KR20150089663A - 그래프 기반의 멀티 프리미티브 피팅 장치 및 그 동작 방법 - Google Patents

그래프 기반의 멀티 프리미티브 피팅 장치 및 그 동작 방법 Download PDF

Info

Publication number
KR20150089663A
KR20150089663A KR1020140010562A KR20140010562A KR20150089663A KR 20150089663 A KR20150089663 A KR 20150089663A KR 1020140010562 A KR1020140010562 A KR 1020140010562A KR 20140010562 A KR20140010562 A KR 20140010562A KR 20150089663 A KR20150089663 A KR 20150089663A
Authority
KR
South Korea
Prior art keywords
points
primitive
fitting
edge
sample
Prior art date
Application number
KR1020140010562A
Other languages
English (en)
Inventor
차영미
추창우
김재헌
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020140010562A priority Critical patent/KR20150089663A/ko
Priority to US14/608,044 priority patent/US9613457B2/en
Publication of KR20150089663A publication Critical patent/KR20150089663A/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
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • 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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 포인트 클라우드 데이터를 획득하는 획득부, 상기 포인트 클라우드 데이터를 이용하여 포인트들의 세그먼트를 구하는 세그먼테이션부, 및 상기 세그먼테이션부의 결과 및 상기 포인트 클라우드 데이터를 이용하여 프리미티브 피팅(primitive pitting)하는 프리미티브 피팅부를 포함하는 멀티 프리미티브 피팅 장치 및 그 동작 방법에 관한 것이다.

