• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 가을 학술발표논문집 Vol.34 No.2 (B)
• /
• pp.202-205
• /
• 2007

본 논문에서는 3D 점집합으로부터 3D 메쉬를 생성하는 효율적인 기법을 소개한다. 대표적인 3D 삼각화 방법으로 3D Delaunay 삼각화 기법이 있으나 물체의 표면만을 고려한 메쉬 생성을 위한 방법으로 비효율적인 측면이 있다. 본 논문에서는 적은 계산량으로 물체의 표면 메쉬를 생성하는 기법을 소개한다. 물체의 각 영역을 분할하고 각 영역에 대해서 2D Delaunay 삼각화를 적용하여 3D 메쉬 구조를 얻는다. 3차원 점 집합에 대해 OBB를 계산하고 이를 기준으로 점집합을 다양한 각도에서 자르고 각 부분 점집합에 대해서 2D Delaunay 삼각화를 실시한다. 절단하는 각도의 간격이나 폭은 원래의 3D 점집합에서의 가장 가까운 이웃점들까지의 평균 거리를 이용하여 결정하도록 하였다. 후처리 과정으로 삼각 분할과정에서 잘못된 에지의 연결을 제거함으로써 객체의 삼각 분할 결과를 향상시킨다. 제안된 메쉬 생성 기법은 다양한 영상 기반 모델링 응용에서 효과적으로 적용될 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.1229-1230
• /
• 2011

다차원 점들로 구성된 점집합이 주어졌을 때, 그 집합에 속한 다른 점들에 지배되지 않는 점들로 구성된 부분집합을 스카이라인이라고 한다. 방대한 양의 다차원 정보를 다차원 점집합으로 보았을 때 그 집합의 스카이라인은 사용자가 의사 결정을 할 때 유용한 정보일 수 있으므로, 스카이라인을 신속하게 계산하려는 데 많은 관심이 모아지고 있다. 최근에는 방대한 크기의 점집합에 대해 스카이라인을 신속하게 계산하는 알고리즘들이 많이 개발되었다. 그러나 점집합이나 그 점집합의 스카이라인이 매우 큰 경우에 스카이라인 전체를 계산하는 것은 실제 사용자에게 큰 도움이 되지 않을 수가 있다. 이 논문에서는 스카이라인을 계산하기 전에 사용자가 자신의 선호도를 거리나 개수로 제시하는 경우, 이를 반영하여 사용자의 선호도를 가장 잘 만족하는 스카이라인 일부분을 구하는 방법을 제안한다.

• 헤리티지:역사와 과학
• /
• 제43권4호
• /
• pp.4-23
• /
• 2010

요즈음은 세습무계가 약화되고 강신무 계열의 무속인들이 왕성하게 활동하게 되면서 강신무인 점쟁이도 굿을 주재하는 경우가 많아지고 있다. 고대사회에서는 점쟁이가 공공성과 정치성을 지녀 그 위상 또한 상당했을 것으로 보이고, 오늘날은 점쟁이를 하나의 직업인으로서 인식해 가는 추세이다. 점쟁이는 부업이 아니라 주업으로써 활동하는 경우가 많고, 전반적으로 그들의 학력은 낮은 것으로 판단되지만, 대졸도 11명이나 된다는 점에서 학력이 점차 높아지고 있는 것도 확인해 볼 수 있다. 점집의 성격은 점치는 사람의 성향에 따라 다른데, 점집의 상호명을 통해서 어느 정도 추정해 볼 수 있다. 점쟁이 가운데는 신내림을 받은 사람이 많은데, 대부분 개인 신당을 소유하며 신당에는 주로 조상신류, 장군신류, 불교신류, 자연신류(천신, 용신 등), 도교신류, 기타 등을 모시고 있다. 그리고 점집의 상호를 보면, '${\bigcirc}{\bigcirc}$보살' 혹은 '${\bigcirc}{\bigcirc}$사(寺)'나 '${\bigcirc}{\bigcirc}$암(庵)'이라는 명칭이 많은데, 불교와 종교적인 친연성도 있겠지만 무속에 대한 사회의 부정적 인식을 희석하기 위해 불교적인 색채를 덧입힌 것으로도 보인다. 점집이 집단화된 지역을 보면 계림동 오거리, 양동 닭전머리, 중흥동 향토문화거리를 들 수 있다. 먼저 계림동 오거리권은 계림동과 산수동에 인접한 곳으로 주변에 계림시장과 대인시장이 있으며 점집이 72개로 15%의 비중을 차지하고 있다. 그리고 양동 닭전머리권은 월산동과 양동에 가까운 지역으로 배후에는 양동시장을 끼고 있는데 점집이 96개로 19%의 비중을 차지하고 있다. 마지막으로 중흥동 향토문화거리권은 중흥동과 우산동에 인접하며 인근에 북구청과 전남대학교 그리고 말바우시장이 자리하는 곳으로 점집이 106개로 21%의 비중을 차지하고 있다. 점치는 방법은 학습을 통하여 점치는 점쟁이와 강신을 통해 점치는 점쟁이에 따라서 큰 차이가 있다. 전반적으로 점책에만 의존하여 점치는 경우는 22%이고, 어떤 식으로든 영력에 의존하여 점치는 경우가 72%의 비중을 차지하고 있음을 보면, 대다수 점쟁이는 영력을 이용하여 점치고 있음을 알 수 있다. 점의 종류는 일생의례와 관련된 것으로 궁합 결혼 이혼 등 애정운이 있는가 하면, 가족과 관계된 것으로 작명 취업 진로 입시 사업 병고 액막이 등 가족운이 있고, 조상과 관련된 묏자리 이장 이사 등이 있다. 점치는 과정은 준비 단계, 점사를 공수하는 단계, 점사의 결과를 실천하는 단계로 이루어지고, 이들은 서로 순차적이면서 단계별로 연계되어 있다. 첫 번째 준비 단계는 다시 의뢰자의 기본정보를 확인하는 과정과 신의 강림을 청하는 과정으로 구성되어 있다. 신의 강림을 청할 때 주로 사용하는 점구는 징과 방울이다. 두번째 공수단계는 강신의 점쟁이가 영적인 힘을 얻어 공수를 주는 과정이고, 학습의 점쟁이는 점책을 확인하여 점사를 의뢰자에게 일러주는 때이다. 공수단계에서 사용되는 중요한 점구로 쌀과 엽전을 들 수 있다. 세 번째 실천단계는 점사의 공수 내용을 실천하는 것으로, 다시 말하면 점사 후 처방하는 절차를 말한다. 점쟁이의 처방으로는 굿을 하도록 권하는 경우가 많고, 그 다음으로 부적을 써 주는 순이었다. 광주지역 점복문화의 특징을 보면, 먼저 점쟁이와 보살의 역할이 병행되는 사례가 늘어나고 있으며, 점집이 굿당의 역할까지 함께 수행하는 경우가 많아지고 있다. 그리고 점집은 집단화되고 있는데, 주거환경개선사업의 영향으로 점집들이 밀집된 곳으로 이동해가는 모습도 확인할 수 있다. 뿐만 아니라 학습 계통의 점쟁이가 갈수록 증가하고 있고, 젊은 층의 점집 이용이 증가하고 있으며, 가족적인 것보다는 개인의 문제를 해결하기 위해 점집을 찾는 경우가 많아지고 있다.

• 한국정보과학회논문지:시스템및이론
• /
• 제32권8호
• /
• pp.411-417
• /
• 2005

본 논문에서는 입력으로 주어진 점집차 (point cloud)으로부터 캐널곡면을 복원 (reconstruction)하는 알고리즘을 제시한다. 캐널곡면은 반경이 변화하며 중심점이 기준곡선(spine curve)을 따라 이동하는 구(moving sphere)의 스웹트곡면(swept surface)이다. 이 논문에서는 수축기법(shrinking method)과 moving least-square 방법을 이용하여 주어진 점집합을 세곡선(thin-curve)형태의 점집합으로 수축시킴으로써 캐널곡면의 기준곡선을 근사한다. 근사된 기준곡선과 입력으로 주어진 점집합에 포함된 점들 사이의 거리를 이용하여, 캐널곡면을 구성하는 이동 구의 반경을 계산한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.330-332
• /
• 2012

본 논문에서는 임의의 정렬되지 않은 평면 점집합(Plane Point Set)에서 정렬을 고려한 개선된 Convex Hull 알고리즘을 제안한다. 이 알고리즘은 Convex Hull의 극점(Extreme Point) 특성을 이용하여 처리 데이터를 한정하기 때문에 계산복잡도를 낮춘다. 각 단계마다 볼록 정점(Convex Vertex)만을 판별하는 조건을 이용하여 한 번의 스캔으로 온전한 Convex Set이 구한다. 알고리즘 초기에 점집합의 정렬이 필요한데, 이때 걸리는 시간이 알고리즘 전체 동작시간의 대부분을 차지하는 만큼, 특성에 맞는 방법을 사용하여 빠르게 정렬하였다. 일반적인 상황을 가정하고 점집합을 랜덤하게 구성하여 실험하였으며 기존의 알고리즘에 비해 약 두 배의 속도 향상이 있음을 확인하였다.

