WO2023085856A1 - 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 - Google Patents

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

Info

Publication number
WO2023085856A1
WO2023085856A1 PCT/KR2022/017777 KR2022017777W WO2023085856A1 WO 2023085856 A1 WO2023085856 A1 WO 2023085856A1 KR 2022017777 W KR2022017777 W KR 2022017777W WO 2023085856 A1 WO2023085856 A1 WO 2023085856A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
attribute
cloud data
prediction
lod
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/KR2022/017777
Other languages
English (en)
French (fr)
Inventor
허혜정
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LG Electronics Inc
Original Assignee
LG Electronics Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by LG Electronics Inc filed Critical LG Electronics Inc
Priority to JP2024527595A priority Critical patent/JP2024544935A/ja
Priority to KR1020247013870A priority patent/KR20240108387A/ko
Priority to EP22893275.2A priority patent/EP4432658A4/en
Priority to CN202280075083.3A priority patent/CN118235411A/zh
Priority to US18/708,864 priority patent/US20240420377A1/en
Publication of WO2023085856A1 publication Critical patent/WO2023085856A1/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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/004—Predictors, e.g. intraframe, interframe coding
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/537—Motion estimation other than block-based
    • H04N19/54—Motion estimation other than block-based using feature points or meshes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • 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 may include encoding point cloud data and transmitting a bitstream including the point cloud data.
  • a method for receiving point cloud data according to embodiments may include receiving a bitstream including point cloud data and decoding the point cloud data.
  • 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 9 shows another example of a point configuration for each LOD 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. 12 is an example of a point cloud data transmission device according to embodiments.
  • FIG. 13 is an example of a point cloud data receiving device according to embodiments.
  • FIG. 14 shows an example of a structure capable of interworking with a method/apparatus for transmitting and receiving point cloud data according to embodiments.
  • 15 shows a range of adjacent nodes according to embodiments.
  • FIG. 16 illustrates an apparatus/method for transmitting point cloud data according to embodiments.
  • FIG 17 illustrates an apparatus/method for receiving point cloud data according to embodiments.
  • 18 is an example of an encoded bitstream according to embodiments.
  • sequence parameter set (seq_parameter_set) according to embodiments.
  • FIG. 20 is an example of syntax of an attribute parameter set (attribute_parameter_set) according to embodiments.
  • tile_parameter_set is a syntax example of a tile parameter set (tile_parameter_set) according to embodiments.
  • attribute_data_header 22 is an example of syntax of an attribute data header (attribute_data_header) according to embodiments.
  • attribute pu header (attribute_pu_header) according to embodiments.
  • 24 is a flowchart illustrating a point cloud data transmission method according to embodiments.
  • 25 is a flowchart illustrating 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 can perform wired/wireless communication to transmit/receive point cloud data.
  • the transmitting apparatus 10000 may secure, process, and transmit point cloud video (or point cloud content).
  • the transmitter 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 transmitter 10000 is a device 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)), 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 wireless 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
  • a transmitter 10000 includes a point cloud video acquisition unit 10001, a 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.
  • a 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 or point cloud 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 segment (eg, streaming segment) and transmitted through various networks such as a broadcasting network and/or a broadband network.
  • the transmitter 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 receiver 10004 (or receiver 10005) through a 4G, 5G, 6G, or the like network.
  • 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 transmitter 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 receiver 10004 is a device or robot that communicates with a base station and/or other wireless devices using a wireless access technology (e.g., 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 e.g., 5G New RAT (NR), Long Term Evolution (LTE)
  • NR 5G New RAT
  • LTE Long Term Evolution
  • vehicles AR/VR/XR devices
  • mobile devices mobile devices
  • home appliances home appliances
  • IoT Internet of Things
  • AI devices/servers and the like.
  • 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 provided to the content transmitter (eg, the transmitter 10000) and/or the service provider. can be passed on to Depending on embodiments, the feedback information may be used not only in the transmitting device 10000 but also in the receiving device 10004, and 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 receiver 10004 may transmit feedback information including the result of the gaze analysis to the transmitter 10000.
  • Feedback information according to embodiments may be obtained in a rendering and/or display process.
  • Feedback information according to embodiments may be secured by one or more sensors included in the receiver 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 receiver 10004 may transmit feedback information to the transmitter 10000. The transmitter 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 transmitter 10000 may be referred to as an encoder, a transmitter, a transmitter, a transmitter, and the like, and a receiver 10004 may be referred to as a decoder, a receiver, 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
  • a 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. The geometry contains positions (locations) 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, location information, location data, etc.
  • attributes may be referred to as attributes, attribute information, attribute data, attribute information, attribute data, etc.
  • 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 point geometry information and attribute information.
  • 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 for transmitting encoded point cloud data and transmit the encoded point cloud data in the form of a file or a 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 receiver 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 receiver 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 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.).
  • the point cloud content providing system (eg, the receiving device 10004) according to the 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, a background), recognizes a space where captured images and/or videos are connected, and performs an operation to fill in a spatial hole if there is one. can
  • the point cloud content providing system may generate one point cloud content by performing coordinate system conversion on points of the point cloud video obtained from each camera.
  • the point cloud content providing system may perform coordinate system conversion of points based on the positional coordinates of each camera. Accordingly, the point cloud content providing system may generate content representing one wide range or point cloud content having a high density of points.
  • FIG. 4 shows an example of a point cloud encoder according to embodiments.
  • FIG. 4 shows an example of the point cloud video encoder 10002 of FIG. 1 .
  • the point cloud encoder converts point cloud data (eg, positions of points and/or attributes) and perform encoding operations.
  • point cloud data eg, positions of points and/or attributes
  • the point cloud content providing system may not be able to stream the corresponding content in real time. Therefore, the point cloud content providing system may reconstruct the point cloud content based on the maximum target bitrate in order to provide it according to the network environment.
  • the point cloud encoder can perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • a point cloud encoder includes a transformation coordinates (40000), a quantization unit (Quantize and Remove Points (Voxelize), 40001), an octree analysis unit (Analyze Octree, 40002), a surface approximate analysis unit ( Analyze Surface Approximation (40003), Arithmetic Encode (40004), Reconstruct Geometry (40005), Transform Colors (40006), Transfer Attributes (40007), RAHT Transformation It includes a unit 40008, a Generated LOD 40009, a Lifting unit 40010, a Quantize Coefficients unit 40011, and/or an Arithmetic Encode 40012.
  • Geometry encoding may include octree geometry coding, prediction tree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisup geometry encoding are applied selectively or in combination. Also, geometry encoding is not limited to the above examples.
  • a coordinate system conversion unit 40000 receives positions and converts them into a coordinate system.
  • the positions may be converted into positional information in a 3D space (eg, a 3D space expressed in XYZ coordinates).
  • Location information in a 3D space may be referred to as geometry information.
  • a quantization unit 40001 quantizes geometry.
  • the quantization unit 40001 may quantize points based on minimum position values of all points (for example, minimum values on each axis for the X axis, Y axis, and Z axis).
  • the quantization unit 40001 multiplies the difference between the minimum position value and the position value of each point by a preset quatization scale value, and then performs a quantization operation to find the nearest integer value by performing rounding or rounding.
  • one or more points may have the same quantized position (or position value).
  • the quantization unit 40001 performs voxelization based on quantized positions to reconstruct quantized points.
  • points of point cloud content may be included in one or more voxels.
  • the quantization unit 40001 may match groups of points in the 3D space to voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • the position of the center of a corresponding voxel may be set based on the positions of one or more points included in one voxel.
  • attributes of all positions included in one voxel may be combined and assigned to the corresponding voxel.
  • the octree analyzer 40002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure represents points matched to voxels based on an octal tree structure.
  • the surface approximation analyzer 40003 may analyze and approximate an octree.
  • Octree analysis and approximation is a process of analyzing to voxelize a region including a plurality of points in order to efficiently provide octree and voxelization.
  • Arismetic encoder 40004 entropy encodes an octree and/or an approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • a geometry bitstream is created.
  • Color conversion section 40006, attribute conversion section 40007, RAHT conversion section 40008, LOD generation section 40009, lifting conversion section 40010, coefficient quantization section 40011 and/or Arithmetic encoder 40012 performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is equally applied to attributes of one point. However, when one attribute (for example, color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding may include color transform coding, attribute transform coding, region adaptive hierarchical transform (RAHT) coding, interpolaration-based hierarchical nearest-neighbour prediction-prediction transform coding, and interpolation-based hierarchical nearest transform (RAHT) coding.
  • RAHT region adaptive hierarchical transform
  • RAHT interpolaration-based hierarchical nearest-neighbour prediction-prediction transform
  • RAHT interpolation-based hierarchical nearest transform
  • -neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • the above-described RAHT coding, predictive transform coding, and lifting transform coding may be selectively used, or a combination of one or more codings may be used.
  • attribute encoding according to embodiments is not limited to the above-described example.
  • the color conversion unit 40006 performs color conversion coding to convert color values (or textures) included in attributes.
  • the color conversion unit 40006 may convert a format of color information (for example, convert RGB to YCbCr).
  • An operation of the color conversion unit 40006 according to embodiments may be optionally applied according to color values included in attributes.
  • the geometry reconstructor 40005 reconstructs (decompresses) an octree, a prediction tree, 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 total number of 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 prediction residuals, attribute residuals, etc.) can be quatized and inverse quantized, and the quantization process is shown in the following table.
  • 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); ⁇ ⁇
  • 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 embodiments may entropy code attributes of a corresponding point without performing the above 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 according to the distance to the neighboring points
  • Lifting transform coding can be performed by setting weights.
  • Lifting transform coding according to embodiments is similar to the above-described predictive transform coding, but is different in that weights are cumulatively applied to attribute values.
  • a process of cumulatively applying weights to attribute values according to embodiments 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. represents the average attribute value of voxels at level l. Is and can be calculated from and the weight of class am.
  • the gDC value is also quantized and entropy-coded like the high-pass coefficient.
  • 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 decoding and trisoup geometry decoding. Direct decoding 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 transmitter shown in FIG. 12 is an example of the transmitter 10000 of FIG. 1 (or the point cloud encoder of FIG. 4 ).
  • the transmitter shown in FIG. 12 may perform at least one or more of the same or similar operations and methods 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 12002 may perform the same or similar operation and/or process to the operation and/or voxelization process 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 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 meta data information, or transmits encoded geometry and/or encoded attributes and meta data information into one It can be configured as a bit stream 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 may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 and Attr1 0 ).
  • 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 receiver 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 be linked/combined with the point cloud data transmission/reception device 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.
  • the point cloud data (PCC) transceiver When the point cloud data (PCC) transceiver according to the embodiments is connected to enable wired/wireless communication with the vehicle, it receives/processes AR/VR/PCC service-related content data that can be provided along with the autonomous driving service to provide the vehicle can be sent to In addition, 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.
  • point cloud data is composed of a set of points, and each point may have geometry data (geometry information) and attribute data (attribute information).
  • the geometry data is 3D location information (eg, x, y, and z-axis coordinate values) of each point. That is, the position of each point is represented by parameters (eg, parameters (x, y, z) of three axes representing space, X-axis, Y-axis, and Z-axis) on a coordinate system representing a three-dimensional space.
  • the attribute information may mean color (RGB, YUV, etc.), reflectance, normal vectors, transparency, and the like of a point. Attribute information can be expressed in scalar or vector form.
  • point cloud data may be classified into category 1 of static point cloud data, category 2 of dynamic point cloud data, and category 3 of dynamically acquired point cloud data according to the type and acquisition method of point cloud data.
  • Category 1 consists of a point cloud of a single frame with a high density of points for an object or space.
  • Category 3 data is frame-based data having a plurality of frames acquired while moving and fused single-frame fused color images acquired as 2D images and point clouds acquired through lidar sensors for large-scale spaces. data can be distinguished.
  • inter prediction coding/ Decoding may be used.
  • Inter prediction coding/decoding may be applied to geometry information and/or attribute information.
  • Inter prediction may be referred to as inter prediction or inter frame prediction, and intra prediction may be referred to as intra prediction.
  • Embodiments relate to a method of increasing compression efficiency of attributes of Geometry-based Point Cloud Compression (G-PCC) for compression of 3D point cloud data.
  • G-PCC Geometry-based Point Cloud Compression
  • Embodiments can improve the compression efficiency of attribute information through a method of selecting a set of neighboring points used for inter (inter-frame) prediction of attribute information and an attribute inter prediction method.
  • An apparatus/method for transmitting and receiving point cloud data may perform the following.
  • Point cloud data is composed of a set of points, and each point may include geometry information and attribute information.
  • Geometry information is 3-dimensional position (X, Y, Z) information
  • attribute information is color (RGB, YUV, etc.) and/or reflection values.
  • the G-PCC encoding process consists of compressing the geometry and compressing the attribute information based on the reconstructed geometry (decoded geometry) with location information changed through compression.
  • the G-PCC decoding process may include a process of receiving an encoded geometry bitstream and an attribute bitstream, decoding the geometry, and decoding attribute information based on the geometry reconstructed through the decoding process.
  • the attribute information compression process uses a prediction transformation technique, a lifting transformation technique, or a RAHT technique.
  • LOD level of detail
  • i represents the level of LOD and is an integer starting from 0.
  • LOD_0 is a set composed of points having the largest inter-point distance, and as i increases, the distance between points belonging to LOD_i decreases (see FIG. 9).
  • LOD can be set to exist only one. If there is one LOD, points may exist in one LOD in a form arranged in Molton order.
  • LOD generation methods may include a distance-based LOD generation method, a decimation-based LOD generation method, and an octree-based LOD generation method. The LOD generation method may be set differently according to the characteristics of content or service.
  • the distance-based LOD generation method is an LOD generation method that groups points based on distances between points using geometry information of points. For example, the distance between points belonging to a specific LOD level may be at least a certain distance or more.
  • the LOD generation method based on a certain order interval may be an LOD generation method of grouping points based on intervals in the order of aligned points.
  • the LOD may be generated by assigning an index to points arranged according to a certain criterion in order, sampling the points at 3 index intervals, and grouping the points.
  • the octree-based LOD generation method is a method of generating an LOD by sampling points based on an octree node (or block).
  • the LOD levels correspond to nodes of the octree, and when the next LOD level is generated by sampling points in the LOD level, the next LOD level may be configured by sampling points at the octree node corresponding to the LOD level.
  • the transceiving apparatus/method After generating the LOD set, the transceiving apparatus/method according to the embodiments generates X (>0) nearest neighbor points (nearest neighbor points) in a group having the same or smaller LOD level (the distance between nodes is large) based on the LOD set. ) can be found and registered as a set of neighboring points in the predictor.
  • X is the maximum number that can be set as a neighboring point and can be input as a user parameter.
  • the transmission/reception apparatus/method may find neighboring points of P3 belonging to LOD_1 from LOD_0 and LOD_1.
  • the three nearest neighbor points (or nodes) may be selected as P2, P4 and P6.
  • the three points may be registered as a set of neighboring points in the predictor of P3.
  • the LOD level is 1, 3 nearest neighbor nodes among points prior to the current point in order in the same LOD may be selected.
  • Every point can have one predictor. Attribute values of points may be predicted from neighboring points registered in the predictor. The predictor can predict the attribute value of the current point through a set of neighboring points. The residual between the original attribute value of the current point and the attribute value predicted by the predictor of the current point may be encoded and signaled to the receiving device according to the embodiment.
  • a transmitting/receiving apparatus/method may perform a method of searching for a set of neighboring points that can be used between frames for attribute inter prediction and a PU (Prediction Unit) unit attribute inter prediction method.
  • PU Prediction Unit
  • a transmitting/receiving apparatus/method may change a method of constructing a neighbor point set for inter prediction of attribute information, and optimize attribute prediction through a change value in an attribute prediction unit during attribute inter prediction in units of prediction units (PUs).
