[go: up one dir, main page]

KR20240164507A - 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 - Google Patents

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

Info

Publication number
KR20240164507A
KR20240164507A KR1020247029865A KR20247029865A KR20240164507A KR 20240164507 A KR20240164507 A KR 20240164507A KR 1020247029865 A KR1020247029865 A KR 1020247029865A KR 20247029865 A KR20247029865 A KR 20247029865A KR 20240164507 A KR20240164507 A KR 20240164507A
Authority
KR
South Korea
Prior art keywords
point cloud
frame
road
cloud data
encoding
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
KR1020247029865A
Other languages
English (en)
Inventor
허혜정
Original Assignee
엘지전자 주식회사
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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Publication of KR20240164507A publication Critical patent/KR20240164507A/ko
Pending 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
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—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
    • H04N19/107—Selection of coding mode or of prediction mode between spatial and temporal predictive coding, e.g. picture refresh
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/142—Detection of scene cut or scene change
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Quality & Reliability (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

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

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계, 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 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.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 3은 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 5는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 6은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 7은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 8은 실시예들에 따른 전송 장치의 예시이다.
도 9는 실시예들에 따른 수신 장치의 예시이다.
도 10은는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도11은 실시예들에 따른 움직이는 자동차 라이다 장비에서 캡처된 도로 포인트 클라우드의 예시이다.
도12는 실시예들에 따른 분리된 도로 포인트 클라우드의 예시를 나타낸다.
도13은 실시예들에 따른 라이다에 의해 캡처된 도로 포인트들의 예시를 나타낸다.
도14는 실시예들에 따른 라이다 장비를 장착한 자동차는 움직이지 않고, 주변의 객체들이 움직이는 경우 일부 모양이 변경되는 예시를 나타낸다.
도15는 실시예들에 따른 라이다 장비를 장착한 자동차가 우회전하는 경우, 획득된 포인트 클라우드의 예시를 나타낸다.
도16은 실시예들에 따른 라이다 장비에 의해 캡쳐된 포인트 클라우드의 예시를 나타낸다.
도17은 실시예들에 따른 움직이는 객체에 의해 도로 포인트들이 달라지는 예시를 나타낸다.
도18은 실시예들에 따른 이동 모션만 있는 경우 도로 포인트들이 달라지는 예시를 나타낸다.
도19는 실시예들에 따른 이동과 회전 모션 있는 경우 도로 포인트들이 달라지는 예시를 나타낸다.
도20은 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도21은 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도22는 실시예들에 따른 포인트 클라우드 데이터 및 파라미터를 포함하는 비트스트림을 나타낸다.
도23은 실시예들에 따른 시퀀스 파라미터 세트(Sequence parameter Set, SPS)를 나타낸다.
도24는 실시예들에 따른 지오메트리 파라미터 세트(Geometry Parameter Set, GPS)를 나타낸다.
도25는 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set, TPS)의 신택스를 나타낸다.
도26은 실시예들에 따른 지오메트리 슬라이스 헤더(지오메트리 데이터 헤더)(Geometry Data Header)의 신택스를 나타낸다.
도27은 실시예들에 따른 지오메트리 PU 헤더(Geometry PU Header)의 신택스를 나타낸다.
도28은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도29는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
발명의 실시를 위한 최선의 형태
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 컨텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000)뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 데이터 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)으로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 3은 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 30000), 양자화부(Quantize and Remove Points (Voxelize), 30001), 옥트리 분석부(Analyze Octree, 30002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 30003), 아리스메틱 인코더(Arithmetic Encode, 30004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 30005), 컬러 변환부(Transform Colors, 30006), 어트리뷰트 변환부(Transfer Attributes, 30007), RAHT 변환부(30008), LOD생성부(Generated LOD, 30009), 리프팅 변환부(Lifting)(30010), 계수 양자화부(Quantize Coefficients, 30011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 30012)를 포함한다.
좌표계 변환부(30000), 양자화부(30001), 옥트리 분석부(30002), 서페이스 어프록시메이션 분석부(30003), 아리스메틱 인코더(30004), 및 지오메트리 리컨스트럭션부(30005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(30000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(30001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(30001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(30001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(30001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(30002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(30003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(30004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(30006), 어트리뷰트 변환부(30007), RAHT 변환부(30008), LOD생성부(30009), 리프팅 변환부(30010), 계수 양자화부(30011) 및/또는 아리스메틱 인코더(30012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(30006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(30006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(30006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(30005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(30005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(30007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(30007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(30007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(30007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(30007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(30007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(30007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(30007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(30007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(30008) 및/또는 LOD 생성부(30009)로 입력된다.
실시예들에 따른 RAHT 변환부(30008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(30008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(30009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(30010)는 포인트 클라우드의 어트리뷰트들을 가중치에 기반하여 변환하는 리프팅 변환 코딩을 수행한다. 상술한 바와 같이 리프팅 변환 코딩은 선택적으로 적용될 수 있다.
실시예들에 따른 계수 양자화부(30011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(30012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 3의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 3의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 3의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 4는 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 3에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(30002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 4의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (xint n, yint n, zint n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
d =Ceil(Log2(Max(x_n^int,y_n^int,z_n^int,n=1,…,N)+1))
도 4의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 4 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 4의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 4에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 3의 포인트 클라우드 인코더, 또는 옥트리 분석부(30002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(30004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(30003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(Δx, Δy, Δz), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(30005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③ 자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure pct00001
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다.
표2-1. Triangles formed from vertices ordered 1,…,n
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 5는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(30009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 6는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 5에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 3의 포인트 클라우드 인코더, 또는 LOD 생성부(30009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 6의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 6의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 6의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 6에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 3에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(30011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.
표. Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
표. Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(30010))는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(30011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(30008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다. gl x, y, z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. gl x, y, z 는 gl+1 2x, y, z와 gl+1 2x+1, y, z로부터 계산될 수 있다. gl 2x, y, z 와 gl 2x+1, y, z 의 가중치를 w1=w l 2x, y, z 과 w2=w l 2x+1, y, z 이다.
Figure pct00002
*gl-1 x, y, z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. hl-1 x, y, z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는 w l-1 x, y, z=w l 2x, y, z+w l 2x+1, y, z로 계산된다. 루트 노드는 마지막 g1 0, 0, 0 과 g1 0, 0, 1을 통해서 다음과 같이 생성된다.,
