Catturare la realtà: fotogrammetria, LiDAR e scansione 3D

Di seguito il terzo capitolo del libro "PROMPTED CONSTRUCTION- Protocolli per una nuova intelligenza architettonica" di Pierpaolo Ruttico e Carlo Beltracchi, edito da TAB Edizioni.

Creare modelli digitali accurati del mondo reale

La capacità di trasformare l’ambiente costruito in modelli digitali fedeli ha subito un’evoluzione rapidissima negli ultimi vent’anni, cambiando radicalmente la pratica quotidiana di architetti e ingegneri. Oggi, grazie a fotogrammetria, sensori LiDAR, tecniche di scansione 3D e alle più recenti rappresentazioni volumetriche, è possibile rilevare edifici, infrastrutture e paesaggi con precisione millimetrica e renderli in ambienti virtuali navigabili, integrando rilievo, progettazione e facility management in un unico flusso continuo.

La fotogrammetria, in particolare, elabora serie di fotografie acquisite da angolazioni diverse per ricostruire dense nuvole di punti che vengono poi convertite in mesh texturizzate: l’articolo seminale di Remondino ed El-Hakim ha dimostrato già nel 2006 come gli algoritmi di computer vision possano collegare esplicitamente dati geometrici e cromatici, rendendo questo approccio ideale per documentare beni culturali o svolgere rilievi forensi di dettaglio [1]. La fase di acquisizione ha beneficiato enormemente dei droni multirotore equipaggiati con camere RGB o multispettrali: le prime sperimentazioni aeree del Politecnico di Milano hanno dimostrato che la fotogrammetria UAV riduce tempi e costi in sito mantenendo un’accuratezza sub-centimetrica su superfici complesse e altrimenti inaccessibili [2]. Il controllo di volo intuitivo dei droni, unito alla possibilità di pianificare traiettorie automatizzate, ha reso la sovrapposizione costante delle immagini e l’esposizione uniforme uno standard professionale, mentre database geospaziali come Cesium – basati sul formato 3D Tiles – consentono la georeferenziazione su larga scala dei dataset e la distribuzione dei modelli sul web senza perdita di dettaglio [8].

Il LiDAR – Light Detection And Ranging – utilizza impulsi laser per calcolare distanze basandosi su misure di time-of-flight, producendo nuvole di punti estremamente regolari e indipendenti dalle condizioni di illuminazione. Studi comparativi recenti evidenziano che i moduli LiDAR montati su droni offrono densità di campionamento superiori rispetto ai sistemi terrestri e che la combinazione di LiDAR e fotogrammetria incrementa l’accuratezza globale, in particolare lungo i bordi e sotto la vegetazione leggera [6]. Misure di convergenza tra raggi laser provenienti da direzioni diverse – rese possibili da payload rotanti dual-channel – hanno raggiunto deviazioni standard inferiori ai due millimetri nel rilievo di facciate o ponti, come documentato in prove sul campo pubblicate nell’ASCE Journal of Architectural Engineering [10].

Per infrastrutture lineari o cantieri in rapida evoluzione, il LiDAR aerotrasportato riduce drasticamente i tempi di acquisizione e consente un monitoraggio quasi continuo dell’avanzamento, prerequisito per sistemi automatici che, in un prossimo futuro, interfacceranno oracoli decentralizzati per certificare qualità e cronologia dei dati su blockchain, aprendo scenari di reportistica trasparente lungo l’intera filiera. Quando è richiesto il massimo dettaglio, la prassi professionale tende a fondere nuvole di punti derivate da fotogrammetria con scansioni LiDAR per creare dataset ibridi che vengono poi filtrati, registrati e colorizzati in software di post-processing. Il passaggio cruciale è l’importazione di tali dati nel BIM: algoritmi di segmentazione semantica riconoscono muri, solai ed elementi MEP, convertendo la massa grezza di punti in oggetti parametrici.

Framework come Scan-to-BIM – recentemente validato in casi studio su ponti e infrastrutture stradali – dimostrano che l’automazione riduce di oltre il 60 % i tempi di modellazione in Revit o Archicad rispetto all’estrazione manuale [7]. Le ricche informazioni incorporate in questi modelli diventano la base per analisi strutturali, simulazioni energetiche e manutenzione predittiva: integrando i rilievi in archivi storicizzati, è possibile implementare strategie di digital twin in cui sensori in situ trasmettono deviazioni geometriche o vibrazionali in tempo reale, confrontate immediatamente con lo stato as-built.

Parallelamente, la ricerca accademica ha introdotto rappresentazioni volumetriche continue come i Neural Radiance Fields (NeRF), che apprendono da un insieme di immagini una funzione densità-colore per ogni punto dello spazio: il breakthrough di Mildenhall et al. nel 2020 consiste nel generare viste sintetiche altamente fotorealistiche senza produrre esplicitamente una mesh, interrogando invece una rete neurale che restituisce una colorazione coerente da qualsiasi angolazione [3]. Tali reti – già testate in studi di visualizzazione architettonica – offrono opportunità immersive di pre-visualizzazione per clienti e progettisti, specie in spazi interni complessi dove la rasterizzazione tradizionale fatica a rendere superfici speculari o semi-trasparenti. Tuttavia, il costo computazionale di NeRF ha spinto lo sviluppo di metodi più rapidi: la 3D Gaussian Splatting, introdotta nel 2023, sostituisce il campo di densità continuo con blob gaussiani ottimizzati che preservano la qualità visiva consentendo il rendering in tempo reale su GPU di fascia media, aprendo la strada a walkthrough interattivi direttamente in browser o headset VR [4]. Un ulteriore avanzamento arriva dalla Sparse Voxel Rasterization, che impiega strutture voxel gerarchiche e un ordinamento Morton dinamico per garantire una corretta gestione della profondità e alta fedeltà; test recenti riportano frame rate superiori a 60 fps anche su scene urbane di grande scala [5].