  • PUs prediction units
  • the neighbor point set construction method and the attribute prediction method may be applied to both a transmitter and a receiver.
  • a transmission/reception apparatus/method may construct a neighbor point set from a reference frame, and increase attribute compression efficiency through inter prediction through a PU (Prediction Unit).
  • PU Prediction Unit
  • a transmitting/receiving apparatus/method may generate a neighbor point set through LODs of a current frame and a reference frame.
  • Neighboring point sets may be configured as many as the maximum number of neighboring points set in intra (current frame) prediction or inter (reference frame) prediction.
  • the transmission/reception apparatus/method After generating an LOD set during intra prediction, the transmission/reception apparatus/method according to the embodiments generates X (>0) nearest neighbor points in a group having the same or smaller LOD level (the distance between nodes is large) based on the LOD set. (nearest neighbors) can be found and registered as intra-neighbor point sets in the predictor.
  • LOD may have already been created because it is data that has already been processed. If the intra LOD to which the current point for which a set of neighboring points is to be found in the current frame belongs is LOD_n, then X (>0) nearest neighboring points ( Nearest neighbors can be found and registered as a set of inter-neighbor points in the predictor.
  • the nearest neighbor points from points belonging to LOD_n of the LOD set of the reference frame or lower LODs with respect to the current point are searched for and interpolated to the predictor. It can be registered as a neighbor point set.
  • the current frame and the reference frame may be referred to as a first frame, a second frame, and the like.
  • the LOD of the current frame and the LOD of the reference frame may be referred to as a first LOD, a second LOD, and the like.
  • Prediction Unit PU
  • LOD neighbor point set generation method
  • a transmission/reception method/device may not generate an LOD in an inter-compression process.
  • the transmission/reception method/apparatus may construct an octree in a process of attribute compression instead of generating an LOD, and may find an octree node matching a geometry prediction unit.
  • the prediction unit of the reference frame may find a node (PU) that matches the octree node of the current frame matched through the motion vector.
  • the PU of the reference frame may be referred to as PUref, and the matched PU of the current frame may be referred to as PUcur.
  • Neighboring point sets may consist of up to the maximum number of neighboring points in intra (in the current frame) and/or inter (reference frame), respectively.
  • a transmission/reception method/device searches for a prediction unit of a matching reference frame based on a node (or block) of an octree including a current point when predicting attribute information, and obtains a value of a current point from the prediction unit of the reference frame.
  • Nearest neighbor points can be searched and registered in the predictor.
  • the predictor may predict attribute information of the current point based on the searched nearest neighbor points.
  • the node of the octree to which the current point belongs in the current frame may correspond to the prediction unit of the current frame.
  • the prediction unit of the current frame may be expressed as PUcur
  • the prediction unit of the reference frame may be expressed as Puref.
  • a prediction unit may be variously referred to as a prediction region, a prediction region, a prediction node, or a prediction block, and may indicate a unit that is a standard for prediction.
  • FIG. 15 shows a range of adjacent nodes of a prediction unit (PU, 1510) according to embodiments.
  • a transmitting/receiving apparatus/method finds a current prediction unit (PUcur) and X (> 0) nearest neighbor points from neighboring nodes surrounding the current prediction unit (PUcur) and generates a predictor can be registered as an intra-neighbor point set.
  • An adjacent node range of the current prediction unit PUcur may be set by receiving an input.
  • Neighbor point search shifts the Morton code based on the octree level of the prediction unit (PU), changes it to a local Morton code, sorts it, and then sorts it, and the closest neighbor to a point that exists within a specific range (search_range) based on the nearest Morton code. points can be retrieved.
  • Transmitting/receiving apparatus/method is a predictor by finding X (> 0) nearest neighbors in neighboring nodes surrounding a reference prediction unit (PUref) and a current prediction unit (PUref) can be registered as an inter-neighbor point set.
  • the adjacent node range of the reference prediction unit PUref may be input and set, and may be set identically to the current prediction unit PUcur.
  • Neighbor point search shifts the Morton code based on the octree level of the prediction unit (PU), changes it to a local Morton code, sorts it, and then sorts it, and the closest neighbor to a point that exists within a specific range (search_range) based on the nearest Morton code. points can be retrieved.
  • the transmission/reception apparatus/method may search for a prediction unit of a current frame to which a current point belongs and neighboring points in an area adjacent to the prediction unit.
  • the transmission/reception apparatus/method may search for neighboring points in an area adjacent to the prediction unit of the reference frame corresponding to the prediction unit of the current frame and the prediction unit.
  • the searched neighboring points are registered as predictors for the current point, and may be used to predict attribute information of the current point.
  • a unit may be referred to by various terms such as a node, a block, an area, and a zone.
  • Prediction unit (PU) based neighbor point set generation expansion LOD can be omitted
  • the apparatus/method for transmitting and receiving may not additionally generate an LOD in an inter compression process.
  • an octree can be constructed in the attribute compression process, and an octree node matching the prediction unit (PUcur) of the geometry can be found.
  • the prediction unit PUref of the reference frame may be searched through the octree node of the current frame matched through the motion vector and the octree node of the reference frame matched.
  • the prediction unit (PUref) of the reference frame may be referred to as the reference prediction unit (PUref, reference PU), and the matched prediction unit (PU) of the current frame may be referred to as the current prediction unit (PUcur, current PU).
  • a transmitting/receiving apparatus/method obtains an average color value of points belonging to a current prediction unit (Pucur), and obtains color values of points belonging to a reference prediction unit (PUref) and adjacent nodes of the reference prediction unit (PUref) in a reference frame.
  • the reference prediction unit PUref may be changed to a node having the smallest difference between the current prediction unit PUcur and the average color value. Through this, it is possible to prevent motion changes of the point geometry and errors caused by differences in color.
  • Information on matching change of the reference prediction unit PUref may be signaled to the receiving device (or decoder).
  • Neighboring point sets may consist of the maximum number of neighboring points in intra (in the current frame) or the maximum number of neighboring points in inter (reference frame).
  • a prediction unit may be variously referred to as a prediction region, a prediction region, a prediction node, or a prediction block, and may indicate a unit that is a standard for prediction.
  • a transmitting/receiving apparatus/method obtains an average attribute value of points belonging to a current prediction unit (Pucur), and of points belonging to a reference prediction unit (PUref) and adjacent nodes of the reference prediction unit (PUref) in a reference frame.
  • the reference prediction unit PUref may be changed to a node (or region) having the smallest difference between the current prediction unit PUcur and the average color value.
  • Attribute information to be compared may include color, reflectivity, and the like.
  • the transmission/reception apparatus/method obtains an average attribute value of points belonging to a reference prediction unit (PUref) and adjacent nodes of the reference prediction unit (PUref) in a reference frame, so that the difference from the attribute value of the current point is
  • the reference prediction unit PUref may be changed to the smallest number of nodes (or regions). Attribute information to be compared may include color, reflectivity, and the like.
  • Attribute e.g., color
  • PU prediction unit
  • the attribute change vector is a vector representing a change in attribute values, and may be, for example, a color change vector representing differences in R, G, and B values or a vector representing differences in other attribute information.
  • the point cloud data is the same color, it may be captured in different colors depending on the surrounding environment. For example, even though it is the same road, the overall color may be consistently changed according to the direction of light.
  • the color variance vector for each prediction unit (PU) is additional information for this case, and when the color variance vector is applied to the prediction unit (PUref) of the reference frame, the size of the bitstream can be reduced as the residual value decreases.
  • the attribute change vector for each prediction unit (PU) may be signaled to the receiving device (or decoder), whether to apply the attribute change vector is determined through RDO (Rate Distortion Optimization), and be signaled to the receiving device (or decoder).
  • FIG. 16 illustrates an apparatus/method for transmitting point cloud data according to embodiments.
  • An encoder may be referred to as a coder, a decoder, and a decoder.
  • the transmission device/method of FIG. 16 corresponds to the transmission device of FIG. 1, the transmission of FIG. 2, the point cloud encoder of FIG. 4, the transmission device of FIG. 12, the devices of FIG. 14, and the transmission method of FIG. 24, or a plurality of transmissions. It may be composed of a combination of devices/methods, and the transmitting device/method of FIG. 16 may predict attribute information of point cloud data based on LOD or prediction unit.
  • PCC data (or point cloud data) is input to an encoder and encoded to output a geometry information bitstream and an attribute information bitstream.
  • the neighbor point set configuration unit 1640 of the transmitting apparatus/method may perform the neighbor point set configuration operation according to the above-described embodiments.
  • a range of neighboring areas (or nodes) for constructing a neighboring point set may be a parameter input from a user.
  • the attribute information encoding unit of FIG. 16 may include the following components.
  • the transmitting device/method determines whether the LOD is configured (1610), and accordingly, the LOD configuring unit 1620 or the PU configuring unit 1630 may perform an operation.
  • the LOD configuration unit 1620 may configure an LOD based on point cloud data, and the PU configuration unit 1630 may configure a prediction unit.
  • a prediction unit can be constructed based on the nodes of the octree.
  • the LOD configuration unit (FIG. 17, 1720) or PU configuration unit (FIG. 17, 1730) of the reception device (see FIG. 17) Operations can be performed to restore point cloud data.
  • the LOD configuration unit 1620 may configure LOD for each group.
  • the LOD of the reference frame may be transferred to the Intra/Inter neighbor point set construction unit 1640.
  • the PU configuration unit 1630 may configure an octree node-based attribute prediction unit (PU) according to the geometry prediction unit (PU).
  • PU geometry prediction unit
  • the prediction unit of the reference frame, the nodes (or areas) around the prediction unit, and the average attribute information are matched with the average attribute information of the current frame prediction unit (PU).
  • the prediction unit (PU) can be changed to the most similar node.
  • Whether or not to correct the prediction unit (PU) according to the attribute information is transmitted to the receiving device (or decoder), and the adjustment of the prediction unit (PU) is also transmitted to the receiving device, so that the receiving device configures the prediction unit (PU) identically to the encoder.
  • the PU configuration unit 1630 may calculate a change vector of attribute information for each prediction unit and transmit it to the receiving device (or decoder). Whether or not the attribute information change vector for each prediction unit is used may also be transmitted to the receiving device (or decoder). The receiving device may predict and restore the attribute value in the attribute inter information predictor (1750 in FIG. 17) based on the transmitted value.
  • the intra/inter neighbor point set constructing unit 1640 may construct an inter neighbor point set and an intra neighbor point set by finding neighbor points that are close to the point in distance for attribute prediction based on the LOD or prediction unit generated for each group. .
  • the maximum number of neighboring points per point can be set as a user encoding option, and the default value can be three.
  • the search range for the inter neighbor point set is signaled to the decoder and can be used when constructing the neighbor point set.
  • the abbreviate inter information prediction unit 1650 predicts the attribute information of the current point of the current frame based on the prediction unit points of the reference frame to which the attribute information change vector for each prediction unit is applied, depending on whether the attribute information change vector for each prediction unit is used.
  • the intra/inter neighbor point set construction unit 1640, the attribute inter information prediction unit 1650, or the attribute intra information prediction unit receives the inter neighbor point set and the intra neighbor point set from the Intra/Inter neighbor point set construction unit and uses the RDO to determine the best A good predictive value can be selected. If the best prediction belongs to the inter-neighbor point set, inter_flag may be set to true and the mode may be transmitted to the receiver (or decoder) together. If the best prediction belongs to the intra-neighbor point set, inter_flag may be set to false and the mode may be transmitted to the receiver (or decoder) together.
  • FIG 17 illustrates an apparatus/method for receiving point cloud data according to embodiments.
  • 17 may show a block diagram of a PCC data decoder.
  • the receiving device/method of FIG. 17 corresponds to the receiving device of FIG. 1, the receiving device of FIG. 2, the point cloud decoder of FIGS. 10 and 11, the receiving device of FIG. 13, the devices of FIG. 14, and/or the receiving method of FIG. 25. 17 may predict attribute information of point cloud data based on LOD or prediction unit.
  • the receiving device/method of FIG. 17 may receive signaling information delivered by the transmitting device/method according to the embodiments, and predict and restore attribute information of point cloud data accordingly.
  • an encoded geometry information bitstream and an attribute information bitstream may be input to a decoder (or a receiving device), and PCC data that is decoded and restored may be output.
  • a receiving device includes an attribute information decoding unit, and the attribute information decoding unit may include the following components.
  • the attribute information decoder decodes information about whether a prediction unit is configured or not transmitted from a transmitter (or an encoder), and the LOD constructor 1720 or the prediction unit configurer 1730 may perform an operation depending on whether the LOD is configured. there is.
  • the LOD configuration unit 1720 may configure LOD for each group.
  • the LOD of the reference frame may be transferred to the neighboring point set Intra/Inter configuration unit 1740.
  • the PU configuration unit 1730 may configure an octree node-based attribute information prediction unit corresponding to the geometry prediction unit (PU).
  • PU geometry prediction unit
  • the most similar (smallest difference) node by comparing the average attribute information of the prediction unit of the reference frame and the nodes around the prediction unit according to the average attribute information of the current frame prediction unit. You can change the prediction unit with .
  • a receiving device may decode information about whether or not to correct a prediction unit (PU) according to attribute information transmitted from a transmitter (or encoder), and decode prediction unit adjustment information to reconstruct a prediction unit. .
  • the PU configuration unit 1730 After configuring the prediction unit of the current frame and the matching prediction unit of the reference frame, the PU configuration unit 1730 decodes whether or not the attribute information change vector for each prediction unit transmitted from the encoder and the attribute information change vector for each prediction unit are used, and attribute inter The information prediction unit 1750 may predict or restore properties.
  • the intra/inter neighbor point set construction unit 1740 may configure an inter neighbor point set and an intra neighbor point set by finding neighbor points that are close to the point in distance for attribute prediction based on the LOD or PU generated for each group. It can be applied when constructing a neighbor point set by decoding a search range for an inter-neighbor point set transmitted from the encoder.
  • the abbreviate inter information prediction unit 1750 may predict attribute information of a current point based on points belonging to a PU of a reference frame to which the attribute information change vector for each PU is applied according to whether or not the restored attribute information change vector for each PU is used. .
  • the attribute inter information predictor 1750 receives the inter neighbor point set and the intra neighbor point set from the Intra/Inter neighbor point set construction unit 1740, and restores the transmitted inter_flag, mode, and residual values to restore attribute information. there is.
  • 18 is an example of an encoded bitstream according to embodiments.
  • the transmitting/receiving apparatus/method according to embodiments may signal related information to perform attribute information prediction according to embodiments.
  • Signaling information according to embodiments may be used in a transmitting end or a receiving end.
  • a point cloud data encoder performing geometry encoding and/or attribute encoding may generate the following encoded point cloud (or a bitstream including the point cloud).
  • signaling information about point cloud data may be generated and processed by a metadata processing unit of a point cloud data transmission device and included in a point cloud as follows.
  • related information for attribute inter prediction of a point cloud data sequence may be signaled by being added to the SPS or APS. If there are tiles or slices having different attribute characteristics in the same sequence, related information for the attribute inter prediction function for the sequence may be added to the TPS or Attr for each slice and signaled.
  • a transmitting/receiving apparatus/method may provide tiles or slices so that a point cloud can be divided into regions and processed.
  • the property characteristics of a specific area may be different from those of the sequence, so they can be set differently.
  • a different maximum range of neighboring points may be applied to each tile.
  • a different maximum range of neighboring points may be applied for each slice.
  • Prediction unit (PU) related information for attribute inter prediction may be added to the Attribute PU header.
  • sequence parameter set (seq_parameter_set) according to embodiments.
  • information for attribute inter prediction can be signaled by being added to a Sequence Parameter Set.
  • the added parameters can be effectively signaled for the neighbor point setting function and inter prediction.
  • the name of signaling information can be understood within the scope of the meaning and function of signaling information.
  • Attr_inter_pu_generation_with_avg_attr_flag[i] specifies the value of the reference frame based on the average attribute value in the matching prediction unit (PU) of the geometry-based current frame and reference frame when performing attribute inter prediction by configuring a PU when compressing attribute information of a point cloud data sequence. Indicates whether to readjust the matching prediction unit.
  • Attr_inter_neighbour_search_range[i] may indicate a point search range for constructing a neighbor point set in inter-frame prediction when attribute information inter prediction of a point cloud data sequence is performed.
  • profile_idc may indicate the profile the bitstream conforms to as specified in Annex A. Bitstream does not contain profile_idc values other than those specified in Annex A. Other values of profile_idc may be reserved for future use in ISO/IEC.
  • profile_compatibility_flags equal to 1 may indicate that the bitstream conforms to the profile indicated by profile_idc equal to j.
  • sps_num_attribute_sets may represent the number of attributes coded in the bitstream. The value of sps_num_attribute_sets must be between 0 and 63.
  • attribute_dimension[ i ] can specify the number of elements of the i-th attribute.
  • attribute_instance_id[ i ] can designate an instance ID for the ith attribute.
  • FIG. 20 is an example of syntax of an attribute parameter set (attribute_parameter_set) according to embodiments.
  • information for attribute inter prediction can be signaled by being added to the Attribute Parameter Set.
