SlideShare a Scribd company logo
1 of 34
연구 분야 소개
3D Anthropometry
이원섭 교수
한동대학교 ICT창업학부
Body Size & Product Design
Body Size & Product Design
Anthropometry | 인체측정학
3D Scan Tech & 3D Anthropometry
인체 측정 자료의 활용
1st
5th
95th
99th
1 head height 334 238.7 9.6 212.5 263.0 214.7 223.3 255.0 258.8
2 head breadth 335 160.9 6.4 123.5 180.5 146.4 151.4 171.2 175.3
3 head length 335 187.0 6.9 162.0 204.0 168.2 177.0 198.5 202.0
4 head circumference 335 564.5 13.5 516.5 604.5 533.4 543.2 587.2 596.2
5 face length 336 123.4 6.1 106.7 140.4 108.0 113.1 133.2 136.6
6 lower face length 336 69.1 4.5 57.5 83.6 58.6 61.8 76.3 79.4
7 sellion-bottom lip length 336 97.1 5.2 80.7 114.1 85.3 88.3 104.7 109.4
8 bottom lip-menton length 336 26.4 3.0 18.6 36.2 19.7 21.4 31.0 34.6
9 nasal bridge-menton length 336 109.1 5.5 93.2 124.3 95.8 99.8 117.7 120.8
10 nasal bridge-chin length 336 95.8 5.6 78.2 108.9 83.7 86.7 104.9 108.1
11 chin-menton length 336 13.3 2.5 4.9 20.6 7.9 9.5 17.6 19.1
12 nose length 336 54.3 3.4 43.2 62.2 46.6 48.6 60.3 61.9
13 nose protrusion 336 18.4 1.9 12.9 23.9 14.2 15.3 21.6 23.0
14 face width 336 154.8 6.4 132.4 171.5 138.6 144.0 164.2 168.2
15 chin width 336 130.3 8.6 105.4 156.7 112.5 116.5 144.6 150.8
16 minimum nasal bridge breadth 336 20.0 2.8 12.3 27.7 14.0 15.2 24.6 26.8
17 maximum nasal bridge breadth 336 30.5 2.8 22.3 37.7 24.2 25.6 35.3 36.7
18 nose width 336 37.6 2.7 30.3 45.8 31.8 33.4 42.4 43.8
19 lip width 336 49.1 3.8 38.5 58.2 40.7 42.6 55.5 57.4
20 bitragion-menton arc 336 313.7 16.2 269.0 361.1 273.5 284.1 339.1 347.3
21 bitragion-subnasale arc 336 283.0 12.9 234.9 319.6 252.1 263.1 304.5 312.1
22 bizygomatic-menton arc 336 304.8 14.5 261.3 339.6 267.0 277.8 327.6 336.2
No. Anthropometric dimension
Percentile
Max
Min
SD
Mean
n
인체 측정 자료의 활용
인체 측정 자료의 활용
인체 측정 자료의 활용
Size Korea | 한국인 인체치수조사
• 1979 ~ 2020 총 8회
• 누적 10만 명 이상 측정
• 1만 명 이상 3D 인체 스캔 데이터
• 200개 이상 측정 항목
Anthropometry Study – Big Picture
Direct Measurement
DATA COLLECTION
3D Measurement Shape Feature
Extraction
SIZE
ANALYSIS
Descriptive
Statistics
Sizing System
Analysis
Repreresentative
Size Analysis
3D Body Scanning
Landmarking
Editing / Post-Processing
Shape Variation
Analysis
Representative
Shape Models
SHAPE
ANALYSIS
Virtual Fit
Analysis
Design
Customization/
Optimization
DESIGN
Product Design
Guideline/Strategy
Anthropometry Big Data
13
치수 데이터 형상 데이터
활용도 • 치수 특성 분석
• 집단별 치수 비교
• 치수체계 개발
• 대표 크기 분석 등
• 형상 다양성 분석
• 대표 형상 분석
• 가상 착의 분석
• 맞춤형 설계 등
Format • Table 양식으로 정리 (예: Excel) • PLY, OBJ, STL 등 다양
• 별도 landmark, texture 파일 필요
용량 • 작음 (Excel 문서)
• Excel 크기: 200개 항목 ✕ 100,000명
• 3D data 원본: ~ 100 MB/person
요구
역량
• 통계 분석 역량 • 3D data 처리/분석을 위한
programming 역량
• Advanced data analytics
(Machine Learning, Deep Learning,
Virtual Fitting, FEA, …)
• Computer vision/graphics
3D Database
14
• [Face] Korean Air Force pilots (n = 336)
• [Head] Koreans (n = 8,500)
• [Head] North Americans & Europeans (n = 4,500)
• [Full body] Koreans (n = 13,500)
• [Full body] North Americans & Europeans (n = 4,500)
• [Ear] Koreans and Caucasians (n = 326 + ɑ)
• [Hand & Foot] Korean (n = 10,000)
3D Scan Data 예시: Ears
Outside Inside Merged
Post-Processing | 데이터 처리/가공
16
CAESAR heads (N = 2,299)
for head product designs
(total processing time: 260h)
(ref: CGAL example)
인체측정 절차
Where to measure?
17
Dimensions | 측정항목
• General body dimensions: 132 (US Army database)
