PRISMATEC.APP

Von der Punktwolke
zur Bauteilgeometrie.

Keine CAD-Datei des Bauteils? SI_Scan AI erkennt das Bauteil mit einem neuronalen Netz im 3D-Scan, trennt es von seinen Halterungen und rekonstruiert anschließend seine Oberfläche. Das Ergebnis ist Geometrie für SCAN2SPRAY und SI_Path, gewonnen vom physischen Bauteil.

Synthetischer Kotflügelscan nach der SI_Scan-Segmentierung mit türkis markierten Bauteilpunkten
  • Zivid
  • PyTorch
  • NVIDIA
  • Python
  • NumPy

Die richtige Geometrie beginnt mit den richtigen Punkten.

Ein Scan der Arbeitszelle enthält deutlich mehr als die zu lackierende Oberfläche. Wir verbinden Wissen über die Station mit erlernter Segmentierung und geometrischer Rekonstruktion. Jeder Schritt hat dabei eine eigene Aufgabe.

Stationsgeometrie nutzen

Die Befestigungsebene, ihre Neigung und der Arbeitsbereich bestimmen einen geometrischen Filter. Das neuronale Netz sieht den gesamten Scan und erhält die Filtermaske als Kontext. Nur vom Filter beibehaltene Punkte können als Bauteilpunkte ausgewählt werden.

Bauteil erkennen

Das Netz ordnet Punkte dem Bauteil, der Halterung oder dem Hintergrund zu. Dies ist besonders dort relevant, wo Schienen, Haken oder Klemmen nahe am Bauteil liegen und sich nicht allein anhand der Tiefe trennen lassen.

Oberfläche rekonstruieren

Aus den ausgewählten Scanpunkten erzeugen wir ein Dreiecksnetz. Die Rekonstruktion berücksichtigt Rauschen, isolierte Fragmente und Tiefensprünge und erhält dabei die gemessene Form.

Fehlende Bereiche rekonstruieren

Der Ergänzungsschritt ist für unvollständige Kanten und lokale Lücken im Scan vorgesehen. Seine Aufgabe ist es, eine zusammenhängende Oberfläche für SI_Path zu erzeugen, gemessene von ergänzter Geometrie zu unterscheiden und konstruktiv vorgesehene Öffnungen des Bauteils zu erhalten.

Bauteile nahe an ihren Halterungen erkennen.

Haken, Schienen oder Klemmen können im selben Tiefenbereich wie die zu lackierende Oberfläche liegen. SI_Scan nutzt lokale Formmerkmale und den Stationskontext, um das Bauteil von seiner Halterung zu unterscheiden. Die Bauteiloberfläche dient als Eingabe für den Lackierprozess; umgebende Strukturen behalten eine separate Rolle in der Geometrie der Arbeitszelle.

CAD-Illustration eines Industriegehäuses mit seiner Halterung
CAD-Illustration mit türkis hervorgehobenem Industriegehäuse und abgedunkelter Halterung
Dreiecksnetz aus dem synthetischen Scan eines Blechbauteils an Haken

Oberflächenrekonstruktion aus beobachteten Punkten.

Das neuronale Netz identifiziert Bauteilpunkte; ein separater Geometrieschritt erzeugt daraus die Oberfläche. Das entstehende Dreiecksnetz bildet die im Scan sichtbare Oberfläche innerhalb der Grenzen der verfügbaren Messung ab.

Die Rekonstruktion muss gemessene und ergänzte Bereiche unterscheiden, schmale Kanten erhalten und Verbindungen zwischen getrennten Oberflächen über Tiefenlücken vermeiden. Diese Informationen bestimmen, wo die Geometrie für die Bahnplanung geeignet ist und wo eine weitere Beobachtung erforderlich ist.

Gemeinsame Geometrie für SCAN2SPRAY und SI_Path.

Der Datenfluss verbindet Szenenerkennung, Prozessplanung und erlernte Entscheidungen beim Lackieren. SI_Scan liefert die geometrische Eingabe: die Bauteiloberfläche, ihre Position und ihren Bezug zur Station. SCAN2SPRAY und SI_Path nutzen dieselbe geometrische Referenz.

