• English

Oplossing

Point cloud-analyse

Objecten herkennen en classificeren in 3D-puntenwolken uit scans en sensoren, zodat inspectie- en meetwerk dat nu handmatig gebeurt, geautomatiseerd kan draaien.

Neem contact op →
Laserscanner op statief midden in een lichte kantoorvloer

Van puntenwolk naar oordeel

Een 3D-scan levert miljoenen losse punten op, en geen antwoord. Tussen de scan en een besluit zit interpretatie: welk object is dit, klopt de vorm, valt de afwijking binnen de marge? Dat werk gebeurt in veel productieomgevingen nog met de hand.

Wat de analyse doet

  • Objecten herkennen en classificeren in de puntenwolk.
  • Vormafwijkingen en defecten opsporen, tegen de norm die u zelf stelt.
  • De uitkomst terugkoppelen aan de lijn, zodat er bijgestuurd kan worden.

Waar het past

Overal waar 3D-metingen sneller binnenkomen dan mensen ze kunnen beoordelen: inspectie in productielijnen, controle van onderdelen in automotive en maakindustrie. De aanpak sluit aan op de scanners en systemen die er al staan: de beoordelingsnorm blijft van u.

Verwant werk staat bij CAD/CAM-automatisering en het project AI voor lichtgewicht constructies. Voor infrastructuur en scheepsbouw leest u verder in Point cloud-analyse voor infrastructuur en scheepsbouw: van puntenwolk naar oordeel.

Wat u krijgt

Geen pakket, maar een werkende oplossing

Twentynext is geen softwareleverancier. Wij onderzoeken het vraagstuk, ontwerpen de oplossing en bouwen hem tot hij in productie draait.

Wat we opleveren

Een oplossing die in uw eigen proces draait, op uw eigen data. Geen licentie op software van iemand anders, en geen rapport met aanbevelingen.

Waar we beginnen

Bij de businessvraag, niet bij het model. Welke beslissing moet beter, en welke informatie hangt daaraan? Techniek is de laatste stap, niet de eerste.

Wie het bouwt

Dezelfde mensen die het bedenken. Van data-analyse en architectuur tot productie en beheer, zonder overdracht aan een andere partij.

Veelgestelde vragen

Wat is point cloud-analyse?

Een 3D-scan levert miljoenen losse punten op, en geen antwoord. Point cloud-analyse is de interpretatie daartussen: welk object is dit, klopt de vorm, valt de afwijking binnen de marge? In veel productieomgevingen gebeurt dat werk nog met de hand.

Wat doet de analyse concreet?

Drie dingen. Objecten herkennen en classificeren in de puntenwolk. Vormafwijkingen en defecten opsporen, tegen de norm die u zelf stelt. En de uitkomst terugkoppelen aan de lijn, zodat er bijgestuurd kan worden.

Werkt dit met de scanners die we al hebben?

De aanpak sluit aan op de scanners en systemen die er al staan. Het werk zit in de interpretatie van wat die scanners opleveren.

Wie bepaalt wat een afwijking is?

U. De beoordelingsnorm blijft van u; de analyse toetst elke meting aan die norm.

Waar past dit?

Overal waar 3D-metingen sneller binnenkomen dan mensen ze kunnen beoordelen: inspectie in productielijnen, controle van onderdelen in automotive en maakindustrie.

Is dit hetzelfde als CAD/CAM-automatisering?

Nee. CAD/CAM-automatisering genereert ontwerpen binnen harde eisen; point cloud-analyse beoordeelt metingen van bestaande objecten tegen een norm. Verwant werk staat bij CAD/CAM-automatisering en bij het project AI voor lichtgewicht constructies.

Voorbeeld van een scanresultaat: spinnenweb met vier dimensies

Waar staat uw organisatie?

Zestien vragen, zeven minuten, direct een spinnenweb met uw sterkste en zwakste dimensie. Geen e-mailadres nodig om het resultaat te zien.

Samenwerken

Samen uw project realiseren?

De mensen die het bouwen, beheren het daarna. Sinds 2014 in Eindhoven.

Martijn van Grieken

Martijn van Grieken

Directeur Data & AI

Plan een kennismaking of stel eerst een vraag