본 논문에서는 NURBS (Non-Uniform Rational B-Splines) 곡면 근사에 기반하여 거리 데이터로부터 3차원 곡면 모델을 생성하는 기법을 제안한다 입력으로 이용되는 거리 데이터는 연결 정보가 알려지지 않고 정렬되지 않은 일반적인 3차원 점들의 집합으로 가정한다 제안하는 알고리듬은 초기 모델 추정, 계층적 모델 표현, NURBS 곡면 네트워크 생성의 3단계로 나뉘어진다 초기 모델 추정 단계에서는 K-평균 군집화 기법을 이용하여 다각형면과 삼각형으로 표현되는 근사 모델을 생성하고, 계층적 트리 구조를 이용하여 초기 모델을 표현한다. 계층적 트리 구조로 부터 생성된 사각형면 모델에 의하여 $G^1$ 연속인 NURBS 곡면 네트워크를 효율적으로 생성한다. 제안하는 알고리듬은 초기 모델의 계층적 그래프 해석을 통하여 곡면 네트워크 형성에 필요한 계산량을 감소시켰으며, 또한 정확한 NURBS 제어점 추정을 통하여 근사 오차를 감소시킨다. 모의 실험 결과 거리 데이터로 부터 초기 모델과 다양한 해상도의 NURBS 곡면 네트워크가 효과적으로 생성되었으며 생성된 NURBS 곡면 모델의 근사 오치는 무시할 수 있는 수준임이 관찰되었다
In this paper, we propose an efficient algorithm to produce 3-D surface model from a set of range data, based on NURBS (Non-Uniform Rational B-Splines) surface fitting technique. It is assumed that the range data is initially unorganized and scattered 3-D points, while their connectivity is also unknown. The proposed algorithm consists of three steps: initial model approximation, hierarchical representation, and construction of the NURBS patch network. The mitral model is approximated by polyhedral and triangular model using K-means clustering technique Then, the initial model is represented by hierarchically decomposed tree structure. Based on this, $G^1$ continuous NURBS patch network is constructed efficiently. The computational complexity as well as the modeling error is much reduced by means of hierarchical decomposition and precise approximation of the NURBS control mesh Experimental results show that the initial model as well as the NURBS patch network are constructed automatically, while the modeling error is observed to be negligible