• Detailed head dimensions: 122 (Lee et al. 2015)
• Detailed hand dimensions: 169 (Lee et al. 2013)
18
Landmarking | 측정 기준점 표시
19
CAESAR
Head
Ear
데이터 정렬
• 일관된 치수 및 형상 분석을 위해 특정 기준으로 데이터 정리 필요
20
All 3D scans are misaligned All aligned in one coordination
Template Model Registration | 템플릿 정합
21
registration
Template Model
…
Template-registered model의 특징
• 용량 최소화(350명 얼굴: 1.3GB  14MB, 1% 수준)
• 데이터처리/분석 속도 향상
• 형상 data 간에 parameterize됨  특정 부위 분석, 부위간 형상 차이 통계 분석
37,918 vertex 47,831 vertex
810 vertex
810 vertex
치수 분석
22
1st
5th
95th
99th
1 head height 334 238.7 9.6 212.5 263.0 214.7 223.3 255.0 258.8
2 head breadth 335 160.9 6.4 123.5 180.5 146.4 151.4 171.2 175.3
3 head length 335 187.0 6.9 162.0 204.0 168.2 177.0 198.5 202.0
4 head circumference 335 564.5 13.5 516.5 604.5 533.4 543.2 587.2 596.2
5 face length 336 123.4 6.1 106.7 140.4 108.0 113.1 133.2 136.6
6 lower face length 336 69.1 4.5 57.5 83.6 58.6 61.8 76.3 79.4
7 sellion-bottom lip length 336 97.1 5.2 80.7 114.1 85.3 88.3 104.7 109.4
8 bottom lip-menton length 336 26.4 3.0 18.6 36.2 19.7 21.4 31.0 34.6
9 nasal bridge-menton length 336 109.1 5.5 93.2 124.3 95.8 99.8 117.7 120.8
10 nasal bridge-chin length 336 95.8 5.6 78.2 108.9 83.7 86.7 104.9 108.1
11 chin-menton length 336 13.3 2.5 4.9 20.6 7.9 9.5 17.6 19.1
12 nose length 336 54.3 3.4 43.2 62.2 46.6 48.6 60.3 61.9
13 nose protrusion 336 18.4 1.9 12.9 23.9 14.2 15.3 21.6 23.0
14 face width 336 154.8 6.4 132.4 171.5 138.6 144.0 164.2 168.2
15 chin width 336 130.3 8.6 105.4 156.7 112.5 116.5 144.6 150.8
16 minimum nasal bridge breadth 336 20.0 2.8 12.3 27.7 14.0 15.2 24.6 26.8
17 maximum nasal bridge breadth 336 30.5 2.8 22.3 37.7 24.2 25.6 35.3 36.7
18 nose width 336 37.6 2.7 30.3 45.8 31.8 33.4 42.4 43.8
19 lip width 336 49.1 3.8 38.5 58.2 40.7 42.6 55.5 57.4
20 bitragion-menton arc 336 313.7 16.2 269.0 361.1 273.5 284.1 339.1 347.3
21 bitragion-subnasale arc 336 283.0 12.9 234.9 319.6 252.1 263.1 304.5 312.1
22 bizygomatic-menton arc 336 304.8 14.5 261.3 339.6 267.0 277.8 327.6 336.2
No. Anthropometric dimension
Percentile
Max
Min
SD
Mean
n
Representative Models | 대표 크기 및 대표 형상
23
Medium
(50%ile)
Smallest
(2.5%ile)
Largest
(97.5%ile)
Small
(25%ile)
Large
(75%ile)
치수 분석 시스템
24
Rep. models
sizing system
Accommodation
Target population
Key dimensions
대표 모델을 이용한 제품 설계
Digital rep. models 3D-printed rep. models
고관절 보호구
25
Size Korea
elderly woman
(n = 270)
대표 모델의 활용
26
(1) 원본 머리에
템플릿 모델 정합 적용
(2) Mesh의 품질을
향상시키고 귀와 목을 배치
(3) 가공 완료 (4) Mesh 모델을
NURBS 모델로 변환
다양성/변동성 분석
for designing one of critical part
in medical oxygen mask
Shapes of
nasal root part
Variation of nasal root
variation
27
제품 형상 및 조작범위 설계
28
Filtering
• 형상 설계
• 조작범위 설계
<video clip>
Virtual Fitting | 가상 착의성 분석
29
Virtual Fitting | 가상 착의성 분석
30
Virtual Fitting | 가상 착의성 분석
31
Virtual Fitting | 가상 착의성 분석
• 유한요소분석(finite element analysis) 기반 인체 및 제품의 물성치 고려한
압박도 분석
32
연구 분야 요약: Programmatic Data Handling
• 데이터 처리 및 가공에 가장 많은 노력 소요
• 수 백, 수 천 명 데이터의 효율적 처리(editing, landmarking, alignment 등)
• 연구 분야
 Template registration 기술을 활용한 이미지 자동 에디팅 및 generic DB 구축
 Deep learning 기술을 이용한 자동 landmarking, 치수/형상 자동 분석
 Virtual fit 기술을 이용한 맞춤형 설계 및 최적 설계
33
연구 분야 요약: System Dev
• 데이터 분석을 위해서는 고차원적 분석 기술 적용이 필요
• 산업체에서 3차원 인체 치수 데이터를 용이하게 이용하기 위해서는 손쉽게
사용할 수 있는 시스템 필요
• 연구 분야
 치수 및 치수체계 분석 시스템 (Web)
 3차원 인체 형상 분석 시스템 (Web)
 Virtual fit 및 제품 최적 설계 시스템 (Web)
34
Thank You
이원섭 교수
W.Lee@Handong.edu
한동대학교 ICT창업학부

