TraceParts unterstützt die Universität Stanford bei einem Scan-to-CAD-Forschungsprojekt

Die TraceParts CAD-Bauteilbibliothek kommt Forschern des Fachbereichs Informatik der Universität Stanford, USA, zugute.

Saint-Romain, Frankreich, 18 April 2019 – Eine Arbeitsgruppe der Universität Stanford hat an einem Forschungsprojekt zur Erstellung von CAD-Modellen aus digitalisierten 3D-Daten gearbeitet.

Minhyuk Sung, Doktorand im Bereich Informatik an der Universität Stanford, beraten von Leonidas Guibas, Professor für Informatik an der gleichnamigen Universität, schlug ein neues Scan-to-CAD-System vor, das eine gescannte 3D-Punktwolke mit mehreren geometrischen Primitiven einschließlich Ebene, Kugel, Zylinder und Kegel parametrisiert. Durch die Ausgabe-Primitive können die Benutzer die gescannten Daten in vielen nachgelagerten Anwendungen, wie z.B. der Formbearbeitung, einfach manipulieren.

Abbildung 1. Das Verfahren verwendet roh gescannte 3D-Punktwolkendaten und konvertiert sie in eine Reihe von geometrischen Primitiven, einschließlich solcher für winzige Segmente. Die Ausgabe-Primitive können in vielen Anwendungen wie der Formbearbeitung verwendet werden.

Ziel ihrer Forschung ist es, ein stabiles und vollautomatisches System zu entwickeln, das ohne jegliche Benutzerführung läuft. Bestehende Techniken, die Primitive an die Eingangspunktwolke anpassen, beinhalten Benutzerparameter, deren Feinabstimmung für jede Eingabe entscheidend für die Leistung ist. Das Projektteam umgeht das Problem und automatisiert den Anpassungsprozess durch die Einführung eines auf Deep-Learning basierenden Systems, das die hochrangigen Informationen aus den Eingabedaten vorhersagt und die Primitive zuverlässiger auf der Grundlage der Informationen schätzt.

Die Vorhersage in der Prozesskette wird durch das Training eines neuronalen Netzwerks mit Prüfung in einer umfangreichen CAD-Datenbank ermöglicht, die von TraceParts bereitgestellt wird. Die folgende Abbildung zeigt einen Vergleich zwischen dem bestehenden Verfahren (1. Reihe) und der vorgeschlagenen Methode (2. Reihe). Das vorgeschlagene Deep-Learning-basierte System kann schwierige Fälle zuverlässiger bewältigen; z.B. am rechten Ende werden zwei benachbarte Zylinder mit leicht unterschiedlichen Radien (grün und hellblau) mit der bestehenden Technik nicht richtig erkannt, aber mit dem neuen Verfahren richtig unterschieden.

Abbildung 2. Vergleich zwischen den Ergebnissen der bestehenden Technik (1. Reihe) und der vorgeschlagenen Methode (2. Reihe). Primitive, die sehr nahe beieinander liegen, können leicht verwechselt werden, aber die vorgeschlagene lernbasierte Methode kann solche Fälle zuverlässiger und genauer verarbeiten.

Für die Recherche waren wir auf der Suche nach einer umfangreichen CAD-Datenbank, die wir für unser Projekt nutzen konnten. Wir sind auf die kostenlose 3D-CAD-Modellbibliothek von TraceParts gestoßen. Das Team von TraceParts hat uns vorgeschlagen, ihre API zu verwenden, um unsere Anwendung zu erstellen und somit ihre CAD-Datenbank mit unserer Anwendung zu verbinden. Der Zugriff auf die TraceParts-Datenbank ist für uns eine große Chance, da sie umfangreich und ausreichend diversifiziert ist. Es eignet sich hervorragend zur Unterstützung mehrerer Forschungsprojekte

erklärt Minhyuk Sung in Bezug auf die TraceParts-Bibliothek.

Neben Sung und Guibas besteht das Forschungsteam an der Universität Stanford aus Lingxiao Li, Anastasia Dubrovina und Li Yi. Diese Forschungsarbeiten werden auf der CVPR 2019 vorgestellt, einer hochrangigen Konferenz für Computer Vision, die vom 16. bis 20. Juni 2019 in Long Beach, Kalifornien, USA, stattfinden wird.

Über TraceParts

TraceParts ist einer der weltweit führenden CAD-Content-Plattformen in den Bereichen Ingenieurwesen, Industrieanlagen und Maschinenbau mit insgesamt 5,8 Millionen registrierten Mitgliedern aus 1,3 Millionen Unternehmen, die aktiv Produktinformationen und technische Daten aus über 195 verschiedenen Ländern beziehen.

Als Teil der 1990 gegründeten Trace Group, bietet TraceParts mehr als 800 Kunden aus den unterschiedlichsten Branchen und Größen ein hochgradig gezieltes Marketing über eine leistungsstarke API und Cloud-basierten SaaS-Anwendungen wie CAD-Bauteilbibliotheken, Produktkataloge und -Konfiguratoren.

Die umfassenden digitalen Marketingleistungen von TraceParts unterstützten Bauteilhersteller und -händler, Anbieter aus den Bereichen 3D-Druck & Rapid-Prototyping, CAD-/CAM-/CAE-/ECAD-Softwareentwickler und Hardwarehersteller dabei, für ihre Produkte und Serviceleistungen zu werben und hochwertige Leads zu erzeugen.

Die TraceParts CAD-Content Plattform steht Millionen von Ingenieuren und Planern weltweit kostenfrei zur Verfügung und bietet Zugriff auf über 2.117 Bauteilkataloge zertifizierter Anbieter und Milliarden von 2D-Zeichnungen, 3D-CAD-Modellen und Produktdatenblättern die perfekt auf die Digitalisierungsanforderungen von Entwicklungs-, Einkaufs-, Fertigungs- und Wartungs- und Betriebsprozessen in nahezu allen Industriebranchen zugeschnitten sind.