KR102228939B1 - System and method for automatic 3-dimensional scanning - Google Patents

System and method for automatic 3-dimensional scanning Download PDF

Info

Publication number
KR102228939B1
KR102228939B1 KR1020210017064A KR20210017064A KR102228939B1 KR 102228939 B1 KR102228939 B1 KR 102228939B1 KR 1020210017064 A KR1020210017064 A KR 1020210017064A KR 20210017064 A KR20210017064 A KR 20210017064A KR 102228939 B1 KR102228939 B1 KR 102228939B1
Authority
KR
South Korea
Prior art keywords
scanner
scan
scan data
shape
automatic scanning
Prior art date
Application number
KR1020210017064A
Other languages
Korean (ko)
Other versions
KR20210018397A (en
Inventor
김영민
유병현
Original Assignee
한국과학기술연구원
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 한국과학기술연구원 filed Critical 한국과학기술연구원
Priority to KR1020210017064A priority Critical patent/KR102228939B1/en
Publication of KR20210018397A publication Critical patent/KR20210018397A/en
Application granted granted Critical
Publication of KR102228939B1 publication Critical patent/KR102228939B1/en

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20Finite element generation, e.g. wire-frame surface description, tesselation
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical means
    • G01B11/24Measuring arrangements characterised by the use of optical means for measuring contours or curvatures
    • G01B11/25Measuring arrangements characterised by the use of optical means for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G01B11/2518Projection by scanning of the object
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • G06T2207/10008Still image; Photographic image from scanner, fax or copier

Abstract

본 발명은 3차원 자동 스캔 시스템 및 방법에 관한 것으로서, 더욱 상세하게는, 3차원 스캐너를 활용하여 기계 부품 등의 캐드 모델을 스캔할 때, 프리미티브 피팅을 활용하여 형상을 예측함으로써 최적화된 스캐너의 위치를 설정하여 데이터를 획득하고, 피팅된 프리미티브를 바탕으로 한 부가 정보를 생성하여 스캔의 완료 시점을 알려주는 등의 과정들을 자동화한 3차원 자동 스캔 시스템 및 방법에 관한 것이다. 본 발명의 일 실시예는, 기설정된 위치에서 스캐너가 스캐닝 중인 대상물의 3차원 스캔 데이터를 획득하는 스캔 데이터 획득부, 상기 3차원 스캔 데이터를 토대로 프리미티브 피팅을 수행함에 따라 인식되는 상기 스캐너가 스캐닝 중인 대상물의 특징 형상 정보를 획득하는 형상 인식부, 그리고, 상기 3차원 스캔 데이터와 특징 형상 정보를 토대로 예측되는 상기 스캐너가 스캐닝 중인 대상물의 3차원 모델을 생성하는 모델 생성부를 포함하는 3차원 자동 스캔 시스템을 제공한다. The present invention relates to a three-dimensional automatic scanning system and method, and more particularly, when scanning a CAD model such as a mechanical part using a three-dimensional scanner, an optimized scanner position by predicting a shape using primitive fitting The present invention relates to a 3D automatic scanning system and method for automating processes such as setting and acquiring data, generating additional information based on the fitted primitive, and notifying the completion point of the scan. According to an embodiment of the present invention, a scan data acquisition unit for acquiring 3D scan data of an object being scanned by a scanner at a preset location, and the scanner recognized by performing primitive fitting based on the 3D scan data are being scanned. A 3D automatic scanning system including a shape recognition unit for acquiring feature shape information of an object, and a model generation unit for generating a 3D model of the object being scanned by the scanner predicted based on the 3D scan data and the feature shape information Provides.

