 수 있다.
도38은 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도38은 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(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 내지 23 디코딩, 도27 내지 도29 디코딩, 도33내지 도36 비트스트림 파싱, 도38 디코딩, 도40-42 디코딩, 도44 수신 방법 등)에 대응하는 장치의 구성도이다.
도38은 도37 송신 장치에 대응하고, 송신 장치의 대응하는 동작 및 역과정을 통해 포인트 클라우드 데이터를 복호화할 수 있다.
도38의 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다.
도38을 참조하여, PCC 데이터를 수신/디코딩하는 경우에 대한 세부 기능 구성의 실시예를 설명한다. 비트스트림이 입력되면 수신기는 위치 정보에 대한 비트스트림과 속성 정보에 대한 비트스트림을 구분하여 처리할 수 있다. 이 때, 서브 비트스트림 분류기(-bitstream classifier)는 비트스트림 헤더의 정보를 기반으로 적절한 디코더로 전달할 수 있다. 혹은 이 과정에서 수신기에서 필요로 하는 레이어(layer)를 선택할 수 있다. 분류된 비트 스트림은 데이터의 특성에 따라 지오메트리 디코더(geometry decoder) 와 어트리뷰트 디코더(attribute decoder)에서 각각 지오메트리 데이터(geometry data)와 어트리뷰트 데이터(attribute data)로 복원된 후 렌더러(renderer)에서 최종 출력을 위한 포맷으로 변환될 수 있다.
서로 다른 종류의 지오메트리 비트스트림(geometry bitstream)을 포함하는 경우 도38과 같이 비트스트림 스플릿터(bitstream splitter)를 통해 각각의 비트스트림(bitstream)을 별도로 디코딩(decoding) 할 수 있다. 옥트리 코딩(octree coding) 기반 아리스메틱 엔트포리 코딩된 비트스트림(arithmetic entropy coded bitstream)과 다이렉트 코딩된 비트스트림(direct coded bitstream)을 구분하여 지오메트리 디코더(geometry decoder)가 처리할 수 있다. 이 때, 비트스트림 타입(bitstream type), 비트스트림 오프셋(bitstream_offset), 비트스트림 길이(bitstream_length), 비트스트림(bitstream) 방향에 대한 정보를 기반으로 분리할 수 있다. 분리된 비트스트림(bitstream)들에 대해서 같은 종류의 비트스트림 세그먼트(bitstream segment)를 붙여주는 과정이 포함될 수 있다. 이는 레이어 그룹(layer-group)에 의해 분리된 비트스트림(bitstream)을 연속된 비트스트림(bitstream)으로 처리하기 위한 과정으로 포함될 수 있다. 레이어 그룹(layer-group) 정보를 기반으로 비트스트림(bitstream)을 순서대로 정렬할 수 있다. 만약 병렬 처리 가능한 비트스트림(bitstream)에 대해서는 연결(concatenation) 과정 없이 디코더(decoder)가 처리할 수 있다.
도38을 참조하면, 수신 장치(디코더)는 수신부를 통해 포인트 클라우드 데이터를 포함하는 비트스트림(도33 참조)을 수신할 수 있다. 디멀티플렉스는 비트스트림을 슬라이스 및 메타데이터로 구별할 수 있다. 서브 비트스트림 분류기는 포인트 클라우드 데이터를 포함하는 비트스트림 및 슬라이스를 분류할 수 있다. 슬라이스 셀렉터는 복호화하고자 하는 슬라이스를 선택할 수 있다. 비트스트림 스플릿터는 슬라이스에 포함된 비트스트림을 서브 비트스트림 단위로 분할할 수 있다. 비트스트림은 (옥)트리 코딩된 지오메트리 비트스트림 및 다이렉트 코딩된 지오메트리 비트스트림을 포함할 수 있다. 어트리뷰트 비트스트림은 어트리뷰트 디코더에 의해 복호화될 수 있다. 스플릿터에 의해 (옥)트리 코딩된 지오메트리 비트스트림 및 다이렉트 코딩된 지오메트리 비트스트림이 분리될 수 있다. 비트스트림 세그먼트 연결부는 세그먼트된 비트스트림을 결합할 수 있다. 지오메트리 디코더는 세그먼트 및 결합된 세그먼트 등을 디코딩할 수 있다. 렌더러는 복호화된 지오메트리 데이터 및 복호화된 어트리뷰트 데이터를 렌더링할 수 있다.
도39는 실시예들에 따른 서브 비트스트림 분류 방법을 나타낸다.
도39는 도38의 동작을 좀 더 상세하게 도시한다.
도39를 참조하면, 서브 비트스트림 분류기(sub-bitstream classifier)의 동작을 흐름도로 구체화한 것이다. 수신 데이터가 슬라이스(Slice) 단위로 입력되면, 메타데이터 파서(metadata parser)는 SPS, GPS, APS, TPS 등의 파라미터 세트(parameter set) 정보를 전달한다. 전달된 정보를 기준으로 스케일러블(scalable) 가능 여부를 판단할 수 있으며, 스케일러블(scalable) 전송이 가능한 경우 도39의 흐름도에 따라 스케일러블 트랜스미션(scalable transmission)을 위한 슬라이스(slice) 구조를 파악한다. 먼저 GPS를 통해 전달되는 스케일러블 레이어 개수(num_scalable_layers), 스케일러블 레이어 아이디(scalable_layer_id), 트리 뎁스 시작점(tree_depth_start), 트리 뎁스 종료점(tree_depth_end), 노드 사이즈(node_size), 노드 개수(num_nodes), 스케일러블 레이어 내 슬라이스 개수(num_slices_in_scalable_layer,) 슬라이스 아이디(slice_id) 등의 정보를 기반으로 지오메트리 슬라이스(geometry slice) 구조를 파악할 수 있다. 