KR102540518B1 - 3차원 모델을 생성하는 장치 및 방법 - Google Patents

3차원 모델을 생성하는 장치 및 방법 Download PDF

Info

Publication number
KR102540518B1
KR102540518B1 KR1020220149394A KR20220149394A KR102540518B1 KR 102540518 B1 KR102540518 B1 KR 102540518B1 KR 1020220149394 A KR1020220149394 A KR 1020220149394A KR 20220149394 A KR20220149394 A KR 20220149394A KR 102540518 B1 KR102540518 B1 KR 102540518B1
Authority
KR
South Korea
Prior art keywords
figures
information
shape
category
unit
Prior art date
Application number
KR1020220149394A
Other languages
English (en)
Inventor
전지혜
이유진
서민재
임현규
최희조
Original Assignee
주식회사 스탠스
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 주식회사 스탠스 filed Critical 주식회사 스탠스
Priority to KR1020220149394A priority Critical patent/KR102540518B1/ko
Application granted granted Critical
Publication of KR102540518B1 publication Critical patent/KR102540518B1/ko

Links

Images

Classifications

    • 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
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

3차원 모델을 생성하는 장치는 2차원 캐드(CAD) 데이터에 포함된 복수의 도형을 기설정된 복수의 분류 카테고리 중 어느 하나로 분류하는 분류부, 분류된 분류 카테고리 각각에 포함된 도형에 대한 외곽선을 검출하고, 검출된 외곽선에 기초하여 도형의 형태를 예측하는 형태 예측부, 도형의 형태에 기초하여 도형에 대한 수치 정보를 도형에 포함된 적어도 하나의 선분에 매핑하는 수치 매핑부, 분류 카테고리 각각에 포함된 도형에 대한 수치 정보를 비교하여 분류 카테고리 각각에 포함된 도형 간의 관계 정보를 도출하는 관계 도출부 및 도형 간의 관계 정보에 기초하여 2차원 캐드 데이터에 대한 3차원 모델을 생성하는 모델 생성부를 포함할 수 있다.

