Aplitop: modelisation-interieure-immeuble-bureaux-cartographie-gestion-installations-milan-italie

Le bâtiment a été numérisé en une seule session de 10 minutes à l'aide du scanner Stonex X120GO. L'application GO a été utilisée en parallèle pour capturer des images géoétiquetées des objets clés.

Avec Tcp PointCloud Editor, la numérisation originale contenant 87 millions de points a été filtrée et nettoyée pour conserver 23 millions de points pertinents. La fonction de classification automatique basée sur l'IA a été appliquée pour distinguer les murs, les plafonds, les planchers, les meubles et les fenêtres.

Classification automatique basée sur l'IA pour distinguer les éléments architecturaux tels que les murs, les plafonds, les planchers, les meubles et les fenêtres.

Les outils de classification manuelle ont permis l'ajustement fin d'éléments plats tels que les murs et les plafonds. Des étiquettes géographiques ont été ajoutées et gérées dans le nuage de points, en associant les images et la documentation aux emplacements du monde réel.

Gestion des étiquettes géographiques pour associer les images et la documentation à des emplacements spécifiques du nuage de points.

Les plans d'étage et les modèles 3D ont été générés en dessinant dans le nuage de points et à l'aide d'outils d'édition basés sur des rasters. Le projet s'est conclu par la publication de l'ensemble de données complet dans TcpShare, permettant aux collaborateurs de voir et de mesurer le nuage de points et ses composants dérivés de CAO en ligne.

Génération de plans et de dessins CAO directement à partir du nuage de points pour la documentation des installations.

• Le projet a entraîné des économies de temps importantes grâce à la combinaison d'outils de classification automatiques et manuels.
• L'équipe a pu créer un modèle détaillé et précis de l'intérieur, y compris l'équipement de sécurité et le mobilier, qui peut maintenant être utilisé à des fins de gestion des installations.
• L'utilisation d'étiquettes géographiques a enrichi l'ensemble de données avec des informations contextuelles précieuses, telles que des photos et de la documentation.
• La possibilité de générer des dessins CAO directement à partir du nuage de points a permis un processus de conception plus rapide.
• Le partage du modèle final via TcpShare a amélioré la collaboration d'équipe et a permis aux parties prenantes externes d'examiner et de valider les résultats.
• L'équipe a confirmé l'alignement entre les données capturées et les plans CAO existants, ce qui soutient les tâches de contrôle de qualité et de planification.