Wat is Point Cloud?

Wat is een point cloud eigenlijk?

Stel je voor dat je met een laserpen duizenden stipjes zet op het oppervlak van een auto. Elk stipje kent zijn exacte positie in de ruimte: links-rechts, voor-achter, boven-onder. Zet je genoeg stipjes, dan zie je langzaam de vorm van de auto verschijnen — ook al is er tussen die stipjes niets. Dat is precies wat een point cloud is: een verzameling losse punten in de ruimte die samen een 3D-vorm vormen.

Elk punt heeft minimaal drie coördinaten (x, y, z), maar vaak ook extra informatie zoals kleur, reflectie of intensiteit. Het resultaat lijkt op een digitale wolk van stipjes die het oppervlak van iets vastlegt — vandaar de naam "puntenwolk".

Hoe kom je aan zo'n puntenwolk?

Point clouds ontstaan meestal door 3D-scannen. Denk aan:

• LiDAR-scanners — lasers die miljoenen keren per seconde de afstand meten naar objecten. Zelfrijdende auto's gebruiken dit om de omgeving in kaart te brengen.

• Fotogrammetrie — software die uit tientallen gewone foto's van hetzelfde object de 3D-vorm berekent.

• Dieptecamera's — zoals de sensor in sommige smartphones die afstand meet via infrarood.

• 3D-scanners in musea, bouwprojecten of de tandartspraktijk.

Het resultaat is altijd hetzelfde: een bestand vol coördinaten, vaak miljoenen punten groot.

Waarom zijn point clouds nu relevant voor AI?

Tot voor kort kon AI vooral met plaatjes, tekst en geluid overweg. Point clouds zijn lastiger: het zijn geen pixels op een vast rooster, maar losse punten verspreid door de ruimte. Je kunt ze niet zomaar door een standaard neuraal netwerk halen.

Maar de afgelopen jaren zijn er speciale AI-modellen ontwikkeld (zoals PointNet) die point clouds rechtstreeks kunnen "lezen". Die modellen leren bijvoorbeeld:

• Een auto herkennen in een wolk van punten

• Bepalen waar de grond ophoudt en een gebouw begint

• Voorwerpen classificeren zonder dat je ze eerst naar plaatjes moet omzetten

Dat maakt point clouds interessant voor robotica, zelfrijdende voertuigen, augmented reality en digitale tweeling-projecten.

Generatieve AI en point clouds

Nog spannender: generatieve AI kan tegenwoordig ook point clouds maken. Geef een model een tekstbeschrijving ("een stoel met rechte poten") en het genereert een 3D-puntenwolk die je direct kunt gebruiken in 3D-software. Of: train een model op duizenden gescande gezichten, en het kan nieuwe, realistische gezichten genereren — als wolk van punten.

Dit is anders dan een 3D-mesh (een model met vlakken en hoeken). Point clouds zijn ruwer, maar ook flexibeler: je kunt ze makkelijker bewerken, filteren en combineren.

Waar kom je het tegen?

• Zelfrijdende auto's — de LiDAR-sensor produceert real-time point clouds van de weg.

• Bouw en architectuur — scannen van bestaande gebouwen voor renovatie of BIM-modellen.

• Gaming en film — acteurs of decors scannen voor gebruik in digitale omgevingen.

• Archeologie en erfgoed — complete tempels of historische objecten digitaal vastleggen.

• AI-onderzoek — platforms zoals ShapeNet of ModelNet bevatten duizenden point clouds voor training.

• 3D-printen — van scan naar printbaar object, vaak via point cloud als tussenstap.

Wat kun jij ermee?

Als je met 3D werkt — of dat nu voor productontwerp, games, of robotica is — zijn point clouds steeds vaker de brug tussen de echte wereld en de digitale. Met moderne AI-tools hoef je niet meer alles handmatig te modelleren: scan, genereer of importeer een point cloud, en laat AI het verder oppakken.

Wil je experimenteren? Kijk eens naar open datasets zoals ScanNet of S3DIS, of probeer een app die fotogrammetrie ondersteunt. Je smartphone kan tegenwoordig al eenvoudige point clouds maken — en AI-modellen kunnen er steeds meer mee.