Artificial Intelligence (AI) applications to architectural heritage usher promising evolutions in the Graphic arts and design field, as increasingly automated segmentation techniques can be applied to digital and numeric models for the semantic interpretation of survey data and subsequent reconstruction of conceptual and parametric 3D representations. Increasingly automated systems for the semantic description and classification of 3D data are indeed in ever-growing demand, also in view of optimizing Scan-to-BIM processes. In this context, the present contribution describes a semi-automated methodological approach aimed at building semantically rich and intelligible representations starting from survey data. This approach features two core foundations: firstly, the classification and subsequent propagation of architectural types, by means of Artificial Intelligence (AI) algorithms applied to the point clouds; secondly, the reconstruction, in Building Information Modelling (BIM) environment, of the detected element classes, via information transmission procedures and visual programming languages. The analysis of the proposed methodology applies to representative case studies referring to selected settings of the Pisa Charterhouse.
L’applicazione dell’Intelligenza Artificiale (IA) ai beni architettonici introduce promettenti evoluzioni nel settore del Disegno: tecniche più automatizzate di segmentazione semantica possono essere estese al modello digitale e numerico per l’interpretazione dei dati di rilievo e per la conseguente ricostruzione di rappresentazioni 3D concettuali e parametriche. Nuovi sistemi per la descrizione e la classificazione di dati 3D sono effettivamente sempre più richiesti, anche in vista dell’ottimizzazione di processi del tipo Scan-to-BIM. In questo contesto, il presente contributo illustra un approccio metodologico semi-automatico volto alla costruzione di rappresentazioni semanticamente ricche e intelligibili a partire da dati di rilievo. Tale approccio si basa su due nuclei fondanti: in primis, la classificazione e successiva propagazione di tipologie architettoniche, attraverso algoritmi di IA applicati alla nuvola di punti; quindi, la ricostruzione in ambiente Building Information Modelling (BIM) delle classi di elementi individuate tramite meccanismi di trasmissione delle informazioni e linguaggi di programmazioni visuale. La metodologia proposta è studiata in riferimento a casi studio rappresentativi relativi ad alcuni ambienti della Certosa Monumentale di Pisa.
Tra Intelligenza Artificiale e H-BIM per la descrizione semantica dei beni culturali: la Certosa di Pisa. Artificial Intelligence and H-BIM for the Semantic Description of Cultural Heritage: the Pisa Charterhouse
Gabriella Caroti;Andrea Piemonte;Marco Giorgio Bevilacqua
2021-01-01
Abstract
Artificial Intelligence (AI) applications to architectural heritage usher promising evolutions in the Graphic arts and design field, as increasingly automated segmentation techniques can be applied to digital and numeric models for the semantic interpretation of survey data and subsequent reconstruction of conceptual and parametric 3D representations. Increasingly automated systems for the semantic description and classification of 3D data are indeed in ever-growing demand, also in view of optimizing Scan-to-BIM processes. In this context, the present contribution describes a semi-automated methodological approach aimed at building semantically rich and intelligible representations starting from survey data. This approach features two core foundations: firstly, the classification and subsequent propagation of architectural types, by means of Artificial Intelligence (AI) algorithms applied to the point clouds; secondly, the reconstruction, in Building Information Modelling (BIM) environment, of the detected element classes, via information transmission procedures and visual programming languages. The analysis of the proposed methodology applies to representative case studies referring to selected settings of the Pisa Charterhouse.File | Dimensione | Formato | |
---|---|---|---|
Articolo DEF.pdf
accesso aperto
Descrizione: Versione Finale Editoriale
Tipologia:
Versione finale editoriale
Licenza:
Creative commons
Dimensione
3.86 MB
Formato
Adobe PDF
|
3.86 MB | Adobe PDF | Visualizza/Apri |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.