Simplification of a Feature-based 3D CAD Assembly Model Considering the Allowable Highest and Lowest Limits of the LOD

Q: 이 논문에서 정의한 상세도(LOD)란 무엇인가?

상세도(LOD)는 사용자 선택 구성요소에 포함된 모든 피처의 수(ΣN)에서 제거된 피처의 수(ΣNd)를 뺀 값을 모든 피처의 수로 나눈 후 100을 곱하여 백분율로 나타낸 값이다. 이는 모델의 복잡성을 조절하여 목적에 맞는 수준으로 단순화하는 데 사용된다.

Q: 특징형상 기반 3D CAD 조립체 모델 단순화 시 허용 가능한 LOD 상하한은 어떻게 결정되는가?

연구 결과, 허용 가능한 LOD의 상하한은 전처리 단계에서 보존/제거된 부품 및 작은 요소, 그리고 LOD 기반 단순화 단계에서 사용자 잠금된 구성요소에 포함된 피처 수를 기반으로 결정된다. 이는 사용자가 입력하는 LOD 값의 유효성을 검사하고, 모델의 무결성을 유지하면서 효율적인 단순화를 가능하게 한다.

Eun-seop Yu; Hyunoh Lee; Soonjo Kwon; Jeong-youl Lee; Duhwan Mun

학술저널

저자정보: Eun-seop Yu (Kyungpook National University) Hyunoh Lee (Kyungpook National University) Soonjo Kwon (Korea Advanced Institute of Science and Technology) Jeong-youl Lee (Korean Register) Duhwan Mun (Kyungpook National University)

저널정보: 한국기계가공학회 한국기계가공학회지 한국기계가공학회지 제19권 제7호

오류 신고하기

피인용 0

검색

초록·키워드

Three-dimensional (3D) computer-aided design (CAD) models require different levels of detail (LODs) depending on their purpose. Therefore, it is beneficial to automatically simplify 3D CAD assembly models to meet the desired LOD. Feature-based 3D CAD assembly models typically have the lowest and highest feasible limits of LOD during simplification. In order to help users obtain a feasible simplification result, we propose a method to simplify feature-based 3D CAD assembly models by determining the lowest and highest limits of LOD. The proposed method is verified through experiments using a simplification prototype implemented as a plug-in type module on Siemens NX.

#3D CAD Assembly Model(3D CAD 조립체 모델) #Feature-based Method(특징형상 기반 방법) #Level of Detail(상세도) #Model Simplification(모델 단순화) #Plug-in Type System(플러그인 타입 시 스템) #Siemens NX(Siemens NX)

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2020-581-000846139

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료