만약 얼라인된 슬라이스 구조 인에이블 플래그(aligned_slice_structure_enabled_flag)가 1인 경우 어트리뷰트 슬라이스(attribute slice) 구조도 동일하게 파악할 수 있다. 예를 들어, 지오메트리(geometry)가 옥트리(octree) 기반이고, 슬라이스(attribute)가 스케일러블(scalable) LoD 기반 혹은 스케일러블(scalable) RAHT 기반으로 인코딩 되었고, 동일한 슬라이스 파티셔닝(slice partitioning)을 통해 생성된 지오메트리/어트리뷰트 슬라이스(geometry/attribute slice) 쌍이 동일 옥트리 레이어(octree layer)에 대한 동일한 노드 수를 갖는 경우) 이 경우 타겟 스케일러블 레이어(target scalable layer)에 따라 지오메트리 슬라이스 아이디(geometry slice id)의 범위가 정해진다. 슬라이스 아이디 오프셋(slice_id_offset)을 통해 어트리뷰트 슬라이스 아이디(attribute slice id)의 범위를 정하고, 정해진 범위에 따라 지오메트리/어트리뷰트 슬라이스(geometry/attribute slice)를 선택하게 된다. 만약 얼라인된 슬라이스 구조 인에이블 플래그(aligned_slice_sturcutre_enabled_flag)가 0 인 경우 APS를 통해 전달되는 스케일러블 레이어 개수(num_scalable_layers), 스케일러블 레이어 아이디(scalable_layer_id), 트리 뎁스 시작점(tree_depth_start), 트리 뎁스 종료점(tree_depth_end), 노드 사이즈(node_size), 노드 개수(num_nodes), 스케일러블 레이어 내 슬라이스 개수(num_slices_in_scalable_layer), 슬라이스 아이디(slice_id) 등의 정보를 기반으로 어트리뷰트 슬라이스 구조(attribute slice structure)를 별도로 파악하고, 스케일러블(scalable) 목적에 따라 필요로 하는 어트리뷰트 슬라이스 아이디(attribute slice id)의 범위를 한정할 수 있으며 이를 기반으로 복원(reconstruction) 이전에 각각의 슬라이스 아이디(slice id)를 통해 필요로 하는 슬라이스(slice)를 선택할 수 있다. 이상의 과정을 통해 선택된 지오메트리/어트리뷰트 슬라이스(geometry/attribute slice)는 디코더(decoder)의 입력으로 전달된다.
이상의 설명에서는 스케일러블 트랜스미션(scalable transmission) 혹은 수신기의 스케일러블 선택(scalable selection)을 기준으로 슬라이스(slice) 구조에 따른 디코딩과정을 설명했지만, 스케일러블 트랜스미션 인에이블 플래그(scalable_transmission_enabled_flag)가 0인 경우 지오메트리/어트리뷰트 슬라이스 아이디 조정(ranging geom / attr slice id) 과정을 생략하고 전체 슬라이스(slice)를 선택함으로써 논-스케일러블(non-scalable) 과정에도 사용할 수 있다. 이 때에도, SPS, GPS, APS, TPS 등의 파라미터 세트(parameter set )를 통해 전달되는 슬라이스(slice) 구조 정보를 통해 선행 slice 에 대한 정보 (예를 들어 상위 layer에 속한 slice 혹은 ref_slice_id 를 통해 특정된 slice) 가 사용될 수 있다.
실시예들과 같이, 서로 다른 종류의 지오메트리 비트스트림(geometry bitstream) 이 존재하는 경우 슬라이스 셀렉션(slice selection) 과정에서 서로 다른 비트스트림(bitstream)에 대해 범위 안에 포함되는 슬라이스(slice)를 모두 선택할 수 있다. 만약 서로 다른 종류의 비트스트림(bitstream)이 하나의 슬라이스(slice) 내 포함된 경우 각각의 비트스트림(bitstream)을 오프셋(offset), 길이(length) 정보를 기반으로 분리할 수 있으며, 분리된 비트스트림(bitstream)은 디코딩을 위해 레이어 그룹(layer-group) 순서에 따라 처리할 수 있다.
도39를 참조하면, 실시예들에 따른 수신 장치(디코더)는 비트스트림을 수신하고, 비트스트림에 포함된 파라미터 정보, 예를 들어, SPS, GPS, APS 등에 기초하여 스케일러블 슬라이스 구조를 획득할 수 있다. 지오메트리 스케일러블 레이어를 추정할 수 있다. 지오메트리 슬라이스 아이디의 범위를 정할 수 있다. 슬라이스 아이디 범위에 속한 슬라이스 아이디에 대한 지오메트리 슬라이스를 선택할 수 있다. 선택된 지오메트리 슬라이스(들)에 기초하여 비트스트림을 스플릿할 수 잇다. 스플릿된 비트스트림을 연결할 수 있다. 스케일러블하게 선택된 포인트 클라우드 데이터를 포함하는 아리스메틱 엔트로피 코딩된 비트스트림 및 다이렉트 코딩된 비트스트림을 출력할 수 있다. 얼라인된 슬라이스 구조 인에이블 플래그에 기초하여, 플래그가 1이면 슬라이스 아이디 오프셋에 기초하여, 대응하는 어트리뷰트 슬라이스 아이디를 서치할 수 있다. 어트리뷰트 슬라이스 아이디에 기초하여 어트리뷰트 슬라이스를 선택할 수 있다. 선택된 어트리뷰트 슬라이스(들)을 출력할 수 있다. 플래그가 1이 아니면, 어트리뷰트 스케일러블 레이어를 추정할 수 있다. 어트리뷰 슬라이스 아이디의 범위를 정할 수 있다.
