포인트 클라우드·LLM 기반 3D 유사 모델 검색 (등록특허)

3D CAD 부품 데이터베이스에서 형상이 비슷한 모델을 찾는 방법을 설계했습니다. 파일 이름이나 메타데이터를 이용한 검색은 이름이 임의로 붙거나 정보가 빠지면 정확도가 떨어지고, 형상 자체를 반영하지 못합니다.

형상 분석 방식에도 한계가 있습니다. 여러 방향의 2D 이미지를 쓰는 방식은 3차원 정보를 일부 잃고, 공간을 격자로 나누는 복셀 방식은 연산 비용이 큽니다. 이 방법은 3D 모델을 포인트 클라우드로 바꾸고, LLM으로 형상 특징 벡터를 만들어 검색합니다.

검색 목적에 따라 중요한 형상이 다릅니다. 전체 규격을 비교할 때는 넓고 완만한 면이 중요하고, 세부 형상을 비교할 때는 작고 곡률이 큰 면이 중요합니다.

그래서 모든 면에 점을 균일하게 배치하지 않고, 검색 모드에 따라 면마다 점 개수를 다르게 배분했습니다. 같은 점 개수로 검색에 필요한 형상을 더 많이 담고, 원본 대비 저장 용량과 연산량을 줄이기 위해서입니다.

STEP 등 3D CAD 파일을 입력받아 각 면의 곡률과 면적을 계산합니다. 검색 모드를 확인한 뒤 기하학적 중요도를 산출합니다. 전체 형상 모드는 곡률이 작고 면적이 큰 면에, 미세 형상 모드는 곡률이 크고 면적이 작은 면에 높은 가중치를 줍니다.

중요도에 따라 면별 샘플링 레이트를 정하고 점을 배치합니다. 예를 들어 육각 볼트의 전체 형상 모드에서는 몸통과 머리 평면에 약 1,000개, 나사산에 약 100개의 점을 배치합니다. 미세 형상 모드에서는 반대로 나사산에 점을 집중해 피치와 깊이 같은 세부 형상을 표현합니다.

포인트 클라우드의 점은 공간 안에 순서 없이 분포합니다. LLM이 처리할 수 있도록 점을 공간적 인접성에 따라 로컬 그룹으로 묶고, 그룹별 중심점을 구합니다. 그룹 순서는 중심점 위치를 기준으로 공간 채움 곡선에 따라 정하고, 그룹 안의 점 순서는 중심점과의 거리로 정합니다. 이렇게 3차원 구조를 반영한 시퀀스를 만들어 LLM에 입력하고, K차원 특징 벡터를 얻습니다.

LLM은 부품 카테고리로 라벨링한 3D 모델 데이터셋으로 대조 학습합니다. 앵커 모델의 증강 변형은 포지티브, 다른 부품 카테고리의 모델은 네거티브로 둡니다. 그 결과 같은 카테고리(예: 서로 다른 볼트)는 벡터 공간에서 가깝게, 다른 카테고리(예: 볼트와 기어)는 멀게 배치됩니다. 검색할 때는 질의 모델의 벡터와 데이터베이스에 저장된 모델 벡터의 유사도를 계산해 유사 모델을 결정합니다.

포인트 클라우드에 기반한 유사 모델을 검색하기 위한 방법. 등록번호 10-2986669, 출원번호 10-2026-0021442. 출원 2026.02.03, 특허결정 2026.06.18, 등록 2026.07.01. 청구항 4개. 출원인 ㈜이즈파크, 발명자 성연우 외 1명.