Le 18 avril 2019

TraceParts apporte son soutien à l’université de Stanford

La bibliothèque de modèles CAO de TraceParts est mise à la disposition des chercheurs du département d’informatique de l’université de Stanford, aux États-Unis

Domaines  

Saint-Romain, avril 2019

TraceParts apporte son soutien à l’Université de Stanford pour un projet de recherche portant sur la conversion de données numérisées en CAO.

Une équipe de l’Université de Stanford a travaillé sur un projet de recherche visant à générer des modèles CAO à partir de données 3D numérisées.

Minhyuk Sung, doctorant en informatique à l’université de Stanford, bénéficiant des conseils de Leonidas Guibas, professeur d’informatique à Stanford, a proposé un nouveau système de numérisation vers CAO, en paramétrant un nuage de points 3D numérisé avec de multiples primitives géométriques, incluant plan, sphère, cylindre et cônes. Grâce aux primitives de sortie, les utilisateurs peuvent facilement manipuler les données numérisées dans de nombreuses applications en aval telles que l’édition de formes.

Dans leur recherche, l’objectif est de concevoir un système stable et entièrement automatique, fonctionnant sans aucun contrôle de l’utilisateur. Les techniques existantes d’adaptation des primitives au nuage de points d’entrée incluent les paramètres utilisateur, dont l’ajustement pour chaque entrée est crucial pour les performances. L’équipe évite ce problème et automatise le processus d’ajustement en introduisant un système basé sur l’apprentissage approfondi qui prédit les informations de haut niveau à partir des données d’entrée et estime les primitives plus précisément en fonction de ces informations.

La prédiction dans le processus découle de l’entraînement d’un réseau neuronal avec supervision dans une base de données CAO à grande échelle, qui est fournie par TraceParts. La figure ci-dessous montre une comparaison entre l’approche existante (1re ligne) et la méthode proposée (2nde ligne). Le système proposé basé sur l’apprentissage approfondi est capable de traiter des cas difficiles avec une plus grande fiabilité ; par exemple, les deux cylindres adjacents à l’extrémité droite, avec des rayons légèrement différents (vert et bleu clair), ne sont pas bien reconnus en utilisant la technique existante, mais sont correctement distingués par la nouvelle méthode.

TraceParts apporte son soutien à l’université de Stanford
(Cliquez sur l'image pour l'agrandir)

« Pour mener à bien cette recherche, nous avions besoin d’une base de données CAO à grande échelle que nous pourrions utiliser dans notre projet. Nous avons découvert la bibliothèque gratuite de modèles CAO en 3D de TraceParts. L’équipe de TraceParts nous a invité à utiliser leur API pour créer notre application et ainsi connecter leur base de données CAO à notre application. L’accès à la base de données TraceParts est pour nous une formidable opportunité, car elle est immense et suffisamment diversifiée. C’est parfait pour soutenir plusieurs projets de recherche. »  explique Minhyuk Sung à propos de la bibliothèque TraceParts.

Outre Minhyuk Sung et Leonidas Guibas, l’équipe de recherche comprend Lingxiao Li, Anastasia Dubrovina et Li Yi à l’université de Stanford. Ce travail de recherche sera présenté à la CVPR 2019, conférence sur la vision par ordinateur de haut niveau, qui se tiendra à Long Beach, en Californie, du 16 au 20 juin 2019.


Plus sur TraceParts : www.traceparts.com

Partager le communiqué

Tweeter Facebook Envoyer par e-mail

Recommandé

Abonnez-vous

Recevez deux fois par mois la synthèse de l'actualité CAO et PLM et gagnez peut-être une imprimante 3D ou une souris 3D (un tirage au sort chaque mois)