  • the added parameters can be effectively signaled for the neighbor point setting function and inter prediction.
  • the name of signaling information can be understood within the scope of the meaning and function of signaling information.
  • Attr_inter_pu_generation_with_avg_attr_flag[i] specifies the value of the reference frame based on the average attribute value in the matching prediction unit (PU) of the geometry-based current frame and reference frame when performing attribute inter prediction by configuring a PU when compressing attribute information of a point cloud data sequence. Indicates whether to readjust the matching prediction unit.
  • Attr_inter_neighbour_search_range[i] may indicate a point search range for constructing a neighbor point set in inter-frame prediction when attribute information inter prediction of a point cloud data sequence is performed.
  • aps_attr_parameter_set_id can provide an identifier for APS so that it can be referenced in other syntax elements.
  • the value of aps_attr_parameter_set_id ranges from 0 to 15.
  • aps_seq_parameter_set_id can designate sps_seq_parameter_set_id value for active SPS.
  • the value of aps_seq_parameter_set_id can be in the range of 0 to 15.
  • Lifting_num_pred_nearest_neighbours can specify the maximum number of nearest neighbors to be used for prediction.
  • the value of Lifting_num_pred_nearest_neighbours can be in the range of 1 to xx.
  • lifting_max_num_direct_predictors specifies the maximum number of predictor to be used for direct prediction.
  • the value of lifting_max_num_direct_predictors shall be range of 0 to lifting_num_pred_nearest_neighbours.
  • the value of the variable MaxNumPredictors that is used in the decoding process as follows:
  • Lifting_max_num_direct_predictors can specify the maximum number of predictors to be used for direct prediction.
  • the value of Lifting_max_num_direct_predictors can range from 0 to lifting_num_pred_nearest_neighbours.
  • the value of the variable MaxNumPredictors used in the decoding process is as follows.
  • MaxNumPredictors lifting_max_num_direct_predictors + 1
  • tile_parameter_set is a syntax example of a tile parameter set (tile_parameter_set) according to embodiments.
  • information for attribute inter prediction can be signaled by being added to a Tile Parameter Set.
  • the added parameters can be effectively signaled for the neighbor point setting function and inter prediction.
  • the name of signaling information can be understood within the scope of the meaning and function of signaling information.
  • Attr_inter_pu_generation_with_avg_attr_flag[i] specifies the value of the reference frame based on the average attribute value in the matching prediction unit (PU) of the geometry-based current frame and reference frame when performing attribute inter prediction by configuring a PU when compressing attribute information of a point cloud data sequence. Indicates whether to readjust the matching prediction unit.
  • Attr_inter_neighbour_search_range[i] may indicate a point search range for constructing a neighbor point set in inter-frame prediction when attribute information inter prediction of a point cloud data sequence is performed.
  • num_tiles can specify the signaled number of tiles for the bitstream. If not present, num_tiles can be inferred to be 0.
  • tile_bounding_box_offset_x[ i ] may represent the x offset of the ith tile in Cartesian coordinates. If it does not exist, the value of tile_bounding_box_offset_x[ 0 ] can be inferred to be sps_bounding_box_offset_x.
  • tile_bounding_box_offset_y[ i ] may represent the y offset of the ith tile in Cartesian coordinates. If it does not exist, the value of tile_bounding_box_offset_y[ 0 ] can be inferred as sps_bounding_box_offset_y.
  • attribute_data_header 22 is an example of syntax of an attribute data header (attribute_data_header) according to embodiments.
  • information for attribute inter prediction can be signaled by being added to the Attribute Slice Header.
  • the added parameters can be effectively signaled for the neighbor point setting function and inter prediction.
  • the name of signaling information can be understood within the scope of the meaning and function of signaling information.
  • Attr_inter_pu_generation_with_avg_attr_flag[i] specifies the value of the reference frame based on the average attribute value in the matching prediction unit (PU) of the geometry-based current frame and reference frame when performing attribute inter prediction by configuring a PU when compressing attribute information of a point cloud data sequence. Indicates whether to readjust the matching prediction unit.
  • Attr_inter_neighbour_search_range[i] may indicate a point search range for constructing a neighbor point set in inter-frame prediction when attribute information inter prediction of a point cloud data sequence is performed.
  • abh_attr_parameter_set_id can designate the aps_attr_parameter_set_id value of active APS.
  • abh_attr_sps_attr_idx can designate attributes set in the active SPS.
  • the value of abh_attr_sps_attr_idx can be in the range of 0 to sps_num_attribute_sets in active SPS.
  • ash_attr_geom_slice_id can specify the gsh_slice_id value of the active Geometry Slice header.
  • attribute pu header (attribute_pu_header) according to embodiments.
  • information for attribute inter prediction may be added to the Attr PU Header and signaled.
  • the added parameters can be effectively signaled for the neighbor point setting function and inter prediction.
  • option information related to inter prediction may be signaled through the Attr PU Header by generating an Attr PU Header. Parameters can be effectively signaled to support inter-prediction.
  • the name of signaling information can be understood within the scope of the meaning and function of signaling information.
  • pu_tile_id may indicate a tile ID to which the prediction unit (PU) belongs.
  • pu_slice_id may indicate a slice ID to which a PU belongs.
  • pu_cnt may indicate the number of PUs included in a slice.
  • pu_id may indicate a PU ID.
  • pu_octree_level indicates the octree level of a PU when a PU is generated based on an octree.
  • pu_octree_mc represents a Molton code value at the octree level of a PU when a PU is generated based on an octree.
  • pu_local_motion_vector represents a local motion vector applied to a PU.
  • pu_local_attr_vector represents a local attribute change vector applied to a PU.
  • pu_local_attr_apply_flag indicates whether to apply an attribute change vector to a PU.
  • pu_origin_xyz represents the location of origins of all PUs.
  • pu_origin_log2_scale represents the origin scale value of all PUs.
  • AttrDim attribute_dimension_minus1[ash_attr_sps_attr_idx] + 1
  • attribute_dimension_minus1[ attrId ] plus 1 specifies the number of elements of the attribute_dimension_minus1[ attrId ].
  • 24 is a flowchart illustrating a point cloud data transmission method according to embodiments.
  • the transmission method of FIG. 24 corresponds to the transmission device of FIG. 1, the transmission of FIG. 2, the point cloud encoder of FIG. 4, the transmission device of FIG. 12, the devices of FIG. 14, and/or the transmission device of FIG. 16, or a plurality of transmissions. It may be composed of a combination of devices/methods, and the transmission method of FIG. 24 may predict attribute information of point cloud data based on LOD or prediction unit. Prediction of attribute information of point cloud data based on the LOD or prediction unit can be described with reference to FIGS. 15 to 23 .
  • a transmission method includes encoding point cloud data including a plurality of frames (S2400) and transmitting a bitstream including the point cloud data (S2410).
  • the step of encoding the point cloud data includes the step of encoding the geometry and the step of encoding the attribute, and the step of encoding the attribute includes generating a level of detail (LOD) and predicting the attribute based on the LOD. steps may be included.
  • LOD level of detail
  • LOD generation may be performed by the LOD configuration unit 1620 of FIG. 16, and attribute prediction based on the LOD may be performed by the neighbor point set configuration unit 1640, the attribute inter information prediction unit 1650, or the attribute It can be performed in the intra information prediction unit.
  • a reference frame may represent a previously processed frame and may be referred to as a previous frame.
  • the transmission method may predict an attribute based on a prediction region (or prediction unit).
  • the step of encoding the attribute may include constructing a prediction region and predicting the attribute based on the prediction region.
  • the prediction region may be variously referred to as a prediction unit, a prediction region, a prediction node, or a prediction block, and may represent a unit that is a standard for prediction.
  • the transmission method When predicting an attribute based on the prediction region, the transmission method according to the embodiments searches for neighboring points from regions adjacent to the prediction region to which the current point belongs, registers the searched neighbor points as a predictor, and registers the attribute information of the current point. can predict
  • the transmission method searches for neighboring points from a reference prediction area of a previous frame (or reference frame) corresponding to the prediction area and areas adjacent to the reference prediction area, and registers the searched neighboring points as a predictor.
  • attribute information of the current point can be predicted.
  • the reference prediction region in the reference frame can change the reference prediction region by comparing the average value of attributes of points belonging to the prediction region of the current frame with the average value of attributes of points belonging to the reference prediction region and regions adjacent to the reference prediction region. .
  • a reference prediction region may be changed to a region in which a difference between mean values is the smallest.
  • Attribute information to be averaged and compared may include color, reflectivity, and the like.
  • the transmission method may calculate an attribute change vector based on a difference between attribute information values of a prediction region of a current frame and a reference prediction region of a reference frame during attribute prediction. For example, a color change vector may be calculated based on a value difference of color information. Accordingly, attribute information of the current point may be predicted using the attribute change vector.
  • a bitstream includes information indicating whether to change a reference prediction region based on an average value of attribute information of points belonging to the prediction region of the current frame.
  • a transmission device may include an encoder that encodes point cloud data and a transmitter that transmits a bitstream including point cloud data.
  • Each step constituting the transmission method according to the embodiments may be performed by components such as a processor, unit, module, etc., and the components may be referred to by various terms that may indicate the function of each step.
  • 25 is a flowchart illustrating a method for receiving point cloud data according to embodiments.
  • the receiving method of FIG. 25 corresponds to the receiving device of FIG. 1, the receiving device of FIG. 2, the point cloud decoder of FIGS. 10 and 11, the receiving device of FIG. 13, the devices of FIG. 14, and/or the receiving device of FIG. 17, or It can be composed of a plurality of combinations, and the receiving method of FIG. 25 can predict attribute information of point cloud data based on LOD or prediction unit.
  • the receiving method of FIG. 25 may receive signaling information delivered by a transmitting apparatus/method according to embodiments, and predict and restore attribute information of point cloud data accordingly. Prediction of attribute information of point cloud data based on the LOD or prediction unit (or prediction region) can be described with reference to FIGS. 15 to 23 .
  • the receiving method of FIG. 25 may correspond to a reverse process of the transmitting method of FIG. 24 .
  • a receiving method may include receiving a bitstream including point cloud data (S2500) and decoding the point cloud data (S2510).
  • the step of decoding the point cloud data includes decoding the geometry and decoding the attribute, and the step of decoding the attribute includes generating a level of detail (LOD) and determining the attribute based on the LOD. Prediction may be included.
  • LOD level of detail
  • LOD generation may be performed by the LOD configuration unit 1720 of FIG. 17, and attribute prediction based on the LOD may be performed by the neighbor point set configuration unit 1740, the attribute inter information prediction unit 1750, or the attribute It can be performed in the intra information prediction unit.
  • a reference frame may represent a previously processed frame and may be referred to as a previous frame.
  • the receiving method may predict an attribute based on a prediction region (or prediction unit).
  • decoding the attribute may include constructing a prediction region and predicting the attribute based on the prediction region.
  • the prediction region may be variously referred to as a prediction unit, a prediction region, a prediction node, or a prediction block, and may represent a unit that is a standard for prediction.
  • the receiving method When predicting an attribute based on the prediction region, the receiving method according to the embodiments searches for neighboring points from regions adjacent to the prediction region to which the current point belongs, registers the searched neighbor points in a predictor, and registers the attribute information of the current point. can predict
  • the receiving method searches for neighboring points from a reference prediction area of a previous frame (or reference frame) corresponding to the prediction area and areas adjacent to the reference prediction area, and registers the searched neighboring points as a predictor.
  • attribute information of the current point can be predicted.
  • the reference prediction region in the reference frame can change the reference prediction region by comparing the average value of attributes of points belonging to the prediction region of the current frame with the average value of attributes of points belonging to the reference prediction region and regions adjacent to the reference prediction region. .
  • a reference prediction region may be changed to a region in which a difference between mean values is the smallest.
  • Attribute information to be averaged and compared may include color, reflectivity, and the like.
  • the transmission method may calculate an attribute change vector based on a difference between attribute information values of a prediction region of a current frame and a reference prediction region of a reference frame during attribute prediction. For example, a color change vector may be calculated based on a value difference of color information. Accordingly, attribute information of the current point may be predicted using the attribute change vector.
  • a bitstream includes information indicating whether to change a reference prediction region based on an average value of attribute information of points belonging to the prediction region of the current frame.
  • a receiving device may include a receiving unit receiving a bitstream including point cloud data and a decoder decoding the point cloud data.
  • Each step constituting the receiving method according to the embodiments may be performed by a component called a processor, unit, module, etc., and the components may be referred to by various terms that may indicate the function of each step.
  • Inter prediction coding is a necessary technique for efficient compression of point cloud data having multiple frames. Rather than compressing all frames with independent inter-prediction coding, the size of a bitstream can be reduced by analyzing the redundancy and motion of content within frames over time and compressing them accordingly.
  • a neighbor point set selection method and an attribute inter prediction method using the same attribute change vector per PU are provided.
  • this embodiment does not perform LOD construction as well as LOD construction in the encoder (encoder)/decoder (decoder) of Geometry-based Point Cloud Compression (G-PCC) for 3D point cloud data compression. Instead, it is possible to find a set of neighboring points intra/inter by using or correcting the PU of the geometry, select an optimal prediction value through RDO, and provide improved attribute compression efficiency.
  • a method/device uses an attribute change vector for each PU to efficiently handle a phenomenon in which colors are globally changed according to the surrounding environment at the same point. , can provide an effect capable of efficiently encoding/decoding point cloud data.
  • the apparatus for transmitting and receiving point cloud data (for example, the neighbor point set generation unit) according to the above-described embodiments configures a neighbor point set and uses an attribute change vector for each prediction unit (or prediction region) and/or optimizes the optimization through related signaling. It has the effect of increasing attribute compression/decompression efficiency with a set of neighboring points of .
  • an efficient attribute bitstream for providing inter prediction coding of an encoder (encoder) / decoder (decoder) of Geometry-based Point Cloud Compression (G-PCC) for compressing 3D point cloud data Since it can provide, there is an effect of efficiently encoding/decoding point cloud data.
  • the transmission/reception method/device according to the embodiments efficiently compresses the data included in the frame according to time, You can reduce the size of the stream.
  • the method/device according to the embodiments can quickly and accurately restore point cloud data and provide it to a user.
  • transceiver including a memory and/or a processor according to embodiments.
  • the memory may store programs for processing/controlling operations according to embodiments, and the processor may control various operations described in this document.
  • a processor may be referred to as a controller or the like.
  • Operations in embodiments may be performed by firmware, software, and/or a combination thereof, and the firmware, software, and/or combination thereof may be stored in a processor or stored in a memory.
  • Various components of the device of the embodiments may be implemented by hardware, software, firmware or a combination thereof.
  • Various components of the embodiments may be implemented as one chip, for example, as one hardware circuit.
  • components according to the embodiments may be implemented as separate chips.
  • at least one or more of the components of the device according to the embodiments may be composed of one or more processors capable of executing one or more programs, and the one or more programs may be executed. Any one or more of the operations/methods according to the examples may be performed or may include instructions for performing the operations/methods.
  • Executable instructions for performing methods/operations of an apparatus may be stored in a non-transitory CRM or other computer program products configured for execution by one or more processors, or may be stored in one or more may be stored in transitory CRM or other computer program products configured for execution by processors.
  • the memory according to the embodiments may be used as a concept including not only volatile memory (eg, RAM) but also non-volatile memory, flash memory, PROM, and the like. Also, those implemented in the form of a carrier wave such as transmission through the Internet may be included.
  • the processor-readable recording medium is distributed in computer systems connected through a network, so that the processor-readable code can be stored and executed in a distributed manner.
  • first, second, etc. may be used to describe various components of the embodiments. However, interpretation of various components according to embodiments is not limited by the above terms. These terms are only used to distinguish one component from another.
  • a first user input signal may be referred to as a second user input signal.
  • the second user input signal may be referred to as the first user input signal. Use of these terms should be construed as not departing from the scope of the various embodiments.
  • both the first user input signal and the second user input signal are user input signals, they do not mean the same user input signals unless the context clearly indicates otherwise.
  • operations according to embodiments described in this document may be performed by a transceiver including a memory and/or a processor according to embodiments.
  • the memory may store programs for processing/controlling operations according to embodiments, and the processor may control various operations described in this document.
  • a processor may be referred to as a controller or the like.
  • Operations in embodiments may be performed by firmware, software, and/or a combination thereof, and the firmware, software, and/or combination thereof may be stored in a processor or stored in a memory.
  • the transceiver may include a transceiver that transmits and receives media data, a memory that stores instructions (program codes, algorithms, flowcharts, and/or data) for processes according to embodiments, and a processor that controls operations of the transceiver/transceiver.
  • a processor may be referred to as a controller or the like, and may correspond to, for example, hardware, software, and/or combinations thereof. Operations according to the above-described embodiments may be performed by a processor. Also, the processor may be implemented as an encoder/decoder for the operations of the above-described embodiments.
  • the embodiments may be applied in whole or in part to a point cloud data transceiver and system.
  • a person skilled in the art may variously change or modify the embodiments within the scope of the embodiments.