Description

3차원 모델을 생성하는 장치 및 방법{METHOD AND DEVICE FOR GENERATING THREE-DIMENSIONAL MODEL}
본 발명은 3차원 모델을 생성하는 장치 및 방법에 관한 것이다.
최근 다양한 3차원 객체 기술이 여러 분야에서 활용되면서, 제조 등의 산업 분야에서도 3차원 객체 기술을 활용하고자 하는 움직임이 있다.
3차원 객체 생성 기술은 제품을 가상공간에서 목업(mock-up) 형태로 미리 확인할 수 있어, 실제 생산 전에 제품의 형태를 미리 확인하고 보완하는 용도로서 사용되고 있다. 그 중에서도 3차원 객체가 캐드(CAD) 데이터를 기반으로 생성되는 경우에는 객체 정보를 정밀하게 반영할 수 있다.
한편, 2차원 캐드 데이터는 사물의 각 측면 정보를 일부만(X,Y) 가지고 있고 정합을 위한 정보(Z)는 가지고 있지 않다. 따라서, 기존의 캐드 데이터가 2차원 형태로 존재하고 있는 것을 고려할 경우, 3차원 객체 정합을 위한 연구와 개발이 추가적으로 필요한 실정이다.
기존의 2차원 캐드 데이터를 기반으로 3차원 객체 생성을 자동화하기 위해서는 2차원 캐드 데이터 내의 각 측면 정보를 파악하고, 각 측면 내에 존재하는 사물 정보를 인식하는 기술이 필요하다.
현재까지는 치수(길이) 정보를 파악하는 기술과 일부 도형의 형태(예컨대, 원형, 정사각형)를 파악하는 기술만 존재할 뿐, 도형의 형태를 예측하거나 다각형(예컨대, 삼각형, 사각형 이상의 도형, 곡선을 포함한 불규칙한 형태의 도형)을 인식하고 정합하는 기술은 고려되고 있지 않다.
한국등록특허공보 제10-191147호 (2018.10.18. 등록)
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 2차원 캐드(CAD) 데이터에 포함된 복수의 도형을 기설정된 복수의 분류 카테고리 중 어느 하나로 분류한 후, 분류 카테고리 각각에 포함된 도형의 형태를 예측하고자 한다. 또한, 본 발명은 분류 카테고리 각각에 포함된 도형 간의 관계 정보에 기초하여 2차원 캐드 데이터에 대한 3차원 모델을 생성하고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 3차원 모델을 생성하는 장치는 2차원 캐드(CAD) 데이터에 포함된 복수의 도형을 기설정된 복수의 분류 카테고리 중 어느 하나로 분류하는 분류부; 상기 분류된 분류 카테고리 각각에 포함된 도형에 대한 외곽선을 검출하고, 상기 검출된 외곽선에 기초하여 상기 도형의 형태를 예측하는 형태 예측부; 상기 도형의 형태에 기초하여 상기 도형에 대한 수치 정보를 상기 도형에 포함된 적어도 하나의 선분에 매핑하는 수치 매핑부; 상기 분류 카테고리 각각에 포함된 도형에 대한 수치 정보를 비교하여 상기 분류 카테고리 각각에 포함된 도형 간의 관계 정보를 도출하는 관계 도출부 및 상기 도형 간의 관계 정보에 기초하여 상기 2차원 캐드 데이터에 대한 3차원 모델을 생성하는 모델 생성부를 포함할 수 있다.
본 발명의 제 2 측면에 따른 3차원 모델 생성 장치에 의해 수행되는 3차원 모델을 생성하는 방법은 2차원 캐드(CAD) 데이터에 포함된 복수의 도형을 기설정된 복수의 분류 카테고리 중 어느 하나로 분류하는 단계; 상기 분류된 분류 카테고리 각각에 포함된 도형에 대한 외곽선을 검출하고, 상기 검출된 외곽선에 기초하여 상기 도형의 형태를 예측하는 단계; 상기 도형의 형태에 기초하여 상기 도형에 대한 수치 정보를 상기 도형에 포함된 적어도 하나의 선분에 매핑하는 단계; 상기 분류 카테고리 각각에 포함된 도형에 대한 수치 정보를 비교하여 상기 분류 카테고리 각각에 포함된 도형 간의 관계 정보를 도출하는 단계 및 상기 도형 간의 관계 정보에 기초하여 상기 2차원 캐드 데이터에 대한 3차원 모델을 생성하는 단계를 포함할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 본 발명은 2차원 캐드(CAD) 데이터에 포함된 복수의 도형을 기설정된 복수의 분류 카테고리 중 어느 하나로 분류한 후, 분류 카테고리 각각에 포함된 도형의 형태를 예측하고자 한다. 또한, 본 발명은 분류 카테고리 각각에 포함된 도형 간의 관계 정보에 기초하여 2차원 캐드 데이터에 대한 3차원 모델을 생성할 수 있다.
이를 통해, 본 발명은 불규칙한 형태를 갖는 도형의 정보를 최대한 파악하고 정합할 수 있는 정보를 이용하여 2차원 캐드 데이터에 대한 3차원 모델을 생성할 수 있다.
도 1은 본 발명의 일 실시예에 따른, 3차원 모델 생성 장치의 블록도이다.
도 2는 본 발명의 일 실시예에 따른, 도형의 형태를 예측하는 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른, 도형의 형태 정보를 저장하는 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른, OCR 결과에 따른 선분의 치수 정보 변환 방법을 설명하기 위한 도면이다.
도 5a 내지 5b는 본 발명의 일 실시예에 따른, 3차원 모델을 생성하는 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른, 3차원 모델을 생성하는 방법을 나타낸 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하, 첨부된 구성도 또는 처리 흐름도를 참고하여, 본 발명의 실시를 위한 구체적인 내용을 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른, 3차원 모델 생성 장치(10)의 블록도이다.
도 1을 참조하면, 3차원 모델 생성 장치(10)는 분류부(100), 형태 예측부(110), 수치 매핑부(120), 관계 도출부(130) 및 모델 생성부(140)를 포함할 수 있다. 다만, 도 1에 도시된 3차원 모델 생성 장치(10)는 본 발명의 하나의 구현 예에 불과하며, 도 1에 도시된 구성요소들을 기초로 하여 여러 가지 변형이 가능하다.