• 전기전자학회논문지
• /
• 제17권1호
• /
• pp.29-35
• /
• 2013

본 연구에서는 임의의 정렬되지 않은 점집합에서 정렬을 고려한 개선된 Convex Hull 알고리즘을 제안한다. 이 알고리즘은 Convex Hull의 극점 특성을 이용하여 처리 데이터를 한정하기 때문에 계산복잡도가 낮다. 각 단계마다 볼록 정점을 판별하는 조건을 이용하여 한 번의 스캔으로 완전한 Convex Set을 구한다. 알고리즘 초기에 점집합의 정렬이 필요한데, 이때 걸리는 시간이 알고리즘 전체 동작시간의 대부분을 차지하기 때문에 값과 인덱스를 대치하여 빠르게 정렬하였다. 일반적인 상황을 가정하여 랜덤한 점집합으로 알고리즘의 동작시간을 측정하였으며 기존의 알고리즘에 비해 약 두 배의 속도 향상이 있음을 확인하였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제26권1호
• /
• pp.7-15
• /
• 2020

점집합을 매끄러운 다양체 표면으로 가시화하는 과정에서 전역 조명 기법을 사용하면 다양한 조명 효과로 사실적인 장면을 렌더링 할 수 있다. 광선 추적법에 대한 지속적인 요구와 그래픽스 하드웨어의 발전을 바탕으로 광선 추적법을 위한 전용 GPU와 프로그래머블 파이프 라인이 근래에 소개되었다. 본 논문에서는 광선 추적법의 가속을 지원하는 GPU와 렌더링 파이프라인을 사용하여 점집합 모델에 대한 실시간 전역 조명 렌더링을 수행하는 방법을 제시한다. 즉, 이동 최소 자승법을 적용하여 점집합을 부드러운 음함수 표면으로 근사한 후, GPU기반 광선 추적법을 이용하여 표면과의 광선 교차 검사를 수행하고 교차점에서 쉐이딩 효과를 적용하여 전역 조명 렌더링을 수행한다. 그 결과 오십만개 이상의 점으로 구성된 복잡한 점집합 모델이 포함된 장면을 실시간에 생성할 수 있다.

• 대한용접접합학회:학술대회논문집
• /
• 대한용접접합학회 1991년도 특별강연 및 추계학술발표 개요집
• /
• pp.94-96
• /
• 1991

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2014년도 제50차 하계학술대회논문집 22권2호
• /
• pp.431-432
• /
• 2014

본 논문 에서는 3차원 튜브 형태의 구조를 3차원 좌표를 갖는 점집합으로 추출했을 때, 이 점 집합에서 튜브를 관통하는 단위 벡터 및 방향성(orientation)을 구하는 알고리즘을 제안하였다. 이 알고리즘은 3차원 좌표를 정사영시킴으로써 2차원으로 차수를 낮추고, 그 처리를 간단하게 하였다. 또 내부를 구성하는 최대 넓이 폐곡선을 구성하는 점을 선택하는 방법을 제안하였다. 실험에서 제안한 방법은 정규화 된 튜브를 처리했을 때 중심(centroid) 및 방향성(orientation)을 의도한 값과 거의 동일하게 얻을 수 있었다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권5호
• /
• pp.527-531
• /
• 2008

스캐너를 이용해 스캔한 데이타는 오차를 포함하고 있으며, 이러한 오차는 통계적인 성질을 갖는 경우가 많다. 이러한 이유에서 통계적인 방법은 오차 처리를 위해 매우 효과적인 방법이며, 최근 많은 연구가 이루어지고 있다. 이러한 통계적인 방법 중 대표적인 방법인 점 추정 방법은 데이타의 여러 성질을 나타내지 못하고 단지 확률이 최대가 되는 부분의 성질만을 나타내는 한계가 있으며, 이러한 한계로 인하여 오버피팅 문제가 발생하게 된다. 이러한 한계를 극복하고 오버피팅 문제를 해결하기 위해서 본 논문에서는 변분 베이지안 방법을 이용한다. 점집합의 오차를 제거하기 위해 지역적 근사곡면을 사용하고, 높이함수를 이용해서 근사곡면을 나타낸다. 변분 베이지안 방법을 사용하여 오차가 제거된 근사곡면을 구하고, 주어진 점들을 근사곡면으로 매핑하여 오차를 제거한다. 제시된 방법은 계량적 실험과 실제 스캔된 자료를 이용한 실험을 통하여 검증된다.