Description

그래프 기반의 멀티 프리미티브 피팅 장치 및 그 동작 방법{Device for multi-shape primitives fitting of 3D point clouds using graph-based segmentation and method thereof}
본 발명은 3D 오브젝트 복원 기술에 관한 것으로, 특히 다양한 모양의 프리미티브를 다중 피팅하기 위한 기술에 관한 것이다.
스캐너 장비는 정확한 3D 데이터를 신속하게 획득하기 위하여 다양한 분야에서 활용되고 있다. 스캐너 장비를 통해 획득한 데이터는 3차원 포인트 클라우드(3D Point Clouds, 3차원 점 집합)라 하며, 이 엄청난 양의 포인트들을 이용하여 3차원 오브젝트를 쉽고 빠르게 복원하기 위한 다양한 기법들이 개발 중에 있다.
이러한 기법들 중 한 가지로서, 포인트 데이터가 주어졌을 때 자동으로 해당 프리미티브(primitive)로 정확하게 피팅(fitting)하는 기법이 있다. 이러한 기법은 입력된 모든 포인트들을 이용하여 프리미티브 피팅 동작을 수행한다.
그러나, 이러한 종래의 기법은 하나의 프리미티브를 구하기 위해 모든 포인트 데이터를 이용하게 되어 계산량이 증가하여 실시간성을 확보할 수 없다. 즉, 계산량의 감소 및 실시간성을 확보하기 위해서는, 프리미티브 피팅 시 사용되는 대용량 포인트 데이터를 정제할 필요가 있다.
본 발명은 실시간으로 다중 모양의 프리미티브들을 자동 피팅할 수 있도록 하는 기술적 방안을 제공함을 목적으로 한다.
전술한 과제를 달성하기 위한 본 발명의 일 양상에 따른 멀티 프리미티브 피팅 방법은 포인트 클라우드 데이터를 획득하는 획득 단계, 상기 포인트 클라우드 데이터를 이용하여 포인트들의 세그먼트(segment)를 구하는 세그먼테이션(segmentation) 단계, 및 상기 세그먼테이션의 결과 및 상기 포인트 클라우드 데이터를 이용하여 프리미티브 피팅(primitive pitting)하는 프리미티브 피팅 단계를 포함한다.
여기서, 상기 획득 단계는 외부로부터 입력되는 상기 포인트들 각각으로부터 포인트 데이터를 수집하여 상기 포인트 클라우드 데이터를 획득하는 단계를 포함하며, 상기 포인트들 각각의 노말값 또는 노말 추정 동작을 수행하여 얻어지는 값을 상기 포인트 데이터로 수집하는 단계를 포함한다.
나아가, 상기 세그먼테이션 단계는 상기 포인트들 각각에서 인접한 포인트들과 이웃 관계를 설정하는 단계, 샘플 노드들을 생성하는 단계, 에지(edge) 생성 및 에지 가중치를 설정하는 단계, 및 상기 에지 가중치를 고려하여 연결된 상기 샘플 노드들을 하나의 세그먼트로 구하는 단계를 포함한다.
이때, 상기 샘플 노드들을 생성하는 단계는 상기 포인트들 중 랜덤하게 추출된 다수의 샘플 포인트를 그래프의 노드로 하여 상기 샘플 노드들을 생성하는 단계를 포함하고, 상기 에지 생성 및 에지 가중치를 설정하는 단계는 상기 샘플 노드와 이웃 샘플 노드 간의 연결 관계를 에지로 생성하는 단계를 포함하되, 밀집도가 높고 상기 샘플 노드 간의 거리가 가까운 에지에 상기 에지 가중치를 높게 설정하는 단계, 및 상기 샘플 노드 간의 거리가 기설정된 임계값 이상인 경우 0으로 상기 에지 가중치를 설정하는 단계를 포함하며, 상기 이웃 관계를 설정하는 단계는 KNN(K-Nearest Neighbor)기법을 이용하여 상기 이웃 관계를 설정하는 단계를 포함한다.
