Gallerie sicure: come laser e droni creano un 'gemello digitale' per prevedere i danni

Immagina di dover controllare la salute di una galleria vecchia e pericolosa: entrare è rischioso e guardare da fuori non basta. Finora gli ingegneri usavano due strumenti principali: lo scanner laser (LiDAR), precisissimo nelle misure ma 'cieco' sui dettagli visivi, e i droni con fotocamere, che fanno foto nitide ma 'sbagliano' le distanze. Un team di ricercatori ha avuto un'idea geniale: perché non fonderli? Hanno testato questa fusione su una galleria abbandonata, scansionandola tre volte durante un intero ciclo gelo-disgelo. Il risultato? Il modello ibrido batte entrambi i singoli: ha la precisione geometrica del laser e la risoluzione delle foto. Grazie a questa 'visione completa', il sistema ha scoperto il meccanismo nascosto del degrado: l'acqua che filtra ghiaccia, forma stalattiti e allarga le zone danneggiate del 55,8%. Ancora meglio: distingue i danni 'attivi' (perdite, cedimenti) da quelli 'stabili' (crepe vecchie, efflorescenze). È la base per costruire veri 'gemelli digitali' delle infrastrutture: non solo mappe 3D, ma simulazioni vive che prevedono dove e quando intervenire, trasformando la manutenzione da reattiva a predittiva. Più sicurezza, meno sprechi, niente sorprese.

Lo studio, pubblicato su Remote Sensing, affronta il limite intrinseco delle singole tecniche di rilievo: il Terrestrial Laser Scanning (TLS) offre accuratezza geometrica millimetrica (RMSE ~2-3 mm) ma bassa densità di punti su superfici complesse; la fotogrammetria UAV (Structure-from-Motion) genera nuvole dense e texture ad alta risoluzione ma soffre di distorsioni sistematiche (doming, bowling) e errori di scala senza Ground Control Points densi. La novità metodologica risiede nella pipeline di fusione: co-registrazione rigida via ICP (Iterative Closest Point) su target sferici, seguita da fusione a livello di nuvola pesata per incertezza locale e texturing ibrido (proiezione RGB su mesh TLS). L'analisi time-series su ciclo gelo-disgelo (3 epoche) ha quantificato l'evoluzione del danno non come semplice espansione areale, ma come accoppiamento termo-idraulico-meccanico: l'infiltrazione idrica (visibile come cambiamento radiometrico nelle immagini) innesca pressioni di gelo che amplificano il danno meccanico (cambiamento geometrico nel TLS) del 55,8%. La classificazione automatica basata su feature geometriche (curvatura, ruvidità) e radiometriche (indici colore) ha separato classi 'attive' (stillinghe, crolli imminenti) da 'stabili' (scrostamenti storici, efflorescenze inerti), validando l'approccio per Digital Twin predittivi basati su soglie di allerta dinamiche.