Description

3차원 자동 스캔 시스템 및 방법{SYSTEM AND METHOD FOR AUTOMATIC 3-DIMENSIONAL SCANNING}3D automatic scanning system and method {SYSTEM AND METHOD FOR AUTOMATIC 3-DIMENSIONAL SCANNING}
본 발명은 3차원 자동 스캔 시스템 및 방법에 관한 것으로서, 더욱 상세하게는, 3차원 스캐너를 활용하여 기계 부품 등의 캐드 모델을 스캔할 때, 프리미티브 피팅을 활용하여 형상을 예측함으로써 최적화된 스캐너의 위치를 설정하여 데이터를 획득하고, 피팅된 프리미티브를 바탕으로 한 부가 정보를 생성하여 스캔의 완료 시점을 알려주는 등의 과정들을 자동화한 3차원 자동 스캔 시스템 및 방법에 관한 것이다. The present invention relates to a three-dimensional automatic scanning system and method, and more particularly, when scanning a CAD model such as a mechanical part using a three-dimensional scanner, an optimized scanner position by predicting a shape using primitive fitting The present invention relates to a 3D automatic scanning system and method for automating processes such as setting and acquiring data, generating additional information based on the fitted primitive, and notifying the completion point of the scan.
3차원 스캐너는 광학적 정보를 이용하여 대상 물체의 형상에 대한 정보를 획득하거나 3차원 모델을 만들기 위해 이용된다. 종래에는 3차원 스캐너를 활용하여 물체를 스캔할 때, 사람이 임의로 판단하여 스캐너의 위치를 설정하고 품질을 예측함에 따라 후처리 과정에서 오류가 발생하는 등 미흡한 부분이 있었고, 이를 보완하기 위해 다시 스캔을 실시하는 등의 과정을 반복적으로 수행하여 스캔을 완성하는 불편함이 존재하였다. The 3D scanner is used to obtain information on the shape of a target object or to create a 3D model by using optical information. Conventionally, when scanning an object using a 3D scanner, there have been insufficient parts such as errors occur in the post-processing process as a person arbitrarily determines the scanner position and predicts the quality, and scans again to compensate. There was an inconvenience of completing a scan by repeatedly performing a process such as performing a scan.
이러한 종래의 스캔 과정에서 필연적으로 발생하는 시간, 비용 및 노력 등의 낭비를 막기 위해 스캔의 전반적인 과정들을 자동화하려는 시도가 있었다. 그러나, 이는 주로 스캔 대상 물체의 정보와는 무관하게 스캐너 또는 대상물이 움직이는 경로를 미리 결정하여 자동으로 반복적으로 스캔을 수행하도록 하거나, 공장에서 대량 생산한 제품을 검사하는 경우와 같이 측정해야 하는 대상물이 한정되어 있을 경우, 이에 맞게 측정 위치를 미리 결정하여 검사하는 용도로만 한정 사용되었다. There have been attempts to automate the overall process of scanning in order to prevent waste of time, cost, effort, etc. that inevitably occur in the conventional scanning process. However, this is mainly irrespective of the information of the object to be scanned, the path of the scanner or the object to be moved is determined in advance so that the scan can be automatically performed repeatedly, or the object to be measured is not If limited, it was used only for inspection by determining the measurement location in advance accordingly.
위의 예보다 더욱 발전된 자동 스캐닝 방법으로, 스캔할 임의의 대상물에 대하여 스캐너가 움직여야 할 경로를 수학적인 계산을 통하여 지능적으로 산출해 내려는 시도가 있었다. 그러나 이러한 방법은 자유로운 형상으로 표현된 물체의 스캔된 형상에 대한 곡면의 완성도를 평가하는 방식으로 이루어지는 바, 기계부품이나 조립체의 구성품 스캐닝과 같은 산업적으로 사용되는 스캐닝에는 적용되기 어려운 문제가 있다.As an automatic scanning method more advanced than the above example, there has been an attempt to intelligently calculate the path that the scanner should move for an arbitrary object to be scanned through mathematical calculations. However, since this method is made by evaluating the completeness of the curved surface with respect to the scanned shape of the object expressed in a free shape, there is a problem that is difficult to be applied to industrially used scanning such as scanning of mechanical parts or components of an assembly.
또한, 기계 부품의 특징적인 형상까지 고려하여 스캔된 물체의 특징적인형상을 인식하거나 이를 캐드 모델로 변형하려는 시도가 있었으나, 이러한 시도는 결과물의 완성도가 스캔이 완료되었다고 판단할 수 있을 정도로 완전한 스캔 결과물에 대하여 특징적인 형상을 인식하는 방식을 취하고 있어, 스캐닝 과정에서는 활용될 수 없는 문제점이 있다.In addition, there have been attempts to recognize the characteristic shape of the scanned object by considering the characteristic shape of the machine part, or to transform it into a CAD model, but such an attempt is a complete scan result that allows the completion of the result to be judged that the scan is complete. Since it takes a method of recognizing a characteristic shape of the image, there is a problem that cannot be utilized in the scanning process.
즉, 종래의 자동 스캐닝 기술은 대상물의 스캔을 자동화하기 위하여 스캐닝 경로를 지능적으로 생성하는 방법에 집중하여 물체를 미리 정의된 경로를 따라 스캔하여 물체의 형상을 어느 정도 파악한 후, 스캔된 결과물을 평가해 가면서 스캔 품질을 향상시키는 데에 집중하고 있다.In other words, the conventional automatic scanning technology focuses on the method of intelligently generating a scanning path to automate the scanning of the object, scans the object along a predefined path, grasps the shape of the object to some extent, and then evaluates the scanned result. Over the years, we are focusing on improving the scan quality.
이러한 종래의 자동 스캐닝 방법은 스캐닝 결과물이 포인트 클라우드 또는 삼각망으로 이루어진 일반적인 형상의 품질을 향상시키는 데에 적합하나, 기계 부품과 같이 가공 및 생산에 특화된 특징형상의 조합으로 이루어진 캐드 모델의 형태로 변형하기 어려운 문제가 있다. These conventional automatic scanning methods are suitable for improving the quality of general shapes made of point clouds or triangular networks, but transformed into a CAD model made of a combination of features specialized for processing and production such as machine parts. There is a problem that is difficult to do.
상기와 같은 자동 스캐닝 시스템의 결과물을 캐드(CAD) 모델의 평가, 분류, 검색, 보완 등에 활용하기 위해서는 정합된 스캔 데이터를 인식하는 소프트웨어 등을 사용하여 CAD 모델로 변형시키거나, 사람이 수동으로 직접 모델링을 하여서 CAD 모델로 만드는 역설계를 통하여 자동 스캔된 정보를 CAD 모델로 만들기도 한다. 그러나 이는 어디까지나 역설계를 통한 제조를 위하여 필연적으로 진행하는 과정일 뿐, 자동화된 스캐닝을 통한 결과물이 아니다.In order to use the results of the above automatic scanning system for evaluation, classification, search, and supplementation of CAD models, it can be transformed into a CAD model using software that recognizes the matched scan data, or manually Through reverse engineering, which is modeled and converted into a CAD model, the automatically scanned information is made into a CAD model. However, this is only an inevitable process for manufacturing through reverse engineering, and is not a result of automated scanning.
특히 종래의 자동 스캐닝 방법들은 기계 부품의 특징 형상을 고려하지 않고 일반적인 수학적 표현에 의한 스캔된 형상의 품질 평가를 수행하기 때문에 스캐닝이 원천적으로 불가능한 형상에 대한 고려를 하지 않고 있다. 예를 들어 스캐너가 스캔할 수 있는 형상보다 좁은 구멍이나 틈은 스캐너가 원천적으로 스캔하는 것이 불가능함에도 불구하고 종래의 스캐닝 시스템으로는 이러한 부분을 판단할 수 없으며, 불완전한 형태로 자동 스캐닝을 시도할 수 밖에 없으며, 생산에 관여하는 특징 형상에 대한 예측이 불가능하여 특정 분야의 기계 부품에 특화된 정보를 활용하는 것이 불가능하다.In particular, conventional automatic scanning methods do not take into account the features of mechanical parts and perform quality evaluation of the scanned shape based on general mathematical expressions, and thus do not consider a shape that is inherently impossible for scanning. For example, holes or gaps that are narrower than the shape that can be scanned by the scanner cannot be determined by the conventional scanning system, although it is impossible for the scanner to scan at the source, and automatic scanning can be attempted in an incomplete form. There is only one, and because it is impossible to predict the characteristic shape involved in the production, it is impossible to utilize information specialized for machine parts in a specific field.
본 발명이 이루고자 하는 주된 기술적 과제는, 3차원 스캐너를 활용하여 기계 부품 등의 캐드 모델을 스캔할 때, 프리미티브 피팅을 활용하여 형상을 예측함으로써 최적화된 스캐너의 위치를 설정하여 데이터를 획득하고, 피팅된 프리미티브를 바탕으로 한 부가 정보를 생성하여 스캔의 완료 시점을 알려주는 등의 전체 스캐닝 과정들을 자동화한 3차원 자동 스캔 시스템 및 방법을 제공하는 것이다. The main technical task to be achieved by the present invention is to obtain data by setting the optimized scanner position by predicting the shape using primitive fitting when scanning CAD models such as mechanical parts using a 3D scanner, and fitting It is to provide a 3D automatic scanning system and method that automates the entire scanning process, such as generating additional information based on the primitives and notifying the completion point of the scan.
또한, 본 발명이 이루고자 하는 다른 기술적 과제는, 기계부품의 특징 형상을 이용하여 스캐닝되는 대상물의 부분적인 스캐닝 과정에서부터 형상을 인식하여, 자동 스캐닝 과정에서 스캐너가 스캔할 위치를 선정하는 과정에서 기계부품의 형상을 완성해 나갈 수 있도록 하고, 특징 형상을 인식한 결과를 스캔의 결과물과 함께 출력하여 최종 스캐닝 결과물이 스캐너로부터 얻은 포인트 클라우드 또는 삼각망의 정보인 형상 정보 뿐만 아니라, 인식된 특징 형상 정보를 포함하여 역설계의 결과물로 활용할 수 있도록 하는 3차원 자동 스캔 시스템 및 방법을 제공하는 것이다. In addition, another technical problem to be achieved by the present invention is to recognize the shape from the partial scanning process of the object to be scanned using the feature shape of the machine part, and in the process of selecting the position to be scanned by the scanner during the automatic scanning process, the machine part The shape of the image can be completed, and the result of recognizing the characteristic shape is output together with the result of the scan, and the final scanning result is not only the shape information, which is information of the point cloud or triangle network obtained from the scanner, but also the recognized characteristic shape information. It is to provide a three-dimensional automatic scanning system and method that can be used as a result of reverse engineering, including.
또한, 본 발명이 이루고자 하는 또 다른 기술적 과제는, 특정 부품 대상군에 특화된 특징형상을 고려한 3차원 스캐닝을 위해, 특징 형상이 포함된 대상군의 캐드 모델을 검색하고 분류하거나 스캔 데이터를 이용할 ?에 신경망 학습 정보를 이용하여 특징 형상의 인식 성능을 향상시킬 수 있도록 하는 3차원 자동 스캔 시스템 및 방법을 제공하는 것이다.In addition, another technical problem to be achieved by the present invention is to search and classify a CAD model of a target group including a feature shape, or use scan data for 3D scanning in consideration of a feature shape specialized for a specific part target group. It is to provide a 3D automatic scanning system and method that can improve the recognition performance of feature shapes using neural network learning information.
상술한 기술적 과제를 해결하기 위해, 본 발명의 일 실시예는, 기설정된 위치에서 스캐너가 스캐닝 중인 대상물의 3차원 스캔 데이터를 획득하는 스캔 데이터 획득부, 상기 3차원 스캔 데이터를 이용하여 프리미티브 피팅을 수행함에 따라 인식되는 상기 스캐너가 스캐닝 중인 대상물의 특징 형상 정보를 획득하는 형상 인식부, 그리고, 상기 3차원 스캔 데이터와 특징 형상 정보를 토대로 예측되는 상기 스캐너가 스캐닝 중인 대상물의 3차원 모델을 생성하는 모델 생성부를 포함하는 3차원 자동 스캔 시스템을 제공한다. In order to solve the above technical problem, an embodiment of the present invention provides a scan data acquisition unit for acquiring 3D scan data of an object being scanned by a scanner at a preset location, and primitive fitting using the 3D scan data. A shape recognition unit that obtains characteristic shape information of the object being scanned by the scanner recognized as it is performed, and generates a 3D model of the object being scanned by the scanner predicted based on the 3D scan data and characteristic shape information. It provides a 3D automatic scan system including a model generation unit.
본 실시예에 있어서, 상기 3차원 모델을 이용하여, 상기 스캐너가, 상기 기설정된 위치와 다른 위치에서 스캐닝 중인 상기 대상물의 3차원 스캔 데이터를 획득하도록 상기 스캐너의 위치를 제어하는 위치 제어부를 더 포함할 수 있다. In the present embodiment, further comprising a position controller for controlling the position of the scanner so that the scanner acquires 3D scan data of the object being scanned at a position different from the preset position using the 3D model. can do.
본 실시예에 있어서, 상기 스캔 데이터 획득부는, 상기 기설정된 위치에서 상기 스캐너가 스캐닝 중인 상기 대상물의 3차원 스캔 데이터와 상기 기설정된 위치와 다른 위치에서 상기 스캐너가 스캐닝 중인 상기 대상물의 3차원 스캔 데이터를 획득하고, 상기 형상 인식부는, 상기 스캔 데이터 획득부가 획득한 데이터를 이용하여 프리미티브 피팅을 수행함에 따라 인식되는 상기 스캐너가 스캐닝 중인 대상물의 특징 형상 정보를 획득하며, 상기 모델 생성부는, 상기 스캔 데이터 획득부가 획득한 데이터와 상기 형상 인식부가 인식한 특징 형상 정보를 토대로 예측되는 상기 스캐너가 스캐닝 중인 대상물의 3차원 모델을 생성할 수 있다. In this embodiment, the scan data acquisition unit comprises: 3D scan data of the object being scanned by the scanner at the preset position and 3D scan data of the object being scanned by the scanner at a position different from the preset position. And, the shape recognition unit acquires feature shape information of the object being scanned by the scanner recognized as performing primitive fitting using the data obtained by the scan data acquisition unit, and the model generation unit includes the scan data The scanner predicted based on the data acquired by the acquisition unit and the feature shape information recognized by the shape recognition unit may generate a 3D model of the object being scanned.
본 실시예에 있어서, 상기 3차원 모델에서 상기 스캔 데이터 획득부가 획득한 데이터에 따른 상기 대상물의 형상과 상기 형상 인식부가 인식한 특징 형상 정보에 따른 상기 특징 형상들의 관계를 분석하여 상기 대상물의 스캔 완료 여부를 판단하는 스캔 완성도 평가부를 더 포함할 수 있다. In this embodiment, the scan of the object is completed by analyzing the relationship between the shape of the object according to the data acquired by the scan data acquisition unit in the 3D model and the feature shape information recognized by the shape recognition unit. It may further include a scan completeness evaluation unit to determine whether or not.
