Tecniche geomatiche per la digitalizzazione del patrimonio architettonico. Classificazione nuvole di punti 3D mediante algoritmi di Machine Learning. Caso studio dell’Abbazia di Novalesa. = Geomatics techniques for the digitization of architectural heritage. 3D point cloud classification using Machine Learning algorithms. Novalesa Abbey case study.

L’ambito dei beni architettonici è estremamente eterogeneo e articolato rendendo la tutela del manufatto complicata. Basti pensare all'eterogeneità del patrimonio, alla collocazione dell'epoca di costruzione in epoche diverse, comportando uso di tecniche costruttive e di materiali differenti. Inoltre è da tenere in considerazione la varietà delle maestranze che realizzano o intervengono successivamente sul bene, i professionisti che si alternano per restaurare e conservare il bene in epoche diverse in seguito a calamità naturali o alla semplice erosione del tempo. Intervenendo su un bene attuiamo delle modifiche, alterazioni le quali devono essere registrare, documentate e archiviate in maniera precisa, veloce e dettagliata. Mediante le tecniche geomatiche multi-sensore abbiamo la possibilità di acquisire un’istantanea dell’architettura nelle sue condizioni attuali operando in tempi ridotti e modi non invasivi. L’acquisizione del dato mediante tecniche multi-sensore è una pratica ormai consolidata, facilmente accessibile ed automatizzata. Questa produzione costante di nuovi dati necessita di essere gestita, strutturata ed archiviata attraverso sistemi informatizzati adottando un linguaggio codificato che permette a vari professionisti del settore di operare in maniera congiunta sul medesimo dato digitale. Nello specifico stiamo parlando di piattaforme come il BIM o il GIS con i rispettivi linguaggi di codifica IFC, CityGML. La ricerca geomatica oggi si concentra su come strutturare e archiviare il dato in maniera automatica riducendo i tempi di elaborazione attraverso l’impiego dell’intelligenza artificiale. L’idea è quella di riuscire a realizzare un sistema in grado di apprendere dai dati digitali fornitigli (raccolti con tecniche LiDAR Light Detection and Ranging) potendo successivamente adoperare il sistema istruito su nuovi dati digitali incogniti abbattendo tempi di elaborazione, errori ed incertezze. L’applicazione di un sistema d’intelligenza artificiale su un dato geomatico può aiutarci nel riconoscere elementi architettonici, materici, di degrado, e facilitare il passaggio da modello digitale a parametrico. Le sue applicazioni possono essere molteplici per differenti scopi ed analisi.