Un aperçu des coulisses des algorithmes qui transforment quelques minutes de marche dans un espace en plan d’étage mesurable et modifiable.
Le plus coûteux dans la mesure manuelle d’un espace, c’est le temps. Mètre ruban, papier millimétré, notes minutieuses, puis redessin dans la CAO une fois de retour au bureau. Il faut de la patience, et presque toujours une deuxième visite pour la mesure oubliée.
Avec Polycam, vous parcourez l’espace avec votre téléphone et obtenez un plan d’étage propre, étiqueté et mesurable en quelques minutes. Il y a beaucoup de magie technique entre ces deux moments. Les capteurs du téléphone nous fournissent un tas de données spatiales brutes : géométrie, couleur et une idée approximative de l’emplacement des murs. Mais cette lecture approximative n’est pas un plan d’étage. Les murs ne sont pas tout à fait droits et les pièces ne sont ni détectées ni étiquetées. C’est en comblant cet écart que vit l’ingénierie de Polycam.
Étape 1 : les fondations
Avant de pouvoir faire quoi que ce soit avec un scan, Polycam doit savoir où se trouvent les murs. Cette première étape commence avec un outil qu’Apple intègre aux iPhones récents, appelé RoomPlan.
Deux termes d’abord. Le LiDAR est le capteur de profondeur de l’iPhone 12 Pro et des modèles plus récents. Il envoie des impulsions de lumière invisibles et mesure le temps que met chacune à revenir. Pendant que vous marchez, le téléphone construit un nuage de points : la pièce recréée sous forme d’un nuage dense de minuscules points 3D.
À lui seul, un nuage de points ne sait pas ce qu’est un mur. RoomPlan fait passer les points dans des réseaux de neurones entraînés sur des pièces d’exemple, et renvoie une liste approximative de murs, de portes, de fenêtres, d’ouvertures et de meubles, avec leur emplacement et leurs dimensions. C’est un premier passage rapide, sur du matériel que les gens possèdent déjà, c’est pourquoi nous nous appuyons dessus plutôt que de le réinventer.
Vous voulez savoir ce qui se passe quand votre téléphone n’a pas de LiDAR ou n’est pas un appareil Apple ? Non-LiDAR Floorplan arrive bientôt – nous développons nos propres réseaux de neurones pour remplacer LiDAR et RoomPlan d’un seul coup.
Étape 2 : les étapes de post-traitement de Polycam
Tout ce qui suit est le travail de notre équipe, conçu pour transformer la sortie brute de votre téléphone en véritable plan d’étage. Il y a six algorithmes, et ils s’exécutent en séquence.
1. Détection de la couleur des murs
RoomPlan ne nous donne pas la couleur des murs, et votre téléphone applique son propre équilibrage des blancs sur chaque photo qu’il capture, décalant les couleurs de façon imprévisible. Nous compensons cela pour que votre plan d’étage ressemble à l’espace réel plutôt qu’à une maquette filaire grise, avec une couleur qui résiste à l’éclairage au lieu d’être faussée par lui.
Comment ça marche : Nous utilisons la profondeur, l’angle de la caméra et d’autres données géométriques pour lire une référence de blanc fiable au plafond, puis nous corrigeons chaque mur par rapport à elle. Pendant que vous scannez, votre téléphone capture des photos fixes que nous appelons keyframes. Pour chaque mur, nous sélectionnons les photos qui le voient le mieux, échantillonnons leurs couleurs sur une grille, et utilisons le plafond comme référence « ceci devrait être blanc » pour annuler l’équilibrage des blancs du téléphone. Nous équilibrons les images pour qu’elles concordent entre elles, écartons les échantillons qui sont manifestement des ombres ou des reflets plutôt que de la peinture, et faisons la moyenne de ce qui reste. Ensuite, nous calibrons sur de vrais échantillons de peinture pour que le résultat corresponde aux couleurs réelles, et nous l’enregistrons dans le modèle 3D. Chaque mur peut avoir une couleur différente de chaque côté, pour que la peinture change correctement d’une pièce à l’autre.
2. Redressement des murs
Les scans LiDAR dérivent. Des murs parfaitement droits dans la réalité peuvent ressortir légèrement de travers, car lorsque votre téléphone se déplace dans un espace, il prend des milliers de mesures minuscules et suit constamment sa propre position. Chacune de ces lectures est faussée d’un rien : de petites erreurs dans les mesures LiDAR, de petites erreurs de suivi, un peu de flou de mouvement. Rien de tout cela n’a d’importance isolément. Mais sur un scan complet, ces minuscules erreurs s’accumulent, et un mur qui devrait être droit comme une règle finit légèrement courbé. Les bâtiments obéissent à des règles. La plupart des murs se rejoignent à angle droit et sont parallèles entre eux. L’algorithme trouve l’orientation dominante du bâtiment, fait pivoter tout le scan pour l’aligner dessus, et ramène à l’équerre les murs proches de l’horizontale ou de la verticale. Il le fait prudemment, en optimisant les positions des murs pour que le déplacement total du début à la fin soit aussi petit que possible. Les murs vraiment inclinés (bow-windows, ce couloir un peu bizarre) sont laissés tranquilles, et les objets sont alignés séparément sur des angles propres.