본 실시예에 있어서, 상기 형상 인식부가 상기 3차원 스캔 데이터를 이용하여 프리미티브 피팅을 수행함에 따라 인식되는 상기 특징 형상 정보는 상기 대상물이 포함하는 평면, 원형, 원통, 원뿔, 구 및 토러스 중 적어도 어느 하나 이상의 형상 정보를 포함할 수 있다. In this embodiment, the feature shape information recognized as the shape recognition unit performs primitive fitting using the 3D scan data is at least one of a plane, a circle, a cylinder, a cone, a sphere, and a torus included in the object. It may include one or more shape information.
본 실시예에 있어서, 상기 대상물 및 상기 특징 형상 정보 중 적어도 어느 하나 이상에 대응되는 물체의 형상 정보가 저장된 데이터베이스를 더 포함할 수 있다. In this embodiment, a database in which shape information of an object corresponding to at least one or more of the object and the characteristic shape information is stored may be further included.
본 실시예에 있어서, 상기 데이터베이스는, 상기 스캔 데이터 획득부가 획득한 데이터, 상기 형상 인식부가 획득한 정보 및 상기 모델 생성부가 생성한 3차원 모델을 저장하고, 상기 데이터베이스는, 기 저장된 상기 스캔 데이터 획득부가 획득한 데이터, 상기 형상 인식부가 획득한 정보, 상기 모델 생성부가 생성한 3차원 모델, 그리고, 기 저장된 상기 대상물 및 상기 특징 형상 정보 중 적어도 어느 하나 이상에 대응되는 물체의 형상 정보를 이용하여 인공 신경망 학습을 수행함에 따라 생성되는 새로운 데이터를 저장하며, 상기 3차원 자동 스캔 시스템은 상기 대상물을 스캐닝하여 상기 대상물의 3차원 모델을 생성할 때 상기 데이터베이스에 저장된 데이터를 이용할 수 있다. In this embodiment, the database stores data obtained by the scan data acquisition unit, information obtained by the shape recognition unit, and a 3D model generated by the model generation unit, and the database obtains the previously stored scan data Artificial data using additionally acquired data, information obtained by the shape recognition unit, a 3D model generated by the model generation unit, and shape information of an object corresponding to at least one or more of the previously stored object and the feature shape information New data generated by performing neural network training is stored, and the 3D automatic scanning system may use the data stored in the database when generating a 3D model of the object by scanning the object.
또한, 상술한 기술적 과제를 해결하기 위해, 본 발명의 다른 실시예는, 3차원 자동 스캔 시스템을 이용한 3차원 자동 스캔 방법으로서, i) 상기 3차원 자동 스캔 시스템이, 기설정된 위치에서 스캐너가 스캐닝 중인 대상물의 3차원 스캔 데이터를 획득하는 단계, ii) 상기 3차원 자동 스캔 시스템이, 상기 3차원 스캔 데이터를 이용하여 프리미티브 피팅을 수행함에 따라 인식되는 상기 스캐너가 스캐닝 중인 대상물의 특징 형상 정보를 획득하는 단계 및 iii) 상기 3차원 자동 스캔 시스템이, 상기 3차원 스캔 데이터와 특징 형상 정보를 토대로 예측되는 상기 스캐너가 스캐닝 중인 대상물의 3차원 모델을 생성하는 단계를 포함하는 3차원 자동 스캔 방법을 제공한다. In addition, in order to solve the above technical problem, another embodiment of the present invention is a three-dimensional automatic scanning method using a three-dimensional automatic scanning system, i) the three-dimensional automatic scanning system, the scanner is scanned at a preset position Acquiring 3D scan data of the object being scanned, ii) As the 3D automatic scanning system performs primitive fitting using the 3D scan data, the recognized scanner acquires feature shape information of the object being scanned And iii) generating, by the 3D automatic scanning system, a 3D model of the object being scanned by the scanner, which is predicted based on the 3D scan data and feature shape information. do.
본 실시예에 있어서, iv) 상기 3차원 자동 스캔 시스템이, 상기 3차원 모델을 이용하여, 상기 스캐너가, 상기 기설정된 위치와 다른 위치에서 스캐닝 중인 상기 대상물의 3차원 스캔 데이터를 획득하도록 상기 스캐너의 위치를 제어하는 단계를 더 포함할 수 있다. In this embodiment, iv) the three-dimensional automatic scanning system uses the three-dimensional model, so that the scanner obtains three-dimensional scan data of the object being scanned at a position different from the preset position. It may further include controlling the position of.
본 실시예에 있어서, 상기 i) 단계는, 상기 3차원 자동 스캔 시스템이, 상기 기설정된 위치에서 상기 스캐너가 스캐닝 중인 상기 대상물의 3차원 스캔 데이터와 상기 기설정된 위치와 다른 위치에서 상기 스캐너가 스캐닝 중인 상기 대상물의 3차원 스캔 데이터를 획득하는 과정을 포함하고, 상기 ii) 단계는, 상기 3차원 자동 스캔 시스템이, 상기 i) 단계에 따라 획득한 데이터를 이용하여 프리미티브 피팅을 수행함에 따라 인식되는 상기 스캐너가 스캐닝 중인 대상물의 특징 형상 정보를 획득하는 과정을 포함하며, 상기 iii) 단계는, 상기 3차원 자동 스캔 시스템이, 상기 i) 단계에 따라 획득한 데이터와 상기 ii) 단계에 따라 인식한 특징 형상 정보를 토대로 예측되는 상기 스캐너가 스캐닝 중인 대상물의 3차원 모델을 생성하는 과정을 포함할 수 있다. In this embodiment, in the step i), the 3D automatic scanning system scans the 3D scan data of the object being scanned by the scanner at the preset position and the scanner at a position different from the preset position. A process of acquiring 3D scan data of the object being processed, wherein step ii) is recognized as the 3D automatic scanning system performs primitive fitting using the data acquired according to step i). And the process of obtaining the characteristic shape information of the object being scanned by the scanner, and the step iii) includes the data obtained by the 3D automatic scanning system and the data obtained according to the step i) and the data recognized according to the step ii). The scanner predicted based on feature shape information may include a process of generating a 3D model of the object being scanned.
본 실시예에 있어서, v) 상기 3차원 자동 스캔 시스템이, 상기 3차원 모델에서 상기 i) 단계에 따라 획득한 데이터에 따른 상기 대상물의 형상과 상기 ii) 단계에 따라 인식한 특징 형상 정보에 따른 상기 특징 형상들의 관계를 분석하여 상기 대상물의 스캔 완료 여부를 판단하는 단계를 더 포함할 수 있다. In this embodiment, v) the three-dimensional automatic scanning system, according to the shape of the object according to the data obtained in step i) in the three-dimensional model and the feature shape information recognized in step ii). It may further include the step of determining whether the scan of the object is completed by analyzing the relationship between the feature shapes.
본 실시예에 있어서, 상기 3차원 자동 스캔 시스템이, 상기 3차원 스캔 데이터를 이용하여 프리미티브 피팅을 수행함에 따라 인식되는 상기 특징 형상 정보는 상기 대상물이 포함하는 평면, 원형, 원통, 원뿔, 구 및 토러스 중 적어도 어느 하나 이상의 형상 정보를 포함할 수 있다. In this embodiment, the feature shape information recognized as the 3D automatic scanning system performs primitive fitting using the 3D scan data includes a plane, a circle, a cylinder, a cone, a sphere, and It may include shape information of at least one or more of the torus.
본 실시예에 있어서, 상기 ii) 단계는, 상기 3차원 스캔 데이터로부터 인식되는 특징 형상의 크기를 상기 스캐너의 기설정된 스캔 범위와 비교하고 인식되는 특징 형상을 상기 3차원 스캔 데이터와 매칭하는 과정을 포함하고, 상기 iv) 단계는, 상기 스캐너의 기설정된 스캔 범위와 상기 3차원 스캔 데이터 및 특징 형상 정보를 토대로 상기 스캐너가 스캔 불가 영역을 회피하도록 상기 스캐너의 위치를 제어하는 과정을 포함할 수 있다. In this embodiment, the step ii) includes comparing the size of the feature shape recognized from the 3D scan data with a preset scan range of the scanner, and matching the recognized feature shape with the 3D scan data. Including, the step iv) may include a process of controlling the position of the scanner so that the scanner avoids the unscannable area based on the preset scan range of the scanner, the 3D scan data, and feature shape information. .
본 발명에 따르면, 프리미티브를 활용하여 캐드 모델의 형상을 예측하여 최적화된 스캔 경로를 설정하고 활용에 편리한 형태로 생성해낼 수 있다. According to the present invention, it is possible to predict the shape of a CAD model using primitives, set an optimized scan path, and generate a form convenient for use.
또한, 본 발명에 따르면, 프리미티브를 활용하여 스캔하려는 모델의 모양을 활용하여 예측하고 예측 불가능한 부분을 중심으로 추가 측정을 하도록 할 수 있다. In addition, according to the present invention, it is possible to make predictions by utilizing the shape of the model to be scanned using primitives, and to perform additional measurements centering on the unpredictable portion.
또한, 본 발명에 따르면, 프리미티브를 활용하여 캐드 모델의 형상을 예측함으로써, 스캐너의 위치를 최적하여 하여 모델을 생성할 때의 오류를 최소화할 수 있으며, 스캔 횟수 및 시간을 줄일 수 있다. In addition, according to the present invention, by predicting the shape of the CAD model using primitives, an error in generating the model can be minimized by optimizing the position of the scanner, and the number of scans and time can be reduced.
이와 같이, 본 발명에 따르면, 역설계를 위한 부품의 3차원 스캐닝 과정을 자동화하고 역설계에 필요한 CAD 모델을 생성할 때 수작업으로 인한 품질 편차 및 예측 불가능한 종래의 문제를 가능하도록 할 수 있다. As described above, according to the present invention, it is possible to automate the 3D scanning process of parts for reverse engineering and to enable quality deviation and unpredictable conventional problems due to manual work when generating a CAD model required for reverse engineering.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.The effects of the present invention are not limited to the above effects, and should be understood to include all effects that can be inferred from the configuration of the invention described in the detailed description or claims of the present invention.
도 1은 본 발명의 일 실시예에 따른 3차원 자동 스캔 시스템의 구성을 도시한 블록도이다.
도 2 및 도 3은 본 발명의 일 실시예에 적용 가능한 프리미티브 피팅 및 스캐너의 위치 제어 방식의 흐름을 구체적으로 설명하기 위해 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따라 획득되는 데이터의 신뢰도를 계산하는 방법의 예를 나타난 도면이다.
도 5 및 도 6은 본 발명의 일 실시예에 따른 3차원 스캔 데이터에서 프리미티브 피팅을 수행하는 과정의 일 예를 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따라 획득되는 데이터의 완전함을 테스트하는 과정을 구체적으로 설명하기 위해 도시한 도면이다.
도 8는 본 발명의 일 실시예에 따른 스캐너의 경로(path) 생성 알고리즘을 설명하기 위해 도시한 도면이다.
도 9는 본 발명의 다른 실시예에 따른 3차원 자동 스캔 방법의 절차를 도시한 흐름도이다.
1 is a block diagram showing the configuration of a 3D automatic scanning system according to an embodiment of the present invention.
2 and 3 are diagrams illustrating a detailed flow of a method for controlling a primitive fitting and a position control method of a scanner applicable to an embodiment of the present invention.
4 is a diagram illustrating an example of a method of calculating the reliability of acquired data according to an embodiment of the present invention.
5 and 6 are diagrams illustrating an example of a process of performing primitive fitting on 3D scan data according to an embodiment of the present invention.
7 is a diagram illustrating in detail a process of testing the integrity of data acquired according to an embodiment of the present invention.
8 is a diagram illustrating an algorithm for generating a path of a scanner according to an embodiment of the present invention.
9 is a flowchart illustrating a procedure of a 3D automatic scanning method according to another embodiment of the present invention.
이하에서는 첨부한 도면을 참조하여 본 발명을 상세히 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경물, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 도면에 나타난 각 구성요소의 크기, 형태, 형상은 다양하게 변형될 수 있고, 명세서 전체에 대하여 동일/유사한 부분에 대해서는 동일/유사한 도면 부호를 붙였다.Hereinafter, the present invention will be described in detail with reference to the accompanying drawings. However, the present invention may be implemented in various different forms, and therefore is not limited to the embodiments described herein. In addition, the accompanying drawings are for easy understanding of the embodiments disclosed in the present specification, and the technical idea disclosed in the present specification is not limited by the accompanying drawings, and all changes included in the spirit and scope of the present invention It should be understood to include water, equivalents or substitutes. In the drawings, parts irrelevant to the description are omitted in order to clearly describe the present invention, and the size, shape, and shape of each component shown in the drawings may be variously modified, and for the same/similar parts for the entire specification The same/similar reference numerals are attached.
이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략하였다.The suffixes "module" and "unit" for constituent elements used in the following description are given or used interchangeably in consideration of only the ease of preparation of the specification, and do not have meanings or roles that are distinguished from each other by themselves. In addition, in describing the embodiments disclosed in the present specification, when it is determined that a detailed description of related known technologies may obscure the subject matter of the embodiments disclosed in the present specification, the detailed description thereof has been omitted.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉 또는 결합)"되어 있다고 할 때, 이는 "직접적으로 연결(접속, 접촉 또는 결합)"되어 있는 경우뿐만 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결(접속, 접촉 또는 결합)"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함(구비 또는 마련)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 “포함(구비 또는 마련)”할 수 있다는 것을 의미한다.Throughout the specification, when a part is said to be “connected (connected, contacted, or bonded)” with another part, it is not only “directly connected (connected, contacted, or bonded)”, but also another member in the middle. It includes the case of being "indirectly connected (connected, contacted or bonded)" between them. In addition, when a part is said to "include (equipment or prepare)" a certain component, it does not exclude other components, unless specifically stated to the contrary, but may further "include (equip or prepare)" other components. Means you can.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함하며, 분산되어 실시되는 구성요소들은 특별한 제한이 있지 않는 한 결합된 형태로 실시될 수도 있다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the present specification are only used to describe specific embodiments, and are not intended to limit the present invention. The expression in the singular includes a plurality of expressions unless the context clearly indicates otherwise, and components implemented in a distributed manner may be implemented in a combined form unless there is a specific limitation. In the present specification, terms such as "comprise" or "have" are intended to designate the presence of features, numbers, steps, actions, components, parts, or combinations thereof described in the specification, but one or more other features. It is to be understood that the presence or addition of elements or numbers, steps, actions, components, parts, or combinations thereof does not preclude in advance.