덧붙여, 상기 프리미티브 피팅 단계는 상기 세그먼트에 속한 포인트들을 입력으로 하여 평면 외 프리미티브 피팅하는 단계, 피팅된 상기 평면 외 프리미티브의 제1 유효성을 체크하는 단계, 상기 제1 유효성 체크가 통과되면, 상기 평면 외 프리미티브에 속하는 포인트들을 제외한 포인트들을 이용하여 평면 프리미티브 피팅하는 단계, 피팅된 상기 평면 프리미티브의 제2 유효성을 체크하는 단계, 상기 제2 유효성 체크가 통과되면, 상기 평면 프리미티브에 속하는 포인트들을 제외한 포인트들의 개수가 임계 개수 이상인지 확인하는 단계, 및 상기 개수가 상기 임계 개수 이상이면, 상기 평면 프리미티브에 속하는 포인트들을 제외한 포인트들을 입력으로 하여 상기 평면 외 프리미티브 피팅하는 단계로 피드백하는 단계를 포함하며, 상기 확인 결과, 상기 포인트들의 개수가 임계 개수 미만인 경우, 상기 프리미티브 피팅을 종료하는 단계를 포함한다.
한편, 전술한 과제를 달성하기 위한 본 발명의 다른 양상에 따른 멀티 프리미티브 피팅 장치는 포인트 클라우드 데이터를 획득하는 획득부, 상기 포인트 클라우드 데이터를 이용하여 포인트들의 세그먼트를 구하는 세그먼테이션부, 및 상기 세그먼테이션부의 결과 및 상기 포인트 클라우드 데이터를 이용하여 프리미티브 피팅(primitive pitting)하는 프리미티브 피팅부를 포함한다.
여기서, 상기 획득부는 외부로부터 입력되는 상기 포인트들 각각의 노말값 또는 노말 추정 동작을 수행하여 얻어지는 값을 상기 포인트 데이터로 수집하여 상기 포인트 클라우드 데이터를 획득한다.
나아가, 상기 세그먼테이션부는 KNN 기법을 이용하여 상기 포인트들 각각에서 인접한 포인트들과 이웃 관계를 설정하고, 상기 포인트들 중 랜덤하게 추출된 다수의 샘플 포인트를 그래프의 노드로 하여 상기 샘플 노드들을 생성하고, 상기 샘플 노드와 이웃 샘플 노드 간의 연결 관계를 에지로 생성 및 에지 가중치를 설정하며, 상기 에지 가중치를 고려하여 연결된 상기 샘플 노드들을 하나의 세그먼트로 구한다.
또한, 상기 세그먼테이션부는 밀집도가 높고 상기 샘플 노드 간의 거리가 가까운 에지에 상기 에지 가중치를 높게 설정하며, 상기 샘플 노드 간의 거리가 기설정된 임계값 이상인 경우 0으로 상기 에지 가중치를 설정한다.
덧붙여, 상기 프리미티브 피팅부는 상기 세그먼트에 속한 포인트들을 입력으로 하여 프리미티브 피팅하고, 피팅된 상기 프리미티브의 유효성을 체크하고, 상기 유효성 체크가 통과되면, 상기 피팅된 상기 프리미티브에 속하는 포인트들을 제외한 포인트들의 개수를 확인하여, 상기 확인 결과 상기 포인트들의 개수가 임계 개수 이상인 경우, 상기 프리미티브에 속하는 포인트들을 제외한 포인트들을 입력으로 하여 상기 프리미티브 피팅을 재수행한다.
본 발명은 프리미티브 피팅 시 외부로부터 입력되는 임의의 포인트들의 데이터를 모두 이용하지 않고, 다수의 세그먼트를 구하여 프리미티브 피팅을 수행함으로써, 기존의 프리미티브 피팅 동작보다 계산량이 줄어들어 실시간으로 프리미티브 피팅의 결과를 도출할 수 있으며, 별도의 사용자 입력 및 선택 없이 각각의 세그먼트마다 프리미티브 피팅을 수행함으로써 실시간으로 다중 피팅이 가능하다.
도 1은 본 발명의 실시예에 따른 멀티 프리미티브 장치 블록도.
도 2는 본 발명의 실시예에 따른 멀티 프리미티브 장치에 의한 멀티 프리미티브 방법 흐름도.
도 3은 본 발명에 따른 멀티 프리미티브 장치의 세그먼테이션 방법 흐름도.
도 4는 본 발명에 따른 멀티 프리미티브 장치의 세크먼테이션 방법을 설명하기 위한 제1 예시도.
도 5는 본 발명에 따른 멀티 프리미티브 장치의 세크먼테이션 방법을 설명하기 위한 제2 예시도.
도 6은 본 발명에 따른 멀티 프리미티브 장치의 세크먼테이션 방법을 설명하기 위한 제3 예시도.
도 7은 본 발명에 따른 멀티 프리미티브 장치의 프리미티브 피팅 방법 흐름도.
