KR101419334B1 - 3차원 데이터로부터 검출 대상체를 추출하는 장치 및 방법 - Google Patents

3차원 데이터로부터 검출 대상체를 추출하는 장치 및 방법 Download PDF

Info

Publication number
KR101419334B1
KR101419334B1 KR1020120138156A KR20120138156A KR101419334B1 KR 101419334 B1 KR101419334 B1 KR 101419334B1 KR 1020120138156 A KR1020120138156 A KR 1020120138156A KR 20120138156 A KR20120138156 A KR 20120138156A KR 101419334 B1 KR101419334 B1 KR 101419334B1
Authority
KR
South Korea
Prior art keywords
points
point
dimensional data
normal vector
constituting
Prior art date
Application number
KR1020120138156A
Other languages
English (en)
Other versions
KR20140072322A (ko
Inventor
김창완
Original Assignee
중앙대학교 산학협력단
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 중앙대학교 산학협력단 filed Critical 중앙대학교 산학협력단
Priority to KR1020120138156A priority Critical patent/KR101419334B1/ko
Publication of KR20140072322A publication Critical patent/KR20140072322A/ko
Application granted granted Critical
Publication of KR101419334B1 publication Critical patent/KR101419334B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

3차원 데이터로부터 검출 대상체를 추출하는 장치 및 방법이 개시된다. 데이터 분할부는 3차원 데이터 획득 장치에 의해 얻어진 3차원 데이터를 구성하는 모든 점에 대응하는 법선벡터와 잔여값을 계산하고, 법선벡터와 잔여값을 기초로 3차원 데이터를 구성하는 점들을 서로 다른 객체를 구성하는 점으로 분할한다. 객체 분류부는 3차원 데이터를 구성하는 점들 중에서 동일한 객체를 구성하는 점들을 기초로 객체의 곡률을 산출하고, 산출된 곡률에 의해 얻어진 객체의 직경과 3차원 데이터가 획득된 지점에 존재하는 검출 대상체의 직경을 비교하여 객체가 검출 대상체에 해당하는지 여부를 분류한다. 본 발명에 따르면, 플랜트 현장의 크기와 관계없이 3차원 데이터 획득장치에 의해 얻어진 3차원 플랜트 데이터로부터 사용자의 개입없이 배관에 해당하는 데이터를 빠르고 정확하게 추출할 수 있어, 3차원 배관 모델 구축을 위해 소모되는 노동력과 시간을 감축할 수 있다.