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 상기 포인트 클라우드 데이터를 포함하는 비트스트림을 송신하는 단계를 포함할 수 있다. 또한, 실시예들에 따른 포인트 클라우드 데이터 송신장치는 포인트 클라우드 데이터를 인코딩하는 인코더; 및 상기 포인트 클라우드 데이터를 포함하는 비트스트림을 송신하는 트랜스미터; 를 포함할 수 있다.

Description

포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
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.
기술적 과제를 달성하기 위해서, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계, 포인트 클라우드 데이터를 포함하는 비트스트림을 송신하는 단계를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계, 포인트 클라우드 데이터를 디코딩하는 단계를 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.
도 1은 실시예들에 따른 포인트 클라우드 콘텐트 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 다른 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 포인트 클라우드 데이터 송신장치의 예시이다.
도 13은 실시예들에 따른 포인트 클라우드 데이터 수신장치의 예시이다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 15는 실시예들에 따른 인접 노드의 범위를 나타낸다.
도 16은 실시예들에 따른 포인트 클라우드 데이터 송신 장치/방법을 나타낸다.
도 17은 실시예들에 따른 포인트 클라우드 데이터 수신 장치/방법을 나타낸다.
도 18은 실시예들에 따른 부호화된 비트스트림의 예시이다.
도 19는 실시예들에 따른 시퀀스 파라미터 세트(seq_parameter_set)의 신택스(syntax) 예시이다.
도 20은 실시예들에 따른 어트리뷰트 파라미터 세트(attribute_parameter_set)의 신택스(syntax) 예시이다.
도 21은 실시예들에 따른 타일 파라미터 세트(tile_parameter_set)의 신택스(syntax) 예시이다.
도 22는 실시예들에 따른 어트리뷰트 데이터 헤더(attribute_data_header)의 신택스(syntax) 예시이다.
도 23는 실시예들에 따른 어트리뷰트 pu 헤더(attribute_pu_header)의 신택스(syntax) 예시이다.
도 24는 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타내는 플로우 차트 예시이다.
도 25는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타내는 플로우 차트 예시이다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타난다. 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.
도 1은 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 송신장치(transmission device)(10000) 및 수신장치(reception device)(10004)를 포함할 수 있다. 송신장치(10000) 및 수신장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
실시예들에 따른 송신장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 송신할 수 있다. 실시예들에 따라, 송신장치(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 따른 송신장치(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 송신장치(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, 포인트 클라우드 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 송신한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 송신된다. 도면에 도시되지 않았으나, 송신장치(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 수신장치(10004)로 송신되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신장치(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 송신장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 송신할 수도 있다.
실시예들에 따른 수신장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신장치(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 수신장치(10004)에서 획득한 피드백 정보(feedback information)의 송신 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 송신장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 송신장치(10000)뿐만 아니라 수신장치(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 수신장치(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 수신장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신장치(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 수신장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신장치(10000)로 송신할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신장치(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 수신장치(10004)는 피드백 정보를 송신장치(10000)로 송신할 수 있다. 송신장치(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, 송신장치(10000)는 인코더, 송신 디바이스, 송신기, 송신기 등으로 호칭될 수 있으며, 수신장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/송신/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 송신장치(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 포지션(위치)들을 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, 위치 정보, 위치 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터, 속성 정보, 속성 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 송신장치(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 송신장치(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 정보 및 어트리뷰트 정보를 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 송신장치(10000) 또는 트랜스미터(10003))은 인코딩된 포인트 클라우드 데이터를 송신할 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 송신될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 송신하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 송신할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 송신되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(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 수신장치(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 수신장치(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 수신장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신장치(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 수신장치(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, 구멍(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, 예측트리 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, 예측트리 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.
Figure PCTKR2022017777-appb-img-000001
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 수신장치(예를 들면 수신장치(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 전체 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 PCTKR2022017777-appb-img-000002
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다. .
Triangles formed from vertices ordered 1,…,n
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 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, 속성 잔차값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.다D
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);
}
}
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.
Figure PCTKR2022017777-appb-img-000003
는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다.
Figure PCTKR2022017777-appb-img-000004
는
Figure PCTKR2022017777-appb-img-000005
와
Figure PCTKR2022017777-appb-img-000006
로부터 계산될 수 있다.
Figure PCTKR2022017777-appb-img-000007
와
Figure PCTKR2022017777-appb-img-000008
의 가중치는
Figure PCTKR2022017777-appb-img-000009
과
Figure PCTKR2022017777-appb-img-000010
이다.
Figure PCTKR2022017777-appb-img-000011
Figure PCTKR2022017777-appb-img-000012
는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다.
Figure PCTKR2022017777-appb-img-000013
은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는
Figure PCTKR2022017777-appb-img-000014
로 계산된다. 루트 노드는 마지막
Figure PCTKR2022017777-appb-img-000015
과
Figure PCTKR2022017777-appb-img-000016
을 통해서 다음과 같이 생성된다.,
Figure PCTKR2022017777-appb-img-000017
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
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 디코딩(direct decoding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 디코딩 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 송신장치의 예시이다.
도 12에 도시된 송신장치는 도 1의 송신장치(10000) (또는 도 4의 포인트 클라우드 인코더)의 예시이다. 도 12에 도시된 송신장치는 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 송신장치는 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 송신 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(12002)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 송신 처리부(12012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 송신하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 송신할 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 송신 처리부(12012)로 송신할 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 송신 처리부(12012)는 트랜스미터(10003)의 동작 및/또는 송신 방법과 동일 또는 유사한 동작 및/또는 송신 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 13은 실시예들에 따른 수신장치의 예시이다.
도 13에 도시된 수신장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 13에 도시된 수신장치는 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 수신장치는 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 송수신장치와 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) 송수신장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 송신할 수 있다. 또한 포인트 클라우드 데이터 송수신장치 차량에 탑재된 경우, 포인트 클라우드 송수신장치는 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.
도 1 내지 도 14에서 설명한 것과 같이 포인트 클라우드 데이터는 포인트들의 집합으로 구성되며, 각 포인트는 지오메트리 데이터(지오메트리 정보)와 어트리뷰트 데이터(어트리뷰트 정보)를 가질 수 있다. 지오메트리 데이터는 각 포인트의 3차원 위치 정보(예를 들어, x, y, z축의 좌표값)이다. 즉, 각 포인트의 위치는 3차원 공간을 나타내는 좌표계상의 파라미터들(예를 들면 공간을 나타내는 3개의 축인 X축, Y축 및 Z축의 파라미터들 (x, y, z))로 표현된다. 그리고, 어트리뷰트 정보는 포인트의 색상(RGB, YUV 등), 반사도(reflectance), 법선(normal vectors), 투명도(transparency) 등을 의미할 수 있다. 어트리뷰트 정보는 스칼라 또는 벡터 형태로 표현될 수 있다.
실시예들에 따르면, 포인트 클라우드 데이터의 종류 및 취득 방법에 따라 정적 포인트 클라우드 데이터의 카테고리 1, 동적 포인트 클라우드 데이터의 카테고리 2, 동적으로 움직이면서 취득한 카테고리 3으로 포인트 클라우드 데이터를 분류할 수 있다. 카테고리 1의 경우, 오브젝트나 공간에 대해 포인트들의 밀도가 높은 단일 프레임의 포인트 클라우드로 구성된다. 카테고리 3 데이터는 이동하면서 취득된 다수개의 프레임들을 갖는 프레임-기반 데이터 및 대규모 공간에 대해 라이다 센서를 통해 취득된 포인트 클라우드와 2D 영상으로 취득된 색상 영상이 정합된 단일 프레임의 융합된(fused) 데이터로 구분될 수 있다.
실시예들에 따르면, 다수개의 프레임들을 갖는 프레임-기반 포인트 클라우드 데이터와 같이 시간에 따른 멀티플 프레임들(multiple frames)을 갖는 3차원 포인트 클라우드 데이터를 효율적으로 압축하기 위하여 인터 예측(inter prediction) 코딩/디코딩이 사용될 수 있다. 인터 예측 코딩/디코딩은 지오메트리 정보 및/또는 어트리뷰트 정보에 적용될 수 있다. 인터 예측은 화면간 예측 또는 프레임간 예측이라고 지칭될 수 있고, 인트라 예측은 화면 내 예측이라고 지칭될 수 있다.
실시예들은 3차원 포인트 클라우드(point cloud) 데이터의 압축을 위한 Geometry-based Point Cloud Compression(G-PCC)의 속성(attributes)의 압축 효율을 높이는 방법에 관한 것이다.
실시예들은 속성 정보의 인터(프레임 간) 예측에 사용되는 이웃 포인트 집합 선택 및 속성 인터 예측 방법을 통해 속성 정보의 압축 효율을 높일 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송수신 장치/방법은 다음의 내용을 수행할 수 있다.
속성 정보 인터 예측을 위한 이웃 포인트 집합 선택
PU(Prediction Unit)별 속성 변화 벡터를 사용한 속성 인터 예측
이웃 포인트 집합의 선택 및 인터 예측에 관한 시그널링
포인트 클라우드 데이터는 포인트(point)들의 집합으로 구성되며, 각 포인트는 지오메트리(geometry) 정보와 속성(attributes) 정보를 포함할 수 있다. 지오메트리 정보는 3차원 위치(X, Y, Z) 정보이며, 속성 정보는 색상 (RGB, YUV 등) 및/또는 반사(Reflectance) 값이다. G-PCC 부호화(encoding) 과정은 지오메트리를 압축하고, 압축을 통해 변경된 위치 정보들로 재구성 된 지오메트리(reconstructed geometry=복호화된 지오메트리)에 기반하여 속성 정보를 압축하는 과정으로 구성된다.
G-PCC 복호화(decoding) 과정은 부호화된 지오메트리 비트스트림(bitstream)과 속성 비트스트림을 수신하여 지오메트리를 복호화하고 복호화 과정을 통해 재구성된 지오메트리를 기반으로 속성 정보를 복호화하는 과정으로 구성될 수 있다.
실시예들에 따른 속성 정보 압축 과정은 예측 변환 기법, 리프팅 변환 기법, 또는 RAHT 기법을 사용한다 예측 변환 기법과 리프팅 변환 기법에서는 디테일 레벨(Level Of Detail, 이하 LOD로 지칭)들로 포인트들을 나누어 그룹핑할 수 있다. 이것을 LOD 생성 과정으로 지칭할 수 있으며, 서로 다른 LOD를 가지는 그룹을 LOD 집합으로 지칭할 수 있다. i는 LOD의 레벨을 나타내며 0부터 시작하는 정수이다. LOD_0 은 포인트간의 거리가 가장 큰 포인트로 구성된 집합이고, i가 커질수록 LOD_i에 속한 포인트간의 거리는 작아진다(도 9 참조). LOD는 1개만 존재하도록 설정될 수 있다. LOD가 1개인 경우, 하나의 LOD에 몰톤 순서로 정렬된 형태로 포인트들이 존재할 수 있다. LOD를 생성하는 방법에는 거리 기반 LOD 생성, 일정 순서 간격 별(decimation) 기반 LOD 생성, 옥트리 기반 LOD 생성 방법이 있을 수 있다. LOD 생성 방법은 콘텐츠 또는 서비스의 특성에 따라 다르게 설정될 수 있다.
거리 기반 LOD 생성 방법은 포인트들의 지오메트리 정보를 이용하여 포인트 간 거리를 기반으로 포인트들을 그룹핑하는 LOD 생성 방법이다. 예를 들어, 특정 LOD 레벨에 속하는 포인트들은 포인트들 간의 거리가 적어도 임의의 거리 이상일 수 있다.
일정 순서 간격 기반 LOD 생성 방법은 정렬된 포인트들의 순서 상의 간격을 기반으로 포인트들을 그룹핑하는 LOD 생성 방법일 수 있다. 예를 들어, 임의의 기준으로 정렬된 포인트들을 순서에 따라 인덱스를 부여하고, 3 인덱스 간격으로 포인트들을 샘플링하여 그룹핑하는 방법으로 LOD를 생성할 수 있다.
옥트리 기반 LOD 생성 방법은 옥트리의 노드(또는, 블록)를 기반으로 포인트들을 샘플링하여 LOD를 생성하는 방법이다. LOD 레벨들은 옥트리의 노드에 대응하고, LOD 레벨에서 포인트들을 샘플링하여 다음 LOD 레벨을 생성할 때, LOD 레벨에 대응하는 옥트리 노드에서 포인트를 샘플링하여 다음 LOD 레벨을 구성할 수 있다.
실시예들에 따른 송수신 장치/방법은 LOD 집합을 생성한 후, LOD 집합을 기반으로 LOD 레벨이 같거나 작은(노드간의 거리가 큰) 그룹에서 X(>0)개의 가장 가까운 이웃 포인트(nearest neighbor)들을 찾아 예측기(predictor)에 이웃 포인트 집합으로 등록할 수 있다. X개는 이웃 포인트로 설정될 수 있는 최대 개수로 사용자 파라미터로 입력 받을 수 있다.
실시예들에 따른 송수신 장치/방법은 도 9의 예와 같이 LOD_1 에 속하는 P3의 이웃 포인트를 LOD_0 과 LOD_1 에서 찾을 수 있다. 3개의 가장 가까운 이웃 포인트(또는, 노드)는 P2, P4 및 P6가 선택될 수 있다. 3개의 포인트들은 P3의 예측기에 이웃 포인트 집합으로 등록될 수 있다. LOD 레벨이 1개인 경우, 동일 LOD에서 순서 상 현재 포인트보다 이전에 있는 포인트들 중 3개의 가장 가까운 이웃 노드가 선택될 수 있다.
모든 포인트는 하나의 예측기(predictor)를 가질 수 있다. 포인트들의 속성 값은 예측기에 등록된 이웃 포인트들로부터 예측될 수 있다. 예측기는 이웃 포인트 집합을 통해 현재 포인트의 속성값을 예측할 수 있다. 현재 포인트의 원본 속성값과 현재 포인트의 예측기에 의해 예측된 속성값의 잔차는 부호화되어 실시예에 따른 수신 장치로 시그널 될 수 있다.
실시예들에 따른 송수신 장치/방법은 속성 인터 예측을 위해 프레임간에 사용될 수 있는 이웃 포인트 집합을 검색하는 방법과 PU(Prediction Unit)단위 속성 인터 예측 방법을 수행할 수 있다.