도 1은 본 발명의 일 실시예에 따른 3차원 자동 스캔 시스템(이하, “3차원 자동 스캔 시스템(100)”이라 함)의 구성을 도시한 블록도이다.1 is a block diagram showing the configuration of a 3D automatic scanning system (hereinafter referred to as "3D automatic scanning system 100") according to an embodiment of the present invention.
도 1을 참조하면, 3차원 자동 스캔 시스템(100)은 스캔 데이터 획득부(110), 형상 인식부(120), 모델 생성부(130)를 포함하며, 위치 제어부(140), 스캔 완성도 평가부(150) 및 데이터베이스(160)를 더 포함할 수 있다. Referring to FIG. 1, the 3D automatic scanning system 100 includes a scan data acquisition unit 110, a shape recognition unit 120, and a model generation unit 130, and a position control unit 140, a scan completion level evaluation unit. 150 and a database 160 may be further included.
스캔 데이터 획득부(110)는 기설정된 위치 또는 경로에서 스캐너가 스캐닝 중인 대상물의 3차원 스캔 데이터를 획득한다. The scan data acquisition unit 110 acquires 3D scan data of the object being scanned by the scanner at a preset location or path.
형상 인식부(120)는 상기 3차원 스캔 데이터를 이용하여 프리미티브 피팅(primitive fitting)을 수행함에 따라 인식되는 스캐너가 스캐닝 중인 대상물의 특징 형상 정보를 획득한다. 형상 인식부(120)가 3차원 스캔 데이터를 이용하여 프리미티브 피팅을 수행함에 따라 인식되는 특징 형상 정보는 대상물이 포함하는 평면, 원형, 원통, 원뿔, 구 및 토러스(torus) 중 적어도 어느 하나 이상의 형상 정보를 포함할 수 있다. The shape recognition unit 120 obtains feature shape information of the object being scanned by the recognized scanner by performing primitive fitting using the 3D scan data. The feature shape information recognized as the shape recognition unit 120 performs primitive fitting using 3D scan data includes at least one shape of a plane, a circle, a cylinder, a cone, a sphere, and a torus included in the object. May contain information.
모델 생성부(130)는 상기 3차원 스캔 데이터와 특징 형상 정보를 토대로 예측되는 스캐너가 스캐닝 중인 대상물의 3차원 모델을 생성한다. The model generation unit 130 generates a 3D model of the object being scanned by the scanner predicted based on the 3D scan data and feature shape information.
위치 제어부(140)는 상기 3차원 모델을 이용하여 스캐너가 기설정된 위치와 다른 위치에서 스캐닝 중인 대상물의 3차원 스캔 데이터를 획득하도록 스캐너의 위치 또는 경로를 제어한다. The position controller 140 controls the position or path of the scanner so that the scanner acquires 3D scan data of the object being scanned at a position different from a preset position using the 3D model.
스캐너가 기설정된 위치에서 대상물을 스캐닝한 후 위치 제어부(140)에 의해 상기 기설정된 위치와 다른 위치에서 같은 대상물을 스캐닝한 경우, 스캔 데이터 획득부(110)는, 상기 기설정된 위치에서 스캐너가 스캐닝 중인 대상물의 3차원 스캔 데이터와 상기 기설정된 위치와 다른 위치에서 스캐너가 스캐닝 중인 대상물의 3차원 스캔 데이터를 획득한다. 또한, 형상 인식부(120)는, 스캔 데이터 획득부(110)가 획득한 데이터를 이용하여 프리미티브 피팅을 수행함에 따라 인식되는 스캐너가 스캐닝 중인 대상물의 특징 형상 정보를 획득하며, 모델 생성부(130)는, 스캔 데이터 획득부(110)가 획득한 데이터와 형상 인식부(120)가 인식한 특징 형상 정보를 토대로 예측되는 스캐너가 스캐닝 중인 대상물의 3차원 모델을 생성한다.When the scanner scans the object at a preset position and then scans the same object at a position different from the preset position by the position control unit 140, the scan data acquisition unit 110 scans the scanner at the preset position. The 3D scan data of the object being scanned and the 3D scan data of the object being scanned by the scanner at a position different from the preset position are acquired. In addition, the shape recognition unit 120 acquires feature shape information of the object being scanned by the scanner recognized as the primitive fitting is performed using the data acquired by the scan data acquisition unit 110, and the model generation unit 130 ), the scanner predicted based on the data acquired by the scan data acquisition unit 110 and the feature shape information recognized by the shape recognition unit 120 generates a 3D model of the object being scanned.
스캐너의 1차 스캐닝에 따라 생성된 대상물의 3차원 스캔 데이터, 특징 형상 정보 및 3차원 모델을 토대로 대상물의 2차 스캐닝을 위해 위치 제어부(140)는 스캐너의 위치를 조정한다. 이 때, 3차원 스캔 데이터, 특징 형상 정보 및 3차원 모델이 참고되어 스캐너가 스캔하지 못한 대상물의 영역을 스캔하도록 위치 제어부(140)는 스캐너의 위치를 조정할 수 있다. The position control unit 140 adjusts the position of the scanner for the secondary scanning of the object based on the 3D scan data, feature shape information, and 3D model of the object generated according to the primary scanning of the scanner. At this time, the position control unit 140 may adjust the position of the scanner so that the 3D scan data, the characteristic shape information, and the 3D model are referenced to scan an area of the object that the scanner cannot scan.
또한, 형상 인식부(120)는, 3차원 스캔 데이터로부터 인식되는 특징 형상의 크기를 스캐너의 기설정된 스캔 범위와 비교하고 인식되는 특징 형상을 3차원 스캔 데이터와 매칭하며, 위치 제어부(140)는, 스캐너의 기설정된 스캔 범위와 3차원 스캔 데이터 및 특징 형상 정보를 토대로 스캐너가 스캔 불가 영역을 회피하도록 스캐너의 위치를 제어할 수 있다. In addition, the shape recognition unit 120 compares the size of the feature shape recognized from the 3D scan data with a preset scan range of the scanner and matches the recognized feature shape with the 3D scan data, and the position control unit 140 , On the basis of the preset scan range of the scanner, 3D scan data, and feature shape information, the scanner may control the position of the scanner so as to avoid the unscannable area.
스캔 완성도 평가부(150)는 상기 3차원 모델에서 스캔 데이터 획득부(110)가 획득한 데이터에 따른 대상물의 형상과 형상 인식부(120)가 인식한 특징 형상 정보에 따른 특징 형상들의 관계를 분석하여 대상물의 스캔 완료 여부를 판단한다. The scan completeness evaluation unit 150 analyzes the relationship between the shape of the object according to the data acquired by the scan data acquisition unit 110 in the 3D model and the feature shapes according to the feature shape information recognized by the shape recognition unit 120 Thus, it is determined whether the scan of the object is completed.
데이터베이스(160)는 대상물 및 특징 형상 정보 중 적어도 어느 하나 이상에 대응되는 물체의 형상 정보를 저장하며, 스캔 데이터 획득부(110)가 획득한 데이터, 형상 인식부(120)가 획득한 정보 및 모델 생성부(130)가 생성한 3차원 모델을 저장할 수 있다. The database 160 stores shape information of an object corresponding to at least one or more of the object and feature shape information, and data obtained by the scan data acquisition unit 110, information and models obtained by the shape recognition unit 120 The 3D model generated by the generation unit 130 may be stored.
또한, 데이터베이스(160)는, 기 저장된 스캔 데이터 획득부(110)가 획득한 데이터, 형상 인식부(120)가 획득한 정보, 모델 생성부(130)가 생성한 3차원 모델, 그리고, 기 저장된 대상물 및 특징 형상 정보 중 적어도 어느 하나 이상에 대응되는 물체의 형상 정보를 이용하여 인공 신경망 학습을 수행함에 따라 생성되는 새로운 데이터를 저장하며, 이때, 3차원 자동 스캔 시스템(100)은 대상물을 스캐닝하여 대상물의 3차원 모델을 생성할 때 데이터베이스(160)에 저장된 데이터를 이용할 수 있다. 이러한 인공 신경망 학습을 이용하여 3차원 자동 스캔 시스템(100)의 신뢰도를 증대시킬 수 있다. In addition, the database 160 includes data acquired by the pre-stored scan data acquisition unit 110, information acquired by the shape recognition unit 120, a 3D model generated by the model generation unit 130, and New data generated by performing artificial neural network learning is stored using shape information of an object corresponding to at least one of the object and feature shape information, and at this time, the 3D automatic scanning system 100 scans the object When generating a 3D model of an object, data stored in the database 160 may be used. The reliability of the 3D automatic scan system 100 may be increased by using such artificial neural network learning.
이와 같이, 3차원 자동 스캔 시스템(100)은 프리미티브를 활용하여 캐드 모델의 형상을 예측하여 최적화된 스캔 경로를 설정하고 활용에 편리한 형태로 생성해낼 수 있고, 프리미티브를 활용하여 스캔하려는 모델의 모양을 활용하여 예측하고 예측 불가능한 부분을 중심으로 추가 측정을 하도록 할 수 있다. 또한, 3차원 자동 스캔 시스템(100)은 프리미티브를 활용하여 캐드 모델의 형상을 예측함으로써, 스캐너의 위치를 최적하여 하여 모델을 생성할 때의 오류를 최소화할 수 있고, 스캔 횟수 및 시간을 줄일 수 있으며, 역설계를 위한 부품의 3차원 스캐닝 과정을 자동화하고 역설계에 필요한 CAD 모델을 생성할 때 수작업으로 인한 품질 편차 및 예측 불가능한 종래의 문제를 가능하도록 할 수 있다.In this way, the 3D automatic scanning system 100 can predict the shape of the CAD model by using primitives, set an optimized scan path, and generate it in a form convenient for use, and use primitives to determine the shape of the model to be scanned It can be used to predict and further measure around the unpredictable area. In addition, the 3D automatic scanning system 100 predicts the shape of the CAD model using primitives, thereby optimizing the position of the scanner to minimize errors in generating the model, and to reduce the number and time of scans. In addition, it is possible to automate the 3D scanning process of parts for reverse engineering and to enable quality deviations caused by manual labor and unpredictable conventional problems when generating a CAD model required for reverse engineering.
이하에서는, 도 2 내지 도 8을 참조하여, 상술한 3차원 자동 스캔 시스템(100)에 적용되는 프리미티브 피팅에 대해 더욱 상세하게 설명하도록 한다. 그러나, 반드시 아래 설명에 따라 프리미티브 피팅의 범위가 제한되는 것은 아니며, 아래 설명은 상술한 3차원 자동 스캔 시스템(100)의 다양한 실시예 및 구현예들 중 하나로 이해되어야 한다. Hereinafter, primitive fitting applied to the above-described 3D automatic scanning system 100 will be described in more detail with reference to FIGS. 2 to 8. However, the range of primitive fitting is not necessarily limited according to the following description, and the following description should be understood as one of various embodiments and implementations of the 3D automatic scanning system 100 described above.
도 2 및 도 3은 본 발명의 일 실시예에 적용 가능한 프리미티브 피팅 및 스캐너의 위치 제어 방식의 흐름을 구체적으로 설명하기 위해 도시한 도면이다. 2 and 3 are diagrams illustrating a detailed flow of a method for controlling a primitive fitting and a position control method of a scanner applicable to an embodiment of the present invention.
도 2 및 도 3을 참조하면, 스캐너를 통해 특정 물체를 스캔함에 있어서, 3차원 자동 스캔 시스템(100)은 스캔된 영역에서 검출된 프리미티브 정보에 따라 스캔의 신뢰도를 예측하고, 일부 유추한 형태를 검출된 프리미티브에 맞게 변형(도 2)하거나 연장(도 3)할 수도 있다. 또한, 3차원 자동 스캔 시스템(100)은 예측된 스캔의 불확실성 및 현재 유추한 형태를 바탕으로 다음 스캐너의 위치를 조정할 수 있다.2 and 3, in scanning a specific object through a scanner, the 3D automatic scanning system 100 predicts the reliability of the scan according to the primitive information detected in the scanned area, and calculates some inferred forms. It may be modified (FIG. 2) or extended (FIG. 3) according to the detected primitive. In addition, the 3D automatic scanning system 100 may adjust the position of the next scanner based on the predicted uncertainty of the scan and the currently inferred shape.
도 2에 도시된 바와 같이, 3차원 자동 스캔 시스템(100)은 스캐너가 획득한 대상물의 3차원 스캔 데이터인 예측 모델에서 프리미티브 인식 후 검출된 프리미티브를 활용하여 포아송 복원(poisson reconstruction)을 통해 예측한 모델을 변형하거나, 혹은 변형하지 않을 수 있다. 변형된 모델과 변형되지 않은 모델 두 케이스 모두 모델 표면의 모든 위치에 대하여 검출된 프리미티브에 근접함(Euclidean Distance)을 기준으로 컨피던스(신뢰도, confidence)를 부여할 수 있다. 기존 방법의 연속성(Smoothness)과 그래디언트 컨피던스(신뢰도 기울기, Gradient Confidence)를 측정하여 프리미티브 기반으로 측정된 컨피던스(confidence)와 곱하여 최종 컨피던스 맵 (confidence map)를 생성할 수 있다. As shown in FIG. 2, the 3D automatic scanning system 100 predicts through Poisson reconstruction using primitives detected after recognition of primitives in a prediction model, which is 3D scan data of an object acquired by a scanner. You can transform the model or not. In both the deformed model and the unmodified model, confidence can be given based on the proximity to the detected primitive for all locations on the model surface (Euclidean Distance). The final confidence map can be generated by measuring the smoothness and gradient confidence of the existing method and multiplying it with the confidence measured based on the primitive.
도 3을 참조하여, 3차원 자동 스캔 시스템(100)이 프리미티브 검출(detection)을 사용하여 NBV계산에 영향을 주는 방법의 일 예를 설명하면, 3차원 자동 스캔 시스템(100)은 지금까지 스캔된 방향 및 스캐너 뷰 프러스텀(view frustum)을 활용하여 기존의 스캔 데이터에서 더 연장되는 부분을 예측한다. 3차원 자동 스캔 시스템(100)은 뷰 프러스텀(View frustum) 범위 내에서 스캔된 영역이 끊긴 경우 실제 형상의 면이 그곳에서 끝나거나 꺾어진 것으로 판단하여 가장 외각으로 바라본 뷰(view)에 맞게 꺾어지게 점군을 연장한다. 3차원 자동 스캔 시스템(100)은 뷰 프러스텀(View frustum)에 의하여 스캔된 영역이 끊긴 경우는 스캔된 영역이 형성하는 프리미티브 형상대로 영역을 연장한다. 3차원 자동 스캔 시스템(100)은 연장된 스캔 영역을 대상으로 포아송 복원(Poisson Reconstruction)을 진행하여 예측 모델을 생성한다. 그 후에 3차원 자동 스캔 시스템(100)은 도 2를 참조하여 설명한 과정과 동일한 과정을 수행한다. Referring to FIG. 3, an example of a method in which the 3D automatic scanning system 100 affects NBV calculation using primitive detection will be described. The 3D automatic scanning system 100 has been scanned so far. The direction and the scanner view frustum are used to predict the extended portion of the existing scan data. The 3D automatic scanning system 100 determines that the surface of the actual shape is ended or bent in the case where the scanned area within the view frustum range is cut, so that it is bent to fit the view viewed from the outermost angle. Extend the point cloud. When the scanned area is cut off by the view frustum, the 3D automatic scanning system 100 extends the area according to a primitive shape formed by the scanned area. The 3D automatic scanning system 100 generates a prediction model by performing Poisson Reconstruction on the extended scan area. After that, the 3D automatic scanning system 100 performs the same process as described with reference to FIG. 2.