Description

3차원 데이터로부터 검출 대상체를 추출하는 장치 및 방법{Apparatus for extracting object from 3D data and method of the same}
본 발명은 3차원 데이터로부터 검출 대상체를 추출하는 장치 및 방법에 관한 것으로, 보다 상세하게는 3차원 데이터에 존재하는 다양한 물체들 중 배관과 같은 검출 대상체를 선택적으로 추출하는 장치 및 방법에 관한 것이다.
최근 배관의 실제 시공 형상 및 위치가 반영된 3차원 배관 모델에 대한 수요가 증가하고 있다. 이는 3차원 배관 모델이 플랜트에서 상당 부분을 차지할 뿐만 아니라 플랜트의 증설, 점검, 준공도면 생성 및 갱신 등 플랜트의 운영 및 유지관리를 위한 다양한 분야에서 활용 가능하다는 점에서 중요한 역할을 수행한다고 볼 수 있기 때문이다. 실제 시공된 형상 및 위치가 정확하게 반영된 3차원 배관 모델을 구축하기 위해서 사용자는 레이저 스캐너와 같은 3차원 데이터 획득장치를 이용하여 얻어진 플랜트의 3차원 데이터로부터 개별 배관에 해당하는 데이터를 모두 추출하고, 이 개별 배관 데이터를 바탕으로 모델 구축 작업을 수행하게 된다.
미국공개특허 제2010/0145666호(발명의 명칭: Identification of 3D Surface Points Using Context-Based Hypothesis Testing)에는 레이저 스캐너에 의해 획득된 데이터를 기반으로 3차원 배관 모델을 효과적으로 구축하기 위해, 사용자가 배관의 표면에 해당하는 데이터를 일부 선택하면, 선택된 데이터와 연결된 이웃 데이터로 영역이 확장되고, 이를 바탕으로 실린더를 피팅시키는 방법이 제시되어 있다. 그러나 이러한 방법은 배관에 해당하는 데이터를 사용자가 일부 선택해 주어야 하기 때문에 3차원 플랜트 데이터의 특성상 효율성이 떨어진다는 단점이 있다. 또한 배관이 서로 복잡하게 얽혀 있을 뿐만 아니라 다른 물체들도 동시에 존재하는 3차원 플랜트 데이터의 특성으로 인해 배관 데이터의 추출 과정에 시간과 비용이 많이 소모된다. 나아가 복잡한 3차원 플랜트 데이터에 존재하는 배관의 표면에 해당하는 데이터를 정확하게 선정하기 위해서는 배관의 방향 및 위치를 사용자가 사전에 미리 파악하고 있어야 하는데, 이때 사용자의 배관에 관한 전문 지식 및 숙련도에 따라 추출된 배관 데이터에 차이가 발생하는 문제가 있다.
미국공개특허 제2010/0145666호 (발명의 명칭: Identification of 3D Surface Points Using Context-Based Hypothesis Testing, 공개일: 2010.1.4)
본 발명이 이루고자 하는 기술적 과제는, 배관, 기기, 밸브 등 다양한 물체가 다수 존재하는 3차원 플랜트 데이터에서 자동으로 데이터를 개별 부재 단위로 분할하고 그 중에서 배관에 해당하는 데이터만을 분류함으로써, 3차원 배관 모델 구축을 효과적으로 할 수 있는 3차원 데이터로부터 배관 데이터와 같은 객체를 추출하는 장치 및 방법을 제공하는 데에 있다.
본 발명이 이루고자 하는 기술적 과제는, 배관, 기기, 밸브 등 다양한 물체가 다수 존재하는 3차원 플랜트 데이터에서 자동으로 데이터를 개별 부재 단위로 분할하고 그 중에서 배관에 해당하는 데이터만을 분류함으로써, 3차원 배관 모델 구축을 효과적으로 할 수 있는 3차원 데이터로부터 배관 데이터와 같은 객체를 추출하는 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는 데에 있다.
상기의 기술적 과제를 달성하기 위한, 본 발명에 따른 3차원 데이터로부터 검출 대상체를 추출하는 장치는, 3차원 데이터 획득 장치에 의해 얻어진 3차원 데이터를 구성하는 모든 점에 대응하는 법선벡터와 잔여값을 계산하고, 상기 법선벡터와 잔여값을 기초로 상기 3차원 데이터를 구성하는 점들을 서로 다른 객체를 구성하는 점으로 분할하는 데이터 분할부; 및 상기 3차원 데이터를 구성하는 점들 중에서 동일한 객체를 구성하는 점들을 기초로 객체의 곡률을 산출하고, 산출된 곡률에 의해 얻어진 객체의 직경과 상기 3차원 데이터가 획득된 지점에 존재하는 검출 대상체의 직경을 비교하여 객체가 검출 대상체에 해당하는지 여부를 분류하는 객체 분류부;를 구비한다.
상기의 기술적 과제를 달성하기 위한, 본 발명에 따른 3차원 데이터로부터 검출 대상체를 추출하는 방법은, (a) 상기 3차원 데이터 획득 장치에 의해 얻어진 상기 3차원 데이터를 구성하는 모든 점에 대응하는 법선벡터와 잔여값을 계산하는 단계; (b) 상기 법선벡터와 상기 잔여값을 기초로 상기 3차원 데이터를 구성하는 점들을 서로 다른 객체를 구성하는 점으로 분할하는 단계; (c) 상기 3차원 데이터를 구성하는 점들 중에서 동일한 객체를 구성하는 점들을 기초로 산출한 객체의 곡률로부터 객체의 직경을 산출하는 단계; 및 (d) 상기 객체의 직경과 상기 3차원 데이터가 획득된 지점에 존재하는 검출 대상체의 직경을 비교하여 상기 객체가 검출 대상체에 해당하는지 여부를 분류하는 단계;를 갖는다.
