retro-conception-3d

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

• CloudCompare
• Open3D
• MeshLab
• GOM Inspect
• Blender (retopo + sculpt)