Figure pct00003
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 7은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 7에 도시된 포인트 클라우드 디코더는 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 6에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 7000), 옥트리 합성부(synthesize octree, 7001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 7002), 지오메트리 리컨스트럭션부(reconstruct geometry, 7003), 좌표계 역변환부(inverse transform coordinates, 7004), 아리스메틱 디코더(arithmetic decode, 7005), 역양자화부(inverse quantize, 7006), RAHT변환부(7007), LOD생성부(generate LOD, 7008), 인버스 리프팅부(Inverse lifting, 7009), 및/또는 컬러 역변환부(inverse transform colors, 7010)를 포함한다.
아리스메틱 디코더(7000), 옥트리 합성부(7001), 서페이스 오프록시메이션 합성부(7002), 지오메트리 리컨스럭션부(7003), 좌표계 역변환부(7004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 6에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(7000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(7000)의 동작은 아리스메틱 인코더(30004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(7001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(7002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(7003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 6에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(7003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(7003)는 지오메트리 리컨스트럭션부(30005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 4에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(7004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(7005), 역양자화부(7006), RAHT 변환부(7007), LOD생성부(7008), 인버스 리프팅부(7009), 및/또는 컬러 역변환부(7010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(7005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(7006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(7010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(7010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(30006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 7의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 7의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도7의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 8은 실시예들에 따른 전송 장치의 예시이다.
도 8에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 3의 포인트 클라우드 인코더)의 예시이다. 도 8에 도시된 전송 장치는 도 1 내지 도 6에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(8000), 양자화 처리부(8001), 복셀화 처리부(8002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(8003), 표면 모델 처리부(8004), 인트라/인터 코딩 처리부(8005), 아리스메틱 (Arithmetic) 코더(8006), 메타데이터 처리부(8007), 색상 변환 처리부(8008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(8009), 예측/리프팅/RAHT 변환 처리부(8010), 아리스메틱 (Arithmetic) 코더(8011) 및/또는 전송 처리부(8012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(8000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(8000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(8000), 양자화 처리부(8001), 복셀화 처리부(8002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(8003), 표면 모델 처리부(8004), 인트라/인터 코딩 처리부(8005), Arithmetic 코더(8006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 6에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(8001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(8001)의 동작 및/또는 양자화는 도 3에서 설명한 양자화부(30001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(8002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(80002)는 도 3에서 설명한 양자화부(30001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(8003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(8003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(8003)는 도 3 및 도 4에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(30002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(8004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(8004)는 도 3 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(30003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(8005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(8005)는 도 7에서 설명한 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 구체적인 설명은 도 7에서 설명한 바와 동일하다. 실시예들에 따라 인트라/인터 코딩 처리부(8005)는 아리스메틱 코더(8006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(8006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(8006)는 아리스메틱 인코더(30004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(8007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(8007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(8008), 어트리뷰트 변환 처리부(8009), 예측/리프팅/RAHT 변환 처리부(8010), 아리스메틱 (Arithmetic) 코더(8011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 6에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(8008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(8008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 6에서 설명한 바와 동일하다. 또한 도 3에서 설명한 컬러 변환부(30006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(8009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(8009)는 도 3에 설명한 어트리뷰트 변환부(30007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(8010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(8010)는 도 3에서 설명한 RAHT 변환부(30008), LOD 생성부(30009) 및 리프팅 변환부(30010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 6에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(8011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(8011)는 아리스메틱 인코더(300012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(8012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(8007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(8012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(8012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 9는 실시예들에 따른 수신 장치의 예시이다.
도 9에 도시된 수신 장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 9에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(9000), 수신 처리부(9001), 아리스메틱 (arithmetic) 디코더(9002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(9003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(9004), 인버스(inverse) 양자화 처리부(9005), 메타데이터 파서(9006), 아리스메틱 (arithmetic) 디코더(9007), 인버스(inverse)양자화 처리부(9008), 예측/리프팅/RAHT 역변환 처리부(9009), 색상 역변환 처리부(9010) 및/또는 렌더러(9011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(9000)는 포인트 클라우드 데이터를 수신한다. 수신부(9000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(9001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(9001)는 수신부(9000)에 포함될 수 있다.
아리스메틱 디코더(9002), 오큐판시 코드 기반 옥트리 재구성 처리부(9003), 표면 모델 처리부(9004) 및 인버스 양자화 처리부(9005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(9002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(9002)는 아리스메틱 디코더(7000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(9003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(9003)는 옥트리 합성부(7001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(9004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(9004)는 서페이스 오프록시메이션 합성부(7002) 및/또는 지오메트리 리컨스트럭션부(7003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(9005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(9006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(9006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 8에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(9007), 인버스 양자화 처리부(9008), 예측/리프팅/RAHT 역변환 처리부(9009) 및 색상 역변환 처리부(9010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(9007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(9007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(9007)는 아리스메틱 디코더(7005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(9008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(9008)는 역양자화부(7006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(9009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(9009)는 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(9010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(9010)는 컬러 역변환부(7010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(9011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 10은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 10의 구조는 서버(1060), 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040), 가전(1050) 및/또는 HMD(1070) 중에서 적어도 하나 이상이 클라우드 네트워크(1010)와 연결된 구성을 나타낸다. 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040) 또는 가전(1050) 등은 장치라 호칭된다. 또한, XR 장치(1030)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1000)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1000)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1060)는 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040), 가전(1050) 및/또는 HMD(1070) 중에서 적어도 하나 이상과 클라우드 네트워크(1000)을 통하여 연결되고, 연결된 장치들(1010 내지 1070)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1070)는 실시예들에 따른 XR 디바이스 및/또는 PCC 디바이스가 구현될 수 있는 타입 중 하나를 나타낸다. 실시예들에 따른HMD 타입의 디바이스는, 커뮤니케이션 유닛, 컨트롤 유닛, 메모리 유닛, I/O 유닛, 센서 유닛, 그리고 파워 공급 유닛 등을 포함한다.
이하에서는, 상술한 기술이 적용되는 장치(1010 내지 1050)의 다양한 실시 예들을 설명한다. 여기서, 도 10에 도시된 장치(1010 내지 1050)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1030)는 PCC 및/또는 XR(AR+VR) 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수도 있다.