본 발명에 따른 3차원 데이터로부터 검출 대상체를 추출하는 장치 및 방법에 의하면, 플랜트 현장의 크기와 관계없이 3차원 데이터 획득장치에 의해 얻어진 3차원 플랜트 데이터로부터 사용자의 개입없이 배관에 해당하는 데이터를 빠르고 정확하게 추출할 수 있어, 3차원 배관 모델 구축을 위해 소모되는 노동력과 시간을 감축할 수 있다. 또한, 해당 플랜트에 사용된 배관의 특성이 기록되어 있는 공정배관계장도를 이용하여 3차원 플랜트 데이터로부터 배관 데이터를 사용자의 전문 지식에 관계없이 정확하게 추출함으로써 정확한 3차원 배관 모델을 구축할 수 있다.
도 1은 본 발명에 따른 3차원 데이터로부터 검출 대상체를 추출하는 장치의 구성을 도시한 도면,
도 2는 3차원 데이터가 획득되는 플랜트 설비와 해당 플랜트 설비에 대해 얻어진 3차원 데이터를 도시한 도면,
도 3은 본 발명에 따른 3차원 데이터로부터 검출 대상체를 추출하는 장치에서 데이터를 분할하는 과정을 도시한 도면,
도 4는 3차원 데이터의 한 점과 그에 대응하는 법선벡터를 도시한 도면,
도 5는 본 발명에 따른 3차원 데이터로부터 검출 대상체를 추출하는 장치에 의한 데이터 분할과정의 수행결과 분할된 객체들을 도시한 도면,
도 6은 본 발명에 따른 3차원 데이터로부터 검출 대상체를 추출하는 장치에서 객체를 분류하는 과정을 도시한 도면, 그리고,
도 7은 본 발명에 따른 3차원 데이터로부터 검출 대상체를 추출하는 장치에 의해 분류된 배관 데이터를 도시한 도면이다.
이하에서 첨부의 도면들을 참조하여 본 발명에 따른 3차원 데이터로부터 검출 대상체를 추출하는 장치 및 방법의 바람직한 실시예에 대해 상세하게 설명한다.
도 1은 본 발명에 따른 3차원 데이터로부터 배관 데이터를 추출하는 장치에 대한 바람직한 실시예의 구성을 도시한 도면이다.
도 1을 참조하면, 본 발명에 따른 3차원 데이터로부터 검출 대상체를 추출하는 장치(100)는 제1저장부(110), 제2저장부(120), 데이터 분할부(130) 및 객체 분류부(140)를 구비한다.
제1저장부(110)에는 레이저 스캐너와 같은 3차원 데이터 획득 장치에 의해 얻어진 3차원 데이터가 저장된다. 본 발명의 주요 목적은 일련의 생산설비나 공장설비인 플랜트에 존재하는 배관 데이터를 추출하는 것에 있으므로, 제1저장부(110)에는 레이저 스캐너에 의해 얻어진 플랜트의 3차원 데이터가 저장된다. 이러한 제1저장부(110)에는 본 발명이 적용될 수 있는 3차원 데이터(즉, 직경, 길이 등과 같은 특성정보가 데이터베이스화될 수 있는 객체들이 존재하는 공간에 대해 취득한 3차원 데이터)가 저장된다. 도 2에는 3차원 데이터가 획득되는 플랜트 설비와 해당 플랜트 설비에 대해 얻어진 3차원 데이터가 도시되어 있다. 도 2의 (b)에 도시된 3차원 데이터는 복수의 지점에 설치된 레이저 스캐너에 의해 얻어진 3차원 데이터를 병합하여 생성되며, 이와 같이 대상체의 3차원 데이터를 취득하는 기술은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 익히 알 수 있는 사항이므로 상세한 설명은 생략한다.
제2저장부(120)에는 3차원 데이터의 획득 대상 또는 취득 공간(예를 들면, 플랜트)에 존재하는 각종 설비정보 중에서 추출하고자 하는 검출 대상체의 특성정보가 저장된다. 따라서 본 실시예에서 제2저장부(120)에는 3차원 데이터의 획득 대상인 플랜트에 존재하는 각종 설비정보 중에서 추출하고자 하는 각종 배관의 직경이 저장된다. 이때 배관의 직경은 플랜트의 설비 데이터베이스에 저장되어 있는 공정배관계장도(Piping and Instrument Diagram)로부터 취득될 수 있다.
이상과 같은 제1저장부(110)와 제2저장부(120)는 선택적으로 구비되는 구성요소로서 레이저 스캐너에 의해 플랜트로부터 얻어진 3차원 데이터와 플랜트에 존재하는 각종 배관의 직경은 각각 3차원 데이터가 저장되어 있는 저장수단(예를 들면, 3차원 데이터가 저장되어 있는 데이터베이스, 파일서버, USB와 같은 저장장치 등)과 플랜트에 존재하는 각종 배관의 직경이 저장되어 있는 저장수단(예를 들면, 플랜트의 설비 데이터베이스, 파일서버, USB와 같은 저장장치 등)로부터 직접 데이터 분할부(130)와 객체 분류부(140)로 입력될 수 있다.
데이터 분할부(130)는 제1저장부(110)로부터 레이저 스캐너로부터 획득한 플랜트 데이터를 3차원 상에 존재하는 점인 X, Y, Z 좌표 값으로 입력받아, 3차원 데이터를 사전에 설정되어 있는 조건(Constraint)에 따라 각각의 영역으로 분할하는 과정을 수행한다.