전술한, 그리고 추가적인 본 발명의 양상들은 첨부된 도면을 참조하여 설명되는 바람직한 실시예들을 통하여 더욱 명백해질 것이다. 이하에서는 본 발명을 이러한 실시예를 통해 당업자가 용이하게 이해하고 재현할 수 있도록 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 멀티 프리미티브 장치 블록도이며, 도 2는 본 발명의 실시예에 따른 멀티 프리미티브 장치에 의한 멀티 프리미티브 방법 흐름도이다.
도시된 바와 같이 멀티 프리미티브 장치(10)는 획득부(110), 세그먼테이션부(120) 및 프리미티브 피팅부(130)를 포함한다. 이하 도 2 내지 도 7을 참조하여 멀티 프리미티브 장치(10)의 각 구성 요소의 동작에 대해 구체적으로 설명한다.
먼저, 획득부(110)는 포인트 클라우드 데이터를 획득한다(S100).
구체적으로, 획득부(110)는 외부로부터 임의의 포인트들(포인트 클라우드)을 입력 데이터로 입력받는다. 예컨대, 획득부(110)는 3D 스캐너 장비를 통해 대용량의 포인트 클라우드(Point Cloude, 점 집합) 즉, 포인트들을 입력받을 수 있다.
획득부(110)는 입력받은 포인트들 각각의 데이터 즉, 포인트 데이터들(포인트 클라우드 데이터)을 획득한다. 여기서, 획득되는 포인트 데이터들은 각 포인트의 위치값과 노말(normal)값을 말한다. 만약, 포인트의 노말값이 주어지지 않은 경우, 획득부(110)는 노말 추정(normal estimation) 동작을 수행하여 얻어지는 값을 노말값으로 획득한다. 이때, 획득되는 포인트의 노말값들은 포인트 데이터로 지정되어 메모리에 저장될 수 있다.
세그먼테이션부(120)는 입력받은 포인트들을 세그먼테이션(segmentation) 한다(S200).
바람직하게, 세그먼테이션부(120)는 획득부에서 획득된 포인트 데이터들을 데이터 세그먼트(segment) 기법을 이용하여 세그먼테이션 한다. 여기서 세그먼테이션이란, 그래픽에서 도형 조작의 최소 단위로 취급되는 출력 기본 요소의 집합(세그먼트) 단위로 분할하는 것을 말한다.
이하, 세그먼테이션부(120)가 데이터 세그먼트 기법을 이용하여 그래프 기반의 세그먼테이션 하는 과정(단계 S200)을 구체적으로 설명한다.
먼저, 세그먼테이션부(120)는 포인트 데이터들 획득하면(S100), 각 포인트에서 인접 포인트들과 이웃 관계를 설정한다(S201). 이때, 세그먼테이션부(120)는 KNN(K-Nearest Neighbor) 기법을 이용하여 이웃 관계를 설정할 수 있다.
세그먼테이션부(120)는 샘플 노드를 생성한다(S202). 구체적으로, 세그먼테이션부(120)는 모든 포인드를 노드(node)로 설정하지 않고, 랜덤(무작위)하게 선출된(뽑힌) 샘플 포인트들을 그래프의 노드 즉, 샘플 노드로 설정한다. 이때, 샘플 노드의 속성은 도 4와 같이 샘플 포인트와 이웃 포인트로 설정된 포인트들 중 가장 멀리 있는 이웃 포인트와 샘플 포인트 간의 거리가 이용된다. 여기서, 속성값 즉, 거리값은 해당 샘플 노드의 밀집도를 의미한다. 즉, 샘플 노드의 속성값이 높을수록 밀집도는 낮으며, 속성값이 낮을수록 밀집도는 높다.
또한, 세그먼테이션부(120)는 샘플 노드들의 속성값을 낮은 차순으로 정렬한 후, 가장 밀집도가 높은 순으로 샘플 노드들의 이웃 샘플 노드들의 찾는다. 이때도 역시 KNN 기법이 이용될 수 있다.