즉, 3차원 자동 스캔 시스템(100)은 예측 모델에서 프리미티브인식 후 검출된 프리미티브를 활용하여 포아송 복원(poisson reconstruction)을 통해 예측한 모델을 변형하거나, 혹은 변형하지 않는다. 변형된 모델과 변형되지 않은 모델 두 케이스 모두 모델 표면의 모든 위치에 대하여 검출된 프리미티브에 근접함(Euclidean Distance)을 기준으로 컨피던스(confidence)를 부여한다. 기존 방법의 연속성(Smoothness)과 그래디언트 컨피던스(Gradient Confidence)를 측정하여 프리미티브 기반으로 측정된 컨피던스(confidence)와 곱하여 최종 컨피던스 맵 (confidence map)를 생성한다.That is, the 3D automatic scanning system 100 may or may not transform the predicted model through Poisson reconstruction by using the primitive detected after primitive recognition in the predictive model. In both the deformed model and the non-deformed model, confidence is given based on the proximity to the detected primitive for all positions on the model surface (Euclidean Distance). The final confidence map is generated by measuring the smoothness and gradient confidence of the existing method and multiplying it with the confidence measured based on the primitive.
도 4는 본 발명의 일 실시예에 따라 획득되는 데이터의 신뢰도를 계산하는 방법의 예를 나타난 도면이다. 4 is a diagram showing an example of a method of calculating the reliability of acquired data according to an embodiment of the present invention.
종래에는 스캔된 데이터의 경우 스캔 점의 밀도나 연속성(smoothness)등을 활용하여 신뢰도를 예측하였다. 다시 말해, 기존의 프리미티브 검출의 방법을 설명하면, 기존의 프리미티브 검출은 스캔 작업이 완료된 데이터로부터 형상 인식을 하고자 제안된 방법으로 플로우차트 상에서 불완전한(partial) 스캔 데이터를 위해 추가한 초반 면 분할(partition surfaces)을 제외한 이후부터의 단계들로 구성되었다. 입력 모델(Input model)로부터 일정한 간격을 지닌 포인트(point)를 샘플링(sampling)하고, 샘플링(sampling)된 포인트(point)들이 지닌 법선 벡터(normal vector)을 이용하여 평면(plane), 실린더(cylinder) 및 콘(cone)과 같은 회전체의 오리엔테이션(orientation)을 유추한다. 유추된 오리엔테이션(방향, orientation)을 이용하여 평행인 노멀(법선, normal)을 지닌 포인트(point)들의 집합, 평면(plane)을 감지하고, 수직에 가까운 노멀(normal)을 지닌 포인트(point)들로부터는 원(circle)을 감지하여 감지된 슬라이스 원(circle)의 중심(center), 반경(radius)의 변화에 따라 회전체를 구분한다. 형상 추측이 완료되면 형상들에 속한 포인트(point)들 기반 형상을 정의하는 최적의 파라미터(parameter)를 구하며 여기에 입력 모델(input model)에서 패치 기반(patch-based) 과분할(over-segmentation)한 결과를 반영해 최적화된 형상에 포함될 수 있는 포인트들을 탐색한다Conventionally, in the case of scanned data, reliability was predicted by utilizing the density or smoothness of the scan points. In other words, when explaining the existing method of primitive detection, the existing primitive detection is a method proposed to recognize the shape from the data on which the scan operation has been completed, and is added for partial scan data on a flowchart. surfaces). A plane and a cylinder are sampled from an input model with a constant interval, and a normal vector of the sampled points is used. ) And the orientation of a rotating body such as a cone. A set of points with parallel normals (normals) using the inferred orientation (orientation), detects a plane, and points with a normal close to the vertical From, the rotating body is classified according to the change in the center and radius of the sliced circle detected by sensing a circle. When the shape estimation is completed, the optimal parameter defining the shape based on the points belonging to the shapes is obtained, and there is a patch-based over-segmentation in the input model. Reflecting one result, it searches for points that can be included in the optimized shape.
이와 달리, 3차원 자동 스캔 시스템(100)은 이에 추가적으로 프리미티브 정보를 활용하여, 프리미티브로 잘 설명되는 부분은 그에 맞게 신뢰도를 증가시킨 뒤 다음 스캔 자세 위치 제어에 활용할 수 있다.In contrast, the 3D automatic scanning system 100 may utilize primitive information in addition to this, so that a part well described as a primitive may be used for controlling the position of the next scan posture after increasing the reliability accordingly.
도 4를 참조하여, 3차원 자동 스캔 시스템(100)이 프리미티브를 반영한 컨피던스(confidence)를 계산하는 방법의 일 예를 설명하면, 3차원 자동 스캔 시스템(100)은 검출된 프리미티브의 모델과 실제 표면 간의 서로 상응하는 지점에 대하여 노멀(normal), 거리 오차(distance error)를 계산하여 해당 지점(iso point)의 컨피던스(confidence)를 계산한다. 3차원 자동 스캔 시스템(100)은 프리미티브가 검출되어 변형된 영역은 변형된 영역과 변형되기 전 영역에 일치하는 포인트(corresponding point)들 간의 노멀(normal), 거리 오차(distance error)를 계산하고 프리미티브가 검출되지 않은 영역에 대해서는 영역내 지점(iso point)의 컨피던스(confidence)를 계산하기 위해 지점에서 검출된 프리미티브 영역의 점들 중 가장 가까운 점과 비교하여 노멀(normal), 거리 오차(distance error)를 계산한다. 3차원 자동 스캔 시스템(100)은 계산된 노멀(normal), 거리 오차(distance error)를 0~1사의 값으로 정규화(normalize)하고 프리미티브 기반의 컨피던스(confidence)값으로 사용한다. Referring to FIG. 4, an example of a method for calculating the confidence that the 3D automatic scanning system 100 reflects the primitives will be described. The 3D automatic scanning system 100 includes a model of a detected primitive and an actual surface. Confidence of a corresponding iso point is calculated by calculating a normal and a distance error for a point corresponding to each other. The 3D automatic scanning system 100 calculates a normal and a distance error between the deformed region and the corresponding points corresponding to the deformed region as the primitive is detected and the deformed region. For the region where is not detected, normal and distance errors are compared with the nearest point among the points of the primitive region detected at the point in order to calculate the confidence of the iso point. Calculate. The 3D automatic scanning system 100 normalizes the calculated normal and distance error to a value of 0 to 1 and uses it as a primitive-based confidence value.
도 5 및 도 6은 본 발명의 일 실시예에 따른 3차원 스캔 데이터에서 프리미티브 피팅을 수행하는 과정의 일 예를 도시한 도면이다. 5 and 6 are diagrams illustrating an example of a process of performing primitive fitting on 3D scan data according to an embodiment of the present invention.
3차원 자동 스캔 시스템(100)은 상기한 기존 방법에 비해 이미 스캔 데이터가 존재하는 부분의 측정값에 우선순위를 두고, 작은 이웃(neighborhood, 도 5) 단위로 묶음으로써 밀도가 낮은 측정값에서도 보다 안정적으로 프리미티브 추정이 가능하게 할 수 있다.Compared to the above-described conventional method, the 3D automatic scanning system 100 prioritizes the measurement value of the part where the scan data already exists, and is grouped in units of small neighbors (Fig. 5), so that even measurement values with low density are more effective. It is possible to stably estimate primitives.
도 5를 참조하여 3차원 자동 스캔 시스템(100)이 프리미티브를 검출할 때 스캔 포인트(scan point)의 위치에 강인하게 조정하는 방법의 일 예를 설명하면, 3차원 자동 스캔 시스템(100)은 우선 근사 표면(approximate surface)을 추출하여 예상 프리미티브를 검출(detect)한 뒤, 스캔 포인트(scan point)와 겹쳐지는 영역에 있는 샘플링 포인트(sampling point)를 사용하여 파라미터(parameter)를 조정하고, 조정된 프리미티브를 활용한다. 3차원 자동 스캔 시스템(100)은 형상으로 라벨링(labeling)된 영역에서부터 연결된 면(face)을 따라 순차적으로 확산해가며 거리(distance) 및 노멀(normal)이 유사한 라벨화되지 않은 포인트(unlabeled point)들을 포함시킨다. 이로써, 3차원 자동 스캔 시스템(100)은 프리미티브를 검출하는 단계에서는 균일한(uniform) 샘플(sample)을 활용할 수 있는 한편, 예상한 표면(surface)의 에러로 인한 효과는 두 번째 튜닝(tuning) 단계에서 감소시키는 효과가 있어, 불완전하고 노이즈가 많은 데이터에서도 프리미티브를 검출할 수 있다. Referring to FIG. 5, an example of a method of robustly adjusting the position of a scan point when the 3D automatic scanning system 100 detects a primitive will be described. After extracting the approximate surface to detect the expected primitive, adjust the parameters using the sampling point in the area overlapping the scan point, and adjust the adjusted parameters. Use primitives. The 3D automatic scanning system 100 sequentially diffuses along a connected face from an area labeled with a shape, and an unlabeled point having a similar distance and a normal Include them. Accordingly, the 3D automatic scanning system 100 can utilize a uniform sample in the step of detecting the primitive, while the effect due to the error of the expected surface is second tuning. Since there is an effect of reducing in steps, primitives can be detected even in incomplete and noisy data.
도 6을 참조하면, 3차원 자동 스캔 시스템(100)은 프리미티브를 검출할 때 스캔 포인트(scan point)를 작은 패치(patch) 단위로 쪼갠 정보를 활용한다. 3차원 자동 스캔 시스템(100)은 스캔 포인트(scan point)와 겹쳐지는 영역의 샘플화된 포인트(Sampled point)들을 노멀(normal) 기준으로 그룹화 한 뒤, 각 그룹에서 랜덤으로 시드(seed)를 선택하여 연결된 면(face) 중 유사한 노멀(normal)을 지닌 경우 패치(patch)를 확산해간다. 이 과정은 주어진 반복(iteration) 횟수 또는 패치(patch)에 포함되지 않은 포인트가 설정한 값 이하 일 때까지 반복된다. 각 패치(patch)는 유사한 face normal을 지닌 연결된 면들의 묶음이며 이는 프리미티브 검출에서 프리미티브 파라미터(parameter) 최적화 이후 라벨화된 포인트가 속한 패치의 포인트들을 바로 포함시킬 수 있도록 도와주며 확산(extension) 단계에서 프리미티브 영역을 확산시키는 과정에 면(face)의 커넥션(connection)을 이용함으로써 거리(distance)와 노멀(normal)만 유사하지만 프리미티브로부터 동떨어져 있는 포인트(point)를 포함시키는 오류를 피할 수 있으며 패치(patch) 단위로 확산함으로써 계산과정을 줄일 수 있다. Referring to FIG. 6, when detecting a primitive, the 3D automatic scanning system 100 utilizes information by dividing a scan point into small patches. The 3D automatic scanning system 100 groups the sampled points of the area overlapping with the scan point on a normal basis, and then randomly selects a seed from each group. Thus, if the connected face has a similar normal, the patch is diffused. This process is repeated until a given number of iterations or points not included in a patch are less than a set value. Each patch is a group of connected faces with similar face normals, which helps to include the points of the patch to which the labeled point belongs immediately after primitive parameter optimization in primitive detection. By using the connection of the face in the process of spreading the primitive area, the error of including the point that is distant from the primitive can be avoided and the patch ( By spreading in units of patch), the calculation process can be reduced.
도 7은 본 발명의 일 실시예에 따라 획득되는 데이터의 완전함을 테스트하는 과정을 구체적으로 설명하기 위해 도시한 도면이다. 7 is a diagram illustrating in detail a process of testing the integrity of data acquired according to an embodiment of the present invention.
본 실시예에 따르면, 3차원 자동 스캔 시스템(100)은 프리미티브 피팅(primitive fitting)을 통해 유추된 부분과 주위 형상과의 관계를 고려하여 특정 물체의 스캔 데이터의 완전함을 테스트할 수 있다. According to the present embodiment, the 3D automatic scanning system 100 may test the completeness of scan data of a specific object in consideration of a relationship between a portion inferred through primitive fitting and a surrounding shape.
기존의 스캔 방법은 점의 밀도 및 변화 정도 등으로 파악하였으나, 스캐너로 측정하기 어려운 부분이나, 서로 다른 프리미티브가 맞닿아 변화가 급격한 부분을 필요 이상으로 스캔하는 문제점이 발생할 수 있으나, 프리미티브로 이루어진 캐드 모델의 경우, 각각의 프리미티브의 경계면이 완전하게 확인되었는지 여부로 완전함을 판단할 수 있다. 이를 고려하여, 3차원 자동 스캔 시스템(100)은 여러 프리미티브가 인식되었을 때, 서로 맞닿은 프리미티브의 경계 부분이 있는 경우, 각각의 프리미티브는 그쪽 방향으로는 스캔이 완료되었다고 파악한다. 예를 들어 상자를 스캔할 때 두 평면이 맞닿은 선이 존재한다면, 그 쪽으로는 평면이 더 이상 연장되지 않는다고 판단할 수 있다.Conventional scanning methods have been identified by the density and degree of change of points, but there may be a problem of scanning areas that are difficult to measure with a scanner or areas where changes are rapid due to contact with different primitives, but a CAD made of primitives In the case of a model, it is possible to determine completeness by whether or not the interface of each primitive is completely confirmed. In consideration of this, when several primitives are recognized, when there is a boundary portion of the primitives in contact with each other, the 3D automatic scanning system 100 recognizes that each primitive has been scanned in that direction. For example, if there is a line where two planes meet when scanning a box, it can be determined that the plane does not extend to that side any more.
