| 1 |
1
(a) 라이다(LiDAR : light detection and ranging) 점군 데이터로부터 밸브 중심점을 검출하는 단계;(b) 상기 밸브 중심점으로부터 사전에 설정된 거리내의 점군 데이터를 밸브 점군 데이터로 추출하는 단계;(c) 상기 밸브 점군 데이터들에 대해서 상기 밸브 중심점으로부터의 거리 히스토그램을 생성하는 단계;(d) 상기 거리 히스토그램을 이용하여, 밸브의 중심 평면에 대응되는 중심 평면 점군 데이터들을 선별하고, 상기 중심 평면 점군 데이터들을 이용하여 밸브의 중심 평면 파라미터들을 계산하는 단계;(e) 상기 거리 히스토그램을 이용하여, 밸브의 핸들에 대응되는 핸들 점군 데이터들 선별하고, 상기 핸들 점군 데이터들을 이용하여 밸브의 핸들 파라미터들을 계산하는 단계; 및(f) 상기 거리 히스토그램을 이용하여, 밸브의 핸들과 중심 평면을 연결하는 리브에 대응되는 리브 점군 데이터들을 선별하고, 상기 리브 점군 데이터들을 이용하여 밸브의 리브 파라미터들을 계산하는 단계;를 포함하는 것을 특징으로 하는 밸브 모델링 방법
|
| 2 |
2
제 1 항에 있어서, 상기 (e) 단계는(e1) 상기 핸들 점군 데이터들에 대해서 PCA 주성분 분석법을 수행하여 노이즈를 제거하고, 노이즈가 제거된 핸들 점군 데이터들로부터 핸들의 중심점과 핸들의 법선 벡터(핸들 법선 벡터)를 구하는 단계; 및(e2) 노이즈가 제거된 핸들 점군 데이터를 2차원 평면으로 투영하여 핸들의 반지름을 구하는 단계;를 포함하는 것을 특징으로 하는 밸브 모델링 방법
|
| 3 |
3
제 2 항에 있어서, 상기 (e1) 단계는(e1-1) 상기 핸들 점군 데이터들에 대해서 PCA 주성분 분석법을 수행하여 핸들 점군 데이터로 구성되는 핸들 평면을 구하고, 상기 핸들 평면에서 사전에 정의된 거리 이상으로 벗어나는 점군 데이터들을 노이즈로 제거하는 단계; 및(e1-2) 상기 노이즈가 제거된 핸들 점군 데이터들에 대해서 PCA 주성분 분석법을 수행하여 핸들 평면을 구하고, 핸들 평면에 수직한 상기 핸들 법선 벡터를 구하는 단계를 포함하는 것을 특징으로 하는 밸브 모델링 방법
|
| 4 |
4
제 3 항에 있어서, 상기 (e1-1) 단계는, 상기 핸들 점군 데이터들에 대해서 PCA 주성분 분석법을 수행하여 출력되는 eigen value들 중 크기가 가장 큰 2개의 eigen value 에 대응되는 eigen vector를 이용하여 상기 핸들 평면을 구하고,상기 (e1-2) 단계는 상기 노이즈가 제거된 핸들 점군 데이터들에 대해서 PCA 주성분 분석법을 수행하여 출력되는 eigen value들 중 크기가 가장 작은 eigen value 에 대응되는 eigen vector를 핸들 법선 벡터로 결정하는 것을 특징으로 하는 밸브 모델링 방법
|
| 5 |
5
제 3 항에 있어서, 상기 거리 히스토그램은 제 1 피크값(D1) 및 상기 밸브 중심점으로부터 상기 제 1 피크값보다 더 가까운 제 2 피크값(D2)을 갖으며,상기 (f) 단계는(f1) 상기 제 1 피크값과 제 2 피크값 사이에 해당하는 리브 점군 데이터들을 상기 (e1-2) 단계에서 구해진 핸들 평면에 투영하는 단계; 및(f2) 상기 핸들 평면에 투영된 리브 점군 데이터들에 대해서 각도 히스토그램을 생성하여 각 리브간의 각도를 계산하는 단계를 포함하는 것을 특징으로 하는 밸브 모델링 방법
|
| 6 |
6
제 5 항에 있어서, 상기 (f2) 단계는 상기 각도 히스토그램에 삼각 필터를 적용하여 평활화된 각도 히스토그램을 생성하고, 상기 평활화된 각도 히스토그램을 이용하여 각 리브의 파라미터를 계산하는 것을 특징으로 하는 밸브 모델링 방법
|
| 7 |
7
제 1 항에 있어서, 상기 거리 히스토그램은 제 1 피크값(D1) 및 상기 밸브 중심점으로부터 상기 제 1 피크값보다 더 가까운 제 2 피크값(D2)을 갖으며,상기 (d) 단계는, 상기 밸브 중심점으로부터의 거리가 0 부터 상기 제 2 피크값까지에 해당되는 밸브의 중심 평면에 대응되는 중심 평면 점군 데이터들에 대해서 PCA 주성분 분석법을 수행하여, 밸브의 중심 평면의 법선 벡터와 반지름을 구하는 것을 특징으로 하는 밸브 모델링 방법
|
| 8 |
8
라이다(LiDAR : light detection and ranging) 점군 데이터로부터 밸브 중심점을 검출하고, 상기 밸브 중심점으로부터 사전에 설정된 거리내의 점군 데이터를 밸브 점군 데이터로 추출하는 밸브 점군 데이터 추출부;상기 밸브 점군 데이터들에 대해서 상기 밸브 중심점으로부터의 거리 히스토그램을 생성하는 거리 히스토그램 생성부;상기 거리 히스토그램을 이용하여, 밸브의 중심 평면에 대응되는 중심 평면 점군 데이터들을 선별하고, 상기 중심 평면 점군 데이터들을 이용하여 밸브의 중심 평면 파라미터들을 계산하는 중심 평면 추출부;상기 거리 히스토그램을 이용하여, 밸브의 핸들에 대응되는 핸들 점군 데이터들 선별하고, 상기 핸들 점군 데이터들을 이용하여 밸브의 핸들 파라미터들을 계산하는 핸들 추출부; 및상기 거리 히스토그램을 이용하여, 밸브의 핸들과 중심 평면을 연결하는 리브에 대응되는 리브 점군 데이터들을 선별하고, 상기 리브 점군 데이터들을 이용하여 밸브의 리브 파라미터들을 계산하는 리브 추출부;를 포함하는 것을 특징으로 하는 밸브 모델링 장치
|
| 9 |
9
제 8 항에 있어서, 상기 핸들 추출부는상기 핸들 점군 데이터들에 대해서 PCA 주성분 분석법을 수행하여 노이즈를 제거하고, 노이즈가 제거된 핸들 점군 데이터들로부터 핸들의 중심점과 핸들의 법선 벡터(핸들 법선 벡터)를 구하고, 노이즈가 제거된 핸들 점군 데이터를 2차원 평면으로 투영하여 핸들의 반지름을 구하는 것을 특징으로 하는 밸브 모델링 장치
|
| 10 |
10
제 9 항에 있어서, 상기 핸들 추출부는상기 핸들 점군 데이터들에 대해서 PCA 주성분 분석법을 수행하여 핸들 점군 데이터로 구성되는 핸들 평면을 구하고, 상기 핸들 평면에서 사전에 정의된 거리 이상으로 벗어나는 점군 데이터들을 노이즈로 제거하고, 상기 노이즈가 제거된 핸들 점군 데이터들에 대해서 PCA 주성분 분석법을 수행하여 핸들 평면을 구하고, 핸들 평면에 수직한 상기 핸들 법선 벡터를 구하는 것을 특징으로 하는 밸브 모델링 장치
|
| 11 |
11
제 10 항에 있어서, 상기 핸들 추출부는 상기 핸들 점군 데이터들에 대해서 PCA 주성분 분석법을 수행하여 출력되는 eigen value들 중 크기가 가장 큰 2개의 eigen value 에 대응되는 eigen vector를 이용하여 상기 핸들 평면을 구하고, 상기 노이즈가 제거된 핸들 점군 데이터들에 대해서 PCA 주성분 분석법을 수행하여 출력되는 eigen value들 중 크기가 가장 작은 eigen value 에 대응되는 eigen vector를 핸들 법선 벡터로 결정하는 것을 특징으로 하는 밸브 모델링 장치
|
| 12 |
12
제 10 항에 있어서, 상기 거리 히스토그램은 제 1 피크값(D1) 및 상기 밸브 중심점으로부터 상기 제 1 피크값보다 더 가까운 제 2 피크값(D2)을 갖으며,상기 리브 추출부는 상기 제 1 피크값과 제 2 피크값에 사이에 해당하는 리브 점군 데이터들을 상기 핸들 추출부에서 구해진 핸들 평면에 투영하고, 상기 핸들 평면에 투영된 리브 점군 데이터들에 대해서 각도 히스토그램을 생성하여 각 리브간의 각도를 계산하는 것을 특징으로 하는 밸브 모델링 장치
|
| 13 |
13
제 12 항에 있어서, 상기 리브 추출부는 상기 각도 히스토그램에 삼각 필터를 적용하여 평활화된 각도 히스토그램을 생성하고, 상기 평활화된 각도 히스토그램을 이용하여 각 리브의 파라미터를 계산하는 것을 특징으로 하는 밸브 모델링 장치
|
| 14 |
14
제 8 항에 있어서, 상기 거리 히스토그램은 제 1 피크값(D1) 및 상기 밸브 중심점으로부터 상기 제 1 피크값보다 더 가까운 제 2 피크값(D2)을 갖으며,상기 중심 평면 추출부는 상기 밸브 중심점으로부터의 거리가 0 부터 상기 제 2 피크값까지에 해당되는 밸브의 중심 평면에 대응되는 중심 평면 점군 데이터들에 대해서 PCA 주성분 분석법을 수행하여, 밸브의 중심 평면의 법선 벡터와 반지름을 구하는 것을 특징으로 하는 밸브 모델링 장치
|