이하에서는 도 2 내지 도 5b를 함께 참조하여 도 1을 설명하기로 한다.
분류부(100)는 2차원 캐드(CAD) 데이터에 포함된 복수의 도형을 기설정된 복수의 분류 카테고리 중 어느 하나로 분류할 수 있다. 또한, 분류부(100)는 각 분류 카테고리별로 분류된 도형마다 라벨링 작업을 수행할 수 있다.
복수의 분류 카테고리가 4분류로 존재하는 경우, 복수의 분류 카테고리는 예를 들어, 좌측면(LEFT) 카테고리(좌측면 이미지에 해당), 정면(FRONT) 카테고리(정면 이미지에 해당), 우측면(RIGHT) 카테고리(우측면 이미지에 해당) 및 상측면(TOP) 카테고리(상측면 이미지에 해당)를 포함할 수 있다.
예를 들어, 분류부(100)는 좌측면 카테고리로 분류된 도형의 이미지에 좌측면 데이터를 라벨링하고, 정면 카테고리로 분류된 도형의 이미지에 정면 데이터를 라벨링하고, 우측면 카테고리로 분류된 도형의 이미지에 우측면 데이터를 라벨링할 수 있다. 이 때, 좌측면 데이터 또는 우측면 데이터의 경우, 예를 들어, 왼쪽에 있는 것을 기준으로 판단될 수 있다.
복수의 분류 카테고리가 3분류로 존재하는 경우, 복수의 분류 카테고리는 예를 들어, 정면(FRONT) 카테고리, 측면(SIDE) 카테고리 및 상측면(TOP) 카테고리를 포함할 수 있다.
예를 들어, 분류부(100)는 특정 도형의 측면이 좌우 구별이 없을 때, 특정 도형이 하나의 측면 데이터만 존재한다고 판단할 수 있다. 예를 들어, 분류부(100)는 정면으로 판단된 특정 도형의 Y축 길이(높이) 정보가 동일하면 특정 도형을 측면으로 판단하고, 동일하지 않으면 특정 도형을 상측면으로 판단할 수 있다. 예를 들어, 분류부(100)는 측면 카테고리 및 상측면 카테고리에 분류된 특정 도형의 Y축 길이 정보가 모두 동일한 경우, 특정 도형을 측면 카테고리로 분류할 수 있다.
복수의 분류 카테고리가 2분류로 존재하는 경우, 복수의 분류 카테고리는 예를 들어, 정면(FRONT) 카테고리 및 상측면(TOP) 카테고리를 포함할 수 있다.
이 경우, 분류부(100)는 도형의 측면 데이터가 정면 데이터 또는 상측면 데이터와 다르지 않기 때문에 도형의 정면 데이터가 회전하여 상측면에서 면을 이룰 것으로 예측할 수 있다.
형태 예측부(110)는 분류된 각 분류 카테고리(또는 각 측면 이미지)에 포함된 도형에 대한 외곽선을 검출하고, 검출된 외곽선에 기초하여 도형의 형태를 예측할 수 있다.
예를 들어, 도 2를 참조하면, 형태 예측부(110)는 각 분류 카테고리로 분류된 도형의 이미지(예컨대, 정면 이미지, 측면 이미지, 상측면 이미지 등)로부터 외곽선을 검출하고, 검출된 외곽선을 근사화하여 꼭지점과 직선으로 변환한 후 각 이미지에 포함된 적어도 하나의 도형의 종류가 사각형(200), 원(210) 및 다각형(220) 중 어느 하나에 속하는지 판단할 수 있다.
형태 예측부(110)는 외곽선의 근사화에 따른 도형의 꼭지점의 개수와 내각의 합을 이용하여 도형의 종류를 사각형(200)으로 판별할 수 있다. 예를 들어, 형태 예측부(110)는 도형의 꼭지점이 4개이고, 내각이 모두 90도인 경우, 도형의 종류를 사각형(200)으로 판단할 수 있다. 이 때, 형태 예측부(110)는 도형의 종류가 사각형(200)으로 판단되면, 해당 도형의 유형 정보(Rectangle), 도형의 두 변의 길이, 도형의 너비 및 높이, 회전 정도 등을 해당 도형에 매핑하여 저장할 수 있다.
형태 예측부(110)는 도형의 외곽선으로 구성된 도형의 넓이와 외곽선의 외접원의 넓이를 비교하여 도형의 종류를 원(210)으로 판별할 수 있다. 예를 들어, 형태 예측부(110)는 도형의 외곽선의 넓이와 외곽선의 외접원의 넓이가 같은 경우, 도형의 종류를 원(210)으로 판별할 수 있다. 이 때, 형태 예측부(110)는 도형의 종류가 원(210)으로 판단되면, 해당 도형의 유형 정보(Circle), 반지름 길이, 외접사각형의 너비 및 높이를 해당 도형에 매핑하여 저장할 수 있다.
형태 예측부(110)는 도형의 종류가 사각형(200)도 원(210)도 아닌 경우, 해당 도형의 종류를 다각형(220)으로 판별할 수 있다. 예를 들어, 형태 예측부(110)는 도형을 이루는 각 꼭지점의 좌표 비교를 통해 도형의 꼭지점 좌표가 x축 또는 y축으로 대칭인 경우, 해당 도형의 종류를 회전체(230)로 판별할 수 있다. 이 때, 형태 예측부(110)는 도형의 종류가 회전체(230)로 판단되면, 해당 도형의 유형 정보(Symmetry), 꼭지점 좌표 모음, 대칭축 정보, 외접사각형의 너비 및 높이 정보 등을 해당 도형에 매핑하여 저장할 수 있다.
또한, 형태 예측부(110)는 도형이 회전체가 아닌 경우 해당 도형의 종류를 그 외 다각형(240)으로 판별할 수 있다. 이 때, 형태 예측부(110)는 도형의 종류가 그 외 다각형(240)으로 판단되면, 해당 도형의 유형 정보(Other), 도형의 꼭지점 좌표 모음, 외접사각형의 너비 및 높이 정보를 해당 도형에 매핑하여 저장할 수 있다.
형태 예측부(110)는 예측된 도형의 형태에 따라 도형의 내부에 위치하는 적어도 하나의 내부 도형을 예측하고, 내부 도형 간의 위치 관계를 이용하여 도형에 대한 형태 정보를 저장할 수 있다.
