GRIHA: Synthesizing 2-Dimensional Building Layouts from Images Captured using a Smart Phone

Il paper presenta GRIHA, un framework che utilizza la tecnologia SLAM integrata in ARCore per generare rapidamente e in modo efficiente layout bidimensionali di stanze partendo da semplici immagini RGB acquisite con una fotocamera smartphone, superando così i limiti dei metodi esistenti che richiedono sensori di profondità o panorami privi di occlusioni.

L'essenziale

Immagina di voler disegnare la pianta di una casa (come quelle che vedi nei contratti di affitto o nei siti di immobiliare), ma invece di prendere il metro e misurare ogni stanza per ore, vuoi farlo semplicemente scattando alcune foto con il tuo smartphone.

È esattamente quello che fa GRIHA.

🏠 Il Problema: La "Caccia al Tesoro" delle Misure

Fino a poco tempo fa, per creare una pianta digitale di una stanza, dovevi usare due cose:

1. Telecamere speciali costose (che vedono la profondità, come gli occhiali della realtà virtuale).
2. Foto panoramiche perfette (dove non c'è nessun mobile che copre gli angoli).

Il problema? Nella vita reale, le case sono piene di divani, armadi e oggetti. Se provi a fare una foto panoramica in una stanza piena di mobili, gli angoli delle pareti spariscono dietro i mobili. È come cercare di disegnare un puzzle quando metà dei pezzi sono nascosti sotto il tappeto. Inoltre, non tutti hanno una telecamera da 1000 euro in tasca.

💡 La Soluzione: GRIHA (Il "Detective" del Smartphone)

Gli autori hanno creato un sistema chiamato GRIHA (un nome che richiama "casa" in sanscrito). Funziona come un detective intelligente che indossa i panni di un mago della tecnologia.

Ecco come funziona, passo dopo passo, con delle analogie:

1. La Raccolta delle "Impronte" (Le Foto)

Invece di girare in tondo con la telecamera (panoramica), l'utente scatta 4 foto semplici, una da ogni angolo della stanza.

• Analogia: Immagina di essere in una stanza buia e accendi una torcia in quattro punti diversi. Ogni foto cattura una parte della stanza che prima era nascosta. Non serve una telecamera speciale; basta il tuo iPhone o Android.

2. L'Intelligenza Artificiale "Vedente" (Stima della Profondità)

Il telefono non sa quanto è lontana una parete dalle foto normali (RGB). GRIHA usa un cervello artificiale (una rete neurale) che guarda la foto e immagina quanto sono lontani gli oggetti.

• Analogia: È come guardare un dipinto in bianco e nero e, grazie all'esperienza, capire che l'albero in primo piano è vicino e la montagna è lontana. Il sistema "indovina" la profondità trasformando la foto piatta in un modello 3D virtuale.

3. La Mappa del Viaggio (ARCore e SLAM)

Mentre scatti le foto, il telefono tiene traccia di dove si trova e come si muove, usando una tecnologia chiamata ARCore (già presente nei telefoni moderni).

• Analogia: È come se il tuo telefono avesse un "GPS interno" che ti dice: "Ok, hai fatto un passo avanti, ora sei qui, e hai girato di 45 gradi". Questo permette di collegare le 4 foto separate in un unico spazio coerente.

4. Il "Pulitore" di Disegni (Regolarizzazione)

Qui avviene la magia. Il computer prende tutti quei punti 3D un po' "sporchi" e disordinati (come una nuvola di polvere) e li pulisce.

• Analogia: Immagina di avere un mucchio di mattoni sparsi a caso sul pavimento. GRIHA li allinea perfettamente per formare muri dritti e angoli di 90 gradi (come nelle case reali, che seguono la "Manhattan Rule": muri paralleli e perpendicolari). Se un mobile copriva un angolo, il sistema "immagina" dove sarebbe dovuto essere l'angolo e lo disegna.

5. La Porta Magica (Rilevamento delle Porte)

Infine, il sistema cerca le porte nelle foto e le disegna nella pianta.

• Analogia: È come un gioco di "Trova l'oggetto". Il sistema ha studiato migliaia di foto di porte e sa riconoscerle anche se sono parzialmente nascoste, posizionandole esattamente dove dovrebbero essere nella pianta finale.

🏆 Perché è meglio degli altri?

Il paper confronta GRIHA con app famose come Magic Plan o Tape Measure.