More Related Content

What's hot

데이터야놀자2018-들어는 봤니? 유저로그 자동화-구민서
데이터야놀자2018-들어는 봤니? 유저로그 자동화-구민서데이터야놀자2018-들어는 봤니? 유저로그 자동화-구민서
데이터야놀자2018-들어는 봤니? 유저로그 자동화-구민서minseo koo
 
[최종]사업 계획서
[최종]사업 계획서[최종]사업 계획서
[최종]사업 계획서song jaehoon
 
2022 한양대_내셔널브랜드_Flowork_팀셔츠_최종발표.pdf
2022 한양대_내셔널브랜드_Flowork_팀셔츠_최종발표.pdf2022 한양대_내셔널브랜드_Flowork_팀셔츠_최종발표.pdf
2022 한양대_내셔널브랜드_Flowork_팀셔츠_최종발표.pdfArtcoon
 
2022 한양대_내셔널브랜드_Putting Garage_팡야_최종발표.pdf
2022 한양대_내셔널브랜드_Putting Garage_팡야_최종발표.pdf2022 한양대_내셔널브랜드_Putting Garage_팡야_최종발표.pdf
2022 한양대_내셔널브랜드_Putting Garage_팡야_최종발표.pdfArtcoon
 
2022 한양대_내셔널브랜드_ZEXTR_팀1918_최종발표.pdf
2022 한양대_내셔널브랜드_ZEXTR_팀1918_최종발표.pdf2022 한양대_내셔널브랜드_ZEXTR_팀1918_최종발표.pdf
2022 한양대_내셔널브랜드_ZEXTR_팀1918_최종발표.pdfArtcoon
 
