Dans le contexte de la demande d'exploitation numérique à cycle de vie complet des ponts, la technologie de modélisation inverse rapide des ponts est devenue un maillon essentiel pour la construction d'une base de données d'exploitation. Les données de nuages de points 3D collectées sont un élément clé de la constitution des archives d'exploitation et du jumeau numérique. La précision des informations sémantiques des composants dans le cadre du contrôle numérique dépend de la précision de la segmentation sémantique des instances de nuages de points. Pour réaliser une segmentation d'instances haute précision et interprétable des composants de pont typiques, la connaissance est introduite en tant qu'information sémantique et une étude est menée sur les méthodes de segmentation d'instances de nuages de points pilotées par la connaissance. Tout d'abord, en traitant les données d'optimisation par regroupement dans la classification de segmentation de niveau de catégorie, il est possible d'améliorer la précision de l'extraction des instances. Ensuite, sur la base des relations géométriques entre les composants données par les critères de conception, les limites du panneau de pont et la distribution des axes de poutre peuvent être déterminées. Enfin, sur la base de règles formelles pour la ligne centrale des piles de pont et la disposition croisée et longitudinale des poutres, des boîtes de délimitation dynamiques sont construites pour réaliser la segmentation d'instances du panneau de pont et des poutres. Les résultats obtenus sur des données réelles de nuage de points montrent que cette méthode présente de bonnes performances de segmentation des instances, réduit la dépendance des algorithmes de segmentation sémantique vis-à-vis des données, et peut soutenir la technologie de modélisation automatique des ponts, des nuages de points au jumeau numérique.

nuage de points 3D ; composants de pont ; segmentation sémantique ; connaissance pilotée ; segmentation d'instances