도15를 참조하면, 실시예들에 따른 포인트 클라우드 데이터 송신 장치는 다음과 같은 효과를 제공한다.
포인트 클라우드 데이터(point cloud data)에 대해 실시예들에 따른 기준에 따라 압축 데이터를 나누어 전송할 수 있다. 예를 들어, 레이어 코딩(layered coding)을 사용하는 경우 레이어(layer)에 따라서 압축 데이터를 나누어 보낼 수 있는데, 이 경우 송신단의 저장 및 전송 효율이 증가한다.
도15는 포인트 클라우드 데이터(point cloud data)의 지오메트리(geometry) 및 어트리뷰트(attribute)를 압축하여 서비스 하는 경우에 대한 실시예를 나타낸 것이다. PCC 기반 서비스에서 수신기 성능 혹은 전송 환경에 따라 압축율 혹은 데이터 수를 조절하여 보낼 수 있는데, 하나의 슬라이스(slice) 단위로 포인트 클라우드 데이터(point cloud data)가 묶여 있는 경우, 수신기 성능 혹은 전송 환경이 변하는 경우 1) 각 환경에 맞는 비트스트림(bitstream)을 미리 변환하여 별도로 저장하고 전송할 때 선택하던지 2) 혹은 전송에 앞서서 변환하는 과정 (transcoding)을 필요로 한다. 이 때, 지원해야하는 수신기 환경이 증가하던지 전송 환경이 수시로 바뀌는 경우 저장 공간의 문제 혹은 변환으로 인한 지연(delay)이 문제될 수 있다.
레이어(layer)에 따라서 압축 데이터를 나누어 전달하는 경우, 별도의 변환 과정 없이 미리 압축된 데이터에 대해 비트스트림(bitstream) 단계에서 필요한 부분만 선택적으로 전달할 수 있다는 장점이 있다. 이는 저장 공간 측면에서도 하나의 스트림 당 하나의 저장 공간만이 필요하기 때문에 효율적이며, 전송 전에 필요한 레이어(layer) 만을 선택적으로 전송하기 때문에 비트스트림 셀렉터 밴드위스((bitstream selector) bandwidth) 측면에서도 효율적인 전송이 가능하다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 다음과 같은 효과를 제공할 수 있다.
도40은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법을 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(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 내지 23 인코딩, 도27 내지 도29 인코딩, 도33 내지 36 비트스트림 및 파라미터 생성, 도37, 도40-42 인코딩, 도43 송신 방법) 및 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(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 내지 23 디코딩, 도27 내지 도29 디코딩, 도33내지 도36 비트스트림 파싱, 도38 디코딩, 도40-42 디코딩, 도44 수신 방법)는 도40과 같이 포인트 클라우드 데이터를 분할하여 송수신할 수 있다. 도40의 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다.
도41는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법을 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(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 내지 23 인코딩, 도27 내지 도29 인코딩, 도33 내지 36 비트스트림 및 파라미터 생성, 도37, 도40-42 인코딩, 도43 송신 방법) 및 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(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 내지 23 디코딩, 도27 내지 도29 디코딩, 도33내지 도36 비트스트림 파싱, 도38 디코딩, 도40-42 디코딩, 도44 수신 방법)는 도41과 같이 포인트 클라우드 데이터를 분할하여 송수신할 수 있다. 도41의 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다.
실시예들은 포인트 클라우드 데이터(point cloud data)에 대해 일절 기준에 따라 압축 데이터를 나누어 전송하는 방법을 포함한다. 레이어된 코딩(layered coding)을 사용하는 경우 레이어(layer)에 따라서 압축 데이터를 나누어 보낼 수 있는데, 이 경우 수신단의 효율이 증가한다.
도41은 레이어(layer)로 이루어진 포인트 클라우드 데이터(point cloud data)를 전송하는 경우에 대한 송수신 단의 동작을 나타낸다. 이 때 수신기의 성능과 관계없이 전체 PCC 데이터(data)를 복원할 수 있는 정보를 전달하는 경우, 수신기는 디코딩을 통해 포인트 클라우드 데이터(point cloud data)를 복원한 후에 필요로 하는 레이어(layer) 에 해당하는 데이터(data)만을 선택하는 과정 (데이터 셀렉션(data selection) 혹은 서브 샘플링(sub-sampling)) 이 필요로 하다. 이 경우 전달된 비트스트림(bitstream)을 이미 디코딩(decoding)하기 때문에 저지연을 목표로 하는 수신기에서 딜레이를 발생시키거나 혹은 수신기 성능에 따라서 디코딩(decoding)을 하지 못할 수도 있다.