실시예들에 따른 송수신 장치/방법은 속성 정보의 인터 예측을 위한 이웃 포인트 집합 구성 방법을 변경할 수 있고, 예측유닛(PU) 단위의 속성 인터 예측 시 속성의 예측유닛 내의 변화값을 통한 속성 예측 최적화를 지원할 수 있다. 이웃 포인트 집합 구성 방법과 속성 예측 방법은 송신 장치와 수신 장치 모두에 적용될 수 있다.
실시예들에 따른 송수신 장치/방법은 참조 프레임으로부터의 이웃 포인트 집합을 구성할 수 있고, PU(Prediction Unit)를 통한 인터 예측으로 속성 압축 효율을 높일 수 있다.
LOD 기반 이웃 포인트 집합 생성 방안
실시예들에 따른 송수신 장치/방법은 현재 프레임과 참조 프레임의 LOD를 통해 이웃 포인트 집합을 생성할 수 있다. 이웃 포인트 집합은 인트라(현재 프레임 내) 예측 또는 인터(참조 프레임) 예측에서 설정된 최대 이웃 포인트 개수만큼 구성 될 수 있다.
실시예들에 따른 송수신 장치/방법은 인트라 예측 시 LOD 집합을 생성한 후, LOD 집합을 기반으로 LOD 레벨이 같거나 작은(노드간의 거리가 큰) 그룹에서 X(>0)개의 가장 가까운 이웃 포인트(nearest neighbor)들을 찾아 예측기(predictor)에 인트라 이웃 포인트 집합으로 등록할 수 있다.
참조 프레임의 경우, 이미 처리된 데이터이므로 LOD가 이미 생성되어 있을 수 있다. 현재 프레임에서 이웃 포인트 집합을 찾는 현재 포인트가 속한 인트라 LOD가 LOD_n이라면, 참조 프레임으로부터 생성된 LOD로부터 LOD가 같거나 작은 (노드간의 거리가 큰) 그룹에서 X(>0)개의 가장 가까운 이웃 포인트(nearest neighbor)들을 찾아 예측기(predictor)에 인터 이웃 포인트 집합으로 등록할 수 있다.
예를 들어, 현재 포인트가 현재 프레임의 LOD 집합의 LOD_n에 속한 경우, 현재 포인트에 대하여 참조 프레임의 LOD 집합의 LOD_n 또는 그보다 레벨이 작은 LOD에 속한 포인트들에서 가장 가까운 이웃 포인트들이 탐색되어 예측기에 인터 이웃 포인트 집합으로 등록될 수 있다.
현재 프레임, 참조 프레임은 제1 프레임, 제2 프레임 등으로 구분되어 지칭될 수 있다. 현재 프레임의 LOD, 참조 프레임의 LOD는 제1 LOD, 제2 LOD 등으로 구분되어 지칭될 수 있다.
예측유닛(Prediction Unit, PU) 기반 이웃 포인트 집합 생성 방안(LOD 생략 가능)
실시예들에 따른 송수신 방법/장치는 인터 압축 과정에서 LOD를 생성하지 않을 수 있다. 송수신 방법/장치는 LOD를 생성 대신 속성 압축 과정에서 옥트리를 구성할 수 있으며, 지오메트리의 예측유닛과 일치하는 옥트리의 노드를 찾을 수 있다. 참조 프레임의 예측유닛은 모션 벡터를 통해 매칭되는 현재 프레임의 옥트리 노드와 매칭되는 노드(PU)를 찾을 수 있다. 참조 프레임의 PU를 PUref라 하고, 현재 프레임의 매칭된 PU 를 PUcur 라고 할 수 있다. 이웃 포인트 집합은 인트라(현재 프레임 내) 및/또는 인터(참조 프레임)에서 각각 최대 이웃 포인트 개수만큼 구성될 수 있다.
실시예들에 따른 송수신 방법/장치는 속성 정보 예측 시 현재 포인트가 포함되는 옥트리의 노드(또는, 블록)를 기반으로 매칭되는 참조 프레임의 예측유닛을 탐색하고, 참조 프레임의 예측유닛으로부터 현재 포인트의 가장 가까운 이웃 포인트들을 탐색하여 예측기에 등록할 수 있다. 예측기는 탐색된 가장 가까운 이웃 포인트들을 기반으로 현재 포인트의 속성 정보를 예측할 수 있다. 이때, 현재 프레임에서 현재 포인트가 속하는 옥트리의 노드는 현재 프레임의 예측유닛에 대응할 수 있다. 현재 프레임의 예측유닛은 PUcur, 참조 프레임의 예측유닛은 Puref로 표현될 수 있다.
실시예들에 따른 예측유닛은 예측영역, 예측구역, 예측노드, 예측블럭 등 다양하게 지칭될 수 있으며, 예측의 기준이 되는 단위를 나타낼 수 있다.
도 15는 실시예들에 따른 예측유닛(PU, 1510)의 인접 노드의 범위를 나타낸다.
실시예들에 따른 송수신 장치/방법은 현재 예측유닛(PUcur)과 현재 예측유닛(PUcur)을 눌러싼 인접 노드들에서 X(>0)개의 가장 가까운 이웃 포인트(nearest neighbor)들을 찾아 예측기(predictor)에 인트라 이웃 포인트 집합으로 등록할 수 있다. 현재 예측유닛(PUcur)의 인접 노드 범위는 입력을 받아 설정될 수 있다.
이웃 포인트 검색은 예측유닛(PU)의 옥트리 레벨을 기준으로 몰톤 코드를 shift하여 로컬 몰톤 코드로 변경한 후, 정렬하고, 가장 가까운 몰톤 코드 기준으로 특정 범위(search_range) 내에 존재하는 포인트에서 가장 가까운 이웃 포인트를 검색할 수 있다.
실시예들에 따른 송수신 장치/방법은 참조 예측유닛(PUref)과 현재 예측유닛(PUref)을 눌러싼 인접 노드들에서 X(>0)개의 가장 가까운 이웃 포인트(nearest neighbor)들을 찾아 예측기(predictor)에 인터 이웃 포인트 집합으로 등록할 수 있다. 참조 예측유닛(PUref)의 인접 노드 범위는 입력 받아서 설정될 수 있고, 현재 예측유닛(PUcur)과 동일하게 설정될 수 있다.
이웃 포인트 검색은 예측유닛(PU)의 옥트리 레벨을 기준으로 몰톤 코드를 shift하여 로컬 몰톤 코드로 변경한 후, 정렬하고, 가장 가까운 몰톤 코드 기준으로 특정 범위(search_range) 내에 존재하는 포인트에서 가장 가까운 이웃 포인트를 검색할 수 있다.
실시예들에 따른 송수신 장치/방법은 현재 포인트가 속하는 현재 프레임의 예측유닛 및 해당 예측유닛에서 인접한 영역에서 이웃 포인트들을 탐색할 수 있다. 또한, 송수신 장치/방법은 현재 프레임의 예측유닛과 대응하는 참조 프레임의 예측유닛 및 해당 예측유닛에서 인접한 영역에서 이웃 포인트들을 탐색할 수 있다. 탐색된 이웃 포인트들은 현재 포인트에 대한 예측기로 등록되고, 현재 포인트의 속성 정보를 예측하는데 사용될 수 있다. 유닛은 노드, 블록, 영역, 구역 등 다양한 용어로 지칭될 수 있다.
예측유닛(PU) 기준 이웃 포인트 집합 생성 확장 (LOD 생략 가능)
송수신 장치/방법은 인터 압축 과정에서 추가로 LOD를 생성하지 않을 수 있다. LOD를 구성하는 대신 속성 압축 과정에서 옥트리를 구성할 수 있고, 지오메트리의 예측유닛(PUcur)과 일치하는 옥트리의 노드를 찾을 수 있다. 참조 프레임의 예측유닛(PUref)는 모션 벡터를 통해 매칭되는 현재 프레임의 옥트리 노드와 매칭되는 참조 프레임의 옥트리 노드를 통해 탐색될 수 있다.
참조 프레임의 예측유닛(PUref)을 참조 예측유닛(PUref, reference PU)라 하고, 현재 프레임의 매칭된 예측유닛(PU)을 현재 예측유닛(PUcur, current PU) 라고 할 수 있다.
실시예들에 따른 송수신 장치/방법은 현재 예측유닛(Pucur)에 속하는 포인트들의 평균 색상값을 구하고, 참조 프레임에서 참조 예측유닛(PUref)과 참조 예측유닛(PUref)의 인접 노드들에 속하는 포인트들의 평균 색상값을 구하여, 현재 예측유닛(PUcur)과 평균 색상값의 차이가 가장 적은 노드로 참조 예측유닛(PUref)을 변경할 수 있다. 이를 통해 포인트의 지오메트리의 모션 변경과, 색상의 차이에서 오는 오류를 방지할 수 있다. 참조 예측유닛(PUref)의 매칭 변경에 관한 정보는 수신 장치(또는, 디코더)에 시그널링 될 수 있다. 이웃 포인트 집합은 인트라(현재 프레임 내)에서 최대 이웃 포인트 개수만큼 구성되거나, 인터(참조 프레임)에서 최대 이웃 포인트 개수만큼 구성될 수 있다.
실시예들에 따른 예측유닛은 예측영역, 예측구역, 예측노드, 예측블럭 등 다양하게 지칭될 수 있으며, 예측의 기준이 되는 단위를 나타낼 수 있다.
실시예들에 따른 송수신 장치/방법은 현재 예측유닛(Pucur)에 속하는 포인트들의 평균 속성값을 구하고, 참조 프레임에서 참조 예측유닛(PUref)과 참조 예측유닛(PUref)의 인접 노드들에 속하는 포인트들의 평균 속성값을 구하여, 현재 예측유닛(PUcur)과 평균 색상값의 차이가 가장 적은 노드(또는, 영역)로 참조 예측유닛(PUref)을 변경할 수 있다. 비교 대상인 속성 정보는 색상, 반사도 등을 포함할 수 있다.
또는, 실시예들에 따른 송수신 장치/방법은 참조 프레임에서 참조 예측유닛(PUref)과 참조 예측유닛(PUref)의 인접 노드들에 속하는 포인트들의 평균 속성값을 구하여, 현재 포인트의 속성값과 차이가 가장 적은 노드(또는, 영역)로 참조 예측유닛(PUref)을 변경할 수 있다. 비교 대상인 속성 정보는 색상, 반사도 등을 포함할 수 있다.
예측유닛(PU) 별 속성(예를들면, 색상) 변화 벡터
예측유닛(PU)을 기준으로 이웃 포인트 집합을 생성하는 경우, 지오메트리의 예측유닛(PU) 별 모션 벡터 예측과 유사하게, 속성 정보에 대해서도 현재 프레임의 예측유닛(PUcur)과 매칭되는 참조 프레임의 예측유닛(PUref) 간에 속성 변화 벡터가 생성될 수 있다. 속성 변화 벡터는 속성값의 변화를 나타내는 벡터이며, 예를 들면 R,G,B 값의 차이를 나타내는 색상 변화 벡터 또는 다른 속성 정보의 차이를 나타내는 벡터일 수 있다.
포인트 클라우드 데이터는 같은 색임에도 불구하고, 주변 환경에 따라 다른 색상으로 캡처될 수 있다. 예를 들어, 같은 도로인데 빛의 방향에 따라서 전체적으로 색상이 일관성 있게 변경될 수 있다. 예측유닛(PU) 별 색상 변화 벡터는 이러한 경우를 위한 추가 정보이고, 참조 프레임의 예측유닛(PUref)에 색상 변화 벡터를 적용하면, 잔차값이 작아지면서 비트스트림의 사이즈를 줄일 수 있다. 예측유닛(PU) 별 속성 변화 벡터는 수신 장치(또는, 디코더)에 시그널 될 수 있고, 속성 변화 벡터 적용 여부는 RDO(Rate Distortion Optimization)를 통해 결정되며, 수신 장치(또는, 디코더)에 시그널 될 수 있다.
도 16은 실시예들에 따른 포인트 클라우드 데이터 송신 장치/방법을 나타낸다.
인코더(encoder)는 부호화기로 디코더(decoder)로 복호화기로 지칭될 수 있다.
도 16의 송신 장치/방법은 도 1의 송신 장치, 도 2의 송신, 도 4의 포인트 클라우드 인코더, 도 12의 송신장치, 도 14의 디바이스들, 도 24의 송신 방법과 대응하거나, 복수의 송신 장치/방법들의 조합으로 구성될 수 있으며, 도 16의 송신 장치/방법은 LOD 또는 예측유닛을 기반으로 포인트 클라우드 데이터의 속성 정보를 예측할 수 있다.
도 16을 참조하면, 부호화기의 입력으로 PCC 데이터(또는, 포인트 클라우드 데이터)가 들어가고 부호화되어 기하정보 비트스트림과 속성정보 비트스트림이 출력될 수 있다.
송신 장치/방법의 이웃 포인트 집합 구성부(1640)는 전술한 실시예들에 따른 이웃 포인트 집합 구성 동작을 수행할 수 있다. 이웃 포인트 집합을 구성하기 위한 인접 영역(또는, 노드)의 범위는 사용자로부터 입력되는 파라미터일 수 있다.
도 16의 속성 정보 부호화부는 다음의 구성요소들을 포함할 수 있다.
실시예들에 따른 송신 장치/방법은 LOD의 구성 여부를 판단하고(1610), 그에 따라 LOD구성부(1620) 또는 PU구성부(1630)에서 동작을 수행할 수 있다. LOD구성부(1620)는 포인트 클라우드 데이터를 기반으로 LOD를 구성할 수 있고, PU구성부(1630)는 예측유닛을 구성할 수 있다. 예측유닛은 옥트리의 노드를 기반으로 구성될 수 있다.
속성 인터 예측을 위한 LOD 사용 여부는 수신 장치(또는, 디코더)에 전달되고, 그에 따라 수신 장치(도 17 참조)의 LOD구성부(도17, 1720) 또는 PU구성부(도17, 1730)가 동작을 수행하여 포인트 클라우드 데이터를 복원할 수 있다.
LOD 구성부(1620)는 각 그룹별 LOD를 구성할 수 있다. 인터 예측의 경우 참조 프레임의 LOD를 Intra/Inter 이웃 포인트 집합 구성부(1640)에 전달 할 수 있다.
PU 구성부(1630)는 지오메트리의 예측유닛(PU)에 맞춰서 옥트리 노드 기반 속성 예측유닛(PU)을 구성할 수 있다. 속성에 따른 예측유닛(PU)의 보정 여부가 설정된 경우, 현재 프레임 예측유닛(PU)의 평균 속성 정보에 맞춰서 참조 프레임의 예측유닛 및 예측유닛 주변의 노드(또는, 영역)들과 평균 속성 정보를 비교하여 가장 유사한 노드로 예측유닛(PU)을 변경할 수 있다. 속성 정보에 따른 예측유닛(PU) 보정 여부는 수신 장치(또는, 디코더)에 전송되고, 예측유닛(PU) 조정도 수신 장치에 전송되어 수신 장치는 예측유닛(PU)를 인코더와 동일하게 구성할 수 있다.
PU 구성부(1630)는 현재 프레임의 예측유닛과 참조 프레임의 매칭 예측유닛을 구성 한 후, 예측유닛 별 속성 정보 변화 벡터를 계산하고 수신 장치(또는, 디코더)에 전송할 수 있다. 예측유닛 별 속성 정보 변화 벡터 사용 여부도 수신 장치(또는, 디코더)에 전송될 수 있다. 수신 장치는 전송된 값을 기반으로 어트리뷰트 inter 정보 예측부(도17, 1750)에서 속성값을 예측 및 복원할 수 있다.
Intra/Inter 이웃 포인트 집합 구성부(1640)는 각 그룹별로 생성된 LOD 또는 예측유닛을 기준으로 속성 예측을 위해 포인트와 거리상으로 가까운 이웃 포인트를 찾아 인터 이웃 포인트 집합과 인트라 이웃 포인트 집합을 구성할 수 있다. 하나의 포인트 당 최대 이웃 포인트 개수는 사용자 인코딩 옵션으로 설정할 수 있으며, 디폴트는 3개일 수 있다. 인터 이웃 포인트 집합을 위한 검색 범위는 디코더에 시그널링 되고, 이웃 포인트 집합 구성시 사용될 수 있다.
어브리뷰트 inter 정보 예측부(1650)는 예측유닛별 속성 정보 변화 벡터 사용 여부에 따라 예측유닛 별 속성 정보 변화 벡터를 적용한 참조 프레임의 예측유닛 포인트들을 기반으로 현재 프레임의 현재 포인트의 속성 정보를 예측할 수 있다.
Intra/Inter 이웃 포인트 집합 구성부(1640), 어트리뷰트 inter 정보 예측부(1650) 또는 어트리뷰트 intra정보 예측부는 Intra/Inter 이웃 포인트 집합 구성부로부터 인터 이웃 포인트 집합과 인트라 이웃 포인트 집합을 전달 받아 RDO를 통해 가장 좋은 예측 값을 선택할 수 있다. 가장 좋은 예측이 인터 이웃 포인트 집합에 속할 경우 inter_flag를 true로 설정하고 모드를 함께 수신장치(또는, 디코더)에 전송할 수 있다. 가장 좋은 예측이 인트라 이웃 포인트 집합에 속할 경우 inter_flag를 false로 설정하고 모드를 함께 수신장치(또는, 디코더)에 전송할 수 있다.
도 17은 실시예들에 따른 포인트 클라우드 데이터 수신 장치/방법을 나타낸다.
도 17은 PCC 데이터 복호화기의 블록도를 나타낼 수 있다.
도 17의 수신 장치/방법은 도 1의 수신 장치, 도 2의 수신, 도 10, 도 11의 포인트 클라우드 디코더, 도 13의 수신장치, 도 14의 디바이스들 및/또는 도25의 수신 방법과 대응하거나, 복수의 조합으로 구성될 수 있으며, 도 17의 수신 장치/방법은 LOD 또는 예측유닛을 기반으로 포인트 클라우드 데이터의 속성 정보를 예측할 수 있다. 도 17의 수신 장치/방법은 실시예들에 따른 송신 장치/방법에서 전달하는 시그널링 정보를 수신하여 그에 따라 포인트 클라우드 데이터의 속성 정보를 예측하고 복원할 수 있다.
도 17을 참조하면, 복호화기(또는, 수신 장치)의 입력으로 부호화된 지오메트리 정보 비트스트림과 어트리뷰트 정보 비트스트림이 들어가고 복호화되어 복원된 PCC 데이터가 출력될 수 있다.
실시예들에 따른 수신 장치는 어트리뷰트 정보 복호화부를 포함하고, 어트리뷰트 정보 복호화부는 다음의 구성요소들을 포함할 수 있다.
어트리뷰트 정보 복호화부는 송신 장치(또는, 인코더)에서 전송된 예측유닛 구성 여부에 관한 정보를 복호화하고, LOD 구성 여부에 따라 LOD 구성부(1720) 또는 예측유닛 구성부(1730)가 동작을 수행할 수 있다.
LOD 구성부(1720)는 각 그룹별 LOD를 구성할 수 있다. 인터 예측의 경우 참조 프레임의 LOD를 이웃 포인트 집합 Intra/Inter 구성부(1740)에 전달 할 수 있다.
PU 구성부(1730)는 지오메트리의 예측유닛(PU)에 대응하는 옥트리 노드 기반 속성 정보 예측유닛을 구성할 수 있다. 속성에 따른 예측유닛 보정 여부가 설정된 경우, 현재 프레임 예측유닛의 평균 속성 정보에 맞춰서 참조 프레임의 예측유닛 및 예측유닛 주변의 노드들과 평균 속성 정보를 비교함으로써 가장 유사한(가장 차이값이 적은) 노드로 예측유닛을 변경할 수 있다. 실시예들에 따른 수신 장치는 송신 장치(또는, 인코더)에서 전송된 속성 정보에 따른 예측유닛(PU) 보정 여부에 관한 정보를 복호화하고, 예측유닛 조정 정보를 복호화 하여 예측유닛을 재구성할 수 있다.
PU 구성부(1730)는 현재 프레임의 예측유닛과 참조 프레임의 매칭 예측유닛을 구성 한 후, 인코더에서 전송된 예측유닛 별 속성 정보 변화 벡터와 예측유닛 별 속성 정보 변화 벡터 사용 여부를 복호화하여 어트리뷰트 inter 정보 예측부(1750)에서 속성을 예측 또는 복원할 수 있다.
Intra/Inter 이웃 포인트 집합 구성부(1740)는 각 그룹별로 생성된 LOD 또는 PU를 기준으로 속성 예측을 위해 포인트와 거리상으로 가까운 이웃 포인트를 찾아 인터 이웃 포인트 집합과 인트라 이웃 포인트 집합을 구성할 수 있다. 인코더에서 전송된 인터 이웃 포인트 집합을 위한 검색 범위를 복호화하여 이웃 포인트 집합 구성시 적용될 수 있다.
어브리뷰트 inter 정보 예측부(1750)은 복원된 PU별 속성 정보 변화 벡터 사용 여부에 따라 PU별 속성 정보 변화 벡터를 적용한 참조 프레임의 PU에 속하는 포인트들을 기반으로 현재 포인트의 속성 정보를 예측할 수 있다.
어트리뷰트 inter 정보 예측부(1750)는 Intra/Inter 이웃 포인트 집합 구성부(1740)로부터 인터 이웃 포인트 집합과 인트라 이웃 포인트 집합을 전달 받고, 전송받은 inter_flag, 모드, 잔차 값을 복원하여 속성 정보를 복원할 수 있다.
도 18은 실시예들에 따른 부호화된 비트스트림의 예시이다.
실시예들에 따른 송수신 장치/방법은 실시예들에 따른 속성 정보 예측을 수행 하기 위해서 관련 정보를 시그널링 할 수 있다. 실시예들에 따른 시그널링 정보는 송신단 또는 수신단 등에서 사용될 수 있다.
부호화된 포인트 클라우드 구성은 다음과 같다. 지오메트리 인코딩 및/또는 어트리뷰트 인코딩을 수행하는 포인트 클라우드 데이터 인코더는 다음과 같은 인코딩된 포인트 클라우드(또는, 포인트 클라우드를 포함하는 비트스트림)를 생성할 수 있다. 또한, 포인트 클라우드 데이터에 관한 시그널링 정보는 포인트 클라우드 데이터 송신 장치의 메타데이터 처리부에 의해 생성되고 처리되어 다음과 같이 포인트 클라우드에 포함될 수 있다.
각 약어는 다음을 의미한다. 각 약어는 동등한 의미의 범위 내에서 다른 용어로 지칭될 수 있다.
SPS: Sequence Parameter Set
GPS: Geometry Parameter Set
APS: Attribute Parameter Set
TPS: Tile Parameter Set
Geom: Geometry bitstream = geometry slice header+ [geometry PU header + Geometry PU data] | geometry slice data
Attr: Attribute bitstream = attribute data unit header + [attribute PU header + attribute PU data] | attribute data unit data
속성 정보 인코딩/디코딩 과정에서 포인트 클라우드 데이터 시퀀스에 대한 속성 인터 예측을 위한 관련 정보는 SPS, 또는 APS에 추가 되서 시그널링 될 수 있다. 같은 시퀀스내에 다른 속성 특성을 가지고 있는 타일 또는 슬라이스가 존재한다면, 시퀀스에 대한 속성 인터 예측 기능을 위한 관련 정보는 TPS 또는 각 Slice별 Attr에 추가되어 시그널링 될 수 있다.
실시예들에 따른 송수신 장치/방법은 포인트 클라우드를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스를 제공할 수 있다.
포인트 클라우드 데이터를 영역별로 나눌 때 각각의 영역 별로 다른 이웃 포인트 집합 생성 옵션을 설정해서 복잡도(complexity)는 낮고, 결과의 신뢰도는 다소 떨어지거나 반대로 복잡도가 높으나 신뢰도가 높은 선택 방안을 제공할 수 있다. 옵수신기의 처리능력(capacity)에 따라서 다르게 설정할 수 있다.
영역별로 나눌 때 특정 영역의 속성 특성이 시퀀스가 갖는 속성 특성과 다를 수 있어서 다르게 설정할 수 있다.
따라서, 포인트 클라우드 데이터가 타일(Tile)로 나누어지는 경우, 각 타일별로 다른 이웃 포인트 최대 범위가 적용될 수 있다. 포인트 클라우드 데이터가 슬라이스(Slice)로 나누어지는 경우, 각 슬라이스별로 다른 이웃 포인트 최대 범위가 적용될 수 있다.
속성 인터 예측을 위한 예측유닛(PU) 관련 정보는 Attribute PU header에 추가될 수 있다.
도 19는 실시예들에 따른 시퀀스 파라미터 세트(seq_parameter_set)의 신택스(syntax) 예시이다.
속성 정보 인코딩/디코딩 과정에서 속성 인터 예측을 위한 정보는 Sequence Parameter Set에 추가되어 시그널링 할 수 있다. 추가된 파라미터들은 이웃 포인트 설정 기능 및 인터 예측을 위해 효율적으로 시그널링 될 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
attr_inter_LOD_generation_flag[i]는 포인트 클라우드 데이터 시퀀스의 속성 정보 인터 예측 시 LOD를 구성할지 여부를 나타낼 수 있다. True: LOD 적용, False= PU 적용
attr_inter_pu_generation_with_avg_attr_flag[i]는 포인트 클라우드 데이터 시퀀스의 속성 정보 압축 시 PU를 구성하여 속성 인터 예측을 수행하는 경우, 지오메트리 기반 현재 프레임과 참조 프레임의 매칭 예측유닛(PU)에서 평균 속성값을 기반으로 참조 프레임의 매칭 예측유닛을 재조정할지 여부를 나타낸다.
attr_inter_neighbour_search_range[i]는 포인트 클라우드 데이터 시퀀스의 속성 정보 인터 예측 시, 프레임간 예측에서 이웃 포인트 집합 구성을 위한 포인트 탐색 범위를 나타낼 수 있다.
profile_idc는 비트스트림이 Annex A에 지정된 대로 준수하는 프로파일을 나타낼 수 있다. Bitstream은 Annex A에 지정된 값 이외의 profile_idc 값을 포함하지 않는다. profile_idc의 다른 값은 ISO/IEC에서 향후 사용을 위해 예정되어 있을 수 있다.
1과 동일한 profile_compatibility_flags는 비트스트림이 j와 동일한 profile_idc에 의해 표시된 프로파일을 준수함을 나타낼 수 있다.
