A propos de nous

Une équipe pluridisciplinaire de haut niveau pour changer la donne sur les nuages de points 3D.

L'équipe

Yan Koch

Ingénieur de l'Ecole Centrale de Nantes,fondateur de TagLabs après 10 années d'expérience en génie climatique et froid industriel, et 7 années en tant que prestataire de scanning laser 3D (fondateur et gérant de Liber-D de 2011 à 2017).

 

Robin Kervadec

Ingénieur de L'Ecole Centrale de Nantes, est chargé - entre autres - du développement du moteur 3D de ScanSap.

Alexis Trouvé

Ingénieur Epitech, développeur C++ et C#, en charge de toute la structure d'arborescence et des propriétés des éléments générés dans ScanSap, et des développements sur KipTag.

Aurélien Milliat

Ingénieur ESIEA, est arrivé en renfort la partie développement 3D, algorithmes, et intervient sur des aspects pluridisciplinaires (serveur, base de données...), ainsi que sur la liaison avec des établissements de recherche.

Lucas Silve

Diplômé de l'Ecole Normale Supérieure de Lyon, Lucas travaille sur les aspects mathématiques, et en particulier la reconnaissance d'objets, thème sur lequel il va entamer une thèse CIFRE.

Le lecteur averti aura remarqué qu'il n'y a pas de photo des membres de l'équipe. Le site a été remis à jour durant le confinement et nous attendons la fin, et surtout d'avoir pu passer chez le coiffeur!

Nos valeurs

Exigence

Chaque fonctionnalité est examinée en profondeur​, et en groupe, afin de déceler la moindre faille, que ce soit sur le résultat attendu ou son ergonomie.

Innovation

Nous avons à cœur de proposer des fonctionnalités inédites. Si une fonction ne fait que reprendre ce qui existe, cela ne nous intéresse pas: elle doit au minimum faire beaucoup mieux!

No bullshit

Nous privilégions le travail de fond aux grandes déclarations et habillages cosmétiques.

Nous maîtrisons ce que nous produisons et sommes prêts à effectuer des démonstrations en live sur sur vos nuages de points.

Ethique

Avec la montée en puissance des PC, on est vite tenté de produire un code médiocre qui sera compensé par la puissance de calcul.

Nous avons choisi d'optimiser le code dans un souci de tirer le meilleur parti de configurations moyennes, luttant ainsi contre l'obsolescence programmée. Nous sommes également opposés aux solutions de streaming de nuages de points en ligne, qui sont à l'opposé de toute notion de sobriété numérique.

Notre approche

Les relevés 3D existent déjà depuis plus de 2 décennies. D'abord réservés à des secteurs de pointe ou à la recherche (archéologie, patrimoine, oil & gas, nucléaire), il se sont démocratisés depuis quelques années, dopés par l'arrivée du BIM.

Les nuages de points issus de ces relevés sont fascinants et en même temps frustrants: fascinants car ils contiennent des millions de points de mesure, frustrants car leur volume (des giga-octets) les rendent difficilement exploitables par ceux qui font les études techniques.

A cela s'ajoute un discours décourageant tenu par certains prestataires qui veulent absolument conserver l'exploitation des données en interne.

A tel point que les entreprises retournent souvent sur le terrain avec leur mètre ruban alors qu'un relevé 3D a été fait.

Les éditeurs de logiciels, ingénieurs, et chercheurs, travaillent depuis plusieurs années sur des solutions qui permettent de simplifier la manipulation de ces données et leur modélisation, c'est à dire leur retranscription en maquette numérique.

Les orientations actuelles sont les suivantes:

  • Transformer le nuage de points en surface (modèle maillé):

Les nuages de points sont décimés pour les alléger, puis des surfaces triangulaires sont créées et texturées. Par ce biais, il est possible de diviser le poids des données d'un facteur de plusieurs dizaines, tout en bénéficiant d'une très bonne qualité visuelle. Cela se fait malheureusement au détriment de la précision, en particulier sur les éléments qui contiennent des arêtes, ce qui est courant en industrie (structures, équipements, brides...). Opter pour un maillage de bâtiment, c'est se fermer les portes de la mesure de précision qu'exigent tous les corps de métier techniques.

  • Tenter de créer la maquette numérique automatiquement à partir du nuage de points:

Certains travaillent sur une classification automatique des nuages de points afin de distinguer les murs, les sols, les escaliers, le mobilier etc... puis de les modéliser par le biais de familles d'objets.

Si cette approche peut déboucher sur des utilisations en BIM classique, elle est très insuffisante en présence d'environnements complexes. En effet, reconnaître une table est une chose, reconnaître une tuyauterie ainsi que sa norme, et l'affecter à un système hiérarchisé, en est une autre. La sémantique requise pour des éléments techniques est beaucoup plus poussée que celle nécessaire pour reconnaître un objet par sa simple forme. Ce qui est normal, car aucun scanner laser ne peut distinguer 2 tubes acier carbone de normes différentes. Seule la personne en charge du projet, de par son savoir et l'analyse d'autres éléments (P&ID, documentation technique), pourra effectuer un choix pertinent.

L'approche par modélisation automatique possède aussi le désavantage de la baisse de précision, rendant la maquette incompatible avec les exigences des entreprises qui préfabriquent des éléments.

Ces orientations ont pour conséquence un abandon, au cours du projet, du nuage de points au profit de modèles plus légers mais dégradés.

Notre approche est différente:

Nous pensons à tous les acteurs des chantiers, pas uniquement à ceux qui interviennent en phase d'avant projet.

Pour nous, le nuage de points est indispensable à tous les stades des opérations.

Au lieu de n'envisager comme seule solution la simplification du nuage, nous optons pour un mode hybride afin de:

  • rendre le nuage de points - même volumineux - utilisable sur une machine de CAO standard et l'exploiter au meilleur de sa précision afin de satisfaire les besoins des entreprises les plus exigeantes (tuyauteurs, équipements process, structures).

  • accélérer et fiabiliser la modélisation des éléments indispensables au projet en combinant des algorithmes de détection automatiques et l'apport d'informations métier par l'utilisateur. Il s'agit de ce fait d'une modélisation supervisée.

  • LinkedIn - TagLabs
  • YouTube - TagLabs

TAGLABS,

1, rue de la Noë, 

Incubateur Centrale - Audencia - Ensan

44300 Nantes

Tel: +33 6 60 23 97 33

© TagLabs 2020