실시예들에 따라 비트스트림(bitstream)을 슬라이스(slice) 단위로 나누어 전달하게 되는 경우, 수신기는 디코더 성능 혹은 응용 분야에 따라 표현(representation) 하고자 하는 포인트 클라우드 데이터(point cloud data)의 밀도에 따라서 비트스트림(bitstream)을 선택적으로 디코더에 전달할 수 있다. 이 경우 디코딩 이전에 선택이 이루어 짐으로써 디코더 효율이 높아지게 되며, 다양한 성능의 디코더를 지원할 수 있다는 장점이 있다.
실시예들의 다양한 엘리먼트들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 엘리먼트는 하드웨어 회로와 같은 싱글 칩 상에서 수행될 수 있다. 실시예들에 따라, 실시예들은 선택적으로 개별적인 침들 상에서 수행될 수 있다. 실시예들에 따라, 실시예들의 엘리먼트들 중 적어도 하나는 실시예들에 따른 동작을 수행하는 인스트럭션들을 포함하는 하나 또는 하나 이상의 프로세서 내에서 수행될 수 있다.
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.
도42는 실시예들에 따른 레이어 그룹 슬라이스를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(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 내지 23 인코딩, 도27 내지 도29 인코딩, 도33 내지 36 비트스트림 및 파라미터 생성, 도37, 도40-42 인코딩, 도43 송신 방법) 및 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(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 내지 23 디코딩, 도27 내지 도29 디코딩, 도33내지 도36 비트스트림 파싱, 도38 디코딩, 도40-42 디코딩, 도44 수신 방법)는 도42과 같이 레이어 그룹에 기반하여 포인트 클라우드 데이터를 슬라이싱, 인코딩, 및 디코딩할 수 있다.
실시예들에 따른 방법/장치는 계층적 슬라이싱의 확장성과 공간적 접근성에 기초하여 고해상도 ROI를 지원할 수 있다.
도42을 참조하면, 인코더는 옥트리 계층 그룹의 비트스트림 슬라이스 또는 각 계층 그룹의 공간 하위 그룹을 생성할 수 있다. 요청에 따라, 각 해상도의 ROI와 일치하는 슬라이스를 선택하여 전송할 수 있다. 비트스트림에 요청된 ROI 이외의 세부 정보가 포함되어 있지 않기 때문에 전체 비트스트림 크기는 타일 기반 접근 방식보다 작을 수 있다. 수신기의 디코더는 슬라이스를 결합하여 세 가지 출력을 생성할 수 있다. 예를 들어, 1) 상위 수준(하이-레벨) 뷰 출력은 계층 그룹 슬라이스 1에서, 2) 중간 수준(미드-레벨) 뷰출력은 계층 그룹 슬라이스 1 및 레이어 그룹2의 선택된 하위(서브) 그룹으로부터 생성될 수 있다. 3) 레이어 그룹 1과 레이어 그룹 2 및 3의 선택된 하위 그룹에서 미세한 세부 출력의 로우-레벨 뷰가 생성될 수 있다. 출력이 점진적으로 생성될 수 있으므로 수신기는 확대/축소와 같은 보기 경험을 제공할 수 있다. 높은 수준의 보기에서 낮은 수준의 보기로 해상도가 점진적으로 증가할 수 있다.
인코더(42000)는 실시예들에 따른 포인트 클라우드 인코더로서, 지오메트리 인코더 및 어트리뷰트 인코더에 대응할 수 있다. 인코더는 포인트 클라우드 데이터를 레이어 그룹(또는 그룹)에 기반하여 슬라이싱할 수 있다. 레이어는 트리의 뎁스, 레이어의 레벨 등으로 지칭될 수 있다. 42000-1과 같이 지오메트리의 옥트리의 뎁스 및/또는 어트리뷰트 레이어의 레벨 등이 레이어 그룹(또는 서브 그룹)으로 분할될 수 있다.
슬라이스 셀렉터(42001)는 인코더(42000)와 연계하여, 분할된 슬라이스(또는 서브 슬라이스)를 선택해서 레이어 그룹 1 내지 레이어 그룹3과 같이 선택적으로 파셜하게 전송할 수 있다.
디코더(42002)는 선택적이고 파셜하게 전송된 포인트 클라우드 데이터를 디코딩할 수 있다. 예를 들어, 하이 레벨 뷰를 레이어 그룹 1(뎁스/레이어/레벨이 높거나 인덱스가 0, 루트에 가까움)을 디코딩할 수 있다. 이후, 미드-레벨 뷰를 레이어 그룹1 및 레이어 그룹2에 기반하여 레이어 그룹1 단독보다 좀 더 뎁스/레벨의 인덱스를 증가하여 디코딩할 수 있다. 로우-레벨 뷰를 레이어 그룹 1내지 레이어 그룹3에 기반하여 디코딩할 수 있다.
도43은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
S4300, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계를 포함할 수 있다.
실시예들에 따른 인코딩 동작은 도1 송신 장치10000, 획득부10001, 인코더10002, 도2 획득-인코딩(20000-20001), 도4 인코더, 도12 송신 장치, 도14 XR디바이스1430, 도15 포인트 클라우드 데이터 부호화, 도16 내지 도28 인코딩, 도29 포인트 클라우드 데이터를 포함하는 서브그룹의 분할 및 부호화, 도31 내지 도32 바운딩 박스 및 포인트 선택 후 인코딩, 도33 내지 도36 파라미터 및 비트스트림 생성, 도37 레이어 그룹 기반 비트스트림 생성, 도40 내지 도42 파셜 및 스케일러블 포인트 클라우드 데이터의 부호화 등의 동작을 포함할 수 있다.
S4301, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 더 포함할 수 있다.
