KR101839687B1 - 질의 모델과 검색 대상 모델 간의 정밀도 차이를 고려한 모델 검색 장치 및 방법 - Google Patents

질의 모델과 검색 대상 모델 간의 정밀도 차이를 고려한 모델 검색 장치 및 방법 Download PDF

Info

Publication number
KR101839687B1
KR101839687B1 KR1020160093628A KR20160093628A KR101839687B1 KR 101839687 B1 KR101839687 B1 KR 101839687B1 KR 1020160093628 A KR1020160093628 A KR 1020160093628A KR 20160093628 A KR20160093628 A KR 20160093628A KR 101839687 B1 KR101839687 B1 KR 101839687B1
Authority
KR
South Korea
Prior art keywords
model
complexity
shape
query
simplified
Prior art date
Application number
KR1020160093628A
Other languages
English (en)
Other versions
KR20180011435A (ko
Inventor
문두환
김형기
Original Assignee
경북대학교 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 경북대학교 산학협력단 filed Critical 경북대학교 산학협력단
Priority to KR1020160093628A priority Critical patent/KR101839687B1/ko
Publication of KR20180011435A publication Critical patent/KR20180011435A/ko
Application granted granted Critical
Publication of KR101839687B1 publication Critical patent/KR101839687B1/ko

Links

Images

Classifications

    • G06F17/30259—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship

Landscapes

  • Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 모델 검색 장치 및 방법에 관한 것으로, 보다 구체적으로 질의 모델과 검색 대상 모델 간의 정밀도 차이를 고려하여 모델을 검색하는 장치 및 방법에 관한 것이다. 본 발명의 일 실시예에 따른 모델 검색 장치는, 질의 모델을 입력받는 입력부; 검색 대상이 되는 적어도 하나의 원본 모델을 단순화하여 단순화 모델을 생성하는 모델 단순화부; 상기 질의 모델과 상기 단순화 모델의 형상을 비교하여 상기 질의 모델과 상기 단순화 모델 간의 유사도를 분석하는 유사도 분석부; 및 상기 유사도를 기반으로 상기 단순화 모델로부터 검색 모델을 결정하여 출력하는 출력부를 포함할 수 있다.