도 7을 참조하여 3차원 자동 스캔 시스템(100)이 프리미티브를 검출할 때, 경계선의 정보를 활용하는 예를 참조하면, 3차원 자동 스캔 시스템(100)은 이미 검출된 프리미티브의 경계선 정보를 활용하여 보이지 않거나 잘 검출되지 않는 프리미티브를 파악하고, 이들의 검출 확률을 높인다. 예를 들어, 3차원 자동 스캔 시스템(100)은 평면이 검출된 경우, 평면의 경계선에 해당되는 부분이 직선으로 인식되면 그 옆에 다른 평면이 존재할 가능성이 높다고 보고, 원이 인식되면 원통이 존재할 가능성이 높다고 본다. 원통이 검출된 경우, 수평인 다른 원통이나 수직인 평면을 예측할 수 있다. 이와 같은 예측 정보를 바탕으로, 3차원 스캐너가 해당 부위를 측정할 때 가장 중요한 부분을 측정할 수 있도록 다음 위치를 최적화하는 데에 사용할 수 있다. 3차원 자동 스캔 시스템(100)을 이용한 자동 스캔 방법은 예측 정보를 확인하거나 측정이 불가능한 경우 다른 부분을 측정할 수 있도록 하는 등의 단계를 포함할 수 있다.Referring to FIG. 7, when the 3D automatic scanning system 100 detects a primitive, referring to an example of using information of a boundary line, the 3D automatic scanning system 100 uses boundary information of an already detected primitive. Identify primitives that are not visible or are not well detected, and increase the probability of their detection. For example, when a plane is detected, the 3D automatic scanning system 100 considers that if a part corresponding to the boundary line of the plane is recognized as a straight line, it is highly likely that another plane will exist next to it, and if a circle is recognized, a cylinder exists. I think the possibility is high. When a cylinder is detected, another horizontal cylinder or a vertical plane can be predicted. Based on this prediction information, it can be used to optimize the next position so that the 3D scanner can measure the most important part when measuring the area. The automatic scanning method using the 3D automatic scanning system 100 may include steps such as checking prediction information or allowing other parts to be measured when measurement is impossible.
도 8은 본 발명의 일 실시예에 따른 스캐너의 경로(path) 생성 알고리즘을 설명하기 위해 도시한 도면이다. 8 is a diagram illustrating an algorithm for generating a path of a scanner according to an embodiment of the present invention.
물체가 부드러운 곡면으로 이루어졌다고 가정한 기존의 스캔 방법은 점 사이의 간격이 지나치게 넓거나, 점의 연속성(smoothness)이 낮고 거친 표면으로 된 부분에 더 자세한 측정이 필요하며, 이에 따라 포아송 에너지 함수(Poisson energy function) 등을 활용하여 점의 분포도 및 분포 모양을 수학적으로 표현하고, 주위에 비해 값이 높거나 낮은 영역을 중심으로 스캐너의 측정을 유도한다. Existing scan methods, assuming that the object is made of a smooth curved surface, requires more detailed measurements on areas where the spacing between points is too wide, or the smoothness of points is low, and the surface is rough, and accordingly, the Poisson energy function ( Poisson energy function), etc., mathematically expresses the distribution map and shape of the point, and induces the measurement of the scanner centering on the area with higher or lower values than the surrounding area.
이에 비해, 3차원 자동 스캔 시스템(100)은 프리미티브를 인식하여, 이들로 설명될 수 있는 부분의 경우 추가적인 스캔을 필요로 하지 않는다. 예컨대, 3차원 자동 스캔 시스템(100)은 프리미티브의 경계면의 경우 부드럽게 연결되지 않아도 추가 스캔을 요구하지 않는다. In contrast, the 3D automatic scanning system 100 recognizes primitives and does not require an additional scan in the case of portions that can be described by these. For example, the 3D automatic scanning system 100 does not require an additional scan even if the boundary surfaces of the primitives are not smoothly connected.
또한, 3차원 자동 스캔 시스템(100)은 보이지 않는 부분의 프리미티브의 경우, 추론을 통해 채워나가며, 이를 확인하는 수준 (유추한 프리미티브의 존재 유/무 및 경계선 위주의 완전함(completeness) 확인)으로 스캔을 획득한다.In addition, the 3D automatic scanning system 100 fills in the case of primitives in the invisible part through reasoning, and at the level of confirming this (confirmation of the presence/absence of the inferred primitive and completeness focusing on the boundary line). Acquire a scan.
3차원 자동 스캔 시스템(100)은 인식한 프리미티브 및 그들과의 관계 (맞닿아 있는 프리미티브들, 같은 노멀(normal)이나 축(axis)을 가진 것들)가 같은 모델끼리 그룹화가 가능하다,The 3D automatic scanning system 100 can group models with the same recognized primitives and relations with them (adjacent primitives, those having the same normal or axis).
3차원 자동 스캔 시스템(100)은 인식된 프리미티브를 중심으로, 같은 프리미티브로 이루어졌지만, 파라미터(parameter)만 다르거나, 파라미터(parameter)는 유사하지만 인식된 프리미티브의 수가 다른 것끼리 묶을 수도 있다.The 3D automatic scanning system 100 may be configured with the same primitive centering on the recognized primitives, but only different parameters or similar parameters but different number of recognized primitives may be grouped together.
이를 통해 3차원 자동 스캔 시스템(100)은 일부만 스캔되었을 때에도 관련 있는 다른 데이터베이스를 활용하여 아직 인식되지 않은 프리미티브를 중심으로 필요 정보를 제공하는 형식으로 확장 가능하다. Through this, the 3D automatic scanning system 100 can be extended to a format that provides necessary information centering on a primitive that has not yet been recognized by using another database related to even when only a part of the scan system is scanned.
예를 들어, 3차원 자동 스캔 시스템(100)은 서로 나란히 있는 실린더가 3개 있는 엔진 부품끼리 묶고, 세 개의 실린더가 인식되면 데이터베이스로부터 비슷한 모델을 찾아 스캔을 획득하는 데에 도움을 줄 수 있다.For example, the 3D automatic scanning system 100 may help to bundle engine parts with three cylinders parallel to each other, and when three cylinders are recognized, find a similar model from a database and obtain a scan.
본 발명에 따르면, 프리미티브 피팅을 활용하여 보이지 않는 부분의 형상을 유추함으로써, 필연적으로 발생하는 빈 공간을 채우면서 스캔 횟수를 줄이고, 완성도를 높다. 또한, 스캔하면서 기본 단위 개체와 그들 사이의 관계도 함께 얻어낼 수 있다. 본 발명은 단위 개체로 이루어진 캐드(CAD)모델과 관련한 기계 부품, 가구 등에 응용될 수 있으며, 찾아낸 단위 개체를 효율적인 DB생성에 활용 가능하다. According to the present invention, by inferring the shape of an invisible part using primitive fitting, the number of scans is reduced while filling the inevitable empty space, and the degree of completion is high. In addition, the basic unit objects and the relationships between them can also be obtained while scanning. The present invention can be applied to mechanical parts, furniture, etc. related to a CAD model composed of a unit object, and the found unit object can be utilized for efficient DB generation.
도 8을 참조하여 3차원 자동 스캔 시스템(100)이 프리미티브 검출 및 경계선 정보를 활용하여 스캐너의 위치를 생성하는 예를 설명하면, 기존의 스캔의 완성도 파악은 측정 점의 밀도와 변화 정도로 주어졌으나, 3차원 자동 스캔 시스템(100)과 같이 프리미티브 인식을 추가하면, 그 경계선이 완전하게 인식되었는지 여부를 추가하여 다음 스캔의 위치를 설정하거나 스캔의 완성도를 파악하는 데에 활용할 수 있다.Referring to FIG. 8, an example in which the 3D automatic scanning system 100 generates the position of the scanner using primitive detection and boundary line information will be described. When primitive recognition is added as in the 3D automatic scanning system 100, whether or not the boundary line is completely recognized can be added to set the position of the next scan or to be used to grasp the completeness of the scan.
이외에도, 3차원 자동 스캔 시스템(100)에는 불완전한 스캔에 특화된 형상 인식 과정, 인식된 형상을 바탕으로 하는 스캐너 위치 제안, 그리고 인식된 정보를 바탕으로 스캔 데이터를 활용하는 방법 등의 다양하고 새로운 알고리즘이 적용될 수 있음은 물론이다. In addition, the 3D automatic scanning system 100 includes various new algorithms such as a shape recognition process specialized for incomplete scans, a scanner position proposal based on the recognized shape, and a method of using scan data based on the recognized information. Of course it can be applied.
도 9는 본 발명의 다른 실시예에 따른 3차원 자동 스캔 방법의 절차를 도시한 흐름도이다. 9 is a flowchart illustrating a procedure of a 3D automatic scanning method according to another embodiment of the present invention.
본 실시예에 따른 3차원 자동 스캔 방법은 앞서 도 1 내지 도 8을 참조하여 설명한 3차원 자동 스캔 시스템(100)을 이용한 스캔 방법으로서, 하기한 3차원 자동 스캔 시스템과 상술한 3차원 자동 스캔 시스템(100)은 동일하다. 즉, 3차원 자동 스캔 시스템(100)을 이용하여 수행 가능한 기능들의 모든 절차들을 포함하도록 본 실시예에 따른 3차원 자동 스캔 방법이 구현될 수 있다. 따라서, 이하에서는 상술한 설명과 중복되는 내용은 생략하도록 한다. The three-dimensional automatic scanning method according to the present embodiment is a scanning method using the three-dimensional automatic scanning system 100 described with reference to FIGS. 1 to 8 above, and the following three-dimensional automatic scanning system and the above-described three-dimensional automatic scanning system (100) is the same. That is, the 3D automatic scanning method according to the present embodiment may be implemented to include all procedures of functions that can be performed using the 3D automatic scanning system 100. Therefore, in the following description, overlapping content with the above description will be omitted.
도 9를 참조하면, 본 실시예에 따른 3차원 자동 스캔 방법은 3차원 자동 스캔 시스템을 이용한 3차원 자동 스캔 방법으로서, i) 3차원 자동 스캔 시스템이, 기설정된 위치에서 스캐너가 스캐닝 중인 대상물의 3차원 스캔 데이터를 획득하는 단계(S901), ii) 3차원 자동 스캔 시스템이, 3차원 스캔 데이터를 이용하여 프리미티브 피팅을 수행함에 따라 인식되는 스캐너가 스캐닝 중인 대상물의 특징 형상 정보를 획득하는 단계(S902), 그리고, iii) 3차원 자동 스캔 시스템이, 3차원 스캔 데이터와 특징 형상 정보를 토대로 예측되는 스캐너가 스캐닝 중인 대상물의 3차원 모델을 생성하는 단계(S903)를 포함한다. Referring to FIG. 9, the 3D automatic scanning method according to the present embodiment is a 3D automatic scanning method using a 3D automatic scanning system. Acquiring 3D scan data (S901), ii) A step of acquiring feature shape information of the object being scanned by the scanner recognized as the 3D automatic scan system performs primitive fitting using the 3D scan data ( S902), and, iii), the 3D automatic scanning system generates a 3D model of the object being scanned by the scanner predicted based on the 3D scan data and the feature shape information (S903).
또한, 본 실시예에 따른 3차원 자동 스캔 방법은 iv) 3차원 자동 스캔 시스템이, 3차원 모델을 이용하여, 스캐너가, 기설정된 위치와 다른 위치에서 스캐닝 중인 대상물의 3차원 스캔 데이터를 획득하도록 스캐너의 위치를 제어하는 단계(S904)와 v) 3차원 자동 스캔 시스템이, 3차원 모델에서 i) 단계에 따라 획득한 데이터에 따른 대상물의 형상과 ii) 단계에 따라 인식한 특징 형상 정보에 따른 특징 형상들의 관계를 분석하여 대상물의 스캔 완료 여부를 판단하는 단계(S905)를 더 포함할 수 있다In addition, the three-dimensional automatic scanning method according to the present embodiment iv) the three-dimensional automatic scanning system, using a three-dimensional model, so that the scanner acquires three-dimensional scan data of the object being scanned at a position different from a preset position. Steps for controlling the position of the scanner (S904) and v) the 3D automatic scanning system, in the 3D model, according to the shape of the object according to the data acquired according to step i) and the feature shape information recognized according to step ii). A step (S905) of determining whether to complete the scan of the object by analyzing the relationship between the feature shapes may be further included.
i) 단계(S901)는, 3차원 자동 스캔 시스템이, 기설정된 위치에서 스캐너가 스캐닝 중인 대상물의 3차원 스캔 데이터와 기설정된 위치와 다른 위치에서 스캐너가 스캐닝 중인 대상물의 3차원 스캔 데이터를 획득하는 과정을 포함할 수 있고, ii) 단계(S902)는, 3차원 자동 스캔 시스템이, i) 단계에 따라 획득한 데이터를 이용하여 프리미티브 피팅을 수행함에 따라 인식되는 스캐너가 스캐닝 중인 대상물의 특징 형상 정보를 획득하는 과정을 포함할 수 있으며, iii)단계(S903)는, 3차원 자동 스캔 시스템이, i) 단계(S901)에 따라 획득한 데이터와 ii) 단계(S902)에 따라 인식한 특징 형상 정보를 토대로 예측되는 스캐너가 스캐닝 중인 대상물의 3차원 모델을 생성하는 과정을 포함할 수 있다. i) In step S901, the 3D automatic scanning system acquires 3D scan data of the object being scanned by the scanner at a preset position and 3D scan data of the object being scanned by the scanner at a position different from the preset position. A process may be included, and in step ii) (S902), the scanner recognized as the 3D automatic scanning system performs primitive fitting using the data acquired in step i), the characteristic shape information of the object being scanned. May include a process of acquiring, iii) step (S903), the 3D automatic scanning system, i) the data acquired according to step (S901) and ii) the feature shape information recognized according to step (S902) The scanner predicted based on may include a process of generating a 3D model of the object being scanned.
또한, ii) 단계(S902)는, 3차원 스캔 데이터로부터 인식되는 특징 형상의 크기를 스캐너의 기설정된 스캔 범위와 비교하고 인식되는 특징 형상을 3차원 스캔 데이터와 매칭하는 과정을 포함하고, iv) 단계(S904)는, 스캐너의 기설정된 스캔 범위와 3차원 스캔 데이터 및 특징 형상 정보를 토대로 스캐너가 스캔 불가 영역을 회피하도록 스캐너의 위치를 제어하는 과정을 포함할 수 있다. In addition, step ii) (S902) includes a process of comparing the size of the feature shape recognized from the 3D scan data with a preset scan range of the scanner and matching the recognized feature shape with the 3D scan data, iv) Step S904 may include a process of controlling the position of the scanner so that the scanner avoids the unscannable area based on the preset scan range of the scanner, 3D scan data, and feature shape information.
앞서 3차원 자동 스캔 시스템(100)의 설명과 마찬가지로, 본 실시예에 따른 3차원 자동 스캔 방법에 있어서, 3차원 자동 스캔 시스템이, 3차원 스캔 데이터를 이용하여 프리미티브 피팅을 수행함에 따라 인식되는 특징 형상 정보는 대상물이 포함하는 평면, 원형, 원통, 원뿔, 구 및 토러스 중 적어도 어느 하나 이상의 형상 정보를 포함할 수 있다. Similar to the description of the 3D automatic scanning system 100 above, in the 3D automatic scanning method according to the present embodiment, a characteristic recognized as the 3D automatic scanning system performs primitive fitting using 3D scan data. The shape information may include shape information of at least one of a plane, a circle, a cylinder, a cone, a sphere, and a torus included in the object.
상술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The above description of the present invention is for illustrative purposes only, and those of ordinary skill in the art to which the present invention pertains can understand that it is possible to easily transform it into other specific forms without changing the technical spirit or essential features of the present invention. will be. Therefore, it should be understood that the embodiments described above are illustrative and non-limiting in all respects. The scope of the present invention is indicated by the claims to be described later, and all changes or modified forms derived from the meaning and scope of the claims and their equivalent concepts should be construed as being included in the scope of the present invention.

