Oslandia s’est récemment illustré au côté de Bimdata et le LIRIS dans le cadre du projet IASBIM, un projet R&D Booster financé par la région Auvergne Rhône-Alpes.
L’occasion nous était donnée d’explorer les relations entre les données BIM et le couple Py3dtiles/Giro3D, ainsi que de découvrir le potentiel de la segmentation sémantique appliquée aux nuages de points en 3D.
Contexte du projet
Le projet IASBIM se proposait 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’agissait d’employer des méthodes d’intelligence artificielle et de reconstruction géométrique. Construire une méthodologie de scan-to-bim automatisée ou semi-automatisée peut ainsi permettre de participer à la transformation numérique du secteur de la construction.
Vers un nouveau procédé de Scan-to-BIM
Ainsi, à partir de scans 3D opérés sur le terrain fournis par Bimdata, Oslandia a ainsi eu l’opportunité de mettre en oeuvre un algorithme de segmentation sématnique 3D pour produire des nuages de points annotés. Cette information, une fois transmise au LIRIS, a alimenté les algorithmes de reconstruction géométrique développé par le laboratoire. Enfin, les géométries obtenues ont été récupérées par Bimdata, pour finalement être transformées en maquette BIM. Ces maquettes sont proposées en visualisation dans la plateforme Bimdata, qui a la particularité d’exploiter Giro3D.
Réalisations Oslandia
Les principaux chantiers pris en charge par Oslandia sont d’une part la visualisation web 3D, se décomposant en une partie backend représentée par Py3dtiles, pour le traitement amont des données 3D et une partie frontend représentée par Giro3D, et d’autre part, l’annotation sémantique de nuage de points, travail réalisé au moyen d’une implémentation de l’algorithme KPConv.
Visualisation web 3D
Pour la partie backend, nous avons pu établir l’importance de la hiérarchisation de la donnée BIM, avec le format 3DTiles (https://iasbim.gitlab.io/post/2024-06-15-3dtiles-presentation/), et détailler les éléments nécessaires à sa conversion vers ce format, notamment en respectant la hiérarchie intrinsèque des éléments constituant un jeu de données BIM (https://iasbim.gitlab.io/post/2024-07-01-3dtiles-organisation-ifc/).
Du côté de la partie frontend, on peut noter qu’IASBIM a permis à la Giro3D de supporter l’affichage de maquettes BIM au format .ifc (https://iasbim.gitlab.io/post/2024-06-01-ifc-to-3dtiles-concept/).
En guise de transition avec la partie suivante, dédiée à la segmentation sémantique, on notera également le support de la classification sémantique dans le viewer 3D (https://iasbim.gitlab.io/post/2024-07-15-pointclouds-visualiser-classification/).
Segmentation sémantique 3D
En guise de dernière partie impactante, notons enfin les avancées en matière de segmentation sémantique 3D, qui ont permis à Oslandia de se positionner sur cette technologie via une implémentation de l’algorithme KPConv. Nous avons choisi de travailler à partir de l’implémentation en Pytorch proposée par Hugues Thomas, et lui avons apporté un certain nombre de fonctionnalité pertinentes dans le cadre de IASBIM, via un fork (https://iasbim.gitlab.io/post/2024-07-22-kpconv-torch/). Cela nous a conduit à produire nos premières inférences sur des jeux de données exploités pendant IASBIM (https://iasbim.gitlab.io/post/2024-08-26-semseg-results/), ainsi qu’une feuille de route pour les prochaines étapes sur ce sujet !
Pour aller plus loin
Si vous désirez en savoir plus sur IASBIM, vous pourrez retrouver quelques informations supplémentaires sur le blog dédié au projet (https://iasbim.gitlab.io/).
Vous êtes intéressés par les interactions entre modèles 3D et maquettes BIM, ou par la visualisation web de données 3D de manière plus générale ? N’hésitez pas à nous contacter via infos@oslandia.com pour en savoir plus !