실시예들에 따른 전송 동작은 도1 송신장치10000, 트랜스미터10003, 도2 전송20002, 도4 지오메트리/어트리뷰트 비트스트림 전송, 도12 전송 처리부12012, 도14 XR디바이스1430 포인트 클라우드 전송, 도15 비트스트림 파셜 전송, 도16 내지 도32 부호화에 따른 포인트 클라우드 데이터 전송, 도33 내지 도36 파라미터 및 비트스트림 전송, 도37 레이어 그룹 기반 비트스트림 전송, 도40 내지 도42 파셜 스케일러블 포인트 클라우드 데이터의 전송 등의 동작을 포함할 수 있다.
도44는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
수신 방법은 도43 송신 방법의 대응하는 과정 및 역과정을 포함할 수 있다.
S4400, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함할 수 있다.
실시예들에 따른 수신 동작은 도1 수신 장치10004, 리시버10005, 도2 전송20002에 따른 수신, 도10-11 지오메트리/어트리뷰트 비트스트림 수신, 도13 수신부13000, 도14 XR디바이스의 포인트 클라우드 데이터 수신1430, 도15 파셜/스케일러블 수신, 도33 내지 도36 파라미터 및 비트스트림 파싱, 도38 리시버, 도39 수신 동작, 도40 내지 도42 포인트 클라우드 데이터의 수신 등의 동작을 포함할 수 있다.
S4401, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 디코딩하는 단계를 더 포함할 수 있다.
실시예들에 따른 디코딩 동작은 도1 디코더10006, 도2 디코딩20003, 도10-11 디코더, 도13 수신 장치의 디코딩, 도14 XR디바이스1430의 디코딩, 도15 내지 도28 디코딩, 도29 내지 도32 서브그룹 기반 디코딩, 도33 내지 도36 파라미터 기반 디코딩, 도38 내지 도39 서브 비트스트림 기반 디코딩, 도40 내지 도42 파셜/스케일러블 디코딩 등의 동작을 포함할 수 있다.
도1을 참조하면, 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다.
도27을 참조하면, 어댑티브 서브그룹 바운딩박스(Adaptive subgroup bounding box)를 생성하는 서브 디비전 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터를 포함하는 바운딩 박스를 서브 그룹 바운딩 박스로 분할하는 단계를 포함하고, 서브 그룹 바운딩 박스는 바운딩 박스에 포함된 포인트들의 개수에 기초하여, 바운딩 박스에 관한 축에 기반하여 분할되고, 축은 X축, Y축, 및 Z축 중 어느 하나를 포함하고, 서브 그룹 바운딩 박스에 포함된 포인트들의 개수는 임계치보다 작고, 서브 그룹 바운딩 박스의 개수는 임계치보다 작을 수 있다. 여기서 임계치는 시스템에 따라 설정될 수 있고, 서로 같거나 다른 값을 가질 수 있고, 시그널링 정보(파라미터)로써 디코더에 전달될 수 있다.
도29를 참조하면, 분할하는 단계는, 바운딩 박스에 포함된 포인트들의 개수가 임계치보다 큰 경우, 바운딩 박스를 x축으로 분할하는 서브 디비전, y축으로 분할하는 서브 디비전, z축으로 분할하는 서브 디비전 중에서, 서브 디비전에 관련된 포인트들의 개수에 기초하여, 어느 하나를 선택하고, 선택된 서브 디비전에 포함된 포인트들의 개수가 임계치보다 큰 경우, 선택된 서브 디비전을 선택되지 않은 축으로 분할하는 서브 디비전 중에서, 서브 디비전에 관련된 포인트들의 개수에 기초하여, 어느 하나를 선택하고, 선택된 서브 디비전에 포함된 포인트들의 개수가 임계치보다 큰 경우, 선택된 서브 디비전을 선택되지 않은 축으로 분할하고, 각 서브 디비전의 사이즈는 서로 같거나 다를 수 있다. 여기서 임계치는 시스템에 따라 설정될 수 있고, 서로 같거나 다른 값을 가질 수 있고, 시그널링 정보(파라미터)로써 디코더에 전달될 수 있다. 포인트들의 개수 및 서브 디비전(서브 그룹 바운딩 박스)의 개수를 고려하여, 다양한 개수의 서브 그룹 바운딩 박스를 생성할 수 있다. 스플릿된 포인트 클라우드 데이터를 통해 좀 더 효율적으로 데이터를 압축하고 복원할 수 있다.
도31를 참조하면, 노드 스캔 순서에 따른 서브그룹 바운딩 박스(Subgroup bounding box restricted to the node scan order)와 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 서브 그룹 바운딩 박스에 포함된 포인트들을 몰톤 오더에 따라서 스캔할 수 있다.
도32를 참조하면, 바운더리를 벗어나거나(부모 노드 참조), 몰톤 오더를 벗어나는 경우(회전) 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 서브 그룹 바운딩 박스에 포함된 포인트들을 몰톤 오더에 따라서 스캔하는 도중 포인트가 바운더리를 벗어나는 경우, 포인트의 상위 노드(부모 노드)에 포함된 포인트를 스캔하고, 서브 그룹 바운딩 박스가 특정 축에 기초하여 생성된 경우, 특정 축에 관련된 평면 상 서브 그룹 바운딩 박스를 90도 회전시킬 수 있다. 회전 각도는 축에 따라 분할된 서브 그룹 박스를 스캔하는 순서와 비교하여 결정되고, 스캔 순서에 부합하도록 박스의 위치를 한 평면을 기준으로 회전시킬 수 있다.
도33 내지 도36를 참조하면, 비트스트림 및 파라미터 관련하여, 비트스트림은 시퀀스 파라미터 세트, 지오메트리 데이터 유닛 헤더, 및 레이어 그룹 구조 정보를 포함할 수 있다.
