Application de la segmentation sémantique 3D pour IASBIM

Dans un précédent article, nous avons eu l’occasion de découvrir KPConv_torch, l’outil de segmentation sémantique 3D exploité dans le cadre d’IASBIM. Ce nouvel article va être l’occasion de présenter des résultats concrets obtenus en utilisant cette bibliothèque Python. Rappel: la nomenclature S3DIS Les résultats présentés dans cet article exploitent un modèle entraîné à partir du jeu de données S3DIS. Ce jeu de données est constitué de 13 classes : plafond sol mur colonne poutre fenêtre porte table chaise bibliothèque canapé tableau divers Les couleurs associées à ces différentes classes sont les suivantes, elles sont directement définies par le producteur du jeu de données : [Lire]

Segmentation sémantique 3D en Python avec kpconv_torch

Le sujet de la segmentation sémantique 3D, comme on l’a vu dans un précédent article, est de plus en plus riche à mesure que de nouveaux modèles viennent enrichir l’état de l’art scientifique. L’enjeu pour le projet IASBIM était l’exploitation de l’un de ces modèles pour produire des nuages de points sémantisés, i.e. dont les points sont affectés à une classe au sein d’une nomenclature dépendant de la nature du problème traité. [Lire]

Visualisation: classification des nuages de points

Pourquoi visualiser la classification Une des étapes du projet IASBIM consiste à segmentiser les nuages de point grâce au modèle KPConv. Ce processus permet d’attribuer des classes sémantiques à chaque point d’un nuage, pour ensuite en extraire des véritables objets 3D. À chaque étape, il est important de bien valider les résultats. Cet article décrit les développements nécessaires à l’outillage permettant de visualiser les classifications générées. Ce besoin de visualisation des classifications est d’alleurs intéressants en soit. [Lire]

L'organisation d'un tileset 3dtiles pour le BIM

Dans l’article précédent, nous avons vu que le format 3D Tiles offrait un ensemble d’outils pour rendre un jeu de donnée volumineux facilement visualisable dans une application web 3D. Parmi les possibilités que nous offre ce format, nous pouvons: segmenter la donnée dans une hiérarchie de tuile définissant des niveaux de détails croissants définir deux grandeurs : l’erreur géométrique et le volume de requête pour le visualisateur, permettant au visualisateur de choisir quel segment (ou tuile) afficher en fonction de la vue actuelle. [Lire]

3D Tiles: une solution à la problématique de la visualisation des IFC

Dans l’article précédent, nous avons mis en évidence les défis particuliers que pose la visualisation de fichier IFC de grande taille dans un contexte web. Cette article présente la solution choisie dans le cadre de IASBIM. Il s’agit donc de convertir les fichiers IFC dans un format facilement visualisable en contexte web. Nous adoptons une approche perceptive de ce problème : le but est d’obtenir un résultat visuel satisfaisant aussi rapidement que possible pour l’utilisateur. [Lire]

La problématique de la visualisation des IFC

L’objectif final du projet IASBIM est la production de maquette BIM numérique collaborative. Faciliter l’exploitation est donc également un objectif important pour cette collaboration. La plateforme collaborative par excellence étant le web, pouvoir visualiser facilement les maquettes BIM dans ce contexte permet en pratique cette collaboration. Le format standard pour les échanges de fichiers BIM est le format IFC. En terme de volumétrie, les fichiers peuvent être de taille réduite comme de taille plus importante, certaines maquettes peuvent maintenant atteindre 10Go ou plus. [Lire]

Segmentation sémantique 3D, de quoi parle-t-on ?

Mettre l’IA au service du BIM, comme l’ambitionne le projet IASBIM, revient à s’interroger sur notre capacité à comprendre des données 3D complexes. En particulier, avant même de se focaliser sur les modélisations BIM en tant que telle, l’étude des nuages de points 3D apparaît fondamentale. Est-on capable de tirer de l’information sémantique de cette donnée ? Cet article va permettre de poser quelques jalons importants relativement à cette question. [Lire]

Lancement du projet IASBIM

Fruit d’un partenariat entre Bimdata.io, Oslandia et le LIRIS (laboratoire CNRS), IASBIM est un projet financé par la région Rhône-Alpes via le dispositif R&D Booster. Le projet propose de mettre en avant les méthodes Scan-to-bim pour les acteurs du bâtiment et de la construction, en comblant le fossé entre les nuages de points 3D (captés notamment par Lidar) et les maquettes BIM (au format IFC). Dans cette optique, il s’agira d’employer des méthodes d’intelligence artificielle et de reconstruction géométrique. [Lire]