Collegare questi modelli volumetrici a database geospaziali diventa strategico nella creazione di ambienti a scala territoriale. L’archivio infrastrutturale di Cesium, basato su tile geodetiche multi-risoluzione, accetta mesh o nuvole di punti che vengono automaticamente convertite in piramidi di livello di dettaglio; un algoritmo presentato all’ISPRS 2022 ha mostrato come nuvole LiDAR da miliardi di punti possano essere suddivise in gerarchie octree e trasmesse a dispositivi mobili senza compromettere la qualità [8]. L’integrazione di asset NeRF o Gaussian Splat nei pipeline 3D Tiles – ancora sperimentale – lascia intravedere un futuro in cui la città digitale sarà accessibile con fluidità cinematografica, alimentata da scansioni periodiche e arricchita da metadati certificati su blockchain che, tramite oracoli, garantiscono l’autenticità temporale dei rilievi.

Sul fronte operativo, la combinazione di dispositivi handheld o droni dotati di payload fotogrammetrico-LiDAR duali consente campagne rapide, sicure e programmabili a waypoint: studi comparativi su corridoi stradali hanno rilevato un incremento triplo della densità di campionamento rispetto ai voli con equipaggio, con errori verticali medi inferiori a 7 cm sul modello digitale del terreno [9]. I segmenti d’immagine catturati automaticamente alimentano procedure di quality-check che impiegano reti neurali leggere per individuare pixel sfocati o sottoesposti alla fonte, riducendo il tempo di revisione umana. Una volta caricati su piattaforme cloud, i dataset risultanti vengono elaborati da servizi serverless che, nell’arco di poche ore, restituiscono modelli a densità media e ortofoto, pronti a supportare la progettazione preliminare.

Il valore di questi dati cresce ulteriormente quando le nuvole di punti vengono importate in motori di simulazione fisica: repliche fedeli di quartieri, con materiali parametrizzati e illuminazione coerente, sono già utilizzate per addestrare robot di ispezione e veicoli autonomi in scenari controllati. La scala di dettaglio – da una singola vite su un corrimano alla macro-morfologia del tessuto urbano – offre un terreno ideale per l’addestramento di reti di computer vision. Al contempo, la possibilità di collegare ogni dato a un hash immutabile apre prospettive di auditabilità continua: i modelli rilasciati in un dato momento vengono sigillati e interrogabili nel tempo, creando un archivio storico prezioso tanto per restauratori quanto per facility manager.

Negli ultimi anni, i workflow hanno convergito verso l’aggiornamento quasi in tempo reale. Sensori montati su gru a torre, piattaforme mobili o persino robot quadrupedi seguono percorsi predefiniti, sincronizzano immagini e nuvole di punti con un database centrale e attivano pipeline che li confrontano con il modello as-planned. Le deviazioni rilevate non solo generano alert immediati, ma alimentano anche dashboard analitiche che applicano modelli predittivi per individuare tendenze di deformazione o degrado. In prospettiva, questi indicatori potrebbero alimentare smart contract che emettono automaticamente ordini di manutenzione una volta superate soglie critiche, riducendo tempi di risposta e oneri amministrativi.

Il salto di qualità non è solo tecnico, ma cognitivo: muoversi all’interno di un edificio non ancora costruito con occhiali di realtà aumentata che combinano geometria metrica ad alta risoluzione e illuminazione fisicamente corretta cambia il modo in cui si discutono le decisioni di progetto. Clienti e team tecnici condividono lo stesso spazio digitale, esplorano alternative di layout o materiali, mentre script verificano in tempo reale collisioni MEP o limiti normativi. Nel restauro, la sovrapposizione di scansioni multi-temporali rivela micro-fratture altrimenti invisibili, permettendo interventi mirati e sostenibili. Alla scala urbana, la combinazione drone-NeRF può generare digital twin di interi quartieri, integrando dati sensoriali su traffico, qualità dell’aria e temperatura delle pareti per simulare scenari di mitigazione climatica che, una volta validati, possono essere contrattualizzati su blockchain, garantendo trasparenza a tutti gli stakeholder.

Perché l’IA è fondamentale per l’architettura di oggi? Partecipa al sondaggio

La cattura della realtà non è più una mera attività di documentazione, ma il cardine di un ecosistema informativo continuo, in cui i confini tra rilievo, modellazione e gestione si dissolvono. Fotogrammetria, LiDAR e tecniche volumetriche come NeRF o Gaussian Splatting costituiscono la cassetta degli attrezzi fondamentale; droni e piattaforme cloud ne amplificano la portata; database come Cesium ne garantiscono la distribuzione; intelligenza artificiale, oracoli e blockchain ne assicurano tracciabilità e valore nel lungo periodo. Per il progettista, ciò significa poter contare su un digital twin che evolve insieme all’asset fisico, consentendo decisioni più rapide, interventi più precisi e una comprensione intuitiva, condivisa e immersiva dello spazio che ci circonda.

Da questa pagina è possibile accedere all’indice aggiornato con i link a tutti i capitoli.

CLICCA QUI

>> Continua a seguirci per scoprire, capitolo dopo capitolo, tutti i contenuti del volume