도 3은 데이터 분할부(130)가 제1저장부(110)로부터 입력된 3차원 데이터에 대한 데이터 분할을 수행하는 과정을 도시한 도면이다. 도 3을 참조하면, 데이터 분할부(130)는 3차원 데이터를 구성하는 모든 점들에 대해 제1기준개수의 최근접 이웃점(예를 들면, K1=30개)를 선정한 후 각 점들의 법선벡터와 잔여값을 계산한다(S300). 이때 데이터 분할부(130)는 3차원 데이터를 구성하는 각 점들의 법선벡터와 잔여값을 구하기 위해, 3차원 데이터를 구성하는 점들 중에서 법선벡터와 잔여값을 계산할 대상점을 결정하고, 결정된 대상점으로부터 가장 가까운 K1개의 이웃점들을 최근접 이웃(k Nearest Neighbors) 방법에 의해 선정한다. 최근접 이웃 방법은 기준 데이터로부터 가장 가까운 k개의 데이터를 찾아내는 방법이다. 이와 같이 대상점에서 가장 가까운 K1개의 이웃점이 선정되면, 데이터 분할부(130)는 선정된 이웃점들로부터 수직거리가 가장 최소화되는 평면을 기준평면으로 결정한다.
다음으로, 데이터 분할부(130)는 기준평면의 법선벡터를 대상점의 법선벡터로 결정하고, 기준평면과 K1개의 이웃점들 사이의 수직거리의 합을 잔여값으로 계산한다. 도 4에는 3차원 데이터를 구성하는 일부 점들 중에서 선정된 한 점 P와 해당 점 P에 대응하는 기준평면 및 그의 법선벡터가 도시되어 있다. 이와 같은 방법에 의해 데이터 분할부(130)는 대상점의 법선벡터와 잔여값을 산출할 수 있으며, 상술한 과정은 3차원 데이터를 구성하는 모든 점에 대해 수행된다. 여기에서, 잔여값은 낮으면 낮을수록 평면과 점들 사이의 거리가 가깝다는 것을 의미하며, 따라서 대상점과 이웃점들로 이루어진 곡면이 평면에 가까운 형태를 갖게 된다.
다음으로, 데이터 분할부(130)는 객체를 구성하는 점으로 판단되지 않은 점들 중에서 잔여값이 최소인 점을 씨앗점으로 선정한다(S310). 따라서 3차원 데이터를 구성하는 모든 점들에 대해 벡선벡터와 잔여값을 산출한 이후, 최초로 씨앗점을 선정하는 시점에서는 모든 점이 객체를 구성하는 점으로 판단되지 않은 상태이므로, 3차원 데이터를 구성하는 모든 점 중에서 잔여값이 최소인 점이 씨앗점으로 선정된다. 이어서 데이터 분할부(130)는 선정된 씨앗점을 기준으로 제2기준개수인 K2개(예를 들면, 30개)의 최근접 이웃점을 선정한다(S320). 이때 최근접 이웃점은 앞서 언급한 최근접 이웃 방법에 의해 선정되며, 제2기준개수는 앞서 설명한 제1기준개수와 마찬가지로 실험적으로 결정될 수 있다.
다음으로, 데이터 분할부(130)는 씨앗점에 대해 선정된 각각의 최근접 이웃점의 법선벡터와 씨앗점의 법선벡터 사이의 각도가 사전에 설정되어 있는 제1임계값(예를 들면, 30°)보다 작은 최근접 이웃점을 씨앗점과 동일한 객체를 구성하는 점으로 판단한다(S330). 이를 수학식으로 표현하면 다음과 같다.
Figure 112012099635728-pat00001
여기서,
Figure 112012099635728-pat00002
는 씨앗점의 법선벡터이고,
Figure 112012099635728-pat00003
는 씨앗점의 최근접 이웃점들 각각의 법선벡터이며,
Figure 112012099635728-pat00004
는 제1임계값이다.
다음으로, 데이터 분할부(130)는 씨앗점과 동일한 객체를 구성하는 점으로 판단된 이웃점들 중에서 잔여값이 사전에 설정되어 있는 제2임계값보다 작은 이웃점이 존재하는지 확인한다(S340). 여기에서 제2임계값은 3차원 데이터를 구성하는 모든 점들의 잔여값 중에서 크기가 작은 순으로 상위 5%에 해당하는 점의 잔여값으로 설정될 수 있다. 예를 들어, 3차원 데이터가 100개의 점으로 구성되어 있고, 각 점의 잔여값이 1~100 범위 중에서 어느 하나의 값을 갖되 서로 중복되지 않는다고 하면, 제2임계값은 크기가 작은 순으로 상위 5%에 해당하는 잔여값인 5로 결정되게 된다.
만약 씨앗점과 동일한 객체를 구성하는 점으로 판단된 이웃점들 중에서 잔여값이 사전에 설정되어 있는 제2임계값보다 작은 이웃점이 존재하면, 데이터 분할부(130)는 해당 이웃점을 새로운 씨앗점으로 선정하고(S350), 더 이상 새로운 씨앗점이 선정되지 않을 때까지 S320단계 내지 S350를 반복적으로 수행한다. 이때 새로운 씨앗점이 선정되지 않는다는 것은 더이상 최초로 선정된 씨앗점과 동일한 객체를 구성하는 점이 존재하지 않음을 의미한다. 이와 달리 씨앗점과 동일한 객체를 구성하는 점으로 판단된 이웃점들 중에서 잔여값이 사전에 설정되어 있는 제2임계값보다 작은 이웃점이 존재하지 않는 것으로 판단되면, 데이터 분할부(130)는 3차원 데이터를 구성하는 점들 중에서 객체를 구성하는 점으로 판단되지 않은 점이 존재하는지 확인한다(S360). 만약 3차원 데이터를 구성하는 점들 중에서 객체를 구성하는 점으로 판단되지 않은 점이 존재하면, 데이터 분할부(130)는 S310단계를 다시 수행하여 새롭게 선정된 씨앗점에 대해 상술한 과정을 반복적으로 수행한다. 이와 달리 3차원 데이터를 구성하는 점들 중에서 객체를 구성하는 점으로 판단되지 않은 점이 존재하지 않으면, 데이터 분할부(130)는 3차원 데이터를 구성하는 모든 점들에 대한 데이터 분할이 완료된 것으로 판단하여 데이터 분할 과정을 종료한다.
