Description du projet
Une application qui identifie automatiquement les ingrédients des «soupes polygonales»
Les technologies modernes permettent d’obtenir des mesures 3D à grande échelle d’infrastructures, de bâtiments et plus encore. Ce type de mégadonnées est particulièrement intéressant pour le positionnement mondial et l’urbanisme. Les données brutes comprennent un très grand nombre de points et forment une «soupe polygonale» dont les ingrédients doivent être étiquetés. À l’heure actuelle, ce processus est réalisé manuellement et prend de plusieurs jours à plusieurs mois en fonction de la surface. Le projet SemanticCity, financé par l’UE, prévoit de commercialiser son logiciel, qui automatise cette opération, faisant ainsi passer le temps de traitement à quelques heures seulement. La fonctionnalité et l’utilité de cette application seront démontrées en l’appliquant aux archives de grands ensembles de données 3D détenues par des agences gouvernementales et des partenaires industriels.
Objectif
"Many massive data sources now exist for large scale 3D measurements in the form of raw pointclouds or polygonal soups. Such raw data, however, have to be cleaned, consolidated, and semantically annotated before they can be consumed by downstream applications (e.g. augmented reality, procedural modeling, energy simulation, etc.). This manual step is a major processing bottleneck resulting in significant economic and efficiency costs. For example, state-of-the-art workflows in location-based services and urban planning industries easily take 2-3 man days to produce accurate semantic labels for small spaces (500-1500 sqm), or several man weeks for a few blocks of street (2-5 sqkm). This makes large-scale semantic annotations unfeasible, and hence, majority of the raw scan data archives remain under-utilized.
The proposed ""Proof-of-Concept"" SemanticCity aims to pre-commercialize a novel software suite utilizing algorithms developed in course of the ERC-funded SmartGeometry project for automating generation of semantically structured models from raw 3D scans of cities to enable next generation augmented reality (AR), urban planning, and semantically tagged location-based services. SemanticCity, in partnership with a major European AR company, a large UK-based city developer, and London local councils, will address this challenge by automatically producing structured output directly from raw 3D measurements, reduce computation times from days/weeks to hours, and evaluate the structured output via the AR City app on multiple large-scale datasets. As case studies, we will work with governmental agencies and identified partner companies to meaningfully utilize their large archives of 3D measurements which are currently largely under-utilized.
"
Champ scientifique
Programme(s)
Régime de financement
ERC-POC - Proof of Concept GrantInstitution d’accueil
WC1E 6BT London
Royaume-Uni