XR/PCC 장치(1030)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 어트리뷰트 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR/PCC 장치(1030)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+XR+모바일폰>
XR/PCC 장치(1030)는 PCC기술이 적용되어 모바일폰(1040) 등으로 구현될 수 있다.
모바일폰(1040)은 PCC 기술에 기반하여 포인트 클라우드 콘텐츠를 디코딩하고, 디스플레이할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1020)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1020)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(1020)은 XR 장치(1030)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1020)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1020)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 발명의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 데이터 (PCC) 송수신 장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신 장치 차량에 탑재된 경우, 포인트 클라우드 송수신 장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도20의 인코더, 도28 송신 방법 등을 지칭하는 용어로 해석된다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도21의 디코더, 도29 수신 방법 등을 지칭하는 용어로 해석된다.
또한, 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 실시예들에 따른 방법/장치로 줄여서 호칭될 수 있다.
실시예들에 따라, 포인트 클라우드 데이터를 구성하는 지오메트리 데이터, 지오메트리 정보, 위치 정보 등은 서로 동일한 의미로 해석된다. 포인트 클라우드 데이터를 구성하는 어트리뷰트 데이터, 어트리뷰트 정보, 속성 정보 등은 서로 동일한 의미로 해석된다.
실시예들에 따른 방법/장치는 라이다로 캡처된 포인트 클라우드 프레임으로부터 참조 도로 생성 방안(A method to generate reference road frame from the multiple point cloud frames captured by LiDAR)을 포함하고 수행할 수 있다.
실시예들은 G-PCC(Geometry-based Point Cloud Compression)의 효율적인 지오메트리 압축을 위해 움직이는 자동차에서 라이다(LiDAR) 장비로 캡처된 포인트 클라우드(point cloud) 콘텐츠의 인터-예측 (inter prediction)을 효율적으로 지원하기 위해 참조 도로 프레임 생성 방법을 포함한다. 참조 도로 프레임은 지오메트리 압축과 속성 압축에 모두 사용될 수 있다. 실시예들은, 예를 들어, 참조 도로 프레임 생성 방안, 및/또는 시그널링 방법을 포함할 수 있다.
실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 G-PCC(Geometry-based Point Cloud Compression)의 압축 효율을 높이기 위한 방안에 관한 것이다. 이하 인코더(encoder), 부호화기는 부호화기로 디코더(decoder), 복호화기는 복호화기로 지칭한다.
포인트 클라우드는 포인트(point)들의 집합으로 구성되며, 각 포인트는 지오메트리(geometry) 정보와 속성(attributes) 정보를 갖을 수 있다. 지오메트리 정보는 3차원 위치(XYZ) 정보이며, 속성 정보는 색상 (RGB, YUV 등) 또는/과 반사(Reflectance) 값이다.
G-PCC 부호화(encoding) 과정은 포인트 클라우드를 영역에 따라 타일로 분할하고, 병렬 처리를 위해 각 타일을 슬라이스들로 분할할 수 있다. 각 슬라이스 단위로 지오메트리를 압축하고, 압축을 통해 변경된 위치 정보들로 재구성된 지오메트리(reconstructed geometry=복호화된 지오메트리)를 바탕으로 속성 정보를 압축하는 과정으로 구성될 수 있다.
G-PCC 복호화(decoding) 과정은 부호화된 슬라이스 단위의 지오메트리 비트스트림(bitstream)과 속성 비트스트림을 전송 받아서 지오메트리를 복호화하고 복호화 과정을 통해 재구성된 지오메트리를 기반으로 속성 정보를 복호화하는 과정으로 구성될 수 있다(도1 등 참조).
지오메트리 정보 압축을 위해 옥트리(octree) 기반, 예측 트리(predictive tree) 기반, 또는 트라이숩(trisoup) 기반 압축 기법을 사용할 수 있다(도1 등 참조).
실시예들은 움직이는 자동차에서 라이다 장비로 캡처된 콘텐츠의 인터 예측을 통한 압축 효율을 높이기 위한 참조 도로 프레임 생성 방법을 포함한다.
도11은 실시예들에 따른 움직이는 자동차 라이다 장비에서 캡처된 도로 포인트 클라우드의 예시이다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도20의 인코더, 도28 송신 방법) 및 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도21의 디코더, 도29 수신 방법)는 도11의 도로 포인트 클라우드를 처리할 수 있다. 도1의 포인트 클라우드 획득부(10001)는 도11과 같은 포인트 클라우드를 획득할 수 있다.
실시예들에 따른 움직이는 자동차의 라이다 장비에서 캡처한 콘텐츠는 도로와 객체를 함께 포함할 수 있다. 포인트(1100)는 객체에 대응하고, 포인트(1101)는 도로에 대응할 수 있다. 객체는 도로 위에 있는 건물 등일 수 있다.
도12는 실시예들에 따른 분리된 도로 포인트 클라우드의 예시를 나타낸다.
도11에서 설명한 캡쳐된 도로 포인트 클라우드는 도12와 같이 구성될 수 있다.
캡처된 도로와 객체의 포인트 클라우드 포인트들 상에서 캡처된 포인트들은 연속된 프레임 간 다른 특성을 가질 수 있다. 또한, 도로 및 객체를 포함한 포인트 클라우드로부터 도로만 분리하여 인터 예측을 수행할 수 있다. 즉, 도12는 도11의 포인트 클라우드에서 도로만 분리된 포인트 클라우드를 나타낸다.
도13은 실시예들에 따른 라이다에 의해 캡처된 도로 포인트들의 예시를 나타낸다.
도11 및 도12 등과 같이, 라이다 장비에 의해 캡처된 도로의 경우, 캡처 장비로부터의 상대적 높이가 일정할 수 있고, 그럴 경우, 도13과 같이 센서의 위치인 중심점을 중심으로 원을 그리는 형태로 포인트들이 생성될 수 있다.
도14는 실시예들에 따른 라이다 장비를 장착한 자동차는 움직이지 않고, 주변의 객체들이 움직이는 경우 일부 모양이 변경되는 예시를 나타낸다.
도11, 도12, 도13 등과 같이, 포인트 클라우드를 보면, 도로에는 건물이 있고, 자동차, 사람들 객체들이 존재하고, 객체들로 인해서 라이다 장비로 캡처된 포인트에서 도로만 분리한다고 하더라도 객체의 영향을 받아 포인트가 존재하는 부분, 포인트가 존재하지 않는 부분이 발생할 수 있다. 예를 들어, 도14의 원 영역(1400)을 보면, 포이트(1401)포인트가 있다가 없어지고, 포인트(1402)가 없었는데 생성되는 것을 관찰할 수 있다. 즉, 원 영역(1400) 내 포인트가 존재하는 영역 및 포인트가 사라진 영역이 있다. 그 외의 영역은 거의 일치한다. 이 포인트 클라우드의 분포는 다음을 의미한다. 라이다 장비를 장착한 자동차는 움직이지 않고, 이 영역에 움직이는 객체가 존재해서. 이 객체로 인해 도로가 가려지는 부분이 발생한 것이다. 포인트(1401)들은 이전 프레임의 포인트들이고, 포인트(1402)들은 현재 프레임의 포인트들이다. 즉, 라이다 장비를 포함하는 자동차가 정지한 상태에서, 도로 및 객체에 대한 포인트를 포함함하는 프레임을 생성하고, 현재 캡쳐한 프레임 및 현재 프레임 이전에 캡쳐되고 생성된 프레임에 포함된 포인트들이 도14와 같이 나타날 수 있다. 그리고 차량 주변에 있는 객체가 움직이면, 미싱 영역(1400)이 발생하게 된다.
도15는 실시예들에 따른 라이다 장비를 장착한 자동차가 우회전하는 경우, 획득된 포인트 클라우드의 예시를 나타낸다.
도11, 도12, 도13, 도14 등과 같이, 라이다에 의해 캡쳐된 포인트 클라우드는 도15와 같은 예시를 포함할 수 있다. 도14와 같이, 이전 프레임의 포인트들(1401) 및/또는 현재 프레임의 포인트들(1402)이 도15와 같이 구성될 수 있다.
예를 들어, 도15와 같이, 도로이지만, 건물로 인해서 도로 전체가 보여지지 않는 경우도 있다. 사거리의 특정부분에 건물이 존재하고 건물로 인해서 캡처된 도로 포인트는 없을 수 있다. 그러나 도로 포인트 클라우드는 건물객체에 영향을 받아서 전체 모양이 움직일 때 영향을 받을 수 있다. 이러한 경우와 같이 도로는 객체로부터 영향을 받을 수 있다. 즉, 객체들로 인해서 도로에 사라지는(missing) 포인트들이 발생할 수 있고, 그러한 상태에서 참조 프레임으로 이전 프레임의 도로 포인트를 사용(참조)하게 되면, 현재 프레임에 대한 정확한 예측을 수행하기 위한 정보가 충분하지 않을 수 있다. 따라서 도로의 정보를 채울 수 있는 정보를 이전 프레임들로부터 찾아서 참조 도로 프레임을 생성할 필요가 있다.
라이다 장비를 통해 캡처된 콘텐츠에 인터 예측을 수행하기 위해서는 참조 프레임에서 예측 포인트를 찾고 예측 포인트와의 잔차값을 전송하는 인터 예측코딩(inter predictive coding)을 적용할 수 있다. 따라서 실시예들에 따른 방법/장치는 참조 프레임과 현재 프레임과의 차이를 효과적으로 줄일 수 있다. 특히 정적인 도로 영역을 최신 정보를 기반으로 도로 정보를 채워 최적의 모든 정보를 유지시켜 줌으로 인해 현재 프레임에서의 포인트와 매칭되는 최적의 포인트를 찾음으로 인해서 잔차값을 줄여줄 수 있다. 참조 프레임에서 현재 프레임의 포인트와 같은 위치에 매칭되는 (예, 같은 레이저 아이디, 애지무스 앵글, 그리고 반경을 갖는 포인트) 포인트가 없는 경우, 주변에서 가장 접합하다고 판단되는 (예, 같은 레이저 아이디를 갖고, 가장 가까운 애지무스 앵글을 갖는) 포인트를 예측 포인트로 설정하기 때문에 잔차값이 증가하게 되고, 잔차값이 증가하게 되면 비트스트림이 커지게 될 수 있다. 따라서 정적인 도로의 정보를 최적으로 유지하는 방안이 필요할 수 있다. 또한 단순 포인트 누적의 경우 메모리를 많이 사용하게 되어, 효율적 메모리 사용이 고려된 방법이 필요할 수 있다.
실시예들은 움직이는 자동차에서 라이다 장비를 통해 캡처된 콘텐츠의 효율적인 인터 예측을 통합 압축을 효율적으로 지원하기 위한 참조 도로 프레임 생성 방법을 포함한다. 실시 예들 간 변경 및 결합이 가능하다. 본 문서에서 사용되는 용어는 해당 분야에서 널리 사용되는 범위 내에서, 용어의 의도된 의미에 근거하여 이해될 수 있다.
도로의 모션 검색은 PCC 부호화기의 지오메트리 부호화기에서 수행되고, PCC 복호화기의 지오메트리 복호화 과정을 통해 도로에 적용되어 복원될 수 있다. 또한 참조 도로 프레임은 속성 복원에도 활용할 수 있다.
실시예들은 1) 캡쳐하지 못한 도로 포인트 클라우드 데이터를 처리하는 방안, 2) 글로벌 모션이 없는 경우 참조 도로 프레임을 생성하는 방안, 3) 이동(translation) 모션만 있는 경우 참조 도로 프레임을 생성하는 방안, 4) 이동 및 회전(rotation) 모션이 존재하는 경우 참조 도로 프레임을 생성하는 방안, 5) 회전(rotation) 모션만 존재하는 경우 참조 도로 프레임을 생성하는 방안, 6) 참조 도로 프레임을 초기화하는 방안 등을 포함할 수 있다. 이하에서, 각 도면을 참조하여 각 동작을 설명한다.
도16은 실시예들에 따른 라이다 장비에 의해 캡쳐된 포인트 클라우드의 예시를 나타낸다.
도11, 도12, 도13, 도14, 및/또는 도15의 포인트 클라우드는 도16과 같이, 라이다에 의해 캡쳐될 수 있다. 도1의 송신 장치에 의해 도로/객체 등을 포함하는 포인트를 캡쳐하고, 포인트들이 포함된 프레임들을 생성하여, 프레임에 포함된 포인트들을 압축하고, 전송하고, 수신하고, 복원할 수 있다.
실시예들에 따른 라이다는 여러 개의 센서들로 구성될 수 있다. 각각의 센서들은 레이저 아이디(laserId)를 갖고, 각 센서들은 센서 중심위치로부터의 높이, 각도, 회전스피드에 대한 정보를 가진다. 센서의 각도가 클수록 큰 반경을 가지는 도로가 캡처될 수 있다. 센서의 각도가 가장 작은 경우, 라이다 장비의 가장 위쪽에 배치할 수 있고, 가장 작은 반경을 가지는 도로의 포인트가 캡처 될 수 있다. (도16 참조) 포인트 클라우드를 도로와 객체로 분리한 경우, 분리된 포인트 클라우드는 모든 센서들에 포인트가 존재하지 않을 수 있다. 도16과 같이, laserID 2와 3의 경우 객체가 존재해서 지면에 레이저가 닿지 않고, 객체에 먼저 닿아서 반사되고, 객체 포인트 클라우드로 분리 될 수 있다. 그럴 경우, 도로와 객체를 분리하게 되면, 도로 포인트 클라우드 기준에서는 laserID 2와 3번의 포인트는 없을 수 있다. 즉, 도로 프레임에서 해당 영역에 대한 객체에 의해 발생한 미싱 영역이 존재할 수 있다.
도17은 실시예들에 따른 움직이는 객체에 의해 도로 포인트들이 달라지는 예시를 나타낸다.
라이다 장비로 포인트 클라우드를 캡처하는 자동차/또는 이동장비는 움직이지 않고, 다른 자동차 객체(1700)가 지나가는 경우, 도로 포인트 클라우드에서 지나가는 자동차로 인해서 잃어버리는 도로 포인트들이 변경될 수 있다.
예를 들어, 원형으로 분포된 포인트들이 밀집한 곳이 라이다 캡쳐를 수행하는 자동차 혹은 이동 장비이고, 그 주변에 위치한 또 다른 객체(1700)가 움직이면, 라이다 및 객체(1700) 간 거리 및/또는 위치 변화로 인해서, 라이다 캡쳐 시 발생하는 미싱 영역이 도로 프레임 상에서 도17과 같이 발생할 수 있다.
이와 같이 글로벌 모션이 없는 경우, 움직이는 객체로 인해 변경된 참조 도로 프레임 생성 방법은 다음과 같을 수 있다. 한편, 실시예들에 따른 참조 도로 프레임 생성 방법은 실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도20의 인코더, 도28 송신 방법) 및 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치(도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도21의 디코더, 도29 수신 방법) 모두 수행할 수 있다.
실시예들에 따른 참조 도로 프레임 생성 방법은 1) 이전 도로 프레임을 참조 도로 프레임으로 설정하는 단계, 및/또는 2) 참조 프레임에 기초하여 현재 프레임을 인코딩 혹은 디코딩하는 단계를 수행하기 위해서, 2-1) 현재 도로 프레임에서 포인트 미싱 영역에 대한 조건을 검색하고, 2-2) 참조 프레임에서 해당 조건에 기초하여 포인트를 검색하고, 2-3) 참조 프레임에 해당 포인트가 존재하면, 해당 포인트에 기초하여 현재 도로 프레임의 미싱 영역을 업데이트할 수 있다. 그리고, 다음 프레임에 대해서도 이와 같이 참조 (도로) 프레임에 기초하여 업데이트된 현재 (도로) 프레임이 다음 프레임에 대한 참조 프레임이 되고, 업데이트된 참조 프레임에 기초하여, 현재 프레임이 된 다음 프레임을 예측 인코딩하고, 예측 디코딩할 수 있다.
예를 들어, 1) 참조 도로 프레임이 없는 경우, 이전 도로 프레임을 참조 도로 프레임으로 설정할 수 있다. 2) IPPP 모드라면, 현재 프레임이 N번째 프레임이라면, 참조 도로 프레임을 참조해서 인코딩/디코딩할 수 있다. 일반적으로 N-1번째 도로를 참조할 수 있다. N+1번째 프레임을 인코딩하기 전에, N번째와 N-1의 글로벌 모션이 존재하지 않는 경우, 즉, 라이다를 장착한 자동차가 움직이지 않고 서 있는 경우, N번째 도로 프레임에서 포인트가 없는 레이저 아이디(laserID)와 앵글(angle)값을 검색하고, 참조 도로 프레임에서 해당 포인트들이 존재하는지 검색하고, 있으면 해당 포인트로 N번째 도로 프레임을 업데이트하고 업데이트된 N번째 도로 프레임을 참조 도로 프레임으로 업데이트하고 N+1번째 프레임을 인코딩/디코딩할 때 참고할 수 있다. 또는 참조 도로 프레임에서 포인트가 없는 레이저 아이디(laserID)와 앵글(angle)값을 검색하고, N번째 도로 프레임에서 해당 포인트들이 존재하는지 검색하고, 있으면 해당 포인트로 참조 도로 프레임을 업데이트하고 N+1번째 프레임을 인코딩/디코딩할 때 참조할 수 있다.
이로 인하여, 참조 도로 프레임에 발생한 객체/모션 등의 영향을 제거하고, 이로 인해 발생할 수 있는 메모리 부담, 예측 정확도 감소 문제를 해결하여, 도로 프레임을 정확하고 빠르게 예측 인코딩/디코딩할 수 있는 효과가 있다.
도18은 실시예들에 따른 이동 모션만 있는 경우 도로 포인트들이 달라지는 예시를 나타낸다.
도11, 도12, 도13, 도14, 도15, 도16, 도17 등과 같은 포인트 클라우드는 도18과 같은 예시를 가질 수도 있다.