예를 들어, 도 3을 참조하면, 캐드 데이터에 포함된 도형(도면부호 300에 해당하는 도면)이 정면 카테고리(또는 정면 이미지)로 분류된 경우, 형태 예측부(110)는 정면 카테고리(또는 정면 이미지)(300)에 포함된 제 1 도형(object[0]), 제 2 도형(object[1]), 제 3 도형(object[2]) 및 제 4 도형(object[3]) 각각에 대한 도형 형태를 판별한 후, 각 도형의 위치 관계를 이용하여 제 1 도형(object[0]), 제 2 도형(object[1]) 및 제 3 도형(object[2])을 제 1 그룹(group[0])으로 그룹화하고, 제 4 도형(object[3])을 제 2 그룹(group[1])으로 그룹화할 수 있다. 이어서, 형태 예측부(110)는 제 1 그룹(group[0])에 포함된 제 1 도형(object[0]), 제 2 도형(object[1]) 및 제 3 도형(object[2]) 간의 포함 관계에 따라 제 1 도형(object[0])의 내부에 위치하는 제 2 도형(object[1]) 및 제 3 도형(object[2])을 내부 도형으로 판단할 수 있다.
다른 예를 들어, 형태 예측부(110)는 캐드 데이터에 포함된 도형(도면부호 310에 해당하는 도면)이 측면 카테고리(또는 측면 이미지)로 분류된 경우, 측면 카테고리(또는 측면 이미지)(310)에 포함된 제 1 도형(object[0]), 제 2 도형(object[1]), 제 3 도형(object[2]) 및 제 4 도형(object[3]) 각각에 대한 도형 형태를 판별한 후, 각 도형의 위치 관계를 이용하여 제 1 도형(object[0]), 제 2 도형(object[1]) 및 제 3 도형(object[2])을 제 1 그룹(group[0])으로 그룹화하고, 제 4 도형(object[3])을 제 2 그룹(group[1])으로 그룹화할 수 있다. 이어서, 형태 예측부(110)는 제 1 그룹(group[0])에 포함된 제 1 도형(object[0]), 제 2 도형(object[1]) 및 제 3 도형(object[2]) 간의 포함 관계에 따라 제 1 도형(object[0])의 내부에 위치하는 제 2 도형(object[1]) 및 제 3 도형(object[2])을 내부 도형으로 판단할 수 있다.
다른 예를 들어, 캐드 데이터에 포함된 도형(도면부호 320에 해당하는 도면)이 상측면 카테고리(또는 상측면 이미지)로 분류된 경우, 형태 예측부(110)는 상측면 카테고리(또는 상측면 이미지)(320)에 포함된 제 1 도형(object[0]), 제 2 도형(object[1]), 제 3 도형(object[2]) 및 제 4 도형(object[3]) 각각에 대한 도형 형태를 판별한 후, 각 도형의 위치 관계를 이용하여 제 1 도형(object[0])을 제 1 그룹(group[0])으로 그룹화하고, 제 2 도형(object[1])을 제 2 그룹(group[1])으로 그룹화하고, 제 3 도형(object[2]) 및 제 4 도형(object[3])을 제 3 그룹(group[2])으로 그룹화할 수 있다. 이어서, 형태 예측부(110)는 제 3 그룹(group[2])에 포함된 제 3 도형(object[2]) 및 제 4 도형(object[3]) 간의 포함 관계에 따라 제 3 도형(object[2])의 내부에 위치하는 제 4 도형(object[3])을 내부 도형으로 판단할 수 있다.
이어서, 형태 예측부(110)는 각 그룹별 도형의 위치 관계, 내부 도형 간의 위치 관계를 이용하여 각 도형에 대한 형태 정보를 저장할 수 있다.
다시 도 1로 돌아오면, 수치 매핑부(120)는 각 분류 카테고리에 포함된 도형의 이미지로부터 도형에 포함된 적어도 하나의 선분에 대한 수치 정보를 도출할 수 있다.
예를 들어, 수치 매핑부(120)는 도형의 크기를 표현하기 위해 OCR(Optical Character Reader) 알고리즘을 이용하여 2차원 캐드 데이터에 표현된 해당 도형의 각 선분에 대한 실제 수치를 추출할 수 있다.
예를 들어, 2차원 캐드 데이터의 경우, 선분의 형태에 따라 도형의 선분에 대한 수치 정보가 가로 또는 세로로 출력되어 있기 때문에, 수치 매핑부(120)는 2차원 캐드 데이터로부터 도형의 각 선분에 대한 수치 정보가 포함된 문자 영역을 검출한 후, 해당 문자 영역을 회전하고, 회전된 문자 영역을 OCR 알고리즘에 입력하여 도형의 각 선분에 대한 수치 정보를 추출할 수 있다. 이 때, 수치 매핑부(120)는 OCR 알고리즘을 통해 추출된 인식 점수가 가장 높은 수치 정보를 해당 도형의 각 선분에 대한 실제 수치로 판단할 수 있다.
수치 매핑부(120)는 도형의 형태에 기초하여 도형에 대한 수치 정보를 도형에 포함된 적어도 하나의 선분에 매핑할 수 있다.
수치 매핑부(120)는 각 분류 카테고리에 포함된 각 도형의 적어도 하나의 선분에 대한 실제 수치 정보를 각 도형의 선분마다 매핑할 수 있다.
예를 들어, 수치 매핑부(120)는 도형을 구성하는 복수의 선분 중 길이가 가장 긴 선분과 해당 도형의 각 선분에 대한 OCR 결과 중 수치가 가장 큰 값을 갖는 선분을 동일한 선분으로 가정할 수 있다. 이 때, 오인식을 방지하기 위해, 수치 매핑부(120)는 길이가 가장 긴 선분의 위치 정보와 수치가 가장 큰 값을 갖는 선분의 위치 정보를 비교하여 기설정된 임계값 내에 두 선분의 위치 정보가 존재할 경우 같은 선분인 것으로 판단할 수 있다.
수치 매핑부(120)는 동일 선분으로 판단된 해당 선분에 대하여 해당 선분의 픽셀 정보와 실제 수치 정보 간의 비율을 계산하고, 계산된 비율을 도형의 나머지 선분(다른 픽셀 크기를 갖는 선분)마다 적용시킬 수 있다. 이 때, 수치 매핑부(120)는 OCR 결과에 맞게 변환된 도형을 구성하는 각 선분의 치수 정보를 각 선분에 매핑하여 데이터베이스에 저장할 수 있다.