3. Détection et classification des pièces
RoomPlan nous remet une simple liste de murs, avec parfois une indication sur les pièces (sans limite). Il ne sait pas où finit la cuisine et où commence le couloir, et les méthodes publiées étaient trop lentes pour la production. Nous avons construit la nôtre pour que chaque pièce ressorte étiquetée. C’est ce qui rend un plan d’étage utile, et ce qui alimente tout ce qui suit : superficie par pièce, édition pièce par pièce et rapports.
Comment ça marche, en trois phases :
D’abord, construire la carte. Disposez les murs à plat sous forme de diagramme vu de dessus : chaque mur est une arête, chaque endroit où des murs se rejoignent est un point. C’est sur cette carte de connexions, plus les objets et les positions des keyframes dans le scan, que tout le reste travaille.
Phase 1 : tracer le contour du bâtiment. Imaginez le scan comme un tas de fragments de murs posés au sol, puis visualisez une feuille qui se rétracte autour d’eux jusqu’à épouser les murs les plus extérieurs, en enveloppant chaque recoin et chaque angle. Ce contour est la limite du bâtiment. Comme les scans réels peuvent être désordonnés, nous assemblons généralement quelques boucles distinctes en un seul contour propre, en comblant les vides laissés par le scan.
Phase 2 : diviser l’intérieur en pièces. Les pièces entièrement fermées viennent en premier, car toute boucle fermée de murs est manifestement une pièce. Les cas plus délicats sont les espaces ouverts, une pièce qui se prolonge dans un couloir, ou un espace défini davantage par son mobilier que par ses murs. Pour ceux-là, nous déduisons les limites manquantes en utilisant les objets et les murs connectés comme indices, et nous écartons tout ce qui est trop petit pour être une vraie pièce.
Phase 3 : étiqueter les pièces. Notez chaque pièce selon son contenu. Les objets votent pour le type de pièce auquel ils appartiennent : des toilettes votent fortement pour la salle de bain, une cuisinière pour la cuisine. Hormis les cas particuliers ci-dessous, le type de pièce le mieux noté l’emporte.
Deux éléments peuvent passer outre ce vote. D’abord, les objets dissonants : dans le rare cas où une pièce contient des choses qui ne vont pas ensemble, comme une machine à laver à côté d’un four, les votes ne s’additionnent pas en une vraie pièce et nous l’étiquetons « autre ». Ensuite, la géométrie : un espace peut obtenir le meilleur score en tant que « cuisine », mais la forme doit être cohérente. Un placard doit être petit (un peu plus grand attenant à une chambre, c’est acceptable), et un couloir doit avoir la forme d’un passage, étroit dans la plus petite dimension et potentiellement plus long dans l’autre. Lorsque la forme contredit l’étiquette, c’est la forme qui gagne.
4. Détection du sol et du plafond
On serait tenté de supposer qu’un bâtiment a un seul sol plat à une seule hauteur. Les vrais bâtiments ont des salons en contrebas, des marches, des niveaux décalés et plusieurs étages. Nous résolvons chaque hauteur séparément pour que les espaces à plusieurs niveaux et à niveaux décalés ressortent correctement au lieu d’être aplatis, chaque pièce devenant une pièce modifiable distincte.
Comment ça marche : Nous résolvons la hauteur du sol de chaque pièce indépendamment à partir des points LiDAR au sol. Ensuite, nous réconcilions les voisins, pour que les pièces réellement au même niveau s’alignent sur une hauteur commune au lieu d’afficher une petite marche sans signification entre elles. Une fois la hauteur du sol d’une pièce verrouillée, nous y alignons le bas des meubles, pour que les objets reposent proprement sur le sol au lieu de flotter ou de s’enfoncer.
Les plafonds fonctionnent à peu près de la même façon, avec une particularité. Au lieu d’ajuster une hauteur unique, nous accumulons les points du plafond dans une grille, testons quelques formes de plafond possibles et conservons celle qui correspond le mieux aux données. Souvent, c’est un plafond plat. Parfois, c’est une forme en A, comme un plafond voûté ou un grenier en pente.
