La terza via della rappresentazione si chiama Point Cloud (Nuvola di Punti)

Dalla geometria classica alla rappresentazione digitale

Forse per capire veramente questo tema bisogna tornare alla storia dell'uomo, al suo sapere, poiché il modello concettuale viene prima del modello fisico, e ormai l'informazione localizzata è semplicemente un punto. Ma non un punto qualsiasi, bensì l'erede del punto come elemento classico a cui Vasilij Kandinsky ci ha abituati, nel tempo a pensare.

Ebbene, a distanza di un centinaio di anni circa, siamo costretti a rivedere le nostre nozioni di geometria, per lo più non di geometria classica, bensì della geometria della rappresentazione, della nostra parte visiva, nuova, innovativa, e legata strettamente alla nuova realtà digitale.

Il termine punto-linea-superficie, in verità, nacque con l'esigenza di spiegare al volgo il tessuto dell'arte, e nello specifico “nacque durante le lezioni tenute da Kandinsky alla Bauhaus nei primi anni Venti, e diede il titolo al suo saggio massimo, che cerca di spiegare scientificamente l'arte della rappresentazione, o della realtà come si conosceva allora".

Negli ultimi anni il panorama digitale si è evoluto rapidamente, arricchendosi di modelli sempre più complessi. La terza dimensione non è più soltanto una rappresentazione geometrica, ma un livello informativo avanzato che va oltre il concetto stesso di “voxel”.

In geomatica, questo approccio è da tempo espresso con il termine Point Cloud - in italiano “nuvola di punti” - ovvero un insieme denso e strutturato di punti, colorati o meno, che descrivono in modo estremamente dettagliato le geometrie 3D del mondo costruito e naturale.

Le nuvole di punti non sono solo un passo intermedio, ma una rappresentazione autonoma e potente

Su questo concetto si è espresso per bene, e nel breve per la prima volta, il nostro collega Edward Verbree con un articolo su GIM International nel 2019.

Verbree sostiene che le nuvole di punti debbano essere considerate a tutti gli effetti come una terza tipologia di rappresentazione 3D, affiancandosi alle rappresentazioni poliedriche (superfici) e voxel (volumetriche).

Oggi, grazie alla diffusione di hardware economici come sistemi Lidar SLAM, D-Camere, Smartphone, Lidar per auto a guida autonoma e robotica indoor, la loro acquisizione è sempre più accessibile, colmando il divario tra mappatura Outdoor e Indoor.

Il potenziale inespresso delle Point Cloud

Nonostante la diffusione, le nuvole di punti sono spesso sottoutilizzate, e vengono impiegate principalmente per generare modelli 3D poliedrici a bassa risoluzione (LOD di base), perdendo dettagli cruciali.

Il processo di modellazione è lento, manuale e soggettivo, e molti edifici hanno dettagli architettonici che i modelli automatici non riescono a catturare. Inoltre, i modelli derivati diventano obsoleti appena pubblicati, poiché perdono il collegamento con i dati originali.

Le rappresentazioni voxel, pur essendo volumetriche, risultano poco realistiche e meno intuitive per l’utente rispetto ai modelli poliedrici.

I vantaggi delle nuvole di punti o Point Cloud (PC)
Semplicità e flessibilità - sono insiemi di coordinate X,Y,Z con attributi, facilmente gestibili con standard come LAS/LAZ/E57.
Ricchezza di dettagli - le PC possono essere arricchite con proprietà geometriche, radiometriche e semantiche, diventando "smart" per analisi avanzate (es. visibilità, vegetazione, colore, riflettanza, etc.).
Esplorazione diretta - permettono analisi più realistiche rispetto ai modelli derivati, sfruttando anche la capacità umana di rilevare dettagli 3D.
Strumenti analitici - supportano il chance detection e la visualizzazione immersiva (realtà aumentata).

In sintesi, le enormi potenzialità delle Point Cloud (PC) sono in sostanza disattese, semplicemente perché gli operatori del settore non ne hanno comprese le potenzialità, e le nuvole di punti, in sostanza una volta estratte le informazioni di interesse, ovvero aver realizzato i modelli 3D di basso o anche di alto livello, vengono quindi accantonate da qualche parte nei nostri archivi o database geospaziali.

Al contrario invece, Verbree critica fortemente questa prassi di mettere da parte le nuvole di punti dopo averle usate come input per modelli derivati - come i 3D di varia natura, costruiti con le 3D Face, le Nurbs e tutto ciò che va a popolare i Geo Digital Twin.

Il "mettere da parte le PC, diventa quindi uno spreco di risorse", dato che i dati originali offrono "maggiori insight" e corrispondono meglio alla realtà. La sua proposta è chiara, e dice letteralmente "Usatele direttamente, così come sono!"

Inoltre, "prendendo ad esempio i 3D City model, possiamo affermare che diventano obsoleti non appena vengono pubblicati, e nessuno sa quanto bene questi modelli di città rappresentino la realtà, semplicemente perché il collegamento con le nuvole di punti originali non viene mantenuto".

Un altro riferimento da non dimenticare, quello delle "capacità della corteccia cerebrale umana. Noi esseri umani siamo ancora molto abili nel rilevare i dettagli nelle scene 3D. Alcuni punti salienti che potrebbero andare persi in un processo di modellazione 3D potrebbero essere più importanti di tutti gli altri punti della scena. Quali parti di un edificio sono costruite come da progetto e quali no? E molto altro ancora".

E per chiudere, ma non meno importante, "perché spendere così tanto tempo, sforzi e denaro per raccogliere nuvole di punti, considerarle come dati di input, elaborarle in un derivato e poi scartarle? A pensarci bene, è una cosa piuttosto ridicola”.

In conclusione, le nuvole di punti non sono solo un passo intermedio, ma una rappresentazione autonoma e potente, capace di offrire analisi esplorative e visualizzazioni fedeli alla realtà.

Il futuro sta nel valorizzarle senza trasformarle, sfruttando la loro ricchezza intrinseca.

Oltre il contesto di rappresentazione, tra geometria e relazioni spazio-temporali

Passando dalla geometria di Kandinsky a quella della modernità del mondo dei Voxel e delle Point Cloud, non possiamo che proseguire nell'analisi delle correlazioni dei paradigmi che connettono funzionalmente i due mondi del reale e dell'astratto.

Dal punto di vista analitico e concettuale, è necessario approfondire il parallelo - più profondo e astratto - tra i fondamenti geometrici (punto, linea, superficie) e le categorie filosofiche e fisiche di spazio, tempo e dimensione. Solo attraverso questa lettura è possibile comprendere appieno la portata delle point cloud come terzo modello rappresentativo, capace di ridefinire il modo in cui descriviamo e interpretiamo il reale.

Ed ecco quindi una possibile interpretazione sistematica, che unisce matematica, fisica e filosofia, ovvero l'analisi necessaria del paradigma di correlazione tra "Punto - Linea - Superficie", e quello di "Spazio - Tempo - Dimensione".

Riferimenti e approfondimenti

• Spazio, tempo e dimensione. Un parallelismo tra geometria euclidea e fisica.
• Point Clouds Third Kind - Articolo GIM International
• Altri riferimenti CRISEL
• Dalle Point Cloud al BIM
• Diversi e numerosi articoli sul tema del 3D, delle Point Cloud ed altro, a firma di D.Santarsiero sul portale Ingenio-Web.