• Gli altri: Chiedono di "scansionare" tutta la stanza muovendo il telefono lentamente. Se c'è un divano che copre un angolo, l'app si blocca o chiede all'utente di correggere manualmente l'errore (e l'utente spesso sbaglia).
• GRIHA: Ti chiede solo 4 foto. Non devi muoverti in modo complicato. Se c'è un mobile che copre un angolo, il sistema lo "ripara" da solo. È come se avessi un architetto che indovina la forma della stanza anche se non vedi tutto.

📊 I Risultati

Hanno testato GRIHA in aule, laboratori (pieni di macchinari ingombranti) e uffici.

• Precisione: È molto accurato (sbaglia di pochissimo rispetto alle misure reali).
• Robustezza: Funziona anche con poca luce o su pareti lisce dove altre app falliscono perché non trovano "punti di riferimento".
• Facilità: Nessuna calibrazione manuale. Tu scatti, lui disegna.

In Sintesi

GRIHA è come avere un architetto magico nella tua tasca. Non ha bisogno di costosi strumenti laser né di foto perfette. Basta che tu scatti qualche foto con il telefono mentre cammini per casa, e lui trasformerà quel caos di mobili e pareti in una pianta pulita, precisa e pronta per essere usata, anche se la stanza è piena di ostacoli.

È un passo avanti verso il futuro, dove creare la mappa digitale di una casa sarà facile quanto scattare un selfie.

Sommario tecnico

Titolo: GRIHA: Sintesi di Layout Edilizi Bidimensionali da Immagini Acquisite con Smartphone

1. Problema e Contesto

La generazione di modelli informativi per l'edilizia (BIM) e di planimetrie (layout 2D/3D) a partire da scene interne è un problema noto, con applicazioni nel settore immobiliare, nella navigazione interna e nella realtà aumentata/virtuale.
Attualmente, i metodi esistenti presentano due limitazioni principali:

1. Dipendenza dall'hardware: Molti approcci richiedono immagini RGB-D (con profondità) ottenute tramite telecamere di profondità specializzate (es. Kinect, LiDAR), che non sono accessibili all'utente medio.
2. Dipendenza dalle modalità di acquisizione: Altri metodi si basano su foto panoramiche a 360°, che richiedono scene prive di occlusioni. Tuttavia, negli ambienti reali (uffici, case), l'occlusione causata da mobili e arredi rende difficile o impossibile catturare una panoramica completa senza perdere informazioni critiche (angoli, bordi).

Il compito manuale di misurare le stanze e disegnare le planimetrie è tedioso e soggetto a errori. Esiste quindi un bisogno critico di un sistema che possa generare automaticamente planimetrie partendo da semplici immagini RGB catturate con uno smartphone standard, anche in presenza di occlusioni.

2. Metodologia Proposta: GRIHA

Il framework GRIHA (Generating Room Interior of a House using ARCore) è una soluzione che utilizza immagini RGB convenzionali e i dati di posa della camera forniti dalle librerie di Realtà Aumentata (AR) integrate negli smartphone moderni (in particolare Google ARCore).

Il processo è suddiviso nelle seguenti fasi chiave:

• Acquisizione Dati: L'utente cattura immagini delle quattro angolazioni di ogni stanza e della porta tramite un'applicazione Android sviluppata in Unity3D. Non è necessario uno scan continuo o panoramico; bastano poche foto statiche.
• Stima della Profondità (Depth Estimation): Poiché le immagini sono RGB, la profondità deve essere stimata. Il sistema utilizza un modello encoder-decoder pre-addestrato (basato su DenseNet-169) per generare mappe di profondità ad alta risoluzione da singole immagini RGB.
• Stima dei Bordi e degli Angoli (Layout Estimation): Viene adattata la rete neurale LayoutNet (originariamente progettata per immagini panoramiche) per gestire immagini prospettiche. Questa rete predice mappe di bordi (edge maps) e mappe degli angoli (corner maps) per segmentare pareti e spigoli.
• Ricostruzione 3D e Posa: Utilizzando i dati di posa (trasformazioni 3D) forniti in tempo reale da ARCore (che combina dati IMU e feature visive tramite SLAM), il sistema ricostruisce la scena 3D. I punti della nuvola di punti (point cloud) sono generati mappando i pixel RGB con le mappe di profondità stimate e le intrinseche della camera.
• Regolarizzazione e Proiezione 2D:
  • Le nuvole di punti parziali vengono proiettate su un piano 2D.
  • Viene applicata una regolarizzazione locale e globale basata sull'assunzione di un "mondo Manhattan" (pareti ortogonali, angoli di 90°). Gli algoritmi raggruppano i punti (k-means), allineano le linee per formare angoli retti e correggono le distorsioni geometriche.
  • Vengono utilizzati algoritmi specifici per identificare i punti interni ai poligoni e allineare le stanze ai confini globali (convex hull).
• Rilevamento e Posizionamento delle Porte: Viene utilizzato un modello YOLO addestrato sul dataset DoorDetect per identificare le porte nelle immagini. La posizione della porta nella planimetria 2D viene calcolata mantenendo invariato il rapporto di distanza rispetto alle pareti (invarianza di scala).

