SEGMENTAZIONE SEMANTICA DI NUVOLE DI PUNTI ATTRAVERSO APPROCCI DI DEEP LEARNING: SVILUPPO E SPERIMENTAZIONE DI UN WORKFLOW IN MATLAB BASATO SULLA RETE NEURALE PointNet++

All’interno del processo Scan-to-BIM-to-FEM, che rappresenta un flusso integrato in grado di condurre, a partire dalla nuvola di punti, un modello BIM tridimensionale e successivamente in un modello agli elementi finiti per le analisi strutturali, la segmentazione semantica delle nuvole di punti rappresenta uno dei passaggi fondamentali al raggiungimento di un flusso di lavoro pienamente automatizzato per la modellazione digitale delle opere esistenti. Proprio per la sua rilevanza, tale problematica è stata affrontata in letteratura attraverso differenti approcci e strumenti, con particolare attenzione alle soluzioni basate su deep learning. Il contributo distintivo del presente elaborato consiste nello sviluppo di una pipeline in ambiente MATLAB per la segmentazione semantica automatica e la classificazione di una nuvola di punti, impiegando il modello PointNet++, disponibile nella libreria MathWorks. La pipeline implementa le fasi fondamentali del processo: Import e annotazione manuale della nuvola di punti, preprecessing del dato in input, addestramento del modello secondo parametri ben definiti e successiva validazione. Il fine della segmentazione semantica è la classificazione della nuvola di punti secondo classi semantiche di interesse. L’addestramento del modello viene inizialmente eseguito su una porzione limitata della nuvola di punti di un fabbricato esistente. Segue una fase di validazione, eseguita su porzioni differenti rispetto a quelle utilizzate per l'addestramento, al fine di verificare la capacità del modello di generalizzare su un ambiente differente ma appartenente alla medesima struttura. Il lavoro, focalizzato sulla componente di informazione geometrica contenuta nella nuvola di punti, mira a porre le basi per futuri approfondimenti nel campo della segmentazione semantica finalizzata alla modellazione digitale del patrimonio costruito. La prosecuzione della ricerca si sviluppa in relazione ad ulteriori caratteristiche intrinseche nella nuvola di punti quali il dato di riflettanza o l'informazione radiometrica RGB (colorazione reale). L’adozione di MATLAB, software ampiamente diffuso e user-friendly per l’ingegneria civile, rappresenta inoltre un elemento strategico per favorire la replicabilità del metodo e l’integrazione in workflow applicativi orientati al processo scan-to-BIM e alle successive analisi strutturali.