Manuale tecnico di AI per l’ingegneria civile

Name: Manuale tecnico di AI per l’ingegneria civile
SKU: 8891677709
Price: 39.9 EUR

Dalla Point Cloud ai modelli parametrici HBriM e FEM per strutture e infrastrutture

ISBN 8891677709

Data pubblicazione Luglio 2026

scopri di più

Special Price 39,90 €

SCONTO 5%

~~Anzichè 42,00 €~~

Disponibile

Spedizione in 48h
Paga alla consegna senza costi
Spedizione gratuita

Descrizione

Una guida tecnico-operativa per governare l’intelligenza artificiale nei processi di rilievo, modellazione e analisi strutturale. Il volume accompagna il professionista dalla nuvola di punti alla costruzione di modelli parametrici HBriM/InfraBIM e FEM, con workflow verificabili, tracciabili e pronti per l’uso su strutture e infrastrutture.

L’intelligenza artificiale sta entrando in modo decisivo nella progettazione strutturale e nella gestione delle infrastrutture esistenti. Per trasformarla in uno strumento realmente utile al lavoro tecnico, però, non bastano automatismi generici: servono procedure controllabili, dati validati e modelli coerenti con le responsabilità dell’ingegnere.

Manuale tecnico di AI per l’ingegneria civile propone un workflow end-to-end che parte dal rilievo 3D e arriva alla generazione di modelli informativi e di calcolo. Il percorso comprende acquisizione e gestione delle nuvole di punti, segmentazione, classificazione tramite Machine Learning e Deep Learning, modellazione parametrica in Rhinoceros/Grasshopper, interoperabilità IFC 4.3 e integrazione con solutori FEM.

L’opera mette al centro qualità, riproducibilità e tracciabilità: metriche di accuratezza, protocolli QA/QC, versionamento, MLOps e gestione dei metadati consentono di documentare ogni passaggio del processo e ridurre il rischio di decisioni basate su modelli non verificati.

Vantaggi chiave

Fornisce un metodo completo per passare dalla Point Cloud grezza a modelli HBriM/InfraBIM e mesh FEM utilizzabili in ambito professionale.
Integra Python, librerie open-source, Machine Learning, Deep Learning e procedure di automazione applicate alle nuvole di punti 3D.
Approfondisce Random Forest, PointNet/PointNet++, segmentazione, feature geometriche e radiometriche, validazione e confronto dei risultati.
Aiuta a costruire processi “zero black box”, con controllo dell’ingegnere su dati, algoritmi, metriche e criteri di qualità.
Collega rilievo 3D, modellazione parametrica, interoperabilità IFC 4.3, Digital Twin e FEM in una catena metodologica unica.
Supporta attività di manutenzione programmata e predittiva, valutazione del rischio e gestione del ciclo di vita di ponti e infrastrutture.
Include formule, diagrammi, procedure operative e snippet Python per rendere il workflow replicabile e trasferibile.

Contenuti principali

Fondamenti di elaborazione 3D, gestione delle nuvole di punti e primi passi con Python.
Acquisizione LiDAR, formati LAS/E57, mesh/NURBS, IFC 4.3 e pipeline di Object Detection.
Segmentazione 3D con RANSAC, DBSCAN/HDBSCAN, region growing, KD-Tree, Octree e voxel.
Classificazione supervisionata con Random Forest, metriche di valutazione, confusion matrix e persistenza del modello.
Deep Learning su nuvole di punti con PointNet/PointNet++ e pipeline dati.
Digital Twin, reverse engineering, manutenzione predittiva e integrazione con modelli infrastrutturali.
Software e workflow per Rhinoceros, Grasshopper, BrIM/HBIM, FEM e soluzioni interoperabili.
Meshing scan-to-FEM, criteri di qualità, convergenza, integrazione BrIM-FEM e linee guida operative.

Porta l’AI dentro i processi di ingegneria civile con un metodo tecnico, verificabile e replicabile. Acquista ora il volume e costruisci workflow più affidabili per rilievo, modellazione, analisi e gestione delle infrastrutture.