예를 들어, 라이다 장비로 포인트 클라우드를 캡처하는 자동차/또는 이동장비가 이동 모션만 가지는 경우, 도18과 같이 고정된 객체들(1801)은 이동 방향의 반대방향으로 이동하게 되고, 이동하는 객체(1800)의 경우, 이동 방향의 반대 방향과 자신의 움직이는 방향이 공존할 수 있다.
이와 같이 이동 모션만 존재하는 경우, 고정된 객체와 움직이는 객체로 인해 변경된 참조 도로 프레임 생성 방법은 다음과 같을 수 있다. 마찬가지로, 이러한 참조 도로 프레임 생성 방법은 송신 장치 및 수신 장치 모두에서 수행될 수 있다.
실시예들에 따른 참조 도로 프레임 생성 방법은 1) 이전 도로 프레임을 참조 도로 프레임으로 설정하는 단계, 2-1) 참조 도로 프레임에서 원점을 변경하고, 좌표계를 구면 좌표계로 변환하고, 레이저 아이디 별 캡쳐된 포인트들을 계산하는 단계, 2-2) 이전 도로 프레임에서 미싱 포인트가 있는 영역을 특정 조건에 따라 검색하여, 참조 도로 프레임에 해당 포인트에 기초하여, 이전 도로 프레임을 업데이트하는 단계, 2-3) 업데이트된 이전 도로 프레임을 참조하여, 현재 도로 프레임을 인코딩하고, 디코딩하는 단계를 포함할 수 있다.
예를 들어, 1) 참조 도로 프레임이 없는 경우, 이전 도로 프레임을 참조 도로 프레임으로 설정할 수 있다. 2) IPPP 모드라면, 현재 프레임이 N번째 프레임이라면, 참조 도로 프레임을 참조해서 인코딩/디코딩할 수 있다. 일반적으로 N-1번째 도로를 참조할 수 있다. N+1번째 프레임을 인코딩하기 전에, N번째와 N-1의 글로벌 이동 모션만 존재하는 경우, 참조 도로 프레임에서 origin값을 변경하고, spherical 좌표계를 다시 계산해서 laserID당 캡처된 포인트를 계산할 수 있다. N번째 도로 프레임에서 포인트가 없는 laserID와 angle값을 검색하고, 참조 도로 프레임에서 해당 포인트들이 존재하는지 검색하고, 있으면 해당 포인트로 N번째 도로 프레임을 업데이트하고 업데이트된 N번째 도로 프레임을 참조 도로 프레임으로 업데이트하고 업데이트된 N번째 도로 프레임을 참도 도로 프레임으로 업데이트하고 N+1번째 프레임을 인코딩/디코딩할 때 참고할 수 있다.
이로 인하여, 참조 도로 프레임에 발생한 객체/모션 등의 영향을 제거하고, 이로 인해 발생할 수 있는 메모리 부담, 예측 정확도 감소 문제를 해결하여, 도로 프레임을 정확하고 빠르게 예측 인코딩/디코딩할 수 있는 효과가 있다.
도19는 실시예들에 따른 이동과 회전 모션 있는 경우 도로 포인트들이 달라지는 예시를 나타낸다.
도11, 도12, 도13, 도14, 도15, 도16, 도17, 도18 등과 같은 포인트 클라우드는 도19와 같은 예시를 가질 수도 있다.
즉, 라이다 장비로 포인트 클라우드를 캡처하는 자동차/또는 이동장비가 이동과 회전 모션이 있는 경우, 도19와 같을 수 있다.
이와 같이 이동과 회전 모션이 존재하는 경우, 고정된 객체와 움직이는 객체로 인해 변경된 참조 도로 프레임 생성 방법은 다음과 같을 수 있다. 마찬가지로, 이러한 참조 도로 프레임 생성 방법은 송신 장치 및 수신 장치 모두에서 수행될 수 있다.
실시예들에 따른 참조 도로 프레임 생성 방법은 1) 이전 도로 프레임을 참조 도로 프레임으로 설정하는 단계, 2-1) 참조 도로 프레임에서 원점을 변경하고, 포인트들을 회전시키고, 좌표계를 구면 좌표계로 변환하고, 레이저 아이디 별 캡쳐된 포인트들 계산하는 단계, 2-2) 이전 도로 프레임에서 포인트가 없는 영역에 대한 레이저 아이디 및/또는 앵글을 검색하고, 참조 도로 프레임에서 해당 포인트를 검색하고, 검색된 해당 포인트에 기초하여, 참조 도로 프레임을 업데이트하는 단계, 2-3) 업데이트된 참조 도로 프레임에 기초하여 다음 도로 프레임에 대한 인코딩/디코딩을 수행하는 단계를 포함할 수 있다.
예를 들어, 1) 참조 도로 프레임이 없는 경우, 이전 도로 프레임을 참조 도로 프레임으로 설정할 수 있다. 2) IPPP 모드라면, 현재 프레임이 N번째 프레임이라면, 참조 도로 프레임을 참조해서 인코딩/디코딩할 수 있다. 일반적으로 N-1번째 도로를 참조할 수 있다. N+1번째 프레임을 인코딩하기 전에, N번째와 N-1의 글로벌 이동과 회전 모션이 존재하는 경우, 참조 도로 프레임에서 origin값을 변경하고, 참조 도로 프레임의 포인트들을 회전한 만큼 회전 시킨 후, spherical 좌표계를 다시 계산해서 laserID당 캡처된 포인트를 계산할 수 있다. N번째 도로 프레임에서 포인트가 없는 laserID와 angle값을 검색하고, 참조 도로 프레임에서 해당 포인트들이 존재하는지 검색하고, 있으면 해당 포인트로 N번째 도로 프레임을 업데이트하고 업데이트된 N번째 도로 프레임을 참조 도로 프레임으로 업데이트하고 업데이트된 N번째 도로 프레임을 참도 도로 프레임으로 업데이트하고 N+1번째 프레임을 인코딩/디코딩할 때 참고할 수 있다.
이로 인하여, 참조 도로 프레임에 발생한 객체/모션 등의 영향을 제거하고, 이로 인해 발생할 수 있는 메모리 부담, 예측 정확도 감소 문제를 해결하여, 도로 프레임을 정확하고 빠르게 예측 인코딩/디코딩할 수 있는 효과가 있다.
회전(rotation) 모션만 존재하는 경우 참조 도로 프레임을 생성하는 방안은 다음과 같다.
라이다 장비로 포인트 클라우드를 캡처하는 자동차/또는 이동장비가 회전 모션만 있는 경우, 고정된 객체와 움직이는 객체로 인해 변경된 참조 도로 프레임 생성 방법은 다음과 같을 수 있다. 마찬가지로, 이러한 참조 도로 프레임 생성 방법은 송신 장치 및 수신 장치 모두에서 수행될 수 있다.
실시예들에 따른 참조 도로 프레임 생성 방법은 1) 이전 도로 프레임을 참조 도로 프레임으로 설정하는 단계, 2-1) 참조 도로 프레임의 포인트들 회전시키고, 좌표계를 구면 좌표계로 변환하고, 레이저 아이디 별 캡쳐된 포인트를 계산하고, 포인트가 없는 영역의 레이저 아이디 및 앵글을 검색하는 단계, 2-2) 참조 프레임에서 검색된 포인트에 기초하여 다음 도로 프레임을 업데이트하고, 업데이트된 다음 도로 프레임이 참조 도로 프레임이 되고, 참조 도로 프레임의 다음 도로 프레임을 업데이트된 참조 도로 프레임에 기초하여 인코딩하고 디코딩하는 단계를 포함할 수 있다.
예를 들어, 1) 참조 도로 프레임이 없는 경우, 이전 도로 프레임을 참조 도로 프레임으로 설정할 수 있다. 2) IPPP 모드라면, 현재 프레임이 N번째 프레임이라면, 참조 도로 프레임을 참조해서 인코딩/디코딩할 수 있다. 일반적으로 N-1번째 도로를 참조할 수 있다. N+1번째 프레임을 인코딩하기 전에, N번째와 N-1의 글로벌 회전 모션만 존재하는 경우, 참조 도로 프레임의 포인트들을 회전한 만큼 회전 시킨 후, spherical 좌표계를 다시 계산해서 laserID당 캡처된 포인트를 계산할 수 있다. N번째 도로 프레임에서 포인트가 없는 laserID와 angle값을 검색하고, 참조 도로 프레임에서 해당 포인트들이 존재하는지 검색하고, 있으면 해당 포인트로 N번째 도로 프레임을 업데이트하고 업데이트된 N번째 도로 프레임을 참조 도로 프레임으로 업데이트하고 업데이트된 N번째 도로 프레임을 참도 도로 프레임으로 업데이트하고 N+1번째 프레임을 인코딩/디코딩할 때 참고할 수 있다. 또는 반대로 현재 프레임을 회전 반대방향으로 회전 한 후, 포인트가 없는 laserID와 angle값을 참조 프레임으로부터 채울 수 있다.
이로 인하여, 참조 도로 프레임에 발생한 객체/모션 등의 영향을 제거하고, 이로 인해 발생할 수 있는 메모리 부담, 예측 정확도 감소 문제를 해결하여, 도로 프레임을 정확하고 빠르게 예측 인코딩/디코딩할 수 있는 효과가 있다.
또한, 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 참조 도로 프레임을 생성하는 방법 및/또는 참조 도로 프레임을 초기화하는 방법을 포함할 수 있다.
인코더에서 참조 도로 프레임과 현재 프레임의 차이가 많이 날 경우, 예를 들어 유사성 점수(similarity score)를 계산하여, 두 프레임 사이에는 연관관계가 없이 새로운 씬(scene)이라는 것을 표시할 수 있는 플래그를 생성하고, 디코더에 시그널링 정보로서 전달할 수 있다. 이 경우, 인코더/디코더 모두 참조 프레임 업데이트를 수행하지 않을 수 있다. 즉, 씬이 달라지는 경우는 참조 도로 프레임을 이용해서 현재 도로 프레임을 예측하지 않기 때문에, 씬 변경 시 메모리 부담이 발생할 수 있는 문제를 해결할 수 있다.
예를 들어, 도17 내지 도19를 참조하면, 복수의 프레임들에 대해 다음, 현재, 이전 등과 같은 지칭은 기준에 따라서 다양하게 설명될 수 있다. 예를 들어, N을 현재 프레임, N-1을 이전 프레임이라고 하면, 다음과 같이 설명될 수 있다. 실시예들은 참조 도로 프레임 생성을 포함하기 때문에 현재 프레임에서 앞으로의 N+1 인코딩/디코딩을 위한 참조 도로 프레임을 업데이트하는 방법을 포함한다. 이러한 동작을 통해서 메모리를 덜 쓰기 위해서 현재 프레임(N)을 다음 프레임(N+1)을 인코딩/디코딩하기 전에 업데이트할 수 있다. 즉 현재 프레임을 인코딩/디코딩하고, 다음 프레임을 위해 자신의 데이터를 이전 프레임을(N-1)을 통해 업데이트할 수 있기 때문이다. 현재 프레임(N)에서는 이전 프레임(=참조 프레임, N-1)을 이미 가지고 있는 상태이기 때문에 현재 프레임의 도로를 N-1을 참조해서 업데이트하면 N-1 프레임을 삭제 가능하다.
다시 말해, 현재 프레임을 이미 인코딩하고, 그 후에 다음 프레임을 위해서(N+1) 현재 프레임(N)이 미싱 포인트를 가지는 경우, 이전 참도 도로 프레임(N-1)로부터 가져와서 N을 업데이트한다고 볼 수 있다. 그리고 N+1에서 업데이트된 정보를 사용할 수 있다.
도20은 실시예들에 따른 포인트 클라우드 데이터 송신 장치를 나타낸다.
도20은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 수행하는 장치(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도20의 인코더, 도28 송신 방법)의 구성을 나타낸다. 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다. 각 구성요소의 동작에 관한 설명은 전술한 실시예들의 설명을 따를 수 있다.
부호화기(인코더 혹은 송신 장치 등으로 지칭 가능)의 입력으로 PCC 데이터가 들어가고 부호화되어 지오메트리 정보 비트스트림과 속성정보 비트스트림이 출력될 수 있다.
실시예들에 따른 지오메트리 정보 부호화부(혹은 지오메트리 정보 인코더, 지오메트리 인코더 등으로 지칭 가능함)은 도20과 같이 구성될 수 있다.
한편, 실시예들에 따른 지오메트리 정보 부호화부는 도1 등의 포인트 클라우드 비디오 인코더, 인코딩, 포인트 클라우드 인코더, 포인트 클라우드(Point Cloud) 비디오 인코딩을 위한 구성요소(들)에 대응될 수 있다.
지오메트리 정보 부호화부는 도로/객체 분할부를 통해 도로와 객체를 분할하고, 프레임의 종류가 P프레임(P-frame)인 경우 LPU 분할부를 거쳐 모션 예측부를 통해 글로벌 모션을 예측하고 PU 분할부를 통해 분할이 필요한 영역에 대해서 분할을 진행하고, 모션 예측부를 통해 로컬 모션을 예측할 수 있다. 이 과정은 더 이상 분할이 필요 없을 때까지 또는 지정된 레벨까지만 진행될 수 있다. LPU/PU분할 여부와 각 LPU/PU별 예측된 모션은 관련 시그널링 정보로 생성되고, 비트스트림에 포함되어 디코더에 시그널링될 수 있다.
모션 예측부는 PU 모션을 디코더에 시그널링 할 수 있다. 즉, PU 모션 관련 파라미터를 생성해서, 비트스트림에 포함시켜서 디코더에 전송할 수 있다.
모션 보상 적용부는 참조 도로 프레임 생성 여부를 입력 받아서, 도로 PU에 대해서 참조 도로 프레임 생성 여부를 파라미터로 생성하고 비트스트림에 포함시켜서 디코더에 시그널링 할 수 있다. 연속된 프레임의 유사성 여부를 비교하고 스레드홀드(threshold)보다 작으면 두 프레임이 서로 다른 씬(scene)으로 규정하고, 뉴 씬 플래그(new_scene_flag)를 참(True)으로 설정하여 디코더에 전송할 수 있다.
모션 보상 적용부는 생성된 LPU/PU들에 예측된 모션을 적용할지 여부를 RDO를 통해 결정하고, 결정에 따라서 참조 프레임에 모션을 적용할 수 있다. 적용 여부를 파라미터로 생성하고 비트스트림에 포함시켜서 디코더에 시그널 될 수 있다.
보상된 포인트들을 가지고 지오메트리 정보 인터(inter) 예측부를 통해 지오메트리 정보가 압축되고, 관련 데이터가 시그널링될 수 있다.
모션 예측부는 다음과 같은 동작을 수행할 수 있다.
도로PU의 모션을 검색하기 위한 참조 도로 프레임을 생성하는지 여부를 입력 받을 수 있다. 참조 도로 프레임을 생성하는 경우, 인코더/디코더 모두 같은 참조 도로 프레임으로 업데이트 되어야 함으로 디코더에 참조 도로 프레임 생성 여부 플래그를 시그널링 할 수 있다.
모션 보상 적용부는 다음과 같은 동작을 수행할 수 있다.
도로 PU의 모션, 참조 도로 프레임을 사용 여부와 새로운 씬인지 여부에 따라서 생성된 참조 프레임을 기반으로 해당 도로 PU에 모션을 적용할 수 있다.
도로 모션에서 글로벌 모션이 없는 경우, 도17과 같이 레이저 아이디(laserID)에서 캡처되지 못한 포인트들을 찾아서 참조 도로 프레임을 업데이트할 수 있다. 이동 모션만 있는 경우, 센서 원점 위치를 변경해서 좌표계를 재계산하고, 도18과 같이 레이저 아이디(laserID)에서 캡처되지 못한 포인트들을 찾아서 참조 도로 프레임을 업데이트 할 수 있다. 이동/회전 모션이 있는 경우, 도19와 같이 센서 원점 위치를 먼저 변경해서 좌표계를 재계산하고, 회전을 적용한 후, 레이저 아이디(laserID)에서 캡처되지 못한 포인트들을 찾아서 참조 도로 프레임을 업데이트 할 수 있다. 회전 모션만 있는 경우, 도20과 같이 회전을 적용한 후, 레이저 아이디(laserID)에서 캡처되지 못한 포인트들을 찾아서 참조 도로 프레임을 업데이트 할 수 있다. 이와 같은 작업은 인코더/디코더 모두 수행되고, 같은 참조 도로 레임 기반으로 예측을 수행할 수 있다.
참조 도로 프레임과 현재 도로 프레임의 유사성 판단을 위한 스레드홀드(threshold)를 입력 받을 수 있다. 두 프레임간의 유사성을 비교한 후, 스레드홀드(threshold)보다 작은 경우, 씬(scene)이 다른 것으로 판단하고, 뉴 씬 플래그(new_scene_flag)를 참(True)으로 설정하여 디코더에 시그널링할 수 있다. 이 경우, 인코더/디코더 모두에서 참조 도로 프레임은 초기화 될 수 있다.
도16, 도17, 도18, 도19 등에서 설명한 실시예들에 따른 참조 도로 프레임 생성 방법은 도20의 인코더, 지오메트리 인코더, LPU분할부, 모션 예측부, PU분할부, 모션 보상 적용부, 지오메트리 정보 인터 예측부 등에 의해서 수행될 수 있다
한편, 인코더는 인코딩 인스트럭션을 저장한 메모리 및 메모리와 연결된 프로세서로 구성되어, 해당 인코딩 인스트럭션은 프로세서로 하여금 인코딩 동작을 수행하도록 구성될 수 있다.
한편, 참조 도로 프레임 생성 및 참조 도로 프레임 기반 인터 예측은 지오메트리 관점에서 설명되었지만, 어트리뷰트 인코딩 과정에도 동일하게 적용될 수 있다.
데이터 입력부는 지오메트리, 어트리뷰트, 관련 파라미터를 수신할 수 있다. 라이다 등에 의해 캡쳐된 포인트를 포함하는 프레임을 수신할 수 있다.
좌표계 변환부는 부호화를 위해 적합한 좌표계로 포인트의 좌표계를 변환할 수 있다.
지오메트리 정보 변환 양자화 처리부는 부호화를 위해 적합한 양자화 파라미터를 이용해서 포인트를 양자화할 수 있다.
공간 분할부는 부호화를 위해 적합한 공간으로 포인트들을 분할할 수 있다. 분할된 어트리뷰트는 어트리뷰트 인코더에 전달할 수 있다.
지오메트리 인코더는 다음 구성을 포함할 수 있다.
복셀화 처리부는 지오메트리를 가진 포인트 클라우드를 복셀화할 수 있다.
지오메트리 인코더는 프레임의 종류에 따라서, 프레임이 P프레임인 경우, 분할 및 모션 예측/보상/인터예측을 수행하고, I프레임인 경우 인트라 예측을 수행할 수 있다.
지오메트리 인코더는 P프레임에 대해 LPU분할부를 통해서 도로 및 객체를 LPU(Largest Prediction Unit)단위로 분할할 수 있다. 도로 프레임 및 객체 프레임에 대해, 모션 예측부는 도로 포인트의 모션, 객체 포인트의 모션을 예측할 수 있다. 모션 예측부는 도로PU의 모션을 검색하기 위한 참조 도로 프레임을 생성하는지 여부를 나타내는 시그널링 정보를 수신하여, 이에 따라서, 참조 도로 프레임을 생성할 수 있다. 참조 도로 프레임 생성 동작은 전술한 설명을 참조한다.
PU분할부는 LPU를 PU단위로 분할할 수 있다. 도로 PU들 및 객체PU들이 각각 생성될 수 있다. LPU 및 PU단위는 모션 예측/보상 설정에 따라서 다양하게 구성될 수 있다.
모션 보상 적용부는 참조 프레임을 기반으로 해당 도로 PU 및 객체 PU 각각에 모션을 적용할 수 있다. 전술한 바와 같이, 참조 프레임을 업데이트하여 미싱 파트를 해결하고, 업데이트된 참조 프레임에 기초하여 프레임의 모션을 보상하여, 인터 예측을 할 수 있다. 미싱 파트로 인한 문제점이 해소되므로, 정확하고 빠른 프레임 간 예측을 수행할 수 있다
인터 예측부는 모션 보상 후 참조 프레임 기반 현재 프레임을 예측하고, 예측된 포인트의 지오메트리 및 현재 포인트의 지오메트리 간 잔차를 생성하여, 잔차만 압축하고 엔트로피 인코딩하여 축소된 사이즈를 가지는 비트스트림을 전송할 수 있다.