도34를 참조하면, 비트스트림은 서브 그룹 바운딩 박스가 사용되었는지 여부를 나타내는 정보(non_cubic_subgroup_enabled_flag), 및 서브 그룹 바운딩 박스의 위치에 관한 정보(subgroup_bbox_max/min)를 포함할 수 있다.
도35를 참조하면, 비트스트림은 서브 그룹 바운딩 박스가 회전하는지 여부를 나타내는 정보(subgroup_bbox_rotation_enabled_flag), 및 회전 방향을 나타내는 정보(rotation_direction)를 포함할 수 있다.
도36을 참조하면, 비트스트림은 서브 그룹 바운딩 박스의 개수, 위치, 크기에 관한 정보를 포함할 수 있다.
포인트 클라우드 데이터 송신 방법은 송신 장치에 의해 수행되고, 송신 장치는 포인트 클라우드 데이터를 인코딩하는 인코더; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함할 수 있다. 또한, 메모리 및 프로세서를 포함하는 인코더로 구성될 수 있다.
수신 방법은 도1을 참조하면, 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다. 수신 방법은 송신 방법의 대응하는 과정 및/또는 역과정을 수행할 수 있다.
포인트 클라우드 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터를 포함하는 바운딩 박스가 분할된 서브 그룹 바운딩 박스를 디코딩하고, 서브 그룹 바운딩 박스는 바운딩 박스에 포함된 포인트들의 개수에 기초하여, 바운딩 박스에 관한 축에 기반하여 분할되고, 축은 X축, Y축, 및 Z축 중 어느 하나를 포함하고, 서브 그룹 바운딩 박스에 포함된 포인트들의 개수는 임계치보다 작고, 서브 그룹 바운딩 박스의 개수는 임계치보다 작을 수 있다.
분할하는 단계는, 바운딩 박스에 포함된 포인트들의 개수가 임계치보다 큰 경우, 바운딩 박스를 x축으로 분할하는 서브 디비전, y축으로 분할하는 서브 디비전, z축으로 분할하는 서브 디비전 중에서, 상기 서브 디비전에 관련된 포인트들의 개수에 기초하여, 어느 하나를 선택하고, 선택된 서브 디비전에 포함된 포인트들의 개수가 임계치보다 큰 경우, 선택된 서브 디비전을 선택되지 않은 축으로 분할하는 서브 디비전 중에서, 서브 디비전에 관련된 포인트들의 개수에 기초하여, 어느 하나를 선택하고, 선택된 서브 디비전에 포함된 포인트들의 개수가 임계치보다 큰 경우, 상기 선택된 서브 디비전을 선택되지 않은 축으로 분할하고, 각 서브 디비전의 사이즈는 서로 같거나 다를 수 있다.
포인트 클라우드 데이터를 디코딩하는 단계는, 서브 그룹 바운딩 박스에 포함된 포인트들을 몰톤 오더에 따라서 스캔할 수 있다.
수신 방법은 수신 장치에 의해 수행되고, 수신 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 리시버; 및 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함할 수 있다. 또한, 메모리 및 프로세서를 포함하는 디코더로 구성될 수 있다.
이로 인해 실시예들은 다음과 같은 효과를 제공할 수 있다. 고정된 서브그룹 사이즈(fixed subgroup size)를 사용하는 경우 공간 랜덤 억세스(spatial random access) 관점에서 필요한 영역의 범위를 판단하기가 쉽다는 장점이 있지만, 포인트 수를 균일하게 나눌 수 없다는 한계가 있는데, 실시예들은 이를 해결할 수 있다.
일부 서브그룹(subgroup)에서는 디코더(decoder)에서 처리할 수 있는 포인트의 수 (level limit)를 넘는 경우가 발생할 수 있는데, 실시예들은 이를 해결할 수 있다.
즉, 이를 방지하기 위한 방법으로써 서브그룹(subgroup)을 분할하는 방법을 제안하고, 서브그룹으로 분할 시 포인트 개수 및 코스트를 비교함으로써, 압축 성능 및 정확도를 증가시킬 수 있는 효과가 있다.
실시예들은 관심 영역에 기반하여 슬라이스를 선택적으로 코딩하고 전송하고, 복원할 수 있다. 실시예들은 클라우드 데이터의 밀도를 고려하여 슬라이스를 생성할 수 있다. 스플릿된 서브그룹 바운딩 박스를 포함하는 슬라이스를 선택적으로 코딩할 수 있다. 또한, 고정된 서브그룹 사이즈 및 서브그룹 디비전을 이용하여 포인트 클라우드 데이터를 플렉서블하게 슬라이싱할 수 있다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 의미하고, 2) “B” 만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사욛외는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
한편, 상술한 실시예들에 따른 동작은 실시예들 따른 송신 장치 및/또는 수신 장치에 의해서 수행될 수 있다. 송수신 장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신 장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.
상술한 바와 같이, 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신 장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다.
당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다.
실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항들 및 그 와 동일한 것들의 범위를 벗어나지 않는다.

