Drawing Heritage Façades from 3D Data: Reprocessing LiDAR and Photogrammetry Datasets from OpenHeritage3D
Notice bibliographique
Résumé
Façade documentation requires detailed drawings that illustrate the dimensions, locations, conditions, and materials of a building exterior. This documentation aims to provide a guide and record for assessing, monitoring, preserving, and restoring built heritage. In 1858, a Prussian architect, Albrecht Meydenbauer, nearly fell while taking direct measurements at a building façade. This incident motivated him to develop an indirect measurement method called photogrammetry to record built heritage façades using a photographic camera and surveying instruments. In the era of analogue photogrammetry, photographic films and other equipment were costly. Consequently, such photogrammetric documentation projects required careful planning and skilled personnel. In the 21st century, the cost of personal computers and digital cameras reduced significantly. Collecting large amounts of data has become relatively inexpensive. Meticulous planning in photogrammetric projects has been de-emphasized, and tools like digital cameras, LiDAR scans, and UAVs have significantly increased the volume of unstructured data collected. CyArk, a non-profit organization based in California, has documented heritage sites globally using a combination of LiDAR and photogrammetry and published their datasets through the OpenHeritage3D portal, an open-access platform. However, these datasets often lack proper description, documentation, categorization, standardization, and modularization. Although these data can create photorealistic models, they do not contain surveying data and are too large to process for most personal computers. This project proposes a workflow for reprocessing these LiDAR and photogrammetric datasets produced by CyArk using widely available software like RealityCapture, AutoCAD, AutoCAD Raster Design, and the Bulk Rename Utility. The objective is to deliver traditional 2D façade documentation from LiDAR and photogrammetric data required for heritage conservation projects and to create guidelines for the future collection and storage of such large building documentation datasets. Preliminary results show that more emphasis should be placed on metadata, georeferencing, and data organization than has hitherto been made.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,011 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».