나아가, 세그먼테이션부(120)는 에지(edge) 생성 및 에지 가중치를 설정한다(S203). 구체적으로, 세그먼테이션부(120)는 도 5와 같이 샘플 노드와 이웃 샘플 노드 간의 연결 관계를 에지(edge)(도 5의 직선)로 생성하고, 에지의 가중치를 설정한다. 이때, 가중치는 다양하게 설정 가능하다. 예컨대, 세그먼테이션부(120)는 밀집도가 높고 노드 간의 거리가 가까운 에지에 가중치를 높게 설정할 수 있다. 또한, 세그먼테이션부(120)는 노드 간의 거리가 사전에 관리자 또는 사용자에 의해 기설정된 임계값(threshold) 이상일 경우 가중치를 0으로 설정할 수 있다.
에지 가중치를 설정한 후, 세그먼테이션부(120)는 에지 가중치를 정렬한다(S204). 바람직하게, 세그먼테이션부(120)는 에지 가중치를 낮은 차순으로 정렬한다.
에지 가중치를 낮은 차순으로 정렬한 후, 세그먼테이션부(120)는 에지 가중치가 높은 순으로 노드 연결을 한다(S205). 일반적으로, 그래프 기반 알고리즘에서 노드 기반으로 알고리즘을 풀어가는 경우도 있고, 에지 기반으로 풀어가는 경우도 있다. 여기에서는 연결성에 중심을 두기 때문에 에지 기반으로 풀어나간다.
세그먼테이션부(120)는 이와 같은 과정을 통해 세그먼트를 구하여 포인트의 세그먼테이션 과정을 완료한다(S206). 즉, 단계 S206에서 연결된 노드들을 하나의 세그먼트라 하여 구해질 수 있으며, 그래프 기반 세그먼테이션의 결과, 같은 세그먼트에 속하는 노드들을 같은 색상으로 표시하면 도 6과 같이 표현될 수 있다.
세그멘테이션 과정이 완료되면, 프리미티브 피팅부(130)는 멀티 프리미티브 피팅한다(S300). 바람직하게, 프리미티브 피팅부(130)는 세그먼테이션부(120)의 세그먼테이션 결과를 이용하여 프리미티브 피팅 알고리즘을 수행한다. 이때, 프리미티브 피팅부(130)는 세그먼트들 각각 마다 프리미티브 피팅 과정을 수행한다. 즉, 이하의 프리미티브 피팅부(130)의 프리미티브 피팅 과정은 세그먼테이션부(120)에서 구해진 다수의 세그먼트 중 어느 하나의 세그먼트를 기준으로 설명한다.
구체적으로, 프리미티브 피팅부(130)는 세그먼테이션부(120)에서 구해진 세그먼트에 속한 포인트들을 입력으로 하여 프리미티브 피팅 및 유효성을 체크하고, 유효성 체크가 통과되면, 피팅된 프리미티브에 속하는 포인트들을 제외한 포인트들의 개수를 확인하여, 포인트들의 개수가 임계 개수 이상인 경우, 프리미티브에 속하는 포인트들을 제외한 포인트들을 입력으로 하여 프리미티브 피팅을 재수행한다.
이때, 프리미티브 피팅을 위한 프리미티브 피팅 알고리즘은 평면 외 프리미티브 피팅과 평면 프리미티브 피팅으로 나뉠 수 있다. 여기서, 평면 외 프리미티브 피팅 알고리즘은 실린더(cylinder), 구(sphere), 원뿔(cone) 등을 피팅하는 것이며, 평면 프리미티브 피팅 알고리즘은 평면(plane)을 피팅하는 것이다. 이와 같은 프리미티브 알고리즘은 작업자 또는 사용자에 의해 사전에 기저장된 알고리즘이다.
이하. 프리미티브 피팅부(130)이 세그먼테이션부(120)의 세그먼테이션(단계 S200) 결과를 이용하여 멀티 프리미티브 피팅하는 과정을 구체적으로 설명한다.
먼저, 프리미티브 피팅부(130)는 세그먼트에 속한 포인트들을 입력으로 하여(S301), 평면 외 프리미티브 피팅한다(S302). 바람직하게, 프리미티브 피팅부(130)는 평면 외 프리미티브 피팅 알고리즘을 통해 세그먼트에 속한 포인트들을 이용하여 평면 외 프리미티브 피팅한다.
평면 외 프리미티브 피팅 후, 프리미티브 피팅부(130)는 유효성을 체크한다(S303). 바람직하게, 프리미티브 피팅부(130)는 단계 S302의 결과 피팅된 프리미티브가 평면이 아닌지를 확인하여 유효성(제1 유효성)을 체크를 한다.
단계 S303의 체크 결과 제1 유효성 검사에서 통과되면, 평면 외 프리미티브가 제대로 구해진 것이다. 즉, 프리미티브 피팅부(130)는 단계 S302 피팅 동작을 통해 평면 외 프리미티브가 제대로 구해진 것인지 확인하는 것이다.