이상에서 설명한 바와 같이 데이터 분할부(130)는 3차원 데이터를 구성하는 점들을 각각의 객체 단위로 분할하는 과정을 수행하며, 도 5에는 데이터 분할부(130)에 의해 분할된 객체가 도시되어 있으며, 구분의 편의를 위해 각 객체는 서로 다른 색상으로 표시되어 있다. 도 5로부터 알 수 있듯이 3차원 데이터는 각각 유사한 평면 혹은 법선 벡터의 변화가 심하지 않은 데이터들의 영역으로 분할된다. 이때 실험에 사용된 플랜트 데이터는 3차원 좌표 값으로 표현되는 100,000개의 점으로 이루어져 있으며, 여러 위치에서 획득한 3차원 데이터를 정합한 데이터이다.
객체 분류부(140)는 제2저장부(120)에 저장되어 있는 배관 직경을 이용하여 데이터 분할부(130)에 의해 분류된 각각의 객체가 배관인지 여부를 판단한다. 이때 객체 분류부(140)는 데이터 분할부(130)로부터 입력된 각각의 객체를 구성하는 점들의 좌표를 이용하여 각각의 객체에 대해 배관 여부를 판단한다.
도 6은 객체 분류부(140)가 객체 분류를 수행하는 과정을 도시한 도면이다. 도 6을 참조하면, 객체 분류부(140)는 분할된 객체 중에서 하나의 객체를 선택한 후 선택된 객체를 구성하는 점들 중에서 제3기준개수(예를 들면, K3=30개)의 기준점을 무작위로 결정하고, 결정된 기준점 각각에 대해 제4기준개수(예를 들면, K4=700개)의 최근접 이웃점을 선정한 후 패치기법을 사용하여 K4개의 최근접 이웃점들로 이루어진 곡면을 생성한다(S600). 이때 기준점을 무작위로 선정하는 이유는 객체의 위치에 따라 주곡률이 다르게 산정될 수 있어 하나의 점에 대한 주곡률만을 계산하였을 경우의 오류를 방지하기 위함이다. 여기에서 특정한 점과 해당 점의 최근접 이웃점들로 이루어진 곡면을 생성하는 방법은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 익히 알 수 있는 사항이므로 상세한 설명은 생략한다.
다음으로, 객체 분류부(140)는 결정된 기준점 중에서 하나의 기준점에 대해 생성된 곡면의 곡률을 계산하여 해당 기준점에 대한 직경을 산출한다(S610). 이때 곡면의 곡률은 해당 곡면에 대해 산출된 최대값과 최소값을 갖는 두 개의 값 중에서 최대값을 갖는 곡률이다. 이는 배관의 단면에 해당하는 방향의 곡률이 최대값을 갖는다고 가정하고, 각 분할 객체의 배관의 직경을 구하기 위함이다. 그리고 기준점에 대응하는 직경은 곡률의 역수를 취하여 산출될 수 있다. 다음으로, 객체 분류부(140)는 결정된 기준점들 모두에 대해 직경을 산출하였는지 확인하며(S620), 만약 남은 기준점이 있으면 S610단계를 다시 수행한다.
다음으로, 객체 분류부(140)는 모든 기준점에 대해 산출된 직경이 기준 직경에 대해 설정된 오차범위(예를 들면, 10%) 내인 기준점의 개수가 설정되어 있는 제3임계값(예를 들면, 24개)보다 큰지를 확인한다(S630). 이때 기준 직경은 3차원 데이터를 취득한 플랜트에 사용된 배관의 직경이다. 이를 수학식으로 표현하면 다음과 같다.
Figure 112012099635728-pat00005
여기서,
Figure 112012099635728-pat00006
는 3차원 데이터를 취득한 플랜트에 사용된 배관의 직경이고
Figure 112012099635728-pat00007
는 객체에 대해 결정된 기준점 각각에 대응하는 곡률(i=1~30)이다.
객체 분류부(140)는 수학식 2를 적용한 결과 오차범위 내인 기준점의 개수가 제3임계값보다 크면, 해당 객체를 배관으로 판단한다(S640). 따라서 객체에 대해 30개의 기준점을 결정하여 객체를 분류할 경우에, 객체 분류부(140)는 설정된 오차범위인 10% 이내에 해당하는 직경을 갖는 기준점이 24개 이상이 되면, 해당 객체를 배관에 해당하는 객체로 분류한다. 도 7에는 도 2에 도시된 플랜트 설비에 대해 얻어진 3차원 데이터로부터 분류된 배관들이 도시되어 있다. 이와 달리, 오차범위 내인 기준점의 개수가 제3임계값보다 작으면, 객체 분류부(140)는 해당 객체를 배관이 아닌 객체로 판단하게 된다(S650). 이와 같은 방법에 의해 선택된 객체에 대한 분류가 완료되면, 객체 분류부(140)는 분할된 객체 중에서 분류되지 않고 남은 객체가 존재하는지 확인한다(S660). 만약 남은 객체가 존재하면 객체 분류부(140)는 남은 객체 중에서 하나의 객체를 선택하여 S600단계 내지 S660단계를 반복적으로 수행한다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상에서 본 발명의 바람직한 실시예에 대해 도시하고 설명하였으나, 본 발명은 상술한 특정의 바람직한 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.

