Segmentation multimodale de nuages de points et reconstruction de modèles CAO d'assemblages de pièces mécaniques numérisés

par Ghazanfar ali Shah

Projet de thèse en Conception

Sous la direction de Jean-Philippe Pernot.

Thèses en préparation à Paris, ENSAM en cotutelle avec L'Universita degli studi di Genova, Hereinafter named UNIGE , dans le cadre de École doctorale Sciences des métiers de l'ingénieur (Paris) , en partenariat avec LSIS - Laboratoire des Sciences de l'Information et des Systèmes (laboratoire) et de INSM - Ingénierie Numérique des Systèmes Mécanique (equipe de recherche) depuis le 19-09-2017 .


  • Résumé

    Même si de nombreuses techniques existent pour reconstruire en 3D des objets réels, très peu sont capables de traiter directement et efficacement le cas des assemblages de pièces mécaniques. Faute d'outils de segmentation adaptés, ces approches peinent à identifier dans le modèle reconstruit les différentes pièces qui constituent l'assemblage. Le projet MUSDA vise à développer une approche de segmentation de nuages de points d'assemblages de pièces mécaniques. L'originalité réside dans l'exploitation de données multimodales (e.g. nuages de points, images, base de données de modèles CAO). L'idée est de développer une approche modulaire fonctionnant en deux temps. Dans un premier temps, il s'agit de collecter au sein des données multimodales un ensemble de caractéristiques qui concourent à l'identification des interfaces et des pièces. Dans un second temps, il s'agit de fusionner ces informations à l'aide d'opérateurs de transformation travaillant dans un espace commun. L'approche proposée sera implémentée et validée sur plusieurs exemples.

  • Titre traduit

    Multimodal segmentation of point clouds and reconstruction of CAD models of mechanical assemblies


  • Résumé

    Even if many techniques exist to reconstruct real objects in 3D, very few are able to deal directly and efficiently with the case of assemblies of mechanical parts. In the absence of suitable segmentation tools, these approaches struggle to identify in the reconstructed model the different parts that make up the assembly. The MUSDA project aims to develop a segmentation approach of clouds of assembly points of mechanical parts. The originality lies in the exploitation of multimodal data (e.g. clouds of points, images, database of CAD models). The idea is to develop a two-stage modular approach. The first step is to collect within the multimodal data a set of characteristics that contribute to the identification of interfaces and parts. In a second step, it is necessary to merge this information with the help of transformation operators working in a common space. The proposed approach will be implemented and validated on several examples.