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.