예를 들어, 도 4를 참조하면 수치 매핑부(120)는 분류 카테고리에 포함된 도형이 사각형(200)인 경우, 비례식을 활용하여 사각형 도형(200)의 너비 및 높이를 각 대응하는 선분마다 픽셀 단위가 아닌 실제 수치 정보를 적용시킬 수 있다. 또한, 수치 매핑부(120)는 분류 카테고리에 포함된 도형이 원(210)인 경우, 비례식을 활용하여 원 도형(210)의 반지름, 외접사각형의 너비 및 높이를 각 대응하는 선분마다 실제 수치 정보를 적용시킬 수 있다. 또한, 수치 매핑부(120)는 분류 카테고리에 포함된 도형이 회전체(230)인 경우, 비례식을 활용하여 회전체 도형(230)의 외접사각형의 너비 및 높이를 각 대응하는 선분마다 실제 수치 정보를 적용시킬 수 있다. 또한, 수치 매핑부(120)는 분류 카테고리에 포함된 도형이 그 외 다각형(240)인 경우, 비례식을 활용하여 그 외 다각형 도형(240)의 외접사각형의 너비 및 높이를 각 대응하는 선분마다 실제 수치 정보를 적용시킬 수 있다. 또한, 수치 매핑부(120)는 꼭지점 좌표별 픽셀 좌표 모음을 갖고 있는 다각형(220)의 경우 외분점 공식을 활용하여 꼭지점 좌표를 변환하여 다각형의 크기를 조정할 수 있다.
다시 도 1로 돌아오면, 관계 도출부(130)는 분류된 분류 카테고리 각각에 포함된 도형에 대한 수치 정보를 비교하여 분류 카테고리 각각에 포함된 도형 간의 관계 정보를 도출할 수 있다.
관계 도출부(130)는 전체 큰 도형 내에 내부 도형이 포함되어 있는 경우, 해당 내부 도형의 측면 데이터 및 상측면 데이터에 기초하여 해당 내부 도형의 형태가 돌출 형태 또는 함몰 형태로 구성되어 있는지를 예측할 수 있다. 여기서, 측면 데이터에 기초한 내부 도형의 도출/함몰 형태는 예를 들어, 정면 카테고리에 포함된 도형 중 크기가 가장 큰 도형의 가장 좌측변을 기준으로 판단될 수 있다. 여기서, 상측면 데이터에 기초한 내부 도형의 도출/함몰 형태는 예를 들어, 크기가 가장 큰 도형의 상측면 데이터 및 해당 가장 큰 도형의 외부에 도형이 있는지 여부에 기초하여 판단될 수 있다.
예를 들어, 관계 도출부(130)는 정면 카테고리에서 검출된 도형이 측면 카테고리나 상측면 카테고리에서 검출되지 않을 경우, 해당 도형을 함몰 형태를 갖는 도형으로 판단할 수 있다. 만일, 해당 도형이 측면 카테고리나 측면 카테고리에서 발견될 경우, 관계 도출부(130)는 해당 도형을 돌출 형태를 갖는 도형으로 판단할 수 있다.
관계 도출부(130)는 분류 카테고리 각각에 포함된 도형에 대한 수치 정보를 비교하여 동일한 도형인지 여부를 판단하고, 동일한 도형인지 여부에 기초하여 도형 간의 관계 정보를 도출할 수 있다.
관계 도출부(130)는 분류 카테고리 각각에 포함된 도형에 대한 수치 정보를 비교하여 동일한 도형을 추출하고, 추출된 도형과 다른 분류 카테고리에 포함된 도형과 비교하여 특정 값이 일치하는 도형을 추출할 수 있다.
예를 들어, 관계 도출부(130)는 정면 카테고리에 속한 도형의 높이와 측면 카테고리에 속한 도형의 높이가 동일하면, 해당 도형들을 동일한 도형으로 판단할 수 있다. 예를 들어, 관계 도출부(130)는 정면 카테고리에 속한 도형의 너비와 상측면 카테고리에 속한 도형의 너비가 같은 경우, 해당 도형들을 동일한 도형으로 판단할 수 있다. 이와 같이, 관계 도출부(130)는 각 분류 카테고리에서 너비와 높이를 서로 비교하여 동일한 도형을 검출함으로써 정면 카테고리에서 확인할 수 없었던 도형의 3차원 정보인 깊이 정보를 도출할 수 있다. 예를 들어, 관계 도출부(130)는 정면 카테고리에서 검출된 도형이 측면 카테고리나 상측면 카테고리에서 검출되지 않을 경우, 해당 도형을 함몰 형태를 갖는 도형으로 판단할 수 있다. 만일, 해당 도형이 측면 카테고리나 측면 카테고리에서 발견될 경우, 관계 도출부(130)는 해당 도형을 돌출 형태를 갖는 도형으로 판단할 수 있다.
관계 도출부(130)는 각 도형에 대한 형태 정보를 바탕으로 각 도형에 대한 3차원 정보를 구성할 수 있다.
관계 도출부(130)는 정면 카테고리에 포함된 도형의 높이 정보(도형의 외접사각형의 높이 정보)와 측면 카테고리에 포함된 높이 정보(도형의 외접사각형의 높이 정보)를 비교하여 도형에 대한 3차원 정보를 구성할 수 있다.
구체적으로, 관계 도출부(130)는 정면 카테고리에 속하는 도면의 높이와 측면 카테고리에 속하는 도면의 높이를 비교하여 동일한 도형을 탐색할 수 있다.
이어서, 관계 도출부(130)는 동일한 도형이 탐색되면 측면 카테고리에 속하는 해당 도면의 너비 정보를 정면 카테고리에 속하는 해당 도면의 깊이 정보로 매칭할 수 있다.
예를 들어, 도 3을 참조하면, 정면 카테고리(300)에 포함된 제 1 도형(object[0])의 높이 정보와 측면 카테고리(310)에 포함된 제 1 도형(object[0])의 높이 정보가 같으므로, 정면 카테고리(300)에 포함된 제 1 도형(object[0])의 깊이 정보에 측면 카테고리(310)에 포함된 제 1 도형(object[0])의 너비 정보를 매칭함으로써 제 1 도형(object[0])에 대한 3차원 도형이 생성될 수 있다.
만일 높이 정보가 동일한 도형을 찾을 수 없는 경우는 정면 카테고리(300)에 속하는 도형이 보이지만 측면 카테고리(310)에 속하는 도형이 보이지 않는다는 것을 의미할 수 있다. 이 경우, 정면 카테고리(300)에 속하는 해당 도형의 형태는 함몰 형태로 설정될 수 있다. 예를 들어, 정면 카테고리(300)의 제 2 도형(object[1])이나 제 3 도형(object[2])은 측면 카테고리(310)에서 높이가 같은 도형을 찾을 수 없으므로 제 2 도형(object[1])이나 제 3 도형(object[2])은 함몰 상태로 설정될 수 있다. 제 2 도형(object[1])이나 제 3 도형(object[2])은 이미 동일한 도형을 찾은 제 1 도형(object[0])이 그룹핑된 제 1 그룹(group[0])이므로 제 1 도형(object[0])의 깊이 정보가 설정될 수 있다.
관계 도출부(130)는 정면 카테고리(300)의 제 4 도형(object[3])의 경우, 측면 카테고리(310)의 제 2 도형(object[1])의 외접 사각형과 높이가 일치하므로 동일한 도형이라 판단할 수 있다.
관계 도출부(130)는 측면 카테고리(310)의 마름모 형태의 제 2 도형(object[1])이 정면 카테고리(300)의 제 1 도형(object[0])에 돌출된 형태로 구성되어 있다고 판단할 수 있다.
