KR102399601B1 - 효율적인 제약 조건 처리를 위한 입자 기반 모델링 방법 및 장치 - Google Patents

효율적인 제약 조건 처리를 위한 입자 기반 모델링 방법 및 장치 Download PDF

Info

Publication number
KR102399601B1
KR102399601B1 KR1020150102235A KR20150102235A KR102399601B1 KR 102399601 B1 KR102399601 B1 KR 102399601B1 KR 1020150102235 A KR1020150102235 A KR 1020150102235A KR 20150102235 A KR20150102235 A KR 20150102235A KR 102399601 B1 KR102399601 B1 KR 102399601B1
Authority
KR
South Korea
Prior art keywords
particles
target
target particles
correction value
particle
Prior art date
Application number
KR1020150102235A
Other languages
English (en)
Other versions
KR20170010512A (ko
Inventor
강나협
김지연
사공동훈
이형욱
정휘룡
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020150102235A priority Critical patent/KR102399601B1/ko
Priority to US15/187,135 priority patent/US10565328B2/en
Publication of KR20170010512A publication Critical patent/KR20170010512A/ko
Application granted granted Critical
Publication of KR102399601B1 publication Critical patent/KR102399601B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/02—Comparing digital values
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/56—Particle system, point based geometry or rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2021—Shape modification

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)

Abstract

대상 객체의 적어도 일부 영역에 대응되는 대상 입자들을 다운 샘플링하여 성긴 입자들을 생성하고, 대상 입자들의 물리적 속성을 이용하여 성긴 입자들이 대상 객체의 제약 조건을 만족하는 보정치를 산출하며, 보정치가 적용된 대상 입자들이 제약 조건을 만족하는지 여부에 기초하여 대상 입자들을 재정의하는, 입자 기반 모델링 방법 및 장치를 제공할 수 있다.