Claims (6)

  1. 기설정된 위치에서 스캐너가 스캐닝 중인 대상물의 3차원 스캔 데이터와 상기 기설정된 위치와 다른 위치에서 상기 스캐너가 스캐닝 중인 상기 대상물의 3차원 스캔 데이터를 획득하는 스캔 데이터 획득부;
    상기 스캔 데이터 획득부가 획득한 데이터를 이용하여 프리미티브 피팅을 수행함에 따라 인식되는 상기 스캐너가 스캐닝 중인 대상물의 특징 형상 정보를 획득하는 형상 인식부;
    상기 스캔 데이터 획득부가 획득한 데이터와 상기 형상 인식부가 인식한 특징 형상 정보를 토대로 예측되는 상기 스캐너가 스캐닝 중인 대상물의 3차원 모델을 생성하는 모델 생성부; 및
    상기 3차원 모델을 이용하여 상기 스캐너가, 상기 기설정된 위치와 다른 위치에서 스캐닝 중인 상기 대상물의 3차원 스캔 데이터를 획득하도록 상기 스캐너의 위치를 제어하는 위치 제어부;를 포함하는 것을 특징으로 하는 3차원 자동 스캔 시스템으로서,
    상기 위치 제어부는,
    대상물의 3차원 스캔 데이터에서 프리미티브 인식 후 검출된 프리미티브 예측 모델(변형되지 않은 모델)과 대상물의 3차원 스캔 데이터를 활용하여 포아송 복원(poisson reconstruction)을 통해 예측한 모델(변형한 모델)에서 상기 두 모델 표면의 모든 위치에 대하여 검출된 프리미티브에 근접함(Euclidean Distance)을 기준으로 컨피던스(신뢰도, confidence)를 부여하고,
    물체가 부드러운 곡면으로 이루어졌다고 가정한 스캔 방법에 따른 점의 연속성(Smoothness)과 그래디언트 컨피던스(신뢰도 기울기, Gradient Confidence)를 측정하고,
    상기 그래디언트 컨피던스를 상기 프리미티브 기반으로 측정된 컨피던스(confidence)와 곱하여 최종 컨피던스 맵 (confidence map)를 생성하고,
    다음 스캔의 위치를 설정하는 것을 특징으로 하는 3차원 자동 스캔 시스템.
    A scan data acquisition unit for acquiring 3D scan data of the object being scanned by the scanner at a preset position and 3D scan data of the object being scanned by the scanner at a position different from the preset position;
    A shape recognition unit that obtains feature shape information of an object being scanned by the scanner recognized as a primitive fitting is performed using the data obtained by the scan data acquisition unit;
    A model generation unit that generates a 3D model of the object being scanned by the scanner, which is predicted based on the data acquired by the scan data acquisition unit and the feature shape information recognized by the shape recognition unit; And
    And a position control unit for controlling the position of the scanner so that the scanner acquires 3D scan data of the object being scanned at a position different from the preset position using the 3D model. As an automatic scanning system,
    The location control unit,
    In the primitive prediction model (non-deformed model) detected after primitive recognition from the 3D scan data of the object and the model (deformed model) predicted through poisson reconstruction using the 3D scan data of the object Confidence (confidence) is given based on the proximity to the detected primitive (Euclidean Distance) for all positions on the model surface,
    Measure the smoothness and gradient confidence of points according to the scanning method assuming that the object is made of a smooth curved surface, and
    The gradient confidence is multiplied by the measured confidence based on the primitive to generate a final confidence map,
    3D automatic scanning system, characterized in that setting the position of the next scan.
  2. 제1항에 있어서,
    상기 3차원 모델에서 상기 스캔 데이터 획득부가 획득한 데이터에 따른 상기 대상물의 형상과 상기 형상 인식부가 인식한 특징 형상 정보에 따른 상기 특징 형상들의 관계를 분석하여 상기 대상물의 스캔 완료 여부를 판단하는 스캔 완성도 평가부를 더 포함하는 것을 특징으로 하는 3차원 자동 스캔 시스템.
    The method of claim 1,
    Scan completion degree for determining whether the scan of the object is completed by analyzing the relationship between the shape of the object according to the data acquired by the scan data acquisition unit in the 3D model and the feature shapes according to the feature shape information recognized by the shape recognition unit 3D automatic scanning system, characterized in that it further comprises an evaluation unit.
  3. 제1항에 있어서,
    상기 형상 인식부가 상기 3차원 스캔 데이터를 이용하여 프리미티브 피팅을 수행함에 따라 인식되는 상기 특징 형상 정보는 상기 대상물이 포함하는 평면, 원형, 원통, 원뿔, 구 및 토러스 중 적어도 어느 하나 이상의 형상 정보를 포함하는 것을 특징으로 하는 3차원 자동 스캔 시스템.
    The method of claim 1,
    The feature shape information recognized as the shape recognition unit performs primitive fitting using the 3D scan data includes shape information of at least one of a plane, a circle, a cylinder, a cone, a sphere, and a torus included in the object. 3D automatic scanning system, characterized in that.
  4. 제1항에 있어서,
    상기 형상 인식부는, 상기 3차원 스캔 데이터로부터 인식되는 특징 형상의 크기를 상기 스캐너의 기설정된 스캔 범위와 비교하고 인식되는 특징 형상을 상기 3차원 스캔 데이터와 매칭하며,
    상기 위치 제어부는, 상기 스캐너의 기설정된 스캔 범위와 상기 3차원 스캔 데이터 및 특징 형상 정보를 토대로 상기 스캐너가 스캔 불가 영역을 회피하도록 상기 스캐너의 위치를 제어하는 것을 특징으로 하는 3차원 자동 스캔 시스템.
    The method of claim 1,
    The shape recognition unit compares the size of the feature shape recognized from the 3D scan data with a preset scan range of the scanner, and matches the recognized feature shape with the 3D scan data,
    And the position control unit controls the position of the scanner so that the scanner avoids the unscannable area based on the preset scan range of the scanner, the 3D scan data, and feature shape information.
  5. 제1항에 있어서,
    상기 대상물 및 상기 특징 형상 정보 중 적어도 어느 하나 이상에 대응되는 물체의 형상 정보가 저장된 데이터베이스를 더 포함하는 것을 특징으로 하는 3차원 자동 스캔 시스템.
    The method of claim 1,
    And a database in which shape information of an object corresponding to at least one or more of the object and the characteristic shape information is stored.
  6. 제5항에 있어서,
    상기 데이터베이스는, 상기 스캔 데이터 획득부가 획득한 데이터, 상기 형상 인식부가 획득한 정보 및 상기 모델 생성부가 생성한 3차원 모델을 저장하고,
    상기 데이터베이스는, 기 저장된 상기 스캔 데이터 획득부가 획득한 데이터, 상기 형상 인식부가 획득한 정보, 상기 모델 생성부가 생성한 3차원 모델, 그리고, 기 저장된 상기 대상물 및 상기 특징 형상 정보 중 적어도 어느 하나 이상에 대응되는 물체의 형상 정보를 이용하여 인공 신경망 학습을 수행함에 따라 생성되는 새로운 데이터를 저장하며,
    상기 3차원 자동 스캔 시스템은 상기 대상물을 스캐닝하여 상기 대상물의 3차원 모델을 생성할 때 상기 데이터베이스에 저장된 데이터를 이용하는 것을 특징으로 하는 3차원 자동 스캔 시스템.
    The method of claim 5,
    The database stores data acquired by the scan data acquisition unit, information acquired by the shape recognition unit, and a 3D model generated by the model generation unit,
    The database may include at least one of pre-stored data obtained by the scan data acquisition unit, information obtained by the shape recognition unit, a three-dimensional model generated by the model generation unit, and the previously stored object and the feature shape information. It stores new data generated by performing artificial neural network learning using the shape information of the corresponding object,
    The 3D automatic scanning system uses data stored in the database when generating a 3D model of the object by scanning the object.
KR1020210017064A 2021-02-05 2021-02-05 System and method for automatic 3-dimensional scanning KR102228939B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210017064A KR102228939B1 (en) 2021-02-05 2021-02-05 System and method for automatic 3-dimensional scanning