Un détail du monde réel : les gens ont tendance à bien capturer les sols simplement en scannant normalement, donc les hauteurs de sol ressortent fiables. Les plafonds sont plus difficiles, car on lève moins souvent les yeux, ce qui laisse des trous dans les données du plafond. Si vous voulez un plafond plus net, inclinez votre téléphone vers le haut de temps en temps pour en saisir de grandes sections au passage, mais ne le pointez pas droit vers le haut en le maintenant ainsi.
5. Nettoyage des objets
La détection d’objets de RoomPlan est bonne, mais les objets traversent souvent les murs ou se chevauchent. Nous nettoyons tout cela pour que vos meubles soient là où ils sont vraiment, et que le plan ressemble à la pièce réelle plutôt qu’à une collision de boîtes.
Nous corrigeons les intersections entre les objets et les murs, en les alignant au plus près de la surface lorsqu’ils en sont proches, et nous rognons les objets qui se chevauchent en 3D. Quand deux objets se chevauchent, l’un des deux doit céder : les équipements fixes et les appareils électroménagers sont protégés, tandis que les éléments à moindre enjeu, comme le rangement, rétrécissent pour laisser la place. Et lorsque RoomPlan lit un lave-linge et un sèche-linge côte à côte comme un seul objet trapu, nous le scindons à nouveau en deux, car une buanderie doit ressembler à une buanderie.
6. Localisation et cap de la boussole
Un plan d’étage qui ne sait pas où est le nord devient un casse-tête dès qu’il doit s’accorder avec un plan de site ou une étude d’ensoleillement. Et les données de localisation du téléphone sont instables : il saute entre les satellites GPS en plein scan, et chaque saut peut provoquer un bond net dans la position enregistrée. Nous déterminons le nord vrai pour que votre plan s’aligne sur le monde réel dès la première fois qu’il doit dialoguer avec un autre document.
Comment ça marche : Chaque keyframe porte sa propre lecture GPS (latitude, longitude et altitude) ainsi que son propre cap de boussole. Prises isolément, aucune des deux ne suffit. Les points GPS sautent lorsque le téléphone change de satellite, et les caps sont bruités. Alors, plutôt que de faire confiance à une seule lecture, nous traitons l’ensemble comme une seule optimisation : nous faisons correspondre la série de points GPS à l’endroit où le scan pense que vous vous teniez, nous nous appuyons sur les caps comme signal supplémentaire, et nous traversons les sauts et les valeurs aberrantes pour nous arrêter sur la direction dont nous sommes confiants.
Étape 3 : export
Après ces six étapes, vous avez un modèle propre, et il n’attend plus que vous. Exportez-le comme vous travaillez : en 3D, ou en plan 2D au format PNG, PDF, SVG ou DXF pour la CAO, avec en plus les rapports de superficie et le CSV.
Avant d’exporter, le Floor Plan Editor fait deux choses. La première, c’est de vérifier notre travail : déplacez les murs en 2D et regardez la 3D suivre, ou superposez vos modifications au scan d’origine pour confirmer les mesures et corriger ce que l’IA a mal compris. La seconde, c’est de le personnaliser : dessinez ce qui n’existe pas encore, comme un mur que vous prévoyez de démolir ou une extension dont vous estimez le coût. Comme tout est un seul modèle, une correction faite à un endroit se répercute partout.
Bientôt, vous pourrez aussi scanner sur Android et sur les iPhones sans LiDAR, pour que beaucoup plus de gens puissent pointer un téléphone vers une pièce et repartir avec un plan.
Points clés à retenir
Ces algorithmes sont difficiles pour des raisons qui n’apparaissent pas dans le plan final. Le travail sur les couleurs est une cible mouvante, car l’éclairage et l’exposition changent d’un keyframe à l’autre. Trouver les pièces, c’est déduire où les murs devraient être quand le scan ne les a pas saisis, sans corrigé auquel se référer. Le cap de la boussole doit survivre à un téléphone qui change d’avis en plein scan sur le satellite auquel il s’accroche. Et chaque élément de tout cela s’exécute sur des scans capturés en moins de cinq minutes par quelqu’un qui traverse simplement un espace, sans compétence particulière en numérisation.
Tout cela aboutit à un scan au téléphone qui ressort propre, étiqueté et mesurable. La capture prend quelques minutes, le traitement qui suit prend quelques secondes, et tout se passe sur l’appareil que vous tenez en main, si bien qu’un plan terminé est presque immédiatement prêt à être remis à un client ou à une équipe. L’innovation ne tient pas à un algorithme en particulier. Elle tient aux six qui travaillent en séquence pour combler l’écart entre « le téléphone a vu une pièce » et « voici un plan d’étage à partir duquel construire ».
Aujourd’hui, cela produit un plan d’étage propre. Mais le vrai moteur sous-jacent est plus vaste : transformer les données spatiales qu’un téléphone peut capturer en quelque chose de structuré et d’exploitable. C’est autour de cela que nous construisons Polycam.