Description

질의 모델과 검색 대상 모델 간의 정밀도 차이를 고려한 모델 검색 장치 및 방법{APPARATUS AND METHOD FOR RETRIEVING MODEL CONSIDERING DIFFERENCES OF LEVEL-OF-DETAIL BETWEEN QUERY AND RETRIEVAL TARGET MODELS}
본 발명은 모델 검색 장치 및 방법에 관한 것으로, 보다 구체적으로 질의 모델과 검색 대상 모델 간의 정밀도 차이를 고려하여 모델을 검색하는 장치 및 방법에 관한 것이다.
날이 갈수록 제품의 복잡도는 증가하면서 제품 개발에 걸리는 시간은 단축시키려는 움직임으로 인해 축적된 설계 자원을 효율적으로 재사용하기 위한 방안이 요구되고 있다. 실제로 제품 설계의 많은 부분이 기존 설계를 재사용하고 있으며, 설계자가 설계 정보의 검색에 많은 시간을 할애하고 있다.
이러한 설계 자원의 재사용에 모델 검색 기술이 사용된다. 모델 검색은 사용자가 질의하는 정보를 기반으로 데이터베이스에 저장된 설계 자원 중 원하는 정보를 반환하는 기술이다. 모델 검색 시스템은 이름, 번호 및 주석과 같은 비형상 정보를 사용하는 시스템과 모델의 형상 정보를 활용하는 시스템으로 구분된다.
비형상 정보를 기반으로 하는 모델 검색 시스템은 주로 텍스트 정보를 기반으로 모델을 검색하는데, 데이터베이스에 모델에 관한 정보가 존재하지 않거나 서로 호환이 되지 않는 시스템을 사용하는 경우 정보 검색이 어렵다는 단점이 있다.
이와 달리 검색에 형상 정보를 사용하는 모델 검색 시스템은 3차원 형상 정보를 질의로 입력한다. 사용자는 모델 검색 시 검색하고자 하는 목표 모델과 유사한 모델을 갖고 있으면 그 모델을 질의로 사용할 수 있으나, 그렇지 않은 경우에는 사용자가 직접 질의용 모델을 작성해야 한다.
그러나, 종래의 형상 정보 기반 모델 검색 시스템은 질의 모델과 데이터베이스에 저장되어 있는 검색 대상 모델 간의 정밀도 차이를 고려하지 않고 일정한 기준에 따라 검색 대상 모델 중 일률적으로 질의 모델과 형상이 유사한 모델을 검색 결과로 제공하고 있어 경우에 따라서는 질의 모델과 전혀 다른 모델이 검색되는 문제가 발생한다.
이러한 문제는 질의 모델과 검색 대상 모델 간의 정밀도 차이가 클 때 빈번하게 발생한다. 예를 들어, 사용자가 개략적으로 작성하여 정밀도가 낮은 모델을 질의 모델로 입력하고 데이터베이스에 저장된 검색 대상 모델은 상세하고 복잡한 형상을 갖는 높은 정밀도의 모델인 경우, 모델 검색의 정확도가 현저히 떨어지게 된다.
본 발명의 실시예는 질의 모델과 검색 대상 모델 간의 정밀도 차이를 고려하여 모델을 검색하는 장치 및 방법을 제공하는 것을 목적으로 한다.
본 발명의 일 실시예에 따른 모델 검색 장치는, 질의 모델을 입력받는 입력부; 검색 대상이 되는 적어도 하나의 원본 모델을 단순화하여 단순화 모델을 생성하는 모델 단순화부; 상기 질의 모델과 상기 단순화 모델의 형상을 비교하여 상기 질의 모델과 상기 단순화 모델 간의 유사도를 분석하는 유사도 분석부; 및 상기 유사도를 기반으로 상기 단순화 모델로부터 검색 모델을 결정하여 출력하는 출력부를 포함할 수 있다.
상기 입력부는: 사용자가 작성한 3차원 모델을 상기 질의 모델로 입력받을 수 있다.
상기 모델 단순화부는: 각각의 원본 모델마다 각기 다른 정밀도를 갖는 다수의 단순화 모델을 생성할 수 있다.
상기 모델 단순화부는: 모델에 포함된 각 요소에 대하여 형상의 복잡도를 나타내는 형상 복잡도를 산출하는 형상 복잡도 산출부; 상기 형상 복잡도를 기반으로 각 요소에 스코어를 매기는 스코어링부; 및 모델의 목표 정밀도에 따라 스코어를 기반으로 모델로부터 요소를 제거하는 요소 제거부를 포함할 수 있다.
상기 형상 복잡도 산출부는: 요소의 부피에 대한 복잡도인 부피 복잡도; 및 요소의 모델링 데이터 크기에 관한 복잡도인 요소 복잡도; 중 적어도 하나를 산출할 수 있다.
상기 형상 복잡도 산출부는: 상기 부피 복잡도를 산출하기 위해, 요소가 모델의 경계 부피를 변경시키는 정도를 나타내는 경계 부피 복잡도; 및 기준 부피에 대한 요소의 부피의 비인 상대 부피 복잡도; 중 적어도 하나를 산출할 수 있다.
상기 형상 복잡도 산출부는: 상기 경계 부피 복잡도를 산출하기 위해, N 개의 요소로 구성된 전체 모델의 부피에 대한, 제 1 내지 제 i 요소로 구성된 제 i 모델의 부피로부터 제 1 내지 제 i-1 요소로 구성된 제 i-1 모델의 부피를 감산한 차분의 비를 계산할 수 있다.
상기 형상 복잡도 산출부는: 상기 차분이 음수인 경우, 상기 경계 부피 복잡도를 0으로 출력할 수 있다.
상기 형상 복잡도 산출부는: 상기 상대 부피 복잡도를 산출하기 위해, 모델을 구성하는 요소 중 부피가 가장 큰 요소의 부피에 대한 당해 요소의 부피의 비를 계산할 수 있다.
상기 형상 복잡도 산출부는: 상기 경계 부피 복잡도와 상기 상대 부피 복잡도를 합산하여 기 설정된 최대 부피 복잡도로 나누어 상기 부피 복잡도를 산출할 수 있다.
상기 형상 복잡도 산출부는: 상기 요소 복잡도를 산출하기 위해, 요소를 구성하는 면을 정의하기 위해 요구되는 성분의 개수인 요소 면 복잡도; 및 요소를 구성하는 선을 정의하기 위해 요구되는 성분의 개수인 요소 선 복잡도; 중 적어도 하나를 산출할 수 있다.
상기 형상 복잡도 산출부는: 상기 요소 면 복잡도와 상기 요소 선 복잡도를 합산하여 기 설정된 최대 요소 복잡도로 나누어 상기 요소 복잡도를 산출할 수 있다.
상기 형상 복잡도 산출부는: 상기 부피 복잡도와 상기 요소 복잡도를 합산하여 기 설정된 최대 복잡도로 나눌 수 있다.
상기 형상 복잡도 산출부는: 상기 부피 복잡도와 상기 요소 복잡도를 합산한 뒤, 상기 요소 복잡도에 대한 상기 부피 복잡도의 비를 곱할 수 있다.
상기 스코어링부는: 상기 산출된 형상 복잡도를 요소의 스코어로 출력할 수 있다.
상기 스코어링부는: 스코어가 차등적으로 부여된 다수의 평가 항목에 따라 요소에 스코어를 매길 수 있다.
상기 스코어링부는: 요소가 모델의 기 설정된 필수 요소에 해당하는지 여부, 요소가 모델의 외곽 경계에 접하는지 여부, 그리고 모델이 조립체에 대응하는 경우 요소가 조립체를 구성하는 단품들 간의 연결부위를 포함하는지 여부 중 적어도 하나를 판별하여 해당되는 평가 항목의 스코어를 요소에 매기고, 상기 산출된 형상 복잡도를 스코어로 요소에 매길 수 있다.
상기 스코어링부는: 요소가 모델의 내부에 위치하는 경우, 해당 요소의 스코어를 음수만큼 거듭제곱한 뒤 음수를 곱할 수 있다.
상기 요소 제거부는: 모델의 목표 LOD(Level of Detail)에 따라 모델로부터 스코어가 낮은 순서대로 요소를 제거할 수 있다.
상기 유사도 분석부는: 상기 질의 모델의 표면에 위치하는 다수의 제 1 점의 좌표, 및 상기 제 1 점을 시작점으로 하여 상기 제 1 점이 속하는 표면에 수직한 다수의 제 1 법선 벡터를 획득하고, 상기 단순화 모델의 표면에 위치하는 다수의 제 2 점의 좌표 및 상기 제 2 점을 시작점으로 하여 상기 제 2 점이 속하는 표면에 수직한 다수의 제 2 법선 벡터를 획득하는 점 좌표 및 법선 벡터 획득부; 상기 질의 모델로부터 획득된 상기 제 1 점의 좌표 및 상기 제 1 법선 벡터를 기반으로 상기 질의 모델의 형상과 관련된 질의 모델 형상 관련 데이터를 생성하고, 상기 단순화 모델로부터 획득된 상기 제 2 점의 좌표 및 상기 제 2 법선 벡터를 기반으로 상기 단순화 모델의 형상과 관련된 단순화 모델 형상 관련 데이터를 생성하는 형상 관련 데이터 생성부; 및 상기 질의 모델 형상 관련 데이터 및 상기 단순화 모델 형상 관련 데이터를 기반으로 상기 질의 모델과 상기 단순화 모델의 형상 유사도를 분석하는 형상 유사도 분석부를 포함할 수 있다.
상기 형상 관련 데이터 생성부는: 상기 질의 모델의 다수의 제 1 점 중 두 점 간의 거리에 관한 데이터 및 상기 질의 모델의 다수의 제 1 법선 벡터 중 두 법선 벡터 간의 각도에 관한 데이터를 획득하고, 상기 단순화 모델의 다수의 제 2 점 중 두 점 간의 거리에 관한 데이터 및 상기 단순화 모델의 다수의 제 2 법선 벡터 중 두 법선 벡터 간의 각도에 관한 데이터를 획득하는 거리 및 각도 데이터 획득부; 및 상기 질의 모델로부터 얻은 거리에 관한 데이터 및 각도에 관한 데이터를 기반으로 질의 모델 도수분포를 생성하고, 상기 단순화 모델로부터 얻은 거리에 관한 데이터 및 각도에 관한 데이터를 기반으로 단순화 모델 도수분포를 생성하는 도수분포 생성부를 포함할 수 있다.
상기 거리 및 각도 데이터 획득부는: 상기 질의 모델의 다수의 제 1 점 중 두 점 간의 유클리드 거리 및 상기 질의 모델의 다수의 제 1 법선 벡터 중 두 법선 벡터의 내적의 절대값을 계산하고, 상기 단순화 모델의 다수의 제 2 점 중 두 점 간의 유클리드 거리 및 상기 단순화 모델의 다수의 제 2 법선 벡터 중 두 법선 벡터의 내적의 절대값을 계산할 수 있다.
상기 도수분포 생성부는: 상기 거리에 관한 데이터를 제 1 변량으로 하고 상기 각도에 관한 데이터를 제 2 변량으로 하여, 상기 질의 모델 및 상기 단순화 모델로부터 각각 2차원의 상기 질의 모델 도수분포 및 상기 단순화 모델 도수분포를 생성할 수 있다.
상기 형상 유사도 분석부는: 상기 질의 모델 도수분포와 상기 단순화 모델 도수분포 간의 차분을 계산할 수 있다.
상기 형상 유사도 분석부는: 상기 질의 모델 도수분포 및 상기 단순화 모델 도수분포에서 서로 대응하는 계급들 간의 도수 차이의 절대값을 계산하고, 상기 질의 모델 도수분포 및 상기 단순화 모델 도수분포에 포함된 적어도 하나의 계급에 대한 상기 도수 차이의 절대값을 합산할 수 있다.
상기 차분이 작을수록 상기 질의 모델과 상기 단순화 모델의 형상이 유사하고, 상기 차분이 클수록 상기 질의 모델과 상기 단순화 모델의 형상이 비유사할 수 있다.
상기 출력부는: 상기 단순화 모델 중에서 상기 유사도가 기 설정된 기준치를 만족하는 단순화 모델의 원본 모델을 상기 검색 모델로 출력할 수 있다.
본 발명의 일 실시예에 따른 모델 검색 방법은, 검색 대상이 되는 적어도 하나의 원본 모델을 단순화하여 단순화 모델을 생성하는 단계; 질의 모델과 상기 단순화 모델의 형상을 비교하여 상기 질의 모델과 상기 단순화 모델 간의 유사도를 분석하는 단계; 및 상기 유사도를 기반으로 상기 단순화 모델로부터 검색 모델을 결정하는 단계를 포함할 수 있다.