Maggiori Informazioni

◾ Workflow end-to-end:
dalla nuvola di punti grezza alla generazione automatica di modelli HBriM e mesh FEM.
◾ Machine & Deep Learning:
classificazione semantica degli elementi strutturali tramite Random Forest e architetture PointNet.
◾ Interoperabilità totale:
mappatura rigorosa verso lo standard IFC 4.3 per Grasshopper, Rhinoceros e solutori FEM (es. Midas).
◾ Zero “black box”:
pieno controllo dell’ingegnere sugli algoritmi tramite severi protocolli di validazione e qualità (QA/QC).
◾ Automazione in Python:
snippet di codice pronti all’uso e pratiche MLOps per gestire e scalare i flussi di lavoro.
◾ Digital Twin:
integrazione di geometrie as-built, risultati strutturali e sensori per la manutenzione predittiva.

Scopri i dettagli

Pagine	384
Data pubblicazione	Luglio 2026
ISBN	8891677709
ean	9788891677709
Tipologia prodotto	Cartaceo
Sottotitolo	Dalla Point Cloud ai modelli parametrici HBriM e FEM per strutture e infrastrutture
Collana	ATEU - Ambiente Territorio Edilizia Urbanistica
Editore	Maggioli Editore
Dimensione	17x24

Indice

Introduzione
Ringraziamenti

1. Fondamenti, strumenti e workflow per l’elaborazione 3D di infrastrutture pontuali
1.0 Introduzione
1.1 Introduzione al testo e agli obiettivi
1.2 Rappresentazione dei dati 3D
1.3 Specificità delle nuvole di punti
1.4 Fasi del flusso di lavoro per l’elaborazione 3D
1.5 Primi passi con Python
1.6 Librerie per la gestione delle nuvole di punti
1.7 Esempio pratico: manipolazione e visualizzazione di una nuvola di punti

2. Sistemi di acquisizione 3D, telerilevamento LiDAR e pipeline di elaborazione
2.1 Introduzione: ruolo del capitolo e collocazione nel workflow
2.2 Architettura dei sistemi di acquisizione e gestione
2.3 Principi di rilevazione 3D (ToF, geometria e tessitura)
2.4 Fondamenti di telerilevamento LiDAR e catena radiometrica
2.5 Nuvole di punti e rappresentazioni: LAS/E57, mesh/NURBS e IFC 4.3
2.6 Fondamenti di apprendimento automatico su nuvole di punti .. » 32
2.7 Flusso operativo LiDAR per Object Detection
2.8 Librerie specialistiche per point cloud 3D
2.9 Gestione operativa delle nuvole in ambiente Python
2.10Pattern di automazione e snippet riproducibili

3. Tecniche di segmentazione delle nuvole di punti 3D
3.0 Introduzione
3.1 Pre‑processamento della nuvola di punti
3.2 Campionamento spaziale tramite griglia voxel
3.3 RANSAC per piani dominanti e separazione suolo/ostacoli
3.4 Segmentazione non supervisionata: normali, istogrammi, DoN
3.5 Clustering spaziale (Euclidean, DBSCAN/HDBSCAN)
3.6 Region growing con criteri di coerenza
3.7 Differenza di normali (DoN) e rilevamento multi‑scala
3.8 Strutture dati per segmentazione efficiente (KD‑Tree, Octree, Voxel)
3.9 Metriche, errori comuni e validazione dei segmenti

4. Classificazione supervisionata delle nuvole di punti 3D: addestramento, validazione e persistenza del modello
4.0 Introduzione
4.1 Dati e feature di ingresso
4.2 Definizione del problema e schema di etichettatura
4.3 Split del dataset e bilanciamento
4.4 Addestramento del modello Random Forest
4.5 Ricerca degli iperparametri e cross‑validation
4.6 Metriche di valutazione e confusion matrix
4.7 Interpretabilità del modello: importanze e effetti
4.8 Persistenza del modello e metadati
4.9 Predizione sulla nuvola di validazione
4.10Governing e riproducibilità

5. Deep Learning su nuvole di punti 3D: Pointnet/Pointnet++ e Pipeline Dati
5.0 Introduzione
5.1 Fondamenti di PointNet
5.2 PointNet++ e gerarchia locale
5.3 Pre‑processing e partizionamento in blocchi
5.4 Preparazione dei dati per PointNet
5.5 Strategia di addestramento
5.6 Valutazione e calibrazione
5.7 Inference e integrazione nel workflow
5.8 Tracciabilità, versioning e persistenza