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210017064A KR102228939B1 (en) 2021-02-05 2021-02-05 System and method for automatic 3-dimensional scanning

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020190045087A Division KR20200122169A (en) 2019-04-17 2019-04-17 System and method for automatic 3-dimensional scanning

Publications (2)

Publication Number Publication Date
KR20210018397A KR20210018397A (en) 2021-02-17
KR102228939B1 true KR102228939B1 (en) 2021-03-17

Family

ID=74732067

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210017064A KR102228939B1 (en) 2021-02-05 2021-02-05 System and method for automatic 3-dimensional scanning

Country Status (1)

Country Link
KR (1) KR102228939B1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014145735A (en) * 2013-01-30 2014-08-14 Nikon Corp Shape measurement device, structure production system, evaluation device, shape measurement method, structure production method, and shape measurement program
KR101493659B1 (en) * 2014-11-18 2015-02-16 중앙대학교 산학협력단 Method and apparatus for modeling pipe using 3 dimensional scanning data
JP2015194500A (en) * 2008-10-13 2015-11-05 コー・ヤング・テクノロジー・インコーポレーテッド Measuring method and measuring apparatus of three-dimensional shape

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108474653B (en) * 2016-01-20 2020-03-20 三菱电机株式会社 Three-dimensional measurement device and measurement support processing method thereof

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015194500A (en) * 2008-10-13 2015-11-05 コー・ヤング・テクノロジー・インコーポレーテッド Measuring method and measuring apparatus of three-dimensional shape
JP2014145735A (en) * 2013-01-30 2014-08-14 Nikon Corp Shape measurement device, structure production system, evaluation device, shape measurement method, structure production method, and shape measurement program
KR101493659B1 (en) * 2014-11-18 2015-02-16 중앙대학교 산학협력단 Method and apparatus for modeling pipe using 3 dimensional scanning data

Also Published As

Publication number Publication date
KR20210018397A (en) 2021-02-17

Similar Documents

Publication Publication Date Title
US10859375B2 (en) Methods for improving the accuracy of dimensioning-system measurements
CN104299260B (en) Contact network three-dimensional reconstruction method based on SIFT and LBP point cloud registration
KR101698700B1 (en) Pattern inspecting and measuring device and program
Anil et al. Deviation analysis method for the assessment of the quality of the as-is Building Information Models generated from point cloud data
Lee et al. Skeleton-based 3D reconstruction of as-built pipelines from laser-scan data
CN106470595B (en) Tooth wear is detected using 3D scanning figure in mouth
US9182221B2 (en) Information processing apparatus and information processing method
US10482621B2 (en) System and method for improved scoring of 3D poses and spurious point removal in 3D image data
KR100791389B1 (en) Apparatus and method for measuring distance using structured light
Rusu et al. Close-range scene segmentation and reconstruction of 3D point cloud maps for mobile manipulation in domestic environments
JP2016161569A (en) Method and system for obtaining 3d pose of object and 3d location of landmark point of object
TWI567690B (en) System, program product, and related methods for registering three-dimensional models to point data representing the pose of a part
JP4150665B2 (en) Object identification
Tóvári et al. Segmentation based robust interpolation-a new approach to laser data filtering
KR101930913B1 (en) Method and system for optimizing optical inspection of patterned structures
EP3404612B1 (en) Monitoring object shape and deviation from design
US7653235B2 (en) Surface anomaly detection system and method
Wang An imaging and measurement system for robust reconstruction of weld pool during arc welding
JP2011521260A (en) Seismic survey horan izon skeletonization
Briese Three-dimensional modelling of breaklines from airborne laser scanner data
KR20080007114A (en) System and method for automatic 3d scan data alignment
EP1814083A1 (en) Photometric measurements using at least three light sources
CN104008553B (en) Crack detection method with image gradient information and watershed method conflated
US20200167656A1 (en) Neural network system for non-destructive optical coherence tomography
US20130096886A1 (en) System and Method for Extracting Features from Data Having Spatial Coordinates

Legal Events

Date Code Title Description
A107 Divisional application of patent
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant