암묵적 모델링의 포인트 클라우드

필드를 구동하거나 암묵적 지오메트리를 생성하려면 포인트 클라우드를 가져오거나 포인트 클라우드를 새로 생성할 수 있습니다.

Inspire Implicit Modeling의 많은 컨텍스트를 사용하면 필드를 사용하여 지오메트리의 속성을 구동할 수 있습니다. 예를 들어 래티스의 상대 밀도나 두께, 또는 공간의 여러 지점에서 필렛 반경을 변경하는 것이 포함됩니다. 이러한 크기를 조정하기 위해 사용되는 필드가 지오메트리에서 정의된 경우 이러한 작업은 매우 간단합니다. 그러나 사용자는 공간의 특정 점에서만 크기 요구 사항을 알고 있는 경우가 많습니다. 다른 곳의 크기 조정은 덜 엄격하며 다양한 보간 기법을 사용하여 정보가 제공되는 인근 위치의 영향을 받아 자동으로 생성될 수 있습니다. 이 시나리오는 암묵적 모델링의 포인트 클라우드 컨텍스트를 사용하여 처리됩니다.

포인트 클라우드 컨텍스트는 각 포인트의 x, y, z 좌표와 해당 지점에 있는 필드의 스칼라 값을 지정하여 공간의 알려진 위치에 데이터를 제공하도록 요청합니다. 이 형식의 포인트 클라우드 데이터는 .csv 파일에서 가져오거나 사용자 인터페이스를 사용하여 새로 생성할 수 있습니다. 스칼라 값은 시뮬레이션 결과, 엔지니어링 경험을 기반으로 알려져 있는 수량, 방정식으로 구동 등으로부터 유도될 수 있습니다. 클라우드의 한 점으로 명시적으로 표현되지 않은 필드의 모든 위치에 대해 스칼라 값은 보간법을 사용하여 자동으로 생성됩니다. . 보간 기술의 예로는 역거리 가중치(Inverse Distance Weighting) 및 최근접 보간(Nearest Neighbor Interpolation)이 있습니다.

역거리 가중치는 중력과 매우 유사하게 작용합니다. 예를 들어, 지구와 달 사이에 위치한 점 입자는 지구와 달의 중력 효과를 모두 경험하게 됩니다. 지구와 달의 중력 기여도는 두 물체에 대한 점 입자의 위치와 해당 위치에서 각 물체의 중력장 강도에 따라 달라집니다. 역거리 가중치 보간법에서도 마찬가지입니다. 공간의 특정 위치에서 구름의 각 점(및 해당 스칼라 값)의 영향은 구름의 각 점까지의 거리와 스칼라 값의 부호 및 크기에 따라 달라집니다. 아래 예제 이미지에서는 점 위치에 지정된 래티스의 알려진 상대 밀도 값을 부드럽게 보간하기 위해 역거리 가중치가 사용되었습니다.

최근접 보간법은 상상하기가 더 쉽습니다. 필드의 각 위치는 포인트 클라우드에서 가장 가까운 점의 스칼라 값을 채택합니다. 이 기술은 공간에서 가까운 위치가 다른 스칼라 값으로 "스냅"될 수 있으므로 결과적으로 보간 스칼라 필드에 급격한 변화를 요구하게 됩니다.

기본적으로, 포인트 클라우드의 점으로 생성된 필드는 오로지 각 점의 보간된 값에 기초합니다. 그러나 포인트 클라우드에 배경 값을 할당하여 점이 이미 존재하는 값이나 필드를 수정하도록 하는 것이 가능합니다. 각 지점에는 반경과 감쇠 계수가 연결되어 있어 사용자가 배경 값이나 필드를 조각할 수 있는 영향 영역과 평활화 계수를 갖습니다.



포인트 클라우드 만들기

.csv 파일을 가져오거나 포인트 클라우드를 새로 구축할 수 있습니다. 포인트 클라우드를 수정할 때 포인트 수와 위치, 보간 전략을 변경할 수 있으며 역거리 가중치(Inverse Distance Weighting) 보간의 경우 지수를 변경할 수 있습니다. 포인트 클라우드를 .csv 파일로 저장할 수 있습니다.

Python 스크립트에서 포인트 클라우드를 생성하고, Python 라이브러리를 사용하여 포인트 클라우드를 정리 및 필터링한 다음, Inspire에 가져올 수 있습니다.

암묵적 지오메트리를 생성하기 위해 포인트 클라우드를 만드는 경우, 암묵적 모델링의 주요 개념은 표면을 암묵적 함수의 0 레벨 집합으로 표현하는 것임을 명심하십시오. 이 함수는 3D 공간의 한 점을 입력으로 받아서 스칼라 값을 반환합니다. 0에 가까운 값을 갖는 점은 표면의 일부로 간주되는 반면 양수 또는 음수 값을 갖는 점은 각각 표면 외부 또는 내부로 간주됩니다.

  1. 암묵적 모델링 리본에서 포인트 클라우드 도구를 선택합니다.
    팁: 도구를 찾아서 열려면 Ctrl+F를 누르십시오. 자세한 내용은 도구 찾기 및 검색을 참조하십시오.
  2. 옵션: 시각화 품질의 경우 요소의 밀도가 낮음에서 매우 높음에 해당하는 낮음에서 매우 높음 품질을 선택합니다. 품질이 높을수록 더 선명한 지오메트리 피처가 생성되지만 많은 계산을 필요로 합니다. 복잡한 기능을 만들 때는 낮은 품질로 작업한 후 기능이 완성되면 높은 품질로 전환하는 것이 좋습니다.
  3. 옵션: 포인트 클라우드를 가져오려면:
    1. 포인트 클라우드 대화 상자에서 가져오기 아이콘을 클릭합니다.
    2. .csv 파일을 찾습니다.
    3. 열기를 클릭합니다.
    표가 데이터로 채워집니다.
  4. 보간 유형을 선택합니다.
    • 역거리: 포인트 클라우드 데이터에 지정되지 않은 위치의 스칼라 값은 포인트 클라우드에 있는 포인트의 스칼라 값의 가중 평균으로 계산됩니다. 포인트 클라우드의 각 포인트에 대한 가중치는 클라우드의 각 포인트까지의 거리에 따라 달라집니다. 포인트 클라우드 데이터에 지정된 포인트의 스칼라 값은 제공된 스칼라 값과 정확히 동일합니다.
    • 최근접: 포인트 클라우드 데이터에 지정되지 않은 위치의 스칼라 값은 클라우드에서 가장 가까운 포인트의 스칼라 값과 같습니다.
  5. 상수 값 또는 변수가 될 수 있는 지수를 정의합니다. 이는 1 이상의 숫자입니다. 값이 작을수록 한 점의 영향이 공간을 통해 더 멀리 전파되고, 값이 클수록 특정 점에 대한 스칼라 값의 영향이 해당 점 주변에 더욱 국한됩니다.
  6. 옵션: 포인트 클라우드 필드에 배경 값을 할당합니다.
    1. 배경 값 확인란을 활성화합니다.
    2. 배경 값에 상수 값, 변수 또는 필드를 할당합니다.
    3. 점에서 생성된 값이 배경 값을 범프할 것인지 또는 설정 옵션을 사용하여 결과 필드가 배경 값을 보간하면서 각 점의 값을 정확히 통과하는 값을 갖도록 할 것인지를 선택합니다.
  7. 포인트 클라우드를 새로 만들거나 기존 포인트 클라우드를 수정합니다.
    작업 실행
    점 재배치 X, Y 및 Z 좌표와 값을 조정합니다.
    새 점 추가 + 기호를 클릭하고 X, Y 및 Z 좌표와 값을 입력합니다.
    기존 점 삭제 행을 선택한 다음, –를 클릭합니다.
    행 위치 변경 행을 선택한 다음, 위쪽 또는 아래쪽 화살표를 클릭합니다.
  8. 포인트 클라우드를 저장하려면:
    1. 저장 아이콘을 클릭합니다.
    2. 원하는 폴더를 찾습니다.
    3. 파일 이름을 입력합니다.
    4. 저장을 클릭합니다.
  9. 확인을 클릭합니다.
이렇게 하면 다음 작업을 수행할 수 있습니다.
  • 포인트 클라우드 데이터에서 연속적인 표면 표현을 생성하여 암묵적 지오메트리를 만듭니다. 예를 들어, 제거하려는 딤플이 있는 경우 토폴로지 최적화 데이터를 복구할 수 있습니다. 토폴로지 최적화 필드와 포인트 클라우드 필드를 결합하여 채울 수 있습니다.
  • 포인트 클라우드를 구동 객체로 사용하는 필드를 만듭니다. 그 다음에 암묵적 객체의 매개변수를 포인트 클라우드에 의해 구동되는 필드에 매핑할 수 있습니다. 예를 들어, 포인트 클라우드의 스칼라 값은 시뮬레이션의 응력 데이터와 관련될 수 있습니다. 이 예에서는 데이터가 점의 위치에 따라 1kPa ~ 5kPa 범위에 있다고 가정합니다. 이 데이터를 사용하여 스트럿 래티스의 빔 반경을 제어하는 필드를 생성하는 경우, 이러한 값에 적합한 두께 범위에 있도록 크기를 다시 조정해야 합니다.

    이 예를 계속 살펴보면 1kPa의 응력을 받는 영역에는 1mm의 두께가 있어야 하고, 5kPa의 응력을 받는 영역에는 5mm의 두께가 필요하다는 것을 알 수 있습니다. 필드 컨텍스트의 크기 조정 기능은 응력 범위를 스트럿 직경 범위로 매핑하는 데 사용되어야 합니다(예: 1kPa는 1mm로 매핑되고 5kPa는 5mm로 매핑됨). 이러한 값은 설명을 위한 것일 뿐이며 해당 응용 프로그램에 적합한 값을 사용해야 합니다.