본 발명의 실시예에 따른 모델 검색 방법은 컴퓨터로 실행하기 위한 컴퓨터 프로그램으로 구현될 수 있다. 상기 컴퓨터 프로그램은 컴퓨터로 읽을 수 있는 기록 매체에 기록될 수 있다.
본 발명의 실시예에 따르면, 질의 모델과 검색 대상 모델 간의 정밀도 차이를 극복하고 검색 대상 모델 중에서 질의 모델과 유사한 진정한 모델을 검색할 수 있어 모델 검색의 정확도를 비약적으로 높일 수 있다.
도 1은 본 발명의 일 실시예에 따른 모델 검색 장치의 예시적인 블록도이다.
도 2는 본 발명의 일 실시예에 따라 검색 대상 모델 중에서 질의 모델과 유사한 모델을 검색하는 과정을 설명하기 위한 예시적인 도면이다.
도 3은 본 발명의 일 실시예에 따른 모델 단순화부의 예시적인 블록도이다.
도 4는 본 발명의 일 실시예에 따라 요소의 경계 부피 복잡도 및 상대 부피 복잡도를 산출하는 과정을 설명하기 위한 예시적인 도면이다.
도 5 및 도 6은 각각 본 발명의 일 실시예에 따라 요소 면 복잡도 및 요소 선 복잡도를 산출하는 과정을 설명하기 위한 예시적인 도면이다.
도 7은 본 발명의 일 실시예에 따른 유사도 분석부의 예시적인 블록도이다.
도 8은 본 발명의 일 실시예에 따라 원본 모델 및 단순화 모델로부터 거리 및 각도에 관한 데이터를 획득하는 과정을 설명하기 위한 예시적인 도면이다.
도 9는 본 발명의 일 실시예에 따라 원본 모델로부터 얻은 원본 모델 도수분포와 단순화 모델로부터 얻은 단순화 모델 도수분포 간 차분을 계산하는 과정을 설명하기 위한 예시적인 도면이다.
도 10은 본 발명의 일 실시예에 따른 모델 검색 방법의 예시적인 흐름도이다.
본 발명의 다른 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술 되는 실시 예를 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예는 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
만일 정의되지 않더라도, 여기서 사용되는 모든 용어들(기술 혹은 과학 용어들을 포함)은 이 발명이 속한 종래 기술에서 보편적 기술에 의해 일반적으로 수용되는 것과 동일한 의미를 가진다. 일반적인 사전들에 의해 정의된 용어들은 관련된 기술 그리고/혹은 본 출원의 본문에 의미하는 것과 동일한 의미를 갖는 것으로 해석될 수 있고, 그리고 여기서 명확하게 정의된 표현이 아니더라도 개념화되거나 혹은 과도하게 형식적으로 해석되지 않을 것이다.
본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다' 및/또는 이 동사의 다양한 활용형들 예를 들어, '포함', '포함하는', '포함하고', '포함하며' 등은 언급된 조성, 성분, 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 조성, 성분, 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다. 본 명세서에서 '및/또는' 이라는 용어는 나열된 구성들 각각 또는 이들의 다양한 조합을 가리킨다.
한편, 본 명세서 전체에서 사용되는 '~부', '~기', '~블록', '~모듈' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미할 수 있다. 예를 들어 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미할 수 있다. 그렇지만 '~부', '~기', '~블록', '~모듈' 등이 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부', '~기', '~블록', '~모듈'은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
따라서, 일 예로서 '~부', '~기', '~블록', '~모듈'은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부', '~기', '~블록', '~모듈'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부', '~기', '~블록', '~모듈'들로 결합되거나 추가적인 구성요소들과 '~부', '~기', '~블록', '~모듈'들로 더 분리될 수 있다.
이하, 본 명세서에 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 모델 검색 장치(10)의 예시적인 블록도이다.
도 1을 참조하면, 상기 모델 검색 장치(10)는 입력부(100), 모델 단순화부(210), 유사도 분석부(220) 및 출력부(300)를 포함한다.
상기 입력부(100)는 질의 모델을 입력받는다. 상기 모델 단순화부(210)는 검색 대상이 되는 적어도 하나의 원본 모델을 단순화하여 단순화 모델을 생성한다. 상기 유사도 분석부(220)는 질의 모델과 단순화 모델의 형상을 비교하여 질의 모델과 단순화 모델 간의 유사도를 분석한다. 상기 출력부(300)는 유사도를 기반으로 단순화 모델로부터 검색 모델을 결정하여 출력한다.
상기 입력부(100)는 데이터를 입력받는 장치로서, 모델 검색에 필요한 데이터를 사용자 등으로부터 입력받아 처리부(200)에 전달한다. 일 예로, 상기 입력부(100)는 사용자로부터 명령을 입력받을 수 있는 입력 장치로서, 키보드, 마우스, 터치 패드, 터치 펜 등을 포함할 수 있으나 이에 제한되지는 않는다.
본 발명의 일 실시예에 따르면, 상기 입력부(100)는 사용자가 작성한 3차원 모델을 질의 모델로 입력받을 수 있다.
예를 들어, 사용자는 프리핸드 2D 스케치 모델링(freehand 2D sketch modeling)으로 3차원 모델을 직접 작성하여 상기 입력부(100)를 통해 질의 모델을 입력할 수 있다. 이 경우, 사용자는 키보드나 마우스 등을 이용하여 컴퓨터로 검색하고자 하는 모델의 3차원 형상을 개략적으로 작성할 수 있다. 이와 같이 작성된 3차원 모델은 제품의 외부 형상을 대략적으로 담고 있어 정밀도가 낮다.
상기 모델 단순화부(210) 및 상기 유사도 분석부(220)는 처리부(200)에 포함된다. 상기 처리부(200)는 소정의 모델 검색 프로그램에 따라 데이터를 처리하는 프로세서로서, 일 예로 적어도 하나의 코어를 갖는 CPU, GPU, AP 등을 포함할 수 있다.
상기 출력부(300)는 데이터를 출력하는 장치로서, 모델 검색으로 나온 결과 데이터를 사용자 등에게 출력한다. 일 예로, 상기 출력부(300)는 데이터를 출력할 수 있는 출력 장치로서, 화면에 모델을 출력하는 모니터, 종이 등에 모델을 인쇄하는 프린터 등을 포함할 수 있으나 이에 제한되지는 않는다.
상기 저장부(400)는 데이터를 저장하는 저장 장치로서, 일 예로 HDD, SSD 등을 포함하나 이에 제한되지 않는다. 상기 저장부(400)는 RAM, ROM, 캐쉬, 레지스터 등을 포함할 수도 있다. 상기 저장부(400)는 본 발명의 실시예에 따라 모델을 검색하기 위해 사전에 제작된 컴퓨터 프로그램을 저장할 수 있다. 특히, 상기 저장부(400)는 질의 모델과 비교되어 검색 결과로 제공되는 검색 대상 모델을 데이터베이스로 저장할 수 있다. 상기 처리부(200)는 상기 저장부(400)에 저장된 검색 대상 모델을 처리하고 그로부터 질의 모델과 유사한 검색 모델을 결정하여 상기 출력부(300)를 통해 출력한다. 상기 저장부(400)에 저장된 검색 대상 모델은 사용자가 직접 작성한 모델과 달리 정밀도가 높은 모델로서 원본 모델에 해당한다.
도 2는 본 발명의 일 실시예에 따라 검색 대상 모델 중에서 질의 모델과 유사한 모델을 검색하는 과정을 설명하기 위한 예시적인 도면이다.
본 발명의 실시예에 따르면, 상기 모델 단순화부(210)는 각각의 원본 모델마다 각기 다른 정밀도를 갖는 다수의 단순화 모델을 생성할 수 있다. 즉, 상기 모델 단순화부(210)는 데이터베이스에 저장된 원본 모델마다 다수의 단순화 모델을 생성하고, 하나의 원본 모델에 매칭된 다수의 단순화 모델 각각은 서로 다른 정밀도를 갖는다.
예를 들어, 도 2를 참조하면, 상기 저장부(400)에 m 개의 원본 모델이 저장되어 있고 이 원본 모델의 LOD를 100%라고 하면, 상기 모델 단순화부(210)는 각각의 원본 모델마다 서로 다른 정밀도를 갖는 n 개의 단순화 모델을 생성할 수 있다.
그리고, 본 발명의 실시예에 따르면, 상기 유사도 분석부(220)는 질의 모델과 단순화 모델의 형상을 비교하여 질의 모델과 단순화 모델 간의 유사도를 분석할 수 있다. 즉, 본 발명의 실시예는 종래와 같이 질의 모델과 원본 모델의 형상을 비교하는 것이 아니라, 원본 모델을 단순화시킨 단순화 모델과 질의 모델의 형상을 비교하여 질의 모델과 형상이 유사한 모델을 검색한다.
그 결과, 단순화 모델들 중 질의 모델과 형상이 가장 유사한 단순화 모델 i-j가 검색되고, 상기 출력부(300)는 그 단순화 모델 i-j의 원본 모델을 검색 모델로 결정하여 검색 결과로서 출력할 수 있다.
이와 같이 본 발명의 실시예는 단순히 질의 모델과 원본 모델을 비교하여 검색 결과를 일률적으로 제공하지 않고 원본 모델로부터 파생되어 다양한 수준의 정밀도를 갖는 단순화 모델들을 질의 모델과 대비함으로써, 질의 모델과 전혀 다른 모델이라도 일정한 검색 기준을 만족시키면 검색 결과로 제시하는 종래의 모델 검색 기술에 비해 질의 모델과 유사한 진정한 모델을 검색할 수 있어 모델 검색의 정확도를 비약적으로 높일 수 있는 장점을 갖는다.
이러한 본 발명의 실시예에 따른 모델 검색을 위해, 상기 모델 단순화부(210)는 검색 대상이 되는 적어도 하나의 원본 모델을 단순화하여 단순화 모델을 생성한다.
도 3은 본 발명의 일 실시예에 따른 모델 단순화부(210)의 예시적인 블록도이다.
본 발명의 일 실시예에 따르면, 상기 모델 단순화부(210)는 형상 복잡도를 이용하여 모델을 단순화할 수 있다. 이 경우, 3차원 모델은 특징형상 기반으로 구성된 모델일 수 있으며, 모델을 구성하는 요소는 특징형상에 대응할 수 있다.
도 3을 참조하면, 상기 모델 단순화부(210)는 형상 복잡도 산출부(2101), 스코어링부(2102) 및 요소 제거부(2103)를 포함할 수 있다.
상기 형상 복잡도 산출부(2101)는 모델에 포함된 각 요소에 대하여 형상의 복잡도를 나타내는 형상 복잡도를 산출할 수 있다. 상기 스코어링부(2102)는 형상 복잡도를 기반으로 각 요소에 스코어를 매길 수 있다. 상기 요소 제거부(2103)는 모델의 목표 정밀도에 따라 스코어를 기반으로 모델로부터 요소를 제거할 수 있다.
본 발명의 일 실시예에 따르면, 상기 형상 복잡도 산출부(2101)는 부피 복잡도 및 요소 복잡도 중 적어도 하나를 산출할 수 있다. 다시 말해, 요소의 형상 복잡도는 부피 복잡도와 요소 복잡도 중 어느 하나 또는 둘 모두를 기반으로 산출될 수 있다.
부피 복잡도는 요소의 부피에 관한 복잡도이다. 부피 복잡도를 산출하기 위해, 상기 형상 복잡도 산출부(2101)는 경계 부피 복잡도 및 상대 부피 복잡도 중 적어도 하나를 산출할 수 있다. 다시 말해, 부피 복잡도는 경계 부피 복잡도와 상대 부피 복잡도 중 어느 하나 또는 둘 모두를 기반으로 산출될 수 있다.
먼저, 경계 부피 복잡도는 요소가 모델의 경계 부피를 변경시키는 정도를 나타내는 복잡도이다. 경계 부피 복잡도를 산출하기 위해, 상기 형상 복잡도 산출부(2101)는 N 개의 요소로 구성된 전체 모델의 부피와, 제 1 내지 제 i 요소로 구성된 제 i 모델의 부피로부터 제 1 내지 제 i-1 요소로 구성된 제 i-1 모델의 부피를 감산한 차분을 계산하고, 전체 모델의 부피에 대한 제 i 모델의 부피와 제 i-1 모델의 부피 간 차분의 비를 계산할 수 있다.
나아가, 상기 형상 복잡도 산출부(2101)는 상기 차분이 음수인 경우에는 해당 제 i 요소의 경계 부피 복잡도를 0으로 출력할 수 있다.
본 발명의 일 실시예에 따라 제 i 요소의 경계 부피 복잡도 CBV i를 산출하는 과정은 아래의 수학식과 같이 나타낼 수 있다.
Figure 112016071633056-pat00001
여기서, VBV i 및 VBV i -1은 각각 제 i 모델의 부피 및 제 i-1 모델의 부피이고, VFinal은 전체 모델의 부피이다.
이와 같이 본 발명의 실시예는 VBV i ≥ VBV i -1인 경우에만 경계 부피 복잡도 CBV i를 계산하고 VBV i < VBV i -1인 경우에는 경계 부피 복잡도 CBV i를 0으로 출력함으로써, 모델의 경계 부피를 증가시키는 요소에 대해서만 경계 부피 복잡도를 부여하고 경계 부피를 감소시키는 요소에 대해서는 경계 부피 복잡도를 부여하지 않는다.
그 결과, 본 발명의 실시예에 따른 모델 단순화에 있어서, 경계 부피를 증가시키는 요소가 경계 부피를 감소시키는 요소보다 스코어가 더 높게 부여되는 바, 단순화 과정에서 경계 부피를 증가시키는 요소가 경계 부피를 감소시키는 요소에 비해 후순위로 제거되므로, 단순화에 의해 모델의 LOD가 낮아져도 모델의 전체적인 외곽 형상이 유지될 수 있다.
다음으로, 상대 부피 복잡도는 기준 부피에 대한 해당 요소의 부피의 비이다. 본 발명의 일 실시예에 따르면, 상대 부피 복잡도를 산출하기 위해, 상기 형상 복잡도 산출부(2101)는 모델을 구성하는 요소 중 부피가 가장 큰 요소의 부피에 대한 당해 요소의 부피의 비를 계산할 수 있다. 즉, 이 실시예에서 기준 부피는 부피가 가장 큰 요소의 부피이나, 이에 제한되지 않고 기준 부피는 다양한 값으로 설정될 수도 있다.
본 발명의 일 실시예에 따라 제 i 요소의 상대 부피 복잡도 CRV i를 산출하는 과정은 아래의 수학식과 같이 나타낼 수 있다.
Figure 112016071633056-pat00002
여기서, Vi는 제 i 요소의 부피이고, Vmax는 모델을 구성하는 요소 중 최대 부피를 갖는 요소의 부피이다.
도 4는 본 발명의 일 실시예에 따라 요소의 경계 부피 복잡도 CBV i 및 상대 부피 복잡도 CRV i를 산출하는 과정을 설명하기 위한 예시적인 도면이다.
도 4에 도시된 모델은 총 3 개의 요소들로 구성되며, 이 중 제 1 요소는 부피가 가장 큰 요소이고, 제 2 요소는 모델의 경계 부피를 증가시키는 요소이고, 제 3 요소는 모델의 경계 부피를 감소시키는 요소이다.
먼저, 제 1 요소의 경계 부피 복잡도 및 상대 부피 복잡도는 각각 CBV 1 = V1 / VFinal 및 CRV 1 = V1 / Vmax = 1이며, 여기서 VFinal = V1 + V2 - V3이고, Vmax = V1이다.
다음으로, 제 2 요소의 경계 부피 복잡도 및 상대 부피 복잡도는 각각 CBV 2 = V2 / VFinal 및 CRV 2 = V2 / Vmax이다. 도 2에 도시된 바와 같이, 제 2 요소는 제 1 요소에 추가되어 모델의 경계 부피를 증가시키므로 경계 부피 복잡도 CBV 2는 0보다 큰 값으로 계산된다.
다음으로, 제 3 요소의 경계 부피 복잡도 및 상대 부피 복잡도는 각각 CBV 3 = 0 및 CRV 3 = V3 / Vmax이다. 제 2 요소와 달리, 제 3 요소는 제 1 요소의 내부에 빈 공간을 형성하여 모델의 경계 부피를 감소시키므로 경계 부피 복잡도 CBV 3는 0으로 계산된다.
본 발명의 일 실시예에 따르면, 상기 형상 복잡도 산출부(2101)는 경계 부피 복잡도와 상대 부피 복잡도를 합산하여 기 설정된 최대 부피 복잡도로 나눔으로써 부피 복잡도를 산출할 수 있다. 이와 같이 경계 부피 복잡도 CBV i와 상대 부피 복잡도 CRV i를 기반으로 제 i 요소의 부피 복잡도 CVi를 산출하는 과정은 아래의 수학식과 같이 나타낼 수 있다.
Figure 112016071633056-pat00003
여기서, CVmax는 사전에 설정되는 최대 부피 복잡도로서, 경계 부피 복잡도 CBV i와 상대 부피 복잡도 CRV i를 합산한 값을 최대 부피 복잡도 CVmax로 나누어 줌으로써 부피 복잡도 CVi는 0보다 크고 1보다 작거나 같은 값을 가질 수 있다.
다음으로, 요소 복잡도는 요소의 모델링 데이터 크기에 관한 복잡도이다. 요소 복잡도를 산출하기 위해, 상기 형상 복잡도 산출부(2101)는 요소 면 복잡도 및 요소 선 복잡도 중 적어도 하나를 산출할 수 있다. 다시 말해, 요소 복잡도는 요소 면 복잡도와 요소 선 복잡도 중 어느 하나 또는 둘 모두를 기반으로 산출될 수 있다.
요소 면 복잡도는 요소를 구성하는 면을 정의하기 위해 요구되는 성분의 개수이고, 요소 선 복잡도는 요소를 구성하는 선을 정의하기 위해 요구되는 성분의 개수이다. 여기서, 성분은 3차원 좌표 공간에서 요소의 형상을 구현하기 위해 필요한 데이터 유닛으로서, 일 예로 하나의 3차원 좌표점을 구성하는 각각의 좌표값(x, y 또는 z)이나 원의 반지름(r) 등을 포함할 수 있다.
제 i 요소의 요소 면 복잡도 Cs i 및 요소 선 복잡도 CC i는 아래의 수학식과 같이 계산될 수 있다.
Figure 112016071633056-pat00004
Figure 112016071633056-pat00005
여기서, S = {Plane, Cylinder, Sphere, Cone, Torus, and Spline Surface}이고, C = {Straight Line, Circle, Ellipse, Helix, and Spline}이다.
즉, 요소 면 복잡도 Cs i는 제 i 요소를 구성하는 모든 면을 정의하기 위해 필요한 성분의 총 개수이고, 요소 선 복잡도 CC i는 제 i 요소를 구성하는 모든 선을 정의하기 위해 필요한 성분의 총 개수이다.
도 5 및 도 6은 각각 본 발명의 일 실시예에 따라 요소 면 복잡도 및 요소 선 복잡도를 산출하는 과정을 설명하기 위한 예시적인 도면이다.
도 5를 참조하면, 1 개의 평면은 원점인 (x1, y1, z1)과 방향을 나타내는 (x2, y2, z2)로 정의되므로 평면의 요소 면 복잡도 U(Plane) = 6이며, 1 개의 기둥은 원점인 (x1, y1, z1)과 방향을 나타내는 (x2, y2, z2)와 반지름 (r)로 정의되므로 기둥의 요소 면 복잡도 U(Cylinder) = 7이다.
도 6을 참조하면, 1 개의 직선은 시작점인 (x1, y1, z1)과 끝점인 (x2, y2, z2)로 정의되므로 직선의 요소 선 복잡도 U(Straight Line) = 6이며, 1 개의 호는 중심인 (x1, y1, z1)과 시작점인 (x2, y2, z2)와 끝점인 (x3, y3, z3)와 반지름 (r)로 정의되므로 호의 요소 선 복잡도 U(Circle) = 10이다.
3차원 모델을 구성하는 각각의 요소는 다수의 면과 다수의 선으로 구성되므로, 어느 한 요소의 요소 면 복잡도는 그 요소에 포함되는 모든 면들의 요소 면 복잡도를 합산한 값이며, 요소 선 복잡도는 그 요소에 포함되는 모든 선들의 요소 선 복잡도를 합산한 값이다.
본 발명의 일 실시예에 따르면, 상기 형상 복잡도 산출부(2101)는 요소 면 복잡도와 요소 선 복잡도를 합산하여 기 설정된 최대 요소 복잡도로 나눔으로써 요소 복잡도를 산출할 수 있다. 이와 같이 요소 면 복잡도 CS i와 요소 선 복잡도 CC i를 기반으로 제 i 요소의 요소 복잡도 CEi를 산출하는 과정은 아래의 수학식과 같이 나타낼 수 있다.
Figure 112016071633056-pat00006
여기서, CEmax는 사전에 설정되는 최대 요소 복잡도로서, 요소 면 복잡도 CS i와 요소 선 복잡도 CC i를 합산한 값을 최대 요소 복잡도 CEmax로 나누어 줌으로써 요소 복잡도 CEi는 0보다 크고 1보다 작거나 같은 값을 가질 수 있다.
본 발명의 일 실시예에 따르면, 상기 형상 복잡도 산출부(2101)는 부피 복잡도와 요소 복잡도를 합산하여 기 설정된 최대 복잡도로 나눔으로써 형상 복잡도를 산출할 수 있다.
본 발명의 다른 실시예에 따르면, 상기 형상 복잡도 산출부(2101)는 부피 복잡도와 요소 복잡도를 합산한 뒤, 요소 복잡도에 대한 부피 복잡도의 비를 곱함으로써 형상 복잡도를 산출할 수 있다.
본 발명의 또 다른 실시예에 따르면, 상기 형상 복잡도 산출부(2101)는 부피 복잡도와 요소 복잡도를 합산하여 기 설정된 최대 복잡도로 나누고 요소 복잡도에 대한 부피 복잡도의 비를 곱함으로써 형상 복잡도를 산출할 수 있다. 이 실시예에 따라 부피 복잡도 CVi와 요소 복잡도 CEi를 기반으로 제 i 요소의 형상 복잡도 Ci를 산출하는 과정은 아래의 수학식과 같이 나타낼 수 있다.
Figure 112016071633056-pat00007
여기서, Cmax는 사전에 설정되는 최대 복잡도로서, 부피 복잡도 CVi와 요소 복잡도 CEi를 합산한 값을 최대 복잡도 Cmax로 나누어 줌으로써 형상 복잡도 Ci는 0보다 크고 1보다 작거나 같은 값을 가질 수 있다.
또한, λ는 요소 복잡도 CEi에 대한 부피 복잡도 CVi의 비로서, 부피 복잡도 CVi와 요소 복잡도 CEi를 합산한 값에 λ가 곱해짐으로써 형상 복잡도에서 요소 복잡도 CEi보다 부피 복잡도 CVi의 비중이 더 커진다.