6. Analisi dei risultati e confronto
6.0 Introduzione
6.1 Setup sperimentale e dataset di validazione
6.2 Metriche e protocolli
6.3 Risultati globali (RF)
6.4 Risultati globali (DL)
6.5 Confronto RF vs DL e significatività
6.6 Calibrazione delle probabilità
6.7 Robustezza a pipeline e parametri
6.8 Ablation sulle feature
6.9 Impatto sui flussi di modellazione e FEM
6.10Sintesi e linee guida

7. Digital Twin delle infrastrutture
7.0 Introduzione al capitolo
7.1 Digital Twin per ponti: requisiti e benefici
7.2 Tecnologie abilitanti per il Digital Twin
7.3 Digital Twin Workflow
7.4 Reverse engineering
7.5 Analisi predittiva e manutenzione nel Digital Twin
7.6 Integrazione della simulazione con il Digital Twin

8 Software per modellazione 3D e integrazione BriM/FEM
8.1 Panoramica dei software di modellazione 3D
8.2 Software di modellazione parametrica
8.3 Simulazione FEM e analisi strutturale
8.4 Digital Twin: visualizzazione, pubblicazione e fruizione
8.5 Plugin e sviluppo

9. Infrastrutture digitali e gestione dei dati complessi
9.1 Infrastrutture digitali per dati 3D: data lake, cataloghi e metadati
9.2 Architetture distribuite per dati 3D, ML e FEM
9.3 Architettura logica e componenti
9.4 Integrazione HBIM-FEM
9.5 Strategie di interoperabilità

10. Tipologie di dati e formati per rilievo 3D
10.1 Acquisizione, organizzazione e qualità dei dati di rilievo
10.2 Dataset e acquisizione delle nuvole di punti
10.3 Strategie di campionamento e gestione del rumore
10.4 Integrazione tra rilievo e modellazione nel ciclo di vita del ponte
10.5 Organizzazione e gestione dei dataset 3D per l’addestramento
10.6 Qualità, accuratezza e densità delle nuvole di punti
10.7 Glossario dei simboli
10.8 Gestione dei metadati e informazioni ausiliarie nei dataset 3D

11.Estrazione delle feature e preparazione dei dati
11.1 Estrazione delle feature: definizioni, formule e implementazione
11.2 Tecniche geometriche basate su autovalori e normali
11.3 Preprocessing e normalizzazione dei dati
11.4 Ottimizzazione e salvataggio dei dataset per l’addestramento

12. Introduzione al machine learning supervisionato
12.1 Che cos’è l’apprendimento supervisionato
12.2 Bilanciamento delle classi e strategie di training
12.3 Addestramento Random Forest (RF)
12.4 Validazione & calibrazione delle probabilità (RF)
12.5 Post‑processing spaziale & vincoli topologici

13. Meshing da nuvole di punti per modelli FEM
13.1 Obiettivi e raccordi di pipeline
13.2 Dalla risoluzione del rilievo alla taglia di elemento
13.3 Indici di qualità e criteri di accettazione
13.4 Convergenza e strategie di raffinamento
13.5 Metodologie scan‑to‑FEM per infrastrutture
13.6 BriM - Obiettivi e approccio
13.7 Integrazione tra BriM e FEM

14.Riepilogo dei risultati
14.1 Obiettivi del riepilogo e perimetro
14.2 Limiti metodologici
14.3 Generalizzazione e trasferibilità
14.4 Evoluzioni in DL 3D e Digital Twin

15. Contributi scientifici e tecnici del lavoro
15.1 Sintesi dei contributi
15.2 Sviluppi futuri e prospettive di ricerca
15.3 Applicazioni future e impatto sul settore infrastrutturale
15.4 Limiti del lavoro e sviluppi futuri

Bibliografia generale
APPENDICE A - Nomenclatura e simboli
APPENDICE B - Acronimi e abbreviazioni
APPENDICE C - Formule e metriche
APPENDICE D - Dataset e partizioni
APPENDICE E - Ambiente software e riproducibilità
APPENDICE F - Linee guida, licenze e responsabilità