Claims (16)

  1. 3차원 데이터 획득 장치에 의해 얻어진 3차원 데이터를 구성하는 모든 점에 대응하는 법선벡터와 잔여값을 계산하고, 상기 법선벡터와 잔여값을 기초로 상기 3차원 데이터를 구성하는 점들을 서로 다른 객체를 구성하는 점으로 분할하는 데이터 분할부;
    상기 3차원 데이터를 구성하는 점들 중에서 동일한 객체를 구성하는 점들을 기초로 객체의 곡률을 산출하고, 산출된 곡률에 의해 얻어진 객체의 직경과 상기 3차원 데이터가 획득된 지점에 존재하는 검출 대상체의 직경을 비교하여 객체가 검출 대상체에 해당하는지 여부를 분류하는 객체 분류부;
    상기 3차원 데이터 획득 장치에 의해 얻어진 3차원 데이터가 저장되는 제1저장부; 및
    상기 3차원 데이터의 획득 대상 또는 취득 공간에 존재하는 상기 검출 대상체의 직경이 저장되는 제2저장부;를 더 포함하는 것을 특징으로 하는 3차원 데이터로부터 검출 대상체를 추출하는 장치.
  2. 삭제
  3. 제 1항에 있어서,
    상기 검출 대상체의 직경은 상기 3차원 데이터의 획득 대상인 플랜트의 설비 데이터베이스에 저장되어 있는 공정배관계장도(Piping and Instrument Diagram)로부터 취득되는 것을 특징으로 하는 3차원 데이터로부터 검출 대상체를 추출하는 장치.
  4. 제 1항에 있어서,
    상기 검출 대상체는 배관인 것을 특징으로 하는 3차원 데이터로부터 검출 대상체를 추출하는 장치.
  5. 제 1항에 있어서,
    상기 데이터 분할부는 상기 3차원 데이터를 구성하는 모든 점들에 대해 사전에 설정되어 있는 제1기준개수의 최근접 이웃점를 선정한 후 각각의 점들에 대해 선정된 최근접 이웃점들로부터 수직거리가 최소화되는 평면을 상기 각각의 점들에 대응하는 기준평면으로 결정하고, 상기 각각의 점들에 대응하는 기준평면과 상기 각각의 점들에 대해 선정된 이웃점들 사이의 수직거리의 합을 상기 각각의 점들에 대응하는 잔여값으로 결정하며, 상기 각각의 점들에 대응하는 기준평면의 법선벡터를 상기 각각의 점들에 대응하는 법선벡터로 결정하는 것을 특징으로 하는 3차원 데이터로부터 검출 대상체를 추출하는 장치.
  6. 제 5항에 있어서,
    상기 데이터 분할부는 객체를 구성하는 점으로 판단되지 않은 점들 중에서 잔여값이 최소인 점을 씨앗점으로 선정한 후 상기 선정된 씨앗점을 기준으로 사전에 설정되어 있는 제2기준개수의 최근접 이웃점을 선정하고, 상기 씨앗점에 대해 선정된 각각의 최근접 이웃점의 법선벡터와 상기 선정된 씨앗점의 법선벡터 사이의 각도가 사전에 설정되어 있는 제1임계값보다 작은 최근접 이웃점을 상기 선정된 씨앗점과 동일한 객체를 구성하는 점으로 판단하는 것을 특징으로 하는 3차원 데이터로부터 검출 대상체를 추출하는 장치.
  7. 제 6항에 있어서,
    상기 데이터 분할부는 상기 씨앗점과 동일한 객체를 구성하는 점으로 판단된 이웃점들 중에서 잔여값이 사전에 설정되어 있는 제2임계값보다 작은 이웃점을 새로운 씨앗점으로 선정한 후 상기 선정된 새로운 씨앗점을 기준으로 상기 제2기준개수의 최근접 이웃점을 선정하고, 상기 새로운 씨앗점에 대해 선정된 각각의 최근접 이웃점의 법선벡터와 상기 새로운 씨앗점의 법선벡터 사이의 각도가 상기 제1임계값보다 작은 최근접 이웃점을 상기 새로운 씨앗점과 동일한 객체를 구성하는 점으로 판단하는 것을 특징으로 하는 3차원 데이터로부터 검출 대상체를 추출하는 장치.
  8. 제 1항에 있어서,
    상기 객체 분류부는 동일한 객체를 구성하는 점들 중에서 선정한 사전에 설정되어 있는 제3기준개수의 기준점 각각에 대해 사전에 설정되어 있는 제4기준개수의 최근접 이웃점을 선정한 후 상기 선정된 제4기준개수의 최근접 이웃점들로 이루어진 곡면을 생성하고, 상기 제3기준개수의 기준점 각각에 대응하는 곡면의 곡률로부터 얻어진 상기 제3기준개수의 기준점 각각에 대응하는 직경들이 검출 대상체의 직경인 기준 직경에 대해 설정된 오차범위 내인 개수가 제3임계값보다 크면 상기 객체를 검출 대상체로 분류하는 것을 특징으로 하는 3차원 데이터로부터 검출 대상체를 추출하는 장치.
  9. 3차원 데이터 획득 장치에 의해 얻어진 3차원 데이터로부터 검출 대상체를 추출하는 장치에 의해 수행되는 3차원 데이터로부터 검출 대상체를 추출하는 방법에 있어서,
    (a) 상기 3차원 데이터 획득 장치에 의해 얻어진 상기 3차원 데이터를 구성하는 모든 점에 대응하는 법선벡터와 잔여값을 계산하는 단계;
    (b) 상기 법선벡터와 상기 잔여값을 기초로 상기 3차원 데이터를 구성하는 점들을 서로 다른 객체를 구성하는 점으로 분할하는 단계;
    (c) 상기 3차원 데이터를 구성하는 점들 중에서 동일한 객체를 구성하는 점들을 기초로 산출한 객체의 곡률로부터 객체의 직경을 산출하는 단계; 및