그 결과, 형상 복잡도 산출 시 요소의 데이터 크기보다 요소의 부피에 의한 영향이 더 중요하게 고려될 수 있다. 예를 들어, 다수의 요소에 있어서 부피 복잡도와 요소 복잡도를 합산한 값 CVi + CEi이 동일한 경우, 부피 복잡도 CVi가 크고 요소 복잡도 CEi가 작을수록 형상 복잡도가 커질 수 있다.
이는 후술하는 모델 단순화를 위한 요소 제거 시, 모델의 데이터 크기에 미치는 영향이 큰 요소를 먼저 제거하고 모델의 외곽 형상에 미치는 영향이 큰 요소를 나중에 제거함으로써 모델의 전체적인 외곽 형상이 유지되는 한도에서 단순화된 모델의 데이터 크기를 최소화시킬 수 있도록 한다.
다시 도 3을 참조하면, 상기 스코어링부(2102)는 형상 복잡도를 기반으로 각 요소에 스코어를 매길 수 있다.
본 발명의 일 실시예에 따르면, 상기 스코어링부(2102)는 요소에 대하여 산출된 형상 복잡도를 해당 요소의 스코어로 출력할 수 있다. 즉, 이 실시예에서 요소의 스코어는 그 요소의 형상 복잡도이다.
본 발명의 다른 실시예에 따르면, 상기 스코어링부(2102)는 스코어가 차등적으로 부여된 다수의 평가 항목에 따라 요소에 스코어를 매길 수 있다.
예를 들어, 상기 스코어링부(2102)는 요소가 모델의 기 설정된 필수 요소에 해당하는지 여부, 요소가 모델의 외곽 경게에 접하는지 여부, 그리고 모델이 조립체에 대응하는 경우 요소가 조립체를 구성하는 단품들 간의 연결부위를 포함하는지 여부 중 적어도 하나를 판별하여 해당되는 평가 항목의 스코어를 요소에 매길 수 있다. 그리고, 상기 스코어링부(2102)는 요소에 대하여 산출된 형상 복잡도를 스코어로 요소에 매길 수 있다.
일 예로, 상기 스코어링부(2102)는 요소가 필수 요소에 해당하는 경우 해당 요소에 양수의 스코어를 매기고, 요소가 모델의 외곽 경계에 접하는 경우 해당 요소에 양수의 스코어를 매기고, 요소가 조립체를 구성하는 단품들 간의 연결부위를 포함하는 경우 해당 요소에 양수의 스코어를 매길 수 있다.
다른 예로, 상기 스코어링부(2102)는 요소가 필수 요소에 해당하는 경우 해당 요소에 1 이상의 스코어를 매기고, 요소가 모델의 외곽 경계에 접하는 경우 해당 요소에 1 이상의 스코어를 매기고, 요소가 조립체를 구성하는 단품들 간의 연결부위를 포함하는 경우 해당 요소에 1 이상의 스코어를 매길 수 있다.
또 다른 예로, 상기 스코어링부(2102)는 요소가 필수 요소에 해당하는 경우 해당 요소에 제 1 스코어를 매기고, 요소가 모델의 외곽 경계에 접하는 경우 해당 요소에 제 1 스코어보다 작거나 같은 제 2 스코어를 매기고, 요소가 조립체를 구성하는 단품들 간의 연결부위를 포함하는 경우 해당 요소에 제 2 스코어보다 작거나 같은 제 3 스코어를 매길 수 있다.
여기서, 제 1 내지 제 3 스코어는 본 발명의 실시예에 따라 산출되는 형상 복잡도보다 크거나 같을 수 있다. 예를 들어, 제 1 내지 제 3 스코어는 1보다 크거나 같고, 앞에서 설명한 바와 같이 형상 복잡도는 0보다 크고 1보다 작거나 같아, 형상 복잡도는 제 1 내지 제 3 스코어보다 작거나 같을 수 있다.
실시예에 따라, 요소는 평가 항목들 중 복수 개에 중복 해당될 수 있으며, 이 경우 상기 스코어링부(2102)는 해당되는 평가 항목들의 스코어와 형상 복잡도를 합산하여 요소에 매길 수 있다.
나아가, 본 발명의 일 실시예에 따르면, 상기 스코어링부(2102)는 요소가 모델의 내부에 위치하는 경우, 해당 요소의 스코어에 음수를 곱할 수 있다.
본 발명의 다른 실시예에 딸면, 상기 스코어링부(2102)는 요소가 모델의 내부에 위치하는 경우, 해당 요소의 스코어를 음수만큼 거듭제곱할 수 있다. 즉, 모델의 내부에 위치하는 요소는 그 스코어를 거듭제곱하되, 지수가 음수(예컨대, -1)이 되도록 할 수 있다.
본 발명의 또 다른 실시예에 따르면, 상기 스코어링부(2102)는 요소가 모델의 내부에 위치하는 경우, 해당 요소의 스코어를 음수만큼 거듭제곱한 뒤 음수를 곱할 수 있다.
전술한 본 발명의 실시예에 따른 스코어링은 아래와 같이 수학식으로 나타낼 수 있다.
Figure 112016071633056-pat00008
여기서, FIi는 모델의 i 번째 요소의 스코어를 나타낸다.
그리고, Pi는 양수의 스코어가 할당되는 평가 항목에 관한 항이고, Ci는 0보다 크되 상기 양수의 스코어보다 작은 스코어가 할당되는 평가 항목에 관한 항이고, Ni는 음수의 스코어가 할당되는 평가 항목에 관한 항이다.
Pi는 아래와 같은 수학식으로 나타낼 수 있다.
Figure 112016071633056-pat00009
여기서, x는 평가 항목의 명칭(예컨대, "포트", "외곽 경계", "조립 제약" 등)이며, i 번째 요소가 상기 평가 항목에 해당되는 경우 Pi x는 1이 되고, 그렇지 않으면 0이 될 수 있다.
Ci는 앞에서 설명한 수학식 6과 같이 계산되는 i 번째 요소의 형상 복잡도 Ci이다.
Ni는 아래와 같은 수학식으로 나타낼 수 있다.
Figure 112016071633056-pat00010
Figure 112016071633056-pat00011
여기서, x는 평가 항목의 명칭(예컨대, "내부 요소" 등)이며, i 번째 요소가 상기 평가 항목에 해당되는 경우 Ni x는 1이 되고, 그렇지 않으면 0이 될 수 있다. 따라서, i 번째 요소가 상기 평가 항목 중 어느 하나라도 해당되면 Ni는 -1이 되고, 상기 평가 항목 전부에 해당되지 않으면 Ni는 1이 된다.
다시 도 3을 참조하면, 상기 요소 제거부(2103)는 모델의 목표 정밀도에 따라 스코어를 기반으로 모델로부터 요소를 제거할 수 있다.
본 발명의 실시예에 따르면, 상기 요소 제거부(2103)는 모델의 목표 LOD에 따라 모델로부터 스코어가 낮은 순서대로 요소를 제거할 수 있다. 이 실시예에 따르면, 모델의 정밀도는 LOD(%)로 나타낼 수 있으며, 목표 LOD가 100%이면 모델에 포함된 모든 요소가 보존되며, 목표 LOD가 50%이면 모델에 포함된 요소들 중 스코어가 낮은 절반이 제거될 수 있다.
상기 유사도 분석부(220)는 질의 모델과 단순화 모델의 형상을 비교하여 질의 모델과 단순화 모델 간의 유사도를 분석한다.
도 7은 본 발명의 일 실시예에 따른 유사도 분석부(220)의 예시적인 블록도이다.
도 7을 참조하면, 상기 유사도 분석부(220)는 점 좌표 및 법선 벡터 획득부(2201), 형상 관련 데이터 생성부(2202) 및 형상 유사도 분석부(2203)를 포함할 수 있다.
상기 점 좌표 및 법선 벡터 획득부(2201)는 질의 모델의 표면에 위치하는 다수의 제 1 점의 좌표, 및 상기 제 1 점을 시작점으로 하여 상기 제 1 점이 속하는 표면에 수직한 다수의 제 1 법선 벡터를 획득할 수 있다. 또한, 상기 점 좌표 및 법선 벡터 획득부(2201)는 단순화 모델의 표면에 위치하는 다수의 제 2 점의 좌표 및 상기 제 2 점을 시작점으로 하여 상기 제 2 점이 속하는 표면에 수직한 다수의 제 2 법선 벡터를 획득할 수 있다. 즉, 상기 점 좌표 및 법선 벡터 획득부(2201)는 질의 모델과 단순화 모델 각각으로부터 다수의 점 좌표와 다수의 법선 벡터를 획득한다.
여기서, 상기 제 1 및 제 2 점은 각각 질의 모델 및 단순화 모델의 표면에 위치하는 점이고, 제 1 및 제 2 법선 벡터는 각각 제 1 및 제 2 점을 시작점으로 하는 법선 벡터이다.
본 발명의 일 실시예에 따르면, 상기 점 좌표 및 상기 법선 벡터는 메쉬 형식으로 표현된 모델로부터 추출될 수 있다. 점 좌표 및 법선 벡터의 추출을 위해, 상기 모델 검색 장치(10)는 유사도 분석 전에 메쉬 형식이 아닌 다른 형식으로 표현된 모델(예컨대, 특징형상 기반 모델, CSG(Constructive Solid Geometry) 모델, B-rep 모델 등)을 메쉬 형식의 모델로 변환할 수 있다.
상기 형상 관련 데이터 생성부(2202)는 질의 모델로부터 획득된 제 1 점의 좌표 및 제 1 법선 벡터를 기반으로 질의 모델의 형상과 관련된 질의 모델 형상 관련 데이터를 생성할 수 있다. 또한, 상기 형상 관련 데이터 생성부(2202)는 단순화 모델로부터 획득된 제 2 점의 좌표 및 제 2 법선 벡터를 기반으로 단순화 모델의 형상과 관련된 단순화 모델 형상 관련 데이터를 생성할 수 있다.
본 발명의 일 실시예에 따르면, 상기 형상 관련 데이터 생성부(2202)는 거리 및 각도 데이터 획득부 및 도수분포 생성부를 포함할 수 있다.
상기 거리 및 각도 데이터 획득부는 질의 모델의 다수의 제 1 점 중 두 점 간의 거리에 관한 데이터 및 질의 모델의 다수의 제 1 법선 벡터 중 두 법선 벡터 간의 각도에 관한 데이터를 획득할 수 있다. 또한, 상기 거리 및 각도 데이터 획득부는 단순화 모델의 다수의 제 2 점 중 두 점 간의 거리에 관한 데이터 및 단순화 모델의 다수의 제 2 법선 벡터 중 두 법선 벡터 간의 각도에 관한 데이터를 획득할 수 있다.
상기 도수분포 생성부는 질의 모델로부터 얻은 거리에 관한 데이터 및 각도에 관한 데이터를 기반으로 질의 모델 도수분포를 생성할 수 있다. 또한, 상기 도수분포 생성부는 단순화 모델로부터 얻은 거리에 관한 데이터 및 각도에 관한 데이터를 기반으로 단순화 모델 도수분포를 생성할 수 있다.
즉, 상기 형상 관련 데이터 생성부가 생성하는 질의 모델 형상 관련 데이터 및 단순화 모델 형상 관련 데이터는 각각 질의 모델 도수분포 및 단순화 모델 도수분포이다.
도 8은 본 발명의 일 실시예에 따라 질의 모델 및 단순화 모델로부터 거리 및 각도에 관한 데이터를 획득하는 과정을 설명하기 위한 예시적인 도면이다.
도 8을 참조하면, 상기 점 좌표 및 법선 벡터 획득부(2201)는 질의 모델의 표면에 위치하는 제 1 점인 P1 및 P2의 좌표와 제 1 점을 시작점으로 하여 상기 제 1 점이 속하는 표면에 수직한 제 1 법선 벡터인 n1 및 n2를 획득할 수 있다.
또한, 상기 점 좌표 및 법선 벡터 획득부(2201)는 단순화 모델의 표면에 위치하는 제 2 점인 P3 및 P4의 좌표와 제 2 점을 시작점으로 하여 상기 제 2 점이 속하는 표면에 수직한 제 2 법선 벡터인 n3 및 n4를 획득할 수 있다.
상기 제 1 및 제 2 점의 좌표와 상기 제 1 및 제 2 법선 벡터에 대한 데이터는 사전에 질의 모델 및 단순화 모델로부터 추출되어 상기 저장부(300)에 저장되어 있을 수 있다. 이 경우, 상기 점 좌표 및 법선 벡터 획득부(2201)는 상기 저장부(300)로부터 점 좌표 데이터와 법선 벡터 데이터를 불러옴으로써 획득할 수 있다. 실시예에 따라, 상기 점 좌표 데이터와 상기 법선 벡터 데이터는 모델 비교 시 질의 모델과 단순화 모델로부터 추출됨으로써 획득될 수도 있다.
앞서 설명한 바와 같이, 질의 모델 및 단순화 모델은 모델 변환 과정 등을 통해 삼각형 모양의 메쉬로 표현될 수 있으며, 이 경우 상기 점 좌표 데이터는 아래와 같은 수학식에 의해 계산될 수 있다.
Figure 112016071633056-pat00012
여기서, s는 메쉬에서 샘플링된 점의 좌표이고, v1, v2 및 v3는 삼각형 메쉬를 구성하는 꼭짓점의 좌표이고, r1 및 r2는 메쉬에서 점을 랜덤하게 샘플링하기 위해 0과 1 사이에서 임의로 선택된 값이다.
실시예에 따라, 메쉬로부터 점 좌표 데이터의 추출은 메쉬의 면적에 따라 가중치를 두어 수행될 수 있다. 예를 들어, 메쉬의 면적이 클수록 그 메쉬로부터 추출되는 점 좌표의 개수도 증가할 수 있다. 그 결과, 모델에서 표면적을 차지하는 비율이 높은 메쉬일수록 그로부터 추출되는 점 좌표의 개수가 늘어나 형상 유사도 분석의 신뢰성을 높일 수 있다.
그러고 나서, 상기 거리 및 각도 데이터 획득부는 질의 모델의 표면에 위치하는 제 1 점인 P1과 P2 간의 거리 D1에 관한 데이터 및 제 1 법선 벡터인 n1과 n2 간의 각도 θ1에 관한 데이터를 획득할 수 있다. 또한, 상기 거리 및 각도 데이터 획득부는 단순화 모델의 표면에 위치하는 제 2 점인 P3과 P4 간의 거리 D2에 관한 데이터 및 제 2 법선 벡터인 n3와 n4 간의 각도 θ2에 관한 데이터를 획득할 수 있다.
본 발명의 일 실시예에 따르면, 상기 거리 및 각도 데이터 획득부는 질의 모델의 다수의 제 1 점 중 두 점 P1과 P2 간의 유클리드 거리 및 질의 모델의 다수의 제 1 법선 벡터 중 두 법선 벡터 n1과 n2의 내적을 계산할 수 있다. 또한, 상기 거리 및 각도 데이터 획득부는 단순화 모델의 다수의 제 2 점 중 두 점 P3와 P4 간의 유클리드 거리 및 단순화 모델의 다수의 제 2 법선 벡터 중 두 법선 벡터 n3와 n4의 내적을 계산할 수 있다. 즉, 이 실시예에서 두 점들 간의 거리에 관한 데이터는 두 점들 간의 유클리드 거리이고, 두 법선 벡터들 간의 각도에 관한 데이터는 두 법선 벡터들의 내적일 수 있다.
나아가, 본 발명의 일 실시예에 따르면, 상기 거리 및 각도 데이터 획득부는 질의 모델의 다수의 제 1 법선 벡터 중 두 법선 벡터 n1과 n2의 내적의 절대값을 계산하고, 단순화 모델의 다수의 제 2 법선 벡터 중 두 법선 벡터 n3와 n4의 내적의 절대값을 계산할 수 있다.
이와 같이 본 발명의 실시예는 두 법선 벡터들 간의 각도에 관한 데이터로 두 법선 벡터들의 내적의 절대값을 계산함으로써, 법선 벡터의 방향이 모델의 표면을 기준으로 일정한 방향으로 형성되지 않고 표면에서 바깥쪽을 향해 수직하게 형성된 법선 벡터와 안쪽을 향해 수직하게 형성된 법선 벡터가 혼재되어 있는 경우에도 모델의 형상을 정확하게 기술할 수 있다.
이와 같이 획득된 거리 및 각도 데이터를 기반으로, 상기 도수분포 생성부는 질의 모델 도수분포 및 단순화 모델 도수분포를 생성한다.
본 발명의 일 실시예에 따르면, 상기 도수분포 생성부는 상기 거리에 관한 데이터를 제 1 변량으로 하고 상기 각도에 관한 데이터를 제 2 변량으로 하여, 질의 모델 및 단순화 모델로부터 각각 2차원의 질의 모델 도수분포 및 단순화 모델 도수분포를 생성할 수 있다.
상기 형상 유사도 분석부(2203)는 질의 모델 형상 관련 데이터 및 단순화 모델 형상 관련 데이터를 기반으로 질의 모델과 단순화 모델의 형상 유사도를 분석할 수 있다.
본 발명의 일 실시예에 따르면, 상기 형상 유사도 분석부(2203)는 질의 모델 도수분포와 단순화 모델 도수분포 간의 차분을 계산할 수 있다.
도 9는 본 발명의 일 실시예에 따라 질의 모델로부터 얻은 질의 모델 도수분포와 단순화 모델로부터 얻은 단순화 모델 도수분포 간 차분을 계산하는 과정을 설명하기 위한 예시적인 도면이다.
도 9를 참조하면, 상기 도수분포 생성부는 거리에 관한 데이터 D를 제 1 변량으로 하고 각도에 관한 데이터 θ를 제 2 변량으로 하여, 질의 모델로부터 2차원의 질의 모델 도수분포를 획득하고 단순화 모델로부터 2차원의 단순화 모델 도수분포를 획득할 수 있다.
본 발명의 일 실시예에 따르면, 상기 도수분포의 두 축을 구성하는 제 1 및 제 2 변량은 정규화될 수 있다.
일 실시예에 따르면, 거리에 관한 데이터 D를 나타내는 제 1 변량은 해당 모델로부터 얻은 상기 거리에 관한 데이터 D의 최대값 및 해당 모델로부터 얻은 상기 거리에 관한 데이터 D의 평균값 중 적어도 하나를 기반으로 결정된 계급에 의해 구분될 수 있다.
예를 들어, 제 1 변량을 구분하는 계급의 크기는 해당 모델로부터 얻은 상기 거리에 관한 데이터 D의 평균값의 기 설정된 비율(예컨대, 2%)일 수 있으며, 제 1 변량에 적용되는 계급의 개수는 해당 모델로부터 얻은 상기 거리에 관한 데이터 D의 최대값을 상기 계급의 크기로 나눈만큼일 수 있다.
일 실시예에 따르면, 각도에 관한 데이터 θ를 나타내는 제 2 변량은 기 설정된 개수만큼의 계급으로 구분될 수 있다. 다시 말해, 제 2 변량은 모델에 관계없이 항상 일정한 개수의 계급으로 구분된다.
그러고 나서, 상기 형상 유사도 분석부는 질의 모델 도수분포 및 단순화 모델 도수분포에서 서로 대응하는 계급들 간의 도수 차이의 절대값을 계산하고, 질의 모델 도수분포 및 단순화 모델 도수분포에 포함된 적어도 하나의 계급에 대한 상기 도수 차이의 절대값을 합산할 수 있다.
예를 들어, 상기 형상 유사도 분석부는 아래와 같은 수학식으로 질의 모델 도수분포와 단순화 모델 도수분포의 차분을 계산할 수 있다.
Figure 112016071633056-pat00013
여기서, X 및 Y는 각각 질의 모델 도수분포 및 단순화 모델 도수분포이고, xi,j는 질의 모델 도수분포에서 제 1 변량의 i 번째 계급 및 제 2 변량의 j 번째 계급에 해당하는 도수이고, yi,j는 단순화 모델 도수분포에서 제 1 변량의 i 번째 계급 및 제 2 변량의 j 번째 계급에 해당하는 도수이고, n1 및 n2는 각각 제 1 및 제 2 변량의 계급 수이다.
본 발명의 실시예에 따르면, 상기 차분이 작을수록 질의 모델과 단순화 모델의 형상이 유사하고, 반대로 상기 차분이 클수록 질의 모델과 단순화 모델의 형상이 비유사한 것으로 분석될 수 있다. 다시 말해, 상기 차분은 질의 모델과 단순화 모델 간의 형상 불일치도를 나타낼 수 있다.
본 발명의 실시예에 따르면, 상기 출력부(300)는 단순화 모델 중에서 유사도가 기 설정된 기준치를 만족하는 단순화 모델의 원본 모델을 검색 모델로 출력할 수 있다.
앞서 도 2에서는 단순화 모델 중에서 질의 모델과의 유사도가 가장 높은 하나의 모델의 원본 모델을 검색 모델로 출력하는 것으로 설명되었으나, 실시예에 따라 상기 모델 검색 장치(10)에서 검색 결과로 다수의 모델을 제시하도록 설정되어 있는 경우에는 단순화 모델 중에서 유사도가 일정한 기준치를 만족하는 적어도 하나의 모델의 원본 모델을 검색 모델로 출력할 수도 있다.
이 경우, 상기 기준치는 질의 모델 도수분포와 단순화 모델 도수분포 간의 허용 가능한 차분으로 설정될 수 있다. 그리고, 상기 모델 검색 장치(10)는 단순화 모델 중에서 질의 모델과의 상기 차분이 기준치 미만인 모델의 원본 모델을 검색 모델로 결정하여 검색 결과로 제공할 수 있다.
도 10은 본 발명의 일 실시예에 따른 모델 검색 방법(20)의 예시적인 흐름도이다.
상기 모델 검색 방법(20)은 앞서 설명한 본 발명의 실시예에 따른 모델 검색 장치(10)에 의해 수행될 수 있다.
도 10을 참조하면, 상기 모델 검색 방법(20)은 검색 대상이 되는 적어도 하나의 원본 모델을 단순화하여 단순화 모델을 생성하는 단계(S210), 질의 모델과 단순화 모델의 형상을 비교하여 질의 모델과 단순화 모델 간의 유사도를 분석하는 단계(S220), 및 유사도를 기반으로 단순화 모델로부터 검색 모델을 결정하는 단계(S230)를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 상기 질의 모델은 사용자가 작성한 3차원 모델일 수 있다. 예를 들어, 상기 질의 모델은 사용자가 프리핸드 2D 스케치 모델링(freehand 2D sketch modeling)으로 직접 작성한 3차원 모델일 수 있다.
본 발명의 실시예에 따르면, 상기 원본 모델을 단순화하여 단순화 모델을 생성하는 단계(S210)는, 각각의 원본 모델마다 각기 다른 정밀도를 갖는 다수의 단순화 모델을 생성하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 유사도를 기반으로 단순화 모델로부터 검색 모델을 결정하는 단계(S230)는, 단순화 모델 중에서 유사도가 기 설정된 기준치를 만족하는 단순화 모델의 원본 모델을 검색 모델로 결정하는 단계를 포함할 수 있다.
본 발명의 실시예에 따른 모델 검색 방법(20)은 컴퓨터에서 실행되기 위한 프로그램으로 제작되어 컴퓨터가 읽을 수 있는 기록매체에 저장될 수 있다. 상기 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 저장장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다. 또한, 본 발명의 실시예에 따른 모델 검색 방법(20)은 컴퓨터와 결합되어 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다.
이상에서 실시예를 통해 본 발명을 설명하였으나, 위 실시예는 단지 본 발명의 사상을 설명하기 위한 것으로 이에 한정되지 않는다. 통상의 기술자는 전술한 실시예에 다양한 변형이 가해질 수 있음을 이해할 것이다. 본 발명의 범위는 첨부된 특허청구범위의 해석을 통해서만 정해진다.
10: 모델 검색 장치
100: 입력부
200: 처리부
210: 모델 단순화부
220: 유사도 분석부
300: 출력부
400: 저장부
2101: 형상 복잡도 산출부
2102: 스코어링부
2103: 요소 제거부
2201: 점 좌표 및 법선 벡터 획득부
2202: 형상 관련 데이터 생성부
2203: 형상 유사도 분석부

