| 1 |
1
모델에 대한 형상 특징 정보 생성 방법에 있어서,(a) 상기 모델을 복수개의 메쉬로 분할하는 단계; 및(b) 상기 복수개의 메쉬를 기초로 형상 특징 정보를 생성하는 단계,를 포함하되,상기 형상 특징 정보는, 상기 복수개의 메쉬를 2개의 메쉬가 한 쌍을 이루는 복수의 샘플로 샘플링하였을 때, 상기 2개의 메쉬 각각의 내부에 존재하는 임의의 샘플 포인트 간의 거리에 관한 것이고,상기 (b) 단계는,(b1) 상기 복수개의 메쉬 중 2개의 샘플 메쉬를 임의로 선택하고, 선택된 상기 2개의 샘플 메쉬 각각의 내부에 위치하는 임의의 샘플 포인트 간의 거리를 하나의 샘플로서 샘플링하는 것을 상기 복수의 샘플 각각에 대응하여 반복하여 샘플링 리스트를 생성하는 단계;(b2) 상기 샘플링 리스트에 포함된 상기 복수의 샘플 각각의 거리 값을 정규화하여 정규화된 샘플링 리스트를 생성하는 단계;(b3) 상기 복수의 샘플 각각의 정규화된 거리 값을 복수의 인덱스에 나누어 할당하고 상기 인덱스마다 할당된 샘플의 개수를 산출하여, 1차 형상 특징 정보에 해당하는 특징 벡터를 생성하는 단계; 및(b4) 상기 특징 벡터를 이용하여 2차 형상 특징 정보에 해당하는 확률 분포 기반의 히스토그램을 생성하는 단계를 포함하며,상기 히스토그램은 상기 특징 벡터를 하기 수학식 1에 적용하여 생성되는 것인, 형상 특징 정보 생성 방법
|
| 2 |
2
제1항에 있어서,상기 메쉬는 삼각 메쉬인 것인, 형상 특징 정보 생성 방법
|
| 3 |
3
삭제
|
| 4 |
4
제1항에 있어서,상기 복수의 인덱스는 상기 복수의 샘플 각각의 정규화된 거리 값이 거리 구간별로 나누어 할당되도록 설정되는 것인, 형상 특징 정보 생성 방법
|
| 5 |
5
삭제
|
| 6 |
6
삭제
|
| 7 |
7
제1항에 있어서,상기 (b) 단계에서, 상기 임의의 샘플 포인트는 하기 수학식 2에 기초하여 생성되는 것인, 형상 특징 정보 생성 방법
|
| 8 |
8
형상 유사도 분석 방법에 있어서,(a) 신규 모델의 형상 특징 정보와 데이터베이스에 저장된 기존 모델의 형상 특징 정보 간의 유사도를 산출하는 단계를 포함하되,신규 모델의 형상 특징 정보와 데이터베이스에 저장된 기존 모델의 형상 특징 정보는 제1항의 형상 특징 정보 생성 방법을 적용하여 생성되는 것인, 형상 유사도 분석 방법
|
| 9 |
9
제8항에 있어서,상기 신규 모델의 형상 특징 정보 또는 상기 기존 모델의 형상 특징 정보는, 복수개의 메쉬로 분할된 모델에서 2개의 메쉬가 한 쌍을 이루는 복수의 샘플로 샘플링하였을 때 상기 2개의 메쉬 각각의 내부에 존재하는 임의의 샘플 포인트 간의 거리에 관한 특징 벡터를 기반으로 생성된 확률 분포 기반의 히스토그램이고,상기 (a) 단계는, 상기 신규 모델에 대응하는 확률 분포 기반의 히스토그램과 상기 기존 모델에 대응하는 확률 분포 기반의 히스토그램 간의 유사도를 산출하는 것인, 형상 유사도 분석 방법
|
| 10 |
10
제9항에 있어서,히스토그램 간의 유사도는 민코프스키 거리 척도(Minkowski distance metric)에 기초하여 산출되는 것인, 형상 유사도 분석 방법
|
| 11 |
11
제8항에 있어서,(b) 산출된 상기 유사도에 기반하여 상기 데이터베이스로부터 적어도 하나의 기존 모델을 추출하는 단계를 더 포함하는 형상 유사도 분석 방법
|
| 12 |
12
제11항에 있어서,(c) 상기 추출된 기존 모델 및 상기 신규 모델 간의 스케일을 동일하게 조정한 후 상기 추출된 기존 모델의 측정점을 상기 신규 모델에 적용하는 단계를 더 포함하는 형상 유사도 분석 방법
|
| 13 |
13
제12항에 있어서,(d) 상기 신규 모델에 적용된 상기 추출된 기존 모델의 측정점 중 상기 추출된 기존 모델과 상기 신규 모델 간의 형상 차이에 의하여 발생된 미적용 측정점이 존재하는지 여부를 판단하는 단계를 더 포함하는 형상 유사도 분석 방법
|
| 14 |
14
제13항에 있어서,(e) 상기 미적용 측정점이 존재한다고 판단되는 경우 상기 미적용 측정점에 대한 수정이 이루어지는 단계를 더 포함하는 형상 유사도 분석 방법
|
| 15 |
15
모델에 대한 형상 특징 정보 생성 장치에 있어서,상기 모델을 복수개의 메쉬로 분할하는 분할부; 및상기 복수개의 메쉬를 기초로 형상 특징 정보를 생성하는 형상 특징 정보 생성부,를 포함하되,상기 형상 특징 정보는, 상기 복수개의 메쉬를 2개의 메쉬가 한 쌍을 이루는 복수의 샘플로 샘플링하였을 때, 상기 2개의 메쉬 각각의 내부에 존재하는 임의의 샘플 포인트 간의 거리에 관한 것이고,상기 형상 특징 정보 생성부는,상기 복수개의 메쉬 중 2개의 샘플 메쉬를 임의로 선택하고, 선택된 상기 2개의 샘플 메쉬 각각의 내부에 위치하는 임의의 샘플 포인트 간의 거리를 하나의 샘플로서 샘플링하는 것을 상기 복수의 샘플 각각에 대응하여 반복하여 샘플링 리스트를 생성하고,상기 샘플링 리스트에 포함된 상기 복수의 샘플 각각의 거리 값을 정규화하여 정규화된 샘플링 리스트를 생성하며,상기 복수의 샘플 각각의 정규화된 거리 값을 복수의 인덱스에 나누어 할당하고 상기 인덱스마다 할당된 샘플의 개수를 산출하여, 1차 형상 특징 정보에 해당하는 특징 벡터를 생성하고,상기 특징 벡터를 이용하여 2차 형상 특징 정보에 해당하는 확률 분포 기반의 히스토그램을 생성하되,상기 히스토그램은 상기 특징 벡터를 하기 수학식 5에 적용하여 생성되는 것인, 형상 특징 정보 생성 장치
|
| 16 |
16
형상 유사도 분석 장치에 있어서,신규 모델의 형상 특징 정보와 데이터베이스에 저장된 기존 모델의 형상 특징 정보 간의 유사도를 산출하는 유사도 분석부를 포함하되,신규 모델의 형상 특징 정보와 데이터베이스에 저장된 기존 모델의 형상 특징 정보는 제15항의 형상 특징 정보 생성 장치를 적용하여 생성되는 것인, 형상 유사도 분석 장치
|
| 17 |
17
제1항, 제2항, 제4항, 제7항 내지 제14항 중 어느 한 항의 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록한 컴퓨터에서 판독 가능한 기록매체
|