부호호된 지오메트리는 다시 복원되어 어트리뷰트 부호화를 위해서, 포인트의 지오메트리가 필요하므로, 어트리뷰트 인코더에 전달될 수 있다.
지오메트리 인코더는 인트라 프레임 예측을 수행할 수 있다. 참조 프레임 없이 현재 프레임 내 유사 포인트를 이웃 후보로부터 찾아서, 잔차를 생성하고, 잔차를 엔트로피 인코딩할 수 있다.
어트리뷰트 인코더는 색상 변환 처리부를 통해서, 어트리뷰트를 적합한 색상 체계로 변환할 수 있다.
어트리뷰트 인코더는 지오메트리 부호화 방식이 손실 기반 부호화인 경우 어트리뷰트(색상)을 손실된 지오메트리에 대해 복원하기 위해서 리컬러링부를 통해서 색상을 다시 조정할 수 있다. 어트리뷰트 인코더는 지오메트리 부호화 방식이 손실이 없는 방식인 경우 리컬러링 단계를 스킵할 수 있다.
어트리뷰트 인코더는 어트리뷰트 인트라 예측 방식인 경우, 어트리뷰트 정보를 인트라 프레임 방식으로 예측 코딩을 수행할 수 있다. 어트리뷰트 인트라 예측 방식이 아닌 경우 어트리뷰트 정보를 인터 프레임 방식으로 예측 코딩을 수행할 수 있다. 지오메트리와 마찬가지로, 어트리뷰트 인터 프레임 방식은 참조 프레임을 참조하여 현재 프레임의 어트리뷰트를 예측하고, 어트리뷰트 인터 프레임 방식으로 어트리뷰트를 부호화할 수 있다. 인터 예측 및/또는 인트라 예측 방식으로 어트리뷰트를 예측해서, 잔차를 생성해서, 잔차를 엔트로피 방식으로 부호화하여, 어트리뷰트 정보를 포함하는 어트리뷰트 정보 비트스트림을 생성할 수 있다. 또한, 부호화된 어트리뷰트를 복원하여 참조 프레임 버퍼에 전달할 수 있다. 참조 프레임 버퍼는 복원된 지오메트리 정보 및/또는 복원된 어트리뷰트 정보를 저장하고, 다음 프레임을 인터 예측 방식으로 부호화하는 경우, 참조 프레임에 대한 포인트(지오메트리/어트리뷰트) 정보를 제공할 수 있다.
송신 장치는 포인트 클라우드를 부호화하고, 동작에 따른 파라미터를 생성해서 도22 내지 도27과 같은 비트스트림을 생성해서 전송할 수 있다.
도21은 실시예들에 따른 포인트 클라우드 데이터 수신 장치를 나타낸다.
도21은 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 수행하는 장치(도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도21의 디코더, 도29 수신 방법)의 구성을 나타낸다.
각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다. 각 구성요소의 동작에 관한 설명은 전술한 실시예들의 설명을 따를 수 있다.
도21 수신 장치의 각 동작은 도20 송신 장치의 각 동작에 대응하고, 수신 동작은 송신 동작의 역과정을 따를 수 있다.
복호화기의 입력으로 부호화된 지오메트리정보 비트스트림과 속성정보 비트스트림이 들어가고 복호화 되어 복원된 PCC된 데이터가 출력될 수 있다.
실시예들에 따른 지오메트리정보 복호화부는 도1 등의 포인트 클라우드 비디오 디코더, 디코딩, 포인트 클라우드 디코더, 신기의 Point Cloud 비디오 디코딩을 위한 구성요소(들)에 대응될 수 있다.
한편, 디코더는 디코딩 인스트럭션을 저장한 메모리 및 메모리와 연결된 프로세서로 구성되어, 해당 디코딩 인스트럭션은 프로세서로 하여금 디코딩 동작을 수행하도록 구성될 수 있다.
모션 보상 적용부는 전송된 도로 PU의 모션, 참조 도로 프레임을 사용 여부와 새로운 씬인지 여부에 따라서 생성된 참조 프레임을 기반으로 해당 도로 PU에 모션을 적용할 수 있다.
지오메트리 정보 복호화부는 지오메트리 정보 비트스트림(도20 내지 도27)을 수신할 수 있다.
지오메트리 정보 엔트로피 복호화부는 지오메트리 정보를 엔트로피 방식에 기초하여 복호화할 수 있다.
지오메트리 정보 복호화부는 지오메트리 인코딩 방식이 인트라인지 인터인지에 따라서, 복호화 동작을 수행할 수 있다. 지오메트리 인코딩 방식이 지오메트리 인트라 코딩이 아닌 경우 LPU/PU분할부를 통해서, 포인트 클라우드를 포함하는 비트스트림의 시퀀스, 프레임 등을 도로 및/또는 객체로 분할할 수 있다.
모션 보상 적용부는 비트스트림으로부터 뉴 씬 플래그, 참조 도로 프레임 생성 플래그, PU 모션 등을 파싱하여, 도로/객체가 분할된 유닛에 대해 모션 보상을 적용할 수 있다.
지오메트리 정보 인터 예측 복원부는 참조 프레임에 기초하여 현재 프레임의 도로/객체를 예측하고, 수신한 잔차값과 예측값을 합산하여 지오메트리를 복원할 수 있다.
지오메트리 인코딩 방식이 지오메트리 인트라 코딩인경우, 참조 프레임 없이, 현재 프레임 내에서 현재 지오메트리와 가장 유사한 이웃 후보 포인트로부터 예측값을 복원할 수 있다.
지오메트리 정보 변환 역양자화 처리부는 인트라 및/또는 인터 방식에 의해 복원된 지오메트리를 양자화 파라미터에 기초하여 역으로 양자화할 수 있다. 그리고, 복원된 지오메트리는 어트리뷰트 복호화를 위해서 제공될 수 있다.
지오메트리 정보 복호화부는 지오메트리 정보를 복호화할 수 있다.
어트리뷰트 정보 복호화호는 어트리뷰트 잔차 정보 엔트로피 복호화부를 통해서 수신된 잔차를 엔트로피 방식에 기초하여 복호화할 수 있다.
어트리뷰트 정보 복호화부는 어트리뷰트 코딩 방식이 인트라인지 인터인지에 따라서, 대응하는 동작을 수행할 수 있다.
어트리뷰트 코딩 방식이 인트라가 아닌 경우, 어트리뷰트 정보 인터 예측 복원부는 인터 예측 방식을 통해 참조 프레임을 참조하여 현재 프레임에 대한 예측을 생성할 수 있다. 지오메트리와 마찬가지로, 참조 프레임을 생성할 수 있다.
어트리뷰트 코딩 방식이 인트라인 경우, 어트리뷰트 정보 인트라 예측 복원부는 참조 프레임 없이 현재 프레임 내 현재 포인트와 가장 유사한 어트리뷰트를 가지는 이웃 후보로부터 예측을 생성할 수 있다.
어트리뷰트 정보 복호화부는 복원된 어트리뷰트 정보를 생성할 수 있다. 참조 프레임 버퍼는 복원된 지오메트리 및 복원된 어트리뷰트를 저장하여, 참조 프레임에 대한 지오메트리 및 어트리뷰트로 저장하고, 참조 프레임의 다음 프레임을 예측하는 경우, 참조 정보를 제공할 수 있다.
색상 역변환 처리부는 색상 체계를 역으로 변환할 수 있다.
어트리뷰트 정보 복호화부는 어트리뷰트 정보를 생성할 수 있다.
도22는 실시예들에 따른 포인트 클라우드 데이터 및 파라미터를 포함하는 비트스트림을 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법을 수행하는 장치(도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도20의 인코더, 도28 송신 방법)는 도22 비트스트림을 생성하고, 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 수행하는 장치(도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도21의 디코더, 도29 수신 방법)은 도20 비트스트림의 파라미터에 기초하여, 도20비트스트림의 지오메트리 및/또는 어트리뷰트를 디코딩할 수 있다.
이와 같이, 실시예들에 따른 방법/장치는 실시예들을 추가/수행 하기 위해서 관련 정보를 시그널링할 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)을 생성할 수 있다. 또한, 포인트 클라우드 데이터에 관한 시그널링 정보는 포인트 클라우드 데이터 송신 장치의 메타데이터 처리부에 의해 생성되고 처리되어 다음과 같이 포인트 클라우드에 포함될 수 있다.
각 약어는 다음을 의미한다. 각 약어는 동등한 의미의 범위 내에서 다른 용어로 지칭될 수 있다: SPS: 시퀀스 파라미터 세트(Sequence Parameter Set), GPS: 지오메트리 파라미터 세트(Geometry Parameter Set), APS: 어트리뷰트 파라미터 세트(Attribute Parameter Set), TPS: 타일 파라미터 세트(Tile Parameter Set), 지오메트리(Geom): 지오메트리 비트스트림(Geometry bitstream) = 지오메트리 슬라이스 헤더(geometry slice header)+ [지오메트리 PU헤더(geometry PU header) + 지오메트리 PU데이터(Geometry PU data)] | 지오메트리 슬라이스 데이터(geometry slice data), 어트리뷰트(Attr): 어트리뷰트 비트스트림(Attribute bitstream) = 어트리뷰트 데이터 유닛 헤더(attribute data unit header) + [어트리뷰트 PU헤더(attribute PU header) + 어트리뷰트 PU데이터(attribute PU data)] | 어트리뷰트 데이터 유닛 데이터(attribute data unit data). 한편, 슬라이스는 데이터 유닛으로 지칭될 수 있고, 슬라이스 헤더는 데이터 유닛 헤더, 슬라이스 데이터는 유닛 데이터로 지칭될 수 있다.
실시예들에 따른 방법/장치는 실시예들에 따른 참조 도로 프레임 생성 정보를 생성하여 SPS, GPS, TPS에 추가하여 시그널링할 수 있다. 참조 도로 프레임 생성 정보를 TPS, 또는 각 슬라이스(Slice) 별 지오메트리 데이터 헤더(Geometry data header)에 추가하여 시그널링할 수 있다. 포인트 클라우드를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스를 제공한다. 영역별로 나눌 때 각각의 영역 별로 다른 이웃 포인트 집합 생성 옵션을 설정해서 복잡도(complexity)는 낮고, 결과의 신뢰도는 다소 떨어지거나 반대로 복잡도가 높으나 신뢰도가 높은 선택 방안을 제공할 수 있다. 수신기의 처리능력(capacity)에 따라서 다르게 설정할 수 있다. 따라서, 포인트 클라우드는 타일(Tile)로 나누어지는 경우, 각 타일별로 다른 옵션을 적용할 수 있다. 포인트 클라우드는 슬라이스(Slice)로 나누어지는 경우, 각 슬라이스별로 다른 옵션을 적용할 수 있다. 지메트리 PU(Geometry PU)를 추가하고, 지오메트리 PU 헤더(Geometry PU header), 지오메트리 PU데이터(Geometry PU data)를 추가할 수 있다.
이하에서, 각 도면을 참조하여 도20 비트스트림에 포함된 파라미터 세트의 신택스를 설명한다.
도23은 실시예들에 따른 시퀀스 파라미터 세트(Sequence parameter Set, SPS)를 나타낸다.
도23 SPS는 도22 비트스트림에 포함된 SPS를 나타낸다. 참조 도로 프레임 생성 관련 옵션 정보를 SPS(Sequence Parameter Set)에 추가하여 시그널링할 수 있다. 이로 인하여, 지오메트리/속성의 인터 예측 지원을 위해 효율적으로 시그널링할 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
프로파일(profile_idc): 비트스트림이 준수하는 프로파일을 나타낸다. 비트스트림은 지정된 것 이외의 profile_idc 값을 포함하지 않는다. profile_idc의 다른 값은 ISO/IEC에서 향후 사용을 위해 예약된다.
프로파일 호환성 플래그(profile_compatibility_flags): 1과 같은 profile_compatibility_flags는 비트스트림이 j와 같은 profile_idc에 의해 표시된 프로파일을 준수함을 나타낸다.
SPS 어트리뷰트 세트 개수(sps_num_attribute_sets): sps_num_attribute_sets는 비트스트림에서 코딩된 속성의 개수를 나타낸다. sps_num_attribute_sets의 값은 0에서 63 사이일 수 있다.
어트리뷰트 디멘션(attribute_dimension[i]): i번째 속성의 구성 요소 개수를 나타낸다.
어틜뷰트 인스턴스 아이디(attribute_instance_id[i]): i번째 속성에 대한 인스턴스 ID를 나타낸다.
참조 도로 생성 플래그(reference_road_generation_flag): 시퀀스에서 참조 도로 생성 여부를 나타낸다.
도24는 실시예들에 따른 지오메트리 파라미터 세트(Geometry Parameter Set, GPS)를 나타낸다.
도24 GPS는 도22 비트스트림에 포함된 GSP를 나타낸다. 참조 도로 프레임 생성 관련 옵션 정보를 GPS(Geometry Parameter Set)에 추가하여 시그널링할 수 있다. 이로 인하여, 지오메트리/속성의 인터 예측 지원을 위해 효율적으로 시그널링할 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
GPS 지오메트리 파라미터 세트 아이디(gps_geom_parameter_set_id): 다른 구문 요소에서 참조할 GPS에 대한 식별자를 나타낸다. gps_seq_parameter_set_id의 값은 0에서 15까지의 범위에 있을 수 있다.
GPS 파라미터 세트 아이디(gps_seq_parameter_set_id): 활성 SPS에 대한 sps_seq_parameter_set_id 값을 나타낸다. gps_seq_parameter_set_id의 값은 0에서 15까지의 범위에 있을 수 있다.
지오메트리 트리 타입(geom_tree_type): 0과 동일한 geom_tree_type은 위치 정보가 Octree를 사용하여 코딩됨을 나타낸다. 1과 같은 geom_tree_type은 위치 정보가 예측 트리를 사용하여 코딩됨을 나타낸다.
뉴 씬 플래그(new_scene_flag): 프레임이 이전 프레임과 비교해서 새로운 씬(scene)인지 여부를 나타낸다.
참조 도로 생성 플래그( reference_road_generation_flag): 프레임에서 참조 도로 생성 여부를 나타낸다.
도25는 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set, TPS)의 신택스를 나타낸다.
도25 TPS는 도22 비트스트림에 포함된 TPS를 나타낸다. 참조 도로 프레임 생성 관련 옵션 정보를 TPS(Tile Parameter Set)에 추가하여 시그널링할 수 있다. 이로 인하여, 지오메트리/속성의 인터 예측 지원을 위해 효율적으로 시그널링할 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
타일 개수(num_tiles): 비트스트림에 대해 신호를 보내는 타일 개수를 나타낸다. 존재하지 않는 경우 num_tiles는 0으로 유추된다.
타일 바운딩 박스 오프셋x(tile_bounding_box_offset_x[i]): 데카르트 좌표에서 i번째 타일의 x 오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_x[0]의 값은 sps_bounding_box_offset_x로 유추된다.
타일 바운딩 박스 오프셋y(tile_bounding_box_offset_y[i]): 데카르트 좌표에서 i번째 타일의 y 오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_y[0]의 값은 sps_bounding_box_offset_y로 유추된다.
타일 바운딩 박스 오프셋z(tile_bounding_box_offset_z[i]): 데카르트 좌표에서 i번째 타일의 z 오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_z[0]의 값은 sps_bounding_box_offset_z로 유추된다.
뉴 씬 플래그(new_scene_flag): 타일에서 프레임이 이전 프레임과 비교해서 새로운 씬(scene)인지 여부를 나타낸다.
참조 도로 생성 플래그( reference_road_generation_flag): 타일에서 참조 도로 생성 여부를 나타낸다.
도26은 실시예들에 따른 지오메트리 슬라이스 헤더(지오메트리 데이터 헤더)(Geometry Data Header)의 신택스를 나타낸다.
도26 GSH(Geometry Slice Header, Geometry Data Header 등으로 지칭 가능함)는 도22 비트스트림에 포함된 지오메트리 슬라이스 헤더를 나타낸다. 참조 도로 프레임 생성 관련 옵션 정보를gsh에 추가하여 시그널링할 수 있다. 이로 인하여, 지오메트리/속성의 인터 예측 지원을 위해 효율적으로 시그널링할 수 있다. 시그널링 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다. 지오메트리 정보 인코딩/디코딩 과정에 포인트 참조 도로 프레임 생성 정보를 지오메트리 데이터 헤더(Geometry data header)에 추가하여 시그널링 할 수 있다. 해당 정보를 통해 생성된 참조 도로 프레임은 속성에서도 활용할 수 있다.
GSH지오메트리 파라미터 세트 아이디(gsh_geometry_parameter_set_id): 활성 GPS의 gps_geom_parameter_set_id 값을 나타낸다.
GSH 타일 아이디(gsh_tile_id): GSH가 참조하는 타일 ID의 값을 나타낸다. gsh_tile_id의 값은 0에서 XX까지의 범위에 있을 수 있다.
GHS 슬라이스 아이디(gsh_slice_id): 다른 구문 요소에서 참조할 슬라이스 헤더를 나타낸다. gsh_slice_id의 값은 0에서 XX까지의 범위에 있을 수 있다.
뉴 씬 플래그(new_scene_flag): 타 슬라이스에서 프레임이 이전 프레임과 비교해서 새로운 씬(scene)인지 여부를 나타낸다.
참조 도로 생성 플래그( reference_road_generation_flag): 슬라이스에서 참조 도로 생성 여부를 나타낸다.
도27은 실시예들에 따른 지오메트리 PU 헤더(Geometry PU Header)의 신택스를 나타낸다.