3. Contributi Chiave

1. Indipendenza dall'hardware di profondità: Il sistema genera planimetrie accurate utilizzando esclusivamente immagini RGB da smartphone comuni, eliminando la necessità di telecamere LiDAR o Kinect.
2. Robustezza alle occlusioni: A differenza dei metodi basati su panoramiche, GRIHA funziona efficacemente in ambienti disordinati o con mobili che occludono gli angoli, poiché l'utente può scattare foto da diverse angolazioni per coprire le zone nascoste.
3. Applicazione Mobile ARCore: Sviluppo di un'applicazione Android che sfrutta il SLAM integrato di ARCore per la stima della posa, rendendo il processo veloce ed efficiente senza bisogno di algoritmi SLAM di terze parti complessi.
4. Minima interazione utente: Richiede solo 4 interazioni (foto dei 4 angoli della stanza) e non necessita di intervento manuale per aggiungere angoli o calibrare manualmente le dimensioni, a differenza delle app concorrenti.
5. Test Cross-Platform: Validazione del sistema su diverse piattaforme hardware (Google Pixel 2 XL e Samsung A50) per dimostrare l'indipendenza dal dispositivo.

4. Risultati Sperimentali

Il sistema è stato testato su tre dataset reali (aule, laboratori e uffici) e confrontato con applicazioni commerciali come Magic Plan, Tape Measure, Measure e AR Plan 3D.

• Accuratezza Quantitativa:
  • GRIHA ha ottenuto il minore errore percentuale medio nell'area e nel rapporto d'aspetto (aspect ratio) per il dataset delle aule (3.12% e 2.21% rispettivamente).
  • Per gli uffici, ha ottenuto il miglior errore nell'area (3.25%).
  • Sebbene in alcuni casi specifici (es. laboratori molto complessi) altre app abbiano mostrato errori leggermente inferiori in metriche isolate, GRIHA offre un equilibrio superiore tra accuratezza e facilità d'uso.
• Analisi Qualitativa e Robustezza:
  • Interazione: GRIHA richiede solo 4 foto, mentre le altre app richiedono scansioni continue e movimento in tutta la stanza.
  • Intervento Manuale: GRIHA non richiede intervento manuale dopo lo scatto. Le app concorrenti richiedono spesso all'utente di aggiungere manualmente gli angoli nascosti, introducendo errori umani.
  • Condizioni di Luce: GRIHA dimostra maggiore robustezza in condizioni di scarsa illuminazione o su superfici uniformi, dove le app basate su feature detection (come Measure o Magic Plan) falliscono perché non riescono a rilevare punti salienti.
  • Occlusioni: GRIHA riesce a ricostruire layout anche quando gli angoli sono parzialmente occlusi, un punto di debolezza critico per le soluzioni basate su panoramiche o scansioni continue.

5. Significato e Conclusioni

Il lavoro di GRIHA rappresenta un passo significativo verso la democratizzazione della creazione di planimetrie digitali. Dimostrando che è possibile ottenere risultati competitivi (e talvolta superiori in termini di facilità d'uso) utilizzando solo hardware consumer (smartphone) e software di AR standard, il sistema supera le barriere all'ingresso poste dall'hardware specializzato.

La capacità di gestire ambienti con occlusioni e condizioni di luce variabili rende GRIHA particolarmente adatto per applicazioni pratiche nel settore immobiliare, nella ristrutturazione e nella gestione degli immobili, dove la precisione e la velocità di acquisizione sono fondamentali. Il lavoro futuro mira a rilassare l'assunzione del "mondo Manhattan" per gestire scene più complesse e non ortogonali.