Recenti Sviluppi in Fotogrammetria Digitale: Tecniche di Acquisizione 3D e di Estrazione Automatica delle Informazioni

L’attuale processo di rilevamento geometrico del costruito e dell’ambiente circostante è caratterizzato da tecniche di misura e di calcolo sempre più performanti in termini di precisione, velocità di esecuzione e automazione. È richiesto pertanto un continuo aggiornamento culturale dei tecnici preposti all’esecuzione delle misure e alle operazioni di modellazione.

Il corso si propone l’obiettivo di fornire un aggiornamento sulle tecniche più avanzate di rilievo geometrico 3D attualmente a disposizione e sulle moderne forme di elaborazione dei dati che si avvalgono anche dell’intelligenza artificiale.

Nella prima parte del corso sarà fornita una panoramica sui recenti sviluppi delle tecniche di acquisizione 3D in alcuni settori dell’ingegneria e dell’architettura. Ad una introduzione nella quale saranno illustrati i principali ambiti applicativi delle tecniche di rilevamento e un'ampia panoramica dei metodi esistenti, farà seguito una lezione nella quale saranno illustrati gli ultimi sviluppi della tecnica Structure From Motion (SFM) nella visione artificiale e in fotogrammetria, per la generazione di modelli 3D a partire da immagini.

La contaminazione tra fotogrammetria e visione artificiale nel rilievo è un processo oramai iniziato almeno un decennio fa (ancorché non compiuto). Attualmente assistiamo anche all’ingresso nel campo del rilievo di tecniche mutuate dalla robotica, come nel caso del mobile mapping. In effetti, il caso di studio di un veicolo o di un operatore munito di sensori laser o telecamere che si muove nell’ambiente con lo scopo di rilevarlo, non è affatto dissimile da quello che vede un veicolo autonomo (robot) che si muove in un ambiente sconosciuto con lo scopo di ricavarne una rappresentazione spaziale (mapping). La sostanziale differenza è che il robot, per potersi muovere, deve simultaneamente risolvere il problema della localizzazione in un ambiente sconosciuto, da cui il problema noto come SLAM (Simultaneous Localization And Mapping). Questo sarà l’oggetto della terza lezione.

Una tecnologia che sta avendo un notevole impatto trasversale in molteplici ambiti è quella dell’intelligenza artificiale (AI). Come si vedrà nell'ultima lezione l'uso di algoritmi deep learning applicati al dato 3D (proveniente sia da sensori Lidar che da triangolazione) può permettere di colmare quel gap semantico che ancora differenzia la nuvola di punti (geometricamente dettagliata ma
priva di altre informazioni) dai modelli CAD e BIM, spesso meno geometricamente dettagliati ma più informativi.

Il corso, della durata di una giornata, è dedicato agli ingegneri, architetti e ricercatori interessati all’aggiornamento culturale delle moderne tecniche di acquisizione ed elaborazione delle caratteristiche geometriche degli oggetti per la modellazione BIM e per le applicazioni remote sensing in un contesto ambientale.

RELATORI
prof. Gabriele Guidi (2 lezioni) 
Department of Informatics, Luddy School of Informatics Computing and Engineering, Indiana University (USA)

prof. Andrea Fusiello (2 lezioni)
Dipartimento Politecnico di Ingegneria e Architettura, Università degli Studi di Udine

prof. Giorgio Grisetti (2 lezioni)
Dipartimento di Ingegneria Informatica, Automatica a Gestionale, Università degli Studi di Roma "La Sapienza"

dott. ssa Eleonora Grilli (2 lezioni)
3D Optical Metrology unit, FBK - Fondazione Bruno Kessler, Povo (TN)

Crediti immagine: Maset, E., Scalera, L., Beinat, A., Cazorzi, F., Crosilla, F., Fusiello, A., Gasparetto, A.: Preliminary comparison between handheld and mobile robotic mapping systems. Proceedings of I4SDG Workshop 2021. Mechanisms and Machine Science, vol 108, Springer, Cham, pp. 290-298 (2022) 

----

 Copia qui lo "short link" a questo articolo
www.geoforall.it/{sh404sef_shurl}