도26 지오메트리 PU 헤더는 도22 비트스트림에 포함된다. 참조 도로 프레임 생성 관련 옵션 정보를지오메트리 PU 헤더에 추가하여 시그널링할 수 있다. 이로 인하여, 지오메트리/속성의 인터 예측 지원을 위해 효율적으로 시그널링할 수 있다. 인터 예측 관련 참조 도로 프레임 생성 정보는Geom PU Header 를 생성하여 시그널링 할 수 있다
PU타일 아이디(pu_tile_id): PU가 속한 타일 ID 를 나타낸다.
PU 슬라이스 아이디(pu_slice_id): PU가 속한 슬라이스 ID 를 나타낸다.
PU 카운트(pu_cnt): 슬라이스에 포함된 PU들의 개수를 나타낸다.
PU 아이디(pu_id): PU ID를 나타낸다.
PU 스플릿 플래그(pu_split_flag): PU 블록이 이후 추가로 분할되었는지를 나타낸다.
PU 모션 벡터 포함 플래그(pu_has_motion_vector_flag): PU 블록이 모션 벡터를 가지는지를 나타낸다.
PU 모션 매트릭스(pu_motion_mat[][][]): PU 블록에 적용되는 모션 행렬을 나타낸다.
PU 모션 회전 벡터(pu_motion_rot_vector[][]): PU 블록에 적용되는 모션 회전 벡터를 나타낸다.
PU 모션 트랜스퍼(pu_motion_trans [][]): PU 블록에 적용되는 모션 이동 벡터를 나타낸다.
PU 모션 회전 타입(pu_motion_rot_type[]): PU 블록에 적용되는 모션 회전 값 타입을 나타낸다. 예를 들어, 0이면= 라디안(radian)이고, 1이면 디그리(degree)를 나타낼 수 있다.
PU 모션 회전(pu_motion_rot[]): PU 블록에 적용되는 모션 회전을 나타낸다. 회전 축은 도로 노멀 벡터를 기준으로 회전할 수 있다.
도로 플래그(is_road_flag): LPU 블록에 포함된 포인트의 도로/객체 여부를 나타낸다.
오브젝트 아이디(object_id): PU 블록에 포함된 포인트의 객체 id를 나타낸다.
뉴 씬 플래그(new_scene_flag[]): PU블록에서 프레임이 이전 프레임과 비교해서 새로운 씬(scene)인지 여부를 나타낸다.
참조 도로 생성 플래그(reference_road_generation_flag[]): PU블록에서 참조 도로 생성 여부를 나타낸다.
도28은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도28은 실시예들에 따른 포인트 클라우드 데이터 송신 방법으로, 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도20의 인코더 등에 의해 수행될 수 있다.
S2800, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계를 포함할 수 있다. 실시예들에 따른 인코딩 동작은 도1 내지 도10과 같이 포인트 클라우드 데이터를 인코딩할 수 있다. 지오메트리 인코딩 및/또는 어트리뷰트 인코딩을 포함할 수 있다. 부호화된 포인트 클라우드를 비트스트림에 포함시키고, 부호화와 연관된 파라미터를 생성해서, 비트스트림에 포함시킬 수 있다(도22 내지 도27). 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 포함하는 비트스트림을 생성할 수 있다. 또한, 도11 내지 도19와 같이, 포인트 클라우드를 포함하는 프레임을 인터-프레임 방식으로 부호화하는 경우 객체 및/또는 도로를 분할하여 예측 인코딩을 포함할 수 있다. 인터-프레딕션을 위한 참조 프레임을 생성하고, 업데이트하는 방식을 도11 내지 도19와 같이 수행할 수 있다.
S2810, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 더 포함할 수 있다. 실시예들에 따른 전송 동작은 도22 내지 도27과 같은 비트스트림을 전송할 수 있다.
도29는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
도29는 실시예들에 따른 포인트 클라우드 데이터 수신 방법으로, 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도21의 디코더 등에 의해 수행될 수 있다.
S2900, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함할 수 있다. 실시예들에 따른 수신 동작은 도22 내지 도27과 같은 비트스트림을 수신할 수 있다.
S2910, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 디코딩하는 단계를 더 포함할 수 있다. 실시예들에 따른 디코딩 동작은 도11 내지 도10과 같이 포인트 클라우드 데이터를 디코딩할 수 있다. 지오메트리 디코딩 및/또는 어트리뷰트 디코딩을 포함할 수 있다. 부호화 및/또는 복호화와 연관된 파라미터에 기초하여, 비트스트림에 포함된 포인트 클라우드를 복호화할 수 있다. 또한, 도11 내지 도19와 같이, 포인트 클라우드를 포함하는 프레임을 인터-프레임 방식으로 복호화하는 경우 객체 및/또는 도로를 분할하여 예측 디코딩을 포함할 수 있다. 인터-프레딕션을 위한 참조 프레임을 생성하고, 업데이트하는 방식을 도11 내지 도19와 같이 수행할 수 있다.
상술한 실시예들의 PCC 부호화 방법, PCC복호화 방법, 시그널링 방법은 다음의 효과를 제공할 수 있다.
실시예들에 따른 송신 방법은, 도1을 참조하면, 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다.
도11-15를 참조하면, 도로/객체 포인트 구성 관련하여, 실시예들에 따른 포인트 클라우드 데이터는 도로에 연관된 포인트 및 객체에 연관된 포인트를 포함하고, 도로에 연관된 포인트를 포함하는 프레임은 도로에 연관된 객체에 의해 도로에 연관된 포인트가 변형되거나, 도로에 연관된 포인트가 손실(missing)될 수 있다.
도16을 참조하면, 라이다 아이디 별 포인트 캡쳐 관련하여, 포인트 클라우드 데이터는 라이다에 의해 획득되고, 포인트 클라우드 데이터는 라이다의 레이저 아이디에 기초하여 포인트를 포함할 수 있다.
도17을 참조하면, (예를 들어, 글로벌 모션 없는) 참조 도로 프레임 생성 방법 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 참조 도로 프레임의 미싱된 포인트는 참조 도로 프레임의 이전 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 참조 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다.
마찬가지로, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 도로 프레임의 미싱된 포인트는 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다. 즉, 복수의 도로 프레임들이 있고, 미싱된 포인트가 존재하는 경우, 다음 인코딩 및/또는 디코딩을 위해서 미싱된 포인트를 이전 도로 프레임을 이용하여 업데이트하여, 다음 도로 프레임 인코딩/디코딩을 위한 보강된 참조 도로 프레임을 생성할 수 있다. 현재 프레임이 다음 프레임 인코딩/디코딩 이전에 업데이트되면, 메모리 사용을 효과적으로 줄일 수 있는 효과가 있다. 현재 프레임은 이전 프레임, 즉 참조 프레임을 이미 가지고 있기 때문에, 현재 프레임의 도로를 이전 도로 정보를 참조해서 업데이트하면, 이전 프레임을 삭제할 수 있다.
도18을 참조하면, (예를 들어, 이동만 있는 경우) 참조 도로 프레임 생성 방법 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 참조 도로 프레임의 원점 좌표 정보는 변경되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고, 참조 도로 프레임의 미싱된 포인트는 참조 도로 프레임의 이전 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 참조 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다.
마찬가지로, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 참조 도로 프레임의 원점 좌표 정보는 변경되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고, 도로 프레임의 미싱된 포인트는 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다. 이를 통해, 전술한 효과를 제공할 수 있다.
도19를 참조하면, (예를 들어, 이동/회전 있는 경우) 참조 도로 프레임 생성 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 참조 도로 프레임의 원점 좌표 정보는 변경되고, 참조 도로 프레임은 회전되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고, 참조 도로 프레임의 미싱된 포인트는 참조 도로 프레임의 이전 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 참조 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다.
마찬가지로, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 상기 도로 프레임을 예측하고, 참조 도로 프레임의 원점 좌표 정보는 변경되고, 참조 도로 프레임은 회전되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고, 도로 프레임의 미싱된 포인트는 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다. 이를 통해, 전술한 효과를 제공할 수 있다.
도19이하를 참조하면, (예를 들어, 회전만 있는 경우) 참조 도로 프레임 생성 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 참조 도로 프레임은 회전되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고, 참조 도로 프레임의 미싱된 포인트는 참조 도로 프레임의 이전 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 참조 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다.
마찬가지로, 도로 프레임을 인코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 참조 도로 프레임은 회전되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고, 도로 프레임의 미싱된 포인트는 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다.
도19 이하를 참조하면, 참조 도로 프레임 초기화 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 참조 도로 프레임을 초기화하는 단계를 더 포함할 수 있다.
도22를 참조하면, 시그널링 관련하여, 비트스트림은 참조 도로 프레임을 생성할지 여부를 나타내는 정보 또는 현재 프레임이 새로운 장면인지 여부를 나타내는 정보 중 적어도 하나를 포함할 수 있다. 예를 들어, 참조 도로 프레임을 생성할지 여부를 나타내는 정보, 현재 프레임이 새로운 장면인지 여부를 나타내는 정보, 혹은 참조 도로 프레임을 생성할지 여부를 나타내는 정보 및 현재 프레임이 새로운 장면인지 여부를 나타내는 정보를 포함할 수 있다.
포인트 클라우드 데이터 송신 방법은 송신 장치에 의해 수행되고, 송신 장치는 포인트 클라우드 데이터를 인코딩하는 인코더; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 전송부; 를 포함하라 수 있다.
포인트 클라우드 데이터 송신 방법에 대응하는 수신 방법은 송신의 역과정을 수행하고, 예를 들어, 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다.
포인트 클라우드 데이터 수신 방법은 마찬가지로, 포인트 클라우드 데이터를 디코딩하는 단계에서, 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 디코딩하는 단계를 포함하고, 도로 프레임을 디코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 상기 도로 프레임을 예측하고, 참조 도로 프레임의 미싱된 포인트는 참조 도로 프레임의 이전 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 참조 도로 프레임에서 미싱된 포인트가 업데이트될 수 있다.
한편, 도로 프레임을 디코딩하는 단계는, 현재 프레임의 도로 프레임의 참조 도로 프레임에 기초하여, 현재 프레임의 도로 프레임을 예측하고, 도로 프레임의 미싱된 포인트는 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 도로 프레임에서 상기 미싱된 포인트가 업데이트될 수 있다.
포인트 클라우드 데이터 수신 방법은 수신 장치에 의해 수행되고, 수신 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함할 수 있다.
이로 인하여, 충분하지 않은 정보를 포함하는 도로 데이터를 보충하여 정확하고 빠른 압축/복원을 할 수 있다. 즉, 잃어버린 도로 포인트를 이전 프레임들로부터 좌표 원점 매칭 및 회전을 통해서, 추가하고 업데이트할 수 있다. 라이다 장비, 객체 등의 움직임에 따라서, 참조 도로 프레임을 각각 다르게 업데이트할 수 있다. 즉, 라이다의 움직임 및 객체 움직임 모두를 보상할 수 있다. 도로 프레임을 작은 비트스트림 사이즈로 압축하고 복원할 수 있다. 객체로 인한 영향으로 압축 성능이 감소하는 문제점을 해결할 수 있다.
움직이는 자동차에서 라이다 장비를 통해서 한 프레임씩 캡처하고 저장하는 경우의 시나리오는 프레임간의 연속성이 존재할 수 있어 인터 예측 기법을 사용해서 압축을 효율적으로 진행할 수 있다. 캡처된 도로와 객체 포인트 클라우드의 모션의 특성이 다르기 때문에 인터 예측 기법을 효율적으로 적용하기 위해서 도로와 객체를 분할해서 각각에 대해 모션을 예측을 빠르고 정확하게 하는 것은 압축 시간에 영향을 줄 수 있으며, 정확한 예측을 통한 인터 예측 기법의 효율성을 높이게 되면 비트스트림 사이즈를 줄일 수 있다. 부정확한 모션 예측은 비트스트림 사이즈를 크게 증가시킬 수 있어 압축 효율을 떨어뜨릴 수 있다. 따라서, 실시예들은 움직이는 자동차에서 라디아 장비로 캡처된 특성을 이용하여 모션을 빠르고 정확하게 예측할 수 있다.
실시예들은 움직이는 자동차에서 라이다 장비를 통해 캡처된 콘텐츠의 효율적인 지오메트리 압축을 지원 위해 도로/객체 분할하고, 도로의 인터 예측 효율을 높이기 위해 인터 예측에 사용하는 참조 도로 프레임을 생성하는 방법을 제공한다. 같은 도로지만, 객체들의 이동에 따라서 도로의 변화에 영향을 주는 부분을 누적으로 업데이트 하기 위해 참조 도로 프레임을 생성하여, 객체들로 인해, 또는 캡처 환경으로 인해 없어진 도로 포인트들을 보완하고 메모리 증가를 감안하여 필요한 부분에 대해서만 참조 도로 프레임을 생성할 수 있다.
이로써 실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)의 인터 지오메트리 압축 효율을 높여서 포인트 클라우드 콘텐츠 스트림을 제공할 수 있다. 해당 방법으로부터 구성된 참조 도로 프레임은 속성 압축에서도 참조 도로 프레임으로 사용해서 압축 효율을 높일 수 있다.
따라서, 실시예들에 따른 송신 방법/장치는 포인트 클라우드 데이터를 효율적으로 압축하여 데이터를 전송할 수 있고, 이를 위한 시그널링 정보를 전달함으로써, 실시예들에 따른 수신 방법/장치 역시 포인트 클라우드 데이터를 효율적으로 디코딩/복원할 수 있다.
상술한 실시예들에 따른 송수신 장치의 동작은 이하의 포인트 클라우드 컴프레션 처리 과정과 결합되어 설명될 수 있다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 의미하고, 2) “B” 만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사?熾幷? 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
한편, 상술한 실시예들에 따른 동작은 실시예들 따른 송신 장치 및/또는 수신 장치에 의해서 수행될 수 있다. 송수신 장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신 장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.
발명의 실시를 위한 형태
상술한 바와 같이, 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
산업상 이용가능성
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신 장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다.
당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다.
실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항들 및 그 와 동일한 것들의 범위를 벗어나지 않는다.

