| KEYWORD |
ELECTRONIC DESIGN AUTOMATION - EDA
Tecniche di Machine Learning per automatizzare la modellazione 3D in BIM di Gallerie
Parole chiave BIM, LIDAR, OBJECTS DETECTION, RECOGNITION, MACHINE LEARNING, MODELLAZIONE 3D
Riferimenti ANNA OSELLO, EDOARDO PATTI
Riferimenti esterni Nicola Rimella (nicola.rimella@polito.it)
Gruppi di ricerca DAUIN - GR-06 - ELECTRONIC DESIGN AUTOMATION - EDA, EDA Group, ELECTRONIC DESIGN AUTOMATION - EDA, GR-06 - ELECTRONIC DESIGN AUTOMATION - EDA, ICT4SS - ICT FOR SMART SOCIETIES
Tipo tesi SPERIMENTALE
Descrizione Negli ultimi anni è aumentato l’interesse nella ricerca di metodi e strumenti che supportino gli interventi di ispezione e manutenzione sulle infrastrutture civili (es. gallerie). Con l’invecchiamento di queste infrastrutture, diventa fondamentale sviluppare metodi e processi speditivi che supportino i tecnici nella gestione delle manutenzioni.
Considerando come caso di studio le gallerie italiane, partendo dalle nuvole di punti che descrivono la geometria delle gallerie stesse, acquisite per esempio tramite lidar, si vuole implementare un algoritmo di classificazione che riesca a riconoscere le diverse categorie di oggetti che compongono le gallerie stradali. L’obiettivo è quello di testare diversi algoritmi di Machine Learning, validandone la loro robustezza e accuratezza, per poi creare automaticamente un modello 3D in BIM (Building Information Modelling) parametrico e virtuale della galleria stessa. Il risultato sarà un’intelligenza artificiale in grado di utilizzare i metodi di classificazione e segmentazione delle nuvole di punti più scalabili e affidabili, adattando i processi alle diverse conformazioni delle nuvole di punti e alle geometrie delle infrastrutture.
Conoscenze richieste python
Scadenza validita proposta 24/10/2025
PROPONI LA TUA CANDIDATURA