Claims (15)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  2. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터를 포함하는 바운딩 박스를 서브 그룹 바운딩 박스로 분할하는 단계를 포함하고,
    상기 서브 그룹 바운딩 박스는 상기 바운딩 박스에 포함된 포인트들의 개수에 기초하여, 상기 바운딩 박스에 관한 축에 기반하여 분할되고,
    상기 축은 X축, Y축, 및 Z축 중 어느 하나를 포함하고,
    상기 서브 그룹 바운딩 박스에 포함된 포인트들의 개수는 임계치보다 작고,
    상기 서브 그룹 바운딩 박스의 개수는 임계치보다 작은,
    포인트 클라우드 데이터 송신 방법.
  3. 제2항에 있어서,
    상기 분할하는 단계는,
    상기 바운딩 박스에 포함된 포인트들의 개수가 임계치보다 큰 경우, 상기 바운딩 박스를 x축으로 분할하는 서브 디비전, y축으로 분할하는 서브 디비전, z축으로 분할하는 서브 디비전 중에서, 상기 서브 디비전에 관련된 포인트들의 개수에 기초하여, 어느 하나를 선택하고,
    상기 선택된 서브 디비전에 포함된 포인트들의 개수가 임계치보다 큰 경우, 상기 선택된 서브 디비전을 선택되지 않은 축으로 분할하는 서브 디비전 중에서, 상기 서브 디비전에 관련된 포인트들의 개수에 기초하여, 어느 하나를 선택하고,
    상기 선택된 서브 디비전에 포함된 포인트들의 개수가 임계치보다 큰 경우, 상기 선택된 서브 디비전을 선택되지 않은 축으로 분할하고,
    각 서브 디비전의 사이즈는 서로 다른,
    포인트 클라우드 데이터 송신 방법.
  4. 제2항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 서브 그룹 바운딩 박스에 포함된 포인트들을 몰톤 오더에 따라서 스캔하는,
    포인트 클라우드 데이터 송신 방법.
  5. 제2항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 서브 그룹 바운딩 박스에 포함된 포인트들을 몰톤 오더에 따라서 스캔하는 도중 포인트가 바운더리를 벗어나는 경우, 상기 포인트의 상위 노드에 포함된 포인트를 스캔하고,
    상기 서브 그룹 바운딩 박스가 특정 축에 기초하여 생성된 경우, 상기 특정 축에 관련된 평면 상 상기 서브 그룹 바운딩 박스를 90도 회전시키는,
    포인트 클라우드 데이터 송신 방법.
  6. 제1항에 있어서,
    상기 비트스트림은 시퀀스 파라미터 세트, 지오메트리 데이터 유닛 헤더, 및 레이어 그룹 구조 정보를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  7. 제1항에 있어서,
    상기 비트스트림은 서브 그룹 바운딩 박스가 사용되었는지 여부를 나타내는 정보, 및 상기 서브 그룹 바운딩 박스의 위치에 관한 정보를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  8. 제1항에 있어서,
    상기 비트스트림은 서브 그룹 바운딩 박스가 회전하는지 여부를 나타내는 정보, 및 회전 방향을 나타내는 정보를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  9. 제1항에 있어서,
    상기 비트스트림은 서브 그룹 바운딩 박스의 개수, 위치, 크기에 관한 정보를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  10. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  11. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  12. 제11항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터를 포함하는 바운딩 박스가 분할된 서브 그룹 바운딩 박스를 디코딩하고,
    상기 서브 그룹 바운딩 박스는 상기 바운딩 박스에 포함된 포인트들의 개수에 기초하여, 상기 바운딩 박스에 관한 축에 기반하여 분할되고,
    상기 축은 X축, Y축, 및 Z축 중 어느 하나를 포함하고,
    상기 서브 그룹 바운딩 박스에 포함된 포인트들의 개수는 임계치보다 작고,
    상기 서브 그룹 바운딩 박스의 개수는 임계치보다 작은,
    포인트 클라우드 데이터 수신 방법.
  13. 제12항에 있어서,
    상기 분할하는 단계는,
    상기 바운딩 박스에 포함된 포인트들의 개수가 임계치보다 큰 경우, 상기 바운딩 박스를 x축으로 분할하는 서브 디비전, y축으로 분할하는 서브 디비전, z축으로 분할하는 서브 디비전 중에서, 상기 서브 디비전에 관련된 포인트들의 개수에 기초하여, 어느 하나를 선택하고,
    상기 선택된 서브 디비전에 포함된 포인트들의 개수가 임계치보다 큰 경우, 상기 선택된 서브 디비전을 선택되지 않은 축으로 분할하는 서브 디비전 중에서, 상기 서브 디비전에 관련된 포인트들의 개수에 기초하여, 어느 하나를 선택하고,
    상기 선택된 서브 디비전에 포함된 포인트들의 개수가 임계치보다 큰 경우, 상기 선택된 서브 디비전을 선택되지 않은 축으로 분할하고,
    각 서브 디비전의 사이즈는 서로 다른,
    포인트 클라우드 데이터 수신 방법.
  14. 제12항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 서브 그룹 바운딩 박스에 포함된 포인트들을 몰톤 오더에 따라서 스캔하는,
    포인트 클라우드 데이터 수신 방법.
  15. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 리시버; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함하는,
    포인트 클라우드 데이터 수신 장치.
PCT/KR2022/015149 2021-10-08 2022-10-07 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 Ceased WO2023059136A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP22878957.4A EP4407991A4 (en) 2021-10-08 2022-10-07 POINT CLOUD DATA TRANSMISSION DEVICE, POINT CLOUD DATA TRANSMISSION METHOD, POINT CLOUD DATA RECEIVING DEVICE AND POINT CLOUD DATA RECEIVING METHOD
CN202280066977.6A CN118056405A (zh) 2021-10-08 2022-10-07 点云数据发送设备、点云数据发送方法、点云数据接收设备以及点云数据接收方法
KR1020247011367A KR20240056739A (ko) 2021-10-08 2022-10-07 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
US18/698,199 US12573099B2 (en) 2021-10-08 2022-10-07 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
KR10-2021-0134379 2021-10-08
KR20210134379 2021-10-08