  1. SI_Scan

    Bauteil identifizieren und seine beobachtete Oberfläche rekonstruieren.

  2. SCAN2SPRAY

    Gemessene Geometrie in das Modell der Arbeitszelle übernehmen und den Lackierprozess planen.

  3. SI_Path

    Bauteilgeometrie als Eingabe für erlernte Entscheidungen beim Lackieren nutzen.

Die Schnittstellenspezifikation verbindet die Oberflächengeometrie mit der Klassifizierungskonfidenz je Punkt, nicht beobachteten Bereichen und Verweisen auf die Versionen von Scan, Kalibrierung und Modell. Halterungsgeometrie und nicht beobachteter Raum bleiben für die Kollisionsanalyse im Modell der Arbeitszelle erhalten, getrennt von der zu lackierenden Oberfläche.

Geometrie im Kontext der Station.

Das Netz erhält räumliche Merkmalskarten auf dem Raster des Scans. Sie beschreiben die Geometrie relativ zur Station statt ausschließlich zur Kamera. So ergänzt die bekannte Befestigungskonfiguration die Daten der gemessenen Oberfläche.

Synthetischer Kotflügelscan: Höhenmerkmalskarte relativ zur Befestigungsebene

Oberflächenhöhe

Der Abstand zur Befestigungsebene hilft, das Bauteil von dahinterliegenden Strukturen zu unterscheiden.

Synthetischer Kotflügelscan: Merkmalskarte der Oberflächennormalen

Oberflächenausrichtung

Lokale Oberflächennormalen beschreiben Richtungsänderungen, Krümmungen und Kantenverläufe.

Synthetischer Kotflügelscan: Maske der vom geometrischen Filter beibehaltenen Punkte

Arbeitsbereich

Die Position innerhalb der Station und der geometrische Filter liefern Kontext für die Entscheidung des Netzes.

Wir trainieren mit vielfältigen Szenen. Wir testen an neuen Bauteilen.

Annotierte Scandaten erzeugen

Unser Generator platziert Bauteile in unterschiedlichen Befestigungskonfigurationen und simuliert die Sichtbarkeit aus Kamera- und Projektorperspektive. Zivid-Referenzscans dienen als Grundlage für Kameramodell, Rauschen und fehlende Messpunkte.

Formen und Halterungen variieren

Wir berücksichtigen Bauteile auf Schienen, Distanzauflagen, an Haken und in Klemmen sowie CAD-basierte Gestelle. Die Variation macht Fälle sichtbar, in denen eine einfache geometrische Regel nicht ausreicht.

Modell trainieren und ausführen

Wir trainieren das Segmentierungsnetz in PyTorch mit GPU-Beschleunigung. Bei der Inferenz ordnet das trainierte Modell die Scanpunkte den Klassen der Szene zu. Daten, Modellversionen und Auswertungseinstellungen bleiben dem jeweiligen Experiment zugeordnet.

Segmentierung und Geometrie bewerten

Die Testdatensätze enthalten Bauteilgeometrien, die vom Training ausgeschlossen sind. Wir bewerten erhaltene Bauteiloberfläche, unerwünschte Halterungspunkte und rekonstruierte Geometrie getrennt. Synthetische Szenen liefern annotierte Daten zur Bewertung der Segmentierung; reale Referenzscans unterstützen die Prüfung der Rekonstruktion.

Sprechen wir über das Scannen Ihrer Bauteile.

Senden Sie uns ein Bauteilmodell oder einen Beispielscan und beschreiben Sie, wie das Bauteil an Ihrer Station gehalten wird. Gemeinsam definieren wir die Anwendung, passen Testszenen an Ihre Station an und bewerten die Ergebnisse anhand Ihrer geometrischen und prozesstechnischen Anforderungen.

contact@prismatec.app

Nennen Sie Bauteilart, Material, Gerätekonfiguration oder Kooperationsziel. Den Dateiaustausch stimmen wir in unserer Antwort ab.

Wir verwenden Ihre Daten, um Ihre Anfrage zu beantworten. Verantwortlicher ist Ablatherm Aerospace P.S.A. Datenschutzerklärung.