Claims (15)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  2. 제1항에 있어서,
    상기 포인트 클라우드 데이터는 도로에 연관된 포인트 및 객체에 연관된 포인트를 포함하고,
    상기 도로에 연관된 포인트를 포함하는 프레임은 상기 도로에 연관된 상기 객체에 의해 상기 도로에 연관된 포인트가 변형되거나, 상기 도로에 연관된 포인트가 손실(missing)되는,
    포인트 클라우드 데이터 송신 방법.
  3. 제1항에 있어서,
    상기 포인트 클라우드 데이터는 라이다에 의해 획득되고,
    상기 포인트 클라우드 데이터는 상기 라이다의 레이저 아이디에 기초하여 포인트를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  4. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고,
    상기 도로 프레임을 인코딩하는 단계는,
    상기 현재 프레임의 상기 도로 프레임의 참조 도로 프레임에 기초하여, 상기 현재 프레임의 상기 도로 프레임을 예측하고,
    상기 도로 프레임의 미싱된 포인트는 상기 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 상기 도로 프레임에서 상기 미싱된 포인트가 업데이트되는,
    포인트 클라우드 데이터 송신 방법.
  5. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고,
    상기 도로 프레임을 인코딩하는 단계는,
    상기 현재 프레임의 상기 도로 프레임의 참조 도로 프레임에 기초하여, 상기 현재 프레임의 상기 도로 프레임을 예측하고,
    상기 참조 도로 프레임의 원점 좌표 정보는 변경되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고,
    상기 도로 프레임의 미싱된 포인트는 상기 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 상기 도로 프레임에서 상기 미싱된 포인트가 업데이트되는,
    포인트 클라우드 데이터 송신 방법.
  6. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고,
    상기 도로 프레임을 인코딩하는 단계는,
    상기 현재 프레임의 상기 도로 프레임의 참조 도로 프레임에 기초하여, 상기 현재 프레임의 상기 도로 프레임을 예측하고,
    상기 참조 도로 프레임의 원점 좌표 정보는 변경되고, 상기 참조 도로 프레임은 회전되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고,
    상기 도로 프레임의 미싱된 포인트는 상기 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 상기 도로 프레임에서 상기 미싱된 포인트가 업데이트되는,
    포인트 클라우드 데이터 송신 방법.
  7. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 인코딩하는 단계를 포함하고,
    상기 도로 프레임을 인코딩하는 단계는,
    상기 현재 프레임의 상기 도로 프레임의 참조 도로 프레임에 기초하여, 상기 현재 프레임의 상기 도로 프레임을 예측하고,
    상기 참조 도로 프레임은 회전되고, 구면 좌표계에 기초하여 레이저 아이디 별 포인트가 계산되고,
    상기 도로 프레임의 미싱된 포인트는 상기 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 상기 도로 프레임에서 상기 미싱된 포인트가 업데이트되는,
    포인트 클라우드 데이터 송신 방법.
  8. 제4항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 참조 도로 프레임을 초기화하는 단계를 더 포함하는,
    포인트 클라우드 데이터 송신 방법.
  9. 제1항에 있어서,
    상기 비트스트림은 참조 도로 프레임을 생성할지 여부를 나타내는 정보 또는 현재 프레임이 새로운 장면인지 여부를 나타내는 정보 중 적어도 하나를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  10. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 전송부; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  11. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  12. 제11항에 있어서,
    상기 포인트 클라우드 데이터는 도로에 연관된 포인트 및 객체에 연관된 포인트를 포함하고,
    상기 도로에 연관된 포인트를 포함하는 프레임은 상기 도로에 연관된 상기 객체에 의해 상기 도로에 연관된 포인트가 변형되거나, 상기 도로에 연관된 포인트가 손실(missing)되는,
    포인트 클라우드 데이터 수신 방법.
  13. 제11항에 있어서,
    상기 포인트 클라우드 데이터는 라이다에 의해 획득되고,
    상기 포인트 클라우드 데이터는 상기 라이다의 레이저 아이디에 기초하여 포인트를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  14. 제11항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터를 포함하는 현재 프레임의 도로 프레임을 디코딩하는 단계를 포함하고,
    상기 도로 프레임을 디코딩하는 단계는,
    상기 현재 프레임의 상기 도로 프레임의 참조 도로 프레임에 기초하여, 상기 현재 프레임의 상기 도로 프레임을 예측하고,
    상기 도로 프레임의 미싱된 포인트는 상기 참조 도로 프레임으로부터 레이저 아이디 또는 앵글 중 적어도 하나에 기초하여 검색되고, 상기 도로 프레임에서 상기 미싱된 포인트가 업데이트되는,
    포인트 클라우드 데이터 수신 방법.
  15. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 수신부; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
KR1020247029865A 2022-03-21 2023-03-21 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 Pending KR20240164507A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR20220034808 2022-03-21
KR1020220034808 2022-03-21
PCT/KR2023/003708 WO2023182762A1 (ko) 2022-03-21 2023-03-21 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Publications (1)