Publications (1)

Publication Number Publication Date
WO2023059136A1 true WO2023059136A1 (ko) 2023-04-13

Family

ID=85803624

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/015149 Ceased WO2023059136A1 (ko) 2021-10-08 2022-10-07 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (5)

Country Link
US (1) US12573099B2 (ko)
EP (1) EP4407991A4 (ko)
KR (1) KR20240056739A (ko)
CN (1) CN118056405A (ko)
WO (1) WO2023059136A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2025067850A1 (en) * 2023-09-28 2025-04-03 Telefonaktiebolaget Lm Ericsson (Publ) Systems and methods for point cloud compression

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021261237A1 (ja) * 2020-06-22 2021-12-30 ソニーグループ株式会社 情報処理装置および方法
US20240346707A1 (en) * 2023-04-13 2024-10-17 Qualcomm Incorporated Attribute coding and upscaling for point cloud compression

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190355152A1 (en) * 2017-07-28 2019-11-21 Peking University Shenzen Graduate School Point cloud attribute compression method based on kd tree and optimized graph transformation
US20200020154A1 (en) * 2017-01-05 2020-01-16 Bricsys Nv Point Cloud Preprocessing and Rendering
US20210004991A1 (en) * 2019-07-02 2021-01-07 Tencent America LLC Method and apparatus for point cloud compression
US20210183068A1 (en) * 2019-04-09 2021-06-17 Peking Universtiy Shenzhen Graduate School Self-Adaptive Point Cloud Stripe Division Method
WO2021145573A1 (ko) * 2020-01-16 2021-07-22 엘지전자 주식회사 포인트 클라우드 데이터 처리 장치 및 방법

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10430975B2 (en) * 2016-11-17 2019-10-01 Google Llc Advanced k-D tree encoding for point clouds by most significant axis selection
KR102699245B1 (ko) * 2019-03-21 2024-08-27 엘지전자 주식회사 포인트 클라우드 데이터 부호화 장치, 포인트 클라우드 데이터 부호화 방법, 포인트 클라우드 데이터 복호화 장치 및 포인트 클라우드 데이터 복호화 방법
CN110418135B (zh) * 2019-08-05 2022-05-27 北京大学深圳研究生院 一种基于邻居的权重优化的点云帧内预测方法及设备
US11681679B2 (en) * 2019-09-25 2023-06-20 Atlassian Pty Ltd. Systems and methods for performing tree-structured dataset operations
US11798196B2 (en) * 2020-01-08 2023-10-24 Apple Inc. Video-based point cloud compression with predicted patches
US12002244B2 (en) * 2020-04-08 2024-06-04 Qualcomm Incorporated Global scaling for geometry-based point cloud coding
JP7505926B2 (ja) * 2020-06-18 2024-06-25 Kddi株式会社 点群復号装置、点群復号方法及びプログラム
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200020154A1 (en) * 2017-01-05 2020-01-16 Bricsys Nv Point Cloud Preprocessing and Rendering
US20190355152A1 (en) * 2017-07-28 2019-11-21 Peking University Shenzen Graduate School Point cloud attribute compression method based on kd tree and optimized graph transformation
US20210183068A1 (en) * 2019-04-09 2021-06-17 Peking Universtiy Shenzhen Graduate School Self-Adaptive Point Cloud Stripe Division Method
US20210004991A1 (en) * 2019-07-02 2021-01-07 Tencent America LLC Method and apparatus for point cloud compression
WO2021145573A1 (ko) * 2020-01-16 2021-07-22 엘지전자 주식회사 포인트 클라우드 데이터 처리 장치 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4407991A4 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2025067850A1 (en) * 2023-09-28 2025-04-03 Telefonaktiebolaget Lm Ericsson (Publ) Systems and methods for point cloud compression

Also Published As

Publication number Publication date
US12573099B2 (en) 2026-03-10
EP4407991A4 (en) 2025-01-22
CN118056405A (zh) 2024-05-17
EP4407991A1 (en) 2024-07-31
US20240331206A1 (en) 2024-10-03
KR20240056739A (ko) 2024-04-30

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
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002636A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023287243A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023287213A1 (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
WO2023136618A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021029662A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022098152A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141221A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023059168A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021132834A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022149810A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023136627A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2022225233A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023059136A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023054932A1 (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
WO2022075753A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021080152A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2024014935A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023075389A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023075453A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022092971A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023059089A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치

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: 22878957

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 202280066977.6

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 18698199

Country of ref document: US

ENP Entry into the national phase

Ref document number: 20247011367

Country of ref document: KR

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2022878957

Country of ref document: EP

Effective date: 20240425

NENP Non-entry into the national phase

Ref country code: DE

WWG Wipo information: grant in national office

Ref document number: 18698199

Country of ref document: US