따라서 관계 도출부(130)는 측면 카테고리(310)의 제 2 도형(object[1])에 깊이 정보를 정면 카테고리(300)의 제 4 도형(object[3])의 너비 정보로 할당하고, 이 정보를 정면 카테고리(300)의 제 4 도형(object[3])에 업데이트할 수 있다.
정면 카테고리(300)의 제 4 도형(object[3])은 직사각형이지만 측면에서 봤을 때는 마름모이므로 제 4 도형(object[3])의 측면 데이터가 제 4 도형(object[3])의 정면 데이터에 적용될 수 있다.
관계 도출부(130)는 정면 카테고리에 속하는 도면의 너비 정보와 상측면 카테고리에 속하는 도면의 너비 정보를 비교하여 도형에 대한 3차원 정보를 구성할 수 있다.
관계 도출부(130)는 정면 카테고리에 속한 도형의 너비 정보를 상측면 카테고리에 속한 도형의 너비를 비교하여 동일한 도형을 찾고 해당 도형에 깊이 정보를 할당할 수 있다.
관계 도출부(130)는 측면 카테고리에 속하는 도형 중 깊이 정보가 할당되지 않은 도형의 너비 정보와 상측면 카테고리에 속하는 도형의 높이 정보를 비교할 수 있다. 예를 들어, 도 3을 참조하면, 측면 카테고리(310)의 제 3 도형(object[2])은 그룹 내에 있지만, 상측면 카테고리(320)에서 일치하는 도형이 없으므로 제 3 도형(object[2])은 함몰 형태로 설정될 수 있다. 측면 카테고리(310)의 제 4 도형(object[3])의 너비 정보와 상측면 카테고리(320)의 제 3 도형(object[2])의 높이 정보가 같으므로 제 4 도형(object[3]) 및 제 3 도형(object[2])은 동일 도형으로 판단될 수 있다. 측면 카테고리(310)의 제 4 도형(object[3])은 이미 깊이 정보가 설정된 제 1 도형(object[0])의 그룹과 다르고 상측면 카테고리(320)에서도 별개 그룹으로 구성되어 있으므로 함몰 형태가 아닌 돌출 형태로 설정될 수 있다.
관계 도출부(130)는 상측면 카테고리에서 깊이 정보가 할당되지 않은 도형을 앞서 설명한 3차원 도형이 구성된 도형과 비교하고, 비교 결과에 따라 일치하는 도형이 있는지 탐색할 수 있다. 만일, 3차원으로 구성된 도형에서 일치하는 도형을 탐색하지 못한 경우, 상측면 카테고리에서만 보이는 도형으로 판단될 수 있다. 예를 들어, 도 3을 참조하면, 상측면 카테고리(320)의 제 4 도형(object[3])은 제 3 도형(object[2])의 그룹에 속한 도형으로 상측면 카테고리(320)에서만 보이기 때문에 함몰 형태로 설정될 수 있다.
모델 생성부(140)는 도형 간의 관계 정보에 기초하여 2차원 캐드 데이터에 대한 3차원 모델을 생성할 수 있다. 예를 들어, 도 5a를 참조하면, 모델 생성부(140)는 2차원 캐드 데이터에 포함된 복수의 도형을 3차원 도형으로 구성하고, 3차원 도형 간의 정합을 통해 생성된 3차원 모델(500)을 3차원 공간에 출력할 수 있다.
예를 들어, 모델 생성부(140)는 측면 카테고리에 속한 특정 도형의 종류가 사각형 도형일 경우, 해당 특정 도형을 3차원 기둥 모델로 생성할 수 있다. 예를 들어, 모델 생성부(140)는 정면 카테고리 및 측면 카테고리 각각에서 속하는 특정 도형의 종류가 원 도형일 경우, 해당 특정 도형을 3차원 구 모델로 생성할 수 있다. 예를 들어, 모델 생성부(140)는 정면 카테고리에 속하는 특정 도형의 종류가 원 도형이고, 측면 카테고리에 속하는 해당 특정 도형이 x축 또는 y축이 대칭인 경우, 해당 특정 도형을 3차원 회전체 모델로 생성할 수 있다.
예를 들어, 도 5b를 참조하면, 모델 생성부(140)는 각 분류 카테고리별로 대응되는 2차원 도형(510) 간의 관계 정보에 기초하여 2차원 도형들을 3차원으로 변환하고, 변환된 3차원 도형들을 정합하여 3차원 모델(520)을 생성할 수 있다.
한편, 당업자라면, 분류부(100), 형태 예측부(110), 수치 매핑부(120), 관계 도출부(130) 및 모델 생성부(140) 각각이 분리되어 구현되거나, 이 중 하나 이상이 통합되어 구현될 수 있음을 충분히 이해할 것이다.
도 6은 본 발명의 일 실시예에 따른, 3차원 모델을 생성하는 방법을 나타낸 흐름도이다.
도 6을 참조하면, 단계 S601에서 3차원 모델 생성 장치(10)는 2차원 캐드 데이터에 포함된 복수의 도형을 기설정된 복수의 분류 카테고리 중 어느 하나로 분류할 수 있다.
단계 S603에서 3차원 모델 생성 장치(10)는 분류된 분류 카테고리 각각에 포함된 도형에 대한 외곽선을 검출하고, 검출된 외곽선에 기초하여 도형의 형태를 예측할 수 있다.
단계 S605에서 3차원 모델 생성 장치(10)는 도형의 형태에 기초하여 도형에 대한 수치 정보를 도형에 포함된 적어도 하나의 선분에 매핑할 수 있다.
단계 S607에서 3차원 모델 생성 장치(10)는 분류 카테고리 각각에 포함된 도형에 대한 수치 정보를 비교하여 분류 카테고리 각각에 포함된 도형 간의 관계 정보를 도출할 수 있다.
단계 S609에서 3차원 모델 생성 장치(10)는 도형 간의 관계 정보에 기초하여 상기 2차원 캐드 데이터에 대한 3차원 모델을 생성할 수 있다.
상술한 설명에서, 단계 S601 내지 S609는 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 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. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상세한 설명보다는 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.
10: 3차원 모델 생성 장치
100: 분류부
110: 형태 예측부
120: 수치 매핑부
130: 관계 도출부
140: 모델 생성부