Claims (23)

  1. 질의 모델을 입력받는 입력부;
    검색 대상이 되는 적어도 하나의 원본 모델을 단순화하여 단순화 모델을 생성하는 모델 단순화부;
    상기 질의 모델과 상기 단순화 모델의 형상을 비교하여 상기 질의 모델과 상기 단순화 모델 간의 유사도를 분석하는 유사도 분석부; 및
    상기 유사도를 기반으로 상기 단순화 모델로부터 검색 모델을 결정하여 출력하는 출력부를 포함하고,
    상기 모델 단순화부는:
    모델에 포함된 각 요소에 대하여 형상의 복잡도를 나타내는 형상 복잡도를 산출하는 형상 복잡도 산출부;
    상기 형상 복잡도를 기반으로 각 요소에 스코어를 매기는 스코어링부; 및
    모델의 목표 정밀도에 따라 스코어를 기반으로 모델로부터 요소를 제거하는 요소 제거부를 포함하는 모델 검색 장치.
  2. 제 1 항에 있어서,
    상기 입력부는:
    사용자가 작성한 3차원 모델을 상기 질의 모델로 입력받는 모델 검색 장치.
  3. 제 1 항에 있어서,
    상기 모델 단순화부는:
    각각의 원본 모델마다 각기 다른 정밀도를 갖는 다수의 단순화 모델을 생성하는 모델 검색 장치.
  4. 삭제
  5. 제 1 항에 있어서,
    상기 형상 복잡도 산출부는:
    요소의 부피에 대한 복잡도인 부피 복잡도; 및
    요소의 모델링 데이터 크기에 관한 복잡도인 요소 복잡도;
    중 적어도 하나를 산출하는 모델 검색 장치.
  6. 제 5 항에 있어서,
    상기 형상 복잡도 산출부는:
    상기 부피 복잡도를 산출하기 위해,
    요소가 모델의 경계 부피를 변경시키는 정도를 나타내는 경계 부피 복잡도; 및
    기준 부피에 대한 요소의 부피의 비인 상대 부피 복잡도;
    중 적어도 하나를 산출하는 모델 검색 장치.
  7. 제 6 항에 있어서,
    상기 형상 복잡도 산출부는:
    상기 경계 부피 복잡도를 산출하기 위해,
    N 개의 요소로 구성된 전체 모델의 부피에 대한, 제 1 내지 제 i 요소로 구성된 제 i 모델의 부피로부터 제 1 내지 제 i-1 요소로 구성된 제 i-1 모델의 부피를 감산한 차분의 비를 계산하는 모델 검색 장치.
  8. 제 7 항에 있어서,
    상기 형상 복잡도 산출부는:
    상기 차분이 음수인 경우, 상기 경계 부피 복잡도를 0으로 출력하는 모델 검색 장치.
  9. 제 6 항에 있어서,
    상기 형상 복잡도 산출부는:
    상기 상대 부피 복잡도를 산출하기 위해,
    모델을 구성하는 요소 중 부피가 가장 큰 요소의 부피에 대한 당해 요소의 부피의 비를 계산하는 모델 검색 장치.
  10. 제 5 항에 있어서,
    상기 형상 복잡도 산출부는:
    상기 요소 복잡도를 산출하기 위해,
    요소를 구성하는 면을 정의하기 위해 요구되는 성분의 개수인 요소 면 복잡도; 및
    요소를 구성하는 선을 정의하기 위해 요구되는 성분의 개수인 요소 선 복잡도;
    중 적어도 하나를 산출하는 모델 검색 장치.
  11. 제 5 항에 있어서,
    상기 형상 복잡도 산출부는:
    상기 부피 복잡도와 상기 요소 복잡도를 합산한 뒤, 상기 요소 복잡도에 대한 상기 부피 복잡도의 비를 곱하는 모델 검색 장치.
  12. 제 1 항에 있어서,
    상기 스코어링부는:
    상기 산출된 형상 복잡도를 요소의 스코어로 출력하는 모델 검색 장치.
  13. 질의 모델을 입력받는 입력부;
    검색 대상이 되는 적어도 하나의 원본 모델을 단순화하여 단순화 모델을 생성하는 모델 단순화부;
    상기 질의 모델과 상기 단순화 모델의 형상을 비교하여 상기 질의 모델과 상기 단순화 모델 간의 유사도를 분석하는 유사도 분석부; 및
    상기 유사도를 기반으로 상기 단순화 모델로부터 검색 모델을 결정하여 출력하는 출력부를 포함하고,
    상기 유사도 분석부는:
    상기 질의 모델의 표면에 위치하는 다수의 제 1 점의 좌표, 및 상기 제 1 점을 시작점으로 하여 상기 제 1 점이 속하는 표면에 수직한 다수의 제 1 법선 벡터를 획득하고, 상기 단순화 모델의 표면에 위치하는 다수의 제 2 점의 좌표 및 상기 제 2 점을 시작점으로 하여 상기 제 2 점이 속하는 표면에 수직한 다수의 제 2 법선 벡터를 획득하는 점 좌표 및 법선 벡터 획득부;
    상기 질의 모델로부터 획득된 상기 제 1 점의 좌표 및 상기 제 1 법선 벡터를 기반으로 상기 질의 모델의 형상과 관련된 질의 모델 형상 관련 데이터를 생성하고, 상기 단순화 모델로부터 획득된 상기 제 2 점의 좌표 및 상기 제 2 법선 벡터를 기반으로 상기 단순화 모델의 형상과 관련된 단순화 모델 형상 관련 데이터를 생성하는 형상 관련 데이터 생성부; 및
    상기 질의 모델 형상 관련 데이터 및 상기 단순화 모델 형상 관련 데이터를 기반으로 상기 질의 모델과 상기 단순화 모델의 형상 유사도를 분석하는 형상 유사도 분석부를 포함하는 모델 검색 장치.
  14. 제 13 항에 있어서,
    상기 형상 관련 데이터 생성부는:
    상기 질의 모델의 다수의 제 1 점 중 두 점 간의 거리에 관한 데이터 및 상기 질의 모델의 다수의 제 1 법선 벡터 중 두 법선 벡터 간의 각도에 관한 데이터를 획득하고, 상기 단순화 모델의 다수의 제 2 점 중 두 점 간의 거리에 관한 데이터 및 상기 단순화 모델의 다수의 제 2 법선 벡터 중 두 법선 벡터 간의 각도에 관한 데이터를 획득하는 거리 및 각도 데이터 획득부; 및
    상기 질의 모델로부터 얻은 거리에 관한 데이터 및 각도에 관한 데이터를 기반으로 질의 모델 도수분포를 생성하고, 상기 단순화 모델로부터 얻은 거리에 관한 데이터 및 각도에 관한 데이터를 기반으로 단순화 모델 도수분포를 생성하는 도수분포 생성부를 포함하는 모델 검색 장치.
  15. 제 14 항에 있어서,
    상기 거리 및 각도 데이터 획득부는:
    상기 질의 모델의 다수의 제 1 점 중 두 점 간의 유클리드 거리 및 상기 질의 모델의 다수의 제 1 법선 벡터 중 두 법선 벡터의 내적의 절대값을 계산하고, 상기 단순화 모델의 다수의 제 2 점 중 두 점 간의 유클리드 거리 및 상기 단순화 모델의 다수의 제 2 법선 벡터 중 두 법선 벡터의 내적의 절대값을 계산하는 모델 검색 장치.
  16. 제 14 항에 있어서,
    상기 도수분포 생성부는:
    상기 거리에 관한 데이터를 제 1 변량으로 하고 상기 각도에 관한 데이터를 제 2 변량으로 하여, 상기 질의 모델 및 상기 단순화 모델로부터 각각 2차원의 상기 질의 모델 도수분포 및 상기 단순화 모델 도수분포를 생성하는 모델 검색 장치.
  17. 제 14 항에 있어서,
    상기 형상 유사도 분석부는:
    상기 질의 모델 도수분포와 상기 단순화 모델 도수분포 간의 차분을 계산하는 모델 검색 장치.
  18. 제 17 항에 있어서,
    상기 형상 유사도 분석부는:
    상기 질의 모델 도수분포 및 상기 단순화 모델 도수분포에서 서로 대응하는 계급들 간의 도수 차이의 절대값을 계산하고,
    상기 질의 모델 도수분포 및 상기 단순화 모델 도수분포에 포함된 적어도 하나의 계급에 대한 상기 도수 차이의 절대값을 합산하는 모델 검색 장치.
  19. 제 17 항에 있어서,
    상기 차분이 작을수록 상기 질의 모델과 상기 단순화 모델의 형상이 유사하여 상기 유사도가 높고,
    상기 차분이 클수록 상기 질의 모델과 상기 단순화 모델의 형상이 비유사하여 상기 유사도가 낮은 모델 검색 장치.
  20. 제 1 항에 있어서,
    상기 출력부는:
    상기 단순화 모델 중에서 상기 유사도가 기 설정된 기준치를 만족하는 단순화 모델의 원본 모델을 상기 검색 모델로 출력하는 모델 검색 장치.
  21. 삭제
  22. 삭제
  23. 삭제
KR1020160093628A 2016-07-22 2016-07-22 질의 모델과 검색 대상 모델 간의 정밀도 차이를 고려한 모델 검색 장치 및 방법 KR101839687B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160093628A KR101839687B1 (ko) 2016-07-22 2016-07-22 질의 모델과 검색 대상 모델 간의 정밀도 차이를 고려한 모델 검색 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160093628A KR101839687B1 (ko) 2016-07-22 2016-07-22 질의 모델과 검색 대상 모델 간의 정밀도 차이를 고려한 모델 검색 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20180011435A KR20180011435A (ko) 2018-02-01
KR101839687B1 true KR101839687B1 (ko) 2018-03-19

