Relier les images aux modèles BIM pour un inventaire automatisé

©istock

L’objectif de ce projet est de concevoir un système de reconnaissance d’objets basé sur l’IA pour identifier les composants d’un bâtiment.

Aujourd’hui, la disponibilité croissante des modèles BIM (Building information modeling ou modélisation numérique de l’information du bâtiment) apporte une précieuse contribution à la maintenance dans le cycle de vie des bâtiments. De plus, l’arrivée de “digital twin” (jumeau numérique) permet de compléter la réalité structurelle par une illustration numérique qui intègre toutes les informations pertinentes sur un bâtiment. Cette illustration numérique constitue déjà le support de tous les processus numériques de maintenance et d’exploitation. Elle fournira à l’avenir de nombreux services supplémentaires (par exemple, l’IdO, la gestion des incidents, le contrôle des bâtiments, la rétroaction des utilisateurs).

Plus la réalité structurelle et son jumeau numérique sont liés l’un à l’autre et plus l’accès aux données numériques de la situation actuelle sur site est facile, plus les processus pourront être conçus à l’avenir de manière efficace, rentable et sûre. Cependant, il n’existe à ce jour aucune solution pour relier les observations réelles, telles que les images d’objets de construction, à leurs équivalents BIM.

La solution proposée fournit une technologie clé à cet effet. Sous le titre «On the fly», le Laboratoire de vision par ordinateur (CVLAB) développera un système logiciel basé sur l’intelligence artificielle qui l’utilise pour reconnaître les objets enregistrés sur place et les affecter à leurs équivalents numériques. Il en résultera un couplage non technique, convivial, rentable et évolutif entre le réel et le numérique. Ce système ouvrira des possibilités d’utilisation encore inimaginables à ce jour.

Ce projet de dix-huit mois est mené par le CVLAB en collaboration avec Kaulquappe et les CFF. Il est financé par Innosuisse.

Principal investigatorMathieu Salzmann
Period2019-2021
Sponsor Innosuisse
External partnersKaulquappe AG, CFF-SBB-FFS
LaboratoryCVLAB