Cet article présente un nouveau paradigme basé sur les données et basé sur des nuages de points 3D pour la gestion et la maintenance automatisées des ponts, qui souffrent du vieillissement et de la détérioration. Pour pallier l'inefficacité des méthodes d'inspection manuelle existantes, nous proposons un cadre systématique de génération de données de ponts 3D qui répond aux défis liés au manque de données réelles (étiquettes manquantes et interférences de numérisation). Ce cadre génère automatiquement des nuages de points complets avec des annotations d'instance au niveau des composants, des couleurs haute fidélité et des vecteurs normaux précis. De plus, il génère des nuages de points incomplets divers et physiquement réalistes pour soutenir l'apprentissage des réseaux de segmentation et de complétion. Les résultats expérimentaux démontrent qu'un modèle PointNet++ entraîné sur des données synthétiques a atteint un IoU moyen de 84,2 % pour la segmentation sémantique des ponts réels, tandis qu'un KT-Net affiné a démontré des performances supérieures pour la complétion des composants. Cette recherche fournit une méthodologie innovante et un ensemble de données fondamentales pour l'analyse visuelle structurelle des ponts 3D, ce qui a des implications significatives pour l'avancement de la gestion et de la maintenance automatisées des infrastructures.