Publication Number Publication Date
KR20240164507A true KR20240164507A (ko) 2024-11-19

Family

ID=88101762

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020247029865A Pending KR20240164507A (ko) 2022-03-21 2023-03-21 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (5)

Country Link
US (1) US20250200809A1 (ko)
EP (1) EP4498679A1 (ko)
KR (1) KR20240164507A (ko)
CN (1) CN118923117A (ko)
WO (1) WO2023182762A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2025084767A1 (ko) * 2023-10-16 2025-04-24 엘지전자 주식회사 포인트 클라우드 데이터 부호화 장치, 포인트 클라우드 데이터 부호화 방법, 포인트 클라우드 데이터 복호화 장치 및 포인트 클라우드 데이터 복호화 방법
CN117433440B (zh) * 2023-10-24 2024-08-09 中南大学 一种基于激光点云的巷道形变实时检测方法、装置及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3895135A4 (en) * 2018-12-13 2022-08-24 Continental Automotive GmbH METHOD FOR DETECTING AND MODELING AN OBJECT ON THE SURFACE OF A ROAD
WO2020154967A1 (en) * 2019-01-30 2020-08-06 Baidu.Com Times Technology (Beijing) Co., Ltd. Map partition system for autonomous vehicles
KR102276044B1 (ko) * 2019-11-25 2021-07-12 숭실대학교산학협력단 3d 포인트 클라우드의 클러스터링 방법 및 이를 수행하는 장치
WO2021187839A1 (ko) * 2020-03-16 2021-09-23 엘지전자 주식회사 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
US20210373173A1 (en) * 2020-06-02 2021-12-02 Motional Ad Llc Identifying background features using lidar

Also Published As

Publication number Publication date
EP4498679A1 (en) 2025-01-29
WO2023182762A1 (ko) 2023-09-28
CN118923117A (zh) 2024-11-08
US20250200809A1 (en) 2025-06-19

Similar Documents

Publication Publication Date Title
KR102797011B1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
US11902348B2 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
KR20230173094A (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
EP4496315A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
US20250211788A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
US20240020885A1 (en) Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device
US12354310B2 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
KR20240032912A (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR20240164507A (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR20240168955A (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
US20230412837A1 (en) Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device
US20240422355A1 (en) Point cloud data transmission device and method, and point cloud data reception device and method
EP4429248A1 (en) Device for transmitting point cloud data, method for transmitting point cloud data, device for receiving point cloud data, and method for receiving point cloud data
EP4395320A1 (en) Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device
KR20240101564A (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
EP4432657A1 (en) Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device
EP4387230A1 (en) Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device
EP4432656A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
EP4485934A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
EP4425927A1 (en) Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device
US20250247556A1 (en) Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device
EP4432658A1 (en) Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device
KR20250037468A (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR20250004755A (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR20240152861A (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Legal Events

Date Code Title Description
PA0105 International application

Patent event date: 20240905

Patent event code: PA01051R01D

Comment text: International Patent Application

PG1501 Laying open of application