Yolo4Columns

Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F25%3A00383676" target="_blank" >RIV/68407700:21110/25:00383676 - isvavai.cz</a>
Result on the web
<a href="https://github.com/Zbirosla/Yolo4Columns.git" target="_blank" >https://github.com/Zbirosla/Yolo4Columns.git</a>
DOI - Digital Object Identifier
—

Result language
angličtina
Original language name
Yolo4Columns
Original language description
This software enables AI-assisted automation of the Scan-to-BIM workflow by detecting structural columns directly from point cloud data using semantic segmentation masks. It incorporates a full pipeline encompassing data preparation, deep learning training, and inference on new scenes. The data preparation module processes labeled point cloud datasets and generates 2D projections (masks) suitable for YOLO-based training. The training stage employs the YOLOv8 architecture for object detection, optimizing it for recognizing various types of vertical structural elements. During evaluation, the system classifies and localizes columns in unseen point cloud scenes by projecting them into 2D representations, running the trained detector, and mapping the detections back into 3D space. This approach allows for robust and scalable recognition of structural components even in cluttered or noisy environments. The modular design ensures extensibility and compatibility with subsequent steps in the Scan-to-BIM pipeline, such as parametric reconstruction and IFC export.
Czech name
—
Czech description
—

Publication year
2025
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Internal product ID
v1.01
Technical parameters
python 3.10, open-source, github, Yolov8
Economical parameters
Software pro detekci sloupů z masek mračen bodů výrazně zkracuje čas potřebný k analýze 3D scén. Odhad nákladů na nasazení softwaru (včetně tréninku modelu na konkrétní data) se pohybuje okolo 5 000–15 000 Kč na projekt. Automatizace může ušetřit až 4–6 hodin ruční práce na jednu scénu, což při běžné sazbě technického pracovníka znamená úsporu 2 000–3 000 Kč. U větších projektů nebo při opakovaném použití tak může software přispět ke snížení nákladů a zvýšení efektivity zpracování o 20–30 %.
Owner IČO
68407700
Owner name
České vysoké učení technické v Praze

Similar results(10)