Family

ID=61232191

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160093628A KR101839687B1 (ko) 2016-07-22 2016-07-22 질의 모델과 검색 대상 모델 간의 정밀도 차이를 고려한 모델 검색 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101839687B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023095956A1 (ko) * 2021-11-26 2023-06-01 삼인이엔에스 주식회사 3차원 모델의 형상 관계 정보 검색 및 제공 방법, 장치 및 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001194119A (ja) * 2000-01-06 2001-07-19 Olympus Optical Co Ltd サーチモデル登録装置
KR101765414B1 (ko) * 2016-04-05 2017-08-07 경북대학교 산학협력단 형상 복잡도를 이용한 모델 간략화 장치 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001194119A (ja) * 2000-01-06 2001-07-19 Olympus Optical Co Ltd サーチモデル登録装置
KR101765414B1 (ko) * 2016-04-05 2017-08-07 경북대학교 산학협력단 형상 복잡도를 이용한 모델 간략화 장치 및 방법

Also Published As

Publication number Publication date
KR20180011435A (ko) 2018-02-01

Similar Documents

Publication Publication Date Title
Papaioannou et al. From reassembly to object completion: A complete systems pipeline
Cardone et al. A survey of shape similarity assessment algorithms for product design and manufacturing applications
KR100513735B1 (ko) 지각적 인식이 가능한 3차원 형상의 기술방법과 이를이용한 3차원 그래픽 모델의 데이터베이스 검색 방법 및장치
JP4893148B2 (ja) 形状簡略化装置及びそれに用いられるプログラム
US8345042B2 (en) Mesh-based shape retrieval system
US11163916B2 (en) Automatic generation of dimension and tolerance information for fastened components
Kim et al. Shape distribution-based retrieval of 3D CAD models at different levels of detail
Tanase et al. Polygon decomposition based on the straight line skeleton
Qin et al. A sketch-based semantic retrieval approach for 3D CAD models
Zeng et al. Sketch-based retrieval and instantiation of parametric parts
JP2011248622A (ja) 類似モデル検索システム及び作業指示再利用システム
Kim et al. Shape distribution-based approach to comparing 3D CAD assembly models
EP3104335A1 (en) Analysis model creation assistance system, analysis model creation assistance device and analysis model creation assistance program
KR101839687B1 (ko) 질의 모델과 검색 대상 모델 간의 정밀도 차이를 고려한 모델 검색 장치 및 방법
Jeon et al. A touch-probe path generation method through similarity analysis between the feature vectors in new and old models
KR101811135B1 (ko) 최적 정밀도 결정을 통한 모델 단순화 장치 및 방법
WO2020039260A2 (en) Systems and methods for segmentation of report corpus using visual signatures
JP4453440B2 (ja) 視覚的情報分類方法及び装置及びプログラム及び視覚的情報分類プログラムを記録した記憶媒体
US20240086592A1 (en) Design Support Device, Design Support Method, and Design Support Program
Lai et al. Automatic recognition and decomposition of rib features in thin-shell parts for mold flow analysis
Takashima et al. Shape descriptor-based similar feature extraction for finite element meshing
KR101671908B1 (ko) 조립체 모델 비교 장치 및 방법
Li et al. An analysis-oriented parameter extraction method for features on freeform surface
CN110945499B (zh) 应用维度混洗变换的实时三维空间搜索与点云配准的方法与系统
KR101765414B1 (ko) 형상 복잡도를 이용한 모델 간략화 장치 및 방법

Legal Events

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