• 3D survey
• BIM
• classificazione semantica
• cultural heritage
• digital heritage
• laser scanner
• Machine Learning
• nuvole di punti
• point cloud classification
• rilievo

L’evoluzione tecnologica ha portato numerosi cambiamenti all’interno del settore dei beni culturali il quale è stato, negli ultimi decenni, uno dei campi di sperimentazione più interessanti delle nuove tecnologie e metodologie di rilievo tridimensionale. Non solo, ma ultimamente è sempre più presente la problematica del rilievo di strutture relativamente recenti, costituite da materiali moderni come acciaio e calcestruzzo armato che presentano geometrie più particolari e difficilmente ricostruibili, che necessitano di interventi finalizzati al loro mantenimento nel tempo. A tal fine la fase di modellazione del manufatto risulta ad oggi la più complessa e problematica in termini di tempistiche e quindi la presente tesi verte sull’automazione di tale fase attraverso l’utilizzo di metodi automatici e semi automatici di segmentazione e classificazione basati sull’associazione di diverse informazioni semantiche ai prodotti del rilievo tridimensionale come nuvole di punti ottenute da Laser-scanner. Tali procedure automatiche di classificazione per l’analisi e la comprensione dei modelli 3D sono state rese possibili grazie all’avvento dell’Intelligenza Artificale (IA). Machine e Deep Learning (ML / DL), campi di applicazione dell’IA, sono basati sullo sviluppo di algoritmi che permettono ai calcolatori/computer di prendere decisioni basate su dati iniziali di training.
Fino ad oggi questo approccio, ancora in fase di sperimentazione, è stato applicato principalmente al patrimonio edilizio storico, questa tesi, invece, vuole portare all’applicazione di tale metodologia anche al rilievo di strutture più recenti e complesse, come possono essere ad esempio le "Grid Complex Structure", strutture che negli ultimi anni iniziano a necessitare sempre maggiormente di interventi di mantenimento. In particolare viene riportato come caso studio della "Vela", una struttura in acciaio, che va a ricoprire la piazza adiacente alla Torre Unipol presente a Bologna.


Technological evolution has brought about numerous changes within the cultural heritage sector which has been, in recent decades, one of the most interesting fields of experimentation of new technologies and three-dimensional methodologies. Not only that, but lately the problem of surveying relatively recent structures is increasingly present, consisting of modern materials such as steel and reinforced concrete that have more particular and difficult to reconstruct geometries, which require interventions aimed at maintaining them over time. To this end, the modeling phase of the artefact is currently the most complex and problematic in terms of timing and therefore this thesis focuses on the automation of this phase through the use of automatic and semi-automatic methods of segmentation and classification based on association of different semantic information to the products of the three-dimensional survey such as point clouds obtained by Laser-scanner. These automatic classification procedures for the analysis and understanding of 3D models were made possible thanks to the advent of Artificial Intelligence (AI). Machine and Deep Learning (ML / DL), fields of application of AI, are based on the development of algorithms that allow calculators / computers to make decisions based on initial training data.
Up to now this approach, still in the experimental phase, has been mainly applied to the historical building heritage, this thesis, on the other hand, wants to lead to the application of this methodology also to the survey of more recent and complex structures, such as the "Grid Complex Structure", structures that in recent years have begun to increasingly require maintenance interventions. In particular, it is reported as a case study of the "Vela", a steel structure, which covers the square adjacent to the Unipol Tower in Bologna.