평면 외 프리미티브가 제대로 구해지면, 프리미티브 피팅부(130)는 단계 S302에서 피팅된 프리미티브(평면 외 프리미티브)에 속하는 포인트들이 아닌 포인트들을 다음 단계(평면 프리미티브 피팅 단계)의 입력으로 한다(S304).
만약, 단계 S303에서 제1 유효성 검사에서 통과되지 않으면, 즉 평면 외 프리미티브가 제대로 구해지지 않으면, 프리미티브 피팅부(130)는 단계 S301에서 입력한 포인트들 그대로를 다음 단계(평면 프리미티브 피팅 단계)의 입력으로 한다(S305).
즉, 프리미티브 피팅부(130)는 평면 프리미티브 피팅 과정 시, 단계 S302의 제1 유효성 체크가 통과하면 단계 S302에서 피팅된 프리미티브에 속하는 포인트들을 제외한 포인트들을 이용하고, 통과하지 못하면 단계 S301에서 입력된 포인트들을 이용하여 평면 프리미티브 피팅 알고리즘을 수행한다(S306).
평면 프리미티브 피팅 후, 프리미티브 피팅부(130)는 유효성(제2 유효성) 체크를 한다(S307). 이때의 제2 유효성 체크는 단계 S306의 결과 프리미티브가 평면인지를 확인하는 것이다.
단계 S307의 체크 결과 제2 유효성 검사에서 통과되면, 평면 프리미티브가 제대로 구해진 것이다. 평면 프리미티브가 제대로 구해지면, 프리미티브 피팅부(130)는 단계 S306에서 피팅된 프리미티브(평면 프리미티브)에 속하는 포인트들을 제외한 포인트들을 다시 입력값으로 사용한다(S308).
만약, 단계 S307에서 제2 유효성 검사에서 통과되지 않으면, 즉 평면 프리미티브가 제대로 구해지지 않으면, 프리미티브 피팅부(130)는 단계 S305에서 입력한 포인트들(초기 포인트들) 그대로를 다시 입력값으로 사용한다(S309).
즉, 프리미티브 피팅부(130)는 단계 S307의 유효성 체크가 통과하면 단계 S306에서 피팅된 프리미티브(평면 프리미티브)에 속하는 포인트들을 제외한 포인트들을, 통과하지 못하면 단계 S306를 위해 입력된 포인트들을 입력값으로 하여 프리미티브 피팅의 알고리즘을 재수행한다.
프리미티브 피팅 알고리즘을 재수행하기 전, 프리미티브 피팅부(130)는 입력값의 개수를 확인한다(S310).
바람직하게, 프리미티브 피팅부(130)는 단계 S308의 입력 포인트들 또는 S309의 입력 포인트들의 개수가 기설정된 임계 개수보다 미만인지 확인한다.
단계 S310의 확인 결과, 입력 포인트의 개수가 임계 개수 미만이면, 즉, S308 또는 S309의 입력 포인트들의 개수가 임계 개수보다 적다면, 프리미티브 피팅부(130)는 프리미티브 알고리즘을 종료한다.
만약, 단계 S310의 확인 결과, 입력 포인트의 개수가 임계 개수 이상이면, 즉, S308 또는 S309의 입력 포인트들의 개수가 임계 개수보다 같거나 많다면, 프리미티브 피팅부(130)는 평면 외 프리미티브 피팅 과정(단계 S302)으로 피드백하여 프리미티브 피팅의 전 과정을 재수행한다.
이와 같이 본 발명을 따르면, 프리미티브 피팅 시 외부로부터 입력되는 임의의 포인트들의 데이터를 모두 이용하지 않고, 다수의 세그먼트를 구하여 프리미티브 피팅을 수행함으로써, 기존의 프리미티브 피팅 동작보다 계산량이 줄어들어 실시간으로 프리미티브 피팅의 결과를 도출할 수 있으며, 별도의 사용자 입력 및 선택 없이 각각의 세그먼트마다 프리미티브 피팅을 수행함으로써 실시간으로 다중 피팅이 가능하다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
10 : 멀티 프리미티브 피팅 장치 110 : 획득부
120 : 세크먼테이션부 130 : 프리미티브 피팅부

