Estrazione e rifinitura automatica di planimetrie per la navigazione indoor accessibile

Navindoor è un progetto della Sapienza che sviluppa un sistema di navigazione indoor per persone con disabilità visive e motorie. Servono mappe digitali precise degli edifici universitari, e per la maggior parte di essi l’unica fonte è la planimetria di evacuazione appesa in corridoio. Fotografate con il telefono, quelle planimetrie sono storte, illuminate male e piene di testo, frecce e simboli. Ricalcare a mano un edificio può richiedere giorni.

La tesi costruisce un sistema che fa il ricalco in automatico e lascia a una persona il compito di controllare e correggere. Quel controllo non è facoltativo: chi segue indicazioni vocali perché non può vedere l’edificio non ha modo di accorgersi che la mappa lo sta mandando verso una porta che non esiste.

Dati

Non esiste un dataset etichettato di planimetrie di evacuazione italiane, così ne ho costruito uno a partire da CubiCasa5K:

• un parser SVG che ricostruisce le coordinate assolute in pixel accumulando le matrici di trasformazione;
• una mappatura dalle oltre ottanta classi vettoriali di CubiCasa5K alle cinque che servono a Navindoor;
• una rasterizzazione su due domini: ogni planimetria viene resa una volta pulita e una volta con rumore simile a una scansione, raddoppiando il dataset da circa 5.000 a circa 10.000 immagini senza annotazioni aggiuntive.

Due detector, un confronto controllato

Ho addestrato YOLOv11-m (convoluzionale) e RT-DETR-L (un transformer per la detection in tempo reale) nelle stesse condizioni, su una sola RTX 3090 Ti, a 1024 × 1024, con una data augmentation che preserva l’ortogonalità delle planimetrie (niente rotazioni, shear o prospettiva) e un sovracampionamento triplo delle classi rare.

Modello	mAP@50	mAP@50-95	Muri mancati	Porte mancate
YOLOv11-m	0,870	0,719	14%	23%
RT-DETR-L	0,894	0,764	9%	18%

Il vantaggio a IoU 0,5 viene quasi tutto da una classe ausiliaria che non finisce nell’output, e sulle scale YOLO è addirittura avanti (0,821 contro 0,740). Ciò che ha fatto preferire RT-DETR conta quando i box diventano poligoni: localizza in modo più preciso, perde meno muri e porte, le sue loss di validazione restano stabili dove quelle di YOLO salgono dopo l’epoca 35, e il suo F1 resta vicino al massimo per soglie di confidenza da circa 0,3 a 0,8. Sulle foto reali delle planimetrie della Sapienza ha prodotto molti meno muri fasulli generati da testo e frecce.

Dai box alla mappa

Le detection passano in una pipeline geometrica: i box sovrapposti vengono fusi per unione, le stanze vengono segmentate con un flood fill guidato dalla distance transform, i poligoni vengono semplificati con tolleranze Douglas–Peucker diverse per classe e gli spigoli vengono raddrizzati ad angolo retto. Un modulo OCR separato, basato su PaddleOCR (PP-OCRv4), legge i codici delle stanze da ritagli mascherati.

L’editor

Il sistema gira con un backend FastAPI con inferenza GPU asincrona e un editor in SvelteKit 5 in cui un operatore corregge il risultato: modifica dei poligoni in SVG, snapping geometrico, etichette semantiche, collegamento porta–stanza, annulla/ripeti ed esportazione. L’obiettivo era un solo gesto diretto per ogni correzione.

Limiti

Il confronto controllato è fatto su planimetrie residenziali renderizzate, non sulle fotografie da cui nasce il problema, e la riduzione del lavoro dell’operatore era evidente durante lo sviluppo ma non è mai stata misurata formalmente. Il pre-addestramento self-supervised su planimetrie non etichettate è il passo successivo più promettente per ridurre i dati etichettati necessari a nuovi tipi di edificio.

Relatore: Prof. Emanuele Panizzi.