WT-4069, WebCL: Enabling OpenCL Acceleration of Web Applications, by Mikael ...
WT-4069, WebCL: Enabling OpenCL Acceleration of Web Applications, by  Mikael ...WT-4069, WebCL: Enabling OpenCL Acceleration of Web Applications, by  Mikael ...
WT-4069, WebCL: Enabling OpenCL Acceleration of Web Applications, by Mikael ...AMD Developer Central
 
픽사메이커스 브랜드 소개서 2022(저용량)
픽사메이커스 브랜드 소개서 2022(저용량)픽사메이커스 브랜드 소개서 2022(저용량)
픽사메이커스 브랜드 소개서 2022(저용량)메이커스 픽사
 

What's hot (9)

데이터야놀자2018-들어는 봤니? 유저로그 자동화-구민서
데이터야놀자2018-들어는 봤니? 유저로그 자동화-구민서데이터야놀자2018-들어는 봤니? 유저로그 자동화-구민서
데이터야놀자2018-들어는 봤니? 유저로그 자동화-구민서
 
Gan
GanGan
Gan
 
[최종]사업 계획서
[최종]사업 계획서[최종]사업 계획서
[최종]사업 계획서
 
2022 한양대_내셔널브랜드_Flowork_팀셔츠_최종발표.pdf
2022 한양대_내셔널브랜드_Flowork_팀셔츠_최종발표.pdf2022 한양대_내셔널브랜드_Flowork_팀셔츠_최종발표.pdf
2022 한양대_내셔널브랜드_Flowork_팀셔츠_최종발표.pdf
 
2022 한양대_내셔널브랜드_Putting Garage_팡야_최종발표.pdf
2022 한양대_내셔널브랜드_Putting Garage_팡야_최종발표.pdf2022 한양대_내셔널브랜드_Putting Garage_팡야_최종발표.pdf
2022 한양대_내셔널브랜드_Putting Garage_팡야_최종발표.pdf
 
Medidas padrão femininas
Medidas padrão femininasMedidas padrão femininas
Medidas padrão femininas
 
2022 한양대_내셔널브랜드_ZEXTR_팀1918_최종발표.pdf
2022 한양대_내셔널브랜드_ZEXTR_팀1918_최종발표.pdf2022 한양대_내셔널브랜드_ZEXTR_팀1918_최종발표.pdf
2022 한양대_내셔널브랜드_ZEXTR_팀1918_최종발표.pdf
 
WT-4069, WebCL: Enabling OpenCL Acceleration of Web Applications, by Mikael ...
WT-4069, WebCL: Enabling OpenCL Acceleration of Web Applications, by  Mikael ...WT-4069, WebCL: Enabling OpenCL Acceleration of Web Applications, by  Mikael ...
WT-4069, WebCL: Enabling OpenCL Acceleration of Web Applications, by Mikael ...
 
픽사메이커스 브랜드 소개서 2022(저용량)
픽사메이커스 브랜드 소개서 2022(저용량)픽사메이커스 브랜드 소개서 2022(저용량)
픽사메이커스 브랜드 소개서 2022(저용량)
 

Recently uploaded

데이터 분석 문제 해결을 위한 나의 JMP 활용법
데이터 분석 문제 해결을 위한 나의 JMP 활용법데이터 분석 문제 해결을 위한 나의 JMP 활용법
데이터 분석 문제 해결을 위한 나의 JMP 활용법JMP Korea
 
(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?
(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?
(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?Jay Park
 
JMP가 걸어온 여정, 새로운 도약 JMP 18!
JMP가 걸어온 여정, 새로운 도약 JMP 18!JMP가 걸어온 여정, 새로운 도약 JMP 18!
JMP가 걸어온 여정, 새로운 도약 JMP 18!JMP Korea
 
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개JMP Korea
 
JMP를 활용한 가속열화 분석 사례
JMP를 활용한 가속열화 분석 사례JMP를 활용한 가속열화 분석 사례
JMP를 활용한 가속열화 분석 사례JMP Korea
 
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석JMP Korea
 
JMP를 활용한 전자/반도체 산업 Yield Enhancement Methodology
JMP를 활용한 전자/반도체 산업 Yield Enhancement MethodologyJMP를 활용한 전자/반도체 산업 Yield Enhancement Methodology
JMP를 활용한 전자/반도체 산업 Yield Enhancement MethodologyJMP Korea
 