    (d) 상기 객체의 직경과 상기 3차원 데이터가 획득된 지점에 존재하는 검출 대상체의 직경을 비교하여 상기 객체가 검출 대상체에 해당하는지 여부를 분류하는 단계;를 포함하며,
    상기 검출 대상체의 직경은 상기 3차원 데이터의 획득 대상인 플랜트의 설비 데이터베이스에 저장되어 있는 공정배관계장도(Piping and Instrument Diagram)로부터 취득되는 것을 특징으로 하는 3차원 데이터로부터 검출 대상체를 추출하는 방법.
  10. 삭제
  11. 제 9항에 있어서,
    상기 (a)단계는,
    (a1) 상기 3차원 데이터를 구성하는 모든 점들에 대해 사전에 설정되어 있는 제1기준개수의 최근접 이웃점를 선정한 후 각각의 점들에 대해 선정된 최근접 이웃점들로부터 수직거리가 최소화되는 평면을 상기 각각의 점들에 대응하는 기준평면으로 결정하는 단계;
    (a2) 상기 각각의 점들에 대응하는 기준평면과 상기 각각의 점들에 대해 선정된 이웃점들 사이의 수직거리의 합을 상기 각각의 점들에 대응하는 잔여값으로 결정하는 단계; 및
    (a3) 상기 각각의 점들에 대응하는 기준평면의 법선벡터를 상기 각각의 점들에 대응하는 법선벡터로 결정하는 단계;를 포함하는 것을 특징으로 하는 3차원 데이터로부터 검출 대상체를 추출하는 방법.
  12. 제 11항에 있어서,
    상기 (a)단계는,
    (a4) 객체를 구성하는 점으로 판단되지 않은 점들 중에서 잔여값이 최소인 점을 씨앗점으로 선정한 후 상기 선정된 씨앗점을 기준으로 사전에 설정되어 있는 제2기준개수의 최근접 이웃점을 선정하는 단계; 및
    (a5) 상기 씨앗점에 대해 선정된 각각의 최근접 이웃점의 법선벡터와 상기 선정된 씨앗점의 법선벡터 사이의 각도가 사전에 설정되어 있는 제1임계값보다 작은 최근접 이웃점을 상기 선정된 씨앗점과 동일한 객체를 구성하는 점으로 판단하는 단계;를 더 포함하는 것을 특징으로 하는 3차원 데이터로부터 검출 대상체를 추출하는 방법.
  13. 제 12항에 있어서,
    상기 (a)단계는,
    (a6) 상기 씨앗점과 동일한 객체를 구성하는 점으로 판단된 이웃점들 중에서 잔여값이 사전에 설정되어 있는 제2임계값보다 작은 이웃점을 새로운 씨앗점으로 선정한 후 상기 선정된 새로운 씨앗점을 기준으로 상기 제2기준개수의 최근접 이웃점을 선정하는 단계; 및
    (a7) 상기 새로운 씨앗점에 대해 선정된 각각의 최근접 이웃점의 법선벡터와 상기 새로운 씨앗점의 법선벡터 사이의 각도가 상기 제1임계값보다 작은 최근접 이웃점을 상기 새로운 씨앗점과 동일한 객체를 구성하는 점으로 판단하는 단계;를 더 포함하는 것을 특징으로 하는 3차원 데이터로부터 검출 대상체를 추출하는 방법.
  14. 제 9항 또는 제 11항 내지 제 13항 중 어느 한 항에 있어서,
    상기 (b)단계는,
    (b1) 동일한 객체를 구성하는 점들 중에서 선정한 사전에 설정되어 있는 제3기준개수의 기준점 각각에 대해 사전에 설정되어 있는 제4기준개수의 최근접 이웃점을 선정한 후 상기 선정된 제4기준개수의 최근접 이웃점들로 이루어진 곡면을 생성하는 단계; 및
    (b2) 상기 제3기준개수의 기준점 각각에 대응하는 곡면의 곡률로부터 얻어진 상기 제3기준개수의 기준점 각각에 대응하는 직경들이 검출 대상체의 직경인 기준 직경에 대해 설정된 오차범위 내인 개수가 제3임계값보다 크면 상기 객체를 검출 대상체로 분류하는 단계;를 포함하는 것을 특징으로 하는 3차원 데이터로부터 검출 대상체를 추출하는 방법.
  15. 제 9항 또는 제 11항 내지 제 13항 중 어느 한 항에 기재된 3차원 데이터로부터 검출 대상체를 추출하는 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  16. 제 14항에 기재된 3차원 데이터로부터 검출 대상체를 추출하는 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020120138156A 2012-11-30 2012-11-30 3차원 데이터로부터 검출 대상체를 추출하는 장치 및 방법 KR101419334B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120138156A KR101419334B1 (ko) 2012-11-30 2012-11-30 3차원 데이터로부터 검출 대상체를 추출하는 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120138156A KR101419334B1 (ko) 2012-11-30 2012-11-30 3차원 데이터로부터 검출 대상체를 추출하는 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20140072322A KR20140072322A (ko) 2014-06-13
KR101419334B1 true KR101419334B1 (ko) 2014-07-16

Family

ID=51126185

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120138156A KR101419334B1 (ko) 2012-11-30 2012-11-30 3차원 데이터로부터 검출 대상체를 추출하는 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101419334B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10043311B2 (en) * 2015-09-16 2018-08-07 The Boeing Company Immersive design management system
KR101671908B1 (ko) * 2015-12-02 2016-11-04 경북대학교 산학협력단 조립체 모델 비교 장치 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060125064A (ko) * 2005-06-01 2006-12-06 주식회사 아이너스기술 3차원 스캐너를 이용한 실시간 검사 안내 시스템 및 방법
KR20070109887A (ko) * 2006-05-09 2007-11-15 배석훈 3차원 스캔 데이터를 사용하여 본래의 설계 의도를확인하기 위한 시스템 및 방법
KR20110032128A (ko) * 2009-09-22 2011-03-30 현대중공업 주식회사 배관설계용 다이어그램-3차원 모델링 일원화 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060125064A (ko) * 2005-06-01 2006-12-06 주식회사 아이너스기술 3차원 스캐너를 이용한 실시간 검사 안내 시스템 및 방법
KR20070109887A (ko) * 2006-05-09 2007-11-15 배석훈 3차원 스캔 데이터를 사용하여 본래의 설계 의도를확인하기 위한 시스템 및 방법
KR20110032128A (ko) * 2009-09-22 2011-03-30 현대중공업 주식회사 배관설계용 다이어그램-3차원 모델링 일원화 장치

Also Published As

Publication number Publication date
KR20140072322A (ko) 2014-06-13

Similar Documents

Publication Publication Date Title
JP6611306B2 (ja) トンネルの管理方法
Lee et al. Skeleton-based 3D reconstruction of as-built pipelines from laser-scan data
KR20200137219A (ko) 비지도 학습 기반 웨이퍼 불량 패턴 검출 방법 및 그 장치
KR101388749B1 (ko) 3차원 데이터로부터 3차원 산업 모델을 구축하는 시스템 및 방법
JP2016205837A5 (ko)
EP2589026B1 (en) Method and apparatus for detecting repetitive structures in 3d mesh models
Sánchez‐Rodríguez et al. Detection of structural faults in piers of masonry arch bridges through automated processing of laser scanning data
Taraben et al. Methods for the automated assignment and comparison of building damage geometries
Kawashima et al. Automatic recognition of piping system from large-scale terrestrial laser scan data
KR101280392B1 (ko) Ｓｌａｍ 기술 기반 이동 로봇의 지도를 관리하기 위한 장치 및 그 방법
KR101665446B1 (ko) 점군 데이터로부터 3차원 시설 배치 데이터를 생성하는 장치 및 방법
JP6547903B2 (ja) 画像処理装置、画像処理方法及び記憶媒体
KR101419334B1 (ko) 3차원 데이터로부터 검출 대상체를 추출하는 장치 및 방법
Agapaki et al. CLOI: an automated benchmark framework for generating geometric digital twins of industrial facilities
JP2009205479A (ja) 撮像装置のキャリブレーション装置、方法及びプログラム
JP2004110602A (ja) 波形パターンデータから設備の診断・監視又は製品の良品・不良品検査のための特徴を抽出する方法及びプログラム
Ebrahimi et al. Automated condition assessment of sanitary sewer pipes using LiDAR inspection data
KR101255022B1 (ko) 점군자료를 활용한 구조물 균열 검출방법
KR101091061B1 (ko) 수치지도 상 공간객체의 위치유사도 측정방법 및 이를 이용한 지도 매칭방법
KR101364375B1 (ko) 3차원 데이터로부터 특정 객체를 추출하는 시스템 및 방법.
JP2007298525A (ja) 波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法及びプログラム
Kawashima et al. Automatic recognition of piping system from laser scanned point clouds using normal-based region growing
WO2022249617A1 (ja) 三次元モデル作成支援システム、プログラム及び記録媒体
JP5477874B2 (ja) Ｃａｄデータ変換システム及びプログラム
Song et al. Automatic recovery of networks of thin structures

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170626

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180625

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190701

Year of fee payment: 6