sps_num_attribute_sets는 비트스트림에서 코딩된 속성의 수를 나타낼 수 있다. sps_num_attribute_sets의 값은 0에서 63 사이여야 합니다.
attribute_dimension[ i ]은 i번째 속성의 구성 요소 수를 지정할 수 있다.
attribute_instance_id[ i ]는 i번째 속성에 대한 인스턴스 ID를 지정할 수 있다.
도 20은 실시예들에 따른 어트리뷰트 파라미터 세트(attribute_parameter_set)의 신택스(syntax) 예시이다.
속성 정보 인코딩/디코딩 과정에서 속성 인터 예측을 위한 정보는 Attribute Parameter Set에 추가되어 시그널링 할 수 있다. 추가된 파라미터들은 이웃 포인트 설정 기능 및 인터 예측을 위해 효율적으로 시그널링 될 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
attr_inter_LOD_generation_flag[i]는 포인트 클라우드 데이터 시퀀스의 속성 정보 인터 예측 시 LOD를 구성할지 여부를 나타낼 수 있다. True: LOD 적용, False= PU 적용
attr_inter_pu_generation_with_avg_attr_flag[i]는 포인트 클라우드 데이터 시퀀스의 속성 정보 압축 시 PU를 구성하여 속성 인터 예측을 수행하는 경우, 지오메트리 기반 현재 프레임과 참조 프레임의 매칭 예측유닛(PU)에서 평균 속성값을 기반으로 참조 프레임의 매칭 예측유닛을 재조정할지 여부를 나타낸다.
attr_inter_neighbour_search_range[i]는 포인트 클라우드 데이터 시퀀스의 속성 정보 인터 예측 시, 프레임간 예측에서 이웃 포인트 집합 구성을 위한 포인트 탐색 범위를 나타낼 수 있다.
aps_attr_parameter_set_id는 다른 신택스 요소에서 참조할 수 있도록 APS에 대한 식별자를 제공할 수 있다. aps_attr_parameter_set_id의 값은 0에서 15까지의 범위에 있다.
aps_seq_parameter_set_id는 active SPS에 대한 sps_seq_parameter_set_id 값을 지정할 수 있다. aps_seq_parameter_set_id의 값은 0에서 15까지의 범위에 있을 수 있다.
Lifting_num_pred_nearest_neighbours는 예측에 사용할 최근접 이웃의 최대 수를 지정할 수 있다. Lifting_num_pred_nearest_neighbours의 값은 1에서 xx의 범위에 있을 수 있다.
lifting_max_num_direct_predictors specifies the maximum number of predictor to be used for direct prediction. The value of lifting_max_num_direct_predictors shall be range of 0 to lifting_num_pred_nearest_neighbours.The value of the variable MaxNumPredictors that is used in the decoding process as follows:
Lifting_max_num_direct_predictors는 직접 예측에 사용할 예측자의 최대 수를 지정할 수 있다. Lifting_max_num_direct_predictors의 값은 0에서lifting_num_pred_nearest_neighbours의 범위일 수 있다. 디코딩 과정에서 사용되는 변수 MaxNumPredictors의 값은 다음과 같다.
MaxNumPredictors = lifting_max_num_direct_predicots + 1
도 21은 실시예들에 따른 타일 파라미터 세트(tile_parameter_set)의 신택스(syntax) 예시이다.
속성 정보 인코딩/디코딩 과정에서 속성 인터 예측을 위한 정보는 Tile Parameter Set에 추가되어 시그널링 할 수 있다. 추가된 파라미터들은 이웃 포인트 설정 기능 및 인터 예측을 위해 효율적으로 시그널링 될 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
attr_inter_LOD_generation_flag[i]는 포인트 클라우드 데이터 시퀀스의 속성 정보 인터 예측 시 LOD를 구성할지 여부를 나타낼 수 있다. True: LOD 적용, False= PU 적용
attr_inter_pu_generation_with_avg_attr_flag[i]는 포인트 클라우드 데이터 시퀀스의 속성 정보 압축 시 PU를 구성하여 속성 인터 예측을 수행하는 경우, 지오메트리 기반 현재 프레임과 참조 프레임의 매칭 예측유닛(PU)에서 평균 속성값을 기반으로 참조 프레임의 매칭 예측유닛을 재조정할지 여부를 나타낸다.
attr_inter_neighbour_search_range[i]는 포인트 클라우드 데이터 시퀀스의 속성 정보 인터 예측 시, 프레임간 예측에서 이웃 포인트 집합 구성을 위한 포인트 탐색 범위를 나타낼 수 있다.
num_tiles는 비트스트림에 대해 신호된 타일 수를 지정할 수 있다. 존재하지 않는 경우 num_tiles는 0으로 유추될 수 있다.
tile_bounding_box_offset_x[ i ]는 카르테시안 좌표에서 i번째 타일의 x 오프셋을 나타낼 수 있다. 존재하지 않는 경우 tile_bounding_box_offset_x[ 0 ]의 값은 sps_bounding_box_offset_x인 것으로 유추될 수 있다.
tile_bounding_box_offset_y[ i ]는 카르테시안 좌표에서 i 번째 타일의 y 오프셋을 나타낼 수 있다. 존재하지 않는 경우 tile_bounding_box_offset_y[ 0 ]의 값은 sps_bounding_box_offset_y로 유추될 수 있다.
도 22는 실시예들에 따른 어트리뷰트 데이터 헤더(attribute_data_header)의 신택스(syntax) 예시이다.
속성 정보 인코딩/디코딩 과정에서 속성 인터 예측을 위한 정보는 Attribute Slice Header 에 추가되어 시그널링 할 수 있다. 추가된 파라미터들은 이웃 포인트 설정 기능 및 인터 예측을 위해 효율적으로 시그널링 될 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
attr_inter_LOD_generation_flag[i]는 포인트 클라우드 데이터 시퀀스의 속성 정보 인터 예측 시 LOD를 구성할지 여부를 나타낼 수 있다. True: LOD 적용, False= PU 적용
attr_inter_pu_generation_with_avg_attr_flag[i]는 포인트 클라우드 데이터 시퀀스의 속성 정보 압축 시 PU를 구성하여 속성 인터 예측을 수행하는 경우, 지오메트리 기반 현재 프레임과 참조 프레임의 매칭 예측유닛(PU)에서 평균 속성값을 기반으로 참조 프레임의 매칭 예측유닛을 재조정할지 여부를 나타낸다.
attr_inter_neighbour_search_range[i]는 포인트 클라우드 데이터 시퀀스의 속성 정보 인터 예측 시, 프레임간 예측에서 이웃 포인트 집합 구성을 위한 포인트 탐색 범위를 나타낼 수 있다.
abh_attr_parameter_set_id는 active APS의 aps_attr_parameter_set_id 값을 지정할 수 있다.
abh_attr_sps_attr_idx는active SPS에 설정된 속성을 지정할 수 있다. abh_attr_sps_attr_idx의 값은 active SPS에서 0에서 sps_num_attribute_sets 범위에 있을 수 있다.
ash_attr_geom_slice_id는 active Geometry Slice 헤더의 gsh_slice_id 값을 지정할 수 있다.
도 23는 실시예들에 따른 어트리뷰트 pu 헤더(attribute_pu_header)의 신택스(syntax) 예시이다.
속성 정보 인코딩/디코딩 과정에서 속성 인터 예측을 위한 정보는 Attr PU Header 에 추가되어 시그널링 될 수 있다. 추가된 파라미터들은 이웃 포인트 설정 기능 및 인터 예측을 위해 효율적으로 시그널링 될 수 있다. 또한, 인터 예측(inter prediction) 관련 옵션 정보는Attr PU Header 를 생성하여 Attr PU Header를 통해 시그널링 될 수 있다. 파라미터들은 인터 예측(inter-prediction) 지원을 위해 효율적으로 시그널링 될 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
pu_tile_id는 예측유닛(PU)이 속하는 타일 ID를 나타낼 수 있다.
pu_slice_id난 PU가 속하는 슬라이스 ID를 나타낼 수 있다.
pu_cnt는 슬라이스에 포함된 PU들의 개수를 나타낼 수 있다.
pu_id는 PU ID를 나타낼 수 있다.
pu_octree_level은 옥트리 기반으로 PU 생성 시, PU의 옥트리 레벨을 나타낸다.
pu_octree_mc는 옥트리 기반으로 PU 생성시, PU의 옥트리 레벨에서의 몰톤 코드 값을 나타낸다.
pu_local_motion_vector는 PU에 적용되는 로컬 모션 벡터를 나타낸다.
pu_local_attr_vector는 PU에 적용되는 로컬 속성 변화 벡터를 나타낸다.
pu_local_attr_apply_flag는 PU에 속성 변화 벡터 적용하는지 여부를 나타낸다.
pu_origin_xyz는 전체 PU들의 origin의 위치를 나타낸다.
pu_origin_log2_scale은 전체 PU들의 origin scale 값을 나타낸다.
AttrDim = attribute_dimension_minus1[ash_attr_sps_attr_idx] + 1
attribute_dimension_minus1[ attrId ] 더하기 1은 attrId 번째 속성의 구성 요소 수를 지정한다.
도 24는 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타내는 플로우 차트 예시이다.
도 24의 송신 방법은 도 1의 송신 장치, 도 2의 송신, 도 4의 포인트 클라우드 인코더, 도 12의 송신장치, 도 14의 디바이스들 및/또는 도 16의 송신 장치와 대응하거나, 복수의 송신 장치/방법들의 조합으로 구성될 수 있으며, 도 24의 송신 방법은 LOD 또는 예측유닛을 기반으로 포인트 클라우드 데이터의 속성 정보를 예측할 수 있다. LOD 또는 예측유닛을 기반으로 포인트 클라우드 데이터의 속성 정보를 예측은 도 15 내지 도23으로부터 설명될 수 있다.
도 24를 참조하면, 실시예들에 따른 송신 방법은 복수의 프레임들을 포함하는 포인트 클라우드 데이터를 인코딩하는 단계(S2400)와 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계(S2410)를 포함한다.
포인트 클라우드 데이터를 인코딩하는 단계(S2400)은 지오메트리를 인코딩하는 단계와 어트리뷰트를 인코딩하는 단계를 포함하고, 어트리뷰트를 인코딩하는 단계는 LOD(Level of Detail)을 생성하는 단계와 LOD를 기반으로 어트리뷰트를 예측하는 단계를 포함할 수 있다.
LOD의 생성은 도16의 LOD구성부(1620)에서 수행될 수 있고, LOD를 기반으로 하는 어트리뷰트의 예측은 도 16의 이웃 포인트 집합 구성부(1640), 어트리뷰트 inter 정보 예측부(1650) 또는 어트리뷰트 intra 정보 예측부에서 수행될 수 있다.
LOD를 기반으로 어트리뷰트를 예측 시, 참조 프레임의 LOD를 기반으로 어트리뷰트를 예측할 수 있다. 참조 프레임은 이전에 처리된 프레임을 나타낼 수 있으며, 이전 프레임으로 지칭될 수 있다.
LOD를 기반으로 예측하지 않는 경우, 실시예들에 따른 송신 방법은 예측영역(또는, 예측 유닛)을 기반으로 어트리뷰트를 예측할 수 있다. 따라서, 어트리뷰트를 인코딩하는 단계는 예측영역을 구성하는 단계와 예측영역을 기반으로 어트리뷰트를 예측하는 단계를 포함할 수 있다. 예측영역은 예측유닛, 예측구역, 예측노드, 예측블럭 등 다양하게 지칭될 수 있으며, 예측의 기준이 되는 단위를 나타낼 수 있다.
예측영역을 기반으로 어트리뷰트를 예측 시, 실시예들에 따른 송신 방법은 현재 포인트가 속하는 예측영역과 인접하는 영역들로부터 이웃 포인트를 탐색하고, 탐색된 이웃 포인트들을 예측기로 등록하여 현재 포인트의 속성 정보를 예측할 수 있다.
또한, 실시예들에 따른 송신 방법은 예측영역과 대응하는 이전 프레임(또는, 참조 프레임)의 참조 예측영역과 참조 예측영역에 인접한 영역들로부터 이웃 포인트를 탐색하고, 탐색된 이웃 포인트들을 예측기로 등록하여 현재 포인트의 속성 정보를 예측할 수 있다. 이때, 참조 프레임에서 참조 예측영역은 현재 프레임의 예측영역에 속하는 포인트들의 속성의 평균값을 참조 예측영역 및 참조 예측영역에 인접한 영역들에 속하는 포인트들의 속성의 평균값과 비교하여 참조 예측영역을 변경할 수 있다. 예를 들어 평균값 간의 차이가 가장 적은 영역으로 참조 예측영역이 변경될 수 있다. 평균하여 비교하는 속성 정보는 색상, 반사도 등을 포함할 수 있다.
실시예들에 따른 송신 방법은, 어트리뷰트 예측 시, 현재 프레임의 예측영역과 참조 프레임의 참조 예측영역의 속성 정보의 값 차이를 기반으로 속성 변화 벡터를 산출할 수 있다. 예를 들어, 색상 정보의 값 차이를 기반으로 색상 변화 벡터를 산출할 수 있다. 따라서, 속성 변화 벡터를 이용하여 현재 포인트의 속성 정보를 예측할 수 있다.
실시예들에 따른 비트스트림은 현재 프레임의 예측영역에 속하는 포인트들의 속성 정보 평균값을 기반으로 참조 예측영역을 변경할지 여부를 나타내는 정보를 포함한다.
실시예들에 따른 송신 장치는 포인트 클라우드 데이터를 인코딩하는 인코더 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터를 포함할 수 있다. 실시예들에 따른 송신 방법을 구성하는 각 단계들은 프로세서, 유닛, 모듈 등의 구성 요소에 의해 수행될 수 있으며, 구성 요소들은 각 단계의 기능을 나타낼 수 있는 다양한 용어로 지칭될 수 있다.
도 25는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타내는 플로우 차트 예시이다.
도 25의 수신 방법은 도 1의 수신 장치, 도 2의 수신, 도 10, 도 11의 포인트 클라우드 디코더, 도 13의 수신장치, 도 14의 디바이스들 및/또는 도17의 수신 장치와 대응하거나, 복수의 조합으로 구성될 수 있으며, 도 25의 수신 방법은 LOD 또는 예측유닛을 기반으로 포인트 클라우드 데이터의 속성 정보를 예측할 수 있다. 도 25의 수신 방법은 실시예들에 따른 송신 장치/방법에서 전달하는 시그널링 정보를 수신하여 그에 따라 포인트 클라우드 데이터의 속성 정보를 예측하고 복원할 수 있다. LOD 또는 예측유닛(또는, 예측영역)을 기반으로 포인트 클라우드 데이터의 속성 정보를 예측은 도 15 내지 도23으로부터 설명될 수 있다.
도 25의 수신 방법은 도 24의 송신 방법의 역과정과 대응할 수 있다.
실시예들에 따른 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계(S2500) 및 포인트 클라우드 데이터를 디코딩하는 단계(S2510)를 포함할 수 있다.
포인트 클라우드 데이터를 디코딩하는 단계(S2510)는 지오메트리를 디코딩하는 단계와 어트리뷰트를 디코딩하는 단계를 포함하고, 어트리뷰트를 디코딩하는 단계는 LOD(Level of Detail)을 생성하는 단계와, LOD를 기반으로 어트리뷰트를 예측하는 단계를 포함할 수 있다.
LOD의 생성은 도17의 LOD구성부(1720)에서 수행될 수 있고, LOD를 기반으로 하는 어트리뷰트의 예측은 도 17의 이웃 포인트 집합 구성부(1740), 어트리뷰트 inter 정보 예측부(1750) 또는 어트리뷰트 intra 정보 예측부에서 수행될 수 있다.
LOD를 기반으로 어트리뷰트를 예측 시, 참조 프레임의 LOD를 기반으로 어트리뷰트를 예측할 수 있다. 참조 프레임은 이전에 처리된 프레임을 나타낼 수 있으며, 이전 프레임으로 지칭될 수 있다.
LOD를 기반으로 예측하지 않는 경우, 실시예들에 따른 수신 방법은 예측영역(또는, 예측 유닛)을 기반으로 어트리뷰트를 예측할 수 있다. 따라서, 어트리뷰트를 디코딩하는 단계는 예측영역을 구성하는 단계와 예측영역을 기반으로 어트리뷰트를 예측하는 단계를 포함할 수 있다. 예측영역은 예측유닛, 예측구역, 예측노드, 예측블럭 등 다양하게 지칭될 수 있으며, 예측의 기준이 되는 단위를 나타낼 수 있다.
예측영역을 기반으로 어트리뷰트를 예측 시, 실시예들에 따른 수신 방법은 현재 포인트가 속하는 예측영역과 인접하는 영역들로부터 이웃 포인트를 탐색하고, 탐색된 이웃 포인트들을 예측기에 등록하여 현재 포인트의 속성 정보를 예측할 수 있다.
또한, 실시예들에 따른 수신 방법은 예측영역과 대응하는 이전 프레임(또는, 참조 프레임)의 참조 예측영역과 참조 예측영역에 인접한 영역들로부터 이웃 포인트를 탐색하고, 탐색된 이웃 포인트들을 예측기로 등록하여 현재 포인트의 속성 정보를 예측할 수 있다. 이때, 참조 프레임에서 참조 예측영역은 현재 프레임의 예측영역에 속하는 포인트들의 속성의 평균값을 참조 예측영역 및 참조 예측영역에 인접한 영역들에 속하는 포인트들의 속성의 평균값과 비교하여 참조 예측영역을 변경할 수 있다. 예를 들어 평균값 간의 차이가 가장 적은 영역으로 참조 예측영역이 변경될 수 있다. 평균하여 비교하는 속성 정보는 색상, 반사도 등을 포함할 수 있다.
실시예들에 따른 송신 방법은, 어트리뷰트 예측 시, 현재 프레임의 예측영역과 참조 프레임의 참조 예측영역의 속성 정보의 값 차이를 기반으로 속성 변화 벡터를 산출할 수 있다. 예를 들어, 색상 정보의 값 차이를 기반으로 색상 변화 벡터를 산출할 수 있다. 따라서, 속성 변화 벡터를 이용하여 현재 포인트의 속성 정보를 예측할 수 있다.
실시예들에 따른 비트스트림은 현재 프레임의 예측영역에 속하는 포인트들의 속성 정보 평균값을 기반으로 참조 예측영역을 변경할지 여부를 나타내는 정보를 포함한다.
실시예들에 따른 수신 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부 및 포인트 클라우드 데이터를 디코딩하는 디코더를 포함할 수 있다. 실시예들에 따른 수신 방법을 구성하는 각 단계들은 프로세서, 유닛, 모듈 등으로 지칭되는 구성 요소에 의하여 수행될 수 있으며, 구성 요소들은 각 단계의 기능을 나타낼 수 있는 다양한 용어로 지칭될 수 있다.
다중 프레임을 갖는 포인트 클라우드 데이터의 효율적인 압축을 위해서는 인터 예측 코딩은 필요한 기술이다. 모든 프레임들을 각각의 독립적인 인터 예측 코딩으로 압축하는 것보다 시간에 따른 프레임들내의 콘텐츠의 중복성, 움직임을 분석하고 그에 따라서 압축하게 되면 비트스트림의 크기를 줄일 수 있다.
상술한 실시예들의 G-PCC 속성 부호화/복호화 과정에서 속성 인터 예측을 수행하기 위해 이웃 포인트 집합 선택 방안 및 같은 PU별 속성 변화 벡터를 사용하는 속성 인터 예측 방안을 제공하였다.
이로써 본 실시예는 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)에서 LOD 구성 뿐 아니라, LOD 구성을 수행하지 않고, 지오메트리의 PU를 사용하거나 보정하여 이웃 포인트 집합을 인트라/인터에서 찾아서 RDO를 통해 최적의 예측 값을 선택하여 속성 압축 효율을 높여서 제공할 수 있다.
실시예들에 따른 방법/장치(송신 방법/장치 및/또는 수신 방법/장치)는 같은 포인트에서 주변 환경에 따라색상이 전체적으로 변경되는 현상에 대해 효율적으로 처리하고자, PU별 속성 변화 벡터를 사용함으로써, 포인트 클라우드 데이터를 효율적으로 인코딩/디코딩할 수 있는 효과를 제공할 수 있다.
상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치(예를 들어, 이웃 포인트 집합 생성부)는 이웃 포인트 집합 구성 및 예측유닛(또는, 예측영역) 별 속성 변화 벡터 사용 및/또는 관련 시그널링을 통하여 최적의 이웃 포인트 집합으로 속성 컴프세션/디컴프레션 효율을 증가시키는 효과가 있다.
이로써 본 실시예에서는 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)의 인터 예측 코딩 제공을 위한 효율적인 어트리뷰트 비트스트림을 제공할 수 있어서 포인트 클라우드 데이터를 효율적으로 인코딩/디코딩할 수 있는 효과가 있다.
따라서, 상술한 바와 같이, 실시예들에 따른 속성 인터 예측 방안 및/또는 관련된 시그널링 정보에 기반하여, 실시예들에 따른 송수신 방법/장치는 시간에 따른 프레임에 포함된 데이터를 효율적으로 압축하여 비트스트림의 사이즈를 줄일 수 있다. 또한, 실시예들에 따른 방법/장치는 포인트 클라우드 데이터를 빠르고 정확하게 복원하여 사용자에게 제공할 수 있다.
상술한 실시예들에 따른 송수신 장치의 프로세스는 이하의 포인트 클라우드 컴프레션 처리와 결합되어 설명될 수 있다. 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.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 도면을 나누었으나, 각 도면에 서술되어 있는 실시예들을 병합하여 새로운 실시예를 구현하도록 설계할 수 있다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정 실시예에 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.
본 명세서에서 “/”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, 본 명세서에서 “또는”은 “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 제한되지 않는다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사용되는 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 송수신장치에 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 송신장치 및/또는 수신장치에 의해서 수행될 수 있다. 송수신장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신장치의 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 송수신장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다. 당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다.