공학 관점에서 바라본 JMP 머신러닝 최적화
공학 관점에서 바라본 JMP 머신러닝 최적화공학 관점에서 바라본 JMP 머신러닝 최적화
공학 관점에서 바라본 JMP 머신러닝 최적화JMP Korea
 

Recently uploaded (8)

데이터 분석 문제 해결을 위한 나의 JMP 활용법
데이터 분석 문제 해결을 위한 나의 JMP 활용법데이터 분석 문제 해결을 위한 나의 JMP 활용법
데이터 분석 문제 해결을 위한 나의 JMP 활용법
 
(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?
(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?
(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?
 
JMP가 걸어온 여정, 새로운 도약 JMP 18!
JMP가 걸어온 여정, 새로운 도약 JMP 18!JMP가 걸어온 여정, 새로운 도약 JMP 18!
JMP가 걸어온 여정, 새로운 도약 JMP 18!
 
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개
 
JMP를 활용한 가속열화 분석 사례
JMP를 활용한 가속열화 분석 사례JMP를 활용한 가속열화 분석 사례
JMP를 활용한 가속열화 분석 사례
 
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석
 
JMP를 활용한 전자/반도체 산업 Yield Enhancement Methodology
JMP를 활용한 전자/반도체 산업 Yield Enhancement MethodologyJMP를 활용한 전자/반도체 산업 Yield Enhancement Methodology
JMP를 활용한 전자/반도체 산업 Yield Enhancement Methodology
 
공학 관점에서 바라본 JMP 머신러닝 최적화
공학 관점에서 바라본 JMP 머신러닝 최적화공학 관점에서 바라본 JMP 머신러닝 최적화
공학 관점에서 바라본 JMP 머신러닝 최적화
 

3D Anthropometry (Kor)