Claims (15)

  1. 포인트 클라우드 데이터를 획득하는 획득 단계;
    상기 포인트 클라우드 데이터를 이용하여 포인트들의 세그먼트(segment)를 구하는 세그먼테이션(segmentation) 단계; 및
    상기 세그먼테이션의 결과 및 상기 포인트 클라우드 데이터를 이용하여 프리미티브 피팅(primitive pitting)하는 프리미티브 피팅 단계;
    를 포함하는 멀티 프리미티브 피팅 방법.
  2. 제1항에 있어서, 상기 획득 단계는 :
    외부로부터 입력되는 상기 포인트들 각각으로부터 포인트 데이터를 수집하여 상기 포인트 클라우드 데이터를 획득하는 단계를 포함하는 것인 멀티 프리미티브 피팅 방법.
  3. 제2항에 있어서,
    상기 포인트들 각각의 노말값 또는 노말 추정 동작을 수행하여 얻어지는 값을 상기 포인트 데이터로 수집하는 단계를 포함하는 것인 멀티 프리미티브 피팅 방법.
  4. 제1항에 있어서, 상기 세그먼테이션 단계는 :
    상기 포인트들 각각에서 인접한 포인트들과 이웃 관계를 설정하는 단계;
    샘플 노드들을 생성하는 단계;
    에지(edge) 생성 및 에지 가중치를 설정하는 단계; 및
    상기 에지 가중치를 고려하여 연결된 상기 샘플 노드들을 하나의 세그먼트로 구하는 단계;
    를 포함하는 것인 멀티 프리미티브 피팅 방법.
  5. 제4항에 있어서, 상기 샘플 노드들을 생성하는 단계는 :
    상기 포인트들 중 랜덤하게 추출된 다수의 샘플 포인트를 그래프의 노드로 하여 상기 샘플 노드들을 생성하는 단계를 포함하는 것인 멀티 프리미티브 피팅 방법.
  6. 제4항에 있어서, 상기 에지 생성 및 에지 가중치를 설정하는 단계는 :
    상기 샘플 노드와 이웃 샘플 노드 간의 연결 관계를 에지로 생성하는 단계를 포함하는 것인 멀티 프리미티브 피팅 방법.
  7. 제6항에 있어서, 상기 에지 생성 및 에지 가중치를 설정하는 단계는 :
    밀집도가 높고 상기 샘플 노드 간의 거리가 가까운 에지에 상기 에지 가중치를 높게 설정하는 단계; 및
    상기 샘플 노드 간의 거리가 기설정된 임계값 이상인 경우 0으로 상기 에지 가중치를 설정하는 단계;
    를 포함하는 것인 멀티 프리미티브 피팅 방법.
  8. 제4항에 있어서, 상기 이웃 관계를 설정하는 단계는 :
    KNN(K-Nearest Neighbor)기법을 이용하여 상기 이웃 관계를 설정하는 단계를 포함하는 것인 멀티 프리미티브 피팅 방법.
  9. 제1항에 있어서, 상기 프리미티브 피팅 단계는 :
    상기 세그먼트에 속한 포인트들을 입력으로 하여 평면 외 프리미티브 피팅하는 단계;
    피팅된 상기 평면 외 프리미티브의 제1 유효성을 체크하는 단계;
    상기 제1 유효성 체크가 통과되면, 상기 평면 외 프리미티브에 속하는 포인트들을 제외한 포인트들을 이용하여 평면 프리미티브 피팅하는 단계;
    피팅된 상기 평면 프리미티브의 제2 유효성을 체크하는 단계;
    상기 제2 유효성 체크가 통과되면, 상기 평면 프리미티브에 속하는 포인트들을 제외한 포인트들의 개수가 임계 개수 이상인지 확인하는 단계; 및
    상기 개수가 상기 임계 개수 이상이면, 상기 평면 프리미티브에 속하는 포인트들을 제외한 포인트들을 입력으로 하여 상기 평면 외 프리미티브 피팅하는 단계로 피드백하는 단계;
    를 포함하는 것인 멀티 프리미티브 피팅 방법.
  10. 제9항에 있어서,
    상기 확인 결과, 상기 포인트들의 개수가 임계 개수 미만인 경우, 상기 프리미티브 피팅을 종료하는 단계;
    를 포함하는 것인 멀티 프리미티브 피팅 방법.
  11. 포인트 클라우드 데이터를 획득하는 획득부;
    상기 포인트 클라우드 데이터를 이용하여 포인트들의 세그먼트를 구하는 세그먼테이션부; 및
    상기 세그먼테이션부의 결과 및 상기 포인트 클라우드 데이터를 이용하여 프리미티브 피팅(primitive pitting)하는 프리미티브 피팅부;
    를 포함하는 멀티 프리미티브 피팅 장치.
  12. 제11항에 있어서,
    상기 획득부는 외부로부터 입력되는 상기 포인트들 각각의 노말값 또는 노말 추정 동작을 수행하여 얻어지는 값을 상기 포인트 데이터로 수집하여 상기 포인트 클라우드 데이터를 획득하는 것인 멀티 프리미티브 피팅 장치.
  13. 제11항에 있어서,
    상기 세그먼테이션부는 KNN 기법을 이용하여 상기 포인트들 각각에서 인접한 포인트들과 이웃 관계를 설정하고, 상기 포인트들 중 랜덤하게 추출된 다수의 샘플 포인트를 그래프의 노드로 하여 상기 샘플 노드들을 생성하고, 상기 샘플 노드와 이웃 샘플 노드 간의 연결 관계를 에지로 생성 및 에지 가중치를 설정하며, 상기 에지 가중치를 고려하여 연결된 상기 샘플 노드들을 하나의 세그먼트로 구하는 것인 멀티 프리미티브 피팅 장치.
  14. 제13항에 있어서,
    상기 세그먼테이션부는 밀집도가 높고 상기 샘플 노드 간의 거리가 가까운 에지에 상기 에지 가중치를 높게 설정하며, 상기 샘플 노드 간의 거리가 기설정된 임계값 이상인 경우 0으로 상기 에지 가중치를 설정하는 것인 멀티 프리미티브 피팅 장치.
  15. 제11항에 있어서,
    상기 프리미티브 피팅부는 상기 세그먼트에 속한 포인트들을 입력으로 하여 프리미티브 피팅하고, 피팅된 상기 프리미티브의 유효성을 체크하고, 상기 유효성 체크가 통과되면, 상기 피팅된 상기 프리미티브에 속하는 포인트들을 제외한 포인트들의 개수를 확인하여, 상기 확인 결과 상기 포인트들의 개수가 임계 개수 이상인 경우, 상기 프리미티브에 속하는 포인트들을 제외한 포인트들을 입력으로 하여 상기 프리미티브 피팅을 재수행하는 것인 멀티 프리미티브 피팅 장치.
KR1020140010562A 2014-01-28 2014-01-28 그래프 기반의 멀티 프리미티브 피팅 장치 및 그 동작 방법 KR20150089663A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020140010562A KR20150089663A (ko) 2014-01-28 2014-01-28 그래프 기반의 멀티 프리미티브 피팅 장치 및 그 동작 방법
US14/608,044 US9613457B2 (en) 2014-01-28 2015-01-28 Multi-primitive fitting device and operation method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140010562A KR20150089663A (ko) 2014-01-28 2014-01-28 그래프 기반의 멀티 프리미티브 피팅 장치 및 그 동작 방법