Description

효율적인 제약 조건 처리를 위한 입자 기반 모델링 방법 및 장치{METHOD AND APPARATUS OF MODELING BASED ON PARTICLES FOR EFFICIENT CONSTRAINTS PROCESSING}
아래의 실시예들은 효율적인 제약 조건 처리를 위한 입자 기반 모델링 방법 및 장치에 관한 것이다.
유체(Fluid) 또는 변형체(Deformable Object)에 대한 모델링은 외력 등에 의한 반응이 실시간으로 반영되어야 하는 동시에, 눈으로 보기에 자연스러운 정도로 움직임이 표현되어야 한다. 이를 위하여 유체 또는 변형체의 물리적 속성, 경계 조건 등을 만족시킬 수 있는 다양한 제약 조건들에 대한 처리가 수행된다. 유체 또는 변형체를 구성하는 입자들이 제약 조건들을 만족하도록 하는 처리를 수행하는 경우, 제약 조건을 만족되도록 하기 위해 거쳐야 하는 반복 횟수는 입자의 개수가 증가함에 따라 비선형적으로 증가한다.
일 실시예에 따르면, 입자 기반 모델링 방법은 대상 객체의 적어도 일부 영역에 대응되는 대상 입자들을 다운 샘플링하여 성긴 입자들을 생성하는 단계; 상기 대상 입자들의 물리적 속성을 이용하여 상기 성긴 입자들이 상기 대상 객체의 제약 조건을 만족하는 보정치를 산출하는 단계; 상기 보정치를 상기 대상 입자들에게 적용하는 단계; 및 상기 보정치가 적용된 대상 입자들이 상기 제약 조건을 만족하는지 여부에 기초하여 상기 대상 입자들을 재정의하는 단계를 포함한다.
상기 성긴 입자들을 생성하는 단계는 상기 대상 객체의 기하학적 경계 및 제약 조건 중 적어도 하나를 기초로, 상기 대상 객체의 적어도 일부 영역에 대응되는 대상 입자들을 다운 샘플링하여 성긴 입자들을 생성하는 단계를 포함할 수 있다.
상기 성긴 입자들을 생성하는 단계는 상기 대상 객체의 적어도 일부 영역에 대응되는 대상 입자들을 적응적으로 다운 샘플링하여 서로 다른 크기의 성긴 입자들을 생성하는 단계를 포함할 수 있다.
상기 성긴 입자들을 생성하는 단계는 상기 대상 객체의 기하학적 경계 및 상기 제약 조건의 오차 임계치를 기초로, 상기 대상 객체의 적어도 일부 영역에 대응되는 대상 입자들을 다운 샘플링하여 상기 성긴 입자들을 생성하는 단계를 포함할 수 있다.
상기 성긴 입자들을 생성하는 단계는 상기 대상 객체의 기하학적 경계 및 제약 조건 중 적어도 하나를 기초로, 상기 대상 객체에서 상기 제약 조건의 위반이 발생하는 적어도 일부 영역을 설정하는 단계; 및 상기 제약 조건의 위반이 발생하는 적어도 일부 영역에 대응되는 대상 입자들을 다운 샘플링하여 상기 성긴 입자들을 생성하는 단계를 포함할 수 있다.
상기 보정치를 산출하는 단계는 상기 대상 입자들의 물리적 속성을 상기 성긴 입자들에게 반영하는 단계; 및 상기 물리적 속성이 반영된 성긴 입자들이 상기 제약 조건을 만족하는 위치 보정치를 산출하는 단계를 포함할 수 있다.
상기 대상 입자들을 재정의하는 단계는 상기 보정치를 상기 대상 입자들에게 적용하는 단계; 상기 보정치가 적용된 대상 입자들이 상기 제약 조건을 만족하는지 여부를 판단하는 단계; 및 상기 보정치가 적용된 대상 입자들이 상기 제약 조건을 만족하는 것으로 판단되면, 상기 보정치가 적용된 대상 입자들에 의해 상기 대상 입자들을 재정의하는 단계를 포함할 수 있다.
상기 입자 기반 모델링 방법은 상기 보정치가 적용된 대상 입자들이 상기 제약 조건을 만족하지 않는 것으로 판단되면, 상기 보정치가 적용된 대상 입자들에 대한 정보를 이용하여 상기 성긴 입자들을 생성하는 단계를 수행하는 단계를 더 포함할 수 있다.
상기 보정치를 상기 대상 입자들에게 적용하는 단계는 상기 보정치를 적용하여 상기 대상 입자들의 위치를 이동시키는 단계를 포함할 수 있다.
상기 입자 기반 모델링 방법은 상기 대상 객체에 대응되는 대상 입자들에 대한 정보를 획득하는 단계를 더 포함할 수 있다.
상기 대상 입자들의 물리적 속성은 상기 대상 입자들의 반경, 질량, 밀도, 속도, 위치, 힘, 점성 중 적어도 하나를 포함할 수 있다.
상기 대상 객체는 유체, 또는 변형체 중 적어도 하나를 포함할 수 있다.
일 실시예에 따르면, 입자 기반 모델링 장치는 대상 입자들에 대한 정보를 저장하는 메모리; 및 상기 대상 객체의 적어도 일부 영역에 대응되는 대상 입자들을 다운 샘플링하여 성긴 입자들을 생성하고, 상기 대상 입자들의 물리적 속성을 이용하여 상기 성긴 입자들이 상기 대상 객체의 제약 조건을 만족하는 보정치를 산출하며, 상기 보정치가 적용된 대상 입자들이 상기 제약 조건을 만족하는지 여부를 기초로 상기 대상 입자들을 재정의하는 프로세서를 포함한다.
상기 프로세서는 상기 대상 객체의 기하학적 경계 및 제약 조건 중 적어도 하나를 기초로, 상기 대상 객체의 적어도 일부 영역에 대응되는 대상 입자들을 적응적으로 다운 샘플링하여 서로 다른 크기의 성긴 입자들을 생성할 수 있다.
상기 프로세서는 상기 대상 객체의 기하학적 경계 및 상기 제약 조건의 오차 임계치를 기초로, 상기 대상 객체에서 상기 제약 조건의 위반이 발생하는 적어도 일부 영역을 설정하고, 상기 제약 조건의 위반이 발생하는 적어도 일부 영역에 대응되는 대상 입자들을 다운 샘플링하여 상기 성긴 입자들을 생성할 수 있다.
상기 프로세서는 상기 대상 입자들의 물리적 속성을 상기 성긴 입자들에게 반영하고, 상기 물리적 속성이 반영된 성긴 입자들이 상기 제약 조건을 만족하는 위치 보정치를 산출할 수 있다.
상기 프로세서는 상기 보정치를 적용하여 상기 대상 입자들의 위치를 이동시키고, 상기 이동된 대상 입자들이 상기 제약 조건을 만족하면, 상기 보정치가 적용된 대상 입자들에 의해 상기 대상 입자들을 재정의할 수 있다.
상기 프로세서는 상기 보정치가 적용된 대상 입자들이 상기 제약 조건을 만족하지 않으면, 상기 보정치가 적용된 대상 입자들에 대한 정보를 이용하여 상기 성긴 입자들을 생성할 수 있다.
상기 입자 기반 모델링 장치는 상기 대상 객체에 대응되는 대상 입자들에 대한 정보를 수신하는 수신부를 더 포함할 수 있다.
도 1은 일 실시예에 따른 입자 기반 모델링 방법을 나타낸 흐름도.
도 2는 일 실시예에 따른 입자 기반 모델링 방법이 수행되는 과정을 설명하기 위한 도면.
도 3은 다른 실시예에 따른 입자 기반 모델링 방법을 나타낸 흐름도.
도 4는 다른 실시예에 따른 입자 기반 모델링 방법을 나타낸 흐름도.
도 5는 일 실시예에 따른 대상 입자들을 다운 샘플링하여 성긴 입자들을 생성하는 방법을 설명하기 위한 도면.
도 6은 일 실시예에 따른 대상 입자들을 적응적으로 다운 샘플링하여 서로 다른 크기의 성긴 입자들을 생성하는 방법을 설명하기 위한 도면.
도 7은 다른 실시예에 따른 입자 기반 모델링 방법이 수행되는 과정을 설명하기 위한 도면.
도 8은 일 실시예에 따른 입자 기반 모델링 장치의 블록도.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일 실시예에 따른 입자 기반 모델링 방법을 나타낸 흐름도이다.
도 1을 참조하면, 일 실시예에 따른 입자 기반 모델링 장치(이하, '모델링 장치')는 대상 객체(target object)의 적어도 일부 영역에 대응되는 대상 입자들을 다운 샘플링(down-sampling)하여 성긴 입자들(coarse particles)을 생성한다(110). 여기서, 대상 객체는 유체(fluid), 변형체(Deformable Body) 또는 유체와 변형체가 결합된 것일 수 있다. 변형체는 강체(rigid body) 및 연체(soft body)를 모두 포함하는 의미로 이해될 수 있다. '대상 입자들'은 대상 객체가 입자에 기반하여 모델링된 경우에 대상 객체를 구성하는 입자들로 이해될 수 있다.
모델링 장치는 예를 들어, 대상 입자들의 물리적 속성 값들에 대한 가중 합(weighted sum), 대표값, 및 평균값 등을 이용하여 성긴 입자들을 생성할 수 있다. 또는, 모델링 장치는 대상 입자들을 복수 개의 셀들을 포함하는 격자(grid)로 공간 분할하여 성긴 입자들을 생성할 수 있다. 모델링 장치가 대상 입자들을 다운 샘플링하여 성긴 입자들을 생성하는 방법은 도 5를 참조하여 설명한다.
일 실시예에서 따른 모델링 장치는 대상 객체의 기하학적 경계(geometric boundary) 및 제약 조건(constraints) 중 적어도 하나를 기초로, 다운 샘플링 영역을 대상 객체의 일부 영역으로 특정할 수 있다. 또한, 모델링 장치는 대상 입자들을 적응적으로 다운 샘플링하여 각 영역마다 서로 다른 크기의 성긴 입자들을 생성할 수 있다.
대상 입자들을 적응적으로 다운 샘플링하여 성긴 입자들을 생성하는 방법은 도 6을 참조하여 설명한다.
모델링 장치는 대상 입자들의 물리적 속성을 이용하여 성긴 입자들이 대상 객체의 제약 조건을 만족하는 보정치를 산출한다(120). 대상 입자들의 물리적 속성은 예를 들어, 대상 입자들의 반경, 질량, 밀도, 속도, 위치, 힘, 및 점성 등을 포함할 수 있다. 대상 입자들의 물리적 속성은 모델링 장치에 의해 미리 계산되어 메모리 등에 저장될 수 있다.
모델링 장치는 예를 들어, 수식
Figure 112016021834111-pat00012
를 이용하여 각 입자들의 밀도(
Figure 112016021834111-pat00002
)를 계산할 수 있다. 여기서, ρi는 i 입자의 밀도, mj는 i 입자에 이웃하는 j 입자의 질량, W는 커널 함수(가중치 함수)이고, xi - xj 는 i 입자와 j 입자 간의 거리이다. 또한, N은 Neighbor를 나타내고, 개념적으로는 주변 입자들을 뜻한다. h는 Neighbor의 반경을 나타낸다. 입자 i로부터 h 거리 내의 입자만이 주변 입자들, 다시 말해, N에 포함될 수 있다.
모델링 장치는 대상 입자들의 물리적 속성을 성긴 입자들에게 반영하여 성긴 입자들이 제약 조건을 만족하는 위치 보정치를 산출할 수 있다.
모델링 장치는 단계(120)에서 산출된 보정치를 대상 입자들에게 적용한다(130).
모델링 장치는 보정치가 적용된 대상 입자들이 제약 조건을 만족하는지 여부에 기초하여 대상 입자들을 재정의한다(140).
도 2는 일 실시예에 따른 입자 기반 모델링 방법이 수행되는 과정을 설명하기 위한 도면이다.
도 2를 참조하면, 일 실시예에 따른 입자 기반 모델링 시에 대상 입자들에 대하여 수행되는 동작 및 다운 샘플링된 성긴 입자들에 대하여 수행되는 동작이 구분되는 것을 볼 수 있다.
일 실시예에 따른 모델링 장치는 대상 입자들을 성긴 입자들로 다운 샘플링(210)한 후, 성긴 입자들에게 대상 입자들의 물리적 속성을 반영할 수 있다(220). 이때, 모델링 장치는 대상 입자들의 물리적 속성 값을 성긴 입자들에게 그대로 반영할 수 있다. 모델링 장치는 물리적 속성이 반영된 성긴 입자들에게 대상 객체의 제약 조건을 적용한다(230).
모델링 장치는 물리적 속성이 반영된 성긴 입자들이 제약 조건을 만족시키기 위한 보정치를 산출할 수 있다(240). 이때, 보정치는 예를 들어, 위치 보정치일 수 있다. 모델링 장치는 예를 들어, 위치-기반 동역학 프레임워크(position-based dynamics framework) 또는 SPH(Smoothed Particle Hydrodynamic)과 같은 알려진 방법을 이용하여 물리적 속성이 반영된 성긴 입자들이 제약 조건을 만족시키기 위한 보정치를 산출할 수 있다.
단계(240)에서, 모델링 장치는 산출된 보정치가 실제 제약 조건을 만족시키는지 여부를 테스트하거나, 산출된 보정치의 에러가 일정 값으로 수렴하도록 하는 반복 과정을 수행하지 않는다.
모델링 장치는 단계(240)에서 산출된 보정치를 대상 입자들에게 적용하여 대상 입자들의 위치를 수정한다(250). 이때, 모델링 장치는 보정치를 적용하여 대상 입자들의 위치를 이동시킬 수 있다. 모델링 장치는 예를 들어, SPH(Smoothed Particle Hydrodynamic) 추정 방법 등을 이용하여 대상 입자들의 위치를 이동시킬 수 있다.
모델링 장치는 보정치가 적용된 대상 입자들, 다시 말해, 보정치에 의해 위치가 수정(이동)된 대상 입자들이 제약 조건을 만족하는지 여부를 판단할 수 있다(260).
모델링 장치는 단계(260)에서 제약 조건이 만족되는 경우, 보정치가 적용된 대상 입자들에 의해 대상 입자들을 재정의할 수 있다(270). 이때, 재정의되는 대상 입자들의 물리적 속성 값은 예를 들어, 재정의된 대상 입자와 가장 가까운 위치에 있던 성긴 입자의 물리적 속성 값을 이용하거나, 재정의된 대상 입자 주변의 성긴 입자들에 대한 가중합을 거리에 비례하여 나누는 방법 등에 의해 결정될 수 있다.
모델링 장치는 단계(220)에서 물리적 속성이 반영된 성긴 입자들로부터 가져온 값(속도 값)을 그대로 이용하여 성긴 입자들에 대응되는 대상 입자들을 재정의할 수도 있다. 성긴 입자들로부터 가져온 속도 값을 그대로 반영하는 경우, 모델링 장치는 로우 패스 필터를 사용한 것과 같이 대상 객체의 부드러운 움직임을 표현할 수 있다.
모델링 장치는 단계(260)에서 제약 조건이 만족되지 않는 경우, 보정치에 의해 위치가 수정(이동)된 대상 입자들을 이용하여 다시 단계(210)의 다운 샘플링을 수행할 수 있다.
모델링 장치는 매 반복(iteration) 시 마다 대상 입자들에 대해 다운 샘플링을 새로이 수행하지만, 계산 과부하가 발생할 수 있는 입자들의 보정치 산출 과정(단계(230) 내지 단계(240))은 성긴 입자들만을 대상으로 수행함으로써 처리 시간을 줄일 수 있다. 다시 말해, 일 실시예에서는 제약 조건의 위반이 발생하는 적어도 일부 영역에 대응되는 성긴 입자들만을 이용하여 물리적 속성이 제약 조건을 만족하도록 하는 보정치를 계산함으로써 전체적인 계산량을 감소시킬 수 있다.
또한, 일 실시예에서 제약 조건의 만족 여부, 즉 정밀도는 반드시 대상 입자들을 기준으로 판단함으로써 보간(interpolation) 오차를 최소화할 수 있다.
도 3은 다른 실시예에 따른 입자 기반 모델링 방법을 나타낸 흐름도이다.
도 3을 참조하면, 일 실시예에 따른 모델링 장치는 대상 객체에 대응되는 대상 입자들에 대한 정보를 획득한다(310). 모델링 장치는 대상 객체의 기하학적 경계 및 제약 조건 중 적어도 하나를 기초로, 대상 객체의 적어도 일부 영역에서 제약 조건의 위반이 발생했는지를 판단할 수 있다(320). 단계(320)의 판단 결과, 대상 객체의 적어도 일부 영역에서 제약 조건의 위반이 발생하지 않았다고 판단되면, 모델링 장치는 동작을 종료할 수 있다.
단계(320)의 판단 결과, 대상 객체의 적어도 일부 영역에서 제약 조건의 위반이 발생했다고 판단되면, 모델링 장치는 제약 조건의 위반이 발생하는 적어도 일부 영역을 다운 샘플링을 수행할 영역으로 설정할 수 있다(330). 여기서, '제약 조건의 위반이 발생했다'는 것은 예를 들어, 충돌 등의 외력에 의해 대상 객체가 찌그러지거나 부풀어 오르는 등의 변형이 발생했다는 것을 의미한다. 대상 객체에 변형이 발생한 경우, 모델링 장치는 제약 조건의 위반이 발생한 일부 영역에 대응되는 대상 입자들이 제약 조건을 만족시키도록 함으로써 대상 객체가 원래의 형태로 돌아가려는 복원력을 모델링할 수 있다.
모델링 장치는 제약 조건의 위반이 발생하는 적어도 일부 영역에 대응되는 대상 입자들을 적응적으로 다운 샘플링하여 성긴 입자들을 생성할 수 있다(340). 모델링 장치는 예를 들어, 사용자로부터 입력된 샘플링 레이트(sampling rate) 또는 일정 기준에 의해 미리 설정된 샘플링 레이트에 따라 대상 입자들을 적응적으로 다운 샘플링할 수 있다. 이때, 모델링 장치는 예를 들어, 성긴 입자의 반경은 샘플링 레이트에 정비례하도록 하고, 성긴 입자의 질량은 샘플링 레이트의 제곱에 비례하도록 성긴 입자들을 생성할 수 있다. 또한, 모델링 장치는 성긴 입자의 밀도는 상기 일부 영역의 일정 지점에서의 대상 입자의 밀도를 가지도록 성긴 입자들을 모델링할 수 있다. 모델링 장치가 적어도 일부 영역에 대응되는 대상 입자들을 적응적으로 다운 샘플링하는 방법은 도 6을 참조하여 설명한다.
모델링 장치는 대상 입자들의 물리적 속성을 성긴 입자들에게 반영할 수 있다 (350). 실시예에 따라서, 모델링 장치는 사용자로부터 입력된 샘플링 레이트를 기초로 대상 입자의 물리적 속성을 반영하여 성긴 입자들을 생성할 수도 있다. 이러한 경우, 성긴 입자들에는 이미 대상 입자의 물리적 속성이 반영되어 있으므로 대상 입자의 물리적 속성을 반영하는 단계(350)는 생략될 수 있다.
모델링 장치는 대상 입자의 물리적 속성이 반영된 성긴 입자들이 제약 조건을 만족하는 위치 보정치를 산출할 수 있다(360).
모델링 장치는 단계(360)에서 산출된 위치 보정치를 대상 입자들에게 적용할 수 있다(370). 모델링 장치는 단계(360)에서 산출된 위치 보정치로부터 대상 입자들의 위치 보정치를 계산하여 대상 입자들의 위치를 이동시킬 수 있다. 단계(360)에서 산출된 위치 보정치로부터 대상 입자들의 위치 보정치를 계산하는 데에는, 예를 들어, 잘 알려진 SPH 추정 방법 등이 이용될 수 있다.
이때, 대상 입자들의 위치 보정치에 따라 대상 입자들의 위치가 이동됨에 따라 대상 입자들의 물리적 속성(예를 들어, 밀도값)이 변할 수 있으므로, 모델링 장치는 이후 대상 입자들의 물리적 속성을 업데이트하거나 대상 입자들을 새로 샘플링할 수 있다.
모델이 장치는 보정치가 적용된 대상 입자들이 대상 객체의 제약 조건을 만족하는지 여부에 기초하여 대상 입자들을 재정의할 수 있다(380).
도 4는 다른 실시예에 따른 입자 기반 모델링 방법을 나타낸 흐름도이다.
도 4를 참조하면, 일 실시예에 따른 모델링 장치는 대상 객체의 적어도 일부 영역에 대응되는 대상 입자들을 다운 샘플링하여 성긴 입자들을 생성할 수 있다(410). 이때, 모델링 장치는 대상 객체의 기하학적 경계 및 제약 조건의 오차 임계치를 기초로, 대상 입자들을 다운 샘플링하여 성긴 입자들을 생성할 수 있다.
모델링 장치는 대상 입자들의 물리적 속성을 성긴 입자들에게 반영할 수 있다(420).
모델링 장치는 물리적 속성이 반영된 성긴 입자들에 대하여 제약 조건을 적용하고(430), 물리적 속성이 반영된 성긴 입자들이 제약 조건을 만족하는 위치 보정치를 산출할 수 있다(440). 모델링 장치는 위치 보정치를 대상 입자들에게 적용할 수 있다(450).
모델링 장치는 보정치가 적용된 대상 입자들이 제약 조건을 만족하는지 여부를 판단할 수 있다(460). 단계(460)의 판단 결과, 보정치가 적용된 대상 입자들이 제약 조건을 만족하는 것으로 판단되면, 모델링 장치는 보정치가 적용된 대상 입자들에 의해 대상 입자들을 재정의할 .수 있다(470).
단계(460)의 판단 결과, 보정치가 적용된 대상 입자들이 제약 조건을 만족하지 않는 것으로 판단되면, 모델링 장치는 보정치가 적용된 대상 입자들에 대한 정보를 대상 입자에 대입하여 단계(410)의 성긴 입자들을 생성하는 단계를 수행할 수 있다(480).
일 실시예에 따른 입자 기반 모델링 방법은 게임 엔진, 또는 물리 엔진 등에 적용될 수 있으며, 예를 들어, 네이티브 코드(Native Code)로 구현되어 영화나 방송 컨텐츠의 제작 등에 활용될 수 있다.
도 5는 일 실시예에 따른 대상 입자들을 다운 샘플링하여 성긴 입자들을 생성하는 방법을 설명하기 위한 도면이다.
도 5를 참조하면, 대상 객체를 구성하는 대상 입자들(510,550) 및 대상 입자들(510)을 다운 샘플링하여 생성된 성긴 입자들(520,530,570)이 도시된다.
일 실시예에 따른 입자 기반 모델링에서 '다운 샘플링'은 대상 객체를 구성하는 전체 입자들을 분석해서 입자가 존재하는 영역을 선택하고, 선택된 영역에 대응되는 입자들을 더 큰 사이즈(더 낮은 해상도)를 갖는 입자들, 다시 말해 더 적은 개수의 입자들로 대체하는 것으로 이해될 수 있다.
대상 객체를 구성하는 대상 입자들(510,550)은 예를 들어, 일정 공간에 복수 개가 존재할 수 있으며, 대상 입자들(510,550) 중 서로 일정 거리 내에 가까이 위치하는 입자들이 있을 수 있다. 이때, 대상 입자들(510,550)에는 해당 입자의 모델링에 필요한 위치, 속도, 밀도, 압력, 온도 등과 같은 정보, 다시 말해 입자들의 물리적 속성 값이 결부(associate)될 수 있다. 대상 입자들(510,550)의 물리적 속성 값은 다운 샘플링 과정을 통해 성긴 입자들(520,530,570)에게 전달될 수 있다.
일 실시예에서 대상 입자들(510,550)은 다운 샘플링되어 적은 수의 성긴 입자들(520,530,570)로 생성될 수 있다. 성긴 입자들(520,530,570)은 대상 입자들(510) 중 미리 주어진 거리값보다 인접한 입자들을 결합하거나, 대상 입자들(510) 중 대표 입자를 선택하는 방법 등에 의해 생성될 수 있다.
성긴 입자들(520,530,570)의 속성 값은 예를 들어, 대상 입자들(510)의 속성 값에 대한 대표값, 평균값, 또는 가중 합을 통해 구할 수 있다. 이와 같이 성긴 입자들(520,530,570)의 속성 값으로 대상 입자들(510)의 속성 값에 대한 대표값, 평균값, 가중 합 등을 사용하는 경우, 대상 객체는 로우 패스 필터(Low pass filter)를 사용한 것과 같이 표현될 수 있다.
일 실시예에 따른 모델링 장치는 대상 객체에서 상기 제약 조건의 위반이 발생하는 일부 영역에 대응하는 대상 입자들(510)의 개수를 다운 샘플링에 의해 줄임으로써 입자 모델링에 대한 계산량을 감소시킬 수 있다. 또한, 모델링 장치는 대상 객체의 움직임을 계산하는 데에 사용하는 입자들의 개수만을 줄이고, 실제 시각화에 사용하는 입자의 개수는 그대로 유지함으로써 최종적인 결과물에 대한 시각적인 해상도는 그대로 유지될 수 있다.
이하에서는 성긴 입자들을 생성하는 다양한 방법들을 설명한다.
일 실시예에 따른 모델링 장치는 입자들의 위치를 기준으로 일정 거리 이내의 인접한 입자들을 결합하거나, 입자들이 위치하는 공간을 격자로 분할하고, 분할된 격자의 각 공간(셀)에 위치하는 입자들을 결합하여 성긴 입자들을 생성할 수 있다.
이하에서, 5(a) 및 5(b)는 일정 거리 이내에 인접한 입자들을 결합하여 성긴 입자들을 생성하는 방법을 나타내고, 5(c)는 격자의 각 공간(셀)에 위치하는 입자들을 결합하여 성긴 입자들을 생성하는 방법을 나타낸다.
우선, 일정 거리 이내에 인접한 입자들을 결합하는 가중 합에 의해 성긴 입자들을 생성하는 방법은 다음과 같다.
도 5(a)를 참조하면, 모델링 장치는 일정 영역에 위치한 대상 입자들(510) 중 주어진 거리값(예를 들어, 1 mm) 보다 서로 가까이 존재하는 대상 입자들을 모두 결합할 수 있다. 예를 들어, 대상 입자들(510) 중 1 mm보다 가까이 존재하는 대상 입자들의 집합(511, 512, 513, 514)에서 각 집합에 포함된 입자들을 모두 결합하여 4개의 성긴 입자들(520)을 생성할 수 있다.
4개의 성긴 입자들(520)은 각각 대상 입자들의 집합(511, 512, 513, 514)으로부터 생성된 것이다. 성긴 입자들(520)의 물리적 속성 값은 대상 입자들의 집합(511, 512, 513, 514) 내에 포함된 대상 입자들의 밀도, 위치 등 물리적 속성 값에 대한 가중 합(weighted sum)일 수 있다. 이때, 대상 입자들(510) 각각은 커널 함수(kernel function)를 가지고, 가까운 입자는 물리적 속성 값에 큰 영향을 미치고, 먼 입자는 물리적 속성 값에 작은 영향을 미칠 수 있다.
도 5(b)를 참조하면, 모델링 장치는 일정 영역에서 주어진 거리값(예를 들어, 1 mm)보다 서로 가까이 존재하는 대상 입자들(510) 중 대표 입자(530)를 선택할 수 있다. 대표 입자(530)는 도 5(a)에 도시된 것과 같은 대상 입자들의 집합(511, 512, 513, 514)마다 하나씩 결정될 수 있으며, 대표 입자(530)들이 곧 성긴 입자가 될 수 있다.
도 5(c)를 참조하면, 모델링 장치는 550에 도시된 바와 같이 대상 입자들이 위치하는 공간을 격자로 분할하여 복수 개의 셀들로 구분한 후, 분할된 각 셀 별로 대상 입자들을 결합하여 570과 같이 성긴 입자를 생성할 수 있다. 이때, 성긴 입자는 격자로 분할된 각 셀에서 결합된 대상 입자들의 물리적 속성의 대표값 또는 평균값을 가질 수 있다.
도 6은 일 실시예에 따른 대상 입자들을 적응적으로 다운 샘플링하여 서로 다른 크기의 성긴 입자들을 생성하는 방법을 설명하기 위한 도면이다.
대상 객체에 대한 물리적인 모델링 시에 다른 개체와의 충돌이나, 공간의 경계(면)에의 접촉 등에 의해 경계 조건(boundary condition)이 발생하지 않는 이상, 초기에 설정된 대상 객체의 제약 조건은 대체로 유지될 수 있다. 예를 들어, 자유 낙하하는 고무공은 찌그러지지 않다가, 바닥에 접촉하는 순간 변형이 시작되고, 이때 비로소 원형으로 돌아가려는 복원력이 발생한다.
충돌에 의한 변형을 모델링하는 경우, 대상 객체가 바닥에 접촉하는 순간 충돌에 의해 제약 조건의 위반(violation)이 발생되고, 이후, 대상 객체의 제약 조건(예를 들어, 충돌 전의 입자 간격 유지, 충돌 전의 부피 유지 등)을 만족시키는 과정에서 복원력에 의해 원형으로 돌아간 대상 객체가 모델링될 수 있다.
일 실시예에서는 대상 객체의 전체 영역에 대해 다운 샘플링을 골고루 수행하기 보다는, 제약 조건의 위반이 발생하는 일부 영역만을 대상으로 대상 입자들을 적응적으로 다운 샘플링할 수 있다.
예를 들어, 모델링 장치는 대상 객체에 대응하는 대상 입자들의 경계면 주변과 대상 입자들의 입자 별 오차를 분석하고, 제약 조건을 많이 위반하는 일부 영역에 대응되는 대상 입자들을 서로 다른 크기의 성긴 입자들로 생성할 수 있다.
도 6을 참조하면, 입자에 기반하여 유체를 모델링 한 결과가 도시된다.
비압축성 유체의 모델링을 위해, 모델링 장치는 유체의 밀도가 보존되도록 하는 제약 조건을 만족시킬 수 있다. 모델링 장치는 유체의 경계면 주변과 밀도 오차가 심한 영역을 선정하고, 해당 영역에 대응하는 대상 입자들을 대상 입자들의 2배 반경의 크기를 가지는 성긴 입자들(610)로 다운 샘플링할 수 있다. 또한, 모델링 장치는 잔여 영역들에서 대상 입자들의 2.5배 반경의 크기를 가지는 성긴 입자들(630) 및 대상 입자들의 4배 반경의 크기를 가지는 성긴 입자들(650)로 다운 샘플링할 수 있다.
모델링 공간이 3D인 경우, 위에서 설명한 다운 샘플링 과정을 통해 원 대상 입자 대비 1/8~1/64 수준의 해상도를 가지는 성긴 입자들이 생성될 수 있다.
상술한 바와 같이, 일 실시예에 따른 모델링 장치는 제약 조건의 위반이 발생하는 적어도 일부 영역에 대응되는 대상 입자들만을 적응적으로 다운 샘플링 함으로써 계산의 대상이 되는 입자들의 개수를 줄일 수 있다.
모델링 장치는 대상 객체의 기하학적 경계 및 달성하려는 제약 조건의 오차에 대한 임계치를 기준으로 대상 입자들을 적응적으로 다운 샘플링하여 서로 다른 크기의 성긴 입자들을 생성할 수 있다.
실시예에 따라서, 모델링 장치는 충돌이 발생하지 않고, 기하학적 경계에도 해당하지 않는 영역에 대응되는 대상 입자들을 성긴 입자들(650)로 다운 샘플링하고, 성긴 입자들(610), 성긴 입자들(630), 및 성긴 입자들(550)을 대상으로 대상 객체의 제약 조건을 만족하는 보정치를 산출할 수도 있다.
도 7은 다른 실시예에 따른 입자 기반 모델링 방법이 수행되는 과정을 설명하기 위한 도면이다.
도 7을 참조하면, 일 실시예에 따른 모델링 장치는 대상 객체를 입자에 기초하여 대상 입자들에 의해 모델링(710)한 후, 대상 객체를 구성하는 대상 입자들에 외력을 적용할 수 있다(720). 이때, 외력을 미리 주어질 수도 있고, 모델링 장치에 의해 계산될 수도 있다. 모델링 장치는 예를 들어,
Figure 112015069876691-pat00003
에 의해 각 입자들에 작용하는 외력(Ui)을 계산할 수 있다. 이때, t는 시간의 변화량이고, fext(xi)는 i 입자에 미치는 외력을 나타낸다. 모델링 장치는 예를 들어, 타임 스텝(Time step)(dt)을 0.033(30FPS)으로 설정하여 모델링을 수행할 수 있다. 이때, 모델링 장치는 중력과 사용자 상호 작용에 의한 외력을 각 대상 입자 별로 계산하고, 계산된 외력을 이용하여 대상 입자 별 속도를 추정할 수 있다(730).
모델링 장치는 단계(730)에서 추정된 대상 입자 별 속도를 이용하여 제약 조건을 만족하는 대상 입자들의 새로운 위치를 추정할 수 있다(740). 단계(740)에서, 모델링 장치는 예를 들어, p_new(갱신된 위치) = p_old(갱신 전 위치) + dt(시간 변화) * v_new(속도)의 수식을 이용하여 입자 별 위치를 추정할 수 있다.
보다 구체적으로, 모델링 장치는 단계(741) 내지 단계(746)의 과정을 거쳐 제약 조건을 만족하는 대상 입자들의 새로운 위치를 추정할 수 있다(740).
모델링 장치는 유체의 경계면 주변과 밀도 오차가 심한 영역을 선정하고, 해당 영역에 대응하는 대상 입자들을 서로 다른 크기의 성긴 입자들로 적응적으로 다운 샘플링할 수 있다(741).
모델링 장치는 질량, 및 밀도 등과 같은 대상 입자들의 물리적 속성을 성긴 입자들에게 반영할 수 있다(742). 이 과정을 통해 대상 입자들 역시 대상 입자들의 밀도 오차를 갖게 된다.
모델링 장치는 대상 입자들의 물리적 속성이 반영된 성긴 입자들에게 제약 조건을 적용할 수 있다(743). 다시 말해, 모델링 장치는 물리적 속성이 반영된 성긴 입자들이 대상 객체의 제약 조건을 만족하도록 이동시킬 수 있다.
예를 들어, 모델링 장치는 성긴 입자들의 현재 밀도가 대상 객체의 제약 조건을 만족하는 목표 밀도에 도달할 수 있도록 밀도 값의 중력(gradient) 방향 등을 이용하여 성긴 입자들을 이동시킬 수 있다. 물론, 이러한 과정을 통해 성긴 입자들의 밀도가 목표 밀도에 근접하도록 할 수 있으나, 한 번에 제약 조건을 만족시키기는 어렵다. 모델링 장치는 성긴 입자들을 이동시킨 거리, 즉 이동치를 산출할 수 있다(744).
모델링 장치는 산출된 이동치를 보간(Interpolation) 등을 통해 인접한 대상 입자들에게 전달하여 대상 입자들의 위치를 수정할 수 있다(745). 모델링 장치는 이동치를 반영하여 대상 입자들을 실제 이동한 뒤, 이동된 위치에서 대상 입자들의 변화한 밀도를 확인하여 비로소 대상 객체의 제약 조건이 만족되는지를 확인할 수 있다(746). 보정치가 적용된 대상 입자들이 제약 조건을 만족하는 것으로 판단되면, 모델링 장치는 보정치가 적용된 대상 입자들에 의해 대상 입자들을 재정의할 수 있다(747).
모델링 장치는 단계(747)에서의 대상 입자들의 재정의 과정을 통해 대상 입자의 예상 속도를 실제 속도로 갱신할 수 있다(750).
도 8은 일 실시예에 따른 입자 기반 모델링 장치의 블록도이다.
도 8을 참조하면, 일 실시예에 따른 입자 기반 모델링 장치(이하, '모델링 장치')(800)는 메모리(810), 프로세서(830), 및 수신부(850)를 포함한다.
메모리(810)는 대상 입자들에 대한 정보를 저장한다. 또한, 메모리(810)는 예를 들어, 반경, 질량, 밀도, 속도, 위치, 힘, 점성 등과 같은 대상 입자들의 물리적 속성을 저장할 수 있다. 대상 입자들은 대상 객체가 입자에 기반하여 모델링된 경우에 대상 객체를 구성하는 입자들로 이해될 수 있다. 대상 입자들은 프로세서(830)가 대상 객체를 입자에 의해 모델링한 결과로서 획득된 것일 수도 있고, 외부에서 대상 객체를 모델링한 결과에 획득된 것일 수도 있다. 대상 입자들의 물리적 속성 값을 매 타임 스텝(time-step)마다 업데이트될 수 있다.
프로세서(830)는 대상 객체의 적어도 일부 영역에 대응되는 대상 입자들을 다운 샘플링하여 성긴 입자들을 생성한다. 프로세서(830)는 대상 입자들의 물리적 속성을 이용하여 성긴 입자들이 대상 객체의 제약 조건을 만족하는 보정치를 산출한다. 프로세서(830)는 보정치가 적용된 대상 입자들이 제약 조건을 만족하는지 여부를 기초로 대상 입자들을 재정의한다.
프로세서(830)는 대상 객체의 기하학적 경계 및 제약 조건 중 적어도 하나를 기초로, 대상 객체의 적어도 일부 영역에 대응되는 대상 입자들을 적응적으로 다운 샘플링하여 서로 다른 크기의 성긴 입자들을 생성한다.
프로세서(830)는 대상 객체의 기하학적 경계 및 제약 조건의 오차 임계치를 기초로, 대상 객체에서 제약 조건의 위반이 발생하는 적어도 일부 영역을 설정한다. 프로세서(830)는 제약 조건의 위반이 발생하는 적어도 일부 영역에 대응되는 대상 입자들을 다운 샘플링하여 성긴 입자들을 생성한다.
프로세서(830)는 대상 입자들의 물리적 속성을 성긴 입자들에게 반영하고, 물리적 속성이 반영된 성긴 입자들이 제약 조건을 만족하는 위치 보정치를 산출한다.
프로세서(830)는 보정치를 적용하여 대상 입자들의 위치를 이동시키고, 이동된 대상 입자들이 제약 조건을 만족하면, 보정치가 적용된 대상 입자들에 의해 대상 입자들을 재정의한다. 프로세서(830)는 보정치가 적용된 대상 입자들이 제약 조건을 만족하지 않으면, 보정치가 적용된 대상 입자들에 대한 정보를 이용하여 성긴 입자들을 생성한다.
수신부(850)는 대상 객체에 대응되는 대상 입자들에 대한 정보를 수신할 수 있다. 예를 들어, 프로세서(830)에 의해 대상 객체가 대상 입자들로 모델링 된 경우, 수신부(850)는 프로세서(830)로부터 대상 객체에 대응되는 대상 입자들에 대한 정보를 수신할 수 있다. 대상 객체가 모델링 장치(800) 외부의 다른 장치에서 대상 입자들에 의해 모델링된 경우, 수신부(850)는 다른 장치로부터 대상 입자들에 대한 정보를 수신할 수 있다.
일 실시예에 따른 모델링 장치는 예를 들어, 디지털 TV, 스마트 폰, 태블릿 등과 같이 디스플레이를 포함하는 다양한 전자 제품들에 내장 또는 결합되어 비주얼 컨텐츠를 재현할 수 있다.
이상에서 설명된 장치는 하드웨어 구성 요소, 소프트웨어 구성 요소, 및/또는 하드웨어 구성 요소 및 소프트웨어 구성 요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성 요소는, 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
800: 모델링 장치
810: 메모리
830: 프로세서
850: 수신부

Claims (20)

  1. 대상 객체의 기하학적 경계 및 제약 조건 중 적어도 하나를 기초로, 상기 대상 객체에서 상기 제약 조건의 위반이 발생하는 적어도 일부 영역을 설정하는 단계;
    상기 제약 조건의 위반이 발생하는 적어도 일부 영역에 대응되는 대상 입자들을 다운 샘플링하여 성긴 입자들을 생성하는 단계;
    상기 대상 입자들의 물리적 속성을 이용하여 상기 성긴 입자들이 상기 대상 객체의 제약 조건을 만족하는 보정치를 산출하는 단계;
    상기 보정치를 상기 대상 입자들에게 적용하는 단계; 및
    상기 보정치가 적용된 대상 입자들이 상기 제약 조건을 만족하는지 여부에 기초하여 상기 대상 입자들을 재정의하는 단계
    를 포함하는, 입자 기반 모델링 방법.
  2. 제1항에 있어서,
    상기 성긴 입자들을 생성하는 단계는
    상기 대상 객체의 기하학적 경계 및 제약 조건 중 적어도 하나를 기초로, 상기 대상 객체의 적어도 일부 영역에 대응되는 대상 입자들을 다운 샘플링하여 성긴 입자들을 생성하는 단계
    를 포함하는, 입자 기반 모델링 방법.
  3. 제2항에 있어서,
    상기 성긴 입자들을 생성하는 단계는
    상기 대상 객체의 적어도 일부 영역에 대응되는 대상 입자들을 적응적으로 다운 샘플링하여 서로 다른 크기의 성긴 입자들을 생성하는 단계
    를 포함하는, 입자 기반 모델링 방법.
  4. 제1항에 있어서,
    상기 적어도 일부 영역을 설정하는 단계는
    상기 대상 객체의 기하학적 경계 및 상기 제약 조건의 오차 임계치를 기초로, 상기 제약 조건의 위반이 발생하는 적어도 일부 영역을 설정하는 단계
    를 포함하는, 입자 기반 모델링 방법.
  5. 삭제
  6. 제1항에 있어서,
    상기 보정치를 산출하는 단계는
    상기 대상 입자들의 물리적 속성을 상기 성긴 입자들에게 반영(reflect)하는 단계; 및
    상기 물리적 속성이 반영된 성긴 입자들이 상기 제약 조건을 만족하는 위치 보정치를 산출하는 단계
    를 포함하는, 입자 기반 모델링 방법.
  7. 제1항에 있어서,
    상기 대상 입자들을 재정의하는 단계는
    상기 보정치를 상기 대상 입자들에게 적용하는 단계;
    상기 보정치가 적용된 대상 입자들이 상기 제약 조건을 만족하는지 여부를 판단하는 단계; 및
    상기 보정치가 적용된 대상 입자들이 상기 제약 조건을 만족하는 것으로 판단되면, 상기 보정치가 적용된 대상 입자들에 의해 상기 대상 입자들을 재정의하는 단계
    를 포함하는, 입자 기반 모델링 방법.
  8. 제7항에 있어서,
    상기 보정치가 적용된 대상 입자들이 상기 제약 조건을 만족하지 않는 것으로 판단되면, 상기 보정치가 적용된 대상 입자들에 대한 정보를 이용하여 상기 성긴 입자들을 생성하는 단계를 수행하는 단계
    를 더 포함하는, 입자 기반 모델링 방법.
  9. 제1항에 있어서,
    상기 보정치를 상기 대상 입자들에게 적용하는 단계는
    상기 보정치를 적용하여 상기 대상 입자들의 위치를 이동시키는 단계
    를 포함하는, 입자 기반 모델링 방법.
  10. 제1항에 있어서,
    상기 대상 객체에 대응되는 대상 입자들에 대한 정보를 획득하는 단계
    를 더 포함하는, 입자 기반 모델링 방법.
  11. 제1항에 있어서,
    상기 대상 입자들의 물리적 속성은
    상기 대상 입자들의 반경, 질량, 밀도, 속도, 위치, 힘 중 적어도 하나를 포함하는, 입자 기반 모델링 방법.
  12. 제1항에 있어서,
    상기 대상 객체는
    유체(fluid), 또는 변형체(Deformable Body) 중 적어도 하나를 포함하는, 입자 기반 모델링 방법.
  13. 제1항 내지 제4항, 제6항 내지 제12항 중에서 어느 하나의 항의 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
  14. 대상 입자들에 대한 정보를 저장하는 메모리; 및
    대상 객체의 기하학적 경계 및 제약 조건 중 적어도 하나를 기초로, 상기 대상 객체에서 상기 제약 조건의 위반이 발생하는 적어도 일부 영역을 설정하고, 상기 제약 조건의 위반이 발생하는 적어도 일부 영역에 대응되는 대상 입자들을 다운 샘플링하여 성긴 입자들을 생성하고, 상기 대상 입자들의 물리적 속성을 이용하여 상기 성긴 입자들이 상기 대상 객체의 제약 조건을 만족하는 보정치를 산출하며, 상기 보정치가 적용된 대상 입자들이 상기 제약 조건을 만족하는지 여부를 기초로 상기 대상 입자들을 재정의하는 프로세서
    를 포함하는, 입자 기반 모델링 장치.
  15. 제14항에 있어서,
    상기 프로세서는
    상기 대상 객체의 기하학적 경계 및 제약 조건 중 적어도 하나를 기초로, 상기 대상 객체의 적어도 일부 영역에 대응되는 대상 입자들을 적응적으로 다운 샘플링하여 서로 다른 크기의 성긴 입자들을 생성하는, 입자 기반 모델링 장치.
  16. 제14항에 있어서,
    상기 프로세서는
    상기 대상 객체의 기하학적 경계 및 상기 제약 조건의 오차 임계치를 기초로, 상기 대상 객체에서 상기 제약 조건의 위반이 발생하는 적어도 일부 영역을 설정하는, 입자 기반 모델링 장치.
  17. 제14항에 있어서,
    상기 프로세서는
    상기 대상 입자들의 물리적 속성을 상기 성긴 입자들에게 반영하고, 상기 물리적 속성이 반영된 성긴 입자들이 상기 제약 조건을 만족하는 위치 보정치를 산출하는, 입자 기반 모델링 장치.
  18. 제14항에 있어서,
    상기 프로세서는
    상기 보정치를 적용하여 상기 대상 입자들의 위치를 이동시키고, 상기 이동된 대상 입자들이 상기 제약 조건을 만족하면, 상기 보정치가 적용된 대상 입자들에 의해 상기 대상 입자들을 재정의하는, 입자 기반 모델링 장치.
  19. 제18항에 있어서,
    상기 프로세서는
    상기 보정치가 적용된 대상 입자들이 상기 제약 조건을 만족하지 않으면, 상기 보정치가 적용된 대상 입자들에 대한 정보를 이용하여 상기 성긴 입자들을 생성하는, 입자 기반 모델링 장치.
  20. 제14항에 있어서,
    상기 대상 객체에 대응되는 대상 입자들에 대한 정보를 수신하는 수신부
    를 더 포함하는, 입자 기반 모델링 장치.
KR1020150102235A 2015-07-20 2015-07-20 효율적인 제약 조건 처리를 위한 입자 기반 모델링 방법 및 장치 KR102399601B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020150102235A KR102399601B1 (ko) 2015-07-20 2015-07-20 효율적인 제약 조건 처리를 위한 입자 기반 모델링 방법 및 장치
US15/187,135 US10565328B2 (en) 2015-07-20 2016-06-20 Method and apparatus for modeling based on particles for efficient constraints processing

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150102235A KR102399601B1 (ko) 2015-07-20 2015-07-20 효율적인 제약 조건 처리를 위한 입자 기반 모델링 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20170010512A KR20170010512A (ko) 2017-02-01
KR102399601B1 true KR102399601B1 (ko) 2022-05-18

Family

ID=57837852

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150102235A KR102399601B1 (ko) 2015-07-20 2015-07-20 효율적인 제약 조건 처리를 위한 입자 기반 모델링 방법 및 장치

Country Status (2)

Country Link
US (1) US10565328B2 (ko)
KR (1) KR102399601B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201806015D0 (en) * 2018-04-11 2018-05-23 Electronic Arts Inc Cloth self collision with predictive contacts

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110032255A1 (en) 2009-08-10 2011-02-10 Dem Solutions Ltd Method and apparatus for discrete element modeling with a virtual geometry object
US20120284002A1 (en) * 2011-05-05 2012-11-08 Siemens Corporation Simplified Smoothed Particle Hydrodynamics

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8700366B1 (en) 2005-09-06 2014-04-15 The Mathworks, Inc. Variable transport delay modelling mechanism
US7616204B2 (en) 2005-10-19 2009-11-10 Nvidia Corporation Method of simulating dynamic objects using position based dynamics
US7889949B2 (en) 2007-04-30 2011-02-15 Microsoft Corporation Joint bilateral upsampling
EP2026246A1 (en) 2007-08-03 2009-02-18 Harman/Becker Automotive Systems GmbH Method and apparatus for evaluating an image
JP5342761B2 (ja) * 2007-09-11 2013-11-13 プロメテック・ソフトウェア株式会社 粒子法に基づく流体シミュレーションの表面構築方法、そのプログラム、およびそのプログラムを格納した記憶媒体
US8682094B2 (en) 2009-05-12 2014-03-25 Dynamic Invention Llc Adaptive subpixel-based downsampling and filtering using edge detection
US8996337B1 (en) * 2009-07-10 2015-03-31 Nvidia Corporation Hierarchical position-based dynamics
US8588544B2 (en) 2009-10-13 2013-11-19 Sony Corporation Method and system for reducing ringing artifacts of image deconvolution
US8442306B2 (en) 2010-08-13 2013-05-14 Mitsubishi Electric Research Laboratories, Inc. Volume-based coverage analysis for sensor placement in 3D environments
US8922553B1 (en) * 2011-04-19 2014-12-30 Disney Enterprises, Inc. Interactive region-based linear 3D face models
US8823745B2 (en) 2011-06-02 2014-09-02 Yoostar Entertainment Group, Inc. Image processing based on depth information and color data of a scene
KR101978172B1 (ko) 2011-11-29 2019-05-15 삼성전자주식회사 깊이 영상을 고해상도로 변환하는 방법 및 장치
US8922654B2 (en) 2012-03-22 2014-12-30 Exelis, Inc. Algorithm for adaptive downsampling to an irregular grid
KR101470488B1 (ko) 2013-03-04 2014-12-09 동국대학교 산학협력단 Ｖ 사이클을 이용한 멀티그리드 방법 및 장치
KR102205845B1 (ko) * 2013-10-28 2021-01-22 삼성전자주식회사 입자에 기반한 모델링 방법 및 장치
US20150227651A1 (en) * 2014-02-13 2015-08-13 Qualcomm Incorporated Liquid flow simulation techniques
US10733336B2 (en) * 2015-01-16 2020-08-04 Disney Enterprises, Inc. Adaptive material point method
US9842411B2 (en) * 2015-04-03 2017-12-12 Disney Enterprises, Inc. Geometric multigrid on incomplete linear octrees for simulating deformable animated characters

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110032255A1 (en) 2009-08-10 2011-02-10 Dem Solutions Ltd Method and apparatus for discrete element modeling with a virtual geometry object
US20120284002A1 (en) * 2011-05-05 2012-11-08 Siemens Corporation Simplified Smoothed Particle Hydrodynamics

Also Published As

Publication number Publication date
US20170024498A1 (en) 2017-01-26
KR20170010512A (ko) 2017-02-01
US10565328B2 (en) 2020-02-18

Similar Documents

Publication Publication Date Title
Bender et al. Boundary handling and adaptive time-stepping for PCISPH
Bender et al. Divergence-free smoothed particle hydrodynamics
US10102316B2 (en) Virtual reality authoring method
US9830686B2 (en) System and method for simplifying a mesh point cloud
KR102205845B1 (ko) 입자에 기반한 모델링 방법 및 장치
US10210287B2 (en) Augmented material point method for simulating phase changes and varied materials
US20150187116A1 (en) Material point method for simulation of granular materials
CN111868731A (zh) 用于多重物理应用的具有设计相关载荷和边界条件的拓扑优化
KR20170073088A (ko) 패치에 기반하여 연기 난류를 모델링하는 방법 및 장치
US9129075B2 (en) Mesh generation system
KR102459848B1 (ko) 입자에 기반하여 대상 객체를 고속으로 모델링하는 방법 및 장치
KR101319996B1 (ko) 유체 시뮬레이션 방법
JP5892257B2 (ja) シミュレーションプログラム、シミュレーション方法及びシミュレーション装置
KR102399601B1 (ko) 효율적인 제약 조건 처리를 위한 입자 기반 모델링 방법 및 장치
KR20170067374A (ko) 유체 입자에 기반하여 공기 방울의 움직임을 모델링하는 방법 및 장치
JP6663183B2 (ja) オブジェクトをモデリングする方法及び装置
KR20160057173A (ko) 표면 입자들 및 내부 골격 구조를 융합하여 변형체를 모델링하는 방법 및 장치
Zhao et al. Asynchronous implicit backward Euler integration.
KR102263096B1 (ko) 입자로 구성된 객체들을 모델링하는 방법 및 장치
JP6163897B2 (ja) 数値計算プログラム、数値計算方法及び情報処理装置
KR20170011515A (ko) 사전 계산을 이용하여 대상체를 모델링 및 복원하는 방법 및 장치
US20160063152A1 (en) Method and apparatus for modeling deformable body including particles
Ong et al. Immersed boundary method with irrotational discrete delta vector for droplet simulations of large density ratio
KR101470488B1 (ko) Ｖ 사이클을 이용한 멀티그리드 방법 및 장치
US20150103077A1 (en) Intersection avoidance in mesh editing

Legal Events

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