  • 1. 연구 분야 소개 3D Anthropometry 이원섭 교수 한동대학교 ICT창업학부
  • 2. Body Size & Product Design
  • 3. Body Size & Product Design
  • 5. 3D Scan Tech & 3D Anthropometry
  • 6. 인체 측정 자료의 활용 1st 5th 95th 99th 1 head height 334 238.7 9.6 212.5 263.0 214.7 223.3 255.0 258.8 2 head breadth 335 160.9 6.4 123.5 180.5 146.4 151.4 171.2 175.3 3 head length 335 187.0 6.9 162.0 204.0 168.2 177.0 198.5 202.0 4 head circumference 335 564.5 13.5 516.5 604.5 533.4 543.2 587.2 596.2 5 face length 336 123.4 6.1 106.7 140.4 108.0 113.1 133.2 136.6 6 lower face length 336 69.1 4.5 57.5 83.6 58.6 61.8 76.3 79.4 7 sellion-bottom lip length 336 97.1 5.2 80.7 114.1 85.3 88.3 104.7 109.4 8 bottom lip-menton length 336 26.4 3.0 18.6 36.2 19.7 21.4 31.0 34.6 9 nasal bridge-menton length 336 109.1 5.5 93.2 124.3 95.8 99.8 117.7 120.8 10 nasal bridge-chin length 336 95.8 5.6 78.2 108.9 83.7 86.7 104.9 108.1 11 chin-menton length 336 13.3 2.5 4.9 20.6 7.9 9.5 17.6 19.1 12 nose length 336 54.3 3.4 43.2 62.2 46.6 48.6 60.3 61.9 13 nose protrusion 336 18.4 1.9 12.9 23.9 14.2 15.3 21.6 23.0 14 face width 336 154.8 6.4 132.4 171.5 138.6 144.0 164.2 168.2 15 chin width 336 130.3 8.6 105.4 156.7 112.5 116.5 144.6 150.8 16 minimum nasal bridge breadth 336 20.0 2.8 12.3 27.7 14.0 15.2 24.6 26.8 17 maximum nasal bridge breadth 336 30.5 2.8 22.3 37.7 24.2 25.6 35.3 36.7 18 nose width 336 37.6 2.7 30.3 45.8 31.8 33.4 42.4 43.8 19 lip width 336 49.1 3.8 38.5 58.2 40.7 42.6 55.5 57.4 20 bitragion-menton arc 336 313.7 16.2 269.0 361.1 273.5 284.1 339.1 347.3 21 bitragion-subnasale arc 336 283.0 12.9 234.9 319.6 252.1 263.1 304.5 312.1 22 bizygomatic-menton arc 336 304.8 14.5 261.3 339.6 267.0 277.8 327.6 336.2 No. Anthropometric dimension Percentile Max Min SD Mean n
  • 10. Size Korea | 한국인 인체치수조사 • 1979 ~ 2020 총 8회 • 누적 10만 명 이상 측정 • 1만 명 이상 3D 인체 스캔 데이터 • 200개 이상 측정 항목
  • 11. Anthropometry Study – Big Picture Direct Measurement DATA COLLECTION 3D Measurement Shape Feature Extraction SIZE ANALYSIS Descriptive Statistics Sizing System Analysis Repreresentative Size Analysis 3D Body Scanning Landmarking Editing / Post-Processing Shape Variation Analysis Representative Shape Models SHAPE ANALYSIS Virtual Fit Analysis Design Customization/ Optimization DESIGN Product Design Guideline/Strategy
  • 12. Anthropometry Big Data 13 치수 데이터 형상 데이터 활용도 • 치수 특성 분석 • 집단별 치수 비교 • 치수체계 개발 • 대표 크기 분석 등 • 형상 다양성 분석 • 대표 형상 분석 • 가상 착의 분석 • 맞춤형 설계 등 Format • Table 양식으로 정리 (예: Excel) • PLY, OBJ, STL 등 다양 • 별도 landmark, texture 파일 필요 용량 • 작음 (Excel 문서) • Excel 크기: 200개 항목 ✕ 100,000명 • 3D data 원본: ~ 100 MB/person 요구 역량 • 통계 분석 역량 • 3D data 처리/분석을 위한 programming 역량 • Advanced data analytics (Machine Learning, Deep Learning, Virtual Fitting, FEA, …) • Computer vision/graphics
  • 13. 3D Database 14 • [Face] Korean Air Force pilots (n = 336) • [Head] Koreans (n = 8,500) • [Head] North Americans & Europeans (n = 4,500) • [Full body] Koreans (n = 13,500) • [Full body] North Americans & Europeans (n = 4,500) • [Ear] Koreans and Caucasians (n = 326 + ɑ) • [Hand & Foot] Korean (n = 10,000)
  • 14. 3D Scan Data 예시: Ears Outside Inside Merged
  • 15. Post-Processing | 데이터 처리/가공 16 CAESAR heads (N = 2,299) for head product designs (total processing time: 260h) (ref: CGAL example)
  • 17. Dimensions | 측정항목 • General body dimensions: 132 (US Army database) • Detailed head dimensions: 122 (Lee et al. 2015) • Detailed hand dimensions: 169 (Lee et al. 2013) 18