Claims (20)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계;를 포함하는,
    포인트 클라우드 데이터 송신방법.
  2. 청구항 1에 있어서,
    상기 포인트 클라우드 데이터는 복수의 프레임들을 포함하고,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    지오메트리를 인코딩하는 단계와 어트리뷰트를 인코딩하는 단계를 포함하고,
    상기 어트리뷰트를 인코딩하는 단계는,
    LOD(Level of Detail)을 생성하는 단계와,
    상기 LOD를 기반으로 상기 어트리뷰트를 예측하는 단계를 포함하는,
    포인트 클라우드 데이터 송신방법.
  3. 청구항 2에 있어서,
    상기 LOD는 이전 프레임에 대한 LOD인,
    포인트 클라우드 데이터 송신방법.
  4. 청구항 1에 있어서,
    상기 포인트 클라우드 데이터는 복수의 프레임들을 포함하고,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    지오메트리를 인코딩하는 단계와 어트리뷰트를 인코딩하는 단계를 포함하고,
    상기 어트리뷰트를 인코딩하는 단계는,
    예측영역을 구성하는 단계 및 상기 예측영역을 기반으로 상기 어트리뷰트를 예측하는 단계를 포함하는,
    포인트 클라우드 데이터 송신방법.
  5. 청구항 4에 있어서,
    상기 어트리뷰트를 예측하는 단계는,
    상기 예측영역과 인접하는 영역들로부터 이웃 포인트를 탐색하여 상기 어트리뷰트를 예측하는,
    포인트 클라우드 데이터 송신방법.
  6. 청구항 4에 있어서,
    상기 어트리뷰트를 예측하는 단계는,
    상기 예측영역과 대응하는 이전 프레임의 참조 예측영역 및 상기 참조 예측영역에 인접한 영역들로부터 이웃 포인트를 탐색하여 상기 어트리뷰트를 예측하는,
    포인트 클라우드 데이터 송신방법.
  7. 청구항 6에 있어서,
    상기 어트리뷰트를 예측하는 단계는,
    상기 예측영역에 속하는 포인트들의 속성의 평균값을 상기 참조 예측영역에 속하는 포인트들의 속성의 평균값, 상기 인접한 영역들 각각에 속하는 포인트들의 속성의 평균값들과 비교하여 차이가 가장 적은 영역으로 참조 예측영역을 변경할 수 있는,
    포인트 클라우드 데이터 송신방법.
  8. 청구항 7에 있어서,
    상기 어트리뷰트를 예측하는 단계는,
    상기 예측영역과 상기 참조 예측영역의 속성의 평균값의 차이를 기반으로 변화 벡터를 산출하는,
    포인트 클라우드 데이터 송신방법.
  9. 청구항 8에 있어서,
    상기 비트스트림은,
    상기 예측영역에 속하는 포인트들의 속성의 평균값을 기반으로 참조 예측영역을 변경할지 여부를 나타내는 정보를 포함하는,
    포인트 클라우드 데이터 송신방법.
  10. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터를 포함하는,
    포인트 클라우드 데이터 송신장치.
  11. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및
    상기 포인트 클라우드 데이터를 디코딩하는 단계를 포함하는,
    포인트 클라우드 데이터 수신방법.
  12. 청구항 11에 있어서,
    상기 포인트 클라우드 데이터는 복수의 프레임들을 포함하고,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    지오메트리를 디코딩하는 단계와 어트리뷰트를 디코딩하는 단계를 포함하고,
    상기 어트리뷰트를 디코딩하는 단계는,
    LOD(Level of Detail)을 생성하는 단계와,
    상기 LOD를 기반으로 상기 어트리뷰트를 예측하는 단계를 포함하는,
    포인트 클라우드 데이터 수신방법.
  13. 청구항 12에 있어서,
    상기 LOD는 이전 프레임에 대한 LOD인,
    포인트 클라우드 데이터 수신방법.
  14. 청구항 11에 있어서,
    상기 포인트 클라우드 데이터는 복수의 프레임들을 포함하고,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    지오메트리를 디코딩하는 단계와 어트리뷰트를 디코딩하는 단계를 포함하고,
    상기 어트리뷰트를 디코딩하는 단계는,
    예측영역을 구성하는 단계 및 상기 예측영역을 기반으로 상기 어트리뷰트를 예측하는 단계를 포함하는,
    포인트 클라우드 데이터 수신방법.
  15. 청구항 14에 있어서,
    상기 어트리뷰트를 예측하는 단계는,
    상기 예측영역과 인접하는 영역들로부터 이웃 포인트를 탐색하여 상기 어트리뷰트를 예측하는,
    포인트 클라우드 데이터 수신방법.
  16. 청구항 14에 있어서,
    상기 어트리뷰트를 예측하는 단계는,
    상기 예측영역과 대응하는 이전 프레임의 참조 예측영역 및 상기 참조 예측영역에 인접한 영역들로부터 이웃 포인트를 탐색하여 상기 어트리뷰트를 예측하는,
    포인트 클라우드 데이터 수신방법.
  17. 청구항 16에 있어서,
    상기 어트리뷰트를 예측하는 단계는,
    상기 예측영역에 속하는 포인트들의 속성의 평균값을 상기 참조 예측영역에 속하는 포인트들의 속성의 평균값, 상기 인접한 영역들 각각에 속하는 포인트들의 속성의 평균값들과 비교하여 차이가 가장 적은 영역으로 참조 예측영역을 변경할 수 있는,
    포인트 클라우드 데이터 수신방법.
  18. 청구항 17에 있어서,
    상기 어트리뷰트를 예측하는 단계는,
    상기 예측영역과 상기 참조 예측영역의 속성의 평균값의 차이를 기반으로 변화 벡터를 산출하는,
    포인트 클라우드 데이터 수신방법.
  19. 청구항 18에 있어서,
    상기 비트스트림은,
    상기 예측영역에 속하는 포인트들의 속성의 평균값을 기반으로 참조 예측영역을 변경할지 여부를 나타내는 정보를 포함하는,
  20. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더를 포함하는,
    포인트 클라우드 데이터 수신장치.
PCT/KR2022/017777 2021-11-11 2022-11-11 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 Ceased WO2023085856A1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2024527595A JP2024544935A (ja) 2021-11-11 2022-11-11 ポイントクラウドデータ送信方法、ポイントクラウドデータ送信装置、ポイントクラウドデータ受信方法及びポイントクラウドデータ受信装置
KR1020247013870A KR20240108387A (ko) 2021-11-11 2022-11-11 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
EP22893275.2A EP4432658A4 (en) 2021-11-11 2022-11-11 METHOD FOR EMITTING POINT CLOUD DATA, DEVICE FOR EMITTING POINT CLOUD DATA, METHOD FOR RECEIVING POINT CLOUD DATA, AND DEVICE FOR RECEIVING POINT CLOUD DATA
CN202280075083.3A CN118235411A (zh) 2021-11-11 2022-11-11 点云数据发送方法、点云数据发送装置、点云数据接收方法及点云数据接收装置
US18/708,864 US20240420377A1 (en) 2021-11-11 2022-11-11 Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210154736 2021-11-11
KR10-2021-0154736 2021-11-11

Publications (1)

Publication Number Publication Date
WO2023085856A1 true WO2023085856A1 (ko) 2023-05-19

Family

ID=86336299

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/017777 Ceased WO2023085856A1 (ko) 2021-11-11 2022-11-11 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치

Country Status (6)

Country Link
US (1) US20240420377A1 (ko)
EP (1) EP4432658A4 (ko)
JP (1) JP2024544935A (ko)
KR (1) KR20240108387A (ko)
CN (1) CN118235411A (ko)
WO (1) WO2023085856A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2025121390A1 (ja) * 2023-12-08 2025-06-12 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 符号化方法、復号方法、符号化装置及び復号装置

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240091150A (ko) * 2021-11-26 2024-06-21 베이징 바이트댄스 네트워크 테크놀로지 컴퍼니, 리미티드 포인트 클라우드 코딩 방법, 장치 및 매체
KR20240117101A (ko) * 2022-01-13 2024-07-31 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2026014974A1 (ko) * 2024-07-11 2026-01-15 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2026019218A1 (ko) * 2024-07-15 2026-01-22 엘지전자 주식회사 포인트 클라우드 데이터 부호화 장치, 포인트 클라우드 데이터 부호화 방법, 포인트 클라우드 데이터 복호화 장치 및 포인트 클라우드 데이터 복호화 방법
CN119676446A (zh) * 2024-12-20 2025-03-21 重庆邮电大学 一种基于图注意力网络的点云属性编码方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200304829A1 (en) * 2019-03-22 2020-09-24 Tencent America LLC Method and apparatus for interframe point cloud attribute coding
KR20210005524A (ko) * 2019-07-04 2021-01-14 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021049758A1 (ko) * 2019-09-11 2021-03-18 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021062279A1 (en) * 2019-09-27 2021-04-01 Apple Inc. Dynamic point cloud compression using inter-prediction
US20210312669A1 (en) * 2018-12-28 2021-10-07 Panasonic Intellectual Property Corporation Of America Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4614445A3 (en) * 2018-12-26 2025-12-03 Panasonic Intellectual Property Corporation of America Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device
WO2023056860A1 (en) * 2021-10-04 2023-04-13 Beijing Bytedance Network Technology Co., Ltd. Method, apparatus and medium for point cloud coding

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210312669A1 (en) * 2018-12-28 2021-10-07 Panasonic Intellectual Property Corporation Of America Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device
US20200304829A1 (en) * 2019-03-22 2020-09-24 Tencent America LLC Method and apparatus for interframe point cloud attribute coding
KR20210005524A (ko) * 2019-07-04 2021-01-14 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021049758A1 (ko) * 2019-09-11 2021-03-18 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021062279A1 (en) * 2019-09-27 2021-04-01 Apple Inc. Dynamic point cloud compression using inter-prediction

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4432658A4 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2025121390A1 (ja) * 2023-12-08 2025-06-12 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 符号化方法、復号方法、符号化装置及び復号装置

Also Published As

Publication number Publication date
EP4432658A4 (en) 2025-11-12
CN118235411A (zh) 2024-06-21
JP2024544935A (ja) 2024-12-05
US20240420377A1 (en) 2024-12-19
EP4432658A1 (en) 2024-09-18
KR20240108387A (ko) 2024-07-09

Similar Documents

Publication Publication Date Title
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020256308A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021206291A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2021002604A1 (ko) 포인트 클라우드 데이터 처리 방법 및 장치
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045601A1 (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
WO2021210743A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022050650A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002594A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2023085856A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021242036A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022015006A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021029511A1 (ko) 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246837A1 (ko) 포인트 클라우드 데이터 처리 디바이스 및 처리 방법
WO2021141221A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022225145A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022119208A1 (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021246796A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022240128A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2022092891A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021132834A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246839A1 (ko) 포인트 클라우드 데이터 처리 디바이스 및 처리 방법
WO2023191480A1 (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: 22893275

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 18708864

Country of ref document: US

ENP Entry into the national phase

Ref document number: 2024527595

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 202280075083.3

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 2022893275

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022893275

Country of ref document: EP

Effective date: 20240611