| name | retro-conception-3d |
| title | Rétro-conception 3D — Scan, photogrammétrie et reconstruction surfacique |
| description | Guide complet de rétro-conception 3D : scan laser, photogrammétrie, reconstruction CAO surfacique, nuages de points, alignment, mesh-to-BREP, inspection et reverse engineering |
| category | creative |
| tags | ["retro-conception","scan-3d","photogrammetrie","reverse-engineering","lidar","nuage-points","reconstruction"] |
| created | 2026-07-22T00:00:00.000Z |
Rétro-conception 3D
1. Technologies de capture
Scan laser
| Technologie | Précision | Portée |
|---|
| Triangulation laser | ±0.01-0.1 mm | 0.1-1 m |
| LIDAR ToF | ±1-10 mm | 1-1000 m |
| LIDAR Phase shift | ±1-3 mm | 1-100 m |
| LIDAR iPhone dToF | ±1-3 cm | 0.1-5 m |
Marques : FARO, Leica, Creaform (HandySCAN), Artec
Photogrammétrie
- Photos multiples → triangulation points homologues
- Précision : ±0.05-2 mm (selon caméra et échelle)
- Logiciels : RealityCapture, Metashape, Meshroom (OSS)
- Avantages : texture couleur, pas de matériel coûteux
- Inconvénients : surfaces réfléchissantes/transparentes
Scan structuré (lumière bleue)
- Projection motifs (frange, Gray code)
- Précision : ±0.005-0.05 mm
- Idéal : pièces mécaniques petites
- Marques : GOM ATOS, EinScan
CT scan (tomographie)
- Rayons X → volume 3D complet (interne inclus)
- Précision : ±0.01-0.1 mm, coût : €€€€€
2. Workflow
1. PRÉPARATION : nettoyage, matification, cibles, calibration
2. CAPTURE : multiples vues, zones fonctionnelles haute résolution
3. NUAGE DE POINTS : alignment, filtrage outliers, registration ICP
4. MESH : Poisson reconstruction, remaillage, réparation trous
5. CAO : primitives fitting, NURBS, features BREP
6. INSPECTION : deviation map, GD&T, jeu fonctionnel
3. Algorithmes clés
ICP (Iterative Closest Point)
import open3d as o3d
reg = o3d.pipelines.registration.registration_icp(
source, target, threshold, init_pose,
o3d.pipelines.registration.TransformationEstimationPointToPlane(),
o3d.pipelines.registration.ICPConvergenceCriteria(max_iteration=200)
)
Poisson Surface Reconstruction
mesh, densities = o3d.geometry.TriangleMesh.create_from_point_cloud_poisson(
pcd, depth=10, scale=1.1, linear_fit=False
)
RANSAC primitive fitting
plane_model, inliers = pcd.segment_plane(
distance_threshold=0.01, ransac_n=3, num_iterations=1000
)
4. Inspection dimensionnelle
Deviation map
distances = scan_mesh.compute_point_cloud_distance(ref_mesh.sample_points_uniformly(100000))
print(f"Écart moyen: {np.mean(distances)*1000:.2f} mm")
print(f"Écart max: {np.max(distances)*1000:.2f} mm")
GD&T sur scan
- Flatness, Position, Roundness, Cylindricity via best-fit
5. Stratégies par type d'objet
| Type | Technologie | Résolution |
|---|
| Pièce mécanique petite (5-200 mm) | Structuré / laser triang. | 0.01-0.1 mm |
| Pièce mécanique grande (0.2-2 m) | Laser LIDAR | 0.1-1 mm |
| Bâtiment (1-100 m) | LIDAR phase shift | 1-10 mm |
| Organique (sculpture, corps) | Photogrammétrie | 0.1-1 mm |
| Assemblage complet | CT scan | 0.01-0.1 mm |
6. Réparation de mesh
| Problème | Solution |
|---|
| Trous (holes) | Fill holes (MeshLab, Blender) |
| Non-manifold edges | Cleanup (Netfabb, Blender) |
| Spike / outliers | Statistical outlier removal |
| Normales inversées | Unify normals |
| Auto-intersections | Auto-repair |
| High poly count | Décimation quadric edge collapse |
7. Formats de sortie
PLY (intermédiaire), STL (impression), OBJ (texture), STEP (CAO après reconstruction), E57 (LIDAR), LAS/LAZ, DXF (plans)
Pitfalls
- Surfaces réfléchissantes : chrome/verre/miroir = impossible sans matification
- Noir : absorption laser = bruit. Utiliser poudre de contraste
- Sous-détails : angles vifs, trous < 1 mm peuvent être lissés
- Dérive alignment : grands scans → l'ICP peut diverger. Utiliser cibles
- Temps post-traitement : 4-10× le temps de scan pour un mesh propre
- Mesh→STEP : jamais de reconstruction paramétrique parfaite automatique
Ressources