  • 18. Landmarking | 측정 기준점 표시 19 CAESAR Head Ear
  • 19. 데이터 정렬 • 일관된 치수 및 형상 분석을 위해 특정 기준으로 데이터 정리 필요 20 All 3D scans are misaligned All aligned in one coordination
  • 20. Template Model Registration | 템플릿 정합 21 registration Template Model … Template-registered model의 특징 • 용량 최소화(350명 얼굴: 1.3GB  14MB, 1% 수준) • 데이터처리/분석 속도 향상 • 형상 data 간에 parameterize됨  특정 부위 분석, 부위간 형상 차이 통계 분석 37,918 vertex 47,831 vertex 810 vertex 810 vertex
  • 21. 치수 분석 22 1st 5th 95th 99th 1 head height 334 238.7 9.6 212.5 263.0 214.7 223.3 255.0 258.8 2 head breadth 335 160.9 6.4 123.5 180.5 146.4 151.4 171.2 175.3 3 head length 335 187.0 6.9 162.0 204.0 168.2 177.0 198.5 202.0 4 head circumference 335 564.5 13.5 516.5 604.5 533.4 543.2 587.2 596.2 5 face length 336 123.4 6.1 106.7 140.4 108.0 113.1 133.2 136.6 6 lower face length 336 69.1 4.5 57.5 83.6 58.6 61.8 76.3 79.4 7 sellion-bottom lip length 336 97.1 5.2 80.7 114.1 85.3 88.3 104.7 109.4 8 bottom lip-menton length 336 26.4 3.0 18.6 36.2 19.7 21.4 31.0 34.6 9 nasal bridge-menton length 336 109.1 5.5 93.2 124.3 95.8 99.8 117.7 120.8 10 nasal bridge-chin length 336 95.8 5.6 78.2 108.9 83.7 86.7 104.9 108.1 11 chin-menton length 336 13.3 2.5 4.9 20.6 7.9 9.5 17.6 19.1 12 nose length 336 54.3 3.4 43.2 62.2 46.6 48.6 60.3 61.9 13 nose protrusion 336 18.4 1.9 12.9 23.9 14.2 15.3 21.6 23.0 14 face width 336 154.8 6.4 132.4 171.5 138.6 144.0 164.2 168.2 15 chin width 336 130.3 8.6 105.4 156.7 112.5 116.5 144.6 150.8 16 minimum nasal bridge breadth 336 20.0 2.8 12.3 27.7 14.0 15.2 24.6 26.8 17 maximum nasal bridge breadth 336 30.5 2.8 22.3 37.7 24.2 25.6 35.3 36.7 18 nose width 336 37.6 2.7 30.3 45.8 31.8 33.4 42.4 43.8 19 lip width 336 49.1 3.8 38.5 58.2 40.7 42.6 55.5 57.4 20 bitragion-menton arc 336 313.7 16.2 269.0 361.1 273.5 284.1 339.1 347.3 21 bitragion-subnasale arc 336 283.0 12.9 234.9 319.6 252.1 263.1 304.5 312.1 22 bizygomatic-menton arc 336 304.8 14.5 261.3 339.6 267.0 277.8 327.6 336.2 No. Anthropometric dimension Percentile Max Min SD Mean n
  • 22. Representative Models | 대표 크기 및 대표 형상 23 Medium (50%ile) Smallest (2.5%ile) Largest (97.5%ile) Small (25%ile) Large (75%ile)
  • 23. 치수 분석 시스템 24 Rep. models sizing system Accommodation Target population Key dimensions
  • 24. 대표 모델을 이용한 제품 설계 Digital rep. models 3D-printed rep. models 고관절 보호구 25 Size Korea elderly woman (n = 270)
  • 25. 대표 모델의 활용 26 (1) 원본 머리에 템플릿 모델 정합 적용 (2) Mesh의 품질을 향상시키고 귀와 목을 배치 (3) 가공 완료 (4) Mesh 모델을 NURBS 모델로 변환
  • 26. 다양성/변동성 분석 for designing one of critical part in medical oxygen mask Shapes of nasal root part Variation of nasal root variation 27
  • 27. 제품 형상 및 조작범위 설계 28 Filtering • 형상 설계 • 조작범위 설계 <video clip>
  • 28. Virtual Fitting | 가상 착의성 분석 29
  • 29. Virtual Fitting | 가상 착의성 분석 30
  • 30. Virtual Fitting | 가상 착의성 분석 31
  • 31. Virtual Fitting | 가상 착의성 분석 • 유한요소분석(finite element analysis) 기반 인체 및 제품의 물성치 고려한 압박도 분석 32
  • 32. 연구 분야 요약: Programmatic Data Handling • 데이터 처리 및 가공에 가장 많은 노력 소요 • 수 백, 수 천 명 데이터의 효율적 처리(editing, landmarking, alignment 등) • 연구 분야  Template registration 기술을 활용한 이미지 자동 에디팅 및 generic DB 구축  Deep learning 기술을 이용한 자동 landmarking, 치수/형상 자동 분석  Virtual fit 기술을 이용한 맞춤형 설계 및 최적 설계 33
  • 33. 연구 분야 요약: System Dev • 데이터 분석을 위해서는 고차원적 분석 기술 적용이 필요 • 산업체에서 3차원 인체 치수 데이터를 용이하게 이용하기 위해서는 손쉽게 사용할 수 있는 시스템 필요 • 연구 분야  치수 및 치수체계 분석 시스템 (Web)  3차원 인체 형상 분석 시스템 (Web)  Virtual fit 및 제품 최적 설계 시스템 (Web) 34