Publications (1)

Publication Number Publication Date
KR20150089663A true KR20150089663A (ko) 2015-08-05

Family

ID=53679530

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140010562A KR20150089663A (ko) 2014-01-28 2014-01-28 그래프 기반의 멀티 프리미티브 피팅 장치 및 그 동작 방법

Country Status (2)

Country Link
US (1) US9613457B2 (ko)
KR (1) KR20150089663A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101666449B1 (ko) * 2016-05-13 2016-10-14 한국건설기술연구원 3차원 포인트 클라우드 기반 형상 템플릿 유사도를 이용하여 스위핑 형상을 역설계하기 위한 장치 및 그 방법
KR20180067914A (ko) * 2016-12-13 2018-06-21 한국전자통신연구원 이미지 프로세싱을 이용한 3차원 모델 복원 장치 및 방법
KR20200075380A (ko) * 2018-12-18 2020-06-26 한양대학교 에리카산학협력단 보로노이 테셀레이션 및 k-최근접 이웃 알고리즘을 이용한 포인트 클라우드 재추출 방법 및 시스템

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
USD742893S1 (en) 2013-06-09 2015-11-10 Apple Inc. Display screen or portion thereof with graphical user interface
US9704055B2 (en) * 2013-11-07 2017-07-11 Autodesk, Inc. Occlusion render mechanism for point clouds
US9710544B1 (en) * 2016-05-19 2017-07-18 Quid, Inc. Pivoting from a graph of semantic similarity of documents to a derivative graph of relationships between entities mentioned in the documents
CN108171715B (zh) * 2017-12-05 2020-08-04 浙江大华技术股份有限公司 一种图像分割方法及装置
US11361484B1 (en) * 2020-12-04 2022-06-14 Argo AI, LLC Methods and systems for ground segmentation using graph-cuts
WO2022096943A1 (en) * 2021-04-15 2022-05-12 Sensetime International Pte. Ltd. Method and apparatus for processing point cloud data, device, and storage medium

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5988862A (en) * 1996-04-24 1999-11-23 Cyra Technologies, Inc. Integrated system for quickly and accurately imaging and modeling three dimensional objects
KR101195942B1 (ko) * 2006-03-20 2012-10-29 삼성전자주식회사 카메라 보정 방법 및 이를 이용한 3차원 물체 재구성 방법
US7995055B1 (en) * 2007-05-25 2011-08-09 Google Inc. Classifying objects in a scene
US20110304619A1 (en) * 2010-06-10 2011-12-15 Autodesk, Inc. Primitive quadric surface extraction from unorganized point cloud data
US8605093B2 (en) * 2010-06-10 2013-12-10 Autodesk, Inc. Pipe reconstruction from unorganized point cloud data
KR101841668B1 (ko) 2012-02-15 2018-03-27 한국전자통신연구원 입체 모델 생성 장치 및 방법
US20140192050A1 (en) * 2012-10-05 2014-07-10 University Of Southern California Three-dimensional point processing and model generation
US9472022B2 (en) * 2012-10-05 2016-10-18 University Of Southern California Three-dimensional point processing and model generation

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101666449B1 (ko) * 2016-05-13 2016-10-14 한국건설기술연구원 3차원 포인트 클라우드 기반 형상 템플릿 유사도를 이용하여 스위핑 형상을 역설계하기 위한 장치 및 그 방법
KR20180067914A (ko) * 2016-12-13 2018-06-21 한국전자통신연구원 이미지 프로세싱을 이용한 3차원 모델 복원 장치 및 방법
KR20200075380A (ko) * 2018-12-18 2020-06-26 한양대학교 에리카산학협력단 보로노이 테셀레이션 및 k-최근접 이웃 알고리즘을 이용한 포인트 클라우드 재추출 방법 및 시스템

Also Published As

Publication number Publication date
US9613457B2 (en) 2017-04-04
US20150213644A1 (en) 2015-07-30

Similar Documents

Publication Publication Date Title
KR20150089663A (ko) 그래프 기반의 멀티 프리미티브 피팅 장치 및 그 동작 방법
WO2019096178A1 (zh) 纤维检测方法、装置及电子设备
US9142011B2 (en) Shadow detection method and device
KR102318023B1 (ko) 에지를 이용한 3차원 모델 생성
WO2018214505A1 (zh) 立体匹配方法与系统
US11093790B2 (en) Distance statistics based method for 3D sonar point cloud image enhancement
AU2018326401A1 (en) Method and system for use in performing localisation
CN106612511B (zh) 一种基于支持向量机的无线网络吞吐量的评估方法及装置
CN103699617A (zh) 一种基于随机游走的社区发现方法
CN113746798B (zh) 基于多维度分析的云网络共享资源异常根因定位方法
CN103500168A (zh) 一种基于拓扑势的重叠复杂网络社区发现方法及系统
CN108228442A (zh) 一种异常节点的检测方法及装置
CN106780633B (zh) 一种图像校正方法、装置及双目视觉系统
CN109376362A (zh) 一种纠错文本的确定方法以及相关设备
CN104573036A (zh) 一种基于距离的求解二维空间中代表性节点集的算法
CN104504692A (zh) 基于区域对比度的图像中显著对象的提取方法
CN105719261A (zh) 点云数据合并系统及方法
CN109412149B (zh) 基于区域划分的电网子图构建方法、拓扑分析方法及装置
JP2018106237A (ja) 情報処理装置、情報処理方法及びプログラム
CN111160385A (zh) 海量位置点聚合的方法、装置、设备及存储介质
CN110321921A (zh) 一种基于时间序列分割和张量cp分解检测异常的方法
WO2023005195A1 (zh) 地图数据的处理方法、装置、家用电器和可读存储介质
KR102633159B1 (ko) 이미지 프로세싱을 이용한 3차원 모델 복원 장치 및 방법
Laskowski Objects auto-selection from stereo-images realised by self-correcting neural network
KR20140108792A (ko) 포인트 클라우드를 이용한 프리미티브 피팅 장치 및 방법

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination