본 논문은 3차원 모델의 모양 기반 검색을 하기 위한 모델의 특징을 추출하는 방법을 제시한다. 3차원 모델의 특징 기술자는 모델에 대한 위치, 회전, 크기 변환에서 그 특징이 불변해야 하기 때문에, 모델을 정규 좌표계로 표시하기 위한 선(先)처리 작업이 필요하다. 우리는 선처리 작업을 위해서 주성분 분석 방법을 사용하였으며, 이 방법은 최소 경계 상자와 외접구의 생성을 위해서도 이용되었다. 제안한 알고리즘은 다음과 같다. 반지름 1인 외접구를 만들고, 구의 중심에 3차원 모델을 위치시킨 후, 반지름이 다른 동심구($r_i=i/n,;i=1,2,{ldots},n$)를 생성하고, 이 동심구들과 모델이 접하는 면을 구한 다음 그 면에 대한 곡률을 계산한다. 여기서 구한 곡률을 3차원 모델의 특징 기술자로 사용하게 된다. 실험 결과는 타 알고리즘에 비해 제안하는 방법이 상대적으로 적은 빈(bin) 수를 가졌음에도 불구하고 ANMRR 평가 함수에 의해 최소 0.1에서 0.6 이상의 성능 개선 효과가 나타나고 있음을 보여 준다. 본 논문은 색인 기법으로 $R{^*}-tree$를 사용하였다.
This paper presents a feature extraction method for shape based retrieval of 3D models. Since the feature descriptor of 3D model should be invariant to translation, rotation and scaling, it is necessary to preprocess the 3D models to represent them in a canonical coordinate system. We use the PCA(Principal Component Analysis) method to preprocess the 3D models. Also, we apply that to make a MBR(Minimum Boundary Rectangle) and a circumsphere. The proposed algorithm is as follows. We generate a circumsphere around 3D models, where radius equals 1(r=1) and locate each model in the center of the circumsphere. We produce the concentric spheres with a different radius($r_i=i/n,;i=1,2,{ldots},n$). After looking for meshes intersected with the concentric spheres, we compute the curvature of the meshes. We use these curvatures as the model descriptor. Experimental results numerically show the performance improvement of proposed algorithm from min. 0.1 to max. 0.6 in comparison with conventional methods by ANMRR, although our method uses .relatively small bins. This paper uses $R{^*}-tree$ as the indexing.