Claims (10)

  1. 3차원 모델을 생성하는 장치에 있어서,
    2차원 캐드(CAD) 데이터에 포함된 복수의 도형을 기설정된 복수의 분류 카테고리 중 어느 하나로 분류하는 분류부;
    상기 분류된 분류 카테고리 각각에 포함된 도형에 대한 외곽선을 검출하고, 상기 검출된 외곽선에 기초하여 상기 도형의 형태를 예측하는 형태 예측부;
    상기 도형의 형태에 기초하여 상기 도형에 대한 수치 정보를 상기 도형에 포함된 적어도 하나의 선분에 매핑하는 수치 매핑부;
    상기 분류 카테고리 각각에 포함된 도형에 대한 수치 정보를 비교하여 상기 분류 카테고리 각각에 포함된 도형 간의 관계 정보를 도출하는 관계 도출부 및
    상기 도형 간의 관계 정보에 기초하여 상기 2차원 캐드 데이터에 대한 3차원 모델을 생성하는 모델 생성부
    를 포함하는 것인, 3차원 모델 생성 장치.
  2. 제 1 항에 있어서,
    상기 형태 예측부는
    상기 검출된 외곽선을 근사화하여 꼭지점과 직선으로 변환한 후 상기 도형의 종류가 사각형, 원 및 다각형 중 어느 하나에 속하는지 판단하는 것인, 3차원 모델 생성 장치.
  3. 제 1 항에 있어서,
    상기 형태 예측부는
    상기 예측된 도형의 형태에 따라 상기 도형의 내부에 위치하는 적어도 하나의 내부 도형을 예측하고, 상기 내부 도형 간의 위치 관계를 이용하여 상기 도형에 대한 형태 정보를 저장하는 것인, 3차원 모델 생성 장치.
  4. 제 1 항에 있어서,
    상기 수치 매핑부는 상기 각 분류 카테고리에 포함된 도형의 이미지로부터 상기 도형에 포함된 적어도 하나의 선분에 대한 수치 정보를 도출하는 것인, 3차원 모델 생성 장치.
  5. 제 1 항에 있어서,
    상기 관계 도출부는
    상기 분류 카테고리 각각에 포함된 도형에 대한 수치 정보를 비교하여 동일한 도형인지 여부를 판단하고,
    상기 동일한 도형인지 여부에 기초하여 상기 도형 간의 관계 정보를 도출하는 것인, 3차원 모델 생성 장치.
  6. 3차원 모델 생성 장치에 의해 수행되는 3차원 모델을 생성하는 방법에 있어서,
    2차원 캐드(CAD) 데이터에 포함된 복수의 도형을 기설정된 복수의 분류 카테고리 중 어느 하나로 분류하는 단계;
    상기 분류된 분류 카테고리 각각에 포함된 도형에 대한 외곽선을 검출하고, 상기 검출된 외곽선에 기초하여 상기 도형의 형태를 예측하는 단계;
    상기 도형의 형태에 기초하여 상기 도형에 대한 수치 정보를 상기 도형에 포함된 적어도 하나의 선분에 매핑하는 단계;
    상기 분류 카테고리 각각에 포함된 도형에 대한 수치 정보를 비교하여 상기 분류 카테고리 각각에 포함된 도형 간의 관계 정보를 도출하는 단계 및
    상기 도형 간의 관계 정보에 기초하여 상기 2차원 캐드 데이터에 대한 3차원 모델을 생성하는 단계
    를 포함하는 것인, 3차원 모델 생성 방법.
  7. 제 6 항에 있어서,
    상기 도형의 형태를 예측하는 단계는
    상기 검출된 외곽선을 근사화하여 꼭지점과 직선으로 변환한 후 상기 도형의 종류가 사각형, 원 및 다각형 중 어느 하나에 속하는지 판단하는 단계를 포함하는 것인, 3차원 모델 생성 방법.
  8. 제 6 항에 있어서,
    상기 예측된 도형의 형태에 따라 상기 도형의 내부에 위치하는 적어도 하나의 내부 도형을 예측하는 단계 및
    상기 내부 도형 간의 위치 관계를 이용하여 상기 도형에 대한 형태 정보를 저장하는 단계를 더 포함하는 것인, 3차원 모델 생성 방법.
  9. 제 6 항에 있어서,
    상기 분류 카테고리에 포함된 도형의 이미지로부터 상기 도형에 포함된 적어도 하나의 선분에 대한 수치 정보를 도출하는 단계를 더 포함하는 것인, 3차원 모델 생성 방법.
  10. 제 6 항에 있어서,
    상기 도형 간의 관계 정보를 도출하는 단계는
    상기 분류 카테고리 각각에 포함된 도형에 대한 수치 정보를 비교하여 동일한 도형인지 여부를 판단하는 단계 및
    상기 동일한 도형인지 여부에 기초하여 상기 도형 간의 관계 정보를 도출하는 단계를 포함하는 것인, 3차원 모델 생성 방법.

KR1020220149394A 2022-11-10 2022-11-10 3차원 모델을 생성하는 장치 및 방법 KR102540518B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220149394A KR102540518B1 (ko) 2022-11-10 2022-11-10 3차원 모델을 생성하는 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220149394A KR102540518B1 (ko) 2022-11-10 2022-11-10 3차원 모델을 생성하는 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102540518B1 true KR102540518B1 (ko) 2023-06-13

Family

ID=86762405

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220149394A KR102540518B1 (ko) 2022-11-10 2022-11-10 3차원 모델을 생성하는 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102540518B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100191147B1 (ko) 1996-04-25 1999-06-15 최성규 고속응답밸브
KR20160064784A (ko) * 2014-11-28 2016-06-08 주식회사 어반베이스 2차원 도면에 기반한 3차원 자동 입체모델링 방법 및 프로그램
KR20210018397A (ko) * 2021-02-05 2021-02-17 한국과학기술연구원 3차원 자동 스캔 시스템 및 방법
KR20220143612A (ko) * 2021-04-16 2022-10-25 주식회사 팀솔루션 3d 모델링 객체의 3d 프린터 출력을 위한 3d cad 데이터 변환 방법, 프로그램 및 이를 위한 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100191147B1 (ko) 1996-04-25 1999-06-15 최성규 고속응답밸브
KR20160064784A (ko) * 2014-11-28 2016-06-08 주식회사 어반베이스 2차원 도면에 기반한 3차원 자동 입체모델링 방법 및 프로그램
KR20210018397A (ko) * 2021-02-05 2021-02-17 한국과학기술연구원 3차원 자동 스캔 시스템 및 방법
KR20220143612A (ko) * 2021-04-16 2022-10-25 주식회사 팀솔루션 3d 모델링 객체의 3d 프린터 출력을 위한 3d cad 데이터 변환 방법, 프로그램 및 이를 위한 장치

Similar Documents

Publication Publication Date Title
Rahman et al. Notice of violation of IEEE publication principles: Recent advances in 3D object detection in the era of deep neural networks: A survey
Suveg et al. Reconstruction of 3D building models from aerial images and maps
Shi et al. Adaptive simplification of point cloud using k-means clustering
Passalis et al. Using facial symmetry to handle pose variations in real-world 3D face recognition
Salvi et al. A review of recent range image registration methods with accuracy evaluation
Jain et al. Analysis and interpretation of range images
EP2048599B1 (en) System and method for 3D object recognition
JP4516957B2 (ja) ３次元オブジェクトについて検索を行なうための方法、システムおよびデータ構造
Rusu et al. Detecting and segmenting objects for mobile manipulation
JP6262748B2 (ja) 教師あり形状ランク付けに基づく生物学的単位の識別
JP6069489B2 (ja) 物体認識装置および物体認識方法並びにプログラム
CN107704638B (zh) 电梯机械室图生成装置及方法、建模数据生成装置及方法
CN110226186A (zh) 一种用于表示地图元素的方法和装置以及基于此定位车辆/机器人的方法和装置
Liu et al. 3D Point cloud analysis
EP4016392A1 (en) Machine-learning for 3d object detection
Cupec et al. Object recognition based on convex hull alignment
CN116630100B (zh) 旅游数据处理方法、装置、设备及存储介质
US11816857B2 (en) Methods and apparatus for generating point cloud histograms
Phan et al. Triangulation based skeletonization and trajectory recovery for handwritten character patterns
KR102540518B1 (ko) 3차원 모델을 생성하는 장치 및 방법
Kordelas et al. Viewpoint independent object recognition in cluttered scenes exploiting ray-triangle intersection and SIFT algorithms
Álvarez et al. Junction assisted 3d pose retrieval of untextured 3d models in monocular images
SANDOVAL et al. Robust sphere detection in unorganized 3D point clouds using an efficient Hough voting scheme based on sliding voxels
US20230205820A1 (en) Geometry-based design data search tool
Sa et al. Depth grid-based local description for 3D point clouds

